砺道智库2026年1月16日

在复杂的多军种、多领域场景中（空军训练通常不会涵盖这种情况），几种人工智能工具中最好的工具生成的战术“行动方案”,不仅比军事专业人员更快，而且错误更少。

图：2025年9月24日，在内华达州拉斯维加斯举行的美国空军第三次ABMS CFT人机协作决策优势冲刺（DASH）实验期间，美国空军上校、先进作战管理系统跨职能团队（ABMS CFT）主任约翰·奥伦德向空军人员和行业合作伙伴进行简报（图片来源：美国空军）

虽然还不是天网，但在美国空军的一项实验中，人工智能工具的表现已经超越了人类。

美国空军在去年秋季最新的“DASH（人机协作决策优势冲刺）”实验中，对比了来自六家公司的AI工具，与来自美国、加拿大和英国的军方人员进行对抗，被测方需各自独立解决一些假设性的“战斗管理“问题，从计划空袭或重新安排基地受损飞机等常规空军任务，到收集异常电磁信号情报或保护失去动力且漂流的海军舰艇等更晦涩的场景等。

当美国空军评估由此产生的拟议行动方案(COA)时，发现至少有一种人工智能算法不仅在更短的时间内生成了比人类更多的COA，而且实际上犯的错误也比人类少。

据美国空军上周发布的一篇关于DASH-3的官方文章报道，美国空军高级作战管理系统跨职能团队(ABMSCFT)主任约翰·奥伦德上校表示：“这些机器生成的建议比传统方法快90%，其中最好的机器级解决方案的可行性和战术有效性达到了97%。”该文章还称，人类生成的行动方案大约需要19分钟，其中48%的方案“被认为是可行的，并且在战术上是有效的”。

奥伦德上校还表示，“我们的团队在实验过程中没有观察到幻觉。”这与美国空军最近的其他测试形成了鲜明对比，在那些测试中，AI实验性规划算法出现了细微的错误，由此美军曾对生成式人工智能容易输出严重不准确的“幻觉”产生了普遍的担忧。

不过，奥伦德也表示，这种人机对抗的比较有很多需要注意的地方。首先是场景的复杂性和陌生性，这是故意设计的，旨在给参与者带来压力和挑战。奥伦德解释说：“我们让操作人员在日常训练之外，挑战他们的舒适区。我们让他们在一小时内解决跨领域的难题。”

采取这种方法的原因是什么？奥伦德正在参与的整个项目ABMS（先进战斗管理系统），旨在成为一个多军种和“多域”指挥系统——也就是说，所有军种都可以使用该系统来开展涉及所有官方认可的“域”（空中、陆地、海洋、太空和网络空间）的作战行动。

但不出所料，参与实验的人员大多接受过美国空军空中作战训练并拥有相关经验。例如，一位资历较浅的参与者只是一名接受过两年训练的空军士兵，他根本没有电子战方面的经验。

此外，参与者之前习惯于在实际的指挥控制网络中工作，并使用真实性能数据。但这些网络和数据都属于机密信息，这意味着新软件可能需要数月时间才能获得安全认证，并可以与这些网络和数据兼容。因此，实验采用了非机密的近似模型。这使得六家不同的私营公司能够提供人工智能工具，但也给军方参与者增加了一层陌生感。

另一方面，人工智能工具显然也没有完成联合专业军事教育课程，也没有在联合作战中心工作多年。因此，无论是实际参与者还是数字参与者，对当时的场景和数据都感到陌生。

其后，奥伦德表示，人类和人工智能在战前都接受了相同的简报，实验前“大概要阅读20页左右的文件”。这些文件内容涵盖了从被称为“指挥官意图”的总体指导，到包含各种导弹、干扰器等统计数据的电子表格，包括它们成功击中特定目标的概率等（以这种方式让生成式人工智能基于明确定义、经人工验证的数据集进行输出，是一种行之有效的对抗幻觉的方法）。

而人类和AI的区别在于，人类常常会被大量的新信息淹没，在关键时刻要么忘记，要么记错。而最优秀的AI则能记住所有信息。“电脑不会忘记，”奥伦德说。

试验结果表明，计算机在大量人工准备工作后表现最佳。其中一款人工智能工具，其提出的行动方案有97%“可行且战术有效”，软件开发团队确保其算法能够真正理解简报包的内容。奥伦德说：“那家公司对所有数据进行了规范化处理，调整了每一份电子表格，并翻译了所有叙述。”但美国空军在其报告中并未透露参与实验的公司名称。

这种场景的设计目的也是为了给人类带来压力——而这种因素对没有情感的算法却丝毫没有影响。“我们希望操作人员拥有真实的作战环境，这意味着他们不能只是坐在那里等待解决问题……他们必须承受压力，”奥伦德表示，“时间紧迫，压力巨大，你必须立即做出决定。制定你的计划，把计划告诉我，赶紧行动！”换句话说，人类在熟悉的环境中做熟悉的事情时表现最好，但人工智能可以毫不费力地吸收大量新信息。

那么接下来会怎样呢？奥伦德表示，实验中的六款人工智能工具目前都还不具备供规划人员实际操作的条件。它们也并非旨在完全取代人类规划人员。他解释说，这些工具的目标是发展成为可以接入更大型军事指挥控制系统的“微服务”。

事实上，在美军ABMS团队人工智能架构所使用的形式化、机器友好的框架—— Transformational Model中，生成行动方案（这也是人工智能在本实验中所做的）只是制定可执行计划(COA)的13个步骤之一。当然，美军还可以开发更多算法微服务来处理其他12个步骤。

另据美国空军官方报道，一位名叫阿什利·阮的中尉表示：“我一开始对将技术融入决策过程持怀疑态度。但实际使用这些工具后，我发现它们非常方便易用，而且能节省大量时间。人工智能并没有取代我们，而是为我们提供了一个坚实的基础，让我们在此基础上继续发展。”