亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

隨著《2019 年陸軍現代化戰略：投資未來》的發布，美國陸軍又一次啟動了周期性的現代化運動，以滿足競爭新時代的軍事要求。考慮到與官僚機構變革相關的挑戰，確定有助于取得成功和提高效率的行動和條件至關重要。本文考慮了陸軍可以影響和塑造哪些內部條件，以及可以監控哪些外部條件，從而成功實現現代化。它進一步嘗試利用第一次世界大戰和第二次世界大戰之間的戰時案例研究，確定陸軍領導者應重點關注的具體現代化條件。研究從現代化和變革管理領域的理論家那里汲取了包括承諾、領導力、共識、條令和資源配置在內的條件。研究結果表明，這些條件中的每一個都會影響現代化進程，但研究進一步發現，所選條件并不完全決定成功與否。雖然這項研究只是為更好地理解現代化的成功奠定了基礎，但它也為進一步的研究開辟了探索領域，例如整合各軍種的現代化，這不僅可以提高美國陸軍成功的可能性，也可以提高整個國防部成功的可能性。

美國陸軍公布了最新的現代化藍圖--《2019 年陸軍現代化戰略：投資未來》。這份基礎性文件為陸軍在漫長的現代化和轉型歷史中的下一步努力確定了方位。美國陸軍部隊司令部司令邁克爾-加勒特（Michael Garrett）上將認為，"投資未來 "是確保陸軍保持相關性并為國家未來戰爭做好準備的關鍵。然而，美國陸軍不穩定的成功創新記錄威脅著這一努力。事實上，盡管最近出現了一些非常有效的例子，如 "二十一世紀部隊 "能力和 "斯崔克旅戰斗隊"（SBCT），但最近大多數陸軍現代化努力都以過早終止而告終。美國陸軍越戰后轉型的設計師之一唐-斯塔里將軍曾在 1983 年指出："在最好的情況下，像陸軍這樣龐大的機構的改革都是有問題的"。此外，他還指出，在整個歷史上，陸軍始終表現出為最后一場戰爭做準備的傾向。最后，他指出，美國陸軍在針對單一特定威脅和和平時期的現代化努力最為成功。美國仍在伊拉克和阿富汗開展行動，繼續在全球范圍內追捕和打擊恐怖組織，并面臨多個大國對手的擴張主義和叛亂行動，這使當代現代化變得更加復雜。最近的這些戰爭構成了長達十八年的地方反叛亂行動。如果 2018 年國防戰略（NDS）通過將戰爭概念擴展到包括全球競爭來準確描述未來戰爭，那么未能讓陸軍做好適當準備的現代化戰略將給國家帶來災難性的結果。

當前的戰略環境使美國陸軍成功實現現代化的機會更加復雜。全球幾乎完成了從工業時代到信息時代的過渡；技術以迅雷不及掩耳之勢發展，自冷戰結束以來，潛在軍事對手的數量大幅增加。為此，2018 年《國家發展戰略》首次擴展了戰爭的概念--設想大國之間恢復長期的戰略競爭，將其作為各國與政治對手較量的主要手段--利用數字信息、全球通信和技術進步的速度和獲取途徑，使國家力量的所有要素同步發展，以取得成功。在美國重點打擊阿富汗、伊拉克、菲律賓、也門、敘利亞和非洲之角的伊斯蘭恐怖分子的同時，俄羅斯等都制定并實施了軍隊現代化戰略，重點是削弱或超越美國的能力。有鑒于此，《投資未來》提出了多域作戰（MDO），進一步闡述了未來戰場的復雜性。多域作戰承認，美國和對手的軍隊都將試圖在所有領域（空中、陸地、海上、太空、信息和網絡空間）同步行動和能力，以取得優勢地位。MDO 要求各國在緊迫的時間框架內，同步調整所有軍事部門和政府機構的行動和能力，以創造有的放矢的機會。正是在這種復雜而又瞬息萬變的環境中，美國陸軍將開展下一步現代化工作，增強現有能力或開發新能力，在所有領域創造暫時和/或持久的優勢地位，戰勝未來的對手。

本文旨在讓陸軍領導人參與討論，對影響成功實現軍事現代化的潛在條件形成更透徹的理解。本文根據組織影響和控制這些條件的能力，對內部和外部條件進行了區分。具體來說，本文試圖確定哪些內部或外部條件可以指導現代化工作，以在 MDO 環境下組建可隨時部署并提高戰斗力的部隊。內部條件是指美國陸軍可以控制和影響以提高現代化成功幾率的條件，具體來說，是指無需總統或立法機構采取行動即可控制、修改或消除的條件。理想情況下，陸軍領導層會在進程早期發現適得其反的條件，從而支持組織調整，提高成功機會。外部條件可能是國家/戰略、文化或社會性質的，不在組織的直接控制范圍內。不過，了解這些條件及其對現代化的影響將使陸軍能夠修改方法和努力，以提高成功的機會。可能影響現代化的外部條件的一個例子是，陸軍預算大幅削減，降低了陸軍進行研發的能力。這種外部條件可能會推動影響現代化的內部決策和行動，如削減研發以支持戰備。

了解了這種差異，本文旨在確定美國陸軍必須在內部設定哪些條件，以及必須解決（必要時減輕）哪些外部因素，才能使陸軍最有效地實現現代化？本文的意義不在于它的預測能力，而在于它有可能引發對現代化有效性的新思考和討論，并最終確保最新戰略的結果比歷史常態更加成功。

基于本研究的各種資料來源，需要對定義進行一些澄清。就變革而言，有幾個術語描述了組織和機構的變革；"現代化"、"轉型 "和 "創新 "只是其中的幾個。一些參考文獻和作者為每個術語賦予了特定的定義。其他作者則交替使用這些術語來表示 "一種新的和改進的方法或程序"。創新 "或 "現代化 "意味著關注一項獨立的技術或能力，而 "轉型 "則意味著廣泛的、全企業范圍的變革。這三者都適用于當前的陸軍現代化工作。有鑒于此，并考慮到最近出版的《投資未來》一書，這項工作將使用 "現代化 "一詞，但有一項諒解，即上述每種類型的變革都可包括在內。第二點說明涉及定性評估。現代化研究中出現了幾種不同的描述，包括效果、效率、成功和價值等等。由于本研究不包括對現代化案例研究的經濟評估，而是側重于現代化部隊相對于當代部隊實現其預期能力的能力，因此本研究將使用 "效力 "作為評價術語。

本研究受兩個因素制約，一個與范圍有關，另一個與來源有關。由于軍事力量的本質是針對和消解敵對勢力的能力，因此大多數當代軍事現代化工作仍然是保密和不可獲取的。認識到這一局限性，本文將繼續進行非保密程序分析；本文將不對潛在敵對勢力的具體技術細節進行評估。其次，盡管組織變革包含了廣泛的理論，但并不存在通用的理論；研究人員必須在前人著作的基礎上加以擴展，或者發展出自己的概念。為此，本文將借鑒多位作者的理論。在此過程中，假定如果這些作者的觀點一致，那么某個變量對有效現代化的相對重要性就會更有說服力。

本研究報告由四個部分組成。導言部分介紹了研究的背景，提出了假設以及驗證或否定假設的問題。文獻綜述 "通過討論一些廣為接受的組織變革理論來確定分析框架，并在 "方法 "部分概述了所選的案例研究。這一部分介紹了各個案例研究，明確了選擇這些案例研究的理由，并構建了分析工具和評估標準。案例研究部分探討了三個單獨的軍事現代化時期，并根據現代化條件標準衡量了每個時期的結果。在 "結論 "部分，加入了一個 "分析 "小節，對每個案例研究的結論進行總結和比較。該部分還包含一個 "建議 "小節，對從案例研究中得出的數據進行了敘述性分析，評估了一個或多個案例研究與陸軍當前現代化工作之間任何可識別的直接相似之處，并就該主題的進一步研究途徑提出了建議。

新興技術和顛覆性技術及其在安全和國防領域的應用已成為歐洲聯盟（歐盟）倡議的核心。人工智能（AI）系統也不例外。作為大國競爭和日益武器化的焦點，人工智能技術因其軍民兩用的特點，以及在網絡物理領域的日益部署，在改變軍民關系方面既帶來了風險，也帶來了機遇。本文探討了歐盟最近所做的工作，確定了共同的計劃和項目，并考慮了歐洲技術主權的論述、最近的戰略舉措以及所涉及的主要利益相關者。由于歐盟缺乏明確闡述對這一新興技術領域及其負責任的軍事研究、開發和實戰的立場的戰略愿景，這些工作有可能成為缺失的總體知識拼圖中的零散片段。本文還對將人工智能驅動的技術解決方案納入歐盟安全與防務的主流提出了警示，指出這將使特定的地緣政治和軍國主義創新想象合法化，而這種想象可能與歐盟倡導的對此類系統負責任、可信賴和以人為本的愿景不符。

人工智能（AI）系統等新興和顛覆性技術（EDT）正在開創一個高科技全球競爭和地緣政治對抗的新時代。人工智能，尤其是機器學習（ML）的進步，已經以各種方式影響著戰爭。尖端的人工智能系統作為美國和中國等主要大國的 "終極助推器"，預示著巨大的戰略優勢，但也有可能對武裝沖突的全球監管和基于規范的制度造成不可預見的破壞。作為一種無所不能的使能技術，人工智能是一個總括性術語，經常被認為會徹底改變戰爭的本體，并引發戰略、作戰和戰術軍事實踐的范式轉變。不可否認，人工智能已成為國家戰略和軍事條令的基石。出于軍事目的開發人工智能加劇了人們對新一輪 "軍備競賽 "的擔憂，并擔心對抗性的零和思維將主導全球政治。尤其是人工智能在安全和國防領域的應用，正引發有關該技術武器化和廣泛軍事化的激烈辯論，以及對在戰場上使用和部署人工智能技術的倫理和監管問題的擔憂。

需要對 "軍事人工智能 "這一概念進行更多批判性的探討，特別是因為它已被狹隘地與軍國主義對技術顛覆未來的設想混為一談，從而助長了相關的研發（R&D）努力和部署致命自主武器系統（LAWS）的競賽。最近，這一概念與使用人工智能無人機群（或稱 "軍事蜂群"）進行軍事行動聯系在一起。雖然為更多地將致命武力交給此類技術鋪平道路的努力值得認真反思，但從國防工業供應鏈到研發、軍事決策、作戰、訓練、后勤和部隊保護等方面的軍民動態，智能軍事的快速發展已準備好改變戰爭的幾乎所有方面。最近的分析主要集中在美國和中國的力量動態上，而較少關注歐洲聯盟（歐盟）的努力或其對軍事人工智能的看法。

在此背景下，人工智能系統的地緣政治因素在歐盟層面吸引了更多關注，它被視為經濟、政治和軍事國家策略的有力工具。在最近關于加強歐洲 "戰略自主權 "和 "技術主權 "的討論中，以及在現任主席烏蘇拉-馮德萊恩自詡為 "地緣政治 "歐盟委員會的領導下，這一地緣政治因素也得到了體現。鑒于將軍事人工智能等關鍵技術納入歐洲安全與防務實踐的主流所面臨的挑戰，這并不奇怪，主要是因為歐盟內部及其成員國在外交、安全與防務等高政治領域的權限各不相同。事實上，安全和防務事務，包括與技術和工業領域相關的事務，以及各自的戰略研發舉措，傳統上一直是成員國的專屬權限。這些事務由歐盟內部的政府間決策機構負責，而不是受歐盟的超國家領導。然而，近年來，歐盟委員會通過基于市場和工業的倡議，擴大了其在這些領域的權限，以塑造和加強歐洲防務技術和工業基地（EDTIB）的競爭力和創新能力。歐盟委員會還越來越多地將民用科學、技術和創新計劃與歐盟主導的安全和國防研發政策領域的興起聯系起來，這些領域受益于關鍵軍民兩用技術的創新。在此背景下，本文通過探討歐盟主導的融資計劃（如歐洲防務基金（EDF）及其前身計劃）下的項目，以及歐洲防務局（EDA）主導的項目，重點介紹歐盟近期的人工智能安全與防務技術計劃。

首先，第二節探討了歐盟人工智能安全與防務倡議的研發趨勢。然后，第三節討論了歐盟國防研究試點項目下的無人蜂群系統計劃。第四節描繪了防務研究預備行動（PADR）下與人工智能相關的防務研究項目，第五節重點介紹了歐洲防務工業發展計劃（EDIDP）中由人工智能支持的幾個防務工業項目。第六節評估了歐洲國防工業發展計劃在改變人工智能國防技術游戲規則方面的作用。最后，第七節探討了歐洲防務局率先提出的幾項人工智能防務倡議和應用，最后在第八節和第九節提出了本文的建議和總體結論**。

隨著技術解決主義的現實政治愿景在布魯塞爾和歐盟成員國首都獲得越來越多的戰略牽引力，重要的是要注意到，這同樣使特定的地緣政治和軍國主義想象合法化，而這種想象可能并不總是與歐盟作為規范和民事大國的身份相一致。社會技術想象是群體的成就和集體持有的愿景，在這種想象中，某些愿景和愿望占據了主導地位，并隨著時間的推移，隨著主要利益相關者調動資源使其愿景更加持久和理想而獲得集體力量。這種軍國主義愿景的形成有助于將歐洲塑造成一個在戰略上獨立的全球大國和技術上擁有主權的想象空間。但與此同時，也應關注歐盟如何為基于規則的國際秩序和軍事人工智能軍備控制制度做出貢獻，從而緩解軍事人工智能和自主系統在戰爭中的使用及其在戰場上的廣泛部署日益正常化的趨勢。

為實現這一目標，歐盟資助的計劃和歐洲防務局的倡議都應采取相關措施，制定最佳做法，應對軍事人工智能帶來的潛在風險、挑戰和不希望出現的結果，從建立人類對人工智能技術的監督標準，到考慮某些系統的不可預測性和安全性，以及認識到沖突升級和違反國際法及道德原則的可能性增加。懷疑論者反對過分夸大人工智能系統的破壞性影響，認為這預示著一場新的 "軍事革命"。不過，應該指出的是，人工智能帶來了一系列新的挑戰和風險，因為這關系到人的作用。本文旨在通過識別具有人工智能驅動的安全與國防技術元素的共同項目，批判性地參與歐盟主導的努力。重點是歐盟層面的超國家和政府間防務合作。

利用無人地面飛行器（UGV）進行自主導航和未知環境探索極具挑戰性。本報告研究了一種利用小尺寸、低重量、低功耗和低成本有效載荷的測繪和探索解決方案。本文介紹的平臺利用同步定位和繪圖功能，通過尋找可導航路線來有效探索未知區域。該解決方案利用多種傳感器有效載荷，包括輪子編碼器、三維激光雷達、紅-綠-藍相機和深度相機。這項工作的主要目標是利用 UGV 的路徑規劃和導航功能進行測繪和探索，從而生成精確的 3D 地圖。所提供的解決方案還利用了機器人操作系統。

本文通過機器學習方法提出了一種雷達任務選擇的主動方法，并將其設計在雷達調度流程之前，以提高雷達資源管理過程中的性能和效率。該方法由兩個過程組成：任務選擇過程和任務調度過程，其中任務選擇過程利用強化學習能力來探索和確定每個雷達任務的隱藏重要性。在雷達任務不堪重負的情況下（即雷達調度器超負荷工作），將主動選擇重要性較高的任務，直到任務執行的時間窗口被占滿，剩余的任務將被放棄。這樣就能保證保留潛在的最重要任務，從而有效減少后續調度過程中的總時間消耗，同時使任務調度的全局成本最小化。本文對所提出的方法進行了數值評估，并將任務丟棄率和調度成本分別與單獨使用最早開始時間（EST）、最早截止時間（ED）和隨機偏移開始時間EST（RSST-EST）調度算法進行了比較。結果表明，與EST、ED和RSST-EST相比，本科學報告中提出的方法分別將任務丟棄率降低了7.9%、6.9%和4.2%，還將調度成本降低了7.8倍（EST為7.8倍）、7.5倍（ED為7.5倍）和2.6倍（RSST-EST為2.6倍）。使用我們的計算環境，即使在超負荷的情況下，擬議方法所消耗的時間也小于 25 毫秒。因此，它被認為是提高雷達資源管理性能的一種高效實用的解決方案。

雷達資源管理（RRM）對于優化作為飛機、艦船和陸地平臺主要傳感器的現代相控陣雷達的性能至關重要。報告》討論了雷達資源管理，包括任務選擇和任務調度。該課題對國防科技（S&T）非常重要，因為它與現代相控陣雷達的大多數應用相關。它對當前的海軍雷達項目尤為重要，該項目探索了雷達波束控制的人工智能（AI）/機器學習（ML）方法。所提出的算法有可能升級未來的艦船雷達，從而做出更好的決策并提高性能。

在最近的出版物中，歐洲防務機構指出，需要使供應鏈更有彈性，俄羅斯對烏克蘭的侵略進一步突出了這一優先事項。本文認為，通過采用數字孿生作為技術解決方案，使（軍事）供應鏈減少冗余是可行的。數字孿生提供了許多優勢，首先是實時監測和分析，可以戰略性地與創新的危機模擬和額外的支持技術相結合，以確保供應鏈在不利和潛在的未知條件下生存，防止供應短缺，減少維護成本和時間，并能夠與其他合作伙伴和利益相關者合作。

1 背景與引言

2018年6月，EDA的能力發展計劃（CDP）進行了重大修訂，從而定義了11個歐洲能力發展優先事項，包括加強后勤和醫療支持能力。同樣，總體戰略研究議程（OSRA）以技術基石（TBB）的形式定義了共同的科技優先事項，其中包括國防關鍵技術供應鏈（TBB45）。正如正在進行的烏克蘭戰爭所表明的那樣，軍事供應鏈--及其對挑戰性地形、維護成本、材料供應等問題的適應性--已成為國防的關鍵因素。使軍事供應鏈更具彈性，理所當然地成為EDA的優先事項[1]。在這一優先事項的基礎上，本文旨在探索一種可能的方式，使軍事供應鏈減少冗余。在供應鏈的背景下，冗余是指擁有備用系統、流程或資源，以確保在發生意外中斷的情況下，例如由于對手的進攻、自然災害、地緣政治不穩定或設備故障，業務可以繼續。

數字孿生是一種關鍵的使能技術，它使民事和軍事利益相關者能夠精確地模擬災難，并制定更好的和以情報為導向的決策，以減輕這種危機事件。識別關鍵材料和資產（包括主要的和輔助的）提供方面的依賴性、瓶頸和弱點，也有助于以較低的成本更好地制定抗災計劃和戰略。此外，通過使用數字孿生，民事和軍事利益相關者可以及時和正確地監測生產過程，確定短缺或缺乏供應鏈的多樣性。特別是在軍事物流這樣的領域，高速度、高保真和低容錯性至關重要，數字孿生在改善和促進軍事供應鏈方面具有真正的潛力。

然而，數字孿生的操作化本身并不是什么新鮮事，因為這種創新技術的許多例子已經在（軍事）航空領域被采用[2]。2018年，土耳其飛機工業公司與西門子產品生命周期管理軟件達成協議，在該公司的制造企業中實施完整的數字孿生；2020年，美國軍方使用數字孿生技術來提高F-35戰斗機和西科斯基UH-60黑鷹直升機的規劃和效率，2021年，勞斯萊斯公司轉向數字孿生來提高噴氣發動機效率[3]。雖然這項技術已經出現在（軍事）航空領域，但在國防部門的其他領域開發和實施，并擴大到整個軍事供應鏈--從單一（武器）系統到更廣泛和更復雜的系統，還有巨大的未開發的潛力。與其他創新技術和流程的整合，如"（軍事）物聯網"、區塊鏈和智能蜂群，再加上不斷增長的計算能力，可以使數字孿生成為操作的現實。這種數字孿生將被證明在跨境供應鏈的情況下最為有效，以評估/監測國際項目合作的可行性（如EMBT或歐洲巡邏隊）或在危機情況下（如涉及軍事行動的人道主義反應，或向烏克蘭等盟友和合作伙伴供應關鍵設備/物資）。

2 案例

軍事供應鏈是一個復雜和多方面的生態系統，涉及各種相互關聯的過程，如設備、物資和軍事人員的采購、儲存、運輸和分配。正如最近的軍事行動所表明的那樣，有彈性和可靠的供應鏈對社會復原力和確保行動的有效性至關重要，而軍事供應鏈管理的現狀往往表現為效率低下、冗余和缺乏端到端的可視性[4]。軍事供應鏈的關鍵特征之一是其冗余性[5]。通過建立冗余系統，軍隊可以最大限度地減少中斷對其業務的影響，并確保貨物和服務繼續流動。然而，如果管理不善，冗余也會導致效率低下和不必要的復雜性。例如，保持過量的庫存會占用重要的資源并增加成本，而擁有太多冗余的供應商會導致不必要的重復工作。因此，重要的是要仔細平衡冗余的需求與維護冗余系統的成本和風險。

2.1 實時監測和分析

數字孿生可以提供對整個軍事供應鏈的實時監控和分析，從供應商到制造商，一直到最終用戶。因此，它們可以用來實時跟蹤庫存水平，清楚地了解哪些設備是可用的，哪些需要補充，以及監測生產狀態，預測何時需要維護。反過來，這將減少停機時間，增加設備的使用壽命。通過這樣做，數字孿生可以幫助識別供應鏈中的潛在問題和瓶頸，允許及時干預以防止中斷。例如，在軍事供應鏈方面需要考慮的主要問題之一是需求波動，即需求和/或預算的差異。軍事供應鏈面臨著巨大的訂單波動，從幾個零件的訂單到大批量的訂單，都是在選擇和未預測的需求驅動下迅速進行。考慮到這一點，軍事供應鏈將受益于數字孿生的幫助，以促進端到端的資產可見性，從而確保供應品到達正確的目的地和時間[6]。換句話說，數字孿生可以支持決策者，為他們提供關于關鍵軍事物資（食品、燃料、武器、設備和備件）的位置和條件的精確和最新信息，并迅速作出反應以滿足行動需要。在歐盟之外，人們可以發現許多數字孿生被用于改善庫存管理、修理和維護軍事裝備的例子，其總體目標是優化軍事行動。例如，美國陸軍已經開發了其供應鏈的數字孿生，稱為全球戰斗支持系統-軍隊（GCSSArmy）。GCSS-Army是一個基于網絡的物流信息系統，提供庫存水平、運輸狀態和交貨時間的實時可見性。它已經在各種軍事行動中進行了實地測試，如在伊拉克和阿富汗的行動，它有助于減少美國武裝部隊龐大的作戰供應鏈中的冗余。數字孿生的另一個例子是美國海軍的虛擬艦艇項目，它提供了關于海軍艦艇系統和操作的實時數據。這使海軍能夠優化維護和修理計劃，主動識別潛在的問題，并減少停機時間。

由于數字孿生依靠及時提供可靠的數據來呈現準確的供應鏈模擬，并允許進行有意義的情景模擬，因此應建立具體的（組織和法律）框架，以確保整個供應鏈的所有關鍵利益攸關方共同承擔數據質量的責任，特別是當數據必須跨境共享時。然而，由于供應鏈的復雜性、數據來源的多樣性以及與（機密）數據共享和整合相關的挑戰等幾個原因，軍事供應鏈管理中的數據質量可能是多變的。事實上，軍事供應鏈涉及多個行為體--包括制造商、供應商、物流供應商和最終用戶，每個行為體都有自己的數據系統和流程--并且經常在戰斗區或災區等具有挑戰性的環境中運作，這可能影響數據的質量和可用性。法律框架還可以為解決與數據質量問題有關的爭端提供依據，并為未能達到數據質量標準或違反與數據管理有關的協議制定懲罰措施。最后，它們還可以鼓勵整個供應鏈采用數據質量的最佳實踐和標準。這可以幫助確保所有各方都能獲得準確和可靠的數據，這對軍事供應鏈管理中的有效決策和高效運作至關重要。

2.2 仿真

在危機管理中，關鍵活動--如供應鏈的復原力--往往要定期進行危機演習和測試。這可以幫助軍事規劃者為潛在的破壞做準備，根據模擬結果做出明智的決定，制定應急計劃并評估其有效性。然而，這些演習存在很多缺點，降低了它們在龐大的軍事供應鏈上的效率：除其他外，它們不夠頻繁，不能調整，要求太高，而且非常昂貴。在一個全面運作的數字孿生體中，物理世界的變化直接轉化為虛擬副本。通過傳感器、"軍事物聯網 "和一般IT系統提供的數據質量越高，數字孿生體就越準確，其提供當前狀態快照的能力和支持模擬的能力就越強。

通過危機管理與數字孿生的融合，軍事決策者可以從博弈論決策中獲益，以改善局勢評估，促進多行為體和跨領域的決策，并加強各種公共和私人利益相關者之間的協調。除了這些宏觀層面的優勢，危機模擬也可以用來測試數字環境--以及部分供應鏈--本身的復原力。模擬網絡攻擊和由其引起的供應鏈中斷，可以準備具體的戰略和協議，以盡量減少影響。擁有一個數字復制品并測試不同的場景，可以快速發現異常情況，并檢測現實是否與之前測試的一些場景相匹配。在這個意義上，數字孿生體有可能通過學習攻擊者的行為來防止網絡攻擊，并提高整個供應鏈對網絡入侵和惡意軟件的安全性[7]。

2.3 關鍵支持技術和數據基礎設施

為了給數字環境提供必要的數據流，諸如 "邊緣計算 "等分散的數據處理方法是恰當的。邊緣計算在軍事環境中并不是一個新概念，并且已經成功地應用于空中領域，與人工智能相結合，在信息優勢的基礎上獲得軍事優勢[8]。F-35就是這種情況，它具有獨特的能力，通過將每架飛機處理的信息合并成單一的態勢感知和威脅評估流，在飛機群中建立網絡。將邊緣計算擴展到整個供應鏈環境，可以實現前所未有的數據驅動的戰略決策和長期政策制定。在這樣的環境中，即使供應鏈中的一個節點被破壞，其他節點也能繼續運作并提供關鍵數據。

結合邊緣和分散計算，現有的數據空間倡議可以成為在數字孿生環境中匯集必要數據使用的關鍵推動因素。預計在幾年內，歐盟委員會將成功地領導在幾個領域推出共同的歐洲數據空間，包括制造業和供應鏈或單一歐洲天空，這對支持軍事互操作性和協調有明顯的潛力[9]。總的來說，邊緣計算和數據空間的結合可以創造一個更加分散和有彈性的供應鏈生態系統，數據可以在邊緣進行處理和分析，同時仍然被整合到一個集中的平臺上進行整體供應鏈管理。數據收集和處理的分散化可以使數字孿生更加靈活和可行。通過使計算能力更接近數據生成點，邊緣計算可以減少延遲并提高數據處理的速度。此外，這種方法可以幫助識別與數據泄露和網絡攻擊有關的新風險并減輕現有風險，這些都是軍事供應鏈管理中的主要問題。

此外，通過提高數據可用性和計算能力，與先進的可視化技術的逐步整合可以進一步支持軍事供應鏈流程的優化，并幫助限制冗余。工廠和軍事倉庫中的混合現實（MR）或擴展現實（XR）應用有可能提供一個現實的模擬環境，使用戶能夠與虛擬物體和數據進行實時互動。例如，MR/XR應用可用于模擬軍事倉庫中設備和物資的擺放，使用戶能夠測試不同的場景并優化布局，以獲得最大的效率。此外，這些應用可以用來模擬工廠的裝配線和后勤行動，使用戶能夠識別瓶頸，改善工作流程，優化資源利用[10]。

2.4 歐洲合作

當涉及到各成員國在軍事采購和維護領域的合作時，諸如 "共享備件 "等倡議--旨在管理各國裝備和武器系統的備件--已被證明是成功的。最近，歐盟委員會通過了一項關于建立2022-2024年通過共同采購法加強歐洲國防工業的條例提案[11]，該條例已被用于為烏克蘭聯合采購支持。再往前走一步，數字孿生可以用來分享數據，并在不同的軍事單位和組織之間進行協作[2]。這可以改善溝通和協調，從而實現更有效的供應鏈管理。通過操作數字孿生，軍事組織可以促進一個共享的數字平臺，為整個軍事供應鏈提供實時可見性。除了為所有利益相關者提供一個共同的作戰圖景，這有助于減少重復工作，數字孿生--以這種方式使用--可以通過為共享敏感信息提供一個安全空間來促進數據共享。在先進的加密和訪問控制的幫助下，數字孿生可以確保只有經過授權的人員才能訪問敏感信息，同時實現協作和信息共享。

數字孿生已經被用來改善參與制造過程的不同團隊之間的協作和協調。通過創建一個制造過程的數字孿生，設計師、工程師和生產經理可以更有效地合作，以優化生產和減少成本。通過將數字孿生融入軍事供應鏈，將有可能創建軍事物流和供應鏈系統的虛擬副本，包括運輸網絡、倉庫和配送中心。因此，來自不同單位或部門的軍事物流人員可以一起工作，優化物流和供應鏈運作。展望未來，數字孿生可以促進協作，但反過來，也可以通過歐洲層面的協作和協調來改善。為確保及時提供數據，應建立特設系統，以便在安全和可信的環境中共享數據。為此，可以在歐洲層面開發軍事供應鏈數據湖和國防數據空間，并成為數字孿生的骨干，將工業、政府和軍事結構結合起來。

歐盟可以通過幾種方式支持數字孿生的發展。歐盟（也通過EDA）可以提供資金和資源，支持數字孿生技術的研究和開發。這可以幫助加快沖突情況下的數字孿生解決方案的開發和部署。數字孿生的技術設置必須包括明確的數據互操作性方法，這是數據共享的本質，以確保它們在不同行業和部門之間具有互操作性和兼容性。這意味著重復使用現有的標準和格式，以確保與其他倡議（如部門數據空間）保持一致。此外，歐盟可以投資于教育和培訓計劃，以發展設計、開發和運營數字孿生解決方案所需的技能和知識。例如，這可以幫助創造一支熟練的勞動力，確保數字孿生的高網絡安全要求，因為數字孿生依賴于連接和數據交換，因此容易受到網絡威脅。

3 跨域的適用性

數字孿生的相關性還在于其跨領域的性質和適用性。在跨軍事層面上，有幾個系統需要相同類型的組件來生產或運作。當涉及到用于生產艦艇、飛機和坦克的火炮瞄準/制導系統的相同類型的微芯片，或可能被部署在不同場景的相同類型的彈藥時，情況就是如此。后者的一個例子是Aster導彈，它可以由不同的發射平臺操作，如FREMM護衛艦或SAMP/T防空陸地系統。對軍事物資的生產過程、庫存和位置有一個最新的看法，就有可能根據需要在可互操作的系統中重新部署這些物資，解決迫切的需求，同時允許制造商補充庫存。這可能被證明在常規軍事和聯盟行動中特別有用，在這些行動中，不同國家之間大規模的軍事資源匯集使庫存和制造商面臨壓力。這一緊急情況相對較晚地暴露了生產和供應鏈能力方面的廣泛問題，而這些問題本可以通過準確和數據驅動的模擬預先發現。

除了純粹的軍事層面，旨在支持軍事供應鏈的數字孿生還必須收集來自制造業、后勤服務和關鍵服務提供商（如能源）的數據。例如，許多戰略領域的歐洲制造商都依賴于關鍵原材料和中間產品的供應來進行生產。例如，這包括鋰、半導體和微芯片，它們不僅對軍事系統至關重要，而且對日常生活中使用的車輛或電子醫療設備的正常生產也至關重要，在危機時期也是如此。這也符合歐盟的最新政策，如《關鍵原材料法案》，該法案明確指出需要確保歐洲工業的原材料安全和可持續供應，這是綠色轉型的核心，總的來說是為了歐洲在世界級的長期競爭力和自主權[12]。

需要保持最低水平的戰略生產能力，以確保關鍵貨物的供應鏈得到不斷的監測和多樣化。數字孿生體將使其能夠對關鍵制造商和關鍵服務的供應短缺和削減進行模擬，并預先采取行動，為不間斷的供應鏈準備應急計劃。

能源（在能源網和燃料方面）是另一個關鍵供應鏈的例子，應加以監測，以確保在發生自然或人為的不利事件時，軍事設施和系統的運作不會被改變。然而，還有更多的關鍵基礎設施必須保持運行，不僅包括醫院或政府大樓，還包括生產線和初級產品的交付，從彈藥廠到食品加工場。與能源供應有關的數字孿生已經存在，并被用來為決策提供信息和支持能源短缺的反應。將能源供應的數據匯集到一個更廣泛的安全層面，將使它們能夠擴大范圍，支持軍事和民事準備和復原力。因此，很明顯，開發數字孿生所需的基礎設施也可以在和平時期保持使用，并被部署用于解決和預防與軍事層面具體相關的問題。

4 結論與建議

歐盟軍事委員會主席羅伯特-布里格將軍在考慮從俄羅斯對烏克蘭的侵略中吸取的作戰教訓時強調，"與作戰方面相比，后勤工作往往被認為是次要的，但它們再次證明了對戰爭的關鍵影響：坦克沒有燃料、長達數公里的車隊停在街道兩旁以及士兵在尋找食物的鏡頭將在歷史書中充滿強大的畫面"[1] 。在這方面，彈性和高效的供應鏈在軍事環境中的重要性怎么強調都不過分。本文建議使用數字孿生體，通過減少供應鏈的冗余度，使其更具彈性和效率，而冗余度是所有供應鏈固有的特征，包括軍事供應鏈。特別是，它建議通過利用數字孿生的實時監測和分析，結合創新的危機模擬，以及利用合作戰略和數字孿生與其他關鍵支持技術和數據基礎設施的聯合部署，有可能做到這一點。

本文所討論的解決方案包括在更大的范圍內創建一個數字孿生體，與迄今為止所實施的方案相比，其規模更大。它包括匯集大量的數據，這些數據可以支持在沖突時期和和平時期對供應鏈過程的監測，以提高準備和復原力。這是通過一個監測關鍵貨物的生產、運輸和庫存的數字生態系統來實現的，該系統匯集了來自眾多來源的數據。目前，這樣的數據量并不存在，或者只是部分存在，因此建議與歐盟目前在多個領域推出的歐洲共同數據空間建立協同作用。這也將允許建立一個 "模塊化 "的數字孿生，可以插入到一個特定的數據空間來檢索數據。這也有利于多種原因：i）在必要的質量/粒度水平上獲得數據，ii）受益于已經到位的治理和安全要求，iii）受益于分散的計算。

考慮到目前的狀況以及高質量數據可用性和計算能力的預期增長，我們有理由認為在未來20年內這種數字孿生解決方案會逐步發展。在計算能力方面，目前的能力已經可以使數字孿生體不僅可以對當前環境進行準確的描述性分析，進行預測性建模，還可以進行情景規劃和模擬。然而，真正的目標是在控制塔中通過人工智能進行實時數據整合，并可能與基于MX或XR的先進數據可視化同步，從而實現卓越運營。

同時，關于數據的可用性，這代表了主要的問題，應該在技術和政策方面投入最大的努力來促進它。到本十年末，在民用方面，可以預期第一個共同的歐盟數據空間將開始運作，并提供對描述性分析和預測性建模有用的數據。在軍事方面，如果每個國家（單獨或合資）開始開發自己的數字孿生，把倉庫和軍營、維修和訓練場地、港口/機場/導彈基地等的數據集中起來，就可以實現同樣的能力。隨后，將通過插入國防工業的數據來擴展供應鏈數據流。其結果將是一個 "國防數據空間"，隨后與其他歐洲共同數據空間（如制造業）相連接，用其他貨物（如醫療用品）、能源和原材料供應方面的進一步數據來補充虛擬供應鏈。

本報告記錄了通過利用深度學習（DL）和模糊邏輯在空間和光譜領域之間整合信息，來加強多模態傳感器融合的研究成果。總的來說，這種方法通過融合不同的傳感器數據豐富了信息獲取，這對情報收集、數據傳輸和遙感信息的可視化產生了積極的影響。總體方法是利用最先進的數據融合數據集，為并發的多模態傳感器數據實施DL架構，然后通過整合模糊邏輯和模糊聚合來擴展這些DL能力，以擴大可攝入信息的范圍。這項研究取得的幾項進展包括：

• 將DL模型實施到片上系統（SoC）硬件中
• 高光譜圖像（HSI）數據的DL
  • 1.在HSI上建立DL，以獲得水的特性和底層深度
  • 2.在HSI上使用開放集識別方法
• 框架內融合方法的消融研究
• 使用DL和模糊聚合的HSI和LiDAR多模態傳感器融合的新框架
• 探討神經模糊邏輯在遙感數據中復雜場景的不確定性下自動推理的作用和實用性

出版物[1, 2, 3, 4, 5]進一步詳細介紹了取得的進展。

本文總結了關于自主軍事系統的測試、評估、驗證和確認（TEV&V）的挑戰和建議的部分文獻。本文獻綜述僅用于提供信息，并不提出任何建議。

對文獻的綜合分析確定了以下幾類TEV&V挑戰：

1.自主系統的復雜性產生的問題。

2.當前采購系統的結構所帶來的挑戰。

3.缺少測試的方法、工具和基礎設施。

4.新的安全和保障問題。

5.在政策、標準和衡量標準方面缺乏共識。

6.圍繞如何將人類融入這些系統的操作和測試的問題。

關于如何測試自主軍事系統的建議可以分為五大類：

1.使用某些程序來編寫需求，或設計和開發系統。

2.進行有針對性的投資，以開發方法或工具，改善我們的測試基礎設施，或提高我們勞動力的人工智能技能組合。

3.使用特定的擬議測試框架。

4.采用新的方法來實現系統安全或網絡安全。

5.采用具體的建議政策、標準或衡量標準。

在過去的十年中，計算和機器學習的進步導致了工業、民用和學術應用中人工智能（AI）能力的激增（例如，Gil & Selman，2019；Narla, Kuprel, Sarin, Novoa, & Ko, 2018；Silver等人，2016；Templeton，2019）。由人工智能促成的系統往往在某種意義上表現得很自主：它們可能會接管傳統上由人類做出的決定，或者在較少的監督下執行任務。然而，與武裝沖突期間的錯誤決定相比，一個真空機器人、一個高頻股票交易系統，甚至一輛自主汽車做出錯誤的選擇是可以通過糾正措施相對恢復的。軍事系統將面臨與民用系統相同的大部分挑戰，但更多地是在結構化程度較低的環境中運作，所需的反應時間較短，而且是在對手積極尋求利用錯誤的情況下。人工智能和自主軍事系統將需要強有力的測試，以保證不理想的結果，如自相殘殺、附帶損害和糟糕的任務表現是不太可能的，并且在可接受的風險參數范圍內。

為了自信地投入使用自主軍事系統（AMS），必須相信它們會對設計時可預見的問題和它們必須適應的不可預見的情況做出適當的決定。簡而言之，這些系統必須是熟練的、靈活的和值得信賴的。 當AMS要在狹義的情況下運行時（例如，要求一個 "智能"地雷在一天中的特定時間內施加特定的壓力時爆炸），要保證系統的行為符合要求就容易多了。它能遇到的相關不同情況的數量和它的行為反應（即其決策的狀態空間）都是有限的。擴大這個狀態空間會使保證更加困難。例如，一個自主的基地防御系統旨在根據目前的ROE用適當的武力來應對任何可能的威脅，預計會遇到更多的情況，包括設計的和不可預見的。要在這種情況下適當地運作，需要更多的靈活性，這反過來又要求系統更加熟練，允許它運作的人類更加信任。這些需求的相互作用是這些系統的許多T&E困難的一個核心驅動因素。

人工智能技術為美國防部（DoD）內的采購項目的測試和評估過程帶來了一系列的挑戰。首先，這些系統純粹的技術復雜性和新穎性可能難以駕馭。此外，美國防部的采購流程是在假設的基礎上進行優化的，而自主權可能不再成立（Tate & Sparrow, 2018）。例如，將承包商、開發和操作測試分開，假設我們有離散的、相對線性的開發階段，導致系統的 "生產代表 "版本。對于AMS來說，這可能不是真的，特別是如果它們在整個生命周期中繼續學習。此外，在我們擁有一個系統之前就寫需求，是假設我們事先了解它將如何被使用。因為AMS的熟練度、靈活性和可信度會隨著時間的推移而發展，并會影響人類如何使用或與系統互動，所以與標準系統相比，作戰概念（CONOPS）和戰術、技術和程序（TTPs）將需要與系統共同開發，其程度更高（Haugh, Sparrow, & Tate, 2018; Hill & Thompson, 2016; Porter, McAnally, Bieber, & Wojton, 2020; Zacharias, 2019b）。

然而，即使美國防部的采購流程被更新，美國防部員工用于測試和評估（T&E）的具體方法、工具和基礎設施將無法保證系統的性能達到預期。開發和設計工作包含了測試，通過內部儀器建立可測試性；提高軟件的透明度、可追溯性或可解釋性；對培訓和其他數據進行良好的管理和驗證，可以改善開發過程，同時也為測試和評估鋪平道路，但它們沒有被普遍采用。此外，能夠幫助項目克服所有這些挑戰的政策和標準要么缺乏，要么不存在。

什么是自主性？

自主性的定義繁雜眾多，有些定義對美國防部來說不如其他定義有用。許多定義包含了獨立、不受外部控制或監督、或與其他實體分離的概念（例如，牛津英語詞典，2020年）。然而，假設任何參與者將在沒有控制或監督的情況下運作，甚至是人類作戰人員，這與美國防部的政策和指揮與控制（C2）的思想相悖。不希望自主系統擁有選擇行動路線的完全自由，而是在其分配的任務中擁有一些受約束的自由。

與作戰人員一樣，可能希望與自主系統有一個C2或智能體關系。希望：1. 明確具體任務和/或整體任務的目標或目的，可能還有這些目標的更大原因，如指揮官的意圖（即做什么和為什么）。2.明確與任務相關的約束，如交戰規則（ROE，即不能做什么）。3. 不指定使用的方法或對每一種情況給出明確的應急措施，如對對手的反應做出反應（即如何完成任務）。

一個系統是否被授權為一項任務做出這些 "如何 "的決定，是本文將區分自主系統和非自主系統的方法。

在 "是什么"、"不是什么 "和 "為什么 "的限制下，為 "如何 "做出有用的、理想的選擇，假定了某種程度的智能。因為這些是機器，這就意味著存在某種程度的人工智能。需要人工智能來實現對非瑣碎任務的有用的自主性，這可能解釋了為什么人工智能和自主性經常被混為一談。在本文件中，我們將自主性稱為系統在其操作環境中的行為，而人工智能則是與該環境進行有意義的互動的 "內在 "促成因素。

視覺分析是一門通過交互式視覺界面促進分析推理的科學。北約科技組織調查、研究并促進可視化分析方面的合作--促進知識提取和數據分析，以便及時理解態勢并作出有效決策。因此，本報告目標是研究、開發和應用探索性視覺分析技術：1）利用和理解大量復雜的數據，即大數據；2）幫助隱性知識顯性化；3）提供敏銳的態勢感知；4）支持廣泛的國防領域的知情決策，包括網絡、海事、基因組學和社交媒體領域，以及仿真數據的后期分析和現場可視化。

報告簡介

1 背景

信息優勢是軍事優勢的關鍵因素之一；利用來自多個來源的所有相關信息是北約信息優勢的一個關鍵因素。可視化和可視化分析研究對于滿足2015年北約在信息分析（IA）和決策支持（DS）方面的重點目標的需求至關重要：關于決策支持的IA&DS-1和關于大數據和長數據處理與分析的IA&DS-2。

視覺分析（VA）是一門通過交互式視覺界面促進分析推理的科學[1]。VA有三個主要組成部分，即交互式可視化、分析性推理和計算性分析[2]。在專家組所考慮的VA背景下：

• 可視化關注的是使用數據的交互式視覺表現來放大認知[3]。
• 分析推理和計算分析的工作是支持數據探索、分析和理解。

2 目標

北約研究任務組（RTG）探索性視覺分析調查、研究和促進了知識提取/發現和數據分析方面的合作，以便及時了解情況，支持有效決策。該小組探索了可視化如何有效地傳達信息：利用人類的感知和增強人類的認知，即把可視化和用戶的心理模型結合起來（見第2章和[4]）。因此，目標是研究、開發和應用探索性視覺分析技術：1）利用和理解大量復雜的數據集，即大數據；2）幫助隱性知識顯性化；3）提供敏銳的態勢感知，以及4）支持廣泛的不同國防領域的知情決策，如海事、社交媒體、基因組學和網絡領域，以及模擬數據的后期分析和現場可視化。

3 本報告的目的

本技術報告的目的是討論研究小組進行的研究、開發和應用探索性視覺分析的工作，這些數據集涉及到

• 簡易爆炸裝置資源（NATO C-IED COE）。
• 社交媒體；以及
• 網絡和海事及情報行動。

這項工作證明了探索性視覺分析在檢測、監測、分析和理解大型復雜數據集（即大數據）方面的有效性，以提高對態勢的認識和決策支持。

本報告還將討論該小組在以下方面的工作：

• 1）可視化和視覺分析技術的研究和開發。

• 2）提高對研究小組工作的認識。

  • 通過在著名的國際會議上發表論文，如IEEE VIS；以及

  • 為北約的兩個系列講座（IST-143和IST-170）作出貢獻。

• 3）促進視覺分析和可視化技術在北約國防和安全領域及其他領域的開發和應用。

• 4）拓寬對可視化和可視化分析的理解和探索的視野。

• 5）利用新想法的產生。

• 6）通過以下方式發展北約小組間/組內合作。

  • 組織（并在其中介紹小組的工作）一次北約專家聯合小組會議（IST-HFM-154：網絡符號學）和一次北約小組間/組間研討會（IST-178：大數據挑戰--情況意識和決策支持）。

  • 參加其他國家組織的北約活動；以及

  • 與來自不同小組的許多RTG組織聯合會議。

4 本報告結構

報告中的各章總結了在這個RTG過程中進行的工作。

第2章討論了視覺分析的人因考慮。它首先定義了人為因素，并描述了人為因素/以用戶為中心的設計過程。它討論了一些關于設計過程的常見迷思，供設計者注意和避免。視覺分析系統的用戶很多，也很多樣化，所以了解任何項目的用戶對于確保輸出產品的有用性和可用性是最重要的。本章提供了關于如何最佳地顯示信息的標準、指南、啟發式方法和最佳實踐的參考資料。本章還包括討論和數字，描述了對特定數據集使用立體三維可視化的優勢。最后，有一節是關于如何評估可視化的有用性和可用性。包括情況意識和工作負荷指標的資源。

第3章討論了海事領域的信息可視化和視覺分析。

第4章和第5章關注社會媒體數據和模擬數據。

第6章討論了可視化分析和深度學習之間的相互作用。

第7章討論了網絡態勢感知和網絡符號學。

第8章和第9章探討了視覺分析和可視化在北約數據中的應用，如：

• 簡易爆炸裝置（NATO C-IED COE）；和
• 北約HFM-259數據。

這兩章討論了基于網絡訪問這些數據集的發展和由此產生的設計原則，這些數據集的用戶范圍很廣，從普通公眾到研究人員和政策制定者，即來自不同背景、具有不同專業水平和知識的人。對簡易爆炸裝置數據的分析采用了互動式講故事的方法來吸引普通公眾，而HFM-259數據的視覺分析/可視化也適合公眾參與。

第10章得出了結論并提出了建議。

海事領域的信息可視化和視覺分析

• 船舶交通監測與探索性分析的交互式可視化：文獻中提出的方法研究了海洋數據的可視化，以便交互式地探索它們的空間分布和時間演變，或者通過結合聚合和過濾能力促進它們的比較。以地圖為基礎的可視化占主導地位，偶爾也會以數據匯總的統計圖為補充。最近，基于圖形的海洋數據可視化也出現了。基于圖形的可視化可以將匯總統計與交通動態的可視化相結合。

• 海事模式檢測的可視化分析：視覺分析，將有效的海事數據可視化與數據分析相結合，有多種應用。文獻中討論的用途之一是運動模式搜索和匹配，與數據過濾相結合，能夠減少數據泛濫，幫助用戶關注相關的數據特征。這種方法根據經驗來定義運動模式，例如使用基于函數的定義或規則。運動模式也可以從數據中提取，例如使用數據聚類、聚合和過濾技術。地理特征被利用來支持模式的定義和可視化。不同的聚合技術可以被結合起來，有時還可以使用語義學，以支持數據探索。其他工作專門解決異常或不一致的模式檢測。例如，密切接觸的檢測或預測被應用于海上安全，用于船舶碰撞的識別和預防。

• 海事模式和移動性的三維可視化：很少有作品在海洋領域利用三維可視化，因為由此產生的可視化的復雜性增加，會對用戶體驗產生負面影響。領域無關的三維可視化被用來支持單一船只動力學參數的比較。時空立方體可視化對海洋事件的分析是有效的，因為它使空間和時間特征的當代可視化。在培訓中使用的沉浸式虛擬現實模型，可能比二維地圖更有效地支持用戶（和船只）的定向行動。

探索性媒體分析

網絡媒體是影響輿論以及反映輿論的最重要工具之一。這份報告分析了BBC、RussiaToday、DayKiev和delfi.lt（立陶宛的主要新聞門戶網站）對烏克蘭沖突動態的反映。采用了兩種不同的分析方法：共同發生網絡分析來反映沖突期間四個不同媒體渠道的語言變化，以及基于情感的故事情節（syuzhet）分析來監測BBC從2013年到2014年的情感變化。將沖突分為三個階段：開始（2013/11/21-2014/01/15）、升級（2014/01/16-2014/02/17）和占領克里米亞（2014/02/18-2014/02/28）。這些方法可以對媒體中的沖突動態進行可視化分析。從人工智能（AI）、自然語言處理（NLP）和大數據的可視化技術的應用中，可以更好地了解對沖突動態的看法和公眾對特定主題的情緒，以及信息分析的自動化。此外，其他類型的類似應用也是可能的。

仿真數據的可視化探索

仿真被廣泛用作生產前測試系統的一種安全且通常具有成本效益的手段，并作為一種估計其他無法訪問的系統的預期行為的方法。仿真的共同點是隨著時間的推移而發生的事件鏈，導致由仿真算法決定的結果。本章將詳細闡述使用可視化來分析仿真條件和結果，以及如何應用可視化分析（VA）來更好地理解高級仿真算法的內部生活。

有大量不同的工具用于仿真數據的可視化分析；然而，現有工具的適用性高度依賴于被分析的數據及其背景。通用的可視化軟件包并不總是能夠滿足人們的需求。通用的可視化軟件包并不總是容易被有效地用于特定領域的任務。如果沒有資源花在定制軟件上，最好的辦法是將不同的軟件組合成一個工具箱，共同滿足可視化需求。有時，尋找合適的工具必須延伸到自己的領域之外。本報告介紹了適用于批量仿真數據分析的一系列工具：時間線圖(TLG)、可視化工具箱（VTK）和ParaView、VisIt。

探索深度學習

視覺分析（VA）技術可以應用于增強與三個目標有關的深度學習方法：1）了解深度神經網絡的內部運作；2）解釋DL的結果；以及3）利用VA和DL之間的協同作用。

在VA和DL技術的交叉點上的應用如何能夠更好地理解深度神經網絡及其結果，并實現強大的應用。將VA與AI相結合的方法將成為未來國防和安全系統的關鍵驅動力，這些系統具有日益增長的任務復雜性所要求的高級處理能力，但人們不能盲目相信AI的預測而采取行動。

網絡態勢感知

網絡SA與人類的認知過程和數據處理有關。在復雜和動態的網絡環境中，通過敏銳的態勢感知，人類決策的質量和速度可以大大提高。初步評估發現，以用戶為中心的SA方法提供了分析、檢測、發現和識別模式、異常、違規和威脅以及相關事件的有效方法。這些可視化適用于提供關于網絡組件性能的詳細信息。另一方面，生態接口設計（EID）方法提供了有效的可視化，以指導用戶理解網絡應該如何運行，以及這些網絡實際如何運行;因此，分析人員可以很容易地看到網絡的運行層面，即整體態勢。這兩種方法在提供有關網絡情況的不同方面的認識和信息方面相輔相成。網絡符號有可能實現網絡態勢的可視化，盡管目前還沒有明確的方法或解決方案可以最好地實現這一點。

探索性視覺分析法分析簡易爆炸裝置事件

收集和分析有關事件的數據集可以幫助分析人員得出活動水平評估，進行趨勢分析，并對他們所監測的問題有更深入的了解。為了更好地了解簡易爆炸裝置（IED）攻擊的動態，并支持反簡易爆炸裝置（C-IED）的工作，本報告決定采用一種帶有敘事元素的探索性視覺分析方法。分析有關事件的數據集可以幫助得出活動水平評估，進行趨勢分析，并獲得更好的情況意識。探索性視覺分析的目的是讓用戶探索數據集，發現有趣的模式和見解。一些可視化分析工具提供了復雜的互動，可能會讓新用戶感到恐懼。敘事技術可以幫助新用戶開始使用一個新的交互式可視化應用程序，以了解數據集包含什么，以及如何利用探索性視覺分析工具的能力來對數據集進行新的分析。使用探索性視覺分析工具可以在北約反簡易爆炸裝置卓越中心（NATO C-IED COE）制作的烏克蘭簡易爆炸裝置事件數據集中發現有趣的模式，通過應用敘事技術作為交互式可視化工具的一部分將這些見解傳達給用戶。一旦用戶開始探索所提供的見解，他們會被邀請繼續探索，允許他們從數據中獲得更多發現。

指揮官可以通過將人工智能與他們的直覺和經驗相結合，做出更快、更明智的作戰役級決策。本文研究了作戰指揮官如何依靠他們的下級指揮官和強大的參謀人員來收集和分析信息，以提供建議來幫助指揮部決策。如果信息不充分或存在不確定性，指揮官就依靠他們的直覺和經驗來填補空白。目前決策過程中的每個變量都有局限性，其中大數據分析、機器學習和神經網絡的人工智能技術有助于指揮官的決策。本文介紹了在博伊德上校的觀察、定向、決定和行動（OODA）循環中合成的指揮官-人工智能決策模型（CAIDMM），以獲得對對手的明顯優勢。最后，本文研究了 "是什么 "和 "為什么 "作戰指揮官必須使用CAIDMM，以便在當今的大國競爭中獲得對近似競爭對手的戰略優勢。

指揮官-人工智能決策模型（CAIDMM）

CAIDMM從觀察階段開始，如圖3所示。在這個階段，指揮官收集所有可用的信息和數據。人工智能通過大數據分析對這一過程進行補充，大數據分析的重點是衛星和傳感器圖像、流媒體數據、社交媒體數據、手機GPS數據以及將被納入外部觀察的關系數據。至關重要的是，"大數據 "是結構化的，具有一定形式的網絡保護的彈性，以確保輸入的安全是合法的信息。神經網絡也會接受額外的輸入，如指令指導、展開的情況以及與環境的互動。這個階段實現了兩個目標。首先，收集大量的數據來分析一個結構化的問題。第二，非結構化的數據被提交給機器學習算法，以綜合、定向并向指揮官做出預測。

CAIDMM的第二步是定向階段。對原始統計資料、數據和信息進行分析、評估和優先排序，以向指揮官提供洞察力。具體來說，在支持他們的指揮官和工作人員的協助下，指揮官結合文化傳統、遺傳遺產和作戰經驗來確定問題的方向。同時，大數據分析法從觀察到的數據中提取價值和知識。方向階段根據工作人員的考慮增加了新的信息，作為機器學習和神經網絡的輸入，因為將數據合成為一個解決方案是未知的。基于定向階段內的互動，指揮官從人類和人工智能這兩個角度獲得知識。這些視角能更好地為指揮官的決策提供信息。

在CAIDMM中，如果問題是無結構的，則由指揮官決定。如果問題是結構化的，則由人工智能決定。在任何一種情況下，人工智能都可以根據決策選擇的數量來補充指揮官的工作。確認法和探索法是人工智能對指揮官的非結構化決策的兩種補充方式。確認法用于指揮官做出直觀的決定，然后使用人工智能來分析和完善解決方案。而探索式方法允許人工智能做出決定，指揮官使用他們的直覺來完善解決方案。

在確認法中，指揮官根據目標和期望的最終狀態做出直觀的決定。確認法在決策選擇數量有限的情況下最有用。如果人工智能同意所提出的最佳解決方案，指揮官就可以執行該決定。下至DL和神經網絡的ML可以使用分類和回歸分析、聚類、異常檢測、對抗性網絡和盲目的信號分離來評估決策。如果人工智能出現矛盾或產生不確定的結果，指揮官會根據可用時間采取兩種行動。如果時間和條件允許，指揮官重新評估更多的解決方案，確認輸入AI的數據，并尋求解釋，直到達成一個滿意的結果。如果時間不允許，指揮官應該根據他們的專業知識和直覺做出決定，因為在非結構化的任務中，研究證明直覺決定勝過人工智能的分析方法。

相比之下，當一項決策有許多備選方案時，指揮官可以使用探索法。這種方法允許指揮官利用大量的數據，讓人工智能首先確定幾組決策備選方案，然后由指揮官進行評估。大數據分析、無監督ML和網絡可以縮小決策選項的范圍，為指揮官提供幾個行動方案，讓指揮官從中選擇。接下來，如果指揮官的直覺與提議的行動之一相一致，他就會執行決定。如果不是，根據時間，指揮官根據他們的專業知識進行，或重新啟動決策過程，直到可以采取行動。

CAIDMM最重要的部分是要求持續的反饋，以允許人類和人工智能算法的發展。指揮官的決定產生二階和三階效應，必須反饋到隨后的觀察階段周期。此外，神經網絡會根據特定指揮官的想法和直覺進行演變，從而不斷發展，并有可能提供更完善的針對指揮官的解決方案。博伊德的OODA循環，在其起步階段，并不是為了成為一個機械的循環，而是為了進入對手的思想和決策循環的一種手段。CAIDMM必須是循環的，以利用數據做出更明智、更有效、更快速的決策。該模型還在決策矩陣中提出了兩個關鍵因素：時間和不確定性。CAIDMM的目標是在時間限制內盡可能地減少不確定性，以選擇最合適的行動方案。

報告結論

先進的人工智能系統無法成為唯一的決策權威，這強調了將人類專業知識與人工智能能力相結合的重要性。在第二次世界大戰中，圖靈的 "Bombe "每天破譯了數千條納粹加密信息，而杰出的數學家和密碼破譯者只破譯了幾條。最重要的是，Bombe機器為指揮官提供了可操作的情報，使艦隊指揮官能夠做出快速、明智和果斷的決定，通過避免或攻擊德國 "狼群 "U型潛艇來挽救他們在大西洋的后勤保障。今天的大國競爭取決于控制、傳播和處理來自所有領域的大量數據。這些數據的速度和數量超過了人類的認知能力，無法做出有效的知情決策。人工智能使作戰指揮官能夠管理和分析大型數據集以支持決策。人類和人工智能技術可以合作處理決策的不同方面。人工智能很適合使用分析方法來處理復雜的問題。人類的認知更適合于更多地關注不確定性和平衡性，使用更多的創造性、直觀性和基于經驗的決策。指揮官和人工智能可以隨著業務的發展而發展。這兩個實體都成為學習型組織，一個提供分析數據，另一個提供決策的操作 "藝術"，兩者都在作戰環境中不斷發展。指揮官-人工智能決策模型描述了人工智能如何補充指揮官的決策過程，并為作戰指揮官整合人工智能技術提供了一個矩陣。

本報告將描述數字任務工程--建模和仿真中缺失的部分。當今天大多數技術都是相互聯系的時候，僅僅模擬組件或系統是不夠的。忽視動態世界變量的錯誤已經寫在歷史上......和傳說中。然而，這些條件和相互作用往往被排除在工程模擬之外，以需求為唯一目標。

數字任務工程填補了建模和仿真中的這一空白，將操作環境納入其中，以評估任務結果。這是一個對系統進行建模的過程，因為它將在其預期的條件下運行，并與其他系統一起或對抗。

雖然數字任務工程可能看起來像是在項目的最后--一旦系統被設計出來--事實卻完全不同。它應該從一開始就應用于整個產品的生命周期。用數字任務工程創建的操作環境模型有助于你的項目的數字線索，這樣你就可以快速評估設計變化對現實世界的影響，并在工程團隊中分享這些信息。通過模擬運動中的世界，數字任務工程提供的洞察力遠遠超過了需求驗證。

圖1-1:多域資產的任務分析示例。

圖1-2:導彈防御場景任務分析示例。

圖1-4:數字任務工程愿景。