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

本文任務是了解美國國防部（DoD）數字工程的成本和效益，并為武器系統項目中的數字工程活動制定決策支持框架。為做好準備工作，我們查閱了相關文獻，并采訪了利益相關者，以了解數字工程實踐的現狀，以及之前為評估數字工程和基于模型的系統工程（MBSE）的成本和效益所做的努力。然后，我們開發了決策支持框架，其中納入了 (1) 既定的美國防部成本效益分析方法和 (2) 既定的系統工程決策方法。在此過程中，我們注意到了國防部數字工程實踐中的嚴謹性和風險方面的關鍵問題，并將其納入了我們的研究范圍

研究表明，在武器系統項目生命周期的任何階段，如果收集了相應的項目數據，或利用了基于目標的系統工程原則，都有可能為數字工程提供成本效益決策支持。計算數字工程的確切成本和收益并不完美，因為沒有分析師能獲得沒有數字工程開發的相同武器系統項目--反事實場景。

盡管許多作者都聲稱 MBSE 和數字工程有好處，但支持這些說法的實證數據仍然很少。用 "更好 "和 "更容易 "等籠統的術語來表述所聲稱的或期望的益處是無法評估的，但在項目決策中可能已經考慮到了這些因素。大多數已發表的有關數字工程和 MBSE 的研究報告所引用的參考文獻都來自軟件開發實踐。因此，它們與武器系統工程的實際應用相關性有限。盡管國防部長期以來一直表示要采用更多工業類型的開發和創新方法，但工業普遍要求的投資回報理由并未在國防部文化中扎根。

第一個框架以經濟學家和國防部分析人員所熟悉的既定成本效益分析實踐為基礎。根據這些實踐，我們開發了一種專門針對國防部項目中數字工程實施的方法。

第二個框架利用了《聯合能力集成與開發系統》（Joint Capabilities Integration and Development System）中編纂的系統工程目標定義流程，以及與美國防部相關的采購條律。以關鍵性能參數和關鍵系統屬性為重點，為數字工程方法建立了可量化的效益單元：性能指標。利用邏輯模型方法、相應風險的調整和成本類別的成本細分矩陣，提供了一種貿易研究手段，用于從多個數字工程活動方案中進行比較和選擇，因為它們可能會影響已定義的武器系統目標。

接下來，考慮了數字工程的嚴謹性和風險問題--重點政策可通過數字工程改善開發和采購成果的杠桿點。最后，總結了研究結果，提出了處理嚴謹性和風險問題的建議，并介紹了兩個框架。

主要結論

• 由于對什么是數字工程缺乏共識，學者和從業人員在進行成本和效益分析時缺乏共同的基 礎。
• 跟蹤數字工程投資并將其與其他成本（如系統工程、多用途 IT 投資）區分開來似乎還不是一種標準做法。
• 以系統思維的方法為數字工程資源分配做出計劃決策，可能會產生最佳的計劃結果。
• 許多人致力于通過預測可能的效益來為數字工程提供依據，但同時卻不對成本進行評估。
• 一些作者和一些服務機構將數字工程成熟度模型作為改善成果的途徑，但卻沒有任何成本數據、因果關系圖或風險分析來支持這一結論。

建議

• 在數字工程是什么（和不是什么）的問題上達成一致性和以目標為中心的共識。
• 建立明確的數字工程計劃目標和系統界限，以消除假裝，并避免將軟件原則和標準應用于復雜系統。
• 收集項目目標數據，為評估數字工程成本和效益提供支持。
• 最大限度地消除實施數字工程的愿望和一般性指導（自上而下的指導）。
• 營造一種環境，使數字工程成為良好系統工程實踐和武器系統項目管理中眾多工具中的一種有用工具。
• 客觀分析企業數字工程工具的運行情況。
• 促進數字工程實踐和文化，使從錯誤中學習與取得成功同等重要。
• 制定政策，將了解和降低風險作為數字工程和 MBSE 實踐的一個重要方面。
• 結合各自的數字化轉型，為確定和實現整個國防部和各部門的吸收能力需求制定路線圖。
• 制定一個框架，為在武器系統項目中利用數據和知識產權確立分級目標。
• 根據既定的系統工程實踐，建立國防部武器系統計劃生命周期決策和里程碑關口標準，以有效利用建模和仿真。
• 根據需要，對多級分類系統、數據和基礎設施的長期生命周期進行客觀研究并提出建議。

目前，將人工智能技術融入美國軍隊的勢頭非常強勁。這包括將該技術用于指揮和控制目的。這些努力的前提是人工智能和機器學習能讓美國指揮官以更快的速度做出更好的決策。然而，人工智能不斷融入軍事決策過程，有望將決策要素從人類手中下放，這對強調果斷、直覺和大膽指揮官這一英雄原型的長期軍事傳統提出了挑戰。因此，本文試圖探討，面對這些相互競爭的觀點，將戰爭決策權下放給 "智能機器 "的前景是如何獲得目前的發展勢頭的？本文認為，可以通過關注二戰后時代出現的特殊戰爭愿景，特別是與美國軍事思想中的速度和知識主題相關的愿景，來解決這一難題。通過結合使用計算文本分析技術和系譜學方法，本文揭示了美國國防架構成員對速度和知識及其與戰爭關系的構想和優先次序的轉變。本文說明，在有關人工智能的優點及其在軍事決策中的作用的辯論中，這些變化充當了一種修辭資源，有助于鎖定與現代指揮相關的新含義和實踐并使之正規化。這些發現對于如何分析軍事文化、技術和戰爭實踐之間的關系具有重要意義；因此，這些發現指出了技術和戰爭的想象如何交織在一起，并對未來沖突如何展開產生了重大影響。

速度與知識

除了人工智能技術和軍事指揮實踐之外，本文還關注速度與知識這兩個主題之間的緊張關系。速度是戰爭不可或缺的要素，長期以來一直為實踐者、理論家和學者所強調。盡管如此，盡管速度作為戰爭中的一個關鍵因素經常被闡述，但其部署在不同時期和背景下并不完全一致。軍事思想經典都強調與速度有關的要素。例如，《孫子兵法》指出，"雖聞戰之愚急，而智不與久耽"。因此，孫子在指出行動過快的風險的同時，也指出了快速而巧妙的行動可能帶來的好處。不過，在這里，他也指出了與戰爭持續時間過長的風險有關的戰略計算。其中包括財政成本。不過，孫子也簡要提到了指揮官 "迅速 "決策的可能優勢，以及 "迅速 "行軍到意想不到的地點以達到戰術奇襲的目的。盡管如此，他在此也告誡人們不要無節制地追求快速、強行軍，因為這會造成組織混亂和供應鏈問題。從這個意義上說，對孫子來說，速度并不是統一的優勢。他建議 "疾如風，密如林"，就是對這一觀點的總結。看來，對孫子而言，速度和維持軍隊組織的必要性都不是萬能的。

提綱

本文的論述過程如下。第二章評估了以往關于戰爭與技術關系的文獻。它指出了四種可能的替代解釋來源，并強調了每種方法如何無法提供適當的工具包來回答本論文的研究問題。在對文獻進行回顧之后，第三章提出了一套研究軍事實踐與技術之間關系的工具，將關系/實用主義社會理論和科技研究的元素與一種方法論相結合，既有譜系研究方法，又有計算文本分析方法。

第四章是 "鋪墊 "一章，從歷史技術軌跡的角度討論人工智能。本章旨在為讀者提供人工智能的基礎知識、該領域的技術歷史、當前發展情況，以及在軍事和非軍事環境中應用人工智能時仍然存在的基本問題。

第五章采用計算文本分析方法，追蹤二戰后美國軍事思想史中的速度與知識主題。它表明，在當今時代，速度的認知要素以及信息和知識在戰場上的重要性在軍事專業期刊的討論中處于相對高點。這些趨勢為我的論點提供了證據，即在美國國防架構中，新的 "成功 "戰爭方式正在被構建和討論。

第六章和第七章為計算結果提供了更多背景資料。依靠對美國國防和軍事相關文件的細讀，這兩章提供了二戰后速度（第六章）和知識（第七章）主題的譜系，展示了更廣泛的美國軍事思想中的特殊變異。這些變異和相對穩定是修辭資源的 "池塘"。然后，每一章都展示了這些修辭資源是如何在有關人工智能的辯論中被部署到指揮決策中的。

第八章的重點是，在美國對人工智能指揮的更廣泛理解中，速度和知識的配置是如何緊密聯系在一起的。此外，至關重要的是，本章說明了與人工智能和指揮決策相關技術傳統沖突所產生的修辭封閉性。相關的技術批判已被戰略性地歸入更廣泛的技術論述和戰爭表達中，其方式現在與人工智能聯系在一起。這種形式的修辭封閉性使人工智能指揮的支持者能夠超越反駁論點，從而在美國防部政策中鎖定一種特定形式的穩定關系，并日益制度化。最后，第九章就我們如何在人類與人工智能系統緊密結合的當代社會技術配置中構想軍事決策提出了一些結論和思考。

威脅改變形式和特征的速度與陸軍改造能力的適應速度之間的差距，清楚地凸顯了陸軍轉型過程中所面臨的困難。

為了應對陸軍面臨的作戰挑戰，需要持續不斷地進行現代化改造。技術發展的極快速度和不斷變化的全球戰略環境加劇了這種狀況。

因此，陸軍必須有效采用能夠盡可能預測未來需求的組織流程，并提供能夠在戰略層面提高對實施適當轉型過程必要性認識的有效解決方案。陸軍迫切的轉型需求可以用圖 1 中的模型來表示。該模型結合了國家經濟增長（Y 軸）、陸軍與其他武裝力量的一體化水平（Z 軸）和國防愿景水平（X 軸）。當形狀規則時，模型顯示的是一個處于平衡狀態的系統，而當形狀不規則時，模型則突出了關鍵領域。

目的

本研究旨在指導陸軍轉型的長期進程。它將成為以下方面的主要概念參考

• 通過提出塑造未來陸軍的功能概念，指導未來的適應性研究；
• 假設未來可能的需求，以支持陸軍在不久的將來（2035 年后）的作戰活動， 整個文件的目的是概述意大利陸軍未來所需的能力發展，通常是在北約范圍內。

目標

本文件是陸軍開展的概念性工作的一部分，其目的是界定和確定主要行動者以及陸軍可能需要在其中行動的未來環境的性質。

因此，本文件的目的是描述假設情景和陸軍將面臨的主要挑戰。目的是找到可能的解決方案，以推動支持國防的能力發展進程。

本文件介紹了未來指揮官為更好地應對 "陸軍指揮官面臨的新挑戰 "而必須面對的各種論題及其影響。

方法

本文件將使用北約 "全球戰略趨勢分析 "文件和 "戰略前瞻分析 "文件中已確定的要素，同時還將引入復雜環境中的遠見方法要素，特別是規劃情景。

這項研究（也考慮到了作為遠見方法一部分的尋路方法）不僅考慮了分配給陸軍的主要任務，還考慮了戰略趨勢（地緣政治、人口、技術、經濟和環境）的演變。它希望勾勒出未來陸軍必須保持實質性優勢的領域。

長期以來，軍事采購項目一直飽受詬病，因為能力略有提高所需的開發成本卻呈指數級增長。為應對這一趨勢，最有前景的改革努力之一是開放式系統架構計劃，該計劃采用模塊化設計原則和商業接口標準，以此降低系統升級的成本和復雜性。雖然概念上很簡單，但實踐證明這一努力在實踐中卻異常困難。造成這種困難的主要原因是，開放式系統在開發的早期階段以額外的成本和風險換取日后注入技術的選擇權，但這種選擇權所帶來的好處本身就是不確定的。因此，實際實施需要一個決策支持框架，以確定這些不確定的未來收益何時值得當前承擔的成本和風險，但有大量證據表明，現有的設計方法不足以滿足這一需求。

本研究的目標是開發一個受軍事采購啟發的架構建模與評估框架，通過提供一種方法來衡量與開放系統相關的預期成本、效益和風險，從而解決這一差距。這項工作基于三個假設：(1) 未來技術注入的目的是跟上作戰需求的不確定性發展；(2) 成功的設計必須證明如何利用未來的升級來滿足這些需求；(3) 隨著新信息的不斷涌現，項目經理可以靈活調整之前的決策。有鑒于此，本方法學提出了一種新技術，將運行需求編碼為能力路線圖，而非傳統設計方法中使用的 "最壞情況 "標量值。然后，對現有的技術預測技術進行了新的調整，以此來確定如何利用未來的技術改進來有效地滿足路線圖中表達的需求，并提出了一種新的性能測量方法來量化替代性更新策略的相對價值。最后，受實物期權領域方法的啟發，將一系列決策支持啟發式方法與自動搜索程序相結合，以確定有助于靈活決策的策略，從而對沖不確定性。

然后，將所提出的方法應用于一個空中情報、監視和偵察平臺的示例場景，該平臺有可能在未來增量中升級其傳感器套件。該場景的能力路線圖改編自美國國防部信息主導團隊進行的真實世界貿易研究，預測模型則是通過評估過去十年中商業圖像處理技術的發展而開發的。本研究探討的具體問題是，應如何安排未來技術注入的時機和選擇，以最大程度地滿足成本、性能和風險方面的備選偏好。此外，這項研究還表明，就本研究中開發的性能指標而言，開放式系統架構和集成式系統架構之間的相對優勢和劣勢可以在成本效益框架的背景下進行展示，該框架目前被采購專業人員用于管理復雜的設計決策。本實驗的結論是，所提出的方法可以客觀地識別影響任意開放式系統設計問題的無數因素，并將其匯總到一個單一、直觀的可視化中。由于現有方法不具備這種能力，這就為所提出的方法是一種更優越的方法這一論點提供了相當大的支持。

60 多年來，美國國防部（DoD）一直在投資人工智能（AI），并將數據和人工智能系統投入實戰。如今，數據、分析和人工智能技術越來越多地應用于美國防部各部門，并為軍隊提供價值。

伴隨著行業的進步，美國防部多年來一直在穩步、迅速地改進其數據基礎和分析能力：通過研發嘗試人工智能，將這些技術整合到業務和作戰功能中，并為其大規模使用奠定基礎。隨著投資、實驗和創新的繼續和加速，現在的任務是推動這些技術在整個事業的推廣。

雖然戰略競爭對手對人工智能有著宏大目標，但美國及其軍隊在人才、作戰經驗、技術可用性和系統集成方面擁有強大的結構性優勢。為作戰人員配備更快做出更好決策的工具和資源，將提高作戰效率，使作戰能力和指揮人員更加有效，并為采用新的作戰概念創造機會。

負責任地迅速實現數據、分析和人工智能的全部承諾并不只是某個組織或項目的工作，而是所有人的責任。例如，將美國防部數據作為企業資源提供，需要更多的共享和協作。尋求一種靈活的戰略方法，以指導整個美國防部的分布式行動，激發學習運動，并利用所有的人員、流程和使能技術。

在整合分析和人工智能應用的過程中，看到了它們的優勢，也吸取了它們局限性的重要教訓。從會議室到戰場，還有更多工作要做，例如提高數據質量和改善網絡基礎設施。本戰略將指導如何加強美國防部部署數據、分析和人工智能能力的組織環境，以獲得持久的決策優勢。

無人駕駛航空系統（UAS）能力在商業領域的擴散對民用和軍用設施的傳統周邊防御構成了潛在的重大威脅。特別是現成的商用無人機系統，體積小、價格低、功能多，引起了愛好者越來越大的興趣，也增加了設施面臨的風險。因此，設施指揮官現在需要一種方法，對設施面臨的直接威脅進行快速評估和分析，以確定設施反無人機系統（CUAS）的有效性。按照系統工程方法，本研究提出了一種方法，提供了對設施進行評估和分析的逐步過程，并采用基于模型的系統工程（MBSE）工具來評估 CUAS 的有效性和局限性。該方法分析了 CUAS 的作戰環境以及 CUAS 可能對作戰區域內其他利益相關者（如相鄰的盟軍兵力、平民等）產生影響的方式。然后，我們確定優化 CUAS 性能的候選配置，以滿足利益相關者的要求。我們將對一個擁有現有 CUAS 的假設機場進行案例研究，以展示該方法的可用性，探索候選配置，并證明實施符合設施和利益相關者要求的候選配置是合理的。

近年來，無人機系統（UAS）技術突飛猛進，激發了業余愛好者對無人機系統的興趣，并促使他們將無人機系統用于娛樂用途。此外，每個國家或軍事組織都能負擔得起和使用無人機系統。雖然目前正在實施飛行法規，要求無人機系統運營商提供所有正在運行的無人機系統的歸屬信息，但許多業余愛好者仍然不提供此類信息，而且可以預計邪惡的行為者也不會提供無人機系統的來源標識。因此，僅僅要求識別無人機系統還不足以保護機場等大多數設施免受無人機系統的入侵。此外，如果設施無人看守，無人機系統入侵的后果可能是災難性的。例如，如果無人機系統在起飛過程中進入飛機發動機或撞上油箱，這種事件可能會造成人員傷亡，對運營造成巨大干擾，并對基礎設施或資產造成昂貴的維修費用。

無人機系統旨在執行對人類來說 "枯燥、骯臟或危險 "的各種任務[1]。無人機系統技術發展的主要能力驅動因素是，在執行情報、監視和偵察（ISR）、人道主義援助和救災（HADR）以及精確打擊等危險任務時，人們對軍事力量保存工作的興趣與日俱增。隨著無人機系統技術在過去幾十年的成熟，商業部門看到了將無人機系統應用于基礎設施檢查、交通監控、投遞和氣象等商業活動的機會。對軍事和商業部門都有利的是，在無人機系統領域實施開放式架構獲得了重大創新，從而不斷加快無人機系統的技術進步，使其具有革命性的潛力。商用現成（COTS）無人機系統或小型無人機系統通常提供攝影、攝像和自我組裝套件等功能，吸引著各個領域的愛好者將無人機系統用于娛樂目的[2]。然而，隨著無人機系統的技術發展和廣泛采用，軍事和商業部門都面臨著巨大的風險[3]，[4]。

對設施、基地、機場、關鍵基礎設施和類似設施而言，非惡意無人機系統的主要風險是失控和碰撞。失控可能會對關鍵資產造成重大損壞或對人造成傷害，并可能產生高昂的成本來修復基礎設施損壞和治療嚴重傷害。例如，業余無人機系統操作員可能會嘗試拍攝停靠的客機視頻作為其業余愛好的一部分，但由于信號超出范圍問題而無意中失去控制，這可能會導致與即將起飛的客機相撞。由于大多數無人機系統的所有者都是業余愛好者，他們中的許多人在控制無人機系統方面沒有受過訓練或缺乏經驗。現有的法規和政策無法在允許業余愛好者駕駛較小的無人機系統之前跟蹤他們的操作熟練程度。雖然敏感區域周圍設有禁飛區，但由于業余愛好者可能不了解他們可能造成的損害，每年仍會發生少數事件。機場、軍營和基地、政府大樓和監獄等設施在應對無人機系統時已經遇到了上述安全困境[5]。此外，邪惡的無人機系統活動構成了更大的威脅，盡管迄今為止，在全球范圍內，除戰爭活躍地區外，此類事件相對較少。

各設施迫切需要采用反無人機系統（CUAS）來主動保護其資產和安全。為有效對抗無人機系統，CUAS 需要多個傳感器來探測、識別和分類無人機系統，然后再使用攔截器擊落無人機系統。然而，CUAS 系統的內部和外部存在多種因素，可能會削弱 CUAS 的有效性，設施指揮官必須采取相應的緩解措施[6]-[8]。設施指揮官面臨的一大挑戰是如何在與無人機系統的技術競賽中保持領先。

現有研究主要關注 CUAS 和 UAS 系統的技術能力，而沒有從更廣泛的系統工程角度進行研究。本論文的研究采用了系統工程視角，以支持設施指揮官了解設施在應對當前和新出現的無人機系統威脅時可能存在的薄弱環節，并平衡 CUAS 的能力與鄰近利益相關者的需求[9]。第 2 章中提出的方法允許設施指揮官通過評估和分析探索可能的 CUAS 空間，以確保 CUAS 針對快速出現的無人機系統威脅進行優化并具有相關性。

圖 擬議方法概述。該方法可用于設施指揮官分析現有 CUAS 系統的有效性，找出 CUAS 系統能力差距，提出 CUAS 系統升級建議，并提供 CUAS 系統設計審查。

近來技術的進步使得戰場上對快速指揮與控制（C2）決策的需求變得非常重要。傳統上，由專題專家（SME）利用其積累的知識、經驗和專業技能制定行動方案，完成這些任務以實現預期目標。現在，技術進步了，戰術領域的行動步伐也加快了。指揮官需要在很短的時間內，有時甚至是一瞬間，針對特定情況做出決策。這就需要在這些任務中引入自動化，從而使用基于人工智能（AI）和機器學習（ML）框架的算法。

ML 技術可分為兩大類，一類方法需要大量真實情況數據進行訓練（如監督學習），另一類方法則采用行動和獎勵的概念（如強化學習 [RL]）。還有許多混合技術以多種不同的方式將這兩種方法結合在一起。深度強化學習（DRL）就是這樣一種技術。在本報告中，我們將介紹利用 SME 和 DRL 算法開發的戰場模擬數據比較分析和可視化工具。

在一個跨國威脅不斷增加、全球相互依存度空前提高、大國競爭重新抬頭的時代，美國正處于一個拐點。這是在技術革命的背景下發生的，技術革命加劇了面臨的挑戰，同時也提供了潛在的解決方案，在氣候、醫藥、通信、運輸、智能和許多其他領域提供了突破。其中許多突破將通過利用人工智能（AI）及其相關技術--其中主要是機器學習（ML）。這些進步可能會塑造國家之間的經濟和軍事力量平衡，以及國家內部的工作、財富和不平等的未來。

ML的創新有可能從根本上改變美國軍隊的戰斗方式，以及美國防部的運作方式。機器學習的應用可以提高人類在戰場上的決策速度和質量，使人機合作的性能最大化，并將士兵的風險降到最低，并極大地提高依賴非常大的數據集的分析的準確性和速度。ML還可以加強美國以機器速度防御網絡攻擊的能力，并有能力將勞動密集型企業功能的關鍵部分自動化，如預測性維護和人員管理。

然而，人工智能和機器學習的進步并不只是美國的專利。事實上，面對中國在該領域的挑戰，美國在人工智能領域的全球領導地位仍然受到懷疑。美國防部和學術界的許多報告反映了需要在人工智能研究和開發方面進行更多投資，培訓和招聘一支熟練的勞動力，并促進支持美國人工智能創新的國際環境--同時促進安全、安保、隱私和道德的發展和使用。然而，人們對信任問題，特別是對這些系統的測試、評估、驗證和確認（TEVV）的關注太少。建立一個強大的測試和評估生態系統是負責任地、可靠地和緊急地利用這一技術的一個關鍵組成部分。如果不這樣做，就意味著落后。

本報告將首先強調為人工智能系統調整美國防部現有的TEVV生態系統的技術和組織障礙，特別強調ML及其相關的深度學習（DL）技術，我們預測這對未來的威懾和作戰至關重要，同時在可解釋性、可治理性、可追溯性和信任方面帶來獨特的挑戰。其次，本報告將向國防部領導層提供具體的、可操作的建議，與情報界、國務院、國會、工業界和學術界合作，通過改革流程、政策和組織結構，同時投資于研究、基礎設施和人員，推進ML/DL的TEV系統。這些建議是基于作者幾十年來在美國政府從事國家安全工作的經驗，以及對從事ML/DL和測試與評估的政府、工業和學術界專家的數十次訪談。

許多軍事人工智能的研究和開發資金是針對短期內可以實現的戰術級系統的改進。在這里，人工智能（AI）的潛在好處往往受到感官輸入質量和機器解釋能力的限制。然而，為了充分理解人工智能在戰爭中的影響，有必要設想它在未來戰場上的應用，傳感器和輸入被優化為機器解釋。我們還必須嘗試理解人工智能在質量上和數量上與我們的有什么不同。本文介紹了綜合作戰規劃過程中自動化和機器自主決策的潛力。它認為，人工智能最重要的潛力可能是在戰役和戰略層面，而不是戰術層面。然后探討了更多機器參與高級軍事決策的影響，強調了其潛力和一些風險。人工智能在這些情況下的應用發展應該被描述為一場我們輸不起的軍備競賽，但我們必須以最大的謹慎來進行。

1 引言

目前，人工智能（AI）的民用發展大大超過了其在軍事方面的應用。盡管知道網絡將是一個重要的未來領域，但國防部門還沒有習慣于數字-物理混合世界，因此，國防部門與新的社會技術的顛覆性變化相對隔絕。在軍事上運用人工智能的努力往往集中在戰術應用上。然而，人工智能在這些領域的好處受到輸入傳感器的限制，它們被用來復制人類的行為，并在需要與物理環境互動的角色中使用。在作戰和戰略層面上，軍事總部的特點是信息的流入和流出。如今，這些產品無一例外都是完全數字化的。考慮到作戰計劃的過程，可以看出，即使在目前的技術水平下，其中有很大一部分可以可行地實現自動化。這種自動化的大部分并不構成可能被理解的最純粹意義上的人工智能，即 "擁有足夠的通用智能來全面替代人類的機器智力"。然而，軟件可以在特定任務中勝過人類的事實，再加上高級軍事決策過程被細分為此類特定任務的事實，使其成為比較人類和機器決策的優點、限制和能力的有用工具。這樣做，人類的能力似乎有可能被輕易取代。因此，追求軍事決策自動化的動機肯定是存在的。本文討論了部分自動化軍事決策的潛力和實用性，并想象了為這些目的無限制地發展人工智能可能帶來的一些風險和影響。

美陸軍網絡部隊的技能和能力在其成立后的十年里得到了增長。本文重點介紹了美陸軍網絡任務部隊部分所需的結構性變化，這些變化將使其繼續增長和成熟，因為陸軍過去的組織和結構性決定對當前和未來的效率和效力帶來了挑戰。對當前形勢的評估強調了軍事領導層必須解決的領域，以使陸軍的網絡部隊繼續發展以滿足多領域行動的需要。

訓練和裝備一支能夠在新領域開展行動的新軍事力量是一個反復的過程。美國上一次開始這樣的工作是在二十世紀初，航空部隊的誕生和空域的出現。戰術、部隊結構和利用新能力的戰略是在建立軍事航空后發展起來的，但由于當時缺乏危機感而被界定和限制。第二次世界大戰迫使空軍迅速成熟，并導致了美國陸軍航空隊的建立，這是一支為應對空域挑戰而設計的有凝聚力的戰斗部隊。像陸軍航空隊一樣，陸軍的網絡部隊正在達到成熟，擁有切實的能力和對對手的作戰經驗，并將受益于評估先前的組織和人事決定的影響，為多領域行動做準備。

對軍事網絡的重大和復雜的入侵為美國網絡司令部（USCYBERCOM）的成立提供了動力，并使網絡空間與空中、海上、陸地和太空一起成為作戰領域。美陸軍和國防部（DoD）已經在建立該領域的能力方面取得了重大進展。 從部隊結構的角度來看，主要的亮點包括：

• 在2010年建立美國陸軍網絡司令部（ARCYBER）。

• 通過在2011年創建第780軍事情報旅（網絡）來組建一支進攻性網絡部隊。

• 在2014年創建網絡保護旅（CPB），以容納防御性部隊。

• 在2019年建立第915網絡空間戰營（CWB），以滿足戰術網絡空間電磁活動的要求，以及所有網絡任務部隊（CMF）小組；以及

• 在2018年實現全面作戰能力。

在人事方面，陸軍在2014年成立了網絡部，并在2018年整合了電子戰。最近，陸軍正式確定了網絡空間能力發展官員/準尉軍事職業專業（MOSs），以提供設計和創建特定網絡空間能力的有機能力。

從理論到培訓再到組織，該部門和網絡單位不得不確定需求，進行試驗，并制定解決方案，以滿足不斷變化的網絡空間行動的需求。在這篇文章中，我們研究了與兩個最初的部隊結構決定相關的挑戰，并提供了克服這些挑戰的考慮。

首先，當陸軍創建其網絡部隊時，進攻性和防御性網絡行動被隔離在兩個不同的獨立旅內。歷史上的分界繼續存在，并帶來了意想不到的后果。盡管創建了一個新的分支和軍事職業專業，但將進攻性網絡行動（OCO）和防御性網絡行動（DCO）分開的組織決定對人員和資源產生了負面影響。

其次，這些單位有復雜的指揮系統，有獨立的行政控制（ADCON）和作戰控制（OPCON）關系。目前，網絡小組的作戰指揮與小組的行政和領導不一致，包括人員評級、財產問責、統一軍事司法法典的權力和指揮本身（例如，連長跟蹤網絡小組的訓練和醫療準備，而小組負責人負責日常運作）。這些復雜的問題造成了混亂和驚愕，并阻礙了統一的努力。

雖然這些組織決定是經過深思熟慮的，也是出于行動的需要，但它們阻礙了陸軍網絡部隊內部的統一行動，造成了組織和行動上的損失。整個聯合網絡社區正在進行反省。隨著所有的CMF團隊最近實現了充分的操作能力，美國網絡司令部正在評估其目前的規模，并要求陸軍和空軍派遣更多的團隊。 為了給網絡空間帶來更統一的方法，空軍通過重新指定和重新分配第67網絡空間聯隊下的幾個單位來重新調整其內部組件的結構和組成。 現在是重新審視陸軍內部結構以更好地支持網絡空間行動的理想時機。如果陸軍忽視了過去因需要而做出的決定的影響，而不重新評估其有效性，那將是一種失職。本文認為，美陸軍必須在網絡部門內部推動更大的團結，使該組織作為一支有效的網絡空間戰斗力量繼續前進。