AI Doesn’t Actually Exist in the business Yet? __l

AI Doesn’t Actually Exist Yet

Many businesses claim they’re using it, but they’re kidding themselves—and they’re kidding you, too

By Max Simkoff,    Andy Mahdavi on November 12, 2019

Credit: Getty Images

During the past few years, all kinds of businesses have begun using what they call “artificial intelligence.” One international survey said 37 percent of organizations have, as a press release put it, “implemented AI in some form.” A different survey, looking at U.S. businesses, put the figure at 61 percent. A third, focused on the U.S. and the U.K., said, in the words of another press release, a whopping “77% have implemented some AI-related technologies in the workplace.”

The numbers don’t differ based on geography alone. They highlight a problem facing any discussion about AI: Few people agree on what it is.

Working in this space, we believe all such discussions are premature. In fact, artificial intelligence for business doesn’t really exist yet. To paraphrase Mark Twain (or rather a common misquote of what Twain actually said), reports of AI’s birth have been greatly exaggerated.

We’re not alone in thinking this. Luc Julia, Samsung’s vice president of innovation and co-inventor of Siri, has said something similar. Today’s tools for businesses involve mathematics, statistics, machine learning, deep learning and big data—with better machines than in the past. But what is so often referred to as AI doesn’t actually involve an artificial form of intelligence, Julia argues. Understanding this is crucial for businesses that want to take full advantage of the opportunities new technologies have to offer and build defenses against future competition.

Today’s tools can be powerful. But AI is best thought of as a next-generation set of technologies that businesses have not yet begun to use. Someday they will—and that will cause a whole new era of disruption. If businesses think they’re already using these technologies, they may not be prepared for the competitors who better understand the differences, put them to use and come up with better, more powerful ways to serve customers.

So if it isn’t AI, what technologies are businesses using today?

For many, it’s automation. Organizations are using processes that have existed for decades but have been carried out by people in longhand (such as entering information into books) or in spreadsheets. Now these same processes are being translated into code for machines to do. The machines are like player pianos, mindlessly executing actions they don’t understand.

Many traditional companies aren’t even doing this. One of us (Simkoff) launched States Title to transform the title insurance industry after discovering that it was plagued with outdated mechanisms, including large numbers of employees doing manual data entry. With an “it ain’t broke, why fix it” mentality, companies in this market were keeping the same old processes in place, with personnel repeatedly entering the same information into multiple computer programs—a system that’s expensive, rife with errors and easy to improve through automation.

Some businesses today are using machine learning, though just a few. It involves a set of computational techniques that have come of age since the 2000s. With these tools, machines figure out how to improve their own results over time. Machine learning looks at patterns and trends from data analysis and draws conclusions.

Before joining States Title, one of us (Mahdavi) used some of these technologies for research in the physical sciences, deriving results on galaxies, cosmology and dark matter. These kinds of “far out” technologies require machines that can build on their own discoveries. They involve getting machines to use deductive logic and problem-solving, and to keep reinforcing their processes with what they’ve learned.

Machine learning can have applications in any business. If yours isn’t using it now, be aware that there are almost certainly competitors in your industry looking to do so.

How is artificial intelligence different? As we see it, AI determines an optimal solution to a problem by using intelligence similar to that of a human being. In addition to looking for trends in data, it also takes in and combines information from other sources to come up with a logical answer.

When AI for business arrives, expect a radical transformation. It will give birth to organizations built differently from the ground up. Rather than asking what products or services people can provide and how machines can help them do so, the leaders of these businesses will start with what artificial intelligence can do and build businesses around that. True AI may even start a company on its own. It will be a new paradigm.

Business leaders would do well to become acquainted with the latest technologies as they’re developed and to hire experts who understand them. One of the biggest reasons States Title took off so quickly was that it entered an industry unprepared for the kind of change that the most cutting-edge technologies provide. At the speed of change in today’s business environment, every industry is ripe for similar disruption.

---

The views expressed are those of the author(s) and are not necessarily those of Scientific American.

---

Max Simkoff

Max Simkoff is founder and CEO of States Title.

Andy Mahdavi

Andy Mahdavi is chief data scientist at States Title.

لزوم رفع موانع فعالیت بازیگران شهر هوشمند

مدیرعامل ایرانسل در نشست تخصصی «نقش اینترنت اشیا در شهر هوشمند»،بر لزوم رفع موانع فعالیت بازیگران حوزه شهر هوشمند تأکید کرد.

به گزارش روابط عمومی ایرانسل، نشست تخصصی «نقش اینترنت اشیا در شهر هوشمند» ظهر امروز، ۱۹ آذر ۱۳۹۸، به عنوان بخشی از همایش «تهران هوشمند»، در سالن سعدی مرکز همایش‌های برج میلاد با حضور دکتر بیژن عباسی آرند مدیرعامل ایرانسل، دکتر رسول سرائیان دبیرکل سازمان نظام صنفی رایانه‌ای کشور، دکتر مجید رسولی عضو هیأت علمی پژوهشگاه ارتباطات و فناوری اطلاعات، دکتر وحید شاه منصوری از «ستاد توسعه فناوری‌های اقتصاد دیجیتال و هوشمندسازی» و علی رحمان‌پور هم‌بنیانگذار و مدیرعامل لینکپ برگزار شد.

مدیرعامل ایرانسل در این نشست، با اشاره به پیش‌بینی‌های منتشر شده در زمینه توسعه سریع بازار اینترنت اشیا در جهان، بر لزوم تسهیل شرایط و رفع موانع فعالیت بازیگران این عرصه تأکید کرد و راه‌اندازی سریع شبکه نسل سوم و چهارم اینترنت همراه پس از رفع انحصار توسط دولت را نمونه مشخصی برای آن دانست.

وی همچنین بر آمادگی ایرانسل برای بررسی پیشنهاد شرکت‌های آماده برای فعالیت در عرصه شهر هوشمند تأکید کرد و در عین حال، تحقق این گونه همکاری‌ها را به دلیل گستردگی سطح فعالیت، منوط به ارائه طرح و مدل تجاری مناسب و کامل دانست.

عباسی آرند همچنین در بخش دیگری از سخنانش از ادامه همکاری ایرانسل با شرکت‌های دانش‌بنیان و شرکت گاز در زمینه حسگر و کنتور هوشمند گاز خبر داد و ابراز امیدواری کرد که این خدمت در سطح تجاری نیز به مشترکان ارائه شود.

همچنین در این نشست، رسول سراییان، دبیرکل سازمان نظام صنفی رایانه‌ای کشور، بر لزوم پیاده‌سازی یک مدل برای حضور بخش خصوصی در صنعت اینترنت اشیا تاکید کرد و راه‌اندازی پروژه ایرانسل را یک مدل موفق برای تنظیم، پیاده‌سازی و اجرای یک طرح و مدل تجاری موفق برشمرد.

وحید شاه منصوری، از ستاد توسعه فناوری‌های اقتصاد دیجیتال و هوشمندسازی نیز با اشاره لزوم حمایت دولت از پیشرفت پروژه‌های اینترنت اشیا، از برنامه این ستاد برای فعالیت در حوزه کشاورزی و شهر هوشمند خبر داد.

علی رحمان‌پور مدیرعامل استارتاپ لینکپ نیز با اشاره به نقش مهم و کلیدی اپراتورها برای جلب اعتماد کاربران نهایی خدمات شهر هوشمند، بر ضرورت مشخص شدن نقش‌ها برای شکل‌گیری همکاری بین بازیگران مختلف این صنعت در راستای رشد بازار تاکید کرد و آن را حلقه گمشده اتصال مجموعه بازیگران دانست.

سومین همایش و نمایشگاه «تهران هوشمند» با حضور ایرانسل و ارائه زیرساخت NB-IoT، در روزهای ۱۸ و ۱۹ آذر ۱۳۹۸ توسط سازمان فاوای شهرداری تهران در مرکز همایش‌های برج میلاد برگزار شد و محمدجواد آذری جهرمی وزیر ارتباطات و فناوری اطلاعات، سورنا ستاری معاون علمی و فناوری رئیس‌جمهوری، پیروز حناچی شهردار و محسن هاشمی رئیس شورای اسلامی شهر تهران در مراسم آغاز به کار آن حضور داشتند.

شبکه NB-IoT یا شبکه کم پهنای اینترنت اشیا، بستری است که اطلاعات دریافتی از حسگرهای حوزه اینترنت اشیا را به سیستم‌های تحلیل داده منتقل می‌کند و ایرانسل، برای نخستین بار جامع‌ترین نسخه از این شبکه کاربردی، برای دستیابی به شهر هوشمند را در سومین همایش و نمایشگاه «تهران هوشمند» ارائه کرد و کوشید تا دانشجویان و کسب و کارهای نوپا و صنایعی که می‌توانند از شبکه NB-IoT بهره بگیرند را شناسایی کرده و برای همکاری با آن‌ها گام‌های مؤثری بردارد.

در شهرهای هوشمند، از داده‌ها و فناوری‌های موجود برای ارتقای کارآیی، توسعه اقتصادی و بهبود کیفیت زندگی شهروندان استفاده می‌شود که با توسعه یافتن تکنولوژی‌های شهر هوشمند، موارد استفاده بیشتری از IoT نیز ایجاد خواهد شد. از جمله خدمات هوشمند شهری که توسط ایرانسل، تا امروز ارائه شده است می‌توان به «پارکینگ هوشمند»، «روشنایی هوشمند معابر»، «دوچرخه اشتراکی»، «کنتور خوانی هوشمند»، «مدیریت هوشمند ناوگان» و «نظارت بر تجهیزات و دارایی‌ها» اشاره کرد.

دانشجویان، صاحبان کسب و کارهای مرتبط و سایر علاقه‌مندانی که امکان حضور در غرفه ایرانسل در همایش و نمایشگاه «تهران هوشمند» را پیدا نکردند، می‌توانند با مراجعه به بخش مشترکان سازمانی در وب‌سایت ایرانسل، به نشانی business.irancell.ir برای ثبت اطلاعات خود اقدام کنند.

Artificial Intelligence / Machine Learning

DeepMind’s AI has now outcompeted nearly all human players at StarCraft II

AlphaStar cooperated with itself to learn new strategies for conquering the popular galactic warfare game.

by Karen Hao

Oct 30, 2019

AlphaStar, playing as Zerg (in red), fighting off its human opponent.

courtesy of DeepMind

In January of this year, DeepMind announced it had hit a milestone in its quest for artificial general intelligence. It had designed an AI system, called AlphaStar, that beat two professional players at StarCraft II, a popular video game about galactic warfare. This was quite a feat. StarCaft II is highly complex, with 10²⁶ choices for every move. It’s also a game of imperfect information—and there are no definitive strategies for winning. The achievement marked a new level of machine intelligence.

Now DeepMind, an Alphabet subsidiary, is releasing an update. AlphaStar now outranks the vast majority of active StarCraft players, demonstrating a much more robust and repeatable ability to strategize on the fly than before. The results, published in Nature today, could have important implications for applications ranging from machine translation to digital assistants or even military planning.

StarCraft II is a real-time strategy game, most often played one on one. A player must choose one of three human or alien races—Protoss, Terran, or Zerg—and alternate between gathering resources, building infrastructure and weapons, and attacking the opponent to win the game. Every race has unique skill sets and limitations that affect the winning strategy, so players commonly pick and master playing with one.

AlphaStar used reinforcement learning, where an algorithm learns through trial and error, to master playing with all the races. “This is really important because it means that the same type of methods can in principle be applied to other domains,” said David Silver, DeepMind’s principal research scientist, on a press call. The AI also reached a rank above 99.8% of the active players in the official online league.

In order to attain such flexibility, the DeepMind team modified a commonly used technique known as self-play, in which a reinforcement-learning algorithm plays against itself to learn faster. DeepMind famously used this technique to train AlphaGo Zero, the program that taught itself without any human input to beat the best players in the ancient game of Go. The lab also used it in the preliminary version of AlphaStar.

Conventionally in self-play, both versions of the algorithm are programmed to maximize their chances of winning. But the researchers discovered that that didn’t necessarily result in the most robust algorithms. For such an open-ended game, it risked pigeon-holing the algorithm into specific strategies that would only work under certain conditions.

Taking inspiration from the way pro StarCraft II players train with one another, the researchers instead programmed one of the algorithms to expose the flaws of the other rather than maximize its own chance of winning. “That’s kind of [like] asking a friend to play against you,” said Oriol Vinyals, the lead researcher on the project, on the call. “These friends should show you what your weaknesses are, so then eventually you can become stronger.” The method produced much more generalizable algorithms that could adapt to a broader range of game scenarios.

The researchers believe AlphaStar’s strategy development and coordination skills could be applied to many other problems. “We chose StarCraft [...] because we felt it mirrored a lot of challenges that actually come up in real-world applications,” said Silver. These applications could include digital assistants, self-driving cars, or other machines that have to interact with humans, he said.

“The complexity [of StarCraft] is much more reminiscent of the scales that we’re seeing in the real world,” said Silver.

But AlphaStar demonstrates AI’s significant limitations, too. For example, it still needs orders of magnitude more training data than a human player to attain the same level of skill. Such learning software is also still a long way off from being translated into sophisticated robotics or real-world applications.

ایجاد پست ناظر بر هوش مصنوعی در نیویورک

شهرداری نیویورک قصد دارد منصبی را برای نظارت بر ایجاد الگوریتم های هوش مصنوعی در این شهر ایجاد کند.

به گزارش خبرگزاری مهر به نقل از انگجت، شهر نیویورک تصمیم دارد از هرگونه تبعیض در هوش مصنوعی و الگوریتم های دیگر اجتناب کند.

درهمین راستا بیل دی بلاسیو شهردار نیویورک یک دستور اجرایی صادر کرده تا پستی برای مدیریت و سیاستگذاری الگوریتم ها در این شهر ایجاد شود.

کسی که در این پست منصوب شود باید با دفتر عملیات های شهردار همکاری کند و دستورالعملی برای اخلاقی بودن الگوریتم های هوش مصنوعی اجرا کند.

این فرد باید تضمین کند الگوریتم های شهری براساس اصول «عدالت، انصاف و اعتبار» ایجاد شده اند. به عبارت دقیق چنین فردی باید درک عمیقی از عملکرد الگوریتم ها در دنیای واقعی داشته باشد.

تکنولوژی پهپادها و نقش آنها در معادلات جنگی؛

پایان اسطوره‌ای به نام پدافند نفوذناپذیر/ پهپادهای انصار‌الله چگونه سعودی‌ها را شوکه کردند؟

جدای از افزایش ضریب دقت در عملیات‌های نظامی، پهپادها محدودیت‌های جغرافیایی و توپوگرافی را برای دولت‌ها از بین می‌برند و نه‌تنها فاکتور مکان را به چالش می‌کشند، بلکه در مقیاسی گسترده و بی‌سابقه قادر به هدف قرار‌دادن دشمنان هستند. درحقیقت، پهپادها مفاهیم «اینجا» و «آنجا» را به‌نحو موثری تحت تاثیر قرار داده و «آنجا» را برای «اینجا» به‌طور کامل در دسترس قرار می‌دهند.

---

گروه سیاسی-رجانیوز: از زمان شروع کارزار جهانی آمریکا (در دوره جرج بوش پسر) در نبرد علیه تروریسم که به «جنگ جهانی علیه ترور» مشهور شد، استفاده از هواپیماهای بدون سرنشین یا پهپادها در میدان‌های نبرد افزایش یافته است.

 

پس از حادثه 11 سپتامبر، نوع جدیدی از تهدید در قالب گروه تروریستی القاعده مورد توجه قرار گرفت. القاعده با تمسک به ایدئولوژی افراط‌گرایانه، رویکرد خشونت‌باری را در قبال غرب و به‌ویژه آمریکا در پیش گرفته بود. این تهدید، ماهیتی جدید داشت زیرا القاعده از داشتن قلمرو محروم بود و سربازان آن می‌توانستند در هر نقطه‌ای از جهان به اهداف و منافع آمریکا حمله کنند.

 

با توجه به ماهیت پراکنده تهدیدها و عناصر القاعده، استفاده از پهپادها توسط آمریکا به‌عنوان ابزارهایی که قادر بودند با دقت بالا و با کمترین ریسک از منظر تلفات جانی و مالی، مواضع و شخصیت‌های کلیدی القاعده را هدف قرار دهند در دستورکار قرار گرفت.

 

هواپیماهای بدون سرنشین با توجه به دوری آمریکا از مواضع القاعده و با توجه به نیاز واشنگتن جهت نفوذ به قلمرو دیگر کشورها و کشتار هدفمند نیروهای القاعده، سلاحی کاملا کاربردی به نظر می‌رسیدند. با این همه، براساس آمارهای تایید شده، رویکرد واشنگتن در استفاده از پهپادها برای هدف قرار دادن تروریست‌های القاعده، ابدا به اصول اخلاقی پایبند نبوده و با بی‌توجهی به منطق تمایز(فرق گذاشتن میان نظامیان و غیرنظامیان)، موجب کشتار گسترده مردم بی‌گناه نیز شده است. امری که انتقادهای گسترده‌ای را از واشنگتن به همراه داشته است.

با گذشت زمان و با توجه به گسترش فعالیت‌های گروه‌هایی نظیر القاعده و همچنین افزایش نیاز به انجام عملیات‌ها و کشتار هدفمند، استفاده از پهپادها توسط دیگر دولت‌ها نیز گسترش یافت. در روزهای اخیر، به کرات اخباری در حوزه مسائل خاورمیانه منتشر شده که وجه مشترک آنها استفاده از پهپادها در میادین نبرد بوده است. اخیرا حشدالشعبی عراق اعلام کرده بود برخی پادگان‌ها و انبارهای مهمات این گروه در عراق هدف حملات پهپادی قرار گرفته است. رژیم صهیونیستی نیز دو پهپاد خود را در جنوب بیروت به پرواز درآورد که انفجار یکی از آنها موجب شد تا آسیب‌های گسترده‌ای به یک ارگان رسانه‌ای حزب‌الله لبنان وارد شود.

 

ایران به‌عنوان یک قدرت منطقه‌ای نیز به‌طور گسترده از پهپادها استفاده می‌کند. به‌طوری که این کشور مواضع داعش و حزب دموکرات کردستان در خاک سوریه و عراق را با استفاده از پهپادها با دقت بالا هدف قرار داده است. جمهوری اسلامی ایران همچنین در مدت اخیر یک پهپاد پیشرفته آمریکایی را که حریم هوایی این کشور را نقض کرده بود، سرنگون کرد.

 

ایران تا جایی در حوزه توانایی پهپادی خود پیش رفته که «پایگاه خبری هیل» که به کنگره آمریکا نزدیک است در گزارشی اعلام کرد: «ایران در حال تبدیل شدن به یک ابرقدرت در زمینه استفاده از پهپادهاست.» با این حال، در تازه‌ترین رویداد مرتبط با حملات پهپادی، جنبش انصارالله یمن اعلام کرد که در عملیاتی با حضور 10 پهپاد، تاسیسات نفتی آرامکو در خاک عربستان را مورد حمله قرار داده است. این حمله به قدری بر اقتصاد عربستان تاثیرگذار بود که خبرگزاری رویترز از توقف صادرات نفت این کشور خبر داد و قیمت نفت در بازارهای جهانی، افزایش بی‌سابقه‌ای را تجربه کرد.

با توجه به تحولات اخیر و پررنگ شدن نقش پهپادها به‌ویژه در میادین نبرد خاورمیانه، در این گزارش سعی می‌شود ابعاد مختلف فلسفه استفاده از پهپادها در میدان‌های نبرد، از طریق پاسخ دادن به چهار پرسش اصلی مرتبط با آنها بررسی شود.

پهپادها در چه کلاس تسلیحاتی قرار دارند؟ پهپادها در زمره «سیستم‌های تسلیحات خودمختار مرگبار» Lethal Autonomous Weapons Systems(LAWS) قرار دارند. این نوع از سیستم‌های تسلیحاتی در محاوره، «ربات‌های قاتل» Killer Robots نامیده می‌شوند. برخی کارشناسان با تکیه بر قابلیت یادگیری ماشین‌ها با استفاده از هوش مصنوعی، یک سلاح خودمختار را به مثابه سلاحی تعریف می‌کنند که برای یادگیری یا انطباق عملکردش با شرایط متغیر محیطی(منظور شرایطی است که قرار است در آن به کار گرفته شود)، برنامه‌ریزی شده است.

 

تعریف واحدی از این نوع تسلیحات وجود ندارد با این حال، تمایزگذاری میان تسلیحات مختلف بر پایه میزان نظارت و مداخله انسانی، امری رایج است. «سازمان دیده‌بان حقوق بشر» با درنظر گرفتن میزان کنترل انسان در استفاده از سیستم‌های تسلیحات خودمختار مرگبار، تقسیم‌بندی سه‌گانه مفیدی را از آنها ارائه کرده است: 1- سلاح‌های انسان- حاضر(تحت هدایت انسان): ربات‌هایی که صرفا با فرمان انسان، اهداف را انتخاب و هدف قرار می‌دهند.

 

پهپادها در این گروه تسلیحاتی قرار می‌گیرند. جنگنده‌هایی نظیر پردیتور(Predator) و ریپر (Reaper) نیز در این گروه تسلیحاتی قرار دارند. 2- سلاح‌های انسان- ناظر(تحت نظارت انسان): ربات‌هایی که قادرند با نظارت عامل انسانی، اهداف را انتخاب و هدف قرار دهند(عامل انسانی در این نوع از سلاح‌ها قادر است رفتار ربات‌ها را کنترل و تصمیمات آنها را باطل سازد). ازجمله تسلیحات انسان ناظر می‌توان به سامانه‌های تسلیحات دفاعی خودکار، مثل: سامانه تسلیحات نزدیک‌زنِ Phalanx MK 15 نیروی دریایی آمریکا، سامانه موشکی Aegis(کَشتی پایه) و سامانه اسرائیلی دفاع موشکی(زمینی) گنبد آهنین(Iron Dome) و همچنین نسل دوم هواپیماهای بدون سرنشین، مثل: Navy X-47B و Taranis اشاره کرد. 3- سلاح‌های انسان-غایب(خودمختار): ربات‌هایی که قادرند بدون فرمان انسانی یا تعامل با انسان، اهداف را انتخاب و هدف قرار دهند. فقط این نوع از تسلیحات، کاملا خودمختار در نظر گرفته می‌شوند. هنوز هیچ‌گونه سلاح انسان- غایبی ساخته یا مورد استفاده قرار نگرفته است.

پهپادها و تحول در معادلات جنگ: استفاده از پهپادها موجب ایجاد سه چرخش عمده در شیوه‌هایی شده است که جنگ از طریق آنها مورد بررسی قرار می‌گیرد و تجربه می‌شود: 1) جنگ‌ها در گذشته محصور در محدودیت‌های جغرافیایی بودند، حال آنکه در جنگ‌ با استفاده از پهپاد، اهمیت سنتی مولفه‌های جغرافیایی را کمرنگ می‌سازد.

 2) بازیگران اصلی در جنگ‌های گذشته دولت‌ها بودند، حال آنکه استفاده از پهپادها در میدان‌های نبرد، حالتی فردی به جنگ داده و نه قلمرو یک کشور، بلکه حیات و زندگی افراد را بدون تلاش برای تصرف خاک آنها مورد توجه قرار می‌دهند. فراموش نکنیم که اصلی‌ترین اهداف حملات پهپادی از زمان اوج‌گیری استفاده از آنها در میدان‌های نبرد، انسان‌های بی‌دولتی بودند که در چارچوب گروه‌های تروریستی نظیر القاعده به فعالیت می‌پرداختند.

 3) و درنهایت اینکه استفاده از پهپادها، حالتی دائمی و همیشگی به جنگ می‌دهند که در آن هر لحظه امکان درگیری وجود دارد و «پیش‌دستی» در قالب آن تبدیل به یک قاعده می‌شود.

 چند نوع حمله پهپادی وجود دارد؟ به‌طور کلی، حملات پهپادی را براساس شیوه هدفگیری می‌توان به دو نوع تقسیم کرد: حملات نشان‌دار ( Signature Strikes) و حملات شخصیتی (‌Personality Strikes). «حملات نشان‌دار» آن دسته از حملاتی هستند که در جریان آنها پهپادها، افراد ناشناخته را براساس الگوهای رفتاری مرتبط با فعالیت‌های تروریستی و نه هویت شناخته‌شده آنها، هدف عملیات قرار می‌دهند. قابل ذکر است این نوع عملیات به‌دلیل بالا بودن تلفات غیرنظامیان با الزامات حقوق بشر بین‌المللی سازگار نیست.

«حملات شخصیتی» آن دسته از حملاتی هستند که در آنها افراد براساس هویت شناخته‌شده و مشخص هدف قرار می‌گیرند. تفاوت میان حملات نشان‌دار و شخصیتی در این است که حملات شخصیتی، افرادی را که هویت آنها مشخص و در لیست ترور قرار دارند، هدف قرار می‌دهد. حال آنکه حملات نشان‌دار، افراد ناشناخته را صرفا براساس الگوهای رفتاری مرتبط با فعالیت‌های تروریستی نابود می‌سازند. نقطه ضعف اصلی حملات نشان‌دار این است که صرفا با حدس و گمان و بدون استماع قضایی مظنونان، دست به کشتار آنها می‌زند. متاسفانه آمارها حاکی از افزایش قابل توجه قربانیانی هستند که در اثر حملات نشان‌دار جان باخته‌اند. طبق آمار، در فاصله سال‌های 2004 تا 2007، فقط 9 نفر در قالب حملات نشان‌دار جان باختند، حال آنکه این میزان در فاصله سال‌های 2008 تا 2012 به 300 نفر رسیده است. انتقاد اصلی به حملات نشان‌دار این است که این حملات برای جان غیرنظامیان اهمیتی قائل نیستند و فرقی میان تروریست‌ها و نظامیان با افراد بیگناه قائل نمی‌شوند.

 کارنامه منفی عملیات پهپادی آمریکا: ایالات متحده آمریکا کشوری است که منفی‌ترین کارنامه را در این زمینه از خود به‌جای گذاشته است. پنتاگون در گزارشی اعلام کرده: «حملات هوایی ائتلاف آمریکا علیه داعش (که حملات پهپادی هم جزء آنها هستند) تا ژانویه 2019، موجب مرگ 1257 غیرنظامی در عراق و سوریه شده است.» با این حال، یک گروه ناظر جنگ سوریه که عقبه دانشگاهی نیز دارد، اعلام کرده حداقل 7500 غیرنظامی درنتیجه حملات هوایی و پهپادی ائتلاف آمریکا در عراق و سوریه کشته شده‌اند. «بنیاد آمریکای نوین» نیز در گزارشی اعلام کرد «از سال 2004 تا 2017، مجموعا 409 عملیات پهپادی توسط آمریکا انجام شده که درمجموع موجب کشته‌شدن 288 غیرنظامی و همچنین 275 تن دیگر شده که هویت آنها معلوم نبوده است.» با این حال، دیگر نهادها این آمارها را دقیق نمی‌دانند و تاکید دارند شمار کشته‌شدگان غیرنظامی ناشی از حملات پهپادی آمریکا در مناطق مختلف جهان، بسیار بیشتر از آن چیزی است که در ارزیابی‌ها گفته می‌شود.

 

اخیرا نیز عدم شفافیت در تعداد تلفات غیرنظامیان ناشی از حملات پهپادی آمریکا، با دستور دونالد ترامپ، رئیس‌جمهور آمریکا مبنی‌بر عدم ارائه آمار در این زمینه تشدید شده است.درست در همین نقطه است که بسیاری از کارشناسان بر الزام اخلاقی در استفاده از پهپادها تاکید دارند و بر این باورند که باید سازوکارهای نهادینه شده و قانونی جهت استفاده از پهپادها در میدان‌های نبرد، با مشارکت طرف‌های مختلف بین‌المللی هر چه زودتر تهیه شود و ناقضان آن، با مجازات‌های گسترده بین‌المللی مواجه شوند. این گروه بر این باورند کشورهای استفاده‌کننده از پهپادها باید منطق «تمایز» (Distinction) را که مبتنی‌بر فرق گذاشتن میان نظامیان و غیرنظامیان است، اساس کار خود در به‌کارگیری پهپادهای جنگی قرار دهند.

 مزایای استفاده از پهپادها در میدان نبرد: مزایای استفاده از پهپادها در میدان‌های نبرد موجب شده تا کشورها به‌سمت استفاده از این نوع تسلیحات سوق داده شوند. از جمله این مزایا می‌توان به مواردی که در ادامه می‌آیند، اشاره کرد: اولا، پهپادها در زمره سلاح‌هایی هستند که همچون جنگنده‌ها نیازی به خلبان ندارند. آنها از راه دور و با استفاده از اپراتورهای زبده، راهبری می‌شوند. از این رو، استفاده از آنها با توجه به اینکه با تلفات انسانی همراه نیستند، از مزیت برخوردار است. ثانیا، استفاده از پهپادها در میدان‌های نبرد در مقایسه با جنگنده‌های پیشرفته از مزیت اقتصادی نیز برخوردار است.

 

هزینه ساخت و استفاده از یک پهپاد به مراتب کمتر از میلیون‌ها دلاری است که باید صرف ساخت یا خرید و نگهداری از جنگنده‌ها شود. اضافه بر این، سامانه‌های پدافندی که باید این پهپادها را هدف قرار دهند در بسیاری از موارد هزینه ساخت و نگهداری‌شان به مراتب بیشتر از خود پهپادهاست. این مورد به‌خصوص برای جمهوری اسلامی ایران حائز اهمیت است به‌ویژه اینکه ایران به‌دلیل تحریم‌های غرب، فرصت دستیابی به جنگنده‌های پیشرفته که رقبای منطقه‌ای و بین‌المللی این کشور قادر به خرید آنها هستند را نداشته است. درواقع، ایران با دستیابی به فناوری پهپادی و گسترش آن توانسته تا حد زیادی مقابل رقبا و دشمنان خود به یک موازنه قابل قبول دست یابد.

 

درنهایت سومین مزیت پهپادها این است که آنها دقت در هدف قراردادن اهداف دشمن را ارتقا می‌بخشند. یک پهپاد با پرواز بر فراز هدف مورد نظر خود و انتقال مستقیم تصاویر به اپراتورهای هدایت‌کننده‌اش، با دقت بالا دشمن را هدف قرار می‌دهد. اهمیت این نکته زمانی مشخص می‌شود که به این مورد توجه کنیم تسلیحاتی مانند موشک‌ها لزوما دقیق نیستند و تحقیقات و هزینه‌های گسترده‌ای باید انجام شود تا آنها قابلیت نقطه‌زنی را کسب کنند.

 

جدای از افزایش ضریب دقت در عملیات‌های نظامی، پهپادها محدودیت‌های جغرافیایی و توپوگرافی را برای دولت‌ها از بین می‌برند و نه‌تنها فاکتور مکان را به چالش می‌کشند، بلکه در مقیاسی گسترده و بی‌سابقه قادر به هدف قرار‌دادن دشمنان هستند. درحقیقت، پهپادها مفاهیم «اینجا» و «آنجا» را به‌نحو موثری تحت تاثیر قرار داده و «آنجا» را برای «اینجا» به‌طور کامل در دسترس قرار می‌دهند.

 

 

فرهیختگان