安全問題在過去幾年中才有所凸顯：已經有數百萬人購買了消費型無人機，有時甚至在禁飛區(qū)內操作這些機器，這樣一來，可能會給地面人群或空中飛行的大型飛機帶來隱患?，F成的無人機也成為伊拉克和敘利亞等戰(zhàn)亂地區(qū)的伊斯蘭組織或其他軍事集團能夠買得起的危險武器。
在21世紀20年代中期之前，為了跟蹤并在需要時擊落這些飛行的入侵者，可能需要在反無人機市場上投入近20億美元。最大的份額可能被投入到那些最好地利用基于神經網絡的機器學習人工智能的公司。
但是，愛思達比亞州博伊西市的BlackSage科技公司創(chuàng)始人兼管理合伙人大衛(wèi)•羅梅羅（David Romero）表示，許多反無人機行業(yè)在有效利用機器學習人工智能方面仍然落后于其他科技部門。“利用機器學習，90%的工作正在變得如此簡單，消費者根本不必知道機器學習如何運作。”羅梅羅說，“許多公司在這方面都做得很好，但未涉及國防領域。”
他和BlackSage的聯(lián)合創(chuàng)始人羅斯•拉姆（Ross Lam）準備利用這家新創(chuàng)建的公司，成為國防領域的行業(yè)巨頭。他們最初合作了一個訓練機器學習算法的項目，該算法根據雷達和紅外攝像頭數據，自動檢測高速公路上的野生動物。最終，他們意識到同樣的方法可以幫助發(fā)現無人機和其他不明飛行物（UFO）。
該自主籌款的創(chuàng)業(yè)公司自2015年成立以來，已經從美國政府（包括部署在伊拉克和阿富汗的美軍和美國同盟）獲得了多項合同。
羅梅羅表示，將機器學習應用于對飛行物進行自動檢測和分類的任務非常直觀，但是風險也很高，錯誤地擊落小型客機或沒有發(fā)現攜帶爆炸物的入侵無人機同樣可能是災難性的。因此，BlackSage將其系統(tǒng)安裝在新的地點時，要通過嚴格的訓練。該系統(tǒng)的雷達和紅外攝像機可以捕獲每個不明飛行物的速度、大小、高度等信息。然后，操作人員通過主動識別某些類型的無人機（旋翼或固定翼）以及其他飛行物（如鳥類或載人飛機），來幫助訓練機器學習算法。為了證明該技術已經足夠成熟，人們針對該人工智能設備中20%的主動識別數據組（專門用于交叉驗證的部分）進行了測試。
搜索天空：Black Sage 科技公司的人工智能系統(tǒng)鎖定飛行物并確定其是否存在威脅（上圖）。
另一家名為Dedrone的公司也采取了類似的做法。這家公司成立于德國卡塞爾，目前總部設在舊金山。當在新站點安裝Dedrone系統(tǒng)時，可以將不熟悉的對象標記為訓練過程的一部分，這也更新了公司的專有DroneDNA數據庫。自2014年推出以來，Dedrone的機器學習軟件已經為許多重要活動和場合提供了安保服務，如希拉里•克林頓與特朗普的總統(tǒng)辯論會、世界經濟論壇以及紐約梅特棒球隊的花旗球場等。
“我們每次更新DroneDNA時，都要處理超過2.5億幅無人機、飛機、鳥類和其他物體的各種圖像。”Dedrone的工程總監(jiān)邁克爾•戴巴拉（Michael Dyballa）說，“在過去8個月里，我們對300萬幅無人機圖像進行了注釋。”
雖然據說BlackSage和Dedrone的自動檢測系統(tǒng)在通過訓練階段后，能夠在沒有人類協(xié)助的情況下運行，但公司的客戶仍然可以選擇讓人類置身其中，以采取積極的防御措施，例如用于截獲飛行入侵者的干擾或激光。在機場等檢測精度要求較高的場合，即便無人機檢測精度高于90%，也會出現虛假或錯誤認定的情況，因此保持這種謹慎至關重要。即使如此，隨著無人機數量不斷增加，人類干預能力也只能作為補充，而人工智能系統(tǒng)將需要進行不間斷的監(jiān)控。
?