Resumen

Se han hecho grandes avances en los Vehículos Aéreos de Combate No Tripulados (UCAVS) operados por control remoto, sobre todo en términos de capacidad de ataque terrestre. Sin embargo, cuando sólo se permiten plazos de milisegundos para tomar decisiones críticas, cualquier retraso en las comunicaciones y el control debilita gravemente la capacidad de combate del sistema. Aunque algunos defensores de la autonomía se centran en la capacidad de diseñar aeronaves que puedan realizar maniobras por las que ningún piloto humano mantendría la conciencia, o en el simple hecho de que la vida de esos pilotos ya no estaría en peligro, estos no son los únicos beneficios que estos sistemas pueden proporcionar. Con un tiempo de reacción visual humano medio de 0,15 a 0,30 segundos, y un tiempo aún más largo para calcular planes óptimos y coordinarlos con los compañeros de escuadrón; esto ofrece una enorme ventana de mejora que un Agente Inteligente (AI) puede capitalizar.

Incluso si los IAs se limitaran a seguir el mismo número limitado de entradas y salidas que incluso los pilotos expertos son capaces de rastrear, la capacidad de reaccionar y coordinarse cientos de veces más rápido es una gran ventaja en términos de desarrollo del Curso de Acción (CoA). Sin embargo, algunas metodologías no están limitadas en cuanto al número de dimensiones que pueden procesarse simultáneamente durante el desarrollo o perfeccionamiento del TC. Durante las misiones, estos sistemas pueden rastrear, mantener historiales de tiempo y extraer conocimientos útiles de la fuerza contraria a partir de datos como la posición hostil, la velocidad, la aceleración, los ángulos y las velocidades angulares, las maniobras de máxima gravedad, las pautas de disparo, las maniobras de evasión, los tiempos de asentamiento de las formaciones y de la formación, la utilización de los sensores, las funciones y tácticas estimadas, y muchos otros. A medida que cualquier entidad aprende información adicional relativa a una ventaja o desventaja táctica, esta información puede ser distribuida y utilizada inmediatamente.

Esto pinta un cuadro de una fuerza extremadamente efectiva, incluso si las capacidades de nuestras plataformas en sí mismas no mejoraron. Sin embargo, hay muchos obstáculos para este tipo de sistema. Las principales dificultades en el desarrollo de IAs para este tipo de problema son el gran número de entradas y salidas a considerar, así como la incertidumbre y la aleatoriedad heredada en el problema y el ruido y el fallo de los sensores. Hay varios sistemas que pueden procesar decenas o centenares de entradas y salidas más rápidamente que en tiempo real, lo que requiere una capacitación a través de un sistema de aprendizaje. Sin embargo, en el marco del control de los UCAV, ninguno ha sido tan resistente, adaptable y robusto como las metodologías basadas en la lógica difusa. La principal dificultad en la aplicación de estas tecnologías es la capacidad de verificar y validar la IA, otro punto fuerte único de cualquier IA basada en la lógica difusa que puede verificarse y validarse utilizando métodos formales. Se puede garantizar que la IA cumpla las especificaciones de seguridad y las doctrinas operativas. Por supuesto, los sistemas informáticos pueden fallar y los sensores pueden fallar, aunque esto es igualmente cierto para las aeronaves tripuladas, y se pueden establecer redundancias.

• Materias:Sistemas de control inteligente Inteligencia artificial Ingeniería aeroespacial
• Subjects:Intelligent control systems Artificial intelligence Aerospace engineering
• Palabras claves:Vehículos aéreos no tripulados; Inteligencia artificial; Operaciones militares aéreas
• Keywords:Unmanned aerial vehicles; Artificial intelligence; Military air operations