Por Canuto  

Pequeños modelos de inteligencia artificial ejecutados directamente en drones podrían permitirles detectar, priorizar y atacar objetivos aun cuando la guerra electrónica interrumpa las comunicaciones. La startup sueca Scaleout Systems probó esta capacidad junto con BAE Systems Bofors, en un desarrollo vinculado al programa de la OTAN.
***

  • Scaleout Systems desarrolla IA descentralizada para drones militares que opera en dispositivos de borde.
  • El proyecto ALMA permitió demostrar, según la información citada en el borrador, la detección, priorización y ataque autónomo contra un vehículo blindado.
  • El aprendizaje federado busca actualizar modelos con datos agregados en distintos nodos sin depender de servidores centrales ni exponer toda la información operativa.

Drones con IA podrán identificar y atacar objetivos sin órdenes humanas directas

La startup sueca Scaleout Systems desarrolla sistemas de inteligencia artificial descentralizada para que drones militares detecten y ataquen objetivos sin depender de servidores centrales. Su propuesta utiliza modelos de aprendizaje automático ligeros, capaces de ejecutarse directamente en el hardware de los drones y en otros dispositivos de borde, una arquitectura diseñada para mantener parte de la capacidad de análisis cuando las comunicaciones dejan de estar disponibles.

La tecnología adquiere especial relevancia en escenarios donde la guerra electrónica interrumpe o degrada los enlaces entre las unidades desplegadas y los centros de mando. Según la información citada por Dealroom, Scaleout Systems mostró sus capacidades en enero mediante el proyecto ALMA, realizado junto con BAE Systems Bofors, cuando un dron detectó, priorizó y atacó de forma autónoma un vehículo blindado sin recibir órdenes humanas directas. Esa descripción corresponde a una demostración concreta y no prueba por sí sola un despliegue operativo generalizado.

El avance plantea una discusión que va más allá de la potencia de cálculo: cuánto margen de decisión puede entregarse a una máquina en un entorno armado y cómo se supervisa ese proceso cuando la conexión con los operadores desaparece. La propuesta combina procesamiento local, nodos de computación de campo y aprendizaje federado, pero el material disponible no detalla las reglas de autorización, los mecanismos de interrupción ni las condiciones exactas de la demostración.

Una arquitectura diseñada para operar sin conexión

Los modelos pequeños de IA cumplen una función central en este diseño porque pueden ejecutarse dentro del propio dron, sin enviar cada imagen o señal a una infraestructura remota. El procesamiento a bordo permite analizar los datos en tiempo real y reduce la dependencia de servidores externos, una ventaja operativa cuando el enlace de comunicaciones sufre interferencias o queda inutilizado.

En la práctica descrita por la empresa, el dispositivo de borde recibe los datos de sus sensores, identifica posibles objetivos y establece una prioridad entre ellos. Esa secuencia no implica únicamente reconocer una forma en una imagen, sino convertir el análisis en una acción dentro de la demostración, en la que el sistema terminó atacando un vehículo blindado sin una orden humana directa, según la fuente citada en el borrador.

La descentralización también modifica el punto donde se concentra el riesgo tecnológico. Si el procesamiento depende de un servidor central, una interrupción del enlace puede dejar al dron sin capacidad de análisis; cuando el modelo está instalado en el equipo, la unidad conserva parte de sus funciones durante una interrupción de comunicaciones, aunque la fuente no especifica cuánto tiempo podría operar ni bajo qué límites.

La información disponible tampoco presenta la autonomía como una sustitución completa de los operadores humanos en todas las misiones. Lo que sí describe es una demostración concreta de detección, priorización y ataque autónomos, por lo que cualquier interpretación sobre el alcance general del sistema debe distinguir entre la capacidad exhibida por ALMA y una eventual adopción operativa a gran escala.

Aprendizaje federado y cooperación entre aliados

Scaleout Systems plantea actualizar los modelos mediante nodos de computación ubicados en el campo. Esos nodos reentrenan los sistemas utilizando datos agregados del campo de batalla y, después, envían actualizaciones a los dispositivos de borde, de modo que los drones puedan incorporar mejoras sin trasladar todo el flujo de información a una plataforma central.

Ese enfoque se conoce como aprendizaje federado y busca que varios dispositivos contribuyan al entrenamiento de un modelo sin reunir necesariamente todos los datos originales en un único lugar. En el contexto descrito, la técnica podría facilitar la colaboración entre Estados miembros de la OTAN, mientras mantiene separada la información sensible que cada unidad recoge durante sus operaciones.

La promesa de seguridad operativa depende, sin embargo, de cómo se agregan, validan y distribuyen esas actualizaciones. El material disponible no proporciona detalles sobre los controles de integridad, la autenticación de los nodos, la frecuencia de las actualizaciones o la manera en que se impediría que datos erróneos alteren el comportamiento de los dispositivos desplegados.

Scaleout Systems fue seleccionada para participar en el DIANA Challenge Programme de la OTAN con el proyecto FEDAIR, según la información publicada por la compañía. La startup fue fundada en 2018 y tiene su base en Uppsala, Suecia. La pertenencia al programa y la prueba con BAE Systems Bofors no constituyen por sí mismas una confirmación de despliegue militar generalizado.

El proyecto ALMA y los límites de la demostración

El proyecto ALMA ofreció la prueba pública descrita con mayor claridad: un dron detectó un vehículo blindado, lo priorizó como objetivo y ejecutó un ataque sin una orden humana directa, de acuerdo con la información citada por Dealroom. La demostración, realizada en enero con BAE Systems Bofors, buscó mostrar que el procesamiento local puede sostener una cadena de decisión cuando el sistema ya no depende de instrucciones transmitidas desde una infraestructura externa.

La diferencia entre una demostración y una capacidad desplegada resulta importante en un campo donde las condiciones reales suelen ser más variables que las de una prueba controlada. No se informan en el material disponible el tipo de dron, el entorno exacto del ensayo, la distancia de operación, el método de identificación del vehículo ni el criterio usado para confirmar que el objetivo era válido.

Tampoco se indican las salvaguardas que acompañaron la acción autónoma. La ausencia de esos datos impide concluir cómo respondería el sistema ante objetivos ambiguos, cambios del entorno, señuelos, errores de clasificación o una pérdida parcial de sus sensores, cuestiones que normalmente determinan la fiabilidad de cualquier tecnología aplicada a escenarios de alto riesgo.

La ventaja que Scaleout Systems atribuye a sus modelos ligeros está relacionada con la continuidad operativa, no necesariamente con una mayor precisión en todos los casos. Ejecutar la IA a bordo reduce la latencia y la dependencia de redes, pero también obliga a trabajar con recursos limitados de energía, memoria y capacidad de procesamiento, factores que la fuente no cuantifica.

Implicaciones para la autonomía militar

La evolución descrita refleja una tendencia tecnológica hacia sistemas distribuidos, en los que la inteligencia no reside en un centro único, sino en una red de dispositivos capaces de observar y actuar localmente. En un escenario de guerra electrónica, esa distribución puede mejorar la resiliencia de las unidades, porque una interrupción de las comunicaciones no elimina automáticamente sus capacidades de análisis.

El mismo atributo que aporta resiliencia eleva la importancia de la supervisión y la responsabilidad. Cuando un dron puede identificar, priorizar y atacar sin recibir una orden directa, el diseño del sistema debe establecer con precisión quién define los objetivos, qué límites se aplican al modelo y cómo se detiene una acción si la información disponible resulta insuficiente.

El aprendizaje federado añade una dimensión de cooperación entre aliados, ya que permitiría compartir mejoras del modelo sin centralizar todos los datos operativos. Esa posibilidad podría reducir la exposición de información sensible, aunque también exige acuerdos técnicos y de seguridad para garantizar que las actualizaciones sean compatibles, verificables y apropiadas para los distintos entornos en los que se utilicen.

Por ahora, el caso de Scaleout Systems muestra una capacidad tecnológica demostrada, pero no ofrece evidencia suficiente para afirmar que los drones autónomos ya operen de manera generalizada en el campo de batalla. El avance confirma que los modelos pequeños pueden trasladar funciones avanzadas de IA al borde de la red, mientras deja abiertas las preguntas sobre control humano, responsabilidad y reglas de uso.

La noticia fue reportada por Dealroom, con referencia a información de Ars Technica y a materiales de Scaleout Systems. La compañía sueca participa en el programa DIANA Challenge Programme de la OTAN mediante el proyecto FEDAIR, mientras que ALMA permanece como el ejemplo señalado de una prueba en la que un dron procesó datos a bordo y actuó sin depender de una orden humana directa.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados