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

聯邦學習（FL）在軍事協作中日益普及，用于開發大語言模型（LLMs）的同時維護數據主權。然而，提示注入攻擊（即對輸入提示的惡意操控）構成新型威脅，可能破壞作戰安全、擾亂決策流程并削弱盟友間互信。本文揭示聯邦軍事LLMs的四大潛在脆弱性：機密數據泄露、搭便車利用、系統干擾與虛假信息傳播。為應對這些風險，我們提出人機協作框架，整合技術與政策雙重對策。技術層面，該框架采用紅藍對抗演練與質量保障機制，檢測并緩解共享LLM權重的對抗行為；政策層面，推動人機聯合政策制定與安全協議驗證。研究結論將指導未來研究方向，并強調針對新興軍事場景的主動防御策略。

圖1: 跨盟友國家軍事LLM訓練的聯邦學習框架。流程包含四個關鍵階段：(1)初始LLM同步；(2)本地私有數據訓練；(3)權重交換；(4)模型聚合。此迭代過程持續至模型收斂，同時緩解對抗風險。藍色云代表盟友國家的服務器，紅色云表示可能被入侵的服務器。

大語言模型（LLMs）與專用AI硬件（如英特爾Gaudi）的興起加速了AI在國防領域的應用，使以往難以實現的高級分析成為可能[1]。如圖1所示，聯邦學習（FL）[2]為盟友國家提供了協作訓練LLMs的框架，同時保障數據主權[3][4]。通過FL，各參與方在降低未授權訪問風險的同時保護敏感信息[5]。然而，FL在促進協作模型開發的同時，亟需強健的安全機制抵御不斷演變的對抗策略[6]。當前最緊迫的威脅是提示注入攻擊——攻擊者通過精巧操控輸入提示竊取機密數據或破壞關鍵任務系統[7][8]。此類攻擊可能嚴重削弱作戰安全、中斷關鍵決策流程并破壞盟友間軍事協作的信任基礎[9]。由于FL涉及多國聯盟（包含眾多AI與分析專家），應對這些威脅需要兼顧先進技術解決方案與適應多樣化國防需求的政策框架。在軍事語境下，提示注入攻擊[10][11][12]可能以四種形式出現：機密數據泄露、搭便車利用、系統干擾與虛假信息傳播，每種形式均對聯邦軍事LLMs的可靠性與完整性構成獨特挑戰。這些威脅通常具有隱蔽性，傳統監測方法難以有效識別[13]，凸顯了需針對多國場景定制專項解決方案的必要性。認知這些動態演化的脆弱性對構建強健應對措施至關重要，忽視它們可能導致高風險軍事場景中的關鍵行動面臨威脅。本文通過技術-政治雙重視角提出人機協作對策以應對這些風險。首先，我們設計技術應對流程，包括紅藍對抗演練與持續質量保障機制，揭示共享LLM基礎設施的潛在漏洞并增強系統整體韌性；其次，提出政策應對流程，由軍事政策專家、領域專家與AI專家協同制定國家安全政策。通過單獨或組合應用這些方法，我們旨在為聯邦軍事環境中當前及新興的提示注入威脅提供實用解決方案，從而確保持續的作戰效能并強化盟友間互信。

本文核心貢獻如下：

• 闡釋聯邦學習及其對提示注入攻擊的脆弱性，揭示去中心化AI系統的潛在風險與安全挑戰。

• 提出軍事聯邦學習中四類主要威脅場景：機密數據泄露、搭便車利用、系統干擾與虛假信息傳播。

• 從技術與政治維度提出人機協作應對措施。

• 強調標準化安全框架與協同防御策略的必要性。

論文結構：第II節概述聯邦學習與提示注入攻擊背景知識；第III節分析聯邦軍事LLMs的潛在挑戰；第IV節探討應對威脅的技術與政策對策；第V節展望未來研究方向；第VI節總結全文。

圖: 軍事聯邦學習環境中四類潛在攻擊場景示意圖：(a) 機密數據竊取攻擊：攻擊者通過定向提示與專家驗證系統性探測共享大語言模型以提取機密信息；(b) 搭便車利用攻擊：利用策略性提示獲取軍事情報但拒絕貢獻真實數據；(c) 系統干擾攻擊：通過精心設計的提示操控模型行為以制造戰術盲區；(d) 虛假信息傳播攻擊：采用雙通道傳播機制系統性向聯邦注入虛假信息。每個場景均展示攻擊者利用聯邦軍事大語言模型部署漏洞的高階攻擊手法，同時維持表面合法參與狀態。

將人工智能整合至軍事信息作戰領域，決不能任其隨機發展——這項已被友邦與對手共同視為支撐當前及未來多域作戰的核心能力，必須通過系統性規劃實現轉型。人工智能的全方位部署需要聚焦戰略方向，以嚴謹研究為基礎制定條令框架，通過實驗驗證與實戰經驗積累形成規范，并配以充足的資源保障。

鑒于對手在日益復雜的信息環境中運用AI技術日趨成熟，有效運用AI能力不僅是制勝所需，更是維持戰略優勢與戰場主導權的關鍵。美軍一致以來致力于確立全球AI主導地位。

本文首先簡述信息作戰發展脈絡以構建認知框架，繼而聚焦兩項典型案例深度剖析AI在信息作戰中的具體應用與戰略影響：其一是2010年代末期由聯合特遣部隊"阿瑞斯"主導的"光輝交響曲行動"，該實戰案例對瓦解伊拉克和敘利亞境內的伊斯蘭國具有決定性意義；其二是2021年啟動的"網絡堡壘"演習系列，其設計理念直接源自全球反恐戰爭中針對伊斯蘭國等目標實施攻防網絡作戰的經驗教訓。通過這兩個跨越虛實維度的案例，本文試圖揭示AI技術如何提升軍事行動的作戰效能。

圖：本藝術渲染圖呈現了2016至2017年間，美國軍方多個部門聯合其他機構對伊斯蘭國（IS）發起的"光輝交響曲行動"初始階段。這場大規模協同網絡與心理作戰行動，旨在打擊該恐怖組織的行政運作體系與恐怖活動基礎設施。

歷史先例與未來武器化信息運用

利用信息影響、誤導、破壞或削弱敵方決策能力與作戰效能，歷來是軍事戰略的基石。從孫子兵法強調"兵者詭道"與間諜運用，到冷戰時期心理戰、沙漠風暴行動、全球反恐戰爭，直至當前俄烏沖突，指揮官們始終深諳控制信息流動對戰爭結局的決定性作用，使之成為軍事行動不可或缺的組成部分。

然而縱觀歷史，信息作戰面臨的核心挑戰始終在于：如何在有限時間內從海量信息中快速甄別關鍵情報。這一難題的癥結在于信息處理速度的局限——即便在當代，如何建立高效的信息篩選機制以區分核心數據與次要信息，仍是制約信息效能轉化的關鍵瓶頸。

現代戰爭形態的演進非但未能緩解信息分析困境，反而加劇了挑戰。例如，數據采集技術的飛躍使得信息獲取量呈指數級增長，但決策窗口期卻因作戰節奏的不斷壓縮而日益緊迫。進入21世紀，計算機技術的跨越式發展使信息收集能力達到空前水平，傳統人工分析模式即便輔以傳統計算機系統，也已無法有效處理如此龐雜的信息量。

與此同時，數字通信技術、互聯網與社交媒體的爆炸式發展，正推動戰爭范式發生根本轉變——信息域作戰日益成為動能作戰的重要補充乃至替代選項。這種變革催生了新型作戰維度，使得信息傳播與操控的方式發生革命性改變。

在這個新興信息時代，人工智能技術的整合應用真正實現了"革命性"突破（這個被濫用的詞匯在此恰如其分）。人工智能驅動的信息作戰能夠自動化執行并規模化拓展人類操作員難以企及的任務范疇。歷史上首次，人類獲得以空前速度組織、分類與分析海量數據的能力——這不僅是信息處理領域的質變，更是整體戰爭形態的顛覆性演進。因此，人工智能賦能的"采集-整合-分析"能力已被視為軍事行動規劃與實施的關鍵轉型要素，其潛力邊界仍在持續拓展中。鑒于人工智能已成為維持現代及未來全球戰略優勢的核心要素，將其作為國家戰略優先事項進行投入，已成為提升信息處理能力的必然選擇。

復雜AI算法的演進或將重塑軍事決策范式——那些曾被視作人類指揮官獨有特質的風險預判直覺，可能被具備海量數據分析能力的AI系統模擬甚至超越。更值得關注的是，基于高精度人格特征分析，AI可構建敵方領導層心理畫像數據庫，實時預測其決策傾向，為定制化心理戰提供科學依據。這種能力使AI可同步實施兩項戰略行動：一方面生成并投放海量精制宣傳內容，另一方面開展基于行為預測的定向虛假信息攻勢，通過操控社交媒體輿論走向實現戰略目標。此類應用凸顯AI作為力量倍增器的革命性價值，必將成為未來信息作戰的核心支撐。

這意味著，AI在軍事領域的應用絕非對傳統流程的漸進改良，而是直面戰爭形態的范式革命。其本質是通過數字工具實現戰略規劃與作戰分析的質變突破，同時在全球信息空間實施對敵通信鏈路的系統性破壞。

人工智能軍事信息作戰應用圖景

正如前文所述，AI技術正在重塑信息戰實施方式，既帶來能力躍升也引發新的挑戰。AI可生成特定敘事導向的海量信息，解析龐雜數據流，并基于歷史模式預測敵方行動軌跡。這些能力在提升戰場感知與決策效率的同時，也可能導致決策者陷入信息過載困境。

AI在信息作戰中的核心優勢體現為快速精準處理大數據的能力。從衛星影像解析到實時信號截獲，從開源情報整合到隱蔽模式識別，AI可發現人類分析師難以察覺的深層關聯。這種能力將戰場感知提升至新維度，使指揮官能在瞬息萬變的戰場環境中做出更優決策。

但正如硬幣之兩面，數據洪流帶來的分析壓力與日俱增。若缺乏革命性分析工具支持，決策者可能淹沒于信息汪洋，難以在緊迫時限內提取關鍵情報。這種"決策癱瘓"風險只能通過AI賦能的智能分析系統來化解。

更具戰略意義的是，武器化AI可實施雙重欺騙：既生成誤導性信息誘使敵方AI得出錯誤結論，又通過群體心理特征分析優化心理戰實施路徑。這種攻防一體的能力正在重新定義信息戰規則。

面對敵方運用AI生成深度偽造內容與惡意合成媒體實施認知戰的威脅，構建防御性AI體系勢在必行。AI生成的視頻與圖像不僅可用于散播虛假信息，更能系統性破壞公眾對權威信源的信任。隨著深度偽造技術日趨逼真，傳統檢測手段面臨失效風險，這要求我們發展具備實時識別與反制能力的智能防御系統。

"光輝交響曲行動"：網絡信息戰范式轉型

作為打擊伊斯蘭國（IS）總體戰略的關鍵組成，2016-2017年間實施的"光輝交響曲行動"標志著網絡戰與信息戰的深度融合。該行動由美國網絡司令部主導，針對IS橫跨中東、歐洲的數字基礎設施實施精準打擊，成功癱瘓其信息傳播、人員招募與數字通信能力，首次實現了網絡攻擊能力與傳統信息作戰的協同增效。

盡管行動細節仍屬機密，已知信息顯示：美網絡戰部隊通過接管IS服務器集群、網站與數據中心，在破壞其信息傳播網絡的同時，同步植入美方定制的反制信息。這種"破立并舉"的創新戰法，使IS既失去數字發聲渠道，又面臨內部認知瓦解——支持者在同一平臺接觸矛盾信息，導致組織公信力崩潰。行動實施當日，多支網絡戰分隊在10分鐘窗口期同步激活攻擊腳本，對IS媒體網絡的服務器、社交媒體賬號及通信節點實施"毀滅交響曲"式打擊。

這種跨域融合戰法重新定義了現代戰爭邊界：網絡作戰直接塑造信息環境，為實時植入反敘事、破壞敵方通信提供戰術支點。傳統信息戰聚焦影響敵方決策流程，當與網絡攻擊能力結合后，其戰略效能呈幾何級數提升。

"光輝交響曲行動"的核心創新在于"認知接管"戰術的運用。美軍不僅癱瘓IS數字平臺，更通過其自有傳播渠道投放瓦解性內容。這種"以彼之矛攻彼之盾"的策略，成功在IS支持群體中植入懷疑與混亂，從根本上削弱其意識形態吸引力。實踐證明，在數字空間同步實施物理摧毀與認知解構，能產生遠超單一維度作戰的復合效應。

美軍在敵網絡內部植入定制信息的能力，彰顯其對戰爭心理學維度的深刻理解。該行動并未止步于封殺IS發聲渠道，而是將其數字平臺轉化為反制武器——通過IS自有傳播節點投放瓦解性內容，直接解構其敘事體系。這種"以子之矛攻子之盾"的策略，不僅有效遏制IS招募網絡，更通過提供替代性信息視角，動搖其支持基礎。

"光輝交響曲行動"凸顯網絡攻擊能力在反制敵方信息作戰中的戰略價值。通過精準打擊IS賴以生存的通信基礎設施，美軍系統性瓦解其數字網絡架構。這種破壞不僅阻斷了IS的襲擊協調與人員招募，更使其喪失維系線上存在的能力根基。

行動中運用的先進網絡滲透技術，實現了對IS數據傳輸與通信鏈路的深度操控。這種層級的破壞效果，建立在對IS技術架構與信息運作模式的雙重認知之上。通過切斷其數字通信命脈，美軍成功實施戰略孤立，使IS難以維持運作體系與受眾連接。

"光輝交響曲行動"標志著網絡戰與信息戰融合的轉折點。美軍網絡司令部通過破壞IS數字傳播網絡與定向反制宣傳的協同運用，展現了傳統信息戰策略與網絡攻擊能力結合的倍增效應。該行動不僅驗證了綜合戰法在現代戰爭中的有效性，更為未來戰場創新奠定基礎。隨著數字戰場疆域的持續擴展，此次行動揭示的戰術原則將持續引領網絡信息戰的演進方向。

AI賦能的網絡堡壘演習：前瞻性攻防推演

"網絡堡壘"演習系列始于2021年，由弗吉尼亞州應急管理部聯合國民警衛隊及其他聯邦與私營機構共同發起，其設計理念直接承襲"光輝交響曲行動"的成功經驗。該演習旨在構建公私協同的主動式網絡安全防御體系，目前已成為弗吉尼亞海灘年度重要演訓活動，吸引來自聯邦/州政府、軍方及關鍵基礎設施領域與學術界的數十家機構參與。

演習通過構建數字與信息環境的全景仿真系統，為軍地參演人員提供驗證與優化信息作戰策略的虛擬戰場。這種演訓模式體現了信息戰準備工作的進化趨勢。特別值得關注的是，演習中人工智能技術的深度整合，不僅突顯其在未來軍事行動中的核心地位，更強調持續創新與適應性發展的迫切需求。

演習目標：拓展人工智能作戰應用理念

該演習通過構建數字與信息環境全景仿真系統，為軍地參演人員提供驗證與優化信息作戰策略的虛擬試驗場。人工智能技術的深度整合不僅突顯其在未來軍事行動中的核心地位，更強調持續創新與適應性發展的迫切需求。

經驗傳承與創新突破
 演習既汲取"光輝交響曲行動"的成功經驗，更在此基礎上拓展關鍵基礎設施防御維度。通過融入新興人工智能技術，"網絡堡壘"不僅強化了國內網絡防御能力，更構建起應對復雜信息作戰場景的彈性響應框架，持續探索AI在網絡戰與信息戰中的倍增效應。

AI賦能網絡安全攻防
當前"網絡堡壘"的核心目標在于驗證新型AI工具的雙重效能：

• 防御賦能：AI系統實現網絡流量實時監測、海量數據異常模式識別與威脅快速響應，其持續分析能力可將潛在攻擊扼殺于萌芽狀態。自動化處理機制解放人力專注于戰略決策，顯著提升關鍵基礎設施防護效率。
• 進攻模擬：紅隊運用AI技術實施定制化信息攻勢，包括生成高仿真虛假媒體、基于實時反饋調整傳播策略，開展具有認知欺騙性的復合型信息戰演練。

機器學習驅動的演進體系
 演習平臺通過采集用戶交互數據持續優化機器學習算法，形成"數據采集-模式分析-威脅預測"的閉環演進機制。這種基于行為特征分析的動態學習模式，使AI系統能夠識別信息交互中的潛在規律，提前預判并應對新型威脅，在快速迭代的網信對抗環境中保持技術優勢。

人機協同的終極目標
 "網絡堡壘"致力于構建"有限資源下的人機效能倍增體系"：通過AI工具深度整合，提升作戰人員處理復雜網信威脅的能力。這種人智與機敏的協同模式，將人類戰略思維與機器精準執行相結合，實現任務執行效率與準確性的雙重突破。

AI驅動信息作戰模擬中的紅藍對抗

紅隊：AI賦能的認知攻勢
在"網絡堡壘"演習中，紅隊運用AI技術實施復雜信息戰攻勢。其核心戰術包括：

• 多模態認知滲透：通過AI算法生成多語言信息流，嵌入民族文化特征元素，確保傳播內容在美國各族裔群體中引發深層共鳴
• 動態適應性傳播：實時監測公眾情緒反饋，利用AI對話生成器在數字平臺投放定制化評論，動態調整敘事策略以放大虛假信息影響力
• 精準裂變式傳播：識別高傳播勢能敘事模板，通過社交網絡拓撲分析定位關鍵傳播節點，實現虛假信息的指數級擴散

紅隊的AI系統構建起"感知-決策-行動"閉環：實時追蹤信息傳播效能，自動優化內容生產參數，使認知攻勢始終保持動態進化。這種自適應能力使虛假敘事能夠持續侵蝕公眾信任，在數字話語空間制造認知斷層。

藍隊：AI驅動的防御體系
藍隊構建多層次反制體系應對紅隊攻勢：

• 多語言輿情監測網：部署AI翻譯矩陣，實現跨語種虛假信息實時捕獲與威脅評估
• 認知免疫系統：運用自然語言處理與情感分析技術，深度解析紅隊傳播策略特征，生成針對性真相錨點
• 智能傳播中樞：基于受眾畫像分析，自動匹配合適傳播渠道與內容形式，確保反制信息精準觸達目標群體

信息作戰支援單元（IOSC）的中樞作用
作為藍隊神經中樞，IOSC通過三階防御機制確保信息環境安全：

1. 威脅感知層：融合AI模式識別與語義分析技術，構建虛假信息特征指紋庫
2. 戰略決策層：運用機器學習預測紅隊戰術演進路徑，生成動態防御策略樹
3. 效能評估層：建立多維指標評估體系，實時監控反制措施傳播效能并持續優化

人機協同的倫理邊界
演習特別強調AI應用的倫理框架：

• 透明性準則：所有AI決策過程需保留可追溯的邏輯鏈條
• 隱私保護機制：數據采集嚴格遵守最小必要原則，部署差分隱私技術
• 責任歸屬體系：建立人機決策責任矩陣，確保每項行動具備明確問責主體

這種紅藍對抗演練不僅驗證了AI在認知攻防中的戰略價值，更揭示了未來信息戰"秒級響應"的對抗特性——勝負往往取決于算法迭代速度與數據閉環構建能力。

圖：在"網絡堡壘24"演習的信息戰行動中，開發了多語言AI生成圖像與敘事內容作為其組成部分。

新興技術與未來應用

人工智能在軍事信息作戰中的未來將迎來重大變革。新技術將使能力更易獲取，并推動軍事行動的戰略轉型。先進的AI系統能夠處理海量數據，自主生成復雜心理畫像、預測模型和自我運行的信息戰活動。這些模型可預測潛在威脅并自動響應信息攻勢，為軍事戰略家提供前所未有的洞察力與預見性。

深度學習與神經網絡技術的應用是技術發展的關鍵突破。這類技術能生成大量高度逼真的合成媒體，為心理戰提供戰略優勢。同時，基于AI的自然語言處理工具已足夠智能，能夠以人類無法企及的規模與速度自主創建和傳播可信敘事內容。

在戰略層面，AI在軍事行動中的持續運用將對全球政治產生深遠影響。AI驅動的信息戰可能催生新型戰爭形態——數字空間的博弈無需物理對抗即可左右公眾輿論與國家政策。擅長AI技術的國家可能通過影響力行動在國際關系中取得顯著優勢，從而引發以“智能效能”為核心的新軍備競賽。

此外，AI系統的自動化追蹤與分析能力對快速識別虛假信息與異常行為至關重要。這些系統持續掃描數字互動與媒體內容，標記潛在威脅或虛假信息活動。然而，對海量數據的無監督分析存在誤判合法信息或放大錯誤敘事的風險。因此，仍需人類在AI輔助下進行干預。這種自動化警戒不僅強化防御，還能確保信息行動的誠信與效力。因此，軍事信息作戰中AI的未來不僅關乎技術創新，更涉及在高度互聯的世界中為戰略決策者提供實時情報并應對新型數字威脅。

AI驅動信息作戰中未解的倫理與隱私問題

隨著AI深度融入軍事信息作戰，倫理考量必須成為部署過程的核心。AI在信息創建與傳播中的應用引發重大倫理質疑，尤其是隱私、透明度與問責制方面。

AI處理與分析海量數據的能力帶來嚴峻隱私挑戰。AI系統可從社交媒體、通信記錄等數字平臺收集并分析數據以識別模式與趨勢。盡管這種能力對信息作戰極具價值，但也引發對數據被采集和分析個體隱私的擔憂。確保AI系統負責任地使用、數據收集遵守隱私法規至關重要。這需要實施嚴格的數據治理政策，確保數據匿名化且僅用于合法目的。

此外，軍事領域對AI的應用必須受到嚴格審查以防止潛在濫用。個人數據的聚合可能導致意外后果，例如根據數字足跡對特定個體實施定向打擊。保障個人信息安全并防止濫用，需要建立強有力的安全措施與持續監督機制。

在信息作戰中應用AI必須保持透明度，這是維持公眾信任與確保道德操守的關鍵。使用AI創建和傳播信息的過程需具備明確指導方針，清晰說明AI的使用方式與數據收集范圍。透明度還涉及向公眾及相關利益方通報AI驅動行動的目標與方法，這有助于消除對AI技術的神秘化認知，建立公眾使用信心。

構建明確的問責機制是AI倫理部署的核心要素。必須為AI系統的決策行為確立清晰的責任歸屬鏈條。人類監督不可或缺，需確保AI生成內容的準確性與道德性，并對任何AI濫用行為及時追責。建立問責框架有助于監測與評估AI系統的影響，確保其應用符合倫理標準與法律要求。

將AI應用于戰爭（特別是信息作戰），引發了關于信息操縱與心理傷害可能性的深層倫理質疑。AI生成逼真深度偽造內容與合成媒體的能力，可能被用于操縱輿論與傳播虛假信息。此類應用帶來的倫理影響必須審慎考量，并制定準則以確保AI在軍事行動中的負責任使用。

倫理框架應重點防范AI被用于欺騙或操控人類認知，避免引發意外心理或社會后果。例如，宣傳活動中使用深度偽造技術可能破壞公眾對合法信源的信任，加劇社會不穩定。倫理體系必須確保AI不會被用于以有害或脅迫性方式利用人類認知與心理的脆弱性。

結論

人工智能已成為美軍維持現代戰場主導權的戰略必需品。其處理海量數據與自動化復雜心理戰功能的能力，正在重塑信息作戰范式。要實現AI的成功部署，需要構建融合技術創新、戰略遠見與倫理責任的綜合方案。隨著數字戰場持續演進，美軍必須將AI既視為效率工具，更作為變革戰力進行投入。這要求從現有范式轉向以快速決策、敏捷響應與網信戰整合為核心的AI驅動模式。

負責任的AI實施還需破解三大挑戰：數據隱私保護、算法偏見消除與技術濫用防范。信息作戰領域的AI應用將重新定義軍事行動樣態——它提供了影響全球信息生態、防范新型威脅與維護國家安全的空前機遇。在持續變化的戰場環境中，軍隊的創新能力、協作水平與適應能力將決定這場技術整合的最終效能。

圖為 2023 年 12 月 20 日拍攝的烏克蘭第一人稱視角（FPV）無人機。烏克蘭已生產了五萬多架 FPV 無人機。(圖片由烏克蘭戰略工業部提供）

人工智能（AI）的普及和快速發展正以前所未有的速度重塑多域作戰（MDO）中的攻防行動。人工智能的進步為作戰人員提供了無數新的能力，而這些能力曾經只是科幻小說中的想象。人工智能正以機器速度加快數據收集、處理、分析和利用的準確性，從而縮短指揮官的 OODA（觀察、定位、決策、行動）循環周期。人工智能還在增強以前主要由人類完成的流程。例如，人工智能可以從各種傳感器類型的多個無人機系統（UAS）鏡頭中檢測出感興趣的目標。大型語言模型（LLM）還可以綜合來自不同平臺的大數據，例如將圖像、社交媒體帖子和情報報告結合起來，按需向指揮官提供作戰環境（OE）的全面概述。人工智能還能使情報、監視和偵察（ISR）平臺和武器系統完全自動化。盡管取得了這些進步，但人工智能在 MDO 中的應用也帶來了無數技術、道德和法律方面的挑戰。本文將討論這些挑戰，并對未來的發展提出建議。

多域作戰中的目標檢測

人工智能是計算機科學的一個廣泛領域，其重點是創建能夠執行通常需要人類智能才能完成的任務的系統。這些任務包括決策、解決問題、理解語言以及識別模式或目標。人工智能模型旨在模仿人類的認知功能，通過將數據應用于卷積神經網絡（CNN）來實現。數據質量和 CNN 優化是推進人工智能模型的兩個最重要因素。機器學習（ML）是人工智能的一個子集，可執行特定的重復性功能。此外，ML 系統還可以根據輸入數據調整 CNN 內的神經連接，從而在沒有人工干預的情況下，通過迭代訓練周期（稱為 “epochs”）提高性能。目前，MDO 中使用最廣泛的 ML 應用是目標檢測。目標檢測使用計算機視覺來檢測圖像和視頻片段中感興趣的目標。圖 1 是目標檢測的一個示例。在人工智能領域，目標檢測模型最容易訓練和部署，是 MDO 的最佳選擇。Maven 項目是美國軍方正在實施的一個項目，該項目將目標檢測算法應用于 ISR 獲取的片段和圖像。然而，與任何人工智能模型一樣，建立目標檢測模型的挑戰在于需要高質量的數據通過 CNN 來訓練模型。

收集高質量數據是訓練可靠的 ML 模型所必需的一個具有挑戰性的過程。目標檢測模型的性能直接取決于訓練數據的質量。在 MDO 期間收集數據將是在 OE 中部署根據新的敵方裝備和戰術、技術和程序 (TTP) 訓練的目標檢測模型的最大障礙之一。在 MDO 中，敵方很可能會使用一些技術來欺騙目標檢測模型。在高作戰節奏的戰斗中，收集、整理和共享良好的數據，以便根據新出現的敵方裝備和戰術、技術和程序重新訓練 ML 模型將是非常困難的。不同角度和光照條件下敵方裝備的數據多樣性對于實現彈性目標檢測模型至關重要。此外，由于邊緣對比度降低、熱交叉（當目標的溫度與其背景相似時）和圖像劣化，空中目標檢測模型的訓練比地面模型更具挑戰性。一旦建立了敵方裝備數據集，部隊就可以根據任務要求建立目標檢測模型。例如，在大規模作戰行動中，部隊可以部署一個在高價值目標數據集上訓練的定制目標檢測模型。

經過模型訓練后，目標檢測模型可部署在手機大小的計算機上，這些計算機被稱為邊緣設備。這些邊緣設備價格低廉，可輕松連接到無人飛行器地面站，為現有無人平臺提供機載人工智能功能。在多域進攻和防御行動中部署目標檢測算法的主要好處是，它們能夠快速、穩定地處理大量視頻和圖像片段，只需極少的人工參與。例如，一個分部的分析和控制部門可以利用一系列具有定制訓練的目標檢測模型的邊緣設備來分析多個 ISR 視頻饋送。然而，MDO 中目標檢測面臨的最大挑戰是如何更新成百上千的邊緣設備，使其具備根據新的敵方裝備和 TTPs 訓練的最新模型。這還包括如何將由圖像和標簽組成的數據集傳輸到整個 OE 的各單位。傳輸這些大型數據集需要大量的帶寬和時間，而在面對近似對手的情況下，這是極不可能實現的。目前，還沒有解決這一問題的可行方案。

目標檢測模型也可以在多個光譜范圍內進行訓練，從近紅外（NIR）到長波紅外（LWIR），也稱為熱光譜。選擇合適的傳感器類型，從地面或空中偵察系統中進行目標檢測，對于 ML 應用至關重要。由于邊緣檢測是計算機視覺模型的基礎，因此為 ISR 目標檢測性能選擇合適的傳感器至關重要。圖 2 的 D/E/F 部分顯示了計算機視覺模型如何 “看到 ”圖像。目標檢測算法會對自身進行訓練，以檢目標體獨特的外部和內部邊緣，從而準確檢測和識別感興趣的目標。

圖 2. 計算機視覺模型感知圖像。這些示例展示了計算機視覺模型如何感知圖像。突出顯示的邊緣有助于模型的訓練和檢測。用偽裝削弱這些邊緣是擊敗對抗性目標檢測模型的關鍵。(圖：Jim Gallagher 少校）

在能見度有限的情況下開展行動時，長波紅外傳感器是目標探測的最佳選擇。圖 3 是一個例子：一個近紅外目標檢測模型識別出一個人，而一個近紅外傳感器未能識別出同一個人。同一邊緣設備上的單獨機器學習模型還可以融合多種傳感器類型，創建彈性更強的目標檢測模型，從而在復雜的照明條件下繼續執行任務。

圖 3. 無人機長波紅外/近紅外傳感器探測。基于無人機的長波紅外 (LWIR) 傳感器成功探測到一個人（左圖），而相同環境下的近紅外 (NIR) 傳感器未能探測到該人。(圖片由 Teledyne FLIR 提供）

例如，在清晨航海黃昏開始（BMNT，日出前一小時）和傍晚航海黃昏結束（EENT，日落后一小時）期間，小型無人機系統的可見光攝像機和近紅外攝像機可融合創建目標的復合邊緣，從而提高性能。以往的研究發現，采用獨立的機器學習模型進行自適應傳感器融合可提高目標檢測性能。圖 4B 是使用聯合 RGB 和 LWIR 傳感器融合圖像的示例。將此方法應用于現有無人機系統的不足之處在于，大多數軍用無人機系統都攜帶近紅外傳感器，而近紅外傳感器在目標探測應用中的效果不如長波紅外傳感器。

圖 4. 將傳感器融合在一起。將多個傳感器融合在一起可創建額外的冗余邊緣，從而提高模型性能。(圖：吉姆-加拉格爾少校）

將目標檢測與目標定位相結合

在進攻和防御行動中部署目標探測模型時，地面和空中傳感器探測到的敵方裝備將自動被引導到打擊單元，士兵可以在那里確認目標。在確認探測結果為敵方后，目標及其相關元數據將開始進入 D3A（決定、探測、交付、評估）目標循環。采用目標檢測模型來幫助識別敵方目標，將加快 D3A 瞄準周期，提供一致的檢測結果，并大大減少分析 ISR 鏡頭所需的士兵人數。

圖 5A/B. 具有目標探測功能的地面和空中傳感器。具有目標探測功能的地面和空中傳感器可輕松識別無偽裝的聯合輕型戰術車輛（圖像 A 和 B）。相反，沒有可探測邊緣的圖像（C 和 D）則很難被目標探測模型探測到。(圖：吉姆-加拉格爾少校）

目標檢測模型的一個主要弱點是，敵方可以通過各種方法降低算法的性能或使其失效。例如，采用可見光傳感器的目標檢測模型可以通過偽裝來破壞目標的邊緣，從而使其失效。圖 5C 和 5D 是一輛聯合輕型戰術車輛的示例，用樹葉偽裝破壞了其邊緣，導致目標探測算法無法探測到目標。如果士兵沒有觀看 ISR 信號，這將是一個漏掉的目標。此外，將偽裝網罩在裝備上而不使用擴張器破壞目標邊緣，也不足以破壞目標探測模型。圖 6 展示了帶有保護罩的 M119 榴彈炮。由于榴彈炮的輪廓清晰可辨，地面目標探測模型仍能探測到被遮蓋的 M119 榴彈炮，置信度為 41%。樹葉和其他材料（如圖 5C 所示）必須用來破壞目標的邊緣，從而降低目標探測模型的性能。由于可見光傳感器的局限性和容易破壞目標探測模型，近紅外和長波紅外傳感器更適合探測目標。然而，熱特征可以被掩蓋或完全覆蓋，從而破壞計算機視覺模型。

圖 6. 通過地面目標探測模型進行探測。由于邊緣可識別，地面目標探測模型可探測到覆蓋的 M119 榴彈炮。(圖：吉姆-加拉格爾少校）

自主彈藥的目標探測

在多領域攻防行動中，另一種可提高殺傷力的人工智能應用是將目標探測與目標跟蹤相結合，自主引導彈藥攻擊目標。通過與飛行控制器相連的車載邊緣設備，自主飛行器可在空中、地面和海上引導彈藥。邊緣設備的價格低至 35 美元，因此部署具有目標跟蹤模型的低成本無人駕駛系統既經濟又高效。例如，無人地面運載工具（UGV）可部署目標探測和跟蹤模型，以探測并向敵方目標發射彈藥。圖 7 顯示了一個帶有機載目標探測和跟蹤模型的 UGV，它可以引導和引爆低成本 3D 打印的形狀裝藥，打擊裝甲車輛。該 UGV 是指揮與總參謀學院項目的一部分。

圖 7. 無人地面車輛。這輛在指揮與總參謀學院制造的無人地面車輛配備了車載目標探測和目標跟蹤模型，可以自主瞄準裝甲車并啟動 3D 打印銅質形狀裝藥。(攝影：吉姆-加拉格爾少校）

在無人系統上附加紅外和可見光傳感器，并進行機載目標探測和跟蹤，也將提高模型性能和瞄準效果，而不受光照條件的影響。烏克蘭軍隊已經在部署帶有機載邊緣裝置的半自主多旋翼無人機，自主將彈藥飛向俄羅斯坦克（圖 8）。還可部署無人潛航器 (UUV)，自主將彈藥射入敵方船只。此外，將目標探測模型與無人系統相結合，可使其不易受到 GPS 干擾，因為目標探測和目標跟蹤不需要 GPS。然而，在 MDO 中使用全自動彈藥的主要風險是自相殘殺的風險。雖然在 UGV 或 UUV 等慢速移動的無人系統中，自相殘殺的可能性較低，但在快速移動的無人機中，如果目標探測模型出現誤報，將友方系統探測為敵方系統，就會增加自相殘殺的風險。在神經網絡進一步發展，將探測置信度提高到合理水平之前，在友軍附近部署完全自主的無人機群仍是遙不可及的設想。

圖 8. 烏克蘭低成本無人機。烏克蘭戰斗機將彈藥拉鏈綁在低成本無人機的框架上。(圖片由烏克蘭國防部國防工業提供）

利用深度學習進行預測分析

在討論如何在 MDO 中使用深度學習人工智能模型之前，有必要先討論如何使用簡單的機器學習算法進行數據處理。現有的 ML 算法，如語音到文本轉換器、文本閱讀器和光學字符識別，可以使進入指揮所的大數據變得有意義。機器學習模型可以處理來自上層和下層戰術互聯網系統的數據，使數據對深度學習模型具有機器可讀性，便于指揮官快速了解態勢。

數據處理后，深度學習算法（如 LLM）可以綜合數據，為指揮官提供預測分析。這種分析基于無人系統上的目標探測模型、友軍報告和情報得出的處理數據。LLM 的主要缺點是計算密集且難以訓練。在野外環境中訓練新的 LLM 十分困難，因為這需要大量的數據、時間和計算資源。因此，應在有充足時間和處理能力的駐軍環境中訓練 LLM，以建立模型。

一旦建立了 LLM、數據處理和目標探測模型，最后就可以將模型和數據管道組件化，進行人工智能驅動的目標定位。圖 9 展示了之前討論過的所有 AI/ML 算法如何以 D3A 為框架進行工作。在 D3A 的決定部分，LLM 會根據已知的敵方組成和部署情況，向指揮官提供最有可能的敵方行動路線的初步評估，而敵方組成和部署情況則來自情報報告、友軍報告以及無人機、地面和海上系統的目標探測結果。由于 LLM 接受過敵方理論培訓，并可獲取 OE 地形數據，因此它將對敵方行動路線進行預測分析，并建議在何處集中收集資產。

在探測階段，具有目標探測模型的無人系統將利用多種傳感器類型探測敵方裝備和位置，然后將其發送給打擊單元。在投送階段，先進野戰炮兵戰術數據系統內置的機器學習算法可推薦向目標投送效果的最佳資產。最后，在 D3A 的評估階段，LLM 可以利用目標探測提供性能衡量標準，以確認敵方裝備是否被摧毀，并根據后續情報報告提供效果衡量標準，以分析敵方的反擊或反應。這種由人工智能驅動的 D3A 循環可以高度迭代，因為它只需要極少的時間和少量的人力參與，從而使指揮官能夠更快地做出更好的決策，進一步使敵人失去同步性。

圖 9. 實施人工智能/機器學習。以 D3A 為框架，圖示如何將人工智能/機器學習應用到多域目標定位行動中。(圖：吉姆-加拉格爾少校）

結論

將人工智能融入 MDO 代表著軍事戰略和能力的轉型，帶來了前所未有的機遇和挑戰。人工智能能夠提高數據處理的速度和準確性，并在戰場上產生效果，這正在重塑現代戰爭的態勢。然而，在 MDO 中采用人工智能系統并非沒有不足之處。技術上的挑戰和道德上的考量要求我們在將人工智能整合到軍隊中時，必須采取謹慎而有序的方法。人工智能系統有可能被對手的戰術所欺騙，在分布式網絡中管理和更新人工智能模型也很困難，這些都凸顯出需要針對戰場環境的復雜性量身定制穩健、彈性和輕量級的人工智能解決方案。人工智能能力的發展有望進一步增強 MDO 的戰略、作戰和戰術優勢。然而，在取得這些進步的同時，還必須進行嚴格的測試，以應對自主和半自主武器系統及 LLM 的更廣泛影響。隨著我們向人工智能日益集成的未來邁進，重點必須始終放在以可控和系統的方式開發和部署人工智能上，以增強美軍在多域作戰中的能力，同時認真考慮并減輕相關的風險和挑戰。

最近在烏克蘭的行動證明，引入新技術、戰術、技巧和程序可以極大地影響 21 世紀的戰場。美軍正在將從這次沖突和其他近期沖突中吸取的經驗教訓融入聯合全域指揮與控制（JADC2）作戰概念。美國防部正在尋求通過 JADC2 實現決策優勢，"在戰爭的各個層次和階段、跨所有領域并與合作伙伴一起產生感知、理解和行動的作戰能力，以相關性的速度提供信息優勢"。雖然這一定義抓住了 JADC2 的目標，但對如何實現這一目標卻知之甚少。本文利用 OODA 循環和一個項目融合用例（濕隙穿越）來說明人工智能 (AI) 將如何在這種復雜而相關的場景中通過降低風險來實現決策優勢。

圖：在 OODA 循環中應用邊緣人工智能 (AIAE) 加快決策能力，提高決策優勢

最近在烏克蘭的行動再次證明，在 21 世紀的戰場上，引進新技術和戰術、技術和程序可以產生重大影響。美軍正在利用從這次沖突和其他近期沖突中吸取的經驗教訓，并將其納入聯合全域指揮與控制（JADC2）作戰概念。最近由美國防部（DoD）贊助的實驗（包括各軍種、作戰司令部和盟國的參與）重點關注日益復雜的局勢，以深入了解 JADC2。

這種方法希望利用人工智能（AI）、機器學習（ML）、自主性和其他先進能力更好地連接傳感器和射手，縮短對對手產生致命和非致命影響的時間，從而影響多域行動。降低作戰人員和決策者的認知負荷以及縮短從探測到交戰決策的時間以獲得優勢等目標，只是國防部正在應對的需求、風險和技術挑戰中的一部分。

決策優勢

與過去的其他沖突一樣，21 世紀的沖突將取決于決策優勢，誰能最好地利用和確保信息，在最短的時間內做出最明智的決策，誰就有可能獲勝。決策優勢被定義為比對手更快地吸收、分析從戰場上獲取的信息并采取行動的能力。

縱觀歷史，決策優勢始終是決定戰斗和沖突勝負的關鍵。現在，面對日益增長的中國威脅，美國的作戰能力和能力優勢正在急劇縮小，在這樣一個時代，實現決策優勢比以往任何時候都更加重要。由于其他國家和非國家行為者在全球范圍內迅速擴散技術，實現決策優勢也變得更具挑戰性。

電信、傳感器、處理能力和武器的進步，以及太空和網絡空間作為作戰領域的作用日益增強，從根本上改變了戰爭中指揮與控制的特點。有鑒于此，國防部正尋求通過聯合作戰指揮與控制2實現決策優勢，"在戰爭的各個層次和階段，在各個領域，與合作伙伴一起，產生感知、理解和行動的作戰能力，以相關的速度提供信息優勢"。但是，盡管這一定義抓住了 JADC2 的目標，卻對如何實現這一目標知之甚少。

共享情報

為了使 JADC2 概念成為現實，各軍種都在分析自己在實現這一愿景方面的貢獻。雖然許多軍種都在專注于創建一個全球目標系統，以實現發現、固定、跟蹤、瞄準、交戰和評估等殺傷鏈功能，但也有一些軍種正在研究 JADC2 如何協助實現決策優勢，以便將部隊機動到優勢位置，阻止對手實現其目標。

美國陸軍最近接待了空軍、海軍、海軍陸戰隊，并首次將國際合作伙伴和盟國納入其中，在其年度現代化實驗中整合技術并測試多域作戰： 2022 融合項目"。陸軍的第三個年度 "聚合項目 "通過在多個地點舉行一系列基于各種作戰場景的實驗和活動，對該軍種的范圍和能力進行了測試。

來自美國、英國和澳大利亞的作戰人員用數周時間測試了約300項技術和新的作戰概念，以展示各軍種有朝一日如何作為一支聯合部隊作戰。這些實驗和其他實驗有助于形成跨組織協作、確定技術投資的優先次序以及完善平臺和系統需求文件，從而為未來作戰環境的構想提供信息。

通過這些不同的實驗，發現一個共同的主題，即未來作戰需要跨國家、跨領域和跨技術的協作，以確保互操作性并實現 JADC2 的愿景。無論在哪種情況下，假設的對手都可能是近鄰競爭對手，并將尋求在無法保證美國空中或其他領域優勢的情況下實現反介入/空中拒止（A2AD）環境。

確定技術挑戰

包括全球定位系統衛星在內的美國天基資產可能會被削弱。人們還認為，帶有人機界面的人工智能/ML 能力將做出最終目標定位和其他決策，而先看、先理解、先行動和先決策的能力將為哪一方獲勝提供關鍵優勢。同樣顯而易見的是，工業界、學術界和聯盟伙伴在為存在的各種差距和挑戰尋找技術解決方案方面至關重要。

本文旨在探討新的創新技術解決方案如何有助于利用有人和無人系統在陸地領域實現決策優勢。本文將確定并討論關鍵技術挑戰和風險，以及潛在的技術材料解決方案。實現 JADC2 需要在條令、組織、培訓、物資、領導力和教育、人員、設施和政策方面進行重大變革，但本文將只關注物質解決方案。

當前地面戰中的人工智能

認識到數據是一種戰略資產，并在多域行動中采用全局性的整體方法，將有助于推進 JADC2 計劃，并提高各軍事任務的決策優勢。值得注意的最復雜地面場景之一是濕式間隙穿越作戰，這對機動部隊接近和摧毀敵軍非常重要。(圖 1）

然而，在計劃和執行這些關鍵行動時，后勤保障面臨著明顯的挑戰。(圖 2）一旦成功實施，濕式間隙穿越作戰就能提供戰爭中最有價值的基本要素之一--速度。速度是掌握主動權、防止敵人偵察和取得成功的關鍵。執行安全高效的濕式間隙穿越行動可以讓友軍為成功創造必要條件。

俄羅斯部隊最近在烏克蘭的一次失敗的濕式間隙穿越突顯了與這一復雜行動相關的許多挑戰和風險。俄軍在試圖穿越橫跨烏克蘭東部 Siverskyi Donets 河的浮橋時，損失了兩個或更多營的兵力--可能有 100 輛車和一千多名士兵。

在對這一失敗場景進行評估時，本文將探討進行濕式間隙穿越行動的主要風險，以及使用人工智能/移動式語言和其他關鍵技術的潛在技術解決方案。

圖 1：濕隙交叉口的描述

圖 2：規劃和執行濕式間隙穿越作戰時的典型分析

分析風險

由于未來大多數入侵資產都可能使用無人或可選有人系統，因此需要確保大量數據的安全，并通過戰術網絡進行傳輸，以同步執行偵察與安全、機動、火力、后勤和其他作戰功能。在宏觀層面，JADC2 需要通過各種分布式傳感器收集大量數據，并將其處理為可操作的信息。

戰略、作戰和戰術層面的利益相關者利用由此產生的信息流中的相關要素，以最佳方式執行任務。整個系統通過一套強大的通信鏈路連接在一起。這并不意味著每個人都能接收到所有信息，因為那樣每個人都會被數據淹沒。相反，這需要分配正確的信息，使各組織能夠在其特定責任領域取得更好的效果。以下是材料解決方案需要應對的其他風險：

• 如果無法在間隙穿越地點實現出其不意，那么在穿越過程中出現人員傷亡和任務失敗的幾率就會很高。

• 如果穿越點缺乏指揮和控制（C2），那么友軍很容易被對手的致命和非致命火力摧毀和削弱。

• 如果網絡保護不足或缺乏安全的空中更新，那么無人系統或可選擇的有人系統就會被對手欺騙或接管，從而破壞缺口穿越行動。

• 如果友軍處理傳感器和射手數據的能力下降，那么由于機動、火力和其他作戰功能之間缺乏同步，成功穿越缺口的可能性就會降低。

• 如果聯合和聯軍的 C2 系統不能互操作，那么同步作戰功能以確保成功穿越行動的能力就會降低。

技術挑戰的解決方案

在決策過程中應用和評估技術需要一個模型。OODA 循環--觀察、定位、決策、行動--是一個眾所周知、廣為接受的模式，尤其是在作戰人員群體中，因為它的起源。它是由美國空軍上校約翰-博伊德（John Boyd）提出的概念，是各領域決策和行動的典范。

OODA 循環描述了決策和行動的四步流程。首先，觀察環境并收集信息。然后，通過分析信息并理解其含義，為自己定位。然后，根據觀察和定位，決定采取什么行動。最后，根據決定采取行動。

OODA 循環強調決策和行動中速度和靈活性的重要性。我們的目標是盡可能快速高效地完成這一循環，以便適應不斷變化的環境，并在機會出現時加以利用。

通過觀察上圖，利用人工智能實現決策優勢有兩個關鍵的考慮因素：

• 人工智能（AI）處理適用于每個部分
• 盡量減少四個步驟之間的延遲

前面在 "濕隙穿越 "場景中概述的風險所體現的一個宏觀考慮因素是，決策必須在 "邊緣 "做出，而不是從指揮中心遠程做出。這大大減少了延遲，并在快速變化的環境中提供了靈活性。邊緣人工智能（AIAE）是指在靠近數據源的設備上部署人工智能算法。

將傳感器直接連接到 AIAE 單元將大大減少 OODA 循環中觀察-定向步驟之間的延遲。傳感器數據將從傳感器傳輸到人工智能單元的傳感器輸入端，然后通過處理集成電路內部的高速總線或同一單元內集成電路之間的高速總線傳輸到數據處理核心。(圖 3）

在 AIAE 單元中進行人工智能處理和決策，還將大大減少 "定向-決策 "步驟之間的延遲。這樣就不需要為額外的決策步驟向外部中心發送大量數據，然后等待決策回傳。出于同樣的原因，從 AIAE 單元發送 "行動 "命令也將減少 "決定-行動 "步驟的延遲。

圖 4：GPU 的并行處理架構可實現比 CPU 更快的計算速度，從而支持大量的人工智能應用

實現人工智能處理

用于 AIAE 處理的一個主流 COTS（商用現成）解決方案是通用圖形處理單元（GPGPU）。圖形處理單元上的通用計算指的是使用 GPU（圖形處理單元）來執行除傳統圖形渲染作用之外的通用計算。

GPU 設計用于并行處理大量數據，使其成為執行某些計算的理想選擇，速度比傳統 CPU（中央處理單元）快得多。通過利用 GPU 的并行處理能力，GPGPU 可以加速各種人工智能應用。(圖 4）

技術的進步為市場帶來了更高性能的小型超級計算機，它們將 GPGPU 與 CPU 相結合，可用于 AIAE 應用。GPU 廣泛用于人工智能應用。

英偉達?（NVIDIA?）Jetson系列模塊將支持人工智能的GPGPU與多核CPU結合在一起，形成了一個緊密耦合、高性能、低功耗的超級計算機，可支持人工智能處理能力和決策應用軟件。英偉達?（NVIDIA?）Jetson 系列有多種不同外形尺寸、性能和最大功耗的模塊可供選擇。(圖 5）

圖 5：NVIDIA Jetson 系列包括不同的模塊，具有不同的外形尺寸、性能和最大功率選項。

以英偉達?（NVIDIA?）Jetson Xavier NX 模塊為例，該模塊可提供每秒六萬億次浮點運算（TFLOPS）的性能，最大功率為 15 瓦。這樣的性能可與配備處理器和圖形處理器卡的數百瓦工作站相媲美。

這種計算架構可以每秒 30 幀的速度處理和應用 20 多個 1040p 分辨率高清視頻輸入的人工智能算法，也就是說，它有足夠的帶寬來運行人工智能應用程序，為系統中的多個高清攝像機提供服務。

配備英偉達?（NVIDIA?）Jetson Xavier NX 模塊的加固單元可小至 4" x 2.3" x 3.9"。最大重量為 1.3 磅，最大功率為 15 瓦，從尺寸、重量、功率（SWAP）和性能的角度來看，它是 AIAE 應用的理想選擇。(圖 6）如果需要更高性能，基于更高性能英偉達?（NVIDIA?）Jetson 模塊的更大和更高功率的堅固解決方案是可以實現的。

圖 6：緊湊型高性能超級計算機正在邊緣處理大量傳感器數據。

這類基于 GPGPU 的堅固耐用單元還可以支持以太網（1GbE 和/或 10GbE）、CAN 總線、串行端口等行業標準接口）。例如，以太網接口可用作與系統中其他 "智能 "盒和任務計算機的通信通道，也可通過無線通信轉換器與外部設備進行交互。如果需要低延遲以太網通信，可使用時間敏感網絡（TSN）或時間觸發以太網（TTE）。

使用以太網網絡進行內部通信，可實現從物理電纜到路由器和數據包的多種冗余級別。在整個網絡中實施 IEEE 1588 時間分配可使所有網元同步到單一時間源。

除了高速傳感器處理外，這些單元還可用于處理來自低速傳感器的數據--模擬 I/O、離散 I/O、串行端口等。將這些功能整合到一個 AIAE 單元中，有助于消除車輛中額外的電子設備盒和相關線束，進一步減小電子設備的尺寸、重量和功率。

時敏網絡（TSN）與決策優勢

時敏網絡（TSN）的功能，包括精確定時、低延遲通信和確定性數據傳輸，有助于改進決策過程，提高對態勢的認識，并最終實現決策優勢。

通過提供低延遲通信，TSN 可通過高精度、高可靠性的實時數據傳輸，確保關鍵信息及時送達決策者。它還有助于收集、匯總和分析這些實時數據，使決策者能夠獲得最新的準確信息，做出明智的選擇。

TSN 跨分布式網絡同步設備和系統的能力有助于實現決策優勢。它能確保來自多個來源的數據保持一致，提供對運行環境的整體了解，并加強傳感器、執行器和控制系統等不同組件之間的協調，實現無縫協作和集成。

利用邊緣人工智能（AIAE）優化地面車輛運行

1 簡化網絡通信

將堅固耐用的人工智能超級計算機放置在傳感器（如高分辨率相機、紅外探測器）附近，有助于解決地面車輛電子設備方面的難題，最終使作戰人員受益。例如，在傳感器附近進行物體識別/分類、目標識別/捕獲、地形分析等處理可帶來以下好處：

• 無需將大量數據從傳感器傳送到任務計算機或外部指揮中心，減少了延遲和信息過載。

• 縮短系統響應時間，加快決策速度。

• 增強無人或可選有人駕駛飛行器/系統的能力

• 無需在傳感器與任務計算機之間鋪設昂貴的長距離高速數據線，從而降低了布線的復雜性，提高了系統的可靠性、可用性和可維護性。

• 提高系統集成和可操作性--邊緣人工智能"盒與系統中其他 "智能 "盒之間的所有數據均通過行業標準以太網接口傳輸。

• 提高可升級性--所有獨特的傳感器處理都在 AIAE 單元中完成。傳感器和相關處理單元（如有需要）無需更換以太網電纜即可升級，也無需更換任務計算機，這可減少將新功能提供給作戰人員所需的時間和成本。

• 提高可擴展性--如果飛行器能提供幾個額外以太網端口的布線，就能增加額外的傳感器和 AIAE 盒，從而使新任務設備包的集成變得更容易、更快捷。

• 通過減小電子系統的尺寸、重量和功率 (SWaP)，無需大型任務計算機和笨重的線束，從而使地面系統更加可用、可靠和易于維護。

2 網絡安全保護

具有增強網絡安全保護能力的高性能人工智能系統將有助于防止網絡和欺騙攻擊，并保護信息共享數據鏈路。

使用 "邊緣人工智能 "解決方案將有助于通過以下方式消除或最大限度降低第 6 節所述的以下風險：

• 通過在源頭處理大部分數據，大幅減少戰術網絡共享的數據量

• 為每個數據用戶分配正確的信息，從而簡化數據分配工作

• 縮短響應時間，改進指揮與控制 (C2) 通信

• 改善通信渠道的網絡保護

• 最大限度地降低傳感器數據處理能力下降的可能性--大部分數據在本地處理，冗余方案可用于解決傳感器受損問題

• 使用單一時間源同步車輛內和多個平臺上的所有系統

• 如果所有系統都使用相同的通信協議和數據報文結構，則可消除聯盟 C2 系統之間的互操作性問題

3 優化地面車輛人工智能的其他考慮因素

雖然 AIAE 有許多好處，如減少延遲和增加隱私，但它也提出了一些必須解決的技術挑戰。其中一些挑戰包括

• 處理能力有限：與基于云的服務器相比，邊緣設備的處理能力和內存往往有限。因此，開發可在低功耗邊緣設備上有效運行的人工智能算法是一項重大挑戰。

• 存儲空間有限： 邊緣設備的存儲空間通常有限，從而限制了可在本地處理和存儲的數據量。這也會影響需要大型數據集的機器學習模型的準確性。

• 能源效率： 邊緣設備通常基于低功耗解決方案。開發高能效的人工智能算法對于最大限度地降低邊緣設備的功耗至關重要。

• 連接性： 邊緣設備與云的連接可能時斷時續或有限，這給訓練和更新機器學習模型帶來了挑戰。這也會限制與網絡中其他設備的通信能力。

• 安全和隱私： 邊緣設備可能更容易受到安全威脅，在邊緣使用人工智能會引發對數據隱私的擔憂。確保邊緣人工智能的安全和隱私保護至關重要。

• 標準化： 隨著邊緣人工智能的發展，需要實現標準化，以確保不同設備和系統之間的互操作性和兼容性。

要應對這些挑戰，就需要在邊緣人工智能領域不斷進行研究和開發，并在各行業和標準組織之間開展合作。基于英偉達?（NVIDIA?）Jetson 模塊的堅固耐用的 AIAE 解決方案可以幫助應對其中的許多挑戰。

結論

利用 AI/ML 和先進的算法戰爭系統可為實現決策優勢提供顯著優勢。能夠切實有效地保護、傳輸和處理信息，并比對手更快地壓縮 OODA 循環的軍隊很可能會取得勝利。AI/ML 不是明天的問題。這種使能技術今天已在使用，將來會越來越普遍。

對于國防部來說，要實現 JADC2 的愿景，首先要求工業界有能力連接當前所有可支持戰區感知的傳感器，使傳感器數據可供任何行動級別的任何潛在用戶使用。這種數據共享結構可以創建安全的作戰空間感知，從而了解單一、綜合、全球作戰空間中某一區域的行動，并為其他區域所需的行動和決策提供依據。

其次，傳感器數據共享和互操作性的概念應在每個系統和項目中強制實施。此外，國防部還需要加快數字化轉型、原型設計和系統集成的速度，以便利用數據，建立更好的作戰制勝人工智能/移動式人工智能算法和硬件系統，并通過學習和實驗活動加以鍛煉，以取得成功。

美國陸軍正在為營級及以下的地面機動部隊采購一系列小型無人機系統（sUAS），以提供實時偵察、監視和目標捕獲（RSTA）能力。在過去二十年中，這一角色主要由 AeroVironment 公司的 RQ-11 “烏鴉”（Raven）（圖 1）承擔。2024 年 2 月 8 日，陸軍部長克里斯蒂娜-沃穆斯和陸軍參謀長蘭迪-喬治將軍宣布陸軍計劃逐步淘汰 RQ-11 "烏鴉"，作為陸軍航空投資更廣泛 "再平衡 "的一部分。該產品涵蓋第 1 類和第 2 類無人機系統--重量小于 55 磅、飛行高度在距地面 3500 英尺或以下的無人機系統--旨在作為陸軍傳統 RSTA sUAS 的后繼機型。

圖 1. AeroVironment公司RQ-11 Raven

背景介紹

1988 年，美國國防部（DOD）無人機聯合項目辦公室（UAV JPO）發布了首個無人機 "總體規劃"，確定了無人機系統的需求和采購戰略。《總體規劃》建議為 "低級戰術單元 "提供 "近距離 "無人機系統，這種系統可以大量采購，而且成本低廉。20 世紀 90 年代末和 21 世紀初，由陸軍主導的實驗項目 "城市地形軍事行動先進概念技術演示"（MOUT ACTD）展示了便攜式無人機系統如何為地面單元提供更強的態勢感知和部隊保護。MOUT ACTD促使陸軍和特種作戰司令部（SOCOM）與AeroVironment公司合作，于2002年開發出固定翼、重4磅的RQ-11 "烏鴉"，它是海灣戰爭時期AeroVironment公司FQM-151 "指針"（Pointer）的更小、更先進的版本。陸軍于 2003 年引進了 RQ-11，到 2010 年，已部署了近 4000 架 "烏鴉 "飛機。海軍陸戰隊、特種作戰司令部和空軍也采用了 "烏鴉"。

從 2010 年代初開始，陸軍官員制定了擴大該軍種小型無人機系統能力的計劃，包括一系列短程、中程和遠程無人機系統平臺。根據 2013 年批準的 "背包便攜式無人機系統增量 II 能力生產文件"（RPUAS CPD），陸軍向連隊和營隊分別提供了改裝的 "烏鴉 "和數量有限的 AeroVironment RQ-20 "美洲豹 "無人機系統，用于臨時性的中程和遠程 RSTA 能力，直到為這些角色開發出新的平臺為止。與此同時，各排將裝備一種短程無人機，陸軍計劃在本十年晚些時候開始研制這種無人機。另外，2017 年，陸軍批準了 "士兵攜帶傳感器"（SBS）計劃，為步兵班購置微型無人機。陸軍選定FLIR系統公司的 "黑色大黃蜂 "作為SBS，并于2018年5月授予FLIR公司首批SBS系統合同。

國防部國防創新單元（DIU）于2018年11月發布了一份信息征詢書（RFI），征詢一種四旋翼無人機作為短程sUAS；次年4月，DIU與陸軍合作開展排級無人機項目。對于中程和遠程 sUAS，陸軍直到 2020 年代初才開始尋求 "烏鴉 "和 "美洲豹 "的后繼機型。

2023 年 6 月，陸軍將 RPUAS CPD 要求過渡到《聯合小型無人機系統能力發展文件》（J-sUAS CDD），該指導文件規定了陸軍計劃的 RSTA sUAS 系列的關鍵系統和性能屬性以及采購時間表。與陸軍 2013 年的 RPUAS CPD 類似，J-sUAS CDD 描述了陸軍計劃在排、連和營各級分別部署陸軍現在所稱的短程偵察 (SRR)、中程偵察 (MRR) 和遠程偵察 (LRR) 無人機系統。此外，J-sUAS CDD 還包含三項新舉措--用于班排的第一人稱視角 (FPV) 無人機、用于排的系留無人機系統以及用于連的無人機群能力--所有這些需求仍處于不同的開發階段。包括 SBS 在內，J-sUAS 架構包括七個項目。

J-sUAS CDD 對飛機的要求在幾個方面與 "烏鴉 "和 "美洲豹 "不同。烏鴉 "和 "美洲豹 "sUAS 采用傳統的固定翼配置，這可能會影響它們在城市或森林地區等限制性地形中的使用。對于 SRR、MRR 和 LRR 無人機系統，陸軍似乎優先考慮多旋翼或混合 VTOL 配置形式的垂直起降（VTOL）能力。陸軍關于未來 sUAS 的 RFI 表明，陸軍計劃采購可投放致命有效載荷的飛機，如空投手榴彈或滑翔彈藥。與主要用于監視和偵察的 "烏鴉 "和 "美洲豹 "相比，陸軍可能需要下一代小型無人機系統執行更多任務，包括發動致命打擊和為其他無人機和地面單元中繼通信。

美陸軍 2025 財年預算申請中的小型無人機系統

在 2025 財年擬議預算中，陸軍為 SRR、MRR 和 LRR 無人機系統申請了約 4610 萬美元的采購資金和 2680 萬美元的研究、開發、測試和評估（RDT&E）資金。此外，陸軍 2025 財年未獲資金支持的預算優先事項清單中還包括用于 SRR 和 MRR 無人機系統的 7050 萬美元采購資金。對于兵載傳感器計劃，陸軍申請的采購資金和 RDT&E 資金分別為 2200 萬美元和 160 萬美元。不包括未獲資助的優先事項清單，陸軍為上述小型無人機系統申請的2025財年預算約比2024財年增加21%。

SRR 無人機系統是陸軍首個備案的小型四旋翼無人機項目。DIU 和陸軍認為，SRR UAS 應利用商業市場上日益復雜的無人機。陸軍表示，通過分階段分批執行該計劃，旨在保持靈活性，以應對技術進步和用戶反饋。2019 年 4 月，DIU 和陸軍官員挑選了六家公司參與 SRR 無人機系統計劃第 1 階段的競爭，之后于 2022 年 2 月授予 Skydio 公司 RQ-28A 的合同，這是 Skydio X2D 的軍事化版本（圖 2）。陸軍正在為 Tranche 2 版本選擇系統的最后階段，陸軍預計該系統將從 2026 財年開始取代 Tranche 1 版本。

在擬議的 2025 財年預算中，陸軍申請 2 110 萬美元用于購買 270 個 Tranche 2 系統，即 540 架飛機（每個 SRR 系統由兩架飛行器構成），以及 115 萬美元的 RDT&E 經費。預計一個 SRR 系統的成本將從 Tranche 1 的 39,800 美元上升到 Tranche 2 的 65,000 美元。陸軍預算說明文件將這一潛在增長歸因于 Tranche 2 版本改進了避障、通信、光電和紅外傳感器等功能。

MRR 無人機系統將為陸軍連隊提供有機的 RSTA 能力。2023 年，陸軍未來司令部批準了一項 "連級 sUAS "定向需求，旨在為 MRR UAS 提供初步的 Tranche 1 能力，并為該未來系統的需求提供信息。陸軍在 2024 年 3 月 1 日的 RFI 中詳細說明了公司級 sUAS 的期望規格；這些規格包括能夠進行 VTOL 飛行、重量小于 55 磅并能在 24 小時內飛行 8 小時的商用現成系統。在其 2025 財年擬議預算中，陸軍為連級 sUAS 申請了 2500 萬美元的采購經費，這標志著該軍種首次為新型中程 sUAS 列入經費。

2023 年 1 月，陸軍發布了一份關于連級無人機系統的 RFI，表示對能夠垂直起降、飛行時間不少于 5 小時且視距為 30 千米（18.6 英里）的平臺感興趣。在其擬議的 2025 財年預算中，陸軍為 LRR 無人機系統的工作申請了約 2560 萬美元的 RDT&E 資金。根據陸軍在預算說明文件中的預測，陸軍預計將在 2026 財年對 LRR 的原型機進行評估，并在下一財年開始采購飛機。

圖 2. Skydio公司的X2D

國會的考慮因素

作為其監督作用的一部分，國會可以審查以下內容：

• 陸軍是否以及在多大程度上將技術的快速變化納入到 SRR、MRR 和 LRR 無人機系統的需求和采購過程中。

• 陸軍是否正在考慮為小型無人機系統操作人員設立軍事職業專業（MOS），如果是，陸軍是否已確定與此舉相關的潛在成本。

• 陸軍是否考慮采購低成本、現成的無人機用于作戰，以及考慮的程度。

• 陸軍是否正在與海軍陸戰隊協調采購短程、中程和遠程小型無人機系統，以及協調程度如何。

圖：2023 年 12 月 1 日在阿拉巴馬州紅石兵工廠展示的一體化作戰指揮系統，該系統是美陸軍更廣泛現代化工作的基礎，可為戰場提供變革性的防空和導彈防御能力。

美國國防部（DOD）在實現聯合全域作戰的目標方面面臨著嚴峻的挑戰，原因是無法實現商業領域所體現的數據存儲、管理和分析的基礎性快速發展。這種轉變始于 2000 年前后，當時商業部門在技術進步方面開始超過國防部門，這主要是因為商業部門擁有適應性強的數據策略和計算能力。

本分析報告強調了數據處理在為聯合全域作戰開發具有成本效益的殺傷鏈方面的重要意義，因為這需要跨域的復雜行動。區分了需要復雜機器才能理解的大數據和人類可以自然理解的小數據。此外，還利用**“數據-信息-知識-智慧”（DIKW）（信息鏈）金字塔作為決策模型**，對商業和軍事行動進行了類比。

分析建議采用基于對象的存儲來應對跨域數據集成的挑戰，并提出了一個基于 DIKW 金字塔的框架，以河流、溪流、水庫、瀑布和湖泊為類比進行說明。該框架展示了采用商業數據策略，特別是基于對象的存儲，如何使美國國防部能夠利用各種來源的數據，為戰術和作戰決策者提供更多知識。從本質上講，這項研究強調了美國政府和國防部采用商業數據實踐的緊迫性，以促進先進的跨領域算法，使決策者能夠更深入地了解復雜情況，并具備更有效的決策能力。

數據處理

1640 年，約翰-格拉特（John Graunt）在試圖對數據分析進行首次描述時，記錄了英語單詞 "data "的首次使用。早在公元前 1.9 萬年，人們就開始計算創建事實或數據類型。自十七世紀以來，從農業、醫學到國防，數據的復雜性和應用范圍不斷擴大。國防工業一直走在應用數據和決策公式的新方法的前沿，包括數據傳輸的速度；例如，路徑從偵察隊到電報到無線電再到計算機速度的變化。戈登-摩爾（Gordon Moore）在 1965 年預言，隨著技術的進步和每個元件成本的降低，每個集成功能的元件數量將以對數的速度增加，這就是通常所說的 "摩爾定律"。自 20 世紀 60 年代以來，商業和國防部門之間計算可用性和復雜性的關系發生了倒置。20 世紀 60 年代，軍方在獲取高性能計算方面具有明顯優勢，在應用計算機技術解決問題方面處于領先地位。如今，商業與國防計算機能力的應用已經倒置，導致商業領域的計算量遠遠超過了軍事領域的單個系統計算量。

舉個最好的例子，一輛具備完全自動駕駛能力的特斯拉汽車的計算能力大約是一架 F-35 戰斗機的 180 倍。雖然基于邊緣的戰術計算，如飛機、車輛或手持無線電中的計算，必須不斷努力提高計算的安全性和可靠性，以分解計算位置并使敵方目標定位復雜化，這些都是商業世界很少擔心的問題，但軍方可以通過關注數據分析的商業應用，在反向關系中找到優勢。更多的數據生成并不一定等于更好的決策，在獲取新計算技術的成本曲線上，軍方可以大幅增加對現有數據集的使用，以實現決策空間。

定義商業數據、戰略和二分法對于確定哪些數據分析方面的商業進展應適用于國防部門十分必要。此外，本節還介紹了所謂數據層的商業觀點，包括從數據到可用產品或決策的過渡。從 "數據 "一詞的詞源可以了解其形成。數據 "是 "拉丁文'datum'的復數形式，意思是'給定的事物'"。按照經典用法，數據是 "在數學問題中作為計算基礎給出的事實"。數據集（data set），單數，表示一個數據塊，可以進行一般分類，如大數據或小數據。將事物歸納為數據集，如果不承認大數據集中的單個數據類型，就無法正確理解、分 類、整理和管理數據。因此，簡單地說，數據集允許應用數據策略，但大數據或小數據一旦分類，就會限制所述數據策略的操作或戰術使用。

大數據與小數據

所有數據都是事實塊，無論其大小、形狀、存儲位置等如何，進一步試圖區分大數據和小數據不僅僅是分類，會造成數據管理論點的不統一。然而，不管是數據純粹主義還是詞源學上的錯誤，保持看似大數據或小數據之間的分離可以有針對性地應用戰略、作戰概念和部署概念。大數據或小數據之間的主要區別來自于對被稱為數據的四個 V 的四個特征的衡量：(1) 數量，(2) 速度，(3) 多樣性，以及 (4) 真實性。每個 "V "本身都可以將數據集從小規模分類拖入大規模分類。簡單定義：(1) 量是指 "數據量"，(2) 多樣性是指 "數據來源和類型的多樣性"，(3) 速度是指 "數據傳輸和生成的速度"，(4) 真實性是指 "數據的準確性和可信度"。第五個 "V"，即價值，通過回答企業應用信息管理技術的 "為什么 "問題，創造額外的效用。遺憾的是，商業模式的價值與軍事應用的價值會造成主觀價值與客觀價值（決策價值與美元價值）之間的爭論；因此，本分析報告不采用價值分類。

圖：2019年9月19日，兩架F-35 "閃電II "戰斗機在美國中西部上空接收燃料后靠岸。雖然基于邊緣的戰術計算必須努力提高安全可靠的計算能力，以分解計算位置并使敵方目標定位復雜化，而這些都是商業界很少擔心的問題，但軍方可以通過關注數據分析的商業應用，在反向關系中找到優勢。(本-莫塔軍士長拍攝，美國空軍）

從更簡單的角度來看，商業界簡單地將小數據歸類為 "在數量和格式上都小到足以讓人類理解的數據"，而將大數據歸類為 "過于龐大和復雜，無法用傳統數據處理技術進行分析和處理的數據塊"。為了對人類能夠處理的數據進行分類，我們必須假定人類在處理上述數據方面接受過培訓并達到了一定的能力水平。舉個簡化的例子，一個電子優化（EO）傳感器，如日間電視攝像機，產生的視頻圖像可以由訓練有素的人類進行處理并做出決策。與此相反，由日間電視和紅外攝像機組成的電子優化傳感器群會產生包括多種來源在內的多種模式（紅外和電子優化）的復雜圖像，以至于單個人很難在近乎瞬時的時間軸上處理原始圖像。

進入新模型：DIKW

數據為何重要？數據本身固然有趣，但絕不能為了生成數據而生成數據。數據必須產生下游效應，而它所提供的效應就是采取正確行動的智慧。問題就在于，如何從數據到行動？商業領域的數據分析師使用一種行動金字塔模型，稱為“數據-信息-知識-智慧”（DIKW）金字塔（如圖 1 所示），它從基礎數據層開始，到信息層，再到知識層，最后以智慧結束。從知識層和智慧層產生的行動意味著，使用從數據中產生的智慧的個人或實體會帶來預定義或預先訓練好的機構決策矩陣，當這些矩陣與智慧相結合時，就會產生適當的輸出。雖然 DIKW 金字塔是本世紀初在信息技術領域提出的，但它的真正魅力在于其簡單性。因為簡單，所以 DIKW 金字塔與數據分類無關，這意味著它既適用于大數據，也適用于小數據。在小數據示例中，人或計算能力較弱的計算機--這里指的是戰術系統--可以通過預編程過濾器、算法或人的直覺，從收集到的數據中有機地獲取信息，并帶來自己對情況的了解，最后采取行動。數據、系統和算法的簡單化等于縮短了處理和決策的時間。

"數據"層是 DIKW 金字塔的基礎，是向行動模型輸送原始數據的心臟。假設對于一般行動而言，沒有數據，行動模型就會崩潰。1989 年，組織理論家羅素-阿科夫（Russell L. Ackoff）給數據和信息下了一個定義：

數據是代表物體、事件及其環境屬性的符號。它們是觀察的產物。觀察就是感知。當然，感知的技術，即儀器，已經高度發達。如前所述，信息是通過多方面的分析從數據中提取出來的。

可以說，有關情況、環境或其他觀察結果的原始事實構成了數據層。

圖 1. DIKW 金字塔模型

信息是 DIKW 金字塔的下一層。將信息視為對數據問題的回答。這些問題可以驅動具體的答案，也可以驅動結合多種數據來假設和回答問題的推斷答案。問題還可以驅動在數據上完成其他功能，從而得出答案。請參考以下有關精確數據和推導數據的示例和解釋。如果數據分析師從某一事件的與會者名單中查詢特定人員的出生日期或社會保險號，分析師就能提取精確信息。相反，如果數據分析師想知道參加活動的每個人的平均年齡，那么分析師就必須首先確保列表中的每個人都參加了活動，也許可以通過查詢出席情況二進制，然后在完整的年齡列表中執行平均函數。這個簡單的例子表達了數據和信息之間的一些重要關系。要推導出所需信息，查詢的數據集必須包含所需的準確或可推導數據；反之，信息也可以揭示數據中未包含的內容，包括基準的相關性。未包含在所查詢數據集中的數據有助于發現不同數據集之間的關系，從而幫助得出答案或揭示數據結構問題。

任何試圖優化信息提取的數據分析師都必須首先分析信息請求與數據結構之間的關系。根據《大數據百科全書》，"根據數據的存儲和分析方式，可將數據分為結構化數據、半結構化數據和非結構化數據"。結構化數據是有組織的數據，通常 "采用嚴格的行列格式"。半結構化數據是結構化數據的另一種形式，但由于其性質，無論是原始數據還是嚴格格式的數據，都沒有 "底層數據模型，因此不能與任何關系數據庫相關聯"。最后，非結構化數據是最常見的數據類型，"沒有概念性數據類型定義"，其內容通常存儲在生成系統獨有的文件類型中，例如智能手機圖片、網頁或多光譜圖像。

正如《大數據百科全書》的 DIKW 部分所述，"隨著數據集以結構化和非結構化的形式增加，分析和管理也變得更加多樣化"。在商業領域，存在多種不同類型的網絡存儲和其他廣泛的技術或技巧，用于 "分析、操作、聚合和可視化大數據"，但與國防領域密切相關的是基于對象的存儲。

基于對象的存儲允許管理、存儲和調用大量非結構化數據或半結構化數據。它是數據整理的一種形式，即 "創建、組織和維護數據集的過程，以便人們可以訪問和使用這些數據集"。MySQL 是 "世界上使用最廣泛的開源關系數據庫管理系統 "之一，于 1995 年使用 1981 年創建的代碼庫創建。自 1981 年以來，商業和國防部門都創造性地成熟和發展了 MySQL 和其他工具的使用，以提高數據庫管理的效率和效益。然而，要釋放這些創造性的傳統技術，數據必須以某種結構化數據庫的形式存在。因此，關鍵在于如何對非結構化或半結構化數據進行整理，以實現多種數據策略，同時防止被供應商鎖定。

基于對象的技術可以根據數據的內容和其他屬性來存儲數據，使用可變長度，并在調用數據時使用唯一的識別參數，從而實現數據的結構化。通過創造性地應用簡單算法，將非結構化或半結構化數據分離成具有特定屬性和適當標識的對象，數據分析師可以通過一些必要的更改，應用傳統的數據挖掘算法，快速、準確地提取信息。巧合的是，基于對象的管理可以為不可預見或從未見過的觀察結果分配新的對象空間，雖然可能無法立即使用，但可以指導未來的使用，以調整任何數據類別的不平衡。(注：類不平衡對機器學習非常重要，可防止輸出的信息出現偏差）。雖然基于對象的存儲并不是管理非結構化或半結構化數據或將其納入結構化數據集的靈丹妙藥，但它確實提供了一種組織途徑，使現代和進化的信息生成策略成為可能。

在 DIKW 金字塔中，數據產生信息，進而產生知識和智慧。由于每個數據集都不可能擁有回答信息請求所需的全部數據，因此優化存儲和管理系統可提高信息回報率。基于對象的存儲是非結構化或半結構化大型數據集管理的一個范例，可實現快速的數據靈活性和信息應答能力。下一節將介紹如何將 DIKW 金字塔和基于對象的存儲概念應用于戰術和作戰軍事結構。

分解與建立

沒有信息就沒有數據，沒有數據就沒有信息。——丹尼爾-基斯-莫蘭

數據管理和信息調用策略在應用于不同層次的決策時會產生不同的效果。在商業和國防領域，戰術決策和行動決策的定義具有相似的特點。二者之間的區別在于戰術層面，即針對特定目標做出即時決策，以達到現場效果。而作戰層面則需要做出更大規模的決策，以完成長期目標。本分析側重于作戰和戰術層面的一個主要區別，即各自遵循的時間表。

較長的作戰時限為收集和使用更多數據提供了機會，但作為一把雙刃劍，"作戰 "一詞意味著更大的部隊機動計劃，因此需要持續、果斷和即時的行動來影響戰場。而戰術時間軸則更為細化，決策更為簡單，因此決策所需的數據也更為精確。如果將 DIKW 金字塔想象為戰斗空間內或與戰斗空間有關的所有部分的總和，那么作戰行動就應努力占據金字塔的最大部分。同時，戰術行動應努力優化決策空間，只考慮與下一組行動相關的信息。如圖 2 所示，DIKW 金字塔可細分為不同形狀，以體現不同類型的行動。圖中展示了一個行動殺傷鏈示例，包括了解環境、決定首選命令、在相對控制范圍內采取行動，以便沿著智慧和知識的縫隙傳遞命令和控制行動。這些行動進入金字塔的環節，戰術用戶在這一環節中實現對其中所含意圖或授權的理解，決定正確的效果和及時性并采取行動，同時將觀察到的情況和效果反饋給作戰環節。

圖2：DIKW分解示例

當“堤壩”崩潰時

在更大范圍內，行動和戰術關系要求信息和知識在固有的鴻溝中自由雙向流動。作戰行動本質上包含一系列戰術行動。由于數據、信息、知識和智慧的流動對于行動和戰術的成功至關重要，因此可以將 DIKW 金字塔的每一層比喻為水體。每個水體的填充或流動速度各不相同。把源源不斷的情報收集者看成是一條數據河，而信息斷言結果則是填滿知識庫某部分的水流。來自每個收集者的知識匯聚在一起，形成總體態勢感知或知識庫。同樣，知識以瀑布的形式產生戰斗空間意識和理解。這些瀑布反過來又幫助填滿了與態勢相關的智慧湖，而這個智慧湖已經被部分填滿，其來源包括預培訓、條令和最近發生的事件。隨著對局勢的認識發生變化，這個湖也會隨之起伏，但在起伏的過程中，它會達到決定性的填滿點，從而需要采取行動。一旦采取了行動，在以評估形式等待行動結果的同時，湖面的水位也會隨之下降。在圖 3 中，這種水量類比顯示為 DIKW 水位。

圖3：DIKW 水位

DIKW 水金字塔與作戰或戰術系統無關。舉例說明了來自單一戰術系統的多個不同收集器如何產生戰術理解、決策和行動，或者在作戰中，多個不同的戰術系統如何為作戰理解、決策和行動提供信息。關鍵因素是基于對象的數據管理如何通過允許信息查詢超越任何單獨的數據流來填補信息流的空白。此外，這一因素還突出表明，多數據流和跨數據流信息的凝聚力可填充一個凝聚的知識庫，其中的單個知識片段可實現態勢感知，從而激活條令和培訓。然而，在條令和訓練缺乏的情況下，它也為非典型行動創造了決策空間，而這些行動在適當知情的情況下，可能會為當前形勢創造最佳解決方案。消除數據凝聚力，就無法從多種來源獲取信息，從而減少了在任何一種情況下所獲得的知識，并導致采取不明智的行動。因此，數據管理可實現數據處理和隨后的信息收集，是改善殺傷鏈動態的最經濟、最有效的方法。

結論

沒有大數據分析，企業就像瞎子和聾子，在網絡上游蕩，就像高速公路上的小鹿。——杰弗里-摩爾

國防部門正處于一個拐點，需要應用跨越式技術來利用各種形式的數據。從個性化廣告到機器學習語言模型（如 ChatGPT），再到市場研究、數據存儲和調用，商業世界的數據應用已呈爆炸式增長。DIKW 金字塔提供了一個簡單的數據增長框架，只要應用得當，就能將未來的殺手鏈概念付諸實踐。要使傳感器網為射手網提供數據，關鍵在于數據管理。在一個通信（尤其是高帶寬、低延遲版本）無法得到保證的世界里，數據管理可以以一種更面向未來、更可預測的方式提供連續的成功決策。基于對象的存儲和管理是在考慮可靠性和彈性的前提下實現無限可擴展性數據管理的最佳方式。使用任何搜索引擎，都能找到一個又一個倡導基于對象存儲的解決方案，從 Google 到 Amazon Web Services，再到 RedHat 等等。"20世紀90年代末，卡內基梅隆大學和加州大學伯克利分校的研究人員開發了對象存儲軟件，如今，該軟件可以在單一命名空間中存儲和管理TB級（TB）或PB級（PB）的數據，具有規模、速度和成本效益的三重優勢。"

美國防部應在其情報機構中采用基于對象的存儲解決方案，從而在聯合全域作戰中引領下一代殺傷鏈動態。首先，它應完成對所有數據源的分析，特別是查找數據源存儲數據的位置和方式。然后，應尋找基于對象的存儲解決方案在正確插入后可將當前數據流調整為對象的地方。他們必須在戰術邊緣節點和大數據設施完成這一步驟，而這是一項尚未充分開發的業務。最后，國防部應嘗試不同的信息調用算法，以確保數據的可用性。完成這一步后，國防部將創建一個供美國政府各部門采用的框架，并為聯合全域指揮和控制以及未來的設計方法奠定基礎。同樣，基于對象的存儲并不是萬能的，但它是政府如何利用商業部門的努力來發現、提取和實施最具成本效益和最有用的元素的一個例子。了解數據為總體機器提供支持的方式對政府來說至關重要，因為這將有助于現在做出更好的決策，利用傳統投資，優化數據工作流程，并最終在需要時提供工具和知識。

美國陸軍在多域作戰（MDO）中的作用是 "穿透和瓦解對手反介入和區域拒止系統，利用由此產生的機動自由實現戰略目標（取勝），且兵力以有利條件重返競爭"。前陸軍未來司令埃里克-韋斯利中將將 MDO 定義為一種 "戰術"戰斗，戰術指揮官需要能夠 "思考、評估和運用 "戰爭的所有領域，以便有效地 "射擊、移動和通信"。這種執行地面作戰的能力是陸軍戰術編隊的基本執行角色，因此需要強大的跨域機動自由度。

然而，空間領域提供的機動空間往往被機動指揮官忽視，如果不加以控制，將直接限制地面作戰中的機動自由。根據美國國防情報局（DIA）2019 年發布的《太空安全面臨的挑戰》報告，太空作戰為地面兵力提供了 "地理定位和導航、目標識別以及跟蹤對手活動 "等太空輔助服務。定位、導航和授時（PNT）衛星；情報、監視和偵察（ISR）衛星；以及基于軌道威脅的反空間系統提供這些服務。這些服務中最關鍵的是基于威脅的反空間系統。它們直接攻擊和反擊對提供地面能力至關重要的 ISR、PNT 和導彈預警衛星。

雖然天基資產的有形產出與成功的戰術演習息息相關，但陸軍與這些使能因素的聯系是通過陸軍的太空與導彈防御司令部（SMDC）在戰略層面上保留的。太空與導彈防御司令部是一個戰略級的陸軍兵種指揮部，其明確的任務式是發展和提供 "當前和未來的全球太空、導彈防御和高空能力，使陸軍、聯合部隊以及盟友和伙伴能夠實現多領域作戰效果；加強威懾、保證和探測戰略攻擊；以及保護國家"。因此，SMDC 保留了如何以及何時利用 ISR、PNT 和反空間衛星來幫助作戰人員，而不是需要這些能力的地面指揮官。

這就造成了 MDO 的空白。聯合出版物 3-0《聯合作戰》將機動定義為一種 "戰術 "行動，"部隊指揮官將兵力與火力和信息相結合，以獲得相對于敵方的位置優勢"。然而，在空間領域引入這種位置優勢的資產--包括進攻性和防御性資產--嚴格保留在戰略層面。因此，如果 MDO 內的實際火力和機動發生在戰術層面，那么戰術層面的編隊就需要保留在所有領域創造機動自由的資產。韋斯利中將甚至承認了這一差距，呼吁需要 "在[戰術]梯隊擁有空間資產"。

此外，這并不是一個新概念。第 82 空降師擁有來自第 4 防空炮兵第 3 營的內建和附屬短程防空炮兵（SHORAD）資產，可在聯合強行進入行動中提供空域機動自由，從而實現更有效的地面作戰。第 915 網絡戰營通過遠征隊 "提供可擴展的能力......為陸軍機動[戰術]指揮官提供拒絕、降低、破壞、摧毀和影響網絡空間效果的能力"?，他們的努力反過來又在網絡領域創造了戰術重點機動空間，直接為地面作戰提供了更多的機動自由。

正如陸軍戰爭學院發布的《2021-2022 年關鍵戰略問題清單》中所建議的，陸軍必須將定向能武器（DEWs）和動能武器（KEWs）等有機 SMDC 資產靈活運用到戰術層面，使陸基兵力能夠在多域戰斗中進行跨域射擊和機動。

背景

2018 年，美國陸軍訓練與條令司令部（TRADOC）出版了小冊子 525-3-1《2028 年多域作戰中的美國陸軍》。正如時任陸軍參謀長馬克-米利（Mark Milley）將軍所說，"戰爭的特點 "已經發生了變化，原因有二。首先是 "新興技術 "的軍事應用改變了戰爭方式，以至于戰場的范圍需要完全重新定義。其次是戰略競爭對手（俄羅斯等大國）將這些新技術與他們的 "軍事條令和行動分析""綜合 "起來，在空中、陸地、海上、網絡和太空等所有領域與美國作戰。這就產生了一個 "軍事問題"，即不僅要在所有領域擊敗戰略競爭對手，還要將這些努力歸納到各個領域，使陸基兵力能夠進行跨領域射擊和機動。然而，這看起來像什么？如何將這一概念付諸實施？

美國國防部已經做了大量工作，提出了所謂的 "所需能力集"。在這些能力組合中，"太空能力組合 "必須能夠利用 "太空作戰 "來補充陸地作戰，支持 "打開和利用優勢窗口，在保護友軍作戰能力的同時給敵方造成困境......" SMDC是陸軍發揮這一作用的戰略組成部分。具體而言，SMDC 內的第 1 太空旅 "開展太空行動，提供決定性的戰斗力，支持陸軍和聯合作戰團體"。第 1 太空大隊負責提供這種決定性的戰斗力，并開展太空技術行動。從根本上說，在全球反恐戰爭期間，這些技術行動的執行是通過 ISR、PNT 和網絡戰衛星行動提供的增強態勢感知來實現的。然而，從根本上說，需要改變空間行動的優先次序。美國國防情報局題為 "太空安全面臨的挑戰 "的報告強調了兩個主要結論。

首先，戰略競爭對手俄羅斯等對太空領域的看法與美國根本不同。他們將太空領域提供的能力視為降低美國在所有領域有效性的途徑。這一點從其在 2015 年全面調整兵力就可見一斑。

其次，俄羅斯等所展示的能力超過了美國目前的能力。其都擁有衛星能力，可提供卓越的空間態勢感知能力，并在移動式 DEW 系統和地基反衛星導彈的研發競賽中遙遙領先。

在2015年，俄羅斯在深思熟慮的重組工作中創建了航空航天部隊。對太空戰的重新關注將所有太空企業置于國家控制之下。這些集中的工作使俄羅斯成為在軌反空間系統的主導國家。兩用衛星的近軌能力超過了美國。俄羅斯衛星可以調整航線和軌道，使其新的軌道足夠接近美國衛星，從而造成永久性的破壞影響。

鑒于這一背景，本文將實現兩個目標。首先，由于空間技術操作是在空間領域創造機動自由的方式，將研究美國目前在DEWs和KEWs方面的能力。其次，將為地面部隊機動指揮官在戰術層面如何實施這些資產提供一個建議框架。

定向能武器

定向能武器使用定向和集中式的能量束來 "擾亂、破壞和摧毀敵方裝備"。定向能武器可以是空間型的，也可以是地面型的。

天基定向能武器是戰略定位在特定軌道上的衛星，裝備有武器化的定向能變體。當衛星在軌道上運行時，這些能量變體會集中攻擊敵方衛星，以破壞其能力或將其摧毀。效果僅限于定向能變體的射程。通常情況下，如果衛星以同一軌道上的敵方衛星為目標，則可達到最大效果。例如，低地軌道定向能武器瞄準和/或摧毀也在低地軌道上的敵方衛星。

天基甚低頻武器的使用將太空變成了一個作戰領域，一個影響波及地面兵力的戰場。使用時，美國天基定向能武器在衛星對衛星的戰斗中瞄準并摧毀敵方衛星。由于敵方能力的大幅削弱，太空領域的這種戰斗為陸地領域創造了跨領域的機動自由。對手 PNT 和 ISR 能力的降低直接阻礙了對手的地面移動和態勢感知。因此，這一戰術優勢為地面上的友軍提供了更大的機動自由。在最終狀態下，在空間領域獲得的控制權可為地面火力和機動提供機動自由。

圖 1 - 地基動能武器和地基定向能武器

圖 2 - 天基定向能武器

雖然上述理論與作為作戰學科的 MDO 相輔相成，但在實踐中卻嚴重脫節。目前，SMDC 和第 1 太空旅保留了戰略梯隊的所有太空資產，包括天基 DEW。因此，戰術機動指揮官必須向戰略層申請使用天基 DEWs，以實現其對敵方的預期戰場效果。這就是功能區 40--空間作戰軍官代表其機動指揮官在特定時間窗口請求實現戰場效果。在全球反恐戰爭期間，這可能是足夠的，因為當時的威脅并不存在太空能力，而且作戰時間比較寬松。然而，考慮到俄羅斯等當前的太空能力，如果當前的機動指揮官希望既能對抗威脅的太空能力，又能同時實現進攻性的跨域機動自由，他們就需要與太空領域建立實時聯系。這就要求機動指揮官與太空領域建立實時靈活的聯系。

從空域中尋找靈感，跨域火力與機動的聯系并不是一個新概念。對于空域的跨域火力和機動，機動指揮官會被指派一名附屬的美國空軍（USAF）聯合終端攻擊控制員（JTAC）。聯合終端攻擊控制員指揮美國空軍飛機在戰場上的行動，通過近距離空中支援實現地面機動，從而實現對空域和陸域的控制。從本質上講，JTAC 為機動指揮官提供實時解決方案，解決跨域差異帶來的戰場問題。正如 JTAC 可為機動指揮官提供空地關系選擇一樣，機動指揮官也應配備一名可提供空地解決方案的天基 DEW 專家或 JTAC 同等人員。這名兵力可以來自第一太空營，也可以來自美國太空部隊，因為太空部隊開始吸收更多的 SMDC 工作量。無論如何，為機動指揮官增加一名類似于 JTAC 的空間使能人員對于彌合戰略空間資產與戰術作戰之間的明顯差距至關重要。

此外，空間賦能器--JTAC 的作用將不僅僅局限于控制和執行 DEW 空間技術行動。通過充當陸地和太空領域之間的內在聯系，這些使能者還能為機動指揮官提供整個太空領域的實時太空態勢感知，因為它直接影響到地面狀況。這將包括實時威脅衛星和能力更新，以及完善的友軍 ISR 和 PNT 窗口。

與天基預警機不同，陸基預警機具有諷刺意味的是更為復雜。從理論上講，陸基定向能武器通過與天基定向能武器相同的介質達到相同的效果，但需要足夠強的千瓦（kW）輸出功率才能在更遠的距離上達到相同的效果。這就意味著陸基定向能武器必須產生足以穿透大氣層并摧毀敵方衛星的聚焦能量變體，同時光束控制要足夠小，以免造成大范圍的附帶損害。目前投入使用的陸基定向能武器只能產生 50 千瓦的輸出功率，這只足以使敵方火炮失效，更不用說衛星了。陸軍的目標是在 2022 年將這些激光器安裝在由四輛斯崔克組成的一個排上，并在戰術層面上實施。美國陸軍的下一步目標是在 2024 年之前將 300 千瓦的陸基 DEW 變體投入實戰。即便如此，這樣的能量輸出最多只能摧毀一枚巡航導彈，更不用說穿透大氣層，影響對手衛星了。

圖：在德國霍恩費爾斯（Hohenfels）舉行的一次演習中，一名美國空軍聯合終端攻擊控制員實現了空域機動自由。太空部隊的聯合終端攻擊控制員也可以分配到陸軍編隊，在太空領域提供同樣的機動自由。

《物理學雜志》的空間物理學家進行的高級模擬顯示，有效中和低地球軌道衛星的功率閾值為 3 兆瓦（MW），是美國目前發射功率的 1,000 倍。然而，同一份研究報告指出，美國陸軍目前擁有的地面激光器功率上限為 10 兆瓦。因此，盡管所需的能量輸出技術可能已經存在，但在機動指揮官的編隊中配備移動式反衛星陸基定向能武器之前，還必須實現若干技術飛躍。

美國導彈防御局已經委托彈道導彈防御系統激光縮放項目來彌補這些不足。激光縮放項目旨在生產更小、更輕、更便攜的 10 兆瓦激光器。然而，項目的完成還需要七年時間。因此，便攜式 10 兆瓦激光平臺的實施，以及作為陸基反衛星 DEW 的能力，可以遵循與 50 千瓦 "斯特賴克 "反炮兵 DEW 相同的實施規程，這些 DEW 將在 2022 年之前裝備部隊。

動能武器

從概念上講，關鍵制導武器是最容易理解和使用的反空間系統。KEW 不需要將任何東西送入軌道就能摧毀敵方衛星。它們通過發射火箭和/或導彈，向敵方衛星投送殺傷載具，使殺傷載具具有足夠的速度穿透大氣層并摧毀敵方衛星，從而實現這一目的。KEW 通常由固定或移動發射系統、穿透大氣層的導彈和摧毀衛星的實際殺傷載荷組成。由于整個交戰過程都在大氣層外進行，目標衛星和殺傷飛行器的速度都高得驚人，因此殺傷飛行器的有效載荷相當小。然而，實施關鍵制導武器的簡便性僅止于此。盡管使用 KEWs 的做法經過測試是可行的，但在使用 KEWs 摧毀衛星時有兩個主要的后勤問題。

首先，由于衛星的摧毀完全取決于殺傷飛行器的時間和定位，這種高能量相互作用對衛星的物理摧毀會產生大量的軌道空間碎片。這些軌道碎片顆粒可能會形成自己的軌跡，由此產生的矢量可能會對友方衛星造成損害，甚至會形成整個區域，使計劃軌道不再可行。這些不可預知的二階效應使得實際實施激波摧毀衛星成為最不可取的方法。KEW 產生的可追蹤空間碎片的這種不可預測性使大多數國家選擇了不同的空間控制解決方案。

其次，KEWs 需要非常具體的發射考慮。對火箭軌跡有重大影響的大氣和氣象條件會阻礙 KEW 的發射。某些 KEW 需要堅固的發射場，并配有類似于非暴力火箭行動的任務式指揮節點。移動式 KEW 仍然需要有平坦、均勻表面的開闊地作為可行的發射臺。盡管存在這些后勤方面的限制，地基關鍵預警武器仍是友軍和敵對兵力最常用的反空間措施形式。此外，從已經能夠發射衛星的國家轉變為發展 KEW 的國家是一個最小的飛躍。因此，對 KEWs 的威脅分析要比對 DEWs 的分析更有力、更復雜。

中國不僅已經擁有可作戰的 KEW，而且已經開始與地面兵力進行整合和訓練。中國目前的地基關鍵預警能力只能對 ISR 和 PNT 低地軌道衛星進行測距。據估計，中國目前正在研制可瞄準地球同步軌道衛星的移動式地基關鍵預警機。地球同步衛星負責洲際彈道導彈的預警和探測。因此，中國只需數年就能摧毀美國探測飛行中的核導彈的能力。這種跨領域能力不僅能提供地面機動自由，還能提供非常規的戰略優勢。

此外，俄羅斯正在研制一種可摧毀低地軌道衛星的移動式 KEW。俄羅斯完成了 PL-Nudol 反衛星導彈的第八次實地測試--這是一種可地面運輸的機動 KEW，可輕松與地面機動編隊整合。雖然不像中國的同類產品那樣具有地球同步高度能力，但 PL-Nudol 令人難以置信的機動性使其更容易與機動兵力整合，并為俄羅斯機動指揮官提供了戰場上可行的空間控制措施。

俄羅斯和中國并不是擁有地基 KEW 的唯一威脅。伊朗于 2009 年成功發射了一顆低地軌道衛星。伊朗只需對其運載火箭進行少量武器改裝，就能擁有地基 KEW。此外，朝鮮也成功發射了一枚彈道導彈和一枚太空運載火箭。此外，北朝鮮已成功發射了彈道導彈和太空運載火箭。兩者相加，北朝鮮在研制地基 KEW 方面僅落后一小步。

盡管地基關鍵預警武器的威脅增大，但關鍵預警武器造成的軌道碎片在空間領域造成的作戰變數超過了其成功摧毀衛星所提供的跨領域機動自由。因此，實現跨域火力和機動應強調防止對手使用地基關鍵預警武器，而不是由友軍實施。目前，這些系統和計劃已經付諸實踐。

地基中段防御（GMD）計劃負責開發和實施反彈道導彈，旨在攔截飛行中的敵方洲際彈道導彈（ICBM）。美國目前部署了 44 枚這種攔截器，其中 40 枚位于明尼蘇達州格里利堡，4 枚位于加利福尼亞州范登堡。洲際彈道導彈在飛行軌跡的最高點離開地球大氣層。因此，洲際彈道導彈和地面 KEW 的初始推力速度相似，足以在敵方 KEW 離開大氣層并造成軌道碎片問題之前將其攔截。

雖然從概念上講是可行的，但在將 GMD 攔截器從洲際彈道導彈攔截器轉換為 KEW 攔截器之前，還有一些未完成的要求。從技術上講，這些攔截器需要進行改裝，以便能夠跟蹤和攔截 KEW 軌跡，并且能夠以比目前跟蹤洲際彈道導彈軌跡更快的速度進行跟蹤和攔截。此外，軍備控制與不擴散中心的一項研究確定，目前已投入使用的攔截器的效能有限。

假定這些技術障礙得到解決，反核武器攔截仍將保留在大戰略和國家層面。若要實施基伍攔截彈以實現地基戰術機動，則需要在部署反基伍攔截彈的批準級別上實現模式轉變。然而，戰術機動指揮官在跨域條件設定方面也有戰術先例。

地面部隊戰術指揮官在地面部隊通過空降或旋翼突擊滲透之前領導壓制敵方防空（SEAD）。地面部隊戰術指揮官擁有實施 SEAD 資產所需的自主權，以確保友軍在空域擁有優勢，使其能夠滲透。實施 SEAD 的有形資產不一定與機動指揮官同處一地，但戰術層面仍可自主使用這些資產來創造條件。因此，在戰術層面實施反戰爭遺留爆炸物攔截器可以達到類似的目的，只不過是在空間領域。壓制敵方空間武器（SESW）需要成為戰場上設定的另一個條件。在 MDO 的世界里，如果敵方兵力在戰術戰斗中發射 KEW，戰術指揮官將需要這一權力，用攔截器進行壓制。在最高級別保留反 KEW 攔截器只會阻礙需要跨域火力和機動的地面戰術指揮官直接實時影響其戰斗空間。GMD 和 SMDC 可以在其級別上保留實物資產，并擁有發射程序。但是，如果戰術機動指揮部要對抗敵方的 KEWs，則應賦予其發射權，從而實現 MDO 的戰術機動自由。

圖：2019 年 3 月 25 日，從加利福尼亞州范登堡空軍基地發射一枚地基攔截器，對具有威脅代表性的洲際彈道導彈目標進行首次齊射接戰測試。

結論

在現代戰場上，MDO 要求戰術機動指揮官影響戰爭的所有領域，為兵力創造必要的跨領域火力和機動。雖然這給機動指揮官帶來了更大的影響力，使空中和網絡領域的模式發生了轉變，但太空領域仍然是戰術機動指揮官無法控制的戰略領域。天基資產為地面兵力提供地理定位、導航、目標識別和許多其他服務。然而，維護這些衛星--或不讓敵方兵力擁有同樣能力--的太空領域進攻機制卻完全被 SMDC 保留在戰略層面。將 DEWs 和 KEWs 重新分配到戰術層面為戰術機動指揮官提供了解決方案，使其能夠對太空領域實施控制，并在地面層面實現跨領域火力和機動。

一個直接的解決方案是將對 DEWs 的控制和消除沖突交給類似于 JTAC 的空間使能者。這將為機動指揮官提供與空間領域的切實聯系，在空間領域中，定向能衛星與衛星之間的戰斗會影響地面機動。從長遠來看，將地基定向能武器整合到戰術層面的機動編隊中將產生更及時的效果。雖然美國離這種能力只有幾年的時間，但俄羅斯等已經在致力于地基定向能武器的開發和戰術整合。

關鍵核武器可能是實施進攻性太空控制的傳統和首選形式。然而，用 KEW 摧毀敵方衛星會產生軌道碎片，對整個空間領域造成巨大影響。此外，由于發射 KEW 屬于國家級可探測行動，因此將對地基 KEW 的實際控制權交給戰術機動指揮官并不可行。然而，與目前戰術指揮官在空降和空中突擊前擁有 SEAD 的條令類似，戰術機動指揮官需要對重新設計的反彈道導彈攔截器進行作戰但應急的控制，以便在大規模作戰前壓制和摧毀敵方的反空間能力。

雖然戰爭的性質不會改變，但戰爭的特點會改變。MDO 的盛行和威脅能力的增強，使戰術層面的多領域影響變得更加重要。空間領域是最關鍵、最容易被忽視的領域，也是這種模式轉變的下一個領域。

1. 問題陳述

集中式指揮和控制（C2）是軍事優勢國家的奢侈品。與近鄰（近同行）對手的沖突將對約米尼的內部交通線造成挑戰，因此優勢可能是局部和暫時的。雖然集中式 C2 帶來的風險較小，但近鄰敵人兵力有限，只能采取集中式指揮、分布式控制的模式。美國空軍應對近敵較量的辦法是開發一種名為 "先進作戰管理系統"（ABMS）的網狀網絡 C2 系統，將 "物聯網 "引入戰場。ABMS 預計耗資數千億美元，雄心勃勃、富有創造性，而且模糊不清。在開始類似于 F-22 和 F-35 計劃的又一次大規模采購以建造 ABMS 之前，空軍應首先考慮以下格言。首先，創新并不一定需要發明。換句話說，要考慮這樣一種可能性，即滿足擬議能力和要求的硬件已經存在，只需組裝、改進和逐步提高即可。其次，沿著這一思路，為打擊簡易爆炸裝置，在用于持久情報、監視和偵察（ISR）的廣域運動圖像（WAMI）方面取得了巨大的計算進步，并將其打包用于低成本可減載機身。用于持久性 ISR 的 WAMI 是 ABMS 的前身。最后，未來沖突的速度可能要求在 ABMS 系統中使用人工智能進行自動目標定位。在采用 ABMS 之前，必須考慮自動目標定位的法律和道德因素，以免空軍打開未來主義烏托邦的潘多拉盒子。

2. 確定需求的緊迫性

如今，大國有能力使集中式航空指揮與控制（AC2）方法失效。要做到這一點，他們不必處處拒止通信；他們只需使流程過于繁瑣而難以維持，減緩 "觀察、定向、決定、行動"（OODA）循環，這將迫使美國在本質上變得被動。大國將通過在網絡上嚴守紀律、保持沉默、操縱數據，迫使美國操作員對其 C2 系統失去信心，最終降低其有效性。接下來或同時，大國將阻礙或削弱更快的通信手段，如衛星通信和數據服務，導致美軍兵力無法執行其主要、備用、應急和緊急（PACE）計劃。從邏輯上講，這些計劃往往會恢復使用效率越來越低的通信媒介，即高頻（HF）通信形式，用于 C2 節點之間的長途或視線范圍以外的信息交換。這大大降低了集中式 AC2 所需的反饋回路。

美軍的近期對策是將控制權下放到前沿部署的 C2 節點，并實施任務指揮，使指揮官的意圖高于詳細的作戰命令。不幸的是，這樣做會使敵方無法進入控制與報告中心、空中支援作戰中心或任何等同部門的梯隊單位。大國廣泛關注反介入區域拒止（A2AD）能力，建立了一種縱深防御模式，將扼殺美國向前推進行動的努力。要戰勝這種情況并非不可能，但需要分布式，以實現比目前人類 "在環路中 "更快的目標定位周期。問題是，"軍方目前是否具備實現這一目標的能力？在回答這個問題之前，讀者必須考慮這種能力的具體要求。

3. 確定要求

需求始于聯合航空條令。如果不了解規劃中應該發生什么，就無法建立一個有效或符合道德規范的人工智能增強型分布式解決方案。換句話說，在人工智能增強型分布式解決方案中，敵方會破壞的流程仍必須以某種方式發生。為了縮小范圍，本論點將只關注從開始到執行和評估的聯合空中任務命令（ATO）周期，這是聯合兵力空中分隊指揮官（JFACC）領導戰區目標瞄準工作的手段。

ATO 周期建立在委員會、局、中心、小組和工作組（或稱 B2C2WG）的基礎上。聯合 ATO 周期的所有后續階段在某種程度上都與各軍種的空中參謀部相呼應--各軍種的周期為更大的聯合周期提供支持。也就是說，ATO 的制定始于接收聯合兵力指揮官和 JFACC 的目標、效果和指導。這種指導采取空中行動指令（AOD）的形式，確保計劃人員和分布式的執行人員統一行動。在第二階段 "目標開發 "之前，JFACC 的工作人員會召開第一次聯合目標協調委員會 (JTCB)，陸軍、海軍、海軍陸戰隊和特種作戰聯絡員等目標開發方面的所有利益相關方都會在該委員會上討論各軍種的具體需求。目標開發的成果是 "聯合綜合優先目標清單"，該清單對目標選擇工作進行了 "排序和堆疊"。這份優先目標清單強調的是有利于實現作戰層面目標的目標，情報分析師、律師和規劃人員在整個目標開發過程中都會對這些目標進行審查，并在第三階段 "武器設計與分配 "中繼續審查。

第四階段是建立并向戰區內的作戰單位發布 ATO。任務數據、路線、控制機構信息、油罐車計劃和落塵應急措施、目標和武器設計細節等信息都為戰斗提供了參考。然而，計劃永遠無法在與敵人的首次接觸中幸存下來。這四個階段奠定了人工智能增強型分布式能力的框架和要求，但第五和第六階段則明確地揭示了這些要求。在 ATO 循環的第五和第六階段，系統必須具備三種關鍵能力。首先，在執行階段，系統必須了解并尊重 B2C2WG 各項活動的上述產出。例如，它必須理解 AOD 中規定的目標，確定哪些行動或不行動將實現指揮官的最終目標，為什么某些目標比其他目標更重要，并尊重目標計劃中的交戰規則。其次，解決方案系統必須具備與航空平臺動態通信的能力，以控制空域和整合火力。此外，它還必須具備對時間敏感目標進行優先排序的能力，并在攻擊目標之前對附帶損害進行動態評估。最后，解決方案必須具備開始 ATO 循環最后評估階段的能力。這意味著該系統能夠匯總戰損評估、炸彈命中評估，并理解和闡明計劃的哪些部分已經實現，哪些沒有實現。從邏輯上講，系統必須能夠將這些結果反饋給中央指揮節點，為未來的 ATO 計劃提供信息。

4. 廣域運動圖像發展融入指揮節點

為應對恐怖組織使用的簡易爆炸裝置 (IED) 的威脅，開發了用于持久性 ISR 的 WAMI，使其成為迄今為止計算能力最強的機載資產。在 "持久自由行動 "和 "伊拉克自由行動 "初期，美國在伊拉克和阿富汗的傷亡人數急劇上升，現有持久性 ISR 的局限性變得非常明顯。"捕食者 "系統只有一個可轉向攝像機，存在 "蘇打吸管 "問題，即視場聚焦有限，視頻分析人員無法同時跟蹤多個目標。一個名為 "恒鷹 "的項目彌補了這一局限，它將六臺攝像機系統以數字方式融合在一起，形成一個巨大的基點圖像，覆蓋面積超過 200 平方公里，且沒有覆蓋空白。在天氣允許的情況下，一旦平臺著陸并提取保存的數據，就會記錄下關鍵點范圍內的每一個事件，以便回放和分析。"天使之火 "計劃將這一概念向前推進了一步，它增加了一個射頻（RF）通信鏈路，就像一個軍用級 Wi-Fi 集線器，連接到附近的地面站，這樣地面兵力就可以近乎實時地查看圖像饋送，以便立即采取行動。在近兩年的時間里，"天使之火 "每天都在費盧杰市上空飛行，同時向當地海軍陸戰隊指揮所傳輸圖像。這標志著 J. R. R. 托爾金所描繪的概念--戰場上無所不知的索倫之眼--在技術上的開端。

處理持久性攝像機產生的大量數據所需的計算能力意味著，天空中不僅有一只監視的眼睛，還有一個大腦。"天使之火"（Angel Fire）和 "恒鷹"（Constant Hawk）的后繼者是 "藍魔鬼"（Blue Devil）和 "高竿凝視"（Gorgon Stare），這兩款相機目前在中央司令部（CENTCOM）的行動中得到大量使用。藍魔 "和 "高竿盯梢 "都可以安裝在無人機（如 MQ-9 "死神"）中，并通過衛星網絡向地面兵力提供本地數據和全球數據。生成 WAMI 數據的自動分析負荷是巨大的。在 10 小時的任務中，Gorgon Stare 軟件包可生成 65 萬億像素的圖像。毋庸置疑，如此大量的圖像需要人工分析人員進行梳理和破譯。然而，巧妙的軟件開發（也稱為人工智能（AI））為這一問題提供了解決方案。WAMI 現在使用被稱為 "基于活動的智能 "的人工智能處理工具來自動評估對抗行為，這種工具最初被足球分析師用來根據陣型和開球后的初始時刻預測戰術。此外，Gorgon Stare 還使用了信用卡公司用于檢測欺詐行為的常規異常行為檢測，以突出顯示感興趣場景的異常變化。重點是，獨立機載平臺通過數據融合對戰區進行人工智能評估已經成為現實。自動控制附近軍事資產的道路已經完成了 90%。WAMI 平臺現在需要擴展其聯網能力，以便與其他 WAMI 平臺進行網狀串聯，并建立與其他武器系統的端口和協議鏈接，這一步在技術上的要求比目前的開發工作要低得多。一旦與區域系統和當地地面部隊聯網，分布式控制只需添加軟件即可。對這一事實的認識至關重要，以免美國空軍偶然發現 ABMS 的二重身，卻不知道自己創造了什么。

與自動駕駛汽車可能比人類駕駛的汽車安全得多類似，使用機器學習等技術的自動瞄準在避免平民傷亡和附帶損害方面也可能更勝一籌。一旦戰區內的 WAMI 平臺聯網并共享計算資源，自動瞄準功能就能隨時加載到 WAMI 處理器上。然而，必須明確認識到機器學習的細微差別。戰爭既復雜又繁瑣，因此不能指望將明確的計劃預先加載到分布式的自動化 C2 節點上。換句話說，戰爭的藝術過于抽象，無法創建一個計算機可以用代數方法處理的綜合物理模型（然而！）。機器學習巧妙地避免了這一事實，它通過對當前沖突的可觀察性進行訓練，將戰爭的基本特征完全參數化并加以規避。機器學習所需要的只是設計者提供的目標、數字化的觀測數據和計算能力，而這一切目前都可以通過 WAMI 平臺實現。22 機器學習所需的只是設計者提供的目標、數字化觀測數據和計算能力，而這兩者目前在 WAMI 平臺上都可實現。這就是為什么機器學習標志著能力的巨大轉變；集中式指揮部將加載其所需的指標，而分布式式控制節點將根據正在進行的沖突進行學習和調整，以調整指令結果。

在使用人工智能和機器學習時，對訓練數據的依賴會在沖突期間的精確性和正義戰爭方面帶來獨特的雙重性。從沖突一開始，分布式控制節點發布的戰術計劃實際造成的平民傷亡可能會高于人類軍事規劃人員協調的結果。這是因為機器學習是從不準確的初始條件開始的。以圖 1 為例，比較使用機器學習的自動瞄準與傳統的人工瞄準在不同時間造成的平民傷亡。起初，自動瞄準可能差得令人震驚，但與傳統的人工瞄準相比，精確度呈指數級增長。道德難題就在圖 1 中兩條曲線之間。如果知道從長遠來看將有更多平民幸免于難，美國是否會、是否應該在初期接受更高的平民傷亡？與人類相比，民眾能否容忍機器犯錯？當自動瞄準系統出錯時，誰應承擔道德和法律責任？總之，無論是有意為之還是無意識的進化，ABMS 的組成部分已經存在，并且正在與 WAMI 和人工智能組裝在一起。用 20 年時間建立 ABMS 的計劃就像在方格旗之后才開著法拉利參加比賽一樣。

圖 1：在沖突開始時使用經過人工智能訓練的自動瞄準與傳統的有意減少平民傷亡的人工瞄準相比，平民傷亡與時間的假設關系。

5. 獲取和使用自主武器系統的法律考慮因素

法律界正在圍繞上述一些問題展開辯論。在辯論的一端，一些非政府組織和政策團體主張在戰爭中全面禁止自主武器系統（AWS）。另一方面，也有人認為，根據現行法律，包括武裝沖突法（LOAC），現在就可以使用自主武器系統。如果有足夠的制衡措施，美國應該能夠根據現行國際法和武裝沖突法（LOAC）充分發展和使用 AWS。

美國國防部的現行政策禁止所有 "人在回路外 "的 AWS。(DODD 3000.09，4(a)-(c)）。前國防部長卡特強化了這一政策，他承諾國防部永遠不會完全使用具有致命能力的預警機。然而，隨著美國將重心轉向近鄰競爭，開始意識到需要更快的 C2 構建，尤其是在通信能力下降的環境中。對 AWS 進行禁止和/或嚴格限制的呼吁是短視的，而且忽視了這些武器系統可以符合《武裝沖突法》的規定，因而今天可以合法使用的事實。

《美國國防部戰爭法手冊》為新武器和武器系統的法律審查提供了指導，以確保此類武器符合國際法，特別是《日內瓦公約第一附加議定書》（API）第 36 條。API 規定，在戰斗中使用的任何武器系統都不得違反國際法或條約的任何原則。鑒于 AWS 不屬于國際法禁止的武器類別，國防部根據《武裝沖突法》的四項指導原則，即軍事必要性、區分、相稱性和人道，對新武器或應用于武器的新技術進行法律審查。

軍事必要性的最佳描述是 "為盡快有效地擊敗敵人而有理由使用戰爭法不禁止的一切必要措施的原則"。必要性與區分密切相關，是 "使沖突各方有義務主要區分兵力和平民人口，以及未受保護物體和受保護物體 "的原則。相稱性原則禁止任何 "可能附帶造成平民生命損失、平民受傷害、民用物體受損害或三種情形均有而且與預期的具體和直接軍事利益相比損害過分的攻擊"。最后，人道 "禁止為實現合法軍事目的而造成不必要的痛苦、傷害或破壞"。

那些呼吁禁止或嚴格限制戰爭預警系統的人提出的法律主張是，戰爭預警系統不能遵守《武裝沖突法》的這些原則。而另一些人則認為，目前的國際法結構為在戰斗中使用預警機提供了一條道路，雙方都必須考慮相關問題。例如，預警機能否區分平民和敵方戰斗人員（即非法目標和合法目標）？在某些情況下，即使是經驗豐富的軍事操作人員，尤其是在城市環境中的反叛亂行動中，這種區分也是非常困難的。預警機能否實時分析新信息，例如執行復雜的決策任務，以確定摧毀特定目標所造成的損害與攻擊所獲得的直接軍事優勢相比是否過大？同樣，相稱性問題也是一個難以駕馭的問題，充滿了復雜、主觀的考慮因素，即使是最有經驗的指揮官也難以作出判斷。

盡管對任何武器系統都采取了法律預防措施，但人類還是容易出錯。在需要速度的緊張、有害環境中，人類的決策能力也會下降。毋庸贅言，人類在瞄準決策中經常犯錯，而這些錯誤并不總是被定性為違反《武裝沖突法》。這些問題帶來了一個問題，即如果預警機違反了武裝沖突法或交戰規則之一，誰應該承擔責任？例如，當人類違反武裝沖突法的原則時，很容易追究某個人的責任--要么是犯錯誤的個人，要么是做出錯誤決定的指揮官。但如果 AWS 違反了武裝沖突法，是否任何個人都應承擔責任？建議可根據 DoDD 3000.09 第 4(b)段追究指揮官的責任。4(b)段規定，指揮官有責任以符合國際法和系統能力的方式操作和部署預警系統。這一論點凸顯了使用 AWS 的另一個優勢--即 AWS 只做程序設計要做的事。為此，程序員和開發人員在為 AWS 編程時，只應使用不會嚴重違反國際法的命令。

總之，數百年來，新武器和新技術一直受到抵制和譴責。本文所設想的 AWS 也遇到了同樣的阻力，但可以證明它符合國際法和《武裝沖突法》，因為武器本身并不特別新穎；相反，允許 "環外決策 "的 AWS 技術才是新的。盡管國防部的政策完全禁止 AWS，但采用這種技術所帶來的好處足以修改國防部的政策，使其傾向于采用執行決策速度比人類快得多的系統，并有能力在通信能力下降的地區這樣做。歷史也表明，人類在使用武器系統時經常會出錯，而在壓力和不確定性下的決策過程也并不可靠。雖然在近期內，隨著技術的不斷發展，繼續開發 "人在回路中 "的預警系統可能是有益的，但美國應致力于開發和部署完整的預警系統，以便在未來的近距離沖突中使用，因為那時可能會失去可靠的 C2 網絡。

隨著大規模作戰行動（LSCO）決定性作戰訓練環境（DATE）場景變得更加復雜，對手兵力（OPFOR）在獵殺和瞄準（目標定位）藍軍指揮所以及關鍵資產（如整個作戰空間的火炮設備和反火力（CF）雷達）的方式上也變得更加適應。了解這一點至關重要，因為美軍非常重視使用無人機系統（UAS）進行信息、監視和偵察（ISR），以確定對手可能在時間和空間上擁有高回報目標（HPT）的位置，而 OPFOR 可以利用并取得成功，因為一個簡單的事實：他們使用紅方無人機系統進行獵殺，而且他們擅長此舉。OPFOR 不需要像美軍那樣使用紅方無人機系統進行大量的信息收集（IC），因為 OPFOR 明白，藍軍的火炮和雷達不會在大范圍內頻繁移動，因此，一旦發現 HPT，他們就可以輕松地使用紅方無人機系統與特種部隊（SPF）配合，用遠程精確火炮獵殺、瞄準和打擊藍軍的關鍵資產。如果師炮兵部隊（DIVARTY）、軍團野戰炮兵旅（FABs）和旅直接支援營（DS）都有自己的無人機系統瞄準分隊會怎樣？這將縮短從傳感器到射手的殺傷鏈，減少目標衰減，縮短目標追擊時間，減少對分配給各師和兵團情報優先事項的 ISR 資產進行動態重新分配的需求，提高主動獵殺、瞄準和塑造敵方炮兵縱深的效率，同時不干擾各自 S2/G2 參謀部的信息收集工作。美國陸軍在如何分配無人機系統方面的這一革命性根本轉變，能否為我們提供一個解決方案，讓我們在面對近似于 OPFOR 的對手時擁有并主導狩獵行動？

本文將討論一種理論，即兵團的 FAB、DIVARTY 和 BCT DS 野戰炮兵 (FA) BN 獲得由師/兵團各自下屬的戰斗航空旅 (CAB) 的一個灰鷹 (GE) 排（DS FA BN 的影子無人機系統/未來戰術無人機系統 (FTUAS) 排）組成的目標定位分隊的作戰控制 (OPCON)、 以及進行開發所需的人員，使炮兵部隊指揮官能夠為這些師和軍團指揮官主導瞄準過程。這一解決方案可確保野戰炮兵部隊能夠打擊目標、削弱敵方遠程火炮、瓦解綜合防空能力，并提高殺傷鏈的有效性，以滿足其指揮官的作戰優先級。本文還將從條令、組織、訓練、物資、領導與教育、人員、設施和政策（DOTMLPF-P）模型的角度來審視問題，為從可能的訓練概念到全軍實施的建議提供一個整體視角。

開啟反擊戰斗

野戰炮兵司令部的固有和刻意任務是進行反擊和摧毀敵人的遠程炮兵能力。炮兵將反擊分為兩類：主動反擊和被動反擊。反應式反擊是大多數人所熟悉的形式：敵方炮兵射擊，獲取雷達探測到炮彈，我方以火箭或大炮反擊敵方（FM 3-09；ATP 3-09.12）。炮兵部隊擁有雷達資源，可以在沒有任何外部資源或增援的情況下進行有組織的反應式反擊。

主動反擊乍一看似乎自相矛盾，因為大多數人認為反擊只是被動的。主動反火是目標定位過程的結果，并賦予信息收集資產識別敵方集成火力指揮部（IFC）的任務，該指揮部由支持傳感器、C2 節點和投送資產組成（FM 3-09；ATP 3-09.12）。主動反火的目標是在敵方綜合火力指揮部成員有機會與我方交戰之前，識別并與之交戰。識別 IFC 的信息收集資產整合發生在師和軍團的 G2 部門，與對這些目標實施致命射擊的 DIVARTY 和 FAB 無關。

向分遣隊和 FAB 提供積極的 GEOINT 和 SIGINT 收集資產，可使負責擊敗敵方 IFC 的總部開展自己的 IC 行動，以探測（或發現并固定）IFC 資產并迅速打擊目標。這就為總部提供了完成這一任務的資源。目前的條令和信念將這一任務交給了 DIVARTY 和 FAB，但沒有提供必要的資源。

獵殺：與有效利用并取得成功的 OPFOR 相比，美國陸軍的優勢在哪里？

在作戰人員演習期間進行的 LSCO 訓練場景中，FAB 的主要任務是開展軍團級打擊行動和加強師級整形行動，而 DIVARTY 的任務是控制師的內建和附屬 FA 單位，與師的火力支援單位 (FSE) 密切協調，并開展間接火力支援 (FS) 行動，以持續開展行動，支持師的機動計劃（HQDA，2020 年）。盡管美國陸軍師團級參謀部在利用來自多情報學科、聯合空中、網絡和電磁活動（CEMA）以及空中 ISR 的眾多高度先進的技術效果方面非常有效，但由于 OPFOR 意識到可以在整個作戰空間內開展積極的獵殺技術，因此藍軍仍在繼續苦苦掙扎。作為獨立自主的近似對手，OPFOR 不斷改進其獵殺和瞄準過程，因為他們明白，在戰爭中，你必須擁有 "頂級掠食者和積極獵殺 "的心態。

在作戰過程中，OPFOR 并不是戰無不勝、無堅不摧的，但 OPFOR 參謀部確實明白，要想掌握主動、主導戰斗，就必須在藍軍摧毀自己的關鍵資產之前，通過摧毀遠程火炮設備和 CF 雷達等藍軍關鍵資產來主導狩獵。OPFOR 通過使用 "哈比 "無人作戰飛行器（UCAV）和 "提普查克 "炮兵目標捕獲無人機（TAAV），能夠積極地實現這一目標。雖然美軍培訓對象對 OPFOR 的無人機系統戰術有一定的了解，并可要求提供《全球裝備指南》（WEG）中的反無人機系統元素、EW/SIGINT 和 GPS 加固能力，但 OPFOR 仍可通過積極的獵殺和瞄準技術在整個作戰空間取得決定性優勢，從而以比藍方兵力更快的速度識別、瞄準和塑造藍方兵力。雖然這對情報和火力參謀人員來說可能會變得非常混亂和復雜，但這卻是贏得棋局的一個簡單方面。有些人認為國際象棋的目標是將王，其實不然。雖然將死是贏得棋局的總體手段，但國際象棋的總體戰略目標是控制棋盤，盡可能多地清除對方的物資，暢通無阻地進行機動，并利用車、象和后等遠程棋子主導戰斗，以實現戰略將死。

約翰-安塔爾（John Antal）在其關于第二次納戈爾諾-卡拉巴赫戰爭的文獻中贊同這一觀點，他暗指在現代戰爭這一立體棋局中，阿塞拜疆之所以能保持優勢，是因為他們先發制人，先下手為強，保持了主動權，并將火力和機動融為一體，同步進行，迫使亞美尼亞不得不對他們的舉動做出反應，再也無法挽回（安塔爾，2021 年）。文獻中提到的另一個重要方面是，這是第一場主要由使用無人武器決定勝負的現代戰爭。阿塞拜疆利用 BAYRAKTAR TB2 無人空中戰車 (UCAV)、HAROP 游蕩彈藥 (LM) 和精確遠程火炮不斷打擊和摧毀亞美尼亞的火炮、雷達和防空陣地，從而主導了戰爭，并占領了關鍵地形和重要目標（Antal，2021 年）。在進攻現實主義方面，由于作戰部隊需要積極維護生存安全，他們不斷尋求削弱訓練對象（TA）壓倒性的技術能力和競爭實力，利用紅方無人機系統進行優先瞄準，塑造縱深而非信息收集，以增強自身在戰斗空間的主導地位。通過將無人機系統直接分配到最底層進行偵察和目標捕獲，他們的目標追擊和從傳感器到射手的殺傷鏈更短、更快、更有效地瞄準訓練對象的關鍵資產。

在支持每個師和軍團級梯隊的戰斗航空旅內，通常有一個影子無人機系統/FTUAS 排，配備四架影子無人機系統/FTUAS。這些 "影子 "無人機系統/FTUAS 傳統上不攜帶武器，配備多種傳感器（全動態視頻、地面移動目標指示器、電子光學和合成孔徑雷達），用于師或軍團的信息收集優先級計劃，但也可用于直接瞄準工作。陸軍野戰炮兵戰術數據系統（AFATDS）在條令上是標準的火力協調系統，可通過按鈕式 "火力請求"（CfF）和/或 "目標搜索"（Target Prosecution Process）將無人機系統納入目標搜索過程。 聯合終端攻擊管制員（JTAC）/戰術空中管制隊（TACP）/空中支援作戰中心（ASOC）人員通過聯合攻擊請求網絡（JARN）向空中作戰中心（AOC）提出火力請求（CfF）和/或即時近距離空中支援（CAS）請求，供空中作戰中心（AOC）立即批準，而不是采用陸軍緩慢/慎重的近距離空中支援（CAS）請求流程，因為后者很可能會遭到空中作戰中心（AOC）的拒絕。然而，挑戰在于將火力任務從師或軍團的火力和瞄準小組/聯合空地一體化小組（JAGIC）下放到各自下屬的分部或 FAB（必須下放到火炮線）的過程。雖然這是決定、探測、投送、評估（D3A）的條令流程，并擁有必要的指揮權限，以清理空中、地面和彈藥釋放權限，但這大大增加了可能的目標衰減時間和殺傷鏈時間。為了最大限度地提高從傳感器到射手的瞄準效果，直接為分遣隊或軍團 FAB 提供 OPCON 的 "影子 "無人機系統/FTUAS 可為分遣隊指揮官或 FAB 指揮官的優先瞄準任務提供服務，而無需將 "影子 "無人機系統/FTUAS 從 G2 及其各自的信息收集優先任務中抽離出來交給指揮官。這樣，G2 可以積極掃描其指定的目標區域 (NAI)，以滿足指揮官的優先情報請求 (PIR)，而 DIVARTY 和 Corps FAB 則可以更有效地為其師和軍團指揮官掌控和管理整個目標定位工作。

建議與解決方案

設計并指定一個 "打擊單元 "目標獲取無人機系統分遣隊，該分遣隊可成為分遣隊和軍團 FAB 的 OPCON： 這項建議可行、合適，不需要對人員配備或資源進行重大調整。為實現該建議，從各師 CAB 和支持軍團的 CAB 向 DIVARTY 和軍團 FAB 分配由四個 "影子 "無人機系統/FTUAS 平臺組成的一個排，以及兩個地面控制站 (GCS)、兩個 "影子 "無人機系統/FTUAS 發射器和四至六個 15W 系列 "影子 "無人機系統/FTUAS 操作員，以便深入 DIVARTY 和軍團 HPTs 進行瞄準、獵殺和塑造。為了促進和管理瞄準過程和必要的授權，師和軍團的聯合空地一體化中心（JAGIC）將通過位于分遣隊和軍團 FAB 指揮所的 131A 和 150U 負責無人機系統任務控制管理和目標起訴。這將確保在將設備和人員分配給分部和兵團 FAB 的同時，實現目標確定的優先順序和流程，以滿足指揮官的要求。為支持 "影子 "無人機系統/FTUAS 傳感器饋送的瞄準和利用，應向分遣隊和 FAB 分配一個戰術地面站（TGS）、一個地理空間工作站（GWS）和 2 至 4 名來自軍團遠征軍事情報旅（E-MIB）的 35G（圖像情報分析員）。機體和相關設備的維護和后勤工作仍可由師支援區（DSA）和軍團支援區（CSA）內的 "影子 "無人機系統/FTUAS 連人員管理。

DOTMLPF-P分析

條令： 根據 ATP 3-09.24，情報和目標定位小組由 S2 和情報作戰職能部門領導，負責通過直接觀察、電子戰來源、人類情報、武器定位雷達、無人機系統、上級總部和聯合總部情報（G2）部門以及機動編隊，向指揮官和參謀部提供對行動和目標定位至關重要的情報信息（HQDA，2012）。雖然該條令確實就無人機系統應如何支持分遣隊和FAB行動提供了指導，但目前沒有任何政策阻止或不阻止這些參謀部請求由無人機系統組成的OPCON瞄準分隊直接向其提供瞄準服務。根據 ATP 3-09.4 第 3-4 段 根據 ATP 3-09.24 第 3-4 段，FAB 可以計劃和使用其有機火力支援資產，以及在其作戰控制（OPCON）或戰術控制（TACON）下接收的附屬火力支援資產。作為野戰炮兵作戰組織的一部分，FAB 可為這些單位提供使命、任務和支持關系，并在 FIB 計劃和命令中為下屬單位提供任務。這些可能包括額外的監視、偵察、TA 和/或其他火力支援資產。它還包括地面偵察和監視、有人駕駛航空器以及師級或更高級別的無人駕駛航空器。這些資產根據上級總部或支援指揮部的任務分析或特定任務的要求，對 FIB 進行擴充。

組織： 目前，各師在組織上已經有一個下屬的 DIVARTY 總部單位來管理下屬的 FA 營，而 FAB 則有自己的 FA 營。目前的問題是，各師和兵團的 FAB 沒有分配給他們有機的無人機系統，因此，請求無人機系統能力來瞄準目標的過程大大增加了目標起訴和殺傷鏈時間。這反過來也增加了目標衰減，使敵方 OPFOR 保持在其選擇的時間和空間使用遠程精確火炮及其紅方無人機系統打擊藍方兵力 TA 的能力。為了解決從傳感器到射手的快速殺傷鏈能力差距，師團指揮官將無人機系統瞄準分隊 OPCON 分配給師團 FAB 是一個可行且合適的建議。在集體訓練活動中，如作戰人員和作戰訓練中心（CTC）輪換期間，這一解決方案可以成為更好的組織結構，以便在實時作戰部署情況下使用概念驗證之前測試和驗證理論。

培訓： 目標捕獲無人機系統分遣隊解決方案不是因為缺乏培訓或培訓不足造成的。該解決方案要求在集體訓練活動之前，增加分部目標小組、軍團目標小組、"影子 "無人機系統/FTUAS 分遣隊和 E-MIB 輔助人員之間的綜合訓練，以減輕可能出現的能力差距的影響。

裝備：為實現這一解決方案，建議配備的必要裝備包括一個排的四個 "影子 "無人機系統/FTUAS 平臺、兩個通用控制系統、兩個 "影子 "無人機系統/FTUAS 發射器、一個 TGS 和一個 GWS，以執行瞄準和 GE 傳感器探測行動。影子無人機系統/FTUAS 平臺、發射器和 GCS 必須在已建機場運行。根據 "影子 "無人機系統/FTUAS 排距離遠程監視系統（LRS）的遠近以及確定目標的位置，需要使用衛星地面數據終端（SGDT）和視線外（BLOS）操作。

領導和教育： 為提高擬議解決方案的領導能力，建議開展無人機系統/作戰人員培訓、阿拉巴馬州拉克堡的空中騎兵領導課程（ACLC）、拉斯維加斯內利斯空軍基地的聯合火力課程（JFC）以及拉斯維加斯內利斯空軍基地的空中作戰中心課程（AOCC）。這些課程將有助于填補無人機系統和無人機系統整合到目標定位支持方面的知識空白，并為無人機系統操作人員和目標定位人員創造共同的理解。

人員： 為實現這一解決方案，建議配備以下必要人員：1 名 150U 戰術無人機系統操作技術員、1 名 131A 野戰炮兵瞄準技術員、6 名 15W 影子無人機系統/FTUAS 操作員、4 名 15E 維護員和 2 至 4 名 35G。另一個人員建議是每天推送所需的脆弱性窗口（VUL）次數，因為這將決定所需的人員支持、能力、任務要求，并允許人員為滿足要求進行規劃。

設施： 建議的解決方案不是由于缺乏操作、維護或基礎設施不足造成的。建議的解決方案也不需要對維護或后勤支持進行重大調整。建議設立一個配備 SGDT - BLOS AV 控制的影子無人機系統/FTUAS 前哨站。

政策： 目前沒有任何國防部、機構間或國際政策阻止師或軍團指揮官執行從其各自支持的 CAB 到下屬 DIVARTY 和 FAB 指揮官的目標 UAS 分遣隊 OPCON 命令。

結論

總之，為提高從傳感器到射手的殺傷力，減少殺傷鏈以加快目標追擊速度，建議為師和軍的 FAB 分配一個 OPCON 無人機系統 "打擊單元 "目標分遣隊。為了開始培訓和概念驗證周期，建議采取的步驟是在俄亥俄州空軍研究實驗室請求通過 "網絡綜合訓練演習"（Operation Jaded NITE）模擬效果，作為概念驗證，然后再請求實際實施。擬議解決方案中的建議步驟將包括 TEA 管理機構、所有參與者、具備 JARN 能力的 TACP 要素、機構間培訓中心（ITC）、軍法署署長（JAG）和首席數據官（CDO）在多個場景中進行即時熱沖洗，以現場討論和完善 TTP。最終結果是，這將使 DIVARTY 和 Corps FAB 目標小組能夠積極獵殺、鎖定目標并深入塑造各自的 HPT，以滿足指揮官的優先要求。

無人機系統分配的這一轉變使 DIVARTY 和 FAB 指揮官能夠直接擁有并更有效地管理其指揮官在作戰空間內各自行動區域內的目標定位過程，同時仍能確保師和軍團的 G2 能夠將剩余的影子無人機系統/FTUAS 和其他多情報學科能力用于 ISR 和 IC。在實施 CTC 輪換和部署之前，應在預定的部隊作戰人員等集體訓練活動中分析和實施這一建議的解決方案。行動后審查（AAR）和建議的觀察報告應審查火力整合計劃、JAAT 行動、SEAD 行動后以及網格區域參照系統（GARS）殺傷盒的使用情況。瞄準過程，如開放/關閉/熱/冷時間、多層瞄準、彈藥彈道、彈著點（POI）爆炸影響半徑、最大軍械（MAX ORD）建議、炮靶線（GTL）、火力消除沖突的有效性，以及通過 Link-16 對無人機系統資產進行提示、混合和冗余，以提高從傳感器到射手過程的有效性。隨著未來 FTUAS 和垂直起降（VTOL）無人機系統等無人機系統資產被引入美國陸軍和聯合兵力庫存，應考慮將這些先進的、能力更強的資產和能力添加到作戰和戰略級目標分遣隊中。這些資產將確保美國陸軍、聯合兵力和伙伴國做好準備，在多領域環境中作戰，在復雜的世界中取勝。

作者簡介：

CW3 Sims 曾擔任 MCTP 行動組--查理的全資源情報 OC/T，現任第 7 自衛隊（A）全資源生產科（ASPS）科長。他曾參加過 "伊拉克自由行動 "和 "持久自由行動"。

MAJ Davis畢業于指揮與參謀學院。他曾擔任旅 FSO 和 FA BN XO，為 STRYKER 旅戰斗隊提供支持。他曾在 NTC 擔任 OC/T，目前在 MCTP 任職。他曾參加伊拉克自由行動和自由哨兵行動。CW3 Eric D. Hauser 是一名 150U（無人機系統操作技術員），曾擔任 CUOPs/FUOPs、航空安全官、排長、飛行操作 OIC、操作 OIC，并在 USAACE NCOA 制定了 15E ALC 計劃。CW3 Hauser 在 19 年的職業生涯中一直致力于將有人駕駛航空和無人機系統集成到陸軍/聯合系統以及各級任務規劃流程中。他成功領導了能力/流程的創新，將航空、軍事情報、炮兵和防空資產融合在一起，加快了對目標的攻擊。他目前在第 5 特勤大隊軍事情報連服役，曾多次參加 "堅定決心行動"（Operation Inherent Resolve）、"持久自由行動"（Operation Enduring Freedom）、"伊拉克自由行動"（Operation Iraqi Freedom）和 "自由哨兵行動"（Operation Freedom's Sentinel）。

聯合情報、監視與偵察（JISR）對所有軍事行動都至關重要。它能讓決策者和行動制定者更好地了解地面、空中、海上、太空和網絡領域的情況。盟軍共同努力收集、分析和共享信息，以達到最大效果。這使聯合 ISR 成為整個聯盟開展合作和分擔負擔的獨特范例。

圖：在北約主要的聯合情報、監視和偵察活動 "統一愿景"（Unified Vision）期間，軍官們在試驗控制室分析來自現場的數據。

• 北約建立了一個永久性的聯合情報、監視與偵察（JISR）系統，為主要決策者提供信息和情報，幫助他們在充分知情的情況下做出及時、準確的決策。
• 聯合情報、監視與偵察（JISR）是北約行動和任務的關鍵要素，也是北約威懾和防御態勢的基石。
• 聯合情報、監視與偵察（JISR）匯集了通過北約的聯盟地面監視（AGS）系統或北約機載預警與控制系統（AWACS）偵察機等項目收集的數據和信息，以及來自太空、空中、陸地和海上領域的各種國家聯合情報、監視與偵察資產。
• 監視和偵察都包括目視觀察（來自地面士兵）和電子觀察（例如來自衛星、無人駕駛飛機系統、地面傳感器和海上船只），然后對其進行分析，將信息轉化為情報。
• 2023 年 2 月，北約的一些盟國與前受邀國芬蘭（現為北約成員國）和受邀國瑞典一起，宣布計劃啟動 "聯盟空間持續監視"（APSS）倡議，該倡議將改變北約收集和使用空間數據的方式，顯著改善北約的情報和監視工作，并為聯盟的軍事任務和行動提供重要支持。

組成部分

情報、監視和偵察（ISR）是所有軍事行動的基礎，其原理已在戰爭中應用了幾個世紀。ISR 的各個要素包括

• 情報：從監視和偵察中獲得的最終產品，與其他信息融合；
• 監視：對目標的持續監控；以及
• 偵察：為回答特定軍事問題而進行的信息收集。

監視和偵察都可以包括目視觀察（例如，士兵在地面上秘密監視目標，或無人駕駛飛機系統（UAS）裝有攝像頭）以及電子觀察。

監視和偵察的區別在于時間和針對性；監視是一種更為長期和深思熟慮的活動，而偵察任務通常是快速和有針對性地獲取具體信息。

一旦獲得監視和偵察信息，情報專家就可以對其進行分析，將其與來自其他數據源的其他信息融合在一起，形成情報，然后用于為軍事和民事決策者提供信息，特別是用于規劃和開展行動。

雖然所有國家都有自己的情報來源和編制方法，但與盟國分享情報并非易事。 有時是出于安全考慮，有時是出于內部程序要求，有時是出于技術限制。

北約聯合 ISR 的目標是倡導 "需要共享 "的概念，而不是 "需要知道 "的概念。 這并不意味著所有盟國都將自動共享一切，而是北約可以促進程序和技術，以促進共享，同時提供信息保障（即保護數據和網絡）。 這樣，盟國就能全面了解正在發生的任何危機，北約決策者也能在充分知情的情況下做出及時、準確的決策。

機制

聯盟從阿富汗和利比亞行動中獲得的經驗使收集資產（如偵察機等信息收集設 備）變得更容易為軍事人員所用，甚至在最低戰術級別也是如此。多年前只能由軍事將領斟酌決定用于戰略目的的資產，現在可以廣泛使用，而且使用權下放。之所以會出現這種轉變，是因為北約成員國采購了大量海上、陸地、空中、網絡或太空收集資產，以幫助它們確定對手的位置，而這些對手往往在復雜的環境中和平民人口中開展行動。

為使信息收集工作得以進行，并確保對信息進行分析和為決策者提供情報，有許多主要行為體參與其中，包括

• 監視和偵察收集資產

其作用是收集信息。例如，聯盟地面監視（AGS）和機載預警與控制系統（AWACS）偵察機，它們使用雷達、觀測衛星、電子資產和特殊地面偵察兵來收集信息。

• 情報分析員

他們的職責是利用和分析來自多個來源的信息。例如，在情報組織中從事戰略層面工作的國家軍事和文職分析人員、各級圖像分析人員以及加密專家。

• 決策者

他們的職責是利用情報為決策提供信息。例如政治領導人和軍事指揮官。

北約還定期演練其聯合情報、監視和偵察能力。2020 年 6 月，北約舉辦了 "統一愿景 "活動。來自 12 個北約國家的 250 多人參加了這次活動，并使用了空間、空中、陸地和海上的多個情報系統，使盟國能夠在作戰環境中交換和分析大量情報數據。下一次 "統一展望 "活動定于 2023 年舉行。

空間在聯合情報、監視與偵察（JISR）中的作用

衛星等天基資產在向北約盟國和伙伴提供情報、監視和偵察能力方面發揮著關鍵作用。

俄羅斯入侵烏克蘭突出表明，北約需要清楚地了解地面、空中和海上的所有事態發展。空間領域為北約提供了情報優勢，使盟國能夠收集洞察力，同時減少脆弱性（即取代對實地資產的需求）。

在過去幾年中，商業天基情報部門也在顯著擴張。這對聯盟來說既是風險也是機遇。私營空間行為體的擴散增加了潛在對手針對聯盟人口、領土和兵力開展 ISR 活動的風險。但是，商業行為體可以提供具有成本效益和可擴展的解決方案，滿足北約的需求，補充公有能力，減少對數量有限的國家空間資產的依賴。

在 2023 年 2 月的國防部長會議上，一些北約盟國與前受邀國芬蘭（現為成員國）和受邀國瑞典一起宣布，它們打算啟動 "聯盟空間持續監視"（APSS）倡議。聯盟太空持續監視計劃 "計劃利用由國家和商業監視衛星組成的大規模虛擬星座（稱為 "天鷹座"）提供的數據，增強 ISR 能力。這一新機制將為聯盟提供更快更好的情報，將更多天基數據納入北約情報生態系統，并利用商業部門的技術突破。盧森堡的1,650萬歐元早期捐款為這一變革性舉措奠定了基礎，并將允許參與國通過本國資產、數據和/或資金為 "天鷹 "計劃做出貢獻。除受邀國瑞典外，參與的 18 個北約盟國包括 比利時、保加利亞、加拿大、芬蘭、法國、德國、希臘、匈牙利、意大利、盧森堡、荷蘭、挪威、波蘭、羅馬尼亞、西班牙、土耳其、英國和美國。

戰略空間態勢感知系統（APSS）的重點是俯視地球的資產，它將補充戰略空間態勢感知系統（3SAS），后者的重點是仰視太空的資產，目前正在北約總部開發。3SAS 能力將使聯盟能夠更好地了解空間環境和空間事件及其對所有行動領域的影響。3SAS 系統還得到了盧森堡 670 萬歐元資金的支持。該項目將為 2020 年在德國拉姆施泰因成立的北約空間中心提供支持。

演變

根據北約盟國在近期行動中獲得的經驗，北約建立了一個長期有效的 ISR 系統。北約的目標是為盟國提供一種機制，匯集通過 AGS 系統或預警飛機收集的數據和信息，以及各種國家 ISR 能力，包括地面部隊、海上和空中資產、衛星等天基平臺以及特種作戰部隊。

為了給北約的聯合情報、監視與偵察（JISR）雄心壯志奠定基礎，北約發展了聯合情報、監視與偵察能力，旨在提供以下支柱：

• 培訓和教育

北約中參與聯合情報、監視與偵察（JISR）能力的人員將具備專業知識，以保證聯合情報、監視與偵察（JISR）事業的效率。本項目的這一領域研究如何確保北約人員接受最高標準的 ISR 培訓和教育。

• 條令和程序

為提高互操作性、效率、一致性和有效性，將不斷制定和審查從戰略思維到戰術程序的聯合 ISR 條令和程序。

• 網絡環境

北約通信和信息系統（CIS）將確保盟國之間有效協作和共享 ISR 數據、產品和應用程序。這是北約聯合 ISR 工作的核心業務。

在 2012 年芝加哥北約峰會期間，盟國國家元首和政府首腦表達了為北約提供持久和永久可用的聯合情報、監視與偵察（JISR）能力的雄心壯志，為北約提供了實現戰略決策優勢所需的耳目。在 2014 年威爾士峰會上，盟國再次確認聯合 ISR 仍是北約的高度優先事項。

在 2016 年 2 月 10 日的會議上，盟國國防部長宣布具備聯合情報、監視和偵察的初始作戰能力（IOC）。這是一項重大成就，它使北約與盟國的能力之間實現了更好的連接，并增強了整個北約反應兵力（NRF）的態勢感知能力。

IOC 只是聯合情報、監視與偵察（JISR）倡議的第一個里程碑。為保持這些成就并將其擴展到 NRF 范圍之外，還開展了進一步的工作。鑒于當今的安全環境瞬息萬變，聯合情報、監視與偵察（JISR）將繼續進行調整，以確保聯盟擁有在正確的時間做出正確決策所需的信息和情報。因此，北約盟國于 2020 年 10 月批準了一項新戰略。該戰略及其實施要素以更加靈活的方式，利用大數據、人工智能和自主系統等尖端技術的力量，指導可互操作情報能力的開發和實戰。