人工智能是空中力量的一個強大推動力，但它的潛力還沒有被完全釋放與實現。只要承認其局限性并進行適當的管理，人工智能就有可能極大地改善空軍在不同戰爭層次上的規劃和決策過程。有助于簡化人工智能的使用并允許盡可能精確地利用最多數據的新投入將提高采用人工智能的潛力。從長遠來看，人工智能在聯合層面可能被證明是最有用的，因為它可以從每個部隊組成部分可以提供的大量數據和信息共享中受益。然而，在戰爭中擴大使用人工智能存在著復雜的挑戰和風險。為了建立一個未來的方向，需要考慮到人工智能在技術和人類用戶層面上的基本限制。

引言

當下人工智能（AI）的驚人發展并不總是能引起軍事飛行員群體的興趣。然而，最近人工智能與有經驗的戰斗機飛行員的空戰模擬引起了廣泛的關注（Ernest等人，2016）。在這些模擬中，人類飛行員被他們的人工智能對手擊潰。飛行員和許多其他行業一樣，最終會因為人工智能的進步而消失，這一觀點因此得到了越來越多的關注（Pashakhanloun，2019）。盡管人工智能加速發展，然而迄今為止，人類飛行員在空戰和領導空中力量投射方面的作用沒有什么變化。人類飛行員并沒有被取代，而是逐漸被允許在駕駛艙內積累人工智能的好處，就像駐扎在總部和空中作戰中心的空軍軍官一樣。

只要承認其局限性并加以適當管理，人工智能就有可能大大改善空軍的信息力量和損耗能力，以支持不同級別戰爭的規劃和決策過程。在評估人工智能在空中力量使用戰略的多個層面時，空軍領導人必須在關鍵的兩難問題上找到明確的方向。可以為人工智能開發哪些戰術、作戰或戰略應用？與其他戰爭相比，人工智能的使用是否更適合于特定級別的戰爭？我們如何將人工智能融入我們的戰爭方式？本文將在考慮人工智能的未來發展方向之前，探討與人工智能在經典戰爭層面的使用有關的一些基本挑戰，最后，討論擺在面前的關鍵相關限制和危險。

戰術層面的AI

從一個作者到另一個作者，對人工智能（AI）的定義有很大的不同。法蘭西共和國官方雜志》將人工智能定義為 "一個理論和實踐的跨學科領域，旨在了解認知和思維的機制，以及通過硬件和軟件設備對其進行模仿，以協助或取代人類活動"（2018）。基于這一定義，我們可以將人工智能理解為一種計算技術，它通過利用不斷擴大的可用數據量、不斷增長的計算能力以及軟件設計的進展來解決問題。人工智能的應用是多方面的，幾乎影響到所有領域。人工智能可以簡化行政任務。它可以提高機群維護的性能。它可以優化導彈的制導系統。

然而，正如邁克爾-C-霍洛維茨（Michael C. Horowitz）所指出的，人工智能不是一種武器（霍洛維茨，2018）。它是一個推動者，更類似于電力或內燃機等發明，而不是作戰坦克或戰斗機。現在，越來越多的軍事參與者正在將人工智能引入軍事行動，主要集中在戰術活動上。以色列是這一領域的先驅之一，最近在聯合行動中利用了三種人工智能的能力--《煉金術士》、《福音》和《智慧的深度》（Antebi，2022）。《煉金術士》利用戰術和行動數據，通過手持平板電腦提醒部隊可能的攻擊。《福音》為威脅識別提供建議，操作者必須驗證并決定適當的反應（Ahronheim, 2021）。據報道，這一應用節省了使用現有方法實現相同結果所需的一年的努力。最后，《智慧深度》能夠生成有史以來最全面的地下隧道地圖。

戰役與戰略層面的AI

人工智能在改變戰術層面的戰斗空間方面已經顯示出成果，但在更高的戰爭層面也有潛在的優勢。然而，由于戰略、作戰和戰術層面的戰爭需要不同類型的考慮和推理，人工智能的潛在應用和可獲得的結果也相應地有所不同。

根據克勞塞維茨的說法，戰略必須削弱并最終打破對手的意志。然而，衡量或量化戰略的這一目標并不容易實現。雖然軍事行動對對手造成的損害可以削弱他們的決心，但對于意識形態、政治或心理驅動的對手來說，這并不總是真的。戰爭不能簡化為一系列簡單的邏輯行動和可預測的結果，作為一種人類活動，創造力、驚喜、欺騙和心理因素都會發揮作用（Payne, 2021）。

人工智能無法探究戰爭的心理因素，也無法理解為什么戰場上的失敗并不一定意味著放棄戰斗意志。就像用于體育的軟件不能畫畫、走路，更不能預測比賽中發生的事情一樣，人工智能不能解決涉及人類的復雜互動所帶來的問題。人工智能將無法預測軍事行動中經常遇到的人類創造力和意外或欺騙因素，更不用說為其提供解決方案。人工智能的這些局限性的解釋是，能夠與人類的認知能力相匹配甚至超越的強人工智能目前并不存在。

• 人工智能將無法預測軍事行動中經常遇到的人類創造力和意外或欺騙因素，更不用說為它們提供解決方案了。

人工智能將越來越多地參與到從規劃階段到執行空戰的行動中，但空軍反而需要依賴狹義的人工智能。狹義人工智能僅限于特定的任務和角色，它能以超過人類能力的水平完成這些任務和角色。表8.1比較了窄人工智能和強人工智能中的屬性，后者仍處于發展的早期階段。雖然狹義的人工智能可以支持戰術活動，但它主要被證明不足以將這些聚集成行動層面上的決定性優勢。這樣的觀察在各種嘗試中都有記錄，例如美國海軍為海軍指揮官開發作戰層面的人工智能系統的努力（Aycock和Gleney，2021）。

表 8.1：狹義 AI 和強 AI 的屬性比較

如何最好地利用新興技術還有待觀察，因為僅僅擁有技術是不夠的。在第二次世界大戰中，盟國擁有的坦克相對多于德軍，但由于德國軍事理論的力量，他們的軍隊遭受了關鍵的失敗。人工智能已經成為美國和中國之間競爭技術優勢的核心問題，讓人想起冷戰時期的動態。然而，無論系統的技術有多先進，軍隊使用人工智能的結果將取決于它與之結合的理論和概念。人工智能解決方案必須根據軍事環境的具體限制和特點進行調整。因此，必須通過同時發展和整合理論和作戰概念來全面發展人工智能的能力。

同時，人工智能可以以更有限的方式加以利用，以深入研究特定設備的工作原理或關注對手系統的漏洞--這是約翰-A-沃頓（1995年）著名的 "重心 "概念之一。人工智能也開始被用于影響和心理行動（PSYOPS），這已經成為軍事活動的一個重要組成部分。在現代沖突中，各方都可以歪曲、操縱和傳播錯誤信息。人工智能在這種情況下有很多用途，并能以各種方式支持進攻性和防御性的PSYOPS。按照同樣的思路，人工智能將在信息戰中發揮更大的作用，在信息戰中，信息系統代表了所有各方的關鍵重心。

也許人工智能在作戰層面上最重要的用途在于其優化情報和提供預測分析的能力，使空軍能夠更好地預測威脅和環境的變化。特定的人、特定的關鍵詞和其他模式的存在可以提前提供有關對手意圖和未來計劃的信號。考慮到盡可能多的現成信息，如視頻、文本和圖像，這些信息可能沒有被有效融合和利用，人工智能可以產生強大的結果。通過主動情景規劃的收集和監測（COMPASS）計劃是一項雄心勃勃的努力，旨在通過結合幾個學科，如博弈論、建模和模擬，實現這一目標（Tucker，2018）。

同樣，人工智能可以通過支持對不同建議和行動方案（CoA）的評估和測試，在高層規劃中發揮寶貴的作用。通過對敵對勢力、他們的理論、能力、后勤以及可能的領導人的指揮風格進行建模，人工智能可以幫助指揮官和作戰計劃人員衡量哪些行動方案可能會產生最理想的結果。更進一步說，通過改變建模參數，人工智能可以豐富對假設的思考，突出文化偏見或新的見解。人工智能的應用可能有助于引起人們對被忽視的考慮，甚至有助于開發新的思考挑戰的方法。如圖8.1所示，人工智能在制定行動方案的不同階段有明顯的潛力，可以做出有價值的投入。

圖 8.1：制定行動方案的抽象流程圖

人工智能的未來發展方向

使用人工智能的行動結果和經驗表明，這項技術可以通過加強情報、部隊保護和協助決策來支持戰術活動的重要方式。本文所涉及的簡要意見為我們提供了對人工智能未來潛力的一瞥。越來越多地將人工智能引入國防，推動了始于20世紀末的軍事事務革命（RMA）。與20世紀90年代一樣，其基本目標仍然是整合新的智能技術，通過揭開 "戰爭迷霧 "來主導戰斗空間。

戰斗空間傳感器的增加加強了信息的收集，這些信息必須被處理、合并，并分配給部隊成員，以建立多重殺傷鏈。隨著仍處于早期階段的 "馬賽克戰爭 "概念的實現，這一趨勢將變得更加明顯（Clark和Schramm，2020）。人工智能與多領域作戰（MDO）結構高度相關，它將聯合能力匯集在一起，使早期發現對手的弱點并協調針對這些弱點的同步效應成為可能。人工智能使其有可能通過預測或識別甚至是暫時的弱點，例如，對手的雷達故障，并觸發快速行動和效果以利用時間敏感的目標。

作為一個系統的設計，人工智能的潛力被放大了。在思考空中力量的未來時，這方面出現了兩個有希望的方向：無人機群和忠誠的僚機。在無人機群中，微小的自主系統將像蟻穴一樣運作，其中每個單獨的元素不一定是高度專業化的，但結合成一個系統，提供了一種類似于集體的智能。由于一個元素抵消了其他元素的技術限制，在同步工作中，這些蜂群可以執行復雜的功能，如探測、欺騙和打擊。無人機群被視為未來飽和敵方防空系統的基本手段（Hamilton和Ochmanek，2020）。

另一方面，忠誠的僚機概念則更加雄心勃勃。目前正在開發的第六代飛機被設想為與自主無人機一起運行，協同執行任務。這些僚機將為它們的載人同行提高態勢感知和生存能力，并協助飛行員更快地做出更好的決定。忠誠的僚機將可以適應反映特定任務目標的角色--例如具有電子戰或打擊功能。在過去一個世紀里，領先的空軍利用質量擊敗對手的方法基礎上，忠誠的僚機將重新定義人機合作的動態，并導致未來空軍結構的根本變化。

人工智能相關的限制和危險

如果不強調等待用戶的限制和危險，對軍隊使用人工智能的任何概述都是不完整的。人工智能不是一個神奇的推動者。像任何新興技術或新技術一樣，人工智能將需要發展和測試--反映出未來需要大量投資。人工智能在軍事行動中的應用不是一個簡單的運行軟件的問題。人工智能需要各種投資流，以開發所需的系統、有利的基礎設施，當然還有人的因素，這將使其得到最有效的使用，并保護其免受復雜對手的攻擊。

• 人工智能需要各種投資流，以開發所需的系統、有利的基礎設施，當然還有人的因素，這將使其得到最有效的使用，并保護其不受復雜對手的攻擊。

必須創建新的數字架構、硬件和支持性基礎設施，以利用使人工智能成為可能的 "大數據"。將需要開發戰斗云來存儲數據，并且有必要確定數據和數據系統的性質和要求，以及適當的政策和治理框架。戰斗云和服務器的定位帶來了自己的挑戰--它們必須靠近用戶，但它們應該在空中還是在地面？無論答案是什么，它必須保證總部、指揮部和邊緣作戰人員之間的連接。

在當代軍事沖突中，各方都明白對連接和通信流的關鍵依賴。例如，在烏克蘭沖突期間，俄羅斯軍方瞄準了屬于商業電信服務提供商Viasat的服務器和數據交換節點，以阻止烏克蘭部隊的通信（Burgess, 2022）。事實上，人工智能有各種隱患，了解并能針對這些固有的局限性和脆弱性的對手可以利用這些隱患來損害其用戶的利益。例如，深度學習技術取決于所提供信息的質量和種類，以獲得準確的結果。

這就是為什么文化和無意識的偏見，限制了信息量，會導致操作員在與人工智能合作時做出錯誤的判斷。在人工智能所依賴的人機關系中，信任問題也會出現。如果人工智能比飛行員或受支持的指揮官更有創造力，并提供不尋常的方法來實現任務目標，這可能會引起懷疑和混亂，這在高速戰斗中是不可接受的。如果以同樣的方式產生的行動方案被推薦給盟友或聯盟伙伴，缺乏合理的推理會放大負面的后果。

另一方面，人類自然傾向于相信，當提供一個似乎連貫的結果時，機器是優越的。然而，過度自動化的風險會導致失常。在決策者處于高壓狀態下（例如等級或時間），通過依賴人工智能來指定目標，可能會造成錯誤，導致災難性的后果。

就像任何技術一樣，利用眾所周知的盾牌和劍的辯證關系，人工智能將不可避免地引發反戰略，并可能比預期更快地產生威脅。例如，北約空軍已經開發了自主無人機的進攻能力，卻沒有充分考慮到防御對手使用的類似系統。競爭對手在顛覆性技術時代發揮其能力的威脅有時被忽視，空軍需要告誡不要在人工智能方面重復類似的錯誤。這一點尤其重要，因為很多人工智能是利用商業上可獲得的或開放的軟件開發的，這使得對手有各種途徑來應對反戰略。

結論

人工智能是空中力量的一個強大的助推器，但它的潛力還沒有實現。有助于簡化人工智能的使用并允許盡可能精確地利用最多數據的新投入將提高其在不同級別戰爭中的應用潛力。從長遠來看，人工智能可能被證明在聯合層面上是最有用的，在那里它可以從每個部隊組成部分提供的大量數據和信息共享中受益。空軍領導人將需要決定可以給機器多大的自主權，以便在不影響戰略的情況下利用其品質。

• 人工智能可能被證明在聯合層面上最有用，它可以從每個部隊組成部分提供的大量數據和信息共享中受益。

空軍中通過壓縮時間周期來加快行動節奏和進程的爭奪，決不能成為目的本身。戰爭的目的最終是為了實現政治效果，而不是在最短的時間內開展行動。就目前而言，人工智能在軍事行動中的使用仍然不可能在三個經典的戰爭層面上持續進行。也不可能將人工智能置于軍事決策過程或戰斗空間行動的中心。為了改變這種情況，需要在技術和概念上取得重大進展，以及思維方式的轉變。當這種情況發生時，關于飛行員將消失的預測很可能很快就會實現。

這篇論文試圖研究能夠改善復雜軍事戰術環境中決策的人工智能（AI）技術。戰術環境在威脅、事件的節奏、突發或意外事件的因素、戰斗空間意識的限制以及潛在的致命后果方面可能變得非常復雜。這種類型的環境對戰術作戰人員來說是一個極具挑戰性的決策空間。戰術決策任務在識別決策選項、權衡眾多選項的相對價值、計算選項的預測成功率以及在極短的時間內執行這些任務方面迅速超越了人類的認知能力。海軍已經確定需要開發自動戰斗管理輔助工具（ABMA）來支持人類決策者。這個概念是讓ABMA處理大量的數據來發展戰斗空間知識和意識，并確定戰爭資源和行動方案的優先次序。人工智能方法的最新發展表明，它有望成為ABMAs支持戰術決策的重要推動者。本論文研究人工智能的方法，目的是確定在戰術決策領域的具體應用。

論文組織

本論文分為五章。第一章概述了本課題的背景，描述了本論文所探討的問題，本論文的目的，以及研究的方法和范圍。第二章對論文中討論的定義和概念進行了全面的背景回顧，包括自動戰斗管理輔助工具、決策復雜性和人工智能及自主系統的概念。第三章描述了用于協調數據采集和理解檢索數據要求的研究方法。第四章提供了分析的結果，并探討了從分析結果中得出的潛在好處和局限。本論文的最后一章包含最后的結論和對未來工作的建議。

A. 項目說明

在軍事行動中可能會出現復雜的情況，需要在有限的戰爭資源下進行跨域和多任務行動。這些情況給戰術決策者帶來了挑戰，他們需要在當下使用戰爭資源，而這些資源可能還需要用于其他同時進行的任務需要，并在以后完成一系列的任務。這些情況需要在行動中進行動態的重新規劃，以確保計劃中的任務是可以實現的，并且任務的修改支持戰略目標。該項目探索了人工智能和先進的數據分析方法，以開發未來的自動決策輔助工具，用于任務規劃和戰術決策，可以支持復雜的跨領域和多任務行動。

B. 研究目標

主要研究目標是探索新興的創新數據分析技術（包括博弈論、機器學習和兵棋推演），以優化海軍資源分配和跨任務領域的重新規劃。

其他研究目標是

• 探索新興的技術和數據分析工具，以解決不確定性和優化各任務領域的成功。

• 研究在特定領域的戰斗管理輔助工具之間進行平衡所需的選擇和能力，并優化跨領域的資源分配。

• 研究如何將這些技術結合起來，以優化跨領域的多戰爭規劃、執行支持和重新規劃。

C. 研究方法

由NPS研究人員和NPS研究生組成的NPS研究團隊對該項目采用了系統分析方法。研究小組首先對以下方面進行了文獻回顧：（1）自動化高級數據分析方法；（2）跨領域和多任務行動；（3）戰術決策和任務規劃。研究小組確定并描述了復雜的戰術情況，在這種情況下，需要對多任務進行優先排序，并需要進行動態重新規劃。研究小組開發了一種概念性方法，利用先進的數據分析、博弈論、戰爭游戲、人工智能和機器學習來支持和促成這些復雜戰術情況下的決策（以最佳方式使用和分配戰爭資源和部隊）。該團隊為概念設計開發了基于模型的系統工程表述，并對涉及復雜戰術、作戰和戰略情況的用例情景進行了建模。該團隊設想并模擬了一種創新的戰爭游戲決策輔助工具，以支持可能遇到類似復雜情況的作戰級別的任務規劃人員，這些情況需要在更高的級別上采用動態的跨域多任務方法。

D. 報告組織

本報告分為六章。第1章介紹了該研究。第2章包含了跨域多任務問題領域的特征。第3章包含了對使用自動化高級數據分析方法進行任務規劃的討論。第4章介紹了多任務資源分配（MMRA）決策輔助概念的系統分析。第5章包含了在三個不同的多任務場景中對MMRA能力的使用案例研究。第6章是技術報告的結論。

本報告著重于2025年混合部隊的任務工程過程。來自OPNAV N9I的最新任務強調了關注使用成本保守的無人系統的必要性。具體來說，重點放在近鄰的競爭對手大國以及在南海的反介入/區域拒止（A2/AD）情況下可能出現的問題。海軍水面作戰中心的任務工程方法被用來確定擬議的替代艦隊架構的具體事件，然后使用作戰模擬和優化模型進行分析。對目前的無人系統，特別是那些正在開發的高技術準備水平無人系統的性能特征和成本的研究進行了匯編。提議的無人系統架構是作為A2/AD問題的解決方案而開發的。然后，無人系統架構通過優化模型運行，以最大限度地提高系統性能，同時最小化成本。然后，架構優化的結果被輸入到建模和仿真中。然后比較每個架構的整體有效性，以找到最有效的解決方案。對結果進行了分析，以顯示預期的任務有效性和利用擬議解決方案的無人架構的擬議成本。最有效的架構包括搜索、反蜂群、運送和攻擊系統。

執行總結

A 引言

系統工程分析31組由美海軍作戰司令部戰爭整合處（OPNAV N9I）負責確定一個解決方案，以彌補與大國在2025年的預期能力差距（Boensel 2021）。該解決方案系統必須具有成本效益并能在2025年之前交付。SEA團隊利用任務工程過程來確定候選的未來艦隊架構來解決問題（工程副主任辦公室2020）。

B 問題陳述

到2025年，如何才能有效地對抗近鄰對手的反介入和區域拒止能力？

C 能力需求

以具有成本效益的方式調整目前的能力，并創建一個未來的架構，以加強美國海軍的作戰能力，包括存在、欺騙、ISR以及在反介入和區域拒止環境中的防御和進攻能力。

D 任務描述

利用任務工程流程，總體情景被設定在2025年的南海。大國已執行了其九段線的領土要求，并建立了一個反介入/區域拒止（A2/AD）區。大國不斷擴大的艦隊、對人造島嶼的使用、遠距離ASCMs以及對無人系統的擴大使用使美國的水面作戰艦艇處于高風險之中。總體任務是美國海軍DDG通過提高其殺傷力和生存能力，在A2/AD區域內進行FONOPS。在整個方案中，有三個小場景被開發出來。OTH ISR、目標選擇和交戰，威脅無人機蜂群，以及提供目標選擇的威脅無人機ISR資產。

E 任務衡量

衡量任務成功與否的總體標準是美國海軍部隊在近乎同行的反介入區域拒止環境中的作戰能力。有助于衡量成功的有效性的措施是DDG的生存能力和殺傷力的提高程度與解決方案系統的成本相結合。

F 分析設計

為了分析擬議的系統解決方案（SoS）是否能達到既定的成功標準，設計了一個價值體系。利用通用的海軍任務列表，項目組確定了擬議的系統解決方案需要完成的三個二級任務，以完成任務（海軍部，2008）。

對三個選定任務下的后續任務進行了評估，以確定擬議系統需要完成的具體功能。通過這次審查，確定了候選無人系統需要完成的四項高級功能。這些功能是交付、搜索、通信中繼和打擊。為每項功能選擇了性能措施，以用于多屬性價值分析。

多屬性價值分析被用來比較完成四個功能中一個或多個功能的候選系統。一個系統的價值是根據每個性能指標對完成一個特定功能的重要性，給每個性能指標分配一個權重而得出的。權重從1到5不等，其中5表示最重要的MOP。計算MOP和權重的乘積，并將每個乘積相加，以獲得系統的價值。

為了確定可行的候選系統，項目組成員各自研究了一個不同的無人系統，并收集了每個候選系統的性能衡量標準。如果一個特定的無人系統的MOP值不知道，則推斷其值與一個類似的系統相同。如果不存在這樣的類似系統，則使用啟發式方法估計該值。對于每項功能，至少有一個系統符合技術成熟度，可考慮用于2025年的混合部隊。

F.1 建議的系統簇

為了實現所有四個功能，候選系統的組合被排列組合成16個系統簇。每個備選方案的系統價值和成本都被計算出來。系統價值的計算方法是將每個備選方案中的每個系統的價值相加。

F.2 優化

為了產生用于比較的替代方案，該團隊使用整數線性規劃生成了架構。這是用Pyomo的優化功能完成的。線性規劃被創建、約束以更好地表示現實，并被解決以生成分別針對性能、預算和替代合約選項進行優化的替代架構。

F.3 使用炮擊作戰模型計算MOE

現代導彈戰可以使用炮擊作戰模型進行評估。這個模型被用來計算每個小場景中的每個SoS備選方案的有效性。結果顯示了超視距ISR平臺的重要性，一個獨立的武器系統來對付敵人的無人機，目前IAMD作戰系統的有限防御能力，以及超視距搜索和瞄準能力。

F.4 基于電子表格的戰斗模擬

“大國”和美國都擁有深入的綜合空中和導彈防御。為了證明這種互動，在微軟Excel中使用反二項式函數對不同的交戰進行了建模。每一個擬議的艦隊架構都被輸入到三個小插曲的戰斗模擬中。為了獲得隨機的結果，試驗的數量被設定為300次，每個概率都有一個可能的值范圍。該模型中的自變量可分為防御性或進攻性變量。防御性變量是每個單位的綜合防空和導彈防御武器的殺傷數量和殺傷概率。PLAN的進攻性變量是YJ-18 ASCM和Harpy無人機的命中數。美國海軍的進攻性變量是海上攻擊戰斧、ASCM和特定攻擊無人機的進攻性命中數量。

模擬的結果顯示了擊中敵方水面平臺或美國海軍水面部隊的數量。通過比較建議的系統與基線的命中率，可以得出變化的百分比。在我們的分析中，進攻和防御的有效性被平均加權，允許將進攻和防御百分比變化的高值相加，以計算出高低變化的總百分比。

F.5 使用基于智能體的建模和仿真進行模型驗證

基于智能體的建模和仿真（ABMS）被用來驗證每個設想的系統架構與所需的MOE。ABMS旨在通過對智能體之間的相互作用進行建模，來捕捉戰爭交戰的隨機性，但又很復雜。進行了蒙特卡洛分析，以收集每個系統性能的個體層面的數據。隨后的統計分析提供了一個途徑，以確定和量化每個擬議的系統架構所實現的改進。為此目的，指揮部：現代行動（CMO），是一個跨領域的現代兵棋推演計算機軟件，旨在模擬戰術到作戰水平的行動，被用作仿真引擎。CMO模擬的是基于規則的智能體，它們相互之間以及與環境之間的互動，包括感興趣的場景中的武器系統（Coyote, YJ-18, Chaff）和平臺（例如PLAN DDG, Luyang）。與多屬性價值分析方法相比，CMO允許對定量的系統MOP進行建模，并在模擬結果中觀察其相對差異。

G 電子表格作戰模擬結果

電子表格戰斗模型模擬的第一個結果是解放軍DDG在三個不同的迭代中對美國海軍DDG的命中率，即只用YJ-18攻擊，只用哈比攻擊，以及YJ-18和哈比同時攻擊。同時使用YJ-18和Harpy的命中率被作為防御性MOE的基線值。接下來，兩種不同的防御性無人機系統被分別加入到作戰模型中。對只有哈比的攻擊和YJ-18與哈比的同時攻擊進行了重復模擬。每個系統的防御性百分比變化是用前面描述的公式計算的。

接下來的結果是美國海軍DDG在三次不同的迭代中擊中PLAN DDG的次數。模擬了僅用MST攻擊、僅用ASUW無人機攻擊以及MST和ASUW同時攻擊的結果。只用MST攻擊的命中率作為進攻性MOE的基線值。接下來，七個不同的運載系統被分別加入到作戰模型中。對僅有ASUW無人機攻擊和同時進行的MST和ASUW無人機攻擊進行了重復模擬。每個投送系統的進攻百分比變化被計算出來。

將同等權重的進攻和防守百分比變化相加，計算出高和低的總變化百分比。根據該模型，期望值是這樣的：在0.95的置信度下，增加SoS將使水面部隊的有效性增加一個介于高值和低值之間的百分比。

H. 基于智能體的建模和仿真結果

總的來說，從ABMS觀察到的性能與從電子表格模型觀察到的性能MOE相關。在所有提議的架構中，都觀察到了防御和進攻MOE的明顯改善。這是預料之中的，因為在DDG上增加任何防御性武器系統應該減少艦隊DDG的直接命中數量。同樣，增加一個具有增強OTH感知能力的進攻性武器系統會增加對目標直接作用的武器數量。

對防御性和進攻性MOE與每一方所消耗的平均武器數量的比率的進一步分析顯示，由于美國海軍DDG上增加了反群武器系統，防御性MOE得到了改善。這種增加被證明是對所有架構的一種有效的廣泛改進。三種提議的架構之間最明顯的差異來自于進攻性MOE（%），其中性能系統優于其他架構。與發射的武器總數相比，預計一個性能更好的系統會向目標發射更少的武器，同時造成更多的命中。

I 結論

這項工作證明了低成本的無人駕駛威脅系統給傳統水面戰艦帶來的危險，這些系統可以在幾乎沒有警告的情況下進行協調和攻擊，并為船員提供很少的反應時間。為了避免強制增加對峙距離以提高生存能力，有必要使用增程傳感器系統和反無人機系統來彌補預期的能力差距并提供進入被拒絕區域的機會。為了使這些系統可行和安全，高帶寬的通信系統將是必需的。

為了滿足這些需求，建議的解決方案系統利用Dive-LD來運送Coyote無人機平臺。搜索和通信中繼將由兩個VBAT無人機平臺提供。這種平臺組合為每一美元的系統成本提供了最高的進攻和防御能力的提高。叢林狼 "無人機也將作為一個蜂群來防御威脅性無人機群和威脅性無人機ISR資產。增加解決方案系統的采購將提高艦隊的生存能力和殺傷力，并允許在其他艦隊優先領域進行額外投資。

建議通過為無人機平臺配備額外的無源傳感器來改進該系統，以利用電磁頻譜的所有部分，從而提高在所有天氣和戰斗條件下探測敵方威脅的能力。此外，擬議的解決方案系統可以擴展到許多其他領域和任務區，如港口防御和反對出口。

美國海軍陸戰隊正在探索使用人機協作來控制前線部署環境中的無人駕駛航空系統（UAS），其任務范圍廣泛，包括情報、監視和偵察（ISR）、電子戰（EW）、通信中繼和動能殺傷。美國海軍陸戰隊設想使用未來的垂直起降平臺（VTOL）來支持混合戰爭任務并實現軍事優勢。對于美國海軍陸戰隊的混合戰爭應用，以實現任務優勢和戰爭主導權，美國海軍陸戰隊需要了解VTOL機組和無人機系統之間錯綜復雜的人機互動和關系，以獲得戰斗空間態勢感知，并有效地計劃和執行針對常規和不對稱威脅的旋轉翼行動。這項研究的重點是美國海軍陸戰隊在海洋環境中的打擊協調和偵察（SCAR）任務，以促進遠征基地先進作戰（EABO）在沿岸地區。有多種復雜的功能必須加以考慮和評估，以支持人機協作互動，提高任務的有效性：任務規劃、移動和滲透、區域偵察、偵察戰斗交接和過渡。

這份頂點報告探討了SCAR任務期間三個系統之間的人機協作：UAS、VTOL和地面控制站（GCS）。該研究從VTOL項目的文獻回顧開始，研究了美國海軍陸戰隊SCAR任務戰術和用于促進EABO的理論概念。此外，它還包括對自主性和自動化、人工智能和機器學習的研究。通過使用合作設計模型來探索這三個系統的人機協作互動和過程，文獻回顧探討了如何使用基于三個因素的相互依賴性分析（IA）框架來確定人類執行者和機器團隊成員之間的相互依賴性：可觀察性、可預測性和可指導性。

通過基于模型的系統工程（MBSE）工具，將SCAR任務的高級功能分解為分層次的任務和子任務，系統分析被用來支持聯合設計方法。根據Johnson（2014）的說法，合作設計方法研究了相互依賴的概念，并使用IA框架作為設計工具。IA框架捕捉了主要執行者和支持團隊成員之間的互動，以發展支持每個主要任務和分層子任務的所需能力，從而產生HMT要求。這份頂點報告分析了兩種選擇。第一個方案認為UAS是主要執行者，VTOL和GCS是輔助團隊成員。第二種方案認為VTOL是主要執行者，UAS和GCS是輔助團隊成員。基于這兩種選擇，IA框架評估了17個主要任務、33個分層子任務和85個執行SCAR任務的所需能力。

此外，研究發現需要一個強大的數字任務規劃系統，如升級后的海軍陸戰隊規劃和行動后系統（MPAAS），通過存儲以前的任務和經驗教訓的數據來促進機器學習。美國海軍陸戰隊將面臨無人機系統的處理能力和信息存儲方面的挑戰。應盡一切努力增加UAS的處理能力。必須實施一個有效的主要、備用、應急和緊急（PACE）通信計劃，以確保UAS、VTOL和GCS之間所有通信平臺的冗余。美國海軍陸戰隊必須實施支持信任、提供快速反饋和簡單操作的接口。

最后，為了準確評估VTOL、UAS和GCS之間的HMT要求，頂點報告促成了一個探索性實驗的發展，該實驗將在海軍研究生院（NPS）建模虛擬環境和模擬（MOVES）實驗室使用，以促進未來的研究。制定了操作要求和測量方法，以確定HMT要求的有效性。

這項頂點研究為在SCAR任務中執行VTOL/UAS混合行動的人機互動復雜性提供了明確的證據。該頂點研究確定了使用系統分析和協同設計作為一種有效的方法，通過IA框架促進人機協作需求的發展。此外，該研究確定了對復雜的自主性和技術準備程度的需求，這可能是目前還沒有的。頂點建議美國海軍陸戰隊繼續研究人機協作，并利用SCAR任務探索性實驗來進一步完善和研究VTOL/UAS的高級系統要求，以支持具有前沿部署的UAS的混合行動，重點是實現4級自主權。

現代戰術戰爭需要迅速而有效的決策和行動，以便在經常是高度動態和復雜的戰區保持競爭優勢。需要考慮的因素的數量因不確定性、事件的快速發展和人為錯誤的風險而放大。自動化、人工智能和博弈論方法的潛在應用可以為作戰人員提供認知支持。這項研究以自動兵棋推演輔助決策的形式探索了這些應用。該團隊為這個未來的系統開發了一個概念設計，并將其稱為兵棋推演實時人工智能輔助決策（WRAID）能力。

頂點項目的目標是探索自動化、人工智能和博弈論的應用，作為支持未來WRAID能力的方法。該團隊為WRAID能力開發了需求、概念設計和操作概念。該小組確定并探索了可能對未來實施WRAID能力構成障礙的挑戰性領域。該小組調查了與使用人工智能來支持戰爭決策有關的倫理挑戰和影響。

本報告首先對與WRAID能力相關的主題進行文獻回顧。文獻回顧從人工智能的回顧開始，提供了一個關于人工智能如何工作以及它能夠完成什么類型任務的概述。文獻綜述探討了人機協作的方法，以支持未來指揮官和人類用戶與WRAID系統之間的互動。需要翻譯指揮官的意圖，并讓WRAID將有意義的輸出傳達給指揮官，這需要一個強大的界面。審查包括傳統的兵棋推演，以研究目前的模擬兵棋推演是如何進行的，以便深入了解，未來的WRAID能力如何能夠實時復制兵棋推演的各個方面，并認為以前的兵棋推演可以為人工智能和機器學習（ML）算法的發展提供訓練數據。ML算法的訓練需要大量的代表性數據。文獻回顧研究了人類的認知負荷，以深入了解人類大腦的認知技能和上限；并確定人類思維的極限，以顯示人工智能可能提供的支持。文獻綜述中涉及的最后一個主題是，傳統的計劃和決策，以了解目前在軍事上如何制定戰術行動方案。

該小組進行了需求分析和利益相關者分析，探索WRAID能力如何支持作戰人員。該小組在需求分析的基礎上為WRAID系統開發了一套需求。這些要求被歸類為：硬件/軟件，人機界面，和道德規范。第一階段的分析結果包括 (1)戰爭的復雜性需要發展一種未來的WRAID能力，這種能力利用自動化方法，包括人工智能、ML和博弈論，(2)WRAID能力需要大量的計算能力和復雜的軟件算法，(3)實現未來WRAID系統的挑戰將是技術和道德的。

未來WRAID系統的概念設計是基于需求分析的。概念設計被記錄在一套系統模型中，包括背景圖、系統視圖、功能工作流程圖和操作視圖。該團隊開發了一個作戰場景，以支持對WRAID能力如何在作戰中使用。

在開發WRAID的過程中，預計會有一些路障。開發WRAID系統的技術是存在的，然而，研究小組發現數據挑戰、人工智能訓練、程序限制和當前系統工程的局限性將是需要解決的障礙。數據挑戰指的是獲得足夠的數據集的能力，這些數據集代表了訓練ML算法所需的真實世界的戰術行動和兵棋推演分析。程序性挑戰包括國防部實施網絡安全、機密數據、數據庫訪問和信息分配協議的能力。系統工程方面的障礙是需要新的方法來設計安全和可靠的人工智能系統，如WRAID能力。將需要SE方法來處理不可預見的故障模式，并在系統生命周期的早期確定根本原因。

對像WRAID能力這樣的人工智能系統的倫理考慮是系統發展的一個重要因素。開發系統以取代倫理學，將使系統更有可能被部署。有幾個有道德問題的自主武器系統被拉出來作為WRAID能力的道德對話的基礎。通過一個示例場景，對道德狀況進行定性分析，以了解在部署WRAID能力時可能出現的道德問題。倫理學在未來的技術中發揮著巨大的作用；從一開始就考慮到倫理學，建立技術是很重要的。

未來的重點需要放在繼續對想象中的WRAID系統采取正規的系統工程方法。WRAID系統需要一個強大的數據集，需要收集和注釋；收集的定性兵棋推演數據越多，WRAID系統的可行性和準確性就越高。與軍事部門的合作對于最大化WRAID的利益至關重要，例如情報和偵察組織。WRAID的模擬將是完善系統要求和創建現實模型的關鍵。關于如何使用WRAID的培訓和文檔應該同時開發，所以利益相關者，特別是指揮官已經準備好，知道如何使用這個新工具。未來的研究領域包括認知工程、基于正式模型的系統工程和人機協作。

隨著目前技術進步的速度和外國的目標，人工智能將在未來的沖突和戰爭中發揮作用。自上而下的指令將需要設計和實施WRAID能力：提供大量的資源，解決操作和文化變化，重組系統工程，并確保網絡安全和收購變化。實現未來的WRAID能力并不是一個微不足道的任務。然而，它對確保現在和未來的戰斗空間優勢至關重要。

隨著當前海軍戰爭的趨勢轉向自動化作戰武器系統，美國海軍正將其戰略重點放在人工智能（AI）能力上，以減少作戰人員行動時間。這個系統工程（SE）項目使用約翰-博伊德的觀察、定向、決策和行動（OODA）概念和海軍陸戰隊規劃過程（MCPP）（Angerman 2004；美國海軍部2016）來代表人類-人工智能決策過程。空中和導彈防御（AMD）的殺傷鏈是通過簡化聯合目標定位理論“JP 3-60”（參謀長聯席會議2018）來體現的。殺傷鏈過程中提高操作動化水平被證明可以大大減少執行時間，如果進一步發展和實戰化，將為海員和海軍陸戰隊提供防空的戰術優勢。通過使用專家系統和人工智能加速殺傷鏈將大大縮短交戰時間，有效地擴大戰斗空間。

該項目開發了用于防空和導彈防御的人工智能（AI-AMD）架構，該架構旨在通過對威脅進行優先排序并在人類用戶的最小介入下采取行動來改善作戰決策。該項目專注于理解和評估空空導彈防御（AMD）的殺傷鏈，通過確定使用AI-AMD可以更快地執行行動。項目組確定并評估了與應用于殺傷鏈過程中各個步驟的AI-AMD自動化水平相關的風險。該小組進行了建模和模擬（M&S）分析，以比較低水平自動化（"無 "人工智能）的殺傷鏈和高水平自動化（"有 "人工智能）的殺傷鏈，根據節省的時間來評估改進。

該團隊在M&S分析的基礎上開發了高度自動化的AI-AMD決策輔助作戰能力的概念，并確定了有可能應用于未來AI-AMD架構的現有和未來人工智能方法。該團隊按照美國防部的架構框架（DODAF）進行了架構分析，以確定AI-AMD的操作過程。該小組采用基于模型的系統工程（MBSE）方法，使用SE工具Innoslate來開發概念架構。架構分析結合了藍軍（BLUFOR）防空傳感器、武器裝備和聯合網絡，創建了一個OV- 5b/6c行動圖，描述了AI-AMD決策輔助輸出與JP 3-60聯合目標定位程序步驟協同應用，以消除敵人的威脅（參謀長聯席會議2018）。為了完成其任務，BLUFOR系統（SoS）執行36項業務活動：AI-AMD內部的17個決策點和外部系統的19個功能（包括傳感器行動和網絡通信）。該團隊使用實驗設計（DOE）、離散事件和隨機模擬分析了架構分析的結果，發現在目標定位過程中高壓力的AMD場景需要完全自動化水平，而低壓力的AMD場景需要最低水平的自動化。該團隊開發了一個決策風險矩陣，顯示出高壓力情況下的風險可以通過完全的自動化水平來降低。目標定位過程中17個步驟中的每個步驟的風險評估都被分為四類：低、中低、中和高。團隊制定了一個相關的風險值來進行風險評估確定。團隊利用Parasuraman的自動化水平（1-10級）來進行風險評估，將決策風險與目標定位過程中各個步驟的自動化水平聯系起來（Parasuraman, Sheridan, and Wickens 2000）。該小組開發并使用了一條效用曲線來幫助確定每個自動化水平所節省的時間。自動化程度越高，節省的時間就越多。

該項目側重于單一威脅的交戰，以了解殺傷鏈過程中AI-AMD的時機。該小組進行了M&S分析，以證明AI-AMD架構的能力。該小組使用Innoslate MBSE工具和Microsoft Excel進行了離散事件模擬。在大量投資于行動圖之前，團隊使用Excel來評估元模型。仿真的主要重點是建立AI-AMD在不同壓力水平下的時間性能，如低、中、高。次要目標是將該模型發展為可交付的設計工具，在NPS用于未來研究。該小組從公開來源的威脅數據中選擇了三個有代表性的交戰：低壓力情景（時間軸為58.65分鐘），中度壓力情景（時間軸為9.72分鐘），以及高壓力情景（時間軸為1.51分鐘）。該小組的M&S分析結果顯示，在低壓力情景下，僅由人類做出的決策（自動化水平1）導致對飛入時間為58分鐘或以上的敵方威脅的AMD殺傷率達到100%。對于中度威脅情景（代表AI-AMD對每個作戰活動決策節點的不同自動化水平（如6到10）），1000次隨機運行的數據結果顯示所有交戰的平均完成時間為8.08分鐘。當AI-AMD系統被設置為較高的自動化水平時，該系統在中等威脅情況下成功地進行了AMD防御。高壓力場景的分解時間線允許每個作戰活動決策節點有0.09分鐘。該小組將人工智能-AMD系統設置為在高壓力情景下僅由人工智能進行決策（自動化水平10）。高壓力場景的結果表明，在自動化程度為10級的情況下，有可能成功應對敵人的威脅。該小組進行了敏感性分析，以探索替代的基本代表分布（基線、對稱變量擴散和高度傾斜）的影響。雖然分布形狀的變化確實影響了結果，但在每一種情況下，只有在人工智能支持的節約率超過97%的情況下，才會在高壓力場景中取得成功。

該項目研究了人工智能方法如何應用于AMD決策，以提高自動化水平，減少人類-人工智能團隊的執行時間（人工智能輔助決策）。該團隊自上而下地分析了AMD殺傷鏈：從OODA到尋找、固定、跟蹤、目標、參與和評估（F2T2EA）。該小組確定了17個關鍵決策點，在這些決策點上，提高自動化水平可以提高AMD的決策速度。潛在的自動化水平與每個不同步驟相關的風險進行了平衡。該小組使用M&S來評估人工智能-AMD系統在低水平的自動化（"無 "人工智能）到高水平的自動化（"有 "人工智能）下的決策的及時性。由此產生的AI-AMD概念架構的高層次能力被記錄下來，隨著系統技術的成熟，建議利益相關者考慮。該團隊確定了現有和未來的人工智能方法及其在AMD殺傷鏈中的潛在應用。該小組已經確定了未來人工智能-AMD的迭代需求，以研究整個戰場上具有多種威脅和參與的更復雜的情況。

摘要

當代和新出現的安全威脅以及從最近的軍事行動中吸取的教訓已經證明，為了在傳統的物理領域（陸地、空中、海上、太空）實現作戰目標，確保在非物理領域的主導地位至關重要，即網絡空間、電磁環境（EME）和信息環境。因此，除了物理作戰領域之外，在非物理領域取得優勢的能力對于實現戰役的軍事和非軍事目標具有決定性意義。

作戰人員將面臨消除沖突，協作，同步和整合行動的挑戰，以實現并發揮協同效應以應對多種威脅，其中可能還包括來自每個作戰領域對手的武裝沖突閾值以下的行動，包括非物質的。

本文探討了作戰環境聯合情報準備 (JIPOE) 作為支持聯合作戰規劃、執行和評估的主要工具的作用和意義，從而有助于多域作戰 (MDO) 的同步和協調。在這方面，基于政治、軍事、經濟、信息、基礎設施-物理、時間(PMESII-PT)方法，不可能將對當代作戰環境(OE)的分析局限于物理領域及其與非物理領域的關系。相反，作者們相信，確定一種合適的方法來關注在非物理領域單獨或聯合進行的活動影響，它們在PMESII-PT所有領域的相互融合和實際操作領域的相關性，將大大有助于友軍識別和評估對手的重心(COG)、關鍵弱點、意圖和行動路線(COAs)的能力，包括各自的指標。JIPOE將為聯合部隊指揮官(JFC)提供OE的整體視圖，將與戰術層面密切合作、共享和開發，通過結合不同領域的能力，應該能夠壓倒對手的部隊。這種集中控制和分散執行的方法將有助于在作戰和戰術層面之間產生協同效應。

引言

未來的軍事行動將以物理和非物理層面的融合為特征，眾多不同的行為者將在其中運作。任何部隊都需要適應極其復雜的作戰環境和大量的作戰變量，需要適應性地使用一系列武器系統來產生致命和非致命的效果。因此，除了物理作戰領域（即陸地、空中、海上和太空），在非物理領域（網絡空間、EME、信息環境）取得優勢的能力將對實現戰役的軍事和非軍事目標具有決定性意義[1, p.280]。

OE是影響能力運用和影響指揮官決策的條件、環境和影響因素的綜合體[2, p.3]。了解OE的因素和條件不僅是所有計劃活動，特別是行動設計的關鍵前提，也是友軍保護和許多其他相關任務的關鍵前提[3, p.41]。

JIPOE代表了一種系統的方法，用于分析有關OE和對手的信息。它可以應用于全部的軍事行動。指揮官和參謀部在危機背景、根本原因和具體動態方面，對戰區形成共同的理解和整體的看法。它使指揮官能夠直觀地看到問題的程度，以及他們如何塑造和改變OE，使之成為他們的優勢，這將為他們的決策提供信息[2, p.3-5]。

JIPOE產品極大地促進了聯合（即作戰）層面的軍事行動的規劃和執行。現代軍隊，特別是北大西洋公約組織（NATO）內的軍隊，幾十年來在討論跨領域（陸、海、空）的協調行動時一直使用聯合這一術語。如今，由于全球安全環境的巨大變化以及俄羅斯和中國日益增長的野心，為了挑戰潛在的同行對手，需要采取多領域的方法。在傳統的戰爭門檻下，盟國及其合作伙伴已經受到了跨越物理和非物理領域的持續攻擊[4, p.2]。MDO一詞不同于聯合行動，因為它旨在關注跨越多個領域的行動，而不考慮服務的歸屬，不一定是由多個部門進行的行動[5，p.49]。

圖1:支持聯合行動的當前JIPOE流程的可視化。

圖2:提出支持MDO的JIPOE過程方案。