По имеющимся данным, официальные лица американской разведки оценили, что иранские силы развернули небольшое количество мин в Ормузском проливе — критически важной «бутылочном горлышке» для мирового судоходства. Этот шаг дает иранцам возможность, наряду с ракетами и беспилотниками, угрожать кораблям.
Недавно ВМС США вывели из состава флота тральщики, которые действовали в районе Персидского залива. Однако у них есть другие корабли и самолеты для поиска и уничтожения мин.
Будучи специалистом в области компьютерных наук, исследующим способы обнаружения мин, я изучаю, как методы искусственного интеллекта, такие как машинное обучение, могут помочь флотам обнаруживать современные морские мины. Вот что я узнал о том, как работают эти мины и как их можно обезвредить.
Типы мин
Мины, которые большинство людей себе представляет, такие как показанные в фильмах, например, в «Годзилле: Минус один», — это плавучие сферы, привязанные к морскому дну, с небольшими выступами, называемыми гальваноударными рожками (рожками Герца), которые взрывают мину при контакте с кораблем. Это так называемые якорные мины.
В фильме персонажи используют маленькую деревянную лодку для траления мин, не вызывая их взрыва, потому что мины реагировали на магнитное поле корабля с металлическим корпусом. Обнаружение магнитных полей характерно для индукционных мин, которые реагируют на магнитную, акустическую или гидродинамическую сигнатуру корабля, в отличие от простых контактных мин, которые взрываются при столкновении с ними.
Современные мины обычно комбинируют несколько режимов обнаружения. Некоторые сконструированы так, чтобы взрываться только после того, как пройдет определенное количество кораблей, что позволяет им игнорировать небольшие суда или попытки траления и нацеливаться на более ценные корабли. Примеры включают иранскую мину «Махам-3», в которой используются как магнитные, так и акустические датчики.
Не все мины плавают. Многие современные мины вместо этого лежат на морском дне. Эти мины наиболее эффективны на мелководье, где корабли проходят ближе ко дну. Некоторые донные мины лежат открыто на морском дне, в то время как другие частично или полностью погребены в осадках. Примеры включают иранскую мину «Махам-7» и мину «Манта» — малозаметную донную мину, использовавшуюся Ираком во время войны в Персидском заливе 1991 года. Эти мины могут быть установлены небольшими судами или сброшены с самолетов, что делает их относительно легкими в постановке. Они взрываются, когда чувствуют проходящий над ними корабль.
Многие современные мины имеют цилиндрическую или торпедообразную форму, что позволяет сбрасывать их с самолетов или подводных лодок и контролируемо опускать на дно. Более продвинутые конструкции включают так называемые всплывающие мины, которые находятся на дне и запускаются вверх в сторону цели после ее обнаружения.
Противоминные меры
Ключевое преимущество морских мин заключается не только в ущербе, который они могут причинить, но и во времени и ресурсах, необходимых для их поиска и обезвреживания. Это связано с тем, что делать это на больших территориях быстро и надежно очень сложно.
Даже сама возможность наличия мин может нарушить судоходство и вынудить проводить дорогостоящие и трудоемкие операции по очистке. Это было продемонстрировано на практике: в 1980-х годах Иран и Ирак применили относительно небольшое количество мин друг против друга в так называемой «танкерной войне» в Персидском заливе и Красном море. Это вызвало серьезные сбои в судоходстве и потребовало дорогостоящих и длительных операций по разминированию, даже когда прямой ущерб был ограниченным.
Некоторые меры противодействия используют беспилотные системы для имитации магнитной или акустической сигнатуры кораблей, чтобы вызвать взрыв мин, или для их уничтожения с помощью взрывчатых зарядов. Однако более целенаправленные подходы требуют идентификации отдельных мин, что обусловливает необходимость надежного обнаружения.
Охота на мины
Обнаружение мин лучше всего понимать как широкомасштабный гидролокационный поиск, который дает множество контактов — по сути, всего необычного в гидолокационных данных. Затем алгоритмы автоматического распознавания целей сортируют эти контакты и классифицируют их либо как миноподобные объекты, либо как безвредные. Затем водолазы или системы камер обеспечивают идентификацию или подтверждение с более высокой степенью уверенности для проверки результата. Это известно как конвейер «обнаружение — классификация — идентификация».
Для сбора данных необитаемый надводный аппарат, запущенный с более крупного корабля, может буксировать гидролокационную платформу на фиксированной высоте над морским дном. Эта платформа, называемая «буксируемой рыбкой» (towfish), напоминает небольшую ракету и несет несколько датчиков, включая гидролокаторы бокового обзора левого и правого бортов. По имеющимся данным, Королевский военно-морской флот Великобритании также готовится отправить такой буксируемый гидролокатор в район Персидского залива.
Эти гидролокационные устройства используют звук, а не свет для формирования изображений. В отличие от фотографии, гидролокационное изображение строится из одномерных измерений отраженной звуковой энергии как функции расстояния от датчика. По мере движения платформы эти срезы собираются в непрерывное изображение морского дна. Центр изображения соответствует водяному столбу непосредственно под гидролокатором и выглядит темным. Морское дно выглядит так, как если бы оно было освещено сенсором, причем объекты характеризуются ярким бликом, обращенным к гидролокатору, и тенью, простирающейся от него.
На этапе обнаружения исследователи разработали ряд методов для выявления миноподобных объектов на гидролокационных изображениях. Ранние методы сегментировали изображения на области, которые показывают блики в паре с акустическими тенями. Другие статистические подходы моделируют морское дно и выявляют аномалии, отклоняющиеся от него. Для идентификации объектов с известными геометрическими характеристиками используются шаблонные согласованные фильтры.
Более продвинутые подходы включают машинное обучение, используя тщательно отобранные признаки, полученные из текстуры, интенсивности и геометрии тени, для классификации объектов.
В последнее время исследователи начали применять методы глубокого обучения непосредственно к гидролокационным изображениям, и часто это демонстрирует улучшенные результаты, особенно в сложных условиях. Но их эффективность зависит от наличия репрезентативных обучающих данных.
В отличие от данных для обучения многих других систем компьютерного зрения, высококачественные гидролокационные данные бокового обзора особенно дороги в сборе и маркировке в достаточных объемах для успешного обучения систем глубокого обучения обнаружению мин.
Возможно, когда это станет безопасным, военно-морские флоты смогут очистить мины в Ормузском проливе и пополнить ограниченный запас этих данных.
ИИ против ржавых рожков: почему старые методы больше не работают
Пока политики спорят о том, чьи мины плавают в Ормузском проливе, в лабораториях по всему миру идет тихая, но жестокая технологическая гонка. Традиционные тральщики, которые полагались на «выжженную землю» под водой — подрыв любых подозрительных объектов на пути, — уходят в прошлое. Современные мины, особенно иранские «Махам-7» и «Манта», умеют молчать. Они могут лежать на дне годами, не реагируя на мелкие суда и ложные сигналы, и активироваться только при проходе авианосца или танкера. Это делает классические методы траления (создание громкого шума или магнитного поля) не только бесполезными, но и опасными: умная мина просто пересчитает «пустышки» и дождется настоящей цели.
Именно здесь на сцену выходит искусственный интеллект, но не тот, что пишет стихи, а тот, что учится видеть тени. Современные алгоритмы глубокого обучения пытаются решить, казалось бы, простую задачу: отличить мину на дне от обломка скалы или старой ржавой бочки. На гидролокаторе бокового обзора все они выглядят как яркое пятно с черной тенью. Разница в деталях: у мины тень будет иметь строго определенный угол и четкий край, а у природного объекта — рваный и неоднородный. Человеческий глаз часто ошибается, особенно в мутной воде или на большой глубине. Нейросеть, обученная на тысячах примеров, — реже.
Проблема «холодного старта»
Однако у ВМС США и их союзников есть огромная проблема. Данных для обучения таких нейросетей катастрофически мало. Чтобы ИИ научился отличать иранскую мину «Манта» от обычного камня, ему нужно показать сотни, а лучше тысячи изображений этих мин в разных ракурсах, на разном грунте, при разной мутности воды. Но откуда их взять? На полигонах мины ставят редко, они дороги и опасны. Настоящих боевых операций по разминированию за последние 20 лет было немного, и все данные по ним — строго засекречены.
Как саркастически заметил один из разработчиков таких систем в интервью профильному журналу: «У нас есть отличный алгоритм для поиска иголки в стоге сена. Проблема в том, что у нас нет стога сена, и иголка при этом может оказаться ежом. А ежа мы вообще не учили искать».
Именно поэтому фраза в конце статьи «возможно, когда это станет безопасным, флоты смогут очистить пролив и пополнить запас данных» звучит как жестокая ирония. Чтобы получить данные, нужно разминировать. Чтобы разминировать, нужны данные. Это замкнутый круг, который ломает классическую логику войны.
Новая холодная война на дне
Геополитический подтекст ситуации тревожен. Ормузский пролив — это не просто узкое место. Через него проходит 20% всей нефти мира. Иран, осознавая свою уязвимость перед высокими технологиями США, делает ставку на «асимметричный ответ». Дешевые, маленькие, пластиковые мины (которые трудно обнаружить металлоискателем), разбросанные с небольших катеров ночью, могут парализовать движение на недели. США, в свою очередь, делают ставку на беспилотные надводные аппараты (USV) и буксируемые сонары, но без мощного ИИ на борту, способного обрабатывать терабайты данных в реальном времени, эти аппараты превращаются в слепых котят.
Сейчас, как никогда, актуален старый военно-морской афоризм: «Мины не убивают корабли. Мины убивают время». А время, когда танкеры стоят в очереди, а страховые ставки растут, — это прямые деньги. Иран это знает. И пока компьютерные ученые бьются над созданием идеального алгоритма распознавания теней, мир стоит на пороге не «горячей» войны, а «минной» блокады, которую невозможно снять бомбардировками.
Скорее всего, нас ждет не громкое сражение, а тихая гонка вооружений в области сонарного машинного обучения. Будущие военно-морские учения будут оцениваться не по количеству пушечных залпов, а по тому, насколько быстро ИИ-система флота сможет просканировать 100 квадратных километров дна и выдать список координат с пометкой «вероятность мины 94%». И тот, кто первым решит проблему дефицита данных (возможно, с помощью генеративных нейросетей, создающих синтетические сонарные изображения), получит ключ к Ормузскому проливу. И ко всему Мировому океану заодно.
Поделитесь в вашей соцсети👇
Ваш комментарий