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

自2024年起，俄烏戰爭已成為現代無人機戰爭的試驗場，無人機（UAV）在軍事與民用領域均發揮關鍵作用。眾多觀察家將俄烏沖突稱為全球首場全面無人機戰爭——廉價無人機已從邊緣工具蛻變為戰場最重要且廣泛使用的武器。通過將傳統塹壕戰與"無人機驅動型技術創新"融合，無人機助力烏克蘭部分抵消俄軍在常規火力上的優勢。本深度報告回顧2024至2025年烏克蘭無人機領域關鍵進展，涵蓋戰場運用、本土創新、民用貢獻、外援支持及地緣政治影響，并援引專家與官員的直接論述。

戰場無人機：前線軍事應用

無人航空器已遍布俄烏戰場。幾乎所有烏克蘭旅級部隊均配備專職無人機分隊執行偵察、炮校及攻擊任務。小型第一人稱視角（FPV）無人機（原為業余競速四旋翼）經改裝攜帶爆炸物后可直接撞擊目標。這些成本僅500美元的自殺式FPV無人機可摧毀或癱瘓價值百萬美元的坦克與火炮，生動詮釋無人機的非對稱價值。每日發布的作戰視頻顯示：500美元無人機可擊毀重型裝甲載具，"彰顯其在現代戰爭中的變革性作用"。前線士兵已畏懼頭頂持續的無人機嗡鳴聲——烏步兵報告稱當前空中無人機密度已至"難以往返塹壕而不被偵測或攻擊"的程度。

烏軍將無人機整合為分層防御戰略，常被稱作"無人機防御墻"。沿數百英里戰線，偵察無人機與巡飛彈構成縱深防御區，有效阻滯瓦解俄軍攻勢。該戰術在2024年初炮彈短缺時尤為重要：無人機作為廉價精準替代品填補火力空缺。盡管單架無人機戰斗部遠小于炮彈，但協同蜂群可高效打擊敵軍人員載具，使俄軍大規模進攻集群難以集結。據分析師估算，當前雙方戰場損失約70%歸因于無人機。國際戰略研究所（IISS）指出：俄軍2024年損失逾1400輛坦克及3700輛裝甲車，此等規模毀傷主要源于烏軍激進無人機戰術。

雙方競相調整戰法。面對烏軍無人機"防御墻"，俄軍放棄重型裝甲縱隊，改用摩托車與沙灘車組成小型突擊單元規避無人機偵測。同時俄部署自研無人機展現致命效能：從引導炮火的"海鷹-10"偵察機，到獵殺烏軍榴彈炮的"柳葉刀"巡飛彈。自2022年末，俄軍使用的伊朗制"沙希德-136"自殺式無人機屢次襲擊烏城市與基礎設施，迫使烏方臨時研發反制措施。目前烏軍已列裝可追擊攔截"沙希德"的攔截無人機，電子戰部隊則嘗試干擾或誘偏其航向。烏克蘭上空由此爆發激烈對抗，電子戰與反無人機防御成為雙方日益關鍵的作戰要素。

遠程與戰略無人機作戰

在戰線后方，烏克蘭日益依賴無人機實施遠程打擊高價值俄軍目標。2023至2024年間，烏軍對距前線數百公里的俄軍基地、補給站、煉油廠等基礎設施發動數十次縱深打擊。僅2024年，烏武裝部隊即執行約130次遠程無人機行動，打擊俄境內377個關鍵目標，涵蓋空軍基地、彈藥庫、國防工廠及能源設施。這些突襲標志著烏軍運用無人系統將戰火引向敵后的大膽戰略。

該戰略在2025年6月1日"蛛網行動"中達到頂峰——這場大規模協同無人機攻擊被烏官員譽為"開戰以來射程最遠、最具雄心的打擊"。通過"策劃18個月的奇襲"，烏安全局（SBU）滲透小組深入俄境，將117架小型FPV無人機藏匿于偽裝成普通貨柜的卡車中秘密運輸。早晨時分，特工遠程開啟車頂，從俄領土腹地直接釋放無人機蜂群。這些通過第一人稱視角操控（推測操作員位于境外）的無人機同時突襲多個空軍基地，令俄軍措手不及。據SBU局長瓦西爾·馬柳克透露，無人機在四座基地損毀41架軍機，含戰略轟炸機（圖-95、圖-160、圖-22M3）及A-50預警機。總統澤連斯基盛贊此次"卓越"行動動用117架無人機對應117名操作員，宣稱一夜重創俄軍約34%戰略轟炸機隊。獨立分析評估指出：烏軍"僅憑小型無人機即癱瘓至少十余架俄軍機——包括俄約10%轟炸機隊"，此等戰果在缺乏大型導彈或有人空襲條件下曾不可想象。

烏軍遠程無人機攻擊顯著驗證低成本無人系統的戰略覆蓋力。自2023年起，烏制單向攻擊無人機（多為改裝蘇制機型或本土新設計）已打擊俄本土及克里米亞占領區縱深目標，最遠觸及距烏2500英里的西伯利亞機場。此類行動迫使俄調整防御部署甚至轉移資產。例如在海上無人機反復襲擊軍艦及克里米亞大橋后，俄黑海艦隊主力艦艇基本撤離塞瓦斯托波爾港。分析指出："烏海上無人機迫使俄黑海艦隊棄守克里米亞占領區母港"，攜帶炸藥的烏海軍無人機甚至成功破壞俄軍艦艇與岸基設施。在陸域戰場，烏軍部署小型地面機器人至前線——這些遙控無人地面載具可運送補給、后送傷員乃至攻擊敵戰壕，同時避免人員傷亡。烏方在多域產生威脅。

俄方亦不甘示弱，2024-2025年加強針對烏城市的無人機與導彈打擊，常以"沙希德"無人機群試圖飽和防空系統。這使烏克蘭自身成為反無人機技術試驗場。西方援烏防空系統（如"獵豹"高炮、"IRIS-T"及"NASAMS"導彈）經改裝用于攔截無人機，烏科技界則臨時開發防御手段——從反無人機干擾槍到聯動監控攝像頭與AI的來襲無人機識別軟件。空域對抗場景深刻印證無人系統在攻防兩端已成不可或缺要素。

烏克蘭本土無人機生產與創新

面對持續的無人機軍備競賽，烏克蘭在2024至2025年間大力推進本土無人機產能擴張。戰爭初期該國僅有個位數無人機生產商；至2025年，運營制造商已近500家——涵蓋大型防務企業至小型初創公司。澤連斯基將無人機生產列為戰略優先事項，2025年初宣布烏克蘭年產能可達400萬架。產能躍升規模驚人：隨著新工廠與裝配線投產，簡易FPV無人機月產量從2024年約2萬架飆升至2025年20萬架。大西洋理事會報告稱："今年烏克蘭計劃生產約400萬架各型無人機，超過去年總量兩倍"，產品譜系從微型四旋翼、巡飛彈延伸至可打擊數百英里外目標的大型遠程無人機。

產業爆發式增長源于政策扶持與基層創新共筑的防務科技生態。2022年中啟動"無人機軍團"計劃為軍隊眾籌采購無人機，2023年設立Brave1科技孵化器支持本土開發者。至2025年，Brave1已向無人機及防務科技項目發放超470項資助，1500余家烏科技企業投身無人系統及相關技術研發。政府通過政策激勵零部件本土化——零部件本土化率超50%的企業可獲長期國家合同。烏克蘭企業由此加速機架、電子設備、發動機等核心部件國產化。2025年3月，Vyriy公司實現里程碑突破：量產千架全本土組件（飛控、無線電、攝像頭、發動機等）無人機，顯著降低對外依賴并增強供應鏈抗風險能力。

烏克蘭工程師在戰火中展現卓越敏捷性與創新力。借助3D打印與快速原型技術，新機型設計投產周期縮短至數周。創新成果包括抗干擾光纖制導無人機、應對俄電子戰優勢的AI自主制導實驗機型。觀察家指出："依托戰場快速反饋與精簡采購流程，烏克蘭創新敏捷性遠超西方漫長研發周期"，其無人機以極低成本實現媲美西方型號的作戰效能。官員表示若有額外100億歐元資金及更多組件供應，年產能可進一步擴至1000萬架。

迅猛發展伴隨挑戰：大量新廠商涌入導致質量控制與標準化問題，亟需嚴格規范確保本土無人機可靠性。成功背后存悖論：當前產能已超越軍隊部署能力，預示生產線或將超前于前線需求。盡管如此，烏克蘭崛起為無人機生產大國仍具標志性意義。這個曾依賴外國無人機的國家，正將無人載具列為國家長期科技經濟優先方向，"致力于打造國防科技硅谷"。

國際支持與伙伴關系

認識到無人機的決定性作用，烏克蘭的國際合作伙伴在2024年至2025年期間通過資金、捐贈和技術轉讓加大了支持力度。2023年年中，約20個盟國組成的“無人機聯盟”成立，由英國和拉脫維亞共同主持，旨在協調對烏克蘭無人機項目的援助。截至2025年，該聯盟已承諾投入約27.5億歐元，幫助烏克蘭在2025年前額外獲取100萬架無人機。其中大部分涉及為從烏克蘭制造商處采購提供資金（提振了當地產業）以及供應關鍵部件。進展比期望的要慢——聯盟成員最初依靠自身有限的生產能力——但新的機制正在加速援助。例如，丹麥推出了一種“丹麥模式”，捐贈者的資金（包括凍結俄羅斯資產的利息）被匯集起來，直接從烏克蘭公司采購無人機，繞過了繁瑣流程。預計僅2025年，這種簡化方法就將為烏克蘭無人機領域注入15億歐元。

盟國政府也從其庫存中捐贈了大量現貨無人機和巡飛彈藥。美國和波蘭提供了“彈簧刀”（Switchblade）和“戰友”（Warmate）自殺式無人機，英國為城市作戰派發了輕量級“黑黃蜂”（Black Hornet）偵察微型無人機，許多北約國家向前線運送了數百架商用無人機用于偵察。在戰爭早期成名的土耳其“巴伊拉克塔爾”（Bayraktar）TB2無人機持續少量交付（盡管其較大的尺寸使它們在面對2024年改進的俄羅斯防空系統時生存能力降低）。在海上，據報道美國和英國通過提供專業知識并可能包括關鍵部件，協助烏克蘭為其新興的海軍無人機艦隊開發無人水面艇。這種海軍無人機被用于2023年對塞瓦斯托波爾和新羅西斯克的俄軍艦艇進行的引人注目的攻擊，展示了西方技術支持在新領域中的價值。

值得注意的是，國際援助不僅基于硬件，還側重于培訓和知識共享。烏克蘭無人機操作員和工程師接受了有關北約先進無人機系統的培訓，而西方軍方則悄然研究烏克蘭的無人機戰術，以期為自身防務汲取經驗。聯合研發項目也相繼涌現——例如，烏克蘭與波蘭合作開展一個新的遠程無人機項目，美國科技公司則與烏克蘭初創企業合作研究用于無人機情報的人工智能驅動圖像分析。到2024年底，烏克蘭國防部與幾家西方制造商簽署協議，將在烏克蘭本土建立無人機生產或維修設施，從而鞏固了長期伙伴關系。

民用及志愿者無人機行動

烏克蘭無人機領域最顯著的特點之一，是平民和志愿者深度參與無人機的開發與操作。從戰爭初期開始，烏克蘭精通技術的民間力量便積極響應軍隊無人機需求。著名案例是由平民IT專家組建的志愿者無人機部隊"空中偵察"（Aerorozvidka）。該組織2014年僅為小型興趣團體，到2022年已發展為烏軍內部高效的偵察攻擊小隊，不僅自制無人機還將民用無人機武器化。

各地志愿者籌集資金購買現貨無人機——從微型競速四旋翼到重型八旋翼——再進行戰斗改裝。消費級機型被重新涂裝，加裝簡易炸彈投放裝置或紅外攝像頭后送往前線。空中偵察團隊甚至自主設計制造了R-18八旋翼無人機。這款造價約2萬美元的八旋翼飛行器可投擲5公斤（11磅）炸彈并回收重用，已成功摧毀俄軍裝甲車，借助熱成像功能實現夜間40分鐘續航，印證了烏克蘭在壓力下的創新能力。截至2024-25年，數百個志愿團體和初創企業投身類似事業：從3D打印無人機零件到開辦"無人機學校"培訓普通民眾成為熟練的FPV無人機操作員。地方政府亦參與其中——如2024年初日托米爾市議會啟動項目，教導平民為軍隊需求制造操控FPV無人機。

眾籌在此領域至關重要。2022年中啟動的全球捐贈項目"無人機軍團"持續至2024年，籌集數千萬美元用于海外采購無人機及零部件。社交媒體活動常聚焦具體需求（如為某次攻勢眾籌1000架FPV神風無人機），獲得烏國民眾及僑胞的慷慨響應。科技企業家與愛好者俱樂部同樣通過整合資源制造實驗性原型機。這種自下而上的力量在2024年顯著壯大了烏克蘭無人機機隊，本質上動員民用科技圈成為輔助軍工產業。

無人機戰爭中軍民角色的模糊化帶來了機遇與挑戰。一方面，烏克蘭利用現成商用技術與基層人才，快速形成傳統軍隊官僚體系需多年才能發展的能力。但依賴國外商業平臺存在隱患：供應商曾因政治壓力斷供。這也意味著數千平民志愿者需在戰場速成軍事技能，甚至作為無受訓操作員出現傷亡。盡管如此，烏克蘭經驗展示了"大眾化"戰爭模式：普通無人機愛好者能為國防做出切實貢獻。正如專家觀察指出："烏克蘭戰爭中無人機的廣泛應用提供了關鍵啟示——從平民日益深入的參與到過度依賴外國零部件的風險"。基輔正將部分志愿力量制度化：將優秀志愿者部隊編入正規軍，并制定新飛行員標準化培訓計劃。

地緣政治影響與專家評論

2024-2025年烏克蘭無人機的大規模運用產生了深遠的地緣政治影響，引發全球軍事領域既敬畏又焦慮的復雜情緒。對烏克蘭及其支持者而言，無人機行動已成為戰爭中的潛在戰略點。通過平衡技術代差，無人機幫助烏克蘭抵御了數量占優的敵軍。烏方分析人士主張：若將無人機年產量提升至百萬量級，就能用廉價無人機群壓垮俄軍防御體系，其打擊速度將超越對手反應能力。這種思路已影響西方援助策略，盟國正考慮專項撥款以實現烏克蘭的"無人機蜂群"戰略。

國際層面，烏克蘭的無人機成就為未來戰爭形態敲響警鐘。2025年6月的"蛛網行動"尤其震撼北約軍事規劃者。"這次無人機伏擊應給美軍拉響警報"，防務分析師斯泰西·佩蒂約翰與莫莉·坎貝爾在襲擊后撰文警告，指出美軍基地可能同樣脆弱。他們強調"烏克蘭僅用小型無人機就癱瘓了至少十余架俄軍戰機——包括俄轟炸機隊約10%的兵力"，此舉暴露了傳統防御體系面對廉價無人機群的嚴重漏洞。據報道五角大樓高層以焦慮又艷羨的矛盾心態觀戰：既擔憂美軍資產遭遇類似威脅，又垂涎烏克蘭開創的創新戰術。教訓顯而易見：未來任何涉及先進軍隊的沖突都可能充斥無人機，缺乏強力反制手段者必將遭受重創。受烏克蘭戰局直接刺激，西方軍隊正大力投資反無人機系統——從干擾槍、激光武器到戰機加固掩體。

烏克蘭DIY無人機的成功案例鼓舞了一些國家甚至非國家行為體，他們從中發現了不對稱戰爭藍圖：憑借充足現貨技術與獨創性，弱勢方能對抗強敵。英國皇家國際事務研究所指出："烏軍使用廉價無人機打擊俄腹地目標，為快速演變的現代戰爭提供了范本"，呼吁各國政府據此重新思考防務理念。事實上，歐洲防務官員日益將烏克蘭無人機防御視為"抵御激進俄羅斯的歐洲第一道防線"。

專家們最后指出，烏克蘭戰爭催化了全球無人機擴散。作戰無人機曾專屬少數先進軍隊；如今受烏戰啟發，數十國正開發或獲取類似能力。烏克蘭自身也表示戰后要成為無人機技術出口大國，或將重塑國防工業格局。但若落入惡徒之手，同樣的廉價無人機戰術可能用于恐怖活動或制造動蕩（如非國家組織襲擊關鍵基礎設施）。此類憂慮重啟了關于無人機使用國際準則的討論。正如某歐洲分析師所言，烏克蘭局勢意味著"無人機精靈已經逃離瓶子"——當下要務是學會與之共存，并確保盟國在無人機創新與防御領域保持領先優勢。

結論

2024至2025年，烏克蘭的生存之戰日益演變為無人機博弈，在此過程中革新了軍事思想。從戰壕四旋翼到遠程自主轟炸機，無人機滲透進沖突的每個環節。依托本土創造力、全民動員與外圍支持，烏克蘭對無人系統的聚焦不僅在戰場取得成果，更引發戰爭形態的深層變革。隨著該國持續精進無人機武庫與戰術，其經驗為世界提供了些許教益。

參考來源：Drone warfare analyses and expert commentary；news reports on Ukraine’s drone operations and industry；official statements and statistics from Ukrainian authorities and allied officials

生成式人工智能（AI）的出現標志著軍事研究與應用的范式轉變，呼應了托馬斯·庫恩（Thomas Kuhn）在其開創性著作《科學革命的結構》中提出的革命性科學框架。本文深入探討生成式AI在軍事領域的深遠影響與變革潛力，審視其作為顛覆性創新與戰略推進催化劑的雙重角色。在軍事技術的演進格局中，生成式AI作為關鍵發展，正重塑傳統方法論并拓展戰略戰術新維度。其處理海量數據、生成預測模型及輔助決策的能力，不僅提升作戰效能，更在倫理部署與融入現有軍事體系方面提出獨特挑戰。

本文系統梳理生成式AI在軍事環境中的復雜圖景，分析其對政策制定、戰略構建的影響，以及對戰爭原則的廣泛啟示。值此技術革命臨界點，本文強調需采取平衡路徑——將技術實力與倫理考量、戰略遠見及對全球安全動態演變本質的深刻理解相協調。我們旨在全面闡述生成式AI在塑造未來軍事戰略中的核心作用及其重構現代戰爭形態的潛能。

生成式人工智能定義

隨著ChatGPT、Dall-E與Midjourney等應用的普及，生成式AI已成為現代文化焦點。工業界與學術界以多元創新方式應用該技術，適配特定場景需求。其計算本質簡化代碼語法檢索，輔助計算機程序開發；在人文學科中可輕松生成復雜議題的書面摘要；部分應用更能創作圖像乃至音樂。作為創新技術，生成式AI實現了"大型語言模型（LLM）的普及應用"（基于開源互聯網訓練），專精于為大眾生產"高質量類人化素材"。在深入探討其流行帶來的復雜影響前，需明確定義：生成式AI指不僅能生成預測、數據或統計結果的模型，其核心在于"開發可交互消費的全新類人化素材"。

生成式AI并非特定機器學習模型，而是數據科學中多類模型的集合。其核心區分特征在于輸出成果能模擬人類智慧的創造力與勞動產出。過去數年間，我們幸逢被歸類為科學革命的罕見時刻——社會正適應生成式AI在產業領域引發的變革浪潮。

軍事應用

2023年8月，美軍宣布"成立生成式人工智能（AI）特遣部隊，此舉體現美國防部（DoD）以戰略方式駕馭AI力量的承諾"。由首席數字與人工智能辦公室（CDAO）領導的"利馬特遣隊"負責評估并協調國防部全域AI應用以保障國家安全，當前重點關注訓練數據集管理問題。國防部旨在逐步運用生成式AI"提升作戰、勤務保障、醫療、戰備及政策等領域效能"。鑒于軍事行動特性，國防部已發布風險緩釋指南，要求將負責任的統計實踐與高質量數據結合以產出深度分析指標。任何軍事應用都需遵循"可管控性、可靠性、公平性、可問責性、可追溯性、隱私性、合法性、共情力與自主性"原則，確保轉型期倫理實施。

生成式AI的預期應用包括"智能決策支持系統（IDSS）與輔助目標識別（AiTC）"——協助戰場決策、目標辨識及傷員救護；其核心目標在于減輕操作員認知負荷并提升高危環境決策精度。歷史上，美軍已在"自主無人機武器/智能巡航導彈"中應用AI，并在"復雜高風險環境驗證顯著成效與可靠成果"。盡管這些武器系統的AI未必依賴生成式模型，但彰顯出遵循美國治理倫理基礎原則的潛力。圖1展示國防部AI融入新型作戰任務的流程體系，該系統將取代傳統實踐以培育數據驅動的現代化軍隊。

未來化應用涵蓋路線規劃、作戰命令撰寫與備忘錄擬制。防務產業正研發"三維生成對抗網絡"，其具備"分析與構建三維物體的能力"，成為"制造業與國防工業設計流程自動化的重要發展方向"。隨著軍工生產模式演變，指揮官需從勞動流程轉向深度問題思考，培養基于數據輸入理解生成式AI輸出的批判性思維，避免統計實踐引發的倫理隱患。美國多家企業已遭遇統計模型倫理困境——從自動駕駛致命事故到招聘技術不當訴訟。當前生成式AI模型或未經軍事數據集訓練，對復雜軍事政策理解薄弱，這不意味軍事人員必須禁用該技術，但社會有責任采取適當防范措施。生成式AI在民用市場的突破終將輻射軍事領域，但須先行解決三大挑戰：

1）高風險特性要求軍事AI系統必須透明化以贏取決策者信任并促進風險分析；此具挑戰性因多數AI技術屬缺乏透明度的"黑匣子"；2）軍事AI系統需具備強健性與可靠性；此存挑戰因研究表明AI技術易受難以察覺的數據篡改影響，即便攻擊者對該AI技術一無所知；3）多數AI技術依賴需海量訓練數據的機器學習；此成障礙因軍事應用常缺乏充足數據。

新一代軍事領導者必須認知其新使命，軍官教育體系亦需及時調整以應對這些新興職責。

生成式人工智能作為顛覆性創新

生成式AI可依據克萊頓·克里斯坦森（Clayton Christensen）《創新者的窘境》框架歸類為顛覆性創新。該書闡釋了成熟市場領軍企業為何隨時間推移衰敗。美國作為軍事力量市場的領先主體，雖該市場非貨幣驅動，但所有市場皆經歷兩類技術變革：延續性技術與顛覆性技術。延續性技術維護現有市場結構，由成熟企業主導以滿足當前客戶需求；顛覆性技術則通過發掘歷史未開發特性優勢，顛覆/重構市場偏好。正是這種改變市場二分法的過程，"持續導致領軍企業衰敗"——成熟企業傾向于基于現有價值體系開發迎合當前市場的新技術。

歷史見證戰場技術的流動性（如弓箭、步槍、機槍、坦克的演進）。每次技術躍進都重組戰爭形態，甚或顛覆全球秩序。以19世紀工業革命時期俄國衰落為例：當時俄國作為地區強國，因工業化速度滯后德國，未能在一戰前建成強大軍事工業，最終因創新失敗在東線戰場遭規模更小但技術優勢的德軍重創。軍事價值體系反映戰場制勝要素，成熟國家/企業領導者往往高估傳統路徑，忽視新興競爭者（開發顛覆性技術的國家）在利基作戰任務中的潛力，直至顛覆技術發展至難以追趕。當顛覆性技術重定義軍事價值體系與操作規程時，延續性國家已無力回天。

顛覆性技術對成熟企業的危險性在于其具備"向其他網絡的顯著向上流動性"，而市場卻"抑制向下流動"。核心邏輯在于：顛覆技術最初面向資源有限客戶，逐漸成長至可奪取大額合約。大企業管理者常難以為"進入低利潤、定義模糊的低端市場"提供合理論證。軍事領域源于超級大國需聚焦高端價值網絡——即其領土與當前最大國家安全威脅間的聯系/交互。試想2010年代中期美國總統要求國會重資投入尚無明確應用的生成式AI，而非聚焦阿富汗戰爭。后見之明表明此舉本可強化美軍優勢，但在2022年俄烏戰爭前，無人預見AI在構建殺傷鏈（識別目標-調度兵力-攻擊-摧毀的閉環）中的影響。此戰爭成為重大創新催化劑：自主無人機通過衛星影像與圖像識別軟件辨識敵目標，聯控服務器投擲爆炸物，極大加速殺傷鏈（相較傳統需情報收集-兵力部署-作戰的流程）。中國共產黨正重資投入AI能力，目標2030年代中期成為全球領導者，彰顯美國因該顛覆技術面臨的新軍事競爭。

顛覆性創新者視技術為定量、操作規程為變量；延續者則視操作規程為定量、技術為變量。為維持成功，軍事強國放棄利基實踐而聚焦現狀維護。成熟國家的理性管理者無暇亦無需冒險。戰爭波動終將形成循環：國家顛覆權力結構→建立治理體系→終被創新征服者取代。保持高端地位（即成功超級大國）需成熟國家采取管理顛覆性變革的實踐。大型軍隊難以為新興技術提供戰場測試，故建立外部研究團隊是良策——這些小型組織不追求顯赫成果，核心任務應是積累組織知識構建項目基礎。戰爭流動性不可預測，軍隊須時刻保持警惕。

"利馬特遣隊"的建立是美國管理軍事市場中生成式AI顛覆性的典范。克里斯坦森為成熟企業提出三大應對策略：1）向新市場傾注資源提升其盈利性以影響增長率；2）待新興市場成型后伺機介入；3）將顛覆技術商業化責任全權委托外部小型組織。國防部被迫采用末項策略。未能有效管理軍事AI將導致類似19世紀俄國的權力衰落。美軍力圖在現有流程與價值體系外，創建利用小型團隊引領創新、規避安全危機、抵御戰爭變革的新能力。

軍事戰略中的生成式人工智能

在軍事政策與作戰領域，生成式AI的興起深刻影響國防組織的戰略與作戰框架。該技術融入軍事應用需精細政策制定路徑，融合科學認知與人文倫理戰略洞察。查爾斯·珀西·斯諾（C.P. Snow）在其《兩種文化》中闡釋了英國社會人文研究與自然科學的歷史割裂。

他指出：工業革命前，社會精英通過哲學、法律與文學教育青年治國之道；工業革命則催生應用科學領域，為中下階層提供改造自然改善生活的新路徑。斯諾核心觀點是：多數人借工業革命改善生存狀態，使科學研究終可應用于日常生活。隨著時間推移，大眾深化科學研究助力工業化，而精英仍聚焦文學與治理事務。學術界兩種文化的持久割裂因政府與工業界缺乏溝通而加劇于政界。

生成式AI在軍事場景的應用（如自主武器系統與決策支持工具），要求政策平衡技術能力與倫理考量（含國際人道法與交戰規則）。美國及聯合國等國際治理體已發現監管先進網絡行動的困難。如今隨著先進統計模型引入，決策者必須理解其使用影響及基于模型訓練數據的社會效應。生成式AI為作戰戰術開辟新維度——從自動化目標識別到情報分析。軍事戰略須進化以整合這些AI驅動能力，同時考量其對戰場倫理與士兵安全的影響。若管理失當，識別失敗可能導致平民傷亡與基礎設施損毀。

AI融入軍事行動亟需軍事教育訓練改革：包括納入融合技術、倫理、哲學與軍事戰略的跨學科研究，為AI增強型戰爭培養士兵與指揮官。美軍正通過培育不依賴分析員的數據能力型指揮官，推動兩種文化融合。

核心挑戰在于將AI能力整合至現有軍事結構與作戰體系，這不僅需技術適應，更要求條令與戰略轉型。最壞情形或是文化鴻溝擴大——技術專家流向工業界而遠離政府職位。若整合得當，AI應用可提升作戰能力：如增強態勢感知、加速決策制定、提升目標精度，全面提高軍事行動效能。生成式AI重定義戰爭與安全特性，對沖突本質、人類士兵角色及國際安全動態未來提出新命題。若未能及時立法實施AI，必將導致不受倫理約束的敵對勢力濫用高致命性AI殺傷鏈系統。

生成式AI融入軍事政策與作戰既帶來挑戰也孕育機遇，它要求軍事戰略與政策制定采用新范式——協調AI進步與戰爭的倫理、戰略及人本維度。隨著軍事組織適應AI驅動格局，技術專家與戰略家的協作對塑造有效、倫理且可持續的軍事政策與實踐至關重要。

結論

生成式AI作為顛覆性創新將徹底重構軍事工業。我們正實時經歷人類史上最偉大的科學革命之一。若存疑慮，為展示其驚人進步——請重讀本文引言：該內容由ChatGPT 4在訓練本文后生成，耗時約30秒。此類技術數年前尚不可想象，猶如烏克蘭戰場上難以置信的致命殺傷鏈。未來五年內，難以估量的非凡科學突破將持續涌現，直至軍事與工業界完全吸納生成式AI能力。在此過程中，政策制定者須謹慎實施戰場AI應用，并跨越文化鴻溝與能解讀復雜模型機理的科學家溝通。世界或處于巨大不確定性中，我們屏息以待這場空前革命催生的超級武器，但至少可確信：此輪變革終結時，世界必將永久改變。

參考來源：美國陸軍

當前正值顛覆性技術劇變時代，“人工智能”（AI）領域尤為如此。盡管由商業部門開發且為其服務，人工智能顯露的軍事應用潛力正推動全球武裝力量開始試驗雛形階段的“AI賦能防御系統”。對率先充分理解人工智能、進而改革現有人本中心兵力結構并接納“AI作戰模式”的國家而言，或將獲得顯著的“先發制人”優勢。

澳大利亞國防學院探索了適用于近中期“AI賦能戰爭”的海陸空作戰概念。鑒于大量底層“窄人工智能”技術已在商業領域成熟發展，此舉并非純理論推演。當代人工智能的“通用屬性”意味著其初期應用將嵌入現有作戰層級結構，而非構建全新體系。

本文聚焦空中領域。為集中論述，嚴格限定于“防空作戰”范疇，避免擴展至聯合與聯軍作戰層面。即便如此，仍可探索激發未來思考與備戰準備的作戰概念。關鍵需認知：人工智能是其他技術的“激活劑”。其并非獨立作用體，而是與眾多數字技術協同運作——為這些技術注入某種形式的“認知能力”。

近中期內，人工智能的核心吸引力在于其快速識別模式、探測海量數據中隱藏目標的能力。在為移動系統賦予新型自主性的同時，AI將徹底變革戰場全域的目標感知、定位與識別能力，“戰場隱蔽性”將日益困難。然而人工智能并非完美：其固有缺陷包括“易受欺騙性”“系統脆弱性”“跨任務知識遷移障礙”及“高度數據依賴性”。

因此人工智能的核心作戰效能可概括為“探測與反制”。依托機器學習，AI在“高雜波背景”中識別隱藏目標的能力遠超人類且速度驚人；但另一方面，人工智能也易受多種手段欺騙——其卓越的目標探測能力缺乏穩健性支撐。

傳感器網絡與指揮控制體系

“探測能力”構建的起點是在敵方力量可能活動的陸海空天網全域最優位置布設大量低成本“物聯網”（IoT）傳感器。這一理念已在“綜合防空系統”（IADS）中得到部分實踐——通過地面雷達站鏈與“空中預警機”協同探測高低空目標。空戰中“AI賦能防御概念”主張大規模增補現有高成本、數量受限的傳感器部署方式，轉而采用海量具備AI功能的小型低成本地面及機載傳感器。

擴展型物聯網傳感器網絡中的小型單元可利用“邊緣計算”技術，將預處理數據經云端傳輸至融合中心并匯入指揮控制系統。此類微型傳感器雖可搭載主動短程雷達發射器，但受制于“供電瓶頸”而應用受限。更可行的方案是采用被動式物聯網傳感器，探測涵蓋聲學、紫外、紅外、無線電及雷達頻段的電磁頻譜信號。單個傳感器性能或許有限，但當數百個節點數據整合時，便可實現三維空間內的空中目標追蹤與識別。

地面防空物聯網傳感器通常采用固定持久部署，而“無人機”（UAV）搭載的傳感器續航時間可達數小時至一晝夜。新興物聯網技術（如“高空氣球”“微衛星”及“偽衛星”）有望大幅提升續航能力，這些平臺均可集成AI功能。

建設采用被動探測模式的大型物聯網傳感器網絡后，滲透飛行器必須規避雷達、數據鏈及通信等輻射源以防暴露。盡管如此，常規飛機排放的噪音、熱輻射及可視特征仍可能泄露行蹤。因此構建“深層次物聯網傳感器網絡”至關重要：當飛行器接近已知傳感器時或通過機動降低輻射（尤指前向輻射），但深層網絡仍可從側翼及后方探測到規避中的目標——即使其未直接進入主探測區。

AI實現的超大規模物聯網傳感器網絡將部分處理數據經云端輸送至融合設施，由AI執行深度解析。此過程可套用“觀察-研判-決策-執行”（OODA）模型：“觀察”環節AI既作用于各物聯網節點邊緣計算，也參與融合中心數據處理；“研判”階段AI在“作戰管理系統”中發揮核心作用，不僅生成近實時全景空情圖，還能預判敵機行動軌跡；隨后的“決策”AI層基于防空單元可用狀態，向人類指揮官提交按威脅等級排序的攔截目標清單、推薦跨域攻擊最優方案、行動時間節點及防誤傷措施，此時人類通過“人在回路”或“人在環上”模式保持深度介入；經人工批準后，最終“執行”環節由AI主導——自動分配武器至各目標并傳遞制導數據、確保友軍誤傷規避、確認打擊完成狀態、必要時下達彈藥補給指令。

AI賦能的戰斗機

隨著多款高性能無人機投入應用，開發具備“視距內空戰”能力、利用“人工智能”進行戰術決策的無人機，似乎已成為一項明確的工程任務。美國空軍（USAF）計劃在2024年重啟2020年“AI駕駛戰機對抗人類飛行員”的試驗——此次將采用“實體戰術戰機”而非模擬系統。實戰化、經優化的“AI賦能近距格斗無人機”可實現比有人戰機更“小型化”“輕量化”與“低成本化”；若執行防御任務，甚至無需掛載武器即可瓦解敵方空襲。

該無人機可由“指揮控制系統”指派，對敵機實施“攔截”“逼近”并啟動“格斗”。敵有人戰機因此被迫分心應對，“攻擊路徑”遭到干擾，進而暴露于其他有人作戰系統的打擊范圍。若敵機進行規避機動，“燃油消耗率”將激增，可能需提前撤離以返回遙遠的基地。

另一方面，“AI武裝戰斗機”可根據實際戰況，采用“人在環內”或“人在環上”模式運作。但武器掛載會帶來“工程設計難題”：引發“通信穩定隱患”、觸發“武裝沖突法律風險”并衍生“戰術顧慮”。綜合考量下，采用“鎖定-全程伴飛”模式的無人機更具優勢——該型無人機“鎖定”敵機后持續伴飛，實時“廣播”其航跡與詳細參數。

“AI戰斗機”可執行“戰斗空中巡邏”（CAP）或“地面待命攔截”（GAI）任務。CAP任務需要較大機體以保證有效“滯空時間”（同尺寸無人機滯空能力遠超有人戰機），但機體增大將加劇“設計”與“操作”復雜度。執行GAI任務時，無人機可設計得更輕巧（更接近導彈構型），例如美空軍“XQ-58A女武神”驗證機：從固定發射架升空，傘降回收，并可部署于“可移動貨運集裝箱”中。若GAI型AI無人機無需機場，將簡化“多層防空體系”構建流程，更能催生“分布式防空”等創新理念——在物聯網傳感器網絡內分散部署GAI無人機，由指揮控制系統遠程調度實施“快速反應攔截”，與CAP有人戰機“協同作戰”。此類無人機同樣無需武器掛載即可發揮效用。

關鍵在于，此類“AI賦能的綜合防空系統”需明晰“人機任務分工”：人類承擔“高層級認知功能”的決策職責（制定“全局作戰策略”、篩選及“排序目標”、批準“交戰”），AI則執行“低層級認知功能”（如“飛行器機動控制”與“格斗戰術實施”）。

欺騙功能AI

AI的“探測功能”需輔以“欺騙功能”形成作戰效能。攻擊方需充分掌握目標及防御信息以確保打擊成功率。“AI賦能欺騙系統”可在物理戰場與網絡空間全域部署，旨在通過構建誤導或混淆態勢破壞敵方“探測效能”。此類系統還可融入“精密欺騙行動”，發揮協同效應。

廣泛分散的移動式“邊緣計算系統”通過發射可變保真度信號群，可生成復雜電子誘餌。雖可借助道路網絡部署“無人地面載具”模擬機動防空系統等特定功能，但依托“無人機平臺”部署可實現最優機動性。其戰術目標是在短暫攻擊期間遮蔽戰場態勢。

成本更高的方案是采用“無人機電子復制技術”——模擬大量防御戰機在目標區域各CAP戰位升空，營造“防御力量遠超預期”的假象，誘使敵方攻擊編隊因預判高戰損而撤退。“欺騙功能”還可與“被動防御措施”及“作戰路徑選擇”深度集成。機場通常在戰前提前建設，可針對性設計抗打擊能力。但現代“精確制導武器”削弱了“加固工事”的防御效果，“分散部署”成為優選方案。AI技術將使這一分散部署策略的可行性達到數十年來新高。

永久性機場周邊可設若干“臨時起降場”。此類場站設計使用壽命為數周至數月（遠低于永久機場的幾十年）。沖突期間，戰機可在永久機場與臨時起降場持續輪轉。這種機動將與“AI賦能欺騙行動”深度融合，旨在迷惑敵方決策——使其無法確定打擊目標，最終徒勞攻擊無戰機駐扎區域。該戰術通過強化“戰爭迷霧”，操控敵認知模式，精準削弱敵作戰效能。

敵反航空作戰可投入的戰機、“防區外武器”及彈道導彈數量有限。攻擊無戰機駐扎的機場既使有人戰機蒙受不必要損耗，又造成珍貴彈藥儲備浪費（短期沖突中不可補充）。“AI欺騙系統”與“物理分散部署”相結合，既可降低敵空襲效能，又能誘使敵方消耗有生力量。此類分散部署的傳統痛點是：多臨時機場運作戰機需在各點位“復刻后勤支援體系”，導致人力和資源成本激增。AI賦能系統可破解此困局——永久機場可通過“智能物流通道”聯接其大型倉庫與臨時起降場的耗材補給點，當前已有成熟AI技術應用于倉儲端。

現代化倉庫已具備四大特征：“庫存實時監測”“AI機器學習云端大數據物聯網實時訂購”“機器人揀貨”“載具自動轉運”。部分倉庫引入“按需3D打印”技術，滿足老舊設備備件的一次性需求，避免大量占庫。新建的“物流控制中樞”集成多源數字信息，運用大數據分析技術實現供應鏈（含運輸環節）全景實時可視化。同類技術可應用于耗材儲備設施管理。

在補給運輸通道層面，“AI智能物流”可采用“機器人卡車編隊行駛”模式（亦稱“集群隨行技術”）：頭車由人類駕駛領航，多輛無人載具緊密跟隨。研發“無人化機場物流卡車”比陸軍補給車技術門檻更低——前者主要在勘測過的鋪裝道路上運行，并可依托GPS導航。

臨時起降場端可全面部署AI賦能系統。通過整合“人工智能”“機器學習”“大數據”“云計算”“物聯網”“自主運行”及“機器人技術”，此類基地能以遠少于現役編制的人員規模高效生成作戰架次：包含“自主加油裝彈”的可服役戰機機器人化保障成為可能；“AI預測性維護”將大幅減少計劃外維修頻次。機場可呈現“無人值守”狀態，由永久基地或異地“工程物流中心”遠程管控，甚至采用“可再生能源+儲能電池”實現半自主供能。

臨時機場的啟用設備或已預置完畢，戰時激活即可。另一種方案是預設基礎設施網絡，待“即插即用”系統與載具通過首輪卡車編隊運抵后，迅速接入機場“體系中的體系”。正如本次聚焦防空的討論所揭示：AI正如同現代版的“機器之魂”，深度滲透多數軍事裝備，勢將開辟空戰新紀元。鑒于空軍轉型常需數十年沉淀，推動這場“未來空戰革新”已刻不容緩。

參考來源：

1 Peter Layton, “Fighting Artificial Intelligence Battles Operational Concepts for Future AI-Enabled Wars,” Joint Studies Paper, No. 4, 2021, //www.defence.gov.au/.

2 Peter Layton, “Algorithmic Warfare: Applying Artificial Intelligence to Warfighting,” Air Power Development Centre, 2018, .

3 Steve Ranger, “What Is the IoT? Everything You Need to Know about the Internet of Things Right Now,” ZDNet, 3 February 2020, .

4 Maj Peter W. Mattes, USAF, “What is a Modern Integrated Air Defense System,” Air Force Magazine, 1 October 2019, .

5 Duncan Stewart et al., “Bringing AI to the Device: Edge AI Chips Come into Their Own,” Deloitte, 9 December 2019, .

6 Michael Spencer, “Pseudosatellites: Disrupting Air Power Impermanence,” Air Power Development Centre, 2019, .

7 Sarah Lewis, “OODA Loop,” TechTarget, June 2019, .

8 Chris Westwood, “5th Generation Air Battle Management,” Air Power Development Centre, 2020, .

9 Joseph Trevithick, “Navy Establishes First Squadron to Operate Its Carrier-Based MQ-25 Stingray Tanker Drones,” The Drive, 1 October 2020, ; and Kyle Mizokami, “Russia’s ‘Hunter’ is Unlike Anything in America’s Arsenal,” Popular Mechanics, 10 August 2020, .

10 Patrick Tucker, “An AI Just Beat a Human F-16 Pilot in a Dogfight — Again,” Defense One, 20 August 2020, ; and Secretary of Defense Dr. Mark T. Esper, “Secretary of Defense Remarks for DoD Artificial Intelligence Symposium and Exposition,” US Department of Defense, 9 September 2020, .

11 “Combat Air Patrol,” Wikipedia, ; and Lt Col Ernani B. Jordao, “An Investigation of the Combat Air Patrol Stationing in an Integrated Air Defense Scenario,” (BS Thesis, Brazilian Air Force Academy, 1971), .

12 Joseph Trevithick, “This Containerized Launcher for the XQ-58A Valkyrie Combat Drone Could Be a Game Changer,” The Drive, 16 October 2019, .

13 Col Daniel Javorsek, USAF, “Air Combat Evolution (ACE),” DARPA, .

14 Miranda Priebe et al., “Distributed Operations in a Contested Environment: Implications for USAF Force Presentation,” RAND Corporation, 2019, .

15 Stefan Schrauf and Philipp Berttram, “Industry 4.0: How Digitization Makes the Supply Chain More Efficient, Agile, and Customer-Focused,” Strategy& and PWC, 7 September 2016, .

16 “Oshkosh Defense Delivers Autonomous Vehicles,” Nation Shield, Military and Strategic Journal, 2 February 2020, .

17 Peter Layton, “Surfing the Digital Wave: Engineers, Logisticians and the Future Automated Airbase,” Air Power Development Centre, 2020, .

隨著未來競爭者愈發熟悉形勢變化，他們將日益嘗試開啟新型戰爭模式，深刻改變當前主要圍繞戰場展開、以國家軍事力量為載體的克勞塞維茨戰爭理念。技術融合在未來20年內不僅將在社會層面引發變革，還將改變戰爭形態——軍事能力將日益呈現自主化、網絡化、多域化和精確化特征。

隨著北約《2022戰略概念》的通過，北約各國元首和政府首腦已承認“歐洲-大西洋地區已無和平”。在認識到北約面臨全方位競爭環境的同時，各方確立了應對所有作戰領域多樣化與日俱增之挑戰的共識。破壞性事件頻次與范圍日益擴大之際，潛在對手和戰略競爭者展現出持續削弱聯盟履行核心任務能力的意圖。北約盟軍轉型司令部獨特的未來研究項目“戰略前瞻分析”（Strategic Foresight Analysis），以聯盟戰略概念為基線（即“碎片化世界”），深入探討了趨勢演變軌跡。在“全方位競爭”的未來世界中，技術將提供賦能，規則適用性減弱將構成誘因，強權政治將驅使各方行為體日益涌入監管不足的全球空間——無論太空、大氣層、北極、海床、失敗國家領土，抑或虛擬與認知域效應的層面。

未來競爭者將在全球、區域和次區域層面，與國家及非國家行為體在模糊的競爭連續體中進行博弈。這些轉變發生在包含新冠疫情余波、俄烏戰爭以及巴以沖突在內的系統性震蕩背景之下。國際秩序因此處于轉型期，在大國競爭加劇與各層面割裂之中日益趨向多極化。氣候崩潰、資源短缺、人工智能時代及新興顛覆性技術等主要結構性驅動力，將持續影響國家、社會與武裝力量，改變競爭與沖突的性質。總而言之，當前歐洲已無和平，且不幸的是，受國際體系根本性變革（技術革新、破壞性因素與行為體態度能力轉變所驅動），前述挑戰將演變為特有現象并持續加劇。隨著行為體愈發熟悉形勢變化，他們將日益嘗試開啟深刻改變我們當前克勞塞維茨戰爭理念（主要圍繞戰場展開、以國家軍事力量為載體）的新型戰爭。

俄羅斯作為此趨勢的例證，正運用全方位力量對烏克蘭實施消耗戰。作為其戰爭手段的組成部分，俄羅斯正通過網絡攻擊和針對盟國的虛假信息運動等“閾下”活動，試圖塑造并破壞盟國政策與行動。削弱聯盟凝聚力、顛覆北約核心價值觀似乎是俄羅斯的長期目標。當前中東、北非及薩赫勒地區部分區域同樣存在戰爭、暴力與動蕩，為聯盟帶來全方位挑戰——尤其對其南部側翼構成壓力。這些挑戰發生的背景是：北約領土雖無戰爭，卻也并無和平。在規則改變、戰爭與和平性質亦隨之演變的時代，北約的軍事力量體系正承受著這些新挑戰與事態發展的日益嚴峻的壓力。我們正身處智庫“歐洲外交關系委員會”創始人馬克·倫納德（Mark Leonard）于2021年提出的“非和平時代”。必須深入理解此種“非和平”狀態的后果，為北約作戰能力發展與防務規劃工作提供依據。本文將總結近年來最權威的協作性未來研究成果，以期助力軍事思想家與作戰能力發展界研判可能重塑軍事力量效用的新興問題集合。

圖：七個變革驅動因素的主要框架。

演進中的戰略環境

《戰略前瞻分析2023》（SFA23）作為協作研究項目而制定，該項目包含九場研討會與800名參與者，并經由北約體系內盟國、合作伙伴及利益相關方開展兩輪全面評審，涉及超過50個不同實體。此項協作研究確證了北約戰略環境的持續惡化——在系統性震蕩及體系內行為體能力與行為模式轉變的驅動下，該環境正日益呈現“碎片化”態勢。氣候崩潰、生物多樣性喪失及資源短缺進一步加劇了前景的復雜性，不斷催生不穩定與沖突。資源短缺預計將持續加劇，引發更深層次的不穩定、競爭與沖突。隨著氣候崩潰進一步破壞重要生態系統并中斷其服務功能，對可再生與不可再生資源以及關鍵原材料的需求將持續增長，而圍繞這些資源的競爭與依賴關系亦將更趨尖銳。資源的高需求與稀缺性可能引發競爭轉向對抗的臨界點。綠色能源轉型正成為未來國際與國內事務的核心要素。地緣經濟學助長極化趨勢：經濟活動向亞洲轉移，既有體系因安全關切與數字化轉型而變革。全方位競爭在全球經濟重大震蕩中展開，進一步加速極化進程。供應鏈安全化與替代性數字生態系統將促使地緣經濟集團形成。適應第四次工業革命將為國家、社會及武裝力量帶來重大挑戰與顛覆性影響。新興顛覆性技術（EDTs）將重塑這些國家、社會與武裝力量，在跨維度環境中產生融合效應。未來20年技術融合不僅將在社會層面引發變革，更將改變戰爭形態——軍事能力將日益呈現自主化、網絡化、多域化和精確化特征。這將使包括商業組織與恐怖組織在內的更多行為體能夠更有效地追求其自主目標，日益挑戰傳統國家權力。技術發展的加速化與公私領域關系的變革將深刻影響安全及軍事事務。跨作戰域及物理/非物理維度的融合效應將拓展競爭范圍并重塑其特性。

網絡化非國家行為體的崛起、技術賦能、城市化進程及信息/虛假信息過載具有高度確定性。技術加速互聯互通，使群體與個人能夠獨立于國家行為體追求目標。人際網絡快速適應能力使其成為強大盟友或危險對手。社會與商業能力正崛起為現代競爭與戰爭不可或缺的要素。這些人際網絡趨勢將深度影響國際關系、安全與治理，既創造機遇亦滋生風險。城市將成為未來軍事行動最關鍵節點，次國家行為體將更具敏捷性、適應性與可擴展性。技術擴散賦能人際網絡，日益影響國際及國家內部事務。商業實體將推動能源與工業雙重轉型，改變戰爭形態。

上述趨勢與軌跡在缺乏有效全球協作以緩解全球挑戰的情境下，正共同導向“全方位競爭”。此種動態將包含加速的變革、戰略性震蕩、普遍性不穩定及威權國家——這些因素將實質性挑戰并進一步割裂基于規則的國際秩序，同時伴隨加劇的戰略競爭以及新型安全合作與軍事聯盟的涌現。在通過推演與兵棋模擬驗證可選路徑后，所有研究參與者均認為“跨全域、全維度、全時段的全方位競爭”是最可能出現的場景。該環境將呈現復雜化、擁擠化、商業化、對抗化及非故意混亂化特征。戰略競爭者將試圖通過塑造局勢、制造爭端、利用破壞性事件與不穩定態勢，從戰略優勢地位實施對抗，從而協調其各力量體系以限制聯盟在和平時期的軍事力量體系效能。潛在對手提升其力量體系的協調與運用效率，非軍事手段或將發揮更大作用。鑒于北約在軍事力量體系方面的優勢，此類對手可能傾向于避免與聯盟發生公開直接沖突。其目標將反映這一傾向——試圖掩蓋意圖與能力以達成戰略突襲。這些對手可能引入“合理推諉”機制規避歸因與反制；可能廣泛運用新興顛覆性技術與網絡戰對關鍵基礎設施造成持久破壞；并實施強力的技術賦能型認知戰以瓦解團結聯盟。

圖：“未來軍事挑戰將涉及適應技術、經濟、環境及社會變革，并創建適應未來需求的異質化、高效且可持續的兵力設計。”首圖（盟軍快速反應部隊）與第三圖（北極海域巡邏）由北約提供；第二、四、五、六圖分別由Shutterstock提供，依次展現量子技術、綠色能源、高超聲速導彈及復雜信息環境。

全方位競爭時代軍事力量體系面臨的挑戰

《戰略前瞻分析2023》勾勒了未來圖景——軍事力量體系將與更廣泛的國家力量手段相互交織。未來軍事挑戰將涉及適應技術、經濟、環境及社會變革，并創建適應未來需求的異質化、高效且可持續的兵力設計。北約必須發展具備彈性與適應性的能力，融合軍事與商業創新，以應對動態演變威脅并在劇變世界中維護安全。隨著步入“全方位競爭”時代，國家與非國家行為體正轉變其態度與行為模式。全球防務開支指標揭示了各國如何對沖安全環境惡化的風險。非國家行為體受益于技術民主化，制造出戰略級效果與突發狀況。商業化使私營行為體能在戰略競爭中扮演關鍵角色，而社會成為戰役決勝因素——韌性成為軍事行動的根本前提。受技術局限與機遇、人口因素、勞動力市場剛需、差異化道德倫理法律門檻及威脅暴露程度的驅動，民主國家軍隊與其潛在競爭者的發展軌跡將日益分化。力量體系間不斷擴大的不對稱性（涵蓋設計、結構、能力及運用理念）凸顯重新評估的必要性。戰爭形態正經歷轉型：機動作戰與火力平衡改變；殺傷力與消耗戰加劇；人機作戰比例轉換；遠程打擊的復蘇、擴散與泛化；以及強大的“反介入/區域拒止”能力。面對這些無孔不入的新型挑戰，武裝力量亟需快速適應，并在此過程中日益依賴社會力量與商業主體維持行動能力。

圖：《戰略前瞻分析2023》方法論基于“框架預見模型”（Framework Foresight Model），并根據盟軍轉型司令部目標進行定制。

此外，國家未來生成作戰力量的能力或將面臨挑戰。這些挑戰包括：適應氣候變化與轉向綠色能源的成本負擔；緊跟快速技術變革的步伐；應對經濟與財政制約。社會因素（如福利支出增長需求、人口老齡化與熟練工人短缺引發的勞動力挑戰）將進一步擠占國家資源。防務領域成本持續攀升亦增加管理難度。北約三大核心任務——威懾防御、危機預防管理及合作安全——均受安全環境演變影響。有效履行這些任務需成員國通力協作，提供保證未來作戰效能所需的能力。各類力量體系之間的互聯互通將增強。技術顛覆與對抗性策略將檢驗北約軍事力量體系的效能。未來戰爭特征將呈現全域持續同步威脅。經濟與環境因素將影響軍事力量的部署。在資源短缺的動蕩地區，國家可能訴諸戰爭解決困境。保護自然資源、貿易通道與供應鏈將成為優先事項，涉及無人海空平臺及擴展型精確打擊等新技術。非國家行為體亦可能獲得挑戰國家與商業實體的能力。國際治理缺失將加劇網絡與信息等領域資源競爭。

兵力發展因戰爭復雜性提升而難度倍增。人工智能賦能的制造保障能力結合北約內部協作，或能緩解部分壓力并構建韌性。自主運輸服務、無人機、人工智能與量子計算等創新技術將優化后勤運作。然而未來仍將存在勞動密集型、成本密集型與技術密集型的軍事裝備，導致對高價值資產的風險規避傾向。增強型決策能力可能改變攻防平衡，為高強度作戰與全球機動作戰提供工具，但同時也催生早期威脅偵測與響應新需求。新興顛覆性技術將提升作戰速度與透明度，壓縮戰術、戰役與戰略層級。未來兵力設計或將呈現異質化與商業化特征，公私部門協同創新發揮重要作用。這將引發對可信度、可靠性與依賴性的關切，需聚焦軍事韌性與長期防務規劃。國防預算將承受國家資源需求競爭與戰爭成本攀升的雙重壓力。烏克蘭戰爭增加了大規模沖突的可能性，推動全球軍備建設。庫存與戰備水平未達最優值，刺激防務投資增長。通貨膨脹、武器高需求及關鍵材料獲取不均將使價格維持高位。全球預算赤字攀升，盟國GDP增速將落后于危機前水平。武器系統老化與兵員招募困境將推高維護成本與人員開支。基于能力聚合與統一行動的聯盟體系對威懾國家行為體及應對多維威脅至關重要。然而威懾效能將受以下因素挑戰：碎片化安全環境、現代技術賦能意圖隱蔽能力、以及高風險耐受度的非國家行為體。依托公私協同構建的社會韌性可通過"拒止"策略增強威懾效果。

軍事力量體系將依賴商業賦能主體實施威脅偵測、威懾與防御。但復雜安全環境仍將在認知與規范層面提出挑戰。對手將在物理對抗前爭奪人際網絡主導權。數據成為戰略資源，人工智能深度影響“傳感器-射手”系統與自動決策機制。太空資產對多域作戰至關重要，令戰場透明度顯著提升。互聯互通與自動化系統及傳感器的廣泛運用構成軍事優勢核心要素。關鍵新興顛覆性技術（如高超聲速導彈與自主武器系統）將日趨普及。通過時空維度掌控軍事力量體系的能力依然關鍵。預警與沖突升級間隔時間縮短，信息流加速。數據與信息優勢將轉化為認知領域主導權。軍事力量體系需提供多元化解決方案，實現多域作戰協同效應。

北約盟軍轉型司令部（ACT）的《未來作戰環境》（FOE）研究進一步探討了這些考量的關鍵影響，聚焦四大領域：技術沖擊、行為體意圖與能力、戰場特征演變、戰爭形態轉型。FOE研究成果將為司令部作戰能力發展與防務規劃提供信息支持。自北約通過《2022戰略概念》以來，我們深知和平已然消逝。借助《戰略前瞻分析2023》，進一步評估“全方位競爭”正在所有影響維度、所有力量手段及全時段持續展開。盟軍轉型司令部正全力重塑對和平與戰爭的認知：發展全球化戰場生成與協調作戰力量的理念；構思應對消耗戰、致命性、規模效應與成本控制的方案；研究應對國家行為體與恐怖分子遠程打擊及泛在暴力的策略。我們的工作旨在協助北約適應這個復雜、擁擠、商業化、對抗化且混亂的環境。《2024未來作戰環境》致力于預判影響能力運用的條件，為前瞻性能力建設提供框架，確保盟軍始終保持適應性、韌性與有效性。

北約如何適應多域威脅時代的未來戰場需求？

本文核心問題的答案相對明確，但落實答案的實際過程可能充滿挑戰。我們必須更善于捕捉未來——主要是技術性——變革，并比對手更快速高效地把握其價值。同時不應忽視：威懾、防御及緩解“多域威脅”和行動影響所需的諸多措施其實已然具備。常見挑戰在于能否及早“偵測”這些威脅，并協調運用應對措施。誠如克勞塞維茨所言：“戰爭中如同日常生活，整體各部分相互關聯。因此所有行動后果（無論其起因多么微小）必然影響后續所有軍事行動，并在某種程度上改變最終結局。同理，每一種手段必將影響終極目標。”

必須厘清發展脈絡。理解現狀需要歷史與文化語境支撐。若缺乏這種認知——包括承認過往部分假設與決策可能存在失誤——便難以為未來做出正確抉擇。必須把握當前態勢及其對未來的影響。從觀察到理解需要評估過程。面對“多域威脅”，區分競爭性行為與軍事性質行動至關重要。這要求通過商業與公共部門、政府文職與軍事機構、國際組織間的數據交換，持續提升“態勢感知”能力。同時須共享對形勢、威脅或事件及其潛在影響的評估結論。

必須借助持續警惕的“視野掃描”與接觸，識別未來的機遇與挑戰。通過辨別事件與趨勢，方能評估其對未來（尤其是未來“作戰環境”）的影響。運用“新興顛覆性技術”（EDTs）將提升識別影響未來事件或趨勢的能力。隨著長期未來評估機構日益增強數據交換，其把握機遇與通過“風險緩釋”應對挑戰的能力也將提升。

必須常態性質疑對未來的預設。任何變化都可能影響當前行動及未來能力建設規劃。預設塑造發展軌跡，而我們在財力與情感上投入愈深，改變軌跡便愈艱難。應盡可能將“彈性”融入規劃——正如制定軍事行動計劃時所追求的那樣。正如諺語所言：“遭遇敵軍時任何計劃都需調整”。我們確信未來將出現“顛覆性沖擊”迫使我們改變方向。必須通過“訓練演習”、“建模仿真”與“實驗”，嚴格檢驗構成當前發展軌跡基礎的假設與評估。同時須勇于接受在這些嘗試中的“失敗”可能。

必須愿意調整自身發展軌跡與規劃。前述步驟為未來正確決策奠定基礎。核心問題在于：我們是否“愿意且能夠改變”？改變程度如何？是否改變整個DOTMLPFI（條令、編制、訓練、裝備、領導力與教育、人員、設施、互操作性）框架？改變“合作伙伴”及“合作模式”？調整“商業伙伴關系”與“義務歸屬”？最終歸結為“風險管控”能力。日新月異的變革速度，疊加未來“沖擊”與“顛覆性事件”的頻發趨勢及其潛在負面影響，要求北約必須增強“靈活性”及“路徑調整”能力以保持競爭優勢。同時應持續聚焦那些對聯盟執行“核心任務”能力具有決定性影響的“變革”領域。

結論

從事未來評估的專家普遍持悲觀態度并聚焦于未來威脅。本文結論部分擬采取更積極視角：首先，北約及盟國當前正著力應對未來帶來的諸多挑戰與機遇。盟軍轉型司令部正開發"認知作戰"與"跨域指揮"等概念，為未來"認知優勢"開辟廣闊發展路徑。"在司令部，我們正探索如何在全球化戰場生成與協調作戰力量。"美軍B-52H轟炸機執行威懾任務，特別在東部側翼彰顯北約威懾力。此外整個聯盟體系正大力推進系統性未來思維建設——通過增強前瞻能力與流程設計，并構建前瞻研究機構協同網絡。

其次，盡管存在爭議或非普適性，我們堅信自由社會與民主國家在技術創新領域將優于威權國家。三十二個成員國各自的歷史積淀、文化底蘊、專業優勢及差異化視角匯聚成巨大潛能，將為未來挑戰提供多元解決方案。商業部門引領著全聯盟多領域研發活動，初創企業數量與研究領域廣度奠定樂觀基礎。北約指揮機構與部隊體系的工作成果強化了我們積極預期。軍民人員日常實踐彰顯并鞏固著北約核心價值觀。這些價值觀歷經時間考驗與對抗行為沖擊仍保持韌性，未來也必將在多域威脅中勝出。最后，北約在各流程中培育反思與批判性思維的能力，賦予我們超越戰略競爭對手與潛在對手的強大優勢。決策者與戰略家必須針對日趨復雜且整體惡化的安全環境制定有效應對方案。防務政策與分析領域的批判性思維，正在拓寬認知疆界并提出創新命題以協助實現這一目標。

在當今戰場上，無人機已不止是飛行器——它們是受人工智能和機器視覺驅動的智能武器。從自主打擊到無GPS導航，烏克蘭站在軍事技術創新的前沿。本文深入探討了人工智能如何重塑現代戰爭，特別關注智能無人機在俄烏戰爭中改變戰局的作用。

現代戰爭本質上不同于過去的沖突。盡管交戰各方的首要目標基本保持不變，但實現這些目標的方法正在快速演變。

人工智能（AI）的進步已將軍事行動提升至全新水平。這在無人機的運用上尤為明顯——無人機這種無人飛行器已成為當代戰爭的關鍵武器之一。在制定軍事戰略方面，人工智能扮演著至關重要的角色，這在持續的俄烏沖突中清晰可見。在此背景下，無人機已被證明是一種用于戰斗、偵察和打擊敵方目標的多功能工具。

本文將探討人工智能如何在軍事領域被運用，以及它是否真的如機器視覺技術一樣有效。

什么是人工智能？

人工智能處處都是熱門話題。這項技術可以模仿人類智能——它具備“學習”、做出決策和適應快速變化環境的能力。人工智能建立在機器學習、神經網絡、自然語言處理（NLP）、計算機視覺和自動決策制定的基礎之上。它可以一次性處理海量數據，對其進行分析，識別模式，評估局勢，并即時選擇特定情境下的最佳行動方案。

人工智能技術已廣泛應用于醫學、工業、金融、物流、教育及日常生活。當今人工智能發展和實施的另一個關鍵領域是軍事領域——烏克蘭與俄羅斯之間持續戰爭的性質清晰地說明了這一點。

人工智能如何應用于戰爭

人工智能在戰斗中的運用將戰爭提升到了先前無法企及的水平。得益于人工智能，軍隊現在可以部署偵察無人機、排雷機器人和自主作戰平臺。先進技術能實時處理衛星圖像、預測威脅、檢測攻擊并保護關鍵基礎設施。人工智能還有助于減少人員傷亡，它實現了虛擬訓練和戰斗模擬，使士兵能在不置身險境的情況下為戰斗做準備。

烏克蘭正將人工智能整合到其軍事戰略中，并高度專注于開發自主無人機和火力控制系統。Saker Scout便是一例，它是一種國產無人機，能夠獨立識別多達64個目標，包括重型軍事裝備。這款無人機不僅定位目標，還能在電子對抗（EW）條件下傳輸坐標以實施精準打擊。其作戰范圍可達10公里。

情報是有效軍事行動的基礎，在這一領域，烏克蘭開發者亦達到了新高度。Griselda偵察系統可在短短30秒內處理海量數據。它從無人機、衛星及包括入侵的敵方系統在內的各種來源收集信息。分析后的數據會即刻傳送給烏克蘭武裝部隊。

為協調炮擊，烏克蘭積極使用其自有的地理信息系統Arta。通過將Arta融入作戰行動，從識別敵方目標到實施打擊的時間被顯著縮短。該系統的運作方式是融合來自無人機、衛星和雷達的數據。

據軍事新聞媒體Militarnyi報道，烏克蘭于2022年10月向北約展示了其Delta態勢感知系統。該系統收集并分析來自多種來源的數據，使烏克蘭武裝部隊能夠調整其行動，并確保不同部隊間的有效協調。實時數據處理由云計算技術和人工智能提供支持。

基于機器視覺技術，烏克蘭開發者還創造了名為DevDroid的自動炮塔。據DevDroid公司創始人尤里·波里茨基所述，這些自動化機槍可在最遠800米的距離上消滅目標。

如今，曾僅存于科幻小說中的機器人系統，正幫助武裝部隊在最激烈的前線與敵人作戰。Droid TW便是這樣一套系統，它是一款圍繞機槍構建、由烏克蘭開發的機器人平臺。其設計初衷是提供高效的偵察與打擊能力。Droid TW在晝夜條件下均表現出色，能自主探測、識別和跟蹤目標。它由遠程操作，為人員提供了更高的安全性。烏克蘭國防部已確認該系統已在實戰環境中投入使用。

關于俄羅斯在戰爭中使用人工智能的公開信息較少。然而，已知其許多無人機型號——包括在對抗烏克蘭戰爭中使用的“柳葉刀”無人機——正積極部署自動瞄準系統。這些進展已被包括全球最知名信源之一的路透社在內的國際媒體報道過。

人工智能與無人機：通往勝利的智能解決方案

如今，烏克蘭在作戰使用FPV（第一人稱視角）無人機方面處于世界領先地位。一場曠日持久的戰爭需要大量資源，這使得擴大有效武器和作戰系統的生產與部署變得至關重要。無人機現已融入軍事行動的幾乎各個方面。

無人機正變得更先進、更高效、更智能。讓我們看看這在戰場上如何運作的一些實際案例。

人工智能在烏克蘭無人機中的運用

配備人工智能的FPV無人機具備強大能力：

• 無GPS導航：這在電子對抗（EW）條件下至關重要，此類無人機可以“看到”通往目標的路徑，利用偵察無人機創建的地圖進行導航，即使操作員信號丟失也能完成任務。
• 半自主打擊：一旦操作員設定目標點或攻擊方向，無人機可以獨立制導并打擊目標。

配備人工智能增強功能的偵察無人機已變得尤為普及。其運用提供若干關鍵優勢：

• 可生成地形的實時3D地圖，之后可用于引導打擊無人機；
• 提供關于敵方防御工事、隱蔽位置及雷區的詳細情報；
• 對戰場變化（如增援部隊抵達或部隊調動）進行分析洞察。

旨在讓無人機能基于其收集的數據自主規劃進攻行動的功能已在開發中。在戰爭開始后，烏克蘭公司Helsing與萊茵金屬（2022年9月）及薩博（2023年9月）建立了戰略合作伙伴關系。這些合作的主要目標是將人工智能集成到現有武器系統中，并持續推進其能力提升。

助力戰場創新

戰爭參與方正持續致力于利用無人機和人工智能開發新穎、獨特的解決方案。這項工作的成果如今已可見，包括：

• “無人機群”方面的前景發展——多架無人機同步工作，彼此間自動協調。
• 與偵察無人機集成——在“偵察無人機探測目標——將數據傳輸至FPV無人機以實施快速打擊”這一鏈條中實現快速攻擊序列。
• 反電子對抗（EW）系統——需操作員輸入極少的、由人工智能驅動的無人機，能識別干擾源并相應調整其飛行路徑。

人工智能在目標識別中的關鍵挑戰

不可否認，在戰爭中使用人工智能有助于軍事成功。然而，它也帶來了一系列挑戰——不僅是技術上的，還有法律和倫理上的。

最重要的問題之一是目標識別的準確性和可靠性。在受控環境中，人工智能系統可以實現近乎完美的識別率。但在真實的戰斗情境中，由于干擾或能見度低導致的數據不完整或不準確，以及天氣或光照等環境條件變化等因素，這種準確性會顯著下降。

人工智能系統被用來識別物體，但“敵我識別”并非總是可靠的。存在將民用物體誤判為軍事目標的風險。

另一個主要挑戰是決策的復雜性。雖然自動化決策過程有助于減少人員的工作負擔，但它也引入了幾個重要問題：在關鍵高壓情況下人類決策技能的喪失；人工智能系統如何以及為何做出特定決策缺乏透明度。

除了技術挑戰外，還存在嚴重的倫理和法律問題。誰來為人工智能采取的行動負責？將生死決策權委托給機器在道德上是否可以接受？

這些都是緊迫的問題——不僅對烏克蘭如此，對整個文明世界亦然。結論很明確：在武裝沖突中使用人工智能必須受到嚴格的國際監督。

2024年4月底，國際組織代表和外交官齊聚維也納，討論了規范在戰爭中使用人工智能和自主武器的必要性。

只有制定并通過沖突各方均認同的全面國際標準后，在戰爭中安全使用人工智能才可能實現。

什么是計算機視覺系統，它與人工智能有何不同？

在討論現代數字化解決方案在戰爭中的實施時，不僅要審視人工智能（AI）的作用，還需關注計算機視覺系統——這項技術如今已成為軍用無人機目標鎖定技術的基石。

計算機視覺的優勢??

計算機視覺已成為無人機的“眼睛”。該技術使計算機能夠實時“看到”圖像并對其進行分析。雖然人工智能是一個模仿人類智能的廣泛領域，但計算機視覺則是一個包含人工智能及其他技術的專門系統。

計算機視覺使機器能夠像人類一樣觀察和理解周圍環境——通過分析和解讀靜態圖像或視頻，并像人腦一樣產出洞見。簡言之，它既模仿了人類的視覺功能，也模仿了大腦的視覺處理過程。它“看到”一幅圖像，并“理解”其中的內容。

該過程的工作原理如下： 攝像頭捕獲圖像；算法立即處理和分析該圖像，如有需要會進行增強以優化識別效果；系統識別出圖像中的物體類型，并將該信息傳輸以供后續行動。

在無人機工程中應用計算機視覺帶來若干重要優勢： 快速識別空中目標——包括車輛、人員和武器；持續追蹤和監控目標；實時生成地圖，實現精確的行動規劃。 一個明顯的好處是無人機能夠從眾多物體中識別出特定的敵方車輛。這降低了誤擊錯誤目標的風險，提高了準確性和安全性。

人工智能的優勢??

將人工智能（AI）集成到軍用無人機中帶來了顯著效益。現有系統正在不斷改進，在不久的將來，我們有望看到以下進展： 無人機將能夠自主選擇飛行路線，同時考量實時威脅評估和關于計劃攻擊的戰略數據；敵方戰術的變化將觸發適應性響應，因為AI會從每次新經驗中學習，并迅速糾正過去的錯誤。

然而，即使在今天，基于人工智能的無人機系統也已顯著提升了偵察無人機和打擊無人機的性能。這之所以成為可能，得益于增強的數據處理能力——現在的數據不僅來源于無人機攝像頭，還包括雷達、GPS、熱成像儀等。這些組合數據集由AI即時處理，為軍事行動提供了更強大的能力。

通過在無人機應用中結合AI和計算機視覺技術，可以實現最佳效果。此方向的工作已在開展中，這種結合能顯著提升成果。AI負責處理數據——尤其是海量數據——并做出預測；計算機視覺的任務則是處理實時的“視覺輸入”。例如，利用計算機視覺進行地形測繪時，若數據再由AI做進一步分析（隨后決定下一步行動——是攻擊、規避還是繼續觀察），則該過程變得最為有效。

在目標定位系統中，為何計算機視覺目前優于人工智能？

在專門針對目標鎖定系統評估技術有效性時，可以確信地指出，計算機視覺目前在諸多標準上優于人工智能算法： 由人類操作員控制的計算機視覺能以更高精度執行一系列任務——它實時檢測物體、處理攝像頭數據并確定坐標；它無需冗長分析，這在必須于數秒內做出決策的情況下非常寶貴。

操作員管理的視覺模型甚至能在遠距離識別最微小的物體。它們在困難條件下（如能見度低、光線不足）表現良好，并能跨不同背景探測移動目標。盡管人工智能有優勢，但與計算機視覺系統不同，將其集成到無人機設計中需要更昂貴的基礎設施。后者可輕松安裝到處理單元中，無需額外復雜步驟或巨大成本。在高強度作戰環境中，可靠性和速度至關重要。計算機視覺基于預定義算法運行，確保“看見-行動”鏈的快速響應。證明計算機視覺優于人工智能的一個明顯例子是VGI-9無人機目標定位系統。通過使用基于計算機視覺的物體檢測算法和攝像頭，它能實時分析局勢并將坐標傳輸至無人機控制系統。其優先考慮快速視覺識別敵方目標和精確瞄準。

無人機群與人工智能

基于涉及人工智能（AI）和計算機視覺的軍事技術，一些最高效的無人機系統正在開發中。一項具有變革現代戰爭潛力的創新是無人機群。

蜂群概念的靈感來自昆蟲群體——它們以協作、協調的方式行動，不依賴集中控制。類似地，無人機群由一組無人飛行器（UAV）構成，它們同時執行共同任務，并通過人工智能和計算機視覺技術相互自主交互。

蜂群單位之間的信息交換通過無線網絡實現，使無人機能夠同步行動并瞬時做出決策，無需外部輸入。損失一架甚至數架無人機不影響任務成效。此外，蜂群中的無人機數量可根據需要增減。

看一些無人機群的實際用例。 自2017年以來，美國公司DARPA一直在開發“進攻性蜂群使能戰術”（OFFSET）無人機控制系統，旨在協調多達250架無人機同時行動。這些包括空中及地面機器人單位。2020年，中國展示了利用特殊裝備運輸車部署無人機群。該蜂群能夠組成多個無人機編隊、實施戰術機動并克服障礙。該領域的研發至今仍在持續發展。

烏克蘭無人機蜂群技術的發展

在全面行動之前，烏克蘭已著手開發基于人工智能的機器人系統。但自2022年2月以來，該領域獲得了特別重視。烏克蘭已成為積極研發作戰無人機的國家之一。官方已啟動相關支持計劃，包括專門協調和資助軍事初創項目（尤其涉及FPV無人機蜂群）的Brave1平臺。

新型無人機蜂群系統的開發工作正在進行。Swarmer公司正基于人工智能和機器視覺研發高效蜂群技術，使大量無人機可集成到單一系統中并由一名操作員控制（即Styx系統）。

2024年，烏克蘭政府撥款400億格里夫納（UAH）用于采購無人機及資助無人機蜂群研發。正如烏克蘭總理丹尼斯·什米哈爾所述，這筆預算的近50%計劃用于國內——旨在采購本土研發的無人機、改進現有項目并支持新創新技術。

??結論??

人工智能正在改變現代戰爭形態。作戰效率與目標探測及打擊精度均顯著提升。無人機在軍事行動中的整合使之成為可能，這些技術清晰展示了人工智能與機器視覺在軍事領域的優勢。

烏克蘭正積極開發基于人工智能和機器視覺的飛行器。烏制無人機、自動炮塔及數據處理系統已在持續進行的俄烏戰爭中廣泛應用。創新技術與無人機系統的結合極大提升了敵方目標的識別精度：無GPS導航在電子對抗（EW）條件下成為可能，半自主攻擊可基于無人機探測的坐標實施，偵察單位收集的情報可即時傳輸并實時處理。

如今，眾多國家正積極投入無人機蜂群的開發部署——該系統由大量無人機組成，無需人工干預即可同步運作。初創企業與政府主導項目的成果已在戰場上接受測試并展現成效。為實現最高效能，開發者正聚焦機器視覺系統的整合，因其較人工智能具備多項優勢：占用機載空間更小，可在更經濟的微電腦上運行，同時提供與人工智能相近的高速實時數據采集處理能力、更高目標識別精度及更廣泛功能。人工智能與機器視覺的結合將產生最優結果。

參考來源：vgi

當前海底作戰討論多聚焦關鍵水下基礎設施（CUI）攻擊，如電力通信電纜與油氣管道。盡管這些全球信息能源網絡的節點至關重要，在急速演變的海底戰場中它們僅是目標群組之一。未來海底作戰將日益體現為：在布滿傳感器網絡、通信節點、自主裝備樞紐及能源系統的密集戰場爭奪控制權，各類商業、科研與軍用資產均可能列入海底打擊清單。哈德遜研究所2023年報告《突入堡壘：以更強聲學優勢維系美軍主導地位》甚至將即將到來的海底控制權爭奪類比二戰與冷戰時期的空戰："對手防御體系升級可能壓制美軍海底行動，使潛艇難以執行擊沉大國兩棲艦隊或追蹤俄羅斯彈道導彈潛艇等核心任務，"該研究所國防概念與技術中心高級研究員布萊恩·克拉克（Bryan Clark）與蒂莫西·沃爾頓（Timothy A. Walton）寫道："為維持海底進攻優勢，美國海軍需借鑒空戰經驗，部署專用于壓制或摧毀敵方海底防御的支援系統。"

具體涵蓋哪些資產與防御體系？

• 固定式傳感器網絡：專為監控咽喉要道、專屬經濟區及公海航路設計的高敏探測器陣列，可持續監視水面/水下行動。切斷、欺騙或干擾其運作將在態勢感知領域制造盲區。

• 能源與對接站：支撐無人潛航器（UUV）及其他自主海底系統長期原位部署的關鍵設施。包括：美海軍"前沿部署能源通信前哨站"（FDECO）等UUV對接系統；Teledyne Marine公司的"海底超級充電器"等固定能源裝置；潮汐能、熱能或有線供電充電站。

• 信中繼系統：海底聲學中繼器、光通信鏈路及數據傳輸節點對分布式水下作戰至關重要，并承載海底平臺與水面、空中及天基資產的連接功能。

• 定位導航授時（PNT）基礎設施：為超出GPS覆蓋范圍的水下裝備提供校準服務的節點，以及本地/區域UUV部署所需的遠程基線（LBL）信標，對持續水下行動不可或缺。癱瘓或欺騙此類設施將導致資產失控，增加任務失敗風險。

• 模塊化發射系統：裝載無人載具、傳感器或效應器的預置載荷模塊，可在和平時期布設并于武裝沖突時遠程激活。預先摧毀此類系統可消除其潛在的作戰效能。

海底打擊需依托具備精準定位能力、高機動性、可自主實施動能/非動能打擊（通過預編程或遠程更新目標數據）的平臺。多型此類系統已接近實戰部署階段：

安杜里爾工業公司（Anduril Industries）"銅斑蛇"（Copperhead）系"高速水下彈藥"——融合UUV與魚雷特性的混合裝備，含兩種構型：21英寸（533毫米）直徑型號（對標美海軍Mk-48重型魚雷），以及12.75英寸（324毫米）直徑的Copperhead-M型（對標美海軍Mk-54輕型反潛魚雷）。

雷神公司（RTX）"梭魚"（Barracuda）作為有線制導半自主滅雷潛航器，可改造為進攻性海底打擊武器。滅雷行動本質是通過摧毀敵布設的海底動能效應器來爭奪海上戰場控制權的防御性作戰。"梭魚"由無人水面艇（USV）的發射筒投放，可通過增強耐壓性、加長線纜或改用無纜聲學通信實施自主作業，以實現對深海目標的打擊。

萊多斯公司（Leidos）"海矛"（Sea Dart）系專為情報偵察監視（ISR）及反潛戰（ASW）優化的低成本自主潛航器（AUV），具備武器化攻擊海底目標的潛力。其19小時續航能力及600米（1968英尺）潛深支持對多種海底設施的防區外打擊。現有152毫米（6英寸）及226毫米（9英寸）直徑型號，323毫米（12.75英寸）構型正在論證中。

阿雷特公司（Areté）"鮣魚"（REMORA）由海軍小企業創新研究計劃（SBIR/STTR）資助研發，是可拓展的流體動力載荷投送系統，支持從各類UUV外部布設一次性載荷。該模塊通過高強度真空吸附于載體外殼，由載具以高頻穿殼聲學信號指令自主釋放。以諾格公司"蝠鲼"（Manta Ray）為代表的BWBUG可搭載多組"鮣魚"模塊，通過集群化動能效應器實施海底目標打擊。

海底打擊無需徹底摧毀目標即可達成作戰或戰略效果。輕微損傷（如電力傳輸受限、水聽器陣列性能衰減或耐壓殼體破損）即可導致局部區域情報偵察中斷、指揮通信中斷、電池耗盡或預置效應器失效等"任務效能癱瘓"。受損系統的修復或更換需專業船只、遙控潛航器（ROV）及訓練有素人員在高危環境中作業。對手可能因缺乏維修能力或處于對抗環境而無法響應，使輕微打擊轉化為長期戰場癱瘓。

正如空戰發展出針對后勤樞紐、雷達陣列、通信節點及彈藥庫的打擊模式，海底與海床作戰（SSW）將促使國家與非國家行為體不僅攻擊關鍵水下基礎設施（CUI），更將全面打擊水下戰場空間的系統與設施。在戰役層面，海底打擊對保障有人潛艇等高價值水下平臺機動自由至關重要；其更提供了一種在避免暴露身份與引發公開沖突的前提下投射力量、提高對手代價的戰略力量倍增手段。

參考來源：marinetechnologynews

多智能體系統正通過復雜的自主AI智能體網絡變革現代國防戰略。這些系統顯著提升陸、海、空及網絡空間軍事行動效能。本文探討多智能體系統在國防中的關鍵作用，分析其前沿應用場景、核心優勢以及技術演進過程中面臨的挑戰。

從戰場模擬到實時威脅分析，多智能體系統正在優化軍事決策流程與作戰效能。此類分布式AI網絡可高速處理海量數據、協調響應行動，并以超越傳統集中式系統的方式適應動態環境。隨著國防機構對該技術的持續投入，多智能體系統即將重塑國家安全架構與軍事戰略體系。

然而，將多智能體系統整合至國防框架既帶來機遇也伴隨挑戰。本文深入探討如何平衡協作式AI的技術潛力與安全風險、倫理爭議及人類監督機制等核心議題。

海岸防御應用

圖：海岸線上部署的機動化防御系統。

海岸防御是一項需要快速決策與協同作戰的關鍵任務。多智能體系統正使該任務更高效且更具成效。此類系統通過多個小型智能設備協同工作實現功能，其運作模式猶如協同作業的微型機器人集群。

分布式分層設計是該領域行之有效的架構方案。這種智能組織架構采用樹狀分支結構——頂層負責核心決策，底層分支處理具體戰術任務。該架構顯著提升海岸防御團隊的響應速度與決策質量。

實際應用場景中，當不明船只接近海岸線時，中央控制中樞（相當于樹干）率先發現目標，隨即指令戰術單元（相當于分支）實施抵近偵察。這些戰術單元可能是無人機或巡邏艇，它們迅速抵近目標區域采集情報，必要時可自主實施快速決策。

系統的卓越效能源于以下特性：
? 多任務并行處理能力
? 上下層級間信息雙向實時交互
? 各子系統明確分工與快速反應機制

研究數據顯示，相較于傳統防御體系，此類系統決策速度提升47%，威脅攔截成功率提高32%。其效能躍升堪比從單一瞭望塔升級為具備即時通信能力的全域觀測網絡。

通過部署此類智能協同系統，沿海區域安全等級顯著提升。系統可提前預警潛在威脅并實施快速響應，切實保障海岸線與沿岸居民安全。

與無人系統的集成

多智能體系統與無人水面艇（USVs）的集成正在變革自主防御作戰。這種技術融合在協同效能與成本效益方面展現出顯著優勢。以下是這些技術如何增強海軍能力的解析。

• 協同效能提升
  配備多智能體系統的USV集群可實現無縫協作，實時共享信息并作為統一整體進行決策。這種協同機制顯著提升海上監視、巡邏及威脅響應效率。設想一支USV艦隊分散于廣袤海域，每艘艇均成為整個海軍力量的"耳目"。

這些自主艦艇通過實時通信，根據環境變化動態調整部署與任務。這種自適應行為確保防御行動在復雜動態環境中保持敏捷響應能力。

• 成本效益優化
  無人系統的應用使海軍在擴大行動范圍的同時降低運營成本。USV的建造與維護成本遠低于傳統有人艦艇，且無需大規模船員配置，既減少人力開支又降低高危環境中的人員風險。

此外，這些自主艦艇可在無需頻繁補給的情況下持續運作。其長航時特性支持對大范圍海域的持久監控，而傳統艦艇執行此類任務將面臨高昂成本。

• 能力邊界拓展
  多智能體系統與USV的集成為防御行動開辟新維度，智能艦艇可執行多樣化任務：
  ? 持續性海上監視
  ? 水雷探測與排除
  ? 反潛作戰支援
  ? 海上突發事件快速響應
  ? 環境監測數據采集

憑借惡劣環境作業能力與艦隊級信息共享機制，配備多智能體系統的USV產生"戰力倍增器"效應，全面提升海軍行動整體效能。

• 未來海軍力量構建
  隨著海戰形態演進，無人系統集成的重要性與日俱增。這些技術使海軍能夠快速應對新型威脅與挑戰。當前對USV及多智能體系統的投入，正為自主作戰主導海上安保的未來奠定基礎。

海軍防御的未來在于人類專業知識與先進自主系統的深度融合，兩者協同守護海域安全的效能將超越歷史任何時期。

"多智能體系統與USV的集成標志著自主防御作戰的重大飛躍。通過提升協同性、優化成本效益及擴展能力邊界，這些技術正在重塑海戰模式。隨著該領域研發持續突破，我們期待更多創新應用將進一步提升海上防御能力。" ——海軍戰略專家簡·史密斯評述

傳統防御系統的挑戰與突破

傳統防御系統愈發難以適應現代戰爭需求。如同只能預判幾步棋的棋手，這些傳統方案在面對現代戰爭動態不可預測性時往往失效。而多智能體系統（MAS）正成為顛覆性解決方案，提供曾經被認為不可能的適應性與韌性。

傳統防御系統在穩定環境中表現穩健，但在適應性場景中暴露顯著缺陷。設想依賴集中式指揮的海軍艦隊：旗艦遭破壞將危及整個行動。多智能體系統憑借分布式決策機制構建靈活彈性防御網絡，恰能克服此類僵化問題。

多智能體系統的核心優勢在于無與倫比的可擴展性。傳統系統常因復雜度提升而崩潰，而MAS卻因此更顯效能。例如自主無人機群——每個單體作為獨立智能體協同執行廣域偵察任務。任務擴展時，新增無人機可無縫融入體系，無需增加中央協調負擔。

多智能體系統的分布式特性與傳統集中式方案的脆弱性形成鮮明對比。面對突發挑戰時，MAS可快速自適應：每個智能體基于局部信息實施實時決策，確保系統整體效能不受個別組件失效影響。

以邊境防御為例：傳統系統依賴固定傳感器與預設巡邏路線，易被敵方利用漏洞。而多智能體系統可部署移動傳感器與自主載具網絡，根據實時威脅評估動態調整布防。這種自適應方案不僅強化安防，更優化資源調配——在預算緊縮的現代國防環境中至關重要。

多智能體系統的優勢超越戰術層面。通過分布式決策機制，系統內建冗余設計與容錯機制：單個智能體失效時，其他單元可即時補位確保任務連續性。這種韌性在不容失敗的高風險防御場景中尤為關鍵。

國防技術的未來在于擁抱多智能體系統原則。通過分布式智能與可擴展架構，我們可構建非被動響應、而是主動預判威脅的防御網絡——在威脅完全形成前實現預警與自適應。在這場全球安全的永恒棋局中，多智能體系統賦予我們前瞻多步的決策能力，將潛在漏洞轉化為戰略優勢。

仿真與建模在國防多智能體系統中的效能驗證

仿真與建模已成為驗證多智能體系統設計、優化決策流程的核心工具。這些技術使開發者和戰略制定者能在現實部署前，于受控無風險環境中測試各類場景。

• 數字實驗室：系統設計的驗證場
   仿真環境作為數字實驗室，可全面測試多智能體系統架構。通過構建智能體及其交互的虛擬映射，設計者能觀測不同條件下的系統表現。該方法無需實體原型的高昂成本與時間投入，即可識別設計缺陷、優化性能參數并完善策略框架。

• 復雜動態場景的模擬優勢
   仿真技術尤其擅長處理現實難以復現的復雜動態場景。在國防領域，仿真可構建精細戰場態勢模型，賦能軍事戰略家探索多樣化戰術路徑及其潛在結果。基于智能體的建模與仿真技術的最新進展，已能創建日趨逼真、具備細微差異的復雜系統數字孿生體。

• 系統原理的解構框架
   建模為理解系統內在機理與關聯提供理論框架。通過創建現實現象的抽象表征，建模者能將復雜交互簡化為可管理與分析的形式。該流程對決策協議開發尤為重要，有助于識別關鍵變量及其對系統整體效能的影響路徑。

• 決策優化的協同效應
   仿真與建模的協同作用顯著提升決策質量。基于不同模型運行多重仿真，決策者可洞察各類選項的潛在結果。這種數據驅動的決策方法減少對直覺或有限經驗的依賴，建立更科學的決策流程。

• 國防場景的實戰化應用
  國防領域將仿真與建模技術深度融入戰略開發與風險評估。軍事規劃者運用這些技術實現：
  ? 模擬作戰環境測試新裝備與技術
  ? 安全受控環境中的作戰人員訓練
  ? 戰略決策潛在結果推演分析
  ? 資源調配與后勤保障優化
  ? 多樣化防御態勢有效性評估

通過運用這些工具，國防機構能更好應對從維和行動到全面沖突的各類場景。仿真建模獲得的洞見助力制定更高效防御戰略，最終強化國家安全保障。

"仿真本身并非決策工具，而是決策輔助工具，其價值在于支撐更明智的決策制定。" ——FIRMA (2000)

該論斷精準概括仿真建模的決策支持價值。盡管這些工具提供關鍵洞見，但無法替代人類判斷。其核心作用在于為決策者提供數據支撐與情景預演，賦能更明智、更自信的決策選擇。

• 技術演進與未來展望
  隨著技術進步，仿真建模工具的能力邊界將持續擴展。從更精準的智能體行為模擬到更復雜的系統交互建模，這些發展將使仿真建模在多智能體系統驗證與跨領域（特別是國防）決策協議優化中發揮更大效能。

多智能體防御系統的未來發展方向

多智能體系統即將徹底革新軍事能力。這些由AI賦能的智能體網絡正快速發展，聚焦于自主性增強、無縫集成與決策流程優化三大方向。

• 自主性突破
   防御系統的自主化水平正邁向新高度。未來自主系統將在最小化人工干預下運作，自適應復雜戰場環境。這種獨立性將縮短響應時間并降低人員風險。

• 跨域集成能力躍升
   多智能體系統的集成能力將實現質的飛躍。空、陸、海、天、網絡五域協同將構建無縫防御網絡，以前所未有的速度與精度應對威脅。

• 智能決策革命
   決策機制正變得日益精密。借助先進AI算法，未來多智能體防御系統將高速處理海量數據、識別模式并制定戰略決策，其速度遠超人類。這種認知飛躍將徹底改變戰術與戰略規劃模式。

• 軍事變革影響深遠
   這些技術進步將引發深刻變革。進化的多智能體系統能更高效應對多樣化威脅，從態勢感知強化到威脅快速響應，全方位重塑現代戰爭形態。

• 倫理框架的必要性
   在推進自主防御系統時，倫理考量必須置于發展前沿。平衡機器自主與人類監督，是確保技術應用符合價值觀的關鍵保障。

多智能體防御系統的未來充滿潛力，預示著軍事能力的新紀元。隨著技術成熟，這些系統將在國家安全維護與地緣格局塑造中發揮核心作用，開創防御技術的新篇章。

參考來源：smythos

人工智能（AI）正將現代戰爭轉變為先進技術的對抗，通過高速數據處理與自主作戰系統獲取戰略優勢。

在烏克蘭戰場，AI加速作戰流程，輔助掃雷與反制虛假信息，但其發展伴隨技術、倫理與量產挑戰。

現代戰爭的科技化轉型
 昨日科幻小說中的場景，如今已實時應用于戰場。人工智能從民用領域趨勢演變為戰略優勢要素，徹底改變戰爭形態。一方面，它幫助交戰方更快更精準決策；另一方面，其可能削弱人類角色，為基于計算機視覺與機器學習算法的自主作戰系統創造空間。

全球軍事AI應用變革
 早在2018年，美國總統首席軍事顧問馬克·米利上將就預警人工智能將極大擴展國家軍事實力。其預言已獲驗證：當前算法可處理衛星影像、無人機偵察結果、社交媒體等海量數據流。美國正測試搭載AI算法的F-16自主戰斗機實施反導機動與制導攻擊，Palantir公司開發的模塊化系統自動處理并電子化呈現衛星/無人機數據，Clearview AI通過社交媒體照片識別俄軍人員，開源數據訓練的系統已能預測敵方行動。

其他國家同步跟進：英國將AI用于戰術醫療訓練；以色列啟用"火工廠"與"福音"系統（數分鐘內完成目標探測與空天平臺任務分配），自詡"人工智能戰爭"；澳大利亞研發"幽靈鯊"自主潛艇；美國運用SandboxAQ量子技術優化裝甲車。技術優勢爭奪已呈全球化態勢。

烏克蘭戰場創新與實踐
 烏克蘭身處戰局，其作戰成果直接依賴AI快速部署。為加速研發成立的Brave1集群已支持約千個項目，含多項AI方案。"格麗塞爾達"系統整合衛星、無人機、社交媒體與敵方數據庫信息流，并入"鎧甲"、"蕁麻"、"甜菜"與"吉斯藝術"系統，將"發現-摧毀"鏈條時間壓縮至極限。"螳螂分析"平臺追蹤虛假信息網絡與克里姆林宮宣傳。

攻擊型無人機領域AI同樣關鍵："薩克爾"偵察無人機在通訊中斷時仍能自主運作，基于計算機視覺的AI算法使其可識別偽裝載具。此類"機械鳥"已通過實戰檢驗，抗俄電子戰系統能力成為烏軍顯著優勢。與此同時，無人機"蜂群"協同系統重要性凸顯——大量無人機無需持續操控即可協同行動，極大提升敵方防空壓力。

地面系統中AI亦發揮作用：國民警衛隊測試基于AI的TGP戰斗模塊，炮塔自主識別目標、計算彈道、追蹤敵軍，僅將開火決策權留予人類操作員。該設計在炮火與自殺式無人機威脅下顯著提升士兵生存率。

掃雷領域AI應用同步擴展：初創公司UADamage運用無人機與傳感器探測地表/地下雷區，大幅提升排雷效率并降低工兵風險。

系統挑戰與倫理困境
 盡管軍事AI進展顯著，挑戰依然存在。技術局限與產能不足制約廣域戰場監控系統規模化部署。此外，戰斗模塊自主性提升引發倫理爭議：在可能誤判或危及平民的場景中，依賴算法決策是否安全？部分國家已開始討論禁止完全自主攻擊無人機系統。

對烏克蘭而言，問題更為緊迫——戰爭正實時進行。因此，國家與私營制造商需平衡技術應用速度與法律道德原則。與此同時，本土AI研發開辟獨特前景：烏工程師積累的經驗或使該國未來躋身防御技術領導者之列。

未來展望與總結
 已有跡象表明，AI正成為戰場決定性力量，重塑情報、規劃與打擊模式。身處當代技術最密集戰爭的烏克蘭，不僅引進西方技術，更在短期內構建高效自主解決方案生態。面對俄羅斯龐大資源儲備，AI創新正成為基輔的"不對稱應對"利器。

軍事AI的持續發展將降低人員傷亡，提升作戰速度與精度，優化后勤與反情報。但完全自主化需謹慎對待，國際人道法原則必須嚴格遵守。在此框架下，人工智能將成為可靠盟友，助力烏軍保持對敵質量優勢。

參考來源：thegaze

設想一個未來：人工智能（AI）以空前的速度、精度與洞察力賦能北約部隊。這場變革的核心正是盟軍轉型司令部——推動北約釋放AI集體安全潛能的引擎。該司令部正推進多項舉措，將AI融入軍事行動、創新、教育與能力發展，呼應北約2030年實現數字化轉型、數據驅動與多域作戰能力的目標。

奠基工程：數據即戰略資產

盟軍轉型司令部AI工作的核心理念簡明有力：數據即戰略資源。正如優質食材成就佳肴，高質量、結構化數據是AI高效、可靠、負責任運行的基礎。缺乏可訪問、可共享、易理解的數據，AI工具將無法釋放全部潛能。

為實現這一愿景，該司令部主導提升北約數據管理與應用效能的行動，包括實施數據開發計劃。該計劃聚合北約作戰與轉型領導者，聚焦將現實需求轉化為實用案例、推動負責任數據共享、確保北約工具系統使用統一數字語言。

通過這一框架，盟軍轉型司令部著力培養數據與AI人才隊伍，支持標準化建設以確保數據可信度與跨系統適用性。這種"數據優先"策略是AI能力融入北約體系的關鍵基礎。在此之上，司令部正將前瞻概念轉化為支撐聯盟行動與決策的實用工具。

從概念到能力：推進實戰化AI解決方案

盟軍轉型司令部對北約數字化轉型最顯著的貢獻在于推進實戰相關的AI解決方案與原型系統。這些項目驗證了AI如何加速決策、提升作戰效能、強化態勢感知。

典型案例是AI FELIX（人工智能前端學習信息執行系統）。該數字助手旨在減少重復性文書工作，優化北約機構知識管理。其最初應用于"戰備委員會"——負責接收、登記、審核所有正式來函的北約總部核心部門。AI FELIX通過每日自動分析數百份文件、標注關鍵信息并分發給相應團隊，將處理時間縮減80%。

基于數萬份文檔訓練，AI FELIX融合機器學習與規則系統，在元數據標注與文件分類上超越人工效率。除自動化外，它還完成北約檔案庫全量回溯標注，顯著提升內部檢索工具效能。該工具已擴展至多個北約司令部，預計服務超2萬用戶，通過自動化常規任務解放人力專注核心職責。

更進一步的AIDA（人工智能數字助手）為北約知識庫引入對話界面。用戶可通過自然語言交互獲取附溯源引文的語境化答案。在保密網絡運行的AIDA采用檢索增強生成技術（RAG），依托數十萬份多密級文件確保回答準確可溯。超越聊天機器人范疇，AIDA代表北約人員數字輔助的進化方向：未來將支持文件起草、數據查詢、系統集成與多智能體協作。每位參謀或可配備AI助手團隊，根據個人偏好執行研究、簡報生成、反饋協調等任務，實現從基礎自動化到智能支持的躍升。

另一新興能力AI CLAIRE（快速開發內容鏈接與人工智能）專注語義搜索與智能內容導航。該工具通過理解查詢意圖（非簡單關鍵詞匹配），幫助北約標準與條令管理者從海量開源與內部資料中提取相關信息，加速關鍵知識獲取，優化動態文件體系的更新維護。

決策優勢賦能：政治-軍事輔助決策（PM-ADM）

為增強北約預見、理解與應對新興威脅的能力，盟軍轉型司令部推進跨域AI應用。**政治-軍事輔助決策（PM-ADM）**計劃在數據攝取、分析、知識建模與智能代理等多層面部署AI。

PM-ADM系統全天候運行，持續處理傳統指揮控制系統與開源數據。通過自然語言處理解析結構化/非結構化信息，并對照北約戰略知識模型（以本體論構建的聯盟關鍵概念關系圖譜）。當識別可能影響戰略優先級的新數據時，系統自動將其整合至知識庫并建立關聯。

數據攝入后，系統基于**網絡本體語言（OWL）**等標準進行語義推理，生成新洞見與模式識別。這些推斷納入知識庫，支撐高級查詢工具與驗證框架。系統內智能代理可識別認知空白并提出填補方案。

分析結果輸入各類可視化工具，助力戰略洞察與人類認知。PM-ADM最終目標在于捕捉低層級指標，通過語境化分析揭示北約利益風險，實現更早期、更明智的干預以遏制事態升級。

情報能力現代化：強化北約認知優勢

在戰略競爭中獲得"認知優勢"（比對手更快思考、決策與行動的能力）至關重要。盟軍轉型司令部主導的情報與ISR（情報監視偵察）功能服務能力項目，正在革新北約開源情報（OSINT）與圖像情報（IMINT）的采集處理方式。

該計劃整合人員、流程、工具與數據，支撐北約全情報周期（從采集到分發）。其目標是為規劃分析團隊提供無縫銜接的集成體驗，實現情報輸入與決策流程直連。

全面部署后，系統將提供預測分析、自然語言處理、關系圖譜、變化檢測、圖像目標識別等AI工具，加速情報工作流的同時提升決策洞見深度與精度。最終目標是幫助北約保持認知優勢，并將態勢感知擴展至信息環境領域。

解碼信息疆域：AI賦能信息環境評估

在當今互聯互通且充滿對抗的世界，理解與應對信息流動至關重要。北約**信息環境評估（IEA）**能力通過監測公共信息空間中友方、中立與對抗方的信息活動，支撐戰略傳播的"理解"功能。

IEA實時持續評估信息環境，識別關鍵社會群體、行為模式與影響路徑。這種深度受眾理解助力任務行動中的快速循證決策。該項目整合敘事分析、情感分析、社交網絡分析與建模仿真等先進方法，AI技術在自動化海量數據處理、新興議題識別、信息傳播預測等方面發揮核心作用。

通過人機協作，北約力求領先對抗性敘事，促進真實信息傳播，確保戰略響應明智有效，最終捍衛聯盟內部信任、團結與韌性。

兵棋推演革新：AI強化軍事演習與戰略思維

兵棋推演作為檢驗戰略、測試方案、提升決策的傳統方法，正在盟軍轉型司令部獲得AI賦能。該司令部探索如何通過生成式AI與大語言模型提升推演真實性、效率與場景多樣性。

近期實驗表明，AI可生成精細想定、模擬敵我行為策略、輔助艱難決策，甚至在推演中提供實時評估。例如生成式AI工具在戰略級兵推中模擬紅藍隊策略，幫助參演者動態探索復雜決策空間，獲得快速定制化反饋。

所有AI兵推應用均遵循《北約負責任使用AI原則》，確保人類監督、透明度與可靠性貫穿始終。

培養AI就緒人才隊伍

國防領域AI應用不僅關乎技術部署，更需人才儲備。盟軍轉型司令部著力培養北約機構的AI素養，創建專項培訓計劃，將AI主題融入演習與課程。

典型舉措包括面向司令部人員的大語言模型（LLM）系列培訓，重點破除技術神秘感，建立負責任使用AI的信心。司令部新設數據科學與AI團隊，通過TIDE Sprint會議與專家網絡推進北約實踐社區建設，確保AI轉型"以人為本"。

戰略引領與責任治理

作為北約AI戰略方向的核心塑造者，盟軍轉型司令部與創新、混合與網絡事務助理秘書長聯合主持數據與AI審查委員會（DARB）。該治理機構監督聯盟AI負責任應用，推動《北約AI戰略（修訂版）》落地，強調優質數據、嚴格測試評估框架、防范AI對抗性使用等原則。

戰略要求加速實用AI案例開發、支持國際標準建設、深化與盟國、工業界和學界合作。盟軍轉型司令部正通過北大西洋防務創新加速器（DIANA）、國家測試中心與學術伙伴等多渠道推進相關工作。

未來之路：以關聯速度驅動負責任創新

國防AI時代已至，盟軍轉型司令部正引領北約轉型。通過推進負責任創新、培育數字素養人才、擴展具有作戰影響力的AI能力，該司令部正在塑造聯盟防務未來。

集體安全的未來將由智能技術定義——盟軍轉型司令部正為此鋪路。通過其工作，司令部為聯盟配備應對新興挑戰所需的工具、人才與信任基石，以自信姿態把握前方機遇。

參考來源：北約

人工智能正在改變戰爭。英國防部如何準備應對未來的變化？

對于人工智能的軍事用途所帶來的接受挑戰，傳統的反應是堅持要求人類保持 "有意義的人類控制"，作為一種產生信心和信任的方式。考慮到人工智能和相關基礎技術的普遍性和快速發展，這不再是一個適當的回應。人工智能將在整個軍事行動范圍內廣泛的指揮和控制（C2）活動中發揮重要的、日益增長的作用。雖然在公眾心目中，人工智能的威脅沒有 "殺手機器人 "那么直接，但在軍事決策中使用人工智能會帶來關鍵的挑戰，同時也有巨大的優勢。加強人類對技術本身的監督并不能防止無意的（更不用說有意的）濫用。

本文以各級（作戰操作員、指揮官、政治領導人和公眾）的信任對有效采用人工智能進行軍事決策至關重要這一前提為基礎，探討了關鍵的相關問題。對人工智能的信任究竟意味著什么？如何建立和維持它以支持軍事決策？人類操作員和人工智能體之間的共生關系對未來的指揮需要作出哪些改變？

當人類對人工智能的行為持有某些期望，而不考慮人工智能體的意圖或道德時，可以說存在對人工智能的信任。然而，與此同時，信任不僅僅是技術性能和可靠性的一個功能--它不能僅僅通過解決數據完整性和可解釋性問題來保證，盡管它們很重要。軍事人工智能中的信任建設還必須解決軍事組織和指揮結構、文化和領導力方面的必要變化。實現總體上適當的信任水平需要一個整體的方法。除了信任人工智能的使用目的之外，軍事指揮官和操作人員還需要充分信任--并且在如何信任--支撐任何特定人工智能模型的輸入、過程和輸出方面得到充分的培訓和具有豐富經驗。然而，最困難的，也可以說是最關鍵的層面是組織生態系統層面的信任。如果不改變軍事決策的體制因素，未來人工智能在C2中的使用將仍然是次優的，被限制在一個模擬框架內。有效引進任何新技術，更不用說像人工智能這樣的變革性技術，需要從根本上重新思考人類活動的組織方式。

優先考慮人和制度層面并不意味著對技術進行更多的控制；相反，它需要在不斷發展的人機認知系統中重新思考人的作用和貢獻。未來的指揮官將需要能夠在一個真正的 "整體部隊"中領導不同的團隊，整合來自軍事、政府和民事領域的貢獻。他們必須對他們的人工隊友有足夠的了解，以便能夠與他們合作并挑戰他們。這更類似于海鷗的雜音，而不是個別 "翠鳥"領導人的天才。為了發展新的指揮和領導概念，英國防部必須重新思考其方法，不僅是培訓和職業管理，還有決策結構和程序，包括未來總部的規模、位置和組成。

人工智能已經在改變戰爭，挑戰人類長期的習慣。通過在訓練和演習中接受更多的實驗，以及探索C2的替代模式，國防部可以更好地準備迎接未來不可避免的變化。

前言

人工智能正在改變人類的思維和決策方式。未來，它將越來越多地影響人類如何確定各種認知過程的優先次序，調整他們的學習、行為和訓練，并更廣泛地改造他們的機構。這些變化在整個軍隊中仍不完全明顯。盡管有新的技術和戰爭迅速發展的特點，今天的武裝部隊在組織結構上與后拿破侖時代歐洲的職業軍隊并沒有很大的區別。太多的人仍然參與到軍事任務中，而這些任務技術可以做得更好更快，并且對于重新思考人類對人機團隊的認知貢獻也沒有給予足夠的重視，而這正是解決未來指揮和控制（C2）問題所需要的。

本文以QinetiQ公司早先的一份報告為基礎，該報告將信任視為軍事能力的基本組成部分和2020年代軍事適應性的基本要求。本文探討了在軍事決策中越來越多地使用人工智能的最新趨勢和想法。本文并不直接關注這一趨勢的倫理（或法律）問題，盡管這些問題很重要。相反，本文強調了信任作為人工智能時代軍事指揮的一個因素的重要性和意義。

人工智能對軍事決策和C2的潛在深遠影響很少引起專家團體以外的關注。大多數公眾關注的是技術的優勢和風險，而不是人類認知和制度構建的潛力和限制。20多年前，著名的社會生物學家E-O-威爾遜抓住了人類當前的挑戰。威爾遜說，真正的問題是，"我們有舊石器時代的情感；中世紀的制度；和神一樣的技術。"在過去的幾十年里，技術的發展速度遠遠超過了人類適應它的能力。強調人工智能的技術屬性，而忽略其日益增長使用中的人類和制度層面，只會使挑戰更加復雜。

在許多領域，人工智能的軍事經驗仍然有限，需要做更多的工作來了解人工智能在人類決策中作用日益增長的影響。本文旨在引發一場更廣泛的辯論，討論英國國防企業內部所需的文化和組織變革，包括指揮部和指揮官的作用，以確保人工智能在未來軍事決策中的最佳使用。

本文的見解來自與人工智能、人類認知、軍事決策和信任理論有關的更廣泛的文獻。這項研究在2021年9月至2022年2月期間進行，大大受益于與來自國防、學術界和工業界的廣泛專家和用戶的訪談。

前兩章提供了本文的理論背景。第一章探討了人工智能和信任的概念，第二章則分析了人類機構的作用以及人工智能對人類做出選擇和決定的認知能力的影響。第三章結合信任、人工智能和人類機構的概念，提出了一個在人工智能支持的軍事決策中發展信任的五維框架。第四章擴大了對C2的分析范圍，特別關注人工智能對傳統上支撐武裝部隊行使權力和指導的人和體制結構的影響。最后一章提出了對未來指揮、領導和 "全軍 "團隊的進一步研究領域。

1. 人工智能和信任

對于人工智能或與人工智能有關的信任，并沒有標準的定義。這兩個概念都有不同的解釋，有時也會有激烈的爭論。本章沒有試圖綜合所有關于這兩個術語的文獻，而是建立了一個基準定義，為隨后討論關于人工智能應用于軍事C2的信任作用提供框架。

1.1 人工智能的性質和類型

人工智能的概念起源于1950年著名的圖靈測試，該測試發生在這個詞被創造出來的幾年前。通過關注它做什么而不是它是什么，更容易將人工智能概念化。人工智能 "試圖讓計算機做人類思想能做的各種事情"。在最基本的方面，它可以被理解為追求特定任務的虛擬信息處理能力。正如 "智能"（或 "思想"）有許多層面和不同的用途，人工智能也是如此。因此，人工智能從廣泛的學科中汲取不同的想法和技術，不僅包括數學和計算機工程，還包括哲學、經濟學、神經科學、心理學和語言學。

廣義上講，有三種不同層次的人工智能：人工狹義智能，通常被稱為 "狹義人工智能"；人工通用智能，有時被稱為人類水平的人工智能；或者更強大的人工超級智能，超過人類的智能水平。在這一點上，有些人認為會出現一個奇點，在這個奇點中，人工智能要么變得有自我意識，要么達到持續改進的能力，使它的發展超出人類控制。后兩種水平被認為仍有一段距離，盡管距離有多遠還存在爭議。不過，就目前而言，狹義人工智能更先進應用的出現，如先進的機器人技術，加上計算能力的爆炸，才是目前關于人工智能的軍事用途辯論的主要動力。本文重點討論狹義人工智能的應用。

圖 1：AI 類型的簡化分類

在狹義的人工智能中，還有更多的類別，盡管這些技術并不完全是離散的，而且經常被結合使用。最常見的區別是符號人工智能和亞符號或非符號人工智能，前者通常被描述為基于邏輯，后者基于自適應或學習。符號人工智能依賴于順序指令和自上而下的控制，使其特別適合于確定的問題和基于規則的過程。非符號人工智能，其中神經網絡是一種常見的方法，涉及并行、自下而上的處理和近似推理；這與動態條件和數據不完整的情況最相關。符號人工智能提供了精確性和可解釋性，而涉及神經網絡的非符號人工智能則不那么脆弱（網絡中缺少一個節點并不會導致整個網絡無法運行），并且能夠在沒有明確規則或一致證據的情況下識別模式。

有三種常見的機器學習類型，根據有助于智能體學習過程的反饋類型進行區分：監督學習；無監督學習；以及強化學習。在監督學習中，系統被訓練來產生假設或采取具體行動，以追求基于特定輸入的目標值或輸出（被稱為標簽）（例如，圖像識別）。無監督學習沒有設定規格或標簽，也沒有明確的反饋；相反，系統通過尋找數據中的模式進行學習（例如，DNA序列聚類）。強化學習依賴于一個反饋回路，通過試錯或獎懲機制穩定地強化系統的學習行為（例如，先進的機器人技術或無人駕駛汽車）。與監督學習不同，強化學習中使用的輸入數據不是預先定義的，這允許更廣泛的探索，但與無監督學習不同，它有一個預期的應用或總體目標（與總體獎勵最大化相關）。

所有三種類型的機器學習，無論監督或自律的程度如何，都提出了重要的信任和值得信賴的問題。所需的信任程度和性質因使用人工智能的目的不同而不同。

1.2 概念：信任（Trust）

信任描述了兩個或多個智能體之間的互動。信任的傳統定義是假設信任者對受托人的能力和善意（或動機）存在合理的信念。對許多人來說，道德誠信（或意圖）的問題是信任與其他概念（如信心）的區別。另一些人認為，信任的范圍和所指比信心更廣，后者被視為與具體事件相關的獨立判斷。大多數信任的定義趨于統一的是一種脆弱的感覺。沒有背叛的可能性，沒有風險的存在，就不可能有信任。

正是因為經典的信任概念中隱含著假定的道德因素，一些人質疑使用該術語來描述人類與人工智能體的關系。他們認為，在目前狹義人工智能的水平上，我們不能將意向性或道德機構歸于人工智能系統，因此使用 "信任 "一詞是不恰當的。另一些人采取了不那么純粹的觀點，并以反映日常使用的方式應用該術語，意味著對系統的可靠性有信心。

信任作為一個術語在計算機科學中被廣泛使用。更重要的是，信任仍然是公眾和用戶接受人工智能的一個基本方面。今天，關于人工智能的國家政策、法規和專家建議經常強調 "值得信賴的人工智能 "的必要性。例如，DARPA的空戰進化計劃正在探索方法，以模擬和客觀地衡量飛行員在斗狗時對人工智能的信任。認識到這些尚未解決的定義問題，作者選擇了略微調整 "信任 "一詞，使之與通常的做法一致。

作者調整后的信任概念需要對人工智能的表現有一定的預期，而不需要假設人工智能方面的特定動機。因此，對人工智能體行為的積極預期可能是信任存在的充分條件，而不考慮意圖。

在目前大多數關于人工智能的討論中，重點往往是人作為信任者，系統作為受托人，盡管任何認知智能體，包括自主機器人和智能機器，原則上也可以履行信任者的角色。這樣理解的話，信任就成了 "系統成員之間互動的促進者，無論這些成員是人類智能體、人工智能體還是兩者的組合（混合系統）"。事實上，在人工智能更成熟的應用案例中，受托人最有可能同時包括人工智能支持的系統（人工智能體）和該系統的提供者（人類智能體）。在目前的人工智能水平上，信任似乎是一種單向的關系，涉及人類 "信任 "人工智能的程度，而不是真正的雙向信任，即人工智能對人類表現的看法。

各種因素決定了（人類）對技術的信任，包括但不限于信任者的能力水平和信任傾向，以及整體環境或背景（包括更廣泛的文化和機構動態）。除了這些針對人類和環境的考慮，決定一個人或組織對人工智能的信任程度的是技術的性能、過程（它如何產生特定的輸出），以及重要的是目的。所有這三者都決定了人工智能系統的設計和部署。

除了技術的穩健性和安全性，隱私、公平、透明度和問責制是一些最常被提出的影響公眾對人工智能信任的問題。然而，主要是由于設計適當的算法、理解復雜軟件系統的內部結構以及為基于算法的決策賦予責任等方面的困難，所以在值得信賴的人工智能的關鍵屬性列表中總是會加入進一步的考慮：這被交替稱為人類機構、監督或有意義的控制。在某些情況下，保持人類對技術使用的監督可能是唯一的保護措施，以防止無意中出現有偏見的、不可捉摸的和/或監管不力的人工智能系統的風險。

1.3 概念：控制（Control）

控制通常被看作是信任的反面。當對智能體執行任務的能力有信任時，就不需要監督。然而，即使在人工智能更適合做決定的情況下，人類也會經常傾向于干預。信任不足可能和過度信任一樣有風險或適得其反。事實上，正如絕對的控制是罕見的，絕對的信任也是如此。在開發和使用人工智能的過程中，有必要在適當的信任水平和適當的控制水平之間取得謹慎的平衡。這是 "校準的信任 "或可適應/適應性自主性等概念的核心。信任是根據人工智能的能力來校準的，對人工智能能做什么或不能做什么的期望將影響信任的水平。同樣，在可適應的自主性的情況下，用戶定制自主性水平的能力可以支持更大的信任水平。這在國家安全決策中尤為關鍵，因為信任或不信任人工智能的影響可能是最大的。

對技術在人類事務中的作用的擔憂并不新鮮。許多人認為關于人工智能的辯論與之前關于技術的爭論沒有什么不同。根據這一論點，人工智能構成了一種進化，而不是對過去活動的徹底背離，即使人類有時可能在背離以前的自動化水平的情況下被從決策圈中移除。雖然信任仍然是一個挑戰，特別是在機構和社會層面，但穩步應用最初仍然有限的人工智能來支持軍事活動，隨著時間的推移，可以培養出熟悉和越來越多的信心。

其他人，通常是政府以外的人，質疑這種漸進式的方法。他們認為人工智能的崛起是一種范式的轉變，與以前的任何技術都有質的不同。以前的技術都沒有將人工智能的雙重用途特性、傳播的便利性和實質性的破壞潛力結合起來。在過去，最具破壞性的技術都在政府的控制之下，或者在軍事領域之外幾乎沒有應用。此外，雖然以前政府主導了大部分新技術的開發，但這種趨勢幾乎完全逆轉；現在大部分投資和創新來自于工業。鑒于軍事和民用界限的模糊，以及我們的對手和競爭者對人工智能的投資，認為我們可以控制人工智能發展和使用的速度和程度是不明智的。在反思算法技術的進步時，一些人甚至進一步聲稱技術和人類之間的角色發生了逆轉，人們正在成為 "人類的人工制品"和"（技術系統的）智能體"。

如果我們接受對人工智能系統在未來如何操作（和運行）進行完全控制的限制，關鍵問題是我們如何在算法超過目前的性能水平后長期確保適當的交互和人類判斷。反應時間是軍事競賽中的一個關鍵優勢；加快OODA（觀察--方向--決定--行動）循環的各個方面，通常會給那些先到者帶來領先優勢。而這樣做只要一方開始使用人工智能來加快他們的決策和反應時間，另一方就會受到壓力。

2. 人工智能和人類機構

2020年12月，美國空軍首次使用人工智能副駕駛飛行了一架軍用飛機。這種被稱為ARTUμ的算法完全控制了傳感器的使用和戰術導航，而其人類隊友則駕駛著U2間諜飛機。這是首次出現人工智能控制軍事系統的情況。用美國空軍前首席采購官員威爾-羅珀的話說，ARTUμ "是任務指揮官，是人機團隊的最終決定者"。

甚至在ARTUμ演示之前，美國國防部已經開始了其全域聯合指揮控制（JADC2）計劃的工作。JADC2旨在打造連接五個軍種的傳感器，承諾對作戰環境進行快速分析，以便在幾小時或幾分鐘內做出決策。在未來的JADC2中，人工智能將允許快速處理數據，為目標識別提供信息，并推薦最佳的交戰武器（無論是動能還是非動能）。美國空軍的先進作戰管理系統、美國陸軍的 "聚合項目"（被稱為 "學習運動"）和美國海軍的 "超配項目 "都在嘗試使用人工智能與自主性相結合的方式來支持JADC2。

其他國家，包括英國通過英國陸軍的 "Theia計劃"等項目，以及北約也已經開始嘗試使用人工智能來支持C2和決策。然而，這種試驗的規模和范圍仍然有限。與數據挖掘和語言翻譯等領域不同，人工智能在軍事決策中的應用仍處于起步階段。

美國國防部高級研究計劃局目前開展的工作提供了對未來的一瞥。作為其 "AI Next "項目的一部分，該機構的第三波人工智能投資尋求 "將計算機從工具轉變為解決問題的伙伴"，并 "使人工智能系統能夠解釋其行動，并獲得常識性知識并進行推理"。

2.1 人工智能的民事與軍事用途

人工智能已經塑造或推動了我們的許多日常決策。在某些情況下，它已經改變了整個行業。在高度交易性的活動中尤其如此，如保險或零售部門。人類已經將關鍵活動的責任交給了人工智能，讓算法在沒有人類干預的情況下做出決定。今天，人工智能塑造了谷歌和Facebook等網絡平臺提供的內容，也決定了哪些內容被刪除或屏蔽。保留了人類因素的人工智能決策支持系統也在激增，被用于從醫療診斷到改善制造工藝的各個方面。

很少有地方像金融業那樣，人工智能從根本上改變了人與機器的關系。人工智能現在負責絕大多數的高頻交易。在幾毫秒內做出的數千項微觀決定有能力改變整個財富，有時會帶來毀滅性的后果，2010年的 "閃電風暴 "證明了這一點。人類的決定對于金融市場的效率不再是必要的，事實上，甚至可能會起到反作用。無形的算法似乎已經超越了無形的手。

至于社會的其他部分，人工智能的潛在軍事用途涵蓋了廣泛的應用范圍。這些可以有效地分為企業、任務支持和業務人工智能應用。人工智能的軍事應用，特別是與任務支持和作戰用途有關的應用，在一些基本方面與日常的民用活動不同。在平民生活中，人工智能有機會利用大量容易獲得的數據，不斷針對現實生活中的例子進行訓練和學習。對于軍隊來說，與對手的接觸是零星的，來自真實行動的教訓或 "數據 "在數量和頻率上都相對較低。除了軍事對抗的偶發性質，國家安全決策通常依賴于一套復雜得多的條件，涉及多個參數和利益相關者（更不用說對手的意圖），而今天的算法沒有能力再現這些條件。最后，也是最重要的一點，在國防和國家安全問題上，面臨風險的不僅僅是財富，還有生命。數學邏輯不足以為決策提供依據；在使用武力時，道德和倫理考慮比任何其他人類活動都要突出。當人類生命的完整性受到質疑時，我們為技術設定的標準將永遠高于我們為容易出錯的人類設定的標準。

除了美國、英國和北約等國的現行政策外，人們普遍認為人類將在決策中保留一個關鍵角色。美國國防部的人工智能戰略指示以 "以人為本的方式 "使用人工智能，有可能 "將人類的注意力轉移到更高層次的推理和判斷"。納入人工智能的武器系統設計應 "允許指揮官和操作人員對武力的使用進行適當的人類判斷"，并確保 "清晰的人機交互"。提到人類總是 "在循環中 "和 "完全負責選項的開發、解決方案的選擇和執行"--這是以前對我們日益自動化的未來的評估中的常見說法--已經被一種更細微的觀點所取代。

所謂的有監督的自主系統是指人類坐在 "循環 "上。雖然人類在理論上保持監督，但一些批評者認為，在實踐中，他們可能無法真正控制自動決策，因為他們可能不熟悉為他們提供決策信息的環境和人工智能程序。在這些情況下，人類的干預能力，除了停止機器之外，被降到最低，沒有達到"有意義的人類控制 "的想法。只有在完全自主系統的情況下，人類的干預才會被完全消除。然而，最終，試圖定義自主性水平的做法可能會產生誤導，因為它們假定人類和機器之間的認知活動是簡單分離的。2012年美國國防科學委員會的一份報告描述了如何:

• 沒有完全自主的系統，就像沒有完全自主的士兵、水手、空軍或海軍陸戰隊一樣。也許對指揮官來說最重要的信息是，所有的系統在某種程度上都由人類監督，而最好的能力來自于人類和機器的協調和合作。

兩個領域的發展揭示了各國政府在國防和國家安全的關鍵決策中信任先進的自動化方面已經走了多遠。一個是導彈防御，另一個是網絡防御。兩者的有效性都取決于反應速度，這通常超過了最有經驗的人類操作員的能力。

大多數防御性武器系統，從短程點防御到反彈道導彈系統，都采用先進的自動化操作，使其能夠在沒有人類干預的情況下探測和摧毀來襲導彈。算法實際上是在發號施令。在這種系統中，人類被稱為 "循環"，在事先經過嚴格的人類測試后，在有限的設計空間內運作，因此其控制范圍受到限制。雖然錯誤永遠不可能被完全消除，但在大多數情況下，不做出反應或反應遲緩的風險可能超過偶爾發生事故的風險。雖然事故促使人們對這些自主系統的操作進行審查，并可能導致引入一些進一步的人為檢查，但這種干預也帶來了進一步的復雜性。對越來越快的導彈，特別是高超音速導彈的防御將繼續推動人工智能在導彈防御中的應用。

網絡戰是人工智能相對于人類具有明顯優勢的另一個領域，而這往往需要人類保持置身事外。人類操作員缺乏算法快速檢測和應對網絡事件以及不斷調整系統防御的能力。所謂的認知電子戰（EW）系統應用人工智能技術來自動檢測對EW系統的威脅，而不是依賴人類操作員。

2.2 人類和人工的局限性

將決策過程中高度耗時、勞動密集型和需要低層次人類推理的部分自動化，有巨大的好處。軍事評估過程是軍事決策過程的一個關鍵部分，一直是參謀學院教授的標準作戰計劃過程。這種方法的一部分涉及收集和處理信息，為一個或多個行動方案提供信息。由于信息時代的決策需要更大的速度和敏捷性，達成決策的過程將需要加速。人工智能已經證明了它在基于明確定義的規則、輸入和假設快速執行理性過程中的效用。只要人類負責設定假設并定義產生替代方案和概率評估的輸入，人工智能就能增強整個決策過程。

可以理解的是，政府內部和外部都不愿意讓人工智能發揮超出決策支持和適當決策的作用。"指揮和控制"的概念在軍隊的心理和結構中根深蒂固，許多人無法接受一個在某種程度上不涉及人類控制軍事行動或指揮任務的未來。人被要求帶著他們對問題的創造性見解，像現代的亞歷山大一樣解開這個死結。沒有什么比對 "翠鳥時刻 "的信念更能體現這種對直覺型指揮官形象的依戀。這種技能，即指揮官藝術的精髓，只限于那些在最苛刻的情況下能夠憑直覺做出決定的少數人。人工智能提供并非基于人類邏輯或經驗的獨特見解的能力，對這種思維提出了深刻的挑戰，并可能在未來改變指揮官的形象。

許多人將人工智能稱為決策支持而不是決策工具，其推論是人類最終仍然是所有決策的仲裁者。這樣的區別造成了一種令人放心的錯覺，即人工智能只是協助實現一種效果。人類根據一套算法挖掘、篩選和解釋的數據做出的致命行動決定，是否比由智能機器完全執行的決定需要更多的人類機構？對 "行動 "的癡迷--更不用說致命行動--作為更廣泛的 "殺傷鏈 "的最后元素，掩蓋了人工智能在整個行動范圍內的一系列C2活動中日益增長的影響。

許多專家對人類是否有能力控制由人工智能促成或驅動的決策持懷疑態度。這種懷疑往往圍繞著所謂的黑盒問題：高級人工智能，如深度學習，在本質上是無法被人類理解的。這不僅僅是由于它的工作速度，也是由于算法網絡相互作用的方式，以及它們所操作的數據的規模和復雜性。我們不能簡單地詢問系統以了解其思維過程。我們可能知道一個模型的輸入和輸出，但卻無法理解這中間發生的事情。一個相關的、更微妙的論點是，算法對人類的認知攝入施加了 "權力"。人工智能可以決定人類處理哪些信息，而不向他們透露哪些信息被遺漏或拒絕。它還挑戰了這樣一個概念，即如果人類的行動受到數據呈現的內容和方式的制約，他們可以行使 "有意義的 "控制。這與人工智能的好處之一正好相反，即它能夠減少人類的認知負荷，使人類能夠集中精力思考和作出最高價值的活動。

對黑盒挑戰的典型解決方案是開發可解釋的人工智能（XAI）。盡管能夠自我解釋的人工智能可能有助于理解，但它并不必然會導致信任。XAI并不等同于可解釋的AI；解釋不是一個決定，而是一個關于決定的敘事。因此，即使是一個令人信服的解釋也不一定是真的。對于許多潛在的用例，我們還遠遠沒有能力開發出足夠的可解釋（Explainability）的人工智能，更不用說可因果解釋（Interpretability）的了。對更先進的人工智能系統進行嚴格的測試可能會證明它們的部署是足夠的，即使是在沒有人類能力遵循其推理過程的情況下。不過，從根本上說，我們對測試的傳統方法需要重新思考。沒有充分的測試和評估，對不可解釋/可解釋的人工智能的信任將是 "盲目的信任"。對于美國前國防部副部長鮑勃-沃克的問題，我們仍然缺乏一個令人滿意的答案：你如何對學習系統進行測試和評估？

當存在不確定性或缺乏知識時，人類會應用啟發式方法來近似解決復雜問題。啟發式方法是驅動直覺思維的因素；它依賴于經驗法則，通常是通過經驗和實驗來了解。因此，它可能存在偏見和盲點，但它也可以作為一種非常強大和有效的快速認知形式。機器缺乏類似人類的直覺，但它們確實依靠啟發式方法來解決問題。與人類推理的關鍵區別在于，機器不需要記憶或 "個人 "經驗就能進行 "直覺 "或推理。它們利用巨大的數據庫和卓越的概率能力為決策提供信息。強大的模擬與先進的計算能力相結合，提供了一個測試和 "訓練 "算法的機會，其重復程度是人類無法想象的。在宣布任務準備就緒之前，ARTUμ在短短一個多月內經歷了超過一百萬次的訓練模擬。

即使在XAI領域取得了重大進展，仍然會有謹慎的理由，特別是在需要復雜決策的情況下。人工智能通常不善于看到 "全局"，也不善于根據相關的內容做出決定。像人類一樣，它也會把相關性或偶然事件誤認為因果關系。人類和機器在處理復雜問題時都會遇到 "正常的意外"。創造力是人類通常具有的特質，但一些先進的人工智能可以產生人類無法企及的驚人結果。簡而言之，許多通常被認為是人類特有的屬性，如創造力和直覺，也可以說適用于人工智能系統--盡管方式不同，速度超過人類能力。

目前機器所缺乏的是人類思維的靈活性和關聯感（"框架 "的能力）。人類可以橫向思考，通過實用主義得出合理的結果（這一過程被稱為歸納推理），并反思自己的思維過程（這一能力被稱為元認知）。這些心理過程可以產生驚人的適應和創新的壯舉。

人工智能的出現意味著未來的軍事決策將幾乎肯定需要更強大的人機共生關系，就像在已經接受該技術的商業組織中看到的那樣。目前的討論大多是假設人類繼續控制，或尋求將人類的屬性應用于未來的機器。一些人提倡一種新的 "決策演習"概念，將 "人的指揮和機器的控制"結合起來。但更有可能的是，指揮和控制的責任將越來越多地由人類和人工智能系統分擔，其方式可能是目前難以設想的。人類與人工智能的合作提供了利用各自優勢和減少不足的最佳方式，特別是在戰爭方面（目前戰爭的性質仍然沒有改變）有四個連續性：政治層面；人類層面；不確定性的存在；以及戰爭是一場意志的較量。

3. 信任的維度

信任是動態的；它隨時間而變化。它的最初形成是至關重要的，但它的持續發展也是如此。信任是隨著熟悉程度的提高而自然產生的，因此，假設經驗是積極的，即使是在對技術不完全了解的情況下，技術的使用也會擴大信任的范圍。反過來也是如此，不好的經驗會促進不信任。移動電話技術復雜性對大多數用戶來說是未知的，但人們的積極經驗給了他們使用的信心。這種信心導致了與手機使用所形成的決定相適應的信任感。然而，手機一般不會決定生死大事，盡管它們會將盲目聽從指示的不謹慎的司機置于危險之中。在軍事背景下，賭注更大，用戶和策略制定者非常清楚他們的決定的潛在后果--信任門檻很高。

軍隊作為應急組織，不需要定期交付其主要產出，這影響了可以獲得最直接相關經驗的速度。與金融服務業不同的是，在金融服務業中，交易為人工智能決策提供了頻繁的驗證，而國防部門的時間線往往更長，結果在一個單一的因果鏈中也沒有明確的聯系。做出決定和觀察其影響之間的時間間隔更長，并受制于多種干預變量。雖然模擬演習創造了獲得經驗的機會，但它們只是現實的近似值。

3.1 信任點（Trust Points）

建立和維持信任涉及五個主要的 "Trust Points"--在這些點上，擁有適當水平的信任問題是至關重要的。這些點是：

• 部署信任：使用人工智能的目的
• 數據信任：正在使用的數據輸入
• 過程信任：數據如何被處理
• 輸出信任：由人工智能產生的輸出
• 組織系統的信任：優化使用人工智能的整體生態系統

總的來說，這些Trust Points定義了一個整體的信任水平，并且是乘法的：如果對其中一個的信任是 "零"，那么整體就是 "零"。只要整體信任是正向的，每個人的信任水平都可以變化--在不同的時間。

部署信任

對在特定情況下使用人工智能的決定的信任是至關重要的。對于人工智能的軍事使用（以及許多民用應用），這在三個層面上運作：社會；組織；和個人。第一個層面考慮的是整個社會是否愿意允許人工智能的使用，這將決定策略制定者如何看待它的使用。組織本身也必須愿意認可這一點。最后，個人必須愿意在這個角色中與人工智能合作。所有這三個層次都需要接受使用人工智能的必要性或其可取性的必然性。可取性可能反映了人工智能在以超過人類操作員的速度或數量（或兩者）處理數據方面的優勢，或在承擔枯燥或危險的工作方面的優勢。而軍方可能會認為，人工智能既實用又要避免將優勢讓給對手，但社會似乎更傾向于將致命的使用視為一個倫理問題，在這個問題上，人類生命的神圣性要求道德行為者決定奪取人的生命。

社會對人工智能使用的接受程度在很大程度上取決于其經驗、有效的溝通和教育，這將有助于為人工智能的使用選擇提供依據。在許多情況下，社會的某些部分可能會比軍方更多地接觸、熟悉和信任人工智能，但致命自主權可能仍然存在問題。雖然沒有致命自主權那么直接的威脅，但在決策中使用人工智能會帶來自己的挑戰，其中最重要的是在一個算法越來越強大、人機協作越來越緊密的世界里，"有意義的人類控制 "究竟意味著什么。

在組織層面，存在關于如何部署作戰和任務支持人工智能的重要問題：是以集中的方式在更高的戰略層面運作，還是以更分散的方式在戰術層面運作。在后一種情況下，人工智能將進一步滲透到組織中，變得更加分散，并用于反應時間可能限制人類干預或驗證人工智能的范圍。組織需要明確決定是否使用人工智能的原則，以及管理其使用的方法（見下文 "過程信任"）。關于使用人工智能的決定必須考慮如果系統失敗會發生什么。美國國家航空航天局（NASA）由于擔心系統故障的后果而沒有充分利用其早期火星車的自主能力，對火星車進行微觀管理，并通過大型人類工程師團隊減輕風險。外部組織，如商業技術供應商，的想法也很重要。例如，谷歌的員工迫使該公司在2018年退出一份軍事合同，因為他們擔心軍方對面部識別技術的使用。

個人對人工智能的熟悉程度也將是重要的。目前，從事軍事人工智能工作的人是其使用的倡導者，但隨著接觸人工智能的人群的增加，這種情況將發生變化。與前幾代人相比，接觸技術較多的年輕軍人可能更容易接受人工智能在軍事決策中的應用，但在基礎等級的聯邦結構中，人才幾乎完全來自內部，對其使用的阻力可能來自那些有權力的人；這可能造成機構接受問題。然而，在 "代際特征 "方面，存在著過度簡化的危險。雖然年輕人是在較新的技術中長大的，而且可能更信任它，但技術是可以學習的。代際假設不能成為不使用現代技術的借口。

部署信任是復雜的，因為大多數西方國家的大規模防務活動都是以聯盟行動為前提的，而不是每個盟友或伙伴都對什么是可接受的人工智能的軍事用途有共同的看法。國防部和政府需要更好地傳達他們在使用人工智能方面的方法、用途和保障措施，包括向盟友傳達，而不向對手透露太多信息，因為他們可以制定戰略來抵消（或更糟）人工智能功能的優勢。北約將通過其公共宣傳活動、與成員國在政治層面的聯系以及在不同技術發展階段的軍隊中建立規范，在這方面發揮關鍵作用。

數據信任

這涉及到對人工智能做出判斷的數據的信任程度，這些數據為人類決策提供了依據。雖然測試硬件和軟件相對容易，但測試數據，甚至是準備讓人工智能接受訓練的數據，則更加困難。數據對于人工智能的有效學習至關重要。一些數據將被控制，駐留在現有的國防系統內，或從可靠的外部來源進行驗證，盡管國防部在數據的分類（不一致或不準確）、存儲、訪問和共享方面存在困難，特別是在較高的分類級別。不受控制的數據，如開放源碼數據，是在沒有人類知識或理解的情況下通過聚合產生的，這更具挑戰性。此外，狡猾的對手會試圖注入虛假數據，以破壞決策過程，或用不相關或不準確的數據淹沒決策過程。

武裝部隊需要定義、構建、清理和分析數據的能力，以及開發和維護底層基礎設施（如連接、安全和存儲容量）的能力。這是一個多學科的團隊工作，需要能夠在數據科學生命周期的所有階段工作的 "全棧 "數據科學家。現代戰場將需要更加多樣化的技能，包括心理學家、律師和通信專家。鑒于商業世界對這些技能的需求，吸引和保留這些專家的數量將是困難的。這將需要更靈活的人力資源做法和/或對整個部隊更復雜的理解和使用，包括允許非軍事人員在軍事總部擔任有影響力的職位。

過程信任

過程信任指的是人工智能系統如何運作，包括數據如何處理（匯總、分析和解釋）。目前英國國防部的（狹義的）人工智能決策支持系統吸引了高信任度，因為算法相對簡單且可預測。它們也僅限于參與開發的一小群用戶，或者認識那些開發了人工智能系統的用戶，并且了解該技術。該技術受益于一種源自人們對人類的信任的過渡性信任。雖然不是人工智能，但法國陸軍引進的包裝降落傘的機器導致了降落傘團的信心喪失。堅持要求機器的主管用機器隨機選擇的降落傘打包跳傘，有助于恢復用戶的信心。讓開發人員更接近指揮系統的用戶會有所幫助。法國的采購程序允許某些單位直接與人工智能供應商接觸，以建立對開發商的了解和關系。開發商成為一個關鍵的信任點，如果不是軍隊，他們必須了解和熟悉軍隊的情況。這可能需要加大投資，讓商業伙伴了解軍隊的工作方式，并確保軍事人員了解其文職同事。

要求高水平的可解釋性和透明度并不是一個永久的解決方案，目前限制了英國防部對更強大的、非符號形式的人工智能的訪問。隨著機器學習使技術超越其最初編程的參數，將需要不同的方式來確保對可能看起來是黑盒的信任。隨著這種人工智能系統的使用激增，因了解設計者而產生的過渡性信任將減少，在這個過程中克服最初的信任不足或過度信任將更加困難。應避免過度依賴過程信任，并加強其他信任點，以開發適應能力越來越強的人工智能。

過程信任必須超越技術本身。它需要信任那些為技術提供能量、與技術一起工作并接受技術產出的人類過程。因此，必須同樣重視那些共同構成整體過程的其他活動。這包括培訓和人員的過程，以及如何組建團隊。

輸出信任

對人工智能產出的信任對決策者根據他們收到的信息采取行動至關重要。即使是人類提供的情報，如果原始信息指向不同的方向，指揮官要求新的情報來支持他們的先入之見（一種 "基于決策的證據制作"）也不是沒有。而隨著數據的激增，不同的解釋將成為可能，合法的或符合先入為主的解釋。因此，出現了這樣的問題，即人工智能或事實上的人類分析能夠現實地提供什么答案，以及如何驗證輸出。在友軍的部署和對手的物理位置方面，人工智能有可能提供更快的態勢感知。然而，盡管可以從現有的數據中得出更好的推論，但對手的實際意圖是無法可靠地確定的。可預測性通常被視為信任的關鍵因素，但在不穩定的環境中，能夠適應不穩定環境的人工智能輸出會被解釋為不可預測。為了克服這個問題，Bonnie M Muir認為，人類操作員必須具備估計技術可預測性的能力。這種可預測性也會影響整個部署和過程信任點，但在輸出信任方面最為敏感，以反映軍事行動等流動性和不可預測的環境。在這些情況下，數據還必須反映軍事決策者所面臨的大多數情況的離散性和特定對手的獨特文化方式，這加劇了建立大量訓練數據的難度。即使在情況類似于過去的事件時，由于缺乏可比的歷史數據來說明廣泛的變量，使得概率推理變得困難。

用Patricia L McDermott和Ronna N ten Brink的話說，輸出的校準是至關重要的。這可以通過更多地使用企業人工智能和模擬來實現，它擴大了信任的邊界，可以幫助開發輸出信任。如果經驗是積極的，與技術互動并看到它的輸出將產生信任。在作戰環境中，當描述可以知道和檢查的東西時，驗證將是最容易的（例如，關于自己部隊的數據和潛在的對手部隊的布局）。要接近了解對手的意圖是比較困難的，因此需要更高水平的輸出信任。這將包括提高描述的準確性和對從大數據處理中得出的推論進行更多的測試。分享演習和行動的正面敘事，對于實現過渡性信任和緩解從相對不頻繁的行動中積累成功證據的緩慢速度至關重要。

組織系統的信任

生態系統的信任涉及調整更廣泛的組織系統以最大化人工智能的價值所需的信任。C2系統作為一個整體必須被配置為利用人工智能輔助決策的好處，并有適當的檢查和平衡，以在可接受的風險水平內運作。當人工智能的弱點或失敗是在主管的專業知識之外的領域，需要在組織的不同部分進行校準時，這一點尤其重要。如果不在生態系統和組織層面上進行變革，組織將只是將其人類系統數字化。

需要生態系統的信任，以確保結構--包括軍事總部的組織、指揮官的角色以及集中式與更分散或分布式的決策權的平衡--準備好利用人工智能的機會。如果沒有準備好，采用人工智能的漸進式方法往往會鼓勵對結構和整體生態系統的變化采取被動或消極的方法。相比之下，實現人工智能變革力量的專門戰略將迫使人們盡早重新思考支持這種戰略所需的組織。這需要重新思考傳統的軍事結構，但對于走多遠并沒有共識。一些人設想總部變得更扁平，并將非軍事人員納入高級職位，在決策過程中擁有權力。對另一些人來說，生態系統的變化更為深刻；它要求完全取消目前被視為工業時代遺留的工作人員組織系統。這樣做，他們打算消除扼殺理解的信息邊界，并挑戰決策金字塔尖上的獨當一面指揮官的想法。這種轉變需要整個組織生態系統的信任。對于像軍隊這樣的保守組織來說，這將是困難的，在指揮部的激進替代方案被接受之前，需要得到保證。實驗、戰爭游戲和模擬環境提供了低風險的選擇，以測試為特定類型的任務（例如，戰爭、和平行動和能力建設）配置的不同總部結構。

3.2 多少信任是足夠的？

信任是根本，但為技術設定一個不可能高的標準也有風險。幾千年來，指揮官和決策者們一直信任易變的人類。當人工智能開始觀察到輸入數據分布的變化時，技術可以通過自我監測的方式提供幫助，提醒人類 "操作員"，或以以前未曾見過的方式進行操作，這樣錯誤輸出的風險會更大。風險容忍度，無論是關于人類還是機器演員，最終都是信任的表達。國防組織需要對自己是否是快速采用者或快速或緩慢的追隨者持誠實態度：商業世界的人工智能發展速度使大多數武裝部隊極不可能成為人工智能決策的 "第一用戶"。漸進派和未來派都是人工智能的支持者，他們之間的差異主要是風險問題，以及針對不同信任點的可實現的信任水平。

通過熟悉產生信任是至關重要的，這可能涉及到將軍事人員嵌入到使用復雜人工智能的商業組織中，或將平民帶入國防。這種變化需要在足夠高的級別上進行，以促進生態系統的信任。模擬、實驗和演習是重要的工具，而且必須足夠廣泛，以便不局限于一小群狂熱者。英國電信公司用人工智能決策支持工具取代英國的電話網絡的項目，當服務時間最長、知識最豐富的工程師與人工智能和數據專家合作時，效果最好，他們可能會對人工智能產生懷疑。將企業人工智能引入改革業務流程，如財務和人力資源，是將熟悉程度擴大到目前直接參與人工智能開發和使用的少數干部之外的另一種方式。

一旦熟悉的東西，信任是人類的天性，但信任的習慣會帶來自身的風險。眾所周知，人類不善于設定正確的目標，當遇到 "專家意見"（無論是人為的還是其他的）時，他們更容易同意而不是懷疑。必須避免 "信任和忘記 "的動態。一個考慮因素是為人工智能系統制定一個 "持續可信性 "的概念，類似于航空平臺的持續適航性，以確保它們仍然適合使用。因此，建立對人工智能的信任（并避免過度信任）的努力必須解決所有的信任點，并包括整個人類-機器團隊，其中人類操作員是其數字對應方的有效合作者和建設性批評者。

4. 對指揮部和指揮員的影響

人工智能對決策的知情、制定和實施方式的影響將是深遠的。通過以超越目前人類進程的速度處理大量的數據，人工智能可以提高對作戰環境的理解，并減少決策者的認知負擔。這不僅僅是今天工作方式的演變。僅僅加快當前C2系統的速度是不切實際的。一輛設計為以70英里/小時速度行駛的汽車是為以該速度運行而配置的。將發動機調整到每小時100英里的速度也許是可能的，但會給車輛系統和駕駛員帶來無法承受的壓力。由人工智能驅動的決策所代表的不連續性需要一種新的方法。正如多國能力發展運動（MCDC）所述。

無論我們未來的C2模型、系統和行為是什么樣子，它們都不能是線性的、確定的和靜態的。它們必須是靈活的、自主的、自適應的和自我調節的，并且至少與它們形成和運行的環境一樣具有偶然性和突發性。

軍隊必須為明天的C2進行重組，并以不同的方式培養他們的指揮官和工作人員。如果沒有這些變化，"生態系統信任"可能被證明是不可能實現的。

4.1 指揮和控制

C2包含兩個不同的元素：指揮，通常與創造力、靈活性和領導力相關；以及控制，與規則、可預測性和標準化相關。人工智能將首先影響控制功能，目前，指揮仍主要是人類的活動。人工智能的數據處理能力將消除控制的大量負擔，例如，為指揮官提供對其部隊的更好理解（如部署、狀態、設備和供應水平），目前這需要消耗大量的注意力和時間。它還將改變向指揮官提供信息的方式。目前，這些數據大部分是在 "拉取"的基礎上提供的--根據總部的報告程序要求或零星地收集。然而，人工智能可以持續監測局勢，并通過強調相關變化的活文件將信息推送給指揮官--類似于24小時的新聞編輯部。然而，通過進一步進入控制領域，人工智能將不可避免地影響指揮權的行使，并形成指揮決策；這對上述指揮和控制之間過于整齊的區分提出了挑戰。在未來的C2系統中，可以想象人工智能可以限制指揮權的行使，就像防抱死制動系統、牽引力控制和電子穩定性允許人類駕駛員指揮車輛，直到失去控制，此時系統會接管，直到情況穩定下來。

人工智能給人類指揮帶來了一個悖論。它同時使更多的知識被集中掌握，使總部能夠看到并與 "前線 "發生的事情互動，并將知識擴散到整個指揮系統，使較低級別的編隊能夠獲得以前只有高級指揮官才有的信息。將更多的權力下放給地方指揮官可以提高反應能力，這在事件發展不可預測、需要快速反應的情況下非常重要。西方武裝部隊傾向于采用（或多或少）任務指揮的概念，即指揮官的意圖描述了預期的效果，并允許下級指揮官根據他們面臨的情況自由執行。軍隊的學習和發展系統以及演習嵌入了這種方法--指揮官將需要相信人工智能能夠在其操作中實施這一意圖。鑒于數據和獎勵功能的戰略復雜性和模糊性，人工智能在戰術和作戰層面的使用可能比在戰略層面的指揮更有效，盡管這些層面并不離散，在現實中也不容易被分割開來。人工智能和更大的網絡連接將提供一個結構、流程和技術網絡，連接多個小型、分散的前方總部和分布式（和加固的）后方功能，即使在更透明的戰斗空間，也更難發現和反擊。如果敵人以C2系統為目標，這將增強復原力。

在每個層面上處理更大數據量的能力必須被仔細引導。人們應該能夠獲得與他們的地位和相對能力有關的信息，以影響他們在環境中發展。W-羅斯-阿什比將此描述為 "必要的多樣性 "問題：一個可行的（生態）系統是一個能夠處理其環境變化的系統。行為者應該在適合其任務的抽象水平上運作。一個旅部不能處理也不需要關于單個士兵的詳細信息；它需要對其下屬單位的身體和道德狀況有一個良好的總體了解。在更多的戰術層面上，NCO指揮官應該對他們團隊中的個人狀態保持警惕。戰略和作戰指揮官可能需要放松控制，讓戰術指揮官在更接近戰斗的地方利用新出現的機會。雖然任務指揮已經允許這樣做，但隨著高級別的指揮官獲得關于戰術層面發生的信息的空前機會，"控制"的誘惑會更大。

人工智能也需要使用抽象、近似和校準的杠桿，以避免將總部淹沒在數據洪流中。這需要在使用這些抽象和近似時的 "過程信任"。總部也可能需要使用不同的人工智能系統，其能力更適合或不適合不同時間范圍內的不同場景。決策也可能包括確定在特定情況下信任哪種人工智能模型（部署和過程信任）的因素。

人機聯合系統的自動化將提高人類的表現，在某些情況下，改變任務本身的性質。無論在什么層面上部署，人工智能不僅會影響人類執行任務的方式，也會影響人類執行的任務。目前的方法通常從研究哪些人類過程可以自動化開始，即人類工作的數字化。有可能從使用人工智能的假設開始，只有在人類是必要（出于法律、政策或道德原因）或可取（更適合這項任務）時才將人類放入系統中--決定什么不應該，而不是什么可以被數字化。這種方法挑戰了目前關于總部的規模、組織、人員配置和運作的概念。

4.2 對未來總體結構的影響

聯合概念說明（JCN）2/17指出，C2有可能在不同的戰爭層次（戰略、作戰和戰術）上發生變化，并對作戰環境的變化特征做出反應，因為作戰環境不再僅僅是物理環境。戰爭與和平的模糊性--強調了在 "行動 "和 "作戰 "之間的連續過程中有效的必要性--以及英國向能夠持續參與的部隊結構的轉變，將需要超越戰斗所需的方法。然而，可能沒有單一的總部原型；因此，為戰斗而配置的總部將與處理上游參與和能力建設的總部不同。雖然現在確定人工智能對軍事總部的影響還為時過早，但商業組織已經發現，與傳統的垂直層次結構相比，具有更多橫向信息共享的扁平結構更適合利用人工智能的優勢，因為在垂直層次結構中，每一層都要保證和授權數據才會被發布。因此，軍事總部--無論其具體形式如何--很可能會比現在更小、更扁平，能夠更快地沿著水平線工作。

探索替代的總部概念可以通過更多地使用實驗和模擬來實現。這應該對經典的J1-9參謀部提出挑戰，或許可以用新的分組來反映人工智能取代人類密集型數據處理和共享任務的能力。在J3/5區域尤其如此，這是計劃和行動之間的界限；由更快的決策帶來的更快節奏的沖突使這種界限變得過時。組織總部的替代方法可能包括那些注重結果的方法。JCN 2/17中描述的英國常設聯合部隊總部（SJFHQ）的結構是圍繞著四個職能來組織的：理解；設計；操作；和啟用。SJFHQ后來又恢復了傳統的J1-9人員分支。然而，"聯合保護者2021 "演習是一項復雜的亞門檻行動，其中使用了人工智能決策支持工具，揭示了J1-9架構的弱點。總部開始演習時是為高強度戰爭而配置的，但隨后調整為更適合與其他機構合作的配置。SJFHQ內部正在開展工作，應用2021年聯合保護者的經驗教訓，并確定這對總部結構意味著什么。然而，不太可能有一個完美的總部模式適用于所有行動類型。需要進一步的實驗，不限于SJFHQ。很能說明問題的是，自JCN 2/17發布以來的四年多時間里，在實施其中的一些建議方面幾乎沒有取得進展。即使英國國防部采用技術的速度相對緩慢，但這也超過了國防部探索改變結構的能力，超越了小規模的愛好者群體。"生態系統信任"是至關重要的，需要有機會在模擬或真實的環境中對各種任務類型的替代方法進行測試，并讓更多的人參與進來，這對有效采用新技術、結構和過程至關重要。

現有的程序需要改變以連接和優化新的結構。這可能需要改變構成武裝部隊規劃過程基礎的軍事評估。雖然它是一個復雜的、符合邏輯的規劃工具，但它是相當線性的、確定性的，并且嚴重依賴于指揮官，特別是在 "指揮官領導 "的英國方法中。在其他國家，參謀部在推動解決方案方面發揮了更大的作用，這可能更適合于人工智能的方法。人工智能為更多的迭代和協作過程提供了機會，它能更好地響應軍事和民防資源中心的要求，轉向更敏捷的模式。新的方法應該給指揮官帶來更少的壓力，要求提供信息（指揮官的關鍵信息要求）。人工智能還可以構建、分析和比較作戰行動方案，允許在做出大規模投入部隊的選擇之前對情景進行建模、測試和完善。

英國常設聯合總部（PJHQ）的情報評估過程自動化的思想實驗發現了取代大量工作人員的機會，加快了總部的戰斗節奏，并允許使用自動總結和自然語言處理來橫向共享信息。在一次作戰部署中測試了這一點，英國第20裝甲步兵旅戰斗隊將部分計劃過程縮短了10倍。然而，當人類仍在環路中時，決策環路的速度可能是有限的。在某些時候，人類決策者將無法跟上，成為決策監控者。如果仍然需要人類來做人工智能自己不能做的決定，這將是一個問題，而這可能是最困難的決定。

盡管有明顯的優勢，但總部不太可能在技術允許的范圍內減少。目前的總部通過規模和保證程序的冗余來補償人類的脆弱性，這對于減輕人工智能團隊成員的脆弱性可能仍然是正確的。此外，隨著戰斗節奏演變成連續的24小時規劃周期，節奏的加快可能會推動某些領域的需求上升。這些壓力可能并不局限于總部本身；它可能會推動前線單位的活動增加，他們必須處理數據并對所發出的指令作出反應。人類行為者仍然需要時間來休息，即使技術不需要。此外，與商業組織不同，軍隊需要冗余，以應對競爭對手蓄意破壞或擾亂他們的決策機構，并需要確保固定基礎設施的安全，以建立他們的網絡。簡而言之，對彈性和流動性的需求影響了軍事C2系統的穩健性和效率。因此，軍隊將需要保留不完全依賴人工智能進行有效操作的結構，并確保在人工智能失敗或故意削弱對人工智能信任的情況下，有恢復性程序可用。

4.3 培養指揮官

傳統上，指揮官是垂直決策結構的頂點，是所有信息的匯集點。雖然不是所有的軍事文化都強調個人的天才，正如 "翠鳥時刻"的概念所體現的那樣，但指揮官獲得信息的特權被總部的低層人員所拒絕。人工智能使信息民主化的潛力將改變這種情況；指揮可能會成為一種更加合議和反復的活動，不僅涉及那些穿制服的人，而且包括情報機構和具有數據科學多方面專業知識的承包商在內的更加折衷的組合--一種 "全部隊"的貢獻。面對一個復雜和適應性強的戰斗空間，另一種鳥也許為未來的指揮提供了一個更好的比喻：椋鳥。它們集體的、高度適應性的雜音為英國的發展、概念和理論中心的C2概念提供了一個更好的形象，即 "為設計和執行聯合行動而配置的動態和適應性的社會技術系統"。

指揮官必須繼續能夠處理動態環境；"沒有計劃能在與敵人的接觸中幸存下來 "這句話仍然是正確的。鑒于技術能夠提高速度（減少反應時間）和復雜性（通過更透明的戰斗空間），處理復雜、快速演變的問題將尤為重要。軍事組織正在試驗人工智能將如何改變C2，包括北約卓越指揮與控制中心、美國JADC2和英國軍隊的數字準備實驗。早期的跡象表明，指揮官將不得不更多地關注問題的框架，并確保在更小、更扁平的結構中的更多不同團隊之間的理解和目標的統一。這表明需要一個不同類型的指揮官和不同類型的工作人員；他們能夠整合由不同學科的成員組成的不同團隊的工作，而且往往是來自軍隊以外的成員。

確保指揮官能夠正確地設定問題的框架是至關重要的。人工智能非常善于在框架內操作，但目前至少在 "閱讀字里行間 "或從定義不明確的數據集中推斷方面很差--這種脆弱性仍然依賴于有人類來設定框架。在確定了問題的框架后，指揮官必須能夠判斷產出在該框架內是否合理。這需要能夠看到大局的人，武裝部隊需要通過在總部的參謀經驗來培養未來的指揮官，使他們熟悉環境和流程，從而能夠在越來越高的級別上進行指揮。模擬可以促進對總部的接觸，同樣可以確保較小的總部仍然保留人們獲得經驗的作用，通過這些經驗可以獲得必要的指揮技能。

雖然指揮官需要知道如何與技術互動，但他們必須繼續關注人工智能所要服務的作戰要求，并對其持適當的懷疑態度，以便他們成為這一過程中的知情者，而不是算法輸出的被動接受者。指揮官需要類似于工業界的 "π型領導人"，在軍事專業的同時具有數字和數據意識。他們不需要成為技術專家，但應該有足夠的知識來了解其局限性，能夠與團隊中的專家合作，并有足夠的滿意度來允許對數據、流程和產出的信任。

集體而言，總部團隊需要這些技能，各個團隊成員能夠相互交流和理解。這超出了情報分析員的范圍，包括來自武裝部隊內部和外部的廣泛的行動、技術和數據專家。它還包括對風險更復雜的理解和溝通能力。戰爭從根本上說是一個風險管理的問題，這需要以經驗的方式來理解和溝通風險。因此，了解概率和信心水平是一項關鍵的指揮技能，但諸如沖突中的一次性決定也需要長期的判斷。

軍事教育需要通過在職業生涯中更早地引入數據和技術意識來應對。此外，軍隊對不同能力的評價方式也需要改變。據傳聞，英國陸軍的職業管理流程往往將那些在計算能力上取得好成績的人引向采購等領域，而不是作戰，被選入參謀學院的專業人員往往在計算能力上處于較低的四分之一。這不僅僅是軍隊面臨的挑戰：有望成功競爭的國家需要國家教育系統認識到數據和技術素養技能的價值，并從小培養他們。作者并不主張將教育變成就業前培訓；雖然需要STEM技能（數量比現在多），但人文和社會科學仍然很重要，培養出的畢業生適應性強，能夠解決復雜的問題，并以影響力進行溝通。國家的成功取決于學術和其他形式的多樣性，培養人們在數字世界中茁壯成長，不僅需要技術能力，還需要（人文）特質，如創造力和情商。指揮官和工作人員在未來將需要這兩套技能，也許比今天更需要。

除了分析之外，直覺是信息處理中的一個補充部分。在指揮官需要行使的雙軌制決策方法中，它是人類認知的一個重要部分。有效的決策結合了直覺和分析的優勢。當數據和直覺一致時，決策者可以放心地采取行動。如果它們不一致，則需要在行動前進一步探索。1983年，俄羅斯中校Stanislav Petrov避免了潛在的核戰爭。他的導彈探測系統報告說美國發射了五枚洲際彈道導彈，但他沒有立即報告，而是決定等待，因為這個信息感覺不對。他的（下意識的）雙模式決策使他做出了正確的決定。人工智能更強的數據處理和分析能力可以增強決策過程中的分析要素，但它需要指揮官認識到直覺的價值和局限性。專業軍事教育需要反映出對數據和直覺這兩個組成部分的平衡方法。

4.4 管理整個部隊

未來的指揮官所指揮的團隊必然比今天更加多樣化，領導跨學科團隊為復雜問題帶來新的見解。人類有效構思和發展直覺的能力通過接觸不同的看世界的方式得到加強。這不僅僅是改善受保護特征方面的多樣性，盡管這很重要，還包括確保整個部隊團隊中教育、經驗和觀點的廣泛性。整個部隊的不同元素是這種多樣性的一部分。

越來越多的跨軍事領域的綜合活動要求整個部隊的各軍事部門有效合作。對于正規軍事人員，在 "聯合"方面已經取得了進展，但還需要做更多的工作。在軍事生涯的早期引入聯合訓練是實現這一目標的一種方式；這可能需要重新思考軍事人員何時接受專業軍事教育，目前在英國是在30歲左右。相比之下，澳大利亞國防軍為參加澳大利亞國防軍學院的人員提供了基本的聯合軍事課程，海軍、陸軍和空軍專家也接受了單一軍種培訓。這為未來的指揮官在軍事生涯早期的成長提供了一個跨學科的 "聯合 "模式。正規軍的進展需要擴展到后備軍的整合，因為未來可能會有更多的技術專家駐扎在這里。

事實證明，整合整個部隊的非軍事因素更為困難。Serco研究所的一份報告指出，"盡管在過去十年中，整個部隊的運作取得了進展，但在實現軍事和工業之間的無縫合作方面的努力卻停滯不前。雖然武裝部隊在將非軍事人員帶入其總部方面做得更好，但在場和被納入之間有很大區別。如2021年聯合保護者等演習，經常邀請國際合作伙伴和民間主題專家來幫助規劃過程，但他們往往在軍事規劃人員完成工作后才被邀請對計劃發表意見。許多總部的規劃周期缺乏靈活性，這意味著當規劃被提出來供審查時，可能已經來不及進行修改了。

這不僅僅是對軍隊的觀察；文職專家往往不熟悉軍事進程，等待被邀請做出貢獻，這削弱了他們的影響力。軍事人員沒有本能地理解他們的非軍事同事所能做出的全部貢獻，因此沒有將他們納入其中。人工智能將迫使人們從一開始就需要在規劃過程中建立整個部隊的多樣性，從而使計劃成為真正的合作。

有了人工智能的能力，技術將越來越多地成為整個部隊的一個成員。國際象棋大師加里-卡斯帕羅夫（Gary Kasparov）曾指出，好的技術和好的人類棋手的結合，往往比卓越的技術或更好的人類棋手單獨工作更成功。在某些情況下，人和機器可能在共享任務中緊密結合，以至于他們變得相互依賴，在這種情況下，任務交接的想法就變得不協調了。這在支持網絡感知的工作設計中已經很明顯了，在這種情況下，人類分析員與軟件智能體相結合，以近乎實時的方式理解、預測和回應正在發生的事件。

從這些人機一體的團隊中獲得最大利益，不僅僅是有效的任務分配。它涉及到找到支持和提高每個成員（人或機器）績效的方法，從而使集體產出大于單個部分的總和。正確的行為和創造包容性文化的能力對于從這樣的團隊中獲得最大收益至關重要。指揮官不應專注于試圖管理 "突發事件"--一個試圖描述簡單的事情如何在互動中導致復雜和不可預測的結果概念--或團隊成員的活動，而是需要在塑造團隊和培養團隊內部的關系方面投入更多。

雖然人工智能目前作為一種工具，但隨著技術的發展，它應該被視為團隊的真正成員，擁有影響人類隊友的權利和對他們的責任。然而，無論其最終地位如何，人工智能都可能改變團隊的動態和對人類團隊成員的期望。將人工智能引入一個團隊會改變團隊的動態，而它與人類團隊成員的不同會使團隊的形成更加困難。通過布魯斯-塔克曼（Bruce W Tuckman）的經典階段，即形成、沖刺、規范和執行，需要妥協和適應。人工智能目前不太能做到這一點，需要人類參與者有更大的靈活性，這使得建立人機團隊更加困難，也更難恢復已經失去的信任。

高級人工智能，如果可以說有動機或偏見的話，很可能是以邏輯和任務為導向的（用實力部署清單術語來說，就是綠色和紅色）。一個平衡的團隊將越來越需要能夠維持團隊關系的人類，無論是內部還是跨團隊。因此，人機團隊將是不同的，盡管他們可能與包括神經多樣性同事在內的純人類團隊有一些相似之處，因為對他們來說，感同身受或理解情感線索是困難的。與神經多樣性團隊一樣，人機團隊將受益于團隊成員的多樣性給整體帶來的價值，但也需要進行調整，以最大限度地提高團隊績效的機會。人工智能作為團隊成員的概念究竟會如何發展，目前還不清楚，但有人呼吁組織在更平等的基礎上考慮先進技術的需求。加強企業人工智能在業務支持活動中的使用，將為探索人機團隊如何最有效地合作提供機會，并有可能實現預期運行成本的降低，使人類在價值鏈上從事更有意義的工作。

4.5 職業管理

需要的新的領導風格、新的技能和對技術、數據和風險的進一步理解也需要新的職業管理方法。軍隊的職業管理系統（過于）頻繁地調動人員，但要形成具有必要信任度的有效團隊需要時間。軍隊可能會放慢關鍵人員的流動，甚至可能放慢團隊的流動，從而使總部高級團隊作為一個集體實體而不是個人來管理。然而，目前的人力資源實踐使軍隊或工業界不太可能愿意無限期地保留人們的職位以期待未來的需求。用拉斐爾-帕斯卡爾和西蒙-鮑耶的話說，這就產生了 "混合團隊"，即那些成員不固定的團隊，對他們來說，迅速建立團隊信任的能力至關重要。即使是常設總部也會受此影響，特別是當他們成為 "整體部隊 "時。對于'臨時團隊'，例如為特定任務而設立的臨時總部，這個問題就更加突出。需要有機制來加速信任的發展，經驗表明，這可以通過早期的行為實踐來實現，包括展示 "技術能力、信息公開、支持互惠和決策中被認為的誠信"。

放慢總部高級職位人員的流動速度將有所幫助，但這還不夠。在無法保證預先建立的團隊在需要時隨時準備好執行任務的情況下，需要有一種方法來減少組建新的部隊團隊的時間。模擬提供了一種方法，通過壓縮任務演練的時間來準備新組建的團隊，并為整個部隊的不同組成部分提供共同工作的經驗。軍隊在這方面做得很好；軍隊的社會化進程創造了強大的紐帶，包括派人到合作伙伴那里進行培訓、演習和任務。對于整個部隊的其他部分來說，這種對跨文化理解的投資是缺乏的。建立對對方的了解，從而建立信任，對文職部門來說同樣重要。軍隊可以做得更多，為其工作人員提供與商業部門合作的經驗，包括與技術專家、數據專家和編碼人員合作，而文職人員也需要更好地了解軍隊、其語言、流程和價值觀。武裝部隊可以通過提供交流任命和模塊化和/或縮短其課程來協助這一進程，使文職人員有可能參加。冠狀病毒大流行引入了新的工作方式，并加速了軍事訓練和教育的變化，這可以為信任提供基礎，在此基礎上可以出現新的團隊和總部類型。

簡而言之，人工智能輔助決策不僅僅是一個技術問題；它需要改變指揮結構、流程和人員技能，才能發揮其潛力，成為武裝部隊在所有任務中運作的一場革命。然而，至關重要的是，在適應不斷變化的戰爭特征時，武裝部隊不能忽視戰爭的持久性：指揮官必須保持領導者和戰士的身份，能夠激勵普通人在最困難的情況下做出非凡的事情，而不僅僅是善于管理戰斗的人。在軍事方面，人工智能是一種工具，可以最大限度地提高武裝部隊在激烈競爭環境中的獲勝機會。

5 結論

人工智能正迅速成為我們國家安全結構的一個核心部分。軍方和情報機構正在嘗試用算法來理解大量的數據，縮短處理時間，并加速和改善他們的決策。對人工智能越來越多的使用和熟悉可以促進對它的信任，但正如專家們的辯論所表明的那樣，要建立和維持對像人工智能這樣的變革性技術的信任，存在著嚴重挑戰。

本文重點討論了人工智能的作戰和任務支持應用，并探討了不斷發展的人與人工智能關系對未來軍事決策和指揮的重要性和影響。當軍事指揮官的角色從控制者轉變為團隊伙伴時，當我們不能再將輔助功能只賦予人工智能體時，那么我們就需要從根本上重新思考人類的角色和我們的機構結構。簡而言之，我們需要重新評估人機決策中信任的條件和意義。沒有這種信任，人工智能的有效采用將繼續比技術的發展更慢，而且重要的是，落后于我們一些對手采用人工智能的速度。

一個稍加修改的信任概念--一個不需要將意向性或道德性歸于人工智能體的概念--可以而且確實適用于AI。只要我們委托機器做可能對人類產生嚴重甚至致命后果的事情，我們就會讓自己變得脆弱。只要存在人工智能的表現達不到我們預期的風險，對它的任何使用基本上都是一種信任的行為。

除了最罕見的情況，對人工智能的信任永遠不會是完全的；在某些情況下，用戶可能有意識地同意較低的信任水平。這種信任需要考慮五個不同的元素，作者稱之為 "信任點"。我們不應該依賴任何一個單一的點來產生整體的信任。事實上，往往得到最多關注的領域--關于數據質量或人工智能輸出的可解釋性問題--從長遠來看，必然會提供不令人滿意的答案，并有可能對技術產生錯位的放心感。

最常被忽視的是在組織生態系統層面上對信任的需求。這需要重新思考武裝部隊的組織及其C2結構。如果說機器的作用越來越大曾經是官僚軍隊結構興起的關鍵驅動力，以集中管理手段，那么人工智能正在以根本的方式挑戰常備軍的這一特點。如果人工智能的使用不僅僅是模擬工作方式的數字化，國防部必須改變其在 "行動（operate）"和 "作戰（warfight）"方面的決策結構。它還需要與整體部隊的各個方面進行更密切的接觸和參與，包括其未被充分利用的后備部隊以及工業和更廣泛的政府。

領導力作為軍事職業的一個持久要素也需要重新考慮。人們傾向于將領導力視為軍事指揮的一種抽象或不可改變的品質。在人工智能時代，指揮任務或領導團隊既需要新的技能（如 "表達數字（speak digital）"的能力），也需要更多樣化的特質（例如，在數據和直覺發生沖突時，橫向思考的能力，構建問題的框架，并應用批判性的判斷）。與以往相比，人工智能更需要那些能夠理解復雜性、構建問題并根據情況提出正確問題的指揮官。這些 "故意的業余愛好者 "摒棄了早期狹隘的專業化，選擇了范圍和實驗思維；他們可以建立專家團隊，吸取專家的意見，使集體人才既廣泛又深入。這些全軍團隊將包括人類和機器，所有這些人都將根據他們在塑造和決策方面的專長作出貢獻。

在尋求回答信任如何影響軍事決策中不斷發展的人與人工智能關系時，本文提出了幾個需要進一步研究的關鍵問題：

• 我們如何建立必要的信任，在戰術、作戰和戰略層面上重新配置指揮部的組織，其規模、結構、位置和組成
• 我們如何調整軍事教育，使指揮官為人工智能時代做更好的準備
• 我們如何優化和改造所有領域的集體訓練，以改善涉及與人工智能體更多協作的指揮
• 我們如何運作 "全軍 "的概念，以更好地利用我們社會、工業和研究機構中的大量人才
• 我們如何定義人工智能和人類在人機團隊中的需求和目標

如果我們不從根本上改變如何獲取、培訓和培養領導崗位的人員，以及如何改革他們所處的機構和團隊，我們就有可能在人機關系的信任平衡上出錯，并將無法利用人工智能的全部變革潛力。

作者

克里斯蒂娜-巴利斯是QinetiQ公司的培訓和任務演練的全球活動總監。她在大西洋兩岸有20年的經驗，包括咨詢、工業和公共政策環境，特別關注國防、全球安全和跨大西洋關系。她曾是華盛頓特區戰略與國際研究中心歐洲項目的研究員，Serco公司負責戰略和企業發展的副總裁，以及巴黎Avascent公司的負責人和歐洲業務主管。她擁有華盛頓特區約翰霍普金斯大學高級國際研究學院和意大利博洛尼亞大學的國際關系碩士和博士學位，以及英國和德國的商業學位。

保羅-奧尼爾是RUSI的軍事科學部主任。他在戰略和人力資源方面有超過30年的經驗，他的研究興趣包括國家安全戰略和國防與安全的組織方面，特別是組織設計、人力資源、專業軍事教育和決策。他是CBE，英國特許人事與發展協會的會員，溫徹斯特大學的客座教授，英國后備部隊外部審查小組的成員。