多年来,人工智能(AI)赋能自主系统的融合已在美国防部(DoD)引发变革性转向,深刻革新作战能力与战略路径。为进一步优化技术演进,关键军事应用领域(涵盖情报监视侦察(ISR)、空战管理、攻防空战行动)已引入差异化自主等级。随着技术疆域扩展,自主系统通过“人机组队”增强作战效能的机遇同步显现。空军内部,空战指挥官(ABM)作为认知负荷极高的关键岗位,将成为此技术跃迁的核心受益者。为支撑自主技术演进,国防部制定《无人系统综合路线图》(USIR),提供将无人系统融入国防部宏观战略的全面指导(USIR, 2017)。尽管USIR涵盖多元主题,本研究聚焦自主技术及其使能要素,着力通过训练优化国防部系统效能。值得注意的是,本研究延伸路线图通用框架,深入剖析ABM岗位的现实影响及该关键兵种初始训练体系的变革路径。

“人机组队”(HAT)——亦称“人-人工智能协同”,指人类操作员与AI赋能系统间的动态协作。该伙伴关系旨在实现无缝交互,通过能力互补达成独立个体无法企及的任务效能。HAT的演进正深刻重构有人/无人系统及配套工具的运用范式,要求建立精细平衡机制——融合人类直觉专长与自主系统分析速度优势。此交汇领域催生新型训练需求:须确保ABM充分理解并驾驭自主系统能力,同时规避过度依赖导致的负面后果。

实现人机高效协同需关注五大关键要素:自主性、通信机制、共享心智模型、意图理解与互依关系(Lyons等, 2021)。从工具使用到近端交互能力的范式转换,为美空军(USAF)特定兵种(含ABM)带来前所未有的机遇。传统ABM仅依赖基础软件工具辅助空域协调管理,极少运用AI技术。其核心职责在于空域作战行动的协调指挥。

历史上,ABM凭借卓越能力成功调度多型战机应对战场挑战。但随着美军对抗强敌的战略转型,未来空战将呈现有人/无人自主战机混合编组、致命性倍增的复杂图景,决策失误后果将急剧放大。美军持续推进自主战机集成研究,要求ABM协调能力悬殊的有人/无人资产,进一步加剧其认知负荷。预算紧缩与人力需求压力更迫使ABM培训体系在有限资源下输出高效战力。为应对挑战,美空军战略投资技术研发,通过深化自主研究与AI能力为未来ABM提供增强支持。然而关键缺口在于:当前尚无系统方案提升ABM训练水平,使其具备驾驭先进工具所需的专业素养。

资深ABM作为精通空战管理、作战行动及指挥控制原理的专业群体,其专长通过三阶段培养路径铸就:初始技能培训→任务导向训练→多经验层级混编团队的实战锤炼。但自主技术集成与“人机协同”概念,对缺乏技术认知基础的新老ABM均构成全新挑战。此知识鸿沟在现代战场衍生潜在风险,凸显自主系统陌生领域对训练辅助的迫切需求。随着自主技术成为未来战场核心要素,其伴生的挑战与机遇亟需前瞻性准备。本研究致力于开发面向ABM兵种的“概念化训练辅助系统”,深化对人机组队理念的理解。典型案例如“目标机动反馈机制”——自主系统检测偏离预设机动轨迹时,通过实时指导与推理解析引导受训者制定最优行动方案(COA)。

本研究旨在提升ABM态势感知能力,并为新学员概念化训练提出系统建议。前瞻未来作战图景,ABM预期将与两类自主实体协作:其一,指挥管控辖区内的自主作战资产;其二,依托自主系统分析作战环境、识别特征模式并提供实时决策支持。后者可执行威胁评估、最优行动方案建议、关键信息中继等任务,支撑ABM审慎决策。此多维研究不仅增强现役ABM能力,更为下一代应对自主技术交互的复杂需求奠定基础。

为实现研究目标,本研究着力开发面向加速专长培养的“概念化训练工具”。该模型构建流程拟融入ABM初始技能培训,为未来自主技术与能力奠基。方法论包含:通过现状分析厘清自主技术认知水平,定位训练关键介入点;开展任务分析解构模拟训练场景,明确任务达成的系统化流程步骤。通过将自主系统嵌入此框架,赋能ABM实时更新态势、生成备选方案、动态适应战场的能力。

研究方法采用深度访谈策略,精准识别新老ABM的知识断层,力争在初始训练完成前主动弥合差距。通过构建新老ABM的强关联机制,为未来训练项目设计与综合指南制定奠定基础。这些资源旨在赋予ABM与自主系统交互所需的“知识-技能-能力”(KSA)集合。训练辅助系统不仅传授必要技能,更培养对自主系统能力边界的辩证认知,同时锤炼关键决策时刻的研判能力。最终目标是促成训练场景向真实战场的知识无缝迁移。

在ABM初始训练中引入自主技术将引发多重效应。本文成果将弥合亟待解决的能力缺口——若延迟应对,此缺口将持续扩大。自主系统集成将深度重构战场空间管理模式,需通过多线程关联研究厘清ABM初始训练所需的技能体系。核心贡献如下:
• 人机组队导论:研究将确立自主能力融入兵种体系的最优路径。所有空军人员须完成“初始作战能力”(IOC)认证方可进入任务导向训练,明确可被自主技术替代或增强的任务环节,确保技术介入始于训练最早期。研究将探索任务分配、决策流程及人机责任共担机制。
• 训练体系开发:通过初始课程将自主技术融入ABM兵种体系,助力其有效管理未来作战中的自主系统。鉴于能力演进需求,需尽早开展操作员培训。研究应聚焦开发增强ABM自主认知的训练项目,重点强化人机协同达成任务目标的协调能力。
• 自主技术接受度:本研究将检验操作员对自主系统融入ABM职责的接纳意愿,基于人口统计学特征分析其认知态度与接受水平。

本论文结构如下:
• 第二章:详述ABM训练体系与方法论、自主技术与人机组队、空战指挥官职能背景,提供三领域文献综述
• 第三章:阐述定性与定量数据采集方法,深度剖析各问题研究方法论
• 第四章:呈现采集数据的分析过程,阐明各方法关联结果并进行解读
• 第五章:提炼结论与洞见,提出后续研究方向建议

成为VIP会员查看完整内容
3

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《定向能武器空战机动问题的近似动态规划方法》94页
专知会员服务
39+阅读 · 2024年6月6日
《人工智能在多域作战中的应用》52页报告
专知会员服务
115+阅读 · 2024年5月27日
《作战层面的人工智能》美国海军学院32页报告
专知会员服务
234+阅读 · 2022年12月17日
人工智能和军备控制,80页pdf
专知
12+阅读 · 2022年11月2日
国家自然科学基金
43+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
49+阅读 · 2014年12月31日
国家自然科学基金
18+阅读 · 2013年12月31日
国家自然科学基金
47+阅读 · 2013年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
53+阅读 · 2011年12月31日
Arxiv
171+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
477+阅读 · 2023年3月31日
Arxiv
24+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
43+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
49+阅读 · 2014年12月31日
国家自然科学基金
18+阅读 · 2013年12月31日
国家自然科学基金
47+阅读 · 2013年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
53+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员