Militær kunstig intelligens i Norge

Norge ser etter nisjer innen militær kunstig intelligens for å styrke sin posisjon på den internasjonale scenen.

Kong Oscars kirke i Norge, rett ved den russiske grensa. Bilde: colourbox.

Sammendrag: Norges strategi for militær kunstig intelligens ble publisert i oktober 2023 og er et ledd i Norges bredere strategier innenfor digitalisering og KI. Norge har ikke mulighet til å konkurrere med de store maktene i KI-kappløpet, og ser derfor heller etter nisjer innenfor militær utvikling hvor KI kan være avgjørende og derigjennom øke landets posisjon blant globale allierte. Norge ønsker å bygge videre på tidligere suksess med samarbeid mellom staten, forskning og industri. Imidlertid gjenstår det viktige hindringer, som for eksempel at dataene som moderne KI-systemer i stor grad er basert på, kan vise seg å være upålitelige og vanskelige å skaffe på lovlig vis og i tilstrekkelige mengder.

Globalt KI-kappløp

Kunstig intelligens er i 2024 en av verdens mest omtalte teknologier, og den underliggende teknologien er antatt å ha tilnærmet uendelige muligheter for en rekke sektorer. Selv om kunstig intelligens ikke slo ordentlig gjennom for offentligheten før ChatGPT ble lansert sent i 2022, har potensialet til KI vært klart mye lenger. Kunstig intelligens’ militære potensial ble fremhevet av Vladimir Putins beryktede uttalelse fra 2017 om at den som styrer KI, styrer verden.

USA og Kina er regnet som lederne innenfor KI-feltet, og Russland ønsker også å ta opp kampen. KI-systemer som OpenAI og Microsofts GPT 4 eller Baidus Ernie Bot, som henholdsvis kommer fra USA og Kina, er begge utviklet av private teknologiselskaper. Hypen rundt innovasjonen i privat sektor gjelder også forsvarssektoren som har ledet til planlegging for fremtidig militær KI. Denne planleggingen har ført til militære KI-strategier i USA, Storbritannia og Frankrike. Norges inngang til KI-planleggingen var gjennom Den nordatlantiske traktatorganisasjonens (NATO) egen KI-strategi som ble revidert i juli 2024 fra den opprinnelige versjonen i 2021.

Norges militære KI-strategi (Strategi for kunstig intelligens for forsvarssektoren) ble publisert i oktober 2023 og er den første strategien fullstendig dedikert til militær kunstig intelligens i Skandinavia. Den er en del av et bredere KI-fokus I Norge, som inkluderer en forpliktelse om at Norge skal være det mest digitaliserte landet i verden innen 2030, og at landet skal bygge en nasjonal infrastruktur for KI.

Å gjenskape menneskelig intelligens

Det finnes mange ulike «typer» kunstig intelligens. Dette betyr at det er mange ulike teknologier som forsøker å løse utfordringen ved å gjenskape menneskelig intelligens. Dette inkluderer symbolsk KI, ekspertsystemer, maskinlæring og nevrale nettverk/dyp læring. Her vil vi i hovedsak fokusere på symbolsk KI og gjennombruddet til dyp læring. Ideen om å skape kunstig intelligens kom opprinnelig fra ideen om å gjenskape hjernen, men det var også andre teknikker som ble forsøkt for å nå dette målet. Et eksempel er «Perceptron» av Frank Rosenblatt fra 1958 som var den første til å skape en «mekanisk hjerne» som han kalte det. Han brukte en forbindelsestilnærming med en «mønstergjenkjenningsmodell» for å illustrere noen av de fundamentale egenskapene til intelligente systemer generelt, og dette er et av de første eksemplene på et såkalt nevralt nettverk (se Metz 2021, s. 19)

Denne tilnærmingen ble kritisert av blant annet Marvin Minsky, en annen pioner på feltet, noe som førte til at «symbolske» tilnærminger vant frem. Symbolsk KI kan forklares på den måten at det er mennesker som definerer symboler for en datamaskin, og som derigjennom lager eksplisitte regler for symbolene. Selv om symbolsk KI (eller GOFAI (Good Olf Fashioned AI)) dominerte på andre halvdel av 1900-tallet, har nevrale nettverk vunnet frem til slutt; Geoffrey Hinton, som nå er kjent som «gudfaren» innenfor KI, var en av de få som jobbet for en forbindelsestilnærming i løpet av sin akademiske karriere. Firmaet hans, DNNresearch, ble kjøpt opp av Google i 2013 for 44 millioner USD, noe som bidro til å etablere dyplæring/nevrale nettverk og forbindelsestilnærmingen som den mest hensiktsmessige. Denne tilnærmingen til kunstig intelligens bygger et såkalt nevralt nettverk bestående av flere nevroner eller noder som hver er sine egne algoritmer, og som justerer seg i forhold til hverandre i henhold til dataene som blir sendt gjennom dem. Hvis du vil lære mer om de grunnleggende prinsippene for forbindelses-KI, som utgjør grunnlaget for mange av de KI-systemene som er diskutert i denne artikkelen og som vi kjenner til i dag, finnes det en rekke gratis nettkurs du kan ta en titt på.

Militær kunstig intelligens

Å trene et KI-system gjennom dyplæring, har - og er forventet å ha - mange funksjoner i en militær kontekst. Bruksområder som er nevnt i forskningslitteraturen inkluderer militær logistikk og ettertning, både i cyberforsvar- og angrep, som en del av våpensystemer, i tillegg til en rekke andre bruksområder (se Yde, Nielsen & Dahlberg 2021 og Skeie 2024 for mer om dette). Disse forutsigelsene om fremtidig bruk overser ofte at mesteparten av KI-utviklingen (selv for militært bruk) skjer i privat sektor, som er et annet planleggingsområde nevnt i de militære KI-strategiene til de ovennevnte landene. Fokuset er imidlertid ofte på nåværende bruk og implementering. Det har blitt rapportert i mediene om militære styrkers bruk av kunstige intelligens-systemer, inkludert KI-drevne "selvmords-droner” (klassifisert som biende prosjektil), KI-systemer som behandler data for målgjenkjenning – både menneskelige mål og infrastruktur – i tillegg til ulik bruk av ansiktsgjenkjenningsteknologi. Denne siste bruken av kunstig intelligens i krigføring er imidlertid i sin spede begynnelse og er ganske ny. Et spesielt eksempel som er relevant for det norske Forsvaret – og utvilsomt andre stater – er der et KI-system er trent opp til å gjenkjenne russiske militærfly. Dette er bare ett eksempel på en smal oppgave innen bildegjenkjenning som er lettere for et KI-system å håndtere nøyaktig enn for et menneske (se bilde nedenfor fra Forsvarskommisjonens rapport fra 2023).

Å planlegge for militær KI: En nisjestrategi for Norge?

Norges strategi for militær kunstig intelligens ble publisert i oktober 2023 og er den første strategien fullstendig dedikert til kunstig intelligens i Skandinavia (Sverige og Danmarks planlegging for militær KI finnes for det meste i deres generelle KI-strategier). Strategien presenterer Norges mål som tredelt:

  1. identifisere behovene og mulighetene for utvikling, implementering og bruk av KI;
  2. prioritere KI der hvor der har størst operasjonell innvirkning; og,
  3. finne nisjer innenfor KI-bruk hvor Norge kan utmerke seg og bli en attraktiv partner for sine allierte og andre samarbeidspartnere.

En slik strategi kan sees på som en "ønskeliste" over hva et land kan oppnå hvis alt blir implementert og utnyttet smidig og effektivt. Det første og andre målet ligner også andre militære KI-strategier, inkludert strategiene fra USA og Storbritannia. Det tredje målet skiller seg derimot ut. Norge er et lite – men høyt digitalisert – land på den globale scenen. Dette indikerer at Norges tekniske kompetanse kan være en måte å navigere i den vanskelige balansen mellom å implementere kunstig intelligens i Forsvaret på den ene siden, samtidig som Norge er en attraktiv samarbeidspartner og alliert for USA og for resten av NATO. Norges størrelse innebærer at en viss grad av samarbeid er nødvendig, noe som gjør det enda viktigere å være en attraktiv alliert. Denne "nisjestrategien" kan sees på som en måte å håndtere denne balansen på.

Anvendelsen av den norske militære KI-strategien

Selve eksistensen av denne nisjestrategien bør ses på som en respons på og en persepsjon av den økende konkurransen mellom Kina og USA når det gjelder teknologi og økonomi, inkludert militær kunstig intelligens. Disse to landene er anerkjent som lederne i KI-kappløpet, og det er mange stater, inkludert Norge, som forsøker å holde tritt med alle lovnadene i KI-hypen. Norges militære KI-strategi er en av måtene å forsøke å holde tritt på, men de tre målene nevnt ovenfor er muligens ikke så oppnåelige.  En av de mer spesifikke måtene å nå landets mål på, er å etablere bedre datastyringspraksis i Forsvaret.

Data er driveren bak utviklingen av dyp-lærings-systemer. Derfor er innsamling, deling, merking, lagring og forvaltning av militære data et avgjørende skritt i implementeringen av kunstig intelligens der det kan nyttiggjøres. Dette er imidlertid et ambisiøst mål. I november 2023 fant Riksrevisjonen at ledelse og samarbeid om deling av data i Norge ikke fungerer godt nok, og at det fortsatt er en mengde hindringer for deling og gjenbruk av data. Hindringer i offentlig sektor inkluderer GDPR-lovgivning, juridiske spørsmål rundt data, vanskeligheten med å jobbe på tvers av sektorer og mangel på oversikt over hvilke data som finnes. For Forsvaret er det også utfordringer knyttet til klassifiserte data i tillegg til alle andre utfordringer. En annen utfordring i anvendelsen av den norske militærstrategien er anskaffelsesprosessen. Riksrevisjonen fant også ut at anskaffelsesprosessen er "sterkt kritikkverdig", den sterkeste kritikken de kan gi. Dette skyldes tiden det tar å anskaffe og implementere nytt utstyr effektivt. Hvordan vil den norske forsvarsanskaffelsesprosessen, som tar flere år, klare seg i møte med rask KI-utvikling, som for tiden måles i måneder?

Til tross for Norges størrelse har det tidligere vært noen nisjer innenfor forsvarsindustriproduksjon hvor Norge har klart å konkurrere i en høyere liga enn forventet som også kan inspirere implementeringen av den nåværende KI-strategien. Luftforsvarssystemet ”NASAMS Air Defense System” fra Kongsberg (utviklet i samarbeid med Raytheon) og dette systemets betydning i Ukraina er et eksempel på dette. Dette anses gjerne å være et produkt av det såkalte "trekantsamarbeidet," som består av den norske staten og Forsvaret, Forsvarets forskningsinstitutt (FFI), og forsvarsindustrien. Hugin, som er et autonomt undervannsfartøy som først ble utviklet ved FFI, fremheves som et annet eksempel på resultatene av denne typen samarbeid. Det gjenstår å se hvordan trekantsamarbeidet vil fungere med de private teknologiselskapene som utvikler den mest avanserte KI-en, siden de er merkbart ulike fra den tradisjonelle forsvarsindustrien.

Norge har potensialet til å være en betydelig aktør innenfor kunstig intelligens fordi Norge allerede i stor grad er digitalisert, i tillegg til at det finnes - tilsynelatende - politisk vilje. Likevel er det utfordringer knyttet til den praktiske virkeligheten med å jobbe tverrsektorielt, og de byråkratiske hindringene for forsvarsanskaffelser ser man av Riksrevisjonens konklusjoner om at hverken datadeling eller forsvarsanskaffelser er godt nok styrt. Norges suksess avhenger av evnen til å omgjøre ønsker om til virkelighet, men det gjenstår tydelige hindringer.


Forsvarsstudier belyser sikkerhetsproblemer i teori og praksis.

Denne artikkelen publiseres som svar på lesernes interesse for krig og digitalisering.


Videre lesning:

Lenker: