Raven Sentry, così gli USA hanno sfruttato l’AI per predire gli attacchi talebani

“Raven Sentry” è il nome di uno strumento di intelligenza artificiale sviluppato dagli USA tra il 2019 e il 2020.

Tutto è nato dalla necessità che nell’ottobre del 2019 si è presentata davanti alle forze militari americane sul fronte in Afghanistan: gestire gli attacchi da parte dei Talebani, che nell’ultimo trimestre del 2019 sono stati i più intensi in un decennio, con un numero di truppe in calo, basi in chiusura e risorse di intelligence dirottate in altre parti del mondo.

Hanno fatto ricorso, quindi, all’intelligence artificiale.

Uno strumento per prevedere attacchi talebani

Nell’estate del 2020 gli analisti dell’intelligence americana, che stavano già utilizzando “Raven Sentry” da qualche mese, ricevettero un alert da questo strumento AI in merito all’alta probabilità di un violento attacco a Jalalabad, capitale della provincia orientale di Nangarhar, all’inizio di luglio, che avrebbe causato dalle 20 alle 40 vittime.

L’attacco, poi, in realtà è stato registrato il 2 agosto, con un assalto dello Stato Islamico alla prigione della città e circa 29 morti.

La squadra di ufficiali dell’intelligence americana, che è stata dedicata a “Raven Sentry”, è stata inserita in un’unità di forze speciali che ha avviato una sperimentazione aggressiva, partendo da studi e analisi di schemi ricorrenti utilizzati negli attacchi durante l’occupazione sovietica dell’Afghanistan negli anni 80, come dichiarato dal colonnello Spahr, che nel momento delle sperimentazioni ricopriva la carica di capo dello staff del massimo funzionario dell’intelligence della missione NATO in Afghanistan, su Parameters, la rivista dell’US Army War College.

Tramite i contractor in Silicon Valley, sono riusciti ad addestrare una rete neurale per identificare le correlazioni tra i dati storici sulla violenza e una serie di fonti aperte, come i dati meteorologici, i post sui social media, i notiziari e le immagini satellitari commerciali.

Il modello che ne è venuto fuori era capace di identificare quando i centri distrettuali o provinciali erano più esposti al rischio di attacco, con anche la stima delle possibili vittime.

Le potenzialità di Raven Sentry

Le agenzie di intelligence americane e il Pentagono erano scettici all’inizio sulle abilità di questo strumento, ma il colonnello Spahr ha affermato che i risultati erano già sorprendenti, basti pensare che l’accuratezza di Raven Sentry era già al 70% ad ottobre 2020.

Per comprendere come già agiva, se questo strumento dava come probabile un attacco con una percentuale tra l’80 e il 90%, l’attacco si verificava al 70% dei casi, arrivando quindi ad equipararsi alla capacità degli analisti umani, ma con una velocità molto superiore.

Anshu Roy, amministratore delegato di Rhombus Power, una delle aziende coinvolte, ha dichiarato che non si riusciva a comprendere come potesse funzionare così bene, fino a che non lo hanno smontato.

I satelliti ottici, che percepiscono la luce, hanno visto le città diventare più scure di notte poco prima degli attacchi. Tuttavia, le aree di quelle città associate ad attività nemiche in passato diventavano più luminose.

I satelliti radar ad apertura sintetica (SAR), che inviano impulsi radar invece di basarsi sulla luce ambientale, rileverebbero i riflessi metallici dell’aumento dell’attività dei veicoli. Altri satelliti rileverebbero livelli più elevati di anidride carbonica.

Quando la temperatura era oltre i 4°C, l’illuminazione lunare era inferiore al 30% e non pioveva, gli attacchi erano più probabili.

Il colonnello Spahr ha affermato che “in alcuni casi gli attacchi moderni si sono verificati negli stessi luoghi, con una composizione insurrezionale simile, durante lo stesso periodo di calendario e con armi identiche alle loro controparti russe degli anni ’80”.

Il sistema è stato poi spento ad agosto del 2021, quando l’America si è ritirata dalla terra afgana.

Un antesignano dell’intelligence predittiva

Gli analisti umani hanno sfruttato Raven Sentry per dare il via a sistemi classificati, come i satelliti spia o le comunicazioni intercettate, per esaminare un’area di interesse in maniera più dettagliata.

Nei tre anni successivi alla chiusura di Raven Sentry si è investito molto nell’intelligenza artificiale per “indicatori e avvertimenti”, ossia il preavviso di un attacco, dando vita a modelli molto avanzati che sicuramente sarebbero stati molto utili prima dell’invasione russa dell’Ucraina. Se quattro anni fa la risoluzione delle immagini SAR era di dieci metri, oggi si riescono ad individuare oggetti più piccoli di un metro.

Secondo il colonnello Spahr, non è così semplice addestrare questi strumenti: “Proprio come gli insorti iracheni hanno imparato che bruciare pneumatici nelle strade degradava l’ottica degli aerei statunitensi o come i guerriglieri vietnamiti hanno scavato tunnel per evitare l’osservazione dall’alto, gli avversari dell’America impareranno a ingannare i sistemi di intelligenza artificiale e a corrompere i dati in entrata […] I Talebani, dopotutto, hanno prevalso contro la tecnologia avanzata degli Stati Uniti e della NATO in Afghanistan”.

Un sistema europeo di AI predittiva

Se lo strumento AI di Raven Sentry è partito dallo studio di schemi ricorrenti di attacchi passati, come abbiamo visto, per sviluppare le sue capacità predittive, esiste un sistema che riesce ad anticipare eventi futuri senza i dati statistici del passato.

Si tratta dell’intelligenza artificiale predittiva sviluppata da KELONY, la prima agenzia di rating del rischio al mondo. Sfruttare una serie complessa di dati del presente aiuta a capire cosa accadrà in futuro, attraverso un metodo più veloce e più preciso, in quanto non soggetto a effetti di over-fitting, ossia un adattamento eccessivo del modello statistico complesso al campione dei dati osservati perché ha troppi parametri rispetto al numero di osservazioni.

Per capire le potenzialità di questo sistema, basta pensare che per esempio, nel settore agricolo l’AI predittiva di KELONY riesce a supportare gli agricoltori nella migliore gestione dell’irrigazione delle colture o facilita il calcolo della redditività di un investimento nel tempo nel settore immobiliare.

Potrebbe essere interessante applicare questo sistema di intelligenza artificiale predittiva al settore della sicurezza e della difesa, sfruttando esclusivamente i dati presenti.