第5章 智能化空战
空战既适用一般战争概念，也有其特殊性。空战战场广阔无垠，空中一般没有杂物，敌对双方的空军在交战时畅通无阻。因此，空战有两个恒定因素：跨域多领域；涉及作战网络。空中环境的性质意味着空战受到技术、技术可能性和技术缺陷的显著影响。就俄、中、美的作战构想而言，有两个特定领域受到了现代空中力量思想家的关注。
首先，这些构想强调瘫痪对方的指挥控制系统，中断和扰乱对方的作战网络。John Boyd和John Warden是两位有影响力的空军思想家，二人均持此观点。Boyd主张在敌方的观察–定位–决策–行动（OODA）循环内实现机动。这会扰乱敌方指挥官的认知，给他们造成面临威胁的错觉，使敌方部队无法在瞬息万变的环境中随机应变。同样，John Warden也强调直接或间接地将敌方领导作为目标，造成系统瘫痪，施加心理压力。
其次，在俄、中、美的作战构想中，在防御方布局的整个战场同时发动攻击会带来巨大收益。1921年，Giulio Douhet首次提出在战略和战术两个层面上对多个不同目标进行进攻性空中行动。然而，这一概念直到20世纪90年代随着精确制导武器的引入才变得可行。Warden很快就意识到这一点，他主张美国空军（USAF）在并行作战条件下采纳这一建议，鉴于他的影响力，其他空军最终也接受了该建议。
除了这种作战层面的考虑，战术层面的空战直接涉及飞机。与其他武器系统相比，现代飞机在战术和作战层面上都具有高度的机动性，能够不受天气影响在白天和夜晚随时进行精准打击。然而，在干净的天空背景下，飞机很容易被现代传感器探测到，成为现代武器系统的直接攻击目标。为此，出现了各种专业的飞机和战术，力求通过主动、被动、技术和战术手段避免被发现。然而，所有的飞机都相对脆弱，哪怕是小型导弹或炮弹也能使其失灵。除了这种脆弱性，将受损飞机恢复到战备状态也非易事，这在很大程度上取决于后勤保障的可用性。
与海战一样，空战遵循兰彻斯特效力平方律：在双方势均力敌的情况下，净战力的初始微弱优势可能起到决定性作用，并且这种效果还会累积。因而，飞机的数量在防御和进攻中都很重要。在所有其他条件相同的情况下，强势一方对弱势一方造成的损耗率比弱势一方对强势一方造成的损耗率要高得多：20架飞机与10架飞机交战，可能只损失3架飞机就摧毁所有10架飞机。
考虑到现代飞机和培养高能力机组人员的成本，数量对当代空军来说并不容易实现。就这一问题，智能无人机提供了一种可能：用可复制软件取代难以获得的个人技能。第四次工业革命及其原型作战的可能性提供了一个诱人前景：使用先进的制造技术按需生产大型机器人空军，包括根据特定作战或冲突需求快速定制智能无人机。
本章主要通过“发现”和“愚弄”这个人工智能应用概念，讨论在智能化作战空间中的空战。从概念上讲，欲置对方于死地的防空作战分为防御性和进攻性两个方面。因此，第一节介绍了空战中的防御构想，第二节进一步描述了空战中的进攻构想。
空中力量也可以用于战略打击，支援陆地和海上行动。需要注意的是，本章仅侧重于空中对抗；对地面目标的空袭不在讨论之列。此外，本章关注的仅仅是在空中进行的战争，并未将弹道导弹防御纳入防空概念，而是将重点放在与飞机有关的事项上。
空战防御构想
防空的目的是降低敌方空袭的有效性，提升攻击飞机的损耗率。两者并不矛盾，但友军的部署和使用取决于想要实现的首要目标，因而一般来说会厚此薄彼。采取防御就是将主动权让与对手，由其选择何时何地集结兵力进行攻击。在大国之间的重大冲突中，防空系统不可能完全有效地防止空袭；有些飞机会穿透防空系统并向特定目标发射武器。
防空是指提供主、被动保护措施，防止友军受到空袭。主动措施通常属于综合防空系统（IADS）的一部分，由战斗机、地对空导弹（SAM）、高射炮（AAA）、空基和陆基雷达系统以及指挥控制系统组成。防空战斗机通常用于战斗空中巡逻（CAP）或地面预警拦截。执行战斗空中巡逻时，战斗机组成空中固定巡逻队，在敌机攻击前或攻击后离开时拦截敌机。相比之下，进行地面预警拦截时，战斗机在地面等待，在检测到空袭来临时，根据命令扰乱命令控制系统。
被动防空措施包括伪装、隐蔽、诱饵、电子欺骗或干扰、加固、分散和编队重组。在冷战后期，许多空军基地都建造了坚固的飞机掩体，摧毁地面上的飞机变得难上加难。其基本前提是空袭只使用惯性非制导武器。现在，随着精确制导武器的广泛普及，坚固飞机掩体的效果会大打折扣。相反，在科索沃战争中，诱饵在对抗制导武器方面颇为成功，说明仍然有效。
感知区域部署
第2章讨论的总体防御构想中，有一个大型物联网感知区域，覆盖敌军可能进入或穿过的区域。在某些方面，这一想法已在防空构想中体现，例如地面雷达站链，辅以预警和控制飞机，以探测高、低空飞行的飞机。在智能化防空构想中，使用大量低成本的智能小型地面和机载传感器，对现有的高成本、有限数量的传感器部署进行大规模补充。
大型物联网感知区域中的组件可以使用人工智能边缘计算，将初步处理过的数据通过云端发送到融合中心，然后进入指挥控制系统。这些较小的物联网传感器可由短程有源雷达发射器充当，但这种技术的使用受电源限制。更可行的方案是使用无源物联网传感器，用以检测全频谱电磁辐射，包括声音、紫外线、红外、无线电和雷达波段。单个传感器性能可能相对较低，但当其输出与其他几百个传感器相结合时，就能跟踪和识别空中交通（有的可能以三维形式提供数据）。
地面防空物联网传感器可固定部署，长时间工作，而无人机上配备的传感器仅有数小时到一天不等的续航能力。新兴物联网应用可能会大大提高这种续航能力，包括高空气球、小型卫星和伪卫星，所有这些都有可能引入人工智能。
大型物联网感知区域若使用无源探测，飞越此区域的飞机就不会使用发射系统，如雷达、数据链路和通信，以避免被发现。即便如此，飞机的正常排放，如噪音、温度及视觉特征，仍可能暴露飞机的存在。有鉴于此，需要提高物联网感知区域的部署深度。飞机在接近已知传感器时，会设法限制自己的排放，特别是来自前部的排放。若感知区域较深，则意味着即使未直接检测到有飞机临近，也会在随后检测到飞机侧翼和后部。
指挥控制
超大智能物联网感知区域通过云将初步处理过的数据输入融合设施，由人工智能进一步处理。在考虑这些步骤时，可使用观察–定位–决策–行动（OODA）模型。就“观察”而言，如前所述，人工智能将参与每个物联网的边缘计算，然后在融合中心进行数据处理。至于“定位”，人工智能的重要作用体现在作战管理系统中。人工智能不仅能产生全面、近乎实时的空中图像，还能预测敌人在空中的行动路线和行动。
人工智能的“决策”层负责管理并实时了解己方防空部队的可用性，向人类指挥官提交空中目标优先打击清单、跨域攻击的最优方法、相关时间安排以及消除冲突的考虑因素，供后者审批。在人机团队中，会根据需要采用“人在环中”或“人在环上”控制方式。人类会深度参与“决策”。
在获得人类批准后，人工智能的“行动”层会分配特定武器打击具体的敌机目标，自动传递目标数据，Ïû³ý与友军的冲突，确认交战时间，进行交战评估，必要时请求武器补给。“行动”步骤完成后，会使用高射炮、地对空导弹系统或战斗机与目标交战。假以时日，人工智能或会广泛应用于所有三种武器系统。
就高射炮而言，密集阵近程炮配备基于规则的专家系统，多年来一直被海军用于反舰导弹防御作为最后一搏。这种火炮只在战斗中使用过一次，当时发射的是箔条诱饵云，而不是攻击导弹，控制模式为“人在环上”。至于地对空导弹，爱国者地对空导弹系统在“人在环上”控制模式下采用了类似于简易版第一波人工智能的专家系统。爱国者在打击高速弹道导弹方面证实有效，但也失败了两次，击落过两架友军飞机。
这两个系统的作战性能表明，未来的智能高射炮和地对空导弹系统有失败的可能性，人类干预仍至关重要。因此，这些人机团队中的人需要提高警惕，防止对人工智能系统产生错误的安全感。因为失败极其罕见且无法预测，再加上系统监控工作量大，相关人员可能会有意无意地变成系统监控器，而非全身心投入的主动控制者。
人工智能战斗机
眼下，人们考虑将人工智能用于未来的无人战斗机。美国国防部高级研究计划局（DARPA）最近的一次空战实验表明，人工智能操纵的F-16模拟机总能击败由经验丰富的人类飞行员驾驶的F-16模拟机。这一成功的人工智能使用了强化学习（第1章中讨论的机器学习技术），尤其擅长学下围棋。在DARPA F-16案例中，人工智能不仅控制飞机飞行，还进行战术决策。
在人工智能使用上，智能无人机还有一个选择：用第二波人工智能学习算法做出战术决策，用第一波人工智能专家系统操纵飞机飞行。另一种方案是用第一波人工智能同时完成这两项任务。在DARPA模拟实验中，这三种方法都产生了合理结果，但强化学习方法显然最好。在现实世界中，结果可能会不同。
由于已经有几架高性能无人机投入使用，开发近程空对空作战无人机似乎是一项并不复杂的工程任务，这些无人机可利用人工智能在空战中进行战术决策。事实上，美国计划在2024年重复2020年人工智能驾驶飞机与人类驾驶飞机的实验，但这次不是模拟机，而是与实物大小一致的战术飞机。经过优化的近程智能作战无人机比载人飞机更小、更轻、成本更低，在防御任务中，可能不需要配备武器来干扰敌方空袭。
可使用指挥控制系统为无人机分配目标，无人机接下来去吸引、逼近、攻击目标。敌方机组人员注意力会被分散，攻击中断，这时飞机就容易受到其他载人武器系统的攻击。此外，若敌方的载人飞机左突右击，其燃料消耗必然上升，可能需要迅速中断战斗返回遥远的基地。
相反，配备武器的人工智能战斗机可在“人在环中”或“人在环上”（视情况而定）模式下作战。缺点是，武装飞机会产生工程设计问题，并对安全武器运输和使用带来战术问题。因为多个原因，用无人机吸引、锁定敌机、然后再跟踪并广播敌机的踪迹和详细信息更容易些，如前述的美国海军的“海上猎人”号无人艇。
搭载人工智能的飞机可执行战斗空中巡逻（CAP）或地面预警拦截（GAI）。执行前一任务的无人机比执行后一任务的无人机外形要大，以便携带额外燃料，在站续航时间更长。即便如此，由于无需机组人员，CAP无人机的空间更大，重量更轻，续航时间会远大于相同尺寸的载人飞机。不过，无人机越大，设计和操作复杂度也就越大。
执行地面预警拦截时，无人机外形较小，看起来不像是飞机，更像是导弹，可能会通过降落伞进行回收。例如，美国空军的实验性XQ-58A女武神（Valkyrie）无人机从固定发射器升空，使用降落伞着陆；有人提议将这种无人机安置在可移动的集装箱中。
若智能GAI无人战斗机不需要机场，纵深防御会更容易，关键的是，能实现分布式防空这样的新概念。物联网感知区域内可能存在智能GAI无人战斗机，由指挥控制系统远程控制，执行短程快速响应拦截任务。这些点防御（Point defence）无人战斗机将与载人CAP飞机协同工作，提供区域覆盖。同样，这种无人机也不一定需要复杂的装备才能发挥作用。
重要的是，在这样一个智能综合防空系统（IADS）中，人类和无人机各自执行不同的任务。人类负责较高层次的认知功能，比如制定全面的交战战略、确定重点目标以及批准交战使用武器。人工智能承担较低层次的认知功能，如操纵飞机和对抗战术。
人工智能的“愚弄”功能
人工智能的“发现”功能与“愚弄”功能结合使用能发挥最大效用。敌方需要大量关于目标及其防御的信息才能保证攻击成功。智能“愚弄”系统可遍布战场，包括物理和网络空间。物联网感知区域可长期存在，用于实现反情报、监视、侦察和目标定位（C-ISRT）功能。目的是建立误导性—或至少能起到混淆作用—的战场图景来击败对手的“发现”系统。智能“愚弄”系统也可以与复杂的欺骗活动结合使用。
此外，可使用分布广泛的小型移动边缘计算系统传输保真度不同的信号，制造复杂的电子诱饵。为最大程度地实现机动性，可将这些系统安装在无人机上。当然，使用道路网络的无人驾驶地面车辆（UGV）也能实现特定功能，例如伪装成移动地对空导弹系统。无论如何，目的只有一个：在一定时间内掩盖战场上正在进行的攻击。
更昂贵的方法是用无人机电子复制防空战斗机，误导敌人，让他们以为突然出现了大量战斗机在各个CAP站保卫目标区域，因而退出战斗，避免高损耗。
“愚弄”功能可进一步扩展，与被动防御措施和作战方法相结合。敌方反空袭的主要目标往往是空军基地。空军基地是静态的大型综合建筑，很容易被发现。这与第4章中提到的陆战中央作战勤务保障节点类似，对综合防御系统也有类似需求，包括分层反火箭炮、火炮及迫击炮系统、高能激光、高功率微波、干扰、陆基防空、电子欺骗或有限的弹道导弹防御。如此集中的防御系统造价高昂，但收益不菲。
然而，空军基地与陆战勤务保障节点并不完全相同。智能系统或可利用其中的某些差异。空军基地通常在战争之前就已建立，设计时充分考虑了抗攻击能力。如前所述，加固的飞机掩体现在并不那么有效。目前的较好替代方案是分散部署，尤其是人工智能的引入让这一方案比几十年前更为可行。
永久性空军基地周围可能有若干卫星机场。这些机场的设计寿命为几个星期或几个月，而不是像永久性空军基地那样几十年。在冲突时，永久性空军基地的飞机在基地和短期机场之间来来回回。这一活动将与智能系统的“愚弄”行动紧密结合。目的是欺骗和迷惑敌人，使他们摸不着头脑，不知道攻击何处，最终决定攻击方位后，区域内实际上并无目标存在。这种战术加剧了“战争迷雾”，可用于操控敌方感知，有目的地削弱敌军的战斗力。
敌人用于防空行动的飞机、远射武器和弹道导弹的数量都很有限。若所攻击的机场实际上并没有目标飞机，会使敌方战机遭受不必要的损耗，而使用远射武器和弹道导弹只会浪费不充足的库存，在短期冲突中，这种库存更是一次性的。将“愚弄”功能和物理分散相结合可支持防空目标的实现，既能降低敌人空袭的有效性，也增大了敌人的消耗。
过去，这种分散飞机概念的一个主要问题是，在若干个短期机场维护作战飞机需要在多个地点重复进行后勤保障，投入相关人力，耗资巨糜。使用智能系统后，这一问题迎刃而解。
在后勤保障方面，永久性空军基地可建立走廊，将其大型仓库和消耗品储存设施与短期机场连接起来。在保障和供应走廊的仓储端，有大量现成的人工智能技术可以使用。
最高级的仓库已具备库存实时监控功能，采用人工智能机器学习、云、大数据和物联网支持实时下单，用高级机器人拣货，用自动驾驶车辆搬运库存。有些仓库现采用按需3D打印，满足对新设备不常用备件的一次性要求，同时避免为旧设备储存大量零件。物流控制塔被引入，它集成了来自不同来源的数字信息，使用大数据分析实时显示整个供应链的概况，包括运输。可使用同类技术控制和指导消耗品的储存。
在保障和供应走廊方面，智能化后勤可使用机器人卡车，自主跟随人类驾驶车辆前进。这种能力也称为“列队行驶”，人类驾驶卡车在前，后面紧跟若干自动车辆。为了确保安全，这些无人驾驶的卡车会配备紧急避障系统，该系统使用了机器学习开发的算法。在这方面，已经有大量工作在进行中，美国陆军最近就得到了一些无人驾驶卡车用于训练和评估。从技术上讲，设计无人驾驶空军基地后勤配送卡车比设计陆军补给车辆要容易得多。前者主要在预先勘测、铺设或修整的道路上运行，可能会使用全球定位系统（GPS）。
在后勤走廊的短期机场端，智能系统无处不在。使用人工智能、机器学习、大数据、云计算、物联网、自主操作和机器人技术，这种短期机场能更快地生成飞机架次，需要的人力也比现在要少得多。现役飞机可利用机器人进行加油、武器装载等操作。智能化预测性维护将基本避免或至少大大减少计划外维护。这些机场无人居住，由永久性空军基地或其他地方的中央控制中心的工程和后勤人员进行远程管理。它们甚至可以利用可再生能源和电池自行发电，部分实现自给自足。
短期机场事先已安装了必要设备，待冲突发生时，可立即投入使用。另一方面，机场可能要有必要网络，以便将“即插即用”系统和车辆随时接入到自己的系统体系中，这些系统和车辆可能一开始就是由列队行驶的卡车车队运抵机场的。
译者声明
小蜜蜂翻译组公益译文项目，旨在分享国外先进网络安全理念、规划、框架、技术标准与实践，将网络安全战略性文档翻译为中文，为网络安全从业人员提供参考，促进国内安全组织在相关方面的思考和交流。