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

問題其實不在于 "是否"，而在于 "何時何地 "在實時作戰中使用無人機群，這是機器人戰爭的下一個發展階段。

圖：無人機群表現出維持凝聚力和自我修復能力的生物行為

2018 年 1 月初，在俄羅斯位于敘利亞西部的 Khmeimim 空軍基地操控龐大防空網絡的俄羅斯操作人員發現了 13 架低空飛來的無人機。當俄羅斯防空作戰人員使用 EW 和 SHORAD 系統與這些無人機交戰時，俄羅斯人清楚地意識到，他們正在目睹一種新類型的無人機協同攻擊。

俄軍在千鈞一發之際擊落了 7 架無人機，并干擾了其余 6 架。雖然 "伊斯蘭國 "和阿富汗塔利班都曾使用無人機投放臨時爆炸物，但當晚對赫梅米姆的襲擊失敗令無人機戰爭的密切觀察者感到不安，因為這是首次記錄在案的非國家行為體在作戰行動中發動大規模無人機襲擊的事例。在整個 2018 年、2019 年和 2020 年，俄羅斯在敘利亞的設施遭到了更多無人機襲擊，迄今為止，俄羅斯反導人員在敘利亞使 150 多架無人機失效。

2019 年 9 月 14 日，25 架集群無人機分兩波襲擊了沙特阿美石油公司位于 Abqaiq 和 Khurais 的國有石油加工設施。對襲擊前后阿布蓋克設施的衛星圖像分析顯示，共發生了 19 次單獨襲擊。值得注意的是，沙特的防空力量，包括強大的 MIM-104 "愛國者 "和 Crotale NG，都未能阻止這些無人機和巡航導彈的襲擊。這表明，從多個方向飛來的無人機和巡航導彈群如何能長時間不被發現，并壓垮常規防空系統。

轉向無人駕駛

多年來，美國和以色列在各種作戰行動中廣泛使用了無人機，而土耳其在敘利亞和利比亞以及阿塞拜疆在 2020 年納戈爾諾-卡拉巴赫戰爭中對亞美尼亞的使用，則真實地展示了未來戰爭將如何隨著無人駕駛飛行器的使用而演變。通過電子網絡對坦克和防空系統協調使用武裝無人機和閑散彈藥非常有效。

這一點在阿塞拜疆擊落亞美尼亞 S-300 和 SHORAD 網絡以及戰術戰區（TBA）200 多輛軍車的行動中得到了特別的體現。與俄羅斯從 2014 年起在烏克蘭使用無人機（UAV）相比，這次行動的規模要大得多，在烏克蘭，網絡化無人機與俄羅斯地面進攻武器系統合作，摧毀了烏克蘭軍隊的主要縱隊和補給站。

隨著世界注意到這些小國展示先進作戰能力的里程碑事件，軍用無人機的使用將迅速擴大，主要是在全球范圍內大量引進偵察和攻擊型無人機。在這方面，以色列、土耳其、俄羅斯和中國正在提供一個有效的替代工業基地，以挑戰西方在先進無人機和相關技術擴散方面的主導地位。

圖：斯捷潘納克特附近的亞美尼亞 S-300 薩姆炮兵連（插圖），顯示阿塞拜疆以色列制造的 Harop 游蕩彈藥無人機的大規模無人機襲擊造成的破壞

然而，對赫梅米姆空軍基地和沙特石油設施的無人機襲擊，以及在烏克蘭、敘利亞、利比亞和納戈爾諾-卡拉巴赫協調使用無人機，顯示了未來空戰向所謂 "無人機群 "概念演變的早期跡象。尤其是對敘利亞境內俄羅斯兵力的大規模無人機襲擊，凸顯了無人機群日益構成的猖獗危險，即使在非國家行為者手中也是如此。這種小型無人機團隊相互協作，不僅為美國、俄羅斯、中國等大國提供了改變游戲規則的能力，也為小國和非國家行為者提供了改變游戲規則的能力，他們將利用無人機群發揮高度不對稱的作用。非常重要的是，低成本、不復雜的無人機協同作戰，通過數量達到目標飽和，會給防空部隊帶來高昂的代價。

雖然防空部隊也許能抵御少數幾架臨時拼湊的無人機實施的松散協調攻擊，但近鄰國家的競爭者卻能派出更先進、更密集、更靈活、適應性更強和網絡化的兵力。

揭開無人蜂機群的神秘面紗

那么，究竟什么是無人機蜂群呢？蜂群機器人技術是一種將多個自主機器人協調為一個系統的方法，該系統由大量實體機器人組成，只需極少的人工干預即可控制。這些機器人通過機器人之間的互動和凝聚力，以及機器人與環境的互動，表現出集體自組織（SO）行為。

對昆蟲、魚類、鳥類和動物的蜂群行為進行的生物學研究為蜂群算法提供了支持。全球的蜂群研發工作主要集中在開發分布式人工蜂群智能能力、技術商品化以降低成本影響，以及提高蜂群中各代理之間的自主性。

在壯觀的燈光秀中，大規模無人機都是由中央控制的，而在真正的蜂群中，每架無人機都會根據機載人工智能自行飛行，以模擬自然的算法保持編隊和避免碰撞--沒有真正的領導者和追隨者，蜂群中的所有代理都有自己的 "頭腦"，能夠進行集體決策、自適應編隊飛行和自我修復。這種蜂群的好處是，如果有一架無人機掉隊，或者有幾架無人機墜毀，蜂群可以重新安排，繼續執行任務，直到最后一架無人機升空。

隨著時間的推移，軍隊的通信、訓練和組織能力不斷增強，他們能夠以越來越復雜的方式作戰，利用更先進的條令形式，每一次演變都優于前一次。如今，軍隊主要進行機動作戰。在這里，蜂群將是戰爭的下一個演變--蜂群表現出近戰的分散性和機動戰的機動性。它們具有不同程度的自主性和人工智能。自主性可將軍事影響力擴展到防御嚴密的作戰空間，與載人系統相比，其作戰范圍更大，持續時間更長；而人工智能則可確保執行危險的自殺式任務，從而實現更大膽的作戰概念（CONOPs）。面對日益嚴重的威脅和對有爭議空域的快速滲透，兩者都能取得更大的成功。

這種向無人機的轉變正在全世界發生。而投送動能和非動能有效載荷的首選途徑是空運。傳統上，在美國這樣的空中力量密集型軍隊，幾十年來，空中作戰一直依靠能力日益增強的多功能有人駕駛飛機來執行關鍵的作戰和非作戰任務。然而，對手從更遠距離探測和攻擊這些飛機的能力不斷提高，導致飛行器的設計、運行和替換成本上升。因此，如果能派出大量具有協調和分布能力的小型無人機系統（UAS），就能以更低的成本為全球各國軍隊提供更好的作戰范圍。這些無人機系統與有人機系統結合在一起，將作為一個 "系統之系統 "有效地打擊敵方目標。在這種情況下，有人與無人協同作戰（MUM-T）將發揮兵力倍增器的作用，實現自主與協作，作戰人員的角色也將轉變為指揮，而不是控制蜂群。配備分布式人工智能的全自動武裝無人機群（AFADS）一旦投入使用，將在無需人工干預的情況下定位、識別和攻擊目標。

圖：AFADS將被證明是下一代戰場的游戲規則改變者

雖然新技術，特別是人工智能和邊緣計算，將推動無人機群的發展，但關鍵因素仍然是群軟件。為此，所有集體行為最好都能歸入 "蜂群 "一詞。然而，協作自主有 "三個 "變革性的行為梯隊--成群結隊，即數量可觀的無人機自主執行抽象指令，但還達不到真正的蜂群行為。攻擊敘利亞俄羅斯空軍基地和沙特油田的無人機就是利用了這一梯隊。蜂群（Swarming），即大量無人機完全通過蜂群算法實時聚集在一起，是協作自主的最高境界。“忠誠僚機”（Loyal Wingman） 通過緊急成群或核心成群行為實現協作自主。這些平臺將以 MUM-T 模式運行，與戰斗機一起高速飛行，并攜帶導彈、ISR 和 EW 有效載荷。預計 "忠誠僚機 "將以地面設施為目標，擊落敵機，并在有爭議的空域抵御防空導彈和電子攻擊。

美國的蜂群軍事

美國在蜂群技術方面處于世界領先地位，并開展了一系列蜂群無人機和彈藥計劃。它在 2017 年展示了 Perdix 蜂群。三架F/A-18 "超級大黃蜂 "戰斗機在空中釋放了共計103架Perdix無人機。

無人機在預選點編隊，然后出動執行四項不同任務。其中三個任務是在目標上空盤旋，第四個任務是在空中形成一個 100 米寬的圓圈。演示展示了 Perdix 的集體分布式智能、自適應編隊飛行和自我修復能力。

這種無人機群有很多用途。戰斗機可以釋放無人機，為地面部隊提供偵察，獵殺敵軍并報告其位置。它們還可以干擾敵方通信，形成大范圍飛行通信網絡，或對特定區域進行持續監視。它們可以裝載小型炸藥，攻擊敵方單個士兵。在空對空作戰中，它們可以偽裝成更大的目標，欺騙敵方飛機、地面車輛和導彈上的雷達。

圖：2017年的Perdix Swarm無人機演示是一次重要的能力演示

美國國防部高級研究計劃局（DARPA）也展示了 X-61A Gremlin 空射無人機。DARPA Gremlins 計劃背后的理念是將 C-130 等貨機變成能夠發射和回收成群小型無人機的母機。這將為軍方開辟一個充滿可能性的世界，允許部署成群的小型、廉價、可重復使用的無人機，這些無人機裝有不同于傳統飛機的傳感器和有效載荷。

美國海軍和海軍陸戰隊的低成本無人機群技術（LOCUST）項目是另一項正在進行中的無人機群開發項目，該項目從一個管狀發射器發射小型無人機，以執行各種類型的任務。

美國陸軍也在研究無人機群和基于強化學習（RL）的人工智能算法，以用于多領域戰斗場景中的戰術戰場，在這種場景中，無人機群將與異構移動平臺動態耦合和協調，以超越敵方能力。

圖：采用基于強化學習的架構將提高集群的效率

美國還在試驗使用集群無人機系統的導彈部署智能彈藥進行協作智能彈藥投放，有效載荷可從 GMLRS 或 ATACMS 平臺發射和部署。有效載荷由多個可部署的智能無人機組成，能夠向指定目標投送小型爆炸穿甲彈（EFP）。美國空軍的 "金帳汗"（Golden Horde）是開發下一代進攻性技術的 "先鋒"（Vanguard）計劃的一部分，它將把小直徑炸彈（SDB）等彈藥聯網，在按照一套預先確定的規則發射后協同作戰，從而提高有效性。

此外，美國空軍的 "天堡 "計劃旨在設計和部署一支由忠誠的僚機無人戰斗機（UCAV）組成的人工智能機隊。作為 "天堡 "計劃的一部分，Kratos XQ-58A、Sierra 5GAT 和波音公司的 ATS 正在進行開發試驗。

全球軍事蜂群

另一方面，英國可能會在 2021 年中期擁有世界上第一支投入使用的蜂群無人機部隊，以執行包括深入敵后執行自殺式任務和壓倒對手防空部隊在內的任務。英國皇家空軍的№216中隊已被賦予測試和部署未來無人機群能力的任務。英國還宣布了 "蚊子 "項目，該項目是英國皇家空軍 "輕型廉價新型戰斗機（LANCA）"無人機 "忠誠僚機 "計劃的一部分。該項目旨在到 2023 年實現無人僚機聯網飛行。

英國還測試了由無人機組成的自主蜂群，每架無人機都攜帶萊昂納多公司的 "光云"（BriteCloud）可消耗主動誘餌變體，作為電子戰有效載荷。利用含有電子戰干擾器的 "光輝云"，無人機能夠對假想敵綜合防空網絡的雷達發動模擬非動能攻擊。

法國空中客車公司為未來戰斗航空系統（FCAS）/未來戰斗機系統（SCAF）項目首次展示了協作遠程載機群（RC）和僚機技術。

俄羅斯人在烏克蘭和敘利亞擁有操作協作無人機和反擊無人機的豐富經驗。過去十年來，俄羅斯加大了無人機的研發力度，其目標是到 2025 年在軍隊中部署大量機器人飛行器。俄羅斯提出了一項名為 "Flock 93 "的計劃，目的是在協調飽和打擊任務中使用高密度的無人機。這一概念最初由茹科夫斯基空軍學院和私營企業提出，包括同時發射 100 多架無人機，每架配備 5.5 磅重的彈頭。

俄羅斯還測試了 S-70 Okhotnik UCAV，該無人機與俄羅斯戰斗機編隊一起扮演 "忠誠僚機 "角色，穿透對手領空。俄羅斯還在 2020 年公布了一個更輕型的 "忠誠僚機 "項目，代號為 "Grom"。俄羅斯人意識到美國和中國在蜂群自主領域的領先地位，并正在開展研發和產品開發活動，以便在未來十年縮小在這些細分領域的差距。

圖：俄羅斯的S-70“鄂霍特尼克”忠誠僚機與蘇-57戰斗機

中國是最接近美國高密度無人機群能力的國家，正在開發人工智能賦能的自主無人機群。最近，中國電子信息產業研究院（CAEIT）測試了由 CH-901 無人機組成的 48 x 管發射無人機群。中國電子信息產業研究院過去曾在 2017 年演示過 200 架無人機的軍用蜂群。中國公司還展示了令人印象深刻的 1000 多架無人機群，使用四旋翼無人機進行大型公開展示，但這些無人機是地面控制的，不具備分布式智能。中國正在整合現有的無人機群，與軍方一起發揮強大的協作自主作用。中國還在研制一款忠實的僚機--中航工業 601-S "暗劍"，它將與第四代和第五代戰斗機平臺協同作戰。

其他開發無人機群技術的國家還有以色列，但以色列對此類計劃的細節保密。不過，考慮到以色列多年來使用無人機作戰的性質，我們有理由相信，該技術已經成熟，并已部署到其無人機機隊和巡航彈藥上，其中一些已通過癱瘓敘利亞反導網絡得到驗證。

有趣的是，IAI 提供了基于智能手機的蜂群指揮和控制應用程序，并在全球銷售。土耳其已通過 TB-2 等國產平臺在敘利亞和利比亞證明了成熟的 MALE 無人機能力，該國也有各種蜂群無人機計劃。其中最主要的是 "卡古"（Kargu）四旋翼無人機，它可以在戰術戰場上發揮動能攻擊作用。土耳其正力爭在未來成為全球無人機大國。然而，最近美國對其國防工業的制裁很可能會限制從西方引進高科技。

圖：土耳其軍隊已經部署了500多架卡爾古蜂群無人機系統進行動能攻擊

伊朗是另一個在團體作戰中使用無人機的中東國家。伊朗已將無人機作為其軍事戰略的主要支柱。伊朗當局使用無人機主要有兩個目的--偵察和攻擊，伊朗有能力在地平線上空和大多數天氣條件下執行任務。其中包括能夠投擲炸彈或發射導彈并返回基地的無人機，以及尋找機會目標的 "神風特攻隊 "無人機。

伊朗當局在后者上取得了更大的成功，這在 2019 年沙特油田襲擊事件中就可見一斑，當時使用了伊朗制造的無人機和巡航導彈。雖然在飛行器集群方面可以實現基線協作自主，但伊朗和土耳其尚未在其無人機群中展示出真正的分布式情報能力。但他們的努力清楚地表明了該技術的成熟和擴散。

印度的蜂群無人機“奧德賽”

在印度，印度空軍自 2019 年以來一直在通過其 "美赫巴巴"（Meher Baba）計劃開拓蜂群無人機的研發工作。該計劃旨在深入開展人道主義援助和救災（HADR）行動。

另一方面，印度陸軍在 2021 年 1 月新德里的印度建軍節閱兵式上展示了成熟的進攻能力，75 架自主無人機組成的蜂群采用分布式智能和邊緣計算，以神風特攻的方式摧毀了各種模擬目標。在演示中，偵察無人機對目標進行調查，然后由攻擊無人機和母機釋放有效載荷和裝有爆炸物的神風特攻隊無人機實施攻擊。西方評論家注意到印度陸軍演示的幾個重要特點，并將其與美國圍繞無人機所做的努力進行了比較，后者通常強調大型同質蜂群。他們指出，印度的原創性工作在世界上首次公開展示了異質蜂群，這可能是該領域的未來發展方向。印度的一家新創公司 "新空間研究與技術公司"（NewSpace Research & Technologies）與印度陸軍合作開展了蜂群開發項目。

圖：2021年建軍節，印度陸軍在新德里展示了一架75架無人機

印度的印度斯坦航空有限公司（HAL）推出了空中發射靈活資產（ALFA -S）空中發射蜂群無人機系統，作為其下一代空中作戰編隊系統（CATS）的一部分。這是一項獨特的計劃，利用空中發射的遠程載具和蜂群單元網絡來滲透有爭議的空域。美國空軍的空軍研究實驗室正在就 ALFA-S 的各個方面與印度進行合作。NewSpace Research & Technologies Pvt Ltd 也是 HAL ALFA 計劃的合作伙伴。

HAL CATS 計劃的另一個組成部分是 "勇士 "忠誠僚機資產。該僚機用于執行防空和進攻性打擊任務，將與印度的 Tejas LCA 和即將問世的 AMCA 第五代戰斗機一起發揮 MUM-T 的作用。值得注意的是，印度的本土研究力量和政府的 "印度制造 "推動了印度對顛覆性技術的接受，在某些領域與世界各國的類似努力不相上下。HAL 在班加羅爾舉行的 "2021 印度航空展 "上首次展示了 "勇士 "的 1:1 模型。

未來就是現在

值得注意的是，雖然無人機群可能還不能成為最終的 "產品"，但在未來十年內，基本的無人機群技術在全球范圍內的擴散是不可避免的。無人機蜂群技術是機器人戰爭的下一個發展方向，雖然各國政府在過去幾年中已經透露了無人機蜂群技術的進展情況，但這些進展大多是保密的。問題不在于是否使用無人機群，而在于何時何地使用無人機群作為成熟的作戰概念（ConOps）的一部分。

圖：HAL的CATS Warrior無人僚機在2021年印度航空展上亮相

對大多數國家來說，"蜂群作戰概念 "是一個 "障眼法"，只有通過利用數百個異質蜂群單位進行臨床和強有力的實地試驗，才能使其成熟起來。最終用戶承擔的這種 "規模和相關成本 "將決定動態采用、有意義的作戰方式和可接受的將蜂群作為真正戰劑加以利用的上崗時間表。正是在這一點上，美國和中國等國家比世界其他國家具有明顯的優勢，可以在各種任務中部署蜂群無人機能力，其規模將使其在未來數字化競爭的空域中處于有利地位。

Sameer Joshi 是印度空軍退役戰斗機飛行員，擁有駕駛米格-21 和幻影-2000 噴氣式戰斗機的經驗。除了是一名創業企業家，他還對航空航天、國防和軍事歷史有著濃厚的興趣。

過去幾十年來，無人駕駛飛行器（UAV）已成為戰場上的重要資產。這些系統最初只是世界上資金最雄厚的幾支軍隊才能負擔得起的利基產品，現在已被國家和非國家行為者廣泛使用，烏克蘭戰爭清楚地證明了它們在常規沖突中的重要性。作為使用者和生產者，歐盟國家準備好迎接挑戰了嗎？

近幾十年來，無人機主要幫助正規兵力在無爭議空域執行情報、監視和偵察（ISR）任務。在反對正規武裝部隊和/或非國家行為者的不對稱沖突中，無人系統大多被重新部署，用于持續收集信息。隨著無人系統不斷發展，可以掛載武器，它們的用途也隨之擴大到執行臨時打擊任務，主要是在地面部隊到達之前清理戰場。21世紀初，在伊拉克和阿富汗，這兩種任務是最頻繁的無人駕駛飛行任務。大約十年后，在利比亞戰爭中也執行了同樣的任務。

圖：Bayraktar TB2 無人機在最近的一些沖突中取得了成功，其中最著名的是 2020 年的納戈爾諾-卡拉巴赫戰爭。

隨著這些系統的使用被證明越來越有效，越來越多的公司和國家正在開發這類技術。小型化逐漸使非國家行為者獲得了小型無人機，并將其重新部署到打擊任務中，例如胡塞武裝對沙特阿拉伯關鍵基礎設施的襲擊就證明了這一點。

2020 年的納戈爾諾-卡拉巴赫沖突改變了戰場上部署無人系統的游戲規則，標志著無人機技術首次大規模用于常規的國家對國家沖突。事實上，在 2016 年沖突的早期階段就已經使用了無人機，特別是巡航彈藥（LMs）。然而，在 2020 年 9 月至 11 月間，阿塞拜疆的無人機首先摧毀了亞美尼亞大量的地基防空系統（GBAD），隨后摧毀了埃里溫的陸軍兵力物資，包括坦克、火炮和補給卡車。在常規沖突中，無人駕駛飛行器首次取代有人駕駛系統執行空襲和近距離空中支援（CAS）任務。

圖：歐洲 MALE 無人機（又稱 "Eurodrone"）的全尺寸模型在 2018 年國際航空航天展覽會上首次亮相。這項雄心勃勃的聯合開發計劃展示了歐洲防務合作的極限。

最近，烏克蘭戰爭再次證明了無人機在戰場上的重要性。在這場幾十年來首次發生在歐洲領土上的常規沖突中，雙方不僅大量使用了坦克和大炮等常規武器系統，還大量使用了無人機。由于俄羅斯和烏克蘭都無法取得空中優勢，因此雙方一直在部署戰術無人機，以降低執行打擊任務時的風險。此外，小型無人機提供的情報也在不同的戰斗中改變了戰局。2022 年 3 月，由 30 名特種兵和無人機操作員組成的烏克蘭 Aerorozvidka 空中偵察部隊發現了一支長達 65 公里的俄羅斯機械化縱隊，其任務是在該國北部發動攻擊，最終目標很可能是基輔。在這條路線上停留數日后，俄羅斯的行動因 Aerorozvidka 的夜間伏擊（主要是無人機的攻擊）而失敗。

從那時起，烏克蘭就將無人機資產視為反擊俄羅斯襲擊的一種具有成本效益的工具。2023 年 2 月，烏克蘭副總理兼數字轉型部長米哈伊洛-費多羅夫（Mykhailo Fedorov）表示，基輔已斥資 34 億美元購買了 1765 架無人機，并對約 3500 名士兵進行了使用培訓。去年 6 月，澤連斯基總統發起了 "無人機軍隊 "眾籌活動，呼吁業余愛好者和商業無人機飛行員向烏克蘭正規部隊捐贈他們的機器。

圖：希臘航空航天工業的 Archytas 戰術無人機。希臘國內無人機發展的重要一步可能會對歐盟防務合作產生積極影響--如果歐洲利益相關方希望抓住這個機會的話。

據烏克蘭國防部長奧萊克西-雷茲尼科夫（Oleksii Reznikov）稱，基輔的庫存包括多個型號，戰前約有 20 架土耳其制造的 Baykar Bayraktar TB2，后來又補充了 50 架。除此之外，烏克蘭還接收了大約 850 架 Prox Dynamics 公司的 "黑色大黃蜂 "微型無人機，并將現成的商用無人機武器化，用于投擲爆炸物，這與 ISIS 的技術并無二致。作為對該國承諾的重大軍事援助的一部分，美國批準在 2023 年 2 月交付幾種型號的無人機。這些系統包括 Area-I ALTIUS-600 LM（具有蜂群能力，并作為電子戰（EW）平臺進行過測試）。同時交付的還有 AeroVironment Jump 20 無人機，具有垂直起降（VTOL）能力，續航時間 14 小時，航程 185 千米；以及 AeroVironment Switchblade 600 LM，可在 40 千米范圍內攜帶 14 千克有效載荷飛行 40 分鐘。

與此同時，烏克蘭正在大力投資開發本地生產的無人機。2023 年 3 月，國防部長雷茲尼科夫在接受路透社采訪時說，烏克蘭政府正在與大約 80 家烏克蘭生產商合作，并補充說烏克蘭需要數十萬架無人機。基輔已在其武裝部隊內成立了無人機突擊隊，計劃僅在 2023 年就在這些系統上投資 5.5 億美元，重點是閑逛彈藥。與國外供應的坦克、導彈和火炮資產相比，國產無人機的研發成本大大低于傳統武器系統，這可能有助于縮小與俄羅斯的能力差距。在戰爭的第一年，在戰場上部署無人機最大限度地提高了烏克蘭的偵察能力。現在，烏克蘭正在尋求使用能飛行更遠、載荷更大的資產。

拜卡技術公司正在成為這場沖突中的大贏家之一。由于中高空長航時（MALE）攻擊型無人機在現代戰場上的地位已經牢固確立，巴伊卡爾公司有望進一步擴大其全球市場份額，并開始向歐盟成員國出售其無人機。盡管歐盟防務公司擁有研制無人機所需的全部技術，但無人機的研制工作相當復雜，武裝部隊在這一領域的能力存在很大差距。讓我們來了解一下原因。

歐盟內部的方案：支離破碎的局面

歐盟 2011 年在利比亞的軍事任務證實了無人機執行 ISR 任務的重要性，向歐洲國家表明，無人駕駛技術將是填補該領域長期能力缺口的最佳解決方案，這一缺口最早出現于 20 世紀 90 年代初在巴爾干地區的行動中。此后，一些歐盟成員國購買了美國或以色列現成的 MALE 無人機，并/或啟動了開發戰術系統的國家計劃，同時試圖開發一種通用的 MALE 系統，以獲得戰略獨立性。與此同時，法國、德國、意大利和西班牙都參與了開發下一代戰斗機的計劃--前三者屬于 "未來戰斗航空系統"（FCAS）計劃，后者屬于與英國和日本共同實施的 "全球戰斗航空計劃"（GCAP）。這兩項工作都采用了系統方法，整合了不同類型的無人系統。歐盟幾個主要國家同時啟動了幾個開發項目，希望重新啟動本國的國防工業。然而，這些國家的雄心壯志與幾十年來國防投資不足的緩慢復蘇，以及同時集中精力更換各種老化設備和武器系統的需要相矛盾。

Eurodrone - 探索歐洲 MALE 無人機

法國、德國、意大利和西班牙于2016年8月在聯合軍備合作組織（OCCAR）框架內啟動了中空長航時遙控飛機系統（MALE RPAS）計劃，也稱為MALE 2020（后稱：Eurodrone）。早在 2013 年，四國就提出了共同利用無 ITAR 的技術填補上述 ISR 能力缺口的想法，以擺脫美國和其他非歐盟生產商的控制。在啟動該計劃時，這四個國家都擁有一些使用 MALE 系統的經驗。意大利是通用原子公司MQ-9 "死神 "和MQ-1 "捕食者 "的用戶之一，這兩款系統已部署在中東地區，并剛剛獲得國會授權安裝洛克希德-馬丁公司的AGM-114 "地獄火 "導彈。法國在幾年前就已經裝備了通用原子公司的 MQ-9 "死神"，西班牙也剛剛訂購了一批。德國對以色列航空航天工業公司（IAI）的 "蒼鷺 "TP 有多年的使用經驗，目前正根據租賃協議在阿富汗使用。

歷時兩年的定義研究以 2018 年的系統需求評審（SRR）和系統初步設計評審（SPDR）告終，之后又用了兩年時間來擬定報價和談判全球合同。主承包商空中客車防務與航天有限公司和主要分包商空中客車防務與航天 S.A.U、萊昂納多和達索航空公司最終于 2022 年 2 月 24 日簽署了一份合同，同意開發 20 個系統（柏林 7 個、羅馬 5 個、巴黎和馬德里 4 個），每個系統由 3 個飛行單元和 2 個地面控制站組成。

根據最初的計劃，原型機預計將于 2023 年初首飛，最終系統將于 2025 年交付。然而，由于在核心技術特征（即推進和武器裝備）以及最終成本方面存在根本分歧，該計劃已落后于原定計劃。德國希望該系統在其國土上空使用，因此力主采用雙渦輪推進器的推桿配置。這種方案可以提高在非隔離空域飛行時的安全性，但會使系統重量增加到 11 噸，而 "死神 "的重量僅為 4.5 噸。在 2019 年 6 月發布的一份文件中，法國參議院指出該系統 "肥胖"，難以滿足法國在戰區（主要是非洲）重新部署該系統的需要。

經過長期討論，柏林最終同意采用具有打擊能力的系統。 每架無人機都能執行情報、監視、目標捕獲和偵察（ISTAR）任務，續航時間 30 小時，升限 13.7 千米，最大速度 500 千米/小時。該無人機長 17 米，翼展 30 米，比 MQ-9 "死神 "大 1.5 倍。其最大有效載荷估計為 2300 千克。

根據現有的最新信息，第一架原型機的生產時間為 2024 年，開始飛行測試的時間為 2027 年，首批交付時間可能在本十年末。

與 A400M 一樣，Eurodrone 計劃也凸顯了泛歐防務合作的局限性。由于參與國的作戰需求各不相同，系統功能的定義耗時漫長，最終以次優規格告終。此外，生產方面的延誤迫使各方再次購買現成的系統，并可能進一步延誤未來戰斗航空系統（FCAS）計劃，而該計劃是一個本應集成 Eurodrone 的系統中的系統。Eurodrone 是 2021 年啟動的歐洲防務基金下首批獲得贈款的計劃之一，其可能的失敗可能會使歐盟為加強防務基礎所做的努力失去信譽，破壞歐盟被認為必要但遠未實現的獨立性。

大量戰術無人系統

擁有最先進兵力的歐盟國家都在其戰略文件中重申了部署戰術無人機的重要性。盡管作戰需求相似，但大多數國家還是決定采用本國的解決方案，從而導致計劃的倍增。這種選擇可能是出于政治和工業方面的考慮，即有可能幫助國防公司以相對有限的成本開發和生產新系統。根據目前獲得的結果，這種設想是短視的，由于 COVID-19 的原因，多個計劃被推遲，從而加大了兵力的能力差距，也增加了研發和采購成本，而原本預計這類資產的研發和采購成本是有限的。

2022 年 4 月，萊茵金屬公司宣布研制 LUNA NG，這是 EMT Luftgestützte Unbemannte Nahaufkl?rungs Ausstattung（LUNA）無人機的先進版本，該無人機自 2000 年代初開始在德國武裝部隊服役。新系統的續航時間為 12 小時，航程 100 千米，升限 5000 米，起飛重量 40 千克，最大有效載荷 30 千克。與其前身相比，"LUNA NG "可以采用偵察或戰斗配置，能夠掛載萊茵金屬公司最近與以色列 UVision 公司合作開發的 "Hero-R "旋轉翼隱蔽彈藥。如果說這種合作可以使其擁有最先進的作戰能力，那么值得注意的是，2017 年 7 月，德國聯邦國防軍獲得了開發 3 套無人系統的合同，每套系統配備 5 架無人機，最初預計將于 2020 年交付。然而，德國聯邦國防軍至今仍未收到其中任何一架無人機。

就法國而言，最新的軍事計劃法（Loi de Programmation Militaire，LPM）在 2024 年至 2030 年期間為無人機技術撥款 50 億歐元。巴黎強調愿意繼續投資海軍無人機，增加陸軍使用的戰術無人機數量，并開發法國制造的巡航彈藥。這批投資將為2019-2025年文件中開始的努力提供動力，但其中一些系統尚未投入使用，或最近才交付給最終用戶。"巡邏者 "無人機由賽峰集團研制，旨在取代老舊的薩基姆公司 "Sperwer "無人機。2016 年，巴黎簽署了一份價值 3.3 億歐元的合同，購買 14 架 "巡邏者 "無人機，后根據 2019-2025 LPM 修訂為 25 架。該系統本應于 2019 年投入使用，但直到 2023 年 2 月才獲得作戰使用認證，交付時間將持續到 2030 年。

結束語

自21世紀阿富汗戰爭和伊拉克戰爭以來，無人機在戰場上的作用開始增強，逐漸成為戰場上的關鍵航空資產，無論是對稱沖突還是非對稱沖突。這些系統的重要性不僅引發了全球范圍內的無人機采購競賽，也引發了全球范圍內的無人機研發競賽。由于無法進入由通用原子公司的 MQ-9 "死神 "和 MQ-1 "捕食者 "以及以色列航空工業公司的 "蒼鷺 "長期主導的西方市場，土耳其等開發出了一系列相互競爭的系統。這些系統比西方系統便宜，出口不附帶任何條件，近年來征服了非洲和亞洲市場。

歐盟國家不顧不同的作戰要求，專注于制造最好的 MALE 無人機，在生產方面落后了，很可能無法在全球無人機市場上找到一席之地。更糟糕的是，他們為建立一個共同系統所做的努力正阻礙他們填補二十年前就已發現的能力差距。正如歐盟過去的其他防務合作計劃所顯示的那樣，制定一個雄心勃勃的多國計劃可能會導致昂貴系統的延遲交付，而這些系統的技術特點一般，是所有相關操作要求之間的妥協造成的。

不幸的是，Eurodrone 項目似乎也遵循了這一邏輯：相關國家投入了大量時間和金錢，卻只得到了一個對最終用戶幾乎毫無用處的技術解決方案。微型化使高性能戰術無人機成為可能，其有效載荷非常有趣，能夠執行打擊任務，為地面兵力提供支持。這一趨勢在過去十年中不斷蔓延，但歐盟國家似乎無法（或不愿）發現這一趨勢。大多數歐盟國家過于專注于尋求歐洲無人機的折中解決方案，而低估了提高各自庫存中戰術無人機的航程和數量的緊迫性。考慮到歐洲不同防務公司的專業技術以及歐洲各國相似的作戰需求，歐盟只選擇一個或幾個方案來開發戰術無人機可能是更有效的決定。相反，最大的國防支出國則側重于開發本國的戰術無人機，或購買現成的產品，從而加深了市場的分散和對非歐盟生產商的依賴。

一方面，啟動新計劃似乎純粹是出于政治目的，如增加本國公司的生產以維持就業水平或創造新的就業機會，而不是軍事目的。例如，西班牙財政部最近批準投資 5 億歐元開發 Sistema Remotamente Tripulado de Altas Prestaciones（SIRTAP）戰術無人機，在 2023 年至 2031 年期間每年分八次付款。該系統由空中客車公司開發，由西班牙和哥倫比亞共同出資，預計將分別購買 27 架和 18 架。該飛行器的續航時間為 20 小時，飛行上限為 6 000 公里，最大起飛重量為 750 公斤，有效載荷為 150 公斤。這些特點與萊昂納多公司的 FALCO EVO 幾乎相同，據報道，FALCO EVO 已在幾個中東國家使用，但不在任何歐洲客戶的庫存中。

另一方面，國家偏好迫使預算有限或有緊急行動要求的國家采購非歐盟的現成產品。波蘭就是這種情況，它在 2021 年 5 月訂購了四架 Bayraktar TB2 無人機，從而成為歐盟的第一個用戶。波蘭還與通用原子公司簽訂了數架 MQ-9A "死神 "的租賃協議，為最終購買做準備。2023 年 4 月，羅馬尼亞成為 "拜拉克塔 "TB2 的另一個歐盟用戶，以 2.8 億歐元的價格訂購了 18 架無人機。

圖：發射軌道上的 Luna NG 無人機。 圖片來源：萊茵金屬公司

如果有強大而持久的政治意愿，有兩種趨勢仍有可能幫助歐盟恢復元氣，并再次加入這場競爭。首先，努力推進有意義的合作計劃。2021 年，西班牙、德國、葡萄牙、羅馬尼亞和斯洛文尼亞決定在永久結構化合作（PESCO）框架內啟動下一代小型 RPAS（NGSR）項目。該項目由西班牙牽頭，旨在開發一種多用途、下一代戰術無人機，航程約 200 公里，續航時間 5 至 10 小時。該系統應能快速部署，以支持陸地、空中和海上領域的軍事行動，也可用于執法、災害管理和其他民事任務。第一架原型機應于 2026 年準備就緒，測試應于 2027 年完成，開發工作與 "歐洲軍艦 "同步進行。該系統可能是歐盟資金對采購影響的一個有趣的試驗平臺，因為一旦投入使用，歐洲防務基金將支持該系統的聯合采購。

其次是鮮為人知的希臘專有技術。盡管希臘在本地制造無人機方面擁有豐富而持久的經驗，但它并沒有成為合作計劃的核心。希臘航空工業公司（HAI）的 "飛馬 "無人機于 1979 年開始研制，本世紀初交付希臘空軍，2005 年推出升級版 "飛馬 II"。考慮到土耳其在無人機領域的自信和相關技術訣竅，希臘決定在繼續向國外--主要是以色列--采購的同時，增強本國的生產能力。2022 年 9 月，希臘航空航天研究所和亞里士多德大學、塞薩利大學和德謨克利特大學展示了 Archytas，這是一種多用途、兩用、VTOL 無人機，具有強大的監視和偵察能力。2023 年 1 月，雅典宣布聯合體還將開發 Grypas 作戰無人機。與前者相比，Grypas 的結構更加模塊化，有效載荷更大，第一架原型機預計將于 2025 年面世。希臘將正式成為第一個客戶，但其他愿意購買歐洲無人機的國家可能會陸續購買。

1. 問題陳述

集中式指揮和控制（C2）是軍事優勢國家的奢侈品。與近鄰（近同行）對手的沖突將對約米尼的內部交通線造成挑戰，因此優勢可能是局部和暫時的。雖然集中式 C2 帶來的風險較小，但近鄰敵人兵力有限，只能采取集中式指揮、分布式控制的模式。美國空軍應對近敵較量的辦法是開發一種名為 "先進作戰管理系統"（ABMS）的網狀網絡 C2 系統，將 "物聯網 "引入戰場。ABMS 預計耗資數千億美元，雄心勃勃、富有創造性，而且模糊不清。在開始類似于 F-22 和 F-35 計劃的又一次大規模采購以建造 ABMS 之前，空軍應首先考慮以下格言。首先，創新并不一定需要發明。換句話說，要考慮這樣一種可能性，即滿足擬議能力和要求的硬件已經存在，只需組裝、改進和逐步提高即可。其次，沿著這一思路，為打擊簡易爆炸裝置，在用于持久情報、監視和偵察（ISR）的廣域運動圖像（WAMI）方面取得了巨大的計算進步，并將其打包用于低成本可減載機身。用于持久性 ISR 的 WAMI 是 ABMS 的前身。最后，未來沖突的速度可能要求在 ABMS 系統中使用人工智能進行自動目標定位。在采用 ABMS 之前，必須考慮自動目標定位的法律和道德因素，以免空軍打開未來主義烏托邦的潘多拉盒子。

2. 確定需求的緊迫性

如今，大國有能力使集中式航空指揮與控制（AC2）方法失效。要做到這一點，他們不必處處拒止通信；他們只需使流程過于繁瑣而難以維持，減緩 "觀察、定向、決定、行動"（OODA）循環，這將迫使美國在本質上變得被動。大國將通過在網絡上嚴守紀律、保持沉默、操縱數據，迫使美國操作員對其 C2 系統失去信心，最終降低其有效性。接下來或同時，大國將阻礙或削弱更快的通信手段，如衛星通信和數據服務，導致美軍兵力無法執行其主要、備用、應急和緊急（PACE）計劃。從邏輯上講，這些計劃往往會恢復使用效率越來越低的通信媒介，即高頻（HF）通信形式，用于 C2 節點之間的長途或視線范圍以外的信息交換。這大大降低了集中式 AC2 所需的反饋回路。

美軍的近期對策是將控制權下放到前沿部署的 C2 節點，并實施任務指揮，使指揮官的意圖高于詳細的作戰命令。不幸的是，這樣做會使敵方無法進入控制與報告中心、空中支援作戰中心或任何等同部門的梯隊單位。大國廣泛關注反介入區域拒止（A2AD）能力，建立了一種縱深防御模式，將扼殺美國向前推進行動的努力。要戰勝這種情況并非不可能，但需要分布式，以實現比目前人類 "在環路中 "更快的目標定位周期。問題是，"軍方目前是否具備實現這一目標的能力？在回答這個問題之前，讀者必須考慮這種能力的具體要求。

3. 確定要求

需求始于聯合航空條令。如果不了解規劃中應該發生什么，就無法建立一個有效或符合道德規范的人工智能增強型分布式解決方案。換句話說，在人工智能增強型分布式解決方案中，敵方會破壞的流程仍必須以某種方式發生。為了縮小范圍，本論點將只關注從開始到執行和評估的聯合空中任務命令（ATO）周期，這是聯合兵力空中分隊指揮官（JFACC）領導戰區目標瞄準工作的手段。

ATO 周期建立在委員會、局、中心、小組和工作組（或稱 B2C2WG）的基礎上。聯合 ATO 周期的所有后續階段在某種程度上都與各軍種的空中參謀部相呼應--各軍種的周期為更大的聯合周期提供支持。也就是說，ATO 的制定始于接收聯合兵力指揮官和 JFACC 的目標、效果和指導。這種指導采取空中行動指令（AOD）的形式，確保計劃人員和分布式的執行人員統一行動。在第二階段 "目標開發 "之前，JFACC 的工作人員會召開第一次聯合目標協調委員會 (JTCB)，陸軍、海軍、海軍陸戰隊和特種作戰聯絡員等目標開發方面的所有利益相關方都會在該委員會上討論各軍種的具體需求。目標開發的成果是 "聯合綜合優先目標清單"，該清單對目標選擇工作進行了 "排序和堆疊"。這份優先目標清單強調的是有利于實現作戰層面目標的目標，情報分析師、律師和規劃人員在整個目標開發過程中都會對這些目標進行審查，并在第三階段 "武器設計與分配 "中繼續審查。

第四階段是建立并向戰區內的作戰單位發布 ATO。任務數據、路線、控制機構信息、油罐車計劃和落塵應急措施、目標和武器設計細節等信息都為戰斗提供了參考。然而，計劃永遠無法在與敵人的首次接觸中幸存下來。這四個階段奠定了人工智能增強型分布式能力的框架和要求，但第五和第六階段則明確地揭示了這些要求。在 ATO 循環的第五和第六階段，系統必須具備三種關鍵能力。首先，在執行階段，系統必須了解并尊重 B2C2WG 各項活動的上述產出。例如，它必須理解 AOD 中規定的目標，確定哪些行動或不行動將實現指揮官的最終目標，為什么某些目標比其他目標更重要，并尊重目標計劃中的交戰規則。其次，解決方案系統必須具備與航空平臺動態通信的能力，以控制空域和整合火力。此外，它還必須具備對時間敏感目標進行優先排序的能力，并在攻擊目標之前對附帶損害進行動態評估。最后，解決方案必須具備開始 ATO 循環最后評估階段的能力。這意味著該系統能夠匯總戰損評估、炸彈命中評估，并理解和闡明計劃的哪些部分已經實現，哪些沒有實現。從邏輯上講，系統必須能夠將這些結果反饋給中央指揮節點，為未來的 ATO 計劃提供信息。

4. 廣域運動圖像發展融入指揮節點

為應對恐怖組織使用的簡易爆炸裝置 (IED) 的威脅，開發了用于持久性 ISR 的 WAMI，使其成為迄今為止計算能力最強的機載資產。在 "持久自由行動 "和 "伊拉克自由行動 "初期，美國在伊拉克和阿富汗的傷亡人數急劇上升，現有持久性 ISR 的局限性變得非常明顯。"捕食者 "系統只有一個可轉向攝像機，存在 "蘇打吸管 "問題，即視場聚焦有限，視頻分析人員無法同時跟蹤多個目標。一個名為 "恒鷹 "的項目彌補了這一局限，它將六臺攝像機系統以數字方式融合在一起，形成一個巨大的基點圖像，覆蓋面積超過 200 平方公里，且沒有覆蓋空白。在天氣允許的情況下，一旦平臺著陸并提取保存的數據，就會記錄下關鍵點范圍內的每一個事件，以便回放和分析。"天使之火 "計劃將這一概念向前推進了一步，它增加了一個射頻（RF）通信鏈路，就像一個軍用級 Wi-Fi 集線器，連接到附近的地面站，這樣地面兵力就可以近乎實時地查看圖像饋送，以便立即采取行動。在近兩年的時間里，"天使之火 "每天都在費盧杰市上空飛行，同時向當地海軍陸戰隊指揮所傳輸圖像。這標志著 J. R. R. 托爾金所描繪的概念--戰場上無所不知的索倫之眼--在技術上的開端。

處理持久性攝像機產生的大量數據所需的計算能力意味著，天空中不僅有一只監視的眼睛，還有一個大腦。"天使之火"（Angel Fire）和 "恒鷹"（Constant Hawk）的后繼者是 "藍魔鬼"（Blue Devil）和 "高竿凝視"（Gorgon Stare），這兩款相機目前在中央司令部（CENTCOM）的行動中得到大量使用。藍魔 "和 "高竿盯梢 "都可以安裝在無人機（如 MQ-9 "死神"）中，并通過衛星網絡向地面兵力提供本地數據和全球數據。生成 WAMI 數據的自動分析負荷是巨大的。在 10 小時的任務中，Gorgon Stare 軟件包可生成 65 萬億像素的圖像。毋庸置疑，如此大量的圖像需要人工分析人員進行梳理和破譯。然而，巧妙的軟件開發（也稱為人工智能（AI））為這一問題提供了解決方案。WAMI 現在使用被稱為 "基于活動的智能 "的人工智能處理工具來自動評估對抗行為，這種工具最初被足球分析師用來根據陣型和開球后的初始時刻預測戰術。此外，Gorgon Stare 還使用了信用卡公司用于檢測欺詐行為的常規異常行為檢測，以突出顯示感興趣場景的異常變化。重點是，獨立機載平臺通過數據融合對戰區進行人工智能評估已經成為現實。自動控制附近軍事資產的道路已經完成了 90%。WAMI 平臺現在需要擴展其聯網能力，以便與其他 WAMI 平臺進行網狀串聯，并建立與其他武器系統的端口和協議鏈接，這一步在技術上的要求比目前的開發工作要低得多。一旦與區域系統和當地地面部隊聯網，分布式控制只需添加軟件即可。對這一事實的認識至關重要，以免美國空軍偶然發現 ABMS 的二重身，卻不知道自己創造了什么。

與自動駕駛汽車可能比人類駕駛的汽車安全得多類似，使用機器學習等技術的自動瞄準在避免平民傷亡和附帶損害方面也可能更勝一籌。一旦戰區內的 WAMI 平臺聯網并共享計算資源，自動瞄準功能就能隨時加載到 WAMI 處理器上。然而，必須明確認識到機器學習的細微差別。戰爭既復雜又繁瑣，因此不能指望將明確的計劃預先加載到分布式的自動化 C2 節點上。換句話說，戰爭的藝術過于抽象，無法創建一個計算機可以用代數方法處理的綜合物理模型（然而！）。機器學習巧妙地避免了這一事實，它通過對當前沖突的可觀察性進行訓練，將戰爭的基本特征完全參數化并加以規避。機器學習所需要的只是設計者提供的目標、數字化的觀測數據和計算能力，而這一切目前都可以通過 WAMI 平臺實現。22 機器學習所需的只是設計者提供的目標、數字化觀測數據和計算能力，而這兩者目前在 WAMI 平臺上都可實現。這就是為什么機器學習標志著能力的巨大轉變；集中式指揮部將加載其所需的指標，而分布式式控制節點將根據正在進行的沖突進行學習和調整，以調整指令結果。

在使用人工智能和機器學習時，對訓練數據的依賴會在沖突期間的精確性和正義戰爭方面帶來獨特的雙重性。從沖突一開始，分布式控制節點發布的戰術計劃實際造成的平民傷亡可能會高于人類軍事規劃人員協調的結果。這是因為機器學習是從不準確的初始條件開始的。以圖 1 為例，比較使用機器學習的自動瞄準與傳統的人工瞄準在不同時間造成的平民傷亡。起初，自動瞄準可能差得令人震驚，但與傳統的人工瞄準相比，精確度呈指數級增長。道德難題就在圖 1 中兩條曲線之間。如果知道從長遠來看將有更多平民幸免于難，美國是否會、是否應該在初期接受更高的平民傷亡？與人類相比，民眾能否容忍機器犯錯？當自動瞄準系統出錯時，誰應承擔道德和法律責任？總之，無論是有意為之還是無意識的進化，ABMS 的組成部分已經存在，并且正在與 WAMI 和人工智能組裝在一起。用 20 年時間建立 ABMS 的計劃就像在方格旗之后才開著法拉利參加比賽一樣。

圖 1：在沖突開始時使用經過人工智能訓練的自動瞄準與傳統的有意減少平民傷亡的人工瞄準相比，平民傷亡與時間的假設關系。

5. 獲取和使用自主武器系統的法律考慮因素

法律界正在圍繞上述一些問題展開辯論。在辯論的一端，一些非政府組織和政策團體主張在戰爭中全面禁止自主武器系統（AWS）。另一方面，也有人認為，根據現行法律，包括武裝沖突法（LOAC），現在就可以使用自主武器系統。如果有足夠的制衡措施，美國應該能夠根據現行國際法和武裝沖突法（LOAC）充分發展和使用 AWS。

美國國防部的現行政策禁止所有 "人在回路外 "的 AWS。(DODD 3000.09，4(a)-(c)）。前國防部長卡特強化了這一政策，他承諾國防部永遠不會完全使用具有致命能力的預警機。然而，隨著美國將重心轉向近鄰競爭，開始意識到需要更快的 C2 構建，尤其是在通信能力下降的環境中。對 AWS 進行禁止和/或嚴格限制的呼吁是短視的，而且忽視了這些武器系統可以符合《武裝沖突法》的規定，因而今天可以合法使用的事實。

《美國國防部戰爭法手冊》為新武器和武器系統的法律審查提供了指導，以確保此類武器符合國際法，特別是《日內瓦公約第一附加議定書》（API）第 36 條。API 規定，在戰斗中使用的任何武器系統都不得違反國際法或條約的任何原則。鑒于 AWS 不屬于國際法禁止的武器類別，國防部根據《武裝沖突法》的四項指導原則，即軍事必要性、區分、相稱性和人道，對新武器或應用于武器的新技術進行法律審查。

軍事必要性的最佳描述是 "為盡快有效地擊敗敵人而有理由使用戰爭法不禁止的一切必要措施的原則"。必要性與區分密切相關，是 "使沖突各方有義務主要區分兵力和平民人口，以及未受保護物體和受保護物體 "的原則。相稱性原則禁止任何 "可能附帶造成平民生命損失、平民受傷害、民用物體受損害或三種情形均有而且與預期的具體和直接軍事利益相比損害過分的攻擊"。最后，人道 "禁止為實現合法軍事目的而造成不必要的痛苦、傷害或破壞"。

那些呼吁禁止或嚴格限制戰爭預警系統的人提出的法律主張是，戰爭預警系統不能遵守《武裝沖突法》的這些原則。而另一些人則認為，目前的國際法結構為在戰斗中使用預警機提供了一條道路，雙方都必須考慮相關問題。例如，預警機能否區分平民和敵方戰斗人員（即非法目標和合法目標）？在某些情況下，即使是經驗豐富的軍事操作人員，尤其是在城市環境中的反叛亂行動中，這種區分也是非常困難的。預警機能否實時分析新信息，例如執行復雜的決策任務，以確定摧毀特定目標所造成的損害與攻擊所獲得的直接軍事優勢相比是否過大？同樣，相稱性問題也是一個難以駕馭的問題，充滿了復雜、主觀的考慮因素，即使是最有經驗的指揮官也難以作出判斷。

盡管對任何武器系統都采取了法律預防措施，但人類還是容易出錯。在需要速度的緊張、有害環境中，人類的決策能力也會下降。毋庸贅言，人類在瞄準決策中經常犯錯，而這些錯誤并不總是被定性為違反《武裝沖突法》。這些問題帶來了一個問題，即如果預警機違反了武裝沖突法或交戰規則之一，誰應該承擔責任？例如，當人類違反武裝沖突法的原則時，很容易追究某個人的責任--要么是犯錯誤的個人，要么是做出錯誤決定的指揮官。但如果 AWS 違反了武裝沖突法，是否任何個人都應承擔責任？建議可根據 DoDD 3000.09 第 4(b)段追究指揮官的責任。4(b)段規定，指揮官有責任以符合國際法和系統能力的方式操作和部署預警系統。這一論點凸顯了使用 AWS 的另一個優勢--即 AWS 只做程序設計要做的事。為此，程序員和開發人員在為 AWS 編程時，只應使用不會嚴重違反國際法的命令。

總之，數百年來，新武器和新技術一直受到抵制和譴責。本文所設想的 AWS 也遇到了同樣的阻力，但可以證明它符合國際法和《武裝沖突法》，因為武器本身并不特別新穎；相反，允許 "環外決策 "的 AWS 技術才是新的。盡管國防部的政策完全禁止 AWS，但采用這種技術所帶來的好處足以修改國防部的政策，使其傾向于采用執行決策速度比人類快得多的系統，并有能力在通信能力下降的地區這樣做。歷史也表明，人類在使用武器系統時經常會出錯，而在壓力和不確定性下的決策過程也并不可靠。雖然在近期內，隨著技術的不斷發展，繼續開發 "人在回路中 "的預警系統可能是有益的，但美國應致力于開發和部署完整的預警系統，以便在未來的近距離沖突中使用，因為那時可能會失去可靠的 C2 網絡。

二十多年前，情報學研究錯過了社會科學的 "復雜性轉向"。本文旨在從復雜性科學的角度審視軍事情報，并討論相關概念，如感知建構（sensemaking）和反射性（reflexivity）。為此，對軍事和情報理論、條令和實踐進行了研究。軍事科學中的復雜性見解被用來審視軍事情報的心智模式和當前思維。與其將軍事情報視為一個定義明確、獨立自主的領域或由封閉的情報循環所體現的功能，不如將其視為一種情景實踐。關于縱向和橫向背景影響的兩個案例說明了這種情景性。首先，對北約在阿富汗部署的討論顯示了重要的縱向影響：（政治）背景和任務的影響。其次，對聯合國特派團的審查體現了橫向影響：需要非正式協作、臨時組織和整體方法。不過，這兩個案例都顯示了縱向和橫向的影響。總之，本文強調了感知建構而非情報周期的適用性，并為進一步將復雜性研究納入情報工作提出了建議。

引言

世界日益復雜并不是一個新的概念。全球化、通信技術的進步和不斷變化的國際秩序構成了一個日益相互聯系和相互依存的世界。人與人之間、思想與思想之間以及事件與事件之間的影響都在快速且不可預測地傳播。在這種情況下，戰爭也越來越被視為復雜的，或者說是一個復雜的系統。然而，對某些人來說，（錯誤的）隱含假設是戰爭的早期表現形式在某種程度上更為簡單。這也導致了一種批評，認為復雜性只是軍事術語中的另一個流行詞，缺乏實質內容或深刻理解。蒙卡斯特爾曾稱之為 "新復雜性的神話"。然而，從根本上回顧復雜性的核心概念，就會發現重要的啟示。

在本文中，復雜性不僅僅是非常復雜的同義詞。它指的是復雜性科學所研究的系統，"在這些系統中，沒有中央控制和簡單運行規則的大型組件網絡會產生復雜的集體行為、復雜的信息處理，并通過學習或進化進行適應"。這種復雜行為發生在總體層面上，這意味著在更高的系統層面上，底層智能體的相互作用會出現激進的新行為--這就是所謂的涌現。這些智能體多種多樣，相互聯系，相互影響，相互適應。這使得系統呈現出非線性動態：無法根據輸入知識預測系統輸出。涌現和非線性打破了牛頓機械論的觀點，即可以根據線性因果關系來研究世界。它也打破了與之相關的分析思維方法，即可以把難題分解成各個組成部分，由這些組成部分的特性來解釋整體的行為，這也被稱為還原論。因此，復雜性構成了一種看待（情報）問題的新范式，盡管問題本身并沒有發生必然的變化。

復雜性科學與情報學之間的相似之處顯而易見。此外，情報可被視為復雜系統的一部分，它采用 "復雜的信息處理 "來了解環境，更好地處理預測問題。基于對復雜性的深入理解，本文旨在從更廣闊的視角審視軍事情報這一過程。文章以文獻綜述和兩個基于文件分析和說明性訪談的案例研究為基礎。由于軍事情報是情報學研究中的一個邊緣課題，本特刊中的多篇文章為界定和劃分什么是軍事情報做出了有益的努力。退一步說，這篇文章強調軍事情報是一個情境過程，而不是將其視為一個定義明確、獨立的領域或職能--如封閉的情報周期所體現的那樣。它處于作戰環境和更廣泛的社會政治體系之中--這些都是其復雜性的要素。

這種復雜的觀點對（條令上的）軍事情報概念化具有影響。這可以最好地視為適應性感知建構：一種持續數據探索和迭代歸納推理的形式，以實現有意義的理解，支持作戰和戰術軍事決策。由于復雜性，不存在可據以推斷理解特定事物的一般知識。因此，知識是在反復測試和完善結論（迭代）的過程中創造出來的，而測試和完善結論所依據的信息則是局部和臨時提供的最佳可用可能知識（歸納）。正如案例研究所示，這一點尤其適用于支持地區外穩定和維和行動的情報工作，盡管并不完全如此。

對于從根本上反思在條令上仍然堅持客觀性和等級制度等傳統思想的軍事情報來說，復雜性是一個潛在的豐富來源，它也與當代關于反射性和批判性情報研究的辯論相聯系，這些辯論使情報學中的這種傳統線性思想相對化。為了對此有所貢獻，本文將分五個部分展開。首先，文章比較了當前情報學和更廣泛的軍事科學中的復雜性觀點。隨后，文章概述了復雜性增加對軍事情報工作的影響。之后，兩個案例研究分別突出了軍事情報在實踐中的復雜性特征。對荷蘭向北大西洋公約組織（NATO）駐阿富汗國際安全援助部隊（ISAF）派遣兵力的分析表明了（政治）背景和任務對軍事情報感知建構的影響。接下來，討論了聯合國（UN）軍事維和情報的發展，進一步說明了在工作層面采取整體方法、組織靈活性和非正式協作的必要性。在某種程度上，前者強調的是縱向維度，后者強調的是橫向維度，盡管在這兩種情況下，這兩個維度都是一個因素。與所謂的封閉性和客觀性相反，這些案例將說明軍事情報對外部影響的開放程度。第五部分也是最后一部分將討論復雜性思維在軍事情報學中的現狀，并提出進一步研究的建議。

復雜性、情報和軍事科學

情報研究仍然是一個孤立的領域，往往忽略了其他領域和學科的相關知識。情報感知建構是一個例外。戴維-T.-摩爾（David T. Moore）等人長期以來一直主張，這是概念化當代分析過程的一種有用方式。一般來說，感知建構是指一群人界定環境并賦予其意義的社會實踐。他們創造并調整自己的觀點，同時也考慮到有關特定主題領域的一般觀念和框架，如現有地圖、身份、事件的特定版本或政治觀念。重要的感知建構特征包括：不愿簡化、尊重專業知識而非等級制度，以及執行（在執行活動或軍事行動時對其進行反思）。感知建構可能會受到一些障礙的阻礙，如組織手段或基礎設施不便、文化限制、世界觀的投射或 "不光彩的 "政治考慮。作為一種注重綜合的方法，感知建構能夠適應復雜性，為傳統分析或牛頓還原論提供了另一種選擇。

摩爾等人呼吁進行概念轉型，以促進 21 世紀情報工作的發展，這與軍事情報工作尤其相關。情報感知建構促進情報專業人員對思維框架和既定思維模式進行積極的自我反思。通過反射性反思，情報人員可以進一步認識到國家間的政治利害關系、社會化假設或自我形象等環境因素如何影響情報人員的方法偏好、常規或程序，或如何形成一種互惠或自我實現的威脅描述和制造動態。解決這一問題的良方在于激發創造性的實驗，并采用視角主義和分析的多樣性。反射性就是要認識到情報和情報問題是同一個復雜系統的一部分，并相互影響。在軍事背景下，這并不總是合乎邏輯的，因為傳統上情報部門的任務只是評估環境，而影響環境則是其他參謀部門的任務。此外，保密限制了情報的內外傳播，也妨礙了與外界更多的合作（軍事情報）感知建構。

除了一些例外情況，總的來說，情報研究確實錯過了二十多年前社會科學的 "復雜性轉向"。這一學術轉向是在社會研究中采用復雜性科學的思想和方法。情報研究對復雜性的關注一直處于邊緣地位。對軍事領域來說，更復雜的是，軍事情報在情報學研究中的代表性很小。因此，專門研究軍事情報的復雜方法少之又少。這是一個問題，因為 "當今國防組織所處的復雜環境使得對強大知識體系的需求更加迫切"。相比之下，在更廣泛的軍事科學領域，復雜性常常被用來研究戰爭和戰爭。

復雜性不僅被用作研究戰爭和戰爭的純理論視角。奧辛加和勞森都表明，復雜性思維也是現代軍事條令和實踐的幾個基本方面的一部分。一些戰略家，其中包括約翰-沃頓和約翰-博伊德，根據復雜性思維制定了計謀。其中，博伊德提出了著名的 OODA 循環（觀察、定位、決策、行動），代表了戰爭中的決策過程。同樣受到復雜性影響的概念還有機動戰、任務指揮、蜂群、網絡中心戰（NCW）以及指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）。除了這些較為隱晦的復雜性思維應用，其他條令出版物，如美國和澳大利亞的一些現行條令，也使用了源自復雜性科學的術語和語言。

最近一個應用復雜性思維的例子是軍事設計思維。與傳統的線性思維不同，軍事設計思維 "作為一種新興的實踐，喚起了哲學、社會科學、復雜性理論的折衷組合，并經常在量身定制或'獨一無二'的實踐中采用即興的、無腳本的方法"。它摒棄了標準的操作程序和格式，而是以迭代的方式注意細節，以適應問題（環境）的變化。設計思維認為，軍事行動藝術是通過對問題采取多種視角（范式），包括對問題的框架和表述方式進行反射性檢查，從而使復雜性變得有意義。

在軍事理論和實踐中采用復雜性思維并不意味著兵力本身就變成了復雜系統。克貝爾認為，條令經常使用的復雜性術語與其在復雜性科學中的含義相去甚遠。此外，在許多軍事和情報文化與組織中，官僚主義和僵化的等級制度仍然盛行，而不是能夠快速適應的分散結構。另一個反對全面采用復雜性的論點是，目前許多軍事思想都假定，通過技術，信息優勢會帶來勝利。數據過載是唯一的問題，情報被視為可靠、清晰和隨叫隨到。因此，許多軍事概念，如 NCW 和 C4ISR，都不能被認為是完全復雜的，因為這些概念并沒有質疑信息的客觀性或準確衡量社會現實的可行性--這在復雜性科學的反射性方法中很常見。

錯過軍事復雜性轉向對軍事情報的影響是深遠的。將情報視為可靠、透明和隨叫隨到，意味著情報與目標獲取的界限變得模糊。情報部門不再關注不確定性和了解作戰環境的耗時過程，而只專注于尋找目標，不考慮具體情況。沙漠風暴 "和 "伊拉克自由 "行動就是生動的例子，在這兩次行動中，情報部門最重要的工作就是探測和跟蹤目標，縮短從傳感器到射手的時間。盡管在戰場上取得了這些成功，但在伊拉克自由行動之后的入侵后叛亂和阿富汗戰爭中，情報工作錯失復雜性轉折的另一個影響也變得十分明顯。過度依賴技術收集導致人力情報來源明顯不足。此外，戰爭是一種社會現象，伊拉克和阿富汗人民的文化、語言和宗教無法僅通過技術收集來了解。這兩個國家的反叛亂行動必須采取以民眾為中心的方法，而不是僅僅關注打擊 "叛亂分子"。正如史密斯所說，在 "人民戰爭 "的氛圍中，情報部門確實調整了一些做法，以適應反叛亂的復雜性。一個顯著的例子是調整了戰場情報準備程序。"戰場 "被 "環境 "所取代，以涵蓋以民眾為中心而不是以敵人為中心的戰役中的眾多參與者和因素。另一個例子是美國的 "人類地形系統"（HTS），該系統旨在解決環境系統中復雜的社會和文化問題。人類學家和其他社會科學家增強了部署部隊的能力，使其更加適應當地環境。

雖然情報工作的復雜性并非全新事物，但與更廣泛的軍事科學相比，就顯得微不足道了。以復雜性為基礎制定得到廣泛認可的戰略--更不用說將其明確而廣泛地納入條令--對于情報工作來說仍然遙遠。通過 NCW 和 C4ISR 的條令概念，復雜性是軍事革命（RMA）的一部分。與此相反，情報事務革命（RIA）作為 RMA 的鏡像，包括其復雜性思維，從來都不是一個流行的話題。更糟糕的是，情報事務革命 "主要側重于情報的戰略層面和國家情報部門的重組"。與此相反，關于行動和戰術層面的情報進程，似乎只有有限的學術辯論[......]"。然而，正如后面所討論的，雖然西方占主導地位的條令可能在形式上沒有反映出全面的復雜性轉向，但在部署期間的（非正式）軍事情報實踐確實更多地顯示了這一點。

對軍事情報過程的影響

為了研究復雜性對作戰和戰術層面情報進程的影響，本部分回顧了作為軍事情報條令進程的情報周期。這一周期的優勢在于，它使人們能夠共同理解什么是情報需求、收集的數據、信息和情報產品。它有利于國際合作，例如北約內部的合作。盡管有這一優勢，但越來越多的文獻指出了這一模式的缺陷。批評的主要話題是循環的周期性和順序性。在現實中，步驟的順序并不總是得到遵守，而且存在許多內部反饋回路。因此，將循環描述為非線性運行的 "計算機軟件"，要好于目前流行的機電反饋系統的比喻。然而，文獻大多將情報循環中的缺陷視為組件或變量的故障，如問題不明確、信息/傳感器的可用性或缺乏糾正反饋回路。這就阻礙了人們從整體上看待情報循環正變得過時的觀點。最重要的問題是，循環作為一種標準化模式，"假定流程對所有目標都以同樣的方式運行，而不管復雜程度和認知要求如何"。一些作者利用復雜性來研究對情報問題的不同看法及其方法。一個著名的例子是特雷弗頓的情報問題類型學（謎題、奧秘、復雜性）。吉爾（Gill）和費蒂安（Phythian）利用復雜性論證了智力與其說是一個循環，不如說是一張網。最近的一個例子是門克維爾德（Menkveld），他研究了智力問題在復雜性上的差異，以及這種差異對所能提供的評估的確定性的影響。門克維爾德較少強調的一個方面是智力的情景性和自我意識的必要性。

作為軍事情報的典型模式，循環提出了這樣一個問題，即在循環中是否存在一種能力，以反射性地適應不同的問題。情報循環是一個控制論反饋回路。這意味著它被視為是封閉的，其重點是通過既定的反饋過程進行控制，其行為是 "有規律的，或確定的，或可重復的"。"[智能]循環是控制論系統的一個隱喻，在這個系統中，控制單元 "感知 "反饋，并通過編程對輸出進行持續的微小調整。[......]在傳統軍事周期的隱喻中，用戶就是控制單元，不斷調整他們的既定需求，以優化他們的情報輸入"。

更具體地說，在傳統周期中，向發起行動的軍事指揮官傳播情報開始了控制論反饋。它調整軍事指揮官或控制者最初的情報需求，導致新的需求，并重新開始這一過程。這就是唯一的調整；情報用戶的新方向。只有輸入的方向發生了變化，其他循環的任何靈活性都被排除在外。不管是什么情報問題，從戰術戰斗到復雜的戰略問題，都極少有適應手頭問題的可能性。這種對控制和反饋過程的關注，反映在許多情報文獻中生產者與消費者關系這一主題的盛行上。雖然 70 多年來情報周期基本保持不變，但控制論關于控制和組織的思想已經發展成為復雜性科學，為系統提供了更廣泛的思考。

為了更好地理解控制論和復雜性主題，博伊德的 OODA 循環很有參考價值。在討論 RMA 或 NCW 時，OODA 循環經常被引用。從真正的軍事角度解釋，RMA/NCW 的理念是利用現代技術加速 OODA 循環。比對手更快地完成循環，就是勝利。雖然這在一定程度上是正確的，尤其是在戰術層面，但 Boyd 也認為，這是在處理不斷變化的沖突局勢，并比對手更快地適應這種局勢。這種重速度輕適應的錯誤觀念將 OODA 循環簡化為一個傳遞信息的控制論決策循環。然而，博伊德指出，信息不僅傳遞系統，而且塑造系統。

OODA 循環的重點是適應（僅次于速度），而控制論智能循環的適應能力卻受到嚴重限制；它只能傳遞情報，而不能被情報塑造。這種循環為往往復雜的問題提供了簡單的解決方案。為了改進軍事情報工作，該行業應進一步向復雜性轉變，接觸封閉系統中控制論反饋以外的思想。這不僅僅是一個（純粹的）理論論點，正如以下案例研究所示。

北約和(國際)國家對阿富汗的看法

軍隊中特定的等級和官僚組織與文化會限制情報工作的指示和評估范圍。在多國部隊進行地區外部署的情況下，國際政治任務也會規定具體的背景和任務。例如，國際軍事存在需要建立一個安全可靠的環境并確保行動自由。這意味著存在某些敵對因素，而確定這些敵對團體（至少部分地）是一種政治行為。派遣國通常還會對軍事行動施加額外的限制和注意事項。特別是對于較小的參與國（國際）來說，政治因素和框架會產生很大影響，并成為感知建構的障礙。

在阿富汗，荷蘭軍事部隊為國際安全援助部隊的各種任務做出了貢獻。其中之一是烏魯茲甘特遣部隊（TFU），其任務是 "通過加強當地民眾對阿富汗當局的支持，削弱對塔利班及相關團體的支持，促進穩定與安全"。為此，荷蘭國防情報和安全局在 2005 年的公開報告和政府致議會的信函中采用了美國的 "反對兵力"（OMF）框架。這是一種對任何與安援部隊/過渡部隊任務目標不一致的行為體進行籠統分類的方式。它反映了美國在全球反恐戰爭中 "要么支持我們，要么反對我們 "的邏輯，也將塔利班等同于基地組織。

然而，荷蘭的社會和政治辯論也導致政治家們需要公開解釋聯邦特遣部隊的任務是重建，而不是作戰。此外，荷蘭還決定，美國特種作戰部隊選擇與之合作的某些部落首領和事實上的權力掮客是特混部隊的禁區。荷蘭議員試圖以此確保與荷蘭士兵合作的行動者 "手腳干凈"，保持較高的道德標準。在實踐中，由此產生的權力動態導致當地部落關系以塔利班或 "勝利陣線 "為框架，結果適得其反。這甚至促使一些部落首領實際尋求塔利班的支持。隨著時間的推移，當地的經驗和以部落為基礎的情報分析為后續的特混部隊輪換提供了更細致的理解。但事實證明，一些過渡聯邦部隊指揮官、參謀人員和軍事情報單位也很難從最初的以敵人為中心轉變為以民眾為中心。另一個使情報工作復雜化的因素是國際安全援助部隊按省劃分的組織方式，例如，將赫爾曼德河沿岸事態發展的感知建構劃分給特混部隊和赫爾曼德特遣部隊。與烏魯茲甘省的荷蘭人一樣，鄰省赫爾曼德省的英軍也面臨著與英國的政治目標和戰略敘事不同的復雜現實。特別是，鏟除罌粟田的行動對當地的動態和社會經濟需求麻木不仁，"盲目按下按鈕"，從而疏遠了行動者。

荷蘭國際安全援助部隊的另一項貢獻--昆都士省的警察培訓任務--在荷蘭議會的大多數議員中達成了來之不易的政治支持共識。然而，作為一項條件，需要對畢業生進行跟蹤，以確保他們不會參與戰斗活動或被部署到省外。在阿富汗，警察和軍隊的角色無法嚴格區分，跟蹤人員非常困難，因此這一要求被證明是不現實的。對特派團的正式評估也得出結論，在結束過渡聯邦部隊的任務后，向安援部隊提供軍事援助的首要（荷蘭政治）需要掩蓋了昆都士特派團對警察和司法系統的長期貢獻。更一般地說，派遣部隊的國際政治考慮，如聯盟外交或通過 "在地圖上插一面旗幟 "來建立聲譽，會將重點從開展有效行動和收集相關軍事情報轉移到盡量減少傷亡上。更廣泛的利益，如聯盟的未來，也會影響哪些話可以說，哪些話不能說，哪些話被認為是相關的。

因此，（國際）政治環境會對軍事情報（收集和分析）進程、傳播和接受能力產生重大影響--特別是考慮到軍隊中的等級和官僚文化。換言之，感知建構的障礙，如世界觀的投射、政治要求或組織上的僵化，會造成政治現實、軍事情報與實地作戰經驗和復雜性之間的縱向錯位。強調這種背景性質絕非試圖過分簡單化。多年來，阿富汗機構、當地部落和利益攸關方的感知建構以及安援部隊與他們的合作都在增加。荷蘭等北約成員國倡導更廣泛的三維方法（國防、外交和發展），過渡聯邦部隊和其他國際安全援助部隊特遣隊也采用了這一方法。

組織設計的新思維以及感知建構和理解情報的新理念為這一發展提供了幫助。2010 年一份關于 "修復 "情報的報告表明，人們重新發現了更多以人口為中心的反叛亂（COIN）原則和更廣泛的軍事行動重點。該報告提出的情報 "藍圖 "包括由記者型分析師和信息經紀人組成的巡回小組，他們在地區級穩定行動信息中心（SOIC）工作，為軍事單位、地方政府和非政府合作伙伴提供全面的了解。一些人批評說，這種橫向的概念重構超越了軍事情報的傳統性質、職責、組織和能力--或者說，軍事情報不應該完全是為了適應和 "修復情報"。此外，所呼吁的網絡化、協作性和更非正式的橫向 "自治 "需要大量的投資和轉型，而軍事情報組織并不僅僅是支持沖突后和境內作戰行動。然而，可以說，當代沖突（和戰爭）的復雜環境同樣要求對軍事情報的縱向影響采取整體性的方法和反射性的認識。因此，有必要對冷戰時期傳統的官僚主義軍事情報下屬機構和（封閉的）流程概念進行修正--尤其是在北約的地區外行動和其他國際穩定與維和行動中。

聯合國與靈活協作的 "情報 "實踐

與軍事官僚主義和等級制度相比，在實踐中，軍事情報的感知建構可能需要非正式協作和臨時組織，以促進創造性實驗、尊重專業知識和不愿簡化。此外，關于情報與信息的構成的正式條令觀念也可能是分散的。與北約的地區外行動相比，聯合國特派團的正式范圍更廣。聯合國軍事單位往往只是特派團團長使用的組成部分之一。因此，軍事信息（或情報）涉及多個領域。在這方面經常使用的一個縮寫詞是 X-PMESII；提倡從政治、軍事、經濟、社會、信息和基礎設施等多領域的角度出發。然而，國際安全援助部隊的案例也顯示了北約是如何轉向更全面的方法的。

在聯合國內部，"情報 "一詞長期以來一直被視為有爭議的 "臟話"。它與秘密收集、未經有關人員許可或同意以及非法秘密行動聯系在一起。聯合國和平行動有明確的法律和道德限制，而且非常強調透明度、客觀性、中立性和包容性，將其作為該組織的核心標準。這一點也反映在觀察員特派團的悠久傳統中，如聯合國駐黎巴嫩臨時部隊（聯黎部隊）、聯合國停戰監督組織（停戰監督組織）和中東的聯合國脫離接觸觀察員部隊（觀察員部隊）。反應性登記和報告一直是（有時也許仍然是）聯合國士兵的主要活動。然而，自 20 世紀 90 年代以來，人們越來越多地討論了信息（或情報）工作對于支持聯合國兵力和更廣泛的任務的極端重要性。在聯合國對維和行動的評估中，明確指出特派團和軍隊的 "信息管理 "只是 "情報 "的委婉說法。聯合國是在不聲不響地做情報工作嗎？2005 年，聯合國的監督報告仍然認為軍事情報（G2）部門 "通常是被動的，嚴重依賴二手情報"，甚至缺乏收集公開來源情報以支持特派團的 "概念或安全許可"。然而，從 2006 年開始--早在聯合國海地穩定特派團（MINUSTAH）以犯罪團伙為目標期間--特派團聯合分析小組（JMAC）的概念就發展成為特派團成功的最重要因素，并在非正式開拓方面發揮了至關重要的作用。

特派團聯合分析小組不僅為聯合國秘書長特別代表提供戰略簡報，還及時提供關于犯罪團伙頭目和地點的目標資料。線人網絡和一系列（航拍）圖像提供了重要信息。任務期間提供的附加值使兵力指揮官和警務專員決定為聯合軍事行動中心投入更多人員。還與各國駐海地大使館和相關國家情報部門非正式討論了報告問題。在這方面沒有正式的安排。對信息的分類和如何安全儲存信息的規定都很粗略。盡管如此，非正式橫向協作做法的機會、威脅行為者（犯罪團伙）的特殊性和打擊犯罪 團伙行動的成功，創造了對特派團至關重要的特定信息（情報）流程。

認識到聯合國內部對 "情報 "的傳統負面看法，同時也著眼于日益增加的復雜性，學者、聯黎部隊前特派團聯合分析小組組長 Renaud Theunens 建議聯合國采用 "理解 "這一廣泛概念： "對特定局勢的感知和解釋，以提供有效決策所需的背景、洞察力和遠見"。由于這一定義與北約和英國關于情報感知建構的條令如出一轍，人們可能會再次懷疑，回避情報一詞在多大程度上仍主要是一個語義問題。自 2015 年以來，聯合國內部正式制定一個情報框架來應對和反擊這一問題的勢頭日益高漲。其中一個驅動力是維持和平行動特別委員會就復雜的挑戰、不斷變化的威脅以及聯合國部隊和平民傷亡人數不斷增加等問題進行的討論。

事實上，在過去五年中，聯合國維和部制定了維和情報政策、軍事維和情報（MPKI）手冊和培訓員培訓課程。手冊和課程的內容反映了廣泛接受的概念和行動框架，與北約奧伯阿梅爾高學校情報課程的內容相似：情報周期和功能、分析工具、報告格式、信息需求管理和收集/獲取管理。聯合國課程中承認 MPKI 對作戰環境的分析與北約的戰場情報準備和作戰環境情報準備都很相似。兩者都為軍事決策過程提供信息。然而，教員卻被告知不要進行這種比較，因為這會讓學生感到困惑，并強調 "在聯合國維和行動中，非軍事（'民事'）因素--特別是人的因素和影響人的生活和活動的因素--是重點"。該評論沒有強調北約成員如何從以敵人為中心的方法擴大范圍，并認識到廣闊的人文領域和復雜的安全觀。Theunens 還將聯合軍事行動中心的概念與最終在阿富汗成立的國家獨立情報委員會進行了比較，從而將兩者聯系起來。這說明聯合國內部顯然需要在政治上或官僚主義上明確標明維和-情報方面的政策和文件與北約有何不同。一個很能說明問題的例子是，"維和情報 "如何被巧妙地改為 "維和情報"，以盡可能地與(國家)情報區分開來。

實際上，在馬里馬里支助團（MINUMSMA）的一小部分部隊派遣國采用的北約情報程序和做法的經驗最終為起草 MPKI 文件的工作組成員提供了參考。這始于試驗性的 ASIFU 的建立，這是荷蘭等國家向聯合國提供的一種能力。這可以部分視為對軍事情報發展的縱向影響。ASIFU所擁有的情報、監視和偵察能力對聯合國來說是前所未有的。公開來源的信息以及人力、圖像和信號情報都是重要的資源。在聯合國特派團的軍事結構中，ASIFU 是第一個專門負責收集和分析信息的獨立單位。

然而，由于多種因素，感知建構、共享與合作遠未達到最佳狀態。在聯合國馬里多層面綜合穩定團（馬里穩定團）中，存在任務限制、手段短缺、信息基礎設施安全限制以及西方和非洲部隊之間的文化和組織分歧。例如，ASIFU 的任務是嚴格關注馬里，而復雜的局勢要求采取區域分析方法。高端情報收集手段無法使用，其信息也無法傳播。例如，阿帕奇直升機的攝像圖像也包含高度機密的數據。西方的人力情報和軍民互動小組需要覆蓋廣闊的地區，并面臨當地語言和文化障礙。盡管保密和文化差異仍阻礙著西方和非洲聯盟馬里穩定團部隊之間更密切的合作，但軍人購買商用相機的舉措部分緩解了物資問題。最終，ASIFU 的人員確實與馬里穩定團的其他實體和馬里的民間組織進行了聯絡，并尋求對其進行培訓。駐馬里安全部隊分析人員也開始與活躍在該地區的法國（非馬里穩定團）部隊進行非正式聯絡。

由于 ASIFU 的參與國堅持使用北約的條令和標準，特派團的其他部門和（非北約的）部隊派遣國仍然認為 ASIFU 是特派團的一個外國組成部分。ASIFU 的獨立是出于西方的實用主義和對部隊派遣能見度的渴望。一些人認為，它的分離和保密性是一個重要的組織缺陷，造成了情報工作的壁壘森嚴、效率低下和任務重復的競爭。此外，西歐 "滑雪國 "與非洲部隊之間的文化差異甚至被一些人從種族角度加以描述。隨著 2017 年非洲駐布隆迪部隊人員與馬里穩定團常規情報部門 U2 和特派團聯合分析小組合署辦公，非洲駐布隆迪部隊的招募規模縮小，專業知識、經驗和做法得以共享，這種隔閡最終得到解決。

事后看來，按照北約的概念發展和實驗政策，反恐部隊被視為旨在推動更廣泛的任務情報系統創新的實驗。歐洲國家的聯合國官員試圖將聯合國 "北約化"，以實現反恐目標，而國家貢獻的能見度或抵制的務實論點似乎減輕了這一觀點。盡管如此，一旦創建，橫向非正式協作和其他做法就會出現，對聯合國更廣泛的情報創新產生影響。

總體而言，對于 2006 年以來聯合國維和軍事情報的發展而言，組織的靈活性和工作層面的非正式協作已被證明是至關重要的因素。至于 "軍事情報 "更廣泛或整體的關注點和實用方法或條令，北約和聯合國國際特派團之間的相似性正在增加。在實踐中，官僚主義和巨大的復雜性--政治任務、派遣國的多樣性、組織結構和行動環境--是影響軍事（維和）情報的性質、價值和影響的重要因素（或潛在障礙）。因此，改進軍事情報感知建構需要工作層面的專業人員進行靈活和持續的反射性檢查。然而，盡管與聯合國特派團其他（文職）部門的橫向合作日益增多，但保密條件限制了軍事情報從業人員與非情報部門外部人員（如科學家或非政府組織）交流思想，而這些人員也居住在更廣泛的與任務相關的復雜安全生態系統中。

結 論

從復雜性科學的角度來看，這兩個案例都說明有必要了解并管理軍事情報的縱向和橫向維度或影響因素。除了系統開放性之外，還要重新考慮其邊界，因為這取決于視角、環境或背景。然而，在軍事條令和決策中--盡管受到復雜思維的影響--系統仍以封閉性為主要特征。軍事情報更是如此，它應該客觀地觀察作戰環境，而不對其施加影響，而不是承認不斷的互動。

傳統的情報周期，在條令上仍然是軍事情報的決定性過程，使情報工作牢牢地處于控制論時代。對這一周期的批評或替代方案幾乎沒有采用任何側重于復雜性和適應性問題的視角。而在學術界對戰爭和戰爭復雜性的研究中，幾乎完全沒有涉及情報問題，這就更加劇了這一問題。為了改進軍事情報工作，可以對其學習和適應能力進行更全面的研究。第一步應該是結束對軍事情報相對孤立的討論，從軍事科學開始，與其他應用復雜性科學和思維的領域建立聯系。設計思維尤其適合，因為它能使軍事情報人員在思考新的組織形式時納入明確的復雜性基礎，促進對問題的多角度考慮。

情報學研究中的一些觀點為在軍事情報學中拓展復雜性方法提供了一個良好的起點。特雷弗頓的 "謎題、奧秘和復雜性 "類型學為設計適應復雜性的情報進程提供了一個可能的切入點，使其概念更加明顯。與當前有關復雜性和（軍事）情報的文獻相比，更廣泛的方法將進一步強調反射性。回到特雷弗頓的類型學，謎題、奧秘和復雜性與其說是單獨的類別，不如說是一個 "馬特里奧什卡娃娃"（matryoshka doll）： "謎題是可行的簡化，但絕不能成為分析人員擺脫反身性的借口"。與此密切相關的是關于情報感知建構的觀點（如不愿簡化、尊重專業知識而非等級制度以及頒布）。

正如案例研究表明的那樣，通過減少潛在的政治、文化或官僚障礙的影響，可以促進反射性的感知建構。世界觀或政治要求會造成軍事情報與作戰經驗之間的縱向錯位。與此同時，應促成創造性的實驗和創新性的組織，重視專業知識并采納不同觀點，以提高自我意識。橫向協作舉措和非正式開拓對于軍事情報部門的運作至關重要。避免和細化（政治）分類--如在阿富汗反對兵力--同時積極建立跨越等級和任務組織鴻溝的網絡，可增進理解，減少在實地產生不必要的反作用。需要重新評估（公開來源）信息和 "情報 "的性質和價值，包括保密的功能（或限制）。應盡量減少正式官僚程序和關切（如聯合國內部的負面看法或組織分歧）對感知建構的影響。令人深思的是，這些案例說明了正式想法（理論、條令）和（最終的）組織靈活性與非正式做法（臨時的、突發的）之間的區別，它們是變革的重要驅動力。

印度空軍現狀

去年9 月 30 日，印度空軍元帥 V R 喬德里在就任空軍參謀長后的首次媒體見面會上表示，印度空軍目前有 30 個戰斗機中隊。 空軍參謀長還表示："在未來十年內，我們的戰斗機數量將保持在 35 架左右，目前不太可能進一步增加。專家認為，隨著計劃中的過時機型的淘汰，戰斗機中隊的數量甚至有可能降至 30 個以下。有人駕駛飛機成本上升、現實生活中的采購程序和進口挑戰、本土計劃的延誤以及國防預算的縮減，都是導致印度空軍中隊人數減少的原因。烏克蘭戰爭進一步加劇了該地區的地緣政治局勢，因此需要對空中力量資產的使用進行新的思考。在這一新出現的地緣政治現實中，在空中力量資產枯竭的情況下，兩線作戰將極具挑戰性，需要立即引起重視。由于陳舊過時和缺乏新平臺，作戰航空資產已經枯竭，這就要求我們立即審查和反思在所有空中作戰力量中對有人駕駛飛機的依賴。最近基于本土無人機技術的兩項演示可能會提供一些答案，值得進一步利用。

圖： 戰勝撤退，2022 年。圖片來源：Daily Excelsior 每日精進

2022年戰勝撤退

首先，1000 架本土無人機在 "戰勝撤退"儀式上進行了長達 10 分鐘的炫目表演，為 2022年慶祝活動劃上了精彩的句號。無人機以不同的隊形飛行，構成了旋轉地球儀、印度地圖、"國父 "形象、"印度制造 "獅子和三色旗的三維形狀；所有這些都有多種顏色。這次展示由 Botlab Dynamics 主辦，并得到了德里印度理工學院和科技部的支持。迄今為止，只有美國、俄羅斯和中國展示了使用 1000 架無人機進行表演的能力。軍方可以很容易地集中、完善和利用所展示的能力來執行防御和進攻任務。

圖：2021 年建軍節閱兵，無人機群。圖片來源：Rediff.com

2021 年印度建軍節閱兵式

第二次是在 2021 年陸軍日閱兵式上，75 架本國設計和開發的非對稱無人機群進行了演示。人工智能（AI）使無人機能夠在演示中執行進攻任務和近距離空中支援任務。雖然這不是在戰斗條件下進行的，但在如此重要的活動中成功進行預先計劃的演示，表明了演示者的信心，也表明所采用的技術達到了一定的成熟度。陸軍的無人機群能力正在開發中，主要用于人道主義援助和救災，由陸軍與總部位于班加羅爾的新創公司 NewSpace Research and Technologies 合作開發。2022 年的演示似乎使用了集中控制下的無人機，而 2021 年的演示則使用了 "自主 "模式下的無人機。

圖：總部位于班加羅爾的新創公司 NewSpace Research and Technologies。圖片來源：NewSpace Research Technologies 公司

無人機、無人駕駛飛行器、無人機系統

無人機是對任何無人駕駛航空平臺的統稱，又稱無人駕駛飛行器（UAV）或無人機系統（UAS）。最初，它被用于軍事領域，由地面操作員遠程控制。隨著信息和通信技術（ICT）的發展，現在的趨勢更趨向于自動，而且越來越趨向于自主，盡管國際上仍在討論一些倫理問題。無人機早期是單機使用，后來逐漸發展到采用集中控制的 "大規模 "無人機使用。過去曾使用過大規模無人機；對沙特阿拉伯阿布蓋克和庫賴斯石油加工設施的成功襲擊（2019 年 9 月），以及對俄羅斯赫邁米姆空軍基地的襲擊（2018 年 1 月）。這些襲擊表明了保衛高價值目標以及反擊大規模無人機襲擊所面臨的挑戰。

圖：無人機襲擊俄羅斯在敘利亞的 Khmeimim 空軍基地。圖片來源：CNN 美國有線電視新聞網

歷代戰爭的演變

戰爭從 "近戰 "發展到 "大規模"，再到 "機動"，而現在，由于信息和通信技術的發展，使用 "蜂群 "成為可能；在這種技術中，作為自主無人機群的一部分，無人機可以從任何方向攻擊目標；在這種技術中，每架無人機都與其他無人機通信和協作，執行協調任務，以實現共同目標。沒有領導者，決策是分布式的，就像自然界中的蜂群一樣。椋鳥群被稱為 "蜂群"（murmuration），是我們所設想的蜂群的例子之一。一個大的椋鳥群可能有成千上萬只椋鳥一起飛行；鳥兒們似乎彼此相連，在飛行中扭動、轉彎、改變方向并做出復雜的動作。這些都不是事先預謀/計劃或練習好的，而是它們與生俱來的天性/行為的一部分。科學家們一直在研究雜音，以找出雜音背后的科學依據。盡管還有許多問題有待發現，但科學家們相信，這些系統處于 "邊緣"；隨時可以在瞬間完全轉變，就像沸水轉變為蒸汽一樣。高速計算機和照相機已經成為了解這一自然奇跡的輔助工具。人工生命是一個研究領域，研究人員通過使用計算機模型和機器人技術進行模擬，研究與自然生命相關的系統。

圖：一群椋鳥被稱為 "雜音"。圖片來源： countrylife.co.uk

類鳥群，或 "類鳥 "物體

類鳥群（Boids是 "鳥形物體 "或 "類鳥物體 "的簡稱，是克雷格-雷諾茲（Craig Reynolds）于1986年開發的一種人工生）命程序，可以模擬鳥類的上述行為。復雜性的產生是由于 Boids 群體中各個 Boids 之間的相互作用；每個 Boids 都遵守一套簡單的規則。適用于簡單 Boid 的規則如下：

• 分離--轉向以保持與同伴的分離，避免碰撞
• 齊頭并進--朝著同伴的平均航向前進
• 聚合--轉向隊友的平均位置

根據預期任務要求，還可添加更復雜的規則，如避開障礙物、分裂/重組、尋找目標或任何其他突發行為。人工智能（AI）的進步使無人機在經過適當編程后，無需飛行中的人工干預就能協同工作，執行復雜的軍事任務。可想而知，對抗這種無人機群要比前面提到的大規模無人機更具挑戰性。

無人機蜂群

無人機蜂群被定義為 "為實現共同目標而部署的多個無人平臺和/或武器，這些平臺和/或武器可根據彼此間的通信自主改變其行為"。攜帶光電/紅外/電磁傳感器的無人機可轉發有關目標、防御、天氣的實時信息，無人機蜂群可根據預先編程的任務目標改變航向或指定適當配置的無人機進行干擾、打擊或自毀。實時信息可以幫助搜索和打擊移動近距離空中支援或戰場空中攔截目標，覆蓋預期的擴展戰場區域。固定目標可以用火炮打擊，但移動目標一直是個難題。無人機蜂群可以輕松地執行上述空中力量任務，而迄今為止，這些任務都是由多架稀缺的有人駕駛飛機執行的 ISR 和攻擊任務。無人機蜂群的優勢在于，傳感器和射手都在同一個機群中，它們可以相互通信，并根據同時收集到的實時情報采取行動。還可以根據任務要求，使用非對稱的無人機組合，每架無人機都為特定角色而配置。在 2021 年的 "陸軍日 "期間，新德里已經實際展示了這一點。展示這種能力是從作戰角度對其進行評估的第一步，也是在未來對其進行有效利用的第一步，它將增強已經消耗殆盡的有人駕駛飛機的實力。

無人機蜂群的優勢

無人機成本低、數量多、使用靈活，有助于緩解載人飛機數量枯竭的壓力。此外，無人機上沒有人可以幫助作戰計劃人員承擔更高的風險，驗證更大膽的作戰概念。更大的數量也有助于挑戰敵方的防御系統，從而削弱其防御能力。無人機的最大優勢在于，公營和私營企業都在自主研發無人機。本國設計和開發的無人機在這兩方面都具有靈活性；無人機可以設計成模塊化，而不必是多用途的；傳感器和武器可以配置成可在線更換的單元，可以根據任務要求在發射場進行更換。

圖：用于安保和監視的無人機。

利用無人機蜂群的力量

利用無人機蜂群的力量將需要新的指揮、控制、通信、情報、監視和偵察（C4ISR）模式。這些項目最好是聯合服務項目，因為它們需要同時滿足所有服務的要求，從實地一級到每個服務的最高行動控制級別。還需要指出的是，像無人機群這樣的自主系統需要在執行任務時接受命令，而不是在執行任務的每一步都接受控制。因此，在新的聯合軍種作戰組織中，適當的人員組合非常重要；從人工智能專家到那些專注于研究大規模、機動性和火力以消滅各種目標的人員，再到通信和計算機專業人員，以及那些精通基本無人機戰的人員--專門負責發射/回收無人機群等。這就要求改變目前有人駕駛戰斗中隊的人員配置模式。商業部門可能有一些想法，需要進行適當的修改和調整，以適應具體的作戰要求。

圖：用于 C4ISR 的無人機。圖片來源：Northrop Grumman 諾斯羅普-格魯曼公司

軍用無人機--戰爭的未來？

事實上，商用無人機的創新正在迅速推動許多底層技術的發展；這些技術可以為軍用無人機的發展奠定基礎；軍用無人機需要進行加固，使其能夠更好地在容易受到干擾、劫持和欺騙的環境中工作。軟件還需要滿足分裂/重組的需要，以呈現適當的雷達截面，這有助于在雷達上顯示或避免雷達探測。這是否過于昂貴，無法用于軍事用途，這將是一個決定其入門、部署和可用性的問題。值得注意的是，大多數戰爭分析家認為，未來戰爭是 "小型、智能和廉價的平臺"。考慮到無人機群具有顯著的作戰優勢、"巨大的成本效益 "和靈活性，值得投入大量資金進行研發、試驗和實驗。包括美國、以色列和印度在內的許多國家已經在這樣做了。這些國家都在尋找一種方法，將被設想為 "未來戰爭 "的重要技術--無人駕駛--付諸實踐。在網絡化或模糊的戰場上，如在反叛亂和建筑密集區，蜂群無人機的概念可以得到最有效的應用。

無人機蜂群的首次使用

據《新科學家》報道，在 2021 年 5 月與哈馬斯的沖突中，以色列國防軍是第一支使用無人機群定位、識別和攻擊加沙地帶武裝分子的軍隊。在 11 天的沖突中，哈馬斯向以色列發射了 4300 枚火箭彈，加沙有 256 人喪生，以色列有 13 人喪生。以色列進行了空襲和炮擊。無人機群也被用來在偽裝條件下，在哈馬斯使用的人口密集的建筑區中定位并摧毀火箭發射器和其他目標。沒有動用地面部隊打擊加沙地帶的哈馬斯。

無人機的使用--陸軍走在前列

印度陸軍在這一領域的發展一直處于領先地位，因為他們在戰爭和反叛亂行動中的經驗凸顯了對 ISR 行動的迫切需要。陸軍還認為，既然只有在地面上才能贏得戰斗，那么印度空軍就必須發揮 "輔助作用"，幫助實現對地面戰斗進展至關重要的目標。另一方面，空中力量專業人員深信，陸軍/海軍最好的辦法是取得一定程度的空中優勢，從而防止敵方空中力量在我方選擇的時間和地點干擾我方在地面、海上和空中的行動。因此，空中打擊成為空中力量實踐者最初關注的重點，這是正確的，因為只有敵方空中力量才有能力干擾我方的任何行動，無論是地面、海上還是空中行動。這兩種觀點都是正確的，都是基于各自軍種的視角，而這也一直是世界各地大多數空中力量實踐者和士兵之間爭論的焦點，導致人們要求為陸軍和海軍分別建立空軍，并由他們自行決定是否使用。這使 "集中控制、分散執行 "的基本空中力量理念失效，因為飛機在不同目標、武器類型、角色等之間轉換的固有靈活性被犧牲掉了。國際空軍飛機數量的減少將進一步導致其難以承擔所有任務和發揮空中力量的作用，在兩線作戰的情況下更是如此。

建議的前進方向

可以在靠近邊境的地區部署經過適當加固的無人機來執行空中力量任務。這些無人機可減輕載人空中力量的部分壓力。目前在商業市場上可以買到的簡單、低成本無人機在經過戰斗加固后也可以填補能力空白，作為小型戰術無人機和無人機群，與炮兵協作/協調，提供所需的近距離空中支援、偵察和戰場空中攔截。可使用小型無人機群的一些行動包括殺傷人員、塹壕作戰、布雷、前沿 "直升機基地/機場攻擊（機場內的飛機、燃料車等軟目標）、攻擊前沿彈藥庫、雷達和通信天線、指揮和控制節點、海軍艦艇上的薄弱點、戒備森嚴的設施等。這些目標只需在薄弱點放置少量爆炸物，就能使其失靈或被摧毀"。壓制敵方防空系統（SEAD）和電子戰（EW）是無人機可以執行的另外兩項任務，無人機可以作為機群的一部分，也可以與有人駕駛飛機合作執行任務。無人機群是一項重大的技術進步，有助于克服有人駕駛飛機的一些缺點，同時也能增強其已耗盡的實力。

核心聯合服務小組

正如 2021 年 "建軍節 "所展示的那樣，陸軍已經在這一領域走在了前列，眾所周知，陸軍正在 "大力投資于人工智能、自主武器系統、量子技術和機器人技術，以實現其作戰理念與這些技術的軍事屬性之間的融合"。這固然值得稱贊，但如果能成立一個由所有三個軍種成員組成的核心聯合軍種小組，那就更理想了。可以為該小組提供資金，并責成其制定一項有時限的計劃，內容包括：此類無人機作戰部隊的最佳組織結構；用于不同角色的標準化無人機；軟件；不同種類的武器；所需的理想機群規模；所需的加固；所需的定制化（基于任務）；以及執行空中力量任務所需的無人機組合（最初在距離前線約 50 公里的范圍內）。可以開發基本的人工智能軟件，并在此基礎上針對每項任務整合任務編程。無人機作戰面臨的挑戰可能是組織方面的，因為它需要扁平化的等級文化、更多的聯合、強大的 C4ISR、安全的數據中心和數據共享。目前，各軍種都在等級森嚴的結構和文化中運作。各部門之間的互操作性也可能是一個關鍵問題。隨著設計、軟件、尺寸、武器、傳感器、發射、平臺、C4I、聯合軍種組織等方面經驗的積累，核心小組獲得的經驗將有助于擴大無人機群的范圍。

未來戰爭

筆者認為，戰爭的未來是無人駕駛飛行器的未來，盡管有人駕駛飛機和無人駕駛飛行器顯然將在未來幾十年繼續共存。對這些技術的大量投資將帶來豐厚的經濟和軍事紅利，因為所有這些技術都是領先的軍民兩用技術。最后，采用聯合軍種的方法將在作戰中采用這些 "未來 "技術方面帶來豐厚的回報，因為軍種之間的互操作性對于在作戰中獲得協同增效至關重要。

作者:印度空軍指揮官JP喬希(已退休)是印度空軍的戰斗機飛行員，曾在美國的指揮和參謀學院學習。所表達的觀點是作者自己的。

電子戰（EW）操作人員在日益密集和敏捷的威脅環境中執行單平臺和分布式平臺的傳感和干擾任務時，面臨著眾多的挑戰。在交戰時限內，往往必須根據現有的部分信息迅速采取行動。最近，世界觀察到了人工智能的蓬勃發展，這是一套數據驅動的橫向技術，已經顛覆了自主性和大數據是關鍵因素的多個領域。盡管它不是所有EW任務的解決方案，但人工智能顯示出有希望提供潛在的解決方案，通過超出人類操作員能力的知情決策來提高EW效率和有效性。約翰霍普金斯大學應用物理實驗室（APL）精確打擊任務區已經投資于發射器識別和自主資源分配等具體EW任務的研究和開發。本文介紹了這些項目的有希望的結果，并描述了在這些領域建議的未來工作，以及可能從人工智能研究中受益的其他EW應用。

1 引言

電子戰（EW）作戰威脅空間是一個在有爭議的頻譜環境中運行的多個射頻（RF）傳感和發射平臺之間的非合作性互動。這個作戰空間給執行任務的操作人員帶來了許多挑戰，如感知電磁（EM）頻譜、有效管理頻譜資源、在多個EW平臺之間共享關鍵信息，同時干擾威脅發射器。這些挑戰促使人們需要能力越來越強的射頻系統，以機器的速度處理大量的信息并采取行動，通常幾乎不需要人工干預。下一代軟軟件定義的射頻威脅發射器，使用越來越復雜的敏捷波形，推動了未來電子支持（ES）和電子攻擊（EA）活動方式的轉變。干擾平臺的整體有效性受制于其有效探測、描述、干擾和通信威脅波形的能力，同時智能地管理戰斗空間內的可用射頻資源。

在過去幾年中，人工智能領域受到了極大的關注，在物體識別、自然語言處理和自動語音識別等領域取得了多項重大突破。機器學習（ML）技術在其他問題領域的成功應用，引起了EW贊助商、運營商和研究人員的興趣，他們希望確定ML方法如何解決EW的差距。本文重點介紹了通過APL的精確打擊任務區（PSMA）獨立研究和開發（IRAD）項目取得的幾個有希望的成果，這些項目專門針對發射器識別和自主資源分配的EW任務。它還包括其他建議的研究課題，以使自動化EW方法成熟，并可過渡到未來的軍事平臺。此外，本文還強調了幾個特定領域的挑戰，并提出了未來的研究課題，在這一重點領域中，使用ML技術可能會顯示出前景。

1.1 背景

圖1展示了一種場景，它試圖通過使用協作式EW來實現信息主導并對對手產生壓倒性的EW效應。開發ML應用以提高單平臺背景下的EW效率和有效性，是實現協作、自主和適應性EW能力的一個重要基石。在這篇文章中，我們主要描述了從兩個IRAD項目中獲得的結果和知識，這些項目將ML應用于傳感和發射器識別，以研究自動調制識別（AMR）和自主資源分配。這項基礎性工作證明了這些方法的優點，并建立了一條通往多平臺、協作式EW能力的發展道路。本文介紹的方法和結果與平臺無關，盡管迄今為止考慮的主要平臺是機載的，但可能也有引人注目的地面或海基應用。

圖1. 在APL的PSMA中，有兩個感興趣的協作EW主題。美國將建立頻譜優勢，并通過使用協作式EW來對對手提供壓倒性的EW效果。為了實現這一目標，必須克服兩個挑戰：分布式傳感，ML AMR將識別感興趣的特定信號（左）；以及分布式資源管理，傳感和干擾資源將在戰斗空間中自動管理（右）。

2 機器學習適用于EW技術和操作的挑戰

圖1大致說明了戰術EW操作中的兩個具有挑戰性的主題領域，ML提供了有希望的解決方案。本節簡要介紹了與分布式傳感和分布式資源管理相關的挑戰。

2.1 敏捷威脅發射器的交戰

敵方傳感器和通信系統的敏捷性給EW系統帶來了挑戰，它們能迅速適應并在整個電磁頻譜上運行。傳統的EW系統必須首先確定一個威脅雷達，以確定適當的預編程EA技術。隨著雷達從固定的模擬系統發展到具有未知行為和敏捷波形的可編程數字變體，這種方法的有效性就會下降。未來的雷達可能會帶來更大的挑戰，因為它們將能夠感知環境，同時適應傳輸和信號處理，以最大限度地提高性能和減輕干擾影響。同樣，通信系統能夠適應頻率、調制和編碼以及協議，以便在各種退化的信道條件下運行，目標是最大限度地提高數據吞吐量，同時最大限度地減少幀錯誤和比特錯誤率。此外，由于硬件、軟件和自適應信號處理的進步，現代傳感器系統以更敏捷和更不確定的方式工作的能力得到了大幅提升。打擊這些潛在的威脅需要靈活的EW交戰方案，根據當前觀察到的運行參數和威脅的模式，在特定的快照下調整EA技術。通常情況下，這種交戰需要在威脅發射者的時間刻度上以機器的速度調整反措施--換句話說，比人類操作員的速度快得多（以毫秒或微秒為單位，而不是秒）。美國國防部高級研究計劃局（DARPA）的兩個項目專注于這一問題空間：自適應電子戰的行為學習（BLADE）項目已經成功地將ML技術應用于敏捷的通信信號，而自適應雷達對抗措施（ARC）項目已經成功地將ML應用于威脅雷達信號。鑒于該領域的基礎性工作已經建立，本文不進一步討論ML對威脅發射器的應用。

2.2 寬帶傳感

EW系統的關鍵挑戰之一是實時提供精確的電磁頻譜態勢感知，以描述所觀察到的信號的行為，并確定什么是友好、威脅和中立。敵方的傳感和通信系統正在擴大其對電磁波譜的使用，要求ES傳感器同時觀察多個千兆赫茲的頻譜。傳統的ES系統在同時監測大面積的電磁頻譜方面能力有限，通常會求助于掃描一組窄帶頻道。在信號收集之后，大量的信號捕獲數據必須在戰術時間尺度上進行處理，以便在這些測量變得陳舊之前確定發射體的特征并告知EA的反應。如果考慮到遇到多個高密度射頻發射器在不同的射頻功率水平下工作，觀察到部分信號，以及在高度的機載和非機載射頻干擾的情況下進行感應，這些挑戰就進一步加劇了。

除了在基于傳感器的應用中很有價值外（如模擬處理），ML方法也有可能在緩解ES數據處理瓶頸中發揮作用。只有當這種傳感與能夠應對相應的大信息速率的信號處理器結合在一起時，才能實現寬帶傳感的好處。即使計算昂貴的操作與完整的輸入流解耦，如果檢測沒有被有效過濾，密集的信號環境仍然會使下游資源超載。ML技術可以在處理鏈的早期丟棄低優先級的檢測，減少整個系統的負荷，為處理關鍵任務的檢測節省計算資源。換句話說，ML可以通過在處理鏈的早期和較少的步驟中捕捉關鍵模式來發揮作用。這一優勢適用于本文介紹的AMR工作的一個特定的下一步應用。AMR工作僅側重于調制識別，為潛在的富有成效的ML調查參數留下了機會，如通過帶寬、中心頻率、脈沖重復間隔、到達角或這些參數的組合來確定信號特征。

2.3 資源管理

必須根據具體任務和威脅環境平衡使用EW平臺的傳感和干擾資源，以有效地打擊射頻通信和雷達目標。一個EW任務可能包括與一系列的威脅交戰，從需要有限的傳感支持的已知的、不太敏捷的威脅到需要精確的傳感和交戰時間表來跟蹤和擊敗的復雜的、適應性強的威脅。來自單一平臺的傳統EW傳感和干擾資源是按時間尺度管理和安排的，可以在任務前分配或在任務中由操作人員調整。然而，必須被感知和打擊的可適應的對手目標的數量正在增加，超出了傳統的人在環形方法的可行性。在威脅發射器的時間尺度上保持有效性需要自主優化方法，以機器速度平衡和分配EW資源。未來的分布式、協作式EW任務包括多個平臺一起工作，并適應實現特定的EW任務目標，這將需要分布式資源管理。

如果我們從貝葉斯的角度出發，這個看似難以解決的問題可以得到簡化。在每個時間點上，操作者必須考慮對手正在做什么的多種競爭性假設。然后，操作者必須從一組可能的假設中考慮什么是最佳行動方案。這些假設可以被列舉出來，并根據收集到的累積證據為每個假設分配代表強度的實際數值。貝葉斯概率理論允許我們將證據單位表示為實數，可用于加強或摒棄競爭性假設。這種方法使我們能夠自動權衡不同假設的合理性，并根據證據最支持的假設做出決定。我們相信，ML有可能為EW任務前計劃的資源管理和EW行動中的近實時決策提供重大的能力提升。

3 基于AMR的發射器識別

發射器識別過程允許ES和監視接收器區分來自威脅和友好或中立的發射。因此，ES系統必須處理一套廣泛的接收波形，從商業波段常用的波形到軍事特定的雷達和通信信號。ES系統依靠脈沖處理器，使用固定的描述符來檢測、過濾，并從接收到的射頻調制脈沖中提取發射器信息。調制格式是ES系統在勘察頻譜時用于描述有源發射器的一種描述符。

EW系統必須完成的許多挑戰性任務之一是有效地確定檢測到的信號的調制格式。這個話題更廣泛地被稱為AMR。傳統的脈沖處理器將調制格式視為一個單一的特征，可與其他用于識別活動發射體的波形特征相配合。許多脈沖處理器會將脈沖描述符群與板載庫進行匹配，以識別正在觀察的發射器。成功應用這種傳統的匹配方法的前提是，信號先前已經被觀察過，其特征也是已知的。

AMR的第二個挑戰是在遇到新觀察到的調制類型或發射器模式時識別和解釋它們。事實證明，新的發射物對于依賴預定義的已知發射物特征庫的系統來說是一種挑戰。在軟件定義的威脅成為現實之前，捕捉和描述新的發射物的過程一直是一個歷史上可解決的問題。然而，現代適應性威脅促使人們需要能夠以機器的速度快速識別和描述新的檢測的傳感技術。圖2說明了AMR在一個名義上的戰術EW場景中的應用。

圖2. 將AMR應用于一個名義上的戰術EW場景。這里顯示的是如何利用在線AMR來描述各種威脅的一個例子。左上圖表示原始探測的時間-頻率分布。左下圖表示確定的雷達脈沖組合，其中每個不同的顏色用于代表具有特定特征的脈沖。

3.1 用于AMR的特征學習背后的動機

雖然有幾種深度學習方法已經應用于AMR，但在2018和2019財年，基于特征的電子攻擊訓練超表面反應（FEATHR）IRAD項目探討了AMR背景下的深度特征表示模型。這項工作強調了這些模型比其他類型的深度神經網絡（DNN）模型直接訓練分類的幾個明顯優勢。

將深度學習應用于AMR的大部分現有工作都集中在使用神經網絡模型從一組固定的標記實例中學習分類調制分配的方法。各種研究表明，這種方法是執行AMR的一種可行方式。然而，僅僅為了分類的目的而訓練一個模型，本質上是將模型的預測限定在訓練數據中的標記類集上。這種限制導致了訓練后的模型無法超越訓練期間的標簽集進行泛化。擴展神經網絡分類器的類集需要一個漫長的過程，即收集新的例子，給例子貼上標簽，然后用擴展的類集重新訓練模型。

當用分類目標訓練DNN時，一個模型通常會使用全連接輸出層，加上一個歸一化指數，以產生一個跨越正在學習的類集的信心分數。因此，學到的任何特征都不會被直接觀察到，因為它們是網絡架構的內部。然而，如果學習目標是直接學習特征，情況就不一定是這樣了。在這個問題的背景下，特征可以被認為是數據中的獨特模式，是特定信號調制的特征。這就把我們帶到了一組被稱為特征學習的技術上。雖然與特征提取類似，但特征學習并不假定直接獲得特征的預定義規則或變換；相反，所需的特征是通過客觀任務的訓練而學習的。

為了解決在一組預定義的標簽之外識別和分類開放的調制集的需要，我們研究了一種特征學習的方法來執行AMR，其中首先學習區分調制類型差異的特征，而不是調制類型本身。該模型的目標是學習一種轉換，將實例映射到多維特征空間中的一個位置。

3.2 三重損失

第一篇關于三重損失的論文顯示了如何對個體進行分類。由于同一個體會因各種因素（如燈光、服裝、視角）而看起來不同，研究人員意識到需要一種方法來對許多個體進行非線性條件下的分類。通過使用神經網絡定義一個高維輸出空間的軸，他們發現個體可以在這個空間中被聚在一起。術語 "嵌入 "經常被用來描述在這個輸出空間中對應于一個位置的N維向量。

使用三重損失（一種特征學習方法）訓練的模型產生了一種轉換，允許數據被映射到一個學習的特征空間。在這個空間中，根據訓練過程中提出的調制類之間的學習關系，對實例進行匯總。這使我們能夠隨后分析這些特征，對已知的調制進行分類，并對新觀察到的不在我們現有標簽集中的例子進行分類。我們實施了一個兩步法，首先使用用三重損失訓練的殘余DNN模型學習特征表示轉換。一旦模型被訓練出來，我們就以調制分類和異常調制識別為學習目標，探索兩種方法來描述這個特征表示。

三重損失是一個有監督的訓練目標，旨在與連體網絡一起使用。連體網絡可以被認為是單個人工神經網絡模型的多個鏡像實例，其中每個實例在整個訓練過程中以相同的方式初始化和聯合更新。每個輸出被視為輸入實例在一個共同的N維歐幾里得空間（也稱為嵌入空間）中的映射。對于使用三連體損失的訓練配置，創建了一個有三個實例的連體網絡模型，如圖3所示。

圖3. 使用連體網絡訓練配置的三重損失配置的例子。連體網絡可以被認為是單個人工神經網絡模型的多個鏡像實例，在整個訓練過程中，每個實例都以相同的方式被初始化和聯合更新。每個輸出被視為輸入實例在一個共同的N維歐幾里得空間（也稱為嵌入空間）中的位置的映射。

3.3 使用學習到的特征進行異常檢測

一旦學會了一組調制特征，它們就可以被用于執行分類或異常檢測等任務。圖5顯示了一個對每個調制類型的學習特征擬合多變量高斯模型的過程。異常情況是通過為每個高斯模型固定一個對數似然閾值來確定的。這個閾值作為關聯新例子的決策邊界。沒有關聯的例子也會被捕獲并歸類為異常。這由圖5中的底部分支表示。圖6顯示了在訓練好的特征空間內映射的波形的三維投影。

如果我們考慮一種以上的異常檢測類型，就需要一個無監督的聚類步驟來識別被分類為異常的檢測中各種可能的異常類型。

圖5. 異常類識別過程的流程圖。這個過程將一個多變量高斯模型適合于每個調制類型的學習特征。通過為每個高斯模型固定一個對數似然閾值來確定異常情況。這個閾值作為關聯新例子的決策邊界。沒有關聯的例子也被捕獲并歸類為異常，由底部分支表示。

圖6. 映射在訓練過的特征空間內的波形的3-D投影。左圖：映射到訓練過的特征空間的波形投影，每種顏色代表一種不同的調制方式。這個空間中的位置對應于所學特征的不同組合。具有相似/匹配的學習特征集的波形被放在彼此附近，形成一個集群。右圖：只包含與訓練階段產生的任何調制集群無關的點的投影。運行OPTICS后，綠色的點被識別為噪聲，而藍色和紅色的點被賦予新的 "未識別的調制 "標簽。

3.4 射頻調制數據集

在下面描述的實驗中，我們使用了由DeepSig發布的開源RadioML2018數據集。該數據集由24種合成的通信調制類型的大約250萬個例子組成。每個例子都表示為1,024個長度的同相和正交（IQ）矢量，使用浮點進行時間采樣。這些數據包括在收集的數據中經常觀察到的多種環境失真。例子上標有調制標簽以及跨度為-20到30dB的離散信噪比。這些數據中的調制集合以兩種方式使用：作為監督訓練的例子和類別，以及作為無監督異常檢測的保留。監督訓練使用IQ向量與其適當的調制標簽配對，而保留的調制則不給調制標簽。我們首先使用22種調制類型的子集學習特征表示，并展示了一種無監督的方法，使用兩個調制類別--頻率調制（FM）和16正交振幅調制（16QAM）--作為保留類別來識別新類別。

3.5 有監督的培訓課程

我們將數據集分為兩類：（1）由22個已知類別組成的監督類，細分為80%的訓練區和20%的評估區；（2）有兩個保留類的類別（FM和16QAM在訓練中被扣留）。我們的DNN模型是在22個已知的調制上訓練的（即不包括這兩個保留類）。按照上述程序，我們將多變量高斯分布適合于訓練分區的每個調制特征嵌入。所有已知調制的聯合分布被用來定義一個閾值距離。這個閾值被用作一個多維高斯邊界，用于將新的樣本與現有的一個類別相關聯，或者用于標記未識別的樣本。落在這個定義的多維邊界內的樣本（在公式3中用θ表示）與現有的調制類別之一相關。否則，樣本將被賦予未識別的標簽。請注意，這一步并不假設任何關于未識別點的先驗信息；相反，它只是將離群或異常的例子排除在已知調制類別的分類之外。

我們現在的目標是在我們的異常例子中識別出我們的保留調控的新群組。要做到這一點，我們針對上一步確定的異常例子集運行OPTICS，為落在有足夠密度的區域的例子創建標簽。

圖7中的混淆矩陣顯示了這個過程對信噪比為10dB的例子的準確性。真正的保留類（FM和16QAM）被顯示為灰色的列。這里我們顯示了新的群組1和新的群組2，作為識別的類別，顯示了與保留類中的例子集的強烈相關性。未識別的類別包含落在我們的分布閾值之外的例子，被OPTICS歸類為噪聲樣本。新群組3是由其他調制類中被錯誤分類的未識別樣本的密集區域產生的錯誤檢測。

3.6 下一步工作

我們認為特征學習是一種可推廣的方法，用于建立豐富的射頻調制特征表示，使新觀察到的射頻信號的識別和分類。在射頻領域的許多邊緣應用中，一旦部署了神經網絡模型，對其進行再訓練往往是不現實的。使用一致的學習過的特征表示與較簡單的分類模型相結合，可以動態識別射頻調制，而不需要重新訓練單一模型的高處理要求。用一個簡單的分類模型對特征表示進行后處理所需的計算能力遠遠低于重新訓練所需的計算能力。此外，可以采用無監督技術來搜索新的波形，使用現有的學習過的特征表征，這些特征表征在區分其他調制方面顯示出重要性。我們有興趣擴大這項工作的幾個要素。

首先，我們預計有幾個因素可以提高這項技術的性能。三聯體損失的原始實現是用比我們在這項工作中使用的更大的類數來訓練的。更高的類數允許網絡學習更豐富的特征表示，以捕捉樣本之間更精細的差異。在我們的實驗中，我們使用了一個由24種獨特的調制類型組成的數據集。然而，我們預計用更多的獨特調制進行訓練將通過增加訓練期間使用的三聯體的種類來提高性能。

其次，在考慮信號類型的廣度時，要注意不同類型的特征在區分信號類型時是很重要的。例如，區分16QAM調制和正交相移鍵控的特征集將不同于區分線性頻率調制脈沖和非線性頻率調制脈沖的特征集。正因為如此，考慮信號之間相互關系的分層模式是有意義的。其他正在進行的APL工作已經證明了在用DNN執行AMR時使用層次結構的成功。一個潛在的后續研究工作可能是探索如何將特征學習與信號的層次結構相結合，以提高對廣泛的信號類型的分類性能。一個潛在的解決方案可能涉及到在每個決策點使用單獨的學習特征集構建一個非二元分類樹。這種方法可以允許使用更小/更簡單的模型，因為每個特征集將不再需要捕獲全部的信號類型。

第三，這種方法假設實例被捕獲為檢測，表示為在時間和頻率上隔離的IQ向量。探索其他各種波形表示可能是有用的，如復雜的時間-頻率數據或稀疏的檢測樣本。此外，將學習到的特定調制特征與其他背景數據（如方向、波的偏振或地理位置）結合起來，對于形成具有高置信度的特定發射器身份是必要的。最后，圖7中產生的錯誤檢測的來源和特征是一個需要進一步調查的領域。

圖7. 混淆矩陣說明了在信噪比為10dB的情況下，AMR過程的準確性。真正的保留類（FM和16QAM）顯示在灰色的列中。新群組1和新群組2是已識別的類別，顯示出與保持類中的例子集有很強的相關性。未識別的類別包含分布閾值之外的例子，被OPTICS歸類為噪聲樣本。新群組3是由其他調制類的錯誤分類的未識別樣本的密集區域產生的錯誤檢測。

4 資源自主分配

如前所述，發射器特征的自動解決方案提供了一個有用的手段，將觀察到的射頻數據映射到特定的觀察到的對手威脅發射器中。然而，這本身并不足以提供一個強大的EW響應。上一節介紹的AMR結果通常假定有孤立的探測和完整的信號捕獲，以告知AMR決策過程。EW平臺通常遇到的真實情況要復雜得多。通常，一個EW平臺必須干擾更多的可能的威脅發射器，其頻率超過了它能同時覆蓋的頻率，而且占空比不允許對威脅環境進行充分的接收采樣。因此，必須對EW系統可用的有限資源進行適當的分配，使威脅發射器的準確快照及其相應的行為與干擾反應相平衡。我們把如何最好地分配我們可用的EW資產的問題稱為資源分配問題，并在圖8中以作戰背景加以說明。

盡管在實踐中我們可能希望分配許多資產以優化系統性能，但在這里我們考慮的是具有兩種不同行動類型的資源分配問題：感知和干擾。感知是指檢測和識別環境中存在的波形類型的行動；干擾是指干擾對手的波形的行動。一般來說，目標是最大限度地提高干擾者的開機時間，最小化有用的傳感時間（即干擾者關機時間）。這兩個問題是相互關聯的，因為對環境的感知可以指導干擾者技術的調整和集中，以提高整體的干擾效果，但要犧牲干擾者的關閉時間。

在2020和2021財年，PSMA資助了智能學習電子攻擊大師（IL'EA Maestro）IRAD項目，以開發一種解決資源分配問題的方法。IL'EA Maestro的長期愿景是使未來部署可擴展的、分布式的、多平臺的方法來實現自主資源分配。盡管人們可以使用無數潛在的方法來設計這樣一個系統，但IL'EA Maestro團隊已經確定使用基于模型的隨機優化加上近似貝葉斯推理是一個特別有前途的方法。與標準的現成強化學習算法相比，這種方法允許系統設計者將重要的領域知識（對手能力的已知限制、基于事先感知對手威脅的觀察行為等）納入智能體的設計。而對于標準的強化學習算法，如果在模擬器上有足夠的訓練時間，我們希望智能體能夠自己確定對手的弱點，而在系統中建立這樣的知識，可以減少學習負擔。凈效應是系統性能的提高，因為需要更少的數據來學習對手的有用模型，因此需要更少的整體感應時間。在本節的其余部分，我們描述了資源分配問題并探討了IL'EA Maestro項目的早期結果。

圖8. 在戰術EW環境下自主資源分配的說明。僅為說明起見，ES任務被顯示出來，形狀代表紅色威脅發射器的發射。如果ES任務是在沒有智能的情況下安排的，傳感間隔不能優化對脈沖的傳感（左上圖），顯示為錯過許多脈沖的虛線框。如果任務被智能地安排，它們可能會更有效地執行（左下圖），其中ES間隔被動態地安排以捕獲更多的脈沖。

4.1 資源分配問題

解決自主資源分配的一種方法是通過貝葉斯概率理論（見，例如，Koller和Friedman）。我們首先根據先驗信息初始化一套廣泛的可能的對抗行為，例如，預期的對抗頻率范圍和時間模式。然后，我們分配資源，在不同的時間段從頻譜的不同部分收集信號，以建立一套證據，可以支持一個特定的戰略，或不遵循的信念。在每次嘗試采集信號（即掃描）后，我們更新我們關于哪些行為是可能的信念，以反映添加到我們知識庫中的新證據。

為了更好地構建本節的發展，現在讓我們正式描述所考慮的資源分配問題的一個一般實例。我們考慮對感興趣的射頻頻譜子集進行劃分。我們認為分區的每個元素都是一個特定的頻率通道，其中總共有c個通道。我們將時間軸劃分為離散的元素，每個元素的持續時間為Δt。如果我們用C表示通道的集合，用T表示所考慮的時間集合，我們就會發現，所考慮的感興趣的信號在C×T的乘積空間上作為時間的函數演化。圖9顯示了一個潛在的發射器在離散的時間和頻率空間中表示，其中C={1，2，...，9}，T={1，2，...，20}，著色的網格空間表示從脈沖波形內單獨接收的突發。請注意，紅色信號的頻率是敏捷的-它在第四和第五個脈沖之間從通道4跳到通道7。

我們用S表示環境中感興趣的信號集。我們假設在遇到每個脈沖時，有能力將每個收到的脈沖識別為特定的感興趣的信號。重要的是，我們不假設關于信號的模式行為（例如，脈沖長度、跳頻序列、占空比）的全部先驗信息。我們假設：（1）每個信號可以出現的通道集是連續的（即，它出現在一個設定的最小和一個設定的最大頻率之間）；（2）感興趣的信號是周期性的；（3）信號不是相互干擾的（即，兩個信號不能同時占據同一個頻率通道）。嚴格地說，這些假設簡化了我們當前原型所需的分析。放寬這些假設以適應更大的可能信號集是可能的，盡管這樣做的代價是需要更多的數據來學習有用的信號特征。哪一組假設在實踐中是最好的，將根據情況決定。

我們考慮一種情況，即考慮中的平臺同時具有感知和干擾能力。我們假設每個能夠執行傳感或干擾行動的收發器只能在連續的信道范圍內這樣做，如果有多個收發器，它們可以獨立分配，但要明白如果不適當地協調，它們會造成自我干擾。

圖9. 一個潛在的發射器在一個離散的時間和頻率空間中表示。著色的網格空間代表了從脈沖波形中單獨接收的突發信號。紅色的信號從通道4跳到通道7。

4.2 貝葉斯智能體

貝葉斯智能體是開發必須以有意義的方式與世界互動的智能學習系統的基本方法。它可以被認為是設計強化學習智能體的一種非傳統的、抽象的方式，它對世界的本質和如何推理世界有強烈的假設。這種假設可以而且應該與人類主題專家一起設計。這些假設包括：（1）智能體認為世界的可能性的假設集；（2）關于這些可能性的相對可能性的先驗信念分布；（3）結合從環境觀察中獲得的數據來更新關于智能體的基本假設的信念的方法；（4）評估未來行動的潛在序列的相對價值的方法；以及（5）選擇一個特定行動以應用于環境的方法。我們可以將第1-5項分解為一組行為塊，如圖10所示。

我們可以把第1-3項視為構成智能體的學習者（圖中的對象A），第4項構成智能體的評估者（圖10中的對象B），第5項構成智能體的執行者（圖中的對象C）。圖10中的對象C）。我們看到，智能體通過執行器和學習者與現實世界（環境；圖中的對象D）對接，前者對環境采取了行動，后者則從環境中吸收了觀察結果。

這種方法的一個優點是，對學習者、評估者和執行者的適當選擇可以顯著提高智能體學習與環境有效互動的速度。值得注意的是，假設的特定選擇可以限制智能體的通用性，即假設所允許的可行控制策略集可能嚴格小于所有可行控制策略集。如果我們這樣選擇，我們可以設計學習者、評估者和執行者來模仿標準的通用強化學習算法，如Q-learning、深度Q-learning、策略梯度，等等。然而，通過以特定的目的構建它們，我們可以用比使用現成的方法更少的訓練時間達到良好的性能。因此，智能體的設計者自己可以控制失去多少通用性的問題。

在討論為這里考慮的資源分配任務開發貝葉斯智能體所涉及的任何特定技術細節之前，讓我們首先討論一些抽象的原則，這些原則是設計一個有利于高水平操作的貝葉斯智能體所需要的：近似貝葉斯信念傳播、信念驅動的行動評估和行動選擇。

4.3 對現狀的評價

現在我們可以詳細說明我們的解決方案的現狀，所做的一些基本設計決定，以及它目前的性能。對一組假設的選擇是非常直接的：給定關于環境中存在多少信號及其相應時期的預先假設，可以產生一個有限的可能信號集。這就是我們的假說集。

隨著數據從環境中收集，它們被用來更新智能體關于假設的信念。隨著使用掃描資源從環境中收集證據，與某些假設相關的概率將增加，表明它們更可能是真的。在我們的解決方案中，我們對世界做了某些公理上的假設，我們試圖以現實主義為基礎。這樣做的目的是為了將假設集的范圍限制在只有操作上合理的情況。

更新信仰分布的方法比較抽象。如果智能體在特定的時間t進行了掃描，并且在時間t觀察到了特定的信號q，那么智能體就會排除任何說明信號q在時間t不存在的假設。這個過程會積累更多的信息，直到最后只剩下對環境來說是真的特定假設。同樣地，每當在一個特定的通道上觀察到一個信號時，我們就會更新智能體的信念。這樣的觀察可以用來支持關于哪些信號出現在特定通道上的任何假設。至少，這使智能體相信，在不久的將來，該信號更有可能留在特定的通道上。然而，一些觀察可以更顯著地改變智能體的信念--例如，通過告知智能體，一個特定的信號可以存在于一個迄今為止沒有觀察到的頻道上。評估智能體行動的價值的方法也同樣涉及。

抽象地講，資源分配智能體的目標是了解環境中正在發生什么，以及如何最好地干擾對手的行動。為此，在智能體的當前信念狀態的基礎上設計了一個隨機優化問題。如果智能體對環境在某一特定時刻將如何行動比較確定，那么目標就會高度優先考慮干擾對手的信號。如果智能體對目前或不久的將來要發生的事情沒有強烈的信念，則優先考慮以掃描的形式收集信息。如果規定得好，這樣的優化問題會誘發一種行為，迅速發現、描述和干擾高價值的對抗性信號。同時，它逐漸了解到低價值信號的行為，以及如何在不犧牲高價值信號性能的情況下最好地阻止它們。

為了進一步研究這個問題，讓我們看一個資源分配問題的例子和我們目前的方法在這方面的表現。我們考慮一個有24個頻率通道和8個不同對手發射器的環境。每個信號的周期長度、脈沖長度和脈沖間長度是隨機產生的。信號被隨機地分散在頻率-時間空間中，只要(1)發射者能在所需的頻率上操作，(2)該頻率是可用的（即沒有被其他對抗性發射者使用），信號就可以跳到不同的頻率。信號被分配的效用值為正整數，范圍從1到4（隨機選擇）。每當有信號被干擾時，智能體就會產生效用，獲得的金額就是信號的價值。

圖11總結了三種資源分配算法的統計性能：（1）在收集足夠的發射器模式數據后，干擾對抗性發射器以累積最佳預期獎勵的策略（藍色），（2）在各通道中均勻隨機干擾（橙色），以及（3）假設完全了解發射器模式的干擾性能（灰色）。請注意，每一種算法都是根據其干擾適當信號的能力來評分的，而存在的信號有無數的評分權重。信號被分配的權重大致與它們被認為的重要性成正比，因此更高的分數與更頻繁地干擾重要的對手能力（即那些與更高效用值相關的能力）相關。

圖11. 資源管理策略之間的干擾性能比較。在收集了足夠的發射器模式數據后，干擾對抗性發射器以累積最佳預期獎勵的策略顯示為藍色，跨信道的均勻隨機干擾顯示為橙色，假設對發射器模式完全了解的干擾性能顯示為灰色。相應顏色的虛線給出了模擬的抽樣平均性能。

共進行了一千次抽樣運行。圖11給出了每種策略的得分直方圖，其中相應顏色的虛線給出了模擬的采樣平均性能。均勻隨機干擾在三種策略中表現最差，智能資源分配方法表現次之，完美干擾策略表現最好。請注意，完美策略在實踐中是不可能實現的，因為它是非因果的，需要關于未來的完美信息，而實施的智能體在運行時無法獲得這些信息。

然而，我們感興趣的可能不僅僅是智能體的原始干擾能力。因此，我們在圖12中比較了智能資源智能體與統一搜索策略的學習性能。這里，藍色直方圖（及其相關的平均值）描述了智能體在每個歷時（即時間離散間隔）采取行動以盡可能減少其對操作環境的不確定性的性能，而橙色直方圖（及其相關的平均值）描述了在每個歷時均勻隨機掃描的智能體的性能。智能體學習對抗性信號的頻率范圍和時間模式的速度比處理通過在所有時間均勻隨機掃描獲得的信息的智能體要快。

4.4 下一步

在這個階段，值得注意的是，在解決資源分配問題方面，已經開發的內容與運營系統所需的內容之間存在明顯差距。最容易注意到的是，在目前的問題陳述中，至少有一些（如果不是全部）簡化的假設需要被改變，以適應現實世界的系統。盡管這樣的工作正在進行，并且具有技術上的意義，但它超出了本文的范圍。

目前的智能體只考慮控制一個收發器。在實踐中，每個平臺可能會配備幾個不同的傳感器和發射器。盡管在考慮這種概括時，智能體的具體實施細節將不可避免地發生變化，但基本架構將保持不變。變化將限于評價器。

目前我們為資源管理問題開發的解決方案是一個智能體，旨在根據關于其對手波形的貝葉斯假設采取行動。隨著智能體對其環境知識的積累，它可以更新其信念分布，導致更好的可能干擾行動。該智能體與傳統的強化學習智能體不同，因為它強烈地結合了主題專家知識，并利用基于模型的隨機優化方法來采取行動。基于模型的隨機優化方法允許設計者在智能體上設置特定的約束和界限，以防止它采取從設計者角度看是沒有結果的行動。我們的結果表明，這種方法顯示了在單智能體環境中使用的前景。

我們相信，隨著更多的研究，這種方法可以擴展到由協作性EW平臺組成的多智能體環境。主要關注的是分布式平臺的通信和處理延遲。由于波形以光速傳播，在EW平臺的戰斗群中優化這種方法仍然是一個挑戰。目前，我們只明確考慮了單個收發器的控制，但我們希望基本的方法可以擴展到多個收發器的情況，而不需要進行嚴格的算法重新設計。

圖12. 資源管理策略之間的學習性能比較。藍色直方圖（及其相關的平均值）描述了一個智能體在每個歷時中采取行動以盡可能減少其對操作環境的不確定性的性能，而橙色直方圖（及其相關的平均值）描述了一個智能體在每個歷時中均勻地隨機掃描的性能。

5 將ML應用于EW的挑戰

盡管應用ML的潛在好處是令人信服的，但要在戰術EW平臺內實現設想中的具有ML功能的自主行為，還存在許多障礙。ML技術可以作為一個強大的工具，用于開發能夠做出強大的、數據驅動的預測的模型。然而，當開發一個能夠進行數據驅動推斷的模型時，首先要有一個代表手頭問題的數據源，這一點至關重要。必須有一個能充分捕捉感興趣的射頻環境的訓練數據集來訓練ML算法。讓我們考慮兩種類型的射頻數據源，以及它們在構建適合在EW中實現ML應用的射頻數據集方面的作用。

5.1 射頻采集

產生射頻數據集的一個明顯的方法是直接從相關環境中記錄感興趣的信號。這可能是一個挑戰，取決于要解決的問題的背景。軟件定義的無線電已經使捕捉大量的信號變得更加容易。然而，要從收集的信號中捕捉到形成強大數據集所需的信號類型的廣度仍然是一個挑戰。此外，信號收集總是包含對特定環境和接收設備的偏見。如果想要一個干凈的信號集，現實世界中的數據雜質，如信道衰減、多徑和干擾，可能會成為問題。在其他條件下，收集的數據在驗證模型的環境因素方面可以產生優勢，而這些因素可能不健全。在使用現有的采集數據方面的另一個挑戰是，大多數數據不包含監督學習工作所需的足夠注釋。這通常意味著在使用采集的數據之前，需要額外的數據混合/手動標注。

5.2 射頻模擬

產生射頻數據的另一種方法是模擬。這種方法的一個明顯的優點是，任何特征化的信號都可以通過參數的變化來產生，而這些參數的變化超出了可行的收集。然而，生成的射頻數據將只與模擬框架中的效果和損傷一樣真實。此外，在模擬過程中，幾乎不需要額外的努力來捕獲任何所需的元數據。這意味著用于訓練有監督的ML算法的標記數據通常可以更容易地添加到模擬數據集中。相反，考慮到適當的射頻效應會使合成足夠真實的信號數據成為一種挑戰。必須對觀測效應進行建模的保真度在很大程度上取決于數據將被應用的問題。還需要一個嚴格的驗證方法，如用標記的射頻集合進行交叉驗證，以確保所使用的合成數據能適當地代表它們所模擬的真實射頻信號。

5.3 其他考慮因素

一旦克服了上述與ML訓練數據相關的挑戰，在將ML應用于EW問題之前還應該考慮其他的挑戰。首先，許多可能用于未來整合ML算法的戰術主機平臺可能受到尺寸、重量和功率的限制。額外的尺寸、重量和功率通常會減少任務時間或功能。這意味著在具有豐富的圖形處理單元資源的企業服務器設施中應用典型的ML算法訓練方法在戰術平臺上是不可行的。同樣，連接平臺和這些設施的高帶寬數據鏈接可能無法支持ML應用。此外，需要有可靠的離線訓練與有限的再訓練和/或在線學習的方法，以便將ML引入戰術EW平臺。EW界長期以來一直依靠硬件在環和范圍內的測試和評估來確定EW技術的有效性。需要改進測試和評估基礎設施，以描述ML算法的非確定性行為，并在開發、贊助者和操作者群體中建立信任和信心。

6 結論

PSMA IRAD對發射器識別和資源管理的投資為未來智能和自主EW平臺奠定了基礎。對AMR和自主資源分配的研究結果已經產生了有希望的結果，展示了平臺使用數據驅動技術和快速有效地解決敏捷威脅的能力。盡管這些基礎性的努力證明了ML解決方案在解決EW差距方面的可行性，但我們建議進行大量的后續研究工作，以使這些解決方案成熟。

一個這樣的未來研究方向涉及將問題背景從特定的調制或信號類型擴展到特定的發射器ID。這帶來了幾個必須首先解決的挑戰。確定發射器特定ID的問題可能會推動對其他背景信息的需求，以便有效地處理。其他相關的非射頻因素，如地理位置、日/月/年的時間，或其他特定任務的先驗因素，可能會影響到如何解釋捕獲的射頻發射，從而確定優先次序。

盡管測試/開發框架能夠反映真實世界的情景（如DARPA的頻譜合作挑戰所使用的環境模型），但需要與這些高保真頻譜環境模型整合，以開發和測試下一次迭代的ML-enabled RF系統。PSMA在這方面的其他幾項努力尋求加速未來協作EW系統的開發和演示。正在進行的小規模寬帶、低延遲環境（SaBLE）工作的重點是開發一個硬件在環射頻環境仿真基礎設施。協作和自適應系統EW模擬工作提出了一個事件驅動的模擬框架，設計了模塊化的平臺互動模型來模擬復雜的交戰。通過動態地改變保真度水平，模擬解決了在信號層面上對協作性EW交戰進行建模時遇到的時間分辨率挑戰。

最終，任何實地的、自動化的EW缺口解決方案都將以操作者可以理解的方式與人類操作者協同行動，并向指揮鏈的其他成員解釋。設計一個界面，允許手動調整不同信號的優先級，以及手動調整用于觀察和干擾的努力的平衡，在技術層面上是很簡單的。它可以通過允許用戶手動輸入不同的目標函數到智能體的在線優化中來完成。然而，創建這樣一個操作者可以認知管理的界面是具有挑戰性的。解決這項任務的路徑有很多；然而，所有這些都需要大量的設計工作和與相關專家（如人類因素工程師、候選操作員）的協商。

最后，將自動化解決方案納入EW任務需要一定程度的任務規劃。自主資源分配的貝葉斯機構方法也可以擴展到任務規劃中，以實現EW平臺和EW技術的最佳安置和使用。將自主資源分配部分描述的工作應用于任務規劃，需要考慮到目標、環境和對手的準確模型。通常情況下，所關注的情景是基于在有爭議的環境中的競爭性對手目標，從而使防御者獲得優勢。一個任務規劃應用程序應該在制定假設時納入操作者的先前信息。如果這樣做是正確的，算法所考慮的假設將與任務目標更加相關。然而，操作者也需要將不確定性納入先驗信息，這將導致非零概率跨越一組假設，這些假設是可能的，但根據操作者的知識認為不太可信。

在這篇文章中，我們描述了APL的兩個活躍的研究領域，它們正在將ML技術應用于EW領域的特定挑戰。我們進一步概述了EW的差距和建議的研究課題，我們預計ML將在未來的EM作戰環境中發揮作用。這些技術的成功采用將可能推動未來EW系統的開發、測試和維護方式的改變。

如今，部署在戰場上的部隊不僅由人組成，還由人工智能（AI）系統組成，將沖突提升到了新的技術水平。機器人，尤其是無人機，在烏克蘭抵御俄羅斯的持續進攻中發揮了核心作用。

一種新的攻擊方式：無人機

烏克蘭正在使用土耳其的Bayraktar TB2無人機，配備有火箭或導彈，可以在沒有人類干預的情況下起飛、降落和導航（Walker-Munro, 2022）。然而，在這種情況下，武器系統并不是完全自主的：人類操作員必須跟蹤操作，并決定何時釋放無人機攜帶的激光制導火箭彈。

盡管土耳其也是STM Kargu-2的生產國，這是2020年在利比亞殺死士兵的第一架無人機，但烏克蘭部隊仍然沒有。俄羅斯總統弗拉基米爾-普京在2017年說，誰成為人工智能發展的領導者，誰就會成為世界的統治者"（Fierro, 2022）。事實上，在這場沖突之前，關于俄羅斯發展無人駕駛航空、地面和海上系統，有很多有用的分析和評論可供查閱。就在它入侵烏克蘭之后，俄羅斯的軍事自主和無人駕駛性能很弱或完全沒有。

今天，俄羅斯士兵使用Orlan-10飛機直接打擊或識別烏克蘭軍隊，或者只是使用商業的DJI模型。這表明這種技術的持續存在，在這場戰爭中已經成為任何軍事編隊的普通技術（Bendett, 2022）。這些無人駕駛儀器應該是可消耗的和可負擔的，因為它們對識別目標和充當炮兵偵察員等重要任務至關重要。雖然，我們從戰場上的灰燼中得知，俄羅斯已經實施了Lantset無人機，旨在自主地攻擊軍車或部隊集結地。這種武器可以識別地理區域（geofence）內預選的目標類型，產生導彈爆炸（Fierro, 2022）。另一種無人機類型是卡拉什尼科夫公司的子公司ZALA Aero開發的KUB-BLA，在撞擊目標時引爆。KUB-BLA上有一個人工智能系統，用于識別物體，不需要在基地發送和處理圖像，能夠識別1000種物體。

這些系統之所以在機上實施，是因為它們可以更直接地識別某些東西，以利于當場作出決定（估計是由人工智能作出的），而不必依賴可能隨時被敵人打斷的不穩定的無線電信號。然而，現在沒有任何跡象表明KUB-BLA有一個決策系統，可以獨立選擇俯沖目標并爆炸的選項。不過，在未來，這種可能性還是可以輕易實現的（Sambucci，2022）。

俄羅斯軍方可能低估了烏克蘭的防空力量，并訓練其空中無人機部隊來對付他們認為像在敘利亞面臨的部隊。早期俄羅斯在烏克蘭上空的多次損失可能造成了這樣的印象：俄羅斯軍方高估了其無人機部隊和技術的成功。

戰場機器人

無疑可以說，無人機在這場沖突中一直存在，而遙控操作的機器人（無人駕駛地面車輛-UGVs）卻沒有出現。

俄羅斯也有軍用機器人，但到目前為止，在烏克蘭看到的唯一單位是Uran-6排雷機器人，而Uran-9機器人坦克似乎沒有在這場戰爭中使用。烏克蘭部隊現在有一個新的幫手。GNOM（"Gnome"），一種機器人戰場偵察兵。它是由位于扎波羅熱的 "Temerland "公司制造的，這種小型機器將識別俄羅斯的陣地，并用機槍提供火力支援。GNOM有四個大輪子，采用4x4驅動和一個安靜的5馬力電動馬達，重量為50公斤，配備7.62毫米機槍，具有很強的機動性。雖然大多數UGV是由無線電控制的，但GNOM在它身后卷出一卷光纖電纜。"特梅爾蘭公司負責人特羅岑科說："在敵人的電子戰設備運行期間，在最惡劣的環境下也能控制GNOM。另外，由于操作者沒有使用無線電，他們不能被大炮探測和瞄準，而且電纜不會產生熱成像儀可以看到的熱輻射。

GNOM的電纜使其射程達到2000米（1.25英里），如果斷裂，車輛會自動返回到預定的位置（Hambling，2022）。這種機器人可以在伸縮桿上配備一個360度的攝像頭，以便詳細了解周圍的情況，而且它幾乎是無聲的，外形很低。由于機槍的存在，GNOM可以在對士兵來說可能太危險的情況下進行自衛并提供火力支援。同時，GNOM已被用于偵察任務。

另一個自動機將在首都投入行動：機器狗Spot。它是由美國波士頓動力公司創造的最先進的模型之一。它有四條腿可以移動，還有一個機械臂，通過利用人工智能，教它獨立行動而不需要人類的命令，它可以舉起和清除地雷和未爆裝置。它能看到地雷，在不觸動扳機的情況下抓住它，并把它帶到將被解除的地方。戰術機器人長期以來一直被推廣，以減少傷亡，并使士兵在與敵人保持接觸的同時遠離火線。

所有現代軍事力量都涉及到對下屬服從命令的信任和對指揮官發出合法命令的信任。當代替人操作一臺機器時，上級應該像信任人一樣信任這臺機器。

這就產生了重大問題。研究人員總是談論 "機器偏見"，因為我們相信機器會做出決定，僅僅是因為它們是機器（Walker-Munro，2022）。然而，對機器決策的錯誤信任可能會產生災難性的結果，尤其是當它們做出生死攸關的決定時。新的現代軍隊系統 "無人機神風 "就是這種情況，它結合了無人機的機動性和毀滅性的導彈能力。能夠自動駕駛飛行到交戰區，如果有必要，在沒有人類操作員輸入的情況下識別并擊中目標（Valesini, 2022）。限制軍用無人機的一種方法是讓它們做一些簡單的角色，比如充當空中攝像機。而無人機掃描視頻錄像來識別目標，則更有可能犯致命的錯誤。2007年，海軍水面作戰中心的研究員約翰-坎寧建議，未來的自主武器可能會攻擊步槍或彈藥，而不是攻擊持有它們的人類（Walker-Munro, 2022）。

另一個問題是，沒有關于這些武器的立法，所以當一輛汽車決定殺人時，誰的責任呢？這似乎是一個非常理論性的問題，但事實并非如此：正如人權專家詹姆斯-道斯在《對話》雜志上發表的一篇文章中回顧的那樣，自《日內瓦公約》以來，戰爭法的基礎是，即使在戰爭中也要為自己的行為負責。犯有戰爭罪的士兵可以被國際法庭審判和判刑（Dawes, 2021）。

2016年，生命的未來研究所--一個為防止新技術的生存風險而奮斗的組織--推動了一封公開信，呼吁暫停進攻性自主武器。在超過31000名簽名者中，還有霍金、伊隆-馬斯克和杰克-多爾西，以及許多最重要的人工智能研究人員（Sambucci，2022）。最后，去年12月在《聯合國特定常規武器公約》期間討論了這個問題，遺憾的是沒有達成最終決定。

聯合國秘書長安東尼奧-古特雷斯曾呼吁各國為新規則制定一個 "雄心勃勃的計劃"。

美國、俄羅斯、以色列、印度和其他許多國家都反對禁止自主武器，將談判推遲到以后。美國提議用一個約束力較小的自愿行為準則來規范這一事項。這種解決方案很難對這些技術的發展形成具體的威懾，而且不可能確定無人機和智能導彈何時以自主方式使用。

因此，烏克蘭的沖突有可能成為新一代武器的正式洗禮，這將使對此類問題的回答越來越緊迫，并對其使用采取國際立場。

無人機蜂群來了！美國、中國和俄羅斯處于無人機群開發和利用的最前沿。然而，無人機的低成本和易得性使非國家行為者能夠以富有想象力和創造力的方式利用無人機，包括蜂群。本專著的目的是要解決以下問題：無人機群為軍隊提供什么效用？無人機群提供了許多優勢，包括持續的情報、監視、偵察和目標定位；對軍事人員和組織的低風險和低成本，以及癱瘓個體和組織決策的潛力。相比之下，無人機群有其脆弱性和挑戰。脆弱性包括從對手的黑客攻擊到反蜂群武器的存在，而一些挑戰包括組織上的抵制和國際法。無人機群就在這里，而且很快就會出現在戰場上，現在是解決如何最好地運用它們的時候了。在概述了無人機群的潛在好處和局限性之后，該專著最后提出了四項建議：需要敘述、建立無人機群理論、了解人機界面以及為無人機群的使用進行組織過渡。