【系统工程顶点报告】《人工智能支持的多任务资源分配战术决策辅助》美海军2022最新108页论文

通过这项美海军的顶点研究，人工智能（AI）三人小组利用系统工程（SE）的方法来研究人工智能辅助的多任务资源分配（MMRA）如何使所有军种的任务规划者受益。这项研究的动力来自于优化我们武装部队中的MMRA问题集，对于战术领导人有效管理现有资源至关重要。存在着一个将人类决策者与人工智能支持的MMRA规划工具相结合的机会。在计算速度、数据存储和商业应用中的整体公众接受度方面的快速技术进步促进了这一点。

该团队从三个任务集着手处理MMRA问题：车队保护、航空支援和航母打击群（CSG）行动。车队保护用例探讨了利用定向能（DE）的移动式地基防空系统。航空用例探讨了美国陆军的未来垂直远程攻击机（FLRAA）的能力组合，这是一个未来垂直升降机（FVL）的前里程碑B计划。最后，CSG用例从高度复杂的系统（SoS）角度探讨了MMRA。

尽管这些用例各不相同，但团队探讨了这些观点之间的相似性和矛盾性。每个用例都应用了一般的MMRA流程架构。然而，每个用例的输入和输出都是单独评估的。图A描述了MMRA的总体流程架构。

如图A所示，MMRA被设想为在确定的决策点由人在回路中激活。在这些事件中，MMRA系统用实时输入进行一次循环。由黑盒MMRA系统确定的输出被显示给人在回路中的人，以进行标准决策程序。虽然这项研究仅限于问题的分解，但未来的研究领域是开发一个由人类系统集成（HSI）驱动的产品实现。MMRA通过对日益复杂和相互依赖的资源分配问题进行客观评估，加强了指挥系统的决策。图B描述了MMRA人工智能系统过程的行动图。

MMRA决策已经超出了传统决策过程的复杂程度。这种复杂性适用于任务规划的各个层面。战术层面是在士兵个人的直接指挥系统或单位层面进行的。行动和战略层面则是在梯队或总部层面进行。所有这些都需要对现有资源进行准确和有效的分配。

图C中的图形，"战术评估过程。图C "战术评估过程：MMRA决策的复杂性 "描述了MMRA是如何在一个作战场景的决策点上随时间推移而进行的。初始规划是在𝑡0进行的，与 "MMRA过程结构 "中的 "初始 "黄色活动块相关。之后的某个时间，𝑡1, 𝑡2, 𝑡3, ..., 𝑡𝑛决策点与 "MMRA过程流 "中的 "决策点重新规划 "黄色活动相关。"初始 "和"决策点重新规划 "这两个黄色活动块启动了一个完整的 MMRA 过程流，它包含了 "初始 "和 "决策点重新规划 "连续体中描述的所有活动。

决策点在三个MMRA用例中被普遍定义。然而，为了解情况，对设想中的场景采用了独特的故事情节。虽然这里不能列出所有的案例，但CSG独特决策点的一个例子是CSG内部、CSG外部或自然灾害援助的应急反应。通常，所有的决策点都发生在出现新的任务、提供不同的任务优先级、资源耗尽、资源被破坏或任务无法继续完成时。

为了更好地理解MMRA问题集的范围，该团队对所有三个用例进行了可扩展性和复杂性分析。可扩展性分析抓住了静态MMRA问题集的范围，与该用例的历史背景相比较。因此，可扩展性分析为最初的MMRA规划问题集提供了一个从传统系统到现在用例方案的背景。在DE Convoy Protection和CSG用例中，可扩展性都有不可量化的增加。对于DE车队保护来说，由于精确攻击的技术进步，红色部队的能力增加。此外，CSG的蓝军能力增加了，在某些地方是三倍，因为反措施能力、导弹类型的可用性和不同级别驱逐舰之间的数量扩大了。作为补充，航空用例产生了15%的可扩展性，从传统的实用级直升机到FVL FLRAA。

复杂性分析抓住了动态MMRA问题集的范围，与各自用例的历史背景相比较。这些复杂性分析提供了进一步的MMRA背景，因为当MMRA在交战中被重新规划时，战术决策发生在多个决策点。所有三个用例的复杂性分析都构建了故事情节，展示了无形的、越来越具有挑战性的MMRA考虑。随着MMRA的可扩展性和复杂性的增加，未来对人工智能辅助的MMRA决策的关键需求变得清晰。

继续分解人工智能辅助的MMRA问题集可能会引起美国武装部队的兴趣。在所有的使用案例中，在初始和重新规划的作战场景中，战术决策的复杂性都显示出随着时间的推移而增加。我们强烈建议对人工智能支持的MMRA问题集进行进一步研究。确定的未来研究领域有：工具的倍数、硬件/软件部署战略、战术与作战与战略层面的资源配置、连续与离散的重新规划节奏、人工智能机器学习的考虑，如数据的数量/质量、人类在环路中对人工智能的接受程度、人工智能输出仪表板的显示以及人工智能的伦理。