“AI战斗机”研制背后的决策理论

作为第四次工业革命的通用目的技术，AI已经被认为是军事革命的关键核心技术。美军加大对军事人工智能的探索和创新，已经形成了完整的组织架构和管理体系，这一点在《军事人工智能白皮书》中有系统的分析。

对于美军到底在什么领域重点应用AI/ML，一直缺乏有效的证据，近期，数字孪生战场实验室AI战斗机项目组，通过梳理数十份论文和报告，破解了该难题。

回顾美军过去10多年对先进数字技术的探索过程，可以找到蛛丝马迹。

2012年，美国空军研究实验室启动了“机身数字孪生体”项目，采用了F-15C战斗机做了改造对象，该项目验证了基于数字孪生飞机的AI/MLi应用模式，为美军进一步探索先进数字技术的应用提供了信心。

后来美军进一步把该探索延伸到F-35战斗机的试验鉴定领域，建立了数字孪生靶场体系，打通了研制到部署之间的堵点，大大缩短了研制周期，据称至少减少了30%以上的研制时间。

随着大国竞争的节奏加快，美军希望围绕备战需要，切实解决战斗管理领域的问题，为此，美军专门做了系统的研究。

从美军各军种看待新型技术的态度来讲，美国空军显然属于激进派，它对空中优势的追求不遗余力，认为空战只有行和不行两种，没有中间选择。所有这些问题的焦点就是一个：战斗管理（Battle Management）。

针对战斗管理的需要，美军构建了一套决策逻辑，这一点工业4.0研究院院长胡权在《数字孪生体：第四次工业革命的通用目的技术》一书中做了阐述，那就是如何解决“不知道的未知问题”（Unkown Unkowns），才是装备系统研制的难点。

决策问题按照战斗管理的识别情况，可以分为“知道的已知问题”（Known Knowns）、“知道的未知问题”（Known Unknowns）、“不知道的已知问题”（Unknown Knowns）和“不知道的未知问题”四种，各自对应的解决方案不同。

采用传感器和机载融合系统，能够感知和理解战场环境，战斗管理过程是可知的，但这是最基本的指挥控制要求。

对于知道的未知问题，这意味着可以进行感知，但无法理解，这意味着JADC2体系的SMA中的“理解”（Make Sense）就无法实现。为了解决这个问题，需要引入网络化的传感器（Netted Sensors），这实际上就是美军正在建设的“战斗网络”（Battle Network）。

从以上两种情况来看，战斗管理暂时对AI/ML不是刚需，只需要用传统的网络信息技术即可解决。

然而，当遇到不知道的已知问题，就对AI算法和传感融合等有了刚需，因为这遇到了人类认知能力的短板，仅仅从我们可以理解的事务上讲，但如果我们无法感知到，就不会有解决的可能。

利用数据驱动的AI技术，建立看似无关的战场要素关系，则能够突破人自然拥有的能力局限，从而实现分布式作战样式。

最后，在不知道的未知问题方面，如果没有数字孪生体、AI/ML和数据科学等新一代数字技术的参与，无法破解既无法理解也无法感知的困境，这对于非协作对抗场景来讲，则是常态的状况。

对于美军所遇到的反介入区域拒止（A2/AD），这种情况很可能就是“不知道的未知问题”。

具体来讲，在未来冲突中，继续拥有制空权是取胜的基本保障，如果都派遣第五代战斗机参战，就会陷入消耗战状态，引入无人系统成为必然的选择，其中，AI战斗机具备杀伤链能力，它的成功与否，将决定是否真正破解A2/AD。

兰德公司对此做了详细研究，它借鉴商业领域的应用案例，例如Waymo、Nuro、Mobileye、Voyage和Aptiv等应用，为强化学习系统的应用找到了突破口。

跟DARPA和美国空军研究实验室合作，兰德公司构建了一套超出技术范畴的体系，三方紧密结合，利用美国空军提供的通过F-16D改造而成的X-62战斗机，形成了一套可以理论结合实际的探索试验平台，为进一步验证其想法提供了基础。

事实证明，美军已经获得成功，特别是利用数字孪生靶场和AI结合的优势，X-62战斗机展现了未来战争的场景，速度继续成为大国竞争的关键。

已经购买《军事人工智能白皮书》专业版的客户，可以联系您的客户经理，获得本文相关的资料和报告。