第五代無線通信技術（5G），有可能改變通信系統。5G移動網絡將提供更高的速度、更低的延遲、更高的可靠性、更多的網絡容量和更多的互連性。隨著5G技術在原有系統和新系統中的部署、現代化和實施，預計會有巨大的改進。近年來，隨著各行各業都希望在新技術的風口浪尖上有所創新，對5G技術的投資和興趣也呈指數級增長。充分利用這項技術將推動工業和美國國防部（DoD）的能力在未來有巨大的改進，如更高的性能和更高的效率。本報告重點介紹該技術的現狀和國防部的具體使用案例。

5G在美國防部和軍隊中的應用

美國防部已將5G技術列為一項重要的戰略技術。從美國防部5G戰略開始，"......那些掌握先進通信技術和無處不在的連接的國家將擁有長期的經濟和軍事優勢" [8]。通信和互聯系統的未來是5G，這本身就使它對美國防部極為重要。通過追求5G技術的最大潛力，美國防部將有能力在技術、性能和額外能力方面達到新的高度。

3.1 美國防部5G政策

美國防部5G戰略和美國防部5G戰略實施計劃[9]為解決美國防部如何使用和推進5G網絡和應用的技術、安全、標準和政策以及合作方面提供了路線圖。全面的美國防部5G戰略實施計劃包括四個方面的工作。第一條努力路線是 "促進技術發展"，例如，進行5G示范，實施毫米波和動態頻譜共享技術，促進開放架構和虛擬化，并重點發展5G員工隊伍。第二條努力路線是 "通過5G評估、緩解和運營"。這第二條努力路線主要側重于威脅情報、基礎設施風險、供應鏈的安全、全球運營、安全評估、網絡安全和零信任。第三條努力路線是 "影響5G標準和政策"，包括與標準制定機構緊密結合。按照這些思路，國防部將創建和更新先進的頻譜管理、支持5G的作戰概念（CONOPS）和技術控制措施的標準和指導方針。最后，第四條努力路線是 "吸引合作伙伴"，如國際盟友、工業界和國會成員。

3.2 5G國防部用例

本節確定了國防部對5G技術的具體使用案例。目前，由于各種原因，5G正被應用于所有服務。5G技術是一個關鍵的推動因素，其能力將使整個國防部在許多方面的性能得到改善。

2020年10月，國防部宣布了6億美元的獎勵，用于在五個美國軍事試驗場進行5G實驗和測試，這是世界上最大的全面5G測試的雙重用途。國防部尋求保持在尖端5G測試和實驗的前沿，以加強我們國家的作戰能力，以及美國在這個關鍵領域的經濟競爭力[10]。這五項測試將在3.2.1-3.2.5節中描述。

3.2.1 5G智能倉儲

海軍陸戰隊后勤基地（MCLB）項目將開發一個5G智能倉庫，專注于車輛存儲和維護，以提高MCLB Albany后勤業務的效率和保真度，包括物資和供應的識別、記錄、組織、存儲、檢索和庫存控制。此外，該項目將為測試、完善和驗證新興的5G技術創造一個試驗場。

3.2.2 分布式指揮和控制

在內華達州的內利斯空軍基地進行的測試和試驗的目的是為使用5G技術開發一個測試平臺，以幫助空中、太空和網絡空間的殺傷力，同時提高指揮和控制（C2）的生存能力。具體來說，5G網絡將被用于分解和調動現有的C2架構，以實現敏捷作戰的場景。該測試與AT&T公司合作，提供高容量和低延遲的移動5G環境。

3.2.3 增強和虛擬現實

在華盛頓的劉易斯-麥克喬德聯合基地（JBLM）正在測試一個項目，其目標是能夠快速部署一個可擴展的、有彈性的、安全的5G網絡，為任務規劃、分布式訓練和作戰使用提供一個試驗平臺，以實驗5G支持的增強現實/虛擬現實（AR/VR）能力。

3.2.4 5G智能倉庫

美國海軍圣地亞哥基地（NBSD）的一個項目的目標是開發一個支持5G的智能倉庫，專注于岸上設施和海軍單位之間的轉運，以提高海軍后勤業務的效率和真實性，包括物資和供應的識別、記錄、組織、存儲、檢索和運輸。此外，該項目將為測試、完善和驗證新興的5G技術創造一個試驗場。

3.2.5 5G動態頻譜共享利用

猶他州的希爾空軍基地已經開始調查技術可行性、方法和頻譜共享的效用，以及在商業行業中至關重要的頻段與不同的5G網絡共存。這一事件表明，國防部致力于通過提供分配的頻譜供非聯邦（商業）系統使用，促進美國在5G時代的經濟競爭力。

接下來，來自美國陸軍以及國防高級研究計劃局（DARPA）和MITRE的其他5G國防部用例的進一步例子將在以下3.2.6至3.2.9節中提供。這些額外的用例顯示了在5G領域正在進行的工作的廣度，包括戰術網絡、開源計劃和基于威脅的框架。

3.2.6 5G++為戰術毫米波網絡調整5G

5G++為戰術毫米波網絡調整5G是一個正在進行的美國陸軍第二階段小企業創新研究（SBIR）計劃，于2021年2月開始，預計結束日期為2022年8月[11]。這項工作的目標是解決關鍵需求，并提議開發5G++作為毫米波無線電原型，通過納入抗干擾性、改進的低截獲概率/低檢測概率（LPI/LPD）和安全網絡通信，使5G適應戰術領域。5G技術的目標是非常高的吞吐量、低功率和低延遲，預計這不僅有利于商業，也有利于戰術通信。在毫米波頻段工作提供高帶寬，以滿足共享頻譜環境中新興戰術應用不斷增長的吞吐量需求。然而，目前的5G波形并不能滿足美國陸軍對抗干擾性、LPI/LPD和安全性的要求，也不能支持設備對設備（D2D）的ad-hoc網絡模式而不依賴蜂窩狀基礎設施。跨越物理層、鏈路/MAC層和網絡層的新型算法集需要在毫米波、軟件定義的無線電（SDR）平臺上實現，并與5G協議棧一起進行廣泛的測試，以加速5G優勢向戰術領域的轉移。

3.2.7 5G技術在美國陸軍戰術環境中的實施技術方案支持

指揮、控制、通信戰術項目執行辦公室（PEO C3T）進行了一項研究，評估當前和潛在的通信技術，以整合到未來的美國陸軍戰術網絡中。這項研究確定并總結了已經標準化的5G功能和技術，以及尚未標準化的新興功能。它還確定并總結了與現有和計劃中的美國陸軍戰術網絡相關的各種用例和關鍵性能指標（KPI）。這項研究進一步縮小了5G功能和技術的范圍，確定了哪些功能正在進行大量的商業開發，并可能在其商業和國防部部署的情況下有類似的應用和用例。最后，它的結論是建議進一步推進5G技術在美國陸軍各種戰術環境中的潛在應用所需的額外研究投資（見2020年9月出版的報告[12]）。

3.2.8 開放、可編程、安全的5G (OPS-5g)

DARPA的開放、可編程、安全的5G（OPS-5G）項目正在進行研究，以開發一個可移植的符合標準的5G移動網絡堆棧，該堆棧是開源的，設計上是安全的。OPS-5G尋求創建開源軟件和系統，以實現安全的5G和后續移動網絡，如6G。開源軟件的標志性安全優勢是增加了代碼的可見性，這意味著代碼可以被檢查、分析和審計，無論是手動還是使用自動工具。此外，開源的可移植性作為一個理想的副作用，使硬件和軟件生態系統脫鉤。這極大地提高了供應鏈攻擊的難度，并簡化了創新硬件進入市場的過程。該計劃旨在實現各種軟件組件的 "即插即用 "方法，從而減少對不信任的技術來源的依賴[13]。DARPA的OPS-5G計劃將創建開源軟件和系統，以實現安全的5G和后續的移動網絡。OPS-5G創造能力，以解決開源軟件的特征速度、萬億節點的僵尸網絡、可疑設備上的網絡切片以及大規模運作的適應性對手。長期目標是一個對美國友好的生態系統[14]。這個項目于2020年9月開始，估計完成日期為2024年9月。

3.2.9 MITRE 5G威脅等級體系（FiGHT）框架

MITRE Five-G Hierarchy of Threats（FiGHT）是一個基于威脅的框架，用于評估5G網絡的保密性、完整性和可用性，以及美國及其合作伙伴使用的設備、武器系統和應用程序。FiGHT利用現有安全框架的概念，并在此基礎上探索5G構件和相關的假設威脅，考慮美國政府的關鍵資產。

通過將一個全面的5G威脅框架應用于具體的用例和架構，這使得網絡投資規劃和優先次序得以確定，從而可以量化風險和優先緩解措施，以確保5G能夠以最小的損害進行革新。這項工作開始于2021財年（FY21），計劃在24財年完成[15]。

提綱

• 戰術無人機營--一個場景
• 背景和框架
  • 未來戰斗行動的開展
  • 人工智能
  • 政治和法律框架
• 目標
  • G1：提高日常工作的效率
  • G2: 提高行動能力
  • G3: 解決潛在的能力差距
• 驅動力
  • DF1: 潛在對手的人工智能能力
  • DF2：作戰行動的動態性不斷增強
  • DF3: 更少的合格人員
  • DF4: 資源短缺
  • DF5: 信息的數量和密度
  • DF6：信息技術和人工智能發展的動態性
• 陸軍發展的行動領域(FoA)
  • FoA1：現有系統的進一步發展
  • FoA2：新的武器系統和武器裝備
  • FoA3：人員/物資的人工智能能力管理
  • FoA4：在培訓中使用人工智能
• 組織結構的行動領域
  • 招聘人工智能專家
  • 軍隊、研究和工業之間的合作
  • 國際合作
  • 使用測試和實驗結構
  • AI數據基礎設施和組織
• 總結
• 附件：德國陸軍概念和能力發展中的實施措施

在軍事上有許多行動領域使用人工智能。除了對正在使用的系統進行持續的進一步開發和人工智能鑒定，特別是具有新特性的未來系統將能夠從人工智能的應用中受益。日常工作中的人員和物資管理，以及培訓，也提供了主要的潛在行動領域。

一個精心定義的政治和法律框架是必不可少的，特別是對于軍事力量的使用。因此，目前和將來使用自動化和自主系統必須符合FMoD的政治和法律要求。除了政治和法律方面，從軍事角度來看，使用致命性自主武器系統也是一種不可取的、非預期的選擇。

人工智能是一種高技術，需要大量的專業知識和開發努力。為了實現這一目標，德國陸軍正在尋求與歐洲工業和研究的密切合作。在德國陸軍發展的背景下已經建立的技術與能力（TmC）模式正被用作進一步活動的起點。

為了能夠充分應對未來所有與人工智能相關的挑戰，德國陸軍必須擁有合格的人工智能人才。在這方面，聯邦國防軍面臨著來自民用部門的強烈競爭。為了滿足短期內的需求，軍隊正在依靠現有的OR/M&S人員。

目前所有的數據表明，利用人工智能的方法和程序可以大幅提高陸軍的效率和效力。為了能夠適當地應對即將到來的挑戰，必須采取與組織程序和結構有關的措施。因此，"陸軍中的人工智能 "立場文件建議為陸軍設立人工智能工作臺，為陸軍設立人工智能開發中心，為陸軍設立人工智能數據中心。只有這樣才能全面覆蓋人工智能領域的創新、人工智能系統的培訓和數據的提供。

下文將在附件中詳細介紹使早期實現成為可能所需的所有措施。

德國陸軍概念和能力發展中的實施措施

2018/2019年，在德國陸軍概念和能力發展中心開展了關于人工智能（AI）主題的 "技術與能力 "形式。在一系列研討會的過程中，根據北約綜合作戰計劃指令（COPD），確定了人工智能在陸軍所有能力領域以及武器和服務中的應用，并按行動路線進行分類。下面詳細列出了五個應用領域，每個領域都有不同的行動路線。

根據內容和發展的成熟度，這些措施和行動方針的實施是通過CD&E和R&T活動進行的，或者在CPM的范圍內通過適當的舉措進行。與聯邦國防軍的能力概況相匹配是至關重要的。陸軍概念和能力發展中心負責實施。

• 1 圖像分析

這個領域匯集了基于人工智能的目標識別和分類系統領域的所有活動。這些項目正在逐步建立起一種功能，以模塊化的方式擴展陸軍的各種保護和效果組件，包括從ISR到基于效果的自動系統。一個重點是將現有的民用方法用于軍事目的。

• 2 戰術無人機

這一領域匯集了與不同幾何形狀的小型無人機系統有關的所有活動。這些活動包括從偵察到障礙物，再到進攻性武器系統。不管是什么活動，重點都是在防御和部署自己的TaUAS的能力。一個重要的挑戰是，特別是創造出足夠堅硬和強大的TaUAS，使其能夠使用被動傳感器系統，在非常有限的通信和沒有GPS的情況下，在白天和晚上半自主地行動。

• 3 下一代戰斗管理系統（NGBMS）

這一領域匯集了所有側重于指揮和控制的活動。它既包括實現單一的功能，在適用的情況下，也可以在已經進行的活動中進行改裝，也包括將可能用于超戰爭情況的系統和方法概念化。沒有任何跡象表明有任何明顯的雙重用途。挑戰在于對指揮和控制過程的相關部分進行建模，以創建超戰可行的指揮和控制組件。理想情況下，指揮和控制過程的一部分可以按照博弈論的思路被描述為一個游戲，這樣人工智能就可以在決策支持或指揮和控制的自動手段的意義上使用。MUM-T是這方面的一個關鍵挑戰。

• 4 材料和基礎設施

這一領域匯集了后勤、維護和IT管理領域的所有活動。該行動路線包含了各種可以相對快速實施的措施，并有助于更好地應對當前在支持方面的挑戰。許多力爭實現的功能正在民用部門以非常類似的形式使用或開發。

• 5 分析方法

這個領域匯集了各種單獨的解決方案，其中人工智能和大數據可以為有關數據分析和優化的經典問題提供支持。數字化和人工智能提供了一個新的質量機會，因為某些問題（識別，......）可以實時和提前解決（也適用于車輛）或技術設備（如防火墻）。

前言

美國陸軍未來與概念中心 未來戰爭部主任 克里斯-羅杰斯上校

歷史上的戰爭包含了大量改變戰爭性質的工具和技術的例子。自最初研究多域作戰（MDO）以來，美國陸軍發現人工智能是一種新興技術，有可能改變戰爭的特點，也許也會改變戰爭的性質。使用人工智能（AI）解決方案來緩解軍事問題是過去兩年未來戰爭研究、檢查和學習的一個反復出現的主題。作為2019年未來研究計劃的一部分，我們與陸軍、聯合、多國、學術和科技組織合作，探索和了解人工智能對多軍種的影響，并為未來的研究和發展制定一個操作框架。

多域作戰的人工智能運作最終報告提供了采用人工智能的組織框架，以幫助陸軍和聯合部隊更好地定義所需的能力以及相關的數據和網絡架構，以實現多域能力部隊。描述聯合部隊如何采用人工智能解決方案，為了解人工智能在時間和空間上對多域作戰的影響提供了一個操作說明。本報告確定并解決了與人工智能相關的好處、機會和挑戰，為進一步分析提供了基礎。諸如人工智能等新興技術使陸軍不僅可以改進當前的戰術、技術和程序，而且可以創造新的運用和融合能力的方法。

該報告支持美國陸軍人工智能任務組，該組織負責制定陸軍的人工智能戰略和政策。本文通過描述部隊如何在整個MDO框架內采用人工智能解決方案和相關技術，啟動了陸軍的人工智能運用工作。這份報告使概念發展團體能夠修改陸軍功能概念和戰場發展計劃。它為能力發展團體提供了作戰視角和部隊在確定所需能力時必須考慮的技術影響。此外，該報告還為作戰概念文件或基于能力的評估提供了開發情景或小插曲的基礎。該文件為科學和技術界提供了行動背景，以便為人工智能研究、開發、建模和模擬提供信息和指導。最后，它支持制定一個在未來使用人工智能的全面愿景，以告知陸軍現代化的努力，這將創造有能力的MDO部隊，準備好與任何對手作戰并取得勝利。

執行摘要

人工智能（AI）是未來聯合部隊實現多域作戰（MDO）全部潛力的基礎。人工智能系統提供了跨越領域、電磁頻譜和信息環境戰勝對手的能力。在競爭中使用這些系統使聯合部隊能夠近乎實時地了解作戰環境，從而更好地運用能力來擊敗旨在破壞區域穩定的威脅行動，阻止暴力升級，并將被拒絕的空間變成有爭議的空間。在從競爭到武裝沖突的過渡中，人工智能的機動、火力以及情報、監視和偵察能力為聯合部隊提供了拒絕敵人奪取優勢地位的能力。改進的維持能力與攻擊敵人的反介入/空中拒止網絡的能力相結合，為美國部隊提供了奪取作戰、戰略和戰術優勢位置的能力。通過由人工智能支持的多領域聯合行動圖（MDCOP）增加了解，使美國部隊有能力協調多領域的效果以創造優勢窗口。

制定人工智能的作戰概念使陸軍能夠更好地理解這些技術對戰爭的性質和特征的潛在影響。描述陸軍如何在未來的作戰環境中使用人工智能，有助于說明其對戰爭的暴力、互動和基本的政治性質的影響，以及戰爭不斷演變的特點。本文提供了一些小插曲（附錄A），說明了人工智能的組織運用，為美國陸軍RAS總體概念、作戰和組織概念、基于編隊的作戰概念以及系統或單個系統的運用概念的潛在發展提供信息。

人工智能的運作影響到未來部隊將如何運作，如何針對對手開展行動，以及指揮官如何利用軍事藝術和科學，運用部隊能力來實現預期效果和目標。在2019年未來研究計劃（FSP19）期間，人工智能工作線（LoE）確定了與實施人工智能支持的多領域解決方案有關的以下問題：

• 數據管理--AI/ML應用程序依賴于對策劃的數據的訪問，以便發揮作用。陸軍必須培養一種以數據為中心的文化，以標準化的格式和協議有效地生成、存儲和訪問數據。人才管理的努力必須側重于發展、培訓和保留一支精通數據的員工隊伍。這可以通過以下方式實現：

  • 在整個部門培養一種以數據為中心的文化

  • 投資于整個員工隊伍的數據科學培訓

  • 簡化數據訪問

  • 設計和實施協議，以確保數據的可發現、可訪問、可共享和可互操作性

• 功能分解--狹義的人工智能本質上是有限的，構建算法的數據科學家需要精確的問題定義，準確確定聯合部隊的要求。

• 可解釋人工智能--人工智能支持的系統需要有能力解釋決策/建議和所采取的行動背后的邏輯。這種解釋 "為什么"的能力是人類對人工智能智能體的信任基礎。

• 邊緣計算/人工智能--未來的作戰環境與有爭議的電磁頻譜預期要求有能力向前處理極其龐大的數據集，以及能夠自主行動的人工智能平臺。

• 利用商業部門--美國防部實驗室繼續在人工智能/ML發展方面取得重大進展，特別是與聯邦資助的研究和發展中心合作。商業部門繼續探索和擴大可能適用于軍事應用的工作。

作為FSP19的一部分，人工智能LoE開發了五個小插曲和一個概念草圖（見附錄A），以協助人工智能和機器學習的運作。這些小插曲說明了聯合部隊如何利用人工智能/ML來解決多領域行動所需的關鍵能力。MDCOP概念將依靠幾個有限內存的人工智能來建立和維護描繪整個戰場的藍、紅、綠活動。一個反應式機器人工智能將為特定的指揮官和總部定制MDCOP。合作傳感、維持、攻擊和瞄準的小插曲依靠反應式機器人工智能來優化傳感器覆蓋、維持吞吐量、攻擊順序和射手選擇。

未來部隊需要人工智能來充分實現多領域作戰的潛力。人工智能支持的系統使未來部隊能夠進行信息收集和分析，以便在時間有限和信息競爭的環境中增加對形勢的了解。這種能力使快速、知情和合理的決策成為可能。人工智能的決策支持代理將減輕作戰人員的認知工作量并提高整體效率。由人工智能支持的無人系統將探測、識別和穿透高風險區域，以提高開展行動和保護部隊、人口和資源的能力。人工智能使MDO在與近似對手的沖突規模下實現了作戰速度的要求。

美國人工智能國家安全委員會在2021年1月提交給國會的最終報告中建議國防部在2025年前做好人工智能準備。這一建議源于美國同行之間的人工智能軍備競賽，以及近年來在開發用于持續監視、指揮和控制以及武器化代碼的算法方面所取得的進展。雖然美國防部內有旨在利用各部門人工智能的戰略舉措，但戰術能力的發展和部署之間存在嚴重的脫節。作為美國防部的領導機構，聯合人工智能中心負責為美國防部的所有部門創造可行的解決方案，因此，如果所有單位都試圖在2025年之前做好人工智能準備，將不堪重負。本文強調了人工智能發展過程中的一個主要缺陷，并認為應將能力發展授權給空軍機群，并提供必要的資金和資源以真正將人工智能作為一種武器。此外，本文確定了通過基因操縱、智能灰塵納米技術和COVID-19機器學習過程發現成功的人工智能概念，以幫助戰術領導人了解人工智能革命如何幫助他們的特定任務領域，并激勵他們進行自我教育。

當涉及到利用人工智能（AI）時，美國空軍還沒有準備好與同行對手作戰，而且美國處于一場未宣布的軍備競賽中，可能會看到對手在未來十年內占據領先地位，因此需要迅速采取行動以扭轉局勢。更令人不安的是，這一威脅并沒有被該領域的戰術專家完全理解，或者即使他們理解，他們也可能沒有意識到（或在官僚上沒有能力）提供競爭所需的能力。對手在人工智能的研究和開發工作中正在取得進展。情報界的專業人士可以做些什么來解決這個問題。本文將嘗試定義中隊可以解決的戰術相關問題，并確定高層行動的不足之處。

人工智能國家安全委員會在其最終報告中建議美國防部采取行動，以便各部門為十年后的競爭做好準備。委員會的核心建議是美國防部遵循兩條努力路線：在2025年前為廣泛的人工智能整合奠定基礎，在2025年前實現軍事人工智能的準備狀態。這些項目在委員會報告發表前幾年就已經在進行了，這表明了對我們為有效競爭而需要的未來現實的戰略理解和承諾。然而，如前所述，開發人工智能支持的能力需要多年時間。為了有廣泛的人工智能整合，各級領導人需要了解人工智能的基本復雜性，以及如何在他們的任務空間內納入人工智能能力，以便他們能夠在2025年之前迎來人工智能革命。所提到的三大舉措從戰略角度縮短了傳感器和射手之間的差距，但處于邊緣的元素如何為這些努力作出貢獻？此外，如何授權給前線，讓他們根據任務的具體需要進行必要的組織、訓練和裝備？本文的目的是介紹人工智能的基本概念，并闡明應采取的行動，以推動空軍進入由人工智能驅動的持久性監視狀態。以下段落將討論智能能力、經過驗證的分析概念，以及展示未來的需求。

有幾個定義需要提到，以便在本文的其余部分提供背景，并幫助教育下級領導了解基礎概念。首先，人工智能需要三樣東西：數據集、算法和函數。數據集是一個數值表，算法是計算機用來解析數據的過程，而函數是 "從一組輸入值到一個或多個輸出值的確定性映射 "這些構成人工智能的基礎。總的來說，我們可以把人工智能看作是一類努力，它試圖采用計算機算法，并允許人類以合乎邏輯的方式解釋其結果。作為人工智能類別的一個子集，"機器學習（ML）涉及開發和評估使計算機能夠從數據集中提取（或學習）的算法。DL "專注于創建能夠做出準確的數據驅動決策的大型神經網絡模型"，而DL的重點舉措是圍繞著從神經網絡的特定神經元中貢獻特定功能的想法。對DL的理解對指揮官使用人工智能的能力至關重要，因為科幻小說中的想象力會認為這是可能的。

從情報、監視和偵察（ISR）的角度來看，DL可以推動多種數據來源的綜合（例如，多情報融合和分析）。通俗地說，ML可以幫助將幾種情報功能以一種共同的形式結合起來。然而，鑒于適當的數據集、算法和功能（或指揮官的意圖），理論上DL有可能允許對收集的信息進行分析、理解、反駁為錯誤信息、接受為事實、重新分配任務進行額外的收集，或推動新的收集任務，就像人可以做的那樣，但在機器處理信息和得出關于可用數據的結論所需的幾秒鐘內，是自主的。雖然戰略和作戰指揮官正在努力實現一種反映類似于上述DL潛力的能力的最終狀態，但他們仍然必須考慮法律、道德和倫理困境，以及開發完整的人工智能基礎設施的安全性和可靠性。如果戰術領導人不與高級領導人同步利用這些機會，我們注定無法與當前的任務集進行任何形式的整合，并注定無法實現國家安全委員會對人工智能規定的 "到2025年人工智能就緒的軍隊 "的姿態。那么，我們的部隊如何才能變得更有人工智能效率？幸運的是，人工智能驅動的能力、分析技術以及政府和商業案例研究可供探索。

人類基因編輯曾經似乎是難以想象的事情，但通過使用機器學習，它正逐漸成為現實。有關規則間隔短回文重復群（CRISPR）的研究已經進行了多年。作為一種生物技術，人們可以推斷出CRISPR技術的意圖是讓科學家有能力 "改變基因或創造DNA以改變植物、動物或人類。"此外，很難像前國家情報局局長詹姆斯-克拉珀在2016年所做的那樣，將基因編輯作為一種強大的大規模殺傷性武器來爭論。由于基因編輯為裝備精良的對手提供了機會，情報專業人員應該了解有關基因操縱的指標如何通過機器學習表現出來，以達到與美國戰略利益相悖的目的，并幫助指揮官了解他們如何能夠迅速打擊這些威脅。這一現實離所需的科學并不遙遠，如果分析人員知道如何識別必要的因素，他們可以將其納入計算。

如果分析員不能通過DL技術獲得分析所需的數據，也有一些創造性的解決方案來獲得信息。一個提供巨大潛力的創新是被稱為微電子機械系統的微小無線網絡的出現，被親切地稱為智能灰塵。"智能灰塵的大小為立方毫米，包含電源、通信和計算。"這是整個傳感器網絡的一個單一節點。研究還表明，智能灰塵粒子將能夠達到微觀水平，能夠作為傳統醫療護理方法的替代品進行注射。比隱身的尺寸更令人敬畏的是這個設備子集預計能提供的能力。它們可以容納攝像頭、環境傳感器和通信機制，以傳輸數據，并進一步處理。與ML工作、與存儲設備甚至互聯網的連接相結合，人們可以設想出一種檢測概率很低的收集資產，一種維護需求很低的系統，如果計劃得當，這種系統能夠降低前沿部署資產的風險，并限制其進入目標收集區域。

到此為止，本文已經討論了分析師如何將人工智能視為一種威脅，如何將其視為一種收集資產，但分析的過程呢？不妨看看COVID-19大流行病。雖然2020年的大流行病充滿了不確定性，但在大約一年的時間里，病毒被相對快速地分析、追蹤和抗擊。醫學界與DL專家合作，開發了COVID篩查和診斷方法、藥物發現以及最終的疫苗創新。這需要大量的數據輸入，這些數據來自社交媒體、基于文本的數據、病人數據、被稱為omics的科學數據的集合，以及圖像和視頻數據。這個分析系統是一個里程碑，表明人類可以與機器合作，在一個非常有效的時間窗口內從獨特的數據集中創建一個解決方案。應用于多源數據融合和分析的標準情報實踐中，如果有資源，沒有理由相信分析師不能利用DL的能力來制定準確的評估。

正如人們所看到的，人工智能在多個國家安全問題上具有巨大的潛力，如果戰術分析員有能力的話，他們可以將其應用于自己的任務領域。美國防部在人工智能方面最重要的代理人是聯合人工智能中心（JAIC），該中心于2019年2月12日根據行政命令13859的要求啟動，作為國防部人工智能戰略的執行者。有一個組織負責確保人工智能的需求得到滿足是一個有價值的目標，但如果各部門要在2025年之前做好人工智能準備，他們就不可能處理整個國防部的能力發展需求量。各級指揮部需要有一個共同的承諾，以避免因優先事項不一致而錯過機會。就目前的人工智能能力發展進程而言，戰術解決方案是不可用的。

自身的官僚主義阻礙了快速、分散的能力發展。為了確保人工智能驅動的能力，人們必須證明有足夠大的需求需要使用人工智能（如僅用五名分析師對數百萬個數據點進行排序），并通過多層官僚機構提交所謂的 "緊急行動需求"，以達到主要司令部的要求。一旦獲得批準，該請求將被轉發到JAIC進行裁決。一旦被裁定并在國防部的其他要求中被優先考慮，可能需要幾個月的時間才能找到一個開發者，并開始解決這個問題。在最好的情況下，這個過程可能會看到從需求提交到開發的6個月周轉期，這是不令人滿意的，如果服務要在2025年之前做好人工智能準備。這不是JAIC的錯，因為他們應該向國防部領導人和國會倡導人工智能，所以各部門有資金從外部尋求人工智能，同時學習如何在人工智能、ML和DL能力發展方面變得靈巧。筆者建議領導們認真考慮賦予機翼必要的預算、培訓要求，并與經批準的開發者名單（由全軍委員會批準）協調，以追求人工智能的努力。這項建議并沒有將JAIC完全從流程和能力發展中移除，因為該組織將繼續承擔正式的領導地位，制定政策并獲取最佳實踐，以便在整個國防部共享。

人工智能革命就在這里。本文確定了人工智能為部隊的每項任務提供的機會的縮影。人工智能、ML和DL為可能的事情打開了大門，并且應該讓ISR分析員以不同的方式思考問題及其解決方案。從基因突變到自動分析再到自主武器，可能性只限于可用的數據--或如何解釋可用數據。美國的對手已經具有威脅性，并且很可能在未來十年內增加。國家安全不僅需要提高對人工智能的認識，還需要開發和整合基于人工智能的武器系統。依靠簽約組織來開發機器算法，在未來是不可持續的。必須根據任務的需要調整任務算法，否則就會在一系列的能力中遭受失敗。

引言

本文件是北約 IST-151 研究任務組 (RTG) 活動的最終報告，題為“軍事系統的網絡安全”。該 RTG 專注于研究軍事系統和平臺的網絡安全風險評估方法。 RTG 的目標如下：

? 協作評估軍事系統的網絡安全，并在 RTG 的北約成員國之間共享訪問權限；

? 在 RTG 的北約成員國之間共享風險評估方法和結果；

? 將 RTG 的北約成員國使用的評估方法整合到一個連貫的網絡安全風險評估方法中，以使北約國家受益。

軍事平臺比以往任何時候都更加計算機化、網絡化和受處理器驅動。他們大量使用數據總線，如 MIL-STD-1553A/B、CAN/MilCAN、RS-422/RS-485、AFDX 甚至普通以太網，以及戰術通信的舊標準，如 MIL-STD-188C 和 Link 16。此外，捕獲器、傳感器、執行器和許多嵌入式系統是擴展攻擊面的額外無人保護的潛在輸入。結果是增加了網絡攻擊的風險。然而，這些平臺的持續穩定運行對于軍事任務的成功和公共安全至關重要。

軍事系統和平臺是網絡攻擊的首選目標，不是因為它們像消費電子產品那樣普遍，而是因為它們潛在的戰略影響。一旦受到影響，就可以實現各種短期和長期影響，從拒絕能力到秘密降低其有效性或效率。因此，軍隊必須在各個層面解決網絡安全問題：戰略層面，同時獲取平臺和系統；作戰層面，同時規劃軍事任務和戰術。

北約國家擁有大量可能面臨網絡攻擊的軍事平臺和系統。因此，北約將受益于利用當前的流程和方法來設計更安全的系統并評估當前系統的網絡安全。

本報告介紹了針對軍事系統和平臺量身定制的網絡安全評估方法，該方法由 RTG 團隊成員合作開發，并建立在他們的經驗和專業知識之上。團隊成員已經使用的流程被共享、分析、集成和擴充，以產生本報告中描述的流程。本報告的目標受眾是愿意評估和減輕其軍事系統的網絡安全風險的決策者。

圖一：網絡安全評估過程的五個主要步驟。

報告結構

第 2 節介紹了 RTG 團隊在其存在的三年中用于開發流程的方法。第 3 節列出了可以應用該過程的系統的一些特征。最后，第 4 節描述了評估流程，而第 5 節總結本報告。

執行總結

軍事平臺比以往任何時候都更加計算機化、網絡化和受處理器驅動。這導致增加了網絡攻擊的風險。然而，這些平臺的持續穩定運行對于軍事任務和公共安全的成功至關重要。

絕對的網絡安全是不存在的。必須通過迭代風險評估持續管理網絡安全。傳統 IT 系統存在許多網絡安全風險管理框架和流程。然而，在軍事平臺和系統方面，情況遠非如此。本文檔介紹了針對軍事系統量身定制的網絡安全風險評估流程。該流程由北約 IST-151 研究任務組 (RTG) 活動的團隊成員開發，該活動名為“軍事系統的網絡安全”。該過程可以應用于傳統的 IT 和基于固件的嵌入式系統，這些系統在軍事平臺和系統中無處不在。

前言

十多年來，公民數字能力框架 (DigComp) 在歐盟內外提供了對數字能力是什么的共識，因此為制定數字技能政策提供了基礎。作為在歐盟范圍內開發和衡量數字能力的框架，DigComp 的知名度已經很高。

展望未來，DigComp 還可以在實現我們雄心勃勃的歐盟目標方面發揮核心作用，即提高全體人口的數字技能和開發歐洲數字技能證書。在歐洲數字十年的數字指南針中，歐盟制定了雄心勃勃的政策目標，即到 2030 年使至少 80% 的人口具備基本數字技能并擁有 2000 萬 ICT 專家。社會權利行動計劃的歐洲支柱。

自采用以來，DigComp 為對數字技能和制定政策的共同理解提供了科學堅實和技術中立的基礎。然而，數字領域的發展很快，自該框架于 2017 年上次更新以來發生了很多事情。更具體地說，新興技術，如人工智能、虛擬和增強現實、機器人化、物聯網、數據化或新現象諸如錯誤信息和虛假信息之類的信息已導致公民對數字素養提出了新的和更高的要求。也越來越需要解決與數字技術互動的綠色和可持續性方面的問題。因此，本次更新考慮了公民面對這些發展所需的知識技能和態度。

同樣重要的是，DigComp 2.2 更新過程涉及咨詢非常廣泛的利益相關者，包括為此目的設立的專門的實踐社區。此外，通過在線和與國際勞工組織、教科文組織、聯合國兒童基金會和世界銀行等主要國際參與者的互動研討會，還有一個開放的驗證過程。這種廣泛的利益相關者參與和支持對于實現數字能力框架的持續認可和成功至關重要。

通過此次更新，我們的目標是讓 DigComp 與學習、工作和參與社會，以及歐盟政策制定和歐洲數字戰略相關，包括技能議程、數字教育行動計劃、數字十年與指南針，以及社會權利支柱及其行動計劃。

執行摘要

政策背景

工作和生活的數字技能是歐洲政策議程的重中之重。歐盟數字技能戰略和相關政策舉措旨在提高數字技能和數字化轉型能力。 2020 年 7 月 1 日的歐洲技能議程支持所有人的數字技能，包括支持數字教育行動計劃的目標，該計劃的目標是 i) 提高數字化轉型的數字技能和能力，同時 ii)發展高效的數字教育系統。數字指南針和歐洲社會權利支柱行動計劃設定了雄心勃勃的政策目標，即到 2030 年使至少 80% 的人口具備基本數字技能并擁有 2000 萬 ICT 專家。

D??igComp 2.2 更新

了公民數字能力框架，也稱為 DigComp，提供了一種通用語言來識別和描述數字能力的關鍵領域。它是一個歐盟范圍內的工具，用于提高公民的數字能力，幫助政策制定者制定支持數字能力建設的最新政策，并計劃教育和培訓計劃以提高特定目標群體的數字能力。本報告介紹了 2.2 版公民數字能力框架。它包括對知識、技能和態度示例的更新。此外，該出版物還匯集了有關 DigComp 的關鍵參考文檔，以支持其實施。

DigComp 實施

從 2013 年至今，DigComp 已用于多種用途，特別是在就業、教育和培訓以及終身學習方面。此外，DigComp 已在歐盟層面實施，以構建數字技能指標 (DSI)，用于制定政策目標和監測數字經濟和社會 (DESI)。另一個例子被納入 Europass CV，使求職者能夠評估自己的數字能力，并將評估納入他們的簡歷中。

相關和未來的 JRC 工作

JRC 關于個人能力發展參考框架的工作包括創業能力框架（EntreComp）；個人、社交和學習學習能力框架 (LifeComp) 和 GreenComp 以促進可持續發展。此外，歐洲教育工作者數字能力框架 (DigCompEdu) 支持專業背景下的數字能力建設，而歐洲數字能力教育組織框架 (DigCompOrg) 支持教育組織內的能力建設。

快速指南

本出版物有兩個主要部分。第 2 節介紹了集成的 DigComp 2.2 框架，突出了知識、技能和態度的新示例。這些例子說明了新的重點領域，旨在幫助公民自信、批判和安全地使用日常數字技術，以及人工智能 (AI) 驅動的系統等新興技術。

每種能力提供了大約 10 到 15 個示例，以激勵教育和培訓提供者更新他們的課程和課程材料以應對當今的挑戰，這些示例并非旨在詳盡列出能力所需的內容。附件包括一個完全可訪問的集成框架版本。

第 3 節和第 4 節收集了有關 DigComp 的關鍵參考文檔。它們包括用于自我反思和監控數字能力發展的工具，以及對幫助在不同環境（例如工作或國際層面）實施 DigComp 的指南和報告的參考。重要的是，給出了 DigComp 的翻譯和國家改編的快照，包括對 ESCO 分類的引用。

引言

這份新出版物介紹了公民數字能力框架的 2.2 更新。它還作為 DigComp 框架的完整參考資料，整合了以前發布的出版物和用戶指南。數字能力是終身學習的關鍵能力之一。

它于 2006 年首次定義，在 2018 年理事會建議更新后，內容如下：

“數字能力涉及自信、批判和負責任地使用和參與數字技術，用于學習、工作和參與社會。它包括信息和數據素養、溝通與協作、媒體素養、數字內容創建（包括編程）、安全（包括數字福祉和與網絡安全相關的能力）、知識產權相關問題、問題解決和批判性思維。” （理事會關于終身學習關鍵能力的建議，2018 年 5 月 22 日，ST 9009 2018 INIT）

能力是知識、技能和態度的組合，換句話說，它們由概念和事實（即知識）、技能描述（例如執行過程的能力）和態度（例如性格、思維定勢）組成。行動）（見方框 1）。關鍵能力是在整個生命中發展的。

方框1 DigComp框架的第4維度以非詳盡的方式概述了知識、技能和態度的例子

• 知識 它是指通過學習吸收信息的結果。知識是與工作或研究領域相關的事實、原則、理論和實踐的集合。

• 技能 他們是應用知識和使用知識來完成任務和解決問題的能力。在歐洲資格框架的背景下，技能被描述為認知能力（涉及使用邏輯、直覺和創造性思維）或實用性（涉及手的靈巧性及方法、材料、工具和儀器的使用）。

• 態度 它們被視為績效的動力，是持續勝任績效的基礎。它們包括價值觀、愿望和優先事項。

根據 2006 年理事會建議，實施數字能力的工作于 2010 年開始。2013 年，第一個 DigComp 參考框架問世，將數字能力定義為五個主要領域的 21 種能力的組合（圖 1）。自 2016 年以來，五個領域是信息和數據素養；溝通與協作；數字內容創作；安全;和解決問題（圖 3）。附件 1 中描述了進一步的方法學細節。

圖1 DigComp概念參考模型

諸如 DigComp 框架之類的參考框架創建了一個一致的愿景，即在能力方面需要什么來克服現代生活幾乎所有方面的數字化所帶來的挑戰。他們的目標是使用商定的詞匯建立一個共同的理解，然后可以將其一致地應用于從政策制定和目標設定到教學規劃、評估和監控的所有任務。最終，在調整干預措施（例如課程開發）以適應目標群體的特定需求時，由用戶、機構、中介機構或倡議開發者來調整參考框架以適應他們的需求。要了解有關 DigComp 使用的更多信息，請參閱第 3 節。

更新版本有什么新內容？

2.2 更新側重于“適用于每項能力的知識、技能和態度的示例”（維度 4）。對于 21 項能力中的每一項，都給出了 10 到 15 條陳述，以說明及時更新的示例，突出當代主題。因此，更新不會改變概念參考模型的描述符（圖 1），也不會改變熟練程度的概述方式（維度 3）。此外，維度 5 中呈現的用例保持不變。第 2 節提供了集成的 DigComp 框架 2.2。

超過 250 個示例突出了自上次更新以來出現的新主題。例如，對于負責課程規劃和更新的人員，以及開發 Dig Comp 培訓大綱或課程內容的人員，新示例將變得有用。他們可以使用這些示例來解決與當今社會相關的主題，其中一些主題如下：

? 社交媒體和新聞網站中的錯誤信息和虛假信息（例如，事實核查信息及其來源、假新聞、深度造假）信息和媒體素養

? 互聯網服務和應用程序的數據化趨勢（例如關注如何利用個人數據）

? 公民與人工智能系統交互（包括數據相關技能、數據保護和隱私，以及道德考慮）

? 物聯網 (IoT) 等新興技術

? 環境可持續性問題（例如 ICT 消耗的資源）

? 新興環境（例如遠程工作和混合工作）

正如“示例”一詞本身已經解釋的那樣，這些新陳述并不代表能力本身的詳盡清單。因此，重要的是要強調新的 DigComp 知識、技能和態度示例不應被視為所有公民所期望的一組學習成果。然而，可以將它們作為基礎來制定對學習目標、內容、學習經驗及其評估的明確描述，盡管這需要更多的教學計劃和實施。

其次，這些例子不是在熟練程度上開發的。即使人們可以觀察到它們的復雜性的一些異質性和差異（其中一些例子可能集中在非常初級的新知識水平，而其他例子可以說明更復雜的任務），這并不意味著它們是一種工具衡量進度。對于每種能力，維度 3 概述了 8 個熟練程度。

最后，知識、技能和態度的新例子不能作為評估工具或作為自我反省自身能力發展的工具。有關經過驗證的自反射儀器，請參閱第 3.1 節中的更多信息。

關鍵能力之間的聯系

關于終身學習關鍵能力的建議確定了對公民實現個人成就、健康和可持續的生活方式、就業能力、積極的公民身份和社會包容至關重要的關鍵能力（圖 2）。

圖 2 數字能力是終身學習關鍵能力框架的一部分，并與其他能力相互關聯

所有關鍵能力相互補充和相互關聯。換句話說，一個領域必不可少的能力將支持另一個領域的能力發展。數字能力與其他關鍵能力之間也是如此。下面重點介紹了一些重要的相互聯系，盡管它們并非詳盡無遺，但它們的目的是更多地關注這種互補性如何在數字環境中遇到。

例如，在紙上或屏幕上閱讀時需要讀寫能力的各個方面。根據終身學習的關鍵能力推薦，讀寫能力包括，例如，“區分和使用不同類型的資源，搜索、收集和處理信息的能力”。在評估在線內容及其來源時需要這些技能，這是在當今媒體豐富的環境中構成信息素養不可或缺的一部分的能力（DigComp 能力 1.2）。

另一方面，DigComp 能力定義了通過數字技術參與公民身份（DigComp 能力 2.3）。公民能力本身在關鍵能力中被定義為“作為負責任的公民行事并充分參與公民和社會生活的能力”。新的例子試圖通過強調對兩個主題互補的知識、技能和態度來說明這種相互聯系。

此外，公民能力還與媒體素養相關聯，概述了“訪問、批判性地理解傳統媒體和新媒體形式并與之互動的能力，以及理解媒體在民主社會中的作用和功能的能力”。因此，可以說，媒體素養是2018年數字能力定義中新增的主題，位于公民身份與數字能力之間的相互聯系。要了解有關 DigComp 與媒體和信息素養之間互補性的更多信息，請參閱第 4.1 節。

在 DigComp 更新中，對個人、社交和學習學習能力的引用也很多，例如在管理自己的學習和職業（DigComp 能力 5.4）和支持個人身心健康（DigComp 能力 4.3）領域。

創業能力旨在在當今世界創造價值。將其與數字能力相結合，特別是與創造性地使用數字技術（Dig Comp 能力 5.3）相結合，可以幫助將想法轉化為對自己和他人的價值。另一方面，網絡禮儀（DigComp 能力 2.5）利用文化意識和表達的關鍵能力，同時也利用多語言能力（不同語言在社會或個人層面的共存）和多語言能力（動態并開發個人用戶/學習者的語言庫）在歐洲共同語言參考框架中有所不同。

這次更新中提出的新例子旨在讓人們更多地關注這些互聯在數字環境中可能會遇到的情況（上面突出顯示的互連并非詳盡無遺）。有關其他歐盟關鍵能力框架的更多信息，請參見第 4.2 節。

2018年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的能力。戰略和相關計劃包括了全面戰略的一些特點，但不是全部。例如，國防部的9個與人工智能相關的戰略和計劃并不包括與采用人工智能技術相關的資源、投資和風險的完整描述(見圖)。在未來與人工智能相關的戰略中，發布包括綜合戰略的所有特征的指導，可以幫助國防部更好地定位，幫助管理者確保對人工智能的問責和負責任的使用。

國防部已經開始識別并報告其人工智能活動，但其人工智能基線庫存存在局限性，如排除分類活動。國防部官員表示，這些限制將在AI庫存識別過程的后續階段得到解決。然而，國防部還沒有開發一個高層次的計劃或路線圖來捕獲所有的需求和里程碑。該計劃將為國防部提供一個高層次的、端到端對所有必要特征的視圖，以實現該計劃的目標，為國會和國防部決策者提供一個完整、準確的人工智能活動清單。

國防部組織在人工智能活動上進行合作，但可以更充分地納入領先的合作實踐。國防部使用了各種正式和非正式的合作機制，GAO之前的工作已經確定，如跨機構小組。國防部已經部分納入了領先的協作實踐，例如識別領導能力。然而，國防部官員告訴我們，他們正在制定指導方針和協議，明確定義參與人工智能活動的國防部組件的角色和職責。通過最終確定和發布這樣的指南，國防部可以幫助確保所有參與者對整個部門的AI工作的責任和決策達成一致。

引言

背景

人工智能 (AI) 正在徹底改變各行各業，使機器能夠從經驗中學習、適應和執行需要人類認知的任務。人工智能在 60 多年前首次被概念化，人們對人工智能應用程序的興趣有升有降。在過去十年中，有幾個因素促成了人工智能的近期復蘇，包括計算能力的提高、海量數據存儲以及人工智能算法方法的創新（包括機器學習）。

人工智能已被廣泛接受，并有望在生產力、效率和生活質量方面帶來相當大的好處。人工智能在銀行和金融行業的欺詐檢測和高頻股票交易方面發揮著重要作用。人工智能在國家安全中用于網絡安全和對象/威脅識別。人工智能在醫療保健中用于分析醫療數據以幫助診斷并預測患者的有效治療方案。當前人工智能子領域和技術有望擴展到交通生態系統——具有潛在的變革性影響。

智能交通系統 (ITS) 聯合項目辦公室 (JPO) 及其模式合作伙伴在利用互聯汽車 (CV)、自動駕駛汽車 (AV)、共享出行等新興技術解決移動性、安全性和公平性方面的基本問題方面一直處于領先地位服務和便利的交通能力。在過去的幾年里，美國運輸部 (USDOT) 對人工智能的探索有了巨大的發展（Thompson D.，2019 年）。 USDOT 的一些模態管理機構，包括聯邦公路管理局 (FHWA)、聯邦鐵路管理局 (FRA) 和聯邦航空管理局 (FAA)，一直處于采用人工智能解決方案交付任務的最前沿。基于 AI 的應用程序已用于視頻分析、異常檢測、安全分析和數據融合。例如，FHWA 的探索性高級研究計劃資助了人工智能技術的開發，用于收集大量交通數據，包括安全數據，以發現趨勢并識別看似不同的數據流之間的關系，并用于視頻分析以幫助確定駕駛員行為各種駕駛場景（美國運輸部，2019）。 FHWA 的交通分析工具 (TAT) 計劃正在研究使用 AI 開發預測技術和評估工具（FHWA ATDM，2020）。 FHWA 的高級交通和擁堵管理技術部署 (ATCMTD) 計劃最近獲得了超過 1600 萬美元的贈款，用于開發人工智能驅動的多式聯運管理解決方案（USDOT，2020 年）。FRA 正在開發一套使用人工智能和無人機系統 (UAS) 進行預測分析和入侵者檢測的技術（Baillargeon，2019 年）。其他機構，例如聯邦運輸管理局 (FTA)、聯邦汽車運輸安全管理局 (FMCSA) 以及管道和危險材料安全管理局 (PHMSA)，正在探索人工智能必須在公民中提供的承諾——

2019 年 2 月 11 日，簽署了關于保持美國在人工智能領域的領導地位的第 13859 號行政命令，以實施一項政府戰略，將人工智能提升為其關鍵優先科學技術領域之一（白宮，2019 年）。 USDOT 戰略計劃（2018-2022 年）將“創新：引領創新實踐和技術的開發和部署，以提高國家交通系統的安全性和性能”作為四個戰略目標之一（美國交通部，2018 ）。結合 USDOT 的戰略目標和行政命令，ITS JPO 將人工智能研究確定為優先領域，以加速州和地方機構采用人工智能來解決交通問題。為此，USDOT 確定了與新興支持 AI 的交通運輸應用程序合作的兩種關鍵方式：(i) 將 AI 集成到安全關鍵領域，以及 (ii) 采用和部署基于 AI 的工具，改善企業職能的交付（美國交通部，2019 年）。

目的

本報告的目的是確定可用于解決特定交通問題和需求的人工智能應用類別，并根據文獻綜述，在每個類別下提供現有和潛在的人工智能應用的高級總結。

結構

該報告的組織結構如下：
 ? 第 2 章確定并定義了 11 大類支持人工智能的應用程序，這些應用程序可用于解決特定的交通問題和需求。 ? 第 3 章提供了與 11 個類別對應的支持 AI 的應用程序的摘要描述。每個部分對應一個類別，包括對該類別下現有和潛在的人工智能應用程序的摘要描述，以及 USDOT 在投資該類別下的人工智能應用程序方面的潛在作用。本章還總結了所有類別中常見的使用人工智能的風險和障礙。 ? 第 4 章介紹了結論和后續開發。

【導讀】紐約大學AI Now研究所發布了第四份關于人工智能現狀的年度報告。2019年AI Now報告重點關注行業AI不平等加劇等主題，政府決策者在人工智能中的作用與責任，還評估了人工智能道德與有意義的問責制之間的差距，并研究了組織和監管在人工智能中的作用。

1. 決策者應禁止在影響人們生活和獲得機會的重要決策中使用情感識別。在那之前，人工智能公司應該停止部署它。情感識別技術是面部識別技術的一個子類，聲稱可以探測諸如性格、情緒、心理健康和其他內心狀態等方面的信息。鑒于情感識別技術存在爭議的科學基礎，它不應該被允許在人類生活的重要決策中發揮作用，比如面試或聘用誰、保險的價格、病人的疼痛評估或學生在學校的表現。在去年建議實施嚴格監管的基礎上，各國政府應明確禁止在高風險決策過程中使用情感識別。

2. 政府和企業應該停止在敏感的社會和政治環境下使用面部識別，直到風險被充分研究和適當的監管到位。2019年，面部識別在許多領域迅速擴展。然而，越來越多的證據表明，這種技術會造成嚴重的傷害，尤其是對有色人種和窮人。在敏感的社會和政治領域——包括監視、警務、教育和就業——應暫停使用面部識別，因為在這些領域，面部識別會帶來無法追溯的風險和后果。立法者必須補充(1)透明度要求，讓研究人員，政策制定者和社區評估和理解限制和調節面部識別的最佳方法;(2)為使用這些技術的社區提供保護，使其有權自行評估和拒絕使用這些技術。

3. 人工智能行業需要進行重大的結構性改革，以解決系統性的種族主義、厭女癥和缺乏多樣性的問題。人工智能行業驚人地同質化，這在很大程度上是因為它對待女性、有色人種、性別少數群體和其他未被充分代表的群體的方式。為了開始解決這個問題，應該公開更多關于薪酬水平、對騷擾和歧視的回應率以及招聘做法的信息。它還需要終結薪酬和機會不平等，并為高管們提供真正的激勵，以創造、促進和保護包容性的工作場所。最后，采取的任何措施都應該解決兩級勞動力的問題。在這兩級勞動力中，許多科技公司的有色人種都是薪酬過低、弱勢的臨時工、供應商或承包商。

4. 人工智能偏見研究應該超越技術層面的修正，關注更廣泛的政治和人工智能使用的后果。對人工智能偏見和公平性的研究已開始超越以統計平等性為目標的技術解決方案，但需要對人工智能的政治和后果進行更嚴格的審查，包括密切關注人工智能的分類實踐和危害。這就要求外勤中心的“非技術”學科，其工作傳統上審查這些問題，包括科學和技術研究、關鍵的種族研究、殘疾研究，以及其他與社會背景密切相關的學科，包括如何構建差異、分類工作及其后果。

5. 政府應要求公開披露人工智能行業對氣候的影響。考慮到人工智能發展對環境的重大影響，以及人工智能行業的權力集中，政府有必要確保大型人工智能供應商向公眾披露人工智能發展的氣候成本。與汽車和航空行業的類似要求一樣，這種披露有助于為更明智的氣候和技術集體選擇奠定基礎。信息披露應包括通知，允許開發人員和研究人員了解他們使用人工智能基礎設施的具體氣候成本。氣候影響報告應與任何抵消或其他緩解戰略的核算分開。此外，各國政府應利用這些數據，確保人工智能政策考慮到任何擬議的人工智能部署的氣候影響。

6. 工人應該有權對剝削性和侵入性的人工智能提出異議——工會可以提供幫助。啟用人工智能的勞動管理系統的引入引發了有關工人權利和安全的重大問題。這些體制的使用亞馬遜倉庫超級InstaCart-pools權力和控制手中的雇主和危害主要是低薪工人(顏色的不成比例的人是誰)通過設置生產力目標與慢性損傷、死亡和施加心理壓力,甚至是不可預測的算法減薪,破壞經濟穩定。員工有權對這些決定提出質疑，并就安全、公平和可預見的工作場所標準達成一致。傳統上，工會一直是這一過程的重要組成部分，它強調了企業有必要讓員工組織起來，而不必擔心遭到報復。