二十多年來，FOI 的俄羅斯和歐亞研究項目一直試圖從十年的角度來評估俄羅斯的軍事能力。盡管自 1991 年蘇聯解體以來，俄羅斯的信息格局經歷了數次轉型，但評估一個國家的軍事能力始終面臨著信息來源和方法論方面的固有挑戰。2022 年，俄羅斯入侵烏克蘭，掀起了俄羅斯聯邦歷史上前所未有的審查和鎮壓措施浪潮。這種情況以及戰爭使研究對象成為移動目標的事實，從根本上影響了研究領域。

在前五個獨立章節中，概述了研究俄烏戰爭給俄羅斯軍事能力帶來的機遇和挑戰。這樣做是為了建立一個新的基礎，為研究俄羅斯戰時和未來的軍事能力提供必要的前提條件。在第六章也是最后一章，總結并分析了本卷的主要觀點。總結道，了解俄羅斯政治、金融、社會、文化和軍事軌跡的先決條件仍然至關重要。

與戰爭開始前相比，俄羅斯軍事能力研究的未來之路需要更多的資源。資料的獲取和匯編都變得更加費力。此外，由于戰爭決定了俄羅斯的政策選擇，資料來源的壽命往往更加有限。有必要深入研究未經驗證的方法，開展跨學科研究，并深化和擴大對研究領域真正感興趣的研究人員之間的國際合作。

提綱

在第一章中，以 2019 年報告《十年視角下的俄羅斯軍事能力》中的分析為背景，對俄羅斯軍事能力分析的潛在發展進行了思考。他們指出，戰爭不僅提供了大量新的、令人痛心的原始材料，也為估算俄羅斯未來幾年的軍事能力帶來了許多潛在挑戰。

在第二章中，討論了對俄羅斯安全和國內政策研究產生的影響。除了獲取信息來源受限造成的困難外，還指出，當前形勢要求在研究俄羅斯時更加嚴謹，而不是簡單猜測。

在第三章中，詳細闡述了與軍費開支有關的方法論和來源批評問題。介紹了在估算俄羅斯軍費開支時仍需避免的一些陷阱，并進而提出，了解經濟軍事化程度的提高可能會為俄羅斯經濟和社會未來面臨的挑戰提供重要線索。

在第四章中，重點分析了國防采購和俄羅斯國防工業綜合體所面臨的挑戰和機遇。強調探索已知的未知因素可能會在一定程度上彌補已發現的差距，并為未來的俄羅斯國防工業研究提出了一些創新方法。

在第五章中，討論了從俄羅斯鄰國進行分析的前景。強調需要將這些國家的安全政策目標和國內政治作為單獨的主體而不僅僅是俄羅斯政策的客體來研究，同時她還指出了莫斯科未來在這一地區的發展軌跡將如何產生決定性的影響。

過去幾年來，美國國防部（DoD）大力開發和部署高超音速技術，以支持各種國家安全任務。高超音速武器機動性強，在地球大氣層內的飛行速度至少是音速的五倍，即 5 馬赫，可在短時間內產生遠程致命效果。盡管最近做出了這些努力，但美國國防部在大規模部署高超音速系統的承諾上經常搖擺不定。在某些年份，高超音速系統是一個明確的優先事項，而在其他時候，這一承諾卻模棱兩可。因此，目前的供應鏈，包括制造基地、關鍵材料供應、測試基礎設施和勞動力，都無法支持國防部雄心勃勃的計劃。要糾正高超音速供應鏈的關鍵漏洞，政府、工業界和學術界必須采取整體協調的方法。這種整合將促進高超音速系統的成本效益和可靠生產。如果現在就采取行動，國防部的高超音速愿望指日可待。為確保未來高超聲速供應鏈的安全，美國防部可以采取的最重要的措施就是向工業界發出一致的需求信號。

為了應對不斷變化的威脅，美國防部必須快速開發和交付基于軟件的武器和 IT 系統。2023 年 4 月，美國政府問責局發布了一份報告，審查了國防部在多大程度上落實了國防科學委員會和防御創新委員會提出的軟件現代化建議，并為未來的軟件現代化改革做好了準備。在很大程度上，這些建議--以及國防部計劃中和正在進行的努力--側重于通過調整國防部的傳統流程，如簡化采購流程、采用數字化轉型、試行新的籌資方法和提供及時培訓，為作戰人員提供基于軟件的創新能力。本報告將借鑒美國政府問責局近期的工作，重點介紹國防部迄今為止為實現軟件開發和采購方式現代化所做的努力，并將對國防部計劃中的軟件現代化努力以及美國政府問責局為提高國防部實施這些努力的能力而提出的建議發表看法。

敏捷軟件開發

現代軟件交付方法廣泛依賴于敏捷開發。敏捷開發是一種靈活、迭代的軟件開發方式，與傳統的國防部軟件開發流程（即瀑布式方法）相比，它能更早地向用戶交付工作能力。在大多數情況下，采用敏捷方法涉及新的行為和不同的思維方式，是組織運作方式的重大轉變。例如，敏捷實踐要求將規劃、設計、開發和測試整合到一個迭代生命周期中，以盡早和頻繁地交付軟件，從每隔幾天到每隔 60 到 90 天不等。頻繁迭代的目的是有效衡量交付全套功能的進度，降低技術和計劃風險，并對利益相關者和用戶的反饋做出響應。

相比之下，在美國防部傳統使用的瀑布式方法下，需求是在開發之前確定的，軟件通常在開發周期結束時作為一個單一的完整程序交付。軟件開發過程中沒有用戶的持續參與或反饋，程序可能無法在不增加成本和延誤進度的情況下修改需求。這種軟件開發方法與國防部硬件系統的開發如出一轍。圖 1 比較了敏捷和瀑布式軟件開發方法。

圖 1. 敏捷和瀑布式軟件開發框架的比較

有許多框架可供敏捷項目使用，如開發、安全和運營（DevSecOps），這是一種迭代軟件開發方法，它將開發、安全和運營作為向軟件用戶提供有用能力的關鍵要素結合在一起。這些框架提供了指導項目的基本結構。敏捷作為一個概念，并不是規范性的，而是各種迭代軟件方法的總稱。每個框架都是獨一無二的，可能有自己的流程和工件（描述計劃或已完成內容的文檔、數據或其他信息）術語。根據美國政府問責局（GAO）的《敏捷評估指南》，在聯邦環境中實施敏捷時，政府人員和承包商人員應共同確定特定項目使用的敏捷術語和流程。這些框架并不相互排斥，可以結合使用。

美國防部的軟件工廠生態系統

美國防部的軟件工廠生態系統是一系列工具和流程的集合，為整個 DevSecOps 生命周期的各項活動提供支持。軟件工廠使用基于云的計算來組裝一套軟件工具，使開發人員、用戶和管理人員能夠按日常節奏協同工作。如圖 2 所示，這些工具和流程通過三個關鍵階段支持持續迭代開發：規劃、開發和運營，并在每個階段強調安全性。

• 規劃。這一階段涉及幫助項目管理時間、成本、質量、風險和其他問題的活動，如系統設計、項目計劃創建、風險分析和業務需求收集。

• 開發。這一階段包含多個工作流，配備工具和工作流程，在盡量減少人工干預的情況下實現活動自動化，以生產軟件應用程序。

• 運行。在這一階段，軟件被部署到最終用戶。除其他外，在此期間還要進行操作和安全監控。

2018 年 2 月，DSB 指出，軟件工廠是迭代開發實踐的重要組成部分，因為它們允許程序不斷發現錯誤并獲得用戶反饋。

圖 2. 美國防部軟件工廠生態系統

美國國防部的適應性采購框架和軟件采購途徑

2020 年 1 月，國防部重新發布并更新了其采購政策，強調采購流程的速度和靈活性。更新后的指令建立了自適應采購框架，由六種采購途徑組成，每種途徑都是根據所采購能力的特點和風險狀況量身定制的。這六種采購途徑的目的之一是及時向最終用戶提供解決方案（見圖 3）。

圖 3. 美國防部的適應性采購框架

其中一條途徑，即軟件采購途徑，旨在提供高效和有效的安全軟件采購、開發、集成和及時交付。2020 財年國家國防授權法案》第 800 條規定，國防部必須制定這一途徑。該途徑為軟件采購和開發投資決策建立了一個框架，以解決能力、經濟承受能力、風險承受能力和其他考慮因素之間的權衡問題。它分為兩個階段：規劃和執行（見圖 4）。

圖 4. 美國防部的軟件采購途徑

利用這種途徑，小型跨職能團隊--用戶、測試人員、軟件開發人員和網絡安全專家--有望能夠快速迭代地交付軟件，以滿足用戶需求。國防部的政策鼓勵項目官員經常與用戶接觸，并至少每年一次向行動提供新功能。該指令落實了我們在 2019 年提出的建議，即國防部應確保其軟件開發指南在用戶參與和反饋的時間、頻率和記錄方面提供具體、必要的指導。此外，我們還在 2022 年 3 月報告稱，該指南總體上反映了領先公司所采用的主要產品開發原則。

雖然軟件采購途徑提供了許多潛在的方法來提高國防部從現代軟件開發方法中獲益的能力，但我們最近的工作也表明，國防部仍在確定如何對該途徑進行監督。例如，我們在 2021 年 6 月報告稱，國防部尚未收集數據和開發工具，以監督使用該途徑的項目。

2021 年 9 月，美國防部表示已制定了軟件采購途徑數據收集戰略，并與各部門總部和相關項目辦公室共享。此外，國防部還表示，它計劃準備一個半年度報告模板，并收集早期途徑項目的試用報告，以獲得見解、落實建議并改進模板。

參與軟件現代化工作的實體

負責采購和維護的國防部副部長（USD(A&S)）、負責研究和工程的國防部副部長（USD(R&E)）以及國防部首席信息官（CIO）負責領導軟件現代化活動的協調工作，特別是通過軟件現代化高級指導小組（SSG）進行協調。除其他外，軟件現代化高級指導小組旨在促進整個部門采用現代軟件開發實踐，并消除采用的障礙。

OSD 內部的許多其他部門（包括成本評估與項目評估部門 (CAPE)、作戰測試與評估部門 (DOT&E) 主任）以及聯合參謀部和軍事部門也負責執行或監督軟件現代化的某些方面。軟件現代化 SSG 中也有這些組織的代表。

這些部門與軟件現代化相關的部分職責包括

• 美國國防部（A&S）制定軟件采購和維護政策，如國防部軟件采購途徑指令。

• 國防部研發與教育司（USD(R&E)）就國防研究、工程和技術開發的各個方面制定政策并提供建議，如通過研發和科技舉措，推動軟件開發能力向記錄在案的采購項目快速過渡，并使之成為可能。

• 國防部首席信息官就國防部信息技術、信息系統和網絡安全的運作制定戰略和政策，如共同領導制定國防部軟件現代化戰略。

• DOT&E 制定國防部測試政策，包括國防部指令 5000.89《測試與評估》，該指令概述了軟件采購途徑項目的測試指南。

• CAPE 制定成本估算和分析政策，包括國防部指令 5000.73《成本分析指南和程序》，該指令概述了軟件購置途徑項目的成本估算指南。

• 聯合參謀部制定需求驗證補充指南，并針對聯合需求審查軟件程序。

• 軍事部門執行國防部軟件采購政策，并通過決策機構監督軟件采購途徑項目。此外，軍事部門還制定補充軟件政策并管理其軟件員工隊伍。

“美國陸軍2030”概念的出現結合了新的概念、編隊和技術，需要在各級戰爭中進行大量實驗。陸軍作為美國資源的保管者，必須向高級領導人提供關鍵信息，以便就陸軍應該如何改變做出決定。在一個技術提高了陸軍、聯合部隊、盟友和潛在對手的能力的世界里，這些變化是必要的。下面的文章旨在幫助指揮官和參謀部了解陸軍如何設計和執行實驗。

為什么美國陸軍實驗對作戰部隊很重要？

美國陸軍進行實驗是為了確保領導人能夠運用有限的資源來達到2030年的陸軍，甚至進一步達到2040年的陸軍。在人員、戰備和現代化的優先事項中，陸軍領導層對概念、編隊和技術的可能性和可行性有必要的理解和認識是至關重要的。這三者的結合必須實現一支能夠提供超強的潛在對手能力的部隊。對于一支必須始終關注戰備狀態的作戰部隊來說，實驗提供了一個驗證哪些能力可以提高戰備狀態的場所。其中一個關鍵部分是讓今天的作戰部隊的士兵和組織對這些潛在的變化提供反饋。這為參與的作戰部隊提供了影響陸軍未來的能力，同時提供了一個額外的訓練場所。

什么是陸軍實驗？

國防部實驗指導手冊將實驗描述為 "在測量的條件下測試一個假設，以探索操縱擬議的作戰概念、技術或條件的未知效果。" 在陸軍作戰實驗中，士兵們在野外環境中參與新技術、新概念和新組織。訓練有素的數據采集員和作戰分析員觀察這些實驗。這些觀察員在定量和定性分析的基礎上提出問題和假設。觀察完成后，收集人員將他們的數據提供給陸軍高級領導人，以協助他們確定未來部隊可能采用的能力。

作戰實驗與演習的區別

陸軍進行演習和實驗的方式有許多區別和結果。首先，演習可以提高戰備狀態，有訓練目標，有主要的訓練對象，并且有 "自由發揮 "的場景。陸軍單位進行演習是為了提高戰備狀態。根據一個單位的基本任務清單，指揮官確定訓練目標。訓練目標驅動著場景、參與單位和其他實現戰備目標的必要因素。在演習中，參與單位是主要的訓練對象。這方面的一個例子是在聯合戰備訓練中心（JRTC）的演習中，主要的訓練對象是旅戰斗隊的指揮官。在演習中，有大量的自由發揮。例如，對方部隊（OPFOR）可能被指示做一些特定的事情，以便讓各單位做出選擇和回應。

陸軍經驗教訓實踐社區為大多數重大演習計劃收集活動。根據演習的訓練目標，這些收集活動可能包括對特定重點領域或一般經驗教訓的觀察。陸軍經驗總結團體組成了收集小組，由于OPFOR和參與單位之間的自由發揮，可能會也可能不會收集到預期的數據。演習的成功如果基于訓練對象所學到的東西。觀察、洞察力和收集到的教訓數據屬于演習中的單位。

陸軍實驗與陸軍演習明顯不同。實驗的設計是基于贊助組織需要學習什么來推動未來的決策。贊助組織就需要回答的問題提出活動問題。實驗設計者將這些問題進一步分解為基本分析要素（EEAs），以幫助陸軍了解必須收集和分析什么來充分回答事件問題。通常，實驗有學習目標，有廣泛的領域需要答案來推動進展。此外，設計者會將學習目標分解為學習需求。學習需求是由任務分析和問題分解過程中發現的任務或定向活動所確定的問題。最終的狀態是滿足學習需求和各種可以用來完成的方法，包括文獻回顧、研究、運籌學技術和實驗。最后，設計者制定性能和有效性的衡量標準，以提供有意義的結果來告知領導者。實驗設計者利用這些步驟的結果來制定方案、所需組織、設備要求和其他項目。

在實驗中，陸軍通過收集的數據和由此產生的分析為未來的決策提供依據來定義成功。實驗資源的關鍵是確保數據收集和分析要素（如電子系統、人員、數據庫、數據收集卡等），這是獲得數據以進行后期分析的必要條件。自由發揮，或參與者做出選擇的能力，在實驗中是有限的，以使必要的聯系發生和被測量。例如，將特定的傳感器與特定的網絡和應用聯系起來，然后再與特定的射手聯系起來。實驗設計者這樣做是為了實驗各種元素一起工作如何提高反應能力。

在實驗中，收集者/分析者根據收集者的觀察分析得出教訓，以回答學習需求。在可能的情況下，這些問題在性能或有效性方面進行衡量，以提供可衡量的數據。這可能是基于技術能力的定量數據或基于操作有效性的定性數據。這些數據通常支持概念、物資和組織的發展。實驗負責人在不同的地方公布實驗結果。為了整合實驗數據，未來和概念中心正在開發Forge。Forge是一個 "結構模塊化的日期環境，促進了現代化進程的同步和整合，使陸軍現代化企業協作和共同運作的進展圖"。用戶可以訪問Forge來查找最終的實驗報告。Forge提供了一種能力，可以看到計劃的實驗，以及他們的學習需求和結果。經驗教訓社區可以使用Forge來了解分析家們提出的問題。根據經驗教訓社區在操作和訓練中看到的情況，社區可能能夠完善和/或幫助回答一些學習需求。

以“融合項目”為例

融合項目21（PC21）是上述內容的一個很好的例子。AFC根據需要學習的內容設計了PC21。陸軍的跨職能團隊（CFTs）和能力發展整合局（CDIDs）以及其他機構根據他們需要回答的問題提交了學習需求，以便為高級領導人的決策提供信息。在PC21中，有兩個關鍵領域的實驗需要解決。第一個是單個技術的性能。第二個問題是基于這些技術結合后如何提高作戰部隊的能力。為了解決這些問題，未來與概念中心和聯合現代化司令部（JMC）開發了用例作為實驗場所。設計者使用特定的領域，如傳感器到射手或綜合空中和導彈防御來開發用例。JMC制定了執行檢查清單（EXCHECKs），逐步描述了預期發生的情況。EXCHECK是收集數據的關鍵部分，以收集每個行動，為以后的分析提供基礎。PC21進行了多次迭代，以觀察和測量變化。觀察收集器進行了根本原因分析，以確定哪些因素促成了實驗中發生的事件。然后，對這些單獨技術的分析與對它們與其他技術的使用分析相結合，以發現它們如何能夠提高部隊的有效性。

了解需要學習的內容并集中收集努力是PC21成功的關鍵。由研究與分析中心（TRAC）、美國陸軍測試與評估司令部（ATEC）、陸軍作戰能力發展司令部（DEVCOM）分析中心（DAC）以及CFTs和CDIDs組成的PC21數據收集與分析（DC&A）團體將學習需求細化為分析的基本要素。DC&A進一步將分析的基本要素分解為性能和效果的衡量標準。這提供了必要的基線數據要求，以顯示收集者在實驗中必須追求的目標。DC&A研究了如何收集這些數據要求。對于定量數據，電子能力可以收集一些數據。在不可能的情況下，數據收集者收集具體的時間或其他數字元素，供以后分析。數據收集員和分析員收集額外的定性數據，如士兵和領導對技術效用的想法，或通過調查、熱洗和其他投入使用的潛在技術。數據收集員和分析員將收集到的原始數據輸入陸軍實驗資源數據庫（AERDR）。AERDR為所有陸軍實驗數據提供了一個數據庫。然后，代表PC21數據收集和分析界各要素的分析人員能夠使用這些數據，得出他們輸入實驗報告的結論。在未來，實驗發起人將在Forge發布這些類型的報告，供陸軍和聯合伙伴使用。高級領導人可以使用分析的結果來決定各種技術的發展方向。未來的 "聚合項目 "實驗將進一步納入概念和編隊。

結論

陸軍實驗對于向未來部隊提供能力超配至關重要。像 "融合項目 "這樣的實驗提供了一個場所，作戰部隊可以對未來能力提供反饋。這種反饋對于為高級領導人做出資源決策提供信息至關重要。作戰部隊指揮官對實驗的設計和收集的理解有助于他們更好地理解他們在這個過程中的關鍵作用。

下一場戰爭將在一個高科技戰場上進行。但哪些技術將產生真正的影響？美國將在哪里找到技術優勢？這份CSIS報告確定了在與近似對手的戰斗中可能產生差異的七種技術。其中三項是 "沖刺"技術，美國應以大量的資源和集中的承諾積極追求進步：量子傳感和計算、生物技術和安全、冗余的通信網絡。四個是 "后續 "技術，美國應該支持和引導私營部門正在進行的努力：高性能電池、人工智能/機器學習、天基傳感器和機器人技術。

在這些技術中，任何一項失敗的后果都是巨大的——它們可能導致勝利和失敗的區別。本報告旨在將工作重點放在情報工作、混合戰爭、競爭和沖突等重要領域，以便為今天的競爭和未來的潛在沖突做好準備。

1 安全和冗余的通信

明天的戰斗將在很大程度上取決于通信。部隊的聯合，與盟友的行動，甚至分散的部隊之間的戰術協調，都取決于安全和隨時隨地的通信。遠距離交戰將使通信變得更加關鍵，從提供來襲火力的警告到與遠處的人員協調。高端傳感器套件和實時目標數據只有在用于將信息從傳感器傳輸到射手的通信網絡中才會有效。

2 量子技術

量子技術將徹底改變計算能力、加密和傳感技術。目前的加密技術構建得非常復雜，以至于現代計算機需要數千年的時間才能強行破解。量子計算機將能夠在幾分鐘內破解非對稱加密。同時，量子傳感器利用微小粒子的敏感性來測量環境中的微妙變化，包括旋轉、任何頻率的電磁信號和溫度。量子傳感器可以使一個導航系統即使在被GPS拒絕的環境中也能運行。

3 生物工程

在軌能力的巨大進步將在空間領域創造一個明確的優勢，包括在軌加油、在軌數據處理和彈性空間架構。安裝在小型衛星集群上的高光譜和日益敏感的傳感器，以及配備了傾斜和提示AI/ML算法的機載處理器，可以選擇最可能重要的數據，并迅速下傳到地面網。

4 天基技術

在軌能力的巨大進步將在空間領域創造一個明確的優勢，包括在軌加油、在軌數據處理和彈性空間結構。安裝在小型衛星集群上的高光譜和日益敏感的傳感器，以及配備了傾斜和提示AI/ML算法的機載處理器，可以選擇最可能重要的數據，并迅速下傳到地面網狀結構。

5 高性能電池

現代軍隊對燃料和電力有巨大的需求，從車輛到通信設備到運行背包式無人機和其他戰術監控的筆記本電腦。電力對情報工作也很關鍵--小型化的電池可以為隱藏在不尋常物品中的通信或收集裝置提供燃料。此外，向具有較長停留時間的無人駕駛系統的推進將需要持久的電池系統。

6 AI/ML

通過在國防部行動中的適當整合，人工智能/ML系統將加速--并使美國國家安全界的大多數核心功能復雜化。處理龐大的數據集和透過噪音關注信號的能力將幫助情報人員更有效地提供指示和警告，幫助政策制定者了解復雜的趨勢，并幫助作戰人員管理多層次的戰場，包括自主車輛和全域的戰爭。

7 機器人技術

機器人的進步，結合自主或半自主的能力，將有可能在戰場內外的危險情況下將人的生命風險降到最低，并執行對人來說不可能或危險的任務。

美國仍然是世界上最突出的軍事和技術力量。在過去十年中，美國認識到人工智能作為力量倍增器的潛力，越來越多地將人工智能（AI）的熟練程度視為美國重要利益和保證美國軍事和經濟實力的機制。特別是，在過去十年中，人工智能已成為美國國防的一項關鍵能力，特別是考慮到2022年美國國防戰略對印度-太平洋地區的關注。

因此，美國國防部（DoD）（以及美國政府和國防機構總體上）對人工智能和相關新興技術表現出越來越大的熱情。然而，雖然美國目前在學術界和私營部門的人工智能研究和開發方面取得了巨大進展，但國防部尚未在廣泛范圍內成功地將商業人工智能的發展轉化為真正的軍事能力。

美國政府在利用國防人工智能和人工智能支持的系統方面通常處于有利地位。然而，在過去的幾年里，各種官僚主義、組織和程序上的障礙減緩了國防部在國防人工智能采用和基于技術的創新方面的進展。最關鍵的是，國防部遭受了復雜的收購過程和廣泛的數據、STEM和AI人才和培訓的短缺。從事人工智能和人工智能相關技術和項目的組織往往是孤立的，而且還存在必要的數據和其他資源相互分離。在美國防部內部存在一種傾向于可靠方法和系統的文化，有時趨向于勒德主義。所有這些因素都導致了人工智能采用的速度出奇的緩慢。美國家安全委員會2021年提交給國會的最終報告總結說，"盡管有令人興奮的實驗和一些小型的人工智能項目，但美國政府離人工智能就緒還有很長的路要走"。

因此，盡管人工智能有可能增強美國的國家安全并成為一個優勢領域，而且鑒于美國在軍事、創新和技術領導方面的長期傳統，人工智能有可能成為一個薄弱點，擴大 "美國已經進入的脆弱窗口"。 如果美國不加快創新步伐，達到負責任的速度，并奠定必要的制度基礎，以支持一支精通人工智能的軍隊，人工智能將繼續成為一個不安全點。

去年，美國防部在這些挑戰中的一些方面取得了進展，調整了國防人工智能的方法。2022年6月，美國防部發布了《負責任人工智能戰略和實施途徑》，將更有數據依據的、負責任的、可操作的人工智能工作列為優先事項，此后開始執行。最重要的是，美國防部已經啟動了對其人工智能組織結構的重大改革，創建了一個新的首席數字和人工智能辦公室（CDAO），以整合其不同的人工智能項目和利益相關者，并使其與該部門的數據流更好地協調。值得注意的是，美國國防部目前正在對其國防人工智能的整體方法進行重大變革和振興。然而，這些新的人工智能努力是否足以讓美國彌補失去的時間，還有待觀察。

自主系統將塑造戰爭的未來。因此，土耳其的國防人工智能（AI）發展主要側重于提高自主系統、傳感器和決策支持系統的能力。提高自主系統的情報收集和作戰能力，以及實現蜂群作戰，是發展國防人工智能的優先事項。雖然土耳其加強了自主系統的能力，但在可預見的未來，人類仍將是決策的關鍵。

人類參與決策過程提出了一個重要問題：如何有效確保人機互動？目前，自主系統的快速發展和部署使人機互動的問題更加惡化。正如土耳其國防工業代表所爭論的那樣，讓機器相互交談比較容易，但將人類加入其中卻非常困難，因為現有的結構并不適合有效的人機互動。此外，人們認為，人工智能對決策系統的增強將有助于人類做出更快的決定，并緩解人機互動。

土耳其發展人工智能的意圖和計劃可以從官方戰略文件以及研發焦點小組報告中找到。突出的文件包括以下內容：

• 第11個發展計劃，其中規定了土耳其的經濟發展目標和關鍵技術投資。

• 《2021-2025年國家人工智能戰略》，它為土耳其的人工智能發展制定了框架。

• 焦點技術網絡（Odak Teknoloji A??，OTA?）報告，為特定的國防技術制定了技術路線圖。這些文件提供了關于土耳其如何對待人工智能、國防人工智能和相關技術的見解。

土耳其特別關注人工智能相關技術，如機器學習、計算機視覺和自然語言處理，其應用重點是自主車輛和機器人技術。自2011年以來，自主系統，主要是無人駕駛飛行器（UAV），仍然是土耳其人工智能發展的重點。此后，這已擴大到包括所有類型的無機組人員的車輛。同時，用人工智能來增強這些車輛的能力也越來越受到重視。人工智能和相關技術的交織發展構成了土耳其人工智能生態系統的核心。

土耳其的人工智能生態系統剛剛起步，但正在成長。截至2022年10月，有254家人工智能初創企業被列入土耳其人工智能倡議（TRAI）數據庫。土耳其旨在通過各種生態系統倡議在其國防和民用產業、學術機構和政府之間創造協同效應。由于許多組織都參與其中，這些倡議導致了重復和冗余。冗余也來自于人工智能技術本身的性質。由于人工智能是一種通用技術，可以應用于不同的環境，各種公司都有用于民用和國防部門的產品；因此相同的公司參與了不同的生態系統倡議。此外，民用公司與國防公司合作，在國防人工智能研究中合作，并提供產品，這是司空見慣的。

土耳其鼓勵國際人工智能在民用領域的合作，但不鼓勵在國防領域的合作。然而，由于技能是可轉移的，國防人工智能間接地從這種合作中受益。

土耳其非常關注自主系統發展中的互操作性問題，特別是那些具有群集能力的系統。除了蜂群，北約盟國的互操作性也是一個重要問題。因此，土耳其認為北約標準在發展自主系統和基礎技術方面至關重要。

土耳其目前對人工智能采取了分布式的組織方式。每個政府機構都設立了自己的人工智能組織，職責重疊。目前，盡管國防工業局（Savunma Sanayi Ba?kanl???，SSB）還沒有建立專門的人工智能組織，但SSB的研發部管理一些人工智能項目，而SSB的無人駕駛和智能系統部管理平臺級項目。目前，根據現有信息，還不清楚這些組織結構如何實現國防創新或組織改革。

土耳其尋求增加其在人工智能方面的研發支出，旨在增加就業和發展生態系統。SSB將在未來授予更多基于人工智能的項目，并愿意購買更多的自主系統，鼓勵研發支出的上升趨勢。然而，盡管土耳其希望增加支出，但金融危機可能會阻礙目前的努力。

培訓和管理一支熟練的勞動力對于建立土耳其正在尋找的本土人工智能開發能力至關重要。這包括兩個部分。首先是培養能夠開發和生產國防人工智能的人力資源。因此，土耳其正在投資于新的大學課程、研究人員培訓、開源平臺和就業，同時支持技術競賽。第二是培訓將使用國防人工智能的軍事人員。國防人工智能也正在慢慢成為土耳其武裝部隊（Türk Silahl? Kuvvetleri，TSK）培訓活動的一部分。目前，關于土耳其打算如何培訓軍事人員使用國防人工智能的公開信息非常少。

像俄羅斯等這樣的近鄰對手明白，他們無法與美國（US）競爭并贏得傳統沖突。為了使俄羅斯等能夠戰勝美國，他們通過技術進步開發了新的手段和能力，以便在戰場上取得勝利。正在開發的主要能力之一是低當量戰場核武器（LYBNWs），以便在未來的沖突中贏得對美國的勝利。美國的近鄰對手可能對美國的機動部隊發射LYBNW，以將其從戰場上消滅，不至于將沖突提升到全面核戰爭的門檻。

引言

自任何戰爭開始以來，人類就利用武器技術的進步來增加沖突中的勝利機會。新武器系統的演變在整個歷史上的爭端中是至關重要的。能夠在現有系統或平臺上實施新技術的領導人或國家將獲得勝利。歷史上的一個典型例子是步槍和大炮在戰場上的實施發展。在1805年和1806年，拿破侖利用這兩項技術進步與騎兵相結合，贏得了關鍵的勝利，奧斯特利茨戰役就是一個例子。世界各國都把步槍和大炮與演習的混合作為戰爭的突破口。在隨后的幾年里，歐洲和世界各國都在全力以赴地按照拿破侖在耶拿戰役和其他沖突之前的方式來建設和訓練自己的軍事力量。隨著時間的推移，武器技術的演變繼續增加。下一個改變未來戰爭執行方式的武器系統是空中力量。

第一架飛機于1902年飛行，其微小的進步將空中力量限制在偵察能力上，并限制了第一次世界大戰（WWI）的空中戰斗。當時的領導人設想，飛機是未來通過空中力量對抗沖突的手段。空中力量的進步在1945年第二次世界大戰（WWII）期間取得了成果。空中力量，加上陸軍，使美國對德國具有戰略優勢。美國了解空中力量給戰場帶來的能力，即沿著敵人的交通線和主要戰線攻擊敵人的目標。空中力量使地面部隊能夠在戰場上與敵人全面交戰，以消耗德國軍隊并贏得戰爭。空中力量對二戰勝利作出貢獻的另一個例子是在對日本的太平洋戰役中。空中力量能夠在跳島任務中轟炸敵方目標，并攻擊日本本土。最終，空軍投下了原子彈，迫使日本在二戰中投降。

歷史為那些利用技術進步在戰爭中取得勝利或阻止沖突的國家提供了一個準確的畫面。前國防部長馬克-埃斯珀理解技術進步的重要性，他說："歷史告訴我們，那些率先利用一代人的技術的人往往在未來幾年里在戰場上具有決定性的優勢。" 下一個改變戰爭方式的技術將是什么？諸如俄羅斯等這樣的對手認為擊敗美國的下一個技術進步是低當量戰場核武器（LYBNWs）。俄羅斯等設想的情景是，美國的地面部隊在戰場上機動，但防空保護有限，地形將他們引入一個巨大的殺傷箱。然后，俄羅斯等將使用混合了戰術彈道導彈（TBM）的LYBNWs來攻擊美國地面部隊和關鍵地區，如濕隙交叉點、支持區和后勤線。

美國軍方的領導人已經關注了從遠程火力、戰術核、高超音速導彈、無人機群和空間能力等廣泛的技術進步。隨著如此多的新技術擠入戰斗空間，一種能力引起了軍事和民用部門的興趣，那就是人工智能（AI）。在陸軍中，人工智能是一個未被開發的武器系統，可以成為戰爭中的下一個技術進步。人工智能將使美國陸軍在戰場上擁有手段和優勢，就像大炮和空軍一樣。此外，人工智能將協助美國陸軍在大規模戰斗中檢測、分類和使LYBNW失效。

問題陳述

美國的近鄰顧問正在不斷地嘗試開發下一個武器系統，以使他們在戰場上獲得優勢，從而在戰爭中獲勝。俄羅斯正在開發高超音速武器；與此同時，中國利用遠程精確射擊來與敵人保持距離。然而，這兩種威脅都以LYBNW為中心努力在未來的沖突中摧毀美國的機動部隊。 目前，美國的防空平臺缺乏技術和能力來對抗大規模沖突中混有TBM的LYBNW的新威脅。

研究目的

本專著旨在提供將人工智能整合到陸軍防空系統中以擊敗LYBNWs的方案。首先，本專著將通過歷史的視角來說明發展技術進步并將其整合到現有系統中對在戰場上或戰爭中取得勝利是多么重要。用于研究的主要武器系統是大炮、空氣動力和核武器。通過歷史分析，讀者可以預見，美國必須繼續發展技術進步，特別是在人工智能方面，以便對未來的沖突產生積極影響。其次，該專著重點介紹了美國陸軍目前和未來的防空平臺，以備戰事。這部分調查讓讀者了解系統的能力和局限性，以了解防空作戰環境和導致需要綜合人工智能的不足之處。第三，該專著重點介紹了目前民用和軍用部門的算法和平臺的人工智能能力。這些算法提供了對機器學習能力的洞察力，以便在人工智能平臺上與當前的系統結合起來提出建議。最后，該論文集中討論了整合的建議和對自主人工智能系統的需求，以擊敗LYBNWs。

研究意義

這項研究對美國陸軍來說很重要，因為近似的建議開發了新的和增強的導彈平臺以贏得未來的沖突，特別是LYBNWs。這些武器系統的出現正在慢慢超過美國陸軍目前的防空系統。這項研究提供了一個行動方案，通過將人工智能與目前的平臺結合起來，提供增強的防空覆蓋，從而重新獲得優勢。同時，為自主武器系統的建立留出時間。在綜合防空導彈防御系統（IAMD）中利用人工智能能力可提供早期預警、交戰速度、瞄準威脅的距離，更重要的是，可提供威懾。防空系統一旦部署到一個行動區，就會對世界大國產生威懾力。人工智能的增強提高了美國威懾或擊敗侵略的能力，并保留了陸地部隊。

摘要

二十一世紀的美國空軍一直保持著二十世紀的行動安全（OPSEC）文化，這種文化嚴重偏向于與空軍官職相關的言論和活動。空軍OPSEC政策和文化沒有充分解決以無處不在的數據收集為特征的互聯世界。這一差距造成了一個關鍵的弱點，有可能削弱空軍在未來沖突中的競爭優勢。

本文首先討論了美空軍OPSEC文化及其對21世紀信息環境的失敗之處。然后，本文通過商業企業如何利用數據定位消費者的角度分析了普遍的數據收集的信息環境。利用這一結構，本文研究了對手如何利用類似的方法，通過美國空軍駐軍或戰場上的人員，在沖突前或沖突中對美國空軍進行基于人群的大規模監視和偵察。

作者提出了潛在的保障措施和緩解策略，強調了解決與空軍人員的個人生活深深交織的脆弱性的挑戰。他還建議采用一個主觀和客觀傷害的框架來重新定位空軍的OPSEC文化。最后，他建議采取一種基于教育和培訓的緩解方法，貫穿于飛行員的整個職業生涯。因此，空軍將像重視金融知識或身體素質一樣重視數字流暢性。這樣做將培養一種圍繞無處不在的數據收集和基于人口的監控所帶來的威脅的有教育意義的意識文化。

引言

外國政府的監控通常被認為是在兩種情況下進行的。第一種是對個人的監控。第二種情況是對手通過技術手段，如衛星或信號監測，或物理手段，如報告部隊動向的人員，跟蹤部署的美國部隊的位置和活動。空軍利用行動安全（OPSEC）來對付這兩種類型的敵方監視。

OPSEC的目的是通過實現基本保密來保護軍事行動，基本保密的定義是通過拒絕向對手提供關鍵信息和指標來實現的。雖然從反間諜的角度來看，外國政府對海外臨時任務的飛行員個人的監視是令人擔憂的，但其相關風險與對手作為一個集體實體對飛行員進行持續監視的潛在危害有著本質的區別。由于數據獲取的增加和快速的技術進步，我們的對手現在有低風險的機會從遠處對我們的部隊進行監視和偵察。盡管我們對手的能力有所進步，空軍OPSEC政策和支持它的文化在21世紀基本上沒有改變。

美國政府的其他部門正在認真對待計算和數據收集所帶來的威脅，最明顯的是情報界。可以理解的是，情報機構會特別關注這種威脅，因為其人員的身份和活動是要保密的。雖然美國空軍可能為支持國家政策目標而開展秘密活動，但很少有空軍成員為了個人或職業安全需要身份保護；這導致了一種錯誤的安全感。

空軍的OPSEC政策和文化仍然根植于前社交媒體、前數字時代，當時我們的對手通常無法直接接觸到空軍人員。在二十世紀，接觸的空軍人員受到地理環境的限制；美國是一個相對的避難所，不受敵人的窺視。試圖監視一名空軍成員需要投入人員，而且風險很大，回報很少。技術的進步已經消除了地理上提供的傳統安全庇護所。互聯網及其附帶的連接設備網絡意味著在美國境內駐扎的空軍人員不再是敵人監視的對象。在21世紀，通過傳感器、社交媒體參與、智能手機和其他設備的擴散所產生的大量高度具體和個性化的數據，可以接觸到我們的部隊，而我們的對手無需承擔任何人身風險。技術的進步使我們的對手不僅能夠觀察到空軍資產（如飛機）的移動，而且還能觀察到飛行員個人和集體的移動。因此，傳統上我們的對手無法觸及并感興趣的空軍人員現在成為他們可以利用的重要信息渠道。

本文指出了空軍OPSEC文化和政策與商業計算和傳感能力的進步之間的一個關鍵差距。空軍人員每天與收集大量高度個性化數據的廣泛技術互動。雖然商業企業利用這些數據來鎖定消費者，但本文研究了對手如何利用類似的方法，利用其成員的個人在線活動對空軍進行大規模監視，而不管其地理位置如何。這一分析從空軍的OPSEC文化開始，以及這種文化在21世紀的信息環境中未能解決的問題。本文將這一環境描述為無處不在的數據收集環境，討論了美國的對手如何在沖突前和沖突中利用數據和大規模監控為自己服務，并提供了一個框架來評估數據對空軍成員的傷害方式。最后，分析報告以幾個建議作結。首先，空軍應投資于其OPSEC文化的現代化，重點是政策、教育和培訓。第二，空軍應該采取一種基于教育和培訓的緩解方法，在飛行員的整個職業生涯中，創造一種圍繞無處不在的數據收集所帶來的威脅的教育意識文化。

關鍵定義

本文中使用的幾個關鍵術語定義如下：監視是指對已知的重要事物進行監測。人群監視是指對手監測和跟蹤具有特定特征的個人群體的能力，如所有空軍成員或特定的人口群體、專業、地理位置或空軍內部的其他子集。人群監視與大規模監視的不同之處在于它能夠專注于一個特定的群體。偵察與監視不同，它使用相同的基礎數據來確定新出現的重要指標和警告，如即將發生的軍事行動。 物聯網（IoT）描述了不斷擴大的、基本上不顯眼的傳感器環境，它收集實時計算機化的感官信息，詳細說明在一個特定環境中發生的事情。大數據是大量不同數據集的綜合，其組合方式是總和大于部分。人工智能（AI）不是一種技術，而是一種系統，它 "結合了信息獲取目標、邏輯推理原則和自我修正能力"，其最終目標是實現對大量數據的分析，并利用這些數據 "分辨出一種模式來解釋當前數據并預測未來用途。"