ورود هوش مصنوعی به فرآیند تحلیل دادههای رزمایش ضدپهپادی پنتاگون، تا چه حد سرعت انتخاب سلاح را بالا میبرد و ارزیابی دادههای ناهمگون چه مخاطراتی برای خرید تسلیحاتی آمریکا ایجاد میکند؟
به گزارش خبرگزاری ۶۰ثانیه، آمریکا در میدان آزمایش فالکن پیک ۲۶.۲ در آریزونا آزمایش کرد که چگونه میتوان دهها سامانه مختلف ضدپهپاد را با یک معماری مشترک کنار هم قرار داد و بعد حجم بزرگی از دادههای بهدستآمده را برای تصمیم خرید تحلیل کرد. رزمایش از ۳۱ اوت تا ۲۵ سپتامبر ۲۰۲۶ در میدان آزمایش یوما برگزار شد و چهارمین مرحله از مجموعه آزمایشهای فالکن پیک بود.
در این مرحله، برای نخستین بار شرایط محیطی مشابه مرز جنوبی آمریکا شبیهسازی شد و دستکم ۲۰ شرکت در سه مسیر آزمایشی شامل شناسایی، درگیری جنبشی و رهگیری پهپاد با پهپاد حضور داشتند. اما اهمیت واقعی خبر اول اکتبر این است که جیآیاتیاف-۴۰۱ اکنون از هوش مصنوعی عاملمحور برای کاوش این دادهها استفاده میکند.
ژنرال متیو راس، مدیر این گروه، گفت دادههای آزمایشهای مختلف در یک مخزن مرکزی موسوم به «زرادخانه فناوری» جمع شده و هوش مصنوعی عاملمحور آنها را برای مقایسه عملکرد سامانهها بررسی میکند. به گفته او، کاربر میتواند با زبان عادی سؤال کند که چه سامانهای مثلاً رادار گروه یک و دو را در فاصله یک تا چهار کیلومتر تشخیص میدهد و سقف قیمت آن ۱۵ هزار دلار است و سپس سامانه خروجی را بر اساس عملکرد مرتب کند.
این یعنی هوش مصنوعی فعلاً در این زنجیره، نه فقط به شلیک سلاح که به انتخاب سلاح نیز کمک میکند.
فالکن پیک هنوز میدان شلیک خودمختار نیست رزمایش از سه مسیر اصلی تشکیل شده بود: رهگیری پهپاد با پهپاد، انهدام جنبشی با سامانههای مبتنی بر سلاحهای سبک و مسیر تشخیص و ردیابی. ارتش آمریکا تأکید کرده بود هدف، سنجش تواناییهای ضدپهپادی در شرایط نزدیک به واقعیت و افزایش قابلیتهای کمخطرتر برای محیطهای دارای جمعیت است.
در مورد خودمختاری نیز نشانههای مهمی وجود دارد. فالکن پیک ۲۶.۲ نخستین رویدادی بود که در آن نرمافزار «لاتیس» محصول شرکت اندوریل بهعنوان معماری پایه فرماندهی و کنترل برای ارزیابی سامانههای تجاری «حسگر تا تیر» استفاده شد.
دادههای حسگر، ردگیری راداری و دادههای هدفگیری شرکتها باید مستقیماً وارد این سامانه میشدند. با این حال، خود جیآیاتیاف-۴۰۱ در ماه اوت توضیح داده بود که دنبال یک «واکنش کاملاً خودمختار» در تأسیسات نیست.
ژنرال راس گفت سازمان ترجیح میدهد بهجای تعیین هدفی مانند مقابله با یک فوج ۲۰۰ پهپادی، از یک سامانه شروع کند، سپس آن را به دو سامانه و بعد سه سامانه برساند و بهتدریج رفتارهای هماهنگ و خودمختار ایجاد کند. او این روش تدریجی را جایگزین یک برنامه بلندپروازانه برای خودمختاری کامل معرفی کرد.
حتی در ویدئوی رسمی وزارت جنگ از بولفراگ، سامانهای که ارتش آن را ایستگاه سلاح از راه دورِ مجهز به هوش مصنوعی و خودمختار معرفی میکند، یک اپراتور شرکت در حال کنترل سامانه دیده میشود. بنابراین میان سامانه دارای قابلیت خودمختاری و سامانهای که بدون انسان تصمیم بگیرد و شلیک کند هنوز فاصله مهمی وجود دارد.
ضعف اول از همان دادهها شروع میشود مهمترین نقطه ضعف برنامه شاید همان چیزی باشد که فرمانده جیآیاتیاف-۴۰۱ خودش به آن اشاره کرده است: هوش مصنوعی فقط بهاندازه دادهای که به آن داده میشود قابل اتکاست. روس صراحتاً گفت سامانه «زرادخانه فناوری» تازه شروع به کار کرده و کیفیت نتیجه به دادههای ورودی وابسته است.
این مسئله در یک برنامه خرید نظامی بسیار حساس است؛ چون دادههای حاصل از آزمایشهای متفاوت الزاماً در شرایط کاملاً یکسان تولید نشدهاند. ممکن است نوع هدف، محیط، اپراتور، فاصله، وضعیت ارتباطی و شرایط جوی در دو آزمون متفاوت باشد و مقایسه مستقیم آنها نتیجهای ظاهراً دقیق اما از نظر عملی نامعتبر ایجاد کند.
جیآیاتیاف-۴۰۱ تلاش کرده این مشکل را با استانداردسازی آزمونها کاهش دهد. راس گفت از زمان انتشار استانداردهای مشترک جدید، عملکرد سامانهها با نقاط سنجش یکسان ارزیابی شده است.
اما این استانداردسازی تازه در حال تثبیت است؛ بنابراین نمیتوان فرض کرد تمام دادههایی که هوش مصنوعی امروز در «زرادخانه فناوری» جستوجو میکند، از ابتدا با یک روش واحد تولید شدهاند.
ضعف دوم به یک نرمافزار مرکزی گره خورده است فالکن پیک برای حل مشکل دیگری تلاش کرده است: سامانههای شرکتهای مختلف باید بتوانند با یک فرماندهی و کنترل مشترک ارتباط برقرار کنند. این ایده از نظر عملیاتی مزیت دارد؛ اما همزمان یک مسئله معماری ایجاد میکند.
در آزمایش ۲۰ شرکت یا بیشتر، دادههای حسگر و هدفگیری باید به «لاتیس» وارد میشد و این نرمافزار به معیار پایه مقایسه تبدیل شد. خود مسئول آزمون یوما گفت این نخستین بار بود که سازمان آزمایشکننده، لاتیس را در زیرساخت خود قرار داده و سامانههای مختلف را به آن متصل کرده است.
قرارداد جیآیاتیاف-۴۰۱ با اندوریل برای این راهکار ۸۷ میلیون دلار ارزش دارد. از منظر مهندسی، استاندارد مشترک میتواند مزیت بزرگی باشد؛ اما از همین واقعیت یک ریسک بالقوه هم پدید میآید: اگر یک نرمافزار تجاری به لایه مشترک اتصال تعداد زیادی سامانه تبدیل شود، میزان وابستگی کل معماری به همان لایه افزایش مییابد.
این الزاماً به معنای شکست یا ضعف لاتیس نیست و در بررسیهای فارس، منابع متخصص موجود چنین چیزی را گزارش نکردهاند. مسئله طراحی است: هرچه تعداد حسگرها، سامانههای درگیری و دادههای وابسته به یک بستر بیشتر شود، قطع آن، خطای آن یا ناسازگاری آن با یک سامانه جدید میتواند دامنه اثر بزرگتری داشته باشد.
ضعف سوم سرعت خرید میتواند از سرعت آزمون جلو بزند روس گفته جیآیاتیاف-۴۰۱ میخواهد تصمیمهای خرید را در «چند روز، نه چند هفته» پیش ببرد و پس از فالکن پیک نیز خرید برخی تجهیزات را تأیید کرده است. این سرعت برای مقابله با فناوریای که سریع تغییر میکند اهمیت دارد، اما نقطه فشار نیز همینجاست.
دفتر پاسخگویی دولت آمریکا در ژوئن ۲۰۲۶ گزارش داد دفتر مدیر آزمایش و ارزیابی عملیاتی وزارت دفاع پس از کاهش نیروی انسانی، ظرفیت نظارتش را از دست داده است؛ کارکنان باقیمانده برنامههای بیشتری برعهده گرفتهاند و در برخی حوزهها تخصص لازم برای نظارت بر برنامهها را ندارند. این نهاد هشدار داد چنین وضعیتی خطر تحویل سامانههایی با کاستیهای عملیاتی ثبتنشده را افزایش میدهد.
این نکته خصوصاً در سامانههای هوشمند اهمیت دارد، زیرا ممکن است یک سامانه در محیط آزمون یوما عملکرد مناسب داشته باشد ولی در محیطی دیگر با داده متفاوت، اختلال ارتباطی یا رفتار هدف غیرمنتظره، نتیجه دیگری تولید کند.
ضعف چهارم خودمختاری هنوز مرحلهبهمرحله ساخته میشود جیآیاتیاف-۴۰۱ خودش بر این مسئله تأکید کرده است. راس در ماه اوت گفت بهجای وعده رسیدن مستقیم به واکنش کاملاً خودمختار در برابر فوج بزرگ پهپاد، سازمان ابتدا عملکرد یک سامانه و سپس دو و سه سامانه را بررسی میکند و تازه بعد از آن به رفتارهای هماهنگ و خودمختار میرسد.
این اظهارنظر نشان میدهد فوج خودمختار گسترده نقطهای است که قرار است از طریق آزمونهای تدریجی ساخته شود. ضمن اینکه مایک تورفی از افبیآی در همان نشست هشدار داد برداشت عمومی درباره سادگی ایجاد فوج پهپادی با واقعیت فاصله دارد و ایجاد این قابلیت، بهویژه در مقیاس بزرگ، پرهزینه و پیچیده است.
از نگاه او هوش مصنوعی این کار را برای آمریکا آسانتر میکند، اما همین ابزار برای طرف مقابل نیز قابل استفاده خواهد بود. بنابراین اگر یک کشور بتواند الگوریتم هماهنگکننده فوج بسازد، به معنای آن نیست که مسئله صنعتی، ارتباطی، انرژی، حسگر و کنترل آن خودبهخود حل شده است.
ضعف پنجم هنوز مسئله تشخیص خودی و غیر خودی باقی است خود مقامهای نظامی آمریکا در توضیح فلسفه فالکن پیک گفتهاند یکی از مهمترین مسائل، تشخیص این است که یک پهپاد واقعاً تهدیدکننده است یا یک پرنده تفریحی یا سامانه مجاز. سخنگوی فرماندهی شمالی آمریکا تأکید کرده بود که سامانه باید بتواند علاوه بر شناسایی، تعیین کند هدف دوست است یا دشمن.
این نکته بهخصوص در داخل خاک آمریکا مهمتر از میدان نبرد است. اگر پهپاد ناشناس در نزدیکی یک پایگاه یا زیرساخت حساس ظاهر شود، پاسخ لزوماً «انهدام» نیست؛ ممکن است نیاز به شناسایی، رهگیری، اطلاعرسانی یا پیدا کردن اپراتور وجود داشته باشد.
جیآیاتیاف-۴۰۱ نیز تصریح کرده است که در محیط داخلی باید میان پهپاد خصمانه، هواگرد تفریحی و فعالیت قانونی تفاوت گذاشت و این کار باید در چارچوب قوانین و اختیارات موجود انجام شود.
آمریکا هنوز به انسان برای نقطه نهایی نیاز دارد دستورالعمل فعلی وزارت دفاع آمریکا درباره سامانههای تسلیحاتی خودمختار، حتی برای سامانههایی که قابلیت خودمختاری دارند، بر اعمال سطح مناسب قضاوت انسانی درباره استفاده از زور تأکید میکند. این دستورالعمل همچنین الزام میکند عملکرد، قابلیت اطمینان و اثربخشی سامانه در شرایط واقعگرایانه و در برابر اقدامات احتمالی متقابل آزموده شود و سازوکارهایی برای شناسایی و کاهش رفتار ناخواسته وجود داشته باشد.
همهی این فاصلهها از ادعا نشاندهنده ضعف نقطهزنی و عدم واقعگرایی اولیه در برنامهریزی عملیاتی است. همچنین خود سند، فاصله میان آنچه اکنون در فالکن پیک آزمایش میشود و تصویری که گاهی از «جنگ کاملاً خودکار» ارائه میشود را روشن میکند.
در فالکن پیک، هوش مصنوعی عاملمحور در حال تبدیلشدن به یک کارمند دیجیتال برای تحلیل آزمونها و پشتیبانی از خرید است؛ لاتیس در حال ایجاد یک لایه مشترک فرماندهی و کنترل است و برخی سامانهها نیز قابلیتهای خودکار دارند. اما مسیر رسیدن به سلاحی که بدون دخالت انسان تصمیم بگیرد، همچنان موضوعی جداگانه است.
مسئله واقعی فالکن پیک سرعت نیست؛ کیفیت تصمیم است فالکن پیک را میتوان یکی از نمونههای روشن تغییر مدل نظامی آمریکا دانست: ارتش فقط نمیخواهد سامانههای بیشتری بخرد؛ میخواهد خودِ فرآیند انتخاب و مقایسه سامانهها را نیز دادهمحور و تا حدی هوشمند کند. اما همین تغییر، چهار گلوگاه را جلو میآورد: ک یفیت و همگونی داده، وابستگی به معماریهای نرمافزاری مشترک، ظرفیت محدود آزمون و ارزیابی و دشواری تشخیص تهدید واقعی از هدف ناشناس.
بنابراین نکته جذاب این پرونده این است که هوش مصنوعی اکنون یک قدم عقبتر از ماشه وارد زنجیره تسلیحاتی آمریکا شده است؛ جایی که دادههای آزمون را میخواند و به تصمیم خرید شکل میدهد. و اگر قرار باشد یک سامانه هوشمند بعدها در میدان نبرد درباره تهدید تصمیم بگیرد، نخست باید معلوم شود سامانهای که قرار است به آن اعتماد شود، چگونه انتخاب شده است.
در فالکن پیک، همین پرسش اکنون در حال آزمایش است. بمنظور دسترسی پایدار به اخبار و مطالب ما، آخرین نسخه اپلیکیشن را میتوانید از اینجا و در فروشگاههای « کافه بازار » و « مایکت » دانلود و نصب کنید.
منابع https://defensescoop.com/2026/10/01/ai-agents-jiatf-401-procurement-plans-falcon-peak/ https://defensescoop.com/2026/09/23/northern-command-falcon-peak-26-2-counter-drone-exercise/ https://www.army.mil/article/295865/u_s_army_yuma_proving_ground_hosts_major_counter_uas_test_event https://www.northcom.mil/Newsroom/News/Article/Article/4587063/usnorthcom-jiatf-401-launch-falcon-peak-262-experiment-at-yuma-proving-ground/ https://www.army.mil/article/294836/jiatf_401_counter_uas_and_critical_infrastructure_protection_media_roundtable_august_21_2026 https://www.dvidshub.net/video/1022653/fp262 https://www.gao.gov/products/gao-26-108859