隨著技術的飛速發展和威脅環境變得更加復雜，今天的海軍行動經常面臨著具有挑戰性的決策空間。人工智能（AI）的進步為解決海軍行動中日益復雜的問題提供了潛在的解決方案。未來的人工智能系統提供了潛在的意義深遠的好處--提高對態勢的認識，增加對威脅和對手能力和意圖的了解，識別和評估可能的戰術行動方案，并提供方法來預測行動方案決定的結果和影響。人工智能系統將在支持未來海軍作戰人員和保持作戰和戰術任務優勢方面發揮關鍵作用。

人工智能系統為海戰提供了優勢，但前提是這些系統的設計和實施方式能夠支持有效的作戰人員-機器團隊，改善作戰情況的不確定性，并提出改善作戰和戰術結果的建議。實施人工智能系統，以滿足海軍應用的這些苛刻需求，給工程設計界帶來了挑戰。本文確定了四個挑戰，并描述了它們如何影響戰爭行動、工程界和海軍任務。本文提供了通過研究和工程倡議來解決這些挑戰的解決思路。

引言

人工智能是一個包括許多不同方法的領域，目的是創造具有智能的機器（Mitchell 2019）。自動化系統的運作只需要最小的人類輸入，并經常根據命令和規則執行重復性任務。人工智能系統是自動化機器，執行模仿人類智能的功能。它們將從過去的經驗中學習到的新信息融入其中，以做出決定并得出結論。

如表1所述，人工智能系統有兩種主要類型。第一種類型是明確編程的專家系統。Allen（2020，3）將專家系統描述為手工制作的知識系統，使用傳統的、基于規則的軟件，將人類專家的主題知識編入一長串編程的 "如果給定x輸入，則提供y輸出"的規則。這些系統使用傳統的編程語言。第二種類型是ML系統，從大型數據集中進行訓練。ML系統自動學習并從經驗中改進，而不需要明確地進行編程。一旦ML系統被 "訓練"，它們就被用于操作，以產生新的操作數據輸入的結果。

表1. 兩類人工智能系統

人工智能系統--包括專家系統和學習系統--為海軍提供了巨大的潛力，在大多數任務領域有不同的應用。這些智能系統可以擴展海軍的能力，以了解復雜和不確定的情況，制定和權衡選擇，預測行動的成功，并評估后果。它們提供了支持戰略、作戰計劃和戰術領域的潛力。

本文確定了工程設計界必須解決的四個挑戰，以便為未來海戰任務實施人工智能系統。表2強調了這四個挑戰領域。這些挑戰包括：（1）復雜的海戰應用領域；（2）需要收集大量與作戰相關的數據來開發、訓練和驗證人工智能系統；（3）人工智能系統工程的一些新挑戰；（4）存在對手的人工智能進展，不斷變化和發展的威脅，以及不斷變化的人工智能系統的網絡弱點。本文側重于海軍戰爭的四個挑戰領域，但認識到這些挑戰可以很容易地被概括為整個軍隊在未來人工智能系統可能應用的所有戰爭領域中廣泛存在的挑戰。

表2. 為海軍實施人工智能系統的四個挑戰領域

挑戰一：戰爭復雜性

人工智能正被視為一種能力，可應用于廣泛的應用，如批準貸款、廣告、確定醫療、規劃航運路線、實現自動駕駛汽車和支持戰爭決策。每個不同的應用領域都提出了一系列的挑戰，人工智能系統必須與之抗衡，才能成為一種增加價值的可行能力。表3比較了一組領域應用的例子，從潛在的人工智能系統解決方案的角度說明了挑戰的領域。該表在最上面一行列出了一組10個因素，這些因素對一個特定的應用程序產生了復雜性。根據每個因素對作為實施人工智能的領域的整體復雜性的貢獻程度，對六個應用領域的特征進行了定性評估。顏色代表低貢獻（綠色）、中貢獻（黃色）和高貢獻（紅色）。

表3中最上面一行顯示的特征包括： (1)認識上的不確定性水平（情況知識的不確定性程度），(2)情況的動態性，(3)決策時間表（可用于決策的時間量），(4)人類用戶和人工智能系統之間的互動所涉及的錯綜復雜的問題、 (5）資源的復雜性（數量、類型、它們之間的距離以及它們的動態程度），（6）是否涉及多個任務，（7）所需訓練數據集的復雜性（大小、異質性、有效性、脆弱性、可獲得性等 8）對手的存在（競爭者、黑客或徹頭徹尾的敵人），（9）可允許的錯誤幅度（多少決策錯誤是可以接受的），以及（10）決策后果的嚴重程度。該表的定性比較旨在提供一個高層次的相對意義，即基于一組樣本的貢獻因素，不同應用領域的不同復雜程度。

表3. 影響應用復雜性的因素比較

對于所有的應用領域來說，人工智能系統的工程都是具有挑戰性的。人工智能系統在本質上依賴于具有領域代表性的數據。獲得具有領域代表性的數據會帶來基于數據大小、可用性、動態性和不確定性的挑戰。決策時間--由情況的時間動態決定--會給人工智能系統工程帶來重大挑戰--特別是當一個應用領域的事件零星發生和/或意外發生時；以及當決策是時間緊迫的時候。具有更多決策時間、充分訪問大型數據集、直接的用戶互動、完善的目標和非致命后果的應用，如貸款審批、廣告、醫療診斷（在某種程度上）面臨工程挑戰，但其復雜程度較低。確定最佳運輸路線和為自動駕駛汽車設計AI系統是更復雜的工作。這些應用是動態變化的，做決定的時間較短。航運路線將在可能的路線數量上具有復雜性--這可能會導致許多可能的選擇。然而，航運錯誤是有空間的，而且后果通常不會太嚴重。對于自動駕駛汽車來說，決策錯誤的空間非常小。在這種應用中，決策失誤會導致嚴重的事故。

影響開發支持海戰決策的人工智能系統的因素在表3所示的所有類別中都具有高度的復雜性。因此，戰術戰爭領域對工程和實施有效的人工智能系統作為解決方案提出了特別棘手的挑戰。表4強調了導致這種復雜性的海戰領域的特點。作為一個例子，海軍打擊力量的行動可以迅速從和平狀態轉變為巨大的危險狀態--需要對威脅保持警惕并采取適當的反應行動--所有這些都是在高度壓縮的決策時間內進行。戰術威脅可能來自水下、水面、空中、陸地、太空，甚至是網絡空間，導致需要處理多種時間緊迫的任務。由于海軍和國防資產在艦艇、潛艇、飛機、陸地和太空中，戰術決策空間必須解決這些分散和多樣化資源的最佳協作使用。制定有效的戰術行動方案也必須在高度動態的作戰環境中進行，并且只有部分和不確定的情況知識。決策空間還必須考慮到指揮權、交戰規則和戰術理論所帶來的限制。人類作為戰術決策者的角色增加了決策空間的復雜性--信息過載、操作錯誤、人機信任和人工智能的模糊性/可解釋性問題等挑戰。最后，對于戰術決策及其可能的后果來說，風險可能非常大。

表4. 導致戰術決策復雜性的因素

解決高度復雜的決策領域是對海軍的挑戰。人工智能為解決海軍作戰的復雜性提供了一個潛在的解決方案，即處理大量的數據，處理不確定性，理解復雜的情況，開發和評估決策選擇，以及理解風險水平和決策后果。Desclaux和Prestot（2020）提出了一個 "認知三角"，其中人工智能和大數據被應用于支持作戰人員，以實現信息優勢、控制論信心和決策優勢。約翰遜（2019年）開發了一個工程框架和理論，用于解決高度復雜的問題空間，這些問題需要使用智能和分布式人工智能系統來獲得情況意識，并做出適應動態情況的協作行動方案決定。約翰遜（2020a）建立了一個復雜的戰術場景模型，以證明人工智能輔助決策對戰術指揮和控制（C2）決策的好處。約翰遜（2020b）開發了一個預測分析能力的概念設計，作為一個自動化的實時戰爭游戲系統來實施，探索不同的可能的戰術行動路線及其預測的效果和紅色部隊的反應。首先，人工智能支持的C2系統需要描述戰術行動期間的復雜程度，然后提供一個自適應的人機組合安排來做出戰術決策。這個概念包括根據對目前戰術情況的復雜程度最有效的方法來調整C2決策的自動化水平（人與機器的決策角色）。約翰遜（2021年）正在研究這些概念性工程方法在各種防御用例中的應用，包括空中和導彈防御、超視距打擊、船舶自衛、無人機操作和激光武器系統。

在海軍作戰中實施人工智能系統的一個額外挑戰是在戰術邊緣施加的限制。分散的海軍艦艇和飛機的作戰行動構成了戰術邊緣--在有限的數據和通信下作戰。"在未來，戰術邊緣遠離指揮中心，通信和計算資源有限，戰場形勢瞬息萬變，這就導致在嚴酷復雜的戰地環境中，網絡拓撲結構連接薄弱，變化迅速"（Yang et. al. 2021）。戰術邊緣網絡也容易斷開連接（Sridharan et. al. 2020）。相比之下，許多商業人工智能系統依賴于基于云的或企業內部的處理和存儲，而這些在海戰中是不存在的。在戰術邊緣實施未來的人工智能系統時，必須進行仔細的設計考慮，以了解哪些數據和處理能力可用。這可能會限制人工智能系統在邊緣所能提供的決策支持能力。

在軍事領域使用人工智能必須克服復雜性的挑戰障礙，在某些情況下，人工智能的加入可能會增加復雜性。辛普森等人（2021）認為，將人工智能用于軍事C2可能會導致脆弱性陷阱，在這種情況下，自動化功能增加了戰斗行動的速度，超出了人類的理解能力，最終導致 "災難性的戰略失敗"。Horowitz等人（2020）討論了通過事故、誤判、增加戰爭速度和升級以及更大的殺傷力來增加國際不穩定和沖突。Jensen等人（2020）指出，人工智能增強的軍事系統增加的復雜性將增加決策建議和產生的信息的范圍、重要性和意義的不確定性；如果人類決策者對產出缺乏信心和理解，他們可能會失去對人工智能系統的信任。

挑戰二：數據需求

實施人工智能系統的第二個挑戰是它們依賴并需要大量的相關和高質量的數據用于開發、訓練、評估和操作。在海戰領域滿足這些數據需求是一個挑戰。明確編程的專家系統在開發過程中需要數據進行評估和驗證。ML系統在開發過程中對數據的依賴性甚至更大。圖1說明了ML系統如何從代表作戰條件和事件的數據集中 "學習"。

ML系統的學習過程被稱為被訓練，開發階段使用的數據被稱為訓練數據集。有幾種類型的ML學習或訓練--它們是監督的、無監督的和強化的方法。監督學習依賴于地面真相或關于輸出值應該是什么的先驗知識。監督學習算法的訓練是為了學習一個最接近給定輸入和期望輸出之間關系的函數。無監督學習并不從地面真相或已知的輸出開始。無監督學習算法必須在輸入數據中推斷出一個自然結構或模式。強化學習是一種試錯法，允許代理或算法在獎勵所需行為和/或懲罰不需要的行為的基礎上學習。所有三種類型的ML學習都需要訓練數據集。在部署后或運行階段，ML系統繼續需要數據。

圖1顯示，在運行期間，ML系統或 "模型 "接收運行的實時數據，并通過用其 "訓練 "的算法處理運行數據來確定預測或決策結果。因此，在整個系統工程和采購生命周期中，ML系統與數據緊密相連。ML系統是從訓練數據集的學習過程中 "出現 "的。ML系統是數據的質量、充分性和代表性的產物。它們完全依賴于其訓練數據集。

圖1. 使用數據來訓練機器學習系統

美國海軍開始認識到對這些數據集的需求，因為許多領域（戰爭、供應鏈、安全、后勤等）的更多人工智能開發人員正在了解人工智能解決方案的潛在好處，并開始著手開發人工智能系統。在某些情況下，數據已經存在并準備好支持人工智能系統的開發。在其他情況下，數據存在但沒有被保存和儲存。最后，在其他情況下，數據并不存在，海軍需要制定一個計劃來獲得或模擬數據。

收集數據以滿足海軍領域（以及更廣泛的軍事領域）的未來人工智能/ML系統需求是一個挑戰。數據通常是保密的，在不同的項目和系統中被分隔開來，不容易從遺留系統中獲得，并且不能普遍代表現實世界行動的復雜性和多樣性。要從并非為數據收集而設計的遺留系統中獲得足夠的數據，可能非常昂貴和費時。數據收集可能需要從戰爭游戲、艦隊演習、系統測試、以及建模和模擬中收集。此外，和平時期收集的數據并不代表沖突和戰時的操作。海軍（和軍方）還必須教導人工智能系統在預計的戰時行動中發揮作用。這將涉及想象可能的（和可能的）戰時行動，并構建足夠的ML訓練數據。

數據收集的另一個挑戰是潛在的對抗性黑客攻擊。對于人工智能/ML系統來說，數據是一種珍貴的商品，并提出了一種新的網絡脆弱性形式。對手可以故意在開發過程中引入有偏見或腐敗的數據，目的是錯誤地訓練AI/ML算法。這種邪惡的網絡攻擊形式可能很難被發現。

海軍正在解決這一數據挑戰，開發一個數據基礎設施和組織來管理已經收集和正在收集的數據。海軍的Jupiter計劃是一個企業數據和分析平臺，正在管理數據以支持AI/ML的發展和其他類型的海軍應用，這些應用需要與任務相關的數據（Abeyta，2021）。Jupiter努力的核心是確定是否存在正確的數據類型來支持人工智能應用。為了生產出在行動中有用的人工智能/ML系統，海軍需要在游戲中保持領先，擁有能夠代表各種可能情況的數據集，這些情況跨越了競爭、沖突和危機期間的行動范圍。因此，數據集的開發和管理必須是一項持續的、不斷發展的努力。

挑戰三：工程化人工智能系統

第三個挑戰是，人工智能系統的工程需要改變傳統的系統工程（SE）。在傳統系統中，行為是設定的（確定性的），因此是可預測的：給定一個輸入和條件，系統將產生一個可預測的輸出。一些人工智能解決方案可能涉及到系統本身的復雜性--適應和學習--因此產生不可預見的輸出和行為。事實上，一些人工智能系統的意圖就是要做到這一點--通過承擔一些認知負荷和產生智能建議，與人類決策者合作。表5強調了傳統系統和人工智能系統之間的區別。需要有新的SE方法來設計智能學習系統，并確保它們對人類操作者來說是可解釋的、可信任的和安全的。

SE作為一個多學科領域，在海軍中被廣泛使用，以將技術整合到連貫而有用的系統中，從而完成任務需求（INCOSE 2015）。SE方法已經被開發出來用于傳統系統的工程設計，這些系統可能是高度復雜的，但也是確定性的（Calvano和John 2004）。如表5所述，傳統系統具有可預測的行為：對于一個給定的輸入和條件，它們會產生可預測的輸出。然而，許多海軍應用的人工智能系統在本質上將是復雜的、適應性的和非決定性的。Raz等人（2021年）解釋說，"SE及其方法的雛形基礎并不是為配備人工智能（即機器學習和深度學習）的最新進展、聯合的多樣化自主系統或多領域操作的工程系統而設想的。" 對于具有高風險后果的軍事系統來說，出錯的余地很小；因此，SE過程對于確保海軍中人工智能系統的安全和理想操作至關重要。

表5. 傳統系統和人工智能系統的比較

在整個系統生命周期中，將需要改變SE方法，以確保人工智能系統安全有效地運行、學習和適應，以滿足任務需求并避免不受歡迎的行為。傳統的SE過程的大部分都需要轉變，以解決人工智能系統的復雜和非確定性的特點。在人工智能系統的需求分析和架構開發階段需要新的方法，這些系統將隨著時間的推移而學習和變化。系統驗證和確認階段將必須解決人工智能系統演化出的突發行為的可能性，這些系統的行為不是完全可預測的，其內部參數和特征正在學習和變化。運營和維護將承擔重要的任務，即隨著人工智能系統的發展，在部署期間不斷確保安全和理想的行為。

SE界意識到，需要新的流程和實踐來設計人工智能系統。國際系統工程師理事會（INCOSE）最近的一項倡議正在探索開發人工智能系統所需的SE方法的變化。表6強調了作為該倡議一部分的五個SE重點領域。除了非決定性的和不斷變化的行為，人工智能系統可能會出現新類型的故障模式，這些故障模式是無法預料的，可能會突然發生，而且其根本原因可能難以辨別。穩健設計--或確保人工智能系統能夠處理和適應未來的情景--是另一個需要新方法的SE領域。最后，對于有更多的人機互動的人工智能系統，必須仔細注意設計系統，使它們值得信賴，可以解釋，并最終對人類決策者有用。

表6.人工智能系統工程中的挑戰（改編自：Robinson，2021）。

SE研究人員正在研究人工智能系統工程所涉及的挑戰，并開發新的SE方法和對現有SE方法的必要修改。Johnson（2019）開發了一個SE框架和方法，用于工程復雜的適應性系統（CASoS）解決方案，涉及分布式人工智能系統的智能協作。這種方法支持開發智能系統的系統，通過使用人工智能，可以協作產生所需的突發行為。Johnson（2021）研究了人工智能系統產生的潛在新故障模式，并提出了一套跨越SE生命周期的緩解和故障預防策略。她提出了元認知，作為人工智能系統自我識別內部錯誤和失敗的設計方案。Cruz等人（2021年）研究了人工智能在空中和導彈防御應用中使用人工智能輔助決策的安全性。他們為計劃使用人工智能系統的軍事項目編制了一份在SE開發和運行階段需要實施的策略和任務清單。Hui（2021年）研究了人類作戰人員與人工智能系統合作進行海軍戰術決策時的信任動態。他制定了工程人工智能系統的SE策略，促進人類和機器之間的 "校準 "信任，這是作為適當利用的最佳信任水平，避免過度信任和不信任，并在信任失敗后涉及信任修復行動。Johnson等人（2014）開發了一種SE方法，即協同設計，用于正式分析人機功能和行為的相互依賴性。研究人員正在使用協同設計方法來設計涉及復雜人機交互的穩健人工智能系統（Blickey等人，2021年，Sanchez 2021年，Tai 2021年）。

數據的作用對于人工智能系統的開發和運行來說是不可或缺的，因此需要在人工智能系統的SE生命周期中加入一個持續不斷的收集和準備數據的過程。Raz等人（2021）提出，SE需要成為人工智能系統的 "數據策劃者"。他們強調需要將數據策劃或轉化為可用的結構，用于開發、訓練和評估AI算法。French等人（2021）描述了需要適當的數據策劃來支持人工智能系統的發展，他們強調需要確保數據能夠代表人工智能系統將在其中運行的預期操作。他們強調需要安全訪問和保護數據，以及需要識別和消除數據中的固有偏見。

SE界正處于發展突破和進步的早期階段，這些突破和進步是在更復雜的應用中設計人工智能系統所需要的。這些進展需要與人工智能的進展同步進行。在復雜的海軍應用以及其他非海軍和非軍事應用中實施人工智能系統取決于是否有必要的工程實踐。SE實踐必須趕上AI的進步，以確保海軍持續的技術優勢。

挑戰四：對抗性

海軍在有效實施人工智能系統方面面臨的第四個挑戰是應對對手。海軍的工作必須始終考慮對手的作用及其影響。表7確定了在海軍實施人工智能系統時必須考慮的與對手有關的三個挑戰：(1)人工智能技術在許多領域迅速發展，海軍必須注意同行競爭國的軍事應用進展，以防止被超越，(2)在海軍應用中實施人工智能系統和自動化會增加網絡脆弱性，以及(3)海軍應用的人工智能系統需要發展和適應，以應對不斷變化的威脅環境。

表7. AI系統的對抗性挑戰

同行競爭國家之間發展人工智能能力的競賽，最終是為了進入對手的決策周期，以便比對手更快地做出決定和采取行動（Schmidt等人，2021年）。人工智能系統提供了提高決策質量和速度的潛力，因此對獲得決策優勢至關重要。隨著海軍對人工智能解決方案的探索，同行的競爭國家也在做同樣的事情。最終實現將人工智能應用于海軍的目標，不僅僅取決于人工智能研究。它需要適當的數據收集和管理，有效的SE方法，以及仔細考慮人類與AI系統的互動。海軍必須承認，并采取行動解決實施人工智能系統所涉及的挑戰，以贏得比賽。

網絡戰是海軍必須成功參與的另一場競賽，以保持在不斷沖擊的黑客企圖中的領先地位。網絡戰的特點是利用計算機和網絡來攻擊敵人的信息系統（Libicki, 2009）。海軍對人工智能系統的實施導致了更多的網絡攻擊漏洞。人工智能系統的使用在本質上依賴于訓練和操作數據，導致黑客有機會在開發階段和操作階段用腐敗的數據欺騙或毒害系統。如果一個對手獲得了對一個運行中的人工智能系統的控制，他們可能造成的傷害將取決于應用領域。對于支持武器控制決策的自動化，其后果可能是致命的。海軍必須注意人工智能系統開發過程中出現的特殊網絡漏洞。必須為每個新的人工智能系統實施仔細的網絡風險分析和網絡防御戰略。海軍必須小心翼翼地確保用于開發、訓練和操作人工智能系統的數據集在整個人工智能系統的生命周期中受到保護，免受網絡攻擊（French等人，2021）。

威脅環境的演變是海軍在開發AI系統時面臨的第三個對抗性挑戰。對手的威脅空間隨著時間的推移不斷變化，武器速度更快、殺傷力更大、監視資產更多、反制措施更先進、隱身性更強，這對海軍能夠預測和識別新威脅、應對戰斗空間的未知因素構成了挑戰。尤其是人工智能系統，必須能夠加強海軍感知、探測和識別新威脅的能力，以幫助它們從未知領域轉向已知領域的過程。他們必須適應新的威脅環境，并在行動中學習，以了解戰斗空間中的未知因素，并通過創新的行動方案快速應對新的威脅（Grooms 2019, Wood 2019, Jones et al 2020）。海軍可以利用人工智能系統，通過研究特定區域或領域的長期數據，識別生活模式的異常（Zhao等人，2016）。最后，海軍可以探索使用人工智能來確定新的和有效的行動方案，使用最佳的戰爭資源來解決棘手的威脅情況。

結論

人工智能系統為海軍戰術決策的優勢提供了相當大的進步潛力。然而，人工智能系統在海戰應用中的實施帶來了重大挑戰。人工智能系統與傳統系統不同--它們是非決定性的，可以學習和適應--特別是在用于更復雜的行動時，如高度動態的、時間關鍵的、不確定的戰術行動環境中，允許的誤差范圍極小。本文確定了為海戰行動實施人工智能系統的四個挑戰領域：（1）開發能夠解決戰爭復雜性的人工智能系統，（2）滿足人工智能系統開發和運行的數據需求，（3）設計這些新穎的非確定性系統，以及（4）面對對手帶來的挑戰。

海軍必須努力解決如何設計和部署這些新穎而復雜的人工智能系統，以滿足戰爭行動的需求。作者在這一工作中向海軍提出了三項建議。

1.第一個建議是了解人工智能系統與傳統系統之間的差異，以及伴隨著人工智能系統的開發和實施的新挑戰。

人工智能系統，尤其是那些旨在用于像海戰這樣的復雜行動的系統，其本身就很復雜。它們在應對動態戰爭環境時將會學習、適應和進化。它們將變得不那么容易理解，更加不可預測，并將出現新型的故障模式。海軍將需要了解傳統的SE方法何時以及如何在這些復雜系統及其復雜的人機交互工程中失效。海軍將需要了解數據對于開發人工智能系統的關鍵作用。

2.第二個建議是投資于人工智能系統的研究和開發，包括其數據需求、人機互動、SE方法、網絡保護和復雜行為。

研究和開發是為海戰行動開發AI系統解決方案的關鍵。除了開發復雜的戰術人工智能系統及其相關的人機協作方面，海軍必須投資研究新的SE方法來設計和評估這些適應性非決定性系統。海軍必須仔細研究哪些新類型的對抗性網絡攻擊是可能的，并且必須開發出解決這些問題的解決方案。海軍必須投資于收集、獲取和維護代表現實世界戰術行動的數據，用于人工智能系統開發，并確保數據的相關性、有效性和安全性。

3.第三個建議是承認挑戰，并在預測人工智能系統何時準備好用于戰爭行動方面采取現實態度。

盡管人工智能系統正在許多領域實施，但海軍要為復雜的戰術戰爭行動實施人工智能系統還需要克服一些挑戰。人工智能系統在較簡單應用中的成功并不能保證人工智能系統為更復雜的應用做好準備。海軍應該保持一種現實的認識，即在人工智能系統準備用于戰爭決策輔助工具之前，需要取得重大進展以克服本文所討論的挑戰。實現人工智能系統的途徑可以依靠建模和模擬、原型實驗、艦隊演習以及測試和評估。可以制定一個路線圖，彌合較簡單應用的人工智能和復雜應用的人工智能之間的差距--基于一個積木式的方法，在為逐漸復雜的任務開發和實施人工智能系統時吸取經驗教訓。

海軍將從未來用于戰術戰爭的人工智能系統中獲益。通過安全和有效地實施人工智能系統，戰術決策優勢的重大進步是可能的。此外，海軍必須跟上（或試圖超越）對手在人工智能方面的進展。本文描述了為在海戰中實施人工智能系統而必須解決的四個挑戰。通過對這些新穎而復雜的人工智能系統的深入了解，對研究和開發計劃的投資，以及對人工智能技術進步時限的現實預期，海軍可以在應對這些挑戰方面取得進展。

《空軍全球未來報告： 2040年的聯合職能》通過美國條令中的七種聯合職能--火力、防護、運動和機動、信息、情報、指揮和控制（C2）以及維持--的視角，探討了四種情況，或未來的作戰環境。

本報告通過對2040年未來的持續增長、轉型、受限和崩潰的描述，制定了四種備選的未來作戰環境（FOE）。這些全球性的場景來自于環境掃描和問題分析，發現了新出現的微弱信號、當前的趨勢和長期存在的結構性力量，它們將共同塑造未來。鑒于時間跨度較長，且存在干擾事件，沒有辦法準確預測未來；本報告反而提供了對潛在FOE的分析評估，并通過比較分析，提出了進一步研究的關鍵問題。利用這四個視角，"空軍的未來 "研究了聯合功能，以展示新出現的信號、趨勢和力量如何影響整個美國空軍和國防部的核心業務。

• 持續增長： 大國競爭者繼續試圖增加對美國的影響力并削弱其優勢。全球化仍然是主導的經濟因素，推動了更多的相互聯系和相互依賴。競爭對手做出審慎的經濟選擇，破壞美國的聯盟和伙伴關系，限制美國獲得關鍵資源和市場。一些競爭對手利用道德上的不對稱來掏空關鍵條約和國際規范。潛在的對手利用代理戰爭來測試轉基因士兵、先進的化學和生物武器以及核武器的能力。現代技術消除了避難所，特別是當無處不在的傳感器納入人工智能和機器學習（AI/ML）時。

• 轉型： 前所未有的技術進步及其廣泛傳播，以以前認為不可能的規模重塑了全球權力動態。基因編輯和空間能力的革命性突破--由自主性、人工智能/機器學習、原產地制造、量子計算和定向能源的進步進一步促成--破壞了全球安全環境，并導致了能夠瞬間改變世界的武器的發展。

• 受限： 中俄協調繼續使兩國在新技術、戰略和關鍵礦產以及資源的大規模生產和分配等各個方面受益。這種合作增強了兩國的經濟，同時削弱或破壞了被認為是競爭對手的經濟。新的權力集團利用灰區戰術和新的戰略來避免大國風險，并尋找機會來增加自己的權力。美國及其盟國和伙伴在這個支離破碎的世界秩序中掙扎。

• 崩潰： 自然和人為的危機推動了全球范圍內的孤立主義和民族主義傾向。相對較強的國家以犧牲其他國家的利益來保護自己的利益。較弱的國家則努力維持秩序，提供基本服務。技術擴散與量子、自主、人工智能/ML和定向能源的進步一起改變了戰爭，同時也瓦解了20世紀中期建立的世界秩序。自然和人道主義災難的增加加劇了緊張局勢，強大的暴力極端主義組織（VEO）的重新出現也加劇了緊張局勢，它們進入了權力真空。美國國防預算的減少導致軍隊規模和作戰范圍的縮減。機會主義的競爭者采取行動，以實現民族主義的優先事項，破壞基于規則的世界秩序。分裂和保護主義促使各國加強資源建設，并對社會進行奧威爾式的控制。

報告提出了6方面啟示

1.計算能力轉型。AI/ML、自動化、自主系統和量子有可能在未來二十年內改寫世界。這些趨勢在每個聯合功能和場景中都持續出現。對下一代計算能力的競爭可能對全球力量平衡產生重大影響。

2.無所遁形。如果沒有有效的應對措施，傳感器和互聯武器系統的進步，使目標防御更加難上加難。它將有可能在暗中產生大規模的破壞性影響。這使得美國本土防御更加困難。

3.認知型軟目標。人工智能/ML、神經科學和信息操作方面的進展，將導致認知層面的攻擊面擴大。它將有可能更準確地感知世界，并以微妙但具有破壞性的方式被欺騙。了解世界和更快地做出正確決定的能力，同時抑制對手的決策周期，是戰略優勢的關鍵，強國將加大這方面的投資。

4.力量倍增器。技術上的突破，將在其他趨勢類別中產生連帶效應。包括，但不限于：人工智能/ML，量子計算，定向能源，能源網，傳感器的普遍性，以及空間操作。

5.經濟的相互聯系。全球化增加了經濟和軟實力機會，同時也增加了攻擊面和漏洞。同時，非全球化使貿易和智力合作發生斷裂。地緣戰略上的相互聯系與不同集團之間的平衡決定了未來20年的發展。

6.生命科學的崩潰。商業和國防部門的未來能力，可以讓行為者有目的地或無意地終止生命的基本要素。生物功能需要關鍵的資源，其中許多資源是稀缺的，而且變得越來越稀缺。美軍將被要求支持突發事件，同時也會受到生物學中斷的影響。

美國長期以來一直依賴大量復雜的傳感和通信基礎設施，以便在發生核攻擊時接收警告并執行核指揮。這個指揮和控制網絡高度依賴天基資產來運作，并在發生核危機時向決策者提供可靠的信息。本文旨在全面概述衛星在美國核指揮和控制網絡中的貢獻，分析核現代化進程中的太空資產，探討隨著太空環境變得更加有爭議，它們所面臨的脆弱性和風險，并提出政策解決方案以加強和保護這一重要的基礎設施。這些信息應作為學者、從業人員和決策者的資源，以更好地理解這一復雜的系統和它在今天的太空環境中所面臨的獨特挑戰。

1 美國核指揮與控制網絡

美國的核指揮、控制和通信（NC3）網絡是一個由許多關鍵部分組成的復雜系統，旨在支持美國的核威懾力量。國防部將NC3定義為使總統能夠行使核權力的設施、設備、通信、程序和人員。下面的圖形顯示了這個網絡的組成部分的簡化效果，包括核平臺本身、傳感器、通信基礎設施和決策人員。

圖 1：天基核指揮與控制。

《核態勢評估》（NPR）是美國每屆政府核政策的指導性文件。最新的《核態勢評估報告》發表于2022年，概述了核指揮和控制系統的五個關鍵功能：探測、警告和攻擊特征；適應性核計劃；決策會議；接收和執行總統命令；以及促成部隊的管理和指揮。這些功能是通過一個相互連接的系統來實現的，其中包括預警衛星和雷達、通信衛星、飛機和地面站、固定和移動指揮所以及核系統的控制中心。目前的系統通常被稱為有兩層："粗線"，包括標準的操作和危機架構，以及 "細線"，為總統、國防部長和作戰指揮官提供可生存、安全和持久的連接。NC3是核力量和總統權力之間的聯系。

核指揮和控制網絡需要高度的生存能力，即使在最壞的核戰爭情況下也能繼續發揮作用。它被設計成可在各種極端條件下生存，并納入了加固、移動、冗余和隱蔽措施。

2 NC3中的天基資產

NC3的天基部分是美國國防的組成部分，因為它是 "傳遞總統使用核武器命令的首選手段，并將為即將到來的核攻擊提供第一個警告"。衛星提供安全通信；情報、監視和偵察（ISR）；導彈發射預警；定位、導航和定時（PNT）功能，以及NC3系統和網絡的同步。這些系統包括一顆衛星或由許多衛星組成的星座、地面站、傳感器和用于發射和接收數據的上行/下行鏈路，以及最終用戶的終端。 此外，地球觀測、電子情報和氣象預報也是有助于NC3的天基功能。根據空軍負責戰略威懾和核整合的副參謀長杰克-溫斯坦中將的說法，"我們需要一只不眨眼的眼睛來發現正在發生的事情。這只不眨眼的眼睛是由太空提供的......[NC3網絡]完全依賴于太空。"

2.1 通信

主要的NC3衛星通信（SATCOM）基礎設施是由六顆衛星組成的地球同步高級極高頻（AEHF）星座，它是1990年代MILSTAR計劃的后續。AEHF由極地軌道上額外的受保護的SATCOM單元支持，目前包括兩個增強型極地系統（EPS）托管有效載荷和支持系統，提供65度以上緯度的覆蓋。AEHF是一個多服務的通信星座，旨在保護其免受某些形式的反太空攻擊。AEHF為NC3網絡以及其他陸地、海洋和空中資產提供抗干擾通信。

值得注意的是，AEHF為位于北緯65度和南緯65度以內的緯度提供服務，這涵蓋了從北極圈底部到南極洲北部的所有地區。AEHF的通信也與選定的盟友和合作伙伴共享。AEHF在整個核戰爭期間為總統、國家安全高級領導人以及軍事戰術和戰略部隊提供可靠的通信。 AEHF是少數幾個公開承認的可以傳送行政授權命令的途徑之一。AEHF星座為陸戰、空戰和海戰；特種作戰；戰略核作戰；戰略防御；戰區導彈防御；以及太空作戰和情報提供支持。六顆老化的MILSTAR衛星，其中第一顆于1994年發射，此后被較新的AEHF星座所補充，現在已經退役并遠離了地球靜止軌道。最后一個AEHF有效載荷于2020年3月作為第一個太空部隊任務發射，六顆衛星的計劃總成本為150億美元。

2.2 導彈告警

天基紅外系統（SBIRS）是主要的預警衛星群。由六顆帶有核加固部件的衛星組成，SBIRS由高橢圓軌道上的兩個托管傳感器有效載荷和地球同步軌道上的四個專用有效載荷組成。SBIRS使用探測熱信號的紅外傳感器來監視地球，提供用于導彈防御、戰斗太空感知、導彈預警和戰術情報的大量數據，通過五個獨立的下行鏈路向地面發送未經處理的原始數據。作為國防支持計劃（DSP）星座的后續項目，SBIRS被設計為滿足系統生存能力和耐久性要求，并對太空中的核電磁爆炸進行加固。截至2022年8月4日，所有六顆衛星都已成功發射到地球同步軌道。 空軍最初的預算計算預計SBIRS六顆衛星的費用為50億美元--目前的數字顯示SBIRS六顆衛星的費用為192億美元。

圖 2：SBIRS 導彈預警衛星

2.3 核爆炸

雖然預警和安全通信衛星因其在國家安全中的作用而眾所周知，但其他執行更平凡任務的衛星受到的關注較少，但對國家安全行動仍然很重要。這些衛星系統和它們各自的地面站是更大的NC3系統的組成部分。

全球定位系統（GPS）、國防支持計劃（DSP）和其他機密的地球同步軌道星座上的主機傳感器也為NC3做出了貢獻。 這些衛星承載著美國核爆炸（NUDET）探測系統（USNDS）的太空部分，根據空軍的說法，該系統 "提供了一種近乎實時的全球高生存能力，以探測、定位和報告地球大氣層或近太空中的任何核爆炸。" 這些傳感器自1978年首次發射GPS以來一直在運行，并向國家指揮局、美國戰略司令部、美國太空司令部和空軍技術應用中心提供核力量管理、技術情報和條約監測，資金由空軍和國家核安全局提供。太空部隊在其2023財年預算中要求700萬美元用于繼續采購NUDET系統。

2.4 NC3現代化

正在進行的核現代化進程始于2000年代初對下一代B2轟炸機的升級，并如奧巴馬總統領導的2012年《核態勢評估報告》所概述的那樣更廣泛地繼續進行。 目前的現代化推動得到了政治妥協的支持，并與2010年批準新的《削減戰略武器條約》同時進行。它是由幾個因素驅動的，包括隨著俄羅斯等對自己的戰略武庫進行現代化改造，與這兩個國家的對外競爭加劇，以及需要更換老化的武庫和支持性基礎設施，并利用當今的數字技術升級核基礎設施。美國戰略司令部前指揮官理查德上將最近作證說：現在的戰略安全環境是一個三方核近似的現實。今天的核力量是實現我們國家戰略的最低要求。現在，我正在歷史性的壓力下執行我的戰略威懾任務，危機級別的威懾，危機威懾的動態，在我們國家的歷史上我們只見過幾次，而我正在用80年代和90年代建造的潛艇來執行。我正在做的是80年代和90年代建造的潛艇，80年代建造的空射巡航導彈，70年代建造的洲際彈道導彈，60年代建造的轟炸機，我們在互聯網之前的部分核指揮和控制，以及可以追溯到曼哈頓時代的核武器群。

NC3架構是為應對蘇聯的導彈威脅而設計的，最后一次大幅更新是在20世紀80年代。在此后的幾年里，美國一直面臨著新的核威脅，而沒有推進NC3系統以應對這些威脅。先進的技術也使NC3的要求復雜化，對系統本身造成了新的威脅。 現代化進程也延伸到天基資產和一個日益擁擠和競爭的太空領域。國家安全太空企業已經轉向調整架構和采購做法，以適應日益競爭的環境。前代理國防部長帕特里克-沙納漢在一份特許成立太空發展局的備忘錄中寫道：一個國家安全太空架構，提供阻止，或在阻止失敗時，擊敗對手行動所需的持久、有彈性、全球、低延遲的監視，是保持我們長期競爭優勢的先決條件。如果我們仍然受到傳統方法和文化的束縛，我們就無法實現這些目標，也無法與我們的對手設定的步伐相匹配。

現代化包括升級和更換衛星，以減少陳舊的設備和拆除老化的系統，為新的有效載荷配備更先進的傳感器，擴大容量，并設計系統的生存能力和彈性。需要現代化的具體系統包括各種導彈發射預警和通信衛星，包括SBIRS和AEHF。隨著開發新的星座以跟上導彈技術的步伐，更多的現代化可能包括傳感器、地面站、終端以及整個網絡的彈性、生存能力和硬化的升級。

國會預算辦公室的最新預測估計，2021-2030年要求的核現代化預算中約有15%專門用于指揮、控制、通信和預警系統。

3 下一代OPIR

SBIRS將得到補充，并最終被下一代高空持久性紅外（Next Gen OPIR）星座所取代。該星座的第一塊將包括三顆覆蓋中緯度地區的地球同步軌道衛星和兩顆覆蓋高緯度地區的極地高橢圓軌道衛星。洛克希德-馬丁公司在2018年獲得了價值29億美元的非競爭性唯一來源合同，以開發這三顆下一代OPIR地球同步衛星，后續合同為49億美元。第一顆地球同步軌道衛星計劃于2025年首次發射，而由諾斯羅普-格魯曼公司建造的第一顆極地衛星可能將于2028年發射。整個衛星群預計在2028年交付。另一項舉措，即 "未來操作彈性地面進化"（FORGE），將使該系統的地面站部分現代化，并處理來自SBIRS和下一代OPIR的數據。2023財年該系統的預算研究和開發要求為35億美元，包括地面、地球同步軌道和極地部分，預計項目總成本估計為144億美元。

2017年，前參謀長聯席會議副主席約翰-海滕將軍稱老化的SBIRS衛星為 "大的多汁目標"，指其缺乏對反衛星武器的防御能力，并批評了開發下一代替代品的時間表。這促使空軍加快了系統的開發，并整合了更多的先進功能，從更好的傳感器到彈性措施。下一代OPIR計劃對威脅有更強的彈性，這也是SBIRS星座的一個問題。據洛克希德-馬丁公司的一位代表稱，"如此規模的太空項目--包括開發兩個全新的導彈預警有效載荷--從未進展得如此之快"。

下一代OPIR星座的開發正在由兩個承包商分擔，以加強敏感的國家安全有效載荷的冗余度。例如，如果其中一個承包商出現延誤或其他問題，整個計劃中的星座不會受到影響，可以繼續按計劃進行。從有效載荷要求到架構設計，開發過程中的每一步都在處理彈性問題，空軍上校布萊恩-德納羅將下一代OPIR描述為美國綜合導彈預警、跟蹤和戰斗太空感知的基石，他說："下一代OPIR旨在提供彈性的天基全球導彈預警能力，以應對新出現的導彈和反太空威脅。"

3.1 太空開發局

太空開發局也正在開發一個在低地軌道和中地軌道上的全球高超音速和彈道導彈跟蹤層，作為其國防太空架構的一個關鍵組成部分，將與更廣泛的NC3網絡相結合。 首批8顆衛星將在第0階段發射，下一波將由28顆額外的低地軌道衛星組成，在2025年發射。 最終的目標是在低地軌道和中地軌道上的整個衛星群相互無縫連接，并能進行助推階段的導彈探測和跟蹤。 SDA最近宣布，它已經授予L3Harris和Northrop Grumman總共13億美元的合同，以開發能夠跟蹤飛行中的高超音速導彈的原型衛星。這個更大的太空導彈預警架構背后的主要動機是在較低的軌道上有衛星，能夠為高超音速導彈和滑翔機提供增強的跟蹤能力，同時也有增加冗余度的額外好處。

3.2 超AEHF

AEHF的現代化計劃包括用新的進化戰略衛星（ESS）星座來補充和取代它，這是一個空軍計劃。它將提供擴大的全球戰略和安全通信能力，以支持NC3功能。洛克希德-馬丁公司、波音公司和諾斯羅普-格魯曼公司正在為未來幾年的ESS計劃開發競爭性設計。整個ESS系統的合同預計將在2025年授予。AEHF最初打算由轉型衛星通信系統（TSAT）計劃取代，但由于成本超支和延誤，該計劃在2010年被取消，取而代之的是再發射兩顆AEHF衛星作為臨時措施。

增強型極地系統資本化工作，被設計為增強型極地系統和即將到來的極地部分之間的權宜之計，目前正在開發中，計劃于2022年發射。極地部分的4.29億美元的合同被授予諾斯羅普-格魯曼公司。

4 AEHF案例研究

通常情況下，雖然這些衛星系統的大部分技術規格都是高度機密的，但在先進極高頻（AEHF）星座上有各種公開的信息。作為MILSTAR通信星座的后繼者，該計劃始于1999年，于2001年開發，于2018年達到初始運行能力，目前由太空部隊運營和維護。六顆衛星中的第一顆于2010年發射，最后一個單元于2020年發射。其運行時間表面臨一些挫折，包括AEHF-1的技術問題導致其在軌擱淺，后來被回收，以及AEHF-4的進一步延遲。AEHF提供極高頻（EHF）上行鏈路和交叉鏈路能力以及超高頻（SHF）通信。它的容量是MILSTAR的10倍，其特點是增加了覆蓋區域。它的抗干擾有效載荷包括機載信號處理、無線電頻率設備、跨頻段的EHF/SHF通信天線，發射時質量為6,168公斤。它的加固和可生存的任務控制和終端部分由固定和移動的地面、空中和海上終端組成，有利于數據傳輸率從75 bps到8 Mbps。空軍最初對整個AEHF系統的成本估計為60億美元，而總成本則為150億美元。

4.1 挑戰和政策建議

隨著現代化進程的繼續，隨著美國在太空領域面臨越來越多的威脅，維持和發展強大的天基NC3能力有幾個挑戰。圍繞網絡安全、部隊設計和擴散、升級和威懾以及防御的問題正在推動當前的政策討論。

2022年國防戰略的特點是 "綜合威懾 "的概念--按照負責政策的國防部副部長薩沙-貝克的說法，這是 "一個與所有國家力量工具以及美國盟友和我們的伙伴合作，跨作戰領域、戰區和沖突范圍的框架"。天基資產將是美國在常規和戰略任務中繼續整合部隊和網絡能力的一個關鍵部分。"國防部長勞埃德-奧斯汀說："綜合威懾是關于使用技術、作戰概念和能力的正確組合--所有這些都以一種網絡化的方式交織在一起，它是如此可信、靈活和強大，將使任何對手暫停。綜合威懾不是依靠純粹的軍事力量來威懾對手，而是設想拉動每一個可用的影響杠桿，以達到預期的外交政策和軍事效果。

4.2 網絡安全

由于太空系統的數字性質，網絡干擾和攻擊仍然是國家安全空間企業的首要關切，事實上，"NC3復原力的許多最艱巨的挑戰在于網絡空間和外空領域的交匯處，網絡攻擊是針對基于太空的NC3資產。供應鏈上的漏洞和通過承包商的漏洞也可能為壞人或其他失敗者破壞復雜的網絡提供了機會。根據太空信息共享和分析中心（ISAC）執行主任艾琳-米勒的說法，"由于企業和政府內部使用不同的法規和要求，很難確保來自供應鏈各個層面的組件具有相同質量的網絡保護。" 一份2019年DOT&E網絡評估報告強調了這種擔憂，對NC3能力的評估結果 "向國防部最高領導層進行了通報，并導致對這一重要領域的關注度大幅提高"。

在采購方面，2021年SpaceNews的一篇專欄文章解釋了為什么網絡安全和供應鏈管理必須齊頭并進。"鑒于目前的資源限制，新的美國太空部隊的精簡，以及對敏捷性和快速采購的推動，對商業的依賴可能會增加。在這種環境下，提供數據、軟件、硬件和服務的供應商激增，給對手帶來了一系列的機會和連帶影響，這突出了立即提升網絡衛生和供應鏈風險管理（SCRM）的重要性。"

太空部隊也站在認識這些風險的最前沿，并更加注重準備應對這些風險，組建了太空三角洲6號網絡安全中隊，以及新的太空部隊基礎設施資產預評估計劃（IA-PRE），旨在 "為國防部推進當前和未來商業衛星通信采購的安全態勢"。

為了減輕這些挑戰，政府和行業應繼續關注彈性設計，在流程的每一步都關注網絡安全，并防范從研發到發射的供應鏈攔截。由于網絡反衛星行動是專家們最擔心的反太空威脅之一，在現代化進程和類似工作中為衛星有效載荷和地面站建立強大的網絡安全措施應該是一個優先事項。承包商和商業公司應確保在該過程的每一步進行網絡安全加固，以幫助減輕系統的弱點和漏洞。此外，正如2022年俄羅斯對烏克蘭商業衛星運營商Viasat的黑客攻擊所顯示的那樣，衛星地面站通常是這個系統的一個薄弱環節，在沖突中可能成為相對容易的目標。 2020年網絡空間Solarium委員會報告的一項重要建議指出：更令人擔憂的是，面對全方位的網絡威脅，美國的核威懾力以及NC3系統和NLCC項目的生存能力和復原力受到了潛在的網絡威脅。這些威脅特別令人震驚，因為它們可以破壞核威懾的穩定性，并為無意中的核戰爭創造條件。最大的風險是，正因為網絡互動發生在武裝沖突的門檻之下，網絡風險和NC3系統的結合實際上可以降低這個門檻。考慮到這一點，國會應指示國防部對NC3和NLCC企業的每一個部分進行例行評估，以確定是否遵守網絡安全的最佳做法、脆弱性和妥協的證據。

4.3 激增

此外，將太空架構設計從少數需要長時間建造、發射和定位的昂貴衛星，轉向由較小、較便宜的衛星組成的更大的星座，可以幫助提高彈性，并防止當一顆衛星受到干擾而導致整個星座被削弱的共同模式故障。這種新的基礎設施還可以包括一個精簡的發射計劃，以迅速更換損壞的衛星，并投資于空中或地面的冗余系統。由于星座的建造、發射和就位需要很長時間，許多系統在數年內都不會滿負荷運行，因此建立額外的空中、地面通信或導彈預警支持是一個重要的考慮因素。太空發展局處于這一努力的前沿，將擴散和螺旋式架構發展模式作為其國防太空架構的兩大支柱方法，允許更高的彈性，更多的靈活性，以及 "快速轉向以應對甚至先發制人地應對威脅的進展 "的能力。 此外，高級官員已經強調了擴散性部隊設計的必要性，包括前太空部隊空間作戰主管雷蒙德將軍。"我們必須轉變我們的空間架構，如果你愿意的話，從少數難以防御的精致能力轉變為一個更強大、更有彈性的架構。"

4.4 糾纏、升級和威懾

太空資產的破壞可能通過影響導彈預警和安全通信能力以及破壞關鍵的太空基礎設施而對美國的核態勢和一般部隊準備狀態產生嚴重影響。這些影響在美軍受到攻擊的沖突情況下可能被放大。如果一個對手想要破壞美國的核安全，這些特性將使天基NC3部分成為一個有吸引力的目標。

軍事衛星可以是糾纏的系統，這意味著一些衛星同時履行戰略和戰術任務。雖然糾纏的好處包括降低成本和操作上的好處，但一個令人關切的問題是，如果這些系統成為目標，可能存在意外升級的可能性。如果戰略天基NC3能力作為附帶損害受到影響，對手瞄準美國常規太空能力，試圖在常規沖突中獲得優勢，可能對美國對其核力量的信心產生不穩定的影響。 太空中可能的進攻行動的多樣性也可能影響到對某些資產的某些攻擊模式將造成升級的關切的程度。在常規沖突期間干擾兩用衛星通信可能引起不同的反應，而干擾導彈探測衛星或探測影射這些系統之一的同軌飛行器。攻擊方式和目標，以及可能發生的沖突的背景，都可能影響某些攻擊引起戰略關切的程度。然而，一些學者認為，NC3衛星的戰略和戰術功能的糾纏是對侵略行動的一種威懾，而不是一種潛在的絆腳石。敵人可能不想為戰術目的而冒險瞄準這些資產，因為有可能出現意外的升級。因此，解除糾纏可能會對威懾努力產生反作用。因此，解除糾纏可能與威懾努力背道而馳。糾纏戰略可能因此而更加可取，如果是這樣的話，也有可能減少太空中這種類型的意外升級的可能性。

此外，由于這些太空系統是核指揮和控制網絡的一部分，一些專家提議，最依賴其衛星的國家在彼此的高空衛星周圍談判 "禁止進入 "區。這種類型的國際規范或條約的建立有希望減輕威脅，盡管像美國、俄羅斯等這樣的主要核大國是否愿意加入這樣的協議是值得懷疑的。一個潛在的挑戰是，簽署該協議的國家必須愿意披露其哪些衛星執行此類操作以及它們在軌道上的位置，因為人們擔心這種信息共享會增加這些資產的脆弱性。

根據專家Ankit Panda的說法，"在2018年NPR擴大了核使用的條件之后，天基NC3資產值得特別考慮"。 在2018年的NPR中，美國 "只有在極端情況下才會考慮使用核武器，以捍衛美國、其盟友和合作伙伴的重要利益。極端情況可能包括重大的非核戰略攻擊。重大的非核戰略攻擊包括但不限于對美國、盟國或合作伙伴的平民人口或基礎設施的攻擊，以及對美國或盟國的核力量、其指揮和控制、或預警和攻擊評估能力的攻擊。" 通過將對NC3的 "非核戰略攻擊 "列入美國可能考慮使用核武器的情況清單，這發出了干擾NC3可能越界的信息。它還提出了一個問題，即哪些類型的侵略活動可以被稱為 "非核戰略攻擊"--特朗普政府從未對這一術語進行充分定義。在2022年的《國家行動計劃》中，拜登政府又恢復了奧巴馬時代更模糊的語言，只是說 "美國只有在極端情況下才會考慮使用核武器來捍衛美國或其盟國和合作伙伴的重要利益"。 長期以來的理解是，針對這些系統可能是高度升級和破壞穩定的，因此保持強大的NC3能力并保護它們不受干擾是至關重要的。

4.5 太空防御

NC3衛星也可以從被動和主動保護措施中受益。被動措施包括分解、分布和擴散的星座，創建更大的小型衛星群，執行關鍵功能。分解戰略可以幫助減輕兩用基礎設施的糾纏問題--例如，"進化的戰略SATCOM（ESS）系統將支持戰略用戶的任務，如核指揮和控制，而受保護的戰術服務（PTS）系統將支持需要高度抗干擾的戰術SATCOM用戶。這可以通過迫使對手明確它在攻擊中所針對的能力來減少無意升級的可能性"。然而，對于某些太空系統來說，分解戰略可能并不可行，也不是最佳選擇，這取決于技術或預算限制或戰略關切。當然，"對手可能無法區分用于不同任務的衛星，而且即使這種差異被披露，對手可能不相信這種區分，無論如何都會攻擊這兩個衛星。"

其他被動措施包括冗余、移動和加固的地面站，在這種情況下，衛星運行不依賴于單一的、固定的和脆弱的地面站來接收和傳輸關鍵數據，而是可以得到其他地面站或空中接收機的支持。像先進的太空態勢感知、電磁屏蔽、快速部署和重組衛星有效載荷，以及使用加密和空中封鎖系統等防御措施，是NC3太空系統保護自己免受事故或干擾的額外方式。主動的衛星防御措施可以采取干擾和欺騙、激光、以網絡攻擊為目標的反太空系統、或發射彈丸或實際扣押威脅物體的形式。雖然這些防御方案中的一些會增加衛星有效載荷的成本或重量，但這些方案的組合有可能為重要的核指揮和控制衛星提供強有力的防御。

也存在減少擁擠和有爭議的軌道環境的影響的國際選擇。創建一個強大的全球太空交通管理系統將有助于所有國家獲得強大的太空態勢感知能力，并減少意外碰撞所帶來的風險。最近的倡議也促進了圍繞負責任的太空行為建立國際規范，其最終目標是指導行為并創造一個安全和可持續的太空環境。2022年5月聯合國減少太空威脅不限成員名額工作組的第一次會議討論了這些規范，而未來的會議顯示有希望圍繞太空安全開始討論。以美國為首的暫停破壞性動能反衛星試驗最近以154比8的投票結果被采納為聯合國決議。九個國家承諾單方面暫停試驗，而中國和俄羅斯投票反對該決議，印度棄權。美國、俄羅斯、中國和印度是唯一試驗過反衛星武器的國家。這項決議可能預示著在政策選擇方面出現了一定程度的勢頭，可以努力減少太空中的風險。未來的一種可能性是，在太空中有強烈國家安全利益的國家開始談判，以談判一項禁止有目的地干擾或瞄準關鍵衛星的條約條款，包括那些參與彼此戰略力量的衛星。然而，任何這樣的外交努力必須努力實現所有國家都能同意的解決方案，并引導太空資產所固有的敏感的國家安全關切，這一點迄今已被證明具有挑戰性。

5 總結

美國核指揮和控制網絡的太空部分是一個高度復雜的系統，軌道環境的性質給其安全帶來了獨特的挑戰。這個項目的開源性質自然限制了它能回答高度敏感的國家安全基礎設施的內容，但它有望為研究人員、分析人員和政策制定者提供關于這一重要議題的資源。關于這一主題的下一階段研究應該包括以下問題：國家偵察局和其他情報界架構在NC3系統中的作用，鑒于快速變化的太空威脅環境，軍方如何在未來10-20年內改變能力和生存能力要求，如何在生存能力需求增加和由此導致的有效載荷復雜性和成本增加之間決定權衡，以及隨著其他核國家投資于他們自己的先進太空核指揮和控制資產對國際安全的潛在影響。總之，發展NC3太空項目的強大后繼者和適應新系統對于跟上快速變化和日益危險的太空環境至關重要。

這篇論文試圖研究能夠改善復雜軍事戰術環境中決策的人工智能（AI）技術。戰術環境在威脅、事件的節奏、突發或意外事件的因素、戰斗空間意識的限制以及潛在的致命后果方面可能變得非常復雜。這種類型的環境對戰術作戰人員來說是一個極具挑戰性的決策空間。戰術決策任務在識別決策選項、權衡眾多選項的相對價值、計算選項的預測成功率以及在極短的時間內執行這些任務方面迅速超越了人類的認知能力。海軍已經確定需要開發自動戰斗管理輔助工具（ABMA）來支持人類決策者。這個概念是讓ABMA處理大量的數據來發展戰斗空間知識和意識，并確定戰爭資源和行動方案的優先次序。人工智能方法的最新發展表明，它有望成為ABMAs支持戰術決策的重要推動者。本論文研究人工智能的方法，目的是確定在戰術決策領域的具體應用。

論文組織

本論文分為五章。第一章概述了本課題的背景，描述了本論文所探討的問題，本論文的目的，以及研究的方法和范圍。第二章對論文中討論的定義和概念進行了全面的背景回顧，包括自動戰斗管理輔助工具、決策復雜性和人工智能及自主系統的概念。第三章描述了用于協調數據采集和理解檢索數據要求的研究方法。第四章提供了分析的結果，并探討了從分析結果中得出的潛在好處和局限。本論文的最后一章包含最后的結論和對未來工作的建議。

本文是美國陸軍網絡研究所系列文章“競爭與勝利：設想 21 世紀的競爭戰略”的一部分。該系列圍繞美國競爭戰略以及在物理、網絡和信息空間中與同行和近似競爭對手非常規戰爭的各種問題發表專家評論。該系列是網絡空間競賽項目 (C2P) 的一部分，該項目由陸軍網絡研究所和現代戰爭研究所聯合發起。

沒有人喜歡在早晨醒來，但現在由人工智能驅動的算法為我們設置鬧鐘，管理我們家中的溫度設置，并選擇符合我們情緒的播放列表，打盹按鈕的使用越來越少。人工智能安全輔助系統使我們的車輛更加安全，人工智能算法優化警察巡邏，使我們開車經過的社區和居住的地方更加安全。在我們周圍，人工智能就在那里，為塑造我們的環境的工具和設備提供動力，在我們的日常生活中增強和協助我們，并促使我們對吃什么、穿什么和買什么做出選擇--不管是否經過我們的同意。然而，當我們的智能設備開始決定我們中誰是可疑的，當一個邊緣化的社區成為警察巡邏的不成比例的目標，當一輛自動駕駛汽車殺死一個亂穿馬路的人，人工智能也在那里。

人工智能在日常生活中變得無處不在，而戰爭也不例外，這是一種趨勢。報道甚至表明，2020年11月對伊朗頂級核科學家的暗殺是由一支自主的、由人工智能增強的步槍完成的，它能夠每分鐘發射六百發子彈。俄羅斯和中國正在迅速發展，在某些情況下還在部署人工智能的非正規戰爭能力，而在為我們日常生活提供動力的人工智能系統中出現的同樣的裂痕、偏見和不良結果開始出現在用于發動戰爭和設計殺人的人工智能系統中，這只是時間問題。

鑒于人工智能和機器學習在戰略競爭中的作用，我們既要了解這些系統帶來的風險，也要了解它們創造戰略優勢的能力，這一點至關重要。通過探索對抗性方法，有可能開始建立這樣一種理解。對四類對抗性方法的研究為了解這些系統的脆弱性提供了一個窗口。在這篇文章中，我們將以目標識別問題為基礎例子，探討人工智能系統的學習和思維如何被攻擊。雖然這個例子發生在沖突中，但我們描述的方法也可以在競爭中使用。這一分析導致了兩個重要的結論。首先，在任何人工智能的使用中，人類必須保持在循環中。第二，在大國競爭的時代，人工智能可能不會為美國提供戰略優勢，但我們必須繼續投資并鼓勵人工智能的道德使用。

對抗性方法

像其他軍事系統一樣，人工智能系統經歷了多個不同的生命周期階段--開發（數據收集和訓練）、測試、運行和維護。在這些階段中的每一個階段都有獨特的弱點，必須加以識別，并且我們要考慮到這些弱點。我們將著手開發一個假設的人工智能目標識別系統，該系統正在學習識別敵人的裝甲車輛。在每個階段，我們將探索相關的對抗性方法--中毒、逃避、逆向工程和推理--以及我們如何保護我們的系統免受其害。

中毒

開發任何人工智能系統的第一步是識別問題和收集數據。面對我們識別敵方裝甲車的挑戰，我們必須定義我們的問題。我們是想識別所有敵人的裝甲車，還是只識別來自特定對手的某一類型？這個問題的定義為收集和準備一組相關數據提供了依據，在這種情況下，這將包括大量感興趣的敵方裝甲車輛的圖像。我們不僅必須積累所有感興趣的車輛的圖像，而且還需要各種條件下的圖像--例如，變化的光線、不同的角度、有限的曝光和交替的通道（例如，紅外線、日光）。然后由數據分析員準備好數據，用于人工智能系統的訓練。然而，開發人工智能系統所需的巨大數據量造成了一個漏洞。數據量意味著分析員沒有能力驗證每張收集到的圖像是否是實際的敵方裝甲車輛，也沒有能力驗證這些圖像是否代表裝甲車輛的全部類型。

這個發展階段是對手可以通過一種稱為中毒的技術來攻擊人工智能系統的第一個點。投毒的目的是改變人工智能系統在訓練中使用的數據，使人工智能學到的東西是有缺陷的。這個過程在系統投入運行之前就攻擊了它的完整性。

制作惡意的原始數據以誘發有缺陷的分析結果的基本方法與傳統的軍事欺騙手段相同。Quicksilver行動是二戰期間盟軍入侵諾曼底前的一次欺騙行動，旨在攻擊德國的防御性分析模型。為了完成這一攻擊，盟軍建立了一支由喬治-巴頓中將領導的幽靈部隊（有毒數據），以歪曲德國人對其防御重點（模型輸出）的分析（模型）。

這種大規模的欺騙行動在今天這個相互聯系的社會中可能更難實現，但毒化數據是可行的。我們的對手知道我們正在追求由人工智能支持的目標識別。知道這樣一個人工智能系統需要他們當前裝甲車輛的訓練圖像，對手可以通過操縱他們車輛的外觀來毒害這些訓練圖像。這可以簡單到在他們懷疑可能被監視的車輛上添加一個獨特的符號，如紅星。然后，我們的人工智能系統將在這些被故意操縱的車輛的中毒圖像上進行訓練，并 "學習 "所有敵人的裝甲車都有紅星。

盡管這樣的中毒攻擊會在競爭狀態下發生，但當對手部署沒有紅星的裝甲車以避免被發現時，其影響會在沖突中表現出來。此外，對手可以在民用車輛上涂上紅星，誘使我們的人工智能系統錯誤地將平民識別為戰斗人員。

確保我們的系統正確學習可以通過多種方式實現。詳細的數據整理可以幫助減輕風險，但會消耗寶貴的時間和資源。相反，一個可擴展的解決方案包括數據治理政策，以提高用于人工智能系統的數據的完整性和代表性。在人工智能生命周期的所有階段，適當放置技術控制和訓練有素的人員保持在循環中，將進一步減少中毒攻擊的風險。

逃避

下一種類型的攻擊，即逃避，依賴于類似的基本攻擊原則，但在人工智能系統運行時進行部署。逃避攻擊的目標是如何應用人工智能的學習，而不是毒害人工智能正在學習的內容。這聽起來可能是一個微不足道的區別；然而，它對攻擊者成功所需的資源和反過來防御者需要采取的行動有重大影響。在中毒攻擊中，攻擊者需要有能力控制或操縱用于訓練模型的數據。在規避攻擊中，攻擊者至少需要有能力在運行期間控制人工智能系統的輸入。

逃避攻擊很適合計算機視覺應用，如面部識別、物體檢測和目標識別。一種常見的規避技術涉及稍微修改某些圖像像素的顏色，以攻擊系統如何應用它所學到的東西。在人眼看來，這似乎沒有什么變化；但是，人工智能現在可能會對圖像進行錯誤分類。研究人員證明了這種技術的效果，當一個之前正確識別熊貓圖像的人工智能被顯示為同一圖像，但在整個圖像中被添加了人眼無法察覺的顏色。該人工智能不僅將熊貓誤認為是長臂猿，而且還以非常高的信心做到了這一點。

攻擊者如果也能獲得系統的輸出或預測，就可以開發出一種更強大的（所有熊貓圖像都被錯誤識別）或有針對性的（所有熊貓都被看成另一種特定的動物）規避方法。

逃避攻擊的原則也可以在物理世界中運用--例如，戴上特制的太陽鏡來遮擋或改變你在面部識別相機上的圖像。這與偽裝背后的原理相同。在這種情況下，對手的目標是模型的感知而不是人類的感知。在軍事方面，如果對手知道我們的人工智能瞄準系統是在沙漠迷彩的坦克上訓練的，那么對手的坦克可以簡單地重新涂上林地迷彩，以故意躲避我們的人工智能系統的探測。一個人工智能增強的自主偵察系統現在可能無法有效地識別目標，無法為指揮官提供及時和準確的情報。

逃避攻擊是一些研究最廣泛的對抗性方法，因此防御所有可能的攻擊載體將被證明具有挑戰性。然而，加強我們的人工智能系統的步驟，可以增加我們對它們按計劃運作的總體信心。其中一個步驟是在部署前實施評估工具。這些工具針對各種已知的對抗性方法對人工智能系統進行測試，為我們提供一個衡量其穩健性的定量標準。在操作過程中，如果可能的話，在循環中保留一個人，也可以減輕逃避攻擊的情況。

逆向工程

前兩類攻擊在開發和運行期間針對人工智能系統有類似的基本原則。這些攻擊也與傳統的軍事概念如欺騙和偽裝有自然的相似之處。然而，人工智能系統的風險并不都是那么直接的，潛在的漏洞存在于開發和運行之外。人工智能系統在維護或儲存時有哪些漏洞？如果對手通過網絡入侵或在戰場上捕獲新一代人工智能無人機而獲得對人工智能系統的訪問，會有什么風險？

在被稱為逆向工程的一類攻擊中，對手攻擊人工智能系統的目的是提取人工智能系統學到的東西，并最終使模型得以重建。為了進行逆向工程攻擊，對手需要能夠向一個模型發送輸入并觀察輸出。這種攻擊可以繞過模型本身的任何加密或混淆。對于我們假設的目標識別人工智能，這種攻擊可以通過對手發送不同類型的車輛（輸入）并觀察哪些車輛能引起人工智能的反應（輸出）來進行。雖然這樣的攻擊需要時間，并有資源損失的風險，但最終對手將能夠了解到目標識別模型認為是一種威脅。

有了這些信息，對手將能夠開發出自己的人工智能系統版本。除了使其他對抗性攻擊更容易發展之外，直接了解人工智能是如何做出決定的，使對手能夠預測我們的反應或完全避免它們。對我們的人工智能強化決策過程的這種洞察力將對我們在整個沖突過程中的行動安全構成重大威脅。

保護我們的系統免受逆向工程的影響可能被證明是困難的，特別是因為任務要求可能要求系統允許許多查詢或加權輸出，而不是簡單的二元決定。這突出了對一系列量身定做的政策的需求，以管理與對抗性方法相關的風險。這些可能包括對人工智能系統的嚴格問責，特別是那些部署在邊緣的系統，如無人機或智能護目鏡。此外，我們可以通過只允許授權用戶查看系統輸出來施加訪問限制。

推理攻擊

最后一類攻擊，被稱為推理攻擊，與逆向工程有關。與其說對手試圖恢復人工智能系統學到的東西，不如說對手試圖提取人工智能系統在其學習過程中使用的數據。這是一個微妙但有意義的區別，對在敏感或機密數據上訓練的模型有重大影響。

為了進行推理攻擊，與逆向工程一樣，對手需要有能力向模型發送輸入并觀察輸出。有了一組輸入和輸出，對手可以訓練一個對抗性人工智能，預測一個給定的數據點是否被用來訓練我們的友好模型。

想象一下，我們的目標識別人工智能是在對手的新武器系統的分類圖像上訓練的。使用推理攻擊，對手可以了解到這個武器系統的保密性已被破壞。換句話說，對我們的人工智能系統的推理攻擊可以促進機密情報的泄露。如果這是在競爭期間進行的，它可能會對危機和沖突產生很大影響。

與逆向工程一樣，管理與推理攻擊有關的風險將主要通過政策決定來處理。除了訪問政策決定外，還將有關于何時在人工智能系統的訓練中使用敏感或機密數據、使用什么類型的數據以及數量的困難決定。這些決定將需要平衡性能和風險，以開發仍然能夠滿足任務要求的人工智能系統。

對大國競爭的影響

當然，這顯然不是對所有對抗性方法的詳盡解釋。然而，這個框架應該提供一個充分的概述，領導人可以通過它來探索將人工智能系統整合到我們的編隊中的全部影響，包括積極和消極的影響。美國和我們的對手都在追求這種技術，以便在未來的戰略競爭中獲得不對稱的優勢，而雙方都無法贏得這種優勢。

數據不對稱

當我們思考技術和不對稱優勢時，從第一原則開始，考慮相對獲得 "原材料 "的問題是有用的。在人工智能系統中，原材料是數據--大量的數據。美國是否能獲得與我們的對手相同質量和數量的數據？鑒于美國國家安全中圍繞隱私和數據安全的法律因素和社會規范--這本身就是一個關鍵的話題，答案顯然不是 "是"。這表明，美國在開發和部署人工智能系統方面將處于固有的不利地位。

開發能力

訓練有素的人員是人工智能系統的另一個關鍵資源。正如陸軍在其 "人員優先 "戰略中所確定的那樣，擁有合適的人員將是美國在戰略競爭中取得成功的關鍵。美國在工業界、學術界和軍隊都有人才。這些人員能否被招募、留住，并被引向艱難的國家安全問題，是一個值得專門思考的開放式問題。在短期內，應該確定我們編制內已有的人才，并且應該將各組織在人工智能方面的不同努力同步進行。

人工智能只是一種工具

人工智能是一種工具。像任何其他工具一樣，它有固有的優勢和弱點。通過對這些優勢和劣勢進行審慎和現實的評估，美國可以在人工智能的風險和回報之間找到最佳平衡點。雖然人工智能可能不會帶來美國在戰略競爭中所尋求的最大不對稱優勢，但我們也不能把技術讓給正在該領域進行大量投資的對手。相反，美國可以而且應該支持人工智能的道德使用，促進對強大的人工智能的研究，并為人工智能系統制定防御性的最佳做法。基于對人工智能系統的脆弱性和局限性的理解，實施這些行動和其他行動將導致美國更有效地將人工智能置于大國競爭時代的戰略中。

圖 陸軍現代化工作延伸到陸地、空中、海洋、太空和網絡空間，以確保未來的部隊能夠在任何戰場上發揮優勢。

根據"美國陸軍現代化戰略：國會監督考慮"，美國不再對其近鄰對手保持質量和數量上的優勢，而且陸軍的許多領導人和士兵都沒有接受過對抗近鄰威脅的訓練。因此，美國陸軍必須將自己轉變為一支多域的部隊，能夠在競爭、危機和沖突中實現超常發揮并擊敗其近鄰對手。這一挑戰是艱巨的，但卻是必要的。在 "多域作戰：推動變革以贏得未來"一文中，帕金斯將軍寫道，需要改變陸軍的作戰概念。帕金斯（2017）解釋說：

• 多域作戰是一個由主動選擇驅動的概念，并以失敗的威脅為依據。它是陸軍作戰概念的演變，詳細說明了對俄羅斯新一代戰爭以及中東地區持續挑戰的回應。它承認，美國正在到達一個可以通過選擇進行變革的時期的終點，而不至于遭受嚴重損失。陸軍必須發展和改變。(p. 9)

因此，最近和未來的條令尋求將陸軍從一支注重反叛亂的部隊過渡到一支注重多域作戰（MDO）的部隊，體現出多域作戰的原則。陸軍必須以無與倫比的團結努力來接受這些信條，以建立一支靈活的部隊，能夠建立融合和決策主導權，具有鞏固成果的耐力，并有能力在沖突和大規模作戰行動（LSCO）之前保持競爭。為了在多域環境中獲得成功，陸軍需要新的指揮和控制系統，更現實和苛刻的訓練，靈活和適應性強的編隊和能力，以及了解任務指揮和紀律性主動性是在競爭、危機和沖突中取得成功的基本要素的領導人。

競爭、危機和沖突

圖 2022年11月23日，在波蘭Bemowo Piskie舉行的Bull Run實彈演習中，被分配到第1騎兵師第3裝甲旅戰斗隊第8騎兵團混沌連的士兵在一輛布雷德利戰車的火力支援下向目標前進。

美國打了二十年的雙線反叛亂戰爭，沒有鞏固任何實質性的成果，也沒有取得任何道義上或實際上的勝利。然而，在同一時期，近鄰對手卻在重大沖突以下的競爭時期推進、訓練并鞏固了成果。俄羅斯入侵格魯吉亞，并在入侵前花了幾個月在烏克蘭邊境集結。如果美國繼續允許競爭對手保持其主動權，未來的沖突就不可避免。

道格拉斯-麥克阿瑟將軍在西點軍校的告別演說中稱贊柏拉圖說："只有死去的人才看到戰爭的結束"（MacArthur, 1962, 第26段）。競爭和危機導致美國與一個近似的對手發生沖突，這只是時間問題。在不久的將來，以小規模沖突或為爭奪資源而進行的小規模交戰，或在俄羅斯入侵前為保衛烏克蘭等國家而進行的沖突，越來越有可能。這些沖突也可能導致為捍衛國家利益的大規模戰斗。陸軍還沒有準備好。陸軍部長在其年度講話中概述了陸軍的六個目標，前兩個目標專門針對近鄰威脅。第一個目標是 "在不確定性中使陸軍走上可持續發展的戰略道路"（Wormuth, 2022, 第3段）。第二個她說："陸軍必須找到一種方法，在面臨日益增加的財政壓力的同時，將我們所需的尖端編隊投入戰場，以開展MDO"（沃姆斯，2022年，第3段）。因此，陸軍在應對近鄰威脅時的可持續性和成功在于其執行多域行動的能力。現在是準備和訓練的時候了。

在陸軍領導人了解他們需要如何準備和訓練之前，他們必須了解他們需要如何對抗已經使用自己版本的MDO的近距離威脅。每個梯隊的陸軍領導人都必須了解MDO及其基本原則，并對他們自己和他們的組織進行任務指揮培訓，并在最低層行使紀律性的主動權。MDO的基本原則是敏捷、聚合、耐力和深度（陸軍部，2022，第3-2頁）。敏捷、耐力和深度對陸軍在多域作戰中的成功至關重要，但本文試圖討論融合、成功運用任務指揮和決策主導之間的關系，作為多域作戰成功的基礎支柱。

融合

如果美國陸軍要在多域作戰中取得成功，我們必須成功地運用所有的原則。這首先需要對編隊進行重組，并對多域能力進行重組。具有多域能力的編隊必須在需要的戰區內進行部署。融合要求部隊在所有的領域都有姿態和能力取得成功。陸軍部（2022）指出：

• 融合是一種結果，它是通過協調使用來自多個領域和梯隊的能力，對任何領域的決定性點進行組合，對一個系統、編隊、決策者或一個特定的地理區域產生影響。(p. 3-3)

簡單地說，融合是指為實現一個更高的目標而統一使用來自多個梯隊和領域的能力。融合使用多領域的能力，但依賴于在空間的正確時間使用這些能力和效果，同步實現一個更高的目的或目標。融合是多域行動的一個關鍵原則，但其成功需要有效的任務指揮和決策主導。顧名思義，指揮和控制（任務指揮）以及有紀律的主動性能夠實現融合，因此對執行決策主導權至關重要。指揮官必須堅持訓練和演練使用任務指揮的原則，以成功運用他們的多域能力。

任務指揮

圖 2013 年 9 月 1 日，分配給美國陸軍航空日本營的一架 UH-60 黑鷹直升機準備降落在太平洋海上的日本海軍驅逐艦村雨 (DD 101) 。這次歷史性的著陸標志著這是美軍直升機第一次降落在日本艦艇上。

根據陸軍部（2019年）的說法，任務指揮是 "陸軍的指揮和控制方法，賦予下屬決策權和適合情況的分散執行權"（第1-3頁）。指揮官將指揮和控制作為行使其權力和提供組織指導的方法，以完成任務目標。當陸軍編隊有未經訓練和未經證實的下屬時，指揮官必須提供更多的控制和指導，以確保任務的完成，但這并不是首選的方法。當下屬領導在指揮官的意圖或戰區戰役的意圖范圍內執行有紀律的倡議時，就會出現分散執行。沒有有能力和有意愿的領導人，就不可能有有紀律的主動性。為了實現和促進有紀律的主動性，指揮官必須將信息傳播到最基層，以促進組織的共同理解。

共同的理解取決于兩個關鍵的基礎要素，即當前形勢和指揮官的意圖。當前的情況就是現在的作戰環境。作戰環境是復雜的、快速變化的、不斷發展的，因此信息流必須是持續的。指揮官的意圖提供了明確的目的，并詳細說明了指揮官期望的最終狀態。它是任務指揮的一個重要原則。指揮官必須了解公布其意圖的重要性，而不是依靠參謀部為他們做這件事。根據柯林斯（2020）的說法：

• 太多時候，參謀部在沒有指揮官意見的情況下計劃和制定行動。指揮官在計劃過程中沒有發揮積極作用，因此沒有充分提供所需的意圖。沒有指揮官的意圖，下級就不能利用他們的判斷力和主動性來做出促進上級指揮官意圖的決定。其結果是層層遞進的行動與指揮部可能真正想要執行的行動相去甚遠。(第3段)。

一個有效的指揮官意圖提供了什么，為什么，以及如何導致有效的任務指揮和完成。當指揮官提供一個可靠的指揮官意圖時，他們就會建立一個共同的理解，士兵們就能取得無限的成就。喬治-巴頓將軍有句名言："永遠不要告訴人們如何做事情。告訴他們該怎么做，他們會用他們的聰明才智給你帶來驚喜"（庫克，2015年，第2段）。為此，指揮官的意圖有助于下屬形成共同的理解，使他們能夠在沒有命令的情況下迅速行動，并抓住、保持和利用主動權。紀律嚴明的主動性還要求指揮官接受風險，允許下屬在最初的指導下進行，以實現戰役的意圖和期望的最終狀態。

指揮官做出決定并承擔可接受的風險，以奪取主動權并完成任務，但在這種情況下，接受風險的目的是賦予下屬權力。根據陸軍部（2019年）的說法。

灌輸風險接受與創造一個不僅鼓勵下屬承擔風險，而且容忍錯誤的環境是相輔相成的。指揮官認識到，下屬最初可能不會完成所有任務，而且可能會出現錯誤。指揮員訓練下屬在不確定的情況下按照指揮官的意圖行事。指揮員給予下屬犯錯和學習的自由。(p. 2-7)

在艱苦的現實主站部隊訓練中，風險的接受尤為關鍵，在戰斗訓練中心（CTC）的輪換中達到高潮。下級通過指揮官、下級領導和CTC的觀察員教練/訓練員（OCTs）的良好指導學習最佳做法。這些活動促進了整個指揮系統的相互信任。士兵們學會行使良好的判斷力和有紀律的主動性。各級指揮官、領導和士兵都必須明白，有紀律的主動性超出了散兵坑和前線的范圍，這一點至關重要。

成功地執行匯合和實現決策主導權取決于指揮所和戰術行動中心（TOC）的工作人員和人員，以及他們快速處理信息和做出決策的能力，為敵人提供多種困境，保持作戰節奏和陸軍編隊內的重點。

圖 第 3 步兵師第 28 步兵團第 1 營的士兵在日本 Aibano 訓練區的城市地形軍事行動訓練中等待另一個小隊清理一個房間，同時與日本地面自衛隊成員進行雙邊演習-國防軍第 15 快速部署團在 2021 年 6 月 7 日 21 日至 2 日的東方之盾演習中。東方之盾是美國陸軍和 JGSDF 最大的雙邊野戰訓練演習，正在日本各地進行，以增強互操作性并測試和完善多域和跨域作戰。

指揮和控制系統

如果沒有訓練有素的士兵、經過測試和驗證的流程、網絡和指揮所，就不可能實現融合。人才管理對于軍隊組織內指揮和控制系統的成功至關重要。指揮官必須了解人才管理對于融合、實現決策主導權和成功執行MDO所必需的重要性。陸軍部（2021年）指出：

• 創新和變革的加速將增加對我們人員的技術和認知要求，產生新的人員和培訓要求。我們正在改變我們的戰斗方式，我們用什么戰斗，以及我們如何組織，但我們也必須改變我們的訓練方式。(p. 27)

訓練對成功至關重要。指揮官必須明白，人才管理要求他們不要把他們的參謀部變成不合格和不稱職的士兵的垃圾場。士兵和領導都必須保持熟練，并不斷接受新的和新興技術的培訓，這些技術旨在傳輸實時和預測未來作戰環境的變化，以及敵人的組成和行動，這些都是過渡到千年發展目標。參謀人員必須成為訓練有素的信息渠道，使指揮官和下屬領導能夠快速做出明智的決定（陸軍部，2021a）。

決策主導強調指揮官、領導和所有梯隊的士兵在幾秒鐘內而不是幾小時或幾天內處理信息，然后在摩擦點上做出決定，或向指揮官提出知情建議，以便快速決策。快速解讀和傳遞具有時間敏感性的情報有助于指揮官及其編隊行使紀律性的主動權，并在指揮官的意圖范圍內果斷行動。決策主導權的核心是為了鞏固成果，防止敵人獲得主動權和實現自己的目標而進行的知情和迅速的侵略行為。訓練有素、有能力、有紀律的士兵和領導人需要高效、有效、經過驗證的程序、網絡和指揮所來推動決策主導權的成功。

決策主導權

決策主導權是一個與陸軍對MDO和LSCO的關注有關的熱門詞匯，但這個詞并不新鮮。近二十年前，梅里克-克勞斯將 "決策主導權 "作為一個作戰概念，建立在之前的 "基于效果的行動和快速決定性行動 "的概念之上（克勞斯，2003年，第1-2段）。克勞斯的定義側重于通過支配敵人的決策過程來剝奪他們的決策能力，而不僅僅是摧毀軍事資產和平臺。它的中心思想是："當敵人因為沒有可行的選擇而無法有效作戰時，它就會停止戰斗，也許在雙方發生重大傷亡之前"（克勞斯，2003，第5段）。克勞斯和今天的陸軍領導人一樣，相信通過利用技術和取得長期的成功，可以實現決策主導權（克勞斯，2003）。

在 "陸軍多域轉型：準備在競爭和沖突中取勝 "中，陸軍參謀長詹姆斯-麥康威爾將軍討論了技術的重要性和軍隊轉型的需要。在陸軍部（2021年）中，麥康維爾指出："這種大膽的轉型將為聯合部隊提供尖端技術的范圍、速度和融合，這些技術將提供贏得下一場戰斗所需的未來決策主導權和過度匹配"（第i頁）。為了完成決策主導權，陸軍指揮官和領導人必須首先了解它是什么。陸軍部（2020b）指出。"決策主導權是一種理想狀態，在這種狀態下，指揮官的感知、理解、決定、行動和評估比對手更快、更有效"（第8頁）。這個現代定義是對克勞斯最初定義的擴展，他沒有解決融合、指揮和控制（任務指揮）以及決策支配力在深度和廣度上的關系。

結論

如果不培養多域的領導者，陸軍的多域概念就無法在第一次交戰中存活。指揮官、他們的參謀人員、下級領導和整個陸軍的士兵必須接受并理解有效的指揮和控制、多域組織和決策主導權之間的聯系。如果美國要在競爭、危機和與近鄰對手的沖突中取得成功，將進行這種變革。新的指揮和控制系統，靈活和適應性強的編隊，以及新的能力是成功的必要條件，但領導人要推動行動。領導人必須明白，任務指揮和有紀律的倡議是成功實施和執行千年發展目標的基本要素和關鍵。軍隊需要那些接受變革需求的領導人，學習成為主題專家，并使用以任務指揮為基礎的艱苦和現實的訓練，使他們的部隊為現代戰場做好準備。

（圖：作家兼戰略家彼得辛格（左）于 2018 年 11 月 1 日在一個未命名的空軍設施與一名軍官和一名國防部文職人員討論新技術。人工智能和腦機接口等進步將改變陸軍作戰的方式。）

長期以來，決策一直是戰爭的核心。最近，戰爭的節奏、規模、不透明性、非線性和連通性的增加對當代決策過程提出了越來越多的挑戰。在未來，這種變化將同時增加及時和有效決策的重要性，同時進一步加劇許多指揮官的認知和決策挑戰。指揮官將尋找結構不良、高度復雜的問題的解決方案，這些問題延伸到空中、陸地、海上、信息、網絡和空間這六個領域。隨著新技術和新應用的實現，未來的事態對復雜性構成了潛在的增長，并將以指數級的速度增加。人類的學習，甚至是最老練的指揮官的直覺能力都無法跟上不斷變化的戰爭特征。要想把贏得戰斗的洞察力帶到未來，必須對人類的認知、決策過程進行改進，或對其進行增強。

決策能力和現有支持的割裂造成了分析性決策過程、指揮官的直覺和有效決策之間日益擴大的能力差距。當前和未來的環境表明，有必要開發更加靈活的決策支持工具，以阻止這種差距，并為指揮官重新獲得決策優勢。在一個不透明和復雜的環境中有效地預測未來幾場戰斗的能力將是成功的關鍵。同時，在一個能夠迅速使以前的計劃失效的動態環境中，理解并首先做出反應的能力對于奪取和保持主動權至關重要。

復雜性科學和混沌研究已經與類似的問題進行了斗爭，并為軍事指揮官的突發挑戰提供了相關的見解。計算機建模和人工智能（AI）方面的工作已經取得了巨大的進展。在許多游戲中，計算機已經超越了人類的決策能力。

從人工智能的主導地位中適應和發展，國際象棋中的人機團隊已經達到了決策的新巔峰，將提前數個回合評估未來動作的算法的卓越戰術與人類的戰略能力相結合。目前美國與人工智能和決策有關的國防努力似乎集中在大數據和數據分析上。然而，如果沒有一個改進的軍事決策框架，就不能利用預測性分析。否則，增加的數據和分析只會加劇理解日益復雜和動態的作戰環境的挑戰。

軍事決策過程（MDMP）雖然在分析上是合理的，但其結構并沒有跟上未來環境的步伐。沖突的速度將超過工作人員處理分析貢獻的能力。

用人工智能對MDMP進行修改和增強，將創造一個過程，以更快的速度產生對環境的理解，并以物理信息的框架為基礎。行動方案的制定將不會像現在這樣，從一個理想的最終狀態向后發展，在理論上運用方法和手段來創造一個想象的未來。由人工智能支持的MDMP將從當前狀態向前工作。它將通過友軍和敵軍決策樹的可能分支向前探索，走向各種環境和敵軍的行動路線，通過最小化風格的決策樹，將其作為適應性代理來實現。替代行動的未來將通過可行性的出現來建立，并通過優化作戰功能的貢獻來完成，固有的區別，然后由人機團隊的人類部分來判斷是否合適和可接受。重新設想的人-機MDMP將與未來的操作環境保持同步，通過以接近機器的速度操作來保持相關性，使人能夠在日益濃厚的戰爭迷霧中獲得卓越的視野。

指揮官雖然得到參謀部的支持，但最終還是利用自己的能力進行決策。當指揮官在進行問題解決以制定對其工作人員或下屬的指導時，他們基本上是在進行 "手段-目的分析，這是一個尋找手段或步驟的過程，以減少當前情況與預期目標之間的差異"。即使是直覺，即對一個事件或數據的突然有洞察力的解釋，也以類似的方法發揮作用。"盡管表面上突然閃現的洞察力似乎產生了問題的解決方案，但研究表明，人們在解決洞察力問題時使用的思維過程最好被描述為一種漸進的、手段-目的的分析。" 領導者認識到相似性，并將其與個人和所研究的歷史聯系起來，從而獲得洞察力。心理學家、經濟學家和諾貝爾獎獲得者丹尼爾-卡尼曼（Daniel Kahneman）用這樣的描述來解釋內部的、經常是半意識的過程："產生印象、直覺和許多決定的心理工作在我們的頭腦中默默地進行"。數學物理學家、科學哲學家和諾貝爾獎獲得者羅杰-彭羅斯描述了一種無意識的思想發展和對這些思想的有意識判斷。

MDMP有一個類似的、不亞于人類的動態。參謀部通過行動方案（COA）的制定產生備選方案，并由指揮官決定。然而，在行動方案的制定過程中，正如在手段-目的推理中一樣，用于簡化計算的啟發式方法以及一些神經心理學上的缺陷，限制了選擇并注入主觀性。歸根結底，目前MDMP內部的COA開發過程仍然需要大量的頭腦風暴來解決。

與主觀開發選項形成對比的是基于衡量和計算的選項開發，而這一過程將由人工智能支持的程序執行。通過一些基于現有信息和過去沖突的數據的計算，可以對比出AI賦能的MDMP會提供的建議。

對2008年俄格戰爭期間的決策和計劃進行評估，在與歷史上的決策、行動和結果進行對比時，可以深入了解人工智能驅動的MDMP的好處。以下是人工智能驅動的MDMP背后的邏輯和過程。

俗話說，如果情報是用來推動機動的，那么對戰場的情報準備的產出必須作為COA發展的起點，使友軍COA的創建能夠實現對對手的不對稱，并執行對對手行動最有利的行動。

從對敵方力量的評估中，可以根據具體的任務變量來確定所需的友軍力量。要做到這一點，需要一種衡量對手戰斗力的方法。有許多復雜程度不同的方法來確定一個代表戰斗力的數值。

人工智能程序可以使最繁瑣的系統變得可行，所以它不像參謀部那樣受到復雜性的限制，特別是在時間有限的時候。雖然這個例子使用了戰區分析模型（TAM），但TAM并不是重點。指揮官、參謀部或學說推薦的任何東西都可以使用。

在2008年俄格戰爭爆發前，俄羅斯部隊在北奧塞梯駐扎。這些部隊可以按地點轉化為戰斗力值。例如，在馬米森山口附近的俄羅斯部隊可以按其組成部件進行統計，如人員、T-72主戰坦克、2S3自行火炮和BM-21多管火箭炮系統。

圖 1. 俄羅斯軍隊戰斗力計算

圖1中顯示的戰斗力范圍可以告知所需的戰斗力，這些戰斗力來自于格魯吉亞部隊的位置，用藍色矩形標注，以便在各種可能的情況下擊敗這支俄羅斯部隊。圖1中描述的兩種情況是俄羅斯使用西面的馬米森山口或東面的羅基隧道（帶箭頭的紅線）。

與戰斗力計算一樣，從計算機建模中得出的計算結果可以用來預測基于部隊和手段的相應相關性的傷亡。在這里使用的算法中，戰斗力是根據地形和任務類型對每種能力或系統進行調整。一旦對戰斗力進行了調整，該模型描述了在部隊比例為1:1時的傷亡分布情況，有一條非線性曲線，在戰斗力比例大約為4.4:1時趨于平緩，顯示了一個粗略的收益遞減點。這種計算方法不能提供 "任務成功 "的百分比機會，但可以提供預期戰損和傷亡的迭代，顯示雙方的戰斗力如何隨著時間的推移而受到影響。必須對將導致失敗或撤退的戰斗力損失做出假設，但這是一個很好的例子，說明人類的洞察力可以被迫提供具體的情況。從這些計算中出現的洞察力的開端是，1:1的比例仍然是消耗性的，而2:1的比例有可能在兩次反復中增長到2.4:1然后是4.5:1。這就形成了一種機制，在時間上尋求有利的戰斗比例，可以決定性地改變平衡。這不是一個水晶球，而是現有的最佳估計，能夠由工作人員有條不紊地進行，或由程序以機器速度進行。由于戰爭是一種明顯的人類努力，因此可以將士氣或本例中未包括的其他因素納入到額外的修改因素中。這種對戰斗力隨時間推移的理解提供了一個關鍵的洞察力，并可以為部隊分配的決策提供參考。在這一點上，可以產生一個對應于特定地點的友軍的有利戰斗力要求。圖2強調了格魯吉亞部隊如果在俄羅斯入侵路線上的起伏地形中進行防守時的理想戰斗力。

隨著南奧塞梯局勢的升級，格魯吉亞總統米哈伊爾-薩卡什維利于2008年8月7日為軍隊確定了三個目標。他指示他們 "第一，阻止所有軍車從俄羅斯通過羅基隧道進入格魯吉亞；第二，鎮壓所有攻擊格魯吉亞維和人員和內政部崗位或格魯吉亞村莊的陣地；第三，在執行這些命令的同時保護平民的利益和安全"。正如格魯吉亞國家安全委員會秘書亞歷山大-洛馬亞后來所證實的，"我們行動的邏輯是解除茨欣瓦利郊區的射擊陣地，并試圖通過繞過茨欣瓦利，盡快向羅基隧道靠近"。這一指令和支撐格魯吉亞軍事反應的邏輯為本文中繼續發展人工智能的COA提供了一個有益的對比。

圖2. 兵力比的正反饋循環

前面分析的圖1中的俄羅斯部隊是后來試圖通過羅基隧道進入格魯吉亞的第一梯隊部隊。被描述為向格魯吉亞部隊和村莊開火的部隊在茨欣瓦利附近活動，由奧塞梯人組成，由俄羅斯和奧塞梯 "維和 "營協助，人數增加到830人，大約300名雇傭兵，以及更多的大炮。由于他們有相當多的步兵，不同的任務，以及從茨欣瓦利城市中心倉促防守的地形，通過以前使用的相同方法，他們的戰斗潛力被計算為60。

談到格魯吉亞部隊和繼續發展他們最有利的行動路線，格魯吉亞第二、第三、第四和第五步兵旅以及戈里的一個單獨的坦克營的戰斗力和位置，作為計算的起點。他們與俄軍的距離和旅行時間，或關鍵地形，都可以計算出來。將這些信息與之前概述的俄羅斯部隊和之前討論的兵力比例知識結合起來，就可以利用目標編程，從數學上優化從每個格魯吉亞地點到羅基隧道或茨欣瓦利的戰斗力，以滿足有利的兵力比例，同時最大限度地減少總的旅行距離，從而最大限度地減少時間和后勤要求。

圖3. 戰斗潛力優化Python計劃的結果和建議的第4旅的分步任務組織結果

圖3左上角的優化程序結果顯示，格魯吉亞的戰斗力分配足以達到2:1的兵力比，以對抗進攻的俄羅斯部隊。對于第4步兵旅，建議在各目標之間分配戰斗力，后續的優化程序是按作戰功能確定各目標的不同作戰系統的數量，如圖3右上方所示。其結果是以理論為基礎的理性選擇解決方案，并通過在后期MDMP的COA分析步驟中為裁決戰爭游戲而保留的計算類型形成。人工智能支持的MDMP所實現的是使用詳細的分析來告知行動方案的最初發展，防止未來對次優COA的路徑依賴。

這種輸出就像分析數據以創造信息。合并這些信息的組成部分可以創造出知識，指揮官或參謀部可以對其運用智慧。這種方法不是像直覺所注入的那樣擁有不可解釋的因素，而是可以解釋的，并且可以在指揮官的具體規劃指導下進行修改。在這種情況下，裝甲、步兵和炮兵在進攻和防守中的有效性，以及丘陵和城市地形，都被納入優化的考慮范圍，輸出結果將炮兵優先送到羅基隧道。這一建議，雖然源于算法，但遵守人類的軍事判斷，認識到在城市中使用火炮的相對困難，以及步兵的相對優勢。毫不奇怪，行動后的審查指出，格魯吉亞的炮兵在丘陵地帶對付前進中的俄羅斯縱隊是有效的。

同樣，在這種修改中，通常為COA分析的后期步驟保留的計算類型被應用于COA的最初發展。正如加里-卡斯帕羅夫所描述的與計算機合作的好處一樣，人類也可以將作戰藝術應用于已經納入科學的概念。

許多計算可以被整合到程序中，以減少認知負擔，讓工作人員進步到更高層次的人工分析，其中一個例子就是時間。對于建議的每條路線，可以進行計算，根據車輛數量和其他變量確定更準確的時間。

將上述初級人機開發的COA的輸出與格魯吉亞國家安全委員會對其一般行動方案的闡述相比較，突出了人工智能支持的MDMP可以提供的優勢。人工智能的建議將一支更強大的格魯吉亞部隊引向羅基隧道，同時向茨欣瓦利投入部隊。很可能更早和更多地將部隊投入到羅基隧道附近的防御中，會極大地擾亂已經被渠化的入侵俄羅斯部隊，并阻止他們將火箭系統移到茨欣瓦利的射程內，并通過隧道將彈道導彈炮組進一步嵌入格魯吉亞，這對俄羅斯人來說是決定性的。

到目前為止，修改后的方法已經建立了一種發展 "下一步行動 "的方法，其基礎是對友軍和敵軍戰斗力的理解，這種戰斗力如何受到任務類型和地形的影響，以及部隊在移動和機動接觸中的時間關系。地面部隊的這些例子必須自然延伸到所有領域的戰斗力和效果的應用。這種技術能夠同時分析各個領域，并為跨領域效果的整合提供一個機制。近距離空中支援的架次可以被整合到地面領域，以便在地面戰斗的關鍵地點和時間提供更好的戰斗力比率。此外，在進行空對空作戰計算時，可以將地面防空資產納入空對空計算的因素。圖4顯示了通過羅基隧道進攻的俄羅斯地面部隊和推薦的格魯吉亞地面部隊的戰斗力，另外還強調了如何將俄羅斯的蘇-25戰斗機或格魯吉亞的SA-11系統納入其中。這為在領域內和跨領域進行的作戰行動創建了一個多維框架，并提供了一種同步匯合的方法。當一個領域的條件發生變化時，對其他領域和行動的影響可以在開始大大超過工作人員計算的復雜程度上進行。

隨著核心COA的制定，每個作戰功能的最佳整合可以通過算法來確定。例如，有了通往目標的路線和距離，以及燃燒率和其他規劃因素，可以計算出支持概念的要素。

這個例子表明，有能力在多個領域整合所有作戰功能的規劃。有了充分的細節說明COA的完成和廣度，現在可以把解釋轉向深度。為了在作戰層面創建一個在時間和空間上都有深度的COA，它必須提前預測幾個交戰，以實現相對優勢的位置，并尋求實現轉化為成功的失敗機制。而之前的過程主要是將現有的軍事理論或學術研究進行算法連接的創造，它們很難實現超越即時決策的飛躍，并創造出作戰藝術。對于這一點，現有的人工智能提供了適用的例子。

國際象棋人工智能中使用的基本微分法對所有棋盤上的處置方式提前兩步進行打分，包括行動和反應，然后根據程序對分數進行比較，分數最差的那個選項被修剪掉。在排除了未來兩步棋中最差的選項后，剩下的最佳選項被選中。修剪和消除的過程可以防止出現這樣的情況：人們可以在最近的一步棋中拿下一個低價值的棋子，但在下一步棋中又會失去一個高價值的棋子。該算法基于每一步后續棋重復這一過程。在許多程序中，該算法會分析更多的未來棋步，以指數形式增加棋盤的處置，以評估和排列潛在的棋步。為了簡化計算機的計算，一個被稱為阿爾法-貝塔修剪的過程可以在明確它們不會是最佳選擇時刪除分支，并停止評估它們。根據已經證明的根據力量和手段的相關性來評估軍事編隊的能力，可以看到即使是簡單的國際象棋人工智能方法也可以成為發展作戰藝術的基礎。

圖4. 多域COFM框架

當使用決策樹和國際象棋人工智能的最小算法時，程序會對棋盤上的大多數或所有的替代性未來進行評估，并產生一個可比較的值。俄羅斯軍隊最初從西邊的馬米森山口進攻，而不是從東邊的羅基隧道進攻，就是一個選項的例子。這將產生一個不同的動作，格魯吉亞部隊需要對此作出反應。除了國際象棋人工智能中棋子的總價值外，還經常使用位置的修改器。對每一方的剩余棋子進行估值的方法在概念上類似于之前用于分析俄羅斯和格魯吉亞部隊的戰斗力的TAM計算方法。而不是單個棋子的價值，將考慮軍事編隊的戰斗力。這種機制設計起初似乎是以消耗為重點，保留友軍的戰斗力，消除對手的戰斗力，并根據價值來確定優先次序。從一開始看起來非常機械的東西中出現的顯著特征是在時間和空間上創造和連接有利的力量比例，實現不對稱性，以大量消耗對手并保存友軍的戰斗力。簡而言之，它創造了作戰藝術。

當以這種方式對格魯吉亞的多個行動方案進行比較時，就會出現與圖3中描述的不同的行動方案。由于通往羅基隧道的旅行時間的變化，以及對交戰的預測是如何沿著各自的決策樹展開的，因此確定了對通往羅基隧道的部隊的改變，如圖5所示。

當人工智能支持的COA開發過程繼續向前搜索時，在Troitskye的俄羅斯第503摩托步槍團（MRR）和在Khankala的第42摩托步槍師和第50自行火炮團被確定為需要考慮的俄羅斯作戰力量。以最小的方式，在最初決定在羅基隧道和茨欣瓦利之間分配部隊之前，沿著決策樹進一步考慮這一事件。一旦理解了時間上的力量以及二階和三階效應，就會發現一個非直覺性的決定，即與戈里的坦克營和第比利斯的第4旅一起向羅基隧道進攻，這是由于預測到俄羅斯第二梯隊部隊在未來的行動。

圖 5. 俄羅斯-格魯吉亞聯合決策樹和進化

如圖3所示，如果俄軍同時開始行動，格魯吉亞部隊的原始部署無法及時趕到羅基隧道進行防御。然而，當動用哥里的坦克營或第4步兵旅時，一支有利的部隊能夠在迪迪古普塔或爪哇附近進行防御，使俄軍在山丘上保持渠化，有足夠的戰斗力來預測俄軍的進攻會被擊敗。這種防御可以抵御俄軍第二梯隊的第503摩托化步兵師，但不能抵御緊隨其后的第42摩托化步兵師，圖5右上方描繪的是第503步兵師。正因為如此，格魯吉亞的防御部隊如果要完成他們的任務，就需要在503摩托化步兵師到來之前向隧道進行反擊，以在嚴重的渠化隧道處進行防御。有了這些從復雜中出現的聯系，格魯吉亞的領導層可以及時思考并產生贏得戰斗的洞察力。

建立可用COA的算法過程在很大程度上緩解了因時間不足而產生的差距，同時為MDMP引入了一定程度的學術嚴謹性，否則可能只是主觀評估，而這種評估中隱含著所有未知的危險。

在目前的作戰環境中，往往沒有時間來制定多個作戰行動方案，對所有制定的作戰行動方案進行戰爭演習，應用作戰行動方案評估標準，然后確定一個推薦的作戰行動方案。有了人工智能支持的MDMP，COA分析和比較就被烘托出來，并最大限度地利用現有的技術，所有這些都是在傳統的工作人員可以收集到的工具。

通過COA分析和COA比較步驟合并和修改COA開發步驟，以利用當前人工智能能力的速度、力量和洞察力，將提高預測多種替代性未來和選擇的能力，使指揮官不僅能夠在三維空間中思考，而且能夠在時間中思考。鑒于時間越來越稀少，了解時間，并擁有在多個領域與之合作并通過它的工具，可能是人工智能提供的最大優勢。

其他領域的人工智能工具已經展示了它們在提供快速、一致和準確計算的任務方面的能力。為了具有價值，人工智能不需要自主運作或復制有生命的人。人工智能只需要彌合當前規劃和決策工具的適用性與人類認知在復雜適應性系統中的有效性之間不斷擴大的差距。處理復雜性的適度改進，即使只是減少導致錯誤的認知負擔，也會確保比無助的指揮官有決策優勢。

在人工智能支持的MDMP的意義上更進一步，人工智能可以在第一次迭代后半自動地完成MDMP，幾乎連續地進行完整的MDMP過程，沒有疲勞感，納入每一個新發展。一個持續的人工智能運行的MDMP將提供關于部隊當前位置和行動的反饋。近乎實時的反饋將使我們能夠跟蹤下屬單位的當前行動、控制措施的遵守情況和進展。

其次，近乎連續的MDMP可以通過評估根據當前條件應該執行什么COA來預測分支，甚至預測隨著條件的變化，未來決定性交戰的設置。持續的人工智能支持的MDMP將與敵人而不是計劃作戰。一個人工智能支持的過程將有額外的好處，即為任何新出現的COA整合資源，同步和優化所有領域的效果，并使過渡到一個新的分支計劃更加可行。這種能力將在使部隊迅速適應在未來動蕩環境中的混亂邊緣茁壯成長方面取得不可思議的進展。

（2021年11月10日，在荷蘭弗里皮爾舉行的北約反無人機系統技術互操作性演習中，無人機在無人機群演示前處于起飛位置。）

美國防部（DOD）和美國政府在敵方使用小型無人駕駛飛機系統（sUAS）方面面臨著重大國家安全挑戰。創建集群能力的現有技術導致了多層次和無法管理的威脅。本文討論了如何準備和應對這一迫在眉睫的挑戰，俗稱“無人機蜂群”。傳統思維和實踐的基本挑戰推動了對無人機蜂群的關注。一些未解決的問題包括無人機蜂群對美國的潛在利益與威脅。迄今為止，沒有任何方法能充分解決美國對無人機蜂群的戰略風險。盡管美國防部戰略包括一些應對敵方無人機威脅的方法，但它并沒有完全面對挑戰，而要解決未來武裝無人機蜂群帶來的戰略問題，就必須面對這些挑戰。為了減輕這種新出現的風險，美國需要一個協調的方法來解決技術、法律和條令問題。

1 戰略環節

美國目前的戰略文件為確保和推進國家利益提供了總體要求。然而，新出現的威脅和潛在的無人機蜂群技術威脅著美國的安全態勢。例如，2017年美國國家安全戰略指出，“我們將保持一個能夠威懾并在必要時擊敗任何對手的前沿軍事存在”。隨著美國軍隊在全球范圍內的廣泛投入，對手可以利用無人機蜂群來挑戰美國在許多領域的利益；如果是這樣，美國軍隊就不能可靠地投射力量來威懾和擊敗這些同樣的對手。

此外，《美國國防戰略》認為戰爭的特點在不斷變化，行為者可以更迅速、更容易地獲得技術，包括人工智能（AI）、自主性和機器人技術。時任美國防部長詹姆斯-馬蒂斯在2018年說明了這種擔憂，他承認國土不再是一個避難所，必須預測針對“關鍵的國防、政府和經濟基礎設施”的攻擊。無人機蜂群構成了重大的國家安全戰略風險，應對這一新興威脅給美國帶來了三個關鍵領域的挑戰和機遇：技術、法律和理論。

2 奠定基礎:新興趨勢

關于作戰無人機系統使用的研究文獻揭示了以創新方式改變戰爭特征的潛力。技術革命使行為者能夠利用無人機來實現國家目標。最近發生在南高加索地區的納戈爾諾-卡拉巴赫爭議地區的戰爭說明了這一現實。阿塞拜疆對無人機系統的使用極大地幫助了它的勝利，支持了它對亞美尼亞的空中和地面作戰，而亞美尼亞擁有更多的常規空中和地面部隊，包括戰斗機和坦克。此外，這場戰爭說明了使用無人機系統來摧毀防空系統、地面部隊和裝甲車輛的優勢，包括空中能力成本相對低廉。這些系統可以憑借其相對較小的尺寸和較慢的速度避開敵人的防空系統，而且它們在常規沖突中為不太富裕的國家提供了潛在的軍事優勢。這種力量的再平衡表明，國家可能會在未來的沖突中更多地使用無人機系統來脅迫他們的敵人，促成外交上的讓步，并實現國家安全目標。遙控飛機是改變戰爭性質的工具，而小型無人機的創新使用說明了下一步的改進，其成本低，回報潛力大。

除了目前無人機系統的應用，這些航空器的未來發展趨向于更加復雜，在人工智能、自主性和機器學習方面將取得更多進展。這些術語可能會使一些人想到虛構的作品，如《天使降臨》（2019），這部電影中，小型螺旋槳驅動的無人機從地面的管道發射，攻擊美國總統和他的特勤人員。然而，在現實中主要軍事大國目前都在追求這種能力。

中國電子信息技術研究院在2020年9月測試了從地面和空中發射器發射和使用多個sUAS的蜂群編隊。此外，美國海軍研究辦公室和國防高級研究計劃局近年來進行了廣泛的測試，使用大量的無人機相互協調進行偵察，編隊飛行，或可用于向目標投放彈藥。2020年9月的一次演習顯示，俄羅斯也在繼續追求用三種型號的無人機系統進行集成編隊，打擊地面目標。雖然這本身不是無人機蜂群，但一位俄羅斯專家指出：“在這一點上，俄羅斯有很多關于UAV蜂群使用的研究，并對這種概念進行了測試和評估。”

民用無人機蜂群的發展表明，這是一項雙重用途的技術。在過去的幾年里，對無人機能力的需求不斷增加，因為各公司為編排好的展示活動編排了數以百計，有時甚至數以千計的無人機系統。例如，英特爾在2018年創造了一次展示中無人機數量最多的世界紀錄，有2066架。英特爾特定型號的無人機在眾多活動中飛行，包括2018年冬季奧運會和2017年超級碗的半場表演。最近，無人機表演為當選總統喬-拜登的特拉華州勝利慶典展示了蜂群能力。可以想象，一個邪惡的行為者可能會控制大量無人機，對涉及國家元首或大量人群的活動進行破壞。伊朗在2019年9月對沙特阿拉伯最大的原油穩定廠之一進行了無人機攻擊，顯示出不同尋常的復雜性，并且還在試驗同時對50個目標使用大量無人機。無人機蜂群的軍事和民用趨勢預示著美國的力量可能會在未來受到挑戰。盡管各行為體尚未使用真正的小型無人機蜂群來對付對手，但該技術的攻擊應用并不遙遠。

3 戰略風險及影響

各國應在仔細考慮其風險和影響后，規劃使用無人機群。一些文獻承認無人機蜂群在某些戰略軍事背景下的概念性應用。例如，一位戰略專家認為，完全自主武裝型無人機蜂群（AFADS）是蜂群應用的一個子集，可以被視為大規模殺傷性武器（WMD）。美國陸軍應用兵棋推演方法證明了無人機蜂群武器如何在平行攻擊中提供作戰優勢。美國防部關于使用自主系統的發起人之一指出：部署完全自主的武器將是一個巨大的風險，但這可能是一個軍隊值得承擔的風險。這樣做將會進入未知的領域。敵對行動者正積極試圖破壞戰時的安全行動。而且在行動時，沒有人可以干預或糾正問題。

大國可能愿意承擔這種風險；正在開發能夠獨立于人類操作者做出決策的自主武器。前美國防部長馬克-埃斯佩爾指出了美國和其他大國在自主武器發展方面的這種區別。一些評論家斷言，自動防御系統提供了軍事優勢，包括自由打擊覆蓋戰略資產的傳統防空系統或對核和支撐能力進行監視。

各國必須考慮自主武器計劃的戰略影響。一個行為者向對手使用無人機蜂群可能導致意外升級，而一個意外的人工智能決策可能無意中導致敵人反擊或外交危機。國際上的討論還沒有涉及到使用完全自主武器在“危機穩定、升級控制和戰爭終止”方面的戰略考慮。許多專家同意，自主武器系統可能在危機或武裝沖突期間提供作戰優勢，特別是在灰色地帶或混合戰爭中，但戰略風險要求決策者現在就考慮這些危險，以避免以后出現災難性的結果。完全自主的武器系統增加了誤判和/或誤解的風險，這可能導致國家和非國家競爭者之間不受控制的風險升級。這包括使用大規模毀滅性武器的威脅增加。盡管采用自主無人機蜂群存在固有的風險和后果，但這些能力為行為者提供了實現國家目標的軍事和戰略選擇。有人類參與的半自主無人機蜂群武器也會給對手帶來風險，盡管程度較低。

4 重要術語

關鍵術語和分析的范圍將澄清誤解。歐文-拉肖在《原子科學家公報》中寫道，將蜂群無人機定義為“分布式協作系統......成群的小型無人駕駛飛行器，可以作為一個群體移動和行動，只需有限的人類干預”。蜂群的另一個定義規定了軍事應用，“大量分散的個體或小團體協調在一起，作為一個連貫的整體進行戰斗”。根據美國防部指令3000.09，自主武器系統，“一旦啟動，就可以選擇和攻擊目標，而無需人類操作員進一步干預”。美國國家科學、工程和醫學研究院規定，無人機蜂群是指40個或更多的無人機系統，該群體作為一個單位，有各自的行為，所有成員都不知道任務，成員之間相互通信，每個無人機系統“會相對于其他無人機系統進行定位”。這些創新包括人工智能、自主性和機器學習的應用，以及美國防部指定為1、2和3組的sUAS進步。sUAS作為一個整體執行任務，包括情報、監視和偵察以及進攻性攻擊。在本文的其余部分，這種威脅將被稱為無人機蜂群。

5 技術可行性

對抗（或稱反制）無人機蜂群提出了三個領域，這對五角大樓和負責保衛美國國土的國家機構來說既是挑戰也是機遇。第一個領域，即技術，美國防部的工作集中在硬件解決方案上。在2021財年，美國防部最初計劃“在反無人機系統（C-UAS）的研究和開發上至少花費4.04億美元，在C-UAS的采購上至少花費8300萬美元。”所有軍種都追求各種尖端技術解決方案來探測、跟蹤、識別和擊敗目標。用于探測的硬件解決方案包括雷達以及電子光學、紅外和聲學傳感器；所有這些都因小型無人機的表面特征和相對速度而限制了其有效性。另一種技術涉及操作員可能需要控制無人機無線電指令信號的探測。擊敗機制包括干擾、欺騙、槍支、網、定向能和標準防空系統等方法。然而，目前的能力給操作者帶來的結果是好壞參半的。目前的措施主要是針對數量較少的無人機，而這些無人機并沒有表現出蜂群行為能力。其他方法，包括美國空軍和國防部在作戰環境中測試的高功率微波（HPM），可能提供更有效的能力來對付無人機蜂群，但專利方面的挑戰可能會限制其有效性。誠然，美國防部可能正在追求更先進的HPM武器，其基礎設施足跡更小，如Leonidas系統，但目前的研究僅限于非保密來源。

美國防部的反無人機系統（C-sUAS）戰略承認了無人機蜂群帶來的戰爭特征變化，但并沒有提到具體的解決技術。考慮到對抗無人機蜂群的近期要求，當前技術的重大局限性給行業帶來了挑戰。此外，美國防部可能沒有關注無人機蜂群的新威脅。相反，開發和采購工作表明，重點是傳感器和武器，以擊敗目前的無人機系統。美國防部2021財年的C-UAS預算主要針對當前設備進行開發，沒有考慮滿足未來需求的技術創新。在COVID-19大流行期間和之后美國防部預算下降的環境下，這種方法可能被證明是低效的，并造成重大風險。各國開發無人機蜂群技術的速度表明，其成熟速度比應對此類威脅的設備成熟速度更快。

觀察家們注意到需要快速創新以減輕不斷上升的威脅，但目前的國防工業基礎面臨著變革的障礙，包括軍事文化和新的商業技術測試。快速創新的一個更常見的問題源于對商業產品的收購，其中知識產權成為系統部署使用的很大障礙。當公司的設備或軟件不一定能互操作時，這個問題就會變得很嚴重，使C-sUAS操作者無法獲得擊敗目標所需的融合、及時和有用信息。軍事文化不一定會獎勵創新的思想家，并且很可能成為快速變革的障礙。雖然美國防部目前的C-sUAS戰略確定了無人機蜂群的威脅，但它沒有充分解決國防部必須如何克服高成本和創新遲緩的技術風險。

（2022年8月14日，在密歇根州格雷靈營地，分配給美陸軍第37步兵旅戰斗隊總部的上士Noah Straman 在北方打擊行動期間發射了DroneDefender）

6 合法的可接受性

C-sUAS戰略的第二個風險來源是在法律限制，特別是在國土上。現行法律為國土上的美國公民提供保護，同時也抑制了美國防部在軍事設施上保護無人機威脅的能力。鑒于無人機的威脅能力和檢測限制的多重影響，無人機蜂群加劇了這種限制所帶來的風險。C-sUAS戰略宣稱，美國防部的主要利益相關者必須與合作伙伴合作才能取得成功。這一當務之急應推動立法解決方案，以擴大這種反無人機設備運行的國內環境權限。

C-sUAS戰略強調了在國土上操作反無人機能力的重大法律挑戰，并斷言：“許多現有的法律和聯邦法規在設計時并沒有將無人機系統作為威脅來處理，而技術變化的持續速度使得法律當局很難跟上步伐。”目前的法律不允許及時發現潛在的無人機威脅，這些威脅可能來自軍事設施之外。《美國法典》（USC）第10條第130i款授權國防部長和武裝部隊指定人員采取所有動能或非動能行動，以“禁用、損壞或摧毀”對“所涉設施或資產”構成威脅的無人駕駛飛機系統。這一法律限制使操作者無法在潛在的無人機威脅到達目標之前將其擊敗。

盡管《美國法典》第10章第130i條授權國防部“在未經事先同意的情況下......通過攔截或以其他方式獲取電訊或電子通訊，探測、識別、監測和跟蹤無人駕駛飛機”，但它并沒有明確說明這一權力是否延伸到基地的邊界之外；如果可在邊界之外，就會給國防部提供戰術優勢。新的授權也不清楚美國防部是否可以在不違反情報監督指令的情況下，在其管轄范圍之外收集所需的無人機信息。此外，針對潛在的無人機蜂群威脅收集此類信息可能會擴大責任。探測目標還需要區分敵方和友方的無人機，鑒于目前的權限，處理與合法民用飛機有關的具體信息可能會有問題。

根據C-sUAS戰略，美國防部必須采取多邊行動，并與執法機構分享威脅信息，如10 USC 130i所允許的。這可能的一種方式是在國家安全特殊事件（NSSEs）期間，聯邦調查局（FBI）可以有臨時的權力來反擊無人機，而無需首先獲得授權。2018年《預防新威脅法》授權國土安全部（DHS）和司法部（DOJ）“通過基于風險的評估，減輕無人駕駛飛機......對設施或資產的安全或安保構成的威脅”。在最近的案例中，聯邦調查局與聯邦航空管理局（FAA）合作，在2020財政年度期間，包括2020年超級碗、2019年世界大賽、2020年玫瑰碗比賽、華盛頓特區的“A Capitol Fourth”和紐約市的新年慶祝活動中，成功對抗了超過200架無人機。聯邦調查局還與國土安全部以及佐治亞州的州和地方執法部門合作，在2019年超級碗比賽期間對抗54起無人機入侵事件；在體育場周圍的臨時飛行限制期間，至少有6架無人機被沒收了。

2018年《預防新威脅法》的描述內容與《美國法典》第10篇第130i條的授權非常相似，但仍不清楚國土安全部、司法部和國防部如何進行實際合作。首先，NSSEs是臨時性的，如果沒有永久性的授權，通過機構間的協調對威脅進行早期預警的優勢幾乎可以忽略不計。對手很可能不會在NSSE期間對國防部資產發動無人機蜂群攻擊。其次，如果國防部發現了其管轄范圍之外的威脅并警告國土安全部或司法部，聯邦、州或地方執法部門不太可能有時間和能力來攔截無人機蜂群威脅。

地方執法部門和私人實體有更少的權力來對抗無人機。根據國土安全部、司法部、交通部和聯邦通信委員會最近的咨詢，采用反無人機技術的非聯邦公共機構和私人可能違反聯邦法律。法律將無人機定義為飛機，任何破壞或摧毀無人機的工具都可能引發涉及《飛機破壞法》和《飛機海盜法》的責任。那些使用無線電頻率探測的人可能會涉及《竊聽/陷阱法》和《竊聽法》的訴訟負責，這取決于該能力是否記錄或攔截無人機和控制器之間的電子通訊。

最后，附帶影響可能導致當地執法部門或私人實體重新考慮采用這些能力。杰森-奈特對城市地區警察機構的考慮進行了分析，并提到了反無人機技術干擾合法地面和空中活動的例子。目前的授權并沒有為國防部對抗無人機群所需的預警能力提供全面的法律基礎。盡管在某些情況下，與東道國或在應急地點的多邊協調可能為防御者提供優勢，但鑒于美國防部的法律限制，在可能試圖使用無人機蜂群來對付關鍵基礎設施時，國土為對手提供了優勢。

（2022年3月30日，第3海軍陸戰隊第9工兵支援營沿海工兵偵察隊的戰斗工程師海軍陸戰隊下士Chance Bellas在菲律賓克拉韋里亞的Balikatan 22期間組裝了小型無人機系統VAPOR 55）

7 條令（理論）適用性

C-sUAS戰略的最后一個障礙是關于有效使用反無人機設備的一個重要但被忽視的方面。該戰略宣稱，隨著技術的成熟，需要制定條令，但僅僅承認企業的需求并沒有解決規劃誰可能操作這些設備的重大挑戰。現在確定條令上的需求將減輕未來的能力差距。美國陸軍必須在保衛空軍基地免受未來無人機蜂群威脅方面發揮更大作用。

采用反無人機能力的一個獨特方面是，它包括在所有領域的行動。具體來說，在空中瞄準和減輕對手的巨大挑戰，需要對三個主要任務領域的分工進行清晰的評估：防空、部隊保護和空域控制。從這些任務領域中提取部署原則對于規劃反無人機能力的戰略用途是有價值的。聯合條令是基于目前的部隊結構和幫助解決復雜問題的責任。規劃對抗無人機蜂群的方法需要對聯合條令中的角色和責任進行更深入的評估。

條令必須考慮到培訓未來在所有領域發揮作用的設備操作人員。在空中領域的操作需要對防空、部隊保護和空域控制有充分了解和精通的人員。設計一個與技術和設備同步發展的部隊結構并為其提供資源，將更有效地阻止和對付先進的威脅。這一發展推動了反無人機蜂群條令開發的權威指導，其也是C-sUAS聯合辦公室（JCO）作為國防部執行機構責任的一部分。此外，聯合辦公室將“協調C-UAS的聯合作戰概念和聯合條令的發展”。然而，這種責任描述沒有考慮到目前國防部各部門在空域控制、部隊保護和針對無人機蜂群威脅的防空方面的角色挑戰。專注于對抗地面威脅的部隊保護軍事人員并不具備對抗空中威脅同時避開友軍飛機的必要知識。對這些人員進行空域環境、電磁波譜、空間作業和天氣等相關培訓，將使他們更有效地運用能力來對付無人機蜂群。在防空方面重疊的責任，特別是美國陸軍和美國空軍之間的責任，可以解決此條令上的挑戰。然而，各軍種都依賴部隊保護專家，這給業務帶來了風險。

條令還包括對角色和任務的劃分，特別是在空軍基地的防空方面。越南戰爭和伊拉克戰爭迫使高級軍事指揮官和各軍種將能力分配給傳統任務，而犧牲了支持戰略和作戰目標的空軍基地防御。特別是陸軍和空軍，自二戰結束以來，一直在為地區和點狀防空任務的具體作用而爭斗。2020年蘭德公司的一項研究強調了目前的辯論：今天，美國陸軍負責為空軍基地和其他固定設施提供點式AMD（防空和導彈防御），但兩軍多年的忽視導致了能力上的不足......陸軍領導層將其機動部隊的移動式短程防空置于固定設施防御之上。

在美國陸軍對海外和國內主要作戰基地的防空資源進行優先排序之前，戰略和戰役目標很容易被無人機蜂群影響。此外，空軍可能會繼續倡導和獲得C-sUAS的能力，而沒有條令上的決議。空軍可能會實現其長期以來的愿望，即在戰術防空方面發揮更大的領導作用——這將與聯合司令部的任務相矛盾，即避免重復工作并獲得效率。同樣，其他軍種可能會繼續購買設備進行試驗，如果沒有跨領域和職能協調，這可能不是最佳或有效的。

蘭德公司的報告還詳細說明了陸軍和空軍在防空方面的角色錯位。2020年的一份國會研究報告提出了一個重要問題：“計劃中的SHORAD（短程防空）部隊結構和能力是否足以應對預測的未來挑戰？”該報告表明，陸軍計劃在現役和后備部隊之間增加18個營的防空能力，這可能不足以滿足支持歐洲威懾倡議和太平洋威懾倡議的陸軍部隊需要。這些能力包括應對無人機系統的威脅，但不包括保衛空軍關鍵資產和主要作戰基地的假定任務。盡管聯合出版物3-0《作戰》要求整合進攻和防御能力，以實現對敵方無人機的空中優勢和部隊保護，但它并沒有明確規定各軍種的角色和任務。這種理論上的模糊性增加了SHORAD資源不足的危險，以應對未來無人機蜂群的倍增效應。

新興技術的發展和使用無人機蜂群可能性的增加使得有必要對條令和軍種的作用進行重新評估。事實上，空軍參謀長已經敦促國防部長辦公室對各軍種的角色和任務進行審查，以確定聯合作戰概念的領導組織，如遠程精確射擊和攻擊下的后勤。這兩個概念都與保護戰略資產免受潛在的無人機蜂群攻擊有關。此外，美國防部缺乏條令指導可能也表明需要評估機構間的概念和方法，以便在民事管轄范圍內采用類似的能力。JCO及其國防部戰略將為持續的條令開發提供基本要素，但更多的工作必須集中在調整各部門的角色和資源上。

8 建議

美國防部對抗無人機蜂群的新方法必須解決技術快速發展的風險，對手可能利用民用和國防部保護關鍵基礎設施之間的法律縫隙，以及防空、空域控制和部隊保護方面固有的條令挑戰。正如2018年美國國防戰略所指出的，國土不再是一個避難所，而是敵人無人機蜂群的目標，這些蜂群可能具有洲際范圍的能力。

（2021年10月14日，夏威夷波哈庫洛亞訓練區，海軍陸戰隊準下士德米特里-謝潑德在布干維爾II期間進行步兵排戰斗課程時發射無人機）

敵對趨勢必須推動國防工業基地采用相對低成本、快速和人工智能的技術解決方案。最初尋求納入未來技術的“第三次抵消戰略”，為減輕這種風險提供了一個特別有用的方法。該戰略探討了蜂群式無人機、高超音速武器、人工智能和人機協作的最佳組合方式，以在戰斗中提供獨特的優勢，但它并不只關注材料和設備。相反，它考慮了如何最好地將人類的創造力與技術的精確性相結合。當應用于對抗無人機蜂群時，人機協作的概念可以為防空事業提供優勢。解決方案應該包括一系列與人工智能軟件完全整合的傳感器，以便更迅速地識別潛在目標，并提高信心水平。美國陸軍的TRADOC小冊子525-3-1《2028年多域作戰中的美國陸軍》指出，這些特征是人工智能和高速數據處理所希望的，以提高“人類決策的速度和準確性”。

值得投資的人機技術項目包括由人工智能驅動的自主蜂群無人機，以通過斗狗來減輕或摧毀敵人的蜂群。喬治亞理工大學在2017年與海軍研究生院合作進行了這種實驗。此外，美國防部的低成本開發能力包括非動能直接能量武器，如戰術高功率微波作戰響應器（THOR）和混合防御限制空域（HyDRA）計劃。THOR為對抗無人機蜂群提供了一種特別有效的能力，因為與HyDRA激光器相比，其影響范圍更大。然而，如果與綜合指揮和控制（C2）界面連接部署并協調，將人工智能與人類結合起來，該系統可比標準防空能力更有效，成本更低。

C2能力必須能夠更快地確定目標，將傳感器與擊敗機制連接起來，并允許人類操作員迅速選擇更有效的武器。最近的報告表明，聯合司令部正在追求這些能力，并可能要求各軍種開發自己的C2系統，以便最終整合到美國陸軍的前線防空指揮和控制系統。其他C2系統包括美國海軍的CORIAN（反遙控模型飛機綜合防空網絡）能力和美國空軍的多域無人系統應用指揮和控制。然而，這些具體的系統目前似乎并沒有與先進作戰管理系統（ABMS）或擬議的聯合全域指揮與控制（JADC2）架構聯系在一起。最近和剛開始的工作表明，在北大西洋公約組織中將使用JADC2概念將傳感器與射手聯系起來以對抗無人機群的倡議。未來的JADC2架構在概念上可以使人類操作員為自己的目的控制敵方的無人機蜂群網絡。無論哪種創新，“第三次抵消戰略”都為應對未來致命的自主無人機蜂群問題提供了一個潛在的寶貴方法。

在不考慮未來無人機蜂群威脅或人工智能發展活動的情況下，追求不同的和針對具體軍種的C2能力將浪費時間和納稅人的資金。相反，美國防部應更快地將2021財年開發的反無人機蜂群C2能力納入JADC2架構。國會責成國防部長評估綜合防空和導彈防御C2系統，其中包括C-UAS能力，并確定它們是否與新興的JADC2架構兼容。這個框架符合國會對自主或半自主能力的偏好，而且操作和維持成本低。盡管互操作性、知識產權、數據管理和信息保障仍然是挑戰，但將C-sUAS C2系統整合到JADC2架構中，將產生更快的殺傷鏈和潛在更低成本的項目。JCO主任肖恩-蓋尼少將最近承認，這種開放的架構方法可能會在日后帶來巨大的安全紅利。 第二，在國土的現有法律框架內運作，美國防部必須倡導在固定地點有更多的權力來保衛關鍵基礎設施。國會必須在緊急情況下和和平時期授予國防部長更多的權力。該建議必須包括授權操作者在基地邊界之外確定潛在目標。運營商也應該有法律支持，以近乎實時的方式告警當地和聯邦執法機構。

（2021年4月18日，太平洋，分配到第21直升機海戰中隊的海軍二級空勤人員（直升機）丹尼爾-艾爾斯在與兩棲攻擊艦埃塞克斯號的實彈演習中用MH-60S海鷹GAU-21.50口徑機槍向目標無人機開火）

第二，在國土的現有法律框架內運作，美國防部必須倡導在固定地點有更多的權力來保衛關鍵基礎設施。國會必須在緊急情況下和和平時期授予國防部長更多的權力。該建議必須包括授權操作者在基地邊界之外確定潛在目標。運營商也應該有法律支持，以近乎實時的方式告警當地和聯邦執法機構。

幸運的是，聯邦航空局正在推行幾項舉措來對抗敵方無人機。這些計劃包括將無人機納入國家空域系統，以區分友軍和敵軍的無人機。國防部應積極鼓勵聯邦航空局和美國國家航空航天局繼續各自的無人機行業倡議，包括無人機系統交通管理研究，以“確定服務、角色和責任、信息架構、數據交換協議、軟件功能、基礎設施和性能要求，以實現對低空無控制無人機操作的管理”。這些增加的權力，再加上增強的能力，可以縮小民事和軍事管轄權之間的法律差距，以保護國家基礎設施和國防部的關鍵資產。

最后，美國防部必須通過兵棋推演和演習積極磨練理論，以確定空軍基地防空中最合適的角色和職能。隨著無人機技術的成熟和向友軍提出更復雜的問題，盡早建立正確的部隊結構將更有效地應對挑戰。這將需要進行必要的培訓和適當的資源配置，以滿足國會對有效和低成本設備的需求。正如蘭德公司的研究報告所指出的那樣，沒有單一的行動方案，而是通過組合來提供解決方案。然而，角色和職能的重新調整對于成功至關重要。追求適當的聯合討論將為未來對抗無人機蜂群的強大和基于風險的模式提供基礎，并避免過去的戰略錯誤。

摘要

美海軍陸戰隊的遠征戰車（EFV）項目從開始到取消花費了超過30億美元。兩棲作戰車（ACV）試圖取代兩棲突擊車（AAV）并接替EFV的位置。一個項目的比較可以用來從以前的管理錯誤中學習并防止這種規模的失敗。通過分析這兩個兩棲車輛項目，對照現有的項目管理工具，包括決策科學原則，評估了相關的成功和失敗。本報告比較了兩個項目生命周期中的關鍵節點，并為未來兩棲作戰車輛的采購提供建議。結論顯示，不平衡的成本和進度的增加壓倒了EFV的性能目標，導致了取消。結果，ACV顯示出較低的性能，但相比之下，成本較低。通過研究，采購專業人員可以更好地理解監督的重要性，找到解決方案，并有效地裝備自己來管理主要的國防武器系統。

I. 簡介

A. 海軍陸戰隊的兩棲任務

美海軍陸戰隊旨在維持護美國遠征軍。雖然遠征任務隨著每個沖突的發生而變化，但海軍陸戰隊仍然保持靈活，并努力保持較高的戰備水平，以便在沖突發生時迅速作出反應。兩棲作戰是圍繞海軍陸戰隊遠征性質的基本能力之一。海軍陸戰隊理論出版物（MCDP）《遠征作戰》指出，"海軍陸戰隊遠征作戰的頂點作戰概念是海上作戰機動"（海軍部[DON]，2018年，第89頁）。自成立以來，進行艦艇到岸上行動的能力已經定義了海軍陸戰隊。通過1947年《國家安全法》的通過，國會將兩棲任務編入法典，并賦予海軍陸戰隊如何完成這些任務的自由裁量權：

• “美國海軍陸戰隊隸屬于海軍部，應包括陸上作戰和服務部隊以及其中可能包含的航空部隊。海軍陸戰隊應進行組織、訓練和裝備，以提供聯合武器的海軍陸戰隊，以及支持性的航空部門，與艦隊一起奪取或保衛先進的海軍基地[強調是后加的]，并進行對開展海軍戰役可能至關重要的陸地行動。海軍陸戰隊的職責是與陸軍和空軍協調，發展與登陸部隊所使用的戰術、技術和設備有關的兩棲作戰階段[強調是后加的]。此外，海軍陸戰隊應提供在海軍武裝船只上服役的分隊和組織，應提供安全分隊以保護海軍駐地和基地的海軍財產，并應履行總統可能指示的其他職責。但這種額外的職責不應減損或干擾海軍陸戰隊主要組織的行動。海軍陸戰隊應根據綜合聯合動員計劃，負責擴大和平時期海軍陸戰隊的組成部分，以滿足戰爭的需要。(海軍陸戰隊大學[MCU], 2021) ”

此外，10 U.S.C. § 5063規定了海軍陸戰隊的組成和職能，合法地要求 "海軍陸戰隊將被組織、訓練和裝備，以提供兩棲和陸地作戰能力，奪取先進的海軍基地并進行海軍陸地作戰"（MCU, 2021）。

B. 解讀

美海軍陸戰隊通過繼續采購和維護兩棲車隊來響應這一號召。海軍陸戰隊在菲律賓、第二次世界大戰、越南和韓國的戰斗中使用這些車輛。自1971年以來，海軍陸戰隊使用了突擊兩棲車（AAV），正式命名為AAV-7A1。這些車輛的兩棲性質造成了昂貴的操作和維修周期。2020年提交給國會的一份報告指出，"AAV已經變得越來越難以操作、維護和維持......[其]兩英里的船岸距離被許多人視為一個重要的生存能力問題，不僅對車輛本身，而且對海軍兩棲部隊"（Feickert，2020，第2頁）。盡管有這些事實，軍團認為這種能力值得冒險。然而，多年來，政治、公共和軍事官員對海軍陸戰隊理論的某些方面表示反對，因此也反對兩棲車輛的相關性。例如，在1957年，克魯拉克準將給海軍陸戰隊司令佩特將軍寫了一封信，指出 "美國不需要海軍陸戰隊。然而，出于完全超越冷酷邏輯的充分理由，美國想要一支海軍陸戰隊"（丹尼，2021）。

盡管有政治壓力和與AAV兩棲能力相關的挑戰，海軍陸戰隊繼續其合法的歷史使命。兩棲需求仍然有效。盡管如此，鑒于圍繞著遠征戰車（EFV）開發的數十億納稅人資助的沉沒成本，海軍陸戰隊繼續其兩棲作戰車（ACV）的追求。然而，這種采購努力與海軍陸戰隊內部激進的部隊設計措施相吻合，強調了有關戰斗空間、設備和力量投射的作戰轉變。這項研究的目的是對未來兩棲作戰車輛的采購工作產生積極的影響。

C. 利益相關者

海軍陸戰隊的兩棲能力包括各種利益相關者，包括美國的納稅人、國會、參謀長聯席會議、海軍和海軍陸戰隊領導人、軍人、工業承包商（通用動力公司和BAE）以及各種研究組織，如政府問責辦公室（GAO）、國會研究服務部（CRS）和監督委員會。每個組織的目標和目的并不總是一致。相互競爭的利益，如工作、作戰準備、成本節約、互操作性和安全，都會影響到采購方案。這項研究并不深入關注每個利益相關者；相反，它將利益相關者的互動與項目結果聯系起來。

D. 范圍和效益

這項研究對于避免因采購計劃取消而導致的實際浪費和不支持的作戰人員的低效率是至關重要的。該報告對兩個項目進行了比較和對比，并觀察了四個方面的優勢和劣勢的項目證據：（1）強制性要求，（2）國防部決策支持系統（DSS）模型，（3）項目管理（PM）工具，以及（4）決策科學原則。通過比較分析，項目管理部門可以更好地了解決策的影響。分析了移位的關鍵性能參數（KPP）、計劃基線以及與工業界的協調。該分析遵循國防部決策支持系統（DSS）的結構，具體到主要能力獲取途徑。最后，試圖通過決策科學原則來分析組織行為。這方面可以使項目經理（PMs）認識到可能對項目產生負面影響的范式和認知障礙。

E. 分析技術

研究主要采用了公開來源的文件，包括美國防部的指導手冊、報告、計劃提交書以及各種書籍和文章。此外，還進行了硬拷貝和互聯網搜索，并通過國防采購管理信息檢索（DAMIR）系統訪問具體的項目數據。在整個文獻審查中使用這些來源，以建立與EFV和ACV比較有關的分析標準。

值得注意的是，在整個報告中，無法證明因果關系。然而，顯示了相關性，然后進行了觀察。這種外部觀察并不包含所有的計劃信息，也不支持完全全面的研究水平的意圖。有太多的變量存在于PM的控制范圍之內和之外，無法分析所有的風險來區分一個絕對正確的前進道路。同樣，項目的可變性也不支持推薦一個具體的規定性過程，只是建議。

F. 研究問題

EFV和ACV項目在以下關鍵國防采購領域的比較：（1）強制性要求，（2）美國防部決策支持系統（DSS）模型，（3）項目管理（PM）工具，和（4）決策科學原則。

這個問題可以用幾種方式來回答，特別是考慮到強制性要求、工具和專業的多樣性。盡管如此，說明了信息的數量和相互聯系性。接下來，第二章闡述了每個項目的歷史背景和時間線，引出第三章的文獻回顧和分析。然后在第四章中，總結了適用于兩個項目的聯系。

當前的海軍作戰要求水手們根據動態作戰環境中的不確定態勢信息做出時間緊迫和高風險的決策。最近的悲慘事件導致了不必要的傷亡，海軍行動中涉及決策復雜性，并特別突出了 OODA 循環（觀察、定向、決策和評估）中的挑戰。涉及使用武器系統的殺傷鏈決策是 OODA 循環中一個特別緊張的類別——具有難以確定的意外威脅、縮短的決策反應時間和致命的后果。有效的殺傷鏈需要正確設置和使用船上傳感器；未知接觸者的識別和分類；基于運動學和智能的接觸意圖分析；環境意識；以及決策分析和資源選擇。

該項目探索了使用自動化和人工智能 (AI) 來改進海軍殺傷鏈決策。該團隊研究了海軍殺傷鏈功能，并為每個功能制定了特定的評估標準，以確定特定 AI 方法的功效。該團隊確定并研究了 AI 方法，并應用評估標準將特定的 AI 方法映射到特定的殺傷鏈功能。

圖：利用人工智能改進海軍殺傷鏈的作戰概念

總結

當前的海軍行動通常是快節奏的、關鍵的，并且需要做出高風險的決策，這些決策有時基于非常動態的戰區中的不確定信息。許多例子強調了提高決策效率的必要性以及減輕觀察團隊負擔的必要性。缺乏上述情況的例子包括 2017 年的菲茨杰拉德號航空母艦 (DDG 62) 和 MV ACX Crystal相撞，以及 2009 年皇家港口號航空母艦 (CG 73) 的擱淺。一些根本原因是相關人員缺乏經驗、疲勞和壓力.

上述事故展示了軍事行動的難度，并展示了 OODA（觀察、定向、決策和評估）循環中的挑戰（Jones 等人，2020 年）。人為錯誤、人的認知限制和海軍作戰固有的決策復雜性導致了 OODA 循環中的挑戰，更具體地說，是殺傷鏈過程中的挑戰。

現代戰斗空間由來自常規陸地、空中和海洋等多個領域以及來自太空和網絡空間的大量數據組成。決策者需要考慮許多因素，包括交戰規則 (ROE)、要使用的武器、傳感器和意圖評估。發現、修復、跟蹤、瞄準、參與、評估 (F2T2EA) 殺傷鏈模型緩解了該過程的一些困難（參謀長聯席會議，2013 年）。人工智能 (AI) 和機器學習 (ML) 可以通過分析備選方案和使用評估標準將 AI 方法映射到殺傷鏈功能，從而幫助海軍在戰術領域做出殺傷鏈決策。這是在本報告的五個章節中分三個階段完成的。

本報告利用了數百個資源，主要利用了美海軍研究生院 AI-OODA 團隊在其 Capstone 報告（2020 年）中進行的先前研究，“利用人工智能 (AI) 進行空中和導彈防御 (AMD)：以結果為導向的決策援助。”他們將他們的工作與 John Boyd 的觀察、定向、決定和行動決策框架相結合。作為他們分析的初步步驟，AI-OODA 團隊將特定的 OODA 功能明確且緊密地耦合到特定的 F2T2EA 功能。然而，本報告斷言 OODA 循環是一個決策循環，它嵌套在殺傷鏈的每個功能中，而不是在高壓力或低壓力情況下專門映射到一個或多個殺傷鏈功能。團隊基于 F2T2EA 模型開發了一組 28 個殺傷鏈功能。

在制定將 AI 方法映射到殺傷鏈的評估標準時，很難確定一個好的決策，這對于決策評估至關重要。在評估決策時，必須考慮選擇行動時的知識意識狀態以及解釋能力。使用了幾種對決策進行評分的方法，從定義和優先考慮感興趣的“武器-目標”到制定評分標準和報告評估結果，以供其他人審查。

目前，人工智能的狀態非常廣泛，必須對其進行解釋，以了解人工智能對殺傷鏈中功能的適用性。本報告討論了所選 AI 方法的高級概述，并突出顯示了部分最流行的方法。首先，沒有普遍接受的定義，這很難定義人工智能。其次，人工智能與機器學習 (ML) 存在差異。 ML 允許在準確性和可預測性方面取得增量收益； AI 接收數據并通過算法提供輸出。人工智能的歷史從 1940 年代艾倫·圖靈 (Alan Turing) 的加密機器到 1980 年代美國政府在戰略計算計劃中的使用，再到今天在聯合人工智能中心 (JAIC) 中的人工智能戰略五個支柱，從領先的人工智能人力到安全和倫理。美國國防高級研究計劃局 (DARPA) 在 3-wave 框架中描述了 AI 的發展方向，分為手工知識 (Wave 1)、統計學習 (Wave 2) 和上下文推理 (Wave 3) 在 1-4 個維度內情報參數的屬性（Launchbury 2017）。這些屬性包括感知、推理、抽象和學習。

人工智能涉及可以根據輸入值預測結果的監督學習。有幾種使用監督學習進行學習的技術。包括線性回歸和分類。此外，許多數值方法可以分析發生的學習有效性，例如 F-score 和 Accuracy score。人工智能還可以使用無監督學習，它使用算法來發現未標記數據集中的數據模式或分組。在分析未知（y）響應以揭示標記（x）數據中的模式時，無監督學習是有益的。數據分析界的一個著名例子是鳶尾花（Iris flower）數據集。僅使用標記的數據，可以看到響應聚集在一起，并且可以確定響應中存在模式（花的種類）。無監督學習的方法包括聚類和 K-means，但還有其他方法。強化學習有一個代理能夠接收來自環境的反饋并理解基本目標。此外，正如 Sutton 和 Barto 在（2018 年）中解釋的那樣，探索和開發之間存在權衡。最后，生成對抗網絡 (GAN) 利用無監督學習和強化學習，通常用于神經網絡 (NN)。神經網絡是機器學習算法的極好來源，它有大量的輸入，而這些輸入又會產生大量的計算。 NN 非常適合用于模擬、自然語言處理、博弈論和計算機視覺。 NN 只是一種將輸入映射到輸出的簡單方法，可以在此過程中進行學習。然而，NN 可以被描述為一種“黑盒”學習技術，因為很難解釋正在發生的事情，并且通常需要一種可解釋的 AI (XAI) 技術。 XAI 的三個主要組成部分是可解釋模型、解釋界面和解釋心理學（Gunning 2019）。數據安全必須與“大數據”一起考慮，“大數據”是指非結構化、復雜和大型數據集，具有五個 v 特征：數量、速度（數據量隨時間變化的增加）、多樣性、真實性和價值。其他理論包括決策理論、模糊邏輯和效用函數

使用上述文獻綜述，該團隊開發了一個框架，用于將 AI/ML 映射到 AMD（空中導彈防御）殺傷鏈。采取了四個步驟：1) 建立模型框架，2) 確定決策點，3) 應用 AI/ML 方法，以及 4) 分析結果。該團隊確定了以下用于殺傷鏈映射分析的 AI/ML 方法：線性回歸、邏輯回歸、聚類、關聯、隨機森林、神經網絡、GAN 和樸素貝葉斯。評估標準被稱為“決策點”并提出四個問題：（1）所需輸出的類型是什么，（2）所需的學習類型是什么，（3）可解釋性（XAI）是什么水平需要，以及 (4) 需要多少個預測變量？該團隊通過基于一組決策點和評分過程評估每個殺傷鏈功能的每種方法來執行映射。對于被認為非常適合某項任務的方法，得分為+1，如果該方法適合但次優，則為0，如果該方法不適合該任務，則為–1。

該團隊進行了映射分析，根據與殺傷鏈的 28 個功能中的每一個功能相關的評估標準（決策點）分析 AI 方法。該團隊使用評分方法來確定每個殺傷鏈功能的最佳整體 AI/ML 分數。團隊的映射顯示為 0。

該團隊的 AI/ML 映射到殺傷鏈功能為國防部和海軍提供了兩個關鍵好處。首先，映射本身是設計和開發支持殺傷鏈決策的人工智能戰術決策輔助工具的重要起點和基礎。其次，該團隊將 AI 方法映射到殺傷鏈的分析過程可用于了解 AI 在許多其他軍事和非軍事領域的應用。識別適當的人工智能方法、制定評估標準和評分過程以及制定過程功能以進行分析映射的過程對于支持許多不同人工智能系統的工程具有深遠的潛力。

表1：AI/ML方法到殺傷鏈的映射