美国空军发布AFDN 25-1《人工智能》，旨在指导空军AI发展，对理解美军AI战略意义重大。
2.该条令概述了人工智能的定义、术语、自动化与自主性，以及其在空军核心职能中的应用。
3.然而，人工智能在军事领域应用也存在风险，如数据安全、决策过度依赖等。
4.为此，美国空军需考虑具备人工智能能力的部队、数据、计算、人才、伦理等多方面因素，以负责任地应用人工智能。
近日，美国空军发布AFDN 25-1《人工智能》，该条令聚焦美国空军人工智能应用，涵盖AI的前景、风险、技术概念、作战应用、使用考量及未来愿景，为美国空军AI发展提供指引，对理解美军AI战略意义重大。下面对该条令进行简要介绍。
计算机技术的发展深刻改变了战争模式。早期英国的“炸弹机”破解德国恩尼格玛密码，为盟军提供关键情报，扭转大西洋海战局势；早期电子超级计算机助力太空和导弹计划，晶体管的进步推动冷战时期防御系统和先进武器创新，使美国空军在“沙漠风暴”行动中实现从大规模作战到精确打击的转变。
如今，数据驱动时代来临，学术和商业创新催生前沿技术，“智能”设备普及，高速数据处理、大数据集和机器学习分析推动人工智能发展。人工智能将增强情报、监视和侦察（ISR）能力，实现机器人技术进步，加速训练，创造信息优势，助力作战规划和国际事务合作。其在军事领域的应用潜力巨大，能帮助指挥官在战略、作战和战术层面做出更明智决策，对美国国家安全意义重大。
人工智能在竞争和冲突中已展现出强大的力量倍增器作用，但也存在风险。美国的竞争对手大力投资人工智能，可能利用其削弱美国战略优势。人工智能系统开发涉及多方合作，数据安全标准不一，数据易被对手“污染”，导致决策错误和被欺骗。决策过度依赖人工智能可能降低冲突门槛，因此美国空军必须谨慎对待，通过理解和试验来负责任地应用人工智能，在提升作战能力的同时抵御对手的虚假信息攻击。
目前美国国防部未对人工智能给出教义性定义，而是依据美国法典和行政命令来界定并指导政策制定。本报告旨在描述人工智能术语和概念，帮助理解其在美国空军作战中的潜力。一般来说，人工智能借助技术系统，结合基于规则的方法和机器学习，模拟人类认知的某些方面，但它无法批判性地审视输入的有效性和输出的更广泛后果。
“狭义人工智能”和“弱人工智能”指仅能执行特定任务、不具备学习新任务能力的系统；“通用人工智能”追求类似人类的理解、学习和适应能力，目前尚未实现，面临技术、伦理和哲学挑战，但相关研究有一定进展；“专家系统”结合人类专家知识、基于规则和先进数学表示来解决特定问题，如医疗诊断顾问系统；“机器学习”关注统计算法的开发和研究，通过数据学习并对未见数据进行泛化，无需明确指令即可执行任务，不过其学习依赖于编程设定；“训练数据”用于训练人工智能模型，其质量、数量和多样性影响模型性能，“测试数据”用于评估训练后的模型；“神经网络”受人类大脑启发，由多层神经元组成，随着计算能力提升和数据增多，变得更加复杂；“深度学习”是多层神经网络，能从复杂数据集中学习，创建更准确的输入输出关联；“自然语言处理”以深度学习为核心技术，让计算机理解、解释和生成人类语言；“生成式人工智能”通过分析大量数据生成内容，“多模态人工智能”可处理多种类型输入；“大语言模型”利用概率模型理解和生成人类语言，如ChatGPT；“计算机视觉”从数字图像等视觉输入中提取有意义信息，应用广泛。
“自动化”指系统执行简单、重复且受限任务的能力；“自主性”指系统运用基于规则的处理方式，执行多种复杂任务并实现多个目标的能力。美国空军混合使用自动化和半自主系统提升人员表现，随着对人工智能理解的深入，系统的重复运行可增强其能力，进而提升人员对利用系统进行决策的信心。
美国空军采用人机协同（HMT）模式应用人工智能。人工智能系统辅助空军人员执行任务，但军事决策权仍掌握在人员手中。人机协作能结合人类的直觉、推理能力和机器的数据处理速度，实现能力最大化。在不同风险场景下，需根据情况调整人机协作模式，平衡决策速度和风险容忍度。加强人机之间的沟通、协调等，有助于优化协作效果，同时，人工智能系统的透明度和可解释性对建立信任至关重要。
在制空权方面，人工智能助力美国空军在对抗环境中执行各类空中任务，实现制空权和信息优势。如人工智能驱动的预警和检测系统为防空反制（DCA）和进攻性防空（OCA）提供支持，自主和半自主飞机在相关任务中发挥作用。在全球精确打击领域，人工智能改进飞机和弹药的瞄准，降低平民风险，提升隐身能力，加速决策周期。快速全球机动方面，人工智能优化作战地点选择，改进预测性维护，优化物流规划和执行，半自主空运能力的实验已取得成果。全球情报、监视和侦察中，多模态人工智能实现多情报、跨域数据融合，自主ISR平台拓展情报收集范围。指挥与控制领域，人工智能辅助目标定位、资源分配等，增强通信网络的弹性和生存能力。
美国空军人员需具备人工智能流利度，不仅要了解基础知识，还要掌握其应用、解释和有效操作。这有助于与自动化系统协作、做出明智决策和降低风险，保持人员竞争力，为人工智能生态系统发展奠定基础。
数据是重要的企业级资产，高质量数据对人工智能模型的准确性和可靠性至关重要。数据管理和收集面临挑战，包括数据所有权、存储和处理等问题。美国空军在开发和应用人工智能工具时，必须重视数据质量，避免数据偏差。
训练和运行人工智能模型需要大量计算能力，这影响美国空军人工智能的集成。使用计划应明确计算、数据和能源等需求，同时平衡开源和商业人工智能工具的风险与优势。
美国空军需招募、培养和激励人工智能专业人才，促进不同专业间的合作，与战略伙伴、学术界和产业界合作，构建具备人工智能流利度的部队。
人工智能适用于具有一致模式的军事应用，需要大量高质量数据和计算能力。复杂问题具有一致结构和模式，人工智能可通过概率数学解决；而复杂问题难以用现有数学模型描述，人工智能更适合解决其中的复杂子任务。
获取准确、无偏差的训练数据是挑战，数据管理影响人工智能结果质量。有偏差的数据或算法会导致歧视性结果，降低对人工智能系统的信任。开发人员和决策者应在开发过程中采取措施减轻偏差，确保数据可访问、可理解和经过筛选。
美国空军应用人工智能需要强大的网络防御，恶意网络活动可能对人工智能系统进行数据投毒或模型逆向工程。应采取多层保护措施，包括访问控制、加密等，保障人工智能系统安全。
人工智能的使用必须符合法律、政策，遵循负责、公平、可追溯、可靠和可治理的原则。美国国防部和空军相关部门负责引导人工智能的伦理发展和应用，但对手可能不受相同伦理准则约束。
真正的技术创新在于对技术的概念化和应用能力。美国空军需跨学科协作，应对人工智能发展带来的挑战，投资数据、计算、人力等领域，培养创新思维，充分发挥人工智能工具的作用 。先进作战管理系统（ABMS）和空军作战网络等架构将是实现全球传感器和射手连接的关键推动因素 。附录中的问题有助于评估人工智能系统能否解决实际问题，空军人员还可参考相关网站获取资源，提升人工智能知识水平。