戰爭的特點正在發生變化，但它仍然是一項以人為中心的緊張工作。武裝部隊繼續調整他們的作戰方法，使用新興的和破壞性技術，擁抱數字時代。在這些技術中，快速發展的RAS有可能為未來的戰斗空間帶來最重要的范式轉變之一。在這種情況下，RAS代表著從一些曾經被認為是完全 "人類 "活動的作戰活動中消除對人類和人類智能的依賴，從根本上重塑了未來戰爭的特征。隨著RAS技術變得更加先進、可用和負擔得起，潛在對手的能力也將繼續擴大，變得更加智能和靈活。這縮小了裝備精良的軍隊和有動機的個人或團體之間的能力差距，在未來的沖突中代表了新的和重大的威脅。

隨著技術先進性的不斷發展，澳大利亞的戰略環境也在不斷變化，進一步影響了未來由RAS帶來的機會和威脅。正如《2020年國防戰略更新》（DSU）所強調的，澳大利亞現在處于一個高度動態的戰略環境中。印度洋-太平洋地區的軍事化進程加快，灰色地帶的活動更加普遍，潛在對手越來越多地利用破壞性和新興技術，這些都促使區域競爭加劇。這促進了對RAS所提供的靈活性、可擴展性和決策優勢機會的關注，以加強聯合部隊。這一重點在澳陸軍的 "加速戰爭 "計劃中得到了延續，強調了RAS和新興技術在實現持續適應性和未來準備的陸軍中的重要性，并在未來的行動中提供了潛在的補償。2020年底發布的ADF RAS概念進一步強調了這一點，該戰略既借鑒了RAS概念，也嵌套了它。

通過澳大利亞皇家海軍的RAS/AI戰略8、澳大利亞皇家空軍的杰里科破壞性創新（JDI）、澳大利亞國防軍RAS概念和國防科技集團（DSTG）STaR Shots計劃所展示的社區。因此，未來陸軍內部由RAS支持的技術變革必須以聯合作戰理念為基礎，以充分應對未來的挑戰。為實現這一技術變革，陸軍提出了修訂后的陸軍RAS戰略，旨在通過RAS為未來的陸軍創造并保持競爭優勢。

未來陸軍的RAS能力實例包括由自主智能體、集群和跨網絡物理的人-機團隊。RAS將通過高速信息分析和分配來提高態勢感知、生存能力和殺傷力。這將創造情報，推薦行動方案以推動優勢。

建立和保持這樣的競爭優勢是一項復雜的工作，需要整個軍隊和更廣泛的國防部門的協調努力。 澳大利亞不再為國防規劃假設10年的戰略預警時間，陸軍必須迅速工作，以應對這些挑戰，實施未來的RAS能力。這包括快速技術發展和插入的內在困難，越來越多的科學、技術、工程和數學（STEM）勞動力的主權，資源限制，以及政策和法律的導航。陸軍RAS戰略V2.0是一個確定和考慮這些挑戰的機會，以指導陸軍的凝聚力，為聯合部隊的未來陸軍利用機器人、人工智能和自主性的真正潛力。

人工智能（AI）系統很可能會改變軍事行動。本文探討了人工智能系統如何影響準備和進行軍事行動的主要工具，并受其影響。因此，本文在戰略、理論、計劃、交戰規則和命令的背景下分析和討論了人工智能，以確定機會、挑戰和開放性問題的位置，并提出總體意見。本文采取了一個廣泛的分析角度，能夠根據新的政策和技術發展以及對政治、軍事、法律和道德觀點的考慮，對這一問題進行總體審查。因此，本文提供了一些見解和途徑，以推動對人工智能在軍事行動中的適當整合、管理和使用的進一步思考、研究和決策。

2020年11月，英國首相宣布在四年內增加165億英鎊的國防開支。多年期預算解決方案為英國防部提供了中期的確定性，并支持更好的規劃和決策。

本報告反映了資金增加和政府綜合審查的結果，這為英國防部的戰略和政策目標提供了參考。因此，裝備計劃反映了對能力的重大新投資計劃，但也反映了對與戰略方向不太一致的領域的削減。

英國防部正在開展一項激進的計劃，以使其部隊現代化并發展應對未來威脅的能力。

英國防部有一個平衡成本和預算的裝備計劃。從21/22年起的十年間，計劃在裝備采購和支持上花費2380億英鎊，比去年的報告增加了480億英鎊。截至2021年4月，評估設備計劃在十年內有43億英鎊的余額，而上一次報告中的缺口為73億英鎊。

裝備計劃仍在不斷發展。在一個有許多大型計劃的復雜計劃中，預測將隨著交付時間表和成本估算的發展而改變。這對于新的計劃來說尤其如此，因為這些計劃的承包商可能還沒有被選中，或者是那些依賴新技術的計劃。該計劃的交付還存在其他風險，包括該部實現本報告所述效率和節約目標的能力。

因此，英國防部需要有能力管理變革，而不訴諸于較差的性價比措施或削減能力。本報告的第二部分闡述了戰略和杠桿。例如，今年是自2018年以來，第一次在進入新的財政年度時，為設備計劃提供了資金應急措施，而且該部在以后幾年預留了資金，以便在不必削減其他計劃支出的情況下引入新能力。

雖然該計劃的可負擔性存在風險，但議會年度支出框架內的支出不足也是一個現實的風險，英國防部正在制定應急計劃以減輕風險。資本支出的大幅增加和大量新項目的實施將是一個挑戰。我們的工業伙伴的表現將是至關重要的。

在改善該部的財務、商業和項目交付技能和能力方面繼續取得進展，包括改善分析和預測支出的工具，努力提高財務數據的質量，以及建立一支更合格的員工隊伍。進一步的工作正在進行中，以解決該部目前規劃流程中剩余的需要改進的地方。本報告的第三部分介紹了這項工作。

本報告的第四部分，即部門分析，顯示了每個軍事指揮部和管理裝備計劃的組織的主要變化。

（2020年2月5日，美海軍陸戰隊網絡空間司令部的海軍陸戰隊員在馬里蘭州米德堡拉斯韋爾大廳的網絡作戰中心觀察計算機運行情況。海軍陸戰隊開展進攻性和防御性網絡作戰以支持美國網絡司令部，并操作、保護和保衛海軍陸戰隊事務網絡）

沖突的勝負取決于軍事抵消，也就是國防單位可以用不對稱的方式來打擊對手的優勢。隨著大國競爭、對手技術的超常發揮以及不斷擴大的戰場，傳統的抵消手段往往被人工智能（AI）所增強。然而，國防部（DOD）將人工智能投入使用的能力剛剛起步。五角大樓采用的最初的人工智能計劃側重于將商業能力轉移到國防部門，因此強調技術性能，不強調以任務為導向的功能。因此，最初的試點項目未能進入現實世界的作戰環境（OE）。

人工智能的實用化

實用化取決于這樣一種認識，即人工智能不是一種最終狀態，而是實現軍事優勢的一種方式。為此，人工智能相關方法的技術執行必須與作戰環境相結合。這種考慮與傳統思維不同，因為人工智能解決方案的開發通常是為了實現某種統計閾值（例如，召回率、精確度），而不是軍事目標（例如，增加對峙距離）。

這一動態被 "算法戰"一詞所混淆，目前該詞混淆了技術和軍事特征。算法戰旨在減少處于危險境地的作戰人員的數量，在時間緊迫的行動中提高決策速度，并在人類無法操作的時候和地方進行操作。然而，這些目標都不涉及數學或計算機科學；它們完全建立在軍事最終狀態之上。問題是，在五角大樓走上人工智能的道路之前，科學、技術、工程和數學學科與軍事目的之間的橋梁從未建立。

所需的橋梁是一個指導和評估人工智能實用化的框架，一邊是算法性能，另一邊是任務效用。這樣的組合確保了數學方程可以證明或從數字上驗證一個人工智能系統，而定性的基準則保證了實際應用。其結果是算法戰不僅基于統計數據，而且基于更廣泛的作戰相關性架構。這種相關性體現在五個要求上：

• 最低限度的生存能力。
• 適應未知和不可知情況的能力。
• 將洞察力置于信息之上。
• 應用所需的自主性水平，以及
• 戰場準備就緒。
• 這些要求首次為評估軍事人工智能項目和定義成功奠定了基礎。

將技術方法和國防條令結合起來

為軍事人工智能項目制定有效性措施（MOE）需要將研究和技術方法（例如，基礎理論）與美國防部的條令相結合。如果沒有這種映射，算法戰就會淪為算法開發過程，而不是作戰部署。例如，一個旨在檢測視頻中目標的計算機視覺算法（如地理空間情報分析）被簡化為該模型發現的車輛數量或其發現這些車輛的準確性。那么，成功是指該算法在85%的時間內正確找到車輛。

但在軍事行動中，85%的時間檢測到車輛有什么用？這就是維護理論的完整性所帶來的背景。以上面的例子為例，評估同一算法時不是看它正確探測車輛的頻率，而是看它對任務的影響：由于該模型的存在，分析人員識別感興趣的車輛的速度提高了95%。這樣的方法將算法的設計與任務的部署聯系起來。雖然這似乎是常識，而且這種關系甚至可能在項目文件中被模糊地表示出來，但在國防部的任何地方都沒有一個表示的標準。

評估標準仍然需要保持解決方案的獨立性（即，無論情報類型、使用的算法、部署的作戰環境或任務要求如何，這些標準都適用）。因此，在這項研究中，人工智能原則被編入可量化的屬性和指標中，與系統和程序無關。評估標準也以 "去 "與 "不去 "的方式進行表述，以創建一個符合邏輯的、自上而下的層次結構，與相關的聯合出版物同義。其結果是規范、監測和評估國防部人工智能系統的基線。

國防人工智能運作的框架

如前所述，可實操化的人工智能是由任務效用的五個方面定義的人工智能：最低限度的可行性、適應未知和不可知情況的能力、洞察力優先于信息、應用所需的自主性水平以及戰場準備情況。這些MOE中的每一個都是算法戰的基礎。對這些信息的分析產生了一個全面的框架，其中包括每個MOE的指標和效果。整個框架是以條令定義和程序為基礎的。

（2017 年 11 月 1 日在華盛頓特區舉行的 NVIDIA GPU 技術大會期間，顯示屏展示了用于執法的車輛和人員識別系統。該大會展示了人工智能、深度學習、虛擬現實和自主機器。）

衡量有效性

衡量有效性的軍事程序依賴于一個自上而下的架構。這意味著，只有當一項措施的每一個指標也存在時，該措施才會存在。同樣，一個指標只有在該指標的所有影響也存在時才會存在。這是一個二元的、全有或全無的過程，可以像常規軍事活動一樣隨時適用于人工智能。

在傳統的高價值目標（HVT）生命模式分析中，一個MOE定義了軍事行動的一個預期結果（例如，高價值目標移出責任區[AOR]）。該MOE的所有定義指標必須得到滿足，因此不能任意或有選擇地稱之為成功。例如，情報應該表明：(a) 在新的責任區發現了HVT，(b) 在新的責任區發現了已知的HVT同伙，以及(c) HVT在新的責任區獲得了基本的生活支持系統（例如，住房，交通）。隨后的效果遵循同樣的過程：支持指標 "a "的效果可能包括識別已知的物理特征和探測通信信號。

因此，盡管常規和人工智能MOE在戰術執行上有所不同，但決策驗證的基本系統是相同的。只有在對人工智能領域有基本了解的情況下，才能驗證人工智能MOE，這與情報部門制定的MOE不能由作戰部門驗證的情況是一樣的。

描述有效性--技術浪尖

算法戰是通過人工智能手段進行的戰爭。人工智能手段是指那些不僅是智能的（收集和應用洞察力），而且是人工的（以人類無法做到的方式對智能采取行動）。在沒有人類干預的情況下，系統必須學習如何為自己表示數據。這方面的另一個術語被稱為機器學習。有不同類型的機器學習，但當涉及到戰場時，無監督的機器學習將成為黃金標準，因為它的靈活性和從未知和非結構化信息中獲取輸出的能力。在這個黃金標準中，一種被稱為深度學習的特定方法是獨一無二的，它能夠更精確地表示復雜的問題。鑒于戰場的動態性質，更精確地表示復雜問題的能力是最重要的。

因此，算法戰只能通過以下方式實現：(a) 工作系統（最低限度可行）能夠（b）從未知和不可知的場景（無監督）中自行學習，同時（c）將復雜的戰場環境轉化為有用的洞察力（啟用深度學習）（d）幾乎沒有無指導（自主）和（e）在實時任務環境中（戰場準備）。這些MOE和圖中的架構是人工智能實操化的第一步；它們為如何凝聚技術和操作因素奠定了基礎，同時也使任何人工智能項目的 "成功 "標準化。

（圖 數字算法(人工智能)戰爭的有效性度量）

人工智能作戰必須發揮作用

最低限度的可行性檢驗了算法戰是否積極地改變了作戰環境。"積極改變作戰環境 "意味著存在著競爭優勢和性能改進，證明人工智能的部署是合理的。該理由來自行業指標（技術因素）、針對類似系統的排名以及對人類操作員的效用。

在翻譯的例子中，一個自然語言處理算法在以下情況下是最可行的：（1）行業指標證實它準確地將地面真相數據翻譯成正確的語言；（2）該算法在同一技術類別和OE中優于其他可用算法；（3）機器翻譯優于人類。

與最低生存能力相關的競爭優勢和性能改進因素是必要的，因為如果沒有這些因素，非算法衍生的戰爭將更加有效--因此，否定了對可操作人工智能的需求。

靈活和適應性強的系統

無監督算法是實戰任務的理想選擇，因為它們的靈活性和即使在未知情況下也能得出洞察力的能力。簡而言之，無監督系統可以在沒有預設信息的情況下運行，并在新信息出現時學習。

可以從敵人交戰的例子中得出一個常規的等價物。例如，部署的服務成員在交火結束之前并不知道交火會如何發展。然而，他們被期望在沒有警告的情況下對敵人的火力做出適當的反應，并對新的對手的運動和活動得出相關結論。

成功的算法戰項目將需要在戰術執行和長期學習能力方面表現出與軍人相同的適應性。

減少任務的復雜性

回顧一下，深度學習可以降低復雜性。在實際任務中降低復雜性是關于如何表示和理解信息。正如人類一樣，有效的算法戰是以模式檢測、推理和問題解決為前提的。

模式檢測本質上是獲得知識，然后可以概括地預測未來的未知情況。假設一個部署在機場的非航空部門的軍人看到一架直升機從頭頂飛過。這個人注意到該直升機獨特的物理特征，如整體尺寸或串聯旋翼。這些獨特的特征將直升機與其他變化區分開來，隨著時間的推移，服役人員可以利用學到的視覺線索在整個機群中選擇正確的直升機。人工智能以同樣的方式識別視覺模式；在隨后的觀察中反復學習直升機特征。然后，這些特征被概括為區分一架直升機和另一架直升機或一架直升機和非直升機。

推理改進了知識的獲得，以便發現環境中的微妙之處，并將這些微妙之處邏輯地聯系起來。例如，如果在某些天氣模式下從未見過直升機，推理將推斷出天氣（OE的次要元素）影響了飛行能力。有了人工智能，惡劣的天氣會增加二次確認，即沒有旋翼的飛行物不是直升機。

最后，順序問題的解決將一個大問題（即如何駕駛直升機）分解成更小的問題（即飛行路徑是什么，有多少燃料，需要多少飛行員，等等）。因此，如果不降低復雜性，算法戰將缺乏將信息轉化為洞察力的能力。

在很少或沒有指導的情況下運作

由于算法戰假定利用了非人類的手段，人工智能必須獨立地制定和裁決行動方案。而人工智能必須根據自己的決策、反應能力和對形勢的認識來完成這一裁決。

決策是一個在環境中發展和解決選擇的問題。在一個慣例的環境中，一個指揮官面對相互沖突的情報、監視和偵察飛行路線，會制定一個資產優先級矩陣，然后根據這些要求進行沖突處理。這不僅僅是一個產生可行方案的問題，而且還要弄清楚這些方案中哪個對整個任務最有利。為了做到這一點，系統必須能夠融合決策標準（例如，資產的數量、收集要求、飛行時間等）。必須有傳感器來定義決策標準（例如，飛機燃油表或人類/口頭提示）。然后，必須對所有可用的選項進行修剪。最后，系統必須認識到當前狀態的變化，并對該變化產生的新信息做出反應（例如，航空資產的駐留時間結束，所以不再需要解消沖突）。

響應性是對決定性的補充。也就是說，系統能否在規定的時間內對它從未見過的情況作出適當的反應？要做到這一點，系統必須具備必要的態勢感知功能：攝入、處理、迭代和行動。所有的指標都能確保可操作的人工智能改善決策時間表，而不是抑制它們。

將人工智能推向現實世界

戰場準備度是衡量系統是否能在實際任務空間中運作的標準。由于任務限制是巨大的，人工智能不能在實驗室里開發，而不預先考慮它將如何在現實世界中運作。明確地說，實驗室人工智能的局限性并沒有被戰場所規避，而是被放大了。開放式架構受到軍事基礎設施的限制。不可知的管道被孤立的、傳統的系統所困。普及的高速網絡一旦部署到前方就會變得零星或斷斷續續。而商業部門普遍存在的未經審核的專家則被訪問受限的用戶社區取代，他們幾乎沒有人工智能的專業知識。

簡而言之，人工智能必須補充，而不是混淆正在進行的行動。從一開始就解決任務限制，然后必須包括與現有系統的整合和溝通。此外，這種整合應該進行測試或鑒定，以便在部署前證明效用，以及這種效用的左右限制。這就像軍事人員被授予可部署性的范圍一樣，或者反過來說，糟糕的體能測試會導致不可部署性的發生。

五個可操作的人工智能MOE共同代表了初始和完全操作能力（IOC/FOC）的標準閾值。使用MOE框架中的決策門做出的IOC/FOC決定將加速人工智能的采用并改善美國在算法戰爭領域的定位。

（圖 軍事人工智能發展的目標之一是在人類智能代理團隊中將戰場上的士兵與無人駕駛車輛直接聯網，這將加速情報收集、目標識別和火力任務執行。）

建議

如果沒有一個支持算法戰的人工智能操作框架，當前的美國防部計劃將會失敗。本文提出的框架是第一個在國防人工智能領域定義成功的框架，并將為政府監督提供必要的問責措施。

雖然本文的意圖是對算法戰爭的不可知的解決方案，但額外的研究是必要的。應指定資金用于將這一框架串聯到具體的系統、學科和項目。為了支持這一努力，獲取機密材料和對機密系統進行定量實驗將是至關重要的。定量實驗不僅可以驗證本文的前提，還可以開始創建一個網絡來比較和改進國防人工智能測試和評估。也就是說，在多種環境、系統和問題集中持續、一致地使用MOE架構將使人工智能項目在一個單一、共同的評估框架下保持一致。為此，本文介紹的MOE架構支持兩種功能：（1）通過迭代改進 "走-不走 "決策門的結果來實現更有效的系統；（2）通過比較各自的MOE來決定各種系統。

從戰略上講，圖中概述的架構應該被整合到國防部的采購、技術和后勤流程中。目前的范式不是為人工智能項目的指數增長和非傳統性質而建立的。圍繞普遍的評估標準校準當前和未來的國防部人工智能解決方案將實現標準化，同時加快耗時的采購流程。此外，負責企業人工智能活動的組織應在其工作中實現框架的標準化，以便更迅速地將應用研究和開發過渡到業務使用。

不過，組織的努力不應停留在政策上。目前，國防部沒有利用軍事人員進行人工智能活動的機制。具體來說，沒有與人工智能相關的軍事職業專業（MOS），也沒有官方系統來識別和分配熟練人員到人工智能項目。其結果是缺乏可用的混合人才；也就是說，既精通人工智能又精通任務的人員。建立一個數據科學或以人工智能為導向的MOS，類似于在網絡領域發生的情況，將使人工智能能力的運作更具可持續性。它還將以越來越多的合格軍事人員來充實小規模的合格人工智能專業人員庫。另外，傳統的MOS可以適應現代戰爭的特點。例如，在一個多情報融合普遍存在的世界中，特定學科的情報分析員可能并不重要。修改或增加人工智能技能標識或專業將遏制MOS相關性的下降。

在戰術上，五角大樓對人工智能的推動需要伴隨著一場自下而上的運動，這樣采用人工智能的組織就不會簡單地被賦予一種沒有背景的能力。相反，他們應該在他們帶來的抵償中擁有積極的發言權。基層的努力可能包括在IOC/FOC設計計劃之前在單位層面進行影響分析和壓力測試，以了解脆弱性和優先需求。

結論

人工智能的操作是一項以任務為中心的努力，必須在戰術上有意義，才能產生任何戰略影響。在為地面部隊帶來切實的投資回報之前，人們對算法戰爭的價值普遍猶豫不決；因此，對抗性的超限戰將成為一個越來越無法獲勝的現實。

國防部不能在沒有操作這些項目的框架下繼續執行人工智能項目。本文介紹的架構正是通過加速和規范政府通過高度創造性的、具有操作性的技術發展人工智能能力的努力來實現的。

想象力和對物理原理不斷發展的理解是未來技術能力的唯一界限，當美國陸軍將自己轉變為一支能夠在多域作戰（MDO）中占主導地位的部隊時，技術在建立和保持對敵手的優勢方面的作用就會增加。美國的政府機構包含了一些組織，負責資助、研究、開發并在新技術增長時將其納入部隊。本專著描述了目前正在開發的能力，這些能力將作為下一代概念的基礎，目前只存在于科幻小說中，但現實中卻有可能實現。它概述了這些進展中的技術所提供的潛在機會，以及它們如何能夠融入所有領域的未來作戰環境。

引言

隨著美國國防部（DoD）從大規模戰斗行動概念向多域作戰（MDO）和聯合全域作戰過渡，對跨領域技術整合的重視程度繼續提高。公共和私營部門的研究和開發組織已經從關注具體的能力轉向提供基本概念的創新，正如陸軍優先研究領域中所概述的那樣（見圖1）。雖然這些優先事項是陸軍特有的，但國防部的其他部門也在為技術創新投入大量資源。

圖 1. 美陸軍優先研究領域。美國陸軍，“2019 年陸軍現代化戰略：投資未來”。

2019年正式成立的美國太空部隊（USSF），在其預算撥款中包括89億美元用于發展天基系統技術。 作為領導將新技術納入空間領域當前和未來擬議戰爭概念的軍事機構，USSF占據了一個不斷發展以滿足作戰環境變化的角色。在短期內，其余領域的更多能力將依賴于空間領域的資產，并推動對技術能力和效率的要求呈指數級增長。美國防部或整個美國政府的任何作戰組織都沒有智力或財政能力來單獨管理這一巨大的任務。與私營企業的緊密合作提供了美國所需的優勢，以保持對其對手的相對優勢。

民用技術的軍事應用和軍用技術的民用應用通過連接兩個平行的研究軌道和匯集關鍵資源如突破、設施和資金來加速發展進程。美國的幾家私營公司已經有專門的部門與政府合作，使雙方受益。作為洛克希德-馬丁公司的一部分，臭鼬工廠負責開發標志性的軍用飛機，如F-117夜鷹和SR-71黑鳥，而雷神技術實驗室創造了愛國者導彈，至今仍是國家防空計劃的基石。私營企業和軍方官員之間的持續合作也改善了技術預測，使規劃者有能力建立起納入仍在開發管道中的概念的途徑，甚至在它們準備投入使用之前。

在本專著中，對未來軍事規劃者來說，最后也是最關鍵的難題是如何在中期和長期將預測能力整合到作戰方法中。等到概念經歷了研究、開發、測試、原型設計和規模生產的完整周期后再考慮其效果，會使美國部隊落后于曲線，并處于持續的反應狀態，特別是在與俄羅斯和中國這樣的全球技術大國競爭時。未來的鑄造過程必須是連續的和迭代的。適應性強的計劃，具有圍繞發展中的突然延遲或進展進行調整的靈活性，比依賴線性進展的概念保持優勢。將 "鞭打 "事件的可能性傳達給高級領導人和政治家，以緩和期望，并減少那些不熟悉技術的細微差別的人的摩擦。

研究問題

美國國防機構如何利用并迅速整合技術進步，以在多域作戰框架內獲得并保持競爭優勢？

論題

負責開發下一代全域聯合作戰概念的戰地級規劃人員需要采用一個反復的、持續的規劃過程，考慮到理論上可能的、但目前還沒有的、與所有領域相互依賴的技術，以集中資源分配和從目前到未來作戰環境的未來預測路徑。

方法論

本專著包括四個不同的研究和思考階段，大致遵循軍隊設計方法學的概念。因此，第一部分試圖了解創新技術的現狀，從而了解軌道和軌道外競爭的技術作戰環境。發展存在于整個美國戰爭機器從概念到原型生產的連續過程中，一些進步來自非軍事應用，如通信、金融和體育產業。第二，研究哪些非保密技術有待于相對迫切的實施。即使在起步階段，新概念的簡單應用也會在多領域的戰場上帶來作戰優勢，而來自真實世界的反饋和數據支持進一步的完善。

在已知的物理學和應用科學的限制下，對現在和可能的空間進行了略微緩和但雄心勃勃的介紹，為未來三十年設定了目標桿。計算能力、材料科學和效率的線性增長阻礙了這些崇高目標的實現。然而，如果能力的增長保持過去幾十年的指數增長（見圖2），本專著中所探討的所有概念都是可以掌握的。最后，本研究以一個簡短的未來戰爭的虛構場景作為結束，該場景展示了戰略和作戰能力在戰術領域的整合，加強了它們與未來戰士在MDO的五個現有領域以及未來可能存在的地外領域的相關性。該方案提出了一個可能的理論終結狀態，以在10到15年的規劃范圍內建立一個作戰方法。然而，這很可能只是物理學和想象力極限競賽中的一個快照。

圖2. 隨著時間的推移，技術能力呈指數增長。

本專著主要關注軌道和軌道外的競爭，包括對所探討的能力有重大影響的地面節點和系統。最終的勝利或失敗，即使是在未來的沖突中，也將極大地影響地面人口，即交戰國的公民。他們將掙扎著在戰爭的附帶影響下生存，同時也會受到氣候變化、人口過剩、食物和水匱乏的日益嚴重的影響。

自1987年成立以來，美國貿易委員會一直是美國力量投射的一個重要的授權組織。對作戰人員的成功支持來自于對其流程的不斷完善和優化，以最大限度地提高運輸效率。在過去30年的戰爭中，美國運輸委員會的表現驗證了其模式的有效性，但未來的戰爭可能需要重新評估美國運輸委員會支持未來戰斗的能力。

聯合全域作戰（JADO）是用來描述美國未來戰爭方式的總稱。雖然JADO仍處于概念發展階段，但它從根本上改變了各領域之間的整合水平以及在戰斗空間產生效果的速度。JADO的革命性變化是為了應對美國對手開發的日益強大和擴散的反介入/區域拒止（A2/AD）系統。A2/AD的威力在于其目標是使美國目前的戰爭方式的執行成本過高。這些變化和威脅的結合是美國國防部關注的源泉，它已經優化了自己，以支持目前形式的戰爭。本專著的目的是分析聯合服務界所設想的新的JADO概念，以及A2/AD對運輸業務的威脅，并確定USTRANSCOM必須尋求協調的挑戰，以便在未來的沖突中保持償付能力和可靠性。

引言

不斷發展的聯合全域作戰（JADO）概念是美國未來戰爭方式的迷人發展，但其行動的性質和他們試圖擊敗的威脅使人質疑美國運輸司令部（USTRANSCOM）是否有適當的資源和組織來維持未來的行動。JADO遵循美國作戰理論的歷史進程，不斷發展各部門和各領域之間更多的整合力量。然而，JADO超越了單純的消除沖突、協調和整合。JADO尋求真正利用戰爭的時間性，為敵方部隊同時產生多個問題，并具有實時態勢感知能力，以識別并隨后從一個領域產生效果，從而利用固有的不對稱優勢。戰爭領域之間的整合將比美軍內部所見的更加緊密，而且行動的節奏將比目前的能力快得多。為了使JADO成為現實，必須進行技術投資并加以實現。除此之外，聯合部隊內的作戰理論將不得不被改寫，以反映在未來戰斗中釋放JADO潛力所必需的最佳實踐。所有這些都相當于一個革命性的舉措，專注于重塑美國的戰爭方式。所有領域的作戰單位將不得不調整他們的操作方法，以保持在該框架內的功能，并提供系統所需的效果。盡管許多文獻和討論都圍繞著作戰部隊將經歷和必須適應的變化，但為確保作戰部隊得到后勤支持而依賴的維持力量卻很少受到關注。

美國貿易委員會維持未來作戰行動的能力對美國的力量投射至關重要。這一任務的失敗將使美國的作戰能力失去效力。美軍所能帶來的戰斗力確實令人矚目，但這種力量只有在戰斗指揮官能夠將其移至對手的射程之內并在其就位后得以維持時才能使用。在美軍歷史上的絕大多數時間里，在北美和全球范圍內部署和維持作戰部隊的能力都取得了驚人的成功。這種成功在未來是不可能的，因為不祥的跡象表明，美國國防部的任務效率面臨著重大挑戰。反介入/區域拒止（A2/AD）的能力正在一些美國最強大的對手的軍隊中擴散開來。A2/AD試圖瞄準并破壞美國國防機構中對其功能效力至關重要的關鍵部分。 A2/AD對美國向國外投射力量的能力構成了嚴重威脅，而JADO是對這一挑戰的直接回應。從美國國防部的角度來看，它必須像聯合部隊的其他成員一樣，確保它對A2/AD的威脅保持彈性。

必須盡早發現美國貿易委員會模式中的潛在缺陷，以確定可行的解決方案，并在JADO技術的開發和實戰中留出時間采用這些解決方案。這一挑戰不是小任務。JADO的作戰概念是非常不穩定的，在其框架發展過程中，已經在多個方面發生了實質性變化。對JADO將成為什么缺乏清晰的認識的一個重要原因是聯合軍種之間對它應該演變成什么沒有共識。每個部門都設想了一個版本的JADO，并在概念上將聯合伙伴的活動納入其框架。雖然JADO的愿景并非完全不相容，但各軍種的概念之間確實存在實質性的差異。因此，每一種模式都會給美國運輸司令部帶來獨特的挑戰，因為它必須與任何選定的概念完美銜接，為作戰指揮官提供必要的運輸支持標準。美國貿易委員會作為一個功能性作戰司令部，在任何未來的美國戰爭中都要發揮作用。因此，對于聯合部隊的有效性來說，USTRANSCOM作為一個組織的整合和發展必須被納入JADO的發展過程。在一個全新的結構下運作時，假設后勤支持的有效性和可靠性會給聯合部隊帶來黑天鵝式的失敗風險。納西姆-塔勒布（Nassim Taleb）將黑天鵝描述為產生巨大影響且無法預料的事件。美國空軍司令部的重點資本投資和理論變革必須與聯合部隊的發展保持同步，以確保司令部隨時準備在他們選擇的時間和地點支持未來的作戰人員。

下面的調查旨在確定USTRANSCOM必須評估哪些作戰要求，以便在未來的JADO概念中保持有效并在與同行對手的戰斗中保持彈性。調查將從對有關該主題的相關文獻的回顧、有關美國貿易委員會模式和處置的證據供參考、對JADO的不同服務概念的簡要描述、對美國貿易委員會與JADO的兼容性和對A2/AD的脆弱性的分析，以及解決新出現的問題的建議等方面展開。JADO和A2/AD的結合給美國貿易委員會帶來了一個與其當前運作框架和近期歷史相異的未來運作環境。由于其作為聯合部隊的分配和部署過程所有者（DPO）的不可或缺的作用，至關重要的是根據聯合部隊的擬議變化來評估USTR的部隊態勢和行動理論，以確定該組織必須如何共同發展。

2022 年 10 月 11 日，美國陸軍發布了一份綜合數據計劃（ADP），這是一種全軍范圍內改進數據管理以確保陸軍成為以數據為中心的組織的方法。

該計劃是一項為期三年的工作，將改善整個陸軍的數據管理、數據治理和數據分析。作戰任務是陸軍數據計劃的當前重點。ADP 在該任務領域的成果是通過進行必要的更改來確保作戰人員的數據得到正確管理和使用，從而為作戰人員提供優勢。陸軍已經開始對數據管理能力、工具和模型進行原型設計，以實現這一目標。

陸軍首席信息官 Raj Iyer 博士說：“數據以及如何在所有梯隊中整合這些數據以實現真正快速、敏捷的決策，才是真正為陸軍提供其在未來戰爭中所需的競爭優勢的關鍵。”

數據和數據分析將為 2030 年的陸軍提供動力。士兵將需要在正確的時間和正確的地點獲得正確的數據，以便在每個梯隊做出更快、更好的決策——以超越任何對手的思維和步伐。

與早期的軍事行動相比，現在的戰爭范圍更大且范圍不斷擴大。作為聯合全域作戰的一部分，多域作戰是陸軍必須準備并贏得下一場戰斗的地方。這是一個數據豐富的環境。

每個領域都有自己的信息和數據流，一些信息來自開源情報，一些來自天基傳感器，還有一些來自網絡空間。今天的士兵和指揮官需要跨領域的綜合來主宰戰場。

ADP 概述了工作的組織并提供了總體戰略目標。它側重于中期努力，未來將被另一個更新所取代。

通過陸軍數據計劃實現這一決策優勢是陸軍的關鍵目標。

摘要

在21世紀，人工智能侵入了我們生活的各個方面。它通過獲取、存儲和回憶信息，幫助用戶建立對周圍世界的更好理解。最令人震驚的是，每個手機擁有者隨時可以獲得的處理能力超過了第一代計算機的能力。在這種計算能力在私營企業中如此普遍的情況下，軍隊如何將這種技術融入其規劃方法，即軍事決策過程？這項研究探討了人機合作，因為它與陸軍師級的規劃有關。

這項研究解構了MDMP，并提出了與現有人工智能技術及其計算能力，以及人類理解和創造能力相結合的建議。這項分析闡明了通過伙伴式理解的概念獲得的一些流程效率；隨著人工智能學會如何為用戶處理信息，用戶對他們的操作環境獲得了更深的認知理解。這方面的工作也探討了這種整合的成本。

1 簡介

1.1 背景/概述

• "2025年5月21日，為應對一場新出現的危機，該師司令部啟動了一個作戰計劃小組（OPT）。就在幾個小時前，這個陸軍師收到了即將在未來幾周內部署的通知。這種情況發生在初夏，伴隨著一系列獨特的人事挑戰--夏季永久換崗（PCS）季節。由于即將離任的主要工作人員即將離開，而替代人員尚未到達，工作人員的人手并不充足。在剩下的成員中，有些人在所分配的職位上經驗有限，或者從來沒有在陸軍師一級進行過規劃。這個OPT需要審查作戰命令（OPORD），同時還要補充必要的細節，使計劃可以執行。他們沒有足夠的時間向組織的領導者和決策人--司令部提出可行的方案。在審查OPORD、指導團隊新成員、更好地了解作戰環境之外，OPT還必須了解不斷變化的危機的動態，并提出適當的、有效的反應。"

上面的例子在作戰人員的世界里并不是很少發生的。作戰計劃小組必須利用他們的現有資源，最重要的是他們的專業軍事判斷和時間，制定一個計劃供指揮官批準。他們的許多計算、估計和評估將完全取決于他們的集體經驗、理論知識和一些最佳猜測。根據這些計劃和整個陸軍和更大的美國國防部的作戰計劃小組的估計而調整的國家資產，主要是由數據驅動的。將這些數據關聯起來，以更及時的方式提供更精確的人員估計，無疑可以幫助工作人員適應作戰環境，并創造出更多高質量的行動方案、分支和續篇。此外，隨著戰斗的步伐和復雜性的不斷增加，由于通過技術的相互聯系，人類反應、計劃和執行持久行動的認知能力將難以跟上。人工智能技術，總體而言，可能提供了最好的機會，以加強和增強計算解決問題的任務，并減少作戰級規劃人員目前經歷的認知過載。這項技術有可能影響美國陸軍部隊規劃和執行戰爭的方式。

研究的意義

這項研究之所以重要，主要有兩個原因。美國陸軍使用相同的基本規劃方法，即軍事決策過程（MDMP），開展軍事行動已有46年。然而，隨著人工智能在社會應用中的增加，陸軍尚未確定人工智能技術如何在智能任務指揮系統（如XXI部隊旅及以下戰斗指揮系統（FBCB2））之外幫助決策。

其次，思想的全球化已經將人工智能推到了下一次技術革命的前沿。正如20世紀對太空主導權的爭奪刺激了世界主要大國的國家投資一樣，人工智能在21世紀也開始有同樣的投資優先權。人工智能的任何一個領域的重大突破都可能創造出一個在短期內證明不可能克服的優勢。最重要的是，由于我們在政府和私營企業中的信念與敵對國家背道而馳，陸軍和美國處于不利地位。只要專注和精確，軍隊可以從人工技術和軍事規劃的融合中大大受益。

術語的定義

由于本討論的技術性質，術語表是最合適的。以下術語貫穿本專著，為參考提供了基礎。

認知計算--利用各種人工智能技術進行大規模學習、有目的的推理并與人類自然互動的系統

知識庫--精心策劃的數據集或數據體，用作機器學習和認知計算系統的基線。

策劃的數據集--深度學習網絡的基礎知識數據集。

深度學習 - 人工智能的一個方面，涉及模仿人類用來獲得某些類型知識的學習方法。

專家系統 - 人工智能的一種形式，在一個特定的研究領域或專業領域內保持知識。

攝取 - 人工智能系統接收數據的過程。

自然語言處理 - 計算機系統的能力，使用世界知識，通過口頭輸入或書面/打字文本來處理和操作語言，與人類對話。

神經網絡 - 一組處理單元，結構上受人腦啟發，在深度網絡學習中結合一組輸入值產生一個輸出值。

機器學習 - 一個統計過程，從一組數據開始，推導出解釋數據的規則或程序，同時預測未來數據。

伙伴式理解--用戶和人工智能系統之間的迭代對話，其中用戶從系統中獲得更深入的理解，而人工智能系統則獲得對其數據集使用的理解。

強人工智能/通用人工智能--人工智能系統能夠在廣泛的認知任務中表現出明顯的智能行為，至少與人類一樣先進。

弱人工智能/狹義人工智能--人工智能系統能夠成功完成簡單或高度具體的應用。

限制因素

人工智能技術正在通過私營行業的研究和開發迅速發展。因此，某些技術的許多能力和規格都是專有性質的。這種知識產權的發布對這項研究來說是非常有限的。

假設

本研究假設陸軍師的帶寬分配不會因為作戰人員信息網絡--戰術（WIN-T）的取消而大幅減少或增加。本研究還假設陸軍師在理論上與《戰地手冊》3-94戰區陸軍、軍團和師級行動以及陸軍訓練出版物3-91師級行動的雇傭、組成和能力保持一致。本研究假設在本研究涵蓋的未來五年內，人工智能技術不會有重大突破。最后，本研究假設美國陸軍師提供更強大的網絡帶寬、人員冗余以及與戰場前沿的距離，這將優化人工智能技術的實施。

專著的組織

本專著將直接對人工智能歷史和理論進行簡要概述，以提供對該技術的基礎性理解。隨后，技術系統和軍事規劃的歷史整合將提供與建議在未來應用的相關背景。對MDMP的分析將確定人工智能技術是否可以利用私人產業中的應用進行整合。本專著將討論將人工智能技術納入作戰計劃的潛在權衡和副作用。最后，結論提供了進一步研究和應用的結果和建議。

（第2-3章關于AI的發展綜述請查看原文）

4 戰役層面的規劃

軍事規劃是指令性行動的結果。國家指揮機構指示解決沖突的選項，而軍隊則尋求完成所需的狀態。從本質上講，軍事規劃是一種確定和實施解決方案的手段。在介紹的例子中，相對于應急計劃中完成的研究和規劃工作，作戰規劃小組需要提供與當前作戰環境相關的選擇。技術革命從根本上增加了全球環境的互動復雜性，影響了作戰環境中的區域行為者。美國陸軍學說，特別是陸軍學說參考出版物（ADRP）5.0作戰過程，將規劃定義為 "理解的藝術和科學，設想一個理想的未來，并制定有效的方法來創造這個理想的未來。"對于作戰層面的戰爭，在本專著的其余部分，這被稱為作戰規劃。

在聯合出版物或美國陸軍理論中沒有關于戰役層面規劃的具體定義。然而，作戰水平是國家軍事戰略目標和部隊戰術運用之間的聯系，重點是設計、計劃和使用作戰藝術執行行動。AJP-5將戰役層面的規劃定義為 "在戰役層面進行軍事規劃，以設計、實施和維持戰役和主要行動，從而在特定的戰場或行動區完成戰略目標"。

在這個層次的戰爭中，規劃將戰略轉化為行動。戰役層面的規劃也是概念性規劃和指揮藝術與詳細規劃和控制科學的結合點。這一層次的規劃也最專注于軍事解決方案，在很大程度上擺脫了與戰爭政治相關的模糊性。贖罪日戰爭后的主要行動更關注于實現軍事目標，而不是參與戰爭政治。此外，行動的重點是奪取、保留或利用主動權。例如，在 "沙漠風暴 "戰役的規劃階段，由高級軍事學院培訓的戰役層面的規劃人員不太關心其計劃的政治影響，而是關心如何利用行動藝術來實現軍事目的。

作戰藝術是一種產生理解的工具。因此，戰役規劃在很大程度上依賴于指揮官正確構思問題并將一系列可能的解決方案可視化的能力。陸軍理論指出，作戰藝術是指揮官和參謀部制定戰略、戰役和行動的認知方法，通過整合目的、方式和手段來組織和運用軍事力量。通過對戰術行動在時間和空間上的排序，指揮官和參謀部可以組織系統地擊敗敵對勢力，或在戰役級別規劃開始時確定的戰略目標。與任何級別的規劃一樣，參謀部的經驗對于建立共同的理解尤為關鍵，而且隨著戰爭領域內的行動隨著時間的推移不斷擴大，參謀部的價值將繼續增加。

參謀部很重要，因為他們提供了必要的洞察力，使指揮官能夠做出明智的決定。通過批判性思維、知情分析和經驗，參謀部協助指揮官了解情況，做出并實施決策，控制行動，并評估進展。這些職能推動了行動過程，這是美國陸軍行動層面規劃的基礎框架。

美國陸軍有三種規劃方法，能夠對部隊的使用進行規劃。陸軍設計方法（ADM）和軍事決策程序（MDMP），分別作為戰爭戰略和戰役層面的渠道，而部隊領導程序（TLPs）則只在戰術層面上實現行動。指揮官和參謀部根據問題的復雜性、可利用的時間和參謀部的可用性來決定和使用這些方法的適當組合。沿著規劃的連續性，行政管理的性質大多是概念性的。行政管理的抽象性主要是由于它要解決的業務問題的復雜性。MDMP通過技術還原和基于系統方法的解決方案，很容易解決結構良好的問題。然而，當問題變得更加模糊和不可預測，或結構不良時，軍隊設計方法學提供了批判性和創造性思維的工具，以理解、可視化和描述不熟悉的問題和解決它們的方案。ADM幫助指揮官和參謀部匯總最相關的事實，并提供一種操作方法，以幫助過渡到更詳細的規劃方法，MDMP。雖然概念性規劃需要一些數據來確定進入戰區的力量流動，但MDMP創造了規劃中的大部分詳細行動（圖6）。

圖6. 美國陸軍的規劃方法。美國陸軍，FM3-0，1-20。

軍事決策過程是詳細規劃的起點。MDMP是迭代的、更加明確的規劃方法，建立了將ADM的解決方案框架中表達的概念操作化的框架。MDMP是協作性的，使指揮官和參謀部能夠理解、可視化和描述作戰環境，推進制定執行行動方案的進程。它由一系列的步驟組成，有獨立的輸入和輸出。產出導致了對作戰環境的進一步理解，并促進了MDMP的下一步工作。MDMP在很大程度上是有順序的，這證明了這個過程的嚴格性。MDMP可能是非常耗時的，而且高度依賴于工作人員的知識水平、熟練程度和客觀性。

4.1 MDMP的人為因素

與任何組織一樣，該部門的工作人員都會帶有無意識的偏見、別有用心的動機和由每個人的經驗所形成的判斷。這些內部動態和戰爭本身一樣，都是人類的屬性。在規劃和決策中，人類的認知偏差是不可避免的，除非工作人員制定了審慎的、客觀的策略來確認假設和調整范式。偏見主要是由于直覺判斷造成的，作者丹尼爾-卡尼曼稱之為系統1思維。利用自然發展的啟發式方法或經驗法則，軍事規劃人員建立了匆忙的認知 "框架"，在其中對信息進行分類和處理，從而提高認知效率。 雖然不是所有的偏見都是壞事，但在規劃世界各地的軍事行動時，如果沒有意識到自己的心理傾向，就可能是負面的。

指揮官和參謀人員需要了解作戰環境，以實現共同理解，不僅是為了開展軍事行動，而且是為了敘事，這些軍事行動將向更大的受眾傳播。人工智能可以支持更多的知情決定，同時盡量減少人類的一些明顯的認知偏差。最近在阿富汗使用的人工智能 "瑪文項目 "在減少人類偏見方面被證明是有希望的。算法跨功能團隊讓我們看到了人機合作的潛力。

5 人工智能用于“戰役層面的規劃”

新興技術與戰爭的結合是一種歷史上出現的現象。自從從長矛和劍過渡到箭和手炮以來，先進的技術不斷提高戰爭的殺傷力和破壞力。然而，并非所有的技術創新都與 "前線戰斗"有關。例如，當普魯士陸軍總司令赫爾穆特-毛奇（Helmuth Moltke）將復雜的鐵路系統納入普魯士的動員計劃時，這項技術主要支持他的后勤和人員補充，積極影響他的作戰范圍。這種 "前線背后 "的技術與機槍的發展和使用不同，機槍直接促進了第一次世界大戰期間塹壕戰的殺傷力的增加。未來的戰爭也呼應了同樣的觀點。

從概念上講，過渡到一個多維的戰場，人工智能技術可以作為 "傳感器"、"戰斗機 "和 "規劃者"，或其中的組合來使用。每種角色都對軍事手段的實施和應用有促進作用--在 "前線"，或在 "后方"。無人駕駛飛行器（UAV）提供了一個前線傳感器和戰斗能力的例子，這取決于其變體和有效載荷。致命自主武器（LAW）是使用人工智能技術作戰的另一個例子。

直到最近，用于感知和戰斗的人工智能技術是最常見的就業建議。然而，規劃中的人工智能正開始作為 "第三次抵消戰略"的一個要素重新出現，利用新興技術來增強技術優勢。從美國國防高級研究計劃局（DARPA）的戰略計算倡議開始，到當代的機器人和自主系統戰略，美國國防部正在繼續努力將技術融入軍事行動。

DARPA戰略計算倡議

美國國防部高級研究計劃局（DARPA）于1983年制定了戰略計算計劃，作為資助和開發日益有效的人工智能軟件的一種手段。該計劃將智能機器作為一個由相互關聯的子系統組成的單一問題來處理。通過大學和工業界的合作開發子系統，戰略計算計劃可以規劃出這些系統與現有技術的連接和接口。從一開始，戰略計算計劃就有很高的雄心壯志；預測在計劃結束時能實現完全自動化的機器智能，而這是在十年后。該計劃試圖分析和回答有關規劃任務的支持或自動化的關鍵問題。研究后來發現，開發完全自動化的規劃軟件既不可能，也不被軍方認為是可取的，但一個支持人類能力的系統是可行的。

這個時代的兩個擬議的軍事應用以專家系統和自然語言理解為中心。通過創建一個有能力解決問題、提供建議、預測并在狹窄的考慮范圍內提供理由的專家系統，開發者試圖為軍事規劃者創建一個知識體系。這種能力將與自然語言理解協同運作，使機器有能力理解自然語言作為一種交流界面。然而，20世紀80年代的計算機技術無法解釋本地語言，也無法可靠地對該信息采取行動。相反，用戶必須使用一種風格化的、正式的計算機語言和非常有限的關鍵詞來向計算機發出命令。雖然當時的技術不支持這一概念，但這一努力所產生的對話將落實到其他具有意義的項目中。

DARPA后來與MITRE公司和卡耐基梅隆大學合作開發了動態分析和重新規劃工具（DART），以分析智能規劃系統的可行性。作為一個基于人工智能的決策支持系統，它在波斯灣戰爭期間被用來確定在世界各地運輸軍事物資的物流要求。美國運輸司令部和歐洲司令部報告了這個項目的成功，因為它抵消了DARPA之前30年的資金使用。在接下來的20年里，這個項目將發展成為聯合發展和執行助理（JADE），一個支持在最短的時間內（一小時）制定大規模、復雜的部署計劃的規劃工具。JADE與聯合行動規劃和執行系統（JOPES）對接，產生今天仍然使用的時間階段性部隊部署數據（TPFDD）。DART和JADE是非常實用的程序，因為它們使軍事規劃人員能夠在問題發生之前就識別和預測。這些系統卸載了人類操作的認知任務，"提示 "這些規劃者計劃中的摩擦點。不幸的是，這些系統采用的人工智能水平高于操作水平，使戰術規劃人員無法使用它們。

ARES項目

美國陸軍通信電子司令部（CECOM）進行了平行的努力，建立了ARES項目，這是一個使軍團級規劃者能夠進行決策的助理系統。ARES項目是一項基礎研究和探索性開發，調查1986年陸軍軍團級組織對人工智能方法和工具的應用。ARES的目標是展示一個基于人工智能的輔助系統，為未來的行動進行規劃并控制正在進行的行動。使用地形分析、形勢分析和行動方案生成工具，該系統以最大限度地提高人機界面為導向。這些能力支持了規劃人員，減少了對緊張環境的認知壓力。

然而，作戰研究發現，當規劃人員必須考慮具有不同能力的若干執行機構的同時行動時，人工智能規劃理論有一個重大問題，即過于復雜。雖然ARES項目未能完成其最初的目標，但其對地形分析和士兵-機器互動的關注將未來的研究重點轉移到智能系統上，刺激了XXI部隊系統的創建。雖然這些系統是有用的，但它們只是提供態勢感知，而不是人工智能系統所要的任務自動化。此外，這些系統為先進的電子戰產生了一個可瞄準的信號，這是復雜戰場的一個缺點。

第三次抵銷戰略

第三次抵消戰略是一項克服對手均勢、減少軍事力量結構和下降的技術優勢的計劃。這項多年的努力為一系列的重點領域提供了方向和資金。這些領域包括反介入和區域拒止（A2AD）、制導彈藥、海底戰、網絡和電子戰、人機合作以及兵棋推演和概念開發。第三個抵消戰略解決的主要問題之一是，美國有可能危險地落后于那些在先進技術上投入大量資金且沒有自我約束的潛在對手。隨著該戰略繼續在一個概念下調整目的、方式和手段，諸如機器人和自主系統戰略等附屬倡議有非常集中的努力來支持該戰略。

機器人和自主系統戰略

為了應對近似競爭對手的全球部隊現代化努力，美國陸軍在2017年制定了機器人和自主系統戰略（RAS），在一段時間內對投資和能力重點進行優先排序。RAS有五個能力目標：提高態勢感知，減輕士兵負擔，維持部隊，促進運動和機動，以及保護部隊。該戰略的重點是人機協作，也被稱為 "有人-無人協作"（MUM-T）。這一概念將人與自主系統或人工智能結合起來，以提高決策速度--這是當代戰場上急需的屬性。這一戰略應對了未來OE中的挑戰：戰場上行動速度加快，對手越來越多地使用RAS，以及競爭環境的復雜性擴大。

雖然這些目標是第三個抵消戰略的一個子集，但它們提供了一個新的戰術層面的重點。然而，這一戰略需要在更高層次上的補充技術。例如，RAS建議增加營級及以下級別的無人駕駛飛機和地面系統的數量。然而，營級人員的班、排和連的系統的大幅增加可能意味著收集和處理的數據量的指數級增長。如果高層沒有人工智能系統，師部工作人員將無法跟上同步行動的步伐。更糟糕的是，這些工作人員可能會在認知上被傳輸的大量數據所淹沒，使他們無法有效管理整體作戰環境。正如毛奇將軍通過補充性的鐵路運營官員（一種早期的人機合作形式）將鐵路運輸的復雜性引入到戰爭中，這一戰略需要在更高層次上做出平行努力。

人機組隊

人機合作是指系統和人的配對，以抵消兩者的弱點。美國陸軍的無人機系統和AH-64阿帕奇直升機采用了這種概念，稱為人機合作（MUM-T）。通過這一過程，陸軍AH-64阿帕奇飛行員能夠在被認為對載人航空過于危險的環境中使用和控制無人系統。MUM-T使無人系統能夠利用其優勢、對峙距離和目標獲取，以最大限度地發揮飛行員的優勢、殺傷力和反應能力。這一概念可作為人工智能人機協作的基礎。

在人工智能的范圍內，人工思維和人類思維的配對就是這個概念。人類提供目標、創造力和道德思維，而人工智能頭腦提供自學的經驗、直覺和預測能力。這種能力存在于目前的人工智能技術中。例如，通過算法，AlphaGo系統擊敗了世界上最好的圍棋選手，這個游戲估計比國際象棋復雜300倍。前面提到的深藍所使用的技術，對于下圍棋的計算機來說是不切實際的。因此，通過機器和人的合作，軍方可以保持 "人在回路中"，同時獲得提示性反應和加強對情況的了解的好處，類似于前面提到的阿帕奇直升機飛行員。

總結

綜上所述，人工智能和軍事應用的融合并不是一個新概念。不幸的是，在最初構想時，這種人工智能系統和人類規劃者的愿望遠遠超過了那個時代的技術能力。計算速度和計算機科學技術在過去三十年中取得了指數級的進步。鑒于私營企業的進步，人工智能的使用成為一種社會規范，并擴散到日常生活的所有其他方面，在過去幾十年里曾經被認為是不可思議的愿望現在可能即將實現。

6 研究方法

這項研究確定了MDMP從自動化中受益的地方，同時考慮到與這種行動相關的權衡。此外，軍事決策過程在陸軍總部的各級戰爭中都有使用，但基本分析將以陸軍師為參考框架。在師一級，工作人員將足以通過各種規劃范圍管理多項規劃工作。這項研究將首先對軍事決策過程進行分析，研究一些步驟的具體投入和產出。然后，研究分析最相關的輸出，以確定人工智能是否可以提供輸出或增強人類工作人員的能力，同時也確定目前是否存在這種技術。該研究還將討論在這些下屬流程中獲得成功的基本技術要求。本節還將探討軍事和商業應用中類似的現有技術。最后，研究將討論在該過程中使用人工智能的權衡，提供與一些模擬過程的相似之處，這些過程隨著人類對技術過程的日益依賴而萎縮。

7 分析

軍事決策過程由七個步驟組成，整合了被稱為作戰功能的專業領域。MDMP有獨立的輸入和輸出，能夠增加對形勢的理解。MDMP是陸軍作戰過程中 "規劃"步驟的基礎，隨后是軍事行動的準備、執行和評估。如下所述，每個步驟都有子過程，在人工智能技術的支持下，這些子過程可能更有效，也可能更及時。那些最好由人工智能支持的子流程如下：

接收任務

接到任務是MDMP的第一步。這一步涉及剖析上級總部的行動命令，同時使計劃得以啟動。它需要提醒工作人員和其他關鍵參與者，收集必要的工具，并對可用于規劃的時間進行初步評估。接收任務還涉及到建立規劃的計劃--更廣泛的陸軍行動過程的一部分。通常情況下，師部工作人員在上級部門建立行動區域時進行平行規劃，并將產出產品過渡到MDMP中使用。MDMP包含了陸軍設計方法的要素（如作戰方法），ADM過程的概念性需要人類的創造力和批判性思維。作戰方法通過建立上級總部、作戰、規劃門路和敵方時間線之間的時間線來設定過程的節奏和軌跡。第一步的產出是指揮官對規劃方法的初步指導和發布第一個警告命令。

圖7. 任務協助計算（MAC）系統的圖形描述。

在MDMP中，人工智能將利用認知計算方法為該過程提供補充支持，實現深度學習。正如任務指揮系統在MDMP第一步的 "收集工具 "子步驟中被準備和吸收一樣，人工智能系統，任務協助計算或MAC，將被提供一個由高級總部行動命令/附件組成的精心策劃的數據集。這個攝取過程將支持對第一步中產生的最新人員估計進行交叉分析，同時允許與用戶互動，在系統的神經網絡中建立更好的聯系。使用由FM6-0和參謀部生成的預先格式化的警告令模板，系統會自動將來自上級總部的信息填充到警告令中。基于對聯合和機構間系統冗余網絡的漸進式訪問，該系統將對信息進行關聯，以便在MDMP的第二步與參謀部進行分析和討論。(見圖7)

任務分析

MDMP的第二步是任務分析。這是MDMP中最重要的一步，因為它定義了包含問題的環境背景。通過對形勢的繼續評估，任務分析確定了作戰環境的框架，以產生問題和任務陳述，以及指揮官的意圖，從而推動作戰行動。如果問題陳述、任務陳述或指揮官的意圖從一開始就沒有被充分理解，任務成功的可能性就會大大降低。因此，每一個子步驟在計劃中都是重要的和相關的。下面的插圖討論了這些子步驟。

在一個師的規劃人員的 "整合單元 "中，無論是規劃、未來行動還是當前行動單元，都會有來自每個作戰職能小組的成員負責一個任務分析子步驟。在某些子步驟中，每個職能小組都需要審查、分析并向小組提交相關信息。例如，每個作戰職能部門都必須識別、分析和評估上級指揮部下達的指定的、隱含的和基本的任務。通過其他子步驟，如戰場情報準備（IPB），每個作戰職能部門都要對各自的對抗職能進行分析（如友軍火力資產與敵軍火力資產），但情報作戰職能部門負責管理這一過程。隨著各職能小組在每個子步驟中的工作，集體產品在任務分析簡報中向指揮官傳達了結論（子步驟14）。研究人員選擇了任務分析的第1-3、4和6個子步驟來整合人工智能。這些步驟是數據驅動的，為人工智能提供了最佳用途。

美國陸軍，ATTP 5-0.1，4-6。

分析上級總部的計劃或命令

在收到上級總部的行動命令和附件后，MAC將被加載數據。這一行動使系統能夠在作戰命令數據之間建立聯系，為與用戶結成伙伴式的理解做準備。當陸軍規劃人員需要信息時，MAC準備好提供答案，以及其回應背后的原因。例如，MAC會根據用戶的要求提供高級指揮部的行動概念，以及在命令中發現的任何其他文本信息。隨著用戶對命令越來越熟悉，并需要參考整個附件中的具體措辭，MAC將能夠根據要求提供頁面和其他背景信息，從而使各梯隊人員之間更好地同步。當信息發生變化時，MAC可以進行更新，并提醒下級參謀部注意這一變化，同時也將變化記錄下來，供以后參考。隨著任務分析進入戰場情報準備（IPB），MAC在匯總有關環境的數據以幫助增強參謀部對形勢的了解方面將是至關重要的。

實施戰場的初步情報準備

戰場情報準備（IPB）是分析敵人、地形、天氣和民事因素等任務變量的系統過程，以確定它們對敵方和友方部隊行動的影響。IPB通過事實和假設深入了解友方和威脅部隊的互動。通過識別計劃中的關鍵差距，IPB也推動了指揮官的情報收集工作。這些工作產生了情報知識，并進一步完善了行動圖景，為指揮官提供了一個更強大的理解基礎來做出決策。IPB包括四個步驟。界定作戰環境，描述環境對作戰的影響，評估威脅，以及確定威脅的行動方案。用于執行這些步驟的數據從廣泛的來源收集。一旦策劃的地理空間數據、敵方模型數據、基礎設施數據和氣候學數據被上傳，這就允許MAC對數據進行匯編，并提供一些規劃者無法立即看到的關聯性。這種人機合作，或者說是拴住的自主權，支持工作人員通過迭代對話和伙伴式學習，對環境有更深入的了解。

與亞馬遜Echo、Alexa或Google Home技術類似，MAC會回答有關其數據庫內任何內容的問題。例如，"MAC，告訴我關于Atropia的人口中心"。該系統將提供有關人口的文化和人口屬性的信息，以及其中的基礎設施狀況。通過查詢近乎實時的社交媒體數據，該系統可以提供大氣，從而為行動方案的規劃提供依據（例如，敵對與中立的人類地形）。通過自然語言處理（NLP）和問題解答技術（QA），系統可以與用戶進行對話，以促進更好的理解。在這些互動中，用戶將完全控制對話，將對話從數據到信息再到理解的認知層次提升。在本研究中，人類和機器之間這種級別的對話在商業行業中存在。

美國境內的許多家庭已經部署了自然語言處理技術。這項技術的下一步發展是使系統能夠提出探索性的問題，對用戶的詢問提供更好的答復。QA技術也是存在的，最新的例子是IBM的Watson，它利用這項技術贏得了Jeopardy節目。與任何系統一樣，其改進在很大程度上取決于反饋，MAC也不例外。該系統將就提供給用戶的答案征求反饋意見，作為互動的質量保證機制。這些反饋將使數據管理人在必要時對數據集進行調整，同時也對算法進行微調。

在IPB完成后，MAC將提供機動性數據以告知友好和敵對的COA。這將包括通過衛星圖像分析和來自機構間來源的其他數據饋送的實時移動條件，這些屬性在過去幾年中通過人工智能進行了證明。隨著規劃的繼續，除了向用戶發出任何其他正式要求的警報外，MAC將提示規劃者驗證或證明是無效的假設。這種能力擴展了Project Maven所采用的現有技術，Maven項目是2018年部署在阿富汗的人工智能技術，用于支持圖像情報（IMINT）的情報分析員。

用戶和MAC將共同生成整個MDMP中使用最多的IPB產出，即事件模板、初始信息要求、決策支持矩陣和決策支持模板。在協助用戶的過程中，MAC將提供建議的條目，以便進行編輯或完全修改。隨著時間的推移和對已批準產品的觀察，MAC將改進其對用戶的建議，特別是對問題陳述和任務陳述的建議。

確定特定的、隱含的和基本的任務

任務是指由士兵、單位、組織完成的明確界定和可衡量的活動，可支持任務。特定的任務在上級總部的命令或指導中明確指出。隱含任務必須完成指定任務，盡管這些任務可能沒有明確說明。最后，為完成任務必須完成基本任務。基本任務是特定的或隱含的任務，但在行動中始終是任務說明的一部分。參謀部必須找到、理解并說明每一項必要的任務，以便更好地計劃和執行行動。

通常情況下，參謀部的規劃人員會仔細研究上級總部的行動命令和附件，有時會超過50頁的文本，試圖找出與特定作戰功能相關或涉及的任何任務。雖然這種方法很繁瑣，但它可以提取任何可能對開展行動至關重要的特定和隱含任務。這種方法還能通過在指揮層之間產生澄清來加強工作人員的理解。然而，在更高的層次上，行動命令可能有幾百頁，并有許多附件，處理所有任務的能力可能是壓倒性的。更糟糕的是，這個過程需要時間，很少有工作人員真正閱讀所有的命令來理解，從而導致計劃的失誤。

使用文本掃描軟件，MAC將掃描命令、附件和書面指導，以提供一個與被查詢單位和作戰功能相關的任務的綜合。例如，一名維持計劃人員會問："MAC，請從第十八軍團第12-345號命令中提取與第一裝甲師和維持作戰功能相關的所有任務。" 然后MAC將顯示結果，同時口頭上提供任務數量的整體描述。在參考了所提供的源網頁的維持計劃確認后，相關的任務會填充到維持運行的估計中。這個過程同時在每個作戰功能中反復進行，將工作人員的精力從無數個小時的閱讀和搜索轉移到分析和綜合知識上，以便進行下一階段的規劃。

提出問題/任務說明

問題陳述提供了阻礙實現預期目標或目的的問題或障礙。盡管行政部門為問題的制定提供了參考，但任務分析的次級步驟為行動環境和行動問題提供了適當的框架。問題陳述幫助指揮官和參謀部制定解決方案以實現預期目標。

任務說明是描述組織的基本任務、目的和行動的簡短句子或段落。根據單位的基本任務，參謀部提出任務說明供指揮官批準。上級總部的行動命令和指揮官的指導為一個單位的任務提供了信息，使任務說明變得公式化，從而可由人工智能程序計算出來。

雖然，人工智能有能力匯總、識別和回憶數據，但它仍然缺乏獨立創建問題陳述所需的抽象思維能力。盡管如此，由于任務陳述是公式化的，使用單位指定和隱含任務的具體輸入，MAC可以提出一個任務陳述。使用軍事規劃人員使用的相同方法，該系統將提供建議并不斷接收用戶反饋，從而通過深度學習技術實現長期改進。MAC還將有能力檢查、分析和分類用戶生產的產品之間的因果關系，允許其深度強化學習存儲并為未來的應用產生建議。

發布警告令

該系統將能夠根據任務分析簡報中批準的數據和以前的警告令草案制作最新的警告令。用戶將批準警告令草案的數據字段，根據需要為下屬單位編輯任何信息。此外，系統將為未來行動命令（第7步）提供最新的輸入數據，隨著計劃的制定和完善，更新數據字段。系統還將提示用戶從上級指揮部處理的分片命令中獲得新的信息。例如，如果上級指揮部批準了一個單位邊界的改變以調和戰斗空間，MAC將更新COA開發小組，并建議更新作戰命令模板，提醒計劃人員注意該信息和計劃中受影響的部分。

行動方案的制定

行動方案的制定是為指揮官提供選擇的方法。使用下屬單位之間同步的戰術行動，行動方案是對所確定的問題的廣泛的潛在解決方案。行動方案的制定包括七個下屬步驟：評估相對戰斗力、產生選擇、排列部隊、制定一個廣泛的概念、分配總部、制定行動方案和草圖、進行行動方案簡報。人類規劃者仍然是完成這些步驟的主要代理人。今天的人工智能技術還沒有展示出協調行動方案的能力，考慮到計劃火力、同步情報資產和安排運動隊列所需的細節水平。MAC將通過使用地形數據、氣候數據和特定車輛的機動性數據，提供隨時間變化的運動分析，來支持每個子步驟。這項技術類似于谷歌地圖，但包含了一個更強大的算法，以考慮到跨國流動性、編隊規模、移動走廊和車輛類型。來自MAC的分析將使時間線的準確性更加鮮明，并為整個計劃提供更好的同步性。當計劃人員為每個行動方案制定同步矩陣時，MAC將按作戰功能將COA小組的投入填充到COA聲明中，以實現協作。一旦選定的行動方案進入下一步，即戰爭博弈，MAC就會協助確定減員和隨時間推移的相對戰斗力。

行動方案分析（兵棋推演）

兵棋使指揮官和參謀部能夠確定與所考慮的作戰行動相關的困難和協調問題。通過對計劃中的假設和行動進行現實測試，各組織可以預見潛在的風險、摩擦點以及會阻礙任務完成的行動（友軍和敵軍）。這一步也影響了指揮官對作戰問題的理解，確定所提議的解決方案是否會帶來所提議的最終狀態。如果提議的作戰行動方案不可行、不可接受、不合適、不完整或無法區分，那么作戰行動方案將回到發展過程中進行完善。

通過這一步驟，MAC將提供兩種功能。最重要的工作是為每個COA建立計算機輔助的模型和模擬。考慮到COA數據需要更新，這個方案非常耗費時間。用戶必須驗證從系統輸入中收集到的數據（如總部、特遣部隊組成等），以便正確地排列部隊和作戰計劃。第二個功能的強度較低，涉及計算每次交戰的結果。這個功能很重要，因為它提供了對一段時間內戰斗力的分析。它還提供了對戰術行動有效性的評估，保留了足夠的戰斗力以實現任務和期望的最終狀態。MAC將考慮到技術武器數據；殺傷概率和車輛軍備數據來提供結果。人類規劃者仍將負兵棋推演方法和兵棋簡報。這一步的產出將不涉及人工智能。

命令生產、傳播和過渡

MDMP的最后一步是命令生產、傳播和過渡。在這個步驟中，計劃過渡到行動過程的執行階段。第7步包括制作和傳播行動命令、附件和附錄。在這一過程中，工作人員負責核對由于疏忽或基本計劃的變化而造成的規劃差距。此外，參謀部還與上級指揮部進行聯絡，適當反映作戰環境和軍事計劃的關鍵變化。每個作戰職能部門都有一個指定的部分來完成作戰命令，所有部分都必須確保集體產品的連貫性、全面性和完整性。在一個陸軍師中，單元有一個指定的人負責編寫作戰命令的輸入，同時還有一個指定的人將所有的部分編入最后的命令。

MAC，使用整個過程中的數據輸入，將是在這個任務中執行的主要代理。例如，該系統將從批準的COA草圖中讀取COA聲明，并將此文本作為行動部分概念的基礎。由于系統攝取了上級總部的情況和行動概念的段落，它將提供這些作為對師部命令的建議，并在數據集中進行核算修訂。

同樣的活動將發生在每個作戰功能的附件和附錄中。此外，系統將對照已經提交的支持性文件審查新輸入的數據，提示用戶文件之間的差異或規劃的差距，類似于一個更強大的拼寫和語法檢查，像Grammarly程序。一旦調和，用戶將提交該部分，讓指定的編譯人員完成項目。被指定的匯編者將是批準、編輯和審查計算機上轉寫的數據的系統用戶。這項技術是對谷歌應用目前所使用的智能回復技術的改編。使用能夠編寫電子郵件的深度神經網絡，這種形式的人工智能分析電子郵件的內容，并應用一套復雜的編程規則來構建一個回復。人類沒有參與這個過程；算法正在通過機器學習和接觸內容繼續處理自然語言。

隨著MDMP的完成和訂單的打包分發，MAC將繼續支持工作人員，在附件和附錄中推薦文本條目。隨著整個行動過程中的變化，MAC將繼續為集體工作人員提供提示，以便從更高的命令中進行修改。此外，隨著后續MDMP的發生，MAC將建議對行動環境的演變進行修改。這種迭代過程將持續到該司部署完成，在這種情況下，數據集被分析并適應未來的系統。策劃的數據集將被適當地分類細化，以考慮到以前用戶的反饋，隨著時間的推移創造一個更好的系統。

技術權衡

隨著任何技術的使用，人類從根本上適應于更好地發揮其效用。人類與現今移動設備的互動和依賴最能證明這種認知適應。在尼古拉斯-卡爾的著作《淺灘》中，他討論了由于我們與個人計算設備的互動，人類的注意力持續時間更短，專注能力受阻。隨著人工智能和戰役層面規劃的融合，軍事規劃人員有可能變得依賴技術提供的速度和易用性。這種可能性類似于世界上對谷歌查找信息的依賴（速度和易用性）與深入思考和記憶信息的技能萎縮之間的相關性。在任何一種情況下，美國陸軍都面臨著規劃人員在師級高度競爭和嚴酷環境中適應能力下降的風險。然而，使用退化的系統進行訓練可以減輕這種風險。此外，規劃人員在較低層次上仍將使用沒有人工智能的MDMP，從而保留了模擬規劃的技能。另一個風險是計劃人員各梯隊之間面對面的合作可能減少，因為系統以電子方式拉動和存檔OPORD信息。這種影響類似于電子郵件通訊的增加和實際通訊的減少之間的關聯。這些影響都是不可避免的，但并不嚴重妨礙軍事規劃的進行。事實上，這些風險是值得的，因為將人工智能整合到作戰層面的規劃中，可以提高效率、速度和準確性。

8 結論

人工智能比以往任何時候都更傾向于社會規范。這項技術幾乎伴隨著人類生活的每個方面。深度強化學習和專家系統技術的進步正在使私人企業激增。然而，美國軍隊只是見證了人工智能力量的一小部分。隨著其他發達國家對人工智能技術的投資成倍增長，美國正在落后于創新曲線。如果不增加、逐步將人工智能納入軍事規劃單元和作戰規劃團隊，那么作戰過程將不會對未來產生有利影響。此外，美國陸軍站在見證一個戰場，讓我們的認知能力無法規劃、準備和執行，適應使用MDMP的行動。

通過人工智能的能力來分析MDMP，這項研究確定了通過部分融合獲得的潛在效率和積極表現。人工智能技術應逐步整合到陸軍師級MDMP中，以發揮其能力。目前的人工智能技術可以支持MDMP的某些方面，但只有在為軍事用途做了具體的調整之后。未來的研究應該調查目前在戰斗環境中使用人工智能技術的陸軍跨職能小組的擴展情況，以便將規劃過程納入其范圍。最后，研究應該調查人工智能在所有作戰功能中的好處。

小型無人駕駛飛機系統（sUAS）的指數式增長為美國防部帶來了新的風險。技術趨勢正極大地改變著小型無人機系統的合法應用，同時也使它們成為國家行為者、非國家行為者和犯罪分子手中日益強大的武器。如果被疏忽或魯莽的操作者控制，小型無人機系統也可能對美國防部在空中、陸地和海洋領域的行動構成危害。越來越多的 sUAS 將與美國防部飛機共享天空，此外美國對手可能在美國防部設施上空運行，在此環境下美國防部必須保護和保衛人員、設施和資產。

為了應對這一挑戰，美國防部最初強調部署和使用政府和商業建造的物資，以解決無人機系統帶來的直接風險；然而，這導致了許多非整合的、多余的解決方案。雖然最初的方法解決了近期的需求，但它也帶來了挑戰，使美國防部跟上不斷變化問題的能力變得復雜。為了應對這些挑戰，美國防部需要一個全局性的戰略來應對無人機系統的危害和威脅。

2019年11月，美國防部長指定陸軍部長（SECARMY）為國防部反小型無人機系統（C-sUAS，無人機1、2、3組）的執行機構（EA）。作為執行機構，SECARMY建立了C-sUAS聯合辦公室（JCO），該辦公室將領導、同步和指導C-sUAS活動，以促進整個部門的統一努力。

美國防部的C-sUAS戰略提供了一個框架，以解決國土、東道國和應急地點的sUAS從危險到威脅的全過程。國防部的利益相關者將合作實現三個戰略目標：（1）通過創新和合作加強聯合部隊，以保護國土、東道國和應急地點的國防部人員、資產和設施；（2）開發物資和非物資解決方案，以促進國防部任務的安全和可靠執行，并剝奪對手阻礙實現目標的能力；以及（3）建立和擴大美國與盟友和合作伙伴的關系，保護其在國內外的利益。

美國防部將通過重點關注三個方面的工作來實現這些目標：準備好部隊；保衛部隊；和建立團隊。為了準備好部隊，國防部將最大限度地提高現有的C-sUAS能力，并使用基于風險的方法來指導高效和快速地開發一套物質和非物質解決方案，以滿足新的需求。為了保衛部隊，國防部將協調以DOTMLPF-P考慮為基礎的聯合能力的交付，并同步發展作戰概念和理論。最后，作為全球首選的軍事伙伴，國防部將通過利用其現有的關系來建設團隊，建立新的伙伴關系，并擴大信息共享，以應對新的挑戰。

通過實施這一戰略，美國防部將成功地應對在美國本土、東道國和應急地點出現的無人機系統威脅所帶來的挑戰。在這些不同操作環境中的指揮官將擁有他們需要的解決方案，以保護國防部人員、設施、資產和任務免受當前和未來的無人機系統威脅。

陸軍醫療現代化戰略

“未來的作戰環境將迫使我們以不同的方式思考，并在非傳統空間尋求機會。如果我們不做大的想象和深入的接觸，我們將無法在未來戰場上取得成功。”約翰-"邁克"-默里將軍，陸軍未來司令部前指揮官

陸軍醫療現代化戰略（AMMS）闡明了陸軍醫療系統（AHS）將如何從根本上轉變為一種半自主的、綜合的、網絡化的能力，以保存2035年及以后進行多域作戰（MDO）的戰斗力。這種變化既不是表面的，也不是漸進的；它是對陸軍醫學基礎的變革。這種方法將與陸軍最近發布的《2035年陸軍現代化戰略》（AMS）完全一致，并為其提供全面支持，確保陸軍醫療系統在更廣泛的潛在軍事應用范圍內保持相關性。

AHS目前的采購和現代化進程已經過時，無法跟上當前威脅環境的步伐。自從40多年前的 "空地戰"轉型以來，陸軍醫學不斷將新技術置于現有理論之上。這已經不夠了。現代化必須被納入其中，使理論與成熟的技術和治療方式同步發展。

利用基于威脅的路線圖，不僅僅是在現有的理論和編制上設計和鋪設新的醫療工具。它指導我們如何重塑陸軍的醫療部門，為陸軍提供相關的價值。其主要目的是重新想象和設計整個DOTMLPF-P的醫療能力、編制和人員。這將使以前各自為政的醫療實體匯聚成一個強大的、有彈性的、聯合的軍事-醫療體系。這一戰略也確保了陸軍的生物醫學投資繼續響應醫療現代化和戰備，以及當前和未來的作戰要求。

AMMS通過改善所有領域的醫療任務關鍵能力的整合、效率和功效，優化了作戰人員的表現和部隊的準備狀態。從宏觀上看，未來我們的醫療能力、容量和熟練程度將大幅提高，而人力、物力和成本將大幅降低。

美國防部（DoD）的醫療界正在經歷重大改革。本文件旨在統一醫療現代化事業，并指導陸軍醫療現代化工作的要求、重點和方向，這對實現2035年及以后的陸軍至關重要。隨著整個國防部醫療事業的改革工作繼續進行，陸軍必須使其醫療編隊和能力現代化。

軍隊醫療現代化框架

2022年陸軍醫療現代化框架的最終狀態是一個根本性的轉型和現代化的陸軍醫療系統--以編隊、能力和人員為重點--在2035年及以后作為綜合的、適應性強的、反應靈敏的、有彈性的聯合醫療部隊的一部分，實現多域作戰。這個AMMS將確保陸軍擁有一支訓練有素的醫療部隊，組織和整合成有效的作戰編隊，擁有現代醫療系統和足夠的能力，處于戰略地位，能夠利用國家一級的能力和權威，在世界任何地方的任何戰場上支持任何沖突。

為了在2035年之前實現這一目標，美國衛生署將使我們的支持方式、支持內容以及我們的身份現代化。這種方法與AMS和 "人民至上"戰略相呼應，并在陸軍和聯合部隊中與美國盟友和合作伙伴一起整合招募、理論、組織、訓練、物資、領導人發展和教育、人員、設施和政策（DOTMLPF-P）等要素。我們如何支持以新的編隊為中心，是理論、組織和訓練的領域，這將使陸軍在可能迅速積累傷亡的環境中保持高生存率。我們所支持的是以新能力為中心，以物資開發、設備現代化和采購為特點，以陸軍醫療整合到跨職能小組、陸軍物資現代化優先事項以及正在進行的 "融合項目"（陸軍對聯合全域指揮與控制（CJADC2）的貢獻）為指導。這些新的能力也必須允許在退化或有限的網絡/網絡空間環境中繼續運作。我們的核心是我們的人，包括我們的領導者發展、教育、招聘、保留和21世紀的人才管理，以提供關鍵的武器系統和AHS的差異化-我們的人。我們的醫療要素的相互依存將需要對全球部隊態勢、設施、管理和政策進行相應的更新，以確保陸軍的現代化努力與聯合部隊的其他部門保持同步。隨著AHS對陸軍2040年的展望，未來的概念也將有助于為實驗提供信息，以及AMMS的未來版本必須解決的問題。

通過系統的方法將AHS系統凝聚在戰場網絡中，將需要加強與不同戰場治理的協調。

鑒于戰爭的聯合性質，共同的數據標準和信息格式將為行政和戰術系統之間通過國防部、退伍軍人事務部、民用醫院和聯盟伙伴的連續性的無縫鏈接的發展提供信息。

美國防部還重新調整了聯合醫療企業的要素，將固定的軍事治療設施（MTFs）業務的責任轉移到國防衛生局（DHA），導致整個軍隊的AHS被分解。這一轉移使AHS與復雜的全球醫療系統的日常勞動密集型管理脫鉤，使其能夠重新關注作戰人員和其他集中的戰爭工作。醫療企業的重新調整，優先考慮需求和能力差距以及相關的投資，再加上與作戰部隊的改進和持續的反饋，這些都是AHS與AFC執行AMMS的手段。

最終狀態：一個從根本上轉變的、現代化的陸軍醫療系統，使陸軍能夠作為聯合部隊的一部分進行戰斗并取得勝利。

圖1. 陸軍醫療現代化框架