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

本文介紹了一種獨特的方法，即由一個裝有網的飛行機器人對不合作的無人駕駛飛行器進行中空自主空中攔截。本文提出了一種名為 “快速響應比例導航（FRPN）”的新型攔截制導方法，旨在依靠機載狀態估計和跟蹤捕捉靈活機動的目標。在使用 100 個不同復雜度的目標軌跡（包括近 14 小時的飛行數據）進行的仿真中，將所提出的方法與最先進的方法進行了比較，結果表明 FRPN 的響應時間最短，攔截次數最多，而這正是敏捷攔截的關鍵參數。為了能夠從理論和仿真穩健地轉移到實際應用中，我們的目標是避免過度擬合目標的特定假設，并解決攔截未知總體軌跡目標的問題。此外，我們還發現了與目標狀態的跟蹤和估計有關的幾個經常被忽視的問題，這些問題會對系統的整體性能產生重大影響。我們建議使用基于交互多模型濾波器和新測量模型的新型狀態估計濾波器。模擬實驗表明，在考慮一般軌跡時，與常用的卡爾曼濾波法相比，所提出的解決方案能顯著提高估計精度。在這些結果的基礎上，我們采用所提出的濾波和制導方法實現了一個完整的自主攔截系統，該系統在現實模擬中得到了全面評估，并在與機動目標進行的真實世界實驗中得到了測試，其性能遠遠超出了任何最先進解決方案的性能。

圖 1：使用擬議系統成功自主攔截移動目標的拼圖。從 t1 到 t4 的機動時間約為 2 秒。

圖：一名指揮與總參謀學院的學生使用 ChatGPT 完成學校作業。

2022 年 11 月，OpenAI 的 Chat Generative Pre-Trained Transformer（ChatGPT）公開發布。這款人工智能聊天機器人具有革命性意義。ChatGPT 可根據用戶提示生成詳細、無縫的文本。它可以寫作文和詩歌，可以調試和編寫計算機代碼。以往任何技術都無法如此快速有效地完成這些任務。而 ChatGPT 的發布只是近期生成式人工智能（AI）眾多進展中的一個高度公開的時刻。2023 年，微軟發布了由人工智能驅動的新版必應搜索引擎，OpenAI 也發布了新的 GPT-4 模型。

自 ChatGPT 發布以來，生成式人工智能一直占據著頭條新聞，尤其是在學術界。一些知名刊物刊登了這樣的論點："大學論文已死"，沒有人為學術界的變革做好準備，ChatGPT 是 "對高等教育的威脅"，高等教育必須 "不變革就死亡"。聊天機器人甚至被比作 "瘟疫"，讓人聯想到 COVID-19 對教育的毀滅性影響。一些學校的回應是立即禁止在其網絡上訪問 ChatGPT。其他學校則利用人工智能內容檢測軟件來識別和懲罰使用生成式人工智能完成家庭作業的學生。

美國陸軍也未能幸免。陸軍職業要求軍官在整個職業生涯中參加專業軍事教育 (PME)。PME 教育工作者與民間學術機構的同行們一樣，正在努力與生成式人工智能進行談判。部分挑戰源于當前關于生成式人工智能的爭論。這些爭論往往是極端的--對高等教育的死亡或生產力的革命性提高持兩極化的看法，而且是抽象的--以技術本身而非其在學習中的具體使用案例為論點。概念層面的爭論固然重要，但對于必須決定如何在課堂上立即做出反應的教師來說，這些爭論并不總是有幫助的。

指揮與總參謀學院（CGSC）最近通過了認證，成為向即將畢業的學生頒發碩士學位的機構，該學院制定了一項政策，允許各門課程自行決定是否可以使用生成式人工智能。然而，在實踐中，CGSC 向學生傳達的壓倒性信息是，他們應該完全避免使用該技術，否則就有可能失去他們的 PME 學分。禁止性政策的實施表明，陸軍 PME 對生成式人工智能的風險高度敏感。采用人工智能確實存在風險，尤其是在不考慮潛在成本的情況下盲目采用。但普遍回避該技術也存在風險。正如國防部的數據戰略所明確指出的，陸軍領導人必須是數據通。因此，CGSC 和其他 PME 所面臨的挑戰是，既要支持和鼓勵使用人工智能來提高學生的學習能力，又要減少使用人工智能來阻礙學生批判性思維能力的發展。

本文在陸軍 PME 的背景下對生成式人工智能提出了兩種截然相反的觀點：一方面是對生成式人工智能的公然抵制，另一方面是對人工智能的毫無疑問的接受。PME教育者應從務實和審慎的角度出發，避免這些極端觀點，并以PME的目的為導向。教育工作者可以同時承認人工智能的重要益處，同時認識到有必要為其使用設置警戒線，因為不加限制地采用人工智能可能會破壞我們的教育使命。從這一角度出發，放棄極端的選擇，就會產生本文概述的幾項實用建議。

避免極端

對生成式人工智能的一種可能反應是直接拒絕將其用于 PME。CGSC 的教師可能會向學生傳達這種觀點，認為 ChatGPT 只會導致剽竊案件和可能的開除。持這種觀點的 PME 領導者可能出于各種原因對人工智能技術保持警惕。意識到 ChatGPT 可以寫出完整的論文，他們可能會否認任何有效的用途，這可能會促使他們禁止學生以任何身份使用人工智能。更糟糕的是，他們可能會堅持使用最能激勵使用生成式人工智能的作業，即使他們取締了這種使用。他們可能會假定未經授權使用生成式人工智能的現象比實際情況更加猖獗。他們可能不會關注這項技術的重要和長期影響，甚至不會了解它的基本功能。

普遍的否定過于輕視對專業教育和國家安全的潛在益處，而這兩個領域正是每一位即將畢業的戰地軍官的職責所在。不利用人工智能工具將意味著我們的學生、機構和國防喪失競爭優勢。粗暴地全面禁止人工智能工具將以維護我們使命的名義破壞我們的使命。在教學大綱和旨在培養批判性思維能力的作業政策中對人工智能的使用做出具體禁止規定是有益的，但教師應避免對該技術的普遍敵意和對使用該技術的學生的敵視。

對于 ChatGPT 的出現，另一種極端的反應是不加批判地接受生成式人工智能，將其視為最新的計算器或文字處理器。在這種觀點中，生成式人工智能只是一種最新技術，只要教職員工加入進來，就能改善高等教育。非批判性支持者希望在整個教育領域毫無疑問地采用生成式人工智能。

聊天機器人的確與早期的顛覆性技術有幾分相似。相似之處之一是一些教育工作者最初的抵制反應，這與上世紀八十年代反對采用計算器的爭論（甚至小規模抗議）以及九十年代對課堂使用計算機的擔憂如出一轍。

另一個相似之處是，聊天機器人與早期的技術一樣，可以代替完成任務和遵守規則（ChatGPT 可以檢查拼寫、寫出完整的句子等），從而提高學生的學習效率，釋放學生的精力進行創造性思考。主張在高等教育中使用生成式人工智能的人指出了該技術在改善學生學習方面的潛力，他們的看法是正確的。生成式人工智能可以幫助學生為論文中有趣的主題集思廣益，充當一般學習的對話導師，或為更高級的主題提供背景知識。人工智能工具還能根據用戶的簡單書面指令生成功能性編程腳本，例如用于清理和分析數據的腳本--一些觀察家將這種能力稱為英語的下一個大型編程語言。在諸如此類的應用中，生成式人工智能可以在不影響學習過程的前提下，通過加快工作速度和提高生產率來支持學生的學習。

然而，普遍采用的問題在于，生成式人工智能可以做得更多。ChatGPT 可以綜合證據，生成論點陳述，并提出連貫而全面的論據來支持論點陳述，同時還能平衡相互矛盾的信息。在 CGSC 中，學生可以上傳條令文件，并要求 ChatGPT 對所選節選內容進行總結。在這些方面，ChatGPT 顯然比最新的打字機更勝一籌。當我們關注具體的使用案例，并提醒自己知識不僅是一種產品，也是一個過程時，它們之間的差異就顯而易見了。有時，ChatGPT 可以通過提供信息和提高效率來補充批判性思維。但在其他時候，這項技術可以取代批判性思維。

懷疑論者基于 ChatGPT 眾所周知的局限性，如 "自信地 "誤傳信息、"幻覺 "事實或不引用資料來源等傾向，過快地否定了這一點。然而，這場爭論的關鍵點并不在于生成式人工智能是否能比人類更好地完成所有書面任務，也不在于聊天機器人是否真的具有智能，而在于它是否能始終如一地完成合格的作品，這就為學生縮短發現和深入思考的過程提供了動力。

圖：平衡教育工作者的極端反應

那些采取 "不加批判地接受 "觀點的人過于輕視權衡利弊。在課程的方方面面都采用這種技術的 PME 肯定會教給學生有用的技能，比如如何與人工智能進行有效互動，但往往會犧牲培養學生高階思維能力的機會。培養這些能力的重要性明確體現在 CGSC 的愿景中，即培養能夠在不確定和復雜的世界背景下進行批判性和創造性思考，并以靈活、敏捷和創新的方式做出反應的外勤級軍官。這些目標是我們的支柱。生成式人工智能的某些應用將直接違背這一使命。不加批判的擁護者一味追求普遍采用，并將推理的替代品與效率的提高混為一談，從而忽視了學生所付出的實際代價，更不用說在其他重要辯論中發現的潛在代價，如錯誤信息和兩極分化的加劇或對科學知識信心的破壞。

給教育工作者的建議

關于生成式人工智能的這兩種截然相反的觀點很可能會扭曲教育工作者在課堂上的反應。將辯論組織成這種相互矛盾的立場之間的對壘，會給希望在掌握既定任務的同時駕馭這種新的復雜性的教育工作者帶來困惑。

教育工作者既要承認人工智能的重要益處，也要認識到在使用人工智能時需要有警戒線，通過關注 PME 教育工作者的使命和生成式人工智能的具體應用，明確這兩項當務之急，從而從中獲益。從這個角度出發，以下一系列實用建議將有助于指導教育工作者在使用人工智能時，既能提高生產力，又能支持他們培養批判性思維者的目標。

• 建議： 抓住機遇，重新評估和改革教學法與評估，讓學生參與其中

新環境為重新評估教學法和評估提供了機會。教育工作者不應努力 "抓住 "學生使用人工智能的機會，而應努力重新思考教學和作業，以激發創造力，激活對課程材料的熱情，并激勵學生參與學習過程。關鍵是要從促進學生參與學習和作業的角度來思考問題，這樣學生就不會把所有作業都推給聊天機器人，而不是從揭示聊天機器人的貢獻的角度來思考問題。

教育工作者應該重新認真評估書面作業。那些人工智能可以 "毫不費力 "地完成而無需人工參與的作業應予以修改或取消。例如，學生很少參與的聊天機器人可以完成一項要求總結著名歷史事件的作業。與此同時，如果作業要求學生選擇一個對其家庭或自身從軍經歷非常重要的歷史事件，并用課程概念對其進行解釋，聊天機器人是可以完成的，但會打擊學生做出選擇的積極性。在這種情況下，學生的自然反應是逃避（"不使用人工智能是我學生的責任"）。現在，學生可能比以往任何時候都更需要找到擁有自己學習體驗的動力。但是，教育者仍然可以通過設定苛刻的期望、挑戰學生的成長和克服不適應來發揮作用。盡管要求很高，但對教師來說，一個有用的起點假設可能是，現有的每項作業都可以變得不那么公式化，而更有針對性，以激活學生的核心動機，從而抑制對人工智能的適得其反的使用，激勵個人對知識的追求。

在教學法方面，教育工作者也應采取類似的方法。是否有辦法通過課堂教學來鼓勵學生善用生成式人工智能？例如，在課堂上進行更深入的批判性分析之前，能否將生成式人工智能用作頭腦風暴功能？引入生成式人工智能為教育工作者和學生都帶來了機遇。了解該技術正反兩面的教育工作者可以改革課程和教學方式，鼓勵學生更多參與。

• 建議：要求所有課程大綱以細致入微的方式處理生成式人工智能的適當使用問題

所有課程的開發者都有責任在課程大綱中加入生成式人工智能條款，為其在作業和課堂上的使用設立警戒線。這些規定必須經過深思熟慮。教學大綱中的規定不應僅僅側重于限制 ChatGPT 的使用（或指定允許檢測的規則），還應側重于構建規則，以積極促進學習和深思熟慮地使用人工智能。

處理這些規定的一種方法是確定在哪些具體情況下可以使用人工智能，在哪些情況下不可以。任何一套規定都要囊括所有好處或降低所有風險，這是不現實的，尤其是在技術不斷進步的情況下；然而，選擇不設置任何警戒線的教官會給學生的學習成果帶來大得多的風險，從而給 PME 和整個陸軍帶來更大的風險。

禁止人工智能某些用途的聲明可能是這樣的 "使用生成式人工智能很可能會破壞研究和寫作過程，從而阻礙課程目標的實現，而研究和寫作過程對于培養學生的高階思維能力至關重要。因此，在 F100 部隊管理論文的研究和寫作過程中，禁止在任何時候使用 ChatGPT 或其他生成式人工智能工具"。

促進生成式人工智能特定用途的聲明可能是這樣的： "可以接受并鼓勵使用 ChatGPT 和其他生成式人工智能工具來為本課程的創意寫作作業集思廣益，作為本課程核心概念的對話導師，以及作為進行定量分析的編碼輔助工具。引用生成式人工智能工具的任何貢獻。請記住，這些工具可能會提供誤導性和不正確的回答，并確保您避免過度依賴人工智能輸出"。

• 建議：避免使用人工智能內容檢測工具進行過度測試。優先考慮教師的專家直覺

即使教育工作者決定在特定情況下禁止使用人工智能，他們也必須注意避免過度優先檢測人工智能生成的內容。關注可能的學術違規行為固然重要，但過分強調檢測會導致懲罰性和交易性思維，這與教育者的核心使命不符。此外，對提交的作業中使用人工智能的情況進行隨機或全盤檢測，會導致教育工作者嚴重高估班級中使用人工智能的普遍程度，以及在任何特定學生作業中使用人工智能的可能性（見第 6 頁邊欄）。

• 建議：設計、實施并持續開展針對教師的生成式人工智能教育與培訓

要回答人工智能的使用如何影響批判性思維能力的發展，以及教師在某些情況下是否應該禁止或推廣人工智能等問題，教育工作者必須了解這項技術本身--它是什么、它能做什么、它不能做什么，以及它可能如何發展。

所有教師都應接受生成式人工智能方面的教育和培訓，以積累這方面的知識。這里的 "培訓 "一詞很關鍵。人工智能培訓不同于只是抽象地討論技術的研討會式的教師講習班。培訓要求對技術的工作原理和作用進行有準備的指導。例如，西點軍校在 2023 年 1 月舉辦了關于大型語言模型及其能力和限制的培訓，以幫助教師確定何時適合在課堂上使用 ChatGPT。

西點軍校的這些工作值得稱贊，但如果不能持續下去，這些努力將是不完整的。從長遠來看，所有 PME 都應考慮就 ChatGPT 和其他人工智能的發展開展定期培訓和對話。機構的反應不能是短期的狂熱和長期的沉默。正如生成式人工智能模型在訓練數據中遇到新的 "現實 "時會發生變化一樣，教師也應定期更新他們對人工智能工具的理解。

• 建議： 加強各級學術領導層對 ChatGPT 時代核心使命的機構宣傳

PME 的所有教師都肩負著在課堂和作業中使用生成式人工智能的重任。在這一領域，自下而上的解決方案至關重要。然而，教師們可能并不完全了解這項技術或其成本與收益，而且在面對其他極端人士的強烈批評時，他們甚至可能難以倡導有理有據的建議。

PME 領導人在書面政策或口頭交流中發出的一致信息，將為試圖駕馭巨變的教師提供支持。無論任何新技術（或大流行病或世界危機）如何，陸軍 PME 的目的始終不變--培養敏捷、適應性強的領導者，讓他們在復雜環境中實現認知超配，從而贏得勝利。圍繞人工智能的討論應不斷提出問題，探討這一技術的具體應用將如何促進軍官學習和發展高階思維技能。生成式人工智能將有益于教育，但并非在任何情況下都是如此，教員們在確定專業軍事教育的目的時，將能更好地識別這些特定情況。

未來對當前方法的啟示

事物發展日新月異。去年，谷歌宣布首次發布 "實驗性對話式人工智能服務 "Bard，即現在的 "雙子座"，并指出 "最大的人工智能計算規模每六個月翻一番，遠遠超過摩爾定律"。史蒂夫-沃茲尼亞克（Steve Wozniak）、埃隆-馬斯克（Elon Musk）和其他科技領袖呼吁暫停人工智能發展中的 "失控競賽"。

鑒于如此高的變化率，即使是最周到、最個性化、最復雜或最及時的任務，聊天機器人在不遠的將來也能完成。對未來的憧憬以及由此引發的爭論，讓我們很想舉手投降。然而，隨著美國國防部的數據戰略鼓勵進一步整合人工智能，PME 的教育工作者應該抓住機遇，在這一領域發揮領導作用。如果教育工作者只是為了阻止人工智能的使用而無休止地布置更加復雜的作業，那么他們的命運將是西西弗斯式的。另一方面，不加批判地接受人工智能是所有情況下的 "金手指"，也會適得其反。PME教育工作者既不要害怕也不要對這項技術一無所知，他們應該努力找出有價值的使用案例，改革教學方法，保持與學生之間的信任，并對培養陸軍領導者批判性思維能力的使命充滿信心。

美國陸軍正在為營級及以下的地面機動部隊采購一系列小型無人機系統（sUAS），以提供實時偵察、監視和目標捕獲（RSTA）能力。在過去二十年中，這一角色主要由 AeroVironment 公司的 RQ-11 “烏鴉”（Raven）（圖 1）承擔。2024 年 2 月 8 日，陸軍部長克里斯蒂娜-沃穆斯和陸軍參謀長蘭迪-喬治將軍宣布陸軍計劃逐步淘汰 RQ-11 "烏鴉"，作為陸軍航空投資更廣泛 "再平衡 "的一部分。該產品涵蓋第 1 類和第 2 類無人機系統--重量小于 55 磅、飛行高度在距地面 3500 英尺或以下的無人機系統--旨在作為陸軍傳統 RSTA sUAS 的后繼機型。

圖 1. AeroVironment公司RQ-11 Raven

背景介紹

1988 年，美國國防部（DOD）無人機聯合項目辦公室（UAV JPO）發布了首個無人機 "總體規劃"，確定了無人機系統的需求和采購戰略。《總體規劃》建議為 "低級戰術單元 "提供 "近距離 "無人機系統，這種系統可以大量采購，而且成本低廉。20 世紀 90 年代末和 21 世紀初，由陸軍主導的實驗項目 "城市地形軍事行動先進概念技術演示"（MOUT ACTD）展示了便攜式無人機系統如何為地面單元提供更強的態勢感知和部隊保護。MOUT ACTD促使陸軍和特種作戰司令部（SOCOM）與AeroVironment公司合作，于2002年開發出固定翼、重4磅的RQ-11 "烏鴉"，它是海灣戰爭時期AeroVironment公司FQM-151 "指針"（Pointer）的更小、更先進的版本。陸軍于 2003 年引進了 RQ-11，到 2010 年，已部署了近 4000 架 "烏鴉 "飛機。海軍陸戰隊、特種作戰司令部和空軍也采用了 "烏鴉"。

從 2010 年代初開始，陸軍官員制定了擴大該軍種小型無人機系統能力的計劃，包括一系列短程、中程和遠程無人機系統平臺。根據 2013 年批準的 "背包便攜式無人機系統增量 II 能力生產文件"（RPUAS CPD），陸軍向連隊和營隊分別提供了改裝的 "烏鴉 "和數量有限的 AeroVironment RQ-20 "美洲豹 "無人機系統，用于臨時性的中程和遠程 RSTA 能力，直到為這些角色開發出新的平臺為止。與此同時，各排將裝備一種短程無人機，陸軍計劃在本十年晚些時候開始研制這種無人機。另外，2017 年，陸軍批準了 "士兵攜帶傳感器"（SBS）計劃，為步兵班購置微型無人機。陸軍選定FLIR系統公司的 "黑色大黃蜂 "作為SBS，并于2018年5月授予FLIR公司首批SBS系統合同。

國防部國防創新單元（DIU）于2018年11月發布了一份信息征詢書（RFI），征詢一種四旋翼無人機作為短程sUAS；次年4月，DIU與陸軍合作開展排級無人機項目。對于中程和遠程 sUAS，陸軍直到 2020 年代初才開始尋求 "烏鴉 "和 "美洲豹 "的后繼機型。

2023 年 6 月，陸軍將 RPUAS CPD 要求過渡到《聯合小型無人機系統能力發展文件》（J-sUAS CDD），該指導文件規定了陸軍計劃的 RSTA sUAS 系列的關鍵系統和性能屬性以及采購時間表。與陸軍 2013 年的 RPUAS CPD 類似，J-sUAS CDD 描述了陸軍計劃在排、連和營各級分別部署陸軍現在所稱的短程偵察 (SRR)、中程偵察 (MRR) 和遠程偵察 (LRR) 無人機系統。此外，J-sUAS CDD 還包含三項新舉措--用于班排的第一人稱視角 (FPV) 無人機、用于排的系留無人機系統以及用于連的無人機群能力--所有這些需求仍處于不同的開發階段。包括 SBS 在內，J-sUAS 架構包括七個項目。

J-sUAS CDD 對飛機的要求在幾個方面與 "烏鴉 "和 "美洲豹 "不同。烏鴉 "和 "美洲豹 "sUAS 采用傳統的固定翼配置，這可能會影響它們在城市或森林地區等限制性地形中的使用。對于 SRR、MRR 和 LRR 無人機系統，陸軍似乎優先考慮多旋翼或混合 VTOL 配置形式的垂直起降（VTOL）能力。陸軍關于未來 sUAS 的 RFI 表明，陸軍計劃采購可投放致命有效載荷的飛機，如空投手榴彈或滑翔彈藥。與主要用于監視和偵察的 "烏鴉 "和 "美洲豹 "相比，陸軍可能需要下一代小型無人機系統執行更多任務，包括發動致命打擊和為其他無人機和地面單元中繼通信。

美陸軍 2025 財年預算申請中的小型無人機系統

在 2025 財年擬議預算中，陸軍為 SRR、MRR 和 LRR 無人機系統申請了約 4610 萬美元的采購資金和 2680 萬美元的研究、開發、測試和評估（RDT&E）資金。此外，陸軍 2025 財年未獲資金支持的預算優先事項清單中還包括用于 SRR 和 MRR 無人機系統的 7050 萬美元采購資金。對于兵載傳感器計劃，陸軍申請的采購資金和 RDT&E 資金分別為 2200 萬美元和 160 萬美元。不包括未獲資助的優先事項清單，陸軍為上述小型無人機系統申請的2025財年預算約比2024財年增加21%。

SRR 無人機系統是陸軍首個備案的小型四旋翼無人機項目。DIU 和陸軍認為，SRR UAS 應利用商業市場上日益復雜的無人機。陸軍表示，通過分階段分批執行該計劃，旨在保持靈活性，以應對技術進步和用戶反饋。2019 年 4 月，DIU 和陸軍官員挑選了六家公司參與 SRR 無人機系統計劃第 1 階段的競爭，之后于 2022 年 2 月授予 Skydio 公司 RQ-28A 的合同，這是 Skydio X2D 的軍事化版本（圖 2）。陸軍正在為 Tranche 2 版本選擇系統的最后階段，陸軍預計該系統將從 2026 財年開始取代 Tranche 1 版本。

在擬議的 2025 財年預算中，陸軍申請 2 110 萬美元用于購買 270 個 Tranche 2 系統，即 540 架飛機（每個 SRR 系統由兩架飛行器構成），以及 115 萬美元的 RDT&E 經費。預計一個 SRR 系統的成本將從 Tranche 1 的 39,800 美元上升到 Tranche 2 的 65,000 美元。陸軍預算說明文件將這一潛在增長歸因于 Tranche 2 版本改進了避障、通信、光電和紅外傳感器等功能。

MRR 無人機系統將為陸軍連隊提供有機的 RSTA 能力。2023 年，陸軍未來司令部批準了一項 "連級 sUAS "定向需求，旨在為 MRR UAS 提供初步的 Tranche 1 能力，并為該未來系統的需求提供信息。陸軍在 2024 年 3 月 1 日的 RFI 中詳細說明了公司級 sUAS 的期望規格；這些規格包括能夠進行 VTOL 飛行、重量小于 55 磅并能在 24 小時內飛行 8 小時的商用現成系統。在其 2025 財年擬議預算中，陸軍為連級 sUAS 申請了 2500 萬美元的采購經費，這標志著該軍種首次為新型中程 sUAS 列入經費。

2023 年 1 月，陸軍發布了一份關于連級無人機系統的 RFI，表示對能夠垂直起降、飛行時間不少于 5 小時且視距為 30 千米（18.6 英里）的平臺感興趣。在其擬議的 2025 財年預算中，陸軍為 LRR 無人機系統的工作申請了約 2560 萬美元的 RDT&E 資金。根據陸軍在預算說明文件中的預測，陸軍預計將在 2026 財年對 LRR 的原型機進行評估，并在下一財年開始采購飛機。

圖 2. Skydio公司的X2D

國會的考慮因素

作為其監督作用的一部分，國會可以審查以下內容：

• 陸軍是否以及在多大程度上將技術的快速變化納入到 SRR、MRR 和 LRR 無人機系統的需求和采購過程中。

• 陸軍是否正在考慮為小型無人機系統操作人員設立軍事職業專業（MOS），如果是，陸軍是否已確定與此舉相關的潛在成本。

• 陸軍是否考慮采購低成本、現成的無人機用于作戰，以及考慮的程度。

• 陸軍是否正在與海軍陸戰隊協調采購短程、中程和遠程小型無人機系統，以及協調程度如何。

圖：2021 年，在亞利桑那州尤馬試驗場進行的測試中，"蒼狼 "2C 無人機攔截器的兩種變體被發射。動能攔截器為美國陸軍提供了靈活的短程反無人機系統能力。（照片由美國陸軍提供）。

戰爭的新特點之一是單向無人機系統（UAS）的擴散。在烏克蘭和伊拉克/敘利亞，正在進行的戰斗由廉價生產的無人駕駛飛機組成，這些飛機裝滿炸藥，通過全球定位系統（GPS）或全球導航衛星系統（GLONASS，相當于俄羅斯的全球定位系統）飛行到距離安全發射點數百公里之外的精確目標位置。然而，現有的用于對抗敵方無人機系統的任務式指揮系統缺乏必要的技術能力，無法在當今戰場上充分捍衛戰斗力。用于反無人機系統（C-UAS）的任務式指揮系統需要人工智能（AI）、機器學習和自動化來協助操作員做出決策，并能同時使用擊潰機制。此外，當前的實戰系統缺乏與新興工業探測和擊潰系統的數據互操作性，導致基地防御操作中心（BDOC）擁有多個 "封閉 "網絡來擊潰共同的威脅。

本文明確了在美國陸軍 C-UAS 任務式指揮系統中實施人工智能、機器學習和自動化的要求。當前的 C-UAS 任務式指揮系統依賴操作員完成手動識別和交戰過程，該過程針對每個威脅按順序進行，對于試圖壓倒防御能力的多個威脅的場景來說不切實際。通過實施本文中的建議，美國陸軍將擁有一個在應對當前和未來敵方無人機系統威脅和戰術方面具有競爭優勢的任務式指揮系統。

人在環內與人在環上

在現代戰爭背景下，"人在環上 "和 "人在環內 "指的是人類參與決策和控制利用人工智能或自動化的系統的程度。這兩種方法的區別在于賦予系統的自主程度以及人類的監督和控制水平。

人在環內。人類直接參與決策過程，并 "完全控制 "系統 "開始或停止執行的任何操作"。這種方法通常在安全、任務精確度、責任和控制方面更受青睞。然而，在有些情況下，人在環內可能并不實用或有效。目前的 C-UAS 流程就是人在環內的一個例子，操作員必須執行每一項任務和參數輸入，才能由系統創建一個動作。

人在環內（HOTL）。人類對自動化系統進行監督，但自動化系統可以在未經人類預先批準的情況下采取行動。這種方法可以加快決策和響應速度，這在威脅迅速演變的未來至關重要。在影響人類運用微觀運動技能和正確判斷能力的高壓力情況下，有監督的自主模式（HOTL）將比完全依賴人類決策更加有效。海軍艦艇上使用的宙斯盾作戰系統和 MK 15 法陣近程武器系統就是 HOTL 防御武器系統的典范。這些系統一旦啟動并在人員的監督下，就能獨立攻擊對艦艇或其他受保護資產構成威脅的導彈、直升機和飛機。

反無人機系統流程

C-UAS 流程采用主動防御措施，包含四個不同的要素：檢測、識別、決定、擊敗。這一順序為評估無人機系統在不同作戰環境中造成的威脅以及應用自動化加強操作員行動的可能性提供了一個有用的框架。在聯合部隊中，這一流程在 BDOC 中得到了積極應用，BDOC 是 C-UAS 資產和系統的負責協調、管理和使用節點。

圖：反無人機系統流程

檢測。C-UAS 流程的第一步是探測行動區域內是否存在空中航跡。這可以通過各種雷達傳感和跟蹤方法來實現，包括空中和地面傳感器。例如，雷神公司開發了 360 度 AN/MPQ-64 Sentinel 雷達，可探測無人機系統、旋轉翼飛機和固定翼飛機，并具有敵我識別詢問功能。雷神公司還開發了 360 度 Ku 波段射頻系統 (KuRFS)，可感知和跟蹤飛機、火箭、火炮和迫擊炮。KuRFS 雷達支持多種動能和非動能 C-UAS 武器系統，如 Palletized 高能激光器、陸基 Phalanx 武器系統和雷神蒼狼攔截器。

識別。探測到空中航跡后，下一步是分析航跡，確定是敵是友。這是通過使用具有識別敵友能力的雷達（如上文提到的 Q-64）、空域控制機構（空中交通管制、聯合空中作戰指揮）或敵方特征對航跡進行識別敵友詢問來完成的。區分友方和敵方威脅航跡是一個復雜的過程，需要使用兩種方法之一，即正面識別和程序識別。正面識別是最可取的方法，不需要目視識別就能確定可疑航跡--利用已知的敵方特征進行數字識別（基于物理），可用于確定航跡是否為敵方無人機系統。程序性識別使用地理位置、航向時間和飛機飛行路徑來確定敵友--通常與空中任務指令和/或作戰圖形相配合。

決定。在此階段要做出兩項決定：第一，確定是否需要交戰（交戰規則、地緣政治形勢、戰術形勢等）；第二，確定使用何種方法攔截威脅。如果操作員確定空中航跡具有敵意，則決定使用動能或非動能武器攔截已確定的威脅。對每個威脅的方位、高度、射程和速度進行評估，以確定交戰要求，并使用適當的武器進行最有效率和效果的交戰。

擊敗。在這一階段，操作員成功地對確定的敵方航跡造成動能或非動能影響。在這一階段，目視確認攔截或數字確認是確定成功或失敗效果的方法。如果敵方航跡未被擊潰，操作員將動用更多資產，直至擊潰威脅或擊中預定目標。

手動交戰的挑戰

前沿區域防空指揮與控制（FAADC2）是美國陸軍目前的任務式指揮系統，它提供了探測、識別和使用動能和非動能擊潰效果的網絡架構。FAADC2 自 1989 年以來美國防部一直在使用。

FAADC2 系統目前在識別、決定和擊潰階段使用手動交戰流程，這極大地阻礙了切實有效地擊潰敵方威脅，尤其是在僅有幾秒鐘時間做出決定的情況下。操作員必須手動查詢每條雷達軌跡，并針對敵對目標手動處理每個防御系統，既耗時又容易出現人為錯誤。

圖：前沿區域防空指揮與控制用戶界面提供共同空中圖像。

這種人工操作過程無法同時進行戰斗，而在快速演變的戰斗場景中需要同時進行戰斗。手動交戰所耗費的時間將使無人機群能夠不受阻礙地攻擊和穿透防御層。在同時應對多個無人機系統的攻擊、潛在的友軍空中交通、武器系統之間的轉換、評估其他威脅和管理當前交戰時，BDOC 操作員經常面臨任務飽和和人為錯誤可能性增加的問題。

FAADC2 系統要求操作員進行手動交戰，這分散了操作員對關鍵空中航跡識別的注意力，進一步加劇了人為錯誤，降低了擊敗無人機系統的效率。威脅無人機系統攻擊速度的提高（噴氣式 "沙赫德-238"）和使用地形遮蔽以避免早期雷達探測，進一步削弱了人工方法的有效性，并將導致 C-UAS 攔截成功率的下降。

推進 C-UAS 任務式指揮系統的建議：人工智能輔助識別

應將人工智能集成到任務式指揮系統中，以提高探測敵機航跡的作戰效率。這種集成可為操作人員提供持續的分析能力，對基地防區內的空中軌跡進行詢問。人工智能的優勢在于能夠從先前記錄的數據中分析和識別模式。C-UAS 任務式指揮系統應將先前記錄的威脅數據存儲在秘密的云存儲庫中，以便人工智能識別系統在整個戰區范圍內訪問，以人類操作員無法達到的速度和精度整合空中軌跡數據。

人工智能識別和鑒定威脅空軌并及時向人類操作員發出警報的能力將降低任務飽和度，并使操作員能夠保留最終的空軌鑒定權。將人工智能納入航跡識別將提高操作員識別的準確性，并縮短識別威脅所需的時間，增加向地面部隊發出迫在眉睫的威脅警報的時間，從而保存戰斗力。

機器學習算法將在識別階段發揮重要作用，通過分析基于物理的雷達軌跡數據、全動態視頻和其他形式的探測數據，增強任務式指揮系統的能力，幫助操作員在一段時間內區分敵方和非敵方空中軌跡。機器學習算法將提高人工智能提醒操作員注意威脅航跡的能力，同時還能確保操作員根據識別的數據特征了解可能的友軍航跡。

如果不能將人工智能和機器學習算法集成到任務式指揮系統中，那么 BDOC 的性能將與人類操作員的性能相當，無法發揮系統的最大潛能。缺乏人工智能和機器學習工具的人類操作員處于不利地位。他們有可能無法快速識別航跡，也有可能無法確保成功攔截敵方航跡，以防止無人機系統打擊預定目標。雖然人類可以手動執行詢問和識別任務，但他們無法像人工智能一樣精確、快速、一致地執行任務。

自動交戰：推進決定和擊敗階段

為解決目前 FAADC2 人工交戰流程的局限性，一旦操作員確認空中航跡具有敵意，美國陸軍應在決定和擊敗階段實施自動化流程。通過采用自動化，FAADC2 系統將自動使用適當的方法進行交戰，直至擊敗威脅。這種自動交戰能力將大大縮短交戰響應時間，使操作員能夠集中精力識別威脅和消除空域沖突，而系統則會選擇和監控擊潰方案，以最有效的方式進行攔截，避免人為錯誤。此外，C-UAS 流程保留了 HOTL，以確保仍有人參與發射決定。

自動交戰將不再需要人類操作員手動選擇每個單獨的軌道，并執行多步驟的順序過程，以發射攔截器，并針對每個評估的威脅發射陸基 "法陣 "武器系統或托盤式高能激光器。有了自動判定和擊潰能力，操作員就可以對人類確認的敵方軌跡進行人工監督，而 C-UAS 判定和擊潰系統則有能力使用多種武器系統同時進行攻擊，以大規模打擊多種威脅，實現真正的聯合武器防御火力。自動擊潰能力將增加對無人機系統的攔截，縮短交戰時間，大幅減少人為失誤，并顯著提高擊潰無人機群攻擊的概率。

自動交戰的反對者可能會提出，操作人員需要手動與已識別的威脅交戰，以確保系統在武裝沖突法律和交戰規則范圍內行動。然而，這些保留意見在 C-UAS 流程的識別階段得到了緩解，在這一階段，由人工確定威脅是否具有敵意，并指揮機器進行干預。我們建議，除非操作員(1) 確認軌道為敵方軌道，(2) 授權系統交戰（人在環上與人在環內），否則敵方軌道不會交戰。

C-UAS 的未來：人工智能輔助識別，自動化決定勝負

人工智能將為人類操作員提供在雷達的全部潛能范圍內識別擁擠空域中多條航跡的能力。威脅識別的唯一限制將是雷達在探測試圖規避或掩蓋其特征的無人機系統方面的性能。人工操作員仍可手動詢問航跡，并保留將空中航跡劃分為友好或敵對航跡的最終權力。

決定和擊敗階段的自動化將提高 C-UAS 任務式指揮系統的效率，在人工確認空中航跡為敵方航跡后，可自主同時與無人機系統交戰。通過云存儲庫存儲的實時數據融合，以及隨著威脅戰術、技術和程序不斷發展的先進機器學習算法，將使自動化系統能夠評估被人類操作員標記為敵對的空軌所構成的威脅級別，并確定適當的應對措施，如使用攔截器等動能系統或啟動電子戰對抗措施。這種自動化不僅能節省寶貴的交戰時間，還能減輕人類操作員的負擔，使人類能夠專注于威脅識別和挫敗監督。

增強未來戰爭能力

美國陸軍應立即將機器學習和自動化融入 FAADC2 任務式指揮系統的識別、決策和擊敗階段。通過利用當今可用的自動化、人工智能和機器學習技術，任務式指揮系統可以適應和學習在戰斗中觀察到的當前威脅，并提高無人機系統攔截的成功率。商用汽車技術也取得了類似的進步，配備人工智能和機器學習技術的車輛可實現自動駕駛功能。利用人工智能和機器學習技術的車輛能夠從周圍環境中學習，通過存儲庫實時訪問數據，改進決策，學習物體分類，并向操作員發出警報。美國國防部也有自動化流程技術，只要看看美國海軍的宙斯盾戰斗系統艦艇就知道了。我們必須應用新興技術來推進我們工業時代的系統，以戰爭的速度進行創新。

通過自動化縮短威脅識別時間、增強攔截能力和提高精確度，將為應對新興無人機系統技術和威脅提供戰術優勢，特別是那些針對戰略資產、部隊集結地和高優先級地點的威脅。隨著對手不斷創新和部署無人機系統，包括噴氣式 "沙赫德-238 "無人機系統，操作人員將有幾秒鐘的時間來正確探測、識別、判斷和擊敗敵方空中航跡。美國陸軍必須走在威脅的前面，而不是等待適應。

結論

自 1989 年以來，FAADC2 任務式指揮系統在應對空中威脅和管理空域方面發揮了至關重要的作用。然而，我們當前系統所使用的工業時代人工交戰流程對烏克蘭、伊拉克和敘利亞戰場上觀察到的當前戰術、技術和程序的效率構成了挑戰，并最終威脅到我們人員的生存能力。通過整合人工智能、機器學習和自動化技術，FAADC2 系統將提升 C-UAS 的作戰能力，使其超越對手的威脅能力。將操作員置于環內的自動交戰可實現 C-UAS 聯合武器防御，其戰術和技術決策速度是人類操作員無法獨立完成的。

不推進 C-UAS 任務式指揮系統和維持人工 C-UAS 流程的風險，將使惡意的國家和非國家行為者能夠以相對低成本/高回報的權衡方式，在沖突連續體上與美國競爭。正如最近在中東發生的事件中看到的那樣，惡意的國家和非國家行為體有能力利用低成本的無人機系統對美軍實施精確打擊，這給部隊帶來了具有戰略影響的風險，并使我們的國家利益受到威脅。在大規模作戰行動中，任務的風險在于從港口到前線部隊的編隊減員。缺乏數字時代速度和精度的干預能力將無法防止后勤節點和戰斗力的大規模破壞，需要作戰指揮官投入更多資源才能實現預期的軍事最終狀態。將人工智能、機器學習和自動化融入 C-UAS 戰斗是一項高度優先的工作，需要立即關注，以便在這個快速發展的威脅環境中保持領先對手。

相關性： HFM-231 計劃目標指出"'本研究研討會旨在評估可打破時間和空間限制的新興技術和方法......（以及）需要協調研究工作的技術和方法'"。目前，美國軍隊已具備通過垂直起降（VTOL）無人機系統（UAS）撤離傷員（美國聯合部隊術語為 CASEVAC）的基本能力。隨著美國和北約部隊開發和部署更多的垂直起降無人機系統（如美國海軍 MQ-8C Fire Scout 垂直起降無人機系統），這種能力的潛力只會越來越大。

理由：空中后送已成為傷員后送的標準。飛機的飛行參數由飛行員控制，因此通常在傷員的承受范圍之內。然而，目前還沒有一套國際公認的傷員可容忍生理標準或輔助數據。二戰結束后一直在使用的直升機運送傷員可能會也可能不會造成額外傷害--無論哪種情況都沒有可量化的數據。這一點是 VTOL 無人機系統用于 CASEVAC 時需要關注的問題，因為某些無人機系統可能會造成超過目前大多數撤離飛機的生理壓力。如果要使用無人機系統執行 CASEVAC 任務，有必要商定一套生理參數。雖然 CASEVAC 通常是一項臨時性的、即來即用的任務，但為了謹慎起見，應告知 VTOL 無人機系統制造商和作戰指揮官在無人機系統可能搭載傷員的情況下應考慮的具體醫療問題或要求。

方法、結果和意見：北約技術小組 HFM-184--"使用無人機（UAV）進行傷員撤離的安全乘坐標準 "已于去年完成工作，并于 2012 年 12 月發布了最終報告。小組的目的是就使用無人機運送傷員進行調查并提出建議。小組的結論是"......只要不增加傷員的相對風險，使用無人機系統進行傷員后送在道德、法律、臨床和操作上都是允許的"。小組確定了有關 VTOL 無人機系統 CASEVAC 生理標準的研究范圍和差距。其中包括：傷員穩定、傷員移動準備以及飛行環境的影響（如加速度、振動、聲學、溫度等）。本文介紹了北約成員采用協調方法開展 HFM-184 小組確定的研究需求的計劃。

結論：使用 VTOL 無人機系統進行傷員后送將很快成為現實，并最終在戰場上普及。通過開展本文提出的研究，北約成員將做好準備。

全球形勢的變化（如 COVID-19、烏克蘭沖突）加劇了以前存在的與必需品采購和庫存管理相關的挑戰和風險。這次在軍事行動研究學會國家安全風險分析實踐社區的午餐演講介紹了國防分析研究所開發的一種工具：國防工業基地優化模型（DIBOpt）。

聯邦機構利用 DIBOpt 促進采購和投資決策，以最大限度地降低風險。更具體地說，美國政府利用 DIBOpt 編制了醫療對策的預算和采購計劃，國防部利用該工具審查了精確制導導彈供應鏈限制對提高軍事準備狀態的工作（和時間表）的影響。

DIBOpt 允許軍事規劃人員考慮各種因素，包括工業基礎能力、次級瓶頸、價格上漲、獨家制造商、產品現代化、所需數量變化、預算限制以及許多其他因素。這些庫存（包括醫療庫存和彈藥庫存）管理的復雜性和不斷變化的性質需要一個建模解決方案來有效地收集相關輸入數據并生成快速分析。

DIBOpt 還允許決策者探索支持關鍵物品的供應鏈，以確定：1）存在瓶頸的地方；2）這些瓶頸對建立庫存能力的影響；3）降低與庫存不足相關的風險所需的緩解策略。

將人工智能（AI）融入陸軍后勤工作，可以徹底改變供應鏈管理、優化資源配置并增強決策能力。不過，這需要采取全面的方法，解決實施過程中的挑戰和問題。

人工智能技術的迅猛發展為將其應用于包括陸軍后勤在內的各行各業提供了新機遇。認識到人工智能的潛力，陸軍應努力大規模利用其能力，并將其應用到戰術層面，以改善供應鏈管理、資源分配和決策過程。通過與《聯合出版物 4-0：聯合后勤》、《野戰手冊 4-0：維持行動》和《陸軍條令出版物 4-0：維持》中概述的指導原則保持一致，陸軍可以在日益復雜和快速發展的世界中發展適應性強、反應迅速和有效的后勤行動。然而，將人工智能融入陸軍后勤工作會帶來一些挑戰和問題，如在自動化與人類專業技能之間找到最佳平衡點、確保強大的網絡安全、解決倫理問題以及使勞動力適應不斷變化的技術環境。本文探討了在陸軍后勤中整合人工智能的潛在優勢和劣勢，并討論了在最大限度地提高效益的同時，最大限度地降低風險和解決與實施人工智能相關的問題所需的全面方法。

最大化供應鏈管理： 真實案例

人工智能在大幅提升陸軍供應鏈管理方面的變革能力毋庸置疑。正如美陸軍物資司令部前司令埃德-戴利（Ed Daly）將軍所強調的那樣，人工智能對于實現實際后勤所需的相關速度至關重要。他的愿景是將人工智能和機器學習無縫融入陸軍后勤流程的方方面面，從而為戰場上的士兵提供無與倫比的效率和及時支持。為支持這一觀點，《國際生產經濟學雜志》上發表的一項研究顯示，將人工智能融入供應鏈管理可將效率提高 20% 或更多。

人工智能分析海量數據、預測未來趨勢和資源分配需求的能力是陸軍后勤的另一大優勢。通過利用人工智能驅動的分析，陸軍可以更精確地預測士兵的需求，確保重要物資在正確的時間和地點到達目的地。此外，預測分析還能通過簡化人員和裝備分配來優化陸軍行動。陸軍后勤中的預測分析可以確定車輛部件何時需要更換，從而在故障發生前進行主動維護。這種方法可節省大量成本并提高運營安全性，減少因維護和事故而計劃外停機的可能性。此外，預測性分析還可以通過預測供應需求和驗證在正確的時間和地點是否有正確的資源來完善供應鏈管理。這一戰略可提高運營效率、縮短交付周期并提高供應鏈的可見性。

自適應后勤與決策： 對實時信息做出反應

適應當地快速變化條件的能力是現代軍事行動的重要組成部分。適應性后勤和決策對于維持陸軍在復雜環境中的有效性和反應能力至關重要。人工智能通過提供實時信息、復雜的分析和先進的決策支持工具，有可能徹底改變軍事后勤的這一方面。

人工智能在適應性后勤方面的一個重要優勢是它有能力收集和分析來自各種來源的大量數據，包括傳感器、衛星和其他情報平臺。此外，人工智能還能訪問來自不同陸軍源系統的記錄系統數據，如全球指揮與控制系統-陸軍、后勤現代化計劃、港口自動化工具和運輸協調員移動信息自動化系統 II。人工智能還可以利用非陸軍系統，如全球決策支持系統和后勤功能區服務。通過這種全面的數據分析，可以做出更明智的決策，提高后勤效率。

這些信息可為作戰環境提供全面的最新情況，使指揮官能夠根據實時情報做出明智決策。通過獲取準確及時的數據，陸軍可以更有效地應對新出現的威脅，最大限度地降低風險，并抓住機遇。

除了提供實時信息外，人工智能還能通過識別人類分析人員可能不易察覺的模式和趨勢來加強決策。通過機器學習算法和先進的數據分析，人工智能系統可以發現隱藏的相關性，并產生可操作的見解，為戰略和戰術決策提供依據。例如，人工智能可以幫助預測敵人的動向，預測后勤瓶頸，或在潛在的供應鏈中斷發生之前加以識別。有了這些洞察力，指揮官就能做出更明智的決策，更有效地分配資源，并在戰場上保持競爭優勢。

人工智能還能通過自動化某些后勤規劃和決策環節，提高陸軍應對突發事件和緊急情況的能力。例如，人工智能驅動的系統可以根據不斷變化的環境條件或供應鏈的突然中斷，自動調整物資和人員的路線。通過實現這些流程的自動化，陸軍可以最大限度地減少延誤，并確保將關鍵資源運送到最需要的地方，即使在不確定和逆境中也是如此。

人工智能在適應性后勤中的另一項應用涉及使用模擬和優化技術來支持復雜多變條件下的決策。人工智能驅動的模擬模型可以幫助指揮官探索各種場景，評估潛在的行動方案，并確定實現目標的最有效策略。這可以使后勤計劃更加穩健、更具彈性，并提高任務的整體成功率。

反駁意見

雖然將人工智能融入陸軍后勤會帶來諸多益處，但也有合理的擔憂和潛在的弊端需要考慮。一些批評者認為，依賴人工智能可能會導致過分強調技術，而忽視人的經驗和直覺，而人的經驗和直覺在復雜和不可預測的情況下至關重要。人工智能有可能造成虛假的安全感，導致過度自信和戰略失誤。

此外，與實施人工智能技術相關的巨大成本，如基礎設施升級、軟件開發和持續維護，可能會超過潛在的好處。預算限制和相互競爭的優先事項可能會使為人工智能集成分配足夠的資源變得具有挑戰性，從而可能限制其有效性。

另一個令人擔憂的問題是人工智能系統易受網絡攻擊和敵方操縱。隨著人工智能驅動的后勤系統對陸軍行動越來越關鍵，它們也成為對手試圖破壞或損害軍事能力的高價值目標。制定強有力的網絡安全措施至關重要，但無法保證這些防御措施在應對快速發展的威脅時始終有效。

此外，還要考慮與軍事后勤中的人工智能有關的倫理問題。使用人工智能可能會導致決策偏差、缺乏透明度或意想不到的后果。必須明確界定人工智能系統行動的責任，以確保在出現錯誤或故障時能追究責任。

最后，將人工智能融入陸軍后勤可能會給后勤軍事職業專業帶來意想不到的后果。雖然特定任務的自動化可以提高效率，但也可能導致工作崗位的轉移，并需要對勞動力進行大量的再培訓。確保陸軍能夠適應這些變化并保留一支熟練的勞動力隊伍至關重要，但這需要持續的努力和投資。

雖然反駁意見中提出的擔憂不無道理，但必須指出，不應完全否定整合人工智能的潛在好處。相反，有必要采取一種平衡的方法，仔細考慮與人工智能實施相關的風險和挑戰，同時尋求利用其在陸軍后勤中的變革潛力。通過制定全面的戰略，陸軍可以解決這些問題，最大限度地發揮人工智能集成的效益。

結論

將人工智能融入陸軍后勤工作，為徹底改變供應鏈管理、優化資源配置和加強決策過程提供了眾多機會。然而，至關重要的是要認識到并解決與實施人工智能相關的挑戰和問題，如在自動化和人類專業知識之間取得適當平衡、確保強大的網絡安全、解決道德問題以及使勞動力適應不斷變化的技術環境。

為了充分利用人工智能的潛力，陸軍應采取全面的方法，包括投資人工智能基礎設施、促進公共和私營部門之間的合作、為人員提供持續的教育和培訓，以及制定強有力的網絡安全措施。此外，必須就人工智能在軍事后勤中的道德影響保持公開對話，并建立明確的指導方針和問責結構，以確保負責任地部署人工智能。

通過采取全面的方法，陸軍可以克服與人工智能集成相關的挑戰，釋放其變革潛力，并在日益復雜和快速發展的全球安全環境中保持競爭優勢。

問題其實不在于 "是否"，而在于 "何時何地 "在實時作戰中使用無人機群，這是機器人戰爭的下一個發展階段。

圖：無人機群表現出維持凝聚力和自我修復能力的生物行為

2018 年 1 月初，在俄羅斯位于敘利亞西部的 Khmeimim 空軍基地操控龐大防空網絡的俄羅斯操作人員發現了 13 架低空飛來的無人機。當俄羅斯防空作戰人員使用 EW 和 SHORAD 系統與這些無人機交戰時，俄羅斯人清楚地意識到，他們正在目睹一種新類型的無人機協同攻擊。

俄軍在千鈞一發之際擊落了 7 架無人機，并干擾了其余 6 架。雖然 "伊斯蘭國 "和阿富汗塔利班都曾使用無人機投放臨時爆炸物，但當晚對赫梅米姆的襲擊失敗令無人機戰爭的密切觀察者感到不安，因為這是首次記錄在案的非國家行為體在作戰行動中發動大規模無人機襲擊的事例。在整個 2018 年、2019 年和 2020 年，俄羅斯在敘利亞的設施遭到了更多無人機襲擊，迄今為止，俄羅斯反導人員在敘利亞使 150 多架無人機失效。

2019 年 9 月 14 日，25 架集群無人機分兩波襲擊了沙特阿美石油公司位于 Abqaiq 和 Khurais 的國有石油加工設施。對襲擊前后阿布蓋克設施的衛星圖像分析顯示，共發生了 19 次單獨襲擊。值得注意的是，沙特的防空力量，包括強大的 MIM-104 "愛國者 "和 Crotale NG，都未能阻止這些無人機和巡航導彈的襲擊。這表明，從多個方向飛來的無人機和巡航導彈群如何能長時間不被發現，并壓垮常規防空系統。

轉向無人駕駛

多年來，美國和以色列在各種作戰行動中廣泛使用了無人機，而土耳其在敘利亞和利比亞以及阿塞拜疆在 2020 年納戈爾諾-卡拉巴赫戰爭中對亞美尼亞的使用，則真實地展示了未來戰爭將如何隨著無人駕駛飛行器的使用而演變。通過電子網絡對坦克和防空系統協調使用武裝無人機和閑散彈藥非常有效。

這一點在阿塞拜疆擊落亞美尼亞 S-300 和 SHORAD 網絡以及戰術戰區（TBA）200 多輛軍車的行動中得到了特別的體現。與俄羅斯從 2014 年起在烏克蘭使用無人機（UAV）相比，這次行動的規模要大得多，在烏克蘭，網絡化無人機與俄羅斯地面進攻武器系統合作，摧毀了烏克蘭軍隊的主要縱隊和補給站。

隨著世界注意到這些小國展示先進作戰能力的里程碑事件，軍用無人機的使用將迅速擴大，主要是在全球范圍內大量引進偵察和攻擊型無人機。在這方面，以色列、土耳其、俄羅斯和中國正在提供一個有效的替代工業基地，以挑戰西方在先進無人機和相關技術擴散方面的主導地位。

圖：斯捷潘納克特附近的亞美尼亞 S-300 薩姆炮兵連（插圖），顯示阿塞拜疆以色列制造的 Harop 游蕩彈藥無人機的大規模無人機襲擊造成的破壞

然而，對赫梅米姆空軍基地和沙特石油設施的無人機襲擊，以及在烏克蘭、敘利亞、利比亞和納戈爾諾-卡拉巴赫協調使用無人機，顯示了未來空戰向所謂 "無人機群 "概念演變的早期跡象。尤其是對敘利亞境內俄羅斯兵力的大規模無人機襲擊，凸顯了無人機群日益構成的猖獗危險，即使在非國家行為者手中也是如此。這種小型無人機團隊相互協作，不僅為美國、俄羅斯、中國等大國提供了改變游戲規則的能力，也為小國和非國家行為者提供了改變游戲規則的能力，他們將利用無人機群發揮高度不對稱的作用。非常重要的是，低成本、不復雜的無人機協同作戰，通過數量達到目標飽和，會給防空部隊帶來高昂的代價。

雖然防空部隊也許能抵御少數幾架臨時拼湊的無人機實施的松散協調攻擊，但近鄰國家的競爭者卻能派出更先進、更密集、更靈活、適應性更強和網絡化的兵力。

揭開無人蜂機群的神秘面紗

那么，究竟什么是無人機蜂群呢？蜂群機器人技術是一種將多個自主機器人協調為一個系統的方法，該系統由大量實體機器人組成，只需極少的人工干預即可控制。這些機器人通過機器人之間的互動和凝聚力，以及機器人與環境的互動，表現出集體自組織（SO）行為。

對昆蟲、魚類、鳥類和動物的蜂群行為進行的生物學研究為蜂群算法提供了支持。全球的蜂群研發工作主要集中在開發分布式人工蜂群智能能力、技術商品化以降低成本影響，以及提高蜂群中各代理之間的自主性。

在壯觀的燈光秀中，大規模無人機都是由中央控制的，而在真正的蜂群中，每架無人機都會根據機載人工智能自行飛行，以模擬自然的算法保持編隊和避免碰撞--沒有真正的領導者和追隨者，蜂群中的所有代理都有自己的 "頭腦"，能夠進行集體決策、自適應編隊飛行和自我修復。這種蜂群的好處是，如果有一架無人機掉隊，或者有幾架無人機墜毀，蜂群可以重新安排，繼續執行任務，直到最后一架無人機升空。

隨著時間的推移，軍隊的通信、訓練和組織能力不斷增強，他們能夠以越來越復雜的方式作戰，利用更先進的條令形式，每一次演變都優于前一次。如今，軍隊主要進行機動作戰。在這里，蜂群將是戰爭的下一個演變--蜂群表現出近戰的分散性和機動戰的機動性。它們具有不同程度的自主性和人工智能。自主性可將軍事影響力擴展到防御嚴密的作戰空間，與載人系統相比，其作戰范圍更大，持續時間更長；而人工智能則可確保執行危險的自殺式任務，從而實現更大膽的作戰概念（CONOPs）。面對日益嚴重的威脅和對有爭議空域的快速滲透，兩者都能取得更大的成功。

這種向無人機的轉變正在全世界發生。而投送動能和非動能有效載荷的首選途徑是空運。傳統上，在美國這樣的空中力量密集型軍隊，幾十年來，空中作戰一直依靠能力日益增強的多功能有人駕駛飛機來執行關鍵的作戰和非作戰任務。然而，對手從更遠距離探測和攻擊這些飛機的能力不斷提高，導致飛行器的設計、運行和替換成本上升。因此，如果能派出大量具有協調和分布能力的小型無人機系統（UAS），就能以更低的成本為全球各國軍隊提供更好的作戰范圍。這些無人機系統與有人機系統結合在一起，將作為一個 "系統之系統 "有效地打擊敵方目標。在這種情況下，有人與無人協同作戰（MUM-T）將發揮兵力倍增器的作用，實現自主與協作，作戰人員的角色也將轉變為指揮，而不是控制蜂群。配備分布式人工智能的全自動武裝無人機群（AFADS）一旦投入使用，將在無需人工干預的情況下定位、識別和攻擊目標。

圖：AFADS將被證明是下一代戰場的游戲規則改變者

雖然新技術，特別是人工智能和邊緣計算，將推動無人機群的發展，但關鍵因素仍然是群軟件。為此，所有集體行為最好都能歸入 "蜂群 "一詞。然而，協作自主有 "三個 "變革性的行為梯隊--成群結隊，即數量可觀的無人機自主執行抽象指令，但還達不到真正的蜂群行為。攻擊敘利亞俄羅斯空軍基地和沙特油田的無人機就是利用了這一梯隊。蜂群（Swarming），即大量無人機完全通過蜂群算法實時聚集在一起，是協作自主的最高境界。“忠誠僚機”（Loyal Wingman） 通過緊急成群或核心成群行為實現協作自主。這些平臺將以 MUM-T 模式運行，與戰斗機一起高速飛行，并攜帶導彈、ISR 和 EW 有效載荷。預計 "忠誠僚機 "將以地面設施為目標，擊落敵機，并在有爭議的空域抵御防空導彈和電子攻擊。

美國的蜂群軍事

美國在蜂群技術方面處于世界領先地位，并開展了一系列蜂群無人機和彈藥計劃。它在 2017 年展示了 Perdix 蜂群。三架F/A-18 "超級大黃蜂 "戰斗機在空中釋放了共計103架Perdix無人機。

無人機在預選點編隊，然后出動執行四項不同任務。其中三個任務是在目標上空盤旋，第四個任務是在空中形成一個 100 米寬的圓圈。演示展示了 Perdix 的集體分布式智能、自適應編隊飛行和自我修復能力。

這種無人機群有很多用途。戰斗機可以釋放無人機，為地面部隊提供偵察，獵殺敵軍并報告其位置。它們還可以干擾敵方通信，形成大范圍飛行通信網絡，或對特定區域進行持續監視。它們可以裝載小型炸藥，攻擊敵方單個士兵。在空對空作戰中，它們可以偽裝成更大的目標，欺騙敵方飛機、地面車輛和導彈上的雷達。

圖：2017年的Perdix Swarm無人機演示是一次重要的能力演示

美國國防部高級研究計劃局（DARPA）也展示了 X-61A Gremlin 空射無人機。DARPA Gremlins 計劃背后的理念是將 C-130 等貨機變成能夠發射和回收成群小型無人機的母機。這將為軍方開辟一個充滿可能性的世界，允許部署成群的小型、廉價、可重復使用的無人機，這些無人機裝有不同于傳統飛機的傳感器和有效載荷。

美國海軍和海軍陸戰隊的低成本無人機群技術（LOCUST）項目是另一項正在進行中的無人機群開發項目，該項目從一個管狀發射器發射小型無人機，以執行各種類型的任務。

美國陸軍也在研究無人機群和基于強化學習（RL）的人工智能算法，以用于多領域戰斗場景中的戰術戰場，在這種場景中，無人機群將與異構移動平臺動態耦合和協調，以超越敵方能力。

圖：采用基于強化學習的架構將提高集群的效率

美國還在試驗使用集群無人機系統的導彈部署智能彈藥進行協作智能彈藥投放，有效載荷可從 GMLRS 或 ATACMS 平臺發射和部署。有效載荷由多個可部署的智能無人機組成，能夠向指定目標投送小型爆炸穿甲彈（EFP）。美國空軍的 "金帳汗"（Golden Horde）是開發下一代進攻性技術的 "先鋒"（Vanguard）計劃的一部分，它將把小直徑炸彈（SDB）等彈藥聯網，在按照一套預先確定的規則發射后協同作戰，從而提高有效性。

此外，美國空軍的 "天堡 "計劃旨在設計和部署一支由忠誠的僚機無人戰斗機（UCAV）組成的人工智能機隊。作為 "天堡 "計劃的一部分，Kratos XQ-58A、Sierra 5GAT 和波音公司的 ATS 正在進行開發試驗。

全球軍事蜂群

另一方面，英國可能會在 2021 年中期擁有世界上第一支投入使用的蜂群無人機部隊，以執行包括深入敵后執行自殺式任務和壓倒對手防空部隊在內的任務。英國皇家空軍的№216中隊已被賦予測試和部署未來無人機群能力的任務。英國還宣布了 "蚊子 "項目，該項目是英國皇家空軍 "輕型廉價新型戰斗機（LANCA）"無人機 "忠誠僚機 "計劃的一部分。該項目旨在到 2023 年實現無人僚機聯網飛行。

英國還測試了由無人機組成的自主蜂群，每架無人機都攜帶萊昂納多公司的 "光云"（BriteCloud）可消耗主動誘餌變體，作為電子戰有效載荷。利用含有電子戰干擾器的 "光輝云"，無人機能夠對假想敵綜合防空網絡的雷達發動模擬非動能攻擊。

法國空中客車公司為未來戰斗航空系統（FCAS）/未來戰斗機系統（SCAF）項目首次展示了協作遠程載機群（RC）和僚機技術。

俄羅斯人在烏克蘭和敘利亞擁有操作協作無人機和反擊無人機的豐富經驗。過去十年來，俄羅斯加大了無人機的研發力度，其目標是到 2025 年在軍隊中部署大量機器人飛行器。俄羅斯提出了一項名為 "Flock 93 "的計劃，目的是在協調飽和打擊任務中使用高密度的無人機。這一概念最初由茹科夫斯基空軍學院和私營企業提出，包括同時發射 100 多架無人機，每架配備 5.5 磅重的彈頭。

俄羅斯還測試了 S-70 Okhotnik UCAV，該無人機與俄羅斯戰斗機編隊一起扮演 "忠誠僚機 "角色，穿透對手領空。俄羅斯還在 2020 年公布了一個更輕型的 "忠誠僚機 "項目，代號為 "Grom"。俄羅斯人意識到美國和中國在蜂群自主領域的領先地位，并正在開展研發和產品開發活動，以便在未來十年縮小在這些細分領域的差距。

圖：俄羅斯的S-70“鄂霍特尼克”忠誠僚機與蘇-57戰斗機

中國是最接近美國高密度無人機群能力的國家，正在開發人工智能賦能的自主無人機群。最近，中國電子信息產業研究院（CAEIT）測試了由 CH-901 無人機組成的 48 x 管發射無人機群。中國電子信息產業研究院過去曾在 2017 年演示過 200 架無人機的軍用蜂群。中國公司還展示了令人印象深刻的 1000 多架無人機群，使用四旋翼無人機進行大型公開展示，但這些無人機是地面控制的，不具備分布式智能。中國正在整合現有的無人機群，與軍方一起發揮強大的協作自主作用。中國還在研制一款忠實的僚機--中航工業 601-S "暗劍"，它將與第四代和第五代戰斗機平臺協同作戰。

其他開發無人機群技術的國家還有以色列，但以色列對此類計劃的細節保密。不過，考慮到以色列多年來使用無人機作戰的性質，我們有理由相信，該技術已經成熟，并已部署到其無人機機隊和巡航彈藥上，其中一些已通過癱瘓敘利亞反導網絡得到驗證。

有趣的是，IAI 提供了基于智能手機的蜂群指揮和控制應用程序，并在全球銷售。土耳其已通過 TB-2 等國產平臺在敘利亞和利比亞證明了成熟的 MALE 無人機能力，該國也有各種蜂群無人機計劃。其中最主要的是 "卡古"（Kargu）四旋翼無人機，它可以在戰術戰場上發揮動能攻擊作用。土耳其正力爭在未來成為全球無人機大國。然而，最近美國對其國防工業的制裁很可能會限制從西方引進高科技。

圖：土耳其軍隊已經部署了500多架卡爾古蜂群無人機系統進行動能攻擊

伊朗是另一個在團體作戰中使用無人機的中東國家。伊朗已將無人機作為其軍事戰略的主要支柱。伊朗當局使用無人機主要有兩個目的--偵察和攻擊，伊朗有能力在地平線上空和大多數天氣條件下執行任務。其中包括能夠投擲炸彈或發射導彈并返回基地的無人機，以及尋找機會目標的 "神風特攻隊 "無人機。

伊朗當局在后者上取得了更大的成功，這在 2019 年沙特油田襲擊事件中就可見一斑，當時使用了伊朗制造的無人機和巡航導彈。雖然在飛行器集群方面可以實現基線協作自主，但伊朗和土耳其尚未在其無人機群中展示出真正的分布式情報能力。但他們的努力清楚地表明了該技術的成熟和擴散。

印度的蜂群無人機“奧德賽”

在印度，印度空軍自 2019 年以來一直在通過其 "美赫巴巴"（Meher Baba）計劃開拓蜂群無人機的研發工作。該計劃旨在深入開展人道主義援助和救災（HADR）行動。

另一方面，印度陸軍在 2021 年 1 月新德里的印度建軍節閱兵式上展示了成熟的進攻能力，75 架自主無人機組成的蜂群采用分布式智能和邊緣計算，以神風特攻的方式摧毀了各種模擬目標。在演示中，偵察無人機對目標進行調查，然后由攻擊無人機和母機釋放有效載荷和裝有爆炸物的神風特攻隊無人機實施攻擊。西方評論家注意到印度陸軍演示的幾個重要特點，并將其與美國圍繞無人機所做的努力進行了比較，后者通常強調大型同質蜂群。他們指出，印度的原創性工作在世界上首次公開展示了異質蜂群，這可能是該領域的未來發展方向。印度的一家新創公司 "新空間研究與技術公司"（NewSpace Research & Technologies）與印度陸軍合作開展了蜂群開發項目。

圖：2021年建軍節，印度陸軍在新德里展示了一架75架無人機

印度的印度斯坦航空有限公司（HAL）推出了空中發射靈活資產（ALFA -S）空中發射蜂群無人機系統，作為其下一代空中作戰編隊系統（CATS）的一部分。這是一項獨特的計劃，利用空中發射的遠程載具和蜂群單元網絡來滲透有爭議的空域。美國空軍的空軍研究實驗室正在就 ALFA-S 的各個方面與印度進行合作。NewSpace Research & Technologies Pvt Ltd 也是 HAL ALFA 計劃的合作伙伴。

HAL CATS 計劃的另一個組成部分是 "勇士 "忠誠僚機資產。該僚機用于執行防空和進攻性打擊任務，將與印度的 Tejas LCA 和即將問世的 AMCA 第五代戰斗機一起發揮 MUM-T 的作用。值得注意的是，印度的本土研究力量和政府的 "印度制造 "推動了印度對顛覆性技術的接受，在某些領域與世界各國的類似努力不相上下。HAL 在班加羅爾舉行的 "2021 印度航空展 "上首次展示了 "勇士 "的 1:1 模型。

未來就是現在

值得注意的是，雖然無人機群可能還不能成為最終的 "產品"，但在未來十年內，基本的無人機群技術在全球范圍內的擴散是不可避免的。無人機蜂群技術是機器人戰爭的下一個發展方向，雖然各國政府在過去幾年中已經透露了無人機蜂群技術的進展情況，但這些進展大多是保密的。問題不在于是否使用無人機群，而在于何時何地使用無人機群作為成熟的作戰概念（ConOps）的一部分。

圖：HAL的CATS Warrior無人僚機在2021年印度航空展上亮相

對大多數國家來說，"蜂群作戰概念 "是一個 "障眼法"，只有通過利用數百個異質蜂群單位進行臨床和強有力的實地試驗，才能使其成熟起來。最終用戶承擔的這種 "規模和相關成本 "將決定動態采用、有意義的作戰方式和可接受的將蜂群作為真正戰劑加以利用的上崗時間表。正是在這一點上，美國和中國等國家比世界其他國家具有明顯的優勢，可以在各種任務中部署蜂群無人機能力，其規模將使其在未來數字化競爭的空域中處于有利地位。

Sameer Joshi 是印度空軍退役戰斗機飛行員，擁有駕駛米格-21 和幻影-2000 噴氣式戰斗機的經驗。除了是一名創業企業家，他還對航空航天、國防和軍事歷史有著濃厚的興趣。

圖：加利福尼亞州歐文堡的士兵與步兵試驗和發展單位（ITDU）合作，利用先進技術，包括 SkyDIO 無人駕駛飛行器和不同類型的遙控飛行器。(美國陸軍上士 Matthew Lumagui 拍攝）

美國打贏未來戰爭的能力在很大程度上取決于武器和技術的進步。下一代武器的進步將確保安全保障，同時威懾世界各地的對手。這些進步最終將使美國陸軍士兵在未來戰場上面對對手時更具優勢。

美國政府和國防部（DOD）將繼續建造和研發下一代武器，以保持軍事優勢。美國將斥資數萬億美元建設基礎設施，開發在戰場上取得成功所需的技術。未來戰爭中的士兵將在安全的設施內使用計算機向敵對目標發射彈藥（希克曼，2020 年）。士兵們將使用自主武器，其中一些帶有激光，利用人工智能（AI）按照任務計劃執行目標。

人工智能與自主武器

人工智能將是美國無人機平臺的重要發展方向。下一代無人機將在不受終端用戶干擾的情況下自主飛行，但終端用戶可以在必要時進行控制或越權控制（Hecht，2006 年）。無人機將在任何天氣條件下飛行，跟蹤敵方活動，同時向終端用戶發回情報和視頻（Hickman，2020 年）。操作人員將能夠通過面部識別來跟蹤和探測人員，并確定他們是友好還是敵對。面部識別將提高追蹤特定戰斗人員的能力，使士兵能夠直接對目標進行致命射擊（Cooke，2019 年）。該技術還將有助于減少附帶損害，防止平民死亡，因為在過去的交戰中，可能會將平民視為敵方人員。激光的可用性還將增強下一代無人機的能力。

激光技術為無人機提供了另一種復雜程度，類似于地獄火導彈的殺傷力。新的激光殺傷力將對敵方目標產生持久影響。未來無人機將利用激光穿透能量來摧毀車輛、飛機和其他武器系統，從而提高其先進性和殺傷力。激光能量具有強大的熱特征，可迅速燒穿目標（Hecht，2006 年）。激光將具有成本效益，并能使敵人喪失行動能力并阻止其前進，從而對敵人造成重大打擊。如果需要，小型無人機可以自毀（Russell，2017 年）。自毀功能可使無人機在接到命令時攻擊建筑物或車輛內的較小目標（Russell，2017 年）。

配備激光聚焦能量的自主無人機將能夠適應任何情況，提供監視并在戰場上發揮決定性作用。無人機團隊將協同工作并提供情報，使指揮官能夠在戰場上做出關鍵決策。小型無人機將以團隊形式行進，在戰場上傳輸數據，并通過彼此獲取知識（Russell，2017）。安德森（2018）認為，"無人機群像《圣經》中的瘟疫一樣吞噬所經之處的一切，在它們成為現實之前很久，就會成為心理戰的素材"（第 17 段）。人工智能給敵人帶來恐懼和不確定性，也將給美國帶來在任何環境下取得成功所需的作戰范圍。美國陸軍確保系統安全的方法之一是同時采用進攻性和防御性網絡戰。

網絡戰

網絡基礎設施對維護安全系統至關重要。到 2040 年，由于全球網絡戰威脅的增加，網絡部門將成為軍隊中需求量最大的職業。根據 User (2021)，現在一切都已數字化，可以通過電子方式訪問。抵御計算機戰爭對精神要求很高。據 Silva（2017）報道，2010 年，一種計算機病毒在全球范圍內傳播，最終破壞了伊朗的一個秘密核武器工廠。賽門鐵克公司分析了該病毒的數據，無法確定是哪個國家開發了該病毒，但知道它來自一個民族國家（Silva，2017 年）。未來，美國將能夠阻止伊朗等國家建造離心機，而不會讓任何人受到傷害。

打造下一代網絡戰將具有成本效益和持久影響，這將使美國有能力關閉整個電網（席爾瓦，2017 年）。完成這些關鍵任務所需的復雜性和技能將決定未來的戰斗。網絡戰正在發生變化，創建一個利用敵人弱點的平臺將極大地破壞對手的通信和關鍵基礎設施。到 2040 年，美國將有能力使衛星離線、破壞基礎設施、使敵方設備和技術癱瘓。這項技術還將使美國能夠控制任何地方的數字信息。

圖：組合光纖激光器可有效地將電能轉化為目標功率，因此具有在戰斗和戰術平臺武器系統中使用的潛力。然而，目前的模塊只能產生略高于一千瓦的功率，因此必須將多個模塊合并成一束激光。本圖展示了這一過程。(來源：SMDC/Arstrat）

信息戰

錯誤信息和超載系統及關鍵基礎設施將使美國能夠給對手以決定性打擊。使敵方網絡超載并破壞其通信有助于形成敘事，并向敵方民眾傳播有效的虛假信息。根據 Hecht（2006 年）的說法，"被稱為破解者的計算機黑客專家可能會侵入軍用計算機和網絡或使其超載，或傳播計算機病毒。干擾器還可能阻斷無線電和電視傳輸"。希克曼（2020）認為，"如果過去 15 年是未來 15 年的征兆，那么即使在 2035 年和戰爭信息時代的第 50 個年頭即將到來之際，仍將繼續看到能力的逐步演進式增長"。信息是美國在戰場上取得勝利的關鍵，而下一代武器則是取得戰場勝利的工具。

高超音速技術

想象一下導彈或任何東西的飛行速度超過音速，這已經是一個幾乎深不可測的速度。到 2040 年，高超音速武器將配備核彈頭，速度可達音速的 20 倍（Endowment，2020 年）。這些速度將確保出其不意地打擊敵人。如果被證明是可靠的，這些高超音速武器將有助于威懾來自任何國家的威脅。研發工作已經開始。高超音速武器將有三種配置：制導彈道導彈、高超音速巡航導彈和助推滑翔導彈（《捐贈》，2020 年）。這些武器將使美國有能力在短短幾分鐘內在世界任何地方使用常規武器或核武器。不過，對保護兵力的需求并不僅限于爆炸彈藥。下一代飛機的持續發展也將幫助美國在全球范圍內保持空中優勢。

與高超音速彈藥一樣，美國飛機也將為戰斗提供同樣理想的速度（Hecht，2006 年）。下一代飛機將能使用傳統彈藥，但其速度和能力將使它們能在不被發現的情況下飛行。根據 Hecht 的說法，高超音速發動機 "scramjet 可以吸入空氣并將其與燃料混合，當混合物以超音速流經發動機時就會燃燒"（2006 年）。根據其設計，一些飛機將具備將衛星送入太空的能力。高超音速發動機將產生更大的推力，使飛機可以飛到傳統飛機無法到達的地方。然而，軍事武器系統必須經過關鍵的開發、測試、培訓和實施階段，才能在現代戰場上使用。

圖：未來士兵將與自主系統合作完成任務。(美國陸軍插圖）

武器研發

國防部花費大量資金開發新武器技術。據彼得森（2020）稱，美國在新技術和國防方面的支出比對手高出 11 倍。到 2040 年，國防部每年將花費超過一萬億美元來確保和保衛國家安全。美國必須在偏遠地區開發這些新武器，以確保計劃和生產的安全。新技術也可能帶來不必要的公眾關注，就像 51 區的秘密飛行器開發造成無數關于該地區不明飛行物的報道一樣。

武器測試

測試對于確保新系統滿足所有規定要求至關重要。美國要想在未來戰場上取得成功，人工智能、自主武器、無人機、網絡戰、信息和高超音速武器必須由最優秀、最聰明的人員進行研發。隨著武器系統背后的科學不斷進步，當前的關鍵系統基礎設施也將得到有機改善。一旦分配完畢，國防部將在全國各地的軍事訓練區完成新技術的測試和訓練。

武器訓練

采用新系統將為指揮官提供改進編隊的重要資產。這些新技術將使士兵開發出新的、更好的技術、戰術和程序（USAWC，2020 年）。通過經驗和培訓，指揮官將獲得更新部隊標準操作程序的重要知識。這些系統將允許士兵從遠處收集情報，并在必要時引導武器系統完成任務，而不會受到人身傷害的威脅。指揮官將制定要求，士官將確保在士兵隊伍中全面實施。

武器實施

美國防部將負責在正確的時間把正確的裝備分配給正確的部隊。軍事部門決定哪些部隊將接收并在兵力中實施最新技術（USAWC，2020 年）。一旦軍事部門簽署并接收了新裝備，實際培訓和實施工作就將開始。士兵將承擔新一代裝備的責任，并開始為在未來行動中取得成功創造條件。軍士長將領導士兵的個人和集體訓練，并測試分配的裝備。在整個兵力范圍內，士兵將成為新裝備的專家，并繼續發展在戰場上發揮致命作用所需的技能。一旦完成，士兵們將做好戰斗準備。

結論

由于美國致力于用世界上最好的武器系統來加強軍隊，國防部將繼續加強兵力。這使軍隊能夠利用人工智能、自主武器、網絡戰、信息和高超音速武器方面的創新技術，保持領先于對手。在這些技術進步的配合下，士兵們將掌握在未來行動中取得成功所需的技能。這種未來技術將使美國有能力在未來沖突中占有優勢。

圖4. 人工智能對目標定位的增強：人工智能可以通過搜索目標并在發現后發出警報來增強動態目標定位周期。

開發和使用新的軍事技術是一個軍事專業人員工作的一部分。事實上，軍事歷史在很大程度上是一個技術革新的故事，士兵需要學習如何操作新系統。因此，關于整合人工智能的很多東西并不新鮮。就像坦克、飛機甚至弩一樣，隨著時間的推移，士兵們學會了使用和運用技術，工業界學會了以足夠的數量和質量生產技術，高級領導人學會了運用技術來實現戰略效果。如前所述，人工智能技術與它們的顛覆性“前輩”之間的區別在于，前者有能力改善廣泛的軍事武器、系統和應用。由于這種潛在的普遍性，幾乎所有的士兵都必須在某種程度上變得熟練，才能有效地和道德地運用AI技術。隨著這項技術在應用上的擴展，戰爭將像管理暴力一樣管理數據。

這種普遍性也提出了關于人類發展和人才管理的問題。盡管培訓計劃最終會培養出更多的知識型士兵，人事系統也會提高管理士兵的能力，但軍警人員能夠獲得知識和技能的限制仍然存在，特別是在作戰層面。盡管討論的目的不是要建立嚴格的指導方針，但討論確定了士兵需要獲得的許多知識。例如，士兵將需要知道如何策劃和培訓數據庫，而該數據庫對他們正在執行的任務有著重要作用。這樣做需要確保數據的準確、完整、一致和及時。使用這些數據需要熟練應用推薦模型卡中描述的條件，而熟練的操作有助于確保算法以有效和道德的方式執行。

當然，信任不能僅靠政策和程序來保證。指揮官、參謀員和操作員需要知道他們被信任做什么，以及他們信任系統做什么。指揮官、參謀員和操作員信任人工智能系統來識別合法目標，并避免識別非法目標。參與這一過程的人必須在使用這些信息時，既需要擊敗敵人，又必須避免友軍和非戰斗人員的傷亡。要找到這種平衡，就需要判斷人應該承擔多大的風險。

只要參與流程的人類能夠與系統進行有效的互動，由人工智能賦能的系統就能促進找到這種平衡。在將人類控制整合到機器流程中時，人們經常被迫在控制和速度之間做出選擇：強加的人類控制越多，系統的運行速度就越慢。但本研究發現這種兩難的局面是錯誤的。盡管在某些情況下，在人的控制和速度之間進行平衡可能是必要的，但如果系統要最佳地運作，人的輸入是必要的。

實現最佳性能首先要求指揮官確保參謀和操作人員了解模型能力，理解數據質量的重要性，以及洞悉模型在作戰環境中的表現。盡管它可能不會使系統更加精確或準確，但實現這些任務可使系統能夠更好地對輸出進行概率分配。第二，指揮官需要確定對任務、友軍戰斗人員和敵方非戰斗人員的風險有多大才合適。這一決定很復雜，其中關鍵任務可能是需要容忍更多的友軍和非戰斗人員傷亡。同樣，如果非戰斗人員的密度較低，即使任務不那么緊急，也可以容忍較高的風險。尋找這種平衡將是人類的工作。

但在前面描述的模糊邏輯控制器的幫助下，指揮官可以更好地確定什么時候可以信任一個人工智能系統在沒有人類監督的情況下執行一些目標定位步驟。此外，可以通過構建交互的邏輯，以找到多種不同的人機互動配置，確保系統的最佳使用，同時避免不必要的傷害。在LSCO期間，讓指揮官在需要時選擇智能和負責任地加快目標定位過程將是至關重要的，本報告中提出的設計實現了這一目標。這一成就在未來尤其重要，因為為了保護部隊并實現任務目標，指揮官將面臨大量時間敏感目標，及面臨承擔更多風險的操作條件。

在培養具有正確技能的足夠數量士兵以充分利用人工智能技術方面，仍有大量的工作。目前的人才管理計劃尚未達到管理這一挑戰的要求，盡管多個有前途的計劃準備最終滿足需求。然而，在大多數情況下，這些計劃都是為了滿足機構層面的要求，在機構層面上做出全軍采買人工智能和相關技術的決策。但是，這些技能將如何滲透到作戰陸軍，尚不清楚。

盡管人工智能在目標定位中的使用并不違反當前的戰爭法，但它確實引起了一些道德倫理問題。在所討論的目標定位系統背景下，這些倫理問題中最主要的是問責制差距和自動化偏見。第一個問題對于回答核心問題至關重要，“指揮官在什么基礎上可以信任人工智能系統，從而使指揮官可以對這些系統的使用負責？”自動化偏見和數據衛生與問責制差距有關，因為當這些問題存在時，它們會破壞指揮官可能希望實施的有意義的人類控制措施。指揮官可以通過以下方式縮小問責差距：首先，確保人員受到適當的教育、技能和培訓，以整理相關數據；其次，確保指揮官允許的風險，準確地反映完成任務與保護友軍士兵和非戰斗人員之間的平衡需求。指揮官還可以通過在機器需要更多監督時向參與該過程的人類發出信號來減少自動化偏見的機會及其潛在影響。

作為一個專業人員，不僅僅意味著要提供服務，還要在出問題時承擔責任。專業人員還必須了解各種利益相關者，包括公眾和政府及私營部門實體，如何與本行業互動和競爭。鑒于這些技術的潛力，軍事專業人員必須首先學會在技術及其應用的發展中管理預期。由于這種演變影響到專業工作的特點，軍事專業人員還必須注意專業以外的人如何重視、獎勵和支持這項工作。因此，隨著美軍繼續將人工智能和數據技術整合到各種行動中，對其專業性的考驗將在于擁有專業知識的能力，以及建立能夠繼續發展、維護和認證這種專業知識的機構，這些機構既能滿足美國人民的國防需求，又能反映他們的價值觀。