Предиктивная военно-техническая аналитика: некоторые наброски концепта построения и применения основанных на искусственном интеллекте технологий цифровых динамических моделей-двойников районов боевых действий

 

Игорь Владиславович ПОНКИН 

Доктор юридических наук, профессор кафедры государственного и муниципального управления
Института государственной службы и управления РАНХиГС при Президенте РФ, профессор;
Консорциум «Аналитика. Право. Цифра»

Введение

Качество технологического будущего военной техники и вооружений (наряду с решением задачи достижения интеллектуального превосходства в военной сфере) в немалой степени предопределяет ответ на вопрос о последующей выживаемости страны и государства. Нам совершенно необходим внятный и приемлемый образ будущего (отчётливое видение такого образа) – исходя из императивов сохранения, обеспечения и защиты государственного суверенитета, территориальной целостности, достоинства и безопасности российской нации.

И текущие сложные условия актуализируют необходимость развития текущей и предиктивной (прогностической) военно-технической аналитики и связанной с ней боевой военной аналитики [1], формирования соответствующих теоретических базисов и массивов прикладных концептов и воплощающих их решений. Прикладная военная аналитика, в принципе, должна быть высокотехнологична, должна быть обеспечена сложным и эффективным техническим оснащением, и именно за высокотехнологичными решениями – успешное будущее прикладной военной аналитики.

Особое внимание сегодня уделяется боевому военному применению искусственного интеллекта (прежде всего с акцентом на такую его существенную способность, как машинное обучение) – в образцах вооружений и военной техники, в боевом управлении войсками, в управлении боем  (см. о понятии искусственного интеллекта и многообразии модальностей его воплощения и задействования: [2; 3]).

Одним из перспективных здесь направлений является сфера боевого военного применения динамического твин-моделирования – создания боевых комплексов разведки и управления боем с применением таких технологий на основе искусственного интеллекта. Далее условно назовём такую систему боевым комплексом цифрового динамического твин-моделирования района боевых действий (БК ЦДТМ РБД).

Этому кругу вопросов и посвящена настоящая статья.

Общее понятие цифрового твин-моделирования

Цифровое двойниковое моделирование (твин-моделирование) с результирующим объектом – цифровой моделью-двойником (франц. – «jumeau numérique», англ. – «digital model-twin») – это одна из новейших и перспективных технологий во многих сферах, с разнообразным целеназначением. Эволюционно происходит из широко распространившихся онтологических BIM-технологий (метод BIM-моделирования; англ. – «building information modeling», результат – «building information model»; франц. – «bâti  immobilier modélisé», «modélisation de l'information du bâtiment»), ещё называемых технологиями виртуального дизайна и конструирования (франц. – «conception et construction virtuelles»; англ. – «virtual design and construction», VDC; испан. – «virtual diseño y construcción»), результатом которых является сложный цифровой (виртуально-ментальный, проекционный и др.) образ.

Обобщённо, технология цифровой модели-двойника (цифрового твин-моделирования) – это сложно-онтологизированный исследовательский (а равно операционный и проектировочный) метод, предусматривающий: 1) специфически-онтологизированную многомерную и многопрофильную объектно-ориентированную (статическую и / или динамическую), содержательно-сложно-насыщенную (структурно-функциональную, инструментально-параметрическую и иную) имитацию-образ (симуляцию, эмуляцию) в информационно-моделируемой (смоделированной) цифровой репрезентации (в копирующем или моделирующе-аппроксимированном к оригиналу воспроизведении, «проигрывании») исследуемого / оцениваемого сложного реального объекта или проектируемого / конструируемого будущего объекта – во всей его сложной и органически-целостной (то есть системно-интегративной – как органически-единого объекта) онтологии и со всеми его внутренними и, по необходимости, внешними дескриптивными параметрами и чертами, референциями (зависимостями, взаимосвязями, в том числе обратными и пересекающимися) и референтными данными; 2) виртуальное метасистемное отображение и описание (и одновременно: поподсистемно, или каскадированно-послойно, или пакетно, в избранных аранжировках-компоновках, с различными степенями дифференцировки), моделирующе-интегрирующее всю инфраструктурно-системную (нормативную, экономическую, функционально-логистическую, архитектурно-конструкторскую, инженерно-технологическую и / или иную) «начинку» сложного объекта и процессы внутри объекта (а равно непосредственно связанные с объектом) в течение всего его (имитируемого в модели) жизненного цикла или заданного периода времени [4, с. 112, 131].

Такие технологии призваны и дают возможности в цифровом виде математически и визуально реалистично смоделировать, моделирующе «проиграть» (воспроизвести) некоторый процесс или некоторую фреймированную онтологию («бытийствование») некоего объекта в его динамической развёртке, то есть в сложной динамике.

Концепт боевого комплекса цифрового динамического твин-моделирования района боевых действий (БК ЦДТМ РБД)

Суть данного технологического концепта состоит в следующем.

Цифровое динамическое твин-моделирование района боевых действий состоит в создании математическими, компьютерно-программными методами (включая методы визуализирующей репрезентации виртуальных объектов, выступающих двойниками реальных объектов, посредством технологий фотограмметрии и др.) цифровой (виртуальной, гибридной) модели района боевых действий с точной геоинформационной пространственной привязкой к реальной местности, её топографическим координатам, азимутам, с точным 3D- (объёмно-пространственным) отображением и репрезентацией рельефа этой местности, растительности на ней и находящихся на ней зданий, строений, сооружений (в том числе заглубленных), включая разрушенные (руинированные), а также объектов обороны, разведки противника, оборудованных им минных и иных заграждений.

Фотограмметрия – это техническая дисциплина (с соответствующими методами и технологиями), занимающаяся исследованием, точным определением и надёжными измерениями, моделирующим или картографическим воссозданием формы, параметров и положения в пространстве различных физических (в данном случае – топографических, военных или инженерных) объектов путём записи, измерения и интерпретации изображений на фотографии (фотографиях) либо на видеозаписи (видеозаписях) этих объектов.

Соответственно, боевой комплекс цифрового динамического твин-моделирования района боевых действий визуально-реалистично моделирующе воспроизводит в динамике всю складывающуюся в отображаемом районе боевых действий боевую обстановку (ситуацию), позволяет отыграть в сложной динамике и в различных вариациях процессы подготовки и осуществления (аналогичные реальным – в максимально достижимой мере имеющимися аппаратными средствами и с учётом имеющихся данных) боевого рейда, десанта, организации и осуществления иного боя – в обороне или в наступлении, в привязке к этому конкретному участку реальной (здесь отображающе моделируемой) местности.

Более того, эта система может задействоваться не только с разведывательно-обеспечительными и планировочными действиями, но и в режиме реального времени для корригирования тех или иных боевых замыслов, приказов, распределения сил и средств боя.

Согласно нашей авторской дефиниции, виртуальная реальность – созданный цифровыми (компьютерно-программными) средствами искусственный онтологический континуум (с той или иной размерностью реалистичности, но всегда в пределах человеческого понимания), аудиовизуально (и с помощью других органов чувств), когнитивно и / или сенсомоторно воспринимаемый человеком через его «погружение» (иммерсивное встраивание) с помощью соответствующих технических средств (гарнитур) в этот континуум и моделирующий (симулирующий, эмулирующий, воспроизводящий) в режиме реального времени воздействия со стороны актора или на актора и реакции (с вариациями их размерностей) на такие воздействия в этом искусственно сконструированном и временно замещающем в восприятии человека реальный мир континууме.

Соответственно, дополненная реальность – созданный цифровыми (компьютерно-программными) средствами искусственный онтологический континуум (с той или иной размерностью реалистичности, но всегда в пределах человеческого понимания), аудиовизуально (и с помощью других органов чувств), когнитивно и / или сенсомоторно воспринимаемый человеком с помощью технических средств (интерфейса дополненной реальности) как конфигурируемо достраивающий в режиме реального времени окружающий человека реальный мир (который он продолжает ощущать и воспринимать) сгенерированными компьютером виртуальными объектами различной модальности (наложенным на реальный мир цифровым визуальным контентом, порядком) или инструментально встроенный в него своими виртуальными компонентами (в том числе элементами, эмулирующими аудиовизуальное «исчезновение», «размытие» или «замещение» тех или иных элементов объективной физической реальности).

Применительно к рассматриваемому концепту, речь идёт о проекции такого сложного объекта виртуальной/дополненной реальности – модели района боевых действий – на некий проекционный экран или об отображении этой визуальной модели на компьютерном мониторе. Или же такая визуальная модель создаётся под восприятие её через специальные мультимедийные очки виртуальной реальности (проекционные микро-экраны тактических очков, либо специальных контактных глазных линз).

В идеале, модель должна объёмно-пространственно визуализирующе воспроизводиться (комплексом проекционной аппаратуры) на интерактивном голографическом (стереоскопическом) пространственном дисплее (специальном аппаратное столе) дополненной реальности, с некоторым эффектом иммерсивности (присутствия, погружённости). То есть чтобы можно было бы визуально воспринимать означенную модель на аппаратном столе без специальных очков (на первых прототипах, экспериментальных образцах, скорее всего, придётся довольствоваться специальными очками).

В модели должны быть предусмотрены технические возможности адекватного изменения угла зрения (компьютер сам достраивает модель, отталкиваясь от отснятых / отфиксированных и загруженных в него видео- и иных данных, по мере осуществления такого процесса подгрузки), возможности визуального масштабируемого приближения, удаления к тем или иным точкам, возможностями получения моделирования и визуального воспроизведения внутренних пространств наземных или подземных сооружений (исходя из имеющейся информации, например, подгруженной схемы внутреннего пространства котельной такого-то типового советского или, опять же для примера, польского проекта 1970-х годов, либо подгруженной в программную оболочку объёмной пространственной схемы внутреннего дизайна помещения типового военного бункера такого-то типа НАТО и т.д.).

В части достраивающей и моделирующей визуализации значение такой системы очень велико, поскольку, в принципе, бесспорны высокое значение и прагматическая релевантность обеспечительных (когнитивно-графических) методов в прикладной аналитике, в данном случае – военной боевой аналитике, тем более если таковые не просто иллюстративны, а позволяют предиктивно-моделирующе выстраивать ветвящиеся древа прогностических сценариев, позволяют смоделировать и наглядно «проиграть» (воспроизвести) различные варианты (сценарии).

Роль искусственного интеллекта. Вопрос применения искусственного интеллекта здесь не в модальности высказывания желаемого (выдаваемого за действительное) или в отсылке к неопределённому будущему. Необходимые для воплощения рассматриваемого концепта технологии уже не просто существуют, а давно апробированы и применяются. Тем более что из всего объёма онтологических элементов понятия искусственного интеллекта (его способностей) в данном случае наиболее значимой (впрочем, не отрицая и иных) является способность программной модели искусственного интеллекта к машинному обучению (сегодня эти технологии достаточно отработаны и активно применяются). То есть обсуждаемую программную модель средствами машинного обучения нужно будет «обучить» тактическому и оперативно-тактическому военному искусству, знаниям фортификации, боевым уставам войск, тактике действий спецподразделений в различных условиях и т.д.

Именно наличие высококачественных способностей корригируемого машинного обучения у БК ДЦТМ РБД позволит избежать захламляющей (и в реальности практически бесконечной для написания) программной загрузки в эту программную модель «всех мыслимых и немыслимых» ситуаций боестолкновений и моделей поведения противника и своих сил.

Суть концепта в том, что юнит (система) искусственного интеллекта оценивает боевую обстановку, исходя из заложенных в неё и за счёт машинного обучения развиваемых (развитых) и совершенствуемых знаний и пониманий (в том числе машинных аналогов интуитивных предположений человека, насколько это реализуемо), вырабатывает и предлагает решения и указания относительно имеющих (способных иметь) существенное значение для боя обстоятельств.

Задействование рассматриваемого комплекса, реализующего предиктивное моделирование («проигрывание», воспроизведение) поведения войсковых подразделений и отдельных боевых единиц (групп таковых) – как своих, так и противника, позволяет указывать на основе полученных данных силы и средства, места размещения вооружений и живой силы противника, его фортификационных сооружений и т.д., а также (что в данном случае более важно) прогностически (вероятностно) обозначать: вероятные огневые сектора противника; возможные места размещения командных пунктов и узлов связи противника; возможные направления наступлений и прорывов противника; вероятные места обустройства противником засад, снайперских гнёзд и пунктов скрытого наблюдения и корректирования огня; места наиболее вероятной постановки противников минных и иных заграждений; вероятные коммуникации по снабжению боекомплектами и ГСМ, места их хранения и т.д. Но комплекс должен быть заточен на много большее – на выстраивание прогностических сценариев (древ сценариев) действий противника и действий своих сил и средств.

Соответственно, данный комплекс релевантно применим в целях выработки более адекватных сценариев боевых действий, трассировки более эффективных маршрутов выдвижения (продвижения) своих подразделений, исключения «дружественного» огня, минимизации потерь своих личного состава и техники, снижения пустого расхода боеприпасов, как следствие – он обеспечивает более успешное ведение боевых действий.

Такая модель рассчитана на задействование не только для прогноза и разведывательного обеспечения (решения задач разведки и обнаружения), но и на обеспечение оперативного управления войсками в режиме текущего времени. То есть в перспективе такой комплекс (при включении соответствующего режима) сам будет способен отдавать команды подчинённым (приданным) автономным системам вооружений – на поражение тех или иных целей противника.

Согласно нашему концепту, цифровая модель-двойник района боевых действий – специфически-онтологизированная многомерная и многопрофильная объектно-ориентированная, информативно сложно-насыщенная динамическая имитация-образ (симуляция, эмуляция) в программно-компьютерно-смоделированной, фотограмметрической цифровой репрезентации (в копирующем или моделирующе-аппроксимированном к оригиналу воспроизведении, «проигрывании») боевой обстановки в определённом районе (участке местности, в том числе промышленной или жилой застройки), основанная на фиксации, дополнительном получении (подгружении из новых источников или из заранее имеющихся баз данных) и текущей (в режиме реального времени или в предиктивной развёртке) обработке массивов и потоков референтной информации.

Изначально модель ориентирована на упрощённое геометрическое представление объектов, но по мере поступления и подгрузки данных таковые всё более усложняются и уточняются в их визуальной репрезентации. Применяются стратегии и технологии завершения недостающих геометрических атрибутов этих пространственных объектов, задействуются функции плотности вероятности и др.

И если по каким-то участкам отображаемого моделью района не хватает данных («слепые зоны»), то программная модель соответствующим образом (например, цветографически) маркирует этот участок визуально представляемой модели.

При необходимости результат такого предиктивного моделирования может быть посредством 3D-рендеринга (преобразования 3D-модели в 2D-изображение) перерабатываться и выгружаться в упрощённой модальности на компьютерный планшет (или на проекционный микро-экран специальных тактических очков или специальных контактных глазных линз) командира или бойца подразделения непосредственно на поле боя, где уже может накладываться на доступные реалистичные фотообъекты (в том числе в режиме дополненной или гибридной реальности), схемы, карты. При этом на такой упрощённой выгрузке выявленные и предполагаемые объекты могут маркироваться специальными условными знаками, также могут быть цветографически маркированы «слепые зоны».

Источники динамического сбора данных под динамическое цифровое твин-моделирование

Сбор информации под построение рассматриваемой программной модели (и отображающей её модели визуальной) боевым комплексом цифрового динамического твин-моделирования района боевых действий должен осуществляться на основе имеющихся картографических объектов, фотограмметрически перерабатываемых данных визуальной разведки (наземной аппаратуры оптического слежения, визуального наблюдения непосредственно людьми с передачей ими данных такого наблюдения по средствам связи), данных космической разведки, радиоэлектронной разведки, но достраиваемых и дополнительно интегрируемых за счёт данных (в том числе фотограмметрически перерабатываемых) от применения роя коптеров (дронов), соединённых в модальности «интернет вещей».

В боевых комплексах цифрового динамического твин-моделирования района боевых действий (БК ЦДТМ РБД) основная доминанта в техническом оснащении возлагается на коптеры – беспилотные летательные аппараты (БПЛА, дроны) вертикального взлёта и посадки с возможностью длительного полёта (на аккумуляторном электро-обеспечении) и несения нагрузки с полезным весом (подвешиваемого оборудования или вооружения, дополнительных элементов электропитания), с мощными двигателями. Могут применяться разные типы коптеров: трикоптеры (3 несущих винта (пропеллера)), квадрокоптеры (4 несущих винта), гексакоптеры (6 несущих винтов) октокоптеры (8 несущих винтов), а также коптеры с размещением по два несущих винта на каждую рабочую ось, либо с более сложными конфигурациями. В идеале – с возможностями автономных промежуточных посадок и взлётов, пребывания в состоянии ожидающего «сна» (с возможностями сработки от датчиков движения или звука).

В любом случае существенно важно, что такие коптеры должны быть оснащены:

– системами навигации;

– оптическими устройствами необходимой мощности (разрешения), в том числе средствами объективного контроля, устройствами сканирования местности, тепловизорами, оптико-локационными устройствами с лазерными дальномерами;

– устройствами связи (радио-, интернет-) с оператором; с мощным скоростным («толстым») и криптографически защищённым каналом связи, реально позволяющим в высшей степени оперативно перегонять информационные потоки и массивы оператору дрона (для визуального наблюдения) и к обеспечивающей его аппаратуре;

– при необходимости – системами наведения, устройствами выявления и превенции радиоэлектронных попыток «ослепления» и «перехвата» управления коптера, устройствами постановки радиоэлектронных помех;

– устройствами сканирования (насколько это сегодня достижимо, или будет доступно и возможно в будущем) подповерхностных объектов (инженерные сети, подземные здания и сооружения и др.).

На весь рой дронов необходим один специально выделенный, заточенный под единственную задачу – анализа поведения роя дронов и каждого в отдельности его элемента (отдельного дрона) на предмет превенции перехвата или сбивания (заглушения) управления ими. То есть этот дрон должен выявлять любые «странности» в поведении «коллег».

Имеющиеся прообразы, прототипы

Необходимые для воплощения рассматриваемого технологического концепта технологии уже сегодня не просто известны и имеются, но активно применяются.

Например, цифровые модели-двойники с дополненной реальностью с поддержкой 5G активно применяются в комплексах железнодорожной инфраструктуры.

Предпосылкой успешности создания рассматриваемых систем является де-факто уже успешное использование БПЛА для сбора геоинформационных данных и точного картирования значительных по площадям объектов.

Беспилотные летательные аппараты активно используются для наполнения данными геоинформационных систем – под построение и применение трёхмерных моделей гео-пространственных данных, представляющих физические объекты реального мира, обеспечивая мощные средства для трансформации двухмерного кадастра в трехмерную цифровую среду [5].

Сама идея задействования роя дронов в целях военной разведки тоже не нова. Р.В. Красильников в 2013 году писал (и он не был первопроходцем здесь): «Сетецентрическая война подразумевает использование большого количества объединённых в сеть необитаемых аппаратов, поставляющих информацию о вражеских территориях и акваториях.

Информация, полученная подобными роботизированными устройствами, поступает на бортовые компьютеры автоматизированной системы боевого управления сил, участвующих в операции (корабли, самолеты, необитаемые аппараты, подразделения сухопутных войск и подразделения сил специальных операций), которые находятся в “едином информационном боевом пространстве”» [6, с. 6].

В принципе, создание макета участка планируемых (предстоящих) боевых действий под тактическое или оперативно-тактическое планирование или под подстановку и объяснение боевых задач имеет весьма длительную историю.

Прообразы моделей, подобных обсуждаемым, уже применяются в военном деле для планирования боевых операций под названием «голографических тактических песочниц» (англ. – «Holographic Tactical Sandbox»), обеспечивающих точное визуализированное представление поля боя благодаря просматриваемой трехмерной голографической карте, за счёт чего упрощаются и становятся более операционабельными и более оперативными планирование боевых операций и управление ими, а равно принятие решений, сокращается продолжительность цикла («плеча») наблюдения, обработки информации и принятия решений.

Вместо заключения

Рассматриваемые технологии сегодня всё более активно применяются в военной сфере.

И рассматриваемый концепт уже, как можно предположить, если не активно применяется в ряде зарубежных государств, то, наверняка, уже существует в прототипах и аналогах.

Совершенно неслучайно сегодня во многих регионах мира фиксируется экспоненциальный рост спроса на специалистов по машинному обучению именно в военной промышленности и в целом в военной сфере [7].

И в последующем такие технологии ждёт большое будущее…

---

Литература

1. Понкин И.В., Лаптева А.И. Методология научных исследований и прикладной аналитики: Учебник. Изд. 3-е, дополн. и перераб. / Консорциум «Аналитика. Право. Цифра». – М.: Буки Веди, 2022. – 754 с. <https://moscou-ecole.ru/2022/03/31/methodology_research_analytics_3_ed/>.

2. Понкин И.В., Лаптева (Редькина) А.И. Искусственный интеллект с точки зрения права // Вестник Российского университета дружбы народов. Сер. «Юридические науки». – 2018. – Т. 22. – № 1. – С. 91–109.

3. Морхат П.М. Право и искусственный интеллект / Предисл. И.А. Близнеца и И.В. Понкина; под ред. И.В. Понкина / Российская государственная академия интеллектуальной собственности. – М.: Юнити-Дана, 2018. – 544 с.

4. Понкин И.В., Лаптева А.И. Право и цифра: Машиночитаемое право, цифровые модели-двойники, цифровая формализация и цифровая онто-инженерия в праве: Учебник / Консорциум «Аналитика. Право. Цифра». – М.: Буки Веди, 2021. – 174 с. – С. 112, 131. <https://moscou-ecole.ru/2021/03/06/ponkin_lapteva_law-and-digital-2021/>.

5. Asghari A., Kalantari M., Rajabifard A. Formative and Summative Validation of Building Information Model-Based Cadastral Data // Land. – 2021. – Vol. 10. – № 8.

6. Красильников Р.В. Системы борьбы с необитаемыми аппаратами – асимметричный ответ на угрозы XXI века. – СПб.: Инфо-да, 2013. – 106 с.

7. Europe is seeing a hiring boom in military industry machine learning roles. Some parts of the world are investing more heavily in machine learning roles than others // <https://www.army-technology.com/analysis/europe-is-seeing-a-hiring-boom-in-military-industry-machine-learning-roles/>. – 19.05.2022.