היתוך מידע כמרכיב מרכזי ביצירת תמונת מודיעין
שדה הקרב המודרני עבר שינוי מהותי. היתוך מידע תופס בו חלק מרכזי
הגנה לישראל
| 19/05/2011
(אילוסטרציה: shutterstock)
זירת הקרב המודרנית עברה שינוי יסודי. לצד לוחמה קלאסית בין כוחות מאורגנים, התפתחה לוחמה אסימטרית בה אחד הצדדים פועל בעצימות נמוכה, לרוב מוסווה בתוך אוכלוסיה אזרחית, ובעל חתימה נמוכה ביותר שמגמתה להקשות על הצד השני ולצמצם במידה רבה את יתרונותיו הכמותיים והטכנולוגיים.
על מנת להביא לידי ביטוי מבצעי את היתרון הטכנולוגי, נדרש למצות באופן מקסימלי את מימדי עיבוד המידע והידע הממוכנים המופעלים על אמצעי חישה ומידע רבים ומגוונים. היתוך מידע הינו גורם מרכזי בתהליך שמטרתו טיפול בבעיית היצף המידע והפיכתו למאוחד וקומפקטי.
בהקשר של תהליכי עיבוד מידע ממוכנים, היתוך מידע מוגדר כתהליך חישובי מתמשך והיררכי בתנאי אי-ודאות, המסתמך על ריבוי מקורות מידע המתייחסים לאובייקטים במרחב, שמטרותיו כוללות: שיפור ביצועי מדידה ביחס לחיישן בודד, הוספת שדות מידע חדשים, יצירת תמונת מצב, הערכת מצב, יצירת תובנות, לימוד שיגרה והתרעה על חריגות ממנה ועוד.
עם התפתחות אמצעי החישה, איסוף המידע הדיגיטאלי המאסיבי והיכולת החישובית של המעבדים המודרניים, גדלה המודעות והרצון להקנות יכולות דומות למתואר לעיל גם למערכות אוטומטיות. אם בעבר צוואר הבקבוק היה בכמות המידע הרלוונטי הזמין לצורך היתוך, הרי שכיום צוואר הבקבוק הוא בהיצף המידע שאינו יכול להיות מטופל ע"י בגורמים האנושיים. השיטות והאלגוריתמים שפותחו במהלך העשורים האחרונים מתחלקים למספר קטגוריות בהתאם לרמות העיבוד השונות. אחד מאופני החלוקה המקובלים כיום נוסח בארה"ב החל מאמצע שנות השמונים ומכונה "מודל JDL – Joint Directors of Laboratories".
מודל זה מציע לחלק את שלבי היתוך המידע על-פי: עיבוד מידע גולמי (למשל ברמת החיישן), תכונות אובייקט, הערכת מצב, הערכת איומים, משוב תהליכי, ממשק אדם-מכונה. למודל הוצעו מספר שיפורים והרחבות. ברמות ההיתוך הנמוכות נציין אלגוריתמים העוסקים במידע גיאוגרפי, איכון, עקיבת מסלול וכו', ביניהם מסנן "קלמן" ומסנן חלקיקים (particles filter). נזכיר גם שיטות להיתוך תמונות החל מרמת הפיקסל ועד רמת המאפיינים, ביניהן שיטות רגיסטרציה רבות, אלגוריתמים מבוססי wavelets decomposition ו-PCA ועוד. רמות העיבוד הגבוהות יותר עושות שימוש באלגוריתמים סטטיסטיים, מודלים בייסיאניים, הסקת מסקנות בתנאי אי-וודאות (תיאורית Dampster-Shafer) וכו'. סוגי המערכות העושות שימוש בפוטנציאל הגלום בתהליך ההיתוך הינו רחב, וכולל מערכות אלקטרוניות אזרחיות, ביטחוניות וצבאיות, לדוגמא: מערכות רפואיות, אבטחת נמלים, גבולות, פיקוד ושליטה, בטחון מולדת, בקרה אווירית, מודיעין שדה ועוד.
היתוך כמרכיב בתהליכי עיבוד מידע
המידע עליו מתבצע תהליך היתוך המידע יכול לנבוע ממקורות רבים ושונים באופן מהותי זה מזה, ובסקאלות זמן ומקום רחבים. מקורות המידע יכולים להיות חיישנים אלקטרוניים שונים מכל טווח הספקטרום, מידע מודיעיני שהתקבל מגורם אנושי או תוצר של מערכת אוטומטית, מידע היסטורי רלוונטי ועוד. סקאלת הזמן יכולה לנוע בין גילויים בזמן-אמת (או קרוב אליו) ועד עבר קרוב או רחוק.
המימד הגיאוגרפי יכול להיות ממוקד בתא-שטח מצומצם, או להתפרש על-פני שטחים ואף מרחבים גדולים. תהליך ההיתוך ממנף את מקורות המידע כדי לקבל שיערוך אופטימלי של אובייקטים, מצבים, ואיומים. התהליך כרוך בעידון חוזר של השערות או מסקנות על אירועים בעולם האמיתי. אחד מן הלקחים החשובים שנלמדו מהניסיון המצטבר בתחום ההיתוך האוטומטי הוא שאין "אלגוריתם זהב" (או מערכת, לצורך העניין), שביכולתו לתת מענה כולל לבעיה, מן הסיבה הפשוטה שלא ניתן להגדיר באופן מדויק ויחיד את כל המקרים בהם נדרוש תוצר היתוך.
מסתבר שאפילו השפה וההקשר בהם משתמשים כדי לתאר סיטואציות בהם משתלבים תהליכי היתוך שונות מאד זו מזו. על כן, ההתמקדות צריכה להיות בפיתוח יכולות בסביבה מרושתת שיספקו את הערך המוסף המצופה בהקשר הרלוונטי. חשוב לזכור כי היתוך הוא רק מרכיב אחד מסדרה של תהליכים המאפשרים הפקת מידע רלוונטי לבעיה מסוימת. בשילוב עם יכולות נוספות כגון ניהול משאבים דינאמי, כריית נתונים, ועוד, ניתן למקם את ההיתוך כשלב חיוני במחזור עיבוד המידע, לאחר איסוף הנתונים ולפני כריית הנתונים.
מודעות מצב והערכת איומים
המעבר ללוחמה בגורמים בעלי חתימה נמוכה חידד את הצורך ברבדים נוספים של היתוך המידע, מעבר לתהליכי יצירת תמונת אובייקטים נקייה ומדויקת. אחד משלבי עיבוד המידע המתקדמים הוא ה-"מודעות למצב" המשמש ככלי מרכזי בתהליך קבלת החלטות אנושיות דינמית בסביבות ביטחון צבאיות וציבוריות. ניתוח מצב הוא תהליך שמספק ושומר על מצב של מודעות למצב למקבל ההחלטות.
בהקשר הצבאי, הוא גורם מפתח לעמידה בדרישות התובעניות של ניתוח מצב בפיקוד ושליטה (C2) ומערכות מודיעין, דהיינו, בהשגת מודעות למצב באיכות גבוהה לצורך קבלת החלטות אופטימאליות. מן האמור לעיל, מובן שיכולת זו מבוססת על היתוך מידע ונתונים ממקורות יחידים מרובים. אחת מן הנגזרות של הערכת המצב היא "הערכת איום". במילים פשוטות,
הערכת איום כרוכה בהערכת מצבים על מנת לקבוע אם אירועים שליליים צפויים להופיע. הערכת מצב מטפלת בהיקש ישירות מתצפיות על מצבים, ואילו הערכת השפעה או איום בוחנת את המצב בעקיפין מתצפיות אחרות. ההערכה והניצול של קשרים בין אובייקטים מרובים הוא הנושא העיקרי של הערכת מצב. בפרט, הערכת השפעה של מצבים שנתפסה בעבר כיכולת אנושית בלבד, הופכת להיות כלי עזר ממוכן בתכנון השלכת מצבים על דרכי פעולה אפשריות, למשל: איך היריב יגיב אם אני ממשיך במסלול הפעולה הנוכחי שלי? מה תהיינה ההשלכות של אינטראקציה שנוצרה?
הקושי באיתור גורם טרור וחיזוי דרך פעולתו מורכבת בהרבה מובנים מחיזוי תנועות כוחות סדירים בשדה הקרב. ניתן לייחס זאת למספר גורמים: סוגי ראיות רלוונטיות לבעיות של הערכת האיום יכולים להיות מגוונים ועשויים לתרום למסקנות בדרכים בלתי צפויות; זו הסיבה שחלק גדול מעבודת המודיעין דומה במידה רבה לעבודת בילוש. בעוד שרמת ההיתוך הנמוכה עוסקת בזיהוי ועקיבה אחר אובייקטים בתחומי זמן ומרחב מוגבלים, הרי שבעיות רבות העוסקות בהערכת מצב יכולות לערב ראיות שעבורם לא ניתן להגדיר בקלות אילוצי מרחב וזמן.
גם גורם הסיבתיות מורכב יותר כאשר עוסקים בהיסק של כוונה והתנהגות אנושית. יכולת היסק כזו היא בסיסית לא רק לניבוי אירועים עתידיים, כגון סימני אזהרה מוקדמים וסיכויי התקפה, אלא גם בהבנת פעילות נוכחית או היסטורית. יכולות אלו זכו לתשומת לב משמעותית בעולם ביישומים צבאיים וביטחוניים, כגון: רכישת מודיעין לאחיזת שטח ממושכת, מעקבים, הרכשת מטרות וסיור, מרכזי תפעול ואבטחת מתקנים ונמלים ועוד. ללא ספק, יכולות היתוך מידע וניתוח מצב צפויים לשחק תפקיד מכריע בדור הבא של מערכות תמיכה לסיוע למקבלי החלטות בפעילות ביטחונית צבאית וציבורית.
ממשק אדם-מכונה
המעורבות ההולכת וגוברת של מערכות ממוכנות מבוססות רשת בביצוע מספר גדול של תפקידים המבוצעים כיום על ידי בני אדם, בשילוב עם מורכבות המשימות והדרישה לעיבוד מקבילי, תגובה מהירה, וקבלת החלטות בסביבה מרובת משתמשים מוביל לכך שעיבוד על ידי בני אדם לא יתאים לתפקידים רבים בסביבה מבוססת רשת. המשתמשים זקוקים לאינטראקציה עם יכולות אוטומטיות בכדי לספק פיקוח ואישור של מידע קריטי.
הקושי בהערכת המידה המתאימה של אוטומציה והמנגנונים המתאימים לממשק אדם-מכונה אוטומטי, מעלים את הצורך ביישום תהליך הדדי (פיתוח של טכנולוגיה אינטרקטיבית עם טקטיקות, טכניקות ונהלים) עם דגש מעשי, על מנת לשלב טכנולוגיה שמשפרת ולא מעכבת את המשתמש האנושי ויוצרת יכולת מתקדמת ומשולבת.
שילוב כריית מידע והיתוך
תוצר מוצלח של תהליכי היתוך, ובפרט ברמות הגבוהות יותר, תלוי בקיומו של מידע מוקדם, דפוסים ומודלים של התנהגות, שבלעדן קשה לחזות מגמות בעלות פוטנציאל פעולה עוין. ללא תלות בטיב היתוך נתונים בעבר הרחוק, ברור שמתוך התבוננות לטווח ארוך וניתוח של מגמות היריב יש לבסס את המודלים על היסטוריה עדכנית. לדוגמה, פעולות אבטחת-מולדת נוכחיות חסרות דפוסים לטרור נגדי. רמת ההצלחה שלנו היא בהתאמה נמוכה במצבים אלה.
אחד האתגרים המרכזיים הקשורים בפעילות עתידית מכל הסוגים, הוא היכולת לגלות התנהגויות חדשות ולא מוכרות על בסיס על חתימות, וסמנים שמצויים בכמויות עצומות של מאגרי נתונים. כריית נתונים הופכת למוקד של מחקר בחזיתות רבות. כתהליך אוטומטי, כריית נתונים עוסקת בגילוי של דפוסים חדשים מתוך העבר בנתונים, ובכך מספקת את האמצעים לשמירה על הרלוונטיות של המודלים האלה בסביבות דינמיות או כאלו שהידע עליהם מצומצם.
לכן תפקידה הוא לזהות מודלים חדשים של פעילות או קשרים, או שינויים משמעותיים במודלים קיימים. עדכונים אלה משמשים לאזהרת משתמשים על חריגה משיגרה, ואף לניהול משאבים כדי לספק את המידע הדרוש לעדכון המודלים.
זירת הקרב המודרנית עברה שינוי יסודי. לצד לוחמה קלאסית בין כוחות מאורגנים, התפתחה לוחמה אסימטרית בה אחד הצדדים פועל בעצימות נמוכה, לרוב מוסווה בתוך אוכלוסיה אזרחית, ובעל חתימה נמוכה ביותר שמגמתה להקשות על הצד השני ולצמצם במידה רבה את יתרונותיו הכמותיים והטכנולוגיים.
על מנת להביא לידי ביטוי מבצעי את היתרון הטכנולוגי, נדרש למצות באופן מקסימלי את מימדי עיבוד המידע והידע הממוכנים המופעלים על אמצעי חישה ומידע רבים ומגוונים. היתוך מידע הינו גורם מרכזי בתהליך שמטרתו טיפול בבעיית היצף המידע והפיכתו למאוחד וקומפקטי.
בהקשר של תהליכי עיבוד מידע ממוכנים, היתוך מידע מוגדר כתהליך חישובי מתמשך והיררכי בתנאי אי-ודאות, המסתמך על ריבוי מקורות מידע המתייחסים לאובייקטים במרחב, שמטרותיו כוללות: שיפור ביצועי מדידה ביחס לחיישן בודד, הוספת שדות מידע חדשים, יצירת תמונת מצב, הערכת מצב, יצירת תובנות, לימוד שיגרה והתרעה על חריגות ממנה ועוד.
עם התפתחות אמצעי החישה, איסוף המידע הדיגיטאלי המאסיבי והיכולת החישובית של המעבדים המודרניים, גדלה המודעות והרצון להקנות יכולות דומות למתואר לעיל גם למערכות אוטומטיות. אם בעבר צוואר הבקבוק היה בכמות המידע הרלוונטי הזמין לצורך היתוך, הרי שכיום צוואר הבקבוק הוא בהיצף המידע שאינו יכול להיות מטופל ע"י בגורמים האנושיים. השיטות והאלגוריתמים שפותחו במהלך העשורים האחרונים מתחלקים למספר קטגוריות בהתאם לרמות העיבוד השונות. אחד מאופני החלוקה המקובלים כיום נוסח בארה"ב החל מאמצע שנות השמונים ומכונה "מודל JDL – Joint Directors of Laboratories".
מודל זה מציע לחלק את שלבי היתוך המידע על-פי: עיבוד מידע גולמי (למשל ברמת החיישן), תכונות אובייקט, הערכת מצב, הערכת איומים, משוב תהליכי, ממשק אדם-מכונה. למודל הוצעו מספר שיפורים והרחבות. ברמות ההיתוך הנמוכות נציין אלגוריתמים העוסקים במידע גיאוגרפי, איכון, עקיבת מסלול וכו', ביניהם מסנן "קלמן" ומסנן חלקיקים (particles filter). נזכיר גם שיטות להיתוך תמונות החל מרמת הפיקסל ועד רמת המאפיינים, ביניהן שיטות רגיסטרציה רבות, אלגוריתמים מבוססי wavelets decomposition ו-PCA ועוד. רמות העיבוד הגבוהות יותר עושות שימוש באלגוריתמים סטטיסטיים, מודלים בייסיאניים, הסקת מסקנות בתנאי אי-וודאות (תיאורית Dampster-Shafer) וכו'. סוגי המערכות העושות שימוש בפוטנציאל הגלום בתהליך ההיתוך הינו רחב, וכולל מערכות אלקטרוניות אזרחיות, ביטחוניות וצבאיות, לדוגמא: מערכות רפואיות, אבטחת נמלים, גבולות, פיקוד ושליטה, בטחון מולדת, בקרה אווירית, מודיעין שדה ועוד.
היתוך כמרכיב בתהליכי עיבוד מידע
המידע עליו מתבצע תהליך היתוך המידע יכול לנבוע ממקורות רבים ושונים באופן מהותי זה מזה, ובסקאלות זמן ומקום רחבים. מקורות המידע יכולים להיות חיישנים אלקטרוניים שונים מכל טווח הספקטרום, מידע מודיעיני שהתקבל מגורם אנושי או תוצר של מערכת אוטומטית, מידע היסטורי רלוונטי ועוד. סקאלת הזמן יכולה לנוע בין גילויים בזמן-אמת (או קרוב אליו) ועד עבר קרוב או רחוק.
המימד הגיאוגרפי יכול להיות ממוקד בתא-שטח מצומצם, או להתפרש על-פני שטחים ואף מרחבים גדולים. תהליך ההיתוך ממנף את מקורות המידע כדי לקבל שיערוך אופטימלי של אובייקטים, מצבים, ואיומים. התהליך כרוך בעידון חוזר של השערות או מסקנות על אירועים בעולם האמיתי. אחד מן הלקחים החשובים שנלמדו מהניסיון המצטבר בתחום ההיתוך האוטומטי הוא שאין "אלגוריתם זהב" (או מערכת, לצורך העניין), שביכולתו לתת מענה כולל לבעיה, מן הסיבה הפשוטה שלא ניתן להגדיר באופן מדויק ויחיד את כל המקרים בהם נדרוש תוצר היתוך.
מסתבר שאפילו השפה וההקשר בהם משתמשים כדי לתאר סיטואציות בהם משתלבים תהליכי היתוך שונות מאד זו מזו. על כן, ההתמקדות צריכה להיות בפיתוח יכולות בסביבה מרושתת שיספקו את הערך המוסף המצופה בהקשר הרלוונטי. חשוב לזכור כי היתוך הוא רק מרכיב אחד מסדרה של תהליכים המאפשרים הפקת מידע רלוונטי לבעיה מסוימת. בשילוב עם יכולות נוספות כגון ניהול משאבים דינאמי, כריית נתונים, ועוד, ניתן למקם את ההיתוך כשלב חיוני במחזור עיבוד המידע, לאחר איסוף הנתונים ולפני כריית הנתונים.
מודעות מצב והערכת איומים
המעבר ללוחמה בגורמים בעלי חתימה נמוכה חידד את הצורך ברבדים נוספים של היתוך המידע, מעבר לתהליכי יצירת תמונת אובייקטים נקייה ומדויקת. אחד משלבי עיבוד המידע המתקדמים הוא ה-"מודעות למצב" המשמש ככלי מרכזי בתהליך קבלת החלטות אנושיות דינמית בסביבות ביטחון צבאיות וציבוריות. ניתוח מצב הוא תהליך שמספק ושומר על מצב של מודעות למצב למקבל ההחלטות.
בהקשר הצבאי, הוא גורם מפתח לעמידה בדרישות התובעניות של ניתוח מצב בפיקוד ושליטה (C2) ומערכות מודיעין, דהיינו, בהשגת מודעות למצב באיכות גבוהה לצורך קבלת החלטות אופטימאליות. מן האמור לעיל, מובן שיכולת זו מבוססת על היתוך מידע ונתונים ממקורות יחידים מרובים. אחת מן הנגזרות של הערכת המצב היא "הערכת איום". במילים פשוטות,
הערכת איום כרוכה בהערכת מצבים על מנת לקבוע אם אירועים שליליים צפויים להופיע. הערכת מצב מטפלת בהיקש ישירות מתצפיות על מצבים, ואילו הערכת השפעה או איום בוחנת את המצב בעקיפין מתצפיות אחרות. ההערכה והניצול של קשרים בין אובייקטים מרובים הוא הנושא העיקרי של הערכת מצב. בפרט, הערכת השפעה של מצבים שנתפסה בעבר כיכולת אנושית בלבד, הופכת להיות כלי עזר ממוכן בתכנון השלכת מצבים על דרכי פעולה אפשריות, למשל: איך היריב יגיב אם אני ממשיך במסלול הפעולה הנוכחי שלי? מה תהיינה ההשלכות של אינטראקציה שנוצרה?
הקושי באיתור גורם טרור וחיזוי דרך פעולתו מורכבת בהרבה מובנים מחיזוי תנועות כוחות סדירים בשדה הקרב. ניתן לייחס זאת למספר גורמים: סוגי ראיות רלוונטיות לבעיות של הערכת האיום יכולים להיות מגוונים ועשויים לתרום למסקנות בדרכים בלתי צפויות; זו הסיבה שחלק גדול מעבודת המודיעין דומה במידה רבה לעבודת בילוש. בעוד שרמת ההיתוך הנמוכה עוסקת בזיהוי ועקיבה אחר אובייקטים בתחומי זמן ומרחב מוגבלים, הרי שבעיות רבות העוסקות בהערכת מצב יכולות לערב ראיות שעבורם לא ניתן להגדיר בקלות אילוצי מרחב וזמן.
גם גורם הסיבתיות מורכב יותר כאשר עוסקים בהיסק של כוונה והתנהגות אנושית. יכולת היסק כזו היא בסיסית לא רק לניבוי אירועים עתידיים, כגון סימני אזהרה מוקדמים וסיכויי התקפה, אלא גם בהבנת פעילות נוכחית או היסטורית. יכולות אלו זכו לתשומת לב משמעותית בעולם ביישומים צבאיים וביטחוניים, כגון: רכישת מודיעין לאחיזת שטח ממושכת, מעקבים, הרכשת מטרות וסיור, מרכזי תפעול ואבטחת מתקנים ונמלים ועוד. ללא ספק, יכולות היתוך מידע וניתוח מצב צפויים לשחק תפקיד מכריע בדור הבא של מערכות תמיכה לסיוע למקבלי החלטות בפעילות ביטחונית צבאית וציבורית.
ממשק אדם-מכונה
המעורבות ההולכת וגוברת של מערכות ממוכנות מבוססות רשת בביצוע מספר גדול של תפקידים המבוצעים כיום על ידי בני אדם, בשילוב עם מורכבות המשימות והדרישה לעיבוד מקבילי, תגובה מהירה, וקבלת החלטות בסביבה מרובת משתמשים מוביל לכך שעיבוד על ידי בני אדם לא יתאים לתפקידים רבים בסביבה מבוססת רשת. המשתמשים זקוקים לאינטראקציה עם יכולות אוטומטיות בכדי לספק פיקוח ואישור של מידע קריטי.
הקושי בהערכת המידה המתאימה של אוטומציה והמנגנונים המתאימים לממשק אדם-מכונה אוטומטי, מעלים את הצורך ביישום תהליך הדדי (פיתוח של טכנולוגיה אינטרקטיבית עם טקטיקות, טכניקות ונהלים) עם דגש מעשי, על מנת לשלב טכנולוגיה שמשפרת ולא מעכבת את המשתמש האנושי ויוצרת יכולת מתקדמת ומשולבת.
שילוב כריית מידע והיתוך
תוצר מוצלח של תהליכי היתוך, ובפרט ברמות הגבוהות יותר, תלוי בקיומו של מידע מוקדם, דפוסים ומודלים של התנהגות, שבלעדן קשה לחזות מגמות בעלות פוטנציאל פעולה עוין. ללא תלות בטיב היתוך נתונים בעבר הרחוק, ברור שמתוך התבוננות לטווח ארוך וניתוח של מגמות היריב יש לבסס את המודלים על היסטוריה עדכנית. לדוגמה, פעולות אבטחת-מולדת נוכחיות חסרות דפוסים לטרור נגדי. רמת ההצלחה שלנו היא בהתאמה נמוכה במצבים אלה.
אחד האתגרים המרכזיים הקשורים בפעילות עתידית מכל הסוגים, הוא היכולת לגלות התנהגויות חדשות ולא מוכרות על בסיס על חתימות, וסמנים שמצויים בכמויות עצומות של מאגרי נתונים. כריית נתונים הופכת למוקד של מחקר בחזיתות רבות. כתהליך אוטומטי, כריית נתונים עוסקת בגילוי של דפוסים חדשים מתוך העבר בנתונים, ובכך מספקת את האמצעים לשמירה על הרלוונטיות של המודלים האלה בסביבות דינמיות או כאלו שהידע עליהם מצומצם.
לכן תפקידה הוא לזהות מודלים חדשים של פעילות או קשרים, או שינויים משמעותיים במודלים קיימים. עדכונים אלה משמשים לאזהרת משתמשים על חריגה משיגרה, ואף לניהול משאבים כדי לספק את המידע הדרוש לעדכון המודלים.
