China Perkenal Set Data Pengesanan Kapal Terbesar Dunia untuk Mempertingkat AI Peperangan Laut

Persenjataan Baharu untuk Kecerdasan Buatan Maritim

Sebuah pasukan penyelidik tentera China telah menerbitkan apa yang disifatkannya sebagai set data pengesanan kapal yang terbesar di dunia dan tersedia kepada umum, sumber yang berpotensi mengubah cara kecerdasan buatan mengenal pasti dan menjejaki kapal di laut. Diterbitkan dalam jurnal semakan rakan sebaya Journal of Radars pada Januari, set data pengesanan kapal dua modaliti (DMSD) itu mengandungi lebih 2,000 imej berpasangan dan hampir 20,000 anotasi, sekali gus menawarkan alat latihan yang belum pernah ada sebelumnya untuk dron, peluru berpandu dan sistem pengawasan yang beroperasi dalam persekitaran maritim yang mencabar. Pasukan penyelidik itu, yang terdiri daripada saintis dari Universiti Aeronautik Tentera Laut di Yantai, Universiti Kejuruteraan Harbin dan Institut Teknologi Pengkomputeran di bawah Akademi Sains China, menyediakan koleksi ini secara percuma kepada komuniti penyelidikan global. Penerbitan ini menandakan pelaburan besar dalam keupayaan peperangan laut berasaskan AI, khususnya untuk menangani kesukaran teknikal berterusan yang sekian lama menjejaskan pengecaman sasaran maritim.

Set data ini menangani kelemahan kritikal dalam sistem tempur laut moden: ketidakupayaan untuk mengenal pasti dan menjejaki kapal yang bergerak dengan andal dalam keadaan persekitaran yang dipertikaikan, apabila sistem radar tradisional berdepan gangguan, penipuan atau kemerosotan prestasi. Dengan menggabungkan imejan cahaya tampak dengan tanda haba inframerah, koleksi DMSD menyediakan bahan mentah yang diperlukan untuk melatih algoritma pembelajaran mesin supaya dapat terus mengesan sasaran dalam keadaan gelap, jerebu dan gangguan elektronik. Skala penerbitan ini membezakannya daripada pangkalan data pengesanan maritim terdahulu, dengan menyediakan kepada penyelidik dan kontraktor pertahanan data latihan yang banyak dan berkualiti tinggi, yang diperlukan untuk membangunkan sistem penyasaran autonomi generasi seterusnya.

Persekitaran maritim menimbulkan halangan unik kepada sistem pengesanan automatik yang jarang dihadapi algoritma berasaskan darat. Cahaya matahari yang memantul dari permukaan air menghasilkan silau yang membutakan penderia optik, manakala corak cuaca yang berubah dengan pantas dan gangguan atmosfera pada jarak lautan yang jauh merendahkan kejelasan imej. Latar belakang yang berserabut dan tidak mempunyai titik rujukan yang jelas turut menyukarkan usaha membezakan kapal daripada persekitarannya. Hakikat persekitaran ini bermakna menghampiri kawasan umum sasaran tentera laut selalunya jauh lebih mudah berbanding mengenal pasti sasaran secara positif dan menjejakinya dengan tepat seperti yang diperlukan untuk melancarkan senjata. Set data DMSD menyasarkan cabaran ini secara khusus dengan menyediakan contoh beranotasi yang dirakam dalam keadaan laut dan pencahayaan yang berbeza-beza, membolehkan sistem AI mempelajari corak pengecaman teguh yang kekal berkesan meskipun keadaan persekitaran berubah.

Cabaran Berterusan Mengesan Kapal di Laut

Pengecaman kapal di laut menghadapi halangan teknikal yang jauh lebih besar berbanding pengesanan objek di darat. Persekitaran maritim dibentuk oleh cahaya matahari yang memantul dari permukaan air, keadaan cuaca yang berubah dengan pantas, gangguan atmosfera pada jarak jauh dan latar belakang berserabut yang tidak mempunyai titik rujukan jelas. Faktor-faktor ini secara sistematik menjejaskan ketepatan sistem pengelasan optik dan elektronik. Kesukaran mengenal pasti sasaran tentera laut yang bergerak dengan andal dalam keadaan persekitaran yang dipertikaikan merupakan antara masalah paling sukar ditangani dalam teknologi ketenteraan moden. Tidak seperti sasaran darat yang statik, kapal sentiasa bergerak dalam medium yang dinamik, lalu menghasilkan kabur gerakan dan perubahan orientasi relatif kepada penderia. Percikan air laut, kabus dan jerebu turut merendahkan kualiti imej, manakala rupa permukaan lautan yang seragam memberikan sedikit petunjuk visual untuk membantu sistem automatik membezakan kapal daripada persekitarannya. Pergerakan platform pemerhatian, sama ada dron, pesawat atau satelit, menambah kerumitan kepada tugas penjejakan, dengan memperkenalkan ralat paralaks dan perubahan perspektif yang mengelirukan algoritma yang dilatih menggunakan imejan daratan yang stabil.

Sistem radar tradisional, walaupun berkuasa, semakin terdedah dalam persekitaran moden yang dipertikaikan. Keupayaan peperangan elektronik boleh mengganggu, memalsukan atau merendahkan isyarat pantulan radar, sekali gus mewujudkan ketidakpastian tentang lokasi dan identiti sasaran. Keterbatasan ini mendorong penyelidik tentera beralih kepada pendekatan penggabungan berbilang penderia yang menggabungkan pelbagai kaedah pengesanan untuk mewujudkan keupayaan penyasaran berlebihan. Set data DMSD menangani keperluan ini secara langsung dengan menyediakan data latihan yang meniru kepelbagaian dunia sebenar yang perlu dihadapi sistem AI untuk beroperasi dengan andal dalam keadaan operasi. Tanpa sumber latihan yang menyeluruh seperti ini, sistem senjata autonomi berisiko gagal tepat pada saat paling diperlukan, sama ada tidak dapat membezakan kapal perang daripada kapal kontena awam atau terputus jejak sasaran yang sedang bergerak ketika waktu penglibatan yang kritikal.

Bagaimana Set Data DMSD Mengubah Keadaan

Set data DMSD memperkenalkan pendekatan dua modaliti yang memadankan imejan cahaya tampak dengan tanda inframerah bagi kapal yang sama dalam keadaan serupa. Padanan ini membolehkan algoritma pembelajaran mesin mempelajari perkaitan antara rupa kapal dalam fotografi biasa dengan imej termalnya, lalu menghasilkan model pengecaman yang lebih teguh dan berfungsi dalam pelbagai senario operasi. Long Gao, penulis koresponden kajian itu dan penyelidik di Akademi Sains China, menjelaskan kaedah pengumpulan data menyeluruh yang digunakan oleh pasukannya.

Data diperoleh menggunakan [synthetic aperture radar or SAR], radar, kamera cahaya tampak, kamera inframerah dan penderia lain yang dipasang pada platform berasaskan pantai dan udara.

Skala usaha anotasi membezakan penerbitan ini daripada pangkalan data pengesanan maritim terdahulu. Dengan hampir 20,000 anotasi merentasi lebih 2,000 imej berpasangan, set data ini menyediakan jumlah dan kepelbagaian yang diperlukan untuk melatih model pembelajaran mendalam tanpa masalah pemadanan berlebihan yang menjejaskan koleksi lebih kecil. Setiap anotasi merangkumi kotak pembatas yang tepat dan label pengelasan, membolehkan algoritma pembelajaran terselia membangunkan keupayaan pembezaan terperinci yang diperlukan untuk membezakan jenis kapal, keadaan operasi dan orientasi. Kemasukan imejan inframerah amat penting untuk operasi malam, apabila kamera spektrum tampak tidak lagi berkesan tetapi penderia haba masih dapat mengesan tanda haba enjin, sistem ekzos dan badan kapal berbanding latar belakang air yang lebih sejuk. Data terma ini kekal andal walaupun kapal cuba menyamar secara visual atau beroperasi dalam keadaan yang menjadikan pengecaman optik mustahil.

Kelebihan Inframerah dalam Persekitaran yang Dipertikaikan

Penderia inframerah menawarkan kelebihan taktikal yang tersendiri berbanding sistem radar aktif dalam senario pertempuran berintensiti tinggi. Tidak seperti radar, yang perlu memancarkan isyarat elektromagnet yang boleh dikesan untuk mengesan sasaran, sistem inframerah beroperasi secara pasif dengan mengukur sinaran haba semula jadi yang dipancarkan objek tanpa menyiarkan kehadirannya sendiri. Sifat pasif ini menjadikan pengesanan inframerah sukar dikesan dan kebal terhadap teknik gangguan elektronik tradisional yang direka untuk mengelirukan penderia aktif. Kemasukan imejan inframerah dalam set data DMSD menangani tempoh kelemahan kritikal dalam peperangan laut: waktu gelap dan keadaan penglihatan rendah yang sekian lama memberikan perlindungan daripada senjata berpandukan optik.

Gabungan data cahaya tampak dan inframerah menghasilkan keupayaan yang saling melengkapi untuk mengimbangi keterbatasan setiap modaliti. Cahaya tampak memberikan perincian halus untuk pengelasan kapal apabila pencahayaan mencukupi, manakala inframerah menembusi kegelapan, jerebu dan kabus nipis agar keupayaan pengesanan kekal berfungsi apabila sistem optik gagal. Dengan dilatih menggunakan contoh berpasangan daripada kedua-dua spektrum, sistem penyasaran AI belajar untuk terus menjejaki kapal walaupun satu jenis penderia terputus hubungan akibat keadaan persekitaran atau tindakan balas. Lebihan keupayaan ini penting bagi sistem senjata autonomi yang perlu membuat keputusan penglibatan tanpa campur tangan manusia dalam senario yang memerlukan tindakan pantas. Pendekatan dua modaliti memastikan pertukaran antara jenis penderia berlaku dengan lancar, sekali gus mengekalkan penyelesaian penyasaran berterusan yang sebaliknya akan terputus apabila keadaan persekitaran berubah.

Implikasi Sebenar: Insiden Selat Hormuz

Kepentingan praktikal keupayaan pengesanan kapal yang lebih baik terserlah dengan jelas pada Februari, apabila Iran mendakwa berjaya menyerang kapal pengangkut pesawat USS Abraham Lincoln berhampiran Selat Hormuz. Washington menolak dakwaan itu dengan menyatakan bahawa peluru berpandu atau dron yang terlibat tidak menghampiri sasaran yang dituju. Insiden ini memperlihatkan jurang antara melancarkan senjata ke arah umum sasaran tentera laut dengan mencapai pengecaman tepat dan panduan terminal yang diperlukan untuk menghasilkan impak sebenar. Insiden itu menunjukkan bahawa walaupun pihak lawan yang bertekad dan memiliki sistem senjata berkeupayaan tinggi masih bergelut menyelesaikan masalah penyasaran akhir dalam persekitaran maritim, apabila corak lalu lintas yang berserabut dan gangguan persekitaran menimbulkan kekeliruan.

Selat Hormuz merupakan antara laluan sempit maritim yang paling penting dari segi strategik di dunia, dengan hampir satu pertiga penghantaran LNG dan minyak global melalui perairannya yang sempit. Kesukaran menyasarkan kapal yang bergerak dengan tepat dalam persekitaran sesak ini, dikelilingi lalu lintas komersial dan garis pantai yang rumit, menunjukkan sebab set data seperti DMSD mempunyai kepentingan geopolitik yang besar. Ketika negara-negara membangunkan strategi antiakses dan penafian kawasan yang semakin canggih, keupayaan mengenal pasti kapal perang tertentu dengan andal di tengah-tengah lalu lintas awam menjadi faktor penentu dalam pertimbangan pencegahan dan perancangan operasi. Penerbitan set data ini pada Januari mendapat kepentingan tambahan memandangkan ketegangan berterusan di rantau itu dan kesukaran yang terbukti dalam serangan maritim terhadap kapal perang utama yang sedang bergerak. Pembezaan yang tepat antara kapal tentera dengan kapal awam mencegah peningkatan konflik yang tidak disengajakan, sambil memastikan sistem pertahanan menyerang ancaman sebenar dan bukannya umpan atau kapal dagang neutral.

Aplikasi Ketenteraan dan Implikasi Strategik

Hubungan institusi pasukan penyelidik itu memberikan petunjuk jelas tentang aplikasi yang disasarkan bagi set data ini. Universiti Aeronautik Tentera Laut beroperasi dalam sistem universiti ketenteraan China, melatih anggota untuk Tentera Laut Tentera Pembebasan Rakyat dan membangunkan teknologi bagi operasi penerbangan tentera laut. Universiti Kejuruteraan Harbin mempunyai program kukuh dalam akustik bawah air dan kejuruteraan marin, manakala Akademi Sains China menjalankan penyelidikan asas yang menyokong keutamaan pertahanan negara. Kerjasama antara institusi akademik dan ketenteraan ini mencerminkan corak lebih luas dalam penyelidikan pertahanan China, apabila penerbitan terbuka kemajuan teknikal bertujuan mempercepat inovasi sambil menetapkan piawaian teknikal untuk asas industri pertahanan domestik. Penglibatan institusi khusus ini menunjukkan penekanan tertentu terhadap aplikasi untuk kenderaan udara tanpa pemandu dan sistem serangan tepat.

Penganalisis berpendapat bahawa dengan menyediakan set data DMSD kepada umum, Beijing mungkin sedang mengejar beberapa matlamat strategik serentak. Penerbitan data secara terbuka mempercepat pembangunan teknologi tentera laut dipacu AI dengan membolehkan penyelidik awam menyumbang penambahbaikan kepada algoritma pengesanan. Pendekatan ini juga membantu menetapkan piawaian teknikal dan kaedah penyelidikan China sebagai penanda aras global dalam aplikasi AI maritim. Set data ini secara khusus menyokong pembangunan dron pengawasan autonomi, peluru berpandu antikapal berketepatan tinggi dan sistem peninjauan pintar yang boleh beroperasi dengan berkesan dalam persekitaran tanpa GPS atau yang menghadapi gangguan elektronik, apabila sistem navigasi dan penyasaran tradisional mengalami kemerosotan prestasi. Dengan mengundang kerjasama global berasaskan landasan teknikal khusus ini, China meletakkan dirinya di pusat pembangunan AI maritim masa depan sambil mengekalkan kawalan terhadap seni bina data yang menjadi asasnya.

Perkara Utama

• Pasukan penyelidik tentera China menerbitkan set data DMSD yang mengandungi lebih 2,000 imej kapal berpasangan dalam cahaya tampak dan inframerah, dengan hampir 20,000 anotasi
• Set data ini menyokong pembangunan sistem penyasaran AI untuk dron, peluru berpandu dan platform pengawasan yang beroperasi pada waktu malam atau dalam persekitaran yang prestasi radarnya terjejas
• Penyelidik dari Universiti Aeronautik Tentera Laut, Universiti Kejuruteraan Harbin dan Akademi Sains China mengetuai projek yang diterbitkan dalam Journal of Radars
• Pengesanan dua modaliti menggabungkan perincian cahaya tampak dengan keupayaan inframerah untuk mengatasi cabaran persekitaran seperti silau, cuaca dan kegelapan
• Penerbitan kepada umum ini menyusuli strategi China untuk menerbitkan secara terbuka penyelidikan AI berkaitan ketenteraan demi mempercepat inovasi dan menetapkan piawaian teknikal
• Pengecaman sasaran maritim kekal mencabar dari segi teknikal, seperti yang ditunjukkan oleh insiden baru-baru ini melibatkan dakwaan serangan terhadap kapal tentera laut AS