الطيران والفضاء والدفاع
التحقق من الذكاء الاصطناعي، والاستدلال الطرفي، وبنية الأنظمة الذاتية لبرامج الدفاع وعمليات الطيران التجاري.
جعلت وزارة الدفاع الأمريكية من الذكاء الاصطناعي أولوية ممولة، لكن منظومة المشتريات الدفاعية لم تُبنَ قط لشراء أنظمة الذكاء الاصطناعي أو اختبارها أو نشرها بالسرعة التي تتطور بها التكنولوجيا. يركز عملنا على النقطة التي يلتقي فيها الذكاء الاصطناعي بالمتطلبات التشغيلية لمكاتب برامج الدفاع ومؤسسات الطيران والفضاء — ليس عبر العروض التقديمية الاستراتيجية ولا أطر الحوكمة النظرية، بل من خلال الانضباط الهندسي الصارم للتحقق من أنظمة الذكاء الاصطناعي ونشرها وضمان امتثالها في بيئات تنطوي فيها الأخطاء على عواقب لا تواجهها التطبيقات التجارية أبداً.
ميزانية الذكاء الاصطناعي للسنة المالية 2026 حقيقية؛ والقدرة على إنفاقها ليست كذلك
خصصت وزارة الدفاع (البنتاغون) 13.4 مليار دولار في طلب ميزانية السنة المالية 2026 للذكاء الاصطناعي والأنظمة الذاتية — وهو أول بند ميزانية مخصص لهذه القدرات. وأقر الكونغرس 9.8 مليار دولار للأنظمة الذاتية وغير المأهولة. وأضافت البحرية وحدها 308 ملايين دولار في الإنفاق على الذكاء الاصطناعي، بزيادة قدرها 22.7% على أساس سنوي. الأموال حقيقية. المشكلة تكمن في أن نظام المشتريات الدفاعية لم يُبنَ لشراء أنظمة الذكاء الاصطناعي أو اختبارها أو نشرها بالسرعة التي تتقدم بها التكنولوجيا.
هذه برامج إنتاج وليست مشاريع تجريبية:
- منح الجيش في مارس 2026 لشركة Anduril عقداً مدته 10 سنوات بقيمة تصل إلى 20 مليار دولار لمنصة Lattice AI الخاصة بها، مما أدى إلى دمج أكثر من 120 إجراء شراء منفصل.
- Palantir سلّمت أول محطتين أرضيتين للاستهداف مدعومتين بالذكاء الاصطناعي من طراز TITAN إلى قوة المهام متعددة المجالات الأولى، مع توقع صدور قرار بالإنتاج بمعدل كامل خلال هذه السنة المالية.
- Shield AIبرنامج القيادة الذاتية Hivemind قام بتوجيه 26 فئة من المركبات حتى الآن.
- تختبر القوات الجوية حزم استقلالية المهام على نماذج CCA بتمويل مشترك قدره 804.4 مليون دولار في السنة المالية 2026.
لكن مكاتب البرامج التي تدمج الذكاء الاصطناعي في أنظمتها الخاصة تواجه واقعاً مختلفاً: أطر اختبار وتقييم CDAO التي لا تتوافق بسلاسة مع هياكل TEMP التقليدية، ومتطلبات الذكاء الاصطناعي المسؤول التي تبدو واضحة في المذكرات النظرية ولكنها تصبح غامضة عند تطبيقها على خوارزمية محددة لدمج أجهزة الاستشعار، ونقص حاد في الكوادر المؤهلة أمنياً في مجال AI/ML بالحجم الذي تحتاجه البرامج.
الذكاء الاصطناعي الدفاعي لديه مشكلة اختبار لا تستطيع أساليب T&E التقليدية حلها
تفترض الاختبارات والتقييمات التقليدية سلوكاً حتمياً: المدخلات المتطابقة تنتج نفس المخرجات. أنظمة التعلم الآلي هي أنظمة احتمالية. نموذج الرؤية الحاسوبية الذي يصنف المركبات بدقة دقة 97% في ميدان التجارب قد يتدهور بشكل غير متوقع عندما تغير تأثيرات الحرب الإلكترونية توزيع المدخلات (راجع بحثنا التقني حول هندسة متانة الذكاء الاصطناعي ضد الهجمات المعادية).
لا تزال البيئة التنظيمية تحاول اللحاق بالركب. نشرت CDAO أطر استراتيجية الاختبار والتقييم (T&E)، وأعادت نائبة الوزير فاينبرغ محاذاة CDAO تحت إشراف USD(R&E) في أغسطس 2025 لتسريع وتيرة الاعتماد. ومع ذلك، وجد تدقيق GAO في أبريل 2026 أن أياً من الوكالات الرئيسية الأربع التي فُحصت لم تكن تجمع الدروس المستفادة من عمليات الاستحواذ على الذكاء الاصطناعي. وتؤكد استراتيجية الذكاء الاصطناعي لوزارة الدفاع الصادرة في يناير 2026 على عامل السرعة، في حين يحذر مجتمع أبحاث السلامة من أن الذكاء الاصطناعي العسكري الوكيل (Agentic AI) يخلق «وهم السيطرة» حيث تقاوم الأنظمة التقييمات بطرق لا يستطيع المشغلون ملاحظتها.
يتمثل نهجنا في بناء منهجية اختبار وتقييم للذكاء الاصطناعي مصممة لإنتاج الأدلة الإثباتية الصارمة التي يحتاجها مديرو البرامج لاتخاذ قرارات المراحل الفاصلة: الاختبار التشغيلي في ظل ظروف معادية واقعية، وتوثيق أوضاع الفشل وحدود الأداء بلغة تقنية دقيقة ترضي مجتمع الاختبار والمجتمع التشغيلي على حد سواء. وبالنسبة للأنظمة الذاتية في البيئات المحرومة من نظام GPS أو المعرضة للحرب الإلكترونية، نصمم التحقق من متانة دمج أجهزة الاستشعار وصنع القرار المستقل ضد ملامح تهديد محددة، وهو نهج تم إثباته في عرض تشغيلي للملاحة الذاتية للطائرات المسيرة في بيئات حجب نظام GPS.
الاستدلال الطرفي على الأجهزة العسكرية هو مشكلة هندسية
إن نموذج المحولات (Transformer) الذي يعمل على معالج A100 في مركز بيانات يعد عديم الفائدة على حمولة طائرة مسيرة مقيدة بالحجم والوزن واستهلاك الطاقة (SWaP). وميزانية الحوسبة على شريحة Jetson Orin أو Qualcomm RB5 تُقاس بوحدات TOPS أحادية الرقم. وتعتبر الإدارة الحرارية قيداً رئيسياً: حيث تؤدي حرارة الاستدلال إلى خفض الأداء إلى النصف في المنصات المغلقة.
يتطلب الانتقال من نموذج السحابة إلى نموذج الحافة التكتيكي الميداني:
- التكميم (Quantization) — INT8 وINT4 والمفاضلات الدقيقة بين GPTQ وAWQ الحاسمة لكل من الدقة وزمن الاستجابة؛
- التشذيب وتقطير المعرفة؛
- التحقق في ظل الظروف البيئية الصارمة لمعيار MIL-STD-810H .
وتزيد القيود الأمنية المفروضة على الأدوات مفتوحة المصدر داخل الشبكات السرية من تعقيد المشكلة: فمسار MLOps الذي يعمل في السحابة التجارية لا يعمل على شبكات SIPR أو JWICS. نحن نصمم مسارات الاستدلال الطرفي لمراعاة هذه القيود منذ البداية — تحسين النماذج للأجهزة المستهدفة، واختبار الأداء تحت قيود الحرارة والطاقة، وسير عمل التحقق المبني للبيئات الشبكية المصنفة (SIPR أو JWICS) (مفصل في ورقتنا البيضاء الفنية حول الملاحة بدون GPS للطائرات المسيرة ذاتية القيادة).
معيار CMMC 2.0 يشمل الآن الذكاء الاصطناعي، و220,000 مقاول غير مستعدين
كان الامتثال لـ CMMC 2.0 يمثل العقبة الأكبر لمقاولي الدفاع الذين يتعاملون مع البيانات الخاضعة للرقابة (CUI). وفي عام 2026، أصبح الأمر أكثر تعقيداً. حيث فرض FY2026 NDAA إطار أمان للذكاء الاصطناعي على مقاولي الدفاع، مضيفاً أربع فئات من ضوابط الأمان المحددة للذكاء الاصطناعي:
- التحقق من صحة مدخلات البيانات وتنقيتها لمنع هجمات حقن التعليمات (Prompt Injection)؛
- ضوابط الوصول إلى النماذج باستخدام المصادقة متعددة العوامل؛
- المراقبة الشاملة وتسجيل مخرجات الذكاء الاصطناعي؛
- تدابير الحماية والوقاية من الهجمات المعادية.
ويجب على وزارة الدفاع إبلاغ الكونغرس بالتقدم المحرز بحلول 16 يونيو 2026. ويتفاقم التحدي لأن معظم خدمات الذكاء الاصطناعي التجارية تعمل في بيئات سحابية قياسية لا تلبي متطلبات معالجة CUI — فتشغيل الاستدلال عبر واجهة برمجة تطبيقات تجارية ينقل بيانات خاضعة للرقابة إلى بنية تحتية لا تتحكم فيها. الذكاء الاصطناعي الخفي (Shadow AI) هو أكبر نتيجة كشفت عنها عمليات التدقيق: الاستخدام غير الموثق لأدوات الذكاء الاصطناعي من قِبل موظفين مصرح لهم أمنياً على شبكات متصلة ببيانات CUI.
في الوقت نفسه، تفرض لوائح ITAR معضلة امتثال موازية لم تواجهها معظم البرامج بعد. فلم تُصدر مديرية DDTC بوزارة الخارجية ومكتب BIS بوزارة التجارة توجيهات ملزمة بشأن ما إذا كانت البيانات الفنية المولدة بالذكاء الاصطناعي تشكل صادرات خاضعة للرقابة بموجب USML. والمهندس الذي يستخدم نموذجاً لغوياً كبيراً لصياغة مواصفات لمعدة دفاعية قد يتسبب دون قصد في عملية تصدير حكمية (deemed export).
يتمثل نهجنا في تصميم بنيات امتثال تعالج ضوابط CMMC 2.0 الخاصة بالذكاء الاصطناعي، والتعامل مع البيانات الفنية وفق ITAR، ومتطلبات الأمن السيبراني لـ DFARS 252.204-7012 كنظام موحد متكامل بدلاً من التعامل معها كقوائم مراجعة منفصلة. والهدف هو تمكين فريقك الهندسي من الاستفادة من الذكاء الاصطناعي بفاعلية مع ضمان الاستعداد الكامل لتقييمات C3PAO وتدقيق DDTC.
قطاع الطيران التجاري يواجه التحديات التقنية نفسها
على الجانب التجاري، تستثمر شركات الطيران ومقدمو خدمات MRO في الذكاء الاصطناعي للصيانة التنبؤية وإدارة الأساطيل وسلامة سلاسل الإمداد. وينمو الطلب العالمي على MRO بمعدل معدل نمو سنوي مركب 3.2% حتى عام 2035، مع صيانة المحركات كمحرك أساسي. وتعد الصيانة القائمة على الحالة المدعومة بالذكاء الاصطناعي بالتنبؤ بأعطال المعدات وتقليل فترات التوقف غير المخطط لها وإطالة العمر الافتراضي للأصول. وتكمن الفجوة في دمج 30 عاماً من بيانات أجهزة الاستشعار غير المتجانسة عبر الأساطيل المختلطة في نماذج تنتج توصيات صيانة قابلة للتنفيذ الفوري بدلاً من البيانات غير الدقيقة.
وقد أصبحت سلامة سلسلة التوريد أمراً بالغ الإلحاح. ففي مارس 2026، أدانت محكمة في لندن مورداً بتوزيع وحدات إلكترونية مقلدة في أنظمة إلكترونيات الطيران وأنظمة التحكم الحيوية. ويوجه قانون 2026 NDAA وزير الدفاع لتطوير إطار يعالج مخاطر القطع المقلدة وتسميم البيانات في سلاسل إمداد الذكاء الاصطناعي. وتتحول التوائم الرقمية من أدوات تصوير إلى أنظمة دعم للقرارات التشغيلية، لكن بناء توأم يقلل بالفعل من الصيانة غير المجدولة يتطلب دمجاً مستمراً لبيانات الاستشعار، ونماذج فيزيائية موثوقة، وواجهة تخطيط تحظى بثقة الفنيين والمهندسين.
نحن ننقل نفس صرامة التحقق المتبعة في برامج الدفاع إلى قطاع الطيران التجاري: نماذج صيانة تنبؤية مصممة ومحققة على بيانات أعطال واقعية، ومسارات تحقق من سلاسل الإمداد لاكتشاف المكونات غير المطابقة، وبنيات توائم رقمية تقدم محاكاة دقيقة وموثوقة لتخطيط الأساطيل.
لماذا تترك الشركات الكبرى وموردو المنصات وشركات الاستشارات فجوات واضحة
تترك كل فئة من فئات مقدمي الخدمات فجوة مختلفة — ويتطلب هذا العمل عمقاً في هندسة التعلم الآلي وإلماماً أصيلاً بالمجال العسكري والدفاعي، وهو مزيج تفتقر إليه كل فئة بطريقتها الخاصة.
| فئة المزود | أمثلة | الفجوة التي يتركونها |
|---|---|---|
| المقاولون الدفاعيون الرئيسيون | Lockheed Martin، Northrop Grumman، Boeing | يبنون قدرات ذكاء اصطناعي داخلية، لكنهم منظمات تركز على العتاد الصلب في المقام الأول. إدارة دورة حياة ML ومنهجيات T&E ليست ضمن الكفاءات الأساسية لثقافة هندسية ميكانيكية وكهربائية — كما أن منافسة CCA تتطلب برمجيات طيران ذاتي لطالما اعتمدوا فيها على مصادر خارجية. |
| موردو المنصات | Anduril، Shield AI، Palantir، Skydio | يبنون منتجات ذاتية متميزة، لكن مكتب البرنامج الذي يشتري Lattice يحصل على بنية Anduril الحصرية دون الحصول على تقييم محايد مستقل يحدد ما إذا كانت تلائم مهامه أو تلبي متطلبات CDAO للذكاء الاصطناعي المسؤول. |
| شركات الاستشارات | Accenture، Deloitte، Booz Allen | ألغى البنتاغون في أبريل 2025 عقوداً استشارية مع هذه الشركات بقيمة بلغت 5.1 مليار دولار . ووجدت مجموعة BCG أن 70% من شركات الطيران والدفاع تعتبر استقطاب كفاءات الذكاء الاصطناعي تحدياً رئيسياً — وتواجه شركات الاستشارات الكبرى نفس الفجوة في المواهب التي تم التعاقد معها لسدها. |
تتوسط مساحة عملنا هذه الفئات: تقييم فني محايد لمنصات الذكاء الاصطناعي، ومنهجية اختبار وتقييم T&E في خدمة مكتب البرنامج، وهندسة الاستدلال الطرفي لنقل نماذج السحابة إلى العتاد التكتيكي، وهندسة امتثال تدمج CMMC وITAR وRAI كقيود هندسية متكاملة.
أبرز النقاط المستفادة
- تمويل الذكاء الاصطناعي الدفاعي أصبح ضخماً (13.4 مليار دولار للذكاء الاصطناعي والأنظمة الذاتية، و9.8 مليار دولار للأنظمة غير المأهولة)، لكن المشتريات والاختبارات والكوادر المؤهلة أمنياً لا تزال متأخرة عن وتيرة التكنولوجيا.
- أنظمة التعلم الآلي احتمالية، وبالتالي لا يمكن لاختبارات T&E الحتمية التقليدية التحقق منها — تتطلب قرارات المراحل الفاصلة أدلة إثباتية خاصة تم اختبارها في ظروف معادية واقعية وبيئات حجب GPS.
- النشر الطرفي على أجهزة مقيدة بـ SWaP (مثل Jetson Orin وQualcomm RB5) هو تحدٍ هندسي: يشمل التكميم، والتشذيب، والتقطير، والتحليل الحراري، واعتماد معيار MIL-STD-810H لشبكات SIPR/JWICS.
- يجب التعامل مع CMMC 2.0، وضوابط الذكاء الاصطناعي في FY2026 NDAA (تقرير الكونغرس المستحق في 16 يونيو 2026)، والبيانات الفنية لـ ITAR/USML، ومعيار DFARS 252.204-7012 كبنية امتثال واحدة متكاملة.
- يشارك الطيران التجاري نفس التحديات — فالصيانة التنبؤية، وسلامة سلاسل الإمداد ضد التزوير، والتوائم الرقمية تتطلب جميعها هندسة قائمة على التحقق والإثبات الصارم أولاً.
الطيران والفضاء والدفاع
مشاهدةالاستقلالية الذاتية للطائرات المسيّرة في بيئات انعدام GPS: VIO والذكاء الاصطناعي الطرفي وتكامل Blue UAS | Veriprajna
تُنشئ أجهزة التشويش الروسية R-330Zh مناطق انقطاع لإشارة GPS تمتد لعدة كيلومترات عبر خطوط الجبهة الأوكرانية. حظرت لجنة الاتصالات الفيدرالية (FCC) إصدار تصاريح جديدة لكل طائرة مسيّرة أجنبية الصنع في ديسمبر 2025. اشترى الجيش للتو 2,500 وحدة من Skydio X10D خلال 72 ساعة لأنه لا يوجد شيء آخر في المخزون المعتمد قادر على التعامل مع بيئة كهرومغناطيسية متنازع عليها.
الأسئلة المتكرّرة
كيف نجتاز قرار مرحلي رئيسي لوزارة الدفاع عندما لا تتوافق أطر CDAO T&E مع خطة TEMP الخاصة بنا؟
الفجوة المؤسسية واضحة: صُممت أطر CDAO خصيصاً لتقييم الذكاء الاصطناعي، في حين تتبع معظم خطط TEMP التقليدية نماذج DT&E/OT&E التي تفترض سلوكاً حتمياً للنظام. ونظراً لأن أنظمة التعلم الآلي احتمالية، فإننا نتغلب على ذلك ببناء خطط اختبار مخصصة للذكاء الاصطناعي مدمجة في هياكل TEMP الحالية، وتحديد نطاقات الأداء التشغيلي وأوضاع الفشل بدقة لتقديم براهين قاطعة تقنع كلاً من CDAO والجهات التشغيلية.
ما الذي يتطلبه إطار أمان الذكاء الاصطناعي CMMC 2.0 من مقاولي الدفاع؟
فرض قانون FY2026 NDAA ضوابط أمنية خاصة بالذكاء الاصطناعي تتجاوز متطلبات CMMC 2.0 الأساسية في أربعة مجالات: تنقية مدخلات البيانات لمنع حقن التعليمات، والتحكم في الوصول مع المصادقة متعددة العوامل، والتسجيل الشامل لمخرجات الذكاء الاصطناعي وربطه بأنظمة SIEM، والتدابير الوقائية ضد الهجمات المعادية. ونحن نبني بنيات امتثال توفر قدرات ذكاء اصطناعي معتمدة داخل حدود CMMC وتحد من مخاطر Shadow AI.
كيف ننشر نماذج التعلم الآلي المدربة سحابياً على منصات تكتيكية مقيدة بـ SWaP؟
يمر المسار بأربع مراحل رئيسية: تحسين النموذج عبر التكميم من FP32 إلى INT8 أو INT4 باستخدام تقنيات GPTQ أو AWQ المناسبة لمعالجات مثل Jetson Orin أو Qualcomm RB5، وتشذيب البنية وتقطير المعرفة، والتحليل الحراري واستهلاك الطاقة لتفادي هبوط الأداء في المنصات المغلقة، والتحقق البيئي وفق MIL-STD-810H لضمان الأداء في البيئات التشغيلية القاسية ضمن شبكات مصنفة.
هل تُعتبر مخرجات نماذج الذكاء الاصطناعي بيانات فنية خاضعة لرقابة ITAR؟
تعد هذه إحدى أهم القضايا القانونية المعلقة في الذكاء الاصطناعي العسكري. يشمل تعريف ITAR للبيانات الفنية أي معلومات لازمة لتصميم أو إنتاج المواد الدفاعية أياً كانت وسيلة إنتاجها. وفي ظل غياب توجيهات رسمية حاسمة من DDTC أو BIS، يقتضي الحذر معاملة هذه المخرجات كبيانات خاضعة للرقابة. نحن نصمم تدفقات عمل تضمن عزل البيانات الحساسة على خوادم محلية أو GovCloud مع ضوابط تصدير صارمة.
كيف نتحقق من دقة ملاحة الطائرات المسيرة في بيئات معادية محجوبة عن نظام GPS؟
يعد حجب نظام GPS الفرضية التشغيلية الأساسية في مسارح العمليات المتقدمة. وتتطلب الاختبارات الحقيقية تعريض الأنظمة لإشارات تشويش (jamming) وهجمات خداع (spoofing) تحاكي ظروف الميدان الفعلي لتقييم صمود دمج أجهزة الاستشعار وصنع القرار المستقل، بدلاً من الاكتفاء بإيقاف GPS في حقول التجارب المثالية.
ما هو الفارق الحقيقي بين Anduril Lattice وPalantir AIP في برامج الدفاع؟
تعالج كل منصة تحدياً مختلفاً؛ حيث تركز Palantir AIP وTITAN على دمج البيانات وتحديد الأهداف لدعم القرار البشري، في حين تتولى Anduril Lattice إدارة وتنسيق أسراب الأنظمة الذاتية غير المأهولة عبر المجالات المتعددة. نحن نوفر تقييماً تقنياً محايداً لتقييم المنصات بناءً على متطلبات مهامك الخاصة.
كيف نبني نظام ذكاء اصطناعي للصيانة التنبؤية لأسطول طائرات تجارية مختلط؟
يكمن التحدي في تباين البيانات الصادرة عن أجيال مختلفة من إلكترونيات الطيران. ويتطلب بناء نموذج شامل طبقة لتوحيد قراءات أجهزة الاستشعار وربطها بأنماط التآكل المعروفة مدعومة بنماذج فيزيائية موثوقة. ويعد التحقق من دقة التنبؤات استناداً إلى سجلات الأعطال الفعلية أمراً جوهرياً للقضاء على الإنذارات الكاذبة التي تزعزع ثقة أطقم الصيانة.
كيف نختبر الذكاء الاصطناعي الوكيل لدعم القرارات العسكرية دون الوقوع في الإفراط في الثقة؟
تماشياً مع خطط البنتاغون لشبكات الوكلاء الأذكياء، نختبر سلوك الأنظمة في ظروف معلومات مشوشة أو منقوصة، ونقيس مدى قدرة المشغل البشري على تصحيح توصيات النظام الخاطئة، مع التحقق من شفافية سلاسل الاستدلال لمنع الوقوع في «وهم السيطرة» الذي يهدد السلامة العسكرية.
ابنِ ذكاءك الاصطناعي بثقة.
تعاون مع فريق يمتلك خبرة عميقة في بناء الجيل القادم من الذكاء الاصطناعي للمؤسسات. دعنا نساعدك على تصميم استراتيجية ذكاء اصطناعي جديرة بثقتك وبنائها وتطبيقها.
Veriprajna استشارات التقنيات العميقة متخصصة في بناء أنظمة الذكاء الاصطناعي الحرجة للسلامة في مجالات الرعاية الصحية والتمويل والقطاعات التنظيمية. تُقيَّم بنياتنا المعمارية وفق البروتوكولات المعتمدة مع توثيق شامل للامتثال.