نقش هوش مصنوعی در جنگ رمضان و الزامات سیاستی برای ایران

دانلود فایل PDF

صورت‌بندی مسئله و دامنه گزارش

این گزارش، «هوش مصنوعی» را به‌عنوان یک فناوری منفرد تحلیل نمی‌کند؛ بلکه آن را در مقام یک «توانمندساز عملیاتی» برای سه کارویژه در جنگ‌های معاصر صورت‌بندی می‌کند: شتاب‌دهی چرخه تصمیم و ضربه[1]، افزایش مقیاس تولید هدف و کنترل آتش[2]، و تشدید عملیات ادراکی و فریب[3]. چارچوب گزارش، هم‌زمان از ادبیات اندیشکده‌ای داخلی (به‌مثابه داده بومی برداشت راهبردی) و از گزارش‌های سیاستی/تحلیلی اندیشکده‌های معتبر خارجی (به‌مثابه الگوهای مشاهده‌شده در جنگ‌های واقعی) استفاده می‌کند. بسیاری از کاربست‌های AI در جنگ، الزاماً «جایگزین انسان» نیستند، بلکه «سامانه‌های پشتیبان تصمیم» هستند که با تبدیل داده‌های حجیم به پیشنهادهای عملیاتی، tempo جنگ را تغییر می‌دهند. این تمایز در ادبیات معتبر به‌صراحت برجسته شده است.

شواهد کلیدی از اندیشکده‌های داخلی و خارجی

در ادبیات داخلی جنگ‌محور، حداقل دو گزاره سیاستی صریح درباره نقش فناوری و AI قابل استخراج است. نخست نشانه‌ای از ضرورت گذار به «فناوری‌های نوین و هوش مصنوعی» (از جمله پهپادهای نظارتی) برای بهبود امنیت و دوم، جنگ به‌صورت «دووجهی» (سخت/نرم) و متکی بر ادراک و امنیت روانی تحلیل شده است.

در ادبیات خارجی، چند خط شواهد بسیار باربر وجود دارد:

۱) AI و خودکارسازی، میدان جنگ را از حیث «سرعت، حجم و دامنه» تغییر می‌دهد و به همین دلیل نیاز به چارچوب‌های سخت‌گیرانه آزمون و ارزیابی برای سامانه‌های AI و خودران مطرح می‌شود.

۲) AI در هدف‌یابی و تولید هدف: کاربست سامانه‌های AI برای شناسایی و انتخاب اهداف در جنگ رایج شده است. برای مثال «سامانه‌های پشتیبان تصمیم» مانند Lavender و Gospel که با تجمیع جریان‌های داده‌ای و پیشنهاد هدف، سرعت هدف‌یابی را افزایش می‌دهند.

۳) AI در فرماندهی و کنترل نرم‌افزارمحور و چرخه کشتار تاکتیکی: فشار جنگ می‌تواند راهبردها را از «یک معماری بزرگ و یکپارچه C2» به سمت «نرم‌افزارهای تاکتیکی وظیفه‌محور» سوق دهد؛ به‌گونه‌ای که مدیریت پهپادها، اصلاح آتش و اتصال مستقیم اپراتور پهپاد به یگان آتش، مرکز ثقل نوآوری می‌شود و زمان «کشف تا اصابت» از ساعت‌ها به دقیقه‌ها فشرده می‌گردد. از این رو بینایی ماشین/همجوشی حسگر/تحلیل سیگنال نسبتاً بالغ‌تر و NLP کم‌بلوغ‌تر صورت‌بندی می‌شود، و نقش AI عمدتاً «پشتیبان تصمیم» و نه جایگزین فرمانده انسانی است.

۴) AI در برنامه‌ریزی مأموریت و تصمیم‌سازی: کاربرد AI در برنامه‌ریزی مأموریت (به‌ویژه مسیرگذاری) می‌تواند مزیت «سرعت پاسخ بسیار بالا» داشته باشد، اما توسعه آن هزینه‌بر است و در مقیاس‌های بزرگ (سطح یک عملیات نظامی گسترده) با محدودیت‌های جدی داده و یکپارچه‌سازی نرم‌افزاری مواجه می‌شود؛ همچنین AI در سازگاری سریع با تاکتیک‌های جدید دشمن می‌تواند ضعیف باشد، اما در «واکنش سریع به اطلاعات جدید» مزیت دارد.

۵) AI در فریب و عملیات ادراکی: «دیپ‌فیک‌ها» در مخاصمه می‌توانند برای جعل دستور، ایجاد سردرگمی بین مردم و نیروهای مسلح، و مشروعیت‌بخشی به جنگ‌ها/شورش‌ها به‌کار روند و احتمال بهره‌برداری دولت‌ها/سازمان‌های اطلاعاتی از این ابزارها در جنگ بالا است؛ و سازوکارهایی مثل «فرآیند سنجش منافع[4] برای دیپ‌فیک» را مطرح می‌شود. در این رابطه مقررات موجود دچار کندی در برابر سرعت فناوری می‌باشند. فریب‌های AI (از جمله دیپ‌فیک‌ها) می‌توانند زیرساخت اعتماد را در سطح سازمانی و اجتماعی فرسوده کنند و «اصالت دیجیتال» را به مسئله‌ای راهبردی تبدیل نمایند.

نقشه کاربست هوش مصنوعی در جنگ اخیر

این بخش، کاربست‌ها را در شش لایه عملیاتی تفکیک می‌کند (طوری که بعداً بتوان برای هر لایه، اقدام اجرایی تعریف کرد).

هوش مصنوعی در ISR و همجوشی حسگرها

در جنگ‌های پرتکاپو، حجم داده‌های تصویری/ویدئویی/سیگنالی به‌حدی است که بدون خودکارسازی تحلیلی، «تبدیل داده به آگاهی موقعیتی» کند می‌شود. تمرکز جدی بر بینایی ماشین، همجوشی حسگر و تحلیل سیگنال به‌عنوان حوزه‌های بالغ‌تر AI در میدان جنگ وجود دارد و حتی برای برخی بازیگران، اولویت کارکردی آنها «کشف هدف/هدایت/کارکردهای پایانی خودران» است.

هوش مصنوعی در هدف‌یابی، تولید هدف و چرخه آتش

دو مسیر متمایز وجود دارد: (الف) «تولید هدف در مقیاس» با تحلیل داده‌های حجیم و پیشنهاد هدف برای بررسی انسانی؛ (ب) «کاهش زمان کشف تا اصابت» با اتصال پهپاد/حسگر به واحد آتش و اصلاح آتش. در مورد مسیر اول، گزارش‌های رسانه‌ای و تحلیل‌های سیاستی در غرب از کاربست AI توسط اسرائیل برای کمک به انتخاب اهداف در غزه سخن می‌گویند و از آن به‌عنوان «سامانه پشتیبان تصمیم» یاد می‌کنند (با همه ملاحظات صحت‌سنجی و لزوم تکیه بر چند منبع). این الگو (AI به‌مثابه موتور افزایش مقیاس هدف‌یابی) به‌طور مستقیم برای سنجش تهدیدات احتمالی علیه ایران نیز مهم است، زیرا به افزایش tempo و «تراکم هم‌زمان عملیات» می‌انجامد.

هوش مصنوعی در فرماندهی و کنترل و تصمیم‌سازی

در این لایه، AI معمولاً «تصمیم را صادر نمی‌کند»، بلکه سه کار انجام می‌دهد: (۱) تسریع تحلیل وضعیت؛ (۲) تولید سناریو/گزینه؛ (۳) پیشنهاد اقدام و تخصیص منابع. سامانه‌های AI در وظایفی مانند مسیرگذاری می‌توانند نسبت به روش‌های کلاسیک مزیت زمان پاسخ داشته باشند (میلی‌ثانیه در برابر ثانیه/دقیقه)، اما در عوض ممکن است از حیث ریسک کشف دشمن بدتر عمل کنند یا در مقیاس‌های بزرگ، گرفتار محدودیت داده و یکپارچه‌سازی شوند؛ بنابراین سیاست‌گذاری باید از ابتدا «مرز کاربرد» و «محدودیت‌های کارکردی» را در طراحی C2 هوشمند لحاظ کند.

هوش مصنوعی در سامانه‌های خودران و نیمه‌خودران

«خودرانی پایه» (مثلاً هدایت پهپاد) می‌تواند ماهیت جنگ را تغییر دهد و از همین‌رو، «چارچوب‌های فنی آزمون و ارزیابی» و معیارهای قابل‌آزمون برای اصول کلان (از جمله مسئولیت‌پذیری و تبیین‌پذیری) ضروری است.

هوش مصنوعی در عملیات ادراکی، فریب و بحران اصالت

بُعد ادراکی جنگ، محل تلاقی «هوش مصنوعی مولد»، «دیپ‌فیک»، «بات/شبکه هماهنگ»، و «تکثیر محتوا در مقیاس» است. این فناوری می‌تواند برای جعل دستور، ایجاد سردرگمی عمومی/نظامی، و مشروعیت‌بخشی به جنگ یا شورش استفاده شود؛ و نیاز به ابزارهای حکمرانی برای «تصمیم‌گیری مسئولانه درباره بهره‌گیری/مقابله» به روشنی دیده می‌شود. AI مولد می‌تواند دفاع‌های موجود علیه اطلاعات نادرست را تحت فشار قرار دهد و مقررات‌گذاری، معمولاً از تغییرات فناورانه عقب می‌ماند.

در سطح «اعتماد و اصالت»، فریب‌های AI، حتی فراتر از حوزه نظامی، می‌تواند اعتماد به سازوکارهای هویتی/اعتبارسنجی را فرسوده کند و مسئله «اصالت دیجیتال» را به یک موضوع راهبردی تبدیل نماید.

هوش مصنوعی در چرخه یادگیری جنگ و ارتقای مستمر

بازیگران جنگی می‌توانند با «جمع‌آوری نظام‌مند داده‌های میدان» (ویدئوی پهپاد، تله‌متری اپراتور، آثار اصابت، شاخص‌های عملکرد) یک حلقه بازخورد بسازند که کارزار را به‌طور مستمر اصلاح کند؛ یعنی جنگ، به یک موتور «یادگیری سریع نرم‌افزاری» تبدیل شود. این بخش برای ایران حیاتی است، زیرا بدون معماری داده و فرآیند یادگیری، حتی با داشتن ابزارهای AI، مزیت پایدار ایجاد نمی‌شود.

پیامدهای راهبردی برای ایران در برابر محور آمریکا–اسرائیل

تغییر ماهیت بازدارندگی از «صرف قدرت سخت» به «قابلیت تصمیم در مقیاس و سرعت»

در محیطی که AI و خودکارسازی، tempo جنگ را افزایش می‌دهد، بازدارندگی صرفاً به معنای «توان ضربه» نیست؛ بلکه به معنای «توان تشخیص، تصمیم و اقدام در زمان مناسب» نیز هست. مسئله تبیین‌پذیری، حساسیت به داده و یکپارچه‌سازی نرم‌افزاری، به‌طور مستقیم بر پذیرش عملیاتی AI و ایمنی/اعتماد اپراتور اثر می‌گذارد؛ بنابراین اگر ایران بخواهد در یک جنگ پرسرعت، تصمیم دقیق و به‌هنگام داشته باشد، باید از هم‌اکنون «حکمرانی داده»، «یکپارچه‌سازی ابزارها»، و «معیارهای آزمون‌پذیر» را جزئی از بازدارندگی بداند.

ریسک «فشار مقیاسی» در هدف‌یابی و حملات پرتراکم

کاربست AI در هدف‌یابی نشان می‌دهد خطر اصلی، افزایش تعداد اهداف و سرعت انتخاب/حمله است. حتی اگر «انسان در حلقه» باقی بماند، مقیاس بالا می‌تواند کیفیت بازبینی انسانی را تحت فشار بگذارد. پیام سیاستی برای ایران این است که باید در برابر «تراکم عملیات» و تهدیدات چندمحوره، معماری دفاعی داده‌محور و مقاوم داشته باشد؛ وگرنه با همان ظرفیت سنتی، ممکن است دچار «اشباع اطلاعاتی» شود.

تهدید «عملیات ادراکی مولد» و بی‌ثبات‌سازی اعتماد

در سطح اجتماعی، خطر صرفاً جعل یک ویدئو نیست؛ بلکه ایجاد «ابهام پایدار» درباره اصالت هر پیام است. دیپ‌فیک‌ها و فریب‌های AI می‌توانند اعتماد را تضعیف کنند و حتی زمینه را برای «انکار حقیقت[5]» فراهم سازند. برای ایران، این تهدید باید هم در سطح عملیات رسانه‌ای و هم در سطح امنیت ملی به رسمیت شناخته شود، چون مستقیماً با انسجام اجتماعی و کارکرد حکمرانی در بحران پیوند دارد.

بسته اقدامات اجرایی

این بسته اجرایی با اتکا به دو اصل طراحی شده است: نخست، تمرکز بر حوزه‌هایی که هوش مصنوعی در آنها واقعاً مزیت عملیاتی ایجاد می‌کند، از جمله سرعت واکنش، همجوشی داده، تشخیص الگو و مقیاس‌پذیری؛ و دوم، پیشگیری از توهم فناوری، اعتماد نابجا به خروجی‌های الگوریتمی و انتقال بی‌ضابطه تصمیم به سامانه‌های هوشمند. بر این مبنا، شش اقدام اولویت‌دار زیر برای استقرار حکمرانی کارآمد هوش مصنوعی در شرایط جنگی پیشنهاد می‌شود.

اقدام اول، ایجاد «ستاد یکپارچه حکمرانی هوش مصنوعی در جنگ» است. این ستاد باید سه خروجی عملیاتی را به‌صورت هم‌زمان تولید کند: نقشه کارکردهای اولویت‌دار هوش مصنوعی در حوزه‌های دفاع، پدافند و رسانه؛ استانداردهای مشترک داده و معماری یکپارچه‌سازی سامانه‌ها؛ و پروتکل تصمیم‌گیری درباره حدود استفاده یا عدم استفاده از خروجی‌های هوش مصنوعی در عملیات. مسئولیت مستقیم تشکیل و راهبری این ستاد بر عهده شورای عالی امنیت ملی قرار می‌گیرد و آغاز به کار آن مستلزم تصویب و ابلاغ مصوبه اختصاصی شورا برای تشکیل ستاد، تعیین سطح دسترسی به داده‌ها و الزام دستگاه‌ها به تبادل داده و اجرای استانداردهای مصوب است. تأمین مالی این اقدام باید از طریق ایجاد یک ردیف تجمیعی در قالب اعتبارات امنیت ملی و پدافند غیرعامل انجام شود. برآورد اولیه منابع مورد نیاز، شامل ۳۰ تا ۵۰ نفر-سال نیروی تخصصی در حوزه‌های تحلیل، حقوق و فناوری، زیرساخت امن ارتباطی و مرکز داده طبقه‌بندی‌شده، و نیز هزینه‌های ممیزی امنیتی و آزمون است. بازه زمانی اجرای این اقدام باید حداکثر ظرف ۱۵ روز برای صدور مصوبه و تعیین اعضا، و ۴۵ روز برای تحویل نقشه کارکردها و استاندارد داده باشد. در صورت تأخیر در اجرا، اقدامات دستگاهی به‌صورت پراکنده ادامه یافته و در شرایط عملیات پرتراکم، خطر ناهمخوانی داده، ناسازگاری نرم‌افزار و تأخیر در تصمیم‌گیری افزایش خواهد یافت. خروجی‌های قابل سنجش این اقدام شامل سند مصوب نقشه کارکردهای هوش مصنوعی در جنگ، استاندارد تبادل داده و برقراری حداقل پنج اتصال عملیاتی میان سامانه‌های کلیدی، و نیز پروتکل مصوب مسئولیت‌پذیری در قبال خروجی‌های الگوریتمی است.

اقدام دوم، راه‌اندازی «مرکز عملیات داده و بینایی ماشین برای ISR و هشدار» است. مأموریت این مرکز باید همجوشی و تحلیل سریع داده‌های تصویری، ویدئویی و سیگنالی، تشخیص الگو برای هشدار زودهنگام تهدیدات، و تولید تصویر عملیاتی مشترک برای فرماندهی باشد. مسئولیت مستقیم این اقدام بر عهده ستاد کل نیروهای مسلح قرار می‌گیرد و اجرای آن نیازمند ابلاغیه طبقه‌بندی و اشتراک‌گذاری داده، در چارچوب مصوبات بالادستی شورای عالی امنیت ملی، و تخصیص دسترسی حداقلی ـ کافی به جریان‌های داده است. بودجه این اقدام باید در سه سبد تعریف شود: نیروی انسانی تخصصی در حوزه‌های داده، تحلیل، امنیت و MLOps در مقیاس حداقل ۷۰ تا ۱۲۰ نفر؛ ظرفیت پردازش شامل GPU و CPU و زیرساخت ذخیره‌سازی امن؛ و هزینه‌های داده‌سازی و برچسب‌گذاری، به‌ویژه برای داده‌های تصویری. اجرای نسخه حداقلی عملیاتی این مرکز باید ظرف ۶۰ روز و استقرار نسخه کامل آن حداکثر ظرف ۱۸۰ روز انجام شود. عدم اجرای این اقدام، خطر اشباع داده، ناتوانی در همجوشی سریع اطلاعات و عقب‌ماندن از سرعت تصمیم دشمن را به‌طور جدی افزایش می‌دهد. شاخص‌های سنجش موفقیت این اقدام باید شامل کاهش زمان تولید هشدار از مقیاس ساعت به کمتر از ۱۵ دقیقه در سناریوهای تعریف‌شده، استقرار داشبورد تصویر عملیاتی مشترک، و تولید گزارش‌های روزانه هشدار زودهنگام با نرخ خطای مستندسازی‌شده باشد.

اقدام سوم، تدوین و استقرار «چارچوب آزمون، ارزیابی و اطمینان برای سامانه‌های هوش مصنوعی دفاعی» پیش از میدان‌دادن به آنها در تصمیم‌سازی یا عملیات است. با توجه به مسائل بنیادینی مانند کمبود تبیین‌پذیری، حساسیت به داده آموزشی و آسیب‌پذیری نسبت به خطاهای مدل، هیچ سامانه دفاعی مبتنی بر هوش مصنوعی نباید بدون گذر از چرخه آزمون و ارزیابی وارد مدار عملیاتی شود. مسئولیت مستقیم این اقدام بر عهده وزارت دفاع و پشتیبانی نیروهای مسلح قرار می‌گیرد و آغاز آن مستلزم صدور دستورالعمل یا آیین‌نامه داخلی برای الزام همه پروژه‌های هوش مصنوعی به عبور از چرخه T&E و درج بندهای قراردادی ناظر بر شفافیت طراحی و افشای هوش مصنوعی پنهان در پروژه‌ها است. بودجه این اقدام عمدتاً باید صرف توسعه محیط‌های آزمون و شبیه‌سازی، تهیه داده آزمون و انجام ممیزی‌های امنیتی شود و از محل اعتبارات تحقیق و توسعه دفاعی، با امکان بهره‌گیری از ظرفیت دانشگاه‌ها و شرکت‌های دانش‌بنیان در لایه‌های غیرطبقه‌بندی‌شده، تأمین گردد. مهلت زمانی این اقدام ۹۰ روز برای تدوین استانداردها و چک‌لیست‌ها و شش ماه برای استقرار کامل است. در صورت عدم اجرا، احتمال اعتماد نابجا به خروجی سامانه‌ها، خطای عملیاتی و شکست در پذیرش سامانه‌های هوشمند از سوی اپراتورها به‌طور محسوسی افزایش خواهد یافت. خروجی‌های قابل سنجش این اقدام شامل استاندارد رسمی اطمینان سامانه‌های دفاعی مبتنی بر هوش مصنوعی، نسبت پروژه‌هایی که آزمون‌های حیاتی را با موفقیت پشت سر می‌گذارند، و پنل ثبت و گزارش ریسک مدل‌ها است.

اقدام چهارم، استقرار «زیرساخت ملی اصالت دیجیتال و مقابله فوری با دیپ‌فیک و جعل مولد» برای پیام‌های منتسب به مقامات، نیروهای مسلح و نهادهای خدمات حیاتی است. این زیرساخت باید بر سه پایه استوار باشد: امضای دیجیتال پیام‌های رسمی، راه‌اندازی کانال‌های تأییدشده برای انتشار و بازیابی نسخه معتبر پیام، و استقرار تیم راستی‌آزمایی فوری به‌صورت ۲۴ ساعته و هفت‌روز هفته. مسئولیت مستقیم این اقدام بر عهده سازمان صدا و سیمای جمهوری اسلامی ایران قرار می‌گیرد و اجرای آن نیازمند مصوبه شورای عالی امنیت ملی درباره «سند اصالت پیام در بحران» و نیز ابلاغ دستورالعمل فنی از سوی مرکز ملی فضای مجازی برای استانداردسازی امضا و برچسب‌گذاری پیام‌های رسمی است. بودجه این اقدام باید در پنج قلم محاسبه شود: تیم راستی‌آزمایی و تحلیل رسانه در مقیاس ۴۰ تا ۶۰ نفر-سال، زیرساخت امضای دیجیتال و PKI سازمانی، زیرساخت ذخیره و پردازش ویدئو و صوت، ابزارهای تشخیص جعل با رویکرد ترکیب ابزار و انسان، و کمپین آگاهی عمومی استاندارد. منابع مالی آن نیز باید از محل اعتبارات مدیریت بحران و امنیت ملی و در بخش فنی از محل بودجه فناوری اطلاعات دولت و راهبری مرکز ملی فضای مجازی تأمین شود. بازه زمانی این اقدام ۳۰ روز برای نسخه حداقلی و ۱۲۰ روز برای استقرار سامانه امضای دیجیتال فراگیر است. تعلل در اجرای آن منجر به بروز بحران اصالت، تزلزل اعتماد عمومی و افزایش شدید هزینه‌های حکمرانی بحران خواهد شد. شاخص‌های سنجش این اقدام عبارت‌اند از کاهش زمان متوسط تشخیص و اعلام رسمی جعل به کمتر از ۶۰ دقیقه، افزایش تعداد پیام‌های رسمی دارای امضای دیجیتال، و کاهش نرخ انتشار محتوای جعلی پس از پاسخ رسمی.

اقدام پنجم، ایجاد «برنامه دفاع شناختی مبتنی بر هوش مصنوعی و تحلیل شبکه» برای شناسایی موج‌های هماهنگ، حساب‌های غیرواقعی و الگوهای انتشار در شرایط بحران است. این برنامه باید بتواند با استفاده از تحلیل شبکه، رصد چندسکویی و پایش داده‌های باز، موج‌های ادراکی را پیش از تثبیت شناسایی و برای طبقه‌بندی و واکنش سریع، داده عملیاتی تولید کند. مسئولیت مستقیم این اقدام بر عهده پلیس فتا قرار می‌گیرد و اجرای آن نیازمند تصویب دستورالعمل اداری برای رصد داده‌محور در شرایط بحران، با تعیین مرزهای دسترسی، نگهداشت داده و مسئولیت پاسخ‌گویی، ذیل مصوبات شورای عالی امنیت ملی و با هماهنگی مرکز ملی فضای مجازی است. بودجه این اقدام باید چهار جزء اصلی را پوشش دهد: نیروی انسانی تحلیل شبکه و داده در مقیاس ۵۰ تا ۸۰ نفر-سال، زیرساخت جمع‌آوری داده از منابع باز و گزارش‌های مردمی، ابزارهای تحلیل شبکه و ذخیره‌سازی امن، و هزینه‌های تعامل و پیگیری حقوقی با پلتفرم‌ها و ارائه‌دهندگان سرویس خارجی. این منابع باید از محل اعتبارات امنیت فضای تولید و تبادل اطلاعات و بودجه‌های انتظامی و امنیتی تأمین شود. نسخه اولیه این برنامه باید ظرف ۴۵ روز مستقر شود. در صورت عدم اقدام، موج ادراکی می‌تواند پیش از هر واکنش رسمی تثبیت شود و هزینه پاسخ بعدی را چند برابر کند. خروجی‌های قابل سنجش آن شامل داشبورد روزانه موج‌ها و شبکه‌های هماهنگ، شاخص سرعت کشف موج و سرعت پاسخ، و تعداد شبکه‌های هماهنگ مستندسازی‌شده و پرونده‌های ارجاعی است.

اقدام ششم، طراحی و استقرار «حلقه یادگیری جنگی مبتنی بر داده» است تا هر رخداد، اعم از حمله، اختلال، موج ادراکی یا شکست و موفقیت دفاعی، به داده ساخت‌یافته تبدیل شده و برای اصلاح سیاست، پروتکل و ابزار به‌سرعت بازخور یابد. این حلقه باید تضمین کند که تجربه عملیاتی از سطح رویداد عبور کرده و به دانش نهادی و اصلاح نرم‌افزاری و رویه‌ای تبدیل شود. مسئولیت مستقیم اجرای این اقدام بر عهده سازمان پدافند غیرعامل کشور قرار می‌گیرد و آغاز آن مستلزم مصوبه اداری برای الزام ثبت داده رخداد در دستگاه‌های خدمات حیاتی و امنیتی و نیز تعیین مسیر حقوقی و فنی برای تبادل داده بین دستگاه‌ها با استاندارد مشترک است. بودجه این اقدام باید صرف سه قلم اصلی شود: زیرساخت ثبت رخداد و داده‌سازی، تیم تحلیل و ارزیابی، و محیط‌های آزمون و بازپخش داده. تأمین مالی نیز باید از محل بودجه پدافند غیرعامل و اعتبارات مدیریت بحران انجام گیرد. زمان‌بندی اجرای این اقدام ۹۰ روز برای تدوین استاندارد رخداد و قالب داده و شش ماه برای اجرای فراگیر است. عدم اجرای آن به معنای تکرار خطا، فقدان انباشت تجربه و عقب‌ماندن در برابر دشمنی است که می‌تواند با حلقه یادگیری نرم‌افزاری، سرعت تطبیق خود را به‌طور پیوسته افزایش دهد. خروجی‌های قابل سنجش این اقدام شامل پایگاه داده رخدادهای جنگی و امنیتی با قالب استاندارد، گزارش‌های ماهانه درس‌آموخته که به تغییر مشخص در سیاست یا پروتکل منجر شده باشند، و کاهش تکرار رخدادهای مشابه در بازه شش‌ماهه است.

نقشه زمان‌بندی و اولویت نهایی

با توجه به منطق تهدید (tempo + مقیاس + فریب)، اولویت‌های سیاستی در سه موج زمانی پیشنهاد می‌شود:

موج فوری (۰ تا ۳۰ روز): اقدام ۱ و ۴ (ستاد حکمرانی AI در جنگ + زیرساخت اصالت و مقابله فوری با دیپ‌فیک). زیرا تهدید ادراکی با سرعت بالا عمل می‌کند و «اولین پاسخ» در بحران اصالت، تعیین‌کننده است.

موج کوتاه‌مدت (۳۰ تا ۱۸۰ روز): اقدام ۲ و ۵ (مرکز عملیات داده برای ISR + دفاع شناختی شبکه‌ای). زیرا دشمن در چرخه آتش و عملیات ادراکی، از برتری داده و مقیاس استفاده می‌کند و مهار آن نیازمند ظرفیت داده‌محور است.

موج میان‌مدت (۶ تا ۱۲ ماه): اقدام ۳ و ۶ (T&E/Assurance دفاعی + حلقه یادگیری جنگی). زیرا در نبود اطمینان‌پذیری و یادگیری سازمانی، سامانه‌ها یا وارد میدان نمی‌شوند یا با خطاهای پرهزینه مواجه خواهند شد.

منابع

• Securing Intelligence: Why AI Security Will Define the Future of Trust | Council on Foreign Relations – https://www.cfr.org/articles/securing-intelligence-why-ai-security-will-define-future-trust
• Transcript: Future weapons – Battlefield AI – https://www.ft.com/content/802864cb-a680-48ea-837b-32cb31ad09e4
• https://iranthinktanks.com/designed-riots-the-second-stage-of-the-12-days-war/
• ChatGPT has opened a new front in the fake news wars | Chatham House – International Affairs Think Tank – https://www.chathamhouse.org/publications/the-world-today/2023-04/chatgpt-has-opened-new-front-fake-news-wars
• Deepfakes and international conflict | Brookings – https://www.brookings.edu/articles/deepfakes-and-international-conflict/
• How Russia Is Reshaping Command and Control for AI-Enabled Warfare – https://www.csis.org/analysis/how-russia-reshaping-command-and-control-ai-enabled-warfare
• https://iranthinktanks.com/iranian-missiles-in-israels-perception-system/
• Safe and Effective | CNAS – https://www.cnas.org/publications/reports/safe-and-effective
• Understanding the Limits of Artificial Intelligence for Warfighters: Volume 5, Mission Planning – https://www.rand.org/content/dam/rand/pubs/research_reports/RRA1700/RRA1722-5/RAND_RRA1722-5.pdf
• Fighting deepfakes when detection fails | Brookings – https://www.brookings.edu/research/fighting-deepfakes-when-detection-fails/
• Intelligence is dead: long live Artificial Intelligence | Chatham House – International Affairs Think Tank – https://www.chathamhouse.org/2022/07/intelligence-dead-long-live-artificial-intelligence
• Disinformation | Analysis & Research | Chatham House – https://www.chathamhouse.org/topics/disinformation

[1] Decision/Strike Tempo

[2] Targeting at Scale

[3] Cognitive Ops & Deception

[4] Equities Process

[5] liar’s dividend