美国空军正日益试验人工智能以改进战斗管理。战术指挥与控制人员可获取的信息量已对人类合理处理能力构成挑战，而未来冲突将增加更多传感器、射手、数据链、自主系统以及日益压缩的决策时间线。人工智能提供了一个机遇，可自动化许多消耗空战管理员注意力的流程，而无需那种界定空战管理的判断力。

最近的实验表明收益可能十分显著。在人机编组多域决策优势冲刺（MASH）期间，来自美军第552作战支援中队的空战管理员报告称，其团队在人工智能辅助下，能在先前完成一项任务所需的大致时间内完成五到六项任务。在指挥与控制人员所需决策数量的增长可能快于可用操作员数量的环境中，这种能力的提升至关重要。

通过审慎地应用于综合监视与识别、部队管理、信息管理和控制连续性，人工智能可以提高战术决策的速度与质量，同时使空战管理员能够专注于将指挥官意图和授权的指挥与控制权限转化为行动。因此，挑战不在于确定人工智能是否应执行空战管理功能，而在于确定自动化止于何处，权限行使始于何处。

将人工智能应用于空战管理

人工智能可帮助操作员管理日益增长的信息量、识别模式、制定行动方案并降低认知负荷。它无法替代在对抗性与模糊环境中运用判断力的经验丰富操作员。

正如在米切尔研究所的战术指挥与控制紧迫性论坛上所讨论的，空战管理需要通过四个相互关联的功能在指挥官意图内实时指挥空中作战：综合监视与识别、部队管理、信息管理和控制连续性。每个功能都包含非常适合机器辅助的流程，但每个功能也有助于可能需要背景、判断和授权权限的决策。

综合监视与识别或许提供了最清晰的机会。空战管理员持续评估来自多个传感器与来源的信息，以了解作战空间中有哪些力量在活动，并确定这些实体可能在做什么。大部分工作依赖于关联与模式识别。一个人工智能赋能的系统可以持续评估模式与代码、原点、航迹行为、飞行剖面、识别标准、可用的电子特征以及其他相关信息，涵盖数百或数千个航迹。

一个航迹如果应答了预期的模式和代码，但起源于意外位置、偏离预期路线或行为与其报告身份不一致，则应引起注意。人工智能比操作员手动搜索多个来源能更快地识别这些不一致。更重要的是，系统应提供支持其评估的证据，而不是简单地分配一个识别。空战管理员仍必须理解为何提出该建议，并根据识别标准、交战规则、指挥官意图和更广泛的作战局势来应用该信息。

部队管理提供了不同的机会。考虑战区燃料计划的管理。空战管理员可能同时考虑数据链报告的燃料状态、加油机卸载量、接收机需求、飞机类型、回收位置、机组报告和原计划。这些输入本身没有一个是特别难以理解的。但在管理其余空战的同时持续评估所有这些因素则是另一回事。

人工智能可将实际加油机卸载量与计划进行比较，评估接收机燃料状态，考虑飞机类型和预期消耗，纳入机组报告的变化，并预测燃料计划是否仍然可行。如果一架加油机输送的燃料多于计划，另一架被延误，而一个战斗机编队消耗燃料快于预期，系统应在短缺发展成为危机之前识别出来，并推荐缓解方案。同样的原则适用于武器可用性、战斗机分配、传感器覆盖范围、回收选项和其他有限资源。人工智能可以持续运行计算并标记新出现的问题，使空战管理员能够专注于如何根据指挥官的目标优先排序战斗力。

信息管理可能提供最快的回报。现代指挥与控制人员不缺乏信息；挑战在于确定哪些信息重要。相关数据通过战术数据链、语音通信、情报产品、任务系统、协作应用程序和多个聊天室到达。要求操作员在保持态势感知和指挥部队的同时持续监控每个来源，会施加认知负荷，而不一定能提高决策质量。

人工智能可以监控经批准的信息来源，识别与机组任务相关的信息，将其与战术图像关联，并警告适当的机组岗位。来自另一个机构的威胁报告、空域变化、加油机状态、天气或任务优先级的变化，不应依赖于操作员在正确时刻监控正确的聊天室。目标不是另一个摘要屏幕。而是在仍有时间采取行动时，将相关信息传递给需要它的操作员。

控制连续性或许提供了最大的机会和最明确的限制。人工智能可以持续评估战斗机位置和状态、目标位置和方位、识别状态、威胁分布、武器使用区、燃料、支援资产和既定的投入标准。它可以识别这些标准何时得到满足，确定最适合响应的部队，并比操作员手动收集相同信息更快地推荐战术行动。

这种能力可以大幅改善战术执行，但满足预定标准并不总是等同于决定投入部队。指挥官可能已在一个区域接受风险，以便为另一个区域保留战斗力。优先级可能已改变，权限可能是有条件的，或者空战管理员可能拥有尚未进入机器可读作战空间的信息。人工智能可以澄清战术局势，并使可用选项更容易理解。它不应使由此产生的决策责任变得模糊。

自动化与权限

这些应用提出了一种实现人工智能集成的实用方法。以关联、计算、监控和识别为主的任务是自动化的强候选。多个变量可根据既定标准进行评估的有界战术问题，适合人工智能生成的建议。需要解释指挥官意图、接受作战风险或行使授权指挥与控制权限的决策，则需要更多人类参与。

随着人工智能技术的成熟，这些边界将改变。最初需要机器建议和人类批准的任务，最终可能成为自动执行的候选。指挥官也可能建立条件，使自动化系统在预定参数内行动，特别是当交战时间线使额外的人类干预不切实际时。空战管理员的某些工作可能因此向上游移动，转向建立机器执行的条件。这种演进应是审慎的，并基于权限和可接受的风险，而不仅仅是技术能做什么。

有效的空战管理始终依赖于授权。指挥官无法亲自指挥战区内的每一架战斗机、加油机、传感器、武器或战术决策。权限被下放，以便下级指挥官和战术指挥与控制要素能够以战斗所需的速度持续运作。空战管理员在这些权限内执行，以管理部队、响应变化的条件，并在情况偏离计划时保持与指挥官意图的一致。

人工智能不会消除这一要求。更快的决策周期可能使授权权限的边界更加重要。未来的系统可能在数秒内识别威胁、确定可用效果、对潜在执行器排序、考虑支援需求并制定推荐的行动方案。这种能力很有价值，但它无法回答当推荐行动与指挥官意图冲突、承担指挥官未接受的风险或遇到系统设计参数之外的情况时会发生什么。那些是指挥与控制问题，而非计算问题。

这就是为什么将人机编组简单描述为让人类“保持在回路中”是不充分的。空战管理员所做的不仅仅是批准机器生成的技术上可行的选项。他们解释指挥官意图，理解战术行动之间的关系，管理竞争的优先级，识别假设何时改变，并在作战固有的不确定性中在授权权限内做出决策。人工智能应减少对不需要这些能力的流程的注意力，以便操作员能将更多注意力投入到需要这些能力的决策上。

对空战管理员的影响

日益增加的自动化不一定降低空战管理员的重要性。它改变了空战管理员提供价值的所在。随着机器承担更多常规认知工作，剩余的人类决策可能变得更少，但影响更重大。

先前投入大量注意力维持态势感知的操作员，可能日益接收自动关联的画面。手动计算是否出现部队管理问题的空战管理员，可能转而接收带有几种可能解决方案的警报。在头脑中评估投入标准每个要素的控制员，可能接收这些标准已满足的直接指示。这些都不会消除判断力。它将人类注意力转向判断力最重要的领域。

训练必须相应演进。未来的空战管理员将需要理解机器生成建议背后的假设，识别这些假设何时不再符合作战现实，确定优化方案何时与指挥官意图冲突，并准确知道什么权限允许他们行动。他们还必须保留足够的战术专业知识，以识别机器何时出错。在没有专业知识挑战其输出的情况下过度依赖自动化，只会用另一种认知局限替代一种认知局限。

这对人工智能赋能的指挥与控制系统的设计也有影响。可解释性不能事后才考虑。接收识别航迹、重新定位加油机、重新优先排序部队或投入战斗机等建议的操作员，应能够理解产生该建议的信息和假设。如果空战管理员无法确定当条件变化时建议是否仍然有效，那么更快交付的建议价值有限。

保持决策优势

未来的作战空间将日益超出无辅助人类能有效管理的范围。因此，美国空军应识别当前可在每个空战管理功能中自动化的任务，试验机器建议在何处改善战术决策，并审慎建立管辖自动执行的权限和风险阈值。

目标不是仅仅因为空战管理员历史上执行过手动流程就保留它们。人工智能应关联信息、监控燃料计划、找到关键信息、识别战术标准何时满足，并以快于人类单独行动的速度呈现可行选项。这为空战管理员创造了更大能力，以专注于背景、判断、风险和行使授权权限。

人工智能赋能的空战管理的最终价值，应最终通过它是否提高了美国联合部队将指挥官意图转化为及时战术行动的能力来衡量。实现这一优势将需要既有能力的机器，也需要具备专业知识的空战管理员，以理解何时信任它们、何时质疑它们，以及何时情况要求算法未预料到的东西。

人工智能可以加速空战管理。它无法解决指挥的根本问题。技术可能改变制定决策的速度，但速度并不赋予权限。机器可以建议；指挥官仍然指挥。

https://c2coord.com/ai-future-of-air-battle-management/