美国空军作战实验室影子作战中心通过“顶点2025”实验结束了其2025年实验系列,该关键事件旨在增强联合与联盟互操作性,并加速指挥控制现代化进程。作为一系列严格实验的最终事件,“顶点2025”专注于人工智能在C2中的应用、人机协同、杀伤链自动化以及多域作战。

“顶点2025”实验总指挥斯蒂芬妮·阿尔巴内斯上尉详细介绍了实验目标、技术进步和关键经验教训,强调了作为美国空军作战实验室的影子作战中心-内利斯如何推进军事行动创新。

整合联合与联盟部队

“顶点2025”以空前的联合与联盟参与为特色,包括美国海军、海军陆战队战术系统支持活动、美国陆军太平洋司令部作战人员以及“五眼联盟”伙伴。阿尔巴内斯上尉表示,该事件标志着与早期实验的重大不同,通过测试联盟和联合部队,使影子作战中心-内利斯能够完善“马文智能系统”工具,同时推进“联合全域指挥与控制”目标。

“让联盟和联合伙伴与美国空军和阿拉斯加空军国民警卫队作战人员同地协作,并通过作战实验室环境和通信路径进行数字连接,意味着能够全面评估战术、技术、程序和技术之间的互操作性,”影子作战中心-内利斯作战主任韦斯利·舒尔茨中校说。“联盟和联合伙伴的参与增强了实验,并加速了应对作战人员挑战的技术解决方案。”

美国海军在动态目标锁定单元的支持,以及美国陆军和美国海军陆战队的远程参与,确保了在逼真作战环境中的数据准确性。“这种整合揭示了关于人工智能和机器学习如何支持多样化战术并使演习与CJADC2目标保持一致的新的见解”。

一个关键的里程碑是与英国整合了“联合联盟作战实验室网络”,使其能够并行测试其“空中力量4.0”AI/ML工具。英国通过共享空中任务指令,生成了行动方案并提供了反馈,推进了跨国技术协作。

“与英国的实时集成以及在此地将其AI能力与美国系统进行直接比较是前所未有的。这为更有效的模拟奠定了基础,加强了国家间的数据共享,增强了集体作战能力。”

核心焦点:增强决策优势

“顶点2025”专注于通过C2现代化和情报工作流程来提升决策优势。通过利用新的AI驱动工具,该实验旨在提高动态任务重规划和目标锁定的速度与准确性。

使用这些工具来应对作战前和作战中的变化,提高任务敏捷性和对己方战斗序列的感知。例如,“马文智能系统”联合蓝方资产工具自动更新蓝方资产信息,提供实时感知并改善任务协调。

据阿尔巴内斯称,“顶点2025”的结果将直接影响空战司令部和美国空军作战中心未来的C2和情报现代化工作。该实验汇聚了实验4的技术开发与集成,使用开发冲刺来快速应对作战中心的需求。这种方法使得能够在即将到来的‘竹鹰’演习前及时加速推进作战人员主导的软件进步”。

推进新兴技术

人工智能/机器学习需要仔细训练,特别是当直接连接到影响生命和肢体的系统与人时。“顶点2025”推进了先前的工作,并吸收了来自部级演习的经验教训,以确保现代化符合作战人员的真实需求。虽然传统的采办流程是必要的,但它们通常缺乏快速推进AI/ML等技术的灵活性。影子作战中心-内利斯实验使用真实的作战人员来评估这些工具,同时应用严格的方法来评估其准确性。

“‘顶点2025’展示了AI/ML在现代化作战管理方法中的关键作用。通过应用现实的严谨性并专注于作战人员的需求,能够完善和整合解决方案,对战备状态产生切实影响。”

有条不紊的数据收集

“顶点2025”在数据收集上采用了审慎的方法;每天使用相同想定、目标和空中任务指令以确保一致性,而环境复杂性在五天内逐步增加以满足收集目标。这使得影子作战中心-内利斯能够识别AI/ML性能趋势,包括失败之处和需要改进的领域。

早期,操作员注意到“独立者”工具在目标锁定建议上的差异,并能够调整其指标,告诉系统应优先考虑什么。随着实验推进,这些调整使系统能生成更准确的建议。

动态任务重规划与战术C2

动态任务重规划是“顶点2025”的基石,测试了操作员在不断变化的作战条件下的适应能力。联合战斗值班室的操作员在想定意外变化时,利用己方战斗序列和动态任务重规划工具生成新的行动方案。生成了超过300个解决方案,追踪了超过500个资产,帮助完善了态势感知并提高了决策速度。

“动态任务重规划在复杂、快节奏的环境中至关重要,这次实验展示了如何支持对作战进行实时调整,”阿尔巴内斯说。“在本次实验中收到的作战人员反馈将直接用于指导下一轮‘竹鹰’演习,改进‘独立者’和‘目标工作台’等工具。”

战术C2:增强互操作性

该实验还测试了联合与联盟部队间的互操作性,特别是与战术指挥控制节点之间。通过整合空、陆、海、网资产,它在复杂的多域想定中测试了动态目标锁定和联合火力协调。

战术指挥控制能力在极端条件下受到考验,包括不利天气干扰、资源限制、飞机退出、空对空交战以及逼真的敌方反应,迫使操作员快速适应。

“这次首次实验突显了军种特定的验证需求,并显示了数据链对齐对于进一步整合的重要性,”舒尔茨说。“希望扩大与海军的数据链共享,因为本次事件仅有海军参与。”

跨多个战术指挥控制节点扩展任务共享提高了作战灵活性。“与‘马文智能系统’工具集成的‘战术作战套件-精简版’,使联合和联盟部队能够在旨在严格测试技术并捕捉关键作战见解的逼真想定中,共享关键目标锁定数据并实时调整任务,”他说。

推进远程杀伤链

“顶点2025”在推进远程杀伤链方面取得了重大进展,其方法是采用审慎的联合与联盟集成方法,并扩大启用AI的C2工具的使用。该实验建立在既有的情报工作流程之上,同时增强“NEXUS”,将联合和联盟目标锁定流程集成到“马文智能系统”工具中,并作为实验4动态任务重规划和己方战斗序列工具的收官事件。

远程杀伤链的一个主要里程碑是非动能效应的结构化整合。“顶点2025”通过向联合战斗值班室注入困境以驱动重规划,并创建一个并行的非动能效应目标工作台来整合非动能效应。

通过观察人类操作员在真实条件下如何与AI辅助工具交互,“顶点2025”识别了动态目标锁定、C2集成和多域协调中的优势与差距。这些见解将为改进联合战斗值班室作战提供信息,并在作战人员指导下随着这些工具的发展而加强人机协同。

“顶点”事件利用了几种AI/ML工具来提升跨多个C2节点的作战管理决策的速度、规模和准确性。这使得操作员能够完善远程杀伤链的战术、技术与程序,推进跨领域的整合和目标锁定能力。结果,操作员在现有的远程杀伤链战术、技术与程序基础上进一步发展,并在多个领域推进了整合和目标锁定能力。

“一个关键亮点是在远程杀伤链实验中包含了联合和联盟军官作为领域专家,使操作员能够在AI/ML支持下做出更快、更准确的作战管理决策,”芬尼说。“‘顶点25’强调了进一步纳入联合和联盟专家的必要性,并随着工具包发展为支持日益复杂的决策,确定了有前景的AI/ML改进领域。”

作战与战略影响

来自“顶点2025”的见解将影响未来的演习。根据阿尔巴内斯的说法,从陆军战区火力单元和海军陆战队战术系统支持活动的参与中汲取的经验教训,将有助于弥合陆军火力解决方案与空军目标锁定工具之间的差距。影子作战中心-内利斯将发布一份简报和事后报告,与空战司令部、作战中心和空军部等利益相关方分享关键发现。

“人工智能和机器学习已被证明是现代C2的关键赋能因素,”芬尼说。“这些工具已经在重塑作战、自动化任务、增强决策制定并支持前线指挥官。”

“顶点2025”不仅是一次实验;它是完善未来作战战略的关键一步。该事件为发展系统和战术、技术与程序提供了数据,确保为定义未来冲突的复杂挑战做好了准备。

2026年实验

影子作战中心-内利斯的实验系列包括远程杀伤链、杀伤链和人机协同决策优势冲刺实验。这些实验将使规模较小的作战人员整合团队能够与供应商软件开发团队协作,根据其成熟度,在短短两周内快速迭代并生成最小可行产品。影子作战中心-内利斯将继续引入有前景的软硬件原型解决方案、ABMS数字基础设施以及日益成熟的AI/ML解决方案。

“随着这些最小可行产品成熟,它们将被整合到如‘顶点’或‘竹鹰’等大型演习中,”芬尼说。“随着实验和能力的持续发展,影子作战中心-内利斯在2026年整合复杂任务主线的能力比以往任何时候都更有希望。”

结论

“顶点2025”展示了实验、联合与联盟集成以及AI驱动工具的使用如何能够推进C2现代化、动态目标锁定和杀伤链自动化。“通过加强人机协同并为远程杀伤链提供可操作的见解,‘顶点2025’为未来的实验和演习奠定了基础,为复杂、快节奏的多域战场空间做了准备。”

参考来源:美空军

成为VIP会员查看完整内容
7

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。
IBM的国防人工智能推进:加速任务规划和决策支持
美智库CNAS:无人机扩散数据
专知会员服务
22+阅读 · 2024年9月17日
美军“系列混合电力推进飞机演示(SHEPARD)”计划
专知会员服务
24+阅读 · 2024年7月18日
洛马公司将开发用于SAM雷达威胁仿真的ARTS-V3
专知会员服务
19+阅读 · 2024年4月22日
美国“忠诚僚机”项目概念与技术现状
无人机
12+阅读 · 2018年11月1日
DARPA征集无人集群战术思路
无人机
19+阅读 · 2017年10月18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
7+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
3+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
13+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
Arxiv
174+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
494+阅读 · 2023年3月31日
Arxiv
25+阅读 · 2023年3月17日
VIP会员
相关基金
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
7+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
3+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
13+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员