人工智能（AI）是公認的顛覆性技術，它能迅速改變各種業務和行業。它還能改變與國家安全和國防有關的功能（流程和系統）。雖然人工智能主要不是在國防部門開發，但它有望通過提高國防相關活動的效力、效率和速度，改變未來沖突的特點。然而，雖然人工智能在替代或協助決策中的人為因素方面潛力巨大，但它仍無法取代人類的戰略思維。本文首先回顧了與人工智能技術相關的意義、當前發展和挑戰。然后，文章從國防能力、決策制定和戰略思維三個方面分析了人工智能對國家安全和國防的影響。文章最后展望了人工智能在安全與國防領域的總體前景，期待其在支持決策方面的最大價值。

1 引言

人工智能（AI）是我們這個時代爭論最多的技術突破之一，顯然也是最不為人所知的技術突破之一。它讓人著迷，同時也讓人恐懼。它讓人著迷的是其潛力，從其日常應用和大國在這一領域的優勢決心中就可以看出這一點。它也常常讓人擔憂，因為進一步的進步可能會導致人類能力的超越。后者在大眾文化中尤為突出。

盡管人們經常討論人工智能的未來能力，但在商業世界中，人工智能是 "當下"，并且已經滲透到我們生活的許多領域。除其他外，人工智能還能翻譯文本、識別數字媒體上的物體和人臉、識別垃圾郵件、駕駛汽車、用聊天機器人取代客戶服務、扮演私人助理的角色、創作藝術作品以及玩游戲。

人工智能已成為一個 "炒作 "詞，其影響有時被視為過于樂觀甚至深奧。因此，有必要分析這一技術的發展趨勢，并預測其對我們社會和生活的全面影響。

人工智能的所有可能性和潛在應用還有待探索。有些人的期望很高。人工智能能否為我們帶來 19 世紀末幾項技術為我們祖先的生活帶來的影響，我們拭目以待。第二次工業革命帶來了電氣化、鐵路、電報和汽車等技術，從許多方面影響了人類的生活。這些技術促進了生活水平的提高，使生活變得更快、聯系更緊密、可能性更豐富，并創造了新的社會關系和生活模式。作為第四次工業革命的一部分，人工智能有望改善人們的生活質量，提高人們的收入水平（Schwab，2016）。

與歷史上許多其他顛覆性技術一樣，人工智能有望創造機遇，但也會帶來挑戰。它可能會帶來經濟機遇（Tegge，2018 年），并通過許多積極的應用帶來益處。與先進的機器人技術和其他新興技術一起，它可能會推動人類的努力，甚至在制造、運輸、醫療保健和教育領域取代人類。

可以說，人工智能的進一步發展將帶來新的顛覆，并帶來巨大的經濟、社會、法律、倫理和安全挑戰。這些挑戰可能涉及經濟安全（因為人工智能預計將在許多領域取代人類（搶走人類的工作）），也可能削弱已實現的人權（個人和政治自由）。這可能會造成普遍的經濟不平等或政府對人口的廣泛和侵入性監控。

在國際關系中，人工智能已經成為戰略競爭的一個方面。主要大國認為走在人工智能技術的前沿對于未來全球經濟和軍事實力的競爭至關重要。雖然 "殺手機器人 "的發展仍停留在科幻電影的范疇，但人工智能已經在國防能力中得到了應用。目前，人工智能被視為一種前瞻性工具，尤其是在流程和系統中，其重點是在數據泛濫的環境中縮短決策時間（即決策）。

本文的分析僅限于人工智能在國家安全和國防領域的潛在應用。本文首先探討了什么是人工智能及其重要性，然后回顧了與人工智能相關的挑戰。文章的核心部分是研究人工智能對國家安全和國防的影響。最后，文章對人工智能技術未來的預期發展和使用進行了總結和思考。

2 人工智能介于神話和現實之間

目前，關于人工智能的公認定義尚不存在。人工智能是一個概念，或者說是一個領域，包括 "邏輯、概率和連續數學；感知、推理、學習和行動"（Russell and Norvig, 2003, p.vii）。在將人工智能描述為一個實體時，將其稱為 "智能體 "更為準確。從這個意義上說，人工智能是 "研究從環境中接收感知并執行行動的智能體"（Russell and Norvig, 2003, p.vii）。

Gartner 公司將人工智能簡單定義為 "模仿人類表現的技術，通常是通過向人類學習"（Andrews，2018 年，第 6 頁）。更具描述性的是，人工智能使機器從 "經驗 "中 "學習"，適應新的輸入，并執行類似人類的任務。

多種新技術已被廣泛歸類為人工智能。如今，大多數人工智能應用在很大程度上依賴于它們的子領域，如機器學習（ML）和深度學習（DL）。這些技術可以 "訓練 "計算機通過處理大量數據和識別模式來完成特定任務。

事實上，正是機器學習技術讓人工智能系統能夠在沒有明確編程的情況下進行學習。人工智能系統通過識別以前未定義的模式來 "學習"。機器學習還能讓智能體快速吸收和消化反饋信息。其結果是，與傳統的基于人類的反饋系統相比，人工智能所連接的系統在工作中變得更加出色。然而，人工智能體并不 "理解 "它們所執行的任務，至少目前如此，在不久的將來也不會如此，而且也無從得知它們是如何得出結論的。

人工智能的魅力可能就在于，我們不能指望它按照一套預先確定的算法 "行事"。我們可以以漢森機器人公司開發的社交型仿人機器人索菲亞為例，它經常接受采訪，甚至成為了沙特阿拉伯公民。另一個原因可能是，人工智能不同于其他技術進步，因為它不需要我們像使用計算機那樣通過學習如何使用來適應。實際上，人工智能就是創造適應我們的技術，而不是相反。

在本文中，我們將交替使用 "人工智能 "一詞，作為一個概念（一項技術或一個領域）和一種能力（一個AI智能體）。

2.1 理論框架

一般來說，人工智能是 "計算機系統執行通常需要人類智能的任務的能力，如視覺感知、語音識別和決策"。(卡明斯，2017 年，第 2 頁）

經濟合作與發展組織（OECD）在其定義中涉及知識和行為。經合組織將人工智能定義為 "機器和系統獲取和應用知識以及執行智能行為的能力"（經合組織，2016 年，第 86 頁）。就知識而言，以目前的發展水平，人工智能可以獲取和應用知識，但無法轉移知識。

Teradata 的 "企業人工智能現狀 "報告（伯恩，2017 年，第 3 頁）將人工智能定義為 "利用人機認知交互實現企業決策自動化的能力，機器能夠通過感知和持續學習、推理和推斷、決策和行動來增強和輔助人類能力，從而推動業務成果"。這一定義描述了人工智能的能力及其在增強和協助與業務相關的人類能力方面的目的。

最后，人工智能技術在國防領域的應用也備受關注。美國國防部將人工智能描述為 "機器執行通常需要人類智能的任務的能力--例如，識別模式、從經驗中學習、得出結論、做出預測或采取行動--無論是以數字方式還是作為自主物理系統背后的智能軟件"（USA DoD, 2018, p.5）。這一定義還涉及自主系統的使用。自主性在國防領域尤為重要，因為它能使系統（平臺）自動（如自主決策）、在程序設定的范圍內甚至 "自我管理"。人工智能對自主系統至關重要，因為它有助于在處理大量數據時做出決策。

當我們考慮人工智能時，重要的是要區分人工智能現在是什么或能做什么，以及未來可能或將要實現什么。目前，人工智能分為人工狹義智能（ANI）、人工通用智能（AGI）和人工超級智能（ASI），人工狹義智能是指在特定任務中，機器智能等同于或高于人類智能；人工通用智能是指在任何任務中，機器智能都能達到人類智能的全部水平；人工超級智能是指在任何任務中，機器智能都能超過人類智能（Spiegeleire, Maas & Sweijs, 2017）。

目前，所有現有的人工智能應用無一例外都屬于 ANI。人工智能已經以各種姿態出現在我們身邊。它往往不為人所注意，比如我們的搜索引擎、語言翻譯器或設備上的個人助理。目前，人工智能助手領域有四個領跑者： 亞馬遜的 "Alexa"、蘋果的 "Siri"、谷歌的 "Assistant "和微軟的 "Cortana"。而從 2023 年開始，由 OpenAI 公司開發的 ChatGPT 在自然語言處理領域廣受歡迎。

雖然根據目前的趨勢，專家預測人工智能將在本世紀中葉出現，但人工智能的出現時間仍存在爭議。許多專家預計，在此之后，人工智能會相對較快地出現，但很少有人預計這會引發 "人工意識"。

2.2 人工智能的演變

人工智能之所以能取得今天的重大進展，主要得益于算法質量的不斷提高（得益于計算機科學研究的進步、新的編程語言等）、計算能力的不斷增強以及數據的無處不在。

總體而言，人工智能的發展自其概念提出以來一直基于不同的技術；從 20 世紀 50 年代到 70 年代基于神經網絡，從 80 年代到 2010 年代基于機器學習，到今天則基于深度學習。事實上，主要由學術機構和研發組織完成的早期工作為我們今天看到的人工智能應用奠定了基礎。

20 世紀 50 年代末，美國正處于冷戰時期。當時的國會代表愿意在人工智能上投入巨資，將其作為更大安全戰略的一部分。當時的重點是語言翻譯，主要是俄譯英和英譯俄。1954 年至 1966 年被稱為 "樂觀的十年"，然而，突破并沒有像承諾的那樣迅速到來。與人工翻譯相比，機器翻譯速度更慢、成本更高、準確性更低，因此對機器翻譯的投資被突然取消。20 世紀 70 年代初和 80 年代末的這段發展停滯期通常被稱為 "人工智能的冬天"。

隨著計算機硬件（即大功率微處理器）的強大，人們對人工智能產生了新的熱情。此外，新技術，特別是與深度學習相關的技術，以及可以在現有示例中 "訓練 "后學習任務的神經網絡，開啟了人工智能的新時代。因此，在十年內，人工智能已從研究機構和大學的原型開發轉向工業和現實世界的應用。

盡管該領域取得了進步，但一些人認為，包括紐約大學心理學教授、長期對人工智能持懷疑態度的加里-馬庫斯（Gary Marcus）在內，"人工智能的歷史已經過去了六十年，我們的機器人所能做的不過是播放音樂、掃地和競標廣告"（馬庫斯，2018 年，第 5 頁）。還有一些人，如 Siri 核心專利的共同作者呂克-朱莉婭（Luc Julia）聲稱，人工智能甚至還不存在（Cagan，2019）。事實上，人工智能的發展仍然缺乏一個有凝聚力的、超前的理論基礎，而且是以一種臨時的方式進行探索。

就其未來發展而言，人工智能可能將與物聯網的發展齊頭并進。也就是說，人工智能（通過機器學習）可以迅速從數據中得出意義。它可以識別智能傳感器和設備數據中的模式并檢測異常情況。這種更接近數據收集地點的潛力可能會引導人工智能的未來朝著小型系統的方向發展。

開發和使用人工智能的一個基本特征是，投資規模并不是獲得技術效益的關鍵。在商業領域，開發人工智能解決方案往往只需要數據和機器來解決具體問題，最重要的是要有 "商業案例"。因此，成功的關鍵在于在定義案例時要有清晰的愿景。這使得那些在人工智能發展方面投入資金看似較少的國家和組織也能獲得巨大收益。

在許多人的想象中，人工智能的發展也會引發 "末日 "景象。然而，盡管科幻小說和電影中描繪了這樣的場景，但能夠自我維持、自我完善并有可能主宰人類的 "超級智能 "的實現，至少在不久的將來，仍然是一種神秘的可能性。

3 人工智能的挑戰

在社會中引入人工智能的結果并非都是有益的。與這項技術的實施相伴而生的破壞將對安全產生或隱或顯的影響。

例如，在經濟領域，人工智能系統預計將影響就業市場，可能會造成失業并加劇不平等。除了社會和經濟方面的挑戰，還應該分析其他一些問題，以評估人工智能的潛在影響。如今，我們可以確定幾個與人工智能相關的問題，如其相關性（在功能和適用性方面）及其負責任的使用（關于其決策的自主性和數據的獲取）。

3.1 人工智能的相關性

關于人工智能的相關性，使用人工智能的一個重要方面是提供 "訓練 "人工智能系統所需的數據源。由于人工智能需要數據，可用的數據量越大，它能 "學習 "的算法就越多，人工智能的成果也就越好。數據創建量在持續增長。例如，2013 年，90% 的可用數據都是在前兩年創建的（Jacobson，2013 年），這為人工智能的發展創造了非常有利的條件。對數據的這種需求使得云服務、社交媒體、電子商務或其他行業中能夠獲得大量數據的大公司自然而然地在各種人工智能領域處于領先地位。這包括語音識別、面部識別和自然語言處理。

因此，數據的可用性與人工智能的相關性密切相關。就目前的技術水平而言，使用人工智能處理數據有其局限性。只要相關數據的范圍較窄，人工智能就能發揮作用。換句話說，人工智能要求數據集具有相當明確的特征，包括形狀類型或模式系列。目前，使用人工智能支持決策的最大障礙是人工智能潛在的 "主觀性"。更具體地說，提供給人工智能系統的數據中的偏差會在其決策中復制或放大偏差。人工智能的運行在很大程度上取決于是否有可靠的、經過精心挑選的、符合目標的數據（Poussart & Wyman, 2018）。

3.2 對人工智能的控制

人工智能得出結論的過程不受用戶的直接控制。也就是說，人工智能做出的 "結論 "并不一定是最初的、有順序的算法或預測步驟的結果，因為人工智能體會 "學習"。因此，人工智能的進一步發展及其在社會中的應用絕不能處理不當。另一個值得關注的問題是網絡領域的隱私問題。控制問題還包括利用人工智能進行虛假宣傳的問題，如 deepfake（Villasenor，2019 年）。自動監控私人數據等做法以及上述挑戰可能會導致公眾對人工智能的不信任，甚至引發社會對人工智能的強烈批評。因此，數據驅動的人工智能系統的發展必須確保適應數據收集、使用和存儲的法律框架（例如，見歐洲議會，2018 年）。

最后，賦予人工智能系統做出可能改變生活的決定的自主程度仍然是一個關鍵問題。理想情況下，應確保人工智能體只能提供建議，而不是自主做出決定。然而，這并不總是可行的，尤其是當人工智能用于某些國防平臺時，決策速度至關重要。

3.3 效率與人類包容性

人工智能的兩大優勢是可擴展性和可用性。人工智能系統可以每周 7 天、每天 24 小時運行，而且不會疲勞、生病或感到壓力。因此，雖然人工智能并不比人類更聰明，但它的生產力要高得多。這些特點使其更容易以較低的成本進行采購。

諾亞-哈拉里（Noah Harari）完美地描述了在包括人工智能在內的大量基于新技術的新經濟中，人變得 "無關緊要"（例如不需要）的可能性（Harari，2018）。這是 "傳統 "資本主義問題的演變，在 "傳統 "資本主義中，許多人感到 "被剝削"。除此之外，哈拉里警告說，將所有信息和權力集中于一處的愿望是 20 世紀專制政權的主要障礙，而在 21 世紀可能會成為他們的決定性優勢。人工智能使之成為可能，因為它可以集中處理大量信息，使集中式系統遠比分散式系統更有效率。

4 人工智能及其對國家安全和國防的影響

人工智能在國防（即軍事事務）中的應用尚未形成概念，其發展預計將隨著其實施而發展。假定可以將人工智能與其他一些發明相比較，這些發明已在軍事領域得到應用，并為那些使用它的人帶來了巨大優勢。全球定位系統（GPS）就是一個例子。現代互聯網和手持式 GPS 的前身是美國研究人員在 20 世紀 70 年代開發的。20 年后，在第一次海灣戰爭（"沙漠風暴行動"）中，美軍對信息技術和精確彈藥的廣泛應用震驚了世界。這次行動的成功鞏固了美國幾十年來作為卓越軍事強國的地位。

雖然人工智能在國防領域的應用尚未形成概念，但除美國之外的經濟和軍事強國不會等待。正如法國前國防部長弗洛倫斯-帕利（Florence Parly，2019 年）所說，人工智能對法國國防部的潛在好處是強大而眾多的。當大國的兵力已經在磨礪自己的算法時，法國不能冒險錯過這一技術轉變。這僅僅是今天和未來保持相關性的當務之急。

4.1 人工智能在國防能力中的應用

人工智能已應用于許多新平臺，例如 F-35 噴氣式戰斗機、現代水面戰艦、導彈防御火控系統和網絡防御。它可能適用于許多以決策速度為特征的新興系統。利用人工智能工具制定戰略和作戰行動方針的工作還有待開發。

人工智能在未來可能發揮重要作用的一個領域是無人戰爭（自主系統）。在過去的幾十年里，戰爭的概念已經發生了演變，包括高科技戰場的能力發展。無人機、高超音速導彈、自主系統（即武器化機器人）、水面鼬鼠群（艦船）等平臺以及人工智能的使用，都有助于想象戰爭性質的變化。這種 "新 "戰爭的主要特點之一是武器系統的自主性增強，以減少或避免對戰場上稀缺、緩慢和昂貴的人力存在的依賴。在這種情況下，人類不再參與導航、控制和決策過程。未來的戰場如果高度技術化，在地面和戰斗中心（如決策）的人類將越來越少。

目前，人工智能的開發大多在商業部門（私營公司）進行。目前在自主系統開發方面，商業與軍事研發支出存在巨大差異，這可能會對軍事系統中的自主類型和質量產生連帶影響。在國防中使用人工智能和自主系統的一個關鍵問題是，國防部門是否能夠開發和測試安全可控的自主系統，尤其是發射武器的系統（Cummings，2017）。

4.2 決策中的人工智能

目前，人工智能在國家安全和國防領域的主要用途是對越來越多的傳感器收集到的大量數據進行分析。人工智能用于國家安全目的的一個例子是美國國防部高級研究計劃局（DARPA，2019 年）試圖開發基于模式的人工智能能力（詳見：Pezzulo & Butz，2012 年），以加強對復雜世界事件的推理并產生可操作的洞察力。其結果應該是能夠快速理解世界事件，這對于為國家安全工作（即決策制定）提供信息至關重要。

國際關系、人類社會甚至自然界（物理環境）的變化本身就會對國家安全產生重大影響，也可能構成產生更廣泛影響的因果鏈的一部分。這些事件往往不是簡單的偶發事件，而是由眾多次要因素（包括行為體和時間軸）組成的復雜現象。

面對可用但非結構化數據量不斷增長的挑戰，國防（情報）部門顯然需要一種工具來揭示和理解不同的事件、它們之間可能存在的關系及其基本要素。這就是人工智能發揮作用的地方，因為能夠創造出比對手更快、提供更好決策的人工智能體的國防部門將占據優勢。

然而，挑戰在于人工智能需要數據，而數據可能存在偏差。為了確保決策的可靠性，必須了解不良或錯誤（"中毒"）數據對決策的負面影響，以及如何檢測和隔離不良數據。這是一個商業部門目前尚未解決，但國防部門必須解決的系統問題。

人工智能在軍事領域的應用可以通過 OODA（觀察、定位、決定、行動）循環來概念化（詳見：Poussart & Wyman, 2018）。由于當前的技術發展水平，人工智能目前主要用于觀察階段。對應用（如圖像識別、數據挖掘技術）的信心至關重要，但目前可能難以實現。決定 "階段會帶來法律問題，尤其是涉及到自主系統時。實施能夠做出決定的自主系統是可行的，但需要標準和協議（控制的法律方面）。當做出反應的時間比人類的反應時間短時，就需要實施自動反應（行動階段）。這一階段與 "決定 "階段一樣，無疑是最敏感的階段，需要人工智能和自主系統達到非常成熟的發展水平。總的來說，人工智能有望改變未來沖突的性質，因為它有可能提高整個 OODA 循環中與防御相關活動的效果、效率和速度。

要評估人工智能對國防的影響，就必須預見到人工智能將給國家安全和國防概念本身帶來的深刻變革。以往的工業革命不僅給生產方式，也給人們的生活方式帶來了重大變化。有鑒于此，我們當然可以預見，作為第四次工業革命的一部分，人工智能將引發社會結構、關系和價值觀的變革。

目前，人工智能和新技術往往只被視為對包括國防在內的現有體制框架的擴充。北約的小冊子《戰爭愿景：2036 年》就是將未來武器和軍事能力與現有政治、社會和軍事結構疊加在一起的例子之一（菲利普斯和科爾，2016 年）。人工智能在國防領域的應用，尤其是在自主系統中的應用，也可能導致決策者產生某種自滿情緒，因為人們期望它能消除或最大限度地減少自己兵力中出現（人類）傷亡的風險。

4.3 人工智能在戰略思考中的應用

人工智能在戰略思考方面的應用能力仍有待提高。雖然人類似乎可以利用人工智能生成內容和回答問題，但該工具仍無法在地緣政治分析和理解行為體行為方面進行 "思考"。簡而言之，人工智能仍然沒有 "戰略文化"。

一項與美國國家戰略相關的研究就說明了這一點。Elena Wicker（2021 年）利用機器學習創建了人工遞歸神經網絡 "bernardcodie "程序。她用美國國家安全戰略的全部語料庫數據對其進行了訓練。這意味著自該文件于 1987 年授權制定以來，美國發布的所有 17 項國家安全戰略。作者使用一個人工智能工具，在前 17 個國家安全戰略的基礎上創建了新的美國國家安全戰略。結果似乎是相關的，但顯示出詞語的選擇是分析的核心，表明該工具嫻熟地識別了戰略語言中的模式和一致性。因此，Elena Wicker 認為，利用人工智能制定戰略的方法仍需改進，不能取代人類的直覺。盡管如此，人工智能在與人類分析相結合時還是很有用的，因為它可以提供一個全新的視角（復雜系統中智能體之間的聯系），拓展人類對戰略的理解。

同樣，我們用一些與全球安全和國防有關的簡短問題來測試人工智能的能力。這是 2023 年 1 月 13 日與基于人工智能的在線工具 ChatSonic（網址：//writesonic.com/chat）"討論 "的兩個問題：

Drazen Smiljanic："在烏克蘭打敗俄羅斯的最佳戰略是什么？

ChatSonic："在烏克蘭擊敗俄羅斯的最佳戰略是烏克蘭不讓俄羅斯兵力包圍。要做到這一點，可以對俄軍發動破壞性攻擊，阻止其兵力集結，同時開展防御和進攻行動，為反擊創造機會。烏克蘭還必須繼續接受美國及其盟國的援助和培訓，并繼續投資和發展尖端軍事技術，以保持對俄羅斯的技術優勢。" DS: "克羅地亞的最佳防御戰略應該是什么？"

ChatSonic："對克羅地亞來說，最好的國防戰略是在該地區保持強大的軍事存在，同時投資和發展尖端軍事技術，以保持對潛在對手的技術優勢。克羅地亞還應繼續加強與北約和其他地區盟國的聯系，以確保集體安全。克羅地亞還應明確表示，如果局勢升級，它將不會派遣任何部隊，以表明它致力于和平解決地區緊張局勢和沖突"。

雖然這些答案似乎很有意義，但它們并不是戰略制定、地緣政治分析或類似領域通常使用的任何方法的產物。結果表明，就目前文本生成和語言翻譯的發展而言，人工智能仍可被理解為一系列具有自然語言處理能力的算法，這是其能力的核心。而不是更多。不過，人工智能可以提供一個獨特的機會，從整體上評估戰略文件的 "體裁"，并識別所用語言的模式和一致性。

5 關于未來使用人工智能的結論和思考

幾乎每一天都會有關于人工智能的新文章和討論，關于它將給我們的日常生活帶來哪些革命性變化，以及關于主要經濟大國所做的大規模投資。然而，與人工智能相關的話題及其未來發展可能會引起爭議。末日論者對可能由人工智能和智能機器統治的未來抱有烏托邦式的幻想，而技術理想主義者和烏托邦主義者則認為人工智能相關技術只會促進人類福祉。在這兩者之間，還有一些打著哈欠的懷疑論者，他們要么聲稱人工智能領域取得任何重大進展（成本效益方面）的時間太長，要么甚至認為真正的人工智能根本不存在。事實上，人工智能技術已經出現在我們身邊，而且其潛力還在不斷增長。

目前，預計在不久的將來，人工智能發展的大趨勢不會放緩。然而，這種謹慎并非毫無道理。人工智能的發展已經經歷了兩次 "人工智能寒冬"，因此在未來一段時間內也應考慮到這種可能性。

人工智能真正令人擔憂的是其未來的應用。在樂觀的情況下，人工智能將提供一個經濟機遇，如果平衡和處理得當，可能會帶來許多積極的應用。預計人工智能幾乎會對社會的各個方面產生影響：勞動力市場、交通、醫療保健、教育和國家安全。在最好的情況下，它將成為適應人類的技術，并將對人類和人類產生深遠的變革。

人工智能在國防能力中的應用呈增長趨勢。也可以預見，人工智能將在戰略競爭中被用作弱者（就軍事實力而言）的工具。因此，可能會出現以不對稱為主的競爭或沖突。在這種情況下，可以將人工智能作為一種手段，更準確地接觸和處理目標國家和社區的個人及其態度和情緒。這樣，人工智能就可以被用來試圖分散甚至破壞對手社會的穩定，更準確地說，是破壞其輿論的穩定。一些國家，特別是非民主國家，也可能決定利用人工智能來觀察和控制本國公民的態度和行為。

人工智能作為安全和國防領域潛在的游戲規則改變者，其最有益的用途可能是決策。深度學習算法為改善態勢感知和對信息環境的理解提供了前所未有的機會，使人工智能服務對最高級別的決策大有裨益。未來，人工智能有望在識別趨勢和驅動因素以及各類人類活動的潛在結果方面提供獨一無二的深刻見解。這將使其在前瞻性分析、處理不確定性和復雜性方面大有用武之地。

為了滿足在接觸層的同級對手沖突的需求，軍方需要開發能夠提供更長的對峙和停留時間的小型模塊化無人機蜂群。這些小型無人機蜂群的使用將使軍方擁有一個小特征和低成本的選擇，以促進在被拒絕環境中的行動。有了這些小型無人機蜂群，軍方就能在接觸層與同級對手競爭，同時限制升級的風險。

本概念文件旨在研究模塊化自主無人機蜂群（MADS）的開發和使用，可為海軍陸戰隊提供在同級對手的 IADS 中開展行動所需的遠程能力。憑借在復雜的 IADS 中的機動自由，海軍陸戰隊可以獲得態勢感知，并創造機會利用電子戰和網絡戰加強作戰。如果不能保持這種態勢感知能力，尤其是在偏遠地區，海軍陸戰隊就會面臨不必要的風險，難以圓滿完成任務要求。

海軍陸戰隊必須設法進入有爭議的環境，以便繼續確保機動自由。MADS 可以提供這種通道，而且升級風險較低。盡管 MADS 概念需要一些額外的技術發展才能成為可行的資產，但它有可能極大地改變海軍陸戰隊在 A2/AD 環境中的 EABO 能力。

蜂群是戰爭的下一個進化步驟。激光武器系統（LWSs）將是在這個新的戰斗空間中競爭的一種具有成本效益的方法。無人機系統正被用于各個層面，從恐怖組織到世界超級大國，廉價的無人機系統作為采用蜂群戰的一種方式。目前，無人機群已經被用于異質配置，并在軍事演示中被展示出來（Hambling 2021）。作為反擊，國防部必須制定一個具有成本效益的對策，而LWSs具有每次射擊成本低、見效時間短的優點。

隨著通信方法、機器學習和蜂群理論的發展，無人機系統的能力也在增長。它們按重量、范圍和速度的不同組合進行分類。無人機系統執行廣泛的任務類型，包括監視、反制、誘餌、傳感器失效和有效載荷的交付。它們通常由高強度低重量的材料制成，如鋁或碳纖維增強聚合物；然而，最近也在探索使用鎂基復合材料以實現更廉價的制造（Hoeche等人，2021）。容易獲得和廉價的無人機系統使得形成蜂群成為一種具有成本效益的方式。LWS將是準備應對這種新型威脅的有效方式。

通過適當的使用，LWS將成為對廉價的蜂群攻擊的相稱和有效的反應，變得非常寶貴。擬議的每發1美元將使海軍在這些交戰中贏得經濟損耗（Smalley 2014; Perkins 2017）。然而，也有一些需要注意的障礙，如大氣效應、湍流和熱膨脹。LWS還需要能力很強的傳感器和控制系統來精確跟蹤遠距離目標，并在所需的停留時間內保持訓練好的光束。這種需求在海洋環境中被放大了，船舶的湍流和運動使問題更加復雜。戰術官做出的復雜決定是對蜂群戰和LWS使用的另一個關注。在蜂群戰環境中，交戰時間可能短至個位數分鐘。幫助決策者快速過濾大量信息的自動化決策輔助工具將是贏得這些快速小規模戰斗的關鍵所在。這篇論文探討了各種無人機威脅情況和LWS交戰策略，以確定一些關鍵因素。

無人機群可能由同質群或異質群組成。使用同質群可以簡化獲取和使用具有成本效益的蜂群，而異質群則會增加蜂群的復雜性和能力。同質蜂群的操作者可以改變攻擊的規模和隊形。異質蜂群可以利用各種角色的單位，如戰斗機、轟炸機、誘餌、干擾器和偵察兵。改變蜂群的組成可能會對整體的成功機會產生相當大的影響。

使用的LWS交戰策略會嚴重影響交戰的結果。最直接的技術是基于距離的方法，即武器系統僅根據距離來確定目標的優先次序。最短交戰 "算法提供了一個模型，它也考慮了LWS的回轉時間。如果來襲的威脅是一個異質的蜂群，LWS可以采用更復雜的策略，優先考慮蜂群的各種功能，如感知或通信。這些異質性交戰方法將要求防御者對蜂群有大量的了解，因此需要有能力很強的傳感器和數據融合系統。

本論文使用建模虛擬環境和模擬（MOVES）研究所的一個名為 "蜂群指揮官戰術"（SCT）的程序來探索和模擬蜂群戰環境。SCT被用來測試各種蜂群編隊，包括直線、楔形和波浪形楔形。此外，本論文還開發了一種采用誘餌無人機來掩護轟炸機部隊的異質蜂群編隊。對于LWS，本論文評估了一種交戰策略，使轟炸機部隊優先于任何其他部隊。

主要的發現是，最大限度地增加單位之間的角位移的蜂群編隊比緊密聚集的群體更成功。這些結果是由于每個目標之間需要增加LWS的回轉時間。裝甲誘餌方案增加了整個蜂群的存活率，因此也增加了性能。在艦艇幸存的模擬中，轟炸機能夠活得更久，在被摧毀前更接近艦艇。在艦艇被摧毀的模擬中，有更多的轟炸機幸存下來。關于LWS的交戰策略，這一轉變對結果造成了巨大的影響。在艦艇存活的模擬中，交戰時間要短得多，轟炸機被摧毀的距離也遠得多。在艦艇被摧毀的模擬中，交戰持續時間更長，轟炸機群的大部分被摧毀。這些結果強調了利用各種編隊、異質無人機群以及制定LWS交戰策略來對付它們的潛在好處。

圖1. 使用艦載LWS來防御無人機群的威脅。改編自洛克希德-馬丁公司（2020）和愛德華茲公司（2021）。

近年來，各國軍隊加強了整合無人駕駛技術的努力，以提高有人-無人駕駛編隊（MUM-T）的能力。由于一些國家的戰斗年齡人口正在減少，軍隊正在轉向容易獲得的、具有成本效益的和復雜的無人駕駛技術。MUM-T擁有巨大的潛力，不僅可以緩解軍隊的人力短缺，還可以提高作戰能力。這篇論文研究了MUM-T在前線的有效性，直至步兵小組支持城市地形的進攻行動。一個基于智能體的模擬被用來模擬有無無人駕駛地面車輛（UGV）支持一個步兵連的MUM-T作戰行動。對超過76,800次的模擬戰斗進行了分析。據觀察，MUM-T概念可以極大地提高戰斗力，通過增加敵人的傷亡來評估。還觀察到UGV的重裝時間、武器精度和自身的力量結構對步兵的殺傷力和生存能力有很大影響。這項分析的結論是，在小單位戰術層面實施MUM-T對提高整體作戰性能有很大潛力。未來，作戰模型可以被整合到未來的軍事演習中，這樣就可以對模擬的結果進行驗證和確認。

隨著復雜技術和創新的使用，戰爭正在日益演變。在全球人力短缺的推動下，各國正在轉向無人駕駛技術以緩解這種短缺并提供作戰能力。因此，通過采用載人-無人小組（MUM-T），利用無人技術來支持前線步兵的潛力很大。

本論文旨在探索MUM-T在進攻性城市場景中的有效性。論文討論、分析和研究了在城市環境中連級無人駕駛地面車輛（UGV）的戰術運用效果。指導這項研究的研究問題包括以下幾個方面：

主要問題：

1.有UGV或UGV支持的步兵小隊的致命性和生存能力如何？

2.在模擬場景中，MUM-T部隊的不同部隊結構的戰斗結果和分析是什么？

次要問題：

• 未來對MUM-T在更廣泛的戰略層面的潛在實施方法的研究范圍是什么？

本論文使用基于智能體的模擬環境 "地圖感知非統一自動機"（MANA），通過建立一個模擬并對UGV的作戰方案進行分析，再加上影響城市地形中進攻性步兵部隊作戰效率的因素，來研究MUM-T。

該作戰模型包括兩組主要的作戰部隊，以美國陸軍的步兵作戰順序（ORBAT）為模型： (1)由裝備有UGV的友軍步兵連組成的藍方部隊；(2)由作為防御方的對手步兵排組成的紅方部隊。圖1顯示了模擬作戰行動的一個迭代的開始狀態。

圖1. MANA的一個模擬復制的初始狀態的截圖。

共創建了三個不同的實驗設計（DOE），以研究MUM-T能力和概念的關鍵戰斗特征和效果。衡量性能的重點是任務的有效性，重點是確定與殺傷力和生存能力相關的因素。作者對每個DOE采取了迭代的方法，將前一個DOE的一些發現和分析納入下一個DOE。第一個DOE著重于與基線步兵ORBAT相比，最初引入MUM-T的效果。第二個DOE重點關注不同的人力和部隊結構，以研究支持MUM-T的部隊規模的影響。最后一個DOE結合了前兩個DOE的各個方面，并創建了一個近乎正交和平衡的混合設計，以實現一個更全面和結論性的實驗來結束這篇論文。近80,000次模擬戰役，每次涵蓋超過8小時的戰斗，被運行和分析。

同級和近級A2AD系統帶來的威脅影響到戰爭的每個領域。A2AD綜合防空系統（IADS）的預警和制導雷達提醒部隊注意任何即將接近的敵對飛機。小型無人駕駛航空系統（SUAS）蜂群、人工智能（AI）的進步，以及大型遙控飛機（RPA）功能的增加，提供了一種手段，通過欺騙雷達和呈現不明確的威脅畫面來影響敵人的目標定位周期，理論上這將延遲武器的使用，同時為美國（US）和盟友提供目標定位數據。美軍應該能夠利用SUAS和更大的RPA蜂群，或不對稱RPA蜂群（ARS）來呈現和監視敵方的IADS雷達，目的是推遲IADS對友軍的交戰，或使敵方的IADS與價值較低的目標交戰，使雷達和運輸機架設發射器（TEL）都暴露出來，以便于消滅。

同級和近級對手已經建立了極其復雜的反介入和區域拒止（A2AD）系統，試圖限制行為者在其聲稱的主權領土附近實現戰略和戰術優勢。蜂群中的SUAS和RPA提供了一個機會，通過提供能夠模仿其他飛機并改變其配置的誤導性雷達信號來混淆敵人的目標定位周期，從而為其IADS帶來目標定位困境。當代有一些工作在創造模仿特定飛機雷達截面（RCS）的自主目標定位無人機，然而它們模仿的系統已經被取代。更小的、更便宜的、有能力創造多種雷達特征的飛機可以在報告了預警雷達范圍內的特定類型的飛機后產生懷疑，只是該特征的特點發生了巨大的變化。敵人將被迫花費時間和精力來調查潛在的威脅，而不是能夠對他們的第一個跡象作出反應。每個蜂群將試圖模仿另一個RCS，探測并報告針對機群的雷達能量，然后改變編隊或飛行特征以混淆敵人的目標。目前的系統需要人工智能的增強，以便在有爭議的電磁（EM）環境中，在沒有操作員的任何輸入的情況下做出適當的反應。ARS人工智能應該能夠改變配置，以呈現多種類型的RCS，并決定采取何種（如果有的話）機動措施來應對雷達和動能火力。

不對稱的RPA蜂群將為敵方IADS的使用提供大量的資源和決策周期消耗。ARS將在蜂群中進行協調，模仿更大、更具威脅性的飛機的雷達特征，試圖引起采集和瞄準雷達系統的反應。ARS將探測并向雷達采集范圍以外的目標小組報告雷達地點和活動，以使其失效。如果對手向ARS開火，蜂群將有如何反應的選擇，如承受打擊、試圖躲避或重新配置其隊形。在未來與同行或近鄰的沖突中，擁有靈活的選擇來降低敵人的行動決策周期，即使是短暫的，也將證明成功與失敗之間的區別。

為了應對一個日益動態的作戰環境的挑戰，必須適應技術發展的快速步伐。無人系統（UxS）在改善美國海岸警衛隊的卓越任務方面發揮著關鍵作用，并擁有巨大的前景。無人系統可以幫助找到遇險的海員。它們可以提高在海上探測非法毒品和移民販運的能力，這樣就可以最有效地分配有限的船只、船舶和飛機。UxS可以成為監測世界各地非法、未報告和無管制（IUU）捕撈活動的有力工具。在不斷變化的北極地區，UxS可以幫助破冰船的導航，跟蹤冰山和增加的船只交通，并監測其他商業活動的增長。未來將在一個可互操作的系統的互聯范圍內采用UxS，并使人工智能得到有效的整合，以便在這樣的情況下和更多的情況下向海岸警衛隊的操作員提供可操作的數據。能夠實現最佳人機協作的UXS為海岸警衛隊提供了改變游戲規則的機會。

海岸警衛隊還將有目的地在復雜的海洋環境中抵御和管理無人系統。將采用適合海岸警衛隊在所有領域的海上安全作用的反無人系統能力，以幫助確保海洋運輸系統（MTS）的安全。此外，自動化、自主化和無人駕駛系統的采用有望改變海運業。

雖然海岸警衛隊成功的關鍵一直是人，但無人駕駛系統提供了提高勞動力的性能和效率的前景，并作為一個真正的力量倍增器。海岸警衛隊將尋求調整要求、采購、收購和資金，以確保UXS能夠以需要的速度交付，并與勞動力和現有資產相結合。擁抱和整合UxS將在復雜和不斷變化的環境中促進海上安全和保障。

無人系統的變化、威脅和機遇

引言

海岸警衛隊的一系列廣泛的任務要求海岸警衛隊的人員和漁船、艦艇、飛機和海岸站都要做到最好。然而，海洋領域繼續迅速變化并提出新的挑戰。"當今世界的變化步伐正在加快。地緣政治戰略競爭、經濟動蕩、氣候變化影響、勞動力期望值的變化、不斷發展的技術和新興的海洋用途正在匯聚在一起，推動服務發生變化。" 非法、無管制和未報告的捕撈活動已取代海盜行為成為最大的全球海事威脅之一。毒品和移民的非法販運正在向更遠的地方轉移，并持續對公眾構成威脅。北極地區的海事活動正在增加。自然災害繼續威脅著海洋上和海洋附近的人們。對海岸警衛隊服務的需求是強烈的，并繼續增長。

在一個不斷變化的海洋領域中保持意識和執行管理，仍然是幾乎所有海岸警衛隊任務的核心。在國內，"海洋環境的新興用途--包括近海能源生產、無人駕駛船只和航空系統的使用以及商業空間活動--正在迅速擴大，對現有的監管和操作框架提出了挑戰。" 更廣泛地說，"國家競爭者、暴力極端分子以及日益強大和有能力的跨國犯罪組織（TCOs）都在繼續試圖利用海上的薄弱治理、岸上的腐敗和海洋領域意識的差距來獲得經濟和政治優勢。" 這些變化給海岸警衛隊的任務執行帶來了威脅和機遇，同時也增加了對海岸警衛隊海上領域意識的需求，以支持美國和全球利益。

技術在不斷進步，提供了新的工具和能力，可以幫助執行海岸警衛隊的任務。"技術的快速發展，對海岸警衛隊服務不斷增長的需求，越來越多的動態操作環境，以及全球戰略競爭，使目前執行任務的方式更加緊張。必須加強競爭優勢，以配合影響海洋領域的變化速度。這是對行動的呼吁"。

UxS創造了機會，以新的方式將人員、資產、系統和數據結合起來，以創造一支更加靈活的部隊。UxS可以填補覆蓋面的空白，提高對形勢的認識。UxS還可以提供新的能力，以增強載人任務。UxS可以將人類從一些任務中經常是骯臟的、偶爾是枯燥的、有潛在危險的工作中解放出來。UxS不能單獨執行任務，但它們可以幫助保持人員準備狀態，直到正好需要海岸警衛隊人員的時刻。

海岸警衛隊已經雇用了一些UXS，但主要是以分離和以平臺為中心的方式進行的。海岸警衛隊已經經歷了一些項目的成功，如國家安全快艇上的中程無人駕駛航空系統（UAS），以及在海岸警衛隊各水上和岸上單位使用的短程UAS。當與其他技術無縫整合時，作為技術生態系統的一部分，無人機系統可以成為一個力量倍增器，將傳感器與作戰決策者通過資產、網絡、數據系統、高級分析和信息共享平臺聯系起來，并具有更高的速度和效率。必須保持靈活和適應性，以追求這一變革性變化。

雖然無人駕駛系統為海岸警衛隊的就業提供了機會，但它們已經被海洋環境中的所有類型的行為者所使用，而且應該預期它們的存在將大幅增長。公民使用無人駕駛系統正在無意中影響著政府和商業船只以及沿海設施的日常運作。商業航天公司正在使用無人駕駛的駁船進行作業，航運公司正在將自主系統甚至完全自主的車輛納入其船隊。麻醉品販子已經建造了小型的自制無人潛水艇，以秘密地在海上邊界非法運輸毒品。應該預料到，無人駕駛系統將在海洋環境中變得無處不在，必須為其影響做好準備。

了解海岸警衛隊任務的變化、機會和風險，使能夠構建一個愿景，為戰略制定方向。

作戰概念：UXS，作戰/戰術ISR

在購置海軍平臺的資本有限的限制下，需要應對海上挑戰。像波浪滑翔機這樣的無人平臺可能有助于解決這個問題。波浪滑翔機是一種無人水下航行器，它可以配備一個被動陣列，并可以在感興趣的區域（AOI）保持長時間的部署。它們能夠提供分層防御，防止對手在不被發現的情況下穿越該區域，從而提供低成本、持久性的反潛戰（ASW）解決方案。在2016年由英國皇家海軍領導的 "無人勇士 "演習中，展示了反潛波浪滑翔機成功追蹤一艘載人潛艇的能力。然而，如何部署一定數量的波浪滑翔機來探測一艘過境的對手潛艇的問題仍然相對沒有被探索。本論文旨在開發一個模型，以確定部署的波浪滑翔機的探測能力，該模型考慮了與探測水下接觸有關的變量，在具有聲學挑戰性的水下環境中使用被動聲納，并在部署無人資產方面受到限制。該模型規定了實現特定探測概率所需的波浪滑翔機的最佳數量，并為其在AOI中的位置提供了參考，以盡量減少對手潛艇穿越該區域而不被發現的概率。

為了利用無人系統提供的無數優勢，近年來，它們在軍事行動中的地位越來越突出。無人系統，在這里是指無人水下航行器（UUV），被用于各種任務，如海洋學、反地雷、情報、監視和偵察（ISR），僅舉幾例。最近，UUV在反潛戰（ASW）領域的使用也有所發展。本論文探討了在反潛戰中使用 "波浪滑翔機"--一種配備了被動陣列的UUV。該方案圍繞著反潛波浪滑翔機在AUO中的最佳位置發展，以最大限度地提高探測到穿越該地區的敵方潛艇的概率。開發了一個模型來計算具有特定估計聲納范圍（ESR）的特定數量的波浪滑翔機所累積的探測概率。

為了開發這個模型，使用被動聲納方程闡明了裝有被動聲納的波浪滑翔機的水下探測特性。諸如設備、目標和環境特征等方面的因素被考慮到方程中。還考慮了影響聲音在水下傳播的各種因素，如傳輸損耗和水下噪聲的存在，它阻礙了從目標接收的整體聲音。被動聲納方程和其中涉及的參數被用來計算聲納的性能，稱為優點數字（FOM）和信號過剩（SE），它告訴我們目標發出的信號是否會被波浪滑翔機上的傳感器檢測到（Urick，1967）。此后，Poisson掃描模型（Washburn，2014年），它將探測模擬成一個Poisson過程，被用來制定探測的累積概率的表達。該表達式為橫向范圍函數鋪平了道路，該函數描述了在給定的環境條件下，波浪滑翔機在特定范圍內探測目標的能力。

為了最大限度地提高總體探測概率，探索了將波浪滑翔機置于不同的編隊中--即AOO中的障礙物、扇形、圓形和多障礙物。實驗是通過模擬潛艇穿越該地區周邊的隨機點來進行的。然后改變不同編隊中的ESR和波浪滑翔機的數量，以深入了解特定情況下的最佳位置。通過改變關鍵參數，如目標速度、泊松過程的檢測率和模擬中的FOM，也進行了敏感性分析，以分析它們對總體檢測概率的影響。模擬結果表明，將波浪滑翔機放置在AOO的障礙物陣中，可以最大限度地探測到穿越該區域的海底接觸物的概率。盡管屏障編隊總是比多屏障編隊提供更高的探測概率，但它可以作為一種戰術選擇，使潛艇在較長的時間內處于防御狀態，因為潛艇必須穿越穿插在一起的波浪滑翔機層。探測的概率隨著ESR探測率的增加而增加，而保持所有其他因素不變，則隨著目標速度的增加而減少。

戰斗無人機正在改變人們對使用軍事力量的態度。軍隊的傷亡和沖突的代價削弱了公眾對戰爭以及政治和軍事領導人的支持。戰斗無人機提供了一種前所未有的能力，可以通過提高精確度、減少對平民的風險和保護軍事人員免受傷害來同時降低這些成本。這些優勢應該使無人機打擊比涉及地面部隊的行動更受歡迎。許多批評者認為，無人機戰爭將使政治領導人過于愿意授權戰爭，這可能會削弱對使用武力的道德和法律約束。由于作戰無人機是一個相對較新的現象，這些論點在很大程度上是基于軼事、少數民意調查或理論上的推測。

《無人機和對武力使用的支撐》利用實驗研究來分析作戰無人機對美國人使用武力支持的影響。作者從社會科學理論中得出預期，然后利用一系列的調查實驗來評估這些猜想。他們的發現--無人機對使用武力的支持產生了重要但細微的影響--對軍事行動的民主控制和軍民關系產生了影響，他們對當前和未來軍事技術的發展和擴散如何影響外交政策的國內政治提供了洞察力。

近年來，各國軍隊加強了整合無人駕駛技術的工作，以提高有人駕駛-無人駕駛團隊（MUM-T）的能力。由于一些國家的戰斗年齡人口正在減少，軍隊正在轉向容易獲得的、具有成本效益的和復雜的無人駕駛技術。MUM-T擁有巨大的潛力，不僅可以緩解軍隊的人力短缺，還可以提高作戰能力。這篇論文研究了MUM-T在前線的有效性，具體到步兵小組支持城市地形的進攻行動。一個基于智能體的仿真被用來模擬有無無人駕駛地面車輛（UGV）支持一個步兵連MUM-T作戰行動。對超過76,800次的模擬戰斗進行了分析。據觀察，MUM-T概念可以極大地提高戰斗力，通過增加敵人的傷亡來評估。還觀察到UGV的重裝時間、武器精度和自身的力量結構對步兵的殺傷力和生存能力有很大影響。這項分析的結論是，在小單位戰術層面實施MUM-T對提高整體作戰性能有很大潛力。?未來，作戰模型可以被整合到未來的軍事演習中，這樣就可以對模擬的結果進行驗證和確認。