2024年美军实战验证：AI技术引领空战决策革新

2024年美军实战验证：AI技术引领空战决策革新

2024年2月，美军在对伊拉克和叙利亚境内超过85个目标进行空袭时，首次在实战中应用了计算机视觉等人工智能技术。这些技术源自于美国防部2017年启动的马文（Maven）项目，能够自主识别物体，帮助美军从中东地区的敌对势力处寻找大量的火箭发射器及其他威胁，显著提高了美军的作战效率。这一实战应用标志着人工智能在空战决策中迈出了重要一步。

随着人工智能和机器学习技术的快速发展，它们在军事领域的应用也日益广泛，特别是在空战决策中展现出巨大的潜力。现代人工智能的发展主要得益于低成本图形处理单元（GPU）的普及，这些GPU最初是为满足视频游戏需求而开发的。GPU的大规模并行处理能力使得机器学习软件得以广泛应用。机器学习虽然不是一个新概念，但只有在结合GPU和大数据库后，才能在大规模应用中变得实用和经济可行。

在军事领域，战场物联网（IoBT）通过固定和移动设备收集大量信息，并将其传输到远程AI计算机进行处理。为了应对海量数据的挑战，边缘设备可以实时评估数据，只将最重要的信息转发到云端，从而节省存储和带宽资源。目前，许多边缘计算任务都是通过AI芯片完成的。这些芯片体积小、成本低、功耗低、发热量小，可以轻松集成到各种设备中。

当前的作战概念正在从传统的单域作战向多域作战转变，涵盖陆地、海洋、空中、网络和太空等多个领域。"融合"概念强调友军应该能够在任何领域攻击敌方单位。例如，陆军可以与海上舰船交战，空军则可以同时攻击空间资产和网络目标。这种多域作战概念摒弃了传统的线性杀伤链，转而采用多路径的杀伤链。新兴的"马赛克"结构通过IoBT领域的数据流创建一个杀伤链网络，能够动态选择最佳任务路径。这种结构提供了高度弹性的网络，具有冗余节点和多个杀伤路径。这种跨领域思维进一步演变为"扩展机动"的概念。

在重大冲突中，实现这些复杂作战概念的关键在于使用带有机器学习的AI自动化系统。AI的主要优势在于能够快速识别模式并检测隐藏在IoBT收集的大型数据库中的目标。这将使得隐藏变得更加困难，而瞄准则变得更加容易。然而，AI也存在一些问题，如容易被愚弄、缺乏鲁棒性、知识迁移能力差以及对数据的依赖等。

AI和机器学习在空战决策中的应用主要受到技术和作战需求的影响。以下是三种可能的决策方案：

John Allen和Amir Husain提出了超级战争的概念，其中AI可以实现以机器速度进行战争。在这种模式下，战术决策周期将被缩短到几分之一秒，使能够更快做出决策的一方获得决定性优势。

在空战决策中，著名的观察-定向-决策-行动（OODA）模型提供了一个有用的框架。AI将用于IoBT设备的边缘计算，将数据融合成综合图景。在"定向"阶段，AI将在战斗管理系统中发挥作用，生成近实时的空中画面并预测敌方机动路线。在"决策"阶段，AI将处理友方防空部队的可用性，生成待攻击目标的优先列表。人类指挥官将对这些决策进行审批，以确保符合武装冲突法并检查AI的决策。经人工批准后，"行动"阶段的AI将自动分配武器并传递目标数据。

随着OODA技术的扩散，友军和敌军都可能具备超级战争的能力。因此，OODA模型可能需要改变。AI可以结合环境数字模型和高质量的"发现"数据，预测对手的未来行动，并提出最佳应对方案。

在这种模式下，决策过程可以分为"感知-预测-同意-行动"。AI首先感知战场环境，然后预测敌军可能的行动并提出建议。人类指挥官进行审批后，AI将通过机器对机器指令执行行动。这种方案的目标是在敌军之前抢占主动权。

另一种方案是尝试减慢对手的决策速度。支持AI的"傻瓜"系统可以分散在战场上，通过传输不同保真度的信号创建复杂的电子诱饵模式。这些系统可以安装在无人机或无人驾驶地面车辆上，目的是通过创建误导性或混乱的战场画面来击败对手的"发现"系统。

AI"傻瓜"系统还可以与欺骗行动结合使用。例如，多架无人机可以发送友军战斗机的电子签名，使敌军难以分辨真假。这种方案的目标是通过制造混乱来干扰敌军的决策过程。

2024年3月，美国士兵在加利福尼亚州欧文堡进行人机集成演示。在演示中，投掷机器人向对手阵地开火，为机动进入村庄的部队提供掩护；四足狗机器人在危险环境中开展侦察，使远处监视的士兵获取现场场景；配备扫雷索装置的地面机器人沿着敌方战线部署等。陆军目前已做好推进人机一体化编队准备，并在2024财年预算请求中首次为这些编队申请资金，以资助通过样机设计推动概念发展，并使士兵能够在演习和实验中对其进行评估。

2024年8月，美陆军第101空降师第2旅在联合战备训练中心进行轮换时，展示了一款名为Shrike的新应用程序，该程序可在1分钟内基于少量信息识别目标，并发送开火命令，而这一流程在过去需要15分钟。该应用程序由美陆军未来司令部陆军软件工厂研发，可利用每架无人机预装的人工智能能力。士兵们使用装有连接设备和软件的无人机飞越对手车辆调度中心，以扫描对手的车辆，一旦数据处理完毕，随后无人机就可通过裸露的车轮、保险杠或挡风玻璃等部位，识别出伪装的车辆及类型，然后该程序会自动生成火力打击呼叫任务。一旦火力打击任务完成，无人机就可以立即扫描该区域，进行作战评估并生成另一个火力任务打击未摧毁的目标。

AI在空战决策中的应用带来了显著的优势：

1. 快速决策：AI能够以毫秒级的速度处理海量数据，快速识别目标并生成决策方案。
2. 多域协同：通过IoBT实现跨域信息融合，支持多域作战概念的实施。
3. 智能预测：基于机器学习的预测能力，能够提前预判敌方行动，抢占先机。
4. 降低成本：通过自动化和智能化减少人力需求，降低作战成本。

然而，AI也面临一些挑战：

1. 易被愚弄：AI系统可能被敌方的电子战手段欺骗，产生错误决策。
2. 数据依赖：AI的性能高度依赖于数据质量，数据不足或污染会影响决策准确性。
3. 缺乏解释性：复杂的AI模型（如深度学习）难以解释其决策过程，影响信任度。
4. 伦理与法律：自动化武器系统的使用需要遵守国际法和伦理准则，确保人类控制。

随着技术的不断进步，AI在空战决策中的应用将更加深入和广泛。未来的趋势包括：

1. 自主性增强：AI系统将具备更高的自主决策能力，能够在更复杂的环境中独立执行任务。
2. 人机协同优化：人机界面将更加友好，实现更高效的人机协同作战。
3. 跨域融合深化：多域作战概念将进一步成熟，实现真正的全域协同作战。
4. 智能化防御：发展智能化防御系统，应对敌方的AI攻击和电子战手段。

AI和机器学习正以前所未有的速度改变空战决策。通过低成本的图形处理器和大数据分析，AI能够实时处理海量信息，提高决策效率。在战场上，AI不仅能够快速识别和定位目标，还能通过复杂的IoBT网络进行多域作战，实现“发现和愚弄”的战术。尽管AI存在被愚弄的风险，但在未来空战中，其重要性不可忽视。