A settembre, il tenente generale He Lei, ex vicedirettore dell’Accademia delle scienze militari (AMS), ha esortato le Nazioni Unite a stabilire restrizioni sull’uso dell’intelligenza artificiale (IA) in contesti bellici. Tuttavia, questo appello sembra nascondere un intento più profondo: la Repubblica Popolare Cinese (RPC) non sta cercando di limitare i rischi associati all’IA militare, ma piuttosto sta accelerando l’integrazione della tecnologia IA nelle proprie forze armate. La RPC sta attivamente sfruttando le tecnologie occidentali, come il modello open source Llama di Meta, per potenziare le proprie capacità militari e i vantaggi strategici.
Evoluzione della Strategia Militare della RPC e dell’IA
Nel Libro Bianco sulla Difesa Nazionale del 2019, intitolato “La Difesa Nazionale della Cina per la Nuova Era” (新时代的中国国防), si evidenzia come la guerra moderna stia progressivamente evolvendo verso un contesto sempre più informatizzato (信息化) e intelligenza artificiale (智能化). La RPC riconosce la necessità di avanzamenti nella meccanizzazione, nell’informatizzazione e nello sviluppo dell’IA per affrontare le sfide delle guerre future (Xinhua, 24 luglio 2019). Questa evoluzione è stata ulteriormente accelerata dai recenti progressi tecnologici, che hanno portato a un’accelerazione nello sviluppo di sistemi di IA militare.
Gli esperti dell’AMS e dell’Esercito Popolare di Liberazione (PLA) hanno identificato una serie di capacità chiave che i sistemi di IA devono sviluppare per affrontare le mutevoli esigenze operative. In primo luogo, i modelli di intelligenza artificiale devono fornire risposte rapide e un processo decisionale efficace per migliorare la consapevolezza situazionale sul campo di battaglia. Ciò implica anche la pianificazione autonoma delle missioni e l’assistenza ai comandanti nel prendere decisioni informate in scenari complessi.
L’Intelligenza Artificiale nelle operazioni militari: applicazioni e sviluppi
L’intelligenza artificiale viene applicata in vari ambiti, tra cui la guerra cognitiva e psicologica. Modelli di IA generativa sono impiegati per produrre contenuti multimediali in grado di influenzare narrazioni e condurre campagne di influenza strategica. Questi strumenti possono minare il morale di un avversario e alterare la percezione della realtà. I grandi modelli di linguaggio (LLM), come ChatGPT, vengono utilizzati per integrare rapidamente diverse fonti di informazione, migliorando così l’analisi dell’intelligence militare. Le loro capacità di elaborazione del linguaggio consentono di semplificare l’estrazione dei dati, supportare la traduzione in tempo reale e trasformare dati complessi in informazioni utili per il personale militare.
Inoltre, l’IA trova applicazione nel miglioramento della sicurezza informatica e nel rilevamento delle minacce di rete. I ricercatori del China Electronics Technology Group (CETC) sostengono che i modelli di IA possano identificare e contrastare minacce informatiche, stabilendo sistemi di allerta precoce per proteggere le reti di comunicazione militari. Altre aree di interesse comprendono la manutenzione predittiva e la gestione della catena di fornitura, dove l’IA può prevedere guasti nelle apparecchiature e semplificare la logistica di approvvigionamento.
Approcci tecnici all’integrazione dell’AI nel settore militare
I ricercatori della RPC stanno dando priorità allo sviluppo di modelli di IA “leggeri” per ambienti a risorse limitate, come le operazioni in prima linea. Questi modelli devono essere robusti e in grado di funzionare efficacemente con potenza di calcolo limitata. L’Aiwu Large Model (艾武大模型) è un esempio di tale approccio. Secondo un documento di ricerca, Aiwu offre compatibilità multipiattaforma sia per sistemi manned che unmanned, riuscendo a svolgere varie missioni anche in condizioni difficili.
Inoltre, gli esperti del PLA stanno attivamente lavorando per garantire che l’intelligenza artificiale militare possa integrare dati multimodali e supportare decisioni autonome in vari contesti strategici e tattici. Si riconosce che la guerra futura richiederà sistemi intelligenti capaci di elaborare dati in tempo reale, prendere decisioni proattive e sintetizzare informazioni da più fonti.
Adattamento del modello Llama per applicazioni militari
Il modello Llama di Meta è stato adattato dai ricercatori della RPC per rispondere alle esigenze militari. Le recenti iterazioni, come Llama 3.1, hanno dimostrato di avere capacità paragonabili a modelli closed source. Grazie alla sua natura open source, il modello può essere modificato e migliorato. Gli esperti cinesi si concentrano sull’adattamento per il dialogo multilingue, la generazione di codice e la risoluzione di problemi matematici complessi.
Tuttavia, ci sono diverse limitazioni nel modello Llama che i ricercatori hanno identificato. Una preoccupazione principale è rappresentata dalla dipendenza da dati di addestramento generali e privi di specificità per contesti militari. Inoltre, la scarsità di dati completi in lingua cinese limita la capacità del modello di cogliere le sfumature linguistiche e culturali necessarie per le comunicazioni efficaci in ambito militare. Per superare queste sfide, gli esperti del PLA hanno implementato tecniche avanzate di raccolta dati e miglioramenti algoritmici.
Tecniche di adattamento e personalizzazione del modello Llama
I ricercatori della RPC hanno adottato diverse strategie per personalizzare Llama per applicazioni militari. Una di queste strategie include la costruzione di set di dati specifici per dominio, che consistono nella raccolta di registrazioni di dialoghi militari, nella creazione di corpora di dati da documenti classificati e nell’integrazione di dati operativi in tempo reale. L’approccio Low-Rank Adaptation (LoRA) si è rivelato cruciale nella personalizzazione di Llama, consentendo ai ricercatori di sviluppare modelli specializzati senza dover riaddestrare l’intero sistema.
L’apprendimento per rinforzo è utilizzato per ottimizzare ulteriormente il modello, consentendo ai ricercatori di migliorare continuamente le risposte del modello in base ai feedback ricevuti. Questo approccio consente a Llama di adattarsi in modo dinamico alle situazioni mutevoli e di rispondere in modo appropriato alle diverse esigenze operative. Inoltre, tecniche come la quantizzazione e l’approccio Mixture-of-Experts (MoE) sono state esplorate per ridurre le esigenze computazionali del modello, permettendo così l’implementazione di Llama su dispositivi con potenza di calcolo limitata.
Applicazioni nei settori della Sicurezza e della Difesa
I modelli basati su Llama sono visti come strumenti promettenti per la polizia predittiva e la guerra elettronica. I modelli possono migliorare la consapevolezza della situazione e ottimizzare il processo decisionale, consentendo alle forze dell’ordine di reagire in modo più efficace alle emergenze. In ambito militare, esperti dell’Aviation Industry Corporation (AVIC) stanno esplorando come integrare Llama nelle strategie di guerra elettronica, utilizzando agenti di apprendimento per rinforzo per ottimizzare l’interferenza dei sistemi radar nemici.
Inoltre, esperti dell’China North Industries Group Corporation Limited (NORINCO) hanno studiato come integrare Llama nelle simulazioni di forze generate al computer (CGF). Questi modelli sono progettati per migliorare il processo decisionale autonomo, consentendo agli agenti di adattarsi alle dinamiche del campo di battaglia e migliorare l’efficacia delle operazioni militari.
Riferimenti
Per ulteriori approfondimenti sulle dinamiche dell’intelligenza artificiale e la strategia militare cinese, è possibile consultare il rapporto di Sina Finance del 13 settembre.
Zhang Long [张龙], Lei Zhen [雷震], Feng Xuanming [冯轩铭], Yan Xiaopei [阎晓培], Chen Renping [陈仁平]. “MLLM militari (modelli linguistici multimodali di grandi dimensioni): analisi applicata, tecnologie chiave e quadro del sistema di valutazione.” [军事大模型: 应用分析、关键技术和评估体系框架], 2024.
Zhao Qingtian [赵擎天], Liwei Li [李立伟], Xin Chen [陈鑫], Lizhi Hou [侯立志]. “Requisiti e chiarimenti su ChatGPT nelle applicazioni militari.” [ChatGPT+军事应用需求与启示]
Ji Pengfei [季鹏飞], Hua Songyi [华松逸], Zhang Yuchen [张煜晨], Xiao Mengmeng [肖蒙蒙], Yu Bingchen [余炳晨]. “Stato di sviluppo attuale dei modelli militari di grandi dimensioni e analisi dei requisiti dell’infrastruttura informatica.” [军事大模型发展现状与算力基础设施需求分], Journal of Dual Use Technologies & Products [军民两用技术与产品], giugno 2024, numero 488.
Cui Xiaolong [崔翛龙], Gao Zhiqiang [高志强], Ji Weitong [姬纬通], Shen Jianan [沈佳楠], Zhang Min [张敏], Qiu Xinyuan [邱鑫源]. “Aiwu Large Model+: sviluppo e studio empirico del sistema di modelli militari di grandi dimensioni.” [“艾武大模型+”：一种军事大模型系统的开发与实证], Journal of Data Acquisition and Processing [数据采集与处理], vol. 39, n. 3, maggio 2024, pp. 588-597.
Zhang Long [张龙], Lei Zhen [雷震], Feng Xuanming [冯轩铭], Yan Xiaopei [阎晓培], Chen Renping [陈仁平]. “MLLM militari (modelli linguistici multimodali di grandi dimensioni): analisi applicata, tecnologie chiave e quadro del sistema di valutazione.” [军事大模型: 应用分析、关键技术和评估体系框架], 2024.
Huang Jie [黄洁]. “Approfondimenti di Llama 3.1 per lo sviluppo dell’industria AIGC cinese.” [Llama 3.1对我国AIGC产业发展的启示], China Outsourcing, 2024, numero 08.
Xu Weijun [徐卫军], Deng Hongfei [邓宏飞], Jia Yaofeng [贾耀锋]. “Esplorazione e pratica della tecnologia di modelli di grandi dimensioni nella polizia intelligente.”[大模型技术在智慧警务的探索与实践], China Security and Protection [中國安防], giugno 2024.
Ibid.; Zhao Qingtian [赵擎天], Liwei Li [李立伟], Xin Chen [陈鑫], Lizhi Hou [侯立志]. “Requisiti e chiarimenti su ChatGPT nelle applicazioni militari.” [ChatGPT+军事应用需求与启示]
Cheng Shi [程式], Ye Chunyang [叶春阳]. “Sfide e riflessioni sull’applicazione della tecnologia dell’intelligenza artificiale nella costruzione di una ‘sicurezza pubblica intelligente’, basata sull’esplorazione pratica delle forze di polizia di Yueqing.” [“智慧公安” 建设中人工智能技术应用的挑战与思考———基于乐清公安的实践探索], Giornale dell’Università di Polizia di Zhejiang [浙江警察学院学报], agosto 2024, n. 4, Ser. N. 204.
Cui Xiaolong [崔翛龙], Gao Zhiqiang [高志强], Ji Weitong [姬纬通], Shen Jianan [沈佳楠], Zhang Min [张敏], Qiu Xinyuan [邱鑫源]. “Aiwu Large Model+: sviluppo e studio empirico del sistema di modelli militari di grandi dimensioni.” [“艾武大模型+”：一种军事大模型系统的开发与实证], Journal of Data Acquisition and Processing [数据采集与处理], vol. 39, n. 3, maggio 2024, pp. 588-597.
Xu Weijun [徐卫军], Deng Hongfei [邓宏飞], Jia Yaofeng [贾耀锋]. “Esplorazione e pratica della tecnologia di modelli di grandi dimensioni nella polizia intelligente.”[大模型技术在智慧警务的探索与实践], China Security and Protection [中國安防], giugno 2024.
Zhang Huaping [张华平], Li Chunjin [李春锦], Wei Shunping [魏顺平], Geng Guotong [耿国桐], Li Weiwei [李伟伟] e Li Yugang [李玉岗], “Large Language Model-Driven Open-Source Intelligence” Cognizione” [“大语言模型驱动的开源情报认知认领”], National Defense Technology [国防科技], marzo 2024. 3.
Peng Haojie [彭皓杰] , Zhang Wengyu [张文宇], Chen Ruihai [陈锐海], Zhang Qiyue [张启悦]. “Ottimizzazione dell’addestramento strategico di jamming di autodifesa nel combattimento aereo guidato da modelli linguistici di grandi dimensioni.” [“大语言模型驱动的空战自卫干扰策略训练优化”] , Journal of Detection & Control [探测与控制学报] , ottobre 2024.
Cheng Shi [程式], Ye Chunyang [叶春阳]. “Sfide e riflessioni sull’applicazione della tecnologia dell’intelligenza artificiale nella costruzione di una ‘sicurezza pubblica intelligente’, basata sull’esplorazione pratica delle forze di polizia di Yueqing.” [“智慧公安” 建设中人工智能技术应用的挑战与思考———基于乐清公安的实践探索], Giornale dell’Università di Polizia di Zhejiang [浙江警察学院学报], agosto 2024, n. 4, Ser. N. 204.
Lee, Guangyun [李广运], Chen, Delei [陈德雷], Yuan, Yafei [袁亚飞]. “Ricerca sull’applicazione del modello linguistico di grandi dimensioni nelle forze generate dal computer.” [大模型在计算机生成兵力中的应用研究], La sesta conferenza accademica sull’ingegneria dei sistemi, Yunan, Cina, agosto 2024; Zhang Long [张龙], Lei Zhen [雷震], Feng Xuanming [冯轩铭], Yan Xiaopei [阎晓培], Chen Renping [陈仁平]. “MLLM militari (modelli linguistici multimodali di grandi dimensioni): analisi applicata, tecnologie chiave e quadro del sistema di valutazione.” [军事大模型: 应用分析、关键技术和评估体系框架], 2024
Xu Weijun [徐卫军], Deng Hongfei [邓宏飞], Jia Yaofeng [贾耀锋]. “Esplorazione e pratica della tecnologia di modelli di grandi dimensioni nella polizia intelligente.”[大模型技术在智慧警务的探索与实践], China Security and Protection [中國安防], giugno 2024; Cheng Shi [程式], Ye Chunyang [叶春阳]. “Sfide e riflessioni sull’applicazione della tecnologia dell’intelligenza artificiale nella costruzione di una ‘sicurezza pubblica intelligente’, basata sull’esplorazione pratica delle forze di polizia di Yueqing.” [“智慧公安” 建设中人工智能技术应用的挑战与思考———基于乐清公安的实践探索], Giornale dell’Accademia di polizia di Zhejiang [浙江警察学院学报], agosto 2024, n. 4, Ser. N. 204.
Peng Haojie [彭皓杰] , Zhang Wengyu [张文宇], Chen Ruihai [陈锐海], Zhang Qiyue [张启悦]. “Ottimizzazione dell’addestramento strategico di jamming di autodifesa nel combattimento aereo guidato da modelli linguistici di grandi dimensioni.” [“大语言模型驱动的空战自卫干扰策略训练优化”] , Journal of Detection & Control [探测与控制学报] , ottobre 2024.
Lee, Guangyun [李广运], Chen, Delei [陈德雷], Yuan, Yafei [袁亚飞]. “Ricerca sull’applicazione del modello linguistico di grandi dimensioni nelle forze generate dal computer.” [大模型在计算机生成兵力中的应用研究], La sesta conferenza accademica sull’ingegneria dei sistemi, Yunan, Cina, agosto 2024.
Zhang Huaping [张华平], Li Chunjin [李春锦], Wei Shunping [魏顺平], Geng Guotong [耿国桐], Li Weiwei [李伟伟] e Li Yugang [李玉岗], “Large Language Model-Driven Open-Source Intelligence” Cognizione” [“大语言模型驱动的开源情报认知认领”], National Defense Technology [国防科技], marzo 2024. 3.