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

[付費5元查看完整內容]中文全文《人工智能在空戰指揮與控制中的應用》美國空軍大學空軍指揮參謀學院，63頁PDF

摘要

計算能力、數據收集和算法性能正以指數速度增長。人工智能 (AI) 的進步展示了在無數領域增強人類思想和行動的能力，其中包括聯合空中力量的指揮與控制 (C2)。為了在未來的戰爭中取得勝利，美國需要能夠以壓倒性的速度在多個領域對敵制造多重困境，同時防止敵人具備這種能力。人工智能將提供 C2 部隊所需的認知敏捷性。擁有信息優勢并能夠對高速決策需求做出反應的一方將決定未來戰爭的結果。

本文試圖讓讀者熟悉一些常見的人工智能類型和功能，探索具體的應用領域，并提供關于使用空中力量協助聯合目標選定的建議方案。針對配對系統的武器開發，使用一個AI 創建過程的示例揭示開發細節。除了解釋人工智能模型的構建之外，本文還提出了一個準備和驗證人工智能模型的過程以供作戰使用，并討論了基本的實施注意事項。在聯合空中力量 C2 中使用 AI 的最終理想狀態是高效的人機協作和較高的認知敏捷性。

作者簡介

Matthew “Jerry” Voke 少校在派遣到 ACSC、Air University、Maxwell AFB、AL時撰寫了這篇論文。在擔任 ACSC 之前，Voke 少校駕駛 U-28，同時駐扎在佛羅里達州赫爾伯特機場，擔任副駕駛、飛機指揮官、教官和評估飛行員。他在全球范圍內部署了十次支持美國的反恐活動。最近，他指導美國空軍武器學校的學生擔任佛羅里達州赫爾伯特機場第 14 武器中隊的 U-28 行動助理主任。他的正規軍事教育包括參加航空航天基礎課程、中隊軍官學校、美國空軍武器學校和 ACSC。他擁有美國空軍學院的物理學學士學位和國際三叉戟大學的工商管理碩士學位。他幫助撰寫了幾本空軍和多軍種出版物，并發表了一篇武器分類論文，旨在使用飛機引導海軍突擊部隊。

1 引言

亨利·阿諾德 (Henry H. Arnold)將軍曾說過，第一次世界大戰靠體力打贏，第二次世界大戰靠后勤制勝。擁有信息優勢和及時控制沖突能力的一方將贏得“第三次世界大戰”。未來沖突的勝利將屬于能夠為其對手創造多重并發挑戰并以壓倒性的速度適應環境變化同時阻止敵人擁有這種能力的一方。通過在自動化和增強人類決策中利用人工智能 (AI)，這些未來的超越是可能的。人工智能提供了將人類層面直觀問題解決能力與機器速度、準確性和持久性相結合的優勢。此外，人工智能的快速發展正在打造人機協作中的新應用。世界正處于人工智能競賽中，美國必須利用人工智能來主導未來的戰爭并威懾潛在的對手。

人工智能在徹底改變空中力量作戰中從戰術到戰略的潛在能力。中國和俄羅斯是追求人工智能未來的國家之一，弗拉基米爾·普京 (Vladimir Putin) 在 2017 年表示，“誰成為人工智能和網絡空間的領導者，誰就成為世界的統治者。”中國領導人同樣表示，“快速發展人工智能將深刻改變人類社會和生活，改變世界。 中國必須在國際競爭新階段中牢牢把握人工智能發展的戰略主動權。”意識到這一啟示性潛力，美國必須努力保持主導地位，并啟動向發展和實施人工智能自動化和人機協作的態度轉變。

為了發展隨之而來的不對稱優勢，美國必須尋求人工智能在自主和增強決策方面的新應用。通過確保在人工智能方面的領先地位，美國可以恢復對任何潛在對手的日益減弱的優勢，從而加強威懾。人工智能和自主性的增強將使美軍能夠以壓倒性的速度在多個領域制造多重困境，使對手無法做出反應。這種超越要求只有 AI 才能獲得認知優勢，它可以學習、提高人類績效、更好地為人類決策者做好準備、促進聯網解決方案、應用智能設備、協調操作以及優化效果的選擇和傳遞。本文將專門研究如何在空戰指揮與控制（C2）內對聯合目標選定和評估提供幫助，作為初步實施領域。盡管本文的范圍有限，但美國應在 C2 的許多領域尋求更高水平的人工智能自主和增強，以實現最快和最實用的決策循環。

新穎而強大的人工智能解決方案呈指數級增長，美國軍方正努力跟上企業界發展步伐。美國防部 (DoD) 在 2017 年用于機器學習的預算為1.95 億美元，用于深度學習的預算為 2.38 億美元，用于語言處理的預算為 8200 萬美元。乍一看，這些數字似乎是用于人工智能研究的一大筆資金；然而，國防部投資和研究的增長速度明顯慢于企業部門。 2012 年至 2017 年期間，國防部在人工智能、大數據和云計算研究方面的總體投資以 5.7% 的復合年增長率 (CAGR) 增長。企業投資人工智能研究的復合年增長率約為 35%，人工智能推動了企業如何解讀數據和互動。企業對人工智能的投資大約每兩年翻一番。國防部對人工智能的投資跟不上企業投資或人工智能的指數增長。

歷史上，聯合空中力量C2 在針對能力較弱的對手進行蓄意規劃行動方面一直很有效，盡管可以說它效率不高。效率可能是對抗近乎對等的敵人或在高度動態的戰爭中的一項重要要求。 《美國國防戰略》指出，國防部“以犧牲為作戰人員提供及時決策、策略和能力為代價，為卓越性能進行了過度優化”，并且必須“以相關的速度交付性能。”具體而言，聯合目標選定已被證明有效但不是最有效地引導大量資產設施打擊預先計劃的目標，例如沙漠風暴、盟軍行動和持久自由行動。美國在相對較小的戰爭中以預先計劃的方式，對能力較弱的對手進行了這些蓄意行動。深思熟慮的計劃通常在作戰后 24 到 72 小時內開始，同時在動態目標選定方面允許一些例外情況。美國 C2 強化了從過去成功打擊能力較弱的對手中吸取的教訓，變得更加有效；然而，與在與近乎對等的對手作戰時所需的效率和敏捷性方面仍有待開發。

美國必須不斷努力保持空中力量使用的高效和靈活。正如約翰博伊德上校在《沖突模式》中所說，“為了獲勝，我們應該以比對手更快的節奏行動——或者，更好的是，進入對手的觀察-定向-決策-行動時間循環。 ”人工智能可以在許多領域以顯著的效果和速度補充人類工作。美軍必須啟動下一次空中力量演進，并利用人工智能來增強人類的決策和行動。人工智能解決方案對于促進速度、力量、平衡、靈活性和協調是必要的，以在未來的沖突中快速創建跨多個領域的多重困境。美國必須保持在空中、太空和網絡空間力量的領導地位，尤其是隨著俄羅斯和中國在這些領域的投資增長。

人工智能在企業界的能力和速度呈指數級增長，顛覆了從自然語言處理到癌癥診斷的各個領域。一些專家將人工智能的激增比作 19 世紀后期的電力發明，稱這可能會引發同樣重大的行業轉型。人工智能的進步使得許多長期以來被認為是機器不可能完成的任務讓給機器去表演。隨著機器對機器通信和人對機器協作解決方案的不斷成熟，人工智能將在人類密集型流程中變得越來越普遍。

人工智能貢獻最重要的領域之一在于它能夠從數據中提取相關性，而這對人類來說可能是不可見的。傳感器和感知器收集或創建數據，然后必須對其進行存儲、清理和結構化。將收集的原始數據處理轉化為可用的人工智能燃料。然后，算法可以為人類決策者或參與者創建模型、開發和測試洞察力、繪制相關性并檢測異常情況。

人工智能可以同時在人類無法理解的時間尺度上做出決策。人工智能可以幫助人類進行目標發現、情報融合、目標優先排序、指揮官分析、評估、部隊分配、任務規劃、任務監控和執行。人工智能將在人類無法超越的多個領域和多層次戰爭中實現快速決策。人工智能將聚合、整合、提煉和呈現常見的作戰圖，并幫助加速決策，實現當今人類無法掌握的效果。人工智能可能被證明能夠將冗長的聯合目標選定循環縮短為一個快速更新、對環境變化做出快速反應、敏捷和積極的循環。人類思想或行動的每一個領域都適合人工智能顛覆，包括空中力量的使用。

美國必須準備好對相關信息以高速決策響應。自動化和人機協作將改善和加快空中力量 C2 的決策和任務循環。未來戰爭的勝利將屬于能夠以壓倒性優勢的進行指揮、控制其部隊的領導人。未來的戰爭將有利于能夠快速處理信息并在各級戰爭中做出決策的交戰領導人。作戰目標不僅是迅速對敵人作出反應；但它也是按照自己選擇的方向和節奏推動戰斗。領先于敵方三步的交戰領導者，會使敵方“倒退”，不斷掙扎反應，無法取得主動權。

本文試圖讓讀者熟悉人工智能的潛力，并強調在空中力量 C2 中使用的關鍵考慮因素。本文的主要重點是展示美國在未來的戰斗中必須利用的潛在人工智能潛力。目標是通過具體的應用示例激發讀者的興趣。作者希望讀完本報告后讀者會對人工智能有所熟悉。開發和部署下一個不對稱優勢所需的先導是創新文化和適應愿景，這是通過鼓勵創造性地解決問題和激發整個聯合部隊創新熱情來培養的。

本文簡要介紹了一些基本的 C2 規范和流程——奠定了基礎——并強調了潛在的人工智能應用領域。其次，它描述了美國C2聯合空中力量的集權平衡和一些原則。第三，它調查了美國的聯合目標選定和目標選擇過程。第四，對 AI 基礎知識和 AI 應用示例的調查將提供概念基礎，然后是在軍事應用中使用 AI 的幾個示例。這允許討論武器-目標配對模型，該模型說明如何處理數據、算法選擇和模型輸出的決策。然后，本文討論了人工智能輔助評估，包括主導指標和反饋循環。最后，基本的實施考慮將涵蓋部署和變革所需的步驟，以成功建立信任并幫助決策者在空中力量中使用人工智能解決方案。

2 空中力量的指揮與控制原則規范

本節將簡要地讓讀者了解使用空中力量的一些 C2 基礎知識。簡而言之，C2 是“由指定指揮官針對需完成任務時對指派和附屬部隊行使指揮權力。”聯合空中作戰是由各軍種執行聯合空中任務部隊執行的行動。聯合空中作戰在作戰環境和軍事行動范圍內可能會有很大差異；然而，讀者對空中力量的 C2 有一個基本的了解是至關重要的。

2.1 集中式與分布式空中力量

美國條令規定使用集中式控制和分布式執行的原則進行聯合空中作戰。推動這一空中力量原則的一個過于簡單的概要是，集中式控制使高級梯隊指揮官能夠有效地控制、集結和領導部隊；執行權力下放使部隊能夠掌握主動權，應對不確定和不斷變化的環境，并提升下層的靈活性。

技術發展經常改變空中力量這一原則的平衡。強大的通信連接提高了各層級的共同作戰圖景，但它也使高級領導層能夠參與最細微的工作細節。這種雙重性在政治控制的必要性與領導者必須高效完成任務的必要性之間造成了內在張力。 盡管在許多情況下集中式控制和執行是可能的，但有意識地適當下放執行權力將確保美國空中力量敏捷性的維持。

集中式權力和分布式權力的平衡可以在沖突之間和沖突期間發生變化，領導人必須努力提高空中力量使用中的“敏捷性”。空軍未來作戰概念將敏捷性定義為對情況做出快速反應的能力。敏捷性是靈活性、速度、協調性、平衡性和力量的結合。分布式通常有利于靈活性和速度，而集中式通常有利于協調性和力量。對敏捷性的理解可能意味著身體能力，但敏捷性還包括對動態對手、移動目標或變化環境做出反應的認知能力。在空中力量 C2 中使用人工智能，在于它可以協同帶來的認知速度和力量，朝著敏捷性目標前進。

2.2 C2架構

C2 系統控制聯合空中作戰，通常圍繞軍種司令部指揮官的 C2 系統構建，該系統擁有大量空中資產設施和最出色的控制能力。空中作戰中心 (AOC) 是戰區高級單位空中控制系統，確保空中、太空和網絡空間行動的有效規劃和實施。當與聯合或聯軍伙伴作為聯合空戰中心或聯軍空戰中心作戰時，AOC 架構也可能適用。 AOC 的規模從幾個工作人員到上千名軍官、入伍和文職人員之間可能存在很大差異。每個 AOC 的組織各不相同，但他們的共同目標是匹配可用的手段來實現軍事任務目標。 AOC 的職責通常包括規劃和控制聯合空中作戰，提出空中分配、空域協調、防空協調、空間協調和網絡空間協調的優先事項建議。

計算、通信和信息共享方面的技術改進打亂了C2 分層架構，造成了從作戰計劃到戰術執行的中斷。 AOC 領導層能夠做出歷史上在較低層的作戰或戰術梯隊中進行決策。例如，今天，最高級別的作戰 C2 可能不會授予目標識別和武器釋放權限，而這曾經只能在戰術邊緣進行。面對能力較弱的對手時，相對優勢明顯，對平民傷亡的厭惡可能使美國陷入自滿，并錯誤地假設未來的戰爭將在相同的良性環境中發生。通過在 AOC 之外分配控制權、分散空中資產執行以及在 C2 的多個級別利用 AI 的速度和認知能力，可以提高擊敗近端對手所需的效率和敏捷性。

空中力量的 C2 具有利用人工智能增強和自動化提高認知敏捷性的巨大潛力。下一節將討論空中力量 C2 中 AI 應用的一個示例——聯合目標選定。目前，在規劃和執行聯合空中作戰時，目標選定循環內存在數據缺口和效率低下，使關鍵信息的有效傳輸變得復雜。下一節將介紹人工智能如何幫助決策者更好地了解他們的作戰環境、將戰場數據過濾融合為相關信息，提高決策速度。

2.3 聯合目標選定（joint targeting）

聯合目標選定旨在將提供給聯合部隊指揮官（JFC）的可用手段與利用空中、太空和網絡空間力量實現軍事和政治目的的方式相匹配。這是一個選擇目標并確定其優先順序并匹配相應響應的過程，同時考慮到作戰需求和能力。聯合目標選定可以發生在實現 JFC 目標所需的任何戰爭級別。聯合目標選定，將所需效果與這些目標相匹配，最后選擇能夠提供所需效果的手段。

戰爭迷霧和摩擦、目標重復、未知數、整合要求、二階和三階效應以及可用資源的缺乏，使得方式方法與目標匹配工作變得復雜化。聯合出版物 (JP) 3-30文件（聯合空中作戰的指揮和控制），強調了效率的重要性，并指出：“有效和高效的目標開發過程與聯合空中任務循環相結合，對于聯合空中部隊指揮官（ JFACC）規劃和執行聯合空中作戰至關重要。聯合目標選定過程應整合國家機構、作戰司令部、下屬聯合部隊和組成司令部的情報數據庫、分析能力和數據收集工作。”本節將討論人工智能如何幫助實現聯合作戰所需的效率目標循環。

為了在聯合目標選定循環（joint targeting cycle）中提高效率，流程中的各個步驟和步驟的自動連接必須提高效率。如圖 1 所示，聯合瞄準的六個階段包括：

1.結束狀態和指揮官的目的開發，

2.目標開發和優先排序，

3.能力分析，

4.指揮官的決定和兵力分配，

5.任務規劃和部隊執行，

6.評估

圖1：聯合目標選定循環（JP 3-60）

人工智能可能會加速和優化目標開發和優先級，提供近乎即時的能力分析，快速迭代規劃目標，并自動制定攻擊計劃。

C2 參謀人員在聯合空中任務循環中進行聯合目標選定，這是經過精心設計的，但允許在循環外執行一些動態目標。JFACC 可以更改流程以匹配環境；然而，空中力量任務循環本身仍然是經過深思熟慮的，并且通常在持續時間上是固定的。在空中任務循環內快速或有效的動態目標或時間敏感性目標的請求與過去的能力和時效性有關。任何“彈出式目標”通常需要至少 12 小時才能在空中任務指令 (ATO) 流程中采取行動。在沒有特定目標的情況下規劃或啟動，并且能夠對實時機會做出反應。在 12 小時窗口內使用 ATO 流程重新部署刻意分配任務的資產靈活性通常很小，當前的作戰部門可能會在正常的空中力量任務分配流程之外提供任務分配。盡管有嚴格的聯合空中任務循環，但在時間敏感或高度動態的目標中需要靈活性和速度，而不是在它的幫助下。

目標選定的最大困難之一是在不同時間尺度上有效和全面地融合目標。聯合部隊針對不同時間執行的目標集，實施探索發現、優先排序和匹配效果。此外，目標開發循環以不同的速度發生，并且傳感器可能會在硬性目標過程的后期發現高優先級目標。美國要求有能力盡快適應環境和敵人的行動。由人工智能輔助的聯合目標選定循環可以有意識地和動態地繼續尋求目標，并且能夠使用不斷更新的循環來匹配效果并對目標進行優先級排序。當 C2 將資產設施與高價值“彈出式”目標配對時，其原始目標應立即流回目標解決方案，重新確定優先級，并可能移交給另一個打擊資產。進行這種目標循環的規模和速度只有通過人工智能的認知速度和強度才能實現。由人工智能推動的聯合空中目標選定循環是動態和不斷迭代的。

2.4 目標（Targets）

目標的定義是任何人、地點或事物，考慮采取可能的行動來改變、降低或抵消它為對手執行的功能。 聯合空中部隊指揮官（JFACC）根據對聯合部隊目標的貢獻程度、實現預期效果的可能性、交戰成本和許多其他因素對目標進行優先級排序。目標可以是人員、設備或基礎設施；相反，目標也可能具有數字能力或者是網絡空間中的實體。聯合目標選定中的目標分析不僅定義了目標，還定義了它們的優勢、劣勢和相互聯系。

規劃者必須詳細記錄目標特征，以便他們可以開發、關聯和融合目標。特證是特定于目標類型的，但通常可以包括諸如位置、大小、詳細外觀、目標構成、分散、硬化、電磁特征、發射器和移動性等細節。目前，人類通過低魯棒性的機器對機器通信的數據庫，來手動輸入目標特征、編譯目標、關聯目標、消除冗余并確定目標優先級。

然后，JFACC 的參謀人員對目標進行優先級排序，將其與效果相匹配，并利用可用資產、輸入和來自各組成部分指揮官的協調來執行任務。為了關閉目標選定中的反饋循環，評估小組需要分析行動對實現軍事目標的影響。評估提供了成功的衡量標準，這些衡量標準可以反饋到培訓人類決策者中，并且可以應用于人工智能系統的教學。這個迭代循環強化了最佳行為并減弱了不良行為。

2.5 為什么需要AI？

實施人工智能輔助情報融合和目標優先級排序可以比任何大規模的人工過程更快地動態推薦重新分配軍事資產設施。目前 AOC 中采用的深思熟慮和動態的目標選定循環包含最低限度的自動化，充斥著多余的人力，并且缺乏有效的交叉溝通。在目標選定循環內將人工密集型任務實現自動化，可以加強觀察、定位和決策循環。即使是促進目的、任務、目標、特征和武器在循環步驟之間有效流動的基本自動化，也會減少流程的時間。更全面的人工智能實施將促進目標特征的近乎瞬時融合、匹配目標的優先級、彈藥匹配和空中任務調整。人工智能實施的一個目標是將聯合空中目標選定過程從目前的三到五天減少到沒有固定持續時間的過程，該過程還可以迭代適應實時變化的作戰環境和威脅。

3 在哪里用AI？

當數據中存在潛在模式或相關性時，人工智能會很好地工作。因此，人們應該在可能存在相關性的地方尋求使用機器學習，并且有足夠數量的訓練數據來繪制這些相關性。其次，試圖解釋潛在相關性的模型應該足夠簡單，以快速解決未來的問題。這些概括也有例外，但這些確定是探索的良好起點。人工智能需要包含相關性的數據來??對環境和預測做出結論。人類目前在解決新穎或非結構化問題方面更有效；人工智能在高度相關的環境中茁壯成長。

人工智能目前在多個領域表現出優于人類的優勢。首先，機器學習在人類無法確定管理數據或關系的規則的情況下表現出色。當存在大量變量、變量之間存在復雜的相互聯系或人類無法“標記”數據時，這種確定是可能的。這方面的一個例子是基于 DNA 預測疾病。在沒有幫助的情況下，人類將無法處理一個人類基因組中的所有數據，更不用說來自數千個示例的關聯相關性了。

機器學習擅長的另一個領域是人類可以理解相關性，但規則無法通過蠻力編碼來解釋它們。人類很容易識別手寫字符，但要使用識別手寫所需的所有規則對計算機進行編程卻非常困難。在這種情況下，人工智能的優勢在于能夠以相對便宜的方式擴展應用程序。 AI 讀取并自動發送郵件，減少郵政服務人員的需求并降低消費者的成本。機器學習潛力的另一個領域是執行人類可以完成的任務。然而，情況經常發生變化，人類不斷對機器進行重新編程的成本過高。人工智能可以根據數十億個數據點幾乎瞬間更新感知。這方面的一個例子是亞馬遜的推薦系統。使用人工智能，亞馬遜近乎實時地更新產品推薦，明確為數億人量身定制。在有太多實例無法單獨理解或編程的情況下，人工智能會迭代地適應和學習不斷變化的數據。人工智能在人類不了解管理數據的規則、他們理解規則但無法準確編碼解決方案，或者擴展或迭代調整解決方案成本過高或不切實際的領域非常有用。

人類在創造力、獨創性、責任感和同理心方面保持相對優勢。雖然人工智能可以原創十四行詩并繪制出獨特杰作（評委無法將其與人類藝術家區分開來的），但它們的創造力和獨創性始終是有爭議的問題。這些人工智能本質上是通過學習模仿人類的例子來模仿創造力和獨創性。然而，這些優勢領域可能正在逐漸消失。這種侵蝕的一個例子是從 DeepMind 的 AlphaGo（通過分析人類棋局學會熟練地下圍棋）到 AlphaGo Zero 的轉變，后者僅通過強化學習和自我博弈（而不是觀察人類下棋）來學習。機器正在迫使人類重新評估原創性和創造力的定義。責任可能是目前人類主導的最“黑白”的領域。

在戰爭事務中，人類不應將責任委托給機器，因為他們無法對自己的決定和行為負責。最后，人工智能無法理解人類同理心、道德、信仰、價值觀或隱含目的的復雜性。人工智能可以學習模擬道德或遵守參與規則；然而，人工智能不太可能很快內化人類的同理心，或者批判性思考人類道德、價值觀和某些行為的能力。

由于這些原因，在可預見的未來，戰爭本質決定了很可能仍然靠人類努力。人類將在作戰設計和更接近“戰爭藝術”特征的領域中保持優勢。人工智能將在數據處理、信息融合、優先排序、分析、處理和通常被稱為“戰爭科學”的程序方面出現激增。人工智能將在戰爭的各個層面為人類提供幫助——從援助到完全自主——每一個補充對方的優勢，不對稱地應用于對手的弱點。

4 創建AI模型

前面的部分為讀者在空中力量 C2 和 AI 基礎知識中進行聯合目標選定奠定了基礎；下一步是創建一個建立在該基礎之上的 AI 框架。有無數種方法可以處理每個 AI 應用程序，本節將為非技術讀者解釋一個通用框架——不涉及任何數學或編程！這個通用框架將按時間順序逐步執行：

1.如何確定 AI 的使用領域，

2.如何查找和準備數據，

3.如何選擇算法并生成模型，

4.如何創建適當的決策規則并使用輸出。

武器-目標配對模型作為示例包含在每個步驟中，以增加對概念的一些特異性和理解。

4.1 確定應用領域

創建機器學習解決方案的第一步顯然是確定應用領域，例如工時密集型或高度重復性任務。 AI 擅長解決包含強相關性或示例案例的問題。此外，重要的是要記住不要僅僅為了獲得 AI 解決方案而將 AI 解決方案強加于問題。在解決問題時，人工智能應該提供準確性、速度和/或更高的效率。

在分析應用領域時，最好從相對簡單的問題開始實施，向復雜的問題努力。哪些問題由人類解決相對容易，但需要大量時間或經常重復？聯合目標選定是人類很容易將特定目標與預期效果聯系起來的領域，但該過程經常變化并且需要大量人力。在聯合目標選定中，幾個領域將受益于人工智能：武器-目標配對、任務-飛機配對、目標優先級排序、戰場態勢感知、藍軍和紅軍跟蹤、系統節點分析、空襲計劃制定、ATO 開發和目標情報融合。本文AI 示例將側重于武器-目標配對的使用領域。

4.2 收集與準備數據

數據是人工智能需要學習的燃料。每個應用程序所需的數據類型會有所不同，哪些數據對人類認知是必要的是收集的一個很好的起點。單個推測可能會為數據收集提供一個起點，但可能會產生一些錯誤的相關性，同時也會丟失人類不可見的相關性。如果數據中沒有任何已知的相關性，無監督學習可能會在沒有人類直覺的情況下初步確定關系。

在武器-目標模型的例子中，要收集的基本數據是目標、武器和使用環境的特征數據。每種武器所需的一些數據將包括武器殺傷概率 (Pk) 和損壞概率 (Pd)、致命影響半徑、風險估計距離、可靠性率、圓形誤差概率 (CEP)、制導要求和可用性。一些目標特征數據將包括目標類型、大小、數量、分散、硬化、障礙物、機動性、防御能力和反射率。環境數據可能包括區域威脅狀況、光電能見度、紅外能見度、全球定位系統 (GPS) 狀態以及與人員和建筑物距離有關的附帶損害。有些數據很容易獲得，有些數據需要研究或模擬，有些數據可能需要新收集。

數據劃分分為兩個基本類別：觀察數據（輸入）和結果數據（輸出）。如果數據代表目標或環境特征，則為觀測數據。如果數據表示結果，則它是結果數據，例如武器 Pk 或 Pd。接下來，工程師必須按要求清理異常數據，填寫缺失數據，并規范格式。清理和結構化數據通常是一個困難且費力的過程。工程師必須將數據結構化為可用的形式來訓練 AI 模型，而不會犧牲過多的“好”數據。在數據收集、清理和結構化之后，工程師選擇算法以從數據中創建預測模型。

4.3 選擇算法

尋找“最佳”算法可能是復雜且耗時的。好的是，數據科學家和工程師對于在每個應用領域中哪種算法更強或更弱都有經驗法則。選擇算法的目標是找到一個在給定觀察數據的情況下最準確、最容易預測正確輸出的算法。考慮算法選擇的簡單方法類似于選擇正弦波、直線或對數曲線（或它們的某種組合）是否可以表示二維繪制的數據。在算法選擇中，如果時間和計算能力允許，可以訓練和測試多種類型的算法。對于示例武器目標問題，神經網絡或最近鄰模型可能是最準確和最可靠的預測器，因此將開發這兩種方法。

神經網絡是鏈接到前一行的神經元的若干系列神經元，這些神經元鏈接到前一行并最終鏈接回輸入數據。訓練調整每個神經元之間鏈接的權重和/或導致神經元觸發的閾值。神經元網絡的一側是前面討論過的輸入（每個獨特的觀察數據類別），而神經網絡的另一側是輸出（每種武器和融合組合的 Pk 或 Pd）。為了訓練神經網絡，神經元最初接收隨機權重，數據通過最小化輸出誤差來調整神經元。圖 5 描述了神經網絡訓練，它將每個預測與已知結果進行比較，然后使用它們之間的誤差來調整神經網絡參數。

圖5：訓練神經網絡

訓練迭代最小化預測和現實之間的誤差。這種迭代調整的方法提供了更高的準確性，但需要一些透明度，并且人類可能難以理解神經網絡權重的含義。

相反，最近鄰是最簡單的機器學習類型之一。在這個武器-目標配對示例中，程序員可以使用它來比較神經網絡的性能。最近鄰模型將目標示例的特征與已知示例的特征進行比較，以確定哪種情況最能代表測試目標特征。這類似于警察如何根據他或她最近的鄰居的隸屬關系來預測個人的幫派隸屬關系。該模型擅長根據之前收集的數據對新病例進行分類。

武器-目標示例的維度可能會增加 10 個維度。每個維度代表一個目標或環境特征，包括：大小、類型、機動性、裝甲、GPS 可用性等。有關高維最近鄰渲染的表示，請參見圖 6。

圖6：最近領表示

一旦算法生成經過訓練的模型，模型就會針對工程師之前從訓練數據中分離出來的數據進行測試（這可以防止模型過度擬合訓練數據）。如果效率相當，工程師會選擇最準確的模型。如果模型產生相似的性能，工程師通常會選擇最有效的模型。訓練完成后，模型可以根據需要重新訓練新數據。人工智能開發是一個持續的過程，運營商和信息保障經理應與工程師一起維護和完善人工智能解決方案。

4.4 決策

然后，該模型必須轉化為決策或行動。人類必須決定如何對模型的輸出采取行動。例如，該模型將產生一個分類或可能性，它可以為決策提供 if-then 場景或規則。在武器-目標示例中，模型將為每個武器和目標融合輸出 Pk 或 Pd。適用于模型輸出的有用規則包括相稱性、附帶損害最小化或武器稀缺性。這些規則可以對所需武器進行排序，并限制 AI 建議對每個目標使用核武器（核武器在圖 7 中表示為 1.00 輸出）。

圖7：武器-目標配對神經網絡

此外，人類必須決定授予 AI 的權限級別。如果人工智能準確可靠并且在相對低風險的領域運行，則它可以在沒有人工監督的情況下運行。例如，如果人類僅在 80% 的時間里找到“最佳”決策，那么如果該模型在 95% 的時間里做出“最佳”決策，則人類應該遵循武器目標模型的建議。為了幫助做出這一決策，許多各種類型的人工智能可以用他們的預測來表達置信度。置信度可以表示為測試示例與用于訓練 AI 的數據的接近程度。如果訓練數據不足，或者 AI 不知道如何解釋示例，則置信度可能較低。人類應該將置信度和準確性與人類和其他模型進行比較，以決定授予人工智能多少權限，這可能取決于具體情況。

關于模型何時足夠準確以供使用的決定可能很困難，在訓練場景中讓模型模仿人類可能是明智的，這樣他們就可以評估自己的表現并發現潛在的弱點。決定授予人工智能多少權限應該取決于風險、置信度和時間。領導者應該在低風險領域授權需要速度的決策，同時在不那么緊急的高風險決策時可以暫緩授權——見圖 8。

圖8：考慮風險與時間下的自主級別

4.5 評估

戰時評估是收集和理解信息以更新戰爭信念或觀點的行為。評估過程是每個戰爭級別、每個領域的要求，領導者應有意識地努力確保評估過程中提出的建議準確性。Scott Gartner 在 Assessing War 中寫道，使評估變得困難的三個因素包括“戰時信息的積累速度快于戰時分析能力，領導者需要在清楚了解正在發生的事情之前做出決策，以及信息環境包含巨大的不確定性和噪聲。”人工智能可以在速度和大型計算領域為人類提供幫助，例如那些具有挑戰性的評估。目前的評估“反映了準確性和速度之間的權衡”。人工智能可以提高評估速度；但是，它并不能消除信息滯后。由于需要集中評估以及收集和融合數據的要求，總會存在固有的延遲。人工智能增強的評估可以根據數據不斷迭代分析。除了人工智能在速度和準確性方面的幫助外，本節還將討論人類如何利用人工智能來減輕人類在感知和處理數據方面的偏見。

目標評估是一個持續的過程，用于評估實現預期效果的有效性。評估試圖衡量行動產生的影響。但影響往往難以衡量。例如，領導者如何衡量敵人的士氣或戰斗意愿？衡量成功和目標成就需要具體的成功衡量標準。 Scott Gartner 建議定義代表預期效果的主要指標，這些指標更容易識別和衡量，而不是試圖衡量效果本身。

主導指標是可以輕松識別觀察者看不到的模糊的潛在事實和趨勢標志。主要指標側重于戰時績效指標，使用基于時間的定量績效衡量指標來反映組織的任務完成情況。如本文前面所述，人工智能通常優于人類的領域之一是確定數據中的潛在相關性。使用有監督或無監督學習，機器人團隊可以開發出與性能和效果在統計上相關的主導指標。人工智能可以統計顯示哪些變量與目標成就及其重要性水平相關聯，而不是僅僅依靠人類的啟發式、偏見和認知捷徑來確定評估者認為哪些是成功的。 AI 顯示了與數據相關的主要指標，而不是猜測反饋的定量方法。

軍事評估的目的不僅是為決策者提供對作戰進展情況的衡量標準，而且評估的目的還在于創建一個可操作的反饋循環，用于調整對未來作戰的看法、假設和信念。評估關閉了反饋循環。評估在人類決策中至關重要，但可以說在人工智能應用中更為關鍵。反饋是人工智能能夠適應和改進環境變化的唯一途徑。人工智能系統的評估與人類的評估方式非常相似，調整先前的預測，進行學習和適應。

對于人工智能來說，評估的結果應該不斷地反饋到訓練模型中。在武器與目標配對示例中，規劃人員或機器接收針對特定目標使用的武器的炸彈損壞評估 (BDA)，并將在適用時更新 Pk 和 Pd 模型。例如，如果模擬顯示特定彈頭能夠穿透硬化結構，但現實顯示不同的結果。人類將觀察返回的 BDA 報告并調整他們對該特定彈頭的使用。在機器學習中，預測和實際損傷比較以及由此產生的誤差會更新模型。通過使用更多 BDA 和高度多樣化的場景迭代訓練模型，模型收斂到更新的事實。

制定適當的成功衡量標準對于人類和人工智能的學習都至關重要。選擇一組指標必須揭示有關環境的信息，并為其收集創造適當的激勵措施。如果指標或關系的權重存在虛假陳述，則可能會出現負面訓練。這種負面訓練可能導致人工智能或人類感知永遠不會與現實融合。由于這些原因，人類必須創造明確的目標；操作基準必須將總體目標與可確定的有效性度量 (MOE) 聯系起來。 MOE 與績效衡量標準 (MOP) 相關聯。此外，人類應不斷評估人工智能預測的準確性，并在必要時提供再訓練。在組織內工作的 AI 專家能夠及時調整模型和再訓練，塑造對成功至關重要的學習。評估必須不斷完善人類和人工智能認知，以適應環境。如果領導者尋求不正確的成功衡量標準，人類和機器都會優化不正確的行為。

4.6 評估案例研究

越南戰爭中的目標設定和評估無效的一個例子很明顯。美國領導層制定了敵人“人數”的作戰基準。領導人認為，如果越共和北越無法彌補他們在戰場上的損失，南越將會穩定下來。威斯特摩蘭將軍后來強調了這一指標的不足之處，他說：“誠然，“人數”統計是衡量進展的不完美標準，但在沒有常規前線的情況下，我們還能如何衡量成功？”在強調人數的重要性，領導層誤解了越南的真實情況。此外，在試圖將下屬的信息拉向人數的操作基準時，他們向下屬提供了有害的激勵措施。士兵和領導人錯誤地夸大了人數，試圖最大限度地增加人數會導致非法和不道德的行為。本案例研究強調了目標、操作基準、MOE 和 MOP 對人類和 AI 行為的重要性。當使用不正確的措施和目標時，可能會在訓練中強化不良行為。

4.7 偏見

人類本能地從有時難以解釋的觀察中得出結論。人類也傾向于吸收傳入的信息以適應現有的信念和期望。由于神經元串行處理速度的限制，認知捷徑和啟發式方法對于人類快速做出決策是必要的。大腦通過基于先前學習對當前經驗進行分類和關聯來做到這一點。數據的自動處理、過濾和分類使大腦整體能力更強；然而，這些捷徑也可能導致誤導性評估。這種過濾和偏差發生在較低級別，例如模式識別以及高級分析和評估中。當人們只看數據本身時，既存的信念在面對意想不到的新信息時具有持久力。人類必須承認這把雙刃劍，并利用它來發揮自己的優勢，同時減輕自己的弱點。人類不應該試圖修復、升級甚至根除使我們成為人類的東西；相反，我們應該設計技術來補充我們的能力和局限性。領導者應該尋找人類認知薄弱、不準確或緩慢的領域來進行人工智能的初始實施，同時在依賴創新、獨創性和創造力的領域將主導地位讓給人類。

偏見決策不僅限于人類；人工智能也不能幸免于這些來自現實的扭曲。偏見可能會通過訓練中使用的數據、算法和結構或通過實施來影響 AI。每年都有偏見 AI 的例子，而現實是 AI 僅根據其編程和訓練來做出決策和采取行動——專家稱之為“算法偏見”。算法偏見的例子包括無法檢測到黑人女性的面部識別程序、向女性展示較少高薪工作的廣告、預計少數民族男性的累犯率增加以及“種族主義推特機器人”Tay。用于訓練 AI 模型的數據必須沒有不良偏見，否則 AI 可能會產生不良行為。

人工智能可以為評估提供更大的客觀性。在備選方案之間做出決定的過程可能很繁瑣；它“為重新考慮設置了強大的障礙，即使新信息對最初選擇的有效性產生懷疑。因此，決策者不是重新審視最初的選擇，而是貶低、曲解或忽略與該選擇有關的新信息。” “決策者具有強大的組織目標或自身利益可能會忽略或最小化與這些利益沖突的傳入信息，并突出顯示支持 . . .以我們可能不認識的方式對我們對數據的解釋進行著色。”評估是人工智能實施的另一個成熟領域，因為數據量很大，而且人類偏見可能會扭曲認知。人類應該利用人工智能來增強戰時評估實踐，使其更全面、更快、更客觀。

5 實施AI模型

一旦我們創建和訓練了 AI 模型，我們的工作就沒有完成；最終的成敗在于實施細節。透明度和控制是在任何 AI 系統中建立信任的要求。此外，任何解決方案的人機界面和無縫集成都將成為成功實施的基石。國防戰略承認這一挑戰，并指出：“成功不再屬于首先開發新技術的國家，而是屬于更好地整合新技術并適應其戰斗方式的國家。”人類操作員可能會采用人工智能解決方案只有當它們值得信賴并提供無縫且有用的界面時。本文中推薦的實施不太可能很快發生，它們也不夠詳細，無法在今天直接實現。美國必須將研究、人員配備和資金投入到深思熟慮的實施過程中。使用敏捷開發方法，通過分解問題的各個部分，并隨著時間的推移產生小的勝利，成功的實施和改變是可能的。

美國不能在一次浪潮中或完全使用現成的解決方案來實施一個大型的“人工智能解決方案”。由于應用程序規模、環境復雜性和組織對變革的抵制，試圖開發一種廣泛適用的“解決方案”將是一項不可能完成的任務。對現有流程的迭代改進將推動增量變化，建立信任，并隨著時間的推移導致進一步的發展。

隨著時間的推移，建立信任并引導進一步的發展。在與教授未來 AOC 專家和新 AOC 部門領導的數十位學者和專家的對話中，大多數教師對短期內有意義的人工智能集成表示了相當大的懷疑。每個人都看到了這篇論文的必要性；然而，專家們很快在鼓勵之后發表評論，詳細說明由于依賴當前的“做事方式”和所需的應用范圍，它幾乎沒有實施的機會。教條式的循環很難打破，它們通常需要外部沖擊來突出變革的必要性。人們并不認為 AOC 目前已經“崩潰”，本文也沒有暗示這一點。然而，正如前幾節所述，美國未能保持“相關速度”和認知敏捷性存在危險。 本文的目的是試圖幫助調整國防部文化并確保追求下一個針對任何潛在對手的不對稱超越。

組織和國家堅持他們歷來重視的技術和實踐，以及那些支撐他們當前優勢的技術和實踐。大多數專家同意，空中力量的 C2 在打當今戰爭方面是有效的，但在實現政治目標方面往往效率低下。通常，領導者會在選擇目標的同時選擇實現目標策略。此外，領導者將注意力集中在漸進的“創可貼（Band-Aid）”修復上，而不是尋找可能導致最佳結果的總體公式。最終的問題是：

1.AOC 能否在明天的戰爭中面對近乎同等的對手時進行有效的控制？

2.當前和未來的大趨勢是否會使當前的空中力量 C2 手段和方式過時？

3.是否會出現巨大的失敗來強調向更智能的 C2 轉變的必要性？

我們當前的范式、官僚主義和組織動力所造成的抑制是技術發展和創新中最重要的障礙。理想情況下，更新空中力量的 C2 將利用現代理論和可用技術來全面開發最佳 C2 結構。然而，人們對全面的 C2 大修并沒有興趣，最有可能成功的機會是逐步開發和應用人工智能解決方案，隨著時間的推移建立能力和信任。

5.1 作出改變

控制、職能、流程、結構、人員配備和領導角色的平衡可能會隨著時間的推移在人工智能實施中進行調整。當前的任務機制：計劃、任務、執行和評估，可能仍然適用；但是，監督這些機制的組織和方法可能會發生變化。隨著人工智能解決方案的適應性開發和實施，領導者將能夠測試和運行系統，并通過漸進式變化觀察其影響。測試和演習應包含完整版本的作戰結構，以突出潛在的不足和需要改進的領域。有效的 AI 需要大量數據，而這些數據可能不會出現在小型測試或演練中。如果未來的戰爭需要在多個領域快速適應 C2，美國必須以這種心態開發結構、部隊、流程、測試和訓練。人工智能將補充和自動化某些領域的員工密集型工作，同時創造其他領域不存在的潛力。某些感知、分析、傳播和決策方法對于當今的工作人員和機組人員來說將變得陌生。

C2 和 AI 專家無法準確預測他們未來將如何以及在何處使用 AI；然而，對實施過程的有根據的猜測是觸手可及的。為在空中力量 C2 中成功部署人工智能，建議采取以下七個步驟：

1.領導者必須確保制定和分發從數據收集到人類或人工智能行動的架構、透明度、安全和通信標準。

2.聯合部隊必須為人工智能的開發、測試和演練開發孵化器。聯合部隊必須為這些試驗臺提供足夠的資源，并提供迭代開發和改進跨任務集和戰爭級別的人工智能解決方案所需的訪問權限。

3.孵化器一旦開發出人工智能解決方案，就必須在模擬中對其進行測試。兵棋推演必須充分模仿資產行為并復制現實世界。模擬允許在批準用于實際使用之前在良性和安全的環境中進行新的 AI 測試。

4.聯合部隊必須在演習中測試人工智能，然后才能獲準參戰。從戰術到作戰層面進行的演練提供了微調認知和行為的能力，以及開發和評估作業策略、技術和程序的能力。采用新技術時，人類的迭代適應和性能改進的相同理論也適用于人工智能的使用。改善 AI 行為的兩個示例方法包括：a.最初跟隨人類決策者并從他們的行為和決策中學習。在向人類決策者進行初步學習后，人工智能可以通過未來的自我學習繼續改進，而不會受到人類的影響。或 b.通過在對抗性學習或強化學習環境中對幾代 AI 模型的行為進行自我訓練，迭代地改進 AI 決策，然后將性能與人類行為者進行比較。在訓練過程中，人類應該在表現出可取或不受歡迎的行為時提供輕微干涉。

5.與人類和其他人工智能相比，AI一旦表現出卓越的性能，就可以選擇使用AI。每個應用領域所需的性能水平會有所不同，包括置信、時間和風險等因素（參見圖 8）。如果滿足以下條件，人工智能認證應批準人工智能作業：a. AI 已達到所需的性能水平。b. AI符合安全要求，遵守適用的交戰規則和國際武裝沖突法。 c. AI 滿足安全要求，包括對所需數據的訪問、所需的機密性以及數據和信息流的完整性保證。 d. AI 可以與所需的實體進行通信。 e.如果需要，人工智能可以由人類控制。

6.當聯合部隊使用人工智能時，他們應該尋找相鄰的使用領域，以補充和擴大自動化，增強有效性和效率。人工智能解決方案的增量實施將通過協同效應獲得效率和性能，通常稱為飛輪效應。

7.聯合 C2 的組成、組織、流程和速度將在人工智能的實施過程中不可避免地發生變化。領導者及其員工將負責調整流程、組織結構和訓練，以獲得人工智能的利益。

在人工智能增強的戰斗中，聯合空中力量 C2 的領導力無疑會有所不同。人類可能會花更多時間在評估、分析和決策上。隨著機器快速清理和構建大量數據，人類決策者可以將更多時間投入到人類擅長的事情上——在作戰“藝術”中發揮創造力，做出負責任的決策，并為棘手的問題集帶來獨創性。任何將人類決策注入人工智能繁重的周期都將不可避免地減慢這一過程。然而，人類可以在決策循環中提供顯著的風險緩解和監督。在決定何時何地需要人工決策時，領導者必須評估風險接受度、對 AI 的信任、AI 置信度、成本、時間限制、戰略影響和潛在的意外影響。隨著人工智能的發展和廣泛實施，失敗的機會越來越多。錯誤和硬件故障的機會隨著復雜性的增加而增加。未來可能繼續需要某種程度的人機交互。戰爭的本質仍將是以人為中心的努力。反復出現的管理和維護挑戰放大了對決策者和工程監督的要求。主題專家、工程師、信息經理和決策者應該從開始到部署齊頭并進。

5.2 對AI建立信任

在將控制權交給人工智能之前，信任是任何系統的要求。人工智能的大多數當前應用程序執行相對良性的功能，無需做出生死決策。人工智能在 C2 中的初始應用也應該在能力和過程最容易理解的領域和低風險領域。隨著時間的推移，應用領域可能會增加；然而，人類在信任人工智能合作伙伴之前需要透明度、控制力和可信度。

人工智能和自動化通過小小的勝利建立信任。低風險領域的逐步實施將表明人工智能是有能力的。例如，人類對將日常通勤中的權力委托給人工智能持懷疑態度，因為高速駕駛是一項冒險的嘗試；然而，數十萬人在日常通勤中信任特斯拉汽車。隨著時間的推移，人類通過其展示的能力變得舒適和信任。多年來，人工智能已經建立了控制車輛的能力。最初，圖像識別展示了識別物體的能力，例如標志、人、汽車和畫線。深度感知和自由空間算法發現了在環境的實時表示中顯示可駕駛區域的能力。最后，將多種形式的人工智能融合到駕駛解決方案中，超過了普通人類駕駛員。特斯拉通過可信度和展示能力建立了對其人工智能的信任。

透明度還通過可追溯性、理解和驗證來促進信任。在中高風險應用程序中實施的人工智能必須能夠顯示基本假設并追蹤得出結論的方法。跟蹤從輸入到輸出的決策過程的能力產生可解釋，這在學習系統中有時很棘手。生命未來研究所在 2017 年發布了 23 條人工智能原則，并得到了數千名領先的人工智能專家的認可，強調了透明度和安全性問題。該研究所強調“故障透明度”和“司法透明度”是未來人工智能發展的兩個要求。簡而言之，人工智能必須能夠顯示系統出現故障的原因，并就其做出具體決策的原因向人類提供令人滿意的解釋。透明度是系統設計期間的要求。

控制不會產生信任，但缺乏控制會迅速破壞以前存在的任何信任。人類感知人工智能的行為和意圖，然后能夠指導或改變任何系統行為的能力至關重要。如果策略、戰略或目標發生變化，領導者必須能夠調整行為。此外，如果人工智能表現出不正當的意圖或表現不佳，人類必須能夠超越其行為。盡管系統沒有按要求運行，但一旦識別出危險情況，人類必須能夠進行控制。透明是控制的要求，控制是信任的要求。

5.3 兵棋推演與仿真模擬

如前幾節所述，兵棋推演和模擬有助于訓練 AI。現實世界的事件和過去的行動結果可以調整人工智能的行為，但這只能通過特定的現實世界例子來教人工智能。如果一個場景過去沒有發生過，那么人工智能將沒有準備好在未來處理它。人工智能需要能夠模擬以前沒有收集數據的場景，以概括其學習并更好地填補存在的空白。許多類型的 AI 都需要模擬環境來測試相關場景或可能發生的場景，但在現實世界中進行測試是不切實際的。通過在模擬世界中作業項目、參數和動作，人工智能可以比現實世界更快地觀察效果并強化適當的行為數量級。

5.4 靈活的自主性

靈活的自主性是指系統在有或沒有人的情況下運行的能力。靈活的自主性最初可以提供 AI 實施，一套“訓練輪”，直到最終系統驗證發生。在最初的 AI 應用期間，人類可能會選擇將很少的權限讓給 AI。然后，隨著人工智能學習行為和優化，人工智能可以接管越來越多的任務。靈活自主是一種隱喻的在線訓練。自主性可以從人的身影轉移到人進回路中，再到人在回路中，最后如果需要的話，再到人出回路中。

人的參與程度也會隨著風險或在具有挑戰性的情況下發生變化。圖 8 顯示了授權給 AI 的權限數量與時間和風險的關系。使用不同級別控制的人工智能在風險變化的領域是有益的。此外，與人類合作的人工智能可能需要在有爭議的領域或敵人試圖拒絕通信或訪問的領域更加自主地運行。在這些環境中，靈活自主可以提供人類監督的能力，直到它被拒絕，此時人工智能就像訓練有素的一樣，直到重新與人類控制器通信或完成任務。

5.5 分布式執行與數據需求

由于對數據和控制的要求，人工智能的實施似乎意味著背離分布式執行。權力下放仍將是空中力量的基本原則。由于不確定性、摩擦、變化、通信限制和模糊性，分布式執行是一項要求。權力下放使機組人員能夠掌握主動權，對不確定和不斷變化的環境做出反應，并訓練下級指揮官的靈活性。由于人工智能的實施，空中力量執行的最重要的直接變化是需要增加數據收集。如前所述，數據是 AI 學習和性能的基本要求。如果沒有足夠的數據收集，人工智能就無法準確感知環境并做出決策。未來的領導層可能會強調整個空中業務級別的數據收集和及時報告要求，以確保反饋循環穩健。指揮官必須向操作員清楚地表達意圖并協助他們分布式執行，為他們提供適當的工具和態勢感知來根據意圖執行。操作員應向其指揮官提供及時準確的真實數據和可靠準確的執行，以換取下放的執行權限。

總結

空中力量的 C2 需要進行技術改造，以便在未來的戰爭中有效地投射空中力量。歷史表明，那些適應太慢或未能預見關鍵支點的人將遭受失敗甚至滅絕。世界正處于對人工智能巨大力量和指數級增長的開始階段。人工智能的創新解決方案可以將空中力量的 C2 帶入 21 世紀。通過建立能夠超越對手的系統和決策過程，美國可以保持在空中力量使用方面的主導地位。通過在多個領域為我們的對手制造多重困境，我們可以指揮戰斗——領先一步，朝著我們選擇的方向前進。

開發人工智能解決方案的第一步是確定潛在的實施領域。作者選擇討論聯合目標選定中的 AI 示例，但僅空中力量 C2 就有很多增強和自動化的領域。確定應用領域后，收集相關數據。人工智能需要數據來了解環境并創建簡化的模型來進行預測。如果數據不可用，可能需要部署傳感器并尋求其他方法來收集數據。然后，數據科學家和工程師對數據進行過濾、清理和結構化，以滿足 AI 開發驅動的情境需求。所需數據的收集及其清理通常是 AI 開發中的大部分工作。

收集相關數據后，算法選擇和訓練創建模型來解釋現實。有無數種算法和結構，沒有一個“千篇一律”的解決方案可以解決每個問題。反復試驗、訓練和比較模型將不斷地顯示出問題及其解決方案的最佳方法。一旦選擇了最準確和最有效的算法，就可以開始起草確定性規則，并訓練模型。領導者必須確定他們將如何使用 AI 的輸出以及控制級別。風險、時間和置信度都會影響委托給 AI 的自動化水平。

人工智能已經在企業界建立了強大的立足點，但空中力量幾乎沒有任何重要的人工智能應用的例子。為了在國際安全領域保持優勢，美國必須發現和開發創新的人工智能解決方案。俄羅斯和中國正在加大對人工智能作為一項戰略技術的投資，尋求“在人工智能發展的國際競爭新階段搶占戰略主動權，創造新的競爭優勢。”通過利用人工智能和自主性的進步，美國可以恢復其與潛在對手的日益減弱的優勢并加強威懾力。現代戰爭的復雜性和速度已經超過了我們的 C2 能力。擁有信息優勢的一方將決定未來戰爭的結果，并能夠通過高速決策做出即時反應，同時為敵手制造復雜而同時出現的困境。這種未來的能力遠未得到保證。美國必須努力保證這種由人工智能自主和增強實現的敏捷性超越。

付費5元查看完整內容

相關內容

人工智能在軍事中可用于多項任務，例如目標識別、大數據處理、作戰系統、網絡安全、后勤運輸、戰爭醫療、威脅和安全監測以及戰斗模擬和訓練。
[付費5元查看完整內容]美國國防部《聯合全域指揮與控制（JADC2）戰略概要》

美國防部官網3月17日報道，2022年3月15日，美國防部副部長凱瑟琳·希克斯博士簽署了“聯合全域指揮與控制（JADC2）實施計劃”（2021年9月提交），同一天國防部官網公開了“聯合全域指揮與控制（JADC2）戰略概要”（2021年5月美國防部長簽署發布JADC2戰略，戰略全文為秘密級）。由于JADC2戰略和實施計劃的保密性，從此次放出的“戰略”摘要可看出其實施計劃的大致輪廓。

前言

在當前的全球安全環境中，美國軍隊面臨著敏捷的對手，他們越來越多地試圖通過阻礙，并在可能的情況下拒絕我們（美軍）的指揮和控制（C2）能力來破壞戰略和行動優勢。美國軍隊重新獲得并保持信息和決策優勢的能力是國防部的首要任務之一。

美國國防部 (DOD)聯合全域指揮與控制 (JADC2) 戰略描述了迫切需要集中力量推動部門行動，以增強其的聯合部隊指揮官在所有作戰領域和整個電磁頻譜范圍內指揮聯合部隊所需的能力，以威懾、并在必要時在全球任何時間、任何地點擊敗任何對手。

JADC2 戰略為識別、組織和提供改進的聯合部隊指揮和控制 (C2) 能力提供了愿景和方法，并說明了對手已經關閉了其賴以取得作戰成功的許多能力和方法優勢。作為一種方法，JADC2 支持使用創新技術開發物資和非物資解決方案選項，同時愿意修改現有政策、權力、組織結構和作戰程序，從而為聯合部隊指揮官提供信息和決策優勢。

執行總結

全球安全環境的快速變化給美國軍隊和聯合部隊抓住、保持和保護我們對對手的信息和決策優勢的能力帶來了新的重大挑戰。此外，我們必須預見到未來的軍事行動將在退化和有爭議的電磁頻譜環境中進行。這些挑戰要求部門作出一致和集中的努力，使我們開發、實施和管理C2能力的方式現代化，以便在所有作戰領域、跨梯隊和與我們的任務伙伴一起取得勝利。

JADC2為塑造未來聯合部隊的C2能力提供了一個連貫的方法，旨在在戰爭各個層次和階段、在各個領域以及與合作伙伴一起，產生感知、理解和行動的作戰能力，以便以相關的速度提供信息優勢。作為一種方法，JADC2超越了任何單一的能力、平臺或系統；它提供了一個機會來加速實施聯合部隊進行C2的方式中所需要的技術進步和理論變革。JADC2將使聯合部隊能夠使用越來越多的數據，采用自動化和人工智能，依靠安全和彈性的基礎設施，并在對手的決策周期內采取行動。

這一戰略的成功實施需要整個國防部（DoD）的明確決心。為此，JADC2戰略闡明了 "感知"、"理解 "和 "行動 "這三項指導性的C2功能，以及另外五條持久的努力方向（LOEs），以組織和指導提供JADC2的物資和非物資能力。這些工作重點包括 (1）建立JADC2數據企業；（2）建立JADC2人力企業；（3）建立JADC2技術企業；（4）將核C2和通信（NC2/NC3）與JADC2相結合；以及（5）使任務伙伴信息共享現代化。

這一戰略得到了JADC2戰略實施計劃的支持，該計劃確定了JADC2的最終狀態、關鍵目標和任務，并通過既定的部門授權、論壇和程序來同步和簡化工作，以確定JADC2能力的優先次序、資源、開發、交付和維持。現有的軍種和機構的開發和采購過程通常會產生特定領域的能力，無法滿足全領域C2的作戰需求。JADC2的方法將覆蓋這些現有的程序，目的是促進跨領域、聯合能力的發展。

該戰略提供了六項指導原則，以促進整個DoD在提供物資和非物資JADC2改進方面工作的一致性。這些原則是 (1) 信息共享能力的改進是在企業層面上設計和擴展的；(2) 聯合部隊C2的改進采用分層安全特性；(3) JADC2數據結構由高效、可發展和廣泛適用的通用數據標準和架構組成；(4) 聯合部隊C2必須在退化和有爭議的電磁環境中具有彈性；(5) 部門開發和實施過程必須統一，以提供更有效的跨域能力選擇；以及，(6) 部門開發和實施過程必須以更快速度執行。

JADC2戰略的結論是，迫切需要使用一個全企業的整體方法來實施物資和非物資的C2能力，以確保聯合部隊指揮官在整個競爭過程中獲得并保持對全球對手的信息和決策優勢。

一、簡介

JADC2戰略闡明了國防部為支持美國國家安全利益而推進聯合部隊C2能力的方法。國防戰略指示聯合部隊 "獲得并保持信息優勢，特別是在網絡空間、太空和電磁波譜方面"。將JADC2從指導聯合/整合能力發展的概念變為現實的巨大任務需要一個清晰的愿景、有效的戰略和靈活的流程。JADC2的成功實施將產生更好的聯合部隊C2能力，并需要加速應用技術解決方案來發展C2能力，以及調整管理政策和作戰程序。

圖1 JADC2邏輯圖

JADC2提供了一種方法來開發作戰能力，以在所有領域和合作伙伴的各個層面和階段感知、理解和行動，以相關的速度提供信息優勢。

圖1描述了實現全域C2的復雜性：聯合部隊指揮官依靠多年能力開發和實施的指導、技術、程序和能力，以便在行現實世界任務中使用有效的C2任務。

JADC2尋求優化信息的可用性和使用，以確保指揮官的信息和決策周期相對于對手的能力運行得更快。這種整體觀點將聯合部隊指揮官確定為軍種和機構C2能力發展工作的主要受益者，并將部門C2能力發展成果集中在提供聯合、全域操作C2性能和熟練程度。為實現這一目標，JADC2將覆蓋現有的基于軍種和機構的C2能力開發計劃框架，這些計劃目前向聯合部隊提供以領域為中心且經常重復的信息和決策管理能力。

這種“疊加”方法是一種協作方法，其中所有C2能力開發利益相關者都支持JADC2作為優化開發資源和優先級以及最大化作戰成果的統一方法。

二、JADC2方法

JADC2戰略通過(1)聯合部隊指揮官在作戰環境中“感知”、“理解”和“行動”的需要，以及(2)使用五個職能領域來組織其改進聯合部隊C2的方法重點或LOE，以指導改進的C2聯合部隊能力的開發和實施。在這種方法中，JADC2整合了現有的部門、軍種、機構和運營需求和能力開發流程，以塑造未來物資和非物資C2能力的交付。

該戰略的實施由JADC2跨職能團隊(CFT)監督，該團隊是國防部副部長特許機構，由來自作戰司令部、軍種、國防機構、聯合工作人員和OSD工作人員。識別和實施優先C2改進的主要方法是執行JADC2實施計劃。

感知：整合所有領域和電磁頻譜的信息

“感知和集成”是發現、收集、關聯、聚合、處理和利用來自全域（友好的、敵對的和中立的）數據的能力，并將信息作為理解和決策的基礎進行共享。JADC2通過使用聯合數據架構的各種情報傳感和信息共享網絡，支持聯合部隊和任務伙伴共享創新數據，利用遠程傳感器、情報設備和開放資源感知、集成全域內外信息，使聯合部隊指揮官能夠獲得信息和決策優勢。

理解：分析信息以更好地理解作戰環境

“理解”指的是分析信息，以便更好地理解和預測作戰環境、對手的行動和意圖、以及自身和友軍的行動。JADC2將利用人工智能和機器學習幫助指揮官快速決策，其將直接從傳感基礎設施中提取、合并和處理大量數據和信息，以保證對作戰環境的可靠、持續、實時了解，并在整個聯合部隊和任務伙伴之間共享。這將要求聯合部隊調整和更新現有的戰略、戰役、戰術級的指控流程和能力，同時這些規程和技術的進步將大大增強聯合部隊在降級環境中的作戰能力。

行動：決策和分發

“行動”指的是向聯合部隊及其任務伙伴做出決策并分發的過程。JADC2將使用規劃和決策支持工具，并依托先進、彈性和可靠的通信系統、無障礙和全面的信息基礎設施以及靈活的數據格式，確保快速、準確和安全地傳遞決策。同時，JADC2將使用任務式指揮的方法，下屬指揮官通過了解高級指揮官的行動意圖，可按照原則被授權自主采取行動，同時保留在通信中斷時或行動緊急情況下采取行動的能力。

三、JADC2落實措施(LOE)

JADC2戰略圍繞五個LOE組織，以指導部門在提供JADC2能力方面的行動，如下所示：1)數據體系；2）人力資源體系；3)技術體系；4）與核C2和C3集成；5)使任務伙伴信息共享現代化。每個LOE都由一個主要責任辦公室指導，該辦公室由高級標志/SES人員代表，他們有權通過其聯合能力委員會提出問題并與聯合需求監督委員會互動并提供支持。JADC2戰略實施計劃中描述了其他JADC2治理細節。

LOE1：構建JADC2數據體系

數據是一種戰略資產，必須由聯合部隊有效管理，使其能夠抓住、維護、并保護信息和決策優勢。為了加快決策速度，聯合部隊和我們的任務合作伙伴必須能夠發現和訪問來自所有作戰領域的任何數據和信息。以下關鍵數據標準化目標將直接影響聯合部隊指揮官管理和使用數據的能力：

  • 建立最低元數據標記標準；
  • 采用和使用標準化數據接口；
  • 實施通用數據可用性和訪問實踐；
  • 納入數據安全最佳實踐；
  • 建立符合JADC2的信息技術（IT）標準；
  • 繼續應用數據戰略目標（可見、可訪問、可理解、鏈接的、可信賴的、可互操作的、安全的）。

LOE2：構建JADC2人力資源體系

作戰環境中不斷增加的數據和信息可用性有可能使聯合部隊收集和匯總此類信息的技術手段不堪重負。現有的組織結構和決策流程正在被趕超，需要新的方法來確保聯合部隊指揮官抓住機會和保持優勢的能力，從而加劇了這個問題。

LOE2特別關注人類在C2能力方面的表現，并解決了創新人工智能和機器學習工具的使用問題。反過來，此類創新將推動制定預先確定的、預先批準的、事件驅動的、捆綁式授權的需求，以實現快速、相關的決策從戰略層面到戰術邊緣。這可能需要改革、重新調整或創建具有結構、敏捷性和資源的組織，以更有效地融合聯合部隊及其任務伙伴的物理和信息力量，使他們能夠對聯合信息優勢(JIA)進行有效控制操作。 該LOE還解決了培訓和教育領導者精通所有作戰領域作戰所需的專業發展。它將指導和支持JADC2政策、作戰概念(CONOPS)、條令以及戰術、技術和程序(TTP)方面的發展，以優化通過JADC2新能力獲得的優勢。為此，兵棋推演、實驗、演示、評估、訓練和演習的設計必須集中在競爭和沖突期間作戰的C2方面。同樣，國防部員工必須精通識別制度變革，以實現和維持改進的JADC2能力開發流程和產品。

LOE3：構建JADC2技術體系

該LOE解決了增強的共享態勢感知、同步和異步全球協作、戰略和作戰聯合規劃、實時全球部隊可視化和管理、預測部隊戰備和后勤、動態和非動態聯合和遠程實時同步和整合?射程精確火力，以及評估聯合部隊和任務伙伴表現的增強能力。

聯合部隊指揮官需要具有足夠速度和帶寬的安全的全球通信網絡，以滿足國家司令部和作戰司令部的作戰需求。LOE3解決了JADC2生態系統的傳輸基礎設施，并提供了基本的最低功能確保持續C2能力所必需的，包括通信系統的彈性和多樣性、多級安全性以及消除單點故障。這些經過網絡強化的先進技術將顯著提高指揮官組織、理解、計劃、決定、指導和監控所有聯合部隊和任務伙伴在所有領域以及在電磁頻譜使用退化和競爭期間的所有行動的能力。

LOE4：將NC2/NC3與JADC2集成

在適當的情況下，JADC2方法將與核C2和通訊。

LOE5：使任務合作伙伴信息共享現代化

聯合部隊指揮官通過與任務伙伴共享態勢感知，不斷努力建立和保持對作戰環境的共同理解。當來自每個合作伙伴的C2系統的數據可以被每個其他批準的合作伙伴訪問、查看和采取行動時，就可以實現理想的任務合作伙伴系統集成。然而，新興任務、大型聯盟和不斷發展的技術為實現這一目標帶來了持續的障礙。歸根結底，JADC2系統互操作性對于以速度、精度、相關性和安全性進行聯合和合作作戰至關重要。該LOE力求擴大和提高聯合部隊在所有類型的聯合作戰中交換信息和協調行動和效果的能力。

四、JADC2能力指導原則

JADC2方法的實施遵循以下總體原則。

在戰略層面設計和擴展信息共享能力

JADC2基于戰略層面設計和操作，依賴多個戰略節點和通信支撐網絡，提供傳遞重要信息所需的帶寬、功能和安全的全球鏈接能力。

安全

聯合部隊C2必須采用以強大網絡防御為先導的分層防御，以阻止可能威脅企業運營的惡意活動。聯合部隊必須有明確的政策指導、足夠的權力、充分的訓練、及時的情報以及在全球競爭環境中進行安全C2所需的技術。國防部必須在日常行動中采取戰時思維例如，邊打邊訓練并培養知識淵博的領導者和受過訓練的員工，以使用他們所掌握的工具和權威。

通用數據和互操作性標準

聯合部隊數據結構必須由高效、可演進和廣泛適用的通用數據標準和架構組成，并具有標準化的關鍵接口和服務，以便在具有各種不同類型的大型環境中訪問、聚合、管理、存儲、處理和共享數據合作伙伴和運營。

在降級的環境中保持彈性

聯合部隊必須能夠在降級或有爭議的C2環境中以最低限度的指導行動，指揮官和參謀人員必須在傳感和通信受到嚴重影響或完全癱瘓以及對手意圖不明確的情況下進行積極訓練。

在能力建設中保持統一

國防部必須改進其指揮控制能力開發和實施流程，以便更容易地采用跨域優先事項和解決方案選項。JADC2 CFT是部門能力開發人員討論、識別、協作和推薦機會的場所，以改進軍種和作戰領域內的C2信息共享和互操作性。

快速交付JADC2能力

國防部必須繼續發展其當前的C2開發和采購方法，并調整現有方法以更快地產生所需的能力。

五、結論

全球安全環境的變化，包括針對美國的不斷增加的惡意行動和信息技術的廣泛進步，為聯合部隊帶來了緊迫的挑戰和機遇。JADC2戰略通過推進互連和企業范圍的方法來提供支持全球一體化作戰的物資和非物資能力，從而應對這些挑戰和機遇。這些能力將直接和顯著提高指揮官獲得和保持信息和決策優勢的能力。

JADC2戰略闡明了一種企業方法，用于在所有作戰領域和整個電磁頻譜中改進聯合部隊的C2。它解決了人類決策的獨特方面，并尋求新的機會來增強C2的認知方面。該戰略確定了關鍵的C2功能，即感知、理解和行動，以及組織和指導改進的C2能力的開發和實施的五個努力方向。

JADC2方法成功的核心是JADC2 CFT。該機構將協作推動整個國防部可衡量的積極變化，以實現全域C2所需的能力、能力、持久性和全球影響力。

參考鏈接 //mp.weixin.qq.com/s/M-iUaaO5mO44MVFi_A6SBw

付費5元查看完整內容
[付費5元查看完整內容]完整譯文-《美國陸軍和聯合全域指揮與控制 (JADC2) ：通過融合實現決策優勢》2022最新報告

隨著美國為大國競爭而重組其軍隊，戰場的有效性將取決于美軍是否有能力超越其近似競爭對手的決策周期。速度是關鍵--軍隊如何快速從其傳感器中收集數據，分析數據，辨別重要信息，將其發送給相關作戰人員并作出最佳反應。一支日益一體化和互操作性的部隊，對共同作戰環境有共同理解，對于軍隊完成能力融合至關重要。

美國防部聯合作戰概念（JWC）描述了全域作戰，并設想了一個聯合殺傷網，它可以通過全域聯合指揮和控制（JADC2）的支持概念，快速有效地將任何傳感器與任何投射能力聯系起來，這就是融合的原則。實現融合要求各軍種之間專注聚焦，確定優先次序并進行協同。美國陸軍將在JADC2中發揮核心作用，因為它為作戰和戰術網絡的發展提供信息；為JWC提供后勤骨干；并在一系列與各部門、機構和國際合作伙伴的合作實驗中測試融合。

0 概述

  • 議題：隨著美國軍隊為大國競爭而進行的轉型，戰場效率將在很大程度上取決于其超越同行競爭對手決策周期的能力。

  • 聚焦范圍：描述了陸軍和聯合實施JADC2的情況。

  • 觀點：

    • 在一個共同的作戰環境中，數據管理和共享對于軍隊實現必要的能力融合至關重要。
    • JADC2要求國防部和陸軍進行變革，特別是在數據共享、網絡支持能力、決策周期中的人工智能（AI） 以及對部隊結構的調整方面。
    • JADC2是關于獲取數據和有效連接；它不是一個特定的平臺。

1 戰略環境

在2020年以后，美國軍隊必須具有戰略上的敏捷性、反應性和致命性。中國和俄羅斯正在大力投資，以減輕美國在陸地、空中、海上、太空和網絡空間各個領域的能力。

  • 通過快速移動平臺維持的反介入/區域拒止（A2/AD）能力，爭奪進入戰場的機會。
  • 利用日益增長的城市化和其他阻礙視距瞄準的地形。
  • 利用戰略上敏感和動態的環境。

在有可能限制聯合部隊戰略部署和使用其部隊能力的情況下，需要一個現代化的指揮和控制（C2）機構，能夠迅速匯集美國及其盟國的所有能力，以威懾，并在必要時擊敗近鄰和其他競爭對手。

1.1 遺留系統的不足之處

目前的C2項目使用的是幾十年前的平臺，"沒有針對未來沖突的速度、復雜性和殺傷力進行優化"。目前的平臺各軍種不能有效地利用或發送數據、命令給其他軍種，而且它們的結構不能支持實現未來的C2。2018年國防戰略（NDS）強調了C2系統現代化的重要性，指出在退化的環境中未來的戰斗將以速度、更多的自主權和分布式的單位獲勝。

2 聯合作戰概念（JWC）

美國防部領導層設想了一個在戰場上沒有界限的未來，圍繞著一個統一的C2系統，其中一個多領域的方法--參與和整合地面、空中、海上、網絡和空間作戰--對于挑戰一個近似的對手是必要的。JWC是一個關鍵的概念，并且正在推動未來的研發和采購，同時也在整合作戰指揮部的審查和服務計劃。因此，該概念的發展是國防部的一個優先事項。

圖：全域聯合指揮與控制（JADC2）通過實時終端用戶報告和協作規劃，協同多個數據源，在國防支持民事當局行動期間，準確地在聯合特遣部隊民事支持(JTF-CS，美軍機構) 可能需要的地方提供支持能力。

注1：聯合作戰概念的四個支持性概念

  • 指揮與控制
  • 火力
  • 后勤
  • 信息優勢

2.1 JADC2

美國防部JADC2戰略于2021年5月由國防部長勞埃德-奧斯汀批準，闡明了國防部實施JADC2的方法；它將JADC2描述為感知、探測和行動的作戰能力，從而提高從沖突到競爭以及所有領域的互操作性和決策速度。JADC2是一個以數據為中心的持續C2能力框架，它支持JWC，并使聯合部隊能夠迅速匯集有助于威懾的效果，并通過決策優勢使任務取得成功。

JADC2指的是所有聯合C2的實施，包括：

  • 構建其連接性的架構。
  • 授予權力。
  • 整合人工智能（AI）決策。
  • 提供梯隊的人員能力。
  • 培訓領導人。
  • 同步工作人員并賦予他們實時決策的權力。

由于速度和規模在未來的戰斗中至關重要，JADC2將建立一個網狀網絡，實時將各部門的數據帶入一個 "可共享的數據湖"，將來自所有領域--陸地、空中、海上、太空和網絡空間的傳感器連接起來。利用人工智能軟件、數據庫、處理器和算法，它將把偵察信息轉化為可識別的和優先的目標，比人類分析員更快。目標數據將被發送到處于最佳位置的單位/能力，無論是動能、網絡、電子戰（EW）還是信息作戰（IO）。

JADC2及其網狀網絡可以被看作是一個安全的戰斗互聯網，軍事應用程序在上面進行連接，從所有可用的來源搜尋數據，以迅速將最佳的 "投射 "或 "效應器 "與目標聯系起來。JADC2可以提供無處不在的數據，不同的人類和機械數據可以根據需要使用。歸根結底，JADC2不是一個特定的平臺；它是獲取數據并有效連接。

圖：聯合參謀部的JADC2作戰規劃實驗，允許陸軍、海軍、空軍和海軍陸戰隊的節點共享實時的信息，以實現傳感器與投射的聯系，并將其顯示在一個共同的作戰畫面上（美軍聯合現代化司令部）。

2.2 各軍種間的合作

所有軍種都同意需要將JADC2作為一項組織戰略。2020年，陸軍和空軍簽署了一項協議，在2022財政年度（FY22）之前分享數據并制定共同的數據和接口標準；在多次實驗中，他們在這方面取得了成功。此外，陸軍、海軍和空軍在2021年初簽署了一項合作協議，以測試、整合和分享數據開發，以實現JADC2。

3 陸軍的角色

陸軍現代化戰略描述了陸軍將如何作戰，用什么作戰以及如何組織起來支持聯合部隊。陸軍致力于發展作戰網絡、技術和概念，通過一系列名為 "項目融合"（PC）的演示和實驗來實現超額匹配并為聯合部隊提供信息。這是一場持續的學習運動，旨在迅速 "融合"所有領域（陸地、空中、海上、太空和網絡空間）的效果，并塑造陸軍的新興理論、組織、訓練、能力、研究和發展以及后勤。

通過實驗和學習，"項目融合"有助于確保軍隊在適當的地方擁有適當的人員、適當的系統、適當的能力，以支持聯合戰斗。——陸軍參謀長詹姆斯-麥康威爾將軍

"項目融合"（PC）：學習運動

PC由五個核心要素組成：

  • 確保合適的人員和人才。
  • 將陸軍現代化工作與八個陸軍未來司令部跨職能小組（CFT）聯系起來，這些小組與陸軍現代化的六個優先事項相一致。
  • 擁有正確的指揮和控制，以應對節奏越來越快的威脅。
  • 使用人工智能對信息進行分析和分類，并在陸軍網絡中進行傳輸。
  • 在 "最嚴苛的地形"中測試能力。

每項實驗都通過新的架構、編隊和來自陸軍八個CFT的授權來融合現代化舉措，并深化陸軍現代化舉措的整合。這些努力正在加速2018年國防戰略中概述的現代化戰略，該戰略設想未來的戰斗將在退化的環境中以擁有速度、自主性和分布式能力的單位獲勝。

表：陸軍未來司令部項目融合戰略20-22財年

在亞利桑那州尤馬的 "項目融合2020"（PC20）持續了幾個月，展示了人工智能和機器人技術，包括兩次實彈演示。該實驗由士兵、平民、科學家和工程師設計，在最低作戰水平上測試了融合，以挑戰戰術邊緣的決策過程。其中一項測試使用衛星和無人駕駛航空系統：同時感知空中和地面目標；迅速將數據傳遞給平臺，以打擊目標；并在十幾秒內決定性地摧毀該目標。

圖：2021年10月19日，在亞利桑那州尤馬試驗場，被分配到第82空降師的美國陸軍一等兵丹尼爾-坎達爾斯使用戰術機器人控制器來控制遠征模塊化自主車輛，為 "項目融合"做準備。在2021年項目融合期間，士兵們試驗使用該車輛進行半自主偵察和再補給（美國陸軍中士馬里塔-施瓦布攝）。

對實現JADC2能力的另一個貢獻是陸軍繼續倡導將其從聯合（joint）擴展到 "結合（combined）"--CJADC2--因為任何網絡都需要包括盟友和合作伙伴。陸軍在亞洲和歐洲有著深厚的軍隊間關系，應該站在這種重要努力的最前沿。認識到這一點，陸軍21/22財政年度的PC戰略將參與范圍擴大到了結合伙伴和盟友，增加了指揮層級并使之多樣化，并推動了現代化概念和技術的極限。

注2：項目融合（Project Convergence）：項目融合是聯合部隊對速度、射程和決策主導權的實驗，以實現超額完成任務，并為聯合作戰概念和全域聯合指揮與控制提供信息。作為一場學習運動，它利用一系列聯合的、多領域的交戰來整合人工智能、機器人技術和自主性，以提高戰場態勢感知，將傳感器與投射連接起來，并加快決策的時間線。因為誰能最先看到、了解并采取行動，誰就能獲勝。

注3：項目融合的五個核心要素

  • 1.人
  • 2.武器系統
  • 3.指揮和控制
  • 4.信息
  • 5.地形

4 挑戰

JADC2要求國防部和陸軍進行轉型，特別是在數據管理和共享、網絡支持能力、人工智能在決策周期中的作用以及為實現這些變化而對部隊結構進行調整。陸軍現代化戰略及其現代化優先事項是持續轉型的框架，以使陸軍能夠在多個領域進行部署與聚合效應。

注4：軍隊現代化的優先事項六大任務

  • 遠距離精確射擊
  • 下一代戰車
  • 未來的垂直升降機
  • 陸軍網絡現代化
  • 空中和導彈防御
  • 士兵殺傷力

4.1 數據共享和網絡能力

一個用于C2的綜合戰斗管理系統需要在數據共享和標準化數據共享接口方面進行通信；然而，許多遺留系統包含數據共享障礙。2021年初，各軍種之間開始認真工作，制定數據標準以連接他們的JADC2項目，并通過 "發現、理解和與所有領域、梯隊和安全級別的合作伙伴交換數據 "來克服這些障礙。

陸軍的網絡CFT正在試驗網絡的現代化，以實現聯合接口、彈性和能力。它的重點是加強地面領域的數據和網絡傳輸能力，連接人工智能和機器學習（AI/ML），開發戰術云和邊緣計算。

4.2 聯合部隊實驗

國防部正在制定和實施一套初步的實驗和原型設計的核心原則，以統一國家安全事業。聯合部隊已經確定了幾個原型能力，通過將真實世界的威脅數據納入響應計算，在即將舉行的演習中進行測試。陸軍聯合現代化司令部建立了聯合系統集成實驗室（JSIL）--一個使用持久性環境場景的實驗網絡，允許各軍種、工業界和盟友通過幾個網絡測試數據共享能力。這將有助于對JADC2戰略進行可靠的評估。

4.3 最大限度地利用空間、人工智能和網絡

由美國太空發展局管理的低地球軌道（LEO）衛星將整合各軍種的戰術網絡，以創建一個網狀網絡的傳輸層。計劃于2022年部署的近30顆衛星將提供一種 "作戰人員沉浸 "能力，其中傳感器、投射和戰術網絡可以與戰術通信連接。PC22將利用這些衛星，開發低地軌道能力。

人工智能國家安全委員會報告稱，國防部有必要在2025年前采用、實施人工智能并為其提供資源。人工智能/ML--陸軍的一個優先研究領域--對于在聯合、全域作戰中實現聯合戰場管理系統至關重要。人工智能的進步提高了對新出現的威脅的反應速度和敏捷性，使指揮官和工作人員能夠將精力集中在加速、優化決策上。

建設網絡安全基礎設施是陸軍網絡計劃的一個關鍵方面，它將為統一的網絡帶來速度、訪問和安全。在平衡這些要求的同時，美國網絡司令部正在與行業伙伴密切合作，擴大用于在國防部、情報界和商業網絡之間傳遞數據的安全共享工具，而不存在被破壞的風險。

圖：作為 "項目融合2020"的一部分，飛馬系列戰術自主系統的一部分在尤馬試驗場進行測試。飛馬系統有能力為無人駕駛航空系統（UAS）、地面行駛履帶式車輛，提供監視能力或創建一個地區的豐富詳細的三維地圖。

5 前進之路

決策主導權--在技術和融合的作用下更快地做出更好的決策的能力--將使美國軍隊從其對手中脫穎而出。JADC2有助于實現信息主導權，并促進快速融合，實現速度關鍵優勢，這是未來AI/ML競爭的基礎。

目前，每個軍種都在其各自領域內管理C2的復雜性。隨著戰爭的特點變得越來越復雜，聯合部隊必須同時有效地整合五個領域。這需要新的C2方法。JADC2是建立一支能夠完成國防戰略目標的聯合部隊的基礎。國會的支持、持續的資助和軍種間的合作對于成功實施JWC和JADC2至關重要。

陸軍在實現這一聯合網絡的技術、創新和實驗方面處于領先地位。它的PC學習運動已經證明了它有能力使用新興技術和創新概念來實現軍種間和跨域的融合。陸軍的未來司令部、CFTs、作戰能力發展司令部和軟件工廠正在結合士兵的經驗、工業界的資源和科學家的專業知識來發展和提供未來的戰斗力量。通過實驗和聯合協作，陸軍正在使JADC2成為現實，從而增強戰略競爭中的威懾力和沖突中的超強戰斗力。

美國陸軍協會

美國陸軍協會是一個非營利性的教育和專業發展協會，為美國的全部軍隊、士兵、陸軍文職人員和他們的家屬、行業伙伴以及強大國防的支持者服務。美國陸軍協會為陸軍提供聲音，支持士兵。

付費5元查看完整內容
[付費5元查看完整內容]148頁！最新報告《先進作戰管理系統：美國空軍部面臨的需求、進展、挑戰和機遇（2022）》，美國國家科學、工程和醫學研究院

編輯：Ellen Y. Chou（美國空軍先進作戰管理系統委員會、美國空軍研究委員會、美國國家研究委員會工程和物理科學分部）

美國空軍先進作戰管理系統委員會

  • PHILIP S. ANTóN, 史蒂文森理工學院, 主席
  • SHARON A. BEERMANN-CURTIN，Stratcon, LLC
  • MICHAEL A. FANTINI, 美國空軍(已退役)
  • PRISCILLA E. GUTHRIE，美國國防分析研究所
  • PAUL G. KAMINSKI, NAE,Technovation, Inc
  • THOMAS A. LONGSTAFF, 卡耐基梅隆大學
  • KATHARINA G. McFARLAND, Blue Oryx公司
  • GUNASEKARAN SEETHARAMAN，美國海軍研究實驗室
  • DAVID M. VAN BUREN, Crossroads Management, LLC

美國空軍研究委員會

  • ELLEN M. PAWLIKOWSKI, NAE, 獨立顧問，主席
  • KEVIN G. BOWCUTT, NAE, 波音公司
  • CLAUDE CANIZARES, NAS,2 麻省理工學院
  • MARK F. COSTELLO, 喬治亞理工學院
  • WESLEY L. HARRIS, NAE, 麻省理工學院
  • JAMES E. HUBBARD, JR., NAE, 美國德州農工大學
  • LESTER L. LYLES, NAE, 美國空軍(已退休)
  • WENDY M. MASIELLO, Wendy Mas Consulting, LLC
  • LESLIE A. MOMODA, HRL Laboratorios, LLC
  • OZDEN OCHOA, 美國德州農工大學
  • F. WHITTEN PETERS, Williams and Connolly, LLP
  • HENDRICK RUCK, Edaptive Computing, Inc.
  • JULIE J.C.H. RYAN, Wyndrose技術集團
  • MICHAEL SCHNEIDER, 勞倫斯利弗莫爾國家實驗室
  • GRANT STOKES, NAE, 麻省理工學院

（NAE：美國工程院院士；NAS：美國科學院院士）

序言

為了應對《2018年國防戰略》所描述的 "更具殺傷力和破壞性的戰場，跨域結合，并以越來越快的速度和越來越快的抵達力進行"，美國國防部（DoD）正在通過聯合全域指揮與控制（JADC2），追求提高能力，通過以數字化、分布式的方式更緊密地整合和聯合對抗敵手。為了實現這一概念，需要將傳感器、網絡、平臺、指揮官、作戰人員和武器系統無縫整合，以實現快速的信息收集、決策和力量投射。

美國空軍部（DAF）對JADC2的貢獻是先進作戰管理系統（ABMS），該系統試圖通過傳感器到投射的信息收集、處理、路由、決策和交戰來實現聯合作戰的現代化，以便更快地對敏捷的對手發揮能力。人們對ABMS給予了極大的關注，因為它被認為是一個不斷發展的 "系統體系"和 "空軍的一個根本性的新采用模式"。然而，重要的問題仍然存在，因為ABMS沒有遵循傳統的采用方法，而且DAF預測到2025財年，它將花費大約33億美元。因此，國會正在尋求對ABMS的成本和技術開發工作進一步澄清。

管理和預算辦公室和空軍部要求美國國家科學、工程和醫學研究院評估計劃中的ABMS架構、技術差距和管理。從2020年10月到2021年5月，空軍先進作戰管理系統委員會從大部分公開來源的新聞中進行了廣泛的文獻審查，并召開了12次非機密會議和1次為期多天的機密數據收集會議，以接受專家證詞并收集有關現有ABMS通信和系統集成架構、技術方法和管理結構規劃和能力的信息。盡管COVID-19大流行病阻礙了委員會對作戰和指揮與控制（C2）中心進行實地考察的能力，但委員會還是從許多介紹ABMS和JADC2的專家那里收集了寶貴的見解。委員會還在2020年10月至2021年4月期間每周舉行一次虛擬規劃會議，并在2021年5月下旬舉行一次面對面的會議，以審議和討論關鍵的調查結果和建議。撰寫工作于6月開始，并在2021年9月完成。

空軍先進作戰管理系統委員會感謝眾多知名專家和思想領袖的貢獻，包括來自美國海軍部、陸軍部和空軍部的代表，他們就各自的通信系統和他們對JADC2的態度發表了見解。在研究過程中咨詢的其他專家組織包括聯合參謀部、美國北方司令部、聯合人工智能中心、國家安全局、聯邦資助的研究和開發中心、大學附屬研究中心、商業行業和許多其他機構。

雖然ABMS仍然是一個正在發展的生態系統，但本報告總結了美國國家科學院關于ABMS的共識研究結果和建議，對ABMS是什么和可以是什么，以及在繼續發展的過程中如何改進提供了一個時間點的視角。這項研究由八個委員會成員進行，并得到了我們的研究主任Ellen Chou和她優秀的工作人員的大力協助，包括Evan Elwell和Ryan Murphy。

Philip S. Antón，主席，空軍高級戰斗管理系統委員會

內容目錄

  • 概要

  • 第1章 觀點

    • 1.1 未來空中和太空作戰的愿景, 12
    • 1.2 聯合全域指揮與控制（JADC2）, 16
    • 1.3 空中作戰中心（AOC）, 18
      • 當前的AOC, 18
      • 未來的AOC, 22
    • 1.4 先進作戰管理系統（ABMS）, 23
      • ABMS的演變, 23
      • 非傳統的采購方法, 24
      • 從論證到能力發布, 28
      • ABMS是JADC2的一個貢獻者, 30
      • 其他JADC2貢獻者和復雜因素, 32

  • 第2章 架構和數據

    • 2.1 架構概述, 36
      • 架構和技術現狀, 40
      • 以數據為中心的操作技術, 44
      • 高性能處理：AI和ML, 45
      • 數據和數據標準, 48
      • 容器化和Kubernetes, 50
    • 2.2 軟件方面注意事項, 53
      • 應用軟件和DevSecOps, 54
      • 數據權限, 58
    • 2.3 安全性, 59
      • 網絡可靠性、彈性和容錯性, 59
      • 多層次的安全，62
      • 網絡安全和零信任, 64
    • 2.4 測試和建模, 68
      • 測試和評估, 68
      • 基于模型的系統工程, 70
      • M&S和VV&A, 73
      • 數字孿生, 74
    • 2.5 共同任務指揮中心, 76

  • 第3章 管理

    • 3.1 組織整合, 82
    • 3.2 人為因素, 86
      • 人的系統集成, 86
      • 培訓、文化和其他方面的考慮, 88

  • 第4章 挑戰與機遇

    • 4.1 互操作性, 93
    • 4.2 情報, 95
    • 4.3 主要建議, 96
      • 技術性, 96
      • 非技術性, 99
    • 4.3 結論性意見, 100

  • 附錄

    • A 任務說明 107
    • B 數據收集會議 109
    • C 簡稱和縮略語 116
    • D 委員會成員履歷信息 121
    • E 對不可避免的利益沖突的披露 128

概要

美國國防部（DoD）正在追求通過聯合全域指揮與控制（JADC2）來提高對敏捷對手進行更緊密集成和聯合作戰的能力。這個框架將無縫整合傳感器、網絡、平臺、指揮官、作戰人員和武器系統，以使得聯合部隊和多國家部隊實現快速信息收集、決策和投射。美國空軍部（DAF）對JADC2的貢獻是先進作戰管理系統（ABMS）。

目前對于ABMS存在諸多疑問，它到底是什么？它的結構是否恰當？這些都存在擔憂，因為它缺乏一套明確的、獨立的、指定的最低性能目標，一套固定的要求，一個擬議的能力交付時間表，以及針對這些目標缺乏體系性的分配預算和資源。雖然敏捷性、靈活性和適應性是有價值的目標，但如果沒有一個提供足夠細節、具體要求和衡量標準的計劃來同步這樣一個龐大而復雜的系統，要成功地大規模交付能力就會受到挑戰，也不太可能。

為了解決這些問題，美國空軍先進作戰管理系統委員會被要求審查以下內容：

  • 1.評估規劃中的ABMS數據和通信架構，并比較該架構的預期性能特征，以支持實時火力控制和全域傳感器到投射的數據流、指揮和控制（C2）活動、基于人工智能（AI）的生活模式訓練、戰斗損傷評估以及其他相關的數據活動。

  • 2.確定ABMS技術和規劃中的系統集成架構的任何技術差距和不足。

  • 3.審查ABMS的管理，并建議如何改進規劃中的組織和執行計劃及流程，以更好地使美國空軍部和整個國防部快速實現JADC2行動。

在進行研究時，前空軍負責采購、技術和后勤的助理部長（SAF/AQ）將ABMS的主要責任辦公室（OPR）從DAF的首席架構師辦公室（DAF CAO）轉移到DAF的快速能力辦公室（RCO）。這一變化的結果是雙重的。首先，委員會最初負責審查的任務與ABMS的優先事項和RCO的職責并不完全一致。由于這個原因，委員會為完成所需的分析而要求的一些信息無法提供，委員會收到的一些信息后來被更新的信息所取代。第二，委員會收到的ABMS的情況基本上是過渡性的，因為該系統的技術設計和管理在DAF內部正經歷著重大變化。

作為一個處于早期定義階段不斷發展的系統，ABMS架構及其支持要素仍然是動態的。2020年10月至2021年3月提交給委員會的ABMS技術架構在很大程度上反映了ABMS在"on-ramp "大規模演習中產生的狀態，該演習由DAF CAO主導。早期的架構和方法正在由DAF RCO進行評估和修訂，因為它致力于在將要投入使用的能力版本中創建一套采購方案。因此，委員會的分析反映了該早期架構的方法、益處、挑戰和機遇，并構成了CAO、RCO、DAF和更廣泛的美國防部元素的見解和建議，供他們在追求更新的ABMS架構、其中的單個采購計劃以及更大的JADC2框架時考慮。在新任空軍部長的指導下，DAF RCO已經在為ABMS不斷發展的規劃和設計，解決了其中的一些問題，但其他問題（尤其是非技術性因素）需要進一步考慮。

本報告的組織和主要的觀察結果

本報告按主題分為四章：觀點、架構和數據、管理以及挑戰和機遇。第1章描述了為什么需要ABMS，以及它是如何從一個聯合監視和雷達系統的替換計劃發展到一個全方位的指揮和控制系統的。第2章研究了當前和規劃的架構，包括數據標準、軟件、安全、測試和建模。第3章概述了ABMS過去和現在的管理，并強調了人力整合、培訓、文化和其他考慮。第四章詳細介紹了互操作性和情報，并總結了委員會的建議。

從高層宏觀上評論，委員會的結論是，作為一個非傳統的采購項目，ABMS已經走上正軌，但它仍然是一項正在進行的工作。它的技術設計和架構仍處于起步和發展階段，因此委員會很難對其數據和通信架構進行全面評估，特別是當它們與JADC2框架有關時，該框架也正在開發和定義中。此外，委員會發現，性能特征的規模和范圍在很大程度上是有限的，因為它們在很大程度上與“on-ramp”演示有關，而不是與實際作戰活動有關，因為現實世界的物理約束可能會限制實際性能。

委員會認為，指派DAF RCO作為ABMS的領導機構是一個積極的步驟，將ABMS從演示和實驗轉向重點能力開發。委員會還支持空軍部長的呼吁關于建立性能指標以衡量改進和操作結果。

作為一個家族系統，ABMS很難被量化。委員會無法詳細說明和評估ABMS的確切成本，因為它涉及到一個項目組合--其中一些沒有被指定為ABMS的要素，但仍被列為更廣泛ABMS生態系統的一部分。國會決定將ABMS的總預算減少近一半，這顯然限制了ABMS在近期和中期所能完成的工作。但是，這種預算限制也可能迫使DAF領導人對ABMS的投資和能力做出必要的決策和優先考慮。

委員會發現，目前的ABMS以及更廣泛的JADC2管理結構是不夠的，缺乏適當的權力來執行所有領域的指揮和控制。由于缺乏一個國防部級別的執行機構來處理和解決JADC2框架所有參與者的技術、操作和指揮決策，導致每個軍種和國防部機構都在開發自己的C2系統，其獨特的要求、標準和技術規范對實現互操作性構成挑戰。

委員會認識到，在本分析過程中，ABMS的技術方法和管理結構都在不斷發展。因此，需要注意的是，下面總結的和本報告其余部分詳細介紹的一些建議是針對早期的ABMS方法的，而其他建議可能仍然與較新的、更集中的項目計劃有關。

主要建議

1 美國空軍部（DAF）首席架構師辦公室和快速能力辦公室的建議：

  • 在聯合全域指揮與控制層面定義先進作戰管理系統（ABMS）架構，以確保與正在開發的其他類似ABMS的系統具有互操作性（建議1）。

  • 將先進作戰管理系統的架構模塊化設計，并包括開放標準和接口，以便與其他軍種的改進系統進行匹配（建議3）。

  • 在設計先進作戰管理系統的架構時，要有具體的技術要求和解決方案，以確保通信、數據和計算可以在降級或被拒絕進入的環境中繼續運行（建議4）。

  • 在最大程度上，設計并執行一項全面的人工智能戰略，該戰略將涵蓋所有要素，包括理論、指揮鏈、政策、聯合環境下的武器釋放授權、與聯合全域指揮和控制的接口，而不僅僅是先進作戰管理系統的選定能力（建議6）。

  • 與空軍部的首席軟件官協調，擴大使用容器化和Kubernetes，用于先進作戰管理系統的持續開發以及檢測和緩解安全漏洞（建議8）。

  • 采用開發、安全和運營（DevSecOps）作為共同的開發環境，在所有先進作戰管理系統中使用容器化和持續集成/連續交付（CI/CD）（建議9）。

  • 將彈性設計到先進作戰管理系統的架構中，并為所需的性能指定動態標準（建議11）。

  • 與空軍部數字工程企業辦公室合作，將基于模型的系統工程（MBSE）方法應用于先進作戰管理系統的工程和維護活動中，并使MBSE成為運營商需求和開發團隊之間的橋梁（建議17）。

2 美國空軍部（DAF）的快速能力辦公室建議：

  • 采用一系列數據交換技術，可以支持從戰術到戰略的整個能力范圍（建議5）。

  • 對于具有強大接口規格的模塊化開放系統設計，逐步獲得性能和接口要求，而不是所有的知識產權(建議10)。

  • 隨著技術的成熟，分階段應用零信任（ZT）服務，并整合ZT服務，包括在所有先進作戰管理系統中使用多因素認證（MFA）（建議13）。

  • 除了采用零信任，利用現有的最佳成熟網絡安全做法和能力，包括多因素認證；身份、憑證和訪問管理（ICAM）；加密；滲透測試；托管檢測服務；行為監測應用程序等（建議14）。

  • 利用空軍的任務防御小組對先進作戰管理系統的網絡防御系統進行紅隊演練，以抵御來自惡意行為者的攻擊。在這些紅隊演習的基礎上，空軍部RCO應通過支持和加強相應的網絡防御措施來解決漏洞問題（建議15）。

  • 與美國網絡司令部（USCYBERCOM）合作，解決物聯網（IoT）防御和 "美國網絡司令部技術挑戰問題集 "文件中強調的其他網絡漏洞和利用問題（建議16）。

  • 在數字工程和建模與模擬的現有活動基礎上，擴大數字孿生在先進作戰管理系統開發中的使用，特別是在新的能力和技術被引入時（建議18）。

  • 考慮擴大共同任務控制中心的規模，并將其指定為先進作戰管理系統的零階段（建議19）。

  • 將人類系統整合方法納入先進作戰管理系統，以確保所有人類用戶與當前和未來的系統元素充分有效地整合（建議22）。

3 聯合參謀部、軍事部門和美國國防部領導人的建議：

  • 為聯合全域指揮與控制的所有參與者建立互操作性要求和性能指標，以便最終實現所有能力的整合（建議2）。

  • 立即就共同的數據結構和數據安全級別達成協議，并在聯合層面定義數據標準和工具。如果沒有一套共同商定的開放標準，以及不限制創新的已知接口交換要求，各軍種就有可能制定不兼容和自成一體的解決方案(建議7)。

  • 為聯合全域指揮與控制(JADC2)和先進作戰管理系統建立并實施強有力的攻擊和防御性網絡安全戰略。安全是一項基本要求，必須從一開始就設計并完全融入所有JADC2支持系統的架構中（建議12）。

  • 建立一個權威的聯合機構，為聯合全域指揮與控制框架的所有參與者處理和解決技術、操作和指揮方面的決策（建議20）。

  • 如果先進作戰管理系統和更大的聯合全域指揮與控制架構要實現聯合作戰概念（JWC）所設想的真正的聯合和多國集成作戰，就要解決阻礙真正的聯合作戰概念橫向整合的文化、社會和情感障礙（建議21）。

  • 確保按照政策和戰爭法的規定，在先進作戰管理系統（以及支持更廣泛的聯合全域指揮與控制框架的其他系統）的設計、操作、人員配置和培訓中審查和解決人工智能的道德使用問題（建議24）。

4 美國空軍部（DAF）負責采購、技術和后勤的空軍助理部長及負責戰略、整合和需求的副參謀長建議：

  • 考慮并將人員、文化、培訓和其他非物資的理論、組織、培訓、物資、領導、教育、人員、設施和政策（DOTMLPF-P）問題納入更廣泛的先進作戰管理系統生態的設計和實施計劃（建議23）。

5 空中教育訓練司令部（AETC）建議：

  • 建立一個課程，在人工智能/機器學習、基于模型的系統工程、網絡安全、情報評估以及信息技術、軟件和硬件的測試和評估方面培訓或招聘高素質的專家，他們可以與軍事行動和文化方面的專家合作（建議25）。

報告全文對上述每項建議都進行了詳細探討。

圖1.1 ABMS愿景。資料來源：美國空軍部空軍快速能力辦公室Randall G. Walden。2021年1月22日向委員會介紹。批準公開發布。

圖1.2 聯合全域指揮與控制（JADC2）的基礎。資料來源：空軍雜志，2020年10月28日。

圖2.1 先進作戰管理計劃概述。資料來源。空軍部快速能力辦公室。批準公開發布。

圖2.2 先進作戰管理系統概念。資料來源。空軍部快速能力辦公室。批準公開發布。

圖2.3 先進作戰管理系統架構。資料來源：空軍部快速能力辦公室。批準公開發布。

付費5元查看完整內容
[付費5元查看完整內容]2022最新《聯合全域指揮與控制（JADC2）》美國國會研究處，30頁報告（初譯版）

總結

美國防部（DOD）正在對其指揮軍事力量的方法進行現代化改造。國防部高級領導人已經表示，現有的指揮和控制架構不足以滿足2018年國防戰略（NDS）要求。全域聯合指揮與控制（JADC2）是國防部的概念，將所有軍種--空軍、陸軍、海軍陸戰隊、海軍和太空部隊的傳感器連接到一個網絡中。

DOD指出，用Uber共享服務來比喻其對JADC2的期望最終狀態。Uber結合了兩個不同的應用程序--一個是乘客，另一個是司機。使用各自的位置，Uber算法根據距離、旅行時間和乘客（以及其他變量）來確定最佳匹配。在JADC2的情況下，這種邏輯將找到攻擊特定目標的最佳武器平臺，或應對新出現威脅的最佳單位。為了使JADC2有效工作，DOD正在追求三種新的或新興的技術：自動化和人工智能、云環境和新的通信方法。

DOD的一些機構和組織參與了與JADC2相關的工作。下面的清單突出了與JADC2開發有關的部分組織和項目：

  • 國防部首席信息官：第五代（5G）信息通信技術。

  • 國防部長辦公室（研究與工程）：全網絡化指揮、控制和通信（FNC3）。

  • 國防高級研究計劃局：馬賽克戰爭。

  • 空軍：高級戰斗管理系統（ABMS）。

  • 陸軍：項目融合（Project Convergence）。

  • 海軍：項目超配（Project Overmatch）

隨著國防部開發指揮和控制軍事力量的新方法，國會可能會考慮幾個潛在的問題：

  • 國會如何在驗證需求或成本估算之前考慮JADC2的相關活動？

  • 在沒有正式的計劃或預算申請的情況下，國防部為JADC2的預算是多少？

  • JADC2的支出重點是什么，是否有國防部可能沒有投資的舉措？

  • 國防部如何確保每個軍種和盟國的通信系統之間的互操作性？

  • 國防部應如何優先考慮其未來網絡中相互競爭的通信需求？

  • 人工智能將在未來的指揮和控制決策系統中發揮什么作用？

  • 為了滿足JADC2的要求，有哪些潛在的部隊結構變化是必要的？

  • 國防部應如何管理與JADC2相關的工作？

1 什么是JADC2

全域聯合指揮與控制（JADC2）是美國國防部（DOD）的概念，即把所有軍種--空軍、陸軍、海軍陸戰隊、海軍和太空部隊的傳感器連接成一個網絡。傳統上，每個軍種都開發了自己的戰術網絡，與其他軍種的網絡不兼容（例如，陸軍網絡無法與海軍或空軍網絡連接）。通過JADC2，國防部設想建立一個 "物聯網"網絡，將眾多傳感器與武器系統連接起來，利用人工智能算法幫助改善決策。

DOD官員認為，未來的沖突可能需要領導人在幾小時、幾分鐘或可能幾秒鐘內做出決定，而目前分析作戰環境和發布命令的過程需要數天時間。國防戰略（NDS）委員會報告的非保密概要指出，目前的C2系統與潛在的同行競爭對手相比已經"惡化"。國會可能對JADC2概念感興趣，因為它正被用來制定許多高調的采購計劃，以及確定美國軍隊對潛在對手的有效性和競爭力。

圖 1. JADC2 的概念愿景

JADC2設想為聯合部隊提供一個類似云的環境，以共享情報、監視和偵察數據，在許多通信網絡中傳輸，從而實現更快的決策（見圖1）。JADC2打算通過收集來自眾多傳感器的數據，利用人工智能算法處理數據以識別目標，然后推薦最佳武器--包括動能和非動能武器（如網絡或電子武器）--來打擊目標，從而幫助指揮官做出更好的決策。

DOD指出，用Uber共享服務作為類比來描述其對JADC2的期望最終狀態。使用各自的位置，Uber算法根據距離、旅行時間和乘客（以及其他變量）來確定最佳匹配。然后，該應用程序為司機提供指示，讓他們按照指示將乘客送到目的地。Uber依靠蜂窩和Wi-Fi網絡來傳輸數據，以匹配乘客并提供駕駛指示。

一些分析家對JADC2采取了更加懷疑的態度。他們對JADC2的技術成熟度和可負擔性提出了疑問，以及是否有可能在一個致命的、充滿電子戰的環境中部署一個能夠安全可靠地連接傳感器和射手并支持指揮和控制的網絡。分析人士還詢問誰將擁有跨領域的決策權，因為傳統上，指揮權是在每個領域內而不是從整體戰役的角度下放的。

什么是指揮與控制？C2的維度和人工智能的影響
人們可以通過五個問題來看待指揮和控制：誰、什么、何時、何地和如何。傳統上，國會通過兩個不同但相關的問題來關注指揮與控制：權力（"誰"）與技術（"如何"）。
國會傳統上關注的第一個問題反映了指揮官執行行動的權力。這一討論的重點是指揮系統，反映了負責組織、訓練和裝備美國部隊的軍種與有權在國外使用部隊的作戰司令部之間的差異。這個問題可以用一個問題來概括："誰指揮部隊？"
第二個問題是使指揮官能夠做出這些決定并將其傳遞給戰場的技術方面。指揮、控制、通信（C3）、C3加計算機（C4）以及情報、監視和偵察（ISR）等術語進入了討論。指揮和控制的這一技術問題著眼于指揮官用于決策的數據（和收集方法）（即ISR是促成決策的數據），將數據轉化為信息的處理能力，以及使指揮官將其決策傳達給地理上分布的部隊系統。這種指揮和控制的技術方法可以概括為："你如何指揮部隊？"
指揮和控制的其他動態回答了其他問題：哪些系統和單位被指揮（什么），時間方面（何時），以及地理方面（何處）。國會在歷史上對這些問題中的每一個都是在具體的，而不是一般的問題上表示了興趣。例如，國會沒有考慮一般用途的部隊，而是關注與核部隊和特種作戰相關的權力問題。與核和網絡戰的快速反應相關的指揮和控制問題，以及在有限的程度上與電磁頻譜戰相關的問題，這些都是及時性問題，引起國會關注的其他領域。
關于 "何時"，國會已表示對與核和網絡戰的快速反應有關的指揮和控制感興趣，并在有限的程度上對電磁頻譜戰感興趣。然而，對 "何時"的最大敏感度似乎更側重于戰術（例如，何時讓飛機進入目標，何時開始對建筑物進行攻擊）；這些決定往往被授權給指揮官。最后，地理因素對指揮美軍提出了獨特的挑戰；只要行政部門和國會繼續支持全球國家安全戰略，地理決策在很大程度上代表了戰術問題，往往被授權給各個指揮官。
圖2. 指揮與控制的維度和人工智能的影響
圖2描述了這些問題是如何通過引入人工智能（AI）來優化各方面的結果。隨著編隊復雜性的增加--特別是為全域聯合作戰設計的編隊，控制這些部隊有可能超越人類的認知能力，并使用算法來幫助管理這些部隊。美國軍方表示，它打算讓人類參與整個決策過程，但隨著美國軍隊將更多的人工智能技術引入其決策機構，各方面的區別開始變得模糊不清。例如，"誰"和 "如何"開始變得相似，特別是當計算機或算法向指揮官提出建議時，他們可能不了解信息或產生建議的過程。
人工智能還可以影響指揮和控制的其他方面，包括 "什么"、"什么時候 "和 "在哪里"。將 "什么 "和 "哪里 "這兩個要素結合起來，可以挑戰對手尋找和與美國部隊交戰的能力；這樣做也可以挑戰指揮官及其參謀部在沒有系統幫助管理復雜情況下保持對部隊的控制能力。從 "何時 "的角度來看，需要快速決策的行動，特別是電磁頻譜戰或網絡戰，可能超過人類的決策能力。這就提出了一個重要的問題，即指揮官能在多大程度上信任人工智能，以及人類作戰員需要理解人工智能系統為什么建議采取特定行動。

2 為什么要改變當前的 C2 結構？

DOD目前使用戰斗空間的不同部分來執行C2--主要是沿著確定的軍事領域：空中、陸地、海上、太空和網絡空間。這種結構的存在是因為傳統的威脅來自單一系統，如飛機和坦克編隊。作為回應，軍方開發了高度復雜（但昂貴）的傳感器來監視戰斗空間，向集中式指揮中心（如空中作戰中心或陸軍指揮所）提供信息。E-3高級預警和指揮系統（AWACS）和E-8聯合監視目標攻擊雷達系統（JSTARS）等系統經過優化，為這些中央前哨的指揮官提供態勢感知，然后他們可以在那里指揮軍事力量。

2018年國防戰略（NDS）、審查它的 NDS 委員會和其他來源闡述的未來作戰環境描述了潛在對手如何發展復雜的反介入/區域拒止 (A2/AD) 能力（見圖 3）。這些能力包括電子戰、網絡武器、遠程導彈和先進的防空系統。 美國競爭對手將 A2/AD 能力作為對抗美國傳統軍事優勢（例如投射力量的能力）的一種手段，并提高他們贏得快速、決定性交戰的能力。

圖 3. A2/AD 環境的可視化

美國防部高級領導人已經表示，在未來的作戰環境中，獲取信息將是至關重要的。此外，這些領導人還表示，為了挑戰潛在的同等對手，需要采取多領域的方法（美國部隊將使用地面、空中、海上、太空和網絡力量來挑戰對手的目標計算）。因此，全領域聯合作戰的概念為指揮官提供了獲取信息的機會，可以利用突襲進行同步和連續的行動，并在所有領域快速和持續地整合能力，從而獲得物質和心理優勢以及對作戰環境的影響和控制。

空中陸戰概念設想將空軍和陸軍的努力結合在一起，在20世紀80年代對抗蘇聯，自該概念提出以來，技術上的進步使美國防部能夠繼續發展全領域聯合作戰的概念。這些技術進步包括增加了攻擊目標的方法（包括電子和網絡手段），相對低成本的傳感器的擴散，以及將這些傳感器的數據轉化為信息的處理能力的提高。維持對所有領域行動的控制所面臨的挑戰是，美國的軍事C2機構并不是為做出這些類型的決定而組織的，26而且正在使用的技術的復雜性和速度可能超過人類的認知能力。

指揮與控制是如何演變的？
美軍傳統的指揮和控制概念源于德軍的 "任務型命令"（auftragstaktik）。認識到軍事行動中的混亂和 "戰爭迷霧 "是不可避免的，下級指揮官被委托半自主地行動以實現其指揮官的意圖（即任務的總體目標），而不是有預先規定的行動。情報來源和偵察的信息需要很長的時間，甚至可能需要幾天才能到達指揮官手中。為了保持對部隊的控制，指揮官們依靠無線電通訊和紙質信件。有限的信息量使得指揮官可以在兩個方面指揮部隊--使用單一的領域來應對對手的行動。
在冷戰的高峰期，蘇軍給軍事力量提出了一個新的問題：如何對抗一支數量上占優勢的坦克部隊。為了應對這一威脅，陸軍和空軍提出了一種新穎的方法，通過開發新技術來確定增援地點，將空中和陸地力量結合起來。這一概念被稱為 "空地戰"。這種三維方法試圖利用情報、監視和偵察方面的優勢，"深入觀察"，將火力集中打擊增援部隊（即 "深入打擊"）。為了支持這種利用深度打擊來防止增援部隊的設想，美軍需要改進指揮所，以提高指揮部隊的決策速度，同時仍然保持遵循指揮官意圖的傳統。這種需要導致了新系統的開發，如JSTARS和ATACMS。這些系統使指揮官能夠更快地了解戰斗空間，并提高對敵軍直接開火的反應時間。
在過去的20年里，中國和俄羅斯觀察了美國的戰爭方法，確定了挑戰美國優勢的不對稱方法。中國的軍事現代化尤其注重防止美國建立大量的戰斗力（限制后勤），增加高價值飛機（油輪、間諜飛機、指揮和控制飛機）的風險，并增加其海軍足跡（限制美國的海軍優勢）。為了應對這些新威脅，國防部最初提出了使用多域作戰的想法（后來過渡到全域作戰一詞）。國防部認為，使用一個或甚至兩個維度來攻擊對手是不夠的，因此挑戰對手的目標計算需要更復雜的編隊（額外維度）。國防部認為，不斷增加的復雜性，加上應對新興技術威脅的時間可能減少，需要新的方法來管理部隊。
圖4. 指揮和控制的復雜性的變化

3 JADC2-賦能技術

在國防部發展JADC2概念的過程中，有三類技術在這種指揮和控制軍事力量的方法中起著不可或缺的作用：自動化、云環境和通信。

3.1 自動化與人工智能

許多DOD高級領導人已經明確表示，JADC2是一個概念（或許是一個愿景），而不是任何具體的計劃。在2021年1月的一篇文章中，聯合人工智能中心主任Michael Groen中將說："JADC2不是一個IT（信息技術）系統，它是一個作戰系統。從歷史上看，你會有一個大型的國防項目，你會花數年時間來完善需求，你會收集大包大包的錢，然后你會去找國防承包商，花更多的時間來建造、測試，然后在多年后最終投入使用"。在這篇文章中，Groen中將描述了人工智能（AI）的作用，以及延伸到數據和數據結構的作用，使這些算法能夠為指揮官提供信息。根據Dennis Crall中將（聯合參謀部指揮、控制、通信和計算機/網絡首席信息官[JS J6]主任）的說法，人工智能和機器學習對于實現JADC2至關重要。Dennis Crall說道："JADC2是關于將所有這些自動化....。它是關于利用傳感器豐富的環境--查看數據標準等事情；確保我們可以將這些信息轉移到一個我們可以正確處理的區域； 帶來了云；帶來了人工智能、預測分析；然后用一個能夠處理這些的網絡來支撐所有領域和合作伙伴。"

3.2 云環境

DOD表示，擁有多分類的云環境對于實現JADC2是必要的。DOD設想，用戶能夠根據他們的需要和信息要求，在不同的分類下訪問信息。在2021年6月的新聞發布會上，克拉爾中將說，"戰術邊緣 "的云能力是用于數據存儲和處理，實現人工智能算法。作為一個例子，空軍討論了其高級戰斗管理系統（ABMS）項目對云環境的需求--空軍部對JADC2的貢獻，這將在下文討論。根據空軍的預算說明，ABSM將需要一套云系統、應用程序（即軟件）和網絡（包括商業和政府擁有的），這將 "了解環境并應用由人工智能和機器學習輔助的先進算法"。

3.3 通信

根據DOD的說法，開發JADC2將需要新的通信方法。DOD目前的通信網絡已經為中東地區的行動進行了優化。因此，DOD使用衛星作為與海外部隊通信的主要方法。這些系統面臨著延遲（時間延遲）問題，并且在設計上不能在有電子戰的情況下有效運行。這些舊的架構依賴于地球同步軌道上的衛星，這些衛星在地球上空大約22200英里（35800公里）處運行。新的應用，如人工智能，將有可能需要額外的數據速率，而目前的通信網絡可能無法支持--特別是當DOD增加傳感器的數量，以提供額外的數據來改進算法。自主系統的引入，如海軍的大型無人水面和海底航行器，以及陸軍對機器人飛行器越來越感興趣而產生的系統，可能需要安全的通信和短時延來維持對這些系統的控制。

4 目前開展的JADC2相關工作

聯合參謀部是負責制定全域聯合指揮與控制概念戰略的國防部組織。此外，還有一些正在進行的研究和努力與JADC2概念有關。每個軍事部門（陸軍、海軍、空軍）以及國防部機構，如國防高級研究計劃局（DARPA）和負責研究和工程的國防部副部長辦公室（OSD[R&E]），都在開發技術和概念。以下各節簡要介紹一些組織的工作。

4.1 聯合參謀部 J6：JADC2 戰略

國防部負責制定JADC2戰略的領導機構是聯合參謀部J6指揮、控制、通信和計算機/網絡局。JADC2戰略最初的設想是改善聯合部隊的互操作性（例如，確保無線電系統能夠相互通信），后來擴大了這一重點，制定了一種信息共享方法，通過為決策提供數據來實現聯合行動。除了制定戰略，J6還組織了一個JADC2跨職能小組，各軍種和國防部機構通過該小組協調他們的實驗和計劃。這與國防部數據戰略和國防部副部長創造數據優勢的努力相一致。該戰略確定了五條工作路線以實現JADC2框架：

1.數據組織

2.人力組織

3.技術組織

4.核指揮、控制和通信（NC3）

5.任務伙伴信息共享

在2021年6月4日的新聞發布會上，克拉爾中將表示國防部長奧斯汀已經批準了JADC2戰略。

4.2 OUSD研究與工程（R&E）：完全網絡化的指揮、控制和通信（FNC3）

根據R&E辦公室的說法，"FNC3確定、啟動和協調指揮、控制和通信關鍵使能技術的研究、開發和降低風險活動。這些活動將包括整個國防企業不同但相互關聯的努力，由FNC3在OUSD（R&E）的工作人員監督和同步進行。" FNC3的主要負責人邁克爾-扎特曼博士描述了FNC3的整體愿景，包括三個層次--物理層、網絡層和應用層--它們為開發指揮、控制和通信系統提供了一種量身定做的方法，與商業部門的最佳實踐相一致。物理層代表無線電和發射器本身，而網絡層則通過開發國防部優化的新興商業軟件定義網絡技術（如網絡切片）來管理應用對物理層的訪問。所有這三層都旨在提高互操作性和彈性（即防止網絡被干擾或中斷的能力），并為每個應用提供適當的服務質量。

根據扎特曼博士的說法，FNC3是JADC2的中長期技術愿景，而每個部門（在以下章節中概述）都有專注于發展近期采購戰略的引人注目的努力。例如，空軍部的先進戰斗管理計劃旨在通過關注成熟技術在未來三年內部署。OUSD R&E利用其投資組合中不太成熟的技術，包括由DARPA、國防創新部門、戰略能力辦公室、各部門和其他部門開發的技術，為實施JADC2提供長期的技術手段。

4.3 DoD CIO：5G技術

國防部提出，5G無線技術的商業進展提供了傳輸更多數據（通常稱為數據吞吐量）和更低延遲的能力。國防部認為，它需要這些能力來處理來自眾多傳感器（如衛星、飛機、船只、地面雷達）的更多數據，并在 "邊緣"（與無線電接收器在同一地點）處理這些信息。5G技術的另一個方面可以實現新的指揮和控制概念，即動態頻譜共享。隨著電磁頻譜變得更加擁擠，聯邦政府已經開始允許多個用戶在同一頻段上運行（稱為頻譜共享）。國防部首席信息官認為，頻譜共享技術允許通信系統在有干擾的情況下傳輸和接收數據。2020年9月，國防部CIO向工業界發出了一個信息請求，即如何對待動態頻譜共享。2021年1月21日，已經公布了67份對信息請求的回應。

4.4 DARPA：馬賽克戰

馬賽克戰爭代表了一系列由DARPA贊助的項目，旨在利用人工智能將傳統上不被設計為互操作的系統和網絡相結合。從概念上講（見圖5），這些項目將能夠利用從衛星上收集的原始情報，并將這些數據轉化為傳遞給 "射手 "的目標信息--在這種情況下，網絡武器、電子干擾器、導彈、飛機或任何其他可能影響預期目標的武器。正如哈德遜研究所的分析家布萊恩-克拉克和丹-帕特所解釋的那樣，"馬賽克戰爭 "試圖將多種重疊的困境強加給敵軍，擾亂他們的行動，從而阻止他們及時到達目標。

圖5：DARPA的馬賽克戰愿景

DARPA的馬賽克計劃之一，稱為異質電子系統的技術集成工具鏈（STITCHES），已被用于空軍和陸軍的實驗。據DARPA稱，STITCHES是一種軟件，旨在通過自主創建允許低延遲和高吞吐量的軟件，快速整合任何領域的通信系統，而無需升級硬件或修改現有的系統軟件。根據空軍的一份新聞稿，該部門已在幾個高級戰斗管理系統的 "上線 "中測試了該技術，并已開始將該計劃從DARPA過渡到空軍部。

4.5 空軍部：高級戰斗管理系統（ABMS）

高級戰斗管理系統最初的設想是取代E-8聯合監視和目標攻擊雷達系統（JSTARS）。空軍在2019年將ABMS項目從開發飛機或雷達之類的東西過渡到 "數字網絡環境，連接所有領域和每個梯隊的作戰能力，以實現全球決策優勢。" 換句話說，空軍從建立一個支持指揮和決策的平臺（如E-8 JSTARS）轉向建立一個安全的、"類似云"的環境，利用人工智能和預測分析為指揮官提供近實時數據。根據空軍的說法，ABMS項目將沿著六條產品線開發能力：傳感器集成、數據、安全處理、連接、應用和效果集成。

空軍已經舉行了三次 "on-ramps"（空軍用來描述演示的術語），以展示其ABMS的方法。2019年12月舉行的第一次on-ramps，展示了該部門從F-22戰斗機使用的安全通信向陸軍和海軍系統傳輸數據的能力。第二次上線使陸軍榴彈炮能夠擊落一枚代用巡航導彈。此外，空軍向美國北方司令部提供了這種 "類似云 "的零信任平板電腦--一種不在設備上存儲敏感數據的安全功能，以協助其在2020年春季應對COVID大流行。

2020年11月，空軍部確定了首席架構師辦公室，負責評估架構上線和整合企業數字架構。同時，空軍確定空軍部快速能力辦公室為ABMS整合項目執行辦公室。快速能力辦公室的工作重點是快速向現場交付項目，它的參與可以被看作是將ABMS從實驗轉向系統開發。

4.6 陸軍部：項目融合（Project Convergence）

根據陸軍的說法，"項目融合是陸軍圍繞一系列連續的、結構化的演示和實驗而組織的新的學習活動"，旨在應對JADC2所帶來的挑戰。

1.確保陸軍擁有合適的人員和人才；

2.將當前的陸軍現代化工作與陸軍未來司令部的跨職能團隊聯系起來，并與陸軍現代化的六個優先事項保持一致；

3.擁有合適的指揮和控制，以應對節奏越來越快的威脅；

4.利用人工智能分析和分類信息，并在陸軍網絡中傳輸；

5.在 "最嚴峻的地形 "中測試能力。

項目融合2020在三個軍事設施中使用了大約750名士兵、平民和承包商，最終在亞利桑那州的尤馬試驗場進行了兩次現場頂點演習。在這次演習中，陸軍展示了幾種技術，包括人工智能、自主性和機器人技術，以測試新的方法來指揮和控制地理上分散的部隊。陸軍計劃將空軍和海軍的系統作為2021年項目融合的一部分，并打算在2022年項目融合中納入外國軍隊。這其中有3370萬美元用于運營和維護，以及7310萬美元用于研究、開發、測試和評估，由陸軍撥款。

4.7 海軍部：項目超配（Project Overmatch）

項目超配是海軍為建立一個 "海軍作戰架構"，將艦艇與陸軍和空軍資產聯系起來而做出的努力。2020年10月1日，海軍作戰部部長吉爾德伊上將責成一名二星上將領導海軍的"項目超配"工作。在他的備忘錄中，吉爾德伊上將指示 "項目超配"采取類似于海軍發展核動力和AEGIS系統的工程和開發方法。其主要目標是 "使海軍能夠在海上形成集群，從近處和遠處、每個軸線和每個領域提供同步的致命和非致命效果。具體來說，你[斯莫爾海軍司令]要開發網絡、基礎設施、數據架構工具和分析。" 在一個平行的努力中，吉爾德伊上將責成基爾比副上將（負責作戰要求和能力的海軍作戰部副部長）制定一項計劃，將無人系統，包括艦艇和飛機，納入海軍作戰架構。根據新聞聲明，海軍打算在2023年達到初始作戰能力（即有能力部署初始系統）。海軍在2022財政年度為 "項目超配 "申請了三個分類項目元素的資金。

在2021年6月舉行的2021年AFCEA西部會議上，吉爾德伊上將討論了項目超配目前的工作。在這次活動中，吉爾德伊表示，自2020年10月項目啟動以來，項目超配已經完成了三個螺旋式發展周期。吉爾德伊進一步解釋說："我們實際上正在試驗一種方式，使我們基本上可以將任何網絡上的任何數據傳遞給作戰人員。這是一個軟件定義的通信系統，使我們能夠以一種前所未有的方式拆開我們所有的網絡"。根據新聞報道，吉爾德表示，他預計在2022年底或2023年初將 "項目超配"的測試規模擴大到一個航母打擊群。

5 國會面臨的潛在問題

以下各節討論了國會的潛在問題，包括需求和成本估算、互操作性挑戰、平衡通信能力、人工智能在決策中的角色，以及實施JADC2所需的潛在部隊結構變化。

5.1 需求和成本估算

美國防部已經為JADC2的相關工作申請了幾個財政年度的資金，特別是在概念的早期發展階段。國防部正在積極制定JADC2戰略，預計將在2021年春季發布。國會中的一些人對國防部沒有像傳統采購項目那樣提供成本估算或驗證需求表示關切。因此，各軍種委員會和撥款委員會已經減少了對這些工作，特別是ABMS和5G研究和開發的要求資金。2021財年國防授權法案（NDAA）要求國防部在2021年4月前為JADC2提出要求。

5.2 國防部對JADC2的潛在資助水平

國防部還沒有正式公布關于JADC2的支出預算數據，該項目在各軍種和國防機構的一些項目中都有資金。根據聯合參謀部J6（JS J6）的說法，JADC2不是一個記錄項目，JS J6也不打算過渡到一個記錄項目。因此，除非國會要求國防部提供JADC2資金的詳細概述，否則國防部可能不太可能這樣做。

一些分析家推測了與JADC2有關的所有項目的年度成本。一位分析家估計，國防部在2022財政年度為與JADC2直接相關的項目編列了大約12億美元的預算。Govini估計，自2017財政年度以來，國防部在JADC2上花費了大約225億美元；這平均每年大約為45億美元。Govini的估計包括其他聯邦機構的資金--如國家航空和航天局（NASA）--以及國防部可能認為與JADC2無關的技術，因此可能高估了JADC2獲得的資金總額。

5.3 JADC2支出優先級

根據JS J6，有五條與JADC2相關的工作線：

  • 1.數據組織

  • 2.人力組織

  • 3.技術組織

  • 4.核指揮、控制和通信（NC3）

  • 5.任務伙伴信息共享

以數據為中心的方法側重于國防部系統傳輸所需的數據類型和結構，創建一個共同的數據框架，為數據的發送和接收提供一個商定的標準。換句話說，數據的格式化、組織化和結構化的方式影響著數據從傳感器到決策者再到武器的高效和無縫傳輸。另一方面，網絡中心化和互操作性側重于通信標準，如無線電頻率、波形、通信加密等，以確保一個無線電能與另一個無線電通話。通過采用這種方法，JS J6專注于開發軟件應用，以改善指揮和控制。然而，該戰略可能缺少幾個方面，包括：

  • 通信系統的硬件和軟件的功能，

  • 網絡需要傳輸的數據量，

  • 對手的行動對網絡的影響，

  • 以及指揮和控制部隊的模塊化。

隨著國防部繼續改革其JADC2概念和要求，其他觀察家也注意到，在JADC2戰略中存在一些沒有被認定的領域，國防部應將其支出主要集中在研究和開發方面。一位觀察家認為，國防部應將其研發支出集中在改善網絡互操作性上。這種方法支持優先升級軍事通信系統，以便在整個聯合部隊中傳輸數據。它建議國防部在軟件和硬件方面投入更多資金，以提高所有類型的數據鏈路和網絡（例如，Link 16、多功能高級數據鏈路、態勢感知數據鏈路以及綜合海上網絡和事業服務）的互操作性。網絡互操作性方法的重點是，創建網絡是困難的；但是，利用軟件定義的網絡和通用電子設備（如類似的芯片架構）可以使每個軍種無縫共享信息。換句話說，這種方法更注重通信網絡的構建方式，而不是在這些網絡內發送數據的組織方式。軟件定義的無線電和網絡使無線電可以很容易地被編程，并因此更容易地相互通信。微電子（即物理硬件）最終定義了無線電的物理和軟件能力。

其他分析家認為，JADC2的支出應更多地集中在改變決策方式上。這一論點強調了通過利用人工智能（AI）實現決策過程自動化的必要性，正如國防高級研究計劃局（DARPA）的馬賽克戰爭概念所設想的。在這種方法中，優先利用人工智能系統的支出（如空軍的STiTCHES計劃），可以建立主要集中在需要傳輸的數據和數據結構的特設網絡。這一論點假設人工智能也可以分析情報、監視和偵察（ISR）數據，以確定人類可能錯過的趨勢，從而向軍事指揮官提出潛在的更好的建議。

其他觀察家認為，優先考慮如何使用和管理電磁波譜的決策對于支持JADC2至關重要。這些觀察家認為，像國防信息系統局的電磁戰管理計劃--旨在利用情報方法評估電磁波譜環境，然后自動決定如何使用頻譜來減輕對手的電子戰影響--對于實現全域指揮和控制是必要的。這些觀察家還認為，對手的電子戰效應將需要近乎即時地被緩解，因此需要一個強大的電磁環境部分（以及自動化），以便在對網絡的潛在攻擊中管理國防部網絡。

5.4 互操作性挑戰

由于國防部設想使用JADC2來同時指揮多個領域的部隊，因此連接不同類型部隊的需求也在增加。國防部擁有并運營著許多通信系統，每個系統都使用不同的無線電頻率、標準和數據鏈，這些系統往往不能相互 "交談"，因此需要一個網關將一種無線電協議 "翻譯 "成另一種協議。盟友和合作伙伴的加入增加了互操作性的挑戰。前國防部副部長邁克爾-格里芬在2020年3月向眾議院軍事委員會情報、新興威脅和能力小組委員會作證時，指出這個問題是繼續為FNC3進行OSD R&E努力的理由。

使國防部能夠共享來自不同部門和單位的信息的挑戰可以通過三種互操作性的方法來解決:

  • 網關。通信網關（也許稱為 "翻譯器 "更為恰當）可以接收多種協議、安全級別等，并將這些信息轉播給部隊的其他部門。ABMS計劃已經開發了這種網關（見圖6），以實現通信。這種方法允許信息共享，有可能降低開發成本，因為網關可以是飛機/艦艇/地面系統的一個子系統，有可能能夠相對快速地投入使用。這種方法的挑戰是，這種網關可能沒有使用最先進的，因此也是受保護的波形來轉播給部隊。

圖 6：E-11 戰場機載通信節點 (BACN)

  • 新的通信設備。這種方法采用 "自上而下 "的方式（即由OSD或聯合參謀部確定解決方案，然后要求各軍種采用該方案）。使用與聯合戰術無線電系統（JTRS）開發類似的模式，這種方案將購買一個新的通信架構，重點是互操作性。例如，FNC3的努力似乎就是采用這種方法。盡管這種方法可以確保聯合部隊開發的通信系統可以無縫共享信息，而且可能是安全的，但它可能需要大量的投資，并可能遇到時間表的延誤。這種方法的另一個可能的缺點是，隨著系統的投入使用，它們可能對對手的技術不那么有效。

  • 開發軟件來創建網絡。第三種方法是使用軟件，使用戶能夠創建自定義網絡。DARPA的 "馬賽克戰爭 "和ABMS計劃的某些方面就是這種方法的例子。與其他互操作性解決方案相比，這種方法更加模塊化，使為特定行動定制的單位和系統能夠相互通信。這種方法的一個主要風險是技術上的不成熟，特別是用于創建這些網絡的軟件。另一個風險涉及到與不同系統共享的信息量和分類，這些系統經過認證，具有不同的保密級別（例如，可釋放的秘密、不可釋放的秘密、最高機密）。

國防部和國會可以選擇這些方法中的一種或多種。一種特定的方法可能提供短期的好處，而國防部則追求一種長期的方法來解決互操作性的挑戰。

5.5 平衡退化環境下的通信能力

國防部為滿足JADC2的要求而開發通信網絡的方法包括三種相互競爭的能力:

  • 數據吞吐量（即數據傳輸的速度）

  • 延遲（即接收信息/數據的時間延遲）

  • 彈性（在自然或故意中斷的情況下保持通信信號的能力）

軍事作戰新技術的興起，如人工智能、戰術數據鏈（如Link 16和多功能先進數據鏈[MADL]）和對手的電子戰能力，為5G和FNC3等未來通信系統平衡這些能力帶來了明顯的挑戰。人工智能和信息戰可能需要大量的數據來實現預測分析，并讓指揮官對戰斗空間有一個準確的了解。與所有可用用戶共享數據的數據鏈并不一定需要高數據速率；然而，數據鏈確實需要低延遲，以確保傳感器能夠證明 "目標級數據"，特別是對于像巡航導彈和飛機這樣快速移動的系統。最后，電子干擾器的擴散需要彈性（或抗干擾性能），以便在被主動干擾時保持通信。圖7說明了在開發新的波形時必須平衡這三個相互競爭的要求（無論該波形是為民用還是軍用而設計）。無線電信號能夠提供每一種能力；然而，優先考慮一種要求意味著其他兩種要求可能會受到影響，這可能會給決策者帶來兩難選擇，即在采購中優先考慮哪些能力。

圖7：平衡通信要求

隨著國防部對其通信系統的現代化改造，它可能會考慮技術特點和限制，以選擇在保護其網絡安全的同時推進任務目標的要求。例如，像5G這樣的技術可以提供高數據容量和低延遲，但目前還不清楚這些信號可能受到對手干擾的影響。另一方面，FNC3的設計似乎是為了提供具有高數據率的彈性；但是，由于它依賴于衛星，延遲將增加。

5.6 人工智能在決策中的角色

人工智能是實現JADC2的一個潛在的關鍵組成部分。隨著人工智能被引入軍事決策中，出現了幾個潛在的問題。首先，人工智能在決策中的作用應該達到什么程度？在使用致命武器時，人類的判斷力需要達到什么適當的水平？

第二，國防部如何確保用于人工智能算法協助決策的數據的安全性？盡管國防部把重點放在了數據結構上，但它沒有討論它計劃如何具體確保JADC2的數據有效性和安全性。錯誤的數據可能導致指揮官選擇損害任務目標的選項（如算法推薦可能浪費高價值彈藥的目標）。與此相關的是，國防部打算如何保護云環境中的這些數據，以防止對手操縱它們？這些安全計劃是否足以防止對手的操縱？

5.7 潛在的部隊結構調整

由于JADC2可能需要不同類型的部隊和武器系統，每個軍種都可能尋求改變其訓練、組織和裝備部隊的方式。例如，海軍陸戰隊在其部隊重新設計中宣布，它將取消它認為不符合國防戰略指導的部隊，并將資金重新投入到其他更適合未來作戰環境的項目中。

現役和預備役部隊的能力平衡是部隊結構調整的另一個方面。例如，陸軍在歷史上決定將后勤能力從現役部門轉移到預備役部門。因此，如果美國要開戰，陸軍大概需要啟動預備役部隊來實現行動。當國防部和各軍種準備迎接JADC2帶來的挑戰時，這些組織將如何選擇平衡現役和預備役部隊的能力和部隊結構？

5.8 對JADC2工作的管理

聯合參謀部J6是國防部JADC2工作的主要協調者，每個軍種和一些國防部機構都在進行各種活動。國會中的一些人過去曾表示有興趣建立國防部范圍內的項目辦公室（如F-35聯合項目辦公室）來集中管理大規模的工作。國防部的研究和開發工作將隨著時間的推移而增加，因此，管理這些工作可能會變得更具挑戰性。國會在未來可能會尋求確定或建立一個負責項目管理、網絡架構開發和財務管理的組織。

附錄-聯合互操作性的歷史實例：聯合戰術無線電系統

聯合戰術無線電系統（JTRS）是一個通信項目，旨在通過在所有軍種中部署無線電設備來提高通信的互操作性。該計劃于20世紀90年代中期開始，最終于2011年被前國防部負責采購、技術和后勤的副部長弗蘭克-肯德爾取消。在他的理由中，肯德爾副部長指出，"由于當時技術不成熟，移動特設網絡和可擴展性的技術挑戰沒有得到很好的理解......從JTRS GMR[地面移動無線電]開發計劃中產生的產品不太可能在經濟上滿足各軍種的要求。" 在15年的開發工作中，國防部花費了大約150億美元，在終止時還需要130億美元。

JTRS計劃旨在用可在大部分無線電頻譜上運行的基于軟件的無線電取代軍隊使用的25至30個系列的無線電系統--其中許多系統不能相互通信。根據設想，JTRS將使各軍種與選定的盟國一起，通過各級指揮部的無線語音、視頻和數據通信，包括直接獲取來自機載和戰場傳感器的近實時信息，以 "無縫 "方式運作。被描述為 "軟件定義的無線電"，JTRS的功能更像一臺計算機，而不是傳統的無線電；例如，它可以通過添加軟件而不是重新設計硬件來升級和修改，以便與其他通信系統一起運行--這是一個更昂貴和費時的過程。國防部聲稱，"在許多情況下，一個具有多種波形的JTRS無線電臺可以取代許多單獨的無線電臺，簡化了維護工作"，而且由于JTRS是 "軟件可編程的，它們也將提供更長的功能壽命"，這兩個特點都提供了潛在的長期成本節約。JTRS計劃最初被分成五個 "集群"，每個集群都有一個特定的服務 "領導"（見表A-1），并由一個聯合項目辦公室管理整個架構。

注：外形尺寸無線電臺基本上是士兵攜帶的小型化無線電臺，以及重量和功率受限的無線電臺。

正如下文所討論的，JTRS在開發過程中遇到了一些困難。這些問題可能與未來的JADC2開發有關。

尺寸和重量的限制和有限的范圍

根據政府問責局(GAO) 2005年的一份報告: 為了實現寬帶網絡波形的全部功能，包括傳輸范圍，Cluster One無線電需要大量的內存和處理能力，這增加了無線電的尺寸、重量和功耗。增加的尺寸和重量是努力確保無線電中的電子部件不會因額外的內存和處理所需的電力而過熱的結果。到目前為止，該計劃還未能開發出符合尺寸、重量和功率要求的無線電，而且目前預計的傳輸范圍只有三公里--遠遠低于寬帶網絡波形所要求的10公里范圍....。Cluster One無線電的尺寸、重量和峰值功率消耗超過直升機平臺要求的80%之多。

由于無法滿足這些基本的設計和性能標準，人們擔心Cluster One可能無法按計劃容納更多的波形（計劃中Cluster One有4到8個存儲波形），而且它可能過于笨重，無法裝入重量和尺寸都受到嚴格限制的未來戰斗系統（FCS）載人地面車輛（MGVs）以及陸軍的直升機機群。一些觀察家擔心，為了滿足這些物理要求，陸軍將大大 "削弱 "第一組的性能規格。然而，根據陸軍的說法，它在減少Cluster One的重量和尺寸以及增加其傳輸范圍方面取得了進展；然而，將所有需要的波形納入Cluster One證明是困難的。據報道，Cluster Five無線電臺也遇到了類似的尺寸、重量和功率方面的困難；這些困難更加明顯，因為有些Cluster Five版本的重量不超過1磅。

安全

JTRS的安全問題成為發展中的一個重要困難。據一位專家說，該計劃最大的問題之一是安全，"即加密，因為JTRS的加密是基于軟件的，因此容易受到黑客攻擊"。 計算機安全專家普遍認為，用于任何目的的軟件都是脆弱的，因為目前沒有一種計算機安全形式能提供絕對的安全或信息保證。據美國政府問責局稱，JTRS要求應用程序在多個安全級別上運行；為了滿足這一要求，開發人員不僅要考慮傳統的無線電安全措施，還要考慮計算機和網絡安全措施。此外，國家安全局（NSA）對JTRS與美國盟友的無線電系統接口的安全擔憂也帶來了發展上的挑戰。

與傳統無線電系統的互操作性

一些分析家表示擔心，使JTRS與傳統無線電 "向后兼容 "的目標在技術上可能是不可行的。據報道，早期的計劃試圖通過交叉頻段來同步不兼容的傳統無線電信號，這被證明過于復雜。目前陸軍的努力集中在使用寬帶網絡波形來連接傳統的無線電頻率。一份報告指出，雖然寬帶網絡波形可以接收來自傳統無線電的信號，但傳統無線電不能接收來自JTRS的信號。為了糾正這種情況，陸軍考慮使用19種不同的波形來促進JTRS向遺留系統的傳輸。在JTRS無線電中加入如此多的不同波形會大大增加內存和處理能力的要求，這反過來又會增加JTRS的尺寸、重量和功率要求。

作者：John R. Hoehn，軍事能力和計劃分析師

付費5元查看完整內容
[付費5元查看完整內容]美國海軍研究生院《人工智能系統：國防應用的獨特挑戰》中文版（含16頁PDF、23頁講解ppt）

摘要

如今，隨著技術飛速發展和威脅環境變得更加復雜，在信息爆炸的局面下，作戰人員面臨著具有挑戰性的決策空間。人工智能(AI)和機器學習(ML)可以減輕作戰人員負荷。人工智能系統具有深遠的好處——提高態勢感知能力，檢測威脅，理解對手的能力和意圖;確定和評估可能的戰術行動方針;并提供方法來預測行動決策的結果和影響。人工智能系統是理解和解決高度復雜的戰術情況的關鍵。

人工智能系統為作戰人員提供了優勢，但前提是這些系統被正確設計和實施，并且以減輕作戰人員的認知負荷的方式。為國防應用實施人工智能系統帶來了獨特的挑戰。本文確定了四個獨特的挑戰，并描述了它們如何影響戰術作戰人員、工程設計界和國防。本文通過國防采辦和系統工程計劃，為解決這些獨特的挑戰提供了解決方案。

作者簡介：

Bonnie Johnson——在海軍工程研發方面擁有超過 25 年的領導和系統工程經驗。她曾是 SAIC 和諾斯羅普·格魯曼公司的高級系統工程師，研究用于海戰系統和導彈防御能力的自動決策輔助。她于 2011 年加入美國海軍研究生院 (NPS) 系統工程系。她擁有 NPS 系統工程博士學位、約翰霍普金斯大學系統工程碩士學位和弗吉尼亞理工大學物理學學士學位。

引言

人工智能是一個包含許多不同方法的領域，其目標是創造具有智能的機器（Mitchell，2019）。圖 1 顯示了一個簡單的維恩圖，其中機器學習 (ML) 作為 AI 的子集，而 AI 作為更廣泛的自動化類別的子集。自動化系統以最少的人工輸入運行，并且經常根據命令和規則執行重復性任務。人工智能系統執行模仿人類智能的功能。他們將從過去的經驗中學到的知識與收到的新信息結合起來，以做出決策并得出結論。

圖 1. 自動化、人工智能和機器學習的維恩圖

如圖 2 所示，有兩種主要類型的 AI 系統。第一種類型是明確編程的，也稱為手工知識系統。 Allen (2020) 將手工知識系統描述為“使用傳統的、基于規則的軟件，將人類專家的主題知識編碼為一長串編程的‘如果給定 x 輸入，則提供 y 輸出’規則的人工智能”（第3頁）。這些系統使用傳統的或普通的編程語言。第二種類型是從大量數據集訓練而來的機器學習系統。 ML 系統從訓練過的數據集中“學習”，然后在操作上使用“訓練過的”系統在給定新的操作數據的情況下產生預測結果。

圖 2. 兩種類型的人工智能：顯式編程和學習系統

自動化、人工智能和機器學習系統，包括手工知識系統和學習系統，為美國國防部 (DoD) 提供了巨大的潛力，在大多數任務領域具有多種應用。這些智能系統可以擴展國防部理解復雜和不確定情況、制定和權衡選項、預測行動成功和評估后果的能力。它們提供了在戰略、規劃和戰術領域支持國防部的潛力。人工智能系統可以減輕作戰人員的負擔，但前提是這些系統的設計和實施正確，并且以減輕作戰人員認知負擔的方式。這為國防應用實施人工智能系統提出了獨特的挑戰。本文確定了四個獨特的挑戰，并描述了它們如何影響戰術作戰人員、工程設計界和國防。

第一個為國防應用實施人工智能系統的獨特挑戰是戰術戰爭呈現高度復雜的情況。戰術復雜性可能涉及信息超載、需要處理的多個并發任務、具有可怕后果的時間關鍵決策、態勢感知的未知/不準確/不完整，以及因各種分布式戰爭能力所需的互操作性而產生的工程挑戰。將人工智能系統添加到這個已經很復雜的環境中是一項必要但極具挑戰性的工作。

第二個獨特的挑戰是人工智能系統需要大量數據來訓練。所開發的人工智能系統的質量很大程度上取決于訓練數據集的質量和數量。軍事領域的數據尤其難以獲得。軍事數據可能涉及分類問題、網絡漏洞、數據驗證挑戰，并且根據艦隊演習和兵棋推演的需要，收集起來可能非常昂貴且耗時。

第三個獨特的挑戰是人工智能系統為系統工程提出了一個新的前沿。在傳統系統中，行為是固定的，因此是可預測的：給定輸入和條件，系統將產生可預測的輸出。一些人工智能解決方案可能涉及本身就很復雜的系統——適應和學習——因此會產生無法預料的輸出和行為。事實上，一些人工智能系統的目的就是為了做到這一點——與人類決策者合作，承擔一些認知負荷并產生智能建議。需要系統工程方法來設計智能系統，并確保它們對人類操作員來說是可解釋的、可信賴的和安全的。

第四個獨特的挑戰是，對于國防應用，總是需要考慮潛在的對手。在人工智能系統方面，采購界必須注意同行競爭對手國家，他們在人工智能進步方面取得了自己的進步。美國國防系統也必須在這場人工智能競賽中取得進步。網絡攻擊在防御系統中總是有可能發生的。隨著防御能力增加對自動化和人工智能系統的依賴，這可能會造成更多的網絡漏洞。最后，技術正在迅速發展，對抗性威脅空間正在發生變化。國防采購和系統工程界必須確保人工智能系統不斷發展和適應，以應對威脅環境的變化，并以可信賴和安全的方式做到這一點。

挑戰一:復雜的決策空間

第一個獨特的挑戰是許多防御領域呈現出復雜的決策空間。因此，設計和實施適當的人工智能系統來解決這種復雜性將是極具挑戰性的。圖 3 突出顯示了導致戰術領域決策復雜性的許多因素。例如，海軍打擊部隊的行動可以迅速從和平狀態轉變為一種巨大的危險——需要對威脅保持警惕并采取適當的反應行動——所有這些都在高度壓縮的決策時間線上。戰術威脅可能來自水下、水面、空中、陸地、太空，甚至是虛擬的，因此需要處理多個時間緊迫的任務。在船舶、潛艇、飛機、陸地和太空中擁有海軍和國防資產；戰術決策空間必須解決這些分散和多樣化資源的最佳協作使用問題。制定有效的戰術行動方案也必須發生在高度動態的作戰環境中，只有部分和不確定的態勢知識。決策空間還必須考慮指揮權、交戰規則和戰術條令施加的限制。人類作為戰術決策者的角色增加了決策空間的復雜性——面臨信息過載、操作員錯誤、人工智能信任以及人工智能模糊性和可解釋性問題等挑戰。最后，戰術決策及其可能后果的風險可能非常高。

圖 3. 導致戰術決策空間復雜性的因素

解決高度復雜的決策空間是美國國防部面臨的挑戰。人工智能提供了解決這種復雜性的潛在解決方案——通過處理大量數據、處理不確定性、理解復雜情況、開發和評估決策替代方案以及了解風險水平和決策后果。人工智能解決方案可以應用于國防部的戰略、規劃和戰術層面。海軍研究生院 (NPS) 開發了一種工程框架和理論，用于解決高度復雜的問題空間，這些問題空間需要使用智能和分布式 AI 系統來獲得態勢感知并做出適應動態情況的協作行動決策（Johnson， 2019）。模擬了一個復雜的戰術場景，以演示使用 AI 來驗證該方法（Johnson，2020a）。 NPS 已經開發了一種預測分析能力的概念設計，該設計將被實施為一個自動化的實時戰爭游戲系統，該系統探索不同的可能戰術行動方案及其預測效果和紅軍反應（Johnson，2020b）。 NPS 研究已經確定了在戰術行動中描述復雜性水平的必要性，并實施自適應人機協作安排以做出戰術決策，其中自動化水平根據情境復雜性水平進行調整。正在進行的 NPS 研究正在研究這些概念工程方法在各種防御用例應用中的應用，包括防空和導彈防御、超視距打擊、船舶自衛、無人機操作和激光武器系統。

復雜的決策空間為 AI 系統嘗試和解決創造了具有挑戰性的問題。表 1 根據決策空間的復雜性比較了不同的 AI 應用領域。該表包含 10 個表征決策空間復雜性的因素：認知不確定性（對情境知識的不確定性數量）、情境動態、決策時間線（做出決策的時間量）、決策的復雜性決策過程中的人機交互、資源復雜性（數量、類型、它們之間的距離以及它們的動態程度）、是否涉及多個任務、對手（競爭對手、黑客或打算摧毀的徹底敵人）的存在，允許誤差的幅度（多少決策錯誤是可以接受的），以及決策后果的嚴重性。

表 1. 不同 AI 應用的決策復雜度比較

人工智能應用程序涉及的決策空間用于廣告（根據特定用戶的購買習慣或互聯網搜索確定將哪些廣告流式傳輸）、貸款批準（根據貸款金額和信用評分確定貸款資格）和醫療（根據診斷確定關于患者癥狀）相對簡單。存在大量訓練數據，決策過程中的計算和人為交互簡單，情況相對穩定。不良廣告的后果是微乎其微的。可以審計不良貸款批準決定。糟糕的醫學診斷可能會產生更嚴重的后果，但通常有足夠的時間在治療前尋求更多的評估和意見。為自動駕駛汽車確定最佳運輸路線和工程 AI 系統是更復雜的工作。這些應用程序是動態變化的，需要更短的時間來做出決策。運輸路線在可能路線的數量上會很復雜——這可能會導致許多可能的選擇。但是，存在運輸錯誤的空間，并且后果通常不會太嚴重。對于自動駕駛汽車來說，決策錯誤的余地非常小。此應用程序中的錯誤決定可能導致嚴重事故。

然而，軍事戰術領域在決策空間的所有領域都呈現出極端的復雜性：不確定性和有限的知識/意識、高度動態的情況、非常有限的時間線、復雜的人機交互、大量和類型的資源、多個任務、昂貴和困難- 獲取訓練數據集、極小的允許誤差范圍以及行動（或不行動）的生死攸關的后果。

挑戰二: 數據很難獲取

第二個獨特的挑戰是 AI/ML 系統需要大量相關且高質量的數據用于訓練和開發，而這些數據在軍事領域可能很難獲得。明確編程的手工知識系統在開發過程中需要數據進行評估和驗證。 ML 系統在開發過程中對數據的依賴性更大。如圖 4 所示，ML 系統從代表操作條件和事件的數據集中“學習”。 ML系統學習的過程也稱為被訓練，開發階段使用的數據稱為訓練數據集。有幾種類型的 ML 學習或訓練——它們是有監督的、無監督的和強化的。所有三種類型的 ML 學習都需要訓練數據集。 ML 系統在部署后或運營階段繼續需要數據。圖 4 顯示，在運營期間，ML 系統或“模型”接收運營實時數據，并通過使用其“訓練過的”算法處理運營數據來確定預測或決策結果。因此，在整個系統工程和采集生命周期中，ML 系統與數據密切相關。 ML 系統從訓練數據集的學習過程中“出現”。機器學習系統是數據質量、充分性和代表性的產物。他們完全依賴于他們的訓練數據集。

圖 4. 開發和實施機器學習系統

隨著許多領域（戰爭、供應鏈、安全、物流等）的更多 AI 開發人員正在了解 AI 解決方案的潛在優勢并開始著手 AI 系統開發，DoD 開始認識到對這些數據集的需求。在某些情況下，數據存在并準備好支持 AI 系統開發。在其他情況下，數據存在但不保存和存儲。最后，在其他情況下，數據不存在，需要模擬或在艦隊演習或戰爭游戲中收集。圖 5 說明了收集、獲取和在某些情況下開發用于開發和訓練 AI 和 ML 系統的數據時需要考慮的過程。

圖 5. 人工智能和機器學習系統訓練數據集的開發

軍事領域對開發訓練數據集提出了一些獨特的挑戰——數據可能被分類，數據可能存在網絡漏洞（它可能被攻擊并被對手故意破壞），如果數據不存在，它可能需要從軍事/艦隊演習或兵棋推演中獲得。數據驗證也是一項具有挑戰性的工作。

NPS 正在為海軍的數據管理系統執行需求分析和概念設計，該系統將收集數據并向海軍內部許多正在開發 AI/ML 系統的不同組織提供數據（French 等人，2021 年）。圖 6 是海軍中央人工智能庫 (CAIL) 的上下文圖，它被設想為一個數據管理系統和流程，用于識別數據集并提供索引、驗證、審計和對 AI 可以使用的數據的安全訪問。從事海軍應用的機器學習開發人員。 CAIL 將不是一個數據存儲庫或數據庫，而是一個中央組織，使 AI/ML 開發人員能夠訪問經過驗證和保護的海軍數據——以幫助識別數據集的存在，啟用授權訪問，并幫助支持開發人員所需的數據尚不存在，需要獲得——可能通過艦隊演習或兵棋推演。

圖 6. 概念性中央人工智能庫

挑戰三:人工智能為系統工程開辟了新領域

第三個獨特的挑戰是開發人工智能系統為系統工程提出了一個新的前沿。系統工程方法已被開發用于設計可能非常復雜但也具有確定性的傳統系統（Calvano & John，2004）。傳統系統具有可預測的行為：對于給定的輸入和條件，它們將產生可預測的輸出。圖 7 說明了對傳統 SE 方法（如 SE Vee 過程）進行更改的必要性，以便設計復雜且不確定的 AI 系統。特別是，需要新的方法來定義隨時間適應的學習系統的要求，并且系統驗證過程可能需要在操作過程中不斷發展和繼續，以確保安全和期望的行為。對于具有高風險后果的軍事系統，幾乎沒有出錯的余地，因此需要實施一個可以確保 AI 系統安全和預期操作的系統工程流程。

圖7. 人工智能:系統工程的新前沿

國際系統工程師理事會 (INCOSE) 最近的一項倡議已經開始探索需要對系統工程方法進行哪些改變才能有效地開發人工智能系統。圖 8 是作為該計劃的一部分創建的，旨在強調在 SE 過程中需要考慮的 AI 系統的五個方面。除了不確定性和不斷發展的行為之外，人工智能系統可能會出現新類型的故障模式，這些故障模式可能會突然發生，并且可能難以辨別其根本原因。穩健的設計——或確保人工智能系統能夠處理和適應未來的場景——是另一個系統工程設計考慮因素。最后，對于涉及更多人機交互的 AI 系統，必須特別注意設計系統，使其值得信賴、可解釋并最終對人類決策者有用。

圖 8. 人工智能系統工程中的挑戰

NPS 正在研究可以支持復雜、自適應和智能 AI 系統的設計和開發的系統工程方法。已經開發了一個系統工程框架和方法來設計系統解決方案的復雜自適應系統（Johnson，2019）。該方法支持系統系統的開發，通過使用人工智能，可以協作以產生所需的緊急行為。當前的一個研究項目正在研究可以在設計過程中設計到 AI 系統中的安全措施，以確保操作期間的安全（Cruz 等人，2021 年）。 NPS 正在研究一種稱為元認知的設計解決方案，作為 AI 系統識別內部錯誤的一種方法（Johnson，2021 年）。當前的另一個 NPS 論文項目正在研究如何將“信任”設計到 AI 系統中，以確保有效的人機協作安排（Hui，2021）。幾個 NPS 項目研究使用稱為協同設計的 SE 設計方法，來確定人類操作員與 AI 系統之間的相互依賴關系（Blickley 等人，2021；Sanchez，2021）。

挑戰四: 敵手

第四個獨特的挑戰是對手在防御應用中的存在和作用。國防部必須與對手競爭以提升人工智能能力，人工智能系統必須免受網絡攻擊，人工智能系統必須適應不斷變化的威脅環境演變。圖 9 突出顯示了對手的存在給國防部正在開發的 AI 系統帶來的一系列獨特挑戰。

圖9. 敵手的挑戰

競爭對手國家之間開發人工智能能力的競賽最終是為了進入對手的決策周期，以比對手更快的速度做出決定和采取行動（Rosenberg，2010 年）。人工智能系統提供了提高決策質量和速度的潛力，因此對于獲得決策優勢至關重要。隨著國防部探索人工智能解決方案，同行競爭對手國家也在做同樣的事情。最終，實現將 AI 用于 DoD 的目標不僅僅取決于 AI 研究。它需要適當的數據收集和管理、有效的系統工程和采集方法，以及仔細考慮人類與人工智能系統的交互。國防部必須確保它能夠應對實施人工智能系統所涉及的所有挑戰，才能贏得比賽。NPS 研究計劃正在研究如何應用 AI 和博弈論來進入對手的戰術決策周期（Johnson，2020b）。該項目正在開發一個概念，用于創建戰術態勢模型、對手的位置和能力，以及預測對手對形勢的了解。然后，概念系統將進行實時“兵棋推演”，根據預測的對抗反應和二階和三階效應分析戰術決策選項。這是一個研究未來戰術戰爭可能是什么樣子的一個例子，它為藍軍和紅軍提供了增強的知識和決策輔助。為 AI 競賽準備國防部的其他 NPS 舉措包括研究新的 SE 方法和獲取實踐以開發 AI 能力、研究海軍和國防部的數據管理需求（French 等人，2021 年）以及研究 AI 系統安全風險開發確保安全 AI 能力的工程實踐（Cruz 等人，2021 年；Johnson，2021 年）。

賽博戰是國防部必須成功參與的另一場競賽，以保持領先于黑客攻擊的持續攻擊。隨著國防部實施更多的自動化，它自然會導致更多的網絡漏洞。使用本質上依賴于訓練數據和操作數據的人工智能系統，為黑客在開發階段和操作階段用損壞的數據毒害系統提供了機會。如果對手控制了一個可操作的人工智能系統，他們可能造成的傷害將取決于應用程序領域。對于支持武器控制決策的自動化，后果可能是致命的。在最近一項關于汽車網絡安全的研究中，一家汽車公司在網上發布了一個假汽車電子控制單元，在不到 3 天的時間里，進行了 25,000 次違規嘗試（Taub，2021 年）。國防部必須注意人工智能系統開發過程中出現的特定網絡漏洞。必須為每個新的人工智能系統實施仔細的網絡風險分析和網絡防御策略。 NPS 正在研究數據安全要求，以確保 ML 訓練數據集不受黑客攻擊，并且需要安全授權才能訪問（French 等人，2021 年）。 NPS 正在研究使用元認知作為 AI 系統執行自我評估的一種方法，以識別網絡入侵、篡改或任何異常行為（Johnson，2020b）。 NPS 還在研究使用 ML 來識別惡意欺騙和篡改全球定位系統 (GPS; Kennedy, 2020)。

威脅環境的演變是國防部在開發人工智能系統時的第三次對抗性競賽。由于對抗性威脅空間隨著時間的推移而不斷變化，擁有更快、更致命的武器、更多的自主權、更大的監視資產、更先進的對抗措施和更多的隱身性，這對國防部能夠預測和識別新威脅并進行應對提出了挑戰戰場上的未知數。 NPS 研究的重點是在作戰過程中不斷適應和學習的工程系統，以檢測和識別戰場中的未知未知，并通過創新的行動方案快速響應新威脅（Grooms，2019；Jones 等人，2020；Wood，2019 ）。 NPS 正在研究通過研究特定區域隨時間變化的數據來識別異常變化的機器學習方法（Zhao et al., 2016）。一個例子是研究商用飛機飛行模式并根據異常飛行模式識別可疑飛機。隨著時間的推移，可以監視地面行動，以識別可能意味著軍事行動的新的和不尋常的建設項目。

結論

人工智能系統為國防部在實現和保持知識和決策優勢方面提供了重大進展。然而，為國防應用實施人工智能系統提出了獨特的挑戰。軍事戰術領域在決策空間的所有領域都呈現出極端的復雜性：不確定性和有限的知識、高度動態的情況、非常有限的時間線、復雜的人機交互、大量和類型的資源、多個任務、昂貴且難以獲得訓練數據集、極小的允許誤差范圍以及行動（或不行動）的生死攸關的后果。 AI 系統，尤其是 ML 系統，需要有代表性、足夠、安全和經過驗證的數據集來進行開發。為國防應用收集合適的數據具有處理分類數據集和確保數據安全和免受網絡攻擊的額外挑戰；這也將是收集代表戰術行動的真實數據的一項重大努力。將需要新的系統工程方法來有效地指定、設計和評估人工智能系統，這些系統通過其不確定性、新型人機協作挑戰以及難以預測和預防的新安全故障模式而呈現出新的復雜性.最后，軍事領域中對手的存在呈現出三種形式的 AI 競賽：與對手一樣快地開發 AI 系統的競賽、保持領先于可能的網絡攻擊的競賽以及訓練能夠應對的 AI/ML 系統的競賽隨著不斷發展的對抗性威脅空間。

NPS 正在通過一系列正在進行的研究計劃來解決四個獨特的挑戰領域。 NPS 研究人員正在研究人工智能系統在海軍戰術作戰領域的實施，對軍事數據集進行需求分析和需求開發，研究開發復雜人工智能系統的系統工程方法，以及開發安全、可信賴的人工智能系統工程方法，并注意潛在對手的作用。 NPS 正在為軍官和平民學生提供人工智能研究和教育機會。 NPS 歡迎與國防部和海軍組織合作，繼續研究用于國防應用的人工智能系統，并繼續探索解決方案戰略和方法，以克服開發和實施人工智能能力的挑戰。

附解讀PPT：（點擊下載）

付費5元查看完整內容
[付費5元查看完整內容]美國「聯合全域指揮與控制 (JADC2)」戰略發展最新總結報告，12頁pdf，Summary of the Joint All-Domain Command and Control Strategy

【前 言】

什么是 JADC2？

聯合全域指揮與控制 (JADC2) 是美國國防部 (DOD) 的概念，旨在將來自所有軍事部門（空軍、陸軍、海軍陸戰隊、海軍和太空部隊）的傳感器連接到一個網絡中。傳統上，每個軍種都開發自己的戰術網絡，這與其他軍種不兼容（例如，陸軍網絡無法與海軍或空軍網絡連接）。通過 JADC2，國防部設想創建一個“物聯網”網絡，將眾多傳感器與武器系統連接起來，使用人工智能算法幫助改進決策。

美國國防部 (DOD)聯合全域指揮與控制 (JADC2) 戰略描述了迫切需要集中力量推動部門行動，以增強其的聯合部隊指揮官在所有作戰領域和整個電磁頻譜范圍內指揮聯合部隊所需的能力，以威懾、并在必要時在全球任何時間、任何地點擊敗任何對手。

JADC2 戰略為識別、組織和提供改進的聯合部隊指揮和控制 (C2) 能力提供了愿景和方法，并說明了對手已經關閉了其賴以取得作戰成功的許多能力和方法優勢。作為一種方法，JADC2 支持使用創新技術開發物資和非物資解決方案選項，同時愿意修改現有政策、權力、組織結構和作戰程序，從而為聯合部隊指揮官提供信息和決策優勢。

【總 結】 全球安全環境的迅速變化正在對美國軍隊以及聯合部隊獲取、維持和保護信息和決策優勢的能力提出重大的新挑戰。此外，必須預見未來的軍事行動將在退化和競爭的電磁頻譜環境中進行。這些挑戰需要部門一致和集中的努力，以現代化如何開發、實施和管理 C2 能力，以在所有作戰領域、跨梯隊以及與任務伙伴合作。

JADC2 為塑造未來聯合部隊 C2 能力提供了一種連貫的方法，旨在產生作戰能力，以便在所有領域和合作伙伴的所有戰爭級別和階段感知、理解和行動，在相關的速度。作為一種方法，JADC2 超越了任何單一的能力、平臺或系統。它提供了一個機會，可以加速實施所需的技術進步和聯合部隊進行 C2 的方式的理論變革。 JADC2 將使聯合部隊能夠使用越來越多的數據，采用自動化和人工智能，依靠安全和有彈性的基礎設施，并在對手的決策周期內采取行動。

這一戰略的成功實施需要整個國防部 (DoD) 的集中承諾。為此，JADC2 戰略闡明了“感知”、“理解”和“行動”三個指導 C2 功能，以及額外的五個持久工作 (LOE) 來組織和指導行動以提供物資和非物資JADC2 能力。 LOE 是： (1) 建立 JADC2 數據企業；（2）建立JADC2人類企業； （3）建立JADC2技術企業； (4) 將核 C2 和通信 (NC2/NC3) 與 JADC2 集成； (5) 使任務伙伴信息共享現代化。

該戰略得到 JADC2 戰略實施計劃的支持，該計劃確定了 JADC2 的最終狀態、關鍵目標和任務，并與已建立的部門當局、論壇和流程合作，以同步和簡化工作，以優先考慮、資源、開發、交付和維持JADC2 能力。現有的軍種和機構開發和采購流程通常會產生無法滿足全域 C2 作戰需求的特定域能力。 JADC2 方法將覆蓋這些現有流程，旨在促進從根本上改進的跨域聯合能力的發展。

該戰略提供了六項指導原則，以促進整個部門在提供物資和非物資 JADC2 改進方面的努力的一致性。這些原則是： (1) 在企業層面設計和擴展信息共享能力改進； (2) 聯合部隊 C2 改進采用分層安全功能； (3) JADC2 數據結構由高效、可演進和廣泛適用的通用數據標準和架構組成； (4) 聯合部隊 C2 必須在退化和競爭性電磁環境中具有彈性； (5) 部門開發和實施過程必須統一，以提供更有效的跨領域能力選擇； (6) 部門開發和實施過程必須以更快的速度執行。

JADC2 戰略的結論是，迫切需要使用企業范圍內的整體方法來實施物資和非物資 C2 能力，以確保聯合部隊指揮官在整個競爭過程中獲得和保持對抗全球對手的信息和決策優勢的能力。

付費5元查看完整內容
[付費5元查看完整內容]AI+軍事？美國GAO最新《人工智能武器系統研制與獲取能力現狀》報告，53頁pdf

美國國防部(DOD)報告稱，人工智能(AI)是一項革命性的技術，有望改變未來的戰場和美國面臨的威脅的速度。人工智能能力將使機器能夠執行通常需要人類智能的任務，如得出結論和做出預測此外，人工智能機器可以以人類操作員無法企及的速度操縱和改變戰術。由于AI具有廣泛用途的潛力，國防部將其指定為頂級現代化領域，并投入大量精力和資金開發和獲取AI工具和能力，以支持作戰人員。在2022財年，國防部為科學和技術項目申請了147億美元，以及8.74億美元用于直接支持其人工智能努力。根據國防部2018年的人工智能戰略，未能將人工智能能力納入武器系統可能會阻礙戰士保護我們的國家抵御近同行對手的能力其他國家正在這一領域進行大量投資，這可能會削弱美國的軍事技術和作戰優勢。

美國國防部(DOD)正在積極追求人工智能(AI)能力。人工智能指的是旨在復制一系列人類功能，并不斷在分配的任務上做得更好的計算機系統。GAO之前確定了三種AI類型，如下圖所示。

國防部認識到開發和使用人工智能不同于傳統軟件。傳統軟件的編程是根據靜態指令執行任務，而人工智能的編程則是學習如何改進給定的任務。這需要大量的數據集、計算能力和持續監控，以確保功能按預期執行。支持國防部作戰任務的大部分人工智能能力仍在開發中。這些能力主要集中在分析情報，增強武器系統平臺，如不需要人工操作的飛機和艦船，并在戰場上提供建議(如將部隊轉移到哪里)。

當獲取依賴于復雜軟件的新能力時，國防部一直面臨著挑戰，例如長時間的獲取過程和熟練工人的短缺。GAO發現，它繼續面臨這些挑戰，同時還面臨人工智能特有的其他挑戰，包括有可用的數據來訓練人工智能。例如，人工智能探測對手的潛艇需要收集各種潛艇的圖像，并標記它們，這樣人工智能就可以學會自己識別。國防部還面臨著將訓練有素的人工智能集成到非為其設計的現有武器系統中的困難，以及在其人員中建立對人工智能的信任。國防部發起了一系列努力，如為人工智能和人工智能特定培訓建立一個跨服務的數字平臺，以應對這些挑戰，并支持其對人工智能的追求，但現在評估有效性還為時過早

付費5元查看完整內容
北京阿比特科技有限公司