场景设置：情报显示，某地区某对手正准备对发起两栖突击，海军航母打击群迅速出动准备干预。突然，某航母打击群的操控台操作员发出警报——该打击群正遭受来自空中、水面和水下领域的联合攻击。部队已通过合成部队训练演习及其他部署前演习针对该对手进行训练，他们熟知预期情况。战术、技术与程序及行动方案均已就位。传感器、识别与武器准则、反目标锁定方案均已优化，专门防御此类攻击。

但一切似乎都在失控。对手正以海军前所未见的方式干扰航母打击群的雷达与通信。空中和水面出现数十个可能具欺骗性或完全未知的发射源。且对手在逼近打击群时采用了令人惊讶的新战术。

团队需要快速适应这些新威胁。但他们已做好准备。关于对手行动的传感器数据自动输入舰载计算机，计算机快速运行数千种场景以寻找最佳适应方案。

人工智能分析结果并在数秒内部署新软件，识别发射源并压制干扰。同时，人工智能修订战术、技术与程序及行动方案以反击敌军新战术。此外，航母打击群即时与战区其他部队共享这些适应方案——其中部分部队也正遭受攻击。

防务组织可能很快将具备部署此类实时战斗适应的能力——以全新方式整合包括下一代人工智能在内的多项现有技术。

适应海量发射源

在快速变化的战斗中，海军操作员可能仅有时限识别少量未知或欺骗性发射源。若同时面临来自多个方位线的众多发射源逼近，他们可能不堪重负。

人工智能有助缓解这种认知超负荷。冲突期间，打击群计算机上的机器学习模型监控来自各种传感器（包括射频、雷达、红外、声学与电子传感器）的数据，寻找识别敌方接触点的模式。当机器学习模型发现异常模式时，一种新兴人工智能形态——人工智能代理——将介入并着手破解难题。

人工智能代理与大多数传统人工智能的区别在于，其不仅提供数据洞察，更致力于实现目标。远在冲突爆发前，人工智能工程师便为代理设定了从战术到战略的特定目标。例如：“当接触点传感器数据出现无法解释的模式时，寻找潜在欺骗迹象。”

人工智能代理可能首先集中所有可用传感器聚焦该接触点，以获取更清晰的模式图像。本质上，该代理统筹并三角定位所有领域的传感器——例如，它可能调用战场区域上空卫星的传感器。

下一步，人工智能代理将这些信息与既往经验中获得的知识进行比对。例如，它可能发现过去在特定数据模式组合下，初始看似某类民用船只的目标最终被判定为敌方驱逐舰。

即使遇到前所未见的模式，人工智能代理仍可通过逆向工程识别接触点。例如，战前数据科学家会运行场景模拟，分析敌方驱逐舰如何利用声学与电磁辐射伪装成民用船只，以及相应数据模式的特征。

随后，战斗中人工智能代理将“民用船只”传来的数据模式与场景模拟中生成的模式进行匹配。它可能向打击群指挥官发送消息，提示该接触点极有可能是敌方驱逐舰。随着人工智能代理识别出各种未知与欺骗性发射源，它会与战区其他部队共享该信息。

战斗中，航母打击群可能同时启用数百个机器学习模型与数十个人工智能代理——从而即使面对海量未知与欺骗性发射源也能实现识别。

适应干扰

人工智能还可帮助航母打击群适应敌方干扰雷达与通信的新手段。本质上，人工智能持续扫描可用频率及其他通路，并在当前通道受阻时立即切换至备用路径。

此项工作的大部分基础在战前已完成。通过建模与仿真，人工智能演练敌方干扰可能生效的各种方式。随后人工智能识别并优先排序雷达与通信在需要时可切换的频率及其他通路。

一旦敌方启动干扰，人工智能便探测这些新频率与通路以确认可用性，随后无缝切换雷达或通信信号。若敌方干扰新路线，人工智能只需寻找其他路径——并可无限持续该过程，始终领先一步。

适应变化中的战术

与此同时，人工智能代理可帮助打击群快速适应敌方急速变化的战术。它们通过实时建模与仿真实现此功能——输入敌方行动数据，运行数万种场景以确定最佳反击措施。

其运作方式如下：战前，数据科学家将打击群及其他部队将使用的战术、技术与程序与行动方案编程注入建模与仿真系统。战斗伊始，人工智能代理通过传感器数据监控敌方战术。若检测到未预设的敌方战术，便将新信息输入建模与仿真系统。该过程随战事推进实时进行。

通过快速分析数千种场景，人工智能代理预测敌方新战术的可能演变及对打击群的影响。重要的是，人工智能代理会寻找敌方战术的弱点，随后基于指挥官的战术与战略目标推荐最有效的进攻行动。所有信息均即时与战区其他部队共享。

在当今快节奏、全域作战的环境下，联合部队可能需要秒级而非分钟或小时级的速度适应敌军。先进技术现可被整合以实现这一目标。

参考来源：美海军