摘要：随着人工智能技术的发展，其军事应用不断扩展和加深。为了促进人工智能技术在作战决策方面的应用，美空军自今年起开始实施一系列实验活动，名为“人机协同决策优势冲刺”（DASH），旨在通过人工智能技术改进作战决策中的人机协同，从而获得决策优势。本文将对该实验相关信息进行分析总结，以评估其经验是否值得借鉴。
关键词：人机协同，决策优势，人工智能，机器学习，智能化
（图片来源于美国空军网站，如有侵权请联系删除）
“人机协同决策优势冲刺”（Decision Advantage Sprint for Human-Machine Teaming，DASH）实验是美国空军计划通过人机协作获得决策优势，实现指挥与控制现代化的一项关键行动。实验围绕“决策优势转型模型”各项子功能展开，并通过兵棋推演的方式进行，重点评估人工智能工具能否帮助指挥员做出更有效的决策，以及是否能够极大缩短决策时间。
通过“人机协同决策优势冲刺”实验，美国空军将来自业界和军方的团队集中在一起，共同构建并测试人工智能作战管理软件。“人机协同决策优势冲刺”实验服务于美空军先进作战管理系统（ABMS）的转型模型-作战管理，最终将为美国战争部的“联合全域指挥与控制”（JADC2）计划提供支持。据悉，美空军计划于2025年进行三场DASH实验，目前已完成两场。
下文将首先介绍“决策优势转型模型”的整体框架以及目前美空军重点测试的两个子功能；然后分析已完成的两次DASH实验的情况。
决策优势转型模型“决策优势转型模型”由美国空军先进作战管理系统跨职能团队于2022年开发，目前美国空军正在使用该模型为“人机协同决策优势冲刺”实验提供支持，探索人工智能和机器学习如何加速决策和提高作战管理决策的准确性，从而测试和完善“DAF作战网络”这一集成体系（即系统之系统）的AI功能，以支持战争部的“联合全域指挥与控制”计划。
“决策优势转型模型”将整个指挥与控制过程分解为52个不同的子功能，每个子功能描述了作战人员在指挥与控制行动中做出的具体选择，及其做出这些选择所需的信息。这52个子功能分布在四个更广泛的领域，分别是作战指挥、作战规划、作战分析和作战管理。
图1. “决策优势转型模型”四大领域及其子功能（图片来源于https://sam.gov/，如有侵权请联系删除）
美国空军目前将“人机协同决策优势冲刺”实验的重心放在作战管理上，作战管理包括13个子功能，分别是：
解析指导与计划（PGP）促进协调与合作（FCC）优化态势理解（ISU）态势与资产维持（PSA）搜索作战域（SDM）识别特征（DSG）感知可操作实体（PAE）应用目标优先级（AOP）匹配效应器（MEF）生成作战行动方案（GBC）作战行动方案排序（SBC）实施作战行动方案（IBC）评估作战行动方案影响（EBI）
图2. 转型模型——作战管理子功能（图片来源于网络，如有侵权请联系删除）
在适用这些假设的作战环境中，转型模型的作战管理子功能解释了人机团队必须做出的、用于对战场进行作战管理的一系列战场信息要素和决策。因此，这些子功能可作为性能指标，为体现人机团队作战管理特征的实验设计提供参考架构。
尽管彼此不同，但模型中的每个子功能的输出都会用于下一个子功能，从而创建完整的作战管理时间线。例如，“感知可操作实体”子功能决定相关对象是否应确立为目标，而“匹配效应器”子功能则决定可用于摧毁该目标的最佳武器系统。这些子功能的决策结果将为下一个子功能，即“生成作战行动方案”提供信息。“生成作战行动方案”子功能将规划针对该目标的作战任务所需采取的行动。
鉴于目前美空军已针对“感知可操作实体”和“匹配效应器”子功能进行了实验，且发布相应信息征询书，下文将对这两个子功能进行详细分析。
1.感知可操作实体
“感知可操作实体”子功能负责确定在作战环境中针对某事物可能采取的、可取的和允许的行动。此处的“某事物”可能是某个目标，如调查或起诉；也可能是某个任务目标，如救援、加油、补给等。通过确定可采取的行动，“感知可操作实体”子功能帮助指挥员实现特定作战效应，并计算这些行动的机会窗口、强调预期效应之间可能存在的冲突。
例如，作战管理器（Battle Manager）注意到敌方部队反常地穿越各自责任区之间的通道，于是评估敌方两个指挥层级之间可能存在新的支援-受援关系，并考虑采取行动来验证、描述和利用这一新发现的关系。下图显示了“感知可操作实体”子功能的具体运行流程及原理。
图3. “感知可操作实体”子功能的具体运行流程（图片来源于https://sam.gov/，如有侵权请联系删除）
“感知可操作实体”子功能的主要输出是一系列效应，统称为“作战效应”（BattleEffect）¹，其将目标状态变化映射到实体上，并包含适用的作战限制（例如交战规则）以及与状态变化相关的时间窗口。（注：¹括号内为语义标签用语。）
2.匹配效应器
“匹配效应器”将考虑哪些单位、机构、编队、平台或武器系统，以何种形式运用（独立执行任务或作为预先安排的兵力组合的一部分），能够实现特定作战效果，并对这些潜在选项进行排序。
例如，当考虑基于“作战效应”（BattleEffect）来打击敌方水面战斗舰艇时，作战管理器会根据目标舰艇的属性（传统/新一代），确定两套不同的适用战术及配套的打击资产。下图显示了“匹配效应器”子功能的具体运行流程及原理。
图4. “匹配效应器”子功能的具体运行流程（图片来源于https://sam.gov/，如有侵权请联系删除）
“匹配效应器”子功能对本地可用的作战效应、可交付成果、效应器、其他组成要素及其中的不确定性进行推理，以构建可合理实施的“效应与效应器匹配”，将可交付成果和效应器映射到“作战限制”，评估情境化指标以比较“效应与效应器匹配”，评估多参数“效应与效应器匹配”偏序的动态概率分布，并揭示其中的不确定性、差距和冲突。“匹配效应器”的主要输出是“效应与效应器匹配”的偏序集合。
实验进展情况截至目前，美国空军已进行了2次“人机协同决策优势冲刺”实验，每次实验都重点关注“决策优势转型模型”的一个子功能。其中第一次实验重点测试了“感知可操作实体”；第二次实验重点测试“匹配效应器”。
1.第一次实验
2025年3至4月，美国空军完成了“人机协同决策优势冲刺”首次实验（DASH 1）。此次实验为期两周，地点位于美国拉斯维加斯的霍华德休斯运营中心（H2O），实验工作由美国空军先进作战管理系统跨职能团队、美国空军研究实验室第711人员效能联队（711th Human Performance Wing）、一体化能力司令部和第805战斗训练中队（即内利斯影子作战中心）联合领导。
图5. 2025年4月8日，参与DASH 1的美国空军空战管理人员。（图片来源于美国空军网站，如有侵权请联系删除）
此次实验分两个阶段进行，在初始阶段，作战管理人员仅基于现有的工具和训练成果来执行作战场景，建立效能基准。在第二阶段，则使用在实验期间构建的决策支持工具原型执行类似但不完全一样的作战场景。据悉，该实验不仅进行了编码冲刺，还营造了一个学习环境，以加速功能性软件的交付。
此次实验关注的重点是“转型模型”的一项关键子功能，即作战管理——感知可操作实体。“感知可操作实体”子功能能够确定针对某个作战实体，“从目标定位、救援到补给”的哪些行动是允许的、可能的和可取的。
据美国空军宣称，相较没有人工智能辅助的情况，此次实验中采用的人工智能工具使指挥员的决策过程加快了七倍，解决的“难题”数量增加了一倍，并产生了三倍数量的“有效解决方案”，且决策质量并未下降。这表明机器辅助可以显著缩短决策时间，并提高在复杂作战环境中工作的空战管理人员的决策质量。
2.第二次实验
2025年7至8月，美国空军完成了“人机协同决策优势冲刺”第二次实验（DASH 2）。此次实验同样为期两周，地点位于美国拉斯维加斯市的内利斯影子作战中心（ShOC-N）非机密站点，实验工作由美国空军先进作战管理系统跨职能团队领导。辅助单位包括美国空军研究实验室第711人员效能联队、一体化能力司令部和第805战斗训练中队。另外，共六支行业团队参与了此次实验。
图6. 2025年7月29日，DASH 2各参与方（作战人员、软件开发人员）集结在一起开发战场管理决策的微服务原型。（图片来源于美国空军网站，如有侵权请联系删除）
此次实验的任务在于为“匹配效应器”子功能开发人工智能微服务，以确定可用于摧毁已识别目标的最佳可用武器系统（通常需要考虑数十个变量，如战术决策、目标属性、友军能力、天气条件等等），并进行红蓝对抗推演。开发人员首先观察了作战管理人员在没有机器协助的情况下的作战情况；然后设计、测试和迭代AI工具，以增强人类决策能力；最后通过系统演示，衡量速度、数量和质量，比较了纯人类操作和人机协同操作的效能表现。
据悉，当美空军系统接收到任务指令时，行业供应商团队开发的人工智能工具将复制这一任务指令，并在其能够选择的范围内创建一个“匹配效应器”排序列表。通常情况下，上述人工智能工具还会提供排序背后的推理，增强作战管理人员决策时的信心。
根据美空军发布的消息，初步结果显示，机器在不到10秒的时间内就能给出建议，且生成的选项比纯人类团队多30多倍。其中两家供应商在一小时内就为大约20个问题分别提供了6000多个解决方案。美空军还提出，参与实验的一款软件开发时间仅两周，但准确率与人类表现相当，在一个案例中，仅是针对单个算法的简单调整，就能将建议的有效性从70%提升至90%以上。
然而，此次实验亦凸显出一些问题，如人工智能工具可能会产生不准确的结果，或者无法识别特定信息等。此外，如何将各种来源的数据整合到一个公共数据层中是该实验面临的一项关键挑战。“匹配效应器”子功能可能需要纳入多域能力，模拟来自其他军种的武器，从而生成更全面、更有效的效应器方案。但空军人员对其他军种的武器并不熟悉，且未接受过相关训练。
美国空军先进作战管理系统跨职能团队负责人约翰·奥伦德（John Ohlund）表示，上述人工智能工具的辅助使指挥官可以同时执行多个杀伤链；其还透露下一次实验将使用机器生成行动方案，帮助阐明风险、打击窗口和资源分配等问题。
总结通过“人机协同决策优势冲刺”实验相关活动，美国空军提供了一个供军方和业界开发团队现场编写和测试代码的集中、高强度学习环境，促使其提高开发相应人工智能工具的能力；并使开发人员和作战人员能够面对面交流，使得开发出来的工具更符合实际作战需求。
尽管目前美空军关于前两次实验结果的表述过于理想，存在“报喜不报忧”的嫌疑，但该实验整体上对于人工智能技术的改进是有益的，亦有利于军方对民用技术的引进和掌握。长期来看，应确能加强人工智能对美空军作战决策的赋能作用。