1 简介

战斗机的时代已经过去。这话是埃隆-马斯克在2020年空战研讨会上描述未来空战时说的。这产生了巨大影响力。

马斯克的立场似乎得到了美国国防部高级研究计划局（DARPA）Alphadogfight（ADT）演示的支持。在ADT期间，几个人工智能（AI）项目在一场斗狗比赛中相互对决。获胜的人工智能随后与人类战斗机飞行员进行了面对面的较量。虽然DARPA声称比赛的目的是开发支持人类飞行员的人机共生的人工智能程序，但结果对飞行员本人来说不可能更糟。人类在与机器的每一次交战中都输了，而且比人工智能以前的机器对手输得更快。

同样值得考虑的是，在超视距情况下——在这种情况下，距离的计算、对飞机相对位置的了解、相对高度、速度和武器都必须在非常高的速度下完成——结果会如何。考虑到空对空战术的复杂性以及欺骗和电子战在其实施中的突出作用，结果可能会更加令人震惊。

尽管如此，许多飞机制造商仍在继续开发有人驾驶的作战飞机。即使是成本驱动的商业航空部门也不太可能取代人类飞行员。此外，尽管西方第五代战斗机都是单座飞机，即使是出于训练目的，双座设计也回到了桌面上。最近，中国第五代歼-20战斗机采用双座配置，苏霍伊公司正在考虑其苏-75 "Checkmate"的双座版本。回归双座设计背后的原因仍然不透明，但鉴于目前空中行动的复杂性和对更复杂的多域作战（MDO）的预期，下一代战斗机可能受益于武器系统官（WSO）。

另外，DARPA的空战进化（ACE）计划设想了一个中间地带，人类飞行员信任人工智能来控制飞机，而他们需要人类来指挥任务，如决定交战策略、选择和优先考虑目标，以及确定最佳武器或效果。

未来几乎肯定会包括马斯克所宣称的、DARPA所预期的人工智能优势，但它们应该伴随还是取代人类飞行员？许多挑战依然存在。本文将强调最重要的挑战。

2 挑战和考虑因素

2.1 机器学习过程

支持人工智能的最常见的机器学习方法是强化学习（RL），它使计算机算法能够从过去的事件中自我学习。机器使用一个奖励系统来区分成功和不成功的动作，它可以在没有指导的情况下快速进行，不需要人类的互动。同时，人类也可以指出错误，帮助强化未来的课程，让机器寻求成功。

"未来的战斗机......将急剧增加的飞行员工作量。人工智能必须在管理这种工作量方面发挥一些作用。"

奖励函数设计是另一种机器学习技术，通过给交易分配相对价值来加速学习结果，从而补充RL。这个概念激励人工智能通过利用它已经学到的关于其先前选择的 "价值 "的东西，而进入到一个更高的奖励状态。这种评估使人工智能能够在探索一系列行动以追求更高的奖励时进行风险与奖励计算。目标是在探索了所有可能的解决方案和奖励之后，达到一个良好的平衡。

一个可能加速学习过程的额外优势是，人工智能系统可以建立在其他人工智能系统的经验上，使用额外的机器在所需的网络内进行训练，而无需人类参与，并将获得的知识转移到目标机器上。几个模拟器，每个都应用不同的战术，可以极大地加快学习过程。

然而，机器学习不应该被看作是万能的。它仍然高度依赖于软件设计、算法和数据选择。纳入机器学习技术内的不完整或有毒的信息会导致学习过程中出现重大缺陷或错误。因此，人工智能可能做出无效或危险的决策。

2.2 战机的控制

尽管现在的趋势是，只有在ACE计划显示人工智能飞得更好的情况下，人工智能才会帮助飞行员，但在真正的战斗机上，这两种选择将如何合并？

一种选择是，飞机由人类飞行员控制，只由人工智能提供建议，至少在机器识别出关键风险并评估出它能比人类更快或更好地做出反应之前。人类飞行员应该始终保留对这一决定的控制权，还是应该授权人工智能在没有预先授权的情况下进行控制，以确保任务成功或飞机生存？同样地，飞行员是否应该在知道他的反应时间意味着失去可能影响定位或射击机会的关键秒数的情况下，采取所有武器使用行动？

此外，在飞机机动能力的极端情况下不会有失去意识的风险，这是人工智能相对于人类飞行员所具有的诱人优势之一。虽然预计人工智能可以纳入飞行员的健康状况数据，但获得对敌优势的唯一方法可能是牺牲飞行员的意识。在飞行员没有意识的情况下，人工智能应该自主地使用武器吗？

此外，由于战斗机传统上是以双机或四机编队的形式运行，关于人类与人工智能控制的决定将影响到单个飞机和整个机队。需要考虑人工智能控制的飞机如何与其他编队的机组人员进行交流，以及是否通过数据链、语音或两者进行。鉴于飞行中的一些（而不是所有）飞机有可能在人工智能的控制下--而且有可能是无意识的飞行员--整个编队的控制权应该下放给人工智能，还是应该转移给任何有意识的飞行员？

一个更直接的选择是将人工智能限制在一个辅助角色，在准确的时刻提供适当的信息，以避免饱和，也许，在特殊情况下，如生存需要时，就像现有的线控系统在超过攻击角限制或在某些失控的情况下对飞机进行指挥。

到今天为止，由于其相当复杂，最可能的演变是人工智能只是帮助飞行员。然而，随着技术的快速发展，我们当然不应该回避人工智能的支持，尤其是知道潜在的对手会广泛地使用它。

2.3 伦理学

许多作者都写过关于机器人自主和人工智能控制的武器系统的道德和伦理问题，并探讨了我们是否应该允许机器对人类做出生死决定。从伦理上评估的一个特殊案例是，人工智能凌驾于人类飞行员的控制之上。一些人认为，一个充分发展的人工智能将对其决定和后果负责，并承担法律责任。相反，其他人认为至少有一个人必须保留责任和法律责任。如果人工智能控制的飞机出现错误，导致人类生命的损失，谁将负责？可以认为是人类飞行员，即使他可能没有机会干预或取消行动，甚至是程序员，但最有可能的是，下令执行任务的指挥官将是负责的一方。

2.4 准确的情报和人工智能衍生的战术

来自情报的数据将为人工智能的学习过程提供基础。预计人工智能将处理飞机、其飞行成员以及可能更广泛的云联网系统的所有可用传感器数据。在实时的情况下，这将支持单个飞机的决策优势，并在测试和评估活动中提出和评估战术的重要能力。然而，正如单靠数据不等于准确的情报，单靠数据也不会创造新的战术。人类的判断会解释数据，推断对手的能力和战术，创造测试环境，并评估结果。这些人类选择的准确性将不可避免地影响人工智能衍生的战术，就像在传统战术开发中一样。在这里，应该利用人工智能运行大量模拟集的能力来提供广泛的潜在选择，以应对不可预见的对手能力和战术。

2.5 人工智能将位于何处？

当我们想到战斗机中的人工智能与人类的共生关系时，不可避免地会想到R2D2、天行者卢克和《星球大战》中的X-Wing战斗机。然而，在真正的战斗机中，人工智能将在哪里？它是在飞机上还是在云中？云端的人工智能会克服通信延迟，在斗狗中获得对人类的优势吗？将人工智能或飞行员移位意味着应尽量减少风险，要知道通信方面的优势永远不是绝对的，也不是永久的。

为了设定预期，应该注意到ADT使用了一个计算机机架和服务器来处理由人类驾驶的战斗机提供的实时数据。这样的计算能力和启用的数据优势目前无法纳入战斗机中。

2.6 人工智能会有什么 "感觉"？

在ADT竞赛中，人类飞行员使用高保真的虚拟现实系统来视觉追踪人工智能驾驶的对手飞机。然而，由于比赛中使用的数字智能模型缺乏传感器，人工智能收到的所有对手数据都是直接输入的，减轻了感应和解释等更复杂的任务。使用关于对手飞行参数的准确数据给机器带来了巨大的优势。在实际战斗中，这种数据不容易获得，而且即使收集到也不一定准确。人类飞行员必须推断出对手的参数，使解释和决策变得复杂。人工智能agent将不得不做同样的事情。

为此，人工智能将需要的不仅仅是飞行员可用的信息（包括雷达、警告接收器、红外传感器和数据链），以 "感受"和保持对形势的认识。人工智能将需要一套类似于自动驾驶汽车中的视觉传感器，以实现与人类飞行员目前所完成的同等的视觉观察。虽然预计人工智能在解释适当集成的传感器方面会更快--这本身就是一个不小的成就--但人工智能对需要 "感觉或直觉 "的非预期或异常情况的反应如何，还有待观察。这将在ACE计划的最后一步进行评估，即两架战斗机之间的真正交战，一架由人类驾驶，另一架由人工智能驾驶。

3 结论

未来的战斗机，特别是那些设想与人工智能驾驶的无人机/僚机一起使用并在MDO环境下运行的战斗机，将经历急剧增加飞行员工作量。人工智能必须在管理这种工作量方面发挥一些作用。

然而，考虑到各种可能性，很难想象人类作为人工智能驾驶的飞机上的乘客来管理空战，而人工智能自主地操纵飞机进入射击位置，然后将武器的控制权移交给飞行员或在没有人类授权的情况下发射导弹。更容易设想的是，飞行员在人工智能的支持下驾驶飞机，以提高战术信息的准确性和及时性，并提供威胁诊断、警告和可能的防御性机动，如使用反措施或其他战术选择。

虽然有理由认为，人工智能与人类的合作将不如对手使用不受约束的人工智能所能做到的，但人工智能是否能在未来的整个场景中取代人类飞行员，还有待观察。尽管如此，预计人工智能与人类的合作将为未来的战斗机提供一个更有弹性和有效的方法，但只有当优化的人工智能与人类的共生关系被优先考虑并实现时。

诚然，未来的战斗机作战行动将不断发展，埃隆-马斯克关于载人战斗机时代结束的预言性警告与事实相去甚远。

作者

拉斐尔-伊卡索，中校于1993年加入位于圣哈维尔的西班牙空军学院。他于1997年完成了基础飞行员培训，并于1998年在第23联队完成了战斗机武器课程。1998年至2007年，他在萨拉戈萨空军基地第15战斗机联队的151SQN中驾驶EF-18战斗机。2007年被分配到巴达霍斯第23联队的战斗机武器学校担任教官飞行员。2009年回到第15联队，在152SQN和153改装SQN担任EF-18教官。2008年他被晋升为少校，2009年被分配到空军学院的学术部门，担任飞行教官以及国防大学的教师。2013年至2016年，他在北约总部空军司令部拉姆施泰因的评估部门（TACEVAL）担任飞行部队项目官员和评估员。在马德里的武装部队联合参谋课程结束后，2017年他被提升为中校，并被派往托雷洪空军基地的西班牙空战司令部A7科（训练、演习和评估）担任参谋，之后被派往联合空军能力中心。在此期间，他参加了阿维亚诺空军基地的几次部署，在巴尔干半岛上空飞行。他拥有联合参谋课程和地缘政治和国际关系的硕士学位等。他已经在C-101、F-5和EF-18上飞行了2700多个小时。

成为VIP会员查看完整内容