Технологии искусственного интеллекта двойного назначения | Dual-use AI

Очень простенькое видео к недавней новости (для тех кому лень читать): Интеллектуальный израильский автономный капсульный комплекс для перехвата беспилотных аппаратов на конечном рубеже противовоздушной обороны

🛡 Интеллектуальный израильский капсульный комплекс для перехвата дронов на дистанции до ста метров

🏢 Компания Erez Defense Solutions (Израиль) завершила начальный этап испытаний малогабаритного защитного комплекса капсульного базирования для отражения атак беспилотников на дистанциях до ста метров от обороняемого объекта.

➖➖➖➖➖

⚙️ Конструкция

Цилиндрический пусковой контейнер трубчатого типа с компактным перехватчиком в защитной оболочке. В ходе полигонных тестов проверялись механическая надёжность узлов выброса, баллистическая траектория капсулы и корректность выполнения программных алгоритмов.

➖➖➖➖➖

🎯 Задача

Создание рубежа предельной защиты стационарных сооружений и подвижной техники от малых ударных дронов в ситуациях, когда радиоэлектронное подавление каналов связи оказывается недейственным из-за применения противником волоконно-оптических линий или автономного навигационного сопровождения по оптическим ориентирам.

➖➖➖➖➖

⚡ Особенность

На дистанции ста метров время сближения цели с объектом составляет менее одной секунды. Это исключает участие человека в контуре наведения и требует предельной автономии бортовой электроники.

➖➖➖➖➖

🧠 Технологии искусственного интеллекта

🔹 Свёрточные нейронные сети (Convolutional Neural Network, CNN) выполняют пространственную селекцию силуэта дрона на фоне облачности, растительности и построек непосредственно на бортовом тензорном микропроцессоре.

🔹 Алгоритмы фильтрации состояния и рекуррентные нейронные сети (Recurrent Neural Network, RNN) оценивают точку упреждения при резких эволюциях цели. Вероятно применение фильтра Калмана и сетей с долгой краткосрочной памятью (Long Short-Term Memory, LSTM).

🔹 Машинное обучение с подкреплением (Reinforcement Learning, RL) сопоставляет скорость сближения, угловые координаты объекта и внешние возмущения воздушной среды для выбора оптимального момента срабатывания.

➖➖➖➖➖

💥 Способ поражения

Разработчиком не раскрывается. По оценкам специалистов, возможны кинетическое поражение осколочным полем, выброс механических сетевых ловушек либо постановка локального радиочастотного барьера высокой мощности.

➖➖➖➖➖

📌 Создание подобных устройств свидетельствует о формировании нового класса автономных систем ближнего рубежа, где алгоритмы искусственного интеллекта обеспечивают мгновенную реакцию без участия оператора.

🔊 Норвежская компания Kongsberg создала гидроакустическую систему Aegir SSA с виртуальным оператором на искусственном интеллекта

Норвежская группа Kongsberg представила на выставке Offshore Northern Seas 2026 семейство гидролокационных комплексов подводного ситуационного осведомления Aegir Subsea Situational Awareness (SSA).

🎯 Назначение

Постоянный мониторинг периметра портов, шельфовых платформ, энергетических магистралей и прибрежных коммуникаций.

🧠 Ключевая особенность

Программно-аппаратный виртуальный гидроакустик на основе искусственного интеллекта. Он берёт на себя функции оператора, настраивается под конкретную задачу и допускает дообучение на опыте специалистов заказчика.

⚙️ Принцип работы

• Многокаскадная обработка эхосигналов.
• Распознавание подводных целей глубокими нейронными сетями, включая свёрточные сети (CNN) для классификации спектрограмм.
• Сопровождение траекторий фильтрами оценивания состояния, вероятнее всего, модификациями фильтра Калмана.
• Адаптивное вычитание фона для отделения объектов от морского дна.

📦 Носители

Безэкипажные катера, гидрографические буи, стационарные подводные посты, крупнотоннажные суда.

🌊 Испытания

Осло-фьорд, морской буй SEAWATCH, испытательная платформа Oslofjord Testbed.

💡 Значение

Создание семейства Aegir SSA показывает переход подводного наблюдения от отдельных гидроакустических станций к распределённым интеллектуальным системам. Виртуальный оператор самостоятельно обнаруживает, классифицирует и сопровождает подводные цели, а участие человека сокращается до принятия критических решений.

#Kongsberg #AegirSSA #ИскусственныйИнтеллект #Гидроакустика #ВМС #Технологии

Ударные беспилотные летательные аппараты самолётного типа с автономным наведением на базе искусственного интеллекта в системе дальних ударов Вооружённых сил Украины
🤖 ИИ забирает управление у оператора: как изменились удары дронов в 2026 году

С начала 2026 года логика дальних ударов изменилась принципиально. Право принимать решение переходит от оператора на земле к бортовому вычислителю. Пять платформ с автономным наведением образовали эшелонированную систему, где ИИ берёт управление на последнем участке — и традиционные средства РЭБ теряют цель воздействия.

📌 Ключевые платформы:

🇺🇸 Hornet (Swift Beat, США) — $5–11 тыс., автономность на конечном участке, ИИ сопоставляет картинку с базой целей. Последние 100+ км — без связи. В российской среде известен как «Марсианин-2».

🇩🇪 HX-2 Karma (Helsing, Германия) — визуальная одометрия: работает при полном подавлении GPS, сопоставляя камеру с картой местности. План поставки Украине — 4000 аппаратов.

🇺🇦 RAM-2X (Ukrspecsystems) — дальность 180 км (до 230), поражено 350+ единиц техники, включая С-300В, «Осу» и «Стрелу-10». Работает в связке с SHARK-M.

🇩🇪 Virtus (Stark Defence) — один оператор управляет группой дронов. Контракт Бундесвера — €2,9 млрд. Применяется в Украине.

🇺🇦 Ан-196 «Лютый» — многоразовая платформа, несёт 4 крылатые ракеты, дальность до 2000 км.

В чём суть?

РЭБ исходит из того, что разрыв канала связи срывает задачу. Когда управление на конечном участке полностью берёт бортовой вычислитель — это допущение перестаёт работать.

📉 Но преимущество не одностороннее. Применение Hornet осенью 2026 упало в 10 раз — российская ПВО и РЭБ адаптируются. Поставки HX-2 Karma задерживались.

👉 Вывод: технология даёт эффект только в связке с масштабом производства, подготовкой операторов и скоростью адаптации. Это война не дронов — а промышленностей и алгоритмов.

@Dual_use_AI

Видео к недавнему посту выше (извиняюсь за не качественный перевод с американского) Военно-морская аспирантура США в Монтерее 22 июля 2026 года ввела в эксплуатацию вычислительный комплекс NVIDIA DGX GB300 — первый суперкомпьютер такого класса в распоряжении вооружённых сил США.

🚀 Первый военный суперкомпьютер NVIDIA для аспирантуры ВМС США

Военно-морская аспирантура ВМС США в Монтерее ввела в эксплуатацию NVIDIA DGX GB300 — первый суперкомпьютер такого класса в распоряжении вооружённых сил США.

⚙️ Мощь в цифрах

🔹 72 ускорителя NVIDIA Blackwell Ultra
🔹 36 процессоров NVIDIA Grace
🔹 2592 ядра Arm Neoverse V2
🔹 37 ТБ быстродействующей памяти
🔹 До 1440 петафлопс в FP4
🔹 Экзафлопсный класс

🔗 Связь и охлаждение

▪️ Пропускная способность между ускорителями — 130 ТБ/с
▪️ Коммутаторы Quantum-X800 и адаптеры ConnectX-8
▪️ Жидкостное охлаждение: до 135 кВт на стойку
▪️ Работает в пределах существующей инфраструктуры базы

🧠 Зачем это нужно

Раньше обучение крупных нейросетей шло в облаках сторонних поставщиков. Теперь — на своей территории, без передачи закрытых данных наружу.

Направления:
🌦 Гидрометеорология
🌊 Описание морской среды
🛡 Кибербезопасность
🚨 Чрезвычайные ситуации
💬 Большие языковые модели

🇺🇸 Курс на «суверенный ИИ»

Пентагон запросил 4,2 млрд долларов на суверенную инфраструктуру ИИ на 2027 финансовый год.

Смысл: военные модели должны проходить полный цикл — от обучения до вывода — только на контролируемых военным ведомством системах.

👥 Кто пользуется

🔸 1500+ обучающихся
🔸 ~600 преподавателей
🔸 Одобренные исследовательские партнёры

Слушатели NPS — действующие офицеры. После обучения они возвращаются в ВМС, морскую пехоту и объединённые командования.

🎯 Три задачи комплекса

1️⃣ Вычислительный суверенитет
2️⃣ Подготовка кадров
3️⃣ Ускорение исследовательского цикла

📌 Главное

Критерий эффективности — не часы вычислений, а скорость превращения данных в оперативно значимые решения.

#ИИ #NVIDIA #Суперкомпьютер #ВМС #США #Оборона #Технологии #Безопасность #Инновации