2020年5月31日，美国兰德公司发布《通过机器学习实现空中优势：对人工智能辅助任务规划的初步探索》（Air Dominance Through Machine Learning：A Preliminary Exploration of Artificial Intelligence–Assisted Mission Planning）研究报告，该研究为人工智能原型系统在空战环境中开发和评估新型作战概念的潜力提供了证据支撑。
兰德公司《通过机器学习实现空中优势：对人工智能辅助任务规划的初步探索》报告封面
该报告是兰德公司在美国防部提供给其所属联邦资助的研发中心的资金支持下完成的（美国兰德公司图片）研究团队测试了几种学习技术和算法来训练能够在模拟环境中进行空战规划的智能代理，目标是利用人工智能系统的能力大规模地反复模拟和持续改进，从而加速并丰富作战概念的发展。报告指出，人工智能任务规划工具相比现有的人工或自动规划技术将具有极大的速度优势。
兰德公司在《通过机器学习实现空中优势：对人工智能辅助任务规划的初步探索》报告中采用的研究技术路线（美国兰德公司图片）
作者观点：该研究最大的目的是在简化的仿真模拟环境中验证人工智能系统进行空战任务规划进而创新战法的应用潜力，值得关注的亮点和结论有：
1）假想的场景是给定一组配置不同传感器、武器、诱饵和电子战载荷的无人机对孤立防空体系进行进攻，场景的选取贴合蜂群、“马赛克战”等的基本构想；
2）将开源深度学习框架与国防部标准作战模拟工具“仿真、集成与建模高级框架”（AFSIM）集成，分别测试了生成对抗网络（GAN）、Q学习、异步优势动作评价（A3C）、近端策略优化（PPO）等当前最新的开源算法，结果显示只有PPO算法可以在一组变化的复杂场景下满足任务规划需求；
3）人工智能算法在任务规划中展现了一定优势和潜力，倘若在算法、训练和部署中进一步深化研究，有望在速度上相比现有的人工或自动任务规划带来巨大优势；
4）强化学习是在数据资源稀缺情况下利用人工智能实现作战概念和战术创新最有力的工具，回报函数的设置是决定人工智能演进策略的关键所在，是作战智慧的核心涌现；
5）在真实场景和关键任务中使用基于统计学习方法的人工智能系统必须经过充分的试验、测试和认证。因此必须重视和加快航空可信人工智能框架方面的工作，其重要性不亚于其他航空人工智能应用探索工作。
