有些AI不是AI

南華早報報道，北方工業下屬的咸陽西北機電工程研究所的團隊用AI精確預估戰鬥機在格鬥空戰中的機動飛行，可對F-15一級的戰鬥機機動軌跡預估達到2米以內的精度。這是在飛行員全力發揮主觀能動性、使盡出其不意後依然能達到的精度。換句話說，用於火控的話，這就是必殺了。

具體來說，用現有的PS800紅外光電系統精確測定氣動控制面細微到毫米級的動作，然後用AI模型精確預估。

但這只是用AI的名號，這不是AI。

氣動控制面的動作是戰鬥機飛行機動的前兆。先有控制面動作，然後才有機動飛行動作的發生。不同的控制面組合導致不同的機動動作；不同的動作量導致不同的機動幅度。這是常識，也容易由空氣動力學知識和數字仿真確定。問題是，對戰鬥機精確建模、根據當前大氣條件進行精確仿真，這是很大的計算量，用於火控，基本上不可能達到實時解算。

用神經元模型可以極大簡化建模和計算，這是模型降階，非常有用。神經元模型通常是靜態的，但在輸入項里包括當前和過去幾步的狀態，在輸出項里包括下一步到幾步的狀態，就是有用的非線性預估模型。一旦做到精確預估目標的動態軌跡，火控解算就簡單了。

但這整個事情不是AI，只是用了神經元預估模型！

戰鬥機氣動控制面只有那麼些：襟翼、副翼、前緣襟翼、平尾、方向舵，尤其F-15那樣還必須是對稱動作。這些動作都是連續的，不能離散突變。然後要加上空氣的粘度、密度、風向、風速等大氣數據。也就是說，基本模型估計不會超過30x30，這是小模型，根本不需要動用大模型那樣的大殺器。

不定因素是重量、推力、外掛阻力（這個能看到，不知道是不是算進去了）。用預估-矯正的辦法，可以推測重量和推力。重量一旦推測確定，就可以在短時間裡當做常量處理。推力依然是連續可變，而且依然不可見，但可以根據上一時刻的推力估算下一時刻的上下界，作為模型預估輸出的上下界。然後再根據實測反推當時推力，用於下一步的預估。

這一套組合拳下來，當然算法不簡單，但也沒有那麼不可思議。數據來源不可能是實測，中國沒有F-15給你實測。但用離線數字仿真就可以產生數據集。計算流體力學這點還是做得到的。

難點可能在於測量精度。根據光線、角度和距離不同，要精確測量毫米級的氣動控制面移動量恐怕不容易。這可能需要高度精確的圖像識別，這裡有一點訓練。問題是，工業上用攝像頭進行次品檢測好幾十年了，這就算AI？還是不要把AI庸俗化為好。

要是這都能算AI，我在30年前就玩神經元網絡了，豈不是AI元老了？

現在有把什麼都往AI上扯的趨勢。AI很有用，但不是要AI了才有用，也不是有用的都必須是AI。還是實事求是為好。