摘要

本技術評估報告總結了2022年7月舉行的北約 "評估新興技術對軍事后勤的影響 "專題討論會期間的發言要點。它補充了會議記錄中收集的論文，討論了主題演講的要點，并對研討會上的發言和考慮進行了總結。它確定了關鍵的見解并提供了進一步工作的建議。本次研討會對北約和國家物流供應鏈領域的新興和顛覆性技術（EDT）的思考、規劃、發展和實施提供了豐富的概述。雖然確定關鍵技術是最重要的，但同樣重要的是介紹物流供應鏈中EDT的工具、方法、研究、分析和評論，并了解北約和國家為使EDT在軍事物流中實現而采取的舉措。這些創新技術將使供應鏈得到改善，減輕人力負擔，實現成本節約，提供可見性和物流態勢感知，減輕戰區水電供應任務，提高維護和修理能力，支持行動規劃，節省所有供應類別的必要庫存，最重要的是為所有軍事活動整合成一個無縫的多領域執行軍事任務做準備。

1.0 引言

70多年來，北約一直處于技術的最前沿，以確保其盟國的防御和行動的成功。為了保持北約的技術優勢，北約必須了解新興和顛覆性技術（EDT）對安全和防御的影響有多深遠。北約2022年戰略概念[1]對此作了如下表述。"新興和顛覆性技術既帶來了機遇，也帶來了風險。它們正在改變沖突的特征，獲得更大的戰略重要性，并成為全球競爭的關鍵舞臺。技術優勢日益影響著戰場上的成功"。人工智能（AI）、自主系統、先進制造業、生物技術和量子技術等技術正在改變世界，以及北約的運作方式。2019年，北約國防部長們批準了一個EDT路線圖，以幫助構建北約在關鍵技術領域的工作。北約科學和技術組織（STO）制定了科學和技術趨勢，為該路線圖的制定提供了背景支持。STO是世界上最大的國防和安全領域的合作研究論壇。它開展和促進科學和技術研究活動，以增強北約和國家的能力，并支持整個聯盟的決策。在STO內部，系統分析和研究（SAS）小組作為分析建議的專家小組，進行研究和分析，并交流作戰分析和研究（OR&A）的方法和工具，以探索如何在作戰環境中有效或高效地使用已開發的能力、新概念、組織的變化或創新技術[2]。

SAS小組提議并由STO批準舉辦 "評估新興技術對軍事后勤的影響 "的研究專題討論會。該研討會于2022年7月6日和7日在羅馬高級國防研究中心舉行，該中心是意大利國防聯合機構，為意大利武裝部隊提供管理、戰略領導和國防與安全相關問題的最高教育水平。該研討會匯集了來自北約成員國和伙伴國的物流、物流技術和從事未來物流能力OR&A的主題專家，以討論和評估EDT對物流的影響。專題討論會強調了整個北約開發利用新興技術的物流能力的工作。預計這將有助于發展未來的后勤業務、國家采購和教育/培訓計劃，了解新出現的互操作性挑戰，并確定更廣泛合作的機會。專題討論會的進行必須在北約的轉型舉措及其對創新的關注的背景下進行理解，其中位于弗吉尼亞州諾福克的盟軍司令部轉型是北約能力發展的先鋒，科學和技術組織作為科技前瞻的監督者，北大西洋理事會（NAC）通過北約的創新委員會和新興和顛覆性技術咨詢小組指導其主要委員會實施創新和加強北約的技術準備工作。

1.1 新興和顛覆性技術

在未來幾年，隨著人、機器和服務之間的相互聯系成倍增加，采用創新技術將是必要的。雖然計算網絡、大數據處理、數字交易和無處不在的傳感的存在似乎已經在世界最富裕的地區確立了自己的標準，但這些創新所承諾的全球規模的轉變，實際上還處于早期階段。網絡物理技術的快速采用和整合將通過重新定義和消除工業部門、政府機構和其他基礎設施建設之間的既定界限來改變經濟。此外，區塊鏈、分布式賬本和加密代幣方面的進展有望對人類活動在'網絡空間'的影響產生深遠影響[3]。

在軍事上，這種技術格局的變化將從根本上重新定義人類的有組織沖突，表現為新的戰爭方式。未來科技格局的特點是：綜合和整體的情報、分析和決策能力；利用現實和虛擬網絡重疊的戰爭領域，其中傳感器、流程、組織、個人和自主代理連接；分散和無處不在的大規模傳感、存儲、計算、決策、研究和開發；以及人類、物理和信息領域的混合，創造新的現實[4]。這四個因素的結合將創造出能夠進行更復雜決策和自我指導活動的自主系統和代理。此外，新的適應性C4ISR網絡將產生風險和脆弱性，因為軍事行動中的深度行動依賴性，因為它們依賴于行為者之間的無縫和無處不在的連接。此外，更大的作戰環境（包括網絡和空間）以及傳統領域（空中、陸地、海上）之間的相互聯系需要以廣泛分散、相互聯系、不分領域的方式進行綜合思考、規劃和操作。最后，雖然整個C4ISR能力的數字化和小型化的提高使智能、互聯和分布式系統得以實現，從而開辟了新的機會，但它們也增加了對低成本和廉價精確武器的脆弱性，因此帶來了風險。

1.2 后勤創新

后勤對于任何軍事行動都是至關重要的。沒有它，行動就無法進行和維持。后勤是實施和控制從大本營到散兵坑的貨物運輸和儲存的效率和效果的規劃過程。雖然EDT的采用在C4ISR領域得到了熱切的理解，因此得到了高級指揮官的關注，但在后勤領域的創新引進卻一直滯后。為了確保軍事行動的領域無關、無處不在、相互關聯，軍事后勤創新必須通過整合思維、計劃、執行和維持行動來支持無縫操作，而且必須注意識別和減輕戰略脆弱性和依賴性，包括與北約的關鍵基礎設施、供應鏈和衛生系統有關的。新技術將支持跨組織的供應鏈，并將創造一個動態的后勤功能，包括操作效率和戰略靈活性，其中 "你要求，我們提供 "將無法完成工作：它需要協作服務，這與C4ISR領域的特點相似：智能、互聯、分布和數字化（I2D2）。因此，通往未來物流的道路要求物流概念需要采用新技術，并適應不斷變化的操作環境，即概念要對多領域、可互操作、網絡化和連接的環境敏感，并強調自力更生、自我修復和復原力。EDTs正在擾亂物流過程，這導致需要擴展軍事物流的定義，在更大的地理范圍內監督整個供應鏈，包括從采購、管理、分配、運輸到教育和培訓的相關商業實體和技術[5]。為了使作戰物流能夠創新，需要像商業世界那樣，通過合作方式整合服務，加強與作戰的相互依存關系。無論是單獨還是組合，新技術都有可能改變軍事后勤信息系統和服務的提供方式。

本次研討會旨在強調物流規劃中發生的變化，技術對物流能力發展和業務使用的影響，特別是數字化帶來的物流服務的轉變。在規劃會議中，包括了預測和預報--作為EDT的結果--新的威脅和機會的影響，特別是進行維護、運輸和供應的新方法。通過應用分析、人工智能、自動化和數字化技術，可以實現人力、物資和供應的節約，但最重要的是在設計北約供應鏈時建立彈性，以應對EDTs將帶來的威脅和機遇。在技術會議上，論文將討論EDTs在自主系統中的應用，在減輕供應鏈負擔的替代解決方案中的應用，以及在遠程培訓和支持中的應用。這些例子包括用于海上和陸地行動的無人系統、增材制造和戰區內水的生成。關于數字化的論文被選中，因為它們討論了利用數字化實現的更多連接性和相互依賴性的綜合系統和服務如何能使從供應商到客戶的供應鏈受益，并確定了一些非常有前途的技術，其中元數據和區塊鏈在專門的論文中得到了特別關注。

在項目委員會主席Marcus Tynnhammer博士的介紹性發言之后，他說："我們的目標是要在全球范圍內，在全球范圍內，在全球范圍內，在全球范圍內，在全球范圍內，在全球范圍內，在全球范圍內。馬庫斯-廷哈默博士作了介紹性發言后，意大利聯合后勤教育中心主任克勞迪奧-托特里準將致歡迎辭，他強調，鑒于不斷變化的安全環境、日益復雜的后勤業務、民用公司的參與以及作為本次研討會主題的新技術的引入，本次研討會的舉行非常重要和及時："正如在每個戰斗領域，技術先進的后勤是任何防御性或進攻性行動取得成功的基礎。托特里將軍進一步指出。"在軍事后勤中實施先進技術是一項絕對重要的戰略要求"。

摘要

新興的機器學習（ML）解決方案旨在通過提高平均無故障時間來預測和預期資產故障的可能性，使新的維護策略能夠降低綜合后勤支持成本。本文介紹了一種新型的預測性維護方法，它可以優化維護計劃，從而優化整個系統的生命周期成本。

此外，隨著北約越來越多地參與部署行動，今天有必要將注意力集中在可用性和任務可靠性上，其中飛機在任務期間的操作可用性是整體可用性的一個重要方面。

在這里，我們提出了一種混合ML方法，通過最大限度地提高飛機的可用性和最小化維修需求及相關的停機時間，來增加預測的可靠性和改善總的生命周期成本。這種創新的方法優化了北約物流中影響物流足跡和維護過程的主要操作差距，通過改善整體系統性能和提高整個在役期的系統可靠性。此外，這種方法允許客戶估計資產的實際剩余工作時間，通過提前管理其可靠性風險和異常情況，大大減少意外停機時間。

總之，這一策略的應用為決策者提供了一個更可靠和實時的實地軍事資產的物流態勢感知。

關鍵詞：預測性維護、機器學習、態勢感知、決策、物流、可用性

1.0 引言

如今，大量的在役后勤數據（來自傳感器或遺留的信息后勤系統）也可以在國防領域使用，從生命周期成本的角度來看，學習模型技術可以應用于這些數據，并取得有趣的結果。

在航空領域，人工智能已經奠定了基礎，通過減少維修工作時間來保證資源優化和后勤能力的提高，對維修成本產生直接影響。

事實上，建立最佳的維修調度需要來自模塊和子模塊（以及它們的組合）的基本參數信息，而且是超時。

本文介紹了一種基于機器學習技術的新型預測性維修方法，用于改善軍用飛機在役后勤保障流程，其主要目標是：

• 提高平均故障間隔時間（MTBF）

• 提高后勤KPI預測的可靠性

• 減少維修支持成本/工作時間

本文特別介紹了三種基于監督機器學習算法的不同預測性維護方法，每種方法都來自意大利空軍（ITAF）的維護修理和大修（MRO）單位所經歷的真實問題：

用例1：智能飛機異常分析，重點是支持維修人員使用自然語言處理（NLP）方法解決新提出的異常情況

用例2：飛機機隊可用性的提高，重點是估計飛機的剩余飛行時間，以提高飛機機隊的可用性

用例3：發動機試驗臺（ETS） 數字雙胞胎也被稱為數字復制品，已將技術帶到新的有趣的場景。這個用例的重點是在模擬環境中使用深度學習方法減少特定發動機可能遭受的ETS的數量。

摘要

聯合軍事后勤行動的成功可以通過一個多方數字供應鏈網絡得到顯著改善，該網絡為所有任務伙伴提供一個單一接口，并解決任何聯合行動中經常遇到的問題。它解決了目前存在的廣泛的主數據管理問題，同時注重數據主權。如果沒有 "單一事實版本"（SVOT），后勤決策往往會導致工作人員效率低下，缺乏對物資/供應品及其位置的可視性。多層控制塔能夠在同一系統中實現實時可見性和任務規劃，并能執行。預測性分析、人工智能（AI）和機器學習（ML）能力增加了可以自動執行的增強型物流功能，確保物品在需要的時候出現在需要的地方。

今天的前沿戰術行動缺乏可見性和關鍵的后勤支持工具，任何任務都需要額外的人員和物資。拒絕、中斷、間歇和有限（帶寬）（DDIL）行動可以在復雜和艱苦的環境中得到技術支持。一個適當的高度安全的解決方案被批準用于美國國防部（US DoD）行動。一個網絡平臺可以包容現有的企業資源規劃（ERP）和遺留環境，提供（國際軍火交易）ITAR合規性，支持與美國國防部部署的現有后勤解決方案的互操作性，支持多種語言，實時協作，低代碼軟件開發工具包（SDK），以及完整的端到端財務和審計能力。

1.0 引言

近年來，供應鏈中的漏洞不斷加劇，而且非常明顯，造成了各行業的問題。解決國防供應鏈中的漏洞對于任務的準備和拯救生命來說是必不可少的。由于國防供應鏈是威懾和防御海報的一個組成部分，這影響到從北大西洋公約組織（NATO）國家的軍事人員到全球各地的平民等廣泛的利益相關者，我們如何才能加強和建立國防供應鏈的彈性？ [1] 。

One Network Enterprises, Inc.（以下簡稱ONE）為北約提供支持。今天，不僅支持美國國防部，它專注于為多種服務和商品提供端到端的管理和可視性，而且還支持一個由10萬多家公司組成的大型廣泛的全球商業網絡，其中兩家公司因持續的供應鏈卓越而被評為前五名[2]。在今天的商業和政府部門中，缺乏整合、統一和真正的實時、在途的可視性來提高供應鏈的運營協同性。毫無疑問，提高供應鏈的協同性將改善整體運營。ONE提供了一個安全的多方、多層、基于云的數字供應鏈網絡?。這個創新的解決方案（目前正在生產中，管理著超過250億美元的美國國防部資產）可以協助北約提高供應鏈的可視性和責任感，而不考慮商品。加強和建立國防供應鏈的彈性，不僅對第一線的威懾和防御至關重要，而且還能：

• 改善對作戰人員的支持

• 在嚴酷的環境中運作

• 應對多層次和多服務的挑戰

• 通過端到端的可視性和端到端的可操作性進行整合和現代化建設

• 安全可靠，具有最佳的可用性

• 與現有的傳統系統和ERP系統無縫集成；增強整體業務流程

• 多國和多層次的主數據管理，尊重所有數據主權要求

• 在多樣化的國際環境中合規。

• 通過低代碼、向后兼容的開發者網絡，包括SDK和公共應用編程接口（API），在開發、配置和實施方面的選擇，以在永不遺留的環境中部署模塊

物流支持是一個成功的供應鏈的最前沿。需要的是不僅要消除和減少國防供應鏈內的風險，而且要有能力預測潛在的問題，并在問題發生時立即做出反應。一個能夠協助決策的實時解決方案對準備、響應和強化至關重要。

一個多語言的、具有外國軍售（FMS）能力的、與供應和運輸無關的解決方案通過我們的數字供應鏈網絡?提供了一個 "SVOT"。它作為一個記錄系統或參與系統運作，提供可操作的物流供應鏈可視性支持，以滿足任務目標。結合斷開的操作能力，該解決方案將提高軍事行動的物流可視性。數字供應鏈網絡?由ONE專有的AI/ML系統NEO驅動，是一個革命性的多方網絡，是世界上第一個也是唯一的實時決策供應鏈套件。它使無限數量的貿易伙伴能夠在網絡上實時計劃、執行、監控、同步和優化。該解決方案可以包容當前的系統，并優化它們的網絡，以提高可視性和可操作性的協同作用。下圖提供了數字供應鏈網絡?功能的高層次視覺表現。

圖1. 國防供應鏈服務。為解決國防挑戰而定制的商業平臺。

數字化供應鏈網絡可以為聯合和聯盟行動提供額外的好處：

• 與供應類別無關--支持所有供應類別，因此軍事組織現在可以在一個平臺上管理所有供應類別。

• 增強能力--提供管理資產的完整可見性，包括由其他部門、組織和國家管理的資產，并了解庫存的真正價值。

• 增加靈活性--根據需要與軍事程序配合，并可輕松配置，以滿足特定的軍事理論和法律/國家的授權。

• 使聯合和聯盟服務成為可能--該平臺是多方的、多軍種的，允許各軍種在彼此的投資基礎上進行更密切的合作。

• 支持未來的增長 - 擁抱其他技術，ONE開發網絡（DevNet）SDK使解決方案能夠被調整、擴展和從頭開始建立，以充分支持未來的需求。

摘要

在要求嚴格的航空航天、國防和安全領域，操作和維護人員必須在保證系統運行方面表現出色。因此，遠程培訓和支持是有助于實現這一目標的關鍵活動。滿足高度標準化的程序和復雜的任務，如果以傳統的方式進行，在物流、成本、安全和環保方面會有很大的缺陷。新興技術，特別是那些促進全面互聯互通的技術，正在為解決這些問題提供創新的解決方案。這一點正由建模與仿真服務（MSaaS）范式來解決，而諸如虛擬、增強和混合現實（VR/AR/MR）等新興技術提供了革命性的方法，能夠大幅降低成本并提高性能。在這種情況下，在聯盟正在進行的數字化轉型中，本文為遠程培訓和支持開發創新的解決方案，通過開發一個集成的協作數字平臺，使客戶在操作中得到充分的幫助，與專家進行遠程連接，并訪問所有相關文件，在云端安全地存儲和參考。然而，這種專用平臺的成功實施和運行是以全面連接、數據攝取和處理、云計算和網絡安全、人工智能等因素為前提的。

關鍵詞：建模與仿真、云計算、擴展現實、連接、培訓即服務、遠程培訓和支持。

1.0 引言

在過去的十年里，世界和工業已經進入了被定義為第四次工業革命的階段。它的特點是創新技術和工藝的出現，如超連接性、人工智能、機器人、物聯網、自動駕駛汽車、增材制造、納米技術、生物技術、材料科學、能源儲存、量子計算等等[1]。人們過去的操作和合作方式發生的最劇烈的轉變之一是平臺技術的崛起，特別是由數字化促成的平臺技術。事實上，大多數相關行業目前正處于現在眾所周知的數字轉型之中。雖然很少使用 "革命 "一詞，但包括北約在內的全球防務領域肯定正在許多（如果不是所有）部門中沖浪，進行數字化轉型。

軍隊需要有能力在復雜的現實環境中為部隊做準備，包括威脅和作戰環境（OE）不斷變化的靈活場景，以確保訓練有素的預備人員能夠在整個軍事行動范圍內執行任務。利用新興技術，軍隊現在比以往任何時候都更注重創造全方位的作戰環境（OE）能力和學習經驗，以訓練和準備部隊應對未來的作戰情況，而這些情況是由動蕩、不確定、復雜和模糊的全球安全所決定的。使用數字技術的創新為軍事領域注入了越來越多的能力。在很大程度上，根據北約建模與仿真總體規劃，未來的軍事能力（即理論、訓練、行動等）將由建模與仿真（M&S）來開發和支持[2,3]。為了強調這一重要性，北約STO內的北約M&S小組（NMSG）已經建立了一個方案，以建議、促進和協調聯盟機構、北約成員國和伙伴國之間的合作，最大限度地有效利用M&S解決方案。根據他們的設想，M&S服務和工具必須盡可能方便地被大量用戶使用，從而實現 "作為一種服務 "的方法，以提供更具成本效益的 "按需 "產品、數據和流程的可用性[4] 。

為了實現這一點，許多國防部隊被吸引到現場、虛擬和建設性（LVC）環境中進行訓練。這種方法確實突破了傳統訓練方法的限制，因為它提供了一個安全、更真實和身臨其境的體驗。它還提供了一個無限的空間來進行訓練，以及為增加真實感所需的所有可變威脅。M&S即服務（MSaaS）在NATO STO技術文件MSG-131[5]中已經被定義。"M&S即服務（MSaaS）是一種向客戶提供價值的手段，以實現或支持建模和仿真（M&S）用戶的應用和能力，并按需求提供相關數據，而不需要擁有具體的成本和風險"。這種 "作為一種服務 "的方法正在推動全球社區開發與這一理念相匹配的最新技術的產品，其目的是不僅在產品方面，而且在其相關的商業模式及其對行業與采購部門關系的影響方面獲得重大的現代化。萊昂納多作為國際陸軍、海軍、航空航天、國防和安全領域的領導者，一直在根據這些概念開發最先進的解決方案。

本文描述和討論了一些解決方案，主要集中在創新的培訓目的上，這大大顛覆了傳統方法。更具體地說，描述了用于提供服務的云平臺OCEAN，以及相關的合成環境（RIAce）和M&S中心之間的安全網絡基礎設施（SHORE）。此外，還介紹了專門為培訓目的設計的擴展現實工具。

摘要

兵棋模擬是一種決策工具，可以為利益相關者分析的場景提供定量數據。它們被廣泛用于制定軍事方面的戰術和理論。最近，無人駕駛飛行器（UAVs）已經成為這些模擬中的一個相關元素，因為它們在當代沖突、監視任務以及搜索和救援任務中發揮了突出的作用。例如，容許戰術編隊中的飛機損失，有利于一個中隊在特定戰斗場景中勝利。考慮到無人機的分布可能是這種情況下的決定性因素，無人機在超視距（BVR）作戰中的位置優化在文獻中引起了關注。這項工作旨在考慮敵人的不確定性，如射擊距離和位置，使用六種元啟發法和高保真模擬器來優化無人機的戰術編隊。為紅軍蜂群選擇了一種空軍經常采用的戰術編隊，稱為line abreast，作為案例研究。優化的目的是獲得一個藍軍蜂群戰術編隊，以贏得對紅軍蜂群的BVR戰斗。采用了一個確認優化的穩健性程序，將紅軍蜂群的每個無人機的位置從其初始配置上改變到8公里，并使用兵棋方法。進行了戰術分析以確認優化中發現的編隊是否適用。

索引詞：優化方法，計算機模擬，無人駕駛飛行器（UAV），自主智能體，決策支持系統，計算智能。

I. 引言

兵棋是在戰術、作戰或戰略層面上模擬戰爭的分析性游戲，用于分析作戰概念，訓練和準備指揮官和下屬，探索情景，并評估規劃如何影響結果。這些模擬對于制定戰術、戰略和理論解決方案非常有用，為參與者提供了對決策過程和壓力管理的洞察力[1]。

最近，無人駕駛飛行器（UAVs）作為一種新的高科技力量出現了。利用它們來實現空中優勢可能會導致深刻的軍事變革[2]。因此，它們的有效性經常在兵棋中被測試和評估。

由于具有一些性能上的優勢，如增加敏捷性、增加過載耐久性和增加隱身能力，無人機已經逐漸發展起來，并在許多空中任務中取代了有人系統[3]。然而，由于戰斗的動態性質，在視覺范圍之外的空戰中用無人系統取代有人平臺是具有挑戰性的。在空戰中，無人機可以被遠程控制，但由于無人機飛行員對形勢的認識有限，它將在與有人平臺的對抗中處于劣勢。然而，這種限制可以通過自動戰斗機動[4]和戰術編隊的優化來克服。此外，使用無人機可以允許一些戰術編隊和戰略，而這些戰術編隊和戰略在有人駕駛的飛機上是不會被考慮的，例如允許中隊的飛機被擊落，如果它有助于團隊贏得戰斗。文獻中最早的一篇旨在優化超視距（BVR）作戰中的飛機戰術編隊的文章[5]表明，空戰戰術是用遺傳算法（GA）進行優化的候選方案。該實施方案采用分層概念，從小型常規作戰單位建立大型編隊戰術，并從兩架飛機的編隊開始，然后是四架飛機，最后是這些飛機的倍數。在模擬中沒有對導彈發射進行建模。當一架飛機將其對手置于武器交戰區（WEZ）的高殺傷概率（Pkill）區域內一段特定時間，簡化的交戰模擬器就宣布傷亡。事實證明，所提出的方法的應用是有效的，它消除了團隊中所有沒有優化編隊的飛機，并為整個優化編隊的飛機團隊提供了生存空間。

Keshi等人[6]使用了與[5]相同的分層概念，從由兩架飛機組成的元素中構建大型戰術編隊。模擬退火遺傳算法（SAGA）被用來優化編隊，使其能夠克服對局部最優解的收斂。對16架飛機的編隊進行了優化，提出的最優解表明SAGA比基本的GA更有效。最后，為了探索一個穩健的SAGA，對不同的馬爾科夫鏈進行了比較，事實證明自調整馬爾科夫電流更適合所提出的問題。

Junior等人[7]提出使用計算機模擬作為一種解決方案，以確定BVR空戰的最佳戰術，使擊落敵機的概率最大化。在低分辨率下使用通用參數對飛機和導彈進行建模，并改編了名為COMPASS的模擬優化算法，模擬了兩架飛機對一架飛機的BVR戰斗。低分辨率模型假定在水平面的二維空間內有一個均勻的直線運動。使用優化的戰術表明，擊落敵機的平均成功率從16.69%提高到76.85%。 Yang等人[8]提出了一種方法來優化飛機對一組目標的最佳攻擊位置和最佳路徑。該工作考慮到飛機能夠同時為每個目標發射導彈，并將飛機與目標有關的攻擊性和脆弱性因素作為評價攻擊位置的指標。一個高保真模擬被用來模擬每個導彈的飛機、雷達、導彈和WEZ的動態特性。這項工作并沒有解決在BVR戰斗場景中優化一組飛機對另一組飛機的編隊問題。

Li等人[9]提出了一種基于指揮員主觀認識的編隊優化方法，即在空戰中目標設備信息不確定的情況下選擇飛機編隊的問題。首先，計算戰斗機的戰斗力，這是通過指揮員的主觀認識評估目標戰斗力的基礎。戰斗機的戰斗力以能力的形式表現出來，包括攻擊、探測、生存能力、通信、電子戰、預警系統等。因此，通過采用前景理論和綜合模糊評估來優化空戰訓練。最后，一個應用實例證明了該方法在小規模空戰中的可行性。作者聲稱，利用戰斗力評估戰斗情況的能力為優化空戰訓練提供了一種新的方法。

?zpala等人[10]提出了一種在兩個對立小組中使用多個無人駕駛戰斗飛行器（UCAVs）進行空戰的決策方法。首先，確定兩隊中每個智能體的優勢地位。優勢狀態包括角度、距離和速度優勢的加權和。在一個團隊中的每個智能體與對方團隊中的每個智能體進行比較后，每個航空飛行器被分配到一個目標，以獲得其團隊的優勢而不是自己的優勢。為一對對立的團隊實施了一個零和博弈。對許多智能體參與時的混合納什均衡策略提出了一種還原方法。該解決方案基于博弈論方法；因此，該方法在一個數字案例上進行了測試，并證明了其有效性。

Huang等人[11]開發了新的方法來處理UCAV編隊對抗多目標的合作目標分配和路徑規劃（CTAPPP）問題。UCAV的編隊是基于合作決策和控制的。在完成目標偵察后，訓練指揮中心根據戰場環境和作戰任務向每架UCAV快速傳輸任務分配指令。UCAV機動到由其火控系統計算出的最佳位置，發射武器裝備。合作目標分配（CTAP）問題通過增強型粒子群優化（IPSO）、蟻群算法（ACA）和遺傳算法（GA）來解決，并在歸因、精度和搜索速度等方面進行了比較分析。在進化算法的基礎上發展了UCAV多目標編隊的合作路徑規劃（CPPP）問題，其中提供并重新定義了獨特的染色體編碼方法、交叉算子和突變算子，并考慮燃料成本、威脅成本、風險成本和剩余時間成本來規劃合作路徑。

Ma等人[12]開展的工作解決了在BVR作戰場景中優化兩組（R和B）無人機對手之間的優勢地位問題。一個無人機ri∈R對一個無人機bj∈B的優勢是通過ri和bj之間的距離、ri的導彈發射距離的下限和上限、ri的高度和bj的高度之差以及ri的最佳發射高度來估計的。決定性的變量是無人機在兩組中的空間分布和每架飛機在這些組中的目標分配。無人機在三維作戰空間BVR中的可能位置被簡化（離散化），通過立方體的中心位置來表示。每個無人機組都有一組立方體。優化問題被建模為一個零和博弈，并被解決以獲得納什均衡。

Ma等人[12]提出的工作沒有使用高保真模擬來分析無人機空間分布的選擇和分配給它們的目標對BVR作戰的影響。高保真模擬對飛機、雷達、導彈及其導彈的WEZ的動態特性進行建模。這些動態特性也影響到BVR作戰時每架飛機的行動觸發，因此也影響到最終的結果。例如，如果在兩組無人機之間第一次沖突后的時間窗口內考慮高保真BVR作戰模擬，新的沖突可能會發生，直到模擬結束。因此，每個在交戰中幸存的無人機將能夠選擇一個新的目標，這取決于可用目標的優勢值。在[12]中沒有考慮與無人機行為有關的不確定性。有關敵方無人機在戰術編隊中的確切位置及其導彈發射距離的信息是行為不確定性的例子。這兩個信息和上面描述的其他信息在BVR戰斗中是相關的：它們直接影響飛機之間的交戰結果。

在這項研究中，我們試圖解決文獻中發現的一些局限性，如低分辨率模擬、與敵人有關的不確定性的處理以及缺乏對優化解決方案的穩健性的確認，旨在提高兵棋結果的質量。我們的目標是驗證哪些藍色蜂群的戰術編隊可以在BVR戰斗中戰勝紅色蜂群。作為一個案例研究，RED蜂群使用了空軍經常采用的戰術編隊，稱為line abreast[13]。為了評估BLUE蜂群解決方案的穩健性，我們解決了新的問題，改變了RED蜂群每架飛機的位置，目的是估計新的RED蜂群編隊對BLUE蜂群的優化戰術編隊的效率的影響。

我們使用自主智能體和高保真計算機模擬來優化BVR戰斗中的無人機戰術編隊，考慮與敵人相關的不確定性，如戰術編隊中的位置誤差和導彈發射距離。統一行為框架（UBF）被采納為創建自主智能體的基礎。飛機和導彈在三維環境中用六個自由度（DoFs）建模。

該程序將在接下來的章節中進一步討論。

摘要

人工智能領域的進展繼續擴大這組技術的潛在軍事應用范圍。本文探討了信任在人機聯合作戰中的關鍵作用，以及依靠人工智能來補充人類認知的潛在影響。如果依靠人工智能來準確處理傳感器數據，操作自主系統和平臺，或通過擬議的作戰概念（如以決策為中心的戰爭）提供有利的決策支持，設想機器智能的中央指揮和控制作用，那么信任機器智能將是未來作戰中的一個關鍵組成部分。鑒于這些技術和理論的發展，信任的概念對于機器智能在戰術和作戰層面的軍事行動中的使用變得高度相關，正確校準的信任水平是安全和有效行動的基礎。在簡要回顧了機器智能的最新進展和對信任概念的探索之后，本文概述了人工智能在戰場上的當前和潛在應用，以及由不充分或不合理的高信任度帶來的挑戰。

引言

縱觀歷史，技術已經擴大了武裝沖突的領域，戰術交戰的節奏，戰場的地理范圍，以及指揮官與部隊溝通的手段。技術創新--包括軍事和民用--改變了軍隊的作戰方式以及國家計劃和進行這些沖突的方式。在21世紀，迄今為止，很少有進步能像統稱為人工智能（AI）的一組技術那樣獲得如此多的關注。人工智能正準備迎來一個新的時代，在這個時代，機器智能和自主性正在為軍事行動的規劃和執行產生明顯的新概念。算法戰爭可能會帶來一些獨特的東西：增強甚至取代人類決策過程的系統，其速度可能超過人類規劃者的認知能力。
新興技術的整合提出了任何數量的基本組織和倫理問題，值得關注。本文將采用定性的社會科學方法，重點討論人類-自治團隊（HAT）的一個重要方面：鼓勵對機器智能的適當信任程度。有大量的學術文獻關注自動化或機器人技術中的信任問題，但有關具體軍事應用的工作較少。當人工智能在聯合作戰中被實際部署時，在信任方面有哪些挑戰和機會？在簡要回顧人工智能和概述機器智能在戰場上的可能應用之后，本文在分析鼓勵適當信任水平的陷阱和潛在解決方案之前，探討了信任和信任校準的概念。

人工智能的進展

幾十年來，人類一直對賦予機器某種形式的人工智能的可能性著迷，Nils Nilsson將其定義為 "致力于使機器智能化的活動，而智能是使一個實體在其環境中適當運作并具有預見性的品質"。在數字時代的早期，出現了兩種廣泛的人工智能方法。自上而下的專家系統方法使用復雜的預編程規則和邏輯推理來分析一個特定的數據集。對于具有可預測規則的明確定義的環境--諸如分析實驗室結果或下棋等應用--專家系統或 "符號 "人工智能（基于符號邏輯）的性能主要取決于處理速度和算法的質量。另一大類使用自下而上的機器學習方法，模擬人類通過檢測數據中的模式進行學習的方式。神經網絡是一種以人腦為模型的機器學習形式，能夠通過使用多個（因此是 "深"）人工神經元層來識別復雜的模式，是被稱為 "深度學習 "的技術的基礎。通過其在數據集中尋找關系的能力，這種技術也被稱為 "連接主義"。
自上而下、基于規則的符號系統和自下而上的機器學習連接主義技術之間的差異是很大的，特別是關于它們的潛在應用范圍和靈活性。深度學習方法的顯著特點是能夠將學習與它所訓練的數據集分開，因此可以應用于其他問題。基于規則的算法可以在狹義的任務中表現得非常好，而深度學習方法能夠迅速找到模式，并在 "蠻力 "專家系統計算方法無效的情況下有效地自學應用。最近的一些人工智能進展顯示了模仿創造力的能力，產生了有效的解決問題的方法，這些方法對人類來說可能是反直覺的。
然而，總的來說，人工智能仍然是狹窄的或 "脆弱的"，即它們在特定的應用中功能良好，但在用于其他應用時仍然不靈活。與人類的認知相比，鑒于機器的計算速度遠遠超過人腦，機器智能在將邏輯規則應用于數據集時要優越得多，但在嘗試歸納推理時，它必須對數據集或環境進行一般性的觀察，這就顯得不足。大多數機器學習仍然需要大量的訓練數據集，盡管新的方法（包括生成對抗網絡（GAN）和 "小于一次 "或LO-shot學習）正在出現，需要非常小的數據集。圖像識別算法很容易被混淆，不能像人類那樣立即或直觀地理解情景背景。這種脆性也延伸到了其他問題，比如游戲。雖然人工智能在視頻游戲中經常表現出超人的能力，但他們往往不能將這種專業知識轉移到具有類似規則或玩法的新游戲中。
 雖然人工智能技術繼續在變得更加適應方面取得重大進展，但任何接近人類的人工通用智能仍然難以實現。評估人工智能的近期前景因該技術的漸進式進展而變得更加復雜。圍繞著人工智能的炒作--在很大程度上被深度學習方法的成功所推動--既導致了對該技術未來的不切實際的期望，也導致了對其非常大的進展的正常化。正如一份報告所指出的，"人工智能將一項新技術帶入普通人的視野，人們對這項技術習以為常，它不再被認為是人工智能，而出現了更新的技術"。盡管象征性的人工智能和各種形式的機器學習構成了該領域最近的大部分進展，也許除了融合這兩種方法的嘗試之外，未來仍然不確定。一些人猜測，機器學習技術帶來的進展可能會趨于平穩，而另一些人則保持樂觀。相關的技術進步，如短期內的計算機芯片設計和長期內的量子計算，可能會影響進一步進展的速度。

Drone Wars UK 的最新簡報著眼于人工智能目前在軍事環境中的應用方式，并考慮了所帶來的法律和道德、作戰和戰略風險。

人工智能 (AI)、自動決策和自主技術已經在日常生活中變得普遍，并為顯著改善社會提供了巨大的機會。智能手機、互聯網搜索引擎、人工智能個人助理和自動駕駛汽車是依賴人工智能運行的眾多產品和服務之一。然而，與所有技術一樣，如果人們對人工智能了解甚少、不受監管或以不適當或危險的方式使用它，它也會帶來風險。

在當前的 AI 應用程序中，機器為特定目的執行特定任務。概括性術語“計算方法”可能是描述此類系統的更好方式，這些系統與人類智能相去甚遠，但比傳統軟件具有更廣泛的問題解決能力。假設，人工智能最終可能能夠執行一系列認知功能，響應各種各樣的輸入數據，并理解和解決人腦可以解決的任何問題。盡管這是一些人工智能研究計劃的目標，但它仍然是一個遙遠的前景。

AI 并非孤立運行，而是在更廣泛的系統中充當“骨干”，以幫助系統實現其目的。用戶不會“購買”人工智能本身；他們購買使用人工智能的產品和服務，或使用新的人工智能技術升級舊系統。自主系統是能夠在沒有人工輸入的情況下執行任務的機器，它們依靠人工智能計算系統來解釋來自傳感器的信息，然后向執行器（例如電機、泵或武器）發出信號，從而對機器周圍的環境造成影響.

人工智能被世界軍事大國視為變革戰爭和獲得戰勝敵人的優勢的一種方式。人工智能的軍事應用已經開始進入作戰使用，具有令人擔憂的特性的新系統正在迅速推出。與軍事和公共部門相比，商業和學術界已經引領并繼續引領人工智能的發展，因為它們更適合投資資金和獲取研究所需的資源。因此，未來人工智能的軍事應用很可能是對商業領域開發的技術的改編。目前，人工智能正在以下軍事應用中采用：

• 情報、監視和偵察
• 賽博戰
• 電子戰
• 指揮控制和決策支持
• 無人機群
• 自主武器系統

人工智能和英國軍事

綜合審查和其他政府聲明毫無疑問地表明，政府非常重視人工智能的軍事應用，并打算繼續推進人工智能的發展。然而，盡管已經發布了概述使用自動化系統的學說的出版物，但迄今為止，英國國防部 (MoD) 仍然對管理其人工智能和自主系統使用的倫理框架保持沉默，盡管已經做出了一些重大決定。軍事人工智能的未來用途。

英國國防部一再承諾發布其國防人工智能戰略，預計該戰略將制定一套高級倫理原則，以控制軍事人工智能系統的整個生命周期。該戰略是在與來自學術界和工業界的選定專家討論后制定的，盡管政府尚未就與人工智能的軍事用途相關的倫理和其他問題進行公開磋商。該戰略的主要目的之一是向行業和公眾保證，國防部是人工智能項目合作的負責任合作伙伴。

與此同時，在沒有任何道德指南的情況下，計劃和政策正在迅速推進，主要問題仍未得到解答。英國軍隊在什么情況下會采用人工智能技術？政府認為何種程度的人為控制是合適的？風險將如何解決？英國將如何向其盟友和對手證明英國打算采取有原則的方法來使用軍事人工智能技術？

軍事人工智能系統帶來的風險 上述人工智能的每一種不同的軍事應用都會帶來不同的風險因素。作為國防部總部后臺操作的一部分，對數據進行排序的算法會引發不同的問題和擔憂，并且需要與自主武器系統不同級別的審查。

盡管如此，目前正在開發的人工智能系統無疑會對生命、人權和福祉構成威脅。軍事人工智能系統帶來的風險可以分為三類：道德和法律、操作和戰略。

道德和法律風險

• 遵守戰爭法： 目前尚不清楚機器人系統，特別是自主武器如何能夠滿足戰爭法制定的致命決定和保護非戰斗人員的標準。

-問責制：目前尚不清楚如果出現問題，誰來承擔責任：如果計算機運行不可預測并因此犯下戰爭罪行，懲罰它是沒有意義的。

• 人權和隱私：人工智能系統對人權和個人隱私構成潛在威脅。

• 不當使用：在戰斗環境中處于壓力之下的部隊可能會試圖修改技術以克服安全功能和控制。

作戰應用風險

• 偏見的技術來源：人工智能系統的好壞取決于它們的訓練數據，少量損壞的訓練數據會對系統的性能產生很大影響。

• 偏見的人為來源：當人類濫用系統或誤解其輸出時，可能會導致偏見。當作戰員不信任系統或系統非常復雜以至于其輸出無法解釋時，也會發生這種情況。

• 惡意操縱：軍用 AI 系統與所有聯網系統一樣，容易受到惡意行為者的攻擊，這些行為者可能試圖干擾、黑客攻擊或欺騙系統。

戰略風險

• 降低門檻：人工智能系統帶來了政治領導人在沖突中訴諸使用自主軍事系統而不是尋求非軍事選擇的風險。

• 升級管理：涉及人工智能的軍事行動的執行速度降低了審議和談判的空間，可能導致快速意外升級并造成嚴重后果。

• 軍備競賽和擴散：對軍事人工智能的追求似乎已經引發了軍備競賽，主要和地區大國競相發展其能力以保持領先于競爭對手。

• 戰略穩定性：如果先進的人工智能系統發展到能夠預測敵人戰術或部隊部署的程度，這可能會產生高度不穩定的后果。

本簡報列出了為人工智能設想的各種軍事應用，并強調了它們造成傷害的可能性。它認為，減輕軍事人工智能系統帶來的風險的建議必須基于確保人工智能系統始終處于人類監督之下的原則。

迄今為止，公眾對人工智能和機器人技術進步所帶來的社會變化和風險似乎知之甚少。這份簡報的部分目的是為了敲響警鐘。人工智能可以而且應該用于改善工作場所的條件和對公眾的服務，而不是增加戰爭的殺傷力。