Дослідники навчають ШІ перешкоджати розповсюдженню нелегальної ядерної зброї

Дослідники Тихоокеанської північно-західної національної лабораторії Америки (PNNL) розробляють методи машинного навчання, щоб допомогти боротися з розповсюдженням нелегальної ядерної зброї. MC.today із посиланням на The Register розповідає, як це працює.

Так, є п’ять офіційно визнаних «старих» ядерних країн – Франція, росія, Китай, Велика Британія та США. Але фактично така зброя є в більшої кількості держав: США, росія, Китай, Франція, Велика Британія, Індія, Пакистан, Північна Корея, також вважається, що ядерна зброя є в Ізраїлю.

Є країни, які підписали Договір ООН про заборону ядерної зброї, тобто вони пообіцяли не «розробляти, випробовувати, виробляти, купувати, володіти, накопичувати, використовувати або погрожувати використовувати» ці припаси.

Вчені сподіваються виявляти намагання створити ядерну зброю завдяки відстежуванню незвичної активності в лабораторіях, а також аналізу речовин.

Виявлення ознак небажаної ядерної діяльності залежить від здатності правильно аналізувати хімічні речовини та інфраструктуру, необхідну для виробництва цієї спеціалізованої зброї.

Методи ШІ дозволяють виявляти «загрози швидше та легше», ніж раніше.

Один з методів, який використовує модель, обробляє зображення радіоактивного матеріалу, щоб з’ясувати, звідки він взявся та як був виготовлений. Програмне забезпечення створює відбиток зразка та порівнює його з базою даних зображень електронного мікроскопа, отриманих з університетів та інших національних лабораторій.

Дивлячись на те, наскільки ці частинки схожі на бібліотеку зображень, аналітики можуть оцінити, наскільки чистим є невідомий зразок, і відстежити його походження і стосунок до лабораторій, які виробляють ядерні матеріали.

«Радіоактивний матеріал матиме унікальну мікроструктуру, що залежить від умов навколишнього середовища або чистоти матеріалів на виробничому об’єкті».

Міжнародне агентство з атомної енергії спостерігає за установками ядерного перероблення в державах, які не мають ядерної зброї, щоб переконатися, що вони, наприклад, належним чином утилізують плутоній, з АЕС, а не таємно ховають радіоактивний метал для виробництва зброї.

Нині чиновники контролюють ці об’єкти різними способами: від особистих перевірок до вибіркового аналізу ресурсів. Інша методика, яка зараз розробляється в PNNL, передбачає навчання програмного забезпечення на основі безпосереднього відстеження діяльності лабораторій ядерного перероблювання та автоматичного виявлення підозрілої поведінки.

Таким чином, створюється віртуальна копія, що імітує установку для перероблювання. Дані, згенеровані цією моделлю, використовуються для навчання. Потім ШІ сканує діяльність обладнання. Якщо зібрані дані відрізняються від норми й прогнозів, така поведінка маркується як підозріла, треба викликати експертів для подальшого дослідження.

«Алгоритми машинного навчання та комп’ютери не замінять людину у виявленні ядерних загроз найближчим часом. Але вони можуть дати людям змогу швидше та легше дізнаватися важливу інформацію та визначати ризики», – сказав директор PNNL Стівен Ешбі.