這項工作由 Calian 和 C3 人因咨詢公司根據加拿大國防研究與發展-多倫多研究中心（DRDC TRC）任務 20 "未來自主系統集成的人機協作研究路線圖 "進行，是更大的人機交互（HAI）任務授權合同（TAC；合同：W7719- 185397/001/TOR）的一部分。人機交互任務授權合同的總體目標是設計、開發、實施和評估人機協作（HAT）概念、方法和技術，以提高加拿大兵力（CAF）人機系統（HMS）的整體性能。

當前項目的目標是制定一個研究路線圖，以指導未來自主系統（AS）的研發工作及其在加拿大武裝部隊中的集成。具體來說，路線圖將指導未來對部署自主系統的心理、倫理、道德、社會和文化影響的調查。為實現這一目標，加利福尼亞空軍和災難恢復與發展中心的利益相關者參與了一項 HAT 調查。該調查由 13 個涉及 HAT 研究問題的問題組成，使用 Survey Monkey 進行在線管理。調查圍繞四個研究主題展開：了解國防部/加拿大空軍目前正在考慮的人工智能賦能的自動系統類型；根據這些系統的分類法識別風險因素并確定其優先次序；加拿大空軍不同服務部門在使用和應用這些系統方面的異同；以及 DRDC 和加拿大空軍利益相關者之間的一致程度。

這項研究的參與者包括 DRDC 和 CAF 的主題專家 (SME)，他們目前都活躍在與自主相關的項目中（例如，AS 項目中的 CONOPS 工作組）。代表作戰和研究界不同組織的 50 多名受訪者完成了 HAT 調查。調查結果顯示：

1.總體而言，CAF 和 DRDC 利益相關者的主要關注點在于擁有非致命能力的半自主（S-A）系統。這些系統廣泛應用于情報、監視和偵察（ISR）以及指揮與控制（C2）行動。對這些系統至關重要的基礎技術包括計算機視覺、機器人技術和高級數據分析；

2.與加拿大皇家海軍（RCN）和加拿大陸軍（CA）相比，加拿大皇家空軍（RCAF）有不同的優先事項，因為其對完全自主（F-A）系統以及具有致命能力的 S-A 和 F-A 系統的需求有所增加；

3.所有利益相關方都表達了對軍事自主系統的一系列風險考慮。這些問題包括系統有效性、人類系統集成（HSI）和人工智能脆弱性等各個方面。值得注意的是，對具有致命能力的系統的關注程度明顯更高，尤其是與道德、倫理和法律因素相關的風險；

4.關于人因專家確定的九個 HAT 研究主題，它們都被評為關鍵主題，亟需研究關注。在這些主題中，信任、權力轉移和系統透明度/可解釋性被列為最重要的研究課題；以及 5.

5.CAF 和 DRDC 的受訪者在自主系統研究（包括其應用和基礎技術）的精力分配方面達成了顯著共識。但是，在致命自主武器系統領域存在明顯差距，研究界似乎落后于作戰界。

該項目的研究目標是放大預測數據分析的力量，并開發一個全面、集成和可擴展的數據分析與推理基礎設施。軍事大數據情報研究與教育卓越中心（CREDIT）的使命是加快科學和工程預測分析的研究和教育，以改變有效處理和解決大數據帶來的許多復雜問題的能力，特別是在軍事應用方面。

2015年4月，美國國防部負責研究與工程的副部長辦公室（OUSD(R&E)）出資500萬美元，并于2020年追加100萬美元，在普拉里維尤農工大學成立了軍事大數據情報研究與教育卓越中心（CREDIT）。CREDIT 中心的使命是加速科學和工程預測分析的研究和教育，以改變有效應對和解決大數據帶來的許多復雜問題的能力，并將學生培養成下一代數據科學家和工程師。

CREDIT 中心擁有一支多學科團隊，成員包括電子與計算機工程系和計算機科學系的教師研究人員、研究科學家和博士后，以及普拉里維尤農工大學（Prairie View A&M University，HBCU）的許多研究生和本科生研究助理。核心設施已經建成，包括深度學習實驗室和云計算實驗室。CREDIT 中心的團隊和計算資源使團隊能夠解決大數據分析和人工智能方面的許多挑戰性問題，并且 CREDIT 中心正在引領 PVAMU 大數據科學和深度學習方面的課程開發。CREDIT 中心與許多學術機構、政府機構和行業合作伙伴積極合作，共同應對大數據分析方面的挑戰，并為未來以數據為中心的經濟培養人才。它在推動 PVAMU 成為 R2 方面發揮了重要作用： 博士大學--高研究活動機構。

在本項目資助期間，普拉利維亞農工大學 CREDIT 中心團隊與石溪大學和內華達大學里諾分校的合作者完成了所有建議的研究、教育和推廣活動。取得了重要的研究成果。具體而言，(i) 發表了45篇期刊論文和2本著作，(ii) 發表和提交了104篇同行評審會議論文（包括兩篇最佳論文獎），(iii) 提交了3篇期刊論文并正在審查之中。出版物的詳細清單見附錄 A。

技術成果

如今，軍事情報分析人員面臨著處理來自多個來源的海量復雜數據的艱巨任務，而且任務量還在不斷增加。其中包括傳感器數據、移動社交網絡數據、監視數據（如無人機或衛星拍攝的圖像和視頻）以及公共領域數據。圖 1 給出了一個示例場景。必須對這些數據進行匯總、評估、關聯，并最終用于支持指揮官的關鍵決策和行動。然而，目前缺乏處理軍事行動中來自異構來源的海量數據的能力[1, 2]。目前存在許多挑戰，例如：（1）需要設計和優化用于軍事大數據的實時計算平臺，因為海量數據分布在不同地點；（2）必須在敵對環境中聚合異構數據并妥善存儲；（3）需要以最小的延遲完成分布式態勢感知和決策制定；（4）必須呈現海量數據集和復雜結果，以便分析人員輕松感知。

CREDIT 中心旨在應對這些基本挑戰，并為美國國防部的關鍵任務應用提供傳感、感知和決策支持。具體而言，提出并開發了一種集成計算、通信和信息融合的方法。目前已經開展了四項研究： (1) 實時軍事大數據云計算系統的系統架構設計；(2) 利用邊緣計算和計算卸載實現安全、穩健的數據收集和聚合；(3) 新型機器學習和深度學習算法，用于使用高維數據集進行自動檢測，以及在標記數據有限的情況下進行半監督學習；(4) 在云上實時實現海量數據集的可視化，并通過實驗驗證研究成果。它們共同提供了對動態環境中感興趣的對象和事件之間關系的研究，并利用特定功能流程或應用中的數據來實現可操作的特定背景洞察力。所提出的設計和方法已通過大量模擬和實驗進行了驗證，并以無人駕駛飛行器進行物體檢測和跟蹤為案例進行了研究。

圖 1：用于近實時檢測和決策的協作式信息匯總和處理概念

圖 2：擬議研究重點之間的協同作用

如圖 1 所示，當海量數據流進入軍事云時，云需要動態分配足夠的資源來存儲和處理數據。為了滿足實時性要求，需要探索如何在云基礎設施上更好地分配數據和任務，如何實現彈性計算以滿足動態計算工作負載，以及如何有效利用額外的加速器來加速節點內的任務（研究重點 1）。

鑒于戰場環境瞬息萬變，需要可靠地收集數據，并以分散和多層次的方式進行分析。例如，士兵 B3 在與 D2 通信時受到干擾，可以使用認知無線電切換信道，并通過 C2 報告數據。因此，必須利用認知無線電傳感器網絡進行穩健的數據匯總（研究重點 2）。

收集到的大量數據可能是多余或無用的，需要在早期階段過濾掉，而一些有用的數據可能會丟失或缺失，需要從附近的其他設備獲取或收集。例如，可以在坦克 A1、A2 和無人機 C1 之間使用信念傳播來處理各自收集到的數據，然后當 D1 轉發來自 A1、A2 和 C1 的更新信念時，可以使用軍事云中的最快檢測速度以最小延遲執行敵方目標檢測。這種建議的方法利用了數據的時空相關性，有效減輕了數據缺失或錯誤的影響（研究重點 3）。此外，還建議在研究重點 4 中開展戰場特定可視化研究，以直觀地實時呈現大量復雜信息。理論結果已通過大量模擬和試驗臺實驗得到驗證。各研究方向之間的協同作用如圖 2 所示。從信息擁有的角度來看，來自不同來源的各類數據將以安全、穩健的方式匯聚到云計算系統中進行實時處理。將應用機器學習技術，以最小的延遲和較低的誤報率進行檢測。然后，在交互式可視化工具的幫助下做出適當的決策。它們共同提供對關鍵信息需求的實時響應、準確的知識提取和風險意識決策。因此，擬議架構中各研究方向之間的協作滿足了軍事行動中有效和高效的信息共享和決策制定需求。

技術貢獻要點概述如下：

在研究重點 1 中，為 CREDIT 研究建立了一個定制的特定領域大數據分析云。提出了將最先進的高性能計算技術集成到大數據分析中以提高性能和規模的概念。它已在 Apache Spark 上的分布式體積數據分析工具包中實施和測試。

圖 3：實時戰場數據分析云

在研究重點 2 中，提出并實施了一個高效的隱私保護智能邊緣計算框架。為了實現穩健的數據收集和聚合，提出了計算卸載，以共同優化通信和計算。然后將多任務學習方法應用于計算卸載優化，在實現更高精度的同時將推理時間縮短了 4 個數量級。

圖 15：為邊緣計算系統圖像分類提出的高效隱私保護框架。

在研究重點 3 中，探索了使用 Dempster-Shafer 理論（DST）和 Dezert-Smarandache 理論（DSmT）進行大數據處理的可行性，并提出和研究了使用證據理論（DST - DSmT）和 KullbackLeibler（KL）發散進行距離測量以減輕不確定性影響的檢測框架。在標注數據有限的情況下，即使使用非常有限的標注數據，所提出的半監督學習也能獲得很高的推理精度，這對于實時機器學習應用來說是一個很有前景的解決方案。

圖 24：擬議的多數據源 DST 和 DSmT 決策平臺

在研究重點 4 中，設計并測試了一種基于多任務學習的新型深度學習模型，用于無人機上的目標識別和目標跟蹤。在實際實驗中，該模型實現了實時處理（> 20 fps）和高 IoU（> 60%）。

此外，還構建了基于云的大數據可視化系統，并在云上實現了實時數據可視化。本報告第 2-4 章詳細介紹了研究背景、文獻綜述、問題提出、方法建議以及實驗和結果分析。

圖 20：擬議 MTFNN 模型的多任務學習框架

CREDIT 中心

CREDIT 中心與美國國防部的項目管理人員和研究人員保持著密切的合作關系，并為美國國防部和國家的勞動力發展做出了巨大貢獻。大量研究生和本科生積極參與了 CREDIT 中心的研究活動，10 名博士生、34 名碩士生和 100 多名本科生在 CREDIT 中心的支持下畢業。所有畢業的學生都在政府機構和私營企業找到了很好的工作，如 AFRL、NAVSEA、IBM、Intel、Microsoft、Apple、Amazon、HPE 和 Dell。在 CREDIT 中心從事研究的所有學生都在人工智能、機器學習和大數據分析方面獲得了深厚的知識和廣泛的培訓。他們在高質量的期刊上發表了重要的研究成果，并在解決極具挑戰性的現實問題方面表現出了卓越的能力。例如，CREDIT團隊包括六名研究生助理，在首席研究員（錢）和共同首席研究員（奧比蒙）的指導下，參加了2020年秋季由美國海軍組織的海上人工智能挑戰賽（AI Tracks at Sea Challenge）。CREDIT 團隊從包括全國頂尖研究型大學在內的 31 所參賽大學中脫穎而出，榮獲第一名。除了學生成為美國國防部的全職雇員外，還有二十多名預備役學生在 CREDIT 中心接受了數據分析技能培訓。此外，CREDIT 中心的許多學生還參加了美國國防部提供的暑期實習生計劃。

隨著 CREDIT 中心的成立，研究基礎設施也得到了極大的改善。具體來說，深度學習實驗室配備了 4 臺英偉達 DGX-1 系統，共有 32 個 P100 GPU，超過 112,000 個 CUDA 內核，以及 4 臺 120TB 的戴爾存儲服務器。云計算實驗室擁有一個高性能計算機集群，由 4 個機架組成，包括 56 個 IBM 雙核刀片服務器、8 個惠普 16 核節點、24 個帶 GPU 的 IBM 16 核節點，以及用于建立云虛擬機農場的 4 個戴爾節點。這些高性能計算設施為教師和學生提供了寶貴的機會，使他們能夠使用最先進的設備探索前沿技術。

CREDIT 中心一直領導著 PVAMU 的課程開發，以確保學生得到充分的指導和培訓，并確保中心和 PVAMU 始終走在人工智能和大數據教育的前沿。具體而言，德克薩斯農工大學系統和德克薩斯州高等教育協調委員會（THECB）已經開發并批準了人工智能深度學習證書課程。第一批14名學生剛剛于 2021 年獲得該證書。CREDIT 中心還開展了許多外聯活動，如組織年度關鍵任務大數據分析研討會、系列研討會和 CREDIT 中心高中生夏令營。

憑借 CREDIT 中心的研究和教育能力，最近在積極研究的基礎上又獲得了許多新的資助，使中心得以持續發展。在政府機構（尤其是美國國防部）以及學術和工業合作伙伴的大力支持下，團隊認為 CREDIT 中心將進一步提高其研究和教育能力，并繼續培養學生成為高素質的勞動力，在未來為美國國防部的任務做出支撐。

FAST項目（基于智能體的系統基礎技術）是一項為期三年的研究和開發工作，與位于紐約州羅馬的空軍研究實驗室簽訂合同。該項目從一開始就由美國海軍贊助，在項目的后期，美國空軍也做出了額外的貢獻。

該項目的主題是探索新的建模方法和基于模型的軟件生產技術，以提高所開發軟件的質量，同時縮短開發時間，提高設計的可重復使用性。在模型驅動的軟件和系統開發，以及海軍的任務工程有很大的相似性。傳統上，這兩個過程都是以自下而上的方式開發，而自上而下的方法則更有針對性和前景。這種自上而下的方法的最初步驟必須是一個概念模型，概述基于一組給定事實達到預期目標所需的所有（概念）決策。對于任務工程來說，這個決策建模器有助于確定所有需要做出的關鍵決策，以及相應的任務，以便規劃和執行一個成功的任務。對于軟件或系統工程師來說，決策建模器概述了設計中的系統的關鍵語義和相應結構。雖然存在對系統工程的建模支持，在某種程度上也存在對軟件工程的建模支持，但沒有任何工具支持將決策建模器作為系統或軟件設計模型的一個完全集成部分來建立。因此，由于其根源在于系統建模語言（SysML），任務工程也缺乏決策建模能力。

我們通過為統一建模語言（UML）建模工具MagicDraw（又名Cameo）開發決策建模器能力，作為一個可加載的插件，與商業上可用的插件，如SysML、UAF等兼容，縮小了這一差距。決策建模器實現了決策模型和符號OMG標準所定義的決策需求圖的增強型變體，但在其他方面偏離了OMG標準，以提供更復雜的決策表達建模、決策仿真能力，以及與SysML（v1.x）的無縫集成能力。為了在更大的仿真場景中進行協作，我們為MagicDraw開發了第二個插件（名為SimCom），允許決策建模器的仿真能力與外部仿真系統（如高級仿真、集成和建模框架（AFSIM））之間進行實時協作。SimCom插件實現了一個受 "高級架構"（HLA）仿真協議啟發的輕量級協議。我們用決策建模器和AFSIM之間的協作場景展示了這種能力。

雖然決策建模器的工作使我們偏離了開發時間和空間（4D）、基于模式建模方法的最初計劃，但我們的深入合作和對SysML v2的貢獻，在很大程度上彌補了這一點，提交給OMG。SysML v2已經達到了與我們最初計劃的相似的4D特征。在SysML v2環境下重建決策建模器將是一項有趣和有益的任務。除了參與SysML v2的工作，該項目還在其他幾個OMG標準的開發中起到了主導作用。

方法、假設和程序

相關標準及技術

許多建模方法包括隱含或嵌入的決策制定。這些建模案例有流程圖、活動圖、業務流程模型等等。決策建模作為一門專門的學科是比較新的。對象管理小組創建了決策建模和符號（DMN）規范，最初是為了使BPMN1業務流程模型中的決策更加明顯，并支持更詳細的決策過程。這段歷史的缺點是，DMN現在與BPMN的關系非常緊密，尤其是在元模型層面。因此，DMN，不能直接與UML或SysML集成。為了使DMN風格的決策建模與UML和SysML模型協作，特別是使現有的UML建模工具能夠進行DMN風格的決策建模，必須創建一個決策建模UML配置文件，與DMN元模型密切相關。

目標建模環境

決策建模器的開發和目標部署平臺是MagicDraw 19.0 SP4版本。MagicDraw（也被稱為Cameo）是一個UML建模工具，由No Magic公司開發和銷售。No Magic最近被Dassault Systèmes收購，Dassault Systèmes將繼續進一步開發和銷售這個工具，可能會用不同的名字。

MagicDraw是一個用Java實現的UML建模工具。它支持并使用一個插件架構來擴展其建模能力，涵蓋其他基于UML的建模語言和方法，如SysML、UAF和其他。一個OpenAPI工具箱可以用來支持自定義插件的開發。

圖 2 - MagicDraw（又名 Cameo）環境中的決策建模器

決策建模器和SimCom通信引擎是由FAST項目為MagicDraw開發的兩個定制插件。SimCom插件沒有任何先決條件，而決策建模器插件的功能需要SysML和Alf插件的存在。由于UAF是基于SysML的，決策建模器也可以用于基于UAF的企業模型。決策建模器和SimCom插件的安裝程序都與MagicDraw資源管理器一致。

標準制定

雖然在整個FAST項目中開發的技術是朝著符合相關標準的方向做出的最大努力，像OMG規范的元對象設施（MOF）、統一建模語言（UML）、系統工程建模語言（SysML）等；或者像世界網絡聯盟（W3C）開發的網絡本體語言（OWL）、資源描述符框架（RDF）或其他，但我們自己也大力參與了新標準的開發，即在對象管理小組內。

雖然標準的制定是繁瑣的工作，但它的回報是許多好處。某一主題的標準化要求它處于該主題發展的第一線。這項工作通常是在研究實驗室或高級開發部門的隱蔽處進行的。然后，標準化要求開發人員開放并與世界各地同行討論該主題，這在所有案例中都是有益的。

在FAST項目期間，我們參與了對象管理小組的幾個標準化任務。所有這些任務都是在FAST項目之前的某個時間開始的，但這些任務的持續工作和討論為FAST項目提供了重要的投入和科學效益。我們所參與的任務是： MOF到RDF的轉換，元模型擴展設施，系統工程建模語言第二版，智能體和事件元模型，以及不確定性建模的精確語義學。另見本文件后面的標準化活動一章，以及項目技術報告（CDRL A010）中的相應章節。

決策模型

決策模型由兩類元素組成：主動和被動元素。

• 主動元素是決策元素，它在模型執行過程中影響模型結果的整體結果（最高目標值）。根據OMG DMN規范，這些主動元素被定義： Decision、DecisionService和BusinessKnowledgeModel。

• 被動元素不包含任何決策邏輯，因此不直接影響模型的結果。它們可能需要協助連續的活躍元素之間的信息流，或者注釋決策模型。OMG DMN規范定義了以下兩個被動元素： InputData和KnowledgeSource。

我們決策模型的所有元素，無論是主動還是被動，都有相同的基本結構：它們將接受一個到多個輸入，稱為 "輸入事實"，并產生一個單一的輸出，稱為 "結果事實"。所有的事實都可以是單值或復值，在這種情況下，它們是單值的結構。

1 引言

機器人和自主系統（RAS）是一個不斷發展的軍事產業。雖然軍方對RAS的興趣已經存在了幾十年，但這種系統在實驗和地面行動中的使用和應用是相對較新的，而且在不斷增長。這也是荷蘭武裝部隊的情況。2018年，荷蘭皇家陸軍建立了一個實驗單元來探索RAS，即所謂的戰爭的第四次進化。與這個單元一起，荷蘭陸軍開始了實地實驗和正在進行的研究，涵蓋了關于RAS軍事用途的廣泛的基本主題。這篇文章是對這項研究的總結，進行了兩年時間。本文簡要討論了軍事應用、自主性的含義、倫理和法律方面的考慮，以及陸軍內部需要采取不同的方法來跟上技術革新的步伐。隨后，本文描述了荷蘭武裝部隊安排其概念開發與實驗（CD&E）計劃的方式，以及鑒于快速創新的需要和大型組織內官僚主義的現實，它所遇到的摩擦。最后，本文對實地實驗的第一批發現和結論進行了反思。

圖 1 操作員和 MIS。操作員使用（數字）集成在平臺上的遙控武器站。立陶宛國防部，2022 年。

2 RAS的軍事背景

機器人和自主系統(RAS)在軍事方面提供了大量的、重要的和意義深遠的機會。為了觀察這些系統在這種情況下的適用方式并評估其效用，需要解決一些定義和概念：

• 自主性。人類授予一個系統執行特定任務的獨立程度。它是自我管理的條件或質量，以實現基于系統的情景意識（綜合感應、感知、分析）、計劃和決策的指定任務。自治指的是自動化的一個范圍，其中獨立決策可以為特定的任務、風險水平和人機合作的程度量身定做。自主程度可以從遠程控制（非自主）操作員協助、部分自動化、有條件的自動化、高度自動化或完全自動化。

• 機器人。能夠通過人類直接控制、計算機控制或兩者兼而有之的方式執行一套動作的動力機器。它至少由一個平臺、軟件和一個電源組成。

• 機器人和自主系統（RAS）。RAS是學術界、科技界（S&T）公認的術語，強調這些系統的物理（機器人）和認知（自主）方面。RAS是一個框架，用于描述同時具有機器人元素和自主元素的系統。值得注意的是，RAS的每個連續部分都涵蓋了一個廣泛的范圍。系統 "部分指的是廣泛的（軍事）應用領域中的各種物理系統。在計算機或網絡上運行的自動化軟件系統，包括 "機器人"，即可以在沒有人類干預的情況下執行命令的軟件片斷，不符合RAS的要求，因為它們缺乏物理組件。機器人 "部分，指的是系統的物理布局，認為該系統是無人駕駛或無人居住的。所有其他物理方面（大小、形式、是否飛行、漂浮或滾動等）都是開放的。

• 致命自主武器系統（LAWS）。一種無需人類干預的武器，在人類決定部署該武器后，選擇并攻擊符合某些預定標準的目標，因為一旦發動攻擊，人類無法阻止。

• 生命周期。生命周期的概念包括系統的各個階段，從設計到制造、測試、運行中的使用和退役。每個階段的責任以及自動化系統的各個方面都有所不同。總而言之，在法律和道德范圍內，自動化（軍事和或雙重用途）組件的生命周期得到良好管理的總體責任在于訂購系統的國防組織。在這樣做的時候，其采購規格應包含這些內容。各個(子)系統的生產商要對其部件的運作負責。

圖2 一個系統的生命周期

• 有意義的人類控制（MHC）。有意義的人類控制包括（至少）以下三個要素。(1) 人們對武器的使用作出知情的、有意識的決定；(2) 人們在對目標、武器和使用武器的背景的了解范圍內，得到充分的信息，以確保武力的使用符合國際法；(3) 有關的武器是在現實的操作環境中設計和測試的，有關人員接受了充分的培訓，以便以負責的方式使用武器。MHC是一個復雜的概念，在許多情況下，上述描述并不是結論性的。荷蘭的官方立場是，"所有武器，包括自主武器，都必須保持在有意義的人類控制之下"。

3 概念與應用領域

"殺手機器人 "的言論使公眾對軍事背景下的機器人和自主系統的看法變得狹隘，只認為是高度或完全自主的系統對武力的致命使用。實際上，RAS可以應用于許多軍事功能和任務，每種功能都有不同程度的自主性（見圖1）。機器人和自主系統的廣泛軍事適用性產生了許多巨大的機會。未來幾年的挑戰是如何充分利用這些機會，發揮軍事優勢的潛力，同時減輕所帶來的風險。

圖 3 RAS在軍事中的應用領域

4 評估RAS的軍事價值

為了衡量RAS對軍隊的附加值，有必要確定這些系統能夠（或不能）積極促進軍事組織能力的不同方式。這可以防止為創新而創新，并將RAS的發展定位在其產生切實的、可感知的結果的潛力上。為了確定RAS的軍事用途，我們提出以下標準（見圖2）：

圖 4 RAS評估矩陣

1.在部署RAS的軍事任務中實現預期效果或目標的有效性。

2.使用資源的效率。理想情況下，系統的生命周期成本（初始投資、維護、升級等）以及運行成本（如燃料、備件和維修）都要考慮在內。

3.根據當前情況的要求進行調整的敏捷性，以及隨著時間的推移適應新情況的敏捷性。

4.應用RAS的合法性，無論是在正式意義上還是在戰區和國內的（軍事）操作人員和人民/社會所認為的合法性。

5 目前的RAS系統概述

HCSS使用的RAS數據集在很大程度上建立在SIPRI數據集的基礎上，該數據集包含了380多個RAS，被分為若干一般類別。我們的概覽目前包括299個不同的RAS解決方案。我們的概覽目前包括299個不同的RAS解決方案。大多數RAS被歸入信息和情報類別，而使用武力的RAS解決方案最少。恰恰是由于涉及國家安全問題的分類所帶來的限制，使用武力的實際RAS數量可能比可以斷言的更多。此外，在中國和俄羅斯等國家收集有關RAS的數據受到其已知的保密性和語言障礙的限制。

使用HCSS的軍事功能分類法，對當前的RAS進行了事實性的概述（見圖1）。本節將首先展示該分類法的第一層；然后是第二層，對RAS的潛在軍事應用進行更詳細的說明。為了提供一個清晰的關于RAS生產和使用的廣泛觀點，可視化將顯示每個國家生產/使用的項目的大致數量。

我們根據其軍事功能對299種RAS進行了分類，即在服務與支持、信息與情報、防御性使用武力和進攻性使用武力等領域，形成了第一層分類法。圖3描述了RAS的第二層，為HCSS的系統分類提供了更全面的觀點。

圖 5. HCSS RAS 分類法

在這些功能中實施RAS帶來了巨大的挑戰，但也預示著軍隊有了更有效、更高效和更敏捷的新機會。可以根據這些類別來評估RAS繼續（重新）進化國防領域的潛力。

速度。在人工智能的幫助下，RAS已經能夠超越人類的反應時間，縮短OODA（觀察、定向、決定、行動）的循環，從而促進快速決策和對威脅進行優先排序。

可靠性。將任務委托給機器需要極大程度的信任，到目前為止，RAS還不能證明在所有軍事應用領域都有足夠的可靠性。然而，隨著這些系統在執行具體任務時證明其可靠性和有效性，我們對這些系統的信心會增加。

精確性。人工智能系統已經發展了面部圖像識別和感官能力，超過了人類的表現水平，盡管無人駕駛系統比人類操作人員更精確的說法受到廣泛爭議。

量。由于射程和耐力的增加，RAS有能力加強對戰斗空間的覆蓋，并壓倒對手。這種潛力的最好例子是 "蜂群"。

射程。RAS大大增強了監視、情報、偵察和武器系統的可用存在點。

穩健性。在短期內，RAS將比人類更容易受到意外情況的影響，包括惡劣的天氣和任務的變化。這種脆弱性延伸到了虛擬領域：因為連接的損失、黑客攻擊和其他干擾會使一個系統失去能力。

安全性。RAS可以執行 "枯燥、危險和骯臟 "的任務，這樣人類就可以專注于更專業的任務，并遠離火線。

成本。盡管對最先進技術的獨家使用權將保留給最富有的參與者，但現在被認為是高度先進的系統的成本將在未來20年內下降，從而變得更廣泛地可獲得。

維護。鑒于系統的復雜性和所涉及的多個（外部）合作伙伴，更新和升級RAS的軟件和硬件可能被證明更加困難。

時間效率。RAS可以在不需要休息的情況下24小時高標準地執行枯燥和重復的監測任務，后勤規劃可以得到有效解決，并且可以迅速超越人類多任務處理的極限。

靈活性。盡管RAS目前在執行特定任務方面表現出色，而人類在可預見的未來仍將是最靈活的。隨著開發人員對當前系統的不斷創新，這種動態可能會發生變化。

適應性。RAS具有很強的適應性，在系統的生命周期中可以很容易地進行重新配置（擴展、延伸、升級等），以便跟上動態環境中出現的新要求。

外部合法性。因此，軍隊與RAS的接觸必須在它們（可能）提供的先進能力和它所服務的社會的價值觀和規范之間取得平衡。

內部合法性。對RAS的信任和組織正常化將隨著時間的推移得到加強。隨著對系統的理解、其可預測性和熟悉程度的提高，其在組織內的合法性將得到鞏固。

圖6 荷蘭陸軍機器人

6 自主性等級

RAS的 "自主性"部分是討論最多的，也是最受限制的。一個關鍵的概念是有意義的人類控制（MHC）。荷蘭的正式立場是，"所有武器，包括自主武器，都必須保持在有意義的人類控制之下"。同樣，沒有國際公認的定義。有意義的人類控制包括（至少）以下三個要素：

• 人們對武器的使用作出知情、有意識的決定。
• 人們在對目標、武器和使用武器的背景有充分了解的情況下，確保武力的使用符合國際法的規定。
• 有關的武器是在現實的操作環境中設計和測試的，有關人員接受了充分的培訓，以便以負責任的方式使用該武器。

然而，MHC是一個復雜的概念，在許多情況下，上述描述并不是結論性的。同樣，經常使用的人在環中、人在環上和人在環外的區分也是不夠的。這些術語指的是一個未指定的人和一個未指定的決策循環之間的關系，而在現實中，一些不同的人可能與各種循環有關。循環中的人類指的是人類具有監測功能，能夠在需要時進行干預的情況。許多這樣的環路都是非操作性的，例如，在RAS的設計階段發揮。同時，這些術語也涵蓋了人類控制（或機器自由）的方面。自主性一詞中還包含的另外兩個概念是機器的復雜性和被自動化的決策類型。

為了我們的目的，我們提出了一個基于SAE國際標準J3016的分類法（見圖4），該標準確定了六個級別的駕駛自動化來對自動駕駛汽車進行分類。

圖7 自動化等級

0：遠程控制：由操作者全時執行動態核心任務的所有方面，即使有警告或干預系統的加強。

1: 操作員協助：由協助系統利用環境信息執行核心任務的某些功能方面，而操作員執行核心任務的所有其余方面，并期望操作員對干預請求作出適當的反應。

2：部分自動化：由協助系統使用環境信息執行核心任務的所有功能方面的特定模式，并期望操作者對干預請求作出適當的反應。

3：有條件的自動化：由一個或多個輔助系統對核心任務的所有功能方面進行特定模式的執行，使用關于環境的信息，并期望操作者將對干預的請求作出適當的反應或/和可以推翻自主行為。

4：高度自動化：由一個或多個輔助系統利用有關環境的信息，執行核心任務的所有功能方面的特定模式，即使操作者沒有對干預的請求作出適當的反應。

5：完全自動化：由一個自動化系統在所有環境條件下全時執行核心任務的所有方面，至少達到可由操作員管理的水平。

7 存在的困境

7.1 RAS軍事應用的社會考慮

在軍事背景下開發、整合和使用RAS的倫理和法律考慮比比皆是。雖然目前關于機器人和自主系統（RAS）的倫理辯論往往被圍繞著全面禁止 "殺手機器人 "的相對極端的敘述所主導，但目前關于RAS的討論卻忽略了對決定如何在軍事背景下引入RAS有關鍵影響的細微差別。醞釀中的人工智能軍備競賽以及廉價、技術先進的系統在國家和非國家行為者中的傳播，迫使各國采用RAS。軍隊如何在保持人類機構、人類尊嚴和責任不變的情況下做到這一點是非常重要的。

7.2 倫理考慮

保持人的能動性，特別是在自主武器系統（AWS）的背景下，是關于在軍事領域整合RAS的最有爭議的辯論問題之一。人的能動性是一個概念，包括 "自我控制、道德、記憶、情感識別、計劃、交流和思考"。它包括 "自我意識、自我意識和自我授權的特點"，因此與道德機構有關，并影響到責任的歸屬。

人類控制也被稱為 "有意義的人類控制"（MHC），是人類機構的一個操作組成部分，它區分了人類和人工決策過程。維持MHC的一個基本方面是操作者對算法過程的參數的理解，作為計算結果的呈現，以及事后解釋機器通往結論的路徑的能力。從這一點出發，產生了RAS特別是AI的一個重要的倫理問題：缺乏算法的透明度。神經網絡等算法存在不透明性，因為它們像 "黑匣子 "一樣運作，因此算法得出結論的路徑往往無法追蹤。操作者對此類系統的理解減少，降低了他們預測和/或解釋系統推理過程的能力，削弱了操作者對結果的控制，因此，對其（錯誤）使用的責任。此外，算法驅動的系統的進化性質，無論是自學特性還是軟件更新，都有可能大大影響系統行動的可解釋性。獨立發展其對周圍環境的理解的自學人工智能、自動化偏見和對系統輸出的過度信任可能會限制人類對RAS系統運行的控制。由于系統的設計可以在觀察、定向、決定、行動（OODA）循環中的多種功能中納入不同程度的自主性（從遠程控制到完全自主），有意義的人類控制原則應在開發的最初階段被考慮。

基本的指導原則是以 "設計的倫理 "來工作，即在用例識別、系統設計、驗證、制造和測試過程中納入倫理考慮，而不是僅僅在系統生命周期的 "使用 "階段。這就需要在設計和測試階段的早期建立對系統性能和行為的理解，通過早期讓終端用戶參與進來，這意味著操作員、監督員和指揮官將能更好地追蹤、理解和預測系統的決策過程。應該為將開發過程外包給外部承包商建立最佳實踐指南。

7.3 法律考慮

RAS中缺乏有意義的人類控制，這推動了對管理自主武器的法律討論和辯論的考慮。國際上的立場仍然大相徑庭，從禁止這類武器的支持者和反對者到介于兩者之間的一些國家，強調需要進一步澄清和闡述現有制度。然而，很明顯，目前的規則、標準和做法是相關的，但很可能不足以涵蓋自主武器方面的發展。至少，RAS需要對現有法規進行完善。雖然基于共識的《特定常規武器公約》/《政府專家組》仍然是推動這一辯論的必要工具，但僅靠這一努力是否足夠令人懷疑。盡管有非政府組織和學術界的參與，但在這種形式下，國家締約方占主導地位，工業界只是以后備身份出現。在國際層面的定義、規范和標準的各種方法中，荷蘭需要決定其武裝部隊現代化的方向，并在不斷加強的公眾辯論中決定其國際姿態。

管理RAS的法律方法包括硬法律、軟法律和自愿措施。硬法涉及國家間談判和商定的具有約束力的條約。軟法涉及準法律文書，如具有政治約束力的行為守則（CoCs）或建立信任和安全的措施（CSBMs），有時涉及國家以外的多個利益相關方。最后，自愿性文書包括行為原則或規范以及最佳做法的交流，或傳統軍備控制界內部或外部的其他信息（見圖6）。

圖 6：監管 (L)AWS 的三種機制

8 概念開發與實驗是必需的環節

8.1 RAS軍事應用的操作考慮

對RAS的軍事適用性的業務操作考慮涉及現有程序和武裝部隊內部文化帶來的挑戰，特別是在與外部伙伴的合作以及概念開發和實驗（CD&E）方面。在合作方面，RAS的出現對軍事背景下多利益相關方合作的有效性提出了挑戰，特別是當它涉及與私營部門的合作結構時。除了與外部關系的變化，武裝部隊還必須努力解決CD&E過程的內部重組問題，這不僅會對指導組織功能的結構過程提出質疑，也會對更廣泛的理論思維提出質疑。RAS的獨特之處在于，它們最終會將人類帶入 "圈外"，并因此極大地影響作戰性能、組織嵌入（例如，影響人員的數量、技能和培訓）以及作戰概念（理論和戰術）。

協作考慮

由于RAS的發展在很大程度上是由民用創新驅動的，RAS的整合創造了與傳統國防工業以外的設計者、開發者和制造商互動的需求。管理這種關系需要：a）綜合和跨學科的合作；b）明確的任務、投資和責任分工；c）實施共同的系統結構；d）平衡軍事要求和期望、技術可能性以及（可能沖突的）法律、倫理和安全參數。

此外，由于快速的創新周期，例如人工智能（AI），RAS必須在快節奏的程序中開發和獲得，使用時間較短，并在系統的整個生命周期中進行修改、更新、插入或交換。而常規系統的整合包括從開發者/生產者到將使用新系統的軍事組織的某種 "移交"。RAS的一個特點是對持續發展的集成軟件的依賴；當然，在自我學習算法是系統自主推理的一部分的情況下。因此，RAS的移交并不一定是生產者在生命周期的后期階段的最終參與。生產者必須確保系統得到充分和定期的更新，確保系統的自學性質得到控制，并繼續滿足需求和標準。

與這些快速的創新周期相比，關于倫理問題和法律不確定性的社會討論展開得很慢。這些對話需要與國防組織之外的一系列利益相關者和政策制定者進行互動。軍方應盡可能地讓外部開發者參與這一辯論，并應通過使用內部準則或行為守則對所有利益相關者進行有意義的監督。

RAS的整合涉及到對所有 "DOTMLPF "類別的調整。軍隊應重新考慮理論是否涵蓋了RAS部署的情況，部隊的培訓和組織是否足以確保RAS得到充分利用，是否有足夠的技術知識來處理臨時的技術問題，設施是否具備維修RAS的能力，等等。RAS可能給DOTMLPFelements（部分或全部）帶來的根本性變化，需要與國防組織內的利益相關者、國際軍事伙伴，以及可能與其他伙伴機構進行廣泛的互動。

8.3 概念開發與實驗（CD&E）考慮

在武裝部隊中引入RAS，不僅僅是為了適應和使用新的武器系統。為了站在快速變化的需求和新興技術的最前沿，并能夠就RAS如何增強軍隊做出正確的決定，實驗是關鍵。對于設備的開發者來說，軍事世界可能是相當新的，并且鑒于在與RAS合作時出現的新問題，必須組織與開發者、生產商、知識機構，當然還有作戰用戶本身的密集工作關系。這些工作關系和隨后的討論應該為幾乎準備好的產品建立，但也特別是為武裝部隊的最概念性的想法建立。這些討論可以在所謂的 "試驗臺 "中進行。

在武裝部隊內部，如何從目前和計劃中的部隊轉向未來部隊的文化需要改變態度。需要進行深入的對話和研究，不僅是關于確定性的話題，如更新舊設備，而且是關于不確定性的話題，如思考未來需要的能力，并就如何達到這一點制定戰略。國防規劃系統需要為此進行調整，可能還需要在國防投資或生命周期計劃中設立單獨的創新基金。首先，關于采購的嚴格規定需要進行一些調整，以允許從舊手段向新手段的創新過渡。一個可能的方法是在定義新的能力需求的早期階段成立一個工作組，所有相關的參與者，從法律團隊和采購支持到業務用戶和負責的參謀人員，都可以討論和規劃新能力的獲得。

訪談發現，相當多的創新來自于組織的低層，而不是對未來技術的大局思考的產物。創新部門應該提供靈活的程序和一定程度的操作自由，以允許 "草根 "創新。創新競賽是另一個很好的例子，說明組織可以相當迅速地、不通過復雜的程序達成某些創新解決方案。同樣重要的是，允許創新失敗，在這種情況下，沒有人必須為這種失敗而受到懲罰的想法。雖然不能指望軍事組織像工業界那樣接受失敗和承受風險，但如果要取得進展，必須向這種態度轉變。失敗和風險是真正創新的不可分割的組成部分。因此，工業界和軍方必須緊密合作，在RAS技術的生命周期內對創新進行評估。

圖8 第13輕裝旅RAS-CD&E單元

9 第 13 輕旅 RAS-CD&E單元

9.1 啟動

在許多陸軍中，啟動一個新項目或創建一個新單元的常見方式是通過周密的計劃、研究和大量的耐心。2018年，荷蘭皇家陸軍司令部偏離了這一軌道，指派一名軍官開始RAS考察，只下了一個非正式的命令："剛剛開始，探索各種可能性"。在沒有正常的組織分解結構和工作描述的情況下，這名軍官將具有不同專長的人聚集在他周圍，并進行了簡短的文獻審查和市場調查，以考察設備的可能性和可用性。這個新成立的團隊得到了RAS實驗單元的名字。該單元負責RAS領域的概念開發和實驗，并與工業界和大學一起探索短期和中期的研究目標。

這種迅速的開始使得在短短兩年內建立一個大約20人的團隊，擁有各種機器人、無人機和其他設備。在此期間，在蘇格蘭和奧地利進行了重大演習，RAS團隊帶著機器人參加了演習。

9.2 執行

軍隊指揮部的明智決定是將RAS實驗單元設在一個作戰旅，即13輕騎兵旅內，而不是教育和訓練單元或卓越中心內。這樣一來，就有可能為最終用戶進行實驗，并與最終用戶一起進行實驗，從未來必須操作這些系統的人那里獲得直接反饋。終端用戶由一個常規步兵排代表，該排被旅長指定為執行實驗的專用排。這個所謂的RAS排被置于RAS實驗單元的戰術指揮之下。

在第一年半的時間里，RAS-單元抓住一切機會快速啟動，這導致了各種各樣的項目分散到各個方向，它們之間沒有明確的凝聚力或明顯的焦點。這種工作方式是經過深思熟慮的選擇，即在短時間內非常靈活地探索RAS的廣泛領域，并采摘低垂的果實，而不是被阻礙和束縛在一個僵化的路徑上。這種方法在短時間內取得了許多小的成功，其結果是在組織內創造了一種積極的運動和熱情，以接受這一計劃，并繼續為一個相對不確定的計劃分配資金和資源。它引起了上級指揮部的注意、信任和 "贊助者"，產生了促進該計劃成為武裝部隊創新的主要先鋒之一的積極結果。

基于過去一年半的知識和經驗，廣泛而多樣的方法匯聚成2021年和2022年的三條行動路線。第一條線的目標是在2022年底與RAS排一起在軍事相關的環境中進行操作實驗，如任務。第二條是繼續進行已經開始的短周期實驗，第三條是（內部）開發人工智能，以實現從遠程控制到更多自主系統的步驟。這三條線都將集中在戰斗功能上。雖然從后勤或傳感開始爭議較少，但國家擁有使用武力的壟斷權，因此有責任在這一領域啟動控制良好和負責任的研究和開發。在其他研究領域有可能出現雙重用途的情況下，軍隊應以最低限度的能力采用和吸收這些研究結果，使其成為軍事證據。在戰斗功能方面，需要與工業界和大學的技術專長緊密合作并結合具體的軍事領域知識。

9.3 先決條件與挑戰

上述所選方法的成功程度取決于某些先決條件和滿足這些條件的方式。以下因素對RAS項目第一階段的迅速開展至關重要。

首先，被指派領導項目的人必須有一種反叛和創業的心態，特別是在像軍隊這樣的大型官僚組織。這是必要的，以便以非傳統的方式將組織從A地轉移到B地。如果以傳統的方式進行，你最終可能只是把事情做得更好一點。第二，項目負責人必須表現出毅力和勇氣，因為這將是一個艱難的內部旅程，團隊會遇到很多不情愿、不靈活和保守的情況。第三，管理層必須表現出對項目負責人的充分信任，并以誠實的意圖而不是以時間表來支持任務。這意味著一級和二級管理層必須接受混亂和 "不受控制 "的感覺。因此，重要的是在組織內部盡可能低的層次上賦予全部責任。例如，在計劃開始時，只有少數項目和活動是由上級指揮部設立和了解的。但隨著時間的推移，RAS單元不斷壯大，項目和活動的數量也隨之增加。當上級指揮部和上級領導對他們所不知道的項目數量感到 "驚訝 "時，當他們 "面對 "進展的規模時，就出現了轉折點。盡管所有項目似乎都符合方案和指揮官的意圖，但未知的情況讓上級指揮部感到不舒服。花了一些時間和多次 "咖啡機會議 "才阻止了收緊規則和增加控制措施。為了提高上級指揮部對形勢的認識，同意在RAS-單元內引入某種聯絡方式。

造成這種失控感的部分原因是，RAS計劃是一個復雜的、全面的和技術性的計劃。它有各種各樣的基礎項目，在技術領域、工程師或概念的成熟度、工業伙伴和方法上都有所不同。所有這些較小和較大的項目在時間上平行和/或串行運行，最終都有助于實現商定的目標。但這需要對所有這些項目有深入的了解，并以整體的觀點來看待這種相互聯系。只看到這個復雜的拼圖的一部分會給人一種混亂的印象。然而，正如高級指揮部所意識到的那樣，對方案細節有一個非常簡要的概述，但對目標和目的有一個清晰的看法和把握，這是第一步。下一步是接受這種簡短的細節，抑制試圖掌握所有細節的第一反應，這仍然是方案中的一個問題。為解決高層領導的這一擔憂，一個可能的解決方案是創建一個大型的圖像序列，其中所有的（子）項目都圍繞著主要目標進行可視化，并概述這些（子）項目之間的關系。有了這樣的圖示，就更容易說服和告知上級指揮部這些（子）項目的必要性，以及它們在大局中的作用。最后，對于參與項目的每一個人來說，接受（或更好地擁抱）失敗并保持耐心是很重要的。

圖 9.NLRA，RAS 排。 Themis RC 機器人在奧地利與荷蘭步兵一起進行 CD&E 演習

9.4 前進之路

隨著RAS發展的重點放在戰斗上，荷蘭國防部已經啟動了對無人駕駛地面車輛（UGV）和人工智能（AI）的長期投資計劃。在15年的期限內，軍隊將投資于各種戰斗型UGV的實驗，包括進一步開發相應的人工智能。隨著這項投資集中在連級，實驗將被執行，以開發更大規模單元（如營或旅）的新操作概念，同時還將建立一個模擬程序。這一發展的第一步從2022年開始，并將在2023年繼續。目標是創造一個模擬環境，在這個環境中，指揮官和他的工作人員可以嘗試新的作戰概念，除了現有的軍隊裝備外，還可以自由地納入各種RAS。除了概念的發展，這些模擬的結果將為新單元的形成和設置、這些單元內所需的RAS組合以及這些系統的具體資格提供指導。

馬里蘭大學情報與安全應用研究實驗室（ARLIS）是美國防部指定的大學附屬研究中心（UARC），創建于2018年，在與國防安全企業（DSE）和整個情報界（IC）特別相關的課題上成為長期和值得信賴的研究和開發資源。2020年，ARLIS成立了情報與安全大學研究企業（INSURE）學術研究聯盟，以進一步支持其作為UARC的使命，邀請一組有針對性的合作伙伴機構，以擴大可用于支持ARLIS核心能力和任務領域的人才和技術資源。INSURE正在協調成員大學在情報和安全方面的應用和使用啟發研究活動，使這些項目與具體的國防部和IC項目經理和活動保持一致，以加強影響，改善產品轉化為業務使用，并加強有能力直接為國家安全社區解決技術問題的學生和教員的渠道。

為了促進INSURE計劃與聯盟的三個歷史上的黑人大學（HBCU）合作伙伴（霍華德大學、摩根州立大學和哥倫比亞特區大學）的活動，提出了一套五（5）個試點項目。每個項目都與ARLIS的核心能力、當前ARLIS的任務領域以及當前或待定的國防部或IC利益相關者保持一致。這些任務的擬議執行期為2020年9月至2021年8月，以便與ARLIS的任務訂單和學術日歷保持一致。

雖然所有五個試點項目主要由三個HBCU合作伙伴組成的研究團隊執行，但ARLIS的技術負責人作為咨詢伙伴，將工作和執行者與ARLIS的其他工作和政府客戶聯系起來，確保工作忠于UARC的使命，并提供整體協調和監督。ARLIS的領導還提供與國防部贊助者的溝通，并對研究進行監督。作為國防部指定的UARC和負責任的承包商，ARLIS的行政人員致力于監督與安全有關的合規程序（這項工作被認為是基礎研究，免除了許多典型的合規要求），人類主體研究的批準（適當的）和組織利益沖突的緩解。管理預算，以確保按工作說明書中的計劃交付成果；協調技術審查；并普遍致力于確保所有INSURE的研究和技術支持工作都以最高的安全、道德和誠信標準進行，并完全遵守UMD、政府和任務活動的具體要求。

1.5G技術評估

• 技術負責人：Kevin Kornegay，摩根州立大學
• 合作伙伴Michaela Amoo，霍華德大學
• ARLIS負責人：Wayne Phoel，研究工程師

2.機器學習實驗

• 技術負責人：Paul Cotae，哥倫比亞特區大學
• ARLIS負責人：克雷格-勞倫斯，人工智能、自主性和增強的任務區負責人

3.人工智能/ML工具的網絡評估

• 技術負責人：Gloria Washington，霍華德大學
• 合伙人：Paul Wang，摩根州立大學
• ARLIS負責人：Craig Lawrence，AAA任務區負責人

4.AI/ML系統工程工作臺

• 技術負責人：摩根州立大學的Kofi Nyarko
• 合作伙伴Michaela Amoo，霍華德大學
• ARLIS負責人：Craig Lawrence，AAA任務區負責人

5.聊天機器人測試平臺

• 技術負責人：阿米特-阿羅拉，哥倫比亞特區大學
• 合伙人 Gloria Washington，霍華德大學
• 合伙人：Onyema Osuagwu，摩根州立大學
• ARLIS領導：米歇爾-莫里森，語言和文化任務區負責人（后由安東-瑞廷和瓦萊麗-諾瓦克代替）。

項目1屬于ARLIS的采購安全任務領域。人們對未來通信網絡硬件、軟件和操作中的外國影響的擔憂繼續增加，特別是當這種網絡的使用開始滲透到國防和其他關鍵系統時。該項目試圖創建一套測試工具，用于分析新興的第五代（5G）移動電信系統的硬件性能、網絡安全、無線安全和用戶訪問。

項目2、3和4屬于ARLIS的人工智能（AI）、自主性和增強（AAA）任務領域。雖然研究界報告的人工智能成果令人印象深刻，但AAA技術在國防部和情報界的操作效益還沒有完全實現。需要有流程、方法、支持工具和測試平臺來開發人工智能應用程序，使其能夠可靠地執行預定的任務，并以自然（和最佳）的方式在操作員/分析員的工作流程中完成，產生用戶信任和理解的結果，并對惡意攻擊進行加固。項目2、3和4發展基礎理論，評估現有的AI/ML工具包，并建立一個強大的AI/ML系統工程工作臺。

項目5調查了現有的最先進的技術，并開發了一個測試平臺，用于探索部署和使用多語言聊天機器人來解決影響、信息戰和內部威脅等問題，與ARLIS的一些任務領域相聯系，包括認知安全、建模和減輕內部風險以及語言和文化。

美國防部負責研究和工程的副部長辦公室（Alexandria, VA）成立了美國防部健康和人類表現生物技術委員會（BHPC）研究小組，以持續評估生物技術的研究和發展。BHPC小組評估了具有潛在軍事用途的改善健康和性能的科學進展；確定了相應的風險和機會以及倫理、法律和社會影響；并向高級領導層提供了為未來美國部隊減輕對抗性威脅和最大化機會的建議。在BHPC執行委員會的指導下，BHPC研究小組進行了為期一年的評估，題為 "2050年的半機械士兵：人/機融合和對國防部未來的影響"。這項工作的主要目的是預測和評估在未來30年內與人體結合的機器對軍事的影響，以增強和提高人類的表現。本報告總結了這一評估和發現；確定了該領域新技術的四個潛在軍事用途；并評估了它們對美國防部組織結構、作戰人員的理論和戰術以及與美國盟友和民間社會的互操作性的影響。

執行總結

美國防部健康和人類表現生物技術委員會（BHPC，弗吉尼亞州亞歷山大）研究小組調查了與協助和提高人類在許多領域的表現有關的廣泛的當前和新興技術。該小組利用這些信息開發了一系列小故事，作為討論和分析的案例，包括可行性；軍事應用；以及倫理、法律和社會影響（ELSI）的考慮。最終，該小組選擇了四個場景，認為它們在2050年或更早之前在技術上是可行的。以下是與軍事需求相關的場景，并提供了超越目前軍事系統的能力：

• 對成像、視覺和態勢感知的眼球增強。

• 通過光遺傳體衣傳感器網恢復和編程肌肉控制。

• 用于通信和保護的聽覺增強。

• 直接增強人腦的神經，實現雙向數據傳輸。

盡管這些技術中的每一項都有可能逐步提高超出正常人類基線的性能，但BHPC研究小組分析認為，開發直接增強人腦神經的雙向數據傳輸技術將為未來的軍事能力帶來革命性的進步。據預測，這項技術將促進人與機器之間以及人與人之間通過腦與腦之間的互動的讀/寫能力。這些互動將允許作戰人員與無人駕駛和自主系統以及其他人類直接溝通，以優化指揮和控制系統和行動。人類神經網絡和微電子系統之間直接交換數據的潛力可以徹底改變戰術戰士的通信，加快整個指揮系統的知識轉移，并最終驅散戰爭的 "迷霧"。通過神經硅接口對人腦進行直接的神經強化，可以改善目標的獲取和接觸，并加速防御和進攻系統。

盡管直接神經控制所帶來的軍事硬件控制、增強的態勢感知和更快的數據同化將從根本上改變2050年的戰場，但其他三種半機械人技術也可能以某種形式被作戰人員和民間社會采用。BHPC研究小組預測，人類/機器增強技術將在2050年之前廣泛使用，并將穩步成熟，這主要是由民用需求和強大的生物經濟推動的，而生物經濟在今天的全球市場上處于最早的發展階段。全球醫療保健市場將推動人類/機器增強技術，主要是為了增強因受傷或疾病而喪失的功能，國防應用可能不會在后期階段推動市場發展。BHPC研究小組預計，逐步引入有益的恢復性機械人技術將在一定程度上使人們適應其使用。

BHPC研究小組預測，在2050年之后的幾年里，將增強的人類引入普通人群、美國防部現役人員和近似的競爭對手，并將導致既定法律、安全和道德框架的不平衡、不平等和不公平。這些技術中的每一項都將為終端用戶提供某種程度的性能改進，這將擴大增強和未增強的個人和團隊之間的性能差距。BHPC研究小組分析了案例研究并提出了一系列問題，以推動其對國防部計劃、政策和行動的影響評估。以下是由此產生的建議（不按優先順序排列）：

1.美國防部人員必須對社會對人/機增強技術的認識和看法進行全球評估。在美國存在一種普遍的看法，即我們的對手更有可能采用美國民眾因道德問題而不愿或不愿意使用的技術。然而，對手對這些技術的態度從未被證實過。引入新技術后的社會憂慮會導致意料之外的政治障礙，并減緩國內的采用，而不考慮價值或現實的風險。對全球態度的評估將預測在哪些地方可能因為社會政治障礙而難以引進新技術，以及在哪些地方對手采用抵消技術可能會更容易被接受。

2.美國領導層應利用現有的和新開發的論壇（如北約）來討論在接近2050年時對盟國伙伴互操作性的影響。這將有助于制定政策和實踐，使部隊的互操作性最大化。機械人技術的快速發展速度對軍隊的互操作性有影響。美國防部要求在北約和其他全球聯盟框架內與盟國伙伴保持互操作性，這就需要努力使半機械人資產與現有的盟國伙伴關系理論保持一致。

3.美國防部應投資發展其控制下的動態法律、安全和道德框架，以預測新興技術。由于這些技術在美國和世界其他國家（盟國和敵國）的發展速度，目前的法律、安全和道德框架是不夠的。因此，國防部應支持制定具有前瞻性的政策（內部和外部），以保護個人隱私，維持安全，并管理個人和組織的風險，同時使美國及其盟友和資產的明確利益最大化。由于國家安全技術的操作化是國防部任務的核心，這些框架的結構應該是靈活的，并對美國國內或其他地方開發的新技術做出反應。

4.應努力扭轉關于增強技術的負面文化敘述。在流行的社會和開源媒體、文學和電影中，使用機器來增強人類的身體狀況，在娛樂的名義下得到了扭曲的和反社會的敘述。一個更現實、更平衡（如果不是更積極）的敘述，以及政府對技術采用的透明度，將有助于更好地教育公眾，減輕社會的憂慮，并消除對這些新技術的有效采用的障礙。一個更加知情的公眾也將有助于闡明有效的社會關注，如那些圍繞隱私的關注，以便國防部人員可以盡可能地制定緩解策略。雖然這不是國防部的固有任務，但國防部領導層應該明白，如果這些技術要投入使用，需要克服公眾和社會的負面看法。

5.美國防部人員應進行桌面兵棋推演和有針對性的威脅評估，以確定盟軍和敵軍的理論和戰術。兵棋推演是衡量不對稱技術對戰術、技術和程序影響的既定機制。探討美國或其對手整合和使用人類/機器技術的各種場景的桌面演習將預測抵消優勢，確定北約和其他盟國組織的互操作性摩擦點，并告知高級軍事戰略家和科技投資者。國防部人員應利用對這一新興領域有針對性的情報評估來支持這些努力。

6.美國政府應支持努力建立一個全國性的人/機增強技術的方法，而不是整個政府的方法。聯邦和商業在這些領域的投資是不協調的，并且正在被中國的研究和開發努力所超越，這可能導致美國在本研究的預計時間框架內失去在人/機增強技術方面的主導地位。在商業領域接近同行的主導地位將使美國在國防領域的利益處于劣勢，并可能導致到2050年在人/機增強領域的劣勢被抵消。為保持美國在半機械人技術方面的主導地位而做出的國家努力符合國防部和國家的最佳利益。

7.美國防部應支持基礎研究，在投入使用前驗證人/機融合技術，并跟蹤其長期安全性和對個人和團體的影響。人機融合帶來的好處將是巨大的，通過恢復因疾病或受傷而喪失的任何功能，將對人類的生活質量產生積極影響。軍事界也將看到影響行動和訓練的能力機會。隨著這些技術的發展，科學和工程界必須謹慎行事，最大限度地發揮其潛力，并關注我們社會的安全。在這些領域的相應投資將致力于減少這些技術的誤用或意外后果。

美國負責采購和維持的國防部副部長辦公室（OUSD A&S）的任務是快速和低成本地向作戰人員和國際合作伙伴提供和維持安全和有彈性的能力。現在迫切需要開發適應性采購框架（AAF），以加快軟件開發和采購流程，加強作戰概念（CONOPS），如分布式海上作戰（DMO）。國防部（DoD）必須利用與國防戰略和全球威脅的性質相聯系的數據驅動的分析來塑造AAF，并擴展新的能力來應對新的威脅。威脅和能力共同演化矩陣（TCCM）解決了這一要求。威脅是一種能力試圖處理的問題。一種能力是代表威脅的問題的解決方案。共同進化算法探索了一些領域，其中一個能力或能力組合的質量由其成功擊敗一個威脅或威脅組合的能力決定。TCCM有可能在新的和有爭議的環境中系統地優化、推薦和共同演化能力和威脅。我們展示了一個關于幫助項目執行辦公室（PEO）使用從公開來源匯編的非機密數據對特定領域DMO的能力和威脅進行戰役的用例。

引言

不僅美國防部負責采購和維持的副部長辦公室（OUSD A&S）有必要制定采購戰略，而且整個國防部也有必要應用數據驅動的分析以及與國防戰略和全球威脅的性質相聯系的創新和適應性作戰概念（CONOPS），并為作戰人員擴展新的能力。

例如，為了提高部隊的總體戰備能力，并在廣泛的行動和沖突頻譜中隨時投射戰斗力，海軍需要靈活的指揮和控制（C2）組織結構來滿足CONOPS。例如，DMO是海軍的一個CONOPS，而遠征先進基地作戰（EABO）是美國海軍陸戰隊（USMC）的一個CONOPS。DMO和EABO都是海戰現代化的新興作戰概念。PMW 150是PEO C4I的C2系統項目辦公室，也是C2解決方案的主要提供者，它的工作重點是將作戰需求轉化為海軍、海軍陸戰隊、聯合部隊和聯軍作戰人員的有效和可負擔的作戰和戰術C2能力。PMW150的任務是 "以創新的方式滿足相關能力的操作要求，使作戰人員能夠保持C2的優勢"（Colpo，2016）。

另一方面，美國艦艇的海上行動，特別是在沿海地區，將繼續存在爭議和危險；因此，當務之急是發展DMO和EABO，以實現統一的行動愿景。DMO的目的是在有爭議的環境中支持國家和戰略目標。DMO的概念不僅將進攻性打擊視為在戰斗中獲勝的主要戰術，而且還將欺騙和迷惑敵人的能力確定為在有爭議的環境中獲得成功的關鍵任務。目前的工作重點是將現有的平臺、系統和能力與DMO的具體戰術相結合，以實現海上戰略和作戰目標。DMO被定義為 "通過使用可能分布在遙遠的距離、多個領域和廣泛的平臺上的戰斗力來獲得和保持海上控制所必需的作戰能力"（海軍作戰發展司令部[NWDC]，2017）。

DMO作為海軍和海軍陸戰隊資產運作的一個概念，其發展源于分布式殺傷力（DL）模型（Popa等人，2018）。DMO的概念采用了DL的擴展觀點，由三個支柱組成：通過網絡射擊能力提高單個軍艦的攻擊力，將攻擊能力分布在廣泛的地理區域，并為水面平臺分配足夠的資源，以實現增強的作戰能力（Rowden, 2017）。DMO還強調在所有領域，包括空中、地下和網絡戰，都需要更有彈性和可持續性的水面平臺。DMO的未來觀點是成為以艦隊為中心的戰斗力，通過整合、分配和機動性，允許在多個領域（有爭議的空中、陸地、海上、太空和網絡空間；國防部，2018）同時和同步執行多種能力和戰術，以便在復雜的有爭議的環境中戰斗和獲勝（Canfield，2017）。因此，DMO不僅包括傳感器、平臺、網絡和武器的傳統戰爭能力，而且還延伸到隨著新技術發展的其他戰術。DMO概念使用涉及ISR、機器學習（ML）和人工智能（AI）的先進探測和欺騙，特別是使用無人系統來增強進攻性戰術行動的能力；因此，通過潛在地利用平臺、傳感器、武器、網絡和戰術的不同組合，可以在所有海上領域放大一支多樣化但統一的部隊的戰斗力。

DMO的概念包括詳細的能力，如反措施、反目標和反介入的戰術。反措施是旨在轉移威脅的防御性能力。反目標可能是進攻性能力、欺騙性戰術和轉移威脅的作戰演習。欺騙性戰術包括無人資產群、機械和物理反措施、電子干擾和限制電磁輻射，或排放控制（EMCON）。反介入是為了消除威脅。

傳統上，基線部隊結構由一組固定的友軍艦艇和飛機組成，排列成行動組，包括航母打擊組（CSG）、遠征打擊組（ESG）、水面行動組（SAG），以及各種獨立的可部署單位，如EABO的遠征海軍部隊。

DMO的行動要求包括能力、人力、維護和供應等資源，需要仔細分析、計劃和執行，這需要正確的數據戰略、分布式基礎設施和深度分析。威脅與能力協同進化矩陣（TCCM）的技術概念解決了DMO和EABO行動的要求。威脅是一種能力試圖處理的問題，包括其復雜性和緊迫性。一種能力是代表威脅的問題的解決方案。來自ML/AI社區的協同進化算法探索了一些領域，其中能力或能力組合的質量由其成功擊敗威脅或威脅組合的能力決定。戰爭游戲模擬中使用的協同進化算法類似于國防應用中廣泛使用的蒙特卡洛模擬，只是它們參與了預測和預報、優化和博弈（minmax）算法等ML/AI。DMO和EABO概念要求處理不斷變化和發展的威脅的能力和資源網絡的靈活性和進化。

圖 1. 每個節點都使用 CLA 注意：每個節點的內容和數據可能包括能力；首先需要對能力進行索引、編目和數據挖掘。

圖 2. TCCM 和兵棋仿真的概念

該項目支持美國陸軍戰爭學院保持一個公認的領導者，并在與美國陸軍和全球陸軍應用有關的戰略問題上創造寶貴的思想。該項目于2018年由美國陸軍訓練與理論司令部總部要求，描述一個新的或修改過的作戰框架，以使陸軍部隊和聯合部隊在多域作戰（MDO）中對同行競爭者成功實現可視化和任務指揮。

由此主要形成一個在2019學年進行的學生綜合研究項目，該項目涉及4名美國陸軍戰爭學院學生和4名教員，由John A. Bonin博士領導。該項目研究了MDO的概念，即它如何影響任務指揮的理念和指揮與控制職能的執行。向MDO的過渡改變了陸軍指揮官和參謀人員在競爭連續體中進行物理環境作戰和信息環境作戰的傳統觀點。

該項目以第一次世界大戰期間美國陸軍引進飛機為案例，研究將新領域納入軍隊的挑戰。該項目還提供了對MDO的概述和分析，以及它正在改變我們的戰斗方式以及軍隊的角色和責任。這些變化將使聯合部隊能夠更有效地進行連續作戰，特別是在武裝沖突之下的競爭中。

向MDO的過渡將需要新的流程，該項目調查了多領域同步周期如何能帶來好處。物質系統、聯合專業軍事教育、聯合和陸軍理論以及總部人員結構將需要改變，因為領導人及其工作人員將需要不同的技能來在這個新環境中運作。

報告總結

陸軍新興的多域作戰（MDO）概念對最近修訂的陸軍任務指揮理論提出了新的挑戰。美國已經有75年沒有與同行競爭者作戰了；因此，個別軍種在概念上側重于打自己的對稱領域戰爭，而較少注意在其他領域支持其他軍種。隨著技術的變化和國防預算的縮減，各軍種正在迅速失去通過純粹的存在和數量來控制其領域的能力和實力。因此，各軍種需要從不同領域獲得不對稱的優勢，以便在其領域作戰中取得成功。

陸軍的指揮和控制方法是任務指揮。這種方法要求指揮官有能力理解、可視化、溝通和評估關鍵決策、風險以及關鍵情報和信息要求。多域作戰的任務指揮將要求指揮官在多個領域以及指揮梯隊之間和內部保持單領域的卓越和知識。同樣重要的是，指揮官必須創造、確保并維持對其自身決策過程的共同認識。風險分析和關鍵的情報和信息需求過程是必要的，以確保指揮官能夠設定條件，賦予下屬領導權力，并在多個領域的范圍內影響分布式行動。因此，為了滿足這些新的要求，需要有新的框架來理解和調整多領域的指揮關系和人員結構。

這些新的框架將需要一個多領域的同步化進程，為指揮官提供一個確定新需求并為其提供資源的方法。與使用軍事決策程序或聯合規劃程序的傳統作戰程序不同，這兩種程序都側重于單一領域的規劃，而多領域同步程序則是在整個規劃和執行周期中，從指揮官和參謀部之間的持續合作中演變而來，跨越所有領域和環境。這種演變創造了對關鍵決策、相關風險以及指揮官認為至關重要的關鍵情報和信息要求的共同理解。

這項研究支持美國陸軍戰爭學院繼續保持在創造與陸軍和全球陸軍應用相關戰略問題寶貴思想方面的公認領導地位。該研究考察了MDO概念的應用，即它如何影響任務指揮的理念以及指揮和控制功能的執行。第一次世界大戰期間飛機的引入提供了一個與當前情況相似的背景，因為1918年的陸軍在如何為大規模的地面行動提供最佳的指揮和控制，以對抗同行的對手，以及如何整合空中對陸地的支持。當陸軍試圖了解如何在多個領域進行整合時，從約翰-J-潘興將軍對飛機的整合中得到的啟示可以說明問題。威廉-米切爾在戰時和戰后的角色說明了我們在試圖執行MDO時可能面臨的一些挑戰，例如在未來大規模地面作戰行動中保衛網絡和空間領域。

對MDO的概述和分析將提供陸軍對該概念的定義，并描述陸軍在競爭連續體中的作用。MDO概念將需要新的組織和人員框架來在沖突連續體的所有方面實施MDO。陸軍不能保持一個靜態的組織；陸軍必須既能在陸地領域贏得武裝戰斗，又能幫助塑造競爭以防止未來的沖突。

武裝沖突以下的行動歷來都是聯合部隊和陸軍的斗爭。陸軍在戰斗中指揮和控制的任務指揮方法將不足以組織在武裝沖突以下對對手的日常競爭。陸軍在競爭期間為聯合部隊執行重要的任務，特別是在信息環境中，這些任務在MDO下將會擴大。

目前的作戰流程專注于單一領域，對于支持特定領域以外的功能適用性有限。我們必須有新的流程，允許所有領域的資產同步，以優化我們的效率，同時將這些資產的風險降到最低。盡管適用于所有級別的指揮部，但擬議的流程主要集中在高級行動和戰略層面所需的規劃和數據收集。

從單一領域到多領域的重點變化，使得聯合部隊和陸軍的理論必須進行修訂和更新。聯合專業軍事教育課程和聯合學說將需要進行調整，以教導下一代領導人如何跨域整合。僅僅了解其他部門是不夠的；指揮官和參謀人員需要了解其他領域的能力如何支持他們的工作，以及他們在支持其他領域方面的要求是什么。長期以來，聯合部隊只是名義上的聯合，每個領域都在為贏得自己的戰斗而戰斗。MDO概念使聯合部隊能夠優化其有限的資源，既能應對危機，又能在最好的情況下防止競爭中的危機發生。

表3-1. 陸戰、空戰、海戰和信息戰的特點

圖3-3. 陸軍的指揮與控制方法。ADP 6-0

圖3-4. 多域作戰框架

圖3-5. 信息環境框架下的多域作戰