安全問題在過去幾年中才有所凸顯：已經(jīng)有數(shù)百萬人購買了消費型無人機，有時甚至在禁飛區(qū)內(nèi)操作這些機器，這樣一來，可能會給地面人群或空中飛行的大型飛機帶來隱患。現(xiàn)成的無人機也成為伊拉克和敘利亞等戰(zhàn)亂地區(qū)的伊斯蘭組織或其他軍事集團能夠買得起的危險武器。
在21世紀20年代中期之前，為了跟蹤并在需要時擊落這些飛行的入侵者，可能需要在反無人機市場上投入近20億美元。最大的份額可能被投入到那些最好地利用基于神經(jīng)網(wǎng)絡的機器學習人工智能的公司。
但是，愛思達比亞州博伊西市的BlackSage科技公司創(chuàng)始人兼管理合伙人大衛(wèi)•羅梅羅（David Romero）表示，許多反無人機行業(yè)在有效利用機器學習人工智能方面仍然落后于其他科技部門。“利用機器學習，90%的工作正在變得如此簡單，消費者根本不必知道機器學習如何運作。”羅梅羅說，“許多公司在這方面都做得很好，但未涉及國防領(lǐng)域。”
他和BlackSage的聯(lián)合創(chuàng)始人羅斯•拉姆（Ross Lam）準備利用這家新創(chuàng)建的公司，成為國防領(lǐng)域的行業(yè)巨頭。他們最初合作了一個訓練機器學習算法的項目，該算法根據(jù)雷達和紅外攝像頭數(shù)據(jù)，自動檢測高速公路上的野生動物。最終，他們意識到同樣的方法可以幫助發(fā)現(xiàn)無人機和其他不明飛行物（UFO）。
該自主籌款的創(chuàng)業(yè)公司自2015年成立以來，已經(jīng)從美國政府（包括部署在伊拉克和阿富汗的美軍和美國同盟）獲得了多項合同。
羅梅羅表示，將機器學習應用于對飛行物進行自動檢測和分類的任務非常直觀，但是風險也很高，錯誤地擊落小型客機或沒有發(fā)現(xiàn)攜帶爆炸物的入侵無人機同樣可能是災難性的。因此，BlackSage將其系統(tǒng)安裝在新的地點時，要通過嚴格的訓練。該系統(tǒng)的雷達和紅外攝像機可以捕獲每個不明飛行物的速度、大小、高度等信息。然后，操作人員通過主動識別某些類型的無人機（旋翼或固定翼）以及其他飛行物（如鳥類或載人飛機），來幫助訓練機器學習算法。為了證明該技術(shù)已經(jīng)足夠成熟，人們針對該人工智能設備中20%的主動識別數(shù)據(jù)組（專門用于交叉驗證的部分）進行了測試。
搜索天空：Black Sage 科技公司的人工智能系統(tǒng)鎖定飛行物并確定其是否存在威脅（上圖）。
另一家名為Dedrone的公司也采取了類似的做法。這家公司成立于德國卡塞爾，目前總部設在舊金山。當在新站點安裝Dedrone系統(tǒng)時，可以將不熟悉的對象標記為訓練過程的一部分，這也更新了公司的專有DroneDNA數(shù)據(jù)庫。自2014年推出以來，Dedrone的機器學習軟件已經(jīng)為許多重要活動和場合提供了安保服務，如希拉里•克林頓與特朗普的總統(tǒng)辯論會、世界經(jīng)濟論壇以及紐約梅特棒球隊的花旗球場等。
“我們每次更新DroneDNA時，都要處理超過2.5億幅無人機、飛機、鳥類和其他物體的各種圖像。”Dedrone的工程總監(jiān)邁克爾•戴巴拉（Michael Dyballa）說，“在過去8個月里，我們對300萬幅無人機圖像進行了注釋。”
雖然據(jù)說BlackSage和Dedrone的自動檢測系統(tǒng)在通過訓練階段后，能夠在沒有人類協(xié)助的情況下運行，但公司的客戶仍然可以選擇讓人類置身其中，以采取積極的防御措施，例如用于截獲飛行入侵者的干擾或激光。在機場等檢測精度要求較高的場合，即便無人機檢測精度高于90%，也會出現(xiàn)虛假或錯誤認定的情況，因此保持這種謹慎至關(guān)重要。即使如此，隨著無人機數(shù)量不斷增加，人類干預能力也只能作為補充，而人工智能系統(tǒng)將需要進行不間斷的監(jiān)控。
?