Las áreas de aplicación de la Inteligencia Artificial parecen infinitas. Frecuentemente el descubrimiento de oportunidades ocurre cuando la necesidad apremia y se está dispuesto a arriesgar con ideas totalmente nuevas e innovadoras. Una referencia interesante ocurrió en 2018 con las fuerzas estadounidenses en Afganistán, cuando estas enfrentaban un dilema. Disponían de menos recursos, de un número inferior de tropas, se habían clausurado varias bases y los recursos de inteligencia estaban siendo trasladados a otras partes del mundo. Simultáneamente el nivel de violencia se acrecentaba. Así que decidieron buscar Inteligencia Artificial (IA) para abordar este problema y de allí nació la herramienta de IA Raven Sentry (“Cuervo Sentinela”).

Inicialmente, tanto las agencias de inteligencia de Estados Unidos como la burocracia del Pentágono se mostraron escépticos con respecto al esfuerzo. Para Octubre 2020, el modelo había logrado una precisión de 70%, lo cual significaba que un ataque identificado con la mayor probabilidad (80-90%), ocurría 70% de las veces. Este era un nivel de desempeño similar al de un analista humano, pero con una velocidad de predicción mucho más rápida. Cómo ejemplo, Raven Sentry había estado operando en Afganistán por unos pocos meses y predijo que se debía esperar un ataque violento en Jalalabad a comienzos de Julio. Además, que probablemente causaría entre 20 y 40 víctimas. El ataque ocurrió un poco más tarde, el 2 de Agosto, cuándo el Estado Islámico atacó la prisión de la ciudad, matando a 29 personas.

La violencia política no ocurría al azar. Por ejemplo, en 2023 las altas temperaturas se podían correlacionar con la violencia en Afganistán e Irak.  Se observó que cuando la temperatura máxima pasaba de 16°C a 38°C, la probabilidad que un hombre iraquí expresara apoyo a la violencia contra las fuerzas multinacionales (medida a través de encuestas) aumentaba en decenas de puntos. Con Raven Sentry se fue mucho más allá. Se comenzaron a estudiar “patrones recurrentes” de los insurgentes desde la época de la ocupación soviética de Afganistán en los 1980. En Silicon Valley se ayudó a entrenar a una red neural que identificaba correlaciones entre la data histórica relacionada con violencia y con una variedad de fuentes abiertas (no secretas), las cuales incluían data del clima, publicaciones en redes sociales, noticias e imágenes de satélites comerciales. El modelo resultante identificaba los distritos o centros provinciales  con mayor riesgo de ataques y estimaba el número  de víctimas que pudieran ocurrir.

En su aplicación, estaba costando entender por qué trabajaba tan bien. El análisis más detallado llevó a detectar que el lugar más evidente era el hecho que en los pueblos, de alguna manera sabían que vendría un ataque. Los satélites ópticos podían observar que los pueblos se oscurecían la noche previa a los ataques. Sin embargo, las áreas que en dichos pueblos se asociaban con la actividad enemiga en el pasado, se ponían más brillantes.  Los satélites SAR (radar de apertura sintética),  los cuales envían pulsos de radar en lugar de depender de la luz ambiente, podían identificar las reflexiones metálicas de la actividad de vehículos. En algunos casos, los ataques modernos coincidían con los realizados contra los rusos en 1980: (a) en las ubicaciones exactas; (b) con una composición similar de insurgentes; (c) en el mismo período del calendario: (d) con armas idénticas. Raven Sentry estaba aprendiendo por su cuenta y mejorando continuamente, hasta el momento en el cual se dejó de utilizar. Eso ocurrió en Agosto 2021, cuando Estados Unidos abandonó Afganistán. Sin embargo, había producido una buena cantidad de lecciones.

Los analistas humanos nunca lo trataron como si fuera el Evangelio, más bien lo utilizaron como una entrada adicional a los sistemas clasificados. Esto, tal como lo hacían con los satélites de espionaje y con las comunicaciones interceptadas, servía para analizar en mayor detalle un área de interés. Siempre hubo conciencia de sus debilidades y limitaciones. Donde no existía data del pasado, no se le podía enseñar al modelo y este poco podía hacer.

La experiencia posterior

Desde que se dejó de usar Raven Sentry hace tres años, las fuerzas armadas y las agencias de inteligencia han vertido recursos en IA para desarrollar los “indicadores y alertas”, el término que se utiliza para avisar y prevenir ataques. Muchos de los modelos han madurado recientemente. La opinión es que, si se hubiera dispuesto de estos algoritmos antes de la invasión rusa a Ucrania, las cosas hubieran sido mucho más fáciles.  Había detalles que se deseaba rastrear, pero no se tenía la capacidad en ese entonces. Las imágenes SAR hace cuatro años tenían una resolución de 10 metros, hoy en día es posible identificar objetos menores en tamaño a un metro.  Un modelo como Raven Sentry se haría muy inteligente muy rápidamente. No se trata de un proceso lineal y se tendrán que hacer ajustes, a medida que el enemigo descubra formas de engañar los sistemas y corromper la data de entrada.

Se hace referencia a How America built an AI tool to predict Taliban attacks. La imagen es cortesía de Bing Image Creator.