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

2016 年，美陸軍參謀長馬克-A-米利將軍描述了他對未來作戰環境的愿景。這一愿景包含了美國陸軍和聯合部隊面臨的許多新挑戰。具體而言，多域作戰的概念要求聯合部隊以近期從未經歷過的方式開展行動。尤其是空中優勢的潛在缺失，不僅將迫使美軍改變作戰方式，還將改變對這些作戰部隊的后勤支持。正如陸軍領導層所描述的那樣，美軍目前的后勤保障能力不足以在未來的作戰環境中成功作戰。反制反介入/區域拒止（A2/AD）和分布式作戰給保障部門帶來了挑戰。為了使美國陸軍保持其 "設置戰區"（包括戰區分布）的核心能力，陸軍保障界必須利用 DOTMLPF-P 框架，針對反 A2/AD 和分布式作戰挑戰進行能力差距分析。應對這些挑戰的可能解決方案包括海上基地和緩存行動，它們涵蓋了 DOTMLPF-P 的廣度，以確保能夠在未來作戰環境中提供支持的強大維持行動。

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。

技術變革幾乎被一致視為當今國防面臨的最大壓力。隨著無人機、比人類反應更快的自主武器以及由低地球軌道衛星集群驅動的智能等尖端技術的引入，技術變革正在對戰爭產生重大影響。96% 的受訪者認為，人工智能和量子計算技術對未來作戰空間具有變革性意義，我們目前還無法想象其全部潛力。

數字創新正在擴大信息戰場的規模，同時也增加了灰色地帶攻擊的數量。這些因素的結合會帶來巨大的挑戰：

更多的網絡攻擊，可能造成更大的破壞： 46%的受訪者表示，網絡武器化正在給本國國防技術戰略的發展增加壓力。然而，網絡戰術仍處于灰色地帶，國防部表示，國家可以通過網絡空間造成現實世界的破壞，同時可能不會受到歸因或報復。61%的國防專業人士認為，網絡活動的歸屬困難是灰色地帶最令人擔憂的因素。

數據過剩阻礙情報工作：54%的受訪者表示，改善戰備和決策的數據是有效利用國防技術的最重要因素。

然而，大量數據的產生意味著，一個領域產生的關鍵情報可能對另一個領域至關重要，但可能無法識別或共享數據。

數字柏林墻：94%的受訪者認為，行業、合作伙伴和盟友之間的合作與信息共享對未來戰場的成功至關重要，但信息戰場卻缺乏凝聚力。聯合國秘書長警告說，各國將在各自的金融、地緣政治和軍事觀點指導下，制定各自獨特的互聯網和人工智能戰略，從而形成 "鴻溝 "或 "數字柏林墻"。

本報告主要啟示

1、快速的技術變革正在重塑戰爭，包括擴大信息戰場的規模和灰色地帶的活動規模。這些變化正在模糊傳統領域之間的界限，要求通過協作來取得對抗對手的優勢。

2、多域集成鼓勵數據共享，并在各領域之間編織數字線程，使各國在與對手作戰時更具決策優勢。然而，盡管航空航天和國防領域的受訪者都認識到了多域集成的好處，但即使是最先進的國家，在多域集成方面也還處于起步階段。

3、采用多域集成的國家需要重點關注的領域很多。這些領域包括：實現跨領域協作、為多域集成計劃制定監管標準；以及支持技術集成。

4、人員、流程和技術解決方案需要安全開放，以促進協作。國防文化必須安全開放，以鼓勵各領域之間的合作；國防文化必須與工業界合作，以創建開放標準；國防部門必須建立促進多領域集成的技術。

參考來源：BAE Systems Digital Intelligence

美國海軍艦艇在駛入外國港口時，經常會遇到來歷不明的小型無人駕駛飛行器 (UAV)。這些無人飛行器雖然體積小，但可能被武器化，帶來安全風險。從法律角度看，有兩種可能的應對措施：(1) 頒布新的交戰規則；或 (2) 自衛。美國不應根據交戰規則將小型無人機視為敵方--國際法中并無依據--而應頒布新政策，將接近美國主權豁免船只本身作為自衛目的的敵意跡象。

在未來的數據密集型作戰環境中，威脅可能會有很大的不同。其中一個例子就是速度可達 5 馬赫及以上的導彈。要單獨應對這類威脅，至少需要做到兩點。第一，提供適當的作戰設想，考慮到未來的遠程威脅。其次，能夠收集、過濾、處理和理解相關數據，以便在短時間內確定優先次序并做出正確決策，這一點可能會更加重要。第三，在考慮網絡戰威脅時，可將這些威脅視為以光速進行。總之，在未來戰場上，從直接控制的傳感器到人工智能（AI）引導的傳感器，現有的不同類型的傳感器很可能需要高效、動態的指揮和控制（C2）。在本文中，我們提出了一項實驗研究，以調查傳感器指揮與控制可以集中在哪個層面、分散在哪個層面或兩者結合在哪個層面，以及哪個層面似乎足以在地理和信息擴大的作戰環境中及時應對威脅。

1 引言

指揮與控制（C2）作為一個術語，在許多方面都是一個二分法，它指向組織管理任務中兩個相互矛盾的方面。首先，它指向行使指揮權的創造性過程。其次，它指出了既制約指揮又使指揮成為可能的結構、規則和關系。指揮員要想提高效率，不僅要有能力應對手頭的問題，還必須了解、有時甚至克服作為其所要指揮的組織基礎的控制結構。無論控制結構是如何設計和實施的，一個軍事組織都必須具備基本的 C2 功能，才能發揮作用。軍事領域的一些思想家提出了這些功能的建模方法，如博伊德的觀察-定向-決策-行動循環（又稱 "OODAloop"）[1, 2]、布雷默的動態-觀察-決策-行動循環（又稱 "DOODA loop"）[3, 4, 5]、勞森的指揮與控制模型[6]等。幾乎所有這些模型都包含以下 C2 功能：監控、感知（此處等同于布雷默晚期定義的定向）、決策/規劃和執行/行動。在這些功能中，定向和決策功能一直是眾多研究的主題[例如，見 3、4、7]。

收集情報的職能（以下簡稱 "監測"）傳統上一直由專業人員負責，他們匯總各種來源的信息，然后提交給規劃者和決策者。如今，一些武器系統的能力和速度對這種方法提出了挑戰。這不僅對近乎實時地更新態勢圖提出了挑戰，也對指揮和分配傳感器的 C2 流程提出了挑戰。

在繼續討論時，我們將使用布雷默的 C2 理論框架，該框架通常以 DOODAloop 的形式描述[例如，見 3、4]。動態 OODAloop 這個名稱基于博伊德上校著名的 OODAloop [1] 。最初，布雷默在其 DOODA 概念中定義了四個必要功能[7]：(1) 數據收集；(2) 感知，后來被重新命名為定向[見 5]；(3) 規劃；(4) 軍事活動。

Spak 和 Carlerby 對最初的 DOODAloop 進行了改編[8]。在這里，C2 系統被視為系統環境中的相關系統 (SOI)，其邊界是任務響應系統（圖 1）。在研究 C2 系統時，它基本上是由布雷默（Brehmer）提出的功能和流程組成的[例如，見 3、4、5]，但在標注方面做了一些調整，并增加了一些元素。不過，考慮到構成任務響應系統的要素，即 C2 系統和執行系統及其相互關聯的部分，它們本身都可以被視為系統。

圖 1：系統背景下經過調整的 DOODAloop。

1.1. C2 系統的子系統和功能

由子系統組成的 C2 系統與 Brehmer 關于設計邏輯的討論有關[7，第 212 頁]。由此，Brehmer 認為，C2 系統的設計基本上是一個自上而下的過程，首先要確定設計該系統的目的。下一步是描述系統應實現的目標，即系統實現目標所需的不同功能。最后，布雷默提出，設計的最后一步是通過考慮如何實現系統的功能來描述系統的形式。布雷默還強調，該方案可自下而上地用于理解現有系統的運行方式[5]（圖 2）。

盡管布雷默將他提出的設計邏輯與拉斯穆森的抽象層次[9]相聯系，但他在最新的出版物[5，第 66 頁]中也提到了阿科夫和埃默里[10]。不過，后兩位作者確實使用了 "結構 "一詞，而不是 "形式"。一般來說，這兩個詞可以等同看待。但在本文中，我們更傾向于使用 "結構 "的含義，即 "復雜事物各部分或元素之間的排列和關系"[參見，11]。此外，我們還贊同阿科夫和埃默里的觀點，他們寫道[10，第 16 頁]："目的的含義取決 于其所處的環境： "目的的含義取決于功能的含義，而功能是相對于結構而言的[......]。結構是一個非常籠統的概念，包括幾何、運動、機械、物理和形態概念"。此外[第 26 頁]，"[f ]unction 和 structure 一樣，是一個通用概念。它在任何意義上都不與結構相對立，而是[......]與結構完全兼容"。

這也與約翰森[12]提出的論點相一致，即結構既制約 C2 功能的實現方式，也使 C2 功能得以實現。因此，既然我們認為 C2 系統是由具有特定目的和功能的相互關聯的子系統創建的，那么 C2 系統及其子系統的結構就值得關注。

顯然，"系統 "一詞是本文的核心，因此我們要界定其含義。正如 Spak 和 Carlerby [8]指出的那樣，系統一詞的含義多種多樣，因此商定一個基本定義是有益的。由于我們的興趣在于設計有目的的 C2 系統，因此我們在此采用了 Wasson [13, 第 3 頁] 提供的系統定義： "一套綜合的可互操作的元素或實體，每個元素或實體都具有特定的、有限制的能力，通過各種組合配置，使用戶在規定的操作環境中，以成功的概率實現基于性能的任務結果，從而產生特定的指揮與控制、C2 行為"。

這一定義也與 Flood 和 Carson 所討論的系統識別規則相一致[14，第 71 頁]。在此，我們主要強調系統定義的規則，即系統本身或其組成部分可以控制潛在組成部分的功能或活動。因此，如果系統本身的任何方面能夠控制其潛在要素，那么它就被視為系統的一部分。如果不能，而且它只能受到影響，或只能為系統提供輸入（或接收輸出），那么它就只能是已定義的系統環境的一部分。這句話很重要，在定義系統邊界時也至關重要。

1.2. C2 系統的功能和子系統

將圖 1 中的不同功能視為各自獨立的系統，在 Brehmer [例如，參見 4、7、5]中找不到對這種觀點的任何支持。因此，Brehmer 沒有為上層任務或 C2 系統可能需要的目的性子系統提供任何支持。當然，布雷默與西蒙[15]的推論一致，認為每個系統[功能]都需要分解，直到達到可以找到特定系統結構的適當級別。例如，在設計生產適當產品的子系統時。總之，布雷默給出了一些子功能的例子[5, pp. 89]；然而，由于布雷默主要將 DOODAloop 視為一個過程模型[5]，因此缺少關于從功能到結構的轉換，以及如何通過設計實現有目的和目標導向（目的論）的子系統的指導原則。

在此，我們的首要目標是提出一個基于控制論和系統科學的框架，在分析、設計和衡量 C2 系統的不同子系統的效率和有效性時可以加以利用。在此基礎上，我們將提出實驗研究的指導原則，以研究傳感器 C2 的哪個級別（集中式、分布式或兩者的結合）似乎足以在未來作戰環境中及時應對威脅。

2. 系統、子系統和遞歸控制的必要性

一個簡單的 C2 系統至少需要兩個相互關聯的系統。一個系統可以行使指揮和控制權，另一個系統接受命令和/或控制。然而，當考慮到 C2 系統包含一定程度的復雜性（例如，由相互關聯的子系統組成）時，它們通常具有一些一般特性。Lawson [16]舉了一個例子，很容易與設計聯系起來，如下圖所示（圖 3）。

在 Lawson [16]中，系統耦合圖可以舉例說明基于系統資產的應答系統設計。這些資產可視為由上層系統提供，用于處理某種情況，或稱為 "情況系統"。情況系統和應答系統之間的兩條線說明了兩個系統的接口。在這里，情境系統既為應答系統提供輸入，也是應答系統行動輸出的接收者。

此外，在系統耦合圖的支持下，還提供了具體的原則，確立了勞森[16，第 37 頁]定義的十三條系統規則。其中一條規則是，應答系統的其中一個元素必須提供對自身資產的控制。然而，控制元素和應答系統的所有可用資產都可以被視為應答系統本身的功能或子系統。根據這一推理，我們可以得出一個前提，即設計的子系統必須包括一個控制元件，這也突出了將系統部件分解為所含子系統的遞歸性質。

3.C2 系統的適當功能和結構

在進一步探討布雷默的 DOODAloop（圖 1）時，可將 C2 系統視為上層系統（即任務響應系統）的一部分。任務響應系統可被視為旨在影響情況的響應系統，也可被視為情況系統，按照 Lawson [16] 的觀點，情況系統本身就是一個系統。因此，按照 Lawson [16] 和 Flood 與 Carson [14] 的上述推理，我們可以使用這樣一種觀點，即 SOI 的邊界要么環繞 C2 系統及其要素，要么擴展到也環繞所設計的任務響應系統，其中包括 C2 系統及其子系統。由此可見，任務響應系統的結構是由相互關聯的子系統組成的，這些子系統提供了重要的功能，以實現預期的運行。如上所述，圖 1 中描述的 DOODAloop 缺乏在更廣泛的背景下探索 C2 系統結構和功能的特性。

我們發現，有兩種著名的系統理論可以支持結構和功能現象。第一個理論是斯塔福德-比爾的可行系統理論（VSM）[17, 18]。在他的理論中，比爾著重強調了控制一個在動態環境中運行的組織所必須處理的內容。比爾提供了一個連接五個相互影響的系統的基本結構；不過，他只把每個系統作為一個黑盒子來展示，而沒有詳細說明。

我們在此考慮的第二種理論是米勒的一般生命系統理論（LST）[19]。米勒并沒有為生命系統建立結構。不過，米勒指出了子系統與所謂的超系統之間的等級關系，以及系統雖然以物質和能量的形式表現出來，但卻受信息支配這一事實。顯然，這兩種理論的側重點不同，針對的細節也不同，這也意味著存在一些問題。

Nechansky 將 Beer 和 Miller 的兩種理論進行了綜合[如見 20、21、22、23、24、25、26]，旨在克服兩種理論側重不同細節的困境。Nechansky 提議根據 Miller 的 LST [23]，將 Beer 的數據處理結構轉化為面向目標系統的功能和結構方法。

根據 Nechansky 提出的如何將兩種理論結合起來的建議，也可以推導出應答系統的必要輸入、組件、其功能、關系和系統輸出（參見圖 3）。此外，尼燦斯基還探討了社會系統的目標價值及其走向，可表述如下[26]：

if{[(external sensor data S1) (relation) (goal-value G1)]} AND {[(internal sensor data S2) (relation) (goal-value G2)]}, then {trigger for a goal-orientated action}

根據這一表述，從運行（外部）環境中收集數據的傳感器和提供有關內部目標值實現情況數據的傳感器都可以被考慮在內。Nechansky 提供了一個綜合模型，其中包括 Beer 的系統 1 至 5 和 Miller 的生命系統。因此，內昌斯基[26]認為，米勒的物質能量處理子系統與比爾的系統 1（操作）相對應（見圖 4）。不過，在討論他提出的方法的有效性和局限性時，Nechansky 提出了一些可能會影響傳感器 C2 的有趣意見[24，第 106 頁]： "結構方面的考慮可能會明顯松動，因為 Beer 的分級問題和相關的分級決策并不一定需要 [圖 4] 所示的分級結構，也不一定需要為匹配 Beer（1979 年）的方案而開發的分級結構。任何具有足夠數據處理能力的復雜系統都可以按順序處理所有這些問題的邏輯層次，只需使用兩個層次即可。然后，上層必須控制當前處理的是系統 1-5 中的哪些問題，并確保下層的決策使用正確的數據和目標值。這就是計算機處理這些問題的原理。這將把比爾的系統 1-5 問題的處理轉化為兩個結構層次，而不是如[圖 4]所示的四個層次"。

上述針對 C2 的系統方法為同一個基本問題提供了不同的視角，即各種結構安排如何實現一系列基本功能。這一點已被應用到 C2 靈活性理論中，該理論認為，實現 C2 的不同結構安排或多或少適合應對不同類型的問題，用勞森的術語來說，就是情況系統[16]。

圖 4：比爾提出的可行系統結構與米勒提出的生命系統結構（左下），以及一個可控制任何生產系統的放大反饋系統。改編自 [26]。

C2 靈活性理論認為，可以從三個基本維度來描述 C2，這三個維度是實現 C2 的方法框架：決策權分配（描述系統中控制權的分配方式，以及誰實際有權分配與情境系統互動的資源）、信息分配（描述系統中信息的傳播方式，以及誰實際有權獲取有關情境系統和自身資產的關鍵信息）和互動（誰實際可以與誰互動--通常與系統的組織結構相對應）。

如上所述，C2 靈活性理論的基本論點是，不同的結構配置將以不同的方式實現基本的 C2 功能，這些方式或多或少適合不同的情況。這一點在數據收集（感知）和數據處理（從人的角度看是 "感知 "或 "定位"）層面就已顯而易見。根據系統的結構配置，可用數據將被收集并傳輸到系統的某些部分，在那里進行處理并轉化為某種類型的信息。根據系統內信息傳播的安排和決策權的分配，這些信息又會被某些人處理和用于決策。

與任何控制任務一樣，信息流動的速度必須使控制人員能夠及時利用資產，以表達對目標流程或情況系統保持控制所需的各種信息。由于通信技術的局限性（或缺乏通信技術），C2 在信息流、互動和決策權分配方面，歷來都是按等級組織的。由于戰爭一直是人類進行的活動，因此這種方法在很長一段時間內都是可行的。

二十世紀和二十一世紀的技術發展從根本上挑戰了這一點，因為技術提高了戰爭的速度，遠距離武器和后勤的地理分布也使士兵和武器系統的運輸更加快捷。作為軍事指揮中心結構的等級制度一再受到質疑[27, 28, 29]，但作為組織/構建軍隊的主要方式，等級制度仍未受到挑戰。正如本文開頭所指出的，某些動能武器（如彈道導彈）的速度甚至已將數據收集的感知部分變成了一個重要議題。此外，非動能能力（如網絡戰）也是開發新型傳感器的一個促進因素，以便對侵略者采取快速有效的反制措施。

如何在正確的時間將正確的傳感器集中到正確的位置，越來越具有挑戰性。在傳統的科層制組織中，信息渠道的結構和決策權的分配通常是繁瑣的。他們也不是傳感器產生的數據的解釋者。所有功能都被劃分為若干子任務，由少數有權控制其他人的個人協調執行。這就在系統內形成了 "知識氣泡"，同時又承擔著控制任務。

高度耦合系統（通常是自動化系統）形式的技術通過匯總來自多個傳感器的數據并對數據進行計算機化分析來克服這一問題。物體被檢測到、分類為目標、分配身份（ID）并進行跟蹤，而不涉及任何人類活動。然而，實現其他功能（如定位和決策）的結構仍以等級形式體現。對于某些武器系統，存在局部變通辦法，如將關鍵系統的決策權分配給操作同一系統的個人，如某些地對空導彈系統。這類系統通常是高度自動化的，留給人類操作員的唯一決定權就是是否攻擊目標。然而，這種系統的位置和傳感器的定向方式仍然是由軍事組織中的參謀職能部門執行的高層決策。

4. 總結和未來工作討論

傳感器的 C2 是一個需要進一步研究的領域。正如上文對 C2 和控制模型的討論所表明的，系統的傳感能力是有效利用系統資產的關鍵因素。因此，我們的出發點與我們對設計具有適當功能和結構的有目的 C2 系統的興趣有關。此外，本文的一個目標是提出一個基于控制論和系統科學的框架，在分析、設計和衡量 C2 系統不同子系統的效率和有效性時加以利用。然而，實現這些功能的結構可能有無數種分配方式。軍事組織中常見的等級結構源于對其他人實施控制的需要。現在情況已不再如此。今天的系統是真正的社會技術系統，因為它們由具有先進傳感能力的技術系統和人類操作員組成。

以往的研究表明，即使有大量關于時間壓力下決策制定的研究，如 "動態決策制定"，也主要集中在調節任務而非高級決策制定上[參見 30, 31]。利用微世界或所謂的縮放世界進行模擬研究是此類研究的一大突破，因為它允許在互動環境中進行受控實驗[32]。這樣就可以研究抽象的現實世界任務，如森林滅火和化學過程。實際上，這些問題需要對相關過程進行持續調節。與此相反，其他研究人員則應用微世界來研究復雜問題的解決，如扮演大城市的市長或第三世界援助項目的經理[30]。這些例子都沒有真正反映上述問題，就人類而言，主要是預測威脅可能從哪個方向發生的問題。要研究這個問題，微型世界方法可能仍然有效。Gonzales、Vanyukov 和 Martin [33]提供了一份最常用的微世界的詳細清單，對于想要從廣闊的視角了解已開發的問題和模擬類型的人來說，這份清單很有參考價值。因此，微世界的目的是向參與研究的受試者展示一個可識別的問題。不過，微觀世界必須足夠復雜，以便讓研究對象體驗到具有一定不確定性的動態情境。Johansson、Persson（又名 Carlerby）、Granlund 和 Mattsson[34]認為，微世界可用于研究 C2，并提供了使用 C3Fire 系統進行研究的實例。

4.1.未來的工作

許多以前由人類執行的任務現在完全由技術系統來完成，而技術系統的運行速度之快，甚至需要更多的技術來監督。人類決策越來越多地涉及政策或目標設定層面的決策，而技術系統則以自動響應的形式執行復雜的任務鏈，接近我們所說的自動化。例如，"愛國者 "系統 MIM104 可識別身份標識，并將潛在目標呈現給人類操作員，人類操作員的主要任務是核實目標是否具有敵意，以及是否應與之交戰。系統的所有其他方面都是自動化的。因此，系統中的人類部分只執行部分感知決策或布雷默定位和決策。不過，這要假定有人已經決定了傳感器應該在哪里以及對哪些潛在目標進行感知。如果可以確定威脅可能來自哪個方向，而且威脅的移動速度足以讓人類操作員有足夠的時間確認目標是否具有敵意并決定是否與之交戰，那么這對人類來說就是一項可行的任務。 另一方面，在未來的作戰環境中，這可能意味著人類的任務越來越多地變成決定傳感器的位置和方向，而不是執行 C2 循環中的定向-行動部分，因為后者需要比人類可能的速度更快的執行。這也與上文引用的 Nechansky 和圖 4 中描述的模型有關。因此，在作戰環境中實施現有技術和設想中的技術，也可能意味著被迫對 C2 進行 "技術壓縮"，在這種情況下，C2 周期中的定向-行動部分可由技術單獨處理。例如，作為系統 2 實現的人工智能（AI）可以指揮和控制系統 1 的實例，并在一段時間內可以覆蓋系統 3、4 和 5 的輸入（參見圖 4）。因此，傳感器的 C2 已經是 C2 循環的一個重要組成部分，在不久的將來，它將變得更加重要。那么，應該如何處理理解傳感器 C2 的問題呢？

要研究一個由人類代理和具有定位和決策能力的技術系統組成的社會技術系統如何應對安置和指揮傳感器的任務，以應對高速威脅，需要一個能反映這些方面的模擬系統。它必須提出一個與現實世界系統類似的問題，盡管不一定要有很高的逼真度。沒有必要模擬傳感器射擊鏈的每一個步驟。相反，它必須只反映傳感器的布置和引導這一基本問題，然后根據有意義的目標，對傳感器的布置和引導結果進行足夠逼真的評估。這種模擬應能進一步進行模擬運行，以評估從何處發起攻擊和使用多少彈藥所造成的后果。因此，這種模擬可以是針對每種特定傳感器配置的 "一擊游戲"，盡管可以模擬敵方采取的幾種不同的似是而非的行動的結果。

人們常說，將軍們準備打下一場戰爭，就像他們打上一場戰爭一樣。對于美國的核威懾戰略和政策，人們也經常這么說，軍方經常被指責未能擺脫冷戰思維。然而，今天的環境與三十年前冷戰結束時有很大不同。美國正發現自己處于一個必須面對兩個核對手的世界。當一個有核的朝鮮和一個接近有核的伊朗加入到這個環境中時，美國面臨的挑戰變得更加困難。

今天，美國有可能無法適應其對手對戰爭的理解，也無法把握對核威懾的相應影響。2016年，前參謀長聯席會議主席約瑟夫-鄧福德將軍宣稱："在適應今天戰爭特征的變化方面，我們已經落后了，在很多方面都是如此。" 2022年2月，有些人不相信俄羅斯總統弗拉基米爾-普京會對烏克蘭發動全面入侵，盡管俄羅斯明顯在集結軍隊，美國也發出了警告。現在，戰爭已經進行了200多天，烏克蘭預計將在一周內遭受失敗，正在通過創新地使用新技術和混合戰爭將俄羅斯軍隊趕出烏克蘭。

在戰爭初期，由于俄羅斯軍隊表現不佳，普京威脅要對北大西洋公約組織（NATO）使用核武器--也許是期望這種威脅會導致北約成員國結束對烏克蘭的物質支持。這一威脅并沒有達到預期效果。在普京核威脅的陰影下，烏克蘭正在發動一場成功的混合戰爭，其中包括常規沖突、不對稱沖突和維持西方支持的大規模努力。俄羅斯的虛假/誤導宣傳在戰爭的相對早期就失敗了，但使用核的威脅仍然存在。

烏克蘭的長期沖突，即入侵前后的沖突，為反思混合沖突的核問題提供了機會。有一些問題值得評估。首先，核武器將在混合戰爭中發揮什么作用？第二，隨著國際體系向三極化發展，可以期待看到哪些類型的變化？第三，如果對手選擇使用核武器來支持戰略目標，美國如何將核升級的風險降到最低，或對其進行管理？以下幾頁將試圖解決這些問題。

美國陸軍志在利用和處理數據以推動決策的能力方面超過對手。決策為導向，將更有能力確定正確的數據，無論是數量還是質量。即，需要做出的決策應該用來確定作戰人員的數據需求，而不是相反。數據專業人員是陸軍的財富，應該得到一切可以利用的機會來了解梯隊的能力、限制和挑戰。如果數據專業人員以前沒有軍事經驗，這就變得特別重要。

雖然之前的軍事經驗并不是數據專業人員提供數據科學相關專業知識的先決條件，但如果數據專業人員能夠獲得對多個梯隊軍事決策過程的理解，他們將變得更有優勢。如果數據專業人員只能通過作戰部隊以外的概念和論壇來了解他們對作戰人員的貢獻，他們可能會發現很難在戰術和作戰梯隊中整合反饋和建議。經驗性的機會提供了對作戰人員在行動中使用數據/信息/知識的洞察力。

同步多域作戰（MDO）將需要采集大量有關作戰環境的數據。梯隊的數據管理和訪問權限所面臨的獨特挑戰，很可能決定了多域作戰在哪級梯隊融合。如果由于行動或任務變化，重要的數據處理和利用能力在梯隊中不可能或無法獲得，那么實現融合的能力或使用來自多個領域的能力，將從更高梯隊獲得，能夠處理同步MDO所需數據。

由于對現有記錄程序（PORs）存在限制，人們越來越依賴商業現成（COTS）解決方案來滿足數據管理和可視化需求。這些COTS解決方案給美國陸軍部隊和統一作戰伙伴（UAPs）帶來了內部和互操作性挑戰，因為它們不可避免地導致在數據標準、交換機制和由于成本原因采納特定COTS方面，存在管理挑戰。在滿足作戰人員對數據管理和可視化的作戰需求方面，PORs的局限性需要被記錄下來并加以協調。

如果沒有一個協調的學習、戰略和訓練運動，那么將數據視為“數量大于質量”的風險就會很高。在對陸軍的數據文化進行有意義的改變之前，陸軍必須首先了解為什么這些改變是必要的。可以說，陸軍一直在運用數據科學和數據分析；指揮官和參謀部一直在接收數據，將其加工成信息，將信息分析成知識，并運用判斷力將其轉化為見解。數據分析有巨大的潛力，可以優化歷史上漫長的手工過程，在時間上獲得效率。然而，對于AI/ML解決方案提供和處理大量數據的能力和限制，必須有共同的理解。雖然進行分析的人類也有可能在判斷上出錯，但圍繞著依賴AI/ML解決方案來實現決策，存在著道德上的擔憂。可能總是需要一個人在環路（HITL）來驗證AI/ML解決方案的輸出，但HITL評估和分析現有數據和信息的能力，不能因為對技術的依賴而減弱或忽視。如果人員不繼續參與驗證和核實數據分析的持續過程，那人員進行分析和評估的能力將迅速減弱。數據分析的發展決不能成為損害指揮官決策能力的同義詞；AI/ML解決方案不能被誤解為具有權威性，或替代指揮官運用戰爭藝術和科學的能力。

隨著美國陸軍對多域作戰概念的鞏固，保持領導力發展與未來作戰環境的相關性是至關重要的。近距離的對手將繼續在沖突的門檻下競爭，增加了多域作戰的復雜性和不確定性。雖然評估陸軍領導力要求模型是很常見的，但陸軍領導人如何在核心屬性和能力的基礎上，在多域作戰中成長？陸軍領導力要求模型與培養多域心理相結合，能夠在多域作戰中實現有效的領導。

該理論方法對領導力核心能力和屬性進行了擴展，提供了三個額外的領導力特征。預測近鄰行動的能力，利用現有能力和人員，以及在復雜性和不確定性中堅持不懈的能力，構成了多域心理。通過教育和培訓來實施多域心理，陸軍領導人將在多域作戰中有效地對付近距離的對手。

在未來的空戰中，無人協同系統的整合將是一個潛在的巨大力量倍增器。其成功的關鍵因素將是編隊情報、協調任務規劃和跨平臺任務管理。因此，構思下一代機載武器系統的任務需要一個整體的系統方法，考慮不同的航空飛行器、其航空電子任務系統和針對未來威脅的整體作戰概念。為了盡早驗證可能的解決方案概念并評估其作戰性能，在過去幾年中，在空中客車防務與航天公司未來項目中開發了一個動態多智能體戰斗仿真。除了比實時更快的工程功能外，該仿真還可以進行實時人機對話實驗，以促進工程師、操作員和客戶之間的合作。本文介紹了動態任務仿真方法，以及在未來戰斗航空系統（FCAS）研究中應用此工具所得到的啟示，在此期間，我們清楚地認識到什么是未來應用的一個關鍵挑戰。實施一個強大的高層規劃算法，為復雜的空中行動生成臨時任務計劃，同時考慮反應性的低層智能體行為、人類操作員和在線用戶輸入。

1 引言

每一代新的戰斗機都可以通過一個或多個技術飛躍來定義，這些技術飛躍使其與上一代的設計有很大區別。毫無疑問，自從大約15年前第一架第五代戰斗機投入使用以來，幾乎所有的設計學科都有了顯著的進步。不同的飛機制造商，包括空客，已經宣布他們目前正在構思或研究第六代戰斗機[1] [3]。與目前最先進的飛機相比，這些項目很可能在各個領域都有改進，如飛行性能、全方面和全模式隱身、低概率攔截雷達和通信或武器裝備。但問題仍然存在：什么將是這一代的決定性因素，一個真正改變未來戰斗空間的因素？

一個常見的假設是，未來的戰斗空間將是 "高度網絡化 "的，即所有參與的實體都可以交換他們的態勢視圖，并以近乎實時的方式創建一個共享的戰術畫面。一方面，這使得多個平臺在空間和時間上可靠同步達到了以前不可能達到的程度。許多算法，特別是發射器定位或目標測距的算法，如果能從多個位置產生測量結果，會產生明顯更好的效果。另一方面，高質量數據的可靠交換通過分配以前由單一平臺執行的任務，使戰術更加靈活。對作戰飛機的主要應用可能是所謂的合作交戰概念（CEC），這已經是美國海軍針對反介入/區域拒止（A2/AD）環境的海軍綜合火控-反空（NIFC-CA）理論的一部分[4]，但其他應用也是可能的，例如合作電子攻擊。所提到的概念主要適用于任務期間單一情況的短期范圍，例如偵察或攻擊薩母基地、空對空（A2A）作戰等。然而，就整個任務而言，還有一個方面需要提及。鑒于所有參與實體之間的可靠通信，規劃算法可以交換任務計劃變更的建議，并根據其目標和當前的戰術情況自動接受或拒絕。這在一個或多個不可預見的事件使原來的任務計劃無效的情況下特別有用，盡管所有預先計算的余量。與其估計一個替代計劃是否可行，并通過語音通信與所有其他實體保持一致（考慮到船員在某些任務階段的高工作負荷和參與實體的數量，這是一項具有挑戰性和耗時的任務），一個跨平臺的任務管理系統可以快速計算出當前任務計劃的替代方案，并評估是否仍然可以滿足諸如開放走廊等時間限制。然后，一組替代方案被提交給機組人員，以支持他們決定是否以及如何繼續執行任務。

將上述想法與現在可用的機載計算能力結合起來，由于最近在硬件和軟件方面的進步，可以得出結論，未來一代戰斗機將很有可能在強大的航空電子系統和快速可靠數據交換的基礎上，采用卓越的戰術概念進行作戰。然而，這還不是我們正在尋找的明確游戲改變者--甚至現有的第五代戰斗機已經應用了一些提到的概念，例如，在NIFC-CA背景下的F-35[4]。因此，下一步不僅要改進飛機的航電系統，而且要在完全網絡化環境的前提下連貫地優化航電、戰術和平臺設計。這種方法允許思考這樣的概念：如果得到網絡內互補實體的支持，并非每個平臺都需要擁有完整的傳感器套件和完整的決策能力。因此，不同的平臺可以針對其特殊任務進行高度優化，從而與 "單一平臺做所有事情 "的方法相比，減少了設計過程中需要的權衡數量。很明顯，一個專門的傳感器平臺不需要或只需要非常有限的武器裝備，因此現在可用的空間可以用來建造更好的傳感器或更大的燃料箱。這已經可以使該平臺專門從事的任務性能得到顯著提高，但有一樣東西可以去掉，它的影響最大：飛行員。在這一點上，必須明確指出，目前沒有任何算法或人工智能能夠接近受過訓練的機組人員態勢感知和決策能力。這就是為什么在不久的將來，人類飛行員在執行戰斗任務時將始終是必要的。然而，如果飛行員（或更準確地說，決策者）被提供了指揮無人駕駛同伴的所有必要信息，那么就不需要在同一個平臺上了。因此，我們提出了一個概念，即一個或多個載人平臺由多個無人駕駛和專門的戰斗飛行器（UAV）支持。在下文中，我們將把至少一個載人平臺和一個或多個由載人平臺指揮的專用無人機組成的小組稱為包。我們聲稱，由于以下原因，無人平臺將作為有人平臺的力量倍增器發揮作用：

• 無人機是可擴展的，而空勤人員是不可擴展的。因此，無人機可以執行高風險的任務，并允許采用只用載人平臺無法接受的戰術。

• 無人機更便宜（即使不考慮機組人員的價值），因為它們可以在性能相同的情況下比載人平臺建造得更小。這意味著，在相同的成本下，更多的平臺可以執行任務，更多的平臺會導致更高的任務成功率。首先，因為有更多的冗余，其次，如果有更多的資產參與其中，一些任務可以更好地完成，例如發射器的定位。

• 不同的無人機和載人平臺可以任意組合。在任務開始前，可以根據需要組成包。在任務期間，在某些限制條件下，也可以重新組合軟件包，例如，如果交戰規則禁止不受控制的飛行，則指揮平臺之間的最大距離。這使得任務規劃和執行有了更大的靈活性，預計也能保持較低的運行成本和材料損耗（"只使用你需要的東西"）。

像往常一樣，沒有免費的午餐這回事。在我們的案例中，所有上述優勢對飛機設計師來說都是有代價的。不是按照一組技術要求優化單一設計的性能，而是必須設計多個平臺及其子系統，使其在各種任務和組合配置中最大限度地提高整個系統的性能。在本文的其余部分，我們將介紹FCAS原型實驗室（FPL），這是一個在FCAS背景下開發的模擬環境，用于解決這一高度復雜的問題。在第2章中概述了它在概念設計和跨學科技術原型開發中的作用后，我們將在第3章中介紹底層動態多智能體任務仿真的概念和架構。在第4章中，我們將介紹選定項目的結果，以概述該工具的多功能性。本文最后將介紹可能是未來最大的挑戰之一，不僅對模擬，而且對一般的無人系統的引進。實施一個強大的高層規劃算法，為復雜的空中行動生成臨時任務計劃，同時考慮反應性的低層智能體行為、人類操作員和在線用戶輸入。

FCAS原型實驗室（FPL）：動態多智能體任務仿真

FPL的核心是一個動態多智能體任務仿真，可以在一臺計算機上運行，也可以分布在多臺機器上，并使用不同的附加硬件組件。為了方便兵棋推演的進行，對人機界面技術進行原型測試，或用于一般的演示目的，模擬中的所有載人機載資產都可以選擇由硬件駕駛艙控制。如果沒有人類操作員參與，模擬必須能夠比實時運行更快。這對于在可能需要數小時的大規模任務中進行有效的開發和權衡分析尤為必要。為了以客觀和公正的方式評估概念和技術，每個模擬任務的過程都是由預先定義的系統屬性、物理效應的模擬和可配置的智能體行為和合作演變而來。不存在任何腳本事件，每一次新的模擬運行的結果都是完全開放的。藍軍和紅軍是在相同的假設下，以可比的抽象水平進行模擬。以下各章概述了如何在FPL中動態地模擬當前和未來機載系統的任務。介紹了我們的仿真結構，在對這類系統進行建模時最重要的設計權衡，以及行為建模的高層次規劃/低層次控制方法。

架構

FPL的仿真架構由三個邏輯部分組成：應用、仿真控制和通信中間件。該架構的一個核心特征是，模擬被分割成幾個應用程序。每個應用程序運行不同的模型，例如，有一個應用程序用于模擬自己的（藍色）航空器、敵方（紅色）航空器、綜合防空系統（IADS）以及更多的模型，如下所示。所有的應用程序共享相同的標準化接口，并且可以任意組合。這種模塊化允許只運行某個任務或項目所需的部分模型。所有的應用程序都是獨立的可執行文件，可以在同一臺計算機上以并行進程運行，也可以分布在幾臺機器上。通過交換編譯后的二進制文件，來自不同公司的模型的整合是可能的，而不會暴露詳細的基本功能。一般來說，不同公司之間的快速和容易的合作是FPL架構的一個主要驅動力。為此，提供了一個基礎應用類，它提供了所有與仿真有關的功能，如仿真控制狀態機、通信中間件接口和通用庫，例如用于不同坐標系的地理空間計算。通過簡單地實現一個新的基礎應用實例，新的模型可以被添加到仿真框架中。所有應用程序的執行都由一個中央仿真控制實例控制。它提供了一個圖形化的用戶界面，可以根據需要啟動、停止和加速模擬。在執行過程中，所有應用程序的運行時間被監控，仿真時間被動態地調整到最慢的模型。這使得分布式的比實時更快的模擬具有自適應的模擬時間加速。應用程序之間的通信是通過數據分配服務（DDS）標準[2]實現的。它使用發布-訂閱模式在網絡中實現了可靠和可擴展的數據交換。兩個不同的分區用于廣播仿真數據（如實體狀態、仿真控制命令等）和多播命令和控制數據（如通過BUS系統或數據鏈路實際發送的數據）。DDS標準的開放源碼實施被用來進一步方便與外部伙伴的合作。

圖1提供了我們的模擬架構的概況，包括大多數任務所需的應用程序。如前所述，這個架構并不固定，幾乎任何應用都可以根據需要刪除或交換。如黑色虛線箭頭所示，通過DDS中間件在仿真控制處注冊一個基本的應用實現，可以集成新的模型。藍色/紅色背景的方框描述了己方/敵方系統，混合顏色的方框可供雙方使用。仿真基礎設施組件的顏色為灰色，用戶界面的顏色為橙色。黑色箭頭表示模擬過程中的通信，灰色箭頭代表模擬運行前后的數據交換。

對于兵棋推演環節，不同的應用程序分布在FPL的多個房間內運行，以模仿真實的空中作業程序。在設置好一個場景后，藍方和紅方的操作人員使用任務配置工具，在不同的房間里計劃他們的任務。空中行動指揮官留在這些房間里，而飛行員則分成兩個房間，每個房間有兩個駕駛艙來執行任務。藍方和紅方空軍應用的任何飛機都可以從駕駛艙中控制，因此飛行員可以接管不同的角色，并相互對抗或作為一個團隊對抗計算機控制的部隊。所有房間都配備了語音通信模擬。任務結束后，各小組在簡報室一起評估任務，可以從記錄的模擬數據中回放。一個額外的房間配備了多個連接到模擬網絡的PC，可以選擇用于特定項目的任務，例如硬件在環實驗。

建模

為FPL選擇正確的建模范式事實上并不簡單，因為它涵蓋了操作分析工具（通常是隨機的）以及工程模擬（通常是確定性的或混合的）的各個方面。這個決定的影響可以用一個例子來說明，即如何確定一架飛機是否被導彈擊中。在隨機模型中，這個決定是基于可配置的概率，例如，被擊中的概率（導彈）和回避動作成功的概率（飛機）以及一個隨機數。為了使最終的任務結果對單一的隨機數不那么敏感，在實踐中經常用不同的隨機種子進行多次模擬運行。按照確定性的方法，導彈的飛出是根據導彈的發射方向、制導規律和固定的性能參數如推力、最大加速度等來模擬的。飛機在規避機動過程中的軌跡也是基于其初始狀態、空氣動力學、反應時間等。例如，當彈頭引爆時，如果導彈和飛機之間的距離低于某個閾值，那么飛機就會被認為被殺死。在一個確定性的模型中，在導彈發射時已經知道飛機是否會被擊中。確定性模型中必要的簡化通常是通過引入固定參數來完成的，比如導彈例子中的距離閾值。混合模型允許使用隨機數進行這種簡化，例如，作為失誤距離的函數的殺傷概率。

為了有效地測試和分析大規模的空中作業，在單臺機器上有幾十種藍色和紅色資產運行的情況下，模擬運行的速度至少要比實時快10倍（平均）。這對所用算法的時間離散性和運行時的復雜性提出了重大限制。為了保持快速原型設計能力，為新項目設置仿真或開發/集成新組件所需的時間應保持在較低水平。太過復雜的模型會帶來更多的限制，而不是顯著提高結果的質量。在這些方面，（更多的）隨機模型在運行時間和開發時間上都有優勢，更快。然而，在我們的案例中，有兩個主要因素限制了隨機模型的使用，使之達到最低限度。首先，模擬只有在給出他們的戰術和演習成功與否的確切原因時才會被操作者接受。此外，隨機模型是由數據驅動的，但對于未來自己和/或敵人的系統來說，所需的數據往往無法獲得。對于已經服役多年并在測試或實際作戰中多次射中的導彈，有可能估計其殺傷概率。然而，僅僅為未來的導彈增加這一概率是非常危險的，特別是因為隨機模型對這些參數非常敏感。從我們的觀點來看，通過將所有系統建模為基于技術系統參數的通用物理模型，可以實現對未來系統更健全的推斷。第一步，通過模擬已知技術和性能參數的現有系統，對模型本身進行驗證。對于未來的系統，技術參數會根據預期的技術進步、領域專家知識和他們的工具進行推斷。堅持最初的例子，未來戰斗機的回避機動性能的推斷，例如，基于從CAD和流體動力學模型計算出的更高的升力系數，或基于更高的導彈接近警告器的分辨率和靈敏度。

客觀評價未來概念在模擬中的表現的一個關鍵方面是環境和威脅的建模。必須考慮到，系統的方法在紅方和藍方都是有優勢的。現代國際防空系統的危險來自于結合不同的系統，從非常短的距離到遠距離。所有這些系統都有它們的長處和短處，但它們被組織起來，使個別的短處被其他系統所補償，并使整個系統的性能最大化。因此，第一個困難是必須對大量的系統進行模擬，并且必須確定這些系統的個別優勢和劣勢。通用物理模型的方法可用于這兩個方面。在通用防空系統模型被開發和驗證后，它可以迅速將新的系統整合到模擬中。根據模擬的物理效果，可以估計敵方系統的作戰優勢和弱點或未來可能的威脅概念。另一方面，使用通用模型的困難在于，必須將真實系統的功能映射到通用模型中，以便保留所有重要的單個系統屬性。這不可避免地導致了相當復雜和詳細的通用模型。我們將以地基雷達組件為例，概述我們平衡復雜性和保真度的方法。如圖2所示，IADS模擬中的一個實體由不同的組件組成。這些組件可以任意組合，以快速配置新系統。從功能角度看，地面雷達組件由控制器、探測模型和目標跟蹤器組成。根據實體的當前任務，控制器選擇所需的雷達模式，例如，360°搜索的監視或戰斗搜索，如果一個特定的部門必須優先考慮。為了對付干擾或地面雜波，可以使用不同的波形。根據雷達的類型，如機械或電子轉向的一維或二維，控制器有不同的可能性來適應搜索模式。在為一個波束位置選擇了波形的類型和數量后，探測模型根據目標、地面雜波、地形陰影、大氣衰減和電子對抗措施等方面的雷達截面模型，產生測量結果。測量誤差是由取決于隨機模型的信噪比引起的。由此產生的測量結果然后由目標跟蹤器處理，它執行測量-跟蹤關聯和跟蹤過濾。

這種詳細模型產生的另一個困難是必須估計的參數總數。在這一點上也要注意，模擬中的所有數據都是不受限制的。這一方面是由于大多數項目的限制，但另一方面，它在日常工作中也有實際優勢。我們必須牢記，模擬是用于概念驗證，而不是用于詳細的系統設計，所以在這個早期階段使用機密的威脅數據會對基礎設施和開發過程造成重大限制，而不會給結果帶來重大價值。基于此，所有的威脅數據都必須根據公開的來源或來自內部項目和外部合作伙伴的非限制性數據進行估算。這再次導致了大量的數據，而這些數據的詳細程度往往是非常不同的，或者是不一致的，例如，由于對限制性數據的去分類。隨著我們模型的不斷發展和多年來獲得的工程專業知識，我們有可能為不同的當前和推斷的未來威脅系統估計出一致的參數。這主要是在一個自下而上的迭代過程中完成的。根據現有的技術和性能參數，對缺失的模型參數進行估計以適應組件的性能。然后對單一系統的不同組件之間的行為和相互作用進行調整，以達到理想的系統性能。最后，在不同的情況下測試IADS內這些系統的協調，以使整個系統的性能最大化。

自主系統將塑造戰爭的未來。因此，土耳其的國防人工智能（AI）發展主要側重于提高自主系統、傳感器和決策支持系統的能力。提高自主系統的情報收集和作戰能力，以及實現蜂群作戰，是發展國防人工智能的優先事項。雖然土耳其加強了自主系統的能力，但在可預見的未來，人類仍將是決策的關鍵。

人類參與決策過程提出了一個重要問題：如何有效確保人機互動？目前，自主系統的快速發展和部署使人機互動的問題更加惡化。正如土耳其國防工業代表所爭論的那樣，讓機器相互交談比較容易，但將人類加入其中卻非常困難，因為現有的結構并不適合有效的人機互動。此外，人們認為，人工智能對決策系統的增強將有助于人類做出更快的決定，并緩解人機互動。

土耳其發展人工智能的意圖和計劃可以從官方戰略文件以及研發焦點小組報告中找到。突出的文件包括以下內容：

• 第11個發展計劃，其中規定了土耳其的經濟發展目標和關鍵技術投資。

• 《2021-2025年國家人工智能戰略》，它為土耳其的人工智能發展制定了框架。

• 焦點技術網絡（Odak Teknoloji A??，OTA?）報告，為特定的國防技術制定了技術路線圖。這些文件提供了關于土耳其如何對待人工智能、國防人工智能和相關技術的見解。

土耳其特別關注人工智能相關技術，如機器學習、計算機視覺和自然語言處理，其應用重點是自主車輛和機器人技術。自2011年以來，自主系統，主要是無人駕駛飛行器（UAV），仍然是土耳其人工智能發展的重點。此后，這已擴大到包括所有類型的無機組人員的車輛。同時，用人工智能來增強這些車輛的能力也越來越受到重視。人工智能和相關技術的交織發展構成了土耳其人工智能生態系統的核心。

土耳其的人工智能生態系統剛剛起步，但正在成長。截至2022年10月，有254家人工智能初創企業被列入土耳其人工智能倡議（TRAI）數據庫。土耳其旨在通過各種生態系統倡議在其國防和民用產業、學術機構和政府之間創造協同效應。由于許多組織都參與其中，這些倡議導致了重復和冗余。冗余也來自于人工智能技術本身的性質。由于人工智能是一種通用技術，可以應用于不同的環境，各種公司都有用于民用和國防部門的產品；因此相同的公司參與了不同的生態系統倡議。此外，民用公司與國防公司合作，在國防人工智能研究中合作，并提供產品，這是司空見慣的。

土耳其鼓勵國際人工智能在民用領域的合作，但不鼓勵在國防領域的合作。然而，由于技能是可轉移的，國防人工智能間接地從這種合作中受益。

土耳其非常關注自主系統發展中的互操作性問題，特別是那些具有群集能力的系統。除了蜂群，北約盟國的互操作性也是一個重要問題。因此，土耳其認為北約標準在發展自主系統和基礎技術方面至關重要。

土耳其目前對人工智能采取了分布式的組織方式。每個政府機構都設立了自己的人工智能組織，職責重疊。目前，盡管國防工業局（Savunma Sanayi Ba?kanl???，SSB）還沒有建立專門的人工智能組織，但SSB的研發部管理一些人工智能項目，而SSB的無人駕駛和智能系統部管理平臺級項目。目前，根據現有信息，還不清楚這些組織結構如何實現國防創新或組織改革。

土耳其尋求增加其在人工智能方面的研發支出，旨在增加就業和發展生態系統。SSB將在未來授予更多基于人工智能的項目，并愿意購買更多的自主系統，鼓勵研發支出的上升趨勢。然而，盡管土耳其希望增加支出，但金融危機可能會阻礙目前的努力。

培訓和管理一支熟練的勞動力對于建立土耳其正在尋找的本土人工智能開發能力至關重要。這包括兩個部分。首先是培養能夠開發和生產國防人工智能的人力資源。因此，土耳其正在投資于新的大學課程、研究人員培訓、開源平臺和就業，同時支持技術競賽。第二是培訓將使用國防人工智能的軍事人員。國防人工智能也正在慢慢成為土耳其武裝部隊（Türk Silahl? Kuvvetleri，TSK）培訓活動的一部分。目前，關于土耳其打算如何培訓軍事人員使用國防人工智能的公開信息非常少。