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

隨著美國從全球反恐戰爭期間磨練出來的專長、領導力構架和決策矩陣中走出來，當深入 21 世紀時，等待我們的新挑戰也就不足為奇了。大國熱衷于獲取資源，而世界上較為穩定的力量又暫時無法遏制它們，因此它們已開始采取行動，以鞏固在新的有影響力的結構中取得的進步和發揮的更大作用。在烏克蘭與俄羅斯的沖突中，高技術、小規模彈藥的大規模擴散，以及指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）技術的進步，給每一位軍事指揮官都帶來了令人膽寒的問題。首先，以極小的代價在廣闊的地理區域對不同目標進行風險控制的能力可能會也可能不會對戰場目標產生影響，但肯定會打擊部署部隊的士氣。其次，進行實時監控、移動大量數據和提供戰損評估的能力將決策制定環節緊縮到荒謬的程度，使人為干預成為限制因素。此外，民用市場上用于各種散文提煉、藝術表現和決策支持的人工智能（AI）工具已呈爆炸式增長，只有一絲時間等待交叉出現。

推理小說為人工智能在治理和戰爭方面的進步敲響了警鐘，也為美國社會是否準備好將生死攸關的道德決定權交給機器敲響了警鐘。積極的影響是顯而易見的，那就是消除人在回路中的延遲，讓人工智能關閉殺傷鏈，讓成群的自主無人機支持戰場目標。但這一機遇也同樣伴隨著危險：訓練不當的人工智能為了實現目標，不惜撒謊、欺騙、偷竊或攻擊其創造者。

在本文中，將評估在上述技術進步的支持下，戰場人工智能將如何協助指揮官取得勝利。這種假想的人工智能將把 ISR 信息與地面的實時評估融合在一起，并自主向閑逛的彈藥或空中打擊包發出攻擊指令，以實現總體戰役目標。或者，這種人工智能可以與 "人在環內 "的殺傷鏈一起工作，只需為目標提供最有價值的選擇；雖然這將消除重大的道德障礙，但同樣也會降低構建者的節奏優勢。

這種引入會帶來什么？戰爭會因哪支部隊充分發展這些能力而發生怎樣的變化？對本討論最重要的是，應如何調整新的和現有的作戰條令，以充分利用這些技術進步？為了對潛在構型進行分類并優化國家應對措施，將使用以下模型來提出建議。可以設想一個 2x2 矩陣，其中包含四種不同的戰場場景，在這些場景中，紅軍和藍軍分別選擇使用（或避免使用）人工智能支持：

無人工智能：維持現狀

在沒有任何參戰部隊依賴人工智能支持的情況下，可以繼續進行傳統戰爭，開展由現有條令和決策結構支持的戰役。雖然這些沖突的規模和地點可能確實會與在過去 50 年中所看到的有所不同，但在新的大國競爭時代，幾乎不需要改變過去多年來的作戰方式。

當前的作戰條令可以根據所涉及的作戰領域不斷演變和應用，而不會出現重大分歧。理想情況下，AFDP 3.2 非正常戰爭條令將隨著國家利益和政府結構的發展而復興和發展，使國防部和空軍能夠參與并擊敗更廣泛的交戰方；正如在過去 30 年中所看到的，在與國家和非國家行為體（包括國外和國內叛亂）交戰時，需要不同的構架。

藍軍 AI：兵力投射

如果單靠友軍來利用這些能力，他們必然會在整個 AFDP 3-0 作戰條令系列中獲得巨大的節奏優勢，唯一的限制是領導層的道德考量。根據為人工智能界面提供的自主程度，可以在當前 ATO 周期的決策圈內快速識別、評估、打擊和解決目標。這將從根本上把 AFDP 3-60 的總體目標定位條令，特別是聯合目標定位周期（JTC）卸載到自動化系統中。

人工智能遠不止是一個簡單的決策輔助工具或條令最佳實踐清單，它可以融合傳感器數據、信號情報等，在評估或部署有效反制措施之前發現并起訴目標。這種在時間上的極高保真度可有效實現隨心所欲地執行 "震懾"/"一夜之間 "空戰方案，為作戰人員提供前所未聞的進入和行動自由。

在聯合指揮中心，人工智能可以自動執行每個階段，達到指揮結構可接受的極限。目標可以與 ISR 數據一起輸入，以便根據既定目標、武器和反制手段的可用性快速制定優先目標列表。無論是否有領導參與，都可以創建、安排和部署任務。最后，幾乎可以即時進行評估。

前沿部署部隊在面對這些威脅時無疑會士氣低落到極點；在傳統戰爭中，有一種已知的途徑可以讓自己脫離戰斗，以恢復到間接火力范圍之外。正如烏克蘭可以證明的那樣，知道微型無人機隨時可能降臨到你的頭上是一種心理因素。對于戰場指揮官來說，這種計算方法同樣會發生變化，他不再需要消耗 20 萬美元的彈藥，而是可以用一枚手榴彈和一架價值 200 美元的無人機來摧毀一個火力小組。經過充分的訓練，人工智能可以找到打敗野戰部隊的策略，其速度比友軍資產在其背后推進的速度還要快。最近，據估計伊朗對以色列的無人機攻擊耗資 300 萬美元，而攔截彈藥的成本卻高達 15 億美元，而美國海軍為保護紅海的航運耗資 10 萬美元/枚。

這種速度同樣有可能超過配套的工業基礎，消耗各種小型電子設備、發射器/接收器、打印長絲和其他原材料。為了獲得最大利益，這些類型的物資需要像準備傳統戰爭的小型武器彈藥一樣進行儲備。

紅軍AI：自我保護

面對一個由人工智能工具增強的近乎同類的對手，將是當今大多數軍事領導層無法想象的地獄，會讓他們希望回到 2003 年的反叛亂任務。雖然可以逆轉上述成果，但還可以在此基礎上增加一種真正的可能性，即人工智能可以專門操縱部隊以極高的速度消耗友軍的資源，包括工時、彈藥和生命。通過這些挑戰造成的損耗將是巨大的，并將擊潰友軍殘存的士氣和公眾的支持。

面對敵方的人工智能，最主要的擔憂是它可能會在第一臺平臺升空之前，立即攝取整個聯合和空軍的條令，包括歷史資料，甚至是個人出版物，以綜合戰略目標，建立一棵可能行動的樹，并對部隊進行最佳定位。從某種程度上說，蘇聯人關于美國條令的老笑話本身就可以成為行動的助推器。"針對美國條令進行規劃的一個嚴重問題是，美國人不看他們的手冊，也不覺得有任何義務遵循他們的條令。" 如果人工智能是流程驅動的，但美國的條令卻靈活得顯得混亂不堪，那么就可以建立起小小的優勢。

很少有戰略能打敗這樣的對手，但在從主動到被動的范圍內，可以想象一支部隊如何開始打敗這樣的部隊，即使是在明顯處于劣勢的情況下。正如非對稱戰爭所能產生的效果超出了數學上所能達到的規模一樣，謹慎的方法加上果斷的行動可能會使友軍保持活力。

理想情況下，應盡一切努力用盡 JDWN 1- 18 中提到的其他 DIME 力量手段，并完全避開戰場。雖然軍事和信息影響可能是最困難的，但其他影響可能更有用。首先應利用制裁、談判和聯盟協議來和平解決技術上占優勢的敵人，即使不能永久結束敵對行動，但至少可以爭取時間縮小技術差距。與面對核大國和無核大國時必須采取的戰略類似，必須恢復均勢，并以長期的降級和裁軍為目標。

在沒有充分計劃的情況下進入戰場與這一對手作戰，幾乎是注定要失敗的。必須立即采取戰術，利用先進的傳感器或前沿部署的部隊，找到并擊敗可在沒有預警的情況下發動攻擊的小型武器。在任何情況下，這些反制措施都必須經濟實惠，并能大規模使用，因為當人工智能控制的彈藥的成本只有攔截器的 1/1000 時，消耗就不是制勝的策略了。在整個殺傷鏈中，從指揮/控制到作戰，再到所需的飛行架次生成和目標追擊，都需要極其緊密的協調。

只要稍加警告，就可以制定戰略，使敵方人工智能無法獲得成功完成決策循環所需的信息。正如 AFDP 3-85 "EWS 行動 "所證實的那樣，與 GWOT 中使用的簡易爆炸裝置干擾器類似，電子戰系統可用于切斷數據鏈路，拒絕敵方目標定位解決方案和相關的戰損評估。同樣，只要有足夠的彈藥控制信息，就可以復制信號，使進入的武器崩潰或提前引爆。還可通過 AFDP 3-12 進行其他網絡空間影響行動，以抑制有效操作人工智能所需的網絡流量。

對人工智能進行戰略打擊極為困難，因為必須假定人工智能會比你更早知道你的行動。任何攻擊都必須把握好時機，以達到最大效果，并使對人工智能運行至關重要的功能和基礎設施癱瘓。發電、C4ISR、數據線和補給線攔截都需要解決，這樣才能以任何有意義的方式減緩人工智能的功能。與民用基礎設施的重疊將是巨大的，但幾乎不存在其他選擇。

全AI：消耗戰

在某種程度上，這些方案中最好的情況可能是在多個友軍和交戰部隊中引入人工智能系統。隨著這些戰略助手在多方發揮作用，有可能看到一種僵局或冷戰的另一種遺跡，只是這次不是由核彈頭而是由同樣危險的智能機器和學習算法來勸阻。

為了爭奪領土或資源而與這些參數發生沖突，無疑會耗費大量資源，而一路上的收獲卻微乎其微。從理論上講，人工智能對手之間的對決可能會試圖超越對方，直到一方在技術上占據優勢，或者另一方在對決過程中出現人為錯誤，才會取得進展。這些微小的擾動會立即導致人工智能內部形成新的決策樹，并提供短暫的不穩定窗口，從而取得進步。

與上文設想的紅軍人工智能情景一樣，在進行軍事交戰之前，所有參與方都應充分探索其他 DIME 選項。如果敵軍滿足于在途中進行更長時間的戰略博弈，就像今天的潛在沖突所證明的那樣，他們可能會發現通過其他手段（包括秘密行動和摧毀公民的集體意志）削弱對手的戰斗意志更為可取。

除了作戰條令，采購界和相關工業基礎也必須不斷發展以應對這些挑戰。正如第四次工業革命帶來的 "大規模定制 "概念一樣，作戰平臺、網絡和彈藥也必須足夠分散，以降低敵方人工智能發現致命缺陷的風險；接口標準化、互操作性和互換性將成為基本要求。

訓練中的危險

盡管人工智能技術正在迅速發展，并為遏制沖突和在必要時贏得沖突提供了極好的機會，但必須十分謹慎，以確保系統的正常運行和訓練。將包括 "殺 "與 "不殺 "在內的道德決策卸載給機器只是問題的一部分，還必須討論適當的保障措施和訓練數據集，以使系統取得成功。

人工智能將像一個大型的級聯游戲一樣做出決策，每一個決策、行動、命令或動能打擊都會被判斷為好或壞，并使其更接近程序設定的目標。兵棋推演已經表明，如果沒有類似于阿西莫夫機器人三定律的足夠保障措施，人工智能就會背叛自己的創造者，切斷自己的聯系，或者無視命令，只要這意味著它們可以繼續執行行動，追求自己的使命。這種危險表明，要防止眾所周知的流氓人工智能的進化，需要人類的永久控制。

此外，雖然人工智能非常擅長以有限人類無法企及的速度做出決策，但它仍然依賴于歷史信息數據庫，在此基礎上制定戰略并得出結論。正因為如此，人工智能很難想象出全新的東西，同樣，它也高度依賴于能夠從中獲取的大量訓練數據。正如那些能夠越獄早期 ChatGPT 版本以表達不受歡迎觀點的用戶，以及隨后為使這些工具在流行文化的 "奧弗頓窗口 "內正常工作而進行的腦葉切除術所證明的那樣，可以看到這些變化所帶來的影響。

過于復雜的數據集會減慢決策速度，直至幾乎毫無用處。受限程度過高的人工智能可能會錯失可以更快解決沖突的機會或策略。最令人擔憂的是，一個有偏見的人工智能很容易得出錯誤的結論，從而使野戰部隊在系統的指揮下誤入歧途。

事實上，對付敵方人工智能的最佳進攻手段很可能是利用電子戰領域眾所周知的觀點，即人工智能可能被蒙蔽、誤入歧途并返回無效結論。參照 AFDP 3.85《電磁頻譜行動》，可以在 "電磁威脅 "中提出另一個概念，即在戰場背景下創建或分發的任何數據都可以提供給人工智能以支持決策。

結論

將大量傳感器數據與人工智能加速決策相結合，以實現智能彈藥的廣泛部署，這是一個勇敢的新世界，需要認真考慮并制定應對戰略。因此，空軍條令可以建立一個新的篇章，以涵蓋人工智能的威脅和機遇：

1.AFDP 3-0 行動： 實施一項不斷發展的戰略，將人工智能/機器學習算法納入總體規劃和兵力投送流程。這將支持人工智能利用真實世界的數據進行訓練，并平衡風險與所需的作戰節奏。同樣，所有下游作戰條令都可以采用人工智能來管理航空兵、空域、彈藥及其聯合運用。

2.AFDP 1-1 任務指揮和 3-60 目標定位： 需要進行兩項重大調整。如果作戰對手的人工智能技術得到增強，則必須將更多的決策權下放到盡可能低的級別，以便迅速做出調整，保持有效交戰。其次，如果藍方部隊正在與友方的人工智能部隊作戰，那么決策環路必須明確在何時何地以何種方式使用人工智能支持，以及在哪些地方將采用人在環路中的停滯措施。與 "任務指揮 "類似，"聯合目標鎖定循環 "也需要根據指揮官的意圖進行修訂，以平衡風險與節奏優勢。

3.AFDP 3-12 網絡安全和 3-85 EMS： 網絡安全和電子戰需要共同合作，以保護友軍使用人工智能，同時壓制敵方的有效性。2018 年《國家網絡戰略》確立的四大支柱需要加以擴展，以專門增加為阻止敵方人工智能行動而采取的進攻行動。

人工智能（AI）正開始徹底改變人類生活的方方面面。從協助醫療保健到為商用無人機送貨導航，科學和工程學在提供 "智能機器 "方面取得了前所未有的進展，為人類帶來了巨大的利益。人工智能的影響是如此廣泛，以至于任何領域如果沒有隨之而來的技術飛躍，就一定會錯過未來的科學發展。因此，各國都相當重視開發人工智能的軍事用途，以保持戰區優勢。基于人工智能的技術可用于軍事領域，以執行復雜而嚴苛的任務，特別是在充滿敵意和不可預測的環境中；海洋戰區完全符合這一框架。海洋環境通常沒有地圖，難以導航，使用基于人工智能的系統對船只進行跟蹤、計算、探測、繪制地圖并執行最佳行動，可以增強現有的航海能力。在需要對海洋環境進行持續情報、監視和偵察的作戰地點，人工智能支持的系統可以消除海洋物理學的敵意，即靜水壓力、海洋湍流、熱梯度和海洋鹽度等。所有這些因素使無人智能系統成為海軍力量結構中不可或缺的資產。此外，相對 "雜亂無章 "的海洋環境可能是第一個部署完全自主武器的戰場。

然而，就在這些技術不斷發展的同時，有關使用具有自主能力的致命系統的法律和倫理問題也開始變得日益突出。這些系統在國際法中的地位問題依然存在，特別是《日內瓦公約》第 36 條（第一附加議定書），其中規定各國需要對新武器進行法律審查，以確保其符合國際法。[3] 因此，即使新一代基于人工智能的作戰技術即將問世，賦予此類系統瞄準自主權也必須嚴格遵守國際法的規定。在基于人工智能的海軍作戰的具體背景下，具有瞄準能力的人工智能支持系統需要能夠持續區分軍事資產和民用船只。

本文描繪了人工智能在海軍系統中的發展、其在海軍作戰管理中的整合，以及由此對現有作戰環境產生的影響。本文試圖確定基于人工智能的系統是否是維護海洋公域安全的答案。主導整個討論的三個問題是：人機協作（也稱人機協同）、機器不同程度的自主性以及人工智能可能影響海軍行動的各種任務。本文探討了使用此類系統的原則是如何與此類技術的進步同步發展的，以及以人工智能為中心的作戰環境可能帶來哪些人力、概念和組織方面的挑戰。文章概述了印度在無人海軍系統方面的做法，以及印度海軍在實施國家人工智能戰略時的作戰環境。最后一節建議采取措施，確保向人工智能支持的海軍行動順利轉型。

定義海戰中的"人工智能"

首先，有必要區分基于人工智能的海軍作戰系統和基于人工智能的海軍戰車。雖然兩者并不相互排斥，但正在開發和采用的基于人工智能的海軍作戰系統需要全面的人機協作，而基于人工智能的海軍車輛則不一定有人類監督。人工智能影響和增強海軍行動的兩種大致不同的方式如下：

海軍作戰系統--在海軍作戰系統中應用人工智能，可通過結合軟件流程實現更智能的指揮和控制，從而提高海軍的總體可操作性。這些技術還可用于作戰管理系統，以更好地確定目標和繪制敵方資產圖。將這些系統集成到海軍艦艇的現有傳感器中，將增強艦上軍官的決策過程，"通過智能處理多種信息來源，同時提示系統評估和確認潛在威脅"。各國海軍開發這些系統的目的是提高 "作戰單元的作戰能力"，"在復雜、快速移動的作戰場景中實現快速決策"。

無人駕駛艦艇--人工智能在無人駕駛艦艇中的應用可以從一般的導航支持擴展到完全的自主運行。這些艦艇或車輛（可互換使用）已成為海軍行動的重要組成部分，通常與常規艦艇一起部署，發揮非致命性作用。這些艦艇大致可分為無人潛航器（UUV）和無人水面艦艇（USV），其中大多數由人類直接控制，缺乏任務自主性。這些船只可以通過'遠程遙控'進行遠程操作（簡稱 ROV），遠程遙控允許遠程操作員利用衛星鏈路指揮和監督無人駕駛船只"。

具有一定自主性的無人海軍艦艇通常被歸類為自主水下航行器（AUV）和自主水面航行器（ASV）。斯德哥爾摩國際和平研究所（SIPRI）關于 "繪制武器系統自主性發展圖 "的報告將自主性定義為 "機器在沒有人類輸入的情況下，利用計算機程序與環境的相互作用執行一項或多項任務的能力"。"這些系統無需人工干預即可執行大多數分析功能，從而減少了對傳統上執行這些功能的人類船員的需求。對于由操作員完全控制的船只，人類被視為 "環內"；對于具有一定程度自主性但受人類監督的船只，人類被視為 "環上"；而對于完全自主執行任務的無系船只，人類被視為 "環外"。這些不同程度的自主性在討論這些無人駕駛資產編程執行的任務類型時尤為重要。圖 1 和表 1 展示了無人艦載機的各種分類。

圖1:無人海事系統分類

表 1： 圖 1 所示無人海上系統的詳細分類

海戰系統中的人工智能

通過信息管理系統將人工智能應用于海軍作戰的目的是影響和增強海軍指揮官的決策過程。在海軍艦艇中使用數字助理來增強導航能力的做法并不是一個新概念，但海軍作戰系統下一步的開創性之處在于它們能夠徹底改變對整艘艦艇甚至整個艦隊的指揮和控制。人工智能軟件使指揮團隊有能力監控實時戰斗情況，并適當利用他們所掌握的海軍資產。這些系統將硬件和軟件（流程）相結合，徹底改變了海軍演習。神經網絡和深度學習算法的結合能夠向指揮團隊展示一幅無縫的作戰畫面，并協助他們做出決策，從而增強他們的人力。如果資產相互連接，這些系統甚至可以提高艦隊的可操作性。以指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）為導向的系統可以連接到單個海軍艦艇，無論其級別如何。潛艇、護衛艦、航空母艦、戰列艦、無人駕駛車輛都可以單獨裝備此類系統，以增強其特定功能。與該系統相連接的無人駕駛資產具有回傳智能視頻分析的能力，能夠提供超視距（OTH）測繪和目標定位，將艦隊的視線延伸到各個方向。

如圖 2 所示，英國皇家海軍計劃在艦艇上安裝人工智能系統，以更好地探測威脅和評估作戰方案。洛克莊園研究公司（Roke Manor Research）的 "STARTLE "機器態勢感知軟件將增強艦艇現有的探測系統，并根據從這些傳感器接收到的數據做出明智的決定。這些系統可識別行為模式，利用深度學習技術運行基于多智能體的模擬，并使最終用戶能夠提高其海洋領域感知能力，以快速分派任務、探測和跟蹤不合作的船只。

圖 2 - 洛克公司的 "STARTLE "威脅監測系統（圖片：Roke.co.uk）。

還計劃為其核潛艇提供基于人工智能的決策支持系統，以減輕潛艇指揮官的負擔。這種支持系統的深度學習算法可以與其他傳感器相關聯，并幫助指揮官 "估計某些戰斗行動的風險和收益，甚至建議采取艇長未考慮的行動。"水下海軍指揮官經常從事枯燥乏味的行動，需要耐心、技能和導航專業知識，最重要的是要有能力對局勢的突然變化做出反應。這些系統可以減輕他們的疲勞，大大提高他們的作戰能力。

在私人運營商中，航空航天制造商勞斯萊斯已表示有意開發完全自主的船舶，擺脫人類船員的束縛。[33] 該制造商 "采用了最新的導航技術，將一系列傳感器與人工智能驅動的計算機相結合。"[34] 該公司已與谷歌云公司合作，將使用谷歌的云學習引擎來訓練其基于人工智能的物體分類系統。[35] 該軟件將主要用于探測、跟蹤和識別。

美國海軍為其瀕海戰斗艦（LCS）采用的 "綜合水上網絡和企業服務"（CANES）系統網絡是利用人工智能擴展和加固現有海軍作戰系統的一個實例[36]。"綜合水上網絡和企業服務 "的升級版將無縫連接艦艇、潛艇、岸上地點和其他戰術節點，增強海軍的可操作性，縮短應對網絡攻擊的行動周期，保護現有作戰系統。 [37]現代海軍艦艇安裝了數量驚人的傳感器套件，通過分析從不同節點接收到的大量信息，升級版的 CANES 網絡可以將信息合理化，消除異常情況并協助人類指揮團隊，同時還能保護系統免受網絡入侵。據克里斯-奧斯本（Kris Osborn）稱，基于人工智能的升級版 CANES 網絡 "正在進行專門配置，以提高自動化程度--在無需人工干預的情況下執行越來越多的分析功能。 "[38]他補充說，"特別是 LCS，它利用了相互連接的水面和多種任務包，這些任務包旨在使用大量艦船系統相互協調--人工智能分析可能會增強這些功能。"[39]美國海軍計劃在未來將升級版人工智能支持的 CANES 網絡擴展到其所有作戰資產，包括其核潛艇和旗艦 "福特 "級航空母艦。

所有這些海軍作戰系統的共同點是能夠從環境反饋中不斷學習。這些系統中嵌入的深度學習算法使它們能夠從各種情況中不斷學習，特別是通過評估人類的長期輸入。因此，為了加快學習過程并超越人類的能力，這些系統越來越依賴于 "機器學習"。正如一份報告所提到的，"機器學習是一種軟件開發方法，通過這種方法，系統可以學習任務并通過經驗提高性能"。[42]這一發展表明，未來的船舶可能會在沒有人類監督的情況下完全自主運行。這些系統可以提供有關水深、水溫和鹽度的信息，以提高聲納的精確度，并通過航點導航和防撞技術協助航向規劃，增強船只的航行能力。 [43]然而，在更具戰爭性的角色中，"機器學習的長足進步為武器系統自主化的發展創造了機會"[44]。這種程度的自主化讓人不禁要問，世界各國海軍是否愿意將如此多的控制權讓給此類作戰管理系統。

人工智能在無人航行器/飛行器中的應用

雖然人工智能在海軍作戰系統中的應用尚處于起步階段，但在無人航行器中的應用已較為成熟。 無人航行器已成為現代海軍結構的一個常見特征，隨著它們被部署執行更復雜的海軍任務，人類對它們的控制程度正在逐步降低。因此，當這些無人艦艇在沒有任何衛星上行鏈路的無系留環境中工作時，它們被賦予了完全的任務自主權。倫理與安全自動機專家肖恩-威爾士（Sean Welsh）認為，在海軍安全任務中，這些艦艇主要被用作增強戰斗力的手段，以提供無縫的海域感知（MDA）。

技術的集體進步使這些航行器能夠執行更復雜的任務，自主性和自身的支持包也得到了提高。Welsh 介紹說，"潛艇發射的 USV 通過系繩與'母'潛艇相連，提供海面視頻通信，而潛艇無需進入潛望鏡深度。這種 USV 然后發射小型無人機（UAV），使潛艇能夠從空中進行偵察。"[46] 雷神公司的 SOTHOC（潛艇超視距有機能力）就是這種系統的一個例子--"它從潛艇廢物處理鎖上彈出的無人發射平臺上發射一次性無人機。 "[47]在水面行動方面，美國海軍的 "海上獵人"（Sea Hunter）就是一個例子，說明如何部署反潛航行器進行大面積監視行動，跟蹤潛艇并將信息反饋給附近的船只或預先確定的指揮站。 [48] 由美國國防部高級研究計劃局（DARPA）研制的 "海上獵手"（Sea-Hunter），又稱 "反潛戰連續跟蹤無人船"（ACTUV），可配備傘降傳感器陣列，使其感知能力提高一千多英尺，增強了其全向無線電連接能力。

無人作戰的另一項發展正在改變海軍任務的性質，這就是所謂的 "蜂群"。蜂群主要是指一組無人機（飛行器），這些無人機（飛行器）本身可以自主行動，但作為一個整體是由遙控操作的。它們是為執行一個總體目標而量身定做的，但每個單元之間又各自獨立。軟件開發使這些單個的無人機能夠在更大的任務范圍內自行執行小型任務，同時又能無縫連接。美國海軍已經投資了一項研究計劃來開發這種能力。該計劃名為 "低成本無人機蜂群技術"（LOCUST），將允許操作人員控制蜂群的行為，同時保留單個無人機的自主性。[50] 美國海軍研究辦公室（ONR）甚至舉行了一次機器人蜂群演示，四艘無人機船在一個區域內巡邏，同時自動保持編隊，人類僅控制蜂群的大動作。 [51] 中國一家科技公司--云洲智能科技公司（Yunzhou Intelligence Technology，簡稱 "云洲科技"）也在萬山群島進行了類似的演示，56 艘自主 USV 裝備了專門開發的 "自主模塊"。與蜂群相關的技術發展有能力改變傳統上以航空母艦等戰略資產為中心的海軍行動。蜂群技術將使海軍能夠分散其較小的戰術資產，執行與大型常規艦艇相同的安全任務，只要這些資產協調一致地執行指定任務即可。

適用于海軍作戰系統的深度學習算法概念同樣適用于自主海軍艦艇。 這些無人航行器在沒有人類監督的情況下，不斷從環境中學習，提高執行任務的能力，并增強洞察力。此類無人艦艇的目標自主性可滿足未來戰爭的需要，讓 "海上獵人 "號這樣的自動潛航器在自主執行任務的情況下進行全方位反潛作戰。同樣，如果獲得致命的自主權，自動潛航器很可能成為未來攻擊型潛艇的替代品。自主執行致命任務將使這種無人艦艇能夠為港口、大型船舶、商業船隊、海上交通線甚至核潛艇提供積極保護。可以說，未來的海戰空間將有利于自主系統。那么問題來了，致命自主武器系統（LAWS）何時部署？

致命性自主武器系統（LAWS）

海洋環境被認為是最適合初步部署致命性自主武器系統的區域，因為這里更容易識別資產，而且平民相對較少。[53] 武裝自動潛航器將提高海軍特遣部隊的行動帶寬，因為艦艇將有能力在沒有人工干預或指揮團隊任何投入的情況下發揮作用并攻擊敵方目標。在這場自動化革命的未來，我們很可能會看到這樣一種系統，它將成為海軍指揮和控制的掌舵人，有權在其認為必要時部署致命的無人資產，完全取代人類指揮團隊。在保護極易受到潛艇威脅的海區方面，使用致命性自主武器系統具有不可否認的優勢。在水下執行任務時，部署致命性自主武器系統將更有意義，因為通過遙控潛水器瞄準目標很成問題，由于無線電波在鹽水中的特性，潛艇中現有的通信僅限于 VLF（甚低頻）和 ELF（極低頻）無線電波[54]。

相反，基于人工智能的致命性自主武器系統是否符合國際人道法，則是過去幾年中具有全球意義的一場辯論。就本文而言，采用紅十字國際委員會贊成的定義是合適的。紅十字會使用"'自主武器'作為一個總括術語，包括任何類型的武器，其'關鍵功能'具有'自主性'，這意味著一種武器可以在沒有人類干預的情況下選擇（即搜索或探測、識別、跟蹤）和攻擊（即攔截、對其使用武力、使其失效、破壞或摧毀）目標。 "[55]日內瓦的《聯合國特定常規武器公約》（CCW）一直是圍繞致命性自主武器系統合法性進行討論的平臺，該公約已就這一主題舉行了多輪磋商，但未能就如何規范這些不斷發展的武器系統達成共識。很有可能的是，在就監管致命自主武器系統的任何國際公約達成一致之前，就已經有了 "關鍵功能自主 "的武器系統。國際監管機構只能控制各國想要披露的信息，而各國為開發致命性自主武器系統而實施的任何秘密計劃都將繼續游離于《特定常規武器公約》的范圍之外。為了避免出現這種情況，一個非政府組織聯盟發起了 "制止殺手機器人國際運動"。在人權觀察組織的領導下，該運動一直要求先發制人地全面禁止致命性自主武器系統的部署和開發。[57] 由于其中許多技術都處于先進階段，國際社會對致命性自主武器系統的擔憂并非假設。斯德哥爾摩國際和平研究所的報告建議，《特定常規武器公約》應探討 "有意義的人類控制 "自主系統的概念，以規范致命性自主武器系統。

找到一個中間立場是有余地的，即可以對致命性自主武器系統進行編程，使其符合國際法準則。如果這些基于人工智能的飛行器和系統具有殺傷力并可自由攻擊目標，那么它們的任務自主權可僅限于預先編入其系統的機動程序。軟件開發人員可對其自主瞄準功能進行額外控制。在最基本的步驟中，開發致命的無人潛航器或賦予網絡系統致命能力，只需開發一個簡單的船只識別系統，對獨特的聲學特征做出反應即可。根據美國機器人學家和機器人倫理學家羅納德-阿金（Ronald Arkin）提出的原則，可以對這些系統進行進一步的倫理控制： 這些機制將確保智能行為的設計只在嚴格界定的道德界限內做出反應。為機器學習的學習算法編碼的軟件應具有卓越的目標識別能力，并允許創建技術，以適應道德約束集和隨著學習而發展的基本行為控制參數。

基于人工智能的海軍系統和無人系統的作戰前景

美國和中國在開發基于人工智能的海軍系統方面走在前列，這將增強兩國的海軍能力。兩國都投入了大量資源來制定在本國海軍中實施基于人工智能的系統的行動計劃，并在制定此類計劃的同時制定了支持這種向無人操縱轉變的創新作戰程序。美國國防部制定的《第三次抵消戰略》相當重視發展人工智能的軍事用途，目的是保持戰區優勢。[65]奧巴馬政府時期制定的戰略側重于發展尖端國防技術，以保持美國在戰場技術計算上對俄羅斯和中國等對手的優勢。

與此同時，軍事規劃人員也在提出適合新階段無人作戰的創新作戰概念。預計，蜂群智能和蜂群戰術可作為一種非對稱方法來攻擊美國的高價值武器平臺。 [71]"蜂群 "技術很有吸引力，因為它能讓以較低的軍事對抗概率進行武力投射。[72]在另一端，美國的分布式殺傷戰略旨在擺脫多年來圍繞高價值目標的海軍戰略，將行動能力分布在分散的資產中。 [73] 這兩種戰略都會使目標難以鎖定，并使對手的能力不堪一擊。

總的來說，無人平臺在執行水下任務，尤其是反介入/區域拒止（A2/AD）戰略方面最具潛力。[74] 相反，無人平臺也可用于反介入/區域拒止戰略，正如 ORF 分析師 Abhijit Singh 所說，"無人平臺的決定性特征是能夠將作戰行動擴展到對手的反介入/區域拒止區域，而不會危及機載系統的完整性或將己方部隊置于危險境地。 "[75]無人飛行器可執行各種非致命行動：對淺水沿岸地區進行主動勘測、探測和監測水雷、干擾敵方通信、提供聲學情報、進行海洋學和水文學勘測、為水下平臺提供水下通信，以及對海軍水雷實施主動反制措施[76]。[77]從根本上說，無人平臺有望提高生產率，使有人系統能夠執行更專業/更重要的任務，提高作戰程序的效率。

人工智能在海事領域的后果

未來幾年，圍繞人工智能的炒作肯定會愈演愈烈，隨著越來越多的此類系統得到部署，世界可能很快就會進入人工智能支持的海軍在海上戰場普遍存在的戰爭階段。然而，在海軍作戰中廣泛啟動基于人工智能的系統會帶來多種后果。其中最主要的是來自傳統海軍人員的制度性阻力，他們會反對任何試圖取代他們的舉動。[79] 人工智能支持的海軍作戰系統將要執行的任務目前是由海軍艦艇上或岸上的人員執行的。因此，在海戰決策周期中取代人類分析人員將改變海軍部隊的多個部門。隨著海軍作戰行動的轉變，海軍將需要這些傳統分析人員的幫助，因為作戰程序需要過渡和調整，以適應人機協同作戰。美國海軍人工智能應用研究中心（Navy Center for Applied Research in Artificial Intelligence of the US Navy）就是一個很好的例子，說明一個專門機構是如何負責研究這些課題的。 在這個先于人機協同進行致命交戰的時代，海軍需要向其行動、部隊和系統灌輸各種可能性，無論它們看起來多么遙遠。最值得注意的是，作戰模式和戰術需要進行改革，以適應多車輛控制。

目前，人工智能在海軍作戰中的大部分應用都依賴于人類操作員，因此人機校準極為重要。海軍作戰系統只在作戰場景中執行分析功能，而交戰的最終決定權在于人類海軍指揮官。因此，在作戰中使用人工智能的海軍需要確保人類指揮官和人工智能支持的機器都能理解對方的決策回路。美國工程心理學家約翰-霍克利（John Hawkley）在《愛國者戰爭》一書中寫道："新的自動化系統很少能達到最初的要求。首次使用自動化系統的用戶必須預計到一個調試和校準期，在此期間，系統的實際能力和局限性將被確定。"[82] 霍克利進一步提到了自動化系統的 "脆性"，他在書中討論了 "機器無法可靠地處理不尋常或模棱兩可的戰術情況"[83]。 [83]這也使人類主管人員難以對自動化系統保持警惕，因為他們需要執行 "關鍵功能"，但在其他自主功能中卻處于決策圈之外。[84]受過技術訓練的指揮官對自動化系統沾沾自喜，而經驗豐富的指揮官則對自動化系統心存疑慮，這可能會導致部隊內部出現分歧。[85]這些系統中的自動化系統不應被視作表面價值，正如一份報告所提到的，"相信系統的無懈可擊（即：它總是正確的）可能會使人對自動化系統產生誤解、 86]此外，在一些具有深度學習神經網絡的自主系統中，輸入-輸出過程還不完全透明，這可能會對人機協作造成障礙，因為人類指揮官無法理解系統是如何處理信息并做出決策的。因此，在目前的情況下，"非循環 "自主武器系統極不可能具備致命能力，更何況圍繞著它們的倫理問題。

開發和部署此類系統的另一個障礙是它們容易受到反制措施的影響，其中一些反制措施已經問世。許多人工智能支持的飛行器仍處于設計階段，預計在開發這些飛行器的同時，對手也將投資開發反制措施。聲學隱形和聲學靜音技術已被應用到潛艇中，未來這些技術的改進會讓人工智能艦艇的聲學識別系統徹底崩潰。[88] 聲學隱形技術涉及設計噪聲特征和雷達截面減小的艦艇--新一代柴油電力潛艇就是一個很好的例子。此外，由于水深的限制或敵軍的全球定位系統干擾，無人駕駛飛行器在全球定位系統失效的環境中運行，令人嚴重關切此類系統如何不間斷地工作。非 GPS 制導系統和抗干擾保護軟件需要納入研發過程。許多國家正在開發可對無人系統采取軟殺傷措施的能力，特別是使用黑客攻擊和干擾軟件。[90] 海軍特遣部隊的無人潛航器或 USV 被黑客攻擊并用來對付它的可能性將困擾著每一位海軍指揮官。對無人系統進行黑客防護應是開發人員的首要任務。當這些系統仍在開發階段時，開發人員和最終用戶需要考慮上述所有因素。

印度海軍對無人系統的嘗試

印度很晚才認識到自主系統在軍事領域的潛力，在開發基于人工智能的本土作戰系統和海軍車輛方面遠遠落后于美國和中國等國家。不過，印度政府最近在這一領域表現出了一定的緊迫感，并成立了一個人工智能工作組，探索人工智能可以增強常規能力的各種領域。在 2018 年 4 月的欽奈防務博覽會上，印度總理納倫德拉-莫迪（Narendra Modi）表示： "人工智能和機器人等新興技術或許將成為未來任何國防力量防御和進攻能力的最重要決定因素。印度憑借其在信息技術領域的領先地位，將努力利用這種技術傾斜來發揮自身優勢。"[91] 一位印度政府官員在接受一家印度報紙采訪時補充了這一觀點。他說："世界正在走向人工智能驅動的戰爭。印度也在采取必要措施，讓我們的武裝部隊做好準備，因為人工智能有可能對國家安全產生變革性影響。政府已經成立了人工智能工作組，為其準備路線圖。"[92] 在過去的一年里，印度政府為基于人工智能的研究撥出了一些專款，但無人海軍艦艇和系統的具體研發領域并未得到任何優先考慮。[93] 比較樂觀的是，一些印度大學和研究機構已經開發出了可交由海軍使用的無人潛水器，最近印度首個以人工智能為重點的研究所也在孟買開業。

迄今為止，印度海軍尚未考慮在自主系統時代修改其作戰規程。然而，隨著智能系統在海上安全領域的普及，新德里的海軍戰略家們有必要合理安排行動，以對抗敵對的無人系統。正如 ORF 研究員普山-達斯（Pushan Das）所提到的，"要提高有限反潛資產的作戰效能和靈活性，就必須采用不斷發展的條令和具體的作戰概念，使有人和無人資產能夠協同作戰。 "[96]他補充說，"將有人和無人資產結合起來，將為印度戰艦在高威脅環境下提供高度的戰術靈活性，降低船員的風險，并使目標瞄準更快、更精確。"[97]從根本上說，印度海軍可以部署具有自主能力的海軍車輛執行多種任務，從艦隊保護行動到反潛戰任務，再到沿岸水域偵察。對于印度海軍為印度洋地區（IOR）提供安全保障的主要任務來說，自主系統（包括致命和非致命系統）的應用是巨大的。

印度海軍在開發自動潛航器并將其納入艦隊方面遠遠落后，目前需要將重點放在簡易反制措施上。印度海軍需要獨立于國防研究與發展組織（DRDO），在這一領域開展自己的研發工作，并為此招募懂技術的人員。印度國防機構需要在 "與私營和公共部門合作，促進本土智能技術的發展"[99] 方面表現出一定的緊迫性。印度充分利用了信息技術（IT）時代帶來的好處，并向世界各國提供了經過 IT 訓練的熟練專業人員。印度需要以同樣的活力和魄力開發其龐大的人力資源，將他們的技能導向熟練掌握人工智能相關應用。與大多數開發人工智能相關軍事技術的國家一樣，私營部門的研發工作已自動擴散到國防工業。

結論

本文旨在研究人工智能在海軍行動中的適用性，并對自主海軍任務的不同層面進行了多方面的研究。關鍵問題仍然是，在商業商船數量不斷增加導致海洋環境日益擁擠的情況下，這些基于人工智能的系統能否為海洋公域提供安全保障并保護中立商業。因此，在未來，自主系統最重要的要素將是其同時區分多艘船只和維護商船聲學特征數據庫的能力。這需要商業航運公司的合作，以及對深度學習算法的嚴格測試，以驗證這些自主系統的模式識別過程。雖然自主艦艇可以執行各種海軍任務，但需要在其系統中預設遵守國際海事法和公約的程序，以避免其闖入劃定的專屬經濟區。最重要的是，長期執行閑逛任務的自動艦艇需要使用可持續能源，以確保其任務不會對海洋環境造成任何損害。正如一份報告所提到的，二者之間的矛盾在于，對這些船只的開發進行監管時，"對雙重用途技術的控制不會阻礙有關自主性民用應用的科學研究，從而也不會阻礙經濟發展"。

隨著人類發展的每一個時代，海軍行動都在發生變化，隨著以網絡為中心的戰爭新時代的到來，海軍規劃者將相應地需要考慮到所有的可能性。基于人工智能的系統提供了超越人類可能的機會，為海上安全任務注入了新的熱情。然而，這些技術只有在不對稱的情況下才能在戰場上獲得技術優勢。海軍作戰人員、規劃人員和戰略人員需要認真思考這條自動化之路將把他們帶向何方。雖然否定人工智能系統的發展是在冒險，從長遠來看可能會付出高昂的代價，但從目前的情況來看，更上一層樓就會出現兩支都由人工智能系統指揮的海軍對峙的局面。在這種決策-行動周期完全崩潰的超戰爭場景中，海軍任務與海戰之間的界限可能會變得模糊不清。

在最近的沖突中，火力的應用是創新和動態的。在無人機觀測員的協助下，利用閑逛無人機和常規火箭炮彈藥進行 "遠程精確火力"和 "時間敏感目標定位 "極為有效。事實證明，各種火力資產、無人機、武器定位雷達、預警資產和火控系統的自動化和網絡化整合非常致命。無人機已證明其在 ISR 和目標定位矩陣中的功效，并被廣泛用于反恐和常規武裝沖突。隨著技術的進步和通信設施的改善，無人機的使用范圍將進一步擴大。

在國防和安全部門的目標定位和其他領域使用無人機是不可避免的。印度具有成為全球無人機制造中心的巨大潛力。印度武裝部隊已做好充分準備，探索和優化利用無人機的潛力。必須確保建立一個自動化和無縫聯網的傳感器射擊鏈接，將 ISR 架構和目標實體整合在一起。為實現這一目標，需要一個通用地理信息系統和通用通信協議。對于巨大的資源需求而言，財政審慎和 "Atmnirbharta "將是關鍵因素。應重新審視對各級人員的培訓。

引言

遙控無人駕駛飛機自 20 世紀 30 年代起就開始使用。美國最初使用無人機執行 ISR 任務，后來逐漸發展到部署對陸攻擊炸彈和魚雷。越戰期間，美國開始使用無人駕駛飛機執行作戰任務。2001 年 9 月 11 日雙子塔恐怖襲擊后，美國在全球范圍內廣泛使用武裝無人機開展反恐行動。許多知名度很高的恐怖分子頭目都是在無人機的精確瞄準下被擊斃的。2022 年 7 月 31 日，"基地 "組織領導人艾曼-扎瓦希里在美國的一次無人機襲擊中被消滅。從一架 MQ9 "死神 "無人機上發射的兩枚地獄火 R9X 導彈擊中了他，當時他正站在阿富汗喀布爾市中心家中的陽臺上。襲擊中無人傷亡。R9X 版地獄火導彈的彈頭為惰性彈頭，不含任何炸藥。2 R9X 型 "地獄火 "導彈的彈頭為惰性彈頭，不含任何爆炸物，而是金屬彈片，可在不對周圍環境造成太大破壞的情況下殺死目標。2020 年 1 月 3 日，美軍在一次無人機精確攻擊中定點清除了伊朗最有權勢的軍事指揮官卡西姆-蘇萊曼尼將軍，這突顯了戰場已變得極為透明并超越了國界。無人機攻擊的有效性體現在將目標殲滅在一個繁忙的民用機場附近，沒有造成任何附帶損害。

在常規行動中使用無人機的情況也成倍增加。在最近的沖突中，火力的使用具有顯著的創新性和動態性。在無人機觀測員的協助下，利用閑逛無人機以及常規火箭和火炮彈藥進行遠距離精確瞄準極為有效。在正在進行的俄烏戰爭中，兩國都在使用各種無人機來補充常規武器。早些時候，在阿塞拜疆和亞美尼亞之間的納戈爾諾-卡拉巴赫沖突中，阿塞拜疆部隊使用了土耳其提供的無人機，取得了毀滅性的效果。亞美尼亞的坦克、火炮、部隊和裝備傷亡慘重。在 2020 年 3 月初的土耳其-敘利亞沖突中，土耳其部隊采用了同樣的 "無人機襲擊和大規模炮擊 "方法，摧毀了 100 多輛裝甲車，打死了數百名敘利亞士兵。土耳其的這次攻勢主要是利用無人機炮兵偵察兵和電子戰能力實施的。本文試圖分析 "目標定位 "的當前和近期趨勢，強調 "整合無人機進行遠程精確射擊和時間敏感目標定位 "的重要性，并為印度武裝部隊提出一些當務之急。

未來作戰環境和戰場環境

未來幾十年，人口增長、持續的全球化、移民、快速城市化、日新月異的技術、能源、水、石油需求、資源競爭和氣候變化等因素都可能對戰略環境構成重大挑戰。新出現的沖突環境的特點是復雜、混亂和競爭。在所有這一切中，出現了 "灰色地帶"--介于戰爭與和平之間的空間，在這里，不同類型和數量的行動者在國家內部和國家之間爭奪資源、通道、領土和權力。

《2017 年印度武裝部隊聯合條令》指出，未來戰爭的特點是模糊、不確定、短暫、迅速、致命、激烈、精確、非線性、無限制、不可預測和混合。未來戰場的特點可能是：激烈交戰；非線性戰斗；同時行動；戰場透明度增加；在混合戰爭環境中協同和協調火力資源的使用以及精確和高殺傷力武器系統的使用，而且可能是在核生化戰爭威脅的總體背景下。

在過去幾年中，幾乎所有的軍事思想家、分析家和評論家都認為未來戰爭是 "短平快 "的。10 在過去幾年中，幾乎所有的軍事思想家、分析家和評論家都認為未來的戰爭是 "短平快 "的，但也出現了一些相反的觀點；這些觀點有力地指出，"實際上，一場成功、短平快的戰爭的可能性微乎其微，未來的戰爭將是長期的，并會帶來嚴重的政治后果"。正在進行的俄羅斯-烏克蘭戰爭似乎證明了這一觀點的正確性。

鑒于上述特點，未來的軍事行動很可能是多領域的。一般來說，陸地、海洋、空中、太空和網絡被認為是競爭和未來沖突可能發生的領域。但隨著戰爭的發展，新的領域也會不斷增加。拉吉-舒克拉中將（退役）在 2023 年 7 月 28 日的一條推文中總結了現代戰爭，確定了八個領域--陸地、海洋、空中、海底、電磁、太空和網絡，以及三個矩陣--射程、速度和精度，在新的人才管道、創新和軍民融合的幫助下，通過匹配進行作戰。他進一步解釋說，"潛艇 "和 "海底傳感器 "是不同的領域。

無論 "戰爭動態"、"作戰環境 "和 "未來戰場 "如何，武裝部隊都必須適應、發展能力、開展訓練，并為所有可能發生的情況做好充分準備。無人機和無人系統已成為戰爭和反恐行動的重要有力工具。

目標、目標獲取和目標定位--概述

美國武裝部隊聯合出版物 3-60《聯合目標瞄準》對 "目標 "和 "瞄準 "作了正式定義。目標 "是一個實體（人、地點或事物），被視為可能的交戰目標或行動目標，以改變或解除其對敵方的功能。目標必須符合國家戰略方向，并且是為完成指定任務而選擇的。它可以是設施、個人、虛擬、設備或系統能力"。

出于作戰計劃的目的，目標被分為 "計劃目標 "和 "機會目標"。高價值目標（HVT）被定義為敵方最不能承受損失或能為其提供最大優勢的目標。高回報目標（HPT）是指友軍為取得成功而必須獲取和打擊的目標。一些特殊類型的 HPT 對完成任務具有非常重要的意義，被稱為 "時間敏感 "目標和 "關鍵部件 "目標。

“目標獲取”是指以指定武器系統所需的精確度定位目標，以有效摧毀或壓制目標的過程。

“目標定位”系統地分析目標并確定優先次序，匹配適當的致命和非致命行動，以產生具體的預期效果，實現目標。它將各級指揮和各階段行動中的情報、行動和計劃聯系起來。"目標定位"的目的是通過利用現有能力對目標產生特定的致命或非致命效果，將火力整合并同步到聯合行動中。目標定位概述如下：

PMESII--政治、軍事、經濟、社會、信息和基礎設施--目標定位概覽

該出版物進一步闡述道："目標定位包括許多過程，所有這些過程都相互關聯，并以聯合目標定位周期為邏輯指導，不斷尋求分析、確定、發展、驗證、評估目標，并確定參與目標的優先次序。目標定位過程分為'蓄意'和'動態'兩類"。

還需要強調 ISR 與目標定位之間的相互關系。ISR 是將情報周期與監視、目標捕獲和偵察任務相結合的過程，目的是提高指揮官的決策能力和促進目標定位過程。ISR 行動的重點是為決策者提供所需的信息和情報。無人機是 ISR 和目標定位矩陣中最重要的資源之一。它們為軍事規劃人員提供了極大的靈活性和巨大優勢。

目標定位過程

各陸軍采用了許多目標定位流程來打擊敵方目標。其中一個流程是 "決定、探測、投送和評估"（D3 A）流程。另一種流程是 "發現、固定、跟蹤、目標定位、交戰和評估"（F2 T2 EA）流程。F2 T2 EA 流程一般與動態目標定位有關，也被稱為 "殺傷鏈"。

目標定位的新趨勢--廣泛使用無人機

在最近涉及俄羅斯-烏克蘭、土耳其-敘利亞、亞美尼亞-阿塞拜疆和利比亞的沖突中，各種武器系統的能力得到了展示。在 ISR 和目標定位方面出現了某些非常有趣的趨勢。事實證明，各種火力資產、無人機、武器定位雷達、預警資產和火控系統的自動化和網絡化整合是非常致命的組合。無人機在這一 "ISR 和目標定位循環 "中發揮了最重要的作用。它們被用于各種作戰任務，如情報搜集、監視、目標定位、干擾通信、使用閑置彈藥進行攻擊以及后勤支援。

俄烏戰爭。在正在進行的俄羅斯-烏克蘭戰爭中，交戰國都廣泛使用了無人機。2023 年 5 月 19 日，英國專門研究國防問題的智庫--皇家聯合服務研究所（RUSI）發表報告稱，"烏克蘭軍方目前每月在戰場上損失約 1 萬架無人機，即每天損失 300 多架"。戰爭初期，烏克蘭使用土耳其 Bayraktar TB2 等大型戰術無人機攻擊俄羅斯坦克縱隊。不過，現在使用的主要是小型無人機，通常是民用無人機。雖然許多評論家對這一說法提出質疑，但無人機的重要性不容忽視。

《華盛頓郵報》的另一篇報道稱，無人機已融入兩國戰斗的每一個階段，擁有龐大的機群、防空和干擾系統。除了雙方在戰斗中使用無人機外，記者也在使用無人機從原本無法進入的戰區收集信息和進行報道。一些分析家認為，2022 年 4 月，俄羅斯旗艦 "莫斯科娃 "號被烏克蘭擊沉，烏克蘭創新性地使用了無人機。可能是土耳其制造的 "Bayraktar "無人機干擾了該艦的防御，然后使用 "海王星 "反艦導彈攻擊并摧毀了該艦。

根據 BBC Verify 監測到的俄羅斯媒體報道，今年在俄羅斯和俄羅斯控制的烏克蘭領土上發生了 120 多起疑似無人機襲擊事件。石油設施、機場和能源基礎設施都成為目標定位。

據報道無人機襲擊俄羅斯目標定位

土耳其在 2020 年 3 月的伊德利卜戰役中對敘利亞部隊進行了致命的火力攻擊，使火炮與無人機和用于預警的網絡資產相結合，在 21 世紀的軍事行動中重新嶄露頭角。據報道，土耳其干擾了敘利亞的雷達，利用無人機獲取目標定位，并用火炮和火箭實施了致命的火力攻擊。作為炮兵的觀測員，無人機扮演了過去由慢速飛行的觀測飛機承擔的危險角色，用于指揮精確的炮兵射擊。

俄羅斯的偵察-打擊和偵察-火力系統概念。俄羅斯人在 2014 年 7 月的 "澤洛諾皮亞火箭攻擊 "中首次展示了這種創新性的綜合運用無人機進行目標定位、網絡攻擊以及火箭和火炮致命火力攻擊的方法。根據《華盛頓郵報》的報道，"俄羅斯炮兵的一次'火力打擊'在幾分鐘內摧毀了烏克蘭近兩個機械化營"。這是一次創新而大膽的火力運用，將 EW 資產、無人機以及火箭和火炮等火力資產融為一體。

俄羅斯歷來是 "火力至上 "的最大支持者。根據《2023 年全球火力》數據，俄羅斯擁有世界上最大的火炮。俄羅斯對其火力資源及其應用概念進行了大規模的現代化改造。為了對抗北約部隊的空中優勢，俄羅斯投入巨資購買了伊斯坎德爾和金日勒等精確制導導彈以及 2S35 Koalitsiya 155 毫米自行榴彈炮和 9A53 Uragan M1 多管火箭炮等先進火炮武器系統。同時，還大力發展無人機和無人駕駛飛行器。為炮兵設計了特殊目標定位無人機，射程約為 40 公里。現代 T14 Armata 坦克安裝了系留目標定位無人機。每個機動旅都編有一個無人機連，配備有 Eleron、Granat 和 Orlan 等無人機。

華盛頓特區詹姆斯敦基金會歐亞軍事研究高級研究員羅杰-麥克德莫特在分析俄羅斯炮兵現代化時強調說，俄羅斯的炮兵和精確導彈等武器系統接收來自無人機和其他前方偵察機的目標定位信息，這些信息通過 "Strelets "情報管理和通信系統實時傳輸。這有助于在極短的時間內進行高精度射擊。無人機是重型火炮師的組成部分，有助于精確瞄準目標。ROS 是俄羅斯網絡中心戰的變種，旨在整合在戰場上行動的所有單元和分單元。為確保對敵火力打擊的速度和連續性，正在創建 "偵察-打擊 "和 "偵察-火力綜合體"。

俄羅斯武裝部隊舉行了 "Tsentr 2019 "戰略指揮參謀演習。在作戰行動中廣泛使用無人機可能是演習中最重要的方面。演習中，無人機被獨立用于偵察、識別和指定目標，以便航空兵和野戰炮兵實施打擊。無人機和無人駕駛飛行器與野戰炮的結合使用是俄羅斯偵察-火力系統的關鍵要素，大大提高了行動速度和火力控制的準確性。

以色列國防軍（IDF）也非常重視整合來自海陸空各種平臺的火力，并通過單一的 C4I 網絡相互連接。炮兵部隊負責摧毀固定目標和機會目標。陸基發射器和其他基礎設施的明顯優勢在于，一旦連接起來，它們都相對簡單。同樣，無人機和無人潛航器在目標定位方法上也發揮著重要作用。除了精確度越來越高、射程越來越遠的導彈和彈藥外，炮兵部隊也在使用無人機。

非常明顯，無人機將成為 ISR 目標定位架構的重要組成部分。無人機在最近的沖突中充分展示了其功效。隨著人工智能技術的改進和通信設施的改善，無人機的使用范圍將進一步擴大。

印度武裝部隊的當務之急和建議

無人機的相關性和重要性不僅體現在國防領域，還體現在工業、基礎設施、農業、物流、供應鏈管理、零售、通信、新聞、大眾傳媒和許多其他領域。它已被確定為一項利基技術和 Atmnirbhar Bharat 的核心研發領域。無人機管理條例 3.0 正在創造一個有利的政策生態系統。印度政府正在平衡行業需求和公共安全關切。這將推動印度無人機產業的快速發展。

印度工商會聯合會（FICCI）與安永會計師事務所（E&Y）在一份題為 "讓印度成為世界無人機中心 "的報告中估計，到 2025 年，全球無人機市場規模可能達到 540 億美元。就印度而言，無人機制造的潛力到 2025 年可能達到 42 億美元，到 2030 年可能增長到 230 億美元。印度擁有成為全球無人機中心的潛力和機會。為利用這一機遇，各方都在付出巨大努力。

印度武裝部隊正處于轉型的風口浪尖。三軍的現代化和轉型正在得到推動。隨著政界和官僚機構的加入以及綜合戰略部署的到位，三軍的整合似乎已成定局。聯合戰區司令部的成立只是時間問題。不過，這只是轉型的開始。要成為一支精干、高效、靈活的現代化部隊，還有許多工作要做。

印度武裝部隊已經正確認識到無人機的潛力，并做好了充分準備加以利用。必須與工業界以及參與無人機研發和后續批量生產的所有其他利益相關方保持有效聯系。

在當前的沖突和演習中，各國武裝部隊都充分展示了無人機在 "遠程精確射擊 "和 "時間敏感目標定位 "方面的集成能力。印度武裝部隊也將不可避免地使用無人機進行同樣的工作。為此而建立的框架需要大量資源、努力和各級協調。下文將詳細闡述簡化該框架的若干建議：

• 印度武裝部隊的重點通常放在 ISR 行動上。聯合目標定位 "方面也必須納入各個層面。

• 為確保有效、實時或接近實時的目標定位，必須建立自動化、網絡化和無縫的 "傳感器-射手 "鏈接。必須整合各級 ISR 架構和目標定位火力控制實體。為此，最重要的是要有一個共同的地理信息系統和共同的通信協議，確保所有三個軍種以及與國家安全有利害關系的其他實體之間的無縫連接。

• 美國私營公司 Planet Lab 充分證明了衛星對 ISR 的重要性。該公司由三名前美國國家航空航天局工程師于 2010 年創立，目前運營著最大的私人地球觀測衛星星座。它一直以商業方式向全球提供衛星圖像。印度必須考慮建立自己的低地球軌道小型衛星星座，以進行持續監視和偵察。這將提高武裝部隊的 C4I2SR 能力，從而加強傳感器與射手之間的聯系。它還將改善地面站、空中資產和太空之間的連接和數據傳輸。

• 戰場監視系統（BSS）必須優先投入使用。36 - 戰場監視系統（BSS）必須優先投入實戰。一旦投入實戰，用戶希望的進一步改進可隨后納入。應優先確保該系統與目標定位實體的整合。

• 火力資源必須擁有自己的整體化、自動化和網絡化觀測與目標定位系統。無人機、UAV 和 RPAS 必須納入整個 ISR 和目標定位矩陣。

• 包括無人機在內的自動化和網絡化 ISR - 目標定位架構可能需要大量資源。這只能通過本土化來滿足。財政謹慎和 Atmnirbharta 將是關鍵因素。

• 隨著數據自動化的發展，庫存管理已變得非常容易。

• 包括戰略和行動領導人在內的各級人員培訓需要重新審視。必須提高士兵的技術門檻。

結 論

未來戰場變幻莫測。戰爭的性質是動態的，并將不斷變化。無人機將在國防和安全部門發揮非常重要的作用，并具有廣泛的適用性。在最近的沖突中，無人機證明了其在動能和非動能行動中的功效。印度有潛力在不久的將來成為全球無人機制造中心。國防部隊必須充分利用這一機遇。

印度武裝部隊必須為任何可能發生的情況做好充分準備。目標定位 "必須從全局出發。必須將無人機整合到 "ISR 和目標定位 "以及后勤和通信等其他領域。將作戰空間網絡化、加強 ISR 網、將火力資產與無人機和火控系統相結合，將是未來戰斗制勝的關鍵因素。

最近在烏克蘭的行動證明，引入新技術、戰術、技巧和程序可以極大地影響 21 世紀的戰場。美軍正在將從這次沖突和其他近期沖突中吸取的經驗教訓融入聯合全域指揮與控制（JADC2）作戰概念。美國防部正在尋求通過 JADC2 實現決策優勢，"在戰爭的各個層次和階段、跨所有領域并與合作伙伴一起產生感知、理解和行動的作戰能力，以相關性的速度提供信息優勢"。雖然這一定義抓住了 JADC2 的目標，但對如何實現這一目標卻知之甚少。本文利用 OODA 循環和一個項目融合用例（濕隙穿越）來說明人工智能 (AI) 將如何在這種復雜而相關的場景中通過降低風險來實現決策優勢。

圖：在 OODA 循環中應用邊緣人工智能 (AIAE) 加快決策能力，提高決策優勢

最近在烏克蘭的行動再次證明，在 21 世紀的戰場上，引進新技術和戰術、技術和程序可以產生重大影響。美軍正在利用從這次沖突和其他近期沖突中吸取的經驗教訓，并將其納入聯合全域指揮與控制（JADC2）作戰概念。最近由美國防部（DoD）贊助的實驗（包括各軍種、作戰司令部和盟國的參與）重點關注日益復雜的局勢，以深入了解 JADC2。

這種方法希望利用人工智能（AI）、機器學習（ML）、自主性和其他先進能力更好地連接傳感器和射手，縮短對對手產生致命和非致命影響的時間，從而影響多域行動。降低作戰人員和決策者的認知負荷以及縮短從探測到交戰決策的時間以獲得優勢等目標，只是國防部正在應對的需求、風險和技術挑戰中的一部分。

決策優勢

與過去的其他沖突一樣，21 世紀的沖突將取決于決策優勢，誰能最好地利用和確保信息，在最短的時間內做出最明智的決策，誰就有可能獲勝。決策優勢被定義為比對手更快地吸收、分析從戰場上獲取的信息并采取行動的能力。

縱觀歷史，決策優勢始終是決定戰斗和沖突勝負的關鍵。現在，面對日益增長的中國威脅，美國的作戰能力和能力優勢正在急劇縮小，在這樣一個時代，實現決策優勢比以往任何時候都更加重要。由于其他國家和非國家行為者在全球范圍內迅速擴散技術，實現決策優勢也變得更具挑戰性。

電信、傳感器、處理能力和武器的進步，以及太空和網絡空間作為作戰領域的作用日益增強，從根本上改變了戰爭中指揮與控制的特點。有鑒于此，國防部正尋求通過聯合作戰指揮與控制2實現決策優勢，"在戰爭的各個層次和階段，在各個領域，與合作伙伴一起，產生感知、理解和行動的作戰能力，以相關的速度提供信息優勢"。但是，盡管這一定義抓住了 JADC2 的目標，卻對如何實現這一目標知之甚少。

共享情報

為了使 JADC2 概念成為現實，各軍種都在分析自己在實現這一愿景方面的貢獻。雖然許多軍種都在專注于創建一個全球目標系統，以實現發現、固定、跟蹤、瞄準、交戰和評估等殺傷鏈功能，但也有一些軍種正在研究 JADC2 如何協助實現決策優勢，以便將部隊機動到優勢位置，阻止對手實現其目標。

美國陸軍最近接待了空軍、海軍、海軍陸戰隊，并首次將國際合作伙伴和盟國納入其中，在其年度現代化實驗中整合技術并測試多域作戰： 2022 融合項目"。陸軍的第三個年度 "聚合項目 "通過在多個地點舉行一系列基于各種作戰場景的實驗和活動，對該軍種的范圍和能力進行了測試。

來自美國、英國和澳大利亞的作戰人員用數周時間測試了約300項技術和新的作戰概念，以展示各軍種有朝一日如何作為一支聯合部隊作戰。這些實驗和其他實驗有助于形成跨組織協作、確定技術投資的優先次序以及完善平臺和系統需求文件，從而為未來作戰環境的構想提供信息。

通過這些不同的實驗，發現一個共同的主題，即未來作戰需要跨國家、跨領域和跨技術的協作，以確保互操作性并實現 JADC2 的愿景。無論在哪種情況下，假設的對手都可能是近鄰競爭對手，并將尋求在無法保證美國空中或其他領域優勢的情況下實現反介入/空中拒止（A2AD）環境。

確定技術挑戰

包括全球定位系統衛星在內的美國天基資產可能會被削弱。人們還認為，帶有人機界面的人工智能/ML 能力將做出最終目標定位和其他決策，而先看、先理解、先行動和先決策的能力將為哪一方獲勝提供關鍵優勢。同樣顯而易見的是，工業界、學術界和聯盟伙伴在為存在的各種差距和挑戰尋找技術解決方案方面至關重要。

本文旨在探討新的創新技術解決方案如何有助于利用有人和無人系統在陸地領域實現決策優勢。本文將確定并討論關鍵技術挑戰和風險，以及潛在的技術材料解決方案。實現 JADC2 需要在條令、組織、培訓、物資、領導力和教育、人員、設施和政策方面進行重大變革，但本文將只關注物質解決方案。

當前地面戰中的人工智能

認識到數據是一種戰略資產，并在多域行動中采用全局性的整體方法，將有助于推進 JADC2 計劃，并提高各軍事任務的決策優勢。值得注意的最復雜地面場景之一是濕式間隙穿越作戰，這對機動部隊接近和摧毀敵軍非常重要。(圖 1）

然而，在計劃和執行這些關鍵行動時，后勤保障面臨著明顯的挑戰。(圖 2）一旦成功實施，濕式間隙穿越作戰就能提供戰爭中最有價值的基本要素之一--速度。速度是掌握主動權、防止敵人偵察和取得成功的關鍵。執行安全高效的濕式間隙穿越行動可以讓友軍為成功創造必要條件。

俄羅斯部隊最近在烏克蘭的一次失敗的濕式間隙穿越突顯了與這一復雜行動相關的許多挑戰和風險。俄軍在試圖穿越橫跨烏克蘭東部 Siverskyi Donets 河的浮橋時，損失了兩個或更多營的兵力--可能有 100 輛車和一千多名士兵。

在對這一失敗場景進行評估時，本文將探討進行濕式間隙穿越行動的主要風險，以及使用人工智能/移動式語言和其他關鍵技術的潛在技術解決方案。

圖 1：濕隙交叉口的描述

圖 2：規劃和執行濕式間隙穿越作戰時的典型分析

分析風險

由于未來大多數入侵資產都可能使用無人或可選有人系統，因此需要確保大量數據的安全，并通過戰術網絡進行傳輸，以同步執行偵察與安全、機動、火力、后勤和其他作戰功能。在宏觀層面，JADC2 需要通過各種分布式傳感器收集大量數據，并將其處理為可操作的信息。

戰略、作戰和戰術層面的利益相關者利用由此產生的信息流中的相關要素，以最佳方式執行任務。整個系統通過一套強大的通信鏈路連接在一起。這并不意味著每個人都能接收到所有信息，因為那樣每個人都會被數據淹沒。相反，這需要分配正確的信息，使各組織能夠在其特定責任領域取得更好的效果。以下是材料解決方案需要應對的其他風險：

• 如果無法在間隙穿越地點實現出其不意，那么在穿越過程中出現人員傷亡和任務失敗的幾率就會很高。

• 如果穿越點缺乏指揮和控制（C2），那么友軍很容易被對手的致命和非致命火力摧毀和削弱。

• 如果網絡保護不足或缺乏安全的空中更新，那么無人系統或可選擇的有人系統就會被對手欺騙或接管，從而破壞缺口穿越行動。

• 如果友軍處理傳感器和射手數據的能力下降，那么由于機動、火力和其他作戰功能之間缺乏同步，成功穿越缺口的可能性就會降低。

• 如果聯合和聯軍的 C2 系統不能互操作，那么同步作戰功能以確保成功穿越行動的能力就會降低。

技術挑戰的解決方案

在決策過程中應用和評估技術需要一個模型。OODA 循環--觀察、定位、決策、行動--是一個眾所周知、廣為接受的模式，尤其是在作戰人員群體中，因為它的起源。它是由美國空軍上校約翰-博伊德（John Boyd）提出的概念，是各領域決策和行動的典范。

OODA 循環描述了決策和行動的四步流程。首先，觀察環境并收集信息。然后，通過分析信息并理解其含義，為自己定位。然后，根據觀察和定位，決定采取什么行動。最后，根據決定采取行動。

OODA 循環強調決策和行動中速度和靈活性的重要性。我們的目標是盡可能快速高效地完成這一循環，以便適應不斷變化的環境，并在機會出現時加以利用。

通過觀察上圖，利用人工智能實現決策優勢有兩個關鍵的考慮因素：

• 人工智能（AI）處理適用于每個部分
• 盡量減少四個步驟之間的延遲

前面在 "濕隙穿越 "場景中概述的風險所體現的一個宏觀考慮因素是，決策必須在 "邊緣 "做出，而不是從指揮中心遠程做出。這大大減少了延遲，并在快速變化的環境中提供了靈活性。邊緣人工智能（AIAE）是指在靠近數據源的設備上部署人工智能算法。

將傳感器直接連接到 AIAE 單元將大大減少 OODA 循環中觀察-定向步驟之間的延遲。傳感器數據將從傳感器傳輸到人工智能單元的傳感器輸入端，然后通過處理集成電路內部的高速總線或同一單元內集成電路之間的高速總線傳輸到數據處理核心。(圖 3）

在 AIAE 單元中進行人工智能處理和決策，還將大大減少 "定向-決策 "步驟之間的延遲。這樣就不需要為額外的決策步驟向外部中心發送大量數據，然后等待決策回傳。出于同樣的原因，從 AIAE 單元發送 "行動 "命令也將減少 "決定-行動 "步驟的延遲。

圖 4：GPU 的并行處理架構可實現比 CPU 更快的計算速度，從而支持大量的人工智能應用

實現人工智能處理

用于 AIAE 處理的一個主流 COTS（商用現成）解決方案是通用圖形處理單元（GPGPU）。圖形處理單元上的通用計算指的是使用 GPU（圖形處理單元）來執行除傳統圖形渲染作用之外的通用計算。

GPU 設計用于并行處理大量數據，使其成為執行某些計算的理想選擇，速度比傳統 CPU（中央處理單元）快得多。通過利用 GPU 的并行處理能力，GPGPU 可以加速各種人工智能應用。(圖 4）

技術的進步為市場帶來了更高性能的小型超級計算機，它們將 GPGPU 與 CPU 相結合，可用于 AIAE 應用。GPU 廣泛用于人工智能應用。

英偉達?（NVIDIA?）Jetson系列模塊將支持人工智能的GPGPU與多核CPU結合在一起，形成了一個緊密耦合、高性能、低功耗的超級計算機，可支持人工智能處理能力和決策應用軟件。英偉達?（NVIDIA?）Jetson 系列有多種不同外形尺寸、性能和最大功耗的模塊可供選擇。(圖 5）

圖 5：NVIDIA Jetson 系列包括不同的模塊，具有不同的外形尺寸、性能和最大功率選項。

以英偉達?（NVIDIA?）Jetson Xavier NX 模塊為例，該模塊可提供每秒六萬億次浮點運算（TFLOPS）的性能，最大功率為 15 瓦。這樣的性能可與配備處理器和圖形處理器卡的數百瓦工作站相媲美。

這種計算架構可以每秒 30 幀的速度處理和應用 20 多個 1040p 分辨率高清視頻輸入的人工智能算法，也就是說，它有足夠的帶寬來運行人工智能應用程序，為系統中的多個高清攝像機提供服務。

配備英偉達?（NVIDIA?）Jetson Xavier NX 模塊的加固單元可小至 4" x 2.3" x 3.9"。最大重量為 1.3 磅，最大功率為 15 瓦，從尺寸、重量、功率（SWAP）和性能的角度來看，它是 AIAE 應用的理想選擇。(圖 6）如果需要更高性能，基于更高性能英偉達?（NVIDIA?）Jetson 模塊的更大和更高功率的堅固解決方案是可以實現的。

圖 6：緊湊型高性能超級計算機正在邊緣處理大量傳感器數據。

這類基于 GPGPU 的堅固耐用單元還可以支持以太網（1GbE 和/或 10GbE）、CAN 總線、串行端口等行業標準接口）。例如，以太網接口可用作與系統中其他 "智能 "盒和任務計算機的通信通道，也可通過無線通信轉換器與外部設備進行交互。如果需要低延遲以太網通信，可使用時間敏感網絡（TSN）或時間觸發以太網（TTE）。

使用以太網網絡進行內部通信，可實現從物理電纜到路由器和數據包的多種冗余級別。在整個網絡中實施 IEEE 1588 時間分配可使所有網元同步到單一時間源。

除了高速傳感器處理外，這些單元還可用于處理來自低速傳感器的數據--模擬 I/O、離散 I/O、串行端口等。將這些功能整合到一個 AIAE 單元中，有助于消除車輛中額外的電子設備盒和相關線束，進一步減小電子設備的尺寸、重量和功率。

時敏網絡（TSN）與決策優勢

時敏網絡（TSN）的功能，包括精確定時、低延遲通信和確定性數據傳輸，有助于改進決策過程，提高對態勢的認識，并最終實現決策優勢。

通過提供低延遲通信，TSN 可通過高精度、高可靠性的實時數據傳輸，確保關鍵信息及時送達決策者。它還有助于收集、匯總和分析這些實時數據，使決策者能夠獲得最新的準確信息，做出明智的選擇。

TSN 跨分布式網絡同步設備和系統的能力有助于實現決策優勢。它能確保來自多個來源的數據保持一致，提供對運行環境的整體了解，并加強傳感器、執行器和控制系統等不同組件之間的協調，實現無縫協作和集成。

利用邊緣人工智能（AIAE）優化地面車輛運行

1 簡化網絡通信

將堅固耐用的人工智能超級計算機放置在傳感器（如高分辨率相機、紅外探測器）附近，有助于解決地面車輛電子設備方面的難題，最終使作戰人員受益。例如，在傳感器附近進行物體識別/分類、目標識別/捕獲、地形分析等處理可帶來以下好處：

• 無需將大量數據從傳感器傳送到任務計算機或外部指揮中心，減少了延遲和信息過載。

• 縮短系統響應時間，加快決策速度。

• 增強無人或可選有人駕駛飛行器/系統的能力

• 無需在傳感器與任務計算機之間鋪設昂貴的長距離高速數據線，從而降低了布線的復雜性，提高了系統的可靠性、可用性和可維護性。

• 提高系統集成和可操作性--邊緣人工智能"盒與系統中其他 "智能 "盒之間的所有數據均通過行業標準以太網接口傳輸。

• 提高可升級性--所有獨特的傳感器處理都在 AIAE 單元中完成。傳感器和相關處理單元（如有需要）無需更換以太網電纜即可升級，也無需更換任務計算機，這可減少將新功能提供給作戰人員所需的時間和成本。

• 提高可擴展性--如果飛行器能提供幾個額外以太網端口的布線，就能增加額外的傳感器和 AIAE 盒，從而使新任務設備包的集成變得更容易、更快捷。

• 通過減小電子系統的尺寸、重量和功率 (SWaP)，無需大型任務計算機和笨重的線束，從而使地面系統更加可用、可靠和易于維護。

2 網絡安全保護

具有增強網絡安全保護能力的高性能人工智能系統將有助于防止網絡和欺騙攻擊，并保護信息共享數據鏈路。

使用 "邊緣人工智能 "解決方案將有助于通過以下方式消除或最大限度降低第 6 節所述的以下風險：

• 通過在源頭處理大部分數據，大幅減少戰術網絡共享的數據量

• 為每個數據用戶分配正確的信息，從而簡化數據分配工作

• 縮短響應時間，改進指揮與控制 (C2) 通信

• 改善通信渠道的網絡保護

• 最大限度地降低傳感器數據處理能力下降的可能性--大部分數據在本地處理，冗余方案可用于解決傳感器受損問題

• 使用單一時間源同步車輛內和多個平臺上的所有系統

• 如果所有系統都使用相同的通信協議和數據報文結構，則可消除聯盟 C2 系統之間的互操作性問題

3 優化地面車輛人工智能的其他考慮因素

雖然 AIAE 有許多好處，如減少延遲和增加隱私，但它也提出了一些必須解決的技術挑戰。其中一些挑戰包括

• 處理能力有限：與基于云的服務器相比，邊緣設備的處理能力和內存往往有限。因此，開發可在低功耗邊緣設備上有效運行的人工智能算法是一項重大挑戰。

• 存儲空間有限： 邊緣設備的存儲空間通常有限，從而限制了可在本地處理和存儲的數據量。這也會影響需要大型數據集的機器學習模型的準確性。

• 能源效率： 邊緣設備通常基于低功耗解決方案。開發高能效的人工智能算法對于最大限度地降低邊緣設備的功耗至關重要。

• 連接性： 邊緣設備與云的連接可能時斷時續或有限，這給訓練和更新機器學習模型帶來了挑戰。這也會限制與網絡中其他設備的通信能力。

• 安全和隱私： 邊緣設備可能更容易受到安全威脅，在邊緣使用人工智能會引發對數據隱私的擔憂。確保邊緣人工智能的安全和隱私保護至關重要。

• 標準化： 隨著邊緣人工智能的發展，需要實現標準化，以確保不同設備和系統之間的互操作性和兼容性。

要應對這些挑戰，就需要在邊緣人工智能領域不斷進行研究和開發，并在各行業和標準組織之間開展合作。基于英偉達?（NVIDIA?）Jetson 模塊的堅固耐用的 AIAE 解決方案可以幫助應對其中的許多挑戰。

結論

利用 AI/ML 和先進的算法戰爭系統可為實現決策優勢提供顯著優勢。能夠切實有效地保護、傳輸和處理信息，并比對手更快地壓縮 OODA 循環的軍隊很可能會取得勝利。AI/ML 不是明天的問題。這種使能技術今天已在使用，將來會越來越普遍。

對于國防部來說，要實現 JADC2 的愿景，首先要求工業界有能力連接當前所有可支持戰區感知的傳感器，使傳感器數據可供任何行動級別的任何潛在用戶使用。這種數據共享結構可以創建安全的作戰空間感知，從而了解單一、綜合、全球作戰空間中某一區域的行動，并為其他區域所需的行動和決策提供依據。

其次，傳感器數據共享和互操作性的概念應在每個系統和項目中強制實施。此外，國防部還需要加快數字化轉型、原型設計和系統集成的速度，以便利用數據，建立更好的作戰制勝人工智能/移動式人工智能算法和硬件系統，并通過學習和實驗活動加以鍛煉，以取得成功。

要在未來與技術先進的競爭對手的沖突中保持競爭力，就必須加快兵棋推演人工智能（AI）的研究與開發。更重要的是，利用機器學習進行智能作戰行為開發將是有朝一日在這一領域實現超人性能的關鍵--提高在未來戰爭中的決策質量并加快決策速度。盡管深度強化學習（RL）在游戲中的智能體行為開發方面不斷取得令人鼓舞的成果，但在戰斗建模與仿真中常見的長視距復雜任務中，其表現尚未達到或超過人類水平。利用分層強化學習（HRL）已被證實的潛力和最近取得的成功，我們的研究正在調查和擴展 HRL 的使用，以創建能夠在這些大型復雜模擬環境中有效執行任務的智能體。最終目標是開發出一種能夠發揮超人性能的智能體，然后將其作為軍事規劃者和決策者的人工智能顧問。本文介紹了正在進行的研究方法，以及五個研究領域中的前三個領域，這些領域旨在管理迄今為止限制人工智能在作戰模擬中應用的計算量指數級增長問題： (1) 為作戰單元開發一個 HRL 訓練框架和智能體架構；(2) 為智能體決策開發一個多模型框架；(3) 開發狀態空間的維度不變觀測抽象，以管理計算量的指數增長；(4) 開發一個內在獎勵引擎，以實現長期規劃；(5) 將此框架實施到更高保真的作戰模擬中。這項研究將進一步推動國防部正在進行的研究興趣，即擴展人工智能以處理大型復雜的軍事場景，從而支持用于概念開發、教育和分析的兵棋推演。

人工智能（AI）技術的最新進展，如 OpenAI 的 ChatGPT，再次體現了人工智能在重塑各行各業方面的變革潛力。正如生成式預訓練變換器（GPT）模型從根本上重新定義了對人工智能巨大威力的理解一樣，其他人工智能方法也能為國防部門開發改變游戲規則的工具做出貢獻，而迄今為止，人工智能已被證明過于復雜，無法有效解決這些問題。

人工智能可以產生變革性影響的一個領域是支持兵棋推演的戰斗建模和仿真領域。但遺憾的是，就像兵棋推演的歷史可以追溯到幾個世紀前一樣，如今用于現代兵棋推演的大多數工具和技術也是如此。雖然傳統兵棋推演工具（如實體游戲棋盤、紙牌和骰子）絕對仍有其作用，但將兵棋推演帶入 21 世紀的壓力也越來越大（Berger，2020 年，2022 年；美國國防科學委員會，2021 年；美國國防部副部長，2015 年；美國政府問責局，2023 年），并利用現代技術進步，如人工智能（Davis & Bracken，2022 年），"從技術和方法兩方面發展當前的兵棋推演范式"（Wong 等人，2019 年）。

雖然美國在大多數領域都享有軍事優勢，但機器學習（ML）的大眾化已開始為競爭對手和其他國家行為體提供無數的破壞機會（Zhang 等人，2020）。因此，比以往任何時候都更有必要積極投資于研究與開發，以建立對人工智能優缺點的扎實基礎理解（Schmidt 等人，2021 年），以及如何將其用于設計、規劃、執行和分析各種目的的兵棋推演。只有這樣，國防部（DOD）才能更好地應對戰略突襲和破壞（Zhang 等人，2020 年）。

然而，兵棋推演和軍事規劃與迄今為止成功利用人工智能的傳統領域--如圖像分類和后勤相關的優化問題--有很大不同。由于戰爭的復雜性，任務分析和規劃通常需要在早期應用直覺和思維啟發法來限制搜索問題的規模（Zhang 等人，2020 年）。雖然啟發式方法確實能讓我們更容易地找到可接受的解決方案，但這些解決方案的可擴展性或可靠性通常不足以評估可能出現的大量突發事件。此外，直覺也不足以解決高度復雜的問題，例如那些涉及許多不同參與者的高維空間以及復雜的武器和傳感器相互作用的問題（Zhang 等人，2020 年）--然而這些復雜性正是可能決定未來戰爭的特征（Narayanan 等人，2021 年）。

雖然不認為人工智能會在可預見的未來取代人類的判斷或決策，但我們確實認為，人工智能在融入決策輔助工具后，有機會加快決策過程并提供新的見解。事實上，如果不能充分利用人工智能的力量，那么當我們深入多域作戰時，就可能會面臨巨大風險（Narayanan 等人，2021 年）。最終，通過利用超人智能體作為人類決策者決策支持工具的基礎，有望在未來戰爭中取得超越對手的決策優勢--加快決策速度，提高決策質量。因此，要想在未來與技術先進的競爭對手的沖突中保持競爭力，就必須加快對兵棋推演人工智能的研究和開發。更重要的是，利用機器學習進行智能作戰行為開發將是有朝一日在這一領域實現超人表現的關鍵。

本文介紹了在擴展人工智能方面的研究方法，以處理兵棋推演中戰斗建模和模擬所特有的復雜而錯綜復雜的狀態空間。雖然研究仍在進行中，而且還不完整，但將在本文中介紹總體方法、初步成果和前進方向。

研究規劃

研究利用 RL 已證明的潛力和 HRL 最近取得的成功，打算進一步提高擴展機器學習的能力，以開發智能體行為，用于戰斗建模和仿真中常見的大型復雜場景。為了實現這一目標，我們打算吸收文獻中的許多見解，同時為這一領域做出我們自己的獨特貢獻。研究主要分為五個研究領域：(1) HRL 訓練框架和作戰單元的智能體架構；(2) 用于智能體決策的多模型框架；(3) 狀態空間的維度不變觀測抽象；(4) HRL 框架的內在獎勵工程；(5) 將此框架實施到高保真作戰模擬中。本文僅關注前三個研究領域。

HRL 訓練框架和智能體架構

首先開發了一個 HRL 訓練框架，通過擴展和吸收 Dayan & Hinton（Dayan & Hinton, 1992）、Vezhnevets 等人（Vezhnevets et al、 2017）、Levy（Levy 等人，2019）、Pope 等人（Pope 等人，2021）、Wang 等人（Wang 等人，2021）、Rood（Rood，2022）和 Li 等人（S. Li 等人，2022）。為了支持這一框架，我們還開發了一種新的智能體架構，由智能體層次結構和決策層次結構組成--每個單獨的智能體都是一個多模型智能體。

如圖 3 所示，"智能體層次結構 "中的每個層次主要對不同數量的下級智能體實施控制，最低層次控制單個實體。為便于說明，我們將這些層級命名為 指揮官、經理和操作員。然而，我們可以把這種層次結構看作從 1 到 n 層的任何深度，其中最低層級為 1，最高層級為 n。只有少數單元的簡單任務可能只需要兩個層級，而涉及多個交互單元的復雜任務可能需要三個或更多層級。由于我們的研究打算考察更復雜的場景，因此我們預計至少需要三個層次。

在這一分層框架內，還制定了決策分層。值得注意的是，盡管在圖 3 中列出了具體的決策，但這只是為了說明問題，并不一定 是決策的最終細分。薩頓等人最初為決策層次概念創造了 "選項 "一詞（薩頓等人，1999 年）。選項是對行動的概括，薩頓等人正式將其用于原始選擇。之前的術語包括宏觀行動、行為、抽象行動和子控制器。在層次結構中表示這一概念時，我們使用了決策一詞。在傳統的 RL 問題中，智能體接受觀察結果，并在固定的時間步輸出一個動作，而在 HRL 問題中，智能體要么被給予背景知識，要么必須發現背景知識，從而以顯式或隱式的方式分解問題（Sammut & Webb，2010 年）。然后，智能體利用這些知識，通過訓練優化未來回報的策略，更高效地解決問題。

分層結構中的多個層次還允許每個層次針對不同的目標和不同的抽象程度進行訓練，從而使擴展到非常復雜的場景成為一個更容易解決的問題。此外，這種分層方法還隱含著對智能體協調與合作的訓練，因為上層控制著下層的總體行為（Wang 等人，2021 年）。除最底層外，層次結構的每一層都可以被視為抽象或認知層（即，它們最初是高層決策，最終將為原始行動提供信息）。只有處于層次結構最底層的智能體才是游戲板上的實際實體，會采取影響環境的離散或原始行動。

圖 4 展示了 HRL 框架。層級結構的指揮官層級接收自己對狀態空間的獨特抽象觀察，并向下一層級輸出子目標和終止條件。在下一級中，管理者接收指揮者的子目標和對狀態空間的不同抽象觀察結果，并輸出其 自己的子目標。最后，在最底層，操作員接收子目標和對狀態空間的抽象本地觀察，并利用我們的多模型智能體框架輸出一個供實體采取的行動。

多模型智能體

為了構建我們的多模型智能體框架，我們借鑒并采用了專家混合（MoE）（Jacobs 等人，1991 年）、"多模型思想家"（Page，2018 年）、集合方法和 RL 的概念。盡管我們從 MoE 和集合文獻中借鑒了采用各種專家網絡的想法，但我們偏離了這些傳統方法提出的中心思想。雖然我們仍然利用了許多不同的模型，但我們并沒有采用純粹的分而治之的方法（Jacobs 等人，1991 年）或模型輸出的匯集（Page，2018 年），而是對模型進行了區分，以確定哪個特定的模型可以在每個行動選擇步驟中最大化智能體的整體性能。換句話說，我們并不是將模型輸出進行組合，而是簡單地將它們作為一個評估函數的輸入，然后由該函數決定在每個步驟中應使用哪個特定的行為模型。集合方法要求建模者考慮模型的偏差或缺陷，而我們的多模型方法則允許我們利用一組不同的模型（腳本模型或機器學習訓練的模型），而無需考慮模型的平衡或驗證。之所以能做到這一點，是因為我們不是將模型預測結合在一起，而是對模型預測進行區分，并采用能最大化特定目標的單一最佳策略。

多模型框架如圖 5 所示。在每個行動選擇步驟中，多模型都會接收一個觀察結果作為輸入，并將其傳遞給每個得分預測模型。每個得分預測模型都會推導出一個預測的游戲得分，并將其輸入評估函數。然后根據評估函數選擇特定的行為模型。最后，原始觀察結果被傳遞給選定的行為模型，由其產生一個動作。

為了提供選擇適當行為模型的評估函數，我們為資源庫中的每個行為模型訓練了一個單獨的分數預測模型。該分數預測模型是一個卷積神經網絡（CNN），可根據當前游戲狀態推斷出游戲分數。預測的游戲得分假定藍方按照各自的行為模型繼續游戲，紅方按照特定的對手行為模型繼續游戲。鑒于 Atlatl 是一款回合制游戲，而非時間步進模擬，我們將棋盤上實體被提示采取某項行動的每個實例都稱為行動選擇步驟。盡管迄今為止，我們一直在使用監督學習方法訓練得分預測模型，并在游戲中使用了 "行動選擇 "模型。數據來訓練得分預測模型，但我們最近開發了一個單獨版本的得分預測模型，并正在對其進行測試。

在實驗中評估了這種多模型方法相對于傳統單模型方法（無論是腳本還是基于 RL 的）的有效性，發現多模型方法比表現最好的單模型提高了 62.6%。此外，我們還發現，由更多模型組成的多模型明顯優于由較少模型組成的多模型，即使這些額外模型的整體性能較差。這表明，即使我們的某些單個模型在總體上表現不佳，但它們很可能在非常特殊的情況下取得了成功--我們的分數預測模型似乎準確地捕捉到了這一現象，而我們的評估函數也正確地用于為每個行動選擇步驟選擇最佳模型。

更重要的是，使用這種方法，不必訓練一個能夠在所有可能情況下都有效執行任務的單一模型，而是可以開發或訓練能夠在特定情況下執行任務的非常專業的模型，然后在遇到這些特定情況（即游戲中的特定狀態）時自動調用這些專業模型。此外，由于我們的多模型可以區分其嵌入的模型，因此我們可以根據需要加入新的模型，而無需考慮行為驗證、平衡甚至偏差等問題--傳統的集合建模方法通常需要將結果匯集在一起。

狀態空間的觀測抽象

即使使用 Atlatl 這樣的簡單環境，將其擴展到更大的場景也會導致性能不佳（Boron，2020；Cannon & Goericke，2020；Rood，2022）。部分原因在于，與人類不同，RL 的樣本效率不高，需要大量的訓練數據（Botvinick 等人，2019 年；Tsividis 等人，2017 年），而龐大的行動和觀察空間則進一步加劇了這一問題。不過，Abel 等人指出，RL 中的抽象可以提高采樣效率（Abel 等人，2020 年），從而有可能讓我們擴展到處理非常復雜的環境。此外，學習和使用適當的世界抽象表征是任何智能體（無論是生物還是人工智能）都必須具備的基本技能（Abel，2020）。

然而，由于抽象本質上會丟棄信息--這可能會損害基于這些抽象所做決策的有效性--我們必須在使學習變得更容易（或可操作）與保留足夠信息以實現最優策略發現之間權衡利弊（Abel，2020）。我們對狀態空間抽象得越多，丟失的信息就越多，就越難保證獲得最優或接近最優的解決方案（L. Li 等人，2016 年）。不過，這也是一種權衡，因為盡管更粗略的抽象可能會導致次優行動，但它們確實可以更好地進行規劃和價值迭代（李玲等人，2016 年）。

為了克服在大型狀態空間中進行訓練時所面臨的一些權衡挑戰，同時保留足夠的信息以找到最優或接近最優的解決方案，我們目前正在開發一種方法，其中包括根據層次結構的級別應用不同級別的抽象。在《模擬與兵棋推演》一書中，Tolk 和 Laderman 討論了 "任務通常會驅動所需的抽象層級"（Turnitsa 等人，2021 年）。同樣，正如我們在軍事規劃中通常看到的那樣，高層次的抽象會更粗，而低層次的抽象會更細（FM 5-0 Planning and Orders Production, 2022；Joint Publication 5-0 Joint Planning, 2020；MCWP 5-10 Marine Corps Planning Process, 2020）。因此，我們的 HRL 框架涉及在較高層次的決策中應用較粗略的抽象層次，同時仍通過本地觀測為較低層次的決策保留所有本地狀態空間信息。我們認為，這種方法將使高層的長期規劃更加有效，并使低層的計劃在當地得到更有效的實時執行。

為了說明這一概念，我們首先描述了一般的 Atlatl 觀測空間。盡管觀察空間在不斷演變，但最近的一個觀察空間由 n x m 網格的 17 個通道組成，其中網格的每個入口代表 n x m 大小棋盤的一個十六進制。這個觀察空間被編碼為張量。圖 6 舉例說明了每個通道所代表的信息。例如，每個通道編碼的信息包括單元移動、單元類型、地形類型等。

圖 7 顯示了一個 20 x 20 棋盤的狀態空間表示示例，其中疊加了三個通道（藍色部隊、紅色部隊、城市六角形）。我們在下面所有圖中疊加了三個通道，僅供參考；但在 Atlatl 中，這些通道將表示為 3 個獨立通道（共 17 個通道），如圖 6 所示。

在未來戰場上，人工合成的決策將出現在人類決策的內部和周圍。事實上，人工智能（AI）將改變人類生活的方方面面。戰爭以及人們對戰爭的看法也不例外。特別是，美國陸軍構想戰爭方式的框架和方法必須進行調整，以便將非情感智力的優勢與人類情感思維的洞察力結合起來。人工智能與人類行動者的組合有可能為軍事決策提供決定性的優勢，并代表了成功軍事行動的新型認知框架和方法。人工智能在軍事領域的應用已經開始擴散，隨之而來的作戰環境復雜性的增加已不可避免。

正如核武器結束了第二次世界大戰，并在二十世紀阻止了大國沖突的再次發生一樣，競爭者預計人工智能將在二十一世紀成為國家力量最重要的方面。這項工作的重點是美國陸軍的文化，但當然也適用于其他企業文化。如果要在未來有效地利用人工智能，而且必須這樣做才能應對競爭對手使用人工智能所帶來的幾乎必然的挑戰，那么成功地融入人工智能工具就需要對現有文化進行分析，并對未來的文化和技術發展進行可視化。美國將致力于在人工智能的軍事應用方面取得并保持主導地位。否則將承擔巨大風險，并將主動權拱手讓給積極尋求相對優勢地位的敵人。

結論

合成有機團隊認知的兩大障礙是美陸軍領導的文化阻力和軍事決策的結構框架。首先，也是最重要的一點是，領導者必須持續觀察人工智能工具并與之互動，建立信心并接受其提高認知能力和改善決策的能力。在引入人工智能工具的同時，幾乎肯定會出現關于機器易犯錯誤或充滿敵意的說法，但必須通過展示人工智能的能力以及與人類團隊的比較，來消除和緩和對其潛在效力的懷疑。將人工智能工具視為靈丹妙藥的健康而合理的懷疑態度有可能會無益地壓倒創新和有效利用這些工具的意愿。克服這一問題需要高層領導的高度重視和下屬的最終認可。其次，這些工具的結構布局很可能會對它們如何快速體現自身價值產生重大影響。開始整合人工智能工具的一個看似自然的場所是在 CTC 環境中，以及在大型總部作戰演習的大型模擬中。最初的工具在營級以下可能用處不大，但如果納入迭代設計、軍事決策過程或聯合規劃過程，則幾乎肯定會增強營級及以上的軍事規劃。雖然在本作品中，對工具的描述主要集中在與指揮官的直接關系上，但在最初的介紹中，與參謀部的某些成員（包括執行軍官或參謀長、作戰軍官和情報軍官）建立直接關系可能會更有用。與所有軍事組織一樣，組織內個人的個性和能力必須推動系統和工具的調整，使其與需求保持平衡。

幾乎可以肯定的是，在將人工智能工具融入軍事組織的初期，一定會出現摩擦、不完善和懷疑。承認這種可能性和任務的挑戰性并不意味著沒有必要這樣做。人類歷史上幾乎所有的創新都面臨著同樣的障礙，尤其是在文化保守的大型官僚機構中進行創新時。面對國際敵對競爭對手的挑戰，美國陸軍目前正在文化和組織變革的許多戰線上奮力前行，在整合人工智能工具的斗爭中放棄陣地無異于在機械化戰爭之初加倍使用馬騎兵。在戰爭中，第二名沒有可取的獎賞，而人工智能在決策方面的潛在優勢，對那些沒有利用這一優勢的行為體來說，是一個重大優勢。現在是通過擁抱人工智能工具和改變戰爭節奏來更好地合作的時候了。

圖4. 人工智能對目標定位的增強：人工智能可以通過搜索目標并在發現后發出警報來增強動態目標定位周期。

開發和使用新的軍事技術是一個軍事專業人員工作的一部分。事實上，軍事歷史在很大程度上是一個技術革新的故事，士兵需要學習如何操作新系統。因此，關于整合人工智能的很多東西并不新鮮。就像坦克、飛機甚至弩一樣，隨著時間的推移，士兵們學會了使用和運用技術，工業界學會了以足夠的數量和質量生產技術，高級領導人學會了運用技術來實現戰略效果。如前所述，人工智能技術與它們的顛覆性“前輩”之間的區別在于，前者有能力改善廣泛的軍事武器、系統和應用。由于這種潛在的普遍性，幾乎所有的士兵都必須在某種程度上變得熟練，才能有效地和道德地運用AI技術。隨著這項技術在應用上的擴展，戰爭將像管理暴力一樣管理數據。

這種普遍性也提出了關于人類發展和人才管理的問題。盡管培訓計劃最終會培養出更多的知識型士兵，人事系統也會提高管理士兵的能力，但軍警人員能夠獲得知識和技能的限制仍然存在，特別是在作戰層面。盡管討論的目的不是要建立嚴格的指導方針，但討論確定了士兵需要獲得的許多知識。例如，士兵將需要知道如何策劃和培訓數據庫，而該數據庫對他們正在執行的任務有著重要作用。這樣做需要確保數據的準確、完整、一致和及時。使用這些數據需要熟練應用推薦模型卡中描述的條件，而熟練的操作有助于確保算法以有效和道德的方式執行。

當然，信任不能僅靠政策和程序來保證。指揮官、參謀員和操作員需要知道他們被信任做什么，以及他們信任系統做什么。指揮官、參謀員和操作員信任人工智能系統來識別合法目標，并避免識別非法目標。參與這一過程的人必須在使用這些信息時，既需要擊敗敵人，又必須避免友軍和非戰斗人員的傷亡。要找到這種平衡，就需要判斷人應該承擔多大的風險。

只要參與流程的人類能夠與系統進行有效的互動，由人工智能賦能的系統就能促進找到這種平衡。在將人類控制整合到機器流程中時，人們經常被迫在控制和速度之間做出選擇：強加的人類控制越多，系統的運行速度就越慢。但本研究發現這種兩難的局面是錯誤的。盡管在某些情況下，在人的控制和速度之間進行平衡可能是必要的，但如果系統要最佳地運作，人的輸入是必要的。

實現最佳性能首先要求指揮官確保參謀和操作人員了解模型能力，理解數據質量的重要性，以及洞悉模型在作戰環境中的表現。盡管它可能不會使系統更加精確或準確，但實現這些任務可使系統能夠更好地對輸出進行概率分配。第二，指揮官需要確定對任務、友軍戰斗人員和敵方非戰斗人員的風險有多大才合適。這一決定很復雜，其中關鍵任務可能是需要容忍更多的友軍和非戰斗人員傷亡。同樣，如果非戰斗人員的密度較低，即使任務不那么緊急，也可以容忍較高的風險。尋找這種平衡將是人類的工作。

但在前面描述的模糊邏輯控制器的幫助下，指揮官可以更好地確定什么時候可以信任一個人工智能系統在沒有人類監督的情況下執行一些目標定位步驟。此外，可以通過構建交互的邏輯，以找到多種不同的人機互動配置，確保系統的最佳使用，同時避免不必要的傷害。在LSCO期間，讓指揮官在需要時選擇智能和負責任地加快目標定位過程將是至關重要的，本報告中提出的設計實現了這一目標。這一成就在未來尤其重要，因為為了保護部隊并實現任務目標，指揮官將面臨大量時間敏感目標，及面臨承擔更多風險的操作條件。

在培養具有正確技能的足夠數量士兵以充分利用人工智能技術方面，仍有大量的工作。目前的人才管理計劃尚未達到管理這一挑戰的要求，盡管多個有前途的計劃準備最終滿足需求。然而，在大多數情況下，這些計劃都是為了滿足機構層面的要求，在機構層面上做出全軍采買人工智能和相關技術的決策。但是，這些技能將如何滲透到作戰陸軍，尚不清楚。

盡管人工智能在目標定位中的使用并不違反當前的戰爭法，但它確實引起了一些道德倫理問題。在所討論的目標定位系統背景下，這些倫理問題中最主要的是問責制差距和自動化偏見。第一個問題對于回答核心問題至關重要，“指揮官在什么基礎上可以信任人工智能系統，從而使指揮官可以對這些系統的使用負責？”自動化偏見和數據衛生與問責制差距有關，因為當這些問題存在時，它們會破壞指揮官可能希望實施的有意義的人類控制措施。指揮官可以通過以下方式縮小問責差距：首先，確保人員受到適當的教育、技能和培訓，以整理相關數據；其次，確保指揮官允許的風險，準確地反映完成任務與保護友軍士兵和非戰斗人員之間的平衡需求。指揮官還可以通過在機器需要更多監督時向參與該過程的人類發出信號來減少自動化偏見的機會及其潛在影響。

作為一個專業人員，不僅僅意味著要提供服務，還要在出問題時承擔責任。專業人員還必須了解各種利益相關者，包括公眾和政府及私營部門實體，如何與本行業互動和競爭。鑒于這些技術的潛力，軍事專業人員必須首先學會在技術及其應用的發展中管理預期。由于這種演變影響到專業工作的特點，軍事專業人員還必須注意專業以外的人如何重視、獎勵和支持這項工作。因此，隨著美軍繼續將人工智能和數據技術整合到各種行動中，對其專業性的考驗將在于擁有專業知識的能力，以及建立能夠繼續發展、維護和認證這種專業知識的機構，這些機構既能滿足美國人民的國防需求，又能反映他們的價值觀。

戰爭是人類本性和歷史的有機組成部分，因此想象一個沒有戰爭的未來是天真的。當世界正在追趕當前的第四代戰爭、第五代戰爭、混合戰爭和網絡戰爭時，本文想闡述的是這個世界上未被探索的戰爭未來。我們對未來的注視越遠，它就越不透明和模糊；因此，在長期的、科幻的未來，任何意想不到的事情都是可信的。因此，本文在看待和想象戰爭的未來時，往往更傾向于短期的、可想象的技術進步，而不是長期的、科幻的未來戰爭。本文使用非虛構的技術作為感知未來戰爭的工具，同時討論了未來戰爭所依賴的可能想法。有了這個決議，本文將簡要討論未來戰爭中可能的交戰方，包括非國家行為者、非政府組織和媒體，然后解釋技術在未來戰爭中的作用。它涉及到詳細討論監視、網絡、外層空間、激光武器、強化的未來士兵和自主武器（包括機器人戰士和人工智能）作為未來戰爭的外衣的使用。此外，本文探討了機器人戰士和人工智能目前在沖突中的使用情況，同時想象了它們未來的使用情況，并對其使用的危險性給出了預防措施。之后，它將解釋戰爭法（國際人道主義法）在未來戰爭中使用基于人工智能的自主武器的要求。它將討論在未來戰爭中使用自主武器方面的區分原則、相稱性原則、必要性原則、預防原則和失去戰斗力的原則以及問責漏洞。

似乎戰爭的未來掌握在技術手中：無人機和機器有可能成為明天戰場上的主要角色之一。然而，那些認為人類將被完全剝奪戰爭藝術的人是錯誤的。在未來，人類將不僅僅是來自幕后的角色。人的因素將是決定性的，就像在亞歷山大三世、凱撒大帝和拿破侖-波拿巴的時代那樣。顯然，我們需要一個 "新的軍事人物"，一個能夠以有效和成功的方式結合不同理念的人。本文試圖在兩個基本概念的基礎上勾勒出這個人物。將考慮到蜂群（一種自古以來就使用的戰術，現在主要用于無人機）和人機協作（一種在軍事科學和技術領域正在獲得勢頭的概念）。這里的意圖是要了解這些想法是否能夠產生一個能夠解釋并贏得未來戰爭的新角色。

殺戮機器時代的新（人類）主體

今天，技術在世界范圍內占據了突出的位置。例如，想想工業生產或商業物流。當然，軍事界也沒有遠離進步--事實上，情況恰恰相反。目前，機器正被用于戰爭的各個方面，從偵察到消除目標。正是在這里，人們來到了一個非常重要的問題。這篇文章將討論未來戰爭的一個可能的新主體，但它不會是機器--而是人。由于巨大的技術優勢，這個人將有能力做出偉大的事情，但他們仍然是人。

既然有機器，為什么還要用人？例如，考慮一下無人機。無人駕駛飛行器（UAVs）是可消耗的，在資金和培訓方面都很便宜，而且能做士兵能做的一切，甚至可能更好。這是一些技術和軍事界人士的想法。但情況真的是這樣嗎？前提是，本文無意討論無人機的弱點，目前，無人機戰爭的情況出現了幾個問題。研究表明，遙控飛機（RPA）人員表現出與駕駛飛機的同事一樣的心理問題（例如，創傷后應激障礙，或PTSD）。此外，美國在全球反恐斗爭中使用無人機，不僅激化和煽動了對手，而且帶來的結果在戰略意義上遠非決定性的。當然，使用無人機的成本在經濟和政治方面都比較低（因為對于一個民主國家來說，發射一架無人機比部署少量士兵更容易被接受），但節約并不總是意味著勝利。雖然無人機無疑將繼續向好的方面發展，但世界大國的黑客攻擊能力也將繼續發展。在戰場上保護無人機方面已經發現了一些缺陷；例如，欺騙，即對手發送偽裝成真實的通信信號來劫持無人機，仍然對無人機構成嚴重威脅。只需點擊幾下就能讓一群無人機出現缺陷，這和以往一樣不方便。

但是，如果在未來，正如一些人預見的那樣，無人機逐漸由人工智能（AI）來指揮呢？在這種情況下，人類將遠離戰斗的身體和心理危險，而機器將做出決定。拋開這種選擇所帶來的巨大的道德和人道主義辯論，一些問題仍然存在。至少可以說，"機器理性地、無懈可擊地完成人類的工作 "這一方法是值得懷疑的。人工智能需要持續的最新信息以達到最佳運行狀態，而戰場會呈現出如此多變和非線性的場景，這將挑戰人工智能獲取精確數據的方式，因為這項技術是在有限的信息樣本上進行測試的。但人工智能最缺乏的是人類最主觀和最難計算的特征之一：判斷力。根據Avi Goldfarb和Jon R. Lindsay的說法，在軍事方面，判斷力包含了指揮意圖、交戰規則、行政管理和道德領導。這些功能無法通過狹隘的人工智能技術實現自動化。因此，對人工智能的日益依賴將使人類對軍事力量更加重要，而不是減少。

這是一個關鍵點。技術，無論是通過無人機還是人工智能來表達，都是不可阻擋的。有一天，機器可能會擁有人類的情商，因為人類對進步沒有限制。但由于本文討論的是近期而非遠期，因此有必要思考最現實、最可能的解決方案--可由人與機器之間的互補關系提供的解決方案。畢竟，戰場上沒有可預測的車轍，而是變化非常快的流動物。此外，正如其他軍事事務革命（RMA）的情況一樣，擁有技術從來都不是獲勝的條件。每一項軍事技術的背后都必須有一個能夠判斷其最佳用途的指揮官，并評估其在一場戰役中使用的所有戰術、行動和戰略影響。關于人工智能引導的無人機，也可以做這樣的論證。機器可能是不可阻擋的、自動化的和廉價的，但這并不意味著人們應該對它們有盲目的信任。如果沒有人類準備好打斷它們的運行周期，機器可能而且會在未來犯錯。

在這個意義上，保羅-沙爾談到了 "半人馬作戰"，在這個領域，人和機器都可以發揮自己的優勢，相互補充。然而，有一點特別重要，他指出了這種配對中的一個弱點：速度。循環中的人類降低了人工智能犯錯的可能性，但卻拖慢了人工智能的決策過程--而速度是戰爭的根本。另一個潛在的問題是人和機器之間可能缺乏溝通，這種情況在戰區發生。假設沙爾是泛指各種武器系統，本文作者認為，尤其是蜂群可以緩解這些問題。

蜂群（Swarmer）：人機混合

Swarmer這個詞來自于集群的概念。在進入這個話題的核心之前，有必要為本次討論的目的解釋一下什么意思。蜂群指的是一種軍事配置，涉及自主或半自主單位向敵人的聚合攻擊；它由獨立的小團體組成，可以使用非常高的信息水平和分散的組織。20多年前，約翰-阿基拉和大衛-隆費爾特試圖對這個概念進行定義：

• 蜂群看似無定形，但它是一種有意識的結構化、協調的戰略方式，通過可持續的武力和/或火力脈沖，從各個方向進行近距離以及對峙位置的打擊。如果它主要是圍繞著部署無數的、小型的、分散的、網絡化的機動部隊而設計的，那么它的效果將是最好的--也許只有它才會起作用。

這種配置在軍事史上并不新鮮。在13世紀征服亞洲期間，蒙古人應用蜂群取得了巨大成功。他們掌握了騎馬和使用復合弓的藝術，但這些并不是他們唯一的優勢。蒙古軍隊的各個單位享有極大的自主權和主動權，他們利用這些權利來提高他們在戰斗中的機動性和決定性。這些因素，再加上強大的態勢感知能力，使他們能夠有效地一窩蜂地對付任何對手。蜂群的一個較近的例子可以在第二次世界大戰期間的不列顛之戰中找到。1940年軸心國征服法國后，德國領導人阿道夫-希特勒想入侵他最后的敵人：英國。然而，為了讓他的入侵部隊穿越英吉利海峽，有必要獲得空中優勢。德國空軍的任務是殲滅皇家空軍（RAF）及其支持基地。為了自衛，皇家空軍戰斗機司令部協調自主的戰斗機群，逐漸削弱了德國對英國島嶼的空襲。

近來，蜂群主要被應用于無人機，也就是大家熟知的無人機。無人機群可以在幾個方面發揮有效作用；例如，它們的大量數量可以進行仔細的偵察，它們也可以壓倒現代防空系統，因為這些系統不是為打擊密集的小敵人群而設計的。美國軍方的測試表明，無人機和蜂群在未來將是一個有利可圖的比賽。值得報道的是，美國海軍在2021年進行了一次演習，讓無人機群參與摧毀一個海軍目標。甚至美國的主要競爭對手也在這一領域進行投資。中國正在大力投資無人機群的應用，而俄羅斯正在利用在敘利亞的經驗教訓，俄羅斯軍隊在軍事行動中部署了大量的無人機。

然而，正如本文開篇所述，無人機戰爭帶來的問題，在戰場上可能成為負面意義上的決定性因素。與無人機飛行員相反，掠奪者不會與它的 "技術伙伴 "相隔數千公里，而是真正地將它打扮起來：它將是一個配備了高科技外裝的士兵，因此是一個真正的未來半人馬；通信將是即時的，速度也不會有缺陷，因為兩個核心實際上將合并為一個。

在增強士兵的能力方面，有人談到了基因改造和手術。同樣，這位作者對未來可能發生的事情沒有任何限制，但在這種情況下會出現機器所特有的非人化問題：被占領國家的平民會對這種 "突變體 "感到恐懼；當然，他們不會在同一平面上看待它。因此，"蜂群 "將繼續是完全的人類，由一套能夠在戰場上為他們提供重大優勢的裝備來加強。與機器不同，用美國陸軍中校羅伯特-B-里格的話說，這種新的軍事主體不僅具有破壞性，而且還具有占有性，這意味著它將有能力攻擊以及處理和持有它所征服的東西。通用原子公司的MQ-9 "死神 "無人機可能是致命的，并在戰斗人員和非戰斗人員中引起恐懼，但它永遠不會有以身作則激勵部隊的能力，也不會與當地人產生共鳴，它也不可能擁有團隊精神，或表現出與偉大戰士一樣的戰術-戰略敏銳性。蜂群不會僅僅因為他們擁有高科技套裝而變得特殊，而是因為他們在戰術和戰場領導方面也將擁有高于平均水平的軍事能力。特別是，他們的優勢將在于在群組中進行機動。當然，這種應用在無人機上也是可能的，但正如已經看到的那樣，到目前為止，最全面的解決方案可能是由密切的人機聯系提供的。

那么，我們的目標是將機動和蜂群帶到一個完全不同的水平。世界上每個大國都在研究和實施常規機動戰，無人機群的使用也是如此，機動和蜂群的結合并不新鮮。但是，如果把對這些概念的現代理解應用于增強的人類，會怎么樣呢？為了更好地處理這種組合，有必要澄清前面介紹的人機合作的概念。正如Margarita Konaev和Husanjot Chahal所寫的那樣，人機合作是一種關系--至少由三個同等重要的要素組成：人、機器以及它們之間的相互作用和相互依賴。

歸根結底，今天的主要國際參與者正在以軍事的方式尋求人類和機器之間富有成效的聯系。一方面，機器能夠實現一個目標，而不會出現記憶或注意力不集中的情況，也不會感到恐懼。另一方面，人類比人工智能有更好的能力來感知細微差別，甚至在進展中制定解決方案。人機合作的目的必須是結合雙方的優勢，彌補雙方的不足。

為了在并不遙遠的未來戰場上有所作為，沼澤者將需要很好地利用技術來增強他們的表現。這種增強可以通過外裝來實現，外裝是一種可穿戴的盔甲，與人類操作者協同工作。人體增強是人們一直追求的目標，但近年來出現了與外骨骼有關的新項目，可以幫助進一步提高士兵在戰場上的表現。其中一個項目是戰術突擊輕型操作服（TALOS），這是由美國特種作戰司令部設計的戰斗服。它包括一個全身外骨骼，提供小武器射擊的保護，以及增強態勢感知。雖然該項目在2019年由于該套裝的電源持續存在問題而被取消，但對全身外骨骼的競賽仍在繼續。例如，俄羅斯企業集團Rostoc正在開發第三代裝甲戰斗服 "Sotnik"，并且已經在設計第四代裝甲服，以進一步提高俄羅斯軍事人員的進攻和防御能力。

掠奪者將需要一種高科技外裝，能夠提高他們的態勢感知能力，并提供全身保護，防止小武器射擊。但這還不是全部。將便攜式個人空中移動系統（PPAMS）整合到外衣中也將是有用的，該系統更好地被稱為 "噴氣背包"。同樣，這也是一項尚未充分探索的技術。理查德-布朗寧的重力工業公司和弗蘭基-薩帕塔的薩帕塔工業公司已經在這一領域開展工作，甚至與一些國家的武裝部隊協同提供原型，而美國國防高級研究計劃局已經表明，它正在尋找這一領域的有效解決方案。這些技術今天不會準備好，但它們遠非科幻小說。

蜂群的部署

在不久的將來，蜂群可能成為戰場上的陰險角色。怎么做呢？首先，它們應該被劃分為質量優于數量的單位：小型蜂群應該以極大的自主權行事，與分散的指揮和控制相聯系，不被等級制度所扼殺。他們將被編入由幾個操作員（理想情況下最多七個）組成的蜂群，由擁有重要主動權的戰術指揮官領導。蜂群還應該得到一個功能性的和基本的后勤系統的支持。為此，重要的是，人機協作要盡可能地簡單和直觀；否則，蜂群在軍事行動中只能是一個技術壓艙物。在過去，蜂群后勤與地形有關，有效地限制了這些單位的行動范圍（例如，蒙古人受限于是否有放牧地）。PPAMS的技術可以克服這一歷史局限性，使蜂群有能力在空中加油，翻越地面障礙物到達補給和維護源，或者相互找到對方以交換補給。

一般來說，蜂群必須盡可能地自我維持。在這個意義上，無人機的使用可能是有用的；正如無人系統已經在民用世界中被測試用于運送和醫療目的一樣，戰場上的無人機可以為最后一英里的運送提供可行的解決方案，這是戰爭中最危險的。蜂群還可以提供智能的、具有成本效益的、人類規模的物流，增加其操作的自主性。這里應該很明顯的是，蜂群和無人機并不是競爭的對象，只是因為它們會執行不同的任務。正是因為這個事實，目標是讓雙方緊密地相互聯系和互補。蜂群和無人機之間的協調只有通過強大的網絡能力才能實現。這必須是蜂群單位的標志之一，它們必須高度連接才能協調運作。網絡提供信息，蜂群必須具有優勢，才能擁有態勢感知能力。這種優勢包括擁有干凈的信息流和破壞敵人的信息。與無人機飛行員不同，蜂群可以意識到地面上的情況，而不會因為他們的飛行能力而產生不必要的危險；事實上，蜂群應該站得足夠高，以避免小武器的射擊，并且足夠輕，以避免被標記為地對空或空對空武器的目標。

值得一提的另一個方面是，蜂群應該能夠抵御網絡或電子攻擊。蜂群可能會出現問題，但會繼續使用更傳統的通信手段進行操作；相反，無人機群需要完整和持續的信息流，如果沒有信息流，它就會直接停止運作，甚至更糟。

這樣的準備，蜂群可以在戰術上運作，在準備和獲取目標的過程中保持分散，然后聯合起來，以速度和決策攻擊敵人。與這種難以捉摸和分散的單位作戰，對任何武器系統來說都將是一個挑戰，無論它的殺傷力和破壞力有多大；此外，在空中移動的能力將有助于蜂群在戰場上的無處不在和非系統化的特性。這些單位決不能取代所有其他武器（如步兵、炮兵或裝甲兵），而應與它們協同工作。蜂群可以成為通過沖擊、通過直接或間接的對峙火力、或通過瓦解它或將它推向友好的常規部隊來瓦解敵方部隊的凝聚力的決定性因素。如果蜂群在信息、技術和機動方面具有首要地位，它們肯定能在未來戰爭中發揮作用。

這種新單位的作戰用途肯定會是在常規戰爭中。回到不恰當的無人機與蜂群的比較，前者已經在反叛亂行動中進行了測試，并顯示出不確定的結果。要想贏得戰爭，僅有精確的殺戮是不夠的。但這種觀點需要改變--無人機非常有用，但需要與其他要素相結合。敘利亞的沖突表明，如果把它們放在一個支持更多傳統力量并得到其支持的明確背景下，它們可以產生巨大的結果。蜂群將把它們的技術優勢與強大的軍事能力相結合，特別是在機動領域。有了這些新的解釋者，機動戰可以有新的細微差別。在今天的多維戰場上，空中、陸地、水面和網絡是同一場斗爭的延伸，蜂群的能力可以恢復，例如，包圍的概念。根據肖恩-J-A-愛德華茲（Sean J. A. Edwards）的說法，包圍在目標的頭腦中形成了一種感覺，即戰斗進展不順利。士兵們意識到敵人在他們的后方，就會擔心他們會失去維持生計和生存的手段--食物、水、彈藥，以及明確的逃生路線。對于一個接受過直線作戰訓練的士兵來說，從一個正面、兩個側翼和一個后方的角度來看戰場，后方出現的敵軍具有深刻的心理影響。腓特烈大帝喜歡說，敵人身后的三個人比他身前的五十個人更有價值。所以蜂群的目標始終是最大限度地擴大攻擊方向。

當然，包圍只是蜂群行動的其中一種方式。這些部隊必須被灌輸最大限度地擴大敵人的損失和最大限度地減少自己的損失的思想；是戰場和當時的突發事件決定了每次如何應用這種心態。如上所述，蜂群憑借其機動性和態勢感知，可以在許多不同的情況下行動。他們可以執行偵察任務，就像迦太基將軍漢尼拔在第二次布匿戰爭（公元前218-201年）中的輕騎兵一樣；這支古代世界的特殊騎兵部隊在意大利戰役中成功伏擊了兩名羅馬執政官，并使他們受了重傷。像他們一樣，蜂群可以跟蹤敵人，獲取信息或破壞他的信息流。此外，由于它們的性質，它們可以避免城市環境中的非常規陷阱。對于盤踞在城市廢墟中的部隊來說，如果他們知道自己面對的是一個難以捉摸的敵人，而這個敵人憑借其卓越的技術和態勢感知能力，可以從上面看到他們而不被發現，這在心理上是令人沮喪的。在這種情況下，敵人可能會失去掩護來打擊蜂群，成為其他等待目標的友軍單位所看到的。

除了這些能力（當然，這些能力也可以由無人機群來完成），蜂群可以用他們的實時判斷來處理情況，自己創造循環，而不是監督它或只是作為它的一部分（就像無人機操作員那樣）。它們也可以被指派在側翼或后方攻擊常規部隊，用對峙的火力打擊它。蜂群可以在高度上移動，以打擊例如火力反應范圍之外的坦克群，或者它們可以在機動中與常規部隊協同移動。對于這種類型的戰術，報告一個具體的歷史事件是有用的：在羅馬-塞琉希德戰爭（公元前192-188年）期間，羅馬領導人西庇阿率領軍隊穿越色雷斯（今保加利亞）。與他同行的是一支努米底亞人的騎兵隊，他們發現有多達15000名色雷斯當地人拿著武器阻礙他們通過。努米底亞人只有400人（還有幾頭大象），他們利用自己強大的機動性，從側面和后方攻擊這支龐大的敵人部隊。他們取得了勝利，而羅馬的主力部隊甚至沒有參與到這場戰斗中。今天，蜂群可以發揮同樣的作用；通過利用他們在前面討論的技能方面的優勢，他們可以粉碎比他們強的部隊，在敵人最不期望的地方對其進行打擊。然而，必須記住，與努米底亞騎兵不同，他們最好的防御是在他們的速度上（事實上，他們沒有很好的盔甲），蜂群應該有不同類型的輕武器的保護。此外，這些 "軍事祖先 "之間還有一個區別：制造沖擊的能力。例如，在漢尼拔的軍隊中，突擊部隊是老資格的布匿步兵；相反，蜂群自己可以創造沖擊，利用對峙的火力。

不可否認的是，發展蜂群涉及大量的經濟開支和技術研究。然而，如上所述，戰爭的各個組成部分都在迅速發展。一些國家，最引人注目的是中國，正在向本文討論的領域投入資金。例如，在2020年，中國撥出8500萬美元（USD）用于各種研究，包括人機聯手和蜂群。遲早，歐洲會出現一個霸權國家，它將在這些領域投入大量資源。如果美國想繼續保持軍事上的優勢，它必須超越常規思維。蜂群將使美國在不太遙遠的將來更迅速、更有力地投射其軍事優勢。

結論

無人機肯定會成為未來戰場的主角之一--這一點是毫無疑問的。但它們決不能替代人類。正如已經表明的那樣，人類和無人機在以協同和互補為特征的關系中共同發揮其最佳作用。這對組合的最佳應用可能是由蜂群提供的：擁有巨大的技術和信息優勢的士兵，但仍然是被賦予判斷力和情感智慧的人類。他們的能力將允許速度、沖擊和機動的靈活性，這在未來的戰場上可能被證明是決定性的。當然，談論目前的情況是不現實的。人們已經看到，這個項目的道路并非沒有障礙：TALOS項目的命運必須是一個銘記在心的教訓，也是一個奠定新基礎的基礎。總的來說，必須有勇氣將時間、金錢和研究投入到直到幾年前還被認為只在科幻電影中才可能實現的事情上。畢竟，如果一個人不想落后，那么他必須著眼于未來，但不能忘記過去和自己是誰。僅有機器是不夠的，因為正如安東尼奧-卡爾卡拉等人所斷言的，"高技術武器需要高質量的人員"。

許多軍事人工智能的研究和開發資金是針對短期內可以實現的戰術級系統的改進。在這里，人工智能（AI）的潛在好處往往受到感官輸入質量和機器解釋能力的限制。然而，為了充分理解人工智能在戰爭中的影響，有必要設想它在未來戰場上的應用，傳感器和輸入被優化為機器解釋。我們還必須嘗試理解人工智能在質量上和數量上與我們的有什么不同。本文介紹了綜合作戰規劃過程中自動化和機器自主決策的潛力。它認為，人工智能最重要的潛力可能是在戰役和戰略層面，而不是戰術層面。然后探討了更多機器參與高級軍事決策的影響，強調了其潛力和一些風險。人工智能在這些情況下的應用發展應該被描述為一場我們輸不起的軍備競賽，但我們必須以最大的謹慎來進行。

1 引言

目前，人工智能（AI）的民用發展大大超過了其在軍事方面的應用。盡管知道網絡將是一個重要的未來領域，但國防部門還沒有習慣于數字-物理混合世界，因此，國防部門與新的社會技術的顛覆性變化相對隔絕。在軍事上運用人工智能的努力往往集中在戰術應用上。然而，人工智能在這些領域的好處受到輸入傳感器的限制，它們被用來復制人類的行為，并在需要與物理環境互動的角色中使用。在作戰和戰略層面上，軍事總部的特點是信息的流入和流出。如今，這些產品無一例外都是完全數字化的。考慮到作戰計劃的過程，可以看出，即使在目前的技術水平下，其中有很大一部分可以可行地實現自動化。這種自動化的大部分并不構成可能被理解的最純粹意義上的人工智能，即 "擁有足夠的通用智能來全面替代人類的機器智力"。然而，軟件可以在特定任務中勝過人類的事實，再加上高級軍事決策過程被細分為此類特定任務的事實，使其成為比較人類和機器決策的優點、限制和能力的有用工具。這樣做，人類的能力似乎有可能被輕易取代。因此，追求軍事決策自動化的動機肯定是存在的。本文討論了部分自動化軍事決策的潛力和實用性，并想象了為這些目的無限制地發展人工智能可能帶來的一些風險和影響。