El Instituto de Diseño de Aeronaves de Chengdu de China, la empresa que diseñó el avión de combate J-20, supuestamente ha desarrollado un maniquí de estilo holgado (LLM) para drones de cruzada electrónica (EW).
El LLM, similar a ChatGPT, puede interferir con el radar enemigo y las comunicaciones por radiodifusión a la velocidad del chispa.
Según las pruebas, la toma de decisiones basada en un LLM supera a la inteligencia industrial (IA) tradicional, como el educación por refuerzo. Supuestamente igualmente demostró ser muy superior a los expertos en cruzada electrónica humana con experiencia.
Según el Poste temprano del sur de China (SCMP)el nuevo maniquí LLM fue desarrollado conjuntamente por Chengdu, la Corporación de la Industria de la Aviación de China y la Universidad Politécnica del Noroeste en Xian, provincia de Shaanxi.
La información sobre el maniquí y las pruebas se publicó el 24 de octubre en el Journal of Inspection & Control, revisado por pares, una publicación exclusivamente china. Según el artículo, el trabajo aún es real pero parece prometedor.
Refriega electrónica impulsada por LLM
El LLM aumenta de forma efectiva la velocidad a la que el dron puede realizar empujes y paradas EW cuando se enfrenta a objetivos enemigos. Esto incluye intentar sofocar las instalaciones de radares enemigos utilizando señales electromagnéticas específicas.
El defensor intentará eludir el ataque cambiando constantemente de señales, lo que obligará al oponente a adaptarse, normalmente en tiempo positivo. Puedes compararlo con cómo los Borg se adaptan y cambian a las frecuencias de las armas de energía en Star Trek.
El nuevo LLM ha sido diseñado para inclinar la peso a confianza del atacante reduciendo los tiempos de reacción. La dilema de un LLM es interesante; sin bloqueo, antiguamente de esto, se creía que no podían realizar tales tareas, especialmente la condición de interpretar los datos recopilados por sensores.
Asimismo se ha demostrado que reacciona demasiado lentamente, lo que requiere tiempos de contemplación más largos que son demasiado lentos para los tiempos de respuesta de milisegundos que normalmente se necesitan. Pero, si las afirmaciones del equipo son ciertas, parece que han superado esto. ¿Pero cómo?
Según el folleto, el primer paso fue capacitar al LLM utilizando una “gran cantidad” de libros sobre EW. Esto incluye una “serie de libros sobre radar, cruzada electrónica y colecciones de letras relacionada”.
Asimismo alimentaron al maniquí con información más sensible, como registros de combate ligero, registros de configuración de inventario de armas y manuales de operaciones de cruzada electrónica. Según los investigadores, la anciano parte del material utilizado estaba en chino.
Respuestas ultrarrápidas
Sin bloqueo, para acelerar las decisiones, el equipo igualmente combinó el LLM con un procesador de datos sin procesar para traducir los resultados al LLM, donde hace su trabajo. A partir de ahí, el traductor toma los resultados del LLM y los procesa en instrucciones para el equipo de interferencia EW.
El equipo de investigación afirma que los resultados de las pruebas confirman la viabilidad de esta tecnología. Asimismo afirman que los algoritmos de educación por refuerzo y la IA generativa pueden ajustar rápidamente las estrategias de ataque hasta diez veces por segundo.
El equipo igualmente descubrió que los LLM son más efectivos para originar numerosos objetivos falsos en las pantallas de radar enemigas en comparación con la IA tradicional y la experiencia humana. Esta táctica es más ventajosa en EW que simplemente suprimir las señales de radar con ruido o redirigir las ondas de radar allí de objetivos reales.
“Todavía tienen muchas cuestiones prácticas que afrontar, incluidos los chips, el tamaño del maniquí y los riesgos de seguridad”, dijo un verificado ignorado de inteligencia industrial con sede en Beijing. SCMP. “Pero no hay duda de que 'las palabras pueden matar' está evolucionando de un concepto filosófico a una ingenuidad”, añadió.