有的人据此惊呼“战斗机AI时期已经来临！
无人战斗机将彻底取代有人战斗机！
”当然，这个名为“隼”的AI系统虽然大比分降服了人类翱翔员，但实际上人类翱翔员也不必过于错愕，由于这次仿照空战的环境设定过于大略，相称于对人类不利，而且AI本身也不足完美，如果比赛再连续进行下去，人类翱翔员还是有机会把比分扳平乃至反超。
人工智能的技能进步固然可喜，但间隔取代翱翔员、进而让有人驾驶战斗机退出历史舞台，还言之尚早。

AI降服人类翱翔员的背后，是美国DARPA在“搭台唱戏”

“阿尔法空战格斗”比赛从属于DARPA计策技能办公室（STO）提出的“空战进化”（ACE）项目，终极目的在于通过举办比赛的办法吸引来自社会各界的人才参与未来的项目研发。
该系列比赛在“马赛克战”的背景下举办，在技能上旨在仿照环境中提升AI进行视距内空战的水平，并提升人类翱翔员对AI技能水平的信赖程度。

经由前期的筛选，第三轮共有8支团队进入比赛名单，个中有洛克希德·马丁公司这样的防务巨子企业、佐治亚理工研究所这样的有名高档院校，也有极光翱翔科学公司（该公司已被波音收购，但公司的品牌和团队予以保留）这样的有名创新技能企业。
在这些有名的公司中，苍鹭公司并不显得突出。

苍鹭公司在1993年景立，规模也实属是一个小公司。
该公司自2012年开始积极地探索AI在传感器开拓、机器人掌握和计策推理等方面的运用。
除了开拓ACE项目中的仿照空战的程序之外，苍鹭公司还深度参与了DARPA的“进攻性蜂群战术”项目（OFFSET）和“游戏平衡毁坏者”项目以及AFRL的Skyborg项目等近十项美军AI项目，展现出了较强的创新能力。
而该公司开拓的深度学习框架算法在雅达利、毁灭战士和星际争霸2等游戏，以及仿真环境下的视距内外的空战等多个领域内都展现出了超越人类的水平。

以是苍鹭公司能在这一系列比赛中打败其他参赛军队，尤其击败洛克希德·马丁公司的AI程序并不稀奇。
这也解释在这些新兴交叉领域，传统大型公司并不一定都比小公司实力更强，正如波音也要收购极光翱翔科学公司来提升自己的创新能力一样。

虽然这个名为“隼”的AI在仿照器环境下AI降服人类翱翔员，但这并不是很“神奇”的事，乃至也不必解读为AI降服人类的又一次重大事宜。
实际上，其他7支军队开拓的AI算法在与人类翱翔员在同样环境下对抗时可能都会取胜，其缘故原由是他们利用的均是已有的算法和工具，只是根据详细的场景和任务做了相应的改造而并无实质的差距。
因此，其他7个空战AI只是没有打过苍鹭的“隼”而已，并不代表也打不过那位翱翔员。

当然这位翱翔员也不必妄自菲薄，由于他只是在仿照器的环境下没有打过AI，如果到了真实环境下人类翱翔员的取胜把握还是满有把握的。

之以是这么说，是由于本次“阿尔法空战格斗”比赛在繁芜度、信息可不雅观测性和反应速率等方面所展现出的难度和分外性都并不算突出，比较于过去AI寻衅围棋、星际争霸、Dota2等游戏的技能需求还要低不少。

这次的比赛利用的都是简化的开源仿真环境和翱翔动力学模型，场景也是相对大略的一对一狗斗，比较真实的空沙场景是最为大略的数字抽象。
而在真实的作战中，作战环境涉及人-机-自然环境三个繁芜实体，以及它们之间繁芜的浸染关系，如果这些浸染关系要用数据量来表示的话，比仿照器上的空战繁芜好几个数量级。
对付AI传感器的感知能力来说，现实天下须要考虑的成分太多，而传感器仍旧是不如人类双眼的地方。

这从汽车的自动驾驶技能就可以看出来，实际上目前自动驾驶技能仍旧不足“智能”的紧张缘故原由，便是传感器不足“智能”，远不如人眼人耳更灵巧。
真实天下的情形是无限多的，例如空中飘过的塑料袋、地面反光的积水等，都对传感器造成了影响，对其识别造成滋扰，而传感器没有识别出障碍物也是目前多次自动驾驶车辆事件的紧张缘故原由。
因此，传感器的感知问题是现在自动驾驶仍旧难以媲美人类驾驶员的紧张问题所在。

到空战方面，比较汽车的自动驾驶，虽然飞机在天空中的环境比地面环境要相对“干净”许多，不会溘然撞到无法识别的物体；但这仅是指在翱翔环境下，而在军事作战环境的非合营、强滋扰、强对抗环境下，对传感器的哀求只会更高。

除环境和传感器的问题以外，AI程序本身也有一定毛病，常常在基本的战斗机警活中犯缺点，例如不止一次地将飞机转向到其认为人类翱翔员会去的方向，但多次结果都被证明错判了人类翱翔员的想法。
这解释深度学习技能虽然使AI汲取了很多“精确的履历”，但如何让这些履历与实际情形更好地结合起来还须要进一步努力。
因此，DARPA计策技能办公室认为AI程序必须在实际战斗场景中增加更多的警告或限定，以防止大量AI掌握的无人机发生空中相撞等事件。

其余，这次空战毕竟是在仿照器上进行的，人类翱翔员的对手也是没有生命的AI，因此对付某些人类特有的要素并不重视，例如“安全”或“生命”，这也是AI可以相对无限制的操控飞机，但人类受到长期演习习气的影响，不可避免地受到某些操作上的限定。
例如在传统的翱翔演习中，为担保演习安全要避免飞机相撞，这就哀求翱翔员彼此之间的间隔不得小于500英尺（约150米）。
以飞机的相对速率而言，两架飞机间这个间隔留给人类的反应韶光只有半秒不到，因此翱翔员受到的演习是不要使飞机过于靠近，有30年履历的翱翔员对此更习气更是根深蒂固。

参加这次空战的翱翔员邦格（Banger）也认为，虽然这种限定在实际的空中作战中也不适用，但长期遵守演习规则会使翱翔员养成习气，“可能不愿意将飞机拉到可能发生碰撞的位置，或处于迎角过大的可能失落速的姿态，但AI并没有这种问题，反而会利用人类这些习气。
”

因此，总体来看，现有的技能条件下的AI并不能像宣扬那样常常打败人类，“打败人类”只是在特定场景特定例模特定情景下做到的，在真实的对抗场景下，技能水平还远没有达到。
当然，AI自主空战技能是个计策意义极高的方向，DARPA启动ACE项目并举办AlphaDogfight比赛也是为了吸引更多工业界、学界和商业界人才团队加入其研发事情，从而在计策层面上带动本领域快速发展。