美智库兰德《探索机器学习辅助指挥控制的可行性和实用性》第 1 卷，调查结果和建议

本报告从技术角度关注人工智能（AI）系统在协助空军C2方面的潜力。作者提出了一个分析框架，用于评估给定的人工智能系统对给定C2问题的适用性。该框架的目的是确定可满足不同 C2 问题的不同需求的人工智能系统，并确定仍然存在的技术差距。尽管作者专注于 C2，但分析框架也适用于其它作战功能和军兵种。

C2 的目标是通过在时间和目的上规划、同步和整合兵力来实现作战上的可能性。作者首先提出了问题特征的分类方法，并将它们应用于众多推演和 C2 流程。人工智能系统最近的商业应用强调人工智能提供了现实世界的价值，并且可以成功地作为更大的人-机团队的组成部分。作者概述了解决方案能力的分类方法并将其应用于众多的人工智能系统。

虽然主要侧重于确定人工智能系统和 C2 流程之间的一致性，但本报告对 C2 流程的分析也为国防部人工智能系统所需的普遍技术能力提供了有关信息。最后，作者开发了基于性能、有效性和适用性的度量标准，一旦实施，可用于评估人工智能系统，并展示和社会化它们的效用。

研究问题

在学术和商业背景下开发和部署的人工智能系统在军事背景下是否有价值？
能否开发一个分析框架来理解不同人工智能系统对不同C2问题的适用性，并确定普遍存在的技术差距？
能否开发出足够的衡量标准来评价人工智能系统在C2问题上的性能、有效性和适用性？

主要发现

C2 流程与用于开发和演示人工智能系统的许多推演和环境有很大不同
- 推演算法利用规律性来实现超人的表现，但大自然和对手的干预可以打破军事任务中这种简化的假设。
- 表征和开发具有代表性的问题和环境，将使人工智能系统能够在具有代表性的国防部问题集的条件下进行研究、开发、测试和评估，从而提高对作战环境的可迁移性。
C2 流程的独特性质需要不同于推演优化所需的人工智能系统
- 了解现有人工智能系统的能力和局限性，将使空军能够确定适用于不同 C2 流程的系统。
- 在问题一开始选择正确的方法，可以显著缩短应用程序开发时间、提高解决方案质量并降低与转换解决方案相关的风险。
需要新的指南、基础设施和指标体系来评估人工智能在 C2 中的应用
- 建立和实施综合性能评价指标体系将能够评估和比较潜在的人工智能系统。
- 此外，综合性能评价指标体系为交流人工智能赋能的 C2 的投资回报提供了一种方法。
需要混合方法来处理 C2 流程中存在的众多问题特征
- 鉴于分析框架的普遍性和联合全域 C2 的出现，所有这些结论和建议都延伸到了国防部对人工智能的追求。