空中戦における人工知能の応用

現在、世界中の軍隊が AI を活用した防衛システムの実験を始めています。 AIを完全に理解して既存の人間中心の軍事構造を変え、AIベースの戦闘方法を採用した最初の国は、かなりの先行者利益を得ることができるかもしれない。

センサー戦場と指揮統制（C2）

「発見」段階では、まず敵が通過する可能性のあるさまざまなエリアの「陸、海、空、宇宙、ネットワーク」の最適な場所に、低コストのモノのインターネット（IoT）センサーを大量に設置する必要があります。ある意味で、この哲学は統合防空システム（IADS）の概念に適用されており、これには高低飛行する航空機を検知するための空中早期警戒管制機で補完された地上レーダー局のチェーンが含まれます。 AI を活用した空中戦闘防御のコンセプトは、AI を搭載した多数の小型で低コストの地上および空中センサーを使用することで、現在の制限された高コストのセンサー展開方法を大幅に補完できることを示唆しています。

戦場の小規模なチームは、AI エッジ コンピューティングを使用して、部分的に処理されたデータを最初にクラウド経由でフュージョン センターに送信し、次にコマンド アンド コントロール システムに送信できます。これらの小型 IoT センサーはアクティブな短距離レーダー送信機として使用できますが、電力が限られているため、このような用途には制限がある可能性があります。パッシブ IoT センサーは、音声帯域、紫外線帯域、赤外線帯域、無線帯域、レーダー帯域を含む電磁スペクトル全体にわたる放射を検出する可能性が高くなります。単一のセンサーの性能は比較的低いかもしれませんが、数百のセンサーと組み合わせると、航空交通を 3 次元で追跡および識別できる可能性があります。

地上ベースの防空 IoT センサーは固定された場所に設置され、継続的に使用されますが、センサーを搭載した無人航空機 (UAV) の飛行時間は数時間から 1 日に及びます。高高度気球、小型通信衛星、疑似衛星など、人工知能技術と組み合わせることができるいくつかの新たな IoT アプリケーションにより、この耐久性が大幅に向上する可能性があります。

大規模な IoT センサー戦場では、受動検出技術が使用されます。つまり、そのような戦場の上空を飛行する航空機は、探知を避けるためにレーダー、データリンク、通信システムなどの電磁機器を使用することができない。それでも、航空機の通常の特性（騒音、熱、視覚的特徴など）によってその存在が明らかになる場合があります。そのためには、IoTセンサーの深宇宙戦場を開拓することが非常に重要になります。航空機が既知のセンサーに近づくと、航空機は、特に航空機の前方経路セクターからの送信を制限する場合があります。深宇宙の戦場では、戦場を横切って飛行する航空機は、正面方向では検出されなくても、側面や後方のセクターでは検出される可能性があります。

人工知能を活用して構築された超大型IoTセンサー戦場は、部分的に処理されたデータをクラウドを介して融合施設に送信し、その後、そのデータは人工知能によってさらに処理されます。これらのステップについて考えるときは、観察、判断、決定、行動 (OODA) モデルが役立ちます。 「観察」フェーズでは、まず各 IoT ネットワークのエッジで AI が使用され、その後、フュージョン センターに適用されます。 「判断」フェーズでは、戦闘管理システム（BMS）において人工知能が重要な役割を果たします。人工知能は、ほぼリアルタイムで総合的な航空状況図を生成できるだけでなく、敵の空中戦闘計画や行動を予測することもできます。

次の AI レイヤーは「意思決定」を担当し、友軍の防空部隊の可用性を認識しており、交戦する航空目標の優先順位付けされたアプローチ リスト、展開する最適なクロスドメイン攻撃の種類、関連するタイミング、および衝突回避の考慮事項を、承認のために指揮官に送信します。これを実現するために、人間はヒューマン・イン・ザ・ループまたはヒューマン・オン・ザ・ループ制御の形で深く関与し続けることになります。

承認されると、次の AI レイヤーは各ターゲットに優先武器を指定して、必要なターゲット データを自動的に中継し、友軍との衝突回避を確実にし、ターゲットと交戦する時間を確認し、武器と弾薬の補給を推定できるようになります。最終段階の「アクション」は主に人工知能によって実行されます。

人工知能戦闘機

すでにさまざまな高性能ドローンが空中を飛行している状況で、人工知能を使用して戦術的な判断を下すことができる視程範囲の空対空戦闘ドローンを開発することは、単純なエンジニアリング作業のように思われます。実際、米空軍は2024年に実物大の戦術機を使用して、AI制御の航空機と有人航空機（2020年に一度実施済み）を対決させる別の実験を行う予定です。有人航空機と比較すると、最適化された戦闘能力を持つ AI 短距離ドッグファイトドローンは、より小型、軽量、安価になる可能性があり、防衛においては敵の空襲を妨害するための武器を搭載する必要がない可能性があります。

指揮統制システムにより、ドローンを簡単に指定して敵機と交戦し、接近し、ドッグファイトを開始することができます。これにより、有人航空機の注意が逸らされ、攻撃方法が混乱し、他の有人兵器システムによる攻撃に対してより脆弱になります。さらに、敵の有人航空機が機動中の場合は、より多くの燃料を消費し、遠く離れた本拠地に戻るために攻撃をすぐに中止する必要があるかもしれません。

一方、武器を搭載した AI 搭載戦闘機は、具体的な状況に応じて、マン・イン・ザ・ループ モードまたはマン・オン・ザ・ループ モードのいずれかで作戦を実行できます。しかし、このモデルには欠点もあります。航空機に武器を搭載すると、エンジニアリング設計上の問題が生じたり、接続性の問題が増加したり、武力紛争のルールに大きな影響を与えたり、戦術上の問題を引き起こしたりする可能性があります。いくつかの理由から、より望ましい戦略は、ドローンが敵機を攻撃し、「ロックオン」してそれに同行し、そのすべての軌跡と詳細を継続的に放送することである可能性があります。

AI 対応航空機は、戦闘空中哨戒 (CAP) または地上迎撃機 (GAI) として使用できます。空中戦闘パトロールには、空中で待機中に有効な耐久性を持つ大型ドローンが必要です。しかし、有人航空機と同程度のサイズの機体は、有人航空機が達成可能な性能レベルをはるかに超えるものとなる可能性が高い。ドローンが大きくなるにつれて、その設計と操作は複雑になります。

地上配備型迎撃機（GAI）として使用される場合、ドローンはおそらくより小型になり、航空機というよりはミサイルのように動作するだろう。たとえば、米国空軍の長距離高亜音速ステルス無人機 XQ-58A ヴァルキリーは、固定式発射装置から発射され、パラシュートで着陸します。現在、このようなドローンを移動式貨物コンテナに配備するという提案があります。

地上配備型迎撃機として使用できる AI 搭載の UCAV が飛行場を必要としない場合、多層防御方式が容易になり、分散防空などの新しい概念が可能になることが重要です。地上迎撃機として使用できる人工知能ベースの無人戦闘機は、IoTセンサー戦場全体に分散され、指揮統制システムによって遠隔的に派遣され、空中戦闘パトロールを実行する有人航空機と協力しながら、即応型の短距離迎撃ミッションを実行することができます。さらに、このようなドローンが効果を発揮するためには、必ずしも複雑な兵器システムを装備する必要はありません。

このような AI を活用した統合防空システムでは、人間とドローンがそれぞれ別々のタスクを担うことが重要です。人間は、全体的なエンゲージメント戦略の策定、ターゲットの選択と優先順位付け、エンゲージメントの承認など、より高レベルの認知機能を担当します。人工知能は、航空機の操縦やドッグファイトの戦術といった低レベルの認知機能を引き継ぐことになるだろう。

人工知能の欺瞞能力

人工知能の「発見」機能を補完するために、「欺瞞」機能を使用する必要があります。攻撃者が攻撃を成功させるには、攻撃対象とその防御に関する大量の情報を持っている必要があります。人工知能ベースの欺瞞システムは、物理的およびサイバー空間の戦場全体に分散され、誤解を招くまたは混乱させる状況を作り出して敵の「検出」能力を奪うことができます。人工知能ベースの「欺瞞」システムは、複雑な欺瞞キャンペーンにも使用できます。

さらに、広範囲に分散された小型のモバイル エッジ コンピューティング システムは、さまざまな忠実度の信号を送信することで、複雑な電子デコイを作成できます。このようなシステムは、機動性を最大限に高めるためにドローンに搭載される可能性が高いが、道路網を使用する無人地上車両（UGV）にも特殊な機能（移動式地対空ミサイルシステムに偽装するなど）が備わっている可能性がある。その目的は、非常に限られた攻撃時間内に「戦場の霧」を作り出すことだけです。

ドローンは、防御側の戦闘機を電子的に「コピー」して、各空中哨戒エリアに多数の戦闘機が目標エリアを防御しているという錯覚を作り出すことができる。このアプローチはより高価になる可能性があります。しかし、これにより敵の攻撃機は撤退を余儀なくされ、大きな損失を回避できる可能性があります。

「欺瞞」能力はさらに拡大し、受動的な防御手段や戦闘方法と統合することができます。このため、攻撃を受けた場合に戦闘力を迅速に回復できるよう、通常、戦闘作戦に先立って空軍基地が設立されます。しかし、現代の精密誘導兵器は、それほど効果的ではないが現在では高く評価されている分散アプローチを強化することによって、この耐性を達成しました。このアプローチは何十年も使用されており、人工知能によってその実用性を高めることができます。

常設の空軍基地の周囲には複数の衛星空港が存在する場合があります。これらの飛行場は、恒久的な空軍基地が何十年も持つのではなく、数週間または数か月しか持たないように設計されている可能性があります。紛争が発生した場合、常設の航空基地の航空機は基地と臨時飛行場の間を継続的に往復飛行することができます。この種の動きには、人工知能に基づく「欺瞞」作戦が密接に統合され、敵を欺き、混乱させ、方向感覚を失わせ、攻撃の正確な場所を知らせず、最終的には友軍の航空機が現れていない場所を攻撃することを決定する。この戦術は「戦場の霧」を作り出し、敵の認識を操作し、敵の力を意図的に弱体化させる可能性を秘めています。

防空作戦では、敵は限られた数の航空機、長距離兵器、弾道ミサイルしか利用できません。友軍の航空機がいない飛行場を攻撃すれば、有人航空機が不必要に消費されることになる一方、長距離兵器や弾道ミサイルの使用は、希少な資源の無駄遣いにしかなりません。短期的な紛争においては、これらはかけがえのない装備品の備蓄となります。欺瞞的な AI と物理的な分散を組み合わせることで、敵の消耗を促しながら空爆の効果を弱めるという 2 つの防空目標をサポートできます。

人工知能物流

航空機の分散化により、複数の臨時空港から戦闘機が大量の兵站支援と関連人員を複数の場所に繰り返して提供する必要が生じ、高額な費用がかかるため、運用コストが急増している。人工知能システムはそのような問題を解決することができます。

物流支援の面では、常設の航空基地には、大規模な倉庫や消耗品の保管施設を臨時の飛行場に接続する成熟した航空回廊がある場合があります。サポートおよび供給空気通路の倉庫側では、既存の AI テクノロジーを多数使用できます。

今日、最先端の倉庫では、在庫をリアルタイムで監視し、人工知能、機械学習、クラウド コンピューティング、ビッグ データ、モノのインターネットを使用してリアルタイムの発注を可能にし、高度なロボットを使用して注文をピッキングし、自動運転車両で在庫を移動しています。一部の倉庫では、スペアパーツの需要を一度に満たし、古い機器のパーツの過剰在庫を回避するために、オンデマンドの 3D プリントを開発しています。さらに、ロジスティクスコントロールタワー（LCT）コンセプトが導入されました。物流管制塔は、さまざまなソースからのデジタル情報を統合し、ビッグデータ分析を通じて輸送活動を含むサプライチェーン全体の「全体像」をリアルタイムで提供します。同じ技術を使用して、消耗品保管施設の制御と管理を行うことができます。

空中補給および支援回廊では、AI 対応の物流で「先導車に従う」自律性を備えたロボット トラックを活用できます。この機能は「自動隊列走行」としても知られており、先頭のトラックを人間が運転し、そのすぐ後ろを複数の無人車両が追従します。技術的には、地上部隊の補給車両を設計するよりも、無人の空軍基地物流配送トラックを設計する方がはるかに簡単です。前者は主に、事前に調査された舗装道路または整地された道路を走行し、全地球測位システムを使用することができます。

物流航空路の仮設空港の端では、AI 対応システムがいたるところに存在する可能性があります。これらの基地では、人工知能、機械学習、ビッグデータ、クラウドコンピューティング、モノのインターネット、自律運用、ロボット工学などの技術を活用することで、航空機の配備を迅速化し、現状に比べて必要な人員数を大幅に削減することができます。飛行場は無人である場合もありますが、常設の空軍基地またはその他の場所にある中央管制センターから技術者と物流担当者によって遠隔管理されます。こうした空港は、再生可能エネルギーとバッテリーを使用して独自の電力を生成することも可能であり、半自給自足モードで運営することも可能となる。

このような臨時空港を運営するために必要な設備はすでに設置されており、紛争発生時にすぐに運用できる状態になっている可能性があります。一方、仮設空港には、納品時に「プラグアンドプレイ」システムと車両を仮設空港独自のシステム・オブ・システムズ（SOS）に迅速に統合するために必要なネットワークを装備することができ、これは初期の「追従型」トラック車両群に含まれる可能性があります。

人工知能は空中戦闘の遂行方法に新たな可能性をもたらす可能性がある。空軍を新たな方向に適応させるには通常数十年かかるため、今こそ調整の計画を開始する最適な時期です。