AI Drone dan Sensor Militer Harus Tetap Bekerja Saat Komunikasi Terputus

Telset.id – Ketegangan militer di Timur Tengah, khususnya di sekitar Selat Hormuz, telah membuktikan bahwa ketergantungan pada pusat data tradisional (data center) menjadi kelemahan fatal bagi operasi militer modern. Satu serangan rudal murah saja mampu melumpuhkan sistem AI militer secara menyeluruh. Kondisi ini memaksa para pengembang untuk merancang ulang sistem AI medan perang agar tetap berfungsi, bahkan ketika komunikasi terputus atau perangkat keras hancur.

Andreas Hellander, CEO dan salah satu pendiri Scaleout, perusahaan yang membangun infrastruktur untuk edge AI dan federated learning, menjelaskan bahwa tujuan utamanya bukanlah menjanjikan koneksi yang tidak pernah putus. Justru sebaliknya, sistem harus dirancang untuk berhenti dari kegagalan satu komponen yang melumpuhkan keseluruhan kemampuan. “Arsitektur kami memungkinkan node yang terputus tetap melakukan inferensi lokal menggunakan model terakhir yang disetujui, serta menyimpan cache deteksi dan telemetri hingga koneksi kembali tersedia,” jelas Hellander. Pendekatan ini menciptakan degradasi yang anggun (graceful degradation), bukan kegagalan total yang bersifat hitam-putih.

Pergeseran ini menjadi krusial seiring integrasi sistem AI yang semakin masif di setiap lini militer Amerika Serikat. Drone, sensor, penargetan berbantuan AI, dan pengambilan keputusan semuanya bergantung pada sistem ini. Namun, bagaimana sebuah drone menyesuaikan parameter misinya tanpa kemampuan berkomunikasi? Bagaimana model AI dapat terus melakukan inferensi tanpa akses ke data medan perang yang kritis?

Tantangan Pusat Data Tradisional di Medan Perang

Konflik yang melingkari Selat Hormuz memberikan pelajaran berharga bagi para pejuang perang. Gudang-gudang data (data center) yang luas dan tersebar di Timur Tengah terbukti menjadi sasaran empuk bagi rudal-rudal murah. Satu serangan saja mampu melumpuhkan seluruh sistem yang bergantung padanya. Palantir, perusahaan analitik data, telah mulai mengerahkan kontainer pengiriman berisi perangkat keras Nvidia sebagai alternatif pusat data tradisional. Kontainer-kontainer ini dapat dikerahkan di garis depan dan terhubung langsung ke alur kerja operasional, menawarkan komputasi terdesentralisasi di tempat yang paling membutuhkan.

Hellander menegaskan bahwa Scaleout tidak memasok jaringan komunikasi taktis. Pekerjaan mereka adalah memastikan beban kerja AI tidak mengasumsikan bahwa radio, satelit, atau tautan lainnya akan selalu tersedia. Prinsip ini menjadi fondasi dalam merancang sistem yang tangguh di lingkungan yang kontested.

Menyeimbangkan Sentralisasi dan Desentralisasi

Dalam hal arsitektur jaringan AI medan perang, pilihan antara sentralisasi dan distribusi menghadirkan trade-off yang signifikan. Sentralisasi menyediakan gambaran operasional yang konsisten, komputasi substansial, dan tempat yang jelas untuk menegakkan keamanan, persetujuan model, dan kebijakan komando. Namun, pendekatan ini memusatkan risiko: kehilangan satu tautan atau fasilitas dapat menghilangkan bagian kemampuan yang tidak proporsional.

Sebaliknya, sistem terdistribusi menjaga analisis tetap dekat dengan sensor, mengurangi latensi, dan memungkinkan fungsi lokal terus berjalan selama pemutusan koneksi. Namun, trade-offnya adalah fragmentasi. Penargetan berdasarkan gambaran parsial atau basi berisiko, dan keputusan logistik lokal mungkin tidak optimal untuk kekuatan yang lebih luas. Hellander merekomendasikan desain hibrida: koordinasi pusat saat tersedia, dengan kemampuan lokal yang dibatasi dengan jelas saat tidak tersedia.

Perbedaan perilaku antara drone AI yang masih dapat berkomunikasi dan yang kehilangan komunikasi sangatlah penting. Hellander menekankan pemisahan antara menjalankan model dan melatih ulang model. Platform kecil biasanya melakukan inferensi saat terbang, sementara pelatihan ulang terkontrol dan persetujuan terjadi di simpul darat atau komputer edge yang lebih mampu. Pembelajaran di dalam pesawat memang ada dalam penelitian, tetapi pelatihan ulang yang tidak terkontrol di tengah misi menciptakan masalah jaminan yang serius.

Platform yang terhubung dapat berbagi deteksi, menerima penugasan, dan berkontribusi pada gambaran operasional yang lebih luas. Setelah kehilangan tautannya, drone mengikuti mode aman yang telah disetujui sebelumnya: melanjutkan tugas yang dibatasi, kembali, melayang, atau mendarat. Pemrosesan di dalam pesawat dapat menjaga persepsi dan navigasi tetap bekerja, tetapi platform kehilangan konteks eksternal, instruksi baru, dan koordinasi armada. “Pemutusan koneksi harus menjadi keadaan operasional yang dirancang dengan batasan eksplisit, bukan mode darurat yang diimprovisasi,” tegasnya.

Data yang dikumpulkan drone dan sensor digunakan untuk membantu sistem AI medan perang beradaptasi dengan kondisi, ancaman, dan taktik baru. Menurut Hellander, data yang berguna sering kali paling sulit dipindahkan, sehingga mereka mengirim model ke data daripada memusatkan rekaman. Perangkat lunak active-learning mengidentifikasi bingkai yang paling mungkin meningkatkannya, seperti deteksi yang tidak pasti, objek asing, atau kondisi yang berubah. Manusia tetap memberi label pada materi terpilih; perangkat lunak mengurangi pencarian, bukan kebutuhan penilaian manusia.

Model kemudian di-tuning secara lokal dan diuji terhadap tolok ukur. Kandidat juga dapat berjalan di samping model saat ini dalam mode bayangan sebelum operator menyetujuinya. Di mana kebijakan dan konektivitas memungkinkan, situs bertukar pembaruan model yang dilindungi daripada rekaman pelatihan mentah, menggabungkannya menjadi model bersama. Federated learning mengurangi pergerakan data, tetapi pembaruan tetap perlu diamankan, divalidasi, dan diaudit.

Tantangan utama dalam menerapkan drone dan sensor AI berkisar pada daya, panas, berat, cuaca, getaran, perang elektronik, data yang tidak konsisten, dan pembaruan perangkat lunak yang aman di seluruh armada campuran. Integrasi dan akreditasi bisa sama menuntutnya dengan pembelajaran mesin itu sendiri. Komputasi tersedia secara komersial: modul daya rendah seperti NVIDIA Jetson untuk platform kecil, dan server GPU yang diperkuat atau unit edge kontainer untuk lokasi darat. Energi lebih sulit. Setiap prosesor bersaing dengan propulsi, penginderaan, dan komunikasi, sementara generator, baterai, dan peralatan distribusi menambah beban logistik dan titik kegagalan baru.

Dalam demonstrasi publik dengan BAE Systems Bofors, beban kerja persepsi berjalan pada komputasi di dalam pesawat pada suhu -18°C tanpa konektivitas. Prinsipnya adalah menggunakan jejak praktis terkecil dan mengasumsikan daya dan bandwidth langka.

Keterlibatan perusahaan komersial yang menyediakan layanan militer semakin kabur, seperti pusat data AWS di Timur Tengah dan produksi drone di Inggris untuk Ukraina. Hellander menjelaskan pendekatan Scaleout: platform dirancang agar operasi pelanggan tidak bergantung pada Scaleout yang tetap tersedia terus-menerus. Sistem berjalan di infrastruktur pelanggan sendiri, bekerja secara air-gapped, dan tidak memerlukan lisensi call-home atau koneksi persisten ke sistem mereka atau cloud publik.

“Ketergantungan pada penyedia jarak jauh dapat menjadi kerentanan operasional,” kata Hellander. Pendekatan mereka adalah menjaga kontrol dan kontinuitas tetap lokal bagi pelanggan, daripada menjadikan infrastruktur mereka sendiri sebagai ketergantungan kritis. Pertanyaan yang lebih luas tentang bagaimana penyedia komersial dipandang dalam konflik adalah urusan pembuat kebijakan, ahli hukum, dan perusahaan yang terlibat.

Mengenai lintasan masa depan sistem ini, Hellander memperkirakan konektivitas akan meningkat, termasuk melalui satelit orbit rendah Bumi. Namun, menghubungkan setiap sensor langsung ke luar angkasa tidak mungkin menjadi jawaban universal. Terminal mengonsumsi daya dan spektrum, menambah biaya, dan dapat menciptakan tanda elektronik. Pola yang lebih tangguh menggabungkan tautan mesh lokal, sinkronisasi oportunistik, dan gateway terpilih ke satelit atau komunikasi jarak jauh lainnya.

Operasi terputus yang lebih lama realistis, tetapi daya tahan sering dibatasi oleh baterai, cuaca, dan pemeliharaan daripada perangkat lunak AI. Ada juga perbedaan kritis antara beroperasi tanpa koneksi dan beroperasi tanpa otoritas manusia. Yang pertama adalah properti ketahanan; yang kedua adalah keputusan kebijakan, hukum, dan etika. Masa depan bukan sekadar lebih banyak otonomi, tetapi kontrol yang dapat diverifikasi: mengetahui model mana yang berjalan di setiap platform, apa yang menghasilkannya, di mana batasnya, dan siapa yang menyetujuinya.

Pergeseran menuju komputasi terdesentralisasi ini selaras dengan tren yang lebih luas dalam keamanan siber. Ketergantungan pada vendor tunggal semakin dipandang sebagai risiko ketahanan, sementara keamanan perimeter yang gagal menunjukkan bahwa model pertahanan tradisional tidak lagi memadai. Ancaman keamanan siber terbesar kini datang dari asumsi bahwa infrastruktur akan selalu tersedia dan aman.