Дигитални умения за AI ерата

Дигиталната компетентност, kaто стратегически ресурс в ерата на изкуствения интелект

Интелигентността не е способността да трупаш знания, а да знаеш къде да ги откриеш. – Алберт Айнщайн

В епохата на ускорена дигитализация и динамични заплахи за националната и международната сигурност дигиталните компетенции се открояват като стратегически активи на всяка една организация или държава . За хората които работят в сферата на сигурността и отбраната това е още по-важно, защото цифровите технологии са от критична необходимост за гарантиране на националния суверенитет [1].

Разбирането за дигиталните умения еволюира значително през последните две десетилетия. Още през 2006 г. Европейският съюз признава дигиталната компетентност за една от осемте ключови компетенции за учене през целия живот, наред с езиковата и многоезикова компетентност, STEM компетентностите, личната и гражданска компетентност, културната осведоменост и предприемачеството[2]. Ала-Мутка отбелязва, че развиването на дигиталната компетентност е непрекъснат процес, който преминава през три нива – от инструментални умения, формиращи дигитална грамотност, до най-високото стъпало на критично и отговорно прилагане на технологиите, което води до дигиталната компетентност (Ala-Mutka 2011).

Дигиталната грамотност представлява съвкупност от дигитални умения, осигуряващи ефективно използване на информационните и комуникационните технологии. Дигиталните умения са съставни елементи на дигиталната грамотност, а в комбинация с аналитично и творческо мислене изграждат дигиталната компетентност.

Фигура 1. Дигитална компетентност, грамотност и умения

1.1.         Европейска рамка за дигитални компетентности (DigComp)

Европейската рамка DigComp дефинира дигиталната компетентност като „набор от знания, умения и нагласи, необходими за уверено, критично и отговорно използване на информационните и комуникационните технологии“ (Vuorikari, Kluzer & Punie 2022). Тази рамка е основният инструмент за измерване на дигиталните умения от 2013 г. насам. През 2022 г. беше приета DigComp 2.2, която добави над 250 нови примера за знания и умения, включително по темите за дезинформацията и киберсигурността. Поради бурното развитие на изкуствения интелект в края на 2024 г. излезе DigComp 3.0 в синхрон с новото европейско законодателство – Регламента за изкуствения интелект (AI Act)^[3], Акта за киберсигурност^[4] и Акта за цифровите услуги^[5].

Стратегическите политики на ЕС – Digital Compass^[6], Digital Decade^[7] и инициативата Union of Skills^[8] – определят пет основни области на дигитална компетентност, пряко приложими в сектора на отбраната:

• 1. информираност и грамотност по отношение на данни – търсене и филтриране на информация, управление на данни;
• 2. комуникация и сътрудничество – споделяне чрез облачни услуги, етикет в мрежата, дистанционна работа;
• 3. създаване на дигитално съдържание – включително използване на AI аватари и интерактивни графики;
• 4. безопасност и отговорна употреба – киберсигурност, защита на лични данни, цифрово благополучие;
• 5. критично мислене и решаване на проблеми – анализ на информация, програмиране, изчислително мислене.

Фигура 2. Области на дигитална компетентност според DigComp 3.0

В рамката за дигитална компетентност, показана на фигура 2, се измерват 21 основни компетентности в 8 нива на владеене: два вида базово ниво, средно ниво, ниво за напреднали и силно специализирано ниво (Vuorikari, Kluzer & Punie 2022). Според обновената рамка DigComp 3.0 ефективната интеграция на изкуствения интелект изисква нов тип компетенции, които надхвърлят фундаменталната дигитална грамотност (COSGROVE, J.; CACHIA R., 2025).

Тези компетенции се оценяват по четири ключови компонента:

• познаване на принципите и разбиране как функционира AI;
• практическо прилагане и умение за ефективно използване на AI инструменти;
• оценяване и критичен анализ на генерираните от AI решения;
• етика и отговорна употреба, разбиране на социалното въздействие и избягване на пристрастия в алгоритмите.

За поддържане на високо ниво на дигитална компетентност сред военнослужещите е необходимо постоянно обучение и развитие на личния състав. Това включва създаване на нови учебни програми и практически тренировки по алгоритмично мислене, умения за създаване на правилни инструкции за AI, анализ на данни, работа с лични данни, създаване на съдържание с AI инструменти, разпознаване на дезинформация и етично използване на изкуствения интелект.[9]

Фигура 3. Практики за натрупване на умения при работа с AI

В рамките на настоящото изследване е създаден инструмент за бърза самооценка на дигиталните умения – тест, представен в Приложение 1, който се базира на адаптиран и опростен вариант на индикаторите, формулирани в европейската рамка DigComp. Този инструмент осигурява структурирана и обективна основа за идентифициране на индивидуалните силни страни и зони за усъвършенстване, като същевременно създава предпоставки за системна работа по надграждане на дигиталната и AI грамотност в сигурността и отбраната.

С развитието на технологиите фундаменталната грамотност постепенно се надгражда, като преминава през етапите на компютърно мислене, дигитално гражданство, медийна и информационна грамотност, за да се превърне в съвременна AI грамотност. През етапа на компютърното мислене хората разбират, че вече не им е достатъчно просто умение за четене, а се нуждаят от разбиране на алгоритми и автоматизиране на процеси. След това социалното общуване от физическия свят се превръща в дигитално гражданство. Способността за разбиране на текст се разширява до критичен анализ на съдържанието и медийна грамотност, която позволява различаване на дезинформацията.

 В сферата на отбраната значението на посочените умения нараства многократно, защото внедряването на изкуствен интелект позволява автоматизация на административни процеси, оптимизация на логистиката, усъвършенстване на анализите в реално време, подобряване на разузнаването, въоръжението и защитата на критична инфраструктура.

Европейската рамка DigComp не е единствената система за оценка и развитие на дигитални компетенции. Във военния контекст съществуват специализирани рамки, които допълват или адаптират DigComp за специфичните изисквания на отбраната и националната сигурност. DAPA-HR (Digital Acceleration Program for Advanced Human Resources) например поставя специален акцент върху AI-human teaming – способността на военнослужещите да работят ефективно с AI системи като партньори, а не просто като потребители на инструменти. Това изисква развитие на метакогнитивни умения – разбиране кога да се довериш на AI препоръка и кога да задействаш човешка преценка, а ICDL (International Computer Driving Licence) предоставя стандартизирана основа, върху която могат да се надграждат специфичните военни компетенции.

NATO Digital Transformation Framework предоставя собствена рамка за цифрова трансформация, адаптираща DigComp за нуждите на Алианса. В нея компетенциите са структурирани около способността за действие едновременно в космоса, киберпространството, въздуха, сушата, морето и информационното пространство. Мултидомейн операциите изискват умение да се интегрират данни от различни среди. Има необходимост както от стандартизирани компетенции, гарантиращи, че военнослужещи от различни страни могат да работят заедно в мултинационални сили, така и от хибридни компетенции – умения за работа с цифрови и с аналогови резервни системи.

Връзката между дигиталните компетентности и съвременните разбирания за интелект става все по-значима, особено на фона на разширяващата се роля на изкуствения интелект. За да се овладеят AI компетенциите, е необходимо базово разбиране на разликата между човешки и изкуствен интелект – не като технически детайл, а като основа за критична оценка на AI възможностите.

Фигура 4. Компоненти на AI грамотност

1.2.         От дигитална компетентност към AI интелигентност

Интелигентността на животните се определя като комбинация от умения и способности, които им позволяват да преживяват и да се адаптират към специфичната си среда (Shettleworth 2010). Най-често се дават примери за животинска интелигентност с октоподите, делфините, враните и шимпанзетата, като общото между тях е наличието на сложна нервна система и мозък.

Човешкият мозък съдържа около 86 милиарда неврона и е структуриран в отделни области на функциониране (Herculano-Houzel 2009). Вероятно стремителното нарастване на обема на човешкия мозък преди два милиона години е свързано с преминаването от индивидуално към социално поведение и развитието на езика (Dunbar 1998).

Фигура 5. Еволюция на човешкия мозък

Една от първите дефиниции за интелигентността е на Карл Берейтър, който я определя като това, което използвате, когато не знаете какво да правите (Bereiter & Scardamalia 1993). Роберто Колом дефинира интелигентността като общата умствена способност за разсъждение, решаване на проблеми и самообучение (Colom, Stein et al. 2013). Интелигентността се разбира като способност за учене от опита, решаване на проблеми и адаптиране към средата. Робърт Стърнбърг разграничава три вида интелигентност: аналитична, творческа и практическа (Sternberg 1985). Напоследък се обръща сериозно внимание и на емоционалната интелигентност като основен фактор за социалната адаптация (Goleman 1995).

Ключово за компетентността е, че човешкият интелект интегрира емоционална и етична дименсия, позволяващи стратегическо мислене и автентично творчество. Фундаменталната разлика между човешкия и изкуствения интелект се състои в наличието на съзнание, което обуславя реакции, базирани на вътрешна мотивация и субективна ценностна система. Това определя границите на отговорност при вземане на решения с AI подкрепа.

Изкуственият интелект е научна област от компютърните науки, насочена към проектирането на системи, способни да изпълняват задачи, които традиционно изискват човешка когнитивна намеса (Simon 1969). По тази причина учените дефинират AI като способност на цифровата машина или компютъра да изпълнява задачи, като имитира интелигентни същества (Russell & Norvig 2021).

Важно е да се разбере, че макар AI системите да дублират функции на човешкия интелект, те използват коренно различни методологични подходи. Днешните модели са предимно обучени алгоритми, които работят с масиви от данни и висока изчислителна мощ, за да симулират разбиране на сложни ситуации с минимална човешка намеса. Основните характеристики, които ги отличават от биологичния интелект, включват липса на емоционален интелект, флуиден коефициент на интелигентност (AI не притежава фиксиран IQ) и прецизност при големи данни (LeCun, Bengio & Hinton 2015).

Изкуственият интелект преминава през три еволюционни фази на развитие (Goertzel & Pennachin 2007):

● Изкуствен интелект с тесен (ограничен) интелект (ANI – Artificial Narrow Intelligence) – текущото състояние на технологията. Това е ограничен изкуствен интелект, който може да изпълнява само конкретни задачи. Типичен пример е системата Deep Blue на IBM, победила световния шампион по шахмат Гари Каспаров през 1997 г. (Campbell, Hoane & Hsu 2002). След това дойде ред на известната и доста по-трудна китайска игра Го. През 2016 г. Google DeepMind успя да победи най-добрите професионалисти на тази игра със своята програма AlphaGo (Silver et al. 2016). Обаче програмата, която победи Каспаров, не може да победи шампиона на Го и обратното – тези ограничени типове изкуствен интелект блестят във всяка конкретна задача, но не могат да постигнат нищо извън областта, в която са тренирани. За военния специалист е критично да разбира, че работи с ANI системи – мощни в специфични задачи, но изискващи човешки надзор и валидация.

● Обобщен универсален изкуствен интелект (AGI – Artificial General Intelligence) – следващият етап от еволюцията, който може да изпълнява широк кръг от задачи. Той притежава елементарна форма на самосъзнание и подобрени умствени способности, които го правят сравним с човешкия интелект (Goertzel & Pennachin 2007). AGI представлява теоретична система с интелектуални способности еквивалентни на човешките, умееща да трансферира знания между различни области.

● Изкуствен суперинтелект (ASI – Artificial Superintelligence) – последната фаза, в която машината надминава колективния човешки интелект във всички сфери (Bostrom 2014). Това е хипотетична точка на „технологична сингулярност“, при която AI системите стават способни да подобряват себе си експоненциално, изпреварвайки човешките възможности за контрол.

Фигура 6. Технологична сингулярност

Една деликатна тема за бъдещето на изкуствения интелект е хипотезата за технологичната сингулярност. В основата на тази идея е допускането, че съществува огромна разлика в темповете на развитие на човешкия и напредъка на машинния интелект (Kurzweil 2005). В книгата „Сингулярността е близо“ той се аргументира с експоненциалния растеж на изчислителната мощ. Законът на Мур предсказва ежегодно удвояване на капацитета. До достигането на физическите си граници капацитетът на интегралните схеми вероятно ще продължи да нараства, доближавайки се до изчисли-телната мощ на човешкия мозък и ще продължи да се удвоява всяка годи-на. (Кърцуайл 2025). Хронологията на Кърцуайл за еволюцията предвижда, че през 2029 г. ще достигнем нивото на AGI, а през 2045 г. – сингулярността, при която AI ще е по-добър от хората във всички задачи.

Идеята за технологичната сингулярност предполага, че поради бързото развитие на технологиите в определен момент изкуственият интелект ще се доближи до човешкия и двата ще се интегрират. Тази интеграция би могла да доведе до експоненциално нарастване на интелектуалните възможности на човека. Поради тази причина Илон Мъск инвестира значителни средства в компанията Neuralink, която се опитва да помогне за осъществяването на идеята за сингулярност с помощта на чипове в човешкия мозък (Musk 2020). При успех тези технологии биха могли да облекчат условията на живот на пациенти, страдащи от болестта на Паркинсон или различни видове парализа.

Макар оптимистичните прогнози да сочат бързо постигане на AGI, научната общност идентифицира няколко критични проблеми (Marcus & Davis 2019):

• – първият е енергийната ефективност на настоящите големи езикови модели (LLM), които консумират между 1 и 10 kWh на милион токена. В контраст, човешкият мозък функционира с константна мощност от около 20 W. Постигането на биологична ефективност изисква хилядократно подобрение в архитектурите или преминаване към нови парадигми (Patterson et al. 2021);
• – вторият е насищането с данни – моделите изчерпват наличните качествени текстови данни в интернет. Истинският AGI изисква преход към обучение в реални физически взаимодействия и мултимодално разсъждение (Villalobos et al. 2022);
• – изчисление в тестово време – пробиви като OpenAI o1 показват, че логическото мислене се подобрява, когато моделът разполага с повече време за „размисъл“. Това обаче създава латентност, която е неприложима в реално време за автономни системи (Wei et al. 2022).

Изкуственият интелект в момента широко се употребява от търсещите машини в интернет, спам филтрите, социалните мрежи и навигационните приложения, но в бъдеще неговата употреба ще нараства значително. В основата на това твърдение е превръщането на изкуствения интелект в съществен икономически фактор. Затова в близко бъдеще се очаква да има пробив в автономните превозни средства (autonomous vehicles) и метавселената (metaverse).

Изследвания от 2024 г. сочат значителна диференциация в приемането на AI технологиите. Докато в САЩ внедряването на генеративен AI е достигнало 45,9%, в Европа и конкретно в българските въоръжени сили, процесът е забавен от социално-икономически и технически бариери (Singla et al. 2024). Трансформацията не означава пълна замяна на човека, а промяна в ролята на специалиста към дейности с висока добавена стойност – стратегическо планиране и етичен контрол. В контекста на отбраната, дигиталната трансформация превръща информационната среда в ново, динамично бойно поле.[10]

Отличен пример за малка държава, достигнала стратегическо предимство чрез всеобхватна цифрова трансформация и масови инвестиции в дигитална компетентност, е Естония. Това е първата държава, предложила „електронно гражданство“ (e-Residency), като успешно прилага уменията, заложени в рамката DigComp. В областта на информираността и управлението на данни естонската отбрана използва X-road – децентрализирана платформа за обмен на данни между държавни агенции. Военният персонал в Естония може да използва кръстосан AI анализ на данни, като комбинира информация от МВР, здравеопазване и отбраната. След мащабната кибератака през 2007 г. – първата по рода си кибервойна срещу държава – Естония разви уникална култура на „киберхигиена“. Всеки военнослужещ преминава редовно обучение за разпознаване на усъвършенствани постоянни заплахи (APT – Advanced Persistent Threat). Критичното мислене е друг ключов компонент на естонския подход. Иновативната концепция data embassies – сървъри, разположени в чужди държави и съхраняващи критични национални данни – изисква от командирите да разбират в дълбочина правните и техническите аспекти на облачната сигурност.

Друг пример е войната в Украйна – първият мащабен конфликт, където AI инструменти са достъпни за масова употреба от двете страни. Украинските сили използват AI за бързо генериране на пропагандни материали, но също така за автоматизирано разпознаване на руски военни единици от сателитни снимки. Това изисква компетенции по prompt engineering за създаване на съдържание с точно формулиране на заявки към AI системи. С помощта на уменията за критично мислене и оценяване украинските аналитици разработиха методи за валидация на AI генерирани разузнавателни данни, комбинирайки автоматичен анализ с човешка експертиза. Приложението Signal и различни AI базирани инструменти за превод позволиха координация между украински сили и международни доброволци без общ език. И двете страни използват deepfake технологии за дезинформация. Украинските военни получиха обучение за разпознаване на манипулирани видеа – приложение на медийната грамотност в бойни условия. Урок за България е, че AI компетенциите стават критични за оперативното превъзходство в реален конфликт, но изискват баланс между автоматизация и човешки контрол.

Съединените американски щати създадоха Project Maven – първата мащабна военна програма за интеграция на AI в бойни операции, фокусирана върху анализ на видео от дронове. Системата обработва милиони часове видеозаписи, които човешки аналитици не могат да прегледат. Военният персонал трябва да формулира правилни заявки към системата и да интерпретира нейните оценки на сигурност. Проектът предизвика вътрешни протести в Google, което доведе до приемането на етични принципи за изкуствен интелект в министерство на отбраната на САЩ[11].  Това наложи нов компетентностен слой – способността на офицерите да оценяват етичните аспекти на препоръки, дадени от AI. Компетентността се състои в разбиране кога AI е надежден (разпознаване на превозни средства) и кога не (разпознаване на намерения в тълпа). Това води до урок за нас, че внедряването на AI в бойни системи изисква предварително изграждане на етична рамка и компетенции за отговорно вземане на решения, а не само технически умения.  Дигиталната компетентност в ерата на изкуствения интелект обединява традиционни дигитални умения с нови компетенции, свързани с разбирането и прилагането на AI технологии. Европейската рамка DigComp 3.0 предоставя структуриран подход за оценка и развитие на тези компетенции, който е пряко приложим в сектора на сигурността и отбраната. Разграничаването между човешки и изкуствен интелект е от съществено значение за разбирането на възможностите и ограниченията на AI системите. Докато човешкият интелект се характеризира със съзнание, емоционална интелигентност и етика, изкуственият интелект предлага прецизност при обработка на големи данни и способност за автоматизация на специфични задачи. Внедряването на AI в отбраната изисква системен подход към обучението на персонала, развитие на критично мислене и етична рамка за отговорна употреба на технологиите. Бъдещото развитие на AI ще продължи да трансформира отбранителните способности, като същевременно поставя нови предизвикателства пред сигурността и стратегическото планиране

---

[1] European Commission. 2023. Digital skills. Shaping Europe’s digital future. https://digital-strategy.ec.europa.eu/en/policies/digital-skills

[2]^. EUROPEAN PARLIAMENT, 2006. Recommendation on Key Competences for Lifelong Learning. Official Journal of the European Union, L 394/10.

[3] EUROPEAN PARLIAMENT, 2024. Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union.

[4] EUROPEAN PARLIAMENT AND THE COUNCIL, 2024. Regulation (EU) 2024/2847 on horizontal cybersecurity requirements for products with digital elements (Cyber Resilience Act). Official Journal of the European Union.

[5] EUROPEAN PARLIAMENT AND THE COUNCIL, 2022. Regulation (EU) 2022/2065 on a Single Market for Digital Services (Digital Services Act). Official Journal of the European Union.

[6] EUROPEAN COMMISSION, 2021. 2030 Digital Compass: the European way for the Digital Decade. Communication from the Commission to the European Parliament, the Council, the European Economic and Social Committee and the Committee of the Regions.

[7] EUROPEAN COMMISSION, 2022. The Digital Decade Policy Programme 2030. Decision of the European Parliament and of the Council establishing the policy programme 2030.

[8] EUROPEAN COMMISSION, 2025. Union of Skills. European Commission initiative/communication on skills, upskilling and reskilling.

[9] NATO, 2023. Digital Transformation in Defence. NATO Standardization Office: Brussels

[10] NATO, 2023. Digital Transformation in Defence. NATO Standardization Office: Brussels

[11] Официалното съобщение за пресата със заглавие „Department of Defense Adopts Ethical Principles for Artificial Intelligence“, публикувано на 24 февруари 2020 г., е достъпно на следния адрес: https://www.defense.gov/Newsroom/Releases/Release/Article/2091996/dod-adopts-ethical-principles-for-artificial-intelligence/.