本文總結了關于自主軍事系統的測試、評估、驗證和確認（TEV&V）的挑戰和建議的部分文獻。本文獻綜述僅用于提供信息，并不提出任何建議。

對文獻的綜合分析確定了以下幾類TEV&V挑戰：

1.自主系統的復雜性產生的問題。

2.當前采購系統的結構所帶來的挑戰。

3.缺少測試的方法、工具和基礎設施。

4.新的安全和保障問題。

5.在政策、標準和衡量標準方面缺乏共識。

6.圍繞如何將人類融入這些系統的操作和測試的問題。

關于如何測試自主軍事系統的建議可以分為五大類：

1.使用某些程序來編寫需求，或設計和開發系統。

2.進行有針對性的投資，以開發方法或工具，改善我們的測試基礎設施，或提高我們勞動力的人工智能技能組合。

3.使用特定的擬議測試框架。

4.采用新的方法來實現系統安全或網絡安全。

5.采用具體的建議政策、標準或衡量標準。

在過去的十年中，計算和機器學習的進步導致了工業、民用和學術應用中人工智能（AI）能力的激增（例如，Gil & Selman，2019；Narla, Kuprel, Sarin, Novoa, & Ko, 2018；Silver等人，2016；Templeton，2019）。由人工智能促成的系統往往在某種意義上表現得很自主：它們可能會接管傳統上由人類做出的決定，或者在較少的監督下執行任務。然而，與武裝沖突期間的錯誤決定相比，一個真空機器人、一個高頻股票交易系統，甚至一輛自主汽車做出錯誤的選擇是可以通過糾正措施相對恢復的。軍事系統將面臨與民用系統相同的大部分挑戰，但更多地是在結構化程度較低的環境中運作，所需的反應時間較短，而且是在對手積極尋求利用錯誤的情況下。人工智能和自主軍事系統將需要強有力的測試，以保證不理想的結果，如自相殘殺、附帶損害和糟糕的任務表現是不太可能的，并且在可接受的風險參數范圍內。

為了自信地投入使用自主軍事系統（AMS），必須相信它們會對設計時可預見的問題和它們必須適應的不可預見的情況做出適當的決定。簡而言之，這些系統必須是熟練的、靈活的和值得信賴的。 當AMS要在狹義的情況下運行時（例如，要求一個 "智能"地雷在一天中的特定時間內施加特定的壓力時爆炸），要保證系統的行為符合要求就容易多了。它能遇到的相關不同情況的數量和它的行為反應（即其決策的狀態空間）都是有限的。擴大這個狀態空間會使保證更加困難。例如，一個自主的基地防御系統旨在根據目前的ROE用適當的武力來應對任何可能的威脅，預計會遇到更多的情況，包括設計的和不可預見的。要在這種情況下適當地運作，需要更多的靈活性，這反過來又要求系統更加熟練，允許它運作的人類更加信任。這些需求的相互作用是這些系統的許多T&E困難的一個核心驅動因素。

人工智能技術為美國防部（DoD）內的采購項目的測試和評估過程帶來了一系列的挑戰。首先，這些系統純粹的技術復雜性和新穎性可能難以駕馭。此外，美國防部的采購流程是在假設的基礎上進行優化的，而自主權可能不再成立（Tate & Sparrow, 2018）。例如，將承包商、開發和操作測試分開，假設我們有離散的、相對線性的開發階段，導致系統的 "生產代表 "版本。對于AMS來說，這可能不是真的，特別是如果它們在整個生命周期中繼續學習。此外，在我們擁有一個系統之前就寫需求，是假設我們事先了解它將如何被使用。因為AMS的熟練度、靈活性和可信度會隨著時間的推移而發展，并會影響人類如何使用或與系統互動，所以與標準系統相比，作戰概念（CONOPS）和戰術、技術和程序（TTPs）將需要與系統共同開發，其程度更高（Haugh, Sparrow, & Tate, 2018; Hill & Thompson, 2016; Porter, McAnally, Bieber, & Wojton, 2020; Zacharias, 2019b）。

然而，即使美國防部的采購流程被更新，美國防部員工用于測試和評估（T&E）的具體方法、工具和基礎設施將無法保證系統的性能達到預期。開發和設計工作包含了測試，通過內部儀器建立可測試性；提高軟件的透明度、可追溯性或可解釋性；對培訓和其他數據進行良好的管理和驗證，可以改善開發過程，同時也為測試和評估鋪平道路，但它們沒有被普遍采用。此外，能夠幫助項目克服所有這些挑戰的政策和標準要么缺乏，要么不存在。

什么是自主性？

自主性的定義繁雜眾多，有些定義對美國防部來說不如其他定義有用。許多定義包含了獨立、不受外部控制或監督、或與其他實體分離的概念（例如，牛津英語詞典，2020年）。然而，假設任何參與者將在沒有控制或監督的情況下運作，甚至是人類作戰人員，這與美國防部的政策和指揮與控制（C2）的思想相悖。不希望自主系統擁有選擇行動路線的完全自由，而是在其分配的任務中擁有一些受約束的自由。

與作戰人員一樣，可能希望與自主系統有一個C2或智能體關系。希望：1. 明確具體任務和/或整體任務的目標或目的，可能還有這些目標的更大原因，如指揮官的意圖（即做什么和為什么）。2.明確與任務相關的約束，如交戰規則（ROE，即不能做什么）。3. 不指定使用的方法或對每一種情況給出明確的應急措施，如對對手的反應做出反應（即如何完成任務）。

一個系統是否被授權為一項任務做出這些 "如何 "的決定，是本文將區分自主系統和非自主系統的方法。

在 "是什么"、"不是什么 "和 "為什么 "的限制下，為 "如何 "做出有用的、理想的選擇，假定了某種程度的智能。因為這些是機器，這就意味著存在某種程度的人工智能。需要人工智能來實現對非瑣碎任務的有用的自主性，這可能解釋了為什么人工智能和自主性經常被混為一談。在本文件中，我們將自主性稱為系統在其操作環境中的行為，而人工智能則是與該環境進行有意義的互動的 "內在 "促成因素。

2018年美國國防戰略強調，有效實施自主性對于未來的交戰至關重要。這種實施的關鍵是測試和評估執行自主任務的系統的能力。本手冊的目的是為測試人員提供工具、方法和見解，以自信地對待空中平臺的自主性測試。選擇空中領域是由于其對空軍任務的適用性，并有助于確定本手冊的重點范圍。本手冊的目的不是要成為測試和評估自主性的詳盡參考資料；相反，本手冊的目標是為更多的調查提供一個啟動點。

本手冊首先概述了目的、關鍵定義和基本假設，以幫助澄清空軍測試中心的 "自主性 "含義。在建立了這種基礎性的理解后，介紹了自主性的測試方法。在機載平臺上測試自主性帶來了獨特的挑戰，因此，要想測試成功，應該利用以下五個原則。早期用戶參與、持續和累積反饋、簡化流程和產品、試點培訓方法和人機互動考慮。總體的測試方法分為兩個范式：測試的三個階段和敏捷開發與運營（DevOps）。

第二種范式的特點是，從目前的測試實踐到結合敏捷和DevOps的原則，有了更大的轉變。敏捷哲學強調個人和互動而不是流程和工具，強調工作產品而不是全面的文件，強調客戶合作而不是合同談判，強調響應變化而不是遵循計劃。它在現代軟件開發中發揮了重要作用，并且隨著自主性的發展，肯定會在未來發揮作用。此外，DevOps是一個革命性的概念，它整合了企業的開發和運營功能。這個過程依靠持續集成、持續交付、持續監控和記錄、微服務以及跨職能的協作團隊來快速實施高質量的產品。隨著空軍開始采用更多的敏捷和DevOps原則，它將能夠實現國防部 "以相關速度交付"、"組織創新 "和 "簡化從開發到實戰的快速、迭代方法 "的目標。

圖 自主性測試執行的四個組件

引言

為了最大限度地提高作戰人員的殺傷力，必須將自主性納入系統，但首先必須對其進行開發、測試和實戰化。2018年美國國防戰略摘要（參考文獻1）和2019年國防授權法案（參考文獻2）已經明確表示，將包含自主性的系統投入使用對于美國保持其競爭優勢至關重要。此外，這兩份文件都呼吁改革國防部的采購程序，以便 "以相關的速度 "產生結果。2019年，空軍首席科學家發布了《自主性：前進的道路》（參考3），該文件為推進自主技術水平建立了一個路線圖和框架，同時支持其向現有系統過渡。為了響應這一更高層次的指導，美空軍測試中心（AFTC）已經制定了一個戰略目標，即 "塑造未來的測試和評估能力，以最大限度地提高作戰人員的致命性"。這一戰略目標的一個關鍵原則是建立一種測試具有自主性和機器學習算法的系統的能力。本手冊支持AFTC的戰略目標，并為機載平臺上的自主性測試所應考慮的因素和方法提供參考。

本手冊的組織結構如下：首先，定義了本手冊的具體目的、關鍵術語和基本假設。此外，第一節概述了本手冊的范圍。下一節制定了在機載平臺上測試自主性的測試方法。本節首先詳細介紹了目前的測試范式應如何適應測試自主性。然后，它討論了應如何利用敏捷和開發與運營（DevOps）原則實施新的測試范式，以最大限度地提高自主性的有效性。最后，總結了測試自主性的要點，并強調了前進的道路。此外，還包括了包括當前自主性測試細節的附錄，以及其他一些有用的參考資料。

1.1 目的

本手冊的目的是為測試人員提供工具、方法和見解，以自信地測試空中平臺的自主性。由于自主性測試所面臨的挑戰的廣泛性和現有測試能力的整體不成熟性，本手冊的內容沒有明確定義具體的最佳實踐。相反，本手冊概述了自主性測試的注意事項，這些注意事項需要在測試過程的每個階段進行，以確保安全、可靠、有效的測試。本手冊旨在成為一個指南針，而不是一張地圖。

本手冊假設讀者有一些飛行測試經驗和/或技術背景。自主性的測試和評估從根本上說是一個多學科的冒險；因此，本手冊涉及一些成功所需的不同觀點。本手冊的目的不是要成為測試和評估自主性的詳盡參考資料；相反，本手冊的目標是為更多的調查提供一個啟動點。在整個國防部有許多研究，以及大量的學術研究，本手冊利用并試圖在此基礎上發展。此外，本手冊承認不能在真空中考慮自主性測試；它提出了自主性系統的開發者和獲取者需要與測試社區進行最佳整合的概念和框架。自主性測試的最終成功取決于未來的項目辦公室是否注意到這本手冊，并在項目的早期對測試進行適當的規劃。

1.2 關鍵定義

自主性：一套基于智能的能力，可以對部署前沒有預先編程或預期的情況作出反應，如《自主性利益共同體（COI）測試與評估》（參考文獻4）所定義。自主性構成了一定程度的自給自足和自主行為（由人類代理決策），如《自主系統的七個致命神話》（參考文獻5）所定義。

自主引擎：平臺或系統上的硬件，承載著自主軟件。

復雜系統：按照《復雜系統動力學》（參考文獻6）的定義，理解各部分之間的相互作用與理解各部分的功能同樣重要的一個系統。

服務：一個獨立的、封裝好的功能單元，通過一個定義好的接口（主要針對軟件）接收輸入并給出輸出，如《面向服務的建模》（參考文獻7）所定義。

任務：由一個或多個服務組成，在一個離散的、確定的時間段內完成一個特定的目標或行動。

信任：按照《組織信任的綜合模型》（參考文獻8）的定義，一方愿意在另一方的行動面前表現得很脆弱，因為他期望另一方會執行對信任者來說很重要的特定行動，而不考慮監督或控制該方的能力。信任主要建立在令人滿意的可靠性和準確性的組合上。

1.3 基本假設

盡管在上一節中對自主性進行了定義，但為了本手冊的目的，進一步澄清 "自主性 "的實際含義是很重要的。以下四個基本假設主要來自2012年國防科學委員會關于 "自主性在國防部系統中的作用 "的研究（參考文獻9），有助于磨練 "自主性 "的含義。

1."自主性 "從根本上說是基于軟件的。

2."自主性 "被認為是相對于特定的任務，在一個離散的時間間隔內，而不是針對整個系統。

3."完全自主 "系統是一個錯誤的說法。所有的自主性都必須在某些時候與人互動，因此被認為是一個人機聯合認知系統。

4.確定和爭論 "自主性水平 "對測試和評估系統是無益的，而且會產生反作用。

1.4 手冊范圍

本手冊著重于測試和評估空域的自主性。之所以選擇空域，是因為它與空軍的任務相關，也因為它給測試和評估企業帶來了獨特的挑戰，而這些挑戰在其他領域并不適用。雖然所介紹的是機載自主性應用的例子，但本手冊所介紹的大部分框架和工具都普遍適用于其他領域。

在本手冊中，被視為被測系統（SUT）的自主性類型是那些在物理世界中的實時應用，通常被稱為 "運動中的自主性"，如國防科學委員會。關于自主性的夏季研究（參考文獻10）。這與 "靜止狀態下的自主性 "應用相對立，后者對于建立一支更具殺傷力的部隊至關重要，并將在 "運動中的自主性 "系統的測試和實戰中發揮重要作用。運動中的自主性 "的例子可以在智能炸彈、無人駕駛航空系統（UAS）中找到，甚至可以作為載人平臺上的一個子組件（即F-16上的地面防撞系統）。確定一個系統是否構成 "運動中的自主性 "的一個有用的方法是用約翰-博伊德的 "OODA "循環來思考，該循環來自《輸贏論》（參考文獻11）。運動中的自主性必須：

• 觀察其周圍的環境，以建立一個世界觀。

• 在世界觀中確定自己的方向。

• 決定一個適當的反應。

• 根據該決定采取行動。

圖1給出了一個層次化的視角，說明了自主性對一個平臺的作用。平臺執行的任務是由各種任務組成的，這些任務建立在較低層次的服務之上。當本手冊中使用 "自主性 "一詞時，它指的是在任務或任務層面采取的行動，這些行動是由服務促成的。在大多數情況下，這些行動目前是由人類操作員執行的。傳統上，測試界并不測試或評估人類操作員，因此必須擴大測試范式，以納入類似人類操作員的自主任務或任務的評估標準。

為了更好地理解圖1，我們以壓制敵方空中防御（SEAD）任務為例。對于執行SEAD的戰斗機平臺來說，干擾敵人的雷達是主要任務之一。此外，像空域整合、空中加油和編隊飛行等任務可能都需要成功完成。而這些任務又需要大量的服務，負責操作各種有效載荷、飛機本身以及指揮和控制功能。

本手冊有意避免使用機器學習（ML）和人工智能（AI）的字眼。ML和AI是實現自主性的工具；本手冊中提出的策略適用于自主系統的測試，無論自主是如何產生的，也無論它如何運作。

這項研究確定了自主決策的維度（DADs）--在將決策能力轉移到智能自主系統（IAS）之前，人們應該考慮的潛在風險類別和原因。這項研究的目的是提供一些執行現有策略所需的工具，涉及法律、道德和軍事上有效使用IAS的問題。這些工具有助于識別并減輕或接受與使用IAS有關的可能導致負面結果的風險。這13個確定的DADs是由565個 "風險要素 "組成的綜合清單制定的，這些要素來自于支持和反對在武器系統中使用自主技術的各方所撰寫的數百份文件。我們將這些要素以問題的形式記錄下來，以便采購界在制定確保自主系統的道德使用的需求文件時使用，并由軍事指揮官作為風險評估清單，確保自主系統不會以不道德的方式使用。這樣，美國防部就可以在開發或部署自主系統之前做出完全知情的風險評估決定。

這項研究確定了自主決策的維度（DADs）--人們在將決策能力轉移到智能自主系統（IAS）之前應該考慮的潛在風險類別。這項研究的目的是提供一些執行現有政策所需的工具，涉及法律、道德和軍事上有效使用IAS的問題。這些工具有助于識別并減輕或接受與使用IAS有關的可能導致負面結果的風險。

本研究確定的13個DADs是由565個 "風險要素 "組成的綜合清單制定的，這些風險要素來自于全球支持和反對在武器系統中使用自主技術的人士撰寫的數百份文件。此外，這些風險項目超出了國防部目前的政策和程序，因為我們預計這些政策和程序會發生變化，而且自主技術會不斷發展。我們以問題的形式捕捉每個風險要素。然后，每一項都可以很容易地被修改為 "必須聲明"，供采購界在制定功能要求時使用，以確保合法和道德地使用自主系統。這種方法可以將人工智能（AI）倫理從一套主觀定義的、因而無法行動的政策和原則，提升為一套可衡量和可測試的合同義務。

軍事指揮官也可以將這些風險要素作為（可衡量和可測試的）行動前風險評估 "清單"，以確保自主系統不會以不道德的方式使用。這樣，國防部（DOD）在開發或部署自主系統之前就可以做出充分知情的風險評估決定。由于我們的研究結果是專門為在國防采購系統和軍事規劃過程中使用而設計的，它們為將有關自主系統的政策和道德原則轉變為實際的系統工程要求提供了第一步。

我們確定的13個DADs如下。

• 標準語義和概念：確保在自主系統的整個生命周期和不同的用戶群體之間使用共同的術語和概念，以防止因溝通不暢而產生的風險。

• 法律責任的連續性：確保人在任何時候都對IAS負有法律責任，在快節奏和動態的軍事行動中沒有責任的空白。

• 自主程度：確保可以對系統自主程度進行調整，以適應動態的操作條件，并與不斷變化的風險容忍度相匹配。

• 自主性的必要性：確保使用智能系統提供的軍事優勢（包括減少附帶損害的概率）與使用該系統帶來的任何額外風險相稱。

• 指揮和控制：確保采取所有切實可行的措施，防止失去對IAS的指揮和控制，并確保IAS能夠檢測和防止意外的后果，停用可能從事意外行為的系統。

• 存在不使用武力的人員和物體：確保IAS能夠識別并不以違反法律、政策或交戰規則的方式故意傷害人員或物體。

• 操作前審計日志：通過記錄數據、軟件、硬件、人員互動的出處以及從采購前開始到交付給車隊的過程，確保在采購期間對IAS的所有方面進行積極控制。

• 操作審計日志：確保記錄輸入、行動、互動和結果，以便進行操作后的分析，支持法律責任，分享經驗教訓，并對未來的戰術、技術、程序和技術進行改進。

• 人機合作：確保行使人的判斷力（特別是在涉及使用武力的時候）。

• 測試和評估的充分性：確保在測試和評估過程中最大限度地體現所考慮的作戰環境的深度、廣度和復雜性。

• 自主性培訓和教育：確保每個與開發和使用IAS有關的人都充分了解其屬性，以履行其責任，避免非法和不道德的使用。

• 任務時間和地理范圍：確保任務的時間長度和空間范圍不會使任務前的風險評估和規劃因素失效。

• 公民權利和自然權利：確保人工智能系統在用于致命性自主武器以外的其他用途時，在設計上既能保障公民權利和自然權利，又能識別和減少自主系統中有時出現的偏見。

本研究就如何最好地利用13個DAD及其565個風險要素，積極推動國防部人工智能倫理原則從闡述階段進入實施階段，提出了六項建議。

• 將道德使用促進因素的存在作為IAS的強制性關鍵性能參數：將道德原則轉化為可衡量和可測試的合同義務。

• 將國際會計準則風險緩解清單納入理論和規劃：提供必要的理論基礎，使國際會計準則相關的風險評估成為長期戰略和短期業務規劃的強制性組成部分。

• 維護權威性和標準化的聯合自主風險要素清單（JAREL）：將565個風險要素清單轉化為主要工具，以可重復和可調整的方式實施與國際會計準則有關的道德原則。

• 最大限度地公開JAREL：促進公眾對國防部使用國際會計準則的信任，提高國防部利用和吸引國際會計準則開發隊伍的能力，提高美國吸引盟友和合作伙伴的能力。

• 重新構想 "定義 "標準術語的方法：消除在道德相關政策中使用定義不清或未定義的主觀術語所造成的實施障礙，這些術語容易被誤解或產生不同的解釋。

• 創建一個研發組合：提供能夠符合道德規范的國際會計準則的技術。

最后，我們的研究結果支持國防部通過采取透明的方法來實施國防部人工智能倫理原則，對人工智能的道德使用做出承諾。為了證明這種透明度，本研究的發起人同意公開這份報告。這樣做可以減少參與戰爭系統中人工智能開發和使用辯論的許多組織和社區所做的聲明和意圖的誤導、誤傳和誤讀。

軍事系統日益增強的自主能力提出了各種具有挑戰性的法律、倫理、政策、行動和技術問題。本卷的主要貢獻在于它對這些挑戰的多學科表述。在引言部分，沙瑞概述了自主性的基本概念，并反思了其對軍事行動的影響，如人機合作的機會。隨后，威廉姆斯對如何定義 "自主性 "進行了詳細分析。Scharre和Williams的章節提醒我們，真正的自主系統并不存在--也許只是在科幻故事的遙遠未來。相反，他們強調自主性是系統的一種能力，它存在于組織、政策、指導和人類控制的復雜安排中。

Roorda的這一章給出了一個具體的例子，說明自主系統的使用是如何被特定的政策過程所控制的，以及在部署任何系統之前，該過程的每個階段是如何納入對相關法律、道德和操作問題的必要的人類決策。

然而，當代的政策辯論--最近在《聯合國某些常規武器公約》中，顯示出自主系統仍然是一個有爭議的話題。雖然武裝沖突法和國際人權法并不禁止向自主系統下放軍事職能，但阿諾德和克羅托夫的章節擴大了視野，特別討論了國家的作用和責任，以及可能受到自主系統發展影響的各種國際法。然而，這種政策問題并不是軍事領域所獨有的。安德森和松村的章節強調了在民用領域引入 "無人駕駛 "汽車所面臨的法律和政策挑戰，軍事能力應該注意到這一點。

即使考慮到這些法律和政策結論，對自主系統仍有嚴重的倫理和實際保留。梅爾的章節為分析自主系統在軍事行動中的影響提出了一個倫理框架，并提出了一系列政策制定者的建議。Keeley提出了另一種解決方案，建議建立一種審計和追蹤系統內部算法的程序和能力，以便進行驗證和確認、測試和問責。然而，Theunissen和Suarez表明，對于許多任務來說，高水平的自主性不一定是可取的，最佳的解決方案是將自主控制和人類控制結合起來，發揮各自的優勢。

有了這個關于自主系統政策考慮的法律、定義和倫理框架，本書的最后一節介紹了關于能力發展各個方面的四個詳細章節。首先，Saariluoma提出了一個框架，為自主系統引入基于人類技術互動設計的思維，提醒我們，最終，這種系統是人類的工具，因此，人類互動和控制系統的方式應該是直觀的。

Sulzbachner、Zinner和Kadiofsky的章節強調，許多自主系統的要求是無源光學傳感器技術，用于在非結構化、非合作的環境中運動。他們提醒我們，正在進行的將無人駕駛和自主系統納入空域的各種監管舉措，例如，本質上依賴于建立性能標準，然而驗證光學和其他傳感器系統的標準化方法仍未完全建立。

Arbour、MacLeod和Bourdon對有人和無人的組隊概念進行了分析，并提出了一系列不同的選擇，即無人飛機如何與有人飛機協同使用，發揮各種新的作用。他們的建議是，鑒于無人系統的可靠性和自主性不斷提高，我們需要在能力發展的早期階段確定更多的潛在配置和組合，而不是局限于一對一的平臺替代。

托爾克在本卷的最后一章建議更多地使用基于代理的模擬方法來支持自主系統的設計、開發、測試和操作使用。原因是仿真中的軟件代理是自主機器人系統的虛擬對應物，在許多情況下，管理物理系統和軟件代理的基本算法可能是相同的。這導致了許多改善系統測試和評估的機會，而且通過在部署前對系統的任務進行模擬，還可以提供操作支持。

本卷的結尾是北約首席科學家Husniaux少將的前瞻性觀點，他為未來的能力發展推薦了一系列關鍵研究領域。他提醒我們，科學和技術的發展是必不可少的，但必須與操作者、政策、法律和理論觀點合作，共同發展。

我們正在擴大我們在這一關鍵領域國防能力的視野，然而創新需要外部的投入和新的觀點。實現這一目標的最佳方式是通過一個多樣化的專家網絡來分享想法。我知道，SACT總部領導的工作已經從這種接觸中受益匪淺，我希望聯盟的科學家、工程師、法律和政策工作人員以及軍事操作人員網絡也將同樣受益。

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

引言

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

圖 1：多域和 X 域戰爭模型

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

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

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

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

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

1 引言

近年來，"蜂群 "和 "構建蜂群"是無機組系統界最普遍的流行語之一，不僅包括航空器，還包括陸地、海洋、水面以及水下的無人系統。然而，什么是蜂群，或者它需要擁有哪些基本能力，還沒有正式定義。北約的無機組飛行器社區最近開始為上述術語制定定義，以最終正式確定各自的術語供官方使用，但由于不同社區對什么是蜂群有不同的解釋和觀點，很快就陷入了困境。因此，以空中為中心的定義可能不太適合于其他領域。

本文旨在概述挑戰，并在討論未來 "蜂群 "的定義及其在無人飛行器背景下的相關術語提供思考素材。

2 定義的目的

每個術語的定義都需要滿足一個目的；否則，它就沒有意義，也不需要被定義。例如，遙控飛機（RPA）被定義為 "由經過培訓和認證的飛行員控制的無人駕駛飛機[......]，其標準與有人駕駛飛機的飛行員相同。"因此，使用RPA一詞表明操作飛機需有一定程度的飛行員資格要求。以同樣的方式，需要同意該定義是為哪些條件和目的服務的，即在哪些情況下需要它。

定義 "蜂群 "所面臨的挑戰是，適用的用途差別很大，一種用途的定義參數可能與另一種用途不相關。為了概述這一挑戰，下面介紹了一些例子。

作業用途。使用蜂群來實現軍事效果是基于需要解決的軍事問題。只有當蜂群功能與其他解決方案相比能帶來軍事利益時才會被采用。所期望的效果在本質上將符合能力要求的定義，因此，需在采購者的法律框架內。實戰化蜂群技術并按照適用的國家和聯盟立法、交戰規則以及戰術、技術和程序進行操作，可能需要一個定義，該定義提供了關于軍事能力、遠程操作模式、指揮和控制手段以及人類互動程度的說明。

開發者用途。需要充分了解潛在的蜂群功能，以便從開發者的角度確定軍事使用的好處。開發蜂群技術和實現蜂群行為的正確執行可能需要復雜的自主性和人工智能應用水平，使人類能夠將蜂群作為一個整體進行操作，但不需要（甚至不允許）控制任何單獨的蜂群實體。因此，這種用途的定義可能集中在自主性水平、其在硬件和軟件中的技術實現以及蜂群功能在其系統中的適應性。

反蜂群用途。在觀察和防御蜂群時，自主性水平或指揮和控制手段并不那么重要。從這個角度來看，實體的數量、它們的觀察行為以及它們假定的蜂群能力是最相關的問題，因此也是決定性的因素，不管蜂群實體是人工控制還是自主操作。識別一個較大的實體群是否有資格成為蜂群的挑戰隨著展示的蜂群行為的復雜性而增加。

在其他情況下，"蜂群 "一詞的定義可能需要偏離或替代，以達到其目的。為了解決這個難題，有兩個選擇。首先，為每一種用途制定多個定義，其次，找到一個可以服務于所有（或至少是大多數）用途的共同標準。由于多種定義有可能在不同的用戶群體之間造成混淆和誤解，因此第二種選擇更受歡迎。每個用戶群體以后可以將其具體要求作為子類別術語附加到一般定義中，類似于RPA，它是 "非螺旋槳飛機 "這一總體定義下的一個子類別。

3 共同標準

這就給我們帶來了一個挑戰，即為總體的蜂群定義確定一個共同標準。通過觀察蜂群，特別是其行為，可以發現共同點，不管它是由空中、陸地還是海上的無人系統組成，也不管蜂群的行為是實際執行的還是只是被感知的。因此，一個總體的定義應該從蜂群的外部外觀和視覺感知開始，而不是關注其內部運作。后者可以用子類術語來涵蓋和區分。

4 蜂群行為

在開源研究中，有許多關于蜂群行為的定義，但它們主要描述的是同一個概念，通常將蜂群智能作為一個前提條件。例如:

• "蜂群是大量個體組織成協調運動的現象。僅僅利用環境中他們所掌握的信息，他們就能聚集在一起，集體移動或向一個共同的方向遷移"。

• "蜂群智能是對分散的、自組織的系統的研究，這些系統能夠以協調的方式快速移動"。

• "在蜂群機器人學中，多個機器人通過形成類似于在自然系統中觀察到的有利結構和行為來集體解決問題，如蜜蜂群、鳥群或魚群"。

• "蜂群智能源于動物的自然蜂群行為，可以定義為相同大小的動物表現出的集體行為，聚集在一起解決對其生存至關重要的問題。蜂群智能可以被定義為簡單代理群體的新興集體智能"。

上述所有定義的共同點是形成蜂群的個體的 "協調運動"。集體智能也被提到是實現這種行為的關鍵因素；然而，觀察者將無法確定蜂群的協調運動是基于集體智能還是通過其他控制手段。因此，在總體定義中，集體智能是一個需要考慮的次要屬性，需要由后續術語來涵蓋。值得注意的是，未來的技術，包括人工智能和機器學習應用，可能使觀察者能夠確定一大群實體是否擁有可能造成更大威脅的額外蜂群功能。因此，"集體智能"或類似的可識別的蜂群功能可能被納入定義中。

【值得注意的是，"多個蜂群元素 "原則上意味著，任何數量大于1的單位，如果從事蜂群行為以提高整體單位的集體能力，都可以被視為一個蜂群。由于沒有專門的系統，識別蜂群行為幾乎是不可能的，因此，除非另有證明，否則最好將看似一起行動的多個實體視為一個蜂群。更高的數量會放大蜂群行為的好處。另外，各個實體不需要完全相同，只需要兼容，作為蜂群的一部分解決軍事問題。】

5 單個蜂群元素的數量

根據上述定義推斷，蜂群的另一個關鍵要素是參與的實體數量，但沒有明確規定最低數量。是否有一個閾值需要跨越，以脫離傳統的分組方案，如中隊、航班，從而有資格成為蜂群？同樣，我們有幾個選擇：

1.將任何由兩個或更多元素組成的編隊都歸為蜂群。

2.將蜂群定義為超過特定數量的單個元素的群體，其數量高于上述傳統分組。

3.避免任何具體化，將這一細節再次留給后續的分類學層次。

為了避免限制性太強，并允許有子類別，建議采用最后一種方案。術語"多個蜂群實體"很好地表達了建議的 "非特定性"，并將在文章后面為此而使用。

6 空間分布

上述可觀察到的特征，即 "協調運動 "和 "多個蜂群元素"，并不意味著各個蜂群實體之間有最小或最大的距離。已經有了采用廣泛分布的無機組的飛行器來轉播無線電通信或向偏遠地區提供互聯網連接的概念。單個航空器之間的距離可能是數百公里，以提供大面積的覆蓋。即使在較小的規模上，蜂群實體也可以在僅幾百米的距離內以協調的方式運作，以觀察一個地區或攻擊具有多個影響點的較大目標。如果不能對群體（或蜂群）進行整體調查，那么這些實體是否遵循預先確定的和不協調的模式或執行協調行動，對觀察者來說可能仍然是隱蔽的。因此，蜂群的空間分布不是一個總體定義的限定因素，而且會不必要地限制其應用，盡管這些特征可能在反蜂群活動中發揮作用，并在隨后的術語中加以定義。

7 人與人之間的互動

在談論蜂群技術時，人們廣泛討論了不同的自主性水平和相應的人類互動水平。例如，自主性水平越高，在實際任務中對人類投入的要求就越低。顯示出一套完整的蜂群行為的蜂群很可能處于自主性等級的高端，將人類互動的必要性降到最低。也可以假設這種人類互動適用于整個蜂群，以控制總體的蜂群功能，而不是單個的蜂群實體。然而，在觀察由單個空中、陸地、地面或地下飛行器組成的蜂群時，很難確定其自主性和人類互動水平，因此對于總體 "蜂群 "的定義而言，這不是一個相關因素。為了不限制定義的適用性，這些特征應該用一個子術語來描述，如 "智能蜂群"、"自主蜂群 "或類似的措辭，因為它們肯定在研究和開發、蜂群就業方面具有適用性，而且可能用于法律目的。

8 蜂群的能力

人們通常認為，組成一個蜂群可以增強或產生單個系統無法實現的能力。蜂群可以被認為是一個系統簇，它可以執行預先設計的功能并提供一個或多個（軍事）效果。這些效果要么直接受益于蜂群行為，要么間接受益于單個系統能力的組成，作為一個組合的蜂群功能。這種好處需要從能力要求、作業和防御的角度清楚地理解，并且可以與其他軍事用途的定義聯系起來。一般來說，蜂群行為是任何蜂群能力的基礎。然而，蜂群能力可能因使用的系統類型而有很大的不同，而且與蜂群行為相比，不能觀察到，只能在執行前假設。因此，能力聲明被認為不適合作為總體定義，還應該由下屬術語涵蓋。

9 定義提議

一個定義取決于蜂群的預期用途。由于蜂群應用提供了各種用途，本文建議從一個總體定義開始，并在下屬術語中涵蓋各個使用屬性。

以下是一個總體定義建議，涵蓋并支持所有軍事領域及其各自的無機組人員系統，隨后對定義的每個術語進行了解釋。

形成。這應表明蜂群元素之間的空間相關性，同時有意不進一步描述其具體組織。這就為各個蜂群元素之間的各種距離和空間安排留出了分類的空間。

多個。蜂群可能由少數甚至數百個元素組成，但至少要超過一個。不具體的術語 "多個 "允許該定義適用于所有類型的蜂群，無論其參與元素如何。定義一個具體的數字對于任何下屬的術語來說也將是困難的。可以對小型蜂群中的 "可計算的數量 "和大型或大規模蜂群中的 "不可計算的數量 "進行區分，這可能有助于區分人類或技術系統被接近的實體所淹沒時的威脅。

實體。它包括所有類別的無人系統，包括空中、陸地、地面和地下系統。如果計算機程序或衛星系統的協調行動是北約未來的選擇，這個術語也可以適用于網絡和空間領域。可以考慮使用從屬的術語，例如，無人駕駛飛機系統群（UASSw）或無人駕駛地面車輛群（USVSw）。

顯示協調的行為。蜂群的內部運作和技術機制可能有所不同，對于某些用途，定義甚至可能不需要審查這些內部特征。本文所確定的共同點是蜂群的行為，包括可以觀察到的協調動作和行動。故意不說明這些協調行動是如何實現的。實現蜂群功能的技術手段可以用隨后的術語來表達，如 "自主蜂群 "或 "智能蜂群"。

朝著一個目標前進。這是為軍事背景服務的，因為可以假設蜂群總是指向一個目標，以實現其特定的任務目標，從簡單的現場調查、情報、監視和偵察，到打擊或自殺任務。這可能與軍事背景以外的情況無關，可以不提。

【蜂群是由多個實體組成的，它們朝著一個目標表現出協調一致的行為。】

10 結論

為 "蜂群 "找到一個一致的定義是一個困難的挑戰，因為在所有的軍事領域和民事應用中都有很多用途。要在北約內部實現對蜂群定義的廣泛接受，唯一的解決辦法是確定所有蜂群特征的共同點，將定義減少到最低限度，并將專門用途的具體細節留給下級術語。

作者

安德烈-海德爾，中校是一名炮兵軍官，在指揮與控制和作戰計劃方面有超過15年的經驗。他是JAPCC的無人駕駛飛機系統主題專家，已有十多年的經驗，并代表JAPCC參加北約聯合能力小組的無人駕駛飛機系統和北約反無人駕駛飛機系統工作組。他撰寫了關于無人機系統和C-UAS的操作和法律問題的多項研究、書籍和文章。

安德烈亞斯-施密特，中校于1993年加入德國空軍。在軍官學校學習后，他在慕尼黑的德國武裝部隊大學學習計算機科學。自1998年以來，他在地基防空方面建立了廣泛的背景，特別是愛國者武器系統。他開始擔任戰術控制官，隨后在不同的 "愛國者 "部隊中擔任偵察官、炮臺執行官和炮臺指揮官。此外，他曾兩次不連續地被派往德克薩斯州的布萊斯堡。在這之間，他曾在前空軍師擔任A3C的任務。目前，他是JAPCC的綜合防空和導彈防御/彈道導彈防御中小企業。

簡介

聯合全域指揮與控制（JADC2）概念在美國防部對未來戰爭的設想中越來越重要，并將在聯合作戰概念中發揮不可或缺的作用。它試圖將所有領域的眾多傳感器、決策者和射手連接到一個戰區范圍內，甚至是全球的戰斗網絡。JADC2的支持者認為，這一概念將在未來與俄羅斯等的沖突中為美軍提供決策優勢，使美軍能夠比對手更好地理解、更聰明地決策和更快地行動。

為了使JADC2按照設想的那樣工作，它將需要不同的和廣泛分散的系統相互無縫連接。指揮、控制、通信、計算和信息（C4I）系統實際上將作為JADC2的中央神經系統發揮作用。C4I能力不僅將形成連接一切的網絡架構，而且還需要對大量的信息進行理解，以幫助指揮官對戰場上發生的事情獲得 "指尖上的感覺"。盡管國防部近年來對C4I系統進行了大量投資，但這些努力主要集中在大型的、孤立的服務項目上。將這些在設計上不一定能相互操作的系統整合到一個聯合C4I架構中是一項艱巨的任務。

同時，JADC2的可行性取決于關鍵使能技術的成熟度。這些關鍵技術包括：5G通信，以實現海量數據的高速傳輸；人工智能，以解析和理解所有這些數據，然后幫助指揮官做出決策；云計算和邊緣處理，以使該架構能夠在高度分散和有爭議的戰場上發揮作用。整合零散的服務能力，成熟的新興技術，并將它們全部整合到一個有效的戰斗網絡中，這將是一項具有挑戰性的工作。

鑒于JADC2在美國防部未來計劃中的核心地位以及圍繞其發展的復雜性，決策者可以從更好地了解當前的情況中受益，因為關鍵的決策點，如23財年預算提交的最終確定和24財年服務計劃目標備忘錄（POM）的制定。為此，Govini應用決策科學--有針對性地應用機器學習和數據，將政府和商業市場數據融合在一起，闡明與三個關鍵問題有關的見解。首先，美國政府近年來在與JADC2相關的C4I能力和使能技術上花費了多少？第二，美國防部的哪些部門和其他聯邦機構資助了這些工作？第三，美國政府在這些能力和技術方面與哪些公司進行了合作？在美國防部最終確定其JADC2實施計劃時，從這一分析中獲得的洞察力可以為行政部門的高級領導人和國會提供關鍵的背景。

主要研究結果

• C4I的支出趨勢：在過去的五年中，每個部門都花費了數十億美元開發和采購自己的C4I系統。這些服務項目的高額支出，其中許多已經開始投入使用，這意味著該部將很難，甚至不可能簡單地取消目前的努力，重新開始一個單一的聯合解決方案。然而，如果沒有一個聯合C4I系統來統治它們，JADC2將取決于在眾多現有和計劃中的服務C4I能力之間建立互操作性。

• 下一代C4I能力：自19財年以來，對JADC2的投資已經從采購轉向研究、開發、測試和評估（RDT&E），這可能表明國防部已經重新專注于開發下一代C4I能力，而不是采購現有系統。國防部在開發這些新的C4I能力時，必須著眼于互操作性，并從一開始就建立通用數據標準和協議。

• 關鍵技術的進步：要使JADC2概念發揮作用，需要在人工智能、邊緣處理和5G等關鍵使能技術方面取得進展。但是，盡管近年來對這些使能技術的投資迅速增加，它仍然遠遠落后于開發主要C4I項目的支出。

• 基礎研究：美國防部資助的與JADC2相關的新興技術領域的基礎研究，除了人工智能之外，相對有限。這可能表明，國防部越來越依賴私營部門來領導信息技術的早期研究與開發（R&D）。美國防部還可以尋求利用美國政府其他部門資助的早期研發工作，如國家科學基金會（NSF）。

• 供應商狀況：雖然支持關鍵使能技術發展的供應商基礎包括許多創新公司，但這些努力大多是新生的，傳統的部門合作伙伴仍然主導著C4I系統的開發。美國防部面臨的挑戰是如何引導這些新興技術和開發這些技術的創新公司跨越 "死亡之谷"，從研發階段到成熟的能力，并將其送到作戰人員手中。

聯合全域指揮與控制分類法

Govini聯合全域指揮與控制分類法闡明了國防部和其他選定的聯邦機構在17-21財政年度在JADC2上的支出。該分類法包括與JADC2正式掛鉤的項目支出，以及與JADC2相關的C4I能力和啟用技術。本分析將與JADC2相關的定義為現有的和計劃中的C4I能力，這些能力沒有與JADC2正式掛鉤，但可能需要納入任何JADC2架構，以及對JADC2的發展至關重要的使能技術。它被組織成六個部分（橙色框）和14個子部分（白色框）。該分類法的結構使人們能夠對過去的支出重點和趨勢進行細化檢查，與預算進行比較，并為評估未來的持續努力提供基礎。

Govini通過應用有監督的機器學習和自然語言處理來解析、分析和歸類大量的聯邦合同和贈款數據來創建分類法。使用人工智能（AI）和有監督的機器學習（ML）模型可以分析聯邦合同和贈款中包含的大量不規則數據--這些數據往往無法通過常規的政府報告程序或人力密集型分析方法獲得。此外，除了簡單地使龐大的數據源可用之外，Govini的人工智能和ML技術所依據的數學原理也增加了對數據分類和匯總的忠實度的信心，以產生一個全面和準確的聯邦支出時間描述。

分類法的定義

• JADC2具體部分是最小的部分，包含所有與JADC2正式聯系的服務努力。這包括陸軍的 "聚合項目"、海軍的 "超配項目"和空軍的 "先進作戰管理系統（ABMS）"。盡管這些項目的所有資金在公開資料中無法確定，但這一部分可以作為一個起點來衡量這些項目隨著時間的推移而增長。

• 指揮與控制系統涵蓋了廣泛的能力和項目。Govini將指揮與控制系統部分定義為包含目前現有的或計劃中的項目，這些項目還沒有正式與JADC2聯系起來，但可能需要納入任何JADC2 C4I架構。這些項目構成了國防部所有主要C2系統中的大多數。

這一部分被分成三個子部分。戰斗管理與指揮系統、信息發布系統和戰術C2系統。戰斗管理與指揮系統主要由指揮與控制戰斗管理和通信（C2BMC）項目和綜合防空與導彈防御戰斗指揮系統（IBCS）組成。信息發布系統部分包括分布式通用地面系統（DCGS），涵蓋國防部所有部門，以及合作交戰能力（CEC）。戰術C2子系統包含可移動戰術C2（T2C2）。

• 通信部分由幾個主要的通信系統組成，但也包括一般的使能通信系統、標準和數據鏈接技術。該部分包括彈性通信、標準和協議以及戰術數據鏈接。

彈性通信包括作戰人員信息網絡-戰術（WIN-T）計劃和加固的通信設備。標準和協議包括MIDS聯合戰術無線電系統（MIDS JTRS）和各種加密器和通信標準，如模塊化開放系統方法（MOSA）和 "第五到第四 "平臺通信。戰術數據鏈包含大型程序，如高級戰術數據鏈（ATDL）和通用數據鏈（CDL）。

• 衛星通信（SATCOM）部分包括衛星通信基礎設施的兩個主要領域，即空間和地面。這一部分更注重于衛星通信所需的硬件、軟件和研究，而不是實際的衛星采購。

地面部分包含移動用戶目標系統（MUOS）、海軍多頻終端（NMT）和超視距終端系列（FAB-T），而衛星通信-空間部分包含寬帶全球衛星通信（WGS）、先進極高頻（AEHF）技術和增強極地系統（EPS）。

• 計算機和人工智能（AI）是基礎研究領域數量最廣泛的類別，但也是包含關鍵使能技術的類別，將幫助JADC2發揮預期功能。AI/ML、邊緣和云計算以及高性能計算是其中的細分領域。

AI/ML包含廣泛的主題，如深度學習、神經網絡、自然語言處理、圖像識別和物體檢測，僅舉幾例。邊緣和云計算包含JADC2實施所需的必要硬件和云資源，而高性能計算部分主要包含高性能計算和現代化計劃（HPCMP）和超級計算技術。

• 網絡部分包含更快的通信和現有系統整合所需的所有必要的網絡程序和技術。該部分包含網絡集成與系統和下一代5G子板塊。

網絡集成與系統包含了海軍的海上綜合網絡和企業服務（CANES）以及國防高級研究計劃局（DARPA）的異質電子系統的系統技術集成工具鏈（STITCHES）等技術，旨在將所有現有的網絡集成在JADC2結構下。下一代5G子板塊包含所有現有的4G LTE技術和較新的5G能力，以使JADC2達到所需的網絡數據傳輸速度，從而實現低延遲的功能。

• 一般C5I（僅預算）由預算中的細目組成，由于其中包含的項目的廣泛性，這些細目不能被歸入更細的部分或子部分。這一部分只出現在本報告的預算分析范圍內。

建立一個管理所有國家的聯合C4I系統是不可能的

從17-20財年，C4I相關項目和技術的支出每年平均增長8.9%（注：由于標準報告滯后，21財年支出數據不完整），導致20財年的支出比17財年多出11億美元。然而，這種支出一直集中在大型服務項目上。例如，17-20財年支出水平最高的五個項目是MIDS JTRS（14億美元）、DCGS（13億美元）、C2BMC（11億美元）、CANES（10億美元）和IBCS（803M美元）。這些項目就占了這一時期總支出的33%。

指揮和控制系統部分，即許多這些服務項目所在的部分，從19財年開始，支出水平急劇下降（僅19財年就下降了35.9%）。但考慮到迄今為止的支出數額，再加上許多系統已經部署在部隊中，意味著如果不是不可能，也很難簡單地剝離這些能力，并從一開始就用一個新的C4I系統重新開始，這是一種聯合努力。因此，用一個聯合C4I系統來管理所有的系統可能不是一個可行的解決方案。

建立一個戰區范圍內的C4I架構以支持JADC2的挑戰可能需要使具有不同標準和協議的孤立服務能力實現互操作。令人鼓舞的是，包括在現有系統之間建立互操作性所需的使能技術支出近年來有所增加，其中網絡和計算機與人工智能部分在19-20財政年度分別增長了26.6%和41.3%。但這些使能技術的支出水平仍然遠遠落后于主要C4I項目的支出。

JADC2的具體投資不斷增長，但與服務C4I系統相比相形見絀

Govini將同樣的機器學習和自然語言處理技術應用于美國防部的預算數據，以確定與JADC2相關的投資并進行分類。對預算數據的探索不僅可以說明國防部迄今為止的投資情況，還可以說明國防部計劃在未來的投資情況。預算數據中確定的資金水平在某些地方超過了支出數據中確定的水平。這種差異是由于RDT&E預算數據的結構方式。對于一些大型的和多方面的以研究為重點的計劃要素，即使在項目或成就層面上解析數據，也很難將美元價值分配給具體的研究領域。在這些情況下，Govini選擇包括那些至少包括與JADC2相關的一些研究項目的計劃要素的資金，盡管這可能在某種程度上夸大了這里描述的總資金水平。

自19財年以來，JADC2的具體部分一直在大幅增加，這是它出現在數據中的第一年，從19財年的2790萬美元到22財年的計劃2.48億美元。這一增長是由空軍的ABMS項目加速推動的。然而，與其他C4I系統的投資相比，對ABMS的投資仍然相形見絀。此外，ABMS目前是一個單一軍種而非聯合項目。有趣的是，陸軍和海軍近年來都對自己的C4I項目進行了大量投資，它們采取的方法與空軍不同。他們的JADC2具體工作，即陸軍的 "聚合項目 "和海軍的 "超配項目"，一直專注于使現有系統能夠相互對話。

從18財年開始，也有一個明顯的從采購轉向RDT&E的轉變，RDT&E從18-22財年增加了50.6%，采購從19-20財年下降了19.4%。這種轉變可能表明，該部正在從投資現有的C4I項目轉向專注于開發下一代C4I能力。但如果不在整個部門建立共同的數據標準和協議，引入新的C4I系統只會使互操作性的挑戰更加難以解決。

向RDT&E的轉變也可能表明，人們越來越關注促進關鍵新興技術的成熟。專注于使能技術的計劃要素，如算法戰爭跨職能小組、下一代信息通信技術（5G）和以網絡為中心的戰爭技術，在最近幾年都有顯著增長。然而，如上所述，對使能技術的投資仍然滯后于對主要C4I系統的投資。

美國防部主導支出 - DARPA增長最快

不足為奇的是，美國防部在JADC2能力和技術方面的聯邦總支出占主導地位。在17財年，國防部在JADC2上的總支出在陸軍（27.1%）、海軍（28.5%）和空軍（32.8%）之間相當平均。然而，到20財年，陸軍和空軍的支出份額分別下降到17.2%和30.4%，而海軍的支出份額增加到33.2%。盡管在國防部總支出中的份額發生了相對變化，但所有三個軍事部門都繼續在與JADC2相關的C4I能力和技術上投入大量資金。

國防部在這一時期增長最快，從17財年占國防部JADC2總支出的11.7%增加到20財年的17.2%。導彈防御局（MDA）占了整個國防部支出的最大部分，其自身的主要C4I項目C2BMC推動了支出。DARPA與JADC2相關的工作集中在技術解決方案上，以創造現有系統之間的后向互操作性。例如，DARPA的STITCHES項目，旨在將現有的網絡整合在一起，盡管有不同的標準和協議，在17-20財政年度，資金平均增長13.9%。

除了美國防部之外，在所有聯邦機構中，美國國家科學基金會在JADC2相關能力和技術方面的支出增長最快，年均增長31.7%，盡管其總支出與國防部相比仍然很小。國家科學基金會的這種支出可能是國防部利用行政部門其他部門資助的JADC2相關使能技術的基礎和應用研究的一個機會。

系統集成商控制市場 國防部與新興技術供應商接觸

到目前為止，JADC2市場一直高度集中。少數供應商，其中許多是大型系統集成商，在17-21財年主導了JADC2的支出，前20名供應商占該期間支出的63.9%以上。事實上，前三名供應商--洛克希德-馬丁公司、雷神公司和諾斯羅普-格魯曼公司--獲得的與JADC2相關的支出超過了后面17家供應商的總和。這三家供應商占據了這一時期所有JADC2支出的32.8%。

鑒于主要C4I項目在JADC2支出中的普遍性，這種集中并不令人驚訝。頂級供應商和主要項目之間的關系從頂級供應商占據的地方得到了進一步的證實。當合在一起時，指揮與控制系統和衛星通信部分，也就是許多大型C4I項目所在的地方，占了前20名供應商捕獲量的62.4%和前三名供應商捕獲量的78.6%。相比之下，以新興技術為重點的計算機和人工智能領域僅占前20名供應商的4.7%，前三名供應商的0.8%。

盡管考慮到國防部近年來在JADC2能力和技術上花費最多的類型，這并不令人驚訝，但市場的集中性有兩個潛在的缺點。首先，這可能表明國防部沒有充分地利用不是其傳統合作伙伴的創新公司。其次，在不斷增長的JADC2市場中，只有少數公司占主導地位，這可能限制了它們之間合作的動力。但如上所述，JADC2概念的成功很可能取決于不同公司建造的不同系統的互操作性。

對細分市場和子細分市場的供應商進行更細化的探索，可以看到比前20名總體供應商更細微、更令人鼓舞的情況。盡管少數傳統的國防部合作伙伴主導了以主要項目為中心的細分市場，但與新興技術相關的細分市場的供應商基礎不那么集中，而且更加多樣化。例如，在此期間，人工智能和機器學習子領域的前三名供應商僅占該子領域總支出的7.2%。相比之下，戰斗管理和指揮子領域的前兩名供應商占據了該子領域支出的70.6%。在新興技術領域，國防部似乎正在與更多樣化和創新的公司合作。

主合同是支出的主要途徑

大多數部門的供應商情況每年都保持相對穩定，并以《聯邦采購條例》（FAR）為基礎的主要合同作為主要支出途徑。然而，計算機和人工智能領域，隨著時間的推移，供應商的數量不斷增加，并使用了更多樣化的支出途徑。例如，計算機和人工智能部門的供應商數量在此期間增加了44.8%，從17財年的460家供應商增加到20財年的666家。此外，基于FAR的合同是只有53.1%的供應商的支出途徑，而在指揮和控制系統部分則是98.3%。

其他交易授權（OTA）不是JADC2支出的高度使用途徑，甚至在以新興技術為中心的部分和子部分。兩個例外是計算機和人工智能部分，該部分對OTA的使用不多，但在不斷增加，而在20財政年度的JADC2特定部分，OTA是主要支出途徑。OTA使用的缺乏可能是OTA數據透明度低的一個假象，也可能表明該部錯過了充分利用這一重要工具來接觸傳統上不屬于國防生態系統的創新公司的機會。

商業部門引領科技研究

在計算和人工智能領域之外的JADC2相關生態系統中，贈款的使用非常有限，特別是人工智能和機器學習子領域。例如，計算和人工智能部分占所有JADC2相關支出的85.8%，而人工智能和機器學習子部分僅占76.6%。該部分以外的較低的撥款支出可能代表著國防部錯過了另一個機會，以促進對其他關鍵使能技術的研究，如邊緣處理、5G和云計算。但它也可能表明，在許多技術領域，國防部正越來越多地依靠私營部門來領導基礎和應用研究的方向。這種對商業主導的研究的強調將是對歷史規范的顛覆，但與Govini在其他分析中發現的趨勢一致。

對C4I能力的投資轉向RDT&E

RDT&E是美國防部創新的命脈，因此強大的RDT&E資金對于開發下一代C4I能力和成熟新興的使能技術至關重要，JADC2將依賴這些技術來實現預期的功能。如上所述，近年來，JADC2的投資已經從采購轉向RDT&E。此外，這一趨勢預計將在22財政年度繼續，并很可能在未來幾年繼續。與新興技術相關的細分領域的增長，如AI/ML，邊緣和云，以及下一代5G，一直在推動這一轉變。但即使在包含主要C4I項目的細分領域，采購和RDT&E之間的平衡也一直在向有利于后者的方向轉變。例如，信息交換和分配系統子項目已經從17財年的34.6%的資金用于RDT&E轉變為21財年的75.9%。這一轉變計劃在22財政年度進一步移動到81.8%。當國防部開始進行將JADC2從概念階段轉向實際能力所需的基礎投資時，向RDT&E的轉變是有意義的。但如上所述，國防部在開發這些新的C4I能力時必須著眼于互操作性，并從一開始就建立共同的數據標準和協議。否則，它有可能加劇其互操作性問題。

為 "關鍵推動者 "提供大量資金

RDT&E資金的分配可以提供與JADC2相關的能力和技術狀況的線索。與C4I能力相關的資金主要是在預算活動6.4和以上。這有直觀的意義，因為這些能力更加成熟，因此處于較晚的發展階段。相反，與使能技術相關的資金主要在預算活動6.2，特別是6.3中。為新興技術提供越來越多的資金是令人鼓舞的，這些技術將成為JADC2概念的關鍵推動因素。但國防部面臨的挑戰是如何引導這些技術和開發這些技術的創新公司跨越 "死亡之谷"，進入下一代的C4I能力。

有趣的是，預算活動6.1（即基礎研究）的資金在這一時期一直非常有限。這可能是因為這種早期水平的研究在預算數據中缺乏具體性和真實性，無法將其與JADC2相關技術聯系起來。但這也可能進一步表明，國防部越來越依賴私營部門來領導早期研發，特別是關于5G和計算等信息技術。國防部還可以尋求利用美國政府其他部門資助的早期研發工作，如NSF。

新興技術供應商格局必須得到支持，跨越 "死亡之谷"

盡管沒有像與JADC2相關的整體支出那樣嚴重，但支持與JADC2相關的RDT&E支出的市場仍然相對集中，前20家供應商占據了總金額的71.5%。RDT&E的前三名供應商與JADC2整體支出的前三名是同一公司。此外，這種集中度在與主要項目相關的部門和子部門中是最大的，就像JADC2的整體支出一樣。與新興技術相關的部分和子部分的集中度相對較低，而且大型系統集成商以外的供應商，包括研究型大學和實驗室，也更加突出。一方面是與更成熟的能力相關的部分和子部分，另一方面是與新興技術相關的部分和子部分，其相對市場集中度的分裂可能表明了國防部在創新方面面臨的更大挑戰。在技術開發方面，國防部已經提高了與創新的、非傳統的合作伙伴合作的能力。但在 "死亡之谷 "的另一邊，它仍然主要與少數幾個長期的合作伙伴合作。

總結

未來戰爭的特征正變得更加以信息和決策為中心。戰爭可能已經達到--如果不是已經過了--一個臨界點，即信息主導的能力將比動能武器更重要。國防部正越來越多地打賭，JADC2將是美軍在高強度戰爭中保持信息優勢的答案。

為使JADC2贏得勝利，它的中樞神經系統將需要勝任這一任務。這就是說，JADC2的成功取決于建立一個綜合的、功能性的聯合C4I架構。而這個C4I架構取決于使不同軍種的C4I能力可以互操作。鑒于迄今為止對這些現有C4I系統的投資，其中一些系統最近才在部隊中投入使用，在可預見的未來，它們可能必須成為任何JADC2架構的一部分。因此，即使即將發布的JADC2實施計劃指定一個項目--如空軍的ABMS--作為一個C4I系統來統治它們，它仍然需要與眾多現有系統連接。此外，如果各軍種在開發下一代能力時未能著眼于互操作性，那么互操作性的挑戰可能不僅僅是在現有系統之間建立后向兼容性的需要。國防部可能面臨著一個關閉的窗口，以開發和執行共同的數據標準和協議，跨越聯合和服務開發工作。否則，國防部有可能急于建立，正如一位高級領導人最近所說的，一個 "全域指揮和控制服務"，而不是一個聯合的。或者，作為一個縮寫，"SADC2 "可能更尖銳一些。

新興技術不僅對解決互操作性問題至關重要，而且對實現大量數據的高速傳輸、為理解所有這些數據所需的決策科學提供動力，以及允許網絡在高度分布和有爭議的未來戰場上發揮作用也至關重要。令人欣慰的是，該部已經增加了對許多這些使能技術的支出，特別是人工智能。但資金水平仍然遠遠落后于國防部在主要系統的開發和采購上的支出。

此外，美國防部在許多新興信息技術領域似乎越來越依賴私營部門的研發。而推動創新的往往是國防部傳統供應商基礎之外的公司。國防部可能需要充分挖掘這一創新生態系統，并引導有前途的技術跨越 "死亡之谷"，以便它們能夠在研發階段之后成熟起來，成為成熟的能力或更大能力的組成部分，從而使JADC2概念取得成功。

摘要

本研究論文使用問題解決框架，研究了美國武器系統如何在采購生命周期的操作和支持階段陷入持續的陳舊和停滯循環，并提供了解決這種情況的方案。一些美國武器系統保持著它們最初在幾十年前投入使用時的能力。關鍵的發現，如厭惡風險的文化、系統要求低于計劃目標備忘錄的切割線、對財務指導的誤解、嚴格的維持法規、繁瑣的采購流程以及高于必要的決策，都被認為是導致根本問題的原因。這篇研究論文提出了幾個解決方案，解決了部分包容性的問題。對解決方案的整體可行性、對作戰人員的好處以及與實施相關的任何潛在風險進行了權衡。最后的建議包括鞏固和利用財務條例對作戰人員的好處，允許增加運營和維護資金的靈活性，允許在F3I重新設計中增加靈活性和性能，盡可能利用領先的商業技術，以及改變維持的心態，從保持準備狀態到保持相關性。結論強調，美國空軍在技術上落后于近似對手，高級領導人必須像對手一樣思考，以確保美國的法規不會抑制空軍比敵人更快地穿越OODA循環的能力。

引言

自朝鮮戰爭以來，美國在每次交戰中都保持著空中優勢；然而，一些跡象表明，空中優勢在未來的沖突中可能不再有保障。據報道，他們最新的S-500防空導彈系統成功擊中了近300英里外的目標。中國在過去十年中對其軍事進行了大量投資，現在已經達到了一個關鍵的自信點。

這個問題可能源于美國如何運作和資助其軍事項目。美國空軍將 "維持 "定義為維持一個武器系統的現有基線能力。任何改進武器系統超過其現有性能閾值的手段都被認為是開發工程的努力，需要從研究開發測試和評估（RDT&E）撥款中獲得資金。許多系統一旦投入使用就不會獲得RDT&E資金，通常在其生命周期的剩余時間內由運營和維護（O&M）撥款資助。由于對現行財務條例的嚴格解釋，財務經理通常會拒絕使用運營和維護資金來提高系統能力和應對不斷變化的威脅的創造性努力。這使得綜合產品小組（IPTs）沒有什么選擇，只能對他們的武器系統進行意義不大的改變，以保持它們在操作上的相關性。

美國不僅在做錯誤的財務決定，而且在做這些決定時也很緩慢。在過去的幾十年里，采購時間周期已經增加。據美國空軍高級領導人目前的估計，從授予合同到投入使用一個系統的時間超過10年。美國的對手在采購周期上的運作速度至少是其兩倍。在過去的二十年里，一些主要的國防采購項目（MDAP）已經被取消。事實上，國防部（DOD）已經在那些永遠不會投入使用的項目上花費了超過460億美元。

為了解決這個問題，新的倡議，如第804條快速采購和破解國防部5000號文件正受到相當大的關注。雖然它們不能解決撥款問題，但它們試圖縮短采購時間周期。在幾十年來成本成為采購決策的主要因素之后，速度現在被強調為主要考慮因素。使用問題/解決方案框架，本文將研究美國武器系統是如何陷入陳舊和停滯的循環中的，以及可以實施哪些解決方案來有效維持美國武器系統。

本文將首先闡明這個問題，描述綜合維持活動組（CSAG）和空軍維持中心（AFSC）內的幾個低效的供應鏈政策。然后，它將討論系統過時和對商業技術的依賴，接著是國防部緩慢的采購過程。問題部分最后將詳細分析當前的撥款限制以及美國空軍的幾個文化問題。

解決方案部分將首先定義具體的評價標準。該文件將提出幾個潛在的解決方案，以及建議的行動。然后將根據規定的標準對每個解決方案進行詳細評估，包括實施中的任何潛在風險。還將討論其他被考慮但未被推薦的解決方案。最后，本文將對問題進行快速總結，提出最終建議，以及為什么這項研究與美國空軍有關。

作者：

• 加拿大陸軍陸戰中心的Geofrey Priems少校
• 加拿大國防研究與發展--作戰研究與分析中心的Peter Gizewski

引言

全世界對人工智能（AI）軍事應用的興趣正在增長。事實上，與其他一些技術進步一樣，人工智能越來越被視為軍事效力的潛在重要推動力。

毫不疑問，人們對人工智能對加拿大陸軍（CA）的影響以及其采用人工智能的可能性的興趣正在上升。關于如何以及在多大程度上可以利用人工智能來潛在地幫助實現緊密作戰應用的問題：加拿大陸軍的頂點作戰概念--"不確定性時代的陸地力量 "的實現，以及加強陸軍的五項作戰功能的實施，這些問題尤為突出。有關有效采用人工智能可能面臨的挑戰以及克服這些挑戰所需措施的問題也同樣突出。

本文對這些問題進行了初步研究。它源于加拿大陸軍陸戰中心正在進行的關于人工智能的工作，以研究和確定人工智能對加拿大陸軍和有效實現陸軍頂點作戰概念的影響。

文章概述了人工智能在軍隊采用和開展軍事行動方面所帶來的潛在好處和挑戰。然后，文章研究了人工智能對實現密切交戰的潛在影響，確定了人工智能的應用有望提高軍隊的作戰效率的領域。文章最后概述了一些必要的關鍵前提條件和做法，以確保這些工作是負責任的和有效的。

人工智能

人工智能的定義有很多，而且在不斷發展。然而，按照國防部目前的定義，人工智能是 "計算機執行與人類邏輯有關功能的能力，如推理、學習和自我改進"。 雖然沒有被普遍接受，但這樣的表述為在CA背景下討論人工智能提供了一個體制上熟悉和充分的基礎。

潛在利益

軍事組織探索、開發和采用人工智能的激勵措施是引人注目的。鑒于高速計算機（網絡速度和處理能力）和人工智能算法處理和分析大量數據的能力，其速度和準確性遠遠超過人類，聲稱人工智能系統有可能全面改變國防，這并不令人驚訝。通過作為一種提高人類和機器分析速度的手段，人工智能有希望提高數據使用、管理和態勢感知能力。對于軍隊來說，其結果很可能轉化為成本節約、改進控制系統、加快決策、新的作戰概念和更大的行動自由。

由人工智能支持的信息和決策輔助系統有可能促進在 "復雜的、時間緊迫的戰地環境 "中做出更好的決策，允許更快地識別威脅，更快、更精確地確定目標，并根據戰地條件的變化為指揮官創造靈活的選擇。應用范圍可以從指揮和控制以及情報、監視和偵察到訓練和后勤。此外，作為機器人和自主系統的骨干技術，人工智能為武器裝備的創新提供了前景，使具有相當大的軍事潛力的先進自主系統（如機器人系統和無人機）得以發展。人工智能甚至可能在部隊結構和作戰概念方面產生巨大的變化，有可能減少人員的負擔和軍事硬件的成本，同時提高戰爭本身的效率和效力。

這些技術無處不在，而且越來越多的盟軍和對手都可以使用，這一事實進一步刺激了對人工智能軍事技術的追求。就前者而言，盟國對人工智能日益增長的興趣突出表明，需要有足夠的人工智能能力來確保未來盟國的互操作性和軍事有效性。至于后者，有證據表明，對手（如俄羅斯、中國）對人工智能的軍事應用進行了持續的探索和投資，這增強了追求此類技術的動力，以檢測和防御未來越來越多的人工智能軍事威脅。

采用的限制和挑戰

然而，有效引進人工智能的先決條件是相當多的，很可能對軍事組織充分實現人工智能應用所帶來的一些可能性的能力造成限制。此外，軍隊可能不完全愿意追求人工智能技術本身所固有的一些可能性。

事實上，目前的能力僅限于執行離散的功能和學習具體的任務（如狹義的人工智能）。人工智能技術的脆弱性令人擔憂。脆弱性是指任何算法不能泛化或適應狹窄的假設集以外的條件。例如，在添加了一些位數后，一個停車標志可以被讀成一個45英里/小時的限速標志。應用于涉及過度不確定性的情況實際上可能特別危險。例如，錯誤地選擇和起訴友軍目標，如友軍戰士或民用車輛。因此，在軍事環境中，特別是在軍事行動中，對人工智能的使用限制是相當大的。面對傳來的信息可能不可靠、不完整或甚至被對手故意偽造的環境，相信這些技術提供的解決方案仍然很脆弱。

除此之外，即使在這種技術被普遍認為是可靠的領域，其開發和應用也可能是苛刻的。要求包括確保有足夠數量的數據可供開發用于啟用軍事系統的算法。它們還包括確保算法本身的質量，這一要求取決于在將人工智能納入軍事系統之前提供和有效地準備和編碼訓練數據，以及確保來自現實世界數據的有效性，其中包括邊緣案例（不常見的使用案例）。而且，它們包括確保開發和集成到軍事系統中的人工智能是可靠的（即它以預定的方式工作）。

這些要求中的每一項都可能涉及相當大的挑戰。獲取大量的訓練數據可能會遇到基于政治和法律限制的數據共享阻力，從而降低待訓練算法的質量和使用這些算法的系統的可靠性。獲得的數據可能包含種族、性別和其他源于數據準備和編碼的偏見。此外，隨著算法變得更加復雜，通過對手在訓練數據集中注入不良數據而被操縱的可能性會增加。只要存在這些挑戰，對人工智能的信任及其在軍事領域的應用就可能受到影響。

這些風險可以通過仔細的人工監督和強大的測試得到控制。也就是說，真正有效的監督需要操作者熟悉人工智能技術的細節，以及重要的系統整合和社會化，這可能很難實現。由于對技術本身的理解存在困難，有效監督挑戰就更大了。機器推理的過程不等同于人類，人工智能系統采用的邏輯也不容易理解。對于負責使用這些能力的指揮官和系統操作者來說--其中一些能力可以很好地決定生命和死亡--相信那些決策過程不透明的技術，可能是一座太遙遠的橋梁。

對加拿大陸軍的影響

這些現實表明，加拿大陸軍采用人工智能，雖然有希望，但必須謹慎行事，并對限制有一個現實的認識。無論是加拿大還是加拿大陸軍，都無法避免遇到上述挑戰。例如，人工智能技術在沒有適當人類監督的情況下越接近殺戮鏈，可能發生災難性后果的風險就越大。因此，必須注意研究或采用能夠幫助人類決策的技術。一個指示人類做什么的 "黑盒"人工智能將是不可接受的。人工智能顧問必須能夠解釋其建議/結論，以便人類能夠理解并對所提出的建議有信心。人類決策者必須能夠對人工智能所提供的解決方案向領導作出清晰和可理解的解釋。

然而，如果謹慎地追求和應用，人工智能的大部分內容通常與《近距離接觸，不確定時代的陸地力量》中詳述的陸軍要求非常吻合。緊密的作戰應用目的是應對以快速變化為特征的作戰環境的挑戰，以及廣泛的復雜的人道主義挑戰和技術能力越來越強的對手，他們能夠使用一系列機動性越來越強的致命和非致命系統以及精心設計的反措施。應對這些挑戰在很大程度上取決于確保獲得必要的信息和分析的能力，以便比對手更快地了解和調整不斷變化的條件。作為一種先進的信息處理方法，人工智能可以提供一種重要的手段，通過提供比人類更快、更準確地處理和分析來自越來越多來源的數據來幫助滿足這些需求。因此，人工智能可以作為一個重要的決策輔助工具，使個人和共同的理解得到發展，這對于確定潛在的作戰方案，優先獲得、處置和使用軍事資產，以及提供及時開展行動所需的數據、信息和可操作的情報至關重要。

除此之外，人工智能甚至可能有助于加強陸軍所依賴的網絡安全。"能夠遠距離運行的高容量網絡為軍隊行動的開展提供了顯著的優勢。事實上，一個安全和強大的網絡是確保快速、安全地分發有效開展軍隊作戰所需的數據和分析的核心。通過開發能夠防范網絡故障、電子戰和網絡攻擊的算法，人工智能可以更充分地確保軍隊能夠 "獲得網絡的優勢"，從而以更安全、協調和協作的方式開展行動。在諸如互操作性、力量生成、力量投射和維持以及開展分散行動等方面的改進，都可能因此而受益。

自始至終，隨著人工智能技術被推向戰術邊緣，將有必要確保有足夠的電力（能源）來支持它。除了網絡，先進的電源管理和電池技術將是至關重要的。

圖：加拿大國防研究與發展部-瓦爾卡蒂爾項目的數據收集工作，該項目被稱為聯合算法戰機傳感器。該項目是較大的加拿大陸軍科學和技術組合的一部分，即數字時代的授權分布式作戰。