El Pentágono prepara circuitos cerrados para entrenar modelos de IA con datos clasificados

Пентагон обсуждает следующий шаг в военном применении генеративного ИИ: не просто запуск моделей в закрытых сетях, а их обучение на секретных данных. Если план утвердят, ИИ-компании смогут дообучать специальные военные версии своих систем внутри защищённых контуров Минобороны США.

Что меняется сейчас

Сейчас крупные модели уже работают в засекреченных средах и отвечают на вопросы пользователей, но не «учатся» на самих секретных массивах. Такие системы уже применялись в задачах, связанных с анализом целей в Иране. Новый план меняет саму логику работы: вместо временного доступа к документам и сводкам Пентагон хочет дать возможность создавать отдельные версии моделей, в которые военные знания будут встроены на уровне обучения.

Это важный рубеж для генеративного ИИ в оборонке. Раньше подобные контракты в основном касались более узких моделей компьютерного зрения или данных, которые и так были доступны коммерческим подрядчикам. Теперь речь идёт о том, чтобы в модель попадали разведывательные отчёты, спутниковые наблюдения, полевые оценки и другие чувствительные материалы.

В теории это должно сделать ответы ИИ точнее, потому что системе не придётся опираться только на общедоступные данные и внешний поиск по закрытым документам.

Как устроят обучение

Обучение, как обсуждается сейчас, будет проходить не у вендоров в обычном облаке, а в аккредитованных дата-центрах, которым разрешено работать с секретными проектами США. Пентагон сохранит право собственности на данные, а внутрь периметра будут загружать копии нужных моделей. Для ИИ-компаний это означает жёстко ограниченный формат работы: в редких случаях сотрудникам могут дать доступ к секретной информации, но только после получения соответствующего допуска. Перед переходом к закрытым наборам военные хотят проверить схему на несекретных данных — например, на коммерческих спутниковых снимках.

• Дообучать будут отдельные военные версии моделей, а не публичные продукты Обучение должно идти в сертифицированных защищённых контурах Владельцем исходных данных останется Пентагон * Доступ сотрудников вендора к секретной информации планируют делать исключением, а не нормой Такой подход позволяет Пентагону получить более специализированный инструмент, не передавая сырой массив разведданных в коммерческую инфраструктуру. Одновременно это снижает политический риск для подрядчиков: формально они не забирают секретные датасеты к себе, а работают внутри государственного контура. Но это не снимает более сложный вопрос — что произойдёт, когда чувствительные сведения окажутся не в файлах, а в весах самой модели.

Главные риски схемы

Главная проблема в том, что модель, обученная на секретных данных, может выдавать знания слишком широко. Эксперты по политике в сфере ИИ предупреждают: если один и тот же инструмент начнут использовать разные подразделения Минобороны, появится риск, что пользователь без нужного уровня допуска получит ответ, который опирается на сведения выше его допуска. В классических базах данных права доступа можно жёстко разграничить по документам.

У языковой модели такой контроль гораздо сложнее, потому что информация распределяется по внутренним параметрам, а не хранится в одном отдельном файле. Есть и второй риск: оборонные заказчики могут начать полагаться на систему там, где цена ошибки слишком высока. Чем глубже модель встроена в анализ целей, приоритизацию ударов или оценку разведданных, тем труднее воспринимать её как обычный интерфейс для поиска.

Даже если окончательное решение остаётся за человеком, ИИ начинает влиять на то, какие варианты вообще попадают на стол офицеру и в каком порядке они рассматриваются. Поэтому спор вокруг таких моделей быстро выходит за рамки инфраструктуры и упирается в правила применения силы.

Что это значит

Пентагон хочет перейти от использования чужих чатботов в закрытой сети к созданию собственных военных версий моделей, обученных на секретной информации. Если этот план реализуют, рынок оборонного ИИ резко приблизится к новому стандарту: ценность модели будут измерять не только её общими способностями, но и глубиной доступа к закрытым данным государства.