尽管由自主性系统构成的集群具有广泛的应用前景，但这类系统在遇到环境变化时仍需要人类操作者的干预和指导，通信条件的恶化、无法根据环境情况动态改变的刻板行为规则等不利因素也削弱了这类系统的实际使用效能。因此，美国防高级研究项目局（DARPA）近期启动了“面向自主性系统组队协作的情景推理（Context Reasoning for Autonomous Teaming，CREATE）”研究项目，期望实现可感知周边环境情况、对环境条件的变化做出反应、无需中央控制和通信支持就可自行学习、并进行决策的自主性系统集群，该项目将重点关注诸如无人机、水下无人船和卫星等体积、重量及能耗均有严格要求的系统。
这个新项目将以向自主性个体系统植入包含“常识”和“流程”的机器记忆为起点，由此指导这类系统利用自身携带的传感器，感知其周边环境的情况，并为完成任务而进行合理的操作；同时该项目还将探索自主性个体系统如何针对未曾遇到的环境使用预测和推理技术进行决策的“去中心化决策”。为保证该项目成果的通用性和灵活性，国防高级研究项目局要求参与该项目的研究团队设计直接读入任务而非明确指令的自主性系统。同时研究团队还需要考虑如何避免其设计的自主性系统做出不利决策，可采取的做法包括将安全措施硬编码到决策算法，开发可帮助自主性系统理解情景安全措施的附加系统等。
国防高级研究项目局目前已开展若干个有关“自主性系统如何融入任务”及“人类-无人系统组队协作”等方面的研究项目，例如“班组X（Squad X）”项目就旨在为美军作战人员提供由传感器和货架技术构成的轻量级视觉技术，帮助美军一线作战班组人员增强态势感知能力；“资格感知机器学习（Competency-Aware Machine Learning）”项目旨在给自主性系统增加自身效能评估及向人类反馈的能力；“针对成功团队的人工社会智能（Artificial Social Intelligence for Successful Teams）”项目则希望实现可通过推断人类队友目标及周边态势，预测人类队友需要，并做出符合环境条件之合理行为的智能系统。
声明：本文来自国际安全简报，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
