2020年5月31日，美國蘭德公司發(fā)布《通過機器學習實現空中優(yōu)勢：對人工智能輔助任務規(guī)劃的初步探索》（Air Dominance Through Machine Learning：A Preliminary Exploration of Artificial Intelligence–Assisted Mission Planning）研究報告，該研究為人工智能原型系統(tǒng)在空戰(zhàn)環(huán)境中開發(fā)和評估新型作戰(zhàn)概念的潛力提供了證據支撐。
蘭德公司《通過機器學習實現空中優(yōu)勢：對人工智能輔助任務規(guī)劃的初步探索》報告封面
該報告是蘭德公司在美國防部提供給其所屬聯邦資助的研發(fā)中心的資金支持下完成的（美國蘭德公司圖片）研究團隊測試了幾種學習技術和算法來訓練能夠在模擬環(huán)境中進行空戰(zhàn)規(guī)劃的智能代理，目標是利用人工智能系統(tǒng)的能力大規(guī)模地反復模擬和持續(xù)改進，從而加速并豐富作戰(zhàn)概念的發(fā)展。報告指出，人工智能任務規(guī)劃工具相比現有的人工或自動規(guī)劃技術將具有極大的速度優(yōu)勢。
蘭德公司在《通過機器學習實現空中優(yōu)勢：對人工智能輔助任務規(guī)劃的初步探索》報告中采用的研究技術路線（美國蘭德公司圖片）
作者觀點：該研究最大的目的是在簡化的仿真模擬環(huán)境中驗證人工智能系統(tǒng)進行空戰(zhàn)任務規(guī)劃進而創(chuàng)新戰(zhàn)法的應用潛力，值得關注的亮點和結論有：
1）假想的場景是給定一組配置不同傳感器、武器、誘餌和電子戰(zhàn)載荷的無人機對孤立防空體系進行進攻，場景的選取貼合蜂群、“馬賽克戰(zhàn)”等的基本構想；
2）將開源深度學習框架與國防部標準作戰(zhàn)模擬工具“仿真、集成與建模高級框架”（AFSIM）集成，分別測試了生成對抗網絡（GAN）、Q學習、異步優(yōu)勢動作評價（A3C）、近端策略優(yōu)化（PPO）等當前最新的開源算法，結果顯示只有PPO算法可以在一組變化的復雜場景下滿足任務規(guī)劃需求；
3）人工智能算法在任務規(guī)劃中展現了一定優(yōu)勢和潛力，倘若在算法、訓練和部署中進一步深化研究，有望在速度上相比現有的人工或自動任務規(guī)劃帶來巨大優(yōu)勢；
4）強化學習是在數據資源稀缺情況下利用人工智能實現作戰(zhàn)概念和戰(zhàn)術創(chuàng)新最有力的工具，回報函數的設置是決定人工智能演進策略的關鍵所在，是作戰(zhàn)智慧的核心涌現；
5）在真實場景和關鍵任務中使用基于統(tǒng)計學習方法的人工智能系統(tǒng)必須經過充分的試驗、測試和認證。因此必須重視和加快航空可信人工智能框架方面的工作，其重要性不亞于其他航空人工智能應用探索工作。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
