在過去的十年中，美國國防部（DoD）越來越多地將其條令和能力發展的重點放在大國對手上，如中國和俄羅斯聯邦，或像朝鮮這樣的地區核武大國。美國軍隊在面對這些對手時的最緊張戰役占據了其國防部的規劃。然而，認識到美國防部對高強度戰爭的關注，對手正在有條不紊地開發戰略和系統，以規避美軍的優勢，并通過避免美軍已準備好的情況類型來識別并利用其脆弱性。

作為對抗美國軍事力量不對稱工作的一部分，俄羅斯等軍隊正在追求的作戰方法共同強調信息和決策是未來沖突的主要戰場。諸如中國的 "系統破壞戰"或俄羅斯軍隊的 "新一代戰爭 "等概念，引導部隊以電子和物理方式攻擊對手獲取準確信息的能力，同時引入虛假數據，削弱防御者的定位能力。與此同時，對手的軍事和準軍事部隊孤立或攻擊目標，而不會使沖突升級，從而為美國及其盟國的大規模軍事報復提供“理由”。信息退化和無法采用傳統的美國軍事反應所造成的困境，可以使侵略者在不訴諸于消耗作為主要成功機制的情況下實現其目標。

像俄羅斯等所追求的以決策為中心的概念可能會成為未來沖突的重要形式，特別是當更多對抗發生在大規模生存性戰斗的背景之外。當一個政府的生存受到威脅時，其領導人將更有可能采取以消耗為基礎的方法，試圖避免失敗。雖然當沖突變成消耗性沖突時，決策和信息仍然很重要，但單個部隊的殺傷力和生存能力也同樣具有決定性。

在冷戰后期，美軍對精確打擊戰爭的革命性方法利用了當時的通信數據鏈、隱形和制導武器等新技術。同樣，決策中心戰是在軍事上利用人工智能（AI）和自主系統的最有效方式，這些技術可以說是當今最突出的技術。這種方法的一個例子是美國國防部高級研究計劃局（DARPA）的馬賽克戰爭概念，它將人工智能賦能的指揮和控制（C2）與部隊結合起來，通過納入更大比例的自主系統，實現比今天的美國軍隊更大的分解。

馬賽克戰爭的核心思想是，在人工智能機器控制下，由人類指揮指導的分解型有人和自主單位可以利用其適應性和明顯的復雜性來延遲或阻止對手實現目標，同時破壞敵人的重心，以防止進一步的侵略。這種方法與機動戰相一致，并將馬賽克戰爭與盟軍在第二次世界大戰期間以及美軍在冷戰后的科索沃、伊拉克和利比亞沖突中采用的基于消耗的戰略形成對比。盡管 "馬賽克戰爭 "將消耗作為給對手制造困境的一部分，但其實現目標的主要機制是拒止、拖延或擾亂對手的行動，而不是將對手的軍事力量削弱到無法再有效作戰的地步。

盡管它們有著共同的基礎，但馬賽克戰爭在機動戰的基礎上提出了一種部隊設計和C2流程，使美軍能夠與對手相比執行更大、更多樣化的行動方案（COA）。在以決策為中心的對抗中，擁有這種 "選擇優勢 "的部隊將更有可能給對手帶來無法解決的困境組合。

馬賽克戰爭在其范圍和時間框架方面也與機動戰不同。機動戰被視為戰術和作戰層面的軍事概念，而馬賽克戰爭的部隊設計和C2方法將在戰略層面以及在對抗開始前開發和部署新能力方面產生選擇優勢。

兵力設計

美軍已經采用了馬賽克兵力設計的許多要素。為了增加可選性，"馬賽克"兵力設計將用更多較小的、成本較低的、多功能性較差的單元和系統來取代美軍的一部分單一的、獨立的平臺和單元。盡管這些較小的單元可能在耐力、自我保護或能力方面不如今天的部隊要素，但它們可以由多任務平臺部署或護送進入戰區，并在戰斗中被認為是可消耗的或能消耗的。圖1顯示了如何在美國海軍的兵力結構中實施馬賽克設計方法，在不增加采購或維持成本的情況下增加艦艇的總體數量。海軍和其他美國軍種已經在朝著符合馬賽克式兵力設計的更加分散的兵力結構方向發展。

圖1：美國海軍如何重新平衡以實施馬賽克戰爭兵力設計原則（考慮到通貨膨脹因素，目前和擬議的未來兵力采購和運營成本大致相同）

馬賽克兵力中更多的單元數量和多樣性將為指揮官提供更多的潛在組合，使他們能夠更快地確定可接受的作戰行動，并更容易地選擇具有較高成功率的作戰行動。馬賽克兵力的分解也將使指揮官能夠更精確地校準部隊組合的能力，與今天的美國軍隊相比，這可以使一支部隊分散在更多同時進行的任務中。從對手的角度來看，與傳統兵力相比，馬賽克兵力有更高的決策節奏、規模和有效性，這將排除對手更多的COA，進一步加強馬賽克兵力的可選擇性優勢。

重新平衡美國兵力，使之向更多的小型平臺和編隊發展，可以創造出作戰優勢。更加分散的馬賽克兵力將能夠更好地進行佯攻、探測和其他高風險、高回報的行動，而這些行動并不值得損失一個單一的、多任務的平臺或編隊。分解也將使更多的兵力組合選擇能夠按比例對抗灰色地帶或次常規侵略。相比之下，今天美國的灰區反應要么采用少量昂貴的平臺，在對手的領土附近有被淹沒的高風險，要么采用較大的編隊，可以保護自己，但可能與情況不相稱。

在較長的競爭中，馬賽克兵力中較小的、功能較少的單元與他們單一的、多任務的同行相比，可以更容易地納入新的任務系統和技術。因此，與今天的軍隊相比，馬賽克兵力可以更快地適應新的傳感器、無線電、武器或電子戰系統的研發，而不是等待昂貴和費時的整合。

指揮與控制（C2）

當今由參謀部管理和條令驅動的C2流程過于緩慢，缺乏快速制定COA的能力，無法將大量分散的單元整合在一起執行動態任務。馬賽克C2方法通過將人的指揮與機器的控制結合起來，解決了參謀部驅動的計劃的不足之處。在這種方法中，人類指揮官確定任務，設定限制和優先事項，并確定可使用的兵力；然后由機器賦能的決策支持系統開發出支持指揮官意圖的擬議COA。如圖2所示，一個更加分散的兵力和一個機器化的C2過程將使規模化的決策更加快速，這在馬賽克小組的兵棋推演表現中得到了證明。

圖2：在最近的兵棋推演中，馬賽克兵力和傳統軍事兵力的任務完成情況比較（戰例表明，馬賽克式C2方法與更加分散的兵力結構相結合，可以產生更快、更具適應性的行動。）

人工指揮和機器控制也將支持美軍的任務指揮概念，在通信中斷的情況下，下級領導依靠自己的主動性和創造性來追求高級指揮官的意圖。隨著美軍變得更加分散或分布，下級指揮官在沒有規劃人員的情況下，將更難創造性地運用其控制的單元和系統。因此，與總部隔絕的下級指揮官可能會退回到敵人可以預測的習慣或戰術。決策支持系統將避免這種選擇權的喪失，使下級指揮官能夠有效地即興發揮，并在通信降級時創造出意想不到的行動方案。

實施決策中心戰

今天，美國防部的C3工作是在其聯合全域C2（JADC2）戰略下組織的，其中包括美國空軍的先進作戰管理系統（ABMS）、陸軍的聚合項目和海軍的超配項目。JADC2下的系統開發主要集中在通信方面，以通過ABMS連接更多不同的單元，但獲得決策優勢將要求指揮官不僅僅是連接兵力，還要比他們的對手更快或更有效地制定COA和組成兵力包。

盡管JADC2應該幫助指揮官與更加多樣化和動態的部隊進行溝通，但目前由參謀部主導的美軍規劃方法將無法以與作戰相關的節奏來審查越來越多可能的COA。為了加快規劃速度，參謀部可能會退回到敵人更容易預測的條令或習慣，從而減少美軍的決策優勢。

需要一些新技術來實現美國防部的新興兵力設計，如自主車輛控制、網絡管理系統和小尺寸的傳感器或效應器。然而，這些工作得到了很好的支持并達到了很高的成熟度。鑒于美國防部在部署更多的分解兵力方面取得的進展，C2應該是一般決策中心戰和馬賽克戰的技術發展重點。人工指揮和機器控制的技術已經在美國防部旨在支持特定軍事任務（如空對空作戰或導彈防御）的舉措中體現。C2技術的發展將需要建立在這些規劃的基礎上，并能夠管理整個部隊的多種任務，以對抗那些積極試圖破壞美國決策的對手。

與今天作戰計劃中所使用的劇本和戰術相比，實現馬賽克兵力設計中所固有的更大的可選擇性，將需要決策支持系統能夠快速分析許多潛在的作戰行動和對手反應，為指揮官提供對每個作戰行動成功的可能性評估，以及它如何影響對手的決策空間。也許最重要的是，決策中心戰的C2工具將需要有能力開發和考慮以前的交戰或條令范圍之外的COA，以便用意外的行動給對手一個出其不意，或對不可能的對手行動作出反應。美國防部的一些項目已經在追求所需的算法，以支持這種對對手 "改變游戲"的方法。

在較長的沖突中，C2工具還需要幫助指揮官了解他們如何協調個體交戰，以實施他們的戰略并保持選擇優勢。例如，指揮官最初可以使用大量的同時行動方案，包括大量的佯攻和試探，以壓倒敵人的決策并縮小決策空間。利用從行動中獲得的信息，美軍隨后可以對主要目標實施一系列重點攻擊，同時利用損失可能性大的可損耗部隊對敵軍實施壓制行動。美軍指揮官可以通過對剩余目標實施一系列意想不到的作戰行動來結束任務，以限制敵人的選擇并使其失去平衡，直到美軍完成其目標。一個以決策為中心的C2工具應該幫助指揮官考慮一系列像這樣的COA來對付一系列敵人的反應。

實施決策中心戰的兵力將需要一套復雜的C2和通信能力，以充分利用更細分的兵力設計可能帶來的可選性，并縮小對手可用的COA。這些任務整合能力將在下一節描述。

整合異質軍事力量

通信技術、模塊化電子產品和軟文定義系統的進步正在推動美國經濟大多數部門的爆炸性增長和專業化。在技術公司商業模式的推動下，消費者可以獲得越來越多的定制產品和服務，往往直接送到他們的家里。盡管2020年的冠狀病毒大流行和遠程工作的緊迫性加速了這些發展，但這些發展反映了潛在的趨勢，正不可阻擋地走向一個迅速擴大的市場，提供多樣化產品和服務。

軍隊也在向異質性和規模性相結合的方向發展。美國防部正在通過分布式兵力結構追求更大的彈性，旨在增加敵人需要攻擊的目標數量，并擴大美國部隊實施進攻行動的方式。在一個財政緊張的環境中，進一步分配美軍必然會增加其異質性。如果今天的美國聯合部隊被分配成更多的具有大致相同能力的單元，那么要么美國軍隊的整體規模太小，因為每個單元都是一個昂貴的多任務平臺或編隊，要么美國防部將缺乏所需的高端能力，如防空或遠程火力，而這些能力太過昂貴，無法由每個單元攜帶。因此，與目前的美軍相比，美國防部未來的兵力設計可能會更加分散和異質化，將更少的大型多任務平臺和兵力編隊與更多的小型、更專業的單元相結合。

除了因分布而產生更好的彈性之外，一支更加異質的美國兵力可能會在對抗中更加有效，在這種對抗中，成功越來越多地來自于信息和決策的優勢，而不是消耗性。例如，"馬賽克戰爭"概念認為，一支能夠大規模利用異質性的軍隊可以通過為指揮官提供更大的適應性和為敵人創造更復雜的展示來評估、理解和防御，從而獲得對對手的決策優勢。

美國特種作戰部隊（SOF）是當代類似馬賽克兵力設計的一個例子，它主要由小型的、專門的兵力組成，并由一些多任務平臺或兵力編隊支持。然而，SOF的訓練、裝備和規劃模式如果在整個美軍中應用，就顯得過于昂貴和耗時。要使美國防部的通用部隊在可能的財政和組織限制下具有更強的適應性和可組合性，就需要采取新的兵力管理和準備方法，以平衡可擴展性和為指揮官提供更多可選擇的目標。

以決策為中心的戰爭意味著兩個層面的競爭。在行動上，軍隊將需要有能力通過在戰場上重新組合和整合兵力來利用更多的分布式和異質性兵力可能帶來的適應性。在體制上，軍隊將需要通過采用新的技術和概念，利用新出現的機會或應對新的威脅和挑戰，不斷發展能力來進行競爭。

規模化的異質性將提高美軍的可組合性，但決策優勢將同樣或更多地取決于整合部隊并協調其行動的C3能力。除了組織更多和更多樣化的軍事單位的困難之外，今天的規劃和管理過程很可能被更多的兵力組成和效果鏈所產生的復雜性所淹沒。因此，無論美軍最終達到何種程度的異質性，都需要新的C3組織、流程和系統來實施以決策為中心的戰爭。

換個角度看，僅僅在現有部隊中建立機器對機器的通信，不太可能對對手提供不對稱的優勢。雖然將所有的東西都聯網是一個崇高的長期目標，但在可預見的未來是不現實的。一個更富有彈性的競爭領域將是管理時間和協調兵力組合的可能性，指揮官可以與這些單元溝通，以追求直接的、集中的軍事目標。決策支持工具可以幫助指揮官了解他們的通信可用性，并利用更多潛在兵力組合和更加異質化兵力的COA。美國軍方已經在擴大使用基于計算機的C2輔助工具，其中一些采用了人工智能（AI），利用建模和仿真以及以前的行動結果來加快COA的開發和提高其有效性。

美國防部通常用來評估與新作戰方法相關需求的結構考慮了條令、組織、訓練、物質、領導、人員和設施（DOTMLPF）。由于 "馬賽克戰爭"、JADC2和聯合作戰概念的條令已經在發展之中，本研究將重點關注其余的DOTMLPF要素，分為三個主要類別：任務整合、作戰基礎設施和機構流程。

任務整合

今天，兵力的組成主要由各軍種執行，它們組織、訓練和裝備部隊，然后部署到作戰司令部（CCDR）及其特定領域的服務指揮官。然而，美國防部依靠各軍種來創建兵力組合，這可能會將兵力組合的種類限制在使用單一軍種的能力上。此外，各軍種被激勵限制他們創建的兵力組合的多樣性，以控制與部署前準備和認證部隊有關的成本。

為了利用一個更加異質和可重組軍隊的潛力，作戰指揮官（CCDR）將需要在戰區建立機制，重新組合和整合來自多個部門和領域的兵力。然而，要確定何時需要重新組合，就需要不斷評估當前兵力組合的有效性和適應性，以應對作戰指揮官（CCDR）可能需要處理的一系列潛在情況。在戰場上整合新的兵力組合也會在行動基礎設施方面產生費用，如后勤、保護、運輸和C3能力。為了管理其評估和重組工作的范圍和成本，作戰指揮官（CCDR）可以把重點放在一小部分必須解決的作戰挑戰上，以實現其威懾和作戰準備計劃。作戰指揮官（CCDR）的一個任務整合小組可以持續評估現有兵力的能力，以應對作戰指揮官（CCDR）的行動挑戰，并在有效性和適應性的改善超過與行動基礎設施相關的成本時，指導戰區兵力的重新組合。

任務整合的過程也將產生未來能力發展的洞察力。通過評估，任務整合小組可能會發現潛在的新能力，與目前應對作戰挑戰的方法相比，這些能力將在有效性或適應性方面產生重大改進。為了抓住這些機會，美國防部將需要利用一個聯合的能力發展模式，包括服務項目辦公室、快速能力組織和 "任務工廠"，如海軍和空軍作戰中心。

作戰設施

要實現一支更加異質化的未來兵力的更大潛在選擇性，將取決于軍事運輸、保護、后勤、能源、C2和通信基礎設施的性質和供應的變化。較小的專業單元，如巡邏艇、無人駕駛飛機或營級及以下的部隊編隊，往往需要被帶入戰區，并獲得比大型獨立的多任務平臺和編隊更多的無機支持和保護。在某些情況下，多任務單位可以與更小、更專業的部隊協同行動，提供保護和支持。當獨立行動時，與今天高效但集中的補給和燃料庫、飛機和船舶相比，功能較少的部隊編隊和有人或無人平臺可能需要更加分散的基礎設施和后勤力量。

地理限制較少的軍事能力，如天基傳感和通信系統或信息和網絡工具，也將需要由作戰指揮官（CCDR）部整合成重新組合的兵力包。像更小、更專業的平臺和編隊一樣，這些能力也可能依賴于作戰基礎設施；網絡工具可能需要運輸工具來實際接觸目標，或者商業衛星傳感器可能依賴于互操作性軟件來與無人駕駛的軍事水面艦艇連接。

如上所述，任務整合小組在分析新的兵力組成時需要考慮作戰基礎設施。在一支更加異質化的軍隊中，規模較小、功能較少的單元將無法滿足其自身的所有支持要求，因此有必要將作戰基礎設施納入作戰指揮官（CCDR）在戰區創建的新兵力組合。

美國防部機構過程

美國防部今天使用的基于預測和以供應為重點的分析、資源分配和能力發展過程不適合實現以決策為中心的戰爭所需的兵力設計和C3架構。最重要的是，更多的可重組兵力將不會產生可預測的系統實例，而這些系統實例可以用來確定能力差距，并定義工程師通過研究和開發（R&D）追求的要求。美國防部將需要新的方法來評估和滿足其能力需求，以反映以決策為中心的兵力的更大選擇性。

今天，聯合能力整合與發展系統（JCIDS）旨在通過預測計劃能力在預測的未來場景中的表現來確定系統需求。這種方法取決于對美軍配置的假設，但隨著美軍變得更加可重組，單位的具體組合及其戰術將不那么確定。為了評估未來美軍的有效性，美國防部可以評估在現實情況下，可以追求的所有合理的兵力組合。兵力的有效性在不同配置和情況下的分布可以被表示為一種統計分布，而不是目前通過JCIDS指導的點解決方案。

美國防部正在通過任務線索分析和任務工程，來確定可組合性要求方面取得的一些進展。美國防部長辦公室（OSD）、美國聯合參謀部和各軍種正在開始使用這種方法。在今天的應用中，任務線程分析檢查了完成針對目標的特定殺傷鏈所需的信息和數據流，這可以暴露出數據傳輸和共享方面的差距，而這些差距并沒有反映在簡單的作戰結構圖中。然而，由于假設兵力要素的靜態安排，美國防部目前的任務工程有可能創造出只在單一配置下工作的脆性系統。美國的不對稱優勢應該來自于快速分解和重新組合兵力并創造新的系統組合的能力。

在過去的十年中，美國國會和國防部建立了新的采購程序，可以提高美國軍隊根據新出現的技術機會和作戰挑戰而不是對未來需求的預測來發展能力。然而，美國防部開始、停止或改變能力發展方向的能力從根本上受到以供應為基礎的政府預算結構和程序的限制，這些結構和程序是圍繞著項目而不是任務或需求建立的，需要多年才能改變資金的分配。新的預算機制具有更大的靈活性，如基于任務的預算編制或美國防部最近的軟件撥款試點，將需要通過修改或引入可以提高部隊的有效性或適應性的新能力來應對作戰指揮官（CCDR）的行動挑戰。

結論與建議

新興技術和新的使用案例正在推動消費產品、服務和軍事力量走向異質性和規模性的結合。在商業應用中，互聯網、移動通信、模塊化產品和基于算法的運輸正在使定制產品和服務分散到用戶手中。軍隊也能夠類似地利用網絡、C2工具、模塊化任務系統和作戰基礎設施來組成兵力包，為作戰指揮官（CCDR）提供有效性和適應性的組合。

許多商業技術公司圍繞著向廣泛分布的客戶提供定制產品和服務的能力來建立自己的業務，而美國防部在很大程度上是規模化異質性趨勢的旁觀者。盡管五角大樓建立了越來越多的能力發展組織和采購途徑，以更快地部署更多樣化的系統，但這些努力的目標是為了更快地將能力提供給作戰人員，而不是改變其部隊發展模式以利用基本的技術趨勢。

美軍需要作戰和體制上的決策優勢，以有效威懾諸如俄羅斯武裝力量這樣的對手。在行動上，實現更大的決策空間取決于是否有軍事單元和決策支持工具能夠組成在廣泛情況下有效的兵力包。在戰略上，美國防部的機構過程將需要新的衡量標準和分析方法，更靈活的資源分配結構，以及更靈敏的國防工業生態系統，以調整其能力以實現作戰優勢。

作為第一步，美國防部應更積極主動地利用國防技術的發展，明確采用聯合模式進行任務整合。今天，服務部門整合部署單元的方法，以及賦予CCDR在戰區重新組合兵力的能力，剝奪了美國指揮官最有效的適應機會，也沒有利用網絡和互操作性方面的持續進步。除了產生更多的作戰選擇外，為CCDR提供組建兵力的工具和作戰基礎設施，還可以為已經按照任務工廠、快速能力組織和任務整合方式進行組織的能力開發者提供反饋。

為了充分利用規模化異質性的機會，美國防部應該更進一步，開始改革其一些決策過程。通過優先考慮適應性和有效性作為能力評估的衡量標準，兵力規劃者可以優先考慮在各種情況下改善結果的系統，并根據價值而不是成本做出決定。執行這些評估將需要新的分析方法和工具，與今天在一套狹窄的典型場景中進行深入分析相比，這些方法和工具可以在較低的保真度下快速檢查許多情況。為了給CCDR提供行動基礎設施以整合戰區兵力，或提供實現可接受的有效性和適應性所需新的和修改的能力，美國防部將需要比今天的計劃要素結構更靈活的預算類別。

美國防部將需要讓國防工業作為合作伙伴參與其提高作戰和戰略靈活性的工作。技術和概念趨勢正在推動商業和國防生態系統走向新的能力交付模式，并將政府作為客戶參與其中。根據價值而不是成本來衡量新能力的效用，美國防部可能能夠激勵商業對國防能力做出更大的貢獻。

五角大樓應該停止讓技術的發展與它擦肩而過。通過接受新的能力開發、整合和決策模式，美國防部可以獲得組織上的靈活性，以有效地與俄羅斯等進行同行競爭。如果不這樣做，美國軍隊就會面臨像IBM個人電腦那樣的風險——在那個時代，它的能力很強大，但被更靈活的競爭對手打破，變得無關緊要。

在過去的十年中，世界各地的國家和非國家行為者都采用了小型無人駕駛航空系統（sUAS）來實現戰場效果。這篇論文探討了這些系統在當代行動中的運用方式，以及同行部隊在高強度作戰行動中可能運用這些系統的方式。還研究了美國防部為打擊這種威脅所做的現有工作。通過建立小型無人機系統的使用模型，本論文為戰術單位在多領域戰場上進行反無人機系統提供了一個基礎。最后，它使用威脅模型來描述戰術編隊在高強度多域作戰中進行反無人機系統作戰所需的能力，并通過DOTMLPF-P的理論、組織、物資、領導和教育等領域提出變革建議。

方法

本論文是一項使用案例研究的定性研究。在這種情況下，定性研究是合適的，因為具體的統計數據不容易得到，而且研究問題的重點是評估已經使用或將來可能使用的無人機系統的方法。本研究考察了案例研究，因為它們在回答描述性問題--"正在發生什么"--或解釋性問題--"如何或為什么會發生？"方面很有用。在進行評估時，它們也被普遍使用。圖2顯示了整體方法的描述。

如圖2所示，研究方法以主要的研究問題開始。在高強度的多域作戰中，戰術編隊需要什么能力來進行反無人機系統作戰？兩個次要的研究問題支持了主要的研究問題，并作為研究四個使用sUAS的案例的基礎：暴力極端主義組織、2020年納戈爾諾-卡拉巴赫沖突、俄羅斯和中國。

戰斗無人機正在改變人們對使用軍事力量的態度。軍隊的傷亡和沖突的代價削弱了公眾對戰爭以及政治和軍事領導人的支持。戰斗無人機提供了一種前所未有的能力，可以通過提高精確度、減少對平民的風險和保護軍事人員免受傷害來同時降低這些成本。這些優勢應該使無人機打擊比涉及地面部隊的行動更受歡迎。許多批評者認為，無人機戰爭將使政治領導人過于愿意授權戰爭，這可能會削弱對使用武力的道德和法律約束。由于作戰無人機是一個相對較新的現象，這些論點在很大程度上是基于軼事、少數民意調查或理論上的推測。

《無人機和對武力使用的支撐》利用實驗研究來分析作戰無人機對美國人使用武力支持的影響。作者從社會科學理論中得出預期，然后利用一系列的調查實驗來評估這些猜想。他們的發現--無人機對使用武力的支持產生了重要但細微的影響--對軍事行動的民主控制和軍民關系產生了影響，他們對當前和未來軍事技術的發展和擴散如何影響外交政策的國內政治提供了洞察力。

現有的學術研究表明，降低戰斗成本的技術--如無人機--使決策者更愿意使用武力。本文考慮使沖突更有可能發生的遠程作戰技術是否也會幫助限制沖突強度。作者認為，當無人機被用作載人資產的替代品時，它增加了使用武力的頻率，但有助于限制危機中的升級。作者使用"比較兵棋推演"來測試這種遙控克制的邏輯，在這種游戲中，國家安全專業人員對一架美國軍用飛機被擊落做出反應。作者通過隨機告知參與者被擊落的飛機是無人機或有人駕駛的系統，來改變其他相同的場景。這些兵棋推演為遠程控制的克制提供了支持，并有助于解開升級的微觀基礎。這些發現推動了技術與沖突之間的理論，并展示了比較兵棋推演作為安全研究的創新方法。

2015年10月，土耳其擊落了一架誤入土耳其領空的俄羅斯無人機。俄羅斯公開無視這一事件，沒有采取可觀察到的報復措施（Coskun 2015）。與此形成鮮明對比的是，在土耳其擊落一架有人居住的俄羅斯飛機僅僅一個月后，俄羅斯就對土耳其支持的叛軍和敘利亞境內的補給車隊發動了空襲（Bertrand 2015; Lowen 2015）。 是什么因素--工具和情感--支撐著對失去無人機和有人居住的平臺的截然不同的反應？更廣泛地說，遠程作戰技術如何影響國家間危機中的升級決策？

著名的國際關系（IR）理論期望交戰方在技術降低軍事行動的成本和風險時發起沖突（Jervis 1976; Van Evera 2001）。因此，當無人機允許決策者避免部署有人居住的平臺的風險時，關于無人機的學術研究的新共識強調了沖突的啟動。對理解和實證檢驗無人機如何影響沖突升級的關注要少得多。處理無人機和沖突升級之間聯系的有限學術研究在很大程度上是概念性的。它沒有探索潛在的機制，提供了有限的經驗證據，并產生了關于無人機是否有助于升級的混合結果（Horowitz, Kreps, and Fuhrmann 2016; Mahnken, Sharp, and Kim 2020; Lyall 2020）。

作者通過發展一種遙控克制的邏輯來干預這些爭論，并使用一種創新的方法論方法來測試它：比較兵棋推演。 該邏輯預計，在國家間危機期間，當無人機（和其他遙控武器）被用作有人居住的資產的替代品時，可以幫助防止危機升級為更廣泛的沖突，這在使用有人居住的平臺時是不可能的。允許決策者在不將友軍人員置于危險境地的情況下開展行動的技術，可以減少軍事行動的潛在人力成本。一方面，這可以減輕與派遣軍隊有關的政治障礙，使國家能夠比有人居住的資產更頻繁地部署無人機（Kaag和Kreps，2014年）。另一方面，無人機可以改善隨后的升級螺旋。相對于在敵對行動中失去有人居住的平臺，失去無人機應該不那么容易升級，原因有二。首先，它不太可能引起降低對手軍事能力的工具性愿望。第二，它不太可能引發憤怒等情緒，而這些情緒有助于侵略性的、接受風險的行為。反過來，在無人機遭到攻擊后，領導人應該采取更加克制的報復性措施。由于一個國家對攻擊的反應是決定危機是否升級的關鍵因素，無人機可以改變危機升級的動態。

為了測試遙控克制，作者進行了原創性的比較兵棋推演，將軍事工具（兵棋推演）與社會科學技術（案例研究和實驗研究設計）相結合。作者招募國家安全從業人員參加以美國軍用飛機被擊落為特征的情景演習。在游戲中，作者隨機改變飛機是否有人居住，并要求參與者制定一個應對計劃。通過保持所有其他場景元素不變，并在不同參與者中多次重復兵棋推演，作者創造了 "控制 "和 "治療 "游戲，以定性地探索無人機是否有助于限制升級以及為什么。作者通過對軍官的調查實驗來驗證這些兵棋推演，為遙控克制的邏輯提供支持。

這篇文章對新興技術和IR的研究做出了三項貢獻。首先，這些發現推動了解釋技術和沖突之間關系的理論。現有的學術研究專注于沖突的發生，而沒有充分考慮到一旦部隊被部署，技術如何影響沖突的升級。此外，大多數明確聯系技術和升級的理論是在冷戰期間發展起來的（Schelling 1966；Posen 1991）。因此，它們解決了與核升級或大規模常規沖突有關的問題，但沒有評估最近新興技術的作用。其次，該項目通過探索支撐升級動態的微觀基礎，對正在興起的升級研究做出了貢獻。 對驅動報復的工具性和情感性因素的解讀使我們對升級的理解更加清晰。第三，該項目通過推進使用兵棋推演來研究在現實世界數據稀缺的情況下的決策，對IR方法論做出了貢獻（Pauly 2018；Reddie等人，2018；Schechter, Schneider, and Shaffer 2021）。

（2020年2月5日，美海軍陸戰隊網絡空間司令部的海軍陸戰隊員在馬里蘭州米德堡的網絡作戰中心觀察計算機操作）

二十一世紀最近的一些沖突，如2014年的克里米亞，2020年的第二次納戈爾諾-卡拉巴赫戰爭，以及2022年正在進行的俄烏戰爭，都表明了戰場上信息的重要性。雖然對信息的理解在戰爭的各個層面和整個沖突過程中都是至關重要的，但在作戰和戰術層面的概念化卻是一個挑戰。隨著向多領域作戰（MDO）的轉變，在即將出版的條令出版物--戰場手冊（FM）3-0《作戰》，陸軍條令出版物（ADP）3-13《信息》的支持下，陸軍開始努力解決如何實現信息優勢以擊敗敵軍并實現目標。

圖1. 對作戰環境的整體看法(圖自聯合出版物5-0，聯合規劃[2020])

為了成功地滿足MDO的要求，即決策主導權，信息將需要成為所有作戰功能的規劃過程的一個核心方面。為了確保這一點，FM3-0草案提出了一種將作戰環境（OE）可視化的整體方法。此外，ADP 3-13草案詳細說明了如何通過五條努力路線實現信息優勢。雖然從聯合部隊的角度來看，陸軍新的作戰環境模型是一個改進，但需要有一個更好的方法來概念化信息在每個作戰功能中發揮的作用。更新陸軍的框架可以使信息在整個作戰功能中得到整合，同時允許各級按照任務指揮的原則進行靈活和知情的決策。這一更新的框架釋放了信息在規劃過程中的全部潛力，并最終實現了任務的執行。

表. 聯合/軍種對信息優勢/信息戰定義的比較

理解作戰環境（OE）中的信息

目前，聯合出版物5-0《聯合規劃》中對作戰環境的聯合觀點做了最好的介紹，圖1。一個重要的區別是，該模型將信息環境（IE）描述為作戰環境的一個獨特部分。此外，聯合模型將信息環境分解為三個維度（物理、信息和認知），并包括網絡空間領域。從聯合的角度來看，信息目前正在接受更新，即將發布的聯合出版物3-04《信息》，部分原因是在2017年將信息增加為一項聯合職能。這次更新并沒有改變聯合部隊如何理解信息環境的核心概念；然而，有一些小的變化。相比之下，陸軍新興的OE概念更有助于整合信息。如圖2所示，陸軍的模式是真正的整體性的。陸軍沒有單獨的信息環境，而是將物理、人類和信息層面視為存在于每個作戰領域中。換句話說，沒有必要有一個單獨的信息環境，因為信息在每個領域都是存在的，而且是持久的。雖然聯合模式中表達了信息環境與操作環境完全整合的想法，但陸軍故意刪除了明確命名的 "信息環境"，這有助于提供清晰的信息能力并防止偷工減料。最終在MDO期間，軍隊可以通過這些維度實現對敵人的相對優勢，包括信息優勢。

圖2. 新興的陸軍作戰環境概念(《戰地手冊》3-0，作戰[即將出版])

獲取信息優勢的途徑

無論采用哪種方法來處理作戰環境或IE，有一點是明確的：信息是規劃過程的一部分，對有效決策至關重要。這可以從所有軍種用來描述信息在作戰和戰術層面的作用的定義中看出。然而，就像聯合部隊和陸軍對OE的看法的細微差別一樣，聯合部隊和各軍種對什么是信息優勢也有一些明顯的區別。下表顯示了各軍種和聯合部隊在理解信息優勢方面的各種方法。

盡管存在差異，但所有這些定義的核心都是信息對決策過程至關重要的觀點。然而，同樣重要的是，這些定義都是在與另一行為體競爭的背景下談論決策。在促進友好決策的同時擾亂對手的決策的能力是信息優勢的核心。這種競爭的理念在FM3-0草案中提出的陸軍決策優勢概念的圖示中得到了明確的闡述，見圖3。

圖3. 決策主導權和決策周期的競爭(陸軍條令出版物3-13，信息[即將出版])

正如所描述的那樣，陸軍的方法使用了作戰過程，特別是指揮官在作戰過程中的作用（理解、可視化、描述、指導、領導和評估，或稱UVDDLA），來描述這個決策周期。正如ADP 5-0《作戰過程》所概述的，作戰過程是指揮和控制的框架，指揮官的核心作用是 "推動必要的概念和詳細規劃，以了解他們的作戰環境；可視化并描述行動的最終狀態和作戰方法；做出并闡明決策；指導、領導和評估行動"；這可以從圖4看出。重要的是，ADP 5-0指出，"行動過程的目標是做出及時和有效的決定，并比敵人更快地采取行動"。然而，在行動過程中使用UVDDLA作為信息優勢的框架是有缺陷的，原因有幾個。首先，最重要的是，雖然作戰過程的核心是做決定，但作戰過程本身并沒有對決策如何發生給出額外的見解。因此，在圖3中，與作戰功能的聯系并不明顯，因為這些功能要么加強了決策周期，要么降低了決策周期。圖中顯示了作戰功能的作用，但卻沒有說明如何發揮這一作用。最后，與其他決策框架不同，作戰過程直接與陸軍的指揮和控制方法聯系在一起。這種缺乏通用性的情況意味著它沒有靈活性，不能照搬和應用于理解對手的決策過程。應該指出的是，在決策主導權定義的早期迭代中，作戰過程并不是用來描述決策過程的。詹姆斯-麥康威爾將軍在他的參謀長一號文件中指出，"決策主導權是一種理想狀態，在這種狀態下，指揮官比對手更快、更有效地感知、理解、決定、行動和評估[SUDAA]。" 這種SUDAA過程在陸軍未來司令部關于決策主導權的小冊子中得到了形象的描述，見圖5。使用這個定義比使用行動過程有幾個好處。首先，信息在做出更有效的決策中的作用很容易被應用到這個過程的 "感覺和理解 "部分。第二，雖然這個過程本身是由指揮官在指揮和控制過程中使用的，但SUDAA過程卻沒有那么嚴格地只與指揮官聯系在一起。

盡管有了這些對行動過程的改進，SUDAA的理念仍然沒有得到完善。然而，它顯然受到了另一個決策框架的啟發，這個框架更加成熟，也可以應用于整個作戰職能和所有組織層面，即由退役的約翰-博伊德上校創建的方向-觀察-決定-行動（OODA）循環。

圖4. 作戰過程 (圖自陸軍條令出版物5-0《作戰過程》[2019])

利用OODA循環獲得信息優勢

博伊德的OODA循環經常被簡化；然而，圖6中的完整版本則突出了決策的復雜性。這種復雜性集中體現在定位步驟上，博伊德將其稱為 "大O"。空軍戰爭學院的Grant Hammond總結了定位步驟的重要性。

圖 5. 感知、理解、決定、行動、評估框架（圖來自 AFC小冊子71-20-9，《陸軍指揮與控制2028的未來概念:追求決策主導》 [2021]）

它是遺產、文化傳統、以前的經驗、教育和新信息的混合體，以及隨之而來的分析和綜合。這些都是一套復雜的過濾器，對各種刺激的行動和反應進行調節。在處理所有這些信息時，會形成一個反應菜單。然后對這些反應進行分類、分析和綜合，以做出關于首選程序的決定。

同時注意到，定位步驟是指導和控制人們如何在其環境中觀察和行動。所概述的方向與陸軍對人的層面的理解完全吻合。正如ADP 3-13草案中所概述的，"人的層面包括個人的推理、情感和行為，以及群體互動的更廣泛的社會背景，包括文化、群體身份和社會權力動態。"

圖6. 博伊德的OODA環的擴展版本

通過將OODA循環框架整合到現有的信息優勢理念中，信息在決策過程中的作用重點更加明確。這個更新的框架可以在圖7中看到。雖然OODA循環在每個步驟之間都有持續的反饋，但信息在觀察和定位步驟中發揮了巨大的作用。因此，通過特別關注這些步驟，陸軍能夠更好地構思如何將各種作戰功能納入規劃過程以實現信息優勢。

這個框架使每個作戰職能部門能夠更清楚地看到他們在加強或削弱決策周期方面的作用。例如，網絡電磁活動可以用來降低對手的觀察部分（如干擾敵方雷達的電磁攻擊），也可以在定位步驟（如操縱數據的網絡效應）。正如上面的例子所示，有時這些角色的定義非常明確。情報作戰職能部門的人不會對他們在支持友軍OODA循環的觀察和定向步驟方面的影響感到驚訝。然而，其他作戰職能部門在信息方面有更微妙的影響。以維持為例，當陸軍更新其陸軍預置庫存（APS）時，維持對敵方決策的影響。它通過使陸軍的供應和移動更加迅速而使敵人的觀察變得復雜。同樣，使用APS可以影響敵人的方向，因為它要求他們現在將APS能力納入他們的決策。這些對敵方決策周期的看似微小的干擾可能足以在短時間內獲得優勢。歸根結底，納入OODA框架意味著在計劃期間，每個作戰功能都應考慮它們如何影響觀察和定位步驟。

圖7. 更新FM3-0框架與OODA循環

結論

為了充分實現MDO的要求，軍隊需要了解如何實現信息優勢。這種理解始于一個堅實的框架。FM3-0的更新和即將發布的ADP3-13是正確的第一步。然而，任何信息優勢框架要想被采納，都需要與戰備狀態和作戰功能明確聯系起來。如果沒有這種聯系，信息優勢的規劃將繼續被那些習慣于處理信息的群體所壟斷，而不是按照要求在整個部隊進行。雖然陸軍對OE的做法比聯合部隊目前使用的模式有所改進，但ADP 3-13草案在提供一個明確整合信息和各種作戰功能的框架方面存在不足。陸軍需要一個更新的框架，納入約翰-博伊德的決策理論和他的OODA循環。作戰功能的作用是加強友軍的決策周期或削弱對手的決策周期。通過將信息優勢的核心目標設定為更有效的決策的助推器，軍事人員可以將他們在信息層面的影響概念化，而不考慮作戰功能。這種影響，以及大多數信息優勢活動，都集中在OODA循環的觀察和定向步驟上。這種明確的重點，嵌套在決策框架內并與MDO的必要條件相聯系，使每個作戰職能部門能夠在復雜的作戰環境中有效地規劃信息優勢。

未來的系統開發包括指揮和控制（C2）技術，以支持空戰管理人員（ABM）和戰斗機飛行員，因為他們支持在一個更大的系統系統中使用自主無人機系統（UAS）的復雜任務。在復雜的、不斷發展的和動態的環境中，人類作戰員有效地觀察、定位、決定和行動的能力是必不可少的。然而，在ABM和飛行員之間的UAS監管變化過程中，作戰者的表現可能會下降，這大大增加了作戰者的認知工作量，超過了以往任務中通常看到的工作量。不幸的是，C2技術的發展往往把重點放在自動化和硬件上，使人類作戰員的參與度不足，不利于人與自動化的互動。目前，數字工程和基于模型的系統工程（MBSE）工具正在迅速被系統開發、整合和管理所采用，以支持整合這些系統所需的復雜開發工作。目前的研究在MBSE工具中整合了人的考慮，以分析開發過程中人與自動化的合作。該方法支持在建模的任務模擬中用一對專門的活動圖表示自動化輔助和人類作戰者，稱為任務行為者圖和OODA2活動圖，允許分析作戰過程中的錯誤和瓶頸。這種方法說明有可能減少作戰員的認知工作量，改善作戰員的決策，提高系統性能，同時減少系統重新設計的時間。

在人工智能和自主系統日益成為現代戰爭以決策為中心的基礎的環境中，對這些數據豐富的超速領域的解釋將成為指揮、控制和分析的共同困境。許多軍事報告已經認識到，未來的戰爭將越來越多地被 "大量的自主系統 "所定義（澳大利亞陸軍，2021年），關鍵的戰略挑戰和優勢將取決于向以決策為中心的能力轉變（克拉克等人，2020年）。在這種復雜、遙遠和混合的安全背景下，解釋學，或解釋的理論和方法，將是關鍵的挑戰。我們建議圍繞四個解釋學模式建立基于場景的模擬。在現實世界的例子的啟發下，我們的方法推斷出假設的場景，以開發沉浸式決策模擬。這些場景要求參與者瀏覽四個復雜而微妙的解釋學模式：（1）信任解釋學探索決策的完整性和強大的系統如何被對手破壞或劫持。(2) 批判解釋學將數字對象/過程置于更廣泛的社會政治和文化背景中，承認人類社區與機器學習活動之間有爭議的互動。(3) 隱性解釋學是一種積極尋求揭示和揭開數字生態系統中的系統偏見或邪惡因素的處置方式。(4) 懷疑解釋學允許以復雜的形式破譯和揭示知識的多個來源和意義的層次。高級模擬將探索反措施的武器化。這些模擬將提供研究和培訓，提高指揮、控制和情報從業人員的復原力和以決策為中心的能力。

本文的結構分為四個部分。第一部分簡要考慮了 "馬賽克戰爭 "的戰略概念，將我們的工作置于本次會議的主題中，并與我們正在進行的人工智能和思維群的研究聯系起來。第二部分介紹了我們在解釋學方面的工作，這種思想在當代戰爭（和更廣泛的政治沖突）的一系列新模式中獲得了吸引力。第三部分介紹了我們在構建基于場景的模擬時確保真實性的理由和方法。第四部分提出了一個彈性解釋學的案例，闡明了解釋學框架如何能夠被納入三種通用類型的情景（第一秩序、第二秩序和團隊合作情景）。利用這些方法的研究和專業發展成果是為決策者開發一種能力，以預測和更有效地應對復雜的解釋挑戰。

摘要

不確定性是混合沖突的一個核心概念。許多混合沖突是隱蔽的、可否認的，并在正常的國家間關系和武裝沖突之間的灰色地帶進行。此外，混合沖突的信號可能來自于在很長一段時間內收集的大量公開和秘密來源，并且具有不同程度的可靠性。這些因素加在一起，對混合沖突的決策構成了重大挑戰。處理高層次的不確定性要求在情報分析和評估方面有創新的解決方案。在這方面，一個有希望的方法是對不確定性的明確估計。在這項研究中，我們借鑒了統計學、情報分析和人工智能的知識，提出了一種新的方法，并為量化和系統地估計不確定性開發了一個統計模型。該模型考慮了情報分析中不確定性的幾個重要因素：來源可靠性、信息可信度、概率語言和及時性。我們使用標記的和模擬的數據測試了我們的方法，并討論了使用人工智能和數據科學實現這一過程自動化的機會和挑戰。通過這樣做，這項研究向智能分析工具邁出了一步，以減輕混合沖突決策中的不確定性挑戰。

引言

不確定性是情報分析中的一個基本概念。幾乎所有的情報評估都應該用不確定性來表達。這是因為評估要么試圖從不完整的或往往是模糊的數據中做出推斷，要么試圖預測未來的事件（Mandel & Irwin, 2020）。混合沖突的幾個特點1增加了情報分析和評估的不確定性。許多混合沖突是隱蔽的、可否認的，并在正常的國家與國家之間的關系和武裝沖突之間的灰色地帶進行，導致新出現的威脅的信號很弱，而且往往不完整（Monaghan, Cullen & Wegge, 2019）。此外，混合沖突的信號可能來自于長期收集的大量公開和秘密來源，并具有不同的可靠性。這些問題因日益數字化而被放大，數字化導致了公開來源信息的爆炸性增長，而這些信息越來越容易被誤傳或假傳（Treverton, 2021）。

混合沖突的這些特點給情報分析人員帶來了一些挑戰：不確定性增加、模糊性、不可捉摸性、低于檢測閾值的活動、信息過載和數字來源的爆炸（Cullen，2018）。這些挑戰反過來又加劇了情報界對不確定性的系統和定量估計的呼吁。在混合沖突的情報分析中，需要創新方法來處理這些前所未有的不確定性和模糊性。這反過來將支持決策者制定應對復雜的混合威脅的政策。這些呼吁得到了實證研究的響應，實證研究顯示有可能減少分析偏差，改善合作，促進分析透明度，并為實現（半）自動化的情報分析過程鋪平道路（TR-SAS-114，2020）。

盡管各國情報組織之間存在定性標準，并且已經提出了改進不確定性估計的方法，但據我們所知，沒有任何情報組織采用系統的不確定性估計方法（Friedman & Zeckhauser, 2012）。換句話說，不確定性的估計或多或少地隱含在 "分析者的頭腦中"。此外，不確定性最常以定性方式（如 "極有可能"）而非定量方式（如 "75%可能"）來表達。盡管對不確定性的量化存在一些不情愿的態度--擔心涉及到對 "最佳估計 "的判斷的虛幻的具體感（有 "硬數字"）--數值有可能緩解語言障礙，解決不確定性詞匯中的語義差異，并鼓勵分析者的責任感（Dhami & Mandel, 2020）。

這項研究試圖解決這些差距，并提出一種系統地、定量地估計和表達不確定性的方法。這項工作的新穎之處在于，它提出并測試了一種從情報報告本身提取不確定性信息的方法，而不是嚴重依賴分析員的判斷（例如，Lesot, Pichon & Delavallade, 2013；Schum & Morris, 2007）。因此，我們的方法也旨在對不確定性進行更客觀和可重復的估計。另一個主要貢獻是，我們考慮了這個過程自動化的步驟、機會和挑戰（使用數據科學和人工智能的技術）。畢竟，系統地手工估計不確定性將極大地增加分析者的工作量。通過這樣做，這項工作向更快、更系統、更客觀的不確定性判斷邁出了一步，減輕了混合沖突中決策支持的挑戰。

摘要

可解釋的人工智能（XAI）提供了克服這一問題的手段，它基于有關深度學習（DL）算法結果的額外補充信息。雖然完全透明對于復雜的DL算法來說仍然是不可行的，但解釋有助于用戶在關鍵情況下對AI信息產品進行判斷。應該指出的是，XAI是透明度、因果關系、可信度、信心、公平、信心和隱私等方面的總稱。因此，基本的方法論是多方面的。一種已經流行的方法是局部可解釋模型-預知解釋（LIME）方法，因為它可以很好地應用于各種應用中的不同模型。在本文中，LIME算法是在戰略運營的決策建議背景下進行研究的。在簡單介紹了其概念后，介紹了文獻中的應用。然后，一個戰略博弈的場景被認為是軍事戰爭的替代環境。一個基于DL的國際象棋人工智能被做成 "可解釋的"，以評估信息對人類決定者的價值。得出了與戰略混合行動有關的結論，這反映了所提出的方法的局限性。

引言

根據設想，未來戰略戰爭的決策將在很大程度上受到基于人工智能（AI）方法的信息產品的影響。特別是混合作戰，是在一個高維和變異的環境中進行的，在這種環境中，對潛在的威脅和機會的評估是人類操作者難以掌握的，戰略規劃必須納入異質的、多功能的和高容量的數據源。因此，基于人工智能方法的算法產生的分類、預測和建議在這種復雜的場景中變得越來越重要。在過去的幾年里，人工智能的方法已經獲得了巨大的發展，有大量的創新和令人尊敬的成果，可以從大型數據集中獲得更高層次的信息。然而，深度學習（DL）方法的一個主要缺點是其固有的黑箱屬性，即由于計算模型的復雜性，其結果是不透明的。例如，后者可能有數百個層和數百萬個參數，這些參數是在訓練階段通過算法發現和優化的。因此，即使結果是準確的，用戶也沒有機會理解它或掌握輸入數據的因果部分。這反過來又會影響到用戶對輔助設備的信任，在兩個方向上都是如此。這個問題在某些民事應用中起著次要的作用，例如語音識別，它經常被應用于與設備的互動，因為除了體面的失望之外沒有潛在的風險。對于其他非常具體的任務，如手寫字符識別，DL算法的性能超出了人類的平均水平，這意味著失敗的可能性很小，因此關于因果關系的問題可能成為附屬品。然而，在許多軍事應用中，當涉及到與人工智能的互動時，人類的信任是一個關鍵問題，因為錯誤的決定可能會產生嚴重的后果，而用戶始終要負責任。這實際上是兩方面的。一方面，操作者往往需要了解人工智能產品的背景，特別是如果這些產品與他或她自己的本能相悖。另一方面，不可理解的技術會對算法信息產品產生偏見，因為很難確定在哪些條件下它會失敗。因此，適當的信任程度可能很難計算。

可解釋的人工智能（XAI）是向黑盒人工智能模型的用戶提供 "透明度"、"可解釋性 "或 "可解釋性 "的方法的集合。這些術語幾乎沒有一個共同的定義，但許多出版物提到了：

• 透明度是指人類跟蹤和理解模型創建過程的可能理解程度。這就是從數據中提取信息，轉化為推理參數的表現形式。DL前饋網絡由于其基于大數據集的迭代學習過程和錯誤向各層的遞歸傳播而缺乏這一特性。
• 可解釋性是指對模型本身的理解程度，即從輸入數據到預測結果的信息流可以被理解。由于涉及的參數數量和層的層次結構，這對標準網絡來說是不可行的。
• 可解釋性是指對特定預測結果進行解釋的可能性程度。也就是說，用戶可以看到與輸入數據的一致性，在某種程度上可以看到是否存在因果關系。

XAI不能完全 "解釋 "DL模型，然而，它為工程師或操作員提供了更好地理解特定AI產品背后的因果關系的手段。而且很多時候，這可以幫助看到，從合理的因果關系鏈暗示算法決策或預測的意義上來說，該模型是否是合理的（或不是）。因此，XAI可以成為人工智能模型工程的一個重要工具，用于安全方面的驗證，甚至用于認證過程，以及為操作員提供額外的信息，以支持明智的決策。

雖然關于XAI的大多數文獻都集中在圖像識別的方法上，但這些結果很難轉化為基于特定挑戰性競爭形勢的戰術和戰略決策領域。在本文中，我們研究了人工智能模型在棋盤評估中的可解釋性。對更復雜的軍事戰略模擬的一些影響進行了討論。

本文的結構如下。在下一節中，簡要介紹了選定的XAI方法。然后，這些方法之一（LIME）被應用于棋盤評估問題，以證明在支持信息方面的解釋的質量。在最后一節，得出了結論，并討論了對更復雜的戰爭博弈和模擬的概括。

當前的海軍作戰要求水手們根據動態作戰環境中的不確定態勢信息做出時間緊迫和高風險的決策。最近的悲慘事件導致了不必要的傷亡，海軍行動中涉及決策復雜性，并特別突出了 OODA 循環（觀察、定向、決策和評估）中的挑戰。涉及使用武器系統的殺傷鏈決策是 OODA 循環中一個特別緊張的類別——具有難以確定的意外威脅、縮短的決策反應時間和致命的后果。有效的殺傷鏈需要正確設置和使用船上傳感器；未知接觸者的識別和分類；基于運動學和智能的接觸意圖分析；環境意識；以及決策分析和資源選擇。

該項目探索了使用自動化和人工智能 (AI) 來改進海軍殺傷鏈決策。該團隊研究了海軍殺傷鏈功能，并為每個功能制定了特定的評估標準，以確定特定 AI 方法的功效。該團隊確定并研究了 AI 方法，并應用評估標準將特定的 AI 方法映射到特定的殺傷鏈功能。

圖：利用人工智能改進海軍殺傷鏈的作戰概念

總結

當前的海軍行動通常是快節奏的、關鍵的，并且需要做出高風險的決策，這些決策有時基于非常動態的戰區中的不確定信息。許多例子強調了提高決策效率的必要性以及減輕觀察團隊負擔的必要性。缺乏上述情況的例子包括 2017 年的菲茨杰拉德號航空母艦 (DDG 62) 和 MV ACX Crystal相撞，以及 2009 年皇家港口號航空母艦 (CG 73) 的擱淺。一些根本原因是相關人員缺乏經驗、疲勞和壓力.

上述事故展示了軍事行動的難度，并展示了 OODA（觀察、定向、決策和評估）循環中的挑戰（Jones 等人，2020 年）。人為錯誤、人的認知限制和海軍作戰固有的決策復雜性導致了 OODA 循環中的挑戰，更具體地說，是殺傷鏈過程中的挑戰。

現代戰斗空間由來自常規陸地、空中和海洋等多個領域以及來自太空和網絡空間的大量數據組成。決策者需要考慮許多因素，包括交戰規則 (ROE)、要使用的武器、傳感器和意圖評估。發現、修復、跟蹤、瞄準、參與、評估 (F2T2EA) 殺傷鏈模型緩解了該過程的一些困難（參謀長聯席會議，2013 年）。人工智能 (AI) 和機器學習 (ML) 可以通過分析備選方案和使用評估標準將 AI 方法映射到殺傷鏈功能，從而幫助海軍在戰術領域做出殺傷鏈決策。這是在本報告的五個章節中分三個階段完成的。

本報告利用了數百個資源，主要利用了美海軍研究生院 AI-OODA 團隊在其 Capstone 報告（2020 年）中進行的先前研究，“利用人工智能 (AI) 進行空中和導彈防御 (AMD)：以結果為導向的決策援助。”他們將他們的工作與 John Boyd 的觀察、定向、決定和行動決策框架相結合。作為他們分析的初步步驟，AI-OODA 團隊將特定的 OODA 功能明確且緊密地耦合到特定的 F2T2EA 功能。然而，本報告斷言 OODA 循環是一個決策循環，它嵌套在殺傷鏈的每個功能中，而不是在高壓力或低壓力情況下專門映射到一個或多個殺傷鏈功能。團隊基于 F2T2EA 模型開發了一組 28 個殺傷鏈功能。

在制定將 AI 方法映射到殺傷鏈的評估標準時，很難確定一個好的決策，這對于決策評估至關重要。在評估決策時，必須考慮選擇行動時的知識意識狀態以及解釋能力。使用了幾種對決策進行評分的方法，從定義和優先考慮感興趣的“武器-目標”到制定評分標準和報告評估結果，以供其他人審查。

目前，人工智能的狀態非常廣泛，必須對其進行解釋，以了解人工智能對殺傷鏈中功能的適用性。本報告討論了所選 AI 方法的高級概述，并突出顯示了部分最流行的方法。首先，沒有普遍接受的定義，這很難定義人工智能。其次，人工智能與機器學習 (ML) 存在差異。 ML 允許在準確性和可預測性方面取得增量收益； AI 接收數據并通過算法提供輸出。人工智能的歷史從 1940 年代艾倫·圖靈 (Alan Turing) 的加密機器到 1980 年代美國政府在戰略計算計劃中的使用，再到今天在聯合人工智能中心 (JAIC) 中的人工智能戰略五個支柱，從領先的人工智能人力到安全和倫理。美國國防高級研究計劃局 (DARPA) 在 3-wave 框架中描述了 AI 的發展方向，分為手工知識 (Wave 1)、統計學習 (Wave 2) 和上下文推理 (Wave 3) 在 1-4 個維度內情報參數的屬性（Launchbury 2017）。這些屬性包括感知、推理、抽象和學習。

人工智能涉及可以根據輸入值預測結果的監督學習。有幾種使用監督學習進行學習的技術。包括線性回歸和分類。此外，許多數值方法可以分析發生的學習有效性，例如 F-score 和 Accuracy score。人工智能還可以使用無監督學習，它使用算法來發現未標記數據集中的數據模式或分組。在分析未知（y）響應以揭示標記（x）數據中的模式時，無監督學習是有益的。數據分析界的一個著名例子是鳶尾花（Iris flower）數據集。僅使用標記的數據，可以看到響應聚集在一起，并且可以確定響應中存在模式（花的種類）。無監督學習的方法包括聚類和 K-means，但還有其他方法。強化學習有一個代理能夠接收來自環境的反饋并理解基本目標。此外，正如 Sutton 和 Barto 在（2018 年）中解釋的那樣，探索和開發之間存在權衡。最后，生成對抗網絡 (GAN) 利用無監督學習和強化學習，通常用于神經網絡 (NN)。神經網絡是機器學習算法的極好來源，它有大量的輸入，而這些輸入又會產生大量的計算。 NN 非常適合用于模擬、自然語言處理、博弈論和計算機視覺。 NN 只是一種將輸入映射到輸出的簡單方法，可以在此過程中進行學習。然而，NN 可以被描述為一種“黑盒”學習技術，因為很難解釋正在發生的事情，并且通常需要一種可解釋的 AI (XAI) 技術。 XAI 的三個主要組成部分是可解釋模型、解釋界面和解釋心理學（Gunning 2019）。數據安全必須與“大數據”一起考慮，“大數據”是指非結構化、復雜和大型數據集，具有五個 v 特征：數量、速度（數據量隨時間變化的增加）、多樣性、真實性和價值。其他理論包括決策理論、模糊邏輯和效用函數

使用上述文獻綜述，該團隊開發了一個框架，用于將 AI/ML 映射到 AMD（空中導彈防御）殺傷鏈。采取了四個步驟：1) 建立模型框架，2) 確定決策點，3) 應用 AI/ML 方法，以及 4) 分析結果。該團隊確定了以下用于殺傷鏈映射分析的 AI/ML 方法：線性回歸、邏輯回歸、聚類、關聯、隨機森林、神經網絡、GAN 和樸素貝葉斯。評估標準被稱為“決策點”并提出四個問題：（1）所需輸出的類型是什么，（2）所需的學習類型是什么，（3）可解釋性（XAI）是什么水平需要，以及 (4) 需要多少個預測變量？該團隊通過基于一組決策點和評分過程評估每個殺傷鏈功能的每種方法來執行映射。對于被認為非常適合某項任務的方法，得分為+1，如果該方法適合但次優，則為0，如果該方法不適合該任務，則為–1。

該團隊進行了映射分析，根據與殺傷鏈的 28 個功能中的每一個功能相關的評估標準（決策點）分析 AI 方法。該團隊使用評分方法來確定每個殺傷鏈功能的最佳整體 AI/ML 分數。團隊的映射顯示為 0。

該團隊的 AI/ML 映射到殺傷鏈功能為國防部和海軍提供了兩個關鍵好處。首先，映射本身是設計和開發支持殺傷鏈決策的人工智能戰術決策輔助工具的重要起點和基礎。其次，該團隊將 AI 方法映射到殺傷鏈的分析過程可用于了解 AI 在許多其他軍事和非軍事領域的應用。識別適當的人工智能方法、制定評估標準和評分過程以及制定過程功能以進行分析映射的過程對于支持許多不同人工智能系統的工程具有深遠的潛力。

表1：AI/ML方法到殺傷鏈的映射