推荐！《基于人工智能（AI）的空中和导弹防御（AMD）：以结果为导向的辅助决策 》美国海军研究生院系统工程顶点报告145页

随着当前海军战争的趋势转向自动化作战武器系统，美国海军正将其战略重点放在人工智能（AI）能力上，以减少作战人员行动时间。这个系统工程（SE）项目使用约翰-博伊德的观察、定向、决策和行动（OODA）概念和海军陆战队规划过程（MCPP）（Angerman 2004；美国海军部2016）来代表人类-人工智能决策过程。空中和导弹防御（AMD）的杀伤链是通过简化联合目标定位理论“JP 3-60”（参谋长联席会议2018）来体现的。杀伤链过程中提高操作动化水平被证明可以大大减少执行时间，如果进一步发展和实战化，将为海员和海军陆战队提供防空的战术优势。通过使用专家系统和人工智能加速杀伤链将大大缩短交战时间，有效地扩大战斗空间。

该项目开发了用于防空和导弹防御的人工智能（AI-AMD）架构，该架构旨在通过对威胁进行优先排序并在人类用户的最小介入下采取行动来改善作战决策。该项目专注于理解和评估空空导弹防御（AMD）的杀伤链，通过确定使用AI-AMD可以更快地执行行动。项目组确定并评估了与应用于杀伤链过程中各个步骤的AI-AMD自动化水平相关的风险。该小组进行了建模和模拟（M&S）分析，以比较低水平自动化（"无 "人工智能）的杀伤链和高水平自动化（"有 "人工智能）的杀伤链，根据节省的时间来评估改进。

该团队在M&S分析的基础上开发了高度自动化的AI-AMD决策辅助作战能力的概念，并确定了有可能应用于未来AI-AMD架构的现有和未来人工智能方法。该团队按照美国防部的架构框架（DODAF）进行了架构分析，以确定AI-AMD的操作过程。该小组采用基于模型的系统工程（MBSE）方法，使用SE工具Innoslate来开发概念架构。架构分析结合了蓝军（BLUFOR）防空传感器、武器装备和联合网络，创建了一个OV- 5b/6c行动图，描述了AI-AMD决策辅助输出与JP 3-60联合目标定位程序步骤协同应用，以消除敌人的威胁（参谋长联席会议2018）。为了完成其任务，BLUFOR系统（SoS）执行36项业务活动：AI-AMD内部的17个决策点和外部系统的19个功能（包括传感器行动和网络通信）。该团队使用实验设计（DOE）、离散事件和随机模拟分析了架构分析的结果，发现在目标定位过程中高压力的AMD场景需要完全自动化水平，而低压力的AMD场景需要最低水平的自动化。该团队开发了一个决策风险矩阵，显示出高压力情况下的风险可以通过完全的自动化水平来降低。目标定位过程中17个步骤中的每个步骤的风险评估都被分为四类：低、中低、中和高。团队制定了一个相关的风险值来进行风险评估确定。团队利用Parasuraman的自动化水平（1-10级）来进行风险评估，将决策风险与目标定位过程中各个步骤的自动化水平联系起来（Parasuraman, Sheridan, and Wickens 2000）。该小组开发并使用了一条效用曲线来帮助确定每个自动化水平所节省的时间。自动化程度越高，节省的时间就越多。

该项目侧重于单一威胁的交战，以了解杀伤链过程中AI-AMD的时机。该小组进行了M&S分析，以证明AI-AMD架构的能力。该小组使用Innoslate MBSE工具和Microsoft Excel进行了离散事件模拟。在大量投资于行动图之前，团队使用Excel来评估元模型。仿真的主要重点是建立AI-AMD在不同压力水平下的时间性能，如低、中、高。次要目标是将该模型发展为可交付的设计工具，在NPS用于未来研究。该小组从公开来源的威胁数据中选择了三个有代表性的交战：低压力情景（时间轴为58.65分钟），中度压力情景（时间轴为9.72分钟），以及高压力情景（时间轴为1.51分钟）。该小组的M&S分析结果显示，在低压力情景下，仅由人类做出的决策（自动化水平1）导致对飞入时间为58分钟或以上的敌方威胁的AMD杀伤率达到100%。对于中度威胁情景（代表AI-AMD对每个作战活动决策节点的不同自动化水平（如6到10）），1000次随机运行的数据结果显示所有交战的平均完成时间为8.08分钟。当AI-AMD系统被设置为较高的自动化水平时，该系统在中等威胁情况下成功地进行了AMD防御。高压力场景的分解时间线允许每个作战活动决策节点有0.09分钟。该小组将人工智能-AMD系统设置为在高压力情景下仅由人工智能进行决策（自动化水平10）。高压力场景的结果表明，在自动化程度为10级的情况下，有可能成功应对敌人的威胁。该小组进行了敏感性分析，以探索替代的基本代表分布（基线、对称变量扩散和高度倾斜）的影响。虽然分布形状的变化确实影响了结果，但在每一种情况下，只有在人工智能支持的节约率超过97%的情况下，才会在高压力场景中取得成功。

该项目研究了人工智能方法如何应用于AMD决策，以提高自动化水平，减少人类-人工智能团队的执行时间（人工智能辅助决策）。该团队自上而下地分析了AMD杀伤链：从OODA到寻找、固定、跟踪、目标、参与和评估（F2T2EA）。该小组确定了17个关键决策点，在这些决策点上，提高自动化水平可以提高AMD的决策速度。潜在的自动化水平与每个不同步骤相关的风险进行了平衡。该小组使用M&S来评估人工智能-AMD系统在低水平的自动化（"无 "人工智能）到高水平的自动化（"有 "人工智能）下的决策的及时性。由此产生的AI-AMD概念架构的高层次能力被记录下来，随着系统技术的成熟，建议利益相关者考虑。该团队确定了现有和未来的人工智能方法及其在AMD杀伤链中的潜在应用。该小组已经确定了未来人工智能-AMD的迭代需求，以研究整个战场上具有多种威胁和参与的更复杂的情况。