Peneliti menggunakan teknologi pengenalan wajah untuk menemukan situs rudal Tiongkok

Peneliti AS menggunakan jenis kecerdasan buatan yang sama yang digunakan oleh raksasa Silicon Valley seperti Google dan Facebook dalam teknologi pengenalan wajah mereka untuk mengidentifikasi situs rudal permukaan-ke-udara Tiongkok.

Algoritme pembelajaran mendalam yang digunakan oleh para peneliti di Pusat Intelijen Geospasial Universitas Missouri lebih dari 80 kali lebih efisien daripada pencarian visual manusia tradisional dalam menemukan situs SAM Tiongkok, dan mampu mengurangi waktu yang diperlukan untuk menemukan situs rudal tersebut, yang tersebar di area seluas hampir 90.000 kilometer persegi dari tenggara 42 jam hingga Tiongkok.

Curt Davis, direktur Pusat Intelijen Geospasial Missouri, mengatakan kepada Fox News bahwa meskipun karyanya sejauh ini hanya digunakan pada tingkat penelitian, dia yakin penelitian tersebut bisa sangat bermanfaat bagi militer dan pemerintah.

Lebih lanjut tentang ini…

APAKAH KITA AKAN MELAKUKAN ‘SERANGAN PENCAHAYAAN’ REVOLUSIONER TERHADAP MUSUH DI MASA DEPAN?

“Departemen Pertahanan sudah mengetahui bahwa mereka perlu melakukan otomatisasi,” kata Davis. “Mereka sekarang memiliki lebih banyak citra satelit daripada yang dapat dilihat oleh para analis. Teknologi jenis ini akan memberikan banyak waktu bagi mereka untuk menangani masalah intelijen yang lebih sulit.”

Model pembelajaran mendalam, seperti GoogleNet dan Microsoft ResNet, awalnya dibuat untuk mendeteksi dan mengidentifikasi objek tertentu dalam foto dan video. Davis dan rekan-rekannya mengambil apa yang disebut “model pembelajaran mendalam yang siap pakai” dan mengadaptasinya untuk menghadapi tantangan dan keterbatasan citra satelit.

Misalnya, mereka melatih beberapa model untuk menafsirkan gambar berwarna dan hitam-putih jika hanya tersedia gambar satelit hitam-putih.

ARSENAL NUKLIR APA YANG TERSEDIA UNTUK PRESIDEN TRUMP?

Prajurit angkatan laut Tentara Pembebasan Rakyat Tiongkok (PLA) dengan kendaraan lapis baja mereka yang membawa rudal udara-ke-udara meluncur ke Lapangan Tiananmen selama parade militer menandai peringatan 70 tahun berakhirnya Perang Dunia II, di Beijing, Tiongkok, 3 September 2015. REUTERS/Damir Sagolj – GF19102006 (Reuters)

Davis mengakui bahwa algoritme terkadang salah mengidentifikasi lokasi rudal, namun masih mampu menyamai tingkat akurasi 90 persen dari analis gambar manusia dan, seiring dengan manusia yang memeriksa data, menghasilkan lebih sedikit kesalahan positif.

“Semua pembelajaran mesin menghasilkan kesalahan positif,” kata Davis. “Tetapi fokus penelitian ini adalah untuk mengukur model pembelajaran mendalam terhadap kinerja manusia.”

Wilayah Tiongkok tenggara yang digunakan Davis dan rekan-rekannya hanya sedikit lebih kecil dari seluruh negara Korea Utara, yang telah meningkatkan uji coba rudal balistik antarbenua dalam beberapa tahun terakhir.

KOREA UTARA: APAKAH MINI NUKES MENJADI PILIHAN BAGI TRUMP?

Dalam siaran khusus media pemerintah pada hari Selasa, Korea Utara mengatakan bahwa mereka telah berhasil menembakkan ICBM berkemampuan nuklir yang “jauh lebih kuat” yang mereka sebut Hwasong-15. Pemerintah dan analis dari luar sepakat bahwa Korea Utara telah melakukan lompatan dalam kemampuan rudal.

Dimulainya kembali uji coba Pyongyang yang hiruk pikuk dalam mengejar tujuannya untuk memiliki persenjataan rudal berkemampuan nuklir yang mampu menghantam daratan AS sudah diperkirakan secara luas, namun kekuatan dan kecepatan rudal tersebut masih mengguncang Semenanjung Korea dan Washington. Peluncuran pada pukul 3:17 pagi. waktu setempat dan tengah hari di ibu kota AS mengisyaratkan upaya untuk menyempurnakan elemen kejutan dan menarik perhatian maksimal di Amerika Serikat.

Meskipun analis manusia mungkin telah mendeteksi semua situs SAM yang ada di Pyongyang, ada harapan bahwa teknologi ini dapat membantu mendeteksi situs baru secara otomatis.

TANGKI KECIL YANG KUAT DENGAN VR DAN JAWS FUTURISTIK DAPAT MEREVOLUSI MEDAN PERTEMPURAN

“Mengetahui lokasi situs SAM yang ada dan yang baru terkadang dapat mengarahkan analis ke lokasi lain yang menarik, karena negara-negara sering menempatkan situs SAM di wilayah tertentu untuk mempertahankan aset berharga di dekatnya dari serangan udara,” Laporan Majalah Wired.

Meskipun terdapat kesalahan dan kesalahan positif, Davis mengatakan penelitian ini ternyata lebih baik dari yang diharapkan dan membuktikan bahwa metode pembelajaran mendalam dapat diterapkan pada citra satelit yang kurang ideal.

“Kami ingin menguji metode pembelajaran mendalam ini pada masalah analisis gambar yang realistis dan nyata untuk mengevaluasi secara kritis kegunaan dan potensi dampaknya,” kata Davis. “Hasilnya jauh lebih baik dari yang kami harapkan. Secara historis, algoritme pembelajaran mesin belum bekerja dengan baik ketika diterapkan pada kumpulan data citra satelit berukuran besar.”

Associated Press berkontribusi pada laporan ini.