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

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

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

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

定義海戰中的"人工智能"

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

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

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

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

圖1:無人海事系統分類

表 1： 圖 1 所示無人海上系統的詳細分類

海戰系統中的人工智能

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

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

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

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

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

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

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

人工智能在無人航行器/飛行器中的應用

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

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

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

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

致命性自主武器系統（LAWS）

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

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

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

基于人工智能的海軍系統和無人系統的作戰前景

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

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

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

人工智能在海事領域的后果

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

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

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

印度海軍對無人系統的嘗試

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

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

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

結論

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

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

圖：一名病人被裝上 UH-60A 黑鷹醫療后送飛機。通過減少執行醫療后送任務所需的飛行員和機組人員數量，以及通過執行管理功能和在途中監控病人，人工智能將在提高病人運送的準確性和效率方面發揮不可或缺的作用。(照片由美國陸軍 David Preczewski 少校提供）

人工智能（AI）、機器學習（ML）和機器人技術通過開發智能軟件和機器，相互促進人類的表現和軍事準備。人工智能和相關技術的不斷發展將繼續影響大眾文化、科學、機器人技術、金融、市場營銷、供應鏈和醫療保健。

人工智能通過重復模式識別來模仿人類智力和處理功能，如語言、學習和解決問題。ML 和神經網絡流程可獲取大量數據集，從而 "訓練 "算法并開發自適應 "智能"。定量研究和應用研究證明了人工智能、ML 和人機融合的功效，在軍事環境中，人機融合通過射程、續航時間、有效載荷、生存能力和適應性提高了殺傷力，極大地改變了作戰策略。

2022 年，OpenAI 發布了 ChatGPT，人工智能徹底改變了現代文化和社會動態。生成式人工智能平臺將這一曾經遙遠的科幻概念推向了公共領域，只要有網絡連接，任何人都可以廣泛使用。在如此快速的發展之后，未來的應用將提供無限的潛力，特別是，據評估，這項技術將通過增強軍事領導人的決策、改善態勢感知和優化資源補充來支持人類的認知，從而在當前和未來的戰場上作戰并取得勝利。人工智能可為軍事決策者提供有價值的見解和分析，這些見解和分析基于處理大量高速、高容量數據的算法，可識別出超越人類認知的趨勢和模式，尤其是在大規模和梯隊中。

人工智能可為大規模作戰行動（LSCO）期間提供醫療服務的極端挑戰提供解決方案，具有重大影響。陸軍未來司令部描述了陸軍醫療系統（AHS）在未來作戰環境中所面臨的挑戰，包括高傷亡率、延遲撤離和補充以及多域和新型復雜地形環境的致命性。為了減輕這些挑戰，AHS 將為所有作戰領域的作戰部隊提供支持。敵人的反介入和空中拒止能力將限制美國的海陸空兵力投送。在網絡領域，美國空中醫療服務系統的資產受到敵方獲取部隊結構和患者數據、武器化錯誤信息以及中斷網絡訪問的網絡攻擊的威脅。在沖突期間，美國醫療服務系統將面臨一場過度活躍、致命和動能的戰斗，阻礙穩定和固定的醫療行動。未來作戰環境所面臨的這些挑戰將使美國陸軍醫療服務局完成保存戰斗力這一持久任務的能力捉襟見肘。

最近的實驗表明，自二戰以來從未出現過的壓倒性傷亡率：在未來的LSCO中，陸軍可能在七天內損失兩萬一千名士兵，相當于一個軍團規模的部隊。這些實驗證明，在未來戰場上，陸軍醫療服務系統需要增加后送和治療的容納量，同時盡可能迅速地將高比例的傷病軍人送回前線，以保持部隊的殺傷力。

為了應對未來作戰環境的挑戰，空中醫療服務系統有三項行動要務，其中每一項都可以通過應用人工智能來支持。首先，AHS 必須清除戰場上的傷亡人員，以此來解放作戰部隊，使其能夠移動和作戰；在未來的戰斗中，機動性是最重要的。清理戰場后，為了保存戰斗力，AHS 必須盡可能地向前推進，最大限度地重返崗位，這首先要在駐軍中執行 AHS 部隊健康保護（FHP）任務。駐地醫療為降低軍人因疾病、感染和受傷引起并發癥的風險做好了醫療準備，從而確保軍人在部署前就能有效履行職責。在前方環境中，AHS 通過由作戰醫療組織執行的醫療服務支持（HSS）任務來治療生病或受傷的人員，從而將維持能力納入其中。最后，AHS 必須克服后勤保障方面的預期威脅。軍事醫療補給不會超過機動部隊的補給需求，因此 AHS 系統在管理醫療后勤方面必須保持敏捷和靈活，尤其是在減輕預期的大規模傷亡事件方面。只有解決了這三個相互交織的當務之急，AHS 才能發揮其保存戰斗力的作用，而人工智能將成為 AHS 解決 LSCO 的信息、風險和決策難題的革命性工具。

指揮與控制

正如技術發展在過去幾十年中迅速加速一樣，陸軍也越來越依賴數據為決策提供依據并獲得信息優勢。從指揮與控制（C2）的角度來看，有機會利用人工智能來快速處理數據。今天，我們可以通過深度學習、模式識別、重復決策以及人工智能區分圖像獨特屬性和元素的能力來看到這一點。深度學習的后續應用可實現自動化，整合無人系統，并通過卸載和加速整個戰場的信息來減少人為錯誤。人工智能通過加快計算機運算速度、改進算法、獲取大量高精度和成熟的數據，加快了向作戰人員提供數據的速度，從而推動了 ML 和深度學習的發展。

美軍重新獲得并保持信息和決策優勢的能力依賴于聯合全域指揮與控制（CJADC2）概念。CJADC2 提供了一種協調一致的方法，用于塑造聯合部隊的指揮控制，并產生作戰能力，以便在戰爭的各個層次和階段、跨所有領域、與合作伙伴和盟友一起感知、理解和行動，從而以相關的速度提供信息優勢，同時在對手的決策周期內采取行動。

感知是發現、收集、關聯、匯總、處理和利用來自所有領域和來源的友好、敵對和中立數據的能力，然后共享信息以支持決策。感知是指分析數據，以便更好地了解和預測作戰環境、對手的行動和意圖以及我方友軍的行動。感知數據轉化為信息，再轉化為知識，從而增強聯合部隊和合作伙伴的決策能力。當人類評估與感知和理解的技術手段相結合時，領導者就能更好地對對手采取行動。

人工智能與 AHS 的交叉有可能徹底改變軍事醫療專業人員在戰場上的工作方式。隨著人工智能技術的進步，醫療保健系統有可能變得更高效、更準確、反應更迅速，從而挽救生命并改善受傷士兵的整體治療效果。人工智能通過改善監控、快速治療病人、更有效地轉移傷員以及實現準確的再補給，支持美國醫療服務系統應對未來的挑戰。

最大限度地恢復人員

早期、精確的干預能最大限度地恢復戰士的工作能力，并提高戰場內外的生存能力。醫療保健技術不斷發展：系統比人類更精確、更便宜、更快速、更小巧，而且能達到更遠的距離。醫療保健利用數據為急性、常規和緊急臨床決策提供支持；人工智能的融入將帶來無限價值。與大多數醫療系統一樣，美國醫療服務系統也是訓練有素的專業人員，他們的任務要求在巨大的壓力下快速匯總數據，以治療和拯救人類和動物--我們的軍事戰士。這些重要功能需要依靠人來捕捉、整合、解釋、分析和利用數據，為醫療保健提供信息。軍事醫療保健的基石仍然是人，這是軍事組織中最復雜、最昂貴的資產，然而，考慮到有限的資源和未來戰斗中可行的數據飽和度，人工智能將以機器的力量增強人力。整個 AHS 系統的人工智能將發揮醫療保健倍增器的作用，提高成本效益，彌補人員短缺，擴大有限的醫療能力，減少錯誤，優化工作流程，改進數據處理和分析，促進精準醫療。人工智能在臨床和運營方面具有潛力，可以改變美國醫療服務體系在監控和交付領域的醫療服務。在國內，人工智能將提高整個聯邦衛生局的生產力和醫療效率，在國外，在戰斗中，人工智能將通過衛生和社會服務系統提高醫療效率。

圖：支持 2030/2040 年陸軍的醫療能力發展集成局構想

部隊健康保護：監測

人工智能將通過回顧性和前瞻性健康監測和疾病預防計劃加強部隊健康保護。通過分析數據，人工智能可為醫療規劃提供信息，并確定人群和個人的潛在健康風險。

人工智能的應用范圍很廣，從預測分析到數據整合，再到預測高危人群的疾病進展和預防措施建議。這些預測將使臨床和非臨床領導者能夠及早干預，并有可能減少進展或完全防止不良后果的發生。

人工智能還可以通過生物識別數據的匯總，為疾病進程、用藥反應以及早期干預或診斷的需要提供信息。可穿戴生物識別傳感器技術（如單獨佩戴的手腕或戒指監測器）是增加數據以提供治療的一個要素。這種實時數據源將為醫療服務提供者提供實時和累積的信息，并教育患者如何以最佳方式進行健康和康復，并在戰斗中為治療提供信息。更強大的是，在軍隊中輸入的這種可穿戴數據源將為物理和職業治療師、營養師、行為健康專家、初級保健提供者和急診提供者提供信息，以改進他們的治療計劃，幫助指導最佳干預和治療，同時自動填充病人的縱向健康記錄。

實時醫療監控和趨勢分析將按梯隊為領導者提供可操作的建議。生命體征異常集群可能是人為或自然環境暴露的信號，將提醒相關領導，并提出原因和相關建議。這些記錄參考了所有國家和所有來源（包括國家衛生部、世界衛生組織和非政府組織）的匯總數據，可以為戰場提供更全面的健康情報準備。

圖：作戰衛生信息技術概覽

來自醫療傳感器的臨床數據將使整個作戰空間的醫療領導者能夠訪問臨床數據并評估各自組織的績效。人工智能將實現臨床數據解讀，識別與結果相關的模式，開發預測性分析，并向臨床和非臨床領導人提出解決方案。

在軍事醫療方面，要想將醫院以外的能力（如獸醫和牙醫能力）納入其中，就必須對 AHS 提供者進行初步培訓，這是一項密集、人力密集的任務，但人工智能可以幫助減輕這一負擔。非醫療技術人員在人工智能的協助下進行篩查，而不是由 AHS 提供者進行月度檢查等個人公共衛生和預防性篩查，可以提供具有成本效益的健康風險評估。篩查是一種公共衛生活動，它不能為患者個人提供干預診斷，但能提供風險評估，說明患者患某種疾病的可能性有多大。人口層面的口腔疾病監測系統可以加強篩查過程，每年為數以萬計的士兵免去人工篩查決策。利用人工智能為這一系統和其他類似系統提供信息，可以在整個美國保健服務系統中擴大單個訓練有素的牙醫或服務提供者的服務范圍。此外，人工智能將利用患者數據來識別士兵在整個職業生涯中的風險因素，并在計算中加入其他健康因素。當士兵準備部署時，人工智能增強型風險評估將再次有助于識別那些疾病風險最高的人，并將他們轉介到治療機構進行診斷和治療。僅在行為健康領域，人工智能就有可能及早、經常地識別高危人群。

人工智能通過回顧性和前瞻性的健康監測和疾病預防計劃來加強部隊健康保護。部隊健康保護中的人工智能為醫療規劃提供信息。

醫療服務支持：治療

與非軍事醫療保健和人工智能在醫療領域的應用進展一樣，美國醫療保健服務也可以利用人工智能改善治療和醫院管理。人工智能、深度學習、自然語言處理和 ML 功能已通過提高診斷準確性、治療計劃、風險因素評估、健康溝通和醫療管理，證明了在非手術醫療環境中的功效。人工智能算法可快速識別趨勢、模式和洞察力，適用于受傷點、床旁和 C2 監督，為生存能力和未來 AHS 的改進提供信息。將這些分析工具量身定制為作戰醫學任務集，可使 AHS 和軍事醫學受益匪淺。

在醫療保健領域全面擴展和整合現有的人工智能基礎設施將直接應用于戰爭中的治療和護理。目前的綜合努力包括使用 ML 算法進行醫療診斷、預測建模，以及消化電子健康記錄輸入的個性化治療計劃。采用這些工具和其他工具將有助于擴大臨床決策支持系統，更廣泛地納入循證醫療，并迅速縮小鑒別診斷范圍，同時大規模提供精確的治療計劃。未來戰爭環境的挑戰要求在資源有限的環境中提供長期護理，并納入不斷變化的客觀大規模傷亡計劃。人工智能作為一種工具，將使任何護理級別的 AHS 提供者都能根據疾病診斷和患者管理情況迅速調整護理，并在分診過程中立即提出建議。對于從作戰軍醫到神經外科醫生的提供者來說，人工智能有可能使護理計劃同步化和標準化，并利用有限的資源系統地告知最重要的生存潛力。

如今，人工智能在軍事醫學中的應用還很緩慢，但將人工智能納入 AHS 將最大限度地提高返崗率并挽救生命，同時還能為未來的臨床實踐提供建議。人工智能使各級醫療團隊能夠在其工作范圍內發揮最大作用，通過減輕未來戰場的緊張程度來挽救生命。

清理戰場

機動部隊的解編在很大程度上有賴于清理戰場和調節整個 AHS 病人流的能力。人工智能將在提高處理病人流動請求（PMR）的準確性和效率方面發揮不可或缺的作用。人工智能可以極大地改變空中醫療服務系統病人的流動，從啟動途中病人護理到提供最終護理。

圖：2022 年 2 月 5 日，一架西科斯基 UH-60A 黑鷹直升機在肯塔基州坎貝爾堡上空進行首次無人駕駛飛行，這是美國國防部高級研究計劃局 "機組人員實驗室座艙內自動化系統 "計劃的一部分。(圖片由 DARPA 提供）

啟動 PMR 或 "9 線 "時，生物識別可穿戴設備等數據輸入技術將把數據傳輸到陸軍數據結構中。這種 PMR 的早期通知可讓醫療團隊更好地為病人需求做好準備，數據可通過近場通信設備或低軌道衛星（如無人機和氣球）進行近實時共享，以確保為決策提供共同的操作畫面。當醫護人員接到可能有傷員的警報時，人工智能會自動完成分流并填充 PMR，使醫護人員能夠專注于病人護理，而不是處理或調度管理數據。人工智能算法會整合和總結受傷模式、生存能力分流、轉運時間、醫療用品可及性和可用醫院床位，從而為最佳撤離行動決策提供信息。這些信息將幫助醫護人員確定在受傷地點提供的適當護理，以及運送病人的最佳包裝。人工智能還能智能地將運輸平臺任務分配給 PMR，并提醒所有護理角色。

將人工智能集成到疏散平臺中可以采取多種形式。完全自主的車輛可以在不需要人工監督的情況下運行。半自動平臺可以通過減少機組人員的工作量來減少平臺所需的駕駛員或飛行員數量。人機協作將減輕醫療部隊的體力負擔。

對抗性后勤

無論在什么環境下，高質量的醫療保健都需要醫療用品（第 VIII 類）。有爭議的后勤問題包括供應鏈受阻與無法在戰場上的一個或多個領域取得主導權的對立。就醫療后勤而言，需要快速運送血液和 VIII 級物資，但由于空域存在爭議，設備很可能無法空運，從而增加了補給之間的運送時間。在多域行動中，由于天氣、路況和渡水等原因，醫療服務的提供變得更加復雜，從而增加了滯后時間。在這種無情的戰場環境中，將人工智能融入第八類醫療服務的提供成為創新和提高效率的關鍵驅動力。當務之急是探索人工智能和 ML 如何徹底改變艱苦環境下的供應鏈管理，并重塑必須在這種條件下復制的傳統流程。

為了克服后勤方面的競爭，AHS 將需要一個強大的綜合醫療 C2 系統，利用生物識別可穿戴傳感器、電子健康記錄系統和維持系統的數據輸入，在與 ML 和 AI 相結合的情況下，將被動后勤轉變為預測后勤。

幾十年來，人工智能重新定義了民用部門的預測和需求計劃。與醫療保健領域一樣，人工智能多年來也加強了非戰爭環境下的供應鏈管理。人工智能算法通過研究外部因素、市場趨勢和歷史數據，大大提高了需求預測的精確度。ML 模型（如集裝箱貨運站使用的模型）可以不斷學習和調整，以改進預測性物流。融入人工智能和 ML 將有助于減少多余庫存，同時提高供應鏈的整體產出。

人工智能有助于為各梯隊的維持人員提供精確有效的庫存管理。通過實時數據分析和預測分析，人工智能可實現 C2 和精確維持，以優化庫存水平、減少處理時間和成本、改善及時配送并挽救生命。規劃人員將擁有檢測模式和差異的工具，為指揮官提供及時的信息，幫助他們做出積極主動的決策。當人工智能整合數據并更容易地推送預期需求時，地面單元將限制補給時的拉動需求。

人工智能的一個分支--ML，由于能夠實時分析海量數據，可用于重新定義預測和需求規劃。這將帶來超乎尋常的準確性，使維持組織能夠在各個層面快速適應。

在供應鏈日益復雜的競爭環境中，ML 對自主決策至關重要。算法將對錯綜復雜的數據集進行篩選，并提供可指導戰略決策、改善風險管理和靈活性的運行狀況。領導者將擁有識別潛在風險和實施先發制人措施的工具，從而加強供應鏈，抵御不可預見的威脅。

利用人工智能、AHS 和軍隊優化后勤挑戰，可以最大限度地提高返崗率、提高生存能力，并最終在戰場上挽救戰士的生命。

人工智能在陸軍衛生系統中的障礙

盡管人工智能在支持 LSCO 中的 AHS 方面的潛在優勢顯而易見，但仍存在一些挑戰。預計通信將被拒絕、降級、斷斷續續且帶寬有限；機動部隊數據通常比健康數據傳輸保留帶寬優先權。作戰醫療會產生大量數據，但目前的人工智能系統可能仍需具備足夠的能力，才能優先處理大量、高速的此類健康數據。同樣，人工智能和相關應用主要依靠大量 "訓練數據 "來辨別模式和關系。目前，LSCO 和 MDO 中基于傷亡流、傷害模式和衛生資源的現代醫療保健數據尚不存在，無法為這種模式學習提供信息。作為一種現代技術，人工智能工具和系統尚未在所有軍事醫學培訓或臨床環境中常規使用。醫療保健和教育對人工智能理解的需求是顯而易見的。然而，軍事醫療團隊還需要切實可行的培訓、更新的指導計劃以及深思熟慮的持續接觸，以便為在所有作戰醫療功能領域采用人工智能流程和系統做好準備。

電子醫療數據還需要額外的安全和安保協議來確保數據安全，正如《HIPAA 安全規則》所描述的那樣，目前限制了在可互操作的作戰管理指揮和控制信息系統中公開傳輸醫療數據。作戰環境中生成的醫療數據將編入軍人的縱向健康記錄。雖然人工智能支持改進作戰醫療實踐、后送、后勤和返崗的工具，但人工智能并不能滿足對健康數據安全、私密、無偏見、真實和準確的需求，同時還需要提供高質量、可靠的數據。保護作戰健康數據比在駐軍中更為重要，因為作戰數據可能會泄露部隊位置、戰斗力，甚至秘密或高價值人員的身份，從而帶來風險。

在 AHS 中實施人工智能的其他障礙與在民用部門使用人工智能所面臨的挑戰如出一轍。人工智能依賴于可訪問、安全且極其昂貴的大容量數據存儲系統。除了需要進行數據管理和治理外，美國醫療服務系統中的人工智能還必須遵守額外的軍方特定法規，同時保持其價值和與業務需求的相關性。此外，人工智能工具和流程的開發還必須很好地融入陸軍行動以及沖突期間的艱苦醫療環境。陸軍軟件工廠畢業生等團隊和專業人員以及軍團級首席數據官的發展促進了陸軍以數據為中心的文化。雖然人們已經認識到對技術專家的需求，但這在 AHS 內部仍處于初級階段，沒有強大的專門技術團隊來迭代開發、部署和維護此類動態工具。雖然人工智能在提供醫療服務方面的優勢顯而易見，但要廣泛使用此類系統來支持軍事醫學，還需要在更大的軍事醫學數據戰略中進行大量投資。

使用人工智能的倫理規范

國防工業基礎體系內的防務公司往往會與美國政府客戶的法律和政策合規專家進行協調，以幫助確保人工智能系統合規。國防工業的人工智能系統符合有效利用可追溯的可靠系統的要求，并在整個任務期內持續產生公平、無偏見的結果。

人工智能系統在收集到的數據集上進行訓練，這些數據集包含偏差，在產生算法偏差時可能會表現出這些偏差。眾所周知，人類語言是有偏見的；根據人類語言訓練的機器極有可能帶有個人色彩，從而導致偏見。利用不包含歧視性語言的政策和數據集，偏見和成見是可以避免的。盡管在開發人工智能系統的過程中存在不確定性和未知因素，但美國政府正在制定相關政策，以確定人工智能模型是否足夠安全、可靠和符合國防部的道德規范。

信任數據可以讓作戰人員在執行任務時行使其知情決策空間，采取行動并擊敗對手。然而，人工智能/ML 算法無法完全彌補物理理解方面的差距。雖然人工智能有諸多好處，但也有一些道德方面的考慮需要解決。在醫療保健領域使用人工智能的道德影響，以及對同理心和同情心等人類要素的潛在影響，都是問題所在。人工智能是一種增強而非取代富有同情心和專注的軍事行動醫療服務的方式。

考慮在提供醫療保健和醫療保健決策中使用人工智能，需要在聯合部隊內部更新政策。陸軍未來醫療概念》闡明了將自動化融入醫療保健的必要性，以確保我們為最多的患者帶來最大的益處。關于人工智能和人類在決策中的 "參與 "程度，道德上的爭論依然存在。一方面，我們有道德義務利用新興技術為我們的士兵提供最高水平的醫療服務。假設新興的人工智能技術利大于弊，而即時性原則將算法護理分流和自主撤離視為 LSCO 中的合理手段。在這種情況下，我們可以說，只要人類仍處于環路中，這就是合乎道德的。

結論

人工智能、機器學習和人機融合可在戰場上提供信息優勢，使作戰人員在投射力量的同時，以相關速度做出明智決策。人工智能有助于在戰場上形成共同的作戰圖景；人工智能和人工智能是融合數據的關鍵催化劑。人工智能/人工智能大大改善了決策和殺傷鏈時間軸。人機協同可讓人類和機器共同訓練，確保作戰人員對機器的信任。人工智能和人機協同降低了作戰人員的認知負荷，直接優化了知情決策過程，同時實現了聯合部隊的超配。

人工智能與自動醫療系統的交叉可徹底改變戰場上的軍事醫療支持。人工智能在加強軍事行動和確保每個士兵的福祉方面擁有巨大的潛力。算法護理、醫療監控、后送和預測分析等人工智能技術可以改變為前線提供醫療支持的方式。通過部署人工智能系統，AHS 可以大大提高診斷、治療和決策過程的速度和準確性。人工智能算法可快速分析海量醫療數據，擴大護理和后送范圍，減少人為錯誤，降低與高壓力作戰環境相關的風險，使醫護人員能夠改善傷員的治療效果并挽救生命。

人工智能可以提高 AHS 的物流和供應鏈效率。通過利用預測分析，人工智能算法可以預測醫療供應需求，優化庫存管理，并簡化整個戰場關鍵資源的交付。這種積極主動的方法可確保醫務人員獲得必要的設備和藥品，使他們能夠為傷兵提供充分、及時的護理。

人工智能仍在不斷發展，因此解決在戰場上使用人工智能所涉及的倫理問題和潛在風險至關重要。必須實施保障措施和專業技術監督，以確保負責任地開發和使用人工智能系統。透明度、問責制和穩健的治理框架對于維護人工智能人工智能系統的道德完整性至關重要。通過利用人工智能技術的巨大威力，人工智能醫療系統有可能徹底改變軍事醫療支持，從而挽救無數生命，并在未來沖突的勝利中發揮關鍵作用。

在這個前所未有的技術驅動轉型時代，比以往任何時候都更需要積極投資開發強大的人工智能（AI），用于兵棋推演以支持決策。通過推進人工智能系統并將其與人類判斷力相結合，將能夠增強全域感知，提高決策周期的速度和質量，為新的行動方案提供建議，并更迅速地反擊對手的行動。因此，必須加快人工智能的發展，以幫助更好地應對目前需要人類智慧才能應對的現代挑戰和困境的復雜性，并在可能的情況下嘗試超越人類智慧--不是取代人類，而是以機器的速度增強人類決策并為其提供更好的信息。盡管深度強化學習在智能體行為開發方面不斷取得令人鼓舞的成果，可用于戰斗建模和模擬中常見的長視距復雜任務，但仍需進一步研究，才能使人工智能的規模擴大到能夠處理兵棋推演中錯綜復雜的廣闊狀態空間，從而進行概念開發、教育或分析。為了幫助應對這一挑戰，在研究中，正在開發和實施一個分層強化學習框架，其中包括多模型方法和維度不變觀測抽象。

利用人工智能進行兵棋推演

鑒于這些令人擔憂的活動以及最近在人工智能變革能力方面取得的突破，顯然必須開始更認真地投資于專門用于兵棋推演的人工智能開發。美國國家人工智能安全委員會（NSCAI）[27]詳細闡述了兩個信念：（1）"計算機系統解決問題和完成原本需要人類智慧才能完成的任務--在某些情況下甚至超過人類的表現--的能力迅速提高，正在改變世界"；（2）"人工智能正在擴大美國已經進入的脆弱窗口"。因此，有鑒于此，NSCAI得出結論："美國必須立即行動起來，將人工智能系統投入實戰，并在人工智能創新方面投入更多的大量資源，以保護美國的安全，促進繁榮，保障民主的未來"[27]。NSCAI [27] 認為，通過推進人工智能系統并將其與人類判斷力相結合，將能夠增強全域意識，提高決策周期的速度和質量，為不同的作戰行動提供建議，并更迅速地反擊對手的行動。

盡管美國在大多數領域都享有軍事優勢，但機器學習（ML）的擴散已開始為競爭對手和其他國家行為者提供無數的破壞機會[28]。因此，現在比以往任何時候都更有必要積極開展研究和實驗，以便對人工智能的優缺點以及如何將其用于規劃和兵棋推演有一個扎實的了解，只有這樣，國防部才能更好地做好準備，以應對戰略突襲和破壞[28]。例如，如今的作戰行動分析主要側重于評估友軍的計劃，而很少強調對手可能會如何根據自身的目標和能力做出反應[26]。盡管不遺余力地試圖了解對手的想法以及他們在沖突中會如何行動，但總是會受到自己想象力的限制。托馬斯-謝林（Thomas Schelling）在他的 "不可能定理"（Impossibility Theorem）中說得最好： "一個人，無論他的分析多么嚴謹，想象力多么豐富，都不可能做的一件事，就是列出一個他不會想到的事情清單"[29]。人工智能支持的兵棋推演甚至有可能克服這一限制，創造出有自己目標的智能體，而這些智能體并不一定受限于思維和計劃方式，因為思維和計劃方式通常是通過幾十年的經驗根深蒂固的。此外，僅從數據中學習新的行為，人工智能就能自動執行原本需要人類智慧才能完成的任務[30]。

雖然在機器學習領域已經開展了大量研究，但兵棋推演和軍事規劃與迄今為止使用人工智能解決的傳統問題--如圖像分類和自然語言處理--有很大不同。任務分析和規劃通常需要人類的直覺和啟發式方法來限制搜索問題的規模 [28]。雖然啟發式方法確實能更容易地找到可接受的解決方案，但這些解決方案的可擴展性或可靠性通常不足以評估可能出現的大量突發情況 [28]。此外，直覺也可能在非常復雜的問題中失效，例如那些涉及到有許多不同參與者的高維空間以及復雜的武器和傳感器交互的問題[28]。不幸的是，這些復雜性正是可能決定未來戰爭的特征[26], [28]。

幸運的是，迄今為止，競技游戲已成為學習如何實施人工智能以支持兵棋推演的良好試驗平臺。早期的成功包括掌握跳棋[32]、五子棋[33]、國際象棋[34]和圍棋[35]。人工智能方法在視頻游戲中也取得了成功，如 Atari 游戲 [36]、超級馬里奧兄弟 [37]、Quake III [38]、Dota 2 [39]、星際爭霸 II [40] 和無上限德州撲克 [41]。然而，競技游戲通常都有一套固定的規則、確定的參數和基于已知變量的可預測結果。雖然這些游戲能為戰略、決策和風險評估提供有價值的見解，但真實世界中的兵棋推演場景往往更加復雜--可能的初始游戲狀態更多，分支系數更大，因此結果更加難以預測。因此，如何將人工智能從這些游戲中獲得的成功轉化為真正的軍事行動是一項挑戰。不過，從這些游戲中獲得的人工智能學習和適應能力方面的進步，為人工智能在作戰模擬中更細致的應用奠定了堅實的基礎。

利用 "半人馬 "概念進行兵棋推演

正如 CeTAS 報告[31]所詳述的那樣，可以采用大量不同的方法來利用人工智能支持兵棋推演；不過，在本文剩余部分的范圍內，將討論人工智能與兵棋推演的關系，即創建能夠在戰斗建模和模擬所特有的龐大而復雜的狀態空間中做出理性決策的智能體。

然而，要證明人工智能能夠贏得游戲或取得超人的表現，只是證明人工智能確實能為兵棋推演者、作戰規劃者和戰場指揮官提供有用見解的第一步[42]。盡管如此，設想這些智能體將成為創建現代決策輔助工具的基礎，與更傳統的工具相比，這些工具能為決策者提供更高的準確性、速度和靈活性[28]--有可能加快決策過程并提供關鍵的洞察力。隨著進一步深入多域作戰[26]，在面對人工智能對手時，忽視這一步會帶來巨大風險。

雖然人機協作的概念最初是由 Licklider 在 1960 年提出的[43]，但前國際象棋世界冠軍加里-卡斯帕羅夫（Gary Kasparov）在 1997 年輸給 IBM 的 "深藍"（Deep Blue）[44]多年后，首次提出了 "半人馬國際象棋"（Centaur Chess）的概念。盡管被人工智能擊敗，卡斯帕羅夫并沒有將人工智能視為一種威脅，而是鼓勵將人工智能視為一種工具，當它與人類的能力相結合時，可以帶來前所未有的成就[44]。卡斯帕羅夫在他的著作《深度思考》（Deep Thinking： 機器智能的終點和人類創造力的起點[44]》一書中，卡斯帕羅夫強調了利用人類和機器互補優勢的必要性。計算機擅長暴力計算，每秒能分析數百萬個局面，同時輕松計算出最佳的近期戰術行動。另一方面，人類對戰略、創造力和考慮特定棋步長期影響的能力有更深刻的理解，而這一切主要靠直覺[44]。卡斯帕羅夫認為，人類的直覺和機器的計算結合在一起，往往能比頂尖特級大師或計算機單獨發揮出更強的棋力。卡斯帕羅夫指出，在許多情況下，即使是排名相對較低的棋手與計算機配對也能勝過頂級特級大師。

有趣的是，卡斯帕羅夫還指出，隨著計算機國際象棋程序變得越來越強大，人類棋手在這種半人馬合作關系中的角色也發生了變化。最初，人類專注于戰略，而計算機則專注于戰術，但隨著國際象棋人工智能的改進，人類越來越多地開始扮演 "質量控制 "的角色，確保計算機推薦的棋步與人類更廣泛的戰略目標相一致[44]。事實上，卡斯帕羅夫經常說，國際象棋的未來可能不是人類與機器的對決，而是人類與機器配對，使用何種界面，能下出最好的棋。這種合作融合了機器的計算能力和人類提供背景、理解和直覺的能力--這種協同作用所產生的棋藝水平超過了任何一方單獨發揮所能達到的水平。

為兵棋推演開發人工智能

雖然有許多不同的人工智能技術和方法可以應用于兵棋推演，如監督學習、無監督學習、遺傳算法、自然語言處理、決策樹、專家系統、博弈論、對抗網絡等，但本文主要關注的是推進強化學習（RL）領域的需求，以支持為兵棋推演開發智能體行為。

說到機器學習，主要有三種類型：監督學習、無監督學習和強化學習。監督學習依賴于標注數據，每一組輸入都有相應的預期輸出。它類似于范例學習，最適合圖像分類、回歸和語音識別等任務。相反，無監督學習不依賴于標記數據。相反，它能發現數據中的模式或結構，比如對數據點進行分組或聚類，最適合異常檢測、降維和數據分割。值得注意的是，還有其他類型的機器學習，如遷移學習、主動學習、自我監督學習等；不過，這些通常是上述兩類學習的擴展或組合。

在過去的二十年里，物聯網（IoT）是一個變革性的概念，而隨著 2030 年的臨近，一種被稱為感官互聯網（IoS）的新模式正在興起。與傳統的虛擬現實（VR）不同，IoS 試圖提供多感官體驗，承認在我們的物理現實中，我們的感知遠遠超出了視覺和聽覺；它包括一系列感官。本文探討了推動身臨其境的多感官媒體的現有技術，深入研究了它們的功能和潛在應用。這種探索包括對傳統的沉浸式媒體流和利用生成式人工智能（AI）的語義通信的建議用例進行比較分析。這項分析的重點是，在擬議的方案中，帶寬消耗大幅減少了 99.93%。通過比較，旨在強調生成式人工智能在沉浸式媒體中的實際應用，同時應對挑戰并勾勒出未來的發展軌跡。

第五代（5G）移動網絡的出現和最近計算技術的進步重新定義了互聯網的概念，從基本的連接到更先進的數字體驗，從僅僅是更快的通信過渡到與數字領域的沉浸式互動。這一概念最近在元宇宙（Metaverse）和數字孿生（digital twins）的框架下被引入，并開辟了廣泛的應用領域，包括虛擬現實（VR）、增強現實（AR）、全息傳送（holoportation）和遠程操作（tele-operation）等。在這一領域，有四個主要基礎被認為是連接網絡和物理世界的范例，即互聯智能機器、數字化可編程世界、互聯可持續世界和感知互聯網（IoS）[1]。IoS 概念將通過創建一個超越傳統界限的完全沉浸式環境，徹底改變數字交互方式。通過將視覺、聽覺、觸覺、嗅覺和味覺等感官體驗整合到數字領域，這項技術有望打造一個更引人入勝的網絡世界，讓虛擬體驗與物理世界一樣豐富和多維。

人類通過不同的感官體驗世界，感知大腦中整合或分離的感官信號。如果這些感官，特別是觸覺反饋，能夠準確地與現實世界保持一致，就能對行動和行為（如反應時間和探測）產生積極影響[2]。在此背景下，物聯網技術將使人們能夠遠程體驗各種感覺，為工業、醫療保健、網絡、教育和旅游等各種垂直領域帶來革命性的變化。為了充分發揮物聯網技術的潛力，需要應對眾多挑戰，以實現完全身臨其境的多感官體驗。這些挑戰涉及多種媒體的時間同步、解決暈動癥、確保高吞吐量以及最大限度地減少端到端（E2E）延遲。從視覺、聽覺和觸覺等各種傳感器模式收集數據在打造多感官體驗中起著至關重要的作用，這些數據可以在源端或目的端（即終端設備或邊緣服務器）同步。虛擬體驗無法真正復制我們的感官，會給人類大腦帶來混亂，導致惡心、頭暈和偏頭痛等癥狀。為了減少這些弊端，關鍵是要增強虛擬感覺的真實性，減少 VR/AR 設備的延遲，從而最大限度地減少不同模式之間的延遲，避免其不匹配[3]。此外，為了在長達一英里的距離內實現精確控制，并防止出現暈動癥，必須以極低的 E2E 延遲（理想情況下為 1-10 毫秒）傳輸感官信息[4]。

關于物聯網中沉浸式媒體可靠通信的關鍵性能指標（KPI），有研究表明，未來的 6G 網絡應實現高質量視頻流和觸覺信號 1 毫秒范圍內的 E2E 延遲性能，數據速率要求從幾十 Mbps 到 1 Tbps，可靠性能達到 10^-7[5]。此外，雖然味覺和嗅覺信號的要求沒有視頻和觸覺信號那么嚴格，但要充分發揮物聯網系統的潛力，就必須實現不同感官信號之間的完美同步。在各種技術中，語義通信是有希望實現超低延遲通信的候選技術，它通過通信傳輸信息的含義/語義，而不是通信整個信號，從而實現更快、帶寬更高效的傳輸。

作為先進的人工智能（AI）系統，人工智能的一個子領域--大語言模型（LLMs）最近被認為是超級壓縮器，它能夠用較小的信息（提示）提取出要傳達的基本信息[6]。LLM 是一種深度神經網絡（DNN），擁有超過十億個參數，通常達到數百億甚至數千億個，并在廣泛的自然語言數據集上進行過訓練。這種全面的參數化使其在生成、推理和泛化方面的能力達到了傳統 DNN 模型無法企及的水平[7]。雖然 LLM 恢復的信息與原始信息并不完全相同，但它們能充分代表信息的含義并傳達預期的信息。

因此，人們設想 LLM 將發展成為 IoS 的認知中心，通過對部分模式的估計和語義理解實現的通信，解決同步和壓縮等復雜挑戰。此外，如圖 1 所示，通過管理與用戶和環境感官相關的各種數據模態，LLM 可增強機器控制智能，從而提高遠程操作的可靠性。

在最近的發展中，LLM 已經發展到可以處理文本以外的各種模式，包括音頻、圖像和視頻。由此產生的多模態大語言模型（MLLMs）可以利用多種數據模態來模擬類似人類的感知，將視覺和聽覺等感官整合在一起[8]。多模態大語言模型能夠解釋和響應更廣泛的人類交流，促進更自然、更直觀的交互，包括圖像-文本理解（如 BLIP-2）、視頻-文本理解（如 LLaMA-VID）和音頻-文本理解（如 QwenAudio）。最近，MLLMs 的開發旨在實現任意多模態理解和生成（如 VisualChatGPT）。

在本文中，我們旨在為 LLM 與 IoS 技術的整合做好鋪墊，通過開發案例研究來展示利用 LLM 的能力來提高沉浸式媒體通信的延遲性能所能帶來的好處。特別是，我們將無人飛行器（UAV）的 360? 視頻流視為一項語義通信任務。首先，我們采用對象檢測和圖像-文本字幕技術，從輸入的 360? 幀中提取語義信息（文本）。隨后，生成的文本信息被傳輸到邊緣服務器。在邊緣服務器中，利用 LLM 生成與 A-frame 兼容的代碼，以便通過頭戴式設備（HMD）上的三維（3D）虛擬對象顯示相應的圖像。最后，生成的代碼被發送到接收器，以便在 HMD 上直接呈現三維虛擬內容。

本文的貢獻概述如下：

• 將無人機 360? 視頻流概念化為語義通信框架。

• 利用圖像到文本字幕模型和生成式預訓練變換器（GPT）解碼器（僅 LLM）的強大功能，生成適合在用戶 HMD 上顯示的 A 幀代碼。

• 根據語義通信框架各組成部分的帶寬消耗和通信延遲，對擬議框架進行基準測試。

• 使用反向圖像到文本的方法，評估系統生成的 3D 物體與捕獲的 360? 視頻圖像相比的質量，然后通過 BERT 模型進行文本比較。

本文的其余部分安排如下。第二節介紹 IoS 并討論其必要性。第三節概述了 MLLM 的發展及其在 IoS 中的應用。第四節介紹了一個案例研究，其中包括一個擬議的測試平臺，并對其進行了實施和分析。最后，第七節強調了面臨的挑戰，并提出了未來的研究方向。

圖 2：支持 GenAI 的沉浸式通信擬議架構

生成式人工智能模型能夠執行一系列傳統上需要創造力和人類理解力的任務。在訓練過程中，它們可以從現有數據中學習模式，然后根據這些模式生成文本、圖像和音樂等新內容。一方面，由于它們的多功能性和普遍的高質量結果，它們代表了數字化的機遇。另一方面，人工智能生成模型的使用也帶來了新的 IT 安全風險，在全面分析與 IT 安全相關的威脅時需要考慮這些風險。

針對這種潛在風險，使用生成式人工智能的公司或機構在將生成式人工智能集成到工作流程之前，應進行單獨的風險分析。這同樣適用于開發人員和運營商，因為生成式人工智能的許多風險必須在開發時就考慮到，或者只能由運營公司來影響。在此基礎上，可以調整現有的安全措施，并采取額外的措施。

將人工智能（AI）融入陸軍后勤工作，可以徹底改變供應鏈管理、優化資源配置并增強決策能力。不過，這需要采取全面的方法，解決實施過程中的挑戰和問題。

人工智能技術的迅猛發展為將其應用于包括陸軍后勤在內的各行各業提供了新機遇。認識到人工智能的潛力，陸軍應努力大規模利用其能力，并將其應用到戰術層面，以改善供應鏈管理、資源分配和決策過程。通過與《聯合出版物 4-0：聯合后勤》、《野戰手冊 4-0：維持行動》和《陸軍條令出版物 4-0：維持》中概述的指導原則保持一致，陸軍可以在日益復雜和快速發展的世界中發展適應性強、反應迅速和有效的后勤行動。然而，將人工智能融入陸軍后勤工作會帶來一些挑戰和問題，如在自動化與人類專業技能之間找到最佳平衡點、確保強大的網絡安全、解決倫理問題以及使勞動力適應不斷變化的技術環境。本文探討了在陸軍后勤中整合人工智能的潛在優勢和劣勢，并討論了在最大限度地提高效益的同時，最大限度地降低風險和解決與實施人工智能相關的問題所需的全面方法。

最大化供應鏈管理： 真實案例

人工智能在大幅提升陸軍供應鏈管理方面的變革能力毋庸置疑。正如美陸軍物資司令部前司令埃德-戴利（Ed Daly）將軍所強調的那樣，人工智能對于實現實際后勤所需的相關速度至關重要。他的愿景是將人工智能和機器學習無縫融入陸軍后勤流程的方方面面，從而為戰場上的士兵提供無與倫比的效率和及時支持。為支持這一觀點，《國際生產經濟學雜志》上發表的一項研究顯示，將人工智能融入供應鏈管理可將效率提高 20% 或更多。

人工智能分析海量數據、預測未來趨勢和資源分配需求的能力是陸軍后勤的另一大優勢。通過利用人工智能驅動的分析，陸軍可以更精確地預測士兵的需求，確保重要物資在正確的時間和地點到達目的地。此外，預測分析還能通過簡化人員和裝備分配來優化陸軍行動。陸軍后勤中的預測分析可以確定車輛部件何時需要更換，從而在故障發生前進行主動維護。這種方法可節省大量成本并提高運營安全性，減少因維護和事故而計劃外停機的可能性。此外，預測性分析還可以通過預測供應需求和驗證在正確的時間和地點是否有正確的資源來完善供應鏈管理。這一戰略可提高運營效率、縮短交付周期并提高供應鏈的可見性。

自適應后勤與決策： 對實時信息做出反應

適應當地快速變化條件的能力是現代軍事行動的重要組成部分。適應性后勤和決策對于維持陸軍在復雜環境中的有效性和反應能力至關重要。人工智能通過提供實時信息、復雜的分析和先進的決策支持工具，有可能徹底改變軍事后勤的這一方面。

人工智能在適應性后勤方面的一個重要優勢是它有能力收集和分析來自各種來源的大量數據，包括傳感器、衛星和其他情報平臺。此外，人工智能還能訪問來自不同陸軍源系統的記錄系統數據，如全球指揮與控制系統-陸軍、后勤現代化計劃、港口自動化工具和運輸協調員移動信息自動化系統 II。人工智能還可以利用非陸軍系統，如全球決策支持系統和后勤功能區服務。通過這種全面的數據分析，可以做出更明智的決策，提高后勤效率。

這些信息可為作戰環境提供全面的最新情況，使指揮官能夠根據實時情報做出明智決策。通過獲取準確及時的數據，陸軍可以更有效地應對新出現的威脅，最大限度地降低風險，并抓住機遇。

除了提供實時信息外，人工智能還能通過識別人類分析人員可能不易察覺的模式和趨勢來加強決策。通過機器學習算法和先進的數據分析，人工智能系統可以發現隱藏的相關性，并產生可操作的見解，為戰略和戰術決策提供依據。例如，人工智能可以幫助預測敵人的動向，預測后勤瓶頸，或在潛在的供應鏈中斷發生之前加以識別。有了這些洞察力，指揮官就能做出更明智的決策，更有效地分配資源，并在戰場上保持競爭優勢。

人工智能還能通過自動化某些后勤規劃和決策環節，提高陸軍應對突發事件和緊急情況的能力。例如，人工智能驅動的系統可以根據不斷變化的環境條件或供應鏈的突然中斷，自動調整物資和人員的路線。通過實現這些流程的自動化，陸軍可以最大限度地減少延誤，并確保將關鍵資源運送到最需要的地方，即使在不確定和逆境中也是如此。

人工智能在適應性后勤中的另一項應用涉及使用模擬和優化技術來支持復雜多變條件下的決策。人工智能驅動的模擬模型可以幫助指揮官探索各種場景，評估潛在的行動方案，并確定實現目標的最有效策略。這可以使后勤計劃更加穩健、更具彈性，并提高任務的整體成功率。

反駁意見

雖然將人工智能融入陸軍后勤會帶來諸多益處，但也有合理的擔憂和潛在的弊端需要考慮。一些批評者認為，依賴人工智能可能會導致過分強調技術，而忽視人的經驗和直覺，而人的經驗和直覺在復雜和不可預測的情況下至關重要。人工智能有可能造成虛假的安全感，導致過度自信和戰略失誤。

此外，與實施人工智能技術相關的巨大成本，如基礎設施升級、軟件開發和持續維護，可能會超過潛在的好處。預算限制和相互競爭的優先事項可能會使為人工智能集成分配足夠的資源變得具有挑戰性，從而可能限制其有效性。

另一個令人擔憂的問題是人工智能系統易受網絡攻擊和敵方操縱。隨著人工智能驅動的后勤系統對陸軍行動越來越關鍵，它們也成為對手試圖破壞或損害軍事能力的高價值目標。制定強有力的網絡安全措施至關重要，但無法保證這些防御措施在應對快速發展的威脅時始終有效。

此外，還要考慮與軍事后勤中的人工智能有關的倫理問題。使用人工智能可能會導致決策偏差、缺乏透明度或意想不到的后果。必須明確界定人工智能系統行動的責任，以確保在出現錯誤或故障時能追究責任。

最后，將人工智能融入陸軍后勤可能會給后勤軍事職業專業帶來意想不到的后果。雖然特定任務的自動化可以提高效率，但也可能導致工作崗位的轉移，并需要對勞動力進行大量的再培訓。確保陸軍能夠適應這些變化并保留一支熟練的勞動力隊伍至關重要，但這需要持續的努力和投資。

雖然反駁意見中提出的擔憂不無道理，但必須指出，不應完全否定整合人工智能的潛在好處。相反，有必要采取一種平衡的方法，仔細考慮與人工智能實施相關的風險和挑戰，同時尋求利用其在陸軍后勤中的變革潛力。通過制定全面的戰略，陸軍可以解決這些問題，最大限度地發揮人工智能集成的效益。

結論

將人工智能融入陸軍后勤工作，為徹底改變供應鏈管理、優化資源配置和加強決策過程提供了眾多機會。然而，至關重要的是要認識到并解決與實施人工智能相關的挑戰和問題，如在自動化和人類專業知識之間取得適當平衡、確保強大的網絡安全、解決道德問題以及使勞動力適應不斷變化的技術環境。

為了充分利用人工智能的潛力，陸軍應采取全面的方法，包括投資人工智能基礎設施、促進公共和私營部門之間的合作、為人員提供持續的教育和培訓，以及制定強有力的網絡安全措施。此外，必須就人工智能在軍事后勤中的道德影響保持公開對話，并建立明確的指導方針和問責結構，以確保負責任地部署人工智能。

通過采取全面的方法，陸軍可以克服與人工智能集成相關的挑戰，釋放其變革潛力，并在日益復雜和快速發展的全球安全環境中保持競爭優勢。

在過去的75年里，蘭德公司進行了支持美國國家安全的研究，目前為聯邦政府管理著四個聯邦資助的研究和發展中心（FFRDCs）：一個為國土安全部（DHS），三個為國防部（DoD）。本文將重點評論國防部如何能夠最好地確保人工智能（AI）的進展有利于美國國家安全，而不是降低它。

在一系列廣泛的技術中，人工智能因其進展速度和應用范圍而脫穎而出。人工智能具有廣泛改變整個行業的潛力，包括對我們未來經濟競爭力和國家安全至關重要的行業。由于幾個原因，將人工智能納入我們的國家安全計劃帶來了特殊的挑戰：

• 這些技術是由商業實體驅動的，而這些商業實體經常在國家安全框架之外。

• 這些技術正在迅速發展，通常超過了政府內部的政策和組織改革。

• 對這些技術的評估需要集中在私營部門的專業知識，而這些專業知識很少被用于國家安全。

• 這些技術缺乏區分良性和惡意使用的常規情報特征。

美國目前是全球人工智能的領導者；然而，這種情況可能會改變，因為中國尋求在2030年前成為世界主要的人工智能創新中心--這是中國人工智能國家戰略的明確目標。此外，中國和俄羅斯都在追求軍事化的人工智能技術，加劇了挑戰。作為回應，將強調美國防部可以采取的四組行動：

1.確保美國防部的網絡安全戰略和網絡紅方活動跟蹤可能影響網絡防御和網絡進攻的人工智能的發展，如網絡武器的自動開發。

2.為防止不良行為者獲得先進的人工智能系統，(1)確保對領先的人工智能芯片和芯片制造設備進行強有力的出口控制，同時許可芯片的良性使用，如果需要的話，可以進行遠程節流；(2)利用國防生產法的授權，要求公司報告大型人工智能計算集群、訓練運行和訓練模型的開發或分發情況；(3) 在美國防部與云計算供應商簽訂的合同中，要求他們在訓練大型人工智能模型之前對所有客戶進行 "了解你的客戶 "篩選；(4) 在美國防部與人工智能開發商簽訂的合同中包括 "了解你的客戶 "篩選，以及強大的網絡安全要求，以防止大型人工智能模型被盜。

3.與情報界合作，大幅擴大收集和分析敵國參與人工智能的關鍵外國公共和私營部門行為者的信息，包括評估關鍵外國公共和私營實體；他們的基礎設施、投資和能力；以及他們的工具、材料和人才供應鏈。通過以下方式加強國防部開展此類活動的機構能力：（1）在美國和盟國政府機構、學術實驗室和工業公司之間建立新的伙伴關系和信息共享協議；（2）招募私營部門的人工智能專家以短期或兼職的方式為政府服務。

4.投資于人工智能安全的潛在計劃，包括（1）嵌入人工智能芯片的微電子控制，以防止開發沒有安全保障的大型人工智能模型，以及（2）在部署人工智能系統之前評估其安全性的通用方法。

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

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

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

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

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

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

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

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

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

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

在過去的幾年里，人工智能（AI）系統的能力急劇增加，同時帶來了新的風險和潛在利益。在軍事方面，這些被討論為新一代 "自主"武器系統的助推器以及未來 "超戰爭 "的相關概念。特別是在德國，這些想法在社會和政治中面臨著有爭議的討論。由于人工智能在世界范圍內越來越多地應用于一些敏感領域，如國防領域，因此在這個問題上的國際禁令或具有法律約束力的文書是不現實的。

在決定具體政策之前，必須對這項技術的風險和好處有一個共同的理解，包括重申基本的道德和原則。致命力量的應用必須由人指揮和控制，因為只有人可以負責任。德國聯邦國防軍意識到需要應對這些發展，以便能夠履行其憲法規定的使命，即在未來的所有情況下保衛國家，并對抗采用這種系統的對手，按照其發展計劃行事。因此，迫切需要制定概念和具有法律約束力的法規，以便在獲得利益的同時控制風險。

本立場文件解釋了弗勞恩霍夫VVS對當前技術狀況的看法，探討了利益和風險，并提出了一個可解釋和可控制的人工智能的框架概念。確定并討論了實施所提出的概念所需的部分研究課題，概述了通往可信賴的人工智能和未來負責任地使用這些系統的途徑。遵循參考架構的概念和規定的實施是基于人工智能的武器系統可接受性的關鍵推動因素，是接受的前提條件。

作者：

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

引言

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

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

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

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

人工智能

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

潛在利益

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

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

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

采用的限制和挑戰

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

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

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

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

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

對加拿大陸軍的影響

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

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

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

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

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