人工智能（AI）的進步一直在激發關于應用基于AI的技術來提高武器系統（包括空中無人機）的自主水平的辯論。2021年，一份聯合國報告顯示，一架無人機以完全自主的模式--沒有人類的監督--用于攻擊利比亞的目標。具有自主功能的無人機已經擴散了一段時間，并在一些武裝沖突中被使用。軍方對開發和獲取游蕩彈藥、蜂群技術和更大型號的自主無人機越來越感興趣。在這一章中，我們探討了這些領域的每一個發展。我們還考慮了無人機自主性的感知優勢以及與具有自主功能的武器系統相關的實踐挑戰，特別是在人機互動和武裝沖突中人類對武力使用的控制質量方面。

關鍵詞：自主性、人工智能、游蕩彈藥、蜂群、自主武器系統

2022年3月，美國（US）透露，100架Switchblade無人機將成為其對烏克蘭最新軍事捐贈的一部分（Macias, 2022; McLeary and Ward, 2022）。這一宣布引起了媒體的極大關注，因為據說Switchblades和許多其他類型的閑置彈藥一樣，在瞄準時具有自主功能。游蕩彈藥代表了無人機歷史上最新的系統，其瞄準功能中的自主性越來越強。自主性可以被廣泛地定義為 "在沒有人類輸入的情況下執行任務的能力"（Scharre和Horowitz，2015年，第5頁）。它已被整合為支持無人機的許多功能，如導航和飛行。例如，美國制造和使用的平臺，如全球鷹，能夠自主地執行起飛和降落，以及遵循預先編程的飛行路徑（Enemark, 2014, p.101）。

然而，考慮到人工智能（AI）的技術進步，越來越多的自主權被納入到目標選擇中，這引起了關于人類在多大程度上仍然直接、直接控制武力使用的爭論和基本問題。因此，本章特別關注具有自主功能的無人機的目標定位。它分四步對自主無人機進行了概述：首先，它探討了游蕩彈藥作為具有顯著自主特征的無人機的一種類型，并看到了相當大的擴散。第二，它研究了蜂群能力的進展，第三，大型自主無人機的發展。第四，文章最后回顧了與自主無人機擴散有關的驅動因素以及這一發展所帶來的問題。

1. 游蕩彈藥及其擴散

將游蕩彈藥視為無機組人員飛行器（UAV）和導彈之間的混合體是有益的（Gettinger and Holland Michel, 2017, p. 1; Trevithick, 2021）。像導彈一樣，游蕩彈藥 "參與視線以外的地面目標"，并被設計為在完成任務后可被消耗，這意味著它們在攻擊目標時通常會自毀（Gettinger and Holland Michel, 2017, p. 1）。與導彈不同的是，許多型號的游蕩彈藥并不向特定的目標發射，而是在戰場上游蕩，在一個潛在的廣泛的地理區域內搜索它們通過傳感器和特征/物體識別而識別的特定類別的目標（Atherton, 2022）。一些被稱為 "人在回路 "系統的游蕩彈藥，如果它們無法找到目標，可以被收回并重新使用。這意味著它們的人類操作者必須目視核實目標并授權攻擊，而且通常還可以在攻擊已經開始的時候中止攻擊。同時，關于游蕩彈藥的宣傳材料經常宣傳這種系統能夠在沒有GPS的環境中運行，這表明人類操作員可能沒有可能進行目視核查。

游蕩彈藥的發展始于20世紀80年代，有了旨在攻擊雷達裝置和移動防空系統或發射器的大型平臺（Gettinger and Holland Michel, 2017, p. 1; Gao, 2019）。這種類型的一個主要例子是哈比，由以色列公司IAI制造，經常被稱為第一種游蕩彈藥。根據紅十字國際委員會（ICRC）的定義，哈比也經常被討論為符合完全自主武器系統的定義要求（Horowitz, 2016, p. 2; Scharre, 2016, p. 19; Congressional Research Service, 2021, p. 1）。IAI自己將其描述為 "適用于所有天氣的自主武器 "和"'發射和遺忘'自主武器"（IAI，無日期）。

從2015年開始，我們看到越來越多不同大小的游蕩彈藥。其中一些是更小、更輕、更便攜的系統，設計用于步兵，以攻擊對手的士兵，作為常規迫擊炮的替代。與早期以色列制造業的主導地位相比，現在有一系列廣泛的公司在俄羅斯、臺灣、土耳其和美國等國生產這些平臺。土耳其STM公司生產的Kargu-2是一種四軸飛行器，利用自身的旋轉動力起飛和降落。據報道，它可以配備重達1.3公斤的溫壓彈、殺傷人員和穿甲彈頭，并被宣傳為設計用于非對稱戰爭或反恐行動（STM，2021）。2020年6月，STM公司的一份新聞稿稱，卡爾古-2的發展 "從實地使用中受益匪淺"，據說土耳其軍方已于2019年在土耳其和敘利亞邊境部署了該武器（STM，2020）。2021年，在聯合國專家小組撰寫的關于利比亞內戰的報告公布后，卡爾古-2在國際上引起了關注（聯合國安全理事會，2021年）。這份報告指稱，在2020年3月，卡爾古-2和 "其他游蕩彈藥[......]被編程為攻擊目標，不需要操作者和彈藥之間的數據連接：實際上，這是一種真正的'發射、遺忘和尋找'能力"（聯合國安理會，2021年，第17頁）。

在評估游蕩彈藥在多大程度上可以自主操作目標方面，存在著一個重要的灰色地帶。一方面，今天擴散的許多型號的游蕩彈藥具有識別、跟蹤和攻擊目標的技術功能，而不需要人為干預。這意味著，它們依靠傳感器、處理器和軟件來做出目標決定。這種軟件 "仍在開發中，錯誤和缺陷[......]可能導致打擊沒有擊中預定目標"（Gettinger and Holland Michel, 2017, p.4）。另一方面，這些系統的制造商認為，它們是在手動模式下使用的，即在選擇和攻擊目標時有一個 "人在環"（見表1，關于控制環中人的不同參與程度）。然而，即使我們承認它們是在 "人在回路 "中操作的，人的控制的質量仍然可能受到不利的影響。在具體使用武力的決定中，人的控制需要有批判性地審查機器提示的能力（Bode和Watts，2021）。在戰斗條件下，尚不清楚士兵是否有關鍵的決策空間和必要的情景意識來參與這種審查（Bode和Watts，即將出版）。

表1： 使用武力的決策中人的控制水平（根據Bode和Huelss，2022年，第163頁；Sharkey，2016年）。

盡管有這樣的不確定性，游蕩彈藥仍在不斷擴散。自2010年代末以來，它們已被用于重大軍事沖突，如伊拉克、利比亞、納戈爾諾-卡拉巴赫、敘利亞和烏克蘭的戰爭。關于在其中一些沖突中使用游蕩彈藥的政策論述，特別是納戈爾諾-卡拉巴赫，頌揚其軍事效力（Gressel, 2020；Shaikh and Rumbaugh, 2020）。此外，游蕩彈藥可以在各種領域使用，而不僅僅是在它們經常與之相關的步兵背景下（Rogers和Kunertova，2022）。例如，它們可以被安置在軍艦或更大的無人機上。這些似乎是它們擴散的理想條件。同時，在日內瓦的《聯合國特定常規武器公約》（CCW）中，關于可能管制自主武器系統的國際辯論仍然被定義上的爭議和頑固的締約國所困擾（Nadibaidze，2022）。使用具有自主功能的武器系統的做法，如游蕩彈藥，已經并將繼續超過對國際法規的審議（Bode, 2021）。擴散的動力可能會導致進一步急于使用這些系統，而沒有考慮到它們對戰爭行為的不利影響。因此，戰爭中游蕩彈藥的存在正在逐漸常規化。

2 無人機蜂群：戰爭的未來？

除了表現出對游蕩彈藥的興趣外，世界各地的軍隊還探索如何將技術進步應用于在蜂群中運作的武器系統之間的協調，無論是在空中、地面或水下，還是全部結合在一起。無人機蜂群是由幾個單獨的無機組人員的飛行器組成的，它們有一個共同的目標，并作為一個統一的實體運作。雖然它們不一定都是完全自主的，但蜂群中的無人機可以在沒有人類直接干預的情況下相互交流，"以機器的速度對戰場做出反應"（Scharre，2018）。蜂群的定義不是同時使用多個無人機，而是內部協調和集體工作。無人機在彼此之間傳輸數據，共同在環境中導航，其靈感來自于自然界的類似編隊，如昆蟲群、魚群或鳥群。然而，與不依賴中央控制的自然群組不同，目前的機器人無人機群組是由人類操作員指揮的。操作員 "集體引導蜂群的（子集）"，而不是控制每個單獨的元素（Verbruggen，2019）。此外，自然界中的動物群體通常是統一的，而作為蜂群一部分的無人機可以有不同的尺寸，擁有不同的角色，包括戰斗、偵察、情報收集和通信。目前的蜂群技術大多整合了具有或多或少同等能力的小型無人機（Kallenborn和Bleek，2018）。同時，軍事人工智能和機器人系統的主要開發者一直在試驗由幾十架甚至可能是幾百架無人機組成的蜂群（Rogers and Kunertova, 2022, p. 4）。

評估蜂群技術的狀況是具有挑戰性的，這主要是因為該領域的許多研究和開發項目是保密的。然而，在世界各地都可以看到將蜂群戰術應用于無人機的興趣。雖然蜂群尚未成為戰場的一部分，但人們常說它們有可能從根本上 "改變 "現代戰爭（Scharre，2018；McMullan，2019）。無人機群可以整合人工智能應用，如計算機視覺和語音識別，以及決策中的算法，以執行監視、偵察、定位目標（包括核導彈），以及情報和數據收集任務（Johnson 2020a；Scharre 2014）。人工智能和計算機科學領域的進步有望使無人機群 "比單個人類飛行員完成更多種類的任務"（Johnson, 2019, p.151）。軍方官員和分析家認為，無人機在處理信息方面更有效、更迅速，而在每架無人機后面都有一個人類操作員，成本高且耗時長（Scharre，2015）。蜂群被認為是一種相對低成本的發動協調攻擊或機動以欺騙敵人的方式，是繞過防空系統的有效方法，用大量的車輛壓倒敵軍，以及協助運送常規武器和核武器（Johnson 2020b）。應用于無人機的蜂群戰術可以在進攻行動中提供戰略優勢，因為敵人需要時間來擊落蜂群中的每一架無人機，至少可以讓其中一些無人機完成任務。分析家們還指出，蜂群可能是單個無人機的一個更便宜、更有效的替代品（Lachow，2017）。基于這些感知到的操作優勢，許多主要的軍事技術開發商一直忙于研究和展示他們的蜂群戰術和技術。

2021年5月，以色列國防軍使用了據說是小型和相對簡單的無人機群，與地面導彈協調，對加沙地帶的哈馬斯武裝分子進行 "定位、識別和打擊"。這一事件被專家描述為首次在戰斗中使用無人機群（Hambling, 2021; Kallenborn, 2021）。在2022年的實驗演示網關演習中，美國武裝部隊測試了一系列名為 "狼群 "的無人機群，并將其描述為其所測試過的最大的互動群（Guckeen Tolson, 2022; Parsons, 2022）。同時，在2021年，英國（UK）武裝部隊測試了中型和重型無人機群，這些無人機 "被賦予獨立尋找和識別敵方目標的任務，準確使用其一系列日益強大的傳感器和目標獲取算法"（皇家海軍，2021）。2022年亮相的中國遙控船 "珠海云號"將是"全球首艘智能型無人系統母船"，并被媒體描述為中國部署無人機蜂群進行海上監視的象征，這些無人機將從這一船型上發射（Saballa, 2022; Xie, 2022）。俄羅斯國防部也在積極支持蜂群研究和開發。它宣布了蘇-57第五代戰斗機在 "人工智能元素 "的幫助下與S-70 Okhotnik無人機中隊協調的計劃（Bendett, 2021; Lavrov and Ramm, 2021）。這樣的趨勢表明，無人機群會越來越多，并探索如何將它們與其他無人駕駛和有人駕駛的系統結合起來使用。此外，許多閑置彈藥的生產商正在研究其平臺的蜂群能力：目前至少有10個正在使用的系統的制造商在蜂群方面促進其發展（Bode and Watts, forthcoming）。

然而，蜂群技術的擴散和使用的增加帶來了不確定性和擔憂，特別是人類是否有能力保持對決策和武力使用的控制。我們能否相信無人機能夠從它們收集的數據中 "學習"，并以可預測和符合蜂群任務的方式做出反應，特別是在快速演變的沖突局勢中？人類操作員很難保持對蜂群的完全控制，持續地與它溝通，并知道它做什么以及它如何對周圍環境中不斷變化的動態作出反應（Verbruggen, 2021）。目前，軍方申明他們打算保持人類對無人機群或任何其他武器系統的控制。但隨著蜂群的發展，我們可能很快就會進入這樣的情況：一個人的操作者將負責一群平臺。這給 "人在環內 "的保障帶來了巨大壓力，并改變了系統的整體可預測性，因為負責的人可能無法完全預見或理解蜂群的行為（Bode和Watts，即將出版）。此外，由于在使蜂群按計劃運作方面存在技術挑戰，預期的優勢可能不會成為現實（Shmuel，2018）。例如，專家們對無人機群的安全影響提出警告，特別是敵人有能力入侵通信網絡或傳感器，以及發起對抗性攻擊，愚弄解釋通過傳感器收集的數據的算法（Holland Michel, 2021）。

3. 大型無人機模型的自主性

一些國家一直在努力將自主能力整合到更大的無人機模型中，這些模型仍在開發中。其中一個模型是Taranis，這是一個戰斗無人機原型，也被稱為技術示范機，由英國最大的安全和航空航天公司BAE系統公司在英國國防部的財政支持下制造（Burt, 2018; Doward, 2018）。它于2010年亮相，被英國政府稱為 "對英國防空和英國國防工業的未來至關重要"（Hoyos，2014）。Taranis的生產商將其描述為 "對有人駕駛飛機的補充"，并強調該無人機 "在人類操作員的控制下，可以進行持續監視，標記目標，收集情報，威懾對手，并在敵對地區實施打擊"（Ingham, 2016; BAE Systems, no date）。同時，據說無人機可以在沒有人類輸入的情況下執行一些功能，包括空中作業以及目標選擇和交戰，這將把它歸類為一個自主武器系統（Cole, 2016; Boulanin et al., 2020, p.57）。

同時，美國空軍正在開發Skyborg計劃，該計劃被定義為 "自主飛機組隊架構，它將使空軍能夠以足夠的節奏部署、生產和維持任務架次，在有爭議的環境中產生和維持戰斗力"（空軍研究實驗室，無日期）。該計劃的主要目標是在人工智能系統的幫助下，支持無人機和有人駕駛飛機在聯合機群中的合作與協調（Tirpak，2021）。Skyborg的自主性核心系統（ACS）旨在提高自主性水平，使無人機能夠在沒有人類直接監督的情況下完成越來越多的任務（Osborn，2022）。空軍已經在佛羅里達和墨西哥灣上空進行了一次由ACS控制的無人機試飛，據報道，預計Skyborg將在2023年準備好投入使用（Mayer, 2021; Mizokami, 2021）。與Taranis案例一樣，Skyborg框架被描述為協助而不是取代人類飛行員，"為他們提供關鍵數據以支持快速、明智的決策"（Larson, 2021）。

總而言之，關于進一步開發和測試游蕩彈藥、蜂群和大型無人機模型中的自主性的報告引起了對無人機和武器系統中自主性所帶來的機會和問題的廣泛討論。我們在下一節結論中探討這些爭論。

4. 驅動力和問題

自主無人機的日益發展可以與三組因素相關，這些因素也推動了自主功能在武器系統中的整體整合：戰略、作戰和經濟（Boulanin and Verbruggen, 2017, pp.61-63）。首先，從戰略上看，美國、中國和俄羅斯等主要軍事大國都將武器系統的自主性和人工智能的軍事應用視為其安全戰略和未來競爭力的基礎（Haner和Garcia，2019）。因此，人工智能的武器化在新的大國競爭中發揮著明顯的作用--不是 "自然 "的或必然的，而是因為主要軍事大國選擇了這種定位。

第二，在作戰層面上，軍事規劃者認為，將自主性納入目標定位，使軍隊有辦法通過提高速度、精度和耐力來提高作戰能力。軍事人工智能應該使戰斗空間更加清晰，便于識別對手，從而提高作戰控制能力（例如，見國家人工智能安全委員會，2021）。一些專家認為，游蕩彈藥和蜂群技術將成為或已經成為現代戰場的一部分，并擁有值得進一步投資的好處。無人機的自主性據說可以解決人類操作者和系統之間的通信漏洞，因為通信鏈路可以被 "干擾或黑掉"（Anderson and Waxman, 2013, p.7）。基于算法模型選擇和識別目標的能力也經常被描述為更精確，"由于持續的盯梢[持續的視頻監控使得有更多的時間進行決策和更多的眼睛盯著目標]"（Arkin, 2013, p.1）。這一論點經常被用來從法律角度證明自主性，并支持這樣的信念，即具有自主功能的精確武器系統將更好地區分合法和非合法目標（例如，戰爭中的平民與戰斗人員），這是規范武裝沖突的國際人道主義法（IHL）的一個關鍵要求。

第三，從經濟上講，整合自主權已經與降低武器系統的財務成本有關，不僅是采購費用，還有運行成本。雖然自主無人機最初需要從設計、測試到部署的大量資源，但在財政和政治上，它們可能會比飛行員駕駛的噴氣式戰斗機更便宜。對于越來越小、越來越輕的自主無人機來說尤其如此：一架Switchblade-300裝置的成本可以低至6000美元，這使得它們比MQ-9 "死神 "無人機（5600萬美元）發射的AGM-114地獄火導彈（10萬美元）要便宜得多（Atramazoglou，2022）。徘徊彈藥和蜂群技術被認為是一種相對低成本、低風險的有效繞過防空系統和攻擊坦克車隊的方式。例如，在俄羅斯全面入侵烏克蘭的背景下，一些分析家主張專門為烏克蘭武裝部隊提供這些類型的無人機，并出于這些原因（Jensen, 2022）。

反過來說，日益自主的無人機發展至少伴隨著法律、倫理/規范和技術方面的三個重大問題和障礙。首先，國際人道主義法規定了所有新武器系統，包括自主無人機，在使用時必須遵守的一般界限（Crootof, 2015）。這些包括基本原則，如區分平民和戰斗人員、相稱性和預防措施（Laufer，2017；McFarland，2020；Mauri，2022；Seixas-Nunes，2022）。遵守這些原則要求軍隊以某種形式保留對自主無人機的人類控制和監督，這不僅是因為國際法是針對人類的（Walsh，2015；Brehm，2017），而且還因為這些原則需要人類的審慎判斷。人工智能和機器人技術專家早就警告說，在區分平民和戰斗人員時，人工智能相對 "愚蠢"（Sharkey，2016）。雖然軍事物體，如坦克、飛機和船只已經可以被機器識別，但對于一個基于人工智能的系統來說，區分人類是平民還是戰斗人員幾乎是不可能實現的（MacDonald，2021）。這不僅是因為人類如何對待這些類別無法讓機器適應，而且還因為區分平民和戰斗人員需要深思熟慮的、依賴環境的判斷（Suchman，2016）。這在一個雜亂的空間，如城市環境中更為嚴重。圍繞使用自主武器系統的重大法律不確定性，已經成為《特定常規武器公約》主持下的漫長國際辯論的主題--這一過程可能還會導致新的具體國際法的談判（Bode and Huelss, 2022, pp.）

其次，自主無人機提出了關于將使用武力的決定權交給機器的基本倫理規范問題。學者們提出了 "道義論 "的論點，強調在使用武力時需要人的判斷，其核心往往是人的尊嚴概念。人類尊嚴的概念被認為是政策的基準，認為自主無人機和其他自主武器無法"[......]理解或尊重生命的價值"，因此"[......]使任何致命的決定變得武斷和不負責任"（Sharkey, 2019, pp. 82-83）。還有一些與后果主義倫理學有關的論點，認為將自主權納入武器系統是否有可能導致更 "道德 "的戰爭方式（Anderson和Waxman，2013）。參與辯論的人還認為，倫理學不再是復雜的道德問題，而是被視為"[......]單純的技術問題"（Schwarz, 2019, p. 25）。一般來說，計算機科學和機器人學的專家同意，算法不能像人類一樣進行道德反思，這在戰爭中是需要的，特別是在涉及到奪取其他人類的生命時。許多人認為，將它們整合到無人機中是一個令人擔憂的趨勢，就像將生死決定權交給不具備人類道德機構的機器一樣。

第三，在戰場上部署自主無人機時，有很大的不確定性，即激勵這些系統的技術在復雜和動態環境中如何可靠和可預測地發揮作用（Holland Michel，2021）。人工智能驅動的目標是不確定的，因為人工智能是著名的脆性（麥克唐納，2021；卡倫伯恩，2022）。這意味著它很容易被愚弄而犯錯，例如通過對抗性攻擊。這些攻擊可以在物理空間中進行，方法是在物理物體上添加小的改動，或者添加人眼無法察覺的像素、數字噪音的變化（Huelss，2022）。這種改變可以使人工智能相信軍事目標是其他東西，或者相反。在復雜的城市戰場上，目標識別是一個特別令人擔憂的問題，因為它給平民和友軍士兵帶來了風險（Kallenborn, 2022）。

總而言之，我們正處于自主無人機擴散的關鍵時刻，因為在這一領域的軍事支出的呼聲越來越高，而原本只是在開發中的系統卻被匆匆推出，正如美國向烏克蘭交付121枚實驗性的 "鳳凰幽靈 "徘徊彈藥所表明的那樣（Finnerty，2022）。從總體上看，當這些武器在對抗對手時顯得很有效時，無人機在多大程度上包含自主功能的目標似乎并不重要。然而，這些趨勢引起了人們的關注，因為在沒有劃定邊界和減少審查的情況下，人類對武力使用的控制可能會逐步和悄悄地被放棄。

就在幾年前，美國空軍在競爭激烈的空域中使用人工智能（AI）操作無人駕駛飛行器（UAV）的想法在許多人看來還像是科幻小說。 美國軍隊在伊拉克和阿富汗的無競爭空域巧妙地使用無人機，徹底改變了高價值目標定位、近距離空中支援和其他任務，很少有人擔心對手會反擊。現在快進到2022年，空軍再次期待無人機來提高其戰斗力。中國，一個正在接近，或在某些情況下超過美國常規戰斗力水平的同行挑戰者。空軍領導人正在對下一代無人機技術——他們統稱為自主協作平臺（ACP）——下大賭注，以幫助恢復其對中國的常規作戰能力。

中國構成的戰略威脅、快速的技術進步以及越來越多的證據表明，ACP可以改善作戰結果，這些因素的結合使得美空軍、國防部（DoD）和工業界紛紛支持將ACP迅速推向戰斗空間。自冷戰結束以來，預算壓力迫使美空軍和其他軍種削減能力和戰備，以至于他們現在必須主要依靠數量較少的先進系統和不斷縮小的海外態勢。與此同時，中國正在接近與美國軍隊的常規力量對等，建立了一系列現代軍事技術和一支低成本導彈部隊，明確旨在讓美國和盟軍保持在可觸及的范圍。為了扭轉對中國的局面，美國空軍正在尋找低成本的方法來彌補其重大能力差距。空軍領導人打賭，他們可以利用快速的技術進步，特別是在人工智能和飛機設計與制造方面，計劃部署大量ACP作為解決其兵力結構缺陷的一部分。

本報告研究了ACP可能提供的角色、任務和能力，以提高空軍的戰斗力，以及其快速發展和部署使用所固有的機遇和挑戰。本報告重點關注ACP在穿透性打擊任務中的作用，因為它們對于滿足2022年國防戰略（2022 NDS）的要求至關重要，該戰略要求美國軍隊不給俄羅斯等快速奪取領土的機會。穿透性打擊涉及在對手空域深處使用先進的轟炸機，因此，在沖突的早期，在削弱和阻止對手的機動入侵部隊方面可以發揮關鍵作用。但這些任務需要一系列復雜的打擊、電子戰、制空和其他能力，所有這些都可能在大國沖突中給空軍帶來巨大壓力。通過與先進轟炸機協作來提供其中的一些能力，大量低成本ACP將會提高任務的有效性并降低作戰風險。

美空軍領導人認識到這一潛力，并將ACP與包括戰斗機、轟炸機、甚至機動部隊在內的有人駕駛飛機配對作為首要任務。當他們準備向國會申請大量資源以在2024財年開始采購ACP時，這些領導人必須向立法者、其他國防部（DoD）領導人、工業界和美國公眾準確傳達ACP將如何為美國的威懾和作戰能力做出貢獻，同時對未來的機遇和挑戰進行現實描述。米切爾研究所與來自空軍和國防工業的作戰員、科學家和工程師舉行了一次非保密的研討會，以研究這些問題。為了給分析打下基礎，要求研討會的專家確定ACP作戰概念和技術如何在阻止中國對臺的戰役中減輕先進轟炸機的風險并提高穿透性打擊任務的有效性，這是美國防部部隊規劃的節奏場景。

專家見解

在這個項目中形成的一個核心觀點是：大量低成本的ACP可以幫助彌補嚴重的部隊結構缺陷，這些缺陷現在威脅著空軍在大國競爭時代滿足作戰指揮官需求的能力。在研討會上，專家們提出了使用不同類型的ACP概念，以使對手的目標決策復雜化，迫使對手花費大量時間和資源來減少這種不確定性。專家們不認為ACP可以替代有人駕駛的隱形轟炸機和戰斗機的威懾和作戰能力。然而，他們得出的結論是，如果快速、低成本和大量部署ACP，可以幫助縮小空軍進行遠程穿透打擊以阻止大規模侵略的顯著能力差距。

美空軍和工業界專家對使用ACP來減少制空能力差距特別感興趣。制空是在高度競爭的環境中成功實施穿透性打擊任務的一個重要任務組合。他們還優先考慮將ACP用于情報、監視和偵察（ISR）。在這個角色中，他們可以騰出先進的轟炸機和攻擊戰斗機來專注于他們的主要任務——向目標投送武器。ACP在ISR角色中還可以減少隱形轟炸機傳感器的發射信號的需求；這一點很重要，因為轟炸機機組人員試圖避免在有競爭激烈的環境中發射信號，以減少被發現的概率。

與成本較低、能力適中的ACP相關的其他好處包括：在戰時產量激增潛力，以及對作戰損失的更高容忍度。為此，專家們傾向于ACP是可損耗的或可消耗的；空軍對其損失的容忍度相對較高，因為其實際成本相對較低，而且任務指揮官會認為其損失是值得的。最后，研討會的專家們傾向于選擇具有高度自主性的ACP。他們認為，自主性在以下方面具有優勢：在高度競爭的環境中盡量減少通信；創造機會部署更多的ACP，同時最大限度減少人類控制員的負擔；以及提高相對于對手的決策速度。

專家們對ACP能力和概念的偏好反映了2022年國家發展戰略（NDS）中概述的關鍵威懾方法，該戰略呼吁美國軍隊不僅要建設部隊以拒絕大規模侵略，而且要提高復原力并讓手付出代價。大量低成本的ACP可以為這三種方法做出貢獻，這表明ACP可以成為空軍支持2022年NDS目標的核心貢獻。

專家們還指出了將ACP引入空軍作戰單元有關的幾個挑戰。最關鍵的是，他們不確定支持ACP自主行動所需人工智能技術的成熟度，而且他們不確定“低成本”對ACP意味著什么。ACP的成本必須有多低才能提高戰士對戰斗損失的容忍度？鑒于空軍計劃在制造、飛機操作和維護方面采用創新方法以降低成本，傳統的飛機成本評估模式是否仍然適用？最后，專家們不確定美國防部是否有能力在危機中迅速擴大和多樣化ACP的生產基地，盡管他們認為這對于空軍在長期沖突中帶來足夠持久的戰斗力至關重要。

針對美空軍的建議

盡管確定了作戰、技術和預算方面的挑戰，但專家們普遍認為，迫切需要迅速部署ACP，以便向作戰指揮官提供一支有戰斗力的部隊。他們評估說，通過將ACP與先進的轟炸機組合在一起，可以大大降低穿透性打擊任務的風險，而且ACP特征，如低可觀察性和低成本傳感器也完全可以實現。然而，迅速投入使用這些飛機將需要立法者、國防部領導層和工業界的協調和形成一致的支持，因為將其納入作戰單元所需的變化規模很大。發起一場全面的ACP作戰實驗活動將為它們的實戰化奠定基礎，并向關鍵的利益者表明，空軍致力于這項工作。為此，米切爾研究所向空軍提出以下七項建議：

1.發布空軍飛行計劃，將ACP的發展與2022年國家發展戰略聯系起來，特別是與拒絕對手實現其戰役目標、提高兵力復原力和施加成本的目標聯系起來。空軍應公布一個ACP飛行計劃，以支持2024財年的預算請求，該計劃應：1）解釋為什么ACP是一個緊急優先事項；以及2）提供保持動態發展的基礎，可以根據技術和威脅環境的變化來調整ACP整合計劃。

2.發起一場全面的作戰試驗活動，以建立將原型機推向作戰單元所需的組織、流程、行業關系和文化。作戰試驗活動的直接目標應該是迅速加強美國的作戰能力和應對同行沖突的能力。換句話說，通過啟動一個新的項目，讓ACP盡快“上路”；然后繼續試驗，收集急需的數據，使技術適應作戰人員的需要。更長遠的目標應該是創造條件，使空軍組織、訓練和裝備部隊的方式發展到快速、持續和頻繁地將一代又一代的ACP投入作戰部隊的地步，這種努力需要跨越幾十年。

3.優先考慮模塊化，以實現學習、開發和生產的連續循環。空軍不應該“扔掉”那些沒有針對作戰需求進行優化的ACP，而是尋求通過人工智能軟件的更新來不斷提高其性能。這就需要模塊化：在機體上有一個標準的容器，可以隨著人工智能軟件的發展不斷接受新的人工智能系統和處理器。ACP的開發周期也應該利用在新的無人機等級中操作主導飛機所獲得的信息和經驗來改善后續機型。而且，隨著老式ACP的老化，可能會將它們用于不同的任務，如對手的空域，而不是將它們歸入廢品收購站。

4.用非保密的研討會和兵棋推演來補充正在進行的內部分析，以完善和展示ACP概念和技術。空軍應將兵棋推演和研討會作為更廣泛的美國防部社區、立法者及其工作人員和國防工業的場所，以提高他們對下一代無人機潛力的理解，以提高國防部在同行沖突中的作戰效率。

5.優先考慮大量部署具有適度能力的ACP；最初的機隊應包括具有制空能力的飛機。從米切爾研究所的研討會上收集到的信息表明，空軍應強調使用大量低成本ACP的作戰概念，特別是在進攻性和防御性制空任務中，以提高遠程穿透性打擊的殺傷力和生存能力。

6.確定適當的ACP成本評估方法。美國防部、空軍和工業界專家對如何評估ACP的成本并不一致。一些人認為，可以用傳統飛機的歷史成本數據來估計ACP的成本。其他人則認為，飛機設計和制造的新方法使這些數據變得不那么有用。空軍應該利用ACP的運行試驗工作來收集新的數據，以告知ACP成本評估的基本假設。

7.多樣化遠程穿透性打擊彈藥。空軍應在更廣泛的兵力設計背景下開發ACP，考慮新一代彈藥如何提高生存能力，增強有人和無人飛機的攻擊力。研討會的專家們指出，迫切需要可由隱身轟炸機內部大量攜帶的較小中程（40納米至150納米）彈藥，以及可增強對高度移動目標進行穿透性打擊的游蕩彈藥。

8.增加空軍的預算，以創建一個結合ACP和下一代有人駕駛作戰飛機的兵力設計，進行決定性的協作行動。幾十年來的預算不足造成了一支高風險的空軍，缺乏與中國發生重大沖突和其他國防戰略優先事項所需的兵力能力、現代化能力和戰備狀態。要扭轉這種下降趨勢，需要在十年或更長時間內將預算增加3-5%，以獲得足夠數量的下一代有人駕駛作戰飛機，如B-21、NGAD和F-35，并為有望為美國作戰人員帶來重大優勢的新的、附加的ACP項目提供資金。

總之，米切爾研究所的研究表明，空軍的ACP計劃可以為執行穿透性打擊的美軍提供重要的作戰優勢。發展一支ACP兵力將要求空軍利用各種機會并應對新的挑戰，以大規模地設計、生產、操作和維持這些飛機。這種兵力設計方法的風險很高：研討會的結果表明，ACP可以抵消兵力結構的不足，以確保空軍能夠提供決定性的戰斗力，使ACP成為空軍支持2022年NDS戰略的核心，即拒止、復原力和施加成本。

無人系統，無論是遙控操作還是不同程度的自主操作，已經成為國防庫存的一部分，除了用于情報、監視和偵察（ISR）之外，還迅速成為作戰部隊的重要組成部分。無人駕駛飛行器（UAVs）具有數天的續航能力和洲際范圍的打擊能力，正在重新定義戰爭理論和作戰戰術。海軍和地面部隊將成為無人系統的新領地，而這一領地至今仍由無人機主導。真正的轉折點將是人類和自主無人系統的合作，無論是在任何戰斗空間。另一個領域將是空中、地面和海軍異質無人系統的合作，并迅速形成業務自主團隊。重要的是要認識到，無論是基于確定性模型還是人工智能的算法計算，都不能取代人類對手頭關鍵信息的戰術判斷。所謂的態勢感知可以由經驗豐富的戰場指揮官來理解，而不是由實驗室訓練的自主系統來理解。在復雜的情況下，特別是在識別朋友和敵人、誘餌以及確定目標的優先次序方面，團隊合作將是一個挑戰。自主系統將需要學會節約能源和彈藥，并具備應對不利情況的生存技能。另一個重要的領域將是開發 "天生自主 "的平臺，其性能將超過所有的載人平臺，特別是大型平臺。本質上，人類注意力持續時間的限制和生物的必要性是國防系統設計者的主要挑戰。無人自主系統（UAS）克服了這些限制，同時放棄了人類獨特的敏銳性和啟發式知識。緊湊的可能性、承擔風險的能力和巨大的耐力和范圍，以及最重要的是，可以部署的數量超過了每一個方面。無人戰場系統領域仍處于起步階段，具有先驅者的優勢，因此將永遠決定領導者的地位。該領域屬于那些敢于和不畏懼未知和不確定因素的人。這個領域的創新的簡單規則是快速失敗和快速發展。

1 引言

機器人的第一個應用是在核反應堆中裝載和收回燃料棒，這是一項危險的任務，絕對需要使用機械手和夾持器遠程完成。由于對柔性制造工廠的需要，工業機器人大舉進入生產線。由于機器人具有適應新任務的靈活性，應用機器人完成重復以及危險的任務已成為該行業的一種常態。這些系統的遠程操作，無論有無電線，都已經被業界掌握。在第二次世界大戰期間，德國人使用了歌利亞履帶式地雷。埃弗雷特很好地記錄了這個遠程操作系統和其他無人系統的發展。歌利亞 "的基本思想是用小而便宜的東西殺死大東西；即使在今天，這也是所有無人系統的主要思想，廣泛地說，它是用更少的錢實現更多的東西。任何未來的國防規劃都無法想象會遺漏無人系統。傳統的防御技術一直依賴于傳感器、推進器、制導、軍備等核心技術的進步，并在此基礎上發展壯大。毫無疑問，這些核心技術的研究將以同樣的強度繼續下去，然而，使用無人平臺的創新將為部隊提供前所未有的力量。事實上，今天的無人系統所使用的技術很早就有了，是創新的動力和新的信心水平在推動著新的增長。

日本特種部隊的神風特攻隊飛行員在一次自殺任務中展示了飛行器的殺傷力，突出了這樣一個事實：如果飛行員遠程操作飛機，冒險的能力會成倍增加。然而，無人駕駛飛行器（UAVs）的第一個更高的技術應用是用于情報、監視和偵察（ISR）的作用，與有人駕駛的飛機相比，具有更高的續航能力和射程，以及更高的被擊落接受度。特別是在航空平臺上，取消機上人員提供了巨大的優勢；首先，消除了飛行員寶貴生命的風險，其次，可以獲得額外的空間和重量。載人飛機只會在非常特殊的情況下參與，將大部分任務留給遙控平臺，包括戰斗任務。

有必要回顧一下美國的U2間諜飛機在非常高的高度飛行，對蘇聯執行偵察任務。最初沒有武器來擊落這些飛機。這種導彈最終被開發出來。美國開發的SR-71飛機可以以3.4馬赫的速度飛行，但很快就退役了，改用間諜衛星。現在是無人機填補這一空間的時候了，即使不是完全填補。一群無人機聯網并覆蓋一個巨大的區域可以提供大量的情報和通信覆蓋。

隨著學習算法的成熟，人工智能（AI）作為主要推動力的出現將成為無人駕駛系統的主要工作動力。具體來說，基于人工智能的圖像處理和推理引擎是最近一段時間的主要發展。其中包括人臉識別，目標的識別和分類--一個人是拿著槍還是拿著杖，一輛車是否是值得的軍事目標。重要的方面是人工智能系統可以得到多好的訓練，他們的推斷能力有多強，當出現反直覺的情況時，會發生什么。必須接受的是，在該領域有經驗的人可能會很慢，而且可能會犯錯，但當涉及到未知因素時，他的啟發式方法和直覺可能是更好的選擇。

整個現代戰爭都取決于通信領域，誰在戰場上主導了這個領域，誰就會有巨大的優勢。整個無人系統如果沒有一個強大的通信系統，就會使自己失去作用。能夠與指揮中心有效溝通的空間資產甚至更加重要。

最令人興奮的是 "蜂群 "的概念，其中蜂群的單個實體可能有非常簡單的傳感器和控制器，但在一個具有簡單蜂群算法的編隊中，它們可以成為一支重要的力量，當它們攻擊傳統平臺時，沒有人能夠對付它們。想象一下，當反艦導彈在其目標附近投放蜂群時，這些攜帶小型炸藥的蜂群實體可以擊中戰艦的重要系統，或者可以做任何事情，包括將戰艦圍困。目前，唯一可以想象的針對蜂群的可靠對策是反蜂群。

科學和技術研究將在核心技術和材料科學方面繼續保持同樣的活力，特別是在非金屬材料方面。未來的無人系統研究將更多地以應用為導向，學術界和國防科學家共同合作，調整和配置技術，包括非常嚴肅的實驗室模擬和實際場景的仿真，以及對必須處理這些情況的人工智能引擎的培訓。

2 未來的研究方向

審慎的做法是看一下一些可能的未來主旨領域，在這些領域中，可以預期會有顯著的增長。建造未來無人系統的技術將與建造傳統戰爭機器的技術相同，然而，有幾個重要的應用研究領域將需要立即關注和努力。

2.1 通信系統

首先，最重要的是要有能力與異質系統進行無縫通信，這些系統將有不同的起源和建造日期。所有的東西都不可能是最新的和最先進的。有必要建立一個骨干網，以無縫地處理所有最先進的和傳統的系統，以便指揮中心的人類指揮官能夠快速更新和理解情況，并給這些無人駕駛系統提供適當的指示。將需要具有容錯和快速重新配置能力的分布式通信網絡。這些網絡應該能夠使用多種資源，即衛星、無人機、地面光纖網絡、帶有或不帶中繼器的不同頻段的無線網絡。這些系統將是軟件驅動的，有能力用任何可用的最佳資源建立從戰場到指揮中心的聯系。通信系統需要應對固定電話的物理破壞、無線鏈接的干擾等。毋庸強調，通信網絡應該有強大的加密、解密和認證系統。據說，在未來的任何戰爭中，誰主導了電磁空間，誰就是贏家。應該承認，現代系統有很強的屏蔽能力和抗干擾能力，它們可以 甚至可以承受高能量的脈沖。使敵方平臺失明到支配水平所需的能量水平是巨大的，不切實際的，甚至是不可能的。其次，利用衛星、無人機作為通信平臺，可以快速連接備用通信渠道。總而言之，誰擁有更好的和強大的通信網絡，誰能更快地處理數據并有效地利用現有的數據，誰就能在戰場上處理無人駕駛系統方面擁有巨大的優勢。

2.2 有人與無人機編隊

有人與無人機編隊（MUMT）是一個預期的增長方向，其主要目標是在最大限度保護載人平臺的情況下有效打擊目標。這帶來了一個優越的形勢思考者--人類--的優勢，這樣他就可以指導無人平臺達到最佳效果。有人-無人合作可能有許多技術挑戰，但它似乎是一個值得追求的研究領域。一個典型的場景可能是傳統戰斗機與無人平臺一起飛行。美國的國際防務、航空航天和安全公司BAE系統公司已經宣布了無人駕駛僚機的概念，并且可以使用無人駕駛僚機的戰斗機具有更多的生存能力和更大的殺傷力。諾斯羅普-格魯曼公司也發表了一篇論文，提出了一個典型的作戰場景，即一群無人機干擾敵人的雷達，并在進行救援行動時自主地參與戰斗。有人和無人平臺之間的合作以及戰術場景需要由各自的專業人員進行想象和制定。團隊合作的不同場景必須被模擬、仿真，并對人工智能引擎和人類作戰員進行培訓。

2.3 蜂群系統

無人機、無人地面飛行器和無人水面及水面下系統組成的蜂群可以對沒有任何反制措施的常規平臺造成不成比例的破壞。一輛作戰坦克如果被一群炸藥包圍，僅憑數量就沒有生存的機會。電子對抗措施可能起作用，也可能不起作用，這取決于這些實體被設計成如何在受挑戰的環境中運作。很難想象常規平臺在面對蜂群時的命運。使用誘餌，如照明彈、金屬箔片、高強度輻射來蒙蔽搜尋者、反射器、熱信號模擬器的經典方法可能對蜂群沒有用。它不像一個單一的彈頭朝向目標，你甚至可以用反導彈系統將其擊落。無人機群更容易建造和部署，它們可以由一個較大的無人機運送到離目標足夠近的地方，但又足夠遠以保證自身的安全。它類似于從戰斗機上遠距離發射的反艦導彈。飛機從未進入艦艇防空導彈的射程，但其射程足以讓反艦導彈到達目標。

蜂群依賴于蜂群算法，這些算法將通過在計算機模型或實驗室的實驗裝置中的模擬環境中進行訓練而發展。Eric Bonabeau、Marco Dorigo和Guy Theraulaz在他們的書中提供了對蜂群算法的良好見解。人工神經網絡（ANN）、遺傳算法（GA）、模糊邏輯、圖論等的組合，成為學習和建立人工智能系統的基本工具。這些基于人工智能的系統和一些確定性的算法將能夠處理蜂群操作的一些重要方面，即：蜂群的傳播、目標的識別和將目標分配給蜂群成員、目標的優先次序、蜂群的領導和等級制度、它們的操作情緒，即：保存能量、保壘、全力攻擊或撤退。就像自然界的蜂群或獸群一樣，它們需要具備生物世界的一些特征，以獲得更好的效率和生存。有些情況可能是為了部落的更大利益而進行自我犧牲。一個直接的需要是解決識別朋友或敵人的問題，并在與指揮中心失去聯系時以最佳方式采取行動。一群無人駕駛的戰斗坦克的成本和大小將是四分之一，并且有更多的裝甲來打敗傳統的反坦克射擊。

在極低地球軌道上的太空衛星群具有較短的壽命，將給部隊帶來優勢。將會有一種 "軍事物聯網 "的出現。

未來的戰場如果沒有各種蜂群將是不可想象的。武裝部隊別無選擇，要么盡快接納它們，要么面對它們。

2.4 先天自主性

不難預見，超音速無人駕駛作戰飛機的出現，以及類似的無人駕駛作戰坦克、無人駕駛海軍艦艇和潛艇的出現，與現有的常規平臺相比，其殺傷力要大很多。這些系統將以自上而下的方式設計為 "天生自主"，并能夠在人類指揮官的指揮下以群組的形式運行，戰術上避開障礙物、與指定目標交戰等任務都是自主完成的。諾斯羅普-格魯曼公司的X-47B已經完成了半自主和自主模式的飛行試驗。預計它將在半自主模式下投入運行。

直觀地講，可以理解的是，不能讓自主系統自己操作，因為它們是根據所學的內容來操作的，對于不熟悉的和大綱以外的問題，人工智能可能沒有答案，但在完全不確定的情況下，人類的理解力可能要好得多。像無人駕駛作戰坦克這樣的大型平臺可以在半自主模式下運行，其中發射武器的決定將由人類控制，而其他操作，如避開障礙物和移動將是自主的。一個操作員控制幾個平臺的可能性將需要有效的算法開發，最重要的是培訓。

將接近報廢的常規平臺轉換為無人系統是另一種選擇，以便在 "先天自主"類型的系統擴散之前擁有一個相當大的無人系統基地。這樣的轉換需要非常小心，因為大多數子系統可能需要調整和手動調整，甚至是修改。戰斗機、作戰坦克、海軍艦艇包括潛艇的轉換可能需要更深入的研究，如果是許多大型平臺，可能不值得努力。未來具有可比火力的無人系統在尺寸和重量上將更小，并將攜帶更多的傳感器，而且必然會有一個完整的健康監測系統。

2.5 改變戰場

推動未來發展的另一個重要方面是大型平臺面對不斷發展的導彈技術時的脆弱性。尋的器變得更加智能和精確，推進系統變得更快，而高超音速導彈也不是很遙遠。現在已經到了裝甲部隊更難戰勝彈藥的階段。除非使用大型航空母艦的部隊能夠完全支配敵人，否則大型航空母艦的前景確實很暗淡。抵消這種情況的唯一方法是擁有大量的無人駕駛系統，形成無法對抗的集群。需要注意的是，任何反制措施的發展都會滯后于任何新的戰爭武器。目前，無人系統，尤其是蜂群具有這種優勢。任何擁有蜂群打擊能力的武裝力量都將在戰場上擁有巨大的優勢。

指揮中心將需要大量的軟件來吸收來自無人駕駛系統的巨大數據流。人類不可能處理和控制具有不同任務的多個蜂群，因此，指揮中心的軟件工具需要具有優先考慮的能力，并為人類決策者提供圖形化的情況，以便向自主無人平臺蜂群發出指令，有效地完成任務。首先，我們應該建立這樣的指揮中心，能夠處理巨大的通信流量。其次，軟件應該能夠吸收數據并大致推斷出情況，并提出人類指揮官必須知道并采取行動的重要和關鍵信息。

軍事硬件的庫存將是異質的，種類繁多，這與維修專業人員的意愿相反。使用傳統的記賬和存儲方法將是不可能的。幸運的是，可以建立具有健康監測功能的系統，其升級和維護記錄可以通過軟件集成來實現自動化，大部分傳統的存儲管理也可以實現自動化。庫存的種類和巨大的類型反而是可取的，而不是維護的禍根。即使從管理的角度來看，這些系統的自動化也會使尾牙比率下降。然而，這些系統的技術支持需要工業企業的支持，無人駕駛系統和人類指揮官的培訓需要特殊的實驗室基礎設施。

2.6 未來水雷戰

目前，壓力驅動型和影響型地雷被埋在地下，這些地雷等待著敵人的戰斗坦克不小心踏過去而啟動。埋設的地雷將真正被埋入歷史，原因有二：第一，埋設數公里的地雷將無法阻止敵人，因為地雷探測已經變得更快，用掃雷器或布雷器或拖網清除一些地雷的突破口將形成車輛安全通道。強大的掃雷系統可以在一兩個小時內清除一條車道，而敵方車輛可以突破，使苦心營造的雷區完全失去作用。其次，有可能設計出具有智能和移動性的地雷，使雷場具有致命性。未來的雷場將是智能化的地面地雷，對任何企圖突破的行為進行監視，這些地雷也可以是移動的，可以迅速治愈雷場，拒絕敵方車輛和部隊通過，同時為自己的車輛和人員提供安全通道。這樣的智能雷場將是可怕的，并為懲罰敵人提供更多時間。

海底水雷是致命的，因為它們無法被探測到，拆除它們的唯一方法可能是派遣一艘無人駕駛的水面下的船只來目測和消除地雷。目前，海面下的地雷是由耐力有限的特殊破雷船破除的。無人駕駛的破雷自主車輛群可以有效地執行探測和解除這些地雷的任務。

無人機的另一個未來應用是通過各種手段物理攔截低空巡航導彈和其他導彈來保護機場。這個概念類似于地面或海上的雷區。用無人機群在機場周圍設置雷場，可以完全保護機場不受任何入侵。蜂群的方法之一可能是幾個無人機攜帶像網一樣的物理屏障，并將網置于來襲導彈的彈道中。這些可以自主操作，而友軍的飛機將在蜂群提供安全通道的情況下沒有任何問題地運行。

2.7 無人系統隱形技術

擁有隱身技術的第五代飛機將擁有巨大的優勢。具有相同水平的隱身技術和較小的雷達截面的無人機將成為一種可怕的武器。如前所述，常規平臺的所有技術都將流入無人駕駛系統。如果這些系統的群集，最初從群集中分散開來，匯聚到一起攻打敵人的陣地，如機場等，這將是一種致命的和可怕的武器。當出現反戰時，隱身能力將變得很重要，在這種情況下，誰能給誰帶來驚喜將成為制勝點。內部武器艙、合并機身的飛翼和蛇形進氣口將成為UCAVs的基本特征。帶有雷達吸收夾雜物和涂層的復合材料以及具有最小反射邊緣的變形翼將是未來的趨勢。

2.8 無人戰場雷達

不難猜測，現有的雷達在對付RCS非常不明顯的小型無人機時有什么缺點。這些雷達從來就不是為這個角色而設計的。為了謹慎起見，我們應該指出這樣一個事實：能夠提供最遠射程的最節能和緊湊的雷達取決于材料技術和特定半導體技術的制造技術。這是一個被嚴密保護的技術領域，這些技術中最好的技術將被列入拒絕名單，以便技術發展國家始終保持領先。長期以來一直如此，除了先進的半導體之外，所有先進材料也將繼續如此。能夠對大面積地區進行監視的天基雷達也將提供巨大的優勢。然而，另一種方法是擁有無人駕駛的預警監視飛機，其機載雷達以蜂群的形式運作，并持續提供集體情況數據。這不僅可以提供敵方機場行動的數據，還可以提供地面活動的數據。

由無人機或無人水面艦艇進行的海面監視將提供對水面艦艇活動的情況了解。然而，最具挑戰性的部分是次表層領域，其傳感器的范圍非常小，而且介質的不一致性使得探測潛艇極為困難。適當的做法是讓較小的無人潛水艇在感興趣的區域運行，以探測任何敵方的潛水艇。

2.9 國產或進口系統

與傳統系統不同，無人駕駛系統非常容易受到外國供應商可能在代碼中實施的殺傷開關的影響。事實上，從外國提供的所有高科技系統都有保障措施，使武器不能被用來對付原產國，因為它可能落入壞人之手，或者進口國可能在未來變成敵對國家，這不是什么秘密。其次，必須認識到，無人系統的主要優勢在于其數量和在必要時被犧牲的能力，所有進入這些系統的技術總量都是成熟的技術，設計創新是優勢的主要支點。因此，可以得出結論，在國內用已經成熟的技術建立可信的無人系統是可能的。由于數量、種類和不同的尺寸會很高，謹慎的做法是，本土系統應以比發展本身更快的速度引進。

同時，軟件升級和諸如傳感器單元等組建的升級必須經常進行，至少以三年為一個周期，電子和軟件的完整升級壽命最長為10年。無人系統的數量和它們的賭注在未來將繼續增長，這有很多原因。武裝部隊總是期待著技術上最好的產品。然而，技術的創新和應用的增長將是如此之快，以至于超過了傳統的現場試驗、采購和誘導時間周期。非常規的系統需要非常規的入伍方式，而武裝部隊需要一些創新的管理過程。平臺和技術集合體有不同的生命周期，隨著新的步伐，必須盡早考慮預先計劃的產品升級。一些未來的技術可能仍處于理論或早期實驗室階段。更快的誘導和升級的經濟性既不會打動管理者，也不會打動財務控制人員。

3 結論

無人戰場系統，尤其是 "神風 "無人機，已經經過了實戰檢驗。具有非常有效的人工智能的蜂群技術將在戰場上幾乎是無敵的，具有無可比擬的優勢，因為傳統平臺目前對這種蜂群沒有任何對策。主要的驅動力將是利用已經證實的技術的創新設計，并探索和利用人的生命不受威脅時的獨特優勢。在人工智能系統的開發和實施以及針對特定場景的蜂群訓練方面的應用研究有巨大的潛力。作者第一次接觸人工智能是在1996年，當時印度孟買理工學院的一位研究學者正在研究人工神經網絡，他咨詢確認網絡是否在學習。 該網絡的學習能力確實令人驚訝。后來，作者在研究了一些關于蜂群的學術著作后，于2008年寫了一篇內部論文。然而，所進行的研究并沒有形成一個可交付的產品。

現在用于先進常規平臺的所有先進技術將被部署在無人系統中，這將更加有效。有效的載人-無人機組隊可以給作戰部隊帶來不對稱的優勢。

由于常規導彈系統和定位技術的巨大進步，大型常規平臺更加脆弱，但也因為無人系統的蜂擁而至。陸地和海上的地雷戰將被重新定義，無人預警和監視群將是關鍵領域。

指揮中心將需要智能推斷引擎，以吸收來自無人系統的數百個傳感器的大量數據，并將可理解的數據呈現給人類指揮官，以便他們做出關鍵的決定。

誘導一個創新的首創系統具有先鋒優勢，因為不存在針對這種系統的對策，這將為先鋒提供不對稱的優勢。這不是一個等待和觀察心態的領域。在這里，創造者和先驅者拿走一切。自主無人戰場系統有無限的可能性等待我們去探索。

有必要在每個行動領域建立專門的無人駕駛戰場系統開發中心。在我們建立和測試這些系統時，"天生的無人駕駛 "將有不同的設計原則需要發展。學術研究人員和設計專業人員之間需要協同合作，特別是在算法和軟件的開發方面。謹慎的做法是強調確定性的算法是基礎，而基于人工智能的算法則是通過計算機和物理模擬的系統學習過程中產生的。健全的算法構成了無人駕駛戰場行動的支柱，尤其是在有挑戰的環境中。最后，控制戰斗的人類指揮官將根據他們的啟發式方法和直覺做出最后的決定。

美國空軍正在探索自適應基地（AB）概念，以減少美軍對日益增長的空中和導彈威脅的脆弱性，并在高度競爭的環境中保持關鍵的作戰能力。這些概念可能會強調美國空軍的全球機動能力。AB概念要求一攬子部隊以機動和響應的方式行動，以提供保護并從優勢位置作戰。盡管這些概念對美國空軍的全球機動能力提出了額外的、不同的要求，但它們對機動性空軍（MAF）的影響還沒有被充分分析過。

在本報告中，作者評估了AB概念對MAF的影響，并建議如何使MAF更好地支持有爭議環境中的行動。該分析考慮了幾個反導概念對太平洋責任區的油輪、空運和基地支援的需求的影響，并審查了目前MAF部隊是否足以支持反導概念。然后考慮了潛在的加強措施。

總的來說，作者發現目前的MAF（加油機、空運和基地支援）可以支持幾個戰斗機聯隊（兩到三個）使用AB型機動方案作戰。必須做出重大改變以支持更大的部隊組合。潛在的改進包括文化；戰術、技術和程序；裝備和新技術。

研究問題

• 現在正在考慮的一系列AB概念將如何影響對MAF資產的需求？
• 目前MAF滿足不同AB概念所要求的空中加油和空運需求的能力是什么？
• 如何加強MAF的能力（在空中加油、空運和基地能力方面）以更好地支持AB概念？

研究發現

• 按目前的配置和資源，MAF部隊可能難以支持大范圍的AB行動

  • 不同的反導概念和不同的實施方法對MAF的影響有很大的不同。
  • 在大多數情況下，MAF可以使用AB概念與油輪從遠處支持戰斗空軍（CAF）戰斗機的小部分人員（大約10個24小時，兩艘船的防御性反空作戰巡邏）--但只有通過參與MAF艦隊的很大一部分。
  • 空運行動似乎不那么具有挑戰性，但高度依賴于所分析的情況。MAF部隊的規模或結構并不適合支持AB概念，沒有能力大規模部署小型包。
  • 在大多數情況下，基地支援人員（如應急反應部隊和基地行動支援）可以支持所分析的情況，但整個戰區的戰役會給資源帶來壓力。
  • 中央空軍和MAF之間的指揮和控制協調，通信和導航的脆弱性，以及MAF的文化提供了額外的挑戰。

• 為了支持整個戰區的以戰斗機為基礎的戰斗力，需要對MAF進行一些加強，以使用AB型戰斗機

  • 油機將可能需要在更接近戰斗的地方運行以滿足大規模的需求。

• 盡量減少加油機的前線地面時間和從多個前線基地進行操作可以提高加油機的生存能力，同時返回對峙基地進行維護。

• 有多種選擇可以減少空運需求，縮短空運的地面時間，提高生存能力，減少部署的足跡，并提高時間和后勤效率。其中包括更多地使用地面運輸，東道國或合同支持，預先部署新的飛機材料處理技術和行動概念（CONOPs），人員交叉培訓，以及增加應急反應能力。

• 事先尋求與潛在合作伙伴的基地協議是非常可取的。

建議

• 空中機動性司令部（AMC）應加強與中央空軍、聯合組織和組成部分的整合，以確保AB計劃的制定符合空中機動性的優勢和限制。
• AMC應該嘗試新的行動方案，使MAF能夠最好地支持AB行動。
• AMC應該與盟國政府進行協調，以提高理想基地的潛力，并更好地減輕因中國使用硬實力、軟實力或銳實力而對行動造成的影響。
• AMC應該對規則和條例（如空軍指令）進行全面審查，以便在承擔審慎風險的同時，在具有挑戰性的環境中實現更有效的行動。
• AMC應該考慮新的設備和技術以及新的CONOPs如何能夠使AB行動更安全、更高效、更有效果。

目錄

第一章

簡介

第二章

分析方法和選定的適應性基礎概念

第三章

坦克對適應性基地的支持。目前的能力和潛在的加強措施

第四章

對適應性駐扎的空運支持。目前的能力和潛在的加強措施

第五章

支持適應性基地建設的基礎能力。目前的能力和潛在的加強措施

第六章

影響機動性空軍的其他問題

第七章

結論和建議

烏克蘭戰爭是第一次廣泛部署軍用和商用無人機的大規模戰爭。雖然無人機在烏克蘭東部頓巴斯的沖突中得到了廣泛而有效的使用，但如果戰爭繼續下去，預計它們將對俄羅斯和烏克蘭軍隊發揮關鍵作用。這意味著，這場戰爭將繼續為無人機技術的發展及其對21世紀戰爭的未來影響提供思路。

近年來，無人駕駛飛行器（UAV）（無人機）技術迅速擴散，成為世界各地武裝沖突中的一個重要組成部分。無人機用于戰爭已有二十多年，美國在阿富汗部署了無人機來打擊塔利班領導人。現在，政府、反政府叛亂組織、恐怖組織、犯罪團伙，甚至個人都在常規和非常規戰場上使用無人機。

無人機似乎是現代戰爭中的一個重要軍事硬件。由于它們的先進性和廣泛使用，它們已經成為世界上任何地方參與軍事沖突的國家的一個關注源。武器生產國對制造無人機的興趣與日俱增。他們打算將它們用于各種任務，包括預警、偵察、刺探、摧毀陸地和空中目標，以及收集情報。它們甚至被業余愛好者和媒體人員用來從高空監視戰區，發布圖片和視頻片段來預測軍事勝利，以增強國家決心，正如人們在烏克蘭戰場上看到的那樣。無人機在過去五年的五場重大戰爭中發揮了關鍵和決定性的作用（敘利亞、利比亞、納戈爾諾-卡拉巴赫、也門和烏克蘭）。它們的成功得益于其避免被常規防空系統探測和摧毀的能力。這是因為防御系統大多被設計用來探測和攔截具有較大雷達截面（RSC）的飛機和彈道導彈。

無人機在俄羅斯和烏克蘭的沖突中發揮的作用比任何其他軍事沖突都要大。這意味著，擁有最強大的無人機的國家很可能會有優勢。在這場曠日持久的沖突中，雙方都使用了無人機，最引人注目的是烏克蘭，它使用了土耳其制造的Bayraktar TB-2無人機、美國和中國制造的無人機，甚至還有本地制造的無人機，以及業余和商業無人機。這些無人機有多種用途，包括指導炮擊、偵察和監視任務，以及瞄準和轟炸地點，甚至直接為信息行動提供視頻記錄。無人機的戰略和戰術影響迫使軍事專家研究和預測其使用情況，以便為以下問題提供令人信服和合乎邏輯的答案：無人機在烏克蘭戰爭中發揮了什么作用？它們的特殊能力是什么？它們能否影響雙方的軍事平衡？無人機將對未來戰爭產生什么影響？

（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。

在過去的二十年里，無人駕駛飛機系統（UASs）在戰爭中發揮了重要作用，包括用于反恐行動。但是，關于它們在競爭和國家間戰爭中的效用，包括美國和中國這樣的大國之間的辯論越來越多。對一些人來說，無人機系統正在創造一場 "軍事事務的革命"，它將從根本上重塑軍事理論、組織、部隊結構、行動和戰術。然而，對其他人來說，無人機系統的有效性被夸大了，而且無人機系統在高度競爭的環境中可能效用有限。

為了更好地了解無人機系統的效用，本報告提出了兩個問題。首先，無人機系統在現代戰爭中，特別是在國家間戰爭中是如何被利用的？第二，無人機系統在戰爭和競爭中的未來影響是什么？為了回答這些問題，本分析采用了一種比較案例研究的方法。它研究了兩個案例--2020年的納戈爾諾-卡拉巴赫戰爭和2022年的烏克蘭戰爭，以更好地了解無人機系統在戰爭中的使用情況。它還研究了2021年的 "北緣-21 "演習，該演習對無人機系統在印太地區的競爭和戰爭中的應用進行了有益的研究。

基于分析，本報告得出了幾個結論。

首先，無人機系統已經越來越多地被納入到聯合軍備戰中，這與過去20年來在追蹤和瞄準恐怖主義網絡方面的使用有明顯的轉變。例如，阿塞拜疆有效地利用無人機系統作為聯合武器的一部分--包括固定翼飛機、直升機、游蕩彈藥、制導導彈和火炮--來扭轉亞美尼亞三十年來對納戈爾諾-卡拉巴赫大片地區的控制。在烏克蘭，俄羅斯和烏克蘭都將無人機系統作為聯合軍備戰的一部分，在俄羅斯2022年2月的入侵后開展攻防行動。前線經常被UASs所飽和，事實證明，在烏克蘭有爭議的環境中，UASs對提高戰場意識特別有價值，而不會有生命損失的風險。在《北方邊緣21》中，無人機系統--包括MQ-9 "幽靈死神"--被整合到印太地區的聯合武器行動中，包括遠程火力、F-35A "閃電II"、衛星、F-15C "雄鷹"、F-15E "攻擊鷹 "以及其他平臺和系統來收集情報和進行打擊。

如圖S.1所示，無人機系統將可能被整合到一個更廣泛的戰場網絡中，包括第五代戰斗機，如F-35s和F-22s；空中加油機，如KC-135s；遠程轟炸機，如B-21s；巡洋艦和驅逐艦；衛星；航母打擊群；陸基遠征推進基地；指揮和控制中心；遠程火力；以及其他平臺和系統。

第二，無人機系統在未來可能對廣泛的競爭和戰爭都有重大用途。涉及美國、中國、俄羅斯和其他國家的安全競爭將可能是全球性的，并涵蓋亞洲、歐洲、非洲、拉丁美洲和大型水體的陸地、空中、海洋、網絡和空間領域的巨大范圍。在這種情況下，擁有能夠在廣闊的地理區域收集情報、必要時打擊目標并在有爭議的環境中運作的平臺和系統將非常重要。在未來，無人機系統可能會在執行幾種類型的任務中發揮關鍵作用，作為聯合武器戰爭的一部分，包括

• 領域感知和早期預警。
• 戰場感知。
• 對峙攻擊的目標選擇。
• 攻擊。
• 電子戰；以及
• 信息戰。

總之，無人機系統可能會在與中國和俄羅斯等國家的競爭和戰爭中發揮重要作用--這與它們早期用于反恐行動有明顯的變化。無人機系統可能特別有用，因為它們能夠進行遠征作戰，具有更遠的距離和持久性。此外，政府通常認為無人機系統比駕駛飛機的升級性要低。執行一系列廣泛的任務將需要一套在射程、有效載荷、成本和能力方面各不相同的無人機系統和徘徊彈藥。為了應對國家和非國家行為者對無人機系統越來越多的使用，也將越來越需要采用反無人機系統的戰術、技術、程序和能力。

雖然無人機系統的技術已經發展，但最重要的變化是無人機系統如何被用作聯合武器戰爭的一部分，以及這對未來的啟示。威廉-莎士比亞在《暴風雨》中寫道："過去的事情就是序幕"。最近在烏克蘭納戈爾諾-卡拉巴赫的事件以及在印度-太平洋地區的演習為未來在聯合武器行動中越來越多地使用無人機系統提供了一個有預見性的序幕。

圖S.1: 無人機系統和作戰網絡

本報告的其余部分分為以下幾章。第2章對無人機系統在競爭中的作用進行了評估。第3章研究了納戈爾諾-卡拉巴赫戰爭中的無人機系統。第4章分析了俄羅斯和烏克蘭在2022年的烏克蘭戰爭中對UAS的使用。第5章探討了NE21的教訓。第6章對無人機系統在戰爭和競爭中的未來作用提出了政策含義。最后，附錄1、2和3提供了案例研究中強調的阿塞拜疆、烏克蘭和俄羅斯分別使用的無人機系統的概述--包括諸如類型、描述、范圍、續航時間、原產國和制造商等信息。

美國海軍的無人作戰框架和智能自主系統（IAS）戰略解析了美國海軍的愿景，即如何通過迭代實驗來發展無人平臺，重點是發展新的作戰概念和實現這些想法的關鍵技術。美國海軍需要制定一個作戰概念（CONOPS），將無人水面和水下航行器（USV/UUV）納入現有情報、監視和偵察（ISR）流程。無人平臺（UV）面臨著操作和續航方面的挑戰，這將使它們在情報周期的處理和開發功能中成為獨特的難點。本文討論僅限于兩個具有顯著續航能力和收集能力的無人平臺，這兩項能力使無人平臺對作戰具有重大影響。這項工作回顧了關于超大型UUV（XLUUV）和中型USV（MUSV）能力和預期任務的非機密文獻，并與MQ-4C海神偵察機的發展進行了比較。確定了海軍在開發CONOPs時應該考慮的幾個因素和解決方案，如何在戰役層面將XLUUV和MUSV集成到ISR中。

1 簡介

“無人平臺在我們未來的艦隊中發揮著重要作用。成功地整合無人平臺——在海面下、在海面上和海面上空——為我們的指揮官提供了更好的選擇，以便在有爭議的空間里作戰和獲勝。它們將擴大我們的情報、監視和偵察優勢......”--美國海軍作戰司令部，2021年航行計劃

美國海軍目前正在開發一系列無人的空中、水面和水下航行器，以滿足其未來部隊需求。海軍的無人作戰框架和智能自主系統（IAS）戰略解析了海軍的愿景，即如何通過反復實驗來開發這些新平臺，重點是發展新的作戰理念和實現這些理念的關鍵技術。無人平臺將支持海軍的目標，即建立一支更加分散的部隊，能夠在通信退化的環境中作戰，同時在受到反介入和區域拒絕威脅的挑戰時能夠應對。雖然海軍的無人平臺仍處于不同的發展階段，但有足夠的數據表明它們的能力，可以提出新作戰概念，將這些新平臺與海軍長期以來的優先事項相結合。

美國海軍需要制定一個作戰概念（CONOPS），將無人水面和水下航行器（USV/UUV）納入現有情報、監視和偵察（ISR）流程中，無論是在戰斗期間還是在日常的非戰斗行動中。這種CONOPs將支持智能自主系統中至少兩個子類——分布式和持久性傳感器，以及戰斗空間的擴展、清晰化和精確化。無人平臺（UV）雖然有潛在的強大的收集能力，但面臨著操作和續航方面的挑戰，這將使它們在情報周期的處理和開發功能方面成為獨特的麻煩。海軍使用無人平臺作為ISR資產的概念將需要納入這些平臺獨特的適合完成的作戰目標，并且應該在這些平臺能力正在形成和實戰化的時候就開始制定。

為了把重點放在戰爭的戰役層面上，討論將限于兩個具有重要續航能力和收集能力的無人平臺，使它們具有實質性的作戰影響。這項工作回顧了關于超大型UUV（XLUUV）和中型USV（MUSV）能力和預期任務的非機密文獻，并與MQ-4C Triton（一種大型海上無人駕駛飛行器）的發展相比較。它確定了海軍在制定將XLUUV和MUSV整合到作戰層面的ISR的CONOP時，應該考慮的幾個因素和解決方案。分析的重點是在以海洋為中心的戰場上使用這些平臺，對手是在海面下、水面、空中和太空領域使用軍事力量的近鄰或同級對手。提到作戰指揮官時，設想了一個戰區聯合部隊海上分指揮官（JFMCC）和情報人員，在岸上或海上作戰中心（MOC）內運作。

2 背景介紹

美國海軍的分布式海上作戰（DMO）概念是為了在反介入、區域拒止（A2AD）戰場上擊敗競爭對手，它依賴于分布式、網絡化的ISR平臺。ISR資產將定位對手并為武器使用平臺提供目標支持。無人平臺與多域作戰（DMO）概念極其相關，因為DMO設想在對手的對峙或反介入武器的交戰區域內使用海軍資產。海軍23財年的長期海軍建設計劃指出，海軍預計在45財年擁有89-145個無人平臺，并提到更詳細的信息，可在機密的能力發展計劃中獲得。22財年的建設計劃明確指出，海軍正在尋求59-89艘USV和18-51艘UUV。海軍的資金優先級和迭代式無人平臺開發支持CNO將無人平臺作為分布式作戰的一個重要組成部分。

情報、監視和偵察是三個獨立但密切相關的功能，對于軍事行動至關重要。廣義上講，情報是收集和分析與決策有關的信息。監視是使用收集資產來監測一個地點的相關活動，而偵察是將收集資產部署到一個確定的區域，以定位或確認沒有相關活動。當無人平臺用于ISR功能時，將主要作為收集資產來監視或偵察特定區域，尋找相關活動。這些平臺的 "無人"性質，使平臺本身更具有成本效益，不容易被置于危險之中，但卻使其作為ISR資產的有效性變得復雜。采集行動必須以足夠嚴格的方式進行預規劃，以滿足指揮官在不可能重新分配任務的通信環境中繼續生存。此外，收集到的數據必須傳送給有能力將信息開發成情報的分析人員，以便為作戰決策提供依據。

3 MQ-4C "海神"偵察機

MQ-4C "海神"是由RQ-4 "全球鷹 "改裝的大型無人機，用于提供持久的海上ISR。"海神"的開發是為了滿足海軍對持久性ISR的需求，最終被確定為廣域海上監視（BAMS），用于A2AD環境。"海神"在一次任務中可以飛行超過24小時，作戰范圍為8,200海里。為了滿足海軍的要求，對RQ-4進行了具體的修改，最明顯的是要求在惡劣的海上天氣下下降和上升，以便目視識別通過電子信號定位的水面航行器。這一要求需要增加除冰能力、防雷和其他強化措施。

2020年1月，海軍對 "海神 "進行了首次早期作戰能力（EOC）部署，向關島的安徒生機場派出了兩架飛機。該飛機作為CTF-72的一部分，向在INDO-PACOM責任區作戰的聯合部隊提供海上巡邏和偵察，這是ISR的一個方面。在飛行行動中，"海神 "由四名飛行員組成的機組控制，他們在地面控制點進行操作。這些操作員駕駛飛機，不進行情報開發，情報開發由一個單獨的專家小組提供。2020年派往關島的機體并不具備整套預期的收集能力，只有光電/紅外（EO/IR）視頻流和一個海上雷達。海軍目前正在測試 "海神 "的升級版、多智能改進版，它增加了信號情報收集能力，是打算取代有人駕駛的EP-3E Aeries II飛機的平臺。

盡管還沒有完全投入使用，但 "海神 "號的早期使用提供了一些經驗，應該為大型無人水面和水下船只的發展提供參考。首先，"海神"和其他無人平臺所收集的信息將需要傳送給人類分析人員進行開發。雖然存在識別感興趣的信號的自動化程序，但它們還不能將這些信息置于當前友軍和敵軍行動的背景下，并告知決策者。其次，大型無人駕駛系統依賴于岸上的維持和維護。像 "海神 "一樣，任何大型的平臺都需要返回基地或港口進行維修、加油和卸載收集的數據。這些岸上的設施是平臺操作的關鍵要求，可能會受到干擾或攻擊。第三，在建造無人平臺時，應了解任務和有效載荷在未來可能發生變化。為平靜的海況和適度的溫度而建造的無人平臺，在大海里、惡劣的天氣或極端的水溫下，可能不那么有效或無法操作。

4 “虎鯨”超大型無人潛航器（XLUUV）

5個“虎鯨”超大型無人潛航器（XLUUV） 中的第一個，在19財年得到資助。其基于波音公司的Echo Voyager XLUUV進行開發，預計在22財年作為一個測試平臺，用于開發作戰概念和關鍵的使能技術。XLUUV幾乎肯定不會有能力以載人潛艇的保真度來探測、跟蹤和分類聲音。這主要是因為UUV缺乏訓練有素和有經驗的船上潛艇人員的專業知識，而且XLUUV是一個比載人潛艇小得多的平臺，限制了任何船上聲納陣列的能力。然而，XLUUV的模塊化性質擴大了其潛在的收集能力，包括船上攜帶的任何可部署的系統，以及船體安裝或牽引的聲納陣列。下面將討論基于有機傳感器或XLUUV攜帶的有效載荷進行數據收集。

將XLUUV作為ISR資產使用的最重大挑戰是缺乏與地面控制點的頻繁通信。現有的能力并沒有確定XLUUV是否有能力升起一個通信桅桿或浮標來傳輸數據和接收修訂的指令。這樣做會削弱使用水下航行器作為ISR資產的主要優勢，即它的隱蔽性。這為作戰計劃者確定了三種可能的行動方案。第一，XLUUV在其行動期間不能發送或接收任何數據。這將限制XLUUV只執行預先計劃的行動，并剝奪行動指揮官重新分配資產的任何能力。第二，XLUUV可以部署一個僅有接收能力的通信天線。這將允許指揮官重新分配XLUUV的任務，但不允許該資產廣播接收指令，這使得操作人員不確定新的指導是否正在執行。用來傳達這種新指導的廣播有可能揭示UUV或潛艇的行動區域。第三，XLUUV可以采用一個同時具有發射和接收能力的通信浮標。這將使指揮官能夠發布新的指令，并確認XLUUV已經收到并將執行新的任務，但也有可能將UUV的位置暴露給對手。每種方案都是在安全和作戰指揮官的靈活性之間做出的折衷。

繼隱身之后，UUV作為ISR資產的第二個主要優勢是其收集聲學數據的能力。聲學情報，即對這些數據的處理和利用，是一門極富挑戰性的學科。聲學數據需要分析人員花費數年甚至數十年的訓練和經驗來進行分析。由于這門學科的挑戰，海軍應該尋求現有的聲學情報卓越中心來分析XLUUV收集的數據。海軍在弗吉尼亞和華盛頓有兩個海軍海洋處理設施（NOPFs），由聲學和情報專家共同管理。這些設施作為綜合海底監視系統（IUSS）的一部分運作，并對來自海上采集資產的聲學數據進行持續分析使用。對于ISR功能，海軍應考慮將XLUUV作為IUSS資產，并利用NOPFs的常駐聲學情報專家來處理和分析收集的數據。

需記錄的聲學信息通常也會產生大量的數據，覆蓋較長的時間段。可能需要幾周或幾個月的時間來充分開發XLUUV任務的所有記錄數據。當考慮到前面討論的通信挑戰時，使用XLUUV作為ISR資產將需要對XLUUV支持的確切行動目標進行詳細規劃。這種規劃應導致對UUV的反應進行預先規劃，以滿足指揮官意圖的具體檢測。操作員應考慮三種反應，即立即反應、暫時延遲反應，或決定繼續執行任務并在回港后分析數據。

一旦XLUUV檢測到特定的標準，例如特定對手潛艇的聲學特征，它的反應應該由作戰指揮官仔細預先確定。在這種情況下，XLUUV有三種可能的行動。第一，停止其任務，并通過通信桅桿或非系留的單向傳輸浮標，立即向作戰指揮官發出通知，說它已經探測到對手的潛艇。如果敵方潛艇對指揮官的部隊構成危險，并且需要時間敏感的定位信息來使反潛戰（ASW）資產加入戰斗，這種反應可能是適當的。二，XLUUV可以釋放一個單向的通信浮標，在延遲后將探測結果廣播給作戰指揮官。這種折中的反應將為指揮官提供最近的定位數據，并提高他的態勢感知，但也允許UUV離開該地區，繼續執行其任務而不暴露其位置。如果指揮官希望在近乎沖突的時期提高態勢感知，但又不試圖主動瞄準對手的潛艇，這種反應可能是合適的。第三，XLUUV可以簡單地繼續記錄聲學數據，對探測進行日志記錄，并繼續執行其任務。日志記錄將有助于回港后的開發。這種反應在非沖突時期和XLUUV執行一般監視任務或收集作業環境信息時可能是合適的。這些反應選項中的每一個都利用了當今可用的技術，并為作戰指揮官提供了靈活性，以根據作戰需要指揮所需的反應。

波音公司公開的Echo Voyager XLUUV的數據顯示，它的航程為6500海里（NM），最大速度為8.0節，最佳速度為2.5-3.0節。從關島阿普拉港到俄羅斯太平洋艦隊所在地阿瓦查灣約2450海里，到中國南部戰區海軍駐地亞龍灣約2050海里。如果Orca XLUUV的能力與Echo Voyager的能力相近，這將使最有可能收集情報的地點處于部署在關島的XLUUV的行動范圍之內。然而，在離母港很遠的地方使用XLUUV可能會導致在接收和利用收集的數據方面出現重大延誤。根據2.5-8.0節的前進速度，從阿瓦查灣返回關島大約需要13至40天。該平臺漫長的旅行時間，加上分析所收集的數據所需的大量時間，促使XLUUV在ISR中最有可能的用途是對作戰環境的一般性收集，或有可能實施監視任務，將該平臺的長耐久性與前面描述的即時或延遲傳輸通信方法相結合。

作為一個無人平臺，XLUUV在維持和維護方面也將面臨獨特的挑戰，這將影響其作為ISR資產的使用。XLUUV被設想為一種可部署或遠征的能力。對這種能力的討論似乎僅限于單個或少量的船體，然而DMO概念和海軍造船計劃設想了幾十個平臺，所有這些平臺都將需要運輸、地面支持和碼頭空間來運作。任何降低或拒絕完成任務的物質缺陷都需要長時間返回港口或可能返回位于對手威脅范圍之外的水面艦艇。維護和保養的現實需要被納入任何利用無人武器作為ISR資產的作戰計劃中，這可能導致它們主要被用于非戰斗性的情報準備任務，在這些任務中，故障的影響比戰斗行動中要小。

5 中型無人水面艦艇(MUSV)

美國海軍的MUSV目前正在基于最初的原型平臺Sea Hunter（SH1）和Seahawk（SH2）的基礎上進行開發。MUSV的具體目的是發揮ISR的作用，提供一個集成到海軍戰術網格中的無人傳感器和電子戰平臺。MUSV計劃目前在平臺能力方面的定義不如XLUUV，但其發展足以考慮具體的ISR功能和作戰概念。將MUSV作為ISR資產使用的關鍵決定是確定它們是作為獨立的收集器還是作為從屬于有人駕駛的水面艦艇的資產。

無論是哪種使用方式，MUSV都將以類似的方式發揮作用--收集現有的電子數據，進行初步的開發和處理，并將收集的結果轉發給岸上和海上的分析人員和系統。區別在于船上的收集系統在尋找什么信號，以及向誰和如何轉發收集的信息。當MUSV作為載人艦艇的支持力量運行時，它的收集系統應集中于探測和跟蹤來襲的威脅，并為被支持的艦艇提供目標定位的幫助。傳感器包應能同時識別和跟蹤反艦巡航導彈、彈道導彈、高超音速導彈、水面艦艇、有人和小型無人駕駛飛機，并提供潛望鏡探測能力。MUSV應該能夠將其收集的結果直接提供給被支持的艦艇，而不依靠干預的地面站或衛星，然后協助選擇和確定防御措施或反擊的目標。

如果作為一個獨立的收集器運行，MUSV最好配備能夠超越基線追蹤多個空中和地面目標的傳感器，并自動將這些追蹤與已知或可疑的對手平臺聯系起來。這些數據應該被轉發給作戰指揮官，以建立共同作戰圖（COP）。這兩項任務，直接支持載人艦艇或提供COP發展的獨立行動，包含了監視和偵察任務的要素。然而，最佳的傳感器和通信能力在不同的任務之間是不同的，這需要在進一步發展MUSV時予以考慮。

作為主要的電子情報（ELINT）收集器，MUSV將需要依靠現有的ELINT分析員來分析所收集的數據。海軍水面艦艇上一般都有可以進行這種分析的密碼學人員，盡管他們目前的任務是操作和利用其艦艇的有機收集能力。如果MUSV上有足夠的通信能力，那么收集到的數據可以被發送到岸上的分析人員進行利用。在這種情況下，海軍信息戰指揮部（NIOCs）是數據利用的合理地點。將需要開發基礎設施和信息技術，以便將MUSV收集的ELINT納入現有的處理系統。此外，水面艦艇和岸上設施的密碼人員配置將需要反映出增加了一個新的收集平臺，提供多個需要分析的數據流。

6 反論點

像“虎鯨”和MUSV這樣的大型無人平臺被設想為未來技術的一個組成部分，它將實現海軍的DMO概念。這一設想聲稱，從無人平臺收集的數據將通過海軍戰術網格和聯合全域指揮與控制（JADC2）網絡傳達給作戰級指揮官。CNO的NAVPLAN 2021指出，建立一個強大的海軍作戰架構（NOA），這將支持將無人平臺收集的數據納入JADC2，是僅次于調整海上戰略威懾力量的第二大發展重點。目前的ISR平臺開發正在將重點從人力密集型部隊轉向自動化能力，以在有爭議的環境中擊敗同行的對手。AI/ML的使用將導致收集的數據處理和利用的速度呈指數級增長，大大增強作戰指揮官的態勢感知，并減少從檢測到對手到使用武器的時間。對收集到的數據進行網絡化、自動化的利用，將是分布式作戰的一個重要推動因素。

7 辯證

網絡化通信和AI/ML的發展必然會導致無人平臺的有效使用，這有三個原因。第一，作戰藝術取決于對作戰環境、敵方和友方部隊以及作戰目標的深入分析和理解。無論提供何種工具，這種理解和部隊的有效使用將始終取決于一個有能力的作戰指揮官。作為一種ISR資產，無人平臺將依賴于指揮官和情報人員的明確行動任務。第二，目前人工智能/ML工具在情報分析中的狀態是有希望的，但離開始復制人類分析的能力可能還有很長的路要走。人工智能/ML工具只能復制人類思維和行動所形成的模式，而且幾乎可以肯定的是，無論開發何種算法，都會錯過與作戰藝術相關的新趨勢和異常數據。海軍在培訓和保留AI/ML專業知識方面也面臨挑戰。第三，大型UV目前正處于迭代實驗階段，在設計平臺能力的同時，現在就需要制定作戰概念。等到無人平臺達到最終的生產狀態，再為這些新的收集資產制定ISR CONOPs，將使海軍情報專家無法在開發過程中告知滿足作戰意圖所需的傳感器和能力。

8 結論

美國海軍情報界需要充分投資于大型無人平臺的發展，特別是發展將這些平臺用于ISR角色所需的能力和概念。海軍在將無人平臺納入ISR過程中的經驗將為利用無人水面和海底艦艇提供參考，但不能直接轉化為利用無人平臺。在通信惡化或被拒絕的環境中運行的無人平臺可能需要大量的岸邊基礎設施來處理和利用收集的數據，對這種基礎設施和人力的投資應該與平臺的開發同時進行。從無人平臺收集的數據可能需要大量的時間來處理和利用，減少了它們在指示和警告（I&W）任務中的作用，并可能引導最佳傳感器套件來支持作戰環境的收集。由于在處理和利用收集的數據方面的挑戰，無人平臺不會取代現有的載人飛機、水面和水下航行器以及國家高空收集的ISR功能，但如果開發和使用正確的能力和作戰概念組合，無人平臺可能會成為發展指揮官態勢感知的有力工具。

人工智能（AI）的最新進展為許多經典的AI應用帶來了突破，例如計算機視覺、自然語言處理、機器人和數據挖掘。因此，有很多人努力將這些進展應用于軍事領域，如監視、偵察、威脅評估、水雷戰、網絡安全、情報分析、指揮和控制以及教育和培訓。然而，盡管人工智能在軍事應用上有很多可能性，但也有很多挑戰需要考慮。例如，1）高風險意味著軍事人工智能系統需要透明，以獲得決策者的信任并能進行風險分析；這是一個挑戰，因為許多人工智能技術具有黑盒性質，缺乏足夠的透明度；2）軍用 AI 系統需要穩健可靠；這是一個挑戰，因為已經表明即使對所使用的 AI 技術沒有任何了解，AI 技術也容易受到輸入數據微小變動的影響，并且 3) 許多 AI 技術基于需要大量數據的機器學習訓練；這是一個挑戰，因為在軍事應用中經常缺乏足夠的數據。本文介紹了正在進行的項目成果，以說明軍事應用中人工智能的可能性，以及如何應對這些挑戰。

1 介紹

人工智能（AI），特別是機器學習（ML）和深度學習（DL），在十年內已經從研究機構和大學的原型設計轉向工業和現實世界應用。使用DL技術的現代人工智能已經徹底改變了傳統人工智能應用的性能，如機器翻譯、問答系統和語音識別。這一領域的許多進展也將其優秀的想法變成了卓越的人工智能應用，能夠進行圖像說明、唇語閱讀、語音模仿、視頻合成、連續控制等。這些成果表明，一個能夠自我編程的機器有潛力：1）提高軟件和硬件開發的效率，2）以超越人類的水平完成特定的任務，3）為人類以前沒有考慮過的問題提供創造性的解決方案，4）在人類已知的主觀、偏見、不公平、腐敗等方面提供客觀和公平的決定。

在軍事背景下，人工智能的潛力存在于所有維度的軍事空間中（即陸地、海洋、空中、空間和信息）和所有級別的戰爭內（即政治、戰略、作戰和戰術）。例如，在政治和戰略層面，人工智能可以通過制作和發布大量的虛假信息來破壞對手的穩定狀態。在這種情況下，人工智能很可能也是抵御這種攻擊的最佳人選。在戰術層面，人工智能可以改善無人系統的部分自主控制，以便人類操作員可以更有效地操作無人系統，最終擴大戰場影響力，增強戰場實力。

然而，正如我們將在這項工作中指出的那樣，有幾個關鍵挑戰可能會減緩或限制現代人工智能在軍事應用中的使用：

• ML模型的透明度和可解釋性不足。舉一個例子，使用DL對使用深度神經網絡（DNN）的自動駕駛汽車進行控制建模需要幾十萬個參數。顯然，這樣一個復雜的程序不容易被解釋。即使是使用替代的ML算法生成的模型，其中模型可以被圖形化，如解析樹或決策樹，即使在應用于玩具模型問題時，也很難甚至不可能解釋。一個更重要的挑戰是人工智能系統向決策者或人類操作者解釋其推理的能力，或者在這種情況下是無能為力的。
• 眾所周知，使用ML開發的模型很容易受到對抗性攻擊。例如，基于DL的模型可以很容易地通過操縱輸入信號而被欺騙，即使該模型對攻擊者來說是未知的。舉一個例子，使用最先進的目標檢測的無人駕駛飛行器（UAV）也有可能被地面上精心設計的偽裝圖案所欺騙。
• 任何 ML 應用的原料是機器可以從中學習并最終深入理解的數據。軍事組織通常擅長收集數據用于匯報或重建目的。然而，不能保證同樣的數據可以成功用于ML。因此，軍事組織可能必須調整其數據收集過程，以充分利用現代人工智能技術，如DL。

本文的目的是強調人工智能在軍事應用中的可能性和主要挑戰。第2節簡要介紹了DL，它是本文關注的主要人工智能技術。第3節提供了幾個人工智能在軍事領域中應用的例子。第4節描述了與軍事領域中人工智能的關鍵挑戰，以及部分可用于解決這些挑戰的技術。第5節提出了結論。

2 深度學習

我們所說的DL是指由多個非線性處理單元層組成的機器學習模型。通常情況下，這些模型由人工神經網絡表示。在這種情況下，神經元指的是一個單一的計算單元，其輸出是通過一個（非線性）激活函數的輸入的加權和（例如，一個只有在信號為正時才通過的函數）。DNN指的是具有大量串連神經元層（神經元層由神經元并聯組成）的系統。與DNN相對的是淺層神經網絡，它只有一層平行連接的神經元。

直到大約十年前，DNN的訓練幾乎是不可能的。第一個成功的深度網絡的訓練策略是基于一次訓練一個層。逐層訓練的深度網絡的參數最終使用隨機梯度方法進行微調（同時），以最大限度地提高分類精度。此后，許多研究進展使得直接訓練DNN成為可能，而無需逐層訓練。例如，人們發現，網絡權重的初始化策略與激活函數的選擇相結合是解決問題的關鍵。甚至一些技術，如在訓練階段隨機停用神經元，以及在信號到達激活函數之前對其進行歸一化處理，也已證明對于使用 DNN 獲得良好結果非常重要。

表示學習是DNN高性能的主要原因之一。使用DL和DNN，不再需要手動制作學習特定任務所需的特征。相反，辨別特征是在 DNN 的訓練過程中自動學習的。

支持 DL 應用的技術和工具如今比以往任何時候都更加好用。通過廉價的計算資源、免費的 ML 框架、預訓練模型、開源數據和代碼，僅使用有限的編程/腳本技能即可成功應用和定制高級 DL。

3 軍事人工智能應用

本節介紹了幾個可以應用人工智能來提高軍事能力的例子。

3.1 監視

海上監視是利用固定雷達站、巡邏飛機、船舶，以及近年來使用自動識別系統（AIS）對海上船只進行的電子跟蹤。這些信息源提供了大量的關于船只運動的信息，這些信息可能會揭示船舶非法的、不安全的、有威脅的和異常的行為。然而，大量的船舶運動信息使得手動檢測此類行為變得困難。因此ML-方法被用來從船舶運動數據中生成常態模型。任何偏離常態模型的船舶運動都被認為是異常的，并提交給操作員進行人工檢查。

一種早期的海事異常檢測方法使用模糊 ARTMAP 神經網絡架構根據港口位置對正常船舶速度進行建模。另一種方法是利用運動模式的關聯學習來預測基于其當前位置和行駛方向的船舶運動。其他方法則使用基于高斯混合模型（GMM）和內核密度估計（KDE）的無監督聚類。這些模型能夠檢測出改變方向、穿越海路、向相反方向移動或高速行駛的船只。最近的方法是使用貝葉斯網絡來檢測錯誤的船舶類型，以及不連續的、不可能的和徘徊的船舶運動。海事異常檢測的未來發展還應該考慮周圍的船只和多艘船只之間的互動。

3.2 水下水雷戰

水雷對海上船只構成重大威脅，被用來限制船只行動或阻止船只通過受限水域。因此，反水雷措施（MCM）試圖定位和消除水雷，以實現行動自由。越來越多地使用配備合成孔徑聲納 (SAS) 的自主水下航行器 (AUV) 進行水雷搜索，該水下航行器能提供厘米分辨率的海底聲學圖像。由于AUV收集了大量的SAS圖像，自動目標分類對于區分潛在的水雷與其他物體是很有用的。雖然對水雷的自動目標分類已經研究了很長時間，但DNN在圖像分類方面的高性能表現使人們對如何將這種辦法用于自動地雷探測產生了興趣。

一些研究顯示了DNN在水雷探測方面的潛力。例如，這些研究描述了如何將假水雷的形狀、類似水雷的目標、人造物體和巖石放置在海底的各種地理圖形位置上。然后用AUV和SAS對海底進行測量。結果顯示，與傳統的目標分類器相比，DNN的性能明顯提高，對水雷形狀的檢測概率更高，誤報率更低。同樣，這些研究也描述了如何生成圓柱形物體和各種海底景觀的協同SAS圖像，并這些圖像用來訓練DNN。進一步的研究可能會探究如何從所有類型的雜波物體中分辨出水雷，結合檢測和分類，以及對噪聲、模糊和遮擋的魯棒性等

3.3 網絡安全

入侵檢測是網絡安全的重要組成部分，可在惡意網絡活動危及信息可用性、完整性或機密性之前對其進行檢測。入侵檢測是使用入侵檢測系統（IDS）進行的，該系統將網絡流量分類為正常或入侵。然而，由于正常的網絡流量往往具有與實際攻擊相似的特征，網絡安全分析師對所有入侵警報的情況進行分析，以確定是否存在實際的攻擊。雖然基于簽名的IDS通常擅長檢測已知的攻擊模式，但它們不能檢測以前未見過的攻擊。此外，基于簽名的檢測的開發往往是緩慢和昂貴的，因為它需要大量的專業知識。這限制了系統對快速演變的網絡威脅的適應性。

許多研究使用 ML 和其他 AI 技術來提高已知攻擊的分類準確性、檢測異常網絡流量（因為這可能表明新的攻擊模式偏離了正常網絡流量）以及自動化模型構建。然而，這些系統很少被實際使用。其原因是，入侵檢測給出了具體的挑戰，如缺乏訓練數據、網絡流量變化大、錯誤成本高以及難以進行相關評估。雖然可以收集大量的網絡流量，但這些信息往往是敏感的，只能部分匿名化處理。使用模擬數據是另一種選擇，但它往往不夠真實。然后，必須根據模式是正常還是入侵，或用于確保無攻擊的異常檢測來標記數據以進行監督學習，這通常很難做到。最后，模型需要是透明的，以便研究人員能夠理解檢測限制和特征的含義。

另一項提高網絡安全的措施是在安全審計期間進行滲透測試，以確定潛在的可利用的安全弱點。由于許多網絡的復雜性和其中的大量主機，滲透測試通常是自動化的。一些研究已經調查了如何使用網絡的邏輯模型而不是實際的網絡將 AI 技術用于模擬滲透測試。網絡通常用攻擊圖或樹來表示，描述對手如何利用漏洞闖入系統。描述了模型在表征方式方面的不同之處：1) 攻擊者的不確定性，從抽象的成功和檢測概率到網絡狀態的不確定性，以及 2) 從已知的前后條件到一般感知和觀察的攻擊者行為-結果的服務。此外，通過網絡和主機的正式模型，可以對不同的緩解策略進行假設分析。未來對滲透測試的研究可能會使用攻擊者和防御者之間交互的認知有效模型，例如，深度強化學習來探索可能攻擊的大問題空間。

4 挑戰

正如第3節中的案例所示，在為軍事目的開發和部署的基于人工智能的應用之前，有一些尚未解決的挑戰是很重要的。在本節中，我們將討論我們認為對軍事人工智能最關鍵的挑戰：1）透明度，2）脆弱性，以及3）在有限的訓練數據下的學習。其他重要的，但不太關鍵的，與優化、泛化、架構設計、超參數調整和生產級部署有關的挑戰，在本節中沒有進一步討論。

4.1 透明度

許多應用除了需要高性能外，還需要高透明度、高安全性以及用戶的信任或理解。這種要求在安全關鍵系統、監控系統、自主智能體、醫學和其他類似的應用中很典型。隨著最近人工智能技術的突破，人們對透明度的研究也越來越感興趣，以支持最終用戶在此類應用中的使用與透明度相關的成果。

4.1.1 對透明度的期望

人工智能所需的透明度取決于終端用戶的需求。利普頓描述了透明度可能涉及五種類型的用戶需求：

• 1.信任-在用戶難以質疑系統建議的情況下。然而，可能不清楚用戶的信任是基于系統的性能或穩定性，相對于用戶的體驗，還是用戶對系統推薦的舒適度。
• 2.理解之前未知的因果關系，可以用其他方法測試。
• 3.由于與用戶的能力相比，模型的通用性有限，因此對系統性能的了解受到限制。
• 4.有關系統建議的一些補充信息。
• 5.公平性，以避免可能導致某些情況下的不平等待遇的系統性偏見。例如，對信貸申請的評估不應基于個人屬性，如性別或種族，盡管這種屬性可能在整體統計水平上用來區分人口群體。

原則上，有兩種方法可以使人工智能系統透明。首先，某些類型的模型被認為比其他的更容易解釋，例如線性模型、基于規則的系統或決策樹。檢查這些模型可以理解它們的組成和計算。Lipton描述了可解釋性取決于用戶是否能夠預測系統的建議，理解模型參數，以及理解訓練算法。其次，系統可以解釋其建議。這種解釋可以是文字的，也可以是視覺的。例如，通過指出圖像的哪些方面最有助于其分類。Miller 對社會科學研究中如何使用這些知識來設計 AI 系統的進行了的回顧。通常情況下，人們用他們感知到的信念、欲望和意圖來解釋其他智能體的行為。對于人工智能系統來說，信念對應于系統關于情況的信息，欲望對應于系統的目標，而意圖對應于中間狀態。此外，解釋可能包括行動的異常性、使成本或風險最小化的偏好、對預期規范的偏離、事件的回顧性和行動的可控性。主要的發現是：

• 解釋是針對特定的反事實案例而進行的對比性解釋。因此，解釋的重點是為什么提出特定的建議而不是其他建議。
• 解釋是有選擇的，并且集中在一兩個可能的原因上，而不是建議的所有原因。
• 解釋是一種傳遞知識的社會對話和互動。

4.1.2 可解釋模型的實例

貝葉斯規則列表（BRL）是可解釋模型的一個例子。BRL由一系列的if（條件）then（結果）else（替代）語句組成。Letham等人描述了如何為一個高度準確和可解釋的模型生成BRL來估計中風的風險。條件離散化了影響中風風險的高維多變量特征空間，結果描述了預測的中風風險。BRL在預測中風風險方面具有與其他ML方法類似的性能，并且與其他現有評分系統一樣具有可解釋性，但其準確性較低。

基于詞典的分類器是文本分類的另一個可解釋模型的例子。基于詞典的分類器將術語的頻率與每個類別中出現的術語的概率相乘。得分最高的類別被選為預測對象。Clos等人使用一個門控遞歸網絡對詞典進行建模，該網絡同時學習術語和修飾語，如副詞和連詞。受過訓練的詞典是關于論壇中的帖子是支持還是反對死刑以及對商業作品的看法。詞典的表現比其他ML方法更好，同時也是可解釋的。

4.1.3 特征可視化的實例

盡管DNN在許多應用中提供了很高的性能，但它們的子符號計算可能有數百萬個參數，這使得人們很難準確理解輸入特征對系統推薦的貢獻。由于DNN的高性能對許多應用來說是至關重要的，因此人們對如何使它們更容易解釋產生了濃厚的興趣（見一篇評論）。許多用于解釋DNN的算法將DNN處理轉化為原始輸入空間，以便將辨別特征可視化。通常，有兩種通用方法用于特征的可視化，即激活最大化和DNN解釋。

激活最大化會計算哪些輸入特征將最大限度地激活可能的系統建議。對于圖像分類來說，這代表了理想的圖像，它顯示了每個類別的可區分和可識別的特征。然而，由于各類可能使用同一物體的許多方面，而且圖像中的語義信息往往是分散的，所以圖像往往看起來不自然。激活最大化的方法的一些例子是梯度上升法，更好的正則化方法以增加通用性，以及合成首選圖像法。

DNN的解釋是通過強調區分輸入特征來解釋系統建議。在圖像分類中，這種可視化可能會突出顯示支持或反對某個類別的區域，或者僅顯示包含區分特征的區域。計算鑒別特征的一種方法是使用局部梯度或其他變化度量的敏感性分析。然而，敏感性分析的一個問題是，它可能顯示輸入中不存在的判別特征。例如，在圖像分類中，敏感性分析可能會顯示物體被遮擋的部分，而不是可見部分。逐層相關性傳播通過考慮特征存在和模型反應來避免這個問題。

4.1.4 具體應用解釋的實例

與分類不同的是，人工智能規劃是基于動態的領域模型。Fox等人描述如何使用領域模型來解釋為什么行動被執行或不執行，為什么一些行動不能被執行，使未來行動的因果關系，以及重新規劃的需要。

由于公平性對許多人工智能應用來說非常重要，Tan等人描述了如何利用模型蒸餾來檢測黑箱模型的偏差。模型蒸餾法將更大更復雜的模型進行簡化，而沒有明顯的準確性損失。為了提高透明度，他們使用了基于淺層樹的廣義加性模型，對每個參數和兩個參數之間的相互作用進行建模。他們根據黑盒模型的系統建議訓練一個透明模型，并根據實際結果訓練一個透明模型。對兩個模型的推薦差異的假設檢驗體現了黑盒模型引入偏差的情況，然后可以通過比較兩個透明模型來診斷偏差。該系統在犯罪風險、借貸風險和卷入槍擊事件的個人風險方面進行了評估。結果顯示，一個黑盒模型低估了年輕罪犯和白種人的犯罪風險，而高估了美國本土非洲裔犯罪的風險。

4.2 脆弱性

在本節中，我們討論DNN在兩個不同方面的脆弱性。1）對輸入操縱的脆弱性和2）對模型操縱的脆弱性。我們首先看一下對輸入信號的操縱：

4.2.1 對輸入進行對抗性處理

在提供DNN的情況下，人們發現很容易調整輸入信號，從而使分類系統完全失敗。當輸入信號的維度很大時，例如圖片，通常只需對輸入中的每個元素（即像素）進行不易察覺的微小調整，就足以欺騙系統。用同樣的技術來訓練DNN，通常是采用隨機梯度法，通過觀察梯度的符號，你可以很容易地找到每個元素應該朝哪個方向改變，以使分類器錯誤地選擇目標類別或僅僅是錯誤分類。只需幾行代碼，最好的圖像識別系統就會被欺騙，相信一張車輛的圖片是一只狗。下面的圖 1 顯示了操作前后的圖像以及操作前后類的可能性。

上述方法假設有對DNN的完全訪問權，即所謂的白盒攻擊。人們發現，即使是所謂的黑箱攻擊，即你只觀察到系統的輸入和輸出類型，也是可能的。在其中，作者采用從他們想要攻擊的黑盒系統中稀疏采樣所獲得的數據來訓練一個替代網絡。鑒于替代網絡，你可以使用上述的白盒攻擊方法來制作對抗性輸入。一個學習替代網絡的替代方法被提出來，在這個方法中，遺傳算法被用來創建導致系統錯誤分類的攻擊向量。同一作者甚至表明，通常只需修改圖像中的一個像素，盡管常常是可察覺的，就能實現成功的攻擊。

圖 1：從小型貨車到西伯利亞雪橇犬。 原始圖像和操縱（對抗性制作）圖像之間的絕對差異（放大 20 倍）顯示在右側。 對抗性示例（中心）是使用 Kurakin 的基本迭代方法（BIM）生成的。

4.2.2 利用預訓練 DNN 中的隱藏后門

當設計一個DNN，但只能獲得少量的訓練數據時，通常會使用預訓練的模型來達到良好的性能。這個概念被稱為遷移學習，一個常見的應用是采用在大量數據上訓練過的模型，根據具體問題替換和定制網絡中的最后幾層，然后在最后階段（有時甚至是整個系統）利用可用的訓練數據微調參數。目前已經有大量的預訓練模型可以從互聯網上下載。那么一個相關的問題是："我們怎么知道那些上傳模型的人沒有壞心眼？"。作者在識別美國交通標志的模型中插入后門，就考慮了這種類型的漏洞。例如，一個貼紙被訓練為屬于停止標志以外的類別。然后他們表明，當使用后門（即在交通標志上放置一個貼紙）時，基于美國交通標志網絡的識別瑞典交通標志的系統會有負面的反應（大大損害了瑞典交通標志系統的分類準確性）。

4.2.3 防御方法

減少DNN對輸入信號操縱的脆弱性的一種方法是在模型的訓練過程中明確包括被操縱/對抗的例子。也就是說，除了原始訓練數據外，還產生了對抗性例子，并用于模型的訓練。

另一種方法是使用一個叫做防御蒸餾的概念。簡而言之，該方法試圖降低輸出信號只指出真實類別的要求，并迫使其他類別的概率為零。這分兩步完成。第一步是對DNN進行常規訓練。在第二步，將第一個神經元網絡的輸出（類別概率）用作新的類別標簽，并使用新的（軟）類別標簽訓練一個新的系統（具有相同的架構）。這已被證明可以減少漏洞，因為你沒有把DNN與訓練數據貼得太緊，并保留了一些合理的類間關系。

其他防御方法，例如特征壓縮技術，例如均值或中值濾波或非線性像素表示，例如單熱或溫度計編碼。

不幸的是，所描述的方法都不能完全解決漏洞問題，尤其是如果攻擊者對模型和防御方法有充分的了解的話。

4.3 數據

在軍事背景下開發基于ML的應用是具有挑戰性的，因為軍事組織、訓練設施、平臺、傳感器網絡、武器等的數據收集應用最初不是為ML目的設計的。因此，在這個領域，往往很難找到真實世界的、高質量的、足夠大的數據集，可以用來學習和深入理解的。在本節中，我們將探討即使在有限的訓練數據中也可以用來建立ML應用的技術。

4.3.1 遷移學習

遷移學習（也在第4.2.2節中提到）是一種技術，通常在數據集較小和計算資源有限時使用。這個想法是在開發針對其他類似任務的新模型時，重復使用通常由 DNN 表示的預訓練模型的參數。至少有兩種方法可用于DL應用中的遷移學習：

• 重新學習輸出層：使用這種方法，預先訓練好的模型的最后一層被替換成新的輸出層，與新任務的預期輸出相匹配。在訓練過程中，只有新輸出層的權重被更新，其他的都是固定的。
• 微調整個模型：這種方法類似于第一種方法，但在這種情況下，可能會更新整個 DNN 的權重。 這種方法通常需要更多的訓練數據。

事實證明，遷移學習也可以提高模型的泛化能力。然而，隨著源任務和目標任務之間距離的增加，遷移學習的積極作用往往會減少。

4.3.2 生成性對抗網絡

生成性對抗網絡（GANs）是由Goodfellow等人發明的，是一種生成模型，可用于半監督學習，其中將一小組標記的數據與一大組未標記的數據相結合以提高模型的性能。基本的GAN實現由兩個DNN組成，分別代表一個生成器和一個判別器。生成器被訓練成產生假數據，而判別器被訓練成將數據分辨為真實或虛假。當這兩個網絡同時被訓練時，一個網絡的改進也會導致另一個網絡的改進，直到最后達到一個平衡。在半監督學習中，生成器的主要目標是產生未標記的數據，用于提高最終模型的整體性能。除了半監督學習之外，GANs還被用于：

• 重建：填補部分被遮擋的圖像或對象的空白部分。
• 超分辨率：將圖像從低分辨率轉換為高分辨率。
• 磁帶到圖像的轉換：將圖像從冬天轉換為夏天，從夜晚轉換為白天，等等。這項技術的一個軍事應用是可以將夜視圖像轉換為日光圖像。

4.3.3 建模和仿真

建模和仿真已被軍隊廣泛用于培訓、決策支持和研究等。因此，有很多經過長期驗證的模型，也有可能被用于生成ML應用的合成數據。例如，飛行模擬器可以用來生成置于不同環境中飛機的合成圖像。在這種情況下，標簽是自動的，因為在生成合成圖像之前，飛機的類型是已知的。然而，不足為奇的是，在將模型應用于真實世界的圖像時，使用合成圖像可能會導致性能不佳。目前正在探索的一種方法是采用GANs增強合成圖像，使其具有照片般的真實性。這種方法已經得到成功的應用。

5 結論

人工智能最近的突破正在逐漸達到可以用于軍事應用的地步。 該論文描述了在監視、水下魚雷戰和網絡安全中使用人工智能的一些可能性。 其他潛在應用包括使用半自動駕駛車輛和傳感器系統進行偵察、在具有長時間要求的防空系統中進行威脅評估、新興模式的情報分析、指揮和控制系統以及教育和培訓。 然而，人工智能的軍事應用需要考慮以下方面的挑戰：

• 確保模型性能符合軍事要求的透明度。
• 脆弱性可能會導致系統性能大幅度降低。
• ML的訓練數據不足。

專注于人工智能的透明度、可解釋性和可解釋性問題的研究人員已經取得了許多進展。這些進展中的許多部分也都可能被用于軍事人工智能應用中。然而，需要進行更徹底的需求分析以了解如何利用這些研究成果。軍事需求在風險、數據質量、法律要求等方面與一般情況相比非常不同，有些類型的透明度甚至可能不適用。此外，還需要對如何利用社會科學研究來提高人工智能的可解釋性進行更多研究。未來的研究還應該包括如何充分利用在視覺分析研究領域中開發地豐富的可視化技術。

由于目前還沒有解決脆弱性問題的有效方案，因此在監測這一研究領域不斷尋找有希望的解決方案非常重要。然而，在這種解決方案出現之前，有必要盡量減少外部對模型和防御技術的訪問。否則，對手可能會試圖利用這些漏洞來為自己謀利。

最后，遷移學習使其有可能將預先訓練好的模型應用于訓練數據和計算資源都有限的軍事應用。GAN是另一種有很前途的技術，它能夠采用標記的和未標記的數據進行學習（半監督學習）。GAN也可以與仿真結合使用，以提高合成的訓練數據的真實性。