如今，世界各地的武装部队都在试验支持AI的防御系统。率先充分了解人工智能以改变现有的以人为中心的部队结构并采用人工智能方法进行战争的国家可能具有相当大的先发优势。在传感器战场和指挥控制（C2）的“发现”阶段，首先要能够架设大量低成本的物联网（IoT）传感器。在某些方面，这一想法已应用于综合防空系统(IADS)概念，其中包括地面雷达站的链式网络，辅以机载预警和控制飞机，以检测高空飞行和低空飞行的飞机。AI支持的空战防御概念表明，当前有限且昂贵的传感器部署可以通过使用大量小型、低成本的AI支持的地面和机载传感器得到大规模补充。扩展的物联网传感器战场上的小队可以使用人工智能边缘计算将部分处理后的数据通过云端发送到融合中心，然后再发送到指挥和控制系统。这些较小的物联网传感器可能是有源短程雷达发射器，但它们有限的功率可能会限制此类用途。更有可能的是，无源物联网传感器检测整个电磁频谱的辐射，包括可听、紫外线、红外、无线电和雷达波段。虽然单个传感器的性能可能相对较低，但当与可能的数百个传感器结合使用时，就有可能在三个维度上跟踪和识别空中交通。地面防空物联网传感器是固定的并且经常使用，而配备传感器的无人机(UAV)可以在任何地方持续数小时到一天。一些新兴的物联网应用可以显着延长这种续航能力，包括高空气球、小型通信卫星和伪卫星，所有这些都可以与人工智能技术相结合。大型物联网传感器战场将使用被动检测技术。这意味着飞越此类战场的飞机无法使用雷达、数据链路和通信系统等电磁设备来避免被发现。即便如此，飞机的正常特性（例如，噪音、热量和视觉特征）仍可能泄露飞机的存在。为此，开拓物联网传感器的深空战场意义重大。当飞机靠近已知传感器时，飞机可能会限制其自身的排放，特别是来自飞机前方航路的扇区。深空战场意味着即使在战场上空飞行的飞机在正面方向没有被探测到，它的侧翼和后方仍有可能被探测到。人工智能打造的超大型物联网传感器战场，将部分处理后的数据通过云端发送到融合设施，再由人工智能对数据进行进一步处理。在考虑这些步骤时，“观察、判断、决策和行动”(OODA)模型很有用。在“观察”阶段，AI首先应用于各个物联网的边缘计算，然后应用于融合中心。在“判断”阶段，AI将在战斗管理系统（BMS）中发挥重要作用。人工智能不仅可以生成近实时的综合空中态势图，还可以预测敌方的空战计划和行动。处理“决策制定”并了解友方防空系统可用性的下一个AI层向指挥官发送一份空中目标的优先进近列表、要部署的最佳跨域攻击类型、相对时间和冲突考虑因素需要批准。为此，人类将以受控的方式与一个人在回路中或一个人在回路中保持深度接触。一旦获得批准，下一层人工智能将为每个目标指定一种首选武器，自动提供必要的目标数据，以确保与友军消除冲突，确定何时打击目标，并可能预测武器补给。作为最后一步的“动作”主要由人工智能来完成。基于人工智能的战斗机目前有多种高性能无人机在空中飞行。开发可以使用人工智能做出战术决策的视距空对空作战无人机似乎是一项简单的工程任务。事实上，美国空军计划在2024年再进行一次人工智能控制飞机和有人驾驶飞机的实验（2020年进行过一次），届时将使用全尺寸战术飞机。优化后的可操作人工智能短程缠斗无人机可能比有人驾驶飞机更小、更轻、成本更低，并且能够在不需要防御武器的情况下扰乱敌人的空袭。指挥控制系统可以轻松指挥无人机与敌机交战，接近敌机并与敌机展开缠斗。有人驾驶的飞机会分散注意力，攻击方法也会受到干扰，从而使它们更容易受到其他有人驾驶武器系统的攻击。此外，如果敌方有人驾驶飞机正在机动，它会更省油，可能需要在返回遥远的基地之前迅速停止攻击。另一方面，配备武器的基于人工智能的战斗机可以根据具体情况以人在环或人在环模式下运行。但是这种模式也有缺点。在飞机上携带武器可能会导致工程设计问题，增加连通性问题，对武装冲突法产生重大影响，并可能产生战术问题。出于多种原因，更好的策略可能是让无人机攻击、“锁定”并伴随敌机，持续广播敌机的所有轨迹和细节。基于AI的飞机可用作战斗空中巡逻(CAP)或地面拦截器(GAI)。战斗空中巡逻需要更大的无人机，在空中待命时具有有效的续航能力。然而，尺寸与有人驾驶飞机相似的机身可能远远超出有人驾驶飞机可达到的性能水平。对于无人机来说，体积越大，其设计和操作就越复杂。当用作地面拦截器(GAI)时，无人机可能更小，可能更像是导弹而不是飞机。例如美国空军的XQ-58A“女武神”远程高亚音速隐身无人机，由固定发射架升空，降落伞降落。今天有人提议将这种无人机部署在移动货运集装箱中。如果可以用作地面拦截器的AI动力UCAV不需要机场，纵深防御方法将变得更加容易，分布式防空等新概念将成为可能，这至关重要。可作为地面就绪拦截机的人工智能无人战机分散在物联网传感器战场上，由指挥控制系统远程调度，执行快速响应的近程拦截任务，用于配合执行空战巡逻的有人驾驶飞机。此外，此类无人机不一定需要配备复杂的武器系统才能发挥作用。重要的是，在这样一个人工智能集成的防空系统中，人类和无人机分别负责不同的任务。人类将负责更高层次的认知功能，例如制定整体参与战略、选择目标并确定优先级以及授权参与。人工智能将承担较低级别的认知功能，例如机动飞机和斗狗。AI的欺骗功能需要用“欺骗”功能来补充AI的“发现”功能。攻击者必须拥有有关目标及其防御的大量信息，才能可靠且成功地发起攻击。支持AI的“欺骗”系统可以分散在整个物理和网络空间战场，通过构建误导性或混淆态势使敌人无法“发现”。人工智能“欺骗”系统还可以配合复杂的欺骗活动。此外，分布在大面积区域的小型移动边缘计算系统可以通过发送一系列不同保真度的信号来创建复杂的电子诱饵。此类系统可能会安装在无人机上以获得最大机动性，但是，使用道路网络的无人驾驶地面车辆(UGV)也可能具有专门的功能（例如，伪装成移动地对空导弹系统）。它的目的只是在非常有限的攻击时间内制造“战场迷雾”。无人机可以通过电子方式“复制”防御战斗机，在各个空中巡逻区域营造出有大量战斗机防御目标区域的错觉。这种方法可能成本更高。但这可能会击退敌方攻击机以避免高损耗。“欺骗”功能可以进一步扩展并与被动防御措施和作战方法相结合。为此，空军基地通常在作战行动之前建立，以便在受到攻击时能够迅速恢复。然而，现代精确制导武器通过效率较低但现在备受推崇的分散方法实现了这种弹性。这种方法已经使用了几十年，人工智能可以增强它的实用性。一个永久性空军基地周围可能有多个卫星机场。这些机场的设计可能只持续数周或数月，而不是像永久性空军基地那样持续数十年。一旦发生冲突，常驻空军基地的飞机可以连续不断地在基地和临时机场之间来回飞行。这种移动方式将与人工智能“欺骗”作战紧密结合，对对方进行欺骗、迷惑、迷惑，使其不知道确切的攻击位置，最终决定攻击友机未到过的位置展示。这种战术增加了“战争迷雾”，有可能操纵对手的感知并有目的地降低对手部队的战斗力。在防空作战中，对手只能使用有限数量的飞机、远程武器和弹道导弹。在没有友机的情况下攻击机场是有人驾驶飞机不必要的消耗，而使用远程武器和弹道导弹则是对稀缺资源的浪费。这些是短期冲突中不可替代的装备储备。“欺骗性”人工智能和物理分散的结合支持两个防空目标：消耗对手的同时降低对手空袭的有效性。基于人工智能的物流飞机的去中心化导致运营成本激增。来自多个临时机场的战机需要在多个地点以高昂的成本反复提供后勤保障和相关人力。人工智能系统可以解决此类问题。在后勤支持方面，永久性空军基地可能拥有完善的空中走廊，将其大型仓库和消耗品储存设施连接到临时机场。对于保障和供应空中走廊的存储端，可以使用大量现有的人工智能技术。目前，最先进的仓库可以实时监控库存，利用人工智能、机器学习、云计算、大数据和物联网实现实时订货，使用先进的机器人分拣订单，以及通过自动驾驶车辆移动库存。部分仓库推出3D按需打印业务，一次性满足备件需求，尽量避免老设备备件积压。此外，还引入了物流控制塔(LCT)概念。物流控制塔整合来自各种来源的数字信息，并通过大数据分析提供包括运输活动在内的整个供应链的实时“全景图”。同样的技术可用于控制和管理消耗品储存设施。对于空中补给和支援走廊，支持人工智能的物流可以使用具有“跟随领导者”自主权的机器人货车。这种能力也被称为“编队行驶”，其中领头卡车由人驾驶，后面跟着多辆无人驾驶车辆。从技术上讲，设计无人驾驶的空军基地后勤运载车要比地面部队补给车容易得多。前者主要在预先测量、铺设或分级的道路上行驶，可以使用GPS。在后勤空中走廊的临时机场末端，支持人工智能的系统可能无处不在。此类基地通过人工智能、机器学习、大数据、云计算、物联网、自主运营、机器人等技术的运用，可以加快飞机出勤速度，所需人员数量较目前大幅减少.机场可能无人值守，但由位于永久空军基地或其他地点的中央控制中心的工程和后勤人员远程管理。此类机场甚至可以通过使用可再生能源和电池自行发电，以半自给自足的模式运营。此类临时机场运营所需的设备可能已经安装完毕，并准备好在发生冲突时启用。另一方面，临时机场可以配备必要的网络，以便在交付时将“即插即用”系统和车辆快速集成到临时机场自己的系统系统（SOS）中。卡车车队中的“汽车”。人工智能可能会产生一种不同的空战方法。鉴于通常需要数十年时间才能使空军适应新的方向，现在是启动调整计划的合适时机。
