Investigadores militares en China han revelado que están trabajando en un sistema de inteligencia artificial diseñado para eliminar precisamente esta ilusión submarina.
En un artículo revisado por pares y publicado en abril en la revista china Command Control & Simulation, el equipo del Departamento de Armamento de la Armada del EPL y la Corporación Estatal de Construcción Naval de China afirmó que su sistema posee una precisión sin precedentes para torpedos que viajan a alta velocidad.
Probada con datos de campos de tiro clasificados de torpedos de alta velocidad, la tecnología alcanzó una tasa de éxito promedio del 92,2% al distinguir entre submarinos reales y señuelos, incluso durante enfrentamientos tensos, según el artículo. Esto representa un gran avance con respecto a los sistemas tradicionales que a menudo fallan su objetivo. La guerra submarina del futuro se basa en torpedos engañosos que utilizan ilusiones. Señuelos de alta tecnología, como los que se muestran en la Operación Leviatán, se utilizan para replicar la señal acústica de un buque, generar una estela de burbujas falsas para simular un viraje de emergencia o posicionarse en enjambres coordinados para proyectar objetivos fantasma en las pantallas del sonar.
Estas tácticas son particularmente eficaces contra los llamados torpedos supercavitantes ultrarrápidos, armas que generan cavitación, o burbujas de vapor, alrededor de sus cascos para reducir la resistencia. El rugido resultante ahoga los ecos reales del objetivo y distorsiona las huellas acústicas, según los investigadores chinos. «Los métodos actuales de reconocimiento de objetivos para los vehículos submarinos de alta velocidad de China han demostrado ser inadecuados en entornos saturados de contramedidas avanzadas, lo que requiere el desarrollo urgente de nuevos enfoques para la extracción de características y la identificación de objetivos», declaró el equipo dirigido por los ingenieros sénior Wu Yajun y Liu Liwen. «Solo los sistemas submarinos de alta velocidad equipados con capacidades de detección de largo alcance y altas tasas de reconocimiento de objetivos pueden proporcionar suficiente eficacia operativa», añadieron. La solución propuesta surgió de una combinación poco convencional de física y aprendizaje automático. Estas simulaciones se incorporaron a una “red generativa antagónica”: un par de sistemas de IA en pugna. Uno, el generador, refinó las señales de los señuelos mediante el estudio de la física subacuática y los principios acústicos. Su oponente, el discriminador, se entrenó para detectar fallos en estas falsificaciones mediante siete capas de análisis de patrones de sonido.
La IA utiliza una arquitectura de red neuronal especializada inspirada en el reconocimiento de imágenes, según el artículo. Las señales del sonar se normalizan en amplitud, se filtran mediante receptores de correlación para suprimir el ruido y, finalmente, se reprocesan como miniaturas espectrales mediante una herramienta matemática conocida como transformada de Fourier. Estas instantáneas de sonido se pasan a través de capas convolucionales en la red neuronal, que están ajustadas para detectar anomalías en la modulación de frecuencia. Las operaciones de agrupamiento promedian las distorsiones, como la interferencia de burbujas.
El equipo afirmó que, al enfrentarse a los tipos de señuelos más sofisticados, las tasas de detección pasaron del 61,3% a más del 80%. El proyecto surge en medio de una carrera mundial por desarrollar torpedos inteligentes. El torpedo ruso VA-111 Shkval y sus homólogos estadounidenses, actualmente en desarrollo, se basan en la supercavitación y tienen dificultades para discriminar objetivos a velocidades extremas. “Con los continuos avances en acústica submarina moderna, tecnologías electrónicas e inteligencia artificial, el campo de batalla submarino actual a menudo contiene múltiples amenazas simultáneas dentro de una sola área operativa, incluyendo señuelos, sistemas de contramedidas electroacústicas, inhibidores electrónicos y diversos sistemas de armas”, afirma el artículo. En entornos submarinos tan intensos, donde pueden aparecer múltiples objetivos o señuelos simultáneamente, estos sistemas deben ser capaces de distinguir instantáneamente los objetivos auténticos de los falsos para evitar el fracaso de la misión o la pérdida de trayectoria y priorizar los objetivos de mayor amenaza, según el equipo. En conclusión, el modelo de reconocimiento de aprendizaje profundo propuesto en este estudio, combinado con la solución de identificación de muestras pequeñas de redes generativas adversarias, permite una discriminación eficaz de objetivos submarinos. Esto sienta las bases técnicas para el despliegue sobre el terreno”, añadieron.
Por: Tulio Ribeiro/
