Эта национальная лаборатория США обратилась к ИИ для охоты на мошенническое ядерное оружие

Исследователи из Тихоокеанской северо-западной национальной лаборатории Америки (PNNL) разрабатывают методы машинного обучения, чтобы помочь федеральным властям расправиться с потенциально мошенническим ядерным оружием.

Достаточно сказать, что владение ядерным оружием любым человеком или группой лиц, особенно в Соединенных Штатах, является незаконным. Да, есть пять официально признанных ядерных держав — Франция, Россия, Китай, Великобритания и США — чьи правительства хранят эти устройства. И есть страны, которые подписали соглашение ООН. Договор о запрещении ядерного оружия, что означает, что они пообещали не «разрабатывать, тестировать, производить, приобретать, владеть, накапливать, использовать или угрожать использованием» этих гаджетов.

Так что если у кого-то есть ядерное оружие, то это потому, что он является страной в официальном клубе ядерных вооружений, это правительство, которое произвело собственное ядерное оружие, террорист, который украл, купил или каким-то образом построил его сам, или кто-то еще схематичный сценарий, по крайней мере, в глазах Америки.

(Являются ли украденные или несанкционированные ядерные боеголовки чем-то, о чем стоит беспокоиться, или это просто мечта Тома Клэнси, это тема, которую мы оставим на другой день или в разделе комментариев.)

Обнаружение признаков нежелательной ядерной активности зависит от способности правильно проанализировать химические вещества и инфраструктуру, необходимые для производства этого специализированного оружия судного дня. Стивен Эшби, директор PNNL, рассказал, как лаборатория, финансируемая Министерством энергетики США, использует машинное обучение для выявления ядерных угроз.

И не только идентифицировать: методы позволяют ему обнаруживать «угрозы быстрее и легче», чем раньше, как нам говорят.

Один метод, использующий модель автоэнкодера, обрабатывает изображения радиоактивного материала, чтобы выяснить, откуда он взялся и как был сделан. Программное обеспечение создает подпись или отпечаток пальца образца и сравнивает его с базой данных изображений, полученных с помощью электронного микроскопа, полученных из университетов и других национальных лабораторий. 

Глядя на то, насколько эти частицы похожи на библиотеку изображений, аналитики могут оценить, насколько чист неизвестный образец, и проследить его исходные материалы до возможных лабораторий, производящих ядерные продукты. Это полезно, если вы хотите знать, достаточно ли хорош материал для создания жизнеспособного ядерного оружия и кто за ним стоит. Эшби сказал, что работа PNNL здесь помогла правоохранительным органам определить цели и ускорить расследования.

По словам лаборатории, «радиоактивный материал будет иметь уникальную микроструктуру в зависимости от условий окружающей среды или чистоты исходных материалов на его производственном объекте». Эта уникальная структура с помощью программного обеспечения может быть использована для того, чтобы определить, какая лаборатория или фабрика ее произвела, по крайней мере, так нам говорят.

Международное агентство по атомной энергии контролирует объекты по переработке ядерных материалов в государствах, не обладающих ядерным оружием, чтобы убедиться, например, что они правильно утилизируют плутоний, образующийся на атомных электростанциях, а не тайно прячут металл для производства оружия. 

Чиновники контролируют эти объекты различными способами: от личных инспекций до выборочного анализа ресурсов. Другой метод, который в настоящее время разрабатывается в PNNL, включает в себя обучение программного обеспечения на основе трансформатора непосредственному отслеживанию деятельности лабораторий по переработке ядерных материалов и автоматическому выявлению подозрительного поведения.

Во-первых, создается виртуальная реплика, имитирующая установку по переработке. Данные, сгенерированные этой моделью, отслеживающей «важные временные закономерности», используются для обучения модели. Он предсказывает, какие закономерности следует наблюдать в различных областях станции, если она используется в мирных целях, и если данные, фактически собранные с объекта, не соответствуют предсказаниям модели, можно вызвать экспертов для дальнейшего расследования.

«Наши эксперты объединяют опыт в области нераспространения ядерного оружия и искусственные рассуждения для обнаружения и смягчения ядерных угроз. Их цель — использовать аналитику данных и машинное обучение для мониторинга ядерных материалов, которые могут быть использованы для производства ядерного оружия», — сказал Эшби. — сказал.

Однако эти автоматизированные методы используются только для обнаружения признаков возможной незаконной ядерной деятельности. Людям-экспертам по-прежнему необходимо проверять и подтверждать отчеты.

«Алгоритмы машинного обучения и компьютеры не заменят человека в обнаружении ядерных угроз в ближайшее время. Но они могут позволить людям быстрее и проще находить важную информацию и выявлять риски», — заключил он. 

Регистр попросил PNNL предоставить дополнительные комментарии и информацию. Мы подозреваем, что некоторые детали могут оставаться неясными из соображений безопасности. ®

• SEO-контент и PR-распределение. Получите усиление сегодня.
• Платоблокчейн. Интеллект метавселенной Web3. Расширение знаний. Доступ здесь.
• Источник: https://go.theregister.com/feed/www.theregister.com/2023/03/30/us_ai_nuclear_hunter/