Jos jonkun maan tiedustelu saisi tietoonsa, että potentiaalinen vastustaja työstää uudenlaista lentokonetta, pinta-alusta tai vaikkapa suurta droonia, työmäärä sen löytämiseksi olisi valtaisa ja pitkäaikainen ponnistus henkilö-, signaali- ja avoimen lähteen tiedustelulta. Hiljattain tekoälysovellusten kehittämiseen keskittyneen yhtiön Synthetaicin tutkija on luonut työkalun, jolla käyttäjä voi pian löytää satelliittikuvista käytännössä minkä tahansa riittävän suuren kohteen mistä tahansa maapallolla yhdessä päivässä.
Synthetaicin perustaja ja pääjohtaja Corey Jaskolski on antanut työkalulle nimen Rapid Automatic Image Categorization eli RAIC. Yhtiö jäljitti työkalun avulla tammikuussa Yhdysvaltoihin tulleen vakoilupallon alkuperän Kiinaan muutamassa päivässä käyttämällä satelliittikuvantamisyhtiö Planetin kuvia.
Jaskolskin mukaan Synthetaic käyttää tästä tapauksesta saamiaan oppeja lyhentämään etsintään kuluvaa aikaa. Heidän tavoitteenaan on saada tekoälysovellus prosessoimaan koko planeetan yhden päivän satelliittikuvat alle 24 tunnissa. Silloin jos joku haluaisi etsiä esimerkiksi kaikki pallojen laukaisut koko maailmasta, yhtiö pystyisi toimittamaan niistä uudet tiedot joka päivä.
Kiinnostus uusiin julkisesti käytettäviin tekoälypalveluihin on jyrkässä kasvussa pääasiassa OpenAI:n kehittämän GPT-kielimalliperheen ansiosta. Sen saa lyhyillä komennoilla tuottamaan esseitä, rakentamaan liiketoimintasuunnitelmia ja suorittamaan monimutkaisia tehtäviä. Tiedustelu- ja turvallisuusyhteisöillä on tarve samanlaisiin työkaluihin seulomaan valtavaa määrää monenlaisten sensorien ja lähteiden tuottamaa tiedusteludataa vastustajien toimien ja uusien kykyjen selvittämiseksi.
Ei ole kuitenkaan helppo tehtävä löytää jotain, mitä ei ole koskaan aikaisemmin kuvattu, nimetty ja lisätty johonkin datatiedostoon, jota koneälyn algoritmi osaisi lukea. Normaalisti tekoälylle annetaan valmiiksi nimettyjä esimerkkejä, joista se voi oppia. Mutta entä jos ei tiedetä tarkkaan, miltä etsittävä kohde näyttää avaruudesta katsottuna?
RAIC on uudentyyppinen tekoälysovellus, joka ei vaadi massiivista määrää nimettyjä kuvia ymmärtääkseen, mitä pitää etsiä. Kun esimerkiksi Facebookin ja Googlen käyttämille tekoälyille opetetaan tunnistamista näyttämällä kirjaimellisesti miljardeja nimettyjä kuvia, RAIC:ille riitti pallon etsintään yksi kynällä tehty piirros.
RAIC koulutettiin antamalla sen katsoa jatkuvasti satelliittikuvia, jolloin sille syntyi karkea käsitys siitä, milloin niissä erottuu jotain epätavallista. Silloin sille kehittyi kyky myös alkaa etsiä jotain tiettyä epätavallista kohdetta, vaikka sitä koskeva informaatio olisi epätarkkaa.
Jaskolskin mukaan hänen piirroksensa esitti, miltä pallo voisi näyttää satelliittidatassa, ja RAIC pystyi löytämään sen. Kun se löysi oikean kohteen yhdestä kuvadatasarjasta, se pystyi etsimään sitä myös muista. Näin pystyttiin lopulta jäljittämään pallon alkuperä Kiinalle kuuluvan Hainanin saaren lähellä sijaitsevalle tuntemattomalle saarelle.