摘要

美國海軍在實現海上作戰空間自動化的過程中面臨著挑戰，并有可能落后于其崛起的大國競爭者--中國人民解放軍海軍（PLAN）。美國海軍和中國人民解放軍海軍是如何采用自動化來改善海軍情報、監視和偵察（ISR）的？這項研究的結果表明，美國海軍是一個創新者和早期采用者，而解放軍海軍作為一個后期現代化者接受了自動化系統和人工智能（AI），受益于已經存在的相關技術知識。美國海軍的宙斯盾和艦艇自衛系統以及人工智能技術能夠實現海上優勢；然而，中國海軍在人工智能技術方面的進展比美國海軍快。這篇論文比較了兩支海軍在ISR方面采用自動化和人工智能技術的情況。在本研究中，自動化被定義為一個過程或特定的、以任務為導向的系統，它的運行不需要人類的直接控制。人工智能更深入，包括旨在創造能夠分析、評估和優化備選方案以追求更廣泛目標的機器技術。采用了埃弗雷特-羅杰斯的擴散過程S曲線模型，作為分析海軍規劃者和決策者提高效率的框架，因為他們正在考慮采用哪些自動化和人工智能技術以及如何最好地利用它們。

1. 簡介

自動化和人工智能（AI）的發展將影響未來的海權。2017年7月8日，中國表示，目標是建立一個國內的人工智能產業，并在2030年之前使國家成為"人工智能的創新中心"。2019年2月11日，唐納德-特朗普總統簽署了13859號行政命令，以保持人工智能的領導地位，并體現美國的價值觀。雖然這些戰略已經公布，但在海軍事務中采用自動化的速度仍然緩慢。在美國海軍作戰部長2018年的文章《海上優勢的設計》中，海軍作戰部長的首要任務是設計未來的綜合海軍力量結構，并 "全員上陣，使杰拉爾德-R-福特號（CVN 78）盡快準備好作為戰艦。"而中國人民解放軍旨在向未來的 "智能化戰爭 "發展。人工智能超級大國的海軍競相采用自動化和人工智能技術進行持久的情報、監視和偵察。這篇論文比較了兩個關鍵的自動化傳感器--美國宙斯盾和中國348型 "龍眼"的技術采用情況，以及它們如何改進海軍的情報、監視和偵察（ISR）。

自冷戰以來，海上優勢已經開始依賴來自相互連接的ISR平臺的自動化預警系統。在美國和當時的蘇維埃社會主義共和國聯盟（USSR）之間，海上指示和警告（I&W）的自動化被大量嵌入常規海軍能力。蘇聯解體后，中國穩步崛起，并一直在尋求使用人工智能（AI）來增強其軍隊的認知能力，速度越來越快，特別是在未來的海權方面。航空母艦、海軍飛機和潛艇之間的自動化通信鏈路，稱為Link-11或Link-16，允許人類操作員通過互聯網計算機系統即時發送信息。

這項研究的重點是美國海軍和中國人民解放軍海軍（PLAN）采用基于自動化的平臺。海軍ISR平臺的例子包括：船舶自動化、有人和無人系統、空中偵察衛星、可視化識別和定位海上平臺的計算機系統。這個話題很重要，因為有三個關鍵因素：快速人工智能技術研發的政策；大國競爭（GPC）的回歸；以及減輕不確定性和增強判斷力的需要。然而，先前的地緣政治事件表明，由于設備的錯誤配置和人為錯誤，自動化系統可能容易出現錯誤的、非結構化的或無監督的數據。在正確的時間、正確的地點接收正確的數據，對于了解未來海權自動化的采用至關重要。

本研究關于關鍵領域的范圍包括：自動化戰略；輔助決策（速度）；以及使自動化工具發揮作用的空間關鍵情報系統。對采用自動化的影響的概述是以美國和中國的國防和政策戰略文件為界。將討論采用關鍵情報系統的戰略意義。

采用和駕馭當今的自動化技術是至關重要的。對新興技術的技術采用有賴于頻繁的軟件更新和兼容的硬件來成功運作；否則，系統將不能按預期或最初的設計運作。另一種方式來概念化這個采用和整合2020年的技術的過程，就是思考將現代藍牙揚聲器或收音機整合到20世紀80年代的車輛中；可能的，但試圖整合不兼容的軟件或硬件將是有代價的，很可能會出現故障并導致不兼容，這就是在海軍ISR平臺上部署或采用自動化系統或AI工具之前缺乏冗余的測試。

1.1 研究問題

美國海軍和中國海軍（PLAN）是如何采用自動化技術來改善海軍ISR與 "宙斯盾 "和348型雷達傳感器對未來海權的影響？

1.2 背景介紹

半個世紀前，美國陸軍參謀長威廉-C-威斯特摩蘭將軍對未來戰爭的看法在今天看來是正確的。1969年10月14日，他在美國陸軍協會的演講中指出

• 在未來的戰場上，通過使用數據鏈、計算機輔助的情報評估和自動火力控制，敵軍將幾乎在瞬間被定位、追蹤和鎖定......有了可以持續追蹤敵人的監視裝置，用大量的部隊來固定對手的物理位置的必要性將變得不那么重要。

威斯特摩蘭將軍概括了采用持續監視、跟蹤和瞄準的設想，用計算機即時跟蹤敵人。

著名的斯坦福大學計算機科學教授、人工智能開發者和企業高管安德魯-吳（Andrew Ng）認為，就像一個多世紀前電力幾乎改變了一切一樣，今天很難想象在未來幾年內有哪個行業不會被人工智能所觸及。他的愿景似乎正在實現，今天提供海上態勢感知的軟件程序被稱為共同作業圖像（COP）。美國國防公司雷神公司開發的COP是為了以近乎實時的方式直觀地顯示海軍的空中、陸地和海上平臺。屏幕上的圖片點根據其獨特的標識符或指紋來識別和定位海上的海軍平臺，這也是GPS在地圖上的顯示方式。這是一種人工智能的應用形式，其中自動化催化了這個過程，并簡化了飛機、水面艦艇、潛艇、地面站和衛星之間的數據流。

自20世紀50年代以來，杰出的領導人已經研究并在海軍事務中采用了海上平臺的模式識別及其相關的雷達信號或信號。對于海軍ISR來說，一種被稱為基于活動的情報（ABI）的軟件程序是 "一種分析方法，它圍繞人、事件和活動的相互作用，迅速整合來自多個情報源和來源的數據，以發現相關模式，確定和識別變化，并對這些模式進行定性，以推動收集和創造決策優勢"。

根據海軍研究生院（NPS）計算機科學家Joshua Kroll教授的說法，自動化是根據一套既定的規則對一個過程進行操作，這些規則被稱為一套顯性和隱性的規范。這些規則可以非常簡單，也可以非常復雜，由人類和機器以各種方式實施。這些規則在軟件程序中以 "如果，那么"的邏輯實現和編碼，然后可以與機械功能相配合，通常與人配合。自動化是有益的，因為它在機械或視覺上使一項任務自動化，同時避免了人類的弱點，如疲勞和不專心。

自動化和人工智能是不完美的，有時會有特定的錯誤。系統規則或規則的輸出可能不正確或不完整，它可能導致災難性的事件，導致自動化的研究停止或暫停。人的錯誤在系統錯誤中也會有很大一部分。

使海上數據流自動化的海軍傳感器已經推動了海軍運營商和戰略家為未來的海上戰斗空間重塑人工智能的采用。美國防部（DOD）的人工智能戰略已經加快了 "采用人工智能和創建一支適合我們時代的部隊。"簡單地說，使用有效的傳統技術是有價值的，但了解人工智能超級大國如何采用改變游戲規則的技術，對于改善海軍ISR至關重要。采用自動化的合適方式圍繞著知識、訪問和時間來進行相關和準確的預警。

第二種方法是定義和理解自動化和人工智能的文獻，包括其在社會各部門的看法。對自動化沒有一個公認的具體定義。我的方法將是概述來自政府、軍事、公共和私人的標準定義，并將他們的定義與計算機科學家等技術專家進行比較。當人們說或聽到人工智能這個短語時，各種想法和圖像就會出現在腦海中--從摧毀對手的致命自主武器或殺手機器人到不那么嚇人的圖像。對人工智能的看法可以從想象水手們坐在船上的電腦屏幕前到蘋果的Siri或亞馬遜的Alexa技術。對自動化的看法可以是簡單的流水線，到自動精簡信號以控制信息流，并納入數字地圖以顯示船只、飛機和潛艇的位置。定義取決于你問誰。

第三種方法是分析今天有關人工智能超級大國之間海軍ISR的自動化和人工智能能力。

第四種方法是構思和描述采用自動化加上人工智能新興技術的設計方法，這些技術可以在不到六個月的時間內被回收、重復使用和轉身，從而擁有為海軍ISR采用自動化的長期戰略的優勢。這種不規則的方法將納入有效性和性能的措施，并有一個苛刻的時間表，其中包括積極的、及時的和道德的標準。

1.3 研究方法

本論文方法將是開發一個適應性模型，用于比較分析今天美國海軍和中國海軍之間的自動化和人工智能能力，包括其海軍的空軍部分。我們的目標是產生一種研究方法，為參謀長聯席會議主席提供精確和簡明的指標和衡量標準，以便其啟發式地觀察和吸收，在今天采取行動，并在人工智能軟件開始超越現有技術時重新調整方向。在第二章中，對自動化和人工智能的文獻回顧進行了定義，海軍ISR的技術方面對于討論、概念化和在本論文中使用一個簡單的工作定義是必要的。

除了定性分析，定量分析將通過對有貢獻的行業公司（私營和公共）的網絡分析來進行，以追求為高層決策和反饋系統開發一個采用框架。混合方法的目的是為了確定情報、監視和偵察的自動化做法。對ISR自動化的徹底分析將使我們更好地了解海上戰場ISR的當前趨勢和限制。值得注意的是，采用的理論通常是基于組織或用戶；因此，將討論兩者。將使用埃弗雷特-羅杰斯（Everett Rogers）的擴散過程的S型曲線模型，研究在過去50年里ISR采用自動化的水平。

這篇論文將包括三個具體的自動化系統，它們可以連接到兩個重點自動化傳感器和兩個海軍采用的云服務來存儲ISR數據。這些系統包括無人潛航器（UUVs）、無人駕駛飛行器（UAVs）。除了美國防部企業范圍內的云解決方案，美國還整合了聯合企業防御基礎設施（JEDI）云計劃，這可以提高海軍ISR支持，并與中國保持同步。關于解放軍的云服務發展計劃，已知的公開信息很少。然而，在2017年，與解放軍合作的中國科技部招募了互聯網巨頭百度、阿里巴巴集團控股公司和騰訊控股--也被稱為BAT--用于云計算。

埃弗雷特-羅杰斯1962年的擴散過程S曲線模型將有助于更好地理解當前的采用方法。例如，美國國防采購系統（DAS）和聯合能力整合與發展系統（JCIDS），以及根據DODI 5000.2的2020年中層采購（MTA）途徑是美國技術采用的采購模式。還將使用定量措施來聯系相關公司的空間和時間網絡分析，私營和非營利公司，可以積極和消極地促進自動化的采用。其目的是可能揭示公司的專有權利和它們之間的距離或分離度，這可能顯示出未來海軍ISR的方法和整體采用過程中的弱點。

作為第三章的案例研究，將提供埃弗雷特技術采用的S型曲線的概述和一個逐步的過程，以幫助海軍ISR采用自動化和AI的過程。其他可提及的擁有采用自動化系統或AI工具的AI戰略的國家將在本論文中簡要討論，它們是英國、俄羅斯、法國、伊朗和韓國。

1.4 技術采用理論

幾十年來，技術背景下的采用理論一直是研究人員、商業和工業界的焦點。現代術語 "采用 "源自羅馬的一種采用形式，即adoptio。這個15世紀末的法語和拉丁語短語adoptare來自ad，意思是 "到"，optare意思是 "選擇"。簡單地說，人們可以選擇一個無生命的物體、人、地方或事物，或者選擇改變，或者不改變。

技術采用的S型曲線代表了一個理論框架，幫助概念化一個人或一個組織如何成功或不成功地采用一項技術。根據美國傳播理論家和社會學家埃弗雷特-羅杰斯（Everett Rogers）的觀點，創新技術的成功采用發生在一個分布式的鐘形曲線上，呈S型，它是由擴散曲線在時間和常態方面得出的（圖1）。采用系統的五個類別是。(1) 創新者；(2) 早期采用者；(3) 早期多數；(4) 晚期多數；(5) 落后者。了解S型鐘形曲線的各個階段對成功采用新興技術非常重要。

圖1以水平和拉伸的 "S "形式描述了技術采用率，采用率在Y軸上，時間在X軸上。這意味著，當一項技術最初被采用時，無論是技術還是市場條件，都需要幾年的時間來調整或發展到達到一個拐點，以實現快速采用。

圖1. 擴散過程的S型曲線模型

當市場開始飽和時，曲線就會變平，技術的后期采用者在飽和點上采用新興技術并融入競爭環境已經太晚了，這就是落后者的位置。海軍領導層會發現這一點很有用，因為這意味著最好是在S型曲線的拐點上，而不是在它的起點或終點。

隨著人口的增長，自動化和人工智能新興技術也將增長。S型曲線思想的歷史始于19世紀，其動機是為了了解更多關于人類的成長。羅杰斯的S型曲線采用理論是基于Logistic函數作為人口增長的模型，該模型由比利時數學家Pierre-Francois Verhulst在1839年首次提出。Verhulst將這一理論與人口增長聯系起來，最初他的想法來自英國人和政治經濟學家托馬斯-馬爾薩斯在1789年的《人口原理論》。在這一時期，人們擔心人口增長超過食物供應，以及未來養活人口的問題。從1950年到今天，美國的人口增長從3.3億美國公民增長到14億中國公民；促成了目前77.6億的人口，而且還在不斷增加。人類人口越是增長，對知識的渴求就越有可能，不僅是人類，還有自動化和AI。人們希望有更多的自動化系統，并采用人工智能技術，因為它們通常比人類更快，可以消耗更多的數據，同時提供智能和監控，有時某些技術只是使用起來很有趣。

S型曲線采用理論的一個重要推論是，海軍應該在已經成長并經歷過失敗的技術上建立公司，以實現成功采用。一些技術包括AlphaGo深度學習系統和IBM的DeepMind子公司谷歌，用于下圍棋的戰略游戲，或稱圍棋。2016年，計算機系統AlphaGo擊敗了韓國特級大師李世石。對于這兩個人工智能超級大國的海軍來說，這種模擬游戲直接關系到美國海軍和解放軍海軍之間的傳感器和計算機系統如何在海上戰場上相互學習。技術的采用和增長可以很好地轉化為生命周期模式，并以長期的累積增長來衡量。

自20世紀50年代以來，自動化技術的增長并不令人驚訝，而且是不完善的。根據Modus的說法，S型曲線 "來自于一個定律，即增長速度與已經完成的增長量和有待完成的增長量成正比"。就像生命周期--出生、成長、青春期或成熟和死亡的時期一樣，S型曲線階段作為減速、加速、換檔或完全停止并重新開始的關鍵機制。不是每一個為ISR設計的特定海軍傳感器或計算機系統都能實現對海上戰場的完美了解。

這種觀察在商業領域得到了認可和利用。谷歌前首席執行官和國防部顧問委員會的董事會成員埃里克-施密特認為問題是直接的。他認為，如果我們建立可靠的系統，在其中了解故障模式和錯誤率，計算機視覺是很容易理解的。通過宙斯盾接收、分析和傳播信息和情報，計算機系統與傳感器的連接有時間差，這在年輕的操作人員中產生了公認的挫折感，他們設想計算機系統和人工智能應用，就像高分辨率的視頻游戲，是采用自動化的一個弱點。

人類使用自動化軟件應用來解決問題。重要的是要明白，自動化目前沒有能力進行智力評估。人工智能模擬了人腦的認知功能和計算機視覺顯示數據。在美國海軍中，機器背后的人類操作員使用基于規則的自動化系統，該系統顯示雷達信號。靜止的數據--計算機中沒有被使用或操作的數據--被限制在輸入的數據量中。

采用理論的變化是不可避免的。與美國歷史學家Elting Morison的研究和反思過程相似，自動化的采用主要圍繞著四個不同的部分："任何機械變化的起源點的初始條件；變化的主要代理人的特點；那些抵制變化的人的性質；以及促進適應所引入的變化的手段。"不理解和忍受這些部分，就不能超越現有知識體系的門檻。

在2020年，我們處于另一個巨大的技術發展和GPC回歸的時代，通過這個時代維持未來的海權取決于在網絡空間的第四維度的優勢。俄羅斯總統弗拉基米爾-普京曾經說過："人工智能是未來，不僅是俄羅斯的，而且是全人類的。它帶來了巨大的機會，但也有難以預測的威脅。誰成為這個領域的領導者，誰就會成為世界的統治者。"自動化簡單的任務和采用人工智能工具，即使是傳統的系統，也需要改變今天的GPC和國家安全。

5 總結和建議

5.1 前言

這篇論文試圖比較美國和中國海軍采用自動化和人工智能進行海軍ISR的不同方式。將具體的自動化工具--宙斯盾、SSDS和346型--如何改善現代海上戰斗空間的問題進行了概念化。第二章概念化了自動化一詞--一種技術、過程或系統，機器通過它來實現一個特定的目標--和人工智能，一個更雄心勃勃的概念，提出了分析和評估能力。第三章描述了羅杰斯的技術采用的S型曲線，并建議總共有五類采用者來規范采用者類別的使用。這種方法很重要，因為如果沒有這種方法，在采用過程中，將想法討論和將適當的技術歸類到其適當的時間表是至關重要的。第四章展示并分析了兩國海軍采用自動化和人工智能海軍ISR平臺和軟件的方式。盡管美國海軍在海上優勢和空中優勢方面一直保持著主導地位，但中國海軍在主導人工智能以獲得未來的海權方面正在快速接近。

這篇論文包含一個七步戰略和設計過程，適用于簡單、復雜和特別復雜的自動化或人工智能應用的技術采用。這個理論過程可以幫助確定海上戰斗空間中成功的海軍ISR實踐所需的主要需求和材料。人、材料和物理空間代表了關鍵要素。本研究的理論框架確定了五個關鍵的技術采用能力：早期和季度的 "篝火談話"；有遠見的思想領袖；宏偉的戰略敘事；設計一個人工智能發展計劃；在計算機技術材料資源方面的領先；以及，為人工智能工程專家和海軍知識專家建立一個即時的和用戶友好的平臺。

本章涵蓋了調查結果的總結、人工智能的差距、倫理和人工智能、對美國海軍的建議，以及涉及海軍ISR的人機合作的自動化和人工智能工具的未來工作。

5.2 調查結果摘要

弗蘭克-巴納比提醒我們，"軍事技術正在使戰爭自動化。"目前的趨勢顯示，無疑是自動化處理、融合和產品交付，用于指揮和控制海上戰斗空間。我開始對自動化和人工智能應用于海軍ISR的調查，以更好地了解兩國海軍采用的機制和類別，不僅使每個海軍成為偉大的競爭對手，而且使其部隊成功的海軍人工智能力量有哪些特點和技術。

如果指揮官被信息或情報淹沒，海軍ISR技術采用的S型曲線的結論可能很重要，相反，可以刺激一種新的文化，采用自動化和人工智能的混合方式，將早期采用者與后期采用者折疊在一起。根據谷歌前首席執行官埃里克-施密特的說法，"美國防部有一個創新采用的問題"，應該對軟件系統采用DevOps，或開發運營的文化，并專注于 "客戶采用 "，文化發展的中心是用戶或戰術操作員和在兩國海軍中服務的AI工程師。例如，中國人民解放軍有一種采用技術較晚的發展文化。后期采用者或落后者可以從早期創新者的成功和失敗中獲益，因為這類采用者專注于采用和 "復制 "成功的技術，并觀察到哪些技術的失敗不被采用。

圖20表明，這兩支海軍作為近似的競爭者，在采用自動化方面是成功的；然而，它們處于曲線的兩端。這意味著美國海軍代表著創新和早期采用，而解放軍海軍代表著海軍ISR任務中采用技術的后來者。

圖20. 美國海軍創新者和采用者與中國人民解放軍后期采用者在S型曲線上的對比

這兩個大國競爭者似乎都在采用技術的前向或后向思維方式中共存并完成波長，但政治制度會影響采用技術的速度，無論是創新者還是后來者。

5.2.1 人工智能有利于專制的海軍

自動化和人工智能技術的采用速度往往有利于專制社會。根據中國的人工智能戰略，中國的計劃是通過快速發展人工智能成為全球創新中心，加強中國在采用自動化進行海軍ISR方面的領先地位。"中國的人口超過14億公民，大約有29萬解放軍人員，這大約相當于解放軍230萬人員的12.6％。自2018年以來，中國發表了約42.64%的頂級人工智能論文，約52%的人工智能全球專利，在人工智能公司中排名第二，有超過1011家公司，而美國的人工智能公司有2028家。"在私營部門，中國利用百度、阿里巴巴和騰訊（統稱為BAT）來推動人工智能的發展。中國擁有開放社會中較多人口的優勢，可以協助清理數據，開發或復制算法，并利用開源數據和社交媒體收集和監視海上的海軍平臺。也許，開發人工智能的公司和中國之間的強大反饋回路對軍隊來說是天作之合。

5.2.2 自動化和人工智能：國際海事治理的變化

此后，解放軍海軍能夠利用并聲稱擁有一種新的海事治理模式，并迅速接近其在人工智能方面的主導地位。中國已經開始在采用自動化方面超越美國海軍。在中國清華大學最近關于人工智能發展的工作中，中國國家人工智能政策演變的第五階段（2017年至今）顯示了下一代人工智能在軍事、工業和民用部門中的特點。自2013年以來，解放軍和中國建設和軍事化了其自造島（即，在第一個島鏈內，解放軍擁有 "主場 "優勢，可以監視和維護其在SCS有爭議島嶼周圍12海里的區域。解放軍繼續使用東雕級AGI船來了解美國的海軍事務。作為后來者，解放軍海軍將有可能 "復制 "美國海軍所展示的成功海軍ISR戰術和行動。

中國正在通過收集大量的數據，在人工智能方面領先于美國海軍的間諜船、偵察衛星和OTH雷達。摩爾定律，即每塊硅芯片的晶體管數量--計算處理能力每兩年翻一番，導致快速增長和生產力。中國正在利用收集從海上到太空資產的大量數據的優勢，生產高質量的數據。如果計算機處理能力每兩年翻一番，那么用長期收集的高質量數據進行過濾的難度就會降低，并且更容易在中央數據存儲（即云）中找到。

隨著中國繼續在當地和全球建立更多的網絡基礎設施，它顯示了它愿意為長期優勢承擔短期風險。另一個長期接受的因素，梅特卡夫定律，斷言完全連接的網絡的價值增長與兼容通信設備數量的平方成正比。例如，如果一個網絡有五個節點完全相互連接，每個節點的固有價值是x，它的力量是100倍（由于它有十個不同的鏈接），而單一鏈接的網絡的力量是5倍。雖然網絡的價值增加了兼容通信，但如果競爭對手破壞或黑掉其中一個節點，它也會增加網絡安全問題。解放軍的愿意承擔計算機網絡攻擊的風險，在人工智能方面占據主導地位，以實現長期戰略。

5.2.3 美國海軍的先發優勢：半導體和軟件

然而，美國在人工智能方面的領導地位已經超越了美國沿海地區，擁有比中國更多的海軍人員，并領導著建立網絡基礎設施所需的物質資源。雖然美國人口為3.294億，低于中國的總人口，但美國海軍有339,448人，比中國海軍人數多。美國海軍在采用人工智能技術方面具有先發優勢，不僅僅是因為它的人數比中國海軍多，而是因為美國在頂級人工智能公司方面處于領先地位。具體來說，美國的人工智能公司集中在企業軟件、半導體和量子計算方面。

然而，美國海軍與工業界或私營公司的聯姻可能會帶來重大問題，并與那些不或不堅持用人工智能支持軍隊的人工智能工程師產生摩擦。美國人才來自于硅谷、聯合人工智能中心、國防部的項目，如DARPA、DIU和NavalX。然而，谷歌、臉書和亞馬遜等頂級人工智能公司因隱私權問題受到批評，公眾對人工智能武器化的看法造成了無縫合作的問題。即使美國海軍和國防部在與硅谷合作，在60至90天內完成商業人工智能工具的原型制作并投入使用時，似乎在人工智能的某些方面處于領先地位，但這并不適用于所有海軍ISR平臺。美國海軍司令部可能能夠利用硅谷的人工智能工程師的商業人工智能工具，但傳統的美國海軍可能需要數年或數十年才能完全自動化并采用傳統的常規平臺的人工智能工具。

5.2.4 在人工智能和海權的未來，一艘自動化的航空母艦可能無能為力

ISR技術使海軍平臺幾乎無法隱藏，大量的數據可以欺騙競爭對手。勞倫斯-利弗莫爾國家實驗室高級研究員、海軍研究生院教授扎卡里-戴維斯博士在他的文章《戰場上的人工智能》中認為，"人工智能可以通過增加突襲的感知風險來侵蝕穩定性"，一方的人工智能支持的ISR平臺可以迷惑其他精致的ISR。 由于許多海軍ISR操作人員工作時間長，無法完全審核定位移動目標的相關性和準確性，也無法以速度和精度進行打擊，戴維斯稱今天的ISR操作人員很容易被大量的數據和過度收集的數據所害，而競爭者都很想操縱或欺騙其他競爭者。

5.3 AI差距：缺少連接AI工程師和運營商/用戶的AI平臺

這項研究顯示，沒有明顯的中央自動化或人工智能工具，具有連接人工智能工程師和知識專家或海軍用戶的即時通知技術，以更快地解決問題。自動彌合這一差距可以大大有助于獲得客戶和競爭對手的洞察力。根據蘭德公司關于評估數據分析的研究，一個特殊的挑戰與非結構化數據的收集和使用有關，而且不在固定的位置，如關系型數據庫.直接在一個中央數據庫內為人工智能工程師和海軍用戶自動化一個人工智能平臺，對于美國海軍解決和掌握至關重要。采用一個新的平臺來連接人工智能建設者和海軍用戶將有助于超越技術應用的拐點。

盡管收集的信息越來越多，這項研究顯示，描述性和診斷性的風格，特別是視覺分析和趨勢分析，被利用。人工智能提供了關于海軍ISR（即平臺和傳感器）所發生的信息，而診斷性人工智能則迅速指出了確切的問題或議題。正如第四章中提到的，美國海軍采用了一種OTH視覺分析工具，用于對來襲的海軍平臺進行預警。描述性和診斷性的人工智能都是在采用更復雜的預測性和規定性人工智能之前需要掌握的基本程序，其典型代表是神經網絡、模式識別、機器學習和深度學習。

預測性人工智能在美國海軍的數據分析武庫中是缺乏的。預測性人工智能為可能發生的事情提供數據--一個海軍平臺下一步可能去哪里，或者可能是為什么它下一步要去特定的地點。預測性人工智能技術的例子是機器學習、模式識別和統計建模；這種人工智能編程的方法使用歷史和統計數據來進行海軍活動的趨勢分析。預測性和規定性人工智能是對中國保持競爭態勢所必需的先進技術。

規定性人工智能也是缺乏的。規定性人工智能根據歷史數據提供數據，說明如果海軍ISR平臺在海上進行x、y或z的演習，會發生什么以及什么可以更好地發生，并提供建議。規定性人工智能的例子包括監督學習算法，如 "隨機森林"，它根據以前收集的數據或模型創建并將決策樹合并成一個 "森林"。這可以幫助支持未來的熱圖和生成對抗網絡（GANs）技術，用于兵棋推演或與競爭對手進行 "紅隊"。簡而言之，無論海軍是早期采用還是在所有其他海軍采用特定的自動化或人工智能技術之后，完善基礎知識并在每一級指揮部發展創新和人工智能操作的文化仍然是成功領導人工智能的關鍵。

美國海軍缺乏的另一個人工智能平臺是能夠從海上生活的 "正常 "模式中區分出可能的異常或反常現象。為了開發和采用區分海上異常或反常現象的技術，目前可用的材料，如來自硅谷的半導體和軟件人才，應該持續和頻繁地訪問和測試。軟件或硬件不足的問題會導致更新的延遲，這最終可能會對識別和定位在海上行動的解放軍部隊構成問題。

人工智能和軍事技術的商業化可能是下一個改變游戲規則的威脅。商業行業出售和使用的無人機可能導致競爭對手使用蜂群戰術來對付關鍵的傳感器，如宙斯盾、SSDS或龍眼雷達。每一級的自動化和人工智能都會增加一層復雜性，以診斷、預測和規定解放軍的下一步行動。此外，如果解放軍與商業部門一起開發人工智能，就會減少美國海軍對具體軟件或硬件更新的控制。對特定的自動化或人工智能工具的控制減少，可能導致其他競爭者或對手購買、銷售和采用這些工具，并利用它們直接對付美國海軍。

5.4 建議

這項研究提供了四個主要建議。另一個已經在快速采用新興技術的模范社區是特種作戰部隊（SOF），特別是特種作戰司令部另一個已經在快速采用新興技術的模范社區是特種作戰部隊（SOF），特別是特種作戰司令部（USSOCOM）。根據NPS教授Leo Blanken的說法，DIU、NavalX和USSOCOM等美國防部組織可以提供 "一種簡單且具有成本效益的方式來改善該領域的現有創新工作：將軍事研究生研究人員與已部署的特種作戰部隊結盟，以快速建立原型：概念和技術。"SOF社區為快速原型設計提供了一個有吸引力的測試平臺，并將戰術用戶與人工智能工程師即時聯系起來。

其次，美國海軍應該投資并采用 "DevOps "文化，以保持對解放軍的競爭優勢。在一個等級森嚴的組織中，培養和實踐DevOps將內在地從人工智能學校或部署前和部署后周期的教育時間開始。這只能由負責的高級官員進行灌輸和啟發。可以說，美國在創新和軟件技術及人才方面繼續領先，但可以通過將美國海軍司令部或總部設在商業和私營人工智能公司附近來進一步提高，以培養和采用下一個人工智能的突破。

第三，在為航母植入更多自動化和人工智能的同時，相應的理論應該考慮蜂群戰術和網絡空間。就像一窩蜜蜂可以蜂擁而上超越一頭熊一樣，自主的無人機可以輕易地蜂擁一個航母打擊群，特別是宙斯盾或SSDS及其相關的天線。如果不將蜂群技術與作戰和戰術ISR任務結合起來，其后果可能導致競爭對手以極小的代價摧毀宙斯盾或346型，并對海軍ISR造成巨大的損害。

第四，兩國海軍共享網絡空間。JP 3-12將信息主導權定義為 "一支部隊在網絡空間的主導程度，允許該部隊及其相關的陸地、空中、海上和太空部隊在特定的時間和地點安全、可靠地開展行動而不受對手的干擾。"網絡空間是自動化海軍平臺的致命弱點，因為海軍ISR平臺之間的自動化和通信依賴于共享信息空間和解讀頻率進行通信。

這篇論文發現了在海軍ISR采用自動化和人工智能時應該考慮的五點:

1.從第一天起就制定一個戰略敘事，并在每個指揮層討論人工智能戰略。戰略敘事是一種特殊的故事，一個組織可以清楚地理解和參與這個故事。這很重要，因為它能告訴其他海上競爭者你是誰，你曾經去過哪里，你要去哪里，以及你在哪里。每個指揮部都應該希望激勵其軍隊成員，讓盟友和合作伙伴興奮，并吸引用戶，如人工智能工程師和人類操作員。

2.控制了建立自動化和人工智能所需的技術材料的國家和海軍，如半導體、硅和鍺，將在未來海權的人工智能方面占據主導地位。市場是否準備好支持軍方在海軍ISR方面的解決方案？

3.采用自動化的成敗在很大程度上取決于對電磁頻譜的控制和頻率的解調能力，如果不是全部的話。

4.應該有一個自動化的人工智能反饋平臺，以便軍事用戶和人工智能工程師可以直接發短信和說話。一個獲勝的、更好的端到端產品需要很好的用戶體驗，以實現高效的工作流程和即時的報告。

5.早期采用者和后來者之間的重大洞察力表明，美國海軍和解放軍海軍在技術采用和競爭的波長上處于兩端。在羅杰斯在第三章關于技術采用的S型曲線的工作中，美國和中國海軍領導人都落在S型曲線的兩端，適合他們各自的組織和理論結構。

5.5 海上力量的未來和未來工作：人機合作

人類和機器聯手是在海軍ISR事務中采用自動化和AI的關鍵。本節涵蓋了未來的工作和采用自動化和人工智能過程中的長期考慮。這些因素是：為操作者提供自動化的健康指標；利用量子計算的研究；以及各種現實技術（虛擬、增強和混合）的增加。

5.5.1 團隊AI健康：COVID-19

海軍ISR和采用自動化或新興技術的重心取決于海軍平臺上健康的人類操作員來操作這些系統。如果一種流行病在一艘航空母艦上蔓延，如USS Theodore Roosevelt (CVN 71)，那么所有支持航母行動的ISR都會停止，美國海軍未能采用AI進行監視--其后果可能會導致生死攸關的情況。AI可以提供重要的人類輔助工具，可以將明確的指標自動化。

指揮官會發現，為海軍操作人員的各種設計制定策略，并設計一個整合健康實踐和人工智能的戰略是非常有用的。一個自動化的紅綠燈圖表和每日追蹤器，帶有閃爍的通知符號，將有助于為指揮官和決策者指示診斷出的問題或觸發因素。與生物事件相關的社會破壞的自動化指標的一個簡單模型是威爾遜-科爾曼量表，即生物事件可能性增加的四個階段：有利條件、單焦點或多焦點生物事件、嚴重的基礎設施限制和當地反應能力的耗盡，然后是社會崩潰。第二個復雜的模型是約翰霍普金斯大學冠狀病毒互動地圖。另一個可以提取或利用模型的數據庫是康奈爾大學的arXiv數據庫，供世界頂級人工智能研究人員提交給斯坦福大學的知名資料庫（見附錄）。以互動的方式自動列出SWOT，可以使海軍ISR受益。這很重要，因為有一個明確定義的任務和問題清單有助于盡早診斷出問題，并迅速找到合適的人工智能研究人員。

5.5.2 量子計算

對量子計算的進一步研究將有助于美國海軍對人工智能的成功采用。量子計算超越了二進制數字（比特值為0或1），這是計算機中最小的數據單位，并使用研究人員托馬斯-坎貝爾所說的 "量子比特，其中單個比特可以處于三種狀態之一：開、關，以及唯一的，同時開和關。"在2018年的美國國家量子倡議中，國會確定國家標準與技術研究所（NIST）和能源部的量子信息科學研究中心為量子計算的頂級領導部門。因此，美國海軍應不斷與NIST和能源部密切合作。在這種情況下，國會是資助和提出法案以啟動海軍內部采用新興技術的最高關鍵之一。雖然處于初級階段，但量子計算可以提高人工智能的速度，特別是在機器學習方面，以便迅速發現模式并過濾大量數據集；它將為未來的海權投下長長的陰影。

5.5.3 倫理與人工智能

美國和中國都發布了 "原則"，而不是專注于自動化和人工智能是否符合道德、道德上允許或不允許的爭議性問題。2019年6月，中國科技部發布了《新一代人工智能治理原則：發展負責任的人工智能》，其中列出了人工智能治理的八項原則：（1）和諧友好；（2）公平公正；（3）包容共享；（4）尊重隱私；（5）安全可控；（6）責任共擔；（7）開放合作；（8）敏捷治理。2020年2月，美國防部的國防創新部門花了15個月時間才宣布采用人工智能道德的五項原則。它們應該是負責任的、可靠的、公平的、可治理的、可追蹤的。發布像人工智能倫理指南這樣的原則表明，兩個國家都希望在人工智能的發展中具有靈活性，但也有責任。不管有沒有原則，關于使用人工智能的主要爭議很快就與人工智能的錯誤識別以及自動化和人工智能工具武器化的可能性有關。

首先，存在與人工智能和軍事有關的倫理問題，這些問題在電影中都有描寫，如《終結者》或《我，機器人》，這些電影最初是艾薩克-阿西莫夫的深思熟慮的短篇小說，并在現實生活中得到了證明。一些人認為，軍事技術或人工智能在軍隊中的使用不應繼續下去，因為計算機系統可能會自行行動，或根據流行的電影和社交媒體做出自己的致命決定。如果人工智能告訴人類操作員一架飛機有敵意，那么指揮官只有幾秒鐘的時間來決定是否根據現有信息作出反應。然而，自1988年以來，在ISR平臺上采用自動化和人工智能工程，增加了透明度，避免了像美國海軍文森號這樣的事件，這是人的錯誤而不是機器的錯誤。可以說，自動化有助于防御友軍或敵軍的火力，有助于國家安全。

第二，在人機合作中，人是道德主體，而機器不是，但可以被打造為提供道德的選擇。在亞里士多德的《尼各馬可倫理學》中，一個有德行的人并不持有公開的德行態度，而是在特定情況下以某種方式行事，并有一系列的理由。人類可以有意識地做出單獨的選擇；而今天的機器只是協助人類做決定。在美國海軍中，道德問題很可能取決于傳統主義或法律主義的觀點，也可能是以更多的探究性或可能是功利性的心態來修正一種觀點。

在中國人民解放軍中，未來關于道德和采用自動化的工作可以通過中國的道德決策來研究。在中國，倫理學與美德倫理學密切相關，涉及一個人應該如何生活，以及后果主義，涉及所有涉及物質產品的利益。

雖然今天的人工智能機器在一定程度上是自主的，但人工智能機器最終可能會根據特定的道德倫理規范，比人類更快地提出后果。兩個嚴重的倫理問題是：自主系統在未來能否或將被歸類為道德代理人？如果在生死攸關的情況下，對違反人類戰爭法的無道德的代理人--自主系統--缺乏問責，會發生什么？NPS教授Bradley Strawser提出的這些倫理問題值得考慮，但超出了本論文的范圍。

5.5.4 人機合作與虛擬現實（增強現實）。

雖然Ishare對自動化和人工智能大大改善人類福祉的潛力抱有極大的熱情，但智力優于人類的機器的發展可能會導致人類操作者頭腦中的認知失調，并可能被用作一種威懾機制。愛因斯坦警告說，原子的力量會改變我們的思維模式。原子彈導致了廣島和長崎的核災難。然后，核電變成了 "核大決戰 "的想法，這是一個涉及使用核武器造成廣泛破壞并最終導致文明崩潰的理論情景。今天，前國務卿亨利-基辛格等人認為，人工智能威脅著我們的意識以及我們理解真理和現實的方式。"人工智能可以作為威懾工具的概念是一個重要問題，可以在未來的研究中進一步研究。

根據這項研究，海軍ISR平臺的自動化程度越高，人工智能工具的增加，海軍事務和海權將變得更加虛擬。最近的報告，如美國 "2020年美國國防訓練中的擴展現實應用"，闡明了數字轉型對人類的日常影響，并已延伸到虛擬現實（VR）、增強現實（AR）和混合現實（MR）技術，這可能是下一個顛覆性技術。各種形式的VR的商業化可能會成為對海軍部隊的威脅。本研究沒有涉及現實技術，VR、AR或MR對于保持人類安全不受傷害或作為一種威懾工具是非常有用的。

由于愛因斯坦和基辛格分別就核戰爭的災難和人工智能對人類意識的威脅提出了警告，人工智能可能會走向一場 "認知戰爭"。認知戰爭將是在海上戰場上使用自動化和人工智能，幾乎由不在海上的人類控制。作為一種威懾工具，人工智能可以被用來用 "假的注入數據 "來威脅競爭對手在海上可能存在的海軍威脅，而實際上，沒有機器存在或曾經存在過。

在一場由自動化和人工智能驅動的革命中，人類正處于信息主導的邊緣。自古以來，海上的艦隊一直在尋求了解地平線外的情況，即敵人可能潛伏的地方。一個世紀前，安裝在駕駛飛機上的無線電和雷達的興起使海軍有能力將監視范圍擴大到地平線以外。具有諷刺意味的是，人工智能解決問題和管理信息的最終效果可能是人類推理、智能和決策的轉變。今天，自動化既在全球范圍內擴展其影響力，又在解釋大量的信息以解決問題，并比以往任何時候都更能創造出充分的透明度。真正的，自動化ISR正在改變人類的知識、認知、現實，并最終改變21世紀海權的面貌。

美國國防部和空軍領導人認為，人工智能（AI）是一種改變游戲規則的技術，將幫助空軍情報、監視和偵察（ISR）體系克服大國沖突所需的情報分析速度和規模方面的長期挑戰。傳感網格概念（最近更名為傳感器集成）被作為未來框架引入，以整合人工智能和認知建模工具融入空軍ISR，但對于對手的威脅和道德方面的考慮卻很少討論，而這些考慮應該貫穿于系統的設計和功能模塊。為了讓空軍內部的人力和組織做好準備，以整合高度自動化的人工智能情報分析系統，領導人必須倡導以人為本的設計，從歷史上人機協作的成功和失敗中吸取教訓。領導人還必須采取積極主動的方法來培訓空軍的ISR勞動力，以便與革命性的但不完善的人工智能技術進行有效協作。

問題陳述

根據美國空軍作戰集成能力（AFWIC）傳感跨職能小組的說法，空軍情報、監視和偵察（ISR）的現狀是高度專業化、專有化，并且過于依賴人力密集的回傳（reach-back）過程。當規劃人員展望未來的大國沖突時，他們評估目前的硬件和分析過程將不足以建立對同行對手的決策優勢，情報工作在勝利所需的速度和規模方面落后。空軍A2的 "下一代ISR主導地位飛行計劃"對目前的ISR體系也提出了類似的批評，主張擺脫今天的 "工業時代的單一領域方法"，以追求 "架構和基礎設施，以實現機器智能，包括自動化、人機合作，以及最終的人工智能。"雖然為空軍人員提供更快更智能的工具來制作和分享評估是空軍高級領導人的優先事項，但引入更高水平的自動化和機器主導的感知為情報界帶來了一系列新問題。考慮到這些工具可能遇到的篡改和故意提供錯誤信息的威脅，依靠算法走捷徑是否安全？追求由自動化武器系統促成的戰爭到底是否合乎道德？如果是這樣，情報界采用自動化工具以更快的速度產生關鍵的情報評估會帶來什么風險？

人工智能（AI）一詞被美國防部聯合人工智能中心定義為 "機器執行通常需要人類智慧的任務能力--例如，識別模式、從經驗中學習、得出結論、進行預測或采取行動。"參議員們希望AI能夠很快為人類分析師用來進行評估的軟件套件提供動力，并使物理系統在更多的自主應用中發揮作用。機器學習（ML）被國防部高級研究計劃局（DARPA）定義為人工智能中的一個領域，"將統計和概率方法應用于大型數據集"，并可以將衍生模型應用于未來的數據樣本。利用ML好處的一個流行方法是通過深度神經網絡（DNN），它可以使用歷史數據被訓練成執行一系列的分類和預測任務。雖然在AFWIC或A2的出版物中沒有特別提及，但在模擬人類思維過程的應用中使用AI、ML和DNN是計算機科學和心理學的一個混合領域，稱為認知建模。在AFWIC對未來空軍ISR體系的設想中，AI、ML、DNNs和認知建模概念是向數字化、以網絡為中心的情報方法轉變的關鍵部分。

為了給空軍ISR體系的現代化舉措提供一個框架，AFWIC建立了傳感網的概念，定義為 "傳感器、平臺、人員、設備、內容和服務的組合，為決策者提供整體、準確、預測和及時的作戰環境特征。"該概念的設計者設想了一個具有預測分析、自主傳感和響應、融合多個數據源和邊緣處理的系統，所有這些都是通過利用AI、ML、DNN、數據分析和其他認知建模方法來實現的。盡管沒有公布傳感網格的首次亮相日期，但大多數討論表明，優化的系統簇至少還有十年。同時，美國防部領導層非常迫切地要趕上中國和俄羅斯在軍事人工智能應用方面的投資，鼓勵快速原型設計和實驗，以找到解決方案。人工智能在國防論壇上經常被認為是使以數據為中心的情報任務更快、加快戰術決策的答案，但如果所涉及的系統處于工程的初級階段，并且在國家安全領域仍未得到證實，這僅僅是猜想。

雖然AFWIC和空軍A2專注于人工智能傳感器和工具的研發投資，但很少討論使傳感網格安全和有效所需的人機合作動態。為了使傳感網格成為一個有效的系統，為空軍執行ISR和分析的方式帶來價值和進步，領導人應該在技術中倡導以人為本的設計，培訓和準備一線分析員與新系統有效的協作，并根據人工智能的優勢和劣勢調整組織做法。空軍領導人必須承認將更多的分析任務分配給人工智能工具所固有的對抗性威脅和道德問題，這些問題必須告知感知網格的藍圖。這并不是說正在進行的系統軟件開發應該停滯不前，而是說在情報和物資領導人之間必須同時進行對話，討論人類分析員的作用，因為這對減輕越來越多地依賴人工智能的弊端至關重要。空軍領導人還必須推行一項深思熟慮的計劃，將傳感網格組件整合到當前的傳感、識別、歸屬和共享（SIAS）活動中，使一線分析員為 "更高級別的推理和判斷"任務做好準備，同時承認機器應該增強人類任務，而不是完全取代人類。

接下來本文將提供與人工智能系統相關的脆弱性和道德問題的文獻回顧，以深入了解建設和應用傳感網格可能面臨的挑戰。它還將包括討論在完成和應用這個改變游戲規則的系統之前，情報和物資領導人應該考慮哪些因素。本文最后將就如何為空軍ISR戰斗空間準備傳感網格提出進一步的建議，為空軍人員在數字時代的行動提供必要的場景設置。

文獻回顧

最近關于將人工智能應用于認知任務的相關弱點的研究大多強調了對抗性樣本的危險性，這些樣本修改了DNN的輸入，導致它們控制的系統以各種方式發生故障。對抗性輸入可以是物理的或非物理的，可以影響各種數據分類器分類媒體，包括圖像、音頻文件和文本。最常提到的物理欺騙樣本是一個實驗，工程師通過將停車標志調整成不同的角度來愚弄自動駕駛汽車上的光學傳感器，導致車輛錯過停車。物理欺騙在國防應用中不是一個新穎的計劃，但將邊緣處理和自動化納入像傳感網格這樣的系統可能排除了人類分析師第一手識別這些戰術。在非物理領域，訓練算法以類似于人腦的方式來識別模式是一項具有挑戰性的任務。計算機視覺（CV）算法對圖像的分類與人類分析人員非常不同，當只有幾個像素不合適時，很容易對物體進行錯誤分類。在不太直接的情況下，工程師無法解釋模型的錯誤，刺激了DARPA等組織對可解釋人工智能的倡議。 在最好的情況下，對抗性輸入被識別為異常值，并被具有強大訓練樣本的CV模型所忽略；在最壞的情況下，它們可能會破壞現實世界的輸入，并在人類分析師不知情的情況下從樣本中數字化地刪除物體或活動。如果對抗性輸入導致分析師錯過他們通常會在沒有協助的情況下捕捉到的重要活動，就會產生災難性的后果。

如果將AI、ML和DNN應用于情報數據集背后的目標是以更高的速度分析和傳播更多的信息，那么自然語言處理（NLP）也可能是感知網格架構的一部分。NLP模型今天被廣泛用于個人和商業用途，像Siri和亞馬遜Alexa這樣的工具使用語音提示來啟動其他應用程序。NLP模型也可用于大量文本或其他媒體的理解任務，使用衍生數據回答問題。這種技術在融合多種數據源的SIAS任務中可能非常有用，但也可能容易受到干擾。NLP中的對抗性輸入可以引入錯誤的句子或用文本文件中的反義詞替換關鍵詞，導致模型在沒有時間或能力進行人工審查的情況下錯誤描述數據集。

與任何分層模型的方案一樣，CV和NLP模型是否能像預測的那樣有效地協同工作還是個未知數，更不用說檢測像Deepfakes這樣在非保密領域進入DNN的偽造數據了。人類分析員離通常可以檢測錯誤信息的源數據流越遠，SIAS就越容易受到錯誤輸入的影響。盡管有這種擔憂，但空軍A2的指導意見表明，人們對分層模型利用非保密的公開信息（PAI）進行無縫傳感器提示寄予厚望，使ISR體系能夠更有效地找到相關目標。如果沒有一種強大的方法來檢測提示傳感器的PAI樣本中的偽造媒體，這個過程可能難以安全地實現。

技術的復雜性和自動化、人工智能系統對篡改的潛在脆弱性，引發了關于在軍事行動中應用這類技術是否符合道德的討論。雖然傳感網格的設計不是為了直接使用武器，但來自該系統的情報數據很可能為關于多個領域的關鍵決策提供信息。關于AI/ML的倫理學文獻通常對采用自主運作、人類干預窗口有限的系統持批評態度，其邏輯與反對地雷等傳統自動化武器的倫理學論點相似。雖然傳感網格及其前驅系統將具有比壓力板裝置高得多的認知行為屬性，但一些人認為，人類對黑盒系統的控制同樣很少，這些系統在向人類操作者提出選擇或結論之前，會執行層層的算法通信。

幸運的是，人工智能系統可能也能夠在人類容易出現道德失誤的情況下進行補償，因為機器不會經歷像恐懼或驚慌這樣的情緒，而這些情緒可能會引發危險的決定或違反LOAC。盡管利用人類與認知模型合作的這一潛在優勢是謹慎的，但美國防部的指導意見將速度作為人工智能最有用貢獻的具體價值，這引入了更多道德難題。對個人決策的測試表明，人類在復雜環境中的風險評估能力已經很差，而引入人工智能，使人類判斷的價值邊緣化，只會導致更快的、風險更高的結論。當人工智能帶來的錯誤評估或草率決定導致災難性錯誤時，問責也是美國防部領導人必須準備解決的混亂道德問題。

大多數文獻中隱含的減輕對手篡改和道德失誤威脅的解決方案，是在人類控制器和自主的人工智能系統之間進行最佳分工。不足為奇的是，對于這應該是什么樣子，以及它如何適用于像傳感網格這樣的系統，有許多觀點。一些人認為，在國際協議框架中沒有雇用自動武器系統的空間，并將其缺乏責任感與兒童兵相比較。其他人認為，如果像聯合目標定位這樣的程序以同樣的嚴格和參與規則進行，人工智能工具將不會導致不可接受的失控。雖然人們認為迫切需要通過購買現有的商業軟件向聯合情報界提供傳感網格的能力，但如果美國防部領導人希望減少前面討論的風險，工程師、需求所有者和分析師必須致力于仔細討論人工智能應用在ISR體系中最有幫助的地方以及它們有可能造成傷害的地方。

討論結果

當涉及到投資建設由人工智能和認知建模應用驅動的未來ISR體系的項目時，美國防部和空軍除了需要快速投資并與大學和國家實驗室合作外，提供的指導有限。除了系統 "事故風險較低；對黑客和對手的欺騙行為更有彈性和表現出較少的意外行為"之外，對該部門在人工智能投資方面所期望的指導也是有限的。缺乏特殊性可能是人工智能在國防部戰略中首次出現的癥狀，但自滿和滿足于為投資而投資的情況并沒有遠遠超過這種情況。使用該技術的社區有責任決定與認知模型建立哪種類型的協作關系將提供最大的利益，但戰略指導似乎將責任交給了實驗室和行業合作伙伴，責成外部人士確定人工智能將解決的問題和解決方案。如果空軍ISR領導人在討論如何最好地將人類分析員與人工智能工具協作方面不發揮積極作用，他們將如何評估開發人員是否在提供資金的情況下取得足夠的進展？美國防部如何相信由非業務伙伴開發的解決方案能夠充分解決安全和道德問題？在什么時候，人工智能會從一個脆弱的研究項目過渡到改善SIAS的速度和準確性的可行解決方案？

討論人工智能及其在情報工作中的預期功能的一個更有成效的方法是，不要把它當作一個神奇的子彈，因為它的定義太不明確，根本無法研究。雖然將認知模型應用于情報過程可能是新的，但在戰爭中實現自動化的技術已經存在了幾十年。領導人必須考慮現代戰爭中已經存在的人機合作結構，以獲得設計和整合傳感網格的經驗。對于空軍ISR來說，分析當前和歷史上人類分析員、機載傳感器和戰區決策者的團隊合作是一項有益的工作。機載ISR傳感器的性能衡量通常通過傳感器輸出的響應性和準確性等因素來評估，但了解傳感器數據引發的分析和決策過程也很重要。例如，光譜成像傳感器可以被用作異常檢測器，突出不尋常的物體或活動，供人類分析員審查和報告。報告可以傳播給行動領導人，然后他根據情報做出決定，命令對異常活動的來源進行空襲。如果這一連串的事件在行動過程中習慣性地發生，那么傳感器和人類在循環中的互動可能會開始改變，而傳感器被潛意識地重新歸類為威脅探測器。在這種情況下，傳感器的性能規格并沒有改變，但隨著時間的推移，團隊關系中的人類開始對傳感器的輸出應用不同的價值，這可能是外部激勵因素的影響。雖然大多數分析家都知道，假設所有的異常情況都是威脅是不正確的，也是危險的，但人機協作關系演變為扭曲人類判斷的微妙方式是值得關注的。為了確保人機協作以道德方式進行，領導者必須反思協作結構如何在無意中抑制組織的價值觀。對新作戰技術的準確性和穩健性的要求是合理的，但了解技術煽動的組織行為和習慣對有效和道德地使用是最重要的。

除了在ISR體系內應用現有的人機合作經驗外，人工智能感應網格的設計也應以人為本。雖然在建立一個由人類分析員使用的系統時，這似乎是顯而易見的，但在復雜的系統工程項目中，人因工程和人機協作的考慮往往是一個低優先級的問題。這部分是由于傳統的組織障礙，將軟件工程師和人因專家放在不同的部門，尤其是后者專門研究認知心理學、神經科學和機器人學等學科，這些學科在一些項目中可能發揮有限的作用。未能在復雜系統中適當整合人的因素的后果是可怕的，這在波音公司的737 Max飛機上可以看到，該飛機在2018年和2019年發生了兩起致命事故。兩份事故報告都提到高度自動化的機動特性增強系統（MCAS）軟件是導致飛機失事的一個重要因素。 雖然MCAS被設計為使用傳感器輸入來協助飛行安全，但糟糕的人為因素考慮使得該系統在觸發自動程序后，飛行員很難覆蓋。雖然培訓用戶與新系統合作是入職的自然部分，但由于缺乏人為因素工程而導致的陡峭學習曲線是一種風險，可以通過對人類和機器行為進行建模來減輕，因為它們與手頭的任務相關。 在這種情況下，建模將幫助系統架構師確定在特定的團隊合作關系中造成誤解的溝通差距，也許可以提供關于機器如何在緊急情況發生前向人類操作員充分披露其局限性的洞察力。

當我們推測如何最好地促進人機互動，充分解決與人工智能和自動化相關的安全和倫理問題時，尋求視覺分析專家的咨詢可以提供有價值的設計見解。"視覺分析是一個科學領域，它試圖通過交互式可視化增加人機對話來提高自動化、高容量數據處理的透明度。 為分析師提供一個團隊結構，讓他們選擇如何可視化數據集，可以在自動化、機器輔助的數據精簡和人類判斷之間取得有利的平衡。在傳感網格的可視化分析的最佳應用中，分析師將以高度的信心理解數據集的重要性，這得益于調整基礎分析過程的能力。 理想情況下，可視化分析使用戶能夠通過向系統提出關于數據的假設和問題來利用他們的學科專長，使他們能夠通過對話得出結論。視覺分析中的一種被稱為語義互動的方法也可能是有幫助的，創建的模型可以將分析師與視覺數據的對話轉化為模型的調整，推斷和學習人類伙伴執行常規任務的原因，如突出、復制等。考慮到前面詳述的學科有多新，建立明確的測試和評估標準將是準備將這些和其他團隊技術納入SIAS任務的重要步驟。

美國空軍研究實驗室（AFRL）內的各局無疑面臨著許多挑戰，在這個概念正式確定之前，他們一直致力于建立傳感網格的組成部分。將人工智能整合到智能架構和軟件中的工程師和開發人員主要在羅馬實驗室AFRL信息局（AFRL/RI）工作，分為多個核心技術能力（CTC）團隊。特別是處理和開發（PEX）CTC將深入參與開發實現傳感網的DNN，其任務是"為空軍、國防部和情報界提供快速感知，以提高對形勢的認識和對抗的洞察力"。在PEX CTC中，項目按功能分為特征化、極端計算、理解和預測項目，涵蓋了從數據提取到高級感知的一系列步驟。人因工程方面的專業知識來自位于兩個州外的萊特-帕特森空軍基地的飛行員系統（RH），一個跨學科局。下一步，PEX CTC的項目可能會與AFRL的其他部門（如傳感器（RY）或航空航天系統（RQ））的開發項目相結合，將RI的SIAS部分與新的機載收集傳感器和車輛聯系起來。目前，RI的工程師使用來自實際聯合和國家情報來源的樣本數據流，逐步解決在大量非結構化數據中進行分類的計算挑戰。尋找解決方案以保持物理系統的尺寸、重量和功率要求可控，也是一個持續關注的問題，特別是在像Agile Condor這樣尋求在機載系統上提供高水平邊緣處理的項目。

正如前面的文獻調查所示，在DNN中建立穩健性和安全性，以防止ML中的對抗性干擾，是任何網絡開發者都關心的問題，RI內部的團隊也不例外。DNN已經在實驗室環境中以意想不到的方式學習或失敗，引入與人類感知相矛盾的對抗性輸入，可能會使開發有用工具的進展受挫。如果系統繼續隨著新數據集的發展而發展，那么可能很難確定技術成熟度的基準，在這種情況下，AFRL將維持責任轉移給空軍生命周期管理中心（AFLCMC）是合適的。雖然這一點與建立人工智能傳感網格組件的測試和評估標準的重要性有關，但它也應該引發關于復雜系統在開發和維持組織之間的移交是否適合這種技術的討論。理想的情況是，在DNN上擁有最多專業知識的團隊建立模型，并在其整個生命周期內維護它們。一個更有可能和更少破壞性的行動方案是建立具有可升級底盤和外形尺寸的傳感網組件，允許在可用時用替換設備進行簡化升級。考慮到國家實驗室、DARPA、麻省理工學院、卡內基梅隆大學和其他機構的大量人工智能研究投資，空軍領導人應該考慮如何在研究結果公布后，整合部門的投資回報，以改善感知網的設計和功能。

對于美國防部和空軍領導人來說，為未來傳感網的整合創造條件，還有其他獨特的倫理挑戰需要協調。如果 "傳感網格"及其組件能夠提供該概念所承諾的快速和強大的傳感功能，那么期望所有使用該系統的一線分析員都能理解其工作原理是否合理？在發生災難性錯誤的情況下，初級分析員是否需要了解該技術，以便對涉嫌疏忽的錯誤負責？"將邊緣處理納入傳感網設計也是一個有道德爭議的話題。雖然自動數據處理可以節省SIAS的時間，但分析師如何知道邊緣計算程序是否出現故障，或者他們是否被對手欺騙？從傳感器的邊緣去除人類的認知勞動可以更快地提供數據，但結果的準確性可能會有所不同。那些認識到這些問題，但卻因為要比中國或俄羅斯更快地投入技術的壓力而推遲解決的領導人，應該仔細思考這一立場背后的原因。雖然中國和俄羅斯的政府形式與美國根本不同，但事實是，這兩個國家都有等級制度，對國防事務中的錯誤和不精確性的責任也很重視。以類似于核計劃的方式，美國政府應該領導國際社會與競爭對手分享安全、設計良好的人工智能算法的傳統技術，確保沒有國家因為糟糕的態勢感知工具而引發誤解導致的沖突。最好的國際人工智能軍備控制可能來自于對人工智能研究結果的盡可能透明，并倡導負責任地使用該技術。

建議

盡管完整形式的傳感網格還需要幾年時間才能實現，但最終系統的組成部分可能會在未來十年內逐步投入使用。在為下一代人機協作做好技術、人員和組織的準備方面，還有大量的工作要做。美國防部和空軍ISR領導人不應等到正式的系統首次亮相時才開始倡導在傳感網格技術中采用以人為本的設計，將人工智能的培訓目標納入對一線分析員的指導，并為組織接受該技術和與之合作做好準備。當涉及到設計和構建這個復雜的系統時，物資領導人在考慮采購商業的、現成的軟件以獲得更快的數據匯總解決方案時，應該謹慎行事。在沒有為傳感網格及其系統如何運作建立測試、評估和安全標準的情況下，過早地整合多用途商業軟件可能會給傳感網的人工智能互動帶來不確定性和風險。

此外，找到更快解決方案的愿望不應該先于對人的因素的考慮，因為這對安全和富有成效的人機合作至關重要。美國防部領導人還應該認真審視在整個傳感網中整合邊緣處理的計劃，將其作為一個安全和道德問題，并應仔細思考在哪些地方將人類感知與傳感器輸出分離才是真正合適的。雖然培訓人類分析員是ISR體系可以采取的最明顯的措施之一，以減輕來自外部干預和道德失誤的威脅，但物資領導人也必須考慮他們在采購精心設計的、以人為本的技術方面的作用，作為一個同樣重要的保障。

正如美國國防創新委員會的AI原則。雖然年輕的分析員在快速學習數字應用和程序方面表現出很強的能力，但初級人員也傾向于以令人驚訝的方式信任技術。因此，這些分析員必須繼續接受情報分析基礎知識的培訓，使他們善于識別傳感網格中的算法錯誤和遺漏。空軍領導人在2018年為促進AI和ML素養邁出了務實的第一步，啟動了一項試點計劃，以確定具有計算機語言經驗的空軍人員，希望在各種舉措中利用那些具有編碼專長的人。雖然這項措施將有助于區分具有較高數字熟練度的分析員，但教導勞動力如何運作計算機模型可能是一個更有用的技能組合，以準備在傳感網中進行人機合作。"為傳感網就業準備一線分析員的最壞方法是依靠及時培訓來彌補勞動力對技術知識的差距，從而為SIAS活動引入更大的錯誤率。

為了讓組織準備好接收和整合傳感網格，美國防部和空軍領導人必須首先解決人力需求。盡管像傳感網格這樣的系統被設計成模仿人類的認知勞動，但分析人員的勞動對于質量控制和任務管理仍然是至關重要的，更不用說作為識別DNN內潛在篡改或系統故障的保障。現在還不是為預期的技術進步做出任何急劇的力量結構調整的時候，而這種技術進步離投入使用還有好幾年的時間。此外，到目前為止，關于傳感網將如何整合來自聯合部隊的數據，或者是否允許作戰司令部像今天一樣擁有自己獨特的數據戰略和情報資源的討論很少。如果傳感網由于來自一個服務部門或地理作戰司令部的人為縫隙而無法為分析人員提供更多的情報來源，那么該系統是否真正做到了其設計者所宣傳的？這些問題必須在聯合參謀部層面加以解決和調和。最后，利用來自傳感網的情報的組織必須認識到，當他們與機器合作時，他們很容易受到偏見和捷徑的影響。了解外部壓力和交戰規則如何導致對機器輸出的質疑失敗，對于改善人機伙伴關系，真正使SIAS更加有效至關重要。

結論

美國防部和空軍對人工智能在情報中的應用所進行的研究投資，對于確定部隊應如何準備與傳感網格進行人機合作是至關重要的。對領導人和一線分析人員進行培訓，讓他們了解在自動化、人工智能支持的SIAS中存在的道德難題和對手攻擊的可能性，這對保護組織不傳播錯誤信息至關重要。幸運的是，美國防部和空軍ISR領導人主張在傳感網格系統中采用以人為本的設計和培訓模式還為時不晚，因為AFRL的工程師們正在繼續努力為部隊提供一個安全、務實的解決方案。領導人必須認識到以速度換取精確性的組織傾向，并理解精心設計的系統分階段整合將是值得等待的。

達爾豪斯大學大數據分析研究所、加拿大國防研究與發展部（DRDC）-大西洋研究中心和加拿大通用動力任務系統公司（GDMS-C）向加拿大自然科學與工程研究委員會（NSERC）成功申請了一項名為海軍信息空間自動監測（AMNIS）的三年期資助項目。AMNIS啟動會議于2020年10月14日舉行，許多教授、國防科學家和GDMS-C技術人員參加了會議。會議為這三個組織確定了許多行動。與DRDC和GDMS-C相關的一項行動是需要與任務相關的場景來幫助指導預期的研究。因此，DRDC率先描述了一個有代表性的海陸場景，使研究人員能夠更好地了解與AMNIS有關的潛在研究途徑。制定的方案涉及加拿大皇家海軍（RCN）和加拿大陸軍（CA）執行的一項加拿大人道主義任務。該任務是向一個最近遭受自然災害的國家分發食品和醫療用品。一支敵對勢力還試圖偷竊這些物資。該情景描述了通過更好的處理技術和決策來改善信息流、共享和使用的必要性。該方案旨在引起進一步的討論，并幫助鞏固AMNIS參與者的研究課題。

1 引言

2015年，加拿大皇家海軍（RCN）的海上信息戰（MIW）概念[1]發布，概述了信息對RCN的影響。MIW的推出使人們非常需要關注信息，它既是皇家海軍使用的一種資源，也是為了更全面地使用和利用優勢而需要理解的一個概念。

該概念文件概述了信息的影響，包括其廣泛的可用性、皇家海軍對信息的依賴性以及信息的使用，特別是在戰爭中和作為戰爭倍增器的跨梯隊的使用。該概念文件還談到需要更好的處理技術來處理MIW功能領域內的數據量，如指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）、指揮和控制（C2）、情報、監視和偵察（ISR）以及態勢感知（SA）。

在MIW概念文件之后，2016年又發布了RCN信息戰戰略文件[2]。這里的重點是發展海戰MIW能力和能力，以支持國內活動（即加拿大的防御）和國際部署。盡管戰略文件指出了信息的更多傳統用途，如收集、利用和傳播，但它也認識到網絡武器領域是一個機動的地方，可以采取防御和進攻的行動。MIW的概念文件涉及物理、虛擬和認知領域，而戰略文件則談到了信息領域，從而表明了信息對于作戰人員的地位和重要性。

在概念和戰略文件之后，加拿大在2017年發布了新的國防政策[3]。該國防政策并沒有明確提到信息領域。然而，該政策確實催生了兩個最近的文件，繼續表明信息對RCN的重要性：2019年的DND數據戰略[4]，以及2020年的RCN數字海軍[5]。

數字海軍[5]支持加拿大國防政策[3]的創新目標，特別是那些涉及適應和利用新技術的能力。數字海軍 "作為一個指南，將數字技術與人結合起來加以利用，以確保未來海軍的成功和可持續。這份文件提出的前進方向涉及自動化、大數據分析、云計算、人工智能（AI）和機器學習（ML）方面的創新，成功是指通過上述手段做出數據驅動的決策的RCN。

數字海軍的概念促進了企業和運營RCN社區在決策中對數據的使用。在操作方面，這是為了將海軍團隊和水兵從日常工作中更平凡的方面解放出來，通過自動化功能，如基于規則的重復性任務。從更廣泛的操作角度來看，使用這種數字技術和技巧是為了更好地進行操作。

上面提到的所有文件都指出，希望將RCN推向一個信息組織，在這個組織中，信息是用來使用的，但也被用作防御和安全的工具。由于其中一些方面對RCN來說是新的，因此顯然需要一個由信息科學、人工智能、ML以及將這些與認知科學相結合的專家組成的強大而明智的科學團體，以開發更好的人類決策模型來支持RCN的目標。

1.1 發展科學專長

通過政府、學術界和工業界合作伙伴的參與，建立了一個強大而知情的科學界。這個群體完全有能力在與現代軍隊相關的科學和技術問題上取得進展，以幫助滿足國內和國外對加拿大武裝部隊（CAF）不斷增長的需求。

為了發展這個社區，在自然科學與工程研究委員會（NSERC）的聯盟計劃下，成立了一個DRDC（大西洋研究中心）、工業界（加拿大通用動力任務系統公司，GDMS-C）和學術界（達爾豪西大學）的伙伴關系。提交并被NSERC接受的提案名為《海軍信息空間自動監測》（AMNIS）。該提案概述了海上和陸地的信息問題，特別是數據整合、事件和警報的ML、信任和對抗性數據，以及信息的可視化和呈現供用戶使用。

為了給學術研究小組提供背景和指導，下面提供了一個大大簡化的行動的基于場景的描述。該方案包括許多問題，表明與AMNIS相關的可能研究途徑。這里的目的是培養研究人員對與DRDC和GDMS-C有關的問題的理解，使研究人員能夠發展自己的思路，幫助他們追求與他們的研究和AMNIS有關的創新方法、技術和發現。

這項工作的動機是基于兩個愿望，即：

1.描述一個現實但簡化的操作，其中存在與AMNIS相關的信息問題，以及。

2.強調在AMNIS項目下DRDC和GDMS-C感興趣的研究領域。

1.2 概要

其余各節將提供一個現實場景的發揮、可視化部分、性能建模、決策和學習的概述。每一節都包含了一系列的問題，這些問題的提出有助于為研究工作提供思考點和指導。

第2節描述了一個聯合行動的場景，陸地和海洋部隊共同支持人道主義任務。通過可能被破壞并有相關安全風險的節點相互連接和共享信息資源來實現這一目的。第3節討論了可視化在該場景中的作用及其對決策的影響。這包括物理環境的可視化表示，以及額外信息源的聚合如何影響主題專家的決策。本節還考慮了與人工智能（AI）和多樣化技術合作的人類表現模型。第4節討論了如何利用數據檔案來開發和學習對抗性注入檢測方法。第5節以總結性意見完成了本文。

網絡空間行動的早期成功為壓制對手提供了新途徑可能性。隨著美國陸軍開始向多域作戰過渡，他們依賴網絡空間并支持其他領域的行動。一個問題出現了："軍隊如何將網絡空間行動納入支持其他領域的行動？" 對于如何將網絡行動納入其他領域的行動，目前還沒有有證據支持的實際規劃原則。基于最初的研究，產生了一個假設，即支持戰爭作戰層面的網絡空間行動與物理領域和虛擬信息領域的行動同步。利用美國軍方對作戰層面和作戰領域的公認定義，分析了作戰層面活動的案例研究。通過收集每個案例的以下信息，對盟軍行動以及以色列-哈馬斯沖突進行了分析：戰略背景、網絡空間行為者、網絡空間行動以及網絡空間行動如何支持其他領域的行動。分析的結果是，戰爭行動層面的網絡空間行動通過收集對手的情報來支持其他領域的行動；拒絕或破壞虛擬信息領域的傳遞途徑；以及影響在物理領域的實體。

1806年10月，法軍在耶拿-奧爾斯塔特戰役中迅速擊敗了普魯士軍隊。普魯士軍官卡爾-菲利普-戈特弗里德-馮-克勞塞維茨（Carl Philipp Gottfried von Clausewitz）出席了這次戰斗，這次失敗讓他深感不安和困惑。 普魯士軍隊的人數超過了法國軍隊，但是，法國軍隊的戰術優于普魯士過時的線性作戰方式。克勞塞維茨見證了戰爭的未來，并決心將普魯士軍隊發展成為一支再次讓歐洲羨慕的力量。

2014年7月俄烏戰爭期間，在烏克蘭澤勒諾皮亞村附近，烏克蘭陸軍地面部隊的四個旅準備對俄羅斯邊境附近的分離主義分子的部隊發動進攻。2014年7月11日，一場三分鐘的密集炮擊襲擊了烏克蘭四個旅的人員，并摧毀了烏克蘭第79空中機動旅的一個營。對這次攻擊的分析表明，俄羅斯部隊使用無人駕駛飛行器來定位烏克蘭部隊，并將位置提供給間接火力平臺。從識別到效果的時間如此之快，以至于烏克蘭各旅無法采取保護行動。俄烏戰爭中的這一小段時間非常重要，以至于美國陸軍能力整合中心發起了對俄羅斯新一代戰爭研究，以確定俄烏沖突對未來戰爭的影響。

2015年，在美國陸軍戰爭學院的一次演講中，國防部副部長鮑勃-沃克概述了二十一世紀戰爭的問題，并責成美國陸軍開發空地戰2.0。2018年12月，美國陸軍邁出了理論演進的一步，出版了《2028年多域作戰中的美國陸軍》，以解決陸軍如何在多個層次和領域內作戰的問題。

耶拿-阿爾斯泰特戰役和俄烏戰爭雖然相隔幾個世紀，但都顯示了卓越戰術和行動安排的力量。克勞塞維茨和美國陸軍目睹了失敗，并作出了類似的反應，進行了深入的戰斗研究，以改善他們各自的軍隊。這些研究的成果是對未來戰爭行為的指導性文件。

美國陸軍采用多域作戰作為未來的作戰結構，依靠網絡空間作戰來支持其他領域的作戰。然而，關于如何將網絡行動納入其他領域的行動，目前還沒有基于證據的實際規劃原則。軍事規劃者的問題是如何整合網絡空間行動以支持其他領域的行動而不至于遭遇慘敗。該論點認為，網絡空間行動通過收集對手的情報來支持其他領域的行動；拒絕或破壞虛擬信息領域的傳遞途徑；以及影響物理領域的實體。

《美國陸軍多域作戰2028》（MDO 2028）是陸軍的未來作戰概念。該文件說明了陸軍需要如何適應和發展以在未來作戰中保持競爭性軍事優勢。該概念的關鍵組成部分是多域作戰的原則--校準部隊結構、多域編隊和融合--這使得敵人的反介入和區域拒止系統能夠被瓦解，并使軍隊能夠利用短暫的優勢窗口。這是一個取決于在時間、空間和目的上持續同步能力的概念，以實現跨領域的協同作用，并創造一個可利用的優勢窗口。聯合部隊目前通過"域聯合解決方案的階段性同步"來實施能力融合，這并不支持在針對未來同行威脅的競爭和利用的重復循環中快速和持續地整合多個領域的能力。因此，關鍵是要考慮什么能力可以讓軍事領導人克服這些技術和人類認知的局限性。一個可能的解決方案是將人工智能融入作戰管理過程。

本專著重點說明了將人工智能融入作戰管理過程以促進多域作戰融合的必要性。通過分析多域作戰的融合差距、人工智能的發展以及當前的指揮和控制系統，該研究旨在說明多域作戰中能力持續融合的復雜性迅速超過了人類的認知能力。此外，由于美國的對手正在大量投資于人工智能和自主性，將人工智能融合到作戰管理過程中的問題不是在戰場上取得優勢的問題。相反，問題在于如何擁有競爭性臨時可利用的優勢窗口的能力。

介紹

簡而言之，速度在兩個不同的方面很重要。首先，自主性可以提高決策速度，使美國能夠在對手的行動周期內采取有效措施。其次，如果美國要維持軍事優勢，作戰能力向自主性的持續快速轉變至關重要。— DSB 自主性報告，2016 年

《美國陸軍多域作戰2028》（MDO 2028）是陸軍的未來作戰概念。這份文件說明了陸軍預計它需要如何適應和發展，以在未來的作戰中保持競爭性軍事優勢。該概念的關鍵組成部分是多域作戰的原則——經過校準的部隊結構、多域編隊和融合——這使得敵方反介入和區域拒止 (A2AD) 系統能夠被瓦解，并允許軍隊利用短暫的優勢窗口。這一概念取決于指揮官在時間、空間和目的上不斷同步的能力，以實現跨域協同并創造可利用的優勢處境。

目前，聯合部隊正在通過“域聯合解決方案的階段性同步”來融合能力，這一過程不支持在針對未來對等威脅的競爭和利用的循環中快速和持續地整合多個領域的能力。軍方領導人承認這一缺點和任務的復雜性，因此引入了需要開發新的軍事技術來填補關鍵空白的融合考慮。基于這些差距，未來的指揮和控制系統需要為所有梯隊的指揮官提供戰斗空間內所有聯合單位的完整共同作戰圖，并有能力快速傳輸偵察和目標數據，以通過動能和非動能手段攻擊擬議的目標。

然而，敵人在自主性和人工智能 (AI) 方面的發展極大地壓縮了時間窗口。由于時間窗口短，協調融合工作的任務很快超出了人類的能力。其他因素，例如彈藥優化和能力重置時間的需要，進一步增加了任務的復雜性。因此，至關重要的是要考慮軍事領導人需要具備哪些能力來克服這些技術和人類認知限制。一種可能的解決方案是將人工智能集成到作戰管理過程中。因此，多域作戰融合所帶來的挑戰提出了一個關鍵問題：美國陸軍是否需要一個人工智能引導的作戰管理系統，以便在多域作戰中成功地融合能力，對抗一個有能力使用自主和人工智能引導能力的同行競爭對手？

多域作戰之路

我們尋求獲得優勢的方式是在決定性的空間優化所有領域，以影響滲透。— 美國陸軍能力整合中心主任埃里克-韋斯利中尉

武裝競爭的一種現象是技術創新的武器化。從軍事角度來看，這是一個關鍵的進步，可以讓一個國家的戰斗力量在戰場上保持競爭優勢。為了推動能力發展，軍方領導人引入了未來的作戰概念。這些概念是預測軍隊需要如何訓練、裝備和組織自身以競爭和戰勝新興威脅的文件。目前，美國陸軍正在進行重大改革。此次重組將使軍隊轉向大規模作戰行動，并調整部隊以滿足國家安全戰略 (NSS)、嵌套式國防戰略 (NDS) 和國家軍事戰略 (NMS) 中概述的需求。這種變化代表了軍隊的范式轉變。在將近兩個十年的時間里，這主要集中在平叛上。對于美國陸軍來說，這項工作驗證了歷史不會重演，但卻是會押韻的格言。主要是因為當前未來作戰概念“MDO 2028”的引入促使轉型讓人想起過去的重組周期。一個相關的例子是 20世紀80年代中期引入空地一體戰學說引發的重組。

空地之戰是美國陸軍在冷戰高峰期對俄羅斯威脅的回應。它于 1986 年出版，提出了一個依賴于陸地和空中能力有效同步的作戰框架。在技術進步的推動下，復雜性不斷增加，導致 "事件的節奏加快"，這是基本的前提。該文件的一個關鍵組成部分是引入了反映戰爭不斷發展的新術語。其中一個新術語是綜合戰斗——集中使用所有能力來擊敗敵人——它依賴于獲得和保持態勢感知的能力。基于對新興技術可以在戰場上提供優勢的認識，空地戰指導正在迅速發展的計算機技術集成。1986年美國防部向國會提交的年度報告中提出了所需的創新努力。聯合戰術融合計劃 (JTFP) 和聯合監視和目標獲取系統 (JSTAS) 是隨后出現的系統。這兩個系統都旨在為指揮官提供從各種來源收集信息并指導采用聯合動力努力追擊地面目標的能力。開發這些系統的必要性表明了兩個事實。首先，這些系統顯示了技術和戰爭之間的整體關系。第二，這些系統強調了軍事領導人承認，從現在開始，在戰場上有效同步軍事能力所需的速度和復雜性超過了人類的認知能力。目前的多域作戰概念將這一認識帶到了未來。

認識到美軍的競爭優勢正在減弱，麥克馬斯特中將（退役）和當時的國防部副部長羅伯特-O-沃克呼吁開發空地戰2.0。時任訓練與條令司令部司令的大衛-G-帕金斯將軍（退役）響應號召，推出了多域作戰。然而，在2016年美國陸軍年會和博覽會期間，帕金斯將軍（退役）指出，這個概念不是對空地戰或全譜作戰的改造，而是描述了一種革命性的戰爭方法。多域作戰被稱為革命性的一個關鍵原因是，它要求軍事力量的運作方式發生轉變。新的作戰方式的基本驅動力是科學和技術的快速發展，以及需要在競爭、失敗、利用和再競爭的連續循環中與所有領域的同行威脅進行競爭。

在中國和俄羅斯等大國競爭的推動下，2017 年的美國國家安全戰略 (NSS)指示軍隊需要擁有同時在多個領域與競爭對手競爭的能力。要建立跨域對抗敵人的能力，需要發展“新的作戰概念和能力，以在不保證在空中、海上、陸地、太空和網絡空間領域的主導地位的情況下取得勝利”。來自聯合推動者的可靠和及時的跨領域支持是成功競爭的關鍵要求和隱含任務。由此產生的域相互依賴意味著“一個域中缺乏訪問可能會在一個或多個域中產生級聯效應”。因此，美國空軍多域作戰戰略計劃助理教授賈里德·唐納利博士預測，未來的戰爭將在一個快速而復雜的多域連續體中進行，不依賴于一系列作戰條件的連續設置但需要跨多個域的能力永久同步。因此，了解不同域中存在的能力以及如何利用每種能力來獲得暫時的優勢是多域作戰成功的基礎。

在 NSS 和 NDS 的指導下，美國訓練和條令司令部 (TRADOC) 于 2018 年初推出了 TRADOC 手冊 525-3-1，即“美國陸軍多域作戰2028”。這是一個概念，作為前 TRADOC 總司令Stephen J. Townsend 強調，承認敵人有能力在多層次的對峙中提出挑戰并與美軍抗衡，其目的是“在時間、空間和功能上將美軍和其盟友分開，以擊敗我們。”

該概念提出戰爭演變的一個原因是，它將多個領域的能力互動形象化，這超越了在不同領域內的機動性或擁有實現跨領域效果的能力。相反，這個概念承認，技術進步改變了領域之間的相互關系和跨領域連接的速度。MDO 2028將這些變化納入了該概念的多域作戰原則--校準的部隊結構、多域編隊和融合--這使得敵方的反介入和反侵略系統被瓦解，并使軍事力量能夠創造短暫的優勢窗口。它們結合在一起，為指揮官在時間、空間和目的上匯聚能力創造了條件，以實現跨領域的協同，并創造一個可利用的優勢地位。此外，多域融合是一個可以通過整合人工智能引導系統來優化和加速的過程。

戰場上的人工智能

我們必須習慣這樣一個激進的想法，即我們人類將只是智能生物之一。— Alexander Kott，美國陸軍研究實驗室網絡科學部主管

人工智能是技術系統執行此前需要人類智能才能執行的任務的能力。這些任務包括觀察和識別模式、通過觀察學習、預測事件或采取行動的能力。中國是美國的主要競爭對手之一，認識到人工智能可以使戰場對稱性向他們的優勢傾斜。中國在人工智能引導軍事能力（包括自主武器系統）發展方面的大量投資證明了此觀點。為了在武裝沖突中保持相對優勢地位，美國需要發展將人工智能與決策過程聯系起來的反擊能力。當前的美國人工智能計劃主要集中在模式識別上，由于計算能力的快速增長，模式識別可以分析越來越多的數據以創建信息。

多域作戰是需要收集和分析大量數據以觀察和評估作戰環境發展。目前人工智能在軍事上的應用主要集中在后勤運輸和數據分析的支持上。然而，聯合人工智能中心和白宮人工智能特別委員會的成立，都標志著人工智能將擴展到國防部的其他領域。例如，美國陸軍未來司令部目前正在開展多項計劃，分析人工智能如何提高指揮官獲得態勢感知和做出明智決策的能力。一個重點領域是發展能力，以提高美軍同步效果和減輕日常認知任務的速度。強調開發人員和潛在的最終用戶之間的迭代合作，為該部門開發人工智能指導系統創造了條件，該系統可以 "產生并幫助指揮官探索新的選擇"，并使他們能夠專注于選擇有利的作戰方案，使部隊和任務的風險最小化。

關于將人工智能納入作戰管理過程，關鍵是要區分將人類置于環中或環上的系統。根據機器人和自主系統的聯合概念，自主的定義是 "自動化的范圍，其中獨立決策可以為特定的任務、風險水平和人機合作的程度量身定做"。范圍本身包含了不同程度的自主性。在由TRADOC和佐治亞理工學院主辦的2017年瘋狂科學家會議上，專家們介紹了三種程度的自主性--完全自主、受監督的自主和自主基線。 一個完全自主的系統獨立于人類的實時干預，在人類不參與的情況下運行。在有監督的自主系統中，人類保持著實時干預和影響決策的能力，因此仍然處于循環之中。自主基線是目前各種現有系統中存在的自主性。在軍事應用中，這種自主性存在于人類監督的武器中，如愛國者和宙斯盾導彈系統，或AH-64D阿帕奇攻擊直升機長弓火控雷達，它獨立地 "搜索、探測、定位、分類和優先處理陸地、空中和水中的多個移動和靜止目標。"

Mitre公司的Richard Potember將機器學習視為 "人工智能的基礎"，其重點是系統在無監督下學習的能力，并創建深度神經網絡，以支持決策和機器人應用。自主性和人工智能的整合是一個過程，不經意間將導致 "我們以前電氣化的一切，現在將'認知化'"。 支持將人工智能引導的作戰管理系統納入多域作戰的一個關鍵技術發展趨勢是，自主性和學習逐漸從感知轉向決策。這樣一來，人工智能可以減輕多域作戰中固有的復雜性。一個固有的復雜性是整合能力和做出跨越多個領域的決策能力，不是在幾分鐘或幾小時內，而是幾秒鐘內，如果需要的話。因此，將人工智能整合到決策和同步過程中，平衡有利于美國的觀察-定向-決定-行動周期。

在戰略層面，人工智能引導的系統可以影響推動不同領域的升級和降級的決策。在作戰層面，通用人工智能可以建立態勢感知和同步效果。為了支持多個領域的能力融合，人工智能 "處理來自在多個領域運作的各種平臺的大量信息 "，直接促進了MDO戰爭的兩個基本方面：速度和范圍。人工智能支持比敵人更快、更遠的打擊能力。這種能力能夠實時分析動態戰場，為快速打擊創造條件，將美國“友軍”的風險降到最低。美國國防科學委員會2016年的一項研究，提出人工智能系統能夠在一個動能瞄準周期內整合多種作戰管理、指揮與控制、通信和情報能力的觀點。此外，委員會評估說，這些人工智能引導的系統的累積效應可以在整個多域融合周期內改變戰斗的運行和戰略動態。

多域融合

AI 即將上戰場，這不是是否會出現的問題，而是何時和誰的問題。— 美國陸軍未來司令部司令約翰·默里將軍

在武裝沖突中，美國的競爭對手旨在整合他們的A2AD系統以建立分層對峙區。其目的是剝奪美軍聯合部隊在時間和空間上同步作戰的能力。俄羅斯的S-400 Triumf是美國部隊在大規模戰斗中可能面臨的系統代表。S-400是一種移動式地對空導彈系統，擁有對付從無人機到終端彈道導彈的各種武器系統的能力。該雷達可在600公里范圍內跟蹤目標，并具有100公里的交戰范圍。該系統提供的關鍵技術進步之一是傳感器到操作手的全自動循環，使該系統能夠同時跟蹤和打擊多達80個目標。這是支持MDO 2028假設的一個例子，即美軍在大規模對抗同行威脅的敵對行動開始時，不能假設自己在任何領域擁有優勢。為了在競爭、滲透、分解和利用的連續循環中攻破敵人的防御系統，美國陸軍的多域作戰框架引入了多域作戰的三個原則--校準的部隊態勢、多域編隊和融合。

校準的部隊態勢是指能夠迅速適應和改變作戰環境的部隊和能力組合。其目的是找出潛在的弱點或在戰場上創造不對稱性，以建立一個可利用的局部優勢窗口。前方存在的部隊支持在整個軍事行動范圍內快速升級，以滲透和瓦解敵人的系統。這些部隊被安排具有任務指揮、火力、情報收集、維持、信息活動和特種作戰能力。遠征部隊具有在需要時進行聯合強行進入行動的能力，并為后續部隊創造了條件。這些部隊通過空中和海上部署，可在幾天或幾周內完成。

多域編隊的重點是使較低的梯隊能夠對近距離的威脅進行進攻和防御行動。支持多域編隊的三種能力是進行獨立機動的能力、采用跨域火力的能力和最大限度地發揮人的潛力。為了支持在有爭議的領域內達到軍事目的，MDO 2028認識到軍團、師和旅梯隊的單位需要獨立行動，不受上級總部資源優先級的限制。因此，他們需要擁有有機的后勤、機動、火力、醫療和通信網絡，使部隊能夠在預先確定的時間內獨立作戰。作戰概念目前的框架要求這些梯隊 "在通信線路高度競爭的情況下，仍能維持數天的進攻行動。"維持進攻的能力是由指揮官采用跨域火力的能力來驅動的。

跨域火力是指在暫時脫離上級總部火力支援的情況下，對火力能力進行整合，并具有冗余性。這個過程包括直接和間接火力單位、保護能力和電子戰裝置，以及 "多光譜融合彈藥，以及網絡空間、空間和信息相關能力"。為了加強在復雜和快速發展的多域作戰環境中的決策過程，需要開發 "由人工智能和高速數據處理支持的人機交互"。 校準部隊態勢和創建多域編隊都是為了實現本文所認為的多域作戰的一個關鍵組成部分--融合。

MDO 2028將融合定義為 "在所有領域、電磁頻譜和信息環境中快速和持續地整合能力，通過跨領域的協同作用，優化效果以超越敵人"。盡管它可能看起來像目前聯合能力的整合和同步延伸，但這個概念與目前應用的聯合能力有很大不同。這主要是因為它不是在時間和空間上按順序消除沖突的過程，而是由目標周期和任務分配命令指導和限制。相反，它是在窗口期中對所有領域的效果進行持續的同步化，在空間和時間上都有很大差異。要在一個同行競爭的環境中競爭，需要有能力通過跨域的協同作用創造暫時的領域超越。這種協同作用集中在決定性的空間。決定性空間是時間和空間上的一個物理的、虛擬的和認知的位置，它使美國部隊能夠獲得一個可利用的明顯優勢位置。此外，由于軍事單位期望同時對抗多種威脅，多域融合要求在所有領域的競爭連續體中同時進行系統分解和中立化。

快速指揮和控制為指揮官通過跨域協同和分層選擇，實現融合創造了條件。因此，軍事指揮官在任何特定時間點擁有對戰斗空間內運作的所有聯合力量的整體態勢感知是融合的一個關鍵組成部分。MDO 2028確定了兩項要求，即必須開發技術先進的指揮和控制系統并將其整合到多域編隊中以促進這一進程。第一個是需要 "每個梯隊的指揮官和參謀人員都能得到所有領域的戰斗可視化呈現并且指揮"，并迅速調整能力以實現融合。第二是有能力迅速協調聯合能力的匯合，以對付敵人的特定弱點。

指揮官在目的和時間上實現融合能力的關鍵是五個融合要素的同步化--準備時間、計劃和執行時間、持續時間、重置時間和周期時間。對這些要素的考慮使指揮官能夠計算出從啟動開始達到效果所需的時間，以及為新一輪的重新競爭重置能力所需的時間。在這個框架內收斂多種能力的過程因不同的能力使用率而進一步復雜化。雖然周期率提出了一個無限的使用序列，但使用率代表了一個與 "彈藥和消耗性虛擬武器 "相聯系的不斷減少的單位。 由于后勤是有爭議的，可預測的補給沒有保證，指揮官在多域融合中面臨著額外的挑戰。這個挑戰就是優化現有彈藥的使用，并使彈藥的使用與聯合能力的協調相一致。

目前可用彈藥的數量限制和無法建立庫存可能會導致未來大規模作戰行動中后勤儲備嚴重不足。為了延長軍隊的續航能力，特別是在跨越軍事爭端地區的交通線作戰時，需要對各種系統的武器狀況進行持續評估。在動能范圍內對所有聯合平臺進行 "優化和排序射擊 "變得至關重要。這種優化和排序過程，同樣迅速超過了人類決策者的認知能力，并提出了一個技術作戰管理系統的缺陷，該缺陷會對聯合能力的有效融合產生不利影響。

美國陸軍在多域戰斗空間中實現作戰敏捷性的核心是能夠從不斷增長的綜合數據集中創造理解，同時保持 "卓越的決策速度"。戰場上永遠存在著未知情況和沖突，但減少觀察環境變化和相應調整部隊方向所需的時間，可以提高決策和行動速度。提高對聯合部隊在各個領域內的所處位置的認識，相對于敵人和他們的作戰和戰術計劃，對于加速較低層次的機動是必要的。此外，短暫的機會窗口要求未來的作戰管理系統迅速將傳感器與射手相匹配。

在美國陸軍的現代化框架內，新興技術需要為兩個關鍵的技術和組織上的不足提供一個解決方案。首先是保持對作戰區域內所有聯合軍事單位完全態勢感知的能力。第二是迅速建立從傳感器到射手的冗余回路能力，其中包括所有可用的聯合單位并考慮到能力的不同再生周期。這是一項任務，根據需要處理的數據量，當聯合軍事單位在有爭議的戰場上競爭時，需要持續同步，這很快就會超過人類的認知能力。將人工智能融入作戰管理過程可以減輕這種人類的局限性。

當前的作戰管理系統

我們的投資重點之一是網絡，這并非巧合……因此我們有能力將這種目標快速傳達給另一個領域。— 美國陸軍未來司令部司令約翰·默里將軍

實現多域融合的最關鍵步驟之一是開發聯合指揮和控制（C2）系統，將整個戰斗空間的能力縱向和橫向聯系起來。2017年，SYSTEMATIC公司獲得了設計美國陸軍新型作戰管理系統 SitaWare 的合同。美國陸軍戰術任務指揮部負責人 Shane Taylor 中校稱該系統是“一種開箱即用的解決方案，用于跨梯隊同步任務指揮數據，這為陸軍遷移到通用架構的目標提供了一個跨越式發展的機會。”該系統提供的一些進步包括簡化指揮所 C2、改進與聯合和聯盟伙伴的互操作性以及標準作戰功能融合框架。該系統的另一個關鍵功能是能夠快速擴展大量數據并以提高指揮官態勢感知的方式呈現。

在美國陸軍的作戰環境中，SitaWare 是一個指揮后計算環境組件，有望消除信息和情報孤島，并可集成為通用作戰平臺。 SYSTEMATIC公司承認未來的作戰需要情報、后勤和作戰系統的快速同步。因此，當前系統旨在分析大型數據集并在直觀的用戶界面上顯示相關信息。因此，它可以實時建立指揮官的態勢感知并提高他們的決策速度。此外，系統軟件符合各種民用和軍用互操作性標準，這使得系統更容易與其他聯合和聯盟平臺連接。

為了在各梯隊之間嵌套系統，SitaWare的用戶界面應用程序和顯示器可根據操作環境的要求進行定制。縱向信息共享確保所有梯隊之間共享共同數據。為了提供戰術層面上的態勢理解，該系統具有對輕型、輪式和裝甲編隊的美國“友軍”跟蹤能力。該系統的另一個關鍵特征是綜合指揮層。這一功能使指揮官能夠根據作戰環境的變化，迅速傳播對原始命令的更新和修改。然而，SitaWare的設計并不是為了指導效果。因此，它不能充分加快傳感器到射手的周期，不能提高指揮官在有爭議的環境中有效地匯聚聯合能力，以對抗擁有自主和人工智能支持的武器平臺的同行威脅。

在解決未來多域作戰要求的另一項努力中，美國陸軍啟動了一個內部項目，旨在 "增加物理目標、數據收集、數據分析和自主決策在戰場物聯網中的整合。"該項目專門用于填補美國陸軍領導人評估的商業生產技術沒有充分解決的差距。弗吉尼亞理工大學的專家預測，項目的主要挑戰之一是 "處理許多復雜的變量 "的能力，這影響了結合從博弈論到分布式學習等方面的能力。這些挑戰由于以下事實而被放大：美國陸軍目前的技術開發工作側重于能力的實戰化，很少考慮整合軟件和硬件，使這些系統能夠與各種聯合能力溝通。

該項目的重點是將人工智能引導的系統置于回路中，為指揮官提供在戰斗空間的各種傳感器平臺上收集的大量數據的綜合分析。通過收集相關傳感器系統的數據，分析敵人的能力分布，并將其與可用的美國“友軍”武器系統進行比較，該系統提供關于如何最有效地實現效果的建議。為了使這一過程有效運作，指揮官必須放棄相當程度的控制權，因為他們允許系統 "為如何發動戰爭選擇最合適的戰略"。盡管有這種擔憂，陸軍下一代戰車跨功能小組的副主任凱文-麥凱納里承認，人工智能在多域作戰中是必不可少的，因為它提供了可將目前九十六小時的師級目標定位周期 "減少到九十六秒 "的能力。總的來說，"四分衛項目 "是幫助指揮官 "準確了解戰場上的情況，然后根據可用的和其他因素選擇最合適的戰略。"該倡議是能夠在時間有限的決策空間中有效地融合能力邁出的重要一步，因為它將人工智能的作用提升到數據可視化工具之外，使其成為戰斗戰略工具。

對人工智能在作戰管理過程中的可靠性的擔憂可以通過云架構和深度學習系統的快速發展來緩解。與人類互動類似，在人工智能和自主系統發動的戰爭中建立信任需要時間。中校Wisham，"四分衛"項目的負責人之一，指出這需要一個深思熟慮的策略來證明系統是可靠和有效的，由于很難或不可能追蹤到神經網絡的決策路徑，這就很復雜。 然而，Nvidia公司的機器人研究員Dieter Fox預測，這是一個有解決方案的問題，因為研究人員繼續開發分析神經網絡和機器學習過程的新程序，在未來可以解決這一問題。要分析網絡和學習過程是人工智能的一個關鍵方面，因為它允許開發人員在一個設定的決策框架內約束自主學習系統。另一個認識到發展人工智能啟用能力重要性的部門是美國空軍。

由于確定需要開發多域 C2 系統，美國空軍打算用“衛星、有人機和無人機上不同傳感器的全新網絡”取代其傳統的聯合監視目標攻擊雷達系統。這種新能力的名稱是先進作戰管理系統（ABMS）。盡管項目當前的重點是連接美國空軍單位，但其最終目標是開發“未來作戰的數字神經系統”。美國空軍準將、美國空軍聯合部隊整合總監戴維·熊城（David Kumashiro）表明，他們的方法集中在這樣一種觀念上，即如果“你不遵循開放系統架構的標準，你就會發現自己在場邊，與戰斗無關。” ABMS結構建立在現有的基于云的目標定位助手之上，旨在有效跟蹤目標和飛機。通過擴展這一概念，美國空軍規劃人員希望專注于網絡機器對機器的交互。該項目的指導思想是開發可以“像樂高積木一樣拼在一起”的系統，以快速輕松地連接聯合能力。

總體而言，將人工智能整合到作戰管理過程中的需求是由一種認識驅動的，即在作戰領域將美國軍事部門聯系起來對于保持競爭性軍事優勢是必要的。如果不走人工智能整合的道路，就有可能對美軍在未來的戰斗中擊敗近似競爭對手的能力產生不利影響。以下兩個場景說明了在軍團和師級的多域作戰中，人工智能引導的作戰管理系統如何影響戰場上的動態。

方法

長期規劃使軍方能夠集中研究和開發工作，并指導人員配備、訓練和裝備決策。這個過程的核心是制定評估發展中威脅的概念。 MDO 2028 是一個包含假設和預測以推動軍事戰略的文件示例。聯合出版物 5-0“聯合規劃”，將假設定義為“關于當前態勢或事件未來進程的假設，在缺乏事實的情況下假設被認為是真實”，這對于推進規劃過程至關重要。為了提供一個將軍事能力和需求與預期的未來作戰環境聯系起來的背景框架，軍事規劃人員創建情境以增加理解。這一過程使各級軍事領導人能夠“接觸可能的未知情況，并且吸收理解它”，并提出解決方案。因此，情景模擬是作為創建承認技術發展可行框架的一種方式。然而，重要的是不要將情景與具體預測混為一談，而應將其視為擴展可能性領域并根據預期的技術發展識別未來機會的工具。此外，重要的是要認識到情景構建的一個潛在因素是不確定性。為了展現不確定性和復雜性，同時保持情景“介于預測和推測之間”，需要整合歷史和當前信息，識別行為模式，以及“構建 關于未來的連貫敘事。”其他重要的考慮因素是場景需要與可信的現實生活條件保持一致。

布加勒斯特國防大學國防與安全研究中心的研究員 Marius Potirnich 創建了特定軍事情景分類。他提出的兩個類別是戰略情景和演習情景。戰略情景是出現最廣泛的類別，考慮了在整個軍事行動中可能發生和使用的軍事事件和能力。演習場景嵌套在戰略場景框架內，并進一步細分為真實和虛構。真實場景使用現有軍事能力，在現有作戰環境的約束下，分析現實世界任務集中的情況。虛構環境評估軍事能力的現狀以及預期的未來能力，并將它們置于基于已發布的軍事行動概念和現代化框架的預期威脅環境中進行預測。

本專著介紹了兩個虛構的場景，以說明在未來的多域作戰中集成人工智能引導作戰管理系統的潛在影響。所有場景都基于與對手（如中國）發生沖突的環境。第一個場景以軍梯隊為背景，重點關注空中和海上動能打擊的融合，以及“支持軍區機動計劃或代表下屬梯隊”的網絡空間活動。第二個場景設置在師梯隊，側重于聯合能力的融合和需要分析和傳播的“大量情報的定制”。對手的A2AD和軍事創新努力以及美國陸軍的 MDO 2028 和當前的現代化舉措被用作背景情景。場景是嵌套的，最后評估了美國陸軍是否能將人工智能納入其作戰管理流程，以便在當前的MDO 2028現代化框架下有效地融合多域作戰能力，以及如果該部門不能這樣做的潛在風險。

范圍和限制

這本專著的框架是美國陸軍的多域作戰概念。重點不是討論人工智能在戰場上的法律和道德以及考慮人工智能產生在兩個方面產生的后果。相反，它旨在評估人工智能如何幫助在日益復雜的作戰環境中實現多域元素的融合。由于人工智能領域的快速變化和發展，評估是在概念層面進行的，沒有深入探討人工智能在戰爭戰術和作戰層面的廣闊應用前景。對算法是否可以指導能力融合的評估是基于當前的發展，以及機器學習、量子計算和自主機器對機器組合領域的預期進行的。該專著所介紹的和用作基礎的所有信息都完全來自于已被批準公開發布的渠道。因此，有可能存在與本專著的假設相矛盾的機密文件。

戰略框架（情景一和情景二）

在2035年。根據“一個中國”的政策，中國軍隊已經開始收復臺灣，并開始阻止美國海軍進入中國南海。為了捍衛自己的利益，中國軍隊的導彈防御力量處于高度戒備狀態。綜合性的反介入和反侵略網絡得到了中遠程導彈、各種反飛行器和防空武器以及各種中遠程情報收集和監視能力的支持。中國的《新一代人工智能發展規劃》在過去15年中指導了軍事技術的發展。在 2017 年的介紹中，中國領導層宣稱“人工智能已成為國際競爭的新焦點。人工智能是一項引領未來的戰略技術； ……發展人工智能作為增強國家競爭力和保護國家安全的重大戰略。”因此，中國每年投資超過 150 億美元用于“智能技術”的發展，重點是人工智能引導的自主能力。中國的人工智能整合上付出不僅僅在軍用機器人領域，還包括自主軍事決策。基于人工智能在推理、作戰指揮和決策的潛力，中國領先的國防公司負責人，認為“在未來的智能戰爭中，人工智能系統將就像人類的大腦一樣”。因此，美國軍方面對的是一支具有在機器對機器團隊的前沿運作能力的中國部隊。

自主偵察無人機、攻擊機和導彈發射器整合到一個由人工智能引導的傳感器到射手網絡中。這些發展成倍地加快了戰斗的速度。對手的系統可以同時跟蹤和打擊數百個目標，并在需要時快速重新接觸和重新分配單位。為了競爭和滲透對手多余的防御結構，需要美軍快速、持續地匯聚能力，以“滲透和瓦解”A2AD 保護傘。這些行動能夠建立臨時的優勢窗口，軍和師梯隊可以利用這些優勢機動進入戰術支援區和近距離區域。在這些區域內，軍以下的梯隊可以集中他們的有機能力對抗敵人。這反過來又使軍團能夠在不斷的滲透和整合的循環中重新競爭和整合能力，為下級梯隊部隊的利用創造條件。

為了應對對手的現代化努力，美國陸軍在國家安全戰略、人工智能指令和多域作戰理念指導下，對機器-機器團隊聯動進行了大量投資。因此，美國的軍事能力包括一系列可以感知、協調效果以及指揮和控制的自主學習的作戰網絡系統。單個自主機器人和無人機系統，以及更大的無人駕駛飛機、海軍和導彈投送系統，都在該框架內作為自主節點運行。美國私營公司在量子計算領域的重大進展為美國軍隊提供了處理速度和響應時間方面的競爭優勢。這提供了一個戰機，使美國“友軍”能夠比對手更快地觀察、定位、決定和行動。但是，由于技術的進步，John Boyd 的 OODA 循環不再以分鐘為單位執行，而是以秒或毫秒為單位。這些新出現的威脅導致美國越來越多地將人從循環中移除，這使得聯合部隊能夠“以比對手更快、更有效的節奏作戰”。然而，受到有關在戰爭中使用自主制導系統和人工智能的道德法規的限制，美國軍方仍然將人類置于決策循環中。其結果是在指揮和控制層面有效整合了人機協作，允許指揮官在連續競爭期間從一系列進攻行動中選擇進攻方案，同時依靠自主的人工智能引導行動進行保護。

美國陸軍的關鍵指揮控制系統是由人工智能引導的作戰管理系統。它是美軍戰場網絡的樞紐。該系統從作戰環境中的所有聯合傳感器收集數據，并不斷從戰區和國家收集數據的單位中提取和推送數據，以構建共同的作戰圖景。這使系統能夠分析敵方和美國“友軍”在戰場上的位置。由于該系統是自主學習的，它會不斷評估敵人的行動和能力。同時，它對美國“友軍”能力及其狀態有完整的認識，包括各種系統的再生時間、彈藥消耗率和補給狀態。因此，該系統可以識別敵人的弱點和威脅，并執行一個連續的評估周期，以預測美國“友軍”聯合能力如何融合以在戰場上創造暫時的優勢。此外，作戰管理器還計算彈藥優化、能力調配和能力的使用，以達到預期的效果，同時最大限度地減少附帶損害和對部隊的風險。

在戰場網絡內，該系統與所有領域的聯合能力相聯系。各種作戰管理系統本身是橫向和縱向連接的，這使它們能夠跨多個域快速執行任務和重新分配任務，而不會失去實現各自目標的能力。與所有的傳感器和射手相連，允許系統控制傳感器到射擊者的連接，并分配最好的武器系統來實現動能和非動能效果。在保護作用中，作戰管理系統完全自主運行控制消除敵人對美國“友軍”和指定保護區的威脅。由于連續的進攻性競爭的融合能力必須嵌套在更高的總體目標中，作戰管理系統將人置于進攻行動的循環中。該系統分析了美國“友軍”能力通過在不同梯隊的聯合能力融合所能達到的各種效果。

多域框架將美國陸軍部隊視為遠征部隊。這個梯隊的關鍵作用之一是擊敗和消滅遠程和中程系統。因此，他們是在其控制范圍內各師的輔助力量。為了與同級別的威脅相抗衡，關鍵是要整合能力，以對抗對手的防空、遠程地面火力和反艦導彈。此外，在需要時，軍團總部負責指揮和控制在其作戰區域內運行的多域聯合能力。融合動能聯合火力的主要目標是摧毀敵人的中程武器系統，以促進師和旅單位的自由機動。最后，軍團負責同步國家、戰區和內部單位的情報收集工作。網絡空間能力本質上集成在融合工作中，包括國家和戰區級單位。總體意圖是對融合工作進行分層，以提供多種選擇并創建各種跨域協同能力變化。

在競爭周期內，軍團的重點是對敵方防御系統的滲透和瓦解。對對手A2AD保護傘的滲透，包括瓦解敵人的遠程火力系統。這包括使雷達和關鍵指揮和控制節點失效，這可能比破壞運載系統產生的影響更大。滲透的另一個方面是對手地面部隊機動的較量，以及在暫時優勢窗口期間與美國“友軍”從作戰和戰略距離機動的同步。

在師級，部隊的重點是分解和利用。在沖突開始時，他們可以作為前沿存在或遠征部隊。該師的主要作用是為下級部隊在近距離區域機動和對抗創造條件。該師的主要職責是“航空、火力、電子戰、機動 支援和多旅機動以獲得優勢位置。”關鍵是摧毀或消滅對手的中程火力單位。在這個梯隊，該師有能力將有機單位與上級司令部同步，并整合分配的空軍和海軍能力。與擁有自主和人工智能引導系統的相同競爭者相比，兩個梯隊的成功都受到他們進行多域同步的能力和能力自主水平的影響。

情景 1 – 軍團梯隊

美國陸軍第 18 空降兵團總部位于作戰支援區。該組織的主要作用在戰場上創造條件，使其控制下的各師和增援部隊可以利用這些條件進入近距離機動區域。進攻行動以四個目標為中心--消滅對手的遠程防空單位，瓦解對手的中程火力能力，限制對手的地面部隊速度，以及創造 "通過分配資源、安排師的機動順序并將其與縱深結合起來，在較低層次上實現匯合。" 雖然近距離和縱深機動區的距離超過1500公里，但盟軍一直處于中程彈道導彈的動能目標和網絡及太空領域內的非動能目標的威脅之下。

為了保護，美國第 18 陸軍空降兵團的 AI 作戰管理系統不斷連接到國家和戰區的情報收集單位以收集情報。一旦發現對手的威脅，作戰管理系統就會自動與戰區和國家傳感器協調，以確定威脅，并促進傳感器的交接，確保收集情報的完整性，同時減少不必要的情報冗余。同時，它識別出跨所有領域的多個交付平臺，以構建一個強大的殺傷鏈，盡管可能丟失主要聯系，但該殺傷鏈可在時間受限的環境中執行。

空間傳感器為系統提供有關敵人遠程和中程火力能力的各個組成部分配置信息并且能持續更新。與此同時，作戰管理系統將海軍驅逐艦識別為最有可能成功摧毀來襲導彈的單位。同時，該系統識別出可以對威脅做出反應的其他美國“友軍”單位，并根據其當前對整體作戰環境的評估對其進行優先級排序。系統基于其算法考慮的一些因素是：強制風險、成功概率、彈藥狀態、能力重置時間和附帶損害。

對于保護工作，作戰管理系統以人在環結構中運行。這意味著軍團的作戰中心可以觀察事態發展，并在緊急情況下進行干預，但該過程是為作戰管理系統自主運行而設計的。對手威脅的程度以及他們可以運行的速度推動了對自主運行的需要。一旦檢測到來襲導彈，作戰管理系統就會在幾秒鐘內執行概述的序列以摧毀對手的威脅。這個循環實時并持續運轉，以應對新出現的威脅。三個方面使得智能引導的作戰管理系統在國防領域的自主運行方面變得至關重要。首先，能夠在幾秒鐘內關閉射手到傳感器的鏈接，以應對以高超音速單位的威脅。其次，建立強大和冗余殺傷鏈的能力，可以快速整合備用和應急能力。第三，在優化使用有限且難以再補給的資源的同時指導保護工作的能力。在保護行動的同時，該系統分析作戰環境以檢測進攻行動的機會。

對于進攻行動，作戰管理系統以人在回路中的模式運作。美國政府關于人工智能和自主武器的道德使用政策，以及公眾對使用人工智能引導的自主武器系統的看法，是決定將人類留在決策鏈中的基礎。美國陸軍的“四分衛項目”為構建當前的作戰管理系統提供了框架。與保護工作類似，作戰管理系統不斷從外部和有機傳感器中提取數據。然后，它評估聯合能力如何融合以暫時禁用對手的部分防御傘，并允許下屬單位推進并將其有機單位帶入射程。

由于聯合單位在在時間和空間上的協調需要在幾秒鐘內執行和同步，因此需要作戰管理系統不斷分析作戰環境。在此過程中，它重組了 OODA 循環概念的部分內容，以獲得以秒或毫秒為單位的自主對手決策周期的能力。該系統通過持續觀察戰場空間并同時分析美國“友軍”的行動來應對威脅，而不是觀察后再確定方向來實現這一目的。然后，該系統會產生一系列可用的選項來進行攻擊性打擊。在軍團的行動中心內，選項顯示在交互式顯示器上，允許具有適當釋放權限的個人決定采取何種行動。通過不斷分析和重新配置可能的傳感器到射擊者的回路，該系統創建了一個決策空間，可以減輕將人置于回路中對抗嚴重依賴自主能力的對手缺點。在作戰中心的相關權力機構確認以對手單位為目標后，作戰管理系統通過在時間和空間上同步依賴的效果，將來自各種選定的聯合推動者的能力融合起來。

在這種情況下，在發射美國“友軍”導彈之前，作戰管理系統會協調進攻性網絡行動，威脅信號淹沒對手雷達，這增加了導彈成功穿透敵人的反介入和區域封鎖傘的機會。一旦產生網絡效應，作戰管理系統就會指揮導彈的發射并觀察對手的反應，以在必要時重新發射另一枚導彈，并檢測更多額外的目標。導彈找到目標并摧毀它。一旦傳感器確認影響，作戰管理系統就會向與現有信息作戰工作線相一致的媒體傳播消息。同時，作戰管理系統會重新計算美國“友軍”運載平臺的彈藥可用性和回收率。這些數據用于優化未來打擊的彈藥使用，并為保障部隊建立補給優先順序清單。

隨著美國“友軍”的推進和軍團塑造縱深機動區和作戰縱深火力區，這一過程不斷重復。美國陸軍師利用暫時的優勢窗口和機動自由來推進并將對手帶入其有機武器系統的有效射程內。這為近距離和縱深機動區域的對抗創造了條件，從而改變了戰場邊界并重新啟動了競爭循環。

場景 2 – 師梯隊

在美國陸軍第18空降團創造條件后，第3步兵師陣地機動進入附近區域，擊敗對手地面部隊。該地區是第一次軍事編隊爭奪“控制物理空間以支持戰役” 目標，在與對手近距離作戰。由于美國“友軍”地面部隊預計將在這個爭端空間進行獨立機動，因此擁有比對手更快的能力匯合對于推動節奏并保持主動權至關重要。地面機動部隊的目標是在臨時優勢窗口期間協調機動，以“擊敗敵軍、破壞敵方能力、物理控制空間以及保護民眾”。附近地區的對手依賴于由自主情報、監視和偵察 (ISR) 打擊系統、綜合防空系統和地面聯合兵種編隊組成的互聯網絡。將人工智能整合到決策周期中，大大加快了對手的行動節奏。為了獲得優勢地位，需要不斷中斷對手的能力，最好是在他們的指揮、控制和傳感器節點。

隨著第 3 步兵師部隊的機動，作戰管理系統不斷收集和比較數據，以構建一個共同的作戰圖，說明美國“友軍”和敵軍的組成和部署。根據數據，系統開始分析對手的防御網絡，以識別對手的傳感器、ISR 平臺和信息流。在此階段，地面部隊分散作戰，作戰管理系統側重于迫使對手暴露其能力的欺騙措施。一旦對手暴露了他們的系統，作戰管理系統就會將國家和戰區單位收集的偵察數據與鄰近單位情報和偵察能力收集的數據同步。然后它與相鄰單位和上級司令部的作戰管理系統協調，以消除交戰沖突。此操作可確保多個跨梯隊單位不繼續攻擊同一目標。

一旦上級司令部的作戰管理系統將權力下達給第 3 步兵師，該師的作戰管理系統就會掃描整個組織的能力，以建立一個成功可能性最大的傳感器與射手的連接。如果系統無法建立連接，或成功概率低于預定閾值，系統會將目標推回上級總部系統，以擴大可繼續攻克目標的可用聯合單位陣列并提高成功概率成功。當威脅單位可以用有機單位追擊時，師作戰管理系統會確認美國“友軍”的部署以清理地面，分析各種武器系統的彈藥狀態，并分配給確定的投送平臺。一旦傳感器周期完成，作戰管理系統就會向選定的武器系統發出信號以進行交戰。

釋放彈藥后，作戰系統會立即更新彈藥供應狀態，重置再生周期，向后勤作戰支援部隊發送補給請求，并跟蹤威脅直至其銷毀。這是一個需要幾秒鐘的循環，并且在滲透和分解過程中反復發生。隨著師部隊的推進，作戰管理系統在支持美國的各種媒體平臺上推送信息作戰信息。每一次積極的參與都伴隨著針對該地區人口統計的信息傳遞工作。隨著行動的進展，該系統不斷評估對手的信息活動并提出建議的反信息，使美國“友軍”在信息頻譜中保持主動權。

當美國“友軍”繼續在對手的反介入和區域拒止保護傘內展開對抗時，作戰管理系統會反復識別對手傳感器并建立冗余殺傷鏈來擊敗對手地面部隊。每次消滅對手ISR 傳感器時，系統都會評估破壞對敵方與美國“友軍”編隊交戰能力的影響。機動部隊利用隨后建立的臨時非覆蓋區域來推進其建制單位。同時，作戰管理系統重新啟動網絡、空間和無人機傳感器的融合以檢測新目標，并融合能力以建立一個新的臨時窗口期，可用于推進機動師地面部隊。

這些活動在幾秒鐘內發生，并且事件發生的速度遠遠超過人類的認知周期。隨著行動的進展，作戰管理系統的自主學習算法繼續分析和識別對手行為中的模式。因此，該系統可以實現與對手地面部隊及其防御努力的持續競爭循環。

影響

美國對手整合和融合自主性和人工智能的意愿推動了美軍發展和使用對抗能力的需求。這些進展提出了在面臨對等威脅時快速連續執行多域融合的需求。由于跨多個領域融合能力需要分析大量信息，因此該過程將人為主導的同步過程推到了敵人的決策周期之外。此外，多域融合涉及建立冗余殺傷鏈。通過消除沖突建立一個單一的傳感器到射手銜接鏈是不夠的。相反，融合需要在必要時識別和使用可以繼續攻擊目標或提供保護工作的冗余能力。由于存在優勢窗口的時間框架不斷縮短，建立快速同步聯合能力的冗余殺傷鏈是一項關鍵且需要同步完成的工作。

總體而言，未來的作戰管理系統必須在聯合平臺上進行橫向和縱向鏈接，以滿足多域作戰需求，并具備秒級或毫秒級的協同作戰能力。此外，為了融合能力，人工智能引導的作戰管理系統可以在爭端地區補給環境縮小對抗中彈藥優化的能力差距。該系統通過持續評估最佳目標-彈藥組合并避免不必要地消耗彈藥以及過度殺傷來實現這一目標。不幸的是，目前開發指揮和控制平臺的方法主要是沿著服務的孤島進行的，這將減緩建立在未來作戰中融合能力所需技術框架的能力。

結論

人工智能和自主性對作戰節奏的影響支持羅伯特·萊昂哈德的說法，即“時間越來越成為戰爭的關鍵維度。”人工智能與自主能力的結合使軍隊能夠大幅增加活動發生的頻率，進而推動序列的節奏并縮短機會之窗。當人工智能在沒有人的情況下在觀察決策-行動循環中引導自主系統時，這種關系會進一步加速。時間，以及比對手更快地觀察和行動的能力，成為執行匯合的關鍵因素，使美國“友軍”能夠獲得暫時的優勢位置。

自從計算機網絡、戰術數據鏈和衛星通信的普及以來，美國還沒有遇到過對手。目前在量子技術、人工智能和自主性領域的努力對美國各軍種在其各自的統治范圍內獨立運作的能力提出了挑戰。因此，正如美國陸軍的多域作戰 2028 概念所預期的那樣，在戰場上創造臨時可利用優勢的能力依賴于跨多個域融合聯合能力。目前，這一過程主要由協調小組執行，其主要任務是通過 "域聯合解決方案的階段性同步"來匯聚能力。然而，與同行競爭者進行融合的復雜性，其人工智能引導和自主武器系統將決策和同步循環縮短到幾分鐘或幾秒鐘，這需要開發新技術。 MDO 2028的設計師承認這一缺陷，以及任務的復雜性，并列出了融合的考慮，要求開發新的軍事技術來填補這一關鍵的空白。

因此，未來的 C2 系統需要為所有梯隊的指揮官提供盡可能接近完整的戰場空間內所有聯合單位的通用作戰圖。此外，這些系統需要快速傳輸偵察和目標數據，以使用動能和非動能手段繼續攻擊目標。然而，即使未來的C2系統能夠為指揮官和他們的參謀人員提供數據，使他們能夠在多個領域融合能力，但與在快速轉瞬即逝的機會窗口內任務相關的大量信息融合很快就超過了人類的認知能力。此外，其他因素，如彈藥優化要求和不同的能力再生窗口，進一步增加了在多域作戰中融合能力的復雜性。

目前為應對新出現的威脅所做的努力表明，美國各軍種在開發和部署國防部范圍內的能力方面仍然進展緩慢。美國軍隊正處于重組過程中，這為創建專注于打仗的系統提供了機會，而打仗需要嵌套和連接的C2系統，以促進快速交接和整合聯合使能器。如果現在不建立這些能力，將導致發展出一支名副其實的“多域部隊”，因為軍隊將不再具備2028發展目標所設想的那樣融合能力，而是退回到既定的解沖突和同步過程，這種程序太慢，效率太低，無法保持競爭力。

正如本文所說明的那樣，面對擁有人工智能引導和自主武器系統的同行威脅，保持競爭力的唯一途徑是發展類似的能力，在幾秒鐘內建立并執行冗余的傳感器到射手的連接。將人工智能整合到作戰管理過程中不是一個保持領域優勢的問題，而是確保美國軍隊能夠在對抗、利用和再對抗的連續循環中創造短暫的優勢窗口，這種對抗在所有作戰領域中以秒計。

這是一個顛覆性技術快速變革的時代，特別是在人工智能（AI）領域。雖然這項技術是由商業部門為商業開發的，但人工智能在軍事應用方面的明顯潛力，現在正促使世界各地的武裝部隊對人工智能防御雛形系統進行試驗，以確定這些系統如何能夠最好地用于作戰與和平時期的任務。

澳大利亞也不例外，在2020年國防戰略更新中分配了資金，開始將人工智能能力引入國防。這將涉及開發解決戰術級和戰略級軍事問題的人工智能應用程序，建立一個熟練的人工智能勞動力，并與澳大利亞合作伙伴和盟友合作，將倫理學納入人工智能應用程序，并進行人工智能實驗。今年在澳大利亞首都地區費爾伯恩設立的國防技術加速實驗室是這一計劃的具體行動體現。

彼得-雷頓（Peter Layton）的論文考慮了人工智能在未來海、陸、空作戰行動中的戰術和作戰層面上可能發揮的作用，為這一廣泛的活動做出了貢獻。這是一個很少被研究的領域，因為到目前為止，大部分的討論都集中在關鍵的技術問題上。這些審議表明，人工智能可能是未來戰爭中的一項重要技術，但仍有許多不確定因素。本文提供了一個起點，在此基礎上開始辯論，這將有助于解決其中一些不確定性。

本文認為，人工智能將滲透到大多數軍事機器中；然而，它的通用性意味著它很可能是在現有作戰層面結構中被使用。鑒于此，人工智能在中短期內的主要作戰用途是“尋找（find）和欺騙（fool）”。人工智能/機器學習尋找隱藏在高度混亂背景中的目標非常出色；在這個應用上，它比人類更好，而且速度更快。然而，人工智能可以通過各種手段被欺騙；其強大的尋找能力缺乏穩健性。這兩個關鍵特征在應用于當前海、陸、空作戰層面的思考時，可能會產生巨大的影響。

本文初步設計的作戰概念與沒有人工智能技術的作戰概念明顯不同。

所討論的概念旨在激發人們對人工智能戰場上人機協作作戰的思考。這樣的戰場在目前看來可能有些猜測，幾乎是科幻小說。即便如此，許多國家已經在規劃、研究和開發方面取得了很大進展。鑒于將軍事力量調整到新方向所需的漫長準備時間，這一旅程需要從現在開始。

人工智能（AI）技術突然變得對軍事力量很重要。美國國防部（US DoD）已將人工智能的投資從2016-17年約6億美元增加到2021-22年25億美元，橫跨600多個項目。中國已經通過了一項“下一代人工智能發展計劃”，旨在到2030年使中國成為人工智能領域的杰出國家，并使人民解放軍從“信息化戰爭”轉向“智能化戰爭”。更引人注目的是，俄羅斯總統普京宣布，“人工智能是未來......誰成為這個領域的領導者，誰就會成為世界的統治者”。這些高級別的倡議和聲明正在產生結果。

在美國，美國海軍（USN）的“海上獵人”號（USV）在沒有船員的情況下從加利福尼亞航行到夏威夷再返回，利用船上的傳感器、雷達和攝像機數據，通過人工智能進行導航。同時，在美國國防部高級研究計劃局（DARPA）的支持下，一架由人工智能驅動的F-16模擬戰斗機最近在多次模擬的近距離空戰中全面擊敗了由非常有經驗的人類飛行員控制的類似模擬。在一項研究陸戰的類似評估中，美國陸軍（US Army）已經確定，一支由人工智能驅動的部隊比一支非人工智能驅動的部隊擁有大約10倍的戰斗力。

中國目前正在應用人工智能，通過指揮和控制系統的自動化來提高其戰場決策的速度和準確性，制定預測性作戰計劃并解決情報、監視和偵察數據融合的挑戰。中國還開始試用人工智能USV，以備在南海使用，并開始試驗無人駕駛坦克，而一家中國私營公司公開展示了人工智能武裝的蜂群無人機。

俄羅斯落后于美國和中國，但現在正在實施一項國家人工智能戰略以迎頭趕上。在軍事領域，俄羅斯有幾項工作正在進行。一條主線是將人工智能應用于信息戰，在戰術上用于發動心理戰，在戰略上用于破壞對手國家的社會凝聚力。另一條線是通過開發無人駕駛地面車輛（UGVs）、遠程傳感器、戰術指揮和控制系統以及無人駕駛航空器（UAVs），使用人工智能來提高陸地作戰行動的有效性。另一個努力方向是國家防空網絡的指揮和控制系統的自動化。

初步跡象表明，人工智能可能是未來戰爭中一項非常重要的技術，但仍然存在不確定性。雖然人工智能在民用領域，特別是在消費類產品中，被廣泛使用，但在軍事環境中才剛剛接近實際部署。此外，它仍然沒有在真正的戰斗行動的惡劣試驗場上得到驗證。即便如此，人工智能已經成為軍事力量考慮其未來時不可忽視的技術。

重要的是，在可預見的未來，可用的人工智能技術是狹義的，而不是通用的。狹義人工智能等于或超過了人類在特定領域內特定任務的智能；其表現取決于應用環境。相比之下，通用人工智能等于人類在任何領域任何任務中的全部表現。何時能實現通用人工智能仍然值得商榷，但似乎還有幾十年的時間。近中期的全球軍事興趣在于如何在現代戰場上使用狹義的人工智能技術。

不足為奇的是，人工智能的定義往往與人類智能相提并論。例如，2018年美國國防部人工智能戰略將人工智能定義為“機器執行通常需要人類智能的任務......”。這種理解將技術擬人化，并無意中將對人工智能應用的思考限制在那些可以由人類執行的任務上。

在某些應用中，人工智能可能比人類做得更多或更少。人工智能和人類能力的維恩圖在某些領域可能會重疊，但認為它們重合是有點虛偽的。在提供解決問題的見解上，人工智能可能是智能的，但它是人工的，因此，它的思維方式是人類所沒有的。

因此，本文在考慮人工智能時，更多的是考慮這種技術能夠執行的廣泛功能，而不是考慮它與人類能力的關系。2019年澳大利亞國防創新委員會采取了這種方法，將人工智能定義為“用于執行以目標為導向的任務的各種信息處理技術，以及追求該任務的推理手段”。

初一看，這個定義似乎并不精確，沒有包括人工智能可能為軍事或民用目的實際執行任務。但這種模糊性是當代人工智能應用的一個關鍵屬性。人工智能可以以多種方式應用，可以被認為是一種普遍存在于社會中的通用技術。通用技術的一個早期例子是電力，現在它被廣泛使用，以至于它的持續存在和使用，就所有的意圖和目的而言，都是簡單的假設。電能使惰性機器活躍起來，人工智能也將以自己的方式，通過推理為它們提供完成任務的能力。人工智能似乎將注入許多軍事機器，因此未來的戰場將不可避免地以某種方式由人工智能支持。

為了取得對對手的作戰優勢，軍隊不斷尋求更大的戰斗力。傳統上，技術是以一種綜合的方式在戰場上使用的，它能最好地利用人類和機器的長處，同時盡量減少兩者弱點的影響。人工智能似乎也可能是類似的。可以預計，人工智能在與人類謹慎地合作時，而不是在某種獨立的模式下，會變得最有效。

這種考慮強調了新技術本身并不會突然間帶來戰場優勢，而是在于人類如何運用它。對早期技術創新的歷史分析指出，擁有指導如何使用這些新技術的合理概念是軍隊成功將其投入使用的關鍵。歷史學家威廉姆森-默里和艾倫-米萊指出：

• 證據表明，首先，制定未來愿景的重要性。軍事機構不僅需要進行最初的智能投資，以發展對未來戰爭的設想，而且必須繼續對這種設想進行深入思考，以確定這些戰爭可能與以前的沖突有什么不同......在這方面任何對未來戰爭的設想幾乎肯定是模糊和不完整的，不是詳細和精確的，更不是任何科學意義上的預測。然而，愿景并不足以產生成功的創新。一個人對未來沖突的看法也必須是平衡的，并與行動的實際情況有很好的聯系。

在戰術層面，與戰爭現實的聯系是最緊密的。戰略規定了目標、總體方針和使用的力量，但在與聰明和適應性強的對手戰斗中處理這些力量的卻是戰術層面。雖然戰斗的成功可能不會導致戰略的成功，正如美國在越南的戰爭所說明的那樣，反之亦然。一個好的戰略在面對持續的戰術失敗時不可能成功。克勞塞維茨寫道：一切都取決于戰術結果......這就是為什么我們認為強調所有的戰略規劃都只依賴于戰術上的成功是有用的......這在任何情況下都是決策的實際基本依據。戰術通常被認為涉及友軍相互之間以及與敵人之間的分布和機動，以及在戰場上使用這些部隊。

本文旨在為在未來的人工智能戰場上使用人機團隊制定作戰概念。這樣的戰場，特別是當擴大到陸戰以外的空戰和海戰時，有一個混合的線性和深層的方面，具有消耗和機動的概念。設計這些作戰概念將為潛在的狹義人工智能系統如何在戰爭的戰術和作戰層面上使用提供一個廣闊的視野。

首先，本文討論了組成人工智能技術包的各種技術要素。這些要素包括先進的計算機處理和大數據，以及與云計算和物聯網（IoT）有關的具體方面。

第二章研究了利用人工智能發動戰爭的問題，并為防御和進攻制定了通用的作戰概念。這些概念位于作戰和戰術層面之間的模糊界面，涉及友軍相對于對手的分布和機動，以及友軍在戰場上的運用。

第三章、第四章和第五章分別將人工智能防御和進攻的兩個通用概念應用于海洋、陸地和空中領域。每個領域的戰斗在分配和操縱友軍以及與敵人交戰方面都有很大的不同，因此有必要提出單獨的人工智能作戰概念。沒有一個單一的概念能夠充分涵蓋所有三個領域，除非在很高的抽象水平上，但理解其含義可能會變得困難。提出這種具有前瞻性的概念似乎接近于投機性的小說。為了避免這種情況，每個概念都特意以當代作戰思維為基礎，并討論了當前和新興的人工智能支持的海、陸、空平臺和系統，以說明所提出的想法。

設計這些作戰概念的目的是激發思考，并啟動關于未來和如何備戰的辯論。本文提出的作戰概念旨在成為辯論其他人工智能戰場概念的實用性、可能性和有用性的基礎。只有通過對建議進行批判性分析，并不斷重構它們以進一步分析和演化，才能朝著最佳作戰概念取得進展。

本文所討論的概念在性質和范圍上都是有意限制的。就性質而言，海、陸、空的概念是：為了保持每個概念的重點，它們不是聯合或合并的。重要的是，這種狹隘性意味著一些領域并沒有包括在內，如俄羅斯在影響力戰爭中使用人工智能或中國在社會管理和內部防御中使用人工智能。出于類似的原因，每個概念都有一個狹窄的范圍，專注于戰爭，只有限地關注后勤，并避免關鍵領域，如教育、培訓、行政和指揮與控制。值得注意的是，除了與傳統的陸、海、空領域的戰術交戰的關系外，沒有討論網絡和空間這些新領域。

本文將人工智能這種新技術與戰爭的作戰方式和戰術使用選擇聯系起來。有了這樣一個重點，本文就與許多武裝部隊制定的眾多人工智能戰略和計劃不同。一般來說，這些戰略和計劃都是向內看的，目的是闡述人工智能作為一種技術將如何被研究、獲得并引入到他們的具體服務中。本文旨在補充這些人工智能技術戰略和計劃，將它們與更廣泛的作戰業務聯系起來，發揮作用。

美國防戰略（NDS）確定了一個復雜的全球安全環境，其特點是對當前國際秩序的公開挑戰和國家間長期戰略競爭的重新出現。它要求建立一支致命的、靈活的、有彈性的和可快速部署的部隊，以對抗、威懾和贏得對所有對手的勝利。海軍執行CNO的指導，以我們的海上控制和力量投射的核心原則以及前瞻性的艦隊設計概念為中心，開展分布式海上作戰（DMO），提供NDS所需要的強大海上組成部分。作為NDS的組成部分，海軍航空兵強烈關注更新現有能力，使新的先進平臺投入使用，并通過加強戰術和程序來補充今天的作戰能力，以應對高端戰斗。

今天的航母攻擊群（CSG）--以大甲板、核動力航空母艦及其搭載的艦載機聯隊為中心--通過為艦隊指揮官提供多領域的軍事力量來實現這一創新的艦隊設計。艦載機在殺傷力、戰斗空間態勢和機動性方面為任何海上戰場帶來了無可比擬的貢獻，確保了海軍建立和維持海上控制、實現海上優勢和遠距離投射力量的能力。

海軍的固定翼和旋翼飛機、有人和無人飛機構成了世界上分布最廣的航空平臺，為CSG、遠征打擊群（ESG）和水面艦艇提供支持，提供廣泛的支持性任務。

《海軍航空遠景2030-2035年規劃》取代了《海軍航空遠景2025年規劃》，并反映了一些關鍵概念，以滿足CNO對海軍的愿景，即在海面上一擁而上，在每個軸心和每個領域提供同步的致命和非致命努力。

當海軍計劃建立和維持一支致命的、有彈性的部隊時，必須要有一個明確的路線圖，與此同時，也要有一個明確的計劃。

未來的技術

鑒于威脅快速發展，海軍航空必須投資并追求先進的技術和作戰概念，以便在戰爭的戰役層面上取得成功。美國防部長奧斯汀指出："盡管在過去30年中進行了兵力結構的削減，但聯合部隊有必要的能力和實力來實施國防戰略（NDS）的優先事項并應對今天的威脅。在國會的支持下，國防部將通過繼續投資聯合部隊的戰備和部隊現代化，以及加快對人工智能（AI）、機器學習（ML）和其他先進技術的投資，提高聯合部隊的戰斗潛力。這些投資，加上盟友和合作伙伴的合作，將優化部隊結構，產生一支能夠威懾或擊敗對手的有戰斗力的聯合部隊。"

海軍航空的先進技術包括：

• 無線電頻率（RF）和紅外線（IR）信號降低技術

• 增強被動和主動殺傷鏈

• 載人/無人機組隊（MUM-T）

  • MUM-T減少了駐扎在CVW內的有人飛機的風險，同時也提高了性能、容量和生存能力。無人機系統（UAS）將在未來的機翼和分布式水面艦隊中扮演不同的角色，如加油、通信中繼、后勤、空中電子攻擊、打擊和ISR&T等任務。

  • MQ-25將是海軍第一個基于航空母艦的無人平臺，并將增加CVW的殺傷力和覆蓋范圍，作為一個油輪，它具有輔助ISR作用。

  • MQ-4C "海獅"在2020年1月實現了早期作戰能力（EOC），通過人機和自主團隊提供持久的海上ISR&T。它將按計劃在2023年實現初始作戰能力（IOC）。當與任務管理工具配對時，如Minotaur與IFC 4多信息配置，"海獅"將提供傳感器的敏捷性，以定位、跟蹤、分類、識別和報告感興趣的目標。

  • MQ-8C "火力偵察兵 "無人機系統將在不久的將來首次部署先進的雷達、Link 16和Minotaur任務系統。

  • 正在推進物資和非物資解決方案，以加強MQ-8、MH-60和瀕海戰斗艦之間的互操作性。納入Link 16的信息傳遞以及Minotaur的整合，將提高分布式水面艦隊的有機瞄準能力，并提高戰斗空間態勢感知。

• 提高速度和射程--推進器解決方案在為先進任務系統提供動力和冷卻的同時，還能提高速度、射程和續航能力（即可變循環發動機）。

• 長距離、高容量和高超音速武器--下一代武器不僅要擴大空對空和地對空的覆蓋范圍，而且要同時擊敗機動空中目標和地對空防御。這可以通過增加運動量（即高超音速）和/或其他破壞性技術（如定向能武器）來實現。

• 減少決策時間--通過納入自動化、最佳機組-機隊交互和利用人工智能（AI）和機器學習（ML）的團隊化有人/無人部隊，推動戰術的簡單化。

• 電磁機動戰（EMW）能力--對抗敵人殺傷鏈和防空系統的能力。

• 網絡能力--對抗敵方網絡效應的能力，同時加強網絡能力和平臺。

• 先進的網絡--海軍戰術網格（NTG），具有彈性的可生存的波形。

• 福特級航空母艦--設計用于支持這些和其他技術到未來的發展。

在海軍航空部門實現這些技術革新的過程中，與工業界合作是至關重要的。與商業企業合作必須包括對開放架構的明確需求，避免獨特和專有的硬件和軟件，以及開發、測試和實施，推動分段而不是整體的變化。這種聯盟和合作將在正確的時間為正確的理由加速正確的變革。

海軍航空2030-2035遠景

"我們的武裝部隊作為世界歷史上最有能力的軍隊，已經配備了人員、訓練、裝備，并準備好響應國家的號召。" -美國防部長勞埃德-J-奧斯汀三世

當海軍航空展望未來時，很明顯正面臨著一個快速演變的威脅，需要大量的部隊現代化。領導層必須采取大膽的行動并做出艱難的選擇，以產生在各種沖突中獲勝所需的變化。這將需要重新關注海軍所需的能力、容量、戰備和訓練，以提高和保持作戰優勢。

海軍航空將接受可負擔性。通過明智地應用資源和進化的投資戰略，海軍航空2030-2035年遠景規劃概述了一種在所有戰爭領域提供完整的殺傷鏈的方法，有助于在未來幾年內保證進入、權力投射和海上控制。今天為2035年開發和采購的航空機隊是一個混合體：互補的第四代和第五代飛機；NGAD FOS；有人和無人平臺；以及網狀的傳感器和武器，以確保海軍能夠決定性地擊敗日益先進的近距離威脅。海軍航空兵必須能夠用下一代飛機在更遠的距離和更快的速度對任何目標提供精確的效果。

如果我們堅持這一愿景，海軍航空兵將能夠整合海基和陸基飛機--有人駕駛和無人駕駛--以提供一支持久、靈活、可調整的部隊，具有提供穩定存在、緩和地區緊張局勢或使用武力向我們的對手施加代價的靈活性和響應性。

縱觀其歷史，海軍航空兵一直處于海戰的戰術、作戰和戰略創新的前沿。空軍司令部的設想延續了這一傳統，并保留了海軍航空兵給我們國家帶來的作戰優勢。

機器學習是現代戰爭系統的關鍵組成部分。本文探討了人工智能的 7 個關鍵軍事應用。

機器學習已成為現代戰爭的重要組成部分，也是我（Nicholas Abell）作為陸軍退伍軍人和數據科學家的主要興趣點。與傳統系統相比，配備人工智能/機器學習的軍事系統能夠更有效地處理大量數據。此外，人工智能由于其固有的計算和決策能力，提高了作戰系統的自我控制、自我調節和自我驅動能力。

人工智能/機器學習幾乎被部署在所有軍事應用中，軍事研究機構增加研發資金有望進一步推動人工智能驅動系統在軍事領域的應用。

例如，美國國防部 (DoD) 的國防高級研究計劃局 (DARPA) 正在資助一種機器人潛艇系統的開發，該系統預計將用于從探測水下水雷到參與反潛行動的各種應用。此外，美國國防部在 2017 財年在人工智能、大數據和云計算方面的總體支出為 74 億美元。預計到 2025 年，軍事 ML 解決方案的市場規模將達到 190 億美元。

以下是機器學習將在未來幾年證明其重要性的七種主要軍事應用。

1. 作戰平臺

來自全球不同國家的國防軍隊正在將人工智能嵌入陸地、海軍、空中和太空平臺上使用的武器和其他系統中。

在基于這些平臺的系統中使用人工智能，可以開發出更少依賴人工輸入的高效作戰系統。它還增加了協同作用，提高了作戰系統的性能，同時需要更少的維護。人工智能還有望使自主和高速武器能夠進行協作攻擊。

2. 網絡安全

軍事系統通常容易受到網絡攻擊，這可能導致機密軍事信息丟失和軍事系統損壞。然而，配備人工智能的系統可以自主保護網絡、計算機、程序和數據免受任何未經授權的訪問。

此外，支持人工智能的網絡安全系統可以記錄網絡攻擊的模式，并開發反擊工具來應對它們。

3. 物流運輸

人工智能有望在軍事后勤和運輸中發揮關鍵作用。貨物、彈藥、武器和部隊的有效運輸是成功軍事行動的重要組成部分。

將人工智能與軍事運輸相結合可以降低運輸成本并減少人力工作負荷。它還使軍用艦隊能夠輕松檢測異常并快速預測組件故障。最近，美國陸軍與 IBM 合作，使用其 Watson 人工智能平臺來幫助預先識別 Stryker 戰車的維護問題。

4. 目標識別

正在開發人工智能技術以提高復雜戰斗環境中目標識別的準確性。這些技術使國防軍隊能夠通過分析報告、文檔、新聞提要和其他形式的非結構化信息來深入了解潛在的作戰領域。此外，目標識別系統中的人工智能提高了這些系統識別目標位置的能力。

支持人工智能的目標識別系統能力包括基于概率的敵人行為預測、天氣和環境條件匯總、潛在供應線瓶頸或漏洞的預測和標記、任務方法評估以及建議的緩解策略。機器學習還用于從獲得的數據中學習、跟蹤和發現目標。

例如，DARPA 的競爭環境中的目標識別和適應 (TRACE) 計劃使用機器學習技術在合成孔徑雷達 (SAR) 圖像的幫助下自動定位和識別目標。

5. 戰場醫療

在戰區，人工智能可以與機器人手術系統 (RSS) 和機器人地面平臺 (RGP) 集成，以提供遠程手術支持和疏散活動。美國尤其參與了 RSS、RGP 和其他各種用于戰場醫療保健的系統開發。在困難條件下，配備人工智能的系統可以挖掘士兵的病歷并協助進行復雜的診斷。

例如，IBM 的 Watson 研究團隊與美國退伍軍人管理局合作開發了一種稱為電子病歷分析器 (EMRA) 的臨床推理原型。這項初步技術旨在使用機器學習技術來處理患者的電子病歷，并自動識別和排列他們最嚴重的健康問題。

6. 戰斗模擬與訓練

模擬與訓練是一個多學科領域，它將系統工程、軟件工程和計算機科學結合起來構建計算機模型，使士兵熟悉在軍事行動中部署的各種作戰系統。美國正在越來越多地投資于模擬和訓練應用。

美國海軍和陸軍都在進行戰爭分析，啟動了幾個傳感器模擬程序項目。美國海軍已經招募了 Leidos、SAIC、AECOM 和 Orbital ATK 等公司來支持他們的計劃，而美國陸軍的計劃得到了包括 SAIC、CACI、Torch Technologies 和 Millennium Engineering 在內的公司的支持。

7. 威脅監控和態勢感知

威脅監控和態勢感知在很大程度上依賴于情報、監視和偵察 (ISR) 工作。ISR 行動用于獲取和處理信息以支持一系列軍事活動。

用于執行 ISR 任務的無人系統既可以遠程操作，也可以按照預先定義的路線發送。為這些系統配備人工智能有助于防御人員進行威脅監控，從而提高他們的態勢感知能力。

具有集成 AI 的無人駕駛飛行器 (UAV) - 也稱為無人機 - 可以巡邏邊境地區，識別潛在威脅，并將有關這些威脅的信息傳輸給響應團隊。因此，使用無人機可以加強軍事基地的安全，并提高軍事人員在戰斗中或偏遠地區的安全性和效率。

結論

人工智能在軍事技術硬件和軟件的大規模采用，向我們展示了現代戰爭中令人難以置信和可怕的范式轉變。毫不奇怪，世界上最大的軍隊比其他任何事情都更加關注這項技術，而這場技術競賽的獲勝者可能會比美國在研制原子彈后擁有更多的全球影響力。 （作者：Nicholas Abell，美國陸軍退伍軍人）

Drone Wars UK 的最新簡報著眼于人工智能目前在軍事環境中的應用方式，并考慮了所帶來的法律和道德、作戰和戰略風險。

人工智能 (AI)、自動決策和自主技術已經在日常生活中變得普遍，并為顯著改善社會提供了巨大的機會。智能手機、互聯網搜索引擎、人工智能個人助理和自動駕駛汽車是依賴人工智能運行的眾多產品和服務之一。然而，與所有技術一樣，如果人們對人工智能了解甚少、不受監管或以不適當或危險的方式使用它，它也會帶來風險。

在當前的 AI 應用程序中，機器為特定目的執行特定任務。概括性術語“計算方法”可能是描述此類系統的更好方式，這些系統與人類智能相去甚遠，但比傳統軟件具有更廣泛的問題解決能力。假設，人工智能最終可能能夠執行一系列認知功能，響應各種各樣的輸入數據，并理解和解決人腦可以解決的任何問題。盡管這是一些人工智能研究計劃的目標，但它仍然是一個遙遠的前景。

AI 并非孤立運行，而是在更廣泛的系統中充當“骨干”，以幫助系統實現其目的。用戶不會“購買”人工智能本身；他們購買使用人工智能的產品和服務，或使用新的人工智能技術升級舊系統。自主系統是能夠在沒有人工輸入的情況下執行任務的機器，它們依靠人工智能計算系統來解釋來自傳感器的信息，然后向執行器（例如電機、泵或武器）發出信號，從而對機器周圍的環境造成影響.

人工智能被世界軍事大國視為變革戰爭和獲得戰勝敵人的優勢的一種方式。人工智能的軍事應用已經開始進入作戰使用，具有令人擔憂的特性的新系統正在迅速推出。與軍事和公共部門相比，商業和學術界已經引領并繼續引領人工智能的發展，因為它們更適合投資資金和獲取研究所需的資源。因此，未來人工智能的軍事應用很可能是對商業領域開發的技術的改編。目前，人工智能正在以下軍事應用中采用：

• 情報、監視和偵察
• 賽博戰
• 電子戰
• 指揮控制和決策支持
• 無人機群
• 自主武器系統

人工智能和英國軍事

綜合審查和其他政府聲明毫無疑問地表明，政府非常重視人工智能的軍事應用，并打算繼續推進人工智能的發展。然而，盡管已經發布了概述使用自動化系統的學說的出版物，但迄今為止，英國國防部 (MoD) 仍然對管理其人工智能和自主系統使用的倫理框架保持沉默，盡管已經做出了一些重大決定。軍事人工智能的未來用途。

英國國防部一再承諾發布其國防人工智能戰略，預計該戰略將制定一套高級倫理原則，以控制軍事人工智能系統的整個生命周期。該戰略是在與來自學術界和工業界的選定專家討論后制定的，盡管政府尚未就與人工智能的軍事用途相關的倫理和其他問題進行公開磋商。該戰略的主要目的之一是向行業和公眾保證，國防部是人工智能項目合作的負責任合作伙伴。

與此同時，在沒有任何道德指南的情況下，計劃和政策正在迅速推進，主要問題仍未得到解答。英國軍隊在什么情況下會采用人工智能技術？政府認為何種程度的人為控制是合適的？風險將如何解決？英國將如何向其盟友和對手證明英國打算采取有原則的方法來使用軍事人工智能技術？

軍事人工智能系統帶來的風險 上述人工智能的每一種不同的軍事應用都會帶來不同的風險因素。作為國防部總部后臺操作的一部分，對數據進行排序的算法會引發不同的問題和擔憂，并且需要與自主武器系統不同級別的審查。

盡管如此，目前正在開發的人工智能系統無疑會對生命、人權和福祉構成威脅。軍事人工智能系統帶來的風險可以分為三類：道德和法律、操作和戰略。

道德和法律風險

• 遵守戰爭法： 目前尚不清楚機器人系統，特別是自主武器如何能夠滿足戰爭法制定的致命決定和保護非戰斗人員的標準。

-問責制：目前尚不清楚如果出現問題，誰來承擔責任：如果計算機運行不可預測并因此犯下戰爭罪行，懲罰它是沒有意義的。

• 人權和隱私：人工智能系統對人權和個人隱私構成潛在威脅。

• 不當使用：在戰斗環境中處于壓力之下的部隊可能會試圖修改技術以克服安全功能和控制。

作戰應用風險

• 偏見的技術來源：人工智能系統的好壞取決于它們的訓練數據，少量損壞的訓練數據會對系統的性能產生很大影響。

• 偏見的人為來源：當人類濫用系統或誤解其輸出時，可能會導致偏見。當作戰員不信任系統或系統非常復雜以至于其輸出無法解釋時，也會發生這種情況。

• 惡意操縱：軍用 AI 系統與所有聯網系統一樣，容易受到惡意行為者的攻擊，這些行為者可能試圖干擾、黑客攻擊或欺騙系統。

戰略風險

• 降低門檻：人工智能系統帶來了政治領導人在沖突中訴諸使用自主軍事系統而不是尋求非軍事選擇的風險。

• 升級管理：涉及人工智能的軍事行動的執行速度降低了審議和談判的空間，可能導致快速意外升級并造成嚴重后果。

• 軍備競賽和擴散：對軍事人工智能的追求似乎已經引發了軍備競賽，主要和地區大國競相發展其能力以保持領先于競爭對手。

• 戰略穩定性：如果先進的人工智能系統發展到能夠預測敵人戰術或部隊部署的程度，這可能會產生高度不穩定的后果。

本簡報列出了為人工智能設想的各種軍事應用，并強調了它們造成傷害的可能性。它認為，減輕軍事人工智能系統帶來的風險的建議必須基于確保人工智能系統始終處于人類監督之下的原則。

迄今為止，公眾對人工智能和機器人技術進步所帶來的社會變化和風險似乎知之甚少。這份簡報的部分目的是為了敲響警鐘。人工智能可以而且應該用于改善工作場所的條件和對公眾的服務，而不是增加戰爭的殺傷力。