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

眾所周知，新興技術會影響各國開展軍事行動的方式。最近，全球在自主武器系統（AWS）的開發和部署、網絡空間的軍事用途等方面看到了顯著的創新。然而，在正在進行的沖突中觀察到重大飛躍的一個新興領域是具有軍事應用的非武器化人工智能 （AI）。

最近，幾位以色列國防軍 （IDF） 官員承認將基于人工智能的工具用于多種目的，包括目標支持、情報分析、主動預測以及簡化指揮和控制 （C2）。在這種背景下，當前的以色列-哈馬斯沖突使以色列部署此類系統成為人們關注的焦點，其中Habsora或“福音”，一種基于人工智能的系統，用于生成可能的軍事攻擊目標，吸引了最多的關注。

對沖突的報道表明，以色列國防軍使用人工智能作為“數據驅動的工廠”進行“大規模暗殺”。歸根結底，這種評論一方面取決于對軍隊如何運作的解釋，另一方面取決于人工智能工具實際上可以做什么和不能做什么。這種過于頻繁的評論促使人們對以色列國防軍在戰場上使用的系統有所了解。撇開夸張不談，目標是研究這些極具影響力的系統，并反思法律和道德方面的考慮。在此過程中，突出了在實踐中引入基于人工智能的新工具的愿望及其實際使用存在的法律限制。在這篇文章中，還詳細介紹了以色列國防軍在當前沖突之外使用人工智能系統的發展經驗。目標是加入關于將人工智能引入戰場的適當方式的新討論，無論是在以色列-哈馬斯沖突中還是在其他方面。

以色列、技術和戰爭

以色列是技術領域的主導者，它利用其能力作為其外交工具箱的一部分，將自己確立為國際技術治理設計的領導者。以色列在政府、安全部門和私營部門之間建立了牢固的伙伴關系，這使以色列能夠在軍事技術方面取得實質性進展。

與此同時，這種密切的伙伴關系可能成為適當監督技術發展及其在各個領域和情況下部署挑戰的根源，從純粹的軍事到執法再到情報行動。

雖然人工智能并不是一個新發展，但近年來，人工智能驅動的能力及其軍事應用取得了重大飛躍。因此，國家和超國家層面的立法者和監管機構正在覺醒，試圖趕上這一新的技術發展浪潮。全球人工智能炒作，由于免費提供的生成式人工智能工具而加劇，已經進入了軍事領域。隨著這些能力在武裝沖突中迅速成為現實，必須研究以色列國防軍在戰場上部署的一些基于人工智能的工具。

以色列國防軍的人工智能趨勢

• 情報分析、目標定位和彈藥

集成基于人工智能的工具來分析大量數據對于應對現代戰場上大量涌入的數據至關重要。情報、監視和偵察 （ISR） 技術的發展軌跡表明，未來的 ISR 能力將取決于人工智能驅動的決策支持系統 （DSS）。以色列國防軍對這一趨勢并不陌生，加沙持續的沖突和以前的升級都表明了這一點。

以色列國防軍使用的決策支持系統之一是“火力工廠”，它可以仔細分析廣泛的數據集，包括有關先前授權的打擊目標的歷史數據，從而能夠計算所需的彈藥數量，提出最佳時間表，以及目標的優先級和分配。在戰役上，它是目標定位周期的第二階段（目標開發）和第三階段（能力分析）的合并。從功能上講，它類似于美國 Prometheus 和 FIRESTORM 算法的混合體，就像在 “融合項目”-21 期間部署的那樣。

最近引起爭議的系統是“福音”，它幫助以色列國防軍軍事情報部門改進建議并確定關鍵目標。以色列國防軍使用人工智能進行目標開發對這場沖突并不陌生。2021 年，在“城墻守護者”行動期間，以色列信號情報小組 8200 部隊內的人工智能中心負責人透露，以色列國防軍有效地部署了一個人工智能系統，以識別加沙境內的哈馬斯導彈部隊領導人和反坦克特工。在正在進行的軍事行動“鐵劍”中，同一工具的戰斗使用產生了 200 個軍事目標選項，用于戰略交戰。系統在幾秒鐘內執行此過程，而以前需要眾多分析師在數周內完成這項任務。

在這方面，還值得注意的是，以色列國防軍透露了情報部門內發展部門 3060 部隊的存在。該單位負責推進作戰和視覺情報系統，該部隊的官方任務是通過整合用于作戰和視覺目的的人工智能系統來提高以色列國防軍的作戰效率。該單位產出的受益者包括該組織的指揮、師和旅級別。

最后，以色列國防軍部署人工智能來改進武器和彈藥本身。例如，以色列公司拉斐爾（Rafael）因其對以色列國防軍的重大貢獻而受到認可，該公司推出了一種名為“SPIKE LR II”的先進導彈系統，該系統結合了智能目標跟蹤功能、人工智能和其他功能，以在具有挑戰性的條件下維持目標鎖定，所需的人為干預最少。此外，基于人工智能的系統，如Elbit開發的Legion-X平臺，允許同時使用各種無人駕駛車輛的C2。

• 主動預測、威脅警報和防御系統

基于人工智能的工具還可以檢測、提醒和偶爾預防災難性情況，并有助于有效的危機管理。例如，北約在其救災演習中使用基于人工智能的系統來處理航空圖像并迅速識別受害者。同樣，以色列國防軍將人工智能技術用于類似目的。據以色列國防軍稱，在 2021 年“隔離墻守護者”行動期間，基于人工智能的系統成功地從大量潛在威脅人員中識別出哈馬斯在加沙的防空和導彈部隊的指揮官。

此外，“鐵穹”和“David’s Sling”是以色列的導彈防御系統，以其在保護關鍵基礎設施免受向以色列領土發射的火箭威脅方面的救生能力而聞名。人工智能在鐵穹中的一個重要應用是提高系統精度。特別是，人工智能驅動的算法分析雷達和其他傳感器數據，以跟蹤來襲導彈，并計算出更有效地攔截這些導彈并確定目標優先級的最佳時間。人工智能使系統更有效地應對更廣泛的威脅，如無人機和其他小型低空飛行物體。最后，使用人工智能將鐵穹的成功率提高到90%以上，并降低了作戰成本。這很重要，因為這些威脅正變得越來越普遍，并對傳統的防空系統構成挑戰，這在俄烏戰爭中很明顯。

以色列國防軍還利用人工智能為邊境管制服務，例如，為協助邊境觀察員而開發的人工智能系統，包括通過人工智能輔助的面部識別工具。邊境系統進行視頻分析，熟練識別個人、車輛、動物，甚至武裝人員或特定車型。該系統不僅包括實時視頻分析，還包含許多附加因素，例如特定地理區域的歷史數據。10 月 7 日的攻擊引發了有關該系統的幾個危險信號，但在進行官方調查之前，很難確定確切的故障。

• 流線型 C2

另一個受 AI DSS 影響的領域是 C2 系統。在2022年的“破曉行動”期間，首次嘗試以這種新穎的方式使用人工智能，在此期間，計算機服務局、情報部門、南方司令部和北方司令部之間建立了聯系。主要職能是向指揮官介紹不同部隊在即將到來的軍事行動中的戰備狀態。事實證明，這個試點項目在當前的以色列-哈馬斯戰爭中是相關的，因為在這場沖突中，使用基于人工智能的系統成為以色列國防軍作案手法的一個組成部分。

與戰場上的人工智能相關的挑戰

在過去十年中，人工智能不斷融入軍事裝備所帶來的挑戰和機遇一直受到激烈的討論，而且往往是循環討論。然而，在《聯合國常規武器公約》主持下舉行的主要國際論壇——致命AWS政府專家組（LAWS）內部的國際監管辯論仍然局限于具有自主功能的武器系統。

以色列國防軍在福音和Legion-X方面的經驗以及媒體評論表明，軍事人工智能在這些公共論壇上是容易被誤解。首先，在本文提到的所有各種系統中，只有鐵穹和 David's Sling 可以歸類為 AWS;其他的根本不是武器，因此不在政府專家小組關于法律的職權范圍之內。其次，最有爭議的制度——福音——既不是武器，也不是決策制度。相反，對于可能選擇無視這些建議的指揮官來說，它是一種決策支持工具，因此，它應該被視為一種作戰手段，因為它形成了一個軍事系統或平臺，用于促進軍事行動。

然而，這并不意味著對此類系統的內部運作沒有擔憂。特別是，關于它所依賴的算法的可解釋性仍然存在有效的問題，尤其是在生成人類目標方面。與此相關的是，當系統出現錯誤時，人們可能會想知道可用的問責途徑。雖然這兩種擔憂都是有道理的，但值得注意的是，對戰場失誤的問責仍然概念化不足，幾乎不存在，無論它是否是使用先進技術的結果。然而，值得承認的是，人工智能系統無法闡明其操作流程，可能會影響對涉嫌違反國際人道法的行為進行調查的職責。

另一個關鍵問題是，在決策過程中（在/開/關循環）中需要或必要的適當程度的人類參與。這種關切提出了一個重要的問題，有三個關鍵目的：提高決策的準確性;增強合法性;并確保問責制。首先，人類的參與可以提高決策的準確性和質量，并且可以作為預防或減少錯誤的重要保障。與此同時，鑒于人類能力的限制，在基于人工智能的系統背景下做出決策的速度和數量確實構成了挑戰。

其次，正如實證研究表明的那樣，將人納入決策過程可以增強決策的合法性并增強公眾信任。以色列國防軍面臨著與合法性相關的挑戰，并一次又一次地面臨全球批評，在以色列-哈馬斯戰爭中使用人工智能的背景下，可以看到一些媒體指責以色列國防軍經營“大規模暗殺工廠”（與福音系統有關）。

第三，就問責制而言，人為因素的存在變得至關重要。截至今天，以色列國防軍指揮官在進攻行動方面擁有最終決策權。隨著關于如何解釋人類在現代戰斗中的作用的辯論仍在繼續，學術界和加沙正在進行的沖突都表明，美化人類屬性作為對機器的制衡與現實完全脫節。

另一個值得注意的挑戰，與人類在決策過程中的作用有關，是被稱為“自動化偏見”的現象。雖然如前所述，以色列國防軍指揮官可以選擇無視福音中的建議，并且每個目標都必須獲得以色列國防軍指揮官的授權，但避免自動化偏見具有挑戰性，尤其是在敵對行動加劇期間。自動化偏見是指過度依賴或過度信任 AI 輸出的傾向。雖然人工智能DSS是戰斗中的寶貴工具，可以加快決策步伐并獲得這種加速的相關優勢，但自動化偏差的風險可能很大，應該在可能使用人工智能工具的作戰部隊接受的訓練中加以考慮。

前方道路的開端——武器、作戰手段和方法的回顧

國際人道法的一個基本原則是，各國在選擇武器、作戰手段或方法時受到國際法規范的限制。以色列引入基于人工智能的工具引發了某種形式的合法性審查機制，例如《日內瓦公約第一附加議定書》（AP I）第36條規定的機制。根據該條，各國應在戰場部署新武器、作戰手段或方法之前對其進行評估。“武器”一詞被理解為包括在戰斗中使用的一系列能夠對物體造成損害或對人員造成傷害或死亡的攻擊能力。“作戰手段”是一個更廣泛的術語，延伸到用于促進軍事行動的軍事裝備、系統、平臺和其他相關設備。例如，如果監視系統可以收集有關潛在軍事目標的信息，則屬于這一類。相比之下，“戰爭方法”延伸到各種軍事戰略和實踐，以及軍事行動中使用的特定戰術。

雖然以色列不是《第一附加議定書》的締約國，而且第36條的習慣地位仍然值得懷疑，但人權事務委員會在其第36號一般性意見中采取的辦法是，確保保護生命權需要采取預防性影響評估措施，包括對新武器、作戰手段和方法進行合法性審查。然而，應當指出的是，一般性意見本身并不是強制性的，而是對《公民權利和政治權利國際公約》所依據的生命權提出的一種建議性解釋，這種解釋引起了一些爭議。

網絡空間已成為軍事行動的重要領域，網絡攻擊現在是武裝沖突現實中不可或缺的一部分。各國似乎準備將人工智能工具納入網絡行動。像福音和Legion-X這樣的工具確實構成了一種新的戰爭手段，應該受到法律審查。法律審查是新技術和能力組合中的一個關鍵方面，因為這些技術和能力對人道主義利益的影響和業績的可預測性缺乏科學確定性。

事實上，第36條并沒有規定進行審查的任何特定方式，而且各國所使用的實際機制在形式、方法、審查機構的任務等方面各不相同。然而，值得注意的是，根據紅十字國際委員會的說法，審查應盡可能采用多學科方法，特別是當存在幾種可能的影響時（例如，當對不同權利產生影響時，例如隱私權或健康權），或者當評估需要特定的專業知識時。

結束語

在部署新的基于人工智能的軍事工具時，有謹慎的余地，因為沒有基準可循。鑒于以色列的經驗，至少是公眾所知道的，可以提出一些初步的想法。

首先，一個重要的步驟是通過預防性影響評估措施來評估新技術的合法性的初步措施。這可以通過對發展的監管（類似第36條的機制）、貿易限制或隱私設計等程序來實現。實際上，今后的道路將包括不同階段（規劃、設計、部署和追溯審查）的各種工具，國內和國際系統應力求協調和互補。

其次，雖然依賴人工智能的趨勢是顯而易見的，但整個人工智能系統存在一些固有的風險，比如缺乏可解釋性，在某些情況下可能會引發有關個人問責制的問題。

第三，雖然私營部門在預防、教育、調查和歸因網絡行動方面至關重要，但應該避免過度私有化和權力和責任的分散。

最后，隨著世界在理想和價值觀上的分歧越來越大，在促進有效的國際反應方面存在困難。因此，除非實施額外的規范性措施以更好地應對這一挑戰，否則必須考慮現有規則如何適用于這一新的和不斷變化的現實。

參考來源：LIEBER INSTITUTE

幾十年來，美國海軍一直在研究人工智能的好處和陷阱，雖然人們關注的焦點是無人駕駛船舶和飛行機器人等系統，但人工智能也可能在后勤、資產管理和調度方面帶來重大進步。

1月11日，美國海軍研究辦公室（Office of Naval Research）數學、計算機和信息科學部門主任亞歷山德拉·蘭茨伯格（Alexandra Landsberg）在水面海軍協會第36屆全國研討會（National Symposium）的小組討論中將焦點轉向了人工智能的行政用途。

她認為，雖然分析大量數據和創建摘要等信息處理優勢是人工智能的已知優勢，但也許在任務規劃和有爭議的后勤方面，一個較少被談論和探索的潛力。

隨著傳感器收集的數據比以往任何時候都多，“現在，鑒于我們在硬件進步和軟件進步方面的能力，我們可以引入，考慮到有爭議的物流，”她說。

她說，后勤帶來的作戰問題為兩用人工智能帶來了機會。他們可以向一些大型商業參與者學習。

“我們去亞馬遜或聯邦快遞吧。亞馬遜有倉庫，里面有機器人，他們確切地知道里面有什么產品，如何把這些產品送到送貨員手中。他們知道如何優化所有這些的日程安排。”

優化資源和規劃是蘭茨伯格所說的海軍一個至關重要的目標的一部分：戰備狀態。

“如果我們能從世界上的亞馬遜或聯邦快遞公司那里采用這些人工智能方法，并在那里對我們的造船廠進行現代化改造，確切地知道我們擁有哪些零件，什么是合適的人，在正確的時間在正確的地點。所有這些都將結合在一起，真正優化我們機隊的可用性。”

她說，人工智能可以在行政上提供幫助的另一個領域是通過ChatGPT等大型語言模型。

“我們想搜索大型文檔。我們有很多大型文檔。我們想去做總結。我們希望準確地制作表格，”她說。

但是，在國防部內部使用生成式人工智能的一個備受討論的挑戰是安全性和信任。

“挑戰在于，世界上的ChatGPT是公開開發的，信息又回到了那里，”她說。

她說，這意味著為了利用生成式人工智能，海軍需要開發自己的安全環境，并確保正在訓練的數據是安全的。

她補充說，確保信任和理解意味著人工智能必須與人類協同工作。信任需要理解，理解需要培訓。

“所有這一切都取決于人類。這實際上是人類和人工智能系統協同工作，它確保運營商信任并理解這些人工智能建議的好處，但也了解這些建議的局限性。”

她說，需要測試評估、驗證和確認。除了實驗和模擬之外，應用程序還需要在現實世界中進行測試。這絕對至關重要。

有很多扎實的數學和研究可以給你保證，這是其中的一個方面。我們不要忘記，研究人員可以幫助海軍提供服務的保證。她說，有了保證，海軍就可以將實驗擴大到規模。

她說，無論人工智能被用于什么——從無人系統到物流和規劃——它都必須涵蓋一系列科學技術、基礎研究以及技術演示和實驗。但它不能在實驗中停滯不前——它需要投入使用，并且需要擴大到艦隊。

“這就是我們走到一起的地方，”她說。它必須超越實驗室中的科學家。“我們必須在車隊中盡早并經常對其進行測試。然后我們必須能夠擴大規模。它需要什么？它要求海軍人員，無論是軍事還是民用人員，都要了解人工智能。

蘭茨伯格說，人工智能生態系統將需要軍事、工業和學術界之間的伙伴關系，“以便能夠在人工智能方面為我們提供一些嚴格的措施和保證。因此，這確實是我看到人工智能生態系統的發展方向，以及我們所有人需要如何合作。

參考來源：National DEFENSE

盡管人工智能作為宣傳工具的使用一直備受關注，但烏克蘭和以色列的熱點沖突正被證明是加速人工智能和其他信息技術工具在戰場上使用的活實驗室。特別是在烏克蘭，有報道稱，人工智能甚至被用于自主瞄準打擊目標。以色列國防軍（IDF）對人工智能的使用則更為隱秘，但它肯定被用作瞄準輔助工具，以擊敗來自加沙哈馬斯的鋪天蓋地的導彈攻擊。

烏克蘭在拒絕了其他 10 個國家的人工智能項目后，開發出了自己的人工智能，因為烏克蘭確信本國開發的人工智能會更有益處，而且可以規避向商業公司報告的任何要求。烏克蘭的人工智能主要集中在龐大的攝像頭和無人機網絡提供的計算機視覺數據上。例如，名稱和目標字符識別（OCR）可以快速識別伊朗制造的 "沙赫德 "神風無人機，而不是標準導彈。 人工智能還有助于烏克蘭自己的導彈瞄準。這些人工智能工作大多由烏克蘭的 IT 陸軍完成，據說他們有 25 萬人，其中許多人在創新的 "蝸牛車庫 "里工作，而他們的預算只有西方 IT 公司的一小部分。人工智能還被用于分析俄羅斯的無線電通信和清除地雷。與此同時，俄羅斯在軍事領域的人工智能應用似乎陷入了雄心壯志與實際用途之間的脫節，尤其是自主無人機，據說供不應求。

一些通訊社報道稱，無人化嚴重的烏克蘭已經更進一步，允許配備人工智能的無人機在某些情況下不受人類控制地識別和攻擊目標，從而引發了戰場上 "機器人殺手 "的幽靈。美國軍方已經啟動了一項為期兩年的 "復制者 "計劃，準備投入數千套價格相對低廉的自主系統，主要是為了應對大國在海軍艦艇等領域的數量優勢。澳大利亞一家名為 "Anduril "的公司（以《指環王》傳奇中的一把劍命名）正在向烏克蘭提供可發射彈藥、由人工智能驅動的 "幽靈鯊 "海上無人機。

雖然烏克蘭似乎正在使用自主人工智能來攻擊坦克等大型物體，但它幾乎可以指名道姓地攻擊單個士兵。據《時代》雜志報道，備受爭議的 Clearview 公司免費提供的面部識別系統已經識別出 23 萬多名參與烏克蘭戰爭的俄羅斯士兵和官員。Clearview 系統被用于偵測滲透者、識別親俄民兵和合作者，甚至烏克蘭稱被越過俄羅斯邊境綁架的兒童。Clearview 技術標志著 "戰斗識別系統 "的首次使用，該系統有可能被用于鎖定敵方關鍵人員。例如，一架攜帶彈藥的人工智能無人機可以在原地徘徊，直到發現一名反對派將軍。

與此同時，在立志成為 "人工智能超級大國 "的以色列，人工智能技術正在協助對加沙的哈馬斯目標進行快速定位空襲--該系統被稱為 "火力工廠"，但其針對軍事目標的準確性目前尚不得而知。人工智能還幫助抵御來襲的導彈襲擊，這些導彈試圖以數量優勢壓倒以色列引以為傲的 "鐵穹 "導彈防御系統。以色列國防軍（IDF）越來越多地使用人工智能，并將其應用于移動平臺，如新型 "巴拉克 "超級坦克。巴拉克 "坦克的一個主要特點是配備了 "鐵視角 "頭盔，通過一系列外部傳感器和攝像頭，坦克乘員只需按下按鈕，就能 "看穿車輛的裝甲"。

主要得益于人工智能，坦克能夠在戰場上獨立學習、適應、導航和瞄準。以色列國防軍表示，一對 "巴拉克 "坦克將能夠執行以前需要一個坦克排才能完成的任務。

大多數分析家都認為，烏克蘭和以色列正被證明是在戰斗中加速使用人工智能的前所未有的試驗基地，而這一發展在和平時期通常需要更長的時間。現在，人工智能系統正在接受來自真實戰爭的真實數據的訓練，這意味著人工智能將在下一場武裝沖突中發揮更大的作用和效力，而下一場武裝沖突很可能包括人工智能自主作戰。

參考來源：techstrong.ai

60 多年來，美國國防部（DoD）一直在投資人工智能（AI），并將數據和人工智能系統投入實戰。如今，數據、分析和人工智能技術越來越多地應用于美國防部各部門，并為軍隊提供價值。

伴隨著行業的進步，美國防部多年來一直在穩步、迅速地改進其數據基礎和分析能力：通過研發嘗試人工智能，將這些技術整合到業務和作戰功能中，并為其大規模使用奠定基礎。隨著投資、實驗和創新的繼續和加速，現在的任務是推動這些技術在整個事業的推廣。

雖然戰略競爭對手對人工智能有著宏大目標，但美國及其軍隊在人才、作戰經驗、技術可用性和系統集成方面擁有強大的結構性優勢。為作戰人員配備更快做出更好決策的工具和資源，將提高作戰效率，使作戰能力和指揮人員更加有效，并為采用新的作戰概念創造機會。

負責任地迅速實現數據、分析和人工智能的全部承諾并不只是某個組織或項目的工作，而是所有人的責任。例如，將美國防部數據作為企業資源提供，需要更多的共享和協作。尋求一種靈活的戰略方法，以指導整個美國防部的分布式行動，激發學習運動，并利用所有的人員、流程和使能技術。

在整合分析和人工智能應用的過程中，看到了它們的優勢，也吸取了它們局限性的重要教訓。從會議室到戰場，還有更多工作要做，例如提高數據質量和改善網絡基礎設施。本戰略將指導如何加強美國防部部署數據、分析和人工智能能力的組織環境，以獲得持久的決策優勢。

美國歐洲司令部和美國印度洋-太平洋司令部將與首席數字和人工智能辦公室的算法戰爭局和國防創新部門合作，建立兩個BRAVO人工智能作戰實驗室，以加快從國防部（DOD）戰區作戰數據中學習。明年，實驗室將在美國聯邦政府范圍內組織多場 "BRAVO 黑客馬拉松 "活動，其中包括與聯盟合作伙伴共同組織的一些活動。

"BRAVO 黑客馬拉松為美國防部提供了一個實踐和推廣以用戶為中心的設計和敏捷軟件開發基礎的機會，"國防部負責算法戰爭的副首席數字和人工智能官喬-拉爾森（Joe Larson）說。"通過為在歐洲司令部（EUCOM）和印太司令部（INDOPACOM）建立人工智能作戰實驗室提供種子資金，將與作戰人員一起設計和測試數據分析和人工智能能力，而不是為他們設計和測試，從而提供信息并加強能力，使能夠準確地提供他們所需的信息，從而贏得勝利。"

這些多分類實驗室將收集戰區作戰數據，包括后勤、網絡和遙測數據，并與美國防部企業共享，為聯邦實體、行業、聯盟伙伴和美國公民之間的數字整合提供中心樞紐。BRAVO黑客馬拉松系列活動將繼續組織為期一周的活動，以便在軟件開發環境中整合任何分類的數據，該環境允許使用未經信任許可的開源軟件和商業軟件，以及未經批準用于生產系統的數據。

"我們將代表美國防部，將BRAVO的開發經驗部署到作戰司令部，舉辦有時間限制的黑客馬拉松活動，并不斷開發和整合從作戰戰區數據中開發的能力，"空軍首席數字轉型官兼BRAVO人工智能作戰實驗室執行代理斯圖爾特-瓦格納（Stuart "Dr" Wagner）說。"鑒于自由社會最大的競爭優勢在于創新與合作，實驗室將為國防部、工業界和聯盟合作伙伴提供一個物理和數字空間，在此進行偶然的社會碰撞，為應對同行競爭對手的挑戰提供原型解決方案。任何美國公民都有資格申請參加公共 BRAVO 黑客馬拉松"。

鼓勵聯邦政府雇員和聯邦承包商與這些實驗室分享用例、數據、基礎設施或潛在合作。希望與這些實驗室合作的美國公民和企業可與國防創新部門聯系。

國防創新部主任道格-貝克（Doug Beck）說："我們期待著與BRAVO實驗室合作，以確保希望使用國防部數據的開發人員和公司能夠快速訪問他們所需的環境，以展示操作相關性。"

這些實驗室將延續該系列自下而上解決問題的方法，由軍人、文職人員和聯邦承包商提出項目建議，并組成自組織團隊，在作戰司令部內開發原型。

美國陸軍歐洲司令部參謀長彼得-安德里西亞克少將說："在當今日益復雜的威脅環境中，使用新興的人工智能工具快速分析和利用數據以獲得決策優勢至關重要。在USEUCOM地區建立一個BRAVO人工智能作戰實驗室是該司令部的一項重要投資。在司令部的關鍵時刻，該實驗室將與盟友和合作伙伴一起，在應對一系列挑戰時實現更大的邊緣創新"。

該實驗室旨在將作戰司令部、國防部企業和聯盟伙伴的能力從數據攝取、系統集成到批準使用進行互聯。空軍的異構電子系統系統技術集成工具鏈（STITCHES）將把各種作戰司令部和服務級系統直接集成到實驗室。

在六個不同地點舉行的三次 BRAVO 黑客馬拉松活動中，已根據國防部的業務數據按三個分類制作了 81 個業務原型，其成本約為國防部現有最低可行產品創新管道（如小型企業創新研究計劃第二階段贈款）的 2%。

自 2023 年 3 月在佛羅里達州赫爾巴特菲爾德舉辦 BRAVO 10 黑客馬拉松以來，其中 33% 的項目已投入生產或獲得后續資金承諾，總額超過黑客馬拉松本身成本的 75 倍。之前活動中的數十個原型已獲得進一步資源支持，并在大型語言模型、太空發射、飛行遙測和生物識別、雷達彈性、無人系統、人員恢復、傳感和瞄準、用戶體驗、情報分析、態勢報告自動分析、戰斗損傷評估、關鍵通信系統可靠性以及法律和行政運作等領域對主要國防項目產生了影響。

瓦格納說："盡管BRAVO黑客馬拉松活動速度快、影響大，但仍然發現，從利用作戰數據開發能力、校準或戰術到在戰區使用，需要數月或數年的時間"。瓦格納說："我們正在部署這些實驗室，以便將這一時間縮短 100 倍--從數月或數年縮短到數天，最終縮短到數小時--方法是使數據分類確定和操作應用授權等官僚流程日益自動化。如果成功，將以比戰略競爭對手更快的速度調整能力和戰術，使之適應"。

BRAVO的名稱來源于20世紀20年代比利-米切爾（Billy Mitchell）頗具爭議的 "B項目戰艦轟炸試驗"（Project B battleship bombing trials），該試驗通過演示轟炸機擊沉戰艦，創造性地推翻了戰爭部長的首要資助目標。

美國陸軍近年來提出了 "信息優勢 "的概念，即士兵有能力比對手更快地做出決策和采取行動。陸軍現在認為，人工智能是實現這一戰略的關鍵。

人工智能的普及程度和能力都有了爆炸式的增長，ChatGPT 等大型語言模型和其他人工智能系統也越來越容易為大眾所使用。在工業界和美國防部，許多人都在探索將該技術用于軍事應用的可能性，陸軍也不例外。

陸軍賽博司令部司令瑪麗亞-巴雷特（Maria Barrett）中將說，人工智能具有 "真正、真正推動變革的最大潛力......但它也給我們帶來了非常、非常現實的挑戰，以及整個信息維度的挑戰"。

負責政策的國防部副部長辦公室副首席信息作戰顧問、陸軍少將馬修-伊斯利（Matthew Easley）說，軍方正在經歷 "從傳統的信息作戰，即我們如何將不同的信息效果結合起來，為我們的行動創造我們想要的協同效應 "到新的信息優勢概念的轉變。

伊斯利在 6 月份美國陸軍協會的一次活動中說，這一概念的目標是確保陸軍在信息環境中掌握 "主動權"，"能夠看清自己、了解自己并更快地采取行動"。他說，信息優勢包括五大功能：輔助決策；保護士兵和軍隊信息；教育和告知國內受眾；告知和影響國外受眾；以及開展信息戰。

他補充說："所有這五個領域都可以利用人工智能和機器學習取得一定效果"。

伊斯利在 2019 年幫助建立了陸軍人工智能兵力工作組。但他說，在他任職期間，該小組在全軍范圍內采用人工智能時遇到了兩個挑戰：遷移到混合云環境和移動設備。

陸軍將 "繼續擁有大量的傳統數據中心，但隨著我們需要激增，我們需要在全球范圍內移動--云環境使我們更容易開展全球業務，"他說。根據陸軍預算文件，陸軍正在為2024財年申請4.69億美元，用于向云過渡和數據環境投資。

巴雷特在 AUSA 會議上說： "沒有數據存儲庫，就無法實現人工智能和機器學習"。陸軍賽博司令部對其大數據平臺進行了大量投資，將 "進入我們平臺的數據流數量翻了一番，解析器翻了一番，我們現在存儲的數據存儲量也翻了一番，"她說。她說："我們將繼續沿著這條軌跡前進，這意味著我們已經準備好開始利用 "人工智能能力"。

她說，對于指揮部來說，人工智能主要用于網絡防御，但在 "信息層面 "也有應用。"引入各種不同的信息源......并真正了解特定環境的信息基線，這意味著什么？所有這些都對我們大有幫助，而且我認為這只會不斷擴大"。

伊斯利說，移動設備的普及大大增加了潛在的饋送量，但也會擴大對手的潛在目標。這些設備 "有很多功能，也有很多漏洞。我們必須考慮并使用人工智能......既能保護我們自己，又能管理我們擁有的大量數據"。

陸軍參謀長詹姆斯-麥康維爾（James McConville）將軍在6月的一次媒體吹風會上說，在潛在沖突中，人工智能可以幫助士兵整理所有數據，并將正確的信息 "送到箭筒中"。

根據陸軍預算文件，陸軍正在為2024財年的人工智能和機器學習申請2.83億美元，其中包括用于增強自主實驗的研發資金，以及為集成視覺增強系統、可選載人戰車（最近被重新命名為XM30機械化步兵戰車）、遠程戰車、TITAN地面站和 "具有邊緣處理功能的更智能傳感器 "等系統的人工智能/機器學習項目活動提供資金。

"陸軍部長克里斯蒂娜-沃穆斯（Christine Wormuth）在簡報會上說："我們當然在尋找如何利用人工智能使我們的能力（包括新能力和正在開發的能力）更加有效。她說，陸軍尤其在 "融合項目"（Project Convergence）演習中使用了人工智能目標定位程序。

融合項目是陸軍對國防部聯合全域指揮與控制概念的貢獻，該概念旨在通過網絡將傳感器和射手聯系起來。陸軍發布的一份新聞稿稱，在2022年底的上一次演習中，參演人員使用了陸軍的 "火風暴 "系統--"一種人工智能驅動的網絡，將傳感器與射手配對"，向參加實驗的澳大利亞兵力發送情報。

麥康維爾說，軍方還將人工智能用于預測性后勤工作。他說："我們正在使用人工智能來幫助我們預測所需的零部件，這對龐大的軍隊來說意義重大"。

除了簡單的維護之外，預測性后勤還涉及陸軍的不同供應類別，如燃料和彈藥，"以及我們如何看待消耗，如何預測在哪里可以將正確的供應品送到需要的地方"，負責維持的陸軍副助理部長蒂莫西-戈德特（Timothy Goddette）說。

戈德特在國防工業協會戰術輪式車輛會議上說："我們的目標是提前計劃這些物資需要運往何處或何時需要進行維護，而不是作出反應。

他說："如果計劃的維護是正確的，但條件是錯誤的--如果你處于低[操作]節奏，我們如何改變計劃的維護？如果你處于炎熱、寒冷或腐蝕性環境中，你該如何改變維護計劃？這可能正是我們需要思考的地方。"

他補充說，在數字化世界中，陸軍必須 "學會如何使用數據和以不同的方式使用數據"。"我承認，我們還沒有完全弄懂[預測性后勤]。我們確實需要大家的幫助來思考這個問題。

McConville 和 Wormuth 說，人工智能未來的其他應用還包括人才管理和招聘。"Wormuth 說："人工智能可能有辦法幫助我們以人類不擅長的方式識別優質線索或潛在客戶。

不過，McConville 強調，在使用人工智能時，"人在回路中 "非常重要。

他說："實際做所有工作的可能不是人，但我們會看到人工智能幫助我們更好地完成工作。"但與此同時，我們也希望有人能說'發射這個武器系統'，或者至少能考慮到這一點。"

巴雷特贊同麥康維爾的說法："每個人都會把［人工智能］當成一臺機器。但是......你猜怎么著：每個玩過 ChatGPT 的人--是的，是人在喂養那臺機器。"

伊斯利說，隨著陸軍引入人工智能系統，士兵們可以做四件事來幫助技術正常成熟：收集和注釋數據；使用這些數據訓練人工智能模型；使用這些模型來檢驗它們是否有效；以及幫助改進模型。

他說，軍方在收集數據方面做得 "很好"，"但軍隊中仍有很多數據我們沒有完全捕捉到......我們可以利用這些數據來訓練我們自己的大型語言模型。"要使這些模型對我們的領域有效，我們必須在我們的數據上進行訓練。因此，我們必須研究：我們的人力資源數據是什么？我們的人力資源數據是什么？我們的醫療數據是什么？我們的業務數據是什么？我們的情報數據是什么？我們如何在受控環境下利用這些數據來建立更好的模型？

他說，這些模型必須根據軍隊的數據進行快速訓練和再訓練，以便不斷改進。他以自己手機上的餐廳推薦算法為例，"它之所以這么好，是因為它有10年的時間，我只告訴它我喜歡世界上哪些餐廳"。

伊斯利說，雖然他們將來可能會收到人工智能的推薦，但武器系統將始終由人類來管理，但 "其他系統，如果不是那么關鍵的話......[機器]可以做出決定"。不過，他補充說，人類將對人工智能進行培訓，使其在執行陸軍任務時可以信賴。"他說："你不會質疑你的地圖算法告訴你在城市中往哪里走--你知道該算法比你掌握更好的信息。但是，"我們如何獲得數據背后的真實性，讓我們能夠相信模型的內容、模型是如何訓練的，以及我們是如何使用它的？我認為這都是......人類的努力"。

參考來源：NDIA網站；作者：Josh Luckenbaugh

為提升無人機在復雜空戰場景中的存活率, 基于公開無人機空戰博弈仿真平臺, 使用強化學習方法生成機動策略, 以深度雙Q網絡(double deep Q-network, DDQN)和深度確定性策略梯度(deep deterministic policy gradient, DDPG)算法為基礎, 提出單元狀態序列(unit state sequence, USS), 并采用門控循環單元(gated recurrent unit, GRU)融合USS中的態勢特征, 增加復雜空戰場景下的狀態特征識別能力和算法收斂能力。實驗結果表明, 智能體在面對采用標準比例導引算法的導彈攻擊時, 取得了98%的規避導彈存活率, 使無人機在多發導彈同時攻擊的復雜場景中, 也能夠取得88%的存活率, 對比傳統的簡單機動模式, 無人機的存活率大幅提高。

現代空戰環境錯綜復雜, 空空導彈和機載雷達性能不斷提升, 超視距空戰已經在現代空戰中占據主導地位[1], 空空導彈也早已成為打擊空中單位的主要武器。無人機作為空中戰場的理想作戰目標之一, 被普遍運用到軍事領域當中[2]。利用無人機可持續大機動的飛行特點, 采取高效的機動策略以提高無人機對導彈的規避、逃逸成功率, 對提升無人機的空戰生存能力而言至關重要[3]。

無人機規避空空導彈問題一直都是空戰的研究熱點。王懷威等[4]采用蒙特卡羅方法驗證了無人機實施常規盤旋機動規避導彈的效果。Imado等[5]利用微分對策法研究導彈與無人機差速博弈的問題。另外, 還有諸多針對導彈的規避方式[6-10]、規避效能評估[11-13]以及無人機最優或次優規避策略解析解[14-16]等方面的研究。以上方法依賴于完備的空戰對戰模型以求解在單枚導彈打擊情況下的最優機動策略, 當導彈數量變化時, 模型很難理解, 而且建立空戰對戰模型本身就是一個非常復雜的過程, 需要使用大量微分函數結合積分函數，才能表征無人機與導彈狀態屬性的轉移規律。

深度強化學習(deep reinforcement learning, DRL)算法在馬爾可夫決策過程(Markov decision process, MDP)基礎上, 采用端到端學習方式, 以態勢信息為輸入, 直接利用神經網絡獲取輸出, 控制智能體作出決策, 被廣泛應用于自動化控制當中[17-22]。范鑫磊等[23]將深度確定性策略梯度(deep deterministic policy gradient, DDPG)算法[24]應用于無人機規避導彈訓練, 在簡易模型下對固定態勢攻擊的空空導彈進行仿真驗證。宋宏川等[25]針對導彈制導規則設計成型獎勵, 用DDPG算法訓練無人機規避正面來襲的導彈, 對比典型規避策略, 訓練出了僅次于置尾下降機動的逃逸策略。

上述研究表明, 無人機能夠通過特定的機動方式來規避空空導彈的打擊, 而深度強化學習算法可以訓練出自動規避空空導彈的智能體。總體而言, 以往研究大多基于單枚導彈打擊場景。但是在超視距空戰中, 多枚導彈從不同方向鎖定無人機并發動協同攻擊的情況屢見不鮮。在這種情形下, DRL算法會存在狀態空間維度大, 狀態信息維度不斷變化, 神經網絡輸入維度難以固定, 算法收斂性能差等問題。

針對以上問題, 本文提出一種基于單元狀態序列(unit state sequence, USS)的強化學習算法(reinforcement learning method based on USS, SSRL)。在該算法中，首先，將導彈和無人機進行一對一的特征編碼，形成特征單元; 其次，根據距離優先級對所有編碼后的特征單元進行排序, 組合成一個USS; 然后，使用門控循環單元(gated recurrent unit, GRU)對USS中的特征單元進行特征融合, 提取其中的隱藏特征信息; 最后，將隱藏特征信息看作該時刻的狀態信息，并將信息傳入強化學習算法的神經網絡。將該算法分別應用于深度雙Q網絡(double deep Q-network, DDQN)[26]和DDPG算法上, 在公開無人機空戰博弈仿真平臺上進行訓練。仿真結果表明, 由SSRL算法訓練的智能體能夠學到連續規避機動策略, 控制無人機進行規避導彈機動, 增加導彈脫靶量, 提升無人機連續規避導彈的成功率。

美國陸軍作戰能力發展司令部陸軍研究實驗室正在研究行為，建立數據集，并開發異常分類和解釋的技術，其中自主智能體生成自然語言描述和對可能包含異常屬性的環境的解釋。這項技術將支持在不確定條件下的決策，以及士兵和機器人隊友在網絡限制的情況下，在未知或危險的環境中完成探索性的導航任務（例如，自然災害后的搜索和救援）的彈性自主機動。在本報告中詳細介紹了貢獻：借鑒視覺異常檢測的相關工作，設計了一個異常分類法；設計了兩個在虛擬環境中進行的實驗，這些環境被操縱以顯示基于分類法的異常屬性；為異常檢測和解釋任務收集了一個小型人類語音和人類-機器人對話的語料庫；最后，設計了一個新的注釋模式，并將其應用于語料庫的一個子集。

圖1. 帶有實例樣本的類的異常分類法。矩形框包含了類的類型（例如，實體的 "顏色"），橢圓是類屬性的實例或例子（例如，"粉色小貓"）。

引言

美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL），正在研究行為，建立數據集，并開發異常分類和解釋的技術，其中自主代理生成自然語言描述和對可能包含異常屬性的環境的解釋。這項技術將支持在不確定條件下的決策，以及士兵和機器人隊友在網絡受限的情況下，在未知或危險的環境中完成探索性的導航任務（例如，自然災害后的搜索和救援）的有彈性的自主操作。自動生成的自然語言解釋將促進在篩選大量低質量或重復的視覺數據時遇到的信息過載問題，迅速引起對非典型情況的注意。

將異常情況檢測的任務放在士兵由于可能對他們有危險的條件而無法穿越環境的場景中。此外，由于可用帶寬的限制和約束，接收環境的圖像或實時流可能是不可行的。因此，機器人隊友的作用就變成了在空間中導航，并通過簡潔和信息豐富的自然語言陳述或文本報告向士兵傳達信息。這種設想中的異常情況檢測技術的成功部署必須能夠：

• 識別環境中與預期相矛盾的方面；
• 詳細說明為什么這種方面是矛盾的，并提供預期狀態；
• 推斷出至少一種可能導致偏差的合理可能性；以及
• 推斷出至少一種合理的可能性，即由于偏差而可能發生的情況。

由ARL主持并通過國家安全創新網絡X-Force獎學金招募的兩名實習生組成的團隊花了10周時間探索這個問題的空間。在本報告中詳細介紹了貢獻：借鑒視覺異常檢測的相關工作，設計了一個異常分類法（第2和第3節）；設計了兩個在虛擬環境中進行的實驗，根據分類法，這些實驗被操縱以表現出異常屬性（第4節）；為異常檢測和解釋任務收集了一個人類語音和人類-機器人對話的小型語料庫（第5節）；最后，設計了一個新的注釋模式，并將其應用于我們語料庫的一個子集（第6節）。

美國人工智能國家安全委員會在2021年1月提交給國會的最終報告中建議國防部在2025年前做好人工智能準備。這一建議源于美國同行之間的人工智能軍備競賽，以及近年來在開發用于持續監視、指揮和控制以及武器化代碼的算法方面所取得的進展。雖然美國防部內有旨在利用各部門人工智能的戰略舉措，但戰術能力的發展和部署之間存在嚴重的脫節。作為美國防部的領導機構，聯合人工智能中心負責為美國防部的所有部門創造可行的解決方案，因此，如果所有單位都試圖在2025年之前做好人工智能準備，將不堪重負。本文強調了人工智能發展過程中的一個主要缺陷，并認為應將能力發展授權給空軍機群，并提供必要的資金和資源以真正將人工智能作為一種武器。此外，本文確定了通過基因操縱、智能灰塵納米技術和COVID-19機器學習過程發現成功的人工智能概念，以幫助戰術領導人了解人工智能革命如何幫助他們的特定任務領域，并激勵他們進行自我教育。

當涉及到利用人工智能（AI）時，美國空軍還沒有準備好與同行對手作戰，而且美國處于一場未宣布的軍備競賽中，可能會看到對手在未來十年內占據領先地位，因此需要迅速采取行動以扭轉局勢。更令人不安的是，這一威脅并沒有被該領域的戰術專家完全理解，或者即使他們理解，他們也可能沒有意識到（或在官僚上沒有能力）提供競爭所需的能力。對手在人工智能的研究和開發工作中正在取得進展。情報界的專業人士可以做些什么來解決這個問題。本文將嘗試定義中隊可以解決的戰術相關問題，并確定高層行動的不足之處。

人工智能國家安全委員會在其最終報告中建議美國防部采取行動，以便各部門為十年后的競爭做好準備。委員會的核心建議是美國防部遵循兩條努力路線：在2025年前為廣泛的人工智能整合奠定基礎，在2025年前實現軍事人工智能的準備狀態。這些項目在委員會報告發表前幾年就已經在進行了，這表明了對我們為有效競爭而需要的未來現實的戰略理解和承諾。然而，如前所述，開發人工智能支持的能力需要多年時間。為了有廣泛的人工智能整合，各級領導人需要了解人工智能的基本復雜性，以及如何在他們的任務空間內納入人工智能能力，以便他們能夠在2025年之前迎來人工智能革命。所提到的三大舉措從戰略角度縮短了傳感器和射手之間的差距，但處于邊緣的元素如何為這些努力作出貢獻？此外，如何授權給前線，讓他們根據任務的具體需要進行必要的組織、訓練和裝備？本文的目的是介紹人工智能的基本概念，并闡明應采取的行動，以推動空軍進入由人工智能驅動的持久性監視狀態。以下段落將討論智能能力、經過驗證的分析概念，以及展示未來的需求。

有幾個定義需要提到，以便在本文的其余部分提供背景，并幫助教育下級領導了解基礎概念。首先，人工智能需要三樣東西：數據集、算法和函數。數據集是一個數值表，算法是計算機用來解析數據的過程，而函數是 "從一組輸入值到一個或多個輸出值的確定性映射 "這些構成人工智能的基礎。總的來說，我們可以把人工智能看作是一類努力，它試圖采用計算機算法，并允許人類以合乎邏輯的方式解釋其結果。作為人工智能類別的一個子集，"機器學習（ML）涉及開發和評估使計算機能夠從數據集中提取（或學習）的算法。DL "專注于創建能夠做出準確的數據驅動決策的大型神經網絡模型"，而DL的重點舉措是圍繞著從神經網絡的特定神經元中貢獻特定功能的想法。對DL的理解對指揮官使用人工智能的能力至關重要，因為科幻小說中的想象力會認為這是可能的。

從情報、監視和偵察（ISR）的角度來看，DL可以推動多種數據來源的綜合（例如，多情報融合和分析）。通俗地說，ML可以幫助將幾種情報功能以一種共同的形式結合起來。然而，鑒于適當的數據集、算法和功能（或指揮官的意圖），理論上DL有可能允許對收集的信息進行分析、理解、反駁為錯誤信息、接受為事實、重新分配任務進行額外的收集，或推動新的收集任務，就像人可以做的那樣，但在機器處理信息和得出關于可用數據的結論所需的幾秒鐘內，是自主的。雖然戰略和作戰指揮官正在努力實現一種反映類似于上述DL潛力的能力的最終狀態，但他們仍然必須考慮法律、道德和倫理困境，以及開發完整的人工智能基礎設施的安全性和可靠性。如果戰術領導人不與高級領導人同步利用這些機會，我們注定無法與當前的任務集進行任何形式的整合，并注定無法實現國家安全委員會對人工智能規定的 "到2025年人工智能就緒的軍隊 "的姿態。那么，我們的部隊如何才能變得更有人工智能效率？幸運的是，人工智能驅動的能力、分析技術以及政府和商業案例研究可供探索。

人類基因編輯曾經似乎是難以想象的事情，但通過使用機器學習，它正逐漸成為現實。有關規則間隔短回文重復群（CRISPR）的研究已經進行了多年。作為一種生物技術，人們可以推斷出CRISPR技術的意圖是讓科學家有能力 "改變基因或創造DNA以改變植物、動物或人類。"此外，很難像前國家情報局局長詹姆斯-克拉珀在2016年所做的那樣，將基因編輯作為一種強大的大規模殺傷性武器來爭論。由于基因編輯為裝備精良的對手提供了機會，情報專業人員應該了解有關基因操縱的指標如何通過機器學習表現出來，以達到與美國戰略利益相悖的目的，并幫助指揮官了解他們如何能夠迅速打擊這些威脅。這一現實離所需的科學并不遙遠，如果分析人員知道如何識別必要的因素，他們可以將其納入計算。

如果分析員不能通過DL技術獲得分析所需的數據，也有一些創造性的解決方案來獲得信息。一個提供巨大潛力的創新是被稱為微電子機械系統的微小無線網絡的出現，被親切地稱為智能灰塵。"智能灰塵的大小為立方毫米，包含電源、通信和計算。"這是整個傳感器網絡的一個單一節點。研究還表明，智能灰塵粒子將能夠達到微觀水平，能夠作為傳統醫療護理方法的替代品進行注射。比隱身的尺寸更令人敬畏的是這個設備子集預計能提供的能力。它們可以容納攝像頭、環境傳感器和通信機制，以傳輸數據，并進一步處理。與ML工作、與存儲設備甚至互聯網的連接相結合，人們可以設想出一種檢測概率很低的收集資產，一種維護需求很低的系統，如果計劃得當，這種系統能夠降低前沿部署資產的風險，并限制其進入目標收集區域。

到此為止，本文已經討論了分析師如何將人工智能視為一種威脅，如何將其視為一種收集資產，但分析的過程呢？不妨看看COVID-19大流行病。雖然2020年的大流行病充滿了不確定性，但在大約一年的時間里，病毒被相對快速地分析、追蹤和抗擊。醫學界與DL專家合作，開發了COVID篩查和診斷方法、藥物發現以及最終的疫苗創新。這需要大量的數據輸入，這些數據來自社交媒體、基于文本的數據、病人數據、被稱為omics的科學數據的集合，以及圖像和視頻數據。這個分析系統是一個里程碑，表明人類可以與機器合作，在一個非常有效的時間窗口內從獨特的數據集中創建一個解決方案。應用于多源數據融合和分析的標準情報實踐中，如果有資源，沒有理由相信分析師不能利用DL的能力來制定準確的評估。

正如人們所看到的，人工智能在多個國家安全問題上具有巨大的潛力，如果戰術分析員有能力的話，他們可以將其應用于自己的任務領域。美國防部在人工智能方面最重要的代理人是聯合人工智能中心（JAIC），該中心于2019年2月12日根據行政命令13859的要求啟動，作為國防部人工智能戰略的執行者。有一個組織負責確保人工智能的需求得到滿足是一個有價值的目標，但如果各部門要在2025年之前做好人工智能準備，他們就不可能處理整個國防部的能力發展需求量。各級指揮部需要有一個共同的承諾，以避免因優先事項不一致而錯過機會。就目前的人工智能能力發展進程而言，戰術解決方案是不可用的。

自身的官僚主義阻礙了快速、分散的能力發展。為了確保人工智能驅動的能力，人們必須證明有足夠大的需求需要使用人工智能（如僅用五名分析師對數百萬個數據點進行排序），并通過多層官僚機構提交所謂的 "緊急行動需求"，以達到主要司令部的要求。一旦獲得批準，該請求將被轉發到JAIC進行裁決。一旦被裁定并在國防部的其他要求中被優先考慮，可能需要幾個月的時間才能找到一個開發者，并開始解決這個問題。在最好的情況下，這個過程可能會看到從需求提交到開發的6個月周轉期，這是不令人滿意的，如果服務要在2025年之前做好人工智能準備。這不是JAIC的錯，因為他們應該向國防部領導人和國會倡導人工智能，所以各部門有資金從外部尋求人工智能，同時學習如何在人工智能、ML和DL能力發展方面變得靈巧。筆者建議領導們認真考慮賦予機翼必要的預算、培訓要求，并與經批準的開發者名單（由全軍委員會批準）協調，以追求人工智能的努力。這項建議并沒有將JAIC完全從流程和能力發展中移除，因為該組織將繼續承擔正式的領導地位，制定政策并獲取最佳實踐，以便在整個國防部共享。

人工智能革命就在這里。本文確定了人工智能為部隊的每項任務提供的機會的縮影。人工智能、ML和DL為可能的事情打開了大門，并且應該讓ISR分析員以不同的方式思考問題及其解決方案。從基因突變到自動分析再到自主武器，可能性只限于可用的數據--或如何解釋可用數據。美國的對手已經具有威脅性，并且很可能在未來十年內增加。國家安全不僅需要提高對人工智能的認識，還需要開發和整合基于人工智能的武器系統。依靠簽約組織來開發機器算法，在未來是不可持續的。必須根據任務的需要調整任務算法，否則就會在一系列的能力中遭受失敗。

這是一個顛覆性技術快速變革的時代，特別是在人工智能（AI）領域。雖然這項技術是由商業部門為商業開發的，但人工智能在軍事應用方面的明顯潛力，現在正促使世界各地的武裝部隊對人工智能防御雛形系統進行試驗，以確定這些系統如何能夠最好地用于作戰與和平時期的任務。

澳大利亞也不例外，在2020年國防戰略更新中分配了資金，開始將人工智能能力引入國防。這將涉及開發解決戰術級和戰略級軍事問題的人工智能應用程序，建立一個熟練的人工智能勞動力，并與澳大利亞合作伙伴和盟友合作，將倫理學納入人工智能應用程序，并進行人工智能實驗。今年在澳大利亞首都地區費爾伯恩設立的國防技術加速實驗室是這一計劃的具體行動體現。

彼得-雷頓（Peter Layton）的論文考慮了人工智能在未來海、陸、空作戰行動中的戰術和作戰層面上可能發揮的作用，為這一廣泛的活動做出了貢獻。這是一個很少被研究的領域，因為到目前為止，大部分的討論都集中在關鍵的技術問題上。這些審議表明，人工智能可能是未來戰爭中的一項重要技術，但仍有許多不確定因素。本文提供了一個起點，在此基礎上開始辯論，這將有助于解決其中一些不確定性。

本文認為，人工智能將滲透到大多數軍事機器中；然而，它的通用性意味著它很可能是在現有作戰層面結構中被使用。鑒于此，人工智能在中短期內的主要作戰用途是“尋找（find）和欺騙（fool）”。人工智能/機器學習尋找隱藏在高度混亂背景中的目標非常出色；在這個應用上，它比人類更好，而且速度更快。然而，人工智能可以通過各種手段被欺騙；其強大的尋找能力缺乏穩健性。這兩個關鍵特征在應用于當前海、陸、空作戰層面的思考時，可能會產生巨大的影響。

本文初步設計的作戰概念與沒有人工智能技術的作戰概念明顯不同。

所討論的概念旨在激發人們對人工智能戰場上人機協作作戰的思考。這樣的戰場在目前看來可能有些猜測，幾乎是科幻小說。即便如此，許多國家已經在規劃、研究和開發方面取得了很大進展。鑒于將軍事力量調整到新方向所需的漫長準備時間，這一旅程需要從現在開始。

人工智能（AI）技術突然變得對軍事力量很重要。美國國防部（US DoD）已將人工智能的投資從2016-17年約6億美元增加到2021-22年25億美元，橫跨600多個項目。中國已經通過了一項“下一代人工智能發展計劃”，旨在到2030年使中國成為人工智能領域的杰出國家，并使人民解放軍從“信息化戰爭”轉向“智能化戰爭”。更引人注目的是，俄羅斯總統普京宣布，“人工智能是未來......誰成為這個領域的領導者，誰就會成為世界的統治者”。這些高級別的倡議和聲明正在產生結果。

在美國，美國海軍（USN）的“海上獵人”號（USV）在沒有船員的情況下從加利福尼亞航行到夏威夷再返回，利用船上的傳感器、雷達和攝像機數據，通過人工智能進行導航。同時，在美國國防部高級研究計劃局（DARPA）的支持下，一架由人工智能驅動的F-16模擬戰斗機最近在多次模擬的近距離空戰中全面擊敗了由非常有經驗的人類飛行員控制的類似模擬。在一項研究陸戰的類似評估中，美國陸軍（US Army）已經確定，一支由人工智能驅動的部隊比一支非人工智能驅動的部隊擁有大約10倍的戰斗力。

中國目前正在應用人工智能，通過指揮和控制系統的自動化來提高其戰場決策的速度和準確性，制定預測性作戰計劃并解決情報、監視和偵察數據融合的挑戰。中國還開始試用人工智能USV，以備在南海使用，并開始試驗無人駕駛坦克，而一家中國私營公司公開展示了人工智能武裝的蜂群無人機。

俄羅斯落后于美國和中國，但現在正在實施一項國家人工智能戰略以迎頭趕上。在軍事領域，俄羅斯有幾項工作正在進行。一條主線是將人工智能應用于信息戰，在戰術上用于發動心理戰，在戰略上用于破壞對手國家的社會凝聚力。另一條線是通過開發無人駕駛地面車輛（UGVs）、遠程傳感器、戰術指揮和控制系統以及無人駕駛航空器（UAVs），使用人工智能來提高陸地作戰行動的有效性。另一個努力方向是國家防空網絡的指揮和控制系統的自動化。

初步跡象表明，人工智能可能是未來戰爭中一項非常重要的技術，但仍然存在不確定性。雖然人工智能在民用領域，特別是在消費類產品中，被廣泛使用，但在軍事環境中才剛剛接近實際部署。此外，它仍然沒有在真正的戰斗行動的惡劣試驗場上得到驗證。即便如此，人工智能已經成為軍事力量考慮其未來時不可忽視的技術。

重要的是，在可預見的未來，可用的人工智能技術是狹義的，而不是通用的。狹義人工智能等于或超過了人類在特定領域內特定任務的智能；其表現取決于應用環境。相比之下，通用人工智能等于人類在任何領域任何任務中的全部表現。何時能實現通用人工智能仍然值得商榷，但似乎還有幾十年的時間。近中期的全球軍事興趣在于如何在現代戰場上使用狹義的人工智能技術。

不足為奇的是，人工智能的定義往往與人類智能相提并論。例如，2018年美國國防部人工智能戰略將人工智能定義為“機器執行通常需要人類智能的任務......”。這種理解將技術擬人化，并無意中將對人工智能應用的思考限制在那些可以由人類執行的任務上。

在某些應用中，人工智能可能比人類做得更多或更少。人工智能和人類能力的維恩圖在某些領域可能會重疊，但認為它們重合是有點虛偽的。在提供解決問題的見解上，人工智能可能是智能的，但它是人工的，因此，它的思維方式是人類所沒有的。

因此，本文在考慮人工智能時，更多的是考慮這種技術能夠執行的廣泛功能，而不是考慮它與人類能力的關系。2019年澳大利亞國防創新委員會采取了這種方法，將人工智能定義為“用于執行以目標為導向的任務的各種信息處理技術，以及追求該任務的推理手段”。

初一看，這個定義似乎并不精確，沒有包括人工智能可能為軍事或民用目的實際執行任務。但這種模糊性是當代人工智能應用的一個關鍵屬性。人工智能可以以多種方式應用，可以被認為是一種普遍存在于社會中的通用技術。通用技術的一個早期例子是電力，現在它被廣泛使用，以至于它的持續存在和使用，就所有的意圖和目的而言，都是簡單的假設。電能使惰性機器活躍起來，人工智能也將以自己的方式，通過推理為它們提供完成任務的能力。人工智能似乎將注入許多軍事機器，因此未來的戰場將不可避免地以某種方式由人工智能支持。

為了取得對對手的作戰優勢，軍隊不斷尋求更大的戰斗力。傳統上，技術是以一種綜合的方式在戰場上使用的，它能最好地利用人類和機器的長處，同時盡量減少兩者弱點的影響。人工智能似乎也可能是類似的。可以預計，人工智能在與人類謹慎地合作時，而不是在某種獨立的模式下，會變得最有效。

這種考慮強調了新技術本身并不會突然間帶來戰場優勢，而是在于人類如何運用它。對早期技術創新的歷史分析指出，擁有指導如何使用這些新技術的合理概念是軍隊成功將其投入使用的關鍵。歷史學家威廉姆森-默里和艾倫-米萊指出：

• 證據表明，首先，制定未來愿景的重要性。軍事機構不僅需要進行最初的智能投資，以發展對未來戰爭的設想，而且必須繼續對這種設想進行深入思考，以確定這些戰爭可能與以前的沖突有什么不同......在這方面任何對未來戰爭的設想幾乎肯定是模糊和不完整的，不是詳細和精確的，更不是任何科學意義上的預測。然而，愿景并不足以產生成功的創新。一個人對未來沖突的看法也必須是平衡的，并與行動的實際情況有很好的聯系。

在戰術層面，與戰爭現實的聯系是最緊密的。戰略規定了目標、總體方針和使用的力量，但在與聰明和適應性強的對手戰斗中處理這些力量的卻是戰術層面。雖然戰斗的成功可能不會導致戰略的成功，正如美國在越南的戰爭所說明的那樣，反之亦然。一個好的戰略在面對持續的戰術失敗時不可能成功。克勞塞維茨寫道：一切都取決于戰術結果......這就是為什么我們認為強調所有的戰略規劃都只依賴于戰術上的成功是有用的......這在任何情況下都是決策的實際基本依據。戰術通常被認為涉及友軍相互之間以及與敵人之間的分布和機動，以及在戰場上使用這些部隊。

本文旨在為在未來的人工智能戰場上使用人機團隊制定作戰概念。這樣的戰場，特別是當擴大到陸戰以外的空戰和海戰時，有一個混合的線性和深層的方面，具有消耗和機動的概念。設計這些作戰概念將為潛在的狹義人工智能系統如何在戰爭的戰術和作戰層面上使用提供一個廣闊的視野。

首先，本文討論了組成人工智能技術包的各種技術要素。這些要素包括先進的計算機處理和大數據，以及與云計算和物聯網（IoT）有關的具體方面。

第二章研究了利用人工智能發動戰爭的問題，并為防御和進攻制定了通用的作戰概念。這些概念位于作戰和戰術層面之間的模糊界面，涉及友軍相對于對手的分布和機動，以及友軍在戰場上的運用。

第三章、第四章和第五章分別將人工智能防御和進攻的兩個通用概念應用于海洋、陸地和空中領域。每個領域的戰斗在分配和操縱友軍以及與敵人交戰方面都有很大的不同，因此有必要提出單獨的人工智能作戰概念。沒有一個單一的概念能夠充分涵蓋所有三個領域，除非在很高的抽象水平上，但理解其含義可能會變得困難。提出這種具有前瞻性的概念似乎接近于投機性的小說。為了避免這種情況，每個概念都特意以當代作戰思維為基礎，并討論了當前和新興的人工智能支持的海、陸、空平臺和系統，以說明所提出的想法。

設計這些作戰概念的目的是激發思考，并啟動關于未來和如何備戰的辯論。本文提出的作戰概念旨在成為辯論其他人工智能戰場概念的實用性、可能性和有用性的基礎。只有通過對建議進行批判性分析，并不斷重構它們以進一步分析和演化，才能朝著最佳作戰概念取得進展。

本文所討論的概念在性質和范圍上都是有意限制的。就性質而言，海、陸、空的概念是：為了保持每個概念的重點，它們不是聯合或合并的。重要的是，這種狹隘性意味著一些領域并沒有包括在內，如俄羅斯在影響力戰爭中使用人工智能或中國在社會管理和內部防御中使用人工智能。出于類似的原因，每個概念都有一個狹窄的范圍，專注于戰爭，只有限地關注后勤，并避免關鍵領域，如教育、培訓、行政和指揮與控制。值得注意的是，除了與傳統的陸、海、空領域的戰術交戰的關系外，沒有討論網絡和空間這些新領域。

本文將人工智能這種新技術與戰爭的作戰方式和戰術使用選擇聯系起來。有了這樣一個重點，本文就與許多武裝部隊制定的眾多人工智能戰略和計劃不同。一般來說，這些戰略和計劃都是向內看的，目的是闡述人工智能作為一種技術將如何被研究、獲得并引入到他們的具體服務中。本文旨在補充這些人工智能技術戰略和計劃，將它們與更廣泛的作戰業務聯系起來，發揮作用。