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

本文采用對稱視角研究軍事技術及其對城市關系的潛在影響，從而審視當代城市戰爭的空間化問題。雖然城市和建筑研究走在了解決此類緊迫問題的前沿，但占主導地位的批判方法在很大程度上仍然是社會建構主義和人類中心主義的。技術被視為權力的被動投射；它們既不分解也不進化，缺乏與用戶和環境相關的能動性。不接受解釋既有權力結構和社會體系的宏大敘事，而是強調有必要將城市戰爭的空間化作為一個過程來研究，這個過程可以在軍事技術的日常運作層面得到更好的解讀。在這個層面上，生存能力成為一個至關重要的問題，一個有爭議的問題。對生存能力的探索使我們能夠審視將士兵的身體與技術物品和城市景觀聯系在一起的世俗關系政治，在人類和非人類之間構建新的關系。

論文將軍用裝甲車作為動態和不斷發展的技術對象進行分析，并通過其功能和故障追蹤在城市戰爭的平凡層面上引發的生存性關系政治。值得注意的是，將這種關聯追溯到美國軍方在上世紀伊拉克和阿富汗戰爭期間為恢復生存能力和應對致命的爆炸威脅而尋求的 MRAP 型車輛。

分析表明了生存能力是如何成為一個有爭議的問題，一個令人擔憂的問題，成為軍方技術和條令發展的基礎。如果不考慮士兵、裝備和任務/系統的生存能力，就無法投射力量。這種生存能力是兩個相互依存的關鍵過程的結果：具體裝甲概念、材料和技術的技術發展；士兵與裝甲車輛之間的社會技術關聯。從實用專利中分析前者，這些專利記錄了在一系列不同發明中解決裝甲對抗的過程；從軍事出版物、政府政策文件和二手資料中分析后者，這些資料將人類和非人類的工作聯系在一起。實用專利可以幫助解釋實驗室中的技術改進和發展歷程，而軍事出版物和其他資料則可以幫助解釋戰車在戰場上的部署及其遇到的挑戰和故障，無論是與戰斗有關還是無關。此外，還分析了與裝甲車相關的建筑和城市特征，在這里，裝甲車被視為移動的加固圍墻，以一種多功能的關系方式將士兵的身體與不同的環境連接起來。

因此，本文對城市研究、建筑人文學科和 STS 的討論做出了三方面的貢獻：1）論文提出了生存能力與軍事技術物體的功能有著內在聯系這一認識論立場；2）論文擴展了建筑與城市作為一種連接方式的關系理論，裝甲車輛將建筑與城市研究的范圍擴展到了靜態建筑的形象之外；3）論文回答了一個方法論問題，即利用技術物體研究城市戰爭的空間化以及將景觀還原為地形的問題。這三篇文章都從實用主義的角度，通過人與非人之間的相互依存關系，探討了生存能力的關系政治。

美國陸軍在各級戰爭中都會進行評估，以便更好地了解實現目標的進展情況。陸軍專門進行作戰評估，以衡量軍事力量的使用效果。評估過程是一項反復進行的活動，貫穿整個任務規劃過程。作戰評估的現狀是過去幾十年戰爭中形成的條令和方法的結果。然而，生態系統中的幾個利益相關群體已確定需要進一步發展評估流程。本研究旨在對作戰評估企業進行全面分析，并就架構改進的機會提出建議。

本研究的目的是提供對作戰評估體系的透徹分析，并就改進架構的機會提出建議。研究方法包括文獻綜述、利益相關者評估和訪談，以及在創新企業戰略架構（ARIES）框架內應用系統分析方法，以評估當前狀態條件，并確定未來狀態系統的轉型機會。然后對擬議的未來狀態要素進行分析，以確定在評估過程的多個層面上增加價值交付。

研究確定了可進一步開發的系統設計機會，以更好地為利益相關者提供價值。對主要利益相關者進行更多的能力意識培訓和程序宣傳，也可以推廣更有效的評估產品和服務。最后，對作為信息積累的評估能力的分析支持了有關實施措施的建議，以更好地在系統內獲取和傳播經驗。

研究方法

研究方法采用了創新企業戰略架構（ARIES）框架的系統工具，并應用了利益相關者網絡理論和系統工程方法。ARIES 框架通過對當前和未來狀態的分析來看待系統差異，從而確定最有利于未來轉型的架構考慮因素。

這項研究通過以下方式探索重新構建系統的機會：

• 定義企業
• 分析外部和內部生態系統因素
• 分析當前狀態的利益相關者
• 分析當前系統流程
• 評估當前架構的一致性
• 確定未來狀態愿景
• 分析未來狀態對利益相關者的影響
• 分析未來狀態流程的影響
• 重新評估未來狀態架構調整
• 建議未來狀態架構考慮因素

隨著大數據的興起，信息的傳播速度也在不斷加快。速度將影響基于信息的決策。問題是，信息速度、連續性和真實性的提高是否有助于提高組織中決策者的決策質量。這種決策質量可以通過解決智能體在決策過程中對速度和準確性的權衡來解決。為了了解信息速度對決策質量的影響，本研究探討了速度對速度-準確性權衡的影響。本研究在決策過程中分析了這種權衡的背景。

現有工作

關于大數據的興起及其對組織決策過程的影響，目前已有相關研究。這些研究從所有四個方面對大數據進行了描述：數量、速度、種類和真實性；不過，有關速度對這些過程的具體影響的研究尚未問世。本研究有助于理解信息速度的概念以及這種速度對決策過程的影響。我們將通過描述信息速度對速度和準確性之間權衡的影響來探討這一問題。有關速度、速度-準確性權衡和決策過程的現有文獻為本研究提供了方向。

研究方法

為了探討信息對速度和準確性之間權衡的影響，本研究采用了基礎理論方法，在現有文獻和收集的數據之間反復推敲，以構建有關信息速度對速度-準確性權衡影響的理論。

我們在 Da Silveira 和 Slack（2001 年）的模型基礎上建立了一個模型，以解決速度對如何在速度和準確性之間進行權衡的影響問題。該模型經過調整，適用于智能體的行為影響過程中的權衡的情況。通過使用該模型，可以確定流程中的下一個因素：必要條件、一個目標給另一個目標帶來的變化、能力的有效性以及智能體如何平衡權衡的選擇。為了確定這些因素，采用了實證研究來解決這一問題，因為智能體的選擇是可以觀察和質疑的。實證研究是在一個案例研究中進行的：荷蘭國防部組織內的一個情報流程。實證研究采用了兩種方法：人種學觀察和訪談。訪談用于了解智能體所感知到的取舍，并深入了解導致這些取舍的因素。在人種學研究過程中，發現智能體在速度和準確性之間的實際權衡。數據收集過程的結果被整合到一個模型中，以解決信息速度對速度和準確性之間權衡的影響。

結論

通過實證研究方法收集的數據，我們構建了一個關于速度和準確性之間權衡影響的模型，如圖 S.1 所示。

圖 S.1： 信息速度對速度-準確性權衡的影響模型

該模型是通過分析在進行實證研究的背景下收集的數據構建的。這種環境受到以下背景因素的影響：所有接收到的信息都應進行分析的規則、交付結果的明確截止日期、流程中特定智能體的特定任務以及主要通過報告共享信息。

信息速度的影響既有消極影響，也有積極影響。積極影響包括信息可用性的提高，盡管這種影響只有在沒有信息進行分析過程時才會顯現。負面影響包括信息的可理解性降低，從而降低分析能力、速度和準確性。另外，當最后期限固定時，高信息速度導致的工作量增加要求智能體具有更高的速度水平。這種效應會導致結果的準確性降低，而在決策可能對人的生命造成高風險的情況下，這種結果往往是不可取的。

雖然速度提高后信息流動速度會加快，但如果不對當前決策過程的組織結構進行調整，決策過程的速度就不可能提高。而且，在特定情況下，當信息速度提高時，決策所依據的信息的準確性也可能降低。速度可以通過提高信息可用性為決策過程帶來機遇，但為了應對速度帶來的負面影響，應改變決策過程的組織結構。

下一步工作

在這項研究中，我們發現了信息速度對速度-準確性權衡的影響。這項研究是在特定背景下進行的，研究人員的主觀性影響了所構建的結果。為驗證研究結果，應在不同組織內，由多名研究人員和受訪者通過訪談和人種學研究開展更多實證研究。此外，基于 Da Silveira 和 Slack 模型開發的模型也應得到驗證，以適合解決智能體如何在目標之間進行權衡的問題。

本論文利用強化學習（RL）來解決空戰機動模擬中的動態對抗博弈問題。空戰機動模擬是運籌學領域常見的一種順序決策問題，傳統上依賴于智能體編程方法，需要將大量領域知識手動編碼到模擬環境中。這些方法適用于確定現有戰術在不同模擬場景中的有效性。然而，為了最大限度地發揮新技術（如自動駕駛飛機）的優勢，需要發現新的戰術。作為解決連續決策問題的成熟技術，RL 有可能發現這些新戰術。

本論文探討了四種 RL 方法--表式、深度、離散到深度和多目標--作為在空戰機動模擬中發現新行為的機制。它實現并測試了每種方法的幾種方法，并從學習時間、基準和比較性能以及實現復雜性等方面對這些方法進行了比較。除了評估現有方法對空戰機動這一特定任務的實用性外，本論文還提出并研究了兩種新型方法，即離散到深度監督策略學習（D2D-SPL）和離散到深度監督 Q 值學習（D2D-SQL），這兩種方法可以更廣泛地應用。D2D-SPL 和 D2D-SQL 以更接近表格方法的成本提供了深度 RL 的通用性。

貢獻

本文有助于以下研究領域：

• 設計獎勵信號以推動空戰機動領域的學習，以及確定最有效信號的相應評估。
• 第 6 章中介紹的結合 RL 和監督學習的新方法，可加速深度 RL 并超越基準算法。考慮到 RL 的訓練是一項非常昂貴和資源密集型的操作，這些縮短學習時間的新方法是本論文最重要的貢獻。
• 優于單目標智能體的多目標 RL 智能體，在第 7 章中介紹。這是一個非常重要的貢獻，因為它證明了多目標 RL 這一相對較新的發明可以在不增加學習時間的情況下超越單目標 RL 的性能。
• 用于訓練和測試單目標和多目標 RL 智能體的開源框架。

現代軍事模擬在幾個關鍵方面受到限制。軍事模擬器結構復雜，交互簡單，對作戰藝術發展的應用微乎其微。作者建議開發一種沒有這些限制的戰場模擬器。這種模擬器將包括一個跨平臺和跨領域的數字環境。它將允許在戰術層面和作戰層面的參與。它允許引入新的平臺，而這些平臺的屬性可以改變，這樣不僅能將開發中的平臺納入現有的戰術流程，還能確定尚未構想出的平臺的需求。由于這種結構同樣適用于敵方部隊，因此不僅可以針對現有的實際問題對當前的概念進行大規模測試和改進，還可以針對新出現的問題對未來的概念進行測試和改進。這樣的作戰模擬器將使用基于物理的開放世界軟件架構、大規模多玩家結構和大數據，以隨著時間的推移改進其對敵人和環境的建模。

圖 1 - 現代兵棋推演模擬器的模型

目前，在戰場上采用新技術的戰術和作戰方法需要幾十年的時間，通常是在一場或多場重大沖突中通過實戰總結經驗教訓。這是因為戰術的制定最好以戰場為實驗室，通過經驗來完成。現在有了權宜之計。為此，演習、兵棋推演和智囊團都在努力模擬戰場。但這些權宜之計很少得到充分利用。模擬的質量總是低于現實生活。正因為如此，采用通過模擬制定的戰術是有風險的。

現代技術，特別是現代數字戰場模擬技術，有可能改善這一過程，特別是在游戲和演習方面，但在很大程度上仍未得到發展。現代軍事模擬在幾個關鍵方面受到限制。首先，軍事模擬器是一種結構復雜的程序化訓練器，其設計初衷是在讓操作人員或機組人員在實戰演習和隨后的戰斗中執行任務之前，先讓他們掌握基本的操作技能。這是因為軍事模擬器設計的唯一目的是降低培訓的前端成本，而不是完善現有程序或改進擬議程序。

其次，軍用模擬器交互簡單。很少為了創新戰術而將模擬器連接起來。即使有，也通常范圍較小，僅限于單一平臺或領域。這就排除了平臺之間的大規模集體模擬器訓練，也排除了在現代戰場上執行任務所需的跨領域集體訓練。這與第一個限制有關，因為軍事模擬器是以自下而上的思維方式一次開發一個平臺，而不是以自上而下的整體思維方式進行開發。雖然目前正在努力將模擬器連接起來，但由于軍用模擬器軟件的專有性，以及大多數模擬器軟件都有幾十年的歷史，遠非最先進的技術，這些努力都受到了阻礙。

第三，軍事模擬器不用于驗證正在開發的平臺的擬議戰術。由于新平臺的開發需要數十年時間，因此有必要提前測試、開發和完善這些戰術，從而在這一過程中驗證作戰概念，并確保在戰場上使用新平臺時，能最大限度地發揮其致命效果，同時通過在實戰中吸取經驗教訓，對其進行最小限度的完善。這就需要建立一個與平臺無關的戰場模擬器，以集體而非個人學習為目標。目前還不存在這種利用最先進技術的模擬器，但在技術上是可行的。

作者建議開發一種沒有上述限制的戰場模擬器。這種模擬器不是任何一個平臺的程序化訓練器。它將是一個跨平臺、跨領域的數字環境。它允許在戰術層面和作戰層面的參與，允許進行跨作戰功能的訓練，除火力和機動外，還包括指揮與控制、情報和維持。它允許引進新的平臺，其屬性可以改變，不僅能將開發中的平臺納入現有的戰術流程，還能確定尚未構想的平臺的需求。最后，由于這種結構同樣適用于敵方部隊，因此不僅可以針對現有的實際問題對當前的概念進行大規模測試和改進，還可以針對新出現的問題對未來的概念進行測試和改進。這種兵棋推演模擬器將使用基于物理的開放世界軟件架構、大規模多玩家結構和大數據，以不斷改進對敵人和環境的建模（圖 1）。

在未來戰場上，人工合成的決策將出現在人類決策的內部和周圍。事實上，人工智能（AI）將改變人類生活的方方面面。戰爭以及人們對戰爭的看法也不例外。特別是，美國陸軍構想戰爭方式的框架和方法必須進行調整，以便將非情感智力的優勢與人類情感思維的洞察力結合起來。人工智能與人類行動者的組合有可能為軍事決策提供決定性的優勢，并代表了成功軍事行動的新型認知框架和方法。人工智能在軍事領域的應用已經開始擴散，隨之而來的作戰環境復雜性的增加已不可避免。

正如核武器結束了第二次世界大戰，并在二十世紀阻止了大國沖突的再次發生一樣，競爭者預計人工智能將在二十一世紀成為國家力量最重要的方面。這項工作的重點是美國陸軍的文化，但當然也適用于其他企業文化。如果要在未來有效地利用人工智能，而且必須這樣做才能應對競爭對手使用人工智能所帶來的幾乎必然的挑戰，那么成功地融入人工智能工具就需要對現有文化進行分析，并對未來的文化和技術發展進行可視化。美國將致力于在人工智能的軍事應用方面取得并保持主導地位。否則將承擔巨大風險，并將主動權拱手讓給積極尋求相對優勢地位的敵人。

結論

合成有機團隊認知的兩大障礙是美陸軍領導的文化阻力和軍事決策的結構框架。首先，也是最重要的一點是，領導者必須持續觀察人工智能工具并與之互動，建立信心并接受其提高認知能力和改善決策的能力。在引入人工智能工具的同時，幾乎肯定會出現關于機器易犯錯誤或充滿敵意的說法，但必須通過展示人工智能的能力以及與人類團隊的比較，來消除和緩和對其潛在效力的懷疑。將人工智能工具視為靈丹妙藥的健康而合理的懷疑態度有可能會無益地壓倒創新和有效利用這些工具的意愿。克服這一問題需要高層領導的高度重視和下屬的最終認可。其次，這些工具的結構布局很可能會對它們如何快速體現自身價值產生重大影響。開始整合人工智能工具的一個看似自然的場所是在 CTC 環境中，以及在大型總部作戰演習的大型模擬中。最初的工具在營級以下可能用處不大，但如果納入迭代設計、軍事決策過程或聯合規劃過程，則幾乎肯定會增強營級及以上的軍事規劃。雖然在本作品中，對工具的描述主要集中在與指揮官的直接關系上，但在最初的介紹中，與參謀部的某些成員（包括執行軍官或參謀長、作戰軍官和情報軍官）建立直接關系可能會更有用。與所有軍事組織一樣，組織內個人的個性和能力必須推動系統和工具的調整，使其與需求保持平衡。

幾乎可以肯定的是，在將人工智能工具融入軍事組織的初期，一定會出現摩擦、不完善和懷疑。承認這種可能性和任務的挑戰性并不意味著沒有必要這樣做。人類歷史上幾乎所有的創新都面臨著同樣的障礙，尤其是在文化保守的大型官僚機構中進行創新時。面對國際敵對競爭對手的挑戰，美國陸軍目前正在文化和組織變革的許多戰線上奮力前行，在整合人工智能工具的斗爭中放棄陣地無異于在機械化戰爭之初加倍使用馬騎兵。在戰爭中，第二名沒有可取的獎賞，而人工智能在決策方面的潛在優勢，對那些沒有利用這一優勢的行為體來說，是一個重大優勢。現在是通過擁抱人工智能工具和改變戰爭節奏來更好地合作的時候了。

長期目標

在決策或推理網絡中進行適當的推理，需要指揮官（融合中心）對每個下屬的輸入賦予相對權重。最近的工作解決了在復雜網絡中估計智能體行為的問題，其中社會網絡是一個突出的例子。這些工作在各種指揮和控制領域具有相當大的實際意義。然而，這些工作可能受限于理想化假設：指揮官（融合中心）擁有所有下屬歷史全部信息，并且可以假設這些歷史信息之間具有條件統計獨立性。在擬議的項目中，我們打算探索更普遍的情況：依賴性傳感器、（可能的）依賴性的未知結構、缺失的數據和下屬身份被掩蓋/摻雜/完全缺失。對于這樣的動態融合推理問題，我們建議在一些方向上擴展成果：探索數據源之間的依賴性（物理接近或 "群體思維"），在推理任務和量化不一定匹配的情況下，采用有用的通信策略，甚至在每個測量源的身份未知的情況下，采用無標簽的方式--這是數據關聯問題的一種形式。

我們還認識到，對動態情況的推斷是關鍵目標所在。考慮到一個涉及測量和物理 "目標 "的傳統框架，這是一個熟悉的跟蹤問題。但是，來自目標跟蹤和多傳感器數據關聯的技術能否應用于提取非物理狀態（物理狀態如雷達觀察到的飛機）？一個例子可能是恐怖主義威脅或作戰計劃--這些都是通過情報報告和遙測等測量手段從多個來源觀察到的，甚至可能被認為包含了新聞或金融交易等民用來源。這些都不是標準數據，這里所關注的動態系統也不是通常的運動學系統。盡管如此，我們注意到與傳統的目標追蹤有很多共同點（因此也有機會應用成熟的和新興的工具）：可能有多個 "目標"，有雜波，有可以通過統計學建模的行為。對于這種動態系統的融合推理，我們的目標是提取不尋常的動態模式，這些模式正在演變，值得密切關注。我們特別建議通過將雜波建模為類似活動的豐富集合，并將現代多傳感器數據關聯技術應用于這項任務，來提取特征（身份）信息。

目標

研究的重點是在具有融合觀測的動態系統中進行可靠推理。

方法

1.決策人身份不明。在作戰情況下，融合中心（指揮官）很可能從下屬那里收到無序的傳感器報告：他們的身份可能是混合的，甚至完全沒有。這種情況在 "大數據 "應用中可能是一個問題，在這種情況下，數據血統可能會丟失或由于存儲的原因被丟棄。前一種情況對任務1提出了一個有趣的轉折：身份信息有很強的先驗性，但必須推斷出身份錯誤的位置；建議使用EM算法。然而，這可能會使所有的身份信息都丟。在這種情況下，提出了類型的方法來完成對局部（無標簽）信念水平和正在進行的最佳決策的聯合推斷。

2.動態系統融合推理的操作點。在以前的支持下，我們已經探索了動態事件的提取：我們已經開發了一個合理的隱馬爾科夫模型，學會了提取（身份）特征，有一個多伯努利過濾器啟發的提取方法 - 甚至提供了一些理論分析。作為擬議工作的一部分，將以兩種方式進行擴展。首先，打算將測量結果作為一個融合的數據流，這些數據來自必須被估計的未知可信度的來源。第二，每個這樣的信息源必須被假定為雜亂無章的 "環境 "事件（如一個家庭去度假的財務和旅行足跡），這些事件雖然是良性的，可能也不復雜，但卻是動態的，在某種意義上與所尋求的威脅類似。這些必須被建模（從數據中）和抑制（由多目標追蹤器）。

3.數據融合中的身份不確定性。當數據要從多個來源融合時，當這些數據指的是多個真相對象時，一個關鍵的問題是要確定一個傳感器的哪些數據與另一個傳感器的哪些數據相匹配："數據關聯 "問題。實際上，這種融合的手段--甚至關聯過程的好方法--都是相當知名的。缺少的是對所做關聯的質量的理解。我們試圖提供這一點，并且我們打算探索傳感器偏差和定位的影響。

4.具有極端通信約束的傳感器網絡。考慮由位置未知、位置受漂移和擴散影響的傳感器網絡進行推理--一個泊松場。此外，假設在這樣的網絡中，傳感器雖然知道自己的身份和其他相關的數據，但為了保護帶寬，選擇不向融合中心傳輸這些數據。可以做什么？又會失去什么？我們研究這些問題，以及評估身份與觀察的作用（在信息論意義上）。也就是說，假設對兩個帶寬相等的網絡進行比較；一個有n個傳感器，只傳輸觀察；另一個有n/2個傳感器，同時傳輸數據和身份。哪一個更合適，什么時候更合適？

5.追蹤COVID-19的流行病狀況。誠然，流行病學并不在擬議研究的直接范圍內，但考慮到所代表的技能以及在目前的健康緊急情況下對這些技能的迫切需要，投機取巧似乎是合理的。通過美國和意大利研究人員組成的聯合小組，我們已經證明，我們可以從當局提供的每日--可能是不確定的--公開信息中可靠地估計和預測感染的演變，例如，每日感染者和康復者的數量。當應用于意大利倫巴第地區和美國的真實數據時，所提出的方法能夠估計感染和恢復參數，并能很準確地跟蹤和預測流行病學曲線。我們目前正在將我們的方法擴展到數據分割、變化檢測（如感染人數的增加/減少）和區域聚類。

信息技術的進步和后現代主義哲學在混亂中茁壯成長，創造了這樣的條件：到目前為止，敘述的競爭是實現政治和軍事目標的主要方法。在未來的沖突中，更多具有行動和戰略意義的行動將發生在 "信息環境 "中，而不是其他地方。物理領域的事件將變得越來越具有戰術性，而以敘事形式描述這些事件將成為作戰藝術的主導形式。目前的多域作戰（MDO）和大規模作戰（LSCO）的概念過度強調了未來戰爭內在的戰術方面，而沒有涉及暫時占主導地位的作戰藝術形式，這種形式通過敘事的力量利用信息技術和后現代主義。美國軍方必須認識到互聯網和社交媒體所帶來的社會變革的意義，以及它對戰爭性質的影響。正如啟蒙運動帶來了 "大規模征兵"，工業革命帶來了 "工業戰爭 "一樣，這場新的 "信息革命 "正在改變戰爭的特征，并將信息戰置于最重要地位。在當代戰爭中，信息不僅僅是一種能力，它是戰略和作戰藝術的本質。因此，指揮官和規劃者必須將 "信息 "本身視為任務，而不僅僅是戰術和作戰層面任務的推動者。

對指揮官的認知要求正在增加。由于創新和變化的速度，指揮官做出良好風險決策的能力受到挑戰。未來的戰爭不太可能像以前的沖突或訓練演習那樣以常規戰斗為主。美國的對手避免使用既定的理論，這提出了難以預料或減輕的危險。鑒于指揮官不能僅僅避免風險，而是要接受風險以獲得并保持戰爭的主動權，指揮官及其參謀部應考慮陸軍的風險理論和陸軍風險管理中心的理論風險梯度法是否足以應對多域作戰概念中描述的未來戰爭。

從對認知的研究來看，"風險認知 "的概念為風險管理人員（通常是參謀人員或主題專家）和風險決策者（通常是指揮官）如何評價風險分析方法提供了啟示。風險感知，即對風險水平的主觀判斷，這種想法與提出事實和數據就一定有說服力的想法形成鮮明對比。風險感知的研究已經證明了背景、敘述和簡單性在風險交流中的重要性。在風險決策者中，不熟悉、不了解、以及深深的偏見或恐懼會導致對風險水平的認知與專家的認知相差甚遠。

另外三種風險分析方法與陸軍理論風險梯度進行了比較。這些工具源自民用方法，被用于項目管理、工程和其他與風險和預見有關的領域。它們是故障樹、場景假設和風險三要素。雖然它們都有一些量化的元素，但它們為風險管理人員提供了同樣多的空間，甚至更多的空間，以應用批判性思維和分享背景，如預測的不確定性或與規劃行動的聯系。

正如陸軍出版物和文章所描述的那樣，未來的戰爭預計需要指揮官掌握五個領域--包括不熟悉的網絡和空間領域--在作戰領域往往比以前更廣闊，在行動中趨向于提高機動速度和創新。在這樣的環境中，無論是競爭、沖突、反叛亂，還是大規模的地面作戰，所有軍事專業人員都應該使用盡可能好的風險分析來保護生命和實現目標。為此，本文對理論、領導人發展和參謀部行動提出了潛在改變方法。