2023年8月31日，美空军发布《人工智能和下一代分布式指挥控制》广泛机构公告，希望探索新的并推动现有的人工智能能力和分布式指挥控制概念发展，计划在五年内拨款 9900 万美元。该项目将通过开展基于人工智能的分布式指挥控制的研发、集成、测试和评估等工作，提升美空军和联合部队在战略、战役和战术层面的指挥控制能力，为联合全域指挥控制提供支持。
1 发布背景
美空军认为，在未来强对抗环境中，现有空中力量的集中运用模式已无法发挥最大效能。美空军正向分布式作战转型，单一庞大的指挥控制节点将转变为多个分布式的指挥控制节点，同时加快发展分布式指挥控制能力，人工智能、机器学习等技术将在其中发挥重要作用，是未来指挥控制系统的关键要素。发展基于人工智能的新型分布式指挥控制能力将有助于美空军实现战略决策优势。
2 主要技术需求
该公告针对8个技术领域提出了需求：
1）人工智能系统的指挥控制，实现任务定制的人工智能
目前人工智能/机器学习解决方案都是采用静态方法，面对不断变化的任务环境和对手，无法预先训练出一个能处理所有情况的人工智能系统。因此需要发展面向任务、可定制的人工智能模型，并能够在执行过程中不断对其进行评估和修正。该技术领域的目标是实现人工智能模型的战斗管理概念，重点关注：开发战斗管理工具，设计、训练、选择和部署任务定制的人工智能系统；探索如何使用战斗管理和决策支持工具来帮助对运行中的人工智能进行管理。
2）联合、可组合的自主和人工智能工具箱
由于缺乏通用标准及使用不同的人工智能工具，使得人工智能组件之间的协作面临挑战。该技术领域的目标是开发工具、数据和程序，演示人工智能能力的高级联合部署和生命周期管理，重点包括：研究人工智能相关的数据、算法、模型、评估和部署的通用标准；开发和测试工具包，支持人工智能/机器学习组件的第三方开发和不同人工智能/机器学习组件的互操作；工作流引擎，促进人工智能/机器学习组件的编排、协调和组合。
3）高级兵棋推演智能体
兵棋推演和模拟为探索和检验作战概念、探究作战场景、评估作战计划等提供了重要手段。由于没有重用AI智能体的方法，导致在开展新的模拟或兵棋推演时需要重新部署。该技术领域关注建立统一智能体环境的通用方法、用于各类兵棋推演的新型AI智能体、评估基准和博弈环境等，目标是为战役级计划制定建立一个通用架构，并支持核心AI功能的重用。
4）用于C4I的交互式学习
目前美军正努力将人工智能/机器学习方法应用于C4I领域，但是面临着巨大的数据和人力监督的挑战。交互式学习采用人在环中或人在环上的方式快速训练模型，是一种高效的机器学习方法。该技术领域关注将交互式学习应用于规划制定、行动方案生成、图像分析以及推动高保真的建模和仿真环境发展等方面。
5）C2复杂性优势
该技术领域重点研究如何利用作战的复杂性。通过精准地运用非赛博手段增加对手所面对的复杂性，可以影响对手对战场空间的理解及其最终决策和行动。该技术领域关注开发、建模、部署和评估这些技术，即能够将复杂性施加于对手一方的作战人员和AI智能体，最终影响对手的决策和行动。
6）生成式AI 应用于C4I
该技术领域关注基于学术界和工业界生成式人工智能的成功应用，探索在C4I和空军领域使用生成式人工智能的潜在优势，包括使用ChatGPT加强对非结构化数据的利用等。
7）软件定义的分布式指挥控制
美空军敏捷作战运用概念通过分散部署指挥控制功能和资源，提高生存能力并保持弹性，在高动态环境中如何协调执行过程和管理分散的资源成为难题。该技术领域重点研究优化和编排分布式指挥控制节点，以及相关指挥控制流程、职能和分散的资源，目的是取代以人工方式在分布式指挥控制节点之间协调计划制定和行动过程；该技术领域还关注能够使美空军在竞争环境中有效利用可用的分布式资源的方法。
8）战术人工智能
已经部署并投入作战使用的移动终端用户设备具有成熟的感知能力，可以借助TAK生态系统来探测和定位感兴趣的信号，包括全球导航卫星系统(GNSS)干扰器、蜂窝干扰器、Wi-Fi、战术无线电和民用无人机等。该技术领域的目标是开发、演示和评估高效指挥控制协议以及智能集中控制流程的可扩展性，实现对相关信号的分布式检测和地理定位。
3 结语
为适应未来的强对抗环境，美空军将“集中指挥、分布式控制和分散执行”作为空中力量运用的原则，从根本上改变现有空中力量的运用方式，确保空中力量在竞争或降级环境中仍能够发挥其作用。以人工方式协调分布式指挥控制节点之间的计划制定和行动过程，已无法适应未来战场节奏，采用人工智能技术成为实现分布式指挥控制的重要途径。
声明：本文来自防务快讯，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
