Dirbtinio intelekto technologijos ir jų pritaikymas gynyboje

Daugiafunkcis taktinis transportas MUTT
Šaltinis: https://generaldynamics.uk.com/systems/land-systems/multi-utility-tactical-transport-mutt/

Gal ne visi laikraščio skaitytojai žino, kas yra tas dirbtinis intelektas (DI), apie kurį šiuo laikmečiu tiek daug kalbama. Generolo Jono Žemaičio Lietuvos karo akademijos bibliotekos duomenų bazių administratorius Valdas Kriauza geranoriškai atsiliepė į redakcijos kreipimąsi supažindinti skaitytojus, kas yra tas dirbtinis intelektas, kaip jis buvo vystomas ir kaip pritaikomas krašto gynybai.

Valdas Kriauza

Pasaulio ekonomikos forumo įkūrėjas Klaus‘as Schwab‘as laikotarpį, kuriame gyvename, pavadino ketvirtąja pramonės revoliucija. Ši revoliucija, remdamasi ankstesniais išradimais ir pasitelkdama skaitmeniniame amžiuje sukurtas technologijas, sukėlė didžiulį inovacijų šuolį, pristatydama tokias technologijas kaip papildyta realybė ir daiktų internetas (IoT), robotika ir autonominės sistemos bei dirbtinis intelektas (DI). Jau šiandien dirbtinio intelekto sprendimai daro reikšmingą teigiamą poveikį ekonomikai, skatindami įmonių konkurencingumą ir didindami viešojo sektoriaus veiklos efektyvumą. DI technologijos, naudojamos tiek privačiame, tiek viešajame sektoriuose, sėkmingai pritaikomos ir saugumo bei gynybos srityse. Jos turi didžiulį potencialą sustiprinti gynybinius pajėgumus, sumažinti žmonių vaidmenį kare ir yra ypač svarbios mažesnėms valstybėms, kurios privalo veikti su ribotais ­resursais.

DI atsiradimas ir evoliucija
Terminas „Dirbtinis intelektas“ pirmą kartą buvo panaudotas 1956-ais metais, kai Dartmouth‘o koledže susibūrė įvairių sričių mokslininkų grupė, siekdama sukurti mokslo sritį, orientuotą į mašinų, gebančių imituoti žmogaus intelektą, kūrimą. Per porą ateinančių dešimtmečių DI srityje įvyko reikšmingų proveržių. 1966-aisiais buvo sukurtas pirmasis kalbos apdorojimo įrankis „ELIZA“, sugebėjęs palaikyti paprastą pokalbį su žmogumi. Kitas svarbus ankstyvojo DI laikotarpio projektas buvo „GPS“ (angl. General Problem Solver) programa, kuri automatiškai gebėjo spręsti nesudėtingus matematikos uždavinius. Šie pasiekimai paskatino didžiules investicijas į DI tyrimus ir net buvo manoma, kad artimiausiu metu bus sukurta mašina, intelektu prilygstanti vidutiniam žmogui. Tačiau šie lūkesčiai nepasiteisino dėl ankstyvųjų DI sistemų ribotumo, kurios žmogaus intelektą bandė imituoti remdamosi griežtomis taisyklėmis ir nebuvo pakankamai lanksčios sudėtingesnėms užduotims. Dar penktojo dešimtmečio pabaigoje buvo pradėti neuronų tinklų tyrimai, kurių tikslas buvo sukurti DI, kuris veiktų imituodamas procesus vykstančius žmogaus smegenyse. Tačiau šis darbas sustojo paaiškėjus, kad kompiuteriams trūksta skaičiuojamosios ga­lios ­dirbti su tokiais neuronų tinklais. Dirbtiniai neuronų tinklai sugrįžo giliojo mokymo (angl. Deep Learning) pavidalu, o tikrasis jų proveržis įvyko XXI a. pirmojo dešimtmečio viduryje. Šiandien dauguma programų, priskiriamų dirbtiniam intelektui, yra pagrįstos dirbtiniais neuronų tinklais ir giliuoju mokymusi. Būtent šios technologijos sudaro vaizdų ir garso atpažinimo algoritmų ­pagrindą.

DI saugumo ir gynybos sektoriuje

Naujos technologijos ir karyba visada buvo glaudžiai susijusios. Inovacijos mūšio lauke ne tik keitė karo pobūdį, bet ir suteikdavo strateginį bei taktinį pranašumą. Dirbtinis intelektas nėra išimtis. Jo potencialas saugumo ir gynybos srityse buvo pastebėtas gan anksti. Daugelis k­arinių sistemų buvo automatizuo­jamos, nors dažnai tai ne­buvo siejama su dirbtiniu intelektu. Jau penktajame praėjusio amžiaus dešimtmetyje oro gynybos radarai buvo pradėti aprūpinti siųstuvais-imtuvais, kurie padėdavo operatoriams, o vėliau ir patys galėjo nustatyti, ar stebimas lėktuvas yra draugiškas ar priešiškas. Vėliau bu­vo sukurtos taktinės ir strateginės įspėjimo sistemos, gebėjusios atskirti lėktuvus ir paleistas raketas pagal jų greitį, formą ar šilumos pėdsaką, lygindamos radarų duomenis su duomenų bazėje esančiomis grėsmėmis. Aštuntajame praėjusio amžiaus dešimtmetyje žemė–oras ir oras–oras raketos jau galėjo automatiškai koreguoti kursą arba surasti taikinį naudodamos radarus ar į šilumą reaguojančius taikiklius. Per kitus porą dešimtmečių oro gynybos sistemos tapo dar sudėtinges­nės ir galėjo rekomenduoti taikinių pasirinkimo galimybes ar net savarankiškai atakuoti taikinius, perėjusios į automatinį režimą.
Visgi reikšmingiausias proveržis dirbtinio intelekto tyrimuo­se įvyko praėjusio amžiaus pabaigoje, iš esmės pasikeitus požiūriui į DI kūrimą. Jei anksčiau tyrimai daugiausia buvo grindžiami programavimu ir sudėtingais skaičiavimais, tai šiuolaikiniai metodai koncentruojasi į mašinų mokymąsi. Per pastaruosius porą dešimtmečių ­dirbtinio intelekto tyrimai padarė didžiulę pažangą tokiose srityse kaip kompiuterinė rega, kalbos atpažinimas, natūralios kalbos apdorojimas ir robotika. Ir šios technologijos jau dabar sėkmingai pritaikomos saugumo ir gynybos srityje.

This slideshow requires JavaScript.

Nors daugiausia diskusijų susilaukia autonominės ginklų sistemos ir su jomis susiję etikos klausimai, dirbtinio intelekto pritaikymo galimybės gynybos sektoriuje yra gerokai platesnės. DI gali būti taikomas žvalgyboje ir stebėjime, logistikoje, kibernetinėje saugoje, mūšio lauko valdymo ir sprendimų priėmimo procesuose, informaci­nė­se operacijose, pusiau autonominė­se arba autonominėse transporto­ priemonėse, povandeninių minų aptikime ir kitose srityse.

Žvalgyba ir stebėjimas
Žvalgyba ir stebėjimas yra viena iš sričių, kurioje karinės pramonės investicijos į dirbtinį intelektą vienos didžiausių ir tikėtina, kad ši tendencija tęsis. Bepiločių orlaivių ­naudojimas žvalgybai ir kibernetinės erdvės stebėjimas generuoja milžiniškus kiekius duomenų. Šių duomenų apdorojimą itin palengvina mašinos naudojančios dirbtinį intelektą. Vienas iš JAV gynybos departamento vykdomo projekto „Maven“ tikslų integruoti kompiuteri­nės regos ir DI algoritmus, kurie analizuotų žvalgybinę medžiagą ir automatiškai identifikuotų priešišką veiklą ir taikinius. Dirbtinis intelektas automatizuotų analitikų veiklą, kurie praleidžia daugybę valandų peržiūrinėdami dronų surinktą medžiagą, užuot tą laiką skyrę veiksmingesniems ir laiku priimtiems sprendimams. JAV žvalgybos ir pažangiųjų tyrimų agentūros vykdo projektus, kuriuose dirbtinis intelektas bus taikomas vaizdų atpa­žinimui ir prognozuojamajai analizei. Kuriami algoritmai daugiakalbiam kalbos atpažinimui ir vertimui triukšmingoje aplinkoje, vaizdų be metaduomenų geoloka­cijos nustatymui, dvimačių vaizdų sujungimui į trimačius modelius bei įrankiams, leidžiantiems nustatyti pastatų paskirtį remiantis stebėjimo duomenimis.
Nors dirbtinis intelektas gali palengvinti žvalgybos analitikų darbą apdorodamas didelius duomenų kiekius, jo taikymas susiduria su rimtais iššūkiais dėl griežtų tikslumo ir saugumo reikalavimų. Pagrindi­nės problemos apima algoritmų nepatikimumą, didžiųjų duomenų analizės neapibrėžtumą ir saugumo rizikas debesijos technologijose. Be to, sėkmingam AI integravimui būtini aukštos kokybės ir įvairūs duomenys, suderinamumas su esamomis sistemomis, taip pat etinių, socialinių, privatumo ir saugumo aspektų įvertinimas, nes DI naudo­jimas žvalgyboje apima jautrios informacijos rinkimą ir analizę.

Planavimas ir logistika
Dirbtinis intelektas turi milži­nišką potencialą logistikos ir planavimo srityse. Vienas iš pirmųjų sėkmingų DI panaudojimo pavyz­džių yra Dinaminės analizės ir per­planavimo įrankis (DART), kuris padėjo perkelti karius ir įrangą iš Europos į Saudo Arabiją operacijų „Dykumos skydas“ ir „Dykumos audra“ metu. Tai buvo didžiausia, tolimiausia ir greičiausiai įvykdyta logistinė operacija karo istorijoje, vykdyta vietovėje, kurioje anks­čiau nebuvo dislokuota nei karių, nei atsargų. Pasak tuometinio „DARPA“ (JAV pažangiųjų gynybos projektų agentūra) direktoriaus Victor‘o Reis‘o, dirbtiniu intelektu pagrįsta sprendimų paramos programa per kelis mėnesius atpirko visas DARPA tris dešimtmečius trukusias investicijas į DI technologijas.
Predikcinė analizė dar viena sritis, kurioje sėkmingai taikomas DI. Ši technologija jau dabar naudojama ne tik komercinėse avialinijose, bet ir JAV karinių oro pajėgų lėktuvuose. Įprastai techninė priežiūra vykdoma tik sugedus orlaiviui, arba laikantis numatytų techninės priežiūros tvarkaraščių. Naudodamasis iš varikliuose ir kitose sistemose sumontuo­tų daviklių gauta informacija ir pasitelkdamas prognozuojamuosius al­goritmus, DI padeda technikams paste­bėti ankstyvų gedimų požy­mius ir įvertinti, kada orlaiviams reikalinga techninė priežiūra ar remontas. „IBM“ sukurta dirbtinio intelekto sistema „Watson“, analizuodama informaciją, surinktą iš kiekvieno JAV kariuomenės šarvuo­tame transporteryje „Stryker“ sumontuoto daviklio (jų yra 17), padeda transporto priemonių parkui sudaryti individualius techninės priežiūros planus ir aptikti ankstyvus gedimus.
Ta pati sistema ateityje turėtų būti naudojama supaprastinti bei modernizuoti ir kitus logistikos procesus. Naudodama DI, „Watson“ padėtų kariuomenės analitikams atsisakyti techninių užduočių ir parinkti optimaliausius atsarginių detalių transportavimo būdus. Šiuo metu septyni JAV kariuomenės Logistikos palaikymo veiklos (LOGSA) specialistai, išanalizuodami tik 10 procentų kariuomenės siuntų užklausų, kasmet sutaupo daugiau nei šimtą milijonų JAV dolerių. Nesunku paskaičiuoti, kiek būtų galima sutaupyti, jei ši užduotis būtų patikėta „Watson“, kuris išanalizuotų 100 procentų visų užklausų.
DI atveria naujas galimybes logistikos ir planavimo srityse sparčiai ir efektyviai sprendžiant sudėtingas užduotis. Modernios, DI paremtos sistemos, padeda atrasti optimaliausius transportavimo būdus bei išlaisvina analitikus nuo techninių, rutininių užduočių, leisdamos koncentruotis į aukštesnio lygio strateginius sprendimus.

Pusiau autonominės ir autonominės ir transporto priemonės
Dirbtinis intelektas sėkmingai diegiamas pusiau autonominėse ir autonominėse transporto priemonėse, tokiose kaip naikintuvai, dronai, antžeminės transporto priemonės ir laivai. Šiose sistemose DI naudojamas aplinkos suvokimui, kliūčių identifikavimui, įvairių jutiklių duomenų apjungimui ir apdorojimui, navigacijai bei komunikacijai su kitomis transporto priemonėmis.
JAV Karinių oro pajėgų programos „Loyal Wingman“ pratybų metu buvo sėkmingai išbandytas nepilotuojamas „F-16“ naikintuvas mišrioje rikiuotėje kartu su žmogaus pilotuojamais „F-16“ ir „F-35“. „Loyal Wingman“ technologija suteikia pilotui galimybę duo­ti bendrus nurodymus nepilotuojamam orlaiviui, pavyzdžiui, pulti arba suformuoti ­rikiuotę. Tačiau bepilotis lėktuvas taip pat gali veikti ir autonomiškai, savarankiškai palaikydamas­ rikiuotę ir vykdydamas puoli­mo užduotis be tiesioginio žmogaus valdymo. Pirmajame pratybų etape, kuriame buvo imituo­jama antžeminė ataka, pagrindinis dėmesys buvo skiriamas skrydžiui rikiuotėje su pilotuojamu naikintuvu. Antrajame, sudėtingesniame etape, nepilotuo­jamas „F-16“ savarankiškai suplanavo ir įvykdė puo­limo misiją, prisitaikydamas prie nenuspėjamų priešo oro gynybos veiksmų ir kompen­suodamas tariamus pažeidimus ir ryšio su operatoriumi praradimą. Atlikus kelias modifikacijas, „F-16“ gali tapti visiškai autonominiu koviniu orlaiviu, galinčiu gabenti papildomą gink­luotę, ­stiprinti ­žmogaus pilotuojamų lėktuvų ugnies galią, nukreipti priešo gynybą ar net prisiimti dalį priešo ugnies. Galutinis „Loyal Wingman“ programos tikslas – sujungti penktosios kartos „Stealth“ naikintuvus su senesniais nepilotuojamais orlaiviais, siekiant padidinti smogiamąją galią oro kovose. Ši koncepcija taip pat gali būti pritaikyta ir kitoms lėktuvų ir dronų konfigūracijoms.
JAV kariuomenė kuria ir išbando daugiafunkcinį taktinį transportą (angl. Multi Utility Tactical Transport – MUTT), nuotoliniu būdu valdomas transporto priemones, kurios lydėtų karius mūšio lauke, gabentų didelius kiekius papildomos įrangos, taip pat savarankiškai atliktų įvairias užduotis. O autonominės roboti­zuotos kovinės transporto priemo­nės (angl. Robotic Combat Vehicle – RCV) galėtų atliktų žvalgybos, sprogmenų šalinimo ir kitas palaikymo funkcijas. Šios priemonės atliktų paramos funkciją modernesnėms kovos transporto priemonėms.
„DARPA“ sukurtas eksperimentinis autonominis laivas „Sea Hunter“ gali savarankiškai plaukioti atviroje jūroje kelis mėnesius be pertraukų, vykdydamas nuolatinį povandeninių laivų stebėjimą ir koordinuoti ­užduotis su kitais autonominiais laivais. Analitikai pažymi, kad šio laivo eksploatacijos išlaidos sudarytų tik apie 20 000 JAV dolerių per dieną, palyginus su 700 000 JAV dolerių, kurių prireikia standartinio eskadrinio minininko su įgula eksploatavimui.
Šiuo metu išbandomi ir kiti DI paremti pajėgumų didinimo būdai. Vienas iš jų, bendradarbiaujančių autonominių sistemų koncepcija vadinama „Spiečiais“ (angl. Swarming). Ši technologija apima įvairių autonominių transporto priemonių bendradarbiavimą ir gali būti pritaikyta tiek dideliems, nebrangių bepiločių orlaivių junginiams, skirtiems priešo gynybos įveikimui, tiek mažesnių transporto priemonių būriams, kurie kartu teiktų ugnies palaikymą ar sukurtų lokalizuotus navigacijos bei komunikacijos tinklus sausumos pajėgoms. 2016 m. JAV karinis laivynas sėkmingai išbandė šią technologiją, kai penkių autonominių laivų grupė 25 kvadratinių kilometrų plote sulaikė „įsibrovusį“ laivą. Ateityje ši DI paremta technologija galėtų būti pri­taikytos uostų apsaugai, povandeninių laivų medžioklei ar žvalgybos misijoms kartu su didesniais laivais.
Mirtinos autonominės ginklų sistemos (angl. Lethal Autonomous Weapon System, LAWS), ko gero, daugiausia diskusijų kelianti dirbtinio intelekto panaudojimo sritis, nes ji susijusi su etiniais ir teisiniais aspektais arba konkrečiau, ar galima patikėti mašinai, be žmogaus įsikišimo, panaudoti mirtiną jėgą? Autonominės ginklų sistemos naudoja jutiklius ir kompiuterinius algoritmus, kurie leidžia savarankiškai nustatyti taikinį, jį atakuoti ir sunaikinti be žmogaus įsikišimo. Autonominės ginklų sistemos atveria naujas perspektyvas karinėms operacijoms vietovėse, kuriose komunikacija yra apsunkinta arba išvis negalima ir kur tradicinių sistemų panaudojimas yra neįmanomas. Šiuo metu nė vienos šalies kariuomenė oficialiai nėra įteisinusi autonomi­nių ginklų sistemų naudojimo, nors ­nemažai valstybių įskaitant JAV, ­Kiniją, Rusiją ir Jungtinę Karalystę aktyviai tyrinėja ir kuria šias ­sistemas.

Kibernetinė erdvė
Dirbtinis intelektas greičiausiai taps viena svarbiausių technolo­gijų kibernetinių operacijų srityje. Tradicinės kibernetinio saugumo priemonės jau nebespėja reaguoti į sparčiai kintančias grėsmes. Įprasti saugumo įrankiai dažniausiai ieško jau žinomo kenkėjiško kodo atitikmenų, tačiau įsilaužėliai gali lengvai apeiti esamas saugumo priemones, pakeisdami nedideles kodo dalis. Tuo tarpu dirbtinio intelekto sistemos, naudojančios mašininį mokymąsi, gali stebėti programinės įrangos veiksmus, aptikti ne tik žinomas, bet ir naujas grėsmes, bei greitai į jas reaguoti. 2016 m. „DARPA“ organizuoto „Didžiojo kibernetinio iššūkio“ (angl. Cyber Grand Challenge) metu buvo pademonstruo­ti dirbtinio intelekto algoritmai, kurie per kelias sekundes savarankiškai aptiko, įvertino ir užtaisė saugumo spragas, užkirsdami kelią vienai iš besivaržančių komandų jomis pasinaudoti. Įprastai šis procesas užtruktų kur kas ilgiau.
Dirbtinis intelektas (DI) nau­dojamas kuriant itin tikroviškas nuotraukų, garso bei vaizdo įrašų klastotes, dar vadinamas „deepfakes“ (liet. išmanioji ar sintetinė vaizdo klastotė). Tokios klastotės kelia pavojų informaciniam saugumui ir gali būti naudojamos klastojant ­naujienas, paveikiant viešąją nuomonę, mažinant visuomenės pasitikėjimą ir šantažuojant diplomatus bei kitus aukšto rango pareigūnus. Kaip atsakas į šią grėsmę, kuriami įrankiai, kurie automatiškai išanalizuotų ir aptiktų sintetines klastotes bei užtikrintų vaizdinės žiniasklaidos integralumą. Tačiau DI technologijos nuolat tobulėja ir tikėtina, kad ateityje jos sugebės apgauti kai kuriuos aptikimo įrankius, todėl būtina užtikrinti, kad šie įrankiai nuolat būtų tobulinami ir prisitaikytų prie technologinių pokyčių.

Vadovavimas ir kontrolė
Vis didėjantis karinių konfliktų tempas ir eksponentiškai augantys turimų duomenų kiekiai skatina ­kariuomenes kurti naujas vadovavimo ir valdymo sistemas. Senesnės vadovavimo ir kontrolės sistemos, kurios remiasi daug išteklių reikalaujančiomis procedūromis ir technologiškai ribotomis priemonėmis, dažniausiai orientuotomis į vieną sritį, nėra pritaikytos sudėtingiems ateities konfliktams. Tai turi neigiamos įtakos vadų informuotumui ­apie padėtį, sprendimų priėmimo spartai ir greitam pajėgų integravimui įvairiose srityse. Naudodama DI algoritmus JAV kariuomenės kuriama Jungtinė visų sričių vadovavimo ir kontrolės sistema (angl. Joint all Domain Command and Control, JADC2) padėtų užtikrinti informuotumą apie padėtį, paspartintų sprendimų priėmimą ir supaprastintų centralizuotą vadovavimą oro, kosmoso, kibernetinės erdvės, sausumos ir jūrų pajėgoms. Dirbtinis intelektas sujungtų visą šią informaciją į vieną ekraną, pateiktų išsamų draugiškų ir priešo jėgų vaizdą ir automatiškai ištaisytų įvesties duomenų nuokrypius. Tokio pobūdžio pažangi technologija padėtų vykdyti operacijas kovos lauke ir užtikrintų, kad ne tik transporto priemonės, bet ir orlaiviai, šaudmenys, palydovai, laivai, povandeniniai laivai, tankai ir žmonės būtų reikiamoje vietoje reikiamu laiku, persekiodami reikiamą taikinį ir veikdami sekundžių tikslumu.
„JADO“ (angl. Joint All Domain Operations, JADO) koncepcija turėtų suteikti vadams prieigą prie informacijos, kuri leistų pasirinkti optimaliausią sprendimą vienu metu vykdomose ar vėliau planuojamose operacijose, išnaudojant netikėtumo faktorių ir greitą pajėgumų integravimą visose srityse, siekiant įgyti fizinį ir psichologinį pranašumą bei daryti įtaką ir kontroliuoti operacinę aplinką. 2019-aisiais sistema buvo sėkmingai išbandyta karo pratybose, imituojant priešininko paleistos sparnuotosios raketos scenarijų. Karinių oro pajėgų ir karinio jūrų laivyno orlaiviai (F-22, F-35), karinio jūrų laivyno eskadrinis minininkas, kariuomenės radiolokacinė sistema „Sentinel“, mobilioji artilerijos sistema, taip pat komercinių palydovų ir antžeminiai jutikliai rinko, analizavo ir dalijosi duomenimis realiuoju laiku ir pateikė išsamesnį operacinės aplinkos vaizdą. Pranešama, kad 26 iš 28 išbandytų pajėgumų buvo funkcionalūs.
Visgi ne visų požiūris į naujas sistemas yra toks optimistinis. Kai kuriems analitikams kyla klausimų dėl pačios technologijos, ar ji yra įperkama ir ar realu įdiegti tinklą, kuris saugiai ir patikimai sujungtų visus jutiklius su šauliais ir užtikrintų vadovavimą ir kontrolę pavojingoje elektroninio karo aplinkoje.

Ateities perspektyvos
Pasak Carl‘o von Clausewitz‘o karo „prigimtis“ – „…jėgos veiksmas, skirtas priversti priešą paklusti mūsų valiai“ visuomet išliks tokia pati. Tačiau karo „pobūdis“, tai yra, kaip kariaujama konkrečiu laiku ir vietoje, priklausys nuo tuo metu vyraujančių aplinkybių ir istorinio konteksto. Kaip parako ar aviacijos atsiradimas iš esmės pakeitė karo pobūdį praeityje, taip DI ateityje gali iš esmės pakeisti kaip bus kariaujama ateityje. Ir tai gali įvykti greičiau, nei daugelis suvokia. Dirbtinis intelektas nėra tik pavienė technologija. Tai technologijų grupė, kurią galima pritaikyti įvairiose srityse. Šios technologijos gali paspartinti sprendimų priėmimą, suteikti naujų galimybių karinei analizei ir didinti kovinį potencialą. Dirbtinio intelekto naudojimas kare gali padaryti reikšmingą, o gal net ir transformuojantį poveikį karybos evoliucijoje.
Šiuo metu DI technologijos to­bulėja gan sparčiai ir yra pritaikomos įvairiose srityse, tačiau kol kas nėra aišku, kiek tai truks ir koks bus vystymosi tempas. Kai kurie specialistai sutelkia dėmesį į technologijas, kurias bus galima pritaikyti artimiausiu metu. Kiti analizuoja „superintelekto“ sistemų perspektyvas, kurios galėtų atsirasti tik po kelių dešimtmečių, arba toks scenarijus gali apskritai neišsipildyti. Skirtingos DI plėtros perspektyvos turės skirtingas implikacijas karo etikai. Jei DI tobulės sparčiai ir bus pasiekta didelė pažanga objektų atpažinimo, sprendimų priėmimo paramos, kibernetinio saugumo ir kitose gynybai svarbiose srityse, tuomet karinės institucijos suskubs visapusiškai integruoti šias technologijas. Pagal tokį scenarijų itin svarbus vaidmuo karyboje tektų autonominėms sistemoms, kurių veikimo greitis galėtų viršyti žmogaus galimybes šias sistemas valdyti ir apriboti. Tokio spartaus vystymosi atveju atsirastų etinės, operacinės bei strateginės rizikos, kurias reikėtų suvaldyti. Kita vertus, DI evoliucija gali susidurti su techninėmis kliūtimis, kurios pristabdytų tolimesnį technologijų vystymą ir finansavimą, kaip jau ne kartą yra įvykę praeityje, kai progresas sustoja ir prasideda ilgas sąstingio laikotarpis, vadinamas „dirbtinio intelekto žiema“. Tokiu atveju etikos klausimai, susiję su karu, išliktų tokie patys. Nors jie nėra nereikšmingi, situacijos neapsunkins autonomiškai veikiančios mašinos, nes karo veiksmus ir toliau kontroliuos žmonės. Visgi labiausiai tikėtinas scenarijus, kad dirbtinio intelekto progresas vyks tolygiai, o karinės institucijos sieks jį pritaikyti įvairiose srityse. Tokiu atveju dirbtinis intelektas kels naujų etinių klausimų, tačiau jo vys­tymosi tempas bus pakankamai ­nuosaikus, kad būtų galima sąmoningai apriboti ekstremalias rizikas. Tai suteiks laiko kruopščiai analizei, leidžiančiai nustatyti geriausius būdus, kaip užtikrinti prasmingą žmogaus vaidmenį kontroliuojant karines dirbtinio intelekto sistemas.