Compact convolutional neural networks for AI-based drone detection system
تقترح هذه الدراسة وتتحقق من صحة إطار عمل لشبكة عصبية تلافيفية مدمجة تقوم بتحويل عمليات التقاط بث فيديو الطائرات بدون طيار عبر الراديو المعرف برمجياً إلى صور في النطاق الزمني للكشف في الوقت الفعلي وبدقة عالية مع تقليل التكاليف الحسابية بشكل كبير مقارنة بالطرق التقليدية القائمة على المخططات الطيفية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك حارس أمن يحاول رصد طائرة بدون طيار (درون) صغيرة وطنانة تختبئ في مدينة مزدحمة. في الماضي، كان الحراس يستخدمون أطباق رادار ضخمة وثقيلة للبحث عن هذه الطائرات، لكن الطائرات الصغيرة جداً تكون صغيرة جداً وتحلق منخفضاً لدرجة أن الرادار غالباً ما يخطئها. لذا، بدأ الحراس بالاستماع بدلاً من ذلك. فهم يعلمون أن هذه الطائرات تتحدث مع طياريها باستخدام موجات راديو غير مرئية لإرسال الفيديو، تماماً مثل جهاز اللاسلكي (walkie-talkie) الذي لا يتوقف عن الثرثرة أبداً. المشكلة هي أن الهواء مليء بالضجيج — من راديو آخر، وواي فاي، وتشويش — مما يجعل من الصعب سماع تلك الثرثرة المحددة.
ولحل هذه المشكلة، يتجه العلماء إلى "الذكاء الاصطناعي"، وتحديداً نوع من أدمغة الكمبيوتر يسمى "الشبكة العصبية التلافيفية" (CNN). يمكنك التفكير في الـ CNN كطالب فنون ذكي للغاية؛ فإذا أريته صورة قطة، سيتعلم تمييز الأذنين والشاربين، وإذا أريته صورة كلب، سيتعرف على الأذنين المتدليتين والأنف. في هذه الحالة، يحاول العلماء تعليم الذكاء الاصطناعي التعرف على "صورة" إشارة الراديو الخاصة بالطائرة بدون طيار. لكن هنا تكمن العقبة: أجهزة الكمبيوتر الموجودة في أجهزة الأمن المحمولة صغيرة ولديها طاقة بطارية محدودة، مثل هاتف ذكي مقارنة بحاسوب خارق عملاق. لا يمكن لهذه الأجهزة تشغيل نماذج الذكاء الاصطناعي الضخمة والمعقدة التي تعمل بشكل أفضل عادةً. لذا، يصبح السؤال الكبير: هل يمكننا بناء دماغ ذكاء اصطناعي صغير وخفيف الوزن يكون ذكياً بما يكفي لرصد الطائرة، وفي الوقت نفسه صغيراً بما يكفي ليتسع في حقيبة ظهر؟
تستكشف هذه الورقة البحثية هذا التحدي تحديداً. قرر الباحثون، أثناء عملهم مع نظام يلتقط إشارات الراديو، تجربة حيلة ذكية. فبدلاً من تحويل إشارة الراديو إلى خريطة تردد معقدة (وهو أمر يشبه تحويل أغنية إلى نوتة موسية ثم تحليل كل نوتة فيها — وهي عملية بطيئة وثقيلة)، قاموا ببساطة بتحويل الإشارة الخام إلى صورة. لقد أخذوا تدفق الأرقام القادم من الراديو ورتبوها في شبكة، مما خلق صورة "ممسوحة ضوئياً" (rasterized). ولأن إشارة الفيديو الخاصة بالطائرة بدون طيار تتكرر في نمط معين، فإن هذه الصورة تبدو مثل نسيج مخطط أو رمز شريطي (barcode)، بينما يبدو ضجيج الخلفية مثل خربشة فوضوية.
قام الفريق بعد ذلك ببناء عدة نماذج ذكاء اصطناعي مخصصة وخفيفة الوزن لتنظر إلى هذه الصور. واختبروا كل شيء، بدءاً من الشبكات البسيطة والضحلة وصولاً إلى شبكات أعمق قليلاً، للتحقق من قدرتها على التمييز بين إشارة الطائرة بدون طيار وضجيج الخلفية. وقد قاموا بتدريب هذه النماذج على مجموعة بيانات تضم حوالي 40,000 صورة، والتي أنشأوها عن طريق تسجيل إشارات حقيقية لطائرات بدون طيار وإضافة ضجيج وهمي لجعل التدريب أكثر صعوبة.
كانت النتائج مزيجاً من المفاجأة والحذر. فعندما اختبر الباحثون النماذج على جهاز كمبيوتر يعمل دون اتصال (مثل النظر في ألبوم صور)، كان كل نموذج بنوه دقيقاً للغاية، حيث يصيب أكثر من 99% من المرات. بدا الأمر وكأنه حل مثالي. ومع ذلك، عندما وضعوا هذه النماذج نفسها في نظام يعمل في الوقت الفعلي يستمع إلى موجات راديو مباشرة، تغيرت القصة. فبعض النماذج التي بدت مثالية على الورق بدأت ترتكب أخطاء في العالم الحقيقي — إما بالصراخ "درون!" رغم عدم وجود شيء، أو بالبقاء صامتة بينما تمر طائرة بدون طيار بالفعل.
تشير الورقة البحثية إلى أن مفتاح النجاح لم يكن مجرد جعل الذكاء الاصطناعي أكبر أو أكثر تعقيداً. في الواقع، كان النموذج الأكثر موثوقية الذي وجدوه هو أحد أصغر النماذج، واسمه C2233، والذي يحتوي على أقل من 1,100 معلمة (وهي القطع الصغيرة من الرياضيات التي تشكل دماغ الذكاء الاصطناعي). تمكن هذا النموذج الصغير من رصد الطائرة بدون طيار بدقة 100% في اختباراتهم المباشرة، بينما ارتبكت النماذج الأكبر والأكثر تعقيداً أحياناً بسبب الضجيج. وجد الباحثون أن طريقتهم في تحويل الإشارات مباشرة إلى صور كانت أسرع وتتطلب قوة حوسبة أقل من الطرق التقليدية التي تحول الإشارات أولاً إلى خرائط تردد.
في النهاية، تظهر الدراسة أنه لرصد هذه الطائرات الصغيرة، لا تحتاج إلى دماغ ذكاء اصطناعي ضخم وثقيل؛ إذ يمكن لدماغ صغير وفعال القيام بالمهمة تماماً كما لو كان كبيراً، بشرط أن يتم اختباره في ظروف الحياة الواقعية، وليس فقط على شاشة الكمبيوتر. ويشير المؤلفون إلى أن هذا النهج قد يغير قواعد اللعبة لأنظمة الحرب الإلكترونية المحمولة، مما يسمح لها بالعمل على أجهزة صغيرة تعمل بالبطارية دون الحاجة إلى قدرة معالجة هائلة. كما يلاحظون أنه على الرغم من سرعة طريقتهم، إلا أنها قد تواجه صعوبة إذا أصبح المحيط فوضوياً للغاية أو إذا كانت طائرات متعددة تتحدث في وقت واحد، مما يشير إلى أن العمل المستقبلي قد يحتاج إلى النظر في كيفية تغير الإشارة بمرور الوقت، وليس فقط ما تبدو عليه في لقطة واحدة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.