對美國國防部（DoD）采購的武器系統進行嚴格的作戰測試（OT）是確保這些復雜的系統不僅滿足其既定要求，而且在面對使用其自身高能力進攻和防御武器的堅定對手時，在現實的作戰條件下也能發揮作用的根本。如果沒有足夠的OT，作戰指揮官將無法最有效地利用他們的能力，而作戰人員將對他們帶到戰場上的武器缺乏信心，或者，更糟糕的是，由于他們沒有從根本上了解他們的武器的能力和限制，可能無意中將自己置于危險之中。美國防部的測試和訓練場提供了地理、基礎設施、技術、專業知識、流程和管理，使安全、可靠和全面的OT成為可能。然而，靶場，以及使該系統發揮作用的有才能和有決心的靶場工作人員，正處于巨大的壓力之下。除非迅速采取行動解決長期存在和新出現的挑戰，包括測試能力、現代化、數字基礎設施、侵占和資源，否則國防部的靶場將無法在未來支持及時或充分的OT。

國家靶場基礎設施面臨的挑戰正在增加和加速。物質資源和勞動力的有限測試能力，測試基礎設施的年齡，測試先進技術的能力，以及侵占影響了告知系統性能的能力，綜合系統性能，以及測試的整體速度。對美國測試基礎設施的投資以及測試和評估（T&E）方法和數據處理的改變是必要的，以便為以與作戰需求相關的速度向戰場提供致命的、可生存的、可靠的和可負擔的武器系統提供信息。本研究借鑒了來自作戰、采購和測試背景的高級軍官和官員的證詞，以及測試和培訓專家、領先的技術專家、相關商業企業的領導人，以及在國防部和國會預算過程中有深厚經驗的個人。研究委員會對具有代表性的試驗場進行了虛擬和實際的實地考察；收集了試驗場在現代化、維持、操作和資源挑戰方面的意見；并審查了先前的研究和來自作戰測試與評估主任辦公室（DOT&E）、軍種測試組織和測試資源管理中心（TRMC）的報告。本報告提出了一系列相互依存的建議，委員會認為這些建議將使國防部靶場企業進入現代化軌道，以滿足未來幾年OT的需求。該報告強調了以下三個基本主題：

1.未來的戰斗將要求在聯合全域作戰（JADO）的環境下建立連接的殺傷鏈。美國防部設計、規定、開發和測試系統，以確保它們在這種新的現實中投入使用時是非常有效的，這是至關重要的。美國防部的采購流程、組織結構、測試方法和為測試單一領域的單個武器系統而優化的靶場基礎設施將不足以測試未來的綜合武器系統，因為它們將在跨越所有作戰領域（包括陸地、海洋、空中、太空和網絡空間）的機速戰爭中運行。

2.數字技術正在極大地重塑測試的性質、實踐和基礎設施。今天和明天的武器系統從根本上說是由數據和軟件促成的，美國防部的試驗場也不例外。自主性、人工智能（AI）和機器學習在整個國防系統中的重要性迅速增加，為OT創造了新的挑戰。此外，數字孿生和高性能建模與仿真（M&S）的出現使新的測試方式成為可能，甚至新領域和操作限制的組合使虛擬測試成為某些應用的唯一實用方法。

3.現場速度是今天衡量業務相關性的標準，而這又是一個不斷變化的目標。在許多基于數字、軟件和通信技術的全球擴散的推動下，美國的對手正在迅速和持續地部署新一代的武器，旨在否定美國的作戰優勢。同時，新的武器系統正在采用從未投入使用的技術，這些技術也在以摩爾定律所允許的速度發展。可用的武器系統被迅速投入使用，但也需要持續的測試和評估。

為了應對與這些主題相關的挑戰，委員會制定了結論和建議，分為以下五大類：

1.開發 "未來的靶場"，在聯合防務環境中測試完整的殺傷鏈。靶場企業必須適應新的作戰概念和新的測試方法，以進行真實的作戰測試，這包括為系統集成測試和不同領域的多個靶場的互操作性提供有利的基礎設施。[建議3-1] 2.

2.調整靶場能力要求程序，以實現持續的現代化和維持。在保持嚴格的作戰測試和評估的同時，實現快速進入戰場，需要快速實現新武器技術和新威脅的靶場現代化。同時，關鍵能力需要保持，甚至增加，以確保所需的測試能力和吞吐量，同時減輕物理和無線電頻率環境中的侵占所造成的問題。[建議3-2、3-3、3-4、3-5] 。

3.在整個武器系統開發和測試生命周期中，為無處不在的M&S啟動一個新的范圍操作系統。今天的許多美國防部項目不能僅在現場測試中得到有效的測試。高保真虛擬測試可以提高實際硬件測試的準備程度和成功的可能性，并且可能是進行某些類型測試的唯一環境。然而，廣泛和標準化地使用M&S進行作戰測試，將取決于一個新的M&S基礎設施，測試界的重大文化變化，以及在不斷變化的威脅和技術環境中驗證M&S的新方法。[建議4-1]

4.為未來的作戰測試和無縫靶場企業互操作性創建 "TestDevOps "數字基礎設施。重新定義TRMC和試驗場的企業支持的核心數字標準和能力，以利用國防部在軟件、數據、網絡、AI、網絡安全和M&S方面的規模。使基于模型的工程、不間斷的數字線路和持續集成/持續交付的軟件實踐成為試驗場敏捷性、快速測試演化和快速到場的基礎。超高帶寬的信息流必須變得無摩擦、按需和安全。[建議4-2、4-3]

5.重塑靶場企業的籌資模式，使之具有響應性、有效性和靈活性。今天和明天的資源需求反映了快速變化的技術和威脅的現實；持續的資本投資用于創建、升級和維護長壽命的靶場系統；以及對跨領域的系統測試和無縫整合的M&S的需求不斷增加。將DOT&E更早和持續地納入需求開發和采購過程，將更好地建立和證明靶場投資的及時性和充分性。[建議5-1, 5-2；結論5-1, 5-2] 。

圖 3.2 多域戰場中真實殺傷鏈測試場景的表示。 A表示潛在運輸的豎立發射器； B 表示敵方代表雷達； C 表示敵機。

圖 4.3 將測試與模擬相結合的新范例。

本報告著重于2025年混合部隊的任務工程過程。來自OPNAV N9I的最新任務強調了關注使用成本保守的無人系統的必要性。具體來說，重點放在近鄰的競爭對手大國以及在南海的反介入/區域拒止（A2/AD）情況下可能出現的問題。海軍水面作戰中心的任務工程方法被用來確定擬議的替代艦隊架構的具體事件，然后使用作戰模擬和優化模型進行分析。對目前的無人系統，特別是那些正在開發的高技術準備水平無人系統的性能特征和成本的研究進行了匯編。提議的無人系統架構是作為A2/AD問題的解決方案而開發的。然后，無人系統架構通過優化模型運行，以最大限度地提高系統性能，同時最小化成本。然后，架構優化的結果被輸入到建模和仿真中。然后比較每個架構的整體有效性，以找到最有效的解決方案。對結果進行了分析，以顯示預期的任務有效性和利用擬議解決方案的無人架構的擬議成本。最有效的架構包括搜索、反蜂群、運送和攻擊系統。

執行總結

A 引言

系統工程分析31組由美海軍作戰司令部戰爭整合處（OPNAV N9I）負責確定一個解決方案，以彌補與大國在2025年的預期能力差距（Boensel 2021）。該解決方案系統必須具有成本效益并能在2025年之前交付。SEA團隊利用任務工程過程來確定候選的未來艦隊架構來解決問題（工程副主任辦公室2020）。

B 問題陳述

到2025年，如何才能有效地對抗近鄰對手的反介入和區域拒止能力？

C 能力需求

以具有成本效益的方式調整目前的能力，并創建一個未來的架構，以加強美國海軍的作戰能力，包括存在、欺騙、ISR以及在反介入和區域拒止環境中的防御和進攻能力。

D 任務描述

利用任務工程流程，總體情景被設定在2025年的南海。大國已執行了其九段線的領土要求，并建立了一個反介入/區域拒止（A2/AD）區。大國不斷擴大的艦隊、對人造島嶼的使用、遠距離ASCMs以及對無人系統的擴大使用使美國的水面作戰艦艇處于高風險之中。總體任務是美國海軍DDG通過提高其殺傷力和生存能力，在A2/AD區域內進行FONOPS。在整個方案中，有三個小場景被開發出來。OTH ISR、目標選擇和交戰，威脅無人機蜂群，以及提供目標選擇的威脅無人機ISR資產。

E 任務衡量

衡量任務成功與否的總體標準是美國海軍部隊在近乎同行的反介入區域拒止環境中的作戰能力。有助于衡量成功的有效性的措施是DDG的生存能力和殺傷力的提高程度與解決方案系統的成本相結合。

F 分析設計

為了分析擬議的系統解決方案（SoS）是否能達到既定的成功標準，設計了一個價值體系。利用通用的海軍任務列表，項目組確定了擬議的系統解決方案需要完成的三個二級任務，以完成任務（海軍部，2008）。

對三個選定任務下的后續任務進行了評估，以確定擬議系統需要完成的具體功能。通過這次審查，確定了候選無人系統需要完成的四項高級功能。這些功能是交付、搜索、通信中繼和打擊。為每項功能選擇了性能措施，以用于多屬性價值分析。

多屬性價值分析被用來比較完成四個功能中一個或多個功能的候選系統。一個系統的價值是根據每個性能指標對完成一個特定功能的重要性，給每個性能指標分配一個權重而得出的。權重從1到5不等，其中5表示最重要的MOP。計算MOP和權重的乘積，并將每個乘積相加，以獲得系統的價值。

為了確定可行的候選系統，項目組成員各自研究了一個不同的無人系統，并收集了每個候選系統的性能衡量標準。如果一個特定的無人系統的MOP值不知道，則推斷其值與一個類似的系統相同。如果不存在這樣的類似系統，則使用啟發式方法估計該值。對于每項功能，至少有一個系統符合技術成熟度，可考慮用于2025年的混合部隊。

F.1 建議的系統簇

為了實現所有四個功能，候選系統的組合被排列組合成16個系統簇。每個備選方案的系統價值和成本都被計算出來。系統價值的計算方法是將每個備選方案中的每個系統的價值相加。

F.2 優化

為了產生用于比較的替代方案，該團隊使用整數線性規劃生成了架構。這是用Pyomo的優化功能完成的。線性規劃被創建、約束以更好地表示現實，并被解決以生成分別針對性能、預算和替代合約選項進行優化的替代架構。

F.3 使用炮擊作戰模型計算MOE

現代導彈戰可以使用炮擊作戰模型進行評估。這個模型被用來計算每個小場景中的每個SoS備選方案的有效性。結果顯示了超視距ISR平臺的重要性，一個獨立的武器系統來對付敵人的無人機，目前IAMD作戰系統的有限防御能力，以及超視距搜索和瞄準能力。

F.4 基于電子表格的戰斗模擬

“大國”和美國都擁有深入的綜合空中和導彈防御。為了證明這種互動，在微軟Excel中使用反二項式函數對不同的交戰進行了建模。每一個擬議的艦隊架構都被輸入到三個小插曲的戰斗模擬中。為了獲得隨機的結果，試驗的數量被設定為300次，每個概率都有一個可能的值范圍。該模型中的自變量可分為防御性或進攻性變量。防御性變量是每個單位的綜合防空和導彈防御武器的殺傷數量和殺傷概率。PLAN的進攻性變量是YJ-18 ASCM和Harpy無人機的命中數。美國海軍的進攻性變量是海上攻擊戰斧、ASCM和特定攻擊無人機的進攻性命中數量。

模擬的結果顯示了擊中敵方水面平臺或美國海軍水面部隊的數量。通過比較建議的系統與基線的命中率，可以得出變化的百分比。在我們的分析中，進攻和防御的有效性被平均加權，允許將進攻和防御百分比變化的高值相加，以計算出高低變化的總百分比。

F.5 使用基于智能體的建模和仿真進行模型驗證

基于智能體的建模和仿真（ABMS）被用來驗證每個設想的系統架構與所需的MOE。ABMS旨在通過對智能體之間的相互作用進行建模，來捕捉戰爭交戰的隨機性，但又很復雜。進行了蒙特卡洛分析，以收集每個系統性能的個體層面的數據。隨后的統計分析提供了一個途徑，以確定和量化每個擬議的系統架構所實現的改進。為此目的，指揮部：現代行動（CMO），是一個跨領域的現代兵棋推演計算機軟件，旨在模擬戰術到作戰水平的行動，被用作仿真引擎。CMO模擬的是基于規則的智能體，它們相互之間以及與環境之間的互動，包括感興趣的場景中的武器系統（Coyote, YJ-18, Chaff）和平臺（例如PLAN DDG, Luyang）。與多屬性價值分析方法相比，CMO允許對定量的系統MOP進行建模，并在模擬結果中觀察其相對差異。

G 電子表格作戰模擬結果

電子表格戰斗模型模擬的第一個結果是解放軍DDG在三個不同的迭代中對美國海軍DDG的命中率，即只用YJ-18攻擊，只用哈比攻擊，以及YJ-18和哈比同時攻擊。同時使用YJ-18和Harpy的命中率被作為防御性MOE的基線值。接下來，兩種不同的防御性無人機系統被分別加入到作戰模型中。對只有哈比的攻擊和YJ-18與哈比的同時攻擊進行了重復模擬。每個系統的防御性百分比變化是用前面描述的公式計算的。

接下來的結果是美國海軍DDG在三次不同的迭代中擊中PLAN DDG的次數。模擬了僅用MST攻擊、僅用ASUW無人機攻擊以及MST和ASUW同時攻擊的結果。只用MST攻擊的命中率作為進攻性MOE的基線值。接下來，七個不同的運載系統被分別加入到作戰模型中。對僅有ASUW無人機攻擊和同時進行的MST和ASUW無人機攻擊進行了重復模擬。每個投送系統的進攻百分比變化被計算出來。

將同等權重的進攻和防守百分比變化相加，計算出高和低的總變化百分比。根據該模型，期望值是這樣的：在0.95的置信度下，增加SoS將使水面部隊的有效性增加一個介于高值和低值之間的百分比。

H. 基于智能體的建模和仿真結果

總的來說，從ABMS觀察到的性能與從電子表格模型觀察到的性能MOE相關。在所有提議的架構中，都觀察到了防御和進攻MOE的明顯改善。這是預料之中的，因為在DDG上增加任何防御性武器系統應該減少艦隊DDG的直接命中數量。同樣，增加一個具有增強OTH感知能力的進攻性武器系統會增加對目標直接作用的武器數量。

對防御性和進攻性MOE與每一方所消耗的平均武器數量的比率的進一步分析顯示，由于美國海軍DDG上增加了反群武器系統，防御性MOE得到了改善。這種增加被證明是對所有架構的一種有效的廣泛改進。三種提議的架構之間最明顯的差異來自于進攻性MOE（%），其中性能系統優于其他架構。與發射的武器總數相比，預計一個性能更好的系統會向目標發射更少的武器，同時造成更多的命中。

I 結論

這項工作證明了低成本的無人駕駛威脅系統給傳統水面戰艦帶來的危險，這些系統可以在幾乎沒有警告的情況下進行協調和攻擊，并為船員提供很少的反應時間。為了避免強制增加對峙距離以提高生存能力，有必要使用增程傳感器系統和反無人機系統來彌補預期的能力差距并提供進入被拒絕區域的機會。為了使這些系統可行和安全，高帶寬的通信系統將是必需的。

為了滿足這些需求，建議的解決方案系統利用Dive-LD來運送Coyote無人機平臺。搜索和通信中繼將由兩個VBAT無人機平臺提供。這種平臺組合為每一美元的系統成本提供了最高的進攻和防御能力的提高。叢林狼 "無人機也將作為一個蜂群來防御威脅性無人機群和威脅性無人機ISR資產。增加解決方案系統的采購將提高艦隊的生存能力和殺傷力，并允許在其他艦隊優先領域進行額外投資。

建議通過為無人機平臺配備額外的無源傳感器來改進該系統，以利用電磁頻譜的所有部分，從而提高在所有天氣和戰斗條件下探測敵方威脅的能力。此外，擬議的解決方案系統可以擴展到許多其他領域和任務區，如港口防御和反對出口。

美國海軍陸戰隊正在探索使用人機協作來控制前線部署環境中的無人駕駛航空系統（UAS），其任務范圍廣泛，包括情報、監視和偵察（ISR）、電子戰（EW）、通信中繼和動能殺傷。美國海軍陸戰隊設想使用未來的垂直起降平臺（VTOL）來支持混合戰爭任務并實現軍事優勢。對于美國海軍陸戰隊的混合戰爭應用，以實現任務優勢和戰爭主導權，美國海軍陸戰隊需要了解VTOL機組和無人機系統之間錯綜復雜的人機互動和關系，以獲得戰斗空間態勢感知，并有效地計劃和執行針對常規和不對稱威脅的旋轉翼行動。這項研究的重點是美國海軍陸戰隊在海洋環境中的打擊協調和偵察（SCAR）任務，以促進遠征基地先進作戰（EABO）在沿岸地區。有多種復雜的功能必須加以考慮和評估，以支持人機協作互動，提高任務的有效性：任務規劃、移動和滲透、區域偵察、偵察戰斗交接和過渡。

這份頂點報告探討了SCAR任務期間三個系統之間的人機協作：UAS、VTOL和地面控制站（GCS）。該研究從VTOL項目的文獻回顧開始，研究了美國海軍陸戰隊SCAR任務戰術和用于促進EABO的理論概念。此外，它還包括對自主性和自動化、人工智能和機器學習的研究。通過使用合作設計模型來探索這三個系統的人機協作互動和過程，文獻回顧探討了如何使用基于三個因素的相互依賴性分析（IA）框架來確定人類執行者和機器團隊成員之間的相互依賴性：可觀察性、可預測性和可指導性。

通過基于模型的系統工程（MBSE）工具，將SCAR任務的高級功能分解為分層次的任務和子任務，系統分析被用來支持聯合設計方法。根據Johnson（2014）的說法，合作設計方法研究了相互依賴的概念，并使用IA框架作為設計工具。IA框架捕捉了主要執行者和支持團隊成員之間的互動，以發展支持每個主要任務和分層子任務的所需能力，從而產生HMT要求。這份頂點報告分析了兩種選擇。第一個方案認為UAS是主要執行者，VTOL和GCS是輔助團隊成員。第二種方案認為VTOL是主要執行者，UAS和GCS是輔助團隊成員。基于這兩種選擇，IA框架評估了17個主要任務、33個分層子任務和85個執行SCAR任務的所需能力。

此外，研究發現需要一個強大的數字任務規劃系統，如升級后的海軍陸戰隊規劃和行動后系統（MPAAS），通過存儲以前的任務和經驗教訓的數據來促進機器學習。美國海軍陸戰隊將面臨無人機系統的處理能力和信息存儲方面的挑戰。應盡一切努力增加UAS的處理能力。必須實施一個有效的主要、備用、應急和緊急（PACE）通信計劃，以確保UAS、VTOL和GCS之間所有通信平臺的冗余。美國海軍陸戰隊必須實施支持信任、提供快速反饋和簡單操作的接口。

最后，為了準確評估VTOL、UAS和GCS之間的HMT要求，頂點報告促成了一個探索性實驗的發展，該實驗將在海軍研究生院（NPS）建模虛擬環境和模擬（MOVES）實驗室使用，以促進未來的研究。制定了操作要求和測量方法，以確定HMT要求的有效性。

這項頂點研究為在SCAR任務中執行VTOL/UAS混合行動的人機互動復雜性提供了明確的證據。該頂點研究確定了使用系統分析和協同設計作為一種有效的方法，通過IA框架促進人機協作需求的發展。此外，該研究確定了對復雜的自主性和技術準備程度的需求，這可能是目前還沒有的。頂點建議美國海軍陸戰隊繼續研究人機協作，并利用SCAR任務探索性實驗來進一步完善和研究VTOL/UAS的高級系統要求，以支持具有前沿部署的UAS的混合行動，重點是實現4級自主權。

現代戰術戰爭越來越復雜，需要更快和更有效的決策。為了支持這些快速決策，有人提出使用自動決策輔助工具作為解決方案（Johnson 2019, 63）。鑒于現代戰場的復雜性質，決策輔助工具需要大量的數據。為了支持決策輔助工具的發展，機器學習代表了一種支持有效決策輔助工具的潛在方法。這項研究的目標是進行實驗，探索應用機器學習來幫助作戰人員進行復雜的激光武器系統與無人機群的交戰決策。為了實現這一目標，研究了激光武器系統和無人機威脅，并選擇了一個仿真程序來生成可用于訓練機器學習算法的交戰數據。

這篇論文研究了威脅交戰方法，確定了有效操作激光武器系統必須考慮的決策因素，以及人工智能和機器學習在支持決策方面的應用。對無人駕駛飛行器或無人機的威脅進行了基礎研究，以確定風險并支持交戰方法的發展。該基礎研究支持選擇場景并將其編入兵棋和仿真軟件Swarm Commander Tactics，該軟件用于模擬戰斗。這項研究進行了一項實驗，通過建模和仿真交戰場景來開發機器學習算法的概念驗證，以收集訓練數據并使用這些數據來訓練機器學習算法。訓練算法的目的是為了確定使用模擬艦載激光武器時的生存能力和成功的交戰方法。在生成模擬交戰數據后，使用模擬交戰測試了多種機器學習技術，以確定機器學習預測是否能夠支持基于模擬數據的自動決策輔助。這項研究研究了機器學習的算法方法以及開發和訓練機器學習系統的過程。

總的來說，對多種機器學習技術進行了評估，以支持在模擬交戰中預測成功的無人機交戰方法，發現最適合的是樹狀分類技術。實驗證明了機器學習在這個問題領域的應用，通過建模和模擬，機器學習算法訓練是成功的。最終機器學習算法預測的結果，在預測基于敵人類型、數量和激光武器系統攻擊方法的交戰結果時，總體準確率為96%；假陽性預測，即算法預測的勝利是失敗的，為2.1%。這些結果表明，一個復雜的戰斗空間模擬軟件可以用來準確地訓練預測性機器學習算法。

這項研究表明，將兵棋模擬與機器學習算法相結合，為支持復雜的決策和交戰提供了一種機制，由激光武器系統來對付敵人的無人機群。通過實施訓練有素的機器學習算法，可以分析具有異質無人機群的復雜戰斗空間，從而選擇適當的交戰技術，從而優化目標交戰的生存能力和有效性。這篇論文的主要研究目標是探索機器學習方法在識別和支持模擬艦載激光武器系統的有效目標選擇和交戰方法方面的功效。這項研究是生成決策輔助工具的一個組成部分，以支持無人機群與激光武器系統的交戰。現代戰斗空間的復雜性質需要決策輔助工具來減少作戰人員的認知負擔。

美國防部（DOD）整體態勢感知和決策（HSA-DM）項目辦公室負責確定未來垂直升降機（FVL）的認知工作負荷驅動因素，并開發認知工作負荷管理能力。減少認知工作量的最常見技術之一是將以前由人類飛行員執行的任務自動化。海軍研究生院（NPS）的這項頂點研究通過調查任務難度和自動化的復雜程度如何影響人類在人類自動化團隊（HAT）環境中的行為，為HSA-DM的使命做出了貢獻。研究結果表明，更復雜的自動化水平并不一定像其他因素（如場景難度）那樣降低認知工作量。

研究人員進行了一項 "綠野仙蹤 "類型的研究，有20名參與者和一名同盟者。每個參與者都與同伙一組，被指派在一個名為C3Fire的軟件程序中撲滅一場森林火災。參與者包括陸軍、海軍和海軍陸戰隊的中級軍官（O3-O4）。參與者中沒有人熟悉C3Fire，但他們確實有自動化的經驗。本研究的獨立變量是自動化水平（內部；低、中、高）和排隊（之間；無提示、有提示）。同盟者遵循預先規定的自動化水平，在每次迭代后 "升級"。同盟者遵循指定的自動化水平，對應于Sheridan的自動化水平之一（Sheridan 1978）。因果變量包括傳送的信息數量、移交給同伙的任務數量以及被試報告的主觀認知工作量。被試和同伙在大約70分鐘內完成一個訓練場景和三個（現場）場景。

這項研究的結果表明，自動化水平對認知工作量沒有顯著影響。研究結果確實顯示，參與者通過使用可用的功能向自動化發送更多的任務。參與者通常使用更復雜的自動化水平，將任務捆綁在單一的信息中。在捆綁功能可用之后，參與者將更多的任務交給了自動化。然而，進一步增加捆綁的數量并沒有導致交給自動化的任務數量的顯著增加。雖然參與者將更多的任務交給了自動化代理，但認知工作量在每次迭代中都保持不變。

結果表明，下一代FVL平臺的開發者應該建立自動化功能，允許人類將任務捆綁到一個單一的傳輸中，以使人類能夠向自動化代理發送更多的任務。捆綁是有效的，允許參與者更快地發送更多的任務給自動化。但是，創建允許人類向自動化代理傳送更多任務的功能并不一定能減輕人類操作員的認知工作量。

現代戰術戰爭需要迅速而有效的決策和行動，以便在經常是高度動態和復雜的戰區保持競爭優勢。需要考慮的因素的數量因不確定性、事件的快速發展和人為錯誤的風險而放大。自動化、人工智能和博弈論方法的潛在應用可以為作戰人員提供認知支持。這項研究以自動兵棋推演輔助決策的形式探索了這些應用。該團隊為這個未來的系統開發了一個概念設計，并將其稱為兵棋推演實時人工智能輔助決策（WRAID）能力。

頂點項目的目標是探索自動化、人工智能和博弈論的應用，作為支持未來WRAID能力的方法。該團隊為WRAID能力開發了需求、概念設計和操作概念。該小組確定并探索了可能對未來實施WRAID能力構成障礙的挑戰性領域。該小組調查了與使用人工智能來支持戰爭決策有關的倫理挑戰和影響。

本報告首先對與WRAID能力相關的主題進行文獻回顧。文獻回顧從人工智能的回顧開始，提供了一個關于人工智能如何工作以及它能夠完成什么類型任務的概述。文獻綜述探討了人機協作的方法，以支持未來指揮官和人類用戶與WRAID系統之間的互動。需要翻譯指揮官的意圖，并讓WRAID將有意義的輸出傳達給指揮官，這需要一個強大的界面。審查包括傳統的兵棋推演，以研究目前的模擬兵棋推演是如何進行的，以便深入了解，未來的WRAID能力如何能夠實時復制兵棋推演的各個方面，并認為以前的兵棋推演可以為人工智能和機器學習（ML）算法的發展提供訓練數據。ML算法的訓練需要大量的代表性數據。文獻回顧研究了人類的認知負荷，以深入了解人類大腦的認知技能和上限；并確定人類思維的極限，以顯示人工智能可能提供的支持。文獻綜述中涉及的最后一個主題是，傳統的計劃和決策，以了解目前在軍事上如何制定戰術行動方案。

該小組進行了需求分析和利益相關者分析，探索WRAID能力如何支持作戰人員。該小組在需求分析的基礎上為WRAID系統開發了一套需求。這些要求被歸類為：硬件/軟件，人機界面，和道德規范。第一階段的分析結果包括 (1)戰爭的復雜性需要發展一種未來的WRAID能力，這種能力利用自動化方法，包括人工智能、ML和博弈論，(2)WRAID能力需要大量的計算能力和復雜的軟件算法，(3)實現未來WRAID系統的挑戰將是技術和道德的。

未來WRAID系統的概念設計是基于需求分析的。概念設計被記錄在一套系統模型中，包括背景圖、系統視圖、功能工作流程圖和操作視圖。該團隊開發了一個作戰場景，以支持對WRAID能力如何在作戰中使用。

在開發WRAID的過程中，預計會有一些路障。開發WRAID系統的技術是存在的，然而，研究小組發現數據挑戰、人工智能訓練、程序限制和當前系統工程的局限性將是需要解決的障礙。數據挑戰指的是獲得足夠的數據集的能力，這些數據集代表了訓練ML算法所需的真實世界的戰術行動和兵棋推演分析。程序性挑戰包括國防部實施網絡安全、機密數據、數據庫訪問和信息分配協議的能力。系統工程方面的障礙是需要新的方法來設計安全和可靠的人工智能系統，如WRAID能力。將需要SE方法來處理不可預見的故障模式，并在系統生命周期的早期確定根本原因。

對像WRAID能力這樣的人工智能系統的倫理考慮是系統發展的一個重要因素。開發系統以取代倫理學，將使系統更有可能被部署。有幾個有道德問題的自主武器系統被拉出來作為WRAID能力的道德對話的基礎。通過一個示例場景，對道德狀況進行定性分析，以了解在部署WRAID能力時可能出現的道德問題。倫理學在未來的技術中發揮著巨大的作用；從一開始就考慮到倫理學，建立技術是很重要的。

未來的重點需要放在繼續對想象中的WRAID系統采取正規的系統工程方法。WRAID系統需要一個強大的數據集，需要收集和注釋；收集的定性兵棋推演數據越多，WRAID系統的可行性和準確性就越高。與軍事部門的合作對于最大化WRAID的利益至關重要，例如情報和偵察組織。WRAID的模擬將是完善系統要求和創建現實模型的關鍵。關于如何使用WRAID的培訓和文檔應該同時開發，所以利益相關者，特別是指揮官已經準備好，知道如何使用這個新工具。未來的研究領域包括認知工程、基于正式模型的系統工程和人機協作。

隨著目前技術進步的速度和外國的目標，人工智能將在未來的沖突和戰爭中發揮作用。自上而下的指令將需要設計和實施WRAID能力：提供大量的資源，解決操作和文化變化，重組系統工程，并確保網絡安全和收購變化。實現未來的WRAID能力并不是一個微不足道的任務。然而，它對確保現在和未來的戰斗空間優勢至關重要。

這份頂點報告分析了增材制造（AM）技術在美國國防部（DOD）當前和未來的使用情況。該分析為開發增材制造工藝和分析工具（AMPAT）提供了必要的技術背景。AMPAT將幫助利益相關者確定哪些增材制造設備能最好地服務于作戰人員和他們在遠征環境中的任務。此外，該工具可以被利益相關者用來確定AM能力在整個艦隊中最有利的分布，并就這些能力應該如何被整合到更大的海軍任務和更大的國防部企業中做出決定。采用系統工程（SE）方法來收集關于當前和未來的AM方法的信息，以了解和定義AM系統的操作要求。此外，還利用SE過程來分析建立工具的替代軟件選項，實施敏捷軟件開發過程來開發工具，并驗證和確認該工具符合項目要求。研究發現，AMPAT根據用戶定義的輸入參數和加權值，成功地輸出了一個AM系統建議的排名列表。關于選擇AM設備和為艦隊制定分散計劃的建議包括使用AMPAT的可交付成果，利用用戶定義的輸入值進行定制的、迭代的分析，以適應特定的遠征環境。

執行摘要

美國海軍和海軍陸戰隊一直在各種作戰環境和任務場景中增加使用增材制造（AM）能力，以快速交付作戰設備，降低成本，更換和維修部件。美國海軍研究生院（NPS）海軍遠征增材制造（NEAM）團隊的成立是為了解決海軍遠征作戰司令部（NECC）提出的幾個研究問題。該團隊開發了一個名為增材制造過程和分析工具（AMPAT）的工具，該工具將：1）確定具體的增材制造設備，以便在遠征環境中為部隊提供最佳服務，包括分布式海上行動（DMO）、有爭議環境中的沿岸行動（LOCE）和遠征先進基地行動（EABO）；2）輸出建議，可用于幫助通知整個艦隊的增材制造設備分散計劃；以及3）幫助NECC更好地將其能力融入更大的海軍任務。

NEAM團隊使用修改過的瀑布過程模型系統工程方法來開發一個工具來回答這些問題。NEAM團隊進行了詳細的文獻審查，以收集有關各種AM技術、AM零件的設計考慮因素、材料處理以及AM在國防部的使用的信息。此外，該團隊還會見了許多從事AM技術工作的組織的主題專家（SMEs），包括海軍設施（NAVFAC）工程和遠征作戰中心、海軍海上系統司令部技術辦公室、海軍陸戰隊系統司令部、海軍水面作戰中心Indian Head分部、海軍水面作戰中心Pt. Hueneme分部、海軍陸戰隊第一后勤集團、海軍供應系統司令部（NAVSUP）、太平洋海軍信息戰中心和海軍研究辦公室。

AMPAT是一個基于Excel的工具，用Visual Basic for Applications（VBA）編程語言編寫。AMPAT包括一個數據庫，供用戶輸入各種AM系統的信息和數據，以及一個工具儀表板，使用戶能夠在進行分析所需的輸入和分析的輸出之間輕松瀏覽。儀表板允許用戶行使工具功能，包括調整分析標準和用戶選擇，向AM數據庫添加打印機，檢查AM數據庫的錯誤，運行分析，以及清除結果。用戶可以定制AMPAT分析，對一組具有不同規格和特性的AM打印機進行排名，以確定在特定環境下滿足作戰人員需求的最佳AM系統設計。關于如何使用AMPAT的每個功能，可以在《用戶指南》中找到全面的、分步驟的說明。

本報告為用戶提供了一個執行AMPAT以獲得分析結果的方法。首先，用戶通過確定感興趣的具體屬性（如故障率、運行可用性、環境條件）來設置分析參數。接下來，用戶為每個選定的屬性設置加權值，以排列每個屬性相對于另一個屬性的重要性。用戶必須設置權重值，以便AMPAT進行必要的數學分析，提供具體的AM系統建議。數學分析將根據用戶對每個屬性的權重輸入，計算出每個AM系統的加權分數，并將其標準化。AMPAT將生成一個過濾的數據庫表，其中包括滿足用戶在運行分析之前確定的輸入參數的AM系統。此外，根據分配給每個參數的權重值，將提供這些AM系統的排名列表。最后，AMPAT將繪制分析結果；用戶可以選擇特定的參數，以包括在繪圖中，并決定是按系統繪圖還是按屬性繪圖。

NEAM團隊建議NECC使用AMPAT進行迭代分析，并繼續向數據庫添加新的AM系統和系統屬性。隨著新的信息被輸入該工具，用戶將收到更詳細的結果，這可能會影響最終的AM排名。AMPAT提供的排名將為決策者提供建議，說明哪種AM設備在執行DMO、LOCE和EABO環境中最能為部隊服務。此外，NEAM團隊建議NECC將AMPAT升級到具有適當安全分類的環境中，以定制該工具的分析，為艦隊的特定地點提供AM系統的建議。如果有適當的輸入，該分析的結果可用于確定在整個艦隊中預置AM技術的最佳策略。

為了統一國防部和國防部，AM領域的專家必須共同制定一份戰略文件，確定批準AM系統用于國防部的必要標準。AMPAT應被串聯使用，以協助社區評估不同的AM技術，以確定是否適合于國防部的任務和作戰方案。隨著用戶繼續用更多的AM系統填充AMPAT，并反復進行不同參數的分析，該工具的結果和輸出可用于證明國防部的批準決定。

NEAM團隊還建議，AMPAT應擴大到包括一個零件和零件規格的圖書館或資料庫。這將擴大AMPAT的效用，使其能夠為AM系統提供建議，這些系統應被用來打印特定的零件，以支持船舶、潛艇、飛機和其他車輛或設備。最終，這將減少成本并縮短艦隊的時間表，以快速生產量身定做的部件，提高作戰人員的準備程度。

AMPAT提供了一個決策分析過程，以確定最理想的AM設備來支持特定任務，并提高整個國防部對AM能力的認識。AM技術在確保迅速和有條不紊地維持作戰設備和加強艦隊準備方面發揮了關鍵作用。AMPAT的使用將有助于使國防部和國防部統一努力推進AM技術，以支持更大的海軍任務的需要。

I. 簡介

本章定義了本研究項目的問題陳述、目標、范圍和操作方案。此外，本章還解釋了用于開發工具的方法，以及該工具將如何被主要利益相關者--海軍遠征作戰司令部（NECC）和其他利益相關者使用，以滿足研究目標。

A. 問題陳述

幾年來，美國海軍和海軍陸戰隊一直在作戰環境中采用增材制造（AM）能力來快速交付作戰裝備。必須進行研究，以確定如何整合未來的AM能力，同時最大限度地提高投資回報，并盡量減少重復工作。首要的目標是將這項研究應用于部署在各種環境中的能力，如：分布式海上行動（DMO）、有爭議環境中的沿岸行動（LOCE）和遠征先進基地行動（EABO）。就本報告而言，重點是開發一個工具和數據庫，以協助決策者確定在這些環境中使用適當的增材制造。

增材制造已經被證明是非常有益的，它提供了降低成本和快速的部件更換和維修；本報告的以下部分將更詳細地討論AM的具體優勢和劣勢。由于AM是一個快速發展的技術領域，很難持續比較和權衡技術能力和屬性以滿足不斷變化的需求。需要一個工具，讓領導層充分了解當前和新的AM技術提供了哪些能力，這樣他們就可以做出明智的決定，使國防部（DOD）的投資回報最大化，以支持作戰人員和他們的任務。決策者需要考慮的一些特性包括：移動性、易用性、培訓、打印材料和打印機床尺寸。

本項目的目的是提供一個總體決策分析方法和工具，其中包括一個易于修改的NECC當前3D打印機和部件的數據庫，以有效地將當前和未來的AM能力整合到更廣泛的海軍遠征任務中。海軍遠征增材制造（NEAM）團隊廣泛研究了當前的AM能力及其在遠征部隊中的應用，以幫助開發分析方法、工具和數據庫，NECC可以采用并用于確定如何在整個美國海軍艦隊中最佳地分散AM能力并實現利益最大化。雖然在海軍遠征軍內，以及在海軍和國防部內廣泛存在著對AM集成的廣泛需求和巨大潛力，但NEAM項目側重于將AM作為部署系統、平臺和車輛的支持能力。最終，該計劃將作為NECC的參考和指南，以便在海軍和海軍陸戰隊的AM設備部署戰略和采購方面做出明智的決定。

B. 研究目標和項目范圍

本項目的重點是NECC在部署AM設備供遠征軍使用時，如何使投資回報最大化，并盡量減少重復工作。這項研究有助于實現在DMO、LOCE、EABO和其他情況下部署AM能力的總體目標，同時確保與現有工作的互操作性，盡量減少重復的工作，并使投資回報最大化。為了不重復工作，該團隊利用以前為類似工作完成的工作，并與海軍內部正在進行的AM工作協調。這項研究的目的是為NECC提供一個決策分析過程，以指導決策者選擇最有效的AM技術來滿足遠征環境中的具體使用情況。

上述三種遠征環境（即DMO、LOCE和EABO）對AM技術都有自己獨特的需求。DMO環境將海軍的注意力集中在同行和近鄰的競爭者身上，這需要艦隊級別的參與主要作戰行動。為了做到這一點，它在各司令部之間建立了更加一體化的關系，并促進了對風險的計算接受。同樣，EABO手冊指出，"EABO是一個未來的海軍作戰概念，滿足美國聯合遠征作戰的下一個范式的彈性和前沿存在要求"（海軍陸戰隊協會2018，5）。這一戰略提供了進行遠征作戰的機會，在不摧毀所有敵軍的情況下擊敗對手的戰略。此外，EABO手冊 "鼓勵海軍陸戰隊和海軍發展優化的內部力量能力，以服務于整個DMO結構"（海軍陸戰隊協會2018，22）。LOCE概念描述了沿海環境中的海軍行動，考慮到新出現的威脅，為海軍和海軍陸戰隊提供了一個創新的、聯合的框架（有爭議環境中的沿海行動，2020）。AM在確保作戰人員在這些環境中得到適當裝備方面發揮著關鍵作用。

考慮到這些環境，NEAM項目重點關注以下問題，以利用AM技術解決作戰人員能力方面的關鍵差距。

1.什么樣的AM設備能夠最好地服務于執行DMO/LOCE/EABO的部隊，包括考慮與其他美國海軍陸戰隊和海軍部隊的互操作性？

2.在整個艦隊中，什么是最有利的AM能力的分散，以使利益最大化，包括潛在的設備預置？

3.NECC如何將其能力更好地整合到更大的海軍任務中？

這個項目并不打算分析AM實施的每一部分；因此，未來的工作將建立在這個項目的基礎上。未來的工作也被認為是減少范圍蠕變風險的一個緩解因素。NEAM團隊對未來工作的建議可以在第七章A節中找到。

C. 方法

為了實現協助NECC最大限度地提高投資回報和減少重復的項目目標，這項研究的重點是開發一個數據庫和工具，以協助決策和增加對特定任務和目標的可用AM能力的接觸。該工具和數據庫是使用微軟Office產品開發的，因為它在整個聯邦政府的計算機系統中通常是可用的。這將有助于確保它能在整個海軍中被廣泛傳播并被大量受眾使用。

該工具是使用系統工程過程中選擇的軟件開發的。它側重于由利益相關者和NECC定義的AM系統的各種能力。用戶可以使用內置的圖形用戶界面（GUI）加載AM系統的各種特性并分配權重。該工具根據所期望的遠征環境的特征分配權重，輸出AM系統建議。

為了確保交付物滿足利益相關者的需求，NEAM團隊采用了一種系統工程方法，包括利益相關者的持續反饋，這在第四章有詳細描述。這使得利益相關者能夠在項目進展過程中對研究的具體方向提供意見，并使NEAM團隊能夠在獲得信息和分析結果時提供。

D. 報告結構

本報告第一章解釋了問題陳述、研究的目標和范圍，以及用于開發本項目中可交付成果的方法。

第二章包括對NEAM團隊為收集不同類型的AM技術、如何設計AM零件、材料處理方面的考慮以及AM在國防部的具體使用情況而進行的文獻審查的廣泛和詳細描述。此外，第二章描述了NEAM團隊用來完成項目的系統工程方法，以及考慮過的其他方法。

第三章著重于利益相關者的識別和分析，并描述了主要利益相關者的需求，用于將其轉化為具體要求的過程，以及當前AM能力中存在的差距。

第四章概述了增材制造工藝和分析工具（AMPAT）的代碼開發過程和所遵循的軟件流程，以及該工具的能力和限制。

第五章提供了AMPAT的幾個使用案例，并描述了該工具所要使用的操作環境。

第六章全面解釋了AMPAT如何用于檢索特定任務的分析結果，并解釋了用于確保該工具滿足項目要求和利益相關者需求的驗證和確認（V&V）方法。

第七章記錄了開發團隊得出的結論，總結了研究和分析對利益相關者和國防部的益處，并對未來工作提出了建議。

摘要

美國海軍在實現海上作戰空間自動化的過程中面臨著挑戰，并有可能落后于其崛起的大國競爭者--中國人民解放軍海軍（PLAN）。美國海軍和中國人民解放軍海軍是如何采用自動化來改善海軍情報、監視和偵察（ISR）的？這項研究的結果表明，美國海軍是一個創新者和早期采用者，而解放軍海軍作為一個后期現代化者接受了自動化系統和人工智能（AI），受益于已經存在的相關技術知識。美國海軍的宙斯盾和艦艇自衛系統以及人工智能技術能夠實現海上優勢；然而，中國海軍在人工智能技術方面的進展比美國海軍快。這篇論文比較了兩支海軍在ISR方面采用自動化和人工智能技術的情況。在本研究中，自動化被定義為一個過程或特定的、以任務為導向的系統，它的運行不需要人類的直接控制。人工智能更深入，包括旨在創造能夠分析、評估和優化備選方案以追求更廣泛目標的機器技術。采用了埃弗雷特-羅杰斯的擴散過程S曲線模型，作為分析海軍規劃者和決策者提高效率的框架，因為他們正在考慮采用哪些自動化和人工智能技術以及如何最好地利用它們。

1. 簡介

自動化和人工智能（AI）的發展將影響未來的海權。2017年7月8日，中國表示，目標是建立一個國內的人工智能產業，并在2030年之前使國家成為"人工智能的創新中心"。2019年2月11日，唐納德-特朗普總統簽署了13859號行政命令，以保持人工智能的領導地位，并體現美國的價值觀。雖然這些戰略已經公布，但在海軍事務中采用自動化的速度仍然緩慢。在美國海軍作戰部長2018年的文章《海上優勢的設計》中，海軍作戰部長的首要任務是設計未來的綜合海軍力量結構，并 "全員上陣，使杰拉爾德-R-福特號（CVN 78）盡快準備好作為戰艦。"而中國人民解放軍旨在向未來的 "智能化戰爭 "發展。人工智能超級大國的海軍競相采用自動化和人工智能技術進行持久的情報、監視和偵察。這篇論文比較了兩個關鍵的自動化傳感器--美國宙斯盾和中國348型 "龍眼"的技術采用情況，以及它們如何改進海軍的情報、監視和偵察（ISR）。

自冷戰以來，海上優勢已經開始依賴來自相互連接的ISR平臺的自動化預警系統。在美國和當時的蘇維埃社會主義共和國聯盟（USSR）之間，海上指示和警告（I&W）的自動化被大量嵌入常規海軍能力。蘇聯解體后，中國穩步崛起，并一直在尋求使用人工智能（AI）來增強其軍隊的認知能力，速度越來越快，特別是在未來的海權方面。航空母艦、海軍飛機和潛艇之間的自動化通信鏈路，稱為Link-11或Link-16，允許人類操作員通過互聯網計算機系統即時發送信息。

這項研究的重點是美國海軍和中國人民解放軍海軍（PLAN）采用基于自動化的平臺。海軍ISR平臺的例子包括：船舶自動化、有人和無人系統、空中偵察衛星、可視化識別和定位海上平臺的計算機系統。這個話題很重要，因為有三個關鍵因素：快速人工智能技術研發的政策；大國競爭（GPC）的回歸；以及減輕不確定性和增強判斷力的需要。然而，先前的地緣政治事件表明，由于設備的錯誤配置和人為錯誤，自動化系統可能容易出現錯誤的、非結構化的或無監督的數據。在正確的時間、正確的地點接收正確的數據，對于了解未來海權自動化的采用至關重要。

本研究關于關鍵領域的范圍包括：自動化戰略；輔助決策（速度）；以及使自動化工具發揮作用的空間關鍵情報系統。對采用自動化的影響的概述是以美國和中國的國防和政策戰略文件為界。將討論采用關鍵情報系統的戰略意義。

采用和駕馭當今的自動化技術是至關重要的。對新興技術的技術采用有賴于頻繁的軟件更新和兼容的硬件來成功運作；否則，系統將不能按預期或最初的設計運作。另一種方式來概念化這個采用和整合2020年的技術的過程，就是思考將現代藍牙揚聲器或收音機整合到20世紀80年代的車輛中；可能的，但試圖整合不兼容的軟件或硬件將是有代價的，很可能會出現故障并導致不兼容，這就是在海軍ISR平臺上部署或采用自動化系統或AI工具之前缺乏冗余的測試。

1.1 研究問題

美國海軍和中國海軍（PLAN）是如何采用自動化技術來改善海軍ISR與 "宙斯盾 "和348型雷達傳感器對未來海權的影響？

1.2 背景介紹

半個世紀前，美國陸軍參謀長威廉-C-威斯特摩蘭將軍對未來戰爭的看法在今天看來是正確的。1969年10月14日，他在美國陸軍協會的演講中指出

• 在未來的戰場上，通過使用數據鏈、計算機輔助的情報評估和自動火力控制，敵軍將幾乎在瞬間被定位、追蹤和鎖定......有了可以持續追蹤敵人的監視裝置，用大量的部隊來固定對手的物理位置的必要性將變得不那么重要。

威斯特摩蘭將軍概括了采用持續監視、跟蹤和瞄準的設想，用計算機即時跟蹤敵人。

著名的斯坦福大學計算機科學教授、人工智能開發者和企業高管安德魯-吳（Andrew Ng）認為，就像一個多世紀前電力幾乎改變了一切一樣，今天很難想象在未來幾年內有哪個行業不會被人工智能所觸及。他的愿景似乎正在實現，今天提供海上態勢感知的軟件程序被稱為共同作業圖像（COP）。美國國防公司雷神公司開發的COP是為了以近乎實時的方式直觀地顯示海軍的空中、陸地和海上平臺。屏幕上的圖片點根據其獨特的標識符或指紋來識別和定位海上的海軍平臺，這也是GPS在地圖上的顯示方式。這是一種人工智能的應用形式，其中自動化催化了這個過程，并簡化了飛機、水面艦艇、潛艇、地面站和衛星之間的數據流。

自20世紀50年代以來，杰出的領導人已經研究并在海軍事務中采用了海上平臺的模式識別及其相關的雷達信號或信號。對于海軍ISR來說，一種被稱為基于活動的情報（ABI）的軟件程序是 "一種分析方法，它圍繞人、事件和活動的相互作用，迅速整合來自多個情報源和來源的數據，以發現相關模式，確定和識別變化，并對這些模式進行定性，以推動收集和創造決策優勢"。

根據海軍研究生院（NPS）計算機科學家Joshua Kroll教授的說法，自動化是根據一套既定的規則對一個過程進行操作，這些規則被稱為一套顯性和隱性的規范。這些規則可以非常簡單，也可以非常復雜，由人類和機器以各種方式實施。這些規則在軟件程序中以 "如果，那么"的邏輯實現和編碼，然后可以與機械功能相配合，通常與人配合。自動化是有益的，因為它在機械或視覺上使一項任務自動化，同時避免了人類的弱點，如疲勞和不專心。

自動化和人工智能是不完美的，有時會有特定的錯誤。系統規則或規則的輸出可能不正確或不完整，它可能導致災難性的事件，導致自動化的研究停止或暫停。人的錯誤在系統錯誤中也會有很大一部分。

使海上數據流自動化的海軍傳感器已經推動了海軍運營商和戰略家為未來的海上戰斗空間重塑人工智能的采用。美國防部（DOD）的人工智能戰略已經加快了 "采用人工智能和創建一支適合我們時代的部隊。"簡單地說，使用有效的傳統技術是有價值的，但了解人工智能超級大國如何采用改變游戲規則的技術，對于改善海軍ISR至關重要。采用自動化的合適方式圍繞著知識、訪問和時間來進行相關和準確的預警。

第二種方法是定義和理解自動化和人工智能的文獻，包括其在社會各部門的看法。對自動化沒有一個公認的具體定義。我的方法將是概述來自政府、軍事、公共和私人的標準定義，并將他們的定義與計算機科學家等技術專家進行比較。當人們說或聽到人工智能這個短語時，各種想法和圖像就會出現在腦海中--從摧毀對手的致命自主武器或殺手機器人到不那么嚇人的圖像。對人工智能的看法可以從想象水手們坐在船上的電腦屏幕前到蘋果的Siri或亞馬遜的Alexa技術。對自動化的看法可以是簡單的流水線，到自動精簡信號以控制信息流，并納入數字地圖以顯示船只、飛機和潛艇的位置。定義取決于你問誰。

第三種方法是分析今天有關人工智能超級大國之間海軍ISR的自動化和人工智能能力。

第四種方法是構思和描述采用自動化加上人工智能新興技術的設計方法，這些技術可以在不到六個月的時間內被回收、重復使用和轉身，從而擁有為海軍ISR采用自動化的長期戰略的優勢。這種不規則的方法將納入有效性和性能的措施，并有一個苛刻的時間表，其中包括積極的、及時的和道德的標準。

1.3 研究方法

本論文方法將是開發一個適應性模型，用于比較分析今天美國海軍和中國海軍之間的自動化和人工智能能力，包括其海軍的空軍部分。我們的目標是產生一種研究方法，為參謀長聯席會議主席提供精確和簡明的指標和衡量標準，以便其啟發式地觀察和吸收，在今天采取行動，并在人工智能軟件開始超越現有技術時重新調整方向。在第二章中，對自動化和人工智能的文獻回顧進行了定義，海軍ISR的技術方面對于討論、概念化和在本論文中使用一個簡單的工作定義是必要的。

除了定性分析，定量分析將通過對有貢獻的行業公司（私營和公共）的網絡分析來進行，以追求為高層決策和反饋系統開發一個采用框架。混合方法的目的是為了確定情報、監視和偵察的自動化做法。對ISR自動化的徹底分析將使我們更好地了解海上戰場ISR的當前趨勢和限制。值得注意的是，采用的理論通常是基于組織或用戶；因此，將討論兩者。將使用埃弗雷特-羅杰斯（Everett Rogers）的擴散過程的S型曲線模型，研究在過去50年里ISR采用自動化的水平。

這篇論文將包括三個具體的自動化系統，它們可以連接到兩個重點自動化傳感器和兩個海軍采用的云服務來存儲ISR數據。這些系統包括無人潛航器（UUVs）、無人駕駛飛行器（UAVs）。除了美國防部企業范圍內的云解決方案，美國還整合了聯合企業防御基礎設施（JEDI）云計劃，這可以提高海軍ISR支持，并與中國保持同步。關于解放軍的云服務發展計劃，已知的公開信息很少。然而，在2017年，與解放軍合作的中國科技部招募了互聯網巨頭百度、阿里巴巴集團控股公司和騰訊控股--也被稱為BAT--用于云計算。

埃弗雷特-羅杰斯1962年的擴散過程S曲線模型將有助于更好地理解當前的采用方法。例如，美國國防采購系統（DAS）和聯合能力整合與發展系統（JCIDS），以及根據DODI 5000.2的2020年中層采購（MTA）途徑是美國技術采用的采購模式。還將使用定量措施來聯系相關公司的空間和時間網絡分析，私營和非營利公司，可以積極和消極地促進自動化的采用。其目的是可能揭示公司的專有權利和它們之間的距離或分離度，這可能顯示出未來海軍ISR的方法和整體采用過程中的弱點。

作為第三章的案例研究，將提供埃弗雷特技術采用的S型曲線的概述和一個逐步的過程，以幫助海軍ISR采用自動化和AI的過程。其他可提及的擁有采用自動化系統或AI工具的AI戰略的國家將在本論文中簡要討論，它們是英國、俄羅斯、法國、伊朗和韓國。

1.4 技術采用理論

幾十年來，技術背景下的采用理論一直是研究人員、商業和工業界的焦點。現代術語 "采用 "源自羅馬的一種采用形式，即adoptio。這個15世紀末的法語和拉丁語短語adoptare來自ad，意思是 "到"，optare意思是 "選擇"。簡單地說，人們可以選擇一個無生命的物體、人、地方或事物，或者選擇改變，或者不改變。

技術采用的S型曲線代表了一個理論框架，幫助概念化一個人或一個組織如何成功或不成功地采用一項技術。根據美國傳播理論家和社會學家埃弗雷特-羅杰斯（Everett Rogers）的觀點，創新技術的成功采用發生在一個分布式的鐘形曲線上，呈S型，它是由擴散曲線在時間和常態方面得出的（圖1）。采用系統的五個類別是。(1) 創新者；(2) 早期采用者；(3) 早期多數；(4) 晚期多數；(5) 落后者。了解S型鐘形曲線的各個階段對成功采用新興技術非常重要。

圖1以水平和拉伸的 "S "形式描述了技術采用率，采用率在Y軸上，時間在X軸上。這意味著，當一項技術最初被采用時，無論是技術還是市場條件，都需要幾年的時間來調整或發展到達到一個拐點，以實現快速采用。

圖1. 擴散過程的S型曲線模型

當市場開始飽和時，曲線就會變平，技術的后期采用者在飽和點上采用新興技術并融入競爭環境已經太晚了，這就是落后者的位置。海軍領導層會發現這一點很有用，因為這意味著最好是在S型曲線的拐點上，而不是在它的起點或終點。

隨著人口的增長，自動化和人工智能新興技術也將增長。S型曲線思想的歷史始于19世紀，其動機是為了了解更多關于人類的成長。羅杰斯的S型曲線采用理論是基于Logistic函數作為人口增長的模型，該模型由比利時數學家Pierre-Francois Verhulst在1839年首次提出。Verhulst將這一理論與人口增長聯系起來，最初他的想法來自英國人和政治經濟學家托馬斯-馬爾薩斯在1789年的《人口原理論》。在這一時期，人們擔心人口增長超過食物供應，以及未來養活人口的問題。從1950年到今天，美國的人口增長從3.3億美國公民增長到14億中國公民；促成了目前77.6億的人口，而且還在不斷增加。人類人口越是增長，對知識的渴求就越有可能，不僅是人類，還有自動化和AI。人們希望有更多的自動化系統，并采用人工智能技術，因為它們通常比人類更快，可以消耗更多的數據，同時提供智能和監控，有時某些技術只是使用起來很有趣。

S型曲線采用理論的一個重要推論是，海軍應該在已經成長并經歷過失敗的技術上建立公司，以實現成功采用。一些技術包括AlphaGo深度學習系統和IBM的DeepMind子公司谷歌，用于下圍棋的戰略游戲，或稱圍棋。2016年，計算機系統AlphaGo擊敗了韓國特級大師李世石。對于這兩個人工智能超級大國的海軍來說，這種模擬游戲直接關系到美國海軍和解放軍海軍之間的傳感器和計算機系統如何在海上戰場上相互學習。技術的采用和增長可以很好地轉化為生命周期模式，并以長期的累積增長來衡量。

自20世紀50年代以來，自動化技術的增長并不令人驚訝，而且是不完善的。根據Modus的說法，S型曲線 "來自于一個定律，即增長速度與已經完成的增長量和有待完成的增長量成正比"。就像生命周期--出生、成長、青春期或成熟和死亡的時期一樣，S型曲線階段作為減速、加速、換檔或完全停止并重新開始的關鍵機制。不是每一個為ISR設計的特定海軍傳感器或計算機系統都能實現對海上戰場的完美了解。

這種觀察在商業領域得到了認可和利用。谷歌前首席執行官和國防部顧問委員會的董事會成員埃里克-施密特認為問題是直接的。他認為，如果我們建立可靠的系統，在其中了解故障模式和錯誤率，計算機視覺是很容易理解的。通過宙斯盾接收、分析和傳播信息和情報，計算機系統與傳感器的連接有時間差，這在年輕的操作人員中產生了公認的挫折感，他們設想計算機系統和人工智能應用，就像高分辨率的視頻游戲，是采用自動化的一個弱點。

人類使用自動化軟件應用來解決問題。重要的是要明白，自動化目前沒有能力進行智力評估。人工智能模擬了人腦的認知功能和計算機視覺顯示數據。在美國海軍中，機器背后的人類操作員使用基于規則的自動化系統，該系統顯示雷達信號。靜止的數據--計算機中沒有被使用或操作的數據--被限制在輸入的數據量中。

采用理論的變化是不可避免的。與美國歷史學家Elting Morison的研究和反思過程相似，自動化的采用主要圍繞著四個不同的部分："任何機械變化的起源點的初始條件；變化的主要代理人的特點；那些抵制變化的人的性質；以及促進適應所引入的變化的手段。"不理解和忍受這些部分，就不能超越現有知識體系的門檻。

在2020年，我們處于另一個巨大的技術發展和GPC回歸的時代，通過這個時代維持未來的海權取決于在網絡空間的第四維度的優勢。俄羅斯總統弗拉基米爾-普京曾經說過："人工智能是未來，不僅是俄羅斯的，而且是全人類的。它帶來了巨大的機會，但也有難以預測的威脅。誰成為這個領域的領導者，誰就會成為世界的統治者。"自動化簡單的任務和采用人工智能工具，即使是傳統的系統，也需要改變今天的GPC和國家安全。

5 總結和建議

5.1 前言

這篇論文試圖比較美國和中國海軍采用自動化和人工智能進行海軍ISR的不同方式。將具體的自動化工具--宙斯盾、SSDS和346型--如何改善現代海上戰斗空間的問題進行了概念化。第二章概念化了自動化一詞--一種技術、過程或系統，機器通過它來實現一個特定的目標--和人工智能，一個更雄心勃勃的概念，提出了分析和評估能力。第三章描述了羅杰斯的技術采用的S型曲線，并建議總共有五類采用者來規范采用者類別的使用。這種方法很重要，因為如果沒有這種方法，在采用過程中，將想法討論和將適當的技術歸類到其適當的時間表是至關重要的。第四章展示并分析了兩國海軍采用自動化和人工智能海軍ISR平臺和軟件的方式。盡管美國海軍在海上優勢和空中優勢方面一直保持著主導地位，但中國海軍在主導人工智能以獲得未來的海權方面正在快速接近。

這篇論文包含一個七步戰略和設計過程，適用于簡單、復雜和特別復雜的自動化或人工智能應用的技術采用。這個理論過程可以幫助確定海上戰斗空間中成功的海軍ISR實踐所需的主要需求和材料。人、材料和物理空間代表了關鍵要素。本研究的理論框架確定了五個關鍵的技術采用能力：早期和季度的 "篝火談話"；有遠見的思想領袖；宏偉的戰略敘事；設計一個人工智能發展計劃；在計算機技術材料資源方面的領先；以及，為人工智能工程專家和海軍知識專家建立一個即時的和用戶友好的平臺。

本章涵蓋了調查結果的總結、人工智能的差距、倫理和人工智能、對美國海軍的建議，以及涉及海軍ISR的人機合作的自動化和人工智能工具的未來工作。

5.2 調查結果摘要

弗蘭克-巴納比提醒我們，"軍事技術正在使戰爭自動化。"目前的趨勢顯示，無疑是自動化處理、融合和產品交付，用于指揮和控制海上戰斗空間。我開始對自動化和人工智能應用于海軍ISR的調查，以更好地了解兩國海軍采用的機制和類別，不僅使每個海軍成為偉大的競爭對手，而且使其部隊成功的海軍人工智能力量有哪些特點和技術。

如果指揮官被信息或情報淹沒，海軍ISR技術采用的S型曲線的結論可能很重要，相反，可以刺激一種新的文化，采用自動化和人工智能的混合方式，將早期采用者與后期采用者折疊在一起。根據谷歌前首席執行官埃里克-施密特的說法，"美國防部有一個創新采用的問題"，應該對軟件系統采用DevOps，或開發運營的文化，并專注于 "客戶采用 "，文化發展的中心是用戶或戰術操作員和在兩國海軍中服務的AI工程師。例如，中國人民解放軍有一種采用技術較晚的發展文化。后期采用者或落后者可以從早期創新者的成功和失敗中獲益，因為這類采用者專注于采用和 "復制 "成功的技術，并觀察到哪些技術的失敗不被采用。

圖20表明，這兩支海軍作為近似的競爭者，在采用自動化方面是成功的；然而，它們處于曲線的兩端。這意味著美國海軍代表著創新和早期采用，而解放軍海軍代表著海軍ISR任務中采用技術的后來者。

圖20. 美國海軍創新者和采用者與中國人民解放軍后期采用者在S型曲線上的對比

這兩個大國競爭者似乎都在采用技術的前向或后向思維方式中共存并完成波長，但政治制度會影響采用技術的速度，無論是創新者還是后來者。

5.2.1 人工智能有利于專制的海軍

自動化和人工智能技術的采用速度往往有利于專制社會。根據中國的人工智能戰略，中國的計劃是通過快速發展人工智能成為全球創新中心，加強中國在采用自動化進行海軍ISR方面的領先地位。"中國的人口超過14億公民，大約有29萬解放軍人員，這大約相當于解放軍230萬人員的12.6％。自2018年以來，中國發表了約42.64%的頂級人工智能論文，約52%的人工智能全球專利，在人工智能公司中排名第二，有超過1011家公司，而美國的人工智能公司有2028家。"在私營部門，中國利用百度、阿里巴巴和騰訊（統稱為BAT）來推動人工智能的發展。中國擁有開放社會中較多人口的優勢，可以協助清理數據，開發或復制算法，并利用開源數據和社交媒體收集和監視海上的海軍平臺。也許，開發人工智能的公司和中國之間的強大反饋回路對軍隊來說是天作之合。

5.2.2 自動化和人工智能：國際海事治理的變化

此后，解放軍海軍能夠利用并聲稱擁有一種新的海事治理模式，并迅速接近其在人工智能方面的主導地位。中國已經開始在采用自動化方面超越美國海軍。在中國清華大學最近關于人工智能發展的工作中，中國國家人工智能政策演變的第五階段（2017年至今）顯示了下一代人工智能在軍事、工業和民用部門中的特點。自2013年以來，解放軍和中國建設和軍事化了其自造島（即，在第一個島鏈內，解放軍擁有 "主場 "優勢，可以監視和維護其在SCS有爭議島嶼周圍12海里的區域。解放軍繼續使用東雕級AGI船來了解美國的海軍事務。作為后來者，解放軍海軍將有可能 "復制 "美國海軍所展示的成功海軍ISR戰術和行動。

中國正在通過收集大量的數據，在人工智能方面領先于美國海軍的間諜船、偵察衛星和OTH雷達。摩爾定律，即每塊硅芯片的晶體管數量--計算處理能力每兩年翻一番，導致快速增長和生產力。中國正在利用收集從海上到太空資產的大量數據的優勢，生產高質量的數據。如果計算機處理能力每兩年翻一番，那么用長期收集的高質量數據進行過濾的難度就會降低，并且更容易在中央數據存儲（即云）中找到。

隨著中國繼續在當地和全球建立更多的網絡基礎設施，它顯示了它愿意為長期優勢承擔短期風險。另一個長期接受的因素，梅特卡夫定律，斷言完全連接的網絡的價值增長與兼容通信設備數量的平方成正比。例如，如果一個網絡有五個節點完全相互連接，每個節點的固有價值是x，它的力量是100倍（由于它有十個不同的鏈接），而單一鏈接的網絡的力量是5倍。雖然網絡的價值增加了兼容通信，但如果競爭對手破壞或黑掉其中一個節點，它也會增加網絡安全問題。解放軍的愿意承擔計算機網絡攻擊的風險，在人工智能方面占據主導地位，以實現長期戰略。

5.2.3 美國海軍的先發優勢：半導體和軟件

然而，美國在人工智能方面的領導地位已經超越了美國沿海地區，擁有比中國更多的海軍人員，并領導著建立網絡基礎設施所需的物質資源。雖然美國人口為3.294億，低于中國的總人口，但美國海軍有339,448人，比中國海軍人數多。美國海軍在采用人工智能技術方面具有先發優勢，不僅僅是因為它的人數比中國海軍多，而是因為美國在頂級人工智能公司方面處于領先地位。具體來說，美國的人工智能公司集中在企業軟件、半導體和量子計算方面。

然而，美國海軍與工業界或私營公司的聯姻可能會帶來重大問題，并與那些不或不堅持用人工智能支持軍隊的人工智能工程師產生摩擦。美國人才來自于硅谷、聯合人工智能中心、國防部的項目，如DARPA、DIU和NavalX。然而，谷歌、臉書和亞馬遜等頂級人工智能公司因隱私權問題受到批評，公眾對人工智能武器化的看法造成了無縫合作的問題。即使美國海軍和國防部在與硅谷合作，在60至90天內完成商業人工智能工具的原型制作并投入使用時，似乎在人工智能的某些方面處于領先地位，但這并不適用于所有海軍ISR平臺。美國海軍司令部可能能夠利用硅谷的人工智能工程師的商業人工智能工具，但傳統的美國海軍可能需要數年或數十年才能完全自動化并采用傳統的常規平臺的人工智能工具。

5.2.4 在人工智能和海權的未來，一艘自動化的航空母艦可能無能為力

ISR技術使海軍平臺幾乎無法隱藏，大量的數據可以欺騙競爭對手。勞倫斯-利弗莫爾國家實驗室高級研究員、海軍研究生院教授扎卡里-戴維斯博士在他的文章《戰場上的人工智能》中認為，"人工智能可以通過增加突襲的感知風險來侵蝕穩定性"，一方的人工智能支持的ISR平臺可以迷惑其他精致的ISR。 由于許多海軍ISR操作人員工作時間長，無法完全審核定位移動目標的相關性和準確性，也無法以速度和精度進行打擊，戴維斯稱今天的ISR操作人員很容易被大量的數據和過度收集的數據所害，而競爭者都很想操縱或欺騙其他競爭者。

5.3 AI差距：缺少連接AI工程師和運營商/用戶的AI平臺

這項研究顯示，沒有明顯的中央自動化或人工智能工具，具有連接人工智能工程師和知識專家或海軍用戶的即時通知技術，以更快地解決問題。自動彌合這一差距可以大大有助于獲得客戶和競爭對手的洞察力。根據蘭德公司關于評估數據分析的研究，一個特殊的挑戰與非結構化數據的收集和使用有關，而且不在固定的位置，如關系型數據庫.直接在一個中央數據庫內為人工智能工程師和海軍用戶自動化一個人工智能平臺，對于美國海軍解決和掌握至關重要。采用一個新的平臺來連接人工智能建設者和海軍用戶將有助于超越技術應用的拐點。

盡管收集的信息越來越多，這項研究顯示，描述性和診斷性的風格，特別是視覺分析和趨勢分析，被利用。人工智能提供了關于海軍ISR（即平臺和傳感器）所發生的信息，而診斷性人工智能則迅速指出了確切的問題或議題。正如第四章中提到的，美國海軍采用了一種OTH視覺分析工具，用于對來襲的海軍平臺進行預警。描述性和診斷性的人工智能都是在采用更復雜的預測性和規定性人工智能之前需要掌握的基本程序，其典型代表是神經網絡、模式識別、機器學習和深度學習。

預測性人工智能在美國海軍的數據分析武庫中是缺乏的。預測性人工智能為可能發生的事情提供數據--一個海軍平臺下一步可能去哪里，或者可能是為什么它下一步要去特定的地點。預測性人工智能技術的例子是機器學習、模式識別和統計建模；這種人工智能編程的方法使用歷史和統計數據來進行海軍活動的趨勢分析。預測性和規定性人工智能是對中國保持競爭態勢所必需的先進技術。

規定性人工智能也是缺乏的。規定性人工智能根據歷史數據提供數據，說明如果海軍ISR平臺在海上進行x、y或z的演習，會發生什么以及什么可以更好地發生，并提供建議。規定性人工智能的例子包括監督學習算法，如 "隨機森林"，它根據以前收集的數據或模型創建并將決策樹合并成一個 "森林"。這可以幫助支持未來的熱圖和生成對抗網絡（GANs）技術，用于兵棋推演或與競爭對手進行 "紅隊"。簡而言之，無論海軍是早期采用還是在所有其他海軍采用特定的自動化或人工智能技術之后，完善基礎知識并在每一級指揮部發展創新和人工智能操作的文化仍然是成功領導人工智能的關鍵。

美國海軍缺乏的另一個人工智能平臺是能夠從海上生活的 "正常 "模式中區分出可能的異常或反常現象。為了開發和采用區分海上異常或反常現象的技術，目前可用的材料，如來自硅谷的半導體和軟件人才，應該持續和頻繁地訪問和測試。軟件或硬件不足的問題會導致更新的延遲，這最終可能會對識別和定位在海上行動的解放軍部隊構成問題。

人工智能和軍事技術的商業化可能是下一個改變游戲規則的威脅。商業行業出售和使用的無人機可能導致競爭對手使用蜂群戰術來對付關鍵的傳感器，如宙斯盾、SSDS或龍眼雷達。每一級的自動化和人工智能都會增加一層復雜性，以診斷、預測和規定解放軍的下一步行動。此外，如果解放軍與商業部門一起開發人工智能，就會減少美國海軍對具體軟件或硬件更新的控制。對特定的自動化或人工智能工具的控制減少，可能導致其他競爭者或對手購買、銷售和采用這些工具，并利用它們直接對付美國海軍。

5.4 建議

這項研究提供了四個主要建議。另一個已經在快速采用新興技術的模范社區是特種作戰部隊（SOF），特別是特種作戰司令部另一個已經在快速采用新興技術的模范社區是特種作戰部隊（SOF），特別是特種作戰司令部（USSOCOM）。根據NPS教授Leo Blanken的說法，DIU、NavalX和USSOCOM等美國防部組織可以提供 "一種簡單且具有成本效益的方式來改善該領域的現有創新工作：將軍事研究生研究人員與已部署的特種作戰部隊結盟，以快速建立原型：概念和技術。"SOF社區為快速原型設計提供了一個有吸引力的測試平臺，并將戰術用戶與人工智能工程師即時聯系起來。

其次，美國海軍應該投資并采用 "DevOps "文化，以保持對解放軍的競爭優勢。在一個等級森嚴的組織中，培養和實踐DevOps將內在地從人工智能學校或部署前和部署后周期的教育時間開始。這只能由負責的高級官員進行灌輸和啟發。可以說，美國在創新和軟件技術及人才方面繼續領先，但可以通過將美國海軍司令部或總部設在商業和私營人工智能公司附近來進一步提高，以培養和采用下一個人工智能的突破。

第三，在為航母植入更多自動化和人工智能的同時，相應的理論應該考慮蜂群戰術和網絡空間。就像一窩蜜蜂可以蜂擁而上超越一頭熊一樣，自主的無人機可以輕易地蜂擁一個航母打擊群，特別是宙斯盾或SSDS及其相關的天線。如果不將蜂群技術與作戰和戰術ISR任務結合起來，其后果可能導致競爭對手以極小的代價摧毀宙斯盾或346型，并對海軍ISR造成巨大的損害。

第四，兩國海軍共享網絡空間。JP 3-12將信息主導權定義為 "一支部隊在網絡空間的主導程度，允許該部隊及其相關的陸地、空中、海上和太空部隊在特定的時間和地點安全、可靠地開展行動而不受對手的干擾。"網絡空間是自動化海軍平臺的致命弱點，因為海軍ISR平臺之間的自動化和通信依賴于共享信息空間和解讀頻率進行通信。

這篇論文發現了在海軍ISR采用自動化和人工智能時應該考慮的五點:

1.從第一天起就制定一個戰略敘事，并在每個指揮層討論人工智能戰略。戰略敘事是一種特殊的故事，一個組織可以清楚地理解和參與這個故事。這很重要，因為它能告訴其他海上競爭者你是誰，你曾經去過哪里，你要去哪里，以及你在哪里。每個指揮部都應該希望激勵其軍隊成員，讓盟友和合作伙伴興奮，并吸引用戶，如人工智能工程師和人類操作員。

2.控制了建立自動化和人工智能所需的技術材料的國家和海軍，如半導體、硅和鍺，將在未來海權的人工智能方面占據主導地位。市場是否準備好支持軍方在海軍ISR方面的解決方案？

3.采用自動化的成敗在很大程度上取決于對電磁頻譜的控制和頻率的解調能力，如果不是全部的話。

4.應該有一個自動化的人工智能反饋平臺，以便軍事用戶和人工智能工程師可以直接發短信和說話。一個獲勝的、更好的端到端產品需要很好的用戶體驗，以實現高效的工作流程和即時的報告。

5.早期采用者和后來者之間的重大洞察力表明，美國海軍和解放軍海軍在技術采用和競爭的波長上處于兩端。在羅杰斯在第三章關于技術采用的S型曲線的工作中，美國和中國海軍領導人都落在S型曲線的兩端，適合他們各自的組織和理論結構。

5.5 海上力量的未來和未來工作：人機合作

人類和機器聯手是在海軍ISR事務中采用自動化和AI的關鍵。本節涵蓋了未來的工作和采用自動化和人工智能過程中的長期考慮。這些因素是：為操作者提供自動化的健康指標；利用量子計算的研究；以及各種現實技術（虛擬、增強和混合）的增加。

5.5.1 團隊AI健康：COVID-19

海軍ISR和采用自動化或新興技術的重心取決于海軍平臺上健康的人類操作員來操作這些系統。如果一種流行病在一艘航空母艦上蔓延，如USS Theodore Roosevelt (CVN 71)，那么所有支持航母行動的ISR都會停止，美國海軍未能采用AI進行監視--其后果可能會導致生死攸關的情況。AI可以提供重要的人類輔助工具，可以將明確的指標自動化。

指揮官會發現，為海軍操作人員的各種設計制定策略，并設計一個整合健康實踐和人工智能的戰略是非常有用的。一個自動化的紅綠燈圖表和每日追蹤器，帶有閃爍的通知符號，將有助于為指揮官和決策者指示診斷出的問題或觸發因素。與生物事件相關的社會破壞的自動化指標的一個簡單模型是威爾遜-科爾曼量表，即生物事件可能性增加的四個階段：有利條件、單焦點或多焦點生物事件、嚴重的基礎設施限制和當地反應能力的耗盡，然后是社會崩潰。第二個復雜的模型是約翰霍普金斯大學冠狀病毒互動地圖。另一個可以提取或利用模型的數據庫是康奈爾大學的arXiv數據庫，供世界頂級人工智能研究人員提交給斯坦福大學的知名資料庫（見附錄）。以互動的方式自動列出SWOT，可以使海軍ISR受益。這很重要，因為有一個明確定義的任務和問題清單有助于盡早診斷出問題，并迅速找到合適的人工智能研究人員。

5.5.2 量子計算

對量子計算的進一步研究將有助于美國海軍對人工智能的成功采用。量子計算超越了二進制數字（比特值為0或1），這是計算機中最小的數據單位，并使用研究人員托馬斯-坎貝爾所說的 "量子比特，其中單個比特可以處于三種狀態之一：開、關，以及唯一的，同時開和關。"在2018年的美國國家量子倡議中，國會確定國家標準與技術研究所（NIST）和能源部的量子信息科學研究中心為量子計算的頂級領導部門。因此，美國海軍應不斷與NIST和能源部密切合作。在這種情況下，國會是資助和提出法案以啟動海軍內部采用新興技術的最高關鍵之一。雖然處于初級階段，但量子計算可以提高人工智能的速度，特別是在機器學習方面，以便迅速發現模式并過濾大量數據集；它將為未來的海權投下長長的陰影。

5.5.3 倫理與人工智能

美國和中國都發布了 "原則"，而不是專注于自動化和人工智能是否符合道德、道德上允許或不允許的爭議性問題。2019年6月，中國科技部發布了《新一代人工智能治理原則：發展負責任的人工智能》，其中列出了人工智能治理的八項原則：（1）和諧友好；（2）公平公正；（3）包容共享；（4）尊重隱私；（5）安全可控；（6）責任共擔；（7）開放合作；（8）敏捷治理。2020年2月，美國防部的國防創新部門花了15個月時間才宣布采用人工智能道德的五項原則。它們應該是負責任的、可靠的、公平的、可治理的、可追蹤的。發布像人工智能倫理指南這樣的原則表明，兩個國家都希望在人工智能的發展中具有靈活性，但也有責任。不管有沒有原則，關于使用人工智能的主要爭議很快就與人工智能的錯誤識別以及自動化和人工智能工具武器化的可能性有關。

首先，存在與人工智能和軍事有關的倫理問題，這些問題在電影中都有描寫，如《終結者》或《我，機器人》，這些電影最初是艾薩克-阿西莫夫的深思熟慮的短篇小說，并在現實生活中得到了證明。一些人認為，軍事技術或人工智能在軍隊中的使用不應繼續下去，因為計算機系統可能會自行行動，或根據流行的電影和社交媒體做出自己的致命決定。如果人工智能告訴人類操作員一架飛機有敵意，那么指揮官只有幾秒鐘的時間來決定是否根據現有信息作出反應。然而，自1988年以來，在ISR平臺上采用自動化和人工智能工程，增加了透明度，避免了像美國海軍文森號這樣的事件，這是人的錯誤而不是機器的錯誤。可以說，自動化有助于防御友軍或敵軍的火力，有助于國家安全。

第二，在人機合作中，人是道德主體，而機器不是，但可以被打造為提供道德的選擇。在亞里士多德的《尼各馬可倫理學》中，一個有德行的人并不持有公開的德行態度，而是在特定情況下以某種方式行事，并有一系列的理由。人類可以有意識地做出單獨的選擇；而今天的機器只是協助人類做決定。在美國海軍中，道德問題很可能取決于傳統主義或法律主義的觀點，也可能是以更多的探究性或可能是功利性的心態來修正一種觀點。

在中國人民解放軍中，未來關于道德和采用自動化的工作可以通過中國的道德決策來研究。在中國，倫理學與美德倫理學密切相關，涉及一個人應該如何生活，以及后果主義，涉及所有涉及物質產品的利益。

雖然今天的人工智能機器在一定程度上是自主的，但人工智能機器最終可能會根據特定的道德倫理規范，比人類更快地提出后果。兩個嚴重的倫理問題是：自主系統在未來能否或將被歸類為道德代理人？如果在生死攸關的情況下，對違反人類戰爭法的無道德的代理人--自主系統--缺乏問責，會發生什么？NPS教授Bradley Strawser提出的這些倫理問題值得考慮，但超出了本論文的范圍。

5.5.4 人機合作與虛擬現實（增強現實）。

雖然Ishare對自動化和人工智能大大改善人類福祉的潛力抱有極大的熱情，但智力優于人類的機器的發展可能會導致人類操作者頭腦中的認知失調，并可能被用作一種威懾機制。愛因斯坦警告說，原子的力量會改變我們的思維模式。原子彈導致了廣島和長崎的核災難。然后，核電變成了 "核大決戰 "的想法，這是一個涉及使用核武器造成廣泛破壞并最終導致文明崩潰的理論情景。今天，前國務卿亨利-基辛格等人認為，人工智能威脅著我們的意識以及我們理解真理和現實的方式。"人工智能可以作為威懾工具的概念是一個重要問題，可以在未來的研究中進一步研究。

根據這項研究，海軍ISR平臺的自動化程度越高，人工智能工具的增加，海軍事務和海權將變得更加虛擬。最近的報告，如美國 "2020年美國國防訓練中的擴展現實應用"，闡明了數字轉型對人類的日常影響，并已延伸到虛擬現實（VR）、增強現實（AR）和混合現實（MR）技術，這可能是下一個顛覆性技術。各種形式的VR的商業化可能會成為對海軍部隊的威脅。本研究沒有涉及現實技術，VR、AR或MR對于保持人類安全不受傷害或作為一種威懾工具是非常有用的。

由于愛因斯坦和基辛格分別就核戰爭的災難和人工智能對人類意識的威脅提出了警告，人工智能可能會走向一場 "認知戰爭"。認知戰爭將是在海上戰場上使用自動化和人工智能，幾乎由不在海上的人類控制。作為一種威懾工具，人工智能可以被用來用 "假的注入數據 "來威脅競爭對手在海上可能存在的海軍威脅，而實際上，沒有機器存在或曾經存在過。

在一場由自動化和人工智能驅動的革命中，人類正處于信息主導的邊緣。自古以來，海上的艦隊一直在尋求了解地平線外的情況，即敵人可能潛伏的地方。一個世紀前，安裝在駕駛飛機上的無線電和雷達的興起使海軍有能力將監視范圍擴大到地平線以外。具有諷刺意味的是，人工智能解決問題和管理信息的最終效果可能是人類推理、智能和決策的轉變。今天，自動化既在全球范圍內擴展其影響力，又在解釋大量的信息以解決問題，并比以往任何時候都更能創造出充分的透明度。真正的，自動化ISR正在改變人類的知識、認知、現實，并最終改變21世紀海權的面貌。

摘要

在航空航天和機器人手術等領域，復雜的高精度人機系統的效率和安全性與操作員的認知準備、管理工作量的能力和態勢感知密切相關。對心理工作量的準確評估有助于防止操作失誤，并通過預測工作負荷過重或刺激不足可能導致的業績下降，從而進行針對性的干預。基于人體和大腦活動測量的神經工效學方法可以為復雜訓練和工作環境下的人類心理工作量提供敏感和可靠的評估。本文概述了可穿戴腦和身體成像方法通過神經/生理信號評估心理工作量的潛力，并提供了一種利用多模態生物傳感器對多領域認知任務中的工作量進行比較評估的研究設計。這種綜合的神經工效學評估利用神經成像和生理監測，可以為開發下一代神經適應接口和更有效的人機交互和操作技能獲取的訓練方法提供信息。

關鍵詞:認知工作量，fNIRS，腦電圖，眼動跟蹤，神經工效學，移動腦/體成像

引言

人類在任何類型的目標或任務上的表現都與熟練完成這些目標或任務所需的認知工作量有關。每個人都有自己獨特的認知模式，在執行某些類型的任務時更有效率。通過有針對性的培訓，可以在更短的時間內提高操作人員的能力，提高工作效率。

心理負荷在許多復雜的指揮控制系統中起著至關重要的作用。在航空航天和機器人手術等領域，復雜的高精度人機系統的效率和安全性與操作員的認知準備、管理工作量的能力和態勢感知密切相關。主觀操作員報告、生理和行為測量不足以可靠地監測可能導致不良結果的認知負荷。心理負荷這個概念反映了大腦為滿足任務需求而努力工作的程度，它的一個關鍵特征是，它可以與行為表現數據分離。經驗豐富的操作員可以通過增加努力、激勵或改變策略，在較長一段時間內保持所需的性能水平，即使面臨更多的任務挑戰。然而，持續的任務需求最終會導致績效下降，除非心理工作量的上升趨勢可以用來預測隨后的績效崩潰。因此，重要的是在訓練和行動任務期間評估獨立于業績衡量的精神工作量。基于人體和大腦活動測量的神經工效學方法可以為復雜訓練和工作環境下的人類心理工作量[2]提供敏感和可靠的評估。

在軍事行動的背景下，評估和衡量操作員的認知工作量尤其重要，因為在軍事行動中，性能故障可能會導致災難性的損失。對心理工作量的準確評估有助于防止操作失誤，并通過預測工作負荷過重或刺激不足可能導致的業績下降，從而進行針對性的干預。