В основе подхода — многоуровневая архитектура «восприятие — принятие решений — взаимодействие человека и машины». Алгоритмы обрабатывают потоковые данные с гидроакустических буев, подводных сенсоров, радаров и детекторов магнитных аномалий, одновременно учитывая океанографические параметры вроде температуры, солёности и фонового шума. Система, по сути, действует как «умный командир»: она сама выбирает, где разворачивать поиск, как перенастраивать датчики и чем отвечать на классические манёвры уклонения — от зигзагообразного хода и «тихого хода» до постановки ложных целей и запуска беспилотников-приманок. В серии симуляций ИИ удерживал контакт с целью в 95% случаев, утверждают авторы.
На практике это бьёт по центральной догме подводной войны последних десятилетий: скрытность больше не гарантирует безопасность. В открытых источниках это описывают как движение к «прозрачным океанам», где массивы разнородных датчиков и ИИ-обработка потоков данных лишают подлодки их главного преимущества — невидимости.
Именно этот риск сегодня становится главным: если технологии детекции опередят технологии снижения заметности, дорогие атомоходы могут потерять значительную часть своей боевой ценности задолго до завершения их жизненного цикла.
Ставки велики: подводные лодки остаются ключевым асимметричным инструментом — от стратегического сдерживания до охоты на авианосные ударные группы и скрытной разведки. ВМС США эксплуатируют полностью атомный подводный флот, в который входят подлодки четырёх классов (Ohio, Los Angeles, Seawolf, Virginia). Конгресс и Пентагон параллельно обсуждают параметры следующего поколения лодок — SSN (X). Ожидается, что в рамках этого поколения будет построено около 70 новых субмарин, включая ударные и стратегические.
Китайская публикация не описывает боевое развёртывание — речь идёт о моделировании, а не о результатах испытаний на море. Тем не менее выводы ложатся в более широкий тренд: рост вычислительных мощностей и стремительное удешевление датчиков позволяют строить распределённые системы ПЛО, способные обрабатывать «сырые» сведения с десятков каналов на лету и принимать решения без участия человека. В условиях реального океана такие сети будут сталкиваться с ложными целями, кавитацией, сложной акустикой мелководий и противодействием средствами РЭБ — это делает заявленные 95% скорее целевым ориентиром, чем гарантией. Но сам вектор развития — от «редких и дорогих» к «массовым и умным» — уже тревожит военных: лабораторные достижения, как правило, быстро становятся частью оборонной доктрины, получают бюджет и реализуются промышленностью.
Для флотов, делающих ставку на малозаметность, это означает ускорение гонки «меча и щита»: усиление акустической маскировки, активное применение ложных целей и беспилотных ведомых, переход к более плотным «ройным» тактикам и распределённым операциям.
AUKUS, где на десятилетия вперёд запланированы закупки и кооперация по атомным лодкам, уже сталкивается с вопросом технологической релевантности — и с необходимостью параллельно инвестировать в беспилотные подводные системы и ИИ-аналитику для собственной ПЛО.
Сами авторы китайской работы осторожны в формулировках: их система — это прежде всего доказательство концепции, показывающее, что алгоритмы, обученные на многомодальных данных, могут координировать поиск эффективнее разрозненных платформ. Но если даже часть заявленных эффектов подтвердится на полигонах, «подводная тень», за которой десятилетиями прятались стратегические и ударные лодки, станет короче. И тогда преимущество получит не тот, у кого тише моторы и корпус, а тот, у кого длиннее «нервная система» — сеть сенсоров и вычислений от океанских глубин до земной орбиты.
