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

美國《2022年國防戰略》以及美國高級國防和情報官員都確定了一些新興技術，這些技術可能在未來幾年對國家安全產生顛覆性影響。這些技術包括：

• 人工智能、
• 致命的自主武器系統
• 高超音速武器
• 定向能武器
• 生物技術和
• 量子技術。

隨著這些技術的不斷成熟，它們可能會對國家監督、國防授權和撥款、軍事行動概念以及未來戰爭產生重大影響。

人工智能

盡管國際上對人工智能沒有正式定義，但決策者通常使用人工智能一詞來指能夠達到人類認知水平的計算機系統。人工智能又分為三類：狹義人工智能、廣義人工智能和人工超級智能。狹義人工智能系統只能執行其接受過訓練的特定任務，而通用人工智能系統則能夠執行廣泛的任務，包括未接受過專門訓練的任務。人工超級智能是指在大多數任務中都能超越人類認知水平的系統。通用人工智能系統和人工超級智能目前尚不存在，而且可能永遠不會存在。

狹義人工智能目前正被各國納入一些軍事應用中。這些應用包括但不限于情報、監視和偵察；后勤；網絡行動；指揮和控制；以及半自動和自動車輛。這些技術的部分目的是增強或取代人類操作員，使他們能夠從事更復雜、認知要求更高的工作。此外，人工智能支持的系統可以：（1）比依賴操作員輸入的系統反應快得多；（2）應對可用于分析的數據量呈指數級增長；以及（3）實現新的作戰概念，如蜂群（即無人駕駛飛行器自主協調以完成任務的合作行為），通過壓倒對手的防御系統而獲得作戰優勢。

然而，狹義人工智能可能會帶來一些挑戰。例如，此類系統的訓練數據或模型可能會導致算法偏差。研究人員曾多次發現，人工智能面部識別程序中存在種族偏見，原因是訓練系統的圖像缺乏多樣性，而一些自然語言處理程序則存在性別偏見。這些偏見可能會對人工智能在軍事領域的應用產生重大影響。

致命自主武器系統

致命自主武器系統（LAWS）是一類能夠獨立識別目標定位，并在無需人工控制的情況下使用機載武器系統攻擊和摧毀目標的武器系統。致命性自主武器系統需要計算機算法和傳感器套件將目標分類為敵對目標，做出交戰決策，并引導武器攻擊目標。這種能力將使系統能夠在傳統系統可能無法運行的通信降級或屏蔽環境中運行。

致命性自主武器系統尚未得到廣泛開發，一些高級軍事和國防領導人已對此類系統投入實戰的道德問題表示擔憂。例如，在美軍 2017 年參議院軍事委員會的證詞中，時任參謀長聯席會議副主席的保羅-塞爾瓦上將表示："我認為，讓機器人來負責是否奪走人的生命是不合理的。" 目前，國內和國際法律都沒有禁止開發致命性自主武器系統；不過，一個由政府專家組成的國際小組已經開始討論這個問題。約有 30 個國家出于倫理考慮，呼吁對致命性自主武器系統實行先發制人的禁令，而其他國家則呼吁對其開發和使用進行正式監管或制定指導方針。美國防部第 3000.09 號指令為致命性自主武器系統的開發和實戰化制定了部門準則，以確保其符合 "戰爭法、適用條約、武器系統安全規則和適用的交戰規則"。

高超音速武器

包括美國在內的一些國家正在研制高超音速武器，其飛行速度至少為 5 馬赫。高超音速武器分為兩類：

• 高超音速滑翔飛行器（HGV）由火箭發射，然后滑翔到目標定位。（當高超音速滑翔飛行器與火箭助推器配合使用時，產生的武器系統通常被稱為高超音速助推-滑翔武器）。

• 高超音速巡航導彈（HCM）在整個飛行過程中都由高速發動機提供動力。

與彈道導彈相比，高超音速武器不遵循彈道軌跡，可以在飛往目的地的途中進行機動，因此很難對其進行防御。目前，還沒有針對高超音速武器的防御措施，專家們對高超音速導彈防御方案的經濟承受能力和技術可行性也存在分歧。

根據公開報道，俄羅斯已于 2019 年 12 月投入使用其首款高超音速導彈--Avangard，并于 2023 年投入使用其首款高超音速巡航導彈--Tsirkon。相比之下，美國尚未投入使用高超音速武器。

分析家們對高超音速武器的戰略意義存在分歧。一些人認為有兩個因素可能會對戰略穩定產生重大影響：（1）武器飛行時間短，這反過來又壓縮了反應時間；（2）飛行路徑不可預測，這可能會造成武器目標定位的不確定性，從而在發生沖突時增加誤判或意外升級的風險。另一些分析家則認為，高超音速武器的戰略影響微乎其微，因為俄羅斯等美國的競爭對手已經具備了用洲際彈道導彈打擊美國的能力，這些導彈在發射禮花彈時可以壓垮美國的導彈防御系統。

定向能武器

美國防部將定向能（DE）武器定義為使用集中電磁能而非動能來 "使敵方設備、設施和/或人員喪失能力、造成損害、使其癱瘓或摧毀 "的武器。定向能武器--通常被俗稱為 "激光"--可被地面部隊用于反火箭、火炮和迫擊炮（CRAM）或短程防空（SHORAD）任務。與現有的常規系統相比，這種武器單發成本低，彈倉幾乎無限，可以成為防御導彈禮炮和無人駕駛飛行器群的有效手段。從理論上講，鑒于其光速飛行時間，定向能武器還可為助推階段導彈攔截提供選擇；然而，與高超音速導彈防御一樣，專家們對這一應用的經濟可行性和技術可行性存在分歧。

高能微波（HPM）武器是高能微波武器的一個子集，可作為一種非動能手段，在發生沖突時使電子設備、通信系統和簡易爆炸裝置失效。此外，美國軍方曾探索在非致命的 "熱射線 "系統中使用高功率微波武器來控制人群，但可能出于道德和操作方面的考慮，該系統被召回。

生物技術

生物技術利用生命科學進行技術應用。生物技術的一些發展對國家安全具有潛在影響。正如 2018 年政府問責局（GAO）的一份報告所指出的，美國國防部、國務院（State）、國土安全部（DHS）以及國家情報總監辦公室（ODNI）都評估認為，生物技術（如低成本基因編輯工具 CRISPR-Cas9）具有 "改變基因或創建 DNA 以改造植物、動物和人類 "的潛力。此類生物技術可用于提高（或降低）軍事人員的性能。合成生物技術的擴散--用于創造自然界不存在的遺傳密碼--可能會增加能夠制造化學和生物武器的行為者的數量"，此外還能制造出適應性偽裝、隱形裝置或更輕、更強、有可能自我修復的人體和車輛裝甲。美國的對手在研究和應用生物技術方面可能不會那么拘束，尤其是在涉及人體性能改造和生物武器方面。

量子技術

采用量子物理學原理的量子技術尚未達到成熟階段，但它可能對加密和隱形技術的未來產生重大影響。美國政府問責局報告稱，美國防部、國務院、國土安全部和國防情報局已評估認為，"量子通信可使對手開發出美國人員無法攔截或解密的安全通信。量子計算可能使對手解密[非機密、機密或敏感]信息，從而使他們能夠將美國人員和軍事行動作為目標定位"。

量子技術還可應用于其他軍事領域，如量子傳感，理論上可大大改進潛艇探測，使海洋變得 "透明"。這反過來又會對美國海基核威懾力量的生存能力產生影響。量子傳感還能提供替代性的定位、導航和定時選擇，理論上可以讓軍隊在全球定位系統降級或被全球定位系統拒絕的環境中繼續全力作戰。不過，量子態的脆弱性可能會限制量子技術的軍事應用，因為量子態可能會被微小的移動、溫度變化或其他環境因素破壞。

圖：美國空軍的先進作戰管理系統有望實現跨所有領域、武器系統和指揮部的快速收集、處理和數據共享。（美國空軍）

明天的戰爭將在哪里獲勝？

這個問題的答案現在與十年前大不相同，因為戰場已經如此迅速地擴展到新的領域——也許最明顯的是進入數字領域。

無論是在傳統戰線（陸地、海上和空中）、網絡空間還是太空本身的戰斗，勝利都取決于我們根據傳感器、機器、無人機和其他數字系統生成的大量數據做出準確、閃電般快速決策的能力，此外還有幾十年來為國防相關決策提供信息的情報來源。

分析慣性

歸根結底，獲勝是關于擁有知識和洞察力，能夠比對手更快地做出更明智的決策。但是，盡管國防組織可能想要迅速采取行動，但無數經過充分探索和公開討論的因素，如龐大的官僚機構、過時的采購流程、過時的政策等，阻礙了機構轉型的規模和速度，以適應日益數字化的環境。

與此同時，今天的對手兇猛、靈活、數字化，并且不受成熟國防組織運作的深思熟慮、以流程為導向的環境的阻礙。

解鎖數字能力的核心是應用已經在整個商業世界中使用的高級分析。但很多時候，“分析慣性”正在限制進步，而掙脫束縛需要理解它為什么存在。

以下是有關如何獲得動力的一些原因和見解。

供應商鎖定

國防組織必須保持靈活性，以獲得最好的軟件，而不必擔心隨著技術和任務的變化而陷入未來可能不適合的解決方案中。如果技術合作伙伴沒有提供預期的結果，或者如果任務和優先事項發生變化，則必須將其替換。

許多負責獲得關鍵任務軟件的國防領導者——那些“接近”組織成功任務的軟件，例如支持情報和以運營為重點的組織的目標的分析解決方案——通常不愿意與商業提供商簽訂合同，因為擔心軟件可能成為任務成功的核心，并且隨著時間的推移，公司可能會在關系中獲得不成比例的影響力。相反，他們的默認模式是自己構建軟件功能——在大型咨詢機構的幫助下，與內部技術專家和其他利益相關者合作。

雖然這種方法可能耗費時間和資源，但它有效地繞過了“供應商鎖定”。但從某種意義上說，這種鎖定關系剛剛轉變為對永久服務成本的依賴，因為軟件是在內部從頭開始構建的，經過迭代以滿足需求，然后由一排開發人員維護。

這是最好的情況，因為許多這樣的感知永遠不會超越“永久迭代階段”——出于顯而易見的原因，專注于提供服務的實體滿足于保留。

國防合同的歷史充斥著這種功能失調關系的例子，這使得國防領導人很容易忽視過去十年左右商業軟件提供商之間發生的根本性轉變。在經歷了供應商鎖定的磨合之后，企業界改變了自己對商業供應商的軟件要求，要求這些解決方案更容易被替換。

如今，這已成為軟件提供商的一個關鍵賣點，基于對真正的商業軟件“為被替換而構建”的認識，使他們的解決方案比以往任何時候都更加模塊化。這從根本上改變了供應商/買方的關系，使國防組織更容易從世界領先技術解決方案的即用型功能中受益。

大規模分析

無論是將數據用于情報目的、供應鏈管理，還是任何數量的高度敏感、關鍵任務計劃，國防組織都會以指數級規模傳輸數據。因此，整個國防組織普遍認為，管理這些龐大的數據量的唯一方法是構建能夠勝任任務的解決方案。

的確，許多商業數據管理和分析解決方案無法處理軍用級數據量。另一個事實是，越來越多的精英商業解決方案正在被證明已經準備好迎接挑戰——用于商業環境，其規模可與國防應用相媲美。例如，雀巢在 24 小時內在其系統中移動了大約 10 億個 SKU。

可替換性

想象一下這樣一種情況：國防組織與符合“可替換性”要求的分析解決方案提供商簽訂了合同，然后決定替換它們。新的系統、流程和功能通過新的供應商成功實施......但數據是另一回事。以前的提供商使用專有的數據格式，該格式需要大量耗時的翻譯工作才能將其重新構建為可行的格式。這是太多國防領導人面臨的痛苦現實，而且是完全可以避免的。

負責分析軟件采購決策的國防領導者可以應用一個簡單的標準來避免將來出現困難的軟件轉換：如果解決方案依賴于專有數據格式，請取消其資格。相反，應專注于確保組織數據以可以永久使用的標準、非專有格式返回的解決方案。

明天的戰爭將在哪里獲勝？它們將在我們全國各地的會議室、會議室和實驗室中獲勝。只要有風險承受能力的領導者參與推動現有的慣性稍微偏離軌道，他們就會贏得勝利。最終，這些未來的戰爭將在數據、速度和信任的交匯處取得勝利。

參考來源：C4ISRNET

人工智能在指揮與控制（C2）系統中的集成標志著軍事行動的變革性轉變。從歷史上看，C2 一直依賴于結構化的層次結構和決策過程，這些過程在指揮鏈上過濾信息，命令下達。然而，人工智能的出現帶來了范式轉變，提高了這些操作的速度和效率。人工智能系統可以處理遠遠超出人類能力的大量數據，提供前所未有的態勢感知和預測性洞察力，從而為實時決策提供信息。這些系統還可以識別數據中的模式和異常情況，向指揮官提供建議，并可能在威脅出現之前識別威脅。因此，人工智能集成將徹底改變 C2，提供以前無法達到的動態和精確度，但它也提出了必須謹慎管理的重要道德、運營和安全考慮因素。未來的挑戰在于利用人工智能的優勢，同時確保強有力的監督，并在戰爭中保持人類判斷的不可替代的元素。

人工智能 （AI） 預示著軍事決策的新時代，從根本上改變了指揮與控制 （C2） 系統。在這個人工智能驅動的時代，決策不再受到人類局限性的限制。AI 算法篩選和分析海量數據集，以人類操作員無法想象的速度提供見解和建議。這些功能已成功集成到 C2 系統中，例如軍用車輛的預測性維護和 AI 輔助監控，從而增強了對大量圖像數據中潛在威脅的檢測和識別。

人工智能驅動決策的速度和效率為軍事行動提供了關鍵優勢。例如，人工智能可以在復雜的后勤場景中快速提出資源的最佳分配建議，或者根據實時戰場數據提出機動建議，從而提高作戰節奏和戰略靈活性。然而，這些系統并非沒有挑戰。人工智能的整合需要嚴格的監督，以確保在軍事領導層建立的道德和戰略框架內做出決策。人為干預協議對于保持自動化的好處和人類判斷的必要性之間的平衡至關重要，特別是在具有重大道德和法律影響的決策中。

在態勢感知方面，人工智能是游戲規則的改變者。通過不斷分析來自各種傳感器和情報來源的數據，人工智能系統為指揮官提供了全面、實時的戰場畫面。這種增強的態勢感知能力可以做出更明智、更及時的決策，從而有可能改變交戰過程，有利于任務成功。此外，人工智能的預測能力可以預測敵人的行動，從而實現主動而不是被動的策略。隨著 C2 系統與人工智能集成的發展，軍方在其武器庫中獲得了一個強大的工具，增強了人類的能力并推動了現代戰爭的發展。

在軍事行動領域，許多國家都在追求將人工智能整合到指揮與控制（C2）系統中，每個國家都有其獨特的戰略目標和技術能力。一個值得注意的例子是美國的 Project Maven，它利用機器學習算法處理大量視頻數據，增強了無人機的監視操作。研究結果凸顯了人工智能在顯著提高目標識別過程的速度和準確性方面的潛力。另一個例子是英國皇家海軍的人工智能計劃，正在試驗人工智能，以增強復雜、敵對環境中的決策能力。這些案例研究展示了人工智能對運營效率的重大影響，但也強調了需要嚴格的測試和驗證，以確保結果符合國際法和道德標準。吸取的經驗教訓表明，雖然人工智能具有深遠的優勢，但必須謹慎管理其與C2系統的集成，在能力增強與維護人類監督和道德行為之間取得平衡。

以色列在其鐵穹防御系統中使用人工智能，以驚人的準確性攔截傳入的威脅，展示了人工智能與 C2 系統的集成。同樣，大國在軍事人工智能方面取得的進步包括開發用于監視和目標行動的先進自主無人機。這些案例研究表明，人工智能可以提高決策準確性和響應時間，但它們也揭示了透明度的迫切需要，尤其是在自主參與中，以避免意外后果。這些例子強調了將人工智能整合到 C2 系統中的有節制方法的重要性，確保這些強大的工具在既定道德框架的范圍內得到負責任的使用。

參考來源：Medium

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

新一代由人工智能（AI）增強和支持的自主武器系統（AWS），尤其是蜂群戰術無人機的迅速擴散，可能會對未來戰爭中的威懾、核安全、升級和戰略穩定產生重大影響。融合了人工智能系統的新興迭代無人機系統將預示著未來沖突中射程、精度、規模、協調、智能和速度的增強將產生強大的相互作用。反過來，核武軍事強國之間升級的 "要么使用，要么失去"局勢的風險，以及使用不可靠、未經驗證和不安全的預警系統所帶來隨之而來的危險將會增加，并可能帶來災難性的戰略結果。

廣泛的人工智能（AI）增強型自主武器系統（AWS）的擴散可能會對核安全和未來戰爭的升級產生重大戰略影響。一些觀察家預計，復雜的人工智能增強型自動武器系統不久將被部署到一系列 ISR 和打擊任務中。專家們普遍認為，人工智能機器學習系統是實現完全自主系統的基本要素。即使預警系統僅用于常規行動，其擴散也會產生破壞穩定的影響，并增加意外核升級的風險。例如，人工智能增強型無人機群可能會被有核國家用于針對地面防空系統的進攻性出動，以保衛其戰略資產（如發射設施及其隨附的指揮、控制和預警系統），并對較弱的有核國家施加壓力，迫使其在 "要么使用，要么失去"的情況下使用核武器進行反擊。

人工智能和自主性方面的最新進展大大提高了軍事大國對開發一系列預警系統作戰價值的認識，這有可能使致命權力下放給預警系統的前景變得越來越不可抗拒，但卻會破壞穩定。也就是說，捍衛或奪取戰略對手（傳統上保守的軍隊）尖端作戰資產的技術優勢，可能會避免部署不可靠、未經驗證和不安全預警系統的潛在風險。因此，當前人工智能機器學習軟件的技術局限性（脆性、可解釋性、機器學習的不可預測性、易被顛覆或 "數據中毒"，以及人工智能系統易受偏見影響）是穩定和升級的主要風險。可以肯定的是，在核領域部署這些不成熟的新生系統將產生嚴重后果。

根據目前對新興技術的了解，人工智能增強的先進常規能力（如網絡武器、精確彈藥和高超音速武器）的新迭代將加劇軍事升級的風險，尤其是無心和意外的升級。核能力與非核能力的混合和糾纏以及戰爭速度的加快可能會破壞戰略穩定。雖然學術文獻廣泛討論了新興技術帶來的潛在升級風險，但迄今為止，對軍事人工智能加劇這些風險并引發意外升級的可能性的研究還很有限。本文探討了人工智能增強型無人機蜂群如何以及為何會影響有核大國之間的戰略穩定。

人工智能兵力倍增的無人機蜂群

從概念上講，自主系統將結合視覺感知、語音、面部識別和決策工具等人工智能技術，在不受人類干預和監督的情況下執行一系列核心的空中攔截、兩棲地面攻擊、遠程打擊和海上行動。目前，只有少數武器系統在沒有人類干預的情況下選擇和攻擊目標。游蕩攻擊彈藥（LAMs）--也稱為 "游蕩彈藥 "或 "自殺式無人機"--根據預先設定的目標標準追擊目標（如敵方雷達、艦艇或坦克），并在其傳感器探測到敵方防空雷達時發動攻擊。與巡航導彈（設計用于實現類似功能）相比，LAMs 利用人工智能技術擊落來襲彈丸的速度比人類操作員更快，而且可以保持飛行（或游蕩）的時間比人類操作的彈藥要長得多。與現有的由人類操作的自動化系統（例如有人系統和遙控無人機）相比，像 LAMs 這樣的預警系統會使國家可靠地預測和識別自主攻擊的能力變得更加復雜。

例如，一架低成本的 "獨狼 "無人機不太可能對 F-35 隱形戰斗機構成重大威脅，但數百架人工智能機器學習自動無人機蜂擁出動，即使在防御嚴密的地區，也有可能躲過并壓倒對手的尖端防御能力。此外，這些系統的隱形變體與小型化電磁干擾器和網絡武器一起，可用于干擾或顛覆對手的目標傳感器和通信系統，破壞其多層防空體系，為無人機蜂群和遠程隱形轟炸機進攻做好準備。例如，2011 年，在克里奇美國空軍基地，在中東操作 MQ-1 和 MQ-9 無人機的飛機駕駛艙系統感染了惡意軟件，暴露了美國系統易受網絡攻擊的弱點。不過，未來將人工智能技術迭代整合到隱形戰斗機（如 F-35 戰斗機）中，可能會抵消這種威脅。美國研制的有人駕駛 F-35 戰斗機很快就能利用人工智能控制小型無人機蜂群在飛機附近執行感知、偵察和瞄準功能，包括針對無人機群攻擊的反制措施。未來，無人機和無人支援平臺續航時間的延長有可能提高無人機蜂群在這類反制措施下的生存能力。

讓人類脫離

由于軍事指揮官關注的是如何嚴格控制 "升級階梯 "上的各個等級，因此從理論上講，他們應該反對將過多的決策權下放給機器--尤其是在涉及核武器的情況下。然而，軍事強國之間的競爭壓力，以及對其他國家在開發和部署軍事人工智能（以及人工智能可能賦予權力的 AWS）方面占據上風的擔憂，可能會壓倒“人在環內”。值得強調的是一個注意事項。下文描述的無人機蜂群用途并不假定軍方一定能在短期內實施這些 AWS。當然，人工智能研究人員和分析人員對各國在部署人工智能預警機群時面臨的重大作戰挑戰存在分歧，特別是與機器對機器通信、復雜和有爭議環境中的機群協調以及電池技術等有關的問題。

一些著名的研究人員認為，盡管還存在技術挑戰以及法律和倫理方面的可行性，但很可能在幾年內就能看到可運行的 AWS。與使用自主控制武器和自主瞄準有關的道德和倫理考量十分復雜，爭議很大；人類創造自主控制技術來攻擊人類本身就存在問題。美國國防部前副部長羅伯特-沃克（Robert Work）認為，美國在使用軍事力量時 "不會將致命的決定權交給機器"。然而，沃克補充說，這種自我克制可能會受到戰略競爭對手的考驗，"他們比我們更愿意將權力下放給機器，隨著競爭的展開，我們將不得不就如何更好地競爭做出決定"。然而，將人類的判斷從危機決策過程中移除，并預先將權力下放給自主系統，可能會嚴重挑戰核武器在未來戰爭中的安全性、復原力和可信度。

歷史上有許多險些發生核失誤的例子，這表明人類的判斷對于降低誤判和誤解的風險，以及在危機期間對手的意圖、紅線和使用武力的意愿非常重要。然而，盡管有這些先例，全球防務界仍未充分認識到不可預測的人工智能增強型自主系統在動態、復雜，甚至可能是先驗未知的環境中運行所帶來的風險。為了規避這些風險，一些競爭對手計劃將人工智能融入無人機和無人潛航器（UUV），利用人工智能機器學習技術執行蜂擁任務。據報道，某國戰略家研究了 "蜂群 "無人機的數據鏈技術，強調網絡架構、導航和抗干擾軍事行動，尤其是針對美國航母的行動。

無人機蜂群與新的戰略挑戰

成群使用的無人機非常適合對對手的核和非核機動導彈發射器、核動力彈道導彈潛艇及其附屬輔助設施（如 C3I 和預警系統、天線、傳感器和進氣口）實施先發制人的攻擊和核-ISR 任務。一些觀察家認為，自主系統（如美國國防部的 "海上獵人"--一種自主水面飛行器原型）可能會使水下領域變得透明，從而削弱隱身 SSBN 的二次打擊威懾作用。不過，這一假設在技術上是否可行還存在很大爭議。由于這些技術上的挑戰，在可預見的未來，冷戰時期以相互確保摧毀（MAD）為基礎的核威懾很可能不會受到人工智能增強的反威懾能力的挑戰。

一方面，一些專家認為，這些平臺成群部署，可以改變反潛戰（ASW），使海上核威懾幾乎成為多余。另一方面，其他專家認為這種假設在技術上還為時過早，因為：AWS 上的傳感器不太可能可靠地探測到深潛的潛艇；這些傳感器（以及無人機本身）的探測距離會受到遠距離電池電量的限制；而且，鑒于執行威懾任務的 SSBN 穿越的區域廣闊，即使部署大量的自主蜂群執行偵察任務，被探測到的幾率也微乎其微。

盡管旨在克服反潛戰中潛艇靜音挑戰（降低成本、減小尺寸和探測范圍）的傳感器技術不斷進步，但仍存在一些技術挑戰，包括：多個系統之間的水下通信；處理功率要求；電池壽命和能源生成；以及系統擴展。因此，現代反潛戰能力非但沒有使潛艇成為多余，反而降低了潛艇的效能，減緩了潛艇在巡邏區的部署速度，使其無法進入射擊位置，并破壞了攻擊的協調性。

傳感器、通信和處理技術（尤其是大數據分析和機器學習）的最新進展可能成為未來反潛和水下支援平臺（如無人潛航器、無人水面飛行器（USV）和無人機）的顛覆性變革技術，用于實時定位和攻擊潛艇，并增強潛艇及其附屬武器系統的隱身性和耐久性。人工智能機器學習和大數據分析的結合可提高冷戰時期的靈敏度技術，以探測潛艇的輻射和化學排放，進而實現在遠程反潛作戰（可能是 "開火即忘"）中探測和提示魚雷搜索器的新能力。但目前，這一假設的技術可行性仍存在很大爭議。

在這些自主系統對潛艇偵察產生改變游戲規則的戰略影響之前，需要在動力、傳感器技術和通信方面取得重大進展。然而，無論這種新興能力的真實性如何，只要認為核能力面臨新的戰略挑戰，就會引起核武對手之間的不信任，尤其是在戰略力量不對稱的情況下。自主能力--如 DARPA 的 "海上獵手"--展示了自主武器如何加速完成迭代瞄準周期，以支持聯合作戰；從而降低國家核二次打擊能力的可靠性和生存能力，并可能導致 "要么使用，要么失去"的局面。

因此，在短期內，人工智能對核威懾產生的最重要的不穩定影響可能是將自主性與一系列機器學習增強型傳感器相結合，這可能會削弱各國對其二次打擊能力存續的信心，從而引發報復性的第一次打擊。計算性能呈指數級增長，加上可實時快速處理數據的機器學習技術的進步，將使無人機群有能力執行日益復雜的任務，如獵殺迄今為止隱藏的核威懾力量。簡而言之，未來人工智能的迭代能力將不斷增強，能夠在融合擴大和分散的數據集的基礎上進行預測，然后定位、跟蹤和瞄準地下發射井（特別是移動式洲際彈道導彈發射器）、隱形飛機、SSBN 和卡車或鐵路運輸豎起發射器（TEL）中的戰略導彈。

人工智能增強蜂群的戰術可能性

以下三種情況說明了人工智能增強型無人機群可能執行的戰略行動。

首先，可部署無人機群執行核-ISR 行動，以定位和跟蹤分散的（核與非核）移動導彈發射器及其隨附的輔助 C3I 系統。具體來說，集人工智能注入的 ISR、自主傳感器平臺、自動目標識別（ATR）系統和數據分析系統于一體的無人機群可提高傳感無人機的效率和速度，以確定移動導彈的位置并躲避敵方防御。然后，這些蜂群提供的衛星圖像和信號情報可提示隱形戰斗機或武裝無人機摧毀這些導彈。

未來，人工智能增強型無人機群可用于定位和跟蹤移動導彈發射器等分散目標，壓制敵方防空系統，為裝備常規或核載荷的高超音速自主運載系統群掃清道路。高超音速助推滑翔武器（HGVs）利用助推滑翔技術推進裝有常規載荷（以及潛在核載荷）的彈頭，其開發和部署可能最終會加劇目標模糊問題，增加意外升級的風險，進而降低核門檻。

由于尋找移動導彈本身就很困難，因此即使在使這種能力（甚至是對其脆弱性的認識）方面稍有改進，也可能改變戰略游戲規則。根據蘭德公司的分析，"對常規武裝導彈的追逐可能導致具備核能力的導彈部隊遭到削弱"，從而破壞危機的穩定性，并造成 "要么使用，要么失去 "的局面。因此，先進的人工智能增強型無人機群的自主性可能會加劇共混問題集，進而增加戰略不穩定性。

其次，無人機群可能會增強傳統的常規武器和核武器運載系統（例如洲際彈道導彈和潛射彈道導彈），并可能納入高超音速變體（下文將詳細討論）。人工智能的應用很可能會增強運載系統的瞄準和跟蹤能力，并提高無人機群對抗當前一代導彈防御系統的生存能力。例如，高超音速助推滑翔武器的技術進步--特別是與巡航導彈、導彈防御能力結合部署，并得到無人機群的支持--可以瞄準對手的高價值資產，如雷達、反衛星武器、移動導彈發射器、C3I 系統以及用于支持核導彈和常規導彈的 TEL。然而，無人機群對這些系統的依賴性（類似于下文討論的網絡防御）可能使其更容易受到攻擊，例如來自欺騙、操縱、數字干擾和電磁脈沖的攻擊。

為了降低這些脆弱性，傳感器無人機群編隊可以應用人工智能增強的 ISR 來加強情報收集、群內通信和分析，擴大其行動的地理范圍，并監測對無人機群的潛在威脅，從而讓無人機群的其余部分不受束縛地開展進攻活動。例如，美國國防部高級研究計劃局（DARPA）最近測試了無人機群如何在極少（或被拒絕）通信的高威脅環境中進行協作并協調戰術決策。

第三，無人機群戰術同樣可以增強國家壓制對手防御系統（如防空系統、導彈防御系統和反潛防御系統）的能力，為解除攻擊掃清道路。無人機群可能配備網絡或電子戰（EW）能力（除了反艦導彈、反輻射導彈或常規巡航導彈和彈道導彈外），以干擾或摧毀對手的預警探測和 C3I 系統，為更廣泛的進攻行動打前站。例如，在傳統防御中，一國可以通過拒止戰術，用配備電子戰或網絡武器的無人機群攻擊敵方的傳感器和控制系統，削弱敵方的綜合防空系統（如欺騙和電磁脈沖攻擊），同時部署單獨的無人機群，吸引敵方武器系統的火力，保護敵方的傳感器，從而為出動常規（可能還有核）武裝無人機和遠程隱形轟炸機掃清道路。

相反，無人機群可能會加強各國的導彈防御，以抵御這些進攻性威脅。例如，無人機群可以形成一道防御墻，吸收來襲的導彈炮彈，將其攔截或作為誘餌，利用搭載的激光技術使其偏離航道。

揭開冷戰核威懾的水下之謎？

在海洋領域，UUV、USV 和 UAV 在人工智能支持的群內通信和 ISR 系統的支持下，可同時部署在進攻性和防御性反潛行動中，以飽和敵方防御，并定位、削弱和摧毀其核武或非核攻擊潛艇。由于現代柴電潛艇（SSK）和 SSBN 采用了隱身技術，尤其是聲學特征極小，再加上協調此類行動的巨大挑戰，因此即使在相對有利的條件下，從艦艇（甚至從另一艘潛艇）跟蹤潛艇也是一項具有挑戰性的行動。

一些專家預計至少十年內這種技術上可靠有效的能力還無法投入使用，而另一些專家則比較樂觀。從戰術角度看，無人機群不需要覆蓋整個海洋（或完全透明的海洋）就能有效探測和跟蹤潛艇。英國海軍少將約翰-高爾（John Gower）認為，"在公海上構想一個可行的搜索和探測計劃"，相對均勻的傳感器分布可能就足夠了，只需要 "多則數萬、少則數十萬的 UUV"。此外，移動傳感平臺的進步可使無人機群在潛艇出港時通過咽喉（或網關）定位潛艇，然后自主跟蹤潛艇。這樣，機器學習增強型 UUV 和 USV 的新迭代可能會補充甚至完全取代通用 SSBN 和載人水面飛行器在扼守點跟蹤敵方潛艇的傳統作用，同時在 UUV 上安裝稀疏分布和移動分布的網絡系統傳感器。

算法戰爭與不可抗力自主武器

如果一個國家認為其可生存核武器（尤其是核潛艇）的可信度受到威脅，那么無人機群等常規能力很可能會在戰略層面上產生破壞穩定的影響。因此，即使蜂群出擊不打算作為(或確實在技術上有能力)解除武裝的第一次打擊，這種行動的可行性本身就會破壞穩定。此外，人工智能的速度可能會使防御者處于明顯的劣勢，從而產生更多的動機，先發制人打擊技術上更勝一籌的軍事對手。因此，一個國家認為其二次打擊能力越不安全，就越有可能支持在其核武器綜合體中使用自主系統來增強其戰略力量的生存能力。分析家保羅-沙爾（Paul Scharre）認為，"在蜂群作戰中獲勝可能取決于是否擁有最好的算法來實現更好的協調和更快的反應時間，而不僅僅是最好的平臺"。

AWS 集速度、持久性、范圍、協調性和戰場規模于一身，將為各國在有爭議的反介入/區域拒止（A2/AD）區域內投射軍事力量提供極具吸引力的非對稱選擇。在復雜的機器學習神經網絡的強化下，有人和無人機聯合作戰有可能阻礙美國未來在南海的航行自由行動。如果在巡航導彈和高超音速滑翔能力中注入人工智能和自主能力，那么在近距離遭遇戰將變得更加復雜、更易發生事故，并在常規和核層面上破壞穩定。據報道，大國正在開發和部署 UUV，以加強其水下監測和反潛能力，作為建立 "水下長城 "以反制美國水下軍事優勢這一更廣泛目標的一部分。例如，美國的人工智能增強型 UUV 有可能威脅到大國的核彈道導彈潛艇和非核攻擊潛艇。因此，即使美國的 UUV 只對大國的非核（或非戰略）攻擊潛艇艦隊構成威脅，大國的指揮官也可能會擔心新生的、噪音相對較小的（與美國和俄羅斯的 SSBN 相比）海基核威懾力量會更容易被削弱。

因此，核領域新軍事技術的部署對各國的影響因其戰略力量結構的相對強度而異。此外，機器學習傳感器技術的進步可以更準確地探測到大國SSBNs，這可能會加強大國政府的擔憂，即它正被一個軍事上更強大的國家--尤其是美國--作為目標。要驗證這一設想的真實性，需要更好地了解大國在使用核能力和非核戰略能力方面的想法，以及這些想法如何影響大國對局勢升級風險的態度。

結論

自主武器被認為是一種風險相對較低的不可抗力，其交戰規則模糊不清，在缺乏強有力的規范和法律框架的情況下，很可能會成為一種越來越有吸引力的不對稱工具，削弱軍事上占優勢的對手的威懾力和決心。例如，空基和海基無人機與復雜的神經網絡相連，可以支持有人和無人聯合作戰，監視和控制海域，有可能阻礙美國未來的航行自由行動。如果為巡航導彈和高超音速滑翔能力注入人工智能和自主能力，那么在近距離遭遇戰將變得更加復雜，更易發生事故，并在常規和核層面上破壞穩定。

總之，盡管仍然存在技術挑戰（尤其是對動力的需求），但機器人系統群與人工智能機器學習技術的融合可能預示著在未來沖突中，射程、精度、質量、協調、智能和速度的提高將產生強大的相互作用。

參考來源：蒙特雷米德爾伯里國際研究所詹姆斯-馬丁防擴散研究中心（CNS）

由于涉及人類對人工智能的信任、正確性、審計、知識轉移和監管等原因，可解釋人工智能目前是該領域的前沿課題。利用強化學習（RL）開發的人工智能尤其引人關注，因為從環境中學到的東西并不透明。強化學習人工智能系統已被證明是 "脆性"的，無法在安全的條件下運行，因此，無論輸入值如何，顯示正確性的方法都是人們關注的焦點。顯示正確性的一種方法是使用形式化方法（即形式化驗證）驗證系統。這些方法很有價值，但成本高昂且難以實現，因此大多數人傾向于采用其他方法進行驗證，這些方法可能不那么嚴格，但更容易實現。在這項工作中，我們展示了針對戰略戰斗游戲《星際爭霸 2》的各方面開發 RL 人工智能系統的方法，該系統性能良好、可解釋并可進行形式驗證。該系統在示例場景中表現出色，同時還能向人類操作員或設計者解釋其行為。此外，該系統還符合有關其行為的正式安全規范。

引言

近年來，強化學習（RL）中的人工智能（AI）應用因其對以往棘手問題的廣泛適用性而備受關注[1,2]。其中，DeepMind 的 AlphaGo 系統[3] 的成功點燃了該領域研究和關注的熱情，特別是引入了將 RL 與深度神經網絡 (DNN) 相結合的新技術，即深度強化學習 (DRL)。然而，盡管在 RL 和 DRL 的總體領域內取得的進步不斷提高了這些方法的可擴展性和性能，但驗證和可解釋性工作卻沒有得到同等的關注。人們一直在努力采用性能卓越的 DRL 解決方案，并在事后提高可解釋性和可信度。這方面的一個例子是 DARPA 的 XAI 計劃，該計劃旨在研究和確定人工智能中可解釋性的重要性和使用情況[4]。他們得出的結論是，許多 DRL 解決方案都很脆弱、無法驗證，而且對人類設計者/操作者來說也不透明，而人類設計者/操作者可能想要審核、驗證或從智能體學到的知識中提取知識。

模糊推理系統（FIS）是一種利用模糊邏輯和推理規則將輸入映射到輸出的函數近似器[5]，它具有一些適合 XAI 的特性，但與 DNN 相比還有其他潛在的缺點，即可擴展性。基于模糊邏輯的系統因其近似能力[6]、易于利用專家知識實現[7]、對輸入噪聲的魯棒性[8]、對人類的可解釋性和透明度[9]以及可正式驗證的能力[10]，長期以來一直被用于控制系統開發。然而，與輸入數量相關的可擴展性問題限制了其潛在應用。為了緩解可擴展性問題，同時保留可解釋性和近似能力，2015 年提出了模糊樹[11]，將多個 FIS 組合成網絡或樹狀結構。

遺傳算法是一類無梯度搜索算法，它通過變異和重組在若干代內進化解決方案，并根據適應度函數中的一個或多個指標評估其適應度。長期以來，GA 在許多領域都發揮了巨大作用，在與 FIS 參數優化相關的大量工作中也是如此[12]。將模糊樹與遺傳算法相結合，產生了遺傳模糊樹（GFTs）[11]，這是一種強大的組合，使用了一種可解釋、可正式驗證的函數近似器和無梯度優化器，并已應用于監督[13]和強化學習領域[14]的多個復雜案例。Thales 的 GFT 軟件工具包包括一個模糊邏輯引擎 Psion 和一個最先進的基于遺傳算法的優化工具 EVE[15] 。它的優勢在于易于使用，可以找到壁時間較短的解決方案，而且由于無梯度優化的特性，適用范圍很廣。阿爾法系統[14]可能是之前最著名的應用案例，它是一種超人類人工智能，可在高保真模擬中與人類飛行員專家進行超視距空對空交戰[14]。

GFT 的另一個優點是可以使用形式化方法進行驗證。形式化方法通常被定義為 "用于系統開發、規范和驗證的數學上嚴格的技術"。許多方法和技術都屬于形式方法的范疇，包括布爾可滿足性問題（SAT）[16]、可滿足性模態理論（SMT）、模型檢查、定理證明、可達性分析等。形式化驗證是利用形式化方法來驗證系統的正確性。一般來說，驗證涉及對系統正確性的信心，而形式驗證則將傳統驗證方法（如蒙特卡洛評估）擴展到正確性的最終證明。在人工智能和人工智能領域，形式驗證的應用一直進展緩慢，這主要是由于隨著 DNN 規模的不斷擴大，證明 DNN 屬性的難度也在不斷增加。

在這項工作中，我們創建了一個使用 GFT 結構的智能體，然后使用強化學習對其進行訓練，使其能夠游玩《星際爭霸 2》中的特定場景。請注意，本研究并不分析整場標準的《星際爭霸 2》比賽。相反，本研究的重點將放在具體的控制應用上，同時關注可解釋性和形式可驗證性，當然也可以通過使用 GFT 方法來研究整個標準的《星際爭霸 2》游戲。這項研究的目的并不是要證明基于模糊邏輯的人工智能方法與其他任何方法之間的性能差距，而是要證明如何以保持可解釋性和形式可驗證性的方式創建這些系統。這些能力是任務/安全關鍵型應用非常需要的，而且往往是必需的。之所以使用星際爭霸 2，是因為它是現代 RL 研究中常用的環境，允許創建可公開共享的任務/安全關鍵用例，并允許擴展這項工作，以便與其他高性能 RL 方法進行比較。

GFT 采用結構初始化，在適當情況下給定初始參數值，然后通過游戲中的互動在訓練集中進行訓練。GFT 的結構可以通過提取激活的規則和成員函數來解釋輸出動作。然后創建系統行為規范，并使用形式化方法[17] 對系統進行驗證。在違反規范的情況下，會返回反例，顯示違反規范的地方，然后進行修正。然后對修正后的系統進行驗證，以確保其不違反規范，從而顯示出所制定的行為規范的明確正確性。

本研究開發了四種規范，這絕不是一個詳盡的潛在集合。這項工作將展示學習能力，以解決一類特別困難的問題，展示潛在的可解釋性可能性，并證明遵守了一系列相關規范。本研究的主要目的是展示一個基于模糊邏輯的人工智能系統實例，該系統可以在任務/安全關鍵場景中正式驗證是否符合安全規范。

本文其余部分的結構如下。第 2 節詳細介紹了針對 SC2 中的特定場景創建、訓練和驗證 GFT 的方法。第 3 節展示了結果，包括 RL 訓練、根據規范（和生成的反例）進行的驗證，以及為確保符合規范而進行修改后的結果。第 4 節深入討論了這些結果，并就擴展和未來工作提出了想法。最后，第 5 節簡要總結了本研究的工作、結果和影響。

圖 3. 研究模型中使用的三個獨立的模糊推理系統(FIS)，分別用于 Marine Movement Control、Marine Firing Control 和 Medivac Healing Control。藍色為標準化輸入，紅色為 FIS，綠色為標準化輸出。

目前的 "未來士兵"計劃旨在通過技術提升步兵能力，但與以前的一些計劃相比，其目標更加現實。

從阿富汗到烏克蘭，現代沖突證明，徒步步兵仍然是決定性的兵力。空中力量、火炮和裝甲車當然不可或缺，但最終還是要靠步兵來征服戰場上眾所周知的 "最后 100 碼"。在沖突后、維和或反叛亂行動中，步行士兵的作用更加突出。

武裝部隊定期更新步兵裝備，以提高生存能力和殺傷力。本世紀頭十年，特別是在美國，一些雄心勃勃的項目旨在利用概念技術打造 "超級士兵"，這些士兵裝備有力量倍增的外骨骼和 "鋼鐵俠 "防護服，可提供防彈保護并集成非傳統武器選項。經過多年的研究，人們發現這些概念至少在目前仍屬于科幻小說的范疇。

法國陸軍

而參數較為適中的項目，如法國陸軍的FELIN（Fantassin à équipement et Liaisons Intégrés；ENG："裝備與通信一體化的步兵"）則更容易實施。2010年至2015年間，賽峰電子與防務公司領導的工業團隊向法國陸軍交付了約23000套FELIN系統。該系統適用于空降、山地和機械化步兵部隊，并成功部署在阿富汗和非洲。模塊化系統包括改進的通信設備和傳感器、步兵武器和先進的瞄準輔助設備、防彈保護裝置以及符合人體工程學的優化制服和背帶。該裝備可根據任務參數和單兵在部隊或梯隊中的作用進行配置。

圖：法國陸軍的新型 F3 防彈頭盔由最初的 FELIN 頭盔演變而來。功能導軌、鉤扣支架和新的側面部件增強了安裝配件的能力。資料來源：法國陸軍

在完成最初的FELIN套件采購后，軍備總局DGA（Direction générale de l'armement；ENG：General Armaments Directorate）于2016年授予賽峰集團將該系統升級至FELIN V1.3標準的合同。改進措施包括瞄準傳感器和火力支援的軟件升級、更模塊化的防護裝備，以及針對SitComdé戰術終端和戰斗管理系統進行優化的增強型作戰背心。V1.3 承諾在不影響防護的情況下將系統重量減輕 40%。隨后，DGA于 2019 年啟動了 "百夫長 "計劃。該計劃將持續到2026年，旨在加速法國工業的創新，并將新技術整合到現有計劃中，包括FELIN的未來增量。

其目標是通過連接和通信、定位和導航、創新界面、防護和隱形裝備、移動輔助工具、觀察和識別手段、創新能源、士兵健康監測和功能化紡織品等技術，提高 "戰斗機的個人、集體和協作能力"。

圖：2017 年，法國陸軍推出了新一代 Structure Modulaire Balistique（SMB），即 "模塊化防彈結構"。受士兵反饋的啟發，SMB融合了防彈背心和作戰裝備運輸系統。與前代產品相比，SMB 重量更輕，人體工程學設計更合理，從而提高了機動性和舒適性。資料來源：法國陸軍

其他國家正在實施的 "未來士兵系統 "計劃也采用了同樣的方法，即系統地采用逐步改進的裝備和新材料，并將其作為整體平衡的成套裝備投入實戰，以提高士兵的性能。在所有這些計劃中，可穿戴電子設備和先進的網絡能力都被認為是至關重要的因素。美國陸軍和德國陸軍提出了兩種典型的方法。

美國陸軍

美國陸軍目前的步兵現代化工作主要集中在幾個各自為政、平行但獨立的項目中，以開發新型步兵武器、可穿戴傳感器和態勢感知工具以及個人防護裝備（PPE）。下一代班用武器（NGSW）計劃、綜合視覺增強系統（IVAS）和增強型夜視鏡-雙筒望遠鏡（ENVGB）是陸軍最優先或 "標志性 "的開發工作。陸軍未來司令部的士兵致命性跨職能小組正在指導它們的開發工作。

• NGSW

NGSW 系統由四個部分組成。XM7 步槍將取代 M4 卡賓槍。腰帶式 XM250 自動步槍將取代 M249 輕機槍。根據 2022 年的一份合同，西格紹爾公司正在開發這兩種氣動武器。它們將配備可選的 "槍口"，這是一種由陸軍工程師開發的組合式消音器和槍口制動器。陸軍測試表明，"槍口 "可將后坐力降低 33%，將射程內的閃光信號降低 25%，并將聲信號降低 50%。

圖：作為美國陸軍下一代班用武器（NGSW）計劃的一部分，西格紹爾 XM7 步槍將取代 M4 卡賓槍。資料來源：美國陸軍

NGSW 火控系統（NGSW-FC）是一種集成光學系統，旨在為兩種武器提供更強的目標捕獲和瞄準修正功能。設計合同于 2022 年授予 Vortex Optics 公司。FC 的主要組件包括一個可變功率瞄準鏡、一個激光測距儀、一個彈道計算機、一個擾動瞄準鏡（指通過瞄準鏡觀察到的兩個瞄準點，其中一個瞄準點與內膛線對準，第二個瞄準點跟蹤電子 "標記 "目標）以及一個與士兵設備的無線連接。它能自動計算距離、風力和仰角，并相應調整瞄準點，同時將目標位置、距離和狀態投射到士兵的顯示屏上。

NGSW 的最后一個組件是新型 6.8 × 51 毫米（.277 Fury）子彈，與 M4 的 5.56 × 45 毫米彈藥相比，它的彈丸重量和槍口速度更大。總體而言，與目前的步兵武器相比，NGSW 預計將大幅提高射程、精度和目標穿透力；陸軍的既定目標是 "實現對全球對手和當今及未來戰場上出現的威脅的超強打擊"。該系統最近完成了生產鑒定測試，第一支作戰部隊計劃在 2024 財年第二季度裝備 NGSW。陸軍計劃在十年內采購25萬門XM7和15萬門XM250。

• IVAS

IVAS源自微軟的Hololens 2頭顯，它使用全息技術將數字圖像疊加到真實世界的圖像上。據微軟稱，該系統將 HoloLens 的混合現實技術與熱成像、傳感器、GPS 技術和夜視能力相結合，以提高士兵的態勢感知能力，并傳遞戰術相關信息。全息圖像、三維地形圖和指南針被疊加到透明鏡頭的平視顯示器（HUD）上。其中包括小分隊無人駕駛飛行器（UAV）提供的偵察和瞄準數據。主要部件包括頭盔面罩、佩戴在身上的計算機（稱為 "冰球"）、網絡數據無線電和三塊保形電池。一個無線接口將護目鏡與一系列武器瞄準鏡連接起來，將武器瞄準鏡和目標的熱圖像投射到護目鏡顯示屏上；這使得士兵們可以在保持隱蔽的同時將武器伸出--甚至在拐角處--以便瞄準敵人開火。

圖：一名士兵在北卡羅來納州布拉格堡的一次訓練中測試 IVAS 耳機。圖片來源：美國陸軍

2022 年，部隊對 IVAS 1.0 初始演示器進行了測試，隨后很快又推出了改進型 IVAS 1.1 原型。士兵的反饋意見暴露了許多問題，如迷失方向和頸部疲勞，這些問題將在迭代 1.2 中得到緩解。首批 IVAS 1.2 原型于 2023 年 7 月交付，預計 2025 年投入使用。

• ENVG-B

L3Harris 開發的頭盔式增強夜視鏡（ENVG-B）結合了白磷圖像增強和長波紅外熱成像技術，可在弱光和視覺衰減條件下增強戰場視野。通過與 NETT Warrior 系統（如下所述）集成，護目鏡還能顯示地圖、導航和藍兵力跟蹤。與 IVAS 系統一樣，ENVG-B 也旨在通過大幅提高態勢感知能力，提高士兵識別和攻擊目標的能力，從而增強士兵在復雜環境中的機動性、生存能力和殺傷力。陸軍計劃在 2028 年前采購 40,000 套。

• NETT Warrior

NETT Warrior（NW）是一個綜合態勢感知系統，適用于下馬步兵領導人（小隊級及以上）。該跨平臺系統使用手持軍用無線電作為接口，將商用現貨（COTS）智能手機連接到旅級指揮和控制網絡。通過智能手機，兵力可以訪問應用程序來跟蹤友軍、與其他部隊協調行動、請求火力支援、發送信息和共享數據；該系統還可以與小型無人地面車輛（UGV）和無人機的傳感器聯網。NW 采用基于地圖的戰術突擊套件（TAK）態勢感知軟件套件和定制應用程序。該系統于 2010 年推出，但迄今已經歷多次迭代，既提高了性能，又減輕了重量。目前正在進行第三次增量測試，可能于 2024 年交付選定的部隊。最新設計的一個主要目標是增強人工智能，優化與其他新型 "未來戰士 "裝備的接口。

• 士兵保護系統 (SPS)

SPS 防彈衣系統于 2016 年至 2019 年投入生產（視組件而定），由以下部分組成： 軀干和四肢防護系統（TEP），包括模塊化可擴展背心（MSV）、輕型裝甲阻燃防彈作戰服和爆炸骨盆保護器，以降低腹股溝受傷的風險；軀干要害防護系統（VTP），包括前、后和側面裝甲板，可插入模塊化可擴展背心；綜合頭部防護系統（IHPS），包括一個基本頭盔，可增加下顎裝甲和護目鏡。綜合頭部防護系統旨在提供與傳統防彈衣同等或更高程度的防護，以抵御小武器火力和破片殺傷，同時減輕重量。模塊化系統的各個組件可配置成不同的防護等級，以滿足任務參數和士兵需求。

目前正在對 SPS 的三個組件進行升級。新組件包括第二代模塊化可擴展背心（MSV Gen II）、第三代軀干重要防護（VTP Gen III）和下一代綜合頭部防護系統（NGIHPS）。MSV Gen II 和 VTP Gen III 于 2021 年開始提前投入使用。目前正在進行彈道測試，迄今為止故障率仍低于 5%。陸軍計劃每個系統子集購置 15 萬件。

德國陸軍

德國的 Infanterist der Zukunft (IdZ)（未來步兵）計劃于 2004 年啟動，當時是為了滿足裝備部署到阿富汗的人員的緊急作戰需求。最初的 IdZ - BS（Basissystem；ENG：Base System）階段以 COTS 組件為基礎，以加快實施速度。目前投入實戰的迭代版本被命名為 IdZ - ES（Erweitertes System；ENG：Expanded System）Gladius。主承包商萊茵金屬防務電子公司于 2006 年開始開發，2013 年開始交付。ES "套件的設計理念是 "無紙化開發"，因為正如德國陸軍所說，"步兵所需的基本能力只能通過封閉、協調的系統方法來實現"。"除了提高性能外，新裝備還優化了人體工學舒適度，減輕了重量，提高了士兵的機動性，降低了疲勞或受傷風險。

圖：攜帶 "未來步兵 "裝備的德國士兵。圖片來源：德國陸軍

德國兵力目前約有 165 個排的裝備包，足以裝備 6 600 名軍人（主要是陸軍，但也向其他軍種提供了數量有限的裝備包）。IdZ 由三個子系統組成： BST（Bekleidung, Schutz- und Trageausstattung；ENG：服裝、防護和負重裝備）、WOO（武器、光學和光電）和 C4I（指揮、控制、計算機、通信和信息）。整個系統采用模塊化設計，允許將每個子系統組中的元素組合在一起，以滿足輕裝步兵或機械化步兵的需要，或反映單個士兵在部隊中的職能。共同核心主要由背心式通信和網絡設備組成，包括一個 USB 集線器（可插入電子通信、數據和傳感器設備）、戰術無線電、視覺顯示裝置、數字導航設備、多個保形電池和通信耳機。此外，還可從近 80 種不同類別的選件中進行選擇，包括頭盔式和武器式視覺模塊和火控裝置、多模式望遠鏡、增強現實設備、多種可定制的槍械和榴彈發射器以及個人防護裝備（PPE）。

IdZ 系列繼續定期升級，被認為是世界上最先進的步兵系統之一。關于 BST 和 WOO 子系統，最近的改進主要集中在減輕重量和提高用戶友好性方面。

單個傳感器和瞄準具的性能也在逐步提高，目前最大的努力方向是 C4I 系統，因為它是將所有要素連接成一個兵力倍增包的關鍵。最新型的 IdZ 于 2021 年開始交付，被命名為 "IdZ-ES VJTF 2023"，并于 2023 年 1 月下了追加訂單。該型號是為 2023 年領導北約超高度戒備聯合特遣部隊（VJTF）的德國特遣隊優化設計的。新功能包括升級的軟件定義無線電以及增強的態勢感知和目標捕獲功能，其中包括胸前安裝的 CeoTronics CT-MultiPTT 3C 中央操作和控制裝置，該裝置可在戰術地圖上顯示 "藍色兵力 "的位置。IdZ-ES VJTF 2023 與德國軍方新的數字化陸基作戰（D-LBO）計劃兼容，該計劃旨在為移動指揮和控制（C2）網絡提供一個框架。

IdZ-ES VJTF 2023 與 "美洲豹 "步兵戰車（IFV）和其他級別裝甲戰車上升級的電子和通信設備一起，還構成了 "裝甲士兵系統 "的基礎，該系統將首次部署到北約 VJTF 中。裝甲步兵系統 "將車輛傳感器和武器與裝甲步兵和下馬機械化步兵的傳感器和武器完全聯網，創造了一個無縫的共同作戰環境。這種將下馬步兵和 IFV 合并為一個真正的戰斗單位的做法，可在更遠的距離和更高的精度上探測、識別和有效打擊對方兵力。由此，德國陸軍為下馬步兵與 IFV 的整合設定了新的基線。

圖：Panzergrenadier 系統將 "美洲豹 "IFV 及其步兵下裝車整合為一個完全數字化的團隊，共享態勢感知并提高殺傷力。來源：萊茵金屬

2021 年，德國陸軍委托萊茵金屬公司啟動下一代未來士兵系統的研究，該系統將被命名為 IdZ 3.0。該系統將以現有變體的數字化骨干為基礎，同時納入新的硬件。盡管已知有一些新的組件，但全部細節尚未確定。其中包括新型 G95A1 和 G95KA1 突擊步槍（更廣為人知的名稱是 HK416 A8），它們將從 2024 年開始取代目前的 G36。新的傳感器和武器瞄準具也有望面世。

其中之一是 FCS 12 火控系統，該系統集多種功能于一身，包括晝夜武器瞄準鏡、激光測距儀、彈道計算機和錄像機。正如聯邦國防軍裝備、信息技術和在役支持辦公室（BAAINBw）第一主任揚-格紹（Jan Gesau）在本刊 2023 年 8 月版的一次采訪中所說，相關研究的結果 "將不斷融入下一步的設計中，以實現第三代 IdZ 系統"。

無盡的路

歸根結底，"未來 "總是比任何正在進行的計劃先行一步。一旦某套裝備開始服役，軍方就必須開始規劃下一步的升級系統，以便與技術和潛在對手保持同步。在這一點上，德國、法國和美國的陸軍兵力--以及他們的所有同行--都面臨著唯一不變的事實，那就是變化。

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。

雷達和電子戰（EW）等軍事應用測試和測量系統的設計人員正在加緊使用人工智能（AI）解決方案，以便更好地測試認知功能。同時，現代數字架構的采用也推動了軍事測試需求的增長。

人工智能（AI）和機器學習（ML）工具正在進入國防系統的幾乎每一個領域，從制造、雷達系統開發、航空電子設備到軟件開發和測試測量系統。

NI 公司（德克薩斯州奧斯汀）航空航天、國防與政府研究與原型開發解決方案營銷經理 Jeremy Twaits 說："人工智能不僅影響測試系統本身的能力，還影響我們的測試方式。"人工智能使系統更具適應性，其行為會根據訓練數據集發生變化。有了人工智能，工程師必須了解系統性能的界限，并使用測試方法來滿足系統部署時可能遇到的最關鍵和最可能的情況。

人工智能工具還能在電子戰系統中實現認知功能。羅德與施瓦茨公司（Rohde & Schwarz，馬里蘭州哥倫比亞市）航空航天與國防市場部雷達與 EW（電子戰）全球市場部門經理 Tim Fountain 說："通過為客戶配備工具，提供高帶寬、長時間射頻記錄和回放系統，用于在操作相關的射頻環境中訓練認知系統，從而幫助客戶交付支持 AI/ML 的系統"。

他繼續說："此外，認知系統還可用于提取和分類 ELINT（電子情報）接收器捕獲的寬帶數據中的新型發射器。我們的客戶一再告訴我們，他們面臨的一個挑戰是，他們并不缺少來自采集活動的數據，但對這些信號進行標記、分類、排序和地理定位仍然是一項人工任務，由于時間和預算壓力，分析人員往往會忽略這項任務"。

軍事用戶對數據量的要求只增不減，這給系統設計人員和系統測試人員帶來了更大的壓力。

Keysight 航空航天/國防和政府解決方案集團（加利福尼亞州圣克拉拉市）總經理 Greg Patschke 說："隨著高速捕獲技術的發展，我們能夠收集的數據量正以指數級速度增長。這些大型數據集帶來了分析信息和得出結果的挑戰。目前，我們正在使用無監督機器學習工具來加快洞察之路。我們可以使用智能算法來識別感興趣的信號，對信息進行分類，并識別數據中的模式和異常。利用這項技術為我們打開了一扇通往全新數據分析世界的大門，而這在以前是不可行的"。

由于系統的復雜性，在定義測試場景的同時，通過人工智能系統實現適應性將至關重要。

Twaits指出："幾乎不可能在每一種可能的情況下進行測試，但業界必須定義關鍵的測試場景和模型。"由于真正測試和信任人工智能系統的動態性和挑戰性，測試平臺必須具備適應性，以應對未來的測試場景和要求。例如，NI 的 COTS（現成商用）硬件可以與 MathWorks 的軟件工具（如深度學習工具箱）相連接。NI 和 MathWorks 合作展示了如何利用軟件定義無線電 (SDR) 對訓練有素的神經網絡進行空中測試和評估，以對雷達和 5G 新無線電信號進行分類。

在軟件中定義測試功能

人工智能在測試解決方案中的應用得益于在軟件中植入測試和測量系統功能的能力。

Patschke 說："在測試和測量行業，不斷需要改進測量軟件的功能。EW 測試的專業性往往要求軟件具有一定程度的創新性和靈活性，而這在其他行業通常是看不到的。例如，與雷達/預警機有關的到達角（AOA）測試需要軟件和硬件的無縫配對，以適當應用實時運動學并準確計算 AOA 結果"。

他繼續說："幾年前，[測試]軟件還不具備這種功能，但隨著客戶要求和需求的變化，像 Keysight 這樣的公司已經進行了調整，以滿足這些需求。客戶要求系統具有靈活性，以便在新的挑戰出現時滿足他們的需求。滿足這些需求的唯一方法就是不斷升級我們的軟件，盡可能增加新的功能，這樣就可以不斷地將硬件重新用于多種用途"。

對標準化和快速周轉的需求也需要更多的軟件功能。

Fountain 說："客戶告訴 R&S 最緊迫的問題是，他們需要快速、可驗證和可重復的測量，而且通常是基于標準的測量。"客戶通常沒有時間或內部專業知識來開發特定的測量功能，因此可能會依賴供應商將該測量功能作為附加功能提供，或者在某些情況下使用事實上的行業工具集（如 Matlab 和/或 Simlink）來支持快速軟件/硬件功能，特別是隨著 FPGA（現場可編程門陣列）和 GPU（圖形處理器）在測量數據流中變得越來越普遍。(圖 1）。

[圖1 ? 羅德與施瓦茨公司提供集成記錄、分析和回放系統（IRAPS）。IRAPS可用于需要寬帶寬、長時間射頻記錄和回放的實驗室和靶場射頻記錄和回放應用，如雷達測試和靶場電子戰（EW）效果評估。］

NI 雷達/EW 業務開發經理 Haydn Nelson 說："在軟件中定義測試系統是整個航空航天工業趨勢的體現，通常被稱為基于模型的系統工程。"推動系統級模型和要求的標準化使軟件成為定義自動測試系統不可或缺的一部分。

Nelson 繼續說："對于雷達和電子戰來說，由于雷達的多任務性質和電子戰的保密性質，這具有挑戰性。定義、開發、評估和部署新方法和技術是一個復雜的過程。隨著威脅的不斷發展，用戶需要更快地獲得新系統，而測試和評估流程不能阻礙這一進程。軟件定義的測試系統對于在保持系統能力和性能敏感性的同時滿足速度要求至關重要。

對更多實驗室測試的需求也在推動軟件定義測試系統的發展。Nelson 說："我們看到的一個具體要求是，能夠在實驗室中以現實的方式進行更多測試，而無需面對固定和鎖定測試系統的挑戰。在公開范圍測試之前，測試的次數越多，新方法或新技術獲得最終用戶信任的信心就越大。共享數據和證明能力與開發能力本身同樣重要。"

雷達/預警要求

跨越多個領域的復雜對抗性威脅對雷達和預警系統的性能提出了更高的要求，從而給測試系統設計人員帶來了更大的壓力，要求他們提供準確、高效的解決方案。

"總體而言，趨勢是不斷提高測量精度和降低相位噪聲，"Fountain 說。"精度和相位噪聲直接關系到描述雷達性能的能力。在電子戰方面，我們看到，在擁擠和有爭議的作戰環境的推動下，高度復雜的電磁場景正朝著更高保真模擬的方向發展。"

雷達和預警系統的數字架構要求和現代化努力也要求測試系統具有多功能性。

NI 的 Twaits 說："從高層次上講，測試和評估的要求是由采用現代數字架構驅動的，這些架構要求在單個系統中進行功能、參數和系統級測試，以及分割數字和射頻系統以進行獨立測試的方法。"此外，許多傳統雷達和預警系統正在進行現代化改造，而傳統的測試平臺靈活性太差，無法滿足新系統功能的測試要求。現代化不會帶來無限的測試預算。新系統和升級要不斷平衡預算和時間交付壓力所帶來的限制，而適應不斷變化的要求本身就是一種要求"。

帶寬需求也對測試系統提出了更高的要求。"從技術上講，在電磁頻譜戰（EMSO）領域，實戰系統正朝著更寬的帶寬、更高的頻率、更大的頻率靈活性和更強的抗威脅能力方向發展。因此，[測試和測量]設備必須能夠生成和分析具有適當規格的波形，快速調整，并創建逼真的場景，在接近真實的運行條件下對被測設備施加壓力。"

測試系統還能在系統部署前的設計過程中盡早發現缺陷，從而降低長期生命周期成本。

Twaits說："按時、按預算交付的一個關鍵方面是制定測試策略，以便在設計過程中及早發現缺陷。露天靶場測試成本高昂，對于測試早期設計既不可行也不實際。例如，在雷達測試中，客戶正在尋找硬件在環系統，該系統可將真實目標注入到正在測試的雷達系統中。這使他們能夠盡早、頻繁地測試系統，盡早消除問題，并針對各種情況對雷達進行評估"。

NI 提供的雷達目標生成 (RTG) 軟件使客戶能夠將 PXI 射頻矢量信號收發器 (VST) 作為閉環實時雷達目標生成器來操作。它為工程師提供了一個單一模塊，既可作為標準雷達參數測量設備，也可作為 RTG，具有很強的能力和靈活性，適合最終用戶的調整。通過完全開放的列表模式，用戶可以定義多達 1000 萬個測試目標，以硬件速度進行排序，從而以在露天靶場上無法實現的方式刺激雷達。

電子戰系統的作用是對抗和探測復雜的敵對威脅，而測試系統的作用則是使作戰人員不僅能高效而且能安全地利用這些系統。

Patschke 指出："EW 測試的核心是確保人員和設備都做好應對各種電磁威脅的準備，從而保證部隊的安全。隨著 EW 測試環境越來越先進，客戶需要生成盡可能逼真的模擬。要做到這一點，就必須生成能模擬現實條件的高保真動態場景。過去，這需要大量的設備，而這些設備在使用中往往缺乏通用性。現在，客戶不僅希望他們的設備具有更高水平的能力，如更寬的帶寬和更多的輸出端口，而且還希望它能以更緊湊的尺寸提供更大的靈活性。Keysight 推出了包括最新 M9484C 矢量信號發生器在內的可擴展、開放式架構 EW 測試和評估產品組合，滿足了客戶的這些期望。"(圖 2）

[圖2 ? Keysight 的 M9484C 矢量信號發生器是一個四端口信號源，還能產生脈沖對脈沖輸出。這種單一信號發生器能夠取代四個老式信號源]。

Fountain 對發展趨勢的最后評論是："人們希望從露天靶場測試轉向封閉實驗室，這主要是由于露天測試的復雜性、成本以及測試產生的射頻輻射可能被不受歡迎的聽眾截獲"。

開放架構/MOSA 計劃

Fountain 說，在測試和測量層面，他并沒有看到這些計劃有多少活動。"測量系統在操作層面有一些利基應用，模塊化架構（如 MOSA[模塊化開放系統方法]和 SOSA[傳感器開放系統架構]）的優勢和附加成本將適用于這些應用，但在大多數情況下，測試和測量設備是在實驗室中，需要一個可控的環境來提供高度的測量精度。"

Nelson說："從許多方面來看，SOSA等標準架構在嵌入式設計中采用的理念與NI在模塊化PXI平臺測試和測量設計中采用的理念非常相似：制造模塊化、靈活和可互操作的系統。模塊化開放式架構的這三個目標是未來軍用嵌入式系統取得成功的關鍵，使系統能夠在今天設計，并在明天進行低成本升級。NI 的測試和測量方法與這一目標不謀而合。擁有模塊化、可擴展、靈活和可升級的嵌入式系統意味著測試系統也必須是模塊化、可擴展、靈活和可升級的，以適應不斷變化的要求、能力和接口。我們相信，與開放式架構計劃的模塊化方向一致的模塊化測試系統將有助于實現這一新嵌入式系統理念的承諾。"

Keysight 的 Patschke 說："投資新產品的客戶希望確保其傳統設備和系統能夠與升級后的平臺協同運行。"這不僅是一項節約成本的措施，而且還能通過延長舊產品的使用壽命來減少浪費，同時使整個系統保持最新狀態。開放式架構平臺將可持續發展作為優先事項，同時又不犧牲升級能力。Keysight 在設計下一代系統時非常重視開放式架構的實施。"

展望未來

人工智能和軟件定義的測試系統正在為現在以及未來的雷達和 EW 測試系統的更多能力鋪平道路，例如軟件定義雷達、頻譜共享、數字孿生等領域。

Patschke說："未來美國國防部（DoD）客戶的系統測試可能發展的一個途徑就是數字孿生技術的進步。"這些系統利用基于模型的系統工程（MBSE）方法生成數字化的真實測試場景，這些場景通常會考慮到外部變量，而以前的虛擬測試方法無法做到這一點。理論上，'數字孿生'概念可以將大多數（如果不是全部）物理系統工程活動轉換為虛擬活動。在進行物理測試不切實際、真實世界的效果難以再現的情況下，"數字孿生 "有可能增加廣泛的價值。隨著客戶尋求更可靠、更具成本效益的測試手段，數字孿生選擇可能會變得更具吸引力。

Fountain 說，未來幾年有四個關鍵領域將推動測試和測量技術的發展：

• 頻譜共享： 頻譜帶正被重新部署到 CBRS（無線網絡）等商業應用中，這就要求進行更全面、更精確的共存測試。
• 軟件定義雷達： 從模擬脈沖雷達到全數字調制雷達（每個脈沖都可以調制）的轉變已經實現了雷達與合作資產之間的通信。但這不僅僅是雷達和通信，還包括 EW，包括 EP 和 EA，以及集成到單一平臺的[軍事通信]。
• 量子傳感和量子雷達仍處于早期階段，但如果這些技術能在 "實戰 "中發揮作用，它們將改變沖突的根本結構。
• 從傳統的基于脈沖描述符字（PDW）的環境生成轉向基于高保真同相（IQ）的系統，這推動了對更高帶寬射頻生成能力的需求。

雷達和預警系統對靈活性和多功能性的需求也成為測試和測量需求的一個特點。

"納爾遜說："我們已經看到許多要求測試系統像瑞士軍刀一樣的需求：客戶希望測試設備能在單一系統中完成所有功能。

"我們經常收到這樣的請求：要求配置的系統在進行雷達目標生成等系統級測試的同時，還能進行參數測試，并能進行射頻記錄和回放。這些要求結合在一起，就很難在保持可接受的尺寸、重量和功率的同時，以具有成本效益的方式完成測試。只有采用模塊化系統，在封閉的特定功能與使用開放軟件擴展功能之間取得平衡，才能做到這一點。我們看到的趨勢是，現代測試系統必須像它們所測試的系統一樣具有多功能。

美國仍然是世界上最突出的軍事和技術力量。在過去十年中，美國認識到人工智能作為力量倍增器的潛力，越來越多地將人工智能（AI）的熟練程度視為美國重要利益和保證美國軍事和經濟實力的機制。特別是，在過去十年中，人工智能已成為美國國防的一項關鍵能力，特別是考慮到2022年美國國防戰略對印度-太平洋地區的關注。

因此，美國國防部（DoD）（以及美國政府和國防機構總體上）對人工智能和相關新興技術表現出越來越大的熱情。然而，雖然美國目前在學術界和私營部門的人工智能研究和開發方面取得了巨大進展，但國防部尚未在廣泛范圍內成功地將商業人工智能的發展轉化為真正的軍事能力。

美國政府在利用國防人工智能和人工智能支持的系統方面通常處于有利地位。然而，在過去的幾年里，各種官僚主義、組織和程序上的障礙減緩了國防部在國防人工智能采用和基于技術的創新方面的進展。最關鍵的是，國防部遭受了復雜的收購過程和廣泛的數據、STEM和AI人才和培訓的短缺。從事人工智能和人工智能相關技術和項目的組織往往是孤立的，而且還存在必要的數據和其他資源相互分離。在美國防部內部存在一種傾向于可靠方法和系統的文化，有時趨向于勒德主義。所有這些因素都導致了人工智能采用的速度出奇的緩慢。美國家安全委員會2021年提交給國會的最終報告總結說，"盡管有令人興奮的實驗和一些小型的人工智能項目，但美國政府離人工智能就緒還有很長的路要走"。

因此，盡管人工智能有可能增強美國的國家安全并成為一個優勢領域，而且鑒于美國在軍事、創新和技術領導方面的長期傳統，人工智能有可能成為一個薄弱點，擴大 "美國已經進入的脆弱窗口"。 如果美國不加快創新步伐，達到負責任的速度，并奠定必要的制度基礎，以支持一支精通人工智能的軍隊，人工智能將繼續成為一個不安全點。

去年，美國防部在這些挑戰中的一些方面取得了進展，調整了國防人工智能的方法。2022年6月，美國防部發布了《負責任人工智能戰略和實施途徑》，將更有數據依據的、負責任的、可操作的人工智能工作列為優先事項，此后開始執行。最重要的是，美國防部已經啟動了對其人工智能組織結構的重大改革，創建了一個新的首席數字和人工智能辦公室（CDAO），以整合其不同的人工智能項目和利益相關者，并使其與該部門的數據流更好地協調。值得注意的是，美國國防部目前正在對其國防人工智能的整體方法進行重大變革和振興。然而，這些新的人工智能努力是否足以讓美國彌補失去的時間，還有待觀察。