به گزارش صراط به نقل از فارس - تجاوز نظامی اخیر نیروهای آمریکایی به جزیره لارک و انهدام دو سامانه موشکی در این منطقه، بار دیگر لایههای پنهان یک مناقشه دامنهدار را عریان ساخت؛ عملیاتی که واشنگتن آن را اقدامی پیشگیرانه برای جلوگیری از راکتاندازی و مینریزی در تنگه هرمز اعلام کرد و واکنش موشکی ایران به پایگاه آمریکا در اردن را به همراه داشت.اما این رویداد تنها یک تقابل تاکتیکی ساده در روزهای پایانی اوت ۲۰۲۶ نیست، بلکه بهانهای است برای ورود به تحلیل صحنه نبردی بسیار پیچیدهتر که شش ماه پس از آغاز درگیریها، ناکارآمدی ساختاری ارتش آمریکا در یکپارچهسازی ابزارهای مدرن را آشکار کرده است.نبرد لارک نشاندهنده چرخهای است که در آن سیستم آمریکایی مرتباً داده دریافت میکند، اهداف را با سرعت بالا شناسایی میکند، هدف میزند و شلیک میکند، اما همچنان خود را مجبور میبیند برای مهار مجدد تهدیدات به همان نقطه صفر بازگردد. در واقع این مسئله پرده از واقعیت مهمی برمیدارد: برتری در ابزارهای الگوریتمی و هوش مصنوعی، نتوانسته است ناتوانی راهبردی آمریکا در پایان دادن به جنگ و دستیابی به هدف پایدار را پوشش دهد.
سامانه میون سرعت کشف هدف را ده برابر کرد
در جریان حملات شش ماه پیش ایالات متحده به ایران، تکیهگاه اصلی الگوی نبرد آمریکا بر سامانه مدرن «سامانه هوشمند میوِن» (Maven Smart System) ساخت شرکت پالانتیر و ادغام آن با مدلهای زبانی پیشرفته نظیر «کلاود» استوار بود.مؤسسه مطالعات بینالمللی و استراتژیک (CSIS) در گزارش خود اشاره میکند که در ۲۴ ساعت نخست جنگ، نیروهای آمریکایی با اتکا به این پلتفرم در روند شناسایی و اولویتبندی بیش از ۱۰۰۰ هدف مشارکت داشتند؛ عددی که نزدیک به ۱۰ برابر ظرفیت عملیاتی ارتش آمریکا در دوران پیش از استقرار سامانه میون توصیف میشود و طی آن بهطور متوسط حدود ۴۲ هدف در هر ساعت هدفگیری شد. برخلاف برداشتهای عمومی رسانهای، سامانه میون یک «ربات خودکار تصمیمگیرنده برای کشتن» نیست، بلکه به عنوان یک پلتفرم ادغام داده عمل میکند که حجم عظیمی از دادههای ماهوارهای، ویدیوهای پهپادی، سیگنالهای الکترونیکی، اطلاعات راداری و منابع انسانی را در یک محیط مشترک تلفیق میکند.
سرعت الگوریتم زمان چرخه کشتار را فشرده ساخت
در واقع، هوش مصنوعی در این معماری تعداد تسلیحات یا موشکهای آمریکا را افزایش نداد، بلکه زمان لازم برای تبدیل دادههای خام به گزینههای عملیاتی را بهشدت کاهش داد. با وارد کردن مدلهای تحلیلی، سامانه توانست فرایند شناسایی، تثبیت موقعیت، ردیابی، تعیین هدف، حمله و ارزیابی خسارت را فشرده سازد تا تصمیم نهایی توسط فرماندهان انسانی در کوتاهترین زمان ممکن گرفته شود. حذف اصطکاکهای اداری و انسانی در فرایند هدفگیری باعث شد ارتش آمریکا بتواند با حداکثر توان پردازشی، دادههای ورودی از سنسورها را بلافاصله به دستورات عملیاتی و شلیکهای دقیق تبدیل کند و یک پوشش گسترده اطلاعاتی بر منطقه نبرد ایجاد کند.
پدیده بازتولید هدف برتری الگوریتمی را خنثی کرد
با این حال، کارکرد این ابزار هوشمند زبانی و تصویری در محیط عملیاتی ایران با چالشهای بنیادی روبهرو شد. نبرد در جغرافیای ایران مبتنی بر اهدافی بود که پیوسته جابهجا میشدند، در شبکههای پیچیده زیرزمینی پنهان میگشتند، از سکوهای متحرک بهره میبردند یا بلافاصله پس از مواضع نخستین بازسازی میشدند. اگرچه گزارشهای رسمی وزارت جنگ آمریکا مدعی شدهاند که در همان هفتههای نخست، بخش عمدهای از پدافند هوایی، شناورهای نیروی دریایی و تأسیسات موشکی و پهپادی ایران هدف قرار گرفت و حجم شلیکهای موشکی تدافعی کاهش یافت، اما همین برتری فنی محاسباتی در ادامه نتوانست محاسبات صحنه را به نفع واشنگتن تغییر دهد. نقطه ضعف اساسی سامانه آمریکایی دقیقا در همینجا نمایان شد: هوش مصنوعی میتواند با سرعت بالا بگوید که یک هدف کجاست، اما قادر نیست تضمین کند که ساختار دفاعی مقابل نتواند آن قابلیت را پراکنده، بازسازی یا جایگزین کند. چنانکه ارزیابیهای اطلاعاتی بعدی نشان داد، ایران توانست مجدداً به بخش اعظم سایتهای موشکی خود در امتداد تنگه هرمز دسترسی پیدا کرده و آنها را فعال سازد؛ موضوعی که ثابت کرد منهدم کردن زیرساخت با استفاده از الگوریتم به معنای محو توانایی بازتولید هدف نیست.
جنگ فرسایشی نقاط ضعف الگوریتم را نمایان ساخت
ضعف ساختاری آمریکا زمانی عمیقتر شد که ایران زمین بازی را از محیط کاملاً نظارتپذیر هوایی به جبهههای فرسایشی و نامتقارن مانند امنیت کشتیرانی، بازار انرژی، تهدید خطوط انتقال نفت و مینریزی در تنگه هرمز کشاند. ماشین جنگی آمریکا که برای یک پلتفرم اطلاعاتی مبتنی بر سرعت الگوریتمی طراحی شده بود، ناگهان خود را در برابر چالشهای غیرتکنولوژیک مثل نرخ نقدشوندگی بازار بیمه دریایی، جهش قیمت نفت و فشار بر اقتصاد جهانی دید؛ محیطی که بمبارانهای هوایی متکی بر میون هیچ پاسخ راهبردی برای آن نداشتند. از سوی دیگر، سرعت بالای پردازش داده توسط هوش مصنوعی، وابستگی مفرط آمریکا به مهمات بسیار گرانقیمت و هوشمند را آشکار ساخت. طبق دادههای منتشرشده در والاستریت ژورنال و گزارشهای تحلیلی، مصرف بیسابقه موشکهای کلیدی مانند خانواده پاتریوت (PAC-3) و اتاکمز (ATACMS) در برابر تاکتیکهای کمهزینه پهپادی و موشکی، ذخایر راهبردی آمریکا را به سطوح بحرانی رساند؛ مسابقهای نامتقارن که در آن الگوریتمها سرعت شلیک و نیاز به مهمات را بالا بردند، اما ظرفیتهای صنعتی آمریکا توان پر کردن مجدد این ذخایر را در کوتاه مدت نداشتند.
توهم سرعت مانع پیروزی استراتژیک آمریکا شد
در نهایت، تداوم درگیریها تا اواخر اوت ۲۰۲۶ و نیاز مداوم ارتش آمریکا به حملات مجدد، مانند آنچه در جزیره لارک رخ داد، نشان میدهد که چگونه ایالات متحده دچار «توهم سرعت» شده است. ارتش آمریکا فرایند اداری و اصطکاکهای انسانی در حوزه هدفگیری را با نرمافزار حذف کرد تا به سرعت تاکتیکی دست یابد، اما این برتری عملیاتی هرگز به پیروزی راهبردی و پایان دادن به نبرد منجر نشد. ارتقای بودجههای چند میلیارد دلاری برای نهادینهسازی سامانههایی چون میون در ارتش آمریکا ثابت میکند که واشنگتن شاید توانسته باشد توانایی شلیک و شناسایی خود را مکانیزه کند، اما در برابر راهبرد فرسایشی، زمین بازی نامتقارن و قدرت بازتولید هدف توسط ایران، فاقد اهرم سیاسی و عملیاتی برای نهایی کردن جنگ است. آمریکا در این نبرد نشان داد که میتواند چرخه تصمیمگیری تا حمله را فوقالعاده سریع کند، اما ماشین محاسباتی آن در کنترل چرخه پایان جنگ و مهار هزینههای راهبردی آن کاملاً ناتوان مانده است.
