ГЛАВА 4. Подрывные технологии

О войне я могу сказать только одно, и почти только одно, и вот что: ни одна война никогда не проявляет тех характеристик, которые ожидались; она всегда другая.

ДУАЙТ ЭЙЗЕНХАУЭР

Доказательством дальновидности Троцкого является то, что ни одно из его предсказаний до сих пор не сбылось.

ИСААК ДОЙЧЕР

В процессе работы над этой книгой я время от времени посещал Офис чистых оценок (ONA) Пентагона. В одном из случаев я встретился с его нынешним директором Джимом Бейкером, который вместе со своим заместителем доктором Эндрю Мэем продолжает традицию Бюро по подготовке оценок мирового класса по вопросам стратегической важности для высшего руководства Министерства обороны. Во время нашей беседы я сказал Бейкеру, что мне трудно разобраться в том, что, по всей видимости, станет преемником военной революции по сравнению со зрелым режимом высокоточного оружия.

Я отметил, что оценка MTR была сосредоточена почти исключительно на эффектах, вызванных ИТ-революцией и стратегией смещения министра обороны Гарольда Брауна. Теперь же я столкнулся с целым кластером технологий, связанных с военным делом, некоторые из которых сами по себе могут кардинально изменить характер военных действий. Все усложнялось тем, что эти технологии развивались устойчивыми, а в некоторых случаях и быстрыми темпами. Еще больше осложняло ситуацию их взаимосвязь. В некоторых случаях потенциал этих технологий как "переломных моментов" в военном соревновании зависел от прогресса других развивающихся технологий: прорыв в аддитивном производстве может оказаться решающим для успеха гиперзвуковых ракет; успехи в квантовых вычислениях и искусственном интеллекте могут существенно повлиять на синтетическую биологию и т.д.. Таким образом, порядок созревания этих различных технологий может, по моим словам, сильно повлиять на то, как будет развиваться революция: если твердотельные лазеры, рельсовые и пороховые пушки созреют раньше гиперзвука, то противоракетная оборона флота может получить преимущество. Если гиперзвук появится раньше, то эффективная оборона флота может стать невозможной. Все это, сказал я Бейкеру, создает очень тяжелые условия.

В лучших традициях офиса, который он теперь возглавляет, Бейкер просто посмотрел на меня и сказал: "Ну, я полагаю, вам просто придется думать лучше, не так ли?".

Действительно.

На протяжении тысячелетий новые технологии предоставляли военным более эффективные средства ведения войны. Способность технологий обеспечивать преимущества на поле боя никогда не была столь очевидна, как в индустриальную эпоху, когда прогресс способствовал инновациям, а иногда и военным революциям. Сегодня военные технологии развиваются быстрыми темпами и на широком фронте. Они охватывают увеличение вычислительной мощности, включая перспективы квантовых вычислений, способствующих анализу больших данных, машинному обучению и, благодаря им, достижениям в области искусственного интеллекта. Впечатляющий прогресс также наблюдается в аддитивном производстве, робототехнике, направленной энергии и гиперзвуковых двигателях. Специалисты по планированию обороны на свой страх и риск игнорируют ошеломляющий прогресс в области бионаук, особенно в редактировании генов, которое стало возможным благодаря CRISPR-Cas9.

Какие новые технологии достигнут зрелости в ожидаемое время и в соответствии с прогнозами? Какие из них реализуют свой потенциал гораздо позже, чем предполагалось? Какие переломные технологии просто не появятся? И наконец, какие технологии изменят характер войны таким образом, который совершенно не ожидался даже их создателями?

У людей моей профессии есть сильный соблазн попытаться предсказать будущее. Были подготовлены длинные, подробные исследования, описывающие и анализирующие перспективную ценность новых военных технологий. Высшие руководители оборонной политики и военные лидеры хотят получить ответы, а не двусмысленность при определении приоритетов исследований и разработок, на которые тратятся десятки миллиардов долларов и которые потенциально могут повлиять на тысячи жизней, не говоря уже о безопасности страны. Тем не менее, попытка точно предсказать, как любая технология повлияет на военную конкуренцию, является невыполнимой задачей. Опять же, никто не может с уверенностью сказать, когда или даже если эти технологии и военные возможности, которые они могут создать, достигнут ожидаемого уровня развития. От аналитика требуется сдержанность, чтобы не поддаться искушению предложить иллюзию ложной точности, а от политиков - мудрость, чтобы не требовать ее. К сожалению, и того, и другого часто не хватает.

Лучшее, чего я могу добиться, это обзор отдельных технологий, которые кажутся многообещающими с точки зрения их военного потенциала, подкрепленный некоторыми, надеюсь, проницательными наблюдениями относительно их перспективного влияния на характер войны. Таким образом, последующее обсуждение является иллюстративным, а не предсказательным и уж точно не исчерпывающим. Хотя технологии представлены по отдельности, в большинстве случаев именно их сочетание с наибольшей вероятностью приведет к наиболее разрушительным изменениям в характере войны.

Искусственный интеллект

Информационная революция, начавшаяся в середине XX века, продолжается благодаря достижениям в области высокоскоростной обработки данных; растущей доступности больших массивов данных, все больше опирающихся на сырье, получаемое из зарождающегося Интернета вещей (IoT); использованию аналитики больших данных; достижениям в области методов машинного обучения; и быстро растущим инвестициям частного и государственного секторов. Все это привело к впечатляющему росту производительности искусственного интеллекта, а его самые большие сторонники обещают: "Вы еще ничего не видели!".

Прежде чем продолжить, необходимо дать определение терминам. Искусственный интеллект - это использование цифровых технологий для создания систем, способных выполнять задачи, для которых, как принято считать, требуется человеческий интеллект. Машинное обучение рассматривается как подполе искусственного интеллекта и сосредоточено на цифровых системах, которые со временем улучшают свою работу над заданной задачей за счет опыта. Национальный институт стандартов и технологий (NIST) описывает большие данные просто как "поток данных в современном сетевом, оцифрованном, насыщенном датчиками и управляемом информацией мире". Действительно, было подсчитано, что с начала времен до 2003 года было создано пять экзабайт (1 000 000 000 000 000 000 000 000 000 000 000 000 байт) данных, что эквивалентно 15 000 раз больше содержимого Библиотеки Конгресса. К 2010 году такой же объем данных создавался каждые два дня. Большие данные характеризуются растущим размером наборов данных, разнообразием данных (например, из нескольких хранилищ, доменов или типов) и скоростью (скоростью потока) данных. Таким образом, аналитика больших данных - это совокупность методов, позволяющих использовать огромные и разрозненные наборы данных для извлечения знаний.

Интернет вещей является основным фактором, способствующим росту больших данных. IoT определяется как «децентрализованная сеть объектов, приложений и сервисов, которые могут чувствовать, регистрировать, интерпретировать, передавать, обрабатывать и действовать на основе различной информации или управлять устройствами в физическом мире». Оценки количества устройств IoT варьируются. Общепризнано, что их рост как на промышленном, так и на потребительском рынке происходит с бешеной скоростью. В ноябре 2015 года одна из оценок предсказывала, что к 2016 году будет использоваться 6,4 миллиарда подключенных "вещей", что на 30 процентов больше, чем в 2015 году, а к 2020 году IoT будет включать 20,8 миллиарда устройств. Согласно другой оценке, в 2015 году было подключено 13,4 миллиарда устройств, а к 2020 году эта цифра вырастет до 38,5 миллиарда. К 2018 году эта оценка выросла до более чем 50 миллиардов.

Возможно, самым известным недавним достижением в области искусственного интеллекта является AlphaGo, разработанный командой DeepMind компании Google. В марте 2016 года AlphaGo обыграл Ли Седоля, одного из лучших игроков мира, со счетом четыре партии к одному в китайской стратегической настольной игре Го (или Вэйчи), истоки которой восходят к временам до нашей эры. Система AlphaGo освоила игру за сорок дней после того, как ее накормили ходами и контрходами мастера Го прошлых лет. Вскоре после успеха AlphaGo компания DeepMind выпустила AlphaGo Master, который в марте 2017 года победил самого рейтингового игрока Ке Цзе. После этого успеха команда DeepMind разработала AlphaGo Zero, которой просто скормили правила игры. Начиная с нуля, машина играла сама с собой без каких-либо исторических данных. В процессе игры AlphaGo Zero определяла новые тактики и ходы. Три недели спустя, в октябре 2017 года, она победила предыдущую версию AlphaGo со счетом 100 партий на ноль.

Совсем недавно алгоритм игры в покер под названием Pluribus, разработанный исследователями из Университета Карнеги-Меллона и лаборатории искусственного интеллекта Facebook, обошел группу элитных игроков в покер в игре Texas Hold 'Em, сложной игре в покер, в которой, как считается, психология сыграла значительную роль в определении победителя. Однако Даррен Элиас, профессиональный игрок, участвовавший в играх, пришел к выводу, что успех Pluribus можно выразить просто в «чистых цифрах и процентах».