افشای استفاده ارتش اسرائیل از سیستم هوش مصنوعی برای پردازش ۸۵۰ هزار هدف در غزه و لبنان
شرکت البیت سیستمز (Elbit Systems) فاش کرد که برنامه فرماندهی دیجیتال آن به نام «صیاد» (Tzayad) طی دو سال درگیری، ۸۵۰ هزار هدف را به صورت لحظهای شناسایی کرده است. این موضوع بحثهای شدیدی را در مورد امکان نظارت انسانی بر جنگهای مبتنی بر هوش مصنوعی برانگیخته است.
به قلم تیم سردبیری کوهستان
این خبر را به اشتراک بگذارید
- دیدگاه دفاعی و عملیاتی
- استدلال میکنند که سیستمهای هوش مصنوعی برای پردازش حجم عظیمی از دادههای میدان نبرد به منظور محافظت از نیروهای خودی و شناسایی دقیق تهدیدات در عملیاتهای پرشتاب ضروری هستند.
- کارشناسان هدفگیری و حقوقی
- هشدار میدهند که حجم بالای اهداف تولید شده توسط هوش مصنوعی، نظارت معنادار انسانی و ارزیابی خسارات جانبی را غیرممکن میسازد.
- مدافعان حقوق بشر
- معتقدند که اتکا به سیستمهای هدفگیری خودکار، جنگ نامتناسب و تلفات گسترده غیرنظامیان را بدون پاسخگویی تسهیل میکند.
زوایای پوششدادهنشده
- · غیرنظامیان ساکن در مناطق هدف قرار گرفته
- · حسابرسان مستقل الگوریتمی
چرا مهم است
مقیاس بیسابقه استقرار هوش مصنوعی در مناطق درگیری فعال، سرعت جنگ را به طور اساسی تغییر میدهد و سؤالات فوری را در مورد قوانین بینالمللی بشردوستانه و اینکه آیا اپراتورهای انسانی میتوانند به طور معناداری خسارات جانبی را ارزیابی کنند، مطرح میکند؛ به ویژه وقتی الگوریتمها روزانه تا ۱۰۰۰ هدف تولید میکنند.
نکات کلیدی
- شرکت البیت سیستمز فاش کرد که برنامه ارتش دیجیتال آن به نام «صیاد» (Tzayad) بین اکتبر ۲۰۲۳ تا پایان ۲۰۲۵، ۸۵۰ هزار هدف لحظهای را در غزه و لبنان شناسایی کرده است.
- این سیستم با تجمیع جریانهای عظیم دادههای میدان نبرد، به طور متوسط روزانه ۱۰۰۰ هدف بالقوه تولید میکرد.
- البیت بعداً توضیح داد که این رقم نشاندهنده فعالیت کلی سیستم و دادههای عملیاتی تجمیع شده است و لزوماً اهداف تأیید شده دشمن یا حملات واقعی نیست.
- کارشناسان سابق هدفگیری نظامی هشدار دادند که ارزیابی کامل خسارات جانبی برای ۱۰۰۰ هدف در روز، از نظر انسانی غیرممکن است.
- این افشاگری بر بررسیهای فزاینده در مورد استفاده ارتش اسرائیل از سیستمهای هوش مصنوعی مانند «لاوندر» (Lavender) و «هابسورا» (Habsora) برای خودکارسازی تولید هدف میافزاید.
یک پیمانکار بزرگ دفاعی اسرائیلی فاش کرده است که سیستم فرماندهی دیجیتال آن، ۸۵۰ هزار هدف بالقوه را در طول دو سال اول درگیریها در غزه و لبنان شناسایی کرده است؛ این موضوع مقیاس بیسابقه استفاده از هوش مصنوعی در جنگهای مدرن را برجسته میکند. این رقم در جریان کنفرانس جنگ زمینی که توسط مؤسسه خدمات متحد سلطنتی (RUSI) در لندن برگزار شد، افشا گردید.[1][3][5]
میکی ادلشتاین، معاون اجرایی شرکت البیت سیستمز و سرلشکر ذخیره در نیروهای دفاعی اسرائیل (IDF)، این دادهها را به مخاطبانی ارائه کرد که شامل فرماندهان ارشد نظامی بریتانیا و ناتو بودند. یک اسلاید ارائه که عملیاتهای «پرشتاب» ارتش اسرائیل را تشریح میکرد، به تولید ۸۵۰ هزار «هدف اطلاعاتی لحظهای» بین اکتبر ۲۰۲۳ تا پایان ۲۰۲۵ اشاره داشت.[1][5]
سیستم مورد بحث، که به عنوان برنامه ارتش دیجیتال «صیاد» (Tzayad به معنای شکارچی) شناخته میشود، برای نقشهبرداری از میدان نبرد با ردیابی موقعیت یگانهای خودی در کنار پرسنل، وسایل نقلیه و زیرساختهای شناسایی شده دشمن طراحی شده است. این نرمافزار با تجمیع جریانهای عظیمی از دادههای حسگر، قصد دارد یک تصویر عملیاتی جامع برای تصمیمگیریهای تاکتیکی ارائه دهد.[1][4]
پس از این ارائه، شرکت البیت سیستمز تلاش کرد تا این رقم حیرتانگیز را شفافسازی کند. سخنگوی شرکت اظهار داشت که عدد ۸۵۰ هزار نشاندهنده «فعالیت تجمیع شده سیستم و دادههای عملیاتی» پردازش شده توسط نرمافزار در تمام جبههها است، نه شمارش مستقیم اهداف تأیید شده دشمن یا حملات نظامی واقعی.[1][4]
با وجود این شفافسازی، حجم بالای دادهها – که به طور متوسط روزانه حدود ۱۰۰۰ هدف بالقوه تولید میکند – تحلیلگران نظامی و کارشناسان هدفگیری را نگران کرده است. وس برایانت، مشاور ارشد سابق هدفگیری در پنتاگون آمریکا، اظهار داشت که ارزیابی کامل خسارات جانبی و خطر غیرنظامیان در چنین مقیاس عظیمی برای اپراتورهای انسانی قطعاً غیرممکن است.[1][2]
با وجود این شفافسازی، حجم بالای دادهها – که به طور متوسط روزانه حدود ۱۰۰۰ هدف بالقوه تولید میکند – تحلیلگران نظامی و کارشناسان هدفگیری را نگران کرده است.
برایانت خاطرنشان کرد: «حتی شناسایی دقیق ۵۰ هدف در روز نیز به اندازه کافی دشوار است.» او تأکید کرد که الزامات قانونی و اخلاقی جنگ، ارزیابی دقیق انسانی را طلب میکند که الگوریتمها نمیتوانند جایگزین آن شوند. اتکا به سیستمهای خودکار در این حجم، سؤالات عمیقی را در مورد انطباق با قوانین بینالمللی بشردوستانه ایجاد میکند.[1][2]
برنامه «صیاد» بخشی از مجموعه گستردهتری از ابزارهای هوش مصنوعی است که توسط ارتش اسرائیل مستقر شدهاند. گزارشهای قبلی استفاده ارتش از پایگاههای داده مبتنی بر هوش مصنوعی، مانند «لاوندر» (Lavender) و «هابسورا» (Habsora به معنای انجیل)، را تشریح کردهاند که به طور خاص برای شناسایی سریع شبهنظامیان مظنون و توصیه زیرساختها برای بمباران طراحی شده بودند.[1][6]

بنا بر گزارشها، در مراحل اولیه درگیری غزه، سیستمهایی مانند «لاوندر» فهرستهایی شامل دهها هزار نفر را بر اساس ارتباطات ظاهری آنها با گروههای شبهنظامی تولید کردند. افسران اطلاعاتی فاش کردند که بررسی انسانی این اهداف تولید شده توسط هوش مصنوعی گاهی اوقات به تنها ۲۰ ثانیه برای هر توصیه کاهش مییافت و عملاً خروجی ماشین به عنوان یک تصمیم انسانی تلقی میشد.[1][6]
رسانههای منطقهای و مدافعان حقوق بشر به این ارقام به عنوان شواهدی از اتکای سیستمی به الگوریتمها اشاره کردهاند که پاسخگویی را مبهم میکند. منتقدان استدلال میکنند که خودکارسازی «زنجیره کشتار» مستقیماً به تلفات بالای غیرنظامیان و تخریب گسترده زیرساختها که در مناطق پرجمعیت غزه و جنوب لبنان مشاهده میشود، کمک کرده است.[2][6]
در مقابل، پیمانکاران دفاعی استدلال میکنند که هوش مصنوعی ابزاری ضروری برای عبور از «مه جنگ» است. طرفداران این سیستمها معتقدند در محیطهای شهری پیچیده که دشمنان از شبکههای زیرزمینی و زیرساختهای غیرنظامی استفاده میکنند، پردازش سریع دادهها برای محافظت از نیروهای خودی و شناسایی تهدیدات زودگذر حیاتی است.[1][4]
افشاگریهای کنفرانس مؤسسه خدمات متحد سلطنتی (RUSI) تأکید میکند که ارتشهای غربی تا چه حد ادغام این قابلیتهای نوین را از نزدیک زیر نظر دارند. با حضور فرماندهان ناتو، این ارائه هم به عنوان ویترینی از توانمندیهای تکنولوژیک و هم پیشنمایشی آشکار از عملیاتهای نظامی آینده عمل کرد.[1][5]
در حالی که هوش مصنوعی همچنان سرعت درگیریها را تسریع میکند، جامعه بینالمللی با یک چالش فوری روبرو است. بحث بر سر ۸۵۰ هزار نقطه داده سیستم «صیاد» یک تنش اساسی را نشان میدهد: ایجاد تعادل بین تمایل نظامی برای آگاهی کامل از میدان نبرد در مقابل الزام قانونی و اخلاقی قضاوت انسانی در تصمیمات مرگ و زندگی.[1][2][5]
روند رویداد
2019
ارتش اسرائیل یک اداره هدفگیری اختصاصی برای تولید پیشگیرانه بانکهای هدف ایجاد میکند.
May 2021
اسرائیل از سیستمهای هوش مصنوعی مانند «هابسورا» در نبرد استفاده میکند که از آن به عنوان اولین «جنگ هوش مصنوعی» یاد میشود.
Oct 2023
برنامه ارتش دیجیتال «صیاد» در مقیاس وسیع در جبهههای غزه و لبنان مستقر میشود.
July 2026
شرکت البیت سیستمز فاش میکند که این سیستم طی یک دوره دو ساله، ۸۵۰ هزار هدف را پردازش کرده است.
بررسی عمیق دیدگاهها
دیدگاه دفاعی و عملیاتی
بر لزوم هوش مصنوعی در مدیریت پیچیدگیهای میدان نبرد مدرن تأکید دارد.
برای فرماندهان نظامی و پیمانکاران دفاعی مانند البیت سیستمز، هوش مصنوعی ابزاری ضروری برای عبور از «مه جنگ» است. در نبردهای شهری پرشتاب، دشمنان اغلب به سرعت از طریق شبکههای زیرزمینی یا زیرساختهای غیرنظامی حرکت میکنند. سیستمهایی مانند «صیاد» برای تجمیع جریانهای عظیم فیلمهای پهپادی، ارتباطات رهگیری شده و دادههای حسگر طراحی شدهاند تا یک تصویر عملیاتی منسجم ارائه دهند. طرفداران استدلال میکنند که با نقشهبرداری سریع موقعیتهای خودی و تهدیدات نوظهور، این سیستمها از نیروها محافظت میکنند و از لحاظ نظری امکان درگیریهای دقیقتری نسبت به تحلیل دستی فراهم میآورند.
دیدگاه هدفگیری و حقوقی
بر فروپاشی نظارت انسانی و پروتکلهای خسارات جانبی تمرکز دارد.
کارشناسان حقوقی نظامی و مشاوران سابق هدفگیری هشدار میدهند که حجم بالای خروجی هوش مصنوعی، اساساً الزام قانونی برای قضاوت انسانی در جنگ را از بین میبرد. هنگامی که یک سیستم روزانه ۱۰۰۰ هدف بالقوه تولید میکند، نقش انسان اغلب به یک «تأیید سریع» تقلیل مییابد – که طبق گزارشها گاهی اوقات تنها ۲۰ ثانیه برای هر هدف است. کارشناسانی مانند وس برایانت استدلال میکنند که در این مقیاس، انجام برآوردهای دقیق خسارات جانبی و ارزیابیهای تناسب مورد نیاز قوانین بینالمللی بشردوستانه از نظر فیزیکی غیرممکن است و عملاً تصمیمات مرگ و زندگی به الگوریتمها واگذار میشود.
دیدگاه حقوق بشر و منطقهای
هزینههای انسانی و پیامدهای اخلاقی جنگ خودکار را برجسته میکند.
رسانههای منطقهای و سازمانهای حقوق بشر استقرار سیستمهایی مانند «صیاد»، «لاوندر» و «هابسورا» را به عنوان مکانیزه کردن تلفات جمعی میبینند. منتقدان استدلال میکنند که تلقی خروجیهای هوش مصنوعی به عنوان اطلاعات عینی، سوگیریهای ذاتی و نرخ خطای الگوریتمها را پنهان میکند. مدافعان حقوق بشر معتقدند که با قاببندی تولید ۸۵۰ هزار «نقطه داده» به عنوان یک موفقیت تکنولوژیک، ارتشها در حال پاکسازی واقعیت ویرانگر در میدان هستند، جایی که تولید خودکار هدف با سطوح بیسابقهای از آوارگی غیرنظامیان و تخریب زیرساختها در غزه و لبنان مرتبط بوده است.
آنچه نمیدانیم
- دقیقاً چه درصدی از ۸۵۰ هزار نقطه داده شناسایی شده منجر به حملات جنبشی واقعی شده است.
- نرخ خطای خاص سیستم «صیاد» در تمایز بین مبارزان و غیرنظامیان چقدر است.
- ارتشهای غربی متحد چگونه قصد دارند چارچوبهای قانونی خود را در پاسخ به خودکارسازی سریع هدفگیری تطبیق دهند.
اصطلاحات کلیدی
- صیاد (Tzayad)
- یک برنامه فرماندهی ارتش دیجیتال که توسط البیت سیستمز توسعه یافته و موقعیتهای نیروهای خودی و دشمن را به صورت لحظهای نقشهبرداری میکند.
- هابسورا (The Gospel)
- یک سیستم هوش مصنوعی که توسط اطلاعات اسرائیل برای بررسی خودکار دادههای نظارتی و توصیه ساختمانها یا زیرساختها برای بمباران استفاده میشود.
- لاوندر (Lavender)
- یک پایگاه داده مبتنی بر هوش مصنوعی که برای شناسایی و فهرست کردن دهها هزار فرد مظنون به وابستگی به گروههای شبهنظامی استفاده میشود.
- زنجیره کشتار (Kill Chain)
- فرآیند نظامی شناسایی یک هدف، اعزام نیروها، آغاز حمله و نابودی هدف.
پرسشهای متداول
سیستم «صیاد» چیست؟
«صیاد» یک برنامه فرماندهی و کنترل دیجیتال است که توسط البیت سیستمز توسعه یافته و از هوش مصنوعی برای نقشهبرداری دادههای میدان نبرد، ردیابی نیروهای خودی و شناسایی اهداف بالقوه دشمن به صورت لحظهای استفاده میکند.
آیا این سیستم واقعاً دستور ۸۵۰ هزار حمله را صادر کرده است؟
خیر. اگرچه یک اسلاید در ارائه آنها را «اهداف اطلاعاتی لحظهای» نامید، اما البیت سیستمز توضیح داد که این عدد نشاندهنده دادههای عملیاتی و فعالیت سیستم تجمیع شده است، نه حملات واقعی انجام شده.
چرا کارشناسان نگران این فناوری هستند؟
کارشناسان هدفگیری نظامی استدلال میکنند که تولید ۱۰۰۰ هدف در روز، بررسی کامل هر یک از آنها را برای تحلیلگران انسانی، از نظر انطباق قانونی و خسارات جانبی احتمالی غیرنظامیان، غیرممکن میسازد.
منابع
[1]The Guardianکارشناسان هدفگیری و حقوقی
Israeli command system identified 850,000 targets in Gaza and Lebanon wars, says supplier
مطالعه در The Guardian →[2]Al Mayadeenمدافعان حقوق بشر
850,000 'targets': Experts alarmed by scale of Israeli AI targeting
مطالعه در Al Mayadeen →[3]The Times of Israelدیدگاه دفاعی و عملیاتی
Israeli command system identified 850,000 targets in Gaza and Lebanon wars, says supplier
مطالعه در The Times of Israel →[4]Elbit Systemsدیدگاه دفاعی و عملیاتی
Tzayad Digital Army Program: Aggregated System Activity
مطالعه در Elbit Systems →[5]Royal United Services Instituteکارشناسان هدفگیری و حقوقی
Land Warfare Conference 2026: Integrating Novel With Core Capabilities
مطالعه در Royal United Services Institute →[6]+972 Magazineمدافعان حقوق بشر
‘Lavender’: The AI machine directing Israel’s bombing spree in Gaza
مطالعه در +972 Magazine →
بیشتر در هوش مصنوعی
مشاهده همه 5 خبر →ایمنی هوش مصنوعی
عامل هوش مصنوعی علیبابا به طور مستقل یک در پشتی ساخت و در طول آموزش سعی در استخراج رمزارز داشت
8 sources
معماری مدل
استارتاپ اینسپشن از مدل زبان بزرگ مبتنی بر انتشار رونمایی کرد؛ ادعای چند برابر شدن سرعت و نصف شدن هزینه نسبت به مدلهای رایج
7 sources
مدلهای پیشرو
دولت آمریکا مدل «فیبل» شرکت انتروپیک را پس از بررسی امنیت سایبری دو هفتهای تأیید کرد
8 sources
هر زاویه. هر روز.
دریافت هوش مصنوعی اخبار همراه با پوشش کامل منابع و تحلیل دیدگاهها، مستقیم در صندوق ورودی شما.











