scarica il file in pdf – droni – luglio 2026 – lanzara
Droni: il trionfo della proiezione di potenza del dominio tecnologico
Gino Lanzara
Abstract: l’evoluzione tecnologica ha introdotto nuovi paradigmi, apparentemente a basso costo. Il progresso, bene o male presenta sempre il suo conto sia in termini pratici che politici. Quel che oggi appare a buon mercato, è il frutto di ricerche sempre più spinte ed inarrestabili, proiettate verso il controllo di nuovi domini. È bene ricordarlo: le proiezioni di potenza hanno sempre un prezzo.
Riarmo, tecnologia, diritto
L’effetto sorpresa è sempre stato fondamentale Oggi, la presenza costante di droni ISR (Intelligence, Surveillance, Reconnaissance) rende il campo di battaglia trasparente. Ecco dunque la fine della Nebbia della Guerra di Clausewitz.
Il riarmo è un segno dei tempi o, per lo meno, lo è stato di frequente; le motivazioni alla base di questo processo sostanzialmente sono due: l’accresciuta percezione della minaccia[1] e lo scemare della fiducia nella presenza militare statunitense. La politica di difesa è tuttavia anche strumento di politica estera, dunque, non vi si può facilmente intervenire, in quanto vincolata sia al sentore delle avvisaglie di attriti che all’interazione tra valori e interessi.
Una delle indicazioni della guerra ucraina sta sia nell’elevata capacità di schieramento di alti volumi di personale arruolato, sia nell’aumento delle dotazioni con cui equipaggiarlo, sia nell’incremento delle capacità produttive.
In Europa la policy adottata ha portato ad una riduzione delle scorte ed all’invalersi, con l’efficientamento della produzione, dei principi di produzione secondo il principio dello just in time, con la conseguenza di determinare tempi di consegna più protratti, senza contare la progressiva delocalizzazione delle supply chain; un complesso di elementi che richiederebbe l’aumento significativo della produzione, passando per un difficile processo di conversione industriale, condizionato da una spiccata complessità tecnologica e dalla necessità di preservare la tutela delle classifiche securitarie.
Va anche rammentato come la produzione bellica presenti un elevato grado di incertezza strategica, dato che porta a considerare asset destinati sia al confronto con sistemi pensati per un adattamento continuo sia a valutazioni sociali circa i costi e la propensione a difendere il proprio Paese, un intendimento tendente ad aumentare laddove il rischio militare è diretto o collegato a esperienze storiche drammatiche e, soprattutto, recenti. Il riarmo europeo solleva tuttavia anche una serie di rischi non trascurabili, ovvero il pericolo di un’escalation con Mosca, capace di alimentare un vortice di sfiducia reciproca, e la distribuzione delle risorse pubbliche, per cui un aumento della spesa militare andrebbe a colpire finanziariamente altri settori in società che, per anni, hanno relegato la difesa ai margini del dibattito collettivo mentre fusione tra IA, sistemi autonomi e robotica sono ora destinati ad influenzare sicurezza nazionale e potere economico.
Una valutazione geopolitica e geoeconomica globale ed imparziale può portare ad evidenziare divari sempre più ampi anche tra gli egemoni, faglie tali da indebolire la deterrenza e da mettere a rischio le capacità operative delle FA. È dunque fondamentale che potere militare e forza economica dissuadano i potenziali avversari prevalendo, in alternativa, nel conflitto. Sotto questo aspetto, l’uso di droni armati facilita operazioni che, tuttavia, mettono in forse i quadri giuridici internazionali, specie in contesti in cui i conflitti si sono traslati oltre i confini tradizionali per svolgersi in zone indefinite con la capacità di riconoscere il bersaglio fin dall’inizio delle attività.
Lo sviluppo tecnologico, e la rilevanza della guerra remota, hanno contribuito all’insorgere di domande circa il cambiamento dei più tradizionali caratteri bellici, magari abbassando la soglia per l’uso della forza, o dando vita ad iniziative tendenti a rendere sempre più labili i confini tra tempi di guerra e tempi di pace con un allontanamento dai precetti dello stato di diritto e da un più generico permesso ai sensi dello jus ad bellum e dello jus in bello. Quel che è certo è che esiste un legame inscindibile tra la tecnologia dei droni e le scelte politiche operate, altrimenti irrealizzabili.
IA, evoluzioni tecnologiche, sistemi d’arma
L’IA si sta proponendo come la più influente tecnologia di uso generale nella storia; analogamente alla Rivoluzione Industriale, i cambiamenti che porterà giocheranno un ruolo basilare nel determinare il potere globale.
Le rivoluzioni tecnologiche determinano punti di faglia geopolitici, dato che rappresentano una delle sfide più provanti che una dottrina strategica debba affrontare, sia alla luce del vantaggio competitivo che ogni nazione persegue, sia in funzione delle diverse governance. L’IA di fatto sta già conducendo ad una nuova era di sistemi automatizzati e strategie war-winning potential, consentendo una rapida elaborazione delle informazioni per il comando e controllo, il targeting ed il coordinamento delle operazioni. Nel più ampio dominio bellico, l’IA costituisce un moltiplicatore di forze, capace di spostare gli equilibri della guerra cibernetica, di ottimizzare il comando-controllo e la logistica, di espandere le capacità dei sistemi autonomi pur in presenza di fragilità sistemiche intrinseche. Le implicazioni strategiche sono diverse e richiedono flessibilità e gradualità che possano evitare incontrollabili decolli esplosivi.
Rimanendo nell’ambito evolutivo, la US Navy sta implementando IA e tecnologie autonome per potenziarsi, tanto da renderle fattori abilitanti fondamentali, obiettivi perseguiti peraltro anche dalle Marine antagoniste. Instradare, tuttavia, il dibattito giuridico principalmente sui sistemi letali interessanti la guerra terrestre rischia di far omettere risvolti peculiari della guerra navale e del suo diritto, aspetti sostanzialmente differenti dagli analoghi terrestri e ampiamente più recettivi riguardo all’accoglimento dell’IA e dei sistemi autonomi. In mare, la distinzione degli obiettivi militari passibili di attacco è basata su una valutazione lineare, per cui la proporzionalità è più facilmente tarabile poiché ci si si concentra sulle collateralità nelle vicinanze della nave bersaglio anziché sui singoli individui a bordo. Mentre le normative vigenti rendono più agevole l’identificazione delle Unità e mentre la guerra terrestre è caotica e combattuta a breve distanza, la guerra navale è più distribuita e combattuta su spazi significativi, conservando uno o più elementi attinenti alla guerra economica, come desumibile dalle regole stabilite per il blocco dei porti o delle coste nemici o per la cattura dei mercantili. Del resto, come ha rilevato il CICR, la guerra navale presenta caratteristiche peculiari che richiedono un insieme regolamentare specifico fino a giungere ad una maggiore linearità attenuando la complessità per l’IA e per i sistemi autonomi.
Parafrasando Clausewitz, la guerra è il dominio dell’incertezza: tre quarti delle cose su cui si basa l’azione bellica giacciono nella nebbia di un’incertezza più o meno grande, dunque uno degli obiettivi principali dei sistemi d’IA in ambito bellico è quello di dissipare la nebbia della guerra teorizzata dallo stratega prussiano. Lo scopo consiste dunque nel pattugliare territori estesi grazie a droni a guida autonoma, riconoscere gli obiettivi, ottenere un’analisi predittiva delle minacce, ridurre l’incertezza agevolando la velocità decisionale, reagire in tempo reale agli sviluppi del conflitto.
È qui che entrano in gioco i modelli linguistici di OpenAI, Anthropic, xAI, che aggregano migliaia di dati di intelligence raccolti da centinaia di fonti[2] diverse secondo algoritmi, predittivi quando analizzano dati per individuare schemi, generativi quando vanno in modalità creativa secondo probabilità riconducenti a testo o immagini. Quando la velocità diventa imperativa, l’aspetto umano si trasforma in intralcio ad un sistema che rischia di diventare decisionale. Ecco che il controllo umano torna ad essere indispensabile ma problematico, sia perché riduce la velocità, sia perché la sua capacità di supervisionare le decisioni meccaniche è sovrastimata, tanto da giungere ad una resa cognitiva[3]. Con il continuo progresso dell’IA sui sistemi d’arma, insorgono intanto preoccupazioni su quanto sarà fattibile controllarne l’uso militare, visto che detiene diverse caratteristiche che ne rendono difficile la supervisione.
L’IA è una tecnologia double use ed è probabile che rimanga ampiamente disponibile; più difficile sarà stabilire quali applicazioni saranno attagliabili ai fini del controllo degli armamenti. Non a caso si è già iniziato a considerare l’impatto dell’IA su stabilità nucleare, armi autonome e sicurezza informatica, tenendo conto che non è chiaro come verrà utilizzata in termini operativi al momento dello scontro cinetico. Se l’IA consente l’analisi di grandi quantità di dati, l’esecuzione di campagne di influenza mirate e la generazione di contenuti attendibili, l’effetto è dunque anche cognitivo, poiché in grado di accelerare i cicli decisionali saturando quelli avversari; una soglia di accesso bassa implica che anche attori con risorse limitate possano generare effetti cognitivo-psicologici significativi. Per analogia il concetto si applica anche ai droni; in un contesto ibrido, sistemi senza equipaggio relativamente economici e modulari, rivestono un valore non solo cinetico ma anche coercitivo e simbolico, visto che possono indurre pressione costante, creare incidenti, raccogliere intelligence, provocare reazioni sproporzionate, sì da ridurre l’asimmetria caratteristica di FA un tempo tecnologicamente più avanzate. Tecnologie quantistiche, droni AI-driven, richiedono che la difesa nazionale evolva verso una postura interdominio, capace di integrare sorveglianza satellitare, cybersecurity delle reti, presenza militare subacquea; l’IA sta dunque incidendo sul modo in cui organizzazioni difensive, operatori infrastrutturali e industria interpretano le minacce e prendono decisioni. Ecco che la realtà introduce a sfide che i sistemi computazionali convenzionali non sono stati progettati per affrontare, tanto che, in questo ambito, i sistemi di Edge AI[4] operano in ambienti distanti dai data center tradizionali, con piattaforme che includono mezzi autonomi e basi operative avanzate ma con carichi di lavoro crescenti per complessità.
Gli UAV[5] hanno subito una trasformazione epocale con l’introduzione dell’IA, che ha consentito l’esecuzione autonoma di compiti compositi grazie anche all’edge computing ed allo sfruttamento delle reti neurali con la computer vision. I droni funzionano dunque combinando diverse tecnologie cui si è aggiunta l’IA necessaria alla raccolta ed all’interpretazione dei dati, consentendo così di prendere decisioni informate durante il volo, sia compiendo attività di ricognizione e sorveglianza sia rendendo possibile la tecnologia dello sciame, dove più droni possono agire simulando un comportamento collettivo-collaborativo. In ambito militare, i droni potenziati dall’IA sono diventati fondamentali, dati gli utilizzi sempre più sofisticati e strategici di quest’ultima, come sta già avvenendo in Ucraina, dove l’uso dei droni non manca né di sottolineare l’evoluzione della guerra[6] né di rimarcare come i mezzi potenziati dall’IA stiano ridisegnando strategie e tattiche militari avanzate. L’uso del software di IA ha esteso le capacità dei droni da semplici veicoli aerei ad agenti intelligenti capaci di prendere decisioni. La loro sicurezza, derivata dall’equipaggiamento con l’IA è divenuta fondamentale, specie se si considera la loro autonomia, ed il fatto che il loro potere risiede sia nelle capacità di volo sia nella capacità di raccolta e gestione dati.
Di fatto, l’intervento dell’IA nelle operazioni dronistiche rientra nella ridefinizione generale delle possibilità. Man mano che l’IA progredisce, anche le capacità dei droni aumentano secondo un’evoluzione capace di portare nuove sfide in ambito etico ma anche opportunità senza precedenti per l’innovazione. L’IA è ormai protagonista della nuova accezione introdotta circa le tecniche belliche; droni, sistemi predittivi e algoritmi decisionali rimettono mano alla definizione delle logiche del potere militare, dove l’IA si trasforma in moltiplicatore strategico di potenza[7] ed acceleratrice di capacità in termini di modernizzazione e sofisticazione tecnica. L’attrattività dell’IA è stata rinvenuta proprio nella capacità di permettere una superiorità decisionale, consentendo la massima velocità nei processi di valutazione. Nel modello Observe, Orient, Decide and Act, se da un lato l’IA applicata alla realtà odierna suggerisce un incremento nell’integrazione delle soluzioni, dall’altro ripropone perplessità e preoccupazioni, un paradigma sviluppato dallo statunitense John Boyd e tuttora utilizzato per comprendere, prevedere e ottimizzare i processi di decision making a livello strategico.
Gli algoritmi agiscono su scenari inediti stemperando il legame essenziale tra decisione umana e uso della forza, principio del diritto bellico indirizzato alla definizione della responsabilità. Per ciò che concerne gli Autonomous Weapons Systems[8] va evidenziato come l’elemento dell’interazione tra uomo e macchina risulti fondamentale; i sistemi d’arma autonomi caratterizzati dall’IA si suddividono in armi human-in-the-loop, in cui la macchina ha l’unico obiettivo di individuare l’obiettivo contro cui dirigere la forza grazie al comando umano, i sistemi human-on-the-loop, che si avvalgono della forza con la supervisione umana, e lo human-out-of-the-loop che si caratterizza per un livello di controllo minimo senza bisogno di input. Secondo Clausewitz, tuttavia, la guerra è camaleontica ed i suoi caratteri di casualità e imprevedibilità rendono incerta qualsiasi catalogazione delle manifestazioni in modelli preconfezionati come invece vuole fare la sintesi algoritmica.
Mentre l’adozione dei sistemi di IA ha avuto successo in ambiti civili per processi decisionali lineari, in quelli militari la questione è più articolata, dato che l’automazione risulta utile e funzionale quando è possibile unire informazioni valide e prevedibili, uno status normalmente sofferente durante i conflitti, quando l’informazione è asimmetrica.
Ma mentre l’IA[9] viene integrata a livello combattimento, quanto si può farvi affidamento senza incorrere nelle ansie da momento Oppenheimer[10]? Il futuro bellico potrebbe dipendere da dove una mente alveare potrà stabilire una rete di macchine che si adattano alle condizioni del campo di battaglia. Intanto, l’IA consuma materia ed energia e le aziende impegnano liquidità per costruire nuovi data center, acquistare server e finanziare nuove centrali elettriche che sostengano il carico energetico necessario.
Guerra di Sciami
Per quanto possa apparire fuori contesto, ricollegandosi agli accenni precedenti, è inevitabile collegare la robotica alla natura; la robotica a sciame[11] si ispira infatti al comportamento collettivo degli sciami naturali come quelli di api o formiche, un fenomeno che implica il coordinamento di un elevato numero di robot semplici che operano insieme come un unico gruppo, svolgendo compiti complessi per mezzo di interazioni locali senza controlli centralizzati secondo il principio dell’intelligenza distribuita.
Questo è un comportamento auto-organizzato e decentralizzato[12], che emerge naturalmente dalle interazioni locali tra i robot, alla stessa stregua di quanto avviene in una colonia di formiche quando impegnate a cercare collettivamente il sostentamento pur senza un leader.
I robot singoli agiscono come agenti di IA seguendo regole semplici, ma risolvono collettivamente problemi complessi. La comunicazione all’interno dello sciame è fondamentale e avviene localmente grazie a segnali wireless o sensori all’infrarosso; a differenza dei sistemi tradizionali, la robotica a sciame si fonda su scalabilità e flessibilità, ovvero sulla capacità di aggiungere al sistema più robot, individualmente semplici ed economici, senza comprometterne la funzionalità; un approccio che incide positivamente anche sulla capacità di adattamento, dato che il sistema può continuare a funzionare, per ridondanza, anche in caso di défaillance da parte di alcuni elementi[13].
Il futuro degli sciami è legato ai progressi dell’IA ed ai supervised learning agent, sistemi intelligenti che decidono o agiscono basandosi su modelli matematici.
Di fatto, i cieli non sono più un ambito ristretto a mezzi costosissimi, ma contemplano sciami di dispositivi più economici e letali[14]. L’obiettivo non è dunque realizzare robot più potenti, ma approfondire e comprendere le regole che permettono ad un insieme di singoli agenti di comportarsi come un’unica entità: l’intelligenza del gruppo emerge dalla cooperazione, non dalla potenza del singolo robot; le Graph Neural Networks sono oggi il punto più evoluto per gestire queste relazioni, poiché sono progettate per elaborare dati dove i droni cambiano posizione e connessioni[15].
Alla luce delle evoluzioni tecniche che contemplano la possibilità, per uno sciame, di comprendere il compito affidato ignorando le caratteristiche irrilevanti, le reti neurali liquide[16] offrono ulteriori possibilità di adattamento dei parametri in tempo reale, continuando ad apprendere e a modificare il comportamento anche durante l’esecuzione, basandosi sul flusso dei dati in ingresso. Più di qualsiasi altro sistema d’arma, gli sciami di droni sono dipendenti dal flusso di informazioni, benché il tutto possa risolversi in vulnerabilità significative. L’integrazione tra reti neurali e droni è ciò che trasforma un mezzo telecomandato in un sistema autonomo intelligente, laddove l’intelligenza artificiale elabora i dati sensoriali per prendere decisioni di volo in tempo reale[17].
Reti neurali ed apprendimento
Il progresso imposto dall’IA richiama altri sviluppi indispensabili all’avanzamento della R&S dei droni e del loro impiego. in questo ambito si giunge a parlare di reti neurali artificiali, ovvero di un sistema composto da unità interconnesse[18] che elaborano informazioni alla stessa stregua dei neuroni biologici[19].
Di fatto, si tratta di modelli matematici progettati per apprendere dai dati identificando schemi complessi e configurando input su output senza seguire regole predefinite, ma rendendoli strumenti versatili per il machine learning.
Il funzionamento di una rete neurale si può comparare ad una catena di montaggio intelligente, dove ogni neurone riceve segnali, li elabora e li trasmette agli altri neuroni; ogni rete è organizzata a strati, secondo input, hidden[20] e output, e dove l’apprendimento avviene grazie alla Forward Propagation (o Forward Pass)[21], Backward propagation of errors[22], con aggiornamenti iterativi eseguiti tramite algoritmi di ottimizzazione. Una rete neurale artificiale è dunque una struttura di algoritmi e dati che emulano le elaborazioni delle informazioni compiute dai neuroni[23] cerebrali secondo numerose varianti adattate a diversi compiti e tipologie di dati[24]. Il valore delle reti neurali risiede nella versatilità e nella capacità di risolvere problemi complessi, posto che le reti neurali profonde sono il vero propulsore alla base degli assistenti virtuali, dei chatbot, dei traduttori automatici e degli strumenti di analisi dei sentimenti. Sono due i concetti matematici che configurano il comportamento delle reti neurali: la capacità di approssimare funzioni diverse e la capacità di ottenere risultati ottimali in modo stabile ed efficiente[25].
Economia e Logistica di sistemi d’arma futuribili
L’arrivo sulla scena dei droni ha condotto a nuove visioni dottrinali e industriali, ridefinendo così gli aspetti economici della guerra; le moderne asimmetrie hanno posto in evidenza come l’attrito non sia solo una questione di massa critica o di controllo tecnologico, ma una vera e propria guerra di logoramento finanziario.
Dato lo squilibrio tra il costo dei sistemi offensivi e quello degli apparati necessari a neutralizzarli, si genera un’asimmetria finanziaria insostenibile.
I droni d’attacco si posizionano su fasce di prezzo basse[26], mentre un singolo missile intercettore vanta un prezzo che oscilla da 1 a 4 milioni di euro; da qui l’evidenza di un bilancio asimmetrico che genera un rapporto di scambio economico sfavorevole al difensore per ristabilire il quale la spesa R&D si è orientata verso le armi a energia diretta cercando di risparmiare anche sulla logistica, dove la supply chain ha subito una transizione da un modello oligopolistico ad uno diffuso e duale con l’uso di componenti commercial off-the-shelf sfruttando l’economia di scala del mercato civile.
Con il valore economico che trasla dall’hardware al software, l’integrazione di algoritmi di IA, o per la guida autonoma finale contro il jamming elettronico o per il coordinamento degli sciami, richiede investimenti iniziali in codice programma, ma ha un costo di riproduzione industriale pari a zero. Un software avanzato permette a un drone economico di acquisire la precisione di un tradizionale missile guidato. Ecco che torna sulla scena economica la capacità industriale rispetto alla produzione di nicchia tecnologicamente avanzata, con il passaggio da sistemi exquisite ad asset sacrificabili.
L’estensione dei droni al dominio marittimo ha dimostrato come assetti economici possano mettere a rischio investimenti infrastrutturali miliardari. Se il futuro del lavoro pertiene alla collaborazione tra esseri umani e macchine, la domanda è come farli lavorare insieme.
Ricerche recenti hanno evidenziato come, nell’economia aziendale, la flessibilità sconfigga la rigidità. Anche qui la produttività aumenta quando i lavoratori passano da un robot mobile autonomo all’altro con un approccio a sciame, un vantaggio che diventa decisivo quando i robot sono numerosi e quando le macchine si muovono più velocemente degli uomini. In quest’ultimo periodo le tensioni egemoniche si spostano dai dazi tradizionali all’IA, evidenziando la pratica della distillazione[27], una tecnica che permette di aggirare i costi di R&D necessari alla creazione di un modello di IA avanzato.
Strategie, tattiche e stabilità
Non c’è dubbio che i progressi tecnologici potrebbero influenzare i rischi per la stabilità strategica dovuti all’integrazione dell’IA nel dominio nucleare, rischi che provengono da molteplici possibilità, tra cui errori di calcolo e incidenti indotti dall’IA. La relazione tra integrazione dell’IA e stabilità strategica potrebbe mutare laddove la conoscenza con l’IA aumenti, riducendo così la probabilità di qualsiasi distorsione, benché tale relazione continuerebbe a dipendere dalle capacità legate al second strike. Considerando la situazione da un punto di vista opposto, si potrebbe ritenere che l’integrazione dell’IA, al contrario, non aumenterà nessun rischio di escalation nucleare e che non attenterà alla stabilità strategica.
Inoltre, la prospettiva che gli usi convenzionali dell’IA possano incidere sulla stabilità strategica anche per sistemi d’arma come gli unmanned, potrebbe incombere anche in caso di una elevazione degli aspetti securitari relativamente alle applicazioni dell’IA nel campo nucleare. Per ciò che concerne l’aspetto tattico, è opportuno estendere le valutazioni, partendo dall’esempio pratico offerto dalla guerra ucraina ed operando una distinzione tra la capacità industriale, dove Mosca cerca di imporsi, e la flessibilità tecnologica, dove invece si adatta meglio Kiev; il vantaggio ucraino non sta tanto nel numero dei droni prodotti, ma in come questi pensano comunicando tra loro.
La tattica ucraina si fonda sulla decentralizzazione, su un modello economico da startup[28], sulla differenziazione dal rigido modello industriale statalista russo, sull’uso del software come arma[29] . Se la Russia dispone di sistemi di disturbo elettronico, l’Ucraina risponde con l’IA Edge (elaborazione a bordo), ovvero con l’autonomia dell’IA contro il jamming. In termini di terminal guidance, sistemi come Hivemind o Swarmer consentono al drone ucraino di riconoscere il bersaglio visivamente[30], mentre i droni russi dipendono ancora dal segnale GPS o dal link operatore.
Il Global Test Bed ed il Feedback Loop[31] permettono di evolvere la capacità di testare tecnologie in scenari reali su scala planetaria proiettando istantaneamente i dati raccolti ai fini di un miglioramento continuo del sistema[32].
Intanto, l’Ucraina è diventata il banco di prova dell’IA militare[33], per cui aziende tecnologiche da tutto il mondo testano gli algoritmi in Ucraina in condizioni belliche reali così da creare un circolo virtuoso dove i dati vengono utilizzati per addestrare reti neurali ucraine sempre più accurate[34].
Mentre la tattica russa adotta quantità massive per saturare le difese, quella ucraina punta alla precisione algoritmica: la superiorità ucraina sta nell’abilità di far diventare intelligente qualsiasi drone, dove il suo l’impiego militare, superata la fase sperimentale, sta definendo dottrine strutturate che ridefiniscono i concetti di massa, precisione e tempo negli impieghi operativi per puntare alla tattica della massa precisa, con la determinazione della quantità letale[35].
Secondo il terzo principio della dinamica, anche qui per ogni azione esiste una contromisura che si è indirizzata sia verso Local Electronic Warfare Domes atte a creare bolle protettive anti droni, sia all’individuazione della posizione esatta del pilota. Questo sta a significare che, ormai, la superiorità militare si può misurare anche in termini di capacità produttive e di coordinamento di milioni di algoritmi volanti[36].
Guerre moderne, letalità
La tecnologia ha condotto ad una democratizzazione della drone warfare, dato che gli attacchi sono ora nelle capacità di platee più ampie rispetto al passato; il futuro della guerra (tra 2026 e 2030) non riguarda solo il volo telecomandato, ma trasla verso una totale autonomia decisionale. Di fatto stiamo entrando nell’era della guerra dei robot, dove il software conta più dell’hardware.
La tecnologia ha condotto ad asimmetrie finanziarie, visti i costi dei successi tattici a fronte delle difficoltà di rimpiazzo, così come ha mostrato lo stress strategico caratteristico della coercizione aerea.
Di fatto, non esiste più impunità e nemmeno l’illusione che la superiorità tecnologica garantisca la vittoria; la proliferazione di droni e missili prodotti a costi inferiori ha cancellato il vantaggio competitivo delle piattaforme convenzionali con una vulnerabilità strutturale che colpisce la sostenibilità economica.
La contabilità delle munizioni stravolge la logica convenzionale per cui il difensore consuma risorse strategiche e industriali superiori all’attaccante, portando ogni intercettazione pur riuscita in un logoramento economicamente insostenibile. I droni a basso costo hanno creato un effetto di massa che mette in discussione i principi della concentrazione delle forze che portano a considerare la materia da diverse prospettive teoriche.
Il primo, l’effetto Regina Rossa trae la sua origine da Dietro lo specchio di Lewis Carroll; mentre Alice osserva che correre rapidamente e a lungo in genere conduce in un posto nuovo, la Regina risponde che nella sua terra bisogna correre solo per restare nello stesso posto mentre, per andare altrove, bisogna correre a una velocità doppia, un paradosso che spiega la proiezione verso l’innovazione bellica a patto che si consideri come nessun vantaggio militare possa durare per sempre; La guerra è come la corsa della Regina Rossa, in cui tutti gli attori corrono solo per conservare i vantaggi posseduti.
Il Paradosso di Jevons è meno conosciuto ma non meno utile. L’economista britannico William S. Jevons, esaminando il costo del carbone a metà del XIX secolo, al culmine della RI, rilevò che la maggiore efficienza dei motori a carbone portava a un aumento, e non ad una diminuzione, della sua domanda, dato che i prezzi più bassi hanno consentito l’incremento del numero di acquirenti di accedervi esplorando peraltro usi alternativi.
L’interazione tra l’Effetto Regina Rossa verso l’innovazione militare e il Paradosso di Jevons ha stravolto le regole della massa sul campo di battaglia, a loro volta regolate da due teorie, le Leggi di Lanchester e le Equazioni di salvo[37] (salva) di Hughes.
I droni fanno molto di più che colpire con precisione, poiché forniscono una massa di precisione a basso costo e non intervengono, invalidandola, su alcuna strategia inerente alle armi combinate: poco più di un secolo fa, le mitragliatrici portarono un cambiamento comparabile a quello dei droni economici odierni, che hanno mutato la natura della guerra. Sono ubiqui, letali e non scompariranno in fretta: sul campo ci sono già più droni economici che soldati. È interessante notare come tecnologia e geopolitica si alimentino in un circolo vizioso, dove l’innovazione tecnologica crea nuove possibilità tattiche capaci di far riscrivere le regole dell’equilibrio di potere e dove il drone diventa un analista attivo in multimodalità sensoriale.
Oggi, una nazione piccola o un gruppo non statuale possono allestire una forza aerea di droni autonomi con una frazione del costo di un singolo caccia evoluto; in più, i droni a lungo raggio e le reti di droni subacquei fanno sì che i confini geografici diventino porosi. I soggetti politici privi di infrastruttura di calcolo e algoritmi di visione artificiale propri, diventeranno tecnologicamente dipendenti da chi li fornisce.
Il campo di battaglia è destinato ad essere caratterizzato da ipervelocità, dunque, quando uno sciame di droni attaccherà a velocità supersonica in coordinamento con l’IA, potrà essere contrastato solo da un’altra IA, cosa che conduce verso una guerra algoritmica, con l’uomo supervisore esterno.
Conflitti e regole
La guerra algoritmica rappresenta l’ultimo stadio di una forma di conflitto in cui la velocità delle operazioni supera la capacità cognitiva umana e dove il software è il combattente principale. Le componenti tecniche interessano la computer vision e la classificazione automatica, l’integrazione dati (sensor fusion) provenienti dalle diverse fonti, grazie a cui si crea una sorta di bolla di trasparenza che aumenta i rischi di eliminazione. Non trattandosi più di un mero disturbo di frequenza, ma di sistemi IA che analizzano lo spettro radio nemico in tempo reale, viene generato un segnale di disturbo cambiando tattica in una frazione di secondo. La guerra low cost degli algoritmi automatizza l’errore umano su vasta scala; se l’algoritmo è parziale o fallato, commetterà migliaia di errori in pochi secondi.
Il drone è oggi molto più di un’arma, è uno strumento in grado di riscrivere le regole dell’equilibrio di potere come accaduto nel conflitto per il Karabakh tra Armenia e Azerbaijan o gli attacchi condotti dagli Houthi contro gli impianti petroliferi sauditi di Abqaiq e Khurais.
La guerra asimmetrica geoeconomica è realtà: non vince chi ha l’esercito più grande, ma chi sa colpire meglio le vulnerabilità dell’altro con strumenti tecnologici e poco costosi; ecco dunque giungere una nuova economia di guerra con armi a costo contenuto e alta resa da un lato, e dall’altro con contromisure particolarmente onerose.
In questo secolo ha fatto ingresso una guerra diversa: silenziosa, geoeconomica e veloce. Il campo di battaglia è industriale, logistico e finanziario e vince chi riesce a saturare l’ambiente con microtecnologie adattive e innovabili.
La Guerra del futuro
I progressi dell’IA stanno già plasmando quasi ogni aspetto della guerra, costringendo le FA ad adattarsi al contatto tra i sistemi di IA.
Attualmente l’IA è già integrata nei sensori intelligenti e su alcune piattaforme autonome, ma non c’è dubbio che prossimamente l’IA alimenterà i sistemi d’arma, migliorando in tempo reale il processo decisionale, governando la logistica, conducendo operazioni cibernetiche difensive e offensive.
L’evoluzione dell’autonomia militare sarà rapidissima ed ipotizza uno scenario in cui l’uomo perderà progressivamente il controllo sulle decisioni inerenti agli attacchi.
Da un punto di vista temporale e logico, la prima fase del conflitto sarà caratterizzata da un’autonomia controllata (Human-in-the-loop); dopo poche settimane si passerà ad un’autonomia geografica, (Human-on-the-loop), che terrà conto della creazione di bolle entro cui l’IA avrà maggiore autonomia, distruggendo autonomamente il nemico senza chiedere alcuna autorizzazione.
La fase finale (Human-out-of-the-loop) contempla il passaggio più estremo, dove i limiti rientrano nelle missioni concettuali o nelle minacce specifiche, per cui i sistemi d’arma sotto controllo dell’IA ricevono compiti astratti (es. neutralizza i radar).
L’IA gestisce dunque l’intera rete di sensori e droni a livello globale o di teatro, dando ovunque la caccia al pericolo per applicare tattiche in tempo reale e definendo da sola le priorità di ingaggio.
La guerra inizia con armi intelligenti sotto il controllo umano per trasformarsi rapidamente in un ecosistema dove le macchine gestiscono autonomamente intere funzioni strategiche, decidendo dove, quando e chi colpire in base al contesto. I modelli di machine learning provvederanno all’affinamento della precisione del puntamento, riducendo danni collaterali e tempi di reazione, per cui gli operatori umani dovranno utilizzare un modello di addestramento generico per poi adattarsi ai nuovi sistemi, mentre altri diverranno ridondanti. Visione artificiale e algoritmi di deep learning porranno in evidenza in tempo reale movimenti nemici, risorse nascoste e hub logistici, consentendo sia attacchi in profondità sia azioni tattiche.
L’elaborazione accelerata grazie a mezzi quantistici su droni abilitati dall’IA, consente analisi quasi istantanee, mentre l’IA filtra i dati per priorità e obiettivi significativi.
L’IA nei posti di comando genererà rotte eseguendo simulazioni multidominio, coadiuvando i comandanti nel valutare rischi e opportunità, permettendo di provare scenari e ottimizzare l’impiego delle forze secondo una forma di wargaming in tempo reale.
In chiave difensiva, l’IA rileverà e bloccherà le intrusioni individuando gli schemi di rete anomali e ricorrenti mentre, in via offensiva, sonderà in automatico le reti avversarie, creando malware e conducendo campagne di denial-of-service. L’IA pronostica i guasti grazie a sensori preinstallati, programmando la manutenzione poco prima che si verifichino le avarie massimizzando la prontezza. Entro il 2030, l’IA abbraccerà l’intero spettro della guerra: controllare la sua integrazione genererà un vantaggio tattico e operativo.
Arrivano gli anti droni
Il settore C-UAS – Counter-Unmanned Aerial System, è passato da soluzione d’emergenza a fondamento della difesa d’area e di punto.
L’uso di sciami a guida autonoma e droni filoguidati in fibra ottica, dunque immuni al disturbo radio, – ha ridefinito le architetture difensive. Attualmente, un sistema anti-drone si affida ad una struttura tecnologica stratificata, ripartita tra catena di rilevamento[38] e catena di neutralizzazione[39]. In questo momento i sistemi C-UAS basati su laser ad alta energia (HEL – High-Energy Laser) rappresentano una delle tecnologie più letali sostenibili per la difesa di punto contro le minacce aeree asimmetriche: A differenza dei sistemi di disturbo elettronico (soft kill), il laser agisce per distruzione strutturale e funzionale diretta (hard kill)[40].
L’evoluzione degli avvenimenti, quanto mai rapida e violenta, ha condotto a novità dottrinarie e pratiche di pari entità. Che la realtà non sia mai stata connotata da tenuità è documentato dalla storia, che testimonia come non ci sia mai stato, di fatto, un periodo scevro da conflitti. Quel che ha vissuto, e sta vivendo ancora oggi l’Occidente, non è meno o più grave di altre contingenze occorse, ma non c’è dubbio che il teatro europeo non possa non dirsi particolarmente critico, non fosse altro che per quanto avvenuto tra il 1914 ed il 1945. L’Ucraina ha suonato repentinamente l’allarme della necessità di un riarmo che, spesso combattuto dialetticamente, conserva intatte le sue caratteristiche, determinate dalle politiche di potenza altrui.
Come in ogni evoluzione che si rispetti, il riarmo ha suscitato istanze ineludibili, connesse all’avanzamento tecnologico dei mezzi bellici, delle dottrine d’impiego sottostanti, delle inevitabili connessioni con gli ineludibili aspetti politico-sociali e giuridici. La filosofia del dual use non ha certo cessato di rivestire la sua rilevanza e, come già accaduto, le novità tecnologiche si sono riverberate nel più peculiare aspetto militare.
L’IA ha fatto dunque il suo ingresso ufficiale nell’agone, dimostrando per intero la sua rilevanza ed assumendo connotati non solo di carattere bellico, ma anche economico, stando così a dimostrare le connessioni tra progettualità, industria, impieghi; in sintesi, la più completa realizzazione della concettualità della R&D, pronta per dominare il presente e prepararsi per il futuro, senza soluzione di continuità.
Mai come ora il dominio dell’informazione è risultato fondamentale, mai come ora i mezzi deputati ad assicurarlo vitali. Il problema risiede semmai nel riuscire a valutare la rilevanza del progresso in termini di prezzo sotto l’aspetto etico e non solo materiale, peraltro interessato al connubio di asimmetrie di carattere finanziario e logistico. Quel che dovrebbe colpire, anche e soprattutto in chiave evolutiva futura, è la presenza di elementi appartenenti a livelli pratici e concettuali diversi eppure tra loro interagenti e necessari alla valutazione di una stabilità che, mai come ora, si ritiene apparente e semmai sempre più in bilico.
Progresso, tecnologia, materiali innovativi, nuove dottrine e richiami giuridici, portano all’universo operativo dei droni che, a loro volta, introducono alle nuove realtà di conflitti combattuti secondo nuovi paradigmi, in cui varia il rapporto con una letalità che si intende ridotta, ma dove l’apporto umano cambia per quantità e modalità.
I conflitti variano e così le loro regole, proiettandosi verso un futuro in cui si delineano nuovi domini e nuove regole. Tanto per rimanere in tema e confermare l’assunto, c’è da registrare l’avvento di nuove realtà connesse alla gestione dei droni e soprattutto alla loro eliminazione. Storicamente la guerra in Iran ha fatto emergere aspetti inediti, specialmente se posti in relazione a Paesi geograficamente lontani, ma concettualmente e bellicamente vicini.
Al momento, non sembra esserci dubbio circa il fatto che l’Ucraina sia emersa quale superpotenza dei droni, non solo in termini ingegneristici e produttivi, ma anche in quanto a dottrina d’impiego ed export di know how. Kiev ha dimostrato che la guerra asimmetrica con droni può concretamente neutralizzare i vantaggi militari convenzionali in modi che in Occidente non erano stati considerati ed i termini di velocità e adattabilità. Di fatto, il campo di battaglia ucraino è diventato un ambiente di test particolarmente impegnativi che non è passato inosservato nel Golfo Persico; Kiev possiede ciò che Regni ed Emirati desiderano di più, ovvero competenza ingegneristica collaudata in battaglia; talenti nel software, nell’elettronica e nella scienza dei materiali e, soprattutto, una predisposizione allo sviluppo forgiata in condizioni precarie.
L’integrazione dell’IA nei sistemi difensivi si è evoluta da strumento di supporto alle decisioni a infrastruttura strategica che plasma la condotta della guerra, visto anche il suo inserimento nel contesto dell’uso dei droni. L’utilizzo dei sistemi di IA nei conflitti segna una fase di sviluppo della guerra moderna, visto che i sistemi di IA stanno diventando moltiplicatori di forza che permettono l’elaborazione delle informazioni ad una velocità impossibile per gli esseri umani. Ovviamente, questa integrazione solleva questioni complesse che riguardano responsabilità, supervisione e quadri giuridici.
[1] L’invasione dell’Ucraina ha costituito un trauma; per la prima volta dal 1989 un attore statuale ha esercitato una forza militare convenzionale su larga scala per modificare i confini, un evento che ha alterato le percezioni di sicurezza europee, riportando all’attenzione scenari di guerra ad alta intensità.
[2] Piattaforme di IA impiegate dall’IDF durante l’invasione di Gaza: The Gospel e Lavender. Il primo analizza i dati raccolti tramite intelligence e sorveglianza per identificare obiettivi infrastrutturali che vengono poi colpiti dall’esercito (circa 100 al giorno); il secondo è un sistema statistico che assegna a ogni individuo presente a Gaza un punteggio relativo alla probabilità di appartenenza a gruppi armati. Per USA e NATO, il più diffuso sistema di supporto decisionale è il Maven Smart System, sviluppato a partire dal 2017 da Palantir ed impiegato anche per gli attacchi contro l’Iran. Maven è sia un sistema di AI assisted targeting, sia una piattaforma di comando e controllo che valuta i diversi report provenienti dalle diverse fonti, con una rappresentazione di ciò che accade sul terreno in tempo reale. Oltre a permettere di navigare i dati ricevendo risposte comprensibili, l’uso dell’AI generativa permette di ottenere consigli su quale azione intraprendere sul campo, capacità testata per la prima volta in Iran.
[3] Wharton School; definisce il fenomeno per cui gli utenti dei modelli linguistici tendono a dedicare sempre meno tempo alla verifica dei risultati; altro fenomeno è quello del de-skilling causato dalla necessità di prendere decisioni sempre più rapide, che spinge a delegare un numero crescente di responsabilità decisionali alla macchina. Questo è reso più complesso dalla tendenza di questi sistemi a dare ragione agli utenti (AI Sycophancy). Mentre nell’automation bias sono gli umani che si fidano troppo della macchina, qui sono le macchine che confermano ciò che gli umani vogliono sentirsi dire.
[4] Nell’Edge AI gli algoritmi vengono eseguiti direttamente sui dispositivi locali anziché essere elaborati all’interno di server cloud centralizzati. L’elaborazione dei dati avviene nel punto più vicino alla fonte che genera il dato stesso. I dati vengono raccolti, analizzati e trasformati in azioni istantanee in loco, senza bisogno di viaggiare in rete. Vantaggi: latenza quasi a zero, aspetto vitale per la reattività di sistemi di difesa e droni; funzionamento offline; sicurezza e riservatezza dei dati; risparmio di banda e costi. Settore navale: sistemi integrati su droni o piattaforme di navigazione che integrano l’algoritmica di bordo.
[5] Unmanned Aerial Vehicle
[6] Vd. Drone drago (o spesso chiamato anche Dracarys) si riferisce a una delle evoluzioni più devastanti e d’impatto psicologico della guerra asimmetrica, comparsa sui campi di battaglia ucraini nella seconda metà del 2024. Non si tratta di un velivolo con una forma particolare, ma di un comune drone multirotore convertito in un vettore d’arma incendiaria. Il drone drago è progettato per trasportare e rilasciare una miscela chimica chiamata termite, composta da polvere di alluminio e ossido di ferro (ruggine). Una volta innescata elettricamente dall’operatore mentre il drone sorvola l’obiettivo a bassissima quota, la termite genera una reazione alluminotermica esotermica e produce una colata di metallo fuso che brucia a temperature comprese tra i 2.000 °C e i 2.500 °C. (Capacità di perforazione di acciaio e blindature). L’uso risponde a specifiche esigenze di ricognizione: defoliazione sistematica che distrugge il camuffamento naturale; impatto psicologico. Profilo Legale Internazionale: l’uso della termite solleva interrogativi giuridici nell’ambito del DIU e del Protocollo III della Convenzione sulle armi convenzionali (CCW), che disciplina le armi incendiarie. Il diritto internazionale non vieta l’uso di armi incendiarie contro obiettivi militari e combattenti.
[7] Powerforce: capacità di raggiungere un determinato obiettivo di combattimento
[8] AWS
[9] Legge di Amara: gli impatti a breve termine sono sopravvalutati, mentre quelli a lungo termine sono sottovalutati. Schemi simili risaltano quando gli imprenditori considerano e presentano nuove tecnologie come l’IA nonostante i risultati contrastanti. Formulata dal futurista e scienziato statunitense Roy Amara la legge recita: Tendiamo a sovrastimare l’effetto di una tecnologia nel breve termine e a sottostimare il suo effetto nel lungo termine. Il principio si articola attraverso tre momenti distinti: l’Hype (Il Breve Termine), il Consolidamento Silenzioso, l’Impatto Profondo (Il Lungo Termine).
[10] Momento storico-etico in cui gli scienziati e i tecnici si avvedono di aver creato una tecnologia talmente potente da poter sfuggire al controllo umano e minacciare l’esistenza stessa della civiltà o ridefinire radicalmente i confini della morale.
[11] La robotica a sciame si classifica in base agli ambienti in cui operano i robot. Sciami terrestri che operano a terra, utilizzati per compiti come ricerca e soccorso, monitoraggio ambientale e automazione dei magazzini. Sciami aerei, robot volanti, spesso droni, utilizzati per sorveglianza, mappatura e valutazione dall’alto (vd. Spettacoli di luce con droni Intel, dove però ogni singolo drone si muove lungo una traiettoria prestabilita, senza alcuna interazione); Sciami acquatici, progettati per ambienti subacquei; Sciami spaziali operano nello spazio per la manutenzione dei satelliti, l’esplorazione degli asteroidi e le missioni spaziali; Sciami ibridi, combinazione di robot terrestri, aerei e acquatici che lavorano insieme in diversi ambienti per compiti complessi e multi-terreno.
[12] Edge intelligence
[13] Le reti neurali moderne hanno evoluto gli algoritmi di flocking basandosi su tre principi vettoriali (Regole di Reynolds) che ogni drone calcola in tempo reale: Separazione, per evitare collisioni con i vicini (spinta verso l’esterno); allineamento, procedendo nella stessa direzione media del gruppo; coesione, muovendosi verso il centro della massa del gruppo per non rimanere isolati.
[14] Vd. Mayhem 10 della AeroVironment, un sistema modulare autonomo, realizzato per operare in contesti in cui il GPS non funziona e le comunicazioni sono carenti e che si avvale di un’architettura aperta polifunzionale. Il Mayhem 10 è un sistema di attacco collaborativo che, grazie a processori IA integrati e reti a maglie mesh sicure, non ha bisogno di un operatore che lo guidi ma si coordina con gli altri guidandosi da solo.
[15] A differenza del normale Wi-Fi i droni utilizzano le Flying Ad-hoc Networks, reti dinamiche dove ogni drone funge sia da terminale che da router; Multi-hop communication in cui il segnale, per viaggiare dalla sorgente alla destinazione finale, non compie un unico tragitto diretto, ma viene intercettato, rigenerato e rilanciato da uno o più nodi intermedi; Auto-riparazione, in cui se un drone cade o si allontana, la rete neurale di bordo ricalcola istantaneamente il percorso del segnale attraverso gli altri droni attivi per non interrompere il flusso di dati. Reti Neurali Compresse, in cui c’è l’Estrazione delle Feature, ovvero il processo che trasforma i dati grezzi iniziali in un insieme di caratteristiche numeriche rilevanti; Consensus Algorithms: i droni usano l’IA per votare su dati apparentemente discordanti giungendo ad una decisione razionale; Broadcasting Distribuito, per cui ogni drone trasmette il proprio stato a intervalli regolari a tutti i droni nel suo raggio d’azione. La comunicazione radio è il punto debole di uno sciame. Le reti neurali sono addestrate a riconoscere comportamenti anomali, per cui se un elemento dello sciame trasmette dati incoerenti con ciò che vedono gli altri, la rete neurale collettiva lo isola.
[16] A differenza delle reti neurali tradizionali che apprendono solo durante l’addestramento, i parametri della rete neurale liquida possono cambiare nel tempo, rendendo i dati sia interpretabili sia più resistenti a situazioni impreviste o, come dicono gli scienziati, piene di “rumore”, ossia informazioni contaminate e non pulite
[17] Possibilità di intercettazione di sciami; il sistema Leonidas, realizzato dalla società Epirus, lancia microonde ad alta potenza focalizzate (HPM) contro sciami attaccanti con un costo finanziario trascurabile. Il sistema sintonizza la lunghezza d’onda delle microonde per aumentare l’efficienza dell’impatto e prevenire il possibile disturbo delle frequenze di attacco. Il sistema è mobile e può essere installato su piattaforme terrestri, navali e aeree. Utilizza microonde pulsate ad alta potenza, generate tramite accelerazione elettronica ad alta frequenza in un dispositivo innovativo combinato con un dispositivo a stato solido in nitruro di Gallio.
[18] Neuroni artificiali
[19] Warren McCulloch e Walter Pitts nel 1943 proposero il primo modello matematico di un neurone artificiale, chiamato logica della soglia. La loro proposta gettò le basi per il successivo sviluppo, tra il ’50 e il ’60, del perceptron, primo algoritmo di riconoscimento di configurazione ispirata al cervello e precursore dei sistemi odierni. Il perceptron è costituito da un singolo strato di neuroni; utile per i problemi lineari, il suo limite sta nell’incapacità di risolvere compiti più complessi. Per risolvere questo problema si è giunti a reti neurali multistrato (MLP), dove integrando uno o più livelli di strati nascosti, si giunge alla composizione di funzioni non lineari affrontando problemi complessi con elevati gradi di approssimazione.
[20] Strato nascosto (o hidden layer), vero e proprio motore della rete. Si chiamano nascosti perché non hanno un contatto diretto con il mondo esterno. Mentre lo strato di input riceve i dati grezzi (i sensi della rete) e lo strato di output fornisce la risposta finale (le decisioni della rete), gli strati hidden si trovano in mezzo, invisibili a chi immette i dati e a chi riceve il risultato. Se una rete neurale avesse solo l’input e l’output, potrebbe risolvere solo problemi matematici semplici e lineari. Gli strati nascosti servono a complicare la geometria della rete, permettendole di apprendere relazioni complesse e non lineari.
[21] Il processo attraverso cui una rete neurale elabora i dati di input per generare un output (una previsione o una classificazione)
[22] Algoritmo fondamentale dietro l’apprendimento delle reti neurali artificiali. Se la propagazione in avanti serve alla rete per fare una previsione, la retro propagazione serve alla rete per imparare dai propri errori e correggersi.
[23] Neurone biologico: ogni cellula elabora i segnali in modo complesso, utilizzando segnali elettrici e chimici, formando migliaia di sinapsi nello spazio tridimensionale. Elabora le informazioni in modo asincrono e con estrema plasticità. Neurone artificiale: struttura matematica semplificata, connessa da strati bidimensionali e con regole fisse. Elabora le informazioni e richiede notevoli risorse computazionali. Entrambi condividono il principio dell’apprendimento basato sull’esperienza e la capacità di adattarsi ai dati non strutturati.
[24] Reti neurali artificiali classiche: Sono le basilari e sono costituite da una struttura a livello di input, diversi livelli nascosti e un singolo livello di output. Reti neurali convoluzionali: progettate specificamente per elaborare dati con struttura spaziale, come immagini o video. Reti neurali ricorrenti: sono progettate per funzionare con dati sequenziali, come testo, audio o serie temporali. Reti neurali profonde: il deep learning è il ramo dell’intelligenza artificiale che utilizza reti con molti livelli (decine o centinaia), consentendo di estrarre rappresentazioni altamente astratte dai dati e di risolvere problemi complessi. Reti neurali grafiche: lavorano con dati organizzati come grafici, ovvero con nodi e relazioni tra di essi. Esistono reti come LSTM e GRU (specializzate nella memoria a lungo termine per dati sequenziali), autoencoder (apprendimento non supervisionato di rappresentazioni), reti di Hopfield, Boltzmann, reti di produttori di pattern, reti neuro-fuzzy (tecnologia ibrida che unisce il meglio di due mondi dell’Intelligenza Artificiale: le reti neurali artificiali e la logica fuzzy o logica sfumata).
[25] Capacità e convergenza
[26] Droni FPV (First Person View) modificati per scopi tattici con un costo che oscilla tra i 500 e i 1.000 euro, fino ai droni kamikaze a lungo raggio della classe Shahed/Geran, stimati tra i 20.000 e i 40.000 euro.
[27] Knowledge Distillation: tecnica che estrae le capacità di un modello di IA avanzato e costoso (Master/Teacher) e trasferirle in un modello molto più piccolo, leggero ed economico (Allievo/Student). Chiunque può così ottenere un’IA performante aggirando gli investimenti in R&D e supercalcolo necessari a addestrare un modello da zero. Tecniche: Interrogazione massiva grazie a proxy che inviano milioni di domande a modelli più avanzati; jailbreaking, che forza i sistemi.
[28] L’Ucraina opera con centinaia di piccole unità di produzione indipendenti e gruppi di programmatori volontari.
[29] Il vantaggio ucraino risiede nel sistema di gestione del campo di battaglia Delta, dove i dati vengono integrati in un’unica mappa digitale sfruttando il vantaggio tattico che si sostanzia in una decisiva riduzione della kill chain (il tempo tra avvistamento e distruzione) a meno di 30-60 secondi.
[30] Negli ultimi 500 metri, il drone può perdere il segnale radio (causa jamming) ma continua la corsa autonomamente usando la visione artificiale.
[31] Ciclo di retroazione
[32] Il Test Bed (banco di prova) è un ambiente isolato, controllato e protetto in cui si testano nuove tecnologie o dottrine operative per valutarne la fattibilità, la sicurezza e le prestazioni, prima del dispiegamento su larga scala. Quando questo concetto diventa globale, muta l’orizzonte, per cui si giunge all’integrazione di domini diversi considerando le condizioni reali puntando all’Interoperabilità. Il Feedback Loop, che alimenta il Test Bed, è il processo circolare in cui l’output viene analizzato e reinserito nel sistema come input per migliorarlo. Mentre i sensori sul campo catturano qualsiasi anomalia del sistema sotto esame, in tema di IA il feedback loop permette al sw di imparare dall’ambiente operativo correggendo gli errori.
[33] L’Ucraina ha dimostrato che quantità e sw battono le corazze grazie a target prioritization, evoluzione delle tattiche, passaggio da attacchi singoli a sciami. Negli ultimi anni Kiev ha iniziato a impiegare coordinatamente i droni con mothership drone e tattiche di saturazione. L’addestramento ucraino ha capitalizzato le competenze civili esaltando le gaming skills dei piloti tramite simulatori sw.
[34] Nel marzo 2026, l’Ucraina ha stretto accordi per fornire i propri dati di addestramento IA alle potenze NATO in cambio di hardware avanzato.
[35] Vd. saturazione delle difese per esaurire le scorte di missili intercettori, ed economia di attrito, che ha l’obiettivo di esaurire le risorse finanziarie e industriali avversarie.
[36] Motherships: grandi velivoli (come il Boeing CH-47 Chinook o cargo modificati) vengono ora utilizzati come portaerei volanti per lanciare e recuperare sciami di droni a ridosso del fronte.
[37] Intendasi per salva
[38] Si occupa dell’identificazione di oggetti con una sezione radar equivalente (Radar Cross Section – RCS) ridottissima, che volano a bassa quota e a bassa velocità. Si avvale di: Radar AESA (Active Electronically Scanned Array) Tridimensionali; Sensori a Radiofrequenza; Sistemi Ottici ed Elettro-Ottici; Sensori Acustici
[39] Una volta acquisito il bersaglio, l’architettura C-UAS decide come neutralizzarlo. Soluzioni Soft Kill (Interferenza Elettronica): puntano a interrompere i collegamenti logici del drone senza distruggerlo fisicamente (Jamming Direttivo e Omnidirezionale, Spoofing, Cyber-Takeover). Soluzioni Hard Kill (Distruzione Cinetica e Funzionale). Diventate indispensabili contro i droni a guida autonoma basati su IA (che non usano radiofrequenze) o contro i droni guidati da micro-cavi in fibra ottica (Armi a Energia Diretta (Laser e Microonde – HPM), Munizioni Programmabili (Airburst), Droni Intercettori (Drone-contro-Drone))
[40] Il principio di un laser anti-drone non è l’impatto cinetico ma il trasferimento di energia termica concentrata. Il sistema concentra un fascio di fotoni su un punto millimetrico del bersaglio, innalzando la temperatura superficiale a migliaia di gradi in pochissimi secondi. Il processo di neutralizzazione segue tre fasi distinte: Rilevamento e Tracciamento; Compensazione Atmosferica; Danno Termico/Latenza sul Bersaglio. L’adozione dei sistemi laser offre vantaggi strategici innovativi: costo per colpo irrisorio, caricatore infinito, velocità d’ingaggio alla velocità della luce, Assenza di danni collaterali cinetici. Limiti tecnologici e vulnerabilità: Dipendenza dalle condizioni meteo (Degradazione del Fascio), ingaggio singolo (Line of Sight), contromisure passive.
