1 人機協作的重要性和重要啟示

機器在21世紀的戰場上變得無處不在，現代軍隊必須接受人機協作（HMT），否則就有可能將軍事優勢拱手讓給有效利用人工智能（AI）和自主性的競爭對手。本報告調查了人工智能日益融入軍事行動的影響，尤其側重于了解美國國防部（DOD）采用 HMT 概念的參數、優勢和挑戰。

HMT的定義和組成部分

HMT 是指將人工智能和自主系統與人類決策者、分析師、操作員和看守人員一起使用。HMT 將智能人類和機器的能力結合在一起，共同實現軍事目標。HMT 的核心是一種包含四個同等重要要素的關系：

• 人： 為機器提供輸入、對機器進行測試并利用其輸出的操作員；

• 機器： 從人工智能和機器學習（ML）算法到無人機群，機器擁有一定程度的決定權，并支持特定的任務；以及

• 交互： 人類和機器為完成共同任務而進行交互的方式。

• 界面： 人類與機器互動的機制和顯示方式。

1.1 關鍵要點

從 HMT 的三個軍事應用角度來看，作者得出以下結論。

• HMT 具有改變戰爭和解決關鍵作戰挑戰的潛力： 人工智能和 HMT 有可能通過增強態勢感知、改進決策、擴大人類操作員的射程和殺傷力，以及在多領域作戰中獲得并保持優勢，從而改變沖突和非戰斗行動。HMT 還能提高后勤、維持和后臺管理等許多輔助功能的效率，降低這些流程的成本和時限，并將人類解放出來，在這些任務領域執行價值更高的任務。

• 美國防部須擴展其對 HMT 的定義：HMT 的定義應予以擴展，以包括人類與自主非乘員系統和人工智能體的交互廣度，包括那些沒有物理形態的系統（如決策支持軟件）。將定義擴展到人類與機器人之間的互動之外，可使國防部實現 HMT 的廣泛用例--從在高強度戰爭中使用致命武器系統和無人機群，到利用算法融合數據和實現信息領域的虛擬連接。

• HMT 的開發和應用必須優先考慮以人為本的團隊合作： 人工智能的發展速度驚人，推動了機器能力的潛在飛躍，并對確保人工智能體的安全性、可靠性和可信度提出了更高要求。必須同樣重視培養人類操作員的能力、舒適度和信任度，以有效利用 HMT 的價值，確保人類始終處于人機團隊的中心位置。

• 美國防部須從概念走向實踐：人機協作作為一種概念，在國防部的某些部門正獲得越來越大的發展勢頭。然而，更多采用人工智能和 HMT 的倡導者強調，有必要將對話從概念轉向實際--將能力開發過渡到 HMT 能力的實時測試和使用，海軍通過第 59 特遣部隊進行的人工智能試驗就證明了這一點--以更好地闡明和展示 HMT 可帶來的作戰優勢。

圖 1：HMT 三層價值的高級描述。

• 增強態勢感知，加快決策制定（包括檢測模式和異常現象）

• 增加操作員和高價值平臺的操作范圍和生存能力

• 降低整個國防部活動的成本和時限，包括但不限于存在、威懾、作戰和消耗

注：這些價值已經在美國防部的某些部門得到承認和認可，盡管隨著與 HMT 相關的技術和概念的進步，這些價值可能會得到加強或擴大。資料來源 Tate Nurkin，圖片來自 Vecteezy 和大西洋理事會。

• 實驗是建立信任的關鍵： 在迭代的真實世界實驗中，人類開發出新的操作概念，測試機器隊友的極限，并更好地了解機器在各種環境中的突破點、優勢和劣勢，這對加快 HMT 的采用將起到關鍵作用。這種意識對人類操作員也至關重要，因為他們需要培養對人工智能隊友的信任，從而有效利用 HMT 的潛力。
• 美國防部須解決采用人工智能所面臨的官僚主義挑戰： 國防部規避風險的文化和各自為政的官僚作風正在減緩 HMT 概念和能力的獲取、實驗和采用。要克服這些挑戰，就必須提高 HMT 能力采購流程的敏捷性和靈活性、迭代實驗、承擔風險的激勵機制以及整個兵力的數字掃盲。

2 人機協作的應用

HMT 最常被狹義地設想為人類與一個到數百個或更多自主非乘員系統進行交互的過程。就其最基本的形式而言，這種對 HMT 的設想并不新鮮：人類與智能機器的合作已有數十年歷史--1997 年，超級計算機 "深藍 "在國際象棋比賽中擊敗世界冠軍加里-卡斯帕羅夫（Gary Kasparov）就是早期機器人才的縮影--軍方長期以來一直在測試各種概念，以推動這一關鍵能力的發展。然而，最近人工智能和機器人技術的發展速度令人印象深刻，促使人們越來越多地考慮這些技術所能帶來的新能力、效率和優勢。

忠誠僚機概念是 HMT 這種表現形式經常被引用的一個例子，在這個概念中，人類飛行員控制著一些相對廉價、模塊化、可隱蔽的自主無人駕駛航空系統（UAS）的任務分配和操作。這些僚機可在載人飛機前方飛行，執行一系列任務，包括電子攻擊或防御、情報、監視和偵察（ISR）或打擊，或作為誘餌吸引其他資產的火力，"點亮 "敵方防空系統。

不僅美國，大多數現代國家的軍隊都對 HMT 的這種表現形式越來越感興趣。除美國外，澳大利亞、中國、俄羅斯、英國、土耳其和印度都至少有一個積極的忠誠僚機發展計劃，而第六代戰斗機全球空中作戰計劃（英國、意大利、日本）、下一代空中主宰計劃（美國空軍和海軍）和未來空中作戰系統（德國、法國、西班牙）都涉及強調HMT和機-機協同的空中力量系統概念。

雙腿小隊支援系統是海軍陸戰隊作戰實驗室正在測試的實驗性技術。該系統經過編程，可跟隨操作員穿越地形，攜帶水和食物等重物。圖片來源：美國海軍陸戰隊

盡管這類 HMT 對新興軍事能力非常重要，并將繼續發揮重要作用，但對 HMT 的討論應包括人類與智能體（根據其環境、經驗和輸入進行學習并做出判斷）互動的全部范圍，包括與不具備實體形式的算法進行的絕大多數互動。Maven項目（Project Maven）就是一個例子，說明國防部和現在的國家地理空間情報局如何利用這類 HMT 從各種形式的媒體和收集到的情報中自主探測、標記和追蹤感興趣的物體或人類，從而使人類分析師和操作員能夠優先關注他們的重點領域。

除圖像分析和目標識別外，非物理形式的 HMT 還能支持一系列重要任務，如威脅探測、數據處理和分析。在速度、復雜性和可用數據顯著增加的作戰環境中，這對提高軍事效率至關重要。它們還能提高后勤和維持、培訓以及后臺行政任務的效率，從而降低成本并縮短執行時間。

通過將人工智能的處理能力和決策支持能力與人類的社會智能和判斷力相結合，并在某些情況下與具有不同自主程度的非乘員系統的兵力倍增效應相結合，HMT 可以為美國及其盟友和合作伙伴提供多層次的重疊優勢，包括圖 1 中列出的那些高級優勢。

作為 "加速采用人工智能和創建一支適合我們時代的兵力 "的更廣泛努力的一部分，國防部對 HMT 當前和未來多層次價值的認識有所提高。盡管如此，整個五角大樓在采用人工智能和 HMT 方面仍面臨一些長期挑戰。為了加速和深化 HMT 的采用，國防部必須致力于采用一種方法，將開發工作與私營部門的參與結合起來，為采購官員在整個國防企業中推廣 HMT 解決方案創造靈活性。這種方法必須輔以以下措施：

• 繼續并更加重視在人類和機器合作伙伴之間建立信任；
• 帶頭建立道德和安全方面的最佳實踐和規范；
• 積極迭代實驗；
• 清晰一致的信息傳遞

這些要素對于實現 HMT 在未來多領域戰斗中的價值和優勢至關重要。

表 1： 各 HMT 用例的優勢概述

• 反介入區域拒止 (A2/AD) 沖突：

  • 使用大量消耗性和可隱蔽系統，穿透 A2/AD 環境，維持兵力，擴大在 A2/AD 警戒線外行動的載人平臺的作用范圍。
  • 在數據豐富的環境中查找、固定和跟蹤關鍵節點和威脅。
  • 提供邊緣態勢感知。

• 感知和目標定位

  • 通過數據處理和融合增強態勢感知和威脅探測，提高態勢感知和威脅探測能力，確保以最快的速度做出決策。
  • 找到人類分析師和操作員不知道的關聯。
  • 支持人類跨領域識別目標和確定優先次序。
  • 向人類決策者推薦最適用的動能或非動能武器來打擊目標，從而提高效果的精確性。

• 存在、優先順序和威懾力

  • 通過使用包含多個無人系統的 ISR 網，擴大高價值有人資產的范圍。
  • 在地理位置分散的戰區識別活動模式的異常和中斷。
  • 根據人工智能驅動的評估，確定威脅的優先級，確保高效的資源分配。
  • 在真實環境中進行積極的迭代實驗，可在操作員與其機器合作伙伴之間建立信任。

用于情報和規劃活動的大型語言模型：2023 年 3 月發布的 Chat GPT-4 引發了關于美國防部如何利用類似大型語言模型（LLM）工具支持情報活動的討論。可以理解的是，有人擔心 LLM 目前的復雜程度及其 "幻覺 "傾向--編造不正確的信息--會使廣泛使用或依賴這些工具為時過早，甚至適得其反。不過，使用 LLMs 進行試驗將有助于更好地了解這些工具在哪些方面以及如何實現增值，尤其是當它們變得更加可靠時。2023 年 4 月“石上戰爭”（War on the Rocks）詳細介紹了美國海軍陸戰隊高級作戰學院如何利用兵棋推演來探索 LLM 如何協助人類進行軍事規劃。這些系統被用來提供、連接和可視化不同層次的信息和分析--例如對區域經濟關系的戰略層面的理解，以及對特定國家動態的更有針對性的分析--然后規劃人員利用這些信息和分析來完善可能的行動方案，并更好地理解對手的體系。

建議和結論摘要

HMT 為二十一世紀的軍隊提供了多項優勢。因此，國防部必須投入足夠的時間和資源，以應對上述采用方面的挑戰。要促進 HMT 的采用，就必須將新理念、新程序和新激勵措施結合起來，并加強目前正在進行的、前景看好的加速采用工作，特別是與以下領域相關的工作：

• 開發一種全事業范圍的 HMT 應用方法，該方法建立在設立首席數字和人工智能辦公室等中央機構的基礎上，并為其提供充足的資金和授權，以確保整個國防部在需求、能力、基礎設施和戰略開發以及采購和供應商參與方面相輔相成。

• 在復制現實世界作戰環境挑戰的環境中進行快速、迭代和積極的實驗，將有助于人類測試和了解 HMT 技術的突破點，從而促進技術的采用。不同程度的實驗還能建立人類對其人工智能隊友的信任，這是優化 HMT 價值所必需的。

• 通過改革融化 "冰凍的中間層"，這些改革可提高對快速行動的激勵，調整國防部和國會的改革優先事項，并加強努力，以確保在整個企業而不是逐個軍種或逐個司令部采用 HMT。大西洋理事會國防創新采用委員會提出了幾項適用于獲取和采用 HMT 能力的具體建議。

• 在未來作戰環境中，作戰速度、可用數據量和威脅的復雜性都將大幅提高，闡明并展示 HMT 的多層次價值，以贏得對競爭對手和潛在對手的優勢。

• 繼續在機構和道德問題上發揮領導作用，優先考慮以合乎道德和負責任的方式開發和使用值得信賴的人工智能，并將人類--人類的判斷力--置于人機團隊的中心位置。美國政府和私營部門應重新審視和更新有關機構和倫理的指導方針，以反映當代技術發展趨勢和能力。

• 制定戰略信息，強調人機團隊的價值和安全性，供美國防部和國會利益相關者以及更廣泛的美國社會使用。

美國在人工智能方面的進步并非發生在真空中；如果五角大樓遲遲不大規模采用 HMT，就有可能將軍事優勢拱手讓給像中國這樣將人工智能視為安全要務的戰略競爭對手。機器和智能體在二十一世紀的戰場上無處不在，國防部有責任展示、交流和實現 HMT 對實現未來任務和國家目標的價值。

一名軍官將 XRS-150 X 射線發生器放在模擬墜落的無人駕駛航空系統前。圖片來源：美國空軍國民警衛隊

圍繞未來戰爭的敘述往往圍繞技術對戰場的變革性影響，但卻沒有適當考慮到使用尖端軍事系統所涉及的分歧。本章探討了可能在未來戰場上發揮重要作用的幾項技術——自主系統、分層精確射擊、高保真傳感器和人工智能，并試圖通過探索這些技術創造的機遇和帶來的限制，描繪出它們將如何塑造戰斗。至關重要的是，本章認為，必須在一個能夠部署和維持這些能力的系統背景下評估這些能力，而不是孤立地評估。

關鍵詞： 陸戰；致命自主；人工智能；復雜武器；目標定位；情報

引言

對未來戰場的描繪具有顯著的一致性。從科幻小說到計算機科學，從大銀幕到小熒屏，從美國陸軍到俄羅斯聯邦武裝部隊，都有普遍而持久的主題。未來，成群的自主無人機在戰場上搜索。指揮團隊被觸摸屏包圍，戴著智能眼鏡，通過人工智能與圖形復雜但無縫相關的戰場實時呈現進行交互，做出決策，釋放精確的效果，同時展現符合人類的意圖，但不需要持續的監督。這一想象中的未來，實現日期各不相同。過于樂觀的描述曾預計它現在已經到來。在軍隊內部，人們希望在 2030 年實現這一目標。由于技術進步拒絕跟上敘事的步伐，這一目標已經滑落到2040年，而在美國，這一目標現在被安排在2050年。

有幾個因素似乎賦予了這一愿景想象力。指揮團隊可以隨手獲取所有相關的戰場信息，這同時也是軍事指揮官們所希望擁有的，對于故事講述者來說也極為方便，他們可以通過這種情節設置讓觀眾了解廣泛分散的事件，同時只需要追蹤有限數量的人物。同樣，成群結隊的武裝四旋翼飛行器與真實能力十分接近，可信度很高，同時又具有未來感，足以表明時代的進步。人工智能如何確定哪些信息與指揮團隊相關，或者如此小的四旋翼飛行器如何有足夠的燃料覆蓋如此多的地面，這些問題都是由 CGI 驅動的系統所無法解決的。

然而，這些問題不僅僅是需要解決的技術細節。它們是橫亙在現在與未來之間的主要技術障礙。有些將被克服。有些則無法克服。某些解決方案的二階效應很可能會改變這些能力的最終應用方式，這可能反映了技術帶來的限制，也可能是因為有了更好的應用方法。本章試圖描繪的正是從概念到能力的過程，以及這一過程可能導致的偏差。本章研究了幾種新出現的技術，這些技術被廣泛認為將改變陸地戰爭，本章還探討了使用這些技術的實際情況，以及這些技術的使用將如何影響其最終用途。要依次考慮的四種技術是自主系統、分層精確射擊、高保真傳感器和人工智能。本章最后將綜合考慮這些能力及其對陸戰既定原則的集體影響。

自主系統

圍繞自主武器的討論存在一個結構性問題，因為它被一個假想的最終狀態所主導，而沒有提及自主武器將成為軍事系統越來越重要組成部分的過程。聯合國秘書長宣布 "擁有奪取人類生命的權力和自由裁量權的機器在政治上是不可接受的，在道德上是令人厭惡的，應被國際法禁止"。事實很可能證明他是錯的，了解原因很重要。外層空間條約》第四條規定，"禁止在天體上建立軍事基地、設施和工事，試驗任何類型的武器和進行軍事演習"。盡管有這項協議，但條約簽署國控制的許多軍事能力都依賴于太空基礎設施，而一些簽署國已經開發出破壞對方太空基礎設施的平臺，卻未被發現違反條約。美國陸軍的新作戰概念--多領域作戰--將太空定義為有爭議的作戰領域，而北約則認為太空是一個作戰領域。這在法律上是可行的，因為太空中 "武器 "的定義并不明確。然而，與其說這是條約用語的問題，不如說是試圖禁止不存在的東西這一概念的問題，因為期望外交官為管制不存在的技術而制定技術上精確的定義似乎是不合理的。在致命自主權方面，正如內哈爾-布塔和斯塔夫羅斯-埃夫多基莫斯-潘塔佐波普洛斯所言：由于功能和任務都是零散下放的，因此對于融入新技術系統的現有技術，究竟什么才是 "人類控制"，可能很難事先知道。只有在組裝、測試和使用這種復雜的人機系統時，我們才能充分和具體地認識到，人的判斷和人的決策是否以及在多大程度上仍然是系統運作的重要變量。

因此，在評估自主技術對未來戰場的影響時，應重點關注軍事系統如何以及為何零敲碎打地采用自主技術。有鑒于此，試圖先發制人地確定 "有意義的人類控制 "閾值的徒勞無益性就變得再明顯不過了。反坦克地雷沒有有意義的人為控制，而智能海雷卻能識別目標。在尋找一個不會取締合法軍事技術的定義時，往往會傾向于那些不可能存在的定義，因為它們缺乏任何軍事用途。當活動家們試圖定義一個假想的未來時，各國正在建設各種能力，其中包括越來越高水平的自主性。要了解這些發展的影響，我們必須考慮這些能力在哪里得到發展，為什么，以及這對它們在戰場上的應用意味著什么。

軍方開發自主系統有三個原因：減少乘員投入，從而讓更少的士兵發揮更大的能力；減少對乘員的保護要求和無乘員系統的脆弱指揮鏈路，從而提高系統的復原力；提高人類在壓力下難以完成的功能的可靠性。最后，還有一些新功能是乘員系統或遠程乘員系統無法實現的，而自主系統卻可以實現。因此，我們可以開始推斷自主系統可能承擔的任務。

首先，我們可以預見自主系統將越來越多地用于旅支援區和戰斗群之間的后勤支援，以及分隊的最后一英里補給。其原因是多方面的。戰術彈藥的射程和精度不斷提高，再加上補給車輛的防護能力有限，這些功能都很危險。在這一領域，自主系統的可靠性很可能能夠利用民用部門的技術發展，從而實現更快的發展。在近距離作戰中，使用自主導航騾子可使步兵攜帶更多、更重的裝備，同時減輕人員負擔。相對于遙控系統，自主導航的重要性在于釋放作戰部隊的作戰能力。在自主導航使車輛能夠在直接火力范圍內執行命令之前，這類系統很可能會停留在后退兩步的位置，因為用盯著屏幕的人代替跑步的人效率不高，而且會增加訓練負擔。

一旦自主導航能夠在直接交火區可靠地發揮作用，自主系統就有可能開始攜帶武器系統。這將使下馬步兵能夠攜帶更重的武器進行機動，并可能使步兵擺脫部分彈藥重量。這些系統不太可能取代分隊一級的支援武器。步兵分隊的行動非常復雜，取決于具體情況，并依賴團隊合作。在可預見的未來，自主系統不太可能做到這一點。然而，必須建立并提供持續效果以壓制敵人的火力基地小組所需的運動復雜程度較低。扮演這一角色的自主系統可以負責壓制一個區域，或攻擊一個確定的殺傷區域內的目標。這很可能仍將在人類的密切監督下進行，尤其是因為需要協調這些火力與突擊分隊的機動。自動化將體現在對目標的標記，以及在接到攻擊命令后武器的對準。我們還可以設想，這個火力基地小組可以利用復雜的傳感器，因為自主平臺有發動機和動力，可以使用步兵無法使用的傳感器。這可能包括雷達和光電傳感器或系留無人機系統。隸屬于一個排的系留式自主偵察和火力基地小組的初步測試表明，它們可以成功攻擊同等兵力的敵軍，從而無需確保 3:1 的兵力比要求來進行進攻性機動。這種火力和態勢感知能力的結合可使極少數人員封鎖大片區域，使這些分隊成為使用區域效應和反坦克武器掩護側翼或提供超視距警戒以防范無人機系統的完美選擇。通過將射擊崗位自動化，可以騰出更多人員專門用于突擊分隊，在不擴大排級規模的情況下增加火力和可用戰斗力。通過這種手段封鎖地面還可以減少布設和清除地雷或其他障礙物所需的時間。

在使用自主地面車輛方面有幾個限制因素，如果沒有尚未預見的技術進步，這些限制因素是不可能解決的。首先是動力。大多數小到足以支持輕型步兵的自主平臺都依賴于續航能力有限的動力包。這就造成了移動節奏的不連貫，并表明這些能力只能在有限的時間內使用。前線部隊不可能長期 "靜止"，也不可能將自身的殺傷力交給一個間歇性可用的系統。第二個問題是維護和修理。機械車輛除非受到嚴重損壞或磨損，否則通常可以由工作人員進行維護。然而，對于數字系統來說，維護它們往往需要專業技能，而這些技能在軍事編隊中并不普遍，而且訓練作戰部隊來完成這項工作也不劃算。軟件問題的修復很可能要依靠承包商的支持，并集中在部隊作戰服務支持職能部門的專業團隊中。這些因素和其他因素的結合意味著，設計用于近距離作戰的自主系統很可能是由更高層持有的資產，然后被分配到支援戰線，而不是由這些單位有機持有。這也反映了一個事實，即雖然這類系統可能越來越便宜，但使其發揮作用的傳感器本身就是相對昂貴的設備，尤其是在經過加固以適應戰場條件后。因此，這些平臺在未來戰場上不可能無處不在。它們將供不應求。

在更高層次上，我們可能會期待自主系統發揮多種輔助功能。對峙 ISR 平臺的自主飛行水平可能會不斷提高，從而減少管理其軌道的基站的占地面積，并使人類操作員能夠專注于傳感器的回波。同樣，欺騙平臺--無論是假飛行器還是電子欺騙系統--都可能變得越來越自主，沿著合理但不規則的路線飛行，并發出信號，為敵方的對峙傳感器提供逼真的模式。欺騙的另一個要素是誘餌，在這方面，我們可能會看到蜂群技術的應用，利用無人機小隊集體迷惑和干擾對手的精確打擊，作為一種被動點防御。自主系統的另一個合理用途是通信中繼。在競爭日趨激烈的 EMS 環境中，干擾器需要強大的功率輸出，這幾乎可以保證被探測到，在這種情況下，部隊可能會越來越多地依賴視距中繼器，而敵方將很難探測到這些中繼器，也很難調整電子戰（EW）資產來破壞這些中繼器。自主飛行器能夠在各單位之間的軌道上閑逛，并自動對齊天線，這將使視距通信延伸到地平線之外。同樣，我們可以假定，隸屬于信號編隊的一個分隊將維護這些系統，但自主系統將管理導航，并在沒有人類直接控制的情況下保持對齊。

還有一系列功能可能會繼續由遠程控制，而不是分配給自主系統。人們對從工程支援設備（如突擊橋、挖掘機和破拆車）中移除工作人員很感興趣。這樣做是為了減少其特征，并使人員脫離高度暴露的平臺。然而，對于自主系統來說，這些可能都不是最佳選擇。首先是破障，自主導航系統的大部分開發工作都是在避障方面。相比之下，破障飛行器必須有意與障礙物發生碰撞。如何做到這一點，必須參考有關障礙物密度和結構的數據，以及如何使用一系列工具將其分解的最佳方法。要讓自動駕駛汽車能夠判斷地形的密度和形狀，需要高度復雜和易損的傳感器。利用民用部門的發展來開展此類活動的能力也不強。在架橋方面，同樣需要判斷缺口兩岸的強度，并使架橋的位置與必須穿越缺口的地面機動部隊的時間同步。鑒于這些制約因素，我們有理由認為，這些系統可能會越來越多地采用遙控方式--通常是通過指揮系統--但不能自主運行。

上述概念是目前正在開發或測試的概念。盡管如此，它們在 2030 年代之前都不太可能投入使用。例如，目前，自主導航系統在非公路行駛時，由于需要處理大量數據才能準確判讀周圍環境，因此在時速超過 12 公里的情況下很難發揮作用。這還是在沒有濃霧、雨夾雪、煙霧、彈片、電子攻擊或其他無數因素的情況下，而這些因素在實際戰場上會帶來更多挑戰。因此，上述目標是現實的，但也是雄心勃勃的。然而，這也表明，自主平臺在使用上將與通常的設想大相徑庭。自主平臺不會無處不在。它們也不會與每個要素有機結合，組成無縫的人機團隊。相反，它們的數量將十分有限，由專家維護，用于支持各條戰線。與人類操作員相比，它們不是適應性強、反應靈敏，而是經過優化，能以更高的可靠性和有效性執行狹窄和特定的功能。這些車輛可能會加快部署地的戰術行動節奏，但部署這些車輛的需要會對行動節奏造成限制。最后，與同等的載人平臺相比，由于沒有乘員而需要較少保護的車輛可能更小、更輕，維護成本也更低。但這并不意味著它們就便宜。指揮官需要對何時何地投入這些資產做出判斷。在適當的情況下，它們可以大幅提高部隊的殺傷力。而在錯誤的情況下，如果沒有廣泛的能力使其能夠有效地發揮其被優化的狹小功能，它們很可能會被超越和摧毀。

分層精確火力

在描繪未來戰爭時，成群的獵殺型無人機自主地在戰場上搜尋目標的想法已成為一個永恒的主題。這種系統的各個組成部分都是可行的，但將它們結合起來應用卻存在很大問題。隨著越來越多的彈藥成為主動尋的目標，傳感器越來越能夠識別限定區域內的目標。對付車輛當然可以做到這一點。但瞄準步兵就不那么有把握了。瞄準人的特征是可能的，但在密集的城市環境中--例如--大多數人的特征都不會是目標，同時可以避免誤報的獨特識別器也較少。我們可以設想由戰術部隊發射精確彈藥來打擊狙擊手或其他特定群體。這些彈藥需要隨身攜帶，因此數量少，射程有限。一旦試圖進行大規模精確打擊，就必須有一個發射平臺。發射平臺的脆弱性迫使其迅速從己方部隊前線（FLOT）后撤，隨著射程的增加，彈藥所需的能量也相應增加，因此體積和重量也相應增加。這迅速增加了成本，從而減少了以這種方式使用的彈藥數量。影響使用這種對空能力的另一個因素是發射與效果之間的延遲，以及由此產生的反制時間。一個需要發射平臺的大型彈群從一定距離發出信號，會有明顯的雷達和電子特征，對于小型系統來說，極易受到電子攻擊。隨著電子戰系統在更多編隊中的應用，這種防御系統將需要對閑逛彈藥進行部分加固，從而進一步提高每枚彈藥的成本，縮小可行彈群的規模。因此，我們可以推斷出未來戰場上陸地精確火力的發展軌跡。

首先，戰術精確射擊顯然將成為數量有限的機動部隊的有機組成部分。這將加快精確火力從復雜地形中摧毀敵人靜態防御的速度。這也意味著，作戰部隊在近距離作戰時，需要對上方的態勢進行感知，以保護自身安全。這些系統的自動化程度很高，可以從發射點爬升并顯示目標，然后按照指示進行攻擊，但不太可能主動獵殺。為了避免用戶固定乘坐無人機，簡單性將是至關重要的，這也將降低成本。這種能力的射程和續航時間都將受到限制。

其次，長距離精確射擊注定會變得更加廣泛，并以閑散彈藥的形式向次對手擴散。由于這些系統易受專用反制措施的影響，因此不太可能進行大規模齊射。由于飛行速度相對較慢，它們可以被探測到并與之交戰。由于視區有限，除非成功提示，否則它們也可能錯過目標。不過，在 500 千米范圍內發射 12 至 18 枚閑逛彈藥似乎非常可行。如果其中一部分利用電子戰能力來保障禮炮發射，并將彈藥提示到正確的區域，那么它們就能對觸手可及的高價值目標產生精確打擊效果。這種能力的影響是巨大的，因為它賦予了各旅在較小的后勤覆蓋范圍內提供高影響跨境火力的能力。如果由更高級別的部隊進行協調，這意味著如果在敵方第二梯隊發現高價值目標集結，大量彈藥可從多個方向迅速集結，產生重大作戰效果。這種能力對遠離接觸區部隊的持續威脅必須重塑維持、指揮與控制以及部隊保護工程。這可能會增加對穿透性 ISTAR 足夠密集的區域內部隊的威脅，以確認來自遠距離 ISR 資產的回報。在實踐中，這可能會在旅和師支援區之間造成持續減員，將許多職能推高一個梯隊，從而增加對較低梯隊有機能力的需求。在這種情況下，師一級的主要戰斗很可能變成維持戰斗。

傳感器的擴散使打擊時機的選擇變得至關重要。隨著傳感器探測距離和保真度的提高，攔截游蕩彈藥的可能性也隨之增大。分層攔截器正變得越來越可靠，因此，雖然維持性資產在移動過程中仍然難以保護，但固定設施很可能會組合成防御節點。攻擊這些節點需要能夠躲避反制措施的彈藥。這種彈藥--從遵循準彈道軌跡的導彈到高超音速滑翔飛行器--將能夠產生毀滅性的效果，但由于這種能力的成本高昂，其數量將非常有限。因此，在師團縱深內，遠程精確打擊的發展很可能會出現傳感器與欺騙者之間的高層斗爭，這將對塑造部隊在近距離戰斗中的耐力起到至關重要的作用。未來戰場上的指揮官將能夠在整個作戰縱深內打擊他們想要打擊的目標，但他們將無法反復這樣做。因此，決定何時何地使用這種效果將是上級指揮官的關鍵判斷。這也可能扭轉將更強大的能力作為儲備的傳統趨勢。因為在縱深的影響很可能會使近戰取得勝利，這些較高梯隊的能力很可能會盡早應用，并對近戰部隊的成敗產生不成比例的影響。

高保真分層傳感器

現代傳感器的保真度將對地面機動產生顛覆性影響。地面移動目標指示和合成孔徑雷達已經存在了一段時間。然而，有源電子掃描陣列（AESA）的改進使得高保真雷達可以安裝在小型移動平臺上。這些系統價格昂貴。但它們仍將在各級部隊中使用。安裝了 AESA 雷達的航空兵現在可以繞師支援區域飛行，并監視敵軍縱深的活動。那些支援旅的飛機需要在較低的高度飛行，以避免被擊落，但仍能看到敵軍師支援區的情況。與此同時，裝載在偵察車上的 AESA 雷達的戰斗群可以在任何地形中可靠地跟蹤 6 千米范圍內的下馬步兵。專用的穿透偵察車很難應用這些技術，因為這種雷達的發射會暴露它們的位置。但是，隨著被動收集能力的提高和普及，隱蔽的監聽站將能夠實時捕捉到大量有關周圍動向的數據。

除雷達外，其他傳感器的功能和微型化程度也在不斷提高。紅外和熱光學傳感器已經在各級部隊中無處不在。此外，無人駕駛飛行器可使這些傳感器迅速向前推進。被動電子戰收集是美國、俄羅斯和中國的主要投資領域。聲學傳感器可以在相當遠的距離上識別系統。由于有了商業運營的星群，天基觀測正變得越來越普及--甚至對非國家行為者也是如此。最后，歷史上的戰場除記者外基本沒有第三方傳感器，而未來的戰場則遍布數以千計的精密攝像機和主動收集器，平民們可以拍攝和分享身邊發生的事件。民用基礎設施現在布滿了探測系統，軍方可以入侵和利用這些系統，提供更多的數據來發現和監視敵人。

在整個部隊中布設高性能的傳感器，使許多人對未來戰爭產生了這樣的憧憬：指揮官將站在信息系統的中心，在整個作戰縱深內對態勢有全面和即時的了解。這是錯誤的。雖然所有可用信息的融合將使這種態勢感知水平不斷提高，但在相關時間內將所有相關數據集中到一個地方并對其進行解讀的能力卻越來越難以實現。盡管在提高數據網絡帶寬方面取得了穩步進展，但需要傳輸的數據量卻在成倍增加。鑒于問題是將數據傳輸給人工智能進行分析，而人工智能常常被提議作為防止總部被數據淹沒的一種手段，這不太可能實現全面的態勢感知。此外，由于遠程精確火力的威脅，固定基礎設施在后方的生存能力大大降低。總之，保持對陸地領域的全面態勢感知的目標很可能是虛幻的。更糟糕的是，發射就意味著被探測，因此許多前沿傳感器在傳輸數據的內容和時間上需要高度選擇性。因此，與其說未來的指揮所是一個透明的戰場，一個名副其實的 "全透明 "指揮所，我們倒不如把傳感器的軌跡理解為能讓指揮官找到幾乎任何問題的答案。在移動、傳輸或射擊時保持隱蔽變得越來越難。但要回答指揮官的問題，就需要在規定的時間內分配和指派傳感器，并同步融合和分析其數據。因此，指揮官所能提出的問題數量是有限的。此外，雖然傳感器的數量在不斷增加，但可執行任務的穿透式 ISTAR 并非取之不盡、用之不竭。如果 ISTAR 系統減員過多，對作戰空間的偵查能力就會減弱，并有可能失去與對手的競爭能力，從而迅速造成能力的不對稱。因此，偵察戰斗已從輕型篩查部隊的小規模戰斗，部分轉變為由上級協調、主要由師和團級部隊控制執行的主線行動。

傳感器的普及改變了欺騙的要求和方法。從歷史上看，軍隊在戰斗中會遇到濃霧，必須通過評估有限和零碎的信息來辨別敵軍前線（FLET）后方的情況。在這種情況下，欺騙取決于最大限度地減少大部分部隊的特征，并通過故意暴露的要素展示一幅連貫的畫面，從而使對手得出錯誤的結論。欺騙使敵軍迷失方向，從而實現機動。然而，隨著穿透式 ISTAR 的能力越來越強，迷霧的穿透力也越來越強，但其穿透力并不均勻。對峙式 ISTAR 可以穿透大范圍的戰爭迷霧，提供大量代表敵方潛在活動的回波。這些回波來自移動或發射，極難隱藏。然而，對峙式 ISTAR 所捕獲的信號也可以被模仿。因此，敵方可以用誤報來轟炸對峙式 ISTAR。拙劣的模仿可以通過分析過濾掉，但有效的模仿需要指派具有穿透力的備用 ISTAR 資產來確認詢問。這些資產的部署時間較長，數量有限，可探測范圍較深但較窄。由于一支部隊無法躲避對峙 ISTAR 的觀察，因此有必要欺騙對手，要么迫使對手浪費精力用其對峙 ISTAR 詢問假陽性結果，要么伏擊和削弱對峙 ISTAR 資產，要么通過對峙傳感器捕獲的信號，結合對峙傳感器的返回信息進行敘述，使對手對其問題的答案感到滿意，但也誤解了其融合的傳感器數據的含義。從這個意義上說，欺騙必須成為作戰行動中更系統的組成部分，以實現部隊保護。但是，欺騙的手段也有可能從部隊最關心的減少特征的活動，轉變為旨在使真假特征混合呈現出誤導性敘述的活動。這就要求對整個部隊的排放情況及其所講述的故事有更清醒的認識。53 這就需要更有意識地了解整個部隊的排放情況及其所講述的故事。這種排放協調--而非全面壓制--可能需要整個部隊的意識水平，而人工智能將大大有助于這種協調。

人工智能

考慮人工智能發展軌跡的問題之一在于，人們對高度復雜的人工智能--認知型機器--有一種強烈的看法，但有助于實現這種機器的組成過程和功能卻很少被孤立地視為人工智能。計算機視覺、物體識別和其他對機器與環境進行上下文交互的關鍵功能已經存在了一段時間，但很少被認為是人工智能。然而，日益復雜的人工智能很可能會分階段進入軍事領域，而不是作為一個奇點突然出現。這是因為有些問題比其他問題需要更多的背景理解，因此有些任務更適合人工智能系統。人工智能系統在很大程度上是優化器：它們尋求實現既定目標的最有效手段。明確定義目的對于確保系統的可靠性至關重要。人工智能系統在封閉的數據集中最為有效，雖然它們可以完善對數據集的理解，但很難從數據集中進行推斷。從根本上說，人工智能在確定 A = 1 時非常有效，但在處理需要建立在 A ≠ 1 基礎上的問題時卻很吃力，因為對人工系統來說，所有不等于 1 的事物都是不相似的，會產生無限的返回。

在上述限制條件下，我們可以推斷出人工智能系統有可能接管哪些任務。出于保障的需要，人工智能最初可能會在一個封閉的數據系統中使用，該系統由有關友軍的數據集或來自平臺傳感器的可靠回報組成。監控整個部隊的物資消耗、預測供應需求、優化后方后勤的路線規劃，這些都可能是人工智能很快就能勝任的任務。在路線管理方面為憲兵提供支持，以最大限度地提高流動性和部隊保護，也是一個類似的規劃問題，其中大部分數據可在部隊內部獲取，而在后方，數據傳輸則更容易得到保證。人工智能可能更快成為關鍵工具的另一個領域是支持下層規劃。由于需要在各點之間移動，人工智能系統擁有地形數據和友軍的速度，參謀人員可利用這些數據制定機動計劃。人工智能系統可以解讀這些數據，并繪制和比較備選路線、火力范圍以及雷達和其他資產的最佳位置，其速度遠遠快于人類團隊。由于指揮官希望采用非正統的而非最佳的方法，或者由于獲得了有關敵方活動的新信息，人工智能系統的結論可能會被更改或忽略。這種情況很可能會留給人工計劃人員處理。但是，通過將地理參謀、工程參謀和其他人員進行的費力的制表和計算轉化為連貫的基本綱要，既可以縮短計劃周期，又可以減少下級指揮部所需的規模。這將有助于提高生存能力和節奏。此外，通過加速行動方案的生成，指揮官將有更多時間考慮他們的選擇，從而降低認知超載的風險。人工智能可使戰術部隊根據戰斗過程中的變化迅速重新計算。在最具戰術性的層面上，我們可能期望人工智能還能提供排放分析等功能；幫助指揮官了解他們在敵人眼中的形象，因為人工智能可以實時分析排放數據，而如果沒有一個專注于分析友軍并報告其發現的預警小組，人類將很難做到這一點。

人工智能極有可能日益普及的第二個領域是火力的規劃和協調。隨著精確打擊越來越多地采用致命和非致命彈藥組合來繞過防御系統，而且路線規劃對彈藥到達目標至關重要，因此，人工智能將越來越多地規劃炮火的同步性、彈藥的最佳比例，以飽和特定區域或繞過特定密度的防御系統。我們還可以合理地認為，反火力的管理，特別是針對無人機和導彈的點防御，也將由人工智能來管理。這是因為從探測到撞擊之間的延遲時間留給人類控制的空間很小，因此操作人員很可能會陷入監督職能。在這種情況下，更高層次基礎設施的防御可能會越來越像已經在海上和空中的防御系統。

雖然反火力和點防御的應用可能會越來越多地從屬于人工智能，但目標選擇和進攻火力的控制卻不太可能委托給人工智能。這與其說是出于道德原因，不如說是由于人工智能在目標選擇過程中的局限性。支持目標識別的學習算法在確認數據集中的目標時可能會變得非常有效。然而，它也極易受到欺騙，更重要的是，它不太可能發現超出其程序關注范圍的異常情況。例如，學習算法可能能夠從偵察照片中確認移動式地對空導彈（SAM）系統的身份。然而，它可能根本不會想到要標記出似乎正在該地區過境的大量公共汽車。此外，偽裝成公交車模樣的防空導彈發射器不僅不會引起人工智能的注意，甚至不會像人類操作員那樣觸發需要進一步分析的查詢。同樣，人工智能可能能夠繪制出敵軍的電磁波特征圖，從而識別出編隊，但很可能難以注意到編隊行動的邊界。因此，我們可以預期目標定位仍將是一個由人類主導的過程。一旦人類操作員注意到公共汽車異常集中，就可以識別蛛絲馬跡，并利用人工智能系統迅速將誘餌與目標區分開來，但人工智能不太可能做出最初的發現。因此，我們可以期待人工智能能夠使較小規模的工作人員在更大范圍內更迅速地鎖定目標，但企業架構可能需要想象力和背景判斷力，而人是必不可少的。因此，在可預見的未來，人工智能可能會提供決策支持，但不會參與決策；它可能會幫助規劃作戰行動，但不會構想作戰行動。

結合新興能力

本章概述的技術，以及由于空間限制而被排除在外的幾項技術，將在未來三十年中改變陸戰的實施方式。本章最明顯的遺漏包括進攻性電子戰、天基資產和網絡戰。對定向能武器等一系列潛在新型武器的考慮也很少。這并不是因為這些武器不重要，而是因為它們的影響要么在很大程度上超出了 "陸戰 "的范圍，需要進行更多的聯合分析，要么是因為它們可能會改變作戰工具，而不會從根本上改變作戰概念。綜合考慮本章概述的技術，可以得出一些關于未來陸地作戰的結論。

第一個明確的結論是，密集聯網的傳感器將為能夠快速評估新信息的瞄準小組提供信息，與遠距離精確火力相連，并能協調中距離的大量非精確火力，從而能夠迅速摧毀近戰區域內的目標。集中兵力在狹窄的戰線上進行攻擊，不太可能有效降低可對其實施打擊的火力水平，因為有機火力將有足夠的射程跨越部隊邊界匯聚。在這種情況下，雖然本章所述的能力仍然可用，但將大型地面機動編隊投入近戰似乎是在短時間內失去部隊的秘訣。

盡管軍事分析已充分確定近戰的日益狂熱和致命的特點，但必須指出，本章概述的任何能力都不會降低進行近戰所需的復雜性或能力水平。只是這些力量將難以以足夠的規模發揮其預期效果。即使是能夠快速隔離戰區并限制攻擊地形所需的兵力集結的自主系統，也需要進行部署。這些系統的部署需要時間，而且，如果將對峙和待命傳感器與伴隨火力完全結合在一起，則很可能不可行。我們還可以注意到，戰術行動的加強程度也將受到限制，因為傳感器保真度和火力覆蓋范圍的增加將限制部隊在近距離戰斗中的耐力，使其后勤受到威脅。然而，一旦占領了地面，對手也將面臨同樣的問題，即在縱深持續受到威脅的情況下，如何提供足夠的物資來驅散部隊。

因此，我們可以設想，未來的沖突會變得越來越不協調，戰術節奏在加快，但作戰節奏在放慢。雖然在有利條件下，一支部隊可能會在相當規模的部隊面前占據相當大的地盤，并奪取具有重要作戰意義的陣地，但這需要廣泛的塑造。最重要的塑造活動可能是擾亂敵方的對峙和待命傳感器，以便進行欺騙；利用欺騙消耗敵方的精確彈藥庫存，削弱其 ISR 功能；設定模式，給敵方人工智能錯誤的教訓，一旦敵方失去觀察變化的能力，就打破這種模式，然后投入機動部隊。

我們還可以預期，目前各梯隊之間的任務分配會有相當大的調整。旅可能需要更強的機動性，能夠分散保護，靜止隱蔽，然后在條件允許的情況下從多個軸線快速集中，進行近距離戰斗。旅在人工智能的支持下，可以精簡人員，很可能需要進行高水平的任務指揮演練，并有組織地掌握一系列能力。師的指揮職能可能會變得不那么重要，而是通過保證維持、部隊保護、ISR 和火力，在支持旅方面發揮關鍵作用。師可能會受到敵方精確火力的最大威脅，因為師擁有大量難以隱蔽和保護的基礎設施，同時又處于敵方傳感器和射手的射程之內。相比之下，兵團可能會接管目前由師負責的大部分縱深作戰任務，因為兵團遠離前線，可以接收、融合和處理足夠多的傳感器數據，從而了解戰場情況，而且兵團遠離接觸點，可以計劃和執行縱深作戰，這些作戰經過充分協調，可以穿透多層防御。從這個意義上說，軍團很可能成為必須贏得縱深戰斗才能在近戰中取得成功的梯隊。

毫無疑問，上述路線會有偏差。新的發現可能會大大改變不同距離上的攻防平衡。然而，顯而易見的是，雖然能力發展的臨界點會導致戰爭方式的重大轉變，但許多技術涅槃的預言家會對未來三十年軍事能力的反復、混亂和零碎發展感到失望。此外，那些試圖阻止建立某些既定最終狀態的批評家和運動家們，也會對出現的結果與他們在法規中設想的結果之間的差異感到沮喪。最后，雖然自主系統、分層精確射擊、無處不在的傳感器和人工智能將改變人類在戰場上最重要的位置和作用，但在可預見的未來，對大規模或人員的需求不會減少。

本文試圖說明無人機戰爭在確保印度國家利益方面的效用。它首先確定了無人機擴散如何在印度的安全目標背景下成為一種威脅和機遇，并討論了無人機戰爭能力建設在應對印度面臨的安全威脅方面的重要性。然后，它強調了印度軍隊可以利用無人機戰爭來實現其目標的好處和行動領域，從ISR和 "枯燥、骯臟和危險 "的任務到反恐和后勤。它還談到了反無人機技術和與此相關的挑戰。然后，本文研究了印度的無人機和反無人機作戰能力的現狀。最后，它討論了在未來的無人機戰爭能力建設道路上必須解決的五個問題。本文認為，考慮到印度的地緣政治現實，印度必須采取行動，通過本土生產和國際采購來建設其無人機作戰能力。

引言

從開展精心設計的跨境反叛亂行動到有針對性的打擊，以及在印度洋地區的情報、監視和偵察（ISR）任務，印度軍隊正在戴上各種帽子，以應對該國在21世紀地緣政治環境中面臨的各種威脅（Bhardwaj，2021）。規劃、準備和化解這些威脅需要采取積極主動的方法來采用新的軍事技術，掌握使用這些技術的戰術知識，以及管理這些行動的安全影響的政治能力（Chopra，2022）。

無人機或無人駕駛飛行器（UAVs）就是這樣一種尖端的戰爭工具，它已經成為監視和懲罰行動的重要組成部分（Chopra, 2022）。無人機為十幾個國家所擁有，不再限于美國在巴基斯坦和阿富汗的反恐行動。無人機不僅在亞美尼亞和阿塞拜疆的武裝沖突中發揮了決定性作用，而且在最近的烏克蘭-俄羅斯沖突中雙方都在廣泛使用。

對印度來說，這種情況既帶來了細微的安全威脅，也帶來了機會。2021年6月對查謨IAF基地的恐怖襲擊證實了人們的懷疑，即非國家組織正在獲得能夠利用無人機進行恐怖活動的能力（MC，2021）。此外，中國通過水下無人機對印度海軍艦艇的監視表明，該技術也增強了傳統安全問題的破壞能力（Bajpai, 2022）。然而，另一方面，印度在2022年共和國日閱兵中展示了一支無人機艦隊--無人機可以有效地用于領導層斬首、信息收集、削弱敵人士氣和減少軍事傷亡。

因此，考慮到在無人機戰爭中落后的成本和使用這種技術能力的好處 效益，發展無人機作戰能力、 特別是本土化，對印度軍隊來說越來越重要。(Bajpai, 2022)。

研究目的/研究問題

強調無人機作戰能力建設在應對印度面臨的安全威脅方面的重要性。

解釋印度軍方可以利用無人機戰爭實現其目標的好處和行動領域。

研究印度無人機戰爭的現狀，并就該國如何進一步發展提出建議。

研究設計

本研究論文分為六個部分。第一節簡要介紹了無人機戰爭及其歷史。第二節討論了印度在21世紀的安全問題以及無人機在幫助印度解決這些問題方面所發揮的作用。這一節強調了印度資助發展無人機戰爭能力的必要性，并討論了無人機是一種機遇、一種威脅，也是印度實現自力更生的重要工具。第三節進一步深入探討了無人機在戰爭和反恐方面的優勢和用途。這一節的目的是解釋無人機目前在什么情況下被使用，并概述無人機戰爭對該國的潛力。第四節討論了反無人機技術的關鍵方面，以及印度反無人機系統的狀況，特別是針對非國家行為者。第五節將解釋無人機戰爭的局限性和批判性，以提供一個平衡的視角。最后，第六節在結論中解釋了印度無人機戰爭的現狀，并討論了為印度發展無人機和反無人機能力鋪平道路而必須解決的五個注意事項。

本文的范圍僅限于為印度的無人機戰爭能力建設提出理由，而不是探討無人機戰爭本身的各個方面。

這份混合型工作文件討論了太空領域如何在正在進行的烏克蘭戰爭中被使用并受到影響。可以說，空間領域在以前的任何沖突中都沒有以如此多變的方式被使用過，因此為西方國家提供了一個重要的學習機會。本文的重點是混合威脅、工具和行為者，它提供了對已實現和預測的影響的全面分析，包括空間領域和其他混合威脅領域之間的聯系。對空間基礎設施的攻擊和混合威脅可以產生非常廣泛的影響，因為現代社會嚴重依賴基于空間的能力。例如，針對衛星系統的系統性網絡攻擊可以阻止信息共享，并對能源和運輸部門造成干擾。有幾個經驗教訓：1）眾包態勢感知的力量已經在戰爭中得到證明。來自平民百姓的信息已被用于支持戰場上的行動。2）俄烏戰爭為基于衛星的技術鋪平了道路，使之成為軍隊和平民百姓都能輕易獲得的日常工具。這場戰爭已經證明，擁有空間能力并不像獲得它們那樣關鍵，正如對一些最重要的商業行為者的審查以及他們的服務在沖突中的使用情況所顯示的那樣。3) 商業空間資產在軍事行動中的使用正在模糊戰爭中軍事和民事行為者之間的界限。4) 衛星技術的發展及其使用也促進了可用于軍事目的的新能力組合。戰爭對空間環境和大量國際空間計劃造成的一個主要威脅是國家間合作精神的退化。這方面的一個明顯的后果是越來越多地通過每個國家自己的國家或區域活動來確保主權的工作。

俄羅斯自2022年2月24日以來對烏克蘭的戰爭被描述為第一場 "兩面空間戰爭"。空間領域已經以一種更加敏捷和靈活的方式被使用，并與其他混合威脅領域相聯系。特別是，商業和私人資源在利用空間領域方面的重要性得到了強調，而國際空間合作也因戰爭而經歷了重大挫折。俄羅斯正在發展反衛星能力以及電子和網絡武器，而西方國家正在重新評估其安全優先事項并制定空間戰略。不斷變化的空間威脅、新的空間現象、雙重用途的能力，以及天基能力對社會重要功能的日益關鍵性，塑造了空間領域的伙伴關系和協作。同時，目前的全球空間治理框架在管理空間活動和空間安全方面是不充分和無效的。這為混合行動留下了機會，并使在空間尋求一致的反措施變得復雜。

混合威脅可被定義為協調和同步的行動，這些行動故意針對民主國家或機構的系統脆弱性，以達到戰略目標并創造預期的效果。行動通常是在多個領域進行的，而且敵對行為者也可以以創造全新的脆弱性為目標。空間領域對敵對行為者來說是一個誘人的目標，因為西方社會對天基系統的依賴比以往任何時候都大。空間領域與空中領域相互連接，這很容易造成連帶效應。天基系統也可以通過地基系統受到干擾和破壞。

混合威脅被認為針對13個不同領域，即基礎設施、經濟、情報、信息、網絡、外交、政治、文化、社會/社會、法律、軍事/國防、空間和行政。影響空間領域的混合威脅工具包括，例如，針對基礎設施的實際行動、創造和利用基礎設施的依賴性、外國直接投資、工業間諜、網絡間諜、網絡行動和電子行動（例如，干擾和欺騙）。利用法律中的門檻、不歸屬、差距和不確定性也是可能的，還可以利用法律規則、程序、機構和論點。作為對混合威脅工具的回應，也可以利用空間領域來創造對混合威脅的復原力，并作為適當反措施的平臺。

這份混合型共同利益工作文件著重于以下研究問題：

1）在俄烏戰爭中，空間領域是如何被使用的？

2. 空間領域是如何與其他混合威脅領域聯系起來的，以及使用了什么樣的工具？

3. 哪些服務已經成為目標，產生了什么樣的影響？

4. 誰是沖突中與空間領域有關的主要行為者？

5. 哪些空間能力已經被用來對付混合威脅？

6. 對混合型歐洲共同體的參與國有什么影響？

本文的結構如下。首先，作者介紹了天基服務以及它們如何在俄烏戰爭中使用。隨后討論了在戰爭中利用空間領域進行混合威脅活動，以及針對混合威脅的反措施。提供了使用空間領域的主要例子，并闡述了與其他混合威脅領域的聯系。還強調了選定的商業行為者和服務的作用。最后，提供了結論和建議。

俄烏戰爭期間使用的天基技術

衛星技術在現代社會中的應用很多，往往是看不見的。衛星是一個重要的基礎設施，使電信、交通、金融系統和能源網絡能夠可靠地運作。例如，衛星提供天氣數據，來自偏遠地區的新聞，以及開車或做運動時的定位服務。典型的衛星服務被分為四個主要領域，包括（1）定位、導航和定時（PNT）服務，（2）通信，（3）遙感，以及（4）科學和探索任務，通常旨在探索外層空間，與前三類相比，主要是為了支持地球上的生命。

軍事衛星服務包括衛星通信和PNT這樣的服務。監測能力用于以下服務：（1）導彈預警系統，（2）環境和天氣信息，以及（3）情報、監視和偵察（ISR）。軍事空間行動還包括將衛星發射到軌道上并操作它們，以及了解空間態勢。后者包括空間氣象服務，對衛星和其他空間物體運動的探測和建模，以了解對手能看到什么和做什么，以及探測對衛星的威脅（如空間碎片或導彈）的能力。空間技術是一項重要的輔助技術，通過提高部隊的機動性、協調性和行動的準確性，為提高部隊的表現提供了手段。因此，空間沖突被Szymanski定義為 "所有關于拒絕衛星對地球上的軍事力量或平民的支持--不是簡單地為了破壞而消除衛星系統"。

自俄烏戰爭開始以來，基于空間的服務在戰爭中發揮了不可或缺的作用。俄羅斯入侵烏克蘭的影響已經擴散到空間領域，影響了國際空間合作和空間服務的使用方式。所有上述能力都被積極利用，商業公司在支持軍事行動和民用需求方面發揮了越來越重要的作用。諸如HIMARS這樣的GPS制導武器已經被用來非常精確地打擊目標。基于衛星的監測已使戰場可能成為歷史上最透明的戰場。在戰爭中利用空間并不意味著你需要擁有自己的衛星。正如在俄烏戰爭中所證明的那樣，人們可以利用公共和商業衛星，以及盟友提供的服務。空間活動已經變得越來越商業化，今天90%以上的發射都是商業衛星。截至今天，所有軍隊都采用商業衛星服務作為其行動的一部分。烏克蘭部隊在其行動中使用了來自Starlink等公司的服務。衛星技術的一個重要用途是通過分享俄羅斯軍事車隊、建筑、飛機部署和其他關鍵事件的衛星圖像，在全球提高公眾對烏克蘭局勢的認識。這也突出了空間在情報和信息領域的重要性，無論是對于戰爭中的侵略者還是防御者。

空間領域的軍事存在和行動在未來可能最終擴展到摧毀天基基礎設施。俄羅斯已經展示了這種能力，在2021年11月的反衛星導彈試驗中拆毀了一顆衛星。可以說，最重要的太空目標將是直接向遠程軌道上的其他衛星轉發數據和指令的衛星，使它們成為關鍵太空系統的扼制點。對于沒有廣泛的世界性衛星地面控制站的國家來說，這一點尤其如此。然而，實際的太空戰將是最后的邊界，因為沒有人愿意摧毀或冒險使用太空資產的能力。這可能是不理想的后果，因為太空中的爆炸會產生大量的空間碎片，幾乎可以在任何地方危及空間安全和衛星服務。

空間和其他混合威脅領域之間的聯系

到目前為止，大多數可以針對空間領域的混合威脅工具利用了空間資產與其他領域的聯系。空間領域以前被視為與軍事/國防、經濟、基礎設施、信息和情報領域密切相關。然而，來自烏克蘭的證據揭示了與所有其他混合威脅領域的有意義的聯系。空間技術和空間環境容易受到混合威脅，特別是在網絡領域。

衛星系統有與平臺及其安全有關的網絡安全漏洞，地面基礎設施的接口，以及竊取和破壞數據，甚至關閉系統的可能性。與衛星系統有關的安全威脅，重點是衛星通信，最近已經被確認，有一些威脅涉及任何類型的衛星系統。干擾可以影響空間和地面資產。現代衛星的可編程性使得更新軌道上的衛星可以執行新的操作，這就為惡意的應用程序上傳到衛星上打開了大門。

與俄烏戰爭有關的一個例子是俄羅斯對Viasat衛星（KA-SAT）網絡的網絡攻擊，使烏克蘭的調制解調器無法運行，導致整個歐洲的組織出現了數千次中斷。該事件發生在入侵開始之前，大大影響了通信和共享態勢感知數據的能力。地面入侵者利用一個錯誤的配置進入衛星運營商的管理系統，然后指示大量的住宅衛星調制解調器從網絡中退出。該事件不僅顯示了衛星系統的脆弱性，而且還揭示了如果將具有安全弱點和漏洞的技術整合在一起，集成系統將具有更高的脆弱性。因此，在整合地面和衛星系統共同運作時，必須創建網絡原生設計，也就是說，從一開始就考慮到網絡問題。

俄烏戰爭已經廣泛表明，空間領域影響到其他混合威脅領域，既為惡意行為者提供工具，又為建立抵御威脅的能力提供資源。與所有混合威脅領域都有聯系。例如，大型衛星群可以作為一種替代性基礎設施，提供通信和PNT服務。在經濟領域，無法使用俄羅斯的發射能力在全球范圍內對商業衛星公司產生了影響，烏克蘭的航天工業在很大程度上被禁用。由于沖突期間對商業能力的使用增加，俄羅斯已經聲稱私人空間資產是戰爭中的合法目標，影響發生在法律領域。表1總結了空間和其他混合威脅領域之間的初步聯系。

表1. 俄烏戰爭中空間和其他混合威脅領域之間的聯系

以空間能力對抗混合威脅

觀察戰爭期間的活動

如表1所示，空間技術也被積極用于應對混合威脅行動。例如，衛星實現了最新信息和新聞的共享，使烏克蘭的平民和軍事人員了解情況，而不顧地面渠道的信息操作。應對混合威脅的另一個重要因素是國家和領先的商業和公共組織之間的合作，如美國國家航空航天局和歐空局，空間行業有影響力的人一直在指明方向，也提高了人們對開發更好的空間系統的需求。這場戰爭通過政治對話和共同的信息傳遞加深了北約和歐盟之間的合作，為應對外國信息操縱和干擾等各種類型的威脅提供了更好的能力。這種戰略伙伴關系比以往任何時候都更加有力，支持烏克蘭自衛和保護其人民。歐盟的政治和安全委員會與北大西洋理事會之間定期舉行會議，各工作組之間也經常進行交叉匯報。合作的工作范圍包括，例如，在歐盟和北約防務規劃過程中，在需求重疊的地方作出努力。這場戰爭表明，擁有空間能力并不像獲得這些能力那樣關鍵。這一重要的認識可能會進一步推動國際空間合作和私營空間部門的崛起。為此，建立系統冗余和備用系統的重要性可能會被強調。總而言之，通過私有化和多樣化的空間威脅，能夠拒絕獲得空間能力的行為者群體將變得更加多面。

提高空間技術的復原力

這對于確保關鍵的空間技術在未來仍然有用是至關重要的。要回答的問題是如何提高空間技術的復原力并創建網絡防護系統。提高復原力的一個方法是納入冗余和使用幾個系統的可能性。這樣一來，單一系統的故障就不會妨礙通信能力，例如。最近的一個例子表明，行動不應該依賴單一的衛星通信系統，埃隆-馬斯克宣布Starlink衛星不能在克里米亞使用。這種限制對該地區的部隊行動有直接影響，因為如果不使用其他冗余系統，部隊和指揮部之間就無法有效建立聯系。

有多種網絡安全威脅，在過去設計 "舊空間 "系統時沒有得到適當考慮。必須從一開始就把新系統設計成網絡安全的系統，特別是確保地面部分的安全，防止地面的攻擊和漏洞。建議使用強大的認證和訪問控制程序，以增加系統的復原力。此外，有必要積極監測潛在的安全威脅，以便用適當的行動來減輕它們。這可以通過網絡安全操作中心（CSOC）來完成，它結合了監測和決策技術、人力資源管理人員和流程，以實現準確的網絡態勢感知，并積極應對檢測到的威脅。最好的CSOC是專門的設施，網絡安全分析師在那里持續工作，專注于防御戰略網絡上未經授權的活動。它們可以由民族國家或跨國公司建立和經營。在空間領域，歐空局正在資助開發，以確保歐洲層面的運作。然而，仍然需要為此開發更好的工具，培訓在空間領域工作的人，并開發動態頻譜管理機制，以更有效地保護系統免受干擾。

提高空間系統復原力和可持續性的手段包括空間安全和網絡安全，但也包括經濟和環境的角度。至關重要的是避免產生新的空間碎片，并改善空間碎片和威脅探測能力，以確保衛星服務將對未來幾代人保持有用。有必要開發更好的空間交通管理方法，衛星可以利用自動避免碰撞的程序，使它們能夠對威脅作出迅速反應。從俄烏戰爭中也可以看出，國家和空間領域行為者之間應加強進一步合作，并制定規則和措施，確保和平利用空間。

戰爭期間空間領域的主要行為者和合作形式

全球行為者

在空間領域有積極的全球行為者，如美國、歐盟、中國、俄羅斯和北約。美國有跨越ISR、GPS和連接的能力，而歐盟有自己的定位和地球觀測的旗艦計劃（伽利略和哥白尼）。歐盟還計劃建立自己的安全連接系統，稱為IRIS，作為一個新的旗艦和一個專門的衛星通信基礎設施。這是歐洲目前最重要的空間計劃，旨在支持關鍵用戶和普通公民。中國擁有北斗定位系統、反衛星（ASAT）導彈能力，即摧毀衛星的手段，以及包括月球車在內的深空任務。俄羅斯在發射器、人類和科學任務以及定位方面有長期經驗。最后，北約自2019年起將空間作為其行動領域，利用空間來支持通信、導航和情報等領域的行動和任務。通過使用衛星，北約及其成員國能夠以更快、更有效和更精確的方式應對危機。

國際合作和發射活動

由于戰爭，俄羅斯已經退出了國際空間合作，這對國際空間業務和發射活動產生了重大影響。俄羅斯已經拒絕為西方國家進一步發射任何衛星。聯盟號火箭在建造和供應國際空間站，以及通過定期助推使空間站保持在軌道上方面發揮了作用。目前正在尋找替代品，幸運的是，例如SpaceX已經展示了其向國際空間站發射宇航員的能力。然而，到目前為止，這些發射在很大程度上影響了商業運作，載人飛行也按計劃實施。盡管如此，戰爭的影響在各種形式的合作中是可見的。最近，俄羅斯宇航員和國際空間站指揮官奧列格-阿爾捷米耶夫在9月28日將空間站的指揮權移交給薩曼莎-克里斯托弗雷蒂時說，"戰爭將在各地結束"，她是歐洲國際空間站的第一位女指揮官。戰爭也在催生新的合作形式。中國和俄羅斯宣布合作開發定位系統，將北斗和格洛納斯系統的準確性和可靠性提高到GPS的水平。兩國同意在對方的土地上建立衛星地面站，以提高系統的互操作性。然而，已經很明顯的是，戰爭已經影響了未來許多年內空間產業的基本合作精神。圖1展示了積極參與俄烏戰爭的不同空間行為者的情況概述。

圖1. 俄烏戰爭期間的商業和公共活動以及對國際合作的影響

私人公司

私營公司的作用，以及他們提供的服務和設備，從戰爭開始就至關重要。私人行為者的作用可以通過一些關鍵行為者和他們對俄烏戰爭的影響來證明。

SpaceX公司提供了Starlink終端和衛星容量，以支持烏克蘭開展的行動。Starlink已被用于提供連接，以支持反擊或炮擊，并實現從任何地點的縮放通話。這種影響是巨大的，特別是在民用連接、指揮和控制以及情報和態勢感知領域。Starlink連接已被用于監測和協調無人駕駛飛行器，從無人機發送視頻流，并實現無人機的打擊。SpaceX在衛星發射業務中也是一個重要的商業參與者。俄羅斯過去曾發射過許多西方衛星，但由于戰爭，這種活動突然停止。這增加了SpaceX的主導地位，現在它甚至為Starlink在互聯網業務中的競爭對手，如OneWeb，提供發射服務。

Maxar公司正在運營分辨率非常高的衛星。戰爭期間，Maxar和其他商業運營商，如Planet Labs和Pléiades Neo，提供了覆蓋俄羅斯車隊、部隊和機場活動的高質量圖像，這些圖像被新聞界廣泛使用。這些信息在為軍事計劃和公眾對戰爭的看法提供信息方面發揮了關鍵作用。從戰爭一開始，所提供的情報就被用來獲取烏克蘭及其周邊地區的大規模態勢感知數據。圖像顯示了該國境內和附近地區的部隊和車輛的移動情況，并證實了飛機和基礎設施的損壞。使用該數據的一個例子是，首先揭示了6月20日在白俄羅斯靠近烏克蘭邊境的Zjabrovka機場的軍事裝備的堆積，隨后確認了8月10日爆炸對裝備造成的損害。

ICEYE允許烏克蘭武裝部隊以高重訪頻率接收關鍵地點的雷達衛星圖像。與Maxar光學數據不同，合成孔徑雷達（SAR）技術允許透過云層和在夜間成像，為獲得態勢感知數據提供了新的機會。一顆ICEYE衛星是由烏克蘭私人募集的資金購買的。最近有報道說，它在運行的頭兩天檢測到了60多個單位的敵方軍事裝備。因此，俄羅斯軍隊損失的裝甲車價值超過了整個眾籌衛星項目的成本。

烏克蘭的航天工業源遠流長，戰前處于活躍階段，建立了一個不斷增長的私營產業。然而，由于俄羅斯的入侵，它已經被拋入了懷疑之中。許多在初創企業工作的專業人士已經成為士兵。國家空間專業人員希望烏克蘭能夠重新評估空間優先事項，關注新空間時代的安全和技術，隨著私營公司的強勢崛起和小型衛星的使用，并拋棄蘇聯的殘余。然后，一個新的烏克蘭航天工業可以成為烏克蘭安全的基礎，從長遠來看，甚至支持其盟友的空間能力發展。烏克蘭太空專業人士表示，來自埃隆-馬斯克等大人物的公開支持，已經提振了烏克蘭的士氣，并通過指出前進的方向影響了許多組織和政府領導人。如果航天業的領導人與烏克蘭站在一起，這將為在經濟上孤立俄羅斯而努力。

無人機技術相關行為者

無人機在戰爭中發揮了明顯而重要的作用，比迄今為止的任何重大沖突都要大。雙方都使用了數千種不同的空中平臺，包括軍用無人機和小型現成的無人機。像土耳其的Bayraktar這樣的軍用無人機被用于情報行動，以確定敵人的目標，并引導炮火向他們開火。它們在擊沉 "莫斯科 "號軍艦中發揮了作用。小型、廉價的無人機被用來作為神風特攻隊的炸彈，但也被用來發現目標和引導攻擊。作為積極使用無人機的結果，反無人機技術，如用于跟蹤的雷達系統，以及使導航能力失效的定向電磁脈沖，也越來越多地被作為行動的一部分使用。

無人機的使用將許多行為者與戰爭聯系起來。據推測，在西方制裁之后，俄羅斯從伊朗和白俄羅斯以及通過黑市渠道獲得了無人機，而無人機制造商大疆也暫停了在俄羅斯和烏克蘭的商業活動。同時，烏克蘭部署了由普通公民捐贈的業余和商用無人機。

信息領域促進空間的行為者

在與空間有關的信息領域，有影響力的個人的作用是顯而易見的。SpaceX創始人Elon Musk發表了強烈的，甚至是挑釁性的聲明，以獲得對烏克蘭的支持，但也矛盾地強調了由于資金問題，衛星服務可能中斷。在光譜的另一端是時任俄羅斯航天局局長德米特里-羅戈津試圖進行親俄和反烏克蘭的宣傳，并威脅要退出國際空間站合作。法律和道德方面一直是俄羅斯信息活動的一部分（宣布商業衛星為戰爭目標，并指責烏克蘭和西方違反《外層空間條約》）。

信息運動的影響很難評估，但盡管俄羅斯有相反的意圖和嘗試，對信息領域的利用最終使烏克蘭的道路變得更加平坦，因為它使戰爭變得明顯，并使其處于公眾的視野中。烏克蘭從西方國家獲得了驚人的堅實支持。例如，歐盟和五角大樓已經考慮為烏克蘭的星聯衛星網絡提供資金。

討論與結論

自俄烏戰爭開始以來，空間一直發揮著重要作用，軍事力量有效地利用歐洲和美國服務供應商的商業能力來實現其行動。這場戰爭表明，空間領域在戰爭升級之前，即在門檻以下的階段，以及在戰爭期間，都是至關重要的。它在戰爭結束后也是必要的，例如，在評估地區的損害和安全以及為法律歸屬提供證據時。空間領域影響到其他混合威脅領域，既為惡意行為者提供工具，又為建立抵御威脅的復原力提供資源。空間技術和空間環境容易受到混合威脅的影響，特別是在網絡領域，對衛星通信系統的網絡攻擊不僅在烏克蘭而且在其他地區產生了重大影響。

戰爭中的空間領域已經影響到烏克蘭的軍事行動和平民社會的安全。另一方面，民間行為者在天基能力的幫助下，被賦予了支持戰爭的能力。信息領域已經利用天基能力來說明和敘述戰爭。這場戰爭在許多國家產生了巨大的影響，消除了軍事技術的污名。在戰爭之前，有大量的組織根本不想把自己與軍事領域聯系起來，而現在許多商業公司正自豪地介紹他們產品的雙重用途能力。這可能會導致歐盟和北約國家對軍事能力發展的支持增加，因為這些能力被認為可以更廣泛地增強社會的復原力。在戰略防御能力發展項目的工業合作中納入兩用技術的興趣可能會增加。這也將提出政府保護商業資產的意愿和能力問題。

從空間領域的角度來看，沖突的主要行為者包括全球行為者，如美國、俄羅斯、北約和歐盟，但也包括前所未有地增加的私營公司及其空間資產的作用。特別是SpaceX公司，作為通信技術和發射服務的提供者，其全球作用已經增加。在Starlink的幫助下，眾包態勢感知，以及眾籌作為資助空間能力的工具，已經表明個人作為安全行為者在現代社會中的作用越來越大。如果有效利用，這一發展將促進全面安全，并在未來建立復原力。然而，這種類型的授權可能是雙向的，這意味著個人在部署空間能力的惡意活動中的作用可能在未來增長，適當地改變和增加混合威脅的潛力。然而，盡管安全行為者的角色模糊不清，政府和當局的法律責任不會消失。個人可以為安全作出貢獻，但他們不能被視為對確保安全負責，因為只有當局擁有法律規定的管轄權。

戰爭將通過合作形式和環境的變化、空間能力的重新優先化、商業技術和服務的增加以及更多的用途，對空間領域的發展產生長期影響。同時，戰爭增加了區域對戰略自主的努力，例如歐洲實施自己的衛星通信星座的目標。

基于這項研究的初步影響可以歸納為四個關鍵的啟示：

1.眾包態勢感知的力量已經在戰爭中得到了體現。然而，部分不清楚如何驗證眾包數據并防止在決策中納入故意的惡意數據。空間技術在這里可以有相關的用途，例如，用衛星成像來驗證報告的事件。公民在支持行動中的作用越來越大，引起了關于當局的責任和作用的法律問題。

2.俄烏戰爭為基于衛星的技術鋪平了道路，使之成為軍隊和平民容易獲得的日常工具。這不僅可以促進對軍事領域的混合威脅的復原力，也可以促進心理上的復原力。在危機和戰爭情況下做出貢獻的能力，以及做一些具體和有形的事情，將促進和維持個人的心理復原力和防御意愿。復原力也可以通過信息領域得到支持：在危機中，人們會要求獲得關于局勢的最新信息。通過衛星檢索的數據將有助于滿足這一需求。它也可以有利于打擊混合威脅的信息運動，以及人們對信息領域的影響活動的復原力。

3.在軍事行動中使用商業空間資產正在模糊戰爭中軍事和民事行為者之間的界限。烏克蘭的人們已經集資購買了一顆衛星來支持行動，這顆衛星已經成功地用于軍事行動。商業行為者甚至不一定知道他們的技術是雙重用途的。因此，參與戰爭的決定無意中被外包給了使用商業行為體技術的人。這在道德上可能是有問題的，因為一些行為者希望不參與戰爭或選擇自己的一方，并拒絕敵對行為者獲得其資產。評估空間領域的威脅--即構成威脅的能力和行為者，以及評估潛在影響--變得越來越困難。

4.衛星技術的發展及其使用也促進了可用于軍事目的的新能力組合。無人機已經對烏克蘭的行動產生了重大影響，并將在未來其他地方的沖突中發揮突出作用。因此，各國應發展其在無人機和反無人機技術方面的能力。當無人機配備了衛星連接，它們可以在非常大的區域內有效使用，這一發展也得到了歐洲航天局的支持。顯然，空軍將需要為無人機行動做更多的準備。無人機的作用在門檻以下的階段也可能會增長。除了軍事方面，無人機可能對其他安全機構和社會的重要功能，如關鍵基礎設施，構成越來越嚴重的威脅。

摘要

這項工作探討了使用人工智能（AI）來加強海軍戰術殺傷鏈。海軍行動對水兵提出了很高的要求，要求他們在與艦隊指揮結構協同操作各種作戰系統的同時，保持對態勢的認識，執行任務，并為沖突做好準備。海軍行動由于涉及到武器的使用而變得更加復雜。涉及武器使用的一系列戰術過程和決策被稱為殺傷鏈。一個有效的殺傷鏈需要識別和了解威脅，確定行動方案，執行選定的行動，并評估其效果。殺傷鏈是一個特別緊張的戰術行動類別，因為它們必須在有限和不確定的知識下，在關鍵和苛刻的時限內，依靠各種先進的技術系統，在高度動態和變化的環境中實施，并造成嚴重后果。海軍正在研究人工智能作為一種新興技術，通過減少不確定性、提高決策速度、加強決策評估來改善殺傷鏈行動。本文介紹了對人工智能方法在支持海軍戰術殺傷鏈的特定功能方面的功效評估。

引言

海軍作戰是動態的，在沖突期間，它們變得高度復雜。在海洋環境中與作戰人員團隊一起操作各種先進的技術系統（包括艦艇、飛機、傳感器、通信系統和武器），建立了一個具有挑戰性的行動基線。在沖突或危機情況下，行動的節奏加快，并可能變得非常不穩定；對形勢的認識和對戰斗空間的了解充滿了不確定性；有效的決定對任務的成功至關重要，并會帶來沉重的后果。

一場涉及武器交戰的海軍悲劇是1998年美國海軍 "文森 "號巡洋艦發射的地對空導彈擊落了商用飛機空客A300，機上290名乘客全部死亡（Pasley，2020）（如圖1所示）。這場悲劇涉及到壓力下的時間關鍵性決策（Johnston等人，1998）。

圖1.美國海軍文森號從甲板上發射導彈。

這一事件代表了海軍行動中決策的復雜性，并特別強調了觀察-定向-決定-行動（OODA）循環中的挑戰，這是由約翰-博伊德在1950年代開發的行動活動模型（瓊斯，2020）。人為錯誤、人類認知的局限性和海軍行動固有的決策復雜性導致OODA環路的挑戰，更具體地說，是殺傷鏈過程的挑戰（馮-盧比茨等人，2008，Szeligowski，2018）。殺傷鏈功能是涉及使用武器系統的戰術活動和決策。一個有效的殺傷鏈需要正確設置和使用艦載傳感器，識別和分類未知的接觸，根據運動學和情報分析接觸意圖，認識環境，以及決策分析和戰爭資源選擇（O'Donoughue等人，2021，史密斯，2010，趙等人，2016）。這項研究源于尋找方法來支持水手和作戰人員以及他們在海軍行動中必須做出的經常是復雜的決定。

最近在人工智能和先進數據分析方面的進展導致了海軍的研究，以確定如何利用這些方法來支持廣泛的海軍應用。正在研究人工智能方法在海軍后勤、任務規劃、物理安全、自主系統和網絡安全方面的潛在應用（Heller，2019，Mittu和Lawless 2015）。

在海軍研究使用人工智能方法的過程中，殺傷鏈是另一個備受關注的主要應用。概念性研究提出將人工智能用作認知助手和人機協作（Iversen和DiVita，2019年；Ding等人，2022年；Johnson 2019年；Grooms，2019年；Albarado等人，2022年）。使用人工智能從多個來源的數據融合中提取知識和作戰環境的情況意識的研究正在成熟（Zhao等人，2018）。

這項研究著眼于整個海軍戰術OODA環，以評估使用人工智能來改善每個特定的殺傷鏈功能。圖2顯示了海軍海上戰術領域的概念圖，作為利用人工智能方法和技術的重點。該圖用軍事術語描述了殺傷鏈OODA循環功能的循環性質：發現-修復-追蹤-目標-接觸-評估。該研究探討了使用人工智能來加強這些功能，因為它們被用于海軍藍軍在海洋領域防御紅軍的威脅。

圖2. 概念圖：人工智能賦能海軍戰術殺傷鏈行動。

本文首先回顧了海軍戰術殺傷鏈，描述了戰術戰爭過程模型，并確定了一組28個殺傷鏈功能作為本研究的主題。下一節總結了適用于殺傷鏈的人工智能方法。隨后描述了為本研究開發的評估框架。本文最后介紹了這項研究的結果--人工智能方法與殺傷鏈的映射。

海軍戰術殺傷鏈

分析開始于對海軍作戰相關的戰術操作模型的研究，以便以一種能夠與人工智能方法相一致的形式獲取對殺傷鏈的描述。目標是建立一個海軍戰術殺傷鏈的描述，以： (1)代表海軍戰術領域中與戰斗有關的行動，(2)具有足夠的通用性，以模擬廣泛的戰術決策和行動，(3)被分解到適當的水平，以確定個別和獨特的過程。

殺傷鏈這個術語是指涉及使用武器的攻擊結構。該過程被描述為一個鏈條，以說明用武器攻擊目標需要一套完整的端到端決策和行動，任何階段的中斷都會破壞該過程。Clawson等人（2015）將殺傷鏈描述為 "成功使用特定武器對付特定威脅所需的任務或功能"。殺傷鏈過程包括目標檢測、選擇與目標交戰和選擇武器所涉及的決策，以及攻擊的實際執行。

約翰-博伊德的OODA循環模型是理解戰術行動的基礎，它代表著觀察、定向、決定和行動。圖3展示了OODA循環模型--強調了循環發生的四個階段的行動或過程。在觀察階段，數據和信息被收集。在定向階段，這些信息被處理、融合和分析，以提供對形勢的認識。在決定階段，藍軍決定是否需要采取行動以及這些行動應該是什么。在行動階段，行動被執行，并收集更多信息以確定是否產生了預期的效果。OODA循環對軍事思想有半個多世紀的影響，并幫助塑造了戰爭系統的發展和戰爭理論（Angerman 2004）。OODA循環模型已被用于預測和理解軍事行動反應時間（Hightower 2007）、認知戰術決策（Plehn 2000）、指揮和控制系統及網絡的設計目標（Revay 2017），甚至是高級軍事戰略制定（Hasik 2013）。在現實世界的戰術行動中，許多OODA循環的活動都是動態的、循環的和并發的。

圖3. 殺傷鏈OODA環

OODA循環模型為理解殺傷鏈過程提供了基礎，并導致了對圖4所示的查找-修復-跟蹤-目標-評估（F2T2EA）殺傷鏈過程模型（參謀長聯席會議，2013）的研究。F2T2EA是另一個以軍事術語描述殺傷鏈的過程模型。F2T2EA模型將戰術功能分為六類，并強調戰術行動的周期性。F2T2EA抓住了戰術戰爭功能、決策和行動的細微差別，為人工智能的映射提供了一個更詳細的框架，以激發具體、全面和獨立的殺傷鏈功能。

圖4. F2T2EA殺傷鏈周期。

這項研究開發了一套28個殺傷鏈功能，列于表1。該表顯示了這些功能是如何被歸入OODA和F2T2EA殺傷鏈過程模型的。建立一套具有一定獨立性的不同功能的目的是為了支持特定的人工智能方法與特定的殺傷鏈功能的映射，同時保持它們能夠代表戰術行動中發生的各種海軍決策和行動。

表1. 28個殺傷鏈功能

殺傷鏈的功能是通用的，適用于涉及 "殺傷"行動的各種戰術行動。在這項研究中，殺傷鏈可以支持進攻性打擊和防御性任務；殺傷可以是硬的，也可以是軟的。這允許使用非致命性和反措施行動，以消除對手的資產，完成戰術任務。

在沖突或危機期間，戰術行動的實施涉及殺傷鏈功能的復雜、動態和循環組合。這些功能會重疊、同時發生、重復出現，并且往往需要根據威脅情況進行多次實例化。"尋找 "和 "修復 "將是持續的功能；"跟蹤 "將出現在探測到的每個物體上；"瞄準 "將對被認為有威脅的物體進行；"交戰 "和 "評估 "將對需要殺傷（或解除）行動的威脅實施。

隨著海軍探索殺傷鏈功能的自動化并考慮使用人工智能方法，殺傷鏈功能的特點也開始發揮作用。殺傷鏈與它的威脅情況密切相關。這種作戰環境在許多方面決定了殺傷鏈的時間軸、交戰幾何、局勢動態、不確定性水平和整體復雜性。表2確定并描述了影響人工智能如何被利用來提高自動化和支持戰術決策的殺傷鏈功能的條件。

表2. 殺傷鏈功能特征

表2中列出和描述的特征具有相互依賴性，這些特征源于任務目標、威脅情況的復雜性以及藍軍資產的結構和能力。任務的性質--進攻性或防御性--確定了事件的初始時間線。威脅情況會影響這個時間線，并影響動態、決策風險水平和整體不確定性。藍軍資產的結構和能力影響到可用的決策選擇。殺傷鏈的決策有許多考慮因素，包括傳感器的覆蓋范圍、對對手意圖的評估、交戰策略、交戰規則和要使用的武器。這些復雜和相互依存的特性影響到可接受的決策風險和不確定性水平，并最終影響到整個殺傷鏈過程中可接受的自動化水平。

這項研究檢查和評估了特定人工智能方法的潛力，以加強特定的殺傷鏈功能。其目的是通過提高自動化程度來改善整體戰術任務--不一定要取代人類決策者，但要支持戰術決策--特別是當殺傷鏈決策過程變得高度復雜時。

人工智能

美國國防部（DoD）將人工智能描述為 "機器執行通常需要人類智慧的任務的能力--例如，識別模式、從經驗中學習、得出結論、進行預測或采取行動--無論是以數字方式還是作為自主物理系統背后的小軟件"（艾倫2020）。人工智能是一個包括許多不同方法的領域，目標是創造具有智能的機器（Mitchell 2019）。人工智能領域正在迅速發展，國防部正在積極研究如何將人工智能有效地應用于軍事任務（GAO 2022）。

DARPA的Launchbury（2017）將人工智能的發展描述為三波，如圖5所示。第一次浪潮（約1970年代至1990年代）產生了基于規則的專家系統，可以推理，但沒有學習或歸納的能力。第二波（約2000年至今）產生了先進的統計大數據學習和深度神經網絡，它們可以感知和學習，但推理或概括的能力有限。第三次浪潮，剛剛開始（2020年及以后），將以上下文適應為特征，在推理和概括能力方面取得進展。未來學家預測，第四次浪潮（2030年及以后）將導致人工通用智能，使機器能夠執行人類能夠執行的任何智力任務（Jones 2018）。

圖5. 三次人工智能浪潮

這項研究專注于三次人工智能浪潮中的人工智能方法，這些方法已經在不同的應用領域得到了證明，或者目前正在研究和開發中。該團隊研究了廣泛的人工智能相關主題（在表3中列出并描述），以便為評估提供知識基礎。

表3中描述的主題是方法、學科和支持能力的類別，它們可能直接影響到為殺傷鏈有效部署AI的能力。每種方法的實施方式將決定未來人工智能支持的殺傷鏈的不同方面。人工智能內部工作的可解釋性和人機合作的能力將影響作戰人員與人工智能系統的互動和信任。特征工程、數據管理和實用功能將影響到人工智能系統的內部運作，因此也影響到人工智能系統的輸出和決策建議。博弈論、決策論、模糊邏輯、融合、空間-時間推理、進化和遺傳算法、預測性和規定性分析以及聯邦學習等學科被納入的方式將決定未來人工智能系統的設計和架構。表3中的人工智能相關主題被用于本文下一節解釋的定性評價。

表3. 人工智能相關主題在殺傷鏈研究中的考慮

該團隊選擇了八種具體的人工智能方法（在表4中列出并描述）用于殺傷鏈的映射。這八種人工智能方法是感知、學習、抽象和推理以獲得更好的知識、預測性能、開發和評估決策選項（或戰術行動路線）的不同技術。它們被認為有可能為殺傷鏈過程的不同方面提供價值，同時也代表了一組不同的人工智能方法，以促進對人工智能如何改善殺傷鏈的更全面的評估。

表4. 八種具體的人工智能方法用于殺傷鏈的映射

目前，人工智能方面的許多進展正在進行中。這項研究確定了感興趣的主題和具體方法，顯示出加強戰術殺傷鏈的強大潛力。本文對這些主題和方法進行了總結。關于人工智能主題和方法的更詳細描述載于本研究的頂點報告（Burns等人，2021）。

評估框架

這項研究開發了一個框架，以評估人工智能方法對殺傷鏈特定功能的適用性。該評估包括兩個部分： (1)從殺傷鏈功能的角度進行的定量分析，以及(2)從人工智能主題的角度進行的定性分析。

第一個部分是基于一套決策點問題形式的四個評價標準（列于表5）、一種評分方法（列于表6）以及與四個決策點中的每一個相關的評價過程。該框架的這一部分產生了一個量化的評價，以評分的形式表明特定人工智能方法對支持或實現特定殺傷鏈功能的適用程度。該小組在應用評分標準時進行了主觀判斷。

表5. 評估決策點問題

表6. 評分標準

第一個決定點要求對每個殺傷鏈功能進行評估，以確定需要什么樣的輸出，并對每個人工智能方法進行評估，以確定其產生的輸出類型的特點。表5顯示了每個決策點的輸出類型。定量輸出包含實數值。定性輸出包括分類數據。集群形式的輸出指的是由強烈關聯的質量分組的數據，通常用于在數據集中尋找模式。基于規則的輸出是一系列的if/then因果規則。表7顯示了對28個殺傷鏈功能之一的評分評估的例子，第25條 "確認影響"。對于這個功能，團隊確定可以使用數據集群來協助特征描述過程，還注意到可解釋的輸出是強制性的，而且預測器的數量較少，以便能夠有更高的準確性。顏色方案表明，聚類是最適合的人工智能/ML方法，邏輯回歸和關聯也可能為殺傷鏈功能提供一些支持。

表7. 25號功能（確認影響）的評分示例

第二個決策點需要對殺傷鏈過程進行評估，以確定什么類型的數據可用，什么類型的學習方式適合每個功能。如果一個包含預測因子和響應變量的完全標記的數據集可用于人工智能的訓練和開發，監督學習將是一個合適的方法。如果殺傷鏈過程中的一個步驟在其數據集中包含預測因素，但沒有響應變量，那么無監督學習將是合適的方法。最后，如果一個殺傷鏈過程有部分或無標記的數據集可用，并且還與一套定義明確的一般規則有關，可以為訓練人工智能學習系統提供反饋，那么強化學習將是一個合適的方法。

第三個決策點根據對人工智能方法的內部運作需要多少可解釋性（或透明的洞察力）來評估每個殺傷鏈功能（XAI=可解釋的人工智能）。為了本研究的目的，這三個選項是基于對要求強制性XAI、希望的XAI或不要求XAI的定性評估。

第四個決策點是根據充分代表殺傷鏈過程不同方面所需的預測因子（或特征）的數量來評估特定人工智能方法的功效。表征與每個殺傷鏈功能相關的決策空間的特征可能會根據現實世界的情況而改變。ML模型需要代表這些特征，并使用輸入變量或預測器來實現。ML模型代表現實世界的方式和相關的特征數量將影響適當方法的選擇。本研究根據輸入特征的數量確定了三類預測器： 1-9，10-99，和100+。

評價框架的第二部分是基于對人工智能相關主題和方法的調查，以及對每種方法的好處和局限性或挑戰的定性評估，因為它們可能適用于殺人鏈領域。這部分評價是從人工智能方法及其對殺傷鏈的普遍適用性這一更廣泛的角度進行的。上一節中的表4列出了被評估的人工智能主題和方法。

人工智能到殺傷鏈的映射

這項研究的結果被總結為兩個人工制品：表8中的映射為每個殺傷鏈功能推薦了最合適的人工智能/ML方法，表9中對戰術領域的人工智能相關方法進行了定性評價。

表8. AI/ML方法到殺傷鏈的映射

表9. 對戰術領域的人工智能相關方法進行了定性評價

表8所示的定量圖譜是對28個殺傷鏈功能中的每一個功能進行決策點評估的結果。每個功能的單獨記分卡可以在相關的頂點報告中找到（Burns et al, 2021）。雖然大多數記分卡導致了一個明確的主導AI/ML方法的適用性，但有四個殺傷鏈功能被評估為有一個以上的潛在方法可供選擇。在8種打分的AI/ML方法中，只有4種得分高到可以進入最終映射：聚類、關聯、邏輯回歸和線性回歸。

定性分析的結果是對人工智能相關的方法和主題以及它們與殺雞用牛的相關性的評價。表9包含了定性評價的結果。

結論

總之，這種映射分析從兩個方向進行：（1）從殺傷鏈開始，將人工智能方法映射到各個殺傷鏈的功能；（2）從人工智能方法和相關主題開始，評估它們對殺傷鏈的潛在效用。由該研究小組開發的第一種方法遵循了一種使用四個決策點的量化評分方法。第二種方法是對各種人工智能方法和相關主題進行調查，并對每種方法與未來人工智能殺傷鏈決策輔助工具的潛在關聯性進行定性評估。

定量分析顯示，一小部分人工智能方法將是為殺傷鏈功能提供高級自動化支持的最佳候選方法。這些方法是：聚類、關聯、邏輯回歸和線性回歸。他們被評估的對殺傷鏈的優越效用是基于他們產生的輸出類型，他們使用的機器學習類型，他們對用戶的可解釋能力，以及他們需要的代表性預測器或特征的數量。這種分析性映射方法是 "自下而上 "的，因為它的起點是傳統的殺傷鏈功能集。它假設各個人工智能方法將被分到各個獨立的殺傷鏈功能中。這預設了一個特定的設計方案，并對殺傷鏈決策輔助工具的未來架構做出了限制。

第二個映射分析是定性的和高層次的，它想象了各種人工智能方法和相關主題的未來潛力，以實現和/或支持未來的人工智能輔助殺傷鏈的決策。這種分析方法是 "自上而下 "的，因為它從一種人工智能方法或感興趣的領域開始，并從整體上評估其與殺傷鏈的一般相關性，而不強加一個特定的設計或被分配到一個特定的功能。這項分析確定了13個與人工智能有關的主題，這些主題可能為未來的殺傷鏈提供效用。人工智能正在成為許多軍事應用中的一項技術。海軍將從人工智能在許多行動中的應用中獲益，包括殺傷鏈。對人工智能增強和/或人工智能啟用的殺傷鏈進行有效和適當的設計和工程，對于實現對同行競爭對手的戰術優勢以及確保其用于支持武器系統的安全性和可靠性至關重要。該項目提供了一個分析基礎，作為繼續研究人工智能在殺傷鏈中的應用的起點。該分析將具體的人工智能方法與殺傷鏈的28個功能相聯系，并確定了人工智能方法和相關主題，這些方法和主題顯示了加強和促成未來海軍殺傷鏈的潛力。這項研究建議繼續研究人工智能和ML在戰術殺傷鏈中的應用。

人工智能（AI）有可能影響所有領域和大規模的軍事行動。本章探討了人工智能系統如何影響準備和開展軍事行動的主要工具，以及如何受其影響。本章分析和討論了人工智能在戰略、條令、規劃、交戰規則和命令方面的多層次影響。采取了一個廣泛的分析角度，能夠根據新的政策和技術發展，以及對政治、軍事、法律和道德觀點的考慮，對這個問題進行總體審查。因此，本章確定了機遇、挑戰和開放性問題，并提出了總體性的意見。提供了洞察力和途徑，以推進對人工智能在軍事行動中的適當整合、管理和使用的進一步思考、研究和決策。

引言

人工智能（AI）的軍事應用有可能影響所有領域和大規模的軍事行動的準備和進行。人工智能系統可以越來越多地支持和取代人類完成軍事任務，因為它們變得更快、更準確，并能夠處理更多的信息和更高的復雜程度。這可能促進軍事行動速度的提高和更好的軍事決策，最終為擁有高性能人工智能的武裝部隊提供顯著優勢。人工智能的軍事用途甚至可能導致軍事事務的另一場革命，盡管這種發展將取決于其他因素而不僅僅是技術。

人工智能可以被用于各種軍事目的。在多維戰場上，人工智能技術可以被用作傳感器、規劃者和戰斗機，或兩者的結合。更具體地說，人工智能的軍事應用可以從支持情報、監視和偵察（ISR）的系統到自主導航和目標識別系統。這可能導致軍事人員和人工智能系統之間不同形式的互動，以及將軍事任務委托給人工智能系統的不同層次。例如，人工智能系統可以在決策過程中協助指揮官和士兵，無人駕駛的人工智能系統可以與有人駕駛的系統一起協作，人工智能系統可以在最少的人類監督下自主運行。 雖然目前只存在狹義和特定任務的人工智能，但正在大力發展人工通用智能（AGI）--具有類似于人類思維的廣泛領域推理能力的系統。 這與人工智能系統的自主性不斷增強的趨勢是一致的。

鑒于人工智能的特殊性和未來的應用，出現了一個問題，即人工智能的引入將如何影響軍事行動。本章通過評估人工智能如何影響準備和進行軍事行動的主要工具并受其影響來探討這一問題。具體而言，本章分析和討論了人工智能在戰略（第1分章）、條令（第2分章）、規劃（第3分章）、交戰規則（第4分章）和命令（第5分章）方面的多層次影響。以下各章將對每個工具進行一般性解釋，然后討論這些工具與人工智能的具體相互關系。

本章采取了一個廣泛的分析角度，包括了部隊整合和指揮與控制（C2）等軍事概念的各個方面，但并不限于此。 這使得在新政策和技術發展的基礎上，以及在考慮政治、軍事、法律和倫理角度的情況下，能夠對這個問題進行更全面的審查。因此，本章確定了機遇、挑戰和開放性問題，并提出了總體性的意見。本章最后發現了人工智能與準備和進行軍事行動的主要工具之間的動態相互關系，并將人類操作員和人工智能之間的互動定位為核心基本問題。

由于軍事人工智能是最近才出現的，因此對納入人工智能的未來軍事行動的任何分析只能是暫時性的，并基于這樣一個前提，即目前對具有高度自主性的人工智能，進行操作化的挑戰將被克服。然而，鑒于技術的快速發展，本章為推動進一步的思考、研究和政策制定提供了見解和途徑，以便在軍事行動中適當整合、管理和使用AI。

1. 戰略與人工智能

軍事行動為國家的政治和戰略目標服務。在戰爭的三個層面（戰略、戰役和戰術）中，軍事戰略是最高的。它可以被描述為 "戰爭的安排 "或 "戰爭的方向"。它為軍事行動提供依據，處于政治和軍事領域的交界處。 從本質上講，軍事戰略是一項計劃，它將最終目標與實現這一目標的手段聯系起來。更具體地說，軍事戰略可以被定義為 "使用武裝力量來實現軍事目標，進而實現戰爭的政治目的 "或 "在戰爭中達到預期結果的概念和實際考慮的表現，涉及對特定敵人的組織、運動和戰術、戰役和戰略使用或承諾的力量。國家安全和國防戰略可以為軍事戰略建立總體框架，而且經常可以在白皮書中找到。

各國還沒有公開通報他們如何使用或打算使用人工智能來制定軍事戰略。因此，在現階段，分析人工智能對軍事戰略的影響以及反之亦然，必須依靠國防白皮書和各國的人工智能戰略。一般來說，雖然在過去幾年中，大約有50個國家發布了關于人工智能在多個部門（特別是民用和工業部門）的使用、發展和融資的官方人工智能戰略，但這些文件一般不關注或幾乎不提及國防應用。然而，主要軍事強國最近通過了與軍事人工智能有關的國家戰略或類似文件，表明各國已經意識到軍事人工智能的戰略重要性，并指導他們努力開發、采購和將人工智能系統納入其武裝部隊。

美國國防部（DOD）在2018年發布了一項人工智能戰略，該戰略強調了優先發展的領域，確定了應如何與民間社會組織建立發展伙伴關系，并制定了一項關于人工智能機器倫理的政策生成計劃。美國人工智能國家安全委員會在2021年發布了一份報告，提出了與人工智能有關的國家防御戰略。 目標是到2025年達到人工智能準備，這意味著 "組織改革，設計創新的作戰概念，建立人工智能和數字準備的性能目標，并定義一個聯合作戰網絡架構"，以及贏得"技術競爭"。

俄羅斯到目前為止還沒有公布關于軍事人工智能的政策，但正在積極資助私營和公共部門的研究。2018年，俄羅斯舉行了一次會議，提出了十項政策建議（AI: Problems and Solutions 2018），這些建議構成了其人工智能戰略的非官方基礎。

歐洲國家在人工智能戰略方面處于類似的階段。在英國2021年國防白皮書通過后，英國國防部（MOD）在2022年通過了《國防人工智能戰略》。 該戰略規定了國防部采用和利用人工智能的速度和規模，與工業界建立更強大的伙伴關系，并開展國際合作，以塑造全球人工智能的發展。 法國沒有采取這樣的戰略，但其《國防人工智能報告》強調了將人工智能納入其武裝部隊的戰略優勢，如分析和決策的速度，優化作戰流程和后勤，以及加強對士兵的保護，并將機器學習歸類為研究和開發（R&D）的主要領域。

雖然更多的國家發表了關于人工智能的分析和政策，但卻沒有對未來的軍事戰略提出見解，北約在2021年通過了其人工智能戰略。該戰略是整個聯盟的人工智能準備和運作的基礎，隨后是北約的自主實施計劃，包括在2022年創建數據和人工智能審查委員會。 歐盟至今沒有采取類似的戰略，只限于在2020年的《人工智能、機器人和相關技術的倫理問題框架》中鼓勵與軍事有關的人工智能領域的研究。

由于各國關于人工智能或與人工智能相關的國防戰略并沒有明確說明人工智能將如何影響軍事戰略，因此可以根據未來可能使用人工智能進行戰略決策的跡象來確定各自的期望。人工智能在戰爭戰略層面的應用實例是對核指揮、控制、通信和情報（C3I）架構的貢獻；導彈和防空系統的目標獲取、跟蹤、制導系統和識別；網絡能力；以及核和非核導彈運載系統。

對于軍事戰略來說，最重要的是，人工智能的應用可以幫助決策者監測戰場并制定方案。事實上，可以開發人工智能來預測其他國家的行為和反應，或生成正在進行的沖突的進展模擬，包括兵棋推演模型。人工智能還可以用來評估威脅，提供風險分析，并提出行動方案，最終指導決策者采取最佳對策。 此外，人工智能可以支持武裝部隊的方式和手段與既定的政治和戰略目標相一致，這是軍事戰略的一個主要功能。這種發展的一個后果是軍事進程的速度和質量都會提高。雖然這將為那些擁有高性能人工智能的國家提供巨大的優勢，但這也可能迫使武裝部隊越來越多地將軍事行動的協調工作交給人工智能系統。

將人工智能用于軍事戰略也可能導致挑戰，包括預測性人工智能需要無偏見和大量的數據。可靠的人工智能系統將需要用龐大的數據集進行訓練。 此外，專家們警告說，人工智能可能會加劇威脅，改變其性質和特點，并引入新的安全威脅。 一項關于將人工智能納入核C2系統的桌面演習表明，這種系統 "容易受到惡意操縱，從而嚴重降低戰略穩定性"。這種脆弱性主要來自于第三方使用技術欺騙、破壞或損害C2系統所帶來的風險，這表明系統安全對AI用于軍事戰略的重要性。

另一個重要的挑戰是，人工智能可能會加快戰爭的速度，以至于人類將不再能夠跟隨上述速度的發展，最終導致人類失去控制。 這種現象被稱為 "戰場奇點 "或 "超戰爭"，可能導致戰略錯誤和事故，包括非自愿的沖突升級。即使這種風險能夠得到緩解，對人工智能的更多依賴也會減少軍事戰略中人的因素，特別是心理學和人的判斷。觀察家們認為，這可能會導致 "人工智能如何解決人類提出的問題，以及人類如果擁有人工智能的速度、精度和腦力會如何解決這個問題 "之間的差距。 然而，專家們也提出，戰略的制定需要對價值的理解，成本的平衡，以及對戰爭所處的復雜社會系統的理解，從而大大限制了人工智能在軍事戰略上的應用。還有一種可能是，當敵人擁有人工智能系統提供的高水平的理性預測能力時，決定性的因素將不是人工智能系統的能力，而是人類的判斷，特別是關于關鍵和困難的選擇。然而，這假定了某種程度的有意義的人類參與。

總之，主要的軍事大國正在投資開發、獲取和操作其武裝部隊的人工智能，因為人工智能有可預見的戰略優勢。然而，各國的戰略并沒有表明人工智能將如何被用于軍事戰略。然而，根據目前的技術發展，可以預計，人工智能將加強軍事戰略的制定和戰略決策，特別是人工智能能夠處理更多的數據，并以比人類和簡單計算更高的精度和速度來理解復雜性。一個可能的結果是軍事行動的加速，這可能會增加武裝部隊整合人工智能的壓力，使人類的判斷力邊緣化。因此，擁有和使用人工智能本身就成為一種戰略資產和目標。同時，國家對軍事人工智能的投資可能成為一種戰略責任，因為它可能增加破壞穩定的軍備競賽、誤解和誤判的風險。未來的軍事戰略需要考慮到這種風險。

總之，主要的軍事大國正在投資開發、獲取和使用人工智能，因為人工智能有可預見的戰略優勢。然而，各國的戰略并沒有表明人工智能將如何被用于軍事戰略。然而，根據目前的技術發展，可以預計，人工智能將加強軍事戰略的制定和戰略決策，特別是人工智能能夠處理更多的數據，并以比人類和簡單計算更高的精度和速度來理解復雜性。一個可能的結果是軍事行動的加速，這可能會增加武裝部隊整合人工智能的壓力，使人類的判斷力邊緣化。因此，擁有和使用人工智能本身就成為一種戰略資產和目標。同時，國家對軍事人工智能的投資可能成為一種戰略責任，因為它可能增加破壞穩定的軍備競賽、誤解和誤判的風險。未來的軍事戰略需要考慮到這種風險。

2. 條令與人工智能

軍事條令進一步指導軍事行動的準備和執行。軍事條令可以被定義為 "從制度化的角度來看，執行軍事任務和職能普遍接受的方法"。因此，它代表了'在戰爭和軍事行動中什么是有效的制度化信念'。條令一般包含三個關鍵要素，即理論（什么是有效的，什么會導致勝利）、權威（條令必須被認真對待）和文化（組織及其成員是誰）。 因此，條令回答了 "軍隊認為自己是什么（'我們是誰'），它的任務是什么（'我們做什么'），如何執行任務（'我們怎么做'），以及歷史上如何執行任務（'我們過去怎么做'）"等問題。 《美國陸軍條令入門》將條令描述為由基本原則、戰術、技術、程序以及術語和符號組成。

鑒于條令的目的和功能，人工智能在發展軍事條令方面的作用可能有限。它可能會繼續由人類創建和修訂。人工智能的具體作用可能僅限于監測武裝部隊的進程與他們的條令是否一致，以確定過去的工作，并支持對條令的質量和影響進行評估。為了有效地告知負責定義條令的軍事人員，這可能需要透明和可解釋的人工智能方法，否則軍事人員將無法理解并做出適當的決定。

然而，條令在設定人工智能的使用和人類互動的基本原則、價值和參數方面具有重要作用。值得注意的是，軍事條令是界定武裝部隊如何感知、理解和重視人工智能的適當手段。由于人工智能的高度自主性，武裝部隊可能需要明確人工智能是否被視為一種技術工具，或者說是一種代理手段。在這個意義上，條令可以定義武裝部隊是否將人工智能視為簡單的數學、技術系統，或者說是具有認知能力的工具。條令可以定義人類在組織中的價值、地位和作用，以及使用人工智能的過程。由于軍事行動和戰爭是人類為達到目而發起的行動，條令可以明確這意味著什么。在這種情況下，條令也可以定義人類與人工智能系統互動的價值和原則，包括人工智能需要為人類服務而不是相反。

同樣，條令也是定義人工智能系統的開發、獲取和使用的道德標準工具。由于軍事條令是根據國際法起草的，并且通常呼吁武裝部隊成員尊重國際法，因此條令也可以定義人工智能系統和運營商遵守國際法的方式。條令是對人工智能和人機協作施加限制的重要工具，適用于各軍種和武裝部隊的所有成員。這可能意味著對人工智能系統進行有意義的人類控制的一般要求，或禁止將某些功能授權給人工智能系統。

更具體地說，條令可以為人工智能融入組織流程設定原則和參數。例如，從事數據整合、優先排序的人工智能系統可能需要修訂軍事條令和武裝部隊使用和收集信息的準則。雖然僅限于觀測的任務系統需要有限的條令調整，但有更多 "積極 "任務的系統可能需要更具體的指導方針，如保障措施、自主程度、與操作者的溝通以及與人類部隊的互動。此外，有人認為，戰術應用主要是基于規則的決策，而戰役和戰略決策往往是基于價值的。每個級別的首選決策過程類型以及這種過程是否應該標準化，可以在條令層面上確定。

迄今為止，各國還沒有公布專門針對人工智能系統的軍事條令。英國國防部關于無人駕駛飛機系統的聯合條令是目前唯一公開的涉及軍事系統自主性的軍事條令。 然而，未來關于人工智能或與人工智能相關的軍事條令可能會根據人工智能的道德使用政策來制定。 事實上，這種政策定義了相關的價值觀、原則和使用軍事人工智能的形式，并為其提供指導，其目的與軍事條令類似。一些國家和組織最近通過了這種關于軍事人工智能道德使用的政策，包括北約。

美國國防部為人工智能的發展和使用采用了五項道德原則。系統需要負責任、公平、可追蹤、可靠和可治理。這些原則規定，美國防部人員負責人工智能系統的 "開發、部署和使用"，因此必須表現出良好的（人類）判斷能力。此外，美國防部明確確定，必須努力將人工智能運作的數據偏見降到最低。 此外，美國國防部2012年3000.09指令確定了美國對致命性自主武器系統（LAWS）的立場。它定義了致命性自主武器系統，確定了三類智能武器系統（自主、半自主和人類監督的自主系統），并為其行動設定了一般界限，以及有關人類操作員的作用和法律審查的標準。

同樣，歐盟議會也通過了一份題為《人工智能：國際法的解釋和應用問題》（人工智能的民事和軍事使用準則），其中特別討論了人工智能的軍事應用。 該報告包含了關于歐盟成員國開發和使用軍事人工智能應用的強制性準則以及一般性結論。首先，報告解釋說，人工智能不能取代人類決策或人類責任。 第二，為了合法，致命性自主武器系統必須受到有意義的人類控制，要求人類必須能夠干預或阻止所有人工智能系統的行動，以遵守國際人道主義法（IHL）。第三，人工智能技術及其使用必須始終遵守國際人道主義法、國際刑事法院羅馬規約、歐盟條約、歐盟委員會關于人工智能的白皮書，以及包括透明度、預防、區分、非歧視、問責制和可預測性等原則。

2021年4月，法國道德委員會公布了一份關于將致命性自主武器和半自動武器納入武裝部隊的意見。盡管其內容尚未得到國防部長的批準，但它代表了未來潛在的軍事條令。該文件重申了人類對自主武器的致命行動保持一定程度控制的重要性，并聲稱法國不會開發也不會使用完全自主的武器。同樣，澳大利亞發表了一份題為《國防中的道德人工智能方法》的報告，其中討論了與軍事人工智能應用有關的道德和法律考慮，但并不代表官方立場。

總之，除了評估和修訂之外，人工智能不太可能對創建軍事條令有實質性的作用，因為條令的作用是定義和規范軍事組織問題以及與信仰、價值觀和身份密切相關軍事行動的各個方面。然而，正是由于這種功能，條令在確定武裝部隊與人工智能的基本關系方面具有重要作用。特別是，條令適合于籠統地規定人工智能將（不）用于哪些任務，人工智能將（不）如何使用，以及組織及其成員如何看待和重視人工智能。最重要的是，鑒于人工智能的特點，條令可以確定人類如何并應該與人工智能互動，以及何種組織文化應該指導這種關系。因此，條令可以為進一步的軍事指令和程序設定規范性框架。各國的道德準則可以作為軍事條令的基礎并被納入其中。

3.規劃和人工智能

根據各自的軍事條令制定的作戰和行動計劃，是根據現有手段實現軍事目標的概念和指示。規劃反映了指揮官的意圖，通常包括不同的行動方案（COA）。存在各種軍事計劃和決策模式，但北約的綜合作戰計劃指令（COPD）對西方各種模式進行了很好的概述和綜合。 例如，加拿大武裝部隊遵循六個步驟，即啟動、定位、概念開發、決策計劃制定和計劃審查。一般來說，規劃包括 "規劃和安排完成特定COA所需的詳細任務；將任務分配給不同的部隊；分配合適的地點和路線；刺激友軍和敵軍的戰斗損失（減員）；以及重新預測敵方的行動或反應。

雖然規劃需要考慮到人工智能系統在軍事行動中的使用，但人工智能最有可能被用于規劃本身。用于軍事規劃或與之相關的人工智能應用是ISR系統、規劃工具、地圖生成機器人，以及威脅評估和威脅預測工具。 與規劃有關的進一步人工智能應用可能包括大數據驅動的建模和兵棋推演。例如，美國陸軍為其軍事決策過程（MDMP）開發了一個程序，該程序采用 "高層次的COA"（即目標、行動和順序的草案），并根據這個總體草案構建一個詳細的COA，然后測試其可行性。這表明，人工智能可以發揮各種功能，從COA提議到解構和測試。

人工智能應用可能會對計劃產生強烈影響。規劃軍事行動是一個緩慢而繁重的過程，它依賴于對 "結果、損耗、物資消耗和敵人反應 "的估計。它涉及到對特定情況的理解、時空分析和后勤問題。然而，有限時間和勞動力限制了可以探索的選項數量。此外，預測可以說是"作戰指揮官最棘手的任務之一"。只要能提供足夠數量和質量的數據，人工智能在預測的質量和速度上都可能會有出色的表現。數據分析能夠進一步處理比人類計算更多的信息，最終減少"戰爭迷霧"。由于人工智能程序可以將行動分解為具體的任務，然后相應地分配資源，預測敵人的行動，并估計風險，因此人工智能的使用將提高決策的總體速度和準確性。增加可考慮的COA數量將進一步使規劃過程得到質量上的改善。

然而，使用人工智能進行規劃也有潛在的弊端。由人工智能驅動的更快規劃所帶來的戰爭速度提高，可以說會減少決策者的（再）行動時間，這可能會損害決策的質量。還有人質疑，人工智能驅動的規劃是否會"導致過度關注指揮分析方面，通過書本和數字削弱了軍事指揮決策的直覺、適應性和藝術性"。指揮官和其他軍事人員也可能變得過渡依賴技術，使他們變得脆弱。剩下的一個挑戰是產生足夠的相關數據，讓人工智能規劃系統正常工作并產生有意義的結果。

人工智能系統將執行規劃任務以及協助軍事人員，但它們可能不會根據這些計劃做出適當決策。事實上，有人認為，人工智能系統難以完成與指揮有關的任務，如設定目標、優先事項、規則和約束。因此，人類的判斷對于這些任務仍然是必要的。人工智能寧愿執行控制任務，并最終彌補軍事人員的認知偏差。然而，隨著新版本的C2（部分）納入人工智能，觀察家們質疑是否清楚誰將擁有跨領域的決策權，人類在這種架構中會和應該發揮什么作用，以及技術是否準備好進行大規模開發。

當強大的人工智能系統被用于軍事規劃時，規劃和決策之間的區別可能會變得模糊不清。與人類因軍事行動的高速發展而無法正確跟蹤事件進程的風險類似，將規劃任務更多地委托給人工智能可能意味著指揮官和規劃者不再能夠理解或追溯系統如何得出結論。同樣，指揮官可能會因審查眾多擬議計劃或COA的任務而被壓垮。人工智能生成的方案也可能意味著更高的復雜程度。因此，人工智能可以被用來消化信息，只向指揮官提供最相關的內容。然而，這可能會導致對人工智能的進一步過度依賴。因此，強大的人工智能系統，或系統簇（SOS），將需要一定程度的可預測性和透明度。

總之，與人工智能的其他軍事應用相比，至少在中短期內，人工智能可能會對規劃產生最重大的影響。由于規劃是極度時間和資源密集型的，人工智能系統可以導致速度、精度和質量的提高。這可能會對軍事行動和戰爭產生重大影響，因為有人認為，軍事競賽的贏家是那些在觀察、定位、決策和行動（OODA環）中工作最快的人。一個進一步的影響是，規劃的自動化導致了軍事決策的（進一步）合理化，包括人員傷亡的合理化。另一個后果是對人力的需求減少。然而，規劃方面的人力需求減少并不意味著基于軍事規劃決策的人力判斷需求減少，特別是在價值觀和直覺仍然是規劃的核心內容情況下。

4. 交戰規則與人工智能

交戰規則(ROE)用于描述軍事力量部署的情況和限制。交戰規則可采取多種形式，包括執行命令、部署命令、作戰計劃和長期指令。無論其形式如何，它們都對 "使用武力、部隊的位置和態勢以及使用某些特定能力 "等進行授權或限制。交戰規則有共同的要素，如其功能和在作戰計劃中的地位，以及其他基本組成部分。交戰規則通常是 "軍事和政治政策要求的組合，必須受到現有的國際和國內法律參數約束"。因此，其要素和組成部分反映了軍事行動、法律和政治要素。通用的交戰規則和模板文件，如北約的MC362/1和Sanremo交戰規則手冊，可以作為交戰規則起草者的基礎或靈感，而這些起草者通常是軍事法律顧問。雖然交戰規則一般不會分發給所有低級軍官，但士兵們經常會收到含有簡化的、基本版本的交戰規則記憶卡。

交戰規則是與軍事力量部署和武力使用有關的更大監管框架的一部分。因此，它們與其他類型的軍事指令相互作用，特別是目標選擇和戰術指令。目標定位指令提供了關于目標定位的具體指示，包括對目標的限制和盡量減少附帶損害。戰術指令是 "針對整個部隊或特定類型的單位或武器系統的命令，規定在整個行動中執行特定類型的任務或在行動中限制使用特定的武器系統。雖然交戰規則不是必不可少的，但它們可以為部隊及其成員提供更具體和細微的指示。

交戰規則是確定如何使用人工智能以及在哪些條件下可以在特定情況下應用的適當工具。交戰規則——或相關的行為規則——可以為人工智能的各種軍事應用設定參數，從而將特定的政治、軍事、法律和道德考慮以及來自更高組織或規范梯隊的限制，如條令或國際法律義務，轉化為具體指令。因此，ROE可以代表一個行動框架，被編入AI系統。例如，ROE可以確定一個地理區域或某個潛在任務的清單，系統被授權采取行動。在這些限制之外，他們將不會對處理過的信息采取行動。時間或其他限制，如預先設定的允許（不）與特定目標交戰，也可以由ROE定義。同樣，ROE可以預見一個系統需要標記的意外事件或問題。在這種情況下，有些人提出，人工智能可能會根據環境或其編程的任務來選擇應用哪種ROE。

ROE也可以定義人類和人工智能系統在特定任務中的互動。特別是，ROE可以確定指揮官或操作員在部署期間需要如何監測和控制該系統。由于對人類控制的需求可能會根據歸屬于人工智能系統的具體任務以及各自的背景和行動而有所不同，人工智能的ROE可以定義某些類型的行動或階段的自主性水平。ROE可以進一步處理或參考其他來源，如手冊和指令，關于如何實施各種形式的人類控制，如直接、共享或監督控制。重要的是，ROE可以限制指揮官或操作人員的權力，這可能迫使他們在指揮系統中參考上級。這可能是軍事行動中關于人機協作的ROE的一個重要作用，特別是在面對未曾預料到的情況或問題時，系統或其使用沒有事先得到授權。

當人工智能被用于傷害人和物或與之有關時，如在定位目標的情況下，ROE尤其相關。特別是當考慮到人工智能不能將道德或背景評估納入其決策過程時，在做出使用致命武力的決策時，人類的控制和判斷應該是有意義的。如上所述，大多數公開的政策在原則上確立了這種監督，但很少明確其確切含義。交戰規則和指令可以填補這一空白。為此，可以為人工智能系統的操作者制定與目標定位有關的行為準則，或為此類系統制定ROE模式。

事實上，雖然到今天為止還沒有能夠在沒有人類授權的情況下攻擊人類目標的自主武器，但在目標定位方面，更加自主的系統將是一個大的趨勢。與目標定位有關的現有軍事應用是目標識別軟件，如可以檢測衣服下爆炸物的Super aEgis II，以及用于目標交戰的系統。美國人工智能制導的遠程反艦導彈（LRASM）被宣傳為能夠自主地選擇和攻擊目標，甚至在GPS和通信受阻的環境中，如深水和潛在的外太空。另一個值得注意的事態發展是，據報道，2020年3月在利比亞部署了一架土耳其Kargu-2無人機，據稱該無人機在沒有人類操作員授權的情況下跟蹤和攻擊人類目標。它的使用可能代表了一個重要的先例，即在人類控制非常有限的情況下使用人工智能系統進行目標定位。

由于需要對ROE進行管理，人工智能可以協助主管當局協調、實施并最終確定ROE。軍事、政治、法律和道德目標和參數需要由軍事人員提供--至少在初始階段。正如北約的MC362/1號文件和《圣雷莫ROE手冊》所說明的那樣，ROE的后續管理是一個系統的、反復的過程，包括將具體的權力賦予不同級別的指揮部，以及監測ROE的實施和遵守情況。隨著時間的推移，人工智能系統可能會學會緩解ROE內部和之間的摩擦，以及為其適應性提升效率。例如，盡管國際法的實質內容可能本質上需要基于價值的判斷，而這種判斷不應委托給人工智能系統，但界定哪些規則需要在哪些情況下適用并不是一個過于復雜的理性過程。為了避免改變現有法律框架的實質內容，這種功能要求任何用于管理ROE的AI應用不能侵犯歸屬的權力。

總之，ROE可以成為一個有用的工具，以具體和實用的方式指導軍事AI的使用。因此，它可以補充和執行上級的政策、法規和準則，從而使軍事、政治、法律和道德目標和原則轉化為具體行動。ROE的指導對于人機協作，以及定義和具體化與人工智能系統有關的人類控制和判斷，在目標定位方面尤其重要。人工智能的應用可以進一步提高ROE管理的質量和效率。雖然這可能有助于協助軍事人員，類似于人工智能應用于軍事規劃，但軍事人員需要對ROE的實質進行有效監督，即誰或什么系統在什么情況下可以使用武力。然而，如果人工智能能夠實現更廣泛的、更細微的、更快速的交替性ROE，確保這種監督可能會變得具有挑戰性。

5. 作戰命令與人工智能

規劃和實施軍事行動的最具體的工具是命令。例如，北約和美國陸軍將命令定義為 "以書面、口頭或信號的方式傳達上級對下級的指示"。雖然有不同類型的命令，但它們一般都很簡短和具體。命令可以是口頭的，也可以是圖形的，還可以是疊加的。它們必須遵守法律以及上級的軍事文件和文書。另一個經常使用的術語是指令，它被定義為 "指揮官下達的命令，即指揮官為實現某一特定行動而表達的意愿。

從軍事參謀人員到人工智能系統的指令將采取系統初始開發的形式，有關任務目標和限制的參數編程，以及操作人員在操作期間的輸入。人類和人工智能系統之間的這些互動形式可能會履行傳統上歸屬于命令的功能。雖然人工智能系統的開發和操作，特別是機器學習，有其特殊的挑戰，但測試表明，機器并不存在不服從命令的內在風險。由于在操作過程中人的輸入等于人對系統的控制，如果一個系統能夠根據適當的學習自主地調整其行為，這一點就特別重要，現在正在開發防止系統在沒有人類輸入下采取行動的保障措施。例如，美國國防部3000.09指令規定，致命性武器系統的編程方式必須防止其在未經人類事先批準的情況下選擇和攻擊目標，特別是在失去通信的情況下。

人工智能和操作人員之間具體的互動形式仍在繼續開發。美國陸軍實驗室設計了一種軟件，使機器人能夠理解口頭指示，執行任務，并進行匯報。會說話的人工智能現在也被開發出來，以實現操作員和系統之間的口頭對話。這種互動使系統能夠要求其操作者進行澄清，并在任務完成后提供更新，以便士兵在工作中獲得最新的信息。諸如此類的應用可能使軍事人員更容易與人工智能合作，并減少操作員對人工智能控制的學習曲線。然而，人工智能應用也可以支持指揮官下達命令和指令的任務。人工智能尤其可以用來提高通信系統的穩健性和容錯性，這顯然可以使命令的傳輸更加安全。

雖然人工智能系統可能不會被委托正式發布命令，但是類似的動態可能會出現。對于人工智能系統之間的互動，命令是沒有必要的，因為系統只是作為數字應用網絡的一部分交換信息。關于對軍事人員的命令，武裝部隊似乎不可能接受人工智能系統向其成員發出指令。然而，由于人工智能系統可能會以越來越高的速度和復雜性提出行動建議，作為人類決策的輸入，軍事人員可能不會質疑這些建議，沒有時間批判性地評估它們，或者根本無法理解系統如何得出結論。如果他們還是以這些建議為基礎采取行動，這種對系統輸入的過度依賴可能意味著系統事實上向人類發布命令。還有可能的是，通過信息技術接收指令的較低層次的操作員和士兵可能無法知道某個命令是由人類還是人工智能系統創造的。為了排除這種結果，軍事條令和指令需要建立與命令有關程序的透明度。

總之，在軍事行動中，正式的命令很可能與控制人工智能無關。然而，命令和指令的傳統概念可以幫助分析、分類和發展人工智能系統和人類操作員之間的未來互動。在這種情況下，卡爾-馮-克勞塞維茨提出的管理方法和任務型戰術（Auftragstaktik）之間的傳統區別表明，人類對人工智能系統的投入，即人工智能系統的開發、編程和操作控制，可以根據對執行任務細節的程度來進行分類。鑒于人工智能的特質，我們有理由認為，當人工智能系統被賦予高水平的自主權，類似于任務型戰術時，將對武裝部隊最有價值。同時，人類在行動中的投入將是非常精確的，起到管理作用。然而，最重要的是，這又回到了上文討論的可以授予 AI 系統多少自主權的根本問題。

結論

人工智能有可能影響所有領域和大規模的軍事行動。轉變的程度主要取決于未來的技術發展。然而，這也取決于武裝部隊將賦予人工智能的作用和功能。從這兩個因素中可以看出，人工智能與準備和開展軍事行動的主要工具之間存在著動態的相互關系。一方面，人工智能的引入將影響到這些工具以及軍事行動的準備和實施。另一方面，這些工具在監管和使用人工智能方面發揮著重要作用。這種相互關系是動態的，因為它很可能隨著技術的發展、部隊對人工智能系統的經驗、組織文化和社會價值觀的變化而變化。

上述內容討論了人工智能與準備和執行軍事行動的主要工具之間的相互關系，而其中核心潛在的問題是人類操作員與人工智能系統之間的相互作用。在戰略方面，國家的官方文件證明，獲得和運用人工智能具有戰略意義。人工智能將可能支持軍事戰略，特別是預測和規劃。戰略中的人為因素可能仍然至關重要，因為戰略依賴于本能和價值觀，但軍事人員有可能過度依賴人工智能。對于軍事條令，人工智能的作用可能僅限于評估和協助修訂條令。條令在決定武裝部隊的目的、價值觀和組織文化方面的功能表明，它將在確定武裝部隊如何看待人工智能系統并與之互動方面發揮重要作用。

人工智能將極大地幫助軍事規劃，特別是基于人工智能高速和精確地處理復雜和大量數據的能力。因此，即使人工智能系統不會被委托做出決策，軍事規劃人員和指揮官也有可能過度依賴他們的分析和建議，尤其是在時間壓力下。因此，人工智能支持決策和人工智能作出適當決策之間的界限可能會變得模糊不清。關于ROE，盡管人工智能可以支持ROE的管理，但后者主要是一個適當的工具，以具體的方式為具體的任務劃定人工智能的使用。這尤其適用于人機合作和人對人工智能應用的控制。在軍事命令方面，人工智能系統可能會大大協助指揮和控制，但不會被委托發布命令。然而，在實踐中，可能很難區分由算法發布的命令和由指揮官發布的命令。這可能會導致人工智能支持和人工智能決策之間的混淆，類似于規劃的情況。

因此，如果人類操作員和人工智能系統之間的交互，是人工智能與準備和執行軍事行動的主要工具之間動態相互關系的核心潛在問題，那么無論是技術發展還是工具適應性都需要特別注意適當的人類與人工智能的交互。可以預計，技術進步將主要塑造未來的人機協作模式。軍隊結構、標準和流程可能會跟隨技術發展而相應調整。然而，關鍵是要積極主動地界定基本原則、價值觀和標準，而不是簡單地適應技術發展，成為路徑依賴或面臨意想不到后果。

畢竟，關注適當的人與人工智能互動不僅是道德和法律的必要條件，也是通過引入人工智能有效提高軍事行動的必要條件。因此，對人工智能和軍事行動的進一步思考和研究，以及對人工智能和戰略、條令、規劃、ROE和命令的進一步思考和研究，應該側重于人機互動，因為這仍然是人工智能戰爭最緊迫的挑戰。這可能有助于在人工智能影響工具和這些工具管理軍事人工智能之間找到并確定一個適當的平衡。

本文介紹了詳細而全面的技術文獻結論，旨在確定戰術自主性的當前和未來的研究挑戰。本文非常詳細地討論了當前最先進的強大人工智能（AI）、機器學習（ML）和機器人技術，以及它們在未來軍事和國防應用背景下開發安全和強大自主系統的潛力。此外，我們還討論了在試圖為先進的軍事和國防應用實際建立完全自主系統時出現的一些技術和操作上的關鍵挑戰。我們的論文提供了最先進的可用于戰術自主的先進人工智能方法。據我們所知，這是第一篇論述戰術自主性當前重要趨勢、戰略、關鍵挑戰、戰術復雜性和未來研究方向的作品。我們相信，這項工作將使從事機器人和自主系統領域的學術界和工業界的研究人員和科學家產生極大興趣。我們希望這項工作能鼓勵人工智能多個學科的研究人員去探索更廣泛的戰術自主領域。我們也希望我們的工作能成為設計先進的人工智能和ML模型的重要步驟，對現實世界的軍事和國防環境有實際意義。

關鍵詞：戰術自主性；自主系統；人工智能；軍隊；國防應用；航天；機器倫理；網絡安全；可信賴性；可解釋性

資助

這項工作得到了霍華德大學國防部（DoD）人工智能和機器學習卓越中心（CoE-AIML）的支持，與美國陸軍研究實驗室簽訂了W911NF-20-2-0277合同。

1. 引言

新興技術，如機器人技術和自主系統，正在為潛在的社會革命提供機會[1]。先進的自主系統正在為多個科學領域的科學突破和顛覆性技術創新鋪平道路[2]。自主系統是一個智能系統網絡，能夠獨立完成復雜的任務，在沒有人類明確干預的情況下做出智能決策，以及其他操作管理和控制系統[3,4]。現代自主系統的最新發展對各種潛在的軍事和國防應用越來越關鍵，包括空中監視系統、隱私、網絡安全、導彈防御、航空航天工業等。

背景和動機。來自民用、國防和軍事界的研究科學家們正在通過復雜的工作來確定為工業和現實世界應用實施先進的人工智能和自主系統的最佳方式。利用AI、ML和其他相關的先進技術領域來實現自主系統，是現代自主系統的一個改變戰術的戰略。

現代尖端的人工智能和ML技術已經越來越多地被用于軍事和國防領域的各種成功應用，包括網絡安全[5]、海上安全[6,7]、關鍵基礎設施保護[8,9]，以及其他具有重大社會和技術意義的領域。先進的人工智能系統的潛力可以被用來對軍事和國防技術產生積極的影響。人工智能可以在軍事環境中用來評估收集的數據，并提供作戰計劃和戰略支持，加速決策過程。除此之外，人工智能系統可以被設計和部署在戰略、政治、作戰和戰術層面的戰爭中使用。

在政治和戰略層面上，人工智能系統可以用來動態地破壞隱藏的敵人，并實時防御各種形式的對手攻擊。然而，在戰術層面，人工智能可以為無人系統提供更快、更好的態勢感知，以減少其對攻擊的脆弱性。它還可以通過識別可疑的模式和潛在的危險活動有效地自動檢測威脅。然而，盡管在過去的幾十年里，自主性在廣泛的領域內取得了進展，但一些技術和實際的挑戰仍然大大限制了現代自主系統的部署和廣泛采用。第4節、第5節和第6節將討論一些需要解決的關鍵挑戰。因此，必須在人類最低限度的監督或參與下開發現代戰術自主系統，以大幅提高最先進的水平，減少認知工作負荷，增加功能，改善和保持多領域的態勢感知，提高整體機動性和流動性，有效實現部隊保護，支持主動的網絡防御等。

在對自主性越來越感興趣和普及的激勵下，本文對戰術自主性的基本概念和原則進行了全面的技術調查，重點是以前研究工作中沒有充分解決的前沿人工智能和ML方法。據我們所知，這是第一篇論述當前重要趨勢、戰略、基本挑戰、戰術復雜性和未來戰術自主性研究方向的作品。

貢獻。我們論文的主要貢獻總結如下：

• 我們介紹了戰術自主的基本概念和它在廣泛的應用中的潛力。

• 我們掌握了在軍事和國防背景下對戰術自主性概念的理解。

• 據我們所知，我們是第一個提供關于戰術自主性的重要當前趨勢、戰略、基本挑戰、戰術復雜性和未來研究方向的。

• 我們提出的工作可以作為設計先進和創新的人工智能和ML模型的一個重要步驟，對現實世界的軍事和國防應用具有實際意義。

• 我們提出了戰術自主性的基本和長期的挑戰。

提綱。本文的其余部分組織如下。第2節提供了簡要的歷史，主要的里程碑，倫理方面，以及戰術自主性的級別。第3節介紹了可用于推進戰術自主能力的不同人工智能技術。第4節描述了對可信人工智能和任務自主性的需求。第5節簡要介紹了平臺之間的廣泛合作和相關的技術挑戰。第6節介紹了最先進的人機協作方法以及與當前方法相關的挑戰。第7節簡要介紹了戰術自主性的網絡安全及其基本挑戰。第8節詳細討論了戰術自主系統的風險和內在挑戰的概述。最后，在第9節中，我們總結了本文并討論了潛在的未來工作。縮略語部分列出了本文中使用的縮略語。

2. 背景

關于自主系統的文獻已經在許多研究工作中得到了廣泛的研究。自主性的概念有不同的內涵，而且在過去幾年里有了很大的發展。例如，[10]中的自主性概念是關于委托的任務。在[10]中詳細解釋了委托的各個方面和層面。一般來說，智能系統背景下的自主性側重于開發智能決策系統，這些系統可以在復雜的戰術環境中自主地進行物理操作，并具有一定程度的自我管理[11]。在本節中，我們只提供明確與歷史、倫理方面、自主的屬性、監管和戰術自主性級別有關的工作背景。

2.1. 戰術自主權的簡要歷史和主要里程碑

根據美空軍研究實驗室（AFRL）的說法，戰術自主性是一個與現代自主系統相關的術語，該系統在人類的授權和約束下行動，以支持與長期戰略愿景相關的戰術、短期行動。近年來，在廣泛的應用中出現了相當多的關于戰術自主性的跨學科研究。軍方長期以來一直對推進機器人技術和自主行動的能力感興趣。美空軍部（DAF）和國防部（DoD）正在推動開展以戰術自主性為重點的創新自主性研究，這將有助于將研究轉化為實際應用。此外，美國AFRL正在大力優先考慮正在進行的數字化改造戰術自主性的研究工作，特別是在軍事領域，以更好地使作戰人員對抗美國對手。圖1描述了戰術自主性的簡要歷史和重要的里程碑。

圖 1. 戰術自主的性簡史和里程碑。

戰術決策。決策系統采用先進的模型，對復雜環境進行預測。由于這些模型中有許多是數據驅動的，自主系統應該能夠獲得更多關于它們所處的復雜環境的數據，并相應地實時調整它們的基本行為。對智能自主系統在嘈雜、動態和現實環境中的強大和有效的戰術決策的需求正在迅速上升。然而，最關鍵的挑戰之一是為自主系統設計戰術決策模型和支持框架。例如，與其他道路使用者的復雜和動態互動，環境的復雜多樣性，以及傳感器信息的不確定性，使得自主駕駛的戰術決策變得非常困難[12]。

一個結合了規劃和深度強化學習（DRL）的通用框架，可用于自主駕駛系統的戰術決策智能體，在[12]中被詳細描述。該框架的性能在兩個概念上不同的高速公路駕駛場景中進行了評估[12]。戰術決策算法被設計用來處理不可預見的環境狀況和不可預測的對抗性攻擊。戰術決策系統的過程可以被建模為概率的（即包括不確定因素時）或完全確定的（即不包括不確定因素時）。不確定性中的計劃和決策在機器人和自主系統中是至關重要的。因此，在設計自動決策模型和算法時，必須考慮到各種不確定性的來源[13]。部分可觀察的馬爾可夫決策過程（POMDP）是一個通用的數學框架，用于模擬不確定性下的決策任務[13]。然而，在以前的工作中，沒有充分解決設計能夠制定不確定性意識的戰術決策任務的有效方法，如POMDP，以及解決其計算復雜性。因此，正如第3節所解釋的，需要基于先進的人工智能/ML方法的不同策略來加強復雜和現實環境中的戰術決策任務的進程。

2.2. 自主性的倫理問題

自主性的倫理問題對人工智能研究者來說是復雜的挑戰。現代基于人工智能的系統的開發和應用在學術界和工業界都在激增。因此，在決策過程的速度和效率大幅提高的激勵下，我們日常生活的各個方面的決策正在完全委托給人工智能/ML驅動的算法。然而，關于自主權與倫理的關系、社會影響、法規、自主權治理、倫理影響以及這種自主技術和活動的能力等許多重要問題在以往的研究中沒有得到充分的解決。因此，探索基于人工智能的完全自主技術的安全和倫理層面，使我們能夠認識到先進機器自主性的當前和未來潛在發展的倫理影響。此外，對機器智能的倫理學進行準確有效的調查，可以促進發現現有倫理學理論的潛在問題，以及它們在現實世界環境中的一般作用。關于機器倫理學的意義、倫理學理論的研究以及自主智能機器的倫理學影響的詳細討論見于[14]。關于[14]的研究工作還表明，現代算法可以被設計成模仿人類的倫理決策。

機器倫理學。隨著人工智能驅動的決策在廣泛的領域中變得越來越普遍，關于其適用性[15]、倫理層面以及在決策算法設計中對基本方面的考慮等新的重大問題也出現了[16]。機器倫理學的最終目的是有效地研究如何設計智能機器來進行道德和倫理上的推理。它關注的是智能機器對人類和其他自主機器的行為。機器倫理學的主要目標是開發一種智能機器，在可接受的道德層面的指導下，對潛在的行動方案做出決定。區分隱性倫理機器和顯性倫理機器很重要[17]。隱性倫理機器意味著約束智能機器的行動以避免不道德的結果。實現這一目標的一個實用技術是通過開發軟件系統的內部功能和特性來隱性支持和促進道德行為[14]。另一方面，顯式倫理機器可以通過使用倫理原則的顯式表示來解釋倫理信息[14,18]。明確的倫理機器可以處理新的情況，并合理地做出明確的倫理判斷[14,18]。

ML研究界已經開始探索將現代ML能力應用于機器倫理。之前已經介紹了各種用于倫理推理的ML方法。例如，[19]中的工作探討了一個神經網絡模型，該模型對特定的道德判斷和基于案例的道德推理進行分類。在[20]的工作中簡要介紹了一種基于案例的推理方法，以開發能夠指導對道德問題和困境進行推理的系統。[20]中提出的一個主要問題是，機器如何協助或潛在地取代人類在道德推理中的位置。

[21]中提出了一種不同的計算倫理學方法，它采用了一種基于行動的倫理學理論方法。作者為一個具有多種計算職責的倫理理論開發了一個高效的決策程序[21]。除了ML能力之外，還有其他方法來解決這個問題，比如說，使用義務邏輯(deontic logic)(哲學邏輯領域關注義務、許可和相關概念)。例如，[22]中的作者描述了如何使用行為邏輯將一套特定的倫理原則納入自主系統的決策過程。另一方面，[23]中的工作評估了應用行為邏輯方法來實現伊曼紐爾-康德關于絕對命令和道德義務的基本原則的可行性。作為伊曼紐爾-康德關于機器倫理學的一般方法，存在一個決策程序，用于生成絕對命令，并從中得出行動規則。根據[23]中提出的方法的結果，道德范疇被表述為禁止的、允許的或強制的行動。

2.3. 自主性的屬性

文獻表明，在分布式人工智能的背景下，有多種方法來定義自主性和自主系統的概念。自主性可以被定義為智能體在沒有直接外部干預的情況下獨立行動的能力，并在最小的人類監督下做出決定。自主系統概念的定義在其自主性屬性方面也有不同。其外部和內部狀態決定了自主性的屬性。當一個系統的行為是非決定性的，可以被認為是自主的。非決定性的系統即使在相同的環境輸入的情況下也可能表現出不同的行為，甚至可能完全失敗。另一方面，如果考慮到系統的內部狀態，一個自主系統也可能是確定性的。一個確定性的系統是一個系統，它的模型從一個給定的環境初始狀態或情況下持續產生相同的結果。在這種情況下，主動性、互動性和涌現是最能描述自主性及其相關基本特征的三個屬性[24,25,26]。自主性的屬性摘要見表1。

表1. 自主性屬性總結。

主動性。智能自主系統必須安全地適應動態和不可預測的環境中的意外情況，以便在各種領域中使用[27]。當自主系統在沒有明確的外部事件的情況下激活目標或啟動行動時，這種自主性的屬性被稱為主動性[24,25,26]。

交互性。這一屬性指的是智能體與環境的交互。自主系統可以動態地與復雜和不可預測的環境互動并作出反應。此外，智能自主系統還能適應動態環境的變化。這一特性在實時應用中非常重要[24,25,26]。

緊急性。復雜的多智能體系統是由多個相互作用的子系統組成的。智能體的交互和主動性產生了新出現的自主屬性，這些屬性事先沒有明確的模型。在大規模多智能體系統的背景下，緊急性的特點是隨著時間的推移，與環境的非線性相互作用引起的意外系統行為。這種特性影響著系統的可靠性和可預測性，它被用作評估自主軟件系統的標準[24,25,26,28]。

2.4. 監管和自主性級別

受監管的自主性。隨著目前人工智能研究的進展和現代自主系統的影響越來越普遍，建立政策、法規和準則以確保人工智能驅動的智能系統保持可信、道德和以人為本是非常重要的。例如，歐盟的一般數據保護條例（GDPR）[29,30]和美國的公平信用報告法（FCRA）[31]所采用的隱私條例對如何處理個人互聯網數據給出了指示，并授予個人訪問其個人信息的權利，以及獲得有關智能自動系統所做決定的合理解釋。采用這樣的一套法規，使我們能夠評估圍繞人工智能驅動的自主系統及其運作方式的法律和倫理問題。

自主性的級別。根據以前的研究工作，自主性的級別被分為強監管、操作性自主、戰術性自主和戰略性自主。自主級別與基礎動態環境屬性的映射在[26]中有所描述。環境的屬性包括可觀察的、決定性的、偶發的、靜態的和智能體。一個可觀察的環境在任何時候都能完全或部分地接觸到系統的所有必要狀態。一個確定的環境是指基礎環境的下一個狀態完全由當前狀態和智能體選擇的行動決定[32]。在偶發環境中，智能體的經驗被分為多個獨立的偶發事件。環境中的每一個情節都由智能體的感知和然后的行動組成。換句話說，偶發環境是指之前的行動不影響下一次的觀察[32]。然而，如果隨后的行動取決于先前的行動，則環境被稱為順序性的。如果一個環境不隨時間的推移而變化，則被稱為靜態環境。如果一個環境在其上運行時發生變化，則被稱為動態環境。單一智能體系統意味著只有一個智能體在一個特定的環境中行動和互動。然而，如果多個相互作用的智能體與他們的環境相互作用，則被稱為多智能體系統。

強監管表示沒有自主能力的系統。這種監管在復雜程度有限的環境中是有效的。操作性自主表示決策的操作層面。實現操作自主性的智能軟件系統在部分可觀察、確定性、偶發性和靜態的環境中實際上是有效的[26]。戰術自主性在自主系統的戰術決策方面擴展了操作自主性。

3. 用于戰術自主能力的人工智能技術

自主性是學術界和工業部門的一個活躍的研究領域。隨著現代分布式自主系統和智能技術的普及，人工智能和ML方法已經大大推進了各種研究領域問題的最新進展。人工智能方法在大幅提高自主系統的性能和安全性方面具有關鍵作用。完全自主的和其他復雜的網絡系統被配置和編程為連續運行。這些復雜的系統不斷從周圍環境中收集復雜的信息。因此，操作和理解完全自主系統的動態和運動學，并實時處理巨大的信息流是極具挑戰性的，超出了人類的能力。這時，基于人工智能的技術及其底層的ML能力就有了壓倒性的幫助。事實證明，人工智能和ML系統在一些領域比人類更強大、更高效[33,34,35,36]。除此之外，人工智能和ML系統經常在復雜情況下指導人類理解和自主決策過程[37,38]。

先進的人工智能和自主系統技術已經改變了我們的生活，并將在未來繼續改變。這種由人工智能驅動的技術革命的空前成功，其潛力在于人工智能系統在各種新興技術中的適用性迅速增加。例如，在過去的幾十年里，人工智能技術在機器人和自主系統界創造了潛在的現實世界影響。除了人工智能的潛在好處外，人們也擔心強大的人工智能系統的長期影響[39,40,41]。最近，強大的人工智能和ML技術在戰術自主方面的進展已經徹底改變了廣泛的領域，包括自主駕駛[42,43,44]、航空和航天工業[45]、無人駕駛飛行器（UAV）導航[46]、海上防御[47,48]等。最近自主系統的大多數方法都是基于不同的人工智能技術。表2列出了用于戰術自主的最先進的人工智能技術的摘要。一些主要類別的方法詳細包括以下內容。

深度學習（DL）。這是一種有效且強大的人工智能應用算法，如計算機視覺、自然語言處理（NLP）、機器人、人工智能游戲和其他應用。自其誕生以來，深度學習（DL）方法已被證明能有效地發現和學習高維訓練數據的復雜結構[49]。由于深度神經模型在復雜環境中帶來的巨大性能，DL技術最近被用來解決一些現實世界的應用，如自動駕駛[50,51,52]、計算機視覺[53]、圖像分類[49]、視頻預測[54]等。作者在[55]中展示了深度Q網絡（DQN）代理如何學習為自主駕駛做出一個通用的戰術決策模型。DL方法也有助于根據當前和過去對周圍環境的觀察，預測復雜駕駛環境中自主車輛的行為和性能[56,57]。此外，[58]中提出了一種使用深度神經網絡估計端到端車道位置的方法。

強化學習（RL）。要實現人工智能技術的全部影響和潛力，需要智能自主系統能夠動態地學習并自動做出獨立的決定。與自主系統相關的戰術決策任務的一個根本不同的方法是利用一種不需要對輸入的訓練數據進行標記的人工智能/ML技術。完成這種任務的一個強大的ML范式是應用強化學習（RL）技術[59]。RL是一個框架，為經驗驅動的順序決策問題提供了有效的解決方案[59]。它關注的是智能人工智能代理應如何在復雜和嘈雜的環境中做出合適的決定，以使特定可執行行動的累積獎勵最大化。RL是基于自我學習的人工智能代理和其復雜環境之間的動態互動序列。通過其在人工智能代理中的自學能力，RL正在使各種科學領域取得令人興奮的進展，如自主機器人[60]、自主駕駛[61,62]、NLP[63,64]、游戲[65,66]和許多其他應用。可以利用RL技術來為自主系統創建一個通用的戰術決策代理。例如，基于神經網絡集合的貝葉斯RL技術被用于自主駕駛的有效戰術決策代理[67]。此外，最近的一些工作也將基于深度RL的技術擴展到移動機器人的自主導航任務中[68,69]。

聯邦學習（FL）。在傳統的ML和DL應用中，來自不同客戶的訓練數據通常被聚集在一個中央服務器或云平臺上，以訓練模型有效地執行一個給定的任務[70]。這是一個常見的數據隱私問題，也是經典的ML和DL方法的基本限制，主要是當訓練數據包含高度敏感和機密的信息（如國家機密和軍事相關信息、醫院等），會引起廣泛的安全和隱私以及法律和道德問題。維護智能系統的安全和隱私仍然是一個公開的挑戰。這種情況下，聯邦學習（FL）技術是有幫助的。聯邦學習是一種新興的、有前途的去中心化ML范式，它通過采用分布式計算來解決數據安全和隱私問題[71]，提供了一種解決方案。它使網絡中許多資源有限的分布式客戶端能夠協同訓練ML模型，而無需交流他們的本地數據，主要目的是保護用戶的隱私和安全[72,73,74]。通過利用跨學科的技術和科技，機器人和自主系統正變得越來越普遍。鑒于隱私保護、分散學習、并行訓練和機載處理等獨特的優勢，FL有可能成為分布式自主系統的安全和高效的人工智能框架[75]。例如，在[76]中，作者提出了一個FL框架，使自主控制器模型在一組連接和自主的車輛中進行協作學習。其他作者在[77]中證明了FL模型可以被用來從更大的設備池中檢測和識別不同類型的無人機，通過利用單個無人機傳輸的射頻信號。

表2. 用于戰術自主能力的人工智能技術綜述。

4. 可信的人工智能和任務自主性

最先進的人工智能和ML技術正被越來越多地應用于一系列需要改進操作可靠的時間關鍵型和安全關鍵型系統，如軍事、國防、航空航天、自動駕駛[78]、醫學[79]、科學[80]等。為了提高和確保其端到端的有效性和彈性操作，這些具有人工智能能力的現代自主系統必須被持續驗證、核實和監測。此外，為了使自主系統保持穩健的運行，還需要持續的系統性能評估，以識別不可預見的風險、異常情況和潛在的對抗性威脅。此外，對于超出人類控制的自主武器，也有人工智能支持的軍事關切[81]。

可解釋人工智能。最近ML技術的進步使得人們對人工智能系統的可解釋性越來越感興趣，以幫助人類更深入地了解ML算法的決策過程。在過去的幾年里，先進的人工智能系統在各種復雜的應用中廣泛部署，與此同時，道德、法律和社會對這些系統提供人類可理解的模型解釋和對其輸出的解釋的要求也在增加。作為這些要求的結果，最近有幾項關于要求對基于人工智能的自動系統所做的決定進行解釋和說明的法規的工作被引入[82,83,84]。這也導致了一個不斷增長的研究群體，他們非常關注可解釋的ML技術。如圖2所示，為用戶提供可理解的解釋和說明，可以讓他們更深入地了解系統的自動決策觀點，這是建立對底層人工智能和ML系統信任的關鍵因素[85,86,87]。因此，在關鍵系統的人工智能模型和技術中建立可解釋性和可解釋性也會對安全[88]、倫理[89,90,91]、法律[92,93,94]和可轉移性[95]產生影響。然而，人工智能和ML系統的內部運作是人類難以理解的，被認為是黑箱方法，只有輸入和輸出對用戶可見[96]。這種人工智能和ML系統的算法缺乏透明度，對現實世界的用戶需求缺乏了解，以及我們無法充分解釋這些系統如何以及為什么會達成特定的人工智能驅動的自動決策，使得它從根本上難以理解，即使是該領域的專家[96,97]。為了讓人類充分信任人工智能驅動的系統并建立信心，底層系統的解釋必須與人類的期望和認知一致。最近，越來越多的開源解釋工具和平臺產生了不同的解釋，用于探索和解釋底層的黑盒ML模型，正在被用戶訪問[98,99,100,101]。然而，盡管最近作出了努力，目前大多數最先進的解釋和解釋技術需要更加值得信賴。

圖 2. 可解釋 AI。如第 8 節所述，開發高級 ML 技術以生成可解釋的模型是我們未來工作的一個方向。除此之外，集成最先進的解釋接口以產生對底層模型的有效解釋是我們計劃在未來工作中探索的挑戰。

可信任人工智能。先進的人工智能和ML模型能夠加速復雜系統中數據驅動的自動決策過程。然而，正如前面所解釋的，盡管最近人工智能和ML系統在科學和技術領域被廣泛采用，其系統模型在很大程度上仍然是黑盒方法。對這些復雜的系統如何全面運作有一個清晰和充分的了解，對于建立信任和透明度是很有幫助的。此外，了解人工智能和ML系統的內部運作，可以讓用戶更好地了解底層模型，然后利用它將模型從不可信轉變為可信任的。當模型被用于自動決策系統時，確定人工智能和ML模型的可信度是一個基本問題。正如第6節所解釋的，人類和智能機器之間的合作使現代自主系統得到了快速發展和廣泛使用。在軍事和國家情報機構以及其他關鍵領域有效使用這種復雜的系統，取決于人類和機器之間建立的信任。因此，鑒于人工智能驅動的技術在眾多自主系統中的應用范圍迅速擴大，使這些系統可靠和值得信賴比以往任何時候都更重要[102]。建立一個安全和可信賴的人工智能生態系統對于確保人類安全和在各種應用中采用先進的人工智能技術至關重要[103]。可信的人工智能是一個技術術語，描述了人工智能的安全性、合法性、穩健性和道德原則，包括對人工智能驅動的系統的安全性[104]、隱私[105]、透明度和公平性的基本關注[106,107]。使人工智能系統值得信賴的要求和要素如圖3所示。可信的人工智能的基本概念是基于這樣一個概念：當信任建立起來時，人工智能會充分發揮其潛力。可信性賦予人工智能系統可解釋性技術，使人類更容易理解和信任無處不在的人工智能算法所產生的結果和輸出背后的特征和原因。

圖 3. 可信人工智能的要求和要素 [108]。

任務自主性。它是一個技術術語，大多用于國防和航空航天技術行業和其他下一代自主和智能系統。任務自主性是指自主系統在使用現代數據驅動的人工智能/ML技術對底層系統的了解和理解的基礎上，獨立執行各種基本的復雜任務的能力，如深空探測任務[109]。為了使先進的任務自主系統的開發和實施在戰術上有用，必須解決上述與自主和人工智能系統相關的潛在安全和風險問題。

5. 平臺之間的協作

先進的算法決策系統的激增使得不同平臺之間的協作成為可能。然而，實現和確定人類、智能機器和自主代理之間的直接協作是具有挑戰性的。一些需要解決的主要技術挑戰是互操作性、可組合性和適應性。

互操作性。在自主性方面，互操作性使不同類型的大規模自主系統能夠通過底層平臺獨立地進行通信。當設計具有強烈自主性概念的交互式自主代理系統時，互操作性問題發生在不同的層面。正如在[110]中詳細描述的那樣，互操作性層可以分為連接層、通信層、本體層和服務層。

可組合性。在軟件系統開發領域，可組合性對于創建一個強大、靈活和可互操作的系統來說是必要的，在這個系統中，不同的交互式自主組件可以無縫通信[111]。它能夠將基于組件的系統的獨立功能結合起來，以完成一個特定的、無法獨立完成的總體任務。可組合性使系統設計有能力通過重復使用現有的系統組件和適應新的變化來提高敏捷性[111]。一個可組合的架構允許幾個系統組件的組裝。這樣的方法有重要的好處，包括可重用性、靈活性和改進的模塊化。自主性、模塊化和可發現性是可組合組件的主要元素。在一個可組合的系統中，每個組件都被期望在沒有其他組件的幫助下自主獨立地執行一個給定的任務。另一方面，模塊化是指當一個可組合系統中的每個組件被設計成獨立解決一個特定任務時的系統屬性。這使得系統設計者有可能將模塊化組件組裝成一個系統。除此之外，可組合系統的框架必須可以被其他用戶發現，以便單個組件可以被重復使用。

適應性。一個交互式自主系統需要意識到它的內部狀態和它穩健運行的復雜環境。先進的自主系統有能力自主地、互動地監測和適應復雜環境中的任何意外變化。一個復雜的系統有效處理運行環境中動態功能變化的程度被稱為適應性[112,113]。一個適應性強的、穩健的、有彈性的系統能夠容忍環境中的突然變化和動態情況，而不依賴外部干預[112]。

6. 人機協作

人機協作的概念及其能力是當前人工智能研究中許多進展的核心。人機協作是一種范式，在這種范式中，人類和具有不同能力的智能機器整合并緊密合作，以完成一個需要集體行動的共同目標[114,115]。它關注的是對打算供人類使用的智能機器的深入理解和評估[116]。鑒于最近的指數增長和人工智能技術的預測能力，在智能系統和人類之間創造一個成功的協作操作環境來解決復雜的問題是至關重要的。然而，廣泛采用人工智能系統的主要挑戰之一是將人類和分布式智能系統無縫整合以實現共同目標的能力。

有效地利用人機合作，使人類能夠更深入地了解智能機器的自動決策。然而，正如第4節所解釋的，這高度依賴于人工智能自動決策系統和人類之間的信任。這是因為當人類對人工智能驅動的決策給予更多的信任時，就會產生關于信任問題的疑問。人機合作的有效性主要取決于機器的透明度以及用戶對人工智能系統的行為是否符合預期、安全、可理解的信心程度[117]。跨越多個學科、由現代人工智能技術驅動的自主系統和領域專家的廣泛合作，對于建立人工智能/ML模型的可解釋性，創建一個可信賴的人工智能生態系統，以及釋放人工智能的潛力以解決更多重大問題，是非常引人注目的。

人工智能有可能提高人類的能力，使組織決策自動化，并從根本上改變企業的運作方式[118,119]。人工智能/ML系統的可解釋性是一種潛在的人機合作方式，因為具有解釋和解釋結果能力的自動化使人類能夠更好地理解智能機器的基本行為。使用自主系統的主要好處之一是能夠比人更快地實時處理更多數據。為了確保安全和有效的關鍵任務操作，跨越不同領域的自主系統，如國防、醫療[120]、航空航天、制造、自動駕駛等，都被評估為與人類協作操作。因此，探索更好的人機協作的前沿技術，有能力提高生產力、可用性、可靠性、操作性能、通信接口、設計和操作平臺的成本，在人類和智能機器之間分享知識，并確保安全和現有系統適應新環境和新任務的能力[121,122]。在[123]中提出了一個人機合作框架，指導人工智能開發團隊創建廣泛采用的道德人工智能系統，這些系統是可用的、安全的、值得信賴的。除此之外，主要的參與者，如IBM[124]、DeepMind[125]、谷歌[126]和其他學術機構最近啟動了一項研究工作，以加強人機協作[127,128,129]。

6.1. 自組織人機協作

自主系統的重大進展正在日益提高我們日常生活的質量。鑒于過去幾年的這些技術進步，出現了不同形式的人機協作。自組織編隊是指具有不同知識和能力的人類和智能機器集體合作以實現共同目標的過程[130]。自組織人機編隊是一個具有挑戰性的場景，在這個場景中，智能體與未知的異質隊友合作，事先沒有協調的知識。一個有效的自組織團隊成員是一個善于將其他代理的能力與自己的能力進行比較評估的代理。在軍事、工業和其他自主環境中，在沒有任何先決條件的情況下與異質團隊進行有效和穩健的合作是非常重要的。沒有任何事先協調的協作是人機研究中的一個已知挑戰[131]。作為解決這個問題的一種方法，[132]中提出了一種針對自組織團隊環境的在線規劃算法，該算法是為智能體在沒有任何預先協調的情況下進行合作而設計的。

6.2. 當前人機協作方法相關的挑戰

以下是限制我們在動態操作環境中有效整合人類和智能機器的一些主要挑戰。

異質性。在人機協作中，由于人類決策任務的顯著異質性，智能機器很難預測和適應人類在動態操作環境中的行動。因此，開發可用于解決人機協作環境中異質性問題的最先進的模型和技術非常重要。

通信。人機協作的成功取決于人類和智能機器之間的有效通信。人類的通信能力有限，只能處理有限的信息量。因此，通過簡單地交換基本信息，人類和機器可以有效地溝通信息，支持人機協作。然而，這在人類和機器之間造成了信任問題。有效團隊溝通的一個關鍵組成部分是智能系統和人類之間建立的信任[133]。在人機協作中，信任被定義為用戶對智能系統結論的可靠性及其完成既定目標的能力的信心[134,135]。透明度的概念是信息交流的一個關鍵方面，因為人類和智能機器需要共享知識，對意圖、推理和決策過程、性能和未來計劃有共同的理解[136,137]。

當人類和機器作為團隊一起工作時，通信可能有助于建立信任。此外，它可以用來建立有效設計信息的準則，促進人機合作的整體性能和信任[138]。然而，機器必須首先能夠大致模仿人類處理信息的方式，才能使機器以人類能夠理解的方式交換信息。人機協作關系有三個最重要的組成部分：人、智能機器、以及人與智能機器（或替代品）之間的互動。因此，如上所述，通過開發可解釋和可信賴的人工智能來建立信任，對人機協作的成功至關重要。然而，人工智能系統日益增長的復雜性和脆弱性，以及它們學習和適應動態變化的操作環境的能力，也為在人機團隊中建立信任提出了新的挑戰。

協調。為了充分發揮異質團隊的潛力，人類和智能機器應該以高效和協調的方式進行合作。如上所述，人機協作中的通信是指人與智能機器之間的信息交流，或者說是交替進行。另一方面，協調是指組織和管理團隊成員及其相關行為以實現特定的共同目標[139,140]。根據[141]，有效的人機協調涉及三個基本要求。這些要求是共同點、可預測性和可指導性。為了準確有效地進行團隊溝通，參與者必須首先確定適當的共同點，即知識、共同信念和假設、共同目標等。共同點是指參與對話的所有參與者共同相信的信息[141]。而協調小組成員合理預測對方行動和行為的能力被稱為相互可預測性[141]。另一方面，可指導性是指當環境和優先事項突然改變時，團隊成員重新指導、幫助或影響對方行為的能力[142]。因此，根據這三個要求開發一個支持隱性協調的高級模型是很重要的。隱性協調被定義為在不使用行為通信的情況下，基于假設和意圖同步團隊成員的行動和行為的過程[143,144]。這意味著通信對于隱性協調來說不一定是強制性的。隱性協調有助于提高團隊的效率，因為它使團隊成員即使在沒有直接溝通的情況下，也能通過避免分心和有效通信來共同工作[145]。這反過來又大大減少了通信的開銷[146]。

適應性。通過調整策略和行為來有效改變行動方案以應對意外變化的復雜條件的能力被稱為適應性[113]。適應性可以分為兩類：人類輔助的適應性，以及機器輔助的適應性[147]。智能機器應該能夠識別人類隊友的知識和行為。此外，機器還應該能夠預測和應對人類的新知識和行為。然而，這需要開發現代適應性（即機器控制的適應性）和適應性（即人類控制的適應性）系統。

7. 戰術自主性的網絡安全

近年來，自主系統吸引了學術界和工業部門的大量關注。然而，自主系統在各種領域的廣泛和有效采用也帶來了需要解決的安全攻擊的顯著增加。因為網絡攻擊者的目標是大規模自主系統，如現代自主車輛（AV）、載人航天器、空間交通管理系統、船舶、移動機器人、復雜核電站的運營、飛機、智能城市的關鍵基礎設施等，以破壞系統的安全性，并對其運營造成破壞性的損害。因此，設計基于人工智能的方法是至關重要的，它可以主動應對試圖破壞和獲取自主系統及其指揮組件的潛在破壞性攻擊，例如，針對系統的基本自主決策能力。自動檢測和應對鋪天蓋地的安全威脅，處理大量的數據，并發現未知攻擊的新模式，是人工智能系統在網絡安全方面的一些好處[148]。

人工智能在網絡安全方面的挑戰。人工智能會帶來不可預見的法律、道德和社會風險和挑戰，如果不能有效解決，可能會大大降低其潛力。如上所述，人工智能及其先進的ML技術已經發展成為廣泛的創新和動態領域的一項有利技術。人工智能具有戰術和戰略上的潛在好處。然而，在與使用人工智能系統相關的信任和道德考慮方面，它也被認為有一些關鍵的制約和限制。例如，[149]中的作者談到，人工智能本身可能對網絡安全和法律及道德問題構成威脅。他們認為，人工智能系統缺乏可解釋性和可解釋性，可以被利用來隱藏安全攻擊[149]。[150]中的另一項工作也證明了人工智能在網絡安全威脅方面既有積極作用，也有消極作用。此外，鑒于人工智能驅動的網絡欺凌的興起，作者還認為應該允許網絡安全專家繼續做他們的工作，并在人類智能有必要時進行網絡測試。

7.1. 入侵檢測

入侵檢測系統旨在檢測網絡中盡管采取了預防措施但仍不可避免地發生的入侵或安全攻擊[151]。入侵檢測系統有多種方法。一些方法采用了基于簽名的技術，在該技術中，事件被檢測到并與預先定義的已知安全攻擊和入侵的簽名數據庫進行比較[152,153]。其他系統采用異常檢測技術，系統在數據中發現潛在的有害模式，這些模式不符合正常行為的預期概念[154,155,156] 。在現代自主技術中，監測和識別異常情況，檢測非法和惡意活動，并采取補救措施，以確保實時自主決策系統的持續運行，特別是在戰術環境中，同樣重要。[157]中提出了一個原型的分布式入侵檢測架構，該架構使用為戰術環境定制的自主代理。[158]中提出了一種基于人工智能的方法來識別和檢測無人機中的入侵行為。

7.2. 反自主性

反自主技術越來越受歡迎，之前已經提出了各種方法來解決這個問題。當一個自主系統的基本保密性和功能受到損害時，它就會使自己更容易受到未來的安全攻擊，并對其他自主系統構成潛在威脅。因此，在不斷變化的條件下，主動檢測和識別旨在針對自主系統的潛在網絡攻擊是至關重要的。在[159]中，作者調查了需要解決的安全和隱私挑戰，以提高網絡物理系統的復原力。在[160]中介紹了一個用于自駕車的入侵檢測系統。160]中的工作涉及到，自動駕駛汽車如果被破壞，也會對道路上的乘客和行人構成風險。此外，他們的論文還討論了互聯自動駕駛汽車的漏洞如何超越了對道路上的司機、乘客和行人的危害。作者認為，互聯自動駕駛汽車的協調有可能被用來發動影響大規模車輛特設網絡（VANET）的大范圍攻擊[160]。

無人機系統具有巨大的潛力，可以在廣泛的下一代技術應用中徹底改變研究和創新。這些系統有可能受到復雜的攻擊，旨在破壞其復雜的操作和自主決策能力。這些攻擊可以用于進攻性和防御性的網絡行動。因此，有必要制定靈活和積極的戰略，有效地提供一個潛在的防御機制，以應對旨在利用安全關鍵的自主系統在最小的人為控制下的實時漏洞的攻擊。

8. 與戰術自主性有關的一些挑戰

戰術自主性為許多國防和軍事應用提供了一個很好的解決方案，只需有限的人力參與。ML和AI系統為實現民用和軍事應用的自主性創造了前所未有的機會。然而，為了開發長期的、值得信賴的、強大的和安全的自主系統，需要解決基本的挑戰。對智能系統中使用的復雜技術和工藝的實際理解是許多人工智能和ML系統的關鍵部分，這些系統是戰術自主的核心組成部分。

雖然有許多開放性的研究問題需要解決，但要實現戰術自主性在國防和其他應用中的全部潛力，需要解決的一些最長期和最重要的挑戰包括以下幾點。

• 用于戰術自主的可信賴的人工智能。為關鍵的國防任務開發可信的、強大的和有彈性的人工智能和ML框架，需要了解與可信的人工智能和任務自主性有關的理論和實踐技術和方法，平臺之間的協作，以及通過解決第4節、第5節和第6節分別討論的關鍵技術挑戰實現的人機合作。為了增強對人工智能系統的信心，我們需要進行更多的研究來解決這些問題，使人工智能系統值得信賴。

• 對基于人工智能的模型進行驗證。確保基于人工智能的解決方案按照預期工作是極其重要的。然而，設計最先進的方法來驗證基于人工智能的系統是具有挑戰性的，需要大量的工作。

• 平臺之間的協作。改善人類和完全自主的系統（如飛行員和自主副駕駛）之間的實時協作是具有挑戰性的。因此，開發一個有效的、高效的協作性自主解決方案是一個需要克服的關鍵挑戰。

• 人機聯合協作。深入了解機器如何向人類學習，人類如何向機器學習，以及機器和人類如何共同工作是非常重要的。我們如何才能設計出先進的自主系統，在軍事和國防環境中與人類協同工作？

• 提高安全性。我們如何設計和部署一個端到端的方法，整合現代安全關鍵型自主系統的安全問題？

9. 結論

軍事和國防工業希望利用AI和ML的能力來推進和改善其在戰術環境中的表現。在本文中，我們對戰術自主的概念、技術和技術進行了全面的技術概述。此外，我們的論文還強調了在試圖為先進的現實世界軍事和國防應用實際建立完全自主系統時出現的一些關鍵和操作挑戰。因此，我們希望本文能鼓勵人工智能和ML研究人員在戰術自主性領域進一步探索開發架構和方法論。

設計先進的人工智能和ML模型，對現實世界的軍事和國防應用具有實際意義，這是一個很大的挑戰。進一步調查這個問題，重點是在以前的研究工作中沒有充分解決的尖端人工智能和ML方法，是未來工作的一個有趣的方向。此外，展示一系列實際應用和最先進的方法，以解決和深入了解本文所討論的一些長期關注的挑戰，是未來戰術自主權實際應用的另一個研究方向的課題。

本報告詳細介紹了萊斯大學與美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL）之間的合作協議的關于網絡軌道上進行的第二年研究工作。這個項目的驅動力是開發自主網絡，以支持分布式多域作戰，同時對近距離的對手具有強大的彈性。這些尖端的網絡必須具有能源和頻譜效率，能夠自適應不同的作戰條件，并且在設計上能夠安全地應對新一類基于學習的威脅。第二年的一個亮點是DEVCOM ARL和萊斯大學的研究人員在整體參與和出版物方面的重要合作。

圖 用于估計場景幾何的示例網絡拓撲。盟軍節點之間正在進行的數據傳輸被解碼并重新用于對坦克進行成像。

1 引言

本項目的最終目標是設計新一代的自主無線網絡，以支持分布式多域作戰（MDO），同時對近乎同行的對手具有強大的彈性。本報告總結了本項目第二年取得的進展，并為未來幾年制定了明確的研究方向。

自主網絡對于使軍隊能夠比對手更快地進行MDO演習至關重要。此外，這些也將促進整個戰斗空間（陸地、空中、海上、太空、網絡空間、頻譜、信息環境）和各種作戰功能（情報、任務指揮、火力、維持、保護、運動和機動）的融合和利用跨領域的協同作用。

為了開發新一代的網絡，該項目已被組織成三個相互關聯的研究方向：

• 從毫米波到太赫茲的安全網絡。材料的創新使人們能夠并且將繼續能夠獲得從低GHz到THz的廣泛頻譜。然而，新的能力帶來了新的挑戰，因為在更高的頻段，通信越來越具有方向性。在這個方向上，我們正在開發新的方法，以利用新興設備的特殊性能，這些設備可以在GHz到THz的頻段上進行傳輸，由萊斯大學的多個實驗室和部署的測試平臺支持。

• 人工智能（AI）驅動的自適應網絡管理。通信能力的最新進展為網絡管理和優化提供了一系列豐富的調整旋鈕。然而，網絡戰是依賴于場景的，并與信道和流量條件以及設備能力緊密相連。在這個主旨中，我們利用人工智能來了解作戰環境，并將網絡的作戰點引導到最佳狀態，甚至在惡劣的條件下。

• 保護網絡免受基于人工智能的威脅。基于學習的攻擊已經打開了一個新的威脅載體，被動的對手可以從聆聽正在進行的傳輸中學習，甚至從加密的網絡中潛在地提取關鍵信息。我們正在開發創新，使對手更難提取信息，創新范圍包括新的天線和新的高層方法。

2 第二年的主要成就

第5、6和7節詳細描述了在這三個方向上取得的進展。作為一個總結性的預演，我們在此提供一份第二年期間每個方向的主要成就清單。

從毫米波到太赫茲的安全網絡

• 實現了一種保護太赫茲鏈路的方法，該鏈路表現出角色散，表明可以同時實現大帶寬和安全。

• 實驗證明了來自 "中間元表面 "攻擊的威脅，其中一個強大的對手試圖截獲高度定向的通信而不被發現。

• 展示了基于多面漏波天線（LWA）架構的強大的移動高定向鏈路的基礎，該鏈路跨度為100GHz至1THz。

人工智能驅動的自適應網絡管理

• 結合圖神經網絡的表達能力和算法展開的靈活性，為多輸入多輸出（MIMO）系統和能量受限的場景設計了可學習的功率分配機制。

• 為聯合學習提出了一個可證明的接近最優的功率分配策略，其中包含了學習系統的特定約束。

• 開發了一種基于圖機器學習的可訓練和可擴展的鏈路調度方法，增強了現有的方法并達到了最先進的性能。

• 設計了一個訪問控制的學習方案，可以在現有協議之間進行切換和調整，以使預先指定的效用最大化。

保護網絡免受基于人工智能的威脅

• 開發了一個無監督的 "無線日記 "框架，無需事先訓練就能識別無線節點的數量。

• 開發了一個框架，在存在錯誤測量的情況下，從一個竊聽者那里估計鏈接率。

• 開發了一種方法，被動地利用空氣中的無線能量來估計場景的地理位置。

支撐的硬件框架

私營部門不斷收集和整理關鍵數據及其來源，以通過利用數據密集型的人工智能機器學習（AI/ML）技術來確保支持和發展新的業務。大部分行業數據都是有價值的共享資源，而海軍到目前為止還沒有實現這種做法。本頂點研究通過研究、訪談和個人專業知識，探討了海軍在創造數據可用性和質量方面的挑戰性任務。研究側重于過程、技術和管理，采用了詳細需求評估、利益相關者分析、功能設計。其研究結果是一個集中式人工智能庫（CAIL）的概念框架，旨在匹配行業對數據作為關鍵商品的堅定關注。美國海軍需要持久和動態的數字化準備，因此這個擁有70多年美國海軍數據專業知識的頂點團隊建議 OVERMATCH 考慮這些發現并生成一個確保海軍數據可用性和質量的系統。

執行摘要

美國海軍部（DON）對研究和開發人工智能和機器學習（AI/ML）系統的興趣源于這些創新能力對海軍任務和對作戰人員的直接支持所帶來的深遠和改變游戲規則的影響。人工智能/機器學習系統可以被用來改善任務規劃，減少人員配置，改善戰術決策，簡化系統維護和支持，提高安全性，在某些情況下，還可以將作戰人員從危險中移除。戰士日常活動的許多方面將發生變化，從常規和勞動密集型工作的自動化到支持復雜和時間緊迫的戰斗空間決策。

只有當美國國防部首先釋放數據的力量，才能實現AI/ML系統的這些進步。目前，在獲取或"釋放"DON的數據以開發未來的AI/ML系統方面存在許多障礙。整個海軍的數據主要停留在"筒倉"或難以訪問的數據庫中，每個"筒倉"都在其領域內受到保護。在DON的數據領域內，定位、請求、獲取和策劃數據的過程并不正式。米勒（2021）說："數據的所有者是美國人民。海軍只是管理人和監護人"。這句話包含了將數據從孤島中 "解放"出來的需要，以使海軍真正成為一個以數據為中心的企業，并實現海軍的數字化準備。

這個頂點項目開始了一項研究，以了解美國防部內AI/ML開發人員的數據需求，并制定一個概念性的解決方案來解決數據需求。其他目標是：

• 研究AI/ML方法如何在DON任務中應用。

• 了解數據需求是否在DON任務中普遍是標準的，或者數據需求是否在DON任務中有所不同。

• 制定一套 DON AI/ML利益相關者的要求。

• 為一個支持DON AI/ML數據需求的系統制定一個概念性設計。

• 研究實施概念性解決方案系統的潛在成本和進度效益。

時區團隊（Team Time Zone）應用系統工程分析方法研究DON AI/ML開發人員的數據需求，并開發和評估一個概念性的系統解決方案，以解決這一數據挑戰，并最終支持DON未來的數字準備，以解決復雜的任務。該團隊通過采訪三個不同的海軍任務領域的主題專家（SME）來進行利益相關者的需求分析：系統維護、物理安全和戰備。這三個任務被認為是 "數據提供者"的代表。此外，該團隊還采訪了數據研究人員和AI/ML科學家，以了解他們的數據需求。訪談為團隊提供了基于獨特和不同領域和經驗的關注、挫折、經驗教訓和挑戰的洞察力。從數據提供者的角度來看，反復出現的主題包括所有權的劃分、信息保障的需要、數據未被收集或存儲的情況以及對可訪問性的擔憂。從數據用戶的角度來看，明顯的軼事包括尋找數據的耗時，承諾的數據并不總是能夠實現，以及即使在獲得數據后，理解數據的背景也是至關重要的。該小組根據利益相關者的訪談和信息收集工作，為DON AI/ML制定了一套數據要求。DON AI/ML的數據需求是：

• 數據必須能夠被外部組織訪問。

• 數據必須被翻譯成與其領域應用兼容的標準格式。

• 數據必須有確定的所有者。

• 數據必須伴隨著描述性的元數據。

• 數據必須有標準化的管理。

• 數據必須以其 "最低標準"的形式被訪問。

• 數據必須具有保護和適當共享的安全性。

• 數據必須具有混淆性，以保護個人身份信息（PII）。

• 數據必須伴有背景信息。

為了解決DON數據研究人員和AI/ML科學家確定的數據需求，Team Time Zone開發了一個中央AI庫（CAIL）系統的概念設計，作為解決方案。CAIL系統的目的是簡化 DON內部的數據訪問和管理，以支持AI/ML系統的開發。CAIL系統旨在減少訪問數據的時間（和相關費用），騰出更多時間用于AI/ML系統的實際開發、培訓和評估。該團隊提出，為了滿足未來計劃的訪問和整合要求，CAIL需要成為一個 "數據云"。圖1是CAIL的OV-1；它描述了為AI/ML開發簡化DON數據訪問和管理的擬議過程。

圖1. CAIL OV-1

該團隊根據六個主要類別制定了CAIL系統要求：數據準備、數據偏差、數據整理、數據分類、數據治理和數據安全。每一個類別都是針對利益相關者分析過程中發現的需求。CAIL系統將主要與外部聯合數據、數據庫、文件和權威數據生產商/供應商的內容對接。它將像 "谷歌 "一樣為DON用戶尋找數據。數據將是結構化的，并將伴隨著元數據（關于數據的描述性信息），使數據可以被搜索。一個管理數據的社區將提供規則來管理對數據的安全訪問和授權。

在利益相關者的分析中，很明顯，在訪問數據之前需要進行一些重要的活動。AI/ML開發人員解釋了了解數據收集方式、數據來源以及其他有關數據的特定領域的背景方面的重要性。Team Time Zone將這些過程指定為 "預CAIL活動"，并將其作為整個CAIL過程的一部分。

Team Time Zone進行了成本分析，以估計為DON實施CAIL系統的成本。該團隊使用了兩種方法來估計成本：傳統的成本估計和基于模型的系統工程（MBSE）方法。該小組估計CAIL系統的成本（基于傳統的成本估算）為3380萬美元，持續時間為5年，每年的重復維持成本為400萬美元。團隊估算的CAIL系統成本（基于MBSE方法），在運行了一萬次蒙特卡洛模擬后，平均為3290萬美元，持續時間為5年。運營和維護模型的平均成本為每年440萬美元。表1顯示了CAIL開發和維護成本的摘要。

表1. CAIL系統成本匯總

為了使DON的AI/ML項目蓬勃發展，并在未來幾十年內實現AI/ML的進步，DON必須確保數據的管理，并使AI/ML的發展能夠被訪問。Team Time Zone提出的CAIL系統解決方案將為AI/ML項目提供一個單一來源的綜合數據環境，以訪問存儲在整個DON各種數據庫中的數據庫目錄。Team Time Zone建議海軍實施CAIL系統，通過確保AI/ML開發者訪問持久和動態的數字數據來支持數字準備。CAIL系統支持DON項目和開發人員的協調方法，以安全訪問數據。該小組建議超配項目（Project Overmatch）考慮這些發現并實施CAIL系統和流程，以確保海軍的數據可用性和質量。該小組開發了一個CAIL標志（見圖2），表明CAIL系統是海軍的一個重要基礎。

圖2：CAIL標志。改編自美國海軍標志。

I. 簡介

A. 背景情況

技術的進步給軍事領域帶來了新的威脅類型和現有威脅的改進版本。對抗性威脅的進步要求海軍改進現有的能力并開發新的能力，以提高防御能力并應對這些威脅。能力的增強需要提高速度、隱身性、機動性、反措施、擴大范圍、更早發現和更大的殺傷力。這些增強的能力使我們能夠在不確定的、復雜的和時間緊迫的條件下做出關鍵決定。現代戰術作戰人員面臨著越來越復雜的決策空間。他們需要獲得對動態戰斗空間的態勢感知，并確定有效的行動方案（COA）以滿足任務需求。圖1強調了造成這種戰術復雜決策空間的因素。決策的復雜性來自于威脅環境，來自于知識的不確定性，來自于戰爭和信息系統本身，來自于作戰人員與自動化系統和信息系統的互動和使用所產生的挑戰，以及任務決策的重要性或后果的嚴重性。

圖1：戰士的復雜決策空間。資料來源：Johnson (2021).

美國國防部（DOD）和海軍部（DON）正在研究使用人工智能（AI）來解決復雜的戰術決策空間，通過改善態勢感知和提供自動決策輔助來支持戰術作戰人員。利用人工智能方法的先進算法可以通過減少信息過載、改善態勢感知、提高決策速度和加強一般的戰術決策來減輕作戰人員的認知負荷。預測分析（PA）可以支持對系統可靠性和故障概率的預測，這為物流提供了廣泛的改進（Zhao和Mata 2020）。諸如PA等技術可以通過開發 "what-if "和 "if-then "情景來加強戰術決策，通過預測決策選擇的長期影響來改善戰士的COA決策（Johnson 2020）。人工智能方法可以通過檢測異常情況和從大量的安全攝像機數據中識別可能的威脅來改善海軍基地的物理安全。

米切爾（2019）將人工智能定義為一個包括許多不同方法的領域，以創造具有智能的機器。圖2顯示，人工智能存在于一套廣泛的自動化方法中，使機器能夠根據命令和規則執行任務。人工智能是使系統能夠執行模仿人類智能的功能的一套方法。機器學習（ML）方法是人工智能方法的一個子集。ML方法允許系統從被訓練的大型數據集上學習。ML系統從訓練的數據集中學習。然后，這些 "訓練有素 "的ML系統在操作上被用來識別模式，并在新的操作數據下產生預測的結果（Johnson 2021）。

圖2：什么是人工智能？資料來源：Johnson (2021)。

人工智能算法是編碼的計算機程序，用于對數據進行分類、分析和得出預測。監控、交通預測和虛擬個人助理是實施ML算法的應用實例。

開發人工智能系統，特別是ML系統，是一項具有挑戰性的工作。ML算法的初始訓練是一個數據密集型的演變。人工智能/ML系統對數據要求很高，其準確性在很大程度上取決于數據訓練集的質量和數量（Godbole 2020）。作為一個參考點，訓練DeepMind的AlphaGo Zero系統學習下圍棋花了大約40天，包括2900萬場比賽（Feldman, Dant, and Massey 2019）。想象一下人工智能/ML武器系統算法所涉及的額外復雜性，它需要考慮戰爭背景（戰爭游戲、冷戰、和平時期）、朋友或敵人、道德和合法性等概念（Feldman, Dant, and Massey 2019）。

隨著美國防部開始開發人工智能和ML方法，出現了獨特的數據挑戰。開發人員需要大量的驗證數據來訓練他們的算法；這些數據需要準確、安全和完整，以確保算法不會被破壞或有偏見。這些數據集必須代表適當的操作環境。對于海軍的應用，訓練數據必須代表眾多的任務，包括海上、空中、太空、水下、沿岸、網絡和陸基領域的任務。盡管許多海軍司令部和實驗室正在研究和開發基于人工智能/ML系統的未來能力，但沒有協調的程序來獲取他們所需的海軍數據。在許多情況下，數據是存在的，但要確定國防部的數據來源并獲得數據是一項耗時和昂貴的工作。

這個頂點項目采用了系統工程分析方法來研究DON AI/ML開發者的數據需求，并確定和評估一個概念性的系統解決方案來解決這個數據挑戰，并最終支持未來DON的數字準備來解決復雜的任務。

B. 問題陳述

DON對研究和開發AI/ML系統的興趣為各種應用帶來了數據挑戰。盡管DON的許多指揮部和實驗室正在研究和開發基于AI/ML系統的未來能力，但沒有一個協調的程序來訪問他們所需的DON數據。AI/ML系統需要大量的驗證數據來支持他們的發展和訓練算法。在許多情況下，數據是存在的，但要確定美國防部的數據來源并獲得數據是一項耗時和昂貴的工作。這個頂點研究了這個問題，并進行了需求分析，以確定DON AI/ML開發人員的數據需求，并開發和評估了解決DON數字準備這方面的解決方案概念。

C. 項目目標

這個頂點項目的主要目標是分析 DON AI/ML 開發的數據需求，并開發一個概念性的解決方案來解決數據需求。其他目標是

• 研究AI/ML方法如何在DON任務中應用。

• 了解數據需求在DON任務中是否有普遍的標準，或者數據需求在DON任務中是否有差異。

• 制定一套 DON AI/ML利益相關者的要求。

• 為一個支持DON AI/ML數據需求的系統制定一個概念性設計。

• 研究實施概念解決方案系統的潛在成本和進度效益。

D. 項目團隊和組織

時區團隊由五個具有不同學術和專業經驗的NPS系統工程學生組成。該團隊由以下人員組成。

• Robert French于2016年畢業于Old Dominion大學，獲得了計算機工程和電子工程的學士學位。他目前是位于弗吉尼亞州弗吉尼亞海灘的海軍水面作戰中心Dahlgren分部-Dam Neck附件的特殊傳感器技術部門的R.F.工程師。羅伯特也是美國艦隊司令部海上作戰中心N6（信息系統）的高級入伍領導（USNR）。他曾在現役中擔任電子技術員超過14年，并成為現役預備役軍人達9年之久。

• Wallace Fukumae前擁有夏威夷大學的電子工程學位。他目前居住在夏威夷，為海軍太平洋信息戰中心工作，擔任印度-太平洋部門主管。他的經驗包括指揮和控制（C2）系統的開發和交付以及操作。

• Kheng Hun目前居住在日本，擁有華盛頓大學的電子工程學位。他目前在海軍信息戰中心（NIWC）太平洋分部工作，擔任位于日本橫須賀的夏威夷西太平洋（HWP）分部的項目工程師。他的專業背景包括設計和安裝各種C4I系統，如電子安全系統（ESS）和網絡系統以及MILCON項目的C4I系統規劃。

• Obed Matuga擁有馬里蘭州巴爾的摩市摩根州立大學的工業工程學位，在華盛頓特區的海軍海洋系統司令部工作。與宙斯盾和艦船自衛系統一起工作，目前居住在馬里蘭州。

• Caitlyn O’Shaughnessy于2015年畢業于馬薩諸塞大學達特茅斯分校，獲得計算機科學學士學位。她目前是羅德島紐波特的海軍海底作戰中心的CANES（S.S.）項目的首席工程師。

圖3描述了時區團隊（Team Time Zone）的組織結構和每個團隊成員的主要職責。圖中還顯示了NPS的項目顧問，Bonnie Johnson博士（系統工程系）和美國海軍上尉Scot Miller（退役）（信息科學系）。

圖3：團隊時區組織圖

E. 項目方法

時區團隊采用了系統工程的方法來進行這個項目。圖4說明了該團隊的過程。團隊從需求分析開始，以了解問題并為DON AI/ML開發者定義數據要求。在這個階段，團隊確定了三個DON任務領域作為AI/ML應用的代表性領域。接下來，團隊在功能分析和系統綜合的基礎上，制定了一個名為中央人工智能庫（CAIL）系統的解決方案戰略的概念設計。該小組對CAIL系統進行了建模，并利用DON的三個任務領域來分析實施CAIL系統的效用和潛在的成本/進度效益。該團隊的分析過程涉及幾種分析方法，包括定性調查、定量調查、建模和模擬、數據結構和格式分析、需求分析和操作概念評估。

圖4：頂點項目的方法

首先，該團隊通過進行需求分析和為海軍AI/ML開發人員制定一套數據要求來確定需求的定義。該團隊確定了利益相關者，并與來自不同海軍任務領域的AI/ML開發者會面，以了解他們的數據需求。該小組進行了文獻回顧，以收集背景信息并了解當前的人工智能/ML方法。團隊對來自利益相關者會議和文獻審查的信息進行了匯編，以了解與支持海軍AI/ML應用有關的要求和限制、數據所有者、數據源、數據系統、數據元素和數據屬性。

該小組研究并確定了利益相關者和三個海軍任務主線的獨特數據要求：系統維護、實體安全和戰斗群準備。該小組確定并采訪了任務領域的主題專家（SMEs），以了解獲得AI/ML實施數據的過程，并關注需要從DON系統和組織中收集和存儲哪些數據。圖5說明了海軍的三個任務主線，以及數據、架構、基礎設施和互操作性能力在支持這些作戰人員任務領域方面的直接潛在重要性。

圖5：美國防部任務領域

接下來，團隊根據需求分析結果，制定了一個概念設計方案，以解決海軍對人工智能/ML發展的數據需求。該團隊綜合了CAIL系統，并生成了CAIL操作概念（CONOPS）和CAIL功能模型。基于國防部建筑框架（DODAF）和系統建模語言（SysML），該團隊開發了概念模型，詳細說明了CAIL的系統特征、功能和操作概念。

頂點項目的最后階段是團隊對CAIL解決方案方法的評估和分析。該團隊使用Innoslate（一種基于模型的系統工程工具）開發了一個模型，以表示CAIL系統在三個海軍任務主線中的使用情況。該小組評估了CAIL系統的能力，以簡化和改善收集、格式化、策劃、驗證和確保安全訪問海軍任務數據集的過程，以支持在三個海上任務線領域工作的AI/ML開發人員。對該模型進行了評估，以估計海軍實施CAIL系統的潛在成本和調度效益。CAIL系統模型被用來驗證和確認需求。

F. 頂點報告概述

第一章提供了項目的介紹和動機，描述了問題陳述、項目目標，以及團隊的組織和完成項目的方法。

第二章總結了團隊的文獻回顧，為需求分析提供了基礎，強調了訓練AI和ML算法所需的數據。文獻回顧包括對數據科學、統計學習、深度學習、分類學以及支持AI和ML系統的企業信息技術解決方案的信息探索。

第三章包含了團隊的需求分析結果。

第四章包含了對團隊的概念性解決方案--CAIL系統的描述。

第五章介紹了團隊對CAIL系統的分析和評估結果，該系統是解決海軍在支持AI/ML發展方面的數據挑戰的解決方案。

最后，第六章討論了擁有CAIL系統的影響和結論以及對后續研究和工作的建議。