Война без связи

«Устойчивость рождается не из надежды на связь, а из готовности к её потере». По мере того как США внедряют искусственный интеллект в разные виды вооружённых сил, боевые действия на Ближнем Востоке показывают слабое место такой стратегии: для работы ИИ нужны вычислительные мощности и каналы связи, а на войне они имеют неприятную привычку исчезать.

Дроны, датчики, системы помощи при наведении и средства поддержки решений зависят от вычислительной инфраструктуры. Уничтожение одного передового центра обработки данных способно заметно снизить возможности целого подразделения. Возникают практические вопросы: как беспилотник изменит задачу без связи, как модель продолжит распознавание без новых данных и чем придётся пожертвовать, чтобы ИИ пережил отключение?

Конфликт вокруг Ормузского пролива обходится дорого, но одновременно даёт военным болезненные уроки. Традиционные дата-центры на Ближнем Востоке оказались уязвимыми: большие здания легко обнаружить, а одного удара может хватить, чтобы вывести из строя значительную часть системы.

Palantir уже разворачивает альтернативу — контейнеры с оборудованием Nvidia. Их можно размещать ближе к передовой и подключать непосредственно к рабочим процессам, распределяя вычисления по нескольким площадкам вместо одного крупного центра.

Компания Scaleout создаёт инфраструктуру для периферийного ИИ и федеративного обучения. Это подход, при котором модели обучаются на распределённых чувствительных данных без обязательной отправки всего массива в единый центр. Scaleout сотрудничала с НАТО, в том числе со шведскими ВВС, а также с оборонными подрядчиками, включая BAE Systems.

Генеральный директор и сооснователь Scaleout Andreas Hellander рассказал, как сделать боевые ИИ-системы устойчивее. Его ключевой принцип прост: нельзя обещать непрерывную связь, зато можно не допустить, чтобы отказ одного элемента обрушил всю способность системы.

Если узел теряет соединение, он продолжает локальный анализ с последней одобренной моделью, а обнаружения и телеметрию сохраняет до восстановления канала. Над периферийными узлами могут работать несколько центров агрегации: при отказе одного клиенты перераспределяются, а обучение продолжается через доступные точки. Это даёт плавное ухудшение возможностей, а не мгновенный переход из режима «работает» в режим «ничего нет».

Централизация обеспечивает единое оперативное представление, мощные вычисления, контроль безопасности, утверждение моделей и соблюдение командных правил. Но она концентрирует риск: повреждение одного канала или объекта может лишить войска непропорционально большой части возможностей. Передача крупных или секретных массивов также бывает медленной, запрещённой или физически невозможной.

Распределённая архитектура обрабатывает данные рядом с датчиком, снижает задержку и сохраняет локальные функции при отключении. Цена — фрагментация. Решение по неполному или устаревшему изображению опасно, а местная логистика может оказаться невыгодной для всей группировки. Поэтому наиболее разумна гибридная модель: централизованная координация при наличии связи и чётко ограниченные локальные функции при её потере. Полномочия при этом остаются у командования и человека, принимающего решение.

Важно различать запуск модели и её переобучение. Малые платформы обычно выполняют вывод — то есть используют уже обученную модель для распознавания в полёте. Контролируемое переобучение и утверждение новой версии происходят на наземном узле или более мощном периферийном компьютере. Самостоятельное переобучение прямо во время задания пока остаётся исследовательским направлением и создаёт серьёзные проблемы с проверкой надёжности.

Подключённый дрон передаёт обнаружения, получает задания и участвует в общей картине. После потери связи он действует по заранее утверждённому сценарию: продолжает ограниченную задачу, возвращается, зависает или садится — в зависимости от миссии. Бортовая обработка поддерживает навигацию и восприятие, но аппарат теряет внешний контекст, новые команды и координацию с группой. Отключение должно быть штатным режимом с понятными границами, а не импровизированной аварией.

Часто труднее всего передавать не модель, а полезные данные. Поэтому модель отправляют к данным, а не наоборот. Программы активного обучения выбирают кадры, которые вероятнее всего улучшат систему: сомнительные распознавания, незнакомые объекты или изменившиеся условия. Человек по-прежнему размечает материал; программа лишь избавляет его от поиска нужных фрагментов.

Затем модель дообучают на месте и проверяют по контрольному набору. Новая версия может работать параллельно с действующей в теневом режиме, пока оператор не одобрит её. Если правила и связь позволяют, площадки обмениваются защищёнными обновлениями модели, а не исходными видеозаписями. Федеративное обучение уменьшает объём передаваемых данных, но обновления всё равно нужно защищать, проверять и записывать в журнал.

Главные ограничения — питание, нагрев, масса, погода, вибрация, радиоэлектронная борьба, неоднородные данные и безопасное обновление программ на смешанном парке техники. Интеграция и сертификация могут оказаться не менее сложными, чем сама машинная модель.

Вычислительная техника уже доступна: маломощные модули вроде NVIDIA Jetson подходят для небольших платформ, а защищённые GPU-серверы и контейнерные периферийные комплексы — для наземных объектов. С энергией сложнее. Каждый процессор конкурирует за ресурс с двигателем, датчиками и связью, а аккумуляторы, генераторы и распределительное оборудование увеличивают нагрузку и число возможных отказов. В публичной демонстрации Scaleout и BAE Systems Bofors система распознавания работала на бортовом компьютере при температуре −18 °C и без подключения. Практическое правило — использовать минимально достаточную конфигурацию и заранее считать дефицитными и питание, и пропускную способность.

Scaleout заявляет, что её платформа работает в инфраструктуре заказчика, в изолированной сети и без обязательного обращения к серверу лицензирования, самой компании или публичному облаку. Это снижает зависимость от удалённого поставщика: в условиях конфликта такая зависимость может превратиться в уязвимость. При этом вопросы отношения к коммерческим провайдерам во время войны должны решать политики, юристы и сами компании — делать выводы о чужих моделях риска без данных некорректно.

Связь будет улучшаться, в том числе благодаря спутникам на низкой околоземной орбите. Однако подключать каждый датчик напрямую к космосу универсальным решением не получится: терминалы требуют энергии и радиочастотного ресурса, стоят денег и создают заметный электронный след. Устойчивее сочетать локальные ячеистые сети, синхронизацию при удобном случае и отдельные шлюзы к спутниковым или дальнодействующим каналам.

Долгая работа без связи возможна, но её предел чаще задают батареи, погода и обслуживание, а не программное обеспечение. И здесь принципиально различать работу без соединения и работу без человеческих полномочий. Первое — свойство устойчивости, второе — политическое, правовое и этическое решение. Будущее военного ИИ — не в бесконтрольной автономности, а в проверяемом управлении: должно быть понятно, какая модель работала на каждой платформе, кто её создал и утвердил, какие у неё ограничения и почему ей доверили конкретную задачу.