Tekoäly hävittäjän ohjaajana kaartotaistelussa
Kytö, Mikko (2022)
Kytö, Mikko
Maanpuolustuskorkeakoulu
Sotatekniikan laitos
sotatekniikka
Pro gradu -tutkielma (SM)
2022
Teos on tarkoitettu opetus- ja tutkimus- sekä yksityiseen käyttöön voimassa olevien tekijänoikeuslain säädösten mukaan. Teoksen kaupallinen hyödyntäminen on kielletty
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi-fe2022080853358
https://urn.fi/URN:NBN:fi-fe2022080853358
Tiivistelmä
Tekoälyn alaan kuuluvat syväoppiminen ja koneoppiminen sekä niiden menetelmiin kuuluvat keinotekoiset neuroverkot ja evoluutioalgoritmit ovat yleisesti käytettyjä kuluttajasovelluksissa. Tekoälyä hyödyntävät sotilaalliset sovellutukset tulevat yleistymään yhä kiihtyvällä tahdilla, minkä vuoksi tekoälytutkimukseen panostetaan Puolustusvoimissa. Tämän tutkimuksen tarkoituksena oli selvittää, mitä neuroverkot ja evoluutioalgoritmit ovat ja miten niitä voidaan hyödyntää. Tekoälylle valittiin tehtäväksi ilmassa hävittäjillä tapahtuva kaartotaistelu, sillä se on luonteeltaan selkeä mutta haastava optimointiongelma. Tutkimuksessa todennettiin kokeellisesti edellä mainittuihin menetelmiin perustuvan tekoälyn käytettävyys kaartotaistelussa hävittäjäohjaajan korvaajana. Tutkimuksen tavoitteet olivat teoreettiset, eli valmiiseen sovellutukseen ei pyritty. Sen sijaan tavoite oli todentaa menetelmien toimivuus konseptitasolla. Koeasetelmaa varten luotiin matemaattinen kuuden vapausasteen (6-DOF) -malli F-16-hävittäjästä, ja mallia hyödyntämällä simuloitiin hävittäjien välistä kaartotaistelua eräajo-ohjelmalla. Simuloiduissa kaartotaisteluissa kaksi identtistä F-16-hävittäjää aloittivat kaartotaistelun tasavertaisesta lähtöasetelmasta tavoitteena päästä hallinta-asemaan vastustajan taakse hävittäjän keula kohti vastustajaa. Hävittäjien ohjaaminen annettiin tehtäväksi neuroverkkopohjaiselle tekoälypopulaatiolle, jota kehitettiin evoluutioalgoritmeihin kuuluvalla geneettisellä algoritmilla simulaatiota iteroimalla. Kokeen tuloksia analysoitiin kvantitatiivisesti. Geneettinen algoritmi antoi kullekin tekoälyn suoritukselle kelpoisuusarvon kelpoisuusfunktion perusteella. Kelpoisuusarvon kehitystä analysoimalla voitiin päätellä, kykeneekö kokeen tekoäly oppimaan eli kehittymään paremmaksi kaartotaistelusimulaatiossa iteraatioiden myötä. Lisäksi tekoälyn suoritustasoa analysoitiin kvalitatiivisesti visuaaliseen tarkasteluun perustuen asiantuntijoiden lausuntojen perusteella. Ilmavoimien hävittäjälentolaivue 11:n ilmataisteluopettajista kootulle asiantuntijaryhmälle näytettiin visuaalisesti simuloituja kaartotaistelukohtaamisia tekoälyn koulutuksen eri vaiheista. Asiantuntijoiden tehtävä oli antaa suorituksista numeerinen sekä sanallinen palaute samaan tapaan kuin he antaisivat sen oikealle ilmataisteluoppilaalle. Asiantuntijoiden numeerisen palautteen tunnuslukuja verrattiin eräajon sukupolvien määrään. Näiden kahden muuttujan välistä korrelaatiota analysoimalla tehtiin johtopäätöksiä tekoälyn oppimisesta. Kokeen eräajojen aikana suoritettiin simulaatioita 3 974 sukupolven verran, eli yhteensä 158 960 kaartotaistelukohtaamista, populaation koon ollessa 80 neuroverkkoyksilöä. Kokeen tuloksia analysoimalla havaittiin selkeä, syväoppimiselle tyypillinen, logaritmista funktiota mukaileva nouseva trendi sukupolvien parhaiden yksilöiden kelpoisuudessa sekä sukupolvien populaatioiden kelpoisuuden keskiarvossa. Kelpoisuutta kuvaavien kehityskäyrien kulmakertoimia ja erotusta analysoimalla voitiin todeta tekoälyllä olevan vielä kehittymispotentiaalia, mikäli iteraatioita jatketaan. Asiantuntijoiden lausunnot tukevat kvantitatiiviseen analyysiin perustuvaa näkemystä tekoälyn kehittymisestä. Tekoäly ei kuitenkaan saavuttanut koulutetun hävittäjäohjaajan suoritustasoa kaartotaistelusimulaatiossa.
Kokoelmat
- Opinnäytteet [2348]