Dalla kill chain all’inganno visivo: l’IA nella guerra contemporanea
Quando gli algoritmi diventano armi: potere, controllo e decisioni automatizzate


Quando gli algoritmi diventano armi: potere, controllo e decisioni automatizzate

L'IA entra in scena quando l'architettura del C2 rischia di essere sopraffatta dalla quantità di dati e/o dalla velocità degli eventi. La strategia JADC2 del Pentagono parla di permettere ai comandanti di applicare il “sense, make sense, and act” attraverso tutti i domini. La DoD AI Adoption Strategy del 2023 definisce l'obiettivo come un vantaggio decisionale durevole, costruito "at the speed of relevance". L'IA militare, nella sua versione più concreta, non nasce per sostituire il comandante ma per ridurre il tempo tra raccolta dell'informazione, comprensione della situazione e scelta dell'azione.
Il precedente decisivo è Project Maven. Nato nel 2017 per automatizzare l'analisi di immagini e video da droni, si è evoluto nel Maven Smart System: uno strumento che si inserisce direttamente nel flusso del comando, offrendo raccomandazioni in tempo reale e supporto al targeting dinamico. Il nucleo è la computer vision (object detection, classificazione, tracking) oggi integrata con più sensori, anche molto differenti tra loro (immagini multispettrali, SAR, ecc.) per trasformare dati eterogenei in priorità operative. L'algoritmo fa in pochi secondi la prima scrematura su grandi volumi di immagini, pubblica le detection in tempo reale e lascia agli analisti la validazione finale secondo criteri approvati dal comandante. La macchina non sceglie da sola, ma porta il comando al punto in cui può scegliere con cognizione di causa e rapidità.
Le conseguenze pratiche si vedono nei programmi vicini all'impiego operativo. Nell'esercitazione Scarlet Dragon, i dati di Maven hanno permesso di portare l'informazione di targeting fino al lanciatore. Tecnologie collegate avrebbero ridotto il target lifecycle da giorni a minuti. Se un processo che richiedeva giorni ora si chiude in minuti, cambia l'intero schema dell'operazione, ovvero i tempi dell'intelligence, della logistica, della protezione della forza e perfino della politica. L'IA agisce come moltiplicatore di velocità organizzativa prima ancora che di potenza di fuoco.
Ma accelerare senza nuovi rischi è impossibile, ed è fonte di nuovi problemi. La Direttiva 3000.09 del 2023 chiede di minimizzare i fallimenti che possano portare a ingaggi non intenzionali; la strategia sulla Responsible AI punta sulla “warfighter trust”, fiducia costruita con test e validazione. L'ambivalenza è reale: l'IA comprime le catene decisionali, ma rischia di spostare l'errore più a monte, nella fiducia prematura nell'output della macchina (AI authority bias).
Il LUCAS (Low-cost Unmanned Combat Attack System) porta questa logica dentro una munizione economica. Reverse-engineered dallo Shahed-136, schierato da CENTCOM nella Task Force Scorpion Strike, impiegato in combattimento nell'operazione Epic Fury, è progettato per operare autonomamente oltre la linea visiva, con coordinamento tra più sistemi per operazioni di saturazione (swarm intelligence). Altre capacità come navigazione GPS-denied e riconoscimento visivo a bordo sono plausibili ma non documentate da fonti aperte. La tesi è che LUCAS rappresenta la convergenza tra reverse engineering, autonomia sufficiente e integrazione in rete. Con un costo di circa 35.000 dollari (paragonabile al Lancet russo, enormemente inferiore a un Tomahawk da oltre 2 milioni) mostra come il rapporto tra costo dell'attacco e costo della difesa possa cambiare radicalmente.
Il punto debole di una guerra dipendente dall'IA è che, più la decisione si appoggia a modelli di computer vision, più diventa conveniente colpire non il mezzo ma il modo in cui l’algoritmo si guarda attorno. Il NIST descrive l'adversarial machine learning come attacchi che manipolano il comportamento dei sistemi di IA: gli attacchi di evasion alterano l'input per produrre classificazioni sbagliate lasciando intatto il sistema. In contesto militare significa aerei-esca gonfiabili, sagome dipinte, copertoni sulle ali degli aerei, reti e pattern progettati per sporcare la lettura dei sensori. Non è il camouflage classico, ma è una deception contro la computer vision. In Ucraina la produzione di armamenti gonfiabili è cresciuta per far sprecare munizioni costose su falsi bersagli; i copertoni sui bombardieri russi puntavano a confondere i sistemi di image matching.
Ovviamente queste tecniche non sono infallibili: ingannare un algoritmo richiede condizioni specifiche ed è molto più difficile nel mondo reale che in laboratorio. Ma questo insegna che non serve neutralizzare il modello, basta degradarne la fiducia quanto basta per rallentare la catena decisionale e imporre verifica umana aggiuntiva (che nelle velocità dei sistemi di IA, può rappresentare un collo di bottiglia). Qui emerge l'asimmetria dei costi. Costruire IA militari richiede dataset supervisionati, infrastrutture cloud, pipeline di ri-addestramento (solo per dare un'idea dei costi, NGA ha aperto un bando da 708 milioni di dollari solo per il data labeling di Maven). Le contromisure, invece, costano una frazione: vernice, gomma, sagome, spoofing elettromagnetico. La guerra guidata dai dati promette precisione e velocità, ma può essere logorata da tattiche povere che la rendono più lenta, meno sicura, più costosa. Infatti, in guerra, non bisogna sempre distruggere la macchina, a volte basta farla dubitare di ciò che vede.
Se la riuscita delle missioni dipende dalla capacità di accorciare le catene decisionali e di prevedere le tecniche asimmetriche di visual deception, la domanda è se il vantaggio decisivo apparterrà a chi ha più potenza computazionale, più dati, più capacità di addestrare modelli. Ma questa superiorità poggia su semiconduttori, sensori, e una geografia materiale che rimette al centro materie prime critiche e filiere industriali. I teatri si spostano: Africa e Artico come nodi di risorse, lo spazio come condizione tecnica per vedere, collegare e colpire. E allora: il prossimo "Kalashnikov" (lo strumento destinato a diffondersi per semplicità, costo e impatto) sarà un'arma classica, o un algoritmo abbastanza buono, un chip abbastanza economico, una piattaforma autonoma minima ma scalabile? Il futuro apparterrà a chi inventa di più, o a chi riesce a rendere banale ciò che oggi sembra eccezionale?
La risposta, in tutta probabilità, è già al fronte.