Exclusiva: El futuro de la IA de combate requiere operación sin conexión

---

Si bien Estados Unidos busca integrar los sistemas de inteligencia artificial Plus en todas las ramas de sus fuerzas armadas, la situación sobre el terreno en Oriente Medio plantea serios problemas en lo que respecta al mantenimiento de la capacidad informática y de comunicación necesaria para mantener estos sistemas conectados a Internet.

Los drones, los sensores, la localización de objetivos y la toma de decisiones basada en IA dependen de estos sistemas de una u otra forma. Destruir incluso un solo centro de datos de IA en primera línea podría perjudicar gravemente las capacidades operativas del ejército.

Pero estos problemas van más allá del hardware. ¿Cómo puede un dron adaptar los parámetros de su misión sin poder comunicarse? ¿Cómo pueden los modelos de IA seguir razonando sin acceso a datos vitales del campo de batalla? ¿Y qué concesiones deben hacerse para preparar a la IA para tales condiciones en el campo de batalla?

La inteligencia artificial en el campo de batalla debe seguir funcionando, incluso cuando se interrumpen las comunicaciones o se desactiva el equipo.

Si bien un conflicto por el estrecho de Ormuz sería extremadamente costoso, Irán ofrece valiosas lecciones para los combatientes. La dependencia de los centros de datos tradicionales en Oriente Medio ya ha puesto de manifiesto sus vulnerabilidades. Estos extensos depósitos son blancos fáciles para misiles de bajo coste, y sistemas enteros pueden quedar inoperativos con un solo ataque.

Palantir ya ha comenzado a desplegar contenedores de transporte equipados con hardware de Nvidia como alternativa a los centros de datos tradicionales. Estos contenedores se pueden instalar en primera línea y conectarse directamente al flujo de trabajo, proporcionando capacidad de procesamiento descentralizada donde más se necesita.

Scaleout es una empresa que desarrolla una infraestructura básica de IA y aprendizaje unificado que entrena modelos con datos distribuidos y confidenciales sin centralizarlos. La empresa ha colaborado con la OTAN —y más recientemente con la Fuerza Aérea Sueca— y con importantes empresas de defensa como BAE Systems.

Andreas Helander es el director ejecutivo y cofundador de Scaleout. Es doctor en Computación Científica y máster en Ingeniería Biotecnológica, y profesor asociado en la Universidad de Uppsala, donde creó uno de los grupos de investigación más importantes del departamento de informática antes de fundar Scaleout.

Hablé con Andreas para conocer de primera mano cómo hacer que los sistemas de IA en el campo de batalla sean más resistentes y cómo los drones, los sensores y otras tecnologías de primera línea pueden seguir funcionando cuando las condiciones empeoran.

• ¿Qué ocurre cuando fallan partes de la capacidad de procesamiento y del hardware de IA en el campo de batalla? ¿Y qué mecanismos de redundancia existen para mantener la comunicación entre los sistemas?

El objetivo no es garantizar una conectividad ininterrumpida, sino evitar que la pérdida de un solo componente inhabilite toda la funcionalidad. En nuestra arquitectura, el nodo desconectado continúa la inferencia local utilizando su último modelo establecido y almacena en caché los descubrimientos y los datos de telemetría hasta que se restablezca la conectividad.

Se pueden utilizar varios puntos de agregación por encima del nivel de borde. Si uno deja de estar disponible, los clientes se pueden reiniciar y el entrenamiento puede continuar con los puntos restantes accesibles. Esto resulta en una disminución gradual del rendimiento en lugar de una falla total. No proporcionamos la red de comunicaciones tácticas en sí; nuestra función es garantizar que la carga de trabajo de la IA no dé por sentado que cualquier enlace inalámbrico, satelital u otro estará siempre disponible.

• ¿Cuáles son las ventajas y desventajas de una red de IA altamente centralizada en el campo de batalla frente a un enfoque más distribuido, especialmente en lo que respecta a la recopilación de datos, la selección de objetivos, la coordinación en el campo de batalla y la logística?

La centralización proporciona una visión operativa coherente, una gran capacidad de procesamiento y una ubicación clara para la aplicación de la seguridad, la aprobación de modelos y la formulación de políticas de mando. Si bien facilita la coordinación y la logística a nivel de teatro de operaciones, también concentra el riesgo: la pérdida de un solo enlace o instalación puede eliminar una parte desproporcionada de la capacidad, mientras que la transferencia de conjuntos de datos grandes o sensibles puede ser lenta, restringida o imposible.

Un sistema distribuido mantiene el análisis cerca del sensor, lo que reduce el tiempo de respuesta y permite que las funciones locales continúen durante las interrupciones. La desventaja es la fragmentación. La selección de objetivos basada en una imagen parcial o desactualizada es arriesgada, y las decisiones logísticas locales pueden no ser óptimas para el conjunto de las fuerzas. El mejor diseño suele ser un híbrido: coordinación centralizada cuando sea posible, con capacidades locales claramente definidas cuando no lo sea. La autoridad reside en el mando y control y en el proceso de toma de decisiones humanas pertinente .

• ¿Cómo se adaptan los drones y sensores con inteligencia artificial al campo de batalla, y cuáles son las diferencias en el comportamiento de los drones con IA que aún pueden comunicarse y aquellos que han perdido el contacto?

Es importante separar el funcionamiento del modelo del reentrenamiento. Las plataformas más pequeñas suelen realizar la inferencia durante el vuelo, mientras que el reentrenamiento y la validación controlados se llevan a cabo en un nodo terrestre o en un ordenador de borde más potente. El aprendizaje a bordo existe en la investigación, pero el reentrenamiento incontrolado durante la misión genera serios problemas de garantía.

La plataforma conectada puede compartir descubrimientos, recibir misiones y contribuir a una visión operativa más amplia. Tras perder la conectividad, el dron sigue un procedimiento de seguridad preaprobado: según la misión, puede continuar con una tarea específica, regresar, esperar o aterrizar. El procesamiento a bordo permite mantener la percepción y la navegación, pero la plataforma pierde el contexto externo, las nuevas instrucciones y la coordinación de la flota. Un fallo debe ser una situación operativa planificada con límites claramente definidos, no una situación de emergencia improvisada.

• ¿Cómo se utilizan los datos recopilados por estos drones y sensores para ayudar a los sistemas de IA en el campo de batalla a adaptarse a nuevas condiciones, amenazas y tácticas?

Los datos más útiles suelen ser los más difíciles de transferir, por lo que enviamos el modelo a los datos en lugar de centrarnos en instantáneas. El software de aprendizaje activo identifica los escenarios más probables para la mejora del modelo, como descubrimientos inciertos, objetos desconocidos o condiciones cambiantes. Los humanos siguen clasificando el material seleccionado; el software reduce el proceso de búsqueda, no la necesidad de juicio humano, lo que subraya la importancia de superar la brecha de responsabilidad en los sistemas de IA.

El modelo se ajusta localmente y se prueba con un valor de referencia definido. Un modelo candidato también puede ejecutarse en paralelo con el modelo existente en modo de prueba antes de ser aprobado por el operador. Cuando las políticas y la conectividad lo permiten, los sitios intercambian actualizaciones protegidas del modelo en lugar de instantáneas de entrenamiento sin procesar, combinándolas en un modelo compartido. El aprendizaje unificado reduce el tráfico de datos, pero las actualizaciones aún deben protegerse, verificarse y revisarse.

• ¿Cuáles son los principales desafíos a los que se enfrentan al desplegar drones y sensores con inteligencia artificial? ¿Y qué capacidades tienen a disposición de las fuerzas armadas para satisfacer las necesidades de computación y producción de energía cerca del frente?

Las limitaciones más importantes suelen ser la energía, el calor, el peso, las condiciones climáticas, las vibraciones, la guerra electrónica, la inconsistencia de los datos y las actualizaciones seguras del software en una flota diversa. La integración y la fiabilidad pueden ser tan difíciles como el aprendizaje automático, un desafío también presente en el campo de la inteligencia artificial industrial.

Existen capacidades de computación disponibles comercialmente: unidades de bajo consumo como NVIDIA Jetson para microplataformas, servidores GPU robustos o unidades de computación perimetral en contenedores para emplazamientos terrestres. Sin embargo, la alimentación eléctrica supone un desafío mayor. Cada procesador compite con los sistemas de propulsión, detección y comunicación, mientras que los generadores, las baterías y los equipos de distribución añaden complejidad logística y nuevos puntos de fallo. En nuestra demostración pública con BAE Systems Bofors, realizamos una prueba de percepción en computación integrada a -18 °C sin conexión. El principio consiste en utilizar la mínima huella operativa posible y asumir que tanto la energía como el ancho de banda son limitados.

• El papel de las empresas comerciales en la prestación de servicios para uso militar se solapa cada vez más, como ocurre con los centros de datos de AWS en Oriente Medio y la producción de drones en el Reino Unido para Ucrania. ¿Cómo afrontan las empresas que prestan servicios a las fuerzas armadas la posible presión para ser consideradas objetivos militares legítimos?

Hablando de Scaleout, no de toda la industria, diseñamos nuestra plataforma para que las operaciones de los clientes no dependan de su disponibilidad continua. La plataforma opera dentro de la infraestructura del cliente, está aislada de la red y no requiere una licencia de conexión remota ni una conexión constante a nuestros sistemas o a una nube pública. Esto plantea interrogantes sobre cuestiones como la soberanía de la nube y cómo las empresas que prestan servicios a las fuerzas armadas pueden afrontar la posible presión de ser consideradas objetivos militares legítimos.

Esto es crucial en cualquier entorno conflictivo o desconectado; depender de un proveedor de servicios remoto puede convertirse en una vulnerabilidad operativa. Por lo tanto, nuestro enfoque ha sido mantener el control local y la continuidad en las instalaciones del cliente, en lugar de convertir nuestra propia infraestructura en una dependencia crítica.

La cuestión más amplia de cómo considerar a los proveedores comerciales en el contexto de los conflictos es competencia de los responsables políticos, los expertos legales y las empresas implicadas. No deseamos especular sobre las evaluaciones de riesgo ni los modelos operativos de otros proveedores.

• ¿Cuál es la trayectoria futura de estos sistemas? ¿Cada dron y sensor individual contará con su propio sistema de comunicación capaz de transmitir datos a través de una red satelital global? ¿Y podrán estos sistemas operar de forma independiente durante varios días o semanas sin intervención humana?

La conectividad mejorará, incluso mediante satélites en órbita terrestre baja, pero conectar directamente cada sensor al espacio probablemente no sea una solución integral. Los terminales consumen energía y espectro, aumentan los costos y pueden generar una huella digital. Un enfoque más flexible combina enlaces de red de área local (LAN), sincronización oportunista y pasarelas selectivas para comunicaciones satelitales u otras de largo alcance.

Operar sin conexión durante periodos prolongados es una realidad, pero la autonomía suele estar limitada por las baterías, las condiciones climáticas y el mantenimiento, no por el software de IA . Existe además una diferencia fundamental entre operar sin conexión y operar sin supervisión humana. Lo primero es una cuestión de flexibilidad; lo segundo es una decisión política, legal y ética. Por lo tanto, el futuro no se trata simplemente de una mayor autonomía, sino de un control verificable: saber qué modelo se ejecutó en cada plataforma, qué produjo, cuáles eran sus limitaciones y quién lo aprobó. Superar la brecha de responsabilidad es crucial para garantizar este control.

---

---