Forsker bygger AI ind i dansk soldatersoftware
Kan maskinlæring hjælpe dig med at afsløre din modstanders militærstrategi? Dette såkaldt NP-hårde datalogiske problem arbejder Henrik Pedersen på at finde et svar på. Han er forskeren, der integrerer AI ind i systemer til militær beslutningsstøtte.
Artikel bragt i Version2:
Som ekstern lektor på Institut for Datalogi på Aarhus Universitet underviser han sine studerende i deep learning. Han har en ph.d. i AI og medicinsk billedanalyse med speciale i hjerte- og hjernescanninger. Som teamleder på Alexandra Instituttet byggede han en algoritme, der kan estimere vægten på slagtesvin med en nøjagtighed på plus/minus 3 %. Det krævede 3,7 mio. billeder.
I Systematic er Henrik Pedersen AI-forskeren, der bringer AI-baseret innovation ind i virksomhedens digitale løsninger til Natolandenes styrker. Det er f.eks. det avancerede kommando- og kontrolsystem SitaWare, der hjælper officeren med at bevare overblikket i pressede situationer og dermed tage de rigtige beslutninger på det rigtige tidspunkt.
Militære lærebøger i computeren
Lige nu undersøger han bl.a., om AI kan hjælpe officererne med at gennemskue modstanderens strategi. Groft sagt handler det om at proppe alle russiske militære lærebøger ind i en computer og så sammenligne dem med det, der sker på slagmarken. Når AI’en genkender specifikke mønstre, kan den muligvis afsløre, hvilken overordnet plan der ligger bag.
»At genkende en militær doktrin med maskinlæring er det, man i datalogien kalder et NP-hårdt problem (non-deterministic polynomial-time, red.), dvs. et problem, man ikke kan finde den optimale løsning på uden at have afprøvet alle muligheder. Det er et datalogisk svært problem. Men ved at bruge maskinlæring kan vi i hvert fald komme frem til det, vi i fagsproget kalder en approksimativ løsning,« forklarer Henrik Pedersen.
Ifølge Henrik Pedersen arbejder han og andre udviklere i Systematic med forskningsbaseret innovation på områder, som ingen andre har betrådt før. Bl.a. har man udviklet et system til billedgenkendelse, som brugeren af SitaWare-systemet selv kan træne.
Unik billedsøgemaskine
Officeren kan f.eks. føde nogle få luftfotos af ødelagte kampvogne ind i systemet og bede det finde lignende fotos i en stor efterretningsdatabase. Når systemet vender tilbage med et udvalg af billeder, markerer man de rigtige og de falsk positive og sætter derefter en ny søgning i gang. Efter to til tre omgange har AI’en trænet sig selv så godt, at fejlraten er nede på et acceptabelt niveau.
»Det startede som en idé oppe i mit hoved. Så byggede jeg en prototype, som jeg viste til vores product management-folk, og nu har vi integreret den som en feature i vores SitaWare Insight-system. En tilsvarende billedsøgemaskine findes ikke andre steder,« siger Henrik Pedersen.
Kører i et lukket miljø
ChatGPT, Bard og lignende store sprogmodeller som man kan tilgå over nettet, er dømt ude i en militær sammenhæng. I stedet bygger Henrik Pedersen og hans kolleger i Systematic deres egne AI’er baseret på open source-modeller og typisk inden for computer vision og natural language processing. De kører i et lukket miljø og trænes til at løse helt specifikke, konkrete opgaver. Henrik bygger altid prototyper for at se om den idé, han har fået, faktisk virker.
»Når du koder en prototype, opdager du ofte noget, du ikke havde tænkt på forinden. Desuden er fungerende prototyper supergode til at demonstrere den idé, du har fået for kolleger og kunder.«
P.t. er Henrik Pedersen den eneste fuldtidsmedarbejder i Systematic Defenses Product Lab. Lige om lidt fordobles hans holdopstilling imidlertid, når en ny kollega, nyuddannet inden for cognitive science, kommer til.
»Det går så vanvittig hurtigt inden for maskinlæring, at det er svært at følge med. Det er godt at være flere om opgaven. Især når vi også koder prototyper. Det er det vigtigste af det hele: Det er først, når du har bygget det, at du ved, om det virker.«
