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

ChatGPT 和生成式人工智能模型可以根據提示和提供的信息生成新穎的策略和決策，隨著 ChatGPT 和生成式人工智能模型在更廣范圍內的普及，關于將智能體融入軍事和外交決策等高風險情境的討論也變得更加頻繁和具體[Paul，2023；Andersen，2023；Hirsh，2023；Hoffman and Kim，2023]。2023 年 7 月，據彭博社報道，美國國防部（DoD）正在進行一系列測試，評估五種不同的大型語言模型（LLM）在模擬沖突場景中的軍事規劃能力[Manson，2023]。美國空軍上校馬修-斯特羅邁耶（Matthew Strohmeyer）是該團隊的成員之一，他說："軍方可以在近期內部署該模型"[Manson, 2023]。隨著人們越來越多地探索 LLMs 在高風險決策環境中的應用潛力，深入了解 LLMs 的行為及相關失效模式對于避免重大失誤至關重要。將智能體整合到高風險環境中，可以通過兩種顯著形式增強人類決策：1）智能體為人類決策者提供建議；或 2）賦予智能體獨立執行行動的權力。在這些復雜情況下部署 LLMs 的理由是，它們可以處理更多信息 [Szabadf?ldi, 2021] 并比人類更快地做出決策 [Manson, 2023, Johnson, 2021]；它們可能更善于有效分配資源；它們可以促進關鍵人員之間的交流，從而在高風險情況下與外國對手競爭時獲得競爭優勢 [Scott, 2023]。此外，在高風險情況下部署這些模型還可能存在其他風險[Bommasani 等人，2021]。雖然情景（1）在目前看來更有可能發生，而且由于人類的監督而 "更安全"，但它并非沒有風險；考慮到沖突決策所需的信息的復雜性和龐大性，情景（1）中的人類決策者可能容易變得越來越依賴于智能體提供的建議，在執行提議的行動時極少經過深思熟慮，從而實際上讓智能體負責決策。

無論在哪種情況下，了解模型在不同環境下的行為、模型之間的比較以及模型何時傾向于沖突升級而不是沖突降級都是非常重要的。在本文中，我們研究了八個智能體在沒有人類監督的情況下，面對不同場景時如何相互影響并做出外交和軍事決策。我們使用五種不同的 LLM 在基于回合的模擬中獨立充當其中一個智能體。為了能夠進行定量分析，我們的工作基于既定的升級理論，引入了一個衡量升級的框架。以往關于在防御環境中使用 LLMs 作為策劃者的研究僅停留在定性層面（例如，[Mikhailov, 2023]）。我們發現，所研究的大多數 LLM 都會在所考慮的時間范圍內升級，即使是在沒有最初引入沖突的中立場景中也是如此。所有模型都顯示出突然和難以預測的升級跡象。我們表明，在高風險的真實世界環境中部署這些模型之前，需要進行更多分析，以了解 LLM 升級的時間和原因，從而避免意外后果和安全風險。

圖 1：中性情景下的平均升級分數（左）和升級分數的每日變化（右）。對于每個模型，我們都在中性場景下運行了 10 次。圖中顯示了所有四個模型在 t=14 個回合中的平均 ES 值。淺色陰影區域顯示了相應的誤差帶。

作為 CAF JADC2 AUAR 項目的一部分，本文研究了聯合全域指揮與控制系統的需求，特別是開發中的先進作戰管理系統（ABMS），以考慮極有可能發生的授權分布式作戰。本文認為，先進作戰管理系統不應只關注高層決策者和傳統指揮與控制要素的需求，而應考慮到部隊一級的使用。報告介紹了空軍單位級情報部門的作用和職責，將其作為一個使用案例來說明這一點，以便在整個聯合兵力中進行開發。

正文

美國空軍前參謀長戴維-戈德芬（David Goldfein）將軍將開發中的先進作戰管理系統（ABMS）比作優步（Uber）的共享乘車應用。他描述了共同行動圖（COP）的相似之處，該圖可以顯示汽車和司機的位置，也可以顯示 "巡航導彈和攻擊型無人機 "的位置，從而實現乘客與汽車或射手與目標的高效自動匹配。在軍事方面，這樣一個系統展示了從傳感器到戰斗管理再到射手的連接，這樣，人與人之間的第一次互動就是海軍巡洋艦指揮官提出交戰選擇，以供最終決策。這種描述非常優雅，戈德費恩將軍無疑是想為大眾提供一個有用的說明，但即使是對聯合全域指揮與控制（JADC2）結構中的 ABMS 系統進行更多的技術描述，似乎也僅限于能夠實現更有效的中央指揮控制的系統。為了對抗未來高度對抗性的環境，像 ABMS 這樣的工具必須考慮整合各層次更廣泛的用戶。如果從一開始就不考慮任務指揮的分布式執行和廣泛使用，就有可能過度依賴集中決策，從而忽視下級操作人員的兵力倍增能力，并在無法與 C2 連接時危及作戰效能。空軍單位級情報（ULI）在支持飛行行動中的作用、能力和近期經驗表明，需要擴大 ABMS 的范圍，以實現彈性的 JADC2 和有效的聯合全域作戰（JADO）。

空軍部對聯合防務與發展組織的愿景認識到，"與近期的低強度沖突行動相比，JADC2 需要更大程度的分布式執行、更高程度的授權，以及對中央規劃和任務指導的更少依賴"。"由于通信能力下降和作戰環境發生重大變化等原因，需要通過 "基于條件的授權 "來實現這一點。授權允許通過使用任務類型的命令進行任務指揮，將上級指揮官的意圖明確傳達給行使授權的下級指揮官。這與空軍正在開發的未來分布式作戰概念（如 "敏捷戰斗部署"（ACE））非常吻合，該概念設想部隊在沒有與空中作戰中心（AOC）和其他 C2 平臺所體現的傳統集中式 C2 結構進行可靠通信的情況下開展行動。當除最短距離通信外的所有通信都被切斷時，空中遠征聯隊（AEW）指揮官或在不同作戰地點的更低級別的指揮官可能不得不在只有上級指揮官最新意圖的情況下執行本地 C2。從邏輯上講，這種分布式指揮調度可能涉及本地/可通信區域內多個領域和服務的能力。這種最具戰術性的 JADC2 將需要通過及時準確的友軍信息和敵方情報來實現。

ABMS 旨在提供態勢感知，使 JADC2 成為可能。它是一個系統，旨在通過通用應用程序和軟件開發工具包（SDK）將傳感器與作戰管理聯系起來，使開發人員能夠構建將信息傳遞到這些應用程序的平臺。組件應用程序包括數據源、人工智能/機器學習（AI/ML）、數據融合、COP 以及最終的 C2 功能。利用人工智能/ML 融合和評估所有可用傳感器數據并將其顯示給決策者的方法令人鼓舞，但現有文件顯示，指揮應用程序的主要客戶是 "未來的空間、空中、網絡和全域指揮與控制戰斗管理者"，并列出了傳統的 C2 角色職業領域。這些職業領域通常與 AOC 和戰術 C2 平臺等傳統 C2 元素相關，這意味著其重點是改進當前模式下的決策制定，而不是重點構建可實現上述最分散和最授權形式 C2 的工具。盡管 ABMS 尚處于起步階段，傳統的 C2 要素是一個合理的起點，但必須擴大客戶范圍，將支持戰術決策者的參與者包括在內，直至單個射手。ULI 飛行員已經執行或預計執行的功能為 ABMS 功能的更廣泛應用提供了范例，這些功能將實現分布式 JADC2。

AFTTP 3-3.IPE 將 ULI 結構概述為一個應急情報網絡 (CIN)。CIN 包括 1. 作戰情報單元（CIC），負責綜合內部和外部來源，提供全來源分析，以支持聯隊指揮官、任務規劃人員、飛行單位以及網絡防御和兵力保護等其他聯隊職能部門，此外還負責協調聯隊向 AOC 等上級部門的情報報告；2. 情報人員納入聯隊任務規劃單元（MPC），以提供量身定制的威脅分析和目標數據；3. 中隊情報人員向飛行員提供針對任務的情報簡報，進行任務后匯報，并向中央情報中心報告從匯報中獲得的情報。圖 1 所示的所有這些職能對聯隊的行動都至關重要，可幫助指揮官做出決策，并為飛行員、保衛人員和聯隊其他人員提供威脅情報，通常還提供藍色作戰數據，特別是來自空中任務指令（ATO）等 AOC 文件的信息。簡而言之，如果能夠提供必要的情報和作戰數據，并利用有助于進行定制分析的工具，ULI 可以使決策制定深入到最底層，包括在某些平臺上執行任務時進入駕駛艙。

圖 1 CIN 的功能和關系

從條令上講，AOC 的情報監視和偵察處（ISRD）負責向部隊提供其所需的大部分作戰情報。情報監視和偵察處應以部隊支助小組為中介，通過情報摘要（INTSUM）、跟蹤威脅位置的作戰命令（OB）更新、匯集和評估所有部隊關于打擊目標和威脅位置及戰術變化的匯報數據的任務摘要、目標定位和武器設計數據，為聯合作戰環境情報準備工作（JIPOE）提供最新信息，并對總體局勢進行評估，同時還是答復部隊信息請求（RFIs）的主要樞紐。在實踐中，ISRD 的人員數量和單位經驗通常不足以在支持其他 AOC 部門和 ATO 生產的同時履行所有這些職能--這已經是一項幾乎不可能完成的任務。ABMS 所宣稱的傳感器融合、自動提示和 COP 生成等目標將使 ISRD 的許多分析、目標定位和收集管理流程自動化或輔助化，但不應將其視為簡單啟用 AOC 與部隊之間現有等級條令關系的一種方式。無論是由于物理距離、通信問題，還是由于缺乏定制產品所需的相關經驗，AOC 的部隊支持人員往往不具備滿足部隊需求的能力。

鑒于在日益復雜的作戰環境中，部隊一級需要大量的支持功能，而且預期 AOC 支持不會像條令所規定的那樣完整，因此 ULI 空軍人員經常依賴人工數據處理和分析。和平時期，根據聯隊任務定制的 JIPOE 是通過對一系列情報界（IC）來源的研究建立的。戰時更新則來自任何可用來源，包括原始報告。由于缺乏來自 AOC 的足夠詳細的信息或更新頻率，用于任務規劃的威脅 OB 是通過相對較新的多情報可視化工具（如 MIST 和 Thresher）建立的，盡管要求分析人員融合多種來源以得出最終評估結果。飛行員提供的任務數據仍需匯報并手動輸入報告系統，目前這些系統幾乎無法向大型多重情報工具提供反饋，因此必須臨時納入威脅位置和戰術評估。空中和防空行動固有的聯合性質往往也要求 ULI 人員了解兄弟部隊的能力，這通常是通過經驗和關系而非正式流程實現的。這些例子僅涵蓋了較為傳統的飛行支持要求，但其他任務（如兵力保護和網絡空間防御支持）對 ULI 空軍人員的要求可能會成倍增加。

考慮戰術級情報人員（如 ULI）以及他們所支持的分布式指揮官的信息需求，應從一開始就納入 ABMS 等系統。毫無疑問，向聯合部隊指揮官（JFC）、部隊指揮官及其 C2 機構等高級決策者提供信息仍然至關重要，但啟用 JADC2 的系統同樣需要預測權力如前所述被下放的情況，并隨時準備為責任加重的低級別人員提供量身定制的信息。最近的 ULI 經驗和針對 ACE 情景的規劃展示了一些在單位層面執行的職能實例，這些職能在理論上可能是 AOC 或其他 C2 要素的職責。這些功能包括：為有機傳感器建立作戰偵察目標甲板，以滿足當地的信息需求；直接向空中的飛行員傳達具有時效性的威脅或目標更新信息；以及執行先進的目標開發以實現打擊。了解這些可能的非理論使用案例的全部范圍，并將其納入 ABMS 開發和其他 JADC2 概念中，將使有能力的 ULI 飛行員能夠利用而不是圍繞經過測試的工具和理論支持真正的分布式行動。通過利用人工智能/人工智能支持的數據融合和顯示，消除來自不同來源的人工處理和分析，該領域的有意開發可簡化 ULI 的許多任務。

認識到像 ULI 這樣的行動者在開發 JADC2 系統中的重要性，突出了使系統在對抗性、分布式行動中發揮作用的一些額外要求。考慮到在不斷變化的作戰環境中，授權可能會迅速改變，因此必須在不同的用戶訪問權限中預置權限和數據顯示，以便在上級失去連接時自動激活。考慮到用戶可能會搬遷到條件較差的地方，系統應能在連接較少或沒有連接的情況下運行。這就需要在本地網絡上進行本地存儲和繼續運行，直到恢復更廣泛的連接，然后提供一種同步和突出顯示已更改信息的方法。所有這一切都需要對高層領導的風險承受能力進行認真的討論，而不是理論上的討論，以便在獲得最佳數據和合格分析師的情況下，在最基層做出決策。

這種情況不僅適用于分布式空中行動。在空軍條令中，納入系統開發可將作戰決策權下放到最基層的分布式執行，這與其他軍種的基本概念也是一致的。例如，陸軍的任務指揮概念是 "授權下級根據情況決策和分布式執行"，使用任務命令明確概述指揮官的意圖。聯合海上條令還強調了海軍長期以來的傳統，即 "任務指揮涉及集中指導、協作規劃以及分布式控制和執行"。因此，條令框架存在跨多領域授權的可能性，如果適當地集成到 JADC2 系統中，就可以通過與 ULI 相當的實體支持來實現。這些系統最終將使下放的權力能夠跨域行使指揮控制權，盡管要在整個聯合兵力中建立有效的全域作戰知識還有很多工作要做。

即使有了先進的通信和數據處理技術，假定傳統 C2 結構中的決策在對抗性行動中會有效也是不明智的。像 ABMS 這樣的 JADC2 規劃和系統開發必須預見到真正下放權力的影響，以及最基層指揮官和操作人員的信息需求。空軍 ULI 提供了一個例子，說明如果將其納入這些新開發的范圍，用戶集合就能隨時支持分布式行動

目前，任何公開使用的技術都要經過審計機制，在這一機制中，我們旨在理解使用該技術的影響和局限性，以及它們為何會產生。由于機器學習（ML）正逐漸成為我們這個時代的普遍技術，并且ML系統引發的偏見議題正在引起關注，因此理解如何審計ML系統是一個真正的關注點。

在本教程中，我們將討論算法的發展和現有的軟件，以解答以下問題：

如何選擇一個與應用相容的公平性度量來量化遇到的偏見？ 如何準確且高效地量化ML系統預測中遇到的偏見？ 如何解釋導致不同粒度級別的偏見的不同來源？

人工智能（AI）和統計機器學習（ML）與復雜系統的集成，給傳統的測試與評估（T&E）實踐帶來了各種挑戰。隨著更多不同級別的決策由人工智能系統（AIES）處理，我們需要測試與評估流程為確保系統的有效性、適用性和生存性奠定基礎。這涉及到評估 ML 模型和人工智能算法組件的方法，包括展示它們如何產生可重復和可解釋的決策的能力，以及對任何故障模式和故障緩解技術的了解。此外，還需要人工智能保證，以證明人工智能算法按預期運行，不存在因設計缺陷或惡意插入數據或算法代碼而產生的漏洞。T&E 需要新的流程來鑒定 ML 模型的訓練數據是否充足、算法和模型性能、系統性能以及運行能力。弗里曼（Freeman，2020 年）概述了當前復雜軟件支持系統的測試與評價方法所面臨的挑戰、嵌入式人工智能所加劇的關鍵挑戰，以及針對 AIES 的測試與評價需要如何改變的 10 個主題[1]。

為了充分測試 AIES，測試與評估界需要應對以下挑戰：

• 當狀態空間的大小導致測試所有情況不可行，或開放世界問題導致無法枚舉所有情況時，確定測試要求；
• 解決這些突發系統可以分解這一可能無效的假設；以及
• 處理動態變化的系統，這些系統在部署過程中可能永遠不會處于 "最終 "狀態[1]。

圖 1 總結了加強測試與評估的 10 個不同主題，以應對充分測試和評估 AIES 所面臨的挑戰。在過去的一年中，弗吉尼亞理工大學致力于測試和評估各種 AIES。本最佳實踐指南對圖 1 中的主題進行了進一步的完善和補充。本文所包含的最佳實踐將這些主題轉化為可執行的測試與評估實踐。在編寫本指南的過程中，我們充分利用了我們在人工智能系統開發和與更廣泛的人工智能社區合作方面的 T&E 工作經驗。這里所包含的最佳實踐反映了我們為使人工智能系統的測試與評估具有可操作性所做的初步嘗試。這些實踐需要在各種人工智能系統中進行測試，以確保它們是真正的最佳實踐。貫穿許多最佳實踐的一個亮點是數據的重要作用。數據不再僅僅是 T&E 的產物。現在，它已成為人工智能系統開發本身的輸入。這一顯著變化推動了對人工智能系統的技術與評估提出新的要求和實踐。此外，這份清單還遠遠不夠完整，應被視為一份活生生的實踐文檔。隨著越來越多的人工智能系統可供測試，新的實踐將不斷發展，本清單也需要不斷更新。不過，本文件中的每種做法都已證明在美國防部 AIES 測試中非常有用。

美國約翰霍普金斯大學應用物理實驗室（APL）精確打擊任務區設想了一個2030年的戰斗空間，其中物理領域（如陸地、海洋、空中和空間）和信息領域存在著激烈的競爭，并且在效果和結果方面緊密相連。在這個戰斗空間中創造決定性的優勢需要建立指揮、控制、通信、計算、網絡、情報、監視、偵察和目標定位（C5ISRT）系統，以提供比對手更完整、清晰、準確、最新、有保證和可獲得的作戰畫面。為此，本文提出了一個新的控制和分析框架，該框架將C5ISRT系統視為一個具有感知-行動周期的認知動態系統，它不斷地協作協調其資源，以優化可用于戰術決策的態勢感知。文章描述了在戰斗空間感知控制和反控制方面的研究和發展愿景，以實現連續的普遍的目標而不受懲罰。我們將由此產生的決定性優勢稱為C5ISRT優勢地位。

1 引言

美國國家安全戰略的力量和可信度取決于在全球投射軍事力量的能力。然而，成功的戰爭史促使對手發展反介入、區域拒止的能力，旨在從他們的領土上越來越遠地追蹤和瞄準美國部隊，使美國的作戰部署復雜化，并挑戰在戰區的機動自由。這種戰斗空間的重塑強調了信息戰，美國陸軍最近創建了第一信息作戰司令部，美國海軍在海上作戰中心內推動成立專門了的信息戰小組，美國空軍最近在第16空軍中設立了其第一個信息戰司令部，美國海軍陸戰隊的重組創建了海軍陸戰隊遠征軍信息組，這都證明了這一點。如果不對基礎技術的發展進行重大的戰略投資，美國將無法實現信息戰的益處，信息戰正在迅速成為與同行對手沖突的一個重要領域，如果不是主導的話。

APL設想通過對產生、傳輸、解釋和使用信息的信息戰功能優勢，在有爭議的環境中贏得戰術交戰。這些功能存在于對方的指揮、控制、通信、計算、網絡、情報、監視、偵察和目標定位（C5ISRT）系統中，并告知對方的戰斗管理（BM）系統。我們將由此產生的決定性優勢稱為C5ISRT的優勢。

近鄰對手目前在執行和破壞美國在利益區的殺傷鏈方面享有優勢，這些優勢是通過成本不對稱和戰場接近（"主場優勢"）自然產生的。實現C5ISRT優勢地位的愿景將重塑戰斗空間并扭轉空中優勢地位和力量投射領域的優勢，因為它能夠精確地提供效果以破壞對手的C5ISRT系統，同時加強美國和聯盟的C5ISRT系統對反擊的能力并提高其產生戰術相關信息的能力。

傳統上，戰術任務目標定位能力的不足是通過大量投資于專門的和精致的傳感資產來解決的。相反，對手殺傷鏈的弱點是通過發展戰術、技術和程序（TTP）來解決的，這些戰術、技術和程序拒絕或欺騙特定的感應系統。這自然導致了一個優勢交替的永久循環，在這個循環中，資產和TTP的效用減少，而成本卻在競爭中擴大。相比之下，這里描述的愿景是將不同準備程度的技術結合起來，以實現更大的集體和整體殺傷鏈效應，這有可能打破循環，以可承受的成本提供持久的優勢。

我們需要一個新的控制和分析框架來理解、預測和影響C5ISRT系統對各種攻擊機制的反應，無論是單獨的還是合作的。這個新框架將C5ISRT系統視為一個具有感知-行動周期（PAC）的認知動態系統（CDS），這意味著它不斷地重定向其資源，以優化可用來支持戰術決策的態勢感知。從這個角度看，攻擊機制被應用于創造、調節和利用信息差距，以達到對對手決策過程的預期效果。相反，C5ISRT系統可以動態地調整其信息流，以抵制破壞和欺騙的企圖。把這個框架和方法稱為戰區意識控制和反控制。

APL正在開發和使用新的控制和分析框架，以及一套強大的建模和仿真工具，以了解相互競爭的高度自動化和分布式C5ISRT系統之間的相互作用。該框架能夠對動能、電磁、網絡、物資和機動TTP進行綜合有效性評估，并支持對C5ISRT和反C5ISRT能力和TTP進行端到端開發和量化評估。

APL的C5ISRT優勢地位愿景利用廣泛的能力，為解決問題提供端到端的方法（圖1），包括制定TTP和攻擊機制、建模和模擬原型開發、實驗和假設測試、量化的性能分析、推斷到未測試的條件、規劃和演練現場實驗和演示，以及過渡到作戰部署。這些能力包括成熟的建模、模擬和分析環境、試驗臺和試驗場--所有這些都來自于APL與戰略、作戰和戰術作戰團體的深入聯系。

圖1. APL的端到端開發和評估周期適用于C5ISRT的優勢。

2 C5ISRT優勢地位2030年愿景

APL設想了一個2030年的戰斗空間，其中物理領域（如陸地、海洋、空中和空間）和信息領域存在著激烈的競爭，并且在效果和結果方面緊密相連。一個能夠提供最完整、清晰、準確、最新、有保證和可獲得的作戰圖景的C5ISRT系統將提供一個潛在的決定性優勢。實現這一優勢需要設計和控制C5ISRT系統的彈性，使其最大限度地提高與任務有關的認識，并盡量減少對干擾（例如，環境或與戰爭有關的干擾）的敏感性，并通過應用反措施，利用對手C5ISRT的敏感性來降低認識。

APL目前正在開發旨在為美國及其盟國提供破壞對手殺傷鏈的能力的技術。殺傷鏈要素的標準描述見圖2。殺傷鏈通常從尋找目標并在空間和時間上定位（或固定）它們開始。然后必須對目標進行監視，以足夠的精度跟蹤其位置，以便進行瞄準和交戰，隨后進行評估，以確定可能需要重新交戰。一個特別工作組研究了73種選擇，以利用對手C5ISRT殺傷鏈在反介入、區域拒止環境中的弱點。這些選擇被歸類為動能、電磁戰或網絡行動。在2012-2018年的時間框架內，APL的獨立研究和開發（IRAD）項目對其中一些選項和其他選項進行了調查。這些調查證實了攻擊對手C5ISRT的特定技術的潛力，并導致了一系列贊助商資助的任務，這些任務正在推進選定方法的技術準備。

2030年爭奪C5ISRT優勢地位的戰斗將包括改變被感知的環境刺激（非侵入性攻擊）和破壞C5ISRT系統內的信息流（侵入性攻擊）的攻擊機制。非侵入性攻擊或欺騙機制一般分為物質（如誘餌）、機動、動能（即對所感知的戰斗空間進行物理改變）、電磁（如無線電頻率干擾）和網絡（如被動報告活動）。侵入性攻擊機制包括動能（如破壞感知、通信和處理節點）、電磁（如干擾感知和通信節點）和網絡（如向節點和鏈接注入虛假信息）。

圖2. 殺傷鏈要素的標準描述。APL的愿景是攻擊殺傷鏈中的信息生產、傳輸和利用功能。

每種此類技術通常都是為了減輕或擊敗對手C5ISRT能力的一個特定要素。由于這個原因，它們在很大程度上被孤立地研究，以評估有效性。然而，在現實中，同行對手的C5ISRT能力將是冗余的、分層的、分布的，并在某種程度上是綜合的。因此，有必要了解協同應用的技術組合的效果。內部和跨類別的協調攻擊將是非常有利的；效果可以通過改變呈現給收集系統的刺激、直接注入虛假信息、使關鍵節點和鏈接的能力超載、以及通過破壞或降低節點和鏈接直接降低系統能力等組合來實現。刺激物也可以被定制，以暴露對手的弱點供其利用。當這些活動可以在對手的殺傷鏈時間線內進行時，就有可能對對手的決策計算造成巨大的混亂，從而削弱他們的態勢感知和潛在的戰斗決心。

此外，對立的C5ISRT系統之間的競爭，每個系統都可能分布著許多高度自動化的部件，必然會涉及系統與系統之間的互動。圖3顯示了相互競爭的C5ISRT系統--左邊是美國（以下簡稱藍色），右邊是一個有代表性的重要對手（以下簡稱紅色）。雙方都被分為情報、監視、偵察和瞄準(ISRT)功能(上塊)和BM功能(下塊)，以反映在民族國家組織中觀察到的典型的關注分工，并便于分析和實施這一領域的使能因素。ISRT功能對傳感器進行任務分配，并收集所產生的數據，將其處理成軌道和其他信息，以推動下一周期傳感器任務的決策。這個PAC通常也被稱為觀察、定位、決定、行動（OODA）循環。BM功能有它自己的OODA循環。根據從ISRT功能中得出的共同作戰圖（COP），決定在戰斗空間中采取什么類型的行動（例如，應用武器或反措施）。任何一方（藍方或紅方）采取的每項行動都可能被對方感知（感覺到）為需要回應的刺激。每一個反應也可能被認為是一個額外的刺激，刺激互動的繼續。感知和處理每一方的行動所造成的影響會更新締約方會議，為下一輪的決策提供輸入。

目前，對圖3中描述的相互作用了解甚少，相關的TTP也不存在，沒有協調，或效果不確定。2030年C5ISRT優勢地位的愿景是以協調方式攻擊對手的C5ISRT系統，以實現精確的系統級效果。需要新的方法和技術來實現這一愿景，并實現所指出的更廣泛和更靈活的分析。

圖3. C5ISRT系統與系統之間的相互作用。左圖：美國（藍色）。右邊，一個有代表性的重要對手（紅色）。雙方都表示由ISRT功能（上塊）和BM功能（下塊）組成。EM，電磁；GEOINT，地理空間情報；MASINT，測量和簽名情報；SIGINT，信號情報。

3 C5ISRT系統沖突的戰斗空間感知控制和反控制

將C5ISRT系統看作是一種CDS，它獲取并保持對環境的態勢感知，包括該環境中的特定實體（即用于目標定位）。在這種情況下，只有當一個系統在遇到類似的刺激時，具有回憶其先前行動的記憶時，它才是 "認知的"。這并不意味著該系統將采取相同的先前行動；這意味著該系統從遇到類似的刺激中獲得信息并 "更加聰明"。CDS必須適應可能隨著沖突的升級而變化的環境。這是C5國際空間站CDS的一個重要特性，它為負責創造預期效果以實現任務指揮官意圖的BM決策系統（包括人類決策者）提供信息。ISRT系統作為一個反饋系統運行，其PAC不斷地重新引導傳感、傳輸和處理資源，并管理信息流以調節由此產生的態勢感知。此外，ISRT-BM組合系統作為一個外部反饋系統運行，其PAC不斷地重新引導武器和反措施以調節戰斗空間的效果。

一套綜合的C5ISRT系統在應對外部刺激時調整其任務、收集、處理、通信和目標定位能力的能力是一個研究不足的問題。此外，人們對如何控制這些系統以實現預期的性能和穩健性目標知之甚少。需要研究了解C5ISRT系統的屬性和行為（特別是在CDS框架內），以及如何控制（和反過來破壞）它們。

在工程學科中，控制系統的設計通常是基于最優性（性能）和魯棒性（抗干擾性）之間的權衡。一個控制法通常尋求在不受控制的外源輸入的某些限度內保證性能或行為。在一個認知系統中，如ISRT-BM組合系統（我們的或對手的），信息流對性能和穩健性至關重要。我們應用新興的認知控制理論領域來理解如何預測ISRT-BM系統對刺激的反應，如何利用我們所掌握的刺激來達到預期效果，以及如何拒絕或以其他方式減輕這種針對我們的企圖。

CDS中的可用信息是從噪聲測量（例如，從傳感器）中提取的。可用信息可以被劃分為相關信息和冗余信息，其中的劃分取決于執行手頭的任務需要哪些信息（相關的是需要的；冗余的是不需要的）。因此，相關信息是可用信息和冗余信息之間的區別。作為一個假設的、說明性的例子，為了估計一個緩慢移動的目標的位置，使其達到現代武器瞄準器所要求的精度，跟蹤過濾器可能只需要每分鐘一次傳感器測量（可用信息）；而任何額外的測量可能被忽略（冗余信息）。CDS中的充分信息被定義為在所需的風險或質量水平上執行任務所需的信息。對于前面的例子，足夠的信息是武器以高于期望閾值的概率打擊目標所需的目標軌跡的精度。CDS中的信息差距被定義為相關信息和充分信息之間的差異（圖4）。對于前面的例子，如果傳感器的測量不夠精確或接收頻率不夠高（例如，至少每分鐘一次），就可能存在信息差距，以實現武器交戰。

圖4. 信息差距的說明。信息差距被定義為相關信息（粉色）和充分信息（虛線）之間的差異。相關信息是可用信息（帶狀）和冗余信息（紅色）之間的差異。可用信息是從噪聲測量中提取的。

認知控制的功能是通過調整從系統的感知部分到其執行部分的定向信息流來減少CDS中的信息差距。這些信息必須足以使一個目標處于危險之中。認知控制系統中的反饋信號是熵狀態，它量化了信息差距，并取決于外生干擾、感知和處理的不完善以及問題的充分統計。很明顯，可用的、相關的、冗余的和足夠的信息的概念，以及由此產生的信息差距，都是根據情況應用于每個具體的任務或使命。此外，一個CDS可以同時管理多個任務；而一組任務和它們各自的充分信息要求可以根據情況不斷變化。

我們將戰斗空間感知控制稱為認知控制概念在C5ISRT系統中的應用，該系統向BM系統提供攻擊任務的信息。在這種情況下，信息差距將通過一個風險函數來量化，該功能與正確的打擊決策所帶來的任務收益有關，反之，錯誤的打擊決策所帶來的任務損失。戰斗空間感知控制器必須動態地管理傳感、傳輸和處理資源，以最大限度地降低任務風險（或最大限度地提高由任務關注點調節的 "感知"）。它還應該被設計成對干擾（故意的或環境的）的敏感性最小。

相反，反C5ISRT戰略必須包括通過引入噪音、減少可用信息和降低相關信息與冗余信息的比例來調節對手的信息差距。例如（圖5），可以對紅方的ISRT系統進行攻擊，以破壞其傳感、通信、處理和決策，從而產生一個要么不代表現實，要么代表對藍方有利的認知的COP。調節，而不是一定要最大化，對手的信息差距使我們能夠控制對手檢測和應對干擾的能力。換句話說，即使可以實現對對手的最大破壞，但為達到預期效果而調整行動往往更為有利。我們把這種方法稱為戰斗空間感知反控制。需要進行研究以了解如何應用戰區感知控制和反控制以及不同技術對性能和穩健性的影響。

圖5. C5ISRT攻擊機制。可以對紅方的ISRT系統進行攻擊，以破壞其傳感、通信、處理和決策，從而產生一個不代表現實或代表對藍方有利的認知的COP。GEOINT，地理空間情報；MASINT，測量和簽名情報；SIGINT，信號情報。

4 進展

APL正在朝著本文所述的目標取得重大進展。前面提到的一系列IRAD工作吸引了政府的資助，其中APL發揮了突出的作用。在一個項目中，正在開發協調和協調反措施的算法。這項工作依賴于正在通過APL與美國情報界的緊密關系開發的模型，這些模型對一套全面的對手威脅和自身力量特征進行參數化和描述。其他項目正在開發單獨的、一對一的反措施，以破壞對手感知美國部隊活動的能力。這些反措施已經在實戰演習環境中進行了初步和積極的測試。一路走來，APL在C5ISRT優勢方面的工作引起了部署單位的興趣，從而形成了一項計劃，APL的科學家被部署到作戰人員所在地，從將使用這些系統的作戰人員的角度開發基于算法的系統。

最近，人們關注的是聯合欺騙戰略，其目標不僅僅是盡量減少對對手ISRT的暴露。在這里，我們希望對有意的欺騙行為進行計劃，并從對手那里發現同樣的欺騙行為，同時確定他們的真實意圖。為了讓人相信，欺騙必須考慮到對手的行為和意識形態。有效的欺騙行為一經發現，就會使對手對他們對現實的看法失去信心，并在隨后的真相面前猶豫不決。

目前IRAD的工作重點是控制紅方感知（見本期Ward等人的文章）和連續通用目標，正在研究欺騙和反欺騙的技術。例如，喬納森-德塞納（Jonathan DeSena）關于懷疑性融合和感覺形成的IRAD項目表明，對輸入數據持懷疑態度的融合方法，因此包含了欺騙的可能性，可以識別對手操縱藍方戰術圖的企圖。然而，這項工作并沒有開發出一種方法來補償所識別的欺騙行為。DeSena在他隨后的IRAD主動反欺騙項目中建立了這些想法，該項目表明，協調的ISR重新分配任務和主動探測可以導致激發有針對性的觀察結果，從而能夠更有效地評估和識別欺騙假設，并能夠在一定程度上穩健地減輕欺騙行為的建模錯誤。作為另一個例子，Zachary Akilan的IRAD項目名為 "以學習說謊為目標的訓練強化學習"（TROLL），研究了使用強化學習來構建有代表性的欺騙策略集，并通過監督學習來識別它們。

從這些和其他IRAD工作中獲得的技術或受其啟發的技術最終將被組合成一種全面的、有凝聚力的作戰能力，我們稱之為 "不受懲罰的連續通用目標定位"（CUTI）。如圖6所示，CUTI允許藍方控制對戰斗空間的感知，從而使藍方在任何時候都能對每一個有影響的紅方資產有目標質量的認識（持續的普遍瞄準），而紅方在任何時候都對任何有影響的藍方實體缺乏目標質量的認識（不受懲罰的操作）。為了實現CUTI，我們必須實現系統地（有目的的）、一致地（跨領域的）、同步地（以合理的順序和時間）使紅方感知戰斗空間，從而使藍方在戰略、作戰和戰術上受益。

圖6顯示了CUTI概念中四個相互交織的過程或循環。藍方部隊試圖保持對戰斗空間的全面看法，盡管對手拒絕和欺騙，盡管部分可觀察性和不完善的傳感器和模型導致了錯誤（右上環）。藍方也必須意識到并戰勝紅方通過網絡攻擊等方式直接攻擊藍方認知或感知的企圖（右下環）。CUTI中設想的一個重要進展是利用藍方對戰斗空間的認識和理解，創造一個藍方希望強加給紅方的精心策劃的虛構。為了強加這種可信的（對紅方而言）虛構，藍方必須計劃并執行一系列的刺激，在假設它們會被紅方觀察到的情況下進入戰斗空間（左上環）。盡管這些刺激和所需的反應是專門為影響紅方對戰斗空間的理解而設計的，但它們可能有額外的好處，那就是當藍方觀察到紅方的反應時，它不僅能讓藍方了解紅方的理解，還能減少藍方對戰斗空間看法的模糊性和不確定性。藍方的刺激也可能被插入，直接影響紅方感知戰斗空間的能力（左下環）。顯然，這是一個完全對稱的命題；藍方必須假設紅方將試圖影響和控制藍方對戰斗空間的看法，因此藍方的認知必須考慮到紅方試圖將藍方的看法向對紅方有利的結果傾斜。

圖6. CUTI的概念。圖中顯示的是這個概念中的四個相互交織的過程，或稱循環。右側反映了藍方部隊試圖保持對戰斗空間的全面看法，并保持對紅方直接攻擊藍方認知或感知的企圖的了解和戰勝。左側反映了藍方試圖控制紅方的感知。

5 結論

本文描述了在戰斗空間感知控制和反控制方面的研究和發展愿景，以實現CUTI概念和C5ISRT優勢地位。它描述了一個新的控制和分析框架，以了解相互競爭（藍方對紅方）的高度自動化和分布式C5ISRT系統之間的相互作用，并預測和影響C5ISRT系統對各種攻擊機制的反應，包括單獨和協作。該框架將C5ISRT系統視為具有PAC的CDS，它不斷地重新定向其資源以優化可用于支持戰術決策的態勢感知。從這個角度看，攻擊機制被應用于創造、調節和利用信息差距，以達到對對手決策過程的預期效果。相反，我們的C5ISRT系統可以動態地調整其信息流，以抵制破壞和欺騙的企圖。

未來對具有反介入、區域拒止能力的對手的空中優勢和力量投射的成功，將取決于對方C5ISRT能力的相對實力。2030年C5ISRT優勢地位的愿景是以協調的方式攻擊對手的C5ISRT系統，以實現精確的系統級效果。侵入性和非侵入性攻擊的效果以及擾亂對手C5ISRT的欺騙選擇必須被理解并協同應用。這使動能、電磁、網絡、物資和機動TTP的綜合有效性評估成為可能，并支持C5ISRT和反C5ISRT能力和TTP的端到端發展和量化評估。

盡管美國部隊正在朝著這些目標取得進展，但對手部隊繼續迅速發展其能力。美國增加和持續投資于C5ISRT的主導地位，對于保持領先于對手的進步和確保我們在全球范圍內投射軍事力量的能力是必不可少的。事實上，這些投資必須與在連續的通用目標和控制紅色感知方面的補充投資相協調（見本期沃德等人的文章），以便充分實現CUTI的愿景。這樣一個巨大的挑戰最好通過一個政府主導的倡議來執行，該倡議協調學術界和工業界的工作，以開發和執行一個研究和開發活動，并將有前途的技術轉變為作戰能力，以確保國家在最近重新出現的高度競爭環境中的安全，而這些環境將成為未來幾年全球安全環境的特征。

北約科技組織（STO）應用車輛技術（AVT）329 "NexGen旋翼機對軍事行動的影響 "評估了2035+時間框架內適用科學技術（S&T）發展對軍事行動的潛在影響。對預計的未來任務進行的兩次作戰分析（OA）評估時，評估采用了基于風險的主題專家判斷。

利用定義的任務小插曲，參與評估的主題專家確定了利用當前北約軍用直升機能力實現各項任務的風險。然后評估每個風險發生的可能性和對實現任務的影響。對于每個風險，確定的緩解措施包括技術的應用、戰術的改變和其他措施。隨后對確定的風險緩解措施的行動影響進行了評估，以確定其軍事價值。

基于風險的評估框架使來自多個北約和伙伴國的具有軍事行動、需求和技術專長的主題專家能夠進行定性評估。由于所有參與者以前都熟悉風險評估過程，該框架很容易被調整為進行貿易空間業務需求和關鍵技術的審計。

在軍隊越來越多地使用基于機器學習（ML）的技術的背景下，我們的文章呼吁對ML平臺進行分析，以了解ML如何在軍隊中擴散以及產生什么影響。我們采用了新媒體研究中關于平臺的物質技術視角，并將這一文獻帶到了批判性安全研究中，我們認為需要關注平臺和它們所做的技術工作，以了解數字技術是如何出現和塑造安全實踐的。通過對谷歌開源ML平臺TensorFlow的詳細研究，以及對美國國防部算法戰爭跨職能團隊，即Project Maven的討論，我們做出了兩個更廣泛的貢獻。首先，我們確定了軍隊更廣泛的 "平臺化"，我們指的是（技術材料）ML平臺的日益參與和滲透，它是使整個軍隊的分散和實驗性算法開發的新做法得以實現的基礎設施。其次，我們得出這種平臺化是如何伴隨著軍隊和企業領域的行為者之間的新的糾葛，特別是在這種情況下發揮關鍵作用的大科技公司，以及圍繞這些平臺組織的開源社區。

在軍隊越來越多地使用機器學習（ML）技術的背景下，我們的論文使用ML平臺的分析視角來理解ML是如何在軍隊中擴散的，并產生了什么影響。我們采用了新媒體研究中發展起來的關于平臺的物質/技術視角，將這一文獻與批判性安全研究結合起來，并認為關注平臺和它們所做的技術工作對于理解數字技術如何出現和塑造安全實踐是必要的。我們借鑒了對谷歌開源ML平臺TensorFlow的詳細研究，以及對美國國防部多功能算法戰爭團隊，即Project Maven的討論，并做出了兩個更廣泛的貢獻。我們首先確定了軍隊更廣泛的 "平臺化"，我們指的是ML "硬件技術 "平臺的日益參與和滲透，作為軍隊中實驗性和分散性算法開發的新實踐的基礎設施。然后，我們繼續說明這種平臺化是如何伴隨著軍隊和企業行為者之間的新的糾葛，特別是GAFAMs，它們在這種情況下發揮著關鍵作用，而且圍繞這些平臺組織的開源社區也是如此。

在武裝部隊越來越多地使用自動學習技術（機器學習，ML）的背景下，在我們的文章中，我們描述了關于ML平臺的一個分析視角，目的是理解ML在武裝部隊中的發展以及其影響。采用一種關于平臺的物質和技術觀點，就像在關于新的通信媒體的研究中所開發的那樣，并在安全問題的研究中提及這一信息、 我們認為，有必要集中研究平臺和技術工作，以了解數字技術的發展和安全實踐的結構。通過對谷歌開放的ML平臺TensorFlow的詳細研究，以及美國國防部的交互式戰斗機設備的辯論，美國國防部的Proyectamento de Defensa，即美國國防部。美國的Proyecto Maven，實現了兩個更廣泛的貢獻。首先，我們確定了一個更廣泛的武裝部隊 "平臺"，其中我們指的是ML平臺（技術/材料）的不斷參與和滲透，作為一種基礎設施，允許在武裝部隊中進行新的分散的算法開發和實驗實踐。第二，我們注意到這一平臺正伴隨著武裝部隊和公司統治者之間的新沖突，特別是那些在這一背景下發揮重要作用的大型科技公司，以及在這一平臺上組織起來的無國籍社區。

近幾十年來，國防系統的規劃已經演變成基于能力的規劃（CBP）過程。本文試圖回答兩個問題：首先，如何表達一個復雜的、真實世界的能力需求；其次，如何評估一個具有交互元素的系統是否滿足這一需求。我們建議用一套一致的模型以可追蹤的方式來表達能力需求和滿足該需求的解決方案。這些模型將目前的能力模型，具體到規劃級別和能力觀點，與系統思維方法相結合。我們的概念模型定義了環境中的防御系統，數據模型定義并組織了CBP術語，類圖定義了CBP規劃元素。通過給出一個能力參數化的例子來說明這個方法，并將其與DODAF能力觀點和通用CBP過程進行比較。我們的數據模型描述了能力在行動中是如何退化的，并將該方法擴展到能力動態。定量能力定義的目的是支持解決現實世界中相互作用的子系統，這些子系統共同實現所需的能力。

能力規劃問題的定義

在本節中，能力被定義為執行任務的效果或功能并作為系統時，我們討論CBP；在1.2小節中進一步討論Anteroinen的分類中的第三和第五類。為了專注于軍事系統或軍事單位的結構定義和未來的數學建模，只考慮系統的物理組成部分，即人員和物資，以及他們與能力的關系。環境的影響--天氣條件、地形、周圍的基礎設施和其他軍事單位--被省略，以關注兩種力量之間的相互作用；盡管在實踐中，環境和其他更廣泛的系統問題顯然是相關的。通常情況下，CBP過程定義了環境的相關方面和軍事行動的類型，為能力需求定義、能力評估和解決方案選擇制定了可能的規劃情況集合。

一個軍事單位或一個組織由其人員和物資組成。經過組織和訓練的人員配備了適當的物資，代表、擁有或產生能力。當兩個軍事單位相互作戰時，他們會啟動自己的能力，以造成敵人的物資和人員的退化。為了定義能力需求并計劃如何作為軍事單位或系統來實施，需要解決的問題是：在與敵人的互動過程中，能力將如何演變，而敵人的能力卻鮮為人知？圖1說明了在敵人能力的作用下，自己的軍事作戰和維持能力的動態互動。我們的能力削弱了敵方的人員和物資，對敵方的能力產生了影響；而敵方的能力削弱了我們的人員和物資，對我們的能力產生了影響。外部資源，也就是供應和維持能力，維持著被削弱的人員和物資。如因果循環圖所示，敵方的能力可以與我方的能力對稱地表示。第3節的進一步建模集中在我們自己的能力上，由圖1中的虛線表示，以便更純粹地表示。

對我們自己的能力的定義說明，由人員和物資提供，表明了復雜的結構和與能力有關的功能和元素之間的相互作用。此外，真正的軍事單位，通常由較小的編隊組成，有幾種能力，由大量不同的物資和人員組成，并與環境互動。

現有的能力模型

• 軍事能力是外交政策的工具
• 作為軍事單位戰斗力的能力
• 作為執行任務效果和功能的能力
• 作為武器系統或平臺的能力
• 作為系統的能力

軍事背景下能力規劃的概念模型架構描述

架構被定義為 "一個系統在其環境中的基本概念或屬性，體現在其元素、關系以及設計和進化的原則中"。因此，架構描述是一種表達架構的工作產品。架構框架是在一些應用領域或社區應用架構描述的基礎。架構框架為網絡系統的復雜性管理提供了結構化的方法，使利益相關者之間能夠進行溝通，并支持未來和現有系統的系統分析和設計。企業架構的Zachman框架是這類通用框架的一個例子。DoDAF、MODAF和NAF是用于國防系統分析和定義的架構框架，特別是用于指揮、控制、通信、計算機、情報、監視和偵察系統（C4ISR）。這些架構框架由觀點組成，定義了代表特定系統關注點的一組架構視圖的規則。架構視圖由一個或多個模型組成。架構框架基礎的元模型定義了不同視點中元素之間的關系。DoDAF元模型DM2有一個概念數據模型圖（DIV-1），用來向管理者和執行者傳達架構描述的高層數據構造的概念。MODAF元模型詳細定義了每個架構視圖的數據模型。

利益相關者需要適當的支持，以促進他們彼此之間以及與規劃專家團體的溝通，從而從CBP方法中獲益。軍事專家的作用不是參與復雜的工具和方法，而是為規劃過程提供重要的領域專業知識。架構框架是一個很好的工具，可以定義當前的防御系統，確定能力需求，并描述系統解決方案。不幸的是，架構框架和相關元模型的精確但復雜的機制與復雜的符號并不一定能以明顯的方式解釋能力觀點和要素之間的關系。因此，架構觀點和典型的CBP流程并沒有明顯的聯系。因此，參與能力規劃的軍事專家和決策者很少能夠加深理解，或者在沒有專門掌握這些工具和方法的人員的情況下，通過應用架構框架確定解決方案。需要對能力進行更簡單的定義，與流程兼容。

能力模型框架

圖2提出了一個高層次的數據模型，它代表了能力定義問題的抽象。數據模型描述了能力模型類型及其關系，作為能力和防御系統建模的框架。符號的選擇是為了保持信息量，但對更多的人來說是可讀的，因此它不遵循任何特定的方法，但與SODA的認知圖譜有一些共同點。

能力的現實世界實例在圖的左邊，而概念模型類型在右邊。該模型的第一個版本已經被Koivisto和Tuukkanen應用于一個基于研發的自下而上的過程和概念性的未來系統，即認知無線電。原始模型描述，系統模型定義了物資、戰斗力和功能能力。實際上，這是一種雙向的關系：在所需能力和所需資源的驅動下建立系統模型，然后用系統模型來預測特定環境和實例中的結果。

防御系統和能力——上下文模型

防御系統由系統、系統要素及其相互作用組成，其突發屬性由系統、系統要素和它們的相互作用界定。圖3中的模型代表了系統層次結構中的防御系統層次。防御系統可以被看作是SoS，但我們應用一般的系統術語來保持模型的可擴展性，并為防御系統層次結構的較低層次提供合適的術語。在國防系統層次結構的任何一級，系統代表一個由系統元素組成的軍事單位：人員和物資。

圖3 國防系統在其背景下的概念系統模型。防御系統，即利益系統（SOI），被環境和其他行為者的系統所包圍。這些系統包括相互作用的系統要素人員（P）和物資（M）。子系統和系統元素之間的聯系是示范性的。

能力模型類型和術語——高級數據模型

除了系統元素和它們的組織之外，還要定義功能和相應的輸出，以獲得更全面的系統定義。我們將能力定義為執行任務的效果或功能，是一種功能能力。在CBP過程中，功能能力定義了一些當前或計劃中的軍事單位或由物資和人員組成的系統的能力潛力。最終，能力發展過程必須以現實世界的軍事單位來定義系統的實施。力量要素的概念定義了最終的系統結構，也就是要生產的現實世界的軍事單位的組織。在我們的數據模型中，功能能力被安排在SOI內部，以代表系統的涌現屬性。當這種潛力或涌現被計劃為引起某種效果時，系統，具體來說是其功能能力，在計劃過程中被分配到一個任務中。此外，當軍事單位執行任務時，效果就會產生。高層數據模型的作用，如圖4，是將關鍵的術語及其關系可視化。

圖 4 基于能力的規劃中術語及其關系的高級數據模型表示

基于能力的規劃元素——UML類圖

圖5中的類圖將圖3所示的概念系統模型中確定的國防系統規劃要素與圖4中的能力模型類型結合起來。由于我們關注的是國防系統，國家權力和軍事力量的要素被認為是其環境的一部分，不在圖中。然而，我們建議，國家權力也可以通過效應來表示。

圖 5 基于能力的規劃元素的統一建模語言 (UML) 類圖表示

在過去的幾年里，人工智能（AI）系統的能力急劇增加，同時帶來了新的風險和潛在利益。在軍事方面，這些被討論為新一代 "自主"武器系統的助推器以及未來 "超戰爭 "的相關概念。特別是在德國，這些想法在社會和政治中面臨著有爭議的討論。由于人工智能在世界范圍內越來越多地應用于一些敏感領域，如國防領域，因此在這個問題上的國際禁令或具有法律約束力的文書是不現實的。

在決定具體政策之前，必須對這項技術的風險和好處有一個共同的理解，包括重申基本的道德和原則。致命力量的應用必須由人指揮和控制，因為只有人可以負責任。德國聯邦國防軍意識到需要應對這些發展，以便能夠履行其憲法規定的使命，即在未來的所有情況下保衛國家，并對抗采用這種系統的對手，按照其發展計劃行事。因此，迫切需要制定概念和具有法律約束力的法規，以便在獲得利益的同時控制風險。

本立場文件解釋了弗勞恩霍夫VVS對當前技術狀況的看法，探討了利益和風險，并提出了一個可解釋和可控制的人工智能的框架概念。確定并討論了實施所提出的概念所需的部分研究課題，概述了通往可信賴的人工智能和未來負責任地使用這些系統的途徑。遵循參考架構的概念和規定的實施是基于人工智能的武器系統可接受性的關鍵推動因素，是接受的前提條件。

本研究報告分析了當前利益相關者對軍事自主系統的人為輸入或控制的想法。作者首先定義了關鍵術語，如 "機器學習"、"自主系統"、"人在回路中"以及軍事背景下的 "有意義的人為控制"，然后討論了當代利益相關者的文獻對無人駕駛軍事系統的人的輸入/控制的說明。然后，報告討論了各利益攸關方是否對進攻性和防御性系統中所需要或期望的人類控制水平達成了共識，以及是否因系統具有致命性和非致命性能力或西方和非西方國家之間的意見不同而有所不同。報告最后從政策和操作的角度闡述了利益相關者的想法對加拿大國防部/空軍的可能影響。

主要研究結果

• 在與自主系統有關的關鍵術語的定義方面存在著相當多的爭論。

• 在國家對自主武器應采取何種監管手段的問題上，各利益攸關方一直存在分歧。

• 參加這些討論的締約國已就自主武器的一系列指導原則達成共識，包括 "必須保留人類對使用武器系統決定的責任"。

• 在近30個表示支持禁止致命性自主武器系統（LAWS）的國家中，沒有一個是主要的軍事大國或機器人開發商，主要的軍事大國似乎都在對沖自己的賭注。

• 許多民主國家認為，他們打算保留人類對使用武力的控制/判斷，不需要禁止，因為現有的國際人道主義法律（IHL）足以解決圍繞自主武器的問題。

• 加拿大擁有重要的人工智能（AI）能力，該能力被用于民用而非軍事用途。

• 如果在國防領域不接受至少某種程度的（人工智能支持的）自主性，可能會降低與盟國的互操作性，給加拿大武裝部隊（CAF）的行動帶來風險，并且隨著時間的推移，使CAF對國際和平與安全的貢獻失去意義。