亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

北約 SAS-124 研究技術小組（RTG）編寫了 “國防投資不確定性和風險的可視化設計”。

決策者通常面臨著根據不確定的信息和數據做出決策的風險。這在國防投資領域非常普遍，因為在測量、規劃和問題解決（如簡化假設）以及交流行為本身中都會出現不確定性。本報告提出了一個可視化設計框架，以指導分析人員選擇可視化方式，從而更有效地向決策者傳達不確定性和風險。此外，RTG 還收集了在實踐中對交流國防投資不確定性和風險有用的可視化方法，并對其進行了編目。

本報告分三部分撰寫。第一部分是背景，向讀者介紹了可視化設計研究的概念，并針對本研究的基本要素提供了分類方法。第二部分應用了第一部分中描述的概念和方法，從識別決策支持需求（從決策者和分析師處收集）到開發可視化任務，對設計框架進行了演練。第二部分的第 6 章 “數據類型 ”和第 7 章 “數據可視化中的人為因素 ”還介紹了如何將這些任務轉化為有效的可視化。第三部分是目錄，介紹了十五種在實踐中對交流國防投資不確定性和風險有用的可視化類型。

本報告將解釋 RTG 如何從不同國家的類似需求中提取并確定其通用組件。例如，德國的要求是 “繪制生命周期成本（LCC）不確定性圖，從而繪制項目采購成本不確定性圖”，加拿大的要求是 "在任何給定的財政年度，國防投資組合的成本超出預算的概率是多少？將需求與通用的分類標準統一起來，將有助于選擇更合適的可視化方法，并促進可視化方法的重復使用。繼續以我們的例子為例，顯示資金可用性的不確定性和風險的最佳可視化方法可能是方框圖，這在目錄中有所描述，它將資金的歷史趨勢與當前的資金申請重疊在一起。選定可視化方法后，分析師可使用 Tableau、Power BI 或自定義庫等各種可用工具實現其要求。附件 A 介紹了相關的開源和商業可視化庫和工具。

總之，成立 RTG 的目的是推動與國防投資相關的不確定性和風險可視化科學的發展。這項活動匯集了國防分析方面的廣泛經驗，以及與將官/旗官和政府高管交流的經驗。撰寫本報告的目的是改進以分析和證據為依據的決策。通過改進對不確定性和風險的溝通，決策者可以在共同的分析基礎上做出更明智的決策。

美國國防部（DoD）每年在小型企業創新研究（SBIR）方面的投資超過 10 億美元。這些 SBIR 工作類似于風險投資，超越種子資金的過渡被視為成功。對 2015-2018 年空軍 SBIR 投資的基線研究表明，8.8% 的工作獲得了長期資助。目前的數據允許對項目是否獲得長期資金進行評估；但是，沒有對技術是否過渡到國防部用途進行衡量。過渡是指 SBIR 投資項目投入實戰或融入軍事系統的速度。商業化是 SBIR 投資從種子基金轉向長期資金流（商業或政府）的速度。跟蹤國防部門 SBIR 開發技術的生命周期至關重要。本研究調查了 1681 家小型企業，以確定其 SBIR 工作的發展軌跡。提供了有關技術過渡到商業和軍事用途的速度的描述性統計數據。本研究還考慮了若干因素對過渡的影響，包括之前與國防部合作的經驗、利益相關者特征、資金概況和公司人口統計。

本研究發現，在參與美國防部 SBIR 流程的企業生命周期中，過渡率為 44%，商業化率為 65%。此外，數據中最常見的阻礙因素包括：系統集成、主要技術適應性、政府管理、利益相關者參與和資金缺口。數據顯示，當企業員工超過 250 人時，SBIR 計劃的目標就會崩潰。最后，獲得 110 項獎勵的企業達到了實現 SBIR 計劃目標的最佳點。這項研究的結果將為國防部制定 SBIR 投資政策提供參考。

為響應美國國防部（DoD）的戰略現代化倡議，美國空軍（USAF）正在努力開發在未來行動中取得成功的技術和戰術，而做好準備取決于現在就進行投資。為了進行有效的投資，美國空軍和其他國防規劃機構都希望了解，當新技術和新概念方案改變軍事行動中使用的系統時，軍事行動的結果會發生怎樣的變化。在這一過程中，軍事模擬是一個重要的工具，可以幫助人們建立對替代技術和概念的理解和推理能力。

在早期能力設計中，需要考慮各種新興技術和創新概念，分析涉及在模擬環境中運行的模擬人和模擬機器的協作和沖突結果。美國空軍最近正在考慮的一個場景是空軍基地防空 (ABAD)，其目標是了解如何在空軍基地遭受導彈和無人機襲擊的情況下有效運作。為了決定投資，為成功實現空中基地防御做好準備，美國空軍正在努力確定有問題的場景和有希望解決問題的替代方案。然而，在所考慮的各種情況和投資中，為應對技術變化和不斷發展的威脅而進行現代化所需的速度意味著需要加快基于模擬的分析，以便更快地建立理解并為決策提供依據。

目前的仿真分析是通過部隊設計過程，利用不同的作戰視角迭代建立對未來作戰的理解，從而應對未來預期作戰的復雜性。在美國空軍，這是在空軍作戰集成能力（AFWIC）領導的 "評估-發展-評價能力發展規劃"（CDP）設計循環中完成的。在這一迭代過程中，有兩大部分是有效模擬分析的核心。首先，通過產生重要的、突發的行為來積累知識；其次，通過桌面設計演練，將利益相關者聚集在一起，并允許與基于仿真的數據進行參數化交互，從而實現真實世界的決策。我們為管理突發行為的工作過程制定了一個框架--"在缺乏知識的情況下利用仿真分析管理突發行為的非線性和隨機未來行為探索（ENFLAME）"，以構建相關活動的結構，并將研究重點放在這項工作上。

突發行為是軍事行動結果的關鍵性變化，通常難以預測，因為復雜性會導致一系列不幸事件，導致出人意料的壞結果，或一系列幸運事件，導致出人意料的好結果。在 ABAD 的例子中，這可能涉及各種技術和概念的組合，即使在導彈和無人機攻擊的預期困難情況下，也能產生出人意料的好結果。要找到這些突發行為，通常需要專家與模擬進行交互，并知道應關注和查詢哪些領域，或者使用蒙特卡羅模擬（MCS）進行隨機搜索。然而，美國空軍正在使用的高保真、昂貴的軍事仿真卻限制了蒙特卡洛仿真的使用，因為要找到罕見的、令人驚訝的行為，需要進行很多很多次仿真。此外，專家資源有限，只擅長某些領域，而且未來軍事行動十分復雜，即使是專家也難以預測。這些挑戰促使我們需要改進尋找重要突發行為的方法。

本論文的研究工作通過改進 "評估-開發-評估 "設計循環中的兩項關鍵活動，解決了加速仿真分析所面臨的挑戰。首先，為了加速基于仿真的突發行為分析，我們開發了一種能更快找到突發行為的新方法--使用數值優化（LANTERN）方法追蹤極端罕見事件的低成本自適應探索（LANTERN）。LANTERN 基于從文獻中歸納出的突發行為的特定定義，可以制定優化方法，以比蠻力 MCS 技術更快的速度搜索突發行為。具體來說，利用新穎的貝葉斯優化（BO）技術加速搜索作為罕見、局部和隨機極端事件的突發行為，該技術可自適應地查詢仿真響應以查找罕見事件。這些新技術針對的是與突發行為相關的高度局部極值和局部高變異性的獨特特征。與軍事智能體建模（ABM）的預期響應行為相匹配的測試問題實驗表明，與 MCS 相比，該技術有了很大改進。其次，為了在桌面設計演習中加快對隨機行為的分析，介紹了一種替代建模方法--ECDF-ROM 方法，該方法采用了從工程設計中借鑒的降序建模（ROM）技術，并結合了一種新的現場表示方法。

研究突發行為的實驗表明，使用新的 BO 技術比使用蠻力 MCS 有了顯著改進，可以更快地發現罕見的極端事件。針對桌面設計練習的智能體建模實驗也顯示了近似預測完整經驗分布的可行性。利用仿真、集成和建模高級框架（AFSIM）開發的兩個基于智能體的軍事模擬場景，完成了對 LANTERN 方法和 ECDF-ROM 方法的最后演示。首先，使用敵方防空壓制（SEAD）場景來演示 LANTERN 步驟在搜索罕見的局部極端事件方面的有效性。其次，使用四對四空戰場景演示 LANTERN 步驟在搜索罕見、隨機極端事件方面的有效性，同時演示 ECDF-ROM 智能體建模方法。通過這些演示，本論文中開發的 LANTERN 方法和相關方法（基于泰勒擴展的自適應設計 (TEAD)、針對多外延突發行為的分區貝葉斯優化 (PIONEER)、變異貝葉斯優化 (VarBO)）以及 ECDF-ROM 智能體方法可用于加速基于迭代模擬的軍事場景分析的關鍵部分。研究結果還強調了對 ENFLAME 框架的重要更新，該框架旨在利用軍事仿真管理突發行為--再次強調利用仿真發現重要突發行為的能力，并使未來的工作重點放在基于新技術和新概念的漏洞識別與緩解以及機會利用上。

圖 1.5：描述和模擬軍事行動的智能體模擬方法圖解。注意重點是獨立感知、決策和行動的自主智能體，以及定義動態的一系列交互作用。

管理突發行為的 ENFLAME 框架

圖 2.2：管理突發行為的 ENFLAME 框架概述。

圖 2.2 是 ENFLAME 框架的示意圖。該框架有四個核心部分。首先，具體化情景涉及情景建模，包括行動概念（CONOPS）、參與者（系統、人員等）、情景中系統之間以及系統與環境之間的交互。此外，這還包括與直接用于決策的投資和感興趣的投資領域之間的聯系。主要的建模任務還包括翻譯和開發模擬表示法，在模擬表示法中對分辨率和范圍進行選擇，以滿足情景中的決策問題所提出的需求。

其次，一旦創建了情景模擬表示法，就需要探索如何發現重要的突發行為，以便對系統行為進行管理（從輸入和情景配置以及結果的角度找出系統的弱點和機會所在）。根據上述將突發行為定義為罕見的極端事件，要找到這些事件發生時的位置，就需要一種尋找突發行為的方法。這與分析中的 "評估 "階段關系最為密切。

第三，當發現突發行為時，就需要解決其極端性所帶來的問題漏洞或潛在機會。這就需要探索情景中各系統相互作用的因果動態，這些動態導致了極端事件的發生，并產生替代規則或變化，以減輕有問題的行為或強化良好的行為。這與分析中的 "發展 "階段關系最為密切。

最后，一旦設計出潛在的替代方案，使系統中的行為保持在可接受或有利的狀態，就需要評估這些替代方案的可行性和可負擔性，并將其與潛在的投資方案聯系起來。這與分析中的 "評估 "階段關系最為密切。

美國空軍越來越關注人工智能（AI）在增強作戰各方面能力方面的潛力。在這個項目中，空軍要求蘭德公司的研究人員考慮人工智能無法做到的事情，以了解人工智能在作戰應用中的局限性。

研究人員沒有試圖確定人工智能的一般限制，而是選擇并調查了四個具體的作戰應用作為潛在用例：網絡安全、預測性維護、兵棋推演和任務規劃。選擇這些應用是為了代表各種可能的用途，同時突出不同的限制因素。在可以獲得足夠數據的三個案例中進行了人工智能實驗；剩下的兵棋推演案例則廣泛探討了如何應用或不能應用人工智能。

本報告是五卷系列中的第一卷，總結了所有應用案例的研究結果和建議。報告面向政策制定者、采購專業人員以及對將人工智能應用于作戰普遍感興趣的人員。

研究問題

• 哪些作戰應用可作為潛在用例？
• 訓練和測試人工智能系統需要哪類數據？
• 人工智能算法有哪些局限性？

主要結論

• 要識別適應性威脅，數據必須是最新的。分布偏移會降低模型性能，這是無法避免的，尤其是對于高維數據。
• 不能依靠人工智能分類算法來學習沒有教過的東西。人工智能無法預測或識別新型網絡攻擊。
• 數據必須可訪問且條件良好。相關的物流數據保存在多個數據庫中，通常條件不佳。如果沒有自動化的數據管道，就無法獲取足夠的數據來實現人工智能。
• 和平時期的數據不能替代戰時數據。人工智能無法彌補適當數據的匱乏。
• 數字化必須先于人工智能的發展。大多數兵棋推演不是在數字化環境中進行的，也不會生成電子數據。數字化是人工智能數據管道的先導。
• 需要新型數據。要實現人工智能，就需要人機交互（HCI）技術來捕捉兵棋推演中目前尚未捕捉到的方面。
• 人工智能遠未達到人類智能水平。因此，它不能代替人類，也不能應用人類的判斷。
• 要應對適應性威脅，數據必須是最新的。必須根據最新情況刷新模型，才能在動態威脅面前生存下來。
• 人工智能在戰術上很聰明，但在戰略上卻很幼稚。它往往通過進入對手的 "觀察、定位、決策、行動 "循環而取勝，而不是通過提出一個巧妙的大戰略。
• 與傳統優化方法相比，人工智能的準確性較低。但它的解決方案可能更穩健，也能更快達成。

建議

• 空軍部（DAF）應進行數據集細分測試，以確定人工智能系統分布偏移的重要性，并確定大致的衰減率和人工智能保質期。
• DAF 應進行人工智能試驗，以改進戰備備件包 (RSP) 的需求預測，并將概念驗證模型擴展到所有飛機。這可能需要在逐個部件、逐個平臺的基礎上進行。
• DAF 應考慮使用人工智能來解決更大的運籌問題，即選擇將哪些部件發送到哪里。
• DAF 應建立一個數據操作管道，以便對多個部件和平臺的飛機維護和 RSP 進行有效的回顧性分析。
• DAF 應將用于開發兵棋推演 AI 應用的資源集中在最有前途的領域：那些調查替代條件或用于評估有明確標準的領域；那些已經納入數字基礎設施（包括人機交互技術）的領域；以及那些定期重復的領域。
• 發展議程應更多地使用數字游戲基礎設施和人機交互技術，特別是在為系統探索和創新而設計的游戲中，以收集數據支持人工智能的發展。
• DAF 應更廣泛地利用人工智能能力來支持未來的兵棋推演工作。
• 國防和安全部隊應考慮如何利用人工智能為面臨突發狀況的無人機制定快速反應政策。
• DAF 應投資開發工具，將強化學習應用于現有的任務規劃模型和模擬中，如仿真、集成和建模高級框架（AFSIM）。

美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL）利用高分辨率傳感器、實驗室儀器和軟件技術，開發了電力測量和分析工具。為支持這些傳感器的使用，開發了一套可擴展的軟件模塊，用戶界面只需一個網絡瀏覽器。ARL 開發的用于 "嵌入式研究系統的可視化和處理 "的軟件框架和模塊稱為 ARL-ViPERS。這種基于傳感器的軟件提供了一種方法，用于配置傳感器以及與傳感器產生的數據進行交互并使其可視化，而無需在終端用戶設備上安裝任何軟件。

引言

美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL）的幾個傳感器系統原型建立在通用的模塊化數據采集、存儲、處理和通信硬件上，稱為 ARL 的自主實時電力測量和儀器系統（ARL-ARTEMIS）。ARL 的移動式無人值守地面傳感器 (ARL-MUGS) 和移動式功率計 (ARL-MPM) 就是其中的兩個例子（圖 1）。這些系統配備的軟件可用于傳感器配置，以及對電力 (EP) 系統收集的數據進行實時和后處理分析。ARL 開發的 "嵌入式研究系統可視化和處理 "軟件框架稱為 ARLViPERS。以下將 ARL-ARTEMIS 和 ARL-ViPERS 分別稱為 ARTEMIS 和 ViPERS。

ViPERS 包括嵌入式網絡應用程序（可通過用戶設備，如手機、平板電腦或個人電腦上的網絡瀏覽器訪問）和 Dataserver 應用程序（用于運行自定義處理代碼）。網絡應用程序和 Dataserver 都在傳感器上運行，共同提供用戶界面 (UI)，方便用戶配置傳感器，并提供多種數據可視化工具，方便用戶進行 "邊緣 "數據分析。Dataserver 的主要職責是在后臺管理正在進行的數據處理任務，而網絡服務器則用于為用戶提供相應的用戶界面。Dataserver 可以看作是 ViPERS 的 "大腦"，而網絡服務器則是 "臉面"。

所有需要的 ViPERS 軟件都在 ARL 傳感器硬件上運行；因此，用戶無需在用戶設備上安裝任何軟件。ViPERS 還考慮到了模塊化。它包括幾個用于 EP 分析的基礎模塊，用戶可以輕松擴展軟件，加入自己的模塊。用戶還可以上傳定制的處理代碼和可視化程序，這些程序將在傳感器上實時運行；詳見第 3.18 節。

本《ViPERS 用戶指南》逐步介紹了通過網絡應用程序向用戶提供的各項功能。第 2 部分提供了連接和使用 ViPERS 所需的基本信息。第 3 部分包括 ViPERS 網絡應用程序各模塊的詳細信息；第 4 部分提供 ViPERS 數據服務器的信息。有關添加新模塊和可用應用編程接口（APIs）的說明，請參閱配套的《ViPERS 實施指南》 和《ViPERS 編程手冊》。

ViPERS基礎

ViPERS 軟件框架包括以下內容：

1. 嵌入式網絡服務器，提供與傳感器交互的用戶界面；

2. Dataserver 應用程序，用于在傳感器后臺運行處理模塊；以及

3. 用于長期數據存儲的嵌入式實時時間序列數據庫。用戶可將本節作為 ViPERS 的基本 "快速入門 "指南。

改進對軍事人員保留的預測可以在多個層面上幫助美國防部（DOD）領導人和部隊管理者。發展一支致命的、高效的和準備就緒的部隊，需要領導人在一個詳細的水平上預測即將發生的軍事人員規模和形態的變化。為了支持負責人事和戰備的美國防部副部長辦公室，IDA開發了持續預測模型（RPM）。RPM使用機器學習算法和廣泛的人事記錄來捕捉服務特征中豐富的互動，并預測個別軍人何時會從軍隊離職。RPM的個人層面的預測可以按任何需要的人口子集進行匯總，包括職業領域、隊列、單位或人口統計學。

目前，RPM納入了2000年至2018年間現役人員的每月記錄。這個群體包括大約450萬獨特的個人和600多個行政領域，涵蓋職業歷史、家庭、工資和部署。為了方便和加快模型訓練，2000年至2018年之間所有服役人員的5%的樣本被分成兩個子樣本。第一個子樣本，包括75%的樣本（約169,000人），被用來訓練RPM。其余25%的樣本則用于測試。根據關于一個軍人的職業和在某一點上可觀察到的特征的信息，RPM估計一個人在未來任何數量的時期內繼續服役的概率。RPM使用了一個專門為分析應用而開發的生存損失函數，在這種情況下，一連串事件中的最終狀態是無法觀察到的或尚未發生。分類變量使用嵌入層進行編碼，以確定對預測模型最有用的映射結構。

RPM產生了個人層面的預測，密切反映了實際的流失模式。在樣本外數據的測試中，給定兩個隨機選擇的軍人，其中一個在一年內離開軍隊，RPM在88%的時間內識別了正確的個人。將時間范圍擴大到4年，該模型80%的時間是正確的；對于18年以內的任何年數，該模型78%以上的時間是正確的。

應用機器學習技術來識別人事數據的模式，可以對影響軍事人員保留和部隊規劃的問題有新的認識。美國防部可以利用RPM來預測特定職業領域的短缺，為異質人口的預期職業長度進行規劃，并制定政策以留住備受歡迎的人員。

遠征軍主要依靠柴油發電機來維持關鍵任務的指揮、控制、通信、計算機、作戰系統情報、監視和偵察（C5ISR）以及中小型戰術電網的生命支持系統。在支持遠程特種作戰部隊（SOF）和海軍陸戰隊在有爭議的環境中的遠征行動時，這種依賴性帶來了重大的后勤和維護挑戰。研究的主要目的是衡量當前或接近市場的儲能和光伏充電解決方案的有效性，以增加或取代柴油發電機，支持遠征軍事行動。次要目標是衡量這些儲能和充電解決方案與柴油發電機同步運行對部隊燃料消耗的影響，特別是對現有燃料補給計劃的影響。這項研究的結論是，現有的和接近市場的可再生能源系統可以有效地與戰術柴油發電機整合，并產生足夠的能量來滿足支持遠征軍在偏遠地區作戰所需的相當一部分能源。

滿足維持復雜的長途通信網絡、戰術無線電、指揮、控制、通信、計算機、作戰系統情報、監視、偵察（C5ISR）和生命支持系統所需的能源要求，在面臨有爭議和灰色地帶環境中的持續戰略競爭時，是一個獨特的挑戰。支持這些系統的柴油動力戰術發電機的運行成本，再加上維護這些系統所需的廣泛的后勤基礎設施，是非常可觀的。自2009年以來，美國（U.S.）國防部（DOD）一直在尋求可再生能源選項，以建立戰場上的能源安全。這一努力主要是由2001年至2021年在伊拉克和阿富汗的燃料行動的財政和人力成本驅動的，其中燃料的完全負擔率為每加侖15-42美元（Solis 2009），傷亡率為每24個燃料車隊發生一次（Wald 2009, 19）。隨著國家安全戰略（NSS）從西南亞洲的反叛亂轉移到南太平洋和東歐的持續戰略競爭，強大的后勤管道可能不容易獲得，部隊的生存能力將基于在有爭議的地區實現后勤可持續性的能力。(海軍陸戰隊司令部2021年）。為了在這些環境中開展行動時實現能源安全，需要利用可再生能源。

這項研究旨在研究在混合配置中部署的光伏（PV）鋰離子能源解決方案是否會大大延長為傳統柴油發電機提供動力的預置燃料供應的運行能力；最終，這種系統是否能夠通過光伏太陽能充電解決方案在偏遠地區獨立維持運行。雖然在戰術班、排和連一級對提高能源效率和采用可再生能源的關注有限，但國防部的大部分節能舉措都影響了大規模的駐軍基礎設施。研究的主要目的是衡量當前或接近市場的COTS/GOTS能源儲存和光伏充電解決方案的有效性，以增加或取代柴油燃料發電機，支持遠征的軍事行動。次要目標是衡量COTS/GOTS儲能和充電解決方案與柴油發電機同時運行對部隊燃料消耗的影響，特別是對現有燃料補給計劃的影響。還討論了前期系統采購成本和生命周期運營成本節約之間的權衡。

為支持本論文，對現有研究和文獻的審查表明，現有的大部分工作都集中在大規模實施可再生能源系統，為偏遠村莊或大型駐軍和遠征軍事設施供電。審查還確定了相關的行動后報告，詳細說明了排到連級單位的設備串、能源需求、發電機功率輸出和燃料消耗率。選擇的其他資源與電力可再生能源混合優化模型（HOMER）程序有關，該程序用于對COTS/GOTS可再生能源解決方案進行建模和模擬，以及已投入使用的、接近市場的和名義的COTS/GOTS能源解決方案的技術文件。

配置A包括傳統的戰術發電機，配置B是地面可再生遠征能源網絡系統（GREENS），該系統目前已作為美國海軍陸戰隊的記錄項目投入使用，配置C是移動電動混合電源（MEHPS），該系統正在采購過程中，配置D是一個由通用光伏收集板和特斯拉電源包組成的COTS系統。部隊的組成是一個SOF團隊大小的元素（部隊1），其能源需求由TOC設備串定義，一個USMC連大小的元素（部隊2），其能源需求基于COC設備串。每個能源生產配置都在HOMER中建模，并根據兩個部隊組成所產生的電力需求進行分析。除了分析基于系統規格的電力需求輸入外，HOMER還根據位置、季節和歷史太陽輻照度數據考慮了環境變量，以預測可再生能源生產。

對評估結果的分析表明，無論是配置B還是配置C都不能產生足夠的能量來有效地滿足部隊1或部隊2的100%的動力需求。然而，這兩個系統在與戰術發電機的混合配置中產生了足夠的能量，大大降低了燃料燃燒率，并延長了后勤補給窗口。配置B產生了部隊1所需能量的30%，并將燃料補給窗口從10天延長到29天，假設預置了200加侖的燃料儲存。雖然配置B只產生部隊2所需能量的9%，但假設有3000加侖的預置燃料儲存，這就轉化為128天的燃料再供應窗口。由于系統目前設計的發電機選項不足，配置C只能與部隊1進行評估。配置C的特點是加強了電池存儲和自動混合管理系統，同時向TOC提供發電機電源，并用多余的發電機容量為耗盡的電池充電。因此，配置C產生了1號部隊所需電力的52.6%，并將燃料補給窗口延長到55天。配置D提供了1號部隊所需的100%的電力，消除了燃料再供應的需要，并需要最小的備用發電機基礎設施和預置的燃料。盡管2號部隊COC設備的電力需求超過了COTS解決方案的能力，但在這種情況下，可再生能源的滲透率相當高，達到56%，將燃料再供應窗口延長到270天。

這項研究的結論是，現有的和即將上市的COTS/GOTS可再生能源系統可以有效地與戰術柴油發電機整合，并產生足夠的能量來滿足支持遠征作戰所需的相當一部分能源。對燃料消耗的影響證明，即使是9%的名義可再生能源滲透率也能將燃料補給窗口延長56%。本論文中評估的每一個可再生能源系統都可以按比例調整，以更好地適應從特種部隊到美國海軍陸戰隊連隊規模的部隊配置的具體要求。建議對電池組研究、光伏材料和能源管理軟件進行額外的投資，以提高旨在支持遠征作戰的可再生能源系統的影響。

為了跟上美國防部（DOD）人工智能（Al）戰略的步伐，美國陸軍在2018年啟動了人工智能集成中心（Al2C）。他們的任務是--與美國各地的公司和大學的人工智能社區溝通，目的是通過人工智能的整合來改善和提高軍隊的能力。

這個頂點項目盡可能地分析了當前美陸軍部（DA）對人工智能的要求狀況，以及它們對人類系統集成（HSI）的包含。該小組審查了發布在獎勵管理系統（SAM）網站上的人工智能合同機會和適用的文件，包括績效工作聲明、工作聲明或目標聲明。第一步是確定這些合同機會中包含的要求是否符合人工智能的定義，即計算機系統有能力執行通常需要人類智慧的任務。如果需求符合人工智能的這一定義，那么分析工作就會繼續進行，并側重于納入HSI，以確保為人類（即操作員、士兵、用戶等）提供便利。研究小組還采訪了主題專家（SMEs），以深入了解軍隊開發和獲取人工智能需求的過程。

在2003年至2022年期間發布到SAM的機會中，只有16%（238個中的40個）在開發過程中足夠成熟，可以考慮進行評估。在這40個被認為足夠成熟的采購開發過程中，只有16個發布的信息包含了相關的文件，可以根據團隊既定的人工智能和HSI標準進行評估。從那里，只有6個帖子符合AL的定義，4個被寬泛地判斷為包括一些對HSI或人為因素的參考。該小組的綜合評估確定，陸軍的人工智能指導還處于起步階段，需要進一步發展和完善。評價還強調，盡管國防部和陸軍指導將HSI納入所有要求，但仍然缺乏對HSI的納入。

這個頂點項目建議，所提出的結果和結論應被用來進一步制定人工智能需求的采購指南，并特別注重納入HSI。我們還建議，未來的研究應納入機密需求以及由其他交易機構通過財團管理的需求。

爆炸超壓研究（BOS）工作試圖了解和減輕爆炸超壓事件對軍隊的影響，特別是解決與腦部創傷有關的問題。這個特殊項目的目標是更好地理解數據分析，以改善軍隊在BOS方面的作戰醫學。同樣令人感興趣的是如何對這些數據進行編目，并提供給追求這一主題的研究人員。評估的數據通常包括血液中生物標志物的濃度、國防自動神經行為評估指標和參與者自我報告的癥狀。幾個Python工具被用來重現文獻中存在的分析，包括Spearman等級相關、方差分析和四分位數范圍評估。還探索了機器學習中常見的其他分析方法，看是否能找到有用的關聯。這項工作顯示了擁有一個結構化的數據存儲和訪問方法的優勢，同時也強調了普通的開源工具，如Python和各種統計和機器學習軟件包，能夠產生有意義的分析結果。

超壓事件產生的壓力波超過大氣壓力。暴露在爆炸超壓下會對人和他們的認知健康產生嚴重的、累積的和長期的負面影響。例如，參與突破事件的士兵，如使用炸藥在墻壁或柵欄等結構上打洞的士兵，通常會暴露在超壓下。靠近武器系統的士兵也會遭遇超壓。暴露在超壓事件中往往會導致類似于腦震蕩或輕度創傷性腦損傷（mTBI）的癥狀。

首先，由于在報告輕度創傷性腦損傷或腦震蕩的癥狀以及診斷這種傷害時存在變異性和不確定性，有必要開發和探索分析，使這項任務更加容易。這個項目的第一個目標是創建一個用戶可以加載、編輯和分析數據的單一平臺。這樣一個可以作為真理來源參考的系統將通過減少使用多個平臺或在研究小組之間傳輸數據時可能發生的錯誤來提高研究的可重復性。此外，讓數據接近高性能的計算資源，并能夠輕松地將其用于大型分析工作流程，將促進以前不可行的新型研究。我們開發了一個軟件棧，其中包含一個攝取工作流程、數據存儲、數據處理引擎和一個用戶界面（UI），使用湖心島架構。一旦數據被攝取，以后就可以使用多種方式進行分析，包括基于標準查詢語言（SQL）的探索，基于Python的探索，以及人工智能（AI）/機器學習（ML）算法。此外，所有的迭代、變化和新得出的數據都記錄在資源庫中，因此很容易看到數據是如何被改變的。歸屬和數據出處在這個模型中得到了加強。

第二，在這個研究過程中，離群點檢測和移除的話題變得相當重要。多年來，有許多方法被研究和實施。在人類健康領域發表的許多論文都使用了一種自動方法，將人類對離群點識別的判斷從這個過程中剔除。這種方法可以在一個商業軟件包中找到，算法的作者在一篇論文中討論了整個方法。我們用Python實現了這個方法，因為我們的研究表明它還沒有在這種計算機語言中實現。有了這種方法，也就可以在大規模的超級計算機上對這種方法進行研究和應用的可重復性。

最后，這個項目的最后一個主要目標是表明Python和額外的統計和ML方法可以用來重現和擴展這個領域的常見分析。通過建立在數據科學界開發和測試的既定模型和程序上，解決問題的時間可以相對較快，而且可以沿途進行大量定制。

為了更好地了解這一研究領域所做的處理和分析類型，并確定應用和/或開發什么工具和程序來進行這種分析，我們專注于兩個不同的數據集。第一個包括總共29個受試者，有血液生物標志物數據、人類神經認知性能數據和爆炸壓力數據。這是我們使用mTBI社區的傳統技術進行分析和關注的第一個數據集。這個分析也突出了識別和去除離群點的重要性，這對小數據集來說更為關鍵。如前所述，這就需要一種專門的方法，這種方法在市場上可以買到，但據我們所知，還沒有一種更通用的軟件方法可以使用或實施。本報告對這種方法進行了描述。

在此之后，通過與沃爾特-里德陸軍研究所（WRAIR）的合作，我們獲得了更多的數據，包括來自8個隊列的218名受試者，這使我們能夠更加專注于新興的數據科學方法，如深度神經網絡，以尋找模式和因果關系。我們對這個數據集的經驗構成了本敘述的后半部分。這些方法的總和提供了一種使用開源工具和技術的方法，以便為創傷性腦損傷研究進行定制和深入的數據科學處理。

?世界各地的軍隊正在根據戰爭的發展開發、集成和使用機器人和自主系統 (RAS)。需要進一步思考這一過程在荷蘭境內發生的條件以及可能產生的挑戰和影響。HCSS 項目“軍事背景下的 RAS”試圖為這一討論做出貢獻。

在兩年的時間里，該項目產生了五篇公共研究論文，涵蓋了與在軍事背景下實施 RAS 相關的一系列主題。這些研究論文涵蓋了軍事適用性、倫理考慮、法律論述、合作要求以及 RAS 在軍事環境中的實施。所有論文都合并在此報告中，包括簡要總結分析的綜合報告和一系列六份情況說明書。 研究方法側重于獲取從業人員、研究人員、倫理學家、法律專家、行業專業人士、技術人員、民間社會組織、軍事人員和國防界其他成員的專業知識。這樣做不僅能夠收集對主題的多方面理解，而且還能將這些利益相關者獨特地聯系在一起，并促進他們之間具有挑戰性的討論。在項目過程中，與不同的咨詢委員會成員舉行了五次會議，指導了研究軌跡，并為其立場文件和研究論文草稿提供了寶貴的意見。還收集了來自 200 多名利益相關者的專業知識，參加了六場專家會議，其中涉及各種方法，包括基于場景的討論、設計會議、

次要目標是為公眾辯論提供信息，并在抵制流行的“殺手機器人”觀念的軍事背景下就 RAS 進行更細致的對話。為此，舉辦了關于 RAS 的道德困境的公開研討會，與 BNR Nieuwsradio 合作發布了五個 De Strateeg 播客，組織了會議和圓桌會議，并于 2021 年 2 月發布了一部 18 分鐘的紀錄片。

引 言

2019 年 12 月，普京在俄羅斯國防部董事會會議上發表講話時表示，“機器人系統和無人機正在被嚴格引入并用于戰斗訓練，這極大地提高了武裝部隊的能力。”幾個月后，俄羅斯國防部宣布了一項價值約 420 萬歐元的封閉招標，旨在“研究為新一代人工智能軍事系統創建神經網絡開發、訓練和實施的實驗模型”。雖然中國在公開場合遠沒有那么自夸，但他們的軍事優勢戰略是由人工智能和自動化的發展引領的，這導致一些分析人士認為，解放軍的目標是通過系統沖突和高度智能化的戰爭來主導。

這些觀點意味著一個更大的現象。世界各地的軍隊正在根據戰爭的第四次演變開發、整合和使用機器人和自主系統，需要進一步思考在荷蘭境內進行這一過程的條件以及可能出現的挑戰和影響作為結果。

HCSS 項目“軍事背景下的 RAS”試圖為這一討論做出貢獻。在兩年的時間里，該項目產生了五篇公共研究論文，涵蓋了與在軍事背景下實施 RAS 相關的一系列主題。該綜合將這些主題聯系在一起，并展示了該項目最相關的發現。下面總結了 HCSS 研究對道德要求、法律話語、合作伙伴合作、實施和概念開發和實驗的觀察，然后是關于 RAS 的軍事適用性的初級部分。

RAS的軍事適用性

機器人和自主系統 (RAS) 在軍事環境中提供了大量、重要且影響深遠的機會。為了觀察這些系統在這種情況下的適用方式并評估它們的效用，需要解決一些定義和概念：

1 自主性：人類賦予系統執行給定任務的獨立程度。根據系統自身的態勢感知（綜合感知、感知、分析）、規劃和決策，實現分配任務是自治的條件或質量。自主性是指一系列自動化，其中可以針對特定任務、風險水平和人機協作程度定制獨立決策。自主級別可以包括遠程控制（非自主）、操作員協助、部分自動化、條件自動化、高度自動化或完全自動化。

2 機器人：能夠通過直接的人工控制、計算機控制或兩者兼而有之來執行一組動作的動力機器。它至少由平臺、軟件和電源組成

3 機器人和自主系統 (RAS)：RAS 是學術界和科學技術 (S&T) 社區公認的術語，強調這些系統的物理（機器人）和認知（自主）方面。RAS 是一個框架，用于描述具有機器人元素和自主元素的系統。值得注意的是，RAS 的每個連續部分都涵蓋了廣泛的范圍。“系統”部分指的是廣泛（在我們的例子中為軍事）應用領域的各種物理系統。在計算機或網絡上運行的自動化軟件系統，包括“機器人”，即無需人工干預即可執行命令的軟件，不符合 RAS 的條件，因為它們缺少物理組件。“機器人”部分，指的是系統的物理布局，認為系統是無人或無人居住的。所有其他物理方面（大小、形式，無論是飛行、漂浮還是滾動等）都保持打開狀態。

4 致命自主武器系統 (LAWS)：一種武器，在沒有人為干預的情況下，根據人為部署武器的決定，在沒有人為干預的情況下選擇和攻擊符合某些預定義標準的目標，因為攻擊一旦發動，人為干預就無法阻止。

5 有意義的人類控制（MHC）：MHC 包括（至少）以下三個要素：（1）人們就武器的使用做出知情、有意識的決定；(2) 人們被充分告知，以確保在他們對目標、武器和使用武器的背景所了解的范圍內，使用武力符合國際法；(3) 所討論的武器是在現實的操作環境中設計和測試的，并且相關人員已經接受了足夠的培訓，以便以負責任的方式使用武器。MHC 是一個復雜的概念，在許多情況下，上述描述并不是決定性的。荷蘭官方的立場是，“所有武器，包括自主武器，都必須保持在有意義的人類控制之下。”

“殺手機器人”的言論已將公眾對軍事環境中機器人和自主系統的看法縮小為完全關于高度或完全自主系統使用致命武力的觀點。實際上，RAS 可應用于眾多軍事功能和任務，每個功能具有不同程度的自主性（見下圖）。機器人和自主系統的廣泛軍事適用性產生了無數和巨大的機會。未來幾年的挑戰是充分利用這些機會，發揮軍事優勢的潛力，同時降低所帶來的風險。

在這些功能中實施 RAS 會帶來重大挑戰，但也預示著軍隊將面臨更有效、更高效和更敏捷的新機遇。可以根據這些類別評估 RAS 繼續改進/再改進國防領域的潛力。

速度。在促進快速決策和威脅優先級排序的人工智能的幫助下，RAS 已經能夠超越人類的反應時間并縮短 OODA（觀察、定位、決定、行動）循環。

可靠性。將任務委派給機器需要高度的信任，但到目前為止，RAS 還不能證明在所有軍事應用領域都有足夠的可靠性。然而，我們對這些系統的信心將會增加，因為它們證明了它們在執行特定任務時的可靠性和有效性。

準確性。人工智能系統的面部圖像識別和感官能力已經超過了人類的表現水平，盡管無人系統比人類操作員更精確的說法受到廣泛爭議。

大規模效應。由于射程和耐力的增加，RAS 有能力增強對戰場的覆蓋范圍并壓倒對手。這種潛力的最好例子是“蜂擁而至”。

可達性。RAS 極大地增強了監視、情報、偵察和武器系統的可用存在點。

穩健性。在短期內，由于惡劣的天氣和任務的變化等意外條件，RAS 將比人類更容易失敗。這種脆弱性延伸到虛擬域：由于連接丟失、黑客攻擊和其他干擾可能導致系統無法運行。

安全。RAS 可以執行“枯燥、危險和骯臟”的任務，以便人類可以專注于更專業的任務并遠離火線。

成本。盡管最先進技術的獨家使用權將保留給最富有的玩家，但現在被認為是高度先進的系統的成本將在未來 20 年內下降，從而變得更加普及。

維護。考慮到系統的復雜性和涉及的多個（外部）合作伙伴，更新和升級 RAS 軟件和硬件可能會更加困難。

時間效率。RAS 可以 24/7 全天候高標準執行乏味且重復性的監控任務，無需休息，高效解決后勤規劃，快速超越人工多任務處理的極限。

靈活性。盡管 RAS 目前在執行特定任務方面表現出色，但在可預見的未來，人類仍將是最靈活的。隨著開發人員繼續創新當前系統，這種動態可能會發生變化。

適應性。RAS 具有高度自適應性，并且隨著時間的推移在系統生命周期（擴展、擴展、升級等）期間易于重新配置，以便跟上動態環境中出現的新要求。

外部合法性。因此，軍方與 RAS 的接觸必須在他們（可能）提供的先進能力與其所服務的社會的價值觀和規范之間取得平衡。

內部合法性。RAS 的信任和組織規范化將隨著時間的推移而得到加強。隨著對系統的理解、可預測性和熟悉度的提高，它們在組織內的合法性將得到鞏固。

許多國家認識到這種潛力并意識到需要在瞬息萬變的國際舞臺上具有軍事競爭力，因此將 RAS 用作其武裝部隊的一部分（圖 2）。然而，盡管有明顯的機會，但在軍事環境中實施 RAS 并非易事。許多實際和理論挑戰阻礙了實施過程，需要政策制定者、創新者、研究人員、國防界和民間社會成員之間的討論，在許多情況下，這些挑戰考驗著我們賴以監管、開發、獲取、整合和使用其他軍事技術。為了分析這些挑戰，重要的是確定 RAS 系統生命周期的三個階段：開發、集成和使用（圖 3）。下一節總結了在 HCSS RAS 項目期間探索和分析的理論考慮（道德和法律）和實際考慮（私營部門合作和概念試驗與開發）。

RAS的開發是一個硬件和軟件設計和生產的動態過程，在后期根據系統測試、集成、監控和使用的結果不斷地重新審視。RAS的設計和開發需要國防部門和私營部門之間更深入的互動與合作。因此，私營部門在塑造 RAS 生命周期的發展階段和解決與該階段相關的理論和實踐考慮方面發揮著關鍵作用。

這一階段涉及 RAS 的組織嵌入，由此與系統開發者/生產者的關系發生變化，新的參與者（例如實際的軍事最終用戶）出現或獲得更主導的角色。在這個階段，“交接”變化的性質引發了關于不同參與者角色的新問題。

在作戰環境中使用 RAS 會影響軍隊的工作方式、與誰合作以及在什么條件下工作。這是因為相關系統的更大自主性促使操作員和指揮官以“更高的抽象層次”與系統進行交互。除了部署之外，這個階段還包括RAS的維護和服務。

結 論

機器人和自主系統代表了軍事領域的轉變。它們提供了顯著的軍事能力，以擴大軍事行動的質量、范圍、效率和安全性，并正在改變我們現在和未來對抗沖突的方式。RAS 功能正在實施，不僅是荷蘭武裝部隊，還有我們的潛在對手。技術、運營、法律和道德問題，以及這種新興技術的潛在擴散是復雜且相對較新的。

隨著新發展的出現和在運營使用過程中獲得經驗，我們概念化、設計、建造和運營 RAS 的方式將需要反復重新考慮。這也意味著需要不斷的知識開發、概念開發和實驗。為了充分了解 RAS 的潛力及其作為軍事工具箱中重要戰略工具的要求，必須在操作環境中進行實際測試。

要讓行業充分參與這些市場，在這個快速發展的領域中共同開發和共同試驗需要不同的思維方式。在產品完全成熟并且操作使用表明它們被充分理解和可預測之前，RAS 將需要通過短周期創新過程進行不斷調整。

在軍事背景下開發和實施 RAS 將需要持續關注、創造性的大局思維以及與利益相關者（包括政策制定者、學者、倫理學家、律師、行業專業人士、技術人員、民間社會和國防界）的強大合作網絡。