با سنتینت، مغز مصنوعی درحال توسعه برای اهداف جاسوسی آشنا شوید
مداربسته: ایالات متحده بتازگی از مغزی مصنوعی به نام سنتینت رونمایی كرده است كه قادر به جذب انواع اطلاعات در سطح انبوه با اهداف جاسوسی است.
زومیت نوشت: نیروی هوایی و مدیران سازمان هوش فضایی ملی (NGA) در آخرین نشست سمپوزیوم فضایی سال ۲۰۱۹ در كلرادو اسپرینگز در مورد آنچه «نوآوری سازمان» می خوانند، به بحث پرداختند. بحث مبهم بود تا اینكه سؤال مستقیم و شفاف یكی از مخاطبان، هیئت بحث را هیجان زده كرد. سؤال این بود: «عملكرد الگوریتم های هوش و ارتش در تفسیر داده ها و اقدام بر طبق تحلیل آنها چگونه است؟» در پاسخ به این پرسش به نرم افزار صنعت ماهواره ای دیجیتالی اشاره شد كه بالافاصله بعد از تصویربرداری فضایی قادر به شمارش مخازن حمل و نقل كشتی های باربری یا تعداد خودرو های موجود در پاركینگ است. سؤال بعدی این بود: «وزارت دفاع دقیقا چه زمانی به آرایش نظامی خودكار و زمان واقعی خواهد رسید؟» چیراگ پاریخ، رئیس دفتر علوم و روش شناسی NGA در پاسخ به این پرسش اظهار داشت: سؤال بسیار خوبی است و البته پاسخ های طبقه بندی شده و خوبی برای آن وجود دارند. هوش فضایی دیگر محدود به تصاویر ماهواره ای نمی گردد. بلكه به مدلول برچسب زمانی، مكانی و كوشش برای یكپارچه سازی كل داده های متفرقه است. سپس پاریخ در پاسخ به این پرسش كه «چه زمانی می توان به درك حدودا لحظه ای و توسعه ی استراتژی پرداخت؟» گفت، این هدف بزودی محقق خواهد شد.
پاریخ به هیچ برنامه ی مشخصی برای كمك به تفسیر زمان واقعی و خودكار اشاره نكرد؛ اما برنامه ای نوآورانه به نام «سِنتیِنت» (Sentient، معنای لغوی: چیزی كه قابلیت ادراك دارد) قابلیت های مرتبطی دارد. سنتینت كه محصول NRO (دفتر اكتشافی ملی) است، ابزار تحلیلی اصطلاحا همه چیزخوار است كه قادر به جذب انواع داده ها، درك گذشته و حال، پیش بینی آینده و جهت گیری مناسب ماهواره ها برای رسیدن به بهترین نتایج است. به لطف این فناوری، كار برای مفسرین انسانی و سازمان هایی مثل NGA و شركای ماهواره ای NRO آسان خواهد شد. سنتینت تابحال محرمانه بود و صرفا در بحث های آزاد به شكلی محدود به آن اشاره می شد؛ اما اسناد منتشرشده كه خیلی از آنها در دسته ی محرمانه یا فوق محرمانه طبقه بندی شده اند، جزئیاتی را در مورد اهداف، پیشرفت و دسترسی به این برنامه ارائه می دهند. پژوهش در رابطه با سنتینت از اكتبر ۲۰۱۰ و بعد از ارسال درخواست گزارش های Sentient Enterprise توسط سازمان NRO شروع شد. بر طبق یكی از اسناد منتشرشده، برنامه ی سنتینت در سال ۲۰۱۳ به نخستین شاخص R&D (شاخص تحقیق و توسعه) خود رسید اما جزئیات آن منتشر نشد (رئیس روابط عمومی NRO، كارن فورگورسن از نظردهی درباره ی زمان بندی این پروژه خودداری كرد). جلسه ی كمیته ی یگان نیروهای مسلح در ارتباط با فضای امنیت ملی شامل خلاصه ای فوری از این مغز داده محور بود اما در جلسات عمومی اشاره ای به آن نمی شد. در سال ۲۰۱۸، خبر نمایش عمومی سنتینت منتشر شد؛ بااینكه به قول فورگرسن این پروژه هنوز درحال توسعه بود. فورگرسن می گوید: NRO اطلاعات زیادی را درباره ی عمومیت سنتینت ارائه نداد؛ برای اینكه این برنامه محرمانه بود و NRO پیش از كنگره به ندرت در جلسات آزاد شركت می كرد. سازمان NRO سال ها است در حال كار روی مغز مصنوعی است؛ اما جزئیات كمی را در اختیار عموم قرار داده بود. به قول فورگورسن: «این مغز، حجم زیادی از داده ها را دریافت و پردازش می كند. سنتینت به دسته بندی الگوهای عادی می پردازد، ناهنجاری ها را كشف می كند و به پیش بینی اقدامات بالقوه ی هجومی كمك می نماید.» NRO از ارائه ی نمونه الگوها یا ناهنجاری ها خودداری كرد اما می توان تصور كرد، تشخیص مسائلی مثل «عدم حركت موشك» در مقابل «حركت موشك» در این لیست قرار دارند. سنتینت با این پیش بینی ها می تواند سنسور ماهواره ها را در زمان صحیح در راه صحیح قرار دهد و اقدامات مجرمانه (هر آنچه كه می خواهد ببیند) را تشخیص دهد. به قول فورگورسن، «سنتینت سیستمی متفكر است».
تصویر ماهواره ای USSR كه توسط كورونا ثبت شده است سنتینت نویدبخش ظهور نوعی پادآرمان شهر یا ویران شهر (نقطه ی مقابل آرمان شهر) نیست. بر طبق اسناد منتشرشده توسط NRO، سنتینت می تواند بازدهی و بهره وری ماهواره ها را افزایش دهد. همین طور انسان با این سیستم می تواند بجای جستجوی سوزن در انبار كاه، بیشتر روی تحلیل عمیق تمركز كند. البته امكان دارد سنتینت انحراف هایی هم داشته باشد، نتایج مشكوك عرضه نماید و نگرانی هایی را برای آزادی شهروندان به دنبال داشته باشد. در كل به سبب ماهیت محرمانه ی سنتینت، اطلاعاتی هم درباره ی مشكلات بالقوه ی آن در دست نیست. به قول فورگرسون: بر طبق استانداردهای انجمن هوش و NRO، منابع و روش های حساب به سبب خطر تهدید دشمن، افشا نمی شوند. از بین رفتن اطلاعات به ضرر كشور و متحدان آن است، همین طور مزیت اطلاعاتی و امنیت ملی ایالات متحده را می كاهد. بنا بر این جزئیات مربوط به سنتینت محرمانه هستند و صرفا اطلاعات محدودی از آنرا می توانیم ارائه دهیم. برنامه های ماهواره ای از محرمانه ترین نوآوری های هوش هستند. نخستین پروژه ی ماهواره ای به نام كورونا (Corona) در سال ۱۹۵۸ آغاز شد؛ هدف این برنامه ثبت تصاویری از فضا بود؛ این ماهواره در اوت ۱۹۶۰ موفق به نخستین فیلم برداری از جو زمین شد. چند سال بعد، ادوین لند، مدیرعامل پولاروید، فیلم را در دفتر اوال و در حضور دوایت آیزنهاور، رئیس جمهور وقت آمریكا به نمایش درآورد و تصاویر فرودگاه ها و پایگاه های نظامی جماهیر شوروی را در اختیار او گذاشت. افشای اطلاعات كورونا زمینه ای برای تأسیس سازمانی جدید شد كه مسئولیت طراحی، دریافت و عملیات ماهواره های اكتشافی را برعهده داشت. این شركت NRO بود كه درست در سال بعد به صورت رسمی تأسیس شد. NRO در دهه ی ۱۹۷۰، ماهواره های سری keyhole را پرتاب كرد كه از نظر مشخصات مشابه تلسكوپ فضایی هابل بودند؛ با این تفاوت كه هدف آنها زمین بود، نه كهكشان های دیگر. مجموعه ی مداری NRO شامل داده هایی است كه در طول تست یا عملیات هواپیمایی، موشكی و سیستم های دیگر جمع آوری شده اند؛ همین طور شامل صوت های استراق سمع شده، ارتباطات متنی، تصویری و راداری است. در بین بیش از۱۵۰ ماهواره ی نظامی ایالات متحده، NRO پنجاه ماهواره را در اختیار دارد.
تصویر ماهواره ای اعتصاب تانكر نفتی در خلیج عمان، ژوئن ۲۰۱۹ بعد از گذشت حدودا ۶ دهه از تأسیس NRO، مدار زمین با حضور ماهواره های دیگر همچون ماهواره های شركت های خصوصی هوش، شلوغ شده است. BlackSky یكی از این شركت ها است كه از ماهواره ها برای تغذیه ی سیستمی استفاده می نماید كه همتای غیرمحرمانه ی سنتینت است. در تاریخ ۱۳ ژوئن و بعد از حمله به دو تانكر نفتی، BlackSky ماهواره های خودرا وارد عمل كرد و درحالی كه دود حاصل از انفجارها در هوا پخش شده بود، از این حادثه عكس برداری كرد. بر طبق گزارش های خبری محلی و سیگنال های انحراف كشتی، اتفاقی در حال رخ دادن بود كه موجب شد مفسرین BlackSKY توجه خودرا به خط شلوغ كشتی رانی در نزدیكی ایران جلب كنند. این پروسه كه به اصطلاح به آن «اطلاع رسانی و سرنخ دهی» می گویند، این گونه تعریف می شود: استفاده از داده های افشاشده از منبعی برای سرنخ دهی به ماهواره به منظور رصد نقطه ای مشخص یا استفاده از اطلاعات ماهواره برای افزایش سرعت مجموعه ابزار دیگر. سیستم خودكار در شرایط ایده آل انواع داده ها را جذب می كند، آنها را به داده های قابل درك تبدیل می كند، سپس به هدایت ماهواره می پردازد و داده های ماهواره را وارد حلقه ی تحلیل می كند. در این مرحله، سیستم به نتیجه ای هوشمندانه تر می رسد، ماهواره ها و سنسورهای دیگر را هدایت و كل پروسه را تكرار می كند. شركت ها و سازمان های امنیتی-اطلاعاتی با این پروسه می توانند دست به ساخت برج های اطلاعاتی درباره ی گذشته بزنند، سریع تر از رقبا از رویدادهای زمان حال آگاه شوند و حتی روزی به پیش بینی آینده بپردازند. مغز مصنوعی سنتینت قادر به دریافت و پردازش تمام انواع داده ها است بعد از ساخت شبكه ای از ماهواره های ناظر زمین توسط صنایع تجاری، جامعه ی هوش موردتوجه قرار گرفت. NRO و NGA (تحلیگر داده های NRO) در سال ۲۰۱۶ از برنامه ی تجاری GEOINT برای خرید بهتر داده ها خبر دادند. در سال ۲۰۱۷، NRO مسئولیت خرید را برعهده گرفت و از آن زمان حداقل سه قرارداد جدید را امضا كرد. یكی از شركت های طرف قرارداد Maxar بود كه مالك قدرتمندترین ماهواره های دقیق و قدرتمند بخش خصوصی است و برای مدتی طولانی تنها شركتی بود كه تصاویر ماهواره ای را به NRO می فروخت. گرچه این دفعه NRO قرارداد دیگری را هم با Planet امضا كرد. Planet یك مجموعه از ماهواره های كوچك را هدایت می كند كه هر روز به تصویربرداری از خشكی های زمین می پردازند. سومین طرف قرارداد، هم شركت BlackSky است. اینجا است كه سنتینت وارد عمل می شود: با استفاده از تمام تصاویر NRO، ارتش و سازمان های ماهواره ای همراه با دیگر تصاویر هوش جغرافیایی و هرچیزی كه دارای برچسب زمان و مكان باشد، مجموعه ی وسیعی از اطلاعات را تولید می كنند كه حتی ارتشی از انسان ها هم جهت بررسی آن كافی نیست. در نتیجه NRO برای كنترل این حجم انبوه از داده ها از هوش مصنوعی كمك می گیرد. به قول فورگرسن: «هدف سنتینت، كمك به تحلیل گرها برای اتصال نقاط در مجموعه ی انبوه داده ها است.»
اما سنتینت چگونه می تواند نقاط را به یكدیگر وصل كند؟ هنوز دقیقا معین نمی باشد. اسناد منتشرشده به وضوح نمی گویند سنتینت كدام نوع از منابع داده ای را بررسی می كند، اما بدیهی است كه این برنامه تمام انواع اطلاعات را جذب می كند. به قول استیون افترگود، پژوهشگر فدراسیون دانشمندان آمریكایی: «سنتینت می تواند تلفیقی از استراق سمع الكترونیكی ارتباطات بین المللی؛ تصویربرداری اولویت یا منابع انسانی باشد. برای مثال مردم از وقوع اتفاقی روی یك تپه خبر دهند.» تحلیل گر بازنشسته ی CIA، آلن تامسون قدم را فراتر می گذارد و می گوید: طبق درك من، پاسخ به این پرسش «همه چیز» است. اطلاعات علاوه بر تصاویر، داده های مالی، اطلاعات آب و هوایی، آمار كشتی رانی، اطلاعات كاوشهای گوگل، سوابق خرید دارو و خیلی از موارد دیگر را می تواند دربر بگیرد. برای مثال بخش خصوصی را در نظر بگیرید: Blacksky داده ها را از ۲۵ ماهواره دریافت می كند كه شامل بیشتر از ۴۰ هزار منبع جدید، ۱۰۰ میلیون دستگاه موبایل، ۷۰ هزار كشتی و هواپیما، هشت شبكه ی اجتماعی، ۵۰۰۰ سنسور محیطی و هزاران دستگاه اینترنت اشیا است. در آینده مقرر است تعداد این ماهواره ها به ۶۰ ماهواره ی ناظر زمین برسد. كل این اطلاعات بر طبق نوع، وارد كانال های پردازشی متفاوتی می شوند. BlackSky می تواند بر طبق این اطلاعات به استخراج افراد، مكان ها، سازمان ها و كلمات كلیدی بپردازد؛ بر طبق تصویر می تواند نقشه ای از ساختمان های لطمه دیده بعد از زلزله را تهیه نماید. تمام این اطلاعات پردازش می شوند اما تا این مرحله هنوز جدا هستند؛ در مرحله ی بعد داده ها وارد موتور تحلیل عظیمی می شوند كه آنها را تجزیه می كند و سپس به ماهواره ها می گویند چه عملیاتی را روی آنها انجام دهند و به تحلیل گرهای انسانی درباره ی زمان اجرای معیارهای از پیش تعیین شده آگهی می دهد. در دنیای واقعی، Blacksky می تواند از اطلاعات مورد اشاره برای ردیابی موقعیت هواپیماهای جت روسی استفاده نماید. این شركت تصاویری از موقعیت هواپیماهای روسی دارد و با شكل دقیق موتور آنها آشنا است. شركت BlackSky از الگوریتم های تشخیص شكل برخوردار می باشد و با استخراج پیكسل ها می تواند به الگویی مشخص برسد. همین طور می تواند الگوریتم را به شكلی تنظیم كند كه طرح كلی هواپیماهای روسی مثل هواپیماهای MiG Fulcrum و Foxhound را عرضه كنند. با واردكردن تصاویر ماهواره ای به این الگوریتم ها، می توان تعداد هواپیماهای موجود در باندهای فرود را به دست آورد. برای رسیدن به آمار معنادار هواپیماها نیاز به داده های بیشتری است (برای مثال ۴۵ فروند Fulcrum در آلیسك است اما هیچ هواپیمایی در كریمسك وجود ندارد). به این منظور سیستم باید به تاریخچه ی آماری جت ها پی ببرد و سیستم نیاز به دانستن تاریخچه ی آماری جت ها دارد كه امكان دارد از مشاهدات گذشته به دست آمده باشد؛ همین طور می تواند اطلاعات مربوط به زمان و مكان پرواز را جمع آوری كند یا با بررسی اخبار به آشفتگی ها یا اقدامات در اطراف الیسك پی ببرد؛ سیستم بر طبق این داده ها، ماهواره های زمان واقعی را در جهت صحیح قرار می دهد و اطلاعات موردنیاز را جمع آوری می كند. Blacksky تازه در آغاز راه است و بتازگی موفق به پرتاب ماهواره های خود شده است. در نتیجه موفقیت نهایی و كارایی سیستم هنوز اثبات نشده است. بر طبق اطلاعات موجود، هنوز معین نمی باشد سیستم قابل مقایسه ی سنتینت تا چه مرحله ای پیش رفته است. به قول تامسون: اینكه سنتینت تابحال به چه دستاوردهایی رسیده یا به كجا خواهید رسید، هنوز معین نمی باشد. اگر این فناوری با موفقیت و در مقیاس گسترده ای پیاده سازی شود، پیشرفت زیادی به دنبال خواهد داشت؛ اما هنوز هیچ نشانه ای از موفقیت آن دیده نشده است.
بااینكه سنتینت هنوز در مراحل اولیه است، خط قرمزهای زیادی را برای كارشناسان حریم خصوصی به وجود آورده است. آیا الگوریتم ها واقعا كار می كنند؟ چگونه منحرف می شوند؟ چه تعداد خطای مثبت شناسایی تولید می كنند؟ به قول افترگود: «باید دقت نماییم، سنتینت چه مواقعی ماهواره های میلیارد دلاری مان را به جستجویی بیهوده فرا می خواند؟ باید نتایج گمراه كننده ی سنتینت را در نظر بگیریم.» به نقل از NRO، سنتینت با ارائه ی وضعیت خود، افراد را در جریان پروسه قرار می دهد. به قول فورگرسن: «روش كلیدی نظارت بر عملكرد الگوریتم، حضور انسان در حلقه های نظارت بر داده ها و اطلاعات هوش است. سنتینت، یادگیری ماشین به ماشین با كمك انسانی است.» به قول اسكات هرمان، مدیر اجرایی ارشد BlackSky، برای تأثیرگذاری سیلیكون باید به درستی به آن آموزش دهید. بعنوان مثال فرض كنید برای آموزش ظاهر برج های رادیویی به الگوریتم ها، تنها تصویر برج های رادیویی زیر نور خورشید را به آنها نشان داده اید. در چنین شرایطی الگوریتم، حتی سایه ی سیاه كنار برج را هم به خود برج تفسیر می كند. حالا اگر چنین سازه ای را در روز ابری ببیند، امكان دارد اصلا قادر به شناسایی آن نباشد. مثال فوق صرفا مثالی پیش پاافتاده بود اما در كار با یادگیری ماشین همیشه باید موارد پیچیده تر و مهلك تر را در نظر گرفت: برای مثال نرم افزاری را فرض كنید كه كلمه ی «بمب» را در رابطه با برنامه های تروریستی ارزیابی می نماید اما هیچ گاه به آن آموزش داده نشده كه اصطلاح «این بمب است» (كنایه از كاری فوق العاده و برجسته) صرفا یك اصطلاح است و در معنای اصلی به كار نمی رود. فناوری یادگیری ماشین حتی در حوزه های دیگر هوش مصنوعی هم فراگیر و هدفمند نیست؛ برای مثال در آمازون، نرم افزار تشخیص چهره دائما در شناسایی جنسیت زن یا افرادی با پوست تیره شكست می خورد یا شركت تحلیلی Palantir، نوعی برنامه ی اعمال قانون پیشگو را برای نیروهای پلیس نیواورلئان طراحی كرد اما داده هایی را وارد آن كرد كه طبق بعضی گزارش ها، برای اقلیت ها تبعیض آمیز بودند. سنتینت نگرانی های نقض حریم خصوصی را افزایش داده است حالا این سؤال مطرح می شود كه چه انحراف هایی در انتظار سنتینت هستند؟ داده های آموزشی آن چگونه هستند؟ چه كسی و چگونه نتایج آنرا ارزیابی می كند؟ هم اكنون پاسخ مبهم است اما افرادی مثل افترگود این گونه پاسخ می دهند: «معمولا خود حامیان و بنیان گذاران نباید چنین پرسش و پاسخ هایی را مطرح كنند.» سؤال های مربوط به اینكه چه كسی و چگونه بر سنتینت نظارت می كند، غیرقابل پاسخگویی هستند اما سرنخ هایی در مورد نظارت بر این برنامه وجود دارند. هدف ماهواره های جاسوسی همچون ماهواره های NRO تمركز بر دنیاهای فراتر از مرزهای ایالات متحده است و NRO برخلاف سازمان های همتای خود (از جمله NSA و CIA) هیچ پرونده ای در رسوایی های عمده ی جاسوسی داخلی ندارد. بزرگ ترین نگرانی عمومی به لوگوی ماهواره ی NROL-39 مربوط می شود: اختاپوس زرد بزرگی كه در حال بلعیدن زمین است. بازوهای آن كل زمین را محاصره كرده اند. در قسمت پائین این لوگو هم نوشته شده است: «هیچ چیز از دسترس ما دور نیست.» با وجود شعار این ماموریت، NRO و سنتینت به بعضی مناطق دسترسی نخواهند داشت. طبق قوانین، شهروندان آمریكایی از جستجوی غیرمنطقی و تسلط حكومتی در امان خواهند بود. به قول افترگود: در رژیم قانونی موجود، اكتشاف مبتنی بر سنتینت نباید در ایالات متحده صورت گیرد وگرنه نگرانی شهروندان نسبت به آزادی و حریم خصوصی افزایش خواهد یافت و سؤال هایی در ارتباط با چگونگی استفاده از اطلاعات جمع آوری شده، ذخیره سازی شده و موارد دیگر به وجود خواهد آمد؛ اما امروزه نباید به جمع آوری این اطلاعات پرداخت. سخنگوی NRO در پاسخ به پرسش های در رابطه با جاسوسی داخلی به اطاعت از دستورالعمل جامعه ی هوش (دستور اجرایی ۱۲۳۳۳) و دیگر قوانین مرتبط اشاره می كند. بر طبق قانون یاد شده، زمان مجاز برای جمع آوری، نگه داری و توزیع اطلاعات فرد در ایالات متحده مشخص شده است و گردآورندگان ملزم به رعایت رویه های صحیح هستند. گرچه یكی از استثناهای سیاست «آمریكا را رها كنید» زمانی است كه هوش تحت مالكیت پژوهشی باشد و به صورت مستقیم در اختیار اشخاص حقیقی در ایالات متحده قرار نگرفته باشد. البته دستور اجرایی ۱۲۳۳۳ دربرگیرنده ی اصول ناظر بر سازمان های هوش است و پیاده سازی آن بر شركت های خصوصی ناظر زمین كه در سال های اخیر افزایش یافته اند، یكسان نیست. Blacksky یكی از این شركت های خصوصی است. شركت ها می توانند تلسكوپ های خودرا به هر سمتی قرار دهند. بااینكه دولت حق اعمال «كنترل شاتر» برای منع عكاسی از یك منطقه ی مشخص را دارد اما تابحال هیچ گاه این قانون را اجرا نكرده است (گاهی اوقات دولت، دسترسی انحصاری به یك منطقه را خریداری می كند كه به آن كنترل شاتر دسته چكی می گویند). محدودیت هایی هم برای قوانین فروش تصاویر شركت های خصوصی به عموم افراد یا كشورهای دیگر وجود دارد. هر شخص یا سازمانی مثل NRO با چك معتبر می تواند تصاویر شركت هایی مانند Maxar، Planet و Blacksky را خریداری كند. این روند سؤال های جالبی را به وجود آورده است كه پژوهشگرهایی مانند افترگود در تلاش هستند تا به آنها پاسخ دهند. برای مثال: درصورتی كه NRO علاقه مند به جاسوسی در ایالات متحده باشد و نتواند از ماهواره های خود برای تمركز بر خانه ی افراد استفاده نماید، آیا می تواند تصاویر خانه ی موردنظر را از شركتی خصوصی خریداری كند؟ NRO پاسخ واضحی به نقش داده های تجاری در سنتینت نداده است؛ اما به قول افترگود باید محدودیت هایی برای خرید داده ها وجود داشته باشد. او می گوید: «كار با داده ها می تواند ماموریت محور باشد؛ و تجسس صرفا با هدف تجسس صورت نمی گیرد.» هم اكنون، تجسس سنتینت به صورت یك راز باقی مانده است. به قول تامسون، سیستم متفكر سنتینت تنها با افرادی كه از اعتبار امنیتی برخوردار می باشند، در مورد همه چیز صحبت می كند یا به آنها گوش می دهد. 2121
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب