3 września amerykańska spółka General Atomics Aeronautical Systems, Inc. (GA-ASI) we współpracy z SRC Inc. dokonała oblotu bezzałogowego statku latającego (bsl) MQ-9 Reaper z zasobnikiem celowniczym Agile Condor wyposażonym w algorytmy sztucznej inteligencji. Urządzenie powstało na zlecenie laboratorium badawczego sił powietrznych AFRL (Air Force Research Laboratory) (Seryjne zasobniki Silent Crow dla US Army, 2020-04-30).
Bezzałogowiec, wyposażony w zasobnik celowniczy Agile Condor, wykonał pierwszy lot w centrum testowego i szkoleniowego spółki GA-ASI w Grand Forks w Dakocie Północnej / Zdjęcie: GA-ASI
Zgodnie z opublikowaną informacją, nowy zasobnik Agile Condor zapewnia szybkie przetwarzanie danych w połączeniu z algorytmami uczenia maszynowego do wykrywania, korelowania, identyfikowania i śledzenia celów. Dzięki temu MQ-9 będzie w stanie autonomicznie identyfikować obiekty, wykorzystując wbudowany czujnik elektrooptyczny pracujący w podczerwieni (EO/IR) oraz radar z syntetyczną aperturą (SAR, Synthetic Aperture Radar) typu Lynx (Katastrofa dwóch MQ-9 nad Syrią, 2020-08-19).
Zasobnik został opracowany przez SRC Inc. i dostarczony AFRL w 2016. Nie jest jasne, czy amerykańskie wojska lotnicze (USAF, US Air Force) przeprowadziły jakiekolwiek testy w locie z wykorzystaniem innych platform przed planowaną na 2019 integracją z MQ-9. Pierwotnie próby w locie miały rozpocząć się przed końcem 2016 (Kolejny etap programu Skyborg Vanguard, 2020-07-27).
Zgodnie z informacjami SRC Inc., w związku ze skokowym wzrostem ilości danych z uwagi na lepsze czujniki wykorzystywane przez bsl, obecnie stosowane systemy przetwarzania nie nadążają z ich analizą. Oprócz tego dane wrażliwe zebrane podczas lotu są magazynowane na dyskach na pokładzie statku i operatorzy muszą czekać powrót bsl do bazy, aby móc je odczytać. Z drugiej strony informacje można przesyłać zdalnie, ale wymaga to większej mocy i przepustowości bezpiecznych łącz danych. W związku z tym kanały komunikacyjne stają się zbyt obciążone i następuje opóźnienie w transferze dużych plików. Zwłaszcza w przypadku używanego przez USAF systemu zwiadu obrazowego Gorgon Stare, zbierającego ogromne ilości danych wideo (USMC zamawia MQ-9, 2020-06-25).
Dlatego zasobnik Agile Condor został zaprojektowany tak, aby analizować dane z czujników, klasyfikując potencjalne cele i inne obiekty, a następnie wskazując na nie operatorowi bsl lub personelowi wywiadowczemu, który pobiera je do dalszej analizy. Dzięki algorytmom sztucznej inteligencji, dane uznane za nieważne i nieprzydatne oraz nieprzedstawiające interesujących obiektów z punktu widzenia danej misji nie będą przesyłane. Odciążone zostaną tym samym łącza wymiany danych, które posłużą jedynie do przesyłu informacji istotnych.(General Atomics Defender, 2020-03-04).
Nie oznacza to jednak, że z łańcucha dowodzenia podczas misji z wykorzystaniem bojowych bsl, zostanie wyłączony człowiek. USAF cały czas kładą nacisk na to, aby przed przeprowadzeniem ataku na cele naziemne, zostały one zweryfikowany i zaakceptowane przez operatora – bez względu na to, jak bardzo autonomicznymi staną się bsl następnej generacji. Mimo to, zastosowanie zasobników Agile Condor zmniejszy ilość interakcji z ludźmi do niezbędnego minimum na różnych etapach procesu celowania i przeprowadzania ataku.
Co ciekawe, wg AFRL zasobnik Agile Condor mógłby wykorzystać swoje możliwości, aby umożliwić bsl nawigację, wykrywanie i unikanie potencjalnych zagrożeń w sposób automatyczny, w tym w przypadkach, gdy jego połączenia z centrum kontroli lub systemem nawigacji satelitarnej GPS są zakłócane lub całkowicie blokowane.
Agile Condor nie jest pierwszym projektem, który ma znacząco zwiększyć możliwości analizy danych przez bojowe bsl amerykańskich sił zbrojnych. Należy tu wspomnieć projekt Maven, realizowany wspólnie z Google, również oparty na algorytmach sztucznej inteligencji. Projekt, nadzorowany przez Algorithmic Warfare Cross-Function Team, uruchomiono w kwietniu 2017.