2020年8月18-20日，美國國防預研局（DarPA）聯合美國空軍研究實驗室（AFRL）以及約翰·霍普金斯大學應用物理實驗室共同舉辦了“阿爾法空戰格斗系列”比賽（AlphaDogfight Trials）的第三輪和最后一輪比賽。在這最后一輪的比賽中，蒼鷺系統公司（Heron Systems）的智能空戰代理“隼”（Falco）以5：0的成績在模擬器上戰勝了一名擁有30年飛行經驗的F-16戰斗機飛行員。而美國國防部長馬克·埃斯珀在近日宣布，美國國防部計劃在2024年對AI控制的戰術飛機進行實戰試驗，以對抗人類飛行員。對于此前AI戰勝人類飛行員，埃斯珀認為這是AI技術影響美國國防部未來架構的一個例子。

有的人據此驚呼“戰斗機AI時代已經來臨！無人戰斗機將徹底取代有人戰斗機！”當然，這個名為“隼”的AI系統雖然大比分戰勝了人類飛行員，但實際上人類飛行員也不必過于驚慌，因為這次模擬空戰的環境設定過于簡單，相當于對人類不利，而且AI本身也不夠完美，如果比賽再繼續進行下去，人類飛行員還是有機會把比分扳平甚至反超。人工智能的技術進步固然可喜，但距離取代飛行員、進而讓有人駕駛戰斗機退出歷史舞臺，還言之尚早。

AI戰勝人類飛行員的背后，是美國DArpA在“搭臺唱戲”

“阿爾法空戰格斗”比賽隸屬于DARPA戰略技術辦公室（STO）提出的“空戰進化”（ACE）項目，最終目的在于通過舉辦比賽的方式吸引來自社會各界的人才參與未來的項目研發。該系列比賽在“馬賽克戰”的背景下舉辦，在技術上旨在模擬環境中提升AI進行視距內空戰的水平，并提升人類飛行員對AI技術水平的信任程度。

經過前期的篩選，第三輪共有8支團隊進入比賽名單，其中有洛克希德·馬丁公司這樣的防務巨頭企業、佐治亞理工研究所這樣的知名高等院校，也有極光飛行科學公司（該公司已被波音收購，但公司的品牌和團隊予以保留）這樣的知名創新技術企業。在這些知名的公司中，蒼鷺公司并不顯得突出。

蒼鷺公司在1993年成立，規模也實屬是一個小公司。該公司自2012年開始積極地探索AI在傳感器開發、機器人控制和戰略推理等方面的應用。除了開發ACE項目中的模擬空戰的程序之外，蒼鷺公司還深度參與了DARPA的“進攻性蜂群戰術”項目（OFFSET）和“游戲平衡破壞者”項目以及AFRL的Skyborg項目等近十項美軍AI項目，展現出了較強的創新能力。而該公司開發的深度學習框架算法在雅達利、毀滅戰士和星際爭霸2等游戲，以及仿真環境下的視距內外的空戰等多個領域內都展現出了超越人類的水平。

所以蒼鷺公司能在這一系列比賽中打敗其他參賽隊伍，尤其擊敗洛克希德·馬丁公司的AI程序并不稀奇。這也說明在這些新興交叉領域，傳統大型公司并不一定都比小公司實力更強，正如波音也要收購極光飛行科學公司來提升自己的創新能力一樣。

在實戰中人類飛行員仍然占據上風

雖然這個名為“隼”的AI在模擬器環境下AI戰勝人類飛行員，但這并不是很“神奇”的事，甚至也不必解讀為AI戰勝人類的又一次重大事件。實際上，其他7支隊伍開發的AI算法在與人類飛行員在同樣環境下對抗時可能都會取勝，其原因是他們使用的均是已有的算法和工具，只是根據具體的場景和任務做了相應的改造而并無本質的差距。因此，其他7個空戰AI只是沒有打過蒼鷺的“隼”而已，并不代表也打不過那位飛行員。

當然這位飛行員也不必妄自菲薄，因為他只是在模擬器的環境下沒有打過AI，如果到了真實環境下人類飛行員的取勝把握還是十拿九穩的。

之所以這么說，是因為本次“阿爾法空戰格斗”比賽在復雜度、信息可觀測性和反應速度等方面所展現出的難度和特殊性都并不算突出，相比于過去AI挑戰圍棋、星際爭霸、Dota2等游戲的技術需求還要低不少。

這次的比賽使用的都是簡化的開源仿真環境和飛行動力學模型，場景也是相對簡單的一對一狗斗，相比真實的空戰場景是最為簡單的數字抽象。而在真實的作戰中，作戰環境涉及人-機-自然環境三個復雜實體，以及它們之間復雜的作用關系，如果這些作用關系要用數據量來表示的話，比模擬器上的空戰復雜好幾個數量級。對于AI傳感器的感知能力來說，現實世界需要考慮的因素太多，而傳感器仍然是不如人類雙眼的地方。

這從汽車的自動駕駛技術就可以看出來，實際上目前自動駕駛技術仍然不夠“智能”的主要原因，就是傳感器不夠“智能”，遠不如人眼人耳更靈活。真實世界的情況是無限多的，例如空中飄過的塑料袋、地面反光的積水等，都對傳感器造成了影響，對其識別造成干擾，而傳感器沒有識別出障礙物也是目前多次自動駕駛車輛事故的主要原因。因此，傳感器的感知問題是現在自動駕駛仍然難以媲美人類駕駛員的主要問題所在。

到空戰方面，相比汽車的自動駕駛，雖然飛機在天空中的環境比地面環境要相對“干凈”許多，不會突然撞到無法識別的物體；但這僅是指在飛行環境下，而在軍事作戰環境的非配合、強干擾、強對抗環境下，對傳感器的要求只會更高。

除環境和傳感器的問題以外，AI程序本身也有一定缺陷，經常在基本的戰斗機機動中犯錯誤，例如不止一次地將飛機轉向到其認為人類飛行員會去的方向，但多次結果都被證明錯判了人類飛行員的想法。這說明深度學習技術雖然使AI汲取了很多“正確的經驗”，但如何讓這些經驗與實際情況更好地結合起來還需要進一步努力。因此，DARPA戰略技術辦公室認為AI程序必須在實際戰斗場景中增加更多的警告或限制，以防止大量AI控制的無人機發生空中相撞等事故。

另外，這次空戰畢竟是在模擬器上進行的，人類飛行員的對手也是沒有生命的AI，因此對于某些人類特有的要素并不重視，例如“安全”或“生命”，這也是AI可以相對無限制的操控飛機，但人類受到長期訓練習慣的影響，不可避免地受到某些操作上的限制。例如在傳統的飛行訓練中，為保證訓練安全要避免飛機相撞，這就要求飛行員彼此之間的距離不得小于500英尺（約150米）。以飛機的相對速度而言，兩架飛機間這個距離留給人類的反應時間只有半秒不到，因此飛行員受到的訓練是不要使飛機過于接近，有30年經驗的飛行員對此更習慣更是根深蒂固。

參加此次空戰的飛行員邦格（Banger）也認為，雖然這種限制在實際的空中作戰中也不適用，但長期遵守訓練規則會使飛行員養成習慣，“可能不愿意將飛機拉到可能發生碰撞的位置，或處于迎角過大的可能失速的姿態，但AI并沒有這種問題，反而會利用人類這些習慣。”

結語

因此，總體來看，現有的技術條件下的AI并不能像宣傳那樣經常打敗人類，“打敗人類”只是在特定場景特定范圍特定情景下做到的，在真實的對抗場景下，技術水平還遠沒有達到。當然，AI自主空戰技術是個戰略意義極高的方向，DARPA啟動ACE項目并舉辦AlphaDogfight比賽也是為了吸引更多工業界、學界和商業界人才團隊加入其研發工作，從而在戰略層面上帶動本領域快速發展。