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

為了應對《國防戰略》中概述的新出現的近似同級威脅，軍事領導人必須將其對戰爭演變的看法重新表述為一種新的思想，將感知到的威脅視為變革的主要驅動力。根據軍事生產和國際軍事使用動力之間新的雙因素博弈來模擬這種演變，可以為美國軍事力量的未來指明幾種戰略。

盡管間斷均衡、國際威脅分析和博弈論等概念仍是學術思想的主要內容，但它們尚未被整合成一個供軍事領導人應用于戰爭的單一框架。本文將以科學家測試和驗證假設的方式來構建這樣一個框架。因此，本文認為，戰爭與其他社會建構一樣，是在一個間斷平衡的生態系統中演變而來的，受制于國家對各種威脅的關注。隨著國家注意力的搖擺，國家利用技術并將其迅速付諸實踐的能力對于應對這些威脅仍然至關重要。此外，當前的技術格局呈現出無限的技術組合，使得戰略制定比以往任何時候都更加復雜。因此，由技術行動和技術實施組成的雙因素博弈，為利用技術應對所感知的國家威脅提供了方法論。在這個案例中，歷史和科學結合在一起，為一個包含七個獨立信條的新范式正名。以美國發展和使用空中力量為工具，對這些信條進行了衡量和研究，既約束了討論，又突出了歷史趨勢。

本文勾勒了對間斷均衡與國家威脅關注和博弈論之間關系的綜合理解，從而創建了一個框架，為當代軍事領導人構建和衡量未來戰爭戰略提供了新的范例。

目前和即將出臺的美國軍事概念強調，需要整合和同步所有領域的效果，以實現跨領域的協同作用。本論文研究了三個案例，以確定軍隊在同行競爭者之間的大規模戰斗中同步使用空中力量和陸地力量的有效性和手段。由于美國和英國在第二次世界大戰和 "沙漠風暴 "中的經驗已經在美國學術界得到了很好的研究，研究的重點是第二次世界大戰期間的德國和蘇聯，以及1973年阿以戰爭中的以色列國防軍。對于每個案例研究，作者都介紹了支撐所研究軍隊行為的作戰條令、戰役背景、關于整體有效性的結論，以及對所使用的指揮和控制機制的深入討論。最后一章提出了美國在為多域或全域作戰開發系統和觀念時應考慮的六個明顯的教訓。

結論與建議

在分析了這些歷史上有爭議的環境中用于整合空中力量和陸地力量的結構和方法后，不同的例子之間的相似程度是驚人的。雖然每個系統都有長處和短處--有些比其他系統更重要--但它們都在幾個基本概念下運作。在很大程度上，這些原則在現存的美國聯合部隊系統中也很普遍。美國軍隊應該從這項研究中得出的結論是漸進式的變化，更多的是采用更有利于大規模作戰行動和MDO的思維方式。在歷史先例中，有六條與空中力量和陸地力量整合有關的基本原則是可以確認的：

(1) 信任是任何C2系統的先決條件；

(2) 對共同作戰目標的理解對信任至關重要；

(3) 作戰和戰術C2結構是成功整合的根源；

(4) 在大規模作戰中，空中力量應被視為機動部隊；

(5) 空中力量和陸地力量是相互促進和相互支持的；

（6）有爭議的空中環境需要良好整合的跨領域戰術推進器（護航、SEAD等）來執行反陸地或任何其他任務。

雖然本論文從空地角度提出了這些原則，但它們似乎適用于整合所有領域。為了便于閱讀和確保理解，下面的表十列出了這些原則

克里斯-福塞爾（斯坦利-麥克里斯特爾在領導聯合特種作戰司令部期間的親密助手之一）強調，有四個關鍵因素促使一個大型組織能夠以小團隊的速度和效率運作：信任、共同目標、對形勢的共同理解以及授權執行。福塞爾的因素與上述原則清單之間有許多相似之處，這一事實支持了它們的有效性。有很多 當前美國的理論在很多方面促進了這些原則。但是，由于21世紀的行動，許多軍官的心態并不總是遵循歷史所建議的戒律或聯合學說所規定的意圖。因此，美國陸軍在空地一體化方面最大的發展重點是培訓、領導力和教育。在深入研究這些原則之前，有必要對這些原則所要實現的目標進行簡短的討論。

美國陸軍和美國空軍都認識到當代和未來作戰環境的日益復雜性。美國陸軍解決這一問題的核心理念是MDO（在訓練與理論司令部小冊子525-3-1《2028年多域作戰中的美國陸軍》中討論）。美國空軍的中心思想是作戰敏捷性（在其2015年9月的未來作戰概念中提出）。在這兩種情況下，各種信條和層面都描述了美國空軍在沖突期間實現戰略目標的手段：在所有領域向對手提出多種困境，共同努力匯聚到作戰目標上，從而取得戰略勝利。為了實現這一總體概念，各領域之間的有效整合是至關重要的。

行動整合應該通過根據歷史經驗開發的系統來實現，在這些歷史經驗中，空中和陸地機動在有爭議的環境中被有效整合。有效的整合是一個系統，在這個系統中，每個領域的部隊都有最大的行動自由，可以行使主動權，從而在特定的環境中建立最快速的節奏。在明確的聯合目標指導下，通過相互支持和扶持的領域部隊在每個領域創造的快速節奏，大大增加了美國聯合部隊的成功幾率。關于這一概念的說明，請參見下面的圖26。

為了便于討論，下面的表8列出了每項原則以及作者認為美國司法部應該調查改進的領域。如前所述，這些需要改進的領域大多不涉及條令、組織或材料等。相反，它們主要集中在心態和觀念上，這些問題主要應通過培訓、領導和教育來解決。這些概念建立在一個核心思想上，即在每個領域運作的人都相互信任，為一個共同的目標而努力。

作為戰備的一個關鍵原則，重要的是要知道--目前的跟蹤和對未來各種時間框架的預測--衡量和了解單位水平的熟練程度和個人職業的熟練程度。作為一個例子，最近在試圖評估水面艦艇軍官的熟練程度時特別強調了這一點。這項研究致力于開發一種知識管理（KM）方法來進行這種測量和理解，尋求實現當前的跟蹤和未來的預測。知識管理方法將被開發出來，以提高質量設計的特點，如直觀的操作、自然的數據輸入、敏捷性和全球覆蓋率。

海軍水面作戰部隊（SWO）群體提供了一種重要的、復雜的能力，以應對世界各地日益動態和不可預測的威脅。在水面作戰群體中的有效表現需要一套獨特的技能和能力，這些技能和能力的核心是在海上艦艇上的生活和工作。這種技能和能力一般都會以可預測的方式增長（特別是通過培訓和經驗），海軍執行既定的資格認證程序，以幫助確保其人員在負責船上的關鍵工作之前就已經熟練掌握。

然而，與任何人類的努力一樣，不同的人擁有不同的動機水平，每個人學習新技能的速度也各不相同。此外，鑒于世界各地的水面作戰行動的持續高節奏，加上SWO的培訓時間縮短，SWO的海員技能和類似的關鍵技能有很大一部分是在航行中學習的（特別是通過在職培訓[OJT]、指導[UI]、個人資格標準[PQS]）。因此，我們很難事先知道船上每個人的熟練程度，或者推而廣之，船公司和船員在開航前的準備程度。此外，并不是所有的船舶（即使是同級別的）都有相同的配置和操作，所以在一艘船上的OJT和經驗不一定能100%轉移到另一艘船上。正如最近的綜合審查（艦隊司令部，2017年）所指出的，諸如此類的因素可能會導致有問題的航海技術，無效的溝通，甚至是可避免的海上碰撞事故。

作為戰備的一個關鍵原則，重要的是要知道--跟蹤目前的情況和預測未來的各種時間框架--衡量和了解單位水平的熟練程度和個人職業的熟練程度。本研究致力于開發一種知識管理（KM）方法來進行這種測量和理解，力求實現當前的跟蹤和未來的預測。知識管理方法的開發將提高質量設計的特點，如直觀的操作、自然的數據輸入、敏捷性和全球覆蓋。

當按照這些思路來處理一個項目時，重要的是保持對知識的動態和人類本質的關注（Nissen，2014）。知識是不斷運動的（例如，當個人學習和練習個人技能時，當團隊學習和練習共同工作時，當船員遇到并與他人分享經驗時）。這尤其涉及到各種豐富的、基于經驗的、隱性的知識，這些知識是有效的航海、艦橋溝通、戰術行動和船上領導所需要的。因此，除了在每個時間點保持靜態理解外，還必須識別、測量、跟蹤和預測知識的流動（即知識流）。

知識也是無形的，不可見的，而且對量化有抵觸，這使得測量成為一個持續的挑戰。事實上，我們主要是通過人們（以及團體和整個組織）的行動和表現，來深入了解促成這種行動和表現的基本知識。此外，知識并不代表一個單一的概念：不同種類的知識（例如，隱性的、顯性的、個人的、團體的、創造的、應用的）具有質量上不同的屬性和行為，因此對行動和績效的影響也不同（Nissen，2006）。

在這項研究中，我們將知識流理論（KFT；例如，見Nissen，2014）、分析、可視化和測量（例如，見Nissen，2017；Nissen，2019）方面的技術水平--除了最近關于SWO社區的研究（例如，見Nissen & Tick，2018）--用于衡量和跟蹤SWO的能力和準備情況。我們也很謙虛，理解與SWO社區專家合作的重要性，以挖掘詳細和相關的洞察力和經驗。因此，這項工作結合了關于知識動態和測量的一些最佳思維，以及對水面戰能力和準備狀態的一些最佳理解，以創建一個綜合的、實用的、專注于水面戰的努力。

這導致了四個主要的研究問題：

問題1：什么是有助于個人和單位準備狀態的關鍵因素？

問題2：如何測量、跟蹤和預測這些關鍵因素？

問題3: 什么樣的準備狀態知識和信息是需要直觀而可靠的評估的？

問題4：什么樣的架構可以支持測量和理解的知識管理方法，實現當前的跟蹤和未來的預測，并提高質量設計的特點，如直觀的操作、自然的數據輸入、敏捷性和全球覆蓋？

這些研究問題是通過下面概述的四步法進行的。其結果增加了我們對識別、測量、跟蹤和預測水面戰熟練程度和準備情況的理解和能力。然而，顯然在一項研究中能完成的只有這么多，而本研究也不例外。然而，我們需要從某個地方開始，并開始制定哪怕是一個初步的方法和一套概念、構造和結果，作為一個隱喻的基礎，我們和其他研究人員可以在此基礎上進行研究。

為了使多域作戰的概念取得成功，聯合部隊之間需要有一種共同的語言，而且這一概念決不能以犧牲在現有領域的機動性或通過創造一個新的領域來放棄單一領域的主導地位。并非所有的問題都需要一個僵化的理論來克服，多領域作戰需要模糊性，以最大限度地發揮其潛力。如果不這樣做，就有可能使概念僵化，使概念的效用受挫。

在美國陸軍和聯合部隊中，最近出現了實施多域解決方案以克服新出現的戰略和戰術挑戰的勢頭。應對這些挑戰的首要機制是制定理論，讓各部門承認并提供跨領域的效果以支持彼此。迄今為止，這一努力遇到了挑戰，因為聯合部隊有定義方面的挑戰，并且最終必須默許在零和資源環境中以犧牲自己的能力為代價來發展支持其他部門的能力。這項任務在最好的情況下是具有挑戰性的，在最壞的情況下是無法實現的。此外，產生一個解決方案本質上增加了與執行有關的復雜性。然而，重大的理論改革是沒有必要的，多領域合作的有利影響最好通過內在的模糊性來體現。

為多域作戰提供一個激烈的理論解決方案既無法實現，也沒有必要。允許思想上的模糊性提供了機會，使各部門能夠保持主要領域的主導地位，這對于多領域合作和跨領域的成功來說是必要的。它還允許制定與特定情況相關的解決方案，利用創造力，而沒有在零和資源環境中進行資源競爭的風險。各部門之間的同步性可以通過更加集中和一致的語言來克服，并通過使用現有的基礎設施來實施變革而不產生重大動蕩，使美國的軍事優勢保持不變，并能夠確保美國持續的全球力量投射。

新技術的影響和未來戰斗空間速度的提高，可能會使指揮和控制職能過度集中在政治或戰略層面，而忽略了合格參謀人員的咨詢意義。因此，政治/戰略領導人可能會發現追求先發制人和預防性戰爭作為一種戰略，以獲得對敵人的不對稱優勢。

隨著時間的推移，技術革新在戰爭中發揮了重要作用，并在許多領域逐步取代了人類的功能。在第一次世界大戰（WWI）和第二次世界大戰（WWII）之間的戰時時期，戰爭被理論化為更遠的距離，更快的執行，并通過越來越復雜的機器。目前的軍事能力是一個演變趨勢的結果，其中技術和信息發揮著核心作用。新技術的影響和未來戰斗空間速度的提高可能會使指揮和控制功能在政治或戰略層面過度集中。這一因素是下一屆政治/戰略領導層的道德困境的基礎。

在濫用自動化和盲目限制自動化之間平衡決策過程的能力將是在自主系統的作戰環境中發展有效的指揮和控制功能的一個關鍵方面。

未來的指揮與控制

在戰時，一些領域的實驗旨在確定贏得戰爭的最有效平臺。即使戰術層面上所有可用手段的整合創造了真正的不對稱優勢，每個平臺的 "倡導者 "都在這個層面上提出了自己的觀點，以獲得戰略家的關注，并最終在戰爭的馬賽克中帶來了另一塊。

空中力量理論家認為，飛機本身是下一次沖突中的游戲規則改變者，在這個層面上，其他 "傳統 "的戰斗方式將被掩蓋。其中，朱利奧-杜埃特認為，在戰爭時期，不再有戰斗人員和平民的區別。因為戰爭是國家之間的全面對抗，平民成為合法的目標，戰略上的成功只能來自于飛機和從空中進行的大規模轟炸。此外，杜赫特相信，由于勝利只能通過打擊敵人的士氣來實現，所以每一種解決方案都是可以接受的成功手段，包括用毒氣毒害平民。最后，關鍵是要剝奪敵人建立空軍的能力，否則就必須反復運用資源來擊敗敵人的空中艦隊。

歷史已經清楚地表明，這種絕對主義的設想是不準確的。空中力量本身并不是改變游戲規則的因素，然而它卻有助于在所有級別的戰爭中與其他平臺的結合創造出不對稱的優勢。也許，當飛機與核彈相結合時，人類進入了一個新的戰爭時代，證實了這樣一個假設：整合/結合現有的手段是在戰場上和其他地方取得成功的途徑。

隨著迅速接近一個日益自動化的世界，一些作者指出，一個革命性的突破正在戰爭的門口，它將以這樣一種方式改變戰爭，"甚至可能挑戰戰爭本身的本質"。自主革命的倡導者和懷疑者之間的對立是公開的，就像在杜赫特時期一樣。一方是主張者，他們相信在自動化方面的優勢競賽將最終導致一場徹底的沒有人類的戰爭。保羅-夏爾在他的《無主之軍》中設想了發達的人工智能和自主機器之間的結合，能夠在不與士兵、水手、空軍等進行任何互動的情況下計劃和執行軍事行動。另一方面，一大批理論家認為，自動化將永遠不會取代戰爭的人性。如果歷史告訴我們什么，先進自動化的支持者將帶來戰爭馬賽克中的一塊，把是否和如何依賴自動化系統的兩難問題留在下一代領導人的手中。

圖6：自主武器和自主戰爭之間的平行關系

自主系統與自主戰爭

由自主系統進行的自主戰爭的想法引起了人們對生存性質的嚴重關切，然而，大國之間的競爭正促使人們在獲取人工智能和人工智能集成系統方面進行競爭。中國的目標是利用人工智能來開發大量的情報，生成一個共同的作戰圖，并加速戰場決策。俄羅斯繼續推行其國防現代化議程，目的是到2025年使其30%的軍事裝備實現機器人化，同時在發展蜂群能力方面追求不同平臺的整合。美國國防部對人工智能采取了更為保守的做法。美國 "2018年國防部人工智能戰略摘要 "指示以人為本的方式使用人工智能，特別是在關鍵任務領域加強軍事決策和操作，提高態勢感知和決策，提高操作設備的安全性，實施預測性維護和供應，并簡化業務流程。此外，該戰略還指出 "將優先部署人工智能系統，通過卸載繁瑣的認知或物理任務和引入新的工作方式來增強人員的能力"。將所有這些方法放在一起，其趨勢是：

• 信息收集和態勢感知的自動化；
• 加強戰場的機器人化和平臺的整合；
• 增強的決策過程，以保持機器的執行速度。

戰術及戰略影響

要想在戰場上有效地部署通用人工智能，并將人類 "排除在外"，自主地解決戰爭中的每一個問題，可能還有很長的路要走。 目前的能力可以在特定領域操作，并在某種程度上超過人類操作員。然而，技術的發展使得自主系統能夠在人類的監督下進行自我協調（人類在環路上），并對特定的威脅進行群攻，正如美國海軍用機器人代理指揮和感知的控制架構所展示的那樣。

在戰術層面，自主能力給能夠部署它們的人帶來明顯的優勢。在2016年的一段視頻中，俄羅斯發明家Semenov Dahir Kurmanbievich演示了自主武器如何輕松地摧毀對手的常規部隊，或對政府高級領導人采取具有戰略意義的行動，出奇制勝。 自主武器在戰斗中的主要特點是低簽名、低能見度、低成本、沒有人類的直接參與、高精度、耐用、戰術智能體之間的相互聯系、自我構建和適應性。總而言之，在戰術層面，有可能設想出一種相互連接的平臺織錦，可以用較少的人力和經濟成本提供相同或更大的火力。作為一個例子，美國海軍陸戰隊正在開發機器人戰球，以支持兩棲作戰中最危險的階段，即從船到岸的運動。這些自主系統為部隊更安全地登陸創造了條件，通過蜂擁而上和沖擊岸上的敵人防御結構。這種攻擊只能用快速運作的系統來防御，這些系統具有自主性和智能性，為自動化提供了騎乘的條件。

特定領域的人工智能將改變沖突，就像以前的軍事能力轉型一樣，它有可能對戰略平衡產生深刻的破壞。在戰略層面上，人工智能扮演著兩種不同的角色。一方面，關于性能最強的人工智能的競爭已經在重新設計全球范圍內的力量平衡。俄羅斯總統弗拉基米爾-普京表示，"誰在人工智能領域領先，誰就能統治世界"，但也表示 "對人工智能優勢的競爭很可能會引起第三次世界大戰"。 美國國家安全戰略也認識到人工智能的戰略影響，呼吁私營部門在那些能夠影響國家安全挑戰的情況下共同承擔責任。 戰略層面的框架是通過自動化迅速實現對競爭對手的不對稱優勢，事實上，美國上一個國防戰略的目標之一是 "廣泛投資于自主性、人工智能和機器學習的軍事應用，包括快速應用商業突破，以獲得競爭性軍事優勢"。

人工智能和自主系統的關鍵應用是增強預測模式的能力，將潛在的威脅可視化，正如DARPA的知識導向的人工智能推理模式（KAIROS），并比以往更快地制定行動方案，如人工智能在戰爭游戲中的應用，可以比人類同行更快地完成回合，并同時處理每一個可能的動作，提供以前未見的建議。 英國將軍理查德-巴倫斯說："開源大數據和人工智能將成為情報系統的核心；商業低地球軌道立方體衛星將提供以前由昂貴的地球靜止軍事衛星完成的大部分圖像--以更方便和低成本的方式；陸地、海上和空中的無人駕駛車輛將取代現在處于危險中的一些人類"。該聲明反映了一種趨勢，即關注安全結構，但也關注私營部門，作為一個系統而不是獨立機構的集合來運作，這是一種整體政府的做法，也是整體工業的做法，但從本質上講，解決決策過程集中于少數決策者的問題。

決策過程的未來可能會看到自主技術的引入對觀察（O）、定位（O）和行動（A）階段產生重大影響，并使決定（D）階段進一步集中化。

自主性的危險

武裝沖突的自動化提供了如此明顯的機會，代表了下一個不對稱的優勢。從更廣泛的角度來看，自主系統據稱是解決不確定性、在有爭議的環境中的力量投射和（人類）力量的經濟性問題。然而，從指揮和控制的角度來看，人類和自主系統之間的關系是一個沒有被徹底探索的領域。

無風險的戰爭。克里斯-科克爾指出，政治領導人可能 "對精確、無風險的戰爭的想法如此陶醉，以至于我們相信我們想相信的東西"。傳統的工作人員評估軍事干預的風險受到不完美信息的偏見影響。模塊化的人工智能可能會在不久的將來幫助分析和評估風險，并減少錯誤的比例。這種技術在醫學領域已經有了，它被認為是世界上最好的診斷儀。 從政治的角度來看，一個所謂的無風險的行動，其國內受眾成本降低，使干預的決定更容易。

時間和信息（不受）控制。美國海軍陸戰隊將軍詹姆斯-卡特賴特在2007年預言："未來的決策周期不會是幾分鐘......未來的決策周期將是微秒級"。在不久的將來，對于每一個擁有這種能力的人來說，交戰將可能是以光速進行的。未來的指揮和控制架構將看到地面和天基傳感器、無人駕駛戰斗飛行器（UCAV）和導彈防御技術的結合，并得到定向能量武器的增強。此外，決策過程（以人為本）將受到基于信息的系統激增所產生的數據過載的影響。鑒于有能力以更快的速度和更小的代理進行交戰，防御者將無法觀察活動，確定自己的方向，決定如何回應，并根據該決定采取行動。攻擊者將把自己置于防御者的OODA循環之內，使對手進行積極防御的能力失效。迄今為止為軍事決策過程提供信息的行動-反應-反擊的循環將變得太快、太不可預測，無法以傳統方式管理。從戰略和行動的角度來看，決策的集中化將是處理 "肉搏戰 "及其所需的反應性、可用時間短、信息分散的最理想方式。

對自主智能體的過度依賴。自主代理，可以更好地應對大量的信息，而且不容易受到認知偏差的影響。此外，自主智能體不受疲勞等物理因素的影響，也不受采用人類啟發式方法在數據中建立可能沒有必要的聯系。 在戰略層面上，那些由能夠提供建議的人工智能協助的決策者，可能會認為自動系統的功能是一個 "神諭"，它將取代合格工作人員的咨詢功能。關鍵的含義是加強了與決策過程有關的兩個心理方面。一方面，神諭增強了決策者的代理感，即使沒有直接的戰爭經驗。另一方面，它將取代關鍵決策所需要的努力的心理活動，減少有經驗的工作人員的相關性，而支持基于計算機的建議的速度。

先發制人的攻擊風險。一場半自主的戰爭將以系統的整合、信息的主導、幾乎無風險的暗示和放大的對峙為特征。一個模塊化的人工智能可以被編程來處理全方位的戰略問題。不難設想一種升級主導的趨勢，目的是將時間強加給對手，迫使其投降。所有這些都會極大地破壞穩定，并可能鼓勵先發制人的攻擊，以及促使非對稱戰爭的發展。 高強度行動、網絡空間以及使用速度超過光速的導彈和無人駕駛車輛所隱含的瞬時決策已經導致了對 "超戰爭 "的警告。克勞塞維茨正確地指出，最大限度地使用武力與同時使用智力決不是不相容的。如果一方不加計算地使用武力，不畏流血犧牲，而另一方則保持克制，那么前者將占上風，一方將迫使另一方效仿，每一方都會將其對手推向極端，而唯一的限制因素是戰爭中固有的反方法。

這篇文章重點討論了戰時法原則在指導自主武器系統使用方面的必要性。在分析之初，先說明必要性原則包含正義戰爭理論中的最低限度的武力要求，然后強調現有的關于自主武器系統的工作中缺乏這一原則。忽視這一原則意味著忽視了戰斗人員在戰爭時期對彼此的義務。本文認為，最低限度的武力要求是考慮道德使用武力的一個重要條件。特別是，區分了使用武力的致命性和非致命性目的，并介紹了非致命性AWS的前景，然后回顧了AWS在非致命性使用方面所帶來的一些挑戰。這些挑戰出現在AWS產生不可預測的結果，影響了戰斗人員為確保其行動符合最低武力要求所需的態勢感知。最后，呼吁進一步研究AWS的非致命性使用的倫理影響，作為對評估AWS的道德可允許性的必要貢獻。

軍隊一直認為有必要將他們的決策建立在成熟的作戰研究方法之上，這些方法試圖在決策過程中為指揮部提供備選方案，對戰役到戰略進行評估。

戰斗傷亡是軍事運籌學的一個研究課題，它應用數學模型來量化勝利與損失的概率。特別是，已經提出了不同的方法來模擬戰斗的過程。然而，它們都沒有為高層指揮提供足夠的決策支持。為了克服這種情況，本論文提出了一個創新的框架，它克服了傳統模型的大部分局限性，并支持最高指揮層的決策：戰略和戰役層，借助于確定戰斗力水平的衰減，通常被稱為損耗（損失），作為評估決策的機制。該框架應用了適應性和預測性控制工程方法來動態調整以適應戰斗的變化，同時考慮到對手的能力和機動性以及產生的效果。此外，它還包括一個學習機制，以改善在高不確定性條件下的決策。

論文報告了對克里特島戰役、硫磺島戰役和庫爾斯克戰役這三場有影響力的二戰戰役框架的實證評估，這些戰役的戰斗類型主要是陸上的。從那時起，這種作戰模式基本上沒有改變。因此，收集到的實驗結果可以推斷到現今的陸地作戰。這本身就構成了一個相關的貢獻，因為大多數關于軍事決策的文獻都缺乏足夠的實驗驗證。

最后，本論文為從業者和研究人員提供了現有文獻的指導，確定了現有決策模型的優勢和劣勢，并為在決策中應用戰斗預測模型提供了參考背景。

本文范圍

這項研究將分析戰場決策模型的現狀，重點是了解應用了哪些類型的決策，這些決策是如何做出的，以及有哪些經驗證據支持這些決策，這將使人們深入了解當前方法的局限性，并能提出新的機制來克服這些局限性。在這個意義上，我們的研究將提出一種方法，以彌補陸地戰場上高層決策自動化的差距，即所謂的戰略和戰役軍事決策。擬議方法的有效性將由一套足夠廣泛的經驗證據來證明，所有這些證據必須具有代表性。

論文目的

確定了以下目標：

• 消除蘭徹斯特經典著作的局限性和其他蘭徹斯特在陸地戰場上的影響。

• 為戰略和作戰軍事決策的自動化提供一個框架。

• 提供經驗性證據，表明該框架充分適合戰斗趨勢，并能選擇最合適的決策。

• 指導從業人員和研究人員了解現有決策模型的優勢和劣勢。

研究問題

本研究旨在分析控制理論在蘭徹斯特戰斗決策模型中的應用表現，以追求陸軍領域的戰略和作戰決策方法。在此基礎上，考慮了以下研究問題（RQs）。

• 問題1：現有的決策系統對戰役和戰略層面的指揮是否有足夠的支持？

• 問題2：適應性和預測性控制結構能否有助于克服傳統作戰模式的局限性？

支持戰役-戰略決策的框架

有兩種主要的戰斗分析機制可以替代經典的蘭徹斯特模型：（i）隨機模型和（ii）確定性模型，其中一些是拉切斯特的傳統，例如[KMPS17, JHC17a]。目前，其他方法，如智能代理，正在獲得巨大的發展勢頭，例如，[OT17, ADK17]。這些新模型旨在擴展能力，例如[Kre20, Cou19]，并減少以前方法的缺點，例如[Duf17, KLM18]。然而，它們未能成為高層決策的適當基準。

建議的框架克服了蘭徹斯特原始工作的局限性，在[Eps85]中進行了深刻的討論，將戰斗視為一個因果過程，根據蘭徹斯特方程的動態變化和外部行動進行演變。為此，該方法應用了[SR95]中介紹的適應性和預測性控制理論，并結合了不確定性建模技術。該方法的結構包括一組合作工作的模塊，確保決策按照軍事理論連貫地進行。特別是，一組連續的階段觸發了適用戰略的定義、評估和選擇不同的可能COA，以及使模型適應行動的演變。每個區塊代表軍事思維的機制，見圖3.1，其中x(t)和y(t)定義了每個瞬間x部隊和y部隊的戰斗人員數量，x(t+1)e和y(t+1)e是對下一瞬間戰斗人員數量的估計。

實施需要有邏輯過程的能力，應該模擬從預測到行動的決策過程。在這種情況下，新的框架在第四章中被制定和測試（如果它在實際對抗中的應用在性能和一致性方面符合預期，它將是強大的）。

圖3.1：我們框架的架構設計。每個區塊都代表了軍事思維的機制，因此（i）評估將確定要遵循的戰略的戰斗事件，并選擇完成任務的COA，（ii）確定執行任務所需的資源，最后（iii）適應結果。

圖3.2：在新框架中通過順序模型觸發選擇特定COA的主要因素。

圖3.2開發了迭代觸發特定COA選擇的基本要素。預測塊產生預測演變。適應性模塊根據輸出信號（實際情況）與預測信號的差異調整組成模塊的參數，并適當地更新最后執行的COA。專家區塊試圖通過調度區塊修改預測區塊定義的趨勢，從而按照戰斗的需要改變行動路線。值得注意的是，設定點與完成任務有關，行動的發展時間是操作時間，在最好的情況下，有沖突信息的可用數據庫通常是以天為單位的時間演變。

圖3.3：縱軸標識了模型所體現的抽象程度，圓錐體的底圓代表現實或完全沒有抽象，隨著聚合水平的提高，定義指揮水平的變量逐漸抽象出作戰執行的細節。因此，在蘭徹斯特模型的應用水平與戰略-戰役聚合水平相一致，聚合模型涵蓋了戰斗最基本的執行機制，如個體沖突，執行水平受到武器裝備、位置、能見度、后勤等因素的影響。

經驗實證

特別是在克里特島和硫磺島戰役中，我們的驗證目標是根據當前的理論確定可能的最佳行動方案，并與1941年5月20日和1945年2月19日的實際戰役相比，確定它們對對手產生的影響；在庫爾斯克戰役中，我們的目標是通過適應性和預測性控制的動態調整，正確確定戰斗階段，圖4.1。

圖4.1: 實際應用的基本自適應預測控制方案。自適應控制機制使戰斗過程輸出和預測模型輸出之間的差異趨于零，突出了預測塊在每個采樣時間窗口在系統中發揮的雙重作用。

這篇論文探討了美陸軍信息戰令人困惑的歷史，以了解為什么持久的信息條令被證明是如此難以捉摸。論文認為，陸軍信息條令的發展分為三個階段，每個階段都對應著一系列獨特的戰略、組織和技術挑戰。內部的組織動態，而不是外部的戰略一致性，是決定信息學說在歷史上任何特定時刻的成敗的主要因素。未來的信息條令，包括目前的ADP 3-13草案的未來迭代，必須以認可陸軍組織利益的復雜性方式來解決陸軍的核心戰略挑戰，而且必須通過一個概念來實現，其有效性是可見的、可衡量的和令人信服的。

研究意義

盡管學術界和政策文獻對信息戰爭，特別是對陸戰的重要性有越來越多的共識，但對美軍如何建立其與信息有關的作戰概念，或對這些概念何時、如何以及為什么會改變的研究卻很少。對于一個自誕生以來就幾乎不斷變化的領域來說，了解是什么推動了條令的變化尤為重要，信息作戰就是如此。本研究報告所包含的歷史將填補我們理解上的這一空白。重要的是，它將試圖區分條令變化的有效原因--例如為應對不斷發展的技術或合法的外部威脅而進行的轉變，以及任意的原因--例如那些源于內部組織政治或外部政治關切的原因。這樣一來，它將更好地使政策制定者對未來信息作戰概念的適當方向做出正確的決定。

這項研究還將產生第一部關于陸軍信息條令演變的權威性歷史。最近的公開評論表明，陸軍高級領導人并不了解他們所要塑造條令的歷史。這種對歷史的短視有可能鼓勵在舊的不充分的前提下，不斷產生實際上并不新的 "新 "術語和概念。如果說，本研究對信息條令歷史的探索揭示了陸軍最早的許多信息相關概念的先見之明--這本身就引出了一個問題：為什么這些概念未能獲得制度上的支持。因此，這項研究將對那些試圖在信息和網絡空間領域找到自己發展方向的決策者產生直接影響。

最后，本論文希望對以下問題提供一個答案：鑒于三十年的條令先例，信息戰的想法仍然在體制上被邊緣化，盡管高級領導人對信息戰的假設越來越感興趣，但卻無法更有力地宣稱自己是一種輔助功能。本論文認為，在不斷變化的戰略條件、相互競爭的組織利益和 "信息 "一詞固有的復雜性的共同作用下，長期以來缺乏理論上的一致性，導致該領域無法成為一個邊緣概念。

提綱

第一章介紹了美陸軍信息條令的歷史，為論文的其余部分提供了理解的基礎。本論文的主要研究問題是 "為什么陸軍一直在努力創建一個持久的信息作戰條令框架？" 其余各章將回答這個問題

第二章將介紹陸軍信息條令的歷史學。它將總結和描述關鍵文本，確定學說拐點的主要內容，并強調歷史趨勢。本章將專門關注書面條令的演變，而將相關組織、培訓途徑和人員實踐的變化保留在分析章節中。第三章將討論本文的研究方法。

第四章至第六章將分析第二章中概述的歷史的主要階段，重點解釋導致條令變化的具體決策點。第四章將探討從越南的 "電子戰場 "到1991年波斯灣戰爭的信息作戰的早期起源。第五章將研究隨后的信息行動時期，它從1991年的 "信息戰 "概念開始，在1996年過渡到 "信息行動"，并以1990年代末在巴爾干地區的行動結束。第六章從9/11恐怖襲擊開始，描述了隨之而來的2000年代中后期向更注重認知的 "信息和影響 "理念的轉變。第七章是結論，在回顧研究的主要發現和討論其實際意義之前，將總結從2016年到2021年這五年的動蕩時期。

人工智能有望徹底改變預測、理解和管理國際危機的方式。具體來說，人工智能系統可以在危機時期為外交官和決策者提供幫助，幫助他們了解正在發生的事情（描述性分析），繪制危機演變的可能趨勢或模式（預測性分析），以及評估應對策略的有效性（規定性分析）。然而，人們不太了解的是，這些模型如何在實踐中發揮作用，以及人工智能模型需要滿足哪些條件才能產生效果。該研究以俄羅斯在烏克蘭的侵略戰爭所產生的國際危機為例，提出了一個將人工智能應用于危機管理的框架，并討論了將人工智能納入外交決策的機會和挑戰。

引言

"人工智能"（AI）一詞最早是由美國計算機科學家約翰-麥卡錫在1956年提出的，他將AI定義為 "制造智能機器，特別是智能計算機程序的科學和工程"（麥卡錫，2011）。雖然在過去的幾十年里，對人工智能的探索經歷了多個 "希望和絕望的季節"（Bostrom，2014年，第6-11頁），但越來越多的人認為現階段的人工智能發展有了質的變化。由于復雜的機器和深度學習算法的快速發展，人工智能應用現在已經達到了無需明確編程就能使用統計模型和類似神經網絡自行學習的程度（Collins, 2021）。因此，人工智能的破壞可能會對危機管理產生強烈的影響，特別是因為數字平臺已經成為協助決策者在數字時代管理危機的關鍵工具。它們已經幫助大使館和外交部實時了解事件的性質和嚴重性，簡化決策過程，管理公眾的期望，并促進危機終止（Bjola & Coplen, 2022）。同時，需要非常謹慎地使用它們，因為事實的不準確、協調的差距、不匹配的披露水平和不良的信號做法很容易破壞危機管理的數字努力（Bjola, 2017）。

正如其他地方詳細討論的那樣，人工智能系統可以在危機時期幫助外交官，幫助他們了解正在發生的事情（描述性分析），確定危機演變的可能軌跡（預測性分析），并規定可能的應對策略（規定性分析）。人工智能已經被譽為預測地緣政治事件（Morstatter等人，2019年）、預測暴力事件的爆發并探究其原因（Guo等人，2018年）或改善有關在復雜社會環境中使用強制和非強制策略的戰略情報評估的可能解決方案（Frank，2017年）。人工智能的主要挑戰是要做出的決定的半結構化性質。鑒于危機決策的高度不確定性，以及一旦出錯不可避免的審查和問責要求，人工智能的整合只有在人類對該過程保持一定程度的控制時才能發揮作用。正如SIPRI的一項研究指出的那樣，當人工智能系統面臨的任務或環境與它們接受的訓練略有不同時，可能會出現驚人的失敗。人工智能算法也是不透明的，這往往使人類難以解釋它們是如何工作的，以及它們是否掩蓋了可能導致有問題--如果不是危險--行為的內在偏見（Boulanin，2019）。

在這些文獻的基礎上，本文試圖通過對外交官在危機時期面臨的挑戰進行理論分析，并開發一個原型模型，以了解如何實時監測、分析和應對正在發生的危機，從而推動關于人工智能可以為危機時期的外交決策產生機會的辯論。為此，本文將首先解釋決策者在危機時期面臨的不確定性挑戰，然后介紹可能有助于解決上述挑戰的人工智能原型模型，最后對該模型的優勢和局限性進行簡短討論。

人工智能建模與危機管理

本文提出的論點是，人工智能可以幫助外交部應對 "戰爭迷霧"，通過調整在危機時期有助于減少或增加不確定性的因素的影響。借鑒數據分析中用于區分描述性、預測性和規定性模型的類型學（Lepenioti等人，2020），本文提出了將人工智能納入危機決策的概念模型，該模型基于圖1所示的三個部分。

圖 1：數據分析：描述性 - 預測性 - 規范性模型

第一個組成部分，即描述性分析，涉及到背景映射和相關信息的提取，可以提供問題性質的準確描述。這一部分所要回答的關鍵問題是正在發生什么？在危機的背景下，MFA對檢測可能表明管理危機的潛在挑戰或機會的模式感興趣。回顧烏克蘭戰爭的案例，多邊金融機構可能會問的問題是，參與沖突的各方及其主要支持者的立場是如何實時演變的？他們優先考慮哪些方面？這些立場的一致或分歧程度如何？第二部分，預測性分析，是指通過測試和驗證對問題的性質和原因的某些假設，預測可能的行動方案及其可能的影響（會發生什么？） 鑒于情況的變化，參與危機的各方的立場可能如何演變？X國是否可能支持歐盟對俄羅斯石油和天然氣的禁令？如果是這樣，在什么條件下？最后一個部分，即規范性分析，鼓勵決策者整合在前幾個步驟中收集到的信息，并利用結果來確定要采取的最佳行動方案（應該做什么？） 行動方案A與行動方案B會對外交部與其他國家的關系產生什么影響？X國應否在國際上帶頭努力，以解除俄羅斯對烏克蘭在黑海的糧食的封鎖？這樣的決定可能會影響歐盟或北約成員之間的外交團結？

當然，所有這三個部分都可以在沒有人工智能的協助下進行處理。事實上，多邊金融機構應該能夠在危機時期進行這樣的分析，而且他們已經利用內部和委托的專家定期這樣做。據推測，人工智能所能增加的是實時洞察力，以及對各方相互交換的信號的實質和可信度的更準確評估。人工智能可能無法完全化解 "戰爭迷霧"，但它們可能能夠為在危機時期用于決策的信息的價值提供足夠或可操作的信心。要做到這一點，人工智能模型需要考慮到能夠模糊危機信號的因素，并盡可能地減少它們所引起的不確定性水平。如圖2所示，人工智能模型始于外交部及其使館網絡從靜態（如宏觀經濟指標、社會人口數據）和動態來源（如社交媒體信息、官方聲明、報紙報道）收集的數據匯總過程。然后，如此產生的數據集將被分成兩個子集（通常70%為訓練，30%為測試），用于訓練和測試用人工智能算法創建的模型。在運行和微調競爭性的話題、社交網絡和參與度分析模型后，將選擇一個最佳的人工智能模型來提供洞察力以協助決策。該模型應該能夠指出一組主題、影響者網絡以及能夠最有效地捕捉沖突中相關行為者所傳達的信號的參與形式。該框架還可以包括評估整合來自合作國家或國際組織的其他人工智能模型（圖中標有*）的可行性，以努力進一步減少 "戰爭迷霧 "引起的不確定性。然后，從數據分析中獲得的洞察力可以轉化為一個行動計劃，為官方對危機的反應和政策回應提供參考。這個過程繼續進行，新一輪的數據收集直接反饋到數據分析中，使決策者能夠在危機中實時追蹤和應對新的發展。

圖 2：基于人工智能的危機管理模型

雖然圖2中的模型同樣適用于上面討論的三個分析組件中的任何一個，但應該注意的是，人工智能建模的復雜性以及延伸到危機決策的分析價值在描述性、預測性和規定性格式之間有很大的差異。主要區別在于為每個部分的機器學習（ML）技術提供動力所需的數據質量，以及這些技術的復雜程度。追蹤和分析危機演變所需的數據更容易獲得，可以使用相對傳統的ML算法進行處理。之所以如此，是因為描述性分析依賴于已經作出的決定和已經實施的行動。一旦人工智能系統被要求預測可能的行動路線并評估應對策略的可行性，情況可以說變得更加復雜，因為產生這種反應所需的信息是基于尚未作出的決定和尚未實施的行動。因此，關于人工智能在危機管理中的應用的討論必須密切關注描述性、預測性和規定性的順序，以便在每種情況下開發的知識可以適當地告知其他情況下的人工智能解決方案的開發。出于這個原因，以下部分將重點了解人工智能在第一部分（描述性分析）的應用條件，希望從這個階段學到的經驗可以隨后應用和擴展到開發人工智能解決方案，以支持危機管理的預測性和規定性分析。

在構建機器學習管道時，一些常見的假設是：(1）訓練數據足夠 "干凈"，表現良好，因此很少或沒有離群值，或者數據的分布沒有長尾，（2）測試數據遵循與訓練數據相同的分布，以及（3）數據產生于或接近于一個已知的模型類，如線性模型或神經網絡。

然而，隨著計算機、互聯網和各種基于傳感器的技術更容易獲得，科學和工程的各個分支中出現的現代數據集不再是精心策劃的，往往是以分散的、分布式的方式收集。因此，它們受到異質性、對抗性操作和異常值等復雜因素的困擾。隨著我們進入這個臟的數據時代，上述的機器學習管道的假設越來越站不住腳。

對于機器學習的廣泛采用，我們認為任何模型都必須具備以下三個基本要素：

• 穩健性。該模型即使在有噪音和損壞的數據下也能被訓練。

• 可信賴。在訓練結束后，當在現實世界中部署時，該模型在分布的良性變化下不應該崩潰。

• 有彈性。建模程序應該在模型錯誤指定的情況下工作，也就是說，即使建模假設崩潰，模型也應該找到可能的最佳解決方案。

在這篇論文中，我們的目標是修改最先進的ML技術并設計新的算法，使其即使在沒有上述假設的情況下也能工作，并且是穩健、可信和有彈性的。我們的貢獻如下。

在第二章中，我們提供了一類新的統計最優估計器，這些估計器對各種環境是穩健的，如任意污染和重尾數據等。

在第三章中，我們用一類新的計算效率高的穩健風險最小化估計器來補充我們的統計最優估計器。這些結果為一般的統計模型，如線性回歸、邏輯回歸等，提供了一些最早的可計算的、可證明的穩健估計器。

在第四章中，我們研究了在基礎分布中的一些樣本可能被任意破壞的情況下學習Ising模型的問題。

最后，在第五章，我們討論了我們的結果對現代機器學習的影響。