Siga o Olhar Digital no Google Discover
Enquanto um exército de robôs não se torna realidade, os Estados Unidos planejam utilizar inteligência artificial nos campos de batalhas. O sistema é conhecido como Reconhecimento de Ameaças Ajudada por Sensores Autônomos e Cooperativos Móveis (ATR-MCAS) e está sendo desenvolvido para transformar a maneira como os militares planejam e conduzem operações.
Ofertas
Por: R$ 36,21
Por: R$ 24,96
Por: R$ 9,90
Por: R$ 5,86
Por: R$ 113,70
Por: R$ 6,90
Por: R$ 3.099,00
Por: R$ 3.324,00
Por: R$ 799,00
Por: R$ 241,44
Por: R$ 388,78
Por: R$ 2.159,00
Por: R$ 188,99
Por: R$ 45,00
Por: R$ 379,00
Por: R$ 1.239,90
Por: R$ 943,20
Por: R$ 798,99
Por: R$ 199,00
Por: R$ 476,10
Por: R$ 1.139,05
Por: R$ 949,00
Por: R$ 119,90
Por: R$ 398,99
Por: R$ 79,90
Por: R$ 199,90
O programa é composto por uma rede de veículos aéreos e terrestres equipados com sensores que identificam ameaças em potencial e notificam os soldados. As informações coletadas seriam analisadas por um agente de suporte habilitado para recomendar respostas, como quais ameaças priorizar. A tecnologia foi desenvolvida pela Força Tarefa de Inteligência Artificial do Exército (AITF), ativada ano passado para melhorar as conexões do exército com a IA.

“O ATR-MCAS é diferente dos esforços existentes do sistema autônomo, porque não se limita a casos de uso específico”, explicou o tenente-coronel Chris Lowrance, líder de sistemas autônomos da AITF. “Ele pode ser usado para realizar missões de reconhecimento em toda a área de operações ou manter uma posição fixa ao executar missões de vigilância de defesa de área”, acrescentou.
Além disso, o sistema também pode ser usado para reconhecimento de rotas, missões de triagem e verificação de alvos de alto valor. Segundo comunicado do exército, o projeto “aumenta a letalidade e a capacidade de sobrevivência dos soldados“.
Apesar da empolgação, o ATR-MCAS ainda está um pouco distante da implantação operacional. Atualmente, a equipe ainda está treinando os algoritmos para ajudá-los a identificar e classificar melhor os objetos.
Via: The Next Web