Trung Quốc phát triển ngư lôi siêu tốc AI, để đối phó với vũ khí... trong phim Mỹ
Trung Quốc phát triển AI nhận diện tàu ngầm thật giữa hàng loạt mồi nhử dưới nước, mở ra bước ngoặt mới trong cuộc đua ngư lôi thông minh.
Trong bộ phim bom tấn Trung Quốc Chiến dịch Leviathan, một tàu ngầm hạt nhân Mỹ dùng “hologram âm thanh” công nghệ cao để đánh lạc hướng ngư lôi Trung Quốc cùng người điều khiển.
Chỉ vài tháng sau khi phim chiếu rạp, các nhà nghiên cứu quân sự Trung Quốc công bố họ đang phát triển một hệ thống trí tuệ nhân tạo (AI) nhằm đối phó chính xác với kiểu đánh lừa dưới nước như vậy.
Mồi nhử công nghệ cao như trong phim “Chiến dịch Leviathan” sẽ đóng vai trò trung tâm trong chiến tranh tàu ngầm trong tương lai. Ảnh: Bona Film Group
Theo một bài nghiên cứu công bố hồi tháng 4 trên tạp chí khoa học Command Control & Simulation, nhóm nghiên cứu từ Cục Vũ khí Hải quân PLA và Tập đoàn đóng tàu nhà nước Trung Quốc cho biết hệ thống AI mà họ đang phát triển có khả năng phân biệt mục tiêu thật – giả với độ chính xác chưa từng có, ngay cả khi ngư lôi đang di chuyển với tốc độ cực cao.
Thử nghiệm trên dữ liệu lấy từ các trường thử ngư lôi tốc độ cao (thông tin tuyệt mật), công nghệ này đạt tỷ lệ thành công trung bình 92,2% trong việc nhận diện tàu ngầm thật giữa các mồi nhử trong những tình huống giao tranh căng thẳng — một bước nhảy vọt so với các hệ thống cũ vốn thường xuyên “bắn trượt”.
Trong chiến đấu tàu ngầm hiện đại, đánh lừa ngư lôi bằng âm thanh giả là chiến thuật quan trọng để sống sót. Những mồi nhử công nghệ cao – giống như trong phim Leviathan – được tạo ra để bắt chước tiếng động của tàu thật, giả vờ như tàu đang quay gấp bằng cách tạo bong bóng, hoặc tung ra theo nhóm để sonar của đối phương nhầm lẫn giữa mục tiêu thật và hàng loạt mục tiêu giả.
Những chiêu đánh lừa này càng phát huy tác dụng khi đối phó với ngư lôi siêu nhanh dùng công nghệ “siêu khoang” - tức là tạo ra một lớp bong bóng hơi nước quanh thân để giảm lực cản. Vấn đề là loại ngư lôi này phát ra tiếng ồn cực lớn, khiến tiếng vọng từ tàu ngầm thật bị át đi và dấu hiệu âm thanh bị méo mó, khiến việc xác định mục tiêu thật gần như không thể.
“Các phương pháp nhận diện mục tiêu hiện tại của Trung Quốc tỏ ra không hiệu quả trong môi trường đầy mồi nhử và hệ thống gây nhiễu tiên tiến”, nhóm nghiên cứu do kỹ sư trưởng Ngô Nhã Quân và Lưu Lập Văn đứng đầu cho biết. “Chỉ những hệ thống dưới nước tốc độ cao có khả năng phát hiện tầm xa và nhận diện chính xác mới đủ sức đảm bảo hiệu quả tác chiến”.
Ngư lôi tốc độ cao của Nga, VA-111 Shkval. Ảnh: CC/Wiki
Giải pháp của họ là sự kết hợp lạ lùng giữa vật lý học và học máy (machine learning). Do thiếu dữ liệu thực chiến, nhóm nghiên cứu mô phỏng các đặc điểm mồi nhử bằng mô hình động lực học thủy lực, mô phỏng quá trình bong bóng vỡ và dòng chảy rối. Dữ liệu thô được lấy từ trường thử ngư lôi tốc độ cao của Hải quân Trung Quốc.
Các mô phỏng này được đưa vào một hệ thống “mạng đối kháng sinh thành” (GAN – Generative Adversarial Network), gồm hai AI đấu trí với nhau: một bên là trình tạo (generator) tạo ra dấu hiệu mồi nhử dựa trên nguyên lý vật lý và âm học của tàu ngầm, bên còn lại là trình phân biệt (discriminator) học cách phát hiện các mẫu giả thông qua 7 lớp phân tích mẫu âm thanh.
Sau hàng nghìn vòng huấn luyện, hệ thống đã tạo ra một kho dữ liệu khổng lồ các mẫu mồi nhử nhân tạo. Nhóm nghiên cứu cho biết, khi đối mặt với loại mồi nhử tinh vi nhất, tỷ lệ phát hiện tăng từ 61,3% lên hơn 80%.
Công bố này xuất hiện giữa lúc các cường quốc chạy đua phát triển ngư lôi “thông minh”. Ngư lôi VA-111 Shkval của Nga và các mẫu đang được Mỹ nghiên cứu đều dựa trên công nghệ siêu khoang, nhưng khả năng nhận diện mục tiêu ở tốc độ cao vẫn là thách thức lớn.
Trong những tình huống gay gắt dưới nước, nơi nhiều mục tiêu thật giả cùng lúc xuất hiện, hệ thống phải ngay lập tức phân biệt mục tiêu thực để tránh tấn công sai hoặc phí phạm quỹ đạo ngư lôi, đồng thời ưu tiên mục tiêu có nguy cơ cao nhất.
“Quan trọng hơn, vì các thiết bị dưới nước tốc độ cao đều hoạt động tự động, toàn bộ quyết định phải được đưa ra mà không có sự hỗ trợ từ liên lạc thời gian thực, làm tăng đáng kể độ phức tạp thuật toán và sức nặng tính toán”, nhóm nghiên cứu nhấn mạnh.
“Mô hình học sâu kết hợp với mạng GAN trong nghiên cứu này cung cấp khả năng phân biệt mục tiêu dưới nước hiệu quả, đặt nền móng kỹ thuật cho việc triển khai thực địa”.
