Kunstig intelligens skal styrke SAR Queen

Nå utvikles en KI-modell som kan bidra ved å lete etter mulige personer i bildestrømmen. Teknologien er ikke ment å erstatte systemoperatøren, men å gi et ekstra sett med øyne når hvert sekund kan telle.

Enkelt forklart er modellen trent opp ved å få vist store mengder bilder. Gjennom disse eksemplene lærer den å kjenne igjen trekk som kan tyde på at et objekt er et menneske.

Når modellen oppdager noe den vurderer som interessant, markerer den objektet med en rød boks på skjermen og angir hvor sannsynlig den vurderer at det er en person. Det er likevel systemoperatøren som skal vurdere funnet og følge det opp.

– Hovedoppdraget til denne KI-modellen er å hjelpe dem med å finne alt de kanskje ikke ville sett, sier Christian Schulz, koordinator for KI i Luftforsvaret.

Første test i SAR Queen

Prosjektet er et samarbeid mellom blant andre Luftforsvaret, Cyberforsvaret, Forsvarets forskningsinstitutt, Stiftelsen Norsk Luftambulanse, Politiet og NTNU. Masterstudenter ved Institutt for datateknologi og informatikk ved NTNU bidrar også i utviklingsarbeidet.

KI-modellen ble installert og prøvd ut i et SAR Queen-helikopter for første gang i mai 2026. I testen ble modellen brukt i praksis for å identifisere objekter den vurderte som mulige personer.

– At systemet er oppe og går, og at vi nå kan trene det opp og videreutvikle det, er den største gevinsten så langt, sier Schulz, som understreker at teknologien fortsatt er under utvikling.

Datainnsamlingen startet i januar, og modellen trenger flere relevante data for å bli bedre. Bilder og videostrømmer fra et helikopter under søk kan være krevende å tolke. Personer kan være små i bildet, delvis skjult, omgitt av krevende terreng eller synlige under vanskelige lysforhold.

– Vi har ikke nok data ennå og må hente inn mer, sier Schulz.

Skal støtte systemoperatøren

Målet med den nye KI-modellen er ikke at den skal ta beslutninger på egenhånd. Den skal fungere som beslutningsstøtte og rette operatørens oppmerksomhet mot områder eller objekter som bør undersøkes nærmere.

– De som sitter i helikopteret har mye informasjon å håndtere på samme tid, og da kan glipper forekomme. KI-modellen ser alt hele tiden, sier Schulz.

Samtidig må modellen finne en krevende balanse. Den må oppdage flest mulig faktiske personer, uten å markere for mange objekter som i realiteten ikke er mennesker.

For mange feilvarsler kan gjøre systemet mindre nyttig i en travel operasjon.

Magnus Jahre, professor ved NTNUs Institutt for datateknologi og informatikk, forklarer at dette er en sentral del av utviklingsarbeidet.

– Man trener opp en matematisk modell til å gjenkjenne objekter i bilder ved å vise den svært mange eksempler, forteller han.

Han peker på at det ikke er nok at modellen fungerer godt på treningsdata, men at den også må testes under reelle forhold for å finne ut hvor godt den fungerer i praksis.

– Vi vet ikke hvor bra det faktisk fungerer før vi tar med modellen ut og tester den i det virkelige livet, konstaterer Jahre.

Komplisert teknologi

Å bruke KI i et redningshelikopter stiller andre krav enn å bruke KI på en vanlig datamaskin. Modellen må fungere med tilgjengelig maskinvare, begrenset strømforbruk og den oppløsningen sensorene kan levere. Samtidig må den gi treff raskt nok til å være nyttig under et søk.

Studenter fra NTNUs institutt for datateknologi og informatikk bidrar med å løse disse utfordringene. Noen arbeider med å forbedre modellene, slik at de i større grad finner det man leter etter. Andre ser på hvordan maskinvaren kan brukes mest mulig effektivt.

– Dette er komplisert teknologi i en ekstremt komplisert maskin. Vi må ta ett skritt om gangen, påpeker Jahre.

Schulz mener en mer treffsikker modell på sikt kan gjøre det mulig å søke raskere og fra større høyde, ved at systemoperatøren raskere får pekt ut områder som bør undersøkes nærmere.

– Dette kommer til å bli bra, og ganske fort, dersom vi får inn nok data, avslutter Schulz.