AI obronne od czujnika do efektora, Część 1: Pętla

Fraza „sensor-to-shooter" jest skrótem dla pętli, która zaczyna się od czujnika wykrywającego obiekt zainteresowania, a kończy efektorem aplikującym wobec niego siłę. Definiującą właściwością nowoczesnego AI obronnego jest to, że kompresuje on tę pętlę — czasem z minut do sekund, czasem z godzin do minut — poprzez automatyzację kroków poznawczych, które w innym wypadku wykonywałby operator. Ta czteroczęściowa seria przechodzi przez to, gdzie AI mieści się wewnątrz pętli, gdzie nie, oraz jak inżynierować granice między tymi obszarami. Część 1 ustanawia samą pętlę.

Seria uzupełnia architektoniczny Kompletny przewodnik po AI i edge AI w oprogramowaniu obronnym oraz szerszy filar systemów C2. Tamte przewodniki badają obszar; ta seria przechodzi do poziomu operacyjnego.

Czym właściwie jest pętla sensor-to-shooter

Pętla ma etapy. Różne rodzaje sił i doktryny nazywają je nieco inaczej; kanoniczne etapy, w kolejności, to find (znajdź), fix (zlokalizuj), track (śledź), target (wyznacz cel), engage (zaangażuj), assess (oceń) — czasem skracane do F2T2EA. Ujęcie pętli OODA (Observe, Orient, Decide, Act) mapuje się na te etapy: Observe-Orient obejmuje find/fix/track, Decide obejmuje target, a Act obejmuje engage. Assess to sprzężenie zwrotne, które zamyka pętlę.

Każdy etap odpowiada na konkretne pytanie:

• Find (znajdź) — czy czujnik coś wychwycił?
• Fix (zlokalizuj) — gdzie dokładnie to jest i z jaką pewnością?
• Track (śledź) — jak się porusza i jaka jest prognoza następnej pozycji?
• Target (wyznacz cel) — czy to właściwy obiekt, o wystarczająco wysokim priorytecie, w dopuszczalnym kontekście zaangażowania?
• Engage (zaangażuj) — który efektor zastosować, w jakim czasie, z jaką autoryzacją?
• Assess (oceń) — jaki był wynik i czego się uczymy na następny cykl?

Przed erą AI każdy etap był pośredniczony przez człowieka, a oprogramowanie pełniło rolę infrastruktury wyświetlania i routingu wiadomości. AI to zmienia. Pytanie nie brzmi już „czy AI może uczestniczyć w pętli" — może — ale „na których etapach, z jakimi zabezpieczeniami i przekroczenie których progów wymaga jawnego potwierdzenia człowieka".

Gdzie AI kompresuje pętlę

Operacyjnie uczciwe mapowanie zdolności AI na etapy pętli w 2026 roku:

Find — intensywne wdrożenie AI, niska kontrowersja. Widzenie komputerowe na pełnoklatkowym wideo (FMV) z UAV. Detekcja akustyczna. Klasyfikacja plotów radarowych. Ekstrakcja sygnałów zainteresowania w SIGINT. Kompresja jest tu dramatyczna: 12-godzinny lot UAV, który wyprodukował 90 sekund operacyjnie istotnego materiału, dociera teraz do analityka wstępnie oznakowany, z tymi 90 sekundami uszeregowanymi. Wzorzec inżynierski omówiono w AI dla triażu danych ISR, a specyfikę widzenia komputerowego w Widzenie komputerowe w systemach obronnych.

Fix — umiarkowane wdrożenie AI, dobrze ograniczone. Lokalizacja toru z wejść wielu czujników, geo-rektyfikacja ramek detekcji FMV, rozwiązywanie tożsamości pomiędzy nakładającymi się czujnikami. Kompresja jest realna, ale ograniczona fundamentami fizyki czujników — AI nie może poprawić dokładności pomiaru radaru, jedynie jego skojarzenie z innymi raportami.

Track — umiarkowane wdrożenie AI, hybrydowe z metodami klasycznymi. Korelacja toru-do-toru ma klasyczne metody statystyczne (JPDA, MHT), które pozostają operacyjną linią bazową; trackery natywne dla ML uzupełniają je, a nie zastępują. Wzorzec hybrydowy — ML proponuje skojarzenia, silnik statystyczny waliduje — jest operacyjnym kompromisem. Zobacz Fuzja danych wojskowych wyjaśniona, aby poznać leżącą u podstaw dyscyplinę.

Target — lekkie wdrożenie AI, intensywny człowiek-w-pętli. Istnieją narzędzia wspomagające priorytetyzację celów. Istnieją listy rekomendowanych zaangażowań. Autonomiczne decyzje o wyznaczaniu celów są rzadkie i ściśle ograniczone doktryną. Implikacja inżynierska: AI produkuje tutaj uszeregowane listy kandydatów wraz z wyjaśnieniami; ludzie potwierdzają. Granica strukturalna nie może być zaimplementowana wyłącznie jako polityka — musi być zakodowana w platformie.

Engage — minimalne autonomiczne AI, dojrzałe wsparcie decyzyjne. Efektory odpalają, gdy ludzie je autoryzują. AI wspomaga dekonfliktację stref zaangażowania, unikanie sił własnych i selekcję efektora, ale wyzwalacz pozostaje w rękach człowieka. Granica ta jest egzekwowana nie przez przegląd etyki AI (choć takich jest mnóstwo), ale przez akredytację, doktrynę i wymagania przetargowe, które wyglądają identycznie w siłach zorientowanych na NATO.

Assess — intensywne wdrożenie AI. Ocena uszkodzeń, ponowne zlecanie zadań UAV, automatyczne raportowanie szkód bojowych. Kompresja zamyka pętlę i wraca jako sprzężenie do etapu find następnego cyklu.

Budżety opóźnień: co naprawdę znaczy „prędkość maszynowa"

„Prędkość maszynowa" to fraza marketingowa. Inżynierską rzeczywistością są budżety opóźnień per-etap, które składają się na całkowity czas pętli.

Typowe budżety dla taktycznego scenariusza obrony powietrznej, na poziomie brygady:

• Find — od czujnika do detekcji: ~100 ms dla detektora edge AI na radarze/FMV; ~1 s dla scentralizowanego przetwarzania wsadowego.
• Fix i track — silnik fuzji łączy: 500 ms w 95. percentylu, 1,5 s w 99. percentylu.
• Target — przegląd kandydata przez człowieka, decyzja: 5-30 sekund dla rutynowych, dłużej dla wysokostawkowych.
• Engage — propagacja rozkazu do efektora: 1-5 sekund w zależności od radia.
• Assess — wstępne raportowanie szkód bombowych: od 30 s do 5 min w zależności od częstotliwości rewizyty czujnika.

Wolne łącza i przegląd przez człowieka dominują w sumie. Kompresja AI robi znaczącą różnicę na etapach kwalifikujących się do AI, ale pętla jest ograniczona najwolniejszym etapem. Platforma, która kompresuje find z 5 minut do 100 ms, jest imponująca; jeśli etap target nadal zajmuje 30 sekund przeglądu przez człowieka, całkowity czas pętli jest zdominowany przez ludzkie poznanie, a nie przez wnioskowanie AI.

Implikacja jest istotna przetargowo. Twierdzenia o „kompresji pętli sensor-to-shooter" należy oceniać na najwolniejszym etapie, a nie na etapie marketingowym. Dla większości zastosowań obronnych najwolniejszy etap jest celowy — przegląd przez człowieka na etapie target — a dalsze jego kompresowanie wymaga zmiany doktryny, a nie oprogramowania.

Uwarunkowania domenowe: pętla różni się w zależności od domeny

Ten sam wzorzec architektoniczny instancjuje się różnie w różnych domenach operacyjnych.

Lądowa. Wolniejsza pętla, więcej przeglądu przez człowieka, złożone środowiska miejskie utrudniające pracę czujników. Kompresja AI skoncentrowana na etapie find (obrazy z UAV, detekcja akustyczna) i etapie assess (raportowanie szkód).

Obrona powietrzna. Szybsza pętla, ciaśniejsze budżety opóźnień, dobrze zrozumiane modele czujników. Udział AI szerszy — klasyfikacja torów, ranking priorytetów zagrożeń — ale wciąż ograniczony przez ludzką autoryzację zaangażowania. Integracja Link 16 niesie taktyczne dane; zobacz Taktyczne łącza danych Link 16.

Morska. Wolna pętla, duże obszary poszukiwań, obawy o spoofing AIS. Kompresja AI na etapie find (integracja AIS/ADS-B, zobacz Integracja AIS i ADS-B) oraz detekcja wzorców życia (Analiza wzorców życia).

Cybernetyczna. Pętla raczej przyległa niż identyczna — detekcja, atrybucja, odpowiedź. Etap find jest intensywny w AI (detekcja anomalii na telemetrii sieciowej); etapy target/engage są intensywne doktrynalnie i prawnie. Zobacz Platformy świadomości sytuacyjnej w cyberprzestrzeni.

Kosmiczna. Wschodząca, wolna pętla, rzadkie pokrycie czujnikami. Udział AI wczesny na etapach fuzji czujników; etap engage pozostaje niemal całkowicie ludzki.

Operacje wielodomenowe wymagają zharmonizowanych pętli pomiędzy tymi domenami. Wzorzec architektoniczny JADC2 to amerykańskie wyrażenie tego; europejskie odpowiedniki podążają podobnymi konturami. Zobacz Europejscy dostawcy JADC2.

Gdzie żyje granica człowieka-w-pętli

Strukturalna granica między działaniem AI a działaniem człowieka jest nienegocjowalna. Jest zapisana w zasadach NATO AI strategy, w doktrynach krajowych, w międzynarodowym prawie humanitarnym stosowanym do systemów autonomicznych. Implikacja inżynierska: granica jest zaimplementowana jako kod, a nie jako polityka.

Wzorce, które działają:

Autoryzacja per-decyzja. Każde działanie o konsekwencjach operacyjnych — rozkaz zaangażowania, zmiana klasyfikacji toru, instrukcja zadaniowania — wymaga jawnego potwierdzenia człowieka. Platforma odmawia kontynuacji bez niego. Potwierdzenie jest logowane wraz z tożsamością operatora do przeglądu poakcyjnego (after-action review).

Stopniowana autonomia. W ramach jednego przepływu pracy różne decyzje mają różne bramki autoryzacyjne. Zdarzenie utworzenia toru jest autonomiczne; decyzja o zaangażowaniu toru wymaga potwierdzenia człowieka; anulowanie toru ponownie wymaga autoryzacji. Granica jest specyficzna dla decyzji, a nie dla przepływu pracy.

Eskalacja trybu awarii. Gdy pewność AI co do rekomendacji spada poniżej progu, przepływ pracy eskaluje do człowieka o wyższym uprawnieniu, zamiast kontynuować ze zredukowaną pewnością. Wzorzec ten ma największe znaczenie, gdy AI działa w warunkach zdegradowanych — zakłócenia czujników, wejścia adwersaryjne, dryft modelu.

Szersze omówienie doktryny i etyki dla AI obronnego znajduje się w Strategia AI NATO dla oprogramowania obronnego. Specyficzne dla LLM zabezpieczenia dla przepływów pracy zorientowanych na analityka znajdują się w LLM w triażu wywiadowczym dla obronności.

Co obejmuje ta seria

Pozostałe trzy części przechodzą przez pętlę z inżynierską głębią.

Część 2: AI po stronie czujnika zagłębia się w etapy find i fix. Architektura wnioskowania na brzegu, wdrażanie modeli do ładunków UAV i pojazdów naziemnych, wybory sprzętowe, potok danych wspierający modele. Jest to intensywnie AI-owy koniec pętli i miejsce, gdzie ląduje większość inwestycji inżynierskich.

Część 3: Wsparcie decyzyjne i AI do wariantów działania obejmuje etap target i otaczające go narzędzia zorientowane na analityka. Listy rekomendowanych zaangażowań, narzędzia wspomagające analizę wariantów działania (course-of-action), narzędzia briefingowe wspomagane LLM oraz wzorce strukturalne, które utrzymują człowieka w pętli.

Część 4: Skutki, integracja efektorów i granice człowieka-w-pętli zamyka pętlę. Jak AI uczestniczy w engage i assess, nie przekraczając linii skutków autonomicznych. Realia akredytacji, doktryny i przetargów, które utrwalają tę granicę.

Każda część zakłada ujęcie pętli z Części 1 i przechodzi do poziomu operacyjnego.