Как за секунды распознать врага в небе ✎ экспресс

Оригинал: "An Evidential Reasoning Approach for Aerial Target Classification and Intent Prediction"
arXiv:2607.14606 · 2026-07-16 · arXiv non-exclusive · собственный разбор · 1 мин
Боевые алгоритмы учатся принимать решения по обрывкам данных, честно признавая неопределённость.

Пилоту в воздушном бою необходимо мгновенно идентифицировать объект и его намерения. Традиционные системы ожидают полного набора радарных данных — это сродни вратарю, который реагирует лишь после удара по мячу. Новый алгоритм действует как опытный вратарь: анализируя начальные движения нападающего, он предсказывает манёвр цели задолго до завершения траектории.

Алгоритм последовательно накапливает отрывочные сигналы, постепенно уточняя вывод. При этом он не имитирует ложную уверенность: в условиях дефицита данных энтропия выступает количественной мерой неопределённости. Система честно сигнализирует: «Я не уверен» — подобно вратарю, который воздерживается от прыжка в сторону, где мяча может и не оказаться.

В воздушном бою, как и в футболе, ложная уверенность смертельнее сомнения.

Намерения — атака или уклонение — выводятся путём суммирования сигналов во времени (аналогично тому, как в фотометрии интегрируют слабые вспышки для получения чёткого изображения). Эксперименты на восьми учебных целях продемонстрировали точность 88% для определения типа объекта и 93% для распознавания намерений, причём результат достигается быстрее, чем при полном сборе данных. Примечательно, что обучение системы проводилось исключительно на синтетических примерах — подлинные записи реальных боёв остаются засекреченными.

Для обучения системы инженерам пришлось сгенерировать искусственные боевые сценарии — настоящие данные засекречены.

Учёные
Ludwig BoltzmannRudolf ClausiusJacob BekensteinStephen HawkingJames Clerk MaxwellEdward Witten
Понятия
эвиденциальные нейронные сети информационный критерий навык прогноза предсказание обучающие данные обучение вероятностный прогноз точность предсказаний машинное обучение объяснимый ИИ нейронные сети прогностического обучения случайный лес важность признаков априорное распределение распознавание речи принятие решений размеченные данные доверительный интервал время упреждения классификация