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。

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

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

最大化供應鏈管理： 真實案例

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

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

自適應后勤與決策： 對實時信息做出反應

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

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

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

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

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

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

反駁意見

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

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

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

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

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

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

結論

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

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

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

人工智能（或稱 AI）的應用正以各種方式影響著戰爭的性質和更廣泛的國際安全。在我們討論這些人工智能軍事應用的影響之前，先就如何思考它們的影響提出一些更具普遍性的想法：

通常情況下，人們會把人工智能這個詞賦予那些新穎的、能解決以往與人類智能相關問題的應用，賦予它神奇的光環。然而，當這種應用成為主流時，人工智能的標簽往往就會被摘掉。

在人類戰爭史上，影響戰爭方式的新技術層出不窮。從步槍到雷達，從刀劍到潛艇，從電報到戰斧：每一次新技術的出現都會激發烏托邦式的觀點，但當然也有烏托邦式的觀點，即特定的技術或武器系統將如何極大地影響戰爭的性質。我們的歷史證明了這一點：在萊特兄弟于 1903 年首飛之后，科幻小說家和軍事戰略家們紛紛宣稱空戰時代即將到來。最近，隨著網絡空間的出現，人們開始討論未來的戰爭是否會是網絡戰爭，觀察家們對網絡珍珠港的相關風險提出了警告。目前，學者、專業人士和普通人正在就人工智能對未來戰爭的影響展開激烈辯論，REAIM 會議當然也是一個證明。同樣，辯論也呈現出類似的模式，既有合理的擔憂，也有許多夸張的說法，還有未來戰爭將由機器而非人類自主發動的強大而可怕的畫面。

這次的不同之處在于，"一個人工智能系統 "并不存在。取而代之的是大量的算法應用，它們共同代表了一種萬能技術，一種在多個維度和整個 OODA 循環（軍事術語，即觀察-定向-決策-行動）中影響戰爭特征的萬能技術。這種技術既適用于戰場內外，也適用于戰爭與和平時期。

軍事史也表明，戰爭性質的真正變化往往是漸進的而不是點狀的，是進化的而不是革命的。變革不是通過某種新的銀彈或殺手級應用來實現的，而是通過軍事組織的艱苦工作來實現的，在這些工作中，軍事組織發展和完善作戰概念，將技術嵌入到新的作戰方式中，同時相應地調整組織結構。

有鑒于此，我們現在可以談談人工智能如何改變戰爭性質的問題。一些觀察家對變化的程度感到失望。他們將充滿機器人士兵的烏托邦式軍營與當前俄烏戰爭中充滿人類尸體的血腥戰壕這一同樣烏托邦式的現實相比較，發現戰爭仍然是 "To ánthrōpos，或者說是 "人類的事情"--這是有充分理由的。

盡管至少在可預見的未來，戰爭仍將是人類的事情，但很明顯，ANI（人工狹義智能）的突破與計算能力的爆炸性增長相結合，已經產生了大量的算法應用，國防組織在發動戰爭時可以加以利用。女士們、先生們，這并不是遙遠未來的某種烏托邦式現實，而是此時此地正在發生的算法戰爭現實的一部分。因此，人工智能應用正以各種方式影響著戰爭的性質，（目前）還不是通過人形終結者營，而是通過在整個 OODA 循環中將人工智能集成到現有應用中。

在戰場上，這已經產生了重大變化，通過更好的態勢感知和理解，以及通過所謂的 "戰斗云 "中壓縮殺傷鏈的分散式指揮網絡縮短決策周期，提高了武裝部隊的戰場效率。

沖突的加速為沿著 OODA 循環進一步整合算法提供了戰略依據，并標志著半人馬團隊的出現，人類仍處于循環中，但與人工智能應用近乎無縫整合。對 Sigint 的算法分析還提高了戰場透明度--無處可藏！- 并要求武裝部隊在有爭議和混亂的環境中開展分散行動。算法還用于無人駕駛飛機的導航和目標捕獲，包括進攻性的（通過閑逛彈藥）和防御性的（綜合防空和導彈防御）。

然而，算法的應用并不局限于戰場，它對核穩定也有相當大的影響。首先，徹底透明化將以各種方式改變核威懾的基本原則。例如，發射系統位置的曝光以及運載工具更高的精確度和機動性將影響威懾動態，并可能引發新的第一次和第二次打擊的不穩定性。此外，與技術變革相關的不確定性正促使人們擴大核武庫，并采用更靈活的核指揮與控制態勢--這些發展目前已在發揮作用。

算法也在開辟新的領域，沖突各方試圖在其中施加影響，包括通過我的同事弗蘭克-霍夫曼（Frank Hoffman）所說的 "認知戰爭"。現在有了經過實戰檢驗的劇本、現成的腳本，還有類似劍橋分析的服務可供雇傭。同樣，這不僅會影響戰爭的戰術層面，也會影響戰爭的戰略層面。想象一下，普京宣布發射核武器的 Deep Fake 會給戰略穩定帶來怎樣的影響，即使管理得當，也會造成怎樣的社會動蕩。重要的是要注意到，我們僅僅處于信息時代的黎明：5G、AR（增強現實）和 VR（虛擬現實）的出現以及 Metaverse 的出現將為沖突參與者帶來大量制造混亂的新機會。

總之，人工智能對戰爭性質和國際穩定的影響已經到來，它是真實存在的，并有望在未來幾年逐步實現。

這催化了倫理和法律領域的變革，并對如何限制和規范此類技術的生產、擴散和使用提出了多層次的重要挑戰。

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。

在過去的幾年里，人工智能（AI）系統的能力急劇增加，同時帶來了新的風險和潛在利益。在軍事方面，這些被討論為新一代 "自主"武器系統的助推器以及未來 "超戰爭 "的相關概念。特別是在德國，這些想法在社會和政治中面臨著有爭議的討論。由于人工智能在世界范圍內越來越多地應用于一些敏感領域，如國防領域，因此在這個問題上的國際禁令或具有法律約束力的文書是不現實的。

在決定具體政策之前，必須對這項技術的風險和好處有一個共同的理解，包括重申基本的道德和原則。致命力量的應用必須由人指揮和控制，因為只有人可以負責任。德國聯邦國防軍意識到需要應對這些發展，以便能夠履行其憲法規定的使命，即在未來的所有情況下保衛國家，并對抗采用這種系統的對手，按照其發展計劃行事。因此，迫切需要制定概念和具有法律約束力的法規，以便在獲得利益的同時控制風險。

本立場文件解釋了弗勞恩霍夫VVS對當前技術狀況的看法，探討了利益和風險，并提出了一個可解釋和可控制的人工智能的框架概念。確定并討論了實施所提出的概念所需的部分研究課題，概述了通往可信賴的人工智能和未來負責任地使用這些系統的途徑。遵循參考架構的概念和規定的實施是基于人工智能的武器系統可接受性的關鍵推動因素，是接受的前提條件。

軍事網絡戰的前景正在發生變化，這是因為數據生成和可訪問性的發展、持續的技術進步及其（公共）可用性、技術和人類（相互）聯系的增加，以及參與其規劃、執行和評估階段的專家活力、需求、不同性質、觀點和技能。這種行動每天都在進行，最近被人工智能賦予了更多能力，以達到或保護他們的目標，并處理產生的意外影響。然而，這些行動受到不同的不確定性水平制約和包圍，例如，預期效果的預測，有效替代方案的考慮，以及對可能的（戰略）未來新層面的理解。因此，應確保這些行動的合法性和道德性；特別是在攻擊性軍事網絡戰（OMCO）中，參與其設計/部署的智能體應考慮、開發和提出適當的（智能）措施/方法。這種機制可以通過像數字孿生這樣的新型系統，在硬件、軟件和通信數據以及專家知識的基礎上嵌入智能技術。雖然數字孿生在軍事、網絡和人工智能的學術研究和討論中處于起步階段，但它們已經開始在不同的行業應用中展示其建模和仿真潛力以及有效的實時決策支持。然而，本研究旨在（i）理解數字孿生在OMCO背景下的意義，同時嵌入可解釋人工智能和負責任人工智能的觀點，以及（ii）捕捉其發展的挑戰和益處。因此，通過對相關領域的廣泛審查，考慮采取多學科的立場，將其包裝在一個設計框架中，以協助參與其開發和部署的智能體。

在攻擊性軍事網絡戰中定義數字孿生

盡管數字孿生被認為是在工業4.0的數字化轉型過程中引入的一項關鍵技術，但它們有二十年的歷史，甚至更早的基礎。其起源是Michael Grieves的鏡像空間模型，以及他與John Vickers在NASA宇航和航空航天領域項目中的進一步研究（Grieves & Vickers，2017），將數字孿生定義為 "物理產品的虛擬代表"，融合了物理和虛擬世界的優勢，它包含三個組成部分：物理產品、物理產品的虛擬代表，以及從物理產品到虛擬代表的雙向數據連接，以及從虛擬代表到物理產品的信息和流程（Jones等人，2020）。

對數字孿生概念的理解有不同的角度和方式，其含義可以根據應用領域進行調整（Vielberth等人，2021）。考慮到與數字模型或數字影子等相關主題存在誤解和混淆，以及數字孿生不存在一致的定義（Hribernik等人，2021；Fuller等人，2020），為了確保其在攻擊性軍事網絡戰（OMCO）中的正確設計、開發和部署，采用了系統性觀點，并提出以下定義：

攻擊性軍事網絡戰（OMCO）中的數字孿生子 = 一個技術系統，在其現實環境中嵌入物理系統，及物理系統的網絡抽象、表示和鏡像，以及它們在OMCO中的相應數據和通信流。

這個定義的要素是：

• 技術系統：包含其物理、網絡以及數據和通信元素的整個實體。
• 網絡抽象化、表示和鏡像：系統的網絡/虛擬/數字組件。
• 物理系統：系統的物理元素包含和虛擬化。
• 數據和通信流：網絡和物理組件之間傳輸的數據，以及它們相應的通信基礎設施。

換句話說，OMCO中的數字孿生是一個先進的（智能）系統，它嵌入了OMCO系統/實體的虛擬、物理以及數據和通信元素。鑒于此，在圖2中提出了以下對訓練、演習和實際行動有用的OMCO數字孿生架構，其中連續的箭頭描述了行動中目標階段之間的信息和結果交流，帶點的箭頭描述了集成部件和其他部件之間的信息和結果。該架構應該是模塊化和可配置的（Silvera等人，2020），并包含兩個組件：

• 數字孿生層，即三個數字孿生模塊和一個集成模塊或四個獨立的數字孿生模塊，其中集成DT與其他三個獨立的數字孿生模塊通信并獲取結果。

• 數字孿生層，即整個數字孿生或四個集成數字孿生的物理、數據和通信以及網絡組件。

此外，認識到系統將具有分析、預測或模擬功能，以支持不同的軍事網絡決策過程，軍事指揮官及其團隊有責任如何解釋和使用數字孿生所呈現的結果，因此，有必要從設計階段就將XAI和RAI方法嵌入其中。RAI必須尊重并納入社會道德規范和價值觀，XAI在整個過程中以及在呈現最終結果時，必須尊重軍事技術和社會法律道德要求、規范和價值觀（Arrieta等人，2009, 2020；Agarwal和Mishra，2021；Maathuis，2022a；Maathuis，2022b）。這些措施保證了負責任的OMCO發展和部署。

為了進行示范，OMCO的開發、部署和評估是在架構左側所示的階段進行的，其中集成DT的最終結果可以作為經驗教訓或對未來行動、網絡或其他行動的投入而進一步使用。例如，在設計和開發階段，選擇目標，確定其核心弱點，并進一步在智能網絡武器中建立一個漏洞，可以預測（非）預期效果的水平和概率，并對目標交戰進行負責任和可解釋的比例評估；此外，效果評估與定義的目標和依賴性有關。在這里，一個原型將通過定義和部署系統的多個實例來實現，這些實例將被匯總，同時考慮到要求以及與物理和網絡環境的相互作用（Grieves, M., & Vickers; Jones等人，2020）。

在攻擊性軍事網絡戰中建立數字孿生時面臨的挑戰和機遇

作為數字化轉型過程的一部分，并與若干數字和智能技術緊密相連，與其他類型的技術一樣，數字孿生帶來了挑戰和機遇。

挑戰：

• 考慮多利益相關者視角的標準化、管理和監管（Talkhestani等人，2019年；Singh等人，2021年；Flamigni等人，2021年）：由于這些系統是在多利益相關者參與開發和部署的，在匹配所定義的目標和功能時應考慮適當的標準、管理和監管機制。

• 數據和算法（Jones等人，2020；Qian等人，2022；Song等人，2022）：這類系統對數據敏感，依賴于相關的高保真表示和數據添加到正確構建和部署的人工智能模型中，例如，相關數據應該被收集、分析、使用，并在系統的各個層面和層次之間共享。

• 安全、安保、隱私和可靠性（Glaessgen & Stargel, 2012; Vielberth et al., 2021; Chockalingam & Maathuis, 2022）和可靠性問題：如果管理不當，并且通過其在數字孿生的設計階段就沒有整合到所有層面和層次，這些有可能通過改變系統的行為來打開意外和有意的網絡安全和安保事件的大門，產生大規模的影響。例如，這樣的行動可能無法區分軍事和民用目標，從而在民用方面產生大量的附帶損害，因此系統在行動中是不可靠的。

機遇：

• 認識和理解、決策支持和教育（Mendi, Erol & Dogan, 2021; Talkhestani et al., 2019）：這些系統有利于理解系統的行為，支持具體的決策過程，并產生/增強不同的學習活動。例如，這些系統不僅可以對當前的行動產生情報，而且還可以通過對未來行動的評估產生情報。

• 建模和仿真，例如現場生命周期測試、監測、優化（Steinmetz等人，2018；Jones等人，2020；Hribernik等人，2021）：通過其性質，數字孿生對不同的系統和過程進行建模和仿真，例如，允許鏡像和測試雙重用途目標的行動執行，以避免預期產生的意外影響；或允許使用不同的優化技術對智能網絡武器實施的路徑和行動進行現場監測。

• 可訪問性和成本降低（Barricelli, Casiraghi & Fogli, 2019；Jones等人，2020；Aheleroff等人，2021）：通過其設計界面，此類系統可被用戶直接訪問，有利于普遍降低實施和部署的成本。

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。

為了面對軍事防御的挑戰，軍隊及其戰術工具的現代化是一個持續的過程。在不久的將來，各種任務將由軍事機器人執行，以實現100%的影響和0%的生命風險。國防機器人工程師和公司有興趣將各種戰略自動化，以獲得更高的效率和更大的影響，因為陸地防御機器人的需求正在穩步增長。在這項研究中，軍事防御系統中使用的陸地機器人是重點，并介紹了各種類型的陸地機器人，重點是技術規格、控制策略、戰斗參與和使用目的。本研究還介紹了陸地機器人技術在世界軍事力量中的最新整合，其必要性，以及各國際防務公司對世界經濟的貢獻，表明其在軍事自動化和經濟穩定中的優勢。本報告還討論了近期發展的局限性和挑戰、機器人倫理和道德影響，以及與機器人安全有關的一些重要觀點和克服近期挑戰的一些建議，以促進未來的發展。

引言

為了加強軍事防御系統，必須大力發展和提高智能自主戰略能力。在大多數第一世界國家，研究國防技術改進是實現軍事防御現代化的優先事項。未來戰爭的特點可以根據不同領域的沖突進行分析，如：海洋、陸地、空中、網絡、太空、電磁和信息。隨著現代智能和機器人技術的改進，跨域（X域）和多域戰略也需要被關注。無人自主X域（多域）系統，簡稱UAxS，現在是研究和發展的重點，以使軍事力量更加強大、有力和智能。圖1展示了多域和X域的戰爭模式。

圖 1：多域和 X 域戰爭模型

現代防御機制可以在四個相互關聯的領域進行研究：先進的戰艦、良好的通信、人工智能和自主武器。這基本上意味著在軍事防御系統中實施機器人技術。在戰場上，一支裝備精良的機械化部隊是指揮官非常重要的資產。在戰爭中，指揮官必須專注于火力、機動性、人機合作、決策、支持裝甲和指揮步兵。在未來，機器人和自動化系統將通過提供支持和減少負擔來幫助解決這些問題，因為這些系統將更加智能、可靠和合作。在最近的軍事活動中，機器人和自主技術被用于偵察、設備供應、監視、掃雷、災難恢復、受傷士兵的檢索等（Dufourda, & Dalgalarrondo, 2006；Akhtaruzzaman, et al., 2020）。

為了確保可靠的使用和獲得最高的技術影響，機器人必須在半自動化、自動化和人機交互工程方面進行良好的設計。無人地面車輛（UGV）很有前途，在國防應用中具有很大的潛力，在這些應用中高度需要更快和可靠的通信鏈接（鏈接預算）和快速獲取信息（RAtI）（Akhtaruzzaman, et al., 2020）。機器人的價值比人的生命還要低。機器人在感知、檢測、測量和分析方面速度更快。機器人沒有任何激情或情感，不會像人類那樣感到疲勞或疲倦，而是在極端和關鍵條件下保持運作。在不久的將來，機器人將成為作戰計劃和參與的核心技術（Abiodun, & Taofeek, 2020）。它們將能夠通過智能傳感器技術與環境溝通，通過建模理解環境，理解人類的行動，定義威脅，服從命令，以更高的處理能力獲取信息，通過信息交換和共享與其他機器人互動，通過先進的控制技術自主適應敵對環境，并通過強大的計算能力與自動生成的程序應用智能進行自我學習（Akhtaruzzaman, & Shafie, 2010a, 2010b; Karabegovi?, & Karabegovi?, 2019）。

在不久的將來，UGV系統將成為軍事行動的關鍵技術，因為它們將確保幾乎零人力風險，不需要將人力直接安置到戰斗中。UGV系統還將能夠開放各種設施，如負載、自動監視、邊境巡邏、風險降低、障礙物清除、力量倍增器、遠程操縱、信號中繼等（Sathiyanarayanan等人，2014）。陸地防衛機器人必須能夠適應各種崎嶇的地形、惡劣的環境和非結構化的區域，同時發揮指定的作用并保持指揮層次。作為軍事部隊的一種程度，陸地機器人不能給團隊帶來任何額外的工作負擔。因此，必須實施有效的人工智能（AI）工程，以實現UGV或陸地機器人與行動部隊之間可靠的人機合作。

今天的智能機器人或自主武器仍然處于狹義人工智能（ANI）的水平（Horowitz，2019年），或者以某種方式處于ANI和通用人工智能（AGI）之間。這反映出它們還沒有準備好在災難或戰爭等敵對情況下完全自主并做出可靠的決定。人類擁有在很大程度上應用感知經驗的智慧，能夠適應環境，并能在關鍵情況下做出適當的決定。如果這些能力能夠被植入機器人的大腦，該系統就可以說是AGI系統。盡管與人類相比，機器人可以抵御枯燥、骯臟和危險的工作，但它們包括一些有限的功能，如航點或目標導向的導航、障礙物檢測、障礙物規避、威脅檢測、人類檢測和識別、定位、地圖構建、通過圖像和聲音處理提取信息，以及與其他機器人的某種合作。因此，如果能確保機器人和人類之間的良好合作，機器人將在人類的監督下自主工作，那么軍用地面機器人將是最有效的。

本研究對軍用陸地機器人系統、最近的技術進步、應用和道德影響進行了回顧。一些發達國家和不發達國家的現狀，以及通過推進和發展軍事武器、自動化武器和智能技術對世界經濟的工業影響，都反映在審查研究中。本文還闡述了參與戰爭的機器人倫理以及該技術對道德國家的影響。該研究主要試圖通過確定最近的差距、局限性和技術進步的倫理影響，來確定地面機器人技術的最新應用和實施情況。

人工智能已經使用了幾十年。它已經被部署在有人駕駛的編隊中，并將在未來幾年內繼續被用于軍事。目前的戰略和作戰概念要求在整個國防企業中增加使用人工智能能力，從高級領導人到戰術邊緣。不幸的是，人工智能和它們所支持的戰士不會 "開箱即用"地兼容。簡單地將人工智能植入人類團隊并不能確保成功。美國防部必須仔細注意如何將人工智能與人類一起部署。這在團隊中尤其如此，因為團隊的結構和成員的行為可以決定業績的好壞。由于人類和機器的工作方式不同，團隊的設計應該利用每個伙伴的優勢。團隊設計應該考慮到機器伙伴的固有優勢，并利用它們來彌補人類的弱點。這項研究通過提交新的概念模型，捕捉人類和機器在人機合作結構中運作時的理想團隊行為，對知識體系做出了貢獻。這些模型可以為人機團隊的設計提供信息，從而提高團隊的績效和敏捷性。

圖1 智能自主系統技術框架

圖3 美國人工智能相關戰略

引言

核導彈發射被探測到。那是1960年10月5日，北約正處于最高級別的警戒狀態。以99.9%的準確率，來襲的蘇聯彈道導彈被格陵蘭島的預警系統探測到。值得慶幸的是，北約的報復行動被制止了，操作人員發現，"智能 "系統正在跟蹤上升的月亮（Singer，2009）。自然，這并不是唯一一次世界幾乎在人工智能（AI）引起的核交換中喪生。1983年9月26日，蘇聯的彼得羅夫中校發現自己是莫斯科附近Serpukhov15掩體內的值班人員。在太空中運行的蘇聯Oko預警衛星系統完全肯定地報告說，多枚導彈正在前往莫斯科的路上。問題是，奧科系統把從云頂反射的陽光誤認為是美國的一系列導彈發射（Scharre，2018）。解讀其系統的局限性，并將事件置于背景中，操作人員能夠防止災難的發生。當然，這些極端案例是少見的，對于今天的人工智能，我們沒有那么依賴人類的判斷，對嗎？不幸的是，不盡然。人類和人工智能（AI）的工作方式不同，所以像美國防部（DOD）這樣的組織在將人工智能系統插入操作團隊時，需要非常慎重。

B 研究問題、方法和路徑

1 研究問題

本研究試圖回答以下問題：

• 成為隊友意味著什么？
• 機器如何在團隊中與人類成為伙伴？
• 將機器伙伴融入以前的人與人之間的團隊，如何提高團隊的敏捷性？
• 能否用共享的團隊心理模型或互動的團隊認知方法更好地理解機器伙伴？

2 方法

將對文獻進行詳盡的回顧，并對兩個適用的案例研究進行分析。這項研究的目標是產生一個人機協作的概念模型，并提供有關人機團隊內部溝通的背景性、現實世界的知識。鑒于目前可用的基于實驗室的人機協作實驗數量有限，本研究將檢查數據以確定廣泛的主題和模式。

人類團隊和人類團隊動態的性質已經得到了廣泛的研究。這一領域的文獻有豐富的發現，可以提供關于人與人團隊動態的細節；然而，關于機器融入人與人團隊的文章卻很少。隨著機器伙伴被納入傳統意義上的人類團隊，就需要對人機團隊進行研究。本研究將首先描述人工智能的特點及其對戰爭的預期影響。將提供關于機器-機器團隊的現有文獻分析，然后是人類認知和人-人團隊的更多發展主題。這項研究在描述人機團隊的通信、協調和互動動態之前，將對人機團隊進行特征描述。然后，作者將展示這些動態如何與團隊敏捷性和績效的概念相聯系。

3 研究目的

本研究目的是探索人機團隊中的溝通、協調和互動動態，并闡述它們對團隊敏捷性和績效的潛在影響。隨著人機團隊結構在DON中變得越來越普遍，這種探索對于發展對團隊動態的理解是必要的。這項研究將產生人機團隊的概念模型，可以為未來系統的設計提供參考。這項研究的結果可以幫助美海軍軍部更好地理解將狹義的人工智能能力整合到團隊構建中的影響。這種知識將最終使美國防部能夠應用研究結果來提高人機團隊的敏捷性。

提綱

• 第2章 美海軍部人工智能戰略分析
• 第3章 編隊理論綜述
• 第4章 指揮與控制概念及條令綜述
• 第5章 對人工智能理論、能力和局限性的綜述
• 第6章 人機編隊
• 第7章 方法論
• 第8章 分析
• 第9章 未來工作總結

預計量子計算機將能夠解決各種問題，而這些問題是目前最強大的超級計算機所無法解決的，這些超級計算機是基于經典技術的。在過去的三十年里，量子計算的進展激發了工業界、投資者、媒體、管理人員和公眾對這一領域的極大興趣。然而，對這項技術的理解，它目前的能力和它在這些社區的潛在影響仍然缺乏。彌補這一差距需要對如何評估量子計算設備的性能和估計其潛力有一個完整的了解，而量子計算模型和物理平臺的多樣性使這一任務更加困難。在這里，我們回顧了量子計算的技術現狀，有前途的計算模型和最發達的物理平臺。我們還討論了潛在的應用，這些應用提出的要求和解決這些要求的技術途徑。最后，我們總結和分析了量子計算市場將進一步指數式增長的論據。這篇綜述用簡單的語言寫成，沒有方程式，沒有高級數學和物理學背景的讀者也應該能看懂。