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

本文介紹了美軍的聯合全域指揮與控制（JADC2）的關鍵組成部分、優勢和挑戰，以及推動其實施的戰略和技術。

未來戰爭正在迅速演變，技術的進步和擁有反介入/區域拒止（A2/AD）能力的復雜對手塑造了未來戰爭。傳統的軍事行動主要在陸地、空中、海上和太空等不同領域進行。 為了應對這些挑戰并保持軍事優勢，美國正在采用聯合全域指揮與控制（JADC2）這一整合多域能力并將其網絡化的變革方法。本文將深入探討 JADC2 的關鍵組成部分、優勢和挑戰，以及推動其實施的戰略和技術。

多域作戰空間

美國國防戰略（NDS）、國家戰略研究委員會和其他來源所闡述的未來作戰環境描述了潛在對手如何發展出先進的反介入/區域拒止（A2/AD）能力。這些能力包括電子戰、網絡武器、遠程導彈和先進的防空系統。美國的競爭對手將 A2/AD 能力作為對抗美國傳統軍事優勢（如投射力量的能力）的一種手段，并提高其贏得快速、決定性交戰的能力。

不斷演變的戰場不再局限于陸海空等傳統領域。它現在涵蓋了網絡、太空、低烈度沖突和信息戰，包括心理戰和認知戰。敵人同時或組合利用這些領域，需要采取全面的應對措施。

在這種多領域環境中，新的條令、戰略、戰術、能力和訓練勢在必行。到 2030 年，要在高度競爭的環境中發展空中優勢，就必須關注多領域的能力和實力。

什么是 JADC2？

JADC2 是 "聯合全域指揮與控制"（Joint All-Domain Command and Control）的縮寫，是一種新的軍事指揮與控制方法，旨在打破不同軍種和戰爭領域之間的壁壘。

JADC2 是實現綜合多域應對現代戰爭挑戰的關鍵。它涉及空中、太空和網絡領域的無縫集成，為指揮官提供跨領域選擇，以便在復雜的作戰空間快速決策。

它旨在創建一個整體、實時和網絡化的系統，為指揮官提供一個全面的作戰空間視圖，促進快速決策和跨域協調行動。 JADC2 的目標是使聯合部隊指揮官具備在全球任何時間、任何地點威懾或擊敗任何對手所需的能力。

聯合全域指揮與控制（JADC2）是美國國防部（DOD）將所有軍種--空軍、陸軍、海軍陸戰隊、海軍和太空部隊--的傳感器連接到一個單一網絡的概念。傳統上，每個軍種都開發了自己的戰術網絡，與其他軍種的網絡不兼容（例如，陸軍網絡無法與海軍或空軍網絡對接）。國防部官員認為，與目前分析作戰環境和發布命令的多日流程相比，未來的沖突可能需要在數小時、數分鐘，甚至可能在數秒內做出決策。

JADC2 戰略和原則

JADC2 戰略概述了六項指導原則，以促進整個美國國防部協調一致地開展工作：

1 企業級信息共享：應在企業層面設計和擴展改進措施。

2 分級安全：聯合部隊C2改進應采用分級安全功能。

3 通用數據標準：JADC2數據結構必須包括高效、可演進和廣泛適用的通用數據標準和架構。

4 電磁環境下的恢復能力：聯合部隊C2必須在性能下降和有爭議的電磁環境中保持彈性。

5 統一開發和實施流程：美國國防部的流程必須統一，以提供更有效的跨域能力選項。

6 更快的執行速度：開發和實施流程必須以更快的速度執行，以滿足現代戰爭的需求。

JADC2 戰略闡明了 "感知"（sense）、"理解"（make sense）和"行動"（act）這三項指導性 C2 功能，以及另外五項持久性工作（LOE），以組織和指導行動，提供 JADC2 的物資和非物資能力。這些工作重點是 (1) 建立 JADC2 數據體系；(2) 建立 JADC2 人力體系；(3) 建立 JADC2 技術體系；(4) 將核 C2 和通信（NC2/NC3）與 JADC2 整合；(5) 使任務伙伴信息共享現代化。

2022 年 3 月，美國國防部副部長凱瑟琳-希克斯博士正式批準了國防部的聯合全域指揮與控制（JADC2）實施計劃。這是繼 2021 年 6 月首次宣布 JADC2 戰略之后邁出的重要一步。由國防和安全部隊司令部領導的 JADC2 跨職能小組（CFT）負責監督該戰略及配套實施計劃的執行。

雖然 JADC2 實施計劃仍屬機密，但它是一份綜合性文件，概述了成功實現 JADC2 能力所必需的具體行動、里程碑和資源需求。此外，它還明確劃分了負責提供這些關鍵能力的責任組織。

JADC2 戰略中的 LOE 3，即工作重點 3，側重于建立 JADC2 技術體系

這項工作包括幾個關鍵方面：

1 增強態勢感知：LOE 3 旨在提高參與聯合全域指揮與控制 (JADC2) 的所有相關方對態勢的共同認識。這包括確保決策者能夠獲得有關作戰環境的實時信息。

2 全球協作：它涉及同步和異步全球協作，實現全球軍事力量和合作伙伴之間的無縫通信與合作。

3 戰略和行動聯合規劃：LOE 3 涉及促進戰略和行動聯合規劃，以提高跨領域軍事行動的有效性。

4 實時部隊可視化和管理：這項工作的重點是提供實時的全球部隊可視化和管理能力，使指揮官能夠有效地監測和控制部隊。

5 預測性部隊戰備和后勤：LOE 3 的目標是加強與部隊戰備和后勤相關的預測能力，從而實現更高效的規劃和資源分配。

6 實時同步：它強調跨領域和跨部隊活動與行動實時同步的重要性。

7 動能和非動能能力的整合：這一工作重點旨在將動能（如傳統武器）和非動能（如網絡和電子戰）能力整合到 JADC2 行動中。

8 評估聯合部隊和任務合作伙伴的績效：LOE 3 包括評估聯合部隊和任務伙伴行動績效的機制，以促進持續改進和優化。

總體而言，LOE 3 認識到，具有足夠速度和帶寬的安全和彈性的全球通信網絡在滿足作戰指揮需求方面的關鍵作用。其目標是在 JADC2 生態系統內建立強大的傳輸基礎設施，確保持續的指揮與控制（C2）能力，同時應對網絡威脅、多級安全和消除單點故障等挑戰。這些先進技術將大大增強指揮員管理和監督聯合部隊和任務式指揮伙伴在所有領域行動的能力，即使是在有爭議的電磁環境中。

JADC2 的主要組成部分

1 協調一致的方法：JADC2 提供了一種連貫的方法來增強聯合部隊的指揮與控制（C2）能力。它有助于在戰爭的各個層次、各個階段、各個領域以及與伙伴部隊一起感知、理解和行動，以相關的速度提供信息優勢。

2 數據融合與共享：JADC2 在很大程度上依賴于收集和整合各種來源的大量數據，包括傳感器、衛星、無人機和地面系統。然后對這些數據進行實時處理和共享，使指揮官能夠全面了解作戰環境。

3 高級分析：借助人工智能（AI）和機器學習（ML），JADC2 可以快速分析數據，識別模式、異常和潛在威脅。這一功能不僅能加快決策速度，還能提高評估的準確性。

4 網絡通信：JADC2 建立了一個強大的通信網絡，連接所有領域的軍事資產，確保無縫、安全地共享信息。該網絡的設計可抵御網絡威脅，即使在充滿挑戰的環境中也能確保可靠的連接。

5 互操作性：JADC2 在以前互不兼容的軍事服務網絡之間架起了一座橋梁。它實現了所有軍種之間的數據共享和通信，即使在時間敏感的情況下也能確保快速決策。它涉及通信協議、數據格式和接口的標準化，以確保不同系統能順利協同工作。互操作性對于涉及多個軍種和盟國的聯合行動至關重要。

6 高效的資源分配：JADC2可優化資源利用、簡化協調和減少冗余，最終實現成本節約。

JADC2 的優勢

1 增強態勢感知：JADC2可為指揮官提供 360 度的實時作戰空間視圖，使他們能夠迅速做出明智決策。

2 快速決策：通過自動化數據分析和促進溝通，JADC2 縮短了決策時間，使軍事領導人能夠靈活應對瞬息萬變的局勢。

3 效率和資源優化：JADC2可通過加強協調和減少冗余來優化資源使用，最終實現成本節約。

4 降低風險：有了更好的態勢感知能力和更快的決策速度，軍事人員所面臨的風險可以降到最低，從而使行動更加安全。

5 靈活性和適應性：JADC2可適應各種軍事行動，從常規戰爭到非對稱威脅和人道主義援助任務。

美國國防部為實現JADC2 而做出的工作：

1 特定軍種計劃：每個軍種，如海軍的 "超配項目 "和陸軍的 "聚合項目"，都在獨立資助和推進其 JADC2 計劃。這些計劃旨在將以前孤立的系統整合到統一的聯合作戰管理網絡中，培養下一代能力。

2 美國防部聯合跨職能小組：國防部領導一個跨職能聯合小組，由國防部首席信息官、負責研究與工程的國防部副部長以及負責采辦與維護的國防部副部長的代表組成。該小組負責探索和發展 JADC2 概念。

3 聯合參謀部領導：聯合參謀部在將 JADC2 從概念過渡到具體政策、條令、需求和總體研發戰略方面發揮著領導作用。空軍被指定為在其指導下開發 JADC2 技術的智能體。

4 美國空軍先進作戰管理系統（ABMS）：空軍正通過 ABMS 率先實施 JADC2。該網絡旨在促進所有領域的數據共享，有助于國防部在 COVID-19 大流行等事件中提供支持。為展示 ABMS 的能力，已進行了多次 ABMS 演示。

5 美國陸軍網絡現代化：陸軍已將網絡現代化確定為實現多域作戰的關鍵要素，并正在積極開發 JADC2 概念。作為陸軍未來司令部的一部分，"聚合項目 "進行了實驗，展示陸軍提供訪問聯合和聯盟網絡的能力。

6 美國海軍和海軍陸戰隊的全域指揮與控制：海軍和海軍陸戰隊通過 "分布式海上作戰 "和 "遠征先進基地作戰 "等概念強調全域指揮與控制。它們的計劃包括創建一個連接各種資產（包括艦艇、潛艇、飛機和衛星）的分布式網絡，以增強傳感器對射手的能力，同時挑戰對手的目標定位。

7 DARPA 的馬賽克戰爭： DARPA 的 "馬賽克戰爭 "計劃利用人工智能來整合和操作傳統上無法互動的系統和網絡。這些項目將原始情報轉化為可用于網絡武器、電子干擾器、導彈、飛機或其他武器的可操作信息。此外，DARPA 的軟件還能自動消除空域沖突，改善航空資產的跟蹤和通信，從而為指揮官提供幫助。

這些工作的共同目標是推進聯合全域指揮與控制（JADC2）概念，增強軍隊在復雜、有爭議的環境中有效跨域作戰的能力。

挑戰和考慮因素

將這一概念付諸實施面臨三個方面的挑戰：技術、政策和人力。在技術領域，MDC2 系統必須擁有一個支持 "大數據 "交換的網絡，消除孤立的數據流，提高互操作性。此外，我們必須能夠識別并消除互操作性的政策障礙，以縮短從數據到決策的時間。最后，在人的領域，必須建立指揮權，并將其輕松下放到戰術層面，以便那些擁有戰術控制權（TACON）的人能夠實時產生跨領域的效果。

雖然 JADC2 具有顯著優勢，但其實施也面臨各種挑戰：

1 網絡安全：隨著對數字系統依賴的增加，遭受網絡攻擊的可能性也隨之增加。保護 JADC2 網絡免受網絡威脅是一個關鍵問題。

2 互操作性：實現各種系統和平臺之間的全面互操作性是一個復雜而耗時的過程。

3 資源要求：實施 JADC2 需要在技術、培訓和基礎設施方面進行大量投資。

4 道德和法律問題：在戰爭中使用人工智能和先進技術會引發倫理和法律問題，例如與自主武器和平民傷亡有關的問題。

支持 JADC2 的技術

JADC2 使能技術是聯合全域指揮與控制 (JADC2) 概念的重要組成部分，旨在改進軍事指揮與控制。這些技術可歸納如下：

1 自動化和人工智能：JADC2 依靠自動化和人工智能 (AI) 快速高效地處理大量數據。通過使用預測分析、機器學習和人工智能算法，JADC2 使聯合部隊能夠實時感知、理解信息并采取行動。這種方法增強了決策能力，并得到了彈性強大的網絡環境的支持。

2 云環境：JADC2 設想創建一個類似云的環境，促進在多個通信網絡之間共享情報、監視和偵察（ISR）數據。這種數據共享旨在通過收集來自各種傳感器的信息并應用人工智能算法來識別目標，從而加快決策過程。此外，JADC2 還推薦最合適的武器，包括動能和非動能選擇，如網絡或電子戰，以打擊確定的目標。

3 通信：為充分實現 JADC2，國防部（DOD）認識到需要新的通信方法。為中東行動而優化的現有通信網絡面臨著延遲和易受電子戰影響等挑戰。對地球同步軌道衛星的依賴也有局限性。人工智能等先進技術的引入和自主系統的部署需要安全、低延遲的通信方法來有效維持控制。

4 5G 技術：美國國防部看到了利用 5G 無線技術的商業進步的潛力。5G 可提高數據吞吐量并減少延遲，這對處理來自各種傳感器的大量數據至關重要。這些技術可支持 "邊緣 "數據處理，即在更靠近數據收集地點的地方進行數據處理，從而提高速度和響應能力。

5 動態頻譜共享： 電磁頻譜越來越擁擠，導致通信系統受到干擾。為應對這一挑戰，國防部正在探索動態頻譜共享，允許多個用戶在同一頻段上運行。這項技術旨在使通信系統即使在受到干擾的情況下也能收發數據，從而進一步提高 JADC2 通信的彈性和有效性。

總之，JADC2-使能技術包括自動化、人工智能、用于數據共享的云環境、先進的通信方法、5G 技術和動態頻譜共享。這些技術對于實現 JADC2 概念的全部潛力、提高所有領域的指揮和控制能力以及確保軍隊在復雜和有爭議的環境中有效作戰的能力至關重要。

美國空軍為多域空中作戰網絡研發項目征集白皮書

美國空軍正在為一項可能耗資 2490 萬美元的研發計劃向業界征集白皮書。該計劃旨在探索、開發、集成和測試創新技術和工藝，以增強空中平臺的數據傳輸和網絡能力。

該計劃的主要目標是創建一個可傳輸、適應性強的網絡，能夠在各種情況下與空中、太空或地面資產進行通信。該網絡專為超視距（BLOS）通信而設計，可在指定的作戰空間內迅速部署和轉移，為軍隊提供可靠、安全的全球通信網絡。它具有靈活性，可為特定地區、任務或技術量身定制通信和網絡解決方案。

該計劃有四個重點領域：

1 敏捷空中網絡架構：開發支持自組織和自修復自主數據路由和傳播的多域網絡架構。為適應作戰環境和任務要求的移動網絡創建跨開放系統互連（OSI）層的網絡通信范例。展示可實現穩健連接的合作式無線網絡通信。

2 信息傳輸性能管理：開發支持情報、監視和偵察（ISR）網絡和信息系統資源的通信管理能力。為來自多個 ISR 傳感器的動態數據請求創建信息管理算法，改進目標探測和跟蹤。開發基于任務的優先級方案和有保障的信息傳輸技術以及性能指標。

3 與全球信息網（GIG）的集成和互操作性：將新的通信資源納入 ISR 平臺，以提高通信能力。研究 ISR 收集規劃和任務分配技術，確保它們符合行動限制。解決與 ISR 平臺互操作性相關的操作概念（CONOPS）問題，并進行機載飛行實驗。

4 多域空中聯網：開發在戰術邊緣進行跨戰術數據網絡（TDN）和戰術數據鏈路（TDL）信息傳遞的方法。創建在 TDN 和 TDL 之間傳遞元數據的方法。進行建模、模擬和飛行實驗，量化多域數據共享的進步對任務指標的改善。

這些工作旨在擴展全球信息網（GIG），以連接空中、太空和地面領域，提供及時、可靠和可操作的信息，支持指揮與控制、情報、監視和偵察（ISR）。

此外，該計劃還與聯合全域指揮與控制（JADC2）實驗保持一致，美國國防部在實驗中進行了演習，展示各種軍事資產的實時數據收集、分析和共享，以加強對作戰環境的全面了解，提高指揮與控制能力。

工業合作伙伴

包括波音公司、諾斯羅普-格魯曼公司和 L3Harris 技術公司在內的領先國防承包商正在與軍方合作開發 JADC2 功能。開放式架構的指揮與控制是 JADC2 的核心，可確保數據所有權歸各軍種所有，并促進不同系統和領域之間的互操作性。

開發全域聯合指揮與控制 (JADC2) 技術的工業合作伙伴關系主要集中在以下幾個關鍵領域：

1 數據處理和存儲：工業和服務領導者對有效的數據處理和存儲機制技術很感興趣。這包括從數據中創建信息和確保安全存儲大量信息的能力。

2 信息集成：業界正在努力連接各種平臺，以實現無縫通信和數據共享。與手機上的應用程序如何互動類似，服務旨在讓不同的系統相互 "對話"，并有效地共享信息。

3 非動力效應：雷神公司（Raytheon）等公司正在開發應用程序，幫助指揮官了解戰斗的非動能效應，如網絡空間。這涉及將動能和非動能方面融合到統一的作戰環境中。

4 信息共享：信息速度在現代戰爭中至關重要。行業合作伙伴正在研發相關技術，以確保正確的信息能迅速到達正確的人手中，并能在整個網絡中有效共享。

5 多領域協作：包括洛克希德-馬丁公司在內的行業領導者正致力于創建連接天基、空中、海上和地面資產的動態網絡。目標是實現協同交戰，為對手制造多重挑戰。

6 使能技術：關鍵的使能技術包括開放式系統架構、自動化和機器對機器通信。各公司正在確保這些技術成熟并能適應空軍的各種應用。

7 安全通信：哈里斯公司等公司正在開發抗干擾性強、難以探測的調制解調器和波形。這項技術使地面、空中和太空部隊能夠在不被發現和不被干擾的情況下進行無縫通信。

8 兵棋推演和演示：洛克希德-馬丁公司進行了多域指揮與控制（C2）兵棋推演，為空軍和 ECCT 團隊提供信息。這些演習展示了協調規劃、減輕飛行員的軟件應用負擔、自動通信尋路、用于目標定位的機器學習以及由機器生成的針對指揮官的建議等能力。

9 開放式架構：JADC2 系統架構基于開放式架構和開放式數據標準。其目標是確保數據屬于其開發的服務和更大的系統，促進各種防御系統之間的透明度和互操作性。

10 合作原型項目：空軍通過原型項目、概念演示、試點和敏捷開發與工業界合作。這些舉措旨在逐步改進商業技術，以用于更廣泛的國防和公共應用。

工業界參與 JADC2 的開發符合國防部關于實時數據收集、人工智能、數據安全和分散網絡自動化的愿景，以加強軍事決策支持和通信。這些合作伙伴關系促進了創新，提高了多域作戰的能力。

分享9.5億美元的入選公司：

• 位于弗吉尼亞州亞歷山大的 ADDX 公司；

• 舊金山的 Capella Space Corp；

• 位于弗吉尼亞州奧克頓的 AT&T 公司

• 位于弗吉尼亞州雷斯頓的應用信息科學公司（Applied Information Sciences Inc；

• 科羅拉多州路易斯維爾的大氣與空間技術研究聯合有限責任公司

• 弗吉尼亞州維也納的 Credence Management Solutions LLC；

• 弗吉尼亞州阿靈頓的 Edge Technologies Inc；

• 阿拉巴馬州亨茨維爾的 EOS Defense Systems USA Inc；

• 德克薩斯州理查森的 Exfo America Inc；

• 亞特蘭大的 Hermeus Corp；

• 阿拉巴馬州亨茨維爾的 Ierus Technologies Inc；

• 舊金山的 Labelbox Inc；

• 紐約的 Nalej Corp；

• 弗吉尼亞州麥克萊恩的 OST Inc；

• La Shreveport 的 Praeses LLC；

• 加州森尼韋爾的 Real-time Innovations Inc；

• 紐約河濱研究所；

• 科羅拉多州博爾德的 Saber Astronautics LLC；

• 弗吉尼亞州維也納的 Shared Spectrum Co；

• 圣迭戈的 Shield AI Inc；

• 佛羅里達州薩拉索塔的 Skylight Inc；

• 德克薩斯州奧斯汀的 Sparkcognition Government Systems Inc；

• 俄亥俄州代頓的 Tenet 3 LLC；

• 位于弗吉尼亞州維也納的 Trace Systems Inc；

• 德克薩斯州奧斯汀的 Ultra Electronics Advanced Tactical Systems Inc.

• 密歇根州大急流城的 BrainGu。

這些公司將在未來三年內分享多達 9.5 億美元的資金，用于成熟、演示和推廣跨軍事系統和領域的能力；以及利用開放式系統設計、現代軟件和算法開發實現 JADC2。

美國空軍已爭取到另外 13 家技術公司的支持，共同推進聯合全域指揮與控制 (JADC2) 的使能技術，總價值近 10 億美元。JADC2 計劃旨在開發能整合空中、陸地、海洋、太空、網絡和電磁頻譜等各種軍事領域的系統，以便在 15 分鐘內對全球威脅做出快速反應。

入選公司將致力于成熟、演示和推廣這些領域的能力，強調開放系統設計、現代軟件和算法開發。該計劃旨在加強實時數據收集、驗證和分析，實施基于人工智能的決策過程，確保數據安全，并通過分散式網絡自動化建立實時通信。合同為期三年，總價值可能達到 9500 億美元。這些公司將通力合作，加強軍隊的戰備能力，應對戰爭各領域不斷變化的挑戰。

演示和實驗

美國國防部 (DOD) 至少進行了兩次重要的聯合全域指揮與控制 (JADC2) 實驗演習：

1 2019 年 12 月在佛羅里達州舉行的演習： 這次演習的核心是模擬巡航導彈對本土的威脅。它標志著高級作戰管理系統（ABMS）的首次演示。參與演習的有各種資產，包括空軍和海軍飛機，如 F-22 和 F-35 戰斗機。

2 2020 年 7 月測試：在這次測試中，空軍飛機與位于黑海的海軍艦艇建立了聯系，同時參加測試的還有特種作戰部隊和其他八個北約國家。目的是模擬應對俄羅斯的潛在威脅。這次演習展示了 JADC2 在空中、海上和特種作戰領域的互操作性和協作能力。

這些 JADC2 實驗演習旨在評估和完善系統能力，重點是不同資產和軍種之間的實時數據收集、分析和共享。這些演習是推進 JADC2 聯合作戰能力和提高軍隊應對不斷變化的威脅能力的重要里程碑。

最新進展

• 美國國防部（DoD）成立了一個 JADC2 跨職能小組（CFT），負責領導 JADC2 功能的開發和實施。跨職能小組由一名四星上將領導，成員包括來自各軍種以及情報界和工業界的代表。
• 美國國防部還制定了 "JADC2 實驗活動計劃"（JEP），概述了未來五年內為測試和開發 JADC2 概念和能力而進行的一系列實驗。JEP 包括所有五個戰爭領域（空中、陸地、海上、太空和網絡）的實驗，所有軍種都將參與其中。
• 美軍還與其盟國和伙伴合作開發 JADC2 能力。美國和英國成立了聯合集成小組 (JIG)，以協調雙方在 JADC2 方面的工作。美國還與澳大利亞、日本和其他盟國合作開發 JADC2 能力。

JADC2 最近取得的一些具體進展包括：

• 美國空軍已開發并測試了一個名為 "先進作戰管理系統"（ABMS）的 JADC2 戰斗網絡原型。ABMS 是一個基于云的網絡，可連接所有戰爭領域的傳感器和射手。
• 美國陸軍正在開發一種新的指揮和控制系統，稱為綜合戰術網絡（ITN）。ITN 是一種移動式網狀網絡，將以安全、靈活的方式連接士兵及其裝備。
• 美國海軍正在開發一種新的作戰概念，稱為分布式海上作戰（DMO）。根據 DMO 的設想，未來海軍將以分布式方式開展行動，艦船和其他資產將分布在大片區域。JADC2 對協調這些分布式部隊的行動至關重要。

結論

聯合全域指揮與控制（JADC2）是軍事指揮與控制能力的一次變革性飛躍，它提供了對現代沖突取得成功至關重要的集成化和網絡化多域能力。通過整合和聯網所有領域的能力，JADC2 可以實現快速決策、增強態勢感知和高效資源分配。

通過利用數據、分析和先進通信技術的力量，JADC2 使軍事領導人能夠做出更快、更明智的決策，同時降低人員風險。然而，該系統的實施需要克服網絡安全、互操作性、資源分配和道德考量等方面的挑戰。隨著技術的不斷進步，JADC2 將在塑造未來軍事行動和確保不斷變化的世界中的國家安全方面發揮關鍵作用。

參考來源：IDST

前美國防部長馬克·埃斯珀（Mark Esper）曾經說過：“歷史告訴我們，那些率先利用新一代技術的人往往在未來幾年的戰場上擁有決定性的優勢”。

人工智能與機器學習技術對戰場的影響

人工智能和機器學習將在塑造現代戰場方面發揮關鍵作用。這些技術增強了態勢感知能力，優化了決策，并提供了競爭優勢。

從用于偵察的自主無人機到用于供應鏈管理的預測分析，它們的影響是深遠的。在烏克蘭的行動凸顯了這些技術的應用：由克里斯·希爾博士領導的陸軍物資司令部分析小組利用作戰數據在需要時協助需求規劃，同時無縫預測和協調需求。快速處理此類大量數據的能力允許實時威脅檢測和響應，從而挽救生命和資源。

此外，人工智能有助于開發復雜的網絡防御系統，并支持創造更智能、適應性更強的武器。簡而言之，人工智能和機器學習正在通過提高效率、準確性和整體有效性來徹底改變戰爭。隨著我們繼續開展活動和運營，并在全球范圍內進行投資，情況將保持不變。

總的來說，指揮官和領導者必須信任這項技術，才能在聯合全域作戰中證明其有效。當務之急是，所有梯隊的領導者都必須考慮如何制定和實施與家鄉站的數據訓練策略——以及戰斗訓練中心的參與——以建立對技術的信心，以便領導者能夠以信任的速度運作。

在不斷變化的戰爭環境中，技術進步不斷塑造著武裝部隊的作戰方式。從南北戰爭期間的加特林機槍到二戰期間的DUKW兩棲車輛和M-3半履帶運兵車，技術一直影響著我們的戰斗方式。

在這些進步中，人工智能和機器學習已成為游戲規則的改變者，無疑將徹底改變現代戰場。它們的整合在軍事行動的各個方面，從情報收集到決策等方面都帶來了前所未有的改進。

量子計算和機器學習可以在幾秒鐘內做出比傳統工作人員在軍事決策過程中更多的行動方案，這允許決策速度，這將給我們帶來決定性的優勢。

隨著戰爭性質的變化，我們正處于一個戰略轉折點，正如現已退休的馬克·米利將軍在 2023 年 7 月發表的“聯合部隊季刊”文章《戰略拐點：戰爭性質中最具歷史意義和最根本的變化正在發生——而未來籠罩在迷霧和不確定性中》中所闡明的那樣。

“我們必須努力比敵人少犯錯，”他說。這要求我們的聯合特遣部隊在聯合作戰概念的指導下進行根本性轉變。隨著我們過渡到一個新的戰爭時代，如果我們要贏得“比敵人少犯錯”的戰斗，我們必須確保聯合部隊被納入人工智能和機器學習的整合中。

同時，全面了解戰場對于軍事成功至關重要，人工智能和機器學習將使軍隊能夠利用大數據和實時信息的力量來增強態勢感知能力。配備人工智能算法的自主無人機可以以無與倫比的效率執行偵察任務，捕獲有關敵人動向、地形狀況和潛在威脅的數據。這些信息可以快速處理，使指揮官能夠在使用傳統方法所需時間的一小部分內做出明智的決定。

這種增強的態勢感知能力不僅可以最大限度地降低士兵的風險，還可以對新出現的威脅做出積極反應。簡而言之，訪問可以快速處理和分析的數據，為指揮官和作戰人員的實時決策提供信息，這將改變戰場上的游戲規則。

利用人工智能和機器學習等技術將塑造我們如何在未來的戰斗中采用這一概念，并決定我們如何培訓和發展梯隊領導者，以便在競爭、危機或沖突中利用這項革命性技術。

在“軍事評論”最近的一篇文章中，堪薩斯州萊文沃思堡陸軍聯合武器中心司令米爾福德·比格爾中將談到了我們必須如何通過減少對材料的依賴和提高對信息維度的利用來優化指揮所。

人工智能對提高決策速度的至關性

在混亂的戰爭中，瞬間的決策可以決定戰斗的結果。

正如在第二次世界大戰期間的中途島海戰中所看到的那樣，在那場海戰中，決策速度決定了成敗。人工智能和機器學習算法旨在處理大量數據并識別人類可能遺漏的模式。這些工具將改變組織如何更快地做出更好的決策。

將那些經常在“數據脫節”環境中作戰的戰場最邊緣的指揮官提升到行動指揮官和上層之間費力的信息流的犧牲品。

這種能力有助于軍事領導人做出更明智的決策，從選擇最佳戰略到根據實時情報評估最佳行動方案。從歷史數據中得出的預測分析還可以幫助預測敵人的動向并識別其防御中的潛在弱點。這是對指揮官現在利用的人類情報和信號情報流的一大補充。

人工智能對軍事行動方法的影響

最后，利用這項技術可以采取更有計劃、更有效的軍事行動方法，從而最大限度地減少傷亡并提高任務成功率。

戰略競爭對手正在部署能力，通過所有領域的多層對峙來對抗對手，這將要求在太空、網絡、空中、海上和陸地上擊敗多層對峙。實時檢測和響應威脅的能力是現代戰爭的重要組成部分。

人工智能驅動的系統可以同時監控多個數據源，從衛星圖像到截獲的通信。通過實時分析這些數據，算法可以識別異常和潛在威脅，從而立即向軍事人員發出警報。這種積極主動的方法能夠實現快速響應和反擊，防止對手占據上風。

無論是對關鍵基礎設施的網絡攻擊還是敵軍的移動，人工智能驅動的威脅檢測系統在維護軍事行動的安全性和完整性方面都具有顯著優勢。

后勤和供應鏈管理是任何軍事行動的命脈。在全球綜合后勤環境中，有太多相互作用的變量，維持者無法有效監控。

如今，人員只能通過各種數據流對車隊和供應商品的歷史數據進行監控。正如 Lone Star Analysis 的 John Price 在 2021 年 8 月發表在“軍事嵌入式系統”上的一篇文章中所寫的那樣，“計算機系統可以提供持續的評估，并且有足夠的機器智能，預測就會變得強大。

人工智能和機器學習通過預測需求模式、識別供應短缺和簡化分銷路線來優化這些流程。這包括人工智能驅動的基于車輛狀態的維護，該維護監控車輛的各個方面，從進氣到排氣以及其中的所有點。

因此，我們將范式完全從工廠轉移到了工廠，現在需求從散兵坑傳到了工廠。基于車輛狀態的維護利用預測性和規范性分析，同時提供持續診斷以及提供問題預測和解決方案處方，從而使人員能夠專注于進行特定調整，以優化軍用車隊的運營可用性。

這不僅確保了部隊擁有必要的資源，而且還最大限度地減少了浪費并降低了成本。通過自動化重復性任務和優化路線，武裝部隊可以更有效地分配資源，并在速度和效率方面保持競爭優勢。這種由人工智能和機器學習實現的精確維持確保響應符合需要，或者從散兵坑移動到工廠，而不是從工廠轉移到散兵坑。

同時，現代戰爭超越了傳統戰場，也包括了網絡領域。人工智能和機器學習在制定針對網絡威脅的自適應防御策略方面發揮著至關重要的作用。

美國防部的OODA - 觀察，定位，決策和行動 - 是作戰人員使用數據不僅實現有根據的決策，而且及時定位的循環。這些技術可以快速識別和響應網絡攻擊，分析模式以區分正常的網絡活動和可疑行為。此外，人工智能驅動的網絡安全系統可以從以前的攻擊中吸取教訓，并不斷提高其檢測和消除新出現的威脅的能力。

隨著世界的不斷發展，沖突的性質也在不斷變化。人工智能和機器學習已成為現代軍事武器庫中不可或缺的工具。他們處理大量數據、加強決策和實現實時響應的能力改變了武裝部隊的運作方式。

從提高態勢感知到徹底改變供應鏈管理和網絡安全，這些技術正在塑造戰爭的未來。

美國防部致力于遵循“設計即使用”的方法，在聯合全域作戰中利用這項技術。在開發解決方案時，每種服務都有不同的要求。

美國陸軍的要求可能是移動中的士兵或地面戰車;相比之下，對于空軍來說，這個案例可能是前沿空軍基地所需要的。

隨著向前邁進，這些技術的整合對于保持軍事優勢和確保軍事人員在現代戰場上的安全和成功仍然至關重要。借助人工智能和機器學習，無疑將能夠“以最先的速度”到達那里。

參考來源，David Wilson，美國陸軍維持司令部司令

大數據與人工智能（AI）的結合實現了準確預測和明智決策，為工業和研究帶來了革命性的變化。這些進步也在軍事領域找到了自己的應用位置，一些舉措整合來自不同領域的數據源和傳感器，提供共享的態勢感知。在城市軍事行動中，及時了解具體情況的信息對于實現精確和成功至關重要。數據融合將來自不同來源的信息結合在一起，對實現這一目標至關重要。此外，民用數據可提供關鍵的背景信息，并對任務規劃產生重大影響。本文提出了軍事數據空間（MDS）概念，探討大數據如何通過結合民用和軍用數據來支持軍事決策。文章介紹了使用案例，強調了數據融合和圖像認證在提高數據質量和可信度方面的優勢。此外，還討論了數據安全、隱私、完整性、獲取、融合、聯網和利用人工智能方法等方面的挑戰，同時強調了構建下一代軍事應用的機遇。

I. 引言

大數據的興起改變了企業存儲、管理和分析海量數據的方式。此外，大型數據集的可用性和更強大硬件的發展也為人工智能（AI）時代的到來鋪平了道路。盡管存在局限性，但這些課題在軍事領域也找到了適用性。其中一個例子是美軍使用的多域作戰（MDO），后來擴展為聯合全域指揮與控制（JADC2），以及 "共同作戰圖景"（COP）概念，這些概念整合了多個領域（陸地、海洋、空中、太空和網絡空間）的各種數據源和傳感器，使決策變得更快、更明智，提供了從戰術到戰略的各級組織的共享態勢感知。此外，北約社區已通過北約核心數據框架（NCDF）討論并測試了數據湖概念，以便在適當的時間/形式與聯盟伙伴共享可靠的跨域信息。

利用先進的算法和計算能力，人工智能可以處理龐大的數據集，揭示人類通常無法察覺的復雜模式。這使國防行動能夠增強實戰經驗、促進任務執行、做出數據驅動的決策、協調來自不同來源的數據，并加強應對威脅和災難的準備。通過整理來自不同來源的數據，指揮與控制（C2）部門可以深入了解城市景觀，并通過數據融合技術[3]、[4]促進態勢感知決策[1]、[2]。現代城市部署了傳感器網絡，利用大數據支持城市軍事戰略。此外，社交媒體平臺是寶貴的文本、圖像和視頻來源，豐富了態勢感知，但也帶來了數據完整性等挑戰。在 "非戰爭 "行動中，包括打擊腐敗政府、毒品販運和人道主義任務，大數據、數據融合、數據完整性和人工智能在任務成功中的重要作用在當代全球格局中變得顯而易見。

本文深入探討了利用大數據促進軍事決策以及相關挑戰。文章以簡明易讀的方式涵蓋了該領域相對欠缺探索的各個方面。在此背景下，研究介紹了軍事數據空間（MDS）的概念，這是一種將軍內數據（IMD）和軍外數據（EMD）結合在一起的新方法，旨在引發討論并開發軍事解決方案。然后，它通過以數據融合和圖像完整性機制為重點的使用案例來說明大數據的好處。最后，它討論了使用大數據的挑戰和機遇，集中在支持戰略性軍事決策必須考慮的四個主要方面：i) 數據融合；ii) 安全/隱私和完整性；iii) 人工智能；以及 iv) 網絡作為訪問大數據的手段。

從網絡視角討論數據傳播問題具有現實意義，文獻中也有廣泛論述。因此，本研究旨在引發對大數據觀點的討論，以及利用大數據造福軍事系統的可能性。此外，我們還強調了應對整合 IMD 和 EMD 相關挑戰的重要性。這種整合對于建立有凝聚力的大數據，最終提高軍事決策能力至關重要。總之，本文的貢獻如下：

• 引入一個整合軍用和民用數據的新概念：軍事數據空間（MDS）框架。
• 通過 MDS 框架的出現，確定大數據固有的關鍵挑戰和機遇。
• 兩個說明性用例，突出數據融合和完整性在支持戰略決策方面的優勢。

文章結構如下。第二節介紹了 MDS 的概念。第三節回顧了有關軍事和民用場景中大數據的最新文獻。第四節介紹兩個使用案例，說明大數據如何支持軍事決策。第五節討論了軍事數據領域的挑戰和機遇。最后，第六節總結了本研究討論的主要方面，為文章畫上了句號。

II. 軍事數據空間

軍事數據空間（MDS）的概念是根據 [5] 中討論的觀點提出的。它提供了一個以數據為驅動的軍事場景視角，有助于根據不同的數據源做出決策。MDS 包括兩個主要類別： 軍內數據（IMD）和軍外數據（EMD），如圖 1 所示。目前大多數軍事文獻都只針對 IMD 提出和評估系統（如中間件、協議）。然而，隨著信息和通信技術（ICT）的迅猛發展，民用系統已成為不可忽視的數據和基礎設施（網絡）的重要來源。因此，考慮到數據隱私/安全、完整性、獲取、融合、聯網和利用人工智能等挑戰，MDS 旨在支持關于 EMD 如何幫助軍事決策的討論。

圖1 軍事數據空間。

A. 軍內數據

IMD 與軍方提供和消費的數據相對應，主要分為兩層：帶有真實/虛擬傳感器（來自空間/航空/地面/航海單元）的基礎設施和信息層，包括作戰、情報和后勤數據。

基礎設施包括傳感器（如雷達、聲納、照相機）和其他電子系統收集的數據，可探測和跟蹤空中、陸地或水中的物體；車輛傳感器可提供軍事單元和周圍的狀態；可穿戴/智能和物聯網（IoT）設備可通過 GPS 定位、地圖、健康測量、實時照相機（高分辨率、紅外線）等為戰場上的步兵提供支持。這些數據可用于監測和識別潛在威脅、協助鎖定敵軍目標以及監測步兵狀況。

除了來自真實/虛擬傳感器的原始數據外，IMD 還包括信息層，該層融合了從作戰到情報等各種來源收集的數據，以創建一個更可靠、更廣闊的作戰視圖，這也是 JADC2 和 COP 系統的目標。情報信息可幫助軍隊了解敵軍的能力和意圖，識別潛在威脅并制定作戰計劃。后勤數據提供有關物資、裝備和人員的信息，如運輸時間表、庫存水平和維護記錄。這些數據對于確保軍隊擁有有效執行任務的資源至關重要。

B. 軍外數據

軍外數據是由真實/虛擬傳感器單獨或融合提供的數據子集，可描述軍事行動周圍的環境。因此，可定義用于支持軍事行動的兩個主要數據層：基礎設施（如交通系統、天氣、當局）和信息（如社交媒體、新聞、政府報告）。這些層產生了大量高度可變的信息，從用戶對實時事件（如事故、腐敗和恐怖主義）的感受和照片，到城市環境中的交通/天氣狀況和人們/駕駛員的行為。

信息和通信技術在城市地區的發展催生了智能城市的出現，智能城市通過增強流動性、安全性和健康解決方案來應對城市化帶來的挑戰。智能城市基礎設施包含傳感器，可捕捉有關車輛、交通、天氣和駕駛員行為的寶貴數據。傳感器和物聯網設備的激增也產生了大量數據，這使得利用云通信技術和人工智能應用開發智能系統成為可能。在大數據的推動下，數據融合應運而生，它整合了來自多個提供商的數據，以提高質量和覆蓋范圍，并減少海量數據流量。融合來自交通、天氣、攝像頭、醫療系統等的數據，不僅有可能支持民用應用，還能通過提供上下文數據支持戰略性軍事行動。在傳感器基礎設施有限的情況下，來自社交媒體和政府報告等媒體來源的數據可幫助了解當地行為，并識別影響犯罪、腐敗和毒品販運的因素。

社交媒體數據對于支持與緊急事件和災難相關的信息非常有價值，可通過捕捉獨特信息（如需要救援的群體的位置或隱藏人員的存在）來補充其他傳感器數據。建筑物上的固定傳感器和監控攝像頭可幫助進行人員跟蹤，以準確識別位置。社交媒體數據與其他數據源相結合，有助于敵情偵查和戰術規劃。與交通相關的傳感器數據，特別是交通監控攝像頭，在應急響應和軍事后勤方面發揮著重要作用。它可以檢測事故造成的擁堵和堵塞，從而改進軍事行動期間的路線規劃和交通管理。整合所有收集到的信息可增強態勢感知，促進城市環境中行動的有效規劃和管理。

針對近期發生的事件，如俄羅斯戰爭以及美國和巴西等國的反民主極端分子所帶來的挑戰，已經出現了多項舉措。其中一個例子是 ACLED（武裝沖突地點和事件數據）項目，該項目提供有關政治暴力和抗議事件的實時全球數據。另一個值得一提的項目是 DATTALION，這是一個廣泛的開源照片和視頻片段數據庫，記錄了俄羅斯對烏克蘭的戰爭。該數據庫的主要目的是反擊俄羅斯政府散布的錯誤信息。聯合國開發計劃署（UNDP）利用機器學習（ML）算法和大數據來檢測烏克蘭東部受損的基礎設施。語義損壞檢測器 (//tinyurl.com/semdam) 利用衛星圖像和地面照片對算法進行訓練，以識別建筑物、道路和橋梁的潛在損壞，協助地方當局和人道主義組織確定行動的優先次序。這些舉措極大地促進了 MDS，特別是 EMD，為分析和研究提供了寶貴的資源。

III. 軍事領域的大數據

本節探討大數據在軍事領域的應用，重點從數據內（IMD）和數據外（EMD）兩個角度概述大數據在軍事行動中的重要意義，并探索利用其潛力的最新解決方案。

A. 軍內數據

大數據在軍事領域的一些挑戰已在文獻中提出，并成為北約社區討論的主題，如作戰安全性、漏洞加固和數據可靠性[1]、[2]、[6]，以及北約 IST160 和 IST-173。納入與外界幾乎沒有聯系的自主隔離（如 EMD）可能會限制大數據的自由流動，這就要求在保持系統自主性和保護性的同時，以創造性的方式利用大數據。在這一方向上，COP 和 JADC2 引導研究人員和行業使用和融合來自不同軍事實體的數據，以支持戰略決策。

Kun 等人[1]提出了在軍工企業構建大數據平臺、建立多級數據通道、實現全面數據管理和控制的詳細技術方案。該平臺有利于數據的收集、組織、處理和分析，將數據轉化為知識，以加強決策/服務支持、創新、質量控制和風險管理。Xu 等人[6]強調了數據科學在當代戰爭中實現信息優勢的重要性。他們的系統性綜述顯示，社會科學文獻對數據科學風險給予了極大關注，這可能會影響政治和軍事決策者。然而，與戰術層面相比，科學文獻缺乏對作戰和戰略層面風險的關注，這表明存在研究空白。這一差距可能是由于 IMD 與 EMD 之間缺乏聯系造成的，而 EMD 可以支持行動和戰略決策。

B. 軍外數據

1. 數據融合： 大數據在異構數據融合中發揮著至關重要的作用，其目的是將多種記錄合并為一致的表示形式，提高數據質量并減少通信開銷。然而，由于數據語義和時空覆蓋范圍的原因，挑戰也隨之而來。在軍事應用中，異構數據融合對于設計信息系統，增強復雜的城市戰爭或反恐場景中的信息優勢和感知能力非常有價值。強大的系統對于處理敏感數據（如個人數據或戰略任務/政府計劃）至關重要。數據融合可減輕信息過載，提高準確性，并利用知識支持戰略行動和形勢評估[3]。

多傳感器數據融合（MSDF）方法是在戰術場景中提供快速高效的目標探測、跟蹤和威脅評估的一個實例，如文獻[4]所示。數據融合的另一個應用領域是基于位置的社交媒體（LBSM），它可以增強各個領域的知識，包括交通特征描述和事故檢測[7]。利用 LBSM 系統可以獲得更詳細的交通數據，有利于軍事后勤工作。在特定的軍事環境中，可以利用 LBSM 系統的潛力來提高數據可用性，并實現情境感知操作。

2. 數據安全、隱私和完整性： 設計在數據庫中存儲和收集信息的軍事系統時，安全和隱私是關鍵的考慮因素。安全性旨在防止未經授權的數據修改，而隱私性則保護個人的信息[8]。然而，從公開來源收集數據，尤其是從普通用戶（EMD）收集數據，會給系統安全和用戶隱私帶來風險，使其容易受到攻擊和數據泄露。IBM 的《2022 年數據泄露成本報告》指出，網絡攻擊成本與上一年相比增加了 2.6%，全球平均數據泄露成本達到 335 萬美元。此外，該報告還顯示，83% 的被調查組織經歷過多次數據泄露，這凸顯了保護這些系統安全所面臨的挑戰。

數據完整性對于維護對 MDS 的信任至關重要[9]。被篡改的數據會產生嚴重后果，影響民事和軍事決策過程，破壞對數據源的信心。社交媒體平臺上錯誤信息的泛濫就是這一挑戰的例證，這些錯誤信息往往被利用來施加政治影響，烏克蘭正在發生的沖突就是一例。為應對此類問題，Twitter 等平臺修訂了其政策，標記了許多與俄羅斯國家附屬媒體相關的推文，并檢測了數十億條與沖突相關的實時推文印象[10]。

與此同時，圖像認證的出現解決了人們對圖像完整性和來源驗證的擔憂。然而，包括人工智能軟件在內的先進圖像處理工具的興起使圖像驗證變得越來越棘手。雖然圖像驗證引入了水印、數字簽名和感知散列（pHash）等多種技術[11]，但每種技術都有其優勢和局限性。例如，水印可提供真實性和所有權保護，但可能會影響圖像質量，而且容易受到高級處理技術的影響。相比之下，pHash 可以靈活地進行圖像操作，并對內容變化敏感，因此特別適合在社交媒體平臺上使用。在數據完整性和圖像認證的背景下考慮這些挑戰和解決方案至關重要。

IV. 使用案例

A. 數據融合

首先，大數據的時空融合是為了支持軍事決策。由于缺乏所討論的可用 IMD，多數據融合（MDF）框架[12]被實例化，用于收集、準備和處理 EMD，并將其融合以提供豐富的信息。為了證明時空數據的豐富性，MDF 利用基于云的系統共享數據的公共可用性獲取了交通系統數據。不過，該框架可擴展到其他各種數據類型。其目標是提高數據質量、改進 C2 系統和軍事后勤，并支持城市地區的 COP/JADC2，從而創造出將融合 EMD 與來自不同領域的可用 IMD 結合使用的新方法。下文圖 2 介紹了 MDF 的主要功能。此外，還通過分析數值結果討論了融合大數據的好處。

對于數據采集，圖 2 (1)配置了一組參數（如區域、請求頻率）和數據源，MDF 為此收集各種格式的數據，并將其存儲在文件中。在準備階段（2），通過將不同的地物名稱和類型轉換為統一的表示方法，對輸入數據集進行標準化。這包括各種數據映射，以生成統一的數據類型，例如將描述性映射為數值或降低數據粒度。此外，還啟動地圖匹配，將所有地理定位數據（可能具有不同的精確度）融合到同一個路網中。MDF 對所有收集到的數據進行預處理，并從收集到的區域獲取 Shapefile (SHP)。請注意，根據應用目標和可用數據類型，框架可能會應用不同的特征提取方法，如自然語言處理（NLP）（情感分析、關鍵詞提取、詞法化、詞干化和自動摘要）或圖像處理（圖像分割、邊緣檢測和對象檢測），以從非結構化數據類型中提取信息。在使用案例中，我們沒有使用 NLP 算法，因為數據是無文本圖像和基于交通的數據。不過，建議的數據融合框架具有多功能性，可以處理各種數據類型，包括可以應用 NLP 技術的文本數據。

圖2 數據融合框架工作流程。

第三階段實現時間/空間數據融合和數據導出。為確保數據完整性，需要事先過濾非信任信息或有偏見的信息，例如，根據信息在不同數據源或圖像認證機制中的出現情況，使用驗證信息的方法，如第四節B部分所述。時間數據融合是通過對任意時間窗口（如每分鐘、每小時、每天）內的數據進行分組來實現的。為了進行空間融合，MDF 利用地圖匹配，根據底層道路網絡在規定的精確度下對 GPS 點進行對齊。由于不同數據源的 GPS 報告精度各不相同，因此必須這樣做，才能將所有地理定位數據映射到相同的道路網絡中。

最后，在圖 2 (4)中，豐富的數據以不同的格式輸出，為軍事和民用領域提供了多種可能性。MDF 的輸出通過創建不同類型的統計數據和可視化效果來支持時空分析，從不同的空間和時間方面描述可用信息的特征。

1. 結果： 為了展示數據融合的優勢，表 I 總結了 MDF 框架在實際實驗中的結果。該實驗為期九個月，在兩個不同的城市收集了四類民用交通數據（交通流量、事故、車輛數據和天氣狀況）。數據融合使科隆的數據覆蓋率提高了 173%，覆蓋了 5081 條道路，而僅使用Traffic HERE數據源時僅覆蓋了 1379 條道路，波恩的數據覆蓋率提高了 137%。此外，通過重疊路段豐富信息的潛力達到了 39.5%，從多個來源提供了事件的詳細描述。

表I 按數據來源分列的道路覆蓋情況。

B. 數據完整性

之前的工作[11]介紹了一種利用 Twitter 和 Facebook 來確保圖像完整性的圖像認證系統。該系統采用卷積神經網絡（CNN）和全連接層（FCC）進行特征提取，采用位置敏感散列（LSH）進行散列構建，并采用對比度損失最大化原始圖像和篡改圖像之間的差異。該模型的輸出是每個圖像 1024 位的固定長度向量表示。

為解決在城市軍事行動和民用系統中保持圖像完整性的重要性，提出了圖像事實檢查器（IFC），如圖 3 所示。它能檢測虛假圖像，確保數據的可信度，并作為當局主導的認證系統，打擊錯誤信息。系統會生成帶有徽標或圖標的驗證版照片，表明其已通過 IFC 系統驗證。此外，IFC 還提供了圖像的感知散列（pHash）字符串表示，可將其納入描述或在其他網站上共享。數據融合系統是 IFC 的一個可能的終端用戶，它可以在應用時空融合和生成豐富數據之前對抓取的圖片進行驗證。

圖3 Image-Fact-Checker (IFC)。

建立一個能提供即時真實信息的自動化系統是一個相對較新的概念，因此通過比較來評估其有效性具有挑戰性。然而，由于創建令人信服的偽造圖像的人工智能生成模型的興起，實施圖像認證系統現在變得至關重要。添加這一系統作為驗證層有助于防止或減少虛假信息的傳播，尤其是考慮到不斷發展的互聯網法規會對缺乏反虛假信息措施的平臺進行處罰。一種有效的方法是將 IFC 系統與政府機構連接起來。IFC 方法具有通用性和可擴展性，可提高個人的意識和信任度。

1. 成果： 使用 IFC 系統提高了數據的可信度，并能檢測到圖像操縱行為。在烏克蘭-俄羅斯沖突等沖突局勢中，受俄羅斯襲擊影響的平民在社交媒體上分享圖片，但對其真實性產生質疑。IFC 可以使用 DATTALION 數據集對這些圖像進行驗證，從而可以快速將其分發給救援隊、聯合國或北約等相關組織。這加快了對襲擊的響應速度，并提供了針對俄羅斯的可靠證據。在交通等民用場景中，從普通用戶那里獲取實時和經過驗證的信息可以加強路線更新和應急響應方面的決策。

圖 4（左）是通過 DATTALION 從普通社交媒體用戶那里收集到的兩張未經驗證的圖片。這些圖片只是更大數據集中的一小部分。用戶通常不愿意相信這些來源，因此有效利用這些來源具有挑戰性。然而，當這些圖像經過 IFC 機制處理后，其可靠性就會提高，因為任何進一步的篡改都很容易被檢測出來。如圖 4（右圖）所示，應用 IFC 后，每張圖片都會收到 pHash 和相關信息，如圖片描述、提取的特征、位置、事件日期、抓取日期、發布者 ID。這些經過處理的圖像將存儲在 IFC 數據庫中，供今后查詢。該數據庫有多種用途：重復檢測、完整性驗證以及滿足特定最終用戶的要求。

圖4 使用IFC提取圖像細節。

V. 軍事數據空間的挑戰與機遇

A. 數據融合

數據融合的第一個挑戰是尋找和獲取軍事和民用領域的可用數據。出于隱私/安全考慮，信息可能無法廣泛獲取或獲取途徑有限。在軍事領域（IMD），數據受到更多限制，這為探索可用的民用數據（EMD）以支持戰略性信息決策提供了機會。第二個值得注意的挑戰是融合多種數據源，這些數據源可能具有不同的結構（結構化、半結構化和非結構化數據）、標準、數據類型（如文本、圖像、視頻）、測量單元、粒度和時空覆蓋范圍。因此，需要深入了解如何準備和處理不同的數據集，并將其融合為一個數據集。

處理社交媒體中的圖像和文本需要進一步的程序，如特征提取方法（如 NLP 和圖像處理），以提取可用信息。盡管數據融合面臨諸多挑戰，但將從不同角度（如指揮部、用戶、記者、政府、傳感器）描述同一空間和時間的不同數據源結合起來的好處，可以加強軍事行動的規劃和戰略階段，為 COP 和 JADC2 系統提供支持。

B. 數據安全、隱私和完整性

1. 數據安全與隱私： 保護敏感的軍事信息對國家安全至關重要。需要強大的加密、安全的數據存儲和訪問控制來降低風險。建議采用的技術包括公鑰基礎設施（PKI）安全、受保護內核、數據加密、防火墻和入侵檢測。然而，如何在數據共享、有利于信息融合和安全/隱私措施之間取得平衡，對軍方來說仍是一項具有挑戰性的任務。

2. 數據完整性： 被操縱的數據會給民用和軍用決策帶來風險，并降低對數據提供者的信任度。在生成內容的人工智能模型不斷進步的幫助下，篡改圖像迅速傳播，參與度不斷提高，這凸顯了對智能綜合解決方案的需求。通過社交媒體分享的圖片能夠快速傳達復雜的想法，從而為救援行動提供支持，使人們能夠立即采取行動，如在城市發生事故/災難時改變交通路線。圖片還能喚起情感聯系，增強讀者對新聞事件的理解。然而，烏克蘭戰爭等危機擴大了錯誤信息的傳播，這就需要 snopes.com 和 norc.org 等人工事實核查機構的參與，以打擊錯誤信息。然而，在戰爭期間或為打擊腐敗政府而進行基于人工的實時核查可能會耗費大量時間，這就為設計自動系統來驗證圖像和處理虛假信息創造了機會。

C. 聯網

雖然這項工作的主要重點在于數據視角，以及確保使用來自不同來源的可信數據來支持軍事行動的相關性，但同樣重要的是要認識到網絡在有效提供數據和服務方面的重要性。在以網絡為中心的軍事行動中，利用高頻、甚高頻、超高頻、衛星通信、Wi-Fi 和 LTE 4-5G 等各種技術進行無線通信至關重要。有些技術擅長長距離覆蓋，但帶寬有限、延遲高，而且容易受到干擾。另一些則以可靠性為先，覆蓋范圍較短，帶寬較大，延遲較低。

以信息為中心的網絡（ICN）和軟件定義網絡（SDN）等網絡范例對于優化數據傳播和網絡協調至關重要[13]，尤其是在網絡資源有限的情況下。在軍事網絡中，尤其是在戰術邊緣，數據傳播過程中會出現資源有限和安全問題等挑戰。為解決這些問題，軍方可能會探索包括民用網絡在內的各種基礎設施，以獲取和融合非軍事數據。以歐洲 5G COMPAD 聯盟為例，目前正在考慮采用 5G 技術。然而，由于硬件通信系統成本高昂、帶寬和互操作性有限，因此具有挑戰性。這就需要定制參考架構來滿足軍事通信需求。

在最近的烏克蘭-俄羅斯沖突中，俄羅斯對烏克蘭基礎設施的攻擊導致互聯網中斷，暴露了通信網絡的脆弱性。SpaceX 的 Starlink 衛星互聯網星座提供了一種解決方案，證明了在戰時利用民用網絡基礎設施的價值。盡管該技術有望提高互聯網在數據和緊急通信方面的可靠性，但它在網絡安全、覆蓋范圍、可靠性和成本效益方面仍面臨挑戰。

D. 人工智能

由于隱私、安全以及軍事機構為防止濫用和限制 IMD 的可用性而施加的限制，為人工智能研究訪問軍方擁有的大數據帶來了挑戰。此外，人工智能功能可能會受到對抗性攻擊的影響，對抗性攻擊會通過改變造成錯誤分類來欺騙人工智能模型。快速梯度符號法（FGSM）和語義攻擊等技術分別有助于識別和減輕計算機視覺和 NLP 中的此類攻擊。Yuan等人[14]對攻擊、對策和基于應用的分類標準進行了全面評述。

要檢測對抗性攻擊，一種有效的方法是使用具有與主人工智能模型不同特征的輔助人工智能模型。這一想法源于早期的衛星通信。當時，人們使用電報等輔助系統來防止對衛星通信的中間人攻擊或干擾攻擊。由于帶寬有限，輔助系統只能傳輸與完整衛星數據相對應的摘要數據，用于偵測攻擊和應急通信。同樣，在人工智能中防范對抗性攻擊時，傳統的 ML 可以作為輔助系統，產生與主要 CNN 方法一致的結果。對抗性攻擊依賴于計算機視覺深度學習模型中的梯度技術，而傳統的 ML 方法則使用不同的方法，這些方法對這些攻擊操作大多具有免疫力。

在軍事領域使用人工智能的另一個問題是需要共享敏感數據來訓練模型。在這方面，聯邦學習（FL）作為一種訓練 ML 模型的技術已經出現，在這種技術中，數據不會暴露，從而確保了數據的安全性和隱私性[15]。雖然它不能被視為對抗惡意攻擊的防御技術，但這種方法隱藏了敏感數據和模型或參數的一部分。這種技術對于建立在人工智能基礎上的新興軍事應用非常有價值。

VI. 結論

本文探討了大數據在軍事領域的應用。研究了與整合不同數據源、確保數據安全、隱私和完整性以及聯網和利用人工智能相關的機遇和挑戰。文章引入了 MDS 概念，以豐富和引導討論，強調納入民用數據的潛力，以提高軍事行動戰略決策所需的信息質量和數量。此外，文章還包括兩個實際使用案例，說明了數據融合的好處以及實施圖像認證機制以保持數據完整性的重要性。這些發現凸顯了大數據在軍事領域的重要意義，并強調了在該領域開展進一步研究和探索的必要性。

在不到一年的時間里，Chat-GPT 已成為一個家喻戶曉的名字，反映了人工智能驅動的軟件工具，特別是生成式人工智能模型的驚人進步。伴隨著這些發展，人們頻頻預測人工智能將徹底改變戰爭。在人工智能發展的現階段，人們仍在探索可能的參數，但軍方對人工智能技術的反應是不可否認的。美國網絡安全和基礎設施安全局局長詹-伊斯特里警告說，人工智能可能是 "我們這個時代最強大的武器"。雖然自主武器系統在有關人工智能軍事應用的討論中往往占據主導地位，但人們較少關注在武裝沖突中支持人類決策的系統中使用人工智能的問題。

在這篇文章中，紅十字國際委員會軍事顧問魯本-斯圖爾特（Ruben Stewart）和法律顧問喬治婭-海因茲（Georgia Hinds）試圖批判性地審視人工智能用于支持戰爭中武裝人員決策時被吹噓的一些益處。其中特別討論了減輕對平民的傷害和節奏問題，尤其關注武裝沖突中對平民的影響。

即使在最近的炒作之前，人們可能已經以各種形式使用過人工智能，事實上，人們可能正在使用主要由人工智能驅動的設備閱讀這篇文章。如果您使用指紋或人臉打開過手機，參與過社交媒體，使用手機應用程序規劃過旅程，或者在網上購買過披薩和書籍等任何物品，那么這些都可能與人工智能有關。在很多方面，我們對人工智能已經習以為常，常常在不知不覺中將其應用到我們的日常生活中。

但如果人臉識別軟件被用來識別要攻擊的人呢？如果類似的軟件不是尋找最便宜的航班將你送往目的地，而是尋找飛機對目標實施空襲呢？或者，機器推薦的不是最好的披薩店或最近的出租車，而是攻擊計劃？這顯然是開發基于人工智能的國防決策平臺的公司 "即將到來 "的現實。

這類人工智能決策支持系統（AI-DSS）是一種計算機化工具，使用人工智能軟件顯示、綜合和/或分析數據，并在某些情況下提出建議，甚至預測，以幫助人類在戰爭中做出決策。

AI-DSS 的優勢往往體現在提高態勢感知能力和加快決策周期上。下文將根據人工智能系統和人類的局限性，并結合現代沖突的規劃過程，對這些說法進行解讀。

將沖突中傷害平民的風險降至最低

新技術在戰爭中的出現往往伴隨著這樣的說法，即新技術的整合將減少對平民的傷害（盡管在實踐中并不總是如此）。就 AI-DSS 而言，有人聲稱這種工具在某些情況下有助于更好地保護沖突中的平民。當然，國際人道主義法（IHL）規定，軍事指揮官和其他負責攻擊的人員有義務根據他們在相關時間所掌握的所有來源的信息做出決定。特別是在城市戰爭的背景下，紅十字國際委員會建議，有關平民和民用物體存在等因素的信息應包括互聯網等公開來源資料庫。此外，具體到人工智能和機器學習，紅十字國際委員會認為，只要人工智能-DSS工具能夠促進更快、更廣泛地收集和分析這類信息，就能使人類在沖突中做出更好的決策，從而最大限度地減少對平民的風險。

與此同時，任何 AI-DSS 的輸出都應在多個來源之間進行交叉核對，以防止信息有偏差或不準確。雖然這對沖突中的任何信息來源都是如此，但對AI-DSS 尤為重要；正如紅十字國際委員會先前所概述的那樣，由于系統的功能以及人類用戶與機器的交互方式，要核實輸出信息的準確性可能極其困難，有時甚至是不可能的。下文將進一步闡述這些方面。

系統局限性

最近關于人工智能發展的報道經常包括人工智能失敗的例子，有時是致命的。例如，軟件無法識別或錯誤識別膚色較深的人，推薦的旅行路線沒有考慮最新的路況，以及自動駕駛汽車造成死亡的例子。其中一些失誤是可以解釋的，但不可原諒，例如，因為其輸出所依據的數據有偏差、被破壞、中毒或根本不正確。這些系統仍然很容易被 "欺騙"；可以使用一些技術來欺騙系統，使其對數據進行錯誤分類。例如，可以想象在沖突中使用對抗性技術來影響瞄準輔助系統的源代碼，使其將校車識別為敵方車輛，從而造成毀滅性后果。

隨著人工智能被用于執行更復雜的任務，特別是當多層分析（可能還有決策和判斷）不斷累積時，驗證最終輸出以及導致最終輸出的任何錯誤的來源就變得幾乎不可能。隨著系統越來越復雜，出現復合錯誤的可能性也越來越大--第一個算法建議中的一個微小不足會被反饋到第二個算法過程中并造成偏差，而第二個算法過程又會反饋到第三個算法過程中，依此類推。

因此，人工智能系統經常表現出用戶或開發者無法解釋的行為，即使經過大量的事后分析也是如此。一項針對備受矚目的大型語言模型 GPT-4 的研究發現，三個月后，該模型解決數學問題的能力從 83.6% 銳減至 35.2%，令人費解。不可預測的行為也可以通過強化學習產生，在強化學習中，機器已被證明能夠非常有效地采用和隱藏不可預見的行為，有時甚至是負面行為，從而戰勝或超越人類：無論是通過撒謊贏得談判，還是通過走捷徑擊敗電腦游戲。

人類與機器互動面臨的挑戰

AI-DSS 不會 "做出 "決定。不過，它們確實會直接影響人類的決策，而且往往影響很大，其中包括人類在與機器交互時的認知局限性和傾向性。

例如，"自動化偏差 "指的是人類傾向于不批判性地質疑系統的輸出，或搜索矛盾的信息--尤其是在時間緊迫的情況下。在醫療保健等其他領域已經觀察到了這種情況，經驗豐富的放射科醫生的診斷準確性受到了人工智能錯誤輸出的不利影響。

在醫療領域，不準確的診斷可能是致命的。同樣，在武裝沖突中，過度信任也會帶來致命后果。2003 年，美國的 "愛國者 "防御系統兩次向友軍聯軍飛機開火，原因是這些飛機被誤認為是攻擊導彈。在隨后的調查中，發現的主要缺陷之一是 "操作員接受了信任系統軟件的培訓"。

這些運作方式，再加上人機互動的這些特點，有可能增加結果偏離人類決策者意圖的可能性。在戰爭中，這可能導致意外升級，無論如何都會增加平民和受保護人員的風險。

節奏

人工智能在軍事上被吹捧的一個優勢是，它能讓用戶的決策節奏快于對手。節奏的加快往往會給平民帶來額外的風險，這就是為什么要采用 "戰術忍耐 "等降低節奏的技術來減少平民傷亡。放慢決策節奏，包括為決策提供信息的過程和評估，可以讓系統和用戶有額外的時間：

• 看到更多
• 了解更多；以及
• 制定更多選擇。 重要的是，在整個決策鏈中都是如此，而不僅僅是在最后的 "決策點"。因此，聲稱 AI-DSS 將加快最終決定是否 "扣動扳機 "的耗時步驟，從而實際上為戰術忍耐帶來更多時間的說法，有可能過度簡化當代沖突中的目標選擇和武力執行過程。

額外的時間讓你看到更多

2021 年 8 月 29 日，在喀布爾大撤退期間，無人機對喀布爾進行了臭名昭著的空襲，造成 10 名平民死亡，中央司令部指揮官將這次空襲歸咎于 "我們沒有多余的時間來分析生活模式和做其他一些事情"。

"生活模式"分析是一些軍隊對平民和戰斗人員的存在和密度、他們的時間表、在考慮攻擊的地區內和周圍的移動模式等進行評估的描述。這是減少平民傷害的重要方法。然而，對生活模式的評估只能實時進行--平民創造這種模式需要時間--無法加快。

試圖根據歷史趨勢預測未來行為的做法無法顧及當前情況。在這個例子中，回顧舊的情報資料，特別是喀布爾的全動態視頻，并不能反映出由于塔利班接管和正在進行的疏散工作而發生的形勢和行為變化。

正如預防平民傷亡指南所解釋的那樣，"等待和觀察的時間越長，你就會對發生的事情了解得越多，也就能更好地做出使用致命或非致命手段的決定"，或者正如拿破侖所說的那樣 "慢慢給我穿衣服，我趕時間"--有時，刻意為之才能達到最佳效果。

額外的時間可以讓用戶理解更多

放慢決策速度的另一個原因是，人的理解能力，尤其是對復雜和混亂情況的理解能力，需要時間來培養，也需要時間來斟酌適當的應對措施。時間越少，人理解局勢的能力就越弱。軍事規劃流程旨在讓指揮官和參謀人員有時間考慮作戰環境、對手、友軍和平民，以及所考慮的行動方案的利弊。正如德懷特-D-艾森豪威爾將軍所解釋的，"在準備戰斗的過程中，我總是發現計劃是無用的，但規劃是不可或缺的"。

當人類決策者考慮由 AI-DSS 生成或 "推薦 "的行動方案時，這一點就會產生影響，因為相對于對手而言，AI-DSS 加快行動節奏的能力可能是被利用的最主要原因。如果人類計劃人員沒有經歷或甚至完全不了解 AI-DSS 提出的計劃的制定過程，那么他對局勢、各種影響因素和相關人員的了解可能就會很有限。 事實上，人們已經注意到，使用自動輔助工具會降低人類用戶的警覺性，損害他們保持態勢感知的能力。這一點應從如何影響遵守國際人道主義法義務的角度加以考慮；盡一切可能核查目標的義務表明，需要最大限度地利用現有情報、監視和偵察資產，以獲得在當時情況下盡可能全面的態勢感知。

更多時間可讓用戶做出更多選擇

除了能讓指揮官看到和了解更多情況外，額外的時間還能讓指揮官制定戰術備選方案，包括決定不使用武力或緩和局勢。額外的時間可以讓其他單元和平臺脫離接觸、重新定位、重新補給、計劃和準備協助即將到來的行動。這為指揮官提供了更多選擇，包括可更好地減少平民傷害的替代計劃。額外的時間可能允許采取額外的緩解措施，如發布警告，從平民的角度來看，這也允許他們實施應對機制，如躲避、重新補給食物和水或撤離。

正如軍事規劃理論中的一個例子所解釋的那樣，"如果時間充裕，而且更快采取行動也沒有好處，那么就沒有什么借口不花時間進行充分規劃"。正如北約的《保護平民手冊》所回顧的那樣，"如果有時間按照國際人道主義法的原則對部隊或目標進行蓄意規劃、區分和精確瞄準，那么CIVCAS[平民傷亡]的可能性就會大大降低"。

結論

"戰爭是混亂的、致命的，從根本上說是人類的努力。它是人與人之間的意志沖突。所有戰爭本質上都是為了改變人類的行為，每一方都試圖通過武力改變另一方的行為"。"戰爭源于人類的分歧，在人類群體之間展開，由人類控制，由人類結束，而在戰爭結束后，人類又必須共存。最重要的是，沖突中的苦難由人類承擔。

這一現實，乃至國際人道主義法本身，都要求在武裝沖突中開發和使用人工智能時采取 "以人為本 "的方法--努力在本已不人道的活動中維護人性。這種方法至少有兩個關鍵方面：(1) 關注可能受影響的人；(2) 關注使用或下令使用人工智能的人的義務和責任。

在研究可能受影響的人時，不僅要考慮在使用 AI-DSS 獲取軍事優勢時減少對平民的風險，還要考慮專門為保護平民的目標設計和使用這類工具的可能性。在這方面已經提出的可能性包括識別、跟蹤和提醒部隊注意平民人口存在的工具，或識別在武裝沖突中表明受保護地位的特殊標志的工具（見這里和這里）。

確保人類能夠履行其在國際人道主義法下的義務意味著 AI-DSS 應為人類決策提供信息，但不能取代人類對武裝沖突中人們的生命和尊嚴構成風險的判斷。在自主武器系統方面，各國已廣泛認識到這一點（例如，見此處、此處和此處）。遵守國際人道主義法的責任在于個人及其指揮官，而非計算機。正如美國國防部《戰爭法手冊》所述："戰爭法并不要求武器做出法律決定......相反，必須遵守戰爭法的是人。中國在《新一代人工智能倫理規范》中更普遍地強調了這一點，堅持 "人是最終的責任主體"。

關于 AI-DSS 必然會加強平民保護和遵守國際人道主義法的說法必須受到嚴格質疑，并根據這些考慮因素進行衡量，同時考慮到我們對系統局限性、人機互動以及行動節奏加快的影響的了解。

參考來源：International Committee of the Red Cross

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。

人工智能（AI）究竟是什么？它與電子戰（EW）的未來有什么關系？人工智能正在改變我們所做的一切嗎？如果忽視人工智能，那將是一個錯誤。眾所周知，特斯拉采用了人工智能算法，特別是卷積神經網絡、遞歸神經網絡和強化學習。從根本上說，這些算法可以匯編來自多個傳感器的數據，分析這些數據，然后做出決策或向最終用戶提供信息，從而以驚人的速度做出決策。這一過程以指數級的速度發生，超過了人腦的處理速度。因此，從根本上說，人工智能是機器像人類一樣執行認知功能的能力。

人工智能可以駕駛汽車、撰寫學期論文、以適當的語氣幫你創建電子郵件，因此，它在軍事領域的潛在應用也是理所當然的。具體來說，就是整合人工智能電子戰及其提供的潛在能力轉變。雖然 "電子戰 "一詞已經使用了相當長的一段時間，但將人工智能注入這一領域為提高速度和殺傷力和/或保護開辟了新的途徑。

電子戰包含一系列與控制電磁頻譜有關的活動，傳統上一直依賴人類的專業知識來探測、利用和防御電子信號。然而，現代戰爭的速度和復雜性已經超出了人類操作員的能力。這正是人工智能的優勢所在，它帶來的一系列優勢將徹底改變電子戰的格局。

將人工智能融入電子戰的首要好處之一是增強了實時處理和分析海量數據的能力。在數字時代，戰場上充斥著來自通信網絡、雷達系統和電子設備等各種來源的大量信息。人工智能算法可以迅速篩選這些數據，識別出人類操作員可能無法識別的模式、異常情況和潛在威脅。這種能力不僅能提高威脅檢測的準確性，還能大大縮短響應時間，使友軍在快速演變的局勢中獲得關鍵優勢。

在這種情況下，人工智能賦能的兵力倍增器就出現了，它能在面對復雜多變的局勢時做出更高效、更有效的決策。現代戰場會產生大量電子信號，需要快速準確地識別。人工智能驅動的算法擅長篩選這些數據、辨別模式，并識別在以往場景中可能被忽視的信息。這使兵力能夠迅速做出反應，以更快的速度做出關鍵決策。

此外，人工智能還具有適應和學習新信息的能力，這一特性在電子戰領域尤為有利。電子威脅和反制措施處于不斷演變的狀態，需要反應迅速和靈活的策略。人工智能驅動的系統可以根據不斷變化的情況迅速調整戰術，持續優化性能，而無需人工干預。這種適應性對于對抗復雜的電子攻擊和領先對手一步至關重要。

人工智能與電子戰的融合還為指揮官提供了更先進的決策工具，比歷史標準更詳細、更快速。人工智能算法可以分析各種場景，考慮地形、天氣以及友軍和敵軍兵力等因素。這種分析為指揮官提供了全面的戰場情況，使他們能夠在充分了解情況的基礎上做出決策，最大限度地提高任務成功的概率，最大限度地降低潛在風險。此外，人工智能驅動的模擬可以演繹不同的場景，使軍事規劃人員能夠完善戰略，評估不同行動方案的潛在結果。美國今年早些時候進行了一次以印度洋-太平洋地區為重點的演習，將大語言模型（LLM）作為規劃和決策過程的一部分。一位演習成員稱贊了系統 "學習 "的成功和速度，以及系統成為戰場上可行資源的速度。另一個例子是，利用已輸入人工智能系統的數據對目標清單進行優先排序，人工智能系統能夠考慮瞄準行動、網絡，從而比操作人員更快、更全面地了解戰區情況。

不過，必須承認，要完成人工智能整合，還存在一些潛在的障礙。首先，美國防部大多數實體無法直接獲得人工智能技術。大多數從事前沿人工智能工作的組織都是商業公司，它們必須與軍事系統合作或集成。這可能會受到美國現行預算和研發流程的阻礙。此外，美國的這些流程進展緩慢，人工智能技術很有可能無法融入美國兵力。還有潛在的道德和安全考慮。隨著人工智能系統在探測和應對威脅方面承擔更多責任，人類的監督和控制水平也會出現問題。為了與戰爭法則保持一致，需要有人工參與，而不是完全依賴人工智能來做出攻擊決策。任何時候，只要有可能造成人員傷亡、附帶損害或其他問題，就需要人類做出有意識的知情決策，而不能任由人工智能自生自滅。在人工智能自主決策和人工干預之間取得適當的平衡至關重要，以防止意外后果或機器在沒有適當問責的情況下做出生死攸關的選擇。

最后，人工智能的整合引發了對潛在網絡漏洞的擔憂。雖然人工智能可以提高電子戰的速度和準確性，但它也為試圖操縱或破壞人工智能系統的惡意行為者帶來了新的攻擊途徑。要保護這些系統免受網絡威脅，就必須采取強有力的整體網絡安全方法，同時考慮到人工智能驅動的電子戰的硬件和軟件層。

最后，不可否認，將人工智能融入戰爭預警的潛在戰略利益是巨大的。人工智能處理海量數據、適應不斷變化的條件和支持決策過程的能力有可能重塑現代戰爭的格局。隨著兵力越來越依賴技術來保持在數字化作戰空間中的優勢，負責任地開發和部署人工智能驅動的預警系統將是必要的。 如何在技術創新、人工監督和安全措施之間取得適當平衡，將決定能在多大程度上實現這些優勢，同時又不損害戰略目標或道德考量。美國采購系統面臨的挑戰也將在人工智能集成中發揮關鍵作用。人工智能在電子戰中的變革力量有可能改變游戲規則。問題是：它會嗎？人工智能將如何融入新型 EC-37B Compass Call 和 NexGen 干擾機等未來平臺？陸軍是否會將人工智能納入其推動營級決策的努力中？這些都是值得探討的問題，但有一點是肯定的：電磁作戰界必須繼續接受創新思維，因為我們知道未來的戰斗將在電磁頻譜中開始和結束。人工智能將在現代戰爭的新時代發揮關鍵作用。

公眾對全球災難性風險（GCR）的討論中，軍事技術始終占據重要位置，這一點應該并不令人驚訝。1無節制的全球戰爭的前景一直是人們對全面社會災難最古老、也最普遍的設想之一。沖突始終能夠摧毀單個社會；在現代，科技和科學進步逐漸加大了國家軍隊以及可能的其他實體施加災難性暴力的能力。

擁有這種能力的技術有很多，人工智能（AI）在近年來變得更加引人注目。越來越多來自不同領域的專家開始關注AI技術在戰爭中的應用，考慮這些技術如何帶來風險，甚至新的GCR。盡管軍事AI的技術發展和對其影響的研究仍處于初級階段，但在過去的十年中，兩者都取得了顯著進展。最引人注目的是，致命自主武器（LAWS）的開發和使用引發了一場激烈的辯論，涉及學術和政治領域。

然而，實際上，AI技術在軍事中的應用遠遠超出了有爭議的“殺人機器人”——它有著多樣化的用途，從后勤到網絡戰，從通信到培訓。

預計這些應用可能會為社會帶來許多新的風險。在與國防相關的系統中應用AI的趨勢不斷增長，創造了新的技術失敗或操作錯誤的可能點；這可能導致在決策環境中產生未預期的大規模結構性變化，或可能負面影響到戰略穩定性的相互認知，加劇了全球性災難性影響升級的可能性。即便在不那么直接致命的角色中，比如情報收集或物流，人們仍然擔心使用AI系統可能間接導致全球災難性風險。最后，與未來更有能力的AI系統的發展相關，比如通用人工智能（AGI）存在可能的全球災難性風險；雖然這些最終的潛在風險并非本章直接關注的焦點，但應該注意，這些風險在軍事環境中可能特別重要，這需要謹慎而非自滿。

盡管全球正在進行的努力是為了在國家安全事業中利用更多的AI技術，目前對于識別和減輕來自軍事AI的風險的努力仍然處于萌芽階段。在技術層面，目前AI技術社區面臨的最緊迫的問題之一是任何AI系統都容易遭受一系列性能故障、設計缺陷、意外行為或對手攻擊。5同時，許多軍隊都在花費大量時間和資源將AI技術部署到一系列操作環境中。盡管如此，許多人在他們的采購和軍事AI的內部開發程序中仍然缺乏明確的倫理或安全標準。6大多數積極開發和部署此類系統的國家行為者也沒有同意限制在國防中使用AI的硬性界限，或參與與潛在對手建立信任措施。

顯然，軍事AI的發展可能會顯著影響到該領域全球災難性風險的潛力，使得探索這一技術進展及其可能的影響對全球災難性風險社區至關重要。現在，AI技術已經開始在軍隊中看到真實世界的應用，我們比以往任何時候都更需要詳細了解軍事AI系統如何可能被視為全球災難性風險，或它們如何可能成為軍事全球災難性風險的相關貢獻者。特別是從全球災難性風險的角度來看，需要更多的關注來研究AI與潛在破壞性與核武器一樣大的軍事技術交匯的實例，這可能會產生災難性的結果。為了使我們對這一日益復雜的風險格局有更加一致的理解，我們探討了已有的文獻，并提出了進一步的研究途徑。

我們的分析如下：在回顧過去的軍事全球災難性風險研究和軍事AI的最近相關進展之后，本章將大部分焦點都放在了致命自主武器和AI與核景觀之間的交集上，這兩者目前在現有的學術研究中都得到了最多的關注。首先，我們研究了致命自主武器，評估了它們是否可能構成全球災難性風險，并論證了盡管這些系統令人擔憂，但考慮到目前和預期的生產能力及相關成本，它們在短期內還不太可能成為全球災難性風險。然后，我們深入探討了軍事AI和核武器的交集，我們認為這有著更高的全球災難性風險潛力。我們研究了核戰爭的全球災難性風險潛力，簡要討論了何時、何地以及為什么它可能導致全球災難性風險。此外，在通過識別可能也獨立提高核戰爭風險的相關全球趨勢，為我們提供了最近的地緣政治背景之后，本章將其焦點轉向了在核武器和AI交匯處出現的特定風險的現有研究。我們概述了六個假設場景，其中使用AI系統在、周圍或反對核武器可能會增加核升級的可能性，并導致全球災難。最后，本章總結了未來研究方向的建議，并為可以更全面和多學科理解來自今天和未來軍事AI的潛在風險制定了研究議程。

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

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

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

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

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

他補充說："所有這五個領域都可以利用人工智能和機器學習取得一定效果"。

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

參考來源：NDIA網站；作者：Josh Luckenbaugh

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。

報告總結

近四十年來，美國國防部（DoD）首次制定了旨在對抗先進軍事對手--特別是中國和俄羅斯--的聯合作戰概念。上一次這樣的努力發生在20世紀70年代末和80年代初的冷戰高峰期，以應對蘇聯在歐洲中央戰線的常規優勢所帶來的戰略和行動挑戰。現在，正如2018年國防戰略（NDS）所強調的，聯合部隊必須 "優先考慮備戰"，這包括為軍事優勢制定 "創新作戰概念"。由于作戰概念從根本上說是指導未來部隊設計和未來戰爭的愿景，聯合部隊首先必須回答它打算如何打未來戰爭的問題，然后再試圖回答它需要用什么打仗的問題。

然而，如果國防部要轉向 "聯合概念驅動的、洞察威脅的能力發展"，它面臨著相當大的挑戰，因為它的聯合概念發展和實驗過程從根本上說是破裂的。 雖然后冷戰時代見證了發展聯合作戰概念的反復努力，但該過程未能產生創新的作戰方法來指導未來的部隊和能力發展。相反，這個過程產生的概念似乎是故意不推動重大變革的。這些概念并不是真正的 "聯合"，而是由現有的服務概念組成的最低標準的組合，以服務的優先權為前提。任何能夠通過發展過程的創新的聯合概念都是如此的淡化和模糊，以至于它們不能引起變化（從而威脅到關鍵利益相關者的利益）。在這種環境下，單個服務概念勝過聯合概念，并驅動投資優先權。

然而，作戰概念和關鍵投資必須是聯合的，因為各軍種在作戰層面已經變得越來越相互依賴。此外，目前的戰爭演習和分析表明，這種作戰上的相互依賴將是未來與中國或俄羅斯等能力強大的同行對手發生沖突的一個關鍵方面--是作為一種優勢還是一種弱點，還有待觀察。我們可以預期，一個先進的、適應性強的對手會尋找美軍的任何差距和縫隙，并利用這些差距和縫隙來發揮其優勢。在這方面，目前的聯合部隊還不夠 "聯合"，無法與一個已經發展出對抗美國關鍵的、長期的作戰優勢（如空中、海上和信息優勢）的對手進行高端戰爭。正如本文所討論的，在與同行對手的沖突中成功發動戰爭的規模和強度將需要全新的作戰方式，這反過來又需要一種強制功能，將單個服務能力整合到實際的 "聯合 "戰斗力中。最近發展以威脅為重點的聯合作戰概念--如果成功的話--代表了這種結果實際發生的最佳機會。

本文簡要討論了國防部過去在發展聯合概念方面的三種嘗試，包括空地戰、空海戰和最近的努力--先進能力和威懾小組（ACDP）。本報告利用這些例子來展示克服孤立和狹隘的軍種主導的努力所面臨的挑戰，并說明建立以軍種為中心的概念并給它們披上聯合的外衣的弊端。這些案例強調了聯合概念發展過程中持續存在的病癥是如何使冷戰后的聯合概念在鼓勵作戰創新或推動服務投資優先事項的變化方面毫無用處。

正在進行的開發新的聯合作戰概念工作為國防部提供了一個早該提供的機會，將其概念開發集中在具體的威脅和相應的作戰目標上。目前的努力是幾十年來國防部第一次圍繞應對具體的威脅來組織概念開發，而不是支持聯合部隊對模糊或未定義的對手群體進行作戰的理想化概念。然而，如果不對被廣泛認為是沒有促進思想競爭的共識過程做出重大改變，國防部就有可能重復它過去所犯的概念發展錯誤。此外，新的聯合概念必須通過實驗活動進行嚴格的測試和完善，以驗證其對未來部隊設計的可行性。目前還缺少實驗這一塊。

聯合參謀部正在努力重建其聯合概念開發能力，因為多年來它既沒有優先考慮這項工作，也沒有為其提供足夠的資源。產生真正的新的作戰方式，并有可能改變未來的部隊設計，將需要國防部長辦公室（OSD）、參謀長聯席會議主席和副主席（CJCS和VCJCS）的持續關注，以通過該系統推動新的聯合概念。國防部的高級領導層必須克服每個軍種推動共識產品的傾向，這些產品更多的是為了保護現有的優先事項和長期的特權，而不是產生創造性的想法。

該文件提出了以下建議，以改進聯合概念開發過程：

• 將聯合概念開發的重點放在未來作戰環境中的優先挑戰上。
• 賦予作戰指揮部推動聯合概念發展的權力。
• 探討未來戰爭的其他設想，并通過廣泛的戰爭演習和實驗來驗證聯合概念，而不是通過共識。
• 擴大實地和艦隊演習中的實驗。
• 通過培養一種 "紅色思維 "的部門文化來加大思想碰撞。
• 促進概念開發者和技術專家之間更緊密的結合。
• 建立一個集中的、高水平的概念和能力發展組織。

修正流程是開發有用的聯合作戰概念的關鍵的第一步，但國防部還必須確保聯合概念開發從正確的角度出發，專注于正確的問題集，同時保持前瞻性。迄今為止，國防部對中國和俄羅斯的思考集中在保持或恢復聯合部隊在冷戰后 "單極時刻 "所擁有的作戰優勢水平上。然后，聯合參謀部提出的概念，如 "聯合愿景：2010"，是以 "信息優勢 "的假設為前提的，這將有助于實現 "全譜系主導地位 "的既定目標。國防部的概念和能力發展應該側重于為中國和俄羅斯創造作戰困境，而不是追逐其現有業務方式的微不足道的邊際回報。

很明顯，國防部仍然被其傳統的作戰方式所束縛。參謀長聯席會議副主席約翰-海滕將軍說，在2020年底一系列兵棋推演的測試中，根據美軍過去30年的運作方式制定新的聯合作戰概念的初步努力證明是完全失敗的。

制定新的聯合作戰概念的最初嚴重地依賴傳統的作戰方式，盡管它打算對抗新的對手和新的作戰挑戰，這暴露了一個倉促的“產品”。一個成功的、以威脅為重點的作戰概念需要全面深入的分析--既要分析對手的能力和概念，也要分析聯合部隊在所設想的時間段內的能力和概念，并在深入研究概念的形成和完善之前需要時間來綜合各種投入。以前的聯合概念開發的趨勢是優先形成“產品”和達成共識，而不是更平凡但必要的深度分析工作，這對目前的努力來說不是好兆頭。

自《國家發展戰略》要求提出新的作戰概念以來，已經過去了三年多。國防部需要全新的作戰方式。如果美國軍隊繼續按照今天的方式運作，就不可能保持對同行對手的競爭力。如果這個過程陷入官方機構的爭論，或者在努力達成軍種共識的過程中只產生微小的變化，那將是一個不折不扣的悲劇。

最后，對作戰挑戰提出的概念性解決方案，無論多么合理，只有得到最高級別的文職和軍警領導人的認可和授權，才能推動計劃的改變。雖然該部門在冷戰后的記錄并不完全令人放心，但發展新的聯合作戰概念背后的政治和官方動力是相當大的，而且中國和俄羅斯構成的戰略和行動挑戰比來自伊朗、朝鮮或恐怖組織的挑戰要緊迫和嚴重得多。如果國防部能夠正確對待這一進程，并專注于為中國和俄羅斯創造困境，那么在聯合部隊的轉型方面的積極影響可能是深遠的。

新美國安全中心：

新美國安全中心（CNAS）的使命是制定強有力的、務實的和有原則的國家安全和國防政策。在其工作人員和顧問的專業知識和經驗的基礎上，CNAS通過創新的、基于事實的研究、想法和分析來吸引政策制定者、專家和公眾，以塑造和提升國家安全辯論。我們任務的一個關鍵部分是為今天和明天的國家安全領導人提供信息和準備。

CNAS位于華盛頓特區，由共同創始人Kurt M. Campbell和Michèle A. Flournoy于2007年2月成立。CNAS是一個501（c）3免稅的非營利組織。它的研究是獨立和無黨派的。

作為一個致力于組織、知識和個人誠信的最高標準的研究和政策機構，CNAS對其想法、項目、出版物、活動和其他研究活動保持嚴格的知識獨立性和唯一的編輯指導和控制。CNAS在政策問題上不采取機構立場，CNAS出版物的內容僅反映其作者的觀點。根據其使命和價值觀，CNAS不參與游說活動，并完全遵守所有適用的聯邦、州和地方法律。CNAS不會代表任何實體或利益從事任何代表活動或宣傳活動，如果中心接受來自非美國來源的資金，其活動將限于符合適用的聯邦法律的善意的學術、學術和研究相關活動。該中心每年在其網站上公開承認所有捐款的捐助者。