兰德公司发布《探索机器学习辅助指挥控制的可行性和实用性》报告

2019年，美国空军研究实验室信息部门（AFRL/RI）要求兰德公司空军项目部针对将AI技术应用于空军指挥控制进行研究并提出建议。《探索机器学习辅助指挥与控制的可行性和实用性》报告是此项研究的成果，该报告提出了一个分析框架，用于理解和评估某个特定AI系统对于某个C2问题的适用性。除了适用于C2，该分析框架也适用于其他作战功能和服务。报告通过空中主攻击计划、自动目标识别和支持人员恢复（Personnel Recovery）的人机编队三个技术案例演示了该分析框架。

近期AI系统在商业中的突出应用表明，AI提供了实际价值，而且可以作为更大的人机编队的一部分成功地发挥作用。该报告分类介绍了C2存在的问题和相应的解决方案能力，以及评估AI解决方案的标准。

该报告聚焦于确定AI系统和C2流程之间的一致性，在分析C2流程时，也介绍了国防部AI系统所需的技术能力。最后，报告基于性能、有效性和适用性的衡量标准，开发了可用于评估AI系统的指标，一旦实施，也可用于演示它们的效用。

该报告主要关注以下几个问题：

• 美国空军的关键优先事项之一是使用AI来增强军事C2。

• 在学术和商业环境中开发和部署的AI系统与需要它们的军事环境有质的区别。

• 空军缺乏一个分析框架，以理解不同AI系统对不同C2问题的适用性，并识别普遍的技术差距。

• 空军缺乏评估AI系统解决C2问题的性能、有效性和适用性的指标。

针对上述问题，该报告提出了以下几项建议：

（1）使用本报告中描述的结构化方法系统地分析游戏、问题和C2流程的特征，以确定现有的AI测试平台在哪些方面具有C2任务典型特征；

（2）开发新的AI测试平台，在性质和强度上突出C2任务的问题特征；

（3）使用本报告中描述的结构化方法来确定和投资高优先级的解决方案能力，这些能力需要广泛的C2流程，但目前并不可用（如鲁棒性和确定性）；

（4）使用本报告中描述的结构化方法来评估潜在AI系统的特征和特定C2流程之间的一致性，以确定系统开发的优先级；

（5）为AI解决方案开发指标，评估算法合理性和优化之外的能力（例如，鲁棒性和可解释性）；

（6）使用本报告中描述的结构化方法来确定某个C2流程的性能、有效性和适用性的关键度量指标；

（7）根据确定的优点衡量标准，针对某个C2流程的AI系统进行全面评估；

（8）识别、重用和结合赋予关键AI系统能力的算法解决方案。