为了应对无人机,机场部署人工智能系统对入侵物进行跟踪识别

发布日期:2017-09-24 19:26
 那是一只鸟,还是一架飞机?或者是一个正在进行侦查或准备空投致命武器的四旋翼飞行器?监控人员不必再猜测,也不用再一直盯着电脑显示器,现在有了超人型人工智能,能够对无人机与其他飞行物进行辨别。得益于机器学习,自动监控已经成为警局和其他安全机构的一个重要对策,帮助他们始终对空中的无人机进行跟踪。
 
安全问题在过去几年中才有所凸显:已经有数百万人购买了消费型无人机,有时甚至在禁飞区内操作这些机器,这样一来,可能会给地面人群或空中飞行的大型飞机带来隐患。现成的无人机也成为伊拉克和叙利亚等战乱地区的伊斯兰组织或其他军事集团能够买得起的危险武器。
 
在21世纪20年代中期之前,为了跟踪并在需要时击落这些飞行的入侵者,可能需要在反无人机市场上投入近20亿美元。最大的份额可能被投入到那些最好地利用基于神经网络的机器学习人工智能的公司。
 
但是,爱思达比亚州博伊西市的BlackSage科技公司创始人兼管理合伙人大卫•罗梅罗(David Romero)表示,许多反无人机行业在有效利用机器学习人工智能方面仍然落后于其他科技部门。“利用机器学习,90%的工作正在变得如此简单,消费者根本不必知道机器学习如何运作。”罗梅罗说,“许多公司在这方面都做得很好,但未涉及国防领域。”
 
他和BlackSage的联合创始人罗斯•拉姆(Ross Lam)准备利用这家新创建的公司,成为国防领域的行业巨头。他们最初合作了一个训练机器学习算法的项目,该算法根据雷达和红外摄像头数据,自动检测高速公路上的野生动物。最终,他们意识到同样的方法可以帮助发现无人机和其他不明飞行物(UFO)。
 
该自主筹款的创业公司自2015年成立以来,已经从美国政府(包括部署在伊拉克和阿富汗的美军和美国同盟)获得了多项合同。
 
罗梅罗表示,将机器学习应用于对飞行物进行自动检测和分类的任务非常直观,但是风险也很高,错误地击落小型客机或没有发现携带爆炸物的入侵无人机同样可能是灾难性的。因此,BlackSage将其系统安装在新的地点时,要通过严格的训练。该系统的雷达和红外摄像机可以捕获每个不明飞行物的速度、大小、高度等信息。然后,操作人员通过主动识别某些类型的无人机(旋翼或固定翼)以及其他飞行物(如鸟类或载人飞机),来帮助训练机器学习算法。为了证明该技术已经足够成熟,人们针对该人工智能设备中20%的主动识别数据组(专门用于交叉验证的部分)进行了测试。
 
另一家名为Dedrone的公司也采取了类似的做法。这家公司成立于德国卡塞尔,目前总部设在旧金山。当在新站点安装Dedrone系统时,可以将不熟悉的对象标记为训练过程的一部分,这也更新了公司的专有DroneDNA数据库。自2014年推出以来,Dedrone的机器学习软件已经为许多重要活动和场合提供了安保服务,如希拉里•克林顿与特朗普的总统辩论会、世界经济论坛以及纽约梅特棒球队的花旗球场等。     
 
“我们每次更新DroneDNA时,都要处理超过2.5亿幅无人机、飞机、鸟类和其他物体的各种图像。”Dedrone的工程总监迈克尔•戴巴拉(Michael Dyballa)说,“在过去8个月里,我们对300万幅无人机图像进行了注释。”
 
虽然据说BlackSage和Dedrone的自动检测系统在通过训练阶段后,能够在没有人类协助的情况下运行,但公司的客户仍然可以选择让人类置身其中,以采取积极的防御措施,例如用于截获飞行入侵者的干扰或激光。在机场等检测精度要求较高的场合,即便无人机检测精度高于90%,也会出现虚假或错误认定的情况,因此保持这种谨慎至关重要。即使如此,随着无人机数量不断增加,人类干预能力也只能作为补充,而人工智能系统将需要进行不间断的监控。
分享到: