این آزمایشگاه ملی ایالات متحده برای شکار سلاح های هسته ای سرکش به هوش مصنوعی روی آورد

محققان آزمایشگاه ملی شمال غرب اقیانوس آرام آمریکا (PNNL) در حال توسعه تکنیک‌های یادگیری ماشینی هستند تا به فدرال رزرو کمک کنند تا سلاح‌های هسته‌ای بالقوه سرکش را سرکوب کنند.

کافی است بگوییم، داشتن سلاح هسته ای برای هر فرد یا گروهی، به طور کلی در ایالات متحده، غیرقانونی است. بله، پنج کشور به رسمیت شناخته شده دارای سلاح هسته ای – فرانسه، روسیه، چین، بریتانیا و ایالات متحده – وجود دارند که دولت هایشان انباری از این دستگاه ها را در اختیار دارند. و کشورهایی هستند که سازمان ملل را امضا کرده اند. معاهده منع سلاح های هسته ای، به این معنی که آنها قول داده اند این ابزارها را «توسعه، آزمایش، تولید، خرید، تملک، ذخیره، استفاده یا تهدید به استفاده» نکنند.

بنابراین اگر کسی سلاح هسته‌ای در اختیار دارد، به این دلیل است که آنها کشوری هستند که در باشگاه رسمی مسلح هسته‌ای هستند، آنها دولتی هستند که خودشان سلاح‌های هسته‌ای تولید کرده‌اند، تروریست‌هایی هستند که خودشان یکی را دزدیده، خریداری کرده یا به‌نوعی ساخته‌اند، یا برخی دیگر. سناریوی طرح دار، حداقل از نظر آمریکا.

(این که آیا کلاهک‌های هسته‌ای دزدیده شده یا غیرمجاز چیزی ارزش نگرانی است یا فقط رویاپردازی تام کلنسی است، موضوعی است که برای یک روز دیگر یا در بخش نظرات می‌گذاریم.)

تشخیص علائم فعالیت هسته ای نامطلوب به توانایی تجزیه و تحلیل صحیح مواد شیمیایی و زیرساخت های مورد نیاز برای ساخت این سلاح های تخصصی روز قیامت بستگی دارد. استیون اشبی، مدیر PNNL، توضیح داد که چگونه آزمایشگاه با بودجه وزارت انرژی ایالات متحده از یادگیری ماشینی برای شناسایی تهدیدات هسته ای استفاده می کند.

و نه فقط شناسایی: به ما گفته می‌شود که تکنیک‌ها به آن اجازه می‌دهند «تهدیدها را سریع‌تر و آسان‌تر» از قبل شناسایی کند.

یکی از روش ها که از یک مدل رمزگذار خودکار استفاده می کند، تصاویر مواد رادیواکتیو را پردازش می کند تا بفهمد از کجا آمده و چگونه ساخته شده است. این نرم افزار یک امضا یا اثر انگشت نمونه را تولید می کند و آن را با پایگاه داده ای از تصاویر میکروسکوپ الکترونی گرفته شده از دانشگاه ها و سایر آزمایشگاه های ملی مقایسه می کند. 

با نگاهی به شباهت این ذرات به کتابخانه تصاویر، تحلیلگران می توانند میزان خالص بودن نمونه ناشناخته را تخمین بزنند و مواد منبع آن را در آزمایشگاه های احتمالی تولید محصولات هسته ای ردیابی کنند. اگر می خواهید بدانید که آیا مواد به اندازه کافی برای ایجاد یک سلاح هسته ای قابل دوام خوب است و چه کسی پشت آن است، مفید است. اشبی گفت که کار PNNL در اینجا به مجریان قانون کمک کرده است تا اهداف را شناسایی کرده و تحقیقات را سرعت بخشد.

همانطور که این آزمایشگاه بیان کرد، "مواد رادیواکتیو یک ریزساختار منحصر به فرد بر اساس شرایط محیطی یا خلوص مواد اولیه در تاسیسات تولید خود خواهند داشت." از این ساختار منحصربه‌فرد، با کمک نرم‌افزار، می‌توان برای بستن آزمایشگاه یا کارخانه‌ای که آن را تولید کرده است، استفاده کرد.

آژانس بین‌المللی انرژی اتمی بر تأسیسات بازفرآوری هسته‌ای در کشورهای غیر مسلح هسته‌ای نظارت می‌کند تا مطمئن شود که آنها، به‌عنوان مثال، پلوتونیوم تولید شده در نیروگاه‌های هسته‌ای را به درستی دفع می‌کنند و مخفیانه این فلز را برای تولید تسلیحات مخفی نمی‌کنند. 

مقامات به روش های مختلف از بازرسی های حضوری گرفته تا تجزیه و تحلیل نمونه منابع بر این امکانات نظارت می کنند. تکنیک دیگری که در حال حاضر در PNNL در حال توسعه است شامل آموزش نرم افزار مبتنی بر ترانسفورماتور برای ردیابی مستقیم فعالیت آزمایشگاه های بازفرآوری هسته ای و تشخیص خودکار رفتارهای مشکوک است.

ابتدا یک نسخه مجازی شبیه سازی یک مرکز پردازش مجدد ساخته می شود. داده های تولید شده توسط این مدل ردیابی "الگوهای زمانی مهم" برای آموزش مدل استفاده می شود. پیش‌بینی می‌کند که اگر برای مقاصد صلح‌آمیز مورد استفاده قرار می‌گیرد، چه الگوهایی باید از مناطق مختلف یک کارخانه مشاهده شود، و اگر داده‌های جمع‌آوری‌شده از یک مرکز با پیش‌بینی‌های مدل مطابقت نداشته باشد، می‌توان از کارشناسان برای بررسی بیشتر دعوت کرد.

کارشناسان ما در حال ترکیب تخصص در منع گسترش سلاح های هسته ای و استدلال مصنوعی برای شناسایی و کاهش تهدیدات هسته ای هستند. هدف آنها استفاده از تجزیه و تحلیل داده ها و یادگیری ماشینی برای نظارت بر مواد هسته ای است که می تواند برای تولید سلاح های هسته ای استفاده شود. گفت:.

با این حال، این روش‌های خودکار فقط برای شناسایی نشانه‌هایی از فعالیت‌های هسته‌ای غیرقانونی احتمالی استفاده می‌شوند. کارشناسان انسانی هنوز باید گزارش ها را تأیید و تأیید کنند.

«الگوریتم‌های یادگیری ماشین و رایانه‌ها به این زودی جایگزین انسان‌ها در تشخیص تهدیدات هسته‌ای نخواهند شد. اما آنها ممکن است این امکان را برای مردم فراهم کنند که اطلاعات مهم را کشف کنند و خطرات را سریعتر و آسانتر شناسایی کنند." 

ثبت نام از PNNL برای نظر و اطلاعات بیشتر خواسته است. ما مشکوک هستیم که برخی از جزئیات ممکن است به دلایل امنیتی مبهم نگه داشته شوند. ®

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی به اینجا.
• منبع: https://go.theregister.com/feed/www.theregister.com/2023/03/30/us_ai_nuclear_hunter/