當前美海軍的“宙斯盾”（AEGIS）作戰系統並不具備以連貫一致地方式捕捉完整戰場空間作戰、環境和戰術圖像的全分布式監視能力。爲此，美海軍希望借助現有商業系統來解決其作戰系統對先進態勢感知（如FAA的空管系統軟硬件）的需求。但目前現有商用技術無法對作戰環境中的空中、水面和水下複雜對象和威脅進行實時跟蹤、識別和管理，同時海軍的作戰系統對國防部或第三方的獨立軟件應用的兼容性較差。爲此，美國海軍正另辟蹊徑，尋求開發基于人工智能軟件的自主戰場空間監視智能體（SABM），協助“宙斯盾”作戰系統控制台操作員維持本艦責任區（AOR）內戰術相關活動的態勢感知能力。
美海軍希望在“宙斯盾”作戰系統基線10及其後續版本中加裝人工智能（AI）軟件智能體、通用核心作戰系統（CCCS）原型作戰系統以及相關的分布式通用作戰圖（DCOP）子系統。該人工智能軟件將綜合運用交戰級航迹數據、不同傳感器源的識別數據、從編制內/非編制數據庫獲取的敵平台傳感器或武器能力數據，以及戰場空間內各戰術實體觀測到的行爲數據等來生成通用作戰圖，以此爲“宙斯盾”作戰系統的值班人員提供完整的態勢感知能力。該子系統具有模塊化特點，能夠在所有參與平台內共享通用作戰圖，確保各平台通用作戰圖數據的一致性。爲確保該AI軟件能夠在“宙斯盾”作戰系統中發揮作用，必須在系統中集成分布式通用作戰圖，或開發合適的輔助數據搜集算法集，使AI算法能夠從作戰系統的現有數據源獲取所需的相關數據。
1
提升“宙斯盾”系統的分布式監視能力
美海軍認爲，基于人工智能軟件的自主戰場空間監視智能體（SABM）如果在適當的通用核心作戰系統生態系統軟件環境中運行並能夠接入分布式通用作戰圖或“宙斯盾”作戰系統的相應數據，就能夠爲作戰系統值班人員提供態勢感知自主監控能力，將有效提高任務的成功率。SABM將利用DCOP子系統的數據執行分析監控任務，該子系統能夠提供其責任區內所有戰場實體的詳細實時觀測數據以及已知的曆史參數。
人工智能技術隨著深度學習算法的發展取得了非常顯著的進步，這些算法也形成了包括蘋果Siri、微軟Cortana等一批成功的商業化AI軟件産品，它們能夠協助人類在盡可能短的時間內以最簡潔的方式完成各種日常工作，或在特定研究領域提供助力。這種自主智能體將利用針對基于AI的新型戰鬥系統分析算法提高作戰系統值班人員監控動態戰術環境的能力。這種軟件的自主性質將使其能夠獨立工作，而無需作戰系統值班人員持續不斷地手動重新配置以使其適應動態變化的戰場環境。
當編制內艦艇CCCS生態系統和非編制CCCS生態系統（如其他戰鬥群水面平台）存在多個獨立SABM智能體時，能夠實現跨平台計算界限的數據交換和分析過程協調。作戰系統值班人員可根據具體任務和目標配置各SABM智能體，以發現艦艇的潛在威脅，具體包括配置定制化告警服務，以及將行爲特征和範式與戰場空間已有實體進行匹配等方式。各SABM智能體通過與其他編制內/非編制SABM智能體協調，可自主識別並確定確定戰場空間責任區內與特遣部隊和戰術任務相關的威脅、態勢和環境狀況的優先級。
SABM體系架構模型、軟件框架和AI算法集將在CCCS/分布式通用作戰圖體系架構和軟件框架中運行。
美海軍要求該系統的體系架構、軟件框架或AI算法必須是模塊化的，采用基于開發系統的設計原則和標准，以及定義良好的軟件接口。該系統的體系架構將具有可擴展性，能夠在“宙斯盾”作戰系統基線10及其後續版本的硬件計算環境中運行。所需算法以及托管系統也采用模塊化原則，能夠在CCCS生態系統作戰系統應用環境以及分布式通用作戰圖戰場態勢感知系統用中運行，最終與基線10及後續版本實現集成。
2
功能和開發過程
SABM智能體的軟件實現能夠與CCCS原型生態系統集成，並可接入分布式通用作戰圖態勢感知原型子系統。目標實施環境將作爲獨立程序在Linux（紅帽RHEL7.5/Fedora 29/Ubuntu 18.4.1）處理環境中運行。在未來的演示驗證環節，SABM智能體原型將展示以下能力：
1）能夠監控那個戰場環境分布式通用作戰圖，並對數據和潛在威脅進行分析；
2）能夠生成艦艇和戰鬥群戰術威脅優先級清單，識別戰場空間內的戰術事件；
3）爲值班人員生成相關告警信息；
4）多個獨立SABM智能體間能夠協調，其中1台智能體托管在獨立CCCS生態系統（但可聯網）的單獨計算平台中。
整個AI系統的開發工作將分成3個階段進行：
第1階段——包括體系架構模型、軟件框架和基于AI的算法的概念開發，通過建模和設計需求分析確定可行性，該階段將包括針對第2階段原型産品的初始設計規範和能力描述。
第2階段——設計、開發和交付SABM智能體的原型軟件。在“宙斯盾”艦或未來水面戰艦（FSC）主要陸上測試點進行功能測試，演示原型系統的性能指標。
第3階段——在與“宙斯盾”硬件環境相當的陸上虛擬化硬件環境中將SABM智能體軟件集成至原型作戰系統中，包括“宙斯盾”基線9及後續版本和CCCS試驗原型。
未來，SABM智能體軟件系統還將有可能以空中交通“通用作戰圖”監控器的形式在商業空中交通管制系統中得到應用，用于協助用戶在複雜交通管制場景中預測和避免發現撞機事件。