美国空军AI在飞行试验中规避导弹

改变讨论的试验

美国空军试飞员在一次受控飞行试验中使用战术人工智能系统规避了真实导弹威胁——这是一个重要的里程碑，标志着AI辅助空中战斗从仿真转向实际演示。该试验由美国空军试飞员学校的飞行员与DARPA合作进行，要求AI系统检测导弹发射、评估威胁几何形状并在没有直接飞行员输入的情况下执行规避机动。

飞行员在驾驶舱内，在整个试验期间保持了超控能力，但规避机动序列由AI系统在导弹发射检测和拦截之间的可用时间窗口内执行——这个时间窗口根据几何形状可能以秒为单位测量。仅凭人类反应时间不足以对现代导弹持续执行最优规避机动；该试验旨在确定AI系统是否能够弥补这一空白。

战斗节奏问题

现代超视距空中战斗已发展到令人类认知和身体能力应接不暇的速度。导弹以音速的数倍速度飞行，能够执行防守飞行员必须预测和抵消的高G末端制导机动。防御几何——确定最优规避方向、正确使用干扰和干扰弹、以及降低导弹制导而不超过飞机结构限制的机动参数——涉及在极端压力下的快速计算。

经验丰富的战斗机飞行员通过数千小时的训练和模拟器工作培养直观反应，但这些反应基于对已知导弹类型和已知性能范围的模式识别。随着敌方导弹技术的发展和多威胁场景的增加，对人类飞行员的认知需求持续增加。能够吸收实时传感器数据并执行最优防御反应的AI系统代表了一种潜在的决定性能力优势。

DARPA航空战斗进化计划

该试验是DARPA自2019年以来开发航空战斗AI的航空战斗进化（ACE）计划的一部分。该计划因2020年AlphaDogfight Trials而获得广泛关注，当时一个AI系统在模拟近距离战斗中击败了人类飞行员。从那时起，该计划已逐步从仿真进展到硬件，在实际飞机而非计算机模型中测试AI系统。

这种进展既反映了底层AI的成熟，也反映了进行AI控制飞行试验操作所需的监管和安全流程。AI在飞行试验中权限的每次扩展——从仿真、到硬件在环测试、到有安全飞行员的实际飞行、到针对真实威胁的运作演示——都需要广泛的安全案例开发和风险评估。导弹规避试验代表了一个特别重要的步骤，因为它涉及真实威胁而非模拟威胁。

试验演示的内容

试验演示了几项具体能力。AI系统必须从传感器数据中正确识别和分类传入的导弹威胁——将其与其他飞行物体区分开并表征其制导模式和性能范围。然后它必须计算一个规避响应，考虑到飞机的当前能量状态、导弹的预测拦截几何形状以及飞机飞行包线的约束。

规避机动序列包括运动学机动——改变飞机轨迹以降低导弹的几何优势——和对抗措施部署，由AI根据导弹的估计制导模式进行时序以最大化其有效性。将物理机动和对抗措施部署都整合到单一AI计算响应中比单独的任何能力都更复杂。

通向运作系统的道路

将成功的试验演示转化为美空军的运作能力需要跨越多年的开发管道。安全认证、与生产飞机系统的整合、人机界面协议的开发以及确定AI权限何时合适的学说工作都是重大任务。美空军的协作战斗飞机计划——开发自主伴飞无人机与有人飞机并肩飞行——为该技术提供了近期路径。为有人飞机导弹规避开发的战术AI系统可能首先在无人系统中部署，在无人系统中AI错误的风险较低，权限问题也更简单。

试验更广泛的战略含义很明确：AI正在从军事航空中的支持功能——任务规划、数据分析、后勤——转向在空中战斗物理行为中的直接角色。这种转变如何得以管理，以及对生死攸关情况下自主AI权限设置什么限制，是军方正在积极解决的问题。

本文基于Defense One的报道。阅读原文。