簡介

第四次工業革命 (4IR) 擴展了信息革命（第三次工業革命），網絡、物理和生物系統之間的集成程度越來越高。預計 4IR 將影響所有行業，包括戰爭性質（Schwab，2016 年）。構成 4IR 一部分的關鍵概念包括（但不限于）：

? 數據科學和大數據分析，通常由人工智能和機器學習驅動和/或自動化；

? 云計算，提供可遠程訪問的計算資源；

? 物聯網 (IoT)，其中超連接設備可以充當傳感器和執行器，以產生大量信息和網絡物理互連；

? 增強現實，在眼鏡、地圖或圖像上疊加信息；

? 網絡安全，由于將不安全的“非傳統”設備連接到網絡而引入的安全風險。

一些 4IR 概念已以某種形式出現在軍事環境中，例如類似于平視顯示器的增強現實，而物聯網概念將網絡中心戰（或如 Wassel（2018 年）稱之為“數據戰”）演變為所謂的“戰場物聯網”（IoBT）或“軍事物聯網”（IoMT）（Castiglione、Choo、Nappi 和 Ricciardi，2017 年）。軍隊中的物聯網實施有可能在一系列領域支持多域作戰 (MDO) 的指揮和控制 (C2)（Seffers，2017 年）。因此，未來的 MDO 可以被認為包括一個超互聯的戰場，這會導致信息戰 (IW) 的攻擊面增加（Cenciotti，2017；van Niekerk、Pretorius、Ramluckan 和 Patrick，2018）。本文將在 MDO 和 IoBT 的背景下考慮 IW。

多域作戰和信息戰

軍事行動的傳統“物理”領域包括陸地、海洋、空中和太空；然而，越來越需要在電磁頻譜 (EMS)、網絡和更廣泛的信息環境中占據主導地位（Ween、Dortmans、Thakur 和 Rowe，2019 年）。 MDO 方法被描述為“聯合作戰概念，它將承載所有動能和非動能火力”，以前所未有的方式在整個戰場上提供優勢（South，2019 年）。

圖 1 顯示了多個作戰域：四個“物理”域顯示在圖的中心；這些域通常是移動的，并通過各種頻率的廣播媒體（EMS）進行通信。網絡空間成為其延伸，提供數據和信息傳輸機制，例如網絡協議。雖然當代信息領域被認為與網絡空間幾乎相同，但信息環境更廣泛，還包括印刷信息和認知信息。這些都可支持人類決策，包括作戰人員和指揮官的戰略和戰術決策過程（例如指揮和控制），但可更廣泛地擴展到社會、經濟和政治領域。

圖1:作戰域

早期形式的信息戰包括可以影響和保護物理、虛擬和認知領域的信息作戰（Brazzoli，2007；Waltz，1998）。信息戰的這些“支柱”包括電子戰 (EW)、網絡戰、心理戰 (PSYOP)、情報網絡中心戰或信息基礎設施戰，以及指揮和控制戰 (C2W) (Brazzoli, 2007)。

信息戰的六大支柱

圖2:信息戰的“支柱”

“信息戰”一詞的現代化使用更傾向于認知方面，例如虛假信息和影響力活動，通常由社交媒體和即時消息驅動（Stengel，2019）。新出現的討論集中在所謂的網絡電磁活動 (CEMA) 中電子戰和網絡的“融合”（英國國防部，2018 年；美國陸軍部，2014 年）。然而，考慮到在烏克蘭協作信息和物理作戰的明顯成功，盡管沒有提供“決定性”的勝利，但可以認為信息戰“支柱”產生了更大融合（Valeriano、Jensen 和 Maness，2008 年；van Niekerk，2015 年）。

進攻性信息戰通常具有“5Ds”之一：否認、降級、破壞、欺騙或破壞（Sterling，2019），作為戰略或戰術目標；然而，其他人也提出了目標，例如：

? 破壞、否認、破壞、操縱和竊取（Hutchinson 和 Warren，2001 年）；

? 貶低、否認、腐敗和剝削（Borden，1999；Kopp，2000）；

? 中斷、修改、制造和攔截（Pfleeger 和 Pfleeger，2003 年）。

最終，人類決策的目標是戰術、作戰和戰略層面；然而，通過網絡空間和信息環境引發的沖突越來越多地針對社會、政治和經濟決策以及軍事行動或作戰人員。隨著國家和非國家行為體(特別是通過在線新聞網站和社交媒體)日益關注虛假信息和影響活動，信息戰在更高戰略層面的目標已被重新表述為 4Ds：駁回、扭曲、分散注意力和沮喪（White，2016）。這種類型的行動以民眾或政治家的“意志”為目標，并與特定戰場空間中更注重行動的信息戰要素相結合，旨在減少或消除民眾或政治對沖突或其軍事目標的支持。

IoBT 和信息戰

Castiglione、Choo、Nappi 和 Ricciardi (2017: 16) 表明，戰場上已經看到“越來越多的無處不在的傳感和計算設備，被軍事人員佩戴并嵌入軍事設備中”。據報道，北約正在調查物聯網在態勢感知、監視、后勤、醫療應用、基地作戰和能源管理等領域對軍方的潛在好處（Seffers，2017 年；Stone，2018 年；Wassel，2018 年）。IoBT/IoMT還具有：通過聯合作戰支持MDO中的C2;戰術級態勢感知;目標識別;車輛和士兵狀態監測;戰地醫療甚至環境監測(Seffers, 2017)的巨大潛力。

Ren 和 Hou (2018) 提出了一個三層的“戰斗云霧”架構。 “戰斗資源”層包括傳統四個物理域中的平臺和傳感器等軍事裝備。 Cenciotti (2017) 以 F-35 飛機為例，該飛機配備傳感器來收集有關其環境和潛在威脅的信息；它還具有內部傳感器來監控其性能，因此既可以被視為互聯網上的“事物”，也可以被視為一組傳感器。 Valeriano、Jensen 和 Maness (2008) 認為 F-35 相當于一臺計算機服務器。這表明現代軍事系統日益復雜，對數字信息的依賴以及可以生成的大數據量（與“大數據”相關的概念有關）。

Ren和Hou（2018）架構的第二層包括一個“霧層”，用于本地化分布式計算和存儲。第三層則包括云計算，具有更大的存儲空間并由多個“霧網絡”鏈接組成。霧網絡可以被認為是服務于 C2 的戰術和行動，而云網絡服務于 C2 的行動和戰略。鑒于 MDO 的范圍，明智的做法是擴展“戰斗云霧”架構的傳感器，將 EM 域中的傳感器作為戰斗資源集的一部分。

對于那些需要根據提供給他們的分析數據做出指揮決策的人來說，算法被“欺騙”的可能性尤其令人擔憂：關于戰場空間的信息是否可信？在戰術層面上，軍艦上的飛行員或控制站可以信任所顯示的信息嗎？任何猶豫或不正確的決定最終都是信息戰的目標。

還需要在整個戰斗云架構的網絡域中提供監控，以幫助網絡安全。“連接”的軍事單位和設備受到網絡事件影響：據報道，2009 年惡意軟件影響了軍艦和軍用機場（Page，2009；Willsher，2009），移動惡意軟件被用于跟蹤炮兵部隊（Volz，2016 年），現在人們越來越擔心對衛星和天基系統的網絡和電磁威脅（Garner，2020 年；Rajagopalan，2019 年）。受損的物聯網設備已被用于發起分布式拒絕服務 (DDoS) 網絡攻擊，這是當時發生的最大的網絡攻擊之一（Fruhlinger，2018 年）。

此類事件以及與信息系統和安全相關的更廣泛關注點，表明了高度互連系統的固有風險。 Van Niekerk、Pretorius、Ramluckan 和 Patrick（2018 年）說明了如何在信息戰中通過易受攻擊的物聯網攻擊設施和人類。許多此類理論攻擊可應用于軍事場景，例如：

? 破壞數據和系統軟件的 Wiper 惡意軟件或勒索軟件可能對飛機或水下潛艇造成災難性影響；

? 將 PSYOP 信息注入飛行員的平視顯示器會通過暗示飛機系統受到損害，并對時間關鍵的決策產生不利影響而分散飛行員的注意力和使飛行員感到沮喪。

? 網絡攻擊隨機操縱傳感器陣列（例如聲納陣列或防空雷達）以提供虛假目標并隱藏實際目標，從而扭曲戰場視野；

? 在軍事人員的手機上使用惡意軟件和社交媒體來確定部署，從而生成與行動相關的情報。

表 1 說明了與云霧 IoBT 架構相關可能的“通用”信息戰威脅。

表 1：IoBT的信息戰威脅

一般來說，由于電磁信號數量的增加和傳輸的數據量的增加，IoBT 可能會導致電磁頻譜和網絡擁塞。這反過來可能會增加對電磁和 DDoS 攻擊的敏感性，因為每個信號都可能彼此呈現為“噪音”，而干擾會增加這種“噪音”水平，從而降低或破壞通信鏈路的有效性。以類似的方式，數據量越接近網絡的“閾值”，就越容易被惡意流量淹沒。

霧網絡可以被認為是服務于 C2 的戰術和作戰層面，而云網絡服務于 C2 的作戰和戰略層面。鑒于 MDO 的范圍，明智的做法是擴展“戰斗云霧”架構的傳感器，將電磁域中的傳感器作為戰斗資源集的一部分。

IoBT 可能會在戰術層面促進網絡、電子戰和心理戰的“融合”； van Niekerk、Pretorius、Ramluckan 和 Patrick (2018) 在一般背景下討論了這種融合。上面提到了網絡被用來向目標飛行員注入 PSYOP 消息的可能性；類似地，電子戰可用于“壓制”無線電通信，將 PSYOP 消息傳輸給人員。這種融合可以被認為是信息戰的分層模型：電子戰針對網絡的物理層，網絡針對更高層和協議，網絡組件的有效載荷選擇是分發PSYOP消息。

要考慮的另一個方面是為數據分析和軍事設備的作戰而實施的算法。由于現代設備產生的數據量很大，人類不可能對所有數據進行分析，因此需要一定程度的自動化，通常通過人工智能 (AI) 實現。但是，有一些實例表明修改后的輸入導致 AI 提供了不正確的分類（Field，2017；Lemos，2021）。通常在不考慮安全性的情況下實施新技術，人工智能也不例外。在學術領域，研究對人工智能系統攻擊的研究數量急劇增加，包括導致錯誤輸出的對抗性攻擊，以及破壞訓練數據以產生有缺陷模型的數據中毒（也稱為模型中毒） （康斯坦丁，2021 年；萊莫斯，2021 年）。對于那些需要根據提供給他們的分析數據做出指揮決策的人來說，算法被“欺騙”的可能性尤其令人擔憂：關于戰場空間的信息是否可信？在戰術層面上，軍艦上的飛行員或控制站可以信任所顯示的信息嗎？任何猶豫或不正確的決定最終都是信息戰的目標。

結論

多域作戰涵蓋所有物理環境，也可以擴展到電磁域和網絡域。戰場物聯網提供了一種機制，通過嵌入式傳感器實現多域作戰，提供作戰環境的通用圖像。然而，物聯網總體上被認為容易受到攻擊，超連接的戰場可能會增加物理、電磁、網絡和認知領域的信息戰攻擊面。攻擊可能針對物理基礎設施、信號、網絡協議、算法、數據和人類心理。

作者介紹

Brett van Niekerk 博士是夸祖魯-納塔爾大學的高級講師，并擔任國際信息處理聯合會和平與戰爭中 ICT 工作組的主席，以及國際期刊網絡戰和恐怖主義的聯合主編。他在學術界和工業界擁有多年的信息安全和網絡安全經驗，并為 ISO/IEC 信息安全標準和國際工作組做出了貢獻。他以他的名義發表了 70 多篇出版物和演講。 2012 年，他獲得博士學位，專注于信息運營和關鍵基礎設施保護。

2022年3月，美國蘭德公司發布《開發嵌入人工智能應用的聯合全域指揮控制作戰概念》報告，論述了嵌入人工智能/機器學習（AI/ML）的聯合全域指揮控制（JADC2）的需求，說明了如何在JADC2中利用商業AI/ML系統和需要克服的障礙，并指出了發展路徑。報告認為，為實現嵌入人工智能應用的JADC2，需要投入人力和資源來超越如今的人力密集型指揮控制模式，用自動化和AI/ML技術改進當前的規劃過程。

報告核心觀點包括：

• 將AI/ML納入JADC2之前需要建立“信息基礎”；
• 實現JADC2目標的關鍵是確定核心軍事任務的指揮控制需求并建立可行的軟件開發計劃；
• 將商業AI/ML系統用于軍事任務，必須確定技術支持的作戰需求、隨后確定實現作戰任務所需的指揮控制過程，同時了解AI/ML技術的局限性；
• 在JADC2中應用AI/ML需要克服四個障礙：軍事文化與商業文化的差異、數據不可訪問、重組軍事行動中心并培訓人員、軍事亞文化；
• 在JADC2中應用AI/ML的目標是實現指揮控制的高效人機組隊，而不是指揮控制的完全自動化。

將人工智能（AI）和機器學習（ML）納入JADC2進行多域作戰（MDO）之前要完成一項艱巨的任務，即建立“信息基礎”。信息基礎中的數據帶有標記，能夠安全地存儲和傳輸，且易于訪問。建立信息基礎需要持續整理和保護軍方為開展指揮控制所需的跨領域、跨軍種和跨梯隊的所有信息。這些信息是AI和ML算法所需的輸入。如果沒有這樣一個信息基礎，將AI融入JADC2的工作就無法取得進展。 盡管最近AI/ML在游戲領域取得了令人鼓舞的成功，但考慮到信息不完整、數據質量差和對手行動等現實障礙，在某些指揮控制功能中使用類似的技術仍具有挑戰性。其他AI/ML技術，例如用于預測戰區內飛機狀態的應用，其成熟度更高。實現JADC2目標取決于確定核心軍事任務集的指揮控制需求，以及建立在近期和遠期都可以實現的軟件開發計劃。

1 JADC2對支撐多域作戰的必要性

現代戰爭已經超越了傳統的陸、空、海領域，軍事指揮官及其參謀人員計劃、指揮和控制部隊不能局限于這些傳統領域，還要擴展到太空、網絡和電磁頻譜領域。更復雜的是，跨領域的活動已經超出了傳統戰爭的范疇，**在還未采取公開敵對行動之前，大多數國家早已身處競爭環境。**軍隊必須能夠在戰爭和競爭中整合這些領域。今天的軍事行動已經需要靈活和安全的手段來跨梯隊、領域、組織和地理區域進行通信和共享數據。未來的全域戰爭和競爭將對獲取信息的規模和速度、對信息的理解和快速決策提出更高的要求，這些都是JADC2能力的關鍵要素。

但是，今天用于規劃、調度和執行監視軍事任務的既存系統和基礎設施不適用于現代全域作戰。鑒于多域作戰規劃日益復雜，期限縮短，而且數據要求增加，軍事規劃人員需要新的工具，包括AI/ML工具。 要想確定對AI/ML工具投入的優先級，就需要了解這些工具的能力、面臨的障礙以及它們滿足多域作戰下新興指揮控制需求的潛力。

圖1 機器學習的類型

2 如何利用商業AI/ML系統

近來，AI/ML系統在日益復雜的游戲中展現出人類所不能及的能力，再加上人們對未來高端沖突作戰需求日益加深的理解，使AI/ML變得極具吸引力。作為一種AL/ML系統，AlphaStar在即時戰略游戲《星際爭霸》中的成功**預示著監督學習和強化學習未來有可能應用于戰術級和戰役級指揮控制。**但是，將這些技術從游戲過渡到戰爭仍需要大量的研究。

隨著人工智能算法被開發用于現實、動態、多領域、大規模和快節奏的作戰，需要選擇、評估和監控重要的度量標準來衡量算法的性能、有效性和適用性。關鍵的算法度量標準包括：效率（計算所需的時間和內存）、可靠性（算法是否產生有效的結果）、最優性（算法是否為給定目標提供最佳結果）、穩健性（算法是否能夠在意外情況下平緩降級）、可解釋性（人是否能理解所產生結果的原因）和確定性（算法是否按預期運行）。

由于商業和學術AI/ML系統沒有直接應用于軍事任務，這些技術需要過渡到軍事環境才能帶來作戰優勢。為了決定采用哪些AI/ML技術，軍方**必須首先了解需要這些技術支持哪些作戰需求，如空中優勢、防空、加油機支持等。隨后作戰需求將決定****實現作戰任務所需的指揮控制過程，**如態勢感知、空域去沖突等。**了解AI/ML技術的局限性，**尤其是它們在不確定條件下進行推理時遇到的困難，也同樣重要。否則，這些技術可能會達不到預期。

圖2 AI/ML關系

3 實現AI/ML的軍事應用需要克服的障礙

實現AI/ML的軍事應用存在以下四個主要障礙。

（１）軍事文化與商業文化的差異

由于在戰爭中生命始終處于危險之中，軍事文化通常是規避風險的。但是在商業世界中，承擔大的風險可能獲得豐厚的經濟回報。這種文化差異在共享數據方面表現最為突出。軍方傾向于保護信息（只有那些“需要了解”的人才能獲取信息），而商業世界重視開放數據訪問（“廣泛共享”），以促進應用開發并獲得經濟利益。因此，將安全考慮納入軍事軟件開發和信息技術（IT）行動（稱為DevSecOps）非常重要，由此能夠挫敗試圖通過網絡手段削弱指揮控制的對手和危險份子。最大的挑戰可能是如何確保AI/ML算法適用于真實戰場。在戰場中，“戰爭迷霧”、不完整的信息和對手的行動與游戲環境截然不同。

（２）軍方內部數據不可訪問

軍方需要統一的數據管理政策和足夠先進的信息技術使指揮控制人員可以訪問大量數據，由此支持他們的人工智能輔助決策。換句話說，**必須有一個支持收集、標記、存儲、保護和共享數據的AI生態系統。**這個生態系統將依賴于通用數據標準、明確指定的權限、完整性檢查和入侵防護。**云計算和數據湖將是關鍵組成部分。**云數據湖可以用于分布式計算、冗余存儲和整個企業內的連接。考慮到現有的軍事政策、文化、權限、預算和獲取途徑，構建這樣一個環境以跨領域和跨安全級別的安全方式提供大量數據將對JADC2提出挑戰。

（３）需要重組軍事行動中心并培訓中心的人員

機器之間通信的增加和指揮控制過程的自動化，可能會帶來作戰中心硬件和人員的變化，這使人類作戰人員能夠聚焦認知任務，如評估和完善潛在的行動方案。采用AI/ML技術將創造出新的角色和職責。作戰人員需要接受培訓以便管理和運營AI生態系統，同時充當數據管理員，確保在該生態系統中捕獲和存儲的數據的質量和完整性。此外，雖然現在規劃人員和決策人員受到的培訓是要在一個領域內思考，但新的職責可能會出現，需要人們同時在多個領域內思考。

**（４）存在軍事亞文化 **

由于作戰人員之間亞文化的差異、規劃時間線的不同，以及為實現不同的作戰效果而采用的不同的權限分配方案，即使在一個軍種內，也很難跨越空中、太空和網絡領域集成AI能力。 盡管如此，對全域指揮控制的需求是急迫的，而且這種需求越來越普遍。為此，在JADC2中嵌入AI應用必須面對和克服以上所有障礙——軍事文化、網絡安全問題、用于知識質量較差的問題的算法、數據不可訪問、作戰中心重組和培訓以及軍事亞文化。

4 實現高效發展的路徑

以上障礙讓現狀看起來很嚴峻，必須立即做出改變來響應快速向前推進的迫切需求。但是，如果將實現目標的步驟分解成一個個容易解決的問題，如果軍方清楚技術的可能性和局限性，就可以取得進展。**我們的目標不應該是指揮控制的完全自動化，而是指揮控制的高效人機組隊。**實現這一目標的步驟應該包括：第一，繼續開發JADC2作戰概念并確定其優先次序；第二，在指揮控制過程中確定采用AI/ML來增強能力的需求和機會。

與此同時，有必要為數據驅動的AI生態系統設置環境，這意味著要將武器系統和相關數據遷移至多域數據湖中，供有權限的人使用，同時應用“零信任”和其他安全原則來靈活且安全地管理這些數據。隨著AI軟件應用程序的開發，有必要在作戰測試環境中對這些應用程序進行實驗，將它們與指揮控制系統集成，然后將有限的能力部署到作戰中心，接著根據用戶反饋快速更新軟件應用程序。分析師和技術專家希望探索作戰概念來促進人機組隊，建立人們對AI智能算法的信任，并提高算法的可解釋性。商業需求較少的領域可能需要有針對性的軍事投資，例如用于數據稀缺領域的AI算法學習，或者用于防御針對這些算法的攻擊的AI算法。

當前的AI/ML技術需要學習用的數據。由于缺乏真實世界的數據（缺乏這類數據也是一件幸事）來為改進這些戰爭技術提供信息，軍方可以利用建模、模擬和演習來為AI/ML算法生成訓練數據。這類算法有助于武器-目標配對等。監督或強化學習算法可以支持這種指揮控制功能，類似于最近應用于商業游戲的學習算法。但是軍事算法也必須考慮到現實世界中的不確定性，這對人類和算法來說都是一個主要困難。

正如美國空軍參謀長查爾斯?布朗（Charles Brown）2020年8月所說：“要么加速變革，要么失敗。”對現代戰爭來說，及時向JADC2邁進是必要的，而且有必要“在競爭對手的防守期限內”完成。這一需求真實存在，但對AI/ML設定現實的預期很重要。現有的指揮控制流程在自動化方面還有改進的空間，在某些情況下，在AL/ML方面也有改進的空間。美國眾議院軍事委員會主席、華盛頓州民主黨眾議員亞當?史密斯（Adam Smith）于2021年9月談到JADC2時說：“目標是正確的，但不要低估實現這個目標的難度。”

來源：防務快訊

在 2020 年，空中力量（制空權）辯論越來越多地關注新興技術對國防創新和未來戰爭特征的影響。人工智能 (AI) 系統、機器人技術、增材制造（或 3D 打印）、量子計算、定向能量和其他“顛覆性”技術等先進新技術的融合，第四次工業革命 (4IR)為國防應用提供了新的和潛在的重大機會，進而提高了對潛在競爭對手的軍事優勢。當前的大部分辯論可以說將“下一個前沿”技術描述為“不連續”或“破壞性”軍事創新的代名詞——從“工業時代”到“信息時代戰爭”和現在越來越傾向于“自動化時代的戰爭”（Raska，2021 年）。例如，高光譜圖像、計算攝影和緊湊型傳感器設計等先進傳感器技術旨在提高目標檢測、識別和跟蹤能力，并克服傳統的視線干擾（Freitas 等人，2018 年）。具有自適應特性的復合材料、陶瓷和納米材料等先進材料將使軍事裝備更輕，但更適應于復雜環境（Burnett 等人，2018 年）。新興光子技術，包括高功率激光器和光電設備，可能會提供基于量子計算和量子密碼學新級別的安全通信（IISS，2019 年）。

新興技術的融合——即機器人技術、人工智能和機器學習、具有先進傳感器技術的模塊化平臺、新型材料和保護系統、網絡防御和模糊物理、網絡和生物領域之間界限的技術，被廣泛認為對人類的特征具有深遠的影響。未來的戰爭，在空中力量的背景下，有望將新的機器學習算法應用于高速進行信息處理、有人/無人武器平臺和監視系統的混合自動化，以及最終指揮和控制 (C2) 決策（Horowitz，2018；Cummings，2017）。

大型軍工產品不再是技術創新的唯一驅動力；取而代之的是，具有雙重用途潛力的先進技術正在商業領域開發，然后“轉而”用于軍事應用。

然而，盡管戰略背景各不相同，但這些新興技術的傳播也引發了類似于過去 40 年提出的理論和政策規定性問題：新興技術的傳播是否真的意味著戰爭中的“破壞性”轉變？這僅僅是進化上的變化嗎？如果新興技術規定了戰爭的顛覆性變化，那么國防資源分配的必要性是什么，包括部隊結構和武器采購要求？包括空軍在內的軍事組織如何利用新興技術為自己謀利？此外，新興技術在應對 21 世紀以不確定性、復雜性和模糊性為特征的安全威脅和挑戰方面的效果如何？

顛覆性敘事的四個十年

在受信息技術飛躍的推動下，“顛覆性”軍事創新敘事和辯論的軌跡已在 IT 驅動的軍事革命 (IT-RMA) 的背景下定義，該革命已通過至少五個階段：（1）1980年代初期蘇聯戰略思想家對軍事技術革命的初步概念發現，（2）1990年代初期美國戰略思想的概念適應、修改和整合，（3）1990 年代中后期對技術的 RMA 辯論，（4） 轉向更廣泛的“防御轉型”，并在 2000 年代初期進行部分實證調查，以及 (5) 從 2005 年起質疑顛覆性敘事的批判性逆轉（格雷，2006 年）。然而，自 2010 年代中期以來，隨著人工智能和自主系統等新技術的加速傳播，人們可能會爭辯說，新的 AI-RMA 或第六次 RMA 浪潮已經出現（Raska，2021 年）。

然而，回想起來，在過去的 40 年里，IT-RMA 的實施也可以說是遵循了一條明顯低于革命性或破壞性的道路，包括對現有能力的漸進式、通常近乎持續的改進（Ross，2010 年）。雖然國防技術、組織和理論方面的重大、大規模和同步的軍事創新是一種罕見的現象，但軍事組織在很大程度上是通過一系列持續的軍事創新取得進展，從小規模創新到大規模創新，這些創新塑造了他們的戰爭行為（Goldman，1999）。雖然這個時代的許多軍事創新，例如網絡中心戰的概念已經成熟，但關于即將到來的“破壞性軍事轉型”的敘事幾乎總是超過了現有的技術、組織和預算能力。此外，不同的概念、技術、組織和作戰創新主要集中在將數字信息技術集成到現有的傳統平臺和系統中（Raska，2016 年）。

國家和非國家行為者都可能使用這種所謂的對抗性機器學習來欺騙對方，使用不正確的數據得出錯誤的結論，并在此過程中改變決策過程。

例如，在美國的戰略思想中，顛覆性軍事創新的敘事從 2005 年開始隨著伊拉克和阿富汗戰爭中的作戰挑戰和經驗逐漸淡化。更多批評聲音指向“破壞性”防御轉型的未兌現承諾。 “新思維方式和新戰斗方式”的基本原理幾乎證明了每項防御倡議或提議的合理性，這表明迷失方向而不是明確的戰略（弗里德曼，2006 年）。國防轉型懷疑論者還警告說，通過技術解決復雜戰略挑戰的邏輯有缺陷，同時放棄了潛在敵人或競爭對手的適應能力。簡而言之，由于預算要求和不切實際的能力組合而不是實際的戰略和作戰邏輯，即將發生的國防轉型的破壞性敘事已經變成了一個模棱兩可的想法（雷諾茲，2006 年）。

為什么AI浪潮不同？

然而，新的“支持人工智能”的國防創新浪潮在幾個方面與過去以 IT 為主導的浪潮不同。首先，人工智能支持的軍事創新的傳播速度要快得多，通過多個維度，特別是通過大國之間加速的地緣戰略競爭——美國、中國和較小程度的俄羅斯。大國之間的戰略競爭并不新鮮。它們深深植根于歷史——從公元前三世紀伯羅奔尼撒戰爭期間的雅典和斯巴達大戰略，到二十世紀下半葉冷戰的兩極分化。然而，新興戰略競爭的性質不同于以往戰略競爭的類比。進入 21 世紀，戰略競爭的路徑和模式更加復雜多樣，反映了在不同或重疊規則下的多重競爭，長期的經濟相互依存與核心戰略挑戰并存（Lee，2017）。然而，在爭奪未來霸權的競爭中，技術創新被描述為國際影響力和國家力量的核心來源——產生經濟競爭力、政治合法性和軍事力量（Mahnken，2012 年）。具體來說，美國幾十年來第一次面對一個戰略性的同行競爭對手中國，中國有能力追求和實施自己的 AI-RMA。因此，主要問題不是 AI-RMA 浪潮是否會在戰爭中帶來根本性的不連續性，如果是，如何以及為什么？相反，美國的 AI-RMA 是否可以被相應的中國或俄羅斯 AI-RMA 取消或至少削弱？換言之，技術優勢的差距正在有效縮小，這有效地加速了新技術作為軍事優勢來源的戰略必要性。

新興技術的融合——即機器人技術、人工智能和機器學習、具有先進傳感器技術的模塊化平臺、新型材料和保護系統、網絡防御和模糊物理、網絡和生物領域之間界限的技術，被廣泛認為對未來的戰爭具有深遠的影響。

其次，與前幾十年利用一些軍民兩用技術開發主要武器平臺和系統不同，當前的人工智能浪潮在商業技術創新作為軍事創新來源的規模和影響方面有所不同。大型軍工產品不再是技術創新的唯一驅動力；取而代之的是，具有雙重用途潛力的先進技術正在商業領域開發，然后“轉而”用于軍事應用。在這種情況下，新興技術的傳播，包括增材制造（3D 打印）、納米技術、空間和類空間的能力、人工智能和無人機，并不僅限于大國（Hammes，2016 年）。人工智能傳感器和自主武器系統的擴散也在新加坡、韓國、以色列等先進小國和中等強國的防御軌跡上。這些國家現在有潛力開發利基新興技術，以提高其防御能力和經濟競爭力、政治影響力和在國際舞臺上的地位（Barsade 和 Horowitz，2018 年）。

第三，自主和支持人工智能的自主武器系統的擴散，加上新穎的作戰結構和部隊結構，挑戰了人類參與未來戰爭的方向和特征——其中算法可能會影響人類的決策，并設想在未來的戰斗中使用致命自主武器系統（LAWS）。包括空軍在內的先進軍隊正在試驗各種依靠數據分析和戰爭自動化的人機技術。這些技術越來越多地滲透到未來的戰爭實驗和能力發展計劃中（Jensen 和 Pashkewitz，2019 年）。在美國，選定的優先研發領域側重于在各種人機協作中開發人工智能系統和自主武器——例如，支持人工智能的預警系統和指揮與控制網絡，空間和電子戰系統、網絡能力、致命的自主武器系統等。

人工智能系統將越來越有能力在John Boyd的觀察-定向-決策-行動 (OODA) 循環的每一步中簡化 C2 和決策過程。

戰略競爭、雙重用途新興技術創新和戰爭中人機交互特征的變化，這三個驅動因素的融合推動了一系列定義 AI-RMA 浪潮的新條件。它的擴散軌跡在本質上也對戰略穩定性、聯盟關系、軍備控制、道德和治理以及最終的作戰行動提出了新的挑戰和問題（Stanley-Lockman，2021a）。例如，關于人工智能系統在使用武力中的作用的國際規范辯論越來越關注法律的傳播和遵守國際人道法原則的能力。隨著技術進步從科幻領域轉向技術現實，各國對引入 LAWS 是否會違反或加強國際法律原則也有不同的看法。面對軍事人工智能應用的法律和道德影響，軍事機構越來越認識到需要解決與安全、道德和治理相關的問題，這對于建立對新能力的信任、管理風險升級和重振軍備控制至關重要。盡管如此，國防部和軍隊在倫理道德方面的努力是狹隘地關注法律還是更廣泛地關注人工智能系統的范圍之間仍然存在緊張關系。因此，包括空軍在內的軍隊需要跟蹤關于人工智能和自主性的不斷演變的觀點，并就對 2020 年代及以后的戰略和作戰環境的影響進行辯論（Stanley-Lockman，2021b）。

對空中力量的影響

在作戰層面，空軍旨在加速整合各種人工智能相關系統和技術，例如多域作戰云系統，從各種來源收集大數據，創建實時作戰圖，本質上是自動化和加速指揮和控制 (C2) 流程（Robinson，2021 年）。在這樣做的過程中，啟用人工智能的作戰云可以識別目標并將它們分配給任何領域中最相關的“射手”，無論是空中、水面還是水下——一些空軍將其概念化為聯合全域指揮與控制 (JADC2) 。部分空軍也在試驗人工智能算法作為“虛擬后座”，它可以有效控制飛機的傳感器和導航，尋找對手，并以此減少機組人員的工作量（Everstine，2020）。在這種情況下，關鍵論點是人工智能系統的進步——可以感知、推理、行動和適應的廣泛程序，包括機器學習 (ML) 系統——其性能隨著時間的推移、數據交互的增加而提高算法性能，以及深度學習（ DL）系統——其中多層神經網絡從大量數據中學習——具有“改變空戰行動以及空中力量的構思和使用方式”的潛力（Davis，2021 年）。

具體來說，根據蘭德公司最近的一項研究（Lingel 等人，2020），目前有六類 AI/ML 應用研發，其會對包括空中力量在內的未來戰爭有影響：

（1）計算機視覺——圖像識別——檢測對視覺世界中可用于處理多源智能和數據融合的對象進行分類；

(2) 自然語言處理 (NLP) — 成功理解人類語音和文本識別模式（包括翻譯）的能力，可用于從語音和文本中提取情報，但也可以監控友好通信并引導相關信息以提醒個人或單位；

(3) 專家系統或基于規則的系統——收集大量數據以推薦特定行動以實現作戰和戰術目標；

(4) 規劃系統——使用數據解決調度和資源分配問題，可以針對目標協調選定的空中、太空和網絡資產，并生成建議的分時行動；

(5) 機器學習系統——從與環境的數據交互中獲取知識，可與其他類別的人工智能結合使用，即使 C2 系統在專家知識不可用或最佳策略、技術和程序 (TTP) 未知時學習如何執行任務；

(6) 機器人和自主系統——結合所有或選擇先前類別的 AI/ML 方法，使無人系統與其環境交互；

這些與人工智能相關的類別幾乎適用于空中力量的各個方面，可能會塑造新形式的自動化戰爭：從 C2 決策支持和規劃，人工智能/機器學習可以在日益受限的時期提供推薦的選項或建議；通過數據挖掘能力支持 ISR；后勤和預測性維護，以確保部隊的安全以及平臺和單位的可用性；訓練和模擬；網絡空間行動以檢測和應對先進的網絡攻擊；機器人和自主系統，如無人機，用于從 ISR 到矛尖任務的各種任務，如壓制敵方防空和協同作戰，在空中和陸地打擊行動中整合不同的有人和無人平臺。換句話說，這里的論點是人工智能系統將越來越有能力在John Boyd的觀察-定向-決策-行動 (OODA) 循環的每個步驟中簡化 C2 和決策過程：收集、處理并將數據轉換為統一的態勢感知視圖，同時為推薦的行動方案提供選項，并最終幫助人類采取行動（Fawkes 和 Menzel，2018 年）。

然而，將人工智能系統集成到空中力量平臺、系統和組織中，以將計算機從工具轉變為解決問題的“思考”機器，將繼續帶來一系列復雜的技術、組織和運營挑戰（Raska 等人，2021 年）。其中可能包括開發算法，使這些系統能夠更好地適應環境的變化，從意想不到的戰術中學習并將其應用于戰場。它還要求為這些思考機器設??計道德規范和保障措施。另一個挑戰是技術進步，特別是在軍事系統中，是一個持續的、動態的過程。突破總是在發生，它們對軍事效力和比較優勢的影響可能是巨大的，而且在初期階段很難預測。

然而，最重要的是，關鍵問題是我們可以在多大程度上信任人工智能系統，尤其是在安全關鍵系統領域？正如 Cummings所警告的那樣，“歷史上充斥著類似的戰備承諾如何以代價高昂的系統故障告終的例子，這些案例應該作為一個警示故事”（Cummings，2021 年）。此外，越來越多的研究領域集中在如何通過生成虛假數據來欺騙人工智能系統做出錯誤的預測。國家和非國家行為者都可能使用這種所謂的對抗性機器學習來欺騙對方，使用不正確的數據得出錯誤的結論，并在此過程中改變決策過程。對抗性機器學習的整體戰略影響可能比技術本身更具破壞性（Knight, 2019; Danks, 2020）。

啟用人工智能作戰云用于識別目標并將其分配給任何領域中最相關的“射手”，無論是空中、水面還是水下——一些空軍將其概念化為聯合全域指揮與控制 (JADC2)。

從戰術和操作的角度來看，這些復雜的人工智能系統也需要連接在一起——不僅在技術上，而且在組織和操作上。對于許多空軍來說，這是一個持續的挑戰——他們必須能夠有效地（實時）在各種服務和平臺之間集成啟用人工智能的傳感器到射擊者的循環和數據流。這意味著有效地連接多樣化的空軍、陸軍、海軍和網絡戰斗管理； C2，通信和網絡；情監偵；電子戰；定位、導航和授時；使用精確彈藥。雖然選擇的 AI/ML 系統可能會緩解一些挑戰，但相同的系統會產生另一組與確保可信 AI 相關的新問題。因此，有人可能會爭辯說，未來空中力量中人工智能軌跡的方向和特征將取決于相應的戰略、組織和作戰敏捷性，特別是這些技術如何與當前和新興的作戰結構和部隊結構相互作用。

在這種情況下，人類在未來戰爭中的參與程度、改變傳統部隊結構和招募模式的必要性以及將在哪些領域使用武力都是新技術挑戰的問題。空軍正在為這些問題開發自己的而且往往是多樣化的解決方案。與過去一樣，它們的有效性將取決于與戰略持久原則相關的許多因素——將可用的國防資源“轉化”為新軍事能力的目的、方式和手段，并在此過程中創造和維持具有空中作戰能力的部隊來應對各種突發事件。成功實施的主要因素不是技術創新本身，而是持續資金、組織專業知識（即大規模和有效的軍事和商業研發基地）和實施國防創新機構的敏捷性綜合效應（Cheung，2021）。對于空中力量的未來，這意味著擁有能夠提供創新解決方案的人員、流程和系統，同時保持現有的核心能力，從而在日益復雜的戰略環境中提供可行的策略選擇。

作者介紹：

Michael Raska 博士是新加坡南洋理工大學 S. Rajaratnam 國際研究學院軍事轉型項目的助理教授和協調員。他的研究興趣集中在東亞的國防和軍事創新、戰略競爭和賽博戰。他是《軍事創新和小國：創造反向不對稱》（Routledge，2016 年）的作者，也是《國防創新和第四次工業革命：安全挑戰、新興技術和軍事影響》（Routledge，2022 年）的共同主編。他擁有密蘇里南方州立大學國際研究學士學位、延世大學國際關系碩士學位和新加坡國立大學李光耀公共政策學院博士學位，并獲得新加坡國立大學校長研究生學位獎學金。

摘要

任務指揮是一種分散指揮和控制的概念，它試圖將戰爭的克勞塞維茨的混亂性質作為一種優勢，通過允許下屬軍官在其指揮官的意圖范圍內行使主動權，并利用他們對其部署區域的更好的態勢感知，使采用它的一方獲得決策優勢。任務指揮，作為一種分散的軍事行動方法，被大多數西方武裝部隊作為一種理論并采用。然而，信息技術已經發展到這樣的程度，今天的指揮官們擁有先進的指揮和控制系統，與不遠的過去相比，這些系統使他們對局勢的認識和通信能力有了極大的提高。因此，克勞塞維茨的 "戰爭迷霧 "和 "摩擦 "概念受到了質疑，相應地，任務指揮也受到了質疑。

本文探討了在現代信息時代的戰爭環境中，任務指揮是否仍然是一個相關的指揮和控制概念。在此背景下，我不僅考察了該方法在戰爭中的有用性，從過去到今天，而且還考慮到了該舉措對培養有能力和有效力的軍事領導人的重要性。

本文表明，現代指揮和控制系統的能力使集中指揮不僅成為可能，而且更加有效。然而，戰爭仍然是一種混亂的現象。這類系統的冗余和彈性至關重要，在出現故障時，下屬指揮官必須有能力單獨行動。

引言

任務指揮（Auftragstaktik）被許多學者和軍官認為是德國軍事藝術在現代戰爭中的最重要貢獻。至少在理論上，任務指揮受到北約大多數武裝力量的贊揚和提倡，他們強調地方指揮官在戰場上行使分散控制和主動權的重要性，以戰勝戰爭的不確定性并取得軍事行動的成功。

同時，大眾媒體和社會媒體的發展大大增加了軍事行動對社會的影響，至少在民主國家。今天，由于信息的快速無序流動和社交媒體的影響，即使是小的戰術行動也會對公眾輿論產生不成比例的影響。因此，政治和軍事領導人試圖對軍事行動進行嚴格的集中控制，以避免發展出不必要的情況。在這種情況下，任務指揮作為一個概念很難被接受和實施，因為它需要將權力和責任交給他人。

此外，目前的信息時代技術導致了現代C2系統的急劇進步，它為高級指揮官提供了前所未有的實時通信和態勢感知能力，聲稱要擊敗過去主導戰場的不確定性。由于這些系統的存在，越來越多的人傾向于由高層總部集中控制行動。因此，任務指揮部很少被充分應用，尤其是在戰術層面以上。雖然它作為一種方法存在于理論中，但作戰命令往往越來越詳細，而各級指揮部之間不斷的實時溝通，更減少了下級指揮官的主動性空間。

我將在本文中研究的問題是，在現代作戰環境中是否還有任務指揮的空間，或者換一種說法。信息時代和C2系統的發展是否已經使任務指揮部過時了？使其如此有效的條件是否已經不復存在，其程度如何？

圖1：C2的示意圖

新興軍事技術

國會議員和五角大樓官員越來越關注發展新興軍事技術，以加強美國的國家安全，并與美國的競爭對手保持同步。美國軍方長期以來一直依賴技術優勢來確保其在沖突中的主導地位，并保障美國的國家安全。然而，近年來，技術的迅速發展和迅速擴散，很大程度上是由于商業領域的進步。正如前國防部長查克·哈格爾(Chuck Hagel)所觀察到的，這種發展已經威脅到美國傳統的軍事優勢來源。美國國防部(DOD)已經采取了一系列措施來遏制這一趨勢。例如，2014年，國防部宣布了第三次抵消戰略，這是一項為軍事和安全目的以及相關戰略、戰術和作戰概念開發新興技術的努力。為了支持這一戰略，國防部建立了許多專注于國防創新的組織，包括國防創新單位和國防戰爭聯盟小組。

最近，2018年的國防戰略呼應了第三次抵消戰略的基礎，指出美國的國家安全可能會受到影響： 受到快速技術進步和戰爭性質變化的影響....新技術包括先進的計算、“大數據”分析、人工智能、自主、機器人、定向能源、超音速和生物技術——這些技術確保我們能夠在未來的戰爭中戰斗并贏得勝利。 美國是開發這些技術的領導者。然而，中國和俄羅斯這兩個關鍵的戰略競爭對手，在發展先進軍事技術方面正在穩步取得進展。隨著這些技術被整合到國外和國內的軍事力量中并部署，它們可能會對國際安全的未來產生重大影響，并將成為國會在資金和項目監督方面的一個重要焦點。

本報告概述了美國、中國和俄羅斯的一些新興軍事技術:

• 人工智能,
• 致命的自主武器，
• 超音速武器,
• 定向能武器，
• 生物技術,
• 量子技術。

它還討論了國際機構內監測或規范這些技術的相關倡議，考慮了新興軍事技術對戰爭的潛在影響，并為國會概述了相關問題。這些問題包括新興技術的資金水平和穩定性、新興技術的管理結構、與征聘和留住技術工作者有關的挑戰、迅速發展和兩用技術的采購過程、保護新興技術免受盜竊和征用，以及對新興技術的治理和監管。這些問題可能會影響到國會的授權、撥款、監督和條約的制定。

美國的空中優勢是美國威懾力的基石，正受到競爭對手的挑戰。機器學習 (ML) 的普及只會加劇這種威脅。應對這一挑戰的一種潛在方法是更有效地使用自動化來實現任務規劃的新方法。

本報告展示了概念驗證人工智能 (AI) 系統的原型，以幫助開發和評估空中領域的新作戰概念。該原型平臺集成了開源深度學習框架、當代算法以及用于模擬、集成和建模的高級框架——美國國防部標準的戰斗模擬工具。目標是利用人工智能系統通過大規模回放學習、從經驗中概括和改進重復的能力，以加速和豐富作戰概念的發展。

在本報告中，作者討論了人工智能智能體在高度簡化的壓制敵方防空任務版本中精心策劃的協作行為。初步研究結果突出了強化學習 (RL) 解決復雜、協作的空中任務規劃問題的潛力，以及這種方法面臨的一些重大挑戰。

研究問題

• 當代 ML 智能體能否被訓練以有效地展示智能任務規劃行為，而不需要數十億可能情況組合的訓練數據？
• 機器智能體能否學習使用攻擊機、干擾機和誘餌飛機的組合來對抗地對空導彈 (SAM) 的策略？干擾機需要離地空導彈足夠近才能影響它們，但又要保持足夠遠，以免它們被擊落。誘餌需要在正確的時間分散 SAM 對前鋒的注意力。
• 是否可以建立足夠泛化的表示來捕捉規劃問題的豐富性？吸取的經驗教訓能否概括威脅位置、類型和數量的變化？

主要發現

RL 可以解決復雜的規劃問題，但仍有局限性，而且這種方法仍然存在挑戰

• 純 RL 算法效率低下，容易出現學習崩潰。
• 近端策略優化是最近朝著解決學習崩潰問題的正確方向邁出的一步：它具有內置約束，可防止網絡參數在每次迭代中發生太大變化。
• 機器學習智能體能夠學習合作策略。在模擬中，攻擊機與 SAM 上的干擾或誘餌效應協同作用。
• 經過訓練的算法應該能夠相當容易地處理任務參數（資產的數量和位置）的變化。
• 很少有關于成功和不成功任務的真實數據。與用于訓練當代 ML 系統的大量數據相比，很少有真正的任務是針對防空飛行的，而且幾乎所有任務都取得了成功。
• 對于涉及使用大型模擬代替大型數據集的分析，所需的計算負擔將繼續是一個重大挑戰。針對現實威脅（數十個 SAM）訓練現實能力集（數十個平臺）所需的計算能力和時間的擴展仍不清楚。
• 建立對人工智能算法的信任將需要更詳盡的測試以及算法可驗證性、安全性和邊界保證方面的根本性進步。

建議

• 未來關于自動化任務規劃的工作應該集中在開發強大的多智能體算法上。RL 問題中的獎勵函數可以以意想不到的方式徹底改變 AI 行為。在設計此類功能時必須小心謹慎，以準確捕捉風險和意圖。
• 盡管模擬環境在數據稀缺問題中至關重要，但應調整模擬以平衡速度（較低的計算要求）與準確性（現實世界的可轉移性）。

摘要

當代和新出現的安全威脅以及從最近的軍事行動中吸取的教訓已經證明，為了在傳統的物理領域（陸地、空中、海上、太空）實現作戰目標，確保在非物理領域的主導地位至關重要，即網絡空間、電磁環境（EME）和信息環境。因此，除了物理作戰領域之外，在非物理領域取得優勢的能力對于實現戰役的軍事和非軍事目標具有決定性意義。

作戰人員將面臨消除沖突，協作，同步和整合行動的挑戰，以實現并發揮協同效應以應對多種威脅，其中可能還包括來自每個作戰領域對手的武裝沖突閾值以下的行動，包括非物質的。

本文探討了作戰環境聯合情報準備 (JIPOE) 作為支持聯合作戰規劃、執行和評估的主要工具的作用和意義，從而有助于多域作戰 (MDO) 的同步和協調。在這方面，基于政治、軍事、經濟、信息、基礎設施-物理、時間(PMESII-PT)方法，不可能將對當代作戰環境(OE)的分析局限于物理領域及其與非物理領域的關系。相反，作者們相信，確定一種合適的方法來關注在非物理領域單獨或聯合進行的活動影響，它們在PMESII-PT所有領域的相互融合和實際操作領域的相關性，將大大有助于友軍識別和評估對手的重心(COG)、關鍵弱點、意圖和行動路線(COAs)的能力，包括各自的指標。JIPOE將為聯合部隊指揮官(JFC)提供OE的整體視圖，將與戰術層面密切合作、共享和開發，通過結合不同領域的能力，應該能夠壓倒對手的部隊。這種集中控制和分散執行的方法將有助于在作戰和戰術層面之間產生協同效應。

引言

未來的軍事行動將以物理和非物理層面的融合為特征，眾多不同的行為者將在其中運作。任何部隊都需要適應極其復雜的作戰環境和大量的作戰變量，需要適應性地使用一系列武器系統來產生致命和非致命的效果。因此，除了物理作戰領域（即陸地、空中、海上和太空），在非物理領域（網絡空間、EME、信息環境）取得優勢的能力將對實現戰役的軍事和非軍事目標具有決定性意義[1, p.280]。

OE是影響能力運用和影響指揮官決策的條件、環境和影響因素的綜合體[2, p.3]。了解OE的因素和條件不僅是所有計劃活動，特別是行動設計的關鍵前提，也是友軍保護和許多其他相關任務的關鍵前提[3, p.41]。

JIPOE代表了一種系統的方法，用于分析有關OE和對手的信息。它可以應用于全部的軍事行動。指揮官和參謀部在危機背景、根本原因和具體動態方面，對戰區形成共同的理解和整體的看法。它使指揮官能夠直觀地看到問題的程度，以及他們如何塑造和改變OE，使之成為他們的優勢，這將為他們的決策提供信息[2, p.3-5]。

JIPOE產品極大地促進了聯合（即作戰）層面的軍事行動的規劃和執行。現代軍隊，特別是北大西洋公約組織（NATO）內的軍隊，幾十年來在討論跨領域（陸、海、空）的協調行動時一直使用聯合這一術語。如今，由于全球安全環境的巨大變化以及俄羅斯和中國日益增長的野心，為了挑戰潛在的同行對手，需要采取多領域的方法。在傳統的戰爭門檻下，盟國及其合作伙伴已經受到了跨越物理和非物理領域的持續攻擊[4, p.2]。MDO一詞不同于聯合行動，因為它旨在關注跨越多個領域的行動，而不考慮服務的歸屬，不一定是由多個部門進行的行動[5，p.49]。

圖1:支持聯合行動的當前JIPOE流程的可視化。

圖2:提出支持MDO的JIPOE過程方案。

【報告概要】

認識到地面自主系統需要在未知的任務中運行，北約正在對地面車輛自主移動建模和仿真進行投資，以改進和準備未來運作。來自世界各地的北約工程師和科學家正在努力而有目的地塑造未來的作戰能力，并作為地面部隊保持準備和彈性。隨著北約展望未來，地面車輛界有機會幫助塑造陸軍在實現國家和國際安全目標方面的獨特作用。隨著情報、監視、目標獲取和偵察能力的快速發展，確保自主機動性和操作變得更加重要。北約的未來部隊必須能夠并準備好在極端條件下執行各種任務，因此它必須準備好運用地面力量/地面部隊，以在整個軍事行動中實現戰略成果。

地面自主系統是許多北約國家未來軍事戰略的關鍵部分，商業公司正在競相開發自主系統以率先進入市場。在這場部署這些系統的競賽中，仍然缺乏對這些系統的能力和可靠性的了解。自主地面系統的一項關鍵性能衡量指標是其在道路上和越野時的機動性。自主武器系統的開發和部署通常指向幾個軍事優勢，例如作為力量倍增器，更重要的是，可能需要更少的作戰人員來完成特定任務。與商業自治系統不同，軍隊必須在可能不存在道路的未知和非結構化環境中運作，但物資必須到達前線。在戰場上，機動性是生存能力的關鍵，指揮官知道在什么地形上部署哪種車輛至關重要。指揮官需要有能力評估自己和敵方部隊在作戰區域的車輛機動性，這將增加對任務規劃的信心，并降低因車輛受損而導致任務失敗的風險。

北約國家聯合探索評估地面自主系統性能和可靠性的方法，制定一項戰略，以制定一個總體框架，以開發、整合和維持先進的載人和地面自主系統能力當前和未來的力量。該活動利用了 AVT-ET-148、AVT-248 和 AVT-CDT-308 在下一代北約參考移動模型 (NG-NRMM) 上的結果，并共同證明了自動駕駛汽車具有專門的建模和仿真要求關于流動性。隨后，開發了任務領域，并組建了團隊以開展以下工作：

• 自主軍事系統 M&S 的挑戰和特殊要求；

• 與自主軍事系統相關的定義；

• 當前可用于評估自主系統移動性的軟件；

• 評估移動性與數據通信的相互依賴性的方法；

• 以NG-NRMM AVT-248 結果為基礎，確定評估自主系統越野機動性的方法。

這項工作提供了一份文件，簡要概述了現有能力、計劃的未來活動以及后續研究任務組 (RTG) 的戰略方向。這份總結報告將詳細介紹這些成就，并為自主導航框架的開發和實施提供建議。