Study and Design of Generative Learning tools for Threat Assessment in Defence

Abstract

L'Intelligenza Artificiale (IA) è una delle tendenze emergenti più importanti e in rapida evoluzione, offrendo benefici unici attraverso lo sviluppo di sistemi informatici capaci di svolgere compiti che tipicamente richiedono l'intelligenza umana. Le applicazioni dell'IA spaziano in molti settori, permettendo alle macchine di analizzare vasti quantitativi di dati, identificare tendenze e fare previsioni, migliorando così il processo decisionale, la produttività e l'esperienza dell'utente. Tuttavia, rimane una sfida significativa: la qualità e la scarsità dei dati, in particolare nel settore militare, a causa di problemi di riservatezza, limitazioni tecnologiche e ambiente operativo.

Questa tesi ha l'obiettivo di analizzare e affrontare le preoccupazioni riguardanti l'IA frugale e robusta nel dominio militare. Sottolineando l'importanza crescente dei dati in utilizzo nei modelli basati su IA, questa ricerca valuta approcci innovativi ed esplora tecniche per generare immagini sintetiche ad alta risoluzione ed applicarle alla valutazione delle minacce basata sull'IA, al supporto decisionale e all'addestramento dei soldati.

La dissertazione propone due approcci principali per affrontare la scarsità e la bassa qualità delle immagini al fine di effettuare una valutazione efficace delle minacce attraverso dati sintetici. Il primo approccio è aumentare la risoluzione delle immagini di bassa qualità utilizzando l'IA generativa, e il secondo è generare scenari sintetici realistici utilizzando metodi di diffusione stabile. La ricerca è stata condotta durante un tirocinio presso Stam S.r.l., un'azienda attiva in questo campo.

La tesi evidenzia la centralità dei dati di alta qualità nello sviluppo di metodi efficienti basati sull'IA. Inoltre, i risultati dimostrano i notevoli contributi che l'IA può apportare al settore militare, in particolare nel supportare il processo decisionale attraverso metodi autonomi di valutazione delle minacce.

Artificial Intelligence (AI) is one of the most important and rapidly developing emerging trends, offering unique benefits through the development of computer systems capable of performing tasks that typically require human intelligence. AI applications span many sectors, enabling machines to analyse vast amounts of data, identify trends and make predictions, thereby improving decision-making, productivity and user experience. However, a significant challenge remains: the quality and scarcity of data, particularly in the military sector, due to confidentiality issues, technological limitations and the operational environment.

This Thesis aims to analyse and address the concerns of frugal and robust AI in the military domain. Emphasising the growing importance of data-centric AI, this research evaluates innovative approaches and explores techniques for generating high-resolution synthetic imagery and applies them to AI-based threat assessment, decision support and soldier training.

The dissertation proposes two main approaches to address image scarcity and quality issues for effective threat assessment using synthetic data. The first approach is to increase the resolution of low-quality images using generative AI, and the second is to generate realistic synthetic scenarios using stable diffusion methods. The research was carried out during an internship at Stam S.r.l., a company active in this field.

The Thesis highlights the centrality of high-quality data in the development of efficient AI-based methods. Moreover, the results demonstrate the impressive contributions that AI can bring to the military, particularly in supporting decision making through autonomous threat assessment methods.