Das US-Militär setzt KI bei Luftangriffen im Nahen Osten ein

Das US-Militär setzt KI-Technologie bei Luftangriffen im Nahen Osten ein wird von BTW Media profiliert, weil veröffentlichte Nachweise es mit Internetinfrastruktur, Governance, betrieblichen Abhängigkeiten oder Marktsichtbarkeit verbinden.

• US-Verteidigungsbeamte bestätigen den Einsatz von KI bei Luftangriffen im Nahen Osten, was die Zielidentifizierung und die Kampfeffektivität verbessert.
• Über 85 Ziele wurden im Irak und in Syrien getroffen, wobei Algorithmen der Computer Vision eingesetzt wurden.
• Menschliche Überwachung bleibt entscheidend, um KI-bedingte Fehler in militärischen Operationen zu minimieren.

US-Verteidigungsbeamte bestätigen, dassKünstliche Intelligenz (KI)eingesetzt wurde, um bei der Identifizierung von Zielen bei Luftangriffen im Nahen Osten in diesem Monat zu helfen, was auf eine zunehmende militärische Anwendung dieser Technologie hinweist.

Skyler Moore, Technologieverantwortliche für die US-Militäroperationen im Nahen Osten, erklärte kürzlich, dass Algorithmen des maschinellen Lernens, die Objekte autonom identifizieren können, die Kampfeffektivität der US-Armee erheblich verbessern. Anfang Februar führte die US-Armee Luftangriffe auf über 85 Ziele im Irak und in Syrien durch, wobei eine signifikante Effektivität beim Einsatz von KI zur Auswahl der anzugreifenden Ziele beobachtet wurde.

Auch lesen:Saudi-Arabien will ein globales KI-Zentrum aufbauen

Computer Vision wird zur Identifizierung von Bedrohungen eingesetzt

Moore sagte: „Die US-Armee nutztComputer Vision, um Orte zu identifizieren, an denen Bedrohungen existieren könnten. In den letzten 60 bis 90 Tagen hatten wir definitiv mehr Gelegenheiten, Ziele zu identifizieren.“ Sie fügte hinzu, dass die USA derzeit eine große Anzahl von Raketenwerfern bei feindlichen Kräften im Nahen Osten suchen.

Die US-Armee hatte zuvor den Einsatz von Computer-Vision-Algorithmen zu Aufklärungszwecken eingeräumt, aber Moores jüngste Äußerungen deuten auf eine weit verbreitete Nutzung dieser Technologie zur Bekämpfung feindlicher Ziele hin.

Das Pentagon erklärte, dass bei den Luftangriffen über 125 Präzisionsmunition eingesetzt wurde, die Einrichtungen traf, darunter Kommando- und Kontrollzentren, Nachrichtenzentren, Raketen und Geschosse, Lager für unbemannte Luftfahrzeuge sowie Logistik- und Versorgungseinrichtungen für Milizenorganisationen und deren Sponsoren aus den Reihen der Islamischen Revolutionsgarde. Dies war Teil der Vergeltungsmaßnahme der Biden-Regierung nach dem Angriff auf den US-Militärstützpunkt „22 Tower“ im Nordosten Jordaniens, bei dem drei US-Soldaten getötet wurden.

KI-Systeme haben auch bei der Identifizierung von Raketenwerfern geholfen

Moore versicherte, dass KI-Systeme auch geholfen haben, Raketenwerfer der Huthi-Milizen im Jemen und Überwasserschiffe im Roten Meer zu identifizieren. Am vergangenen Wochenende führten die USA und Großbritannien Luftangriffe auf 18 militärische Ziele der Huthi-Milizen durch, darunter unterirdische Waffen- und Raketenlager, Luftverteidigungssysteme, Radargeräte und einen Hubschrauber.

Der Zielerkennungsalgorithmus wurde im Rahmen des 2017 vom Pentagon gestarteten Projekts Maven entwickelt, das die Einführung von KI und maschinellem Lernen durch das Verteidigungsministerium beschleunigen und die Verteidigungsnachrichtendienste unterstützen soll.

Moore sagte, dass US-Streitkräfte im Nahen Osten Algorithmen der Computer Vision getestet haben, um Ziele in Bildern von Satelliten und anderen Datenquellen zu lokalisieren und zu identifizieren, und dabei im vergangenen Jahr relevante Experimente während Übungen durchgeführt haben.

Moore fügte hinzu, dass sich alles nach dem 7. Oktober letzten Jahres dramatisch verändert habe, als das KI-Projekt in den Hochtouren-Modus wechselte, und nach einem Jahr digitaler Übungen beherrsche die US-Armee den Einsatz der Technologie des Projekts Maven.

Allerdings betonte Moore auch, dass bei bestimmten Operationen Menschen ständig die von der KI empfohlenen Ziele überprüfen, um das Risiko potenzieller Fehler zu minimieren, wobei Menschen die endgültige Überprüfung bei jedem Schritt durchführen, der KI involviert.