本研究探讨了运用机器学习模型预测模拟2对2战术拦截交战结果的效用，该模拟由自主智能体执行，旨在支持DARPA人工智能增强（AIR）项目。调研了四种模型的性能：前馈神经网络、随机森林、极限梯度提升以及长短期记忆网络。检验了它们成功预测模拟交战结果、战术失误以及自主智能体执行新型作战方案的能力。模型训练基于与智能体相关的53项特征，包括飞机间距离、高度、速度、导弹可用性以及模拟运行中的其他事件特征。LSTM模型在运行初期表现最佳，能在运行仅一分钟后以87.8%的准确率预测出正确胜方；而XGBoost模型取得了最佳综合性能，分类准确率达91.7%，R²为0.712。XGB模型还能在模拟交战开始仅七分钟后，正确预测84.7%对局的胜方。这些结果证明了进一步研究其他机器学习模型的潜力具有实用性和必要性，以期识别独特属性并对更复杂的多智能体场景进行预测分析，此类场景可包含多变的交战规则、可接受的风险等级以及战斗机飞行员在夺取制空权和支持联合部队指挥官目标所需的攻防行动中必须考虑的其他要求。

2020年8月，美国国防部在人工智能空战应用领域取得了一项历史性里程碑。在国防高级研究计划局的“阿尔法狗斗试验”中，八个AI研发团队在一个旨在测试视距内空战（即狗斗）性能的高保真模拟环境中展开角逐。决赛在约翰斯·霍普金斯大学应用物理实验室举行，由一位经验丰富的F-16空军武器学校毕业生对阵获胜的AI智能体。萦绕在每个人心头的问题是：人类战斗机飞行员能否战胜一个拥有更优反应时间、近实时目标锁定精度，不仅能理解自身飞机机动性与能量潜力，还能计算敌方飞机相同飞行特性的AI智能体？这场原本被认为是最强对决的比赛，最终以AI智能体5比0的压倒性胜利告终。这是空军首次通过赛事展示AI在空中交战中的潜力，证明AI智能体不仅能跟上空军最优秀飞行员的节奏，在某些场景下甚至能超越人类飞行员。

“阿尔法狗斗试验”的成功为DARPA通过“空战演化”和“人工智能增强”项目更广泛地研究AI集成空战决策奠定了基础。ACE项目专注于开发用于视距内狗斗的智能体，而AIR项目则扩展了这项工作，旨在开发先进的建模与仿真方法，以训练智能体在超视距战术场景（如攻防性防空任务）中表现出色。

AIR项目的先进研究与发现，将支持在佛罗里达州埃格林空军基地对六架经过改装的F-16进行自主性测试，该测试是“VENOM项目”（即“毒蛇实验与下一代作战模型项目”）的一部分。这种“在模拟中训练，然后在现实世界中飞行”的模块化方法，有望帮助更好地理解所谓的“模拟到现实的差距”中可能面临的挑战。当前由第40飞行测试中队进行飞行测试的XQ-58等项目，正在引领识别飞行测试中模拟到现实差距的工作，并将有益于未来的自主项目，如VENOM项目及其他支持最新《国家国防战略》的“协同作战飞机”计划。