人工智能在未来空战训练中的作用是什么

不久前，据美国国务院国际信息局《美国参考》报道，在美国空军举行的一次虚拟空战中，人工智能算法成功击落了一架F-16战斗机。美国国防部长埃斯珀将此描述为国防部未来“机器学习的结构性影响”的一个例子。事实上，这次人工智能算法击败人类飞行员，是机器学习对未来军事影响的一个鲜明案例。

人工智能颠覆传统空战观念

这场关于人工智能对抗人类的比赛，是五角大楼研究机构人工智能空战比赛的最后一场。由Heron Systems公司开发的这一算法，在五轮比赛中轻松击败了战斗机飞行员，并夺得冠军。

这场名为阿尔法空战格斗（AlphaDogfight）的竞赛是美国国防高级研究计划局空战改革计划的一部分，该计划正在探索空空作战的自动化，并希望借此提高人类对人工智能系统的信任度和感知度。试飞员贾斯汀•莫克（JusTIn Mock）说：“从人类的角度以及战斗机飞行员的眼光看，在空战格斗这个特定场景中，我们拥有了一个有效的人工智能辅助系统。”

虽然人工智能系统的胜利对年轻的国防高级研究计划局来说是向前迈进了一大步，但将这款系统的成熟化还远未结束。

最主要的问题在于，模拟中的条件对空战来说并不现实。目前人工智能系统需要一个“纯净”的信息环境，专家在评论这一事件时指出，这种环境在实际空战中并不存在。

同时，Heron的人工智能系统在整个比赛中因其目标判别能力和射击的准确性而声名狼藉。贾斯汀在这场虚拟空战之前就曾质疑，“人工智能系统经常会模拟出在实际空战中无法做出的飞行动作。”贾斯汀表示，Heron的智能系统经常在基本的战斗机 *** 作中犯错误。

批量生产的“空战王牌”或可成为现实

除了使用人工智能直接参与空战外，美国空军正在扩大其实验范围，将人工智能引入到培养无人机飞行员和传感器 *** 作员的训练中。

在6月1日的一次采访中，项目总监亚当•史密斯少校说，这种新的高科技学习系统有可能比旧系统更快、更有效地教授新的遥控飞机机组人员，并根据实际需要调整课程。史密斯说：“在本科阶段，根据RPA机组人员的实际要求，我们可以让他们更快地掌握技能。”

史密斯说，大约10年前，美国空军采用了目前的RPA训练模式，它由现有的本科生飞行员训练要素拼凑而成。包括在轻型螺旋桨飞机DA-20上进行近40小时的训练，然后在T-6模拟器中进行仪器训练。新的RPA课程，或称之为RPAC，将巩固RPA仪器资格课程（学生驾驶T-6模拟器）和随后的RPA基础课程，重点是学术和任务模拟。

而人工智能将是新RPA课程最重要的组成部分之一。

就像通常的飞行员训练一样，人工智能将跟踪学生的表现，并定制飞行模拟任务，以不断挑战他们的水平。例如，如果一个飞行任务被证明太容易了，而学生感到无聊，那么AI可以检测到它，并抛出一些曲线球——也许天气变得有点起伏不定，或者敌人出现了。或者，如果模拟任务太难了，人工智能可以把它降低一点，这样飞行员就不会因为太沮丧而停止学习。

最终，美国空军希望建立一个数据库，存储每个学生的所有人工智能数据。该机构希望全面记录学生在RPA培训各个阶段的反应。如果一名飞行员在尝试使用无人机武器，或与地面联合终端攻击控制人员合作时出现问题，空军可以回顾他的记录，看看他在之前的训练中从哪里开始，养成了坏习惯。如果这是由训练课程的问题引起的，空军可以找出问题所在，并加以解决。

正如史密斯说：“如果我们能早点解决这些问题，也许我们在项目后期就不会出现这种低级失误现象，将会为空军提供更高质量和更高水平的飞行员。”

人工智能 虚拟现实，无人机或得到革命性提升

在虚拟现实的帮助下，史密斯的团队正在与飞行员训练小组合作，以适应人工智能 *** 作的虚拟教练，并计划在MQ-9收割者无人机中队进行试点。新的RPA课程，或称RPAC，将在德克萨斯州圣安东尼奥-伦道夫联合基地的558飞行训练中队上线。但史密斯说，美国空军希望这项计划集中在RPA训练的所有阶段，包括新墨西哥州霍洛曼空军基地MQ-9的正式训练单元，和加州比勒空军基地的RQ-4训练单元。

据悉，RPA项目已经在一个模拟器上测试了它的虚拟导师程序，并试图弄清楚在没有实际导师在场的情况下，它能将学生教到多好。“飞行员训练进阶”的人工智能还有一个叫做生命模式的组件，它可以让模拟的组件真实地表现出来。例如，如果一个模拟场景重现了一个满是人的村庄，那么所有的虚拟村民都会像真实的人一样进行他们的日常生活。

史密斯说：“当他们看到一个村庄的人以一种现实的方式互动时，会真的增强了我们模拟器的真实感。”该团队希望生命模式不仅应用于本科生的初始飞行训练，而且也应用于 *** 作单位，用于RPA机组人员的日常训练。美国空军还为模拟器增加了一个瞄准吊舱，给传感器 *** 作员更多的机会参加训练。

目前，RPA课程计划正在研究如何使用虚拟现实技术进行更高级的训练。预计到2021年，这个项目可能会采用视网膜跟踪技术来观察学生的交叉检查情况，以及他真正在看什么。

责任编辑人：CC