قیمت لحظهایهمه قیمتها
تله پهپادهای ارزان برای پدافندهای گران‌قیمت
اسناد تازه ارتش آمریکا بیش از پیش نشان می‌دهد حمله هم‌زمان ده‌ها پهپاد ارزانقیمت می‌تواند بر اساس یک سازوکار خاص، پیچیدهترین و گرانترین سیستمهای دفاعی را کاملاً گیج و بیاثر کند.
به گزارش خبرگزاری ۶۰ثانیه، فوج پهپادی برای پنتاگون مسئله‌ای است که مستقیماً در برنامه‌های تحقیقاتی ارتش آمریکا وارد شده است. ارتش ایالات متحده اکنون به‌دنبال هوش مصنوعی توزیع‌شده‌ای است که بتواند چند پهپاد را به‌صورت گروهی علیه یک فوج مهاجم به کار بگیرد، بدون آنکه همه تصمیم‌گیری به یک مرکز کنترل وابسته باشد.
در برنامه رسمی «پدافند نامتقارن و هماهنگ در برابر حملات فوجی»، ارتش آمریکا صراحتاً می‌گوید بخش بزرگی از سامانه‌های فعلی مقابله با پهپاد برای درگیری یک‌به‌یک طراحی شده‌اند، در حالی که در برابر فوجی بزرگ‌تر باید چند سامانه به شکل هماهنگ با ده‌ها یا صدها هدف درگیر شوند. اما همین سند، بیش از آنکه تصویری از یک فناوری آماده ارائه دهد، فهرستی از مشکلاتی را نشان می‌دهد که پنتاگون هنوز باید حل کند؛ از محدودیت پردازشی و ارتباطی گرفته تا دشواری کنترل تعداد زیادی هدف و حتی این احتمال که در یک نبرد نابرابر، نابودی کامل فوج مهاجم واقع‌بینانه نباشد.
پدافند هنوز یک‌به‌یک می‌جنگد ارتش آمریکا در تعریف مسئله می‌گوید بسیاری از سامانه‌های ضدپهپاد کنونی اساساً برای نبرد ۱ در برابر ۱ بهینه شده‌اند؛ یعنی یک حسگر، یک رهگیر و یک ابزار درگیری برای یک پهپاد مشخص. همین معماری وقتی تعداد مهاجمان بالا می‌رود، به‌سرعت تحت فشار قرار می‌گیرد، چون در دفاع باید هم‌زمان تصمیم بگیرد کدام هدف در اولویت است، کدام رهگیر به آن اختصاص پیدا کند و چگونه منابع محدود میان چند نقطه یا علامت تهدید تقسیم شوند.
برنامه جدید ارتش می‌خواهد این منطق را به ۱ در برابر N تغییر دهد؛ یعنی هر سامانه دفاعی بتواند بخشی از مسئولیت مقابله با چند هدف را برعهده بگیرد و اطلاعات سایر پهپادهای خودی را نیز در تصمیم‌گیری وارد کند. در طراحی موردنظر، هر پهپاد باید بتواند موقعیت، سرعت و مسیر اهداف را با سامانه‌های دیگر به اشتراک بگذارد و بر اساس تصویر مشترک، تاکتیک مناسب را انتخاب کند.
در ظاهر، این همان جایی است که هوش مصنوعی وارد عمل می‌شود و بار تصمیم‌گیری انسانی را کاهش می‌دهد. اما مشکل واقعی درست از همین نقطه آغاز می‌شود: تعداد بیشتر سامانه‌ها، لزوماً به معنای تصمیم بهتر نیست؛ خصوصاً اگر داده، ارتباط و هماهنگی میان آنها قابل اعتماد نباشد.
شبکه اگر قطع شود، خودمختاری هم افت می‌کند پنتاگون برای اینکه فوج خودش با قطع ارتباط کاملاً از کار نیفتد، در پروژه ارتش یک شرط مشخص گذاشته است: سامانه باید در شبکه ارتباطی مساعد بتواند همکاری فعال داشته باشد، اما در محیطی که شبکه محدود، مختل یا قطع شده نیز باید به شکل غیرفعال همکاری کند؛ البته با عملکرد ضعیف‌تر. همین عبارت «با عملکرد ضعیف‌تر» اهمیت زیادی دارد.
روایت ساده این است که پهپاد خودمختار دیگر به ارتباطات وابسته نیست؛ اما سند رسمی ارتش آمریکا چیز دیگری می‌گوید. قطع یا تضعیف شبکه، قابلیت همکاری را کاهش می‌دهد و در نتیجه کیفیت تصمیم هم می‌تواند افت کند.
در چنین معماری‌ای، هوش مصنوعی سوای اینکه به تشخیص هدف مبادرت ورزد؛ باید بداند داده‌ای که از سایر اعضای شبکه دریافت می‌کند چقدر معتبر است. چنانکه اگر یک حلقه از داده از کار بیفتد یا اطلاعات ناقص بفرستد، سامانه‌های دیگر باید بتوانند بدون اینکه همان خطا را به کل گروه منتقل کنند، وضعیت را بازسازی کنند.
این موضوع با ارزیابی دفتر پاسخگویی دولت آمریکا (GAO) نیز هم‌خوان است. GAO درباره فناوری فوج‌های پهپادی گفته است که هنوز ردگیری و تعیین موقعیت چند پهپاد در محیط‌های کنترل‌نشده یک چالش فنی است و تغییرات محیطی و آب‌وهوا می‌تواند مسئله را سخت‌تر کند.
هوش مصنوعی باید روی پهپاد تعبیه شود اما یک محدودیت کمتر دیده‌شده، اندازه خودِ رایانه‌ای است که قرار است این تصمیم‌ها را بگیرد. ارتش آمریکا در پروژه ضد‌فوج خود شرط کرده الگوریتم‌ها باید در شرایط بسیار سخت وزن، حجم، توان و هزینه اجرا شوند و کل محموله پردازشی کمتر از ۲ پوند باشد.
یعنی همان سامانه‌ای که قرار است چند هدف را شناسایی و برای آنها تصمیم بگیرد، باید با سخت‌افزار سبک و کم‌مصرف روی یک پهپاد کوچک جا بگیرد. در نتیجه، نمی‌توان روی هر پهپاد سخت‌افزار محاسباتی در ابعاد یک مرکز داده گذاشت.
مدل باید کوچک باشد، پردازنده باید کم‌مصرف باشد و الگوریتم نیز باید در همان محدودیت انرژی کار کند. اینجا دیگر حرف از یک بده‌بستان دائمی است: در واقع هرچه پردازش قوی‌تر شود، وزن و مصرف انرژی بالا می‌رود؛ هرچه سخت‌افزار سبک‌تر شود، توان محاسباتی محدودتر می‌شود.
همچنین باید در نظر گرفت در یک فوج، این مسئله فقط به عملکرد یک پهپاد مربوط نیست. صدها سامانه باید هم‌زمان انرژی، ارتباط و پردازش مورد نیاز خود را تأمین کنند.
عدد چهار به یک، اعتراف مهمی است شاید مهم‌ترین بخش سند رسمی ارتش آمریکا همین‌جا باشد. در برنامه ضد‌فوج، هدف ایده‌آل این است که قدرت رزمی فوج دشمن به صفر درصد برسد.
اما ارتش خودش می‌پذیرد که با افزایش عدم‌تقارن، این هدف ممکن است عملی نباشد. در سناریویی که توان رزمی دشمن نسبت به نیروی خودی ۴ به ۱ باشد، نمونه محاسبه سند نشان می‌دهد حتی پس از درگیری، دشمن ممکن است ۷۵ درصد از قدرت رزمی اولیه خود را حفظ کند.
هدف مطلوب، طراحی سامانه‌ای است که حتی با وجود این برتری اولیه نیز بتواند قدرت رزمی دشمن را تا صفر کاهش دهد؛ اما خود سند این وضعیت را یک هدف ایده‌آل می‌داند، نه نتیجه تضمین‌شده. این جزئیات نشان می‌دهد مسئله فوج فقط «هوشمندتر کردن پهپاد» نیست؛ مسئله، اقتصاد درگیری است.
اگر تعداد مهاجم بیشتر باشد و هر رهگیر هزینه، انرژی یا زمان بیشتری مصرف کند، ممکن است سامانه دفاعی از نظر تاکتیکی موفق باشد اما از نظر ظرفیت کل نبرد کم بیاورد. به همین دلیل، آمریکا تلاش می‌کند بخشی از هزینه تصمیم‌گیری را از نیروی انسانی به نرم‌افزار منتقل کند.
اما آیا این طرح موفق عمل می‌کند؟
پروژه هنوز در مرحله امکان‌سنجی است در واقع باید گفت در حال حاضر فاصله‌ای میان برنامه و توان عملیاتی وجود دارد. فاز اول طرح ارتش فقط یک مطالعه امکان‌سنجی است؛ سقف هزینه آن ۳۰۰ هزار دلار و مدت اجرای آن یک تا شش ماه تعیین شده است.
شرکت‌ها باید چند رویکرد الگوریتمی و چند بسته حسگری را بررسی کنند و نشان دهند کدام ترکیب از نظر عملکرد، هزینه و سایر محدودیت‌ها مناسب‌تر است. در فاز دوم قرار است نمونه اولیه ساخته، روی یک پهپاد گروه ۱ یا گروه ۲ نصب و آزمایش شود.
شبیه‌سازی برای بررسی فوج‌های بسیار بزرگ مجاز است، اما ارتش صراحتاً می‌گوید آزمون رفتار فوج باید با سخت‌افزار واقعی در فوج‌های کوچک‌تر نیز انجام شود. علاوه بر این، چندین آزمایش سخت‌افزاری برای اثبات توان ۱ در برابر N باید انجام شود تا معلوم شود قابلیت واقعاً قابلیت گسترش به فوج‌های بزرگ‌تر را دارد.
فاز سوم نیز به حفاظت از زیرساخت‌های حیاتی در داخل آمریکا اختصاص دارد؛ یعنی پنتاگون از همین حالا کاربرد این فناوری را برای دفاع از اهدافی که حتی ممکن است نظامی نباشند، در نظر گرفته است. بنابراین چیزی که امروز درباره «جنگ الگوریتمی فوج‌ها» مطرح می‌شود، هنوز یک قابلیت کاملاً مستقر نیست؛ بخش مهمی از آن همچنان در مرحله نمونه‌سازی، شبیه‌سازی و آزمون است.
هوش مصنوعی یک گلوگاه تازه هم می‌سازد در کنار این پروژه، جی‌آی‌ا‌تی‌اف-۴۰۱ پس از فالکن پیک استفاده از هوش مصنوعی عامل‌محور را برای تحلیل داده‌های آزمایش و تصمیم‌گیری درباره خرید سامانه‌های ضدپهپاد آغاز کرده است. سرتیپ مت راس گفته داده‌های آزمون‌های مختلف در یک مخزن مرکزی موسوم به «زرادخانه فناوری» جمع شده و عامل هوش مصنوعی می‌تواند آنها را برای مقایسه سامانه‌ها مرتب کند.
مثلاً کاربر می‌تواند مشخص کند راداری می‌خواهد که اهداف گروه ۱ و ۲ را در فاصله یک تا چهار کیلومتر ببیند و قیمت آن نیز از ۱۵ هزار دلار بیشتر نباشد؛ سپس سامانه گزینه‌ها را بر اساس عملکرد رتبه‌بندی کند. راس در عین حال تأکید کرده نتیجه به کیفیت داده ورودی وابسته است.
این اعتراف بسیار مهم است: اینکه هوش مصنوعی مشکل داده بد را حل نمی‌کند. اگر آزمون‌ها در شرایط متفاوت انجام شده باشند، اهداف یکسان نباشند یا کیفیت داده‌ها تفاوت داشته باشد، الگوریتم ممکن است یک جدول بسیار مرتب و قانع‌کننده تولید کند که مقایسه آن از اساس کامل نباشد.
پنتاگون برای کاهش این مشکل، استانداردهای مشترک ارزیابی را در نظر گرفته و گفته سامانه‌هایی که پس از انتشار این استانداردها آزمایش شده‌اند، بر مبنای نقاط عملکرد یکسان سنجیده شده‌اند. اما خود فرمانده جی‌آی‌ا‌تی‌اف-۴۰۱ نیز می‌گوید «هنوز کار باقی مانده است».
پدافند باید چند لایه باشد به همین دلیل، پنتاگون در فالکن پیک دنبال یک سامانه همه‌کاره نبود. در این آزمایش، بیش از ۲۰ شرکت در زنجیره‌ای شامل کشف و شناسایی، رهگیری و درگیری حضور داشتند و معماری فرماندهی و کنترل «لاتیس» نیز برای اتصال سامانه‌های مختلف به کار رفت.
خوب است بدانیم قرارداد جی‌آی‌ا‌تی‌اف-۴۰۱ با اندوریل برای این راهکار ۸۷ میلیون دلار اعلام شده است. این رویکرد یک نقطه قوت دارد: اگر یک لایه نتواند تهدید را متوقف کند، لایه دیگری وارد می‌شود.
اما همین ساختار پیچیده می‌تواند یک نقطه ضعف هم ایجاد کند. در یک معماری چندلایه، باید مطمئن شد حسگرها، نرم‌افزار فرماندهی، الگوریتم تصمیم‌گیری، سامانه‌های جنگ الکترونیک و ابزارهای درگیری با هم سازگارند.
کوچک‌ترین مشکل در یک رابط می‌تواند روی حلقه بعدی اثر بگذارد. پنتاگون حتی در روزهای اخیر برای حذف همین گلوگاه‌های غیرعملیاتی وارد عمل شده است.
یادداشت ۲۸ سپتامبر پیت هگست، تأخیر در مجوز طیف فرکانسی و فرآیندهای طولانی بررسی ایمنی را از موانعی دانست که استقرار سامانه‌های مقابله با پهپاد را کند می‌کنند. این دستورالعمل از مقام‌ها می‌خواهد چنین تأخیرهایی را خود «ریسک عملیاتی» در نظر بگیرند و فرآیند مجوز بهره‌برداری از سامانه‌های آزموده‌شده را از ماه‌ها به روزها یا هفته‌ها کاهش دهند.
نبرد بر سر چیست؟ موضوع فوج پهپادی فقط این نیست که چه تعداد پهپاد می‌تواند در آسمان پرواز کند.
مسئله این است که چه تعداد تصمیم را می‌توان با اطمینان به ماشین سپرد. جی‌اِی‌اُو در بررسی فناوری فوج‌های پهپادی نوشته است که پیشرفت‌های هوش مصنوعی و حسگرها این فناوری را جلو برده‌اند، اما استفاده عملی آن همچنان با چالش‌هایی مانند محاسبات، ارتباطات، تشخیص موقعیت چند پهپاد در محیط کنترل‌نشده، ایمنی و امنیت سایبری روبه‌رو است.
این نهاد حتی درباره امکان ربوده‌شدن یا هک‌شدن فوج و استفاده از آن علیه هدفی دیگر هشدار داده است. از طرف دیگر، خود ارتش به‌جای طراحی فوری یک شبکه کاملاً مستقل، مسیر تدریجی را انتخاب کرده است: ابتدا امکان‌سنجی، سپس نمونه اولیه، بعد آزمایش سخت‌افزاری فوج‌های کوچک و در نهایت توسعه به مقیاس بزرگ‌تر.
همه‌ی این موارد به هم ربط دارند: در جنگ فوجی، یک خطای منفرد ممکن است فقط یک پهپاد را از دسترس خارج کند؛ اما خطای مشترک در حسگر، الگوریتم یا ارتباطات می‌تواند هم‌زمان روی چندین سامانه اثر بگذارد.
به همین دلیل، چالش واقعی پنتاگون ساختن یک هوش مصنوعی نیست که مثلاً بخواهد برای زیرساخت و تامین انرژی آن و همچنین تالی‌فاسدهای محیط زیستی آن نگران باشد. در واقع چالش این است که هوش مصنوعی را در دل یک زنجیره قرار دهد که وقتی تعداد اهداف زیاد شد، شبکه تحت فشار رفت، داده ناقص شد و تصمیم باید در چند ثانیه گرفته شود، هنوز بتوان به آن اعتماد کرد.
فوج پهپادی دقیقاً از جایی برای پدافند خطرناک می‌شود که دیگر مسئله «دیدن یک هدف» نیست؛ مسئله، مدیریت هم‌زمان ده‌ها تصمیم در محیطی است که خود دشمن تلاش می‌کند اطلاعات، ارتباطات و زمان واکنش را مختل کند. 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://armysbir.army.mil/topics/asymmetric-collaborative-counter-swarm/ https://navysbir.us/n26_3/DON26BX03-NP002.htm https://www.northcom.mil/Newsroom/News/Article/Article/4587063/usnorthcom-jiatf-401-launch-falcon-peak-262-experiment-at-yuma-proving-ground/ https://defensescoop.com/2026/09/23/northern-command-falcon-peak-26-2-counter-drone-exercise/ https://defensescoop.com/2026/10/02/hegseth-issues-new-directive-to-hasten-counter-drone-pursuits/ https://www.gao.gov/products/gao-23-106930
