Datorkraft i fältväskan: specialstyrkorna kräver AI som klarar sig utan nätverk

När molnet inte räcker

Det finns en grundläggande spänning i hur vi bygger AI-system idag: nästan all kraft, all kapacitet och all smarthet sitter i enorma datacenter, kopplade till omvärlden via fiberledningar och satelitlänkar. Det fungerar utmärkt när du sitter på ett kontor i Stockholm eller en stab i Washington. Det fungerar betydligt sämre när du befinner dig i en isolerad dal någonstans utan täckning, med ett tidskritiskt beslut framför dig.

Det är precis det problemet som Amerikas specialoperationsstyrkor, SOCOM, nu försöker lösa – och enligt rapportering från Defense One är de inte nöjda med halvmesyrer.

Dimberäkning: inte ett modeord utan ett krav

Vid SOF Week i Tampa framkom att SOCOM redan använder generativ AI i stor utsträckning, men hittills främst för bakre funktioner som resursfördelning och styrkepositionering. Nu vill man ta steget in i de taktiska operationerna – det som händer på marknivå, i realtid, under press.

Lösningen som diskuteras är det som ibland kallas dimberäkning – ett koncept där beräkningskraften förläggs så nära datakällan som möjligt, snarare än i ett centralt datacenter. Tänk dig det som att flytta ut en tillräckligt kraftfull hjärna till kanten av nätverket, eller till och med bortom det. Hårdvaran måste vara kompakt nog att bäras av en soldat, men kraftfull nog att köra modeller som verkligen är användbara.

Detta är ingen trivial ingenjörsutmaning. Dagens stora språkmodeller är hungriga – de kräver enorma mängder beräkningskraft och minne. Att krympa dem utan att offra för mycket av deras förmåga att tolka naturligt språk och komplexa instruktioner är ett aktivt forskningsfält. Men riktningen är tydlig: nedskalade modeller som förstår mänskliga avsikter utan att kräva noggrant formulerade instruktioner.

Röststyrning och gestkommandon i strid

Överste Robert Oliver vid SOCOM lyfter röststyrning som ett logiskt nästa steg i arbetet med att minska den kognitiva belastningen på operatörerna. Det är lätt att förstå varför. En soldat som samordnar drönare, planerar rörelser och kommunicerar med sin grupp har inte händerna fria för att knappa in kommandon på ett tangentbord – och inte mental kapacitet att formulera långa textinstruktioner till ett AI-system.

Målet som beskrivs är en framtid där operatörer kan samordna olika typer av obemannade farkoster eller planera ett uppdrag med några få talade – eller till och med gestade – kommandon. Det ställer höga krav på modellernas förmåga till kontextuell förståelse: systemet måste fylla i luckor, tolka tvetydigheter och agera på halva meningar under hög stress.

Startupvärlden får chansen

Ett av de mer intressanta inslagen i rapporteringen från Defense One är var SOCOM förväntar sig att lösningarna ska komma ifrån. Upphandlingsansvarig Melissa Johnson är tydlig: de tittar inte i första hand på de stora teknikbolagen. I stället är det mindre nystartade företag som anses ha rätt förutsättningar för att ta sig an de specifika kraven.

Det är en logisk slutsats. De stora aktörerna är optimerade för skala och molntjänster – deras affärsmodeller bygger på nätverksuppkoppling. De nischade startupföretagen, ofta grundade av personer med bakgrund i försvarssektorn eller inbyggda system, är däremot vana vid att lösa problem med begränsade resurser och strikta krav på driftsäkerhet.

Det påminner om hur den civila marknaden för inbyggd AI – i allt från industrirobotar till medicinska instrument – drivits framåt av mindre, specialiserade aktörer snarare än plattformsjättarna.

En ny front i kapplöpningen

Det vore naivt att inte se den bredare kontexten. Kapplöpningen om militär AI-dominans pågår, och förmågan att verka effektivt utan nätverksinfrastruktur är strategiskt avgörande. Ett system som slutar fungera när motståndaren stör kommunikationslänkarna är ett sårbart system. Offline-förmåga är därmed inte bara en praktisk bekvämlighet – det är en kärnfunktion.

Den tekniska vinkeln är också fascinerande ur ett rent systemperspektiv: att bygga robusta, kontextkänsliga AI-system för extremt resursbegränsade och oförutsägbara miljöer är förmodligen ett av de svåraste implementationsproblemen inom fältet just nu.