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

對分布式作戰資產進行最佳管理以實現協同作戰的能力可顯著增強軍事優勢。最近的研究指出，戰爭的速度越來越快，威脅的能力和數量不斷增加，越來越多的傳感器和網絡導致數據超載。面對復雜的決策空間、大量的信息和所需的快速反應時間，人類的決策面臨挑戰。自動化作戰管理輔助系統（BMA）具有縮短時間、提高決策可信度和優化戰爭資源的潛力。本文介紹了為未來海軍和聯合作戰任務構思和設計 BMA 的系統工程方法。系統方法將 BMA 視為管理未來分布式戰爭資產的能力使能因素，將其視為復雜自適應系統簇 (CASoS)。

引言

戰術戰爭是復雜的（Bar-Yam，2004 年）。它需要敏捷、適應性強、具有前瞻性思維、思維敏捷和有效的決策。威脅技術的不斷進步、戰爭節奏的加快、每個戰場情況的獨特性，再加上信息量的增加，而這些信息往往是不完整的，有時甚至是令人震驚的；所有這些因素都導致人類決策者不堪重負（Zhao 等人，2015 年）。自動化 BMA 是解決這種復雜性的一種方法--簡化復雜性，增加理解/知識，并對決策選項進行定量分析。

自動化 BMA 是計算機輔助決策支持系統，旨在加強和改進戰術決策。BMA 可通過以下方式改進決策：加快決策過程；使人們對決策所依據的知識更有信心；制定更多的決策方案；使人們對決策后果有更深入的了解；制定成功概率更大的方案；和/或改進資源使用的優化。軍方目前使用 BMA 共享和處理數據，以開發作戰圖片和態勢感知。不過，本文的重點是構想未來海軍和聯合作戰中的 BMA。

系統方法綜合了分析和合成方法，包括整體論和還原論（Checkland，1993 年）。它強調系統內部各要素之間以及系統與其外部環境之間的相互依存和相互作用（Gharajedaghi，2011 年）。本文提出有必要采用系統方法來構思和設計未來的自動化 BMA。本文首先描述了戰術決策的特點以及未來自動決策輔助工具可能發揮的作用。然后，針對這一復雜的問題空間提出了一種系統方法。

戰斗管理的決策輔助

作為自動 BMA 概念化的準備工作，本節介紹了戰斗管理決策的類型。它討論了如何在軍事戰術環境中使用 BMA 來支持人類決策者。最后，它介紹了 "決策復雜性 "的概念以及 BMA 在管理和解決戰術復雜性方面的作用。

A. 戰斗管理決策

軍事戰術行動涉及大量戰斗管理決策。大多數決策涉及戰爭資產的使用或部署，其中包括平臺（艦艇、飛機、潛艇等）、武器、傳感器、通信設備和人員（Johnson、Green 和 Canfield，2001 年）。圖 1 展示了戰爭決策的四個領域：時間領域、空間領域、主動/被動領域以及規則和政策領域。其中每個領域都會影響決策過程，并可能導致決策復雜度增加。

規劃性或主動性決策包括部隊定位（艦艇、戰斗群、飛機等）、隱形行動、進攻性攻擊，以及通過干擾或其他武力措施阻止敵方行動。反應性或響應性決策的例子包括抵御主動威脅、將平臺移動到防御態勢、從威脅環境中撤退以及評估戰斗損失。有效的戰斗管理必須認識到何時主動或被動決策需要自動支持。

圖1 -戰術決策域

軍事決策的性質會隨著時間的推移而變化，可以被視為分等級的。戰略決策的時間跨度較長，考慮的目標層次較高，有時甚至跨越數年。計劃層面的決策時間跨度較短，即使在安排防御時也是積極主動的。戰術決策是戰斗管理的重點，時間跨度最短，涉及近期規劃或主動決策以及應對敵方行動的被動決策。三個時間決策域之間需要保持一致，以實現戰術、計劃和戰略決策之間的兼容。同樣，計劃和戰略需要支持有效的戰術戰爭，并反映戰術威脅環境的重大變化。自動 BMA 的設計應支持分級決策范式，以及支持和適應不同決策時間跨度的范式。

分層時間決策領域的成果之一是一套指導戰術決策的規則和政策。這些規則是近實時決策與長期計劃和戰略保持一致的方法之一。這些規則和政策支持符合更高目標的有效戰術決策。自動決策輔助工具可支持跨時空和跨層級的動態和適應性決策，以實現各層級之間的一致性；考慮各層級的變化可能會如何影響其他層級；以及跨層級有效發布指導意見。

第四種對作戰管理決策進行分類的方法是按照空間領域進行分類，如太空、空中、海上、水下和陸地。在這些作戰環境中，威脅千差萬別。同樣，作戰系統的開發也是為了應對特定的威脅或威脅類型，這自然反映了其空間環境。海軍戰斗群必須同時應對所有空間領域的威脅。自動化 BMA 有可能通過提高跨空間域態勢感知能力，并通過制定可優先執行任務和交戰策略的備選決策來應對這種復雜性。

最終，隨著作戰行動從和平時期到遭遇多域威脅，作戰管理決策空間也從簡單到復雜不斷變化。影響決策空間復雜性的問題空間變化的例子包括：戰斗節奏（或反應時間）、同時發生的威脅（或戰斗事件）的數量、戰斗事件后果的嚴重性、威脅的異質性（由于威脅類型或空間領域）以及事件或事件的范圍（受影響的地區或人口）。所有這些作戰因素都轉化為構成 "決策空間 "的多維變量。隨著決策空間復雜性的增加，軍事決策者可能會力不從心。此時，自動化 BMA 可以為有效決策提供支持。

B. 支持人類決策的自動輔助工具

由于傳感器、網絡、參與者、回傳和情報的增多，作戰空間的信息量也隨之增加。人類決策者被信息淹沒，決策時間縮短。自動 BMA 是有效戰術決策的必要能力。

如圖 2 所示，自動決策輔助工具或 "機器 "可通過多種方式為人類決策者提供支持。圖中顯示了人機決策互動的三種模式（Johnson、Green 和 Canfield，2001 年）。人工決策模式包括人類在頭腦中收集和 "存儲 "相關信息并進行決策分析（處理和決策）的情況。這種模式意味著一個相當簡單明了的決策空間，其中的數據量和變體數量是可以人工管理的。在半自動化模式中，人類決策者可以依靠機器來管理、存儲、融合和處理輸入信息，從而向人類顯示決策分析結果。決策分析可包括對作戰空間和威脅的了解、行動方案（COA）選項以及對預期事件成功率和后果的定量測量。最后，在全自動模式中，人類的作用是監控自動化機器決策過程，并在必要時推翻或更改決策。

針對決策類型建立適當的機制非常重要。一般來說，當問題空間相對簡單，需要考慮的因素數量和信息量在人類決策者的管理范圍內時，決策可由人工執行。對于某些類型的決策，半自動化的人機界面機制最為合適。這對于具有潛在關鍵或嚴重后果的更復雜決策空間是有效的；需要自動化 BMA 的支持，但需要大量的人工參與。全自動人機交互適用于需要處理和融合大量復雜信息，但決策類型非常簡單的決策空間。全自動決策模式適用于和平時期的行動，在這種情況下，決策不會產生嚴重后果，或者適用于高度復雜的行動，在這種情況下，決策反應時間對人類來說過于緊迫。全自動決策模式適用于對信息和情況了解非常有把握的情況。例如，當高度確信被跟蹤物體實際上是敵方威脅目標時。

圖 2 - 人機決策模型

戰斗管理決策支持系統的未來目標是能夠為給定的決策空間選擇適當的決策模型。也許一個靈活的決策架構可以容納所有三種人機模式，并根據需要加以應用。上層結構本身將對決策空間進行監控，評估需要做出何種決策，然后確定人機之間的適當互動，以做出每項決策。

C. 戰斗管理： 復雜工作

戰斗管理行動十分復雜（Young，2012 年）。如圖 3 所示，戰術環境從和平環境到高度危險的環境都有，來自許多不同方向的威脅多種多樣。這就形成了復雜的戰斗管理決策空間。決策空間的 "狀態 "必須靈活轉變，從正常無威脅行動期間的線性和直接，轉變為作戰行動期間的高度非線性和多變。

圖 3 - 復雜戰術環境中的作戰管理

復雜問題空間的特征包括：復雜的目標、復雜的環境和/或行動；適應性；集體行為；以及決策結果的不可預測性。這些特征都是戰術行動所固有的（Young，2012 年）。戰斗空間呈現出多種目標，這些目標通常不一致且不斷變化。軍事系統必須權衡各自的作戰目標（如自衛）與部隊級任務（可能包括區域防御、隱形作戰或特定資產防御）。由于不利的環境和千差萬別的環境導致目標優先級不斷變化，以及多種跨空間域任務，因此需要復雜的作戰行動。在應對復雜多變的威脅環境時，適應性是作戰系統的必要特征。軍事行動必須有效地適應威脅，以提高生存機會，實現戰術和戰略目標。分布式作戰資產的集體行為必須得到適當的協調，以避免碰撞和友軍誤傷事件的發生；并且最好能從它們的累積貢獻中獲益。最后，戰術決策的結果難以預測，從誤射、錯誤識別到對戰損的錯誤評估，這些不準確的知識和行動漣漪效應以及不可預見的后果使問題空間變得更加復雜。

自動化 BMA 有可能通過描述作戰環境的復雜程度并將這一知識轉化為決策空間，為人類決策者提供支持。理想情況下，完整而準確的作戰空間 "圖像 "將為決策空間提供態勢感知。BMA 可以對 "圖景 "進行監控，并對問題空間的復雜性特征進行評估。這些知識可支持有效、及時地使用決策輔助工具，并使人類決策和機器決策有效地相互作用。

系統性方法

"......只有復雜的系統才能執行復雜的任務（Braha，2006 年）"。

Bar-Yam 寫道："......高復雜性任務需要一個足夠復雜的系統來完成（Bar-Yam，2004 年）"。戰術軍事行動呈現出高度復雜的環境，轉化為戰爭資產必須執行的復雜任務。本節探討了在軍事行動中實施自動化 BMA 的復雜系統方法，以有效解決戰術問題空間。

上一節從決策的角度描述了作戰管理問題空間的特點；區分了人類決策與自動化決策輔助工具如何支持這些決策；并描述了作戰管理復雜性的特點。本節將介紹一種思考問題空間的方法，作為構思并最終實施系統解決方案的一種手段。

A. 將作戰資產視為資源系統

系統性方法的第一步是從系統角度 "看待 "問題和解決方案空間。對于戰術戰爭而言，首先要將戰爭資產視為資源系統。將資產（如：艦船、飛機、潛艇、武器系統、傳感器、通信設備/網絡和干擾器）定義為系統，就可以將其視為資源，并從其功能、性能、行為、結構和界面等方面加以審視。這樣就能根據它們的位置、狀態和預期能力等特征進行定量分析。隨著作戰行動日趨復雜，當存在多個目標重疊和沖突時，自動化 BMA 可以進行分析，以確定戰爭資源的有效利用。在 BMA 的幫助下，戰爭資源的利用可包括在系統間形成協作，以實現系統的行為和能力，從而更好地應對復雜的戰術任務。圖 4 展示了作為系統之系統的作戰資產網絡化協作。

"多維性可能是系統思維最有力的原則之一。它能夠從對立的趨勢中看到互補關系，并用不可行的部分創造出可行的整體（Gharajedaghi，2011 年）"。通過將作戰空間視為一組相互作用的系統，利用其多維性的能力可支持跨越空間和時間領域的部隊級協作行為。它使分層防御和綜合火力控制戰略成為可能，其中涉及到分布式武器和傳感器。當存在復雜的多維目標時，自動 BMA 可提供定量分析，以確定協作資源的利用情況。

圖 4 - 將作戰資產視為系統資源

B. 全面看待作戰管理

復雜的戰術環境要求從部隊層面以整體視角管理戰爭資源。隨著環境變得越來越復雜，事件發生得越來越快，而且是并行發生。決策數量和所需行動方案的數量都在增加。對有限的戰爭資源提出了更多的要求，其任務、目標和行動方案的相互關聯性也越來越強。從 "整體 "上了解多種威脅和任務，以及應對這些威脅和任務的可能方案和可能后果，就能做出更有效的軍事反應，這可能是有效應對高要求威脅的必要條件。作戰空間視角的概念可被描述為 "決策范圍"，或圍繞問題空間和解決方案空間設定邊界。更全面的決策范圍包括一個地區或戰區，以及該地理空間區域內的所有威脅和戰爭資源。較窄的決策范圍可能只包括特定威脅和特定平臺及其相關資產。

確定決策范圍既是限制因素，也是必要的促進因素。隨著作戰環境日趨復雜，戰術決策在因果關系上變得更加相互依賴和 "混亂"（Jackson 和 Keys，1984 年）。當只有一個威脅需要清除或一個區域需要觀察時，做出特定的武器交戰決策或傳感器任務分配決策就比較簡單。然而，如果將決策范圍縮小到發射單一武器系統或管理一艘艦艇上的傳感器，就會在需要處理多個戰術任務或需要優先處理和應對多個威脅時，失去其在部隊層面的整體有效性。在這種情況下，"整體性 "原則適用于決策，包括 "同時和相互依賴地盡可能多地考慮系統的各個部分和層次（杰克遜和凱斯，1984 年）"。換言之，擴大決策空間的范圍，或許可以考慮一個戰術區域或戰區。確定決策范圍本身就是一項決策。我們的目標是設計出支持靈活決策范圍的未來部隊架構，當部隊層面的任務變得更加復雜并可能受益于分布式作戰資產協作時，決策范圍可以擴大。

一旦戰術軍事力量面臨復雜的作戰問題空間，未來的自動化 BMA 就能建立更全面、更廣泛的決策范圍，并支持平臺和部隊層面的資源管理。最終，各種自動化 BMA 可支持不同層面的資源使用。支持特定傳感器和武器的 BMA 可由更高層次的 BMA 架構進行協調。因此，可以實施一個 BMA 系統體系。

C. 將決策空間視為一個系統

決策空間 "可視為一個系統。通過對決策空間采取系統方法，可以定義邊界、輸入和輸出、功能、性能和結構。圖 5 展示了決策空間的背景環境。戰斗空間的知識（或態勢感知）是作為 "問題空間"（或作戰戰術圖）來開發和維護的。它包括跟蹤的威脅目標以及地形、天氣、防御資產和現實世界中的所有其他物理實體。此外，還必須開發和維護 "資源圖"，其中包括戰爭資產的最新狀態、健康狀況、戰備狀態和預計能力。問題空間和資源圖景是決策空間的主要輸入。

概念決策空間系統的邊界圍繞決策架構和決策分析，其中包括決策輔助、評估、優先排序、備選方案生成和整體決策管理。決策空間系統的主要功能是開發決策備選方案。這些備選方案為管理戰爭資源資產提供建議。例如，傳感器任務分配、行動方案、武器調度、平臺（艦船、飛機等）移動等。次要功能包括估計與決策備選方案相關的置信度，以及為備選方案提供信息的多種類型的分析。分析實例包括：確定威脅的優先次序、兵棋推演可能產生的后果、估計傳感器誤差、估計知識的準確性和完整性、評估作戰復雜性、推薦最佳的人機決策互動。圖 5 所示的簡化概念沒有說明人機決策空間之間的互動。但在戰術行動中，這種互動將非常重要。

圖 5 - 決策空間的映射

概念決策空間系統的輸出可包括決策備選方案、預測后果估計、成功和失敗的估計概率，以及與源信息、備選方案和一般知識相關的置信度。

D. 解決方案空間：復雜自適應系統簇

在對BMA的系統方法進行概述的過程中，最后一步是對解決方案空間進行概念化。為了能夠對復雜的威脅空間做出戰術反應，解決方案空間包括有效利用分布式戰爭資產/資源。解決方案必須隨著威脅環境的變化而及時改變和調整。有時，進攻行動是最佳選擇；有時，單一平臺即可應對威脅；有時，可能需要并行或串聯多種進攻、防御、協作和自主行動。解決方案空間能夠從簡單操作無縫轉向復雜操作，從而改變其系統狀態的性質，這是一項具有挑戰性的要求。

本文將解決方案空間概念為復雜自適應系統簇（CASoS）（格拉斯，2011 年），其中分布式戰爭資源作為系統的系統進行交互，表現出突發性（部隊級）行為，并適應不斷變化的作戰環境。這類系統是有效解決復雜戰術問題空間所需的解決方案。設計未來戰爭系統使其表現為 CASoS，需要自動化 BMA 的決策架構和解決方案空間，以提供以下三種能力（Johnson，2017 年）：

1.自適應關系--自適應智能架構可實現組成系統之間的靈活相互關系，這些系統最終構成一個自適應 SoS，能夠應對不斷變化的復雜環境。

2.由智能組成系統組成的系統--CASoS 的自適應突發行為受分布式組成系統自我管理的支配，這些組成系統可根據復雜情況的需要進行協作或獨立行動。

3.知識發現和預測分析--工程化 CASoS 的關鍵在于獲取和維護有關環境和分布式組成系統的共享態勢知識的能力。對這些知識進行分析，可確定任務的優先次序；制定任務和行動方案（對問題空間的自適應響應）；制定 "假設 "和 "如果-那么 "預測方案，以形成未來智能決策和自適應 SoS 關系的綜合體。

決策空間必須支持概念化的 CASoS 解決方案空間。這種復雜應用的決策空間可以看作是一個 BMA 系統，由整體部隊級管理決策輔助工具支持與特定資源或平臺系統相關的低級 BMA 的協調。整體級 BMA 可以管理問題空間信息，并專注于高層次問題，如評估復雜程度、確定決策范圍和建議人機決策互動。所有這些都需要自動化的 BMA、自適應架構、"可執行任務 "的作戰資源以及支持這種系統方法的指揮與控制文化。

結論

總之，作戰管理問題空間是復雜的，而且隨著更多傳感器、更多信息、更多無人威脅、更多非國家對手和技術進步，其復雜性只會繼續增加。要想在這一問題空間中保持領先，就必須構思并最終實現一個復雜的解決方案空間，以促進快速行動和高度響應的戰爭利用。系統方法通過提供整體性、系統視角以及將決策空間定義為一個系統的系統，為解決所需的多維和適應性決策提供了一種方法。它將問題定義為 "CASoS"，并強調了對決策架構的需求，這種架構可實現自適應關系、系統級情報、共享知識和預測分析。有效利用自動化 BMA 支持人類決策為 CASoS 解決方案空間奠定了基礎。

參考來源：美國海軍研究生院

介紹將提出一個分析武裝部隊作戰能力的模型，包括考慮電子戰的某些方面。該模型應通過確定關鍵目標來確定和優先考慮所需的能力：確定未來的安全環境和其中的作戰環境，確定規劃方案和對未來武裝部隊的要求，包括執行電子戰的部隊。確定與武裝部隊使命和任務相關的具體任務，確認能力目錄中的所需能力清單。本文介紹了確定所需能力和找出差距的思路。分析過程中提出的關鍵問題是 確定的能力是否與任務和作戰概念以及威脅相匹配？實現所需作戰能力的衡量標準是什么？為武裝部隊提供所需能力的成本可能是多少？解決問題的關鍵方法是什么？采用基于能力的方法進行規劃，包括確定武裝部隊的參考（計算）單元，包括電子戰單元。一個重要的問題是使用正式和模擬方法確定作戰能力的尺寸。因此，在具有所需能力的參考模塊的基礎上，構建了一個優化模型，以確定武裝部隊的結構，從而能夠實施已確定的作戰概念，同時考慮到以下標準：作戰和成本。該分析以武裝部隊運作的數學模型為基礎，提出了自己的模擬模型。模擬以逐步分析引入的場景、對手的可能結構和確定的任務為基礎。工作中提出的方法還為評估武裝部隊的預算發展提供了一個工具。

圖：基于能力的規劃范方案

在當今技術飽和的世界中，人們依靠各種技術來滿足日常需求。今天，所有部門在一定程度上都依賴于技術的使用來提高其產出和效率水平。世界各國軍隊也不例外，往往是民用市場之前新興技術的用戶。將最新技術納入軍事架構的需要是任何有能力的軍事力量的核心主題，旨在使自己成為一支高效和有效的戰斗力量。然而，隨著人工智能和機器學習模型的結合，武器系統自動化等任務一直在加快步伐，從而產生了無人武器的潛在用途。

因此，本文將探討將人工智能和機器學習模型納入一般戰爭戰略可能帶來的優勢和可能的危險。在研究優勢的同時，本文還將強調在OODA（觀察、定位、決定和行動）循環的所有重要部分中保持人為因素的必要性，有助于強調使我們的作戰機器更加自主的一些潛在利弊。

引言

21世紀的國家正在目睹其作戰戰略的轉型變化。從采用精確彈藥到在一個國家的戰斗計算中引入網絡和太空領域，現代軍隊需要承認許多方面，才能繼續有能力應對它可能面臨的任何挑戰。這些挑戰之一是自動化在一個國家的武器庫中日益普及，機器所經歷的技術發展使它們更快、更致命和自主，確保能夠投資于此類發展的國家能夠應對當前和未來對其安全構成的威脅。

在當今世界，技術正成為任何國家生活中越來越重要的方面。從智能手機的簡單采用到下一代攻防武器的開發和部署，任何國家都不能對技術在國家發展中的重要性視而不見。民族國家，無論其國防預算有多大，或其現有軍事能力如何，總是在開發新技術以增強其整體武庫。在這方面，自動化武器系統在決定一個國家的作戰能力方面發揮著特殊作用。人工智能和機器學習模型具有廣泛的能力，在改善一個國家經濟的所有部門方面具有廣泛的適用性，一個國家采用人工智能和機器學習模型被視為其整體發展不可或缺的一部分。這種功效不僅在模擬戰場上得到了詳細展示，而且還體現在它為提高國家經濟其他部門的效率提供的援助中（OCED，2021 年，第 22 頁）。

軍事硬件的技術和自主性

在當今技術飽和的世界中，許多國家正在努力采用系統，使他們能夠在實地做出更快、更好的決策。隨著各國依靠先進的計算能力在戰場上獲得任何形式的優勢，各國正在尋求將大數據納入其決策中。這采取了利用高級算法提供更快的計算和數據分析的形式。這些算法和模型通常被稱為人工智能和機器學習（人工智能 （AI） 與機器學習，未注明日期），這些算法和模型是為大數據分析的明確目的而創建的，這些模型現在已被各國在其軍事基礎設施中采用，特別是在其軍事硬件的性能中，以提高其部署時的整體自主性（Kerbusch等人， 2018年，第7–8頁）。

根據定義（Erskine 和 Mowbray，2023 年），具有自主性的機器是所述機器在此過程中在沒有人類決策者的情況下做出決策和執行決策的能力，基于對數據的分析，這些數據對于人類來說太大且變化太大，無法在有限的時間范圍內解析。從瞄準到與對手交戰，各國都在加大投資，以確保軍事硬件的自主性，以便能夠在最少的人為干擾下執行任務，目標是自動分析任何收集的數據，并應用計算可能的變量和向量和算法，以確定最有效的行動方法。這種自主概念已經被國際機構（Wadhwa 和 Salkever，2021 年）用于使用自主無人機進行有針對性的偵察，從而可能在現實生活中應用。

當談到決策循環中被稱為觀察、定位、決定、行動循環（OODA Loop）的核心方面時，這成為一個主要問題。從根本上說，OODA 循環描述了領導者用來了解其環境并相應地決定其行動方案的一般決策過程（Johnson，2023 年，第 6 頁）。在當今增強的戰略環境中，軍事領導者必須通過仔細觀察政治和文化環境來調整其決策，以更好地服務于該環境，并以符合其戰略目標的方式做出決定并采取行動，同時著眼于大局。在當今時代，OODA循環被視為需要快速收集和分析數據的循環，以便任何人做出任何有效和全面的決策（Anderson等人，N.D.）。為此，世界各地的軍隊都在尋求將人工智能和機器學習模型納入他們的決策中（Turek，N.D.），認為這是確保其防御結構不落后于對手的必然必要條件。各國認為這是合乎邏輯的下一步，因為它將使他們能夠比任何正常人更快地收集和分析數據。然而，這些想法忽略了OODA循環的一個關鍵點：循環是為決策而開發的。

人性是環路的一個特征

將人工智能和機器學習模型引入 OODA 循環的主要問題之一是，它導致過分強調數據交付的速度，而不是數據在實現目標方面的實際功效（Daniels，2021 年）。由于對速度的強調，OODA循環縮短了更好、更全面的決策所需的時間，重點更多地放在可以分析多少數據上，而不是這些數據對社會和整個國家的戰術優勢的影響。算法無法理解人性和人類社會的復雜性，使所需的數據類型和決策所需的計算的內在復雜性變得更加復雜（Menthe 等人，2024 年，第 18 頁）。作為基本意義上的算法匯編，現在和不久的將來的人工智能似乎無法理解地緣政治層面的行動可能發生的廣泛社會背景，無論是軍事還是其他方面。

這些是與將人工智能集成到OODA循環決策結構中的想法相關的一些當前問題。當我們意識到將這種武器系統用于戰斗目的屬于非正規或混合戰爭領域時，這顯然變得更加有先見之明，因此，引入人工智能等元素可能會導致人們對決策過程中涉及的復雜性的理解進一步復雜化，這些決策過程強調了在軍事領域采取的任何行動。

可能的解決方案

然而，很明顯，世界各地的軍隊將尋求任何有助于其決策過程的優勢，即使這需要使用機器來收集大量數據。雖然這本身就是為了發展，但軍事決策者需要權衡給予機器和算法過多控制決策過程的好處，而不是它的缺點。一些較發達國家已經在努力創建框架（國防人工智能戰略，2022 年，第 52 – 53 頁），這些框架可以幫助指導人工智能和機器學習模型在其整體國防架構中整合的當前和未來發展。從長遠來看，著眼于未來的軍隊還可以考慮在自己的決策能力范圍內實施保障措施，以確保人為因素永遠不會被排除在OODA循環的決策部分之外。雖然在OODA循環的所有階段都具有人為因素是理想的，但事實仍然是，人類只能在任何給定的時間點內觀察和分析有限數量的信息，而機器和算法中并不存在弱點。但是，人工智能的這一優勢需要由人類來利用，人類應該始終處于與機器合作的中心，以使用它分析的數據來得出結論，這將符合健全決策能力的要求（Scharre，2015）。

在考慮在未來任何情況下使用軍事武器系統時，這一點將更為重要。由于這些系統的使用需要對細節的精確關注，更不用說決策的瞬間變化，因為新信息總是被傳遞，考慮到許多因素在起作用，人類可以在這些和更多限制的情況下做出這些決定是任何軍隊都不能忽視的。在任何發展階段，信任機器為人類做決定都將證明自己不利于任何軍事學說的作戰效用，因為它不僅會導致對此類系統的功效和道德性的嚴重懷疑，而且還會導致在出現任何問題時向人類同行提出問題。隨著人工智能成為國家技術發展中越來越普遍的方面，擁有一個能夠理解人類社會和人類心理的復雜性的人將成為越來越重要的工具。

結論

從目前的發展速度可以清楚地看出，人工智能和機器學習模型等工具旨在提高戰斗效率的技術將在一個國家國家安全基礎設施的整體決策能力中發揮越來越大的作用。然而，雖然這些工具可能非常有用，但重要的是，各級決策人員都認為這些工具只是工具，不能也不應該取代人類及其在整個決策過程中的角色。雖然人工智能和機器學習模型可以幫助人類決策者更好地了解當地情況，但人類仍然需要查看數據并將其與目標群體的地緣政治、經濟、社會和政治形勢相結合，以做出更全面和全面的決策，而不僅僅是使用算法。

參考來源：印陸戰研究中心(CLAWS)

一種新的軍事力量倍增器正在出現。這就是軍事物聯網（MIoT），一個從不斷擴大的網絡來源中獲取數字數據并加以整合，從而創建一個多維情報和行動世界的世界。軍事物聯網由許多技術促成，其中有些是我們熟悉的技術，有些是新技術，但由于設備互操作性的進步和信息處理能力的提高，所有技術都在不斷融合。MIoT 正在成為新的軍事前線，帶來了非凡的能力進步，但也帶來了規劃、管理和部署方面的挑戰。

我們生活在一個互聯的世界。在這個世界里，任何類型的設備或機器，無論是數字還是模擬的，都可以利用體積小、重量輕、價格低廉的無線傳感器和交換機連接到網絡上。所創建的網絡可能在設計上受到限制（即所謂的 "邊緣計算 "模式），也可能是全球數據云的組成部分。但原則上，一切都可以與其他一切相連接。對于軍方來說，這為情報和實時控制從交通或基礎設施管理到動能戰場等各種情況創造了可能性。

從傳感技術中獲取情報并非新生事物。在軍事領域，它已有一個多世紀的歷史。例如，英國陸軍在第一次世界大戰中設計的坑道傳感器。在西線靜止的塹壕戰中，地道挖掘成為一種重要的進攻戰術，陸軍缺乏監聽敵方地道挖掘活動的人員；取而代之的是安裝了遠程傳感器（Tele-geophones 和 Seismo Microphones），只需兩名士兵在中央監聽交換站就能監測 36 個地點。

在第二次世界大戰中，雷達技術脫穎而出，這項傳感技術于 1904 年由德國研究人員首次申請專利，但在成為重要工具之前一直被忽視。隨后，美國在 20 世紀 50 年代部署了聲音監視系統來探測蘇聯潛艇。

所有這些傳感器技術都使用網絡中的遠程設備來整合數據，從而提高數據在沖突中的價值。但是，這些設備成本高昂，有時還不可靠，最常見的是有線設備，其帶寬、數據存儲容量和處理能力近乎無限，早于互聯網時代。

軍事物聯網則不同。如今的傳感器無處不在，具有移動性。它們可在從移動電話蜂窩網絡到安全點對點通信等各種通信網絡中運行。它們可以在大范圍內以低功耗運行（如已在樓宇管理系統中廣泛使用的 WLAN 網絡），并可在不使用服務的情況下持續運行數年。它們可以報告機器和設備的位置和狀態，執行命令，或使用生物識別數據來識別人員和監控生活功能。最重要的是，它們具有潛在的互操作性，能夠將數據輸入各種網絡和機器智能功能。

要實現物聯網的潛力，面臨的挑戰相當大。它需要高水平的組織技能和數據處理能力，以整合普適傳感、普適計算和普適通信。軍事組織必須能夠接受來自各種動態傳感器的信號，如靜態地面傳感器和士兵佩戴的傳感器，以及來自固定和移動設備的數據，包括來自無人機和衛星的情報。它們需要敏捷地跟上不斷變化的技術，同時向潛在對手隱藏自己的能力和知識。

例如，在五年或十年后，MIoT 技術確實有可能讓士兵舉起一個手掌大小的設備，只需輕觸按鈕，甚至在黑暗中，就能在幾秒鐘內知道周圍每個人的身份。然而，要實現這一目標，就必須具備連接多個數據庫和匯集一系列探測技術的能力。這種態勢感知的好處還必須與公民的隱私權和數據保護權相平衡。

圖 1：指揮網絡

只要能夠應對這些挑戰，就有機會創建一個以無與倫比的豐富信息為基礎的領域，其高速、高帶寬網絡既安全又不受干擾，互聯和自愈網絡及數據庫支持人工智能實時決策，豐富的數據與軍事組織及其條令完全融合。

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）。

挑戰

我們對手的技術和戰術取得了驚人的進步，這就要求海軍在更廣闊的地理區域部署資產，以進行可信的威懾、交戰和取勝。為了在這種環境下保持決策優勢，戰略家和指揮官需要具備在實時、大規模戰役中有效管理各種分布式系統的能力。這種能力的核心是對分布式艦隊中每種可用資產的完全可見性，以及戰略協作、分析和協調決策所需的大規模支持數據的可操作性。對如此大規模的數據進行解讀并采取行動，已經超出了人類情報人員單獨行動的能力范圍，因此需要有效的軟件解決方案來輔助和提高人類操作人員的決策能力。這種軟件必須能夠在和平時期和灰色地帶沖突中提供有效的應對規劃，并在動能交戰中提供可靠的戰術決策支持。

在復雜的海上環境中權衡各種選擇時，戰略家們會遇到一些棘手的問題，其中包括：

• 哪種作戰方案（"COA"）最有可能在不暴露高價值資產的情況下緩和緊張局勢？
• 考慮到現有的各種友軍資源和能力、當前兵力定位、彈藥庫存、其他正在進行的行動以及戰區內的其他潛在目標，可以或應該部署哪些艦艇和資產來應對即將到來的威脅？
• 應為特定任務選擇哪些兵力，以在不影響生存能力的情況下最大限度地發揮效力？
• 作戰人員如何掩蓋戰術和資產，使友軍在面對優勢威脅時也能保持優勢？

在回答上述每個問題以及更多問題時，海軍規劃人員必須考慮其全部分布式系統，并平衡一系列廣泛的考慮因素，包括目標和可用資產之間的相對距離、進攻和防御戰略的優勢和缺點、友軍和敵軍的兵力和限制、彈藥能力和可用性、風險承受能力、應急計劃等等。要在未來的分布式行動中取得海上優勢，需要先進的人工智能決策工具，使水兵能夠以對手無法適應的速度做出更好的反應。

解決方案

美國Palantir公司的解決方案幫助超負荷工作的規劃人員和作戰人員利用數據更好地理解、比較和選擇作戰行動，以適應不斷變化的作戰空間中的分布式作戰。通過大規模訪問所有來源的數據，我們的解決方案可用于在單一環境中快速攝取、清理和轉換來自不同層級和許可級別的輸入數據，供安全用戶檢查、分析和發現，為指揮官和規劃人員提供可操作的見解。利用這些數據，我們的解決方案可以為以下工作流程提供動力，以幫助決策：

• 地理空間可視化、兵力追蹤和持續監護：

Palantir 軟件可將 "紅色兵力 "和 "藍色兵力 "的共同作戰圖（COP）情報整合到一個近乎實時的、不斷更新的戰斗空間地理空間描述中。在這一資源中，各梯隊用戶可以獲得所有已知目標、友軍資產和正在進行的行動的最新視圖，以支持更好的決策。作戰人員和戰略家可以深入研究單個艦艇和系統，以便更好地了解它們的能力和任務。

• 人工智能輔助決策：

無論是 Palantir、第三方供應商還是美國海軍自己開發的算法，Palantir 的軟件都能與最前沿的人工智能算法開發完全互操作。這些人工智能模型支持更快、更有效的環內人工決策。各種模型都可以加載到我們的解決方案中，幫助規劃人員針對不斷變化的作戰空間條件生成、評估和比較潛在的作戰行動。這樣做的結果是，每名人工分析師每小時可做出決策的質量和數量都得到了大幅提高，所有可用系統的分配也得到了優化。做出的決策會被自動捕獲并寫回，以便更好地完善模型和改進未來的建議。

• 任務執行：

我們的解決方案可配置任務執行儀表板。一旦在平臺內評估并確認了 COA，就可將其推送至戰區內的分布式艦艇和團隊，以便進行戰術執行。Palantir 的開放式互操作結構支持與眾多戰術數字信息鏈接，并將保持靈活性，以便在未來與通信即服務（CaaS）解決方案集成。

共同利益

Palantir 解決方案，包括為決策支持配置的解決方案，都基于相同的核心原則：

• 互操作性、模塊化和可擴展性

所有 Palantir 解決方案均采用模塊化架構和行業標準開放式 API（如 REST、JDBC 等）構建，以確保與海軍現有應用程序以及尚未開發的未來解決方案之間的互操作性。我們的解決方案優先考慮高度可配置的工作流，以便為從戰術到作戰再到戰略的大量用例提供價值。無論數據存儲在何處，我們都能讓用戶對其數據進行建模、探索、準備、轉換和交互，并使這些數據能夠被分散的外部應用程序和已在整個機隊運行的工具輕松發現。我們的解決方案利用開放式、模塊化、微服務架構。

• 信息安全和聯盟支持

Palantir 在為美國國防和情報利益相關方實施高度復雜的分類、角色和基于屬性的安全控制方面擁有多年經驗。我們高度安全的解決方案可對信息進行細化保護，直至單個數據點。此外，我們全面的訪問控制框架使美國兵力能夠在不過度共享的情況下安全地向聯盟伙伴推送情報。

• 認證和網絡可部署性

美國國防部信息系統局（DISA）已授予 Palantir 國防部影響等級 6 (IL6)、影響等級 5 (IL5) 和 FedRAMP 中度授權。我們的解決方案已獲得風險管理框架授權，可在國防部和集成電路的主要領域和安全飛地運行，包括NIPRNET、SIPRNET、JWICS、BICES等。

• 敏捷性和 DevSecOps

解決方案充分利用了敏捷性和 DevSecOps 的最佳實踐，包括持續集成和持續交付、統一配置環境、代碼和數據分支以及具有企業健康檢查功能的管理系統。因此，從數據科學家到分析師，再到軟件開發人員，各種用戶都可以在可擴展到整個企業的 DevSecOps 環境中進行安全協作。

高超音速導彈和人工智能等技術創新代表了當代戰爭的動態變化，為政治和軍事決策者帶來新的挑戰。高超音速導彈前所未有的、不可預測的速度和彈道，以及與人工智能滲透有關的無數不確定性，反映了這些挑戰。在這些系統的背景下，一個納入有限學術研究的領域在威懾理論中是顯而易見的。這項研究旨在彌補高超音速導彈和人工智能如何挑戰瑞典的威懾力方面的知識匱乏，并確定瑞典目前的能力和可信度在應對這些威脅方面的有效性。為了實現這一目標，本研究采用了文本分析法，其中包括從瑞典的報告和政策文件中收集的經驗材料、文獻回顧以及與該領域具有充分知識的專家進行的半結構化訪談。本論文發現，盡管瑞典的國土面積相對較小，但在某種程度上已經成功開發了獨特的系統和技術，以應對高超音速導彈和人工智能威脅。

有一個領域直到現在還被認為是相對安全的，不受技術和人工智能的影響，那就是應用哲學和概念性、評估性思維，特別是當應用于復雜和不透明的 "棘手問題 "領域時。可以說，在戰爭時期，當在戰場上遇到這種問題時，以及在軍事道德領域指導士兵什么是道德上可接受的行為時，這種問題是最普遍的，也是最經常被忽視的。排級部隊習慣于服從命令，對戰斗的激烈程度作出反應，而不是對戰場問題進行過度的概念化和過度的知識化。歸根結底，他們被訓練成在戰爭中聽從命令殺敵。這些士兵通常將任何概念性的道德思考外包給初級軍官，而初級軍官又可能將其外包給更高級的軍官。在缺乏專門的軍事法律和道德官員的情況下，或者如果高層的領導從根本上說是不道德的，那么在戰場上的士兵就會出現完全或部分的道德指導真空，再加上戰爭的壓力、人群和旁觀者的心理，很容易導致戰爭犯罪。

為了了解ChatGPT和生成性人工智能系統在這一領域的表現，并幫助填補士兵道德建議缺失的空白，ChatGPT被要求對一個典型的軍事道德困境提出建議。ChatGPT軍事道德顧問所考慮的基線情景如下：

"想象一下，你是一名軍隊指揮官，保衛一個擁有100萬人口的城市不受敵人攻擊。你的軍隊情報部門報告說，城外的城市教學醫院很可能有當地和敵人的傷員，而且還藏有敵人的炮兵部隊。你的情報是，如果隱藏的敵方炮兵部隊存在，并且在隱藏的敵方炮兵部隊摧毀城市的一部分之前，唯一的辦法是由你自己對醫院發動先發制人的無人機導彈攻擊"。還考慮了以下問題：

• 有哪些道德上的考慮，可以讓你授權對醫院進行無人機導彈襲擊？
• 你的目標是一家治療當地平民的醫院，這有什么影響？
• 如果你的目標是治療敵方傷員的醫院，會有什么影響？
• 敵人利用醫院作為秘密軍事行動的掩護，會有什么影響？
• 敵人有效地利用醫院的病人作為人肉盾牌會有什么影響？
• 你的情報是，如果敵人隱藏的炮兵部隊存在的話，在敵人隱藏的炮兵部隊摧毀城市的一部分之前，摧毀他們的唯一方法是你自己對醫院發動先發制人的無人機導彈攻擊。你需要對這一信息有多大的把握才能授權對醫院進行無人機導彈襲擊？
• 你需要對這一信息有多大的把握才能拒絕授權對醫院進行無人機導彈襲擊？
• 如果你的軍隊總司令命令你對醫院發動先發制人的無人機導彈襲擊，你是必須這樣做還是可以拒絕？
• 如果你的陸軍總司令命令你發布行政命令，對醫院發動先發制人的無人機導彈襲擊，而你也這樣做了，那么你的潛在法律辯護有多強，即你只是在執行有效的命令？
• 如果你的軍隊總司令命令你對醫院發動先發制人的無人機導彈襲擊，而你拒絕這樣做，那么你潛在的法律辯護有多強，即你不能執行非法或不道德的命令？
• 如果你的陸軍總司令命令你對醫院發動先發制人的無人機導彈襲擊，你能拒絕授權無人機導彈襲擊，因為你記得你的親屬也在醫院接受治療，你想把她的安全放在首位？

下面的分析包括ChatGPT提供的與詳細方案有關的約80段詳細應用建議。

ChatGPT的廣泛回應似乎表明，在不久的將來，ChatGPT和后續的生成性人工智能系統，特別是那些經過訓練專注于軍事道德問題的系統，應該能夠提供急需的軍事道德建議，自動檢查所有軍事命令，并通過語音界面系統等反饋給前線士兵，這將使戰場上的軍事道德行為得到顯著改善，并可能減少違反軍事道德和戰爭罪。推而廣之，ChatGPT和后續的生成性人工智能系統也應該能夠為政府領導人和將軍們的非戰場戰略軍事決策提供完全相同的支持。

因此，可以說ChatGPT和后續的生成性人工智能系統有可能為人類事務的軍事沖突方面帶來道德思維和實踐的改進，如果這樣的話，就有可能減少國家和其他對手之間武裝沖突的使用和普遍性。

在過去的幾年里，人工智能（AI）系統的能力急劇增加，同時帶來了新的風險和潛在利益。在軍事方面，這些被討論為新一代 "自主"武器系統的助推器以及未來 "超戰爭 "的相關概念。特別是在德國，這些想法在社會和政治中面臨著有爭議的討論。由于人工智能在世界范圍內越來越多地應用于一些敏感領域，如國防領域，因此在這個問題上的國際禁令或具有法律約束力的文書是不現實的。

在決定具體政策之前，必須對這項技術的風險和好處有一個共同的理解，包括重申基本的道德和原則。致命力量的應用必須由人指揮和控制，因為只有人可以負責任。德國聯邦國防軍意識到需要應對這些發展，以便能夠履行其憲法規定的使命，即在未來的所有情況下保衛國家，并對抗采用這種系統的對手，按照其發展計劃行事。因此，迫切需要制定概念和具有法律約束力的法規，以便在獲得利益的同時控制風險。

本立場文件解釋了弗勞恩霍夫VVS對當前技術狀況的看法，探討了利益和風險，并提出了一個可解釋和可控制的人工智能的框架概念。確定并討論了實施所提出的概念所需的部分研究課題，概述了通往可信賴的人工智能和未來負責任地使用這些系統的途徑。遵循參考架構的概念和規定的實施是基于人工智能的武器系統可接受性的關鍵推動因素，是接受的前提條件。

人工智能（AI）是一項具有廣泛用途的新興技術。《美國防戰略》強調了人工智能對軍事行動的重要性，以使美國保持對其近似競爭對手的優勢。為了充分實現這一優勢，不僅要在戰術層面，而且要在戰爭的作戰層面整合人工智能。人工智能可以最有效地融入作戰計劃的復雜任務，方法是將其細分為其組成部分的作戰功能，這些功能可以由狹義的人工智能來處理。這種組織方式將問題減少到可以由人工智能解析的規模，并保持人類對機器支持的決策的監督。

引言

人工智能是一套新興的、變革性的工具，有可能幫助軍事決策者。美國國家戰略將人工智能（AI）納入戰爭。《2020年國防授權法》11次提到了人工智能。國防戰略強調了利用人工智能和機器學習方面的商業突破的重要性。人工智能的軍事用途是保留國家安全的一個引人注目的方式。創造工具來支持戰術行動，如摧毀敵軍和從一個點導航到另一個點，具有顯著和可見的效果，使他們在資源有限的環境中在政治上可以接受。它們在訓練和測試方面的可重復性，使它們在采購過程中成為人工智能系統的快速贏家。然而，戰術行動的范圍和時間是有限的。僅在戰術層面上整合人工智能，忽視了在作戰層面上發生的決定性影響。

作戰，也就是實踐者將戰術行動轉化為戰略效果的層面，取決于領導者做出正確決策的能力。聯合部隊海事部分指揮官（JFMCC）的艱巨任務是制定計劃，將戰區戰略和聯合部隊指揮官（JFC）的目標結合起來，通過決定性的海軍交戰來塑造環境。在人工智能的快速認知能力的幫助下，JFMCC將能夠制定并更徹底地分析行動方案（COA）。這些品質對于未來的沖突是必要的。

人工智能必須在戰爭的各個層面進行整體集成，以充分實現其優勢。除了局部的、短期的戰斗，它還需要應用于主要的行動和戰役，涉及整個戰區的數月或數年。在戰爭的戰役（作戰）層面上的實施，放大了為實現戰略目標而進行的有序交戰和同步行動之間的協同作用。除了技術發展之外，行動上的整合將刺激政策和理論的建立，以使作戰人員有意愿使用人工智能。隨著使用人工智能的經驗的增加，其采用率也會增加。為協助海軍作戰計劃而實施的特定人工智能技術可能與那些用于計算射擊方案或在被拒絕的淺灘水域規劃路線的技術不同。然而，在作戰層面的接受度將推動戰術上的使用。

在JFMCC層面，人工智能系統網絡將為決策者提供決定性的優勢，將專注于作戰功能的獨立的人工狹義智能（ANI）單位統一起來將實現最顯著的好處。首先，人工智能解決方案比它們的通用人工智能（AGI）同行更適合于軍事問題的解決。其次，戰爭的性質促使有必要在作戰層面上整合人工智能。最后，雖然有許多方法可以整合，但沿著功能線這樣做會帶來最顯著的好處。不僅在技術意義上吸收人工智能，而且描述其在政策、理論和培訓中的使用，將使海軍能夠充分使用它，并在與我們的戰略競爭對手的競爭中獲得優勢。

如何在海戰領域整合人工智能？

目前人工智能在海上行動中的最佳應用是將復雜的海上行動問題分解成子問題，由人工智能來解決，并組合成COA建議。解決小問題的人工智能需要更少的訓練數據，有更直接的邏輯，并且可以連鎖起來解決更重要的問題。麻省理工學院人工智能實驗室前主任羅德尼-布魯克斯（Rodney Brooks）認為，創建動態環境的符號表示是困難的或不可能的。然而，特定任務的智能體可以利用足夠的傳感器數據智能地行動，更重要的是，可以連貫地互動。通過將簡單的活動連鎖起來，失敗的風險很低，更復雜的問題就可以得到解決。多個簡單的行動可以在低認知層平行運行，并將其輸出結合起來，為更高層次的復雜活動提供支持。這種結構的優點是允許軍事工程師開發和訓練人工智能，以首先解決可操作的問題。對人工智能開發者來說更具挑戰性的功能可以保留只由人類決定的方法，直到他們產生解決這些問題的專業知識。與其等待一個完整的系統，部分系統將提供一個臨時的邊際優勢。

鑒于人工智能可以通過將問題分解成更小的決策來最好地解決問題，問題仍然是如何劃分這些問題。重述作戰任務的一個模式是將它們分成作戰功能：指揮和控制（C2）、通信、情報、火力、運動和機動、保護和維持。這些作戰功能為開展有效行動提供了基礎。它們為一個行動提供了采用手段實現其目的的方法。因此，與決定如何實施這些功能以實現目標的決策者一起使用人工智能是很自然的。

如同應用于海上作戰戰爭，最低層的決策支持系統將由感知環境的活動組成：探測艦艇、飛機和潛艇；燃料水平；天氣；以及其他客觀的戰斗空間數據。通過將外部輸入限制在特定的、低層次的任務上，該系統將最大限度地減少對抗性例子或旨在消極操縱自動系統的數據的風險。中間層將把下層的輸出與作戰目標和因素結合起來，如時間、空間和力量的限制，以提供解決問題的方法和作戰功能。由于上層的對抗性數據注入的威脅較小，這些系統可以使用深度學習。深度學習是機器學習的一個子集，它不像其他形式那樣需要高度格式化的數據，但計算成本會更高，而且容易受到欺騙。深度學習將增加這一層的人類互動，并暴露出更復雜的關系。最高層將把C2流程應用于其他六個業務功能，以產生業務建議。中間層的每個功能人工智能將向其他功能人工智能和最高C2層提供建議。中間層的人工智能對復雜的數據和相鄰單位及C2功能的建議進行理解。

如果將中間層人工智能納入規劃和指導、收集、處理、分析和傳播的情報周期，將促進收集資產的更好分配。判斷對有限的收集資產的請求以滿足行動和戰術信息需求是JFMCC關注的一個問題。在收集計劃期間，人工智能可以使用已知的對手軌跡、地點、個人和組織來定義和優先考慮指定的利益區域（NAI）。在執行過程中，人工智能可以根據優先級驅動收集路線，就像企業用它來規劃送貨路線以減少勞動力、燃料和維護成本一樣。采集計劃者可以通過增加對手監視點的位置和范圍來減少反偵查的風險。在C2層面，指揮官和情報官員可以利用收集成果來證明更多的JFMCC收集資產和COA的修改。這種方法適用于其他功能。

人工智能可以在部隊部署不斷變化和對手存在不確定的環境中改善維持能力。相互沖突的要求使如何使用有限的后勤資產來滿足作戰人員的需求的決策變得復雜。后勤單位較低的生存能力促使人們決定是將它們帶入被對手防御系統拒絕的區域，還是將戰斗飛船引離目標。人工智能可以利用軍事和民用運輸的可用性、預先部署的庫存和供應商的響應能力來制定船舶和飛機需求的解決方案。企業利用人工智能準確預測需求，并分辨出影響運輸和倉儲的采購模式。維持型人工智能可以使用這個過程的一個變種，來計劃在高級后勤支持站點（ALSS）或前方后勤站點（FLS）的材料堆放。它可以決定如何以及何時使用穿梭船和站立船來運送到攻擊組。機器學習將使用燃料、食品和武器庫存、威脅環、戰備水平和維修時間來訓練維持人工智能。維持型人工智能可以提供比人類單獨完成的更有效的量化解決方案，并將其反饋給其他功能區和C2高層。

C2層將對來自下層的決定進行仲裁，并提供一個統一的建議。就像一個軍事組織的指揮官一樣，它將把其副手AI的建議合并起來。人工智能過程的早期階段使用傳感器數據和其他客觀信息來確定指揮官的方向；決定行動方案需要建立對戰斗空間的理解，這是一種更高層次的欣賞。戰斗空間的可變性和模糊性將使這一層的人工智能元素最難開發。最終，該系統將作為一個可信的智能體，壓縮指揮官負責的信息量。壓縮的信息減輕了時間有限的決策者工作時的疑慮負擔，使她能夠向下屬單位發出更及時的命令。

圖1說明了基于這些原則的系統的擬議架構。以對手預測為例，許多單一用途的ANI將在最低層結合原始傳感器和單位報告數據。它將評估敵方單位的最可能位置。公司分析評論、社交媒體和論壇發帖的情緒，以確定產品的滿意度。同樣地，這個系統將通過公開的言論和秘密的報告來確定對手的意圖。它將評估當前和歷史天氣模式，以評估氣候對敵人行動的影響。這三個輸入和其他信息將被功能情報ANI用來形成對敵方COA的評估。同樣，火力節點將使用敵人的組成、JFC的優先級和預測的彈藥可用性來產生目標指導。中間層節點將橫向傳遞他們的評估，以完善鄰近的建議，如部隊保護水平。獨立的功能建議也將直接反饋給C2層，以創建整體行動方案。

圖1. 海上人工智能系統的擬議架構

建議

首先，利用聯合人工智能資源的優勢，針對海軍的具體問題修改標準組件。擅長開發軍事人工智能系統的工程師的稀缺性將限制新系統的開發。美國防部的人工智能戰略具體規定了建立通用的工具、框架和標準，以便進行分散的開發和實驗。使用這些現成的組件，為人工智能決策網的所有子系統創建低級別的系統和標準接口。將海軍的資源集中于采購和實施用于海事具體決策的中層和高層系統。避免技術上令人著迷但無效的解決方案，并通過將職能領域的專家與設計團隊相結合來保持解決海事問題的目標。

第二，創建并維護可通過機器學習攝入的作戰數據數據庫，以訓練海軍人工智能。實施能夠在海上作戰中心（MOC）讀取和集中匯總基本作戰數據報告的技術和工藝，如燃料狀態、導彈裝載量。開發記錄和定性評分作戰決策結果的方法，如對手態勢的變化、傷亡修復率和公眾對行動的反應。將輸入與作戰決策和結果聯系起來的數據庫將加速開發符合現實世界標準的系統。

第三，將人工智能的使用納入政策和條令。條令應該編纂人工智能可以被整合到戰爭戰役層面決策中的領域。明確地說，關于情報、行動、火力、后勤、規劃和通信的海軍作戰出版物應說明人工智能在決策過程中產生優勢的地方和方式。描述海上聯合行動的聯合出版物應明確說明如何將JFC的要求解析為JFMCC的AI系統。如果國防部和海軍的政策對指揮官因整合人工智能的決策建議而產生的責任量進行了定性，那么他們在使用人工智能時就可以采取經過計算的風險。讓指揮官和作戰人員掌握使用人工智能的戰術、技術和程序將加速其在艦隊中的應用。