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

本研究將重點關注俄羅斯全面對烏行動（現已進入第 17 個月）的兩個關鍵方面： (1) 俄羅斯在關鍵武器系統方面的整體軍事能力，以及 (2) 其軍事生產對進口部件的持續依賴程度。分析與眾不同之處在于，能夠調查在烏克蘭的俄羅斯裝備中發現的具體外國部件，并依靠獨特、全面的俄羅斯國際貿易數據集來識別規避和/或違反制裁（即軍民兩用產品出口管制）的計劃。

主要發現如下：

1.整體軍事能力下降。由于進口部件在軍事生產中的關鍵作用，國際制裁（即軍民兩用產品出口管制）正在影響俄羅斯制造裝甲車、火炮和導彈等關鍵武器系統的能力。

2.俄羅斯繼續對烏克蘭發動戰爭。該國顯然仍有能力生產關鍵武器系統。這歸因于以下幾個因素 (i) 關鍵部件的大量庫存；(ii) 出口管制制度的不一致導致的規避限制；以及 (iii) 違反制裁和執法不力。

3.一些高科技投入缺失。雖然俄羅斯似乎找到了獲得重要投入的途徑，但這些投入的質量不一定相同，成本也可能更高。因此，缺乏特定的高科技部件已成為一個主要制約因素--并非所有設備都包含最先進的電子設備。

4.武器中發現的西方元件。依靠對戰場上繳獲的俄羅斯武器裝備--從導彈、無人機到裝甲車和火炮，總共 58 件裝備--的分析，發現了 1057 個單獨的外國組件，其中微芯片和處理器發揮了主導作用。

5.繼續進口西方關鍵零部件。利用俄羅斯國際貿易的綜合數據集，調查了這些 "關鍵零部件 "的進口情況，發現它們在實施制裁后的幾周內出現了反彈。

6.俄羅斯尋找替代供應商的能力。到去年年底，定義為 "關鍵零部件 "的進口已經完全恢復，事實上，半導體等關鍵產品的進口已經超過了制裁前的水平。

7.2023 年第一季度的初步結果顯示，增長速度有所放緩。發現，2023 年第一季度俄羅斯關鍵零部件的進口量有所下降，與 2022 年第四季度相比下降了 14%。這可能表明，這些部件的采購面臨越來越大的挑戰，或者隱藏交易的努力更加成功。

8.通過第三國購買西方商品。發現，制裁聯盟國家的幾家特定公司的產品繼續被運往俄羅斯。事實上，從這部分國家進口的產品價值已經完全恢復。

9.出口管制制度的效果不盡如人意。即使承認由于第三國的實體可能不在制裁聯盟的直接控制范圍內，一些規避出口管制的行為是不可避免的，但西方生產商的零部件流入俄羅斯仍是一個重大問題。

政策建議如下

1.改進信息交流。要更有效地執行軍事和軍民兩用產品出口管制，第一步就是更好地交流信息。及時提供詳細的交易數據，包括敏感貿易活動的數據，如涉及關鍵軍事或軍民兩用產品的交易數據。這包括制裁聯盟國海關部門提供的數據，以及可直接或通過 Export Genius 等獨立提供商從第三國獲得的數據。當局應建立可有效共享信息的系統。此外，當局在調查違反或規避制裁時應密切合作。

2.利用金融制裁和AML框架。對俄羅斯（和第三國）金融機構的限制--以及更普遍的跨境交易--可用于改善出口管制制度的實施和執行。具體來說，進一步限制交易渠道可以更好地進行監控并提高透明度。違反或規避制裁（包括出口管制）的計劃與用于洗錢或擴散的計劃類似，在很大程度上已有相應的監管框架，應適用于出口管制領域。

3.與主要公司接觸。當局應與產品出口到俄羅斯的公司接觸。許多大公司都有廣泛的風險管理和合規結構，這使它們能夠最大限度地降低在不知情的情況下違反出口管制的風險；目前可能缺少的是這樣做的緊迫感。從公眾輿論的角度來看，企業應該非常希望避免自己的產品被發現出現在戰場上的俄羅斯武器中，或被用于襲擊烏克蘭平民。風險管理系統不夠完善的中小型企業可能需要當局提供技術援助，以改善合規情況。

4.展示違規行為的后果。俄羅斯仍能獲得的許多關鍵部件都是由西方公司代為生產的，就出口管制下的貨物而言，這些公司似乎沒有進行充分的盡職調查。因此，認為執行機構需要通過對知名企業進行調查來表明其對防止和/或起訴違規行為的承諾。

5.統一并擴大出口管制制度。出口管制針對的是最有可能用于軍事目的的軍民兩用產品類別。然而，這就留下了漏洞，俄羅斯可能通過這些漏洞獲得關鍵投入--例如通過對貨物進行錯誤分類。應擴大出口管制的范圍，使其涵蓋更廣泛的類別，從而使規避更加困難，執法更加容易。同樣至關重要的是，要統一各轄區的出口管制，并始終如一地執行措施，以堵塞制度中的漏洞。

6.收緊書面證據要求。與制裁綜合體的其他領域一樣，認為加強文件要求也很關鍵。在出口管制方面，當局應要求所有出口商提供最終用戶協議，包括在第三國生產產品并從第三國出口的聯盟管轄下的公司。雖然此類協議在法律上的可執行性可能存在問題，但這將促使公司在從事任何軍事和軍民兩用產品貿易之前進行適當的盡職調查。

7.針對第三國中間商。認識到此類措施會引起爭議，特別是如果它們構成次級或域外制裁。然而，軍民兩用產品的進口對俄羅斯的戰爭努力至關重要--這是一個關鍵領域，應在制裁方面突破界限。認識到，在第三國建立新實體（即空殼公司）相對容易（且成本較低），這是一項重大挑戰。因此，有關當局需要利用所有可用的數據來源不斷監測事態發展，以確定各種計劃是如何適應限制的--并相應地修改制度。

8.擴大出口管制聯盟。雖然一些關鍵國家抵制參與整個制裁體系，但敦促烏克蘭的盟國重新加強工作，特別是在出口管制領域擴大聯盟。認為在軍民兩用產品問題上可以實現更多合作，因為這些產品直接導致俄羅斯將烏克蘭平民作為攻擊目標。

人們普遍認為，人工智能即將徹底改變軍事行動。許多學者聲稱，人工智能賦能的致命自主武器，尤其是無人機蜂群，即將接管戰場。本文結合城市作戰評估了這些說法的利弊。通過研究 2004-08 年巴格達聯合特種作戰司令部和 2021 年以色列國防軍的 "城墻守護者 "行動，本文認為人工智能將主要用于軍事情報和目標定位，而非致命性自主武器。

引言

人工智能（AI）即將徹底改變戰爭的進行方式，就像火藥、坦克、飛機和原子彈在以前的時代一樣。如今，各國都在積極尋求利用人工智能的力量來取得軍事優勢。例如，普京宣稱，"誰成為這一領域的領導者，誰就將成為世界的統治者"。 為了應對俄羅斯等大國提出的挑戰，美國承諾實施第三次抵消戰略。美國將大力投資人工智能、自動駕駛和機器人技術，以保持其國防優勢。谷歌前首席執行官埃里克-施密特宣稱，美國正處于人工智能軍備競賽中。2018 年 9 月，美國國防部高級研究計劃局（Defense Advanced Research Projects Agency）宣布了一項耗資 20 億美元的活動，以開發下一波人工智能。美國國防部（DOD）于 2019 年發布了人工智能戰略，大幅增加了人工智能資金；2020 年，國防部預算中要求為人工智能撥款 9270 億美元。較小的國家也同樣致力于人工智能的軍事發展；例如，英國和以色列正在發展這一領域的能力。

人工智能并不總是很容易定義，因為人工智能有很多類型。相反，它是一個領域，而不是一個特定的對象。不過，"人工智能 "一詞指的是能夠（在一定程度上）開發出不受人類直接指揮而獨立處理數據的能力的計算機軟件。當今大多數人工智能的顯著特點是，它們可以開發或改進自己的程序，以便更有效地完成所設定的數據處理任務。

要理解人工智能的軍事意義，了解人工智能的歷史是很有幫助的。在過去的五十年中，人工智能主要有兩種類型：老式人工智能（GOFAI）和第二波人工智能（Second Wave AI）。老式人工智能發展于二十世紀五六十年代。1956 年，阿蘭-圖靈等名人參加了著名的達特茅斯人工智能研討會，此后，計算機科學家們探索了利用符號邏輯編程讓計算機自主處理數據的可能性。科學家們為他們希望分析的變量分配符號值。然后，他們給計算機編程，讓計算機根據數理邏輯計算這些符號。老式的人工智能在有限的任務中取得了成功。然而，由于它依賴于大量經過策劃的輸入，GOFAI 的范圍很窄。在面對真實世界時，它往往會崩潰。現實世界不可避免地超越了程序員的符號編碼。因此，在取得了一些初步成功之后，人工智能程序就搖搖欲墜了。從 20 世紀 70 年代到 90 年代，人工智能領域陷入了寒冬。

20 世紀 90 年代，尤其是 2000 年之后，人工智能領域掀起了一場革命。第二波人工智能取得了一些令人矚目的成就。第二波人工智能的運作方式與 GOFAI 截然不同。第二代人工智能依賴于三個關鍵組成部分： 數據、計算能力和算法。數據是指網絡空間中的數字信息；它最終由幾乎無限的二進制存儲組成。數據爆炸是過去幾十年人工智能發展的關鍵因素。自互聯網和數字通信誕生以及數字傳感器在全球范圍內普及以來，出現了數據爆炸。現在，幾乎每項活動都會在某個地方留下數字痕跡。人類不可能篩選和分析所有這些數據。在這方面，人工智能變得至關重要。人工智能程序利用龐大的計算能力處理這些數據，以識別模式或特征。當代的人工智能完全是在歸納和統計的基礎上完成這項工作的。根據數據，人工智能程序計算出最可能的相關性。數據越多，計算就越精確。人工智能什么也不懂。它不知道現實是什么，無法理解意義。它只能識別數據中經常出現的二元對立。然而，由于它可以處理大量數據，因此能夠對網絡空間中以數字方式記錄的活動提供獨特的見解。它能在數據中看到人類無法看到的數字關聯和聯系。

第二代人工智能算法通常采用各種形式的機器學習： 監督學習、無監督學習或強化學習。每種形式都略有不同：監督學習要求程序狹義地預測什么，無監督學習允許程序自己對數據進行分類，而強化學習則指定獎勵。這三種技術略有不同。然而，在每種情況下，機器學習算法都是通過純粹的歸納法運行的。第二代機器學習算法是圍繞深度學習神經網絡發展起來的，它允許程序以或大或小的數字意義權衡不同的數據位，從而生成更準確的答案。數據越多，人工智能就越準確。第二代人工智能一無所知。然而，由于現在有如此多的數據，它變得越來越強大。它的歸納越來越準確，人工智能現在可以根據過去的案例做出合理的預測。

第二代人工智能在安全和國防方面的潛力顯而易見。它有可能讓兵力處理數量難以想象的數據。由于第二代人工智能以如此巨大的計算能力為基礎，因此它可以整理和分析的數據幾乎沒有限制。它可以處理來自衛星、地面傳感器和手機等各種來源的數據，提供準確的態勢圖。人工智能可以讓指揮官在整個作戰空間看得更遠、更準、更快。人工智能可能會加速決策。

鑒于人工智能的潛力，國家為軍事目的利用人工智能的前景一直是專業和學術界深切關注的焦點。已有大量文獻對這一爭論的許多方面進行了論述，而且文獻數量還在不斷增加。許多評論家擔心，人工智能將對全球安全產生重大影響，尤其是隨著中美大國競爭的加劇。然而，本文的首要研究問題是人工智能對城市安全的影響，尤其是對城市運行的影響。次要問題是第二代人工智能的應用會如何改變城市戰爭的特點，以及隨著人工智能變得越來越強大和無處不在，城市戰爭在未來十年會如何演變？

超級計算機和殺手機器人

鑒于這些戲劇性的發展，研究全球安全的學者對人工智能的軍事應用產生了濃厚的興趣。例如，本-布坎南（Ben Buchanan）和安德魯-伊姆里（Andrew Imrie）在他們最近關于人工智能的專著中聲稱，人工智能代表了一種潛在的革命性軍事發展。在布坎南和伊姆里看來，人工智能是新的火焰。在布坎南和因布里看來，人工智能是新的火種，相當于古希臘的火或中世紀晚期歐洲的火藥武器。人工智能將改變武器的破壞力。在人工智能下，致命的自主武器將占據主導地位。人工智能將使殺手機器人和成群的自主無人機得以崛起。

這種觀點看似極端，甚至毫無道理。兵力可能很快就能利用致命的自主系統隨意監控、打擊和殺死對手甚至平民。事實上，自主無人機群已經有了實驗。2016 年 10 月，美國國防部展示了一個由 103 架 Perdix 微型無人機組成的蜂群，能夠 "進行集體決策、自適應編隊飛行和自我修復等先進的蜂群行為"。顯然，美國的對手正在試圖開發這種技術。

許多學者一直擔心，兵力會將人工智能化的致命自主武器應用到城市地區。例如，英國城市地理學家斯蒂芬-格雷厄姆（Stephen Graham）對城市中新安全技術的擴散表示擔憂。10 例如，英國城市地理學家斯蒂芬-格雷厄姆（Stephen Graham）描述了新安全技術在城市中的擴散。他認為，安全兵力正在積極尋求將城市置于全面控制之下。他們顯然沉迷于對技術的渴求以及對掌握和控制的拜物教沖動，以適應城市反叛亂戰爭的新需要。

人工智能賦能的自主監控和武器系統將使他們能夠實現主宰城市的野心。

斯圖爾特-拉塞爾一直是反對人工智能賦能武器擴散的領軍人物。從 20 世紀 80 年代起，他就在人工智能的發展中扮演了重要角色。因此，他為監管人工智能賦能的致命性自主武器進行了聲勢浩大的宣傳。拉塞爾尤其關注自主致命無人機群的可能性及其對城市造成的威脅。2017 年 11 月 12 日，他發布了一部名為《屠宰機器人》（Slaughterbots）的短片。該片戲劇化地描述了殺手無人機暗殺參議員和入侵大學校園的可能性。其含義是，一旦它們實現自主化，人類將失去對這些蜂群的控制，它們將毫無約束地殺人。

2020 年，斯圖爾特-羅素在英國發表了 BBC 雷斯演講。他的一次演講專門討論了人工智能的軍事潛力問題。他再次回到 "城市環境中的屠宰機器人和殺手機器人 "這一主題，"2015 年，致命自主系統的所有要素都已存在： 自主無人機、蜂群能力和武裝能力"。他描述了一種場景，即罐子大小的致命四旋翼無人機可以裝備爆炸項目裝置，"可以運出一百萬架。這是不可避免的。最終，自主系統將成為廉價的選擇性大規模毀滅性武器。他繼續說："殺傷人員地雷可以消滅一個城市中所有 16 至 60 歲的男性或以色列的所有猶太公民，而且與核武器不同的是，它可以留下城市的基礎設施。他列舉了土耳其最近于 2021 年 3 月在利比亞使用 Khargu-2 型自主無人機作為證據。拉塞爾總結道："將會有 800 萬人想知道為什么你不能給他們提供保護，防止他們被機器人追殺。據拉塞爾稱，自主武裝無人機群將足夠聰明，可以瞄準城市。武裝無人機將能夠識別并殺死街道和建筑物中的單個人類或小群體。

其他學者與羅素一樣，也認為人工智能自主武器可能對城市構成威脅。無人機專家大衛-漢布林（David Hambling）描述了無人機群在城市地區的潛力： "由一萬架小型無人機組成的蜂群可以夷平一座城鎮......一架小型棲息無人機可以投放多枚蝙蝠大小的燃燒彈......無人機一起行動可能會炸毀一座橋梁或摩天大樓，但它們的作用遠不止于此"。同樣，保羅-沙爾（Paul Scharre）也稱，全球各國軍隊都在爭先恐后地在海上、地面和空中部署機器人--90 多個國家都有無人機在天空巡邏。這些機器人的自主性越來越強，許多還配備了武器。目前，它們還在人類的控制下運行，但當 "捕食者 "無人機擁有像谷歌汽車一樣的自主能力時，會發生什么呢？

他擔心的是，"在未來的戰爭中，機器可能會做出生死攸關的交戰決定"。英國安全研究學者肯-佩恩預測，戰爭機器人的崛起，人工智能系統將允許聯網的計算機代理自主決策，即使在不確定的環境中，也能實現極快的順序行動......很快，自主和智能平臺就能比人類操作的平臺機動得更快、更精確。

不久之后，兵力將能夠隨意支配城市的目標。因此，許多學者呼吁對這些武器進行管制，將無人機限制在遠離平民的城市地區進行 "殺戮行動"。

一種共識正在形成。很快，人工智能賦能的自主致命無人機群將改變城市戰局。成群的無人機將在城市上空自主飛行，以極高的效率獵殺敵人。傳感器將發現目標，并在不受人類指揮的情況下攻擊目標。然而，盡管這些作者從不同的倫理立場來看待自主蜂群的前景，但他們對未來城市作戰的一致看法卻令人震驚。未來幾十年，人工智能武器的引入將改變城市戰爭。很快，成群的無人機將在很大程度上取代人類戰斗員。因此，城市作戰的節奏將加快，打擊的準確性和同時性將提高；攻擊城市地區將變得越來越容易。每座城市都將成為自主蜂群攻擊的潛在受害者，通過算法識別并摧毀人類目標。

這些觀察家強調第二代人工智能對戰爭的重要性是正確的。人工智能的發展很可能對未來幾十年的城市戰爭產生深遠影響。他們為未來的城市沖突描繪了令人信服的愿景：能夠在城市環境中進行無處不在的監視和有保障的打擊的自主無人機群將改變城市地區的軍事行動和城市戰爭本身。我們要感謝他們。但他們說得對嗎？

人工智能與城市作戰

毫無疑問，遠程系統已經成為軍事行動的重要組成部分。阿塞拜疆兵力在第二次納戈爾諾-卡拉巴赫戰爭中非常成功地使用了它們。它們在俄烏戰爭中發揮了重要作用。雙方在進攻和防御中無處不在地使用它們執行偵察和打擊任務。事實上，據報道，烏克蘭人每個月要消耗大約 10 000 架無人機。其中一些是用于摧毀的游蕩彈藥，但俄羅斯人擊落了許多。自第二次世界大戰以來，致命的自主武器就已經存在。許多有能力的自主武器目前正在使用，如宙斯盾、愛國者、以色列的鐵穹或韓國的 SGR-AI。未來十年，致命的自主武器（包括無人機群）可能會更多地出現在戰場上。它們有可能對城市戰爭產生一些影響。

然而，盡管未來人工智能賦能的自主武器有可能在城市作戰中常規部署，但現在的兵力距離這一點還有很長的路要走。機器人和無人機群不可能很快在城市戰爭中發揮決定性作用。環境過于復雜，在人口稠密的城市戰爭等高強度動態作戰環境中，即使存在明確的目標和標準操作程序，"任務式指揮 "的靈活性和適應性仍然至關重要，即使是常規的 "任務指令"（即 "任務指揮 "的反義詞），ML-AI 工具的功能實用性也存在問題。

即使是最成功的第二代人工智能程序也依賴于大量經過精心整理的數據，并為穩定的封閉環境開發出出色的歸納模型。然而，由于城市環境如此復雜多變，很難想象當代的人工智能程序如何能有效學習，從而有效執行行動。此外，評論家大大夸大了無人機群的能力。實際上，無人機群的射程和有效載荷是有限的；火箭彈可能更容易造成更大的破壞。鼓吹者忽視了不可避免的反制措施。例如，在使用無人機和閑置彈藥對烏克蘭城市進行戰略轟炸時，大多數機身都被干擾或擊落。自主無人機群在廢墟和燃燒的街道上俯沖，隨意消滅目標的設想只是科幻小說，而非計算機科學。

然而，雖然致命的自主性在城市環境中可能難以實現，但這并不意味著人工智能對未來的城市行動不重要。相反，在過去二十年里，人工智能已經在城市行動中發揮了重要作用。隨著人工智能能力的增強，它在未來十年似乎不可避免地會變得更加重要。然而，在未來十年左右的近期內，人工智能的主要應用不太可能是致命性自主。致命的自主無人機群是不可能的。正如幾位學者已經指出的那樣，人工智能的主要應用可能更加平凡，但其重要性并不遜色；最有可能的是智能。

第二代人工智能可處理海量數據。因此，它具有分析現象和提供洞察的超強能力。值得注意的是，最近的國防戰略文件強調的不是作為人工智能主要用途的致命自主性，而是人工智能可能促進軍事情報轉型甚至革命的方式。人工智能可用于處理大量數據，從而讓指揮官更好地了解作戰空間，更有效地制定計劃和目標。事實上，在人工智能的幫助下利用大量數據源，軍事指揮官將能比以往更深入、更準確、更快速地感知城市環境。他們將能夠更快、更準確地識別敵方兵力。此外，即使此后真的出現了致命的自動機群，它們也將依靠數據為其提供戰斗空間的情報圖景。我們不妨舉例說明人工智能在城市作戰中的應用。

聯合特種作戰司令部

近二十年來，兵力利用數據和人工智能的效果越來越好。現在有越來越多的實例可供參考。不過，我們不妨回顧一下西方兵力在城市行動中最早使用數據和人工智能的情況。聯合特種作戰司令部 2004 年至 2008 年在巴格達的行動就是一個明顯的例子。2004 年，聯合特種作戰司令部（JSOC）在巴格達成立，斯坦利-麥克里斯特爾（Stanley McChrystal）將軍擔任司令。2004 年至 2008 年期間，聯合特種作戰司令部的任務是摧毀伊拉克基地組織，并追捕該組織在伊拉克的領導人扎卡維。聯合特種作戰司令部在巴格達、拉馬迪和費盧杰開展了工業級反恐行動，主要由美國三角洲部隊和英國特種空勤團組成的兵力每晚執行任務，打擊 "基地 "組織網絡。他們突襲房屋和基地，擊斃或抓獲基地組織恐怖分子，并獲取有關網絡的情報。這是一次有效行動，聯合特種作戰司令部成為一個獨特的網絡化、跨機構的全球性組織。它在 2006 年消滅扎卡維的行動中發揮了關鍵作用。數據發揮了重要作用。

在行動初期，有幾次失誤凸顯了改進情報收集和融合工作的重要性。例如，2004 年 9 月 16 日，基地組織在巴格達抓獲了一名英國土木工程師。他隨后于 2004 年 10 月 7 日被扎卡維斬首。三周來，聯合特別行動小組一直在尋找他的下落，但沒有找到。然而，回過頭來看，找到比格利的證據是存在的；他的上司已在聯合特種作戰司令部的數據中被確認，但人類分析人員卻忽略了這一點，并聲稱 "當時就無法接受，現在更是如此"。如果JSOC有一個更高效的系統，利用機器學習梳理數據，就能發現這些證據，救出比格利。

為了開展行動，JSOC 動用了一切可用的情報來源。它從中央情報局、國家安全局、英國軍情六處和其他國家情報機構獲取情報。它利用了衛星圖像、信號情報、電話截獲、公開來源情報和人力情報。這是一場信息洪流。許多傳統的整理和分析技術都得到了應用。聯合特別行動小組處理的是復雜的信息和證據。因此，在可能的情況下，JSOC 還將機器學習人工智能應用于這一問題。許多情報信息都是數據信息或可作為數據的信息： 也就是說，是可量化、可計算的信息。因此，聯合特種作戰司令部將所有可能的情報融合為數據，并對其應用算法，以確定模式并對情況發出警告。

最終，聯合特種作戰司令部請來了幾位數據專家提供幫助。安舒-羅伊博士領導的 Rhombus Power 團隊發揮了重要作用。羅伊擁有密歇根大學計算機博士學位。他發明了固態亞原子粒子探測專利平臺。他還將自己的編程專長用于解決安全問題，成立了 Rhombus Power 公司并建立了程序 Guardian。Rhombus Power 是協助美國國防部解決安全和國防問題的領先科技公司之一。該公司開發的算法能夠識別數據中的模式，從而幫助發現恐怖分子或敵人。

羅伊有趣地講述了他的團隊如何在這一過程中幫助 JSOC："動蕩中有秩序。辨別這種秩序是可能的，這樣你就可以對復雜的問題進行干預"。羅伊的團隊從戰術單位獲取了所有數據，并開發了一個自動系統，用于融合來自不同情報來源的數據并對其進行快速分析，"我們對這些數據進行了匯總和地理定位"。麥克里斯特爾確定了任務，并在此基礎上確定了關鍵信息需求，但 Rhombus 加快了解決方案的進程。我們將其數學化，能夠快速、反復地將其轉化為數學[原文如此]結構，并將其編碼和輸入人工智能系統。

利用機器學習和算法，羅伊的團隊能夠識別數據中的異常現象和特征，并據此推斷會發生什么。羅伊對他們所做的工作進行了總結："捕捉一切可以捕捉的東西，將其數學化，進行編碼，這樣下一批人就會輕松得多。

聯合特種作戰司令部對數據、數據分析、算法和機器學習的使用并非靈丹妙藥。聯合特種作戰司令部之所以取得成功，是因為它有明確的任務，并對伊拉克的叛亂活動和基地組織有了深入了解。人類情報、信號情報和特種部隊夜間突襲獲得的物證也證明至關重要。然而，麥克里斯特爾以數據為中心、人工智能賦能的方法增強了這些傳統方法，使 JSOC 能夠在復雜的城市環境中識別扎卡維。使用大數據和機器學習處理數據確實加快了決策周期，使其更加準確。正如麥克里斯特爾所說："作為一名指揮官，你要檢查數據，然后信任它。你要培養了解人工智能的領導者。這些信息相互關聯，對他們來說是有意義的。

由于采用了 "人工智能 "技術，JSOC 得以利用大量可能淹沒的信息，追蹤扎卡維的數字足跡，并將其與其他證據聯系起來。2006 年 6 月 6 日，聯合特別行動小組最終追蹤到扎卡維在巴古拜北部一個叫哈比卜的小村莊的安全屋。美國空軍兩架 F-16 型飛機向該建筑投擲了兩枚激光制導炸彈，炸死了扎卡維和五名同伙，包括他的副手。

以色列國防軍

以色列國防軍在使用數據方面同樣先進。自 1987 年第一次起義以來，以色列軍隊的主要任務就是鎮壓加沙和約旦河西岸的巴勒斯坦恐怖組織。許多人對以色列的政治局勢表示遺憾；他們有充分的證據將其描述為種族隔離國家。然而，無論政治局勢如何，以色列國防軍（IDF）為城市化行動如何利用數據提供了一個鮮明的例子。自 20 世紀 80 年代以來，以色列國防軍一直密切監視法塔赫和哈馬斯等巴勒斯坦團體。在過去 15 年中，以色列國防軍還明確尋求利用數據追蹤巴勒斯坦恐怖分子并將其作為目標。巴勒斯坦人使用移動電話進行通信，無論他們采用多少反制措施，都會在網絡空間留下數字簽名。除了傳統的情報收集方法外，以色列的傳感器在約旦河西岸和加沙地帶布滿了衛星、雷達和攝像頭。人的因素已不再足夠，因為士兵的體力無法跟上輸入數據的數量。

此外，開放源碼數據已成為收集情報的豐富手段，但其提供的潛在數據量巨大。以色列國防軍軍官強調了這一問題："數據是無窮無盡的，在某些領域甚至達到了 PB（一百萬千兆字節）"。

因此，以色列國防軍成立了幾個專業單位來利用數據的潛力，如 8200 和 9900 單位、J6 或 C4I 局的 Lotem 單位，以及以色列國防軍西格瑪分部。正如西格瑪分部指揮官所指出的，"目標是提高以色列國防軍的效率"。以色列國防軍已對人工智能應用程序進行了培訓，以篩選大量數據，識別重要信息。以色列國防軍的人工智能程序可以一次分析數百個視頻，并自動標記可疑活動。例如，在 2014 年的 "護刃行動"（火箭彈襲擊后對加沙哈馬斯的懲罰性攻擊）之后，Lotem Unit 開發了一款應用程序，該應用程序可從現場傳感器和其他數據中獲知："我們收集了最有可能設置發射器的區域和時間。這使我們能夠提前知道會發生什么，應該攻擊哪些地區，以便更有效地打擊他們"。

到 2017 年，以色列國防軍已經開發出了復雜的描述性人工智能程序；其算法可以自動識別作戰空間中感興趣的目標。其目的是創建預測性人工智能。人工智能程序不僅能識別以色列國防軍已在行動的目標，還能預測巴勒斯坦特工人員的動向，并提出行動方案建議。

2021 年，以色列國防軍對加沙的哈馬斯發動了又一次重大行動，即 "長城守護者行動"。以色列兵力將這次行動稱為第一場人工智能戰爭。在 2014 年專家部隊工作的基礎上，以色列國防軍將人工智能完全納入了瞄準過程。這一點至關重要，因為數年來以色列在無人機、F-35 戰斗機、地震監測儀和其他系統上使用了電子傳感器網絡。以色列國防軍收集了數十億條關于哈馬斯和巴勒斯坦伊斯蘭圣戰組織的信號和其他情報。以色列國防軍將這些不同的數據集融合在一起，通過采用人工智能算法和機器學習，并搭配'人機小組'中的情報分析師來標記和審查潛在目標，以色列國防軍將大量數據綜合成沖突前的目標文件夾，這些文件夾比2014年的要詳細、準確和及時得多"。

人工智能使目標定位越來越動態，也比過去更加準確。利用數據和人工智能，以色列國防軍開發了一套'情報驅動作戰'系統，利用數字作戰空間管理系統向作戰部隊實時傳播情報，將目標與精確制導彈藥相匹配，"以色列國防軍可以實施高度精確的空襲，大大降低了對平民的風險"。

例如，在這次行動中，以軍的目標是哈馬斯東拉法旅旅長穆罕默德-巴瓦布，他在2014年綁架了兩名以色列國防軍士兵。他的房子是指揮所。以色列國防軍想襲擊這座建筑。然而，各種信號（其中一些由人工智能處理）顯示，有平民躲在房子外面的一棵棕櫚樹下。以色列特工部門辛貝特打電話給巴瓦布的鄰居，用阿拉伯語警告他們："你們在棕櫚樹下，房子附近。走開，有一枚一噸重的炸彈過來了，你們會受傷的"。人工智能幫助以色列國防軍實施了精確的致命打擊，但平民傷亡仍然很高：120 人喪生。然而，以色列的打擊無疑比過去更加精確；99 人確認被敵方擊斃，另有 40 人可能是敵方人員。以色列國防軍聲稱平民與交戰人員的傷亡比例為 1:1。數據和人工智能使以色列國防軍能夠在復雜、密集的城市環境中精確瞄準目標。

結論

在過去二十年里，兵力越來越多地尋求利用第二代人工智能的潛力。每年，人工智能的軍事潛力都變得更加明顯和強大。因此，許多學者擔心，人工智能即將掀起一股致命的自主武器浪潮，從而改變城市的戰斗空間。成群的殺人無人機將取代人類戰斗員，以無情的精確性和殺傷力打擊城市地區的目標。本文持另一種觀點。人工智能對城市作戰越來越重要。然而，正如巴格達的 JSOC 和以色列國防軍的例子所示，人工智能的真正潛力不在于致命的自主性，而在于數據處理；因此，也在于情報和目標選擇。網絡空間中的數字信息資源來自公開來源、衛星、移動電話和一系列其他傳感器，可能為指揮官提供無與倫比的戰場縱深監督。他們可以比以往看得更遠、更準確。然而，要挖掘數據的潛力，就必須使用人工智能程序來處理所有這些材料；這是一項相當挑戰人類的任務。數據和人工智能已成為城市作戰的關鍵資源；未來將更加如此。

這兩個例子都涉及針對恐怖分子的軍事行動；都是強度較低的行動。許多學者認為，致命的自主無人機的出現將加速國家間的高強度戰斗。隨著蜂群之間的自主戰斗，戰斗將變得快速、簡單和具有決定性。機器人作戰將消除摩擦和混亂。這似乎不太可能。打擊伊拉克基地組織的戰役漫長而艱苦。盡管有人工智能賦能的目標定位，以色列國防軍還是陷入了與巴勒斯坦對手無休止的斗爭。正如目前對杰寧的干預所顯示的那樣，"長城守護者 "行動可能是精確的，但卻不是決定性的。

俄烏戰爭在這方面具有啟發性。這是兩支裝備精良的兵力之間真正的國家間戰爭。在美國的密切支持下，烏克蘭人采用了以數據為中心的瞄準系統，這與聯合特種作戰司令部和以色列國防軍密切呼應。通過利用數據和人工智能處理的力量，烏克蘭兵力能夠瞄準俄羅斯的指揮所和后勤樞紐，其深度和精確度令人印象深刻。然而，這場戰爭中的戰斗已在烏克蘭城鎮內外凝結成一系列艱苦卓絕的戰斗。圍困而非閃電演習占據了主導地位。隨著烏克蘭人繼續反攻，這種模式很可能會繼續下去。

兵力越來越多地利用數據來獲得戰場優勢，但戰斗，尤其是城市地區的戰斗，已經放緩。俄羅斯和烏克蘭兵力規模相對較小，這與此有關；他們匯聚的決定性地點，往往是城市。遠程精確火炮和無人機使他們難以移動。數據也至關重要。雙方--尤其是烏克蘭人--都能在縱深地區準確而迅速地鎖定目標。因此，消耗性的陣地戰占據了主導地位。那么今天就有一種諷刺意味。隨著數據的使用，兵力現在可能確實能以光速瞄準目標，但作戰行動本身，尤其是在城市地區，卻放慢到了冰川般的速度。二十一世紀的戰爭已減速至中世紀的作戰速度。

優先考慮美國空軍的人工智能準備工作至關重要。為了應對這一挑戰，中隊指揮官必須在作戰人員層面激發（1）以數據為中心的創新和（2）人工智能的創意。本文將美國國防部的政策與當前有關數字化轉型和戰略的管理理論相結合，探討了如何制定數據戰略、管理數據基礎設施、培養技術人才和重新設計組織流程，以支持在中隊層面培養創新文化。這一獨特的行動計劃使領導者能夠將以數據為中心的創新催化到人工智能的構思過程中，使中隊和其他軍種的平行組織為數字化戰爭做好準備。

前言

人工智能（AI）技術的普及正在迅速提高生產力，就像一場新的工業革命。從歷史上看，隨著產業的轉型、工作崗位的更替或增加以及供應鏈的重新布局，出現了三大挑戰：國內政治壓力、生產方式的改變以及潛在的技術奇點。這些壓力威脅著全球世界秩序，給國際體系注入了不平等和不安全因素。由于人工智能的擴散有可能破壞全球穩定，美國在緩解日益加劇的緊張局勢方面可以發揮關鍵作用。谷歌的生成式人工智能聊天機器人 "巴德"（Bard）指出：各國應優先發展人工智能，因為它有可能徹底改變我們生活的許多方面，包括經濟、醫療、教育和國家安全。人工智能可用于自動化任務、提高效率和做出更好的決策。它還可以用來創造新的產品和服務，并改進現有的產品和服務。

美國的同儕和近鄰競爭對手都在爭奪與國家安全相關的人工智能研究、開發和整合。例如， 俄羅斯也表示愿意組織國防部門實現人工智能軍事化，其高級研究基金會（類似于國防高級研究計劃局）所做的努力就證明了這一點。俄羅斯國防部甚至已開始在黑海沿岸開發一個國防創新 "技術城"，希望在那里建立一個人工智能實驗室。

美國空軍做好準備

在美國空軍，人工智能準備工作對于明天的數字化戰爭至關重要。值得注意的是，2019 年美國空軍人工智能附件向所有空軍人員提出挑戰，要求他們了解并運用人工智能，將其作為提高整個兵力生產率的杠桿。事實上，一位前空軍參謀長（CSAF）和前空軍部長強調了這項技術從根本上改變未來的潛力，指出 "每個人都有責任有目的地考慮并嘗試將人工智能納入我們所做的一切"，"探索、原型設計和協作不僅受到鼓勵，而且對我們的未來至關重要"。附件提供了行動呼吁，它完美地概括了CSAF將軍Charles Q. Brown Jr.加速變革的優先事項。總之，空軍將人工智能作為一項關鍵技術列為優先事項，表明它與提高整個國防工業的生產力具有根本的相關性。

為了使空軍的兵力能夠發揮作用，高層領導的指導對于建立數據骨干網至關重要。但是，國防部一直在努力讓下級單位采用全企業范圍的數據庫來處理關鍵任務數據，從而實現更高層次的模型預測。原因之一是國防部還沒有標準化的自動化或結構化數據分析。在人工智能/機器學習（AI/ML）的數據條件普及之前，數字化轉型應采取基層狹窄用例的形式。

在空軍，中隊是開拓這種以數據為中心的基層創新的適當層級組織。正如前 CSAF 戴維-戈德芬（David Goldfein）將軍所說："我們的服務文化和傳統體現在中隊，因為我們的飛行員最容易認同這個核心戰斗單位。中隊是創新和團隊精神的引擎。中隊擁有作戰靈活性的最大潛力。

本研究和建議以中隊為主要分析單位；因此，建議是針對中隊指揮官提出的。這些建議適用于美國其他軍種，也適用于陸軍和海軍陸戰隊營以及海軍和海軍陸戰隊中隊。中隊指揮官必須在作戰人員層面鼓勵以數據為中心的創新和人工智能構想，從而培養人工智能的準備狀態。

1 背景

雖然這些建議適用于整個軍隊，但空軍特有的某些定義和挑戰也是本分析的基礎。

1.1 定義

人工智能 "指機器執行通常需要人類智能的任務的能力"。這一定義被廣泛使用，但往往沒有深入考慮數據、數據管道、模型和以人為本的設計等關鍵因素。值得注意的是人工智能的兩大區別：自動化和預測。自動化是一種專家系統，可在一組輸入條件下完成可預測的任務。自動化類似于標準的 Microsoft Excel 電子表格，在一組輸入條件下執行相同的用戶定義的數學函數。預測是根據數據預測結果。

在考慮預測方面時，必須注意機器學習的發展。機器學習不需要對數學函數進行明確編程，而是讓計算機能夠編寫自己的函數來進行預測；這種預測與大量數據相結合，是現代機器學習應用的核心。這種預測類似于代數中的最佳擬合線，是對未知數據點的推斷。ML 的形式包括監督學習、無監督學習和強化學習。

1.2 獨特的挑戰

通常會遇到與數字化轉型相關的摩擦。在空軍中普遍存在的一些特殊挑戰包括信息隱瞞、過度標準化、技術債務和采購限制。

隱瞞信息。以數據為中心的全面轉型取決于整個國防隊伍將其文化定位從 "信息隱瞞 "轉變為 "信息共享"。分類障礙、特定機型的專有信息、不同的信息技術系統以及各單位之間的競爭，都是整個空軍企業在進行以數據為中心的全面轉型時可能產生摩擦的根源。領導者應注意這些可能阻礙信息共享和跨組織協作的潛在組織障礙。

過度標準化。在作戰軍事單位中，通常會將各種做法標準化，以提高可預測性和降低風險。然而，過多的標準化會扼殺打破常規的思維，限制新技術的發展。在對一所大學飛行學院進行的一項研究中，研究人員發現，過度標準化可能會導致創新文化停滯不前。這反過來又會限制學生接觸航空領域的技術進步。反之，標準化程度太低可能會與太多無重點的創新同時出現，從而導致紀律和專業水平下降。空軍領導者在尋求增強作戰人員實驗能力時，必須仔細權衡標準化和創新。

技術債務。組織 IT 基礎設施中的技術債務可能會降低適應性。隨著時間的推移，系統中低效軟件捷徑的聚集所產生的技術債務會降低綜合 IT 基礎設施的性能。雖然在追求快速軟件開發時，積累這種債務可能是一種可以接受的權衡，但債務的堆積也可能使系統效率低下，從而造成有形成本。

在民航業的一個例子中，西南航空公司 "陳舊 "的技術，加上復雜的人工處理和 "零星 "的技術改進，導致了 2022 年 12 月的 IT 運營崩潰。空軍還保留著陳舊的 IT 基礎設施，這可能會在領導者尋求簡化數字化轉型工作時造成問題。例如，空軍部-麻省理工學院（MIT）人工智能加速器的前運營總監對計算機滯后的經歷表示非常沮喪，并撰寫了一份 "修復我們的計算機 "的行動呼吁書，引發了國防部多位首席信息官的聯合響應。采購限制。對人工智能的炒作自然會激發國防承包商解決以數據為中心的挑戰。然而，僅僅依靠承包商的技術人才是不慎重的，因為與近鄰競爭對手相比，采購的時限太短，毫無競爭力可言。

知識產權法也阻礙了將用途狹窄的個案產品轉化為企業范圍內的規模化產品。因此，承包商的解決方案可能是狹隘、陳舊和昂貴的。此外，作戰人員而非承包商通常是數據武器化工具的最終用戶。空軍領導必須權衡承包解決方案的低效性，從而激發組織內的內生人才。換句話說，軍警作戰人員通常在兵力為人工智能做好準備方面承擔重要角色。

2 以數據為中心的創新

從 COVID-19 資源分配到一般人員分配再到無人機圖像分析，人工智能技術能夠提高空軍作戰層面的生產力和效率。然而，人工智能集成的關鍵在于數據；數據作為一種戰略資產，為人工智能和機器學習準備了數字環境。從增強情報到全域目標定位，再到綜合指揮與控制，可操作的數據無疑將成為未來戰爭的基礎。

對于整個空軍的作戰數據而言，中隊指揮官必須在部隊層面推動以數據為中心的創新。激勵創新將促使空軍飛行員以創業精神尋找機會，簡化數據實踐和架構。畢竟，往往是一線作戰人員首先意識到數據使用效率低下的影響。有了以數據為中心的思維方式，作戰人員隨后就可能整合人工智能技術。要激發以數據為中心的創新，指揮官應制定數據戰略，采用基礎設施，培養人才，重新設計組織，塑造創新文化。

2.1 制定數據戰略

國防部數據戰略為國防部轉型為以數據為中心的組織提供了模板。這一總體戰略闡明了關鍵的優先事項，包括八項指導原則、四項基本能力、七項目標和相關授權目標。任務式指揮員可將這一指南與本組織的主要任務說明結合起來，制定數據戰略。細致入微的數據戰略是以數據為中心的任務取得成功的必要條件，因為它能為一線服務人員勾勒出清晰的路徑，讓他們了解如何思考數據在日常行動中的作用。

通過制定數據戰略，指揮官為中隊建立了一個可以動員起來的燈塔。一項全面的戰略有幾個關鍵組成部分：可衡量的目標、明確的范圍和清晰的優勢。它反映了組織的價值主張和品牌定位。例如，宜家家居的價值主張使其有別于其他家具店，因為它向顧客闡明了什么是值得期待的，什么是不值得期待的： 宜家是一家折扣家具店，擁有現代的外觀和令人興奮的迷宮式展廳。顧客可以預期宜家家具不會組裝或送貨上門。該零售商的使命宣言承諾："提供各種設計精良、功能齊全的家居產品，價格低廉，讓盡可能多的人買得起。

有效的戰略應考慮到與中隊主要任務相結合的數據操作的資源和限制。重要的是，大多數中隊都會發現資金、技術人才和數據基礎設施等資源非常稀缺。此外，作戰帶寬也可能有限，尤其是在繁忙的中隊。然而，指揮官可以通過讓部隊對超出其資源控制能力的部分負責，謹慎地鼓勵創新。這種差距正是創業的動力所在。

數據戰略應圍繞數據與人工智能等預測技術不可避免的整合。從這個角度來看，考慮一個基本的機器學習公式可能是有用的：數據 + 算法 + 訓練計算 = 預測。反過來，經過微調的預測可能會提高流程的效率和有效性。這一戰略應將這些概念融入部隊的競爭定位中。在制定戰略時，指揮官還必須考慮組織中目前存在的數據，以及數據收集和整理的自動化方法。最后，有凝聚力的數據戰略應將這些整理工作與上級總部的戰略、工作和指導聯系起來，使組織能夠很好地滿足中隊和高層領導的優先要求。

數據戰略是一個相當新穎的想法；不過，一些案例研究說明了領導層可以如何思考數據戰略的影響。2018 年和 2019 年，寶潔公司制定了一項數據戰略，作為其以數據為中心的數字化轉型的一部分。起初，數據戰略闡明了基線政策，較小的部門可以在此基礎上調整其一線執行工作。然而，該公司在數據治理方面面臨著一些獨特的矛盾--即領導團隊對這些政策的限制性有多大展開了爭論。如果政策限制性過強，領導層就可以保留對執行的標準化控制；如果指導方針較為寬松，一線員工就可以直接根據執行優先級來定制政策。不可避免的是，領導層在這個連續統一體中的位置向組織發出了信號，并應與機構領導層希望讓渡給操作人員的程度保持一致。

就空軍而言，這種有關控制的政策實際上就是任務式指揮。對操作人員代理權的考慮是平衡集中指揮、分散控制和分散執行的決策。與寶潔公司一樣，空軍設施與任務支持中心（AFIMSC）也將數據戰略付諸實施。2021 年 AFIMSC 戰略支持 "國防部和空軍的數據工作，建立 AFIMSC 數據治理結構，倡導 AFIMSC 數據共享，支持數據感知組織，并通過數據為空軍提供戰術優勢"。這一戰略是該組織成功成為首批使用 VAULT（可視、可訪問、可理解、可鏈接、可信任）數據平臺（一種獨特的數據可視化工具）的組織之一的基礎。通過這一工具，AFIMSC 可利用數據并與指揮官共享，從而更全面地了解設施的健康狀況，有效地減少了數月的工作量。

2.2 采用基礎設施

經過整理、組織和標注的數據以及流動的數據管道是技術人才必然要進行創新的基礎設施。由指揮官、行動主任或助理主任、安全官、戰術官和情報專家組成的行動小組可以很好地識別和評估中隊的數據基礎設施。該小組可以概述最初的數據來源，確定各自的數據就緒水平，并維護數據管道。作為起點，一個可能的數據來源可能是指揮官要求其參謀人員提供的每周、每月或每季度報告的關鍵性能指標。這些指標及其衍生數據源很可能是自動報告所能收集到的。之后，這些數據庫也可用于預測分析。

該小組應確定可行的第一步，以加強數據管道并與所有相關飛行員和組織共享數據。為獲得更多指導，空軍部首席數據和人工智能官概述了各種數據平臺，在考慮到適當安全控制的情況下，可以采用這些平臺。最后，可能還有其他單位、作戰司令部、主要司令部或上級總部也在使用這些相同的流程和數據基礎。中隊數據是上級總部決策的重要內容；因此，指揮官應確保數據在指揮系統中的正常流動。最后，該行動小組的職責和中隊數據基礎設施的管理最終可能會轉移到首席技術官（CTO，詳見下文）身上。

作為戰略如何影響數據基礎設施的一個例子，寶潔公司對數據管理進行了廣泛的討論。對于整個組織都能廣泛使用的信息，領導團隊認為將其集中到一個綜合數據存儲庫--數據湖中有明顯的用途。實際上，這允許多個部門利用相同的信息進行分析和運營。然而，該組織也創建了一些小型數據中心，匯集集中的數據，并增加區域特色。這種模式的關鍵問題是，小型數據中心的標準化程度如何。就空軍而言，這種集中/分散的混合模式可最大限度地實現數據共享和單位層面的安全影響。

在空軍，有兩種工具可以幫助中隊數據團隊簡化數據工作。VAULT 平臺為團隊提供了上傳、管理和共享數據的能力。通過該平臺，數據團隊可以構建機器學習算法，并以前所未有的方式顯示數據，從而提高整個企業的工作效率。此外，空軍研究實驗室的 redForce AI 是一個 DevOps 平臺，支持人工智能項目開發，包括在數據準備階段。

2.3 培養人才

管理技術人才或許是任何以數據為中心的組織所面臨的最大挑戰。就背景而言，企業技術公司以及世界級的國防創新單位（如凱瑟爾跑壘）都在努力應對這一挑戰。空軍的一個單位嘗試了獨特的組織變革，以培養和增強其技術兵力：空軍部麻省理工學院人工智能加速器。

這個小單位的任務是解決空軍中一些技術性最強的問題，因此需要最優秀的人才。首先，它利用與大學的合作關系，與民間研究人員、教授和專家建立聯系。此外，它還設立了臨時研究金，以便從其他組織尋找、培養和聘用空軍人才。該部門還利用經過洗刷的公共數據集創建了開放訪問挑戰，希望能引起民用軟件工程師的興趣。加速器 "案例強調了軍事單位通過獨特的組織設計原則培養人才的一些創新方法。

此外，有一個寶貴的空軍資源常常被忽視。數字大學是美國空軍和美國太空部隊的合資企業，是面向空軍士兵和監護人的免費教育平臺，課程涉及各種技術資料。通過推廣 "數字大學"，指揮官可以激勵有好奇心的飛行員通過有針對性的課程學習來培養數據素養。中隊指揮官可以鼓勵飛行領導層授權每名飛行員每周有幾個工作小時用于學習。這種激勵措施可以制度化；例如，學習路徑的完成情況可以納入軍官和士兵的績效報告。

最后，關于人工智能和 ML 的執行課程可以為中隊和飛行領導提供一個機會，了解數據工具如何提高工作效率。這樣，領導者就能以更明智的方式確定和指導使用案例。

2.4 重新設計組織

在組織內部定位技術人才至關重要。最初的傾向可能是將人才安排在戰術部門。與此相關的是，指揮官可能會創建一個單獨的數據車間，與信息技術或安全部門密切合作。這些方法的優勢在于，同質化的團隊可能會加強集體學習和構思，從而有可能使創意源于一個中央辦公室。然而，人才的集中式管理會引發群體思維、小團體派別，從而導致整個組織的信息共享不暢。

事實上，這正是寶潔公司領導團隊在 2018 年和 2019 年尋求優先發展以數據為中心的分析時所考慮的問題。起初，領導層將數據科學家嵌入運營團隊。然而，他們很快意識到，管理人員將數據科學家視為一線團隊的局外人；因此，管理人員有時會否定他們的關鍵想法。由于不了解數據科學家的全部技能，管理人員往往不能有效地利用他們來完成任務。

為了避免數據科學家產生挫敗感和降低士氣，公司領導層建立了集中式技術人才配置模式，以促進社區和標準化協作。當然，將人才集中到業務部門之外，有可能在操作層面失去一些適應性。實際上，技術人才安置的設計是一種平衡和權衡。

就空軍而言，一種方法是在每個航班或車間指定一名數據架構師，作為額外職責。首先，這可以促進航班信息的多樣性，從而更全面地解決問題。其次，嵌入式數據架構師可以尋找機會，以更加分散、有機的方式實施數據驅動的創新。用例將解決整個組織的各種問題。

此外，所有數據架構師都應向直接與中隊領導層整合的首席技術官報告。首席技術官的合適職位是作戰部助理主任一級，他們可以密切合作，為作戰討論注入技術視角。將這一角色正式化可以使其在領導層的整體重要性合法化。首席技術官還應負責持續管理中隊各條戰線的整體數據流，盡可能評估和提升數據就緒水平。

最后，中隊必須跟蹤技術人才，將其作為職業發展的一個組成部分。這一要素非常重要，因為它可以讓領導層有意識地將經驗豐富的數據架構師分配到最能發揮其獨特教育和經驗的中隊車間或其他單位。在飛行中隊中，飛行資格會區分經驗等級，即經驗豐富的飛行員、教官和評估員。指揮官可以通過特殊經驗標識符（SEIs）為技術人才建立類似的跟蹤機制。訓練車間可以將授予 SEI 的標準制度化，向空軍兵力/軍官分類目錄提出新的 SEI 建議，并確保每個數據架構師的正式記錄反映這一升級。

2.5 塑造文化

建立一種持續創新的文化可能很難，因為創新就是實驗，而實驗并不總能轉化為可衡量的關鍵績效指標或體現在年度報告中。然而，為了推動創新，組織必須授權員工進行試驗，即使多個理論項目中只有一個獲得成功。換句話說，組織必須允許實驗風險。

穆格公司（Moog）是一家擁有國防合同歷史的工程公司，它始終保持著一種支持實驗的文化。通過扁平化的等級制度和團結協作的文化，該公司促進了授權。有一次，一位客戶要求解雇犯了錯誤的員工，首席執行官迅速駁回了這一要求，并為該員工辯護。首席執行官直接打電話給一名初級員工，征求他們的意見，這種情況很常見。此外，"人力資源英雄獎 "等內部獎項為同行提供了提名和表彰杰出表現的機會。這些做法有效地降低了實驗失敗的風險，增強了員工承擔風險的能力，并肯定了組織對創新的承諾。

在空軍中，僵化的等級制度、年度預算和績效報告都與實驗文化背道而馳。然而，中隊指揮官可以在作戰層面鼓勵創新實踐。中隊和飛行指揮官應營造一種環境，讓飛行員感到自己有能力進行創新，因為領導層認為創新者的行動是富有成效和負責任的。例如，這可能體現在這樣一種情景中：當一名初級機組成員嘗試使用新的任務數據管道流程時，一名高級 MQ-9 飛行員會接受更多的任務風險。在這種情況下，為有前途的試驗讓出一些嚴格的程序，傳達了領導層靈活應變的信息。

此外，通過公開獎勵以數據為中心的創新，中隊和飛行領導層將彰顯才能，發出支持信號，并激勵后續試驗。一個不需要成本的機制可能是設立新的中隊月度和季度獎，如頂級創新者或頂級數據破壞者。

3 人工智能創意

中隊以數據為中心的創新生態系統啟動后，需要整合人工智能以提高生產率。在這一階段，領導層可以責成整個單位的主管人員開展人工智能構思過程。這一過程的目標是通過人工智能視角發現改進流程的方法，以及如何獲取數據驅動解決方案的方法。以下框架可指導如何為人工智能構思過程制定行動計劃。

3.1 第1階段：分析

全面構思行動計劃的第一步是對問題進行全面分析。在分析過程中，首先要大致勾勒出應用人工智能可以解決的問題。接下來，分析問題需要找出根本原因。豐田生產方式采用了一種名為 "5 個為什么 "的技術來揭示技術問題的根本原因；該技術主要包括詢問 5 次 "為什么"，通常會得出原因分析結果。

每個根本原因都有幾個關鍵的考慮因素，包括組織背景、利益相關者的關注、領導指導和法律限制。55 每個根本原因都有幾個關鍵的考慮因素，包括組織背景、利益相關者的關注、領導層的指導和法律限制。確定每個根本原因的考慮因素可能有助于揭示不同問題領域的一些共同障礙。對潛在的公共和商業解決方案進行研究，將有助于領導者了解如何解決任何根本原因。收集這一觀點將有助于確定何時進行創新、何時進行收購以及何時將兩者結合起來。

在構思過程中，有限的資源不應限制行動規劃。相反，領導層可以采用以下關于企業管理的前瞻性定義： "追求機會，而不考慮目前控制的資源"。此外，好的分析還能確定競爭優勢。也許中隊擁有信息優勢，因為它是解決方案的最終用戶。也許某些中隊領導擁有專業知識、網絡和權威，這可能有助于將關鍵資源集中在一起。這一步將有助于確定為什么該中隊最適合開展這一項目。

還需要找出弱點。缺少哪些對項目成功至關重要的觀點、技能、人才或資產？重要的是，不能將所有工作場所的問題都歸咎于人工智能的修復。例如，開發人員可能會找出一種使用 ML 模型按優先級對電子郵件收件箱進行排序的方法。如果這位用戶的主要目標是減少他們收到的電子郵件數量，也許他們會評估自己是否需要將更多任務委派給下屬，而不是依賴一個可能并不完美的 ML 模型。

3.2 第 2 階段：目標

需要確定項目的總體目標。在這個過程中，需要具體假設哪種類型的人工智能最有助于實現目標：自動化還是機器學習預測。其他一些重要的考慮因素可能包括指揮指導、分類考慮或法律限制等，這些因素將框定這一目標的范圍。目標應適當縮小。例如，如果問題出在中隊一級，那么將目標設定為解決整個企業的問題是不可行的。反之，過于狹隘的解決方案可能在商業上已經存在。

3.3 第 3 階段：可操作的步驟

列出可操作的步驟，將想法付諸實施，將有助于構建工作流程。盡管每個步驟的設計都有發揮創意的空間，但一些重要的人工智能特定考慮因素如下：

數據工程很可能包含大部分工作，因為人工智能依賴于可持續的、訓練質量高的數據。機器學習模型在其整個生命周期內都需要持續的訓練、驗證和測試數據。從廣義上講，這包括評估可用數據的準備情況，以盡量減少收集不可靠、錯誤標記、缺失值、隱私和專有權等問題的發生。

可靠的數據管道應不斷向機器學習工程師提供新數據，以確保可持續性。59 可靠的數據管道應不斷向機器學習工程師提供新數據，以確保可持續性。該數據管道應依賴于自動化和標準化的數據流程，以最大限度地減少維護數據流的成本和時間。

將中隊資產投入使用以建立適當模型的計劃可能包括對固有專業知識和資源的考慮。當領導者招募、獲取或開發出選擇最佳算法來訓練、測試和部署最佳模型的方法時，單位將從中受益。最佳模型不一定是最復雜的模型；邏輯回歸可能比深度神經網絡更能實現目標。換句話說，如果預測特定結果的方程就像 y = mx + b 一樣簡單，可能就沒有必要開發更復雜的模型。

同樣重要的是，要在組織中確定一個出口，使團隊能夠利用適當的計算能力建立正確的模型，以便進行訓練、測試和驗證以及部署。有一些資源可能有助于托管和運行人工智能解決方案，包括空軍研究實驗室的 redForce AI。

3.4 第 4 階段：實施

可操作項目的時間表將為指導實施工作提供一個框架。具體來說，時間表應包括完成每個步驟的時間和所需時間。同樣重要的是，要確定這些步驟是按特定順序進行，還是同時進行。通過具體、可衡量的關鍵績效指標，可以評估每項行動的成功與否，因為它與最初的 項目目標相關。如果項目未能充分實現項目目標，關鍵績效指標的規定性應足以為未來項目鋪平道路。

以人為本的方法至關重要。以用戶為重點，領導者應設計解決方案的生命周期，利用以下問題收集、傳輸和整理數據：如何根據用戶反饋訓練和改進模型？用戶將如何與預測結果互動？如何將這些目標納入日常運營，并通過節省時間或提高任務效率來為團隊帶來價值？

3.5 第 5 階段： 局限性

最后，需要對項目的局限性進行評估。其中一個可能的限制因素是開發解決方案的資金問題。例如，可以考慮利用當地工程師的時間和資源來完成該項目的可行性。這些人力可能會被免費的開源產品或購買的專有工具所取代。另一個重要限制因素是文化適應性。可能需要重新設計解決方案，以便組織能夠流暢地維持和迭代工作。

4 結論

為了加強美國空軍的人工智能準備，中隊一級的指揮官必須激發基層以數據為中心的創新，并隨后整合人工智能。中隊指揮官可以通過首先制定具體的數據戰略來激勵創新。他們可以通過建立更好的數據基礎設施、培養整個組織的人才、重新設計中隊以及發展創新文化來支持這一戰略。以數據為中心的轉型發生在作戰人員層面，而中隊指揮官是必不可少的變革推動者，他將點燃人工智能戰備的火焰。

指揮官可以通過鼓勵將人工智能融入組織流程，建立以數據為中心的部隊。為此，他們應遵循嚴格的人工智能構想流程，在基層激發創新。具體來說，這一構想流程將引導飛行員經歷五個不同的階段：（1）分析；（2）目標；（3）可行步驟；（4）實施；（5）限制。按照這一流程，中隊可使飛行員將單位的數據資源和基礎設施轉化為實實在在的生產力收益。這些生產力的提高將增強空軍的實力，并為數字化戰爭做好準備。

最近，機器學習和人工智能的快速發展為改進美國防部（DOD）兵棋推演創造了越來越多的機會。本研究旨在利用現代框架、算法和云硬件來提高美國防部的兵棋推演能力，具體重點是縮短訓練時間、提高部署靈活性，并展示經過訓練的神經網絡如何為推薦行動提供一定程度的確定性。這項工作利用開源并行化框架來訓練神經網絡并將其部署到 Azure 云平臺。為了衡量訓練有素的網絡選擇行動的確定性，采用了貝葉斯變異推理技術。應用開源框架后，訓練時間縮短了十倍以上，而性能卻沒有任何下降。此外，將訓練好的模型部署到 Azure 云平臺可有效緩解基礎設施的限制，貝葉斯方法也成功提供了訓練模型確定性的衡量標準。美國防部可以利用機器學習和云計算方面的這些進步，大大加強未來的兵棋推演工作。

圖 4.1. 未來兵棋推演開發者與用戶在云和本地實例中的關系

人工智能（AI）在過去幾十年中取得了顯著進步。最近在深度學習和強化學習（RL）方面取得的進步使人工智能模型在各種視頻游戲中的表現超過了人類。隨著美國國防部（DOD）繼續投資開發用于兵棋推演和戰爭規劃應用的人工智能模型，許多方面都有了改進。

本研究調查了現代機器學習（ML）技術的應用，以提高兵棋推演的功效。這項研究表明，即使在沒有圖形處理器（GPU）的情況下，并行化也能大幅縮短 RL 問題的訓練時間，而且對平均得分的影響微乎其微。這一發現強調了并行處理框架對未來 RL 訓練工作的重要性。本研究利用 Ray 框架來協調 RL 訓練的并行化，并評估了兩種算法：近端策略優化（PPO）和重要性加權行為者學習者架構（IMPALA），包括使用和不使用 GPU 加速的情況。這項研究成功地表明，在保持總體平均性能的同時，訓練時間可以減少一到兩個數量級。

本研究的第二部分探討了將本地訓練的模型與本地環境解耦的實用方法，展示了將這些模型部署到云環境的可行性。采用的模型是利用開源框架開發的，并部署在微軟 Azure 云平臺上。這項研究成功地將訓練有素的 RL 模型部署到云環境中，并集成到本地訓練和評估中。

最后，本論文證明了貝葉斯技術可以集成到 RL 模型中，從而有可能提高人機協作的價值。這是通過將貝葉斯方法納入模型架構，并在運行時利用這些實施層的獨特屬性來實現的。這項研究取得了成功，并展示了如何將人工智能移動選擇的確定性措施合成并呈現給人類。

總之，這項研究強調了并行化的重要性，為基于云環境的訓練模型提供了概念驗證，并證明了將貝葉斯方法納入人工智能模型以改善人機協作的可行性，從而為推進 ML 和兵棋推演技術做出了貢獻。

新興技術的應用將對印度武裝部隊的表現起到關鍵作用。所有三個軍種都了解這些技術創新在現代戰爭中的重要意義，盡管各軍種的發展并不平衡。本分析概述了印度武裝部隊三個軍種在將人工智能（AI）、網絡技術和量子技術融入其生態系統方面所取得的進展。它評估了各軍種在方法上的差異，并探討了可能阻礙各軍種利用前沿技術的監管、體制和法律問題。

1 引言

各種新興技術都有軍事用途。本文探討了三項技術--網絡技術、人工智能（AI）和量子技術（QT）--及其在印度各軍種中的應用程度。雖然所有軍種都認識到了新興技術的重要性，但它們尚未充分利用這些技術的效用。

在具有軍事用途的新興技術中，網絡技術的應用最為先進。如今，各軍種對這一新興技術的認識甚至超過了十年前。與此同時，印度武裝部隊使用人工智能已有一段時間，其形式多種多樣，包括自主武器系統（AWS）和致命自主武器系統（LAWS）。在量子技術領域，三軍的努力仍處于起步階段，評估其對印度軍隊的影響可能為時尚早。

印度在這些新興技術的開發和應用方面可能起步較晚，但它正在不斷努力彌補不足。本分析報告并未深入探討網絡、人工智能和量子技術在進攻性任務和行動中的發展和應用。相反，它著眼于印度政府（GoI）為將這些技術創新融入各軍種而正在進行的能力、體制架構和新興投資。

本文前三節概述了印度軍隊三個軍種整合網絡技術、人工智能和量子技術的情況。第四部分研究了圍繞這些新興技術的現有法律法規，這些法律法規可能會影響這些技術在軍隊中的發展。本文隨后介紹了其他國家軍隊的經驗，最后概述了印度軍隊在整合這些技術時面臨的挑戰。

表 1：印度陸軍應用新興技術的相關結構

圖 1：印度空軍應用新興技術的相關結構

2 當前在武裝部隊中的應用

2.1 網絡技術

a. 海軍

印度海軍已開始在政府的本土化推動下集成軟件定義無線電 (SDR)。國防研究發展組織（DRDO）、先進計算和武器與電子系統工程開發中心（WESEE）以及巴拉特電子有限公司（BEL）正在合作為海軍開發 SDR。這些應用包括用于海軍固定和機動部隊安全無線通信的 SDR 海軍戰斗（NC）、SDR 戰術（Tac）、SDR 背包（MP）和 SDR 手持（HH）。2019 年，國有 BEL 還獲得了一份大額合同，向海軍交付 SDR，以幫助加強信息共享和態勢感知。海軍的 WESEE 與先進計算發展中心（C-DAC）合作，共同開發 SDR，并邀請 BEL 作為生產合作伙伴。此外，基于傳統系統硬件的通信正在被基于軟件的多波段、多功能和多任務平臺所取代。

WESEE 已達到 "軟件開發和維護項目能力成熟度模型集成（CMMI）3 級評級"。CMMI 是一種流程開發工具，用于改進流程和行為，通過降低軟件、產品和服務開發中的風險，幫助組織提高生產力和效率。美國國防部（DoD）在 CMMI 的開發過程中發揮了關鍵作用，所有國防部和美國政府的軟件開發合同都普遍要求采用 CMMI。WESEE 是印度唯一一家獲得 "開發和供應商協議管理 CMMI V2.0 3 級 "認證的國防機構。

印度海軍擁有自己的內聯網或加密網絡通信網絡，稱為海軍統一域（NUD）。NUD 主要是海軍的內部網絡，只運行高度規范或受控的數據，便于隔離和分析。為了維持 NCO 任務和一般和平時期任務的網絡，海軍擁有約 400 個設施，包括水下、水面、空中和若干岸上支持設施，這些設施通過局域網 (LAN)、廣域網 (WAN) 和城域網 (MAN) 相連。這些網絡由海軍企業廣域網（NEWN）提供靈活支持，其密集的光纖電纜遍布 30 個海軍基地。此外，海軍的桑查爾自動信息交換系統（SAMSS）促進了戰術信息的生成，將新德里作戰室與所有通信中心以及所有海上作戰中心的 ODOC 項目連接起來。其他系統也已投入使用，如計算機化行動信息系統（CAIS）、Saransh 潛艇作戰系統（SSCS）、先進輕型直升機戰術通信系統（ALH）、Trinetra 獨立和網絡安全系統（TSANSS）、類似于 ODOC 和 TMS 的戰術決策支持系統、武器裝備倉庫（WED）、船塢計算機化和網絡化（C&ND）以及綜合后勤管理系統（ILMS）。

海軍在 SDR 開發、責任區最佳或足夠的衛星覆蓋、遠優于全球網絡的加密系統等方面處于領先地位。此外，海軍還在量子網絡、量子密碼學、激光通信和超大容量無線網絡方面率先進行開發，盡管這些計劃可能需要十年才能取得成果。這使海軍成為第一個著手發展以網絡為中心的部隊或開展以網絡為中心的戰爭（NCW）的軍種。

前國防參謀長比平-拉瓦特（Bipin Rawat）將軍曾指出，海軍在網絡戰能力方面領先于空軍和陸軍。該軍種迅速將網絡技術的應用列為優先事項，以滿足其通信和決策支持需求。該軍種還投資改善其網絡安全，以防止在指揮層面、跨平臺、指揮總部和基地設施之間的通信受到敵對網絡入侵。

b. 空軍

空軍與海軍和陸軍一樣，也有一個內部網絡安全和網絡戰小組。空軍已開始采取措施，將和平時期和戰爭時期的需求數字化。空軍一直在采用數字技術，并認識到這些創新帶來的網絡安全要求。其內部開發機構--軟件開發研究所（SDI），可滿足與計算機軟件相關的各種需求。軟件開發研究所位于卡納塔克邦的班加羅爾，自 20 世紀 80 年代初以來，其工作重點一直是實現軟件驅動的集成以及將軟件嵌入飛機。SDI 的舉措滿足了現代軍事航空的各種需求和要求，包括航空電子設備、導航軟件、武器系統和傳感器。通過 SDI，空軍開辦了一個軟件工程師課程（SEC），其作用是開發和改進軟件航空電子設備，并將軟件驅動的集成武器納入平臺。

空軍過時的監測、監視和通信系統正逐步被更先進的數字化通信網絡所取代。貝爾公司開發的空軍網絡（AFNET）是空軍網絡系統的重要組成部分，2010 年啟動時構成了空軍綜合空中指揮與控制系統（IACCS）的第一部分。IACCS 依托于 AFNET，這是一個 500-Mbps 的高帶寬數字化加密通信網絡，取代了空軍舊有的 troposcatter 通信技術，是空軍 NCW 戰略不可或缺的一部分。空軍的數字化通信和數據傳輸依賴于 AFNET，該網絡整合了衛星通信（SATCOM）、廣域網（WAN）和互聯網協議（IP）。其固定和移動資產及設施通過廣域網--一個安全的通信網絡連接起來。

AFNET 的開放式結構還集成了先進的人機界面 (HMI)。決策者可通過無人機（UAV）和圖像情報（IMINT）從遠距離的中央設施或裝置即時獲取實時圖像。通過 AFNET，IACCS 將執行所有整合地面和空中傳感器、指揮與控制 (C&C) 節點和防空 (AD) 武器系統的行動。

與海軍一樣，空軍也對 SDR 進行了投資，以實現安全加密的雙向通信。部分 SDR 是進口的，但空軍已轉向從國內采購 SDR。作為 2015 年開始并延續到 2025 年的路線圖的一部分，空軍鼓勵發展本土國內產業。它一直在尋求各種技術，特別是網絡技術，但并不局限于此，以幫助改善整個作戰空間的飛機通信和網絡。26 空軍一直在尋求技術，尤其是網絡技術，以幫助改善整個作戰空間的飛機通信和網絡。根據路線圖，通信需求是為了滿足軍種對帶寬的巨大需求，并產生涵蓋語音數據、圖像和視頻傳輸的高數據率。作為路線圖的一部分，空軍計劃建立一個具有強大加密和解密能力的高安全性網絡。現任空軍司令 V.R. Chaudhri 在 2022 年指出，空軍正在與 DRDO、學術界和工業界合作，開發網絡和人工智能領域的利基能力。

c. 陸軍

陸軍雖然落后于其他兩個軍種，但在整合網絡技術和發展網絡戰能力方面采取了各種舉措。信號部隊（CoS）和信息系統總局（DGIS）構成了陸軍網絡能力的體制基礎。它們負責為網絡中心戰（NCW）和任何其他相關軍事任務和行動提供戰術和作戰層面的資源。雖然網絡中心戰（NCW）是兩個機構的重疊職能，但指揮中心主要負責基礎和高級培訓（見表 2）。指揮中心和信息情報總局還確保軍隊不同指揮中心之間的連接。軍事電信工程學院（MCTE）通過最先進的網絡靶場和網絡實驗室開展網絡戰培訓。

陸軍一些與網絡有關的通信和信息系統正在進行整合。在最高層，陸軍軍種總部和軍種指揮總部正在或已經實現數字化連接。正在整合的上層指揮中心包括戰術通信系統（TCS）、指揮信息與決策支持系統（CIDSS）、戰場監視系統（BSS）和戰斗管理系統（BMS）。在經過廣泛的用戶試用后，指揮信息與決策支持系統于 2011 年首次投入使用。有 58 個節點連接著陸軍的整個網絡系統，包括應用軟件、原動機、必要的硬件和掩體。然而，在戰術和作戰層面，基于網絡或數字化的連接仍是一個尚未實現的目標。

由于國防生產委員會（DPB）對網絡連接和應用的 BMS 部分不再感興趣，該部分已于 2018 年終止。DPB 負責構思和開發適用于戰爭和軍隊任務的所有技術創新。BMS 的終止打亂了數字化作戰部隊倡導者的努力。陸軍營級和戰斗群級單位本應納入 BMS 系統。32 陸軍的營級和戰斗群級單位本應整合到 BMS 系統中。然而，陸軍領導層認為沒有必要對 BMS 系統進行測試和實戰，因為他們認為該系統過于昂貴。

據估計，BMS 的總成本為 300 億印度盧比，截至本報告撰寫之時，陸軍尚未花費這筆費用。除了陸軍認為高昂的費用外，BMS 還應該為每個士兵配備一臺手持計算機，并將微型戰術計算機集成到每個戰斗群的總部、步兵戰車（IFV）和作戰坦克中。其目的是通過整合其他信息源，如地理信息系統（GIS）和全球定位系統（GPS），生成共同的作戰畫面。

在 BMS 的初始階段，由于錯過了 2012 年的最后期限，因此 BMS 的特點包括設備輕便、通過便攜式衛星通信向排一級傳輸遠程通信以及人體工程學。傳感器集成是實現 BMS 的關鍵。BMS 的總體目標是建立從傳感器到射手的緊密配合能力。從概念上講，它還能執行一系列任務，包括營級和戰斗群級的決策支持功能和作戰態勢感知。然而，BMS 還將每個士兵和作戰平臺連接起來，并通過 CIDSS 將營級和團級指揮官的最高層與戰術指揮、控制、通信和信息（TAC3I）系統連接起來，提供一個共同的集中作戰圖景（見表 1）。TAC3I 過去和現在都可能承擔整合陸軍戰術指揮系統的任務。BMS 連接著陸軍從最低層到最高層的各個部門，允許移動和高數據傳輸速率。然而，陸軍仍然受困于傳統通信時代，即以語音為中心，而不是以數據為中心。如果 BMS 投入實戰，它將大大改善高帶寬、遠距離通信。其網絡將有利于自我配置和定制的快速部署，并將持續滾動覆蓋和互操作性結合起來。BMS 實現后，將需要全點或網絡拓撲結構。

陸軍在通過云網絡實現自動化方面取得了進展。與其他兩個軍種一樣，陸軍也在購買用于安全雙向通信的 SDR，并已發出購買和實地部署 SDR 的招標書。然而，陸軍集成 SDR 的嘗試必須滿足 "便攜性 "的要求，并應充分小型化，以免影響步兵的機動性。

表 2：印度陸軍的主要新興技術培訓和研發機構

2.2 人工智能

這三項服務仍處于使用人工智能的早期階段。它們都存在一些同樣的問題，這些問題阻礙了它們對網絡技術的最佳利用。

a. 海軍

海軍已經有以半自動形式使用武器的歷史。例如，自 2020 年以來，海軍一直在使用無人機或無人駕駛飛行器（UAV），主要用于執行情報監視和偵察（ISR）任務。海軍使用的是 "搜索者 II "無人機，目前尚未獲得作戰無人機。目前，海軍在應用人工智能時需要考慮幾個方面，包括戰術數據鏈（TDL）系統、海域感知（MDA）和戰斗管理系統（CMS）。TDL 對海軍來說至關重要，因為海軍正在努力成為一支藍水部隊，它也是 2015-2030 年印度海軍本土化計劃（INIP）的組成部分。

除了利用通信技術的巨大進步外，還必須對人工智能進行投資，以建立一個可靠的 TDL 系統，連接分散在海上的所有海軍艦艇并實現互操作性。至少對海軍而言，其意圖是通過人工智能提高態勢感知水平。海軍意識到，融合傳感器數據可提高海軍作戰環境的準確性。海軍正在后勤、人力資源（HR）、船塢管理和培訓等領域探索應用人工智能。目前，這些領域仍然是人員密集型的，而人工智能的應用將為這些領域帶來更高的效率。印度海軍 "瓦爾蘇拉 "號（INS Valsura）試圖通過咨詢國際商業機器公司（IBM）、谷歌、Infosys 和塔塔咨詢服務公司（TCS）等多家技術公司來充分利用人工智能。

海軍還在為其新一代戰艦整合使用自動化技術，如綜合平臺管理系統（IPMS）。IPMS 將用于海軍新一代平臺的推進、發電和配電、輔助設備、損害控制、轉向和穩定的控制和監測。自動化 "智能 "不僅被植入中央處理器，還被植入海軍艦艇的各種設備中。前海軍軍官承認，人工智能和機器學習（ML）不可能替代人類，但它們可以提高人員的績效。人們對人工智能和 ML 的優缺點都有所認識。在培訓和吸收人工智能與 ML 技術方面，海軍正在努力在 INS Valsura 建立一個卓越中心（CoE），并于 2020 年在同一地點建立了一個人工智能與大數據分析實驗室（BDA）。海軍還成立了一個人工智能核心小組，負責監督人工智能計劃及其是否遵守規定的時間表。

除了這些舉措，海軍還與貝爾實驗室簽署了一份諒解備忘錄（MoU）。根據諒解備忘錄的規定，海軍和貝爾實驗室將成立一個技術孵化論壇（TIF），以開發人工智能、量子計算和機器人等新興技術。國防部（MoD）指出，該論壇的任務覆蓋面更廣： "TIF的廣泛章程包括武器和傳感器、信息技術以及人工智能和機器學習、量子計算、自主平臺/機器人、圖像處理和認知無線電等新興技術領域的技術開發"。

這項合作是在莫迪政府的旗艦項目 "Atma Nirbhar "倡議下進行的，該倡議旨在促進本土私營企業、初創企業和學術界之間的合作。因此，印度政府決定放棄以 30 億美元的價格從美國制造商通用原子公司（General Atomics）購買 30 架 "捕食者"（Predator）無人機（屬于 LAWS），轉而在國內開發這種能力。印度和美國仍有可能恢復購買 30 架 "捕食者 "無人機的交易，印度三軍各獲得 10 架。此外，印度還在開發人工智能，以提高本土航空母艦（IAC）戰斗管理系統（CMS）的性能，該系統有助于探測和應對威脅。它將大大改善 IAC 的傳感器到射擊環路。

b. 陸軍

陸軍在接受人工智能方面相對滯后。在內部，陸軍成立了陸軍技術委員會（ATB），以前隸屬陸軍訓練司令部（ARTRAC），現在隸屬于新德里陸軍總部的遠景規劃局（PP）。陸軍技術委員會與印度理工學院（IIT）、印度科學院（IISc）以及其他一些研發機構保持著密切的合作關系，以引進包括人工智能在內的新技術，滿足陸軍的需求。陸軍軍事電信工程學院（MCTE）在中央邦的 Mhow 建立了人工智能卓越中心（CoE）。陸軍正在采取具體措施應用人工智能。最近退休的陸軍參謀長（COAS）M.M. Naravane 指出，陸軍開發和應用人工智能的主要領域如下：態勢感知；傳感器融合；更快的決策；以及自主武器系統。他強調，如果要有效利用人工智能，就必須重新定位并改變陸軍的作戰理論、組織和結構。

表 3：DRDO 為印度軍隊開發的人工智能系統

2.3 量子技術

印度武裝部隊投資和應用最少的領域是量子技術。這并不奇怪，因為即使在技術最先進的邦，量子技術在戰爭中的應用也才剛剛興起。印度政府在 2020-21 年的國家預算中，首次為量子技術的研發撥款 8000 億印度盧比，為期五年。投資和應用領域包括 71 投資和應用領域包括："量子計算機和計算、量子通信、量子密鑰分發、加密、密碼分析、量子設備、量子傳感、量子材料、量子時鐘"。根據印度政府的量子技術任務，這項研發投資所產生的部分附帶利益有可能會幫助軍隊。軍方受益的具體領域包括：網絡安全、量子傳感和航空航天工程。DRDO 已經與位于德里的印度理工學院（IIT）合作進行了量子密鑰分發（QKD）鏈路的演示，利用商業光纖線路覆蓋了北方邦（UP）Prayagraj 和 Vindhyachal 之間 100 公里的范圍。

正如 2022 年 2 月的測試所證明的那樣，QKD 是當今最安全可靠的數據和代碼免于解密的方法，其中包括安全的軍用級通信。這與可被竊聽者截獲的傳統通信模式不同。量子加密涉及預先確定的符號或比特，只有兩個獲得授權的通信者知道并在通信中使用這些符號或比特；如果被竊聽者截獲，通信者可以知道有多少信息被泄露。如果通信被截獲，可以檢測到并更改代碼。如果要保持通過數字或網絡媒體發送的信息的完整性和保密性，作為密碼學關鍵要素的 QKD 就變得非常重要。

a. 海軍

海軍正在內部研發量子傳感器。量子傳感器對于探測潛艇至關重要，而海軍顯然熱衷于確保潛艇的安全。目前，公共和私營部門都在努力開發這一利基技術。

b. 空軍

空軍認識到量子技術的重要性。正如前空軍參謀長（CAS）Bhadauria 在 2020 年指出的那樣： "大數據分析、人工智能和量子計算等技術有可能在不久的將來被視為戰略作戰空間的推動者和破壞者"。然而，沒有證據表明該軍種正在這方面采取任何舉措。

c. 陸軍

陸軍正在這些領域開展研究。在新德里國家安全委員會秘書處（NSCS）的支持下，陸軍在 MCTE 所在的 Mhow 建立了一個量子實驗室。該實驗室將重點研究量子密鑰分發、量子通信、量子計算和后量子密碼學。83 將網絡、人工智能和量子技術相關的研發放在同一地點，以 MCTE 的形式在一個組織中孵化，這與海軍 WESEE 的努力不謀而合，WESEE 是海軍執行海軍任務的主要技術開發商。

隨著時間的推移，印度軍隊是否會利用量子技術并為特定任務量身定制，我們拭目以待。在撰寫本文時，印度軍隊的三個軍種還處于量子技術開發的初期階段。鑒于量子技術的前景及其與網絡安全的交叉性或適用性，未來很可能會像人工智能和網絡技術一樣進行大量重點投資。

3 監管框架的作用

3.1 網絡安全與技術

2000 年通過并于 2008 年修訂的《信息技術法》涉及網絡干預。幾年后，2012 年發布了《國家電子政策》，2013 年發布了《國家網絡安全政策》（NCSP）。然而，直到幾年前，除了成立印度計算機應急小組（CERT-IN）以及在邦一級和國防部隊成立類似組織外，還沒有為網絡安全做出協調良好、重點突出的努力。2000 年《信息技術法》第 1(2)條和第 75 條規定，印度與信息技術有關的法律適用于印度境內外，只要原因和行動屬于印度的領土管轄范圍。2000 年《信息技術法》的重點是賦予網絡商務權力和加強網絡活動，涵蓋網絡犯罪的某些有限方面。該法缺乏制定武裝部隊和網絡戰爭規則或條例的授權。

當務之急是提出一部《網絡安全法》，涵蓋與網絡有關的犯罪、違法行為、取證和治安等不同方面，并對開展網絡戰爭和在發生類似攻擊時進行防御作出授權規定。網絡安全法》應授權行政部門在發生網絡戰時采取適當行動，包括保護其先驅和前提信息技術基礎設施免受攻擊，發展威懾能力。針對印度對手開展進攻行動的能力也需要 "綜合國家網絡戰略"。

2013 年發布的《國家網絡安全政策》（NCSP）并未涵蓋網絡力量的創建和應用；印度武裝部隊的作用、組織、裝備和訓練，以執行網絡行動和網絡戰爭--這造成了國家安全方面的空白。新的網絡安全政策/戰略將超越 2013 年的迭代版本，其中可能包括一條更快的路線來實施網絡戰爭的初步概念。國家安全委員會秘書處負責協調和監督網絡安全問題，包括網絡外交。國家安全委員會的國家網絡安全協調員負責協調和協同網絡安全工作。2019 年成立了國防網絡局（DCyA），負責對武裝部隊進行網絡安全和網絡戰方面的培訓和裝備。DCyA 的主要目的是滿足印度武裝部隊在安全、進攻和防御任務方面的網絡需求。然而，它并不是一個執行全國所有網絡安全和戰略相關職能的傘式組織。印度有多個機構執行與網絡有關的任務、職能和使命（見表 4）。

表 4：印度的多元網絡組織

維韋卡南達國際基金會（VIF）在 2019 年的一份分析報告中指出，有必要制定一項 "網絡理論"，由民事當局和武裝部隊共同制定，以應對網絡安全挑戰，防止在其自身網絡中進行間諜活動。武裝部隊必須擁有網絡取證和調查網絡犯罪的資源。這些資源可作為三軍現有法律部門的補充資源。領導人必須熟悉 2000 年《信息技術法》（2008 年和 2011 年修訂），并了解現有法規，如互聯網名稱與數字地址分配機構（ICANN）（互聯網管理組織）制定的法規，以及《塔林手冊》和聯合國（UN）關于網絡戰爭和網絡干預的決議和審議。信息技術法》第 69 條授權政府官員對計算機資源中的任何信息進行攔截、監控和解密。2009 年 10 月 27 日公布了該條下的規則。這些規則沒有規定與網絡戰爭和防御或網絡戰爭起訴有關的任何情況，因此需要進行修訂。

在數據保護方面，任何政府都很難在發生竊取數據的網絡攻擊時，利用《憲法》第 352 條a 在網絡領域采取軍事行動。由于網絡安全狀況不佳，網絡攻擊頻繁發生，而印度又是數據盜竊的多發地，因此現行憲法條款中沒有任何具體規定允許采取應對措施。第 352 條既沒有包括網絡戰爭在內的具體條款，也沒有包括政府援引《憲法》訴諸網絡戰爭和實體戰爭的任何條款。

不執行第 352 條，啟動所有適當措施，包括有限的網絡戰爭和網絡防御，而不訴諸宣布緊急狀態，可能最符合國家利益。不過，在某個階段，政府可能會考慮對任何網絡攻擊做出正式回應，無論是否使用第 352 條。在網絡戰爭或網絡攻擊爆發引發緊急狀態的情況下，可以援引《印度憲法》第 51A 條，并在 c 節中明確要求 "維護和保護印度的主權、統一和完整 "和 d 條 "保衛國家并在需要時為國家服務 "的規定，招募技術人員并提高國家的網絡能力，以保護印度的網絡主權。

第 51A 條說： 擬議的《網絡安全法》有助于推動印度簽署《網絡犯罪公約》或《布達佩斯公約》，在國際層面遏制網絡犯罪。布達佩斯公約》制定于 2001 年，旨在打擊網絡犯罪。一些國家，如南非和厄瓜多爾，已經調整了其國內法律，使之符合《布達佩斯公約》的標準和要求，而其他國家則反對這樣做，如印度。要求印度簽署《布達佩斯公約》的壓力已經很大，但印度一直拒絕簽署。在國際層面上，印度最多同意由聯合國牽頭打擊網絡犯罪。

這就涉及到網絡武器的開發問題，時任國家網絡安全協調員（NCSC）的拉杰什-潘特（Rajesh Pant）中將明確排除了出口和進口網絡武器的可能性。他提請注意印度與聯合國 "在國際安全背景下促進網絡空間負責任國家行為政府專家組（UNGGE）"達成的協議，其中規定了網絡武器進出口的規范。"軟件 "在印度外貿總局管理的《特殊化學品、生物體、材料、設備和技術（SCOMET）軍火清單》第 6 類第 6A021B 條中定義和管理如下： (1) 專門設計用于軍事用途和專門設計用于軍事武器系統建模、模擬或評估的 "軟件"； (2) 專門設計用于軍事用途和專門設計用于軍事行動場景建模或模擬的 "軟件"； (3) 用于確定常規武器、核武器、化學武器或生物武器效果的 "軟件"； (4) 專門設計用于軍事用途和專門設計用于指揮、通信、控制、計算機和情報（C4I）應用的 "軟件"。

然而，盡管 2015 年制定了網絡空間良好和負責任行為規范的子集，但UNGGE卻陷入困境，因為俄羅斯等在 2017 年退出，實際上擱置了它們早先達成的協議。即使印度不出口或進口網絡武器，也沒有任何規定禁止該國發展網絡武器。因此，政府也有必要保留保護可能參與使用網絡武器的網絡人員或部隊的權力，而無需向公共領域的任何人做出任何解釋。有必要加強 1973 年《刑事訴訟法》第 197 條，該條規定，除非事先征得政府同意，否則不得指控政府雇員在以官方身份履行保護印度聯邦的職責時犯罪。

3.2 人工智能

目前還沒有專門針對人工智能、大數據 (BD) 和 ML 的法律。印度也沒有關于 "人工智能 "的法律定義。2018 年，政府發布了兩份人工智能路線圖--即由工商部組建的人工智能特別工作組發布的《人工智能特別工作組報告》和 Niti Aayog 發布的《國家人工智能戰略》。根據《2022 年全球法律洞察（GLI）報告》，政府的首要任務是促進人工智能及其在醫療保健、電子商務和國防等各個領域的應用。然而，正如互聯網與社會中心（CIS）所指出的那樣，Niti Aayog 關于人工智能的報告：在發布之前缺乏對其建議的充分公開審查，在不了解人工智能應用如何在各行各業發揮作用以及它們在多大程度上影響各行各業的情況下提出了建議。

盡管 Niti Aayog 報告強調了人工智能對公共政策的重要性，但報告并未涉及印度特有的社會和部門挑戰。此外，考慮到印度現有的大數據量，市場競爭會受到嚴重影響。亞馬遜和 Flipkart 等電子商務領域的大公司很可能會壟斷該行業，因為它們可以非同一般地了解消費者的偏好，而且開發復雜的自學計算機算法的成本很高。印度競爭委員會（CCI）并不阻止競爭者之間應用人工智能復制壟斷，競爭者可以通過合謀提高或降低產量并決定市場價格，從而抬高集體利潤。印度法律并不認為人工智能的應用會助長競爭者之間的串通，成為市場優勢和壟斷的來源。目前，印度尚無法律規范人工智能在民用和商業領域的應用，更不用說針對印度國防軍的法律了。

沙希-謝卡爾-文帕蒂（Shashi Shekhar Vempati）在其 2016 年關于印度人工智能革命的論文中認為，印度必須將機器智能視為其國家安全戰略的關鍵要素。例如，美國和日本將人工智能視為雙邊關系的重要組成部分。美國和印度最近達成的 "關鍵與新興技術倡議"（iCET）是朝著在人工智能領域建立雙邊合作的方向邁出的重要一步。然而，印度和美國在大數據和數據保護方面存在相當大的分歧。至少從 2019 年起，《個人數據保護法案》（PDPB）將提交人民院（議會下院）審議，該法案旨在解決 "個人數據和敏感數據的所有方面 "問題，以及這些數據是否應留在印度境內以及哪些數據可存儲在其他地方的問題。即使數據確實流出了印度，該法案也將考慮出口數據的副本是否應保留在印度境內。

除立法外，印度政府還必須制定一項國家戰略，把握可能產生長期戰略影響的新興技術趨勢。印度必須認真評估國防高級研究計劃局（DARPA）與私營部門和學術界合作開展國防研究的模式，以創造規模足夠大的軍民兩用技術，從而開發民用技術應用。具體而言，需要對國防高級研究計劃局（DARPA）的網絡大挑戰模式進行研究，以成功激勵學術界和私營部門。隨著人臉識別、無人機監控（UAS）和自動駕駛汽車等人工智能技術的出現，印度的監控法律需要重新審視--這些技術為各邦提供了新的監控途徑，并對言論自由和集會權等公民權利產生影響。各部門的保護措施可以補充和擴大國家隱私立法中所表達和規定的基本保護措施。

互聯網與社會中心（CIS）在評論國家工業技術研究院（NITI Aayog）的文件《國家人工智能戰略》時指出，印度目前的知識產權（IP）制度并沒有為人工智能的研究和應用提供足夠的激勵。專利法》第 3(k)條允許算法免于申請專利，而《計算機相關發明（CRI）指南》也引發了爭議，因為在沒有硬件組件的情況下，只有軟件可以申請專利。NITI Aayog 的文件對是否應允許算法專利，以及如果允許，允許到什么程度等實質性問題保持沉默。

還需要在《CRI 指南》或《專利法》中對人工智能算法和非人工智能算法進行標準化區分。印度政府必須優先發展激勵和鼓勵人工智能創新的知識產權框架。印度的版權法與為閱讀、觀看和聆聽人類創造性工作而創建或訓練的人工智能系統相抵觸。事實上，與《2000 年信息技術法》第 66 條一并解讀的第 43 (a) 條將使復制創意作品的現有人工智能算法承擔侵權責任。

4 其他國家的經驗教訓

4.1 中國

中國正在關注人工智能在軍事領域的研發和應用。這得益于《國家安全法》（2015 年）和《國家情報法》（2017 年）等法律，以及《新一代人工智能發展規劃》等舉措，并推動軍民融合，使中國所有參與人工智能開發的國家和私營部門實體同步發展。過去，中國主要通過所謂的 "長城防火墻 "來控制國內的互聯網接入。自 2015 年 7 月以來，中國政府實施并起草了一系列關于互聯網控制和國家獲取私人數據的法律。網絡安全法》第 37 條要求關鍵領域的網絡運營商將其積累或生產的數據存儲在國內。

此外，該法還要求在中國境內積累的商業信息和中國公民的數據必須存儲在國內服務器上，未經許可不得傳輸到國外。該法還禁止出口任何可能造成國家安全威脅或損害公共利益的經濟、技術或科學數據。中國網絡空間管理局（CAC）于 2016 年 12 月發布了首個《國家網絡安全戰略》，重申了中國在網絡空間發展和安全方面的立場和建議，為中國的網絡安全工作提供了指導。該戰略旨在將中國建設成為網絡強國，同時促進網絡空間安全、開放、有序，維護國家主權。該戰略認為，網絡安全是 "國家主權的新領地"，是行使和系統管理網絡控制權的基礎。

4.2 俄羅斯

俄羅斯對量子計算進行了投資，主要是在俄羅斯量子中心，但其投入的資源遠不及美國等其他國家。這在一定程度上與 20 世紀 90 年代以來俄羅斯科研能力的整體下降有關。據了解，弗拉基米爾-普京總統增加的研發支出僅占俄羅斯國內生產總值（GDP）的1%，2018年用于基本科學研發的撥款為1870億蘭特（約合30億美元）。

量子信息科學領域的最新全球突破并非俄羅斯研究人員的成果。美國擔心的是與中國的 "量子差距 "越來越大，而不是來自俄羅斯。俄羅斯總統就本國人工智能的發展發布了一項法令。該國家戰略為增強該國的人工智能專業知識、教育計劃、數據集、基礎設施和法律監管體系制定了五年和十年基準。有證據表明，俄羅斯將繼續推進其 2008 年國防現代化議程，要求到 2025 年實現全國 30% 軍事裝備的機器人化。莫斯科于 2019 年 12 月宣布，計劃在五年內投資 7.9 億美元用于量子研究，俄羅斯量子技術路線圖就體現了這一點。并非所有這些舉措都與軍事有關，關于俄羅斯如何將這些技術應用于軍事的公開信息也很少。正在進行的俄烏戰爭可能會阻礙、束縛或至少推遲量子技術在民用和軍用領域的投資和應用。

4.3 巴西

2018 年首個國家網絡安全戰略》（又稱 "E-Ciber"）是巴西首次系統性地嘗試制定涵蓋不同部門和整個巴西社會的網絡安全整體觀點。該戰略試圖建立一種網絡安全文化，明確傳達政府在未來幾年的作用和號召力。國家網絡安全法》很可能隨后出臺。巴西政府將網絡安全視為信息和通信安全的一部分，其中包括網絡防御、實體安全和組織數據安全等概念。

2005 年的《國防政策》首次提到網絡空間是國家安全的一個戰略領域，2008 年的《國防戰略》將其具體化。在隨后的十年中，網絡安全和國防的軍事化進程由此開始。從那時起，國防部（MoD）的年度預算中就撥出了大筆資金，用于建立網絡防御軍事系統，包括但不限于網絡防御中心（CDCiber）和巴西網絡防御司令部（ComDCiber）。例如，2014 年《網絡防御軍事理論》將 "網絡防御定義為保護國家信息系統、為國家情報目的收集數據以及破壞對手信息系統的一系列進攻性、防御性和探索性行動"。將內容監管與網絡安全混為一談，有可能導致 "GSI（網絡安全）、武裝部隊（網絡防御）和聯邦警察（網絡犯罪）的角色和職責 "更加混亂。盡管三者應繼續確保在事件響應中更好地協調，但更大的混亂不僅會加劇 E-Ciber 所強調的三個裂痕，而且在制定《國家網絡安全法》的背景下也會被證明是有風險的。

巴西推出了一項新的人工智能戰略，旨在平衡新興技術的道德應用，同時促進該領域的研究和創新。經過 2019 年 12 月至 2020 年 3 月期間的公眾審議和參與，該戰略制定了六個目標： "制定指導負責任地使用人工智能的道德原則；消除創新障礙；改善政府、私營部門和研究人員之間的合作；發展人工智能技能；促進技術投資；推動巴西科技走向海外"。

5 結論

印度武裝部隊正準備將新興技術納入各軍種。然而，海軍面臨著一些挑戰，特別是缺乏足夠的人工智能方面的人才，無法可靠地確定應用領域。海軍仍然缺乏數據科學人才和技能，其他兩個軍種也同樣如此。各軍種都缺乏訓練有素的人員來開展攻防網絡行動。隨著海軍與 Indraprastha 技術學院等文職機構簽署諒解備忘錄，并開設了數據科學碩士課程，這一缺口正逐步得到彌補。然而，適用于海軍需求的人工智能相關舉措必須從海軍內部產生，而不是從外部專業人士那里獲得。海軍目前正在解決其中的部分問題。

就陸軍而言，盡管印度理工學院（IIT）和印度科學院（IISc）等印度技術機構的學術界對國防相關研究表示出極大的興趣和熱情，但他們在孵化基于人工智能的研究方面收效甚微。不過，陸軍在 MCTE 下對人工智能、網絡和量子技術綜合研發的孵化有望取得成果。陸軍信號兵團（CoS）通常被認為是計算機科學專業知識的主要寶庫，由于它與人工智能領域密切相關，一些人認為，信號兵團必須成為開展人工智能相關研究的牽頭實體。其他組織，如陸軍信息系統總局（DGIS）有一大批非專業軍官，他們被派往信息系統總局工作，任期有限，幾乎沒有專業知識。印度三軍的所有內部研發中心，如空軍的軟件開發研究所（SDI）、海軍位于 INS Valsura 的 CoE 或陸軍的人工智能中心（CAI）或位于 Mhow 的 MCTE 的量子實驗室。

本報告調查了對抗性機器學習 (AML)，即研究基于機器學習 (ML) 的人工智能系統弱點的研究方法。近年來，機器學習，尤其是深度學習 (DL)，在圖像分類、自然語言處理和自主代理等多個領域取得了快速進展。因此，深度學習在軍事環境中也很受關注。然而，隨著進步，人們對 AML 方法的興趣不斷增加，新的攻擊變體不斷發布。實際上，所有 DL 系統在某種程度上都容易受到影響，無論是混淆它們、避免被它們檢測到，還是提取它們可能持有的秘密信息。從軍事角度來看，重要的是要意識到這種利用的可能性，無論是針對自己的人工智能系統還是針對對手使用的系統。

該報告概述了AML研究，然后展示了針對不同類型人工智能系統的一系列攻擊方法：

• 圖像分類系統中毒，使軍用車輛避免被發現；
• 可以從大型生成模型中檢索秘密信息的提取攻擊；
• 對抗性策略攻擊，其中對手的行為方式使自主智能體感到困惑。

每個案例都描述和討論了攻擊并評估了實施。本報告的重點是攻擊。雖然在適用的情況下簡要討論了針對 AML方法的防御，但后續報告的主題是對AML防御的更深入研究。

關鍵詞：人工智能、機器學習、深度學習、深度神經網絡、欺騙、網絡攻擊、攻擊向量、漏洞、對抗樣本、數據中毒、數據提取、對抗策略

引言

深度學習 (DL) 的出現將智能計算機軟件的性能和能力帶入了新的性能水平。將基于 DL 的軟件嵌入軍事指揮、控制、通信、計算機、情報、監視和偵察 (C4ISR) 系統中，有可能徹底改變創建準確及時的共同作戰圖 (COP) 的能力，從而使軍事決策過程可以比以往任何時候都更快、更精確地執行。從長遠來看，深度學習還可以用于在遠遠超出人類能力范圍的復雜戰爭環境中制定軍事計劃。

然而，由深度神經網絡 (DNN) 實施的基于 DL 的軟件容易受到各種威脅或網絡攻擊。這些是在對抗性機器學習 (AML) 研究領域研究和開發的。這些攻擊可能被用來欺騙決策者、降低系統性能、降低最終用戶信任度，甚至從系統中提取（即逆向工程）敏感的軍事數據。圖 1.1 展示了一個典型的 AML 攻擊示例，其中目標是用于對圖像內容進行分類的 DNN。在這種情況下，DNN 能夠正確地識別出圖 1.1a 中的原始圖像包含一架戰斗機，幾乎是絕對確定的。圖 1.1b 中的惡意圖像是通過在原始圖像上應用 AML 技術創建的，能夠欺騙相同的 DNN 將輸入分類為西伯利亞雪橇犬而不是戰斗機。在這種情況下，攻擊是有效的，盡管人眼無法察覺。

圖 1.1 – 使用 AML 的樣本攻擊。在這種情況下，目標是由 DNN 表示的圖像分類系統。圖 1.1a 顯示 DNN 能夠以近乎完美的確定性將良性（非操縱）輸入正確分類為戰斗機。圖 1.1b 顯示了使用 AML 技術創建的經過處理的圖像。被操縱的圖像成功地欺騙了 DNN，將輸入分類為西伯利亞雪橇犬而不是戰斗機。

據我們所知，AML 尚未被對手或高級持續威脅 (APT) 參與者用來瞄準和攻擊嵌入在現實世界軍事系統中的基于 DL 的軟件。然而，研究團隊和安全專家不斷證明，針對依賴 DL 來實現尖端性能廣泛應用程序的攻擊是可能的 [1]。例如，小心地替換句子中的單詞可能會導致語言模型對情緒進行錯誤分類 [2]。自動駕駛汽車使用的交通標志和車道檢測系統可以通過分別在標志和道路上貼上標簽來攻擊 [3, 4]。轉錄服務可能會被注入精心設計的噪聲所誤導，迫使系統將語音轉換為任意文本 [5、6]。因此，假設基于 DL 的軟件將在未來的 C4ISR 支持系統中普遍使用，預計對手和 APT 最終將利用這些漏洞來欺騙、拒絕訪問或收集情報。

1.1 目標與范圍

本報告的目標是：(1) 概述迄今為止 AML 研究領域中已確定的攻擊向量，(2) 根據經驗估計這些攻擊的子集在軍事環境中的有效性，以及最后 (3) 提供見解并討論 AML 在何種程度上是深度學習在現實世界軍事應用中的現實和嚴重威脅。

盡管 AML 適用于任何基于 ML 的系統和算法，但本報告重點關注基于 DL 的 ML 系統。此外，本報告將重點關注攻擊。在 AML 研究領域提出和開發的防御機制將在未來的工作中涵蓋。最后，我們將范圍限制在與指揮和控制 (C2)、情報、監視和偵察相關的 DL 應用。

1.2 目標讀者群

本報告的目標讀者是操作、獲取或開發軍事系統的人員，這些系統使用或嵌入了 AI、ML 和 DL 技術。

1.3 閱讀說明

本報告假定讀者具有有關 ML 和 DL 概念的基本知識，例如監督學習、強化學習、損失函數、梯度下降和反向傳播。

1.4 提綱

第 2 章介紹了 AML，并介紹了用于對本報告中的攻擊進行分類和比較的分類法。第 3 章介紹了從軍事角度來看可能具有相關性的已知攻擊方法的三個案例研究。實施和評估這些方法。第 4 章總結了報告，討論了 AML 在現實世界中的適用性，包括在軍事領域。

案例研究

本章提供了三個案例研究，探討了針對基于ML的系統的不同類型攻擊。在每種情況下，從AML文獻中選擇一種攻擊方法，并從軍事角度實現或測試。評估了攻擊的有效性，然后討論了實際考慮因素。選擇這三個案例研究是因為它們與軍事領域的潛在相關性，涵蓋了廣泛的攻擊，并說明了各種ML應用和方法。

第一章以欺騙深度神經網絡將戰斗機圖像誤認為是狗的例子開始。雖然將軍事裝備隱藏在顯眼的地方有明顯的吸引力，但介紹性的例子是高度理想化的。實際應用面臨的一個障礙是，攻擊僅限于數字領域:操作是在數字圖像本身上進行的，也就是說，在戰斗機被拍攝后的一個階段。如果圖像是由對手創建的(例如，飛機是由監視攝像機拍攝的)，那么操縱圖像將需要深入訪問敵人的系統。這是不太可能的(如果是，更簡單和更健壯的攻擊變得可行，例如消除圖像或阻止其記錄)。此外，雖然關于目標深度神經網絡的黑盒知識足以計算所需的圖像修改(例如，觀察分類標簽結果[18])，但在實踐中，即使是這種知識也無法預期。

因此，第3.1節中的第一個案例研究調查了數據中毒。這種攻擊的目的與前面的示例相同:通過欺騙敵人的DNN，使其對車輛進行錯誤分類，從而使軍用車輛(在本例中為坦克)逃避檢測。盡管方法也很相似，但是中毒攻擊解決了介紹性示例的實際缺點。

圖3.2 -僅使用正確標記的訓練圖像和直到測試時間才顯示的隱藏觸發器的數據中毒攻擊。在這個圖中，所有打補丁的坦克圖像都用紅色標出，而所有中毒的汽車圖像都用黃色標出。

第3.2節將范圍擴展到通過數據提取對語言模型的攻擊。語言模型是在廣泛的文本語料庫(通常是數十億個單詞)上訓練的非常大的dnn，在某種意義上能夠“理解”(書面)語言。它們引起了自然語言處理的范式變化，在許多任務中設定了新的基準[26]，并因其生成文本的能力而獲得了媒體的廣泛關注[27]。事實上，即使在編寫本報告期間，也取得了顯著的進展，例如，ChatGPT系統的提出。語言模型正在不斷接近人類的自然語言處理水平，它們對社會幾乎所有方面的潛在影響和后果，包括軍事應用，目前很難預測。除了機會之外，它們也帶來了風險，例如，它們可能會將敏感信息暴露給對手。第3.2節中的案例研究調查了這種形式的對抗性提取攻擊的可行性。

圖3.5 -兩種語言模型的微調過程，展示了數據和最終的微調模型之間的細微差異(左為FTorig，右為FTpatch)。請注意，Dpatch的補丁文章約占CC新聞數據集總數的24%，即剩余的76%與未修改的數據集相同。

第3.3節研究了對通過強化學習訓練的模型的攻擊。這種模型通常用于無人駕駛車輛、機器人、游戲等領域的自主智能體。它們不是在一組固定的例子上以監督的方式訓練的。相反，智能體用一個獎勵函數來評估它的情況，并選擇一個獎勵最大化的行動過程。雖然這種操作模式為智能體提供了處理現實世界的靈活性和彈性，但它們仍然容易受到攻擊和欺騙，正如本案例研究將在基于強化學習的各種系統上展示的那樣。

圖3.10 -來自[51]的四個零和模擬機器人博弈的示例，用于評估對抗性策略[49]。

圖3.11 -“你不能通過”的博弈序列，敵對的對手(紅色)應該阻礙受害者(藍色)到達終點線。上面的四個數字顯示了一個普通的智能體是如何鏟斷對手的。下面的四個圖形顯示了敵對的對手如何使受害者在沒有任何接觸的情況下摔倒在地[49]。

本研究結論

對抗性機器學習在科學界引起了越來越大的興趣，每天都有關于新的攻擊變體的論文發表。幾乎任何形式的機器學習都容易受到某種類型的AML的影響，正如本報告通過攻擊方法的示例所證明的那樣。隨著越來越多的應用程序采用深度學習，攻擊的機會和潛在的回報也在增加。例如，圖像識別模型正以某種形式用于與敵方相關的情況，無論是民用還是軍用:機場和體育場開始采用人臉識別以各種原因拒絕個人進入[58]，為上述個人應用AML來逃避系統提供了動機。軍用車輛在衛星圖像上的自動探測已經研究了幾十年，避免敵方衛星的這種探測顯然是任何軍隊都感興趣的。

然而，這些攻擊在很大程度上仍停留在學術界的實驗階段。已知很少有針對實際部署的深度學習系統的真正攻擊發生，也就是說，沒有得到深度學習系統操作員的同意，并且目標不僅僅是測試攻擊方法的可行性。可能的原因有很多:這種攻擊可能很少見，因為它們很難執行，或者潛在的目標還不多。攻擊可能很難被注意到(可以說逃避攻擊的主要目的是不被注意到)。攻擊者不太可能公布成功的攻擊，甚至受害者也可能認為保持沉默而不是進一步暴露自己的弱點是明智的。

盡管如此，一些攻擊已經傳播到公眾。Stable Diffusion[59]、DALL·e2[60]和Midjourney等生成圖像模型可以基于文本提示創建圖形。這使得他們在社交媒體上很受歡迎，但也引發了藝術家們的批評，他們懷疑他們的作品被用作訓練數據。2023年2月，媒體公司Getty Images對Stability AI提起訴訟，指控其未經許可使用Getty目錄中的受版權保護的庫存圖像訓練其Stable Diffusion模型。通過對Stable Diffusion的提取方法獲取證據，發現AI系統生成的圖像與Getty擁有的圖像具有很高的相似性，包括該公司的水印[61]。

針對語言模型的快速攻擊是一種更有趣的攻擊，仍然受到媒體的廣泛關注。這種類型的攻擊是一種簡單的提取變體，其目標不是訓練數據，而是隱藏的輸入指令。對于像ChatGPT這樣的大型語言模型，操作人員可能希望在沒有任何微調階段的情況下快速調整模型以適應某些應用程序。相反，對話只是在語言模型的文本指令之前，這些指令會影響它在與用戶對話過程中的行為，例如模型應該使用什么名稱，以及要展示什么樣的個性。這些指令通常不會顯示給語言模型的用戶，但好奇的用戶已經能夠讓模型暴露它們，例如通過告訴模型“忽略之前的指令”，從而覆蓋任何隱藏的指令，而不顯示隱藏的指令，然后問“上面文檔開頭寫了什么?”“[62]

這種由人群發起的攻擊雖然相對溫和，但表明評估人工智能系統對“AML”方法的穩健性很困難，更不用說實際防御它們了。這兩個挑戰都將成為該項目的未來報告的主題。

然而，從攻擊者的角度來看，情況可能至少同樣困難。很少有人工智能系統像上面的模型一樣具有公共接口，可以進行實驗。在防御環境中，攻擊者通常只有有限的機會研究目標系統，而傳統障礙(網絡安全和物理安全)可能構成與各種AML方法固有困難一樣多的挑戰。3.1節中描述的投毒攻擊是一種旨在繞過安全措施的方法，利用訓練數據的稀缺性誘使對手自己投毒他們的系統。未來的攻擊也有可能將AML與更傳統的方法(例如社會工程)結合起來。

隨著人工智能的日益普及，對攻擊方法的研究必然會增加。隨著人工智能使用的增加，對這一新領域的持續警惕和研究對于識別新出現的機會至關重要，但也要意識到自身的脆弱性。

這份混合型工作文件討論了太空領域如何在正在進行的烏克蘭戰爭中被使用并受到影響。可以說，空間領域在以前的任何沖突中都沒有以如此多變的方式被使用過，因此為西方國家提供了一個重要的學習機會。本文的重點是混合威脅、工具和行為者，它提供了對已實現和預測的影響的全面分析，包括空間領域和其他混合威脅領域之間的聯系。對空間基礎設施的攻擊和混合威脅可以產生非常廣泛的影響，因為現代社會嚴重依賴基于空間的能力。例如，針對衛星系統的系統性網絡攻擊可以阻止信息共享，并對能源和運輸部門造成干擾。有幾個經驗教訓：1）眾包態勢感知的力量已經在戰爭中得到證明。來自平民百姓的信息已被用于支持戰場上的行動。2）俄烏戰爭為基于衛星的技術鋪平了道路，使之成為軍隊和平民百姓都能輕易獲得的日常工具。這場戰爭已經證明，擁有空間能力并不像獲得它們那樣關鍵，正如對一些最重要的商業行為者的審查以及他們的服務在沖突中的使用情況所顯示的那樣。3) 商業空間資產在軍事行動中的使用正在模糊戰爭中軍事和民事行為者之間的界限。4) 衛星技術的發展及其使用也促進了可用于軍事目的的新能力組合。戰爭對空間環境和大量國際空間計劃造成的一個主要威脅是國家間合作精神的退化。這方面的一個明顯的后果是越來越多地通過每個國家自己的國家或區域活動來確保主權的工作。

俄羅斯自2022年2月24日以來對烏克蘭的戰爭被描述為第一場 "兩面空間戰爭"。空間領域已經以一種更加敏捷和靈活的方式被使用，并與其他混合威脅領域相聯系。特別是，商業和私人資源在利用空間領域方面的重要性得到了強調，而國際空間合作也因戰爭而經歷了重大挫折。俄羅斯正在發展反衛星能力以及電子和網絡武器，而西方國家正在重新評估其安全優先事項并制定空間戰略。不斷變化的空間威脅、新的空間現象、雙重用途的能力，以及天基能力對社會重要功能的日益關鍵性，塑造了空間領域的伙伴關系和協作。同時，目前的全球空間治理框架在管理空間活動和空間安全方面是不充分和無效的。這為混合行動留下了機會，并使在空間尋求一致的反措施變得復雜。

混合威脅可被定義為協調和同步的行動，這些行動故意針對民主國家或機構的系統脆弱性，以達到戰略目標并創造預期的效果。行動通常是在多個領域進行的，而且敵對行為者也可以以創造全新的脆弱性為目標。空間領域對敵對行為者來說是一個誘人的目標，因為西方社會對天基系統的依賴比以往任何時候都大。空間領域與空中領域相互連接，這很容易造成連帶效應。天基系統也可以通過地基系統受到干擾和破壞。

混合威脅被認為針對13個不同領域，即基礎設施、經濟、情報、信息、網絡、外交、政治、文化、社會/社會、法律、軍事/國防、空間和行政。影響空間領域的混合威脅工具包括，例如，針對基礎設施的實際行動、創造和利用基礎設施的依賴性、外國直接投資、工業間諜、網絡間諜、網絡行動和電子行動（例如，干擾和欺騙）。利用法律中的門檻、不歸屬、差距和不確定性也是可能的，還可以利用法律規則、程序、機構和論點。作為對混合威脅工具的回應，也可以利用空間領域來創造對混合威脅的復原力，并作為適當反措施的平臺。

這份混合型共同利益工作文件著重于以下研究問題：

1）在俄烏戰爭中，空間領域是如何被使用的？

2. 空間領域是如何與其他混合威脅領域聯系起來的，以及使用了什么樣的工具？

3. 哪些服務已經成為目標，產生了什么樣的影響？

4. 誰是沖突中與空間領域有關的主要行為者？

5. 哪些空間能力已經被用來對付混合威脅？

6. 對混合型歐洲共同體的參與國有什么影響？

本文的結構如下。首先，作者介紹了天基服務以及它們如何在俄烏戰爭中使用。隨后討論了在戰爭中利用空間領域進行混合威脅活動，以及針對混合威脅的反措施。提供了使用空間領域的主要例子，并闡述了與其他混合威脅領域的聯系。還強調了選定的商業行為者和服務的作用。最后，提供了結論和建議。

俄烏戰爭期間使用的天基技術

衛星技術在現代社會中的應用很多，往往是看不見的。衛星是一個重要的基礎設施，使電信、交通、金融系統和能源網絡能夠可靠地運作。例如，衛星提供天氣數據，來自偏遠地區的新聞，以及開車或做運動時的定位服務。典型的衛星服務被分為四個主要領域，包括（1）定位、導航和定時（PNT）服務，（2）通信，（3）遙感，以及（4）科學和探索任務，通常旨在探索外層空間，與前三類相比，主要是為了支持地球上的生命。

軍事衛星服務包括衛星通信和PNT這樣的服務。監測能力用于以下服務：（1）導彈預警系統，（2）環境和天氣信息，以及（3）情報、監視和偵察（ISR）。軍事空間行動還包括將衛星發射到軌道上并操作它們，以及了解空間態勢。后者包括空間氣象服務，對衛星和其他空間物體運動的探測和建模，以了解對手能看到什么和做什么，以及探測對衛星的威脅（如空間碎片或導彈）的能力。空間技術是一項重要的輔助技術，通過提高部隊的機動性、協調性和行動的準確性，為提高部隊的表現提供了手段。因此，空間沖突被Szymanski定義為 "所有關于拒絕衛星對地球上的軍事力量或平民的支持--不是簡單地為了破壞而消除衛星系統"。

自俄烏戰爭開始以來，基于空間的服務在戰爭中發揮了不可或缺的作用。俄羅斯入侵烏克蘭的影響已經擴散到空間領域，影響了國際空間合作和空間服務的使用方式。所有上述能力都被積極利用，商業公司在支持軍事行動和民用需求方面發揮了越來越重要的作用。諸如HIMARS這樣的GPS制導武器已經被用來非常精確地打擊目標。基于衛星的監測已使戰場可能成為歷史上最透明的戰場。在戰爭中利用空間并不意味著你需要擁有自己的衛星。正如在俄烏戰爭中所證明的那樣，人們可以利用公共和商業衛星，以及盟友提供的服務。空間活動已經變得越來越商業化，今天90%以上的發射都是商業衛星。截至今天，所有軍隊都采用商業衛星服務作為其行動的一部分。烏克蘭部隊在其行動中使用了來自Starlink等公司的服務。衛星技術的一個重要用途是通過分享俄羅斯軍事車隊、建筑、飛機部署和其他關鍵事件的衛星圖像，在全球提高公眾對烏克蘭局勢的認識。這也突出了空間在情報和信息領域的重要性，無論是對于戰爭中的侵略者還是防御者。

空間領域的軍事存在和行動在未來可能最終擴展到摧毀天基基礎設施。俄羅斯已經展示了這種能力，在2021年11月的反衛星導彈試驗中拆毀了一顆衛星。可以說，最重要的太空目標將是直接向遠程軌道上的其他衛星轉發數據和指令的衛星，使它們成為關鍵太空系統的扼制點。對于沒有廣泛的世界性衛星地面控制站的國家來說，這一點尤其如此。然而，實際的太空戰將是最后的邊界，因為沒有人愿意摧毀或冒險使用太空資產的能力。這可能是不理想的后果，因為太空中的爆炸會產生大量的空間碎片，幾乎可以在任何地方危及空間安全和衛星服務。

空間和其他混合威脅領域之間的聯系

到目前為止，大多數可以針對空間領域的混合威脅工具利用了空間資產與其他領域的聯系。空間領域以前被視為與軍事/國防、經濟、基礎設施、信息和情報領域密切相關。然而，來自烏克蘭的證據揭示了與所有其他混合威脅領域的有意義的聯系。空間技術和空間環境容易受到混合威脅，特別是在網絡領域。

衛星系統有與平臺及其安全有關的網絡安全漏洞，地面基礎設施的接口，以及竊取和破壞數據，甚至關閉系統的可能性。與衛星系統有關的安全威脅，重點是衛星通信，最近已經被確認，有一些威脅涉及任何類型的衛星系統。干擾可以影響空間和地面資產。現代衛星的可編程性使得更新軌道上的衛星可以執行新的操作，這就為惡意的應用程序上傳到衛星上打開了大門。

與俄烏戰爭有關的一個例子是俄羅斯對Viasat衛星（KA-SAT）網絡的網絡攻擊，使烏克蘭的調制解調器無法運行，導致整個歐洲的組織出現了數千次中斷。該事件發生在入侵開始之前，大大影響了通信和共享態勢感知數據的能力。地面入侵者利用一個錯誤的配置進入衛星運營商的管理系統，然后指示大量的住宅衛星調制解調器從網絡中退出。該事件不僅顯示了衛星系統的脆弱性，而且還揭示了如果將具有安全弱點和漏洞的技術整合在一起，集成系統將具有更高的脆弱性。因此，在整合地面和衛星系統共同運作時，必須創建網絡原生設計，也就是說，從一開始就考慮到網絡問題。

俄烏戰爭已經廣泛表明，空間領域影響到其他混合威脅領域，既為惡意行為者提供工具，又為建立抵御威脅的能力提供資源。與所有混合威脅領域都有聯系。例如，大型衛星群可以作為一種替代性基礎設施，提供通信和PNT服務。在經濟領域，無法使用俄羅斯的發射能力在全球范圍內對商業衛星公司產生了影響，烏克蘭的航天工業在很大程度上被禁用。由于沖突期間對商業能力的使用增加，俄羅斯已經聲稱私人空間資產是戰爭中的合法目標，影響發生在法律領域。表1總結了空間和其他混合威脅領域之間的初步聯系。

表1. 俄烏戰爭中空間和其他混合威脅領域之間的聯系

混合威脅領域	與混合威脅和工具的聯系/影響	與應對混合威脅的聯系
基礎設施	衛星技術是能源、運輸和通信網絡等關鍵基礎設施的關鍵推動因素。	如果地面基礎設施被破壞，像Starlink這樣的大型衛星群可以提供一個替代的通信和PNT系統。
賽博	對衛星網絡（如Viasat）的網絡攻擊可以阻止烏克蘭的通信，并導致整個歐洲組織的服務中斷。俄羅斯正在積極干擾烏克蘭各地的GPS信號。已經有針對Starlink系統的黑客攻擊企圖。	空間公司和國家在實施空間系統和確保它們的網絡安全，以及培訓人們以安全的方式操作它們方面投入了更多努力。
經濟	烏克蘭的航天工業是喪失能力的。由于俄羅斯退出了合作，發射能力受到限制。經濟制裁可以被繞過： 俄羅斯通過盟友和黑市獲得了能力（例如，在無人機制造商大疆暫停在俄羅斯的業務后，俄羅斯仍然可以通過白俄羅斯和伊朗獲得無人機）。	私人空間部門通過雙重用途的空間資產找到新的市場。空間優先事項可能在國家和國際合作中被重新評估。人們必須意識到其他國家的投資對一個目標國家的空間基礎設施的影響。
軍事/國防	天基能力對于戰場上的情報、環境監測、導彈預警和指揮與控制是必不可少的。俄羅斯已經展示了新型武器的威脅，例如摧毀衛星。	衛星使我們有可能在危機出現之前就看到大規模的變化。歷史衛星數據可用于分析戰爭前的局勢，并幫助找到避免升級的方法。有必要調整戰略，制定應對新的空間武器和多樣化的空間威脅的方案。新的私營空間公司可以通過更深入的整合和伙伴關系被看作是傳統的軍事承包商。保護商業資產的需求在增長。
社會/社會性	天基能力可以在危機期間支持社會的重要功能，例如，Starlink確保了烏克蘭的互聯網可用性和通信。公民可以提供資產來支持行動，例如烏克蘭的 "dronations "運動，收集業余和商業用途的無人機；眾籌的ICEYE衛星；以及眾包的局勢意識。	眾籌資金用于購買新的衛星以支持行動。眾包促進了防御意愿和心理彈性： 生成軍事裝備的基層行動支持貢獻者的士氣，以及那些在前線的人。
(公共）行政管理	商業空間能力和信息對烏克蘭各部委很重要。國防部支持公開購買一顆ICEYE衛星。內政部將衛星圖像用于決策和與公民分享信息。	衛星提供了與公民聯系的手段，即使在地面基礎設施被破壞的情況下。
法律	俄羅斯聲稱私人空間資產是戰爭中的合法目標。俄羅斯指出，根據《外層空間條約》，將私人衛星用于軍事目的是挑釁性的，是有問題的。不樂意看到自己的設備被用于軍事目的的私人行為者也會使用法律論據（如無人機制造商大疆，它表示這種使用違反其原則，并有潛在的法律合規問題）。	天基能力可以支持歸屬問題，例如提供戰爭罪的證據。
情報	衛星使情報行動能夠在用其他手段工作非常具有挑戰性的地區進行。	衛星可以揭示陸地上的情報行動，探測例如設備和建筑區域。
外交	俄羅斯已經決定退出國際空間站的合作。在太空中，從俄羅斯延伸出來的國際緊張局勢日益嚴重。失去國際空間站作為一個外交工具和未來科學探索的平臺，對外交關系有重大影響。	促進可持續性和和平利用空間的準則、行動和措施應繼續下去，并鼓勵通過外交途徑擺脫危機。
政治	俄羅斯一直在努力將國際空間站政治化，到目前為止，它是一個純粹的科學合作平臺。其他國家和俄羅斯之間的國際合作被凍結了，預計在很長一段時間內都會如此。	俄烏戰爭表明了獲得衛星服務和區域主權的重要性。小國正在學習新的方法，以便在大國進攻時進行操作。例如，臺灣已經表示，如果中國對臺行動，它將建立一個基于衛星的互聯網。歐盟和北約之間的空間合作正在加深。
信息	俄羅斯已發表挑釁性聲明，稱商業和民用衛星資產成為戰時行動的合法目標。俄羅斯聯邦航天局曾試圖利用國際空間站進行親俄、反烏克蘭的宣傳。航天業有影響力的人，例如埃隆-馬斯克，已經對烏克蘭表示支持并給予指導。	衛星數據和高分辨率圖像有助于挑戰虛假信息。衛星被用來提供有關烏克蘭及其附近地區事件的最新信息。圖像在報紙和在線資源中與公眾分享。衛星使烏克蘭人民能夠接收國際信息。例如，遍布全國的Starlink終端提供可靠的信息來源，幫助減少俄羅斯宣傳的影響。
文化	由于俄羅斯的退出、日益緊張的局勢和對戰略自主權的日益追求，探索和發展空間的合作文化受到威脅。共同的價值觀可以促進區域內或志同道合的盟友之間的合作。	未來的空間合作可能會更加基于價值。空間的可持續利用是一個例子。在空間安全方面，尋求志同道合的伙伴進行合作。私人行為者可能必須在文化上對自己進行定位以進行合作。這種轉變可能會使全球空間治理框架的發展更加困難。

以空間能力對抗混合威脅

觀察戰爭期間的活動

如表1所示，空間技術也被積極用于應對混合威脅行動。例如，衛星實現了最新信息和新聞的共享，使烏克蘭的平民和軍事人員了解情況，而不顧地面渠道的信息操作。應對混合威脅的另一個重要因素是國家和領先的商業和公共組織之間的合作，如美國國家航空航天局和歐空局，空間行業有影響力的人一直在指明方向，也提高了人們對開發更好的空間系統的需求。這場戰爭通過政治對話和共同的信息傳遞加深了北約和歐盟之間的合作，為應對外國信息操縱和干擾等各種類型的威脅提供了更好的能力。這種戰略伙伴關系比以往任何時候都更加有力，支持烏克蘭自衛和保護其人民。歐盟的政治和安全委員會與北大西洋理事會之間定期舉行會議，各工作組之間也經常進行交叉匯報。合作的工作范圍包括，例如，在歐盟和北約防務規劃過程中，在需求重疊的地方作出努力。這場戰爭表明，擁有空間能力并不像獲得這些能力那樣關鍵。這一重要的認識可能會進一步推動國際空間合作和私營空間部門的崛起。為此，建立系統冗余和備用系統的重要性可能會被強調。總而言之，通過私有化和多樣化的空間威脅，能夠拒絕獲得空間能力的行為者群體將變得更加多面。

提高空間技術的復原力

這對于確保關鍵的空間技術在未來仍然有用是至關重要的。要回答的問題是如何提高空間技術的復原力并創建網絡防護系統。提高復原力的一個方法是納入冗余和使用幾個系統的可能性。這樣一來，單一系統的故障就不會妨礙通信能力，例如。最近的一個例子表明，行動不應該依賴單一的衛星通信系統，埃隆-馬斯克宣布Starlink衛星不能在克里米亞使用。這種限制對該地區的部隊行動有直接影響，因為如果不使用其他冗余系統，部隊和指揮部之間就無法有效建立聯系。

有多種網絡安全威脅，在過去設計 "舊空間 "系統時沒有得到適當考慮。必須從一開始就把新系統設計成網絡安全的系統，特別是確保地面部分的安全，防止地面的攻擊和漏洞。建議使用強大的認證和訪問控制程序，以增加系統的復原力。此外，有必要積極監測潛在的安全威脅，以便用適當的行動來減輕它們。這可以通過網絡安全操作中心（CSOC）來完成，它結合了監測和決策技術、人力資源管理人員和流程，以實現準確的網絡態勢感知，并積極應對檢測到的威脅。最好的CSOC是專門的設施，網絡安全分析師在那里持續工作，專注于防御戰略網絡上未經授權的活動。它們可以由民族國家或跨國公司建立和經營。在空間領域，歐空局正在資助開發，以確保歐洲層面的運作。然而，仍然需要為此開發更好的工具，培訓在空間領域工作的人，并開發動態頻譜管理機制，以更有效地保護系統免受干擾。

提高空間系統復原力和可持續性的手段包括空間安全和網絡安全，但也包括經濟和環境的角度。至關重要的是避免產生新的空間碎片，并改善空間碎片和威脅探測能力，以確保衛星服務將對未來幾代人保持有用。有必要開發更好的空間交通管理方法，衛星可以利用自動避免碰撞的程序，使它們能夠對威脅作出迅速反應。從俄烏戰爭中也可以看出，國家和空間領域行為者之間應加強進一步合作，并制定規則和措施，確保和平利用空間。

戰爭期間空間領域的主要行為者和合作形式

全球行為者

在空間領域有積極的全球行為者，如美國、歐盟、中國、俄羅斯和北約。美國有跨越ISR、GPS和連接的能力，而歐盟有自己的定位和地球觀測的旗艦計劃（伽利略和哥白尼）。歐盟還計劃建立自己的安全連接系統，稱為IRIS，作為一個新的旗艦和一個專門的衛星通信基礎設施。這是歐洲目前最重要的空間計劃，旨在支持關鍵用戶和普通公民。中國擁有北斗定位系統、反衛星（ASAT）導彈能力，即摧毀衛星的手段，以及包括月球車在內的深空任務。俄羅斯在發射器、人類和科學任務以及定位方面有長期經驗。最后，北約自2019年起將空間作為其行動領域，利用空間來支持通信、導航和情報等領域的行動和任務。通過使用衛星，北約及其成員國能夠以更快、更有效和更精確的方式應對危機。

國際合作和發射活動

由于戰爭，俄羅斯已經退出了國際空間合作，這對國際空間業務和發射活動產生了重大影響。俄羅斯已經拒絕為西方國家進一步發射任何衛星。聯盟號火箭在建造和供應國際空間站，以及通過定期助推使空間站保持在軌道上方面發揮了作用。目前正在尋找替代品，幸運的是，例如SpaceX已經展示了其向國際空間站發射宇航員的能力。然而，到目前為止，這些發射在很大程度上影響了商業運作，載人飛行也按計劃實施。盡管如此，戰爭的影響在各種形式的合作中是可見的。最近，俄羅斯宇航員和國際空間站指揮官奧列格-阿爾捷米耶夫在9月28日將空間站的指揮權移交給薩曼莎-克里斯托弗雷蒂時說，"戰爭將在各地結束"，她是歐洲國際空間站的第一位女指揮官。戰爭也在催生新的合作形式。中國和俄羅斯宣布合作開發定位系統，將北斗和格洛納斯系統的準確性和可靠性提高到GPS的水平。兩國同意在對方的土地上建立衛星地面站，以提高系統的互操作性。然而，已經很明顯的是，戰爭已經影響了未來許多年內空間產業的基本合作精神。圖1展示了積極參與俄烏戰爭的不同空間行為者的情況概述。

圖1. 俄烏戰爭期間的商業和公共活動以及對國際合作的影響

衛星通信	無人機通信和實現無人機打擊；信息共享和反擊錯誤信息；指揮和控制：支持反擊和炮擊；網絡攻擊的目標
光學和SAR成像	近乎實時的情報和監測：對烏克蘭及周邊地區的大規模態勢感知；眾籌衛星支持軍事；媒體中顯示戰爭恐怖的公共信息；歸屬和指控的證據
國際合作	俄羅斯退出國際合作；衛星發射能力下降；合作精神減弱；重點轉向支持國家/地區主權的活動；中俄合作開發PNT系統

私人公司

私營公司的作用，以及他們提供的服務和設備，從戰爭開始就至關重要。私人行為者的作用可以通過一些關鍵行為者和他們對俄烏戰爭的影響來證明。

SpaceX公司提供了Starlink終端和衛星容量，以支持烏克蘭開展的行動。Starlink已被用于提供連接，以支持反擊或炮擊，并實現從任何地點的縮放通話。這種影響是巨大的，特別是在民用連接、指揮和控制以及情報和態勢感知領域。Starlink連接已被用于監測和協調無人駕駛飛行器，從無人機發送視頻流，并實現無人機的打擊。SpaceX在衛星發射業務中也是一個重要的商業參與者。俄羅斯過去曾發射過許多西方衛星，但由于戰爭，這種活動突然停止。這增加了SpaceX的主導地位，現在它甚至為Starlink在互聯網業務中的競爭對手，如OneWeb，提供發射服務。

Maxar公司正在運營分辨率非常高的衛星。戰爭期間，Maxar和其他商業運營商，如Planet Labs和Pléiades Neo，提供了覆蓋俄羅斯車隊、部隊和機場活動的高質量圖像，這些圖像被新聞界廣泛使用。這些信息在為軍事計劃和公眾對戰爭的看法提供信息方面發揮了關鍵作用。從戰爭一開始，所提供的情報就被用來獲取烏克蘭及其周邊地區的大規模態勢感知數據。圖像顯示了該國境內和附近地區的部隊和車輛的移動情況，并證實了飛機和基礎設施的損壞。使用該數據的一個例子是，首先揭示了6月20日在白俄羅斯靠近烏克蘭邊境的Zjabrovka機場的軍事裝備的堆積，隨后確認了8月10日爆炸對裝備造成的損害。

ICEYE允許烏克蘭武裝部隊以高重訪頻率接收關鍵地點的雷達衛星圖像。與Maxar光學數據不同，合成孔徑雷達（SAR）技術允許透過云層和在夜間成像，為獲得態勢感知數據提供了新的機會。一顆ICEYE衛星是由烏克蘭私人募集的資金購買的。最近有報道說，它在運行的頭兩天檢測到了60多個單位的敵方軍事裝備。因此，俄羅斯軍隊損失的裝甲車價值超過了整個眾籌衛星項目的成本。

烏克蘭的航天工業源遠流長，戰前處于活躍階段，建立了一個不斷增長的私營產業。然而，由于俄羅斯的入侵，它已經被拋入了懷疑之中。許多在初創企業工作的專業人士已經成為士兵。國家空間專業人員希望烏克蘭能夠重新評估空間優先事項，關注新空間時代的安全和技術，隨著私營公司的強勢崛起和小型衛星的使用，并拋棄蘇聯的殘余。然后，一個新的烏克蘭航天工業可以成為烏克蘭安全的基礎，從長遠來看，甚至支持其盟友的空間能力發展。烏克蘭太空專業人士表示，來自埃隆-馬斯克等大人物的公開支持，已經提振了烏克蘭的士氣，并通過指出前進的方向影響了許多組織和政府領導人。如果航天業的領導人與烏克蘭站在一起，這將為在經濟上孤立俄羅斯而努力。

無人機技術相關行為者

無人機在戰爭中發揮了明顯而重要的作用，比迄今為止的任何重大沖突都要大。雙方都使用了數千種不同的空中平臺，包括軍用無人機和小型現成的無人機。像土耳其的Bayraktar這樣的軍用無人機被用于情報行動，以確定敵人的目標，并引導炮火向他們開火。它們在擊沉 "莫斯科 "號軍艦中發揮了作用。小型、廉價的無人機被用來作為神風特攻隊的炸彈，但也被用來發現目標和引導攻擊。作為積極使用無人機的結果，反無人機技術，如用于跟蹤的雷達系統，以及使導航能力失效的定向電磁脈沖，也越來越多地被作為行動的一部分使用。

無人機的使用將許多行為者與戰爭聯系起來。據推測，在西方制裁之后，俄羅斯從伊朗和白俄羅斯以及通過黑市渠道獲得了無人機，而無人機制造商大疆也暫停了在俄羅斯和烏克蘭的商業活動。同時，烏克蘭部署了由普通公民捐贈的業余和商用無人機。

信息領域促進空間的行為者

在與空間有關的信息領域，有影響力的個人的作用是顯而易見的。SpaceX創始人Elon Musk發表了強烈的，甚至是挑釁性的聲明，以獲得對烏克蘭的支持，但也矛盾地強調了由于資金問題，衛星服務可能中斷。在光譜的另一端是時任俄羅斯航天局局長德米特里-羅戈津試圖進行親俄和反烏克蘭的宣傳，并威脅要退出國際空間站合作。法律和道德方面一直是俄羅斯信息活動的一部分（宣布商業衛星為戰爭目標，并指責烏克蘭和西方違反《外層空間條約》）。

信息運動的影響很難評估，但盡管俄羅斯有相反的意圖和嘗試，對信息領域的利用最終使烏克蘭的道路變得更加平坦，因為它使戰爭變得明顯，并使其處于公眾的視野中。烏克蘭從西方國家獲得了驚人的堅實支持。例如，歐盟和五角大樓已經考慮為烏克蘭的星聯衛星網絡提供資金。

討論與結論

自俄烏戰爭開始以來，空間一直發揮著重要作用，軍事力量有效地利用歐洲和美國服務供應商的商業能力來實現其行動。這場戰爭表明，空間領域在戰爭升級之前，即在門檻以下的階段，以及在戰爭期間，都是至關重要的。它在戰爭結束后也是必要的，例如，在評估地區的損害和安全以及為法律歸屬提供證據時。空間領域影響到其他混合威脅領域，既為惡意行為者提供工具，又為建立抵御威脅的復原力提供資源。空間技術和空間環境容易受到混合威脅的影響，特別是在網絡領域，對衛星通信系統的網絡攻擊不僅在烏克蘭而且在其他地區產生了重大影響。

戰爭中的空間領域已經影響到烏克蘭的軍事行動和平民社會的安全。另一方面，民間行為者在天基能力的幫助下，被賦予了支持戰爭的能力。信息領域已經利用天基能力來說明和敘述戰爭。這場戰爭在許多國家產生了巨大的影響，消除了軍事技術的污名。在戰爭之前，有大量的組織根本不想把自己與軍事領域聯系起來，而現在許多商業公司正自豪地介紹他們產品的雙重用途能力。這可能會導致歐盟和北約國家對軍事能力發展的支持增加，因為這些能力被認為可以更廣泛地增強社會的復原力。在戰略防御能力發展項目的工業合作中納入兩用技術的興趣可能會增加。這也將提出政府保護商業資產的意愿和能力問題。

從空間領域的角度來看，沖突的主要行為者包括全球行為者，如美國、俄羅斯、北約和歐盟，但也包括前所未有地增加的私營公司及其空間資產的作用。特別是SpaceX公司，作為通信技術和發射服務的提供者，其全球作用已經增加。在Starlink的幫助下，眾包態勢感知，以及眾籌作為資助空間能力的工具，已經表明個人作為安全行為者在現代社會中的作用越來越大。如果有效利用，這一發展將促進全面安全，并在未來建立復原力。然而，這種類型的授權可能是雙向的，這意味著個人在部署空間能力的惡意活動中的作用可能在未來增長，適當地改變和增加混合威脅的潛力。然而，盡管安全行為者的角色模糊不清，政府和當局的法律責任不會消失。個人可以為安全作出貢獻，但他們不能被視為對確保安全負責，因為只有當局擁有法律規定的管轄權。

戰爭將通過合作形式和環境的變化、空間能力的重新優先化、商業技術和服務的增加以及更多的用途，對空間領域的發展產生長期影響。同時，戰爭增加了區域對戰略自主的努力，例如歐洲實施自己的衛星通信星座的目標。

基于這項研究的初步影響可以歸納為四個關鍵的啟示：

1.眾包態勢感知的力量已經在戰爭中得到了體現。然而，部分不清楚如何驗證眾包數據并防止在決策中納入故意的惡意數據。空間技術在這里可以有相關的用途，例如，用衛星成像來驗證報告的事件。公民在支持行動中的作用越來越大，引起了關于當局的責任和作用的法律問題。

2.俄烏戰爭為基于衛星的技術鋪平了道路，使之成為軍隊和平民容易獲得的日常工具。這不僅可以促進對軍事領域的混合威脅的復原力，也可以促進心理上的復原力。在危機和戰爭情況下做出貢獻的能力，以及做一些具體和有形的事情，將促進和維持個人的心理復原力和防御意愿。復原力也可以通過信息領域得到支持：在危機中，人們會要求獲得關于局勢的最新信息。通過衛星檢索的數據將有助于滿足這一需求。它也可以有利于打擊混合威脅的信息運動，以及人們對信息領域的影響活動的復原力。

3.在軍事行動中使用商業空間資產正在模糊戰爭中軍事和民事行為者之間的界限。烏克蘭的人們已經集資購買了一顆衛星來支持行動，這顆衛星已經成功地用于軍事行動。商業行為者甚至不一定知道他們的技術是雙重用途的。因此，參與戰爭的決定無意中被外包給了使用商業行為體技術的人。這在道德上可能是有問題的，因為一些行為者希望不參與戰爭或選擇自己的一方，并拒絕敵對行為者獲得其資產。評估空間領域的威脅--即構成威脅的能力和行為者，以及評估潛在影響--變得越來越困難。

4.衛星技術的發展及其使用也促進了可用于軍事目的的新能力組合。無人機已經對烏克蘭的行動產生了重大影響，并將在未來其他地方的沖突中發揮突出作用。因此，各國應發展其在無人機和反無人機技術方面的能力。當無人機配備了衛星連接，它們可以在非常大的區域內有效使用，這一發展也得到了歐洲航天局的支持。顯然，空軍將需要為無人機行動做更多的準備。無人機的作用在門檻以下的階段也可能會增長。除了軍事方面，無人機可能對其他安全機構和社會的重要功能，如關鍵基礎設施，構成越來越嚴重的威脅。

澳大利亞皇家海軍 (RAN) 最近推出了一項開發和使用機器人、自主系統和人工智能 (RAS-AI) 的戰略，該戰略將通過一項運動計劃來實施。蘭德澳大利亞研究團隊正在通過建立證據基礎來支持 RAN 的這項工作，以幫助識別和塑造基礎活動。本報告概述了近期和長期（到 2040 年）海上 RAS-AI 技術的現狀和軌跡，并對近期、中期和長期可能執行的任務進行了高級審查根據相關的技術和非技術推動因素。

本報告并沒有研究人工智能在海上行動中更廣泛的整合，而是關注支撐無人平臺的任務和技術的進步，包括無人空中、水面和水下航行器。除了概述近期和長期 RAS-AI 任務的關鍵技術推動因素外，該報告還指出了在 RAS-AI 能力發展中應考慮的三個關鍵原則：（1）關注多種技術（新系統和“遺留”系統），而不是單一的技術解決方案； (2) 考慮國防和商業 RAS-AI 系統的互補性進展； (3) 監測非技術因素，例如不斷發展的監管、法律、政策和道德框架，這些框架可能會顯著影響未來的技術采用路徑。

研究問題

• RAS-AI 技術和任務在海洋領域的前景如何？
• 到 2040 年，海上領域的 RAS-AI 技術和任務的可能軌跡是什么？
• 哪些可能的技術推動因素會塑造未來海上區域的 RAS-AI 任務？

主要發現

• 快速發展的技術環境使 RAS-AI 任務在海洋領域得以擴展
  • 無人駕駛飛行器 (UAV) 任務的跨度有所增長，特別是因為無人機的覆蓋范圍、適應性和生存能力不斷增加（盡管仍然相對有限）。
  • 由于通信、有效載荷和模塊化的進步，越來越多地使用無人水面航行器（USV）來支持海軍任務已經成為可能，盡管限制包括依賴載人平臺的遠程控制以及與其他車輛的有限集成。
  • 無人水下航行器 (UUV) 任務已經擴大，因為其在更深的深度、更遠的距離以及先進的傳感器和有效載荷下運行的能力越來越強。然而，水下通信、網絡和深水導航的有限耐力和未解決的障礙仍然對 UUV 任務施加了限制。
• 在所有平臺上，海上 RAS-AI 任務可能會在短期內擴大，這得益于幾個關鍵技術領域的進步
  • 在自治、集群、互操作性、安全通信和信息交換、生存能力、推進和能源管理以及先進傳感和多任務平臺開發等領域取得了進展。
• 從長遠來看，技術和非技術障礙可能會限制某些 RAS-AI 任務
  • 長期 RAS-AI 任務可能包括在有爭議的環境中部署以及在進攻性自主和動力應用中的部署，盡管后者可能會受到道德、法律和監管障礙的嚴重限制。
  • 長期任務和技術前景的特點是存在很大的不確定性，可能需要通過后續研究探索更多種類的具有潛在破壞性的未來 RAS-AI 任務、技術和戰術。

美國的空中優勢是美國威懾力的基石，正受到競爭對手的挑戰。機器學習 (ML) 的普及只會加劇這種威脅。應對這一挑戰的一種潛在方法是更有效地使用自動化來實現任務規劃的新方法。

本報告展示了概念驗證人工智能 (AI) 系統的原型，以幫助開發和評估空中領域的新作戰概念。該原型平臺集成了開源深度學習框架、當代算法以及用于模擬、集成和建模的高級框架——美國國防部標準的戰斗模擬工具。目標是利用人工智能系統通過大規模回放學習、從經驗中概括和改進重復的能力，以加速和豐富作戰概念的發展。

在本報告中，作者討論了人工智能智能體在高度簡化的壓制敵方防空任務版本中精心策劃的協作行為。初步研究結果突出了強化學習 (RL) 解決復雜、協作的空中任務規劃問題的潛力，以及這種方法面臨的一些重大挑戰。

研究問題

• 當代 ML 智能體能否被訓練以有效地展示智能任務規劃行為，而不需要數十億可能情況組合的訓練數據？
• 機器智能體能否學習使用攻擊機、干擾機和誘餌飛機的組合來對抗地對空導彈 (SAM) 的策略？干擾機需要離地空導彈足夠近才能影響它們，但又要保持足夠遠，以免它們被擊落。誘餌需要在正確的時間分散 SAM 對前鋒的注意力。
• 是否可以建立足夠泛化的表示來捕捉規劃問題的豐富性？吸取的經驗教訓能否概括威脅位置、類型和數量的變化？

主要發現

RL 可以解決復雜的規劃問題，但仍有局限性，而且這種方法仍然存在挑戰

• 純 RL 算法效率低下，容易出現學習崩潰。
• 近端策略優化是最近朝著解決學習崩潰問題的正確方向邁出的一步：它具有內置約束，可防止網絡參數在每次迭代中發生太大變化。
• 機器學習智能體能夠學習合作策略。在模擬中，攻擊機與 SAM 上的干擾或誘餌效應協同作用。
• 經過訓練的算法應該能夠相當容易地處理任務參數（資產的數量和位置）的變化。
• 很少有關于成功和不成功任務的真實數據。與用于訓練當代 ML 系統的大量數據相比，很少有真正的任務是針對防空飛行的，而且幾乎所有任務都取得了成功。
• 對于涉及使用大型模擬代替大型數據集的分析，所需的計算負擔將繼續是一個重大挑戰。針對現實威脅（數十個 SAM）訓練現實能力集（數十個平臺）所需的計算能力和時間的擴展仍不清楚。
• 建立對人工智能算法的信任將需要更詳盡的測試以及算法可驗證性、安全性和邊界保證方面的根本性進步。

建議

• 未來關于自動化任務規劃的工作應該集中在開發強大的多智能體算法上。RL 問題中的獎勵函數可以以意想不到的方式徹底改變 AI 行為。在設計此類功能時必須小心謹慎，以準確捕捉風險和意圖。
• 盡管模擬環境在數據稀缺問題中至關重要，但應調整模擬以平衡速度（較低的計算要求）與準確性（現實世界的可轉移性）。