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

本研究探討了如何將移動與機動這一在動能環境中行之有效的作戰功能應用到網絡領域。復雜的網絡應對措施，如屬于移動與機動（M&M）戰術的應對措施，可用于防御性網絡作戰（DCO），使網絡更加敏捷、靈活和堅固，以抵御攻擊。然而，由于此類網絡的靜態性質、對特定設備專業知識的需求以及進行網絡更改所需的人員組織協調，傳統能力使 M&M 戰術難以實施。

為解決這一問題，建議使用軟件定義網絡（SDN）來實施網絡移動和機動（網絡 M&M）行動。SDN 具有多種功能，有助于支持各種防御性網絡移動和機動戰術，如防火墻、節流、中間人、重定向和源隱藏。在這項工作中，利用 SDN 設備將數據包移動引導到一個單獨的設備，該設備可提供有針對性的網絡防御響應（機動）。為便于共享網絡 M&M，開發了一種經過修訂的開放式指揮與控制（OpenC2）SDN 方案，該方案特別適合網絡響應的需要。采用標準化模式的動機是以一種與設備無關的方式促進盟友之間的網絡響應通信。這項工作的成果已與技術合作計劃（TTCP）社區分享，作為網絡感知與執行（NWSE）活動的一部分。

圖 5：網絡 M&M 防御架構選項：上圖：直接驅動，中間：間接驅動，下圖：帶代理的間接驅動。

美國中央司令部（CENTCOM）位于全球主要經濟、外交和軍事利益的十字路口。

• 重要的貿易路線
• 能源和連接樞紐
• 安全挑戰的多樣性

這些利益集團的參與需要聯合、全領域、跨指揮中心、跨分類的行動和協調。

美空軍部DAF 行動要務

• 定義彈性空間作戰指令和架構 (防御和進攻).
• 實現作戰優化的先進作戰管理系統（ABMS）/空軍聯合全域指揮與控制。
• 實現大規模移動目標指示、跟蹤和交戰（空中、海面和地面移動目標）。
• 確定下一代空中主導系統系列（傳感器、通信、指揮與控制、武器、非載人飛行器）。
• 在有爭議的環境中確定優化的彈性基地、維持和通信。
• 確定 B-21 遠程打擊系列系統。
• 確保 DAF 有能力過渡到戰時態勢以對抗同級競爭對手。
• 貫穿各領域的業務推進手段：
  • 實現并維持電磁頻譜作戰優勢，以支持全域聯合作戰。
  • 在競爭激烈的環境中為聯合部隊實現連接、生存和敏捷的快速全球機動能力。
  • 確定優化的彈藥開發和生產，以提供能力、多樣性和有效性。
  • [新]針對步調挑戰，確定實戰必備能力所需的測試和訓練能力。

制定CJADC2挑戰的框架

• CJADC2 從根本上說是一個作戰功能的作戰概念

  • 決策速度
  • 適應性（聯合和聯盟）
  • 應變能力

• 作戰概念必須為技術能力要求提供信息，但技術開發不能等待 "最終 "概念的出現

• CJADC2 的開發將以不同方式和不同速度在所有利益相關者（CCMD、軍種、盟國與合作伙伴）中進行......并將永不停息地發展。

• 管理范圍和規模：

  • 當今的分級結構效率高、速度快，但限制了選擇，而且很脆弱
  • 動態管理控制的深度和廣度

• 需要一種聯合方法：

  • 從已知的、定義明確的問題入手（如特定服務的戰斗管理功能）
  • 實施但避免“爐灶”
  • 保持界面整潔，在可行時使用全球標準，在不可行時進行調整

• 規模化并隨著時間推移不斷發展

  • 急需 C2 工具，使聯合作戰具有快速性、適應性和彈性
  • 不斷發展架構，使 C2 本身快速、適應性強、有彈性

1.加拿大聯合作戰中心的部分職責是支持加拿大空軍的聯合能力發展。為加拿大空軍開發的能力必須包括可能破壞部隊指揮和控制的新興技術。盟國和工業界對新興技術和顛覆性技術表現出了極大的興趣，認為這些技術將推動作戰行動發生不可避免的變化。加拿大聯合作戰中心的聯合作戰中心科學處已指示進行這項研究，以確保未來作戰環境中預期的新興和顛覆性技術成為審查新的指揮與控制概念的一部分。

2.加拿大和盟國對作戰環境的看法、部隊指揮與控制的實施以及新技術的擴散都發生了迅速變化，因此對每個方面進行簡要討論。對問題的這三個方面達成共識是得出正確結論的基礎。對先前完成的識別和估計新興技術和顛覆性技術影響的工作進行審查，可迅速推進這項工作。

3.在軍事組織中，對作戰環境和指揮與控制方法的變化有一定的了解。技術的變化速度和影響需要依靠盟國和行業組織的工作。北約內部的研究（包括戰略研究和較低層次的研究）、對闡明 "顛覆性"含義特別感興趣的工業界以及加拿大國防研究與發展部都被用來確定感興趣的技術，并從中選出將影響行動中指揮與控制的技術。大多數著作中都提到了一個概念，即一項技術的標簽往往意味著一個單一的項目。但事實往往并非如此，要實現顛覆性地位，還需要一系列互補技術。

4.列出單項新興技術和顛覆性技術很困難，因為有許多技術都可以被稱為新興技術或顛覆性技術。將技術歸納為更廣泛的組別，既簡化了技術范圍的工作，又不會過于簡單化。新興和顛覆性技術的五個領域預計將直接影響指揮與控制，另外兩個領域預計將改變未來作戰環境，指揮官和參謀人員在計劃和開展行動時需要適應這些變化。在這項工作中，量子技術是一個獨立于其他領域的領域，因為很難確定受影響的具體指揮與控制功能。量子技術將非常重要，但具體如何還不清楚。五加二加量子技術領域是：

a. 五：
i. 人工智能/機器學習；
ii. 物聯網
iii. 決策支持技術，如

1. 行動可視化；以及
2. 行動分析的粗略性。
   iv. 人機協作；以及
   v. 小衛星等空間技術。

b. 加二：
i. 材料技術，如

1. 為獨特應用而設計的材料；以及
2. 就地生產。
   ii. 能源技術，如
3. 電力儲存；以及
4. 獨立發電。

c. 量子技術。

5.加拿大聯合作戰中心應將這些領域的新興技術和顛覆性技術納入指揮與控制概 念研究實驗的設計和實施中。要永久性地納入這些技術，就必須將其作為中心的能力。能力開發采用結構化方法，以確保能力得到無限期支持--在這種情況下，這些能力最終將被剝離，但時間未知；因此，無限期建設是適當的。

6.新興技術和顛覆性技術有一些方面必須作為指揮與控制實驗操作環境的一部分來提供，這些技術也可能有助于實驗中的數據采集和活動分析。在發展加拿大聯合作戰中心的過程中，不應錯過利用這一機會改進實驗結構和報告的機會。

7.這項工作僅限于調查將在未來三年內產生重大影響的新興技術和顛覆性技術。雖然這可能看起來時間太短，但延長時間可能會造成一定程度的 "分析癱瘓"，而且更短的時間框架將無法提供建設能力所需的時間。用三年的時間來建設能力并繼續掃描，以便隨著時間的推移不斷發展是合適的。在三年內采購和廣泛部署技術具有挑戰性。在這項工作中，將在三年內確定并初步采購一項技術，并進一步限制該技術必須在五年內具有明顯的顛覆性用途。對于破壞性發展緩慢的技術，將不在本工作的范圍內。

8.這項工作的第二個局限性是過于關注影響指揮與控制的技術。預計在這段時間內，整個社會將發生巨大變化，但這些變化不會直接影響指揮與控制。雖然這些影響需要作為軍事行動的一部分加以解決，但這些行動在目前或預計未來指揮與控制所使用的受干擾能力下是可行的。

管理整個戰場上不斷增長的數據量和速度是作戰人員的一個關鍵問題。解決這個問題將需要從根本上改變戰場分析的方式。一種在戰場上做出決策的新方法將通過將分析能力移至數據源附近來消除數據傳輸延遲。決策周期取決于捕捉數據并將其轉化為可操作信息的速度，以便進行決策。實時態勢感知是通過將計算資產定位在戰術邊緣來實現的。

加速戰術決策過程需要利用三個技術領域的能力：（1）高性能計算（HPC），（2）機器學習（ML），以及（3）物聯網（IoT）。利用這些領域可以減少網絡流量，縮短將數據轉化為可操作信息所需的時間。更快的決策周期可能會徹底改變戰場上的行動。

本報告概述了一個人工智能（AI）系統的設計，用于在戰術作戰環境中的近實時分析，在同地的移動HPC硬件上執行。該報告包括以下幾個部分：（1）描述動機、背景和技術狀況的介紹；（2）利用HPC問題定義和用例的戰術決策過程描述；（3）HPC戰術數據分析框架設計，使數據變成決策。

1 引言

背景

戰術邊緣人工智能（AI）的方法被細分為三個主要研究領域：（1）研究延伸到戰術邊緣的移動或便攜式高性能計算（HPC）環境的硬件和架構；（2）研究機器學習（ML）算法和物聯網（IoT）架構及其與便攜式HPC的一致性；以及（3）利用邊緣HPC為戰術決策過程設計操作工作流框架。

• HPC邊緣架構： 這項工作包括調查在移動和/或便攜式HPC環境中提供和支持數據科學能力所需的最先進的硬件、軟件、網絡和存儲。

• ML邊緣分析： 機器學習已經通過尋找和分析大數據集的潛在特征的能力改變了數據分析。我們能否徹底改變戰場上的數據分析方式，然后建立讓ERDC解決這一類新問題的能力？

• 邊緣HPC：這項工作旨在將擬議的硬件能力創新與創新的分析能力結合起來，以最優化和最恰當的方式在戰術邊緣提供計算密集的決策支持分析。處理這項任務的方法將是在解決作戰需求的同時暴露出一個作戰過程。換句話說，當團隊直接為現實世界的戰場數據處理需求建立戰術邊緣分析時，為實現戰術邊緣分析所經歷的操作流程將開始定義一個可推廣的操作流程，以利用邊緣的HPC解決戰術決策分析問題。

動機

技術創新（AI）在各行業和各國的快速發展和擴散性質正在削弱美國對國防技術應用的壟斷。獲得的優勢是暫時的，因為近似的對手能夠迅速利用這些日益普遍的能力。中國制定了一項發展計劃，到2030年成為人工智能的世界領導者，并創造一個1500億美元的產業。俄羅斯總統弗拉基米爾-普京表示，"誰成為這個領域（人工智能）的領導者，誰就會成為世界的統治者"（Gigova 2017）。美國防部（DoD）必須迅速而果斷地利用人工智能和自動化，使美國部隊能夠更有效和高效地運作。通過以戰略為重點的意圖和工作，適當地加以利用，人工智能可以成為最大的補償--或者說，如果缺乏遠見和方向，它可能會成為一個戰略赤字。

人工智能已經成為每一類企業的解決方案和問題的一個日益增長的來源。基于人工智能的技術已經融入如此多的部門，往往引起巨大的變化，從軍事或全球安全的角度來看，它不能被忽視。

潛在軍事應用的早期AI問題（通過全球安全集團的視角）：

1.在近期內，人工智能的哪些軍事應用是可能的？

2.在這些應用中，哪些是對戰略威懾的穩定性有潛在影響的？人工智能是否會改變我們考慮威懾的方式？

3.人工智能輔助的軍事系統如何影響區域穩定？

4.區域穩定和戰略威懾之間有什么聯系？

5.人工智能帶來的意外后果和戰略意外的風險是什么？

目前國防界對什么是人工智能缺乏共同的模式、術語和基線。人工智能有許多應用和方法，但其中最大和最廣泛使用的是以一種形式提供價值的方式分析 "大數據"。狹義人工智能使用離散的問題解決工具來執行特定的狹義任務。通用人工智能包括旨在模仿和重現人腦功能的技術。狹義的人工智能有更多的采用，并被證明在各種領域提供價值。人工智能與商業應用的交叉，使數據豐富的領域有了預測分析的能力。大量的傳感器和相機，加上現有的以數據為中心的資源，正在推動人工智能的機會，以揭示隱藏的洞察力。

目標

人工智能顯然有潛在的軍事潛力，但要到什么時候才能在實踐中真正顯現出來？美國防部在2018年6月建立了一個聯合人工智能中心，導致資金和研究的增加。與工業/學術界人工智能應用直接類似的軍事應用（物流、規劃、分析、運輸等）已經在整個國防和情報界迅速采用了人工智能支持的數據分析。戰爭有單獨的和不同的應用，對人工智能的采用較慢。適用于戰爭的人工智能應用的主要類別是：（1）那些主要在戰爭的戰役層面產生影響的應用；（2）那些主要在戰爭的戰略層面產生影響的應用。"在戰爭的戰役層面上的人工智能應用可能對使用通用軍事力量來實現戰術目標產生非常大的影響，從而對常規威懾的可信度產生影響。人工智能在戰略層面的應用可能會對有關戰爭規模和范圍、升級和降級的政治決策產生重大影響，進而影響戰略穩定和威懾"（Davis 2019）。

美國防部戰略的一個關鍵重點是確定關鍵的探路者，使該部能夠實現其人工智能的愿景：

• 繼續開展被稱為 "Maven項目 "的算法戰爭跨職能小組（AWCFT）的工作，以迅速整合和部署商業和政府開發的人工智能能力，支持反ISIS運動。

• 建立一個以國防部人工智能為重點的中心，在國防企業的多個領域創新和部署人工智能系統的操作原型，并確定將人工智能技術持續應用于各種用例的途徑。

• 在戰術邊緣提供世界級的計算能力。國防部將重新獲得嵌入式HPC的競爭優勢，以支持 "算法戰爭"，重點是在運輸集裝箱中的前線部署HPC，以支持戰地戰術行動。設計利用世界一流的高功率架構來融合數以萬計的信息源。

美國國防部的人工智能目標是：

• 為人工智能建立跨領域的基礎。美國防部將加強跨領域的基礎，并制定法律和政策框架，以確保其能夠成功應用人工智能。它必須強調其開發的系統的互操作性，同時確保其部署的安全和保障。此外，它必須最大限度地追求國際、商業和學術伙伴關系，同時增長和培養自己的有能力的人工智能勞動力。

• 實現軍事技術的優勢。美國防部將集中投資并利用商業和學術投資，以便在關鍵領域實現對對手的軍事技術優勢，包括核心人工智能、機器學習、機器人、數據分析、高級計算和人類-人工智能協作。

• 轉變美國防部的關鍵業務職能。美國防部將通過大量利用商業AI/ML產品和投資來實現其業務運作的現代化和簡化。

• 建立、部署和維護基于AL/ML的能力，提供戰場上的軍事優勢。為了提高殺傷力，美國防部將投資于應用能力的開發，將新興技術與特定的軍事能力和行動概念聯系起來，快速過渡能力，并專注于關鍵的應用領域。

已經確定的（目前正在研究的）三個潛在應用的作戰目標：

• 無所不在和無所不知的自主車輛

  • 高度重視人工智能的軍事應用

  • 專注于所有級別的無人系統（陸、海、空）。

  • 進行復雜的戰役戰術，快速調整，報告變化

• 大數據驅動的M&S和兵棋推演

  • 人工智能已經在核武器系統中得到了一些應用。

  • 對人工智能的兵棋推演方法的興趣增加，以探索和了解動態條件如何影響結果和決策。

• 集中的情報收集和分析

  • 需要更快地分析情報數據流（沒有信息過載）。
  • 數據量的增加（加上來自不同來源的數據種類增加），需要人工智能來解決收集和分析問題

已經為戰略目標確定了四個潛在的應用（目前正在研究）：

• 實現情報、監視和偵察（ISR）的系統體系

  • 目標識別只是開始；ISR也需要多領域的態勢感知。
  • 整體感知是目標，也是關鍵，因為戰場延伸到所有領域。
  • Maven項目（算法戰爭跨職能小組）。
  • 軍事版的物聯網可以在傳統因素中實現軍事優勢：速度和范圍

• 戰略資產的精確瞄準

  • 由人工智能賦能的ISR使定位、跟蹤和瞄準戰場上的實體成為可能，從而使打擊敵人成為可能。
  • 在更好地理解之前，使基于相互脆弱性的威懾的基本戒律變得不太確定

• 有效的導彈防御

  • 實現更好的目標獲取、跟蹤和識別
  • 防止彈道導彈攻擊

• 人工智能引導的網絡

  • 通過創建人工智能引導的探測、繪圖和黑客系統來發現網絡/數據的漏洞，以實現防御性戰略
  • 用于定位和收集、破壞或虛假信息的進攻性人工智能
  • 防御性人工智能用于檢測入侵和搜索衰弱的異常情況

這些都直接影響了戰爭的速度。"戰爭的速度已經改變，而這些變化的性質使得全球安全環境更加不可預測、危險和無情。決策空間已經崩潰，因此程序必須適應戰爭速度的發展"（Garamone 2017）。有人說，"軍隊必須最大限度地利用其決策空間，所以軍事領導人可以以戰爭的速度提出選擇"（Garamone 2017）。這可以通過 "建立一個框架，使高級領導人能夠及時做出決定"（Garamone 2017）來實現。

方法路徑

人工智能是實現迎戰戰爭速度變化這一總體目標的關鍵一環（圖1）。人工智能為指揮官提供了對態勢理解，并為高效和有效地處理、利用和傳播信息打開了大門，其速度是人類無法比擬的。人工智能使系統能夠學習和適應，加快作戰節奏，使士兵更聰明，并能自主操作。戰場系統需要有彈性，能夠適應不斷變化的情況。信息的增長已經超過了人類快速分析信息并將其應用于決策過程的能力。士兵和機器作為一個綜合認知系統工作，能夠大大擴展數據分析的深度和廣度。機器專注于分析低層次的細節，讓士兵將注意力集中在更高層次的戰略和規劃上。

人工智能對威懾和穩定有多種潛在影響。它也有很大的潛力通過增加感知到的突襲風險來侵蝕穩定。歪曲的數據可能導致人工智能系統采取意想不到的行動。人工智能確實會犯錯，但這些錯誤不能導致戰略不穩定或不必要的升級。人工智能的速度可能會意外地加速一些可以通過其他努力來降級的事情。當被賦予與外國和友好平臺有關的不同參數時，它也可能誤報意圖。人工智能只是跟上戰爭速度的大拼圖中的一塊。

定義邊緣

邊緣的定義是相對于事業內部的位置而言的。例如，移動網絡運營商（MNOs）認為邊緣是其無線接入網絡（RAN）的末端，是多接入邊緣計算（MEC）的一個大機會。數據中心服務提供商可能將邊緣視為部署在關鍵位置的基礎設施，以盡量減少通信延遲。HPC和邊緣服務器供應商將遠程站點的設備視為其邊緣。數據處理要求的范圍可以從邊緣的超低延遲和實時延遲，到 "近邊緣 "的中等延遲和本地數據處理，再到集中式數據中心的高延遲和高容量存儲和網絡。

人工智能邊緣計算將通過把計算帶到數據上而不是把數據移到這些強大的計算機資源上來減少網絡流量需求。這將減少從數據到決策所需的時間（圖2）。邊緣計算在將計算資源移至數據源附近時，利用了更小、更強大的設備，從而減少了網絡流量，使計算資源更接近前線（圖3）。它將分析數據所需的計算匯集到數據源；數據到決策（D2D）的時間減少了，從數據中提取的見解和信息被高度壓縮并更容易分享，更多的計算能力可以在更小的設備中得到。傳統的方法是在低層（戰術邊緣）收集數據，并將數據傳輸到高層進行處理和分析。這種方法的結果是隨著數據源的不斷增加而出現了擴展問題。它通過傳輸未處理的數據給網絡帶來了負擔。數據傳輸成為一個主要的瓶頸，影響了戰場的節奏。

目標

一個有效的指揮和控制（C2）系統必須為用戶提供作戰畫面，支持規劃過程，并能接收、處理和傳輸信息。

這項工作的目的是研究人工智能和HPC一起工作，以推進關鍵的軍事能力，如態勢感知（圖4）。邊緣的HPC加人工智能提供了對本地數據的近乎實時的利用，支持高度的自主性，計算資產被移到離數據源更近的地方，增加了數據分析的深度和廣度，減少了做決定的時間，洞察力為決策提供了依據。

報告組織

本報告分為六章：

• 第一章是對當前情況的概述和報告的目的。
• 第2章提供背景和當前可用的軟件和硬件基礎設施。
• 第3章調查了要調查的潛在軍事用例。
• 第4章提供了解決該問題的建議方法。
• 第5章總結了報告的內容。
• 第6章涉及未來的工作計劃和發展。

美國宇航局的先進信息系統技術(AIST)計劃目標：

在軟件和信息系統技術方面進行創新，使之能夠：

O1. 通過智能、及時、動態和協調的分布式傳感，實現新的觀測測量和新的觀測系統設計與運行 => 新的觀測策略（NOS）

O2. 敏捷的科學調查，利用先進的分析工具、可視化和計算環境，充分利用大量不同的觀測數據，并與相關觀測系統進行無縫互動 => 分析合作框架(ACF)

O3. 開發綜合地球科學框架，用最先進的模型（地球系統模型和其他）、及時的相關觀測和分析工具來反映地球。這一主旨將為實現近期和長期的科學*和政策決策提供技術 => 地球系統數字孿生（ESDT）。

AI在NASA的應用：

• 硬件和軟件基礎設施：

  • 硬件和軟件基礎設施，包括GPU、工具等。
  • 新的硬件調查，例如，量子和神經形態計算
  • 對大量數據的快速訪問

• 人工智能算法開發和機載實現

  • 人工智能的專業知識
  • 概念性軟件和算法開發
  • 在邊緣/板載實施

• 科學應用與大數據分析

  • 科學應用和數據分析
  • 算法的相關性和驗證

Machine Learning for NASA Advanced Information Systems

研究集成人類推理、機器學習和因果學習的重要性

• 專注于人類推理的可視化和因果推理方面
• 提供可信賴和安全的自動化和人工智能工具
• 為人類操作員提供可解釋和可操作的信息
  • AI/ML模型和仿真模型：
    • 一致
    • 可解釋，沒有黑盒性
    • 在廣泛的應用中為一系列用戶測試理論，如
      • 戰役/任務規劃
      • 未來作戰概念的設計和模擬
      • 戰士培訓等，允許提出不同的問題很容易
• 與ML/AI的發展，以及圖靈測試相聯系
  • 對研究人工智能、認知和元認知的重要性
  • 人工通用智能（AGI）：一個知識系統總是和我們在一起，自我學習并幫助我們學習

反叛戰爭的經典和現代理論強調了資源能力的作用。我們證明，在確定叛軍如何對裝備較好的政府軍發動復雜攻擊的具體細節方面，由這些資源提供的情報收集發揮了關鍵作用。我們利用關于阿富汗叛軍攻擊、叛亂分子領導的間諜網絡和反叛亂行動的高度詳細的數據來檢驗理論模型。利用鴉片適宜性的準隨機變化，我們發現，叛軍能力的提高與（1）額外的反偵察，（2）叛亂行動的增加，（3）通過技術創新、增加復雜性和攻擊集群改進戰場戰術，以及（4）提高對安全部隊的有效性，特別是對更難對付的目標。這些結果表明，獲得資本，再加上情報收集，對叛軍的作戰方式和地點產生了有意義的影響。

引言

國內沖突已經取代了國家間的戰爭，成為人員損失和人口遷移的主要來源。一般來說，人們都知道，資源能力決定了叛軍如何招募、保留和部署他們的戰士（Weinstein，2007）。叛軍持有的經濟資源的波動影響了叛軍活動的規模（Dube和Vargas，2013年），他們對戰略領土的控制（Kalyvas，2006年），以及他們如何對待平民（Wood，2014年）。這些因素反過來又影響到平民是與叛軍勾結還是與政府軍合作（Condra和Shapiro，2012）以及政府參與發展和重建的能力（Sexton，2016）。

在這篇文章中，我們從更細微的層面來解讀資源可用性對作戰策略的影響。在我們的非正規戰爭模型中，叛軍收集有關目標脆弱性的信息，并根據這些信息選擇攻擊模式。積極的經濟沖擊使叛軍能夠獲得相對高質量的情報，他們的攻擊變得更加復雜，涉及更復雜的武器，并聚集在一組最脆弱的目標上。從技術上講，我們的模型是Blotto上校博弈的一個新版本，這是一個標準的兩方沖突的一般模型（Blackett, 1958; Powell, 2007; Kovenock and Roberson, 2012）。我們為攻擊方增加了收集有關目標脆弱性的額外信息的可能性：在政府分配了其防御資源后，每個可能的目標都要進行脆弱性測試，叛軍對目標的選擇依賴于這些測試的結果。在均衡狀態下，不同目標的最佳攻擊分配要考慮到這些額外的信息；這在信息的精確性和攻擊的分配之間建立了聯系。

我們使用美國政府提供的解密軍事數據來測試我們模型的含義，這些數據記錄了在 "持久自由行動 "期間阿富汗的數十萬次戰斗。這些數據在范圍和規模上都是獨一無二的；它們包含了原本無法觀察到的戰斗行動細節，如叛亂分子監視行動的地點、叛亂分子的戰場創新、叛亂分子的單位滲透以及欺騙性武器技術的使用。我們將這些細化的記錄與微觀層面的鴉片生產地點和強度信息以及影響鴉片生產力的外生農藝條件的衛星測量相結合。我們利用這些高分辨率、高頻率的農業投入措施來構建一個新的外源性鴉片適宜性措施。我們還收集了一系列有關農業價格區、基礎設施項目、灌溉技術和使用脅迫性威脅來操縱當地生產的額外信息，以評估反叛能力的沖擊如何影響政治暴力。

我們發現一致的證據表明，對反叛組織的正面經濟沖擊導致了暴力的增加和反叛分子產生暴力的方式的改變。特別是，我們發現反叛者能力的提高與反叛者更多的技術創新有關，更多的攻擊涉及對政府部隊的復雜滲透，更多的使用欺騙性武器技術，以及更復雜的多目標作戰行動。我們還發現，隨著叛亂分子獲得資本的增加，他們在時間和空間上都參與了更多的集群攻擊。重要的是，由于我們的作戰記錄還包括叛軍的監視信息，我們可以檢驗我們理論模型的核心猜想：獲得有關政府漏洞的更精確的信息使叛軍可以將資本轉化為更復雜的攻擊。在我們的樣本開始時，叛亂分子能夠在阿富汗398個地區中的70個地區進行監視行動，我們在圖1中對其進行了可視化。我們發現了這一機制的廣泛證據：在戰役早期叛亂分子開展監視行動的地區，暴力和攻擊的復雜性對資源能力的反應特別強烈。

圖 1：叛軍領導的在阿富汗進行的監視行動。

注釋：叛亂分子間諜行動的數據來自SIGACTS軍事記錄。交叉模式表明叛亂分子在2006年期間至少進行了一次被發現的監視行動，這也是我們樣本的第一年。地區邊界取自ESOC阿富汗地圖（398個地區）。

利用現代計量經濟學推理方法對戰斗策略進行的研究仍然很少，這些研究利用了細化的軍事記錄。正如伯爾曼和馬塔諾克（2015）所指出的，在我們對叛軍何時和如何參與武裝斗爭的理解之間存在一個有意義的差距。我們的論文有助于解決這一差距。更廣泛地說，我們的論文提供了對叛亂基本機制的見解。國家能力是沖突的經濟理論的核心（Besley和Persson，2011；Powell，2013）。然而，國家競爭者可用的資源也影響著沖突何時出現，內部戰爭如何進行，以及是否以撤軍結束。

我們的理論模型和實證測試還關注沖突中一個新的但經常被忽視的動態：所有各方都收集信息。之前關于反叛亂的工作主要是研究戰斗的動態，包括對平民的傷害，如何影響政府軍的情報收集（Condra和Shapiro，2012）。這部分是由于很難觀察到非國家行為者如何以及何時參與監視并管理有關戰斗活動和目標脆弱性的信息流。然而，Kalyvas（2006）和其他人使用各種人種學、歷史和檔案方法指出，在沖突期間，特別是不對稱戰爭期間，信息對各方都很重要。我們的理論模型強調了這一機制，認為情報收集決定了叛亂分子在哪里、如何以及以何種方式制造暴力。我們還對這一機制進行了廣泛的定量探討，并對政治暴力的豐富定性描述進行了探討，這些描述將信息置于國內沖突的中心。

最后，我們的研究是第一個估計資源能力對戰場有效性影響的研究，特別是涉及車輛和武器系統損壞以及士兵傷亡的攻擊。我們發現，這些有效攻擊隨著鴉片適宜性的正向沖擊而大幅增加，特別是針對硬目標的攻擊。與我們的主要結果一致，我們還發現，這些沖擊對叛軍能力的影響是由情報收集機制介導的：在叛軍能夠獲得監視資產的地區，戰斗力的提高最為明顯。

本文的其余部分組織如下。第2節介紹了我們的理論模型。第3節簡要介紹了制度背景。第4節詳細介紹了實證策略。第5節介紹主要結果和穩健性檢驗。最后一節是結論。