كيف تفهم العدو في السماء خلال ثوانٍ ✎ سريع

الأصل: "An Evidential Reasoning Approach for Aerial Target Classification and Intent Prediction"
arXiv:2607.14606 · 2026-07-16 · arXiv non-exclusive · تحليل مستقل · 1 دقيقة
تتعلم الخوارزميات القتالية اتخاذ القرارات من أجزاء البيانات، وتعترف بصدق بعدم اليقين.

📄 معروضة نسخة «بسيط» — «مبسّط» غير جاهزة بعد. أضفه إلى المفضّلة للمساعدة في تسريعها.

يحتاج الطيار في القتال إلى فهم فوري للهدف ونواياه. تنتظر الأنظمة التقليدية بيانات الرادار الكاملة، تمامًا مثل حارس المرمى الذي لا يتفاعل إلا بعد التسديدة. تعمل الخوارزمية الجديدة كحارس مرمى خبير: من خلال الحركات الأولى للمهاجم، تتنبأ بمناورة الهدف.

تجمع الخوارزمية الإشارات المتقطعة وتُحسّن الاستنتاج تدريجيًا. وهي لا تخفي الشكوك: عند نقص البيانات، تعمل الإنتروبيا كمقياس لعدم اليقين. يُخبرك النظام بصدق: «لست متأكدًا» – مثل حارس المرمى الذي لا يقفز إلى حيث قد لا تكون الكرة.

في القتال الجوي، كما في كرة القدم، الثقة الزائفة أخطر من الشك.

أما النوايا – الهجوم أو المراوغة – فتُستنتج بجمع الإشارات عبر الزمن (مثلما تُدمج الومضات الخافتة في الفوتومترية). أعطت الاختبارات على ثمانية أهداف تدريبية دقة 88% لنوع الهدف و93% للنوايا، وكان ذلك أسرع من جمع البيانات الكاملة. ومن الجدير بالذكر أن النظام دُرِّب على أمثلة اصطناعية – فالتسجيلات القتالية الحقيقية سرية.

لتدريب النظام، اضطر المهندسون إلى توليد سيناريوهات قتالية اصطناعية – فالبيانات الحقيقية سرية.

العلماء
Jacob BekensteinStephen HawkingLudwig BoltzmannJames Clerk MaxwellRudolf ClausiusEdward Witten
المفاهيم
الشبكات العصبية الاستدلالية معيار المعلومات forecast skill تنبؤ بيانات التدريب تدريب probabilistic forecast دقة التنبؤ التعلم الآلي الذكاء الاصطناعي القابل للتفسير (XAI) الشبكات العصبية للتعلم التنبؤي الغابة العشوائية أهمية الميزة التوزيع القبلي التعرف على الكلام اتخاذ القرارات بيانات مصنفة فاصل الثقة lead time التصنيف