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

人工智能(AI)正迅速融入軍事指揮與控制(C2)系統,成為許多國防部隊的戰略重點。人工智能的成功實施有希望預示著通過自動化實現C2靈活性的重大飛躍。然而,需要對人工智能在可預見的未來所能實現的目標設定現實的期望。本文認為,人工智能可能會導致脆弱性陷阱,即把C2功能委托給人工智能會增加C2的脆弱性,導致災難性的戰略失敗。這就要求在C2中建立一個新的人工智能框架以避免這種陷阱。我們將論證,"抗脆弱性 "和敏捷性應該構成人工智能C2系統的核心設計原則。這種雙重性被稱為敏捷、抗脆弱、人工智能驅動的指揮和控制(A3IC2)。一個A3IC2系統通過C2決策周期中的反饋過度補償,不斷提高其在面對沖擊和意外時的表現能力。一個A3IC2系統不僅能夠在復雜的作戰環境中生存,還能茁壯成長,從戰爭中不可避免的沖擊和波動中獲益。

I 引言

許多人認為,將人工智能(AI)納入軍事指揮和控制(C2)是建立軍事力量競爭優勢的一個關鍵因素[1],[2],[3]。人們對人工智能在戰場上能夠實現的目標抱有很高的期望,有些人宣稱它是下一場"軍事事務革命"[4]。人工智能有望在C2中實現復雜功能自動化,從而導致"戰場奇點"的概念,即決策周期自動化帶來的行動速度的增加導致人類的認知無法跟上機器做出決定的速度[3]。在這種對未來戰場的展望中,人被認為是C2系統中的一個薄弱環節[5]。

本文認為,人工智能的整合可能會對尋求機器速度決策的C2系統性能產生意想不到的后果;從戰略上講,一個已經達到 "戰場奇點"的系統在根本上是脆弱的。人工智能的快速發展及其對C2系統明顯的革命性/顛覆性影響在很大程度上是由對戰爭期間對對手的 "響應"程度的關注所引導的,而不是對這種技術可能對C2系統性能的整體影響。文獻中提出了兩個假設:第一,假設人工智能將通過優化系統的各個部分來進一步實現提高敏捷性的目標;第二,由于復雜的人工智能能夠在戰時做出決定,甚至在戰略層面做出決定,未來人工智能支持的C2系統將在盡可能少的人力投入下得到改善[6],[7]。這兩個假設都是錯誤的,因為人工智能帶來了獨特的特性,可能會增加C2系統的脆弱性。

傳統上,C2系統被認為受益于一種戰略,該戰略側重于在復雜的競爭環境中最大限度地提高敏捷性[8],[9],[10],[11]。David Alberts用 "敏捷C2"的概念體現了這一戰略,該概念指出,為了使C2系統有效,它必須能夠在復雜的環境中成功應對、利用和實現變化。C2的有效性是通過系統要素的相互作用來實現的,如適應性、響應性、靈活性、多功能性、創新性和復原力[8]。然而,對"敏捷C2"模式的接受使大多數軍事C2理論和文獻將人工智能技術作為提高C2決策單獨響應性的手段[1],[2],[7],[3],[5],而對C2系統需要響應性以滿足戰略利益這一單純的事實則關注較少。問題的核心就在這里,提高響應能力的人工智能是否能夠做到這一點,同時了解決策對跨多個領域的戰略和大戰略目標的影響。我們認為,盡管人工智能很先進,但由于人工智能系統容易受到具有戰略后果的黑天鵝事件的影響,在作戰環境中的預測從根本上來說是脆弱的[4]。人工智能的優化特性,加上人類責任的減少,可能成為阻礙C2敏捷性的 "脆弱 "方法。

為了否定上述可能導致人工智能C2系統脆弱性的一些問題,需要一個新的設計原則,以增強系統從波動中自我改善的能力,即所謂的 "抗脆弱性"[12],[13]。適當設計的人工智能可以通過在系統級存儲器中積累適當的遭遇和學習經驗來實現抗脆弱系統的發展,但它也可能鼓勵C2決策周期的過度優化。這可能會導致系統無法識別和解釋突發事件,但仍然快速推薦決策,導致負面風險的升級。因此,人工智能的整合支持了一種新模式的發展,擴展了敏捷C2的概念,并包含了抗脆弱性。這將被稱為 "敏捷、抗脆弱、人工智能驅動的指揮與控制"(A3IC2),它是敏捷C2、抗脆弱理論和人工智能用于C2的綜合體,建立在Boyd、Brehmer和Alberts[14],[8]所開發的模型之上。

為了探討A3IC2,本文的結構如下。第二節介紹了文獻回顧,將A3IC2概念與之前的其他概念區分開來。然后在第三節中介紹了人工智能導致脆弱性,接著在第四節中論證了抗脆弱性將使人工智能在C2系統中得到有效利用的原因。第五節討論了擬議的A3IC2功能模型,然后在第六節得出結論。

II 文獻回顧

A. 指揮與控制

就本文而言,軍事C2的定義是負責適當分配部隊以實現軍事目標的戰區級職能。軍事學說將其廣泛定義為 "對所分配的部隊行使權力和進行合法指揮的過程和手段"[1],[2],[15]。這有別于其他被描述為戰術層面的C2系統,如單個車輛或小單位的C2。

軍事C2與戰略決策是密不可分的。它包括一個等級組織,指揮官的意圖來自他們所保衛的國家戰略目標,為下屬的決策和行動提供方向[14]。C2的最高優先事項之一是保持對環境的態勢感知,并以軍事行動做出適當的響應(或不響應),以實現戰略目標。C2不僅要有效地進行作戰,而且還必須知道何時從非作戰行動(OOTW)過渡到作戰[16],反之亦然。因此,軍事C2的適當抽象(或模型)需要承認沖突的全部范圍;從作戰到非作戰行動[15]。它必須考慮到C2系統所處的 "作戰環境 "的動態復雜性;從戰術到戰略層面以及它在大戰略層面產生的影響。簡而言之,有效的C2不僅僅是能夠贏得戰斗,它還必須知道什么時候挑起戰斗是一種相稱的響應[2],[15],[16]。此外,它需要了解其行動對大戰略層面的影響;也就是整個政府的目標。

C2,作為一個系統,在一個非線性和復雜的環境中運作。它被歸類為 "社會技術"系統,是技術和 "社會 "或人類元素的混合體,它們相互作用,并與更廣泛的復雜環境相互作用[17]。一個C2系統表現出動態的、突發的行為,有許多意外的或不可預知的后果。這不僅是因為這些系統依靠人類來理解復雜的環境并制定解決問題的計劃,而且因為它也是一個技術系統,態勢感知依賴于數字系統和傳感器來傳遞信息,而這些信息可能無法準確地代表作戰環境[9],[17],[10],[4]。C2系統必須完成的任務或目標完全取決于未預料到的現實世界的事件,如戰爭、環境災難和其他雜項OTW。這發生在多個領域(物理的和非物理的),并且都是在分歧的作用下。從系統思維的角度來看,C2作戰環境是真正 "超復雜"的[18],[16]。

因此,軍事C2有一個非常困難的任務,即它必須在一個復雜的環境中做出具有重要意義的決策,并保證有幾乎不可能預測或逆轉的二階和三階戰略效應[19],[4]。長期以來,軍事戰略家們一直理解這一點,并在傳統上通過心理模型或啟發式方法來管理,以指導如何理解和應對戰爭的復雜性。這些心智模式現在被固化在戰略研究學科和現代軍事理論中[4]。C2是在戰爭中取得戰略成功的一個重要手段,它被定義為 "確定一種方法,使敵人的組織因無助或混亂而崩潰"[16]。與指導這一結果相關的心智模式(必然)是高度抽象的,反映了對復雜性的理解;戰略與其說是一門科學,不如說是一種藝術。Clausewitz和他的 "分歧"概念,描述了在這種復雜性中操作的困難,它習慣于破壞所有精心策劃的計劃,導致了 "戰爭中一切都很簡單,但最簡單的事情卻很困難 "的看法[20]。自Clausewitz以來,由于信息理論、人工智能、系統思維和控制論方面的重大進展,戰略的啟發式方法已經取得了進展。關于戰爭的心智模式繼續從技術中發展,但戰爭的核心性質卻沒有發展。它在政治中的基礎要求它是一種與人的因素密不可分的活動[4],[15]。將這些心智模式轉化為指導人工智能的具體指標,是一項非同尋常的、可能不可行的任務。這些心智模型的工作原理是對背景、指揮官的意圖以及一個決定可能產生的大戰略后果的整體理解。

科學、技術和信息理論對戰略和C2概念產生了重大影響[21]。John Boyd上校,作為控制論和戰略的學者,在這兩個學科的基礎上,創造了戰略研究領域中最有影響力的功能模型之一--觀察(Observe)-調整(Orient)-決定(Decide)-行動(Act)(OODA)環。OODA環路是一個詳細描述 "贏與輸 "理論的模型,大致描述了一個人如何管理競爭環境和生存[21]。對于一個有效和可生存的C2,Boyd認為,一個系統必須能夠比敵人更快地適應其環境。調整(Orient)的步驟代表了在觀察、分析和心理模型的基礎上做出 "正確的決定",但如果雙方對手的其他條件相同,誰能更快地循環到每個步驟,誰就能獲勝[21]。因此,推動沖突的速度超過對手反應速度的C2系統,將造成'致命的不穩定',從而取得勝利[4]。正是從OODA循環理論的發展中,系統思維C2文獻繼續研究什么是一個卓越的C2系統;這是一個結合了系統思維方法和戰略研究的多學科領域[14],[19],[21]。文獻中有一個廣泛的共識,即戰爭的復雜性要求C2系統必須是動態的或敏捷的,允許人們既取得勝利又避免系統失敗[8],[10],[11],[9],[21],[4]。

然而,盡管OODA環路作為一種輸贏理論是合理的,但它并不是在C2系統中實施敏捷性的充分模型,因為它忽略了特定的功能,如 "指揮概念、規劃、放行準則或系統延遲",導致模型過度強調速度為目的[14],[9],[19]。為了將OODA環作為C2的一個更好的模型,Brehmer開發了動態OODA環(DOODA環)。Brehmer認為,需要具體的細節,如整個決策過程中的延遲,以使該模型在C2背景下具有足夠的描述性[14]。因此,在圖1中看到的DOODA循環允許指揮官和工作人員實際了解C2過程的每個功能。它通過明確每個C2功能,說明了為了提高敏捷性和決策性需要實現什么[14]。出于這個原因,DOODA循環模型將被用作本文后面的A3IC2功能模型的基礎。

從上面的討論中,有一個概念是明確的:C2及其性能的測量與系統運行的戰略背景是不可分割的。C2系統內的動態變化不是在真空中發生的;C2系統的最終結果是控制的影響,或在指揮軍事力量的超復雜環境中做出有效決定的能力,以便生存和獲勝。如果一個高度復雜、高效、響應迅速的人工智能C2系統無法追蹤作戰環境的復雜性、產生的影響以及它們在大戰略層面的后果,那么C2系統將無法在高強度戰爭的動蕩下生存。

圖1. 動態OODA環[14]

B. C2系統定義

在文獻中,對C2系統類型的描述是有問題的,導致與敏捷性、適應性、穩健性和復原力的定義有很大的重疊,這取決于情況或背景[11],[22],[8]。然而,有兩個廣泛的基本生存方法被描述,所有C2系統類型至少有一個方面是相同的:

1)保持形式的力量(在不改變的情況下,在波動中生存的能力)。

2)改變形式以保持力量(通過改變在波動中能生存的能力)。

這兩種生存方法都可以根據情況而有效;因此,一個有用的C2功能模型必須包括這兩種方法。C2文獻大致了解這一點,并試圖在功能模型中結合各種定義來調和兩種方法[11]。"敏捷C2"的概念將彈性和穩健性納入其定義中,背離了人們對敏捷性的通常理解,即僅僅意味著改變形式的 "迅速"。Alberts將敏捷C2定義為 "成功影響、應對或利用環境變化的能力"[8]。這一定義有實現這一目的所需的六個方面[8],[23]:響應性、靈活性、適應性、多變性/穩健性、創新性和復原力/彈性。

所有這些要素的融合有望最大限度地減少與不利影響相關的事件的概率,并最大限度地增加提供機會的事件的概率。如果事件真的發生,這些要素也會努力使成本最小化或收益最大化[8]。需要強調的是,單一目標的優化并不等同于敏捷性;相反,它反映了響應能力高于靈活性和彈性的不平衡。當一個系統的優化依賴于單一目標時,它不一定是高效的,即使這個單一目標是預先確定的不同目標的加權和。然而,我們承認,優化是一個數學概念,可以被調整以實現任何目標。如果目的是平衡響應性、速度、靈活性和彈性,多目標優化是優化理論的一個分支,可以用數學方法處理這個問題,同時優化相互沖突的目標。

敏捷C2的目標是將不利影響最小化,將機會最大化,這與Nassim Taleb的 "凸"系統的想法相似;對波動的有益響應,也就是所謂的抗脆弱性[12]。敏捷性和抗脆弱性有很多相似之處。敏捷性和抗脆弱性都有一個共同的風險觀,即既要減少黑天鵝事件(災難性的、低概率的事件)的負面影響,又要避免在組織內低估其可能性的自滿情緒[8],[12]。其他的相似之處還體現在所列舉的組織如果要成為一個抗脆弱組織應該避免的特性,比如限制使用單目標優化、專業化、預測、標準化和微觀管理[24],[12],[8]。

與敏捷C2一樣,抗脆弱組織關注的是將行動自由(靈活性)最大化的策略和結構。它不鼓勵優化、缺乏多樣性、不容忍風險,關鍵是不切實際的簡化現實模型[8], [24]。然而,抗脆弱性和敏捷C2之間的關鍵區別是 "為了學習和過度補償的目的,有目的地在系統中實施誘導性的小壓力 "或 "非單調性" [25],[26],[12]。這是抗脆弱系統和敏捷或彈性系統之間的關鍵變量。抗脆弱系統積極尋求在其自身系統內注入波動性,以暴露脆弱性。這兩個概念之間的差異是互補的,它將被論證,當兩者結合起來時,可以為人工智能C2系統產生一個強大的功能模型。

C. 抗脆弱性與C2

抗脆弱性是一種系統特性或特征,它不僅能使系統對突如其來的沖擊和壓力具有魯棒性和彈性,而且還能從這些壓力中學習,在下次遇到這些壓力時改進自己[12],[27]。抗脆弱性是脆弱性的反面,因為穩健性和彈性的定義都不'意味著從沖擊中獲得力量'[16],[12]。Taleb指出,抗脆弱性系統'有一種機制,它通過利用而不是遭受隨機事件、不可預測的沖擊、壓力和波動來不斷自我再生'[12]。由此可見,"如果沒有反饋和記憶的機制,抗脆弱性是不可能的"[27]。因此,為了使一個系統走向抗脆弱的系統動力學,它必須能夠從對其系統的沖擊中學習(反饋),并從這種記憶中改善其運作(定向)。必須強調的是,這種反饋可以是內部的,并且是自我產生的,使用內部設計的性能和效果的衡量標準,同時使用內部模擬的外部環境進行情景的角色扮演。作為一個概念,抗脆弱性有以下五個維度[12],[28],[25]:

  1. 從沖擊和傷害中學習的能力:系統有能力從它收到的反饋中儲存其記憶和經驗。

2)利用過度補償進行系統改進:一旦收到反饋,系統就會自我改進,涵蓋未來管理類似沖擊的要求。

  1. 冗余:由于過度補償沖擊的結果,系統將開發多層次的冗余機制。

4)凸性和選擇性("杠鈴戰略"):該系統將以一種使潛在收益最大化但使潛在損失最小化的方式構建自己。換句話說,該系統將是穩健的,但準備運用收益函數。

5)小規模的實驗:承擔風險,以便在犧牲小故障的情況下獲得顯著的性能收益。對系統誘導小的壓力源,以確保非單調性。

將敏捷系統與抗脆弱系統區分開來的三個特征是:注重過度補償,有目的的誘發系統壓力,以及來自波動的記憶/反饋。抗脆弱的系統會改進自己,不僅能夠補償未來類似的壓力,而且能夠補償比所經歷的更嚴酷的沖擊[12]。因此,波動性是非常可取的,因為它允許系統收集信息,并通過從盡可能廣泛的輸入中學習來保護自己的未來。這就產生了對系統進行過度補償適應所需的數據,以管理沖擊。事實上,一個抗脆弱的系統將有目的地嘗試 "風險管理的實驗",以創造過度補償所需的波動性。Taleb明確指出,這包括來自黑天鵝的風險;那些具有高度不可能性和極端影響的事件[25],[28],[8]。黑天鵝對于抗脆弱系統來說具有很高的價值,因為它可以獲得加強系統的稀有信息,只要它們最初是可以生存的[12],因此,復原力和穩健性很重要。抗脆弱系統的設計是為了盡可能地抵御作為本體論現實的混沌,在復雜環境中無法消除或預測[28],[12]。

Alberts[8]討論了敏捷性的概念模型,"環境空間"代表系統的性能水平,取決于各種外部和內部變化。從敏捷C2的角度來看,一個抗脆弱的系統會探索環境空間,以便從盡可能多的生成環境中了解盡可能多的 "可接受的性能區域"。波動性和反饋允許這種探索。有效地使用反饋/記憶,并通過波動性實驗,以便過度補償,從而使敏捷C2系統通過探索越來越多地了解其 "自我模型",通過更多的 "實體可以識別和成功應對的各種情況 "來提高其敏捷性[8] 。此外,該系統對環境、可預期沖擊的背景以及形成環境壓力源的環境約束有了更好的理解。經驗教訓可以采取幾種形式,如經過驗證的作業環境模型、代表環境的人工智能數學函數,以及其他人類/機器產生的數據存儲。這些信息將隨著每次沖擊產生的新信息而更新,使C2系統能夠隨著時間的推移而提高效力。

現在,我們應該清楚,抗脆弱系統并不排除敏捷性作為系統內的一個有利特征;抗脆弱是一個額外的特征--而不是一個替代品[12],[29]。在Taleb對抗脆弱的定義中,Taleb將敏捷性與脆弱性、復原力和抗脆弱從同一范圍中分割出來。為了使A3IC2結構清晰,我們將繼續這樣做。在圖2中看到的是敏捷性和抗脆弱性的覆蓋范圍。兩者的定義分為 "從波動中生存的系統 "和 "系統為生存而進行改進的能力"。這很好地概括了上述系統動力學文獻中的定義[26]。例如,如果沒有系統恢復或適應的能力,就不可能有彈性,也不可能在受到沖擊后恢復到正常水平的性能。不變性也是脆弱的,因為所有系統的功能都來自于無常性;沒有變化,系統最終會失敗[30]。敏捷性是抗脆弱性的助推器,因為對反饋的有效過度補償需要一個敏捷的組織;反之亦然,敏捷的C2需要過度補償來主動創新,并從操作環境的變化中建立復原力。

圖2. 敏捷和抗脆弱范圍[8],[12]。

與彈性和穩健的系統相比,敏捷性與抗脆弱性相結合的好處是對沖擊的響應要好得多[22]。Taleb指出,脆弱性在數學上被定義為 "對有害壓力的加速敏感性:這種反應被繪制成一條凹形曲線,在數學上最終導致隨機事件帶來的傷害多于收益"。一個脆弱的系統將在極端的波動下崩潰,因為它沒有否定凹形響應的屬性。由此可見,抗脆弱性的動力學產生了 "凸型響應,導致更多的利益而不是傷害"[12]。因此,一個有彈性或堅固的系統處于脆弱和抗脆弱之間的中間位置。一個穩健的或有彈性的系統既不會從波動中得到什么,也不會失去什么。抗脆弱性有一些元素,使它不僅能在沖擊后恢復正常功能,而且能從壓力源中學習,以便進行過度補償。因此,要獲得一個抗脆弱和敏捷的C2系統,需要具備表1中所列的以下要素。

從表一中可以看出,這種組合能夠發揮兩種方法的優勢。最下面的三行是抗脆弱性要素,前三行是敏捷C2要素,而中間一行是兩者的必需要素。尋求創新的解決方案以消除脆弱性和提高敏捷性是兩者都需要的過度補償。記憶/反饋、可選擇性和對創新能力的補充,是將敏捷C2與A3IC2分開的新元素。一個C2系統如何實際發展這些元素,需要人工智能、混沌工程和具體組織戰略的交集;這是下一節的主題。

表1. A3ic2系統的要素[8],[12],[26],[22] 。

III. 人工智能和抗脆弱的C2系統工程

在C2系統中實施抗脆弱性需要利用和積累有關系統性能的反饋;最容易實現的是將數據收集作為在系統中保留記憶和學習的永久方法。這允許創建抗脆弱的反饋回路,使其能夠使用過度補償[26],[22]。Jones [31] 將抗脆弱機器描述為一種能夠適應意外環境的機器,因為它的腳本隨著時間的推移在決策、采取行動和觀察結果的過程中變得更加復雜。這種機器必須從它的環境中學習,并適應那些 "在設計時沒有預想過的 "變化[31]。換句話說,要做到真正的抗脆弱,系統所面臨的情景必須是新的,但也要熟悉到可以從以前的經驗中概括或抽象出來,創造出新的知識。機器通過與環境或感知數據的互動,從其經驗中更新其內部狀態的這一過程被稱為 "機器學習"(ML),是人工智能的一個分支。因此,這項技術是在系統內實現抗脆弱動態的基礎[31]。

文獻中對人工智能的定義還沒有達成共識,但為了本文的目的,人工智能被定義為 "為計算機提供認知技能和能力的算法,用于感知和決策"[32]。建立人工智能系統的方法各不相同。傳統的方法是通過 "專家系統 "或 "手工制作的知識",即通過人工編碼并咨詢專家來創建算法[33],[34]。然而,由于模型是手工更新的,這些系統對于不斷變化的環境來說通常是非常脆弱的。ML提供了一種更新系統知識的替代方法,可以從系統直接接收的數據中獲得,也可以通過與環境的互動獲得。先進的ML模型,如深度學習,依賴于大型數據集和專門的算法來學習結構化(表格)和非結構化(圖片、文件)數據中的特定模式;允許創建一個系統的復雜數學表示/模型。這種模型可用于對新數據進行預測,或在以前未見過的情況下采取行動。由于從環境本身的觀察中收集到的數據集的多維模式,人工智能模型在面對復雜的環境時可以表現得更加準確[33]。人工智能有望減少人類決策的許多限制,如注意力集中、有限的記憶、回憶和信息處理[35]。

ML方法試圖在功能上接近空間內的高維拓撲結構[4]。數據源系統通過傳感器提供拓撲結構,而ML算法試圖通過訓練學習這個拓撲結構,然后驗證其性能(即準確性)。當一個新的數據點被提交給受過訓練的人工智能時,它就會被放在這個相同的配置空間中,根據算法形成的近似值,它將對新的數據點進行預測。作為一個例子,圖3是一個ML分類算法的低維結果。它有四個標簽,代表對敵人當前行為的預測,每個標簽都是由人工智能設計師根據以前對數據的理解而指定的。當收到一個新的數據點并在這個狀態空間內進行評估時,該數據點可能被分配到最接近的群組。如果與數據點的歐幾里得距離最接近紅色集群,那么人工智能就會輸出一個 "可能的攻擊 "作為預測,可能會有一個從與紅點的距離與其他集群的距離相比得出的可能性。

圖3. 高度簡化的狀態空間與由ML聚類算法形成的拓撲結構

因此,人工智能是敏捷C2系統的一個有利工具,從根本上可以還原為形成這些適應性的復雜數學函數來模擬一個動態和變化環境的效用。有人認為,這些模型將為大多數C2任務提供比人類更高的精確度,并且盡管超復雜,也能提供快速和值得信賴的自動化[5],[1],[2]。通過精確和適應性的數學函數來取代OODA環路中的每個階段,可以實現卓越的感知和學習,并延伸到快速和卓越的決策[3],[36],[4],[7],[6]。下面將討論這樣做所帶來的風險。

A.脆弱性風險

人工智能伴隨著新形式的風險,需要加以管理。對C2系統影響最大的現象是戰爭的爆發。如果錯過了常規國家間沖突的爆發(一個非常罕見的事件),可能會導致災難性的突然襲擊。事實上,對手將積極尋求一種策略,對C2系統產生盡可能大的沖擊[16]。在這種情況下產生的問題是,通過人工智能算法實現C2決策自動化的好處是否值得承擔災難性失敗的風險?如果準備在人工智能預測有99%的信心,而1%的機會可能導致不可逆轉的戰略后果的情況下,自動做出提供致命武力(或不提供)的決定,那么C2的性能是否得到全面改善?對于C2來說,戰略決策失誤的后果可能是如此的極端,以至于會導致其自身的毀滅,這就需要一個抗脆弱的戰略,作為對抗黑天鵝事件的必要條件。

99%置信度的人工智能預測之所以會導致失敗,是因為在面對動態復雜系統時,人工智能會受到所謂的 "柏拉圖式折疊 "的困擾。柏拉圖式折疊描述了這樣一種情況:復雜環境的模型 "拓撲結構 "或 "狀態空間 "由于 "為了隱藏復雜性 "而省略細節,本質上是錯誤的,或者說是脆弱的[12],[29],[34],[4]。當復雜性被不明智地隱藏時,人工智能所操作的抽象水平比它應該操作的適當抽象水平更簡單。其結果是人工智能狀態空間中沒有體現的突發現象,或者無法區分需要不同決策的不同環境。這些變量可能是隱藏的強化反饋回路,可能導致黑天鵝現象,往往會產生災難性的影響[12],[13],[22],[37],[4]。這給C2操作環境中的自動決策帶來了風險。更糟糕的是,即使人工智能模型正在從環境中學習,如果它不能 "跟上 "拓撲結構的變化,隨著時間的推移發展出更多的隱藏變量,它也會變得很脆弱[29],[38]。忽視或低估這種不確定性影響的模型,作為他們試圖模仿的復雜環境的本體事實,將產生越來越多的脆弱程度,與模型失敗的后果一致[12],[28],[4]。

快速更新一個模型,以防止與人工智能對 "開放 "和復雜系統的理解有關的 "漂移"。Florio[38]認為,通過定期的訓練更新和足夠的獨特數據進行訓練,一個非常復雜的模型/函數可以隨著時間的推移保持對非線性系統的接近。這種方法通常被稱為 "ML管道 "或ML開發過程[33],是一種循環技術,其中一個ML模型正在運行并預測環境,而另一個正在被訓練。環境的變化只會導致新的數據供算法自我更新,改善C2系統的模型庫,以便在其活動適應環境時加以利用。模型的更新和替換速度將對模型準確反映復雜環境的保真度產生相應的影響[38]。

然而,模型快速更新并不能解決決策型人工智能的柏拉圖式折疊問題。一個ML模型可以快速更新一個持續不準確的模型,并且完全沒有意識到數據的退化[4]。人工智能可以迅速形成一個C2系統,對它所訓練的事件具有優化和卓越的決策,其代價是對尚未發生或被系統感知的事件具有脆弱性[4]。然而,如上所述,C2系統認為其最優先的正是這些尚未發生的罕見事件。

人工智能支持的C2的系統故障點是,由于作戰環境的拓撲結構和表征拓撲結構之間的不匹配,人工智能模型做出的快速決定有助于控制的崩潰,導致無助或混亂[4],[16]。作為一個例子,Wallace[4]討論了最近股票市場的 "閃電崩盤"(黑天鵝),認為它類似于C2系統中脆弱的人工智能應該產生的結果。這些崩潰的發生是由于自動化交易算法過于迅速而無法進行人工干預,其根本原因非常復雜,至今仍不為人知。對于C2來說,相當于兩個具有高度自主的人工智能決策的對立軍隊,導致了高強度戰爭的閃電式崩潰;所有這些都來自于以毫秒為單位的穩定性喪失[4]。

B.C2SIM和AI

針對人工智能遺漏罕見與災難性事件的風險,提議的解決方案是通過使用合成(人工構建)數據。合成數據是唯一現實的方法,使ML算法能夠從C2系統高度關注的現象數據中進行訓練,例如C2系統被設計為有效決策的未來常規高強度戰爭[39],[7],[5]。未來的戰爭沒有數據,而過去的戰爭是否有用也是可以爭論的。合成數據的生成過程分為三類[40]。

1)人工開發,通過手工建立的數據集進行策劃。

2)自動調整真實輸入,產生類似的輸入,幫助算法學習更廣泛的規則。

3)通過建模和模擬(M&S)以及仿真自動進行。

使用哪種程序完全取決于人工智能的目的和它試圖進行預測的環境稀缺性。如果人工智能要取代指揮官的決策能力,那么極有可能需要將人工創建的來自情報的數據與戰場模擬模型相結合,來訓練一個人工智能系統。這種方法將C2SIM和人工智能等概念整合在一起,可能使用強化學習算法[5],[41]。

然而,這種方法仍然存在風險。創建一個高度詳細的操作環境模型不僅很難驗證,而且很可能產生欺騙性的結果,因為人工智能將缺乏在不確定性下做出有效決策所需的保真度[37],[5],[41]。

然而,這種方法仍然存在風險。創建一個高度詳細的作戰環境模型不僅很難驗證,而且很可能產生欺騙性的結果,因為人工智能將缺乏在不確定性下做出有效決策所需的保真度[37],[5],[41]。Davis[37]將此描述為 "場景空間 "的減少,意味著人工智能被訓練的選項或靈活性變得狹窄。一個在C2系統中為指揮官制定行動方案的人工智能系統,如果針對特定場景進行了優化,那么作為一個反應式系統,它在高度特定的場景空間中只會有可靠的表現。對模型內變量之間的因果關系或非因果關系的假設,將不可避免地導致脆弱性[37]。

另一方面,一個高度抽象的模型,為一個"戰略層面"的推薦系統而忽略了作戰環境的大部分細節,有其自身的問題。合成數據的使用將與創造它的軍事文化密不可分。對敵人以及他們將如何進行下一場戰爭的假設,將被固化在人工智能所訓練的數據中[4]。如果敵人決定 "改變游戲規則",在戰略層面采取人工智能從未接受過的不對稱行動,任何新的敵人戰略或戰術都不會在發生之初就被準確預測[41]。相反,它們會被預測為完全不同的東西。在戰略層面上,比如戰區,與預測敵人行為相關的變量會有很長的統計 "尾巴",而在人工智能模型中卻沒有體現[4]。這可能會產生嚴重的戰略后果,導致系統不適合戰爭的 "深度不確定性 "或波動性[37],[41]。Zhang[41]指出,將人工智能'用于涉及戰略決策的應用,比如那些模擬甚至沒有物理學作為依托的應用,現實世界和模擬之間的對應關系可能非常小,以至于經過訓練的算法實際上是無用的'。由此可見,人工智能要想保持有用,就必須從對應于C2函數的數據中進行訓練,而C2函數是充分人為復雜的,而不是天生自然復雜的。顯然,為了使人工智能的使用不成為脆弱的風險,需要在對人工智能的信任、預測失敗的風險以及特定人工智能給C2功能帶來的響應能力的好處之間取得平衡。

圖4. 人工智能集成和增長的限制

與人工智能支持的C2系統相關的脆弱性風險,反映了上文圖4中顯示的增長限制的原型。決策性能通過復雜功能的自動化得到改善,從而提高了C2的響應能力。然而,人工智能整合到更復雜的功能(如決策),導致更多的風險被轉移到人工智能模型的準確性和與操作環境相比的差異。這可能會導致低概率但高后果的災難性事件的預測失敗。人工智能取代的需求和判斷來理解復雜環境的功能越多,系統就會變得越脆弱。黑天鵝事件在數學上是不可預測的,對系統也是有影響的。因此,C2系統暴露在重大沖擊下的風險越大,它就越有可能最終遭受災難性的失敗[12],[13],[42],[22]。

IV. 從AI的脆弱性到抗脆弱性

將人工智能整合到敏捷C2系統而不增加脆弱性的方法將需要仔細考慮上文表一中討論的抗脆弱性要素。具體來說,C2系統將需要確保對來自作戰環境的沖擊作出凸形響應。這可以通過兩種方法實現:

1)將人工智能的功能分配到C2系統中,使災難性故障的風險最小化,但使系統的收益最大化。

2)使用實驗來發現系統的脆弱性,產生創新和混沌;這使得過度補償和人工智能模型的不一致。

A. 功能分配

一個AI使能系統需要在其作為敏捷性工具與其存在的脆弱性風險(如果AI不能在復雜環境的極端波動下執行)之間取得平衡。人工智能并不適合所有的決策任務[43],[32],[36]。一個抗脆弱系統將需要特定的邊界,將在戰略/作戰層面上將具有黑天鵝高風險的C2決策功能與其他可以自動化的低風險復雜C2功能分開。明確說明人工智能在C2系統中負責哪些任務,對于避免脆弱性和整體上有利于系統至關重要。

由于C2系統是社會技術性的,那些為C2功能分配使用人工智能的人需要確保對人的替換不會對系統的性能產生風險。Abbass[32],討論了在這樣的系統中分配人工智能的幾種方法。一種 "靜態分配",即在C2系統中賦予人工智能的功能并不改變,可能不適合動態環境。具體的C2功能的需求將根據情況發生變化,特別是考慮到戰爭中對響應能力的需求,這可能需要快速變換功能分配[36]。例如,針對來襲的大規模超音速導彈防御場景將更傾向于速度而不是戰略環境。在這種情況下,什么都不做的后果是如此之大,以至于錯誤的風險可能值得AI完全控制。另一方面,批準超音速攻擊的決定將需要比速度更多的決策背景。因此,一種適應性的方法,或自動分配邏輯(AAL)是必要的[32]。

在戰略決策層面,關鍵事件邏輯最適合于評估脆弱性與自動化的好處。根據對響應能力的需求重要性,以及失敗的后果有多高或多低,C2功能將需要有人類或AI控制的適應性邏輯。圖5展示了一個與C2任務大類相關的潛在后果的例子,從感知到戰區級決策。

圖5. AI使能C2的脆弱性范圍

對于專注于感知型人工智能的系統來說,風險較低,因為來自人類決策者的數據適用于額外的背景[36]。感知型人工智能很可能需要多個專門的算法模塊來解析特定類別的數據,如視頻資料、圖片、文件和其他[33]。因此,這也是一個魯棒的算法系統,如果其中一個算法模塊不能感知關鍵信息,那么這個算法系統其他算法模塊也能捕捉到此信息。當然,風險仍然存在,這將需要通過理解決策中的 "風險轉移 "已經傳遞給人工智能系統的輸入和感知能力來進行評估[32]。

然而,如上所述,人工智能決策與戰爭期間高失敗風險相關聯。失敗的影響將取決于人工智能是支持戰術層面、戰役層面還是戰略層面;與戰略層面的單一失敗相比,戰術層面的單一失敗后果較小;不過,人們必須考慮到從戰術層面到戰略層面可能產生連帶效應。對于抗脆弱系統,Taleb[12]指出,人們應該避免依賴具有高度后果性輸出的系統,因為許多較小的、后果性較小的系統是不太脆弱的。當然,即使戰略層面的人工智能決策者的風險是通過人在環結構來管理的,由于建議依靠人工智能感知器,以及預測對人類決策者的額外影響,風險仍然存在。例如,如果C2系統使用受信任的非人類智能合作者(NIC)來推薦戰略層面的決策,可能會導致軍事指揮官在獲得99%的人工智能預測的情況下增加風險。這是因為NIC會表現得像一個預測者,有證據表明,這可能會增加決策者的風險承擔[12],[44],[45],[16]。

一旦確定了失敗的后果,就需要為每個場景分配適應性人工智能。這是一個 "指揮概念 "的C2功能;在為特定場景分配適應性人工智能功能時,需要考慮指揮官的意圖和國家的戰略目標。這些場景可以通過傳統的兵棋推演方法進行開發和測試,但也可以從創新和混沌生成的抗脆弱性過程中產生。適應性人工智能將需要持續測試脆弱性,以防止凹形響應;這是下一節的主題。

B. 創新和混沌的產生

為了將人工智能作為一種敏捷和抗脆弱的工具,反饋/記憶、小規模實驗和過度補償等元素需要在一個人工智能支持的C2系統結構中結合起來。這可以通過有目的地在系統中注入波動性來實現,并延伸到支持特定C2流程的人工智能功能。通過使用波動性,人工智能系統將發展出一個更廣泛/抽象的決策空間,增加其對更多種類沖擊的通用性。

對于合成數據的生成,可以將一致程度的波動和混沌應用于人工智能所訓練的數據。例如,可以在人工智能系統上測試極端情況,而不僅僅是預期的極端情況。C2組織內的 "混沌小組 "可以嘗試使用極端或極不可能的情況,來暴露人工智能模型的預測失敗。通過暴露失敗,人工智能開發團隊可以確定失敗發生的原因,探索人工智能采取什么行動會更好,然后嘗試重新訓練模型以增加其變異性,以處理未來類似的極端情況。因此,這個過程通過與外界復雜環境相比對自身的理解,加強了系統的能力[12]。這有可能也是由人工智能場景生成器實現的,主要目的是對開發導致人工智能C2系統失敗的場景進行獎勵。無論具體的方法是什么,目的是讓系統的壓力和失敗允許C2系統內的創新能力和發現發生,從而導致過度補償。

這些沖擊不僅僅是對人工智能本身的要求,也是對C2系統整體的要求。應該尋求一種分層的方法,作為一種穩健性的形式[12]。這樣做的一種方法可以在計算紅隊和混沌工程實踐中找到。計算紅隊[46]提供了人工智能所需的計算構件,以設計壓力源來挑戰自己和它所處的環境,并發展新的模型和戰術。類似地,混沌工程通過對計算機網絡或系統中的特定元素注入壓力或故意失敗的實驗來防止組織內部的脆弱性[30]。混沌工程的目的是確保C2 IT系統的所有功能的 "可用性",盡管環境中存在波動。對抗脆弱C2的用處是顯而易見的,因為其混沌工程實驗允許產生作戰環境效應,如網絡攻擊,作為極端波動的輸入。C2信息技術和通信網絡被視為一個單一的復雜系統,通過觀察其在真實世界的輸入或誘發故障后的行為,可以更好地理解它[30]。

將混沌工程、計算紅隊和人工智能結合起來,可以實現復雜的故障狀態生成,以實現抗脆弱性,但C2系統要有能力從自我造成的壓力中學習,以實現過度補償,需要組織文化上的巨大變化。在圖6中看到的是A3IC2系統的系統。在C2組織內建立這樣一個系統,需要改變組織的心智模式、組織規劃、C2結構,以及改變對人類操作人員的培訓方式,以支持抗脆弱的C2系統。A3IC2應該只關注C2操作的系統;作為一個抗脆弱系統成功進行C2的過程。對于一個C2組織來說,作為一個社會技術系統,它需要采取一種整體的方法,結構、系統、流程和文化都具有抗脆弱的特性,以便在壓力和沖擊下生存[25]。

圖6. 抗脆弱C2作為一個體系系統

V. 敏捷抗脆弱的指揮和控制(A3IC2)

通過將抗脆弱性概念與Boyd、Brehmer和Alberts[14]、[21]、[8]開發的功能C2模型相結合,可以開發出一個通過抗脆弱性動態提高C2系統有效性的新框架。這在下面的圖7中可以看到,說明了圖1中傳統C2運行周期與A3IC2結構之間的區別。

圖7描述了由Brehmer創建的相同的DOODA環路,并增加了對所實施的模型的積累的反饋。模型的建立作為系統的方法,在操作過程中從與復雜環境的互動中學習。從所做的決定、計劃、感覺活動和軍事行動的結果中得到的反饋的綜合,都為AI模型/功能提供了背景。開發的模型取決于具體的C2系統。對于一個空中機動/后勤C2單位來說,模型將反映諸如優先權、飛機選擇、選擇的路線和貨物驗證細節等決定。對于一個人工智能C2推薦系統的COA開發,反饋將代表變量,如敵人的位置,藍色的位置,單位的數量,以及許多其他。這些模型是在日常行動中通過與C2決策支持系統的互動和/或通過C2SIM建立的。

圖7. 抗脆弱的動態OODA循環

如上所述,"混沌生成 "功能是迫使系統從反饋中學到的東西進行過度補償的方法。它同時適用于社會技術系統中的人和機器。混沌生成是C2 "紅隊",它有目的地給系統施加壓力,以加強決策周期,提高敏捷性,減少脆弱性。對于人工智能支持的C2系統,混沌生成器包括基于先前經驗的合成數據生成過程,但對其進行修改以加強系統。因此,人工智能將在具有超出先前經驗的更多極端變量的任務中得到訓練和改進;導致過度補償。這些模型在性質上可能是極端的,并應盡可能多地覆蓋可能性空間。如果環境發生重大變化,或出現黑天鵝,可能性空間只會增加,允許系統改進并產生進一步的模型。C2系統的波動性越大,產生的模型就越多,以進行補償。

以前的討論假定,模型和數據需要提前建立,并預期未來結果。最近的趨勢是引入了形成、重新塑造和校準的模型。影子機器的概念[46]有一個專門的控制邏輯,隨著背景的展開學習模型。然而,這些概念假設來自實際環境的實時數據輸入,以持續測量偏差并進行相應的調整。這種方法仍然存在挑戰。關于自我的數據可能比關于敵人的數據多出幾個數量級。這種可供人工智能即時學習模型的數據不平衡,在人工智能界有其自身的挑戰。

VI. 結論

將人工智能整合到C2中,只有通過對其效果的整體理解來實施,才能提高系統的性能。如果一個由人工智能支持的C2功能有可能導致它所保衛的國家戰略目標無法實現,那么就需要認真考慮該人工智能的功效問題。當C2功能被分配給人工智能以避免脆弱性時,那么反饋和過度補償的使用有可能促進對系統波動的凸形響應。使用有目的的混沌生成將有助于C2系統能夠了解其自身的弱點,以便改進。使用A3IC2作為人工智能支持的C2戰略,可以確保人工智能仍然是建立一個抗脆弱系統的工具。最大限度地減少災難性失敗的可能性,同時最大限度地利用系統的好處,這將有助于在極端動蕩的戰爭中生存和制勝。

雖然本文的重點是人工智能所面臨的風險,但當新形勢展開時,人類指揮官仍將面臨類似的問題,特別是當軍事歷史的教訓可能阻礙他們對這些新形勢的思考能力時。如果敵人依靠人工智能產生接近光速的效果,未來的沖突場景將更具挑戰性。這就需要人類-人工智能的人機協作,利用各自的優勢,過度補償各自的弱點,以相關的速度產生效果。

付費5元查看完整內容

相關內容

人工智能在軍事中可用于多項任務,例如目標識別、大數據處理、作戰系統、網絡安全、后勤運輸、戰爭醫療、威脅和安全監測以及戰斗模擬和訓練。

2022年6月15日,英國國防部在倫敦科技周人工智能峰會上發布了《國防人工智能戰略》,旨在“雄心勃勃、安全和負責任地”使用人工智能的戰略和相關政策。本戰略支持創建新的國防人工智能中心(DAIC),以提供前沿技術樞紐,支撐英軍使用和創新相關技術。本戰略概述了以下內容:一是在國防中使用人工智能的新倫理原則;二是人工智能在國防部加強安全和現代化的地位和應用;三是考慮通過人工智能研究、開發和實驗,通過新概念和尖端技術徹底改變武裝技術能力,并有效、高效、可信地向戰場交付最新裝備。該戰略將將成為英國人工智能戰略的關鍵要素,并加強國防在政府層面通過科學和技術獲取戰略優勢的核心地位。

圖 英國國防部發布《國防人工智能戰略》

(本文根據原文編譯整理,僅供交流參考,觀點不代表本機構立場。)

英國國防部人工智能戰略的愿景是:以英國規模為標準,成為世界上最有效、最高效、最可信和最具影響的國防組織:

有效——提供戰場制勝能力和支持,以及英國與盟友關于人工智能生態系統合作的能力;

高效——通過創新使用技術交付能力,進行作戰并實現生產力效應;

可信——基于人工智能系統的安全性和可靠性受到公眾、盟友和人民的信任,根據英國核心價值觀合法合規地使用人工智能;

影響——積極參與合作和引領人工智能技術的全球發展和管理趨勢;

**、背景和必要性******

英國國防部《綜合評估(2021)》強調指出,國家在人工智能領域的卓越表現是確保英國在2030年前成為“科技超級大國”的核心。英國國防部《國家人工智能戰略(2021年)》指出,人工智能在改寫整個行業的規則、推動經濟大幅增長和改變生活的所有領域方面具有巨大潛力。英國國防部《綜合作戰概念 (2020年) 》描述了無處不在的信息和快速的技術變革如何改變了戰爭的性質。在軍事作戰的各個領域,沖突正變得愈發復雜。新技術產生大量數據,解鎖新的威脅和漏洞,并通過如蜂群無人機、高速武器和先進網絡攻擊等下一代先進能力擴大潛在攻擊的規模。

人工智能技術以及其影響可能會極大地縮短決策時間,使人類理解負擔加重,而且這些在現代戰場中需要快速做出反應。正如《國防司令部文件(2021)》所指出的,“未來沖突的勝負可能取決于所采用人工智能解決方案的速度和效率”。因此信息作戰變得越來越重要。簡而言之,當代國防正在發生一場根本性的劇變,與人工智能相關的戰略競爭正在加劇,因此必須迅速、主動和全面應對。

本戰略闡述了英國將如何應對這一重大戰略挑戰,其應該引起英國國防部的重視,并參與部隊發展和國防轉型,英國國防部需要明確其機構與人工智能相關的要素并采取相應行動,以在后續執行和交付方面發揮關鍵作用。

三、發展途徑

**一是英國國防部需要轉變為“人工智能就緒”的組織。**具體措施是:1)推動文化、技能和政策變革,培訓領導人,提高人員技能,并加強國防人工智能和自主部門的組織能力;2)創建國防人工智能技能框架和新的人工智能職業發展和晉升路徑;3)將數據視為關鍵戰略資產進行管理和應用,建設新的數字主干網絡和國防人工智能中心。

**二是在速度和規模上采用和利用人工智能,以獲得防御優勢。**具體措施是:1)將人工智能視為能力戰略和部隊發展過程中戰略優勢的關鍵來源;2)短期路線采用成熟的數據科學、機器學習和先進的計算統計技術提升效果和生產力,長期路線進行尖端人工智能技術研發;3)采用多學科多技術將人類認知、創造力和責任與機器速度分析能力相結合以評估人工智能系統的脆弱性和威脅;4)與盟友和伙伴密切合作開發創新能力解決方案以應對共同的挑戰。

**三是推動和支持英國國防和安全人工智能生態系統。**具體措施是:1)通過英國工業和學術人工智能的雄厚基礎以及政府的支持建立信心并明確要求;2)視人工智能生態系統為戰略資產,消除行業壁壘,建立更具活力和一體化的伙伴關系;3)促進行業聯系建立新的國防和國家安全人工智能網絡,促進人才交流和共創,鼓勵業界投資國防相關的人工智能研發,并簡化國防數據和資產的獲取。4)促進中小企業,使監管方法現代化,支持業務增長并最大限度地利用國防人工智能相關知識產權促進相關技術商業化。

**四是塑造全球人工智能發展,以促進安全、穩定和民主價值觀。**具體措施是:1)按照英國的目標和價值觀塑造人工智能的發展,促進倫理方法,并影響符合民主價值觀的全球規范和標準;2)促進安全與穩定,確保英國的技術進步得到適當保護,同時探索建立信心和將軍事人工智能使用風險降至最低的機制;3)考慮可能出現的極端甚至事關生存的風險,并積極與盟友和合作伙伴接觸,制定未來的安全政策,尋求建立對話,以降低戰略錯誤、誤解和誤判的風險。

四、優先效果

通過采用人工智能技術實現本戰略目標,使英國武裝部隊實現現代化,并迅速從工業時代的聯合部隊過渡到敏捷信息時代的綜合部隊,國防部將受益于效率和生產率的提高,其期望的優先效果如下:

決策優勢:通過更充足、更分散的決策制定和基于威脅的機器快速響應,提高作戰節奏和靈活性。

效能:通過智能自主提高靈活性、效能和可用性。

解鎖新能力:通過開發新的作戰方式確保作戰優勢,增強軍事效果,保護人民免受傷害。

武裝部隊:減輕部隊負擔,并將人類決策集中在基于獨創性、背景思維和判斷力的高價值職能上。

五、戰略綜述總結****

**六、**結束語

人工智能必須成為未來必不可少的技術,其也促使著英國國防部改變對現代技術的看法,調整其技術方向和戰略需求,全面擁抱世界領先的人工智能解決方案和能力,推進其國防業務中觀念、文化、規劃和交付方面的持久變化,并將其作為國防戰略融入國防領域,以確保英國軍隊成為敏捷信息時代的綜合部隊。

編譯:船の心

END

世界軍事電子領域2021年度十大進展

軍事電子領域

付費5元查看完整內容

多域作戰與空軍之間的互操作性

在多域作戰(MDO)概念的影響下,空中力量界的戰略思維正在發生巨大的變化。20世紀90年代,武裝部隊廣泛進行了 "轉型 "工作,目的是改善各軍種之間的協調。到了2000年,轉型工作的目標和目的發生了變化,改善協調的愿望促使各軍種和聯盟伙伴之間進行更深入的行動整合。MDO將轉型目標推向了最終融合各作戰領域的能力,以便能夠以更快的行動速度實現同步效果(Jamieson和Calabrese,2015)。然而,并非所有國家都清楚如何準確地將美國的MDO愿景納入他們自己的理論和作戰概念,或如何解決可能產生的整合和互操作性挑戰(Townsend,2019)。

MDO的預期目標是加快軍事行動的步伐,并允許在作戰環境中產生更多的協同效應。多領域整合有望優化作戰優勢,以便對敵對部隊的決策環路施加壓力。同時,MDO也意味著聯合作戰方法需要相當大的演變和必要的改變,因此它的影響將隨時對友好部隊產生同樣深刻的影響。正如法國防空和空中作戰司令部(CDOA)副司令路易斯-佩納少將所指出的,MDO代表了 "思考空軍在未來如何規劃和進行空中作戰的機會"(Pena,2020)。可以肯定的是,MDO將是塑造未來空中作戰和作戰概念的一個強有力的因素,然而需要克服一些復雜的概念、技術和戰略挑戰。

連接性和未來的空戰

未來的作戰飛機被設想為 "連接中心 "和 "機載數據融合服務器",與作戰云相連,為聯合或聯盟部隊的分布式單位提供實時多領域信息。這些下一代作戰飛機被預先部署,以承擔目前空軍分配給機載預警和控制(AWAC)飛機的相同角色。自從Link 16的到來,AWACS已經成為空中作戰的一個關鍵節點功能,在最近幾十年里,通過在聯合和聯盟戰役中實現徹底改善的態勢感知和指揮、控制和通信(C3)能力,AWACS被證明對西方的空中優勢很有幫助。

聯盟環境下的互操作性挑戰正在被重新規劃,并將隨著新的作戰飛機和平臺的引入而出現新的方向,但目前還沒有明確或現成的解決方案來彌合理論和作戰概念的差異,或在聯盟環境下進行技術整合,因為聯盟中的空軍部隊各自帶來自己的能力、工具和平臺。

在未來,數據融合和中繼功能將變得更加分散,并越來越多地轉移到作戰飛機本身,它們將能夠協調無人機群,例如,穿透敵人的防空設施或提供動能效應。通過新一代數據和通信網絡的新工具和更快的決策,作戰飛機將作為關鍵的指揮和控制(C2)節點,在多領域空間內運作。因此,空戰行動將不再與一組有順序的任務相關聯,而是與基于對方部隊活動并對其作出高度響應的單一連續的非分割化機動和效果相關聯。

圖:信息系統互操作性層次(LISI)模型

空戰的特點是更加明智地應用武力經濟,利用速度、飽和度和隱身性("V2S"--速度、飽和度、隱身性)的結合來壓倒對方的部隊,以實現戰斗空間的優勢。這些未來的概念依賴于一個系統的方法,其核心是指揮、控制、通信、計算機、情報、監視和偵察(C4ISTAR),每個單獨的軍力矢量同時作為傳感器和效應器發揮作用。與數據融合、自動化、機器人和人工智能(AI)有關的能力對于實現 "頻譜優勢"--在整個作戰范圍內的優勢至關重要。

空戰將逐漸變得更加依賴多領域態勢感知和信息主導權。然而,作為中央庫或大腦單一的、總體性的作戰的前景在聯盟環境中帶來了復雜的問題。與這種作戰云的永久連接會給聯盟部隊的組成部分帶來明顯的脆弱性。雖然在力量集中和效率方面有優勢,但同樣的權力集中和對一個中央云的依賴會產生災難性的行動自由損失。敵對勢力的目的是阻礙通信并對傳感器網絡使用誘餌,在這樣一個良性的網絡空間和電磁戰的背景下,"一環 "作戰云可能導致其使用用戶群的行動癱瘓。

在考慮這些風險時,圍繞作戰云概念的關鍵使能技術的成熟度存在著嚴重的問題。收集、分析、存儲和傳輸數據的信息系統和技術都會受到敵對勢力的入侵威脅和復制,以提高其反介入/區域拒止(A2AD)的有效性(Orlin, 2021)。大數據是分布式C2要素之間作戰圖像(CROP)的基本必要條件,如果沒有人工智能,就無法適當地加以利用,由于人工智能容易被操縱和欺騙,其使用仍然存在問題。

預測性維護是未來空戰平臺的本源,并將通過網絡不斷進行交流,它在戰爭空間中提供了一個新的攻擊漏洞,并有可能成為嚴重的目標(Hitchens, 2020)。對潛在的軟件缺陷和限制的利用將為敵對勢力在欺騙、規避和突襲行動方面創造機會。針對通信和傳感器網絡的先進干擾,針對作戰云的進攻性網絡戰行動(Gros,2019年),以及對空間資產的依賴,在地面或空間資產被摧毀或關鍵數據鏈被破壞的情況下,會帶來嚴重的風險(法國國防和國家安全戰略評論,2017年)。

無人機技術的擴散和作戰系統的數字化已經迫使歐洲的空軍和他們的姐妹服務部門集中投資于網絡空間對抗措施,并 "加固 "平臺、資產和操作基礎設施,以確保通信節點和發射器不被破壞。這種努力將加速和加強,因為軍事競爭者的目標是數據和數據連接能力,跨越更廣泛的攻擊面,擴展到所有連接到同一云的聯盟或盟國部隊。因此,多域作戰網格的這種內在風險強調需要考慮在 "一環 "設計之外的聯盟環境中開發用于MDO的未來作戰云。

歐洲的作戰機隊:當前和未來的形勢

在歐洲,空軍之間的行動整合一直在穩步推進--北約因素是一個重要因素,但絕不是在加強歐洲空軍之間互操作性方面取得進展的唯一驅動力。然而,歐洲空軍的格局仍然具有相當大的多樣性,目前服役的1,900多架作戰飛機的不同類型就說明了這一點。

由美國主導的F-35項目匯集了包括英國、荷蘭、丹麥、挪威、比利時和意大利在內的一些歐洲國家。F-35作為第五代作戰飛機為歐洲引入了一個新的模式和互操作性標準,這將與它的運營商一起,在未來幾年內對整個歐洲空軍的互操作性努力和計劃起到強有力的作用。然而,大多數F-35用戶繼續保持更廣泛的戰斗機隊--例如,由于F-35在空中優勢任務中的局限性,歐洲臺風戰斗機(Eurofighter Typhoon)可能仍然是英國不可或缺的。出于類似的原因,"臺風 "可能將繼續由意大利、德國和西班牙運營,類似的考慮可能延伸至F-16的運營商,如比利時、丹麥、希臘、荷蘭、挪威、葡萄牙和土耳其。

圖:未來網絡化多域作戰中的互操作性要素

其他歐洲空軍已經獲得了諸如 "鷹獅"-E和 "陣風 "等作戰飛機,"陣風 "具有AESA雷達和數據融合能力,可以被視為事實上的未來歐洲互操作性的標準。芬蘭正在推行其HX戰斗機計劃,有五個作戰飛機平臺積極參與競爭。2040年及以后,歐洲可能會繼續看到下一代作戰飛機的本土化發展,并且隨著它們的發展,新的互操作性標準被插入到采購和作戰計劃框架中。考慮到FCAS(未來戰斗航空系統)和英國 "暴風雪 "的發展,作為例子--這兩個平臺將與遙控和自主系統及中繼器結合,并在基于云的多域數據交換網絡內運行。

因此,空戰行動將不再與一套有順序的任務相關聯,而是與基于敵對部隊活動并對其作出高度響應的單一連續的非分割化機動和效果相關聯。

歐洲空戰機隊現有的和未來可能的多樣性,表面上看可能意味著不必要的能力重復,然而這些方法和能力的同樣差異也在作戰和戰略層面上提供了更大的彈性。在聯盟環境中,目前還不清楚歐洲的空戰機隊將在多大程度上與例如現在進入歐洲作戰服役的F35戰斗機進行互操作。同樣的問題在理論上也適用于FCAS或 "暴風雪",這些圍繞兼容性和互操作性的問題將延伸到未來,特別是與MDO有關的問題。

聯盟環境下的互操作性挑戰正在被重新規劃,并將隨著新的作戰飛機和平臺的引入而出現新的方向,但目前還沒有明確或現成的解決方案來彌合一方面的理論和作戰概念的差異,或在聯盟環境下的技術整合,即組成空軍各自帶來自己的一套能力、工具和平臺進行戰斗。具有諷刺意味的是,多領域整合的基本前提和目的是解決不同領域的不同類型的平臺之間缺乏或低兼容性和協同性的問題,而這些平臺是使用不同的技術標準和系統工程方法開發的。

關于整合和互操作性的政治層面

向MDO的演變意味著空軍面臨新的挑戰,在聯盟環境中為聯合平行規劃引入新的動力。它還提出了調整或取代現有機制的需要,這些機制是為了使聯盟伙伴之間的整合和互操作性達到必要的水平,使他們能夠有效地共同運作。隨著朝向MDO的運動的加速,它提出了一個基本問題。當屬于聯盟和同盟的空軍由于不同的工業和政治考慮而在系統和網絡設計中采用不同的標準時,互操作性是否可能?

這個問題突出了與2040年及以后未來時間框架中的互操作性有關的不確定性,以及在歐洲范圍內已經面臨類似挑戰的當前空戰機隊。歐洲空軍將需要應對作戰層面的聯合整合和融合的要求,這將需要與延伸到國家戰略領域的更高層次的政策考慮相平衡,包括行動自由和戰略自主權。在這種情況下,歐洲空軍將需要根據國家或歐洲的政策方向,與能力項目和互操作性目標進行互動和規劃,這些政策方向是由復雜的體制因素和議程形成的。

一個合理的論點是,在聯盟環境中,空軍之間的分布性和數據融合可能帶來的好處超過了共享作戰云所造成的相關風險或發生作戰癱瘓的可能性。然而,除了純粹的作戰考慮,還有重要的政策問題,這些問題由大戰略和政治前景決定。即使在世界觀相似、經常在聯盟和聯合作戰密切合作的盟友和伙伴之間,國家政策也會有分歧--特別是在危機情況下的軍事活動方面。

繼續努力實現聯盟和盟國伙伴之間的互操作性是有歷史緣由的,包括在作戰云的背景下所暗示的。然而,這些努力必須與維護戰略自主權和獨立評估或軍事活動能力的需要相平衡(Binnendjik和Vershbow,2021)。有時被視為導致 "能力重復 "和浪費財政資源的不同方法以另一種方式提供了優勢,即為國家和聯盟的聯合作戰建立自然的防火墻和復原力。

考慮到聯盟空戰模式的當前和未來的發展,保持一定程度的自主性可能與確保新興作戰云本身一樣重要。這在歐洲尤其如此,因為聯合作戰機隊可能由一系列的平臺類型組成,每個平臺都是根據不同的系統工程、技術和互操作性標準開發的,這與工業和政治考慮有關。同樣的基線挑戰可能會被移植到世界其他地區,如中東或亞洲。與其試圖將空戰機隊劃分為 "第一 "和 "第二 "層次的能力,聯盟和盟國伙伴將需要集中精力克服挑戰,并為傳統聯盟環境中的MDO提供整合能力和互操作性解決方案(Binnendjik等人,2021)。

作者

奧利維爾-扎耶克(Olivier Zajec),畢業于圣西爾軍事學院和巴黎政治學院,是里昂讓-穆蘭大學的政治學教授以及戰略與防務研究所(IESD)的主任。他是EA 4586實驗室和巴黎比較戰略研究所(ISC)的研究員。他還在法國聯合戰爭學院講授戰略理論。他目前的研究興趣集中在國際關系的現實主義理論、跨大西洋防御政策、核政策和戰略以及地緣政治理論。他經常為各種國防和國際關系出版物撰稿:《世界外交》、《國防與國際安全》(DSI)、《軍事資源》、《中國世界》、《沖突》、《國防評論》。

付費5元查看完整內容

摘要

指揮與控制是聯合軍事行動的核心內容之一,然而,現代安全威脅性質、全球技術民主化以及信息流動速度和范圍都對傳統的作戰范式造成了壓力,需要進行根本性的轉變,以便更好地在多個物理和虛擬領域進行同步整合和操作。在本文中,我們旨在通過提出三個概念來應對這些挑戰,這些概念將指導人類-人工智能綜合指揮與控制系統的創建,其靈感來自于商業部門和學術界的最新進展和成功。第一個概念是一個將人工智能能力整合到事業的框架,優化勞動力中的信任和性能。第二個概念是通過對信息抽象、團隊合作和風險控制的動態管理,實時創建多組織多領域的任務團隊,從而促進多領域的運作。第三種是多級數據安全和多組織數據共享的新范式,這將是未來聯合和聯盟多域作戰的一個關鍵推動因素。最后,我們提出了一系列建議,以研究、開發和實例化這些指揮與控制能力方面的變革性進展。

關鍵詞--人與人工智能系統,多域指揮與控制,分布式貝葉斯組合分析,信任網絡

I. 前言

在聯合軍事行動中,聯合部隊指揮官承擔的最關鍵角色之一是指揮和控制(C2),即對指定的部隊行使指揮權力,以實現集體目標[1]。在現代軍事環境中,C2增強了指揮官做出知情和及時決策的能力,并得到了提供態勢感知的分布式信息和通信系統的復雜企業的支持。傳統上,通過政策和技術,C2被限制在單個物理領域,如空中、陸地和空間,以及虛擬領域,如網絡,導致不同領域的信息整合面臨挑戰。然而,現代同行和跨國安全威脅的復雜性要求有能力在多個領域進行整合和聯合行動,美國政府目前正在調查技術和方法,以實現和加強多領域的C2[2]。

遷移到一個多域的作戰結構,在技術、人力、理論和文化方面有許多挑戰。現有的武器和信息系統是建立在使用專有數據交換機制的傳統硬件和軟件上的,抑制了現代化和更廣泛的整合。來自各種來源和組織的人類和傳感器產生的數據以臨時的方式結合在一起,并在多個網絡的多個安全級別上進行存儲和分隔,往往抑制了多組織的聯合信息共享和決策。此外,這些系統幾乎沒有自動化,操作起來也是人力密集型的,隨著人力的固定以及任務范圍和責任的增加,這些系統將無法擴展。在自動化和分析系統存在的地方,由于缺乏培訓、透明度和衡量的性能(包括真實的和感知的),它們受到了濫用和不良的信任校準。同時,美國政府高級領導層評估說,技術的民主化已經使戰場變得平坦,美國未來的戰略優勢取決于利用人工智能(AI)的能力,如機器學習、計算機視覺和自主系統,并將其與勞動力結合起來,創建共生的人機團隊[3]。

在本文中,我們研究了在美國武裝部隊中實現綜合多域作戰結構的挑戰,并比較和對比了商業部門和學術界的類似既定方法。我們提出三個概念來應對這些挑戰。首先,我們開發了一個框架,以幫助人工智能(AI)能力的發展、成熟和擴散到業務中,并將優化員工隊伍中的信任和表現的過程制度化。其次,我們探討了如何通過平衡的信息管理和動態管理的風險,使多域作戰得以創建。最后,我們描述了一個多級數據安全和多組織數據共享的新范式,這將是未來聯合和聯盟多域作戰的一個關鍵推動因素。

付費5元查看完整內容

作者

  • 加拿大陸軍陸戰中心的Geofrey Priems少校
  • 加拿大國防研究與發展--作戰研究與分析中心的Peter Gizewski

引言

全世界對人工智能(AI)軍事應用的興趣正在增長。事實上,與其他一些技術進步一樣,人工智能越來越被視為軍事效力的潛在重要推動力。

毫不疑問,人們對人工智能對加拿大陸軍(CA)的影響以及其采用人工智能的可能性的興趣正在上升。關于如何以及在多大程度上可以利用人工智能來潛在地幫助實現緊密作戰應用的問題:加拿大陸軍的頂點作戰概念--"不確定性時代的陸地力量 "的實現,以及加強陸軍的五項作戰功能的實施,這些問題尤為突出。有關有效采用人工智能可能面臨的挑戰以及克服這些挑戰所需措施的問題也同樣突出。

本文對這些問題進行了初步研究。它源于加拿大陸軍陸戰中心正在進行的關于人工智能的工作,以研究和確定人工智能對加拿大陸軍和有效實現陸軍頂點作戰概念的影響。

文章概述了人工智能在軍隊采用和開展軍事行動方面所帶來的潛在好處和挑戰。然后,文章研究了人工智能對實現密切交戰的潛在影響,確定了人工智能的應用有望提高軍隊的作戰效率的領域。文章最后概述了一些必要的關鍵前提條件和做法,以確保這些工作是負責任的和有效的。

人工智能

人工智能的定義有很多,而且在不斷發展。然而,按照國防部目前的定義,人工智能是 "計算機執行與人類邏輯有關功能的能力,如推理、學習和自我改進"。 雖然沒有被普遍接受,但這樣的表述為在CA背景下討論人工智能提供了一個體制上熟悉和充分的基礎。

潛在利益

軍事組織探索、開發和采用人工智能的激勵措施是引人注目的。鑒于高速計算機(網絡速度和處理能力)和人工智能算法處理和分析大量數據的能力,其速度和準確性遠遠超過人類,聲稱人工智能系統有可能全面改變國防,這并不令人驚訝。通過作為一種提高人類和機器分析速度的手段,人工智能有希望提高數據使用、管理和態勢感知能力。對于軍隊來說,其結果很可能轉化為成本節約、改進控制系統、加快決策、新的作戰概念和更大的行動自由。

由人工智能支持的信息和決策輔助系統有可能促進在 "復雜的、時間緊迫的戰地環境 "中做出更好的決策,允許更快地識別威脅,更快、更精確地確定目標,并根據戰地條件的變化為指揮官創造靈活的選擇。應用范圍可以從指揮和控制以及情報、監視和偵察到訓練和后勤。此外,作為機器人和自主系統的骨干技術,人工智能為武器裝備的創新提供了前景,使具有相當大的軍事潛力的先進自主系統(如機器人系統和無人機)得以發展。人工智能甚至可能在部隊結構和作戰概念方面產生巨大的變化,有可能減少人員的負擔和軍事硬件的成本,同時提高戰爭本身的效率和效力。

這些技術無處不在,而且越來越多的盟軍和對手都可以使用,這一事實進一步刺激了對人工智能軍事技術的追求。就前者而言,盟國對人工智能日益增長的興趣突出表明,需要有足夠的人工智能能力來確保未來盟國的互操作性和軍事有效性。至于后者,有證據表明,對手(如俄羅斯、中國)對人工智能的軍事應用進行了持續的探索和投資,這增強了追求此類技術的動力,以檢測和防御未來越來越多的人工智能軍事威脅。

采用的限制和挑戰

然而,有效引進人工智能的先決條件是相當多的,很可能對軍事組織充分實現人工智能應用所帶來的一些可能性的能力造成限制。此外,軍隊可能不完全愿意追求人工智能技術本身所固有的一些可能性。

事實上,目前的能力僅限于執行離散的功能和學習具體的任務(如狹義的人工智能)。人工智能技術的脆弱性令人擔憂。脆弱性是指任何算法不能泛化或適應狹窄的假設集以外的條件。例如,在添加了一些位數后,一個停車標志可以被讀成一個45英里/小時的限速標志。應用于涉及過度不確定性的情況實際上可能特別危險。例如,錯誤地選擇和起訴友軍目標,如友軍戰士或民用車輛。因此,在軍事環境中,特別是在軍事行動中,對人工智能的使用限制是相當大的。面對傳來的信息可能不可靠、不完整或甚至被對手故意偽造的環境,相信這些技術提供的解決方案仍然很脆弱。

除此之外,即使在這種技術被普遍認為是可靠的領域,其開發和應用也可能是苛刻的。要求包括確保有足夠數量的數據可供開發用于啟用軍事系統的算法。它們還包括確保算法本身的質量,這一要求取決于在將人工智能納入軍事系統之前提供和有效地準備和編碼訓練數據,以及確保來自現實世界數據的有效性,其中包括邊緣案例(不常見的使用案例)。而且,它們包括確保開發和集成到軍事系統中的人工智能是可靠的(即它以預定的方式工作)。

這些要求中的每一項都可能涉及相當大的挑戰。獲取大量的訓練數據可能會遇到基于政治和法律限制的數據共享阻力,從而降低待訓練算法的質量和使用這些算法的系統的可靠性。獲得的數據可能包含種族、性別和其他源于數據準備和編碼的偏見。此外,隨著算法變得更加復雜,通過對手在訓練數據集中注入不良數據而被操縱的可能性會增加。只要存在這些挑戰,對人工智能的信任及其在軍事領域的應用就可能受到影響。

這些風險可以通過仔細的人工監督和強大的測試得到控制。也就是說,真正有效的監督需要操作者熟悉人工智能技術的細節,以及重要的系統整合和社會化,這可能很難實現。由于對技術本身的理解存在困難,有效監督挑戰就更大了。機器推理的過程不等同于人類,人工智能系統采用的邏輯也不容易理解。對于負責使用這些能力的指揮官和系統操作者來說--其中一些能力可以很好地決定生命和死亡--相信那些決策過程不透明的技術,可能是一座太遙遠的橋梁。

對加拿大陸軍的影響

這些現實表明,加拿大陸軍采用人工智能,雖然有希望,但必須謹慎行事,并對限制有一個現實的認識。無論是加拿大還是加拿大陸軍,都無法避免遇到上述挑戰。例如,人工智能技術在沒有適當人類監督的情況下越接近殺戮鏈,可能發生災難性后果的風險就越大。因此,必須注意研究或采用能夠幫助人類決策的技術。一個指示人類做什么的 "黑盒"人工智能將是不可接受的。人工智能顧問必須能夠解釋其建議/結論,以便人類能夠理解并對所提出的建議有信心。人類決策者必須能夠對人工智能所提供的解決方案向領導作出清晰和可理解的解釋。

然而,如果謹慎地追求和應用,人工智能的大部分內容通常與《近距離接觸,不確定時代的陸地力量》中詳述的陸軍要求非常吻合。緊密的作戰應用目的是應對以快速變化為特征的作戰環境的挑戰,以及廣泛的復雜的人道主義挑戰和技術能力越來越強的對手,他們能夠使用一系列機動性越來越強的致命和非致命系統以及精心設計的反措施。應對這些挑戰在很大程度上取決于確保獲得必要的信息和分析的能力,以便比對手更快地了解和調整不斷變化的條件。作為一種先進的信息處理方法,人工智能可以提供一種重要的手段,通過提供比人類更快、更準確地處理和分析來自越來越多來源的數據來幫助滿足這些需求。因此,人工智能可以作為一個重要的決策輔助工具,使個人和共同的理解得到發展,這對于確定潛在的作戰方案,優先獲得、處置和使用軍事資產,以及提供及時開展行動所需的數據、信息和可操作的情報至關重要。

除此之外,人工智能甚至可能有助于加強陸軍所依賴的網絡安全。"能夠遠距離運行的高容量網絡為軍隊行動的開展提供了顯著的優勢。事實上,一個安全和強大的網絡是確保快速、安全地分發有效開展軍隊作戰所需的數據和分析的核心。通過開發能夠防范網絡故障、電子戰和網絡攻擊的算法,人工智能可以更充分地確保軍隊能夠 "獲得網絡的優勢",從而以更安全、協調和協作的方式開展行動。在諸如互操作性、力量生成、力量投射和維持以及開展分散行動等方面的改進,都可能因此而受益。

自始至終,隨著人工智能技術被推向戰術邊緣,將有必要確保有足夠的電力(能源)來支持它。除了網絡,先進的電源管理和電池技術將是至關重要的。

圖:加拿大國防研究與發展部-瓦爾卡蒂爾項目的數據收集工作,該項目被稱為聯合算法戰機傳感器。該項目是較大的加拿大陸軍科學和技術組合的一部分,即數字時代的授權分布式作戰。

付費5元查看完整內容

序言

指揮、控制和通信(C3)系統是所有軍事作戰的基礎,為國防部(DoD)的所有任務提供計劃、協調和控制部隊和作戰所需的關鍵信息。歷史上,美軍取得并保持了C3技術的主導優勢,但同行的競爭者和對手已經縮小了差距。國防部目前的C3系統沒有跟上威脅增長的步伐,也沒有滿足我們聯合作戰人員不斷增長的信息交流需求。聯合部隊必須配備最新的C3能力,為所有領域提供實時態勢感知和決策支持。

未來的沖突很可能由信息優勢決定,成功的一方將來自多個領域的分布式傳感器和武器系統的大量數據轉化為可操作的信息,以便更好、更快地做出決策并產生精確的效果。國防部(DoD)正在執行一項重點工作,通過綜合和同步的能力發展,在所有領域迅速實現靈活和有彈性的指揮和控制(C2),以確保對我們的對手的作戰和競爭優勢。這項工作被稱為聯合全域指揮與控制(JADC2),是決策的藝術和科學,將決策迅速轉化為行動,利用所有領域的能力并與任務伙伴合作,在競爭和沖突中實現作戰和信息優勢。JADC2需要新的概念、科學和技術、實驗以及多年的持續投資。

該戰略代表了國防部對實施國防部數字化現代化戰略中C3部分的設想,并為彌合今天的傳統C3使能能力和JADC2之間的差距提供了方向。它描述了國防部將如何創新以獲得競爭優勢,同時為完全網絡化的通信傳輸層和先進的C2使能能力打下基礎,以使聯合全域作戰同步應對21世紀的威脅。該戰略的重點是保護和保持現有的C3能力;確保美國、盟國和主要合作伙伴在需要的時候能夠可靠地獲得關鍵信息;提供無縫、有彈性和安全的C3傳輸基礎設施,使聯合部隊在整個軍事作戰中更具殺傷力。這一戰略的實施需要在作戰領域內和跨作戰領域內同步進行現代化工作,從完美的解決方案過渡到一個高度連接的、敏捷的和有彈性的系統。

本文件確定的目標為DOD的C3系統和基礎設施的現代化提供了明確的指導和方向。然而,現代化并不是一個終點,而是一項持續的工作。國防部將評估和更新該戰略,以適應在通往JADC2道路上的新的作戰概念和技術。

引言

美國防部正面臨著幾十年來最復雜和競爭激烈的全球安全環境。在這個大國競爭的新時代,國防部必須提高聯合作戰人員的殺傷力,加強聯盟伙伴關系,吸引新的合作伙伴,并改革國防部以提高績效和經濟效益。

當我們建立一支更具殺傷力的部隊并加強聯盟和伙伴關系時,DOD必須專注于關鍵的有利工具,以有效地運用聯合多國部隊對抗大國競爭。有效的部隊使用始于有效的C2,即由適當指定的指揮官在完成任務的過程中對指定和附屬部隊行使權力和指導。在現代戰爭中,這可能是人對人、機器對機器(M2M)的循環,或者隨著自主程度的提高,M2M的循環中也有人類。在其最基本的層面上,成功的C2需要有可靠的通信、發送和接收信息的手段,以及其他處理和顯示可操作信息的能力,以幫助指揮官進行決策并取得決定性的信息優勢。

圖1:指揮、控制和通信現代化

該戰略的重點是支持有效的聯合和多國作戰的C3使能能力(圖1)。C3使能能力由信息整合和決策支持服務、系統、流程以及相關的通信運輸基礎設施組成,使其能夠對指定和附屬的部隊行使權力和指導。這些能力使指揮官和決策者能夠迅速評估、選擇和執行有效的作戰方案以完成任務。

具體而言,該戰略為2020-2025年的C3使能能力現代化提供了方法和實施指南。作為2018年國防戰略(NDS)實施的一部分,聯合參謀部正在制定聯合和任務伙伴網絡的工作概念,以便在有爭議的環境中執行全域聯合作戰。根據這些概念,負責研究和工程開發的國防部副部長辦公室(OUSD(R&E))正在開發和發展一個長期的(2024年及以后)全網絡化指揮、控制和通信(FNC3)架構。實施這些未來的概念和架構將需要時間來使得新的技術和多年的投資成熟可用。這個C3現代化戰略為彌合今天的傳統C3使能能力和未來的FNC3使能JADC2之間的差距提供了方向,以確保聯合部隊能夠 "今晚作戰(fight tonight)",同時為聯合全域作戰所需的未來技術創造一個可行的過渡路徑。

戰略目標

本戰略提出的C3現代化目標與國防部數字化現代化戰略(DMS)和其他更高層次的指導意見相一致,包括國家發展戰略、國防部2018年網絡戰略、聯合作戰的基石概念:《聯合部隊2030》和《國防規劃指南》。它實施近期的現代化作戰和創新解決方案,通過更安全、有效和高效的C3環境提供競爭優勢。為此,國防部必須解決這些C3現代化的目標:

1.開發和實施敏捷的電磁頻譜操作;

2.加強定位、導航和授時信息的交付、多樣性和彈性;

3.加強國家領導指揮能力;

4.提供綜合的、可互操作的超視距通信能力;

5.加速和同步實施現代化的戰術通信系統;

6.全面建立和實施國防部公共安全通信生態系統;

7.創造一個快速發展5G基礎設施和利用非美國5G網絡的環境;

8.提供有彈性和響應的C2系統;9.提供任務伙伴環境能力。提供任務伙伴環境能力和服務。

圖2:DOD數字現代化戰略

圖3:DOD C3現代化和數字現代化戰略的一致性

圖2和圖3分別顯示了本戰略中實施的DMS要素以及兩個戰略之間的目標和目的的一致性。

DOD C3依賴于一個復雜的、不斷發展的系統,從網絡基礎設施和核心服務到戰術邊緣的手持無線電和移動設備。本戰略中包含的九個目標是對圖2中強調的六個DMS目標的更細粒度的分解。C3現代化的其他關鍵因素包括聯合信息環境能力目標、數據中心化和數據分析,分別包含在DMS、國防部云戰略和國防部人工智能戰略中。有效的國防部事業管理將確保這些戰略的成功同步和實施。

付費5元查看完整內容

報告總結

  • 1.2028 年陸軍未來指揮與控制概念:追求決策優勢 (AFCC-C2) 描述了 2028 年及以后的陸軍如何利用陸軍更清晰、更準確地了解自己、我們的對手和作戰環境的能力通過具有全域能力的指揮和控制(C2)作戰功能和系統來產生決策優勢。反過來,在所有梯隊中始終如一地創造決策優勢,使陸軍部隊能夠在整個行動(作戰主動性)中設定行動的節奏和條件,并建立總體決策優勢(見下圖)。 AFCC-C2 與陸軍的多域作戰 (MDO) 和旅上梯隊 (EAB) 概念相結合。 AFCC-C2 研究陸軍指揮官作為聯合部隊的一部分,進行統一行動,將如何制定和分配決策以實現作戰主動性并克服多域作戰概念中描述的五個作戰問題(競爭、滲透、分散整合、利用和重新競爭)。

  • 2.未來陸軍 C2 系統包括人員、流程、通信網絡和指揮所星座(CPC)。未來的陸軍 C2 系統能夠快速接收、組織、分析、解釋和顯示與上下文相關的信息,從而以超越對手和敵人的速度生成全面的、多領域的行動方案。在參謀人員、下級領導和先進技術(包括人工智能、機器學習和大數據分析)的指導下,指揮官結合分析推理和發達的直覺做出快速、高質量的決策。一旦做出決定,決策就會以易于理解并允許快速行動的格式迅速傳達給下屬和統一行動伙伴。

  • 3.人是未來C2系統的核心。陸軍需要敏捷、創新、大膽和有能力的領導者,他們在模棱兩可、快節奏、數據驅動的行動中茁壯成長,并且能夠采取有紀律的主動性來實現指揮官的意圖。未來的陸軍領導人必須能夠利用聯合和整體政府方法來實現跨域機動、致命和非致命全域火力,以及陸軍、聯合部隊和整個國家的統一努力。未來的陸軍領導者通過一個靈活且適應性強的 CPC 完成所有 C2 職能和活動——多個、分布式、網狀和受保護的指揮節點的可變布置,從本站跨職能組織到近距離區域。

  • 4.構成未來 CPC 的指揮節點具有戰略可部署性、戰術機動性、可擴展性、可定制性、受保護性和可生存性。所有指揮節點都由一個統一且有彈性的通信網絡連接,由通用、標準化、可共享和安全的數據支持,這些數據將每個節點與其他節點連接起來,形成一個具有凝聚力的 CPC。但是,威脅可能會中斷或拒絕通信。領導者和士兵通過培訓、教育和經驗獲得支持,并在所有領域和維度擁有適當的能力和權力,行使紀律嚴明的主動性,以保持行動的連續性并創造決策優勢。

  • 5.為了實現全域能力的陸軍 C2 系統,AFCC-C2 還描述了以下跨領域理念:

    • 培養紀律性主動性的領導者發展

    • 支持任務指揮 (MC) 方法和 MDO 的人才管理

    • 信息維度的運營對于贏得競爭、危機應對和武裝沖突不可或缺

    • 統一行動伙伴之間的無縫互操作性

    • 適當定制的權限和權限

    • 人機合作、協作決策和戰斗管理

    • 建立對人員、流程的信任、通信網絡和 CPC

    • 真相是對抗虛假信息威脅的武器

    • 支持性培訓環境和基礎設施

  • 6.通過開發具有全域能力的 C2 系統并實現相關的支持理念,未來的陸軍領導者具備獲得決策優勢所需的能力。陸軍未來 C2 系統的組成部分協同工作,以整合所有領域、電磁頻譜 (EMS) 和信息環境 (IE) 的戰斗力——以及所有其他國家力量工具——以創造決策優勢這導致了多領域的機會之窗,進而使陸軍部隊能夠在整個行動中設定行動的節奏和條件,實現整體決策優勢,并在競爭、危機應對和沖突中取得成功。

圖1. AFCC-C2邏輯圖

第一章 引言

1-1 目的

  • a.美國陸軍未來司令部小冊子 (AFC) 71-20-9:“2028 年陸軍未來司令部指揮和控制概念:追求決策優勢 (AFCC-C2)” 確定陸軍在未來多域作戰 (MDO) 期間需要指揮和控制 (C2) 的能力。這一修訂后的功能概念建立在美國陸軍訓練和條令司令部 (TRADOC) 小冊子 (TP) 525-3-1 “美國陸軍 2028 年多域作戰(多域作戰概念)”和 TP 525-3-8 “2025-2045 旅以上梯隊的多域聯合武器作戰(旅以上梯隊 (EAB) 概念)”中提出的理念之上。這些概念描述了陸軍部隊作為聯合部隊的一個組成部分,如何進行多域作戰以在競爭和危機應對中占上風,并在必要時滲透和瓦解敵人的反介入和區域拒止系統,并利用由此產生的機動自由來實現戰略目標并以有利的條件強制恢復競爭。

  • b. AFCC-C2 提出并試圖回答以下問題。

    • (1) 未來作戰環境 (OE) 的哪些關鍵物理和非物理方面會影響陸軍指揮官如何行使權力、與統一行動伙伴進行互操作、指導行動、監控活動以及評估陸軍部隊整個使用過程中的進展情況在 MDO 期間?

    • (2) 未來應如何培訓、管理、組織、設計、配置和保護當前構成支持 C2 系統的人員、流程、網絡和指揮所 (CP),以實現及時集成、動態同步,以及所有領域的軍事能力以及與國家力量的其他要素(外交、信息、經濟、金融、情報和執法)的最佳融合?

    • (3) 陸軍必須具備哪些能力才能使指揮官及其參謀人員在未來多域作戰中在整個競爭連續體中獲得決策優勢?

    • (4) 陸軍必須追求哪些關鍵科學和技術 (S&T) 才能實現提議的概念解決方案、其組成部分和支持性想法?

1-4 背景

  • a. 二十世紀九十年代的國防轉型假設新興技術將消除戰爭迷霧,以實現前所未有的理解,允許近乎完美的決策,并促進實現效果的絕對精確性。盡管在所有作戰領域都占據主導地位,但過去 20 年的伊拉克和阿富汗沖突強調,行動首先是一項復雜的人類事業。指揮官必須能夠在信息不完整的情況下并在可用時間內做出及時、高質量的決策。任何梯隊的完美態勢感知仍然是一個無法實現的最終狀態。此外,增強的態勢感知和與新技術溝通的能力會促進過度集中的控制,扼殺紀律嚴明的主動性和風險接受能力,并成為對手在整個競爭過程中尋求利用的漏洞。通過多次行動和實驗,陸軍高級領導人認識到,大膽、敏捷、富有想象力、訓練有素、裝備精良的領導人對于奪取、保留和利用作戰主動權以及在所有領域和環境中熟練整合戰斗力的能力至關重要。未來陸軍部隊比以往任何時候都更需要指揮官和下屬領導人,他們能夠在相對模糊的條件下做出快速、高質量的決策,并在快節奏、數據驅動的行動中茁壯成長。

注釋:在本概念的其余部分,術語“域”將用作表示作戰域、電磁頻譜 (EMS) 和信息環境 (IE) 的總和簡寫。類似地,“多域”將用于表示兩個或多個域、EMS 和 IE 的任意組合。

  • b. 因此,陸軍在 2003 年版的野戰手冊 (FM) 6-0 中采用任務式指揮 (MC),任務式指揮:陸軍部隊的指揮和控制作為 C2 的“首選”概念,以指導指揮官并提供克服戰爭的迷霧和摩擦。自從 MC 正式納入陸軍的權威知識體系以來,陸軍一直在審查、評估和進行理論改進和完善。值得注意的是,陸軍條令最近澄清了使用 MC 一詞不再描述多個事物(例如,作戰功能、支持系統、指導理念等),以克服士兵、陸軍文職及其統一行動伙伴之間的混淆。 2019 年,陸軍條令出版物 (ADP) 6-0 任務指揮部:陸軍部隊的指揮和控制通過回歸 C2 作戰職能來提高清晰度并與聯合條令重新調整——同時保持并再次強調 MC 作為陸軍對 C2 的方法。為了進一步調整和促進統一行動,陸軍重新采用了 C2 的聯合定義,即由適當指定的指派和附屬部隊指揮官行使權力和指揮。同樣,ADP 6-0 將作戰職能重命名為支持系統為C2系統。雖然包含使能技術,但 C2 系統本身并不是一個技術信息系統。相反,更新后的 ADP 6-0 將其描述為一個更廣泛的系統系統,包括人員、流程、網絡和 CP,它們作為一個整體共同發揮作用,使指揮官能夠開展行動。

  • c. C2 系統是 C2 作戰職能的基石,它必須堅定地支持指揮官理解、想象、描述、指導、領導和評估行動的能力。雖然 C2 系統提供人員、流程和工具來支持在這些指揮官活動中,MC 方法提供了指導所有領導者(包括指揮官)運用權力、提供指導和利用資源來完成任務的總體原則。陸軍不斷演變的 MC 概念始終尋求賦予下屬權力并培養有紀律的主動性,但并不等同于權力和能力的無限制下放。一定程度的控制或監督總是必要的。根據他們面臨的情況,指揮官可能需要對 C2 采取更加集中和統一的方法。例如,在多域武裝沖突的過渡階段和初期階段,針對近乎對等的敵人,可能需要一種極其集中的方法來仔細整合和精確匯聚效果,以穿透和瓦解敵人的反介入和區域拒絕系統。相反,更高水平的權力下放和更少的控制可能更適合后續的跨域機動。總體而言,陸軍尋求建立一種傾向,即權力下放和權力下放,以及行使有紀律的主動性。

  • d. 通信網絡是——并將繼續是——陸軍指揮控制系統的關鍵組成部分。美國陸軍任務指揮網絡實施計劃——第 1 卷描述了陸軍目前用于指導野戰部隊近期至中期網絡現代化工作的框架。圖 1-1 顯示了當前的努力方向 (LOE)。在此框架的指導下,AFCC-C2 面向中長期和未來力量。與實施計劃不同,AFCC-C2 考慮了整個 C2 系統(包括對陸軍未來通信網絡的要求)。陸軍人員配備、裝備和維持的物理和財政現實要求能力開發人員使用從當前狀態到未來狀態的接地預測。

圖 1-1. 任務指揮網實施計劃

1-5 設想

  • a. MDO 和 EAB 概念的設想適用于本手冊

  • b. 以下附加設想適用于陸軍未來的 C2 能力

    • (1) 即使作為校準未來部隊態勢的一部分,陸軍部隊的重新定位和持續輪換使用,最大比例的部隊仍將駐扎在美國大陸(CONUS)。為了奪取、保留和利用作戰主動權并在競爭、危機應對和武裝沖突中取得成功,美國本土的部隊將需要具備高度遠征的能力——在思維方式和能力上。以美國本土為基礎的部隊的快速部署還需要在戰略距離上對這些部隊進行指揮控制的能力。

    • (2) 配備人員、裝備和訓練能夠在高度分散的作戰中發揮最佳作用的陸軍組織將能夠在嚴格的集中控制下有效運作。但是,長時間集中控制的效果會較差。配備人員、裝備和訓練以在集中控制下進行最佳運作的陸軍組織將無法以必要的程度和速度分散和分散作戰,以在復雜、競爭激烈和過度活躍的物理和非物理作戰環境中擊敗威脅。未來。

    • (3) 陸軍部隊將與聯合行動伙伴一起計劃、訓練和作戰,以實施多域作戰,并將戰斗力與國家力量的其他要素(美國和聯軍)整合和同步,以取得成功并為國家取得持久成果。 15F 16為了達到這個概念中描述的互操作性程度,將完成對國家、聯合、陸軍和其他統一行動伙伴的政策、程序、權限和許可的必要更改。

    • (4) 一個聰明的、學習的和適應性強的敵人將能夠對抗或削弱陸軍當前和未來的技術優勢。新能力會催生新的漏洞。特別是,數字技術(包括陸軍戰略行動和持久保障所依賴的民用部門的技術)將帶來新的攻擊媒介,必須對其進行監控和保護。

    • (5) 未來沖突的影響不會局限于單一地理區域;陸軍和聯合部隊將在全球范圍內展開競爭。因此,全球一體化運營對于在整個競爭過程中取得成功至關重要。

1-6 與陸軍概念框架的聯系

a. MDO概念

(1)引導多域作戰以在多域競爭和危機應對中占上風,并在必要時滲透和瓦解敵人的反介入和區域拒止系統,以創造實現戰略目標所需的機動自由,并以有利的條件迫使其重返競爭。為了實現這一點,多域作戰概念提出了三個相互加強的原則:校準的部隊姿態、多域編隊和融合。

  • (a) 校準后的部隊姿態是職能、能力、位置和跨戰略距離機動能力的組合。校準后的部隊姿態需要不同類型部隊的動態組合,這些部隊可以根據戰略環境的要求進行調整和改變:前沿存在部隊(美國和合作伙伴、常規和特種作戰)、遠征部隊(陸軍和聯合部隊和能力)、國家級網絡空間能力、天基平臺、情報和打擊能力。這一原則包括要求陸軍部隊獲得所需的訪問權、權限、能力和東道國支持,以了解和在所有領域作戰;快速組建團隊;并與統一行動伙伴無縫互操作,以擴大競爭空間,為敵方和敵人制造多重困境,并實現優勢競爭。為了實現校準的部隊態勢,陸軍部隊必須具有遠征性,指揮官必須能夠在整個警戒期間持續進行 C2,部署、早期進入和后續行動,以確保部署部隊能夠在到達后立即戰斗并取得勝利。

  • (b) 多域編隊擁有從所有域獲取和利用軍事力量、持久性的能力,從而給對手帶來多重和復合的困境。擁有適當權限并能夠立即從所有可用域獲得能力的未來陸軍部隊可以進行和使用跨域機動以及致命和非致命的全域火力,以超越和超越對手和敵人。未來的多領域域編隊由先進的保護系統、減少的特征碼、針對敵人干擾的冗余通信、全域能力的態勢感知工具(包括特征碼遮蔽、管理和控制能力)以及戰略可部署、戰術機動、可擴展、受保護、和高生存能力的CP。

  • (c) 融合是所有領域、領域內和跨領域能力的快速和持續融合,以優化效果并在決定性空間中戰勝敵人。融合是由具有全域能力的 C2 系統實現的。雖然未來的陸軍梯隊部隊必須配備或快速獲得所有必要的領域能力和權力以采取行動,但他們還需要能夠有效理解、思考和規劃所有領域的領導者和士兵。

(2) MDO 概念承認 MC 仍然是所有陸軍行動的基本要素。敵人將破壞友軍的通信和計劃。然而,MC 方法必須擴展,以實現軍種和其他伙伴線之間的動態合作——在一定風險下——以允許聯合部隊保持持續和快速融合來自所有領域的能力的能力;MDO 概念指出,MC 的一種表現形式是基于意圖的協同:動態合作能夠充分整合所有可用的領域能力,從而在一個決定性的空間和時間,承認一定程度的風險或附帶成本。多域作戰概念強調,指揮官必須有意識地創造和培育有利于軍事控制的條件,以便千差萬別的編隊和能力隨時準備在相互承認機會或響應戰場空間發展時采取行動。

b. EAB概念

(1) EAB 概念描述了未來陸軍旅級以上的合成兵種編隊如何在梯隊和擴展戰場空間的縱深和廣度上獲得和保持作戰主動權。它描述了 EAB 編隊和指揮官必須如何——

  • 感知和理解戰場空間的深度和廣度,包括在所有域中和跨域。

  • 決定一個行動方案,在決定性空間內以更快的速度和節奏將所有域的能力集中起來,通過跨域機動和致命和非致命的全域火力來塑造戰場以取得成功。

  • 打擊敵人在多個決定性的空間。

  • 具有維持優勢地位和鞏固收益的耐力。

(2)未來的 OE、MC 必須成為陸軍職業的固有特征。個人士兵和領導者還必須有效地與聯合和國家級能力、組織和領導者的專業知識合作,并利用它們的專業知識。責任區 (AOR) 的延伸距離以及多個美國、聯盟和組織間合作伙伴的普遍存在,放大了整合、溝通、集體合作和統一努力方面已經很復雜的挑戰。由于對陸軍和聯合 C2 系統的攻擊,未來的編隊將遇到不同程度的通信退化。因此,EAB 指揮官及其編隊必須能夠在其上級指揮官的意圖范圍內繼續行動以實現目標,即使在與部隊其他成員的通信隔離的情況下也是如此。在這些條件下,采用適當數量的控制和權力下放水平,再加上對有紀律的主動性的核心偏見,在分散編隊進行分散作戰的成功中發揮著關鍵作用。

付費5元查看完整內容

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。

付費5元查看完整內容

摘要

幾十年來,政治科學家和國家層面的軍方政策制定者一直在戰略層面使用博弈論,但對其在作戰層面的使用幾乎沒有評論。傳統上,三個主要挑戰阻礙了規劃人員和分析人員在作戰層面使用博弈論,即復雜的作戰環境、參與者的動態交互以及大多數陸軍參謀人員不具備使用復雜數學技能。

這本專著表明,這些挑戰是可以克服的,博弈論可以在規劃過程中提供新穎的見解。美陸軍參謀部規劃人員可以在作戰層面有效地使用基本博弈論和簡單的數學來了解作戰環境、了解行動者及其動機,并在軍事決策過程中比較行動方案。本專著展示了如何避免高級博弈論用于解決理論問題的繁瑣數學程序,而是專注于使用基本博弈論在規劃過程中提供價值。它通過回顧博弈論在戰略層面的應用、教授基本博弈論和涵蓋一些基本博弈概念來展示博弈論的實用性。然后,它考察了一場歷史性的行動,以展示博弈論的使用將如何達到另一個推薦行動方案和結果,也許會改變歷史進程。最后,它通過將博弈論應用于軍事決策過程、任務分析和行動制定過程的兩個步驟的練習,提供了使用博弈論的指南。

引言

幾十年來,戰略規劃者和政策制定者在戰略層面有效地應用了博弈論,但軍事從業者往往不在作戰層面使用它。當約翰·馮·諾依曼和奧斯卡·摩根斯坦在 1940 年代初在蘭德公司工作期間發展博弈論時,他們尋求一種數學方法來為沖突領域,特別是經濟沖突提供解決方案。他們于 1944 年發表了開創性的著作《博弈論與經濟行為》

博弈論允許通過將場景建模為簡化的博弈來分析決策。博弈論試圖定義參與者、策略——或可供他們選擇的選項——以及博弈結果的預期回報。它試圖澄清由于參與者的選擇而導致的不確定性。它的主要用途是它認識到結果是通過多個參與者的互動共同決定的,而不僅僅是一個人自己決定的結果,它允許分析對手可能會做什么。由于這些原因,政策制定者和戰略家使用博弈論來理解戰略問題,例如核對手、貿易慣例、內戰解決和裁軍以及缺乏國際合作,從而制定政策建議以幫助解決這些問題

作戰層面的規劃者是否可以有效地應用博弈論仍然是一個懸而未決的問題。在作戰層面使用博弈論的批評者強調了動態交互的復雜性。他們指出,培訓軍官了解博弈論的基本概念并將操作層面問題的復雜性提煉成基本博弈需要大量時間。

本專著認為博弈論提供了一個有價值的框架,最適用于在軍事決策過程的任務分析和行動發展步驟過程中理解環境中的參與者。博弈論旨在提供對情況的理解。這需要了解參與者及其潛在計劃或戰略動機。博弈論提供了一種理性的方法來研究行動者如何制定他們的策略和他們的動機基礎。由此,指揮官和參謀人員可以獲得理解,然后疊加其他因素,包括行動方案和潛在結果。它提供了一種合理而直接的方法來簡化復雜的問題。因此,博弈論為作戰規劃者提供了另一種工具,可用于了解作戰環境。

本專著重點介紹博弈論在戰略層面的歷史應用、當前的規劃過程學說和相關框架,以回答作戰規劃者能否在作戰層面有效地使用博弈論。這本專著主要通過囚徒困境分析博弈論在戰略層面的應用,將其應用于冷戰、國際貿易和價格戰期間的降價。 1777 年的新澤西戰役為應用博弈論和理解喬治華盛頓將軍和查爾斯康沃利斯將軍之間的競爭環境提供了一個歷史例子。最后,它演示了如何以及在何處將博弈論工具實施到美國陸軍當前使用的規劃過程中。所使用的博弈論是一種基本的應用方法,而不是過于復雜和無用的高級學術博弈論。簡單的博弈可以使復雜的操作情況變得清晰。該研究回顧了陸軍規劃學說,以專注于了解作戰環境和問題。任務分析旨在了解環境中的參與者以及他們之間沖突的根源。這 3 項研究的重點是深入了解對抗性和中立的參與者、激勵措施、潛在的行動方案和回報。該專著追溯了博弈論的戰略應用和作戰應用之間的差異,以了解哪些要素是一致的,同時說明了差異。最后,它將討論如何克服實施中的潛在挑戰

博弈論在軍事決策過程中的應用

規劃人員可以在軍事決策過程中使用博弈論工具,特別是在任務分析期間,以不同的視角理解作戰環境和行動發展過程,以檢查未發現的假設。博弈論工具不是替代軍事決策過程中現有的步驟和工具,而是對其進行補充。戰地手冊 6-0 解釋說,指揮官和參謀人員使用任務分析來更好地了解作戰環境和部隊面臨的問題。接下來,規劃人員使用任務分析來制定假設以填補知識空白。最后,考慮到博弈論理解競爭的本質,任務分析也有助于理解友軍和敵軍如何互動。行動方案制定過程提供了一種客觀的方式來看待多個潛在計劃。在上面的歷史例子中,華盛頓將軍和康沃利斯將軍需要了解他們的潛在行動以及他們認為 30 名敵方指揮官可能會做什么。在某種程度上,歷史例子中的將軍們可以在他們的行動發展過程中使用博弈論來檢查他們的假設。開發從敘述性或定性評估開始,然后轉向帶有每個計劃的加權分數的可量化評估。博弈論允許另一種觀點來評估潛在的計劃。以下思想實驗提供了一個示例,說明工作人員如何在任務規劃期間使用一些博弈論工具。

演習如下:美國討論在一個靠近對手的友好國家增加軍事存在,這旨在阻止對手入侵友好國家。軍團工作人員了解國家決策者關于在一個地區增加軍事存在的辯論。此外,他們知道如果國家領導層追求升級,軍團是升級的一個因素。工作人員致力于了解作戰環境并了解國家層面的優先事項和激勵措施,以便他們可以就選項提出更高的建議并為預期的行動方案做好準備。其次,他們努力了解敵人的動機和行動計劃。敵人還面臨著增加其在該地區的軍事存在或維持現狀的前景。兩國都擁有核武器,都不想進行全面戰爭。最后,兩個大國都可以遷移的地區的人口不希望被外國勢力占領。國家決策者面臨的戰略決策具有操作層面的影響。

如上所述,任務分析提供了對情況和問題的理解。在任務分析過程中,工作人員開始對行動者的動機和動機有所了解。戰場情報準備是任務分析的關鍵步驟。參謀人員對友軍和敵軍如何在環境中相互作用做出假設。由此,工作人員開發了每個參與者在即將到來的操作中可以使用的潛在選項。此外,情報準備步驟確定了指揮官和參謀人員的知識差距。這些差距導致了獲取信息的情報需求的發展。正如文獻回顧中所述,人們根據他們擁有的信息做出決策,并預測競爭對手的行為。這些步驟不會取代或否定軍事決策過程的任何步驟,它們只是關于如何以及在何處實施博弈論工具的建議。

鑒于這種情況,參謀人員開始制定敵人的行動方案。當應用于博弈矩陣時,這些行動方案成為敵人的策略。敵人可以用他們的一個師或軍將該地區軍事化,也可以選擇不軍事化。是否軍事化的選擇為敵人創造了兩種不同的戰略。第二步著眼于每個策略的結果。如果雙方都軍事化,那么他們將面臨戰爭。如果雙方都沒有軍事化,那么他們就維持現狀。如果一個國家軍事化而另一個國家不軍事化,那么軍事化的國家就會在沒有爭議的環境中這樣做。表11顯示了這種情況的結果。

表11:定性結果

第三步要求參謀人員查看敵人的動機,然后對他們的選擇進行定性分析。敵人想在美國不決定將該地區軍事化的情況下將該地區軍事化。這為他們創造了一個無可爭議的環境。其次,他們既不看重自己也不看重美國將該地區軍事化,這是現狀。第三個可取的結果是美國軍事化,而敵人沒有,這意味著美國擁有無可爭議的軍事化。最后,如果美國也進行軍事化,敵人不想升級為戰爭,也不想將該地區軍事化。工作人員現在可以根據偏好對敵人的行動路線進行排序。作戰和情報人員可以利用收集資產并制定收集計劃,以確定有關敵人計劃的任何指標,例如在該地區集結部隊。信息收集計劃有助于回答信息需求并協助進行有效規劃。

工作人員現在進入行動開發過程。生成選項步驟概述了指揮官和參謀人員可用的選項。工作人員制定了可以切實擊敗敵人行動方案的選項,然后確定它們的優先級。工作人員還產生了兩個廣泛的選項。他們可以軍事化,也可以不軍事化。由于每個參與者的策略,工作人員現在可以對他們的行動方案進行排序。指揮官和參謀更愿意維持現狀。如果美國采取行動將該地區軍事化,它可能會擾亂地方、國家政府和民眾。因此,美國對該地區的軍事化和一個不軍事化的敵人是次要的選擇。這種選擇意味著美國擁有無可爭議的軍事化,但正如所述,當地政府感到不安。第三,排名是美國不軍事化,但敵人軍事化,給了他們無可爭議的優勢。最后,美國不希望發生戰爭,如果美國和敵人都進行軍事化,就會發生戰爭。

接下來,工作人員將博弈發展為矩陣或戰略形式。首先,他們進行定性分析,說明每次交戰的可能結果,見表 12。然后參謀人員從每個指揮官的角度對結果進行排序,以生成定量分析和回報,如表 13 所示。該表顯示了回報敵方第一,美國第二。使用倒序排列,最低數字的收益表示排后的選項,數字越大,表示首選的選項。每個戰斗人員都是近鄰,因此參謀人員認為交戰將有利于主動一方。

表12 :定性分析

表13:定量結果

這兩種的價值在于員工進行分析以掌握對潛在未來結果的理解。它提供了一個簡潔的可交付產品,參謀計劃人員可以在一張紙上將其交給指揮官或參謀長,以供將來參考或思考,因為指揮官和參謀人員開始在軍事決策過程的未來步驟中權衡選項。這種分析為員工提供了一個思考他們正在做什么以及他們的計劃可能產生什么結果。這是舍恩所說的實踐中反思的一個例子。正如他所說,它允許人們在執行任務時思考他們正在做什么,然后塑造他們所做的事情。

下一步要求參謀人員將可用選項縮小到只有指揮官可用的可信選項。參謀部尋找指揮官永遠不會使用任何主導策略。敵方指揮官沒有任何主導策略,并且兩種策略都可供他使用。但美國永遠不會在博弈中選擇軍事化,因為無論敵人選擇什么,不軍事化都會主導博弈。表 14 以粗體突出顯示哪個選項在美國占主導地位。例如,如果敵人決定軍事化,如果它決定軍事化,美國將獲得 1 的回報,否則將獲得 2 的回報。因此,在這種情況下,美國會選擇不進行軍事化。同樣,如果敵人不軍事化,那么如果它軍事化,美國將獲得三倍的回報,如果它不軍事化,美國將獲得四倍的回報,美國將再次選擇不進行軍事化。因此,工作人員將其排除在外。

表14:以粗體突出顯示的美國的收益

既然參謀人員了解美國沒有軍事化的動機,它就可以看看敵人可能會采取什么行動作為回應。敵人知道美國不想軍事化,并尋求使其結果最大化。因此,敵人選擇軍事化,因為這比不軍事化帶來更好的回報。這達到了納什均衡,即敵人軍事化并獲得四分之二的回報,而美國不軍事化并獲得三分之二的回報。表 15 顯示了圈出的所得納什均衡。

表15:軍事化為主

但現實生活中的情況并不總是一致的。一方通常首先采取行動,迫使另一方做出決定。在上述情況下,美國正在努力應對將該地區軍事化的決定。然后他們的決定迫使敵人做出決定。下一步著眼于在順序移動游戲中情況如何展開,以及納什均衡在決策分析中是否發生變化。順序博弈見表 16。該表首先顯示了敵人的收益,其次是美國的收益。

表16:順序多次博弈

參與者對每個結果的選擇和回報保持不變。唯一的區別是美國先行動,敵人必須做出反應。工作人員必須使用子博弈分析來分析這個博弈及其結果。敵人有第二步,因此分析從他們的預期步驟開始。這兩個參與者都知道,如果美國選擇軍事化,敵人將選擇不軍事化,因為兩個人的回報比一個人要好。如果美國選擇不軍事化,敵人會想要軍事化,因為四比三好。鑒于美國的選擇,上面的表 16 通過圈出每個敵人的首選選擇來表明這種行為。既然美國知道敵人會根據美國的選擇做出哪些選擇,他們就會在兩者之間做出選擇。美國選擇軍事化,知道敵人不會軍事化,從而為美國帶來三倍的回報。美國軍事化總比不軍事化并獲得兩個回報要好,因為知道敵人會選擇軍事化。因此,納什均衡變成了美國軍事化和敵人不軍事化,敵方兩分,美國三分,見表 17。

表17:納什均衡

序列博弈導致的納什均衡與同步博弈不同,為什么?每場比賽都會導致一方軍事化,而另一方不軍事化。在同步博弈中,敵人通過軍事化獲得了最有利的回報,美國知道這一點,因此選擇不軍事化。然而,在順序博弈中,美國先決勝負。如果他們不軍事化,他們將獲得最高的回報,而敵人也選擇不軍事化。兩國都不會軍事化,因為如果美國不軍事化,敵人就有動機進行軍事化。美國意識到這一點,因此認為他們的下一個最佳選擇是軍事化,因為它知道敵人不會軍事化,因為這會迫使兩個參與者之間發生戰爭。這個游戲提供了一個先發優勢的例子。如果敵人先選擇,他們也會有軍事化的動機

序列多次博弈反映了更現實的情況。但是運行這兩種類型的博弈為工作人員了解動機和潛在行動提供了分析價值。工作人員可以看到排序操作如何改變結果。如上所述,使用這種方法的價值在于分析。工作人員可以按照矩陣形式對每個結果進行簡要說明。然后他們可以看到他們的選擇之一不是一個可行的選擇。然后,他們查看了定量評估并確定可以使用平衡結果。所進行的定性分析重申了 Thomas Schelling 的觀點,即博弈論的數學并不總能解決沖突,不應過度依賴數學。而是對問題的思考增加了價值。

結論

博弈論提供了一種分析工具來看待競爭情況。它使分析師能夠了解潛在的行動計劃、激勵措施以及回報或結果。此外,它可以突出信息差距和需要進一步理解的領域。在 20 世紀中葉,戰略層面的規劃者用它來更好地了解美國和蘇聯之間在使用核武器和原子戰方面的競爭。國防部以外的分析師使用它來了解競爭公司之間的貿易爭端和降價。

在作戰層面,博弈論允許對潛在計劃、激勵和結果進行相同類型的分析和理解。這本專著審視了博弈論的歷史并探索了基本的博弈論,確立了博弈論在分析沖突情況方面的有用性。文獻回顧揭示了博弈論的優勢和劣勢,這為如何最好地利用它以最大限度地發揮其潛力提供了信息。檢查諸如核局勢和國際貿易等戰略層面的決策為以前的努力如何有效地應用博弈論提供了背景。博弈論在特倫頓和普林斯頓的美國獨立戰爭中的應用與指揮官們所追求的不同,展示了使用博弈論如何提供獨特的見解,這對于像康沃利斯這樣經驗豐富的將軍來說并不明顯。最后,該專著展示了軍團級別的參謀人員如何使用博弈論來理解戰略級別的決策如何影響作戰級別的行動,比較了同步博弈和序列博弈的實用性。最后一部分提供了一個基本框架,工作人員可以通過將博弈論應用于任務分析和行動開發過程來解決操作問題。

博弈論的使用不僅限于軍事決策過程。博弈論非常適合國防部和美國陸軍目前使用的現有規劃流程。規劃人員可以在聯合作戰設計過程和陸軍設計方法中使用博弈論工具。具體來說,在聯合設計期間,博弈論工具最適合理解戰略指導和理解作戰環境。在軍隊設計期間,它最適合構建作戰環境和理解問題。博弈論是參謀人員或計劃團隊的工具包中的另一個有用工具。當通過軍事決策過程或設計過程應用時,博弈論分析與其他工具很好地結合在一起,可以更好地了解作戰環境。

付費5元查看完整內容

在將人工智能 (AI) 和機器學習 (ML) 用于多域作戰 (MDO) 作為聯合全域指揮與控制 (JADC2) 的一部分之前,必須先完成奠定“信息基礎”的繁重工作。奠定基礎——數據被標記、安全存儲和傳輸,并且易于訪問——需要組織和保護軍隊跨域、服務和梯隊的 C2 所需的所有信息的日常工作。相同的信息主體將成為 AI 和 ML 算法的輸入。沒有這樣的信息基礎,進展甚微。

盡管最近 AI/ML 在游戲領域取得的成功令人鼓舞,但鑒于信息不完整、數據質量差和對手行動等現實障礙,對某些 C2 功能采用類似技術仍將具有挑戰性。其他 AI/ML 技術,例如用于預測戰區飛機狀態的技術,將更容易應用。實現 JADC2 目標將取決于確定核心軍事任務集的 C2 需求以及制定可在近期和遠期實現的軟件開發計劃。

本文的其余部分描述了對具有嵌入式 AI/ML 的 JADC2 的需求,就 AI/ML 的誘惑提出了警告,概述了要克服的 AI/ML 障礙,并提出了前進的道路。一般來說,需要對人力和資源進行投資,才能超越當今的人力密集型 C2 范式。通過自動化和一些AI/ML改進當前的規劃流程是一個值得努力的現實目標

發展路徑

可能看起來很嚴峻。存在許多障礙,迫切需要快速向前發展,現在就需要改變。然而,如果將實現目標的步驟分解為易于處理的問題,并且如果軍方對技術可能性和限制等保持“睜大眼睛”,則可以取得進展。目標不應該是 C2 的完全自動化,而是 C2 的有效人機協作。實現這一目標的步驟應包括,首先,JADC2 作戰概念 (CONOP) 的持續開發和優先排序,其次,確定在使能 C2 流程中增強 AI/ML 的相應需求和機會

同時,有必要為數據驅動的人工智能生態系統設定條件,這意味著將武器系統和相關數據放入多域數據庫中,供那些應該訪問數據的人使用,同時也應用“zero-trust”和其他安全原則,以確保數據的彈性和安全管理。隨著人工智能軟件應用程序的開發,有必要在操作測試平臺環境中對其進行試驗,將它們與 C2 系統集成,然后將它們部署到操作中心。可能會有能力迭代——首先將有限的能力放入運營中心,然后生成用戶反饋,然后快速更新軟件應用程序。分析師和技術人員將希望探索 CONOP,以促進人機協作,建立人類對 AI 算法的信任,并提高算法的可解釋性。在商業需求較低的領域可能需要有針對性的軍事投資,例如用于學習數據稀缺的人工智能算法或防御針對這些算法的攻擊。

當前的 AI/ML 技術需要數據進行學習。鑒于缺乏真實世界的數據來為這些戰爭技術的改進提供信息,軍方可以利用建模、模擬和演習來為 AI/ML 算法生成訓練數據。然后,此類算法可以幫助開發例如武器-目標配對。監督或強化學習算法可以支持這種 C2 功能,類似于最近應用于商業游戲的學習算法。但軍事算法還必須考慮現實世界中的不確定性——這對人類和算法來說都是一個主要困難。

正如美國空軍參謀長在 2020 年 8 月所說,“加速變革,否則失敗。”及時向 JADC2 推進是美國現代戰爭的當務之急,并且需要“在競爭對手的部署時間表內”(Brown, Jr, 2020)這樣做。需求是真實的,但為 AI/ML 設定切合實際的期望很重要。現有的 C2 流程在自動化方面還有改進的空間,在某些情況下,還有 AL/ML;相比之下,其他 C2 過程對于人類和算法來說仍然很困難。正如美國眾議院軍事委員會主席兼眾議員Adam Smith, D-Wash在 2021 年 9 月談到 JADC2 時所說的那樣,“目標是正確的,但不要低估實現它的難度((Harper, 2021)。”

付費5元查看完整內容
北京阿比特科技有限公司