如何利用AI摧毁敌对方的杀伤链？

在近期发布的《军事人工智能白皮书》中，数字孪生战场实验室指出，AI在装备和作战两大领域大有可为，既可以提高武器装备的可用性，又能大幅缩短杀伤链的闭合时间。

对于后者来讲，美军通过OODA向SMA的转型，在实验条件下把20分钟的闭合时间缩短为20秒，这对于分秒必争的战争来讲，那意味着先发制人和降维打击。

传统杀伤链是信息驱动的方式，跟当前AI参与的数据驱动不同，这是两者最大的区别，这一点在《军事人工智能白皮书》有理论上的分析和论述，有兴趣的读者可以关注。

态势感知是杀伤链运行的基础，因此，美军非常重视战场态势感知的工作。

从美军亚太司令部最近几年推进分布式作战的准备工作来看，它基本解决了太空态势感知的问题，并实现了跟Link 16的融合，突破了天基Link 16系统的应用难点，这为杀伤链的正常运行提供了条件。

按照美国太空作战主管Chance Saltzman近期透露情况，“可执行的太空域感知”（Actionable Space Domain Awareness）才有意义，他强调的也是杀伤链闭合的问题。

在和平时期，不管是天基还是地基或海基态势感知，通常不会遇到困难，但当战争发生的时候，不管那种态势感知，都会受到干扰，导致其降级或受阻，在这个时候保障战术数据链的正常运行，就显得非常重要的。

针对这个问题，美军跟MIT等知名高校合作，建立了AI联合实验室，这些实验室的目标很简单：缩短杀伤链的闭合时间。

从职能的角度看，太空部队Delta 2是负责太空域感知的部队，这是敌对方杀伤链行动之初的第一道防线，如果可以及时发现或提前发现敌对方的军事行动，那对己方部队来讲是非常重要的。

2023年6月，Raj Agrawal上校就任Delta 2负责人岗位，他提出了新的想法：把监测敌对方的杀伤链行动前置到“事件检测”。

这个思路需要利用机器学习或人工智能来完成，通过监测敌对方的各种迹象，有点类似美军提前公布俄罗斯部队对乌克兰的行动类似，既可以达到威慑对方的目的，还可以为摧毁敌对方的杀伤链提供时间提前量，更好利用“联合火力网”（Joint Fire Network）。

数字孪生战场实验室分析，要达到把探测杀伤链启动的时间提前，则需要更为广泛的态势感知网络，以及建立AI的杀伤链运行规律的算法。

太空部队Delta 2似乎就是按照这种方式在推进。

2023年10月4日至6日，Delta 2负责人Raj Agrawal上校带队访问了日本和韩国，一方面加强太空合作伙伴的联系，另一方面落实太空域感知协作的工作。

在跟日本交流的过程中，美军用联合防御以及太空产业合作作为“诱惑”，促使日本的“宇宙作战群”倾其所有支持太空部队的各项部署，特别是提供实时的监测跟踪情报，毕竟日本对华的情报工作做得非常细致和充足。

当收集到充足的信息和数据之后，利用机器学习的分析能力，可以找到敌对方发起攻击的迹象，提前知道杀伤链启动运行的时间和其他情况，那么美军就有了更多的时间为摧毁杀伤链做准备。

摧毁杀伤链的行动本身也是一个杀伤链，或者是一个杀伤网，这种攻击与防御的对抗，比拼的就是“时间”，谁能在最短时间实现杀伤链闭环，那么谁就是战斗的胜利者。

MIT近期发布的一篇论文为这种想法提供了可行性。

该论文利用AI技术，为地球同步卫星建立了一套跟踪分析端到端行为模式的算法，仅仅利用对地卫星照片就可以分析出可能的杀伤链运行前兆。

当然，如果可以结合到其他途径获得的情报，更容易获得更好的监测效果。

数字孪生战场实验室认为，由于AI的灵敏度非常高，人眼或思路难以发现的细微迹象，AI则可以从中找到某种规律。

加上长期跟踪积累的大量卫星图片数据，经过机器学习的处理，能够从中挖掘出更多有价值的信息，不用安排危险的情报活动，就可以提前预判敌对方的行动。

《军事人工智能白皮书》指出，把各种轨道获取的卫星数据放到数字孪生太空平台上，解决了“可计算”的问题，让机器学习运行起来，将为作战人员提供意想不到的结果。

随着大量同步、中规和低轨卫星数据的融入，数字孪生太空将从量的变化实现质的突破，这正是数字孪生体技术的潜力所在。