Ars Technica – 17 Sep 26 Small AI models let drones autonomously identify and attack battlefield targets Scaleout deploys decentralized AI-driven learning to military bases and drones. [!quote]+ 随着欧洲各国军队适应在现代战争中使用人工智能和无人机，一家北约支持的初创公司正在帮助部署人工智能驱动的目标检测和选择系统，该系统可以在小型无人机上运行，​​用于监视和攻击任务。 Scaleout Systems公司最初由瑞典乌普萨拉大学的研究人员于2018年创立，初期专注于在商用卡车和其他车辆的现有硬件上直接训练和部署机器学习模型。但随着俄罗斯在2022年全面入侵乌克兰，该公司转向了国防应用领域。 “随着乌克兰战争和世界格局的变化，我们意识到这项技术对于将边缘数据和传感器数据应用于机器学习非常重要，以确保北约盟国能够获得战略优势，”Scaleout Systems 的联合创始人兼首席执行官 Andreas Hellander 告诉 Ars。 Scaleout并没有采用OpenAI或Anthropic等公司的前沿AI模型，而是选择了更精简的模型，例如能够在无人机硬件或前沿基地计算机上运行的机器学习模型，以执行计算机视觉任务。“这些模型需要适配前沿部署的硬件和边缘硬件，而这些硬件的规格差异很大，从小型嵌入式设备到功能强大的边缘工作站都有。”Hellander说道。 Scaleout 于 2025 年入选北约北大西洋国防创新加速器 (DIANA) 挑战计划。在该计划中，Scaleout 参与了联邦空中侦察情报项目，旨在将机器学习模型适配到无人机、无人机飞行员平板电脑和野战指挥所等边缘计算硬件上。 此类人工智能模型可以辅助无人机操作员完成目标识别等任务，同时无人机的摄像头和传感器还能从周围战场环境中收集数据。之后，它们可以间歇性地将部分更新信息共享给本地排或连部指挥部的计算节点，而无需传输敏感的原始数据。 这些总部计算节点有助于根据从多个来源聚合的新战场数据重新训练人工智能模型，然后在机会出现时将更新后的功能推送到边缘设备。 “模型可能是在沙漠环境中训练的，如果我们试图将它们部署到城市环境中，它们就不会表现良好，”Hellander告诉Ars。“如果我们能够发布几个新版本的模型，这些模型在一天之内，或者至少在一个作战行动中，能够不断学习，并利用在实际应用场景中产生的大量传感器数据不断改进，这才是可持续的优势。” 这种方法在现代战场上也极其有用，因为电子战和敌方干扰经常会干扰通信信号。越来越多的乌克兰军用无人机已经开始将机载人工智能功能集成到廉价的自杀式无人机中。 Scaleout公司参与了由BAE系统公司博福斯分公司牵头的“经济型巡航模块化弹药”（ALMA）项目，该项目旨在开发一种低成本的自主式自杀式无人机。ALMA概念于今年1月在瑞典举行的“冬季演示2026”活动中首次公开展示。 根据Scaleout Systems公司关于ALMA性能的演示文稿，此次演示展示了无人机如何利用人工智能自主“探测、识别和定位所有潜在的威胁”。“所有数据均由专用的机载计算系统处理，使系统无需任何外部处理即可实时运行。” 利用机载人工智能功能，无人机根据任务设定自动识别出价值最高的目标——在本例中为一辆装甲工程车——并飞往该目标投掷炸药。虽然仍可由操作员控制和指挥无人机，但无人机无需人工直接指令即可自主完成任务。 今年6月，Scaleout还在瑞典乌普萨拉的一个空军基地测试了其技术。瑞典军方已获得Scaleout主软件平台的使用许可。此次演示表明，即使与Scaleout Systems实验室的中央计算节点失去连接，该军事基地前沿部署的计算节点仍能运行自身的AI推理和主动学习流程。连接恢复后，本地AI模型的更新数据会同步到中央计算节点。 赫兰德解释说，这种联邦学习策略允许去中心化的AI模型网络从聚合数据中学习，最终可以扩展到整个地理区域或国家。“原则上，这可以促进北约成员国之间的合作，”他说。 1 个帖子 - 1 位参与者 阅读完整话题

  • 情报分类：硬件与数码
  • 分类依据：内容涉及硬件、数码产品或通信卡
  • 信息来源：服务器 / LINUX DO - 最新话题
  • 发布时间：2026/9/21 12:54:15