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

戰爭的特點在不斷演變，充滿摩擦，并被模糊性所籠罩。本研究通過重點分析克里姆林宮在格魯吉亞、敘利亞和烏克蘭的軍事冒險主義，探討了迅速變化的作戰環境。這場最近升級的沖突涉及歐洲大陸自第二次世界大戰以來從未見過的最大規模戰線，為了解戰爭性質變化的復雜性提供了寶貴的見解。具體而言，克里姆林宮不斷演變的信息戰方法揭示了新技術和新手段的擴散，這些技術和手段旨在爭奪信息領域，最大限度地增加不確定性，并癱瘓對手的決策能力。

本論文試圖解決以下問題： 1) 俄羅斯軍方開發了哪些持久的方法和技術能力來擾亂戰術和作戰層面的決策？ 2) 這些方法的效果如何，它們如何融入俄羅斯信息戰方法論的大框架？

本研究通過重點分析克里姆林宮在格魯吉亞、敘利亞和現在的烏克蘭的軍事冒險主義，探討了迅速變化的作戰環境。這場最近升級的沖突涉及歐洲大陸自第二次世界大戰以來從未見過的最大戰線，為了解戰爭性質變化的復雜性提供了寶貴的見解。具體來說，他們不斷演變的演習方式揭示了新技術和新方法的擴散，這些技術和方法旨在爭奪信息領域，最大限度地增加不確定性，并癱瘓對手的決策能力。

無法進行對稱競爭的同級/近似同級對手（如俄羅斯）將使用各種破壞性手段來獲得相對于美國/北約的優勢。這些手段可歸納如下：戰場傳感器、電子戰和通過賽博空間的惡意影響。

最近的兵棋推演和訓練場景表明，西方不僅過度依賴先進的 C4ISR（指揮、控制、通信、計算機情報、監視和偵察）、導航輔助設備和信息聯網能力，而且還對信息主導地位和技術過剩做出了危險的假設。過去二十年的低強度反叛亂戰爭并沒有讓西方做好充分準備，以應對同級對手。我們不能再假設下一場戰斗將在我們已經習慣的寬松環境中發生。因此，我們現在對這些威脅了解得越多，美國、其盟國和戰略伙伴就能在未來可能的交戰中更好地應對這種環境。

本研究提出以下建議：

1.如果要在信息環境中保持技術和競爭優勢，高級領導人必須繼續重新審視、修訂和修改我們的條令、裝備、訓練，甚至指揮文化觀念。

2.指揮官必須繼續加強訓練，強調在高度競爭、指揮與控制（C2）退化的作戰環境中的持續作戰行動和機動。

3.指揮官還必須假定，未來的作戰環境將充斥著傳感器平臺和無人系統，這不僅使機動變得極為困難，也使戰術掩護和隱蔽變得極為困難。

4.指揮官必須繼續加強小單位一級的培訓，強調個人數據保護和對敵方虛假信息的應變能力。西方必須做好準備，以應對對手利用賽博空間直接針對我們的軍人、他們的家人和軍隊凝聚力本身的惡意影響活動。

5.由于這場戰爭很可能會持續到 2023 年春季，對本文提出的主題進行學術研究無疑值得進一步探討和研究。俄烏戰爭為我們提供了充分的機會，不僅可以研究俄羅斯情報戰方法在戰術和作戰層面的影響，還可以研究其對更廣泛的戰爭現象本身的影響。

技術進步所帶來的進攻技術為對手提供了威脅聯合部隊和盟軍作戰優勢的機會。要與這些新方法作斗爭，就必須不斷快速發展自己的 "改變游戲規則 "的技術。通過重點發展無人系統和自主性，空軍可以努力保持其技術優勢。此外，創建一個強大的框架，能夠測試和評估定義自主性的原則，從而探索未來的能力。本研究介紹了反應/慎思混合架構的發展情況，該架構將允許對任務、認知和同伴靈活性原則進行測試。具體來說，這項研究探索了多機器人系統中的同伴靈活性，以多機器人混合架構（HAMR）作為框架基礎，解決定位問題。為完成這一任務，結合車輛感知和導航工具對運行環境進行推斷。然后，這些推論被用于構建因子圖，而定位的核心算法就是在因子圖的基礎上實施 iSAM2，這是一種高性能的增量矩陣因式分解方法。統一行為框架（UBF）是該框架中單個車輛控制的一個關鍵組件，它是一種基于行為的控制架構，使用模塊化仲裁技術生成動作，從而實現執行器控制。此外，還通過使用容器對世界模型進行分隔，以盡量減少通信開銷并簡化狀態信息。該平臺的設計采用了多態方法，以實現模塊化和魯棒性，從而促進未來的發展。

1997-2000 年間擔任北約盟軍最高司令的韋斯利-克拉克將軍提出了冷戰 2.0 理論，其前提是舊的斗爭從未結束，美國仍在全球沖突中爭奪世界格局，而這場沖突至今仍在繼續。克拉克將軍解釋說，最近在敘利亞、利比亞、也門、烏克蘭發生的沖突，以及與中國和俄羅斯的競爭，都表明安全環境存在不確定性。這一關于未來大國競爭的全球冷戰 2.0 理論建立了一個描述未來運作環境的框架。

冷戰 2.0 框架或基本假設將突出未來接觸層內的沖突--重點是代理戰爭、小規模戰爭、灰色地帶沖突和沖突前的競爭。如果克拉克將軍的理論被證明是準確的，那么美軍將很有可能維持目前的兵力比例現狀，并需要對目前保持的兵力結構進行創新和調整。《國防戰略》（NDS）將美國面臨的主要戰略挑戰描述為 "大國競爭的再次出現以及美國軍隊利用技術優勢的削弱"。 海軍陸戰隊作戰概念（MOC）也提出了類似的挑戰，即在整合新技術的二十一世紀方法中尋求更具殺傷力的部隊。人工智能（AI）領域的這些新技術正在塑造當今不斷發展的軍事能力。

冷戰 2.0 理論進一步指出了國際關系理論背后的 "穩定-不穩定悖論"，即兩個核國家不太可能直接開戰，但卻更有可能發生間接沖突或有限戰爭。然而，這一悖論依賴于一個關鍵假設，即兩國都不會因此而承擔相互確保摧毀的后果。由于未來作戰環境（FOE）仍不確定，軍事行動中心試圖為間接沖突中接觸層內的持續行動做好準備。實現未來作戰環境勝利理論的一個途徑是將資源集中在人工智能和機器學習上。聯合部隊內的機器學習將加快情報收集速度，并通過更快地分析信息、加強情報收集和優化信息操作，將深入學習分析與致命和非致命目標定位過程聯系起來，從而在接觸層內提供競爭優勢。人的決策仍將存在，但知情的機器預測可以實現更快、更高效的決策。

隨著新技術和新能力的出現，現代戰場的復雜性不斷增加，美國軍方必須探索新的方法，以保持對目前正在利用人工智能的步步緊逼的威脅的優勢。同樣，機器學習作為人工智能的一種形式，可以比現有方法更快地快速利用和分析海量信息。信息獲取渠道的不斷增加使人們能夠比以往任何時候看到更多信息、分享更多信息并以更快的速度組織信息，從而使安全環境趨于飽和。大量信息共享的細微差別使國家和非國家行為者得以推進其目標并影響全球受眾，從而削弱了美國在全球的優勢地位。

為了保持競爭優勢并及時做出決策，指揮官必須擁有在任何情況下監測和應對所有領域威脅的工具。信息作為一種新的作戰功能，致力于利用信息作為國家力量的工具；此外，人工智能等信息技術的不斷進步已經并將對未來戰場產生重大影響。隨著研究和開發的發展，必須從各個方面考慮人工智能武器化的問題。考慮到在未來二十年內，人們將開發出比現在的計算機能力更強的計算機，能夠分析海量信息，提出預測性建議，并通過觀察與任務相關的結果不斷發展和學習。機器學習的進一步發展將使這一切成為可能。

目前和即將出臺的美國軍事概念強調，需要整合和同步所有領域的效果，以實現跨領域的協同作用。本論文研究了三個案例，以確定軍隊在同行競爭者之間的大規模戰斗中同步使用空中力量和陸地力量的有效性和手段。由于美國和英國在第二次世界大戰和 "沙漠風暴 "中的經驗已經在美國學術界得到了很好的研究，研究的重點是第二次世界大戰期間的德國和蘇聯，以及1973年阿以戰爭中的以色列國防軍。對于每個案例研究，作者都介紹了支撐所研究軍隊行為的作戰條令、戰役背景、關于整體有效性的結論，以及對所使用的指揮和控制機制的深入討論。最后一章提出了美國在為多域或全域作戰開發系統和觀念時應考慮的六個明顯的教訓。

結論與建議

在分析了這些歷史上有爭議的環境中用于整合空中力量和陸地力量的結構和方法后，不同的例子之間的相似程度是驚人的。雖然每個系統都有長處和短處--有些比其他系統更重要--但它們都在幾個基本概念下運作。在很大程度上，這些原則在現存的美國聯合部隊系統中也很普遍。美國軍隊應該從這項研究中得出的結論是漸進式的變化，更多的是采用更有利于大規模作戰行動和MDO的思維方式。在歷史先例中，有六條與空中力量和陸地力量整合有關的基本原則是可以確認的：

(1) 信任是任何C2系統的先決條件；

(2) 對共同作戰目標的理解對信任至關重要；

(3) 作戰和戰術C2結構是成功整合的根源；

(4) 在大規模作戰中，空中力量應被視為機動部隊；

(5) 空中力量和陸地力量是相互促進和相互支持的；

（6）有爭議的空中環境需要良好整合的跨領域戰術推進器（護航、SEAD等）來執行反陸地或任何其他任務。

雖然本論文從空地角度提出了這些原則，但它們似乎適用于整合所有領域。為了便于閱讀和確保理解，下面的表十列出了這些原則

克里斯-福塞爾（斯坦利-麥克里斯特爾在領導聯合特種作戰司令部期間的親密助手之一）強調，有四個關鍵因素促使一個大型組織能夠以小團隊的速度和效率運作：信任、共同目標、對形勢的共同理解以及授權執行。福塞爾的因素與上述原則清單之間有許多相似之處，這一事實支持了它們的有效性。有很多 當前美國的理論在很多方面促進了這些原則。但是，由于21世紀的行動，許多軍官的心態并不總是遵循歷史所建議的戒律或聯合學說所規定的意圖。因此，美國陸軍在空地一體化方面最大的發展重點是培訓、領導力和教育。在深入研究這些原則之前，有必要對這些原則所要實現的目標進行簡短的討論。

美國陸軍和美國空軍都認識到當代和未來作戰環境的日益復雜性。美國陸軍解決這一問題的核心理念是MDO（在訓練與理論司令部小冊子525-3-1《2028年多域作戰中的美國陸軍》中討論）。美國空軍的中心思想是作戰敏捷性（在其2015年9月的未來作戰概念中提出）。在這兩種情況下，各種信條和層面都描述了美國空軍在沖突期間實現戰略目標的手段：在所有領域向對手提出多種困境，共同努力匯聚到作戰目標上，從而取得戰略勝利。為了實現這一總體概念，各領域之間的有效整合是至關重要的。

行動整合應該通過根據歷史經驗開發的系統來實現，在這些歷史經驗中，空中和陸地機動在有爭議的環境中被有效整合。有效的整合是一個系統，在這個系統中，每個領域的部隊都有最大的行動自由，可以行使主動權，從而在特定的環境中建立最快速的節奏。在明確的聯合目標指導下，通過相互支持和扶持的領域部隊在每個領域創造的快速節奏，大大增加了美國聯合部隊的成功幾率。關于這一概念的說明，請參見下面的圖26。

為了便于討論，下面的表8列出了每項原則以及作者認為美國司法部應該調查改進的領域。如前所述，這些需要改進的領域大多不涉及條令、組織或材料等。相反，它們主要集中在心態和觀念上，這些問題主要應通過培訓、領導和教育來解決。這些概念建立在一個核心思想上，即在每個領域運作的人都相互信任，為一個共同的目標而努力。

為什么軍事效力難以捉摸，甚至對擁有大量物質、制度或技術資源的國家來說也是如此？這個問題的答案對于軍事效力、國防和國家安全政策以及國際關系的學者和實踐者來說非常重要。長期以來，學者們利用系統和國家層面的變量來解釋為什么一些軍隊比其他軍隊更有效。因此，實踐者們制定的政策很少從預算、技術和外交政策措施以外的角度來加強軍隊的有效性。然而，盡管有這些解釋并在決策中使用，答案仍然不完全清楚。

本論文旨在通過跳出系統和國家層面來解釋軍事效力，使這個問題更加清晰。依靠組織文化理論，作者認為發展正確的組織文化的軍隊將獲得最高水平的軍事效力，并在其他情況下獲得軍事力量。為了確定軍隊的組織文化，作者分析了軍隊如何發展自己的作戰行動信念，以及這些信念如何形成特定類型的組織文化。然后，通過關注指揮和控制，作者分析了不同的組織文化是如何在二十世紀具有里程碑意義的常規陸戰中影響軍事效和軍事力量的。

為了檢驗論點，作者依靠一個使用多種研究技術的定性研究設計。首先，利用檔案研究，通過官方文件探索不同軍隊的信念。第二，對福克蘭群島戰爭的前戰斗人員進行了半結構化訪談，這些訪談是根據理論框架設計的。第三，進行了二手資料研究，以便在檔案研究不可行的情況下揭示軍隊的信念。利用這種研究設計，作者表明組織文化論點對所研究的戰役中所表現出的軍事效力和軍事力量提供了比其他現有理論更一致的解釋。

為了使多域作戰的概念取得成功，聯合部隊之間需要有一種共同的語言，而且這一概念決不能以犧牲在現有領域的機動性或通過創造一個新的領域來放棄單一領域的主導地位。并非所有的問題都需要一個僵化的理論來克服，多領域作戰需要模糊性，以最大限度地發揮其潛力。如果不這樣做，就有可能使概念僵化，使概念的效用受挫。

在美國陸軍和聯合部隊中，最近出現了實施多域解決方案以克服新出現的戰略和戰術挑戰的勢頭。應對這些挑戰的首要機制是制定理論，讓各部門承認并提供跨領域的效果以支持彼此。迄今為止，這一努力遇到了挑戰，因為聯合部隊有定義方面的挑戰，并且最終必須默許在零和資源環境中以犧牲自己的能力為代價來發展支持其他部門的能力。這項任務在最好的情況下是具有挑戰性的，在最壞的情況下是無法實現的。此外，產生一個解決方案本質上增加了與執行有關的復雜性。然而，重大的理論改革是沒有必要的，多領域合作的有利影響最好通過內在的模糊性來體現。

為多域作戰提供一個激烈的理論解決方案既無法實現，也沒有必要。允許思想上的模糊性提供了機會，使各部門能夠保持主要領域的主導地位，這對于多領域合作和跨領域的成功來說是必要的。它還允許制定與特定情況相關的解決方案，利用創造力，而沒有在零和資源環境中進行資源競爭的風險。各部門之間的同步性可以通過更加集中和一致的語言來克服，并通過使用現有的基礎設施來實施變革而不產生重大動蕩，使美國的軍事優勢保持不變，并能夠確保美國持續的全球力量投射。

新技術的影響和未來戰斗空間速度的提高，可能會使指揮和控制職能過度集中在政治或戰略層面，而忽略了合格參謀人員的咨詢意義。因此，政治/戰略領導人可能會發現追求先發制人和預防性戰爭作為一種戰略，以獲得對敵人的不對稱優勢。

隨著時間的推移，技術革新在戰爭中發揮了重要作用，并在許多領域逐步取代了人類的功能。在第一次世界大戰（WWI）和第二次世界大戰（WWII）之間的戰時時期，戰爭被理論化為更遠的距離，更快的執行，并通過越來越復雜的機器。目前的軍事能力是一個演變趨勢的結果，其中技術和信息發揮著核心作用。新技術的影響和未來戰斗空間速度的提高可能會使指揮和控制功能在政治或戰略層面過度集中。這一因素是下一屆政治/戰略領導層的道德困境的基礎。

在濫用自動化和盲目限制自動化之間平衡決策過程的能力將是在自主系統的作戰環境中發展有效的指揮和控制功能的一個關鍵方面。

未來的指揮與控制

在戰時，一些領域的實驗旨在確定贏得戰爭的最有效平臺。即使戰術層面上所有可用手段的整合創造了真正的不對稱優勢，每個平臺的 "倡導者 "都在這個層面上提出了自己的觀點，以獲得戰略家的關注，并最終在戰爭的馬賽克中帶來了另一塊。

空中力量理論家認為，飛機本身是下一次沖突中的游戲規則改變者，在這個層面上，其他 "傳統 "的戰斗方式將被掩蓋。其中，朱利奧-杜埃特認為，在戰爭時期，不再有戰斗人員和平民的區別。因為戰爭是國家之間的全面對抗，平民成為合法的目標，戰略上的成功只能來自于飛機和從空中進行的大規模轟炸。此外，杜赫特相信，由于勝利只能通過打擊敵人的士氣來實現，所以每一種解決方案都是可以接受的成功手段，包括用毒氣毒害平民。最后，關鍵是要剝奪敵人建立空軍的能力，否則就必須反復運用資源來擊敗敵人的空中艦隊。

歷史已經清楚地表明，這種絕對主義的設想是不準確的。空中力量本身并不是改變游戲規則的因素，然而它卻有助于在所有級別的戰爭中與其他平臺的結合創造出不對稱的優勢。也許，當飛機與核彈相結合時，人類進入了一個新的戰爭時代，證實了這樣一個假設：整合/結合現有的手段是在戰場上和其他地方取得成功的途徑。

隨著迅速接近一個日益自動化的世界，一些作者指出，一個革命性的突破正在戰爭的門口，它將以這樣一種方式改變戰爭，"甚至可能挑戰戰爭本身的本質"。自主革命的倡導者和懷疑者之間的對立是公開的，就像在杜赫特時期一樣。一方是主張者，他們相信在自動化方面的優勢競賽將最終導致一場徹底的沒有人類的戰爭。保羅-夏爾在他的《無主之軍》中設想了發達的人工智能和自主機器之間的結合，能夠在不與士兵、水手、空軍等進行任何互動的情況下計劃和執行軍事行動。另一方面，一大批理論家認為，自動化將永遠不會取代戰爭的人性。如果歷史告訴我們什么，先進自動化的支持者將帶來戰爭馬賽克中的一塊，把是否和如何依賴自動化系統的兩難問題留在下一代領導人的手中。

圖6：自主武器和自主戰爭之間的平行關系

自主系統與自主戰爭

由自主系統進行的自主戰爭的想法引起了人們對生存性質的嚴重關切，然而，大國之間的競爭正促使人們在獲取人工智能和人工智能集成系統方面進行競爭。中國的目標是利用人工智能來開發大量的情報，生成一個共同的作戰圖，并加速戰場決策。俄羅斯繼續推行其國防現代化議程，目的是到2025年使其30%的軍事裝備實現機器人化，同時在發展蜂群能力方面追求不同平臺的整合。美國國防部對人工智能采取了更為保守的做法。美國 "2018年國防部人工智能戰略摘要 "指示以人為本的方式使用人工智能，特別是在關鍵任務領域加強軍事決策和操作，提高態勢感知和決策，提高操作設備的安全性，實施預測性維護和供應，并簡化業務流程。此外，該戰略還指出 "將優先部署人工智能系統，通過卸載繁瑣的認知或物理任務和引入新的工作方式來增強人員的能力"。將所有這些方法放在一起，其趨勢是：

• 信息收集和態勢感知的自動化；
• 加強戰場的機器人化和平臺的整合；
• 增強的決策過程，以保持機器的執行速度。

戰術及戰略影響

要想在戰場上有效地部署通用人工智能，并將人類 "排除在外"，自主地解決戰爭中的每一個問題，可能還有很長的路要走。 目前的能力可以在特定領域操作，并在某種程度上超過人類操作員。然而，技術的發展使得自主系統能夠在人類的監督下進行自我協調（人類在環路上），并對特定的威脅進行群攻，正如美國海軍用機器人代理指揮和感知的控制架構所展示的那樣。

在戰術層面，自主能力給能夠部署它們的人帶來明顯的優勢。在2016年的一段視頻中，俄羅斯發明家Semenov Dahir Kurmanbievich演示了自主武器如何輕松地摧毀對手的常規部隊，或對政府高級領導人采取具有戰略意義的行動，出奇制勝。 自主武器在戰斗中的主要特點是低簽名、低能見度、低成本、沒有人類的直接參與、高精度、耐用、戰術智能體之間的相互聯系、自我構建和適應性。總而言之，在戰術層面，有可能設想出一種相互連接的平臺織錦，可以用較少的人力和經濟成本提供相同或更大的火力。作為一個例子，美國海軍陸戰隊正在開發機器人戰球，以支持兩棲作戰中最危險的階段，即從船到岸的運動。這些自主系統為部隊更安全地登陸創造了條件，通過蜂擁而上和沖擊岸上的敵人防御結構。這種攻擊只能用快速運作的系統來防御，這些系統具有自主性和智能性，為自動化提供了騎乘的條件。

特定領域的人工智能將改變沖突，就像以前的軍事能力轉型一樣，它有可能對戰略平衡產生深刻的破壞。在戰略層面上，人工智能扮演著兩種不同的角色。一方面，關于性能最強的人工智能的競爭已經在重新設計全球范圍內的力量平衡。俄羅斯總統弗拉基米爾-普京表示，"誰在人工智能領域領先，誰就能統治世界"，但也表示 "對人工智能優勢的競爭很可能會引起第三次世界大戰"。 美國國家安全戰略也認識到人工智能的戰略影響，呼吁私營部門在那些能夠影響國家安全挑戰的情況下共同承擔責任。 戰略層面的框架是通過自動化迅速實現對競爭對手的不對稱優勢，事實上，美國上一個國防戰略的目標之一是 "廣泛投資于自主性、人工智能和機器學習的軍事應用，包括快速應用商業突破，以獲得競爭性軍事優勢"。

人工智能和自主系統的關鍵應用是增強預測模式的能力，將潛在的威脅可視化，正如DARPA的知識導向的人工智能推理模式（KAIROS），并比以往更快地制定行動方案，如人工智能在戰爭游戲中的應用，可以比人類同行更快地完成回合，并同時處理每一個可能的動作，提供以前未見的建議。 英國將軍理查德-巴倫斯說："開源大數據和人工智能將成為情報系統的核心；商業低地球軌道立方體衛星將提供以前由昂貴的地球靜止軍事衛星完成的大部分圖像--以更方便和低成本的方式；陸地、海上和空中的無人駕駛車輛將取代現在處于危險中的一些人類"。該聲明反映了一種趨勢，即關注安全結構，但也關注私營部門，作為一個系統而不是獨立機構的集合來運作，這是一種整體政府的做法，也是整體工業的做法，但從本質上講，解決決策過程集中于少數決策者的問題。

決策過程的未來可能會看到自主技術的引入對觀察（O）、定位（O）和行動（A）階段產生重大影響，并使決定（D）階段進一步集中化。

自主性的危險

武裝沖突的自動化提供了如此明顯的機會，代表了下一個不對稱的優勢。從更廣泛的角度來看，自主系統據稱是解決不確定性、在有爭議的環境中的力量投射和（人類）力量的經濟性問題。然而，從指揮和控制的角度來看，人類和自主系統之間的關系是一個沒有被徹底探索的領域。

無風險的戰爭。克里斯-科克爾指出，政治領導人可能 "對精確、無風險的戰爭的想法如此陶醉，以至于我們相信我們想相信的東西"。傳統的工作人員評估軍事干預的風險受到不完美信息的偏見影響。模塊化的人工智能可能會在不久的將來幫助分析和評估風險，并減少錯誤的比例。這種技術在醫學領域已經有了，它被認為是世界上最好的診斷儀。 從政治的角度來看，一個所謂的無風險的行動，其國內受眾成本降低，使干預的決定更容易。

時間和信息（不受）控制。美國海軍陸戰隊將軍詹姆斯-卡特賴特在2007年預言："未來的決策周期不會是幾分鐘......未來的決策周期將是微秒級"。在不久的將來，對于每一個擁有這種能力的人來說，交戰將可能是以光速進行的。未來的指揮和控制架構將看到地面和天基傳感器、無人駕駛戰斗飛行器（UCAV）和導彈防御技術的結合，并得到定向能量武器的增強。此外，決策過程（以人為本）將受到基于信息的系統激增所產生的數據過載的影響。鑒于有能力以更快的速度和更小的代理進行交戰，防御者將無法觀察活動，確定自己的方向，決定如何回應，并根據該決定采取行動。攻擊者將把自己置于防御者的OODA循環之內，使對手進行積極防御的能力失效。迄今為止為軍事決策過程提供信息的行動-反應-反擊的循環將變得太快、太不可預測，無法以傳統方式管理。從戰略和行動的角度來看，決策的集中化將是處理 "肉搏戰 "及其所需的反應性、可用時間短、信息分散的最理想方式。

對自主智能體的過度依賴。自主代理，可以更好地應對大量的信息，而且不容易受到認知偏差的影響。此外，自主智能體不受疲勞等物理因素的影響，也不受采用人類啟發式方法在數據中建立可能沒有必要的聯系。 在戰略層面上，那些由能夠提供建議的人工智能協助的決策者，可能會認為自動系統的功能是一個 "神諭"，它將取代合格工作人員的咨詢功能。關鍵的含義是加強了與決策過程有關的兩個心理方面。一方面，神諭增強了決策者的代理感，即使沒有直接的戰爭經驗。另一方面，它將取代關鍵決策所需要的努力的心理活動，減少有經驗的工作人員的相關性，而支持基于計算機的建議的速度。

先發制人的攻擊風險。一場半自主的戰爭將以系統的整合、信息的主導、幾乎無風險的暗示和放大的對峙為特征。一個模塊化的人工智能可以被編程來處理全方位的戰略問題。不難設想一種升級主導的趨勢，目的是將時間強加給對手，迫使其投降。所有這些都會極大地破壞穩定，并可能鼓勵先發制人的攻擊，以及促使非對稱戰爭的發展。 高強度行動、網絡空間以及使用速度超過光速的導彈和無人駕駛車輛所隱含的瞬時決策已經導致了對 "超戰爭 "的警告。克勞塞維茨正確地指出，最大限度地使用武力與同時使用智力決不是不相容的。如果一方不加計算地使用武力，不畏流血犧牲，而另一方則保持克制，那么前者將占上風，一方將迫使另一方效仿，每一方都會將其對手推向極端，而唯一的限制因素是戰爭中固有的反方法。

這篇文章重點討論了戰時法原則在指導自主武器系統使用方面的必要性。在分析之初，先說明必要性原則包含正義戰爭理論中的最低限度的武力要求，然后強調現有的關于自主武器系統的工作中缺乏這一原則。忽視這一原則意味著忽視了戰斗人員在戰爭時期對彼此的義務。本文認為，最低限度的武力要求是考慮道德使用武力的一個重要條件。特別是，區分了使用武力的致命性和非致命性目的，并介紹了非致命性AWS的前景，然后回顧了AWS在非致命性使用方面所帶來的一些挑戰。這些挑戰出現在AWS產生不可預測的結果，影響了戰斗人員為確保其行動符合最低武力要求所需的態勢感知。最后，呼吁進一步研究AWS的非致命性使用的倫理影響，作為對評估AWS的道德可允許性的必要貢獻。

戰略家們注意到，自冷戰結束以來，戰爭發生了重大變化。他們提出了一些概念和理論，以說明戰爭實踐在很大程度上已經偏離了克勞塞維茨對戰爭的理解以及身體暴力在戰爭中的中心地位。新興的沖突模式較少關注武力的工具性使用以實現政治目標，而更多地集中在觀念管理、敘事、不對稱性或不規則沖突、規范的對抗性使用以及武力的隱蔽性和模糊性使用等概念。本文旨在系統地比較三種較新的戰爭或政治沖突理論，即第五代戰爭（5GW）、混合戰爭（HW）和灰色地帶沖突。文章表明，盡管它們有相同的思想根源，但在它們對當代和不久的將來的沖突的性質的建議方面也是不同的。它們中的每一個都可以豐富我們對當代戰爭的理解，這將是掌握這些新的沖突模式的關鍵，而不是（戰場常規）戰爭。

當代沖突的三種理論都有相同的思想根源，它們有一些共同點，比如認為在未來的沖突中，軍隊的作用和武力的使用會很小，平民和民用工具的作用會更明顯。他們還假設沖突將同時發生在多個領域，戰場可以是字面上的任何地方。然后，也有顯著的差異。

第五代戰爭是一種操縱受害者的認知和身份的沖突模式，以至于受害者甚至可能不明白交戰方已經征服了他們。敵方可以通過尋求對人類地形的控制，包括公眾認知、意識形態和敘事，來擊敗5GW戰役。混合戰爭是國家和非國家行為者使用的一種戰略，它通過結合正規和非正規戰術以及各種軍事和非軍事手段，尋求最大限度地提高武力的有效性。敵方可以通過組織上的調整和整個政府的方式來對抗HW的混合威脅。相比之下，GZC是大國參與長期運動的戰略，旨在削弱通常更強大的對手，同時有意避免軍事反應。這里的解決方案是設定紅線，加強威懾，并在戰爭門檻以下制定有效的應對方案。

混合戰爭和GZC比5GW更以國家為中心。雖然在HW中通常會有可觀察到的（不規則）軍事沖突，但在5GW或GZC中不存在公開的沖突狀態。與GZC不同的是，在GZC中，潛在交戰方的范圍很小，競爭也相對明確，而5GW在經驗上是最難識別和研究的，因為它非常強調欺騙和隱蔽性，以及潛在的未知的個人和小團體網絡可能以無法識別為威脅的方式攻擊強大的國家和社會。

所有這些關于戰爭與和平之間的沖突的理論都有其缺陷，正如其許多批評者所指出的。同時，這些理論處理的是真實的、在某種程度上也是新的現象，這些現象是我們這個不確定時代的戰略競爭和沖突的特征。因此，宣稱這些理論缺乏新意，以便人們可以堅持19世紀歐洲制定的戰爭觀，是沒有用的。只有通過智力實驗和仔細觀察，我們對戰爭和沖突的理解才會有足夠的進步，才能更接近無限復雜的現實。

人工智能有望徹底改變預測、理解和管理國際危機的方式。具體來說，人工智能系統可以在危機時期為外交官和決策者提供幫助，幫助他們了解正在發生的事情（描述性分析），繪制危機演變的可能趨勢或模式（預測性分析），以及評估應對策略的有效性（規定性分析）。然而，人們不太了解的是，這些模型如何在實踐中發揮作用，以及人工智能模型需要滿足哪些條件才能產生效果。該研究以俄羅斯在烏克蘭的侵略戰爭所產生的國際危機為例，提出了一個將人工智能應用于危機管理的框架，并討論了將人工智能納入外交決策的機會和挑戰。

引言

"人工智能"（AI）一詞最早是由美國計算機科學家約翰-麥卡錫在1956年提出的，他將AI定義為 "制造智能機器，特別是智能計算機程序的科學和工程"（麥卡錫，2011）。雖然在過去的幾十年里，對人工智能的探索經歷了多個 "希望和絕望的季節"（Bostrom，2014年，第6-11頁），但越來越多的人認為現階段的人工智能發展有了質的變化。由于復雜的機器和深度學習算法的快速發展，人工智能應用現在已經達到了無需明確編程就能使用統計模型和類似神經網絡自行學習的程度（Collins, 2021）。因此，人工智能的破壞可能會對危機管理產生強烈的影響，特別是因為數字平臺已經成為協助決策者在數字時代管理危機的關鍵工具。它們已經幫助大使館和外交部實時了解事件的性質和嚴重性，簡化決策過程，管理公眾的期望，并促進危機終止（Bjola & Coplen, 2022）。同時，需要非常謹慎地使用它們，因為事實的不準確、協調的差距、不匹配的披露水平和不良的信號做法很容易破壞危機管理的數字努力（Bjola, 2017）。

正如其他地方詳細討論的那樣，人工智能系統可以在危機時期幫助外交官，幫助他們了解正在發生的事情（描述性分析），確定危機演變的可能軌跡（預測性分析），并規定可能的應對策略（規定性分析）。人工智能已經被譽為預測地緣政治事件（Morstatter等人，2019年）、預測暴力事件的爆發并探究其原因（Guo等人，2018年）或改善有關在復雜社會環境中使用強制和非強制策略的戰略情報評估的可能解決方案（Frank，2017年）。人工智能的主要挑戰是要做出的決定的半結構化性質。鑒于危機決策的高度不確定性，以及一旦出錯不可避免的審查和問責要求，人工智能的整合只有在人類對該過程保持一定程度的控制時才能發揮作用。正如SIPRI的一項研究指出的那樣，當人工智能系統面臨的任務或環境與它們接受的訓練略有不同時，可能會出現驚人的失敗。人工智能算法也是不透明的，這往往使人類難以解釋它們是如何工作的，以及它們是否掩蓋了可能導致有問題--如果不是危險--行為的內在偏見（Boulanin，2019）。

在這些文獻的基礎上，本文試圖通過對外交官在危機時期面臨的挑戰進行理論分析，并開發一個原型模型，以了解如何實時監測、分析和應對正在發生的危機，從而推動關于人工智能可以為危機時期的外交決策產生機會的辯論。為此，本文將首先解釋決策者在危機時期面臨的不確定性挑戰，然后介紹可能有助于解決上述挑戰的人工智能原型模型，最后對該模型的優勢和局限性進行簡短討論。

人工智能建模與危機管理

本文提出的論點是，人工智能可以幫助外交部應對 "戰爭迷霧"，通過調整在危機時期有助于減少或增加不確定性的因素的影響。借鑒數據分析中用于區分描述性、預測性和規定性模型的類型學（Lepenioti等人，2020），本文提出了將人工智能納入危機決策的概念模型，該模型基于圖1所示的三個部分。

圖 1：數據分析：描述性 - 預測性 - 規范性模型

第一個組成部分，即描述性分析，涉及到背景映射和相關信息的提取，可以提供問題性質的準確描述。這一部分所要回答的關鍵問題是正在發生什么？在危機的背景下，MFA對檢測可能表明管理危機的潛在挑戰或機會的模式感興趣。回顧烏克蘭戰爭的案例，多邊金融機構可能會問的問題是，參與沖突的各方及其主要支持者的立場是如何實時演變的？他們優先考慮哪些方面？這些立場的一致或分歧程度如何？第二部分，預測性分析，是指通過測試和驗證對問題的性質和原因的某些假設，預測可能的行動方案及其可能的影響（會發生什么？） 鑒于情況的變化，參與危機的各方的立場可能如何演變？X國是否可能支持歐盟對俄羅斯石油和天然氣的禁令？如果是這樣，在什么條件下？最后一個部分，即規范性分析，鼓勵決策者整合在前幾個步驟中收集到的信息，并利用結果來確定要采取的最佳行動方案（應該做什么？） 行動方案A與行動方案B會對外交部與其他國家的關系產生什么影響？X國應否在國際上帶頭努力，以解除俄羅斯對烏克蘭在黑海的糧食的封鎖？這樣的決定可能會影響歐盟或北約成員之間的外交團結？

當然，所有這三個部分都可以在沒有人工智能的協助下進行處理。事實上，多邊金融機構應該能夠在危機時期進行這樣的分析，而且他們已經利用內部和委托的專家定期這樣做。據推測，人工智能所能增加的是實時洞察力，以及對各方相互交換的信號的實質和可信度的更準確評估。人工智能可能無法完全化解 "戰爭迷霧"，但它們可能能夠為在危機時期用于決策的信息的價值提供足夠或可操作的信心。要做到這一點，人工智能模型需要考慮到能夠模糊危機信號的因素，并盡可能地減少它們所引起的不確定性水平。如圖2所示，人工智能模型始于外交部及其使館網絡從靜態（如宏觀經濟指標、社會人口數據）和動態來源（如社交媒體信息、官方聲明、報紙報道）收集的數據匯總過程。然后，如此產生的數據集將被分成兩個子集（通常70%為訓練，30%為測試），用于訓練和測試用人工智能算法創建的模型。在運行和微調競爭性的話題、社交網絡和參與度分析模型后，將選擇一個最佳的人工智能模型來提供洞察力以協助決策。該模型應該能夠指出一組主題、影響者網絡以及能夠最有效地捕捉沖突中相關行為者所傳達的信號的參與形式。該框架還可以包括評估整合來自合作國家或國際組織的其他人工智能模型（圖中標有*）的可行性，以努力進一步減少 "戰爭迷霧 "引起的不確定性。然后，從數據分析中獲得的洞察力可以轉化為一個行動計劃，為官方對危機的反應和政策回應提供參考。這個過程繼續進行，新一輪的數據收集直接反饋到數據分析中，使決策者能夠在危機中實時追蹤和應對新的發展。

圖 2：基于人工智能的危機管理模型

雖然圖2中的模型同樣適用于上面討論的三個分析組件中的任何一個，但應該注意的是，人工智能建模的復雜性以及延伸到危機決策的分析價值在描述性、預測性和規定性格式之間有很大的差異。主要區別在于為每個部分的機器學習（ML）技術提供動力所需的數據質量，以及這些技術的復雜程度。追蹤和分析危機演變所需的數據更容易獲得，可以使用相對傳統的ML算法進行處理。之所以如此，是因為描述性分析依賴于已經作出的決定和已經實施的行動。一旦人工智能系統被要求預測可能的行動路線并評估應對策略的可行性，情況可以說變得更加復雜，因為產生這種反應所需的信息是基于尚未作出的決定和尚未實施的行動。因此，關于人工智能在危機管理中的應用的討論必須密切關注描述性、預測性和規定性的順序，以便在每種情況下開發的知識可以適當地告知其他情況下的人工智能解決方案的開發。出于這個原因，以下部分將重點了解人工智能在第一部分（描述性分析）的應用條件，希望從這個階段學到的經驗可以隨后應用和擴展到開發人工智能解決方案，以支持危機管理的預測性和規定性分析。