Tämä Yhdysvaltain kansallinen laboratorio kääntyi tekoälyn puoleen metsästääkseen rikollisia ydinaseita

Amerikan Pacific Northwest National Laboratoryn (PNNL) tutkijat kehittävät koneoppimistekniikoita auttamaan liittovaltioita hillitsemään mahdollisesti rikollisia ydinaseita.

Riittää, kun sanotaan, että on yleensä laitonta kenen tahansa yksilön tai ryhmän omistaa ydinase, varsinkin Yhdysvalloissa. Kyllä, on viisi virallisesti tunnustettua ydinasevaltiota – Ranska, Venäjä, Kiina, Iso-Britannia ja Yhdysvallat – joiden hallituksilla on kätkössä näitä laitteita. Ja on maita, jotka ovat allekirjoittaneet Yhdistyneiden kansakuntien. Ydinaseiden kieltämistä koskeva sopimus, mikä tarkoittaa, että he ovat luvanneet olla "kehittämättä, testaamatta, tuottamatta, hankkimatta, omistavansa, varastoimatta, käyttämättä tai uhkaavansa käyttää" näitä laitteita.

Joten jos jollakin on hallussaan ydinase, se johtuu siitä, että he ovat virallisessa ydinaseklubissa oleva maa, he ovat hallitus, joka on valmistanut omat ydinaset, terroristi, joka varasti, osti tai jollain tavalla rakensi sellaisen itse, tai joku muu. luonnollinen skenaario, ainakin Amerikan silmissä.

(Jätetäänkö toiselle päivälle, tai kommenttiosaan, ovatko varastetut tai hyväksymättömät ydinkärjet huolestumisen arvoisia, vai vain Tom Clancyn ruokkima unelma.)

Ei-toivotun ydintoiminnan merkkien havaitseminen riippuu kyvystä analysoida oikein kemikaalit ja infrastruktuuri, joita tarvitaan näiden erikoistuneiden tuomiopäiväaseiden valmistukseen. PNNL:n johtaja Steven Ashby kuvaili, kuinka Yhdysvaltain energiaministeriön rahoittama laboratorio käyttää koneoppimista ydinuhkien tunnistamiseen.

Eikä vain tunnistaa: tekniikat antavat sille mahdollisuuden poimia "uhat nopeammin ja helpommin" kuin ennen, meille kerrotaan.

Yksi menetelmä, joka käyttää autoenkooderimallia, käsittelee kuvia radioaktiivisesta materiaalista selvittääkseen, mistä se on peräisin ja miten se on valmistettu. Ohjelmisto tuottaa näytteestä allekirjoituksen tai sormenjäljen ja vertaa sitä yliopistoista ja muista kansallisista laboratorioista otettujen elektronimikroskooppikuvien tietokantaan. 

Tarkastelemalla, kuinka samanlaisia ​​nämä hiukkaset ovat kuvakirjaston kanssa, analyytikot voivat arvioida, kuinka puhdas tuntematon näyte on, ja jäljittää sen lähdemateriaalit mahdollisiin ydintuotteita valmistaviin laboratorioihin. Siitä on hyötyä, jos haluat tietää, onko materiaali riittävän hyvä elinkelpoisen ydinaseen luomiseen ja kuka on sen takana. Ashby sanoi, että PNNL:n työ täällä oli auttanut lainvalvontaviranomaisia ​​löytämään kohteet ja nopeuttanut tutkimuksia.

Kuten laboratorio totesi, "radioaktiivisella materiaalilla on ainutlaatuinen mikrorakenne, joka perustuu sen tuotantolaitoksen ympäristöolosuhteisiin tai lähtömateriaalien puhtauteen." Tämän ainutlaatuisen rakenteen avulla voidaan ohjelmistojen avulla sulkea selville, mikä laboratorio tai tehdas sen on tuottanut, tai niin meille kerrotaan.

Kansainvälinen atomienergiajärjestö valvoo ydinaseettomien valtioiden ydinjälleenkäsittelylaitoksia varmistaakseen, että ne esimerkiksi hävittävät ydinvoimaloissa syntyneen plutoniumin asianmukaisesti eivätkä piilota metallia salaa aseiden valmistukseen. 

Virkamiehet valvovat näitä tiloja eri tavoin henkilökohtaisista tarkastuksista resurssien näyteanalyysiin. Toinen PNNL:llä parhaillaan kehitteillä oleva tekniikka sisältää muuntajapohjaisten ohjelmistojen koulutuksen, joka seuraa suoraan ydinjälleenkäsittelylaboratorioiden toimintaa ja havaitsee automaattisesti epäilyttävän toiminnan.

Ensin rakennetaan virtuaalinen kopio, joka simuloi jälleenkäsittelylaitosta. Tämän mallin tuottamaa tietoa, joka seuraa "tärkeitä ajallisia malleja", käytetään mallin kouluttamiseen. Se ennustaa, mitä malleja tulisi havaita laitoksen eri alueilta, jos sitä käytetään rauhanomaisiin tarkoituksiin, ja jos laitoksesta todella kerätyt tiedot eivät vastaa mallin ennusteita, asiantuntijoita voidaan kutsua tutkimaan lisää.

”Asiantuntijamme yhdistävät ydinsulkuasituntemusta ja keinotekoista päättelyä ydinuhkien havaitsemiseksi ja lieventämiseksi. Heidän tavoitteenaan on data-analytiikan ja koneoppimisen avulla seurata ydinmateriaaleja, joita voitaisiin käyttää ydinaseiden valmistukseen, Ashby sanoi.

Näitä automatisoituja menetelmiä käytetään kuitenkin vain havaitsemaan merkkejä mahdollisesta laittomasta ydintoiminnasta. Ihmisasiantuntijoiden on vielä tarkistettava ja vahvistettava raportit.

”Koneoppimisalgoritmit ja tietokoneet eivät lähiaikoina korvaa ihmistä ydinuhkien havaitsemisessa. Mutta niiden avulla ihmiset voivat löytää tärkeitä tietoja ja tunnistaa riskejä nopeammin ja helpommin", hän päätti. 

Rekisteri on pyytänyt PNNL:ltä lisäkommentteja ja -tietoja. Epäilemme, että jotkin tiedot saatetaan pitää epämääräisinä turvallisuussyistä. ®

• SEO-pohjainen sisällön ja PR-jakelu. Vahvista jo tänään.
• Platoblockchain. Web3 Metaverse Intelligence. Tietoa laajennettu. Pääsy tästä.
• Lähde: https://go.theregister.com/feed/www.theregister.com/2023/03/30/us_ai_nuclear_hunter/