[비즈한국] AI正在改變戰爭。這不僅適用於無人機或自殺式快艇。隨著生成式人工智慧（LLM）的出現，從指揮控制到後勤支援及作戰，未來戰爭所需的各個要素都面臨著前所未有的革命性變革。
在人類必須承擔的所有任務中，航空器駕駛屬於極端情況下需要極高思維能力的工作，而其中與敵機進行空中格鬥的戰鬥機也不例外。在經典電影《壯志凌雲：獨行俠》中，主角獨行俠（湯姆·克魯斯飾）面對凱恩上將關於人類飛行員將被取代的說法時回應道：“也許如此，長官，但不是今天（Maybe so, sir, but not today）”。然而現實是，未來的空戰正需要融合AI與人類的新型戰鬥機飛行員。
在此背景下，由全國80餘所大學、290支隊伍、873名選手參加的“第一屆韓國航空大學校長杯AI飛行員壯志凌雲挑戰賽（2026 AI Pilot Top Gun Challenge）”，不僅是一場大學生競賽，更提供了重新思考“未來空戰形態”的契機。該賽事透過8月27日至28日的預賽選拔出16支決賽隊伍，決賽將於9月17日在韓國航空大學大禮堂舉行。
觀看YouTube上釋出的預賽影片，可能會讓人誤以為這只是簡單的飛行模擬，但考慮到參賽者是大學生，其展現的嚴密技術判斷和基於AI的未來空戰暗示，水平之高令人難以置信。
如果剖析參賽隊伍必須解決的官方手冊任務，就會發現這絕非普通的“F-16模擬器遊戲”。飛行力學（FDM）由JSBSim核心負責，學習框架基於Ray RLlib的PPO/SAC演算法。觀察空間提供從12維到37維的5種模式，動作空間被固定為橫滾、俯仰、方向舵、油門4軸。課程學習階段共15個等級，從生存、追擊、進入武器接觸區（WEZ）開始，逐步提升難度，最終達到正面交鋒（head-on）角度掃描及完全格鬥。
雖然專業術語較多，但核心很簡單。AI接收大量資訊。比賽在敵我位置完全透明的狀態下開始。在這種情況下，AI的任務不是專注於複雜的操作，而是為了解決“如何向敵人射擊”的問題，必須決定戰鬥機的方向和姿態。換言之，就是讓AI決定在英語中被稱為“狗鬥”（Dog Fight，近距離空戰）的格鬥中，類似犬類咬住對手喉嚨的行動。
比賽為200秒1對1機炮格鬥。一旦進入機炮射程，即判定為擊中。有趣之處在於機炮隨時間變化的效能設定，這顯然有空戰專家的參與。前100秒為打擊角，即我機與敵機必須在直線方向2度以內才能判定射擊成功。最後50秒，這一角度（射擊範圍）擴大到6度。機炮射程也從3000英尺增加到4000英尺。前期由於沒有精確追蹤無法射擊，考驗的是AI智慧體的控制能力；後期因迴避及消耗戰的期待值降低，迫使選手必須做出決斷。這是一種將課程學習植入規則的設計。
出題者未做要求的方面更為關鍵。由於敵我狀態資訊全部已知，不存在雷達探測與追蹤問題。武器只有機炮，且發射決策本身不在動作空間內。對手始終只有一個，也不存在通訊中斷或電子戰。這場比賽訓練的不是無人戰鬥機的完整大腦，而是近距離格鬥的幾何邏輯。
此類比賽並非前所未有。美國國防部高階研究計劃局（DARPA）2020年的“阿爾法狗鬥競賽（AlphaDogfight Trials）”堪稱這類AI飛行員大賽的鼻祖。當時的比賽與航空大挑戰賽類似，AI智慧體在模擬中進行淘汰賽，最終獲勝者Heron Systems的F-16智慧體以5:0擊敗了經驗豐富的空軍飛行員“Banger”。
此次航空大學挑戰賽與阿爾法狗斗的關鍵區別在於開放性。阿爾法狗鬥是邀請8家企業與研究機構參加的封閉式競賽，最終技術報告被列為內部使用（FOUO）。而韓國航空大學的比賽面向84支隊伍開放，全程在YouTube直播，並鼓勵獲獎團隊公開演算法。這正是世界首個“開放式AI飛行員空戰大賽”。
當然，阿爾法狗鬥確實透過製造X-62A實驗機，將比賽結果中產生的AI智慧體用於實際飛行，從而驗證了AI飛行員的能力，這點與航空大學挑戰賽有所不同。當時的X-62A不僅超越了簡單的AI自主飛行，還與有人駕駛的F-16進行了實機空戰，並在21次試飛中更新了超過10萬行的飛行控制軟體。與美國不同，我們目前要實現用自研AI智慧體操控戰鬥機，現實中仍有很長的路要走。
從校內比賽開始策劃此次AI空戰大賽的韓國航空大學兼任教授（韓國防衛事業廳）任相民（音譯）向本刊表示：“此次壯志凌雲挑戰賽在模擬中展開的200秒空戰，並非單純的模擬，而是即將到來的‘物理AI飛行員（Physical AI Pilot）’的第一步，也是技術起點。期待透過此次大賽，選手們能成長為引領韓國航空航天及國防AI領域的未來核心領袖。”
正如任相民教授所言，此次航空大學的AI飛行員壯志凌雲挑戰賽意義遠超普通的大學競賽。最重要的是，這是韓國首次獲取可應用於未來戰爭武器的AI智慧體資料，並以此培養了學習和挑戰的人才。因此，稱此次大賽為培育打造未來六代機核心力量的起點絕不為過。
當然，未來的路還很長。此次大賽允許使用強化學習、模仿學習、監督學習、行為樹、啟發式及混合學習，這是因為用我們熟悉的大語言模型（LLM）難以確定行動的可預測性，且在灌輸學習與一致性方面存在極高難度。然而，基於行為樹（Behavior Tree）方式的AI，在演算法被敵人識破時，容易暴露行動預測簡單的弱點。實現可靠性與創造性的並存，在隱藏演算法的同時讓AI做出敵人無法預測的動作，將是未來六代機空戰勝利的關鍵。
期待此次大賽能確認AI飛行員的基礎，成為在韓國開創“以智慧體為中心的空戰”的起點。