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

最近，以色列國防軍（IDF）的高級軍官承認，作為以色列軍事武庫的一部分，人工智能工具的使用越來越多，這一趨勢在 2023-2024 年的以色列-加沙戰爭中也很明顯，在這場戰爭中，可以看到以色列國防軍如何部署基于人工智能的系統，以滿足防御需要、指揮和控制、收集、處理和管理數據，以及用于進攻目的。

一方面，可以說在軍事領域引入基于人工智能的工具在提高現有能力方面是有價值的。另一方面，引入不受國際法管制的新型工具會引發大量法律和倫理問題，并進一步加劇戰爭的復雜性--"不確定性的領域"。為了對越來越多的評估這兩方面以及介于這兩方面之間的問題的文獻做出貢獻，本文將把以色列的經驗作為一個測試案例，以思考前進的正確方向。

以色列國防軍的人工智能趨勢

以色列在技術領域是一個精通技術的行為體，它利用自己的能力作為外交工具箱的一部分，以確立自己在國際技術治理設計中的領導地位。以色列對技術優勢的需求源于其面臨的局勢，這一點從針對以色列目標的網絡攻擊的增加，尤其是在 2023-2024 年以色列-哈馬斯戰爭期間可以明顯看出。

從以色列的經驗中可以了解到，人工智能在全球范圍內的廣泛融合，在生成式人工智能工具的推動下，已經深入到軍事領域。特別是，以色列國防軍在以下方面應用了人工智能： (1) 主動預測、威脅警報和防御系統；以及 (2) 情報分析、瞄準和彈藥。這一趨勢在 2023-2024 年以色列-哈馬斯戰爭期間有所加劇。

主動預測、威脅警報和防御系統

基于人工智能的工具可以檢測、預警，有時還能預先阻止災難性場景的發生，并有助于有效的危機管理。因此，就像北約一樣，以色列國防軍也利用人工智能技術來改善災難響應（例如，通過分析航空圖像來識別風險和受害者）。正在使用的一個值得注意的系統是 "煉金術師（Alchemist）系統"，它似乎同時具備防御和進攻能力。該系統將數據整合到一個統一的平臺上，有能力識別目標，并及時向戰斗人員通報可疑動向等威脅。該系統已在2021 年的 "長城守護者行動 "中部署。

此外，"鐵穹"是以色列的一種導彈防御系統，以其保護重要基礎設施免受發射到以色列境內的火箭威脅的救生能力而聞名。在 2023-2024 年以哈馬斯戰爭中，盡管從加沙、黎巴嫩和其他地區（如敘利亞甚至也門）發射了火箭彈，但面對無人機和其他小型低空飛行物體等各種威脅，該系統仍能實現低傷亡。

Axon Vision 公司開發了另一種名為 "Edge 360"的防御系統。這種基于人工智能的系統安裝在目前在加沙作戰的裝甲車內，可從各個角度探測潛在威脅，并及時向車輛操作員發出警報。最后，以色列國防軍還將人工智能用于邊境管制。

情報分析、目標定位和彈藥

要處理現代戰場上大量涌入的數據，必須整合基于人工智能的工具來分析大量數據。以色列國防軍使用的 DSS 之一是 "火力工廠"，它可以分析大量數據集，包括以前授權打擊目標的歷史數據，從而計算所需彈藥數量，提出最佳時間表，并確定目標的優先順序和分配。在操作上，它是目標選擇周期第二階段（目標開發）和第三階段（能力分析）的綜合體。

另一個最近引起爭議的系統是 "福音 "系統，它能幫助以色列國防軍軍事情報部門改進建議并確定關鍵目標。早在 2021 年 "長城守護者 "行動期間，該系統就已生成了200 個軍事目標選項，供正在進行的軍事行動期間進行戰略交戰。該系統可在數秒內執行這一過程，而在以前，這項任務需要眾多分析人員花費數周的時間。

第三個值得注意的系統是“織火者”（Fire Weaver）系統，這是一家私營公司--拉斐爾公司開發的一種新穎工具。這種網絡化的 "傳感器-射手 "系統將情報收集傳感器與戰場部署的武器連接起來，促進了目標識別和交戰能力。Fire Weaver 系統側重于處理數據，并根據位置、視線、有效性和可用彈藥等因素為不同目標選擇最佳射手。該系統旨在提高與協同作戰的不同參與者同時工作的能力，以提高精確度，最大限度地減少附帶損害，并降低友軍誤傷的風險。

最后，據972+ 媒體最近報道，以色列國防軍部署了一個名為 "薰衣草 "的人工智能系統，據稱該系統在 2023-2024 年以哈馬斯沖突的早期階段發揮了重要作用。該系統旨在將哈馬斯和巴勒斯坦伊斯蘭圣戰組織軍事分支中可能的可疑分子標記為潛在目標。972+ 報告指出，在這種情況下，人工核查據稱僅限于辨別目標的性別，每個目標在攻擊前的平均持續時間為 20 秒，此外，報告還指出，該系統在大約 10% 的情況下會出錯。最近的一篇文章中指出，這種情況可能會在目標定位中移除人類，并繞過人類參與，從而引發對人類尊嚴的侵犯。

不過，應該指出的是，在創建和授權軍事目標的鏈條中，"972+"文章中提到的過程只是一個非常初步的過程。這是因為情報官員做出的決定隨后會傳達給目標室--在目標室中，法律顧問、行動顧問、工程師和更高級的情報官員會在批準（有時也會拒絕）之前對建議的目標進行修改。因此，"薰衣草 "的使用僅限于情報收集階段，在這之后，建議的洞察力仍需在目標室由法律顧問等進行核實，法律顧問將根據區別、相稱性和其他適用的國際人道主義法規則評估是否應攻擊目標。

戰場上與人工智能有關的挑戰

聯合國大會最近對軍事領域新技術應用的出現表示關切，特別是與人工智能相關的應用，這些應用 "從人道主義、法律、安全、技術和倫理角度 "構成了嚴重挑戰。其中一個關鍵問題是決策過程（環內/環上/環外）所需或必要的適當人類參與程度。這一問題對以下三個關鍵目的具有重要意義：提高決策的準確性和精確性、增強合法性和確保問責制。這一點在人工智能系統（如 "薰衣草"、"福音"、"織火者 "和 "火力工廠"）的目標定位中尤為重要。

目前看來，人工智能系統在完全沒有人類參與的情況下自主瞄準個人的情況沒有法律依據，因為國際人道主義法規定的門檻是合理的軍事指揮官（即人類指揮官，其評估標準不適用于基于計算機的人工智能系統）。因此，紅十字國際委員會指出，保持人類的控制和判斷力至關重要。根據以色列的做法，目前以色列國防軍指揮官在目標選擇方面擁有最終決策權。盡管如此，最近還是有人對 "福音 "和 "薰衣草 "等系統在目標選擇過程中人工參與的程度和效果提出了批評。

在這方面，值得注意的是習慣性預防原則。該原則規定，策劃攻擊者有積極義務'盡一切可能核實'個人或目標的軍事性質。這一原則還包含經常注意的義務，要求在進行軍事行動時，應經常注意不損害平民和民用物體。

事實上，人工智能系統生成目標的速度很快，加上指揮官進行全面審查的時間有限，令人擔憂這種情況可能達不到用盡一切 "可行 "手段避免對平民造成傷害的義務，也可能不符合持續關注的義務。Opinio Juris 最近發表的一篇博客指出，如果軍事人員無法 "深入目標"，就很難看出這些系統如何有助于遵守預防原則和持續照管的義務。該博客還稱，一般來說，此類人工智能系統制造目標的速度和規模，再加上數據處理的復雜性，可能會使人類的判斷變得不可能或毫無意義。然而，應該記得以色列國防軍在這一問題上的正式立場似乎解決了這一關切。如前所述，以色列國防軍對 "福音 "和 "薰衣草 "等人工智能瞄準系統的使用僅限于情報收集階段，即目標 "生命周期 "的早期階段，從這個意義上說，后期階段包括對情報收集和評估階段的確證和監督，包括法律顧問的審查，這些審查核實所做的事實陳述，而且核實攻擊在區分、相稱性、預防措施和其他相關國際法規則方面是否適當。以色列國防軍澄清說，"福音"在選擇攻擊目標時還將經過其他幾個部門（作戰、法律和情報部門）的單獨審查和批準，這是為了確保在選擇目標的決策過程中有切實的人的參與。

另一個擔憂與可解釋性問題或 "黑盒"現象有關。基于人工智能的系統無法對其決策過程提供清晰和可理解的解釋，這是人工智能系統的一個普遍和固有的缺陷，可能會妨礙對軍事事件的調查，從而影響問責制，并抑制將重復性錯誤的風險降至最低的能力。在這方面，以色列國防軍澄清說，關于福音系統，它向情報研究人員提供了可獲取和可理解的信息，這些信息是提出建議的依據，使人能夠對情報資料進行獨立審查。與此相關的另一個值得注意的挑戰是被稱為 "自動化偏見"的現象。自動化偏見是指過度依賴或過度信任人工智能輸出的傾向。雖然以色列國防軍指揮官可以選擇無視“福音”的建議，但要避免自動化偏見仍具有挑戰性，尤其是在激烈的敵對行動期間，需要加快決策速度并不斷面臨行動壓力。

前進之路-審查新興技術勢在必行

各國在武器和戰爭手段或方法的選擇上是有限的。為了核實新能力是否符合國際法，《日內瓦公約第一附加議定書》（AP I）第36 條要求各國在實際部署新武器、作戰手段或方法之前對其進行評估。與本文相關的是，"作戰手段"是一個寬泛的術語，包括用于促進軍事行動的軍事裝備、系統、平臺和其他相關裝置。為進攻行動部署的工具，如 "福音"、"火力工廠"、"火織者"和 "薰衣草"，似乎構成了一種新的戰爭手段，應根據第 36 條進行法律審查。

雖然以色列不是《第一附加議定書》的締約國，而且對第 36 條的習慣地位也有討 論，但重要的是要回顧人權事務委員會第36 號一般性意見所采取的方法，即確保對生命權的保護需要采取預防性影響評估措施，包括對新武器和戰爭手段進行合法性審查。這種審查應分三個階段進行。

首先，必須確定條約或國際法是否禁止或限制使用特定戰爭手段。關于人工智能軍事工具，以色列國尚未批準一項條約，專門禁止在一般情況下或在軍事應用中使用人工智能技術。此外，除了國際人道主義法的一般原則（如區別對待）和具體規則（如保護受保護地點的規則）之外，目前似乎也沒有禁止在軍事背景下部署人工智能的常規性規定。

其次，需要確定使用該系統是否會違反國際法的一般禁令（如保護環境）。

第三，應根據 "馬頓斯條款 "考慮戰爭手段，該條款強調需要考慮 "人道原則 "或 "公共良知的要求"。在《以核武器進行威脅或使用核武器的合法性》一文中，國際法院肯定了馬頓斯條款作為 "解決軍事技術快速評估的有效手段 "的重要性。

結束語

在部署新的軍事能力時仍需謹慎。首先，通過影響評估措施--例如根據第 36 條至 API--來評估新技術的合法性至關重要。其次，設計者和操作者必須意識到內在風險，如缺乏可解釋性和偏見。這并不意味著我們建議將刑事責任歸咎于設計者，因為最終的決策者是軍事指揮官，但認為，設計者越是了解系統的局限性可能對其運行造成的影響，他們就越能預先處理好所擔心的問題，并有望減輕這些問題。對系統操作者和依賴者進行培訓也很關鍵，培訓必須包括技術、道德和法律方面。

在一個理想和價值觀日益分化的世界里，能否在前進的道路上找到共同點，不僅對未來的戰場至關重要，而且對維護國際和平與安全也至關重要。這是一個動蕩不安的時代，其中包括技術方面的飛躍，因此，超越狹隘的利益和考慮的必要性比以往任何時候都更加重要。

（網絡資源整理）

圖：在烏克蘭與俄羅斯的沖突中，最有說服力的畫面之一是一架無人機向一輛俄羅斯坦克投擲炸彈，當時坦克正在爭先恐后地逃離 "捕食者"。這被認為是未來的征兆--來自空中的威脅無處不在。隨著各國爭相使用人工智能使無人機更具殺傷力和致命性，這種無人機威脅預計將提高幾個等級。

據報道，2020 年，一架由人工智能（AI）操控的自主無人機在利比亞殺了人，這起事件通常被稱為人工智能驅動的系統在沒有人類操控者指揮的情況下被用于 "獵殺 "的第一例。這起事件是在利比亞使用部署在那里的武裝無人機來對付為利比亞政權而戰的部隊。

根據聯合國的一份報告，土耳其制造的 "卡古-2 "致命自主飛機發動了所謂的 "蜂群攻擊"，很可能是代表利比亞 "民族和睦政府 "對哈夫塔爾的民兵發動的攻擊，這是裝備人工智能的無人機首次成功完成攻擊。"卡古-2"無人機不僅配備了面部識別技術，還能群集在一起。

大約有 90 個國家擁有用于偵察和情報任務的軍用無人機，至少有十幾個國家擁有武裝無人機。這些無人機在全球各地的沖突中已經使用了很多年，構成了巨大的威脅，但人工智能的使用才是最重要的。

在試圖了解人工智能無人機的殺傷力之前，應該先看看武裝無人機在近期沖突中的使用情況。武裝無人機在納戈爾諾-卡拉巴赫沖突中的使用取得了令人信服的效果，就像它們在今天的俄烏沖突中一樣。使用無人機對付坦克和裝甲車可能是烏克蘭部隊的成功經驗之一，但這并不是什么新鮮事。在摩蘇爾戰役中，伊拉克和黎凡特伊斯蘭國就曾使用裝有小型炸藥的無人機，特別是用來對付美軍最先進的艾布拉姆斯坦克。

圖：美軍艾布拉姆斯坦克在摩蘇爾遭到 ISIS 襲擊

哈馬斯最近也采用了同樣的戰術，他們瞄準并摧毀了以色列的一輛梅卡瓦 Mk4M 主戰坦克（MBT），眾所周知，這是世界上最現代化的主戰坦克之一。哈馬斯使用一架無人機，成功地在加沙-以色列邊界附近的某處向這輛坦克投擲了一枚手榴彈，當時坦克的裝甲百葉窗已經升起，猝不及防。哈馬斯軍力遠不如以色列國防軍，卻能瞄準并摧毀先進的梅卡瓦坦克，這只是在任何沖突中使用無人機給一方帶來優勢的一個例子。

今天，使用武裝無人機的功效和殺傷力已成為公認的事實，但它們仍被視為增強戰斗力的手段，而非 "制勝 "系統。它們可能是空戰的重要輔助支持，但不是進攻性支持的主要工具。隨著人工智能（AI）融入無人機作戰，它們的殺傷力、實用性和功效將發生巨大變化。

人工智能已經與無人機結合在一起，有許多系統已經投入實戰或正在開發中。人工智能驅動的無人機包括 Sheild。AI的無人機據稱無需GPS跟蹤即可導航，洛克希德-馬丁公司的沙漠鷹III據稱可以提前規劃飛行路線，AeroVironment公司的烏鴉系列無人機聲稱可以利用計算機視覺和GPS協調沿航線飛行。

圖：AeroVironment 公司的 RQ-11 Raven

2019 年，首架完全由人工智能操控的無人機 "Kratos XQ-58 Valkyrie "進行了首次飛行。據報道，俄羅斯在烏克蘭沖突中使用了由人工智能驅動的卡拉什尼科夫 ZALA Aero KUB-BLA 游蕩彈藥，自動化已在烏克蘭沖突中得到利用。此外，以色列在加沙的行動中也主要使用人工智能驅動的系統，包括無人機。

人工智能帶來的變化

使用人工智能可以對無人機進行更有效的數據和傳感器融合分析，通過復雜的算法和機器學習來更好地了解無人機周圍的環境。它使無人機比以往任何時候都更致命、更高效、更準確、更自主。人工智能改善了無人機獲取、解釋、分析和傳輸關鍵數據的通信系統和網絡安全。

人工智能引領的兩項創新是蜂群智能和自動化。蜂群智能使無人機能夠以 "蜂群 "的方式協調一致地運行，從而使一組無人機能夠以進攻模式使用。無人機群有能力執行戰術任務，壓倒敵人，從而增強無人機的單兵作戰能力。

以人工智能為動力的自動化系統可以與物聯網（IoT）、自主導航、通信網絡、數據分析和進攻性行動的自主決策相結合。其中，人工智能驅動的自主決策才是最重要的發展，也是最具爭議的。

機器視覺和圖像識別系統之一是 "神經腦"（Neurala Brain），它聲稱可以幫助裝有攝像頭的無人機識別和辨認預定目標，然后向人類操作員發出警報。同樣，以色列拉斐爾先進防御系統公司也開發了一種用于增強目標成像和輻射分析的軟件。它聲稱 "目標選擇和交戰的精確度達到了以前無法想象的水平"。

即將到來的戰爭

利用人工智能，由數百甚至數千架無人機組成的無人機群將能夠相互通信，收集敵軍動向情報，選擇目標，然后對其進行精確打擊，在不造成附帶損害的情況下將預定目標擊落。即使大量無人機被擊落，殺手機器人在攻擊中協同作戰也將很快成為現實。

為了將其利用人工智能的計劃付諸現實，美國于2023年8月宣布了 "復制者 "計劃，以增加人工智能、無人駕駛、相對廉價的武器裝備艦隊，這些武器裝備將是 "可攻擊的。"與此同時，印度陸軍已經部署了兩套蜂群無人機，用于在拉達克東部和印中邊境執行情報、監視、偵察（ISR）任務。這些無人機配備了人工智能和先進的通信功能，可相互通信并協調行動。無人機具有基于人工智能的自動目標識別（ATR）功能。

在當前的俄烏沖突中，數百架無人機組成的先進戰斗力量已經證明了這一概念。據估計，烏克蘭在執行以技術為驅動的軍事行動時，每月損失上萬架無人機。

了解這一切將如何發展的一個方法就是看看正在進行的加沙行動。以色列正在使用微型無人機，包括埃爾比特系統公司（Elbit Systems）的 LANIUS、Spear 公司的 NINOX 40 和 Xtend 公司的 Wolverine，在最低高度近距離進行情報、監視和偵察（ISR）。這些微型無人機集成了具有人工智能識別和分類能力的傳感器，可探測武裝對手和武器站。雖然這些系統是遙控操作的，但它們具有很大程度的自主性，能夠在 GPS/GNSS 信號被屏蔽的環境中（即視線衛星信號被屏蔽的地方）發揮作用。其中，LANIUS 被描述為 "一種高機動性和多用途的無人機游蕩彈藥，專為在城市環境中短距離作戰而設計"。

圖：埃爾比特系統 LANIUS 微型無人機

不過，值得注意的是位于哈佐爾空軍基地的第 144 無人機中隊的秘密 "Nitzotz"（火花）系統。雖然第五代無人機的詳細資料不多，但據報道，根據收到的數據，它能顯著提高作戰部隊采取有效進攻行動的能力。

挑戰

人工智能的使用并非沒有挑戰，因為現實世界的環境與實驗室或試驗場的測試條件大相徑庭。在無人系統上采用非確定性學習算法是實地條件下的一大挑戰。然而，真正令人擔憂的挑戰是與使用人工智能選擇目標和在沒有人類控制的情況下執行 "擊殺 "有關的道德問題。

與此相關的是可解釋性問題，即很難理解或解釋人工智能產生的結果。依賴人工智能進行決策的系統往往是不透明的，因為它們處理的是專有信息，并隨著從新數據中學習而不斷發展。它們往往過于復雜，任何一個人都無法理解。這使得無人機 "操作員 "很難完全理解目標選擇和執行的殺戮是否 "正確"。

這往往導致缺乏責任感。在即將到來的無人機戰爭中，當平民被 "誤殺 "時，軍方官員往往會將錯誤歸咎于機器。隨著人工智能驅動系統的普及，無人機之間以及無人機與其他系統之間由于缺乏兼容性而缺乏溝通，這種錯誤將經常發生。

人工智能驅動的無人機的危險已經顯現出來，有興趣的人可以注意到。以色列在空襲目標選擇中使用了人工智能。其中使用的兩個平臺是 "福音 "和 "火工廠"。由于以色列指揮官使用的是人工智能工具生成的目標清單，這種方法的不透明性引起了人們的擔憂，因為人類只是機械化過程中的一個組成部分。自主無人機增加了瞄準過程的不透明性。歐洲-地中海人權監測組織證實，以色列的 "小型無人機殺手"（包括 Matrice 600 和 LANIUS 型）造成數十名平民死亡。

無人機的研發和使用已有數十年歷史。早在一個多世紀前的第一次世界大戰期間，就有人首次嘗試使用遙控飛機，但美國在越戰期間使用無人偵察機才標志著無人駕駛飛機的到來。在最近的沖突中，無人機的使用范圍不斷擴大，但人工智能的融入將前所未有地改變無人機的能力。人工智能驅動的無人機正處于技術革命的風口浪尖，誰能率先利用人工智能的潛力，誰就能比對手獲得不對稱優勢。

雖然烏克蘭使用無人機似乎吸引了人們的眼球，但以色列使用智能人工智能無人機才反映了即將到來的無人機戰爭，以及隨之而來的所有附帶損失和平民損失，需要全世界的共同關注。無人機的殺傷力和濫殺濫傷作用已充分展現，除非人們意識到這種戰爭的危險性并采取相應行動，否則很可能為時已晚。

航空航天和國防領域正在經歷一場變革，其主要驅動力是將人工智能（AI）和機器學習（ML）技術集成到為軍事設計的傳感器、武器和信息系統中。在精確度、快速決策和穩健性至關重要的環境中，人工智能/機器學習已成為一項關鍵技術，可加快對態勢的理解和決策，提高作戰效率。這些技術使軍事行動更有可能克服 "戰爭迷霧"，人工智能/機器學習基于無休止和持續的信號收集，而不是人眼可見的跡象，使感官和態勢理解更加敏銳。這些部門的獨特要求，如多域作戰、極端條件下的應變能力、高風險決策、互操作性和先進的安全措施，為人工智能發揮重大影響創造了條件。

市場驅動力和獨特需求

航空航天和國防領域轉向人工智能有幾個關鍵因素：

1.快速準確的決策：軍事行動在時間和空間上都具有決定性意義。人工智能系統快速處理和分析海量數據的能力對于實時做出戰略和行動決策至關重要。挖掘來自不同來源和領域的信息并快速融合這些數據，可為決策者提供可在短周期內實施的行動情報，從而在分配的時間和空間內產生預期效果。

2.彈性和可靠性： 人工智能應用程序必須在各種具有挑戰性的環境中始終如一地運行；其建議和響應必須可信、可靠，并且不會出現商業大型語言模型（LLM）所遇到的 "幻覺"。信心和信任是軍事人工智能系統中最重要的因素，能讓用戶利用這些系統發揮最大價值。安全和信心不應是設計功能，而應是軍事人工智能系統基線基礎設施的一部分。此外，還應考慮物理安全和安保問題，采用分布式系統、邊緣處理以及強大而有彈性的網絡，使人工智能隨時隨地為作戰部隊提供支持。

3.道德和受控的自動化：無論是否有制衡機制來實現人類的信任，軍事系統的高風險都要求人工智能系統納入并遵守道德標準，并允許人類在不減慢整個流程的情況下進行監督。盡管 "道德標準 "是一個不固定的術語，取決于設計者和用戶的法律、文化、宗教和社會背景，但它為人工智能操作定義了 "游戲場地 "和邊界，就像戰爭法定義了作戰人員在戰時能做什么或不能做什么一樣。

4.先進的安全措施：鑒于國防行動的敏感性，人工智能系統必須具備無與倫比的網絡安全能力，消除系統訓練和操作過程中的不利和惡意行為。人工智能系統依賴于網絡、信息、數據饋送以及通過訓練嵌入的算法。在設計或訓練過程中篡改這些基礎，或在系統運行階段對其進行惡意操作，都可能會給用戶和依賴系統帶來巨大風險和意想不到的后果。因此，從早期設計階段就應考慮安全措施，包括風險檢測、規避和應對。

領先企業及其影響

研究了數十家公司的產品，觀看了演示，并在展覽和會議上聽取了官員的介紹。通過研究，掃描了市場上專為軍事行動設計或能夠支持軍事用途的人工智能系統。使用現有最好的人工智能工具進行研究，但即使這樣也需要大量的人工分析才能提供符合標準的可用信息。在第一部分中，挑選了五個在軍事行動中表現出色的人工智能系統。

洛克希德-馬丁公司

為何選擇：作為行業領導者，洛克希德-馬丁公司是將人工智能廣泛應用于國防領域的典范。他們的 AI Factory 計劃展示了他們在該領域推進 AI/ML 技術的承諾。它提供了一個安全的端到端模塊化生態系統，用于訓練、部署和維持可信賴的人工智能解決方案。其功能側重于從開發到部署和維護的自動化，應用 MLOps 解決方案（機器學習運營）來驗證、解釋、保護和監控所有機器學習生命周期階段，并創建可跨項目重復使用的參考架構和組件。

影響：從作戰飛機到太空探索，洛克希德-馬丁公司通過其人工智能驅動的解決方案影響著全球國防戰略，樹立了行業標準并為未來的技術進步鋪平了道路。

Palantir科技公司

為何選擇： Palantir 在大數據分析領域舉足輕重，為情報收集和作戰計劃提供人工智能平臺。他們的 AIP 平臺為綜合解決方案奠定了基礎，通過向決策者提供相關信息、利用可用傳感器增強信息以及根據對信息、紅軍和藍軍戰術、技術和程序（TTP）的理解向決策者提供相關的、可操作的響應，從而增強軍事組織的能力并使其同步化。

影響： Palantir AIP 將大型語言模型和尖端人工智能的力量結合起來，激活數據和模型，以安全、合法和合乎道德的方式從最高度敏感的環境中獲取信息。他們的系統利用信息源的可追溯性和可信推理，在復雜的國防環境中實現數據驅動決策，說明人工智能在作戰計劃和情報行動中的重要性與日俱增。

安杜里爾工業公司

為何選擇：Anduril Industries 站在將人工智能整合到自主系統和監控技術的前沿，改變傳統的防御戰略，采用可信賴的有人無人操作能力。

影響：他們的任務自主方法是從邊境安全和態勢感知發展而來的。他們的 Lattice AI 操作系統重新定義了防御方法，引入了分布式任務自主，采用由小型人類團隊操作的眾多無人系統。核心軟件提供傳感器融合、目標識別和跟蹤、智能網絡、指揮和控制。與其他解決方案不同的是，Anduril 的方法是通過添加可操作的使能因素，將其人工智能的覆蓋范圍擴展到 Lattice 核心之外--在安全領域，這些使能因素包括 Sentry 傳感器、Anvil 和 Roadrunner 反制措施。在進攻性打擊任務中，例如在美國陸軍的 "空中發射效應 "中，該系統通過Altius長續航時間傳感器、Fury Attritable飛機和Altius 700M效應器，將Anduril的移動自主概念發揮到極致。作為一個集成解決方案，它通過擴展覆蓋范圍、能力和態勢感知，使人類能夠使用自主系統，同時使作戰人員能夠更快地做出更好的決策。

C3.ai公司

為何選擇：C3.ai 的突出之處在于其將各種人工智能工具整合到 AI-Readiness 中的戰略，這是一個安全、統一的平臺，具有可信任、彈性和可互操作的可擴展系統，可在整個生命周期內連接和管理復雜且不同的資產。

影響： 通過提高決策和運營效率，C3.ai 的解決方案優化了資源管理和維護計劃，證明了人工智能在提高國防資產的可用性和使用壽命方面的作用，同時還能保持高安全標準。為支持引入人工智能驅動的解決方案，該公司提供了一個人工智能開發工作室，將技術評估加速到數天，并在數周或數月內完成應用開發和部署，而不是數年。

赫爾辛公司

為何選擇：赫爾辛公司代表了新一輪專注于專業人工智能應用的國防初創企業，他們得到歐洲主要國防企業的支持，凸顯了赫爾辛公司在人工智能國防市場的潛力和影響力。

影響：赫爾辛公司在情報分析和決策支持方面的人工智能解決方案利用先進的目標識別和人工智能賦能的電子戰技術，與其他合作伙伴的解決方案一起，必將成為雄心勃勃的未來空戰系統（FCAS）這一任務系統的人工智能支柱的一部分。赫爾辛公司專為現代戰爭量身定制，將為未來提供獨一無二的人工智能國防和航空應用。自 2022 年以來，赫爾辛公司一直活躍在烏克蘭，為前線作戰提供能力和技術。

結論

正如這些領先公司所展示的那樣，航空航天和國防領域正在走向以人工智能為中心的未來。市場格局多種多樣，發展迅速。每家公司都以獨特的方式塑造人工智能的市場、技術和未來，凸顯了人工智能對全球國防和航空航天戰略的變革性影響。這一趨勢增強了當前的能力，為軍事和太空行動開辟了新的可能性，標志著國防技術進入了一個新時代。

參考來源：DEFENSE UPDATE

盡管人工智能作為宣傳工具的使用一直備受關注，但烏克蘭和以色列的熱點沖突正被證明是加速人工智能和其他信息技術工具在戰場上使用的活實驗室。特別是在烏克蘭，有報道稱，人工智能甚至被用于自主瞄準打擊目標。以色列國防軍（IDF）對人工智能的使用則更為隱秘，但它肯定被用作瞄準輔助工具，以擊敗來自加沙哈馬斯的鋪天蓋地的導彈攻擊。

烏克蘭在拒絕了其他 10 個國家的人工智能項目后，開發出了自己的人工智能，因為烏克蘭確信本國開發的人工智能會更有益處，而且可以規避向商業公司報告的任何要求。烏克蘭的人工智能主要集中在龐大的攝像頭和無人機網絡提供的計算機視覺數據上。例如，名稱和目標字符識別（OCR）可以快速識別伊朗制造的 "沙赫德 "神風無人機，而不是標準導彈。 人工智能還有助于烏克蘭自己的導彈瞄準。這些人工智能工作大多由烏克蘭的 IT 陸軍完成，據說他們有 25 萬人，其中許多人在創新的 "蝸牛車庫 "里工作，而他們的預算只有西方 IT 公司的一小部分。人工智能還被用于分析俄羅斯的無線電通信和清除地雷。與此同時，俄羅斯在軍事領域的人工智能應用似乎陷入了雄心壯志與實際用途之間的脫節，尤其是自主無人機，據說供不應求。

一些通訊社報道稱，無人化嚴重的烏克蘭已經更進一步，允許配備人工智能的無人機在某些情況下不受人類控制地識別和攻擊目標，從而引發了戰場上 "機器人殺手 "的幽靈。美國軍方已經啟動了一項為期兩年的 "復制者 "計劃，準備投入數千套價格相對低廉的自主系統，主要是為了應對大國在海軍艦艇等領域的數量優勢。澳大利亞一家名為 "Anduril "的公司（以《指環王》傳奇中的一把劍命名）正在向烏克蘭提供可發射彈藥、由人工智能驅動的 "幽靈鯊 "海上無人機。

雖然烏克蘭似乎正在使用自主人工智能來攻擊坦克等大型物體，但它幾乎可以指名道姓地攻擊單個士兵。據《時代》雜志報道，備受爭議的 Clearview 公司免費提供的面部識別系統已經識別出 23 萬多名參與烏克蘭戰爭的俄羅斯士兵和官員。Clearview 系統被用于偵測滲透者、識別親俄民兵和合作者，甚至烏克蘭稱被越過俄羅斯邊境綁架的兒童。Clearview 技術標志著 "戰斗識別系統 "的首次使用，該系統有可能被用于鎖定敵方關鍵人員。例如，一架攜帶彈藥的人工智能無人機可以在原地徘徊，直到發現一名反對派將軍。

與此同時，在立志成為 "人工智能超級大國 "的以色列，人工智能技術正在協助對加沙的哈馬斯目標進行快速定位空襲--該系統被稱為 "火力工廠"，但其針對軍事目標的準確性目前尚不得而知。人工智能還幫助抵御來襲的導彈襲擊，這些導彈試圖以數量優勢壓倒以色列引以為傲的 "鐵穹 "導彈防御系統。以色列國防軍（IDF）越來越多地使用人工智能，并將其應用于移動平臺，如新型 "巴拉克 "超級坦克。巴拉克 "坦克的一個主要特點是配備了 "鐵視角 "頭盔，通過一系列外部傳感器和攝像頭，坦克乘員只需按下按鈕，就能 "看穿車輛的裝甲"。

主要得益于人工智能，坦克能夠在戰場上獨立學習、適應、導航和瞄準。以色列國防軍表示，一對 "巴拉克 "坦克將能夠執行以前需要一個坦克排才能完成的任務。

大多數分析家都認為，烏克蘭和以色列正被證明是在戰斗中加速使用人工智能的前所未有的試驗基地，而這一發展在和平時期通常需要更長的時間。現在，人工智能系統正在接受來自真實戰爭的真實數據的訓練，這意味著人工智能將在下一場武裝沖突中發揮更大的作用和效力，而下一場武裝沖突很可能包括人工智能自主作戰。

參考來源：techstrong.ai

新一代由人工智能（AI）增強和支持的自主武器系統（AWS），尤其是蜂群戰術無人機的迅速擴散，可能會對未來戰爭中的威懾、核安全、升級和戰略穩定產生重大影響。融合了人工智能系統的新興迭代無人機系統將預示著未來沖突中射程、精度、規模、協調、智能和速度的增強將產生強大的相互作用。反過來，核武軍事強國之間升級的 "要么使用，要么失去"局勢的風險，以及使用不可靠、未經驗證和不安全的預警系統所帶來隨之而來的危險將會增加，并可能帶來災難性的戰略結果。

廣泛的人工智能（AI）增強型自主武器系統（AWS）的擴散可能會對核安全和未來戰爭的升級產生重大戰略影響。一些觀察家預計，復雜的人工智能增強型自動武器系統不久將被部署到一系列 ISR 和打擊任務中。專家們普遍認為，人工智能機器學習系統是實現完全自主系統的基本要素。即使預警系統僅用于常規行動，其擴散也會產生破壞穩定的影響，并增加意外核升級的風險。例如，人工智能增強型無人機群可能會被有核國家用于針對地面防空系統的進攻性出動，以保衛其戰略資產（如發射設施及其隨附的指揮、控制和預警系統），并對較弱的有核國家施加壓力，迫使其在 "要么使用，要么失去"的情況下使用核武器進行反擊。

人工智能和自主性方面的最新進展大大提高了軍事大國對開發一系列預警系統作戰價值的認識，這有可能使致命權力下放給預警系統的前景變得越來越不可抗拒，但卻會破壞穩定。也就是說，捍衛或奪取戰略對手（傳統上保守的軍隊）尖端作戰資產的技術優勢，可能會避免部署不可靠、未經驗證和不安全預警系統的潛在風險。因此，當前人工智能機器學習軟件的技術局限性（脆性、可解釋性、機器學習的不可預測性、易被顛覆或 "數據中毒"，以及人工智能系統易受偏見影響）是穩定和升級的主要風險。可以肯定的是，在核領域部署這些不成熟的新生系統將產生嚴重后果。

根據目前對新興技術的了解，人工智能增強的先進常規能力（如網絡武器、精確彈藥和高超音速武器）的新迭代將加劇軍事升級的風險，尤其是無心和意外的升級。核能力與非核能力的混合和糾纏以及戰爭速度的加快可能會破壞戰略穩定。雖然學術文獻廣泛討論了新興技術帶來的潛在升級風險，但迄今為止，對軍事人工智能加劇這些風險并引發意外升級的可能性的研究還很有限。本文探討了人工智能增強型無人機蜂群如何以及為何會影響有核大國之間的戰略穩定。

人工智能兵力倍增的無人機蜂群

從概念上講，自主系統將結合視覺感知、語音、面部識別和決策工具等人工智能技術，在不受人類干預和監督的情況下執行一系列核心的空中攔截、兩棲地面攻擊、遠程打擊和海上行動。目前，只有少數武器系統在沒有人類干預的情況下選擇和攻擊目標。游蕩攻擊彈藥（LAMs）--也稱為 "游蕩彈藥 "或 "自殺式無人機"--根據預先設定的目標標準追擊目標（如敵方雷達、艦艇或坦克），并在其傳感器探測到敵方防空雷達時發動攻擊。與巡航導彈（設計用于實現類似功能）相比，LAMs 利用人工智能技術擊落來襲彈丸的速度比人類操作員更快，而且可以保持飛行（或游蕩）的時間比人類操作的彈藥要長得多。與現有的由人類操作的自動化系統（例如有人系統和遙控無人機）相比，像 LAMs 這樣的預警系統會使國家可靠地預測和識別自主攻擊的能力變得更加復雜。

例如，一架低成本的 "獨狼 "無人機不太可能對 F-35 隱形戰斗機構成重大威脅，但數百架人工智能機器學習自動無人機蜂擁出動，即使在防御嚴密的地區，也有可能躲過并壓倒對手的尖端防御能力。此外，這些系統的隱形變體與小型化電磁干擾器和網絡武器一起，可用于干擾或顛覆對手的目標傳感器和通信系統，破壞其多層防空體系，為無人機蜂群和遠程隱形轟炸機進攻做好準備。例如，2011 年，在克里奇美國空軍基地，在中東操作 MQ-1 和 MQ-9 無人機的飛機駕駛艙系統感染了惡意軟件，暴露了美國系統易受網絡攻擊的弱點。不過，未來將人工智能技術迭代整合到隱形戰斗機（如 F-35 戰斗機）中，可能會抵消這種威脅。美國研制的有人駕駛 F-35 戰斗機很快就能利用人工智能控制小型無人機蜂群在飛機附近執行感知、偵察和瞄準功能，包括針對無人機群攻擊的反制措施。未來，無人機和無人支援平臺續航時間的延長有可能提高無人機蜂群在這類反制措施下的生存能力。

讓人類脫離

由于軍事指揮官關注的是如何嚴格控制 "升級階梯 "上的各個等級，因此從理論上講，他們應該反對將過多的決策權下放給機器--尤其是在涉及核武器的情況下。然而，軍事強國之間的競爭壓力，以及對其他國家在開發和部署軍事人工智能（以及人工智能可能賦予權力的 AWS）方面占據上風的擔憂，可能會壓倒“人在環內”。值得強調的是一個注意事項。下文描述的無人機蜂群用途并不假定軍方一定能在短期內實施這些 AWS。當然，人工智能研究人員和分析人員對各國在部署人工智能預警機群時面臨的重大作戰挑戰存在分歧，特別是與機器對機器通信、復雜和有爭議環境中的機群協調以及電池技術等有關的問題。

一些著名的研究人員認為，盡管還存在技術挑戰以及法律和倫理方面的可行性，但很可能在幾年內就能看到可運行的 AWS。與使用自主控制武器和自主瞄準有關的道德和倫理考量十分復雜，爭議很大；人類創造自主控制技術來攻擊人類本身就存在問題。美國國防部前副部長羅伯特-沃克（Robert Work）認為，美國在使用軍事力量時 "不會將致命的決定權交給機器"。然而，沃克補充說，這種自我克制可能會受到戰略競爭對手的考驗，"他們比我們更愿意將權力下放給機器，隨著競爭的展開，我們將不得不就如何更好地競爭做出決定"。然而，將人類的判斷從危機決策過程中移除，并預先將權力下放給自主系統，可能會嚴重挑戰核武器在未來戰爭中的安全性、復原力和可信度。

歷史上有許多險些發生核失誤的例子，這表明人類的判斷對于降低誤判和誤解的風險，以及在危機期間對手的意圖、紅線和使用武力的意愿非常重要。然而，盡管有這些先例，全球防務界仍未充分認識到不可預測的人工智能增強型自主系統在動態、復雜，甚至可能是先驗未知的環境中運行所帶來的風險。為了規避這些風險，一些競爭對手計劃將人工智能融入無人機和無人潛航器（UUV），利用人工智能機器學習技術執行蜂擁任務。據報道，某國戰略家研究了 "蜂群 "無人機的數據鏈技術，強調網絡架構、導航和抗干擾軍事行動，尤其是針對美國航母的行動。

無人機蜂群與新的戰略挑戰

成群使用的無人機非常適合對對手的核和非核機動導彈發射器、核動力彈道導彈潛艇及其附屬輔助設施（如 C3I 和預警系統、天線、傳感器和進氣口）實施先發制人的攻擊和核-ISR 任務。一些觀察家認為，自主系統（如美國國防部的 "海上獵人"--一種自主水面飛行器原型）可能會使水下領域變得透明，從而削弱隱身 SSBN 的二次打擊威懾作用。不過，這一假設在技術上是否可行還存在很大爭議。由于這些技術上的挑戰，在可預見的未來，冷戰時期以相互確保摧毀（MAD）為基礎的核威懾很可能不會受到人工智能增強的反威懾能力的挑戰。

一方面，一些專家認為，這些平臺成群部署，可以改變反潛戰（ASW），使海上核威懾幾乎成為多余。另一方面，其他專家認為這種假設在技術上還為時過早，因為：AWS 上的傳感器不太可能可靠地探測到深潛的潛艇；這些傳感器（以及無人機本身）的探測距離會受到遠距離電池電量的限制；而且，鑒于執行威懾任務的 SSBN 穿越的區域廣闊，即使部署大量的自主蜂群執行偵察任務，被探測到的幾率也微乎其微。

盡管旨在克服反潛戰中潛艇靜音挑戰（降低成本、減小尺寸和探測范圍）的傳感器技術不斷進步，但仍存在一些技術挑戰，包括：多個系統之間的水下通信；處理功率要求；電池壽命和能源生成；以及系統擴展。因此，現代反潛戰能力非但沒有使潛艇成為多余，反而降低了潛艇的效能，減緩了潛艇在巡邏區的部署速度，使其無法進入射擊位置，并破壞了攻擊的協調性。

傳感器、通信和處理技術（尤其是大數據分析和機器學習）的最新進展可能成為未來反潛和水下支援平臺（如無人潛航器、無人水面飛行器（USV）和無人機）的顛覆性變革技術，用于實時定位和攻擊潛艇，并增強潛艇及其附屬武器系統的隱身性和耐久性。人工智能機器學習和大數據分析的結合可提高冷戰時期的靈敏度技術，以探測潛艇的輻射和化學排放，進而實現在遠程反潛作戰（可能是 "開火即忘"）中探測和提示魚雷搜索器的新能力。但目前，這一假設的技術可行性仍存在很大爭議。

在這些自主系統對潛艇偵察產生改變游戲規則的戰略影響之前，需要在動力、傳感器技術和通信方面取得重大進展。然而，無論這種新興能力的真實性如何，只要認為核能力面臨新的戰略挑戰，就會引起核武對手之間的不信任，尤其是在戰略力量不對稱的情況下。自主能力--如 DARPA 的 "海上獵手"--展示了自主武器如何加速完成迭代瞄準周期，以支持聯合作戰；從而降低國家核二次打擊能力的可靠性和生存能力，并可能導致 "要么使用，要么失去"的局面。

因此，在短期內，人工智能對核威懾產生的最重要的不穩定影響可能是將自主性與一系列機器學習增強型傳感器相結合，這可能會削弱各國對其二次打擊能力存續的信心，從而引發報復性的第一次打擊。計算性能呈指數級增長，加上可實時快速處理數據的機器學習技術的進步，將使無人機群有能力執行日益復雜的任務，如獵殺迄今為止隱藏的核威懾力量。簡而言之，未來人工智能的迭代能力將不斷增強，能夠在融合擴大和分散的數據集的基礎上進行預測，然后定位、跟蹤和瞄準地下發射井（特別是移動式洲際彈道導彈發射器）、隱形飛機、SSBN 和卡車或鐵路運輸豎起發射器（TEL）中的戰略導彈。

人工智能增強蜂群的戰術可能性

以下三種情況說明了人工智能增強型無人機群可能執行的戰略行動。

首先，可部署無人機群執行核-ISR 行動，以定位和跟蹤分散的（核與非核）移動導彈發射器及其隨附的輔助 C3I 系統。具體來說，集人工智能注入的 ISR、自主傳感器平臺、自動目標識別（ATR）系統和數據分析系統于一體的無人機群可提高傳感無人機的效率和速度，以確定移動導彈的位置并躲避敵方防御。然后，這些蜂群提供的衛星圖像和信號情報可提示隱形戰斗機或武裝無人機摧毀這些導彈。

未來，人工智能增強型無人機群可用于定位和跟蹤移動導彈發射器等分散目標，壓制敵方防空系統，為裝備常規或核載荷的高超音速自主運載系統群掃清道路。高超音速助推滑翔武器（HGVs）利用助推滑翔技術推進裝有常規載荷（以及潛在核載荷）的彈頭，其開發和部署可能最終會加劇目標模糊問題，增加意外升級的風險，進而降低核門檻。

由于尋找移動導彈本身就很困難，因此即使在使這種能力（甚至是對其脆弱性的認識）方面稍有改進，也可能改變戰略游戲規則。根據蘭德公司的分析，"對常規武裝導彈的追逐可能導致具備核能力的導彈部隊遭到削弱"，從而破壞危機的穩定性，并造成 "要么使用，要么失去 "的局面。因此，先進的人工智能增強型無人機群的自主性可能會加劇共混問題集，進而增加戰略不穩定性。

其次，無人機群可能會增強傳統的常規武器和核武器運載系統（例如洲際彈道導彈和潛射彈道導彈），并可能納入高超音速變體（下文將詳細討論）。人工智能的應用很可能會增強運載系統的瞄準和跟蹤能力，并提高無人機群對抗當前一代導彈防御系統的生存能力。例如，高超音速助推滑翔武器的技術進步--特別是與巡航導彈、導彈防御能力結合部署，并得到無人機群的支持--可以瞄準對手的高價值資產，如雷達、反衛星武器、移動導彈發射器、C3I 系統以及用于支持核導彈和常規導彈的 TEL。然而，無人機群對這些系統的依賴性（類似于下文討論的網絡防御）可能使其更容易受到攻擊，例如來自欺騙、操縱、數字干擾和電磁脈沖的攻擊。

為了降低這些脆弱性，傳感器無人機群編隊可以應用人工智能增強的 ISR 來加強情報收集、群內通信和分析，擴大其行動的地理范圍，并監測對無人機群的潛在威脅，從而讓無人機群的其余部分不受束縛地開展進攻活動。例如，美國國防部高級研究計劃局（DARPA）最近測試了無人機群如何在極少（或被拒絕）通信的高威脅環境中進行協作并協調戰術決策。

第三，無人機群戰術同樣可以增強國家壓制對手防御系統（如防空系統、導彈防御系統和反潛防御系統）的能力，為解除攻擊掃清道路。無人機群可能配備網絡或電子戰（EW）能力（除了反艦導彈、反輻射導彈或常規巡航導彈和彈道導彈外），以干擾或摧毀對手的預警探測和 C3I 系統，為更廣泛的進攻行動打前站。例如，在傳統防御中，一國可以通過拒止戰術，用配備電子戰或網絡武器的無人機群攻擊敵方的傳感器和控制系統，削弱敵方的綜合防空系統（如欺騙和電磁脈沖攻擊），同時部署單獨的無人機群，吸引敵方武器系統的火力，保護敵方的傳感器，從而為出動常規（可能還有核）武裝無人機和遠程隱形轟炸機掃清道路。

相反，無人機群可能會加強各國的導彈防御，以抵御這些進攻性威脅。例如，無人機群可以形成一道防御墻，吸收來襲的導彈炮彈，將其攔截或作為誘餌，利用搭載的激光技術使其偏離航道。

揭開冷戰核威懾的水下之謎？

在海洋領域，UUV、USV 和 UAV 在人工智能支持的群內通信和 ISR 系統的支持下，可同時部署在進攻性和防御性反潛行動中，以飽和敵方防御，并定位、削弱和摧毀其核武或非核攻擊潛艇。由于現代柴電潛艇（SSK）和 SSBN 采用了隱身技術，尤其是聲學特征極小，再加上協調此類行動的巨大挑戰，因此即使在相對有利的條件下，從艦艇（甚至從另一艘潛艇）跟蹤潛艇也是一項具有挑戰性的行動。

一些專家預計至少十年內這種技術上可靠有效的能力還無法投入使用，而另一些專家則比較樂觀。從戰術角度看，無人機群不需要覆蓋整個海洋（或完全透明的海洋）就能有效探測和跟蹤潛艇。英國海軍少將約翰-高爾（John Gower）認為，"在公海上構想一個可行的搜索和探測計劃"，相對均勻的傳感器分布可能就足夠了，只需要 "多則數萬、少則數十萬的 UUV"。此外，移動傳感平臺的進步可使無人機群在潛艇出港時通過咽喉（或網關）定位潛艇，然后自主跟蹤潛艇。這樣，機器學習增強型 UUV 和 USV 的新迭代可能會補充甚至完全取代通用 SSBN 和載人水面飛行器在扼守點跟蹤敵方潛艇的傳統作用，同時在 UUV 上安裝稀疏分布和移動分布的網絡系統傳感器。

算法戰爭與不可抗力自主武器

如果一個國家認為其可生存核武器（尤其是核潛艇）的可信度受到威脅，那么無人機群等常規能力很可能會在戰略層面上產生破壞穩定的影響。因此，即使蜂群出擊不打算作為(或確實在技術上有能力)解除武裝的第一次打擊，這種行動的可行性本身就會破壞穩定。此外，人工智能的速度可能會使防御者處于明顯的劣勢，從而產生更多的動機，先發制人打擊技術上更勝一籌的軍事對手。因此，一個國家認為其二次打擊能力越不安全，就越有可能支持在其核武器綜合體中使用自主系統來增強其戰略力量的生存能力。分析家保羅-沙爾（Paul Scharre）認為，"在蜂群作戰中獲勝可能取決于是否擁有最好的算法來實現更好的協調和更快的反應時間，而不僅僅是最好的平臺"。

AWS 集速度、持久性、范圍、協調性和戰場規模于一身，將為各國在有爭議的反介入/區域拒止（A2/AD）區域內投射軍事力量提供極具吸引力的非對稱選擇。在復雜的機器學習神經網絡的強化下，有人和無人機聯合作戰有可能阻礙美國未來在南海的航行自由行動。如果在巡航導彈和高超音速滑翔能力中注入人工智能和自主能力，那么在近距離遭遇戰將變得更加復雜、更易發生事故，并在常規和核層面上破壞穩定。據報道，大國正在開發和部署 UUV，以加強其水下監測和反潛能力，作為建立 "水下長城 "以反制美國水下軍事優勢這一更廣泛目標的一部分。例如，美國的人工智能增強型 UUV 有可能威脅到大國的核彈道導彈潛艇和非核攻擊潛艇。因此，即使美國的 UUV 只對大國的非核（或非戰略）攻擊潛艇艦隊構成威脅，大國的指揮官也可能會擔心新生的、噪音相對較小的（與美國和俄羅斯的 SSBN 相比）海基核威懾力量會更容易被削弱。

因此，核領域新軍事技術的部署對各國的影響因其戰略力量結構的相對強度而異。此外，機器學習傳感器技術的進步可以更準確地探測到大國SSBNs，這可能會加強大國政府的擔憂，即它正被一個軍事上更強大的國家--尤其是美國--作為目標。要驗證這一設想的真實性，需要更好地了解大國在使用核能力和非核戰略能力方面的想法，以及這些想法如何影響大國對局勢升級風險的態度。

結論

自主武器被認為是一種風險相對較低的不可抗力，其交戰規則模糊不清，在缺乏強有力的規范和法律框架的情況下，很可能會成為一種越來越有吸引力的不對稱工具，削弱軍事上占優勢的對手的威懾力和決心。例如，空基和海基無人機與復雜的神經網絡相連，可以支持有人和無人聯合作戰，監視和控制海域，有可能阻礙美國未來的航行自由行動。如果為巡航導彈和高超音速滑翔能力注入人工智能和自主能力，那么在近距離遭遇戰將變得更加復雜，更易發生事故，并在常規和核層面上破壞穩定。

總之，盡管仍然存在技術挑戰（尤其是對動力的需求），但機器人系統群與人工智能機器學習技術的融合可能預示著在未來沖突中，射程、精度、質量、協調、智能和速度的提高將產生強大的相互作用。

參考來源：蒙特雷米德爾伯里國際研究所詹姆斯-馬丁防擴散研究中心（CNS）

在不到一年的時間里，Chat-GPT 已成為一個家喻戶曉的名字，反映了人工智能驅動的軟件工具，特別是生成式人工智能模型的驚人進步。伴隨著這些發展，人們頻頻預測人工智能將徹底改變戰爭。在人工智能發展的現階段，人們仍在探索可能的參數，但軍方對人工智能技術的反應是不可否認的。美國網絡安全和基礎設施安全局局長詹-伊斯特里警告說，人工智能可能是 "我們這個時代最強大的武器"。雖然自主武器系統在有關人工智能軍事應用的討論中往往占據主導地位，但人們較少關注在武裝沖突中支持人類決策的系統中使用人工智能的問題。

在這篇文章中，紅十字國際委員會軍事顧問魯本-斯圖爾特（Ruben Stewart）和法律顧問喬治婭-海因茲（Georgia Hinds）試圖批判性地審視人工智能用于支持戰爭中武裝人員決策時被吹噓的一些益處。其中特別討論了減輕對平民的傷害和節奏問題，尤其關注武裝沖突中對平民的影響。

即使在最近的炒作之前，人們可能已經以各種形式使用過人工智能，事實上，人們可能正在使用主要由人工智能驅動的設備閱讀這篇文章。如果您使用指紋或人臉打開過手機，參與過社交媒體，使用手機應用程序規劃過旅程，或者在網上購買過披薩和書籍等任何物品，那么這些都可能與人工智能有關。在很多方面，我們對人工智能已經習以為常，常常在不知不覺中將其應用到我們的日常生活中。

但如果人臉識別軟件被用來識別要攻擊的人呢？如果類似的軟件不是尋找最便宜的航班將你送往目的地，而是尋找飛機對目標實施空襲呢？或者，機器推薦的不是最好的披薩店或最近的出租車，而是攻擊計劃？這顯然是開發基于人工智能的國防決策平臺的公司 "即將到來 "的現實。

這類人工智能決策支持系統（AI-DSS）是一種計算機化工具，使用人工智能軟件顯示、綜合和/或分析數據，并在某些情況下提出建議，甚至預測，以幫助人類在戰爭中做出決策。

AI-DSS 的優勢往往體現在提高態勢感知能力和加快決策周期上。下文將根據人工智能系統和人類的局限性，并結合現代沖突的規劃過程，對這些說法進行解讀。

將沖突中傷害平民的風險降至最低

新技術在戰爭中的出現往往伴隨著這樣的說法，即新技術的整合將減少對平民的傷害（盡管在實踐中并不總是如此）。就 AI-DSS 而言，有人聲稱這種工具在某些情況下有助于更好地保護沖突中的平民。當然，國際人道主義法（IHL）規定，軍事指揮官和其他負責攻擊的人員有義務根據他們在相關時間所掌握的所有來源的信息做出決定。特別是在城市戰爭的背景下，紅十字國際委員會建議，有關平民和民用物體存在等因素的信息應包括互聯網等公開來源資料庫。此外，具體到人工智能和機器學習，紅十字國際委員會認為，只要人工智能-DSS工具能夠促進更快、更廣泛地收集和分析這類信息，就能使人類在沖突中做出更好的決策，從而最大限度地減少對平民的風險。

與此同時，任何 AI-DSS 的輸出都應在多個來源之間進行交叉核對，以防止信息有偏差或不準確。雖然這對沖突中的任何信息來源都是如此，但對AI-DSS 尤為重要；正如紅十字國際委員會先前所概述的那樣，由于系統的功能以及人類用戶與機器的交互方式，要核實輸出信息的準確性可能極其困難，有時甚至是不可能的。下文將進一步闡述這些方面。

系統局限性

最近關于人工智能發展的報道經常包括人工智能失敗的例子，有時是致命的。例如，軟件無法識別或錯誤識別膚色較深的人，推薦的旅行路線沒有考慮最新的路況，以及自動駕駛汽車造成死亡的例子。其中一些失誤是可以解釋的，但不可原諒，例如，因為其輸出所依據的數據有偏差、被破壞、中毒或根本不正確。這些系統仍然很容易被 "欺騙"；可以使用一些技術來欺騙系統，使其對數據進行錯誤分類。例如，可以想象在沖突中使用對抗性技術來影響瞄準輔助系統的源代碼，使其將校車識別為敵方車輛，從而造成毀滅性后果。

隨著人工智能被用于執行更復雜的任務，特別是當多層分析（可能還有決策和判斷）不斷累積時，驗證最終輸出以及導致最終輸出的任何錯誤的來源就變得幾乎不可能。隨著系統越來越復雜，出現復合錯誤的可能性也越來越大--第一個算法建議中的一個微小不足會被反饋到第二個算法過程中并造成偏差，而第二個算法過程又會反饋到第三個算法過程中，依此類推。

因此，人工智能系統經常表現出用戶或開發者無法解釋的行為，即使經過大量的事后分析也是如此。一項針對備受矚目的大型語言模型 GPT-4 的研究發現，三個月后，該模型解決數學問題的能力從 83.6% 銳減至 35.2%，令人費解。不可預測的行為也可以通過強化學習產生，在強化學習中，機器已被證明能夠非常有效地采用和隱藏不可預見的行為，有時甚至是負面行為，從而戰勝或超越人類：無論是通過撒謊贏得談判，還是通過走捷徑擊敗電腦游戲。

人類與機器互動面臨的挑戰

AI-DSS 不會 "做出 "決定。不過，它們確實會直接影響人類的決策，而且往往影響很大，其中包括人類在與機器交互時的認知局限性和傾向性。

例如，"自動化偏差 "指的是人類傾向于不批判性地質疑系統的輸出，或搜索矛盾的信息--尤其是在時間緊迫的情況下。在醫療保健等其他領域已經觀察到了這種情況，經驗豐富的放射科醫生的診斷準確性受到了人工智能錯誤輸出的不利影響。

在醫療領域，不準確的診斷可能是致命的。同樣，在武裝沖突中，過度信任也會帶來致命后果。2003 年，美國的 "愛國者 "防御系統兩次向友軍聯軍飛機開火，原因是這些飛機被誤認為是攻擊導彈。在隨后的調查中，發現的主要缺陷之一是 "操作員接受了信任系統軟件的培訓"。

這些運作方式，再加上人機互動的這些特點，有可能增加結果偏離人類決策者意圖的可能性。在戰爭中，這可能導致意外升級，無論如何都會增加平民和受保護人員的風險。

節奏

人工智能在軍事上被吹捧的一個優勢是，它能讓用戶的決策節奏快于對手。節奏的加快往往會給平民帶來額外的風險，這就是為什么要采用 "戰術忍耐 "等降低節奏的技術來減少平民傷亡。放慢決策節奏，包括為決策提供信息的過程和評估，可以讓系統和用戶有額外的時間：

• 看到更多
• 了解更多；以及
• 制定更多選擇。 重要的是，在整個決策鏈中都是如此，而不僅僅是在最后的 "決策點"。因此，聲稱 AI-DSS 將加快最終決定是否 "扣動扳機 "的耗時步驟，從而實際上為戰術忍耐帶來更多時間的說法，有可能過度簡化當代沖突中的目標選擇和武力執行過程。

額外的時間讓你看到更多

2021 年 8 月 29 日，在喀布爾大撤退期間，無人機對喀布爾進行了臭名昭著的空襲，造成 10 名平民死亡，中央司令部指揮官將這次空襲歸咎于 "我們沒有多余的時間來分析生活模式和做其他一些事情"。

"生活模式"分析是一些軍隊對平民和戰斗人員的存在和密度、他們的時間表、在考慮攻擊的地區內和周圍的移動模式等進行評估的描述。這是減少平民傷害的重要方法。然而，對生活模式的評估只能實時進行--平民創造這種模式需要時間--無法加快。

試圖根據歷史趨勢預測未來行為的做法無法顧及當前情況。在這個例子中，回顧舊的情報資料，特別是喀布爾的全動態視頻，并不能反映出由于塔利班接管和正在進行的疏散工作而發生的形勢和行為變化。

正如預防平民傷亡指南所解釋的那樣，"等待和觀察的時間越長，你就會對發生的事情了解得越多，也就能更好地做出使用致命或非致命手段的決定"，或者正如拿破侖所說的那樣 "慢慢給我穿衣服，我趕時間"--有時，刻意為之才能達到最佳效果。

額外的時間可以讓用戶理解更多

放慢決策速度的另一個原因是，人的理解能力，尤其是對復雜和混亂情況的理解能力，需要時間來培養，也需要時間來斟酌適當的應對措施。時間越少，人理解局勢的能力就越弱。軍事規劃流程旨在讓指揮官和參謀人員有時間考慮作戰環境、對手、友軍和平民，以及所考慮的行動方案的利弊。正如德懷特-D-艾森豪威爾將軍所解釋的，"在準備戰斗的過程中，我總是發現計劃是無用的，但規劃是不可或缺的"。

當人類決策者考慮由 AI-DSS 生成或 "推薦 "的行動方案時，這一點就會產生影響，因為相對于對手而言，AI-DSS 加快行動節奏的能力可能是被利用的最主要原因。如果人類計劃人員沒有經歷或甚至完全不了解 AI-DSS 提出的計劃的制定過程，那么他對局勢、各種影響因素和相關人員的了解可能就會很有限。 事實上，人們已經注意到，使用自動輔助工具會降低人類用戶的警覺性，損害他們保持態勢感知的能力。這一點應從如何影響遵守國際人道主義法義務的角度加以考慮；盡一切可能核查目標的義務表明，需要最大限度地利用現有情報、監視和偵察資產，以獲得在當時情況下盡可能全面的態勢感知。

更多時間可讓用戶做出更多選擇

除了能讓指揮官看到和了解更多情況外，額外的時間還能讓指揮官制定戰術備選方案，包括決定不使用武力或緩和局勢。額外的時間可以讓其他單元和平臺脫離接觸、重新定位、重新補給、計劃和準備協助即將到來的行動。這為指揮官提供了更多選擇，包括可更好地減少平民傷害的替代計劃。額外的時間可能允許采取額外的緩解措施，如發布警告，從平民的角度來看，這也允許他們實施應對機制，如躲避、重新補給食物和水或撤離。

正如軍事規劃理論中的一個例子所解釋的那樣，"如果時間充裕，而且更快采取行動也沒有好處，那么就沒有什么借口不花時間進行充分規劃"。正如北約的《保護平民手冊》所回顧的那樣，"如果有時間按照國際人道主義法的原則對部隊或目標進行蓄意規劃、區分和精確瞄準，那么CIVCAS[平民傷亡]的可能性就會大大降低"。

結論

"戰爭是混亂的、致命的，從根本上說是人類的努力。它是人與人之間的意志沖突。所有戰爭本質上都是為了改變人類的行為，每一方都試圖通過武力改變另一方的行為"。"戰爭源于人類的分歧，在人類群體之間展開，由人類控制，由人類結束，而在戰爭結束后，人類又必須共存。最重要的是，沖突中的苦難由人類承擔。

這一現實，乃至國際人道主義法本身，都要求在武裝沖突中開發和使用人工智能時采取 "以人為本 "的方法--努力在本已不人道的活動中維護人性。這種方法至少有兩個關鍵方面：(1) 關注可能受影響的人；(2) 關注使用或下令使用人工智能的人的義務和責任。

在研究可能受影響的人時，不僅要考慮在使用 AI-DSS 獲取軍事優勢時減少對平民的風險，還要考慮專門為保護平民的目標設計和使用這類工具的可能性。在這方面已經提出的可能性包括識別、跟蹤和提醒部隊注意平民人口存在的工具，或識別在武裝沖突中表明受保護地位的特殊標志的工具（見這里和這里）。

確保人類能夠履行其在國際人道主義法下的義務意味著 AI-DSS 應為人類決策提供信息，但不能取代人類對武裝沖突中人們的生命和尊嚴構成風險的判斷。在自主武器系統方面，各國已廣泛認識到這一點（例如，見此處、此處和此處）。遵守國際人道主義法的責任在于個人及其指揮官，而非計算機。正如美國國防部《戰爭法手冊》所述："戰爭法并不要求武器做出法律決定......相反，必須遵守戰爭法的是人。中國在《新一代人工智能倫理規范》中更普遍地強調了這一點，堅持 "人是最終的責任主體"。

關于 AI-DSS 必然會加強平民保護和遵守國際人道主義法的說法必須受到嚴格質疑，并根據這些考慮因素進行衡量，同時考慮到我們對系統局限性、人機互動以及行動節奏加快的影響的了解。

參考來源：International Committee of the Red Cross

人工智能（AI）究竟是什么？它與電子戰（EW）的未來有什么關系？人工智能正在改變我們所做的一切嗎？如果忽視人工智能，那將是一個錯誤。眾所周知，特斯拉采用了人工智能算法，特別是卷積神經網絡、遞歸神經網絡和強化學習。從根本上說，這些算法可以匯編來自多個傳感器的數據，分析這些數據，然后做出決策或向最終用戶提供信息，從而以驚人的速度做出決策。這一過程以指數級的速度發生，超過了人腦的處理速度。因此，從根本上說，人工智能是機器像人類一樣執行認知功能的能力。

人工智能可以駕駛汽車、撰寫學期論文、以適當的語氣幫你創建電子郵件，因此，它在軍事領域的潛在應用也是理所當然的。具體來說，就是整合人工智能電子戰及其提供的潛在能力轉變。雖然 "電子戰 "一詞已經使用了相當長的一段時間，但將人工智能注入這一領域為提高速度和殺傷力和/或保護開辟了新的途徑。

電子戰包含一系列與控制電磁頻譜有關的活動，傳統上一直依賴人類的專業知識來探測、利用和防御電子信號。然而，現代戰爭的速度和復雜性已經超出了人類操作員的能力。這正是人工智能的優勢所在，它帶來的一系列優勢將徹底改變電子戰的格局。

將人工智能融入電子戰的首要好處之一是增強了實時處理和分析海量數據的能力。在數字時代，戰場上充斥著來自通信網絡、雷達系統和電子設備等各種來源的大量信息。人工智能算法可以迅速篩選這些數據，識別出人類操作員可能無法識別的模式、異常情況和潛在威脅。這種能力不僅能提高威脅檢測的準確性，還能大大縮短響應時間，使友軍在快速演變的局勢中獲得關鍵優勢。

在這種情況下，人工智能賦能的兵力倍增器就出現了，它能在面對復雜多變的局勢時做出更高效、更有效的決策。現代戰場會產生大量電子信號，需要快速準確地識別。人工智能驅動的算法擅長篩選這些數據、辨別模式，并識別在以往場景中可能被忽視的信息。這使兵力能夠迅速做出反應，以更快的速度做出關鍵決策。

此外，人工智能還具有適應和學習新信息的能力，這一特性在電子戰領域尤為有利。電子威脅和反制措施處于不斷演變的狀態，需要反應迅速和靈活的策略。人工智能驅動的系統可以根據不斷變化的情況迅速調整戰術，持續優化性能，而無需人工干預。這種適應性對于對抗復雜的電子攻擊和領先對手一步至關重要。

人工智能與電子戰的融合還為指揮官提供了更先進的決策工具，比歷史標準更詳細、更快速。人工智能算法可以分析各種場景，考慮地形、天氣以及友軍和敵軍兵力等因素。這種分析為指揮官提供了全面的戰場情況，使他們能夠在充分了解情況的基礎上做出決策，最大限度地提高任務成功的概率，最大限度地降低潛在風險。此外，人工智能驅動的模擬可以演繹不同的場景，使軍事規劃人員能夠完善戰略，評估不同行動方案的潛在結果。美國今年早些時候進行了一次以印度洋-太平洋地區為重點的演習，將大語言模型（LLM）作為規劃和決策過程的一部分。一位演習成員稱贊了系統 "學習 "的成功和速度，以及系統成為戰場上可行資源的速度。另一個例子是，利用已輸入人工智能系統的數據對目標清單進行優先排序，人工智能系統能夠考慮瞄準行動、網絡，從而比操作人員更快、更全面地了解戰區情況。

不過，必須承認，要完成人工智能整合，還存在一些潛在的障礙。首先，美國防部大多數實體無法直接獲得人工智能技術。大多數從事前沿人工智能工作的組織都是商業公司，它們必須與軍事系統合作或集成。這可能會受到美國現行預算和研發流程的阻礙。此外，美國的這些流程進展緩慢，人工智能技術很有可能無法融入美國兵力。還有潛在的道德和安全考慮。隨著人工智能系統在探測和應對威脅方面承擔更多責任，人類的監督和控制水平也會出現問題。為了與戰爭法則保持一致，需要有人工參與，而不是完全依賴人工智能來做出攻擊決策。任何時候，只要有可能造成人員傷亡、附帶損害或其他問題，就需要人類做出有意識的知情決策，而不能任由人工智能自生自滅。在人工智能自主決策和人工干預之間取得適當的平衡至關重要，以防止意外后果或機器在沒有適當問責的情況下做出生死攸關的選擇。

最后，人工智能的整合引發了對潛在網絡漏洞的擔憂。雖然人工智能可以提高電子戰的速度和準確性，但它也為試圖操縱或破壞人工智能系統的惡意行為者帶來了新的攻擊途徑。要保護這些系統免受網絡威脅，就必須采取強有力的整體網絡安全方法，同時考慮到人工智能驅動的電子戰的硬件和軟件層。

最后，不可否認，將人工智能融入戰爭預警的潛在戰略利益是巨大的。人工智能處理海量數據、適應不斷變化的條件和支持決策過程的能力有可能重塑現代戰爭的格局。隨著兵力越來越依賴技術來保持在數字化作戰空間中的優勢，負責任地開發和部署人工智能驅動的預警系統將是必要的。 如何在技術創新、人工監督和安全措施之間取得適當平衡，將決定能在多大程度上實現這些優勢，同時又不損害戰略目標或道德考量。美國采購系統面臨的挑戰也將在人工智能集成中發揮關鍵作用。人工智能在電子戰中的變革力量有可能改變游戲規則。問題是：它會嗎？人工智能將如何融入新型 EC-37B Compass Call 和 NexGen 干擾機等未來平臺？陸軍是否會將人工智能納入其推動營級決策的努力中？這些都是值得探討的問題，但有一點是肯定的：電磁作戰界必須繼續接受創新思維，因為我們知道未來的戰斗將在電磁頻譜中開始和結束。人工智能將在現代戰爭的新時代發揮關鍵作用。

雷達和電子戰（EW）等軍事應用測試和測量系統的設計人員正在加緊使用人工智能（AI）解決方案，以便更好地測試認知功能。同時，現代數字架構的采用也推動了軍事測試需求的增長。

人工智能（AI）和機器學習（ML）工具正在進入國防系統的幾乎每一個領域，從制造、雷達系統開發、航空電子設備到軟件開發和測試測量系統。

NI 公司（德克薩斯州奧斯汀）航空航天、國防與政府研究與原型開發解決方案營銷經理 Jeremy Twaits 說："人工智能不僅影響測試系統本身的能力，還影響我們的測試方式。"人工智能使系統更具適應性，其行為會根據訓練數據集發生變化。有了人工智能，工程師必須了解系統性能的界限，并使用測試方法來滿足系統部署時可能遇到的最關鍵和最可能的情況。

人工智能工具還能在電子戰系統中實現認知功能。羅德與施瓦茨公司（Rohde & Schwarz，馬里蘭州哥倫比亞市）航空航天與國防市場部雷達與 EW（電子戰）全球市場部門經理 Tim Fountain 說："通過為客戶配備工具，提供高帶寬、長時間射頻記錄和回放系統，用于在操作相關的射頻環境中訓練認知系統，從而幫助客戶交付支持 AI/ML 的系統"。

他繼續說："此外，認知系統還可用于提取和分類 ELINT（電子情報）接收器捕獲的寬帶數據中的新型發射器。我們的客戶一再告訴我們，他們面臨的一個挑戰是，他們并不缺少來自采集活動的數據，但對這些信號進行標記、分類、排序和地理定位仍然是一項人工任務，由于時間和預算壓力，分析人員往往會忽略這項任務"。

軍事用戶對數據量的要求只增不減，這給系統設計人員和系統測試人員帶來了更大的壓力。

Keysight 航空航天/國防和政府解決方案集團（加利福尼亞州圣克拉拉市）總經理 Greg Patschke 說："隨著高速捕獲技術的發展，我們能夠收集的數據量正以指數級速度增長。這些大型數據集帶來了分析信息和得出結果的挑戰。目前，我們正在使用無監督機器學習工具來加快洞察之路。我們可以使用智能算法來識別感興趣的信號，對信息進行分類，并識別數據中的模式和異常。利用這項技術為我們打開了一扇通往全新數據分析世界的大門，而這在以前是不可行的"。

由于系統的復雜性，在定義測試場景的同時，通過人工智能系統實現適應性將至關重要。

Twaits指出："幾乎不可能在每一種可能的情況下進行測試，但業界必須定義關鍵的測試場景和模型。"由于真正測試和信任人工智能系統的動態性和挑戰性，測試平臺必須具備適應性，以應對未來的測試場景和要求。例如，NI 的 COTS（現成商用）硬件可以與 MathWorks 的軟件工具（如深度學習工具箱）相連接。NI 和 MathWorks 合作展示了如何利用軟件定義無線電 (SDR) 對訓練有素的神經網絡進行空中測試和評估，以對雷達和 5G 新無線電信號進行分類。

在軟件中定義測試功能

人工智能在測試解決方案中的應用得益于在軟件中植入測試和測量系統功能的能力。

Patschke 說："在測試和測量行業，不斷需要改進測量軟件的功能。EW 測試的專業性往往要求軟件具有一定程度的創新性和靈活性，而這在其他行業通常是看不到的。例如，與雷達/預警機有關的到達角（AOA）測試需要軟件和硬件的無縫配對，以適當應用實時運動學并準確計算 AOA 結果"。

他繼續說："幾年前，[測試]軟件還不具備這種功能，但隨著客戶要求和需求的變化，像 Keysight 這樣的公司已經進行了調整，以滿足這些需求。客戶要求系統具有靈活性，以便在新的挑戰出現時滿足他們的需求。滿足這些需求的唯一方法就是不斷升級我們的軟件，盡可能增加新的功能，這樣就可以不斷地將硬件重新用于多種用途"。

對標準化和快速周轉的需求也需要更多的軟件功能。

Fountain 說："客戶告訴 R&S 最緊迫的問題是，他們需要快速、可驗證和可重復的測量，而且通常是基于標準的測量。"客戶通常沒有時間或內部專業知識來開發特定的測量功能，因此可能會依賴供應商將該測量功能作為附加功能提供，或者在某些情況下使用事實上的行業工具集（如 Matlab 和/或 Simlink）來支持快速軟件/硬件功能，特別是隨著 FPGA（現場可編程門陣列）和 GPU（圖形處理器）在測量數據流中變得越來越普遍。(圖 1）。

[圖1 ? 羅德與施瓦茨公司提供集成記錄、分析和回放系統（IRAPS）。IRAPS可用于需要寬帶寬、長時間射頻記錄和回放的實驗室和靶場射頻記錄和回放應用，如雷達測試和靶場電子戰（EW）效果評估。］

NI 雷達/EW 業務開發經理 Haydn Nelson 說："在軟件中定義測試系統是整個航空航天工業趨勢的體現，通常被稱為基于模型的系統工程。"推動系統級模型和要求的標準化使軟件成為定義自動測試系統不可或缺的一部分。

Nelson 繼續說："對于雷達和電子戰來說，由于雷達的多任務性質和電子戰的保密性質，這具有挑戰性。定義、開發、評估和部署新方法和技術是一個復雜的過程。隨著威脅的不斷發展，用戶需要更快地獲得新系統，而測試和評估流程不能阻礙這一進程。軟件定義的測試系統對于在保持系統能力和性能敏感性的同時滿足速度要求至關重要。

對更多實驗室測試的需求也在推動軟件定義測試系統的發展。Nelson 說："我們看到的一個具體要求是，能夠在實驗室中以現實的方式進行更多測試，而無需面對固定和鎖定測試系統的挑戰。在公開范圍測試之前，測試的次數越多，新方法或新技術獲得最終用戶信任的信心就越大。共享數據和證明能力與開發能力本身同樣重要。"

雷達/預警要求

跨越多個領域的復雜對抗性威脅對雷達和預警系統的性能提出了更高的要求，從而給測試系統設計人員帶來了更大的壓力，要求他們提供準確、高效的解決方案。

"總體而言，趨勢是不斷提高測量精度和降低相位噪聲，"Fountain 說。"精度和相位噪聲直接關系到描述雷達性能的能力。在電子戰方面，我們看到，在擁擠和有爭議的作戰環境的推動下，高度復雜的電磁場景正朝著更高保真模擬的方向發展。"

雷達和預警系統的數字架構要求和現代化努力也要求測試系統具有多功能性。

NI 的 Twaits 說："從高層次上講，測試和評估的要求是由采用現代數字架構驅動的，這些架構要求在單個系統中進行功能、參數和系統級測試，以及分割數字和射頻系統以進行獨立測試的方法。"此外，許多傳統雷達和預警系統正在進行現代化改造，而傳統的測試平臺靈活性太差，無法滿足新系統功能的測試要求。現代化不會帶來無限的測試預算。新系統和升級要不斷平衡預算和時間交付壓力所帶來的限制，而適應不斷變化的要求本身就是一種要求"。

帶寬需求也對測試系統提出了更高的要求。"從技術上講，在電磁頻譜戰（EMSO）領域，實戰系統正朝著更寬的帶寬、更高的頻率、更大的頻率靈活性和更強的抗威脅能力方向發展。因此，[測試和測量]設備必須能夠生成和分析具有適當規格的波形，快速調整，并創建逼真的場景，在接近真實的運行條件下對被測設備施加壓力。"

測試系統還能在系統部署前的設計過程中盡早發現缺陷，從而降低長期生命周期成本。

Twaits說："按時、按預算交付的一個關鍵方面是制定測試策略，以便在設計過程中及早發現缺陷。露天靶場測試成本高昂，對于測試早期設計既不可行也不實際。例如，在雷達測試中，客戶正在尋找硬件在環系統，該系統可將真實目標注入到正在測試的雷達系統中。這使他們能夠盡早、頻繁地測試系統，盡早消除問題，并針對各種情況對雷達進行評估"。

NI 提供的雷達目標生成 (RTG) 軟件使客戶能夠將 PXI 射頻矢量信號收發器 (VST) 作為閉環實時雷達目標生成器來操作。它為工程師提供了一個單一模塊，既可作為標準雷達參數測量設備，也可作為 RTG，具有很強的能力和靈活性，適合最終用戶的調整。通過完全開放的列表模式，用戶可以定義多達 1000 萬個測試目標，以硬件速度進行排序，從而以在露天靶場上無法實現的方式刺激雷達。

電子戰系統的作用是對抗和探測復雜的敵對威脅，而測試系統的作用則是使作戰人員不僅能高效而且能安全地利用這些系統。

Patschke 指出："EW 測試的核心是確保人員和設備都做好應對各種電磁威脅的準備，從而保證部隊的安全。隨著 EW 測試環境越來越先進，客戶需要生成盡可能逼真的模擬。要做到這一點，就必須生成能模擬現實條件的高保真動態場景。過去，這需要大量的設備，而這些設備在使用中往往缺乏通用性。現在，客戶不僅希望他們的設備具有更高水平的能力，如更寬的帶寬和更多的輸出端口，而且還希望它能以更緊湊的尺寸提供更大的靈活性。Keysight 推出了包括最新 M9484C 矢量信號發生器在內的可擴展、開放式架構 EW 測試和評估產品組合，滿足了客戶的這些期望。"(圖 2）

[圖2 ? Keysight 的 M9484C 矢量信號發生器是一個四端口信號源，還能產生脈沖對脈沖輸出。這種單一信號發生器能夠取代四個老式信號源]。

Fountain 對發展趨勢的最后評論是："人們希望從露天靶場測試轉向封閉實驗室，這主要是由于露天測試的復雜性、成本以及測試產生的射頻輻射可能被不受歡迎的聽眾截獲"。

開放架構/MOSA 計劃

Fountain 說，在測試和測量層面，他并沒有看到這些計劃有多少活動。"測量系統在操作層面有一些利基應用，模塊化架構（如 MOSA[模塊化開放系統方法]和 SOSA[傳感器開放系統架構]）的優勢和附加成本將適用于這些應用，但在大多數情況下，測試和測量設備是在實驗室中，需要一個可控的環境來提供高度的測量精度。"

Nelson說："從許多方面來看，SOSA等標準架構在嵌入式設計中采用的理念與NI在模塊化PXI平臺測試和測量設計中采用的理念非常相似：制造模塊化、靈活和可互操作的系統。模塊化開放式架構的這三個目標是未來軍用嵌入式系統取得成功的關鍵，使系統能夠在今天設計，并在明天進行低成本升級。NI 的測試和測量方法與這一目標不謀而合。擁有模塊化、可擴展、靈活和可升級的嵌入式系統意味著測試系統也必須是模塊化、可擴展、靈活和可升級的，以適應不斷變化的要求、能力和接口。我們相信，與開放式架構計劃的模塊化方向一致的模塊化測試系統將有助于實現這一新嵌入式系統理念的承諾。"

Keysight 的 Patschke 說："投資新產品的客戶希望確保其傳統設備和系統能夠與升級后的平臺協同運行。"這不僅是一項節約成本的措施，而且還能通過延長舊產品的使用壽命來減少浪費，同時使整個系統保持最新狀態。開放式架構平臺將可持續發展作為優先事項，同時又不犧牲升級能力。Keysight 在設計下一代系統時非常重視開放式架構的實施。"

展望未來

人工智能和軟件定義的測試系統正在為現在以及未來的雷達和 EW 測試系統的更多能力鋪平道路，例如軟件定義雷達、頻譜共享、數字孿生等領域。

Patschke說："未來美國國防部（DoD）客戶的系統測試可能發展的一個途徑就是數字孿生技術的進步。"這些系統利用基于模型的系統工程（MBSE）方法生成數字化的真實測試場景，這些場景通常會考慮到外部變量，而以前的虛擬測試方法無法做到這一點。理論上，'數字孿生'概念可以將大多數（如果不是全部）物理系統工程活動轉換為虛擬活動。在進行物理測試不切實際、真實世界的效果難以再現的情況下，"數字孿生 "有可能增加廣泛的價值。隨著客戶尋求更可靠、更具成本效益的測試手段，數字孿生選擇可能會變得更具吸引力。

Fountain 說，未來幾年有四個關鍵領域將推動測試和測量技術的發展：

• 頻譜共享： 頻譜帶正被重新部署到 CBRS（無線網絡）等商業應用中，這就要求進行更全面、更精確的共存測試。
• 軟件定義雷達： 從模擬脈沖雷達到全數字調制雷達（每個脈沖都可以調制）的轉變已經實現了雷達與合作資產之間的通信。但這不僅僅是雷達和通信，還包括 EW，包括 EP 和 EA，以及集成到單一平臺的[軍事通信]。
• 量子傳感和量子雷達仍處于早期階段，但如果這些技術能在 "實戰 "中發揮作用，它們將改變沖突的根本結構。
• 從傳統的基于脈沖描述符字（PDW）的環境生成轉向基于高保真同相（IQ）的系統，這推動了對更高帶寬射頻生成能力的需求。

雷達和預警系統對靈活性和多功能性的需求也成為測試和測量需求的一個特點。

"納爾遜說："我們已經看到許多要求測試系統像瑞士軍刀一樣的需求：客戶希望測試設備能在單一系統中完成所有功能。

"我們經常收到這樣的請求：要求配置的系統在進行雷達目標生成等系統級測試的同時，還能進行參數測試，并能進行射頻記錄和回放。這些要求結合在一起，就很難在保持可接受的尺寸、重量和功率的同時，以具有成本效益的方式完成測試。只有采用模塊化系統，在封閉的特定功能與使用開放軟件擴展功能之間取得平衡，才能做到這一點。我們看到的趨勢是，現代測試系統必須像它們所測試的系統一樣具有多功能。

以人工智能為代表的新興技術正日益成為影響全球戰略穩定的新變量。作為引領新一輪科技革命的戰略技術，人工智能在國家安全和軍事領域具有顛覆性的潛力。世界主要軍事大國已將軍用人工智能視為戰略競爭新的 制高點。人工智能軍事化的加快推進改變了傳統戰爭模式以及國際軍事競爭態勢。在常規武器領域，人工智能技術擁有增強自主武器威懾、參與輔助決策及 維護網絡安全的能力，可以推動傳統戰爭模式的顛覆性變革，加速戰爭邁向智能化。在核武器領域，人工智能技術與核導彈預警系統、核指揮和控制系統以及自主核運載平臺迭代融合，可以增強核國家核威懾力量，推動核決策走向智能化。從長遠角度來看，人工智能技術的軍事化應用或將改變現有戰略力量的平衡，削弱核國家核威懾的能力，增加危機意外升級的可能性，鼓勵軍備升級和軍備競賽，沖擊和挑戰以核威懾力量為基礎的戰略穩定，進而動搖甚至可能 破壞現有全球戰略穩定的根基。國際社會應聚焦人工智能軍事化過程中相關技術、結構、機制和治理方面的建設，探索降低人工智能軍事應用引發戰略穩定風險的路徑，為建立新型全球戰略穩定體系創造有利條件。

自主系統將塑造戰爭的未來。因此，土耳其的國防人工智能（AI）發展主要側重于提高自主系統、傳感器和決策支持系統的能力。提高自主系統的情報收集和作戰能力，以及實現蜂群作戰，是發展國防人工智能的優先事項。雖然土耳其加強了自主系統的能力，但在可預見的未來，人類仍將是決策的關鍵。

人類參與決策過程提出了一個重要問題：如何有效確保人機互動？目前，自主系統的快速發展和部署使人機互動的問題更加惡化。正如土耳其國防工業代表所爭論的那樣，讓機器相互交談比較容易，但將人類加入其中卻非常困難，因為現有的結構并不適合有效的人機互動。此外，人們認為，人工智能對決策系統的增強將有助于人類做出更快的決定，并緩解人機互動。

土耳其發展人工智能的意圖和計劃可以從官方戰略文件以及研發焦點小組報告中找到。突出的文件包括以下內容：

• 第11個發展計劃，其中規定了土耳其的經濟發展目標和關鍵技術投資。

• 《2021-2025年國家人工智能戰略》，它為土耳其的人工智能發展制定了框架。

• 焦點技術網絡（Odak Teknoloji A??，OTA?）報告，為特定的國防技術制定了技術路線圖。這些文件提供了關于土耳其如何對待人工智能、國防人工智能和相關技術的見解。

土耳其特別關注人工智能相關技術，如機器學習、計算機視覺和自然語言處理，其應用重點是自主車輛和機器人技術。自2011年以來，自主系統，主要是無人駕駛飛行器（UAV），仍然是土耳其人工智能發展的重點。此后，這已擴大到包括所有類型的無機組人員的車輛。同時，用人工智能來增強這些車輛的能力也越來越受到重視。人工智能和相關技術的交織發展構成了土耳其人工智能生態系統的核心。

土耳其的人工智能生態系統剛剛起步，但正在成長。截至2022年10月，有254家人工智能初創企業被列入土耳其人工智能倡議（TRAI）數據庫。土耳其旨在通過各種生態系統倡議在其國防和民用產業、學術機構和政府之間創造協同效應。由于許多組織都參與其中，這些倡議導致了重復和冗余。冗余也來自于人工智能技術本身的性質。由于人工智能是一種通用技術，可以應用于不同的環境，各種公司都有用于民用和國防部門的產品；因此相同的公司參與了不同的生態系統倡議。此外，民用公司與國防公司合作，在國防人工智能研究中合作，并提供產品，這是司空見慣的。

土耳其鼓勵國際人工智能在民用領域的合作，但不鼓勵在國防領域的合作。然而，由于技能是可轉移的，國防人工智能間接地從這種合作中受益。

土耳其非常關注自主系統發展中的互操作性問題，特別是那些具有群集能力的系統。除了蜂群，北約盟國的互操作性也是一個重要問題。因此，土耳其認為北約標準在發展自主系統和基礎技術方面至關重要。

土耳其目前對人工智能采取了分布式的組織方式。每個政府機構都設立了自己的人工智能組織，職責重疊。目前，盡管國防工業局（Savunma Sanayi Ba?kanl???，SSB）還沒有建立專門的人工智能組織，但SSB的研發部管理一些人工智能項目，而SSB的無人駕駛和智能系統部管理平臺級項目。目前，根據現有信息，還不清楚這些組織結構如何實現國防創新或組織改革。

土耳其尋求增加其在人工智能方面的研發支出，旨在增加就業和發展生態系統。SSB將在未來授予更多基于人工智能的項目，并愿意購買更多的自主系統，鼓勵研發支出的上升趨勢。然而，盡管土耳其希望增加支出，但金融危機可能會阻礙目前的努力。

培訓和管理一支熟練的勞動力對于建立土耳其正在尋找的本土人工智能開發能力至關重要。這包括兩個部分。首先是培養能夠開發和生產國防人工智能的人力資源。因此，土耳其正在投資于新的大學課程、研究人員培訓、開源平臺和就業，同時支持技術競賽。第二是培訓將使用國防人工智能的軍事人員。國防人工智能也正在慢慢成為土耳其武裝部隊（Türk Silahl? Kuvvetleri，TSK）培訓活動的一部分。目前，關于土耳其打算如何培訓軍事人員使用國防人工智能的公開信息非常少。