美国太空军 （USSF） 作为一支以太空为中心的新型军事力量，目前最终实力相对较小，其人才管理需求与其姊妹军种不同。USSF 需要在职业道路上发展和留住其员工队伍，以维持所有监护人的基本技术和作战能力，并为高级领导职位培养强有力的候选人。
本观点的作者建议，为了满足这些人才管理需求，USSF 考虑一个新的框架——一个不局限于传统空军烟囱式职业领域结构的框架，而是旨在通过培训和经验建立 USSF 军官在作战任务领域和职业能力方面的专业知识的深度和广度。该系统将为军官提供更多、更灵活的职业发展机会，帮助避免职业孤岛，并加强 USSF 发展和维持一支灵活、敏捷的部队及其所需人才的能力。
美国太空军是美国最新的武装部队，它在发展自己的以太空为中心的身份和文化方面面临着机遇和挑战。本文的作者提供了一个框架来实施太空部队组织文化的概念，并举例说明了选定的因素如何塑造这种文化并对绩效和组织效率产生级联效应。作者就高级领导和所有监护人（无论工作或级别如何）如何建立一种文化，使该服务最适合实现其愿景和使命提出了想法。
本报告的作者描述了美国太空军 （USSF） 可用于将预备役和常规部队整合到组合组件中的模型，以实现全职和兼职服务之间的无缝渗透。这种整合将使 USSF 能够创造灵活的调度机会，从而增强其寻找、培养和留住具有不同技能的个人的能力。
作者描述了四种可能适合 USSF 组织的整合模型，并提供了说明如何在指挥官和人力资源经理面临的假设情况下使用每种模型的插曲。
本报告是在 2024 财年国防授权法案通过之前完成的，其中包括《太空部队人员管理法案》，批准在 USSF 和执行太空任务的空军预备役人员之间实施单一服务结构。
各级 USSF 组织都可以采用反映具有不同时间表的劳动力的人员配置模型，以改善劳动力管理并完成任务要求。
整合以不同就业率工作的全职和兼职人员的模型在工业和其他军事组织中已经成功模拟。
至少有四种集成模型可能适合 USSF 组织：职位级集成、团队级集成、事件驱动集成和按需集成。
没有一种模型适合所有组织，但大多数 USSF 组织应该能够确定至少一种最适合其使命、职能、工作节奏和可用人员的模型。
为了满足在太空领域运营日益增长的需求，太空域感知 （SDA） 运营商必须确定如何更有效地确定传感器观测的优先级，扩大规模以满足常驻空间物体的庞大数量，并发展反映轨道力学和太空运营复杂性的分析能力，同时保持作战领域运营所需的响应能力。这些因素给负责 SDA 任务的人员带来了重大挑战，并指出该任务是人工智能 （AI） 和机器学习 （ML） 工具支持的主要候选者，因为此类工具有可能提高分析速度，扩大此分析的可用数据量，并释放操作员时间执行更复杂的任务。
本报告描述了 AI/ML 工具可能为美国太空军的 SDA 任务带来的影响的性质，重点是量化太空碰撞风险的联合评估过程。AI/ML 工具的影响尚未得到很好的理解，这种缺乏理解是规划和优化工具集成的障碍。为了支持对 AI/ML 工具的评估，作者采访了利益相关者，审查了现有的学术和教义文献，制定了详细的流程图，并构建了探索性 AI/ML 模型。
主要内容：
由于 SDA 任务的需求不断增长和性质不断变化，如果 AI/ML 工具可以成为 SDA 操作员的力量倍增器，那么它们就有很大的机会产生影响。
AI/ML 工具无法解决 SDA 任务的所有挑战，但流程更改可以帮助这些工具产生更大的影响。
要实现 AI/ML 的重大影响，需要转向支持更多 AI/ML 开发和部署的架构。
支持更优化的传感器任务的 AI/ML 工具开发可能会对 SDA 任务的其余部分产生级联影响。
更好地量化风险和不确定性容忍度可以支持提高专注于预测和分类的 AI/ML 工具的性能。
未来美国空天战术部队建设的建议如下：
空间系统指挥采购 Delta-SDA （SSC/SZG） 和空军研究实验室应为 AI/ML 工具开发人员提供明确的指导，让他们专注于满足当今操作员需求的工具，但也可能使未来的 SDA 架构受益。
AI/ML 工具开发应侧重于力量倍增器，以帮助应对第 18 和第 19 太空防御中队面临的日益增长的检测和表征挑战。SSC/SZG 应寻找机会投资这些工具。
SDA 操作员（尤其是第 18 和第 19 太空防御中队以及国家太空防御中心）应寻求阐明任务需求、传感器要求和可接受的不确定性的方法，以优化 AI/ML 工具的潜在增强功能。
太空作战司令部应通过 SDA 任务区团队检查可以修改 SDA 流程的地方，以便从 AI/ML 工具中产生更显着的影响。
AI/ML 工具开发应侧重于那些能够实现更有效和更高效的传感器任务的工具，SSC/SZG 应寻求获取和开发这些工具的方法。第 18 太空防御中队捕捉观测意图的努力也应该得到支持，因为这些努力结合起来是关键的推动因素。
SSC/SZG 应继续支持 AI/ML 工具开发工作，并确保有适当的流程和基础设施来测试和验证这些模型。
高质量训练数据的可用性是 AI/ML 影响的另一个推动因素，太空军应支持太空系统司令部的跨任务数据团队的工作，以确保这些数据对 AI/ML 工具开发人员的可用性。
为了满足在太空领域作战日益增长的需求，美国太空军和太空领域感知 （SDA） 运营商必须确定如何更有效地确定传感器观测的优先级，扩大规模以满足常驻太空物体的庞大数量，并发展反映轨道力学和太空操作复杂性的分析能力，同时保持作战领域行动所需的响应能力。尽管人工智能和机器学习 （AI/ML） 工具有可能帮助应对这些 SDA 挑战，但这些工具对 SDA 任务整体成功的影响尚不清楚，这种缺乏理解是规划和优化这些工具集成的障碍。
本报告记录了证明 AI/ML 应用于美国太空军和太空领域感知任务时的可行性的技术方法。使用数学和数值技术估计常驻空间物体的当前和未来状态以及不确定性的能力是当前 SDA 过程的基础。作者测试了 AI/ML 算法，特别是贝叶斯神经网络，以确定它们是否适合这些任务。本报告介绍的研究侧重于更广泛的 SDA 任务集下高度资源密集型的联合评估任务。这两个案例研究侧重于神经网络的预测和分类功能，以及使用这些功能来改进连接评估。作者发现，与传统流程相比，贝叶斯神经网络在最有可能与基于风险的 SDA 决策相关的指标上提供了适当的性能权衡，与标准神经网络相比，在指标上提供了更高的性能。
神经网络是复杂非线性函数的强大近似器。预测和分类功能可应用于具有标准和贝叶斯神经网络的 SDA 任务流程。
AI/ML 工具开发人员应专注于与运营 SDA 架构、数据基础设施和流程兼容的工具。
风险和不确定性容忍度的量化使操作员或分析师能够通过根据可接受的风险设置阈值来向 AI/ML 模型提供反馈。
与标准神经网络方法相比，风险和不确定性容忍度的量化可以支持提高专注于预测和分类的 AI/ML 工具的性能。
当与 SDA 任务流程配对时，主动学习可能是一个有吸引力的 AI/ML 功能。
AI/ML 工具的开发需要大量投资来确保高质量的训练数据。美国空军首席科学家办公室在 SDA 运营商的意见下，应考虑此类数据的可用性，以便进行 AI/ML 投资。
AI/ML 工具开发人员应考虑对工具设计有影响的 SDA 流程和限制，包括算法的选择、性能指标和基准要求。
美国国防部在开发和部署可操作的 AI/ML 工具时，应继续考虑不确定性量化方法的价值。应培训 SDA 操作员使用这些方法提供的不确定性量化。
美国太空军 （USSF） 于 2019 年 12 月 20 日在 2020 财年《国防授权法》中依法成立，是美国最新、规模最小的军种。由于规模小，USSF 可能比其他军种更难填补其将军军衔，因为其他军种拥有更多的合格成员可供挑选。认识到这一潜在困难，USSF 要求 RAND Project AIR FORCE 考虑鉴于 USSF 将军团的规模相对较小，如何提高将军晋升的有效性。
研究小组从多个政府机构和私营部门组织的高管选拔过程、其他军种的可比模型、对主题专家的访谈以及模拟分析中汲取了见解，以定义 USSF 在维持其将军团方面面临的主要挑战，并开发克服这些挑战的选项。
USSF 将军管理问题
USSF 的将军团由准将（O-7 薪级）、少将 （O-8）、中将 （O-9） 和将军 （O-10） 组成。美国法典第 10 篇第 526 节授权 21 名美国空军将军，并将美国空军对联合职位的贡献下限设定为 6 人——比其他武装部队贡献的高级军官人数少得多。USSF 还管理五个军官职业领域：空间运营官 （13S）、情报官 （14N）、网络空间效果运营 （17S）、开发工程 （62E） 和采购经理 （63A）。鉴于没有哪个军事组织以与 USSF 相同的规模管理将军，因此该军种在管理这群人员方面面临独特的挑战也就不足为奇了。
美国法典第 36 章第 10 篇概述了现役组成部分的晋升程序，并将遴选 O-2 至 O-8 级晋升官员的责任交给遴选委员会，并规定了谁可以参加这些委员会的要求。研究小组确定了 USSF 在执行法规规定的晋升流程时面临的三个挑战。
第一个挑战是拥有足够多的可行候选者，以便进行一定程度的选择性。在大型服务中，职业领域的结构使得每个更高级别都有许多候选人晋升。随着年级变得更高级，需要填补的职位越来越少，候选人也越来越少，但下一个较低年级的候选人仍然足够数量。因此，该结构的形状很像金字塔——低级有大量的职位和人员，而高职级则逐渐变小。
如图所示，USSF 将军的职位金字塔形状更呈矩形。21 个将军职位排列在黑色矩形中，6 个联合职位排列在紫色中。从一个等级到下一个最高等级，遴选委员会可以选择填补单个职位或填补一系列职位以追求长期遴选计划的候选人数量是有限的——产生的形状比金字塔更矩形。
涉及的资料如下：
由于原文太多，技术资料已经上传知识星球：同时还有如下好资料：
导弹技术专题还有很多好资料将陆续 上传：
近期上传上传知识星球的专题有：
【俄乌战争专题】俄罗斯进攻战役评估-3万字的原文及机器翻译-今年4月和8月的评估报告；
【空空导弹专题】探索空对空导弹的世界：综合指南-涉及13份技术资料超5万字干货；
【朝鲜导弹专题】朝鲜的导弹试验情况-涉及90份资料-超过150万字的干货；
【美国海岸警卫队专题】美国海岸警卫队组织框架-涉及18份技术文件-超30万字
【导弹技术专题】三叉戟 II D-5 （UGM-133A）系统技术介绍-含34份技术资料-超20万字
【高端战争专题】高端战争的作战理论及战术介绍-涉及30份技术文档-含69万字干货
【好书籍专题】美国国防系统的作战优势-共450页，超过5万字的干货
【伊朗导弹专题】伊朗法塔赫Fattah系列高超音速巡航导弹技术研究-含17份文档-超过3万字技术资料
【无人机作战专题】无人机集群作战技术-共计80余份技术资料（超过100万字）
【专题】未来战争的形态介绍-共700余页-共15万字以上的技术资料
【专题】美国空军指令、海军条令、联合作战条令、条例文档简介【资料超过5000页】共计74份文件
【专题】精确打击-未来的精确制导弹药-含15份技术资料-超10万字
【兵棋推演专题】兵棋推演手册【51份兵棋推演的好资料，搜罗全网好资料】-超80万字
【专题报告】米切尔航空航天研究所 专题技术报告-含10份-超20万字报告
【核武专题】加速走向不稳定？高超音速武器和核使用的风险-涉及核武系统技术报告53份-超100万字干货
【多域作战专题】多域作战专题技术报告-多域集成：揭开神秘面纱-含101份技术报告-超200万字技术报告
【马赛克战争专题】马赛克战争技术研究报告-含42分技术报告-超100万字技术干货
【电子战专题】电子战技术专题报告-含42份技术报告-超130万字干货
【认知战专题】认知战系列技术介绍-含40份资料-超80万字干货
【顶级大学-约翰霍布金斯大学导弹文章】彻底改变打击和空战的艺术 -绝好资料推荐含17份技术报告-50万字干货
【资料合集】最新美国海军技术报告-53份技术报告-超100万字
【高超音速导弹专题】高超音速导弹武器技术专题技术报告-包括138份关于高超音速导弹武器系统最近几年最新的技术报告，包括机器翻译的技术资料-超过500万字绝对干货
相关资料文档资料已经上传知识星球：
该星球用于分享技术、情报和军事类的技术知识，目前该知识星球已有5000份文档了和各类技术分享，后续每天都会有不同的技术资料分享，如果有需要的可以扫知识星球的码加入，内容很丰富，包含雷达技术文档、智能仿真代码，包括无人机蜂群代码等，及其他雷达技术仿真代码、武器系统技术、技术情报、武器分系统技术等知识.
