2025年3月26日，美国陆军小企业创新研究计划（SBIR）发布《情境感知决策支持》（Context-Aware Decision Support）的项目介绍。文章指出，美陆军正式启动“情境感知决策支持”项目，旨在利用生成式人工智能（GenAI）技术，为战场指挥官构建实时化、智能化的决策支持系统。
《情境感知决策支持》的项目介绍
机构：美国陆军小企业创新研究机构（SBIR）
编译：汐之
全文摘要与关键词
1.军事决策支持系统的现状：
①传统决策工具存在两大核心缺陷：信息过载与认知负担+静态分析与适应性不足；
②美国陆军SBIR计划提出构建基于生成式AI（GenAI）的智能决策支持系统：实时数据融合+动态情境建模+人机协同决策。
2.决策支持系统的关键技术：制定军事行动方针算法（COA-GPT）与AI辅助情报分析员态势报告生成技术（SmartBook）
①COA-GPT：多模态输入+军事原则内嵌+人机协同；
②SmartBook：战略问题自动发现+证据驱动的摘要提取+结构化摘要生成。
3.技术融合与实战能力：COA-GPT与SmartBook结合，可实现多源数据融合的决策增强+人机协同决策的信任建立。
4.挑战与未来发展方向：
①挑战：AI虽显著提升军事决策效率，但仍需突破三大技术瓶颈（对抗环境下的鲁棒性+多级安全架构+伦理与责任框架）；
②未来发展方向：跨域协同决策+虚实融合训练+自主决策演进。
5.评述：生成式AI正在重塑现代军事决策的范式边界。智能决策支持系统通过深度整合领域知识、强化人机协作、构建可解释框架，决策系统可有效突破传统工具的局限。
美国小企业创新研究计划（SBIR）由国会于1982年设立，其主要目标是：
刺激技术创新；
利用小型企业满足联邦研发需求；
促进和鼓励社会和经济上处于不利地位的小企业以及51%由女性拥有和控制的小企业参与技术创新；
提高私营部门对联邦研发创新产品的商业化，从而提高竞争、生产力和经济增长。
美国小企业管理局（SBA）担任联邦SBIR计划的管理机构，并为其运营制定政策指令。实施SBIR计划的资金分别来自于美国国防部、能源部、卫生部、国家航空航天局、国家科学基金会，计划的研究主题也由这5个部门根据需求制定。
01
军事决策支持系统的现状 在信息化战争背景下，军事指挥官面临着多源异构数据的爆炸式增长与实时决策的严峻挑战。根据美国陆军SBIR计划发布的《情境感知决策支持系统》项目介绍文章，现代训练与作战环境中，指挥官需要整合来自训练计划、士兵战备指标、情报报告和实时战场信息的动态数据流。 1.1 传统决策工具存在两大核心缺陷 信息过载与认知负担：现有工具虽采用先进算法生成可操作见解，但未能有效降低指挥官的人工整合压力，导致决策延迟与认知偏差。 静态分析与适应性不足：多数系统缺乏对战场态势的动态感知能力，难以及时响应突发威胁或机遇窗口。 1.2 基于生成式AI的智能决策支持系统的核心目标 实时数据融合：整合穿戴式传感器、环境因素等多模态数据流； 动态情境建模：生成符合军事原则的战场态势理解框架； 人机协同决策：提供可解释的行动建议并支持多方案迭代优化。 1.3 SBIR计划的三个实施阶段 为高效构建该系统，SBIR计划将分三阶段实施： 第一阶段侧重于概念验证，开发初步的AI模型，实现战场数据的实时整合与摘要功能，并构建基础的用户界面； 第二阶段将着力优化系统，如互操作性、数据处理能力及用户体验等，打造可用于军事规划的原型系统，并确保其能够与现有的军事AI工具兼容； 第三阶段则聚焦于全功能系统的开发和部署，目标是实现广泛的战场适应性，提供动态数据聚合、自动优先级排序、跨平台集成等关键能力，以全面支持战场指挥决策。 1.4 基于生成式AI的智能决策支持系统中的关键技术 基于大语言模型（LLMs）的制定军事行动方针算法（COA-GPT）与AI辅助情报分析员态势报告生成技术（SmartBook），分别从作战规划与情报分析两个维度验证了生成式AI在军事决策中的革命性潜力。 02 决策支持系统的关键技术 2.1 COA-GPT，行动方案生成的范式革新 美国陆军研究实验室开发的COA-GPT系统重新定义了传统军事决策流程（MDMP）。该系统创新性实现军事行动方案（COA）开发的颠覆性提升，实现COA的秒级生成与实时优化，解决决策滞后与战术僵化问题。 COA-GPT的核心突破在于多模态交互框架与动态适应性机制： 1.多模态输入 COA-GPT系统兼容文本指令（如任务目标、地形描述）与图像情报（如战场态势图），利用GPT-4解析视觉信息，生成包含兵力部署、机动路径的可视化方案。 2.军事原则内嵌 通过上下文学习（In-Context Learning）将《陆军野战手册》中的战术原则（如包围、渗透、机动防御）编码至模型提示，确保方案符合军事逻辑。 3.人机协同 指挥官可通过自然语言反馈（如“优先压制敌方防空单位”）迭代优化COA，系统在数分钟内完成多轮调整，支持动态战场响应。 在军事化场景测试中，COA-GPT展现出显著优势： 效率提升：生成初始COA仅需2-5秒，较传统强化学习（A3C算法）缩短99%时间，且无需预训练。 战略一致性：在“虎爪行动”模拟测试中，COA-GPT方案平均奖励值达+142，超越自动课程强化学习基线（+98）与纯强化学习（+75）。 人机协同增益：引入两轮人类反馈后，友军伤亡降低18%，目标达成率提升至92%，且方案标准差缩小37%，体现更高稳定性。 总之，COA-GPT通过LLMs与军事专业知识的深度融合，重构了COA开发范式，其“生成-反馈-优化”闭环机制为未来智能化指挥控制系统奠定基础。 2.2 SmartBook基于人机协作理念，态势感知报告的智能生成 美国伊利诺伊大学团队研发的SmartBook系统则聚焦情报分析领域，通过自动化发现战略问题、聚合多源证据与生成可验证摘要，重塑情报分析流程。 SMARTBook基于人机协作理念，融合三项核心技术： 战略问题自动发现 采用层次聚类与TF-IDF算法（用于信息检索与文本挖掘的常用加权技术）识别新闻事件热点，通过BART模型（序列到序列的生成模型）生成事件标题（如“俄军在斯拉夫蒂奇的军事行动”）。 结合GPT-4生成战略级分析问题（如“俄军部署对基辅北部防线的战略影响”），经RoBERTa模型（BART的增强版）去重后形成框架，83%的问题被专家评为“具备战略价值”。 证据驱动的摘要提取 采用RoBERTa模型从多源文本中提取与战略问题相关的声明，通过QA验证机制筛选高置信度证据，减少AI幻觉风险。 集成多角度（AllSides）媒体偏向性数据，帮助决策者评估信息立场，提升报告客观性。 结构化摘要生成 基于GPT-4生成三种粒度摘要（简略/标准/扩展），并自动关联来源链接，支持事实追溯。在乌克兰危机案例中，94%的摘要被判定包含战术有用信息，较纯LLM方案（ChatGPT）相关性提升28%。 03 技术融合与实战能力
3.1 多源数据融合的决策增强
传感器-情报-条令的三维整合
COA-GPT已实现穿戴设备数据与战场情报的实时映射，SmartBook的新闻聚类算法可扩展至无线电截获、无人机侦察等多源情报处理，两者结合，可全面覆盖多种信息来源。
动态知识图谱构建
COA-GPT和SmartBook两系统均采用TF-IDF（评估文档语料的重要性）增强的上下文建模，未来可引入GNN（图形神经网络）实现跨域关系推理，再加入空间语义理解模块可使行动方案地理契合度大幅提升。
3.2 人机协同决策的信任建立
可解释性增强技术
COA-GPT通过作战地图标注实现方案可视化，SmartBook采用源追溯机制，每个结论关联多个证据源，两者结合能够实现关联可视化。
自适应控制接口
针对不同职级或密级开发分级控制模块：初级指挥官使用预设模板，高级参谋可调整AI推理参数。
04 挑战与未来发展方向 4.1 尽管生成式AI显著提升了军事决策效率，仍需突破三大技术瓶颈 对抗环境下的鲁棒性 需开发反欺骗模块防御AI幻觉与对抗样本攻击，实验显示，当前系统在30%噪声注入下的决策准确率下降至61%。 多级安全架构 构建机密/秘密/公开数据的分层处理机制，美国陆军正在测试的“零信任”架构可将数据泄露风险降低89%。 伦理与责任框架 需建立AI决策追溯系统，明确人机责任边界，如北约正在制定的《AI军事应用伦理指南》要求所有AI建议必须包含人工确认。 4.2 未来技术发展趋势 跨域协同决策：整合陆海空天网电的多域作战LLM 虚实融合训练：构建数字孪生战场实现方案预演 自主决策演进：从“人在环路”向“人在网络”模式转型 05 评 述 生成式AI正在重塑现代军事决策的范式边界。基于COA-GPT与SmartBook的智能决策支持系统表明，通过深度整合领域知识、强化人机协作、构建可解释框架，决策系统可有效突破传统工具的局限。随着多模态感知、边缘计算、对抗学习等技术的持续突破，下一代军事决策支持系统将实现从“态势理解”到“行动生成”的全链路智能化，为未来战争提供前所未有的决策优势。然而，技术突破必须与伦理规范、安全架构同步发展，方能在提升作战效能的同时维护战略稳定性。
参考文献：
https://armysbir.army.mil/topics/context-aware-decision-support/
https://arxiv.org/abs/2303.14337
https://arxiv.org/abs/2402.01786
声明：本文来自认知认知，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。
