兰德报告：人工智能在指挥控制中的辅助作用分析研究报告 | ​远望译品

结论和建议

本文摘自《兰德报告：人工智能在指挥控制中的辅助作用分析研究报告》| 远望译品

为了研究将AI应用于军事的机会，我们开发了一种结构化方法，用于（1）分析给定C2过程的特征；（2）分析一个或多个AI系统的能力；（3） 确定AI系统对给定C2过程的适用性（图6.1）。该方法有助于确定对于给定C2过程而言最有希望的AI系统，并在实施后指导这些系统的测试与评估。

除了提供确定C2问题和AI解决方案之间一致性的方法外，本研究还支持图6.1所示的几个结论以及相关建议。

结论1：C2过程与用于开发和演示AI系统的许多游戏和环境非常不同

  

   

国际象棋、围棋甚至星际争霸II等游戏与大多数现实世界的任务在性质上是不同的。这些游戏有明确的规则（即使其中一些规则是对玩家隐藏的），不随时间的推移而变化。游戏算法利用这种规律性来实现超人的性能。不幸的是，大自然和对手的介入打破了军事任务中这种简化的假设。

·建议1：使用本报告中描述的结构化方法系统地分析游戏、问题和C2过程的特征，以确定现有AI试验平台在哪些方面具有C2任务的代表性和非代表性。

·建议2：开发具有问题特征的新人工智能试验台，以实物和足够的强度来代表C2任务。

· 表征和开发具有代表性的问题和环境将使AI系统能够在代表国防部问题集的条件下进行研究、开发、测试和评估，从而提高向作战环境的转化能力。此外，它还可以对不同的AI系统直接进行比较。

  

图6.1 AI系统能力映射与指挥控制过程评估

结论2：C2过程的独特性质要求AI系统不同于那些为游戏优化的系统

  

   

为游戏而优化的算法，如alpha-beta修剪和AlphaZero等，不容易适应大多数C2任务。C2问题在性质上是不同的，它们需要不同的算法。幸运的是，有一些算法，如基于宽度的规划器，似乎是一个有希望适合至少一些挑战性C2问题的尝试。

·建议3：使用本报告中所述的结构化方法，识别并投资于广泛的C2过程中要求的、目前尚不可用的高优先级解决方案能力（如稳健性和可靠性）。

·建议4：使用本报告中描述的结构化方法评估潜在AI系统特征与特定C2过程之间的一致性，以确定各个系统开发的优先级。

了解现有AI系统的能力和局限性将使空军能够事先确定适合不同C2过程的系统。在问题开始时选择正确的方法可以大大缩短应用开发时间，提高解决方案质量，并降低转化所带来的风险。 

结论3：需要新的指南、基础设施和指标来评估AI在C2中的应用

  

   

AI系统通常使用一组有限的性能指标进行评估，如准确性和最优性；然而，其他系统能力，如及时性和鲁棒性，可能同样重要。此外，由于AI旨在作为更大的C2体系结构的一个组成部分，单独的性能指标无法实现全面的评估评估。需要额外的有效性和适用性度量来评估C2体系结构背景下的AI系统。

·建议5：为AI解决方案制定度量标准，评估算法可靠性和最佳性以外的能力（例如，鲁棒性和可解释性）。

·建议6：使用本报告中描述的结构化方法，确定给定C2过程的效用、有效性和适用性的关键度量。

·建议7：根据确定的度量标准，对给定C2过程的AI系统进行全面评估。

建立和实施性能度量，将有助于评估和比较潜在的AI系统。此外，度量指标还提供了一种对C2问题的AI投资回报进行衡量的手段。

结论4：需要混合方法来处理C2过程中存在的大量问题特征

  

   

问题特征需要多种解决方案能力，其中一些很难一起实现。第2卷包含三个技术案例研究，展示了各种C2问题的各种计算、AI和人工解决方案。

第一个案例研究比较了开发MAAP中MIP和贪婪启发式的两种计算方法。MIP提高了计划质量，而贪婪启发式提高了计划速度。然而，结合启发式和MIP的混合解决方案比任何一个单独方案都更适合MAAP。

第二个案例研究比较了两种用于执行机载目标识别的架构：一种单独使用强化学习，另一种使用强化学习以及专家系统的建议。在这两种架构中，只有混合架构对传感器噪声具有鲁棒性。

第三个案例研究了一种混合的“人员救援”系统。状态空间的复杂性阻碍了完整的人工解决方案，而历史或模拟器数据的短缺阻碍了完整的AI解决方案。将人类知识与机器的最佳贝叶斯更新相结合的混合解决方案最适合“人员救援”。

这些案例研究的主要结论是，通常需要混合方法来处理C2问题中存在的一系列特征。

·建议8：对赋予AI系统关键能力的算法解决方案做出识别、重用和组合。

在本报告中，我们将重点放在空军指挥与控制的AI上。然而，鉴于分析框架的普遍性和JADC2的出现，所有这些结论和建议都可以延伸到国防部对AI的追求上。

本报告关注人工智能（AI）系统从技术角度协助空军指挥与控制（C2）的潜力。作者提出了一个分析框架，用于评估给定AI系统对给定C2问题的适用性。该框架的目的是确定能够满足不同指挥控制问题不同需求的AI系统，并确定仍然存在的技术差距。尽管作者主要关注C2，但分析框架也适用于其他作战职能和服务。

C2的目标是通过在时间和目的上规划、同步和整合部队，实现作战上可能的目标。作者首先提出了问题特征的分类法，并将其应用于许多游戏和C2过程。AI系统最近的商业应用强调，AI提供了现实世界的价值，可以作为大型人机团队的组件成功运行。作者概述了解决方案能力的分类，并将其应用于许多AI系统。

虽然报告主要侧重于确定AI系统和C2过程之间的一致性，但报告对C2过程的分析也提供了国防部AI系统所需的普遍技术能力方面的信息。最后，作者开发了基于性能、有效性和适用性的指标，这些指标可用于评估AI系统，并且当AI系统一旦实施时可证明其效用并使其社会化。