En el verano de 2020, los analistas de inteligencia estadounidenses en Afganistán recibieron una alerta de Raven Sentry, una herramienta de inteligencia artificial (IA) en la que habían estado trabajando durante meses. Un violento ataque a principios de julio en Jalalabad, capital de la provincia oriental de Nangarhar, pudo haber matado entre 20 y 40 personas. El ataque ocurrió el 2 de agosto, cuando el Estado Islámico atacó la prisión de la ciudad. unas 29 personas.
Raven Sentry apareció en octubre de 2019, cuando las fuerzas estadounidenses en Afganistán se enfrentaron a un enigma. Con un número reducido de tropas, cierres de bases y recursos de inteligencia desviados a otras partes del mundo, siempre han tenido menos recursos. Sin embargo, la violencia iba en aumento. El último trimestre de 2019 registró el nivel más alto de ataques talibanes en una década. Recurrieron a la IA para resolver el problema.
La violencia política no es aleatoria. Un artículo de 2023 de Andrew Shaver y Alexander Bolfrass en International, por ejemplo, mostró que las temperaturas más altas estaban relacionadas con la violencia en Afganistán e Irak. Observaron: “Probabilidades previstas de que un hombre iraquí expresara su apoyo a la violencia contra las fuerzas multinacionales en días con temperaturas que oscilaban entre 16°C y más de 38°C. [as measured in opinion polls] aumentado en decenas de puntos porcentuales”.
Raven Sentry continuó con esto. Un grupo de oficiales de inteligencia estadounidenses, cariñosamente conocidos como “el armario de los nerds”, fueron asignados a una unidad de fuerzas especiales cuya cultura era más propicia para la experimentación agresiva. Comenzaron estudiando los “patrones repetitivos” de los ataques insurgentes de la era soviética. La ocupación de Afganistán en la década de 1980, dice el coronel Thomas Spahr, describió la experiencia en un artículo reciente en la revista Parameters de la Escuela de Guerra del Ejército de Estados Unidos.
Los contratistas con sede en Silicon Valley les proporcionaron datos históricos sobre la violencia y una variedad de fuentes públicas (es decir, no confidenciales), incluidos informes meteorológicos, publicaciones en redes sociales, informes de noticias y satélites, ayudaron a entrenar una red neuronal para detectar correlaciones entre datos capturados. imágenes comerciales. El modelo resultante determinó cuándo los centros distritales o regionales estaban en alto riesgo de ataque y estimó el número resultante de víctimas.
Las agencias de inteligencia estadounidenses y la burocracia del Pentágono se mostraron inicialmente escépticas ante el esfuerzo (mantienen la boca cerrada al respecto). Pero los resultados fueron sorprendentes, dijo el coronel Spahr, entonces jefe de personal de la misión de la OTAN en Afganistán, un alto oficial de inteligencia. En octubre de 2020, el modelo había alcanzado un 70 % de precisión, lo que significa que si calificaba un ataque como de mayor probabilidad (80-90 %), entonces el ataque se producía el 70 % de las veces, similar al nivel de desempeño de los analistas humanos. , dice, “sólo a alta velocidad”.
“Me costaba entender por qué funcionaba tan bien”, dice Anshu Roy, director ejecutivo de Rhombus Power. “Luego lo desmontamos y nos dimos cuenta de que las firmas eran claramente visibles en las ciudades; de alguna manera lo sabían”. Los satélites ópticos (los que detectan la luz) observan que ciudades enteras se oscurecen por la noche antes de los ataques, afirma. Sin embargo, las áreas en aquellas ciudades asociadas con actividades enemigas pasadas serían más prominentes. Los satélites de radar de apertura sintética (SAR), que envían pulsos de radar sin depender de la luz ambiental, captan reflejos metálicos de la actividad de los vehículos. Otros satélites detectan más dióxido de carbono, dice Roy, pero no está claro por qué.
Los ataques eran más probables cuando las temperaturas superaban los 4°C, cuando la luz de la luna era inferior al 30% y cuando no llovía. “En algunos casos”, dijo el coronel Spahr, “los ataques modernos han ocurrido en el mismo período calendario y en lugares específicos con grupos insurgentes similares con armas similares a las de sus homólogos rusos en los años 1980”. El Raven Sentry fue “autodidacta”, dice el coronel Spahr, “y siguió mejorando después de su cierre”. Esto sucedió en agosto de 2021, cuando Estados Unidos se retiró de Afganistán. Entonces enseñó varias lecciones.
Los analistas humanos no consideraron que su liberación fuera una buena noticia. En cambio, lo utilizan para referirse a sistemas clasificados, como satélites espías o comunicaciones interceptadas, para proporcionar una visión más detallada de un área de preocupación. Cuando nuevos analistas de inteligencia se unen al equipo, se les enseña cuidadosamente sus debilidades y limitaciones. Según Roy, especialmente en los distritos, el modelo no era muy claro. “No ha sucedido mucho allí en el pasado”, dice, “y no importa cuánto modelaje hagas, si no puedes entrenar el modelo, no podrás hacer mucho”.
En los tres años transcurridos desde que se cerró Raven Sentry, las agencias militares y de inteligencia han invertido recursos en la IA para proporcionar “indicadores y advertencias”, es decir, advertencia anticipada de un ataque. Muchos modelos han madurado hace relativamente poco tiempo. “Si tuviéramos eso. Si estos algoritmos estuvieran en vísperas de la invasión rusa de Ucrania, las cosas habrían sido mucho más fáciles”, dijo una fuente de inteligencia de defensa británica. En ese momento, no éramos muy buenos en el seguimiento. Hace cuatro años, las imágenes SAR tenían una resolución de diez metros, recuerda Roy; ahora las imágenes son lo suficientemente nítidas como para detectar objetos de menos de un metro en la línea del frente activo de Ucrania. Un modelo como Raven Sentry, entrenado con datos de , “. se vuelve más inteligente muy rápidamente”, afirma.
El coronel Spahr dice que no es un proceso lineal. “Así como los insurgentes iraquíes aprenden que quemar neumáticos en las calles perjudica la óptica de los aviones estadounidenses, o que las guerrillas vietnamitas cavan túneles para evitar la vigilancia aérea, los adversarios de Estados Unidos aprenden a engañar a los sistemas de inteligencia artificial e interrumpir la entrada de datos. , ha superado las tecnologías avanzadas de Estados Unidos y la OTAN en Afganistán”.
