本報告展示了為美陸軍2024年機動支援與防護集成實驗（MSPIX）演示準備的模擬研究成果。本研究旨在開發并測試一套面向復雜環境的自主導航系統，通過先進算法使機器人實現障礙物規避與安全高效路徑規劃。報告詳述了自主導航系統的開發與測試方法，包括利用仿真評估性能，并通過模擬測試結果凸顯該導航方案的有效性。

本報告響應《美陸軍多域情報：2021-2022財年科技重點領域》（陸軍副參謀長辦公室，2020年）設定的研究方向。具體而言，本研究契合“戰爭將以超高速和大規模形式進行，由機器人及自主系統（RAS）、機器學習（ML）和人工智能（AI）等技術主導，這些技術已廣泛可用、集成封裝并具備即用性”（第5頁）的論述。通過引入虛擬邊界、多航點設置及暫停導航堆棧功能，本系統達成構建更高效自主解決方案的目標。

本背景資料簡報概述人工智能（AI）與國防領域的交匯點。AI現部署于教育、金融、交通、醫療與國家安全等多領域。國防領域作為國家安全體系的核心構成，涵蓋以維護國家主權與利益為目標的軍事能力與行動。盡管AI有望提升國防活動效能，但其應用引發人權與國防領域善治相關的諸多挑戰。本簡報將界定AI概念，探討其在國防領域的應用場景，剖析對善治的潛在風險，并就強化監管提出建議（包括完善監測機制、提升透明度、健全問責制及促進利益相關方協作）。

本背景資料簡報解答以下問題
? 何為人工智能（AI）？
? 國防領域的定義為何？
? 國防領域為何使用AI？
? AI對國防領域構成哪些風險？
? AI如何影響國防領域善治？
? 如何強化國防領域AI應用的監管？

國防領域人工智能應用

國防領域人工智能應用監管框架

普遍預期人工智能（AI）將在未來軍事行動中發揮關鍵作用。作為美空軍部（DAF）將新興技術融入現代戰爭的重要舉措，蘭德公司研究人員受托研究未來十年支撐有效態勢感知所需的數據、技術、流程與政策框架。為深入理解這些要素與當前技術發展的交叉點，研究團隊系統梳理了現有感知流程的挑戰與改進機遇，重點關注感知發生的場景、工具與主體，特別強調如何融合多源情報實現目標發現、定位與跟蹤。

本報告中，揭示了DAF面臨的核心感知挑戰，評估AI技術的應對潛力。通過構建AI應用對比框架，提出技術采納路徑，并以假想AI系統開展系統性風險評估，展示最佳實踐方案。鑒于AI能力與DAF感知流程的復雜性，二者協同需審慎考量決策者應用方式及其與整體情報周期的整合。

核心發現

? 數據與知識表征需精細構建。高質量數據集須精心設計并配備準確元數據，支撐對象化生產與算法開發。
? 分析師須預判AI故障模式。理解AI訓練數據與知識表征的局限性，有助于優化系統應用效能。
? 專家系統仍具戰略價值。傳統AI技術持續發揮重要作用。
? DAF應為顛覆性技術應用鋪路。當前需優先部署非顛覆性AI技術，為未來重大變革奠定基礎。

實施建議

? 制定感知能力發展共同路線圖。DAF情報、監視與偵察（ISR）聯隊協同太空軍相關部門，聯合首席數據與人工智能官（CDAO）確立AI融合優先事項。
? 建立前瞻性風險評估機制。DAF各感知機構應對擬采用AI工具開展社會-技術-操作-政治-經濟-可持續性（STOPES）多維評估，首席信息官需確保責任型AI原則在感知領域落地。
? 警惕工具過載效應。ISR聯隊與空戰中心應選擇性開發應用AI感知工具，優先適配現有工作流且降低培訓依賴的解決方案。
 ? 防范技能退化風險。DAF CDAO須制定應對計劃，通過構建訓練數據集、提升分析師數據辨識能力等手段，緩解AI應用可能導致的感知技能衰退。

在人工智能發展的下一階段，英國希望主動塑造人工智能革命，而非被動等待其改變。為此，為英國政府制定了《人工智能機遇行動計劃》。

本計劃闡述了如何在社會市場經濟框架下引導人工智能應用。將通過與全球領先的人工智能企業、英國頂尖學者與企業家、以及有意在英創業發展的人才密切合作實現這一目標。愿景是秉持共享經濟繁榮、優化公共服務、拓展個人機遇的原則引領人工智能革命，具體包括：

? 人工智能驅動經濟增長，為民眾福祉與公共服務效能提供支撐；

? 通過改善醫療教育及政府服務交互方式，讓人工智能直接惠及勞動者；

? 人工智能在工作場景中的普及將創造新機遇，而非單純威脅傳統工作模式。

英國政府已采取果斷措施支持人工智能產業并掃除發展障礙。規劃改革將簡化人工智能時代核心基礎設施——數據中心的建設流程。"英格蘭技能計劃"將確保國民為未來人工智能驅動型就業做好準備。設立的"政府數字中心"將推進國家技術轉型，確保公共服務提供與私營部門同等的無縫體驗。

人工智能能力正以驚人速度發展。若此趨勢持續，人工智能可能成為政府實現五大核心使命（尤其是啟動普惠經濟增長目標）的最強杠桿。若不能把握人工智能機遇，英國恐難實現"保持七國集團中最高持續增長率"的雄心——以及由此衍生的無數生活質量提升效益。

任何國家人工智能戰略均需立足對本國優勢與短板的客觀評估。英國具備（部分領域堪稱全球領先）發展基礎：

? 強大的人工智能基礎研究能力，以及來自全球頂尖人工智能高校的高水平科研與工程人才儲備；

? 充滿活力的初創與成長型企業生態，擁有日益專業化與經驗豐富的創業人才隊伍，以及面向企業的成熟資本供給；

? 倫敦匯聚前沿人工智能領軍企業，包括谷歌DeepMind總部，OpenAI、Anthropic、微軟與Meta人工智能重要分部，以及本土新興翹楚（如自動駕駛公司Wayve）；

? 依托人工智能安全研究所在安全治理領域的全球領導地位，輔以適度靈活的監管框架。

這些要素是把握人工智能機遇的關鍵前提；缺失任何一環，本計劃愿景都將失去可信度。要維持全球領先地位，必須在人工智能研發與應用兩端同步領跑。目標應是構建繁榮的本土人工智能生態體系，在"人工智能技術棧"各層級培育重要參與者，推動人工智能產品服務在全經濟領域廣泛應用。

英國的現有基礎使這一愿景具備可行性，但實現目標需要遠見行動。政府必須：

? 夯實人工智能基礎：建設世界級算力與數據基礎設施，優化人才供給與監管體系（第1章）；

? 強力推動全經濟領域應用：公共部門應加速人工智能產品服務試點與規模化部署，并激勵私營部門效仿。此舉將提升公民服務體驗與成果，驅動生產力躍升（第2章）；

? 定位英國為人工智能創造者而非接受者：隨著技術能力躍升，我們應成為前沿人工智能建設者的最佳政府合作伙伴。英國需在人工智能技術棧關鍵層級培育真正國家冠軍企業，確保從技術進步中獲取經濟紅利，并對未來人工智能價值觀、安全與治理發揮影響力（第3章）。

本行動計劃按上述三大目標分為三章，每章包含具體建議。制定過程中始終貫徹若干核心原則：

? 堅定支持創新者：政府需在每個決策環節自問：此舉是否有利于在英開展創新實踐的個人與機構？若非如此，將錯失發展潛力。

? 投資成為卓越客戶：政府采購力應成為改善公共服務、塑造人工智能新興市場、提振本土生態的重要杠桿。但實現此目標需真正領導力與采購體系根本變革。

? 匯聚資本與人才：作為財政緊縮的中等規模國家，需吸引全球頂尖人才來英創業。成功實現此目標，國際頂級投資者將自然青睞英國初創企業與人工智能基礎設施。

? 強化既有優勢與戰略新興領域：英國在人工智能應用與集成層擁有優勢企業群，具備強勁增長潛力。在科研與工程領域（特別是科學人工智能與機器人技術）的突破性優勢，可能引發全經濟領域變革，推進人工智能發展并釋放創新潛能。

無人能精準預測十年后人工智能發展圖景。綜合專家意見，持續快速進步仍是大概率預期。相較過度投入風險，投資不足與準備欠缺的后果顯然更為嚴峻。即便技術進步放緩，部署現有前沿能力與投資基礎設施人才庫仍將帶來顯著收益。

若人工智能能力持續突破，在尖端領域占據優勢地位并成為其天然歸屬地，將決定能否塑造科技與工作未來，而非任由這些決策在境外形成。這是關鍵的非對稱戰略抉擇。

本報告是系列研究之一，旨在分析新興技術對美國國土安全部（DHS）任務與能力的影響。作為研究組成部分，作者團隊開發一套技術與風險評估方法論，用于評估新興技術并理解其在國土安全背景下的潛在影響。該方法論與分析為DHS提供了理解新興技術及其風險的基礎框架。

確保太空關鍵通道的可靠接入已成為經濟與國家安全的重要命題。鑒于DHS廣泛的國土安全職責與權限（作為美國政府最大的執法機構），該部門在諸多依賴太空可靠接入的活動中具有核心利益，特別是在與16個關鍵基礎設施部門相關或位于其中的領域。

在技術評估中，作者團隊考察了四個維度：技術可用性，以及風險與情景（細分為威脅、脆弱性和后果）。風險與情景分析由DHS科技政策辦公室和DHS政策辦公室提供。研究團隊將這四個維度置于三個時間段進行比較——短期（最多三年）、中期（三至五年）和長期（五至十年）。具體而言，研究聚焦未來十年內通信與成像衛星、太空數據中心與存儲設施、太空研發、太空增材制造、商業能源生產及太空采礦等領域的技術進展。

主要發現

• 隨著衛星性能提升與發射成本降低，關鍵基礎設施將日益依賴天基能力。然而，這種依賴性將導致太空環境愈發呈現競爭性、擁擠性與對抗性特征，使關鍵基礎設施面臨更多元化的風險敞口。
• 太空技術可及性在未來十年研究期內將呈現穩步發展態勢，但各項技術的成熟度差異顯著。與太空領域關鍵基礎設施應用相關的風險（威脅、脆弱性及后果）需待系統實現規模化部署后才會充分顯現。
• 早期應用可能涵蓋多種活動：太空旅游可能涉及長期駐留；太空數據中心處于規劃階段，未來三至五年內或完成原型驗證；制造與采礦預計需五至十年時間框架方能實現；某些應用（如商業能源生產和大規模太空采礦）在十年研究周期結束時仍難以突破原型驗證階段。
• 研究團隊評估認為，太空科技成熟度將持續提升，催生新應用場景、需求與市場力量，進而驅動創新迭代。技術的遞歸特性意味著，隨著科技成熟度取得成功，新的應用場景、需求和市場力量將會被識別，反之亦然。

本文回顧了太空-網絡關系最近作為一個獨特的作戰領域的出現（在俄羅斯烏克蘭戰爭期間得到鞏固），并分析了（缺失的）太空-網絡戰爭法律。文章進一步提出了在當代地緣政治和多邊規則制定困難的制約下制定規范和規則的路線圖。天基基礎設施對現代軍事和經濟至關重要，因此也成為首要目標。雖然只有四個國家擁有反衛星導彈（美國、俄羅斯、中國和印度），但網絡攻擊所需的資金和技術復雜程度要低得多，而且也可以由非國家組織發起。它們是強大的非對稱武器，允許攻擊者掩蓋其蹤跡，使被攻擊國家無法確定歸屬，從而使報復和威懾具有挑戰性。烏克蘭戰爭被一些人稱為 “第一場太空-網絡戰爭”，它首次將天基服務作為軍事行動的目標。值得注意的是，這是通過網絡攻擊實現的--鑒于俄羅斯也擁有反衛星導彈，這種選擇很有說服力。本文認為，當前的多邊機制不足以應對新的太空-網絡關系，迫切需要建立一個綜合、靈活的多邊機制。考慮到傳統國際立法的僵局和無約束力國際協定的興起，本文建議采用多中心方法來建立制度。多中心治理是諾貝爾獎獲得者埃莉諾-奧斯特羅姆（Elinor Ostrom）在公地治理中倡導的，越來越多地用于應對各種全球集體行動挑戰。因此，本文設想開展多軌外交，由多個論壇提出一系列不具約束力的國際協議，這些協議將共同構成一個可行且靈活的太空-網絡戰爭法律體系，盡管并不完善。

下文第二節回顧了太空--最初保留用于和平目的--作為一個作戰領域的出現，網絡空間作為一個作戰領域的出現，以及最終太空-網絡關系作為一個作戰領域的出現。然后，第三節回顧了各國正在采取的應對太空-網絡關系的措施，包括針對脆弱性和風險出臺政策和標準。在討論國家應對措施之后，將討論國際層面的應對措施。第四節討論了太空、網絡空間和太空-網絡關系等新戰爭領域的戰爭法，表明迫切需要采取綜合的多邊制度。第五節緊隨其后，提出多軌國際立法是為太空-網絡戰爭領域引入多邊規范和規則的可行途徑。這強調了一種多中心的方法，包括多個部分重疊的論壇（包括多方利益攸關方論壇），并主要介紹了不具約束力的國際協定和其他文書，總體而言，這些協定和文書有助于達成共識和建立規范。第六節總結了本文的主要觀點。

本報告探討了烏克蘭無人機行業的蓬勃發展和演變，重點介紹了為滿足緊迫的國防需求而進行的重大投資和創新產品開發。隨著地緣政治格局的不斷演變，烏克蘭政府已認識到有必要擴大軍事裝備（尤其是無人機）的生產規模并實現其本地化，以增強其國防能力。為促進這一增長，烏克蘭建立了一個全面的支持生態系統，將基礎設施建設與旨在促進創新和本地生產的定向投資相結合。

這個生態系統的一個重要方面是投資者的積極參與，他們不僅提供資金，還為技術進步和部署做出貢獻。從依賴天使投資人向更廣泛的風險資本融資過渡，標志著投資格局發生了關鍵性轉變。新一輪融資的平均規模大幅增加，許多初創企業現在的平均融資額在 100 萬美元到 300 萬美元之間，而以前的平均融資額為 50 萬美元。資本的涌入反映出人們對該行業的創新潛力和盈利能力越來越有信心。

報告對 Swarmer 等成功的烏克蘭初創企業進行了重點案例分析。Swarmer 公司專注于為無人機群開發人工智能解決方案，該公司獲得了 270 萬美元的種子資金，證明了其技術在應對現實國防挑戰方面的可行性。

除投資趨勢外，報告還深入探討了無人機行業的關鍵產品開發領域，包括無人機（UAV）、艦載無人機、地面無人機和電子戰系統。值得注意的是，烏克蘭的無人機生產能力經歷了顯著的轉變，從早期的小規模生產發展到 2024 年預計生產多達 400 萬單元。這一增長得益于自主性、人工智能集成和蜂群技術的進步，這些技術從根本上改變了軍事行動能力。

然而，該行業面臨著一些可能阻礙其發展的挑戰。這些挑戰包括缺乏資金、出口限制以及來自大型國際制造商的競爭壓力。報告強調，行業利益相關者之間必須不斷創新和合作，才能有效克服這些障礙。

總之，本報告闡述了烏克蘭無人機產業的愿景，即強勁增長、戰略創新和重要的投資機會。研究結果強調，需要國內和國際參與者的持續支持，以充分發揮這一新興行業的潛力，增強烏克蘭在全球舞臺上的防御能力。

深度學習是人工智能的一個子類別，在自動識別水下傳感器數據中的各種目標方面具有巨大潛力。這項工作的目標是支持未來使用深度學習的水下戰爭領域目標自動識別系統的發展，首先要展示什么是可能的，其次要讓研究人員深入了解如何通過建議和經驗教訓來構建這種定制系統。目標受眾是水下戰爭領域的研究人員，他們或是深度學習的新手，或是水下傳感器數據的新手。深度學習的基礎知識可以從許多在線課程中獲得。本參考文檔重點介紹如何應用這些工具識別目標，該領域不同于機器視覺和自然語言處理的常規應用。這些水下戰爭自動目標識別系統處理的不是標準圖像或文本，而是來自聲學傳感器的數據。這些小型定制神經網絡不是下載標準的現成網絡，利用充足的計算資源從大型訓練數據集中學習，而是設計用于從相對較小的訓練數據集中學習，而且往往受到硬件的計算限制。這項工作概述了定制神經網絡在各種水下戰爭自動目標識別任務中的應用，包括側視聲納中的類雷物體、寬帶聲納散射數據中的未爆彈藥、被動聲學數據中的水面艦艇以及主動聲納中的水下目標。此外，還分享了關于高效神經網絡設計和使用來自水下傳感器的小型訓練數據集的建議。

先進的自動目標識別系統可以快速自動分析傳入的傳感器數據，并對感興趣的目標進行探測、分類和定位，從而提高水下作戰能力。這有助于減少從獵雷到被動聲學監測、魚雷防御和反潛戰等各種應用中操作員的工作量。深度學習是在遠程和無人平臺上進行水下作戰自動目標識別應用的一種特別有前途的方法。越來越多的研究人員希望獲得相關建議，因此編寫了本文檔，以鼓勵和支持深度學習技術在未來自動目標識別系統開發中的應用，從而提高水下作戰領域的防御能力。

無人機系統或無人機技術，包括單個系統和成群的無人機系統，在過去的 25 年里得到了廣泛的應用。因此，隨著技術的不斷成熟，這種技術和使用這些無人機系統的能力既是當前的威脅，也是日益增長的威脅。

在本報告中，研究人員評估了智能蜂群技術，考慮了技術可用性以及未來三年、三至五年和五至十年的風險和情景（威脅、弱點和后果）。此外，研究人員還考慮了隨著技術的發展，是否會開展可降低風險的準備或緩解和響應活動。研究人員得出結論認為，無論是采用代用無人機群還是智能無人機群技術，這些系統都會對國土構成重大風險，而脆弱性和后果的緩解很可能具有挑戰性。

研究問題

• 無人機系統或無人機技術（包括單個系統和無人機群）對美國本土的潛在威脅是什么？
• 惡意行為者在使用這些技術進行攻擊時需要克服哪些潛在限制或挑戰？
• 與無人機系統相關的威脅、弱點和后果是什么，特別是隨著這些技術的發展？

主要結論

• 無人機系統或無人機技術，無論是單個系統還是代理蜂群，都是當前的威脅，而就智能蜂群而言，隨著無人機系統技術的不斷成熟，其射程、有效載荷和功率也在持續進步，因此威脅也在不斷增加。
• 智能蜂群的成熟將伴隨著多種技術的融合，包括人工智能、大數據、物聯網和 5G，這些技術將共同支持這些能力的開發和應用。
• 隨著時間的推移，非法使用智能蜂群的風險將繼續增加；然而，攻擊很可能仍然是局部性的，在某些情況下，影響有可能是區域性的，如針對電網的網絡或電磁攻擊。這意味著后果可能保持溫和，因為它們不可能對全國產生影響。
• 對于國土安全捍衛者（如執法人員、急救人員、規劃人員和關鍵基礎設施部門的工作人員）來說，要減輕脆弱性和后果可能具有挑戰性，因為在各種潛在目標中實地部署檢測系統和應對措施可能成本極高。

圖：智能蜂群風險評估

本報告是在 FA9453-19-1-0078 資助下編寫的。首先，提出了兩種數值方法來解決通信和導航中產生的非線性優化問題。其次，開發了兩個關于機器學習模型的解決方案質量和安全性的結果。

該研究項目的目標是開發高效的大規模非線性優化算法，以解決通信和導航方面的數據分析問題。這些問題被公認為在數學上具有挑戰性，并與空軍的利益直接相關。

在資助期間，我們成功研究了兩個研究方向。首先，我們設計了大規模非線性優化問題的最佳一階方法。在這個方向上，我們提出了兩個一階方法，可以對決策變量進行近似梯度更新。這兩種方法都可以解決分散通信的多Agent優化所產生的非線性優化問題。通過將多代理優化重新表述為約束性問題，我們開發的方法可以以最佳梯度/操作者評估復雜度來解決問題。我們開發的方法也可用于解決圖像重建問題。

第二，我們分析了機器學習模型中的解決方案質量和安全問題。在這個方向上，我們完成了兩個研究結果。我們的第一個成果是關于在多集群環境下，從二元結果的條件邏輯回歸模型中計算出來的估計值的屬性。我們表明，當每個單獨的數據點被無限次復制時，來自該模型的條件最大似然估計值漸進地接近最大似然估計值。我們的第二個結果是關于安全的矩陣乘法問題，我們設計了一種準確和安全地進行分布式矩陣乘法的方法。我們的安全協議可以確保在進行這種矩陣乘法的通信過程中沒有任何信息被泄露。