引言： 模擬方法，包括物理合成環境，已經在許多行業的人員技能培訓中發揮了重要作用。其中一個例子就是將其應用于培養國防和安全人員的態勢感知和判斷技能。虛擬現實技術的快速發展為開展此類培訓提供了新的機遇，但在將虛擬現實技術作為強制培訓的一部分之前，應對其適用性和有效性進行嚴格測試。

方法： 在這項工作中，我們采用了測試模擬環境逼真度和有效性的既定方法，對三種不同的使用武力決策訓練方法進行了比較。來自英國皇家空軍的 39 名下馬近戰部隊人員在以下條件下完成了射擊/不射擊判斷任務：i) 實彈射擊；ii) 虛擬現實；iii) 2D 視頻模擬。在所有三種環境中記錄了一系列射擊準確性和決策指標。

結果顯示 結果表明，二維視頻模擬在訓練中對決策幾乎沒有挑戰。實彈射擊和虛擬現實模擬的決策性能相當，但兩者在訓練判斷技能的方法上可能略有不同，也許是互補的。

討論： 因此，應謹慎選擇不同類型的模擬，以滿足確切的培訓需求。

1 引言

模擬訓練是指使用合成或計算機化的環境來復制現實世界中的場景，以培養技能。出于成本、實用性、安全性和設施可用性等原因，模擬訓練被廣泛用于具有挑戰性或不可能進行真實世界練習的行業。在某些情況下，某種形式的模擬是不可避免的，即使它涉及基本的合成復制，如在水果上練習手術縫合（如 Wong 等人，2018 年）。在航空領域，高保真飛行模擬器是飛行員培訓的基本組成部分，因為在真實飛機上練習既過于昂貴，又有生命危險（Salas 等人，1998 年）。核退役領域的受訓人員除了要考慮明顯的安全問題外，還經常要準備使用尚不存在或無法停用的設備進行培訓（Popov 等人，2021 年）。在其他情況下，雖然可以進行真實世界的練習，但由于模擬更方便或更具成本效益，因此選擇了模擬。例如，盡管體育任務很少難以再現，但人們對虛擬現實（VR）、增強現實（AR）和混合現實（MR）等計算機模擬作為訓練體育技能的方式越來越感興趣（Harris 等人，2020 年；Wood 等人，2020 年）。在體育和康復等相關應用領域（Alrashidi 等人，2022 年），計算機模擬使個人能夠自行進行額外的練習，幾乎可以無休止地變化，使其成為有吸引力的體能訓練替代品（或補充品）。

最近的技術進步意味著，VR、AR 和 MR 技術現已成為模擬訓練中極具吸引力的選擇。這些技術可以對各種環境進行高保真模擬，而且成本低廉，易于使用。然而，VR 是否適合所有類型的培訓，以及 VR 環境在被采用之前是否經過了適當的測試，這些問題也引起了人們的關注（Harris 等人，2020 年）。從廣義上講，模擬（無論何種模擬）都是為了復制任務的某些方面（如行為目標和任務限制），而不復制其他方面（如危險和成本）（Stoffregen 等人，2003 年）。因此，為了進行有效的模擬訓練，有必要了解模擬環境與相應真實世界任務之間的一致程度，以及任何差異可能對學習產生的影響（Harris 等人，2019 年；Valori 等人，2020 年）。這種評估可以通過量化環境的保真度和有效性1 等方面來實現。

在以往的工作中，研究人員已經確定了進行模擬評估的保真度和有效性的幾個關鍵方面。環境的物理保真度--看起來和感覺上是否真實--通常是通過記錄用戶是否感覺自己完全沉浸在模擬環境中來評估的，使用的是自我報告的臨場評分（Makransky 等人，2019 年；Harris 等人，2020 年）。研究人員曾將參與者在經過驗證的測試或測量中的表現與新模擬器中的測量結果進行比較，以確定并發效度，并發效度是指兩個不同評估之間的一致程度（如 Xeroulis 等人，2009 年）。除了與現有的驗證方法保持一致外，有效的模擬訓練還應充分代表技能的功能，從而為真實世界的專業知識提供一個良好的指標。這種與真實世界的對應關系被稱為建構效度，通常通過比較專家和新手在模擬中的表現來評估（例如，Bright 等人，2012 年；Wood 等人，2020 年）。Lukosch 等人（2019 年）提出了一個概念化人機界面保真度的框架，其重點在于用戶與環境之間的交互質量，而不僅僅是逼真的視覺呈現。因此，他們還確定了保真度的各個方面，如心理和社會保真度。在考慮應用虛擬現實技術訓練復雜的感知認知技能時，強調用戶與環境之間互動的逼真性尤為重要。

在目前的工作中，我們試圖研究用于訓練判斷技能的三種不同的模擬方法，作為軍事房間清理工作的一部分。在軍事背景下，判斷力訓練是指培養識別威脅和非威脅的能力，并快速準確地使用適當武力的過程。射擊/不射擊決策就是一個例子。要做出有效的判斷，就必須具備態勢感知能力，并適當識別和使用環境信息（Randel 等人，1996 年；Biggs 等人，2021 年）。然而，真實的近距離作戰條件很難再現。因此，判斷技能的訓練通常采用某種形式的合成或模擬訓練，使這些能力在半真實的環境中得到發展（Li 和 Harris，2008 年；Armstrong 等人，2014 年；Nieuwenhuys 等人，2015 年；Staller 和 Zaiser，2015 年）。

英國國防部判斷訓練的主要選擇是基于屏幕的射擊場模擬或實彈判斷射擊。基于屏幕的射擊場模擬使用一種名為 "下馬近戰訓練器"（DCCT）的工具進行，該工具由一個大型 2D 視頻屏幕組成，受訓人員使用退役手槍、步槍和輔助武器進行射擊。另一種方法是在近距離戰斗環境（使用模擬房間進行物理模擬）中使用實彈或非致命性訓練彈藥進行實彈判斷射擊2。與基于屏幕的射擊場相比，實彈判斷射擊提供了更逼真的環境，但由于靜態紙板目標和必須手動重置的同質物理房間設置，其逼真度和靈活性都受到限制。虛擬現實技術可以提供有吸引力的第三種選擇，既能提供逼真的視覺效果和身臨其境的感覺，又能提供多種多樣的訓練可能性。鑒于各行各業（包括國防）都需要測試新的訓練方法來優化人類技能訓練，我們比較了這兩種現有方法與頭戴式 VR 的判斷性能。

我們用于比較判斷力訓練模擬選項的方法與之前討論的評估物理逼真度、并發有效性和構造有效性的工作（van Dongen 等人，2007 年；Bright 等人，2012 年；Perfect 等人，2014 年）密切相關。為了解決這三個方面的問題，我們：i) 收集用戶的臨場報告，以確定足夠的保真度；ii) 與其他方法進行比較（和相關性），以測試并發有效性；iii) 檢查與真實世界專業知識的關系，以測試構造有效性。由于這項工作只是對模擬判斷力訓練的不同方法進行初步探索，因此沒有對不同訓練環境之間的確切關系提出具體假設。

2 方法

2.1 設計

研究采用橫斷面重復測量設計，所有參與者按照平衡順序完成三個實驗條件，以控制任何學習效應。這三個實驗條件分別是二維視頻模擬、實彈射擊模擬和房間清理任務 VR 模擬。

2.2 參與者

受試者是從英國皇家空軍團女王之色中隊（英國皇家空軍部隊保護部隊）的下馬近戰部隊中招募的。參試者均為現役合格的下馬近距離作戰人員，軍銜從領班到下士不等。所有參與者在參加研究前均已獲得書面知情同意，并按國防部標準費率獲得參與報酬。實驗程序由埃克塞特大學部門倫理委員會和國防部研究倫理委員會共同審查（參考編號：2102/MODREC/21）。

在收集數據之前，我們進行了先驗功率計算，以確定得出準確結論所需的樣本量。在一項密切相關的研究中，Blacker 等人（2020 年）考察了軍事級模擬器和視頻游戲在射擊/不射擊決策方面的關系。Blacker 等人報告稱，模擬器和視頻游戲在射擊準確性（即命中率）方面的關系為 r = 0.48。因此，考慮到 α = 0.05 和 80% 的功率，在本研究中，需要 31 名參與者才能檢測到類似大小的雙變量相關效應。我們的樣本共有 39 名參與者（人口統計學數據見表 1），足以檢測出類似大小的效應。36 名參與者參與了所有條件，另有兩名參與者同時參與了 2D 視頻和 VR 條件，一名參與者僅參與了 VR 條件。

表1 參與者的統計數據。

2.3 條件

在所有三種模擬條件下，參與者都要完成 18 次試驗，其中 9 次包括威脅性目標，9 次包括非威脅性目標。試驗以假隨機順序呈現。

2.3.1 虛擬現實房間條件

在虛擬現實房間通關條件下，參與者佩戴 HTC Vive Pro Eye 頭戴式顯示器（HTC 公司）。這種消費級 VR 系統使用兩個燈塔基站以 120 Hz 的頻率跟蹤頭顯和手部控制器的移動。在本研究中，VR 系統經過專門改裝，以記錄 SA80 武器復制品的使用情況（見圖 1A、B）。這種仿制設備允許參與者在模擬訓練空間自由自然地漫游時，通過扣動 VR 手部控制器上的扳機來瞄準和射擊目標。虛擬環境（見圖 1C、D）由一個長方形小房間組成，參與者通過一扇敞開的門進入房間。在每次試驗中，房間內部的視覺設計特征略有不同（如不同的家具和壁畫），但其整體大小和布局保持不變。受試者從外面開始，需要進入并搜索每個房間，然后再決定是向目標射擊還是按兵不動。參與者被讀取一份腳本，指示他們根據訓練內容進入房間，所有三個條件下的訓練內容都是標準化的（見 //osf.io/vdk87/）。為了讓受試者熟悉環境和武器的行為，在進行任何試驗之前，受試者都可以在一個空房間里走動并開槍。不過，在試驗開始前，他們不會看到任何射擊/不射擊的刺激。

圖 1. VR 硬件和軟件。HTC Vive Pro VR 頭戴式顯示器（A）、位置跟蹤仿制武器（B）和游戲截圖（C、D）。圖片歸英國皇家空軍霍寧頓空軍所有。

每次重復訓練都會在虛擬房間內生成一個目標。這些模擬目標包括從 Sykes-McQueen 8,000 系列威脅評估靶場（英國蘇格蘭邊界的 McQueen Targets）拍攝的靜態圖像（見圖 3）。目標的具體位置在逐次試驗的基礎上有所變化。最重要的是，這些目標與實彈射擊條件下使用的目標相同（見下文），并且是為了提供與威脅和非威脅線索密切匹配的變體而選擇的。每幅圖像都顯示了一名手持武器（槍支）或非敵對物體（如手機、手電筒或攝像機）的戰斗人員。因此，正確的決策反應將通過射擊具有威脅性的 "敵方 "目標和不射擊 "友方 "非威脅性目標來體現。

2.3.2 實彈射擊房間條件

實彈射擊條件是在一個重新利用的飛機庫中進行的，該機庫包含一些較小的房間，是為訓練室進入演習而設計的。該條件下的威脅/非威脅刺激包括顯示與 VR 中相同的 Sykes-McQueen 圖像的紙板目標。參與者使用裝有非致命性訓練彈藥的 SA80 武器向目標射擊，這種彈藥會釋放出一個小油漆囊，然后可以在目標上識別出來。

該條件下使用的是一個長方形房間。受訓者從走廊進入，房間的門已經打開，以配合 VR 條件下的自動開門。與其他條件一樣，每個房間都有一個目標，要么是威脅，要么是非威脅。在被試完成每個房間的搜索（并退出房間）后，實驗者從另一扇門進入并更換房間中的目標。

實驗員實時記錄參與者的決定（射擊/不射擊），并在每次房間搜索后拍攝目標照片。之后，通過使用 MATLAB 編程環境（Mathworks，馬薩諸塞州，美國）測量射擊與目標質量中心的距離，計算射擊精度。參與者的頭盔上還安裝了一臺 GoPro Hero 4 攝像機，以第一人稱視角記錄每次試驗。這段視頻隨后被用來通過逐幀視頻分析計算反應時間（即從目標出現在受試者視野中到開槍的時間）。

2.3.3 視頻模擬房間條件

二維視頻模擬條件（使用下馬近距離格斗訓練器）在英國皇家空軍霍寧頓基地的虛擬訓練場進行，該訓練場由一系列射擊道和一個大型投影儀屏幕（位于房間前部，見圖 2）組成。參與者配備了一把停用的 SA80 步槍，該步槍通過藍牙信號與控制人員的基站相連。這種無線纜模擬訓練武器配備了專門的氣體循環系統，以復制槍栓的動作。

圖 2. 2D 視頻模擬條件。下馬近戰訓練器。圖片歸英國皇家空軍霍寧頓空軍所有。

實驗人員指示參與者像進入房間一樣準備好武器。準備就緒后，他們會看到一個目標，就像已經進入房間一樣（即，就像他們站在門口一樣）。然后，他們做出射擊或不射擊的決定。如上所述，參與者在每次試驗中都會看到一個具有威脅性或不具有威脅性的目標，并被指示在面對武裝戰斗人員時采取致命武力行動。在這種條件下，不可能完全復制相同的麥昆目標，因此戰斗人員是從控制軟件（Virtual Battlespace 2，Bohemia Interactive Simulations，Farnborough，United Kingdom）中選取的，但都是密切匹配且明顯具有敵意或無敵意的目標。這些目標的手臂和頭部會有一些細微的動作，但在射擊之前都會保持在一個位置。

為了能夠在這些條件下進行客觀的成績分析，在這些試驗的整個過程中，GoPro Hero 4 攝像機（GoPro Inc，美國加利福尼亞州）被放置在受試者的左后方。該錄像設備的位置可以檢測到目標物體何時出現，以及參與者是否開槍。實驗人員也會觀看電腦屏幕，并手動記錄參與者開槍的時間。

2.4 程序

參與者是在英國皇家空軍霍寧頓空軍基地的訓練周期間招募的。符合條件的人員會在訪問前得到聯系，并通過電子郵件收到一份詳細的研究信息表。隨后，有興趣參加的人員參加了由研究小組親自主持的說明會，會上向他們介紹了研究目的和程序，并提交了書面知情同意書。然后，他們填寫了有關從軍經歷和軍銜的自我報告問卷。在隨后的 3 天里，參與者按照拉丁方塊設計的假隨機順序，分別完成了三種實驗條件中的一種。在完成最后一個環節后，參與者將聽取研究匯報，并感謝他們的參與。

2.5 測量

從所有條件中獲取以下變量：

2.5.1 決策準確性

當受試者的反應（即射擊/不射擊動作）與適當的目標提示相吻合時，得分為 "1"，不吻合時得分為 "0"。然后將每位受試者的平均得分換算成準確率。

2.5.2 誤報

記錄在每個條件下對無威脅目標開槍的次數，并同樣轉換成百分比。

2.5.3 射擊精度

計算為二元命中/未命中變量，并轉換為準確率百分比。

2.5.4 反應時間

從刺激出現（目標出現）到扣動武器扳機之間的時間。

2.5.5 D-prime和β值

根據 Blacker 等人（2020 年）的研究，從信號檢測理論（Green 和 Swets，1966 年）中得出的兩個額外變量被用來補充原始決策準確度和誤報測量值。信號檢測理論描述了人類感知系統如何推斷 "信號 "的存在與否，這里的 "信號 "是指目標的性質。因此，我們研究了對威脅的敏感度（d-prime）和反應傾向（β）在不同的模擬條件下是否存在差異（見圖 3）。

圖 3 信號檢測理論圖解。(A) 中的矩陣顯示了信號和反應的四種可能組合。(B) 顯示了與信號（武器存在或不存在）和噪聲分布相關的 d-prime 和 beta 指標。如圖所示，d-prime 值較大，因為觀察者能夠感知到信號與噪聲之間的明顯差異。貝塔值在右側，表明反應策略比較保守。(C）顯示了在合成和 VR 環境中使用的賽克斯-麥奎因 "8000 范圍 "威脅評估目標的示例。

D-prime 提供了一個人對刺激敏感度的指數，它是根據 "命中"（即在正確的時候正確發射）與 "誤報"（即在不應該發射的時候發射）的比率計算得出的。具體來說，d-prime 表示命中和誤報的 z 轉換比例之差[d' = z(H)-z(F)，其中 H=P（"是"|"是"），F=P（"是"|"否"）]。數值越大，靈敏度越高（命中率與誤報率的比率越高）。

Beta (β)是反應偏差的度量，它反映了一些人反應不足，只有在確定的情況下才開槍（即保守偏差，數值低于 0），而另一些人則偏向于過度反應（即自由偏差，數值高于 0）。Beta 是根據計算 d-prime 時所使用的 z 值標準的正態密度函數的比率計算得出的。

2.5.6 存在感

最近的研究討論了 "臨場感"（即真正存在于虛擬環境中）如何影響學習和成績（Makransky et al.） 為了測試 VR 和 2D 視頻系統的保真度是否足以提供身臨其境的體驗，參與者被要求提供一份自我報告的臨場感測量問卷，該問卷改編自 Pan 等人（2016 年）的研究成果。該問卷（可在此處查看： 10 個項目組成，記錄了與物理環境相比，參與者在模擬環境中的真實感受程度。諸如 "我在培訓環境中有一種身臨其境的感覺 "之類的問題，可以用 1-7 分的李克特量表來回答，錨定在 "根本沒有 "和 "幾乎一直有 "之間。該問卷先前已在實驗誘導的臨場感中斷方面得到驗證（Slater 和 Steed，2000 年），并被用于醫療評估場景（Pan 等人，2016 年）、航空模擬（Harris 等人，2022 年）和社交互動（Pan 等人，2015 年）。存在感問卷用于 VR 和 2D 視頻條件，因為這些問題不適用于真實世界的活動。

2.5.7 專業知識

在填寫完同意書后，我們立即發放了一份問卷，收集參與者的人口統計學信息。參與者被要求報告從軍年限和軍銜。

2.6 數據分析

首先對數據進行篩查，以確定是否存在離群值和極度偏離正態的情況（Tabachnick 和 Fidell，1996 年）。然后使用一系列重復測量方差分析來比較三種條件下的性能變量（決策、信號檢測指標和射擊精度）。當數據嚴重偏離正態時，則采用非參數檢驗（弗里德曼檢驗）。此外，還使用配對 t 檢驗來比較 VR 和 2D 視頻模擬的存在，以測試逼真度。然后，使用一系列雙變量相關性檢驗來探究每個條件下記錄的性能指標之間的關系，以檢驗并發有效性。最后，還計算了經驗與每個性能變量之間的相關性，以確定真實世界的經驗是否與模擬中的性能相關，即構造效度。結果發現，2D 視頻條件下的決策變量達到了上限--只有兩次（超過 300 次）威脅目標沒有被擊中，而且只發生了一次誤報。因此，這些變量幾乎沒有變異，不適合進行標準統計分析，所以這些變量包含在圖表中，但在某些統計檢驗中被省略了。本研究的匿名數據可從開放科學框架獲取。

4 討論

在本研究中，我們探討了軍隊中用于訓練判斷技能的三種模擬類型。模擬是許多行業中人類技能培訓的重要組成部分，而商用頭戴式 VR 的日益普及為這一領域創造了新的可能性（Lele，2013 年；Bhagat 等人，2016 年；Siu 等人，2016 年）。在采用 VR 等新方法之前，應將其與其他模擬形式（如現有和/或替代培訓方法）進行系統評估。我們觀察到三種模擬訓練（VR、2D 視頻和實彈射擊）在決策行為上存在重大差異，這表明它們并沒有帶來同等的判斷挑戰。要找出造成這些差異的確切原因，還需要進一步的工作，但目前的結果表明，不同形式的模擬可能會提供根本不同的學習條件--帶來不同程度的挑戰、沉浸感和感知信息的變化，因此應謹慎選擇，以滿足確切的培訓需求。

我們評估模擬方法的首要標準是測試 VR 和視頻方法是否能提供高保真體驗，從而激發用戶的臨場感。對于 VR 和視頻模擬方法，相對于量表的限制和以前的使用情況（Pan 等人，2016 年），臨場感問卷的得分從中度到高度不等，這突出表明大多數參與者感覺自己仿佛真的存在于房間通關場景中（見圖 5）。這表明模擬環境的保真度很高，足夠逼真。VR 中的臨場感明顯高于 2D 視頻，這證明 VR 確實更具沉浸感。臨場感是否能為學習帶來直接益處尚不清楚（見 Makransky 等人，2019 年），但它可能有助于某些 VR 任務中更逼真的行為和任務參與（Slater 和 Sanchez-Vives，2016 年）。

接下來，我們試圖了解不同模擬條件下的決策傾向是否相似。雖然武器的物理特性以及射擊機制在不同條件下明顯不同，但我們希望確定決策傾向以及參與者的判斷訓練反應是否也有所不同。最明顯的發現之一是，2D 視頻對射擊/不射擊判斷的挑戰很小，因為參與者很少出錯，幾乎都達到了最高水平。因此，在訓練過程中幾乎沒有改進的余地，所以 2D 視頻條件不太可能提高用戶的判斷能力。天花板效應的原因可能是 2D 視頻條件的變化有限。例如，在實彈射擊和 VR 中，戰斗人員的位置各不相同，受試者可以選擇如何移動來確定他們的位置，而在 2D 視頻中，他們始終出現在屏幕中央，因此很可能會減少對感知和決策的挑戰。2D 任務的靜止性質，不需要使用房間清理戰術，也可能減少了決策挑戰。回到 Lukosch 等人（2019 年）的保真度框架，以及高質量的用戶與環境互動的重要性，VR 環境中運動的互動性更強，這可能是它們優于基于視頻的方法的地方（Bermejo-Berros 和 Gil Martínez, 2021 年）。

虛擬現實和實彈射擊在決策方面更具有可比性，兩種條件下的得分范圍相似。據統計，實彈射擊的決策準確性要好于虛擬現實，但這種差異相對較小。根據信號檢測理論（Green 和 Swets，1966 年）得出的 d-prime 和 beta 指標也顯示出 VR 和實彈射擊之間的相似模式。VR 中的 D-prime 值（探測靈敏度）低于實彈射擊，但 beta 值（表示決策偏差）并無顯著差異，這表明 VR 并未使人們的判斷更加自由或保守。與實彈射擊相比，VR 中的探測靈敏度降低，反應時間延長，這可能表明 VR 帶來了額外的決策挑戰。雖然一些額外的挑戰可能有利于訓練，但這些差異也可能是 VR 中額外的認知負荷（Han 等人，2021 年）、更高的任務復雜性，或者僅僅是難以辨別環境的視覺細節。由于我們沒有收集更多關于可用性或工作量的數據，因此無法確定這些差異的確切來源。因此，未來的工作應該研究造成這些差異的確切特征，或許可以通過比較不同程度的視覺細節和不同程度的任務復雜性，以及密切測量認知負荷。盡管 VR 和實彈射擊條件之間存在這些差異，但虛擬和真實世界條件之間的廣泛相似性確實在一定程度上鼓勵人們相信，VR 可以提供足夠的心理逼真度，從而有效地進行訓練（見 Harris 等人，2020 年）。

在決策和信號檢測指標方面，2D 視頻、VR 和實彈射擊之間的相關性并不強。這表明，盡管 VR 和實彈射擊的得分分布相似，但在實彈射擊中表現出色的人不一定在 VR 中也表現出色。雖然 VR 可能提供了與實彈射擊類似的決策挑戰，但其性質似乎略有不同。雖然基于 VR 的訓練方法在訓練逼真度的某些方面往往會受到限制（例如，用戶可能會依賴不同的運動策略和感知線索： Liu等人，2009年；Harris等人，2019年；Wijeyaratnam等人，2019年），但它們激發 "逼真 "情感狀態和認知反應的能力可提供獨特的訓練優勢（例如，在軍事背景下，見：Pallavicini等人，2016年）。簡而言之，VR 和其他形式的模擬可能并不等同，但它們可以用于訓練技能表現的不同方面。例如，實彈射擊可能對培養武器操作能力更有效，但復雜而緊張的 VR 環境能讓受訓者更好地應對戰斗環境中的壓力和干擾。進一步研究比較 VR 或實彈模擬訓練后這些不同方面的表現將是有益的。

在射擊成績測量方面，不同條件下的差異較小，三組目標命中率的成對比較均無統計學差異。然而，三種條件下的準確性之間的相關性也很弱，這表明一種模擬中的技能并不能很好地遷移到其他模擬中。不過，需要注意的是，模擬訓練的主要目的并不是訓練武器操作，這可以通過其他方式實現。此外，在本研究中，我們對建構效度（即模擬中的表現是否與真實世界的經驗相關）的測試基本上沒有得出結論，因為所有表現變量與從軍年限之間的相關性都很弱。這表明，要么專業知識的衡量標準（年限）沒有充分反映現實世界中的專業知識，要么這些測試對這些差異都不敏感。

虛擬現實和實彈射擊在決策方面更具有可比性，兩種條件下的得分范圍相似。據統計，實彈射擊的決策準確性要好于虛擬現實，但這種差異相對較小。根據信號檢測理論（Green 和 Swets，1966 年）得出的 d-prime 和 beta 指標也顯示出 VR 和實彈射擊之間的相似模式。VR 中的 D-prime 值（探測靈敏度）低于實彈射擊，但 beta 值（表示決策偏差）并無顯著差異，這表明 VR 并未使人們的判斷更加自由或保守。與實彈射擊相比，VR 中的探測靈敏度降低，反應時間延長，這可能表明 VR 帶來了額外的決策挑戰。雖然一些額外的挑戰可能有利于訓練，但這些差異也可能是 VR 中額外的認知負荷（Han 等人，2021 年）、更高的任務復雜性，或者僅僅是難以辨別環境的視覺細節。由于我們沒有收集更多關于可用性或工作量的數據，因此無法確定這些差異的確切來源。因此，未來的工作應該研究造成這些差異的確切特征，或許可以通過比較不同程度的視覺細節和不同程度的任務復雜性，以及密切測量認知負荷。盡管 VR 和實彈射擊條件之間存在這些差異，但虛擬和真實世界條件之間的廣泛相似性確實在一定程度上鼓勵人們相信，VR 可以提供足夠的心理逼真度，從而有效地進行訓練（見 Harris 等人，2020 年）。

在決策和信號檢測指標方面，2D 視頻、VR 和實彈射擊之間的相關性并不強。這表明，盡管 VR 和實彈射擊的得分分布相似，但在實彈射擊中表現出色的人不一定在 VR 中也表現出色。雖然 VR 可能提供了與實彈射擊類似的決策挑戰，但其性質似乎略有不同。雖然基于 VR 的訓練方法在訓練逼真度的某些方面往往會受到限制（例如，用戶可能會依賴不同的運動策略和感知線索： Liu等人，2009年；Harris等人，2019年；Wijeyaratnam等人，2019年），但它們激發 "逼真 "情感狀態和認知反應的能力可提供獨特的訓練優勢（例如，在軍事背景下，見：Pallavicini等人，2016年）。簡而言之，VR 和其他形式的模擬可能并不等同，但它們可以用于訓練技能表現的不同方面。例如，實彈射擊可能對培養武器操作能力更有效，但復雜而緊張的 VR 環境能讓受訓者更好地應對戰斗環境中的壓力和干擾。進一步研究比較 VR 或實彈模擬訓練后這些不同方面的表現將是有益的。

在射擊成績測量方面，不同條件下的差異較小，三組目標命中率的成對比較均無統計學差異。然而，三種條件下的準確性之間的相關性也很弱，這表明一種模擬中的技能并不能很好地遷移到其他模擬中。不過，需要注意的是，模擬訓練的主要目的并不是訓練武器操作，這可以通過其他方式實現。此外，在本研究中，我們對建構效度（即模擬中的表現是否與真實世界的經驗相關）的測試基本上沒有得出結論，因為所有表現變量與從軍年限之間的相關性都很弱。這表明，要么專業知識的衡量標準（年限）沒有充分反映現實世界中的專業知識，要么這些測試對這些差異都不敏感。

以下是進行試驗后提出的一些推測性建議。在目前的情況下，實彈射擊可能對訓練房間清理的程序要素（如突破房門和搜查房間的教科書方法）最為有效。這是因為實彈射擊允許在房間內進行最逼真的移動、與實體門進行互動以及使用逼真的武器。不過，由于受訓者只是向靜態紙板目標射擊，因此判斷元素被簡化了很多。在當前的 VR 模擬中，目標是靜態的，以接近實彈射擊條件，但如果增加動態移動和不斷變化的目標（如拔出武器），則可能意味著 VR 是訓練射擊/不射擊決策的感知要素的最逼真方式。之前的研究表明，視覺搜索技能可以在 VR 中進行訓練（Harris 等人，2021 年），因此 VR 可能是判斷訓練中這一要素的良好選擇。例如，在實彈射擊訓練中，由于需要安全控制和訓練有素的教官，每次只有兩人中的一人進行練習。因此，當少數學員在教員的陪同下進行實彈演習并得到口頭反饋時，其他學員可以在 VR 上重復練習剛剛學到的技能。鑒于實彈射擊和虛擬現實方法可能帶來不同的益處，未來的研究可以探討將這些訓練方法結合起來以激發適應性知覺運動效應的有效性。與 VR 相比，2D 視頻模擬的唯一真正好處是，它允許使用逼真的武器（帶氣罐的 SA80 仿真槍，以模擬回彈），因此在沒有其他訓練選擇時可能會很有用。

5 結論

在本研究中，我們比較了軍隊判斷訓練中的三種模擬方法。我們采用循證方法對 VR、2D 視頻和實彈射擊室清理模擬進行了初步評估。我們的結果表明，對同一任務進行不同類型的模擬可能存在根本性差異，因此在訓練中采用模擬方法的人員應仔細考慮訓練目的以及所選模擬方法是否能實現教學目標。

無人飛行器/無人機（UAV）技術的最新進展極大地推動了無人飛行器在軍事、民用和商業領域的應用。然而，為無人機群建立高速通信鏈路、制定靈活的控制策略和開發高效的協同決策算法等方面的挑戰，限制了無人機群的自主性、魯棒性和可靠性。因此，越來越多的人開始關注協作通信，使無人機群能夠自主協調和通信，在短時間內合作完成任務，并提高效率和可靠性。本研究全面回顧了多無人機系統中的協作通信。我們深入探討了智能無人機的特點及其自主協作和協調所需的通信和控制要求。此外，還回顧了各種無人機協作任務，總結了無人機蜂群網絡在密集城市環境中的應用，并介紹了使用案例場景，以突出基于無人機的應用在各個領域的當前發展情況。最后，我們確定了未來需要關注的幾個令人興奮的研究方向，以推進無人機協作研究。

無人飛行器中的協作

起初，單無人機系統用于導航、監視和災難恢復，每個無人機作為一個孤立的節點直接與中央地面站連接。然而，在單無人機系統中，由于無人機在指定區域內獨立運行，因此更容易出現系統和通信故障。此外，無人機在網絡中獨立工作還需要更長的時間和更高的帶寬來完成任務。相比之下，在多無人機系統中，無人機共同工作以實現共同目標。例如，無人機可以協同工作，生成高分辨率圖像和三維地圖，以確定救災過程中的熱點區域。同時，配備嗅探器的無人機可以探測到高濃度的甲烷，從而找到破損的天然氣管道。因此，無人機還可以在不危及救援人員生命的情況下提供水和食物。因此，協調與合作對于在多無人機環境中實現理想性能至關重要。本節將詳細討論協作式無人機的要求和挑戰，如智能、通信、控制和協作。此外，我們還將介紹最先進的協作通信方法，以突出無人機網絡的貢獻和局限性。

A 智能無人機

傳統無人機的主要組成部分包括傳感、通信、控制和計算單元 [25]。傳感單元由集成在無人機上的多個傳感器組成，用于不同的目的，如評估高分辨率物體、溫度估計、光探測和天線配置[36]。同時，通信單元使無人機能夠相互通信并與中央控制站交換信息。強制控制單元通常控制傳統無人機的操作，包括避免碰撞、路徑規劃、目標跟蹤和資源管理。然而，與中央控制單元的頻繁通信以及無人機與無人機之間有限的通信能力限制了無人機獨立完成任務的自主性和協作性。例如，在救災行動中，具有自主功能的多架無人機可以執行協作功能，如一組無人機可以檢查危險區域，而其他無人機可以執行醫療援助補給投放任務，幫助災民。此外，配備高分辨率攝像頭和資源管理算法的無人機可以執行智能決策，將損失降到最低。同時，當無人機對城市環境中的風向模式有了更深入的了解后，它們可以利用這些知識避開亂流，選擇能量最小的路線，而無需頻繁接受控制單元的指令。

同樣，具有協作通信能力的智能無人機可以執行各種分布式操作，并為智慧城市應用做出獨立決策[32]。例如，在城市環境中工作的無人機需要與其他傳感設備、機器、機器人、無人機和人進行高度協調和協作，才能執行某些操作。因此，加強合作和對部署環境的了解有助于無人機與周圍物體進行無縫互動，以處理監測到的數據并做出實時決策，從而提高復雜環境中的安全性和可靠性[37]。同樣，無人機可以通過對城市環境中周圍物體的語義理解來提高物體識別能力，從而更好地理解和設計與周圍環境互動的方法。

然而，由于缺乏高效的智能自主無人機對無人機通信機制，無法實現無人機的獨立飛行、軌跡形成、目標定位和數據操作決策，這阻礙了基于無人機的應用范圍。因此，為了從無人機的天然特性（如高機動性、靈活部署和不同類型傳感器集成）中獲益，有必要更加關注無人機的自主性和智能協作通信能力集成，以提高無人機作為一個團隊了解環境、共享知識和資源以做出智能決策的性能，而無需高度依賴中央控制的系統指令[38]。

B 通信要求

在多無人機系統中，無人機之間以及無人機與中央骨干基礎設施之間都要進行通信，以順利完成各種指定任務。無人機與基礎設施網絡之間的通信一般遵循兩種通信模式，即無人機與基礎設施之間的通信和無人機與無人機之間的通信，以交換數據并確保高水平的連接性，從而實現協作通信。本節將詳細討論這兩種模式的通信要求。

1. 無人機對基礎設施： 如圖 2 所示，無人機對基礎設施通信可實現無人機與基礎設施網絡之間的信息傳輸，使用的平臺包括地面平臺、高空平臺（HAP）和衛星。無人機可充當通信中繼站、用戶或基站，以建立有效的通信。在無法直接聯系的情況下，無人機作為中繼器可在地面站和遠程基礎設施之間提供無線覆蓋。無人機作為中繼器具有許多優勢，如覆蓋范圍大、速度快、通信信道清晰、易于部署、數據轉發模式可靠等 [39]，[40]。無人機還可以作為用戶將任務卸載到邊緣服務器，從而以較低的延遲增強覆蓋范圍 [41]。與此同時，當無人機作為基站工作時，它們能為異構網絡提供更靈活的通信服務解決方案，因為它們能實現更好的 LoS 傳播、可擴展性和更高的運行高度[42]。本節重點介紹使用上述各平臺實現高效無人機群的主要通信要求。

2. 無人機對無人機通信： 除了無人機與基礎設施之間的通信外，有效的無人機對無人機鏈路可使無人機群克服各種基本挑戰，如自主飛行、避免碰撞、分布式處理和聯合行動。最新文獻提出了提供無人機對無人機通信的多種方法，包括衛星通信鏈路、Wi-Fi 鏈路、超高頻（UHF）鏈路、蜂窩通信鏈路、長距離廣域網（LoRAWAN）和自由空間光學（FSO）鏈路。本節將討論這些不同方法對實現穩定可靠的無人機對無人機通信的要求。

C 控制要求

由于無人飛行器體積小、成本低，因此需要一種成本效益高的控制系統，能夠在起飛、著陸、懸停、機動性、高度控制、定位和避免碰撞等方面實現靈活的移動和軌跡跟蹤。下文將討論無人機的主要控制要求：

• 起降：無人機可分為固定翼和旋翼兩種，兩者對起降都有特定要求。固定翼無人機的起飛和降落需要跑道，而旋轉翼無人機可以垂直起飛和降落，從而提高了其在各種民用領域的適用性[69]-[71]。在文獻[72]中，作者提出了一種混合垂直起降 VTOL 解決方案，該方案將固定翼和旋轉翼無人機的功能集成在一個平臺上，從而實現了長續航時間和高飛行效率。VTOL 方法需要一個固定翼位置控制器、旋轉翼位置控制器、過渡控制器和基于氣動特性的 VTOL 混合器，以實現過渡和提高飛行穩定性。在另一項工作[73]中，不同的 PID 控制器用于沒有跑道和發射回收設備的 VTOL，通過控制指令實現平穩運行。此外，在現有文獻[74]-[76]中，還介紹了使用可見光攝像傳感器、全球定位系統和 IMU，利用 PID 控制器進行起降的各種解決方案。

• 受控運動和懸停： 無人飛行器的旋翼使用螺旋槳，可實現滾動、推力控制、俯仰、偏航和六個自由度的旋轉、機動和懸停。無人飛行器的控制算法可調整滾轉、俯仰和偏航，以實現在 X 軸、Y 軸和 Z 軸上的穩定旋轉。現有研究提出了各種控制無人機運動的模型，例如，Thu 等人在文獻[77]中根據 "+"和"×"飛行配置，模擬了著名的四旋翼飛行器控制系統，以實現靈活的運動和機動。在另一項研究[78]中，設計了一個動態模型來控制無人飛行器在一個旋轉軸上的運動。Elkaim 等人在文獻[79]中介紹了一種無人機控制系統，該系統利用位置、速度和高度估計來控制無人機的運動和軌跡形成。另一篇論文[80]介紹了一種自主無人機飛行控制系統，該系統集成了全球定位系統，可生成最佳飛行路徑。此外，現有文獻還對油門運動、狀態信息和機載傳感組件進行了分析和建模，以實現穩定機動和懸停 [81]-[83]。

• 飛行中控制： 無人機的位置和速度等狀態信息用于引導和控制無人機進行著陸或物體跟蹤等精確操作。遙控航空模型自動駕駛儀（RAMA）在文獻[84]中有詳細描述，它利用高度、角速度和位置信息來設計小型無人機的控制系統。此外，PID 控制器也引起了學術界和工業界對無人機自主運行的極大關注 [85]。集成 PID 自動駕駛儀可實現一整套無人機自主導航和實時操作的航空電子設備 [86]。此外，PID 控制器還能提高可靠性，并以最小的誤差和能耗將飛行中的無人機穩定在預定軌跡上。

• 避免碰撞：這是無人機設計中確保無人機自主飛行的基本要求。現有文獻 [80]、[87] 提出了各種方法，如 GPS 導航和不同的防撞傳感器來避免碰撞。此外，根據現有研究[88]、[89]，廉價的商用傳感器（如紅外、壓力和高度傳感器）可以很容易地集成到無人機飛行系統中，以估計與障礙物的距離，從而控制其移動。此外，無人機的精確位置估計和軌跡規劃也是避免碰撞的基本要求[90]。

D 協同執行任務

本節將全面介紹協作通信方面的現有發展。無人機的協同任務允許多架無人機共享信息，以分布式的方式低成本、高效率地執行各種任務，并提高靈活性、魯棒性和容錯性。近年來，人們提出了一些協作通信架構，主要側重于將無人機網絡與 WSN、Ad-hoc 網絡和物聯網范例整合起來，以實現有效監測和數據收集[91]。此外，還提出了一些基于蜂群的方法，用于協作軌跡規劃、路由選擇和目標定位。

1. 基于蜂群的協作通信： 最近有幾項研究利用無人機群在短時間內協作完成任務，具有更好的覆蓋范圍、可靠性和效率。

2. 無人機群網絡的深度強化學習： 在過去幾年中，強化學習技術已被廣泛應用于提高無人機蜂群網絡在復雜環境中的路徑規劃、導航和控制性能[97], [98]。

3. 軌跡形成： 協作軌跡形成可使多個無人機找到從起點到目標點的最佳路徑。這是無人機系統的新興研究領域之一，因為協同路徑規劃可最大限度地降低定位成本、改進機動決策并有助于避免碰撞 [109]-[111]。

4. 合作目標定位： 精確定位可為目標指示、空中拍攝、數據傳感和空對地攻擊帶來顯著優勢[121]。

5. 數據收集： 在過去的幾年中，人們引入了許多協作通信機制，以改善遠程數據收集體驗[128]。

6. 協同決策： 無人機的自主操作需要做出復雜的決策，以實現應用目標，如消除威脅或時間緊迫的救援行動。這些復雜決策受到信息不足、高度不確定性、延遲和任務耦合的影響 [137]。

大數據是當今媒體和政府討論的主題。當大數據與人工智能相結合時，它被描述為一個 "簡易按鈕"，可以減少人類的分析負擔。一些人認為這是對秩序的潛在威脅，而另一些人則認為這是在大肆炒作，卻鮮有驚天動地的成果。什么是大數據，為什么它對情報界（IC）和聯合軍事行動的未來至關重要？

在這篇文章中，作者認為，信息革命通過大幅增加情報采集器的數量和種類，從根本上改變了情報工作。基于采集器創建了一個由分析師和機器組成的全球網絡，促進了數據和信息的快速共享。這一網絡也使作戰人員希望更快、更切合行動需要地評估威脅和目標定位的機會。此外，它還通過在賽博領域創建新的權力和收集中心重塑了威脅環境——在這里，對手可以招募成員、策劃打擊，并通過在線集體利用有命令的和受啟發的攻擊。在當前人力和資源有限的環境下，再加上這些因素，需要制定新的戰略來規劃和執行情報、監視和偵察（ISR）行動，并在組織、培訓和裝備分析人員方面進行投資，使其具備在現代信息環境中取得成功的工具。從概念上講，大數據是這一環境的核心，它將推動了解未來如何收集、組織和分析數據、信息和情報。

撥開迷霧——什么是大數據？

顧名思義，大數據歸根結底就是收集、存儲和處理大量數據和信息。情報分析師很快就會指出，收集和存儲大量信息并不是什么新鮮事，幾個世紀以來，這一直是情報實體的核心目的。非軍事分析人員會定期對大量數據進行分類，根據數以萬計的跨多個變量的案例觀察結果，對復雜的問題集進行定量評估。那么，是什么讓大數據變得與眾不同？這個短語最早出現在 2000 年代初，當時行業分析師 Doug Laney 將大數據定義為有別于以往模式的三個主要因素，稱為 "三個 V"：

• 規模性：信息時代使數據和信息的獲取和存儲成為可能，這些數據和信息可以在前所未有的規模上進行保存、定期訪問和分析。以前用于分析的大多數數據庫可包含在一個數據庫（如 Microsoft Excel 數據庫）中，行數從幾行到幾萬行不等。大數據可收集數百萬至數十億個數據點。

• 高速性：以前所未有的速度獲取大量數據和信息，必須及時處理。例如，Twitter 在 2013 年每天收到 5 億條更新（推文）；每條推文構成一個信息數據點。

• 多樣性：數據和信息的格式多種多樣，來源各異。

過去，需要信息的分析師或實體可以決定收集的內容和存儲的方式，但如今，由于數據量大、速度快，有必要建立系統來管理和整合以各種形式獲取的數據；從圖像到 Twitter 或 Facebook 條目，再到對話或演講的副本。隨著對大數據認識的加深，當今許多學者在這三個維度的基礎上增加了其他維度，如可變性和復雜性。在美國空軍和其他機構中，在此基礎上增加了第四個 "V"：

• 真實性： 大數據可訪問的數據量大、速度快、種類多，其中包括大量噪音和與問題集無關的數據。這可能會造成數據分析異常，并在選擇哪些數據重要以及如何分析這些數據時產生分析偏差。大數據戰略必須包括保持數據 "清潔 "的流程和對大數據工作危害的分析意識。

大數據出現后，一個新詞--大數據分析--開始流行。這些術語經常被交替使用，但卻代表了同一事物的兩個不同側面。大數據代表了一種快速編譯、存儲和訪問大量數據和信息的流程，這些數據和信息來源眾多，結構各異。大數據分析代表的是能夠將大數據轉化為洞察力的工具、技術和流程--從作戰環境的情報準備到威脅預警，從預測性作戰空間感知到目標選擇。這些洞察力反過來又影響著從戰略威懾行動到近實時（NRT）戰術交戰等各種軍事和外交行動的決策。

關于大數據潛力與炒作的爭論主要源于對大數據和大數據分析的誤解。大數據的“啦啦隊”歷來對大數據有四種令人興奮的說法，但這些說法充其量不過是樂觀的過度簡化：（1）數據分析產生的結果準確無誤；（2）無需抽樣，因為大數據允許捕捉所有可能的數據點；（3）大數據中的高度相關性使得關于因果關系的定性辯論成為過眼云煙；以及（4）統計模型同樣無關緊要，因為 "數據自己會說話"。事實上，大數據并沒有消除數據收集和數據分析中的傳統挑戰，但它確實從根本上改變了出現問題的地點和方式。主要的挑戰源于最后的說法：數據永遠不會為自己說話。收集、組織和處理數據的方式決定了數據向用戶傳遞的信息。復雜的算法執行了其中的許多功能，從而實現了大數據分析，但這些算法，即使在機器學習的幫助下，也必須由人類編程，并為回答預先指定的問題而量身定制。這意味著大數據在收集、顯示和分析過程中仍會出現偏差，分析人員必須對此有清醒的認識。大數據使數據點的訪問量呈指數級增長，從而有助于從更多的數據點進行更快的分析，但糟糕的大數據分析也會帶來糟糕的分析。

大數據如何重塑情報

在大數據的四個 "V "中，分析人員直到最近還主要面對第一個和第三個 "V"，但規模較小，更易于管理。收集的速度、國家行為者構成的威脅的相對一致性，以及按照情報學科生產線（INTs--信號情報[SIGINT]、地理空間情報[GEOINT]、圖像情報[IMINT]、人類情報[HUMINT]、開放源情報[OSINT]以及測量和信號情報[MASINT]）進行的分析和分割，使得能夠將工作劃分為獨立的數據問題，由專家對其進行分塊分析，并通過將各組成部分結合起來得出所有源情報答案。

信息革命對美國空軍情報核心能力（收集、分析、目標定位和整合）的影響首先集中在收集方面，其次是威脅分析和目標定位分析（見圖 1）。可用的收集器和傳感器急劇增加，全球一體化的 ISR 實現了 NRT 利用。與此同時，作戰需求也將威脅分析和目標定位分析轉向 NRT，以深入對手的 OODA 循環。在資源緊張的時代，近期內幾乎沒有大幅增加人力的跡象，要改變情報生產以滿足當今的作戰需求，不太可能通過進一步革新收集或分析來實現。如今，即使在國家情報局內部，數據和信息收集的數量、速度和種類也已增長到這樣一個地步：如果沒有計算機程序和自動化流程的幫助，分析人員再也無法對收集到的所有信息進行充分篩選，甚至無法對其進行存儲，更不用說分析了。此外，賽博時代的到來改變了從公開來源收集信息的性質，使開源分析從一種輔助分析的信息源發展成為一門真正的情報學科--OSINT--圍繞著收集、分析和生產的技術、管理和法律問題。

圖 1. 信息革命對收集、分析和目標定位的影響

未來的發展方向是數據管理和情報規劃，以促進以問題為中心而不是以需求為中心的美國空軍情報工作。工業生產模式已跟不上信息環境的發展。正如美國國家地理空間情報局局長羅伯特-卡迪羅在今年早些時候指出的那樣："如果我們試圖手動利用預計在未來 20 年內將獲得的商業衛星圖像，我們將需要 800 萬名圖像分析人員。即使是現在，每天僅在一個戰區使用一個傳感器，我們收集到的數據就相當于三個 NFL 賽季--每場比賽。而且是高清晰度的！" 分析人員比以往任何時候都能獲得更多的信息，并擁有更多的工具來收集信息以填補知識空白。讓這些分析人員為指揮官提供已知信息、評估信息和未知信息，并使用正確的工具回答剩余的情報問題，是在正確的時間向正確的決策者提供正確信息的途徑。在規劃和執行基于效果的 ISR 戰役時，必須采用與進攻性空中行動相同的靈活多變的方式。

四個 V 與情報收集

反恐戰爭的特點，加上信息革命對精確目標定位的創新，使美國空軍的工作重心從投放彈藥量轉向對 ISR 收集的需求。1943年10月14日，施韋因富特（Schweinfurt）空襲納粹德國，293架轟炸機需要3小時的情報支持，而2006年阿布-穆薩布-扎卡維（Abu Musab al-Zarqawi）空襲，15分鐘的出動需要600多個小時的情報支持。精確打擊需要精確情報，這就將人力負擔從飛行行動轉移到處理、利用和分析上，以促進打擊行動。由于認識到為提高打擊能力而對情報的需求不斷增加，因此收集平臺、傳感器和帶寬都在穩步大幅增加，以支持 "后送 "行動，但人力卻不一定相應增加，無法在規定時間內分析大量收集的情報，為行動提供便利。與此同時，重點轉向 "后方 "作戰，再加上信息時代作戰的優勢和弱點，進一步模糊了歷史上對前方和后方作戰區域的劃分，使這一作戰環境概念對現代兵力而言成為過時的概念。

對于 GEOINT 來說，最明顯的表現是對全動態視頻（FMV）收集的需求激增。在過去十年的大部分時間里，美國空軍的 FMV 需求量一直居高不下，而這并不是美國空軍一家的事情，因為陸軍、特種作戰部隊和伙伴國都在不斷擴大其機隊規模，增加遙控飛機（RPA）的出動架次，并投資帶寬以滿足近乎貪得無厭的需求。與 "就地部署 "狀態相關的高工作量導致情報界在 2015 年前不斷掏空其員工隊伍，圖像分析師的流失速度超過了他們接受培訓的速度。此后實施的幾項提高生活質量的舉措減少了工時，緩解了壓力，但也導致能力下降。2015 年，美國空軍將 RPA 巡邏次數從 65-60 次短暫減少，以幫助飛行員、傳感器操作員和情報人員隊伍健康發展，但作戰現實迫使軍方用承包商補充現役 RPA 兵力，以滿足需求。

圖 2. 信息革命對美國空軍目標定位的影響

在情報界之外，FMV 獲得了最多的關注，但即使在 GEOINT/ IMINT 領域，它也只是為滿足行動需求而爆炸性增長的情報來源之一。包括伊拉克、敘利亞和阿富汗在內的許多作戰地區對多光譜圖像、超光譜圖像和地面移動目標指示源的需求都在持續上升。專用傳感器套件為美國空軍提供了前幾代產品無法比擬的收集能力。然而，這些傳感器套件需要培訓、人員配備和時間密集型的分析質量，這使得每個傳感器都是人力密集型的，使有限的圖像分析人員難以處理不斷增加的收集任務。

如果不借助大數據解決方案，GEOINT 傳感器和收集能力的爆炸式增長會給有效分析帶來另一個重大挑戰。以各種圖形格式收集的各種數據信息對分析人員來說是 "無法發現的"，有時被稱為暗數據。已開發的 GEOINT 通常有文本摘要，可通過類似谷歌圖像搜索的查詢進行搜索，但如果沒有文本提示分析人員，相關圖像可能會一直埋藏在數據檔案中，無法發現。大數據算法和自動開發模板可使 NRT 中的所有圖像與地理坐標綁定，與已知位置對齊，并自動歸檔到可搜索的分層數據庫中，并隨時間推移提供相關圖像。雖然當前的 ISR 模式以操作為中心，需要出動新的架次來收集地理空間信息（特別是針對生命模式等問題集），但大數據分析將為未來的分析人員提供訪問歷史數據資料庫的途徑，以及快速篩選可能成千上萬張圖像的工具，以查看隨時間推移而發生的變化并分析其意義。

對收集和分析的需求呈指數級增長的不僅僅是 GEOINT。收集平臺的增加也導致了包括 SIGINT 有效載荷在內的各情報學科收集器有效載荷的增加。隨著收集機會數量的增加，以及信息時代全球網絡化威脅的出現，收集信號的數量、速度和種類也在不斷增加，其速度往往超過我們招募和培訓分析人員的能力。如果沒有大數據分析的前景來幫助分析人員找到分析收集的關鍵部分，那么 RPA 獲取的數小時視頻可能數年都得不到分析；如果沒有自動化工具來對數百億字節的收集信息進行分類，那么數小時的截獲通信可能得不到分析。除 SIGINT 和 GEOINT 外，MASINT 的收集和生產需求也同樣呈現出蓬勃發展的態勢，合成孔徑雷達和相干變化探測等能力的需求量越來越大。

開源情報

也許沒有什么例子比 OSINT 作為一門真正的情報學科的誕生更能說明大數據四維收集的巨大變化了。當說 OSINT 是一門新學科時，許多冷戰時期的分析師會告誡說："不，我們一直都有 OSINT，中央情報局（CIA）的開源中心就是證明。事實上，從時任中央情報局局長艾倫-杜勒斯（Allen Dulles）的一句話開始，數十年來，一條常用的經驗法則就是：超過 80% 的情報分析最終都來自于開放源代碼。這些都是事實，但從條令上講，將其定性為公開來源情報更為恰當。作為一門情報學科，OSINT 與互聯網和社交媒體的普及直接相關，因此需要開發新的技術來搜索和發現信息，進行監督以確保情報界遵守保護公民和信息安全的相關法律和命令，并對這一過程進行管理。如果沒有大數據分析解決方案，分析人員就不可能對現有的數十億個數據點（數量、種類和速度）進行分類，不可能識別相關和不相關的數據（真實性），不可能保障公民的權利和遵守其他適用的法律法規，也不可能發現滿足客戶需求的相關情報見解。

信息革命帶來了一種新的在線共享文化，許多人稱之為過度共享。對情報界來說，好處是通過 Twitter、Facebook、Snapchat、博客和許多甚至尚未發明的社交媒體網站，情報部門可以接觸到世界各地數以千萬計的被動收集者。20 世紀 90 年代，分析人員面臨的前景是，在他們有時間完成情報評估周期之前，CNN 就可能進行戰損評估。如今，如果一架 RPA 失去連接并墜毀，很可能在確認飛機失聯之前就會在 Twitter 上被多次報道和轉發。學術研究和情報分析現在依賴于情感分析，其實質是推特上 "趨勢 "的一個復雜和可定制的版本，以確定人群的情緒，作為未來活動（內亂等）的潛在預測因素。

行動的時間需求

在大多數關于大數據的商業討論中，速度主要是指獲取信息的速度。對于情報行動而言，速度同樣適用于作戰員、指揮官和其他決策者需要情報輸出以促進行動的速度。對美國來說，打擊 "伊斯蘭國 "的行動主要是一場以空中為中心的行動，強調有意識地和動態地瞄準目標，以孤立和削弱一個固定基礎設施有限的原生態國家，并使其很容易融入人群，以防御打擊。這種組合，再加上必須盡量減少附帶損害的風險，只會增加對 ISR 的需求。這包括尋找目標并確定其特征，保持對潛在目標地點的監視，以及了解居民的生活模式。聯軍兵力航空兵指揮官小查爾斯-布朗（Charles Q. Brown Jr.）中將在 2016 年 5 月明確提出了這一點，他說："因為它能幫助我做的就是開發目標，這樣我們就能在開發這些目標的同時進行打擊。我擁有的 ISR 越多，我就能將平民傷亡的風險降到最低，并繼續我們的精確空襲行動"。

在這種情況下，"更多 "既指數量，也指時間，因為在動態打擊中，信息發揮作用的時間極短，尤其是與機場、指揮掩體或部分通信網絡等傳統目標相比。FMV 的 NRT 特性及其在行動的接戰/收尾階段的關鍵作用使許多觀察家得出結論，如今更容易實時鎖定目標，但實際上這只是促進打擊的情報冰山一角。聯軍兵力需要一個全球同步的分析人員網絡，迅速融合圖像、電子截獲情報和線人提供的線索，提示潛在的打擊目標。全球一體化的 ISR 可通過及時獲取更多的收集信息為這些網絡提供便利，但隨之而來的是嚴重的真實性問題。與此同時，這一系統也引起了人權組織對平民傷亡問題的關注，以及更多傳統空襲行動支持者的批評，認為即使按照近期空襲行動的標準，打擊目標的總數量也是不夠的。ISR 團體以及更廣泛的情報界必須面對分布式作戰、分析質量控制和數據集管理等復雜的管理問題，以便讓 ISR 和實時行動的作戰人員充分了解目標開發的進展情況。

威脅性環境

伊拉克和敘利亞伊斯蘭國（ISIS）經常呼吁通過所謂的數字哈里發進行 "獨狼式 "恐怖主義，這凸顯了互聯網對西方安全構成的挑戰。在此之前，像 4chan/"匿名者 "這樣的網絡集體利用網絡的連通性建立了信息共享的無政府社區，最終促進了在一些問題上的集體行動。美國軍事情報機構歷來將常規軍事優勢視為其任務的重點，而在信息時代，武器化敘事正迅速成為國家安全行動的重點。只有獲得并有效利用大數據解決方案，才能了解信息時代的威脅環境。雖然應對這一挑戰的任務最終可能會落到美國國防部等非國防部實體的肩上，但美國空軍的任務要求了解和防御賽博領域。因此，美國空軍情報分析師必須站在分析和發現網絡領域威脅的最前沿。

過去十年的反恐和反叛亂行動使美國空軍情報分析員精通于監控和評估沖突地區的恐怖網絡，特別是伊拉克的基地組織和阿富汗與塔利班有關聯的組織。然而，賽博集體是一個獨特的挑戰。賽博集體缺乏集中的指揮結構，而是主要通過在線社區規范和價值觀來運作。它們的成員是開放的，沒有正式的招募或保留機制，其戰略規劃也微乎其微。大多數賽博集體傾向于抵制任何人成為其集體的領導者或發言人；有影響力的人可能會在有限的時間內出現，但成員的開放性和多樣性使得任何人都無法在不分裂集體的情況下長期出現。由于成員人數有限，意識形態單一，小型社區可能會形成較強的內部等級制度，但這也限制了大型集體的全球覆蓋面和影響力。圖 3 簡要說明了等級制度、網絡和賽博集體之間的區別。

情報集體的特點是提供了一個可以被滲透的論壇，引發獨狼或狼群攻擊；信息同時在集體的一個圈子內傳播，發起行動--想想快閃族--幾乎沒有預警。與此同時，集體的無政府主義特征往往使其理由也是無政府主義的；他們的工作方式通常是反對權威人物和濫用權力，而不是積極尋求以新的主流意識形態取而代之。因此，許多通過集體招募的個人發起的獨狼和狼群襲擊，即使受到具有特定意識形態的組織的啟發，也不一定表現出對特定意識形態立場的親近，而只是表現出其反動性。例如，奧蘭多夜總會槍手奧馬爾-馬特恩可能并不了解伊斯蘭國、基地組織和真主黨之間的區別，盡管這些組織在教派和戰略上有顯著區別。然而，根據賽博集體的特點，這些組織因反西方情緒和對西方秩序的無政府主義觀點而在網上聯系在一起。煽動混亂以報復道德錯誤的呼聲在這種環境中傳播，而具體的意識形態信息和與特定團體更正式的結盟可能不會傳播。

圖 3 等級制度、網絡和賽博集體。

這種新的分布式組織給情報機構帶來的挑戰是，作為多管齊下戰略的一部分，對集體進行滲透的前景，其目的是同時通過深層國家的攻擊破壞對手的穩定，同時通過網絡和等級組織對地方政府集中式更有組織和戰略性的暴力。圖 4 說明了這種混合模式的可能形式，由一個中央戰略領導核心指揮多個部門的行動，包括招募、宣傳、培訓、直接行動、與網絡的協調以及對賽博集體的在線宣傳滲透。由于這些網絡廣泛多樣，傳統的網絡制圖是不可能實現的，因為它們的變化速度非常快，信息通過賽博集體共享的速度也非常快。要識別網絡中的影響者，需要大數據解決方案來跟蹤信息流量，識別哪些主題可能成為趨勢，哪些信息可能在哪些領域被接受，并識別這些信息中可能預示攻擊策略變化（大規模槍擊、撞車和下一次威脅演變）的趨勢變化。這種對敵方組織和信息的了解程度對于在作戰層面及以上直接打擊敵方至關重要，但對于兵力保護的戰術指示和警告可能更為重要。

正如對手可以利用賽博領域通過影響力開展行動一樣，他們也可以利用賽博工具挫敗情報并放大其信息。其中最突出的是機器人的使用；機器人軟件旨在通過社交媒體和其他在線渠道自動傳播信息。這些機器人可以扭曲數據進行情感分析，通過讓輿論看起來更受歡迎的波段效應左右輿論，通過賽博自動傳播虛假信息，并擴大招募范圍。對俄羅斯在 2016 年大選中的潛在活動的調查重點不是傳統意義上的黑客攻擊威脅，而是由機器人針對特定集體發布信息的社交工程。展望未來，在復雜的多領域環境中工作的分析人員必須了解賽博領域威脅的新特性。只有更好地了解大數據分析并認識到其作為工具的威力及其脆弱性，才能保持基本的態勢感知，更不用說獲得行動上的理解。

圖 4. 被滲透的賽博集體的混合威脅

工業時代的情報模式與信息時代的模式

大數據的三個 V 及其對敵我雙方的影響，使得有必要重新思考情報生產的工業模式。所有情報操作人員從基礎課程開始就接受五步情報周期的培訓，即規劃和指導；收集；處理、利用和傳播（PED）；分析和制作；以及傳播（PCPAD）。這種結構化和可重復的程序確保了生產步驟的清晰度，并對分析過程進行制衡。這種結構化和可重復的過程確保了生產步驟的清晰，并對分析過程進行制衡。它還包含官僚因素，特別是對美國空軍情報部門這樣的大型組織而言，它將 PCPAD 周期的各個步驟與不同的單位/辦公室聯系起來。信息時代的情報模式必須找到超越官僚模式的方法（不是取代它，而是補充它），并促進分布式企業級的數據管理，以支持滿足業務需求的決策質量情報。數據科學必須被視為信息時代情報界的核心能力，傳統的情報分析師必須與熟練的計算機科學家和數據管理人員攜手合作，促進情報的生產。

美國空軍情報工作面臨的另一個挑戰/機遇是情報與 ISR 的混淆。美國國防部將 ISR 定義為 "為直接支持當前和未來行動，對傳感器、資產以及處理、利用和傳播系統的規劃和操作進行同步和整合的活動。這是一種綜合的情報和行動職能"。盡管它是情報與行動的結合，但它只是整個情報周期的一個子集。如圖 5 所示，任務分配是規劃過程的最后部分，通過 ATO 向各單位分配需求，而收集和 PED 則反映了 PCPAD 周期的這些階段。

圖 5. 情報生產的工業模式

這種模式建立了情報分析的基礎設施，在評估國家行為者方面證明是有效的，但其時間順序的特點實際上給空軍的 ISR OODA 循環帶來了限制因素。ISR 規劃是通過 72 小時 ATO 任務分配周期執行的，并受收集管理流程的制約，根據該流程，在執行 ATO 任務之前，指揮官對收集目標（需要成像或以其他方式收集的地點）的優先級進行排序和堆疊，并通過董事會或裁判的優先級排序流程進行排序和堆疊。隨后是分析流程，美國空軍的作戰級分析可能需要數天時間，而國家機構的全資源制作則需要數周時間。從 ISR 的角度來看，這與美國空軍的靈活性原則相悖，該原則應使 ISR 操作人員能夠將 ISR 效果集結并機動到作戰環境的關鍵點，以便在時間、空間和目的上進行整合。此外，由于 ISR 來源日益復雜，基礎情報數據和信息的儲備也在增加，未來制定優先情報需求、指揮官關鍵信息需求和其他情報收集請求的傳統模式不太可能繼續成為確定收集資產優先次序的有效手段。

在 2005年前后，ISR 操作人員面臨的挑戰是如何向客戶解釋："不要申請像'捕食者'這樣的資產，而要申請像 FMV 這樣的能力"。如今，這個問題變得更加復雜，因為收集資源更加專業化，數量也更多，這使得 ISR 戰術人員最有能力確定哪種 ISR 資源最適合填補情報缺口。增加 OSINT 等被動傳感器以及對現有 HUMINT、SIGINT、GEOINT 和 MASINT 數據進行可發現的大數據分析，可以在不需要額外收集的情況下迅速解決客戶感知到的問題，其可信度足以證明不重新分配資產是合理的。雖然在近期內，絕大多數資產和收集分配將繼續通過這一標準流程執行任務，但必須將一部分機載 ISR 資產和分析能力專用于信息時代的替代方案，以直接影響 NRT 的空襲行動。

信息時代的替代方案是由 ISR 兵力主導的以問題為中心的情報。ISR 流程的行動輸入不應是收集任務，而應是感知到的情報問題，然后 ISR 專家可將其轉化為細化的 ISR 問題、情報缺口，并在聯合行動計劃中確定 ISR 傳感器的優先級，以填補這些缺口。ISR 兵力由單一指揮官授權，擁有有機的收集需求管理和收集行動管理權限，有權為指定的作戰目標制定綜合 ISR 計劃。這是推進美國空軍中央司令部 2009 年指令的下一步，該指令將 ISR 任務類型命令（MTO）編纂為支持作戰應急行動的關鍵。如果沒有一支特定的 ISR 特遣部隊，擁有 ISR 資產的所有權和分配任務的權力，那么目前的 MTO 結構更像是用于重新分配任務的 ISR 協調卡，而不是《聯合出版物 3-50：人員恢復》中定義的真正的任務類型命令。

圖 6 所示的這種 ISR 兵力模式將有機機載 ISR 資產的規劃流程重組為以問題為中心的模式，并結合大數據分析來細化任務 ISR 問題。“情報云”由整個情報部門中的國家情報局 OSINT 數據和完整的多情報分析數據庫組成，使分析人員在流程的最初階段就能為客戶的問題提供答案，同時根據對情報部門實際已知情況的深入了解來完善他們的情報問題。然后，ISR 戰術人員可以匹配最佳收集平臺，以填補情報空白。然后，在指揮官的授權下，ISR 特遣部隊可以通過 MTO 的意圖隨時重新分配 ISR 行動的任務；在實踐中，指定的操作員擁有傳感器任務分配權。這樣，就能與 PED 和融合實體合作，對收集工作進行 NRT 改進，最大限度地發揮傳感器的作用。然后，ISR 兵力產品可在 NRT 中同時分發給作戰客戶，供其做出規劃和目標選擇決策，并分發給更廣泛的情報部門，供其進一步分析，并最終納入情報云，供未來利用。

如圖 6 所示，要在情報分析和 ISR 任務分配中采用這種大數據解決方案，還要求美國空軍情報部門在今后的人員選擇上有更大的考慮。迄今為止，除了情報軍官和士兵外，情報部門還接受了許多科學領域的專家。為了使大數據在未來發揮作用，美國空軍情報企業必須吸納數據科學家、計算機程序員和具有賽博領域專業知識的社會科學家，以理解我們所獲取數據的性質，并有效分析賽博領域的運行環境。

圖 6. 機載情報、監視和偵察兵力模型。

結論

套用一句老話，你可能對大數據不感興趣，但大數據對你感興趣。大數據塑造了現代信息環境，通過信息共享和訪問云，大數據已經在徹底改變分析人員獲取和解讀數據的方式。對手利用復雜的賽博環境招募人員、影響民眾，并以只有通過大數據解決方案才能發現的方式對美國利益實施攻擊。收集和存儲原始數據的能力不斷超越處理所收集數據的能力，這意味著在龐大的信息數據庫中，很可能已經有了情報客戶今天提出的問題和明天將提出的問題的答案。如果沒有大數據解決方案來管理不斷收集的數據和信息，并迅速將其提供給 ISR 規劃人員，以促進更智能、更及時的收集工作，美國空軍情報部門將面臨信息過載，導致決策癱瘓。在正確的時間向正確的客戶提供正確的信息意味著重新思考 ISR 規劃，并采用大數據解決方案來應對面臨的 ISR 挑戰。

未來戰爭的勝利將越來越取決于哪一方能最迅速地從數據中收集戰略洞察力，并能在實時作戰條件下從總部、戰術邊緣和整個作戰空間部署這些洞察力。如果軍方不能基于安全的數據架構緊急轉變集成和分發信息的能力，美國及其盟國就可能在對手發展自身能力時喪失威懾或贏得潛在沖突的能力。

引言

"如果我能擁有戰場上的數據，那么我就領先了五步，"前美國空軍少將羅伯特-惠勒說，他是本文采訪的北約和 "五眼 "國家的幾位領導人之一。"我需要這些數據的及時性、準確性，我需要這些數據貫穿整個戰場"。

然而，美國軍方及其在北約和 "五眼 "中的盟友還沒有足夠迅速地提供這些基本能力。隨著數據科學、傳感器、自主資產和人工智能（AI）革命的不斷深入，失去決策優勢的風險成倍增加。隨著數據源迅速激增，敏捷的軟件和集成的信息交付系統（如數據結構架構）將改變威懾力量，并為最快部署最佳數據的兵力創造決定性優勢。唯一的問題是誰能搶占這一戰略制高點。

轉型的步伐令人生畏。包括俄羅斯在內的其他國家繼續大力投資于新興技術和顛覆性技術。在某些領域，如電子戰、面部識別和某些 IT 硬件，它們可能正在形成有意義的優勢。事實上，許多觀察家認為，北約盟國傳統上相對于潛在對手的能力差距可能正在縮小。隨著使用企業級生成式人工智能來發掘洞察力和強化決策優勢的發展，對強大的數據結構的需求將變得越來越重要，以管理正在傳播的各類數據。

雖然軍事硬件和訓練有素的部隊仍然必不可少，但國防官員必須擴大對戰機、艦船和火炮的關注，將數據處理、分析、管理和部署方面的優勢作為衡量戰備狀態的關鍵指標。當信息以光速流動時，許多現有的指揮和控制系統都顯得過于遲緩，無法收集和傳遞相關數據，從而識別和消除新出現的威脅。

惠勒警告說："如果我們要與大國對抗，今天就需要在新一代能力上實現顛覆性的飛躍。未來的網絡必須整合所有軍種和盟國的武器平臺，從太空到海底，并 "在移動中近乎實時地發現、固定、跟蹤、瞄準和摧毀多個目標"。

烏克蘭沖突表明，一支靈活的軍隊如何利用商用衛星通信、移動互聯網塔、低成本無人機、手機視頻和開源軟件，相對無縫地融合數據，實施精確的作戰行動。烏克蘭能夠迅速開發出數據驅動的作戰資產，但要在多個大型軍事機構中復制這一成功將是一項更大的工作。德國國防部參謀長尼科-蘭格（Nico Lange）說："大多數北約國家可能需要 10 年左右的時間才能取得類似的進展，而且價格要高出 10 倍，功能也更少"。德國國防部參謀長尼科-蘭格（Nico Lange）說："到 2022 年，大多數北約國家可能需要 10 年左右的時間才能取得類似的進展，而所需的費用是現在的 10 倍，功能也更少"。

為了加快發展數據驅動作戰的專業技術，并與商業世界的技術進步速度相匹配，國防組織必須摒棄國防工業中常見的 "不是在這里發明的 "思維模式，加強合作。保密和安全仍然至關重要，但軍事領導人可以從私營部門的數據管理和數字創新中獲得啟發，因為私營部門的公司在競爭和快速迭代中發展壯大。

工業界也可以發揮作用，因為承包商和開發商可以做得更多，以提高所收集的各種數據類型（包括元數據）的互操作性。就一些基本標準達成一致，可以幫助國防機構迅速提高數據的實用性，因為很多數據并沒有得到有效利用。

從數據中收集、清理、保護和提取重要信息是一項艱巨的工作，即使在和平時期，在多個國家和大洲之間共享數據也是一項挑戰，而且這些系統需要在作戰條件下運行，在這種情況下，正常的通信網絡和云訪問將受到阻礙。

美國及其盟國如何迅速采取行動，創造可持續的決策優勢？關鍵步驟包括以下幾點：

• 為數據管理、架構、部署和使用制定共同的總體戰略。這就要求美軍及其盟友更早、更愿意進行持續溝通與合作，以發展真正的互操作性。

• 建立一個包括工業界在內的盟國聯合工作組，重點關注數據系統集成，該工作組可快速開發一個全面的數據架構，以管理與美軍聯合全域指揮與控制（JADC2）/多域集成計劃相一致的多域行動。

• 建立數據集成標準，以混合云和數據結構技術為基礎，使用向后兼容并可廣泛訪問的動態數據架構。這很可能需要轉向軟件即服務（SaaS）模式，使用更多現成的硬件，并減少對專用內置軟件的依賴。

• 從小型系統開始，逐步擴大規模，而不是部署需要數年時間的巨型復雜系統。采用私營部門使用的 "最小可行產品 "模式，加快新系統的測試，然后再擴大規模。

• 考慮新的招聘和入職方案，旨在吸引頂級 IT 人才加入軍隊，將數據集成的高層次愿景轉化為實地現實。

• 在尊重國家利益的前提下，有目的地利用私營部門的創新和資源。

• 鼓勵企業以更加開放的態度允許員工在專門時段與政府國防機構合作。

要實現所有這些目標是一項艱巨的挑戰，但在這個危險的世界里，別無選擇，因為對手近在咫尺，敵人也是不可預測的非對稱的。雖然數據對國防戰略的每個階段（從規劃、戰備到威懾）都至關重要，但本文主要關注的是利用數據結構架構將正確的數據從指揮員那里傳遞到戰術邊緣，從而創造決策優勢的必要性、機遇和挑戰。

規劃不確定的未來

自 "9-11"襲擊事件以來的二十年間，美國及其北約盟國主要關注阿富汗和伊拉克等戰區的反叛亂行動。位于柏林的德國國防部賽博/IT 總監兼首席信息官邁克爾-維特（Michael Vetter）中將說："因此，在長達 20 多年的時間里，我們對指揮與控制的投資不足"。

烏克蘭戰爭讓許多人看到了擁有先進武器的軍隊之間突然爆發常規戰爭的可能性。在不斷變化的地緣政治環境中，盟國的國防機構已迅速開始適應新的現實，為與資源充足、技術先進的同級或近似同級競爭對手的潛在沖突做好準備，這些競爭對手也擁有頂級武器和復雜的數據能力。

五角大樓和北約認識到這一不斷變化的戰略格局，已將信息領域確定為常規戰爭的下一個戰場。戰爭規劃者現在認識到，先進的處理和數據分析能力，以及將數據迅速傳遞到邊緣的能力，可以在沖突發生時產生決策優勢。

為了反映這種新思維，五角大樓于 2022 年 3 月制定了聯合全域指揮與控制（JADC2）框架。五角大樓將 JADC2 定義為 "作戰需要 "和 "一種發展作戰能力的方法，以便在戰爭的各個層次和階段、跨所有領域并與合作伙伴一起感知、理解和行動，以相關速度提供信息優勢"。盟國也制定了具有類似目標的計劃。

然而，要利用先進的信息技術實現決策優勢，需要更高水平的跨系統互操作性、更強大的數據共享和冗余，以確保網絡在戰斗中受到破壞后仍能提供數據。惠勒少將說："能夠以非傳統的方式擁有戰場上的數據，即使在網絡遭到破壞的情況下，邊緣處理也是安全的......這才是我們需要努力的方向"。

實施這樣的戰略需要軍隊文化和思維方式的重大轉變。

反思戰爭與威懾

需要制定各軍種的共同標準，使美軍與北約和 "五眼 "盟友保持一致，這對大型組織來說是一個巨大的考驗，因為傳統上，這些組織一直在創造自己的技術解決方案，以解決各自認為是軍種特有的問題。

目前，美國陸軍推出了 "融合項目"，海軍宣布了 "超配項目"，空軍授予了 "先進作戰管理系統"（ABMS）合同，而海軍陸戰隊則在其最新的 "兵力設計2030 "更新中承認，該軍種的傳統指揮控制系統已經癱瘓，需要進行現代化改造。

雖然大家都知道戰斗機飛行員的需求與潛艇指揮官的需求不同，但系統間互操作性的需求只會越來越重要。美國政府問責局（GAO）最近的一項研究指出，國防部尚未準確確定實現其 JADC2 愿景所需的現有和未來預期能力，并且正在確定各種實施挑戰。

各軍種需要從注重以硬件為中心的解決方案轉向采用 "軟件即服務"（Software as a Service）模式的升級，以鼓勵數據共享和互操作性達到新的水平，并能以最快的速度執行任務。在與國防專家的訪談中，一個反復出現的主題是，如果各軍種或北約盟國在開發數據架構時各自為政，那么即插即用的互操作性系統就無法立足。

前 INDOPACOM 情報總監 William Metts 海軍少將（已退役）說："核心挑戰是在各軍種之間以及與合作伙伴和盟國之間建立真正的互操作性。我們往往利用不同的 IT 通信網絡開展行動，而這些通信網絡在歷史上并不容易實現信息共享"。

Metts 說，軍方需要考慮利用私營企業率先進行的技術創新，快速整合各部門和合作伙伴的數據。美國太平洋艦隊海上行動后備主任、前海軍信息戰系統司令部總工程師埃里克-魯滕伯格少將說，在最初的迭代中，許多軍種都把重點放在了 JADC2 的通信部分。我們花了大約兩年時間才明白，重要的不是網絡，而是通過網絡傳輸的1和0--數據。

此外，要在信息技術的基礎上實現軍事優勢，就需要一種新型的數據架構，在這種架構中，可以對存放在不同地點和格式中的數據進行清理、篩選和分發，同時保持所需的安全分類。同樣，以數據為中心的能力要求通過虛擬化實現邊緣冗余，以克服作戰期間可能發生的網絡中斷。在以數據為中心的防御系統中，靈活性、彈性、速度和機動性很可能被證明是決定性的。

"這就是數據結構至關重要的原因，"Ruttenberg 說。"因為這不僅將推動我們所需的網絡彈性，還將推動我們如何開發和交付網絡上的應用程序。

雖然開發共享數據架構的時間很短，但人們越來越意識到，西方盟國需要一個安全的數據結構架構，它可以連接多個超標量器和內部中心的多種數據源，采用多種數據格式，同時控制訪問、保護機密和維護主權。

維特中將說："數據是一種戰略資源，我們需要真正行動起來，更好地利用組織內的所有數據。我們必須找到將結構化和非結構化數據整合在一起的工具，我們需要提供共同的作戰畫面，特別是在北約層面，以協調聯合行動。這將是向前邁出的一大步"。

什么是數據結構？

數據結構是一種架構框架，旨在為企業內不同系統、平臺和數據源提供統一一致的數據視圖。它的重點是創建一個集中的數據層，將各種數據孤島連接起來，實現企業內部大規模的無縫數據訪問和集成。

數據結構將傳統系統、數據湖、數據倉庫、SQL 數據庫和應用程序中的數據整合在一起，提供從各種數據源創建的整體視圖。

數據結構的一些主要特征包括以下幾點：

• 采用虛擬化技術對底層數據源進行抽象，為訪問和查詢數據提供統一的界面。

• 通過建立連接、轉換數據格式和確保數據一致性來整合不同的數據源。

• 管理機制，確保整個組織的數據質量、安全性和合規性。

• 可觀察性，包括管理數據工作流、數據管道和數據轉換的工具和流程。

陸軍指揮、控制、通信-戰術（PEO C3T）項目執行官羅布-柯林斯少將這樣描述數據結構： "我們必須確保我們已經有了一個可以接收所有數據的結構，確保數據是可理解的、可互操作的、可信的。然后，在另一端，我們必須確保它是可發現的。我們現在正試圖轉向一個更加聯合的數據環境。你可以發現數據，你可以根據對數據的需求交換數據，你還可以闡明和標記屬性級別的數據"。

不斷變化的任務的成功因素

新出現的以數據為中心的作戰模式將要求五角大樓改變長期以來的作戰方法。

退役空軍少將布賴恩-德拉維斯（Brian Dravis）曾擔任國防信息系統局（DISA）高級領導和五角大樓聯合服務提供商組織主任，他指出，傳統上，存儲和歸檔數據被認為是運營成本，而不是戰略資產。他說："從字面上看，數據與其說是資產，不如說是負債。因為大量的舊數據必須存儲和歸檔在服務器群中，而服務器群需要電力來保持冷卻，需要人員來維護設施，還需要協議來確保數據的安全，即使其中很多數據從未被實際使用過"。

相比之下，今天的愿望 "是將其顛倒過來"，Dravis 說，"利用機器學習、人工智能、自動化等快速發展的屬性來利用數據中的洞察力，讓你能夠真正將其用于決策優勢"。這種轉型的挑戰是巨大的。"從一個簡直就是成本中心的巨大錨點，轉變為一個你有高度信心的、可獲得決策優勢的屬性，這不是一件小事"。

創建一個統一的、可互操作的數據架構還將使軍事部門能夠真正利用其已經從結構化和非結構化數據源中收集到的大量數據，并創建治理工具以確保所分析的數據準確無誤。

專家表示，按照目前的配置，絕大多數數據都無法充分挖掘其意義。德拉維斯說："如果超過 90% 的數據，尤其是非結構化數據，不能為面臨戰略和作戰決策的指揮官提供價值，我也不會感到驚訝。"我們需要比敵人更快地做出正確決策"。

同樣，美國各軍種之間以及美國與其盟國之間分類系統的差異也會成為真正實現互操作性的障礙。

英國國防部首席數據架構師蒂莫西-羅賓遜博士說，英國也面臨著同樣的挑戰。各部門各自為政，在改變流程以提高互操作性方面 "非常規避風險"。他說："我們的數據雜亂而復雜，無法快速提供給用戶。互操作性并不一定被視為優先事項，因為 "人們只是不想讓數據脫離他們的控制范圍"。

為了更好地分析收集到的大量數據，這些服務將越來越依賴于機器學習和先進的人工智能系統。但專家指出，要確保分析的數據可靠、真實、準確，還需要額外的步驟，因此還需要新的數據治理和梳理標準。德拉維斯說："你需要保證數據的真實性，這些數據為機器學習提供了依據，因此也為人工智能和自動化帶來了決策優勢。"數據出處經常被忽視，但它正變得越來越重要。

實施這些新的數據要求將需要另一種思維方式的轉變：從通過硬件更新操作、加密和分類系統的系統轉變為可通過軟件定義和更新的系統，就像特斯拉電動汽車的運行軟件通過Wi-Fi無線更新一樣。向后和向前兼容的開放式任務軟件能以更低的成本更快地更新指揮和武器系統。

將與盟友更緊密地合作

烏克蘭沖突也強化了美國國防兵力必須與北約和 "五眼 "伙伴更緊密合作的理念。然而，有關數據共享和互操作數據架構，甚至在盟國之間采用共同的數據定義等問題尚未完全解決。

北約下一代建模和模擬部門項目主管斯蒂芬-納爾遜少校指出，并非所有北約國家都同意為地中海和黑海之間的大片海域采用一套通用的地形名稱。"他問道："我們能否開發一個所有 31 個國家，甚至可能是 32 個國家都能同意的地形數據模型？

此外，雖然歐洲國家可以共享有關潛在敵方（即所謂的 "紅隊"）威脅的數據，但 "各國在共享藍隊信息方面也是心懷嫉妒的。因此，我們對藍隊數據的實際了解可能比對紅隊數據的了解要少。

在組織全面的多領域方法時，"你必須擁有雙向流動的數據，"納爾遜說，"因此，你將看到北約 和其他盟國可以訪問北約的數據，但這不是一個雙向的大門。他們只會提供這么多的反饋"。

歐洲領導人迫切希望與美國在創建深度數據互操作性方面的努力保持一致，但同時也必須采取措施加強內部運作。

維特將軍解釋說："在德國，互操作性是我們的首要任務之一，在數據和數據標準方面，我們是北約內部聯合任務網絡方法最直言不諱的倡導者之一，以確保我們有標準、有協議，即使我們在不同的信息系統上運行，也能協同工作和共享信息"。

維特認為，德國國防軍在決策和實施新的數據管理架構方面可以更加靈活，因為他們缺乏美軍那樣的規模。

然而，"一旦美國人決定采用通用架構，并就實施計劃達成一致，我們會驚訝地發現他們會如此迅速地完成這項工作。美國的機器需要一些時間才能運轉起來。但當它開始運轉時，你最好別擋道"。

荷蘭空軍負責信息驅動決策的副主任塔利塔-博恩上校說，雖然荷蘭兵力贊同數據融合架構可實現多領域權威決策的想法，但必須在基礎信息骨干網以及管理北約盟國的思維模式方面進行更多投資。"我們需要北約的認知主導地位。我們需要全面投資于信息整合，"她說，"合理的倡議正在路上，但我們還有很長的路要走"。

從概念到實施

博恩上校指出，烏克蘭沖突凸顯了北約成員國需要加大投入，以解決自身數據架構管理方面的不足，即使他們正在等待美國軍方給出更統一的定義。

荷蘭軍方正在投入巨資加強其數據骨干網，并進一步整合以前分散的數據流，但同時也認識到必須遵循美國五角大樓最終確定的數據架構。"我們不能對此視而不見，"她說。"很明顯，我們必須在某些方面追隨美國，因為我們的武器系統在很大程度上來自美國。因此，你不能忽視擁抱F-35可能性的機會，而只有美國人才有這個能力。"

在接受采訪的數據專家中，越來越多的人認識到，將關鍵任務數據傳送到邊緣將需要數據虛擬化和冗余通信網絡，甚至在更傳統的基于云的網絡中斷時使用 5G 或 6G 技術。但有些人擔心，服務部門是否擁有幫助建立這些系統所需的人才。

英國國防部的羅賓遜（Robinson）擔心，軍方自己的信息技術服務部門確實缺乏技術技能，這將使英國政府難以真正實現高級指揮層所闡述的數據共享的烏托邦愿景。他說："我們的薪酬無法與私營部門相提并論，因此我們無法招到最優秀的人才，而那些訓練有素的人員往往在很短的時間內就被調往其他部門"。

許多人還表達了傳統的抱怨，即軍方獲取新技術的方式阻礙了他們保持尖端技術的能力。德拉維斯說："國防部沒有風險投資家。五角大樓需要找到一種方法來迭代和測試新概念，而不必通過所有安全方面的開發障礙"。

惠勒少將指出，除了五角大樓內部缺乏數據工程人才來實施圍繞數據架構的新模式外，必須批準采購的采購官員也缺乏足夠的技術背景。他指出："采購人員沒有使用這些系統的操作經驗。"當采購人員不了解如何使用這些系統時，就會出現問題"。

當涉及到數據結構時，情況尤其如此，人們越來越清楚地認識到，數據結構是一種基礎數據架構，可以快速傳播關鍵任務數據。

MOD 的羅賓遜說："我將其定義為'數據價值時間'"。

"這是指能夠更快地獲得所需的數據，并更快地將其移動。但這意味著你必須建立管道來實現這一點，而且你必須能夠快速建立這些管道，這意味著開發低代碼解決方案和數據可視化"。

在新的世界里，互操作性、復原力、移動性和快速決策正在成為遏制沖突的 "必備 "資產，專家們一致認為，多域數據結構架構與提供多級安全協議的分發系統相結合，可以迅速改善邊緣的數據狀況。當已經部署的先進商業技術適應軍方的安全需求時，這種靈活的新架構還能節省成本。

雖然軍方必須直接面對快速建立更強互操作性的需求，但其在國防、通信和 IT 行業的私營部門合作伙伴也應采取更具體的措施，降低超大規模系統之間以及各種軟件數據庫和操作套件之間的數據共享障礙。

惠勒少將說，"這一系列復雜的系統 "要求你改變經營方式"，"但是，我們生存和防止下一場戰斗的唯一方法，就是擁有這些結構，希望永遠不必再戰--如果我們不得不戰，那就打贏它。因此，這并不是什么未來主義。它只是讓人們一起去理解它"。

行動呼吁

為加快真正的數據互操作性并在戰術邊緣實現決策優勢，美國及其北約和 "五眼 "盟國的國防官員應考慮以下幾點：

• 像對待任何武器系統一樣認真對待數據。建立 "數據官 "分類，與武器控制官的職責相一致。

• 優先考慮建立聯合數據兵力，以建立統一的數據架構，管理美國及其北約和 "五眼 "盟國的多域行動。

• 召集一個軍民工作組，與包括云計算提供商和軟件公司在內的主要 IT 合作伙伴合作，制定互操作性標準，以便在使用商業技術的同時加快數據共享，同時保持必要的加密和數據安全原則。

• 更加重視數據管理和可靠性問題。隨著圍繞人工智能的討論將不可避免地加速，確保所有數據源真實可靠的需求也將加速。

探測無人機系統（UAS）非常復雜。在多個領域（空中、陸地和海洋）整合和共享雷達信息是一個難題。目前有關無人機系統探測的研究主要集中在探測地面兵力和國家關鍵基礎設施上空的無人機系統，但當無人機系統開始挑戰港口或公海上的軍艦時會發生什么？在多機構危機事件中，如何通過無線方式收集和共享信息？探測到的無人機傳感器數據能否通過無線網格網絡（WMN）與其他機構共享？研究表明，在一次小規模的多機構危機響應演習中，可以將 SAAB 的 G1X 雷達系統的模擬數據與戰術突擊套件（TAK）態勢感知應用程序集成在一起。該技術運行完美；但是，注意到，必須進一步檢查和改進反無人機系統戰術技術和程序（TTP）、國際無人機系統法律法規以及提示和自動化，以適應當今的戰斗和機構間響應。此外，發現在演習期間，手機信號無法有效覆蓋舊金山灣。為了縮小這一差距，使用 Persistent Systems 公司的 MPU-5 無線電設備成功擴展了 WMN，從而在非網絡環境中創造了更廣泛的維護網絡功能的能力。

人工智能（AI）是公認的顛覆性技術，它能迅速改變各種業務和行業。它還能改變與國家安全和國防有關的功能（流程和系統）。雖然人工智能主要不是在國防部門開發，但它有望通過提高國防相關活動的效力、效率和速度，改變未來沖突的特點。然而，雖然人工智能在替代或協助決策中的人為因素方面潛力巨大，但它仍無法取代人類的戰略思維。本文首先回顧了與人工智能技術相關的意義、當前發展和挑戰。然后，文章從國防能力、決策制定和戰略思維三個方面分析了人工智能對國家安全和國防的影響。文章最后展望了人工智能在安全與國防領域的總體前景，期待其在支持決策方面的最大價值。

1 引言

人工智能（AI）是我們這個時代爭論最多的技術突破之一，顯然也是最不為人所知的技術突破之一。它讓人著迷，同時也讓人恐懼。它讓人著迷的是其潛力，從其日常應用和大國在這一領域的優勢決心中就可以看出這一點。它也常常讓人擔憂，因為進一步的進步可能會導致人類能力的超越。后者在大眾文化中尤為突出。

盡管人們經常討論人工智能的未來能力，但在商業世界中，人工智能是 "當下"，并且已經滲透到我們生活的許多領域。除其他外，人工智能還能翻譯文本、識別數字媒體上的物體和人臉、識別垃圾郵件、駕駛汽車、用聊天機器人取代客戶服務、扮演私人助理的角色、創作藝術作品以及玩游戲。

人工智能已成為一個 "炒作 "詞，其影響有時被視為過于樂觀甚至深奧。因此，有必要分析這一技術的發展趨勢，并預測其對我們社會和生活的全面影響。

人工智能的所有可能性和潛在應用還有待探索。有些人的期望很高。人工智能能否為我們帶來 19 世紀末幾項技術為我們祖先的生活帶來的影響，我們拭目以待。第二次工業革命帶來了電氣化、鐵路、電報和汽車等技術，從許多方面影響了人類的生活。這些技術促進了生活水平的提高，使生活變得更快、聯系更緊密、可能性更豐富，并創造了新的社會關系和生活模式。作為第四次工業革命的一部分，人工智能有望改善人們的生活質量，提高人們的收入水平（Schwab，2016）。

與歷史上許多其他顛覆性技術一樣，人工智能有望創造機遇，但也會帶來挑戰。它可能會帶來經濟機遇（Tegge，2018 年），并通過許多積極的應用帶來益處。與先進的機器人技術和其他新興技術一起，它可能會推動人類的努力，甚至在制造、運輸、醫療保健和教育領域取代人類。

可以說，人工智能的進一步發展將帶來新的顛覆，并帶來巨大的經濟、社會、法律、倫理和安全挑戰。這些挑戰可能涉及經濟安全（因為人工智能預計將在許多領域取代人類（搶走人類的工作）），也可能削弱已實現的人權（個人和政治自由）。這可能會造成普遍的經濟不平等或政府對人口的廣泛和侵入性監控。

在國際關系中，人工智能已經成為戰略競爭的一個方面。主要大國認為走在人工智能技術的前沿對于未來全球經濟和軍事實力的競爭至關重要。雖然 "殺手機器人 "的發展仍停留在科幻電影的范疇，但人工智能已經在國防能力中得到了應用。目前，人工智能被視為一種前瞻性工具，尤其是在流程和系統中，其重點是在數據泛濫的環境中縮短決策時間（即決策）。

本文的分析僅限于人工智能在國家安全和國防領域的潛在應用。本文首先探討了什么是人工智能及其重要性，然后回顧了與人工智能相關的挑戰。文章的核心部分是研究人工智能對國家安全和國防的影響。最后，文章對人工智能技術未來的預期發展和使用進行了總結和思考。

2 人工智能介于神話和現實之間

目前，關于人工智能的公認定義尚不存在。人工智能是一個概念，或者說是一個領域，包括 "邏輯、概率和連續數學；感知、推理、學習和行動"（Russell and Norvig, 2003, p.vii）。在將人工智能描述為一個實體時，將其稱為 "智能體 "更為準確。從這個意義上說，人工智能是 "研究從環境中接收感知并執行行動的智能體"（Russell and Norvig, 2003, p.vii）。

Gartner 公司將人工智能簡單定義為 "模仿人類表現的技術，通常是通過向人類學習"（Andrews，2018 年，第 6 頁）。更具描述性的是，人工智能使機器從 "經驗 "中 "學習"，適應新的輸入，并執行類似人類的任務。

多種新技術已被廣泛歸類為人工智能。如今，大多數人工智能應用在很大程度上依賴于它們的子領域，如機器學習（ML）和深度學習（DL）。這些技術可以 "訓練 "計算機通過處理大量數據和識別模式來完成特定任務。

事實上，正是機器學習技術讓人工智能系統能夠在沒有明確編程的情況下進行學習。人工智能系統通過識別以前未定義的模式來 "學習"。機器學習還能讓智能體快速吸收和消化反饋信息。其結果是，與傳統的基于人類的反饋系統相比，人工智能所連接的系統在工作中變得更加出色。然而，人工智能體并不 "理解 "它們所執行的任務，至少目前如此，在不久的將來也不會如此，而且也無從得知它們是如何得出結論的。

人工智能的魅力可能就在于，我們不能指望它按照一套預先確定的算法 "行事"。我們可以以漢森機器人公司開發的社交型仿人機器人索菲亞為例，它經常接受采訪，甚至成為了沙特阿拉伯公民。另一個原因可能是，人工智能不同于其他技術進步，因為它不需要我們像使用計算機那樣通過學習如何使用來適應。實際上，人工智能就是創造適應我們的技術，而不是相反。

在本文中，我們將交替使用 "人工智能 "一詞，作為一個概念（一項技術或一個領域）和一種能力（一個AI智能體）。

2.1 理論框架

一般來說，人工智能是 "計算機系統執行通常需要人類智能的任務的能力，如視覺感知、語音識別和決策"。(卡明斯，2017 年，第 2 頁）

經濟合作與發展組織（OECD）在其定義中涉及知識和行為。經合組織將人工智能定義為 "機器和系統獲取和應用知識以及執行智能行為的能力"（經合組織，2016 年，第 86 頁）。就知識而言，以目前的發展水平，人工智能可以獲取和應用知識，但無法轉移知識。

Teradata 的 "企業人工智能現狀 "報告（伯恩，2017 年，第 3 頁）將人工智能定義為 "利用人機認知交互實現企業決策自動化的能力，機器能夠通過感知和持續學習、推理和推斷、決策和行動來增強和輔助人類能力，從而推動業務成果"。這一定義描述了人工智能的能力及其在增強和協助與業務相關的人類能力方面的目的。

最后，人工智能技術在國防領域的應用也備受關注。美國國防部將人工智能描述為 "機器執行通常需要人類智能的任務的能力--例如，識別模式、從經驗中學習、得出結論、做出預測或采取行動--無論是以數字方式還是作為自主物理系統背后的智能軟件"（USA DoD, 2018, p.5）。這一定義還涉及自主系統的使用。自主性在國防領域尤為重要，因為它能使系統（平臺）自動（如自主決策）、在程序設定的范圍內甚至 "自我管理"。人工智能對自主系統至關重要，因為它有助于在處理大量數據時做出決策。

當我們考慮人工智能時，重要的是要區分人工智能現在是什么或能做什么，以及未來可能或將要實現什么。目前，人工智能分為人工狹義智能（ANI）、人工通用智能（AGI）和人工超級智能（ASI），人工狹義智能是指在特定任務中，機器智能等同于或高于人類智能；人工通用智能是指在任何任務中，機器智能都能達到人類智能的全部水平；人工超級智能是指在任何任務中，機器智能都能超過人類智能（Spiegeleire, Maas & Sweijs, 2017）。

目前，所有現有的人工智能應用無一例外都屬于 ANI。人工智能已經以各種姿態出現在我們身邊。它往往不為人所注意，比如我們的搜索引擎、語言翻譯器或設備上的個人助理。目前，人工智能助手領域有四個領跑者： 亞馬遜的 "Alexa"、蘋果的 "Siri"、谷歌的 "Assistant "和微軟的 "Cortana"。而從 2023 年開始，由 OpenAI 公司開發的 ChatGPT 在自然語言處理領域廣受歡迎。

雖然根據目前的趨勢，專家預測人工智能將在本世紀中葉出現，但人工智能的出現時間仍存在爭議。許多專家預計，在此之后，人工智能會相對較快地出現，但很少有人預計這會引發 "人工意識"。

2.2 人工智能的演變

人工智能之所以能取得今天的重大進展，主要得益于算法質量的不斷提高（得益于計算機科學研究的進步、新的編程語言等）、計算能力的不斷增強以及數據的無處不在。

總體而言，人工智能的發展自其概念提出以來一直基于不同的技術；從 20 世紀 50 年代到 70 年代基于神經網絡，從 80 年代到 2010 年代基于機器學習，到今天則基于深度學習。事實上，主要由學術機構和研發組織完成的早期工作為我們今天看到的人工智能應用奠定了基礎。

20 世紀 50 年代末，美國正處于冷戰時期。當時的國會代表愿意在人工智能上投入巨資，將其作為更大安全戰略的一部分。當時的重點是語言翻譯，主要是俄譯英和英譯俄。1954 年至 1966 年被稱為 "樂觀的十年"，然而，突破并沒有像承諾的那樣迅速到來。與人工翻譯相比，機器翻譯速度更慢、成本更高、準確性更低，因此對機器翻譯的投資被突然取消。20 世紀 70 年代初和 80 年代末的這段發展停滯期通常被稱為 "人工智能的冬天"。

隨著計算機硬件（即大功率微處理器）的強大，人們對人工智能產生了新的熱情。此外，新技術，特別是與深度學習相關的技術，以及可以在現有示例中 "訓練 "后學習任務的神經網絡，開啟了人工智能的新時代。因此，在十年內，人工智能已從研究機構和大學的原型開發轉向工業和現實世界的應用。

盡管該領域取得了進步，但一些人認為，包括紐約大學心理學教授、長期對人工智能持懷疑態度的加里-馬庫斯（Gary Marcus）在內，"人工智能的歷史已經過去了六十年，我們的機器人所能做的不過是播放音樂、掃地和競標廣告"（馬庫斯，2018 年，第 5 頁）。還有一些人，如 Siri 核心專利的共同作者呂克-朱莉婭（Luc Julia）聲稱，人工智能甚至還不存在（Cagan，2019）。事實上，人工智能的發展仍然缺乏一個有凝聚力的、超前的理論基礎，而且是以一種臨時的方式進行探索。

就其未來發展而言，人工智能可能將與物聯網的發展齊頭并進。也就是說，人工智能（通過機器學習）可以迅速從數據中得出意義。它可以識別智能傳感器和設備數據中的模式并檢測異常情況。這種更接近數據收集地點的潛力可能會引導人工智能的未來朝著小型系統的方向發展。

開發和使用人工智能的一個基本特征是，投資規模并不是獲得技術效益的關鍵。在商業領域，開發人工智能解決方案往往只需要數據和機器來解決具體問題，最重要的是要有 "商業案例"。因此，成功的關鍵在于在定義案例時要有清晰的愿景。這使得那些在人工智能發展方面投入資金看似較少的國家和組織也能獲得巨大收益。

在許多人的想象中，人工智能的發展也會引發 "末日 "景象。然而，盡管科幻小說和電影中描繪了這樣的場景，但能夠自我維持、自我完善并有可能主宰人類的 "超級智能 "的實現，至少在不久的將來，仍然是一種神秘的可能性。

3 人工智能的挑戰

在社會中引入人工智能的結果并非都是有益的。與這項技術的實施相伴而生的破壞將對安全產生或隱或顯的影響。

例如，在經濟領域，人工智能系統預計將影響就業市場，可能會造成失業并加劇不平等。除了社會和經濟方面的挑戰，還應該分析其他一些問題，以評估人工智能的潛在影響。如今，我們可以確定幾個與人工智能相關的問題，如其相關性（在功能和適用性方面）及其負責任的使用（關于其決策的自主性和數據的獲取）。

3.1 人工智能的相關性

關于人工智能的相關性，使用人工智能的一個重要方面是提供 "訓練 "人工智能系統所需的數據源。由于人工智能需要數據，可用的數據量越大，它能 "學習 "的算法就越多，人工智能的成果也就越好。數據創建量在持續增長。例如，2013 年，90% 的可用數據都是在前兩年創建的（Jacobson，2013 年），這為人工智能的發展創造了非常有利的條件。對數據的這種需求使得云服務、社交媒體、電子商務或其他行業中能夠獲得大量數據的大公司自然而然地在各種人工智能領域處于領先地位。這包括語音識別、面部識別和自然語言處理。

因此，數據的可用性與人工智能的相關性密切相關。就目前的技術水平而言，使用人工智能處理數據有其局限性。只要相關數據的范圍較窄，人工智能就能發揮作用。換句話說，人工智能要求數據集具有相當明確的特征，包括形狀類型或模式系列。目前，使用人工智能支持決策的最大障礙是人工智能潛在的 "主觀性"。更具體地說，提供給人工智能系統的數據中的偏差會在其決策中復制或放大偏差。人工智能的運行在很大程度上取決于是否有可靠的、經過精心挑選的、符合目標的數據（Poussart & Wyman, 2018）。

3.2 對人工智能的控制

人工智能得出結論的過程不受用戶的直接控制。也就是說，人工智能做出的 "結論 "并不一定是最初的、有順序的算法或預測步驟的結果，因為人工智能體會 "學習"。因此，人工智能的進一步發展及其在社會中的應用絕不能處理不當。另一個值得關注的問題是網絡領域的隱私問題。控制問題還包括利用人工智能進行虛假宣傳的問題，如 deepfake（Villasenor，2019 年）。自動監控私人數據等做法以及上述挑戰可能會導致公眾對人工智能的不信任，甚至引發社會對人工智能的強烈批評。因此，數據驅動的人工智能系統的發展必須確保適應數據收集、使用和存儲的法律框架（例如，見歐洲議會，2018 年）。

最后，賦予人工智能系統做出可能改變生活的決定的自主程度仍然是一個關鍵問題。理想情況下，應確保人工智能體只能提供建議，而不是自主做出決定。然而，這并不總是可行的，尤其是當人工智能用于某些國防平臺時，決策速度至關重要。

3.3 效率與人類包容性

人工智能的兩大優勢是可擴展性和可用性。人工智能系統可以每周 7 天、每天 24 小時運行，而且不會疲勞、生病或感到壓力。因此，雖然人工智能并不比人類更聰明，但它的生產力要高得多。這些特點使其更容易以較低的成本進行采購。

諾亞-哈拉里（Noah Harari）完美地描述了在包括人工智能在內的大量基于新技術的新經濟中，人變得 "無關緊要"（例如不需要）的可能性（Harari，2018）。這是 "傳統 "資本主義問題的演變，在 "傳統 "資本主義中，許多人感到 "被剝削"。除此之外，哈拉里警告說，將所有信息和權力集中于一處的愿望是 20 世紀專制政權的主要障礙，而在 21 世紀可能會成為他們的決定性優勢。人工智能使之成為可能，因為它可以集中處理大量信息，使集中式系統遠比分散式系統更有效率。

4 人工智能及其對國家安全和國防的影響

人工智能在國防（即軍事事務）中的應用尚未形成概念，其發展預計將隨著其實施而發展。假定可以將人工智能與其他一些發明相比較，這些發明已在軍事領域得到應用，并為那些使用它的人帶來了巨大優勢。全球定位系統（GPS）就是一個例子。現代互聯網和手持式 GPS 的前身是美國研究人員在 20 世紀 70 年代開發的。20 年后，在第一次海灣戰爭（"沙漠風暴行動"）中，美軍對信息技術和精確彈藥的廣泛應用震驚了世界。這次行動的成功鞏固了美國幾十年來作為卓越軍事強國的地位。

雖然人工智能在國防領域的應用尚未形成概念，但除美國之外的經濟和軍事強國不會等待。正如法國前國防部長弗洛倫斯-帕利（Florence Parly，2019 年）所說，人工智能對法國國防部的潛在好處是強大而眾多的。當大國的兵力已經在磨礪自己的算法時，法國不能冒險錯過這一技術轉變。這僅僅是今天和未來保持相關性的當務之急。

4.1 人工智能在國防能力中的應用

人工智能已應用于許多新平臺，例如 F-35 噴氣式戰斗機、現代水面戰艦、導彈防御火控系統和網絡防御。它可能適用于許多以決策速度為特征的新興系統。利用人工智能工具制定戰略和作戰行動方針的工作還有待開發。

人工智能在未來可能發揮重要作用的一個領域是無人戰爭（自主系統）。在過去的幾十年里，戰爭的概念已經發生了演變，包括高科技戰場的能力發展。無人機、高超音速導彈、自主系統（即武器化機器人）、水面鼬鼠群（艦船）等平臺以及人工智能的使用，都有助于想象戰爭性質的變化。這種 "新 "戰爭的主要特點之一是武器系統的自主性增強，以減少或避免對戰場上稀缺、緩慢和昂貴的人力存在的依賴。在這種情況下，人類不再參與導航、控制和決策過程。未來的戰場如果高度技術化，在地面和戰斗中心（如決策）的人類將越來越少。

目前，人工智能的開發大多在商業部門（私營公司）進行。目前在自主系統開發方面，商業與軍事研發支出存在巨大差異，這可能會對軍事系統中的自主類型和質量產生連帶影響。在國防中使用人工智能和自主系統的一個關鍵問題是，國防部門是否能夠開發和測試安全可控的自主系統，尤其是發射武器的系統（Cummings，2017）。

4.2 決策中的人工智能

目前，人工智能在國家安全和國防領域的主要用途是對越來越多的傳感器收集到的大量數據進行分析。人工智能用于國家安全目的的一個例子是美國國防部高級研究計劃局（DARPA，2019 年）試圖開發基于模式的人工智能能力（詳見：Pezzulo & Butz，2012 年），以加強對復雜世界事件的推理并產生可操作的洞察力。其結果應該是能夠快速理解世界事件，這對于為國家安全工作（即決策制定）提供信息至關重要。

國際關系、人類社會甚至自然界（物理環境）的變化本身就會對國家安全產生重大影響，也可能構成產生更廣泛影響的因果鏈的一部分。這些事件往往不是簡單的偶發事件，而是由眾多次要因素（包括行為體和時間軸）組成的復雜現象。

面對可用但非結構化數據量不斷增長的挑戰，國防（情報）部門顯然需要一種工具來揭示和理解不同的事件、它們之間可能存在的關系及其基本要素。這就是人工智能發揮作用的地方，因為能夠創造出比對手更快、提供更好決策的人工智能體的國防部門將占據優勢。

然而，挑戰在于人工智能需要數據，而數據可能存在偏差。為了確保決策的可靠性，必須了解不良或錯誤（"中毒"）數據對決策的負面影響，以及如何檢測和隔離不良數據。這是一個商業部門目前尚未解決，但國防部門必須解決的系統問題。

人工智能在軍事領域的應用可以通過 OODA（觀察、定位、決定、行動）循環來概念化（詳見：Poussart & Wyman, 2018）。由于當前的技術發展水平，人工智能目前主要用于觀察階段。對應用（如圖像識別、數據挖掘技術）的信心至關重要，但目前可能難以實現。決定 "階段會帶來法律問題，尤其是涉及到自主系統時。實施能夠做出決定的自主系統是可行的，但需要標準和協議（控制的法律方面）。當做出反應的時間比人類的反應時間短時，就需要實施自動反應（行動階段）。這一階段與 "決定 "階段一樣，無疑是最敏感的階段，需要人工智能和自主系統達到非常成熟的發展水平。總的來說，人工智能有望改變未來沖突的性質，因為它有可能提高整個 OODA 循環中與防御相關活動的效果、效率和速度。

要評估人工智能對國防的影響，就必須預見到人工智能將給國家安全和國防概念本身帶來的深刻變革。以往的工業革命不僅給生產方式，也給人們的生活方式帶來了重大變化。有鑒于此，我們當然可以預見，作為第四次工業革命的一部分，人工智能將引發社會結構、關系和價值觀的變革。

目前，人工智能和新技術往往只被視為對包括國防在內的現有體制框架的擴充。北約的小冊子《戰爭愿景：2036 年》就是將未來武器和軍事能力與現有政治、社會和軍事結構疊加在一起的例子之一（菲利普斯和科爾，2016 年）。人工智能在國防領域的應用，尤其是在自主系統中的應用，也可能導致決策者產生某種自滿情緒，因為人們期望它能消除或最大限度地減少自己兵力中出現（人類）傷亡的風險。

4.3 人工智能在戰略思考中的應用

人工智能在戰略思考方面的應用能力仍有待提高。雖然人類似乎可以利用人工智能生成內容和回答問題，但該工具仍無法在地緣政治分析和理解行為體行為方面進行 "思考"。簡而言之，人工智能仍然沒有 "戰略文化"。

一項與美國國家戰略相關的研究就說明了這一點。Elena Wicker（2021 年）利用機器學習創建了人工遞歸神經網絡 "bernardcodie "程序。她用美國國家安全戰略的全部語料庫數據對其進行了訓練。這意味著自該文件于 1987 年授權制定以來，美國發布的所有 17 項國家安全戰略。作者使用一個人工智能工具，在前 17 個國家安全戰略的基礎上創建了新的美國國家安全戰略。結果似乎是相關的，但顯示出詞語的選擇是分析的核心，表明該工具嫻熟地識別了戰略語言中的模式和一致性。因此，Elena Wicker 認為，利用人工智能制定戰略的方法仍需改進，不能取代人類的直覺。盡管如此，人工智能在與人類分析相結合時還是很有用的，因為它可以提供一個全新的視角（復雜系統中智能體之間的聯系），拓展人類對戰略的理解。

同樣，我們用一些與全球安全和國防有關的簡短問題來測試人工智能的能力。這是 2023 年 1 月 13 日與基于人工智能的在線工具 ChatSonic（網址：//writesonic.com/chat）"討論 "的兩個問題：

Drazen Smiljanic："在烏克蘭打敗俄羅斯的最佳戰略是什么？

ChatSonic："在烏克蘭擊敗俄羅斯的最佳戰略是烏克蘭不讓俄羅斯兵力包圍。要做到這一點，可以對俄軍發動破壞性攻擊，阻止其兵力集結，同時開展防御和進攻行動，為反擊創造機會。烏克蘭還必須繼續接受美國及其盟國的援助和培訓，并繼續投資和發展尖端軍事技術，以保持對俄羅斯的技術優勢。" DS: "克羅地亞的最佳防御戰略應該是什么？"

ChatSonic："對克羅地亞來說，最好的國防戰略是在該地區保持強大的軍事存在，同時投資和發展尖端軍事技術，以保持對潛在對手的技術優勢。克羅地亞還應繼續加強與北約和其他地區盟國的聯系，以確保集體安全。克羅地亞還應明確表示，如果局勢升級，它將不會派遣任何部隊，以表明它致力于和平解決地區緊張局勢和沖突"。

雖然這些答案似乎很有意義，但它們并不是戰略制定、地緣政治分析或類似領域通常使用的任何方法的產物。結果表明，就目前文本生成和語言翻譯的發展而言，人工智能仍可被理解為一系列具有自然語言處理能力的算法，這是其能力的核心。而不是更多。不過，人工智能可以提供一個獨特的機會，從整體上評估戰略文件的 "體裁"，并識別所用語言的模式和一致性。

5 關于未來使用人工智能的結論和思考

幾乎每一天都會有關于人工智能的新文章和討論，關于它將給我們的日常生活帶來哪些革命性變化，以及關于主要經濟大國所做的大規模投資。然而，與人工智能相關的話題及其未來發展可能會引起爭議。末日論者對可能由人工智能和智能機器統治的未來抱有烏托邦式的幻想，而技術理想主義者和烏托邦主義者則認為人工智能相關技術只會促進人類福祉。在這兩者之間，還有一些打著哈欠的懷疑論者，他們要么聲稱人工智能領域取得任何重大進展（成本效益方面）的時間太長，要么甚至認為真正的人工智能根本不存在。事實上，人工智能技術已經出現在我們身邊，而且其潛力還在不斷增長。

目前，預計在不久的將來，人工智能發展的大趨勢不會放緩。然而，這種謹慎并非毫無道理。人工智能的發展已經經歷了兩次 "人工智能寒冬"，因此在未來一段時間內也應考慮到這種可能性。

人工智能真正令人擔憂的是其未來的應用。在樂觀的情況下，人工智能將提供一個經濟機遇，如果平衡和處理得當，可能會帶來許多積極的應用。預計人工智能幾乎會對社會的各個方面產生影響：勞動力市場、交通、醫療保健、教育和國家安全。在最好的情況下，它將成為適應人類的技術，并將對人類和人類產生深遠的變革。

人工智能在國防能力中的應用呈增長趨勢。也可以預見，人工智能將在戰略競爭中被用作弱者（就軍事實力而言）的工具。因此，可能會出現以不對稱為主的競爭或沖突。在這種情況下，可以將人工智能作為一種手段，更準確地接觸和處理目標國家和社區的個人及其態度和情緒。這樣，人工智能就可以被用來試圖分散甚至破壞對手社會的穩定，更準確地說，是破壞其輿論的穩定。一些國家，特別是非民主國家，也可能決定利用人工智能來觀察和控制本國公民的態度和行為。

人工智能作為安全和國防領域潛在的游戲規則改變者，其最有益的用途可能是決策。深度學習算法為改善態勢感知和對信息環境的理解提供了前所未有的機會，使人工智能服務對最高級別的決策大有裨益。未來，人工智能有望在識別趨勢和驅動因素以及各類人類活動的潛在結果方面提供獨一無二的深刻見解。這將使其在前瞻性分析、處理不確定性和復雜性方面大有用武之地。

通信網絡在軍事行動中的重要性與日俱增，時間緊迫的目標定位、秘密特種作戰、指揮與控制、訓練和后勤等任務領域都在很大程度上依賴于通信網絡及其服務。另一方面，商業通信也極大地改變了我們的社會和通信方式。目前最新的網絡模式--5G 及超5G（5GB），具有高速度、低延遲、高可靠性和高通信密度的特點。雖然國防機構使用 5GB 商業網絡可以提供更大的靈活性和效率，但也面臨著新的挑戰，即需要高標準的網絡保護和苛刻的工作條件和環境。在本文中，我們將討論通信網絡在幾種潛在軍事應用中的重要性，特別是在戰爭、訓練、后勤和特殊任務站中的應用。我們介紹了軍事應用中采用的通信趨勢。然后，我們介紹了各種 5GB 關鍵性能指標及其在軍事通信系統中的使用案例。我們還闡述了軍事通信網絡所面臨的獨特挑戰，這些挑戰不太可能通過商業5GB 研究來解決。我們還討論了用于軍事通信系統的各種 5GB 使能技術。最后，我們介紹并分析了用于 C 波段專用軍事通信的 5GB 新型無線電。

引言

當今世界，及時獲取信息已成為實現軍事目標的關鍵環節。無線通信網絡是及時傳遞準確無誤信息、促進軍事行動高效順利進行的重要手段，也是影響作戰能力的主要組成部分之一[1]。通信系統和網絡應用在軍事行動中發揮著越來越重要的作用，時間緊迫的目標定位、隱蔽的特種作戰、指揮與控制（C2）、訓練和后勤等任務式領域都非常依賴于它們的大容量接入、高機動性互聯和穩健傳輸。典型的軍事通信使用異構無線通信技術，如圖 1 所示，可分為四種場景[2]。

• 第一種場景是戰爭場景，描述的是進攻/防御環境下的實際作戰指揮情況。C2 信息和語音通信在營、旅和部隊各級之間不斷消散。該場景包括艦船、飛機和車輛的動態聯網，以及發射平臺和移動/便攜式通信設備，這些設備需要移動性、廣覆蓋、安全性、互聯性以及與第三方應用平臺的連接。

• 第二種場景是訓練/演習場景，通過作戰、艦船、飛機和車輛開展演習訓練活動。它由配備真實或虛擬/增強現實應用的固定和移動訓練基地組成，為戰斗提供演習指導。在這一場景中，需要大容量、廣覆蓋和更高數據傳輸速率的固定和移動網絡相結合，以支持每平方米大量用戶、大量小尺寸數據包，并幫助收集遠程數據/視頻/語音。

• 第三種場景是后勤保障，由軍隊組織實施物資、裝備、資源和資金的分配，以及包括數字軍營固定網絡在內的各種服務。它主要包括固定或移動通信網絡上的數據、語音和視頻等基本通信。數字軍營的商業網絡和車輛/船舶的一般連接也屬于這一類。

• 第四種場景是特殊安裝場景，即執行各種軍事任務的特定網絡安裝平臺。聯網方式包括固定和移動綜合連接，需要在現有平臺上建立一個特殊網絡，以解決通信問題。它包括中繼站、作為基站的無人駕駛飛行器（UAV），以及任何其他可利用現有商業通信提升網絡性能的接入點。

圖 1. 軍事無線通信場景。

基于上述四種情況，軍事領域的通信可根據通信類型、組件、應用、最終用戶和國家進一步劃分為各種類型，如表 1 所示[3]。軍事應用對通信的基本要求是在固定和移動網絡平臺上建立快速、準確、保密和不間斷的通信網絡。新興的 5GB 網絡技術在支持國防網絡方面大有可為，其增強的通信和網絡功能可大大提高吞吐量、降低延遲、提高能效并降低成本，從而滿足許多軍事應用場合的需求。互聯或自動化設備，包括智能軍事基地/總部、自動駕駛車輛、精確訓練/演習系統、戰爭機器和精密機器人，都可能受益于 5GB 技術。此外，軍事領域的 5GB 技術可能會促進情報、監視和偵察系統及處理，并允許采用新的 C2 方法和簡化后勤系統以提高效率[4]。然而，商用 5GB 通信系統與國防 5GB 通信系統之間存在著重大差異。國防網絡缺乏廣域固定基礎設施，包括集中的資源和干擾管理設計，無法在網絡拓撲不斷變化、電磁環境復雜、傳播條件具有挑戰性的環境下支持服務。

表 1 軍事通信類型

在本文中，我們詳細介紹了用于軍事應用的 5GB 通信技術，并討論了早先移動連接創新和發展的主要兵力，如今在無線通信行業中所占的比重如何大大降低。主要貢獻概述如下：

• 我們根據軍事通信需求設計了三種典型的 5GB 應用場景。

• 我們合理解釋了軍事通信技術中峰值數據速率的下降趨勢。

• 根據軍事任務和行動的不同優先級，將 5GB 的性能指標定義為不同類別。

• 我們分析了 5GB 支持的各種關鍵技術及其在軍事通信場景中的獨特應用挑戰。

• 我們闡述了 5GB 使能技術及其在軍事通信中的可能應用和未來研究方向。

• 我們介紹了用于專用軍事通信的新型 C 波段 5G 新無線電，并分析了其在公平性約束下的性能。

本文其余部分的結構如下。第二節介紹了軍事通信系統的技術發展趨勢。第三節討論軍事通信的關鍵性能要求。第四節介紹 VGB 技術及其在軍事領域的應用案例。第五節列出并討論了軍事通信中的各種通信和安全挑戰。第六節介紹軍事通信的關鍵技術推動因素和研究方向。第七節從 5G NR-U 軍事專網的角度展開。最后，第八節對本文進行總結。

技術趨勢

從互聯網到蜂窩通信的不同領域，今天的大多數技術創新都源于早幾個世紀國防資助的技術。然而，現在越來越多的人認為，軍事需求不再是推動通信技術進步的主要動力。根據美國研究與發展公司 1999 年的研究[5]，美國軍方市場僅占美國信息技術總需求的 2%，低于 1975 年的 25%，而且此后的趨勢還在加快。此外，如圖 2 所示，2010 年的一份報告[6]、[7]、[8] 強調了美國國防部（DoD）影響力的下降。從圖中不難看出，目前商業通信技術正在推動通信技術的發展。商業技術的快速發展不僅局限于無線數據傳輸速率，還涉及移動速度、密度、可靠性、安全性、魯棒性等多個方面。

圖 2. 商用蜂窩技術正在超越其專有技術 [6]、[7]、[8]。

商業無線技術的最大推動力是集電話和計算功能于一體的智能手機的問世。移動中輕松上網和處理多媒體數據的功能為蜂窩通信帶來了巨大的沖擊[7]。除技術進步外，商業技術發展的日新月異也可以從一些商業統計數據中看出，如政府和私人（三星、Version、中興、蘋果、高通等）在信息和通信技術（ICT）研發方面的巨額投資。2012 年，全球在信息和通信技術方面的投資約為 2 791 億美元，僅美國就投資了 1 485 億美元，而美國國防部則花費了 3.85 億美元[9]、[10]。

因此，在某些一般情況下（如后勤場景），軍用手機技術（如商用智能手機）被原封不動地使用，而在其他情況下，由于安全問題，手機的直接改裝和使用被嚴格禁止。不過，制造商會根據使用情況的獨特需求定制設備（以提高耐用性）。專用設備中也使用了蜂窩長期演進（LTE）商用芯片組[11]。如文獻[12]所述，已經對 5G 技術及其潛在軍事應用進行了技術評估研究。技術報告[12]包括

• 為北約利益相關方提供知情的技術意見和建議；

• 確定 5G 技術和 5G 基礎設施的軍事應用機會；

• 制定初步的 5G 軍事參考方案，并提供支持理由；

• 為與利益相關方的后續討論提供結論和建議；

目前，各種形式的跨代通信正處于實驗驗證和演示階段，如超寬帶通信、光通信、空間通信、太赫茲連接和量子通信[13]、[14]。表 2 列出了在 12 個美國軍事設施作為試驗床進行的 5G 應用測試和實驗的初始階段[4]。2020 年 9 月 18 日，國防部提交了一份信息請求，以更好地了解 5GB 技術中的動態頻譜共享。2022 財年，國防部為 5G 和微電子技術申請了 3.74 億美元，2021 財年批準了 4.39 億美元用于 5G 技術。隨著空間通信和智能通信技術的出現，軍事通信正朝著寬帶、集成和軟件技術方向發展。根據全球數據[15]的市場分析，在 2021 年至 2028 年的預測時間段內，軍事通信市場預計將以 11.54% 的速度增長。這一增長主要受軍事戰術通信創新需求的推動，到2021年，全球軍事戰術通信創新的價值將達到1510億美元。

表 2 美國 5GB 軍事設施和測試平臺

軍事通信的關鍵性能要求

軍事通信網絡是決定作戰能力的重要組成部分之一，是確保有效和無縫執行軍事行動的重要途徑。軍事通信必須滿足基本標準：必須快速、準確、隱蔽和不間斷。表 3 從優先級、可用性、延遲、可靠性、用戶速率、移動性、連接密度、安全分類和能效八個方面總結了軍事應用的關鍵性能指標。這些 KPI 目標值，如軍事通信系統的可靠性達到 5 個 9，是由于在具有挑戰性的關鍵任務場景中需要高度可靠和彈性的通信能力。此外，實現通信的高可靠性會對系統設計產生重大影響，因為需要考慮幾個關鍵方面，如冗余和多樣性、穩健的基礎設施、可擴展性和靈活性、快速恢復和復原以及互操作性。詳細說明如下：

表 3 軍事通信系統的關鍵性能指標

A. 優先事項

軍事任務既包括基本通信服務，如消息、數據、語音和視頻，也包括關鍵服務通信，如作戰設備、車輛、機器人等觸覺操作中的 C2 通信。因此，應根據軍事任務的重要性確定網絡資源調度的優先級。而且，必須根據任務進展或作戰情況實時動態地改變優先級。軍事通信可分為高、中、低三類，分別用于戰爭實時對抗活動、訓練活動和后勤裝備保障任務。

B. 可用性

軍事通信被歸類為關鍵通信，因此網絡的高可用性至關重要。在任何特定地點，正常運行時間都應達到 99.9999%。確保基站（如冗余骨干單元）、回程（如用衛星取代光纖作為回程）和核心網絡高可用性的技術必須采用高冗余方案和自主邊緣設計。

C. 延遲

數據包到達目的地所需的時間是軍事應用中最重要的問題之一。當設備需要進行近乎實時的通信時，延遲會產生很大的影響（如物理或虛擬現實）。在軍事應用中，端到端延遲的目標是 1 毫秒，即從終端發送數據到另一端接收數據之間的時間（即傳輸、處理、排隊和傳播）。此外，無人機器人/作戰平臺的遠程控制和操作服務要求延遲時間小于 1 毫秒 [2]、[16]、[17]。

D. 可靠性

安全通信和警報系統是任務關鍵技術的范例，需要持續、可靠的連接。這些應用中的 C2 通信必須由可信度極高的鏈路提供支持。網絡應為各種特定情況和功能下的特定軍事活動提供可信服務，并在軍事活動的整個執行過程中評估網絡的可信度。通信技術應為武器打擊提供 99.999% 的可靠性，為指揮與控制提供 99.9% 的可靠性，為服務支持提供 99% 的可靠性。

E. 機動性

軍事通信需要支持從低速到高速的移動設備，如飛機、艦船和陸地戰車。在規定的服務質量（QoS）和無縫傳輸條件下，必須支持的最高速度為：最高時速大于 200 公里，中等時速為 2 至 200 公里，最低時速的獲取設備和車輛小于 2 公里。

F. 數據傳輸速率

軍事通信的用戶是作戰人員的設備、人員身體區域網絡、雷達、導彈、傳感器和其他武器設備。在特定條件和環境下，網絡的峰值數據傳輸速率可達每秒 20 千兆比特[2]。

G. 設備密度

單位面積可容納的最大設備數量稱為設備密度。軍事應用包括在戰場或作戰體區網絡中分布和互聯的大量傳感器，這些傳感器應保持特定的服務質量水平。因此，必須支持高密度區域內每平方公里 104 個設備的連接密度。同樣，在中密度和低密度部署區，每平方公里的連接密度分別為 100-104 個和少于 100 個。

H. 安全

它描述了軍事應用的安全級別。在物理網絡中，服務根據其安全級別進行邏輯隔離。機密、秘密和不安全是三個安全級別，分別獲得軍事服務中定義的高、中、低安全級別位置。

I. 能源效率

軍事任務一般包括離岸行動、登陸行動和遠離指揮所的控制行動。終端設備及其網絡應盡可能保持單位能耗可傳輸和檢索的信息量。一般來說，與戰場和一般遠程控制操作相比，武器中的傳感器需要較高的能效。

軍事通信的其他關鍵性能指標包括網絡訪問時間、低攔截概率、電子設備的魯棒性以及自組織、自修復和動態資源管理等網絡管理能力。除網絡性能要求外，國防網絡還需要針對陸基、空基和水基通信系統所采用的不同設計和技術系統進行架構優化。此外，每個架構都應進一步優化為低空平臺（LAP）、中空平臺（MAP）和高空平臺（HAP）等子級別，其中包括各種設備類型、獨特功能以及不同級別之間缺乏兼容性等問題。相比之下，人們希望網絡架構能利用聯合學習等機器學習技術提供更大的自主支持，這有助于根據部署場景自主組織網絡參數。抗干擾性對軍事至關重要，因為入侵者在戰爭中會使用無線電干擾方法來干擾軍事通信。波束成形和大規模多輸入多輸出（mMIMO）的抗干擾能力有待進一步研究。服務隔離是另一個重要特性，有助于國防網絡設備的運行，不受其他設備活動和/或基礎設施/服務提供商不請自來的任何直接或間接影響。這種隔離可以是資源層面的，也可以是管理層面的，可以在無線電層面為各種應用實現不同的子載波或分離的無線電資源塊。最后，成本并不是軍事通信的關鍵問題，但網絡基礎設施的資本支出（CAPEX）和運營支出（OPEX）成本必須降低到較低水平。

5G 技術及其在軍事通信中的應用案例

5GB 無線通信改變了蜂窩技術的功能，而不僅僅是像前幾代那樣提高數據傳輸速率和擴大覆蓋范圍。5GB 通信系統的主要目標包括：每秒 1 至 20 千兆比特的吞吐量；小于 1 毫秒的延遲；1000 個連接設備和單位面積 1000 倍的帶寬；超高速的大規模連接；99.999% 的可用性；100% 的覆蓋率；卓越的能源經濟性--能耗最多可降低 90%，機器類通信的電池壽命最長可達 10 年[19]。第三代合作伙伴計劃（3GPP）正積極致力于通過徹底改變蜂窩網絡的構建方式、可連接的節點、使用的工作頻率以及發揮的功能來實現 5G。智能交通、汽車、醫療、工業、農業、物流、能源、衛星、海事等領域的政府和私營部門將從中受益匪淺。表 4 比較了 4G、5G 和 6G 蜂窩通信支持的功能。

表 4 4G、5G 和 6G 蜂窩通信的比較 [18]

一般來說，5GB 應用分為三類：增強型移動寬帶（eMBB）、海量機器類型通信（mMTC）和超可靠低延遲通信（URLLC）。首先，也是最重要的先決條件是 eMBB，它是 4G/LTE 向 5GB 發展的必然趨勢，可支持瀏覽速度提高 10 倍，即目標瀏覽速度將從每秒 1 千兆比特開始，下載速度將超過每秒 200 兆比特。其次，開發 mMTC 是實現物聯網（IoT）目標的必要條件，即實現日常智能小工具、汽車和工業設備的互聯。最后，URLLC 是 "關鍵任務 "應用的有用應用，這些應用需要實時收集數據，以便了解態勢和快速決策。圖 3 描述了商用 5G 的三個類別及其目標應用和一般用例。此外，不同場景對各種應用的要求也不盡相同，因此我們在表 5 中描述了基于不同場景的 5G 應用的關鍵性能要求。

表 5 與場景相關的 5G 應用關鍵性能指標

圖 3. 5GB 通信技術的潛力及其應用案例。

5GB 技術的上述概念與軍事通信在全球范圍內提供綜合多媒體服務的操作要求相似。5GB 能夠將傳感器與配備強大人工智能算法的無人機和機器人連接起來，這將帶來更快、更高效的武器，并減少參與戰爭災區的士兵人數。有了 5GB 固定無線接入 (FWA) 服務，軍方可以在沒有有線連接基礎設施的地區實現最后一英里的固定連接。毫米波、波束成形、mMIMO 和共享頻譜接入技術相結合，可在防御中實現超高速全雙工連接。此外，由于 5GB 技術可實現側向鏈路通信，因此無需使用衛星或通信中繼無人機等集中式基礎設施，即可實現戰斗機和機器之間的點對點通信。軍方內部也在爭論 5GB 技術的脆弱性、基礎設施和覆蓋范圍，但有一點是肯定的：如果沒有 5GB 通信，國防和其他領域就幾乎不可能充分挖掘大數據、人工智能和云處理所帶來的潛力。

5GB 無線網絡有望為幾乎所有可以想象到的設備帶來無處不在的連接，從而產生一系列具有不同需求的新的相關服務。例如，完全自主的戰車將需要使用各種無線通信技術來實現車對車（V2X）通信。同樣，為了實現基地/倉庫的數字化和觸覺操作中機器人活動的自動化，軍事物聯網（mIoT）將依賴于廣泛的連接、云計算資源、人工智能和大數據分析。為了向作戰人員提供定制化的精準醫療服務，移動和電子醫療將依賴于分散的模塊化架構和更好的數據保護措施，而大量的 mIoT 設備將提供大量的數據支持。然而，5G/物聯網通信架構與軍事通信架構在目標、作戰環境、網絡特性、安全性和互操作性方面仍存在巨大差距。以下是一些需要考慮的關鍵區別：

• 5GB 通信架構旨在為商業用戶提供高速、低延遲的連接，而軍事通信架構則應滿足軍事行動的特定需求。

• 5GB 網絡主要在民用環境中運行，滿足城市、郊區和農村地區預先確定的覆蓋范圍和容量要求，而軍事通信系統則在動態且往往充滿敵意的作戰環境中運行。

• 5GB 網絡采用基于云的核心網絡集中式架構，而軍用系統通常采用分布式架構以提高彈性。

• 5GB 網絡通過網絡切片和虛擬化等技術優先考慮可擴展性和高效資源分配，而軍用通信系統則強調彈性、適應性和自主聯網能力。

• 5GB 的互操作性基于標準化協議和接口，可實現商業用戶之間的無縫連接。而軍用通信系統則需要各種軍用無線電系統和設備之間的互操作性，通過互操作性標準（如聯合戰術無線電系統（JTRS））來實現。

大多數軍事服務不容易符合 eMBB、mMTC 和 URLLC 三類 5GB 用例，而這三類用例一般是根據其所需的性能質量來定義的。因此，5GB 用例不僅可以根據性能特征進一步分類，還可以根據正在發生的交互類型進一步分類：士兵之間、機器之間或士兵與機器之間。圖 4 提供了各種軍事用例的分類，涵蓋了廣泛的交互和性能劃分。這些需求表明，網絡轉型需要使用 NFV（網絡功能虛擬化）、SDN（軟件定義網絡）、MEC（多接入邊緣計算）和服務間網絡切片等技術手段，以滿足日益增長的服務需求。要實現這些目標，需要 5GB 系統設計者、用例開發者和垂直行業之間的協調。

圖 4. 軍事應用中的 5GB 用例。

軍事通信中的通信和安全挑戰

如圖 4 所示，新興的 5GB 連接，特別是對軍事而言，將不僅僅是快速連接的電話交談和快速的多媒體下載。事實上，5GB 可能會成為現實，國防指揮官稱之為 "信息層[20]"，在這里，來自視頻、音頻、傳感器、目標、監視甚至遠程武器瞄準器的數據都可以從作戰工作環境（如飛機駕駛艙或艦橋）快速、輕松地接收到。有了信息層，作戰人員有望管理和訪問遠程電器/設備、工作場所小工具、訓練儀器和計算工具，并與世界上任何地方的同行進行通信。5GB 的能力將極大地改進情報、監視和偵察（ISR），以及更快、更安全的指揮和控制，使后勤工作更加井然有序，使無人駕駛車輛更加擁擠，并使虛擬現實和增強現實技術在模擬、演習和任務式試驗中得到廣泛應用。此外，地球上任何地方的即時連接、具有空中重新瞄準功能的智能超音速武器、對戰場關鍵任務信息的大量獲取，以及可在商用空域與客機安全并肩飛行的無人戰斗機/無人機，都是 5GB 的可能性所在。

盡管 5GB 商業通信技術取得了巨大突破，其中大部分可為國防部門所用，但仍需要在 5GB 通信和網絡方面進行以軍事為重點的研究和更新。值得注意的是，軍事通信中采用的具體技術可能會根據行動的性質、信息的敏感程度以及特定時間的可用技術而有所不同。軍事組織會不斷改進其通信戰略，以應對新出現的威脅，并采用新技術來增強安全性和應變能力。以下是一些旨在保護敏感信息、防止未經授權訪問、確保可靠傳輸和保持行動有效性的技術。

• 先進的加密方法，如公鑰加密法，通常用于保護機密信息。

• 采用雙因素認證和生物測定等強大的認證方法，確保只有獲得授權的軍事人員才能訪問敏感信息。

• 軍事通信系統采用自適應波束成形、頻率敏捷性和功率控制等抗干擾技術，以減輕干擾攻擊的影響，并在具有挑戰性的環境中保持通信能力。

• 直接序列擴頻（DSSS）和跳頻擴頻（FHSS）等擴頻技術用于在寬頻帶內傳播信號，使其具有更強的抗干擾和抗干擾能力。

此外，軍事通信網絡還面臨著商業研究和創新無法解決的獨特挑戰。具體包括

• 1）商業蜂窩連接依賴于組織完善且安全的基礎設施，而另一方面，軍事部門可能需要在沒有此類基礎設施的地區進行連接。此外，通信網絡大多受到惡劣天氣和多變地形的影響。海上、空中和敵方領域的軍事通信不能依賴永久性基礎設施，也不能配備固定基站（BS）。此外，軍事通信網絡對廣域覆蓋和海、陸、空、天多域連接的需求也沒有得到商業網絡的充分考慮。

• 2）軍事通信網絡的拓撲結構隨時動態變化，不像商業網絡有集中的網絡服務，如固定的核心網絡與接入網絡。多跳網絡在軍事通信中更為常見。這種網絡的理論基礎在商業網絡中并不像只使用單跳鏈路的網絡那樣明確和成熟。

• 3）軍事通信由多個異構網絡組成，其中包括多種無線電接入技術的共存，以及在同一地理區域內運行的不同規模的小區。商業網絡也可以是多種多樣的，但它們不必應對相同程度的時間和地理變化。在動態環境中，跨異構網絡連接仍然是一個關鍵問題。

• 4）軍事通信網絡必須能夠抵御強電磁干擾，同時還能提供安全傳輸，提高保密性和可靠性。它們必須應對干擾和電子戰等敵對行動，以及計算機、傳感器、無線電等領域的新型先進商業技術激增所帶來的復雜性和先進性。

• 5）軍事通信正遭受著帶寬低且時斷時續的困擾，因為它不斷失去以前專用于軍事用途的頻譜。其中一個例子是公民寬帶無線電服務（CBRS）頻段（3550-3700MHz），該頻段以前僅由軍方和海軍使用，但現在通過采用一般授權訪問（GAA）和優先訪問許可（PAL）計劃的共享訪問方式開放給商業使用。

• 6）由于 5GB 尚不成熟，其標準、安全原則和頻譜規則仍在制定過程中，因此很難加快軍方向 5GB 的過渡。5GB 需要考慮全套設備保護、穩健的物理層、動態網絡路由、獨立于 GNSS 的網絡定時、隱藏流量模式、低檢測概率以及分散方式的網絡節點驗證。

• 7）由于 5GB 網絡將傳輸大量敏感的個人、商業和政府數據，因此將成為潛在對手的目標。對手可能會參與間諜活動，危及全球人民的隱私和權利，和/或削弱關鍵基礎設施。

• 8）要確保軍方能夠在全球 5GB 環境中執行任務十分困難，因為潛在對手試圖控制主要伙伴國的 5GB 市場，這可能使他們通過供應鏈漏洞、惡意軟件和/或內部威脅獲得未經授權的網絡和數據訪問權限。因此，對手可能會利用對 5GB 市場的控制來推進安全和外交政策目標，最終損害國家利益。

• 9）其他潛在問題 [4]：

  • 什么樣的頻譜管理策略（如頻譜共享、頻譜重新分配）既能最好地保障國防部的任務，又能滿足商業需求？

  • 盟國和伙伴國開發的 5GB 基礎設施會對本國的國家安全造成什么威脅？是否有可能控制這種風險？

  • 國家是否應該限制與使用敵國提供的 5GB 設備的國家進行情報合作？

  • 商用 5GB 技術在多大程度上容易受到對手的干擾攻擊？

  • 由于軍事 5GB 的進步或使用，是否需要修改作戰原則、兵力組織、條令或態勢？

當我們把所有這些考慮因素與更普遍公認的挑戰（如對堅固性、安全性和隱蔽性的要求）相加時，就會發現軍事通信仍然需要大量的研究和開發。盡管網絡為作戰行動提供了更大的靈活性和更高的效率，但由于需要高度的網絡安全、特殊的作戰環境和設置，網絡也帶來了一些新的挑戰。對網絡的依賴與日俱增，因此，充分理解和解決這些問題，為現有和未來的軍事通信系統提供穩健安全的基礎設施就顯得尤為重要。 由于軍隊在充滿敵意和爭議的環境中工作，5GB 系統的安全性、隱私性和可信度至關重要。由于對機密信息泄露的安全擔憂，目前在軍事領域采用現有 5G 解決方案受到限制。在此背景下，[21] 號報告研究了 2030 年軍事行動場景中與 5G 連接技術相關的網絡安全挑戰。有必要使用基于風險的框架來確保在敵對環境中使用的設備、武器系統和應用程序的 5GB 網絡的保密性、完整性和可用性。5GB 網絡中的一些威脅包括認證和密鑰協議攻擊、頻譜切分攻擊、導致欺騙的尋呼攻擊、性能下降和拒絕服務攻擊。此外，物理層安全還可通過波束成形、協同傳輸和人工噪聲注入來補充傳統的加密方案[22]。

在未來的 5GB 網絡中，將使用邊緣云計算、開放無線接入網（O-RAN）、應用編程接口（API）、基于服務的架構、物聯網和虛擬/云基礎設施，但這些都可能成為被攻擊的威脅載體，并與 DoS、中間人、隱私泄露等聯系在一起。5G 網絡核心基于網絡虛擬化技術構建，而網絡虛擬化技術嚴重依賴 HTTP 和 REST API 協議，這些協議都有可能遭到破壞。此外，對手還可能發起干擾攻擊。因此，有必要提供邏輯隔離技術和物理層保護。此外，保護設備免受冒充攻擊和中間人（MiTM）攻擊對于確保個人信息的安全也至關重要。這些風險包括身份欺騙、使用惡意基站、利用薄弱的身份驗證協議、缺乏端到端加密以及物聯網設備的漏洞。攻擊者可以冒充合法設備或用戶，截獲和篡改數據，并利用身份驗證過程中的弱點。雖然 5GB 提供了強大的加密功能，但端到端加密可能并不總能得到執行。此外，5GB 網絡中大量的物聯網設備可能會增加出現漏洞和設備受損的可能性。為應對這些風險，有必要采取強有力的安全措施，如強大的身份驗證、加密、安全網絡配置和持續監控。[23]、[24]、[25]、[26]和[27]等文章中的研究與合作對于解決新出現的威脅和 5G 網絡特有的漏洞至關重要。為了提高安全性，必須不斷用最新的操作系統和應用程序補丁更新設備。強大而獨特的密碼加上雙因素身份驗證可提供額外的防御層。連接公共 Wi-Fi 網絡時應謹慎，可使用虛擬專用網絡 (VPN) 進行加密瀏覽。驗證應用程序權限、從官方渠道下載應用程序以及警惕網絡釣魚企圖都是必不可少的預防措施。安裝信譽良好的移動安全軟件、加密設備和定期備份數據也是建議采取的措施。通過采取這些措施，用戶可以最大限度地降低移動設備遭受冒充攻擊、MiTM 攻擊和其他安全漏洞的風險。

此外，底層硬件的可信度也會對 5GB 系統的安全性產生影響。在私有 5GB 系統中，在集成來自多個供應商的 5GB 設備時，存在供應鏈安全威脅和對手威脅。軍方應確保 5GB 設備和網絡的可信度，這可以通過確保與合作伙伴和行業的密切合作來管理。他們應證實供應商遵守嚴格的監控、檢查、物理安全、操作安全和實踐指南，同時不安裝來自對手的 5GB 設備。

關鍵技術推動因素和研究方向

A. 頻譜

美國聯邦通信委員會（FCC）在拍賣 CBRS 頻譜 5GB [28]之后，正致力于釋放越來越多的頻譜供 5G 使用。在交易覆蓋范圍和容量的基礎上，FCC 將可用頻段分為低頻段、中頻段和高頻段。低頻段（1 GHz 以下）頻譜為軍事通信提供了廣闊的覆蓋范圍，在數百平方英里范圍內，單個 BS 就能為數千名用戶提供服務。另一方面，中頻段（1 GHz - 6 GHz）被認為是理想的頻段，因為它可以長距離傳輸大量數據。此外，中頻段還具有良好的抗雨能力和強大的覆蓋容量比，并采用共享頻段機制，可與傳統頻段技術共存。最后，高頻段（6 千兆赫以上）可實現超高數據傳輸速度和小距離高帶寬通信，這是自動駕駛汽車、虛擬現實以及智能基地/總部/倉庫等其他數據密集型應用所必需的。因此，軍事通信技術可以利用這些頻段及其獨特的特性來實現其任務目標 [29]，[30]。此外，多頻段操作和多頻譜共享范例可通過在 RAN 上集成/聚合所有或任何頻段來實現，這將以更低的成本提高數據的可靠性、可用性和彈性 [31]、[32]、[33]。 多種多樣的 5GB 頻段為大容量、廣覆蓋和電磁獨立的軍事系統打開了大門。

B. 國防網絡切片

網絡切片允許多個垂直部門利用共同的網絡基礎設施，同時保持完全隔離[34]。利用網絡功能虛擬化（NFV）、軟件定義網絡（SDN）和虛擬專用網絡（VPN）等技術，形成一個跨端到端（E2E）網絡基礎設施的邏輯網絡[35]。5G 有三種基本的網絡片：eMBB、mMTC 和 URLLC。eMBB 網絡片需要高流量帶寬、高密度用戶和中低移動性[36], [37], [38]。eMBB 片可以支持虛擬/增強現實（VR/AR）媒體以及軍事訓練、超高清視頻監控、軍用可穿戴設備等應用。mMTC 片包括大量聯網設備，這些設備通過無線電鏈路需要最小的吞吐量和間歇性低流量非延遲敏感數據。軍事物聯網（MIoT）是 mMTC 的用例之一，它是一個連接軍事設施、作戰設備、武器裝備和士兵的智能設備網絡。URLLC 切片要求移動場景中的數據服務具有最小延遲和高可用性 [39]，[40]。遠程控制和觸覺通信涉及近乎實時的人機（或機機）界面，是軍事網絡中的一些應用。此外，國防部（MoD）作為運營商，也可以通過相同的遠征 5GB 基礎設施為不同兵力提供軍事網絡切片，以同時滿足延遲關鍵型、可用性關鍵型和可靠性關鍵型通信的需求。網絡切片還允許軍方將商業基礎設施切片用作專用的類似于托管領土的私有基礎設施，為用于戰術的私有軍事系統提供系統級解決方案。

C. 分布式計算

移動云計算（MCC）是一種創新的移動計算系統，它結合了各種云和網絡技術的動態資源，在異構環境中通過互聯網隨時隨地為大量移動設備提供無限的能力、容量和便攜性[41], [42]。根據數據處理和數據存儲發生在移動設備之外的位置，基于云的 MCC 資源可分為四類，它們是近端固定云、近端固定計算實體、近端移動計算實體和混合云。云功能在戰術環境中最具優勢。空軍可利用戰術云來監視、管理、控制和保衛其許多航空資產。通過邊緣和云計算，空軍每周可節省數百萬美元的加油機加油費用，特別是在噴氣機在空中飛行時，通過云中更好的預測后勤服務，可節省加油機加油費用。此外，可部署的戰術云還能讓海軍和特種作戰部隊在戰術邊緣作戰時擁有更好的通信和 C2 網絡。例如，士兵可能正在執行監控任務，但當他們到達某個地點時，情況可能發生了變化，從而將行動轉變為情報、監視和偵察（ISR）任務。邊緣計算使他們能夠修改自己的邊緣設備并啟動軟件，從而在現場收集更多數據并進行更深入的分析，無論這些設備是否連接到網絡。同樣，通過在國防云中運行完全獨立的移動核心和小型 RAN，MCC 可以實現應用層面的低延遲和集群的自主運行（無回程連接）。

D. 側鏈路通信

5GB 新無線電（NR）技術使能器將允許設備通過一種稱為 Sidelink 通信的過程直接相互通信 [43]，[44]。Sidelink 可在專用、許可和非許可等不同配置下運行，可在不同環境中靈活采用。此外，由于 Sidelink 將通信鏈路限制為一跳，因此可顯著降低延遲，多跳中繼有助于節省功耗、克服鏈路預算限制并提高延遲和可靠性，這對于關鍵任務應用至關重要。此外，NR Sidelink 中繼自然擴展了互聯智能邊緣，為交通安全、公共安全通信、范圍和容量擴展提供了動力。用于 AR/VR 戰斗的體域網絡服務可受益于 Sidelink，利用其直接連接取代藍牙連接，并最終取代 Wi-Fi 連接，還可在沒有網絡覆蓋的地區用于士兵之間的通信。因此，許多軍用小工具的通信架構可能會發生革命性的變化。軍用通信不再為每種使用情況提供不同的無線電接口，而是可以完全依賴 Sidelink 作為廣域、局域和個人區域通信的鏈接。此外，基于 Sidelink 的中繼或多鏈路中繼也可在軍事通信中實施，以實現小區覆蓋并在惡劣環境條件下提供支持。Sidelink 也是 MIoT 未來發布的候選功能[45]。因此，Sidelink 可用于多種 "無基礎設施 "的戰術場景，其中需要無線系統的多層和/或網狀布局。

E. 波束成形和大規模多輸入多輸出

波束成形是一種將無線信號導向特定接收設備的方法，而不是像廣播天線那樣將信號向四面八方傳播[46]。波束成形通過將信號集中式地傳送到某個方向來提高接收器的信號質量。這意味著數據傳輸更快、更準確。此外，這種精確度可以在不增加廣播功率的情況下實現。以前，開發波束成形系統的成本很高，因為需要多個大型天線組件，這就必須采購額外的材料。利用商用 5GB 毫米波技術[47]是將商用蜂窩系統定向波束成形系統的尺寸、重量和成本降至最低的最佳選擇。這是因為毫米波具有高頻輸出，可在狹小的空間內安裝數百個小型天線。基于毫米波的波束成形更容易在軍事平臺上實現系統集成。波束成形在軍事應用中有多種用途，如改進的定向波束成形將使戰術通信比標準廣播天線更有效，因為軍方可以同時使用和重復使用分配的每一片頻譜。波束成形通信系統有助于在前線綿延數百公里的偏遠地區進行多域沖突，還可根據兵力（GPS）位置對紅軍進行無效定位。此外，在地面和空中機器人戰車上使用波束成形通信技術，可以讓士兵操縱無人設備進入敵對地形，同時與它們保持聯系。定向波束成形和 mMIMO 技術有助于提高網絡的魯棒性。它還被視為解決軍隊面臨的主要通信挑戰之一，即多個獨立無線網絡共存的解決方案。

F. 非地面網絡（NTN）網絡

5GB NTN 可在非地面平臺上實現 5G NR 的優勢 [26]、[48]、[49]。非地面網絡技術解決方案正在第 16 版工作中進行評估，而規范預計將在 3GPP 第 17 版發布。前幾代無線網絡只能為部分基于 NTN 的通信提供連接[50]。另一方面，5GB 預計采用三維（3D）異構架構，其中地面基礎設施與 NTN 或衛星網絡（如無人機、高空平臺 (HAPS)、低地球軌道 (LEO) 等）相輔相成，以促進無處不在、大范圍和極高的連接性 [51]。NTN 可在交通擁堵和服務不佳的地區提供按需、成本較低的連接，以及回程、高移動性數據傳輸、高吞吐量和無處不在的連接服務。3GPP 正在根據不同空域間連接的嚴重程度推廣各種 NTN 設計 [52], [53]。3GPP 預測了以下目的：

• 衛星將用戶信號從饋線鏈路復制到服務鏈路，反之亦然，從而創建一個透明的基于衛星的 RAN 架構。

• 基于衛星的自適應 RAN 架構，其中衛星有效載荷重新生成從地面接收的信號，同時實現衛星間通信。

• 多連接設計，包括兩個透明的 RAN（地球靜止軌道（GEO）和低地軌道（LEO）的組合），并協助集成 NTN 和地面接入。

多年來，近地軌道網技術一直被用于協助氣象、監視攝像機、電視廣播、遙感和地圖制導等軍事功能。目前，空天技術的進步為地面技術和 NTN 技術的融合鋪平了道路，使軍事通信服務有了更復雜的觸覺應用。一些極端情況下的應用包括 (1) 當地面網絡擁塞或癱瘓時，NTN 可提供替代連接路徑，以提供持續的無線網絡覆蓋；(2) NTN 平臺可結合移動邊緣云功能，為地面終端提供更強的計算和存儲能力，實現 3D 連接； (3) 衛星平臺與地面網絡的頻譜聚合可通過空間網狀網絡向地面設備提供高容量連接；(4) NTN 終端可在無法接入有線回程的地點無線處理地面回程請求；(5) 無人機和衛星還可充當 MIoT 流量的移動收集器，為基于傳感器的服務提供全球連接。

圖 5 顯示了概念架構，表 6 顯示了用于軍事應用的五項關鍵使能技術摘要。要充分挖掘 5GB 在軍事應用方面的潛力，可以考慮應用特定的 5G 技術，而不是整個 5G 生態系統。必須對 5GB 關鍵技術及其面向國防的適用性研究進行詳細的研究和分析，并調查將 5GB 應用于作戰各個方面和領域的可能性，確定能力極限。

表 6 關鍵賦能技術概述

圖 5. 軍事應用的關鍵使能技術。

各種頻譜的使用、防御網絡切片、分布式計算和側鏈路通信等 5G 使能技術可極大地幫助實現高可靠性和低延遲通信。

• 使用各種頻譜有助于創建冗余路徑并確保連續運行，這有助于提高可靠性并減少因信道擁塞而造成的通信延遲。

• 網絡切片可在共享基礎設施內創建專用虛擬網絡。通過分配專用資源和優先處理流量，網絡切片可確保 URLLC 應用獲得必要的帶寬和延遲保證，從而實現高可靠性和低延遲。

• 分布式計算使計算能力和存儲更接近網絡邊緣，從而通過在靠近 URLLC 應用程序的地方處理數據來改善延遲。此外，由于處理資源與應用之間的距離最小，因此可以實現超低延遲。

• 利用 Sidelink 通信功能，軍事應用可以通過直接和近距離通信、提供冗余和支持 ad hoc 網絡來實現更低的延遲和更高的可靠性。

• 采用先進的天線系統（如 mMIMO）可通過分集、空間復用和波束成形技術增強信號強度、覆蓋范圍、可靠性和吞吐量。

• 在某些情況下，NTN 提供的替代基礎設施和連接選項可以克服地面網絡的局限性。軍事行動可以利用縮短距離、冗余、廣覆蓋、抗災能力、獨立基礎設施和低延遲解決方案來提高通信可靠性和減少延遲。

5G NR-U 軍事專用網絡透視

海軍雷達使用的 C 波段（3.55-3.7GHz）可視為實現軍用 5GB 專用蜂窩系統的關鍵頻段之一 [54]，[55]。這是因為這些頻段利用率極低，雷達占用率每年僅為 9% 到 25% [56]。此外，這些頻段存在于有限的地理區域；因此，通過實用的保護距離和嚴格的干擾保護機制，可以建立與現有海軍雷達共存的二級 5GB 軍事通信系統。在此背景下，我們提出了 5GB NR-U 技術（3GPP Rel-16），作為軍事通信系統的一種有吸引力的方法。NR-U 源自已被廣泛接受的 LTE-U/LAA 方法，其中對 LTE 協議棧進行了調整，以協助與雷達和 Wi-Fi 等其他技術共存 [57]、[58]。此外，對 LTE 協議棧的此類更改可顯著減少雷達所需的投射距離，從而增加信道中的頻譜接入機會。例如，NR-U gNB 可感知雷達旋轉模式，并相應調整其占空比（開-關持續時間），使其傳輸不與正在進行的雷達傳輸重疊。此外，NR-U 還支持公平共存，在這種情況下，Wi-Fi 服務受到的影響不會超過同一載波上的額外 Wi-Fi 網絡。因此，如圖 6 所示，NR-U 與傳統的 Wi-Fi 或新的 Wi-Fi 連接可以很容易地為多樣化和密集的軍事后勤環境進行設置。

圖 6. 5GB NR-U 部署場景。

在本研究中，我們考慮的部署場景是軍方覆蓋一個有限的地理區域，如文獻 [59] 所述，該地理區域被進一步劃分為三個部分：雷達區、專屬區和后勤區。后勤區由其覆蓋范圍周圍的多個 NR-U 小區組成。在評估中，我們采用了單個 NR-U 小區，其性能可復制到其他 NR-U 小區。我們使用 MATLAB 開發了一個系統級仿真平臺。NR-U BS 在 3.5 GHz 信道中支持的 NR-U 用戶數量和其他網絡參數如表 7 所示。在同一信道中，Wi-Fi AP 和 Wi-Fi 站與 NR-U 服務共存。NR-U 用戶和 Wi-Fi 站在小區覆蓋范圍內任意分布。在 Wi-Fi 網絡中，所有 STA 都利用一種稱為分布式協調功能（DCF）協議的載波感知方案來爭奪信道接入權，而 NR-U BS 則采用 ETSI 支持的 LBT 類別 4（用于 FBE 方法）[60] 或占空比基礎方法（在適當的持續時間內自適應地占用共享信道）。

表 7 模擬參數

結論

5GB 技術擁有影響任何國家經濟和國家安全的重要能力。軍隊必須學會采用 5GB 所提供的連接性，以必要的速度、精度和效率開展行動，從而在未來保持有效性和生存能力。當前的 5GB 技術為軍事應用帶來了多方面的機遇和風險。軍方蘭德公司的主要任務應該是加快開發和部署支持 5GB 的能力，同時確保其系統強大、安全、有彈性且可靠，能夠抵御對手。

美國已經進入了一個大國競爭的新時期。俄羅斯和中國的崛起在全球權力結構中形成了復雜的三足鼎立局面。最近人工智能方面的技術進步使這種多變的國際動態進一步復雜化。學者、政治家和高級軍官已經意識到，人工智能的融入是軍事事務中一場新革命的起源，有能力改變權力的戰略平衡。美國在中東被二十年的反叛亂所困擾，并受到僅延伸至2025年的長期人工智能戰略的阻礙，沒有準備好進入這個 "第六代 "軍事能力，以確保其戰略利益。這種人工智能化的部隊將由半自主和自主系統定義，包括致命的自主武器系統。第一個開發和使用這些武器的國家行為者將在這個新時代獲得對其競爭對手的戰略優勢。雖然美國目前在人工智能方面擁有優勢，但由于缺乏前瞻性思維和重點投資政策，這種優勢正在迅速消失。這是一份旨在解決這一差距的政策文件。20世紀90年代中期的中國軍事現代化模式為美國未來的政策提供了一條潛在的途徑。雖然兩國政府結構存在差異，但其中的幾個基本原則可以在美國的制度框架內適用。因此，美國可以通過制定健全的投資政策、集中的技術發展計劃和新的行動概念來確保人工智能的首要地位，以便在新能力出現時將其最大化。

針對美國的政策建議與評估

大國競爭必須相對于其他大國的能力進行評估。因此，沒有一種能力可以被評估為產生可持續的絕對優勢。然而，在潛在的對手獲得同樣的能力之前，開發人工智能技術和應用為21世紀沖突設計的CONOPS的能力將在整個政治/軍事領域產生一個暫時的戰略優勢。美國目前的公共政策和戰略并沒有延伸到25年后。隨著中國準備在2030年成為占主導地位的人工智能大國，美國為了確保長期戰略利益，不能接受人工智能競賽的現狀。由于人工智能領域的技術發展速度很快，人工智能RMA的狀態和抓住初始優勢的能力正在接近一個拐點。建議美國采取側重于美國在人工智能競賽中的首要地位的政策，特別是在致命性自主武器系統的研究和開發方面。美國在這一領域保持優勢的能力對于國家安全和參與21世紀人工智能輔助和/或人工智能環境的準備工作是至關重要的。

由于致命性自主武器系統是一項仍在開發中的未來技術，因此不可能確定致命性自主武器系統對戰略環境的完整影響。本研究承認，對于評估一個未來武器系統的影響沒有預測性的措施，該系統在實現其全部潛力之前還將經過幾代技術的演變。然而，評估投資政策、技術和CONOPS演變的影響以及它如何影響軍事準備、政治資本和戰略環境的能力是有據可查的。

本文的建議將以1990年至今的中國軍事投資戰略為藍本。在此期間，中國國防開支的增加創造了一個前所未有的能力和軍事力量的增長，為美國未來的人工智能政策提供了一個框架。由于全球力量是以相對而非絕對的方式衡量的，美國至少必須在多極環境中與不斷增長的大國保持平等。雖然從美國的角度來看，中國戰略的某些方面，特別是盜竊知識產權的因素是不切實際的，但那些關于教育和貨幣投資的內容可以被納入美國未來的人工智能政策中。這項研究建議：

1.設立一個負責人工智能政策的助理國防部長的新職位，直接負責人工智能的發展和整合到美國防部。

2.指示ASDAI為美國軍隊制定一個關于第六代能力的預期最終狀態，每十年更新一次。

3.建立30年、15年和5年的人工智能目標，每五年更新一次，讓各個機構，如DARPA、JAIC、國防創新部門（DIU）和相關組織負責特定的發展水平。這將使美國政策制定者有能力根據ASDAI評估和更新的多變的戰略環境，為每個機構提供適當的資金。

4.成立一個委員會，負責發展和保留研究生水平的科學、技術、工程和數學（STEM）人才。

5.建立一個戰略規劃組織，負責研究和整合新的人工智能技術，因為它們出現在15年和5年的基準點上，以便在收購過程中納入其中。

對這些政策的評估必須對照美國對手在人工智能領域的成就和進步。建立在美國在人工智能領域的首要地位上的政策應該集中在教育和經濟投資，新的人工智能技術的初步發展，以及新的CONOPS的發展，以便在新的人工智能能力可用時充分和有效地進行。本研究報告的其余部分重點關注中國國防現代化計劃對美國未來人工智能政策和建議的調整。

為了面對軍事防御的挑戰，軍隊及其戰術工具的現代化是一個持續的過程。在不久的將來，各種任務將由軍事機器人執行，以實現100%的影響和0%的生命風險。國防機器人工程師和公司有興趣將各種戰略自動化，以獲得更高的效率和更大的影響，因為陸地防御機器人的需求正在穩步增長。在這項研究中，軍事防御系統中使用的陸地機器人是重點，并介紹了各種類型的陸地機器人，重點是技術規格、控制策略、戰斗參與和使用目的。本研究還介紹了陸地機器人技術在世界軍事力量中的最新整合，其必要性，以及各國際防務公司對世界經濟的貢獻，表明其在軍事自動化和經濟穩定中的優勢。本報告還討論了近期發展的局限性和挑戰、機器人倫理和道德影響，以及與機器人安全有關的一些重要觀點和克服近期挑戰的一些建議，以促進未來的發展。

引言

為了加強軍事防御系統，必須大力發展和提高智能自主戰略能力。在大多數第一世界國家，研究國防技術改進是實現軍事防御現代化的優先事項。未來戰爭的特點可以根據不同領域的沖突進行分析，如：海洋、陸地、空中、網絡、太空、電磁和信息。隨著現代智能和機器人技術的改進，跨域（X域）和多域戰略也需要被關注。無人自主X域（多域）系統，簡稱UAxS，現在是研究和發展的重點，以使軍事力量更加強大、有力和智能。圖1展示了多域和X域的戰爭模式。

圖 1：多域和 X 域戰爭模型

現代防御機制可以在四個相互關聯的領域進行研究：先進的戰艦、良好的通信、人工智能和自主武器。這基本上意味著在軍事防御系統中實施機器人技術。在戰場上，一支裝備精良的機械化部隊是指揮官非常重要的資產。在戰爭中，指揮官必須專注于火力、機動性、人機合作、決策、支持裝甲和指揮步兵。在未來，機器人和自動化系統將通過提供支持和減少負擔來幫助解決這些問題，因為這些系統將更加智能、可靠和合作。在最近的軍事活動中，機器人和自主技術被用于偵察、設備供應、監視、掃雷、災難恢復、受傷士兵的檢索等（Dufourda, & Dalgalarrondo, 2006；Akhtaruzzaman, et al., 2020）。

為了確保可靠的使用和獲得最高的技術影響，機器人必須在半自動化、自動化和人機交互工程方面進行良好的設計。無人地面車輛（UGV）很有前途，在國防應用中具有很大的潛力，在這些應用中高度需要更快和可靠的通信鏈接（鏈接預算）和快速獲取信息（RAtI）（Akhtaruzzaman, et al., 2020）。機器人的價值比人的生命還要低。機器人在感知、檢測、測量和分析方面速度更快。機器人沒有任何激情或情感，不會像人類那樣感到疲勞或疲倦，而是在極端和關鍵條件下保持運作。在不久的將來，機器人將成為作戰計劃和參與的核心技術（Abiodun, & Taofeek, 2020）。它們將能夠通過智能傳感器技術與環境溝通，通過建模理解環境，理解人類的行動，定義威脅，服從命令，以更高的處理能力獲取信息，通過信息交換和共享與其他機器人互動，通過先進的控制技術自主適應敵對環境，并通過強大的計算能力與自動生成的程序應用智能進行自我學習（Akhtaruzzaman, & Shafie, 2010a, 2010b; Karabegovi?, & Karabegovi?, 2019）。

在不久的將來，UGV系統將成為軍事行動的關鍵技術，因為它們將確保幾乎零人力風險，不需要將人力直接安置到戰斗中。UGV系統還將能夠開放各種設施，如負載、自動監視、邊境巡邏、風險降低、障礙物清除、力量倍增器、遠程操縱、信號中繼等（Sathiyanarayanan等人，2014）。陸地防衛機器人必須能夠適應各種崎嶇的地形、惡劣的環境和非結構化的區域，同時發揮指定的作用并保持指揮層次。作為軍事部隊的一種程度，陸地機器人不能給團隊帶來任何額外的工作負擔。因此，必須實施有效的人工智能（AI）工程，以實現UGV或陸地機器人與行動部隊之間可靠的人機合作。

今天的智能機器人或自主武器仍然處于狹義人工智能（ANI）的水平（Horowitz，2019年），或者以某種方式處于ANI和通用人工智能（AGI）之間。這反映出它們還沒有準備好在災難或戰爭等敵對情況下完全自主并做出可靠的決定。人類擁有在很大程度上應用感知經驗的智慧，能夠適應環境，并能在關鍵情況下做出適當的決定。如果這些能力能夠被植入機器人的大腦，該系統就可以說是AGI系統。盡管與人類相比，機器人可以抵御枯燥、骯臟和危險的工作，但它們包括一些有限的功能，如航點或目標導向的導航、障礙物檢測、障礙物規避、威脅檢測、人類檢測和識別、定位、地圖構建、通過圖像和聲音處理提取信息，以及與其他機器人的某種合作。因此，如果能確保機器人和人類之間的良好合作，機器人將在人類的監督下自主工作，那么軍用地面機器人將是最有效的。

本研究對軍用陸地機器人系統、最近的技術進步、應用和道德影響進行了回顧。一些發達國家和不發達國家的現狀，以及通過推進和發展軍事武器、自動化武器和智能技術對世界經濟的工業影響，都反映在審查研究中。本文還闡述了參與戰爭的機器人倫理以及該技術對道德國家的影響。該研究主要試圖通過確定最近的差距、局限性和技術進步的倫理影響，來確定地面機器人技術的最新應用和實施情況。

人工智能已經使用了幾十年。它已經被部署在有人駕駛的編隊中，并將在未來幾年內繼續被用于軍事。目前的戰略和作戰概念要求在整個國防企業中增加使用人工智能能力，從高級領導人到戰術邊緣。不幸的是，人工智能和它們所支持的戰士不會 "開箱即用"地兼容。簡單地將人工智能植入人類團隊并不能確保成功。美國防部必須仔細注意如何將人工智能與人類一起部署。這在團隊中尤其如此，因為團隊的結構和成員的行為可以決定業績的好壞。由于人類和機器的工作方式不同，團隊的設計應該利用每個伙伴的優勢。團隊設計應該考慮到機器伙伴的固有優勢，并利用它們來彌補人類的弱點。這項研究通過提交新的概念模型，捕捉人類和機器在人機合作結構中運作時的理想團隊行為，對知識體系做出了貢獻。這些模型可以為人機團隊的設計提供信息，從而提高團隊的績效和敏捷性。

圖1 智能自主系統技術框架

圖3 美國人工智能相關戰略

引言

核導彈發射被探測到。那是1960年10月5日，北約正處于最高級別的警戒狀態。以99.9%的準確率，來襲的蘇聯彈道導彈被格陵蘭島的預警系統探測到。值得慶幸的是，北約的報復行動被制止了，操作人員發現，"智能 "系統正在跟蹤上升的月亮（Singer，2009）。自然，這并不是唯一一次世界幾乎在人工智能（AI）引起的核交換中喪生。1983年9月26日，蘇聯的彼得羅夫中校發現自己是莫斯科附近Serpukhov15掩體內的值班人員。在太空中運行的蘇聯Oko預警衛星系統完全肯定地報告說，多枚導彈正在前往莫斯科的路上。問題是，奧科系統把從云頂反射的陽光誤認為是美國的一系列導彈發射（Scharre，2018）。解讀其系統的局限性，并將事件置于背景中，操作人員能夠防止災難的發生。當然，這些極端案例是少見的，對于今天的人工智能，我們沒有那么依賴人類的判斷，對嗎？不幸的是，不盡然。人類和人工智能（AI）的工作方式不同，所以像美國防部（DOD）這樣的組織在將人工智能系統插入操作團隊時，需要非常慎重。

B 研究問題、方法和路徑

1 研究問題

本研究試圖回答以下問題：

• 成為隊友意味著什么？
• 機器如何在團隊中與人類成為伙伴？
• 將機器伙伴融入以前的人與人之間的團隊，如何提高團隊的敏捷性？
• 能否用共享的團隊心理模型或互動的團隊認知方法更好地理解機器伙伴？

2 方法

將對文獻進行詳盡的回顧，并對兩個適用的案例研究進行分析。這項研究的目標是產生一個人機協作的概念模型，并提供有關人機團隊內部溝通的背景性、現實世界的知識。鑒于目前可用的基于實驗室的人機協作實驗數量有限，本研究將檢查數據以確定廣泛的主題和模式。

人類團隊和人類團隊動態的性質已經得到了廣泛的研究。這一領域的文獻有豐富的發現，可以提供關于人與人團隊動態的細節；然而，關于機器融入人與人團隊的文章卻很少。隨著機器伙伴被納入傳統意義上的人類團隊，就需要對人機團隊進行研究。本研究將首先描述人工智能的特點及其對戰爭的預期影響。將提供關于機器-機器團隊的現有文獻分析，然后是人類認知和人-人團隊的更多發展主題。這項研究在描述人機團隊的通信、協調和互動動態之前，將對人機團隊進行特征描述。然后，作者將展示這些動態如何與團隊敏捷性和績效的概念相聯系。

3 研究目的

本研究目的是探索人機團隊中的溝通、協調和互動動態，并闡述它們對團隊敏捷性和績效的潛在影響。隨著人機團隊結構在DON中變得越來越普遍，這種探索對于發展對團隊動態的理解是必要的。這項研究將產生人機團隊的概念模型，可以為未來系統的設計提供參考。這項研究的結果可以幫助美海軍軍部更好地理解將狹義的人工智能能力整合到團隊構建中的影響。這種知識將最終使美國防部能夠應用研究結果來提高人機團隊的敏捷性。

提綱

• 第2章 美海軍部人工智能戰略分析
• 第3章 編隊理論綜述
• 第4章 指揮與控制概念及條令綜述
• 第5章 對人工智能理論、能力和局限性的綜述
• 第6章 人機編隊
• 第7章 方法論
• 第8章 分析
• 第9章 未來工作總結