兰德公司发布《人工智能和机器学习在太空域感知中的运用》报告
简介
2024年11月，兰德公司发布《人工智能和机器学习在太空域感知中的运用：描述对任务成效的影响》报告，剖析了人工智能和机器学习工具可能给美国太空部队的太空域感知任务带来的影响，提出了促进人工智能和机器学习在太空域感知中应用的建议。
《人工智能和机器学习在太空域感知中的运用》报告封面
为了满足日益增长的太空域作战需求，太空域感知（SDA）作战人员必须确定如何更有效地优先考虑传感器观测，扩大规模以覆盖庞大的驻留太空物体数量，并发展分析轨道力学和太空作战复杂性的能力，同时保持作战领域行动所需的响应能力。这些因素对执行太空域感知任务的人员提出了重大挑战，该任务领域亟需人工智能和机器学习工具的支持，借助这些工具可提高分析速度，扩大可用于分析的数据体量，并支持作战人员专注于更复杂的任务。
人工智能和机器学习工具的影响尚未得到充分理解，这阻碍了工具集成的规划和优化。为了支持对人工智能和机器学习工具的评估，《人工智能和机器学习在太空域感知中的运用》报告作者采访了利益相关方，回顾现有的学术和条令文献，开发详细的流程图，并探索人工智能和机器学习模型，得出如下研究结果并提出相关建议。
1
重要发现
（1）由于太空域感知任务不断增长的需求和不断变化的性质，如果人工智能和机器学习工具可成为太空域感知作战人员的力量倍增器，那么它们极有可能产生较大影响。
（2）人工智能和机器学习工具无法解决太空域感知任务面临的所有挑战，但是流程的更改可以助力这些工具实现更大的影响。
（3）为了实现重大的影响，需要迁移至支持开发和部署更多人工智能和机器学习工具的体系架构。
（4）支持更优化的传感器任务分配的人工智能和机器学习工具开发可能对太空域感知其他任务产生级联影响。
（5）更好地量化风险和不确定性容忍度可改进聚焦于预测和分类的人工智能和机器学习工具的性能。
2
建议
（1）负责太空域感知的太空系统指挥采办德尔塔部队和空军研究实验室应该为人工智能和机器学习工具开发人员提供明确的指导，使其专注于解决当前作战人员需求且可能有利于未来太空域感知体系架构的工具。
（2）人工智能和机器学习工具的开发应侧重于力量倍增器，以帮助解决第18和第19太空防御中队所面临的日益增长的探测和表征挑战。负责太空域感知的太空系统指挥采办德尔塔部队应该寻找机会投资这些工具。
（3）太空域感知作战人员，尤其是第18和第19太空防御中队和国家太空防御中心的作战人员，应寻求明确任务需求、传感器需求和可接受的不确定性的方法，以优化人工智能和机器学习工具的潜在能力。
（4）太空作战司令部应通过太空域感知任务区域小组，审查太空域感知流程，找出可进行修改的部分，促使人工智能和机器学习工具产生更大的影响。
（5）人工智能和机器学习工具的开发应聚焦于能够实现更有效、更高效传感器任务分配的工具上，负责太空域感知的太空系统指挥采办德尔塔部队应寻求获取和开发这些工具的方法。第18太空防御中队捕获观测意图的工作也应该得到支持。
（6）负责太空域感知的太空系统指挥采办德尔塔部队应继续支持人工智能和机器学习工具的开发，并确保具备适当的流程和基础设施来测试和验证这些模型。
（7）高质量训练数据的可用性是人工智能和机器学习影响的另一个促成因素，太空部队应支持太空系统司令部跨任务数据团队的工作，以确保这些数据可供人工智能和机器学习工具的开发人员使用。
