目的

《賽博導論》的目的是介紹 "賽博（Cyber）"這一主題，主要是在國防范圍內，但也包括工作和家庭中的日常生活方面。它是閱讀英國國防部的賽博和電磁概念和條令的基礎。

背景

賽博能力對國家安全和繁榮至關重要，在保護利益免受外部和內部威脅方面發揮著不可或缺的作用。賽博活動不能由一個政府部門或機構單獨負責，每個部門都有自己的經驗和專長；英國防部只是整個社會工作中的一個合作伙伴。

賽博安全和復原力在英國防部內至關重要，因為武裝部隊在英國和世界各地的行動中都依賴于數字技術、平臺、數據、信息和通信系統。對手的活動對這些系統和行動構成了真實和快速發展的威脅。

賽博空間和相關技術充滿了改善工作和生活方式的機會；它們為經濟和繁榮做出了巨大貢獻，但它們也帶來了需要注意的新危險。賽博活動對軍事活動的影響，無論是積極的還是消極的，都要求國防人員以及與國防有關的人員了解對'賽博'的依賴程度。

這本初級讀物特意將賽博作為重點。雖然提到了更廣泛的電磁環境，但這是為了在必要時提供背景參考。

結構

該出版物分為四章，并有詞匯和資源部分的支持。以下是各章內容的詳細介紹。

a. 第1章 - 賽博基礎知識。第1章介紹了基本術語，并從國家政策和戰略角度介紹了網絡。該章解釋了網絡空間的性質和特點以及網絡和電磁領域。該章還強調了適用的法律，并在結論中探討了國際參與的重要性。

b. 第2章--賽博威脅。第2章概述了：來自賽博空間的威脅；威脅者的范圍；賽博攻擊的特點和使用的不同工具和技術；以及賽博威脅的緩解。本章最后的附件2A詳細介紹了七個案例研究。

c. 第3章--賽博功能。第3章探討了四種軍事賽博行動的作用--影響、防御、啟用和信息，這些作用由賽博能力通過進攻和防御賽博行動、賽博安全和賽博威脅情報來實現。該章還審查了信息管理，最后探討了賽博與其他密切相關的軍事職能之間的關系。

d. 第4章--賽博戰。第4章探討了目前賽博能力是如何組織起來并與軍事行動相結合的，并提供了一些有關賽博指揮和控制的細節。

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

引言

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

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

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

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

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

1. 戰略與人工智能

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

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

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

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

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

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

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

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

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

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

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

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

2. 條令與人工智能

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

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

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

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

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

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

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

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

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

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

3.規劃和人工智能

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

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

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

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

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

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

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

4. 交戰規則與人工智能

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

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

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

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

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

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

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

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

5. 作戰命令與人工智能

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

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

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

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

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

結論

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

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

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

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

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

近年來，虛擬和增強現實（VR/AR）解決方案的技術和可用性都有了很大的提高。具有成本效益的商業現貨（COTS）產品的出現，以及技術系統性能的提高，促進了新一輪發展，試圖在學習和培訓領域采用VR和AR技術。由此，美國防部（DOD）內外的許多組織已經開始使用這些系統來增強或完全取代目前的訓練方法，如實彈演習或公海航行。然而，美國防部在一定程度上被劃分為不同的服務部門，每個部門都獲得了最適合其任務的培訓解決方案。這可能導致美國海軍（USN）有VR和AR訓練能力，但美國海岸警衛隊（USCG）可能不知道它們的存在。探討如何重新利用一個團體的現有訓練解決方案和方法來支持另一個團體的需求，有可能大大減少開發全新的訓練系統所需的時間和財政投資。

在討論VR/AR培訓能力時，了解什么是VR以及它與AR和混合現實（MR）的區別很重要。Kishino和Milgram詳細說明了VR和AR之間的區別是一個連續體，而不是一個硬性的分離[1]。在這個連續體中，VR與虛擬環境有關，用戶 "沉浸在一個完全合成的世界中，并能與之互動"，而AR是在真實環境上實施計算機生成的（虛擬的、合成的）覆蓋物。對于一個系統來說，它必須能夠滿足四個具體的標準：它代表一個計算機生成的虛擬世界或虛擬環境，為用戶提供沉浸在該生成的虛擬世界中，產生對用戶的實時感官反饋，最后允許用戶與同一虛擬世界進行互動[2]。

本論文研究了在培訓項目中使用不同的VR/AR系統和模擬器所能實現的優勢，以及如何開發一種系統工程（SE）方法來分析這些項目。該方法可用于評估不同組織之間轉移和適應VR和AR培訓系統的可行性。同樣的方法可以幫助決策者在評估VR/AR培訓系統及其在其組織中的可能使用時做出更明智的決定。

本論文提出了一個系統地圖形式的決策工具，該工具使用不同的SE原則的組合來進行需求評估，并制定代表擬議培訓目標的要求。這使得決策者能夠將提議的培訓目標與目前可用的培訓方法進行比較，并確定這些VR和AR培訓方法是否能夠充分滿足新的培訓需求。為了進行這種評估，本論文著重于兩種SE價值層次方法：Pugh矩陣和成本效益分析（CBA）。在Pugh矩陣中，一個基線系統或系統的組成部分與一組類別中的備選方案進行比較，以確定一個總體表現更好的方案[3]。CBA允許用戶根據每個類別的重要性提供權重[4]；CBA還將成本因素納入分析的一個單獨部分。在所調查的領域中，所比較的系統是不同的VR、AR和模擬器訓練方法，而類別是根據從現場訪問和研究中收集的數據確定的。

雖然本論文的重點是使用VR、AR和訓練模擬器的訓練方法，但許多原則可以在其他領域使用或復制。系統映射的基礎是由標準的SE原則發展而來的，并且可以在其他應用中找到；很好的例子是風險評估[5]和通過系統的流量評估[6]。隨著SE方法的正確應用，系統的開發和整體決策過程可以得到極大的改善。這可以幫助防止未來的返工、重新開發，或對系統進行徹底的檢修。

本論文中提出的研究遠非包羅萬象。在現存的全部軍事基地中，由于時間和資金的限制，只訪問了一小部分；作者確保了本研究中訪問的設施在沒有訪問的地方通常都有訓練解決方案。研究的重點是美國海軍和美國海軍陸戰隊到美國海軍陸戰隊的訓練系統的使用情況，所以對美國空軍、陸軍和外國軍隊開發的潛在系統收集的數據非常少。未來可以對其他領域進行分析，以進一步擴大制圖系統的范圍，使決策得到改善。

軍隊對VR/AR的有限使用也限制了研究。如前所述，被確定為經常使用的訓練輔助工具大多是模擬器。大型模擬器支持團隊體驗和以團隊為中心的技能培訓。它們使用的界面是來自操作環境的實際用戶界面的模擬，并帶來了VR或AR環境可能缺乏的真實性水平。它們也更適合于練習技能整合，隨著時間的推移，它們成為具有明確資金線的記錄項目。因此，它們成為比VR/AR更頻繁的訓練選項并不奇怪。

任何組織都必須處理的一個不可避免的問題是獲取和維護任何培訓系統的成本。提供給USCG的預算不多，重要的是決策者在最大限度地提高潛在的培訓效益的同時盡量減少成本。例如，如果有一些培訓課程會從擁有大型設施中受益，但不經常進行，同樣的設施可以在主要地點，而不是在每一個裝置中。這最大限度地減少了所需設施的數量，但卻導致了旅行費用的增加。美國海軍陸戰隊還可以研究與其他地方軍種共享設施，或建立聯合設施，讓兩個群體都能受益。

這項研究發現沒有使用COTS VR/AR系統的訓練輔助工具。考慮到該技術的成熟程度，這些類型的顯示解決方案沒有被使用到預期的程度。很少有培訓方案利用了現成的COTS VR系統的優勢。大型訓練模擬器的工作人員都是經過培訓的，以支持受訓者提高他們的技能組合。另一方面，VR/AR培訓方案通常作為個人培訓方案使用。由于他們的足跡相當小，而且與大型模擬器相比，解決方案價格低廉，所以這種類型的培訓最有可能在個人的指揮部進行。雖然VR/AR訓練資源的可負擔性和分布是一件好事，但這些訓練系統的管理將把負擔放在個人或該指揮部的高級成員身上。此外，對負責培訓的組織來說，跟蹤培訓的進展將更加困難。

在實施任何COTS VR/AR培訓項目之前，還有其他幾個障礙需要解決。其中最大和最困難的是它被潛在的受訓者采用。除了培訓系統，人們還需要創建一個完整的培訓方案，包括一套高質量的場景、培訓計劃、對知識和技能掌握的綜合評估、進度跟蹤等。同樣的培訓方案還需要在潛在的采用者中進行宣傳，并由能夠提供這種影響的個人認可其使用。作為這一過程的高潮，成為記錄程序將為這一努力提供急需的持久性。

雖然COTS VR/AR培訓解決方案在實施和被大量潛在用戶采用方面面臨著障礙，但其使用仍有很大的潛力。許多軍事培訓項目表明，提供支持沉浸式和用戶互動的培訓系統可以提高受訓者的參與度和學習意愿。用交互式的虛擬模擬取代靜態的power point材料的能力可以使個人掌握復雜的概念，并消除傳統培訓方法的乏味性。

人工智能（AI）系統很可能會改變軍事行動。本文探討了人工智能系統如何影響準備和進行軍事行動的主要工具，并受其影響。因此，本文在戰略、理論、計劃、交戰規則和命令的背景下分析和討論了人工智能，以確定機會、挑戰和開放性問題的位置，并提出總體意見。本文采取了一個廣泛的分析角度，能夠根據新的政策和技術發展以及對政治、軍事、法律和道德觀點的考慮，對這一問題進行總體審查。因此，本文提供了一些見解和途徑，以推動對人工智能在軍事行動中的適當整合、管理和使用的進一步思考、研究和決策。

許多軍事人工智能的研究和開發資金是針對短期內可以實現的戰術級系統的改進。在這里，人工智能（AI）的潛在好處往往受到感官輸入質量和機器解釋能力的限制。然而，為了充分理解人工智能在戰爭中的影響，有必要設想它在未來戰場上的應用，傳感器和輸入被優化為機器解釋。我們還必須嘗試理解人工智能在質量上和數量上與我們的有什么不同。本文介紹了綜合作戰規劃過程中自動化和機器自主決策的潛力。它認為，人工智能最重要的潛力可能是在戰役和戰略層面，而不是戰術層面。然后探討了更多機器參與高級軍事決策的影響，強調了其潛力和一些風險。人工智能在這些情況下的應用發展應該被描述為一場我們輸不起的軍備競賽，但我們必須以最大的謹慎來進行。

1 引言

目前，人工智能（AI）的民用發展大大超過了其在軍事方面的應用。盡管知道網絡將是一個重要的未來領域，但國防部門還沒有習慣于數字-物理混合世界，因此，國防部門與新的社會技術的顛覆性變化相對隔絕。在軍事上運用人工智能的努力往往集中在戰術應用上。然而，人工智能在這些領域的好處受到輸入傳感器的限制，它們被用來復制人類的行為，并在需要與物理環境互動的角色中使用。在作戰和戰略層面上，軍事總部的特點是信息的流入和流出。如今，這些產品無一例外都是完全數字化的。考慮到作戰計劃的過程，可以看出，即使在目前的技術水平下，其中有很大一部分可以可行地實現自動化。這種自動化的大部分并不構成可能被理解的最純粹意義上的人工智能，即 "擁有足夠的通用智能來全面替代人類的機器智力"。然而，軟件可以在特定任務中勝過人類的事實，再加上高級軍事決策過程被細分為此類特定任務的事實，使其成為比較人類和機器決策的優點、限制和能力的有用工具。這樣做，人類的能力似乎有可能被輕易取代。因此，追求軍事決策自動化的動機肯定是存在的。本文討論了部分自動化軍事決策的潛力和實用性，并想象了為這些目的無限制地發展人工智能可能帶來的一些風險和影響。

美陸軍網絡部隊的技能和能力在其成立后的十年里得到了增長。本文重點介紹了美陸軍網絡任務部隊部分所需的結構性變化，這些變化將使其繼續增長和成熟，因為陸軍過去的組織和結構性決定對當前和未來的效率和效力帶來了挑戰。對當前形勢的評估強調了軍事領導層必須解決的領域，以使陸軍的網絡部隊繼續發展以滿足多領域行動的需要。

訓練和裝備一支能夠在新領域開展行動的新軍事力量是一個反復的過程。美國上一次開始這樣的工作是在二十世紀初，航空部隊的誕生和空域的出現。戰術、部隊結構和利用新能力的戰略是在建立軍事航空后發展起來的，但由于當時缺乏危機感而被界定和限制。第二次世界大戰迫使空軍迅速成熟，并導致了美國陸軍航空隊的建立，這是一支為應對空域挑戰而設計的有凝聚力的戰斗部隊。像陸軍航空隊一樣，陸軍的網絡部隊正在達到成熟，擁有切實的能力和對對手的作戰經驗，并將受益于評估先前的組織和人事決定的影響，為多領域行動做準備。

對軍事網絡的重大和復雜的入侵為美國網絡司令部（USCYBERCOM）的成立提供了動力，并使網絡空間與空中、海上、陸地和太空一起成為作戰領域。美陸軍和國防部（DoD）已經在建立該領域的能力方面取得了重大進展。 從部隊結構的角度來看，主要的亮點包括：

• 在2010年建立美國陸軍網絡司令部（ARCYBER）。

• 通過在2011年創建第780軍事情報旅（網絡）來組建一支進攻性網絡部隊。

• 在2014年創建網絡保護旅（CPB），以容納防御性部隊。

• 在2019年建立第915網絡空間戰營（CWB），以滿足戰術網絡空間電磁活動的要求，以及所有網絡任務部隊（CMF）小組；以及

• 在2018年實現全面作戰能力。

在人事方面，陸軍在2014年成立了網絡部，并在2018年整合了電子戰。最近，陸軍正式確定了網絡空間能力發展官員/準尉軍事職業專業（MOSs），以提供設計和創建特定網絡空間能力的有機能力。

從理論到培訓再到組織，該部門和網絡單位不得不確定需求，進行試驗，并制定解決方案，以滿足不斷變化的網絡空間行動的需求。在這篇文章中，我們研究了與兩個最初的部隊結構決定相關的挑戰，并提供了克服這些挑戰的考慮。

首先，當陸軍創建其網絡部隊時，進攻性和防御性網絡行動被隔離在兩個不同的獨立旅內。歷史上的分界繼續存在，并帶來了意想不到的后果。盡管創建了一個新的分支和軍事職業專業，但將進攻性網絡行動（OCO）和防御性網絡行動（DCO）分開的組織決定對人員和資源產生了負面影響。

其次，這些單位有復雜的指揮系統，有獨立的行政控制（ADCON）和作戰控制（OPCON）關系。目前，網絡小組的作戰指揮與小組的行政和領導不一致，包括人員評級、財產問責、統一軍事司法法典的權力和指揮本身（例如，連長跟蹤網絡小組的訓練和醫療準備，而小組負責人負責日常運作）。這些復雜的問題造成了混亂和驚愕，并阻礙了統一的努力。

雖然這些組織決定是經過深思熟慮的，也是出于行動的需要，但它們阻礙了陸軍網絡部隊內部的統一行動，造成了組織和行動上的損失。整個聯合網絡社區正在進行反省。隨著所有的CMF團隊最近實現了充分的操作能力，美國網絡司令部正在評估其目前的規模，并要求陸軍和空軍派遣更多的團隊。 為了給網絡空間帶來更統一的方法，空軍通過重新指定和重新分配第67網絡空間聯隊下的幾個單位來重新調整其內部組件的結構和組成。 現在是重新審視陸軍內部結構以更好地支持網絡空間行動的理想時機。如果陸軍忽視了過去因需要而做出的決定的影響，而不重新評估其有效性，那將是一種失職。本文認為，美陸軍必須在網絡部門內部推動更大的團結，使該組織作為一支有效的網絡空間戰斗力量繼續前進。

摘要

在21世紀，人工智能侵入了我們生活的各個方面。它通過獲取、存儲和回憶信息，幫助用戶建立對周圍世界的更好理解。最令人震驚的是，每個手機擁有者隨時可以獲得的處理能力超過了第一代計算機的能力。在這種計算能力在私營企業中如此普遍的情況下，軍隊如何將這種技術融入其規劃方法，即軍事決策過程？這項研究探討了人機合作，因為它與陸軍師級的規劃有關。

這項研究解構了MDMP，并提出了與現有人工智能技術及其計算能力，以及人類理解和創造能力相結合的建議。這項分析闡明了通過伙伴式理解的概念獲得的一些流程效率；隨著人工智能學會如何為用戶處理信息，用戶對他們的操作環境獲得了更深的認知理解。這方面的工作也探討了這種整合的成本。

1 簡介

1.1 背景/概述

• "2025年5月21日，為應對一場新出現的危機，該師司令部啟動了一個作戰計劃小組（OPT）。就在幾個小時前，這個陸軍師收到了即將在未來幾周內部署的通知。這種情況發生在初夏，伴隨著一系列獨特的人事挑戰--夏季永久換崗（PCS）季節。由于即將離任的主要工作人員即將離開，而替代人員尚未到達，工作人員的人手并不充足。在剩下的成員中，有些人在所分配的職位上經驗有限，或者從來沒有在陸軍師一級進行過規劃。這個OPT需要審查作戰命令（OPORD），同時還要補充必要的細節，使計劃可以執行。他們沒有足夠的時間向組織的領導者和決策人--司令部提出可行的方案。在審查OPORD、指導團隊新成員、更好地了解作戰環境之外，OPT還必須了解不斷變化的危機的動態，并提出適當的、有效的反應。"

上面的例子在作戰人員的世界里并不是很少發生的。作戰計劃小組必須利用他們的現有資源，最重要的是他們的專業軍事判斷和時間，制定一個計劃供指揮官批準。他們的許多計算、估計和評估將完全取決于他們的集體經驗、理論知識和一些最佳猜測。根據這些計劃和整個陸軍和更大的美國國防部的作戰計劃小組的估計而調整的國家資產，主要是由數據驅動的。將這些數據關聯起來，以更及時的方式提供更精確的人員估計，無疑可以幫助工作人員適應作戰環境，并創造出更多高質量的行動方案、分支和續篇。此外，隨著戰斗的步伐和復雜性的不斷增加，由于通過技術的相互聯系，人類反應、計劃和執行持久行動的認知能力將難以跟上。人工智能技術，總體而言，可能提供了最好的機會，以加強和增強計算解決問題的任務，并減少作戰級規劃人員目前經歷的認知過載。這項技術有可能影響美國陸軍部隊規劃和執行戰爭的方式。

研究的意義

這項研究之所以重要，主要有兩個原因。美國陸軍使用相同的基本規劃方法，即軍事決策過程（MDMP），開展軍事行動已有46年。然而，隨著人工智能在社會應用中的增加，陸軍尚未確定人工智能技術如何在智能任務指揮系統（如XXI部隊旅及以下戰斗指揮系統（FBCB2））之外幫助決策。

其次，思想的全球化已經將人工智能推到了下一次技術革命的前沿。正如20世紀對太空主導權的爭奪刺激了世界主要大國的國家投資一樣，人工智能在21世紀也開始有同樣的投資優先權。人工智能的任何一個領域的重大突破都可能創造出一個在短期內證明不可能克服的優勢。最重要的是，由于我們在政府和私營企業中的信念與敵對國家背道而馳，陸軍和美國處于不利地位。只要專注和精確，軍隊可以從人工技術和軍事規劃的融合中大大受益。

術語的定義

由于本討論的技術性質，術語表是最合適的。以下術語貫穿本專著，為參考提供了基礎。

認知計算--利用各種人工智能技術進行大規模學習、有目的的推理并與人類自然互動的系統

知識庫--精心策劃的數據集或數據體，用作機器學習和認知計算系統的基線。

策劃的數據集--深度學習網絡的基礎知識數據集。

深度學習 - 人工智能的一個方面，涉及模仿人類用來獲得某些類型知識的學習方法。

專家系統 - 人工智能的一種形式，在一個特定的研究領域或專業領域內保持知識。

攝取 - 人工智能系統接收數據的過程。

自然語言處理 - 計算機系統的能力，使用世界知識，通過口頭輸入或書面/打字文本來處理和操作語言，與人類對話。

神經網絡 - 一組處理單元，結構上受人腦啟發，在深度網絡學習中結合一組輸入值產生一個輸出值。

機器學習 - 一個統計過程，從一組數據開始，推導出解釋數據的規則或程序，同時預測未來數據。

伙伴式理解--用戶和人工智能系統之間的迭代對話，其中用戶從系統中獲得更深入的理解，而人工智能系統則獲得對其數據集使用的理解。

強人工智能/通用人工智能--人工智能系統能夠在廣泛的認知任務中表現出明顯的智能行為，至少與人類一樣先進。

弱人工智能/狹義人工智能--人工智能系統能夠成功完成簡單或高度具體的應用。

限制因素

人工智能技術正在通過私營行業的研究和開發迅速發展。因此，某些技術的許多能力和規格都是專有性質的。這種知識產權的發布對這項研究來說是非常有限的。

假設

本研究假設陸軍師的帶寬分配不會因為作戰人員信息網絡--戰術（WIN-T）的取消而大幅減少或增加。本研究還假設陸軍師在理論上與《戰地手冊》3-94戰區陸軍、軍團和師級行動以及陸軍訓練出版物3-91師級行動的雇傭、組成和能力保持一致。本研究假設在本研究涵蓋的未來五年內，人工智能技術不會有重大突破。最后，本研究假設美國陸軍師提供更強大的網絡帶寬、人員冗余以及與戰場前沿的距離，這將優化人工智能技術的實施。

專著的組織

本專著將直接對人工智能歷史和理論進行簡要概述，以提供對該技術的基礎性理解。隨后，技術系統和軍事規劃的歷史整合將提供與建議在未來應用的相關背景。對MDMP的分析將確定人工智能技術是否可以利用私人產業中的應用進行整合。本專著將討論將人工智能技術納入作戰計劃的潛在權衡和副作用。最后，結論提供了進一步研究和應用的結果和建議。

（第2-3章關于AI的發展綜述請查看原文）

4 戰役層面的規劃

軍事規劃是指令性行動的結果。國家指揮機構指示解決沖突的選項，而軍隊則尋求完成所需的狀態。從本質上講，軍事規劃是一種確定和實施解決方案的手段。在介紹的例子中，相對于應急計劃中完成的研究和規劃工作，作戰規劃小組需要提供與當前作戰環境相關的選擇。技術革命從根本上增加了全球環境的互動復雜性，影響了作戰環境中的區域行為者。美國陸軍學說，特別是陸軍學說參考出版物（ADRP）5.0作戰過程，將規劃定義為 "理解的藝術和科學，設想一個理想的未來，并制定有效的方法來創造這個理想的未來。"對于作戰層面的戰爭，在本專著的其余部分，這被稱為作戰規劃。

在聯合出版物或美國陸軍理論中沒有關于戰役層面規劃的具體定義。然而，作戰水平是國家軍事戰略目標和部隊戰術運用之間的聯系，重點是設計、計劃和使用作戰藝術執行行動。AJP-5將戰役層面的規劃定義為 "在戰役層面進行軍事規劃，以設計、實施和維持戰役和主要行動，從而在特定的戰場或行動區完成戰略目標"。

在這個層次的戰爭中，規劃將戰略轉化為行動。戰役層面的規劃也是概念性規劃和指揮藝術與詳細規劃和控制科學的結合點。這一層次的規劃也最專注于軍事解決方案，在很大程度上擺脫了與戰爭政治相關的模糊性。贖罪日戰爭后的主要行動更關注于實現軍事目標，而不是參與戰爭政治。此外，行動的重點是奪取、保留或利用主動權。例如，在 "沙漠風暴 "戰役的規劃階段，由高級軍事學院培訓的戰役層面的規劃人員不太關心其計劃的政治影響，而是關心如何利用行動藝術來實現軍事目的。

作戰藝術是一種產生理解的工具。因此，戰役規劃在很大程度上依賴于指揮官正確構思問題并將一系列可能的解決方案可視化的能力。陸軍理論指出，作戰藝術是指揮官和參謀部制定戰略、戰役和行動的認知方法，通過整合目的、方式和手段來組織和運用軍事力量。通過對戰術行動在時間和空間上的排序，指揮官和參謀部可以組織系統地擊敗敵對勢力，或在戰役級別規劃開始時確定的戰略目標。與任何級別的規劃一樣，參謀部的經驗對于建立共同的理解尤為關鍵，而且隨著戰爭領域內的行動隨著時間的推移不斷擴大，參謀部的價值將繼續增加。

參謀部很重要，因為他們提供了必要的洞察力，使指揮官能夠做出明智的決定。通過批判性思維、知情分析和經驗，參謀部協助指揮官了解情況，做出并實施決策，控制行動，并評估進展。這些職能推動了行動過程，這是美國陸軍行動層面規劃的基礎框架。

美國陸軍有三種規劃方法，能夠對部隊的使用進行規劃。陸軍設計方法（ADM）和軍事決策程序（MDMP），分別作為戰爭戰略和戰役層面的渠道，而部隊領導程序（TLPs）則只在戰術層面上實現行動。指揮官和參謀部根據問題的復雜性、可利用的時間和參謀部的可用性來決定和使用這些方法的適當組合。沿著規劃的連續性，行政管理的性質大多是概念性的。行政管理的抽象性主要是由于它要解決的業務問題的復雜性。MDMP通過技術還原和基于系統方法的解決方案，很容易解決結構良好的問題。然而，當問題變得更加模糊和不可預測，或結構不良時，軍隊設計方法學提供了批判性和創造性思維的工具，以理解、可視化和描述不熟悉的問題和解決它們的方案。ADM幫助指揮官和參謀部匯總最相關的事實，并提供一種操作方法，以幫助過渡到更詳細的規劃方法，MDMP。雖然概念性規劃需要一些數據來確定進入戰區的力量流動，但MDMP創造了規劃中的大部分詳細行動（圖6）。

圖6. 美國陸軍的規劃方法。美國陸軍，FM3-0，1-20。

軍事決策過程是詳細規劃的起點。MDMP是迭代的、更加明確的規劃方法，建立了將ADM的解決方案框架中表達的概念操作化的框架。MDMP是協作性的，使指揮官和參謀部能夠理解、可視化和描述作戰環境，推進制定執行行動方案的進程。它由一系列的步驟組成，有獨立的輸入和輸出。產出導致了對作戰環境的進一步理解，并促進了MDMP的下一步工作。MDMP在很大程度上是有順序的，這證明了這個過程的嚴格性。MDMP可能是非常耗時的，而且高度依賴于工作人員的知識水平、熟練程度和客觀性。

4.1 MDMP的人為因素

與任何組織一樣，該部門的工作人員都會帶有無意識的偏見、別有用心的動機和由每個人的經驗所形成的判斷。這些內部動態和戰爭本身一樣，都是人類的屬性。在規劃和決策中，人類的認知偏差是不可避免的，除非工作人員制定了審慎的、客觀的策略來確認假設和調整范式。偏見主要是由于直覺判斷造成的，作者丹尼爾-卡尼曼稱之為系統1思維。利用自然發展的啟發式方法或經驗法則，軍事規劃人員建立了匆忙的認知 "框架"，在其中對信息進行分類和處理，從而提高認知效率。 雖然不是所有的偏見都是壞事，但在規劃世界各地的軍事行動時，如果沒有意識到自己的心理傾向，就可能是負面的。

指揮官和參謀人員需要了解作戰環境，以實現共同理解，不僅是為了開展軍事行動，而且是為了敘事，這些軍事行動將向更大的受眾傳播。人工智能可以支持更多的知情決定，同時盡量減少人類的一些明顯的認知偏差。最近在阿富汗使用的人工智能 "瑪文項目 "在減少人類偏見方面被證明是有希望的。算法跨功能團隊讓我們看到了人機合作的潛力。

5 人工智能用于“戰役層面的規劃”

新興技術與戰爭的結合是一種歷史上出現的現象。自從從長矛和劍過渡到箭和手炮以來，先進的技術不斷提高戰爭的殺傷力和破壞力。然而，并非所有的技術創新都與 "前線戰斗"有關。例如，當普魯士陸軍總司令赫爾穆特-毛奇（Helmuth Moltke）將復雜的鐵路系統納入普魯士的動員計劃時，這項技術主要支持他的后勤和人員補充，積極影響他的作戰范圍。這種 "前線背后 "的技術與機槍的發展和使用不同，機槍直接促進了第一次世界大戰期間塹壕戰的殺傷力的增加。未來的戰爭也呼應了同樣的觀點。

從概念上講，過渡到一個多維的戰場，人工智能技術可以作為 "傳感器"、"戰斗機 "和 "規劃者"，或其中的組合來使用。每種角色都對軍事手段的實施和應用有促進作用--在 "前線"，或在 "后方"。無人駕駛飛行器（UAV）提供了一個前線傳感器和戰斗能力的例子，這取決于其變體和有效載荷。致命自主武器（LAW）是使用人工智能技術作戰的另一個例子。

直到最近，用于感知和戰斗的人工智能技術是最常見的就業建議。然而，規劃中的人工智能正開始作為 "第三次抵消戰略"的一個要素重新出現，利用新興技術來增強技術優勢。從美國國防高級研究計劃局（DARPA）的戰略計算倡議開始，到當代的機器人和自主系統戰略，美國國防部正在繼續努力將技術融入軍事行動。

DARPA戰略計算倡議

美國國防部高級研究計劃局（DARPA）于1983年制定了戰略計算計劃，作為資助和開發日益有效的人工智能軟件的一種手段。該計劃將智能機器作為一個由相互關聯的子系統組成的單一問題來處理。通過大學和工業界的合作開發子系統，戰略計算計劃可以規劃出這些系統與現有技術的連接和接口。從一開始，戰略計算計劃就有很高的雄心壯志；預測在計劃結束時能實現完全自動化的機器智能，而這是在十年后。該計劃試圖分析和回答有關規劃任務的支持或自動化的關鍵問題。研究后來發現，開發完全自動化的規劃軟件既不可能，也不被軍方認為是可取的，但一個支持人類能力的系統是可行的。

這個時代的兩個擬議的軍事應用以專家系統和自然語言理解為中心。通過創建一個有能力解決問題、提供建議、預測并在狹窄的考慮范圍內提供理由的專家系統，開發者試圖為軍事規劃者創建一個知識體系。這種能力將與自然語言理解協同運作，使機器有能力理解自然語言作為一種交流界面。然而，20世紀80年代的計算機技術無法解釋本地語言，也無法可靠地對該信息采取行動。相反，用戶必須使用一種風格化的、正式的計算機語言和非常有限的關鍵詞來向計算機發出命令。雖然當時的技術不支持這一概念，但這一努力所產生的對話將落實到其他具有意義的項目中。

DARPA后來與MITRE公司和卡耐基梅隆大學合作開發了動態分析和重新規劃工具（DART），以分析智能規劃系統的可行性。作為一個基于人工智能的決策支持系統，它在波斯灣戰爭期間被用來確定在世界各地運輸軍事物資的物流要求。美國運輸司令部和歐洲司令部報告了這個項目的成功，因為它抵消了DARPA之前30年的資金使用。在接下來的20年里，這個項目將發展成為聯合發展和執行助理（JADE），一個支持在最短的時間內（一小時）制定大規模、復雜的部署計劃的規劃工具。JADE與聯合行動規劃和執行系統（JOPES）對接，產生今天仍然使用的時間階段性部隊部署數據（TPFDD）。DART和JADE是非常實用的程序，因為它們使軍事規劃人員能夠在問題發生之前就識別和預測。這些系統卸載了人類操作的認知任務，"提示 "這些規劃者計劃中的摩擦點。不幸的是，這些系統采用的人工智能水平高于操作水平，使戰術規劃人員無法使用它們。

ARES項目

美國陸軍通信電子司令部（CECOM）進行了平行的努力，建立了ARES項目，這是一個使軍團級規劃者能夠進行決策的助理系統。ARES項目是一項基礎研究和探索性開發，調查1986年陸軍軍團級組織對人工智能方法和工具的應用。ARES的目標是展示一個基于人工智能的輔助系統，為未來的行動進行規劃并控制正在進行的行動。使用地形分析、形勢分析和行動方案生成工具，該系統以最大限度地提高人機界面為導向。這些能力支持了規劃人員，減少了對緊張環境的認知壓力。

然而，作戰研究發現，當規劃人員必須考慮具有不同能力的若干執行機構的同時行動時，人工智能規劃理論有一個重大問題，即過于復雜。雖然ARES項目未能完成其最初的目標，但其對地形分析和士兵-機器互動的關注將未來的研究重點轉移到智能系統上，刺激了XXI部隊系統的創建。雖然這些系統是有用的，但它們只是提供態勢感知，而不是人工智能系統所要的任務自動化。此外，這些系統為先進的電子戰產生了一個可瞄準的信號，這是復雜戰場的一個缺點。

第三次抵銷戰略

第三次抵消戰略是一項克服對手均勢、減少軍事力量結構和下降的技術優勢的計劃。這項多年的努力為一系列的重點領域提供了方向和資金。這些領域包括反介入和區域拒止（A2AD）、制導彈藥、海底戰、網絡和電子戰、人機合作以及兵棋推演和概念開發。第三個抵消戰略解決的主要問題之一是，美國有可能危險地落后于那些在先進技術上投入大量資金且沒有自我約束的潛在對手。隨著該戰略繼續在一個概念下調整目的、方式和手段，諸如機器人和自主系統戰略等附屬倡議有非常集中的努力來支持該戰略。

機器人和自主系統戰略

為了應對近似競爭對手的全球部隊現代化努力，美國陸軍在2017年制定了機器人和自主系統戰略（RAS），在一段時間內對投資和能力重點進行優先排序。RAS有五個能力目標：提高態勢感知，減輕士兵負擔，維持部隊，促進運動和機動，以及保護部隊。該戰略的重點是人機協作，也被稱為 "有人-無人協作"（MUM-T）。這一概念將人與自主系統或人工智能結合起來，以提高決策速度--這是當代戰場上急需的屬性。這一戰略應對了未來OE中的挑戰：戰場上行動速度加快，對手越來越多地使用RAS，以及競爭環境的復雜性擴大。

雖然這些目標是第三個抵消戰略的一個子集，但它們提供了一個新的戰術層面的重點。然而，這一戰略需要在更高層次上的補充技術。例如，RAS建議增加營級及以下級別的無人駕駛飛機和地面系統的數量。然而，營級人員的班、排和連的系統的大幅增加可能意味著收集和處理的數據量的指數級增長。如果高層沒有人工智能系統，師部工作人員將無法跟上同步行動的步伐。更糟糕的是，這些工作人員可能會在認知上被傳輸的大量數據所淹沒，使他們無法有效管理整體作戰環境。正如毛奇將軍通過補充性的鐵路運營官員（一種早期的人機合作形式）將鐵路運輸的復雜性引入到戰爭中，這一戰略需要在更高層次上做出平行努力。

人機組隊

人機合作是指系統和人的配對，以抵消兩者的弱點。美國陸軍的無人機系統和AH-64阿帕奇直升機采用了這種概念，稱為人機合作（MUM-T）。通過這一過程，陸軍AH-64阿帕奇飛行員能夠在被認為對載人航空過于危險的環境中使用和控制無人系統。MUM-T使無人系統能夠利用其優勢、對峙距離和目標獲取，以最大限度地發揮飛行員的優勢、殺傷力和反應能力。這一概念可作為人工智能人機協作的基礎。

在人工智能的范圍內，人工思維和人類思維的配對就是這個概念。人類提供目標、創造力和道德思維，而人工智能頭腦提供自學的經驗、直覺和預測能力。這種能力存在于目前的人工智能技術中。例如，通過算法，AlphaGo系統擊敗了世界上最好的圍棋選手，這個游戲估計比國際象棋復雜300倍。前面提到的深藍所使用的技術，對于下圍棋的計算機來說是不切實際的。因此，通過機器和人的合作，軍方可以保持 "人在回路中"，同時獲得提示性反應和加強對情況的了解的好處，類似于前面提到的阿帕奇直升機飛行員。

總結

綜上所述，人工智能和軍事應用的融合并不是一個新概念。不幸的是，在最初構想時，這種人工智能系統和人類規劃者的愿望遠遠超過了那個時代的技術能力。計算速度和計算機科學技術在過去三十年中取得了指數級的進步。鑒于私營企業的進步，人工智能的使用成為一種社會規范，并擴散到日常生活的所有其他方面，在過去幾十年里曾經被認為是不可思議的愿望現在可能即將實現。

6 研究方法

這項研究確定了MDMP從自動化中受益的地方，同時考慮到與這種行動相關的權衡。此外，軍事決策過程在陸軍總部的各級戰爭中都有使用，但基本分析將以陸軍師為參考框架。在師一級，工作人員將足以通過各種規劃范圍管理多項規劃工作。這項研究將首先對軍事決策過程進行分析，研究一些步驟的具體投入和產出。然后，研究分析最相關的輸出，以確定人工智能是否可以提供輸出或增強人類工作人員的能力，同時也確定目前是否存在這種技術。該研究還將討論在這些下屬流程中獲得成功的基本技術要求。本節還將探討軍事和商業應用中類似的現有技術。最后，研究將討論在該過程中使用人工智能的權衡，提供與一些模擬過程的相似之處，這些過程隨著人類對技術過程的日益依賴而萎縮。

7 分析

軍事決策過程由七個步驟組成，整合了被稱為作戰功能的專業領域。MDMP有獨立的輸入和輸出，能夠增加對形勢的理解。MDMP是陸軍作戰過程中 "規劃"步驟的基礎，隨后是軍事行動的準備、執行和評估。如下所述，每個步驟都有子過程，在人工智能技術的支持下，這些子過程可能更有效，也可能更及時。那些最好由人工智能支持的子流程如下：

接收任務

接到任務是MDMP的第一步。這一步涉及剖析上級總部的行動命令，同時使計劃得以啟動。它需要提醒工作人員和其他關鍵參與者，收集必要的工具，并對可用于規劃的時間進行初步評估。接收任務還涉及到建立規劃的計劃--更廣泛的陸軍行動過程的一部分。通常情況下，師部工作人員在上級部門建立行動區域時進行平行規劃，并將產出產品過渡到MDMP中使用。MDMP包含了陸軍設計方法的要素（如作戰方法），ADM過程的概念性需要人類的創造力和批判性思維。作戰方法通過建立上級總部、作戰、規劃門路和敵方時間線之間的時間線來設定過程的節奏和軌跡。第一步的產出是指揮官對規劃方法的初步指導和發布第一個警告命令。

圖7. 任務協助計算（MAC）系統的圖形描述。

在MDMP中，人工智能將利用認知計算方法為該過程提供補充支持，實現深度學習。正如任務指揮系統在MDMP第一步的 "收集工具 "子步驟中被準備和吸收一樣，人工智能系統，任務協助計算或MAC，將被提供一個由高級總部行動命令/附件組成的精心策劃的數據集。這個攝取過程將支持對第一步中產生的最新人員估計進行交叉分析，同時允許與用戶互動，在系統的神經網絡中建立更好的聯系。使用由FM6-0和參謀部生成的預先格式化的警告令模板，系統會自動將來自上級總部的信息填充到警告令中。基于對聯合和機構間系統冗余網絡的漸進式訪問，該系統將對信息進行關聯，以便在MDMP的第二步與參謀部進行分析和討論。(見圖7)

任務分析

MDMP的第二步是任務分析。這是MDMP中最重要的一步，因為它定義了包含問題的環境背景。通過對形勢的繼續評估，任務分析確定了作戰環境的框架，以產生問題和任務陳述，以及指揮官的意圖，從而推動作戰行動。如果問題陳述、任務陳述或指揮官的意圖從一開始就沒有被充分理解，任務成功的可能性就會大大降低。因此，每一個子步驟在計劃中都是重要的和相關的。下面的插圖討論了這些子步驟。

在一個師的規劃人員的 "整合單元 "中，無論是規劃、未來行動還是當前行動單元，都會有來自每個作戰職能小組的成員負責一個任務分析子步驟。在某些子步驟中，每個職能小組都需要審查、分析并向小組提交相關信息。例如，每個作戰職能部門都必須識別、分析和評估上級指揮部下達的指定的、隱含的和基本的任務。通過其他子步驟，如戰場情報準備（IPB），每個作戰職能部門都要對各自的對抗職能進行分析（如友軍火力資產與敵軍火力資產），但情報作戰職能部門負責管理這一過程。隨著各職能小組在每個子步驟中的工作，集體產品在任務分析簡報中向指揮官傳達了結論（子步驟14）。研究人員選擇了任務分析的第1-3、4和6個子步驟來整合人工智能。這些步驟是數據驅動的，為人工智能提供了最佳用途。

美國陸軍，ATTP 5-0.1，4-6。

分析上級總部的計劃或命令

在收到上級總部的行動命令和附件后，MAC將被加載數據。這一行動使系統能夠在作戰命令數據之間建立聯系，為與用戶結成伙伴式的理解做準備。當陸軍規劃人員需要信息時，MAC準備好提供答案，以及其回應背后的原因。例如，MAC會根據用戶的要求提供高級指揮部的行動概念，以及在命令中發現的任何其他文本信息。隨著用戶對命令越來越熟悉，并需要參考整個附件中的具體措辭，MAC將能夠根據要求提供頁面和其他背景信息，從而使各梯隊人員之間更好地同步。當信息發生變化時，MAC可以進行更新，并提醒下級參謀部注意這一變化，同時也將變化記錄下來，供以后參考。隨著任務分析進入戰場情報準備（IPB），MAC在匯總有關環境的數據以幫助增強參謀部對形勢的了解方面將是至關重要的。

實施戰場的初步情報準備

戰場情報準備（IPB）是分析敵人、地形、天氣和民事因素等任務變量的系統過程，以確定它們對敵方和友方部隊行動的影響。IPB通過事實和假設深入了解友方和威脅部隊的互動。通過識別計劃中的關鍵差距，IPB也推動了指揮官的情報收集工作。這些工作產生了情報知識，并進一步完善了行動圖景，為指揮官提供了一個更強大的理解基礎來做出決策。IPB包括四個步驟。界定作戰環境，描述環境對作戰的影響，評估威脅，以及確定威脅的行動方案。用于執行這些步驟的數據從廣泛的來源收集。一旦策劃的地理空間數據、敵方模型數據、基礎設施數據和氣候學數據被上傳，這就允許MAC對數據進行匯編，并提供一些規劃者無法立即看到的關聯性。這種人機合作，或者說是拴住的自主權，支持工作人員通過迭代對話和伙伴式學習，對環境有更深入的了解。

與亞馬遜Echo、Alexa或Google Home技術類似，MAC會回答有關其數據庫內任何內容的問題。例如，"MAC，告訴我關于Atropia的人口中心"。該系統將提供有關人口的文化和人口屬性的信息，以及其中的基礎設施狀況。通過查詢近乎實時的社交媒體數據，該系統可以提供大氣，從而為行動方案的規劃提供依據（例如，敵對與中立的人類地形）。通過自然語言處理（NLP）和問題解答技術（QA），系統可以與用戶進行對話，以促進更好的理解。在這些互動中，用戶將完全控制對話，將對話從數據到信息再到理解的認知層次提升。在本研究中，人類和機器之間這種級別的對話在商業行業中存在。

美國境內的許多家庭已經部署了自然語言處理技術。這項技術的下一步發展是使系統能夠提出探索性的問題，對用戶的詢問提供更好的答復。QA技術也是存在的，最新的例子是IBM的Watson，它利用這項技術贏得了Jeopardy節目。與任何系統一樣，其改進在很大程度上取決于反饋，MAC也不例外。該系統將就提供給用戶的答案征求反饋意見，作為互動的質量保證機制。這些反饋將使數據管理人在必要時對數據集進行調整，同時也對算法進行微調。

在IPB完成后，MAC將提供機動性數據以告知友好和敵對的COA。這將包括通過衛星圖像分析和來自機構間來源的其他數據饋送的實時移動條件，這些屬性在過去幾年中通過人工智能進行了證明。隨著規劃的繼續，除了向用戶發出任何其他正式要求的警報外，MAC將提示規劃者驗證或證明是無效的假設。這種能力擴展了Project Maven所采用的現有技術，Maven項目是2018年部署在阿富汗的人工智能技術，用于支持圖像情報（IMINT）的情報分析員。

用戶和MAC將共同生成整個MDMP中使用最多的IPB產出，即事件模板、初始信息要求、決策支持矩陣和決策支持模板。在協助用戶的過程中，MAC將提供建議的條目，以便進行編輯或完全修改。隨著時間的推移和對已批準產品的觀察，MAC將改進其對用戶的建議，特別是對問題陳述和任務陳述的建議。

確定特定的、隱含的和基本的任務

任務是指由士兵、單位、組織完成的明確界定和可衡量的活動，可支持任務。特定的任務在上級總部的命令或指導中明確指出。隱含任務必須完成指定任務，盡管這些任務可能沒有明確說明。最后，為完成任務必須完成基本任務。基本任務是特定的或隱含的任務，但在行動中始終是任務說明的一部分。參謀部必須找到、理解并說明每一項必要的任務，以便更好地計劃和執行行動。

通常情況下，參謀部的規劃人員會仔細研究上級總部的行動命令和附件，有時會超過50頁的文本，試圖找出與特定作戰功能相關或涉及的任何任務。雖然這種方法很繁瑣，但它可以提取任何可能對開展行動至關重要的特定和隱含任務。這種方法還能通過在指揮層之間產生澄清來加強工作人員的理解。然而，在更高的層次上，行動命令可能有幾百頁，并有許多附件，處理所有任務的能力可能是壓倒性的。更糟糕的是，這個過程需要時間，很少有工作人員真正閱讀所有的命令來理解，從而導致計劃的失誤。

使用文本掃描軟件，MAC將掃描命令、附件和書面指導，以提供一個與被查詢單位和作戰功能相關的任務的綜合。例如，一名維持計劃人員會問："MAC，請從第十八軍團第12-345號命令中提取與第一裝甲師和維持作戰功能相關的所有任務。" 然后MAC將顯示結果，同時口頭上提供任務數量的整體描述。在參考了所提供的源網頁的維持計劃確認后，相關的任務會填充到維持運行的估計中。這個過程同時在每個作戰功能中反復進行，將工作人員的精力從無數個小時的閱讀和搜索轉移到分析和綜合知識上，以便進行下一階段的規劃。

提出問題/任務說明

問題陳述提供了阻礙實現預期目標或目的的問題或障礙。盡管行政部門為問題的制定提供了參考，但任務分析的次級步驟為行動環境和行動問題提供了適當的框架。問題陳述幫助指揮官和參謀部制定解決方案以實現預期目標。

任務說明是描述組織的基本任務、目的和行動的簡短句子或段落。根據單位的基本任務，參謀部提出任務說明供指揮官批準。上級總部的行動命令和指揮官的指導為一個單位的任務提供了信息，使任務說明變得公式化，從而可由人工智能程序計算出來。

雖然，人工智能有能力匯總、識別和回憶數據，但它仍然缺乏獨立創建問題陳述所需的抽象思維能力。盡管如此，由于任務陳述是公式化的，使用單位指定和隱含任務的具體輸入，MAC可以提出一個任務陳述。使用軍事規劃人員使用的相同方法，該系統將提供建議并不斷接收用戶反饋，從而通過深度學習技術實現長期改進。MAC還將有能力檢查、分析和分類用戶生產的產品之間的因果關系，允許其深度強化學習存儲并為未來的應用產生建議。

發布警告令

該系統將能夠根據任務分析簡報中批準的數據和以前的警告令草案制作最新的警告令。用戶將批準警告令草案的數據字段，根據需要為下屬單位編輯任何信息。此外，系統將為未來行動命令（第7步）提供最新的輸入數據，隨著計劃的制定和完善，更新數據字段。系統還將提示用戶從上級指揮部處理的分片命令中獲得新的信息。例如，如果上級指揮部批準了一個單位邊界的改變以調和戰斗空間，MAC將更新COA開發小組，并建議更新作戰命令模板，提醒計劃人員注意該信息和計劃中受影響的部分。

行動方案的制定

行動方案的制定是為指揮官提供選擇的方法。使用下屬單位之間同步的戰術行動，行動方案是對所確定的問題的廣泛的潛在解決方案。行動方案的制定包括七個下屬步驟：評估相對戰斗力、產生選擇、排列部隊、制定一個廣泛的概念、分配總部、制定行動方案和草圖、進行行動方案簡報。人類規劃者仍然是完成這些步驟的主要代理人。今天的人工智能技術還沒有展示出協調行動方案的能力，考慮到計劃火力、同步情報資產和安排運動隊列所需的細節水平。MAC將通過使用地形數據、氣候數據和特定車輛的機動性數據，提供隨時間變化的運動分析，來支持每個子步驟。這項技術類似于谷歌地圖，但包含了一個更強大的算法，以考慮到跨國流動性、編隊規模、移動走廊和車輛類型。來自MAC的分析將使時間線的準確性更加鮮明，并為整個計劃提供更好的同步性。當計劃人員為每個行動方案制定同步矩陣時，MAC將按作戰功能將COA小組的投入填充到COA聲明中，以實現協作。一旦選定的行動方案進入下一步，即戰爭博弈，MAC就會協助確定減員和隨時間推移的相對戰斗力。

行動方案分析（兵棋推演）

兵棋使指揮官和參謀部能夠確定與所考慮的作戰行動相關的困難和協調問題。通過對計劃中的假設和行動進行現實測試，各組織可以預見潛在的風險、摩擦點以及會阻礙任務完成的行動（友軍和敵軍）。這一步也影響了指揮官對作戰問題的理解，確定所提議的解決方案是否會帶來所提議的最終狀態。如果提議的作戰行動方案不可行、不可接受、不合適、不完整或無法區分，那么作戰行動方案將回到發展過程中進行完善。

通過這一步驟，MAC將提供兩種功能。最重要的工作是為每個COA建立計算機輔助的模型和模擬。考慮到COA數據需要更新，這個方案非常耗費時間。用戶必須驗證從系統輸入中收集到的數據（如總部、特遣部隊組成等），以便正確地排列部隊和作戰計劃。第二個功能的強度較低，涉及計算每次交戰的結果。這個功能很重要，因為它提供了對一段時間內戰斗力的分析。它還提供了對戰術行動有效性的評估，保留了足夠的戰斗力以實現任務和期望的最終狀態。MAC將考慮到技術武器數據；殺傷概率和車輛軍備數據來提供結果。人類規劃者仍將負兵棋推演方法和兵棋簡報。這一步的產出將不涉及人工智能。

命令生產、傳播和過渡

MDMP的最后一步是命令生產、傳播和過渡。在這個步驟中，計劃過渡到行動過程的執行階段。第7步包括制作和傳播行動命令、附件和附錄。在這一過程中，工作人員負責核對由于疏忽或基本計劃的變化而造成的規劃差距。此外，參謀部還與上級指揮部進行聯絡，適當反映作戰環境和軍事計劃的關鍵變化。每個作戰職能部門都有一個指定的部分來完成作戰命令，所有部分都必須確保集體產品的連貫性、全面性和完整性。在一個陸軍師中，單元有一個指定的人負責編寫作戰命令的輸入，同時還有一個指定的人將所有的部分編入最后的命令。

MAC，使用整個過程中的數據輸入，將是在這個任務中執行的主要代理。例如，該系統將從批準的COA草圖中讀取COA聲明，并將此文本作為行動部分概念的基礎。由于系統攝取了上級總部的情況和行動概念的段落，它將提供這些作為對師部命令的建議，并在數據集中進行核算修訂。

同樣的活動將發生在每個作戰功能的附件和附錄中。此外，系統將對照已經提交的支持性文件審查新輸入的數據，提示用戶文件之間的差異或規劃的差距，類似于一個更強大的拼寫和語法檢查，像Grammarly程序。一旦調和，用戶將提交該部分，讓指定的編譯人員完成項目。被指定的匯編者將是批準、編輯和審查計算機上轉寫的數據的系統用戶。這項技術是對谷歌應用目前所使用的智能回復技術的改編。使用能夠編寫電子郵件的深度神經網絡，這種形式的人工智能分析電子郵件的內容，并應用一套復雜的編程規則來構建一個回復。人類沒有參與這個過程；算法正在通過機器學習和接觸內容繼續處理自然語言。

隨著MDMP的完成和訂單的打包分發，MAC將繼續支持工作人員，在附件和附錄中推薦文本條目。隨著整個行動過程中的變化，MAC將繼續為集體工作人員提供提示，以便從更高的命令中進行修改。此外，隨著后續MDMP的發生，MAC將建議對行動環境的演變進行修改。這種迭代過程將持續到該司部署完成，在這種情況下，數據集被分析并適應未來的系統。策劃的數據集將被適當地分類細化，以考慮到以前用戶的反饋，隨著時間的推移創造一個更好的系統。

技術權衡

隨著任何技術的使用，人類從根本上適應于更好地發揮其效用。人類與現今移動設備的互動和依賴最能證明這種認知適應。在尼古拉斯-卡爾的著作《淺灘》中，他討論了由于我們與個人計算設備的互動，人類的注意力持續時間更短，專注能力受阻。隨著人工智能和戰役層面規劃的融合，軍事規劃人員有可能變得依賴技術提供的速度和易用性。這種可能性類似于世界上對谷歌查找信息的依賴（速度和易用性）與深入思考和記憶信息的技能萎縮之間的相關性。在任何一種情況下，美國陸軍都面臨著規劃人員在師級高度競爭和嚴酷環境中適應能力下降的風險。然而，使用退化的系統進行訓練可以減輕這種風險。此外，規劃人員在較低層次上仍將使用沒有人工智能的MDMP，從而保留了模擬規劃的技能。另一個風險是計劃人員各梯隊之間面對面的合作可能減少，因為系統以電子方式拉動和存檔OPORD信息。這種影響類似于電子郵件通訊的增加和實際通訊的減少之間的關聯。這些影響都是不可避免的，但并不嚴重妨礙軍事規劃的進行。事實上，這些風險是值得的，因為將人工智能整合到作戰層面的規劃中，可以提高效率、速度和準確性。

8 結論

人工智能比以往任何時候都更傾向于社會規范。這項技術幾乎伴隨著人類生活的每個方面。深度強化學習和專家系統技術的進步正在使私人企業激增。然而，美國軍隊只是見證了人工智能力量的一小部分。隨著其他發達國家對人工智能技術的投資成倍增長，美國正在落后于創新曲線。如果不增加、逐步將人工智能納入軍事規劃單元和作戰規劃團隊，那么作戰過程將不會對未來產生有利影響。此外，美國陸軍站在見證一個戰場，讓我們的認知能力無法規劃、準備和執行，適應使用MDMP的行動。

通過人工智能的能力來分析MDMP，這項研究確定了通過部分融合獲得的潛在效率和積極表現。人工智能技術應逐步整合到陸軍師級MDMP中，以發揮其能力。目前的人工智能技術可以支持MDMP的某些方面，但只有在為軍事用途做了具體的調整之后。未來的研究應該調查目前在戰斗環境中使用人工智能技術的陸軍跨職能小組的擴展情況，以便將規劃過程納入其范圍。最后，研究應該調查人工智能在所有作戰功能中的好處。

前言

從歷史上看，一支部隊的成功與參謀部執行軍事決策過程（MDMP）的能力直接相關。鑒于當今作戰環境的復雜性增加，以及大量的任務指揮系統和程序，與作戰有關的所有活動的整合和同步化越來越困難。

在過去的十年中，從已部署的部隊以及戰斗訓練中心（CTCs）的訓練員那里得到的觀察結果表明，部隊在進行詳細的MDMP方面的能力大大喪失。這種規劃專業知識的缺乏導致了行動的不同步，并最終可能導致士兵的生命損失。

無論是在實際行動中還是在反恐中心的訓練中，計劃時間往往是極其有限的。在這種情況下，部隊往往會省略MDMP的步驟。大多數反恐訓練員都認為，當時間有限時，完全省略MDMP的任何步驟都不是解決辦法，而且往往會降低任務的成功率。在伊拉克和阿富汗的作戰行動導致了在計劃過程中使用非理論性的故事板。這種做法缺乏必要的保真度，無法為指揮官提供他所需要的決策信息，并可能導致行動中失去同步性。

MDMP是一個制定問題解決方案的堅實模式。然而，如果進行MDMP的工作人員不熟悉每一個步驟，這個過程就會變得非常復雜，而且隨著計劃的繼續，在過程早期犯下的錯誤會變得越來越多。

MDMP促進了指揮官、參謀部和下屬總部在整個行動過程中的互動。它為參謀部提供了一個結構，使其能夠集體工作并產生一個協調的計劃。在計劃期間，參謀部成員監測、跟蹤并積極尋求對其職能領域重要的信息。他們評估這些信息如何影響行動方案的制定，并將其應用于他們提出的任何建議。

有許多重要的理論手冊涉及MDMP。**本手冊旨在將這些理論與最近的部署和CTC輪換中的觀察分析相結合，整合成一個單一的來源，對初級領導人進行MDMP是有用的。**通過學習本手冊第13章所列的關鍵理論手冊，可以完成對MDMP的更詳細研究。

簡介

"一個現在猛烈執行的好計劃勝過下周執行的完美計劃"。- 喬治-S-巴頓將軍

規劃是一門藝術，也是一門科學，它理解一種情況，設想一個理想的未來，并制定出實現這一未來的有效方法。規劃幫助指揮官在他們自己、他們的參謀部、下級指揮官和統一行動伙伴之間建立和交流一個共同的愿景。

所有的規劃都是基于對未來的不完全了解和假設。規劃無法準確預測行動的效果、敵人的行為方式，以及平民對友軍或敵人的反應。盡管如此，在U規劃過程中出現的理解和學習具有很大的價值。

規劃活動是一個從概念到細節的連續體。連續體的一端是概念性規劃。了解作戰環境和問題，確定行動的最終狀態，確立目標，并對行動進行廣泛的排序，這些都說明了概念性規劃。

另一端是詳細規劃。詳細規劃將廣泛的行動方法轉化為一個完整和實用的計劃。詳細的計劃可以解決調度、協調或與部隊的移動、維持、同步和指揮有關的技術問題。

陸軍領導人采用三種方法進行規劃，根據問題的范圍和他們對問題的熟悉程度、可用的時間和參謀人員的可用性來確定適當的組合。協助指揮官和參謀部進行規劃的方法包括陸軍設計方法、軍事決策程序（MDMP）和部隊領導程序。

本手冊將簡要討論陸軍設計方法，以及它是如何與MDMP結合和補充的，但本手冊的重點是為指揮官及其參謀人員提供一個工具，以協助理解和實施MDMP。

這項工作是由Calian團隊為加拿大國防研究與發展部-多倫多研究中心（DRDC TRC）進行的任務5 "人機協作決策支持系統的初步要求"，是大型人機交互（HAI）任務授權合同（TAC；合同號：W/001/TOR）的一部分。HAI TAC的目標是設計、開發、實施和評估士兵-機器人合作（SRT）的概念、方法和技術，以改善加拿大武裝部隊（CAF）的整體人機系統（HMS）性能。

在本技術說明中，報告了最近對傳感器技術的研究和發展以及未來在有人-無人系統（MUM-T）作業期間在小型無人系統上實現感知和規避（SAA）能力的文獻回顧。

在傳感器技術方面，我們研究了合作和非合作的傳感器，其中非合作的傳感器又分為主動和被動的。我們認為：（1）無源非合作傳感器在尺寸、重量和功率（SWAP）方面比其他傳感器有優勢。被動工作確保了無人平臺在敵對環境中的安全。為了補充單個傳感器能力的約束和限制，我們還認為，關于（2）傳感器和數據融合的趨勢和未來要求是有希望的，以實現動態、不確定環境中的連續和有彈性的測量。（3）此外，我們應關注無人系統領域正在開發的新型傳感器套件。

在檢測和規避方法方面，我們按照SAA流程進行了全面的研究，從檢測沖突、危險或潛在威脅，到跟蹤目標（物體）的運動；評價和評估風險和信心；根據評估的參數對沖突進行優先排序；然后宣布或確認沖突和沖突的程度；確定正確的沖突解決方式；然后是指揮，最后是執行。為了支持這一過程，對各種SAA算法進行了審查，包括探測算法、跟蹤算法和規避策略。我們認為，（4）基于學習的智能算法需要放在未來的SAA要求中，因為它們具有支持任務的適應能力。

最后，我們從各種使用案例中審查了支持MUM-T行動的SAA。我們認為，(5)與蜂群式小型UxV的人-系統接口提供了半自主的SAA能力，而人的參與程度有限。這種綜合的人-機器人互動提供了智能決策支持工具。該系統旨在使單個人類操作員能夠有效地指揮、監測和監督一個UxV系統。基于技術重點的趨勢，我們最終認為，(6)沒有士兵參與的完全自主在現階段的研究和開發進展方面是不成熟的，但我們將積極關注該領域的最新發展。