AI智能体如何帮助海军指挥官赢得战斗

海军航母打击群即将与对手交战。航母打击群的指挥官需要快速获得大量准确信息。

威胁在哪里--水面、水下、空中--哪些威胁最危险、最紧迫？哪些威胁在射程内，但友军不在他们的射程内？用什么武器对付它们最好？需要花费多少？当需要时，后勤舰艇会在哪里？在对抗性环境中，该如何降低风险？

如果使用传统的人工智能，打击小组可能会使用机器学习模型来完成特定任务，如更快地识别目标和加快从传感器到射手的杀伤链。但这些模型无论多么有价值，都只能提供全局的一部分。指挥官和情报分析师没有足够的带宽来审查数量有限的输出结果。

然而，现在投入战斗的打击群可以使用一种新兴的人工智能--“智能体”。一系列这些智能体正在用数百个机器学习模型和数万个潜在战斗场景拼凑出一幅大图。它们将结果串联起来并进行分析，以回答指挥官的迫切问题。

这远远超出了使用人工智能快速处理大量传感器和其他数据的长期目标。能够学习、推理和规划的智能体正在找出将这些数据组合在一起的最佳方法，甚至生成新的数据，以帮助指挥官实现战术和作战目标。

随着战斗的展开，智能体会随着新数据的到来不断更新它们的建议。与此同时，指挥官和分析人员也在与智能体进行互动，提出新的问题，并迅速得到回复，所有这些都是用浅显易懂的英语进行的。如果我们从东面而不是按计划从西面绕过这些岛屿，可能会发生什么情况？考虑到目前的情况，现在如何才能最大限度地进行力量投送，同时将打击群的风险降到最低？

在很大程度上，如果指挥官和分析人员有时间和资源，智能体也会做同样的事情。人工智能体的答案也可能与指挥官和分析人员得出的答案相同。从某种意义上说，人工智能体--复杂算法的集合--只是在做数学题。

智能体如何工作

AI智能体与大多数传统人工智能的不同之处在于，它们不仅提供信息，还致力于实现目标。早在冲突爆发之前，人工智能工程师就会为智能体设定从战术到战略的具体目标。例如，“在考虑到及时补给的可能性的情况下，找到最有效的方式，利用打击群可用的导弹来击败多重威胁，同时为可能的后续威胁保留总体导弹载荷”。

然后，智能体使用生成式人工智能--本质上就是高度复杂的人工智能聊天机器人--找出实现这些目标所需的各类信息。智能体还会使用生成式人工智能来确定如何获取这些信息。在某些情况下，这可能意味着将一系列关注问题不同方面的机器学习模型串联起来。例如，一个机器学习模型可以预测威胁的动向，另一个可以预测威胁的导弹能否击中航母打击群，还有一个可以预测打击群的导弹能否击中威胁。

问题越复杂，可能需要的机器学习模型就越多。人工智能工程师会事先建立这样的机器学习模型。然后，随着实际冲突的展开，生成式人工智能会从庞大的模型库中选择各种类型的问题进行回答。

在激烈的战斗中，仅靠情报分析师可能只有时间从少量机器学习模型中获得见解。例如，两三个模型可能会将一组接触点识别为敌方的 DDG，并预测其可能的目标和战术。相比之下，使用生成式人工智能的多个人工智能体可以汇集数百个模型，描绘出一幅更复杂的整体战斗展开图。

同样采用生成式人工智能的智能体可能会利用所有这些信息来运行数以万计的战斗模拟，找出实现各种目标的最佳行动方案，然后为指挥官提供备选方案。

人与AI智能体如何协同工作

人工智能体的一个主要特点是，虽然它们非常复杂，但人们不必是数据科学家也能与之互动。舰艇指挥官、情报分析师和其他人都可以提出问题，并得到明确而有用的答案。

智能体可以以各种形式（如三维地图和交互式图形）展示信息，包括可能的行动方案。来自智能体的信息还可以与舰船的武器系统和其他系统集成。

同样重要的是，指挥官可以根据情况的变化修改目标或创建新的目标，从而使人工智能体保持在正确的轨道上。AI智能体是智能的，但人类始终是负责人，指导智能体的行动。

通信与协作

人工智能体还能相互协作，共享信息，相互学习，并就共同目标进行协作。在一场战争中，海军可能会在整个太平洋战区动用数十个智能体，它们既各自为战，又协同作战。这些智能体可能会与其他美军使用的同类智能体分享见解。

在某种程度上，这就类似于在一场大范围的冲突中，分散在各战区的所有联合部队的指挥官们进行合作。通过引入智能体，各指挥官可以获得所需的信息，迅速评估整体作战情况，并集体决定行动方案。例如，人工智能体可以根据敌方目标对联合部队和盟国的威胁，结合自己的洞察力，对整个太平洋地区的敌方目标进行优先排序，并就指挥官如何开展协作提出建议。

这不再仅仅是为了理解大量数据。指挥官需要了解这些数据如何帮助他们赢得战斗。智能体可以帮上忙。

参考来源：美国海军