Simülasyonda yapay zeka

HAVELSAN tarafından üç ayda bir yayımlanan “HAVELSAN Dergi”nin 7. sayısında, Öğrenen Yapay Zekâya Sahip Sanal Kuvvetler (FIVE-ML) Proje Yöneticisi Arif Furkan Mendi’nin simülasyonda yapay zekanın kullanımı ile ilgili bir yazısına yer veriliyor.

“HAVELSAN Dergi”nin 7. sayısına, mobil uygulamamızın dergi bölümünden ücretsiz olarak ulaşabilirsiniz.

Dergide yer alan “Simülasyonda Yapay Zeka” başlıklı yazıyı, takipçilerimize sunuyoruz:

SİMÜLASYONDA YAPAY ZEKÂ

Yeni nesil teknolojilerin kullanıldığı çözümlerin, projelerin ve ürünlerin geliştirilmesi, ülkelerin yerel ve küresel gelişmişlik seviyesinin artırılmasında hızlandırıcı bir etkiye sahiptir. HAVELSAN olarak üstlenmiş olduğumuz misyon ile, özellikle yazılım alanında, ulusal bazda öncü olmayı hedeflemekte ve bu doğrultuda çalışmalar gerçekleştirmekteyiz. Birçok yeni nesil teknolojiye yatırım yapmakta, inovasyon ile birlikte ülkemize değer katmayı hedeflemekteyiz. Bu kapsamda yapay zekâ teknolojisi sunmuş olduğu göz alıcı avantajlarıyla önem verdiğimiz yeni nesil teknolojilerin başında yer almaktadır.

Yapay zekâ teknolojisinin tercih edilme durumuna baktığımızda, özellikle son on yılda piyasadaki en popüler teknolojilerden olduğu görülmektedir. Bu popülerliği, 2020 yılı Mayıs ayında OpenAI adlı yapay zekâ araştırma şirketi tarafından piyasaya sürülen GPT-3 dil işleme modelinin yankı uyandıran etki ile somut olarak görmekteyiz.

Böylesine yoğun ilgiye açık olan bir teknolojinin kullanımında popülist yaklaşımlarda bulunarak sağlıklı bir kurgu yapılmaksızın gerçekleştirilen çok sayıda proje ve ürünün piyasaya sürüldüğü de görülmektedir. Bunun sonucunda başarısızlık kaçınılmazdır. Bu sebeple, başta yapay zekâ olmak üzere, yeni nesil teknolojilerin kullanıldığı projelerin başarılı olabilmesi için teknolojinin ve kullanılacak alt tekniklerin detaylı araştırılması, avantajları ve proje sonunda elde edilecek kazanımlar dikkatlice analiz edildikten sonra karar verilmelidir.

HAVELSAN Eğitim ve Simülasyon Teknolojileri olarak genel prensibimiz doğrultusunda, yalnızca piyasadaki popülerliğinden etkilenerek yeni nesil teknolojilere yatırım yapmanın doğru olmadığını değerlendiriyoruz. Bunun yerine; mevcut sorunlara çözüm olabilecek veya piyasadaki rakiplerimizden farklılaşmamızı sağlayacak, kısacası bize değer katabilecek teknolojileri araştırıp bunlara yatırım yapmayı tercih ediyoruz. Bu kapsamda, HAVELSAN tarafından geliştirilmiş olan ve muharip platformların görev simülatörlerinde kullanılan Milli Taktik Çevre Simülasyonu (MTÇS) ürününün kural tabanlı davranış yapısından yapay zekâ tabanlı öğrenen davranış yapısına geçirilmesinin sağlayacağı avantajları değerlendirdikten sonra “Öğrenen Yapay Zekâya Sahip Sanal Kuvvetler (FIVE-ML)” AR-GE projesini başlatmaya karar verdik.

Öğrenen yapının modellenmesi için makine öğrenmesi tabanlı “Pekiştirmeli Öğrenme (Reinforcement Learning)” yaklaşımını belirledik. Pekiştirmeli öğrenme, makine öğrenmesinin alt kollarından biridir. Makine öğrenmesinde genellikle, yapay zekânın önceden bilgilendirilmesine ve yönlendirilmesine dayalı, kesin bir neden sonuç ilişkisi bulunan “Markov Karar Süreci Modeli” kullanılmaktadır. Pekiştirmeli öğrenme sürecinde ise ön bilgi yerine gözlem ve seçimde bulunmak prensibi mevcuttur. Yapay zekâya neden-sonuç ilişkisinin nasıl kurulduğu bilgisi verilmeyerek veya çok az verilerek, yapay zekânın kendisinin öğrenmesi sağlanmaktadır. Bu sistematiğin temelinde yapay zekânın tek bir sonuca koşullandırılması, bu sonuca ulaşılması durumunda en yüksek ödülün kazanılması prensibi yatmaktadır. Bu en yüksek puana ulaşılamaması durumu yapay zekâ için bir ceza olarak görülmekte, dolayısıyla yapay zekânın motivasyonu her zaman tek yönde işlemektedir.

Muharip platformların görev simülatörlerinde taktik eğitim verilmesi amacıyla kullanılan ve taktik senaryo planlama, planlanan senaryonun koşulması, eğitim sonrası değerlendirme imkânı sağlayan MTÇS’nin yapay zekâ tabanlı hale gelmesiyle; görev/mühendislik simülatörlerindeki taktik ortamın gerçekçiliği artırılacak, simülatör projelerinde entegrasyon, test ve garanti aşamalarında maliyet düşüşü elde edilecek, son kullanıcının daha gerçekçi senaryoları daha kolay hazırlaması sağlanacak, operatif / taktik analiz simülasyonlarının yolu açılacak, gerçek harekât ortamında kullanılabilecek karar destek sistemlerinin yolu açılacak, projeden kazanılacak tecrübe ve uzmanlık birçok alandaki simülasyon uygulamasına aktarılacak, pazardaki mevcut yabancı menşeili taktik çevre simülasyonlarına karşı rekabet üstünlüğü elde edilecektir.

Öğrenen yapay zekâ altyapısı ile mevcut MTÇS’nin kural motoru modülü değiştirilerek varlıkların geçmişteki tecrübelerine göre, o koşullar için en doğru davranışı seçmelerini sağlayacak bir akla sahip olmaları planlanmaktadır. Bunun için de yazılımın genel mimarisi kapsamında olabildiğince az değişiklik yaparak sonuca ulaşılması hedeflenmektedir.

İlk aşamada sınırlı sayıda parametre kullanılarak algoritmanın geliştirilmesi beklenmektedir. İkinci aşamada da, kullanılan algoritmaya göre yapılan testler sonucunda belirlenen iyileştirme ihtiyaçlarına bağlı olarak yeni parametreler eklenerek algoritmanın iyileştirilmesi sağlanacaktır.

“Öğrenen Yapay Zekâya Sahip Sanal Kuvvetler” adlı projenin tamamlanmasının ardından, HAVELSAN’ın T-129 Atak Helikopteri’nin simülatörü ATAKSİM ve ANKA Simülatörü, UMTAS Simülatörü, Hava Savunma Eğitim Merkezi gibi projelerde kullandığı ve Milli Muharip Uçak Projesi (MMU) harekât analizi kapsamında kullanılması planlanan MTÇS’nin, kural tabanlı davranış altyapısından öğrenen yapay zekâ tabanlı davranış altyapısına geçirilmesini hedeflemekteyiz. Dolayısıyla, yapay zekâ tabanlı başlangıç projemiz olarak değerlendirdiğimiz bu projemizin başarılı bir şekilde tamamlanması sonrası “Simülasyonda Yapay Zekâ Uygulamaları” alanındaki bilgi birikimimiz daha da genişleyecek ve yapılabilecek yatırımların ve elde edilecek başarıların sayısı da artacaktır.