A Força Aérea recorre à Qylur para a IA que monitoriza veículos autónomos

A proliferação de veículos autónomos e de dispositivos de ponta exige uma maior interoperabilidade entre os meios militares. Consequentemente, as forças armadas a nível mundial aspiram a melhorar a sincronização e a eficiência de sistemas complexos. A Força Aérea dos Estados Unidos celebrou um pacto com a empresa de tecnologia Qylur Intelligent Systems para implementar um “Sistema Autónomo Colaborativo” orientado para a inteligência artificial (IA), concebido para garantir a manutenção a longo prazo das camadas de dados e a eficácia operacional de conglomerados de veículos autónomos.

O acordo diz respeito ao financiamento da investigação e do avanço da inteligência artificial “Rede Social de Máquinas Inteligentes (SNIM)” da Qylur, que é uma tecnologia fundamental patenteada concebida para a supervisão e manutenção contínuas de dispositivos intelectuais autónomos, assegurando assim a supremacia persistente das suas capacidades de IA, tal como mencionado no comunicado de imprensa da Qylur. A organização tenciona explorar esta inovação também a nível comercial.

A integração desta tecnologia inovadora nas nossas operações internas sublinha o nosso compromisso de contribuir para o domínio da segurança nacional", afirmou a Directora Executiva da Qylur, Lisa Dolev, durante a sua conversa com a All Things IT @AI. “Embora a sua principal aplicação se situe no domínio da defesa militar, o seu potencial vai muito além, abrangendo vários aspectos do transporte autónomo, tais como veículos de condução autónoma e robôs utilizados na agricultura, fabrico e cuidados de saúde.

O software inovador da Qylur aborda as dificuldades inerentes à implementação da Inteligência Artificial (IA) no dispositivo. A nossa solução, SNIM AI, oferece uma componente de monitorização do desempenho para equipamentos situados na periferia das redes, tais como robôs industriais utilizados por empresas privadas ou veículos aéreos não tripulados utilizados pela Força Aérea.

Fundada em 2005 por Dolev, a Qylur estava anteriormente no sector da tecnologia de segurança de locais e eventos

, produzindo o Q Entry Experience, um scanner de sacos em forma de favo de mel.

As pequenas baterias e os pequenos conjuntos de dados constituem um desafio para ultrapassar

a disponibilidade limitada de dados para o treino de modelos. Inicialmente, as ofertas da Qylur no domínio da segurança centravam-se na deteção de armas de fogo e explosivos, mas esses eventos são relativamente raros, o que exige uma abordagem mais abrangente.

A SNIM AI assemelha-se às redes sociais online tradicionais, na medida em que liga vários dispositivos interligados utilizando um conjunto de dados comum. Ao fazê-lo, a Qylur afirma que este conjunto partilhado de recursos aumenta a precisão da tomada de decisões e acelera a capacidade da aplicação para responder a cenários do mundo real.Esta funcionalidade é aplicável não só a contextos militares, mas também a várias aplicações industriais, uma vez que ambas envolvem ambientes dinâmicos e em evolução.

Os dispositivos periféricos enfrentam frequentemente limitações em termos de duração da bateria e capacidades computacionais quando comparados com infra-estruturas centralizadas mais robustas. Para enfrentar este desafio, a tecnologia SNIM AI da Qylur foi concebida para otimizar o seu desempenho para casos de utilização e cenários de implementação específicos. Ao personalizar os modelos para atender às necessidades de cada aplicação específica, o SNIM permite que as organizações implantem apenas os recursos necessários, em vez de manter um sistema abrangente em todos os momentos, conforme observado por Dolev.

A experiência inicial revelou a deriva do modelo de IA

A natureza dinâmica do comportamento do modelo de IA exige que se considere a “deriva da IA” nas operações em curso, uma vez que mesmo os sistemas aparentemente impecáveis podem degradar-se ao longo do tempo e desviar-se do seu funcionamento pretendido. Como afirma Dolev, “se tivermos algo que pensamos estar a funcionar quase na perfeição, em apenas algumas semanas poderá deixar de funcionar na perfeição e passar a funcionar ligeiramente mal.

A Sociedade de Mulheres Engenheiras (SNIM) implementou uma medida pró-ativa para resolver o problema da deriva da IA, implementando modelos treinados à medida que podem ser retreinados e reutilizados conforme necessário. Este sistema foi concebido para monitorizar continuamente os sinais de desvio e fazer os ajustamentos necessários, garantindo que o modelo se mantém preciso e eficaz ao longo do tempo.

Compreendeu-se, numa fase inicial, que este desvio ocorre frequentemente e requer uma gestão constante e não apenas intermitente. As despesas associadas à gestão de tais desvios podem ser substanciais, necessitando de um grande número de cientistas de dados e de pessoal de operações de aprendizagem automática. Por conseguinte, a SNIM AI oferece uma solução automatizada para resolver estas questões.

O principal objetivo da nossa colaboração com as Forças Armadas dos Estados Unidos é permitir à Qylur integrar a sua tecnologia SNIM AI nos requisitos e aplicações específicos da Força Aérea. Para além disso, reconhecemos a importância de continuar a comercialização da IA SNIM, uma vez que esta desempenhará um papel crucial no fornecimento de capacidades inteligentes para o equipamento utilizado no terreno.

Dolev afirmou que o sistema proposto poderia ser considerado uma forma de inteligência artificial concebida especificamente para supervisionar e regular outras formas de IA, à semelhança da forma como um jardineiro cuida e mantém um jardim.