2021年4月13-15日，北約系統分析研究-151（SAS-151）工作組在陸基場景中基于兵棋推演了中間部隊能力（IFC）。IFC為任務規劃者和作戰者提供了在政治不順利的情況下，在無所作為和使用致命武力之間的響應能力。雖然IFC在概念上類似于非致命性武器（NLW），但它們實際上是在更廣泛的戰略和理論背景下進行的。它們旨在實現有效的升級/降級控制，并在戰術/戰役層面產生最大的影響。

這次推演特別重要，它是SAS-151用來評估IFC對影響任務成功的一系列推演中的第二次。第一次推演涉及北約海軍特遣部隊在一個封閉和有爭議的水道中受到的威脅，并模擬了IFC在海上特遣部隊行動中的使用。本次兵棋推演以海上兵棋推演的成功為基礎，探討中間部隊能力是否可以促進北約特遣部隊指揮官在陸基情景中應對復雜混合威脅的能力。

陸基兵棋推演場景

兵棋推演所使用的場景被設定為北約特遣部隊位于一個負責培訓安全部隊的東道國。四支隊伍（紅色紫色 Vs 藍色綠色盟友）在戰術層面進行兵棋推演。所考慮的戰術情況是藍（北約）/綠（東道國）聯合護行車隊的行動，涉及到敵對叛亂部隊在一個集市上的秘密伏擊，以及當地部隊阻止市民進出綠/藍聯合基地（見圖1）。

圖1.部隊、基地和集市的初始地理分布情況

在這個場景中，紅軍和紫軍使用了各種非常有能力的欺騙和秘密/灰色地帶戰術來阻礙和破壞北約特遣部隊的直升機、基地和車隊行動。這些能力和戰術使叛亂武裝具有明顯的優勢，被用于挑戰北約特遣部隊指揮官的決策。

兵棋推演還考慮了反人員（有目標的個人和人群）和反物資（主要是反無人機系統（c-UAS）和射頻（RF）車輛攔截器）的能力，評估了它們對實現戰術目標的能力影響，同時不影響作戰和戰略目標。

兵棋的執行

4月13-15日的兵棋最初是作為桌面兵棋進行的。然而，由于各國政府為應對冠狀病毒-19（COVID-19）而實施的旅行限制，決定使用WebexTM視頻和GoogleTM文檔/幻燈片（GoogleTM文檔用于團隊文本聊天，GoogleTM幻燈片用于地圖和游戲，并使用演講者筆記捕捉玩家的動作）的組合來設計和執行虛擬在線兵棋。利用這種虛擬環境，在4月13-15日期間進行了兩次陸上兵棋推演，并考慮了兩種IFC能力選項：選項A基準（無IFC）和選項B近未來IFC（預計未來五年的技術）。

第一場兵棋推演以方案A為基準，北約特遣部隊沒有任何IFC，只有一些傳統的NLW，如CS氣體（催淚瓦斯）和FN-303低致命性壓縮空氣防暴槍。

這些系統包括：主動拒絕系統（ADS）；射頻車輛攔截器；手持式和安裝式無人機系統；增強型通用遙控武器（CROW）站（包括：激光炫目器、聲學呼救裝置和亮白燈）；以及安裝式遠程聲學裝置（LRAD）。 這些IFC能力不僅可以用來騷擾和警告，還可以在對峙距離內攔截和削弱潛在的威脅。預計這將使北約部隊有更多的選擇來控制（升級/降級）局勢并控制戰略主動權。

關鍵觀察結果

總體而言，與海上兵棋推演一致，在使用和不使用 IFC 時，博弈動態存在明顯差異。兵棋推演系列的結果表明，IFC對戰術層面的游戲以及戰略層面的結果都有影響。在兵棋推演期間進行觀察的具體領域包括：升級控制；戰術決策的時間和空間；系統移動性；傳統的 NLW；獲得戰略主動權。

• 升級控制和緩解：在沒有IFC的情況下，紅軍通常能夠對藍軍/綠軍車隊施加壓力，紫軍能夠影響基地的事件。對態勢惡化升級的控制使紅軍/紫軍能夠設定條件，決定是否、何時以及在何處使用武力。

然而，有了IFC，藍軍有能力挑戰紅軍和紫軍造成的戰術困境（即，什么都不做或使用致命武力）。藍軍能夠校準其武力的使用，從而能夠控制事件的升級/降級。

• 戰術決策的時間和空間：在戰術層面上擁有IFC最重要的好處之一是能夠增加北約特遣部隊指揮官在面臨戰術困境時的決策時間和空間。如果沒有IFC，友軍就只能什么都不做，或者用致命武力來應對敵對行動。

有了更多的決策時間和空間，戰術指揮官就有了關鍵的決策時間和空間來選擇行動方案，以減少附帶損害和平民傷亡。IFC還創造了一種情況，即藍方可以壓制（通常用激光炫目器）紅方的行動，和/或隔離并識別紅方目標，以便進一步進行致命的交戰。

• 系統機動性：從兵棋推演中觀察到的一個具體問題是近期IFC的尺寸/重量，因為它們與機動性有關。如果IFC系統（特別是ADS和c-UAS系統）能夠小型化并安裝在車輛和/或甚至直升機上，它將提高車隊的作戰效率（即使以系統的航程為代價）。

移動和分布式的IFC系統，如ADS（游戲中最通用和最有效的IFC系統），可以消除在幾次藍軍-紅軍交戰中使用致命武力的需要。消除或減少使用致命武力的需要可以減輕武力升級和平民傷亡事件，這兩種情況對特遣部隊在游戲中的努力非常不利。

• 遺留的無法律約束力武器難題：據觀察，遺留的無法律約束力武器和低致命性武器（如CS氣體）在兵棋推演中表現不佳。除了有限的人群控制做法外，它們的使用對實現控制升級和減少使用武力的總體任務目標沒有什么幫助（CS氣體尤其如此）。

• IFC和戰略舉措：IFC的存在使北約和東道國部隊能夠壓制/削弱紅軍的行動，并在較小的即時/保守壓力下有選擇地使用武力。因此，對手在將無害的事件轉化為深刻和重要的信息戰方面不太成功。

IFC、加拿大武裝部隊和未來之路

綜上所述，北約部隊能夠在戰術層面上將主動權轉移到他們身上。IFC的存在為北約特遣部隊指揮官提供了更多的時間和空間來做出決策。有效使用IFC挑戰了對手的規劃，并減輕了武力事件的升級，特別是那些涉及附帶損害和平民傷亡的事件。

在這樣的環境中，對手（包括國家和非國家）將試圖利用戰爭與和平之間的作戰空間，并通過試圖將交戰保持在常規沖突的門檻以下來模糊軍事和非軍事行動之間的界限，在無所作為或使用致命武力之間有一類反應選擇是可取的。這一點更加重要，因為目前的應對方案在政治上可能不討人喜歡，使對手能夠掌握主動權并保持道德高地。

然而，正如SAS-151系列兵棋推演所顯示的那樣，發展使盟軍和聯軍（以及加拿大軍隊）能夠在沒有武裝對抗的情況下應對復雜的混合威脅的能力正變得越來越重要和必要。

展望未來，SAS-151系列兵棋推演的結果將被用來為北約IFC概念的發展提供信息，這是盟軍司令部轉型的一項優先概念發展活動。最重要的是，兵棋推演的結果將為未來的IFC兵棋迭代提供信息，其中已經計劃進行綜合建模和模擬，以幫助驗證IFC在復雜的多領域環境中的效果和概念。預計聯合作戰場景（已經開發）將被用于概念的完善和驗證，同時可以幫助驗證IFC在其他領域的有效性，如網絡和電子戰在多個領域。

Kyle D.Christensen是加拿大渥太華加拿大國防研究發展部作戰研究和分析中心（DRDC CORA）的戰略分析員，他目前為加拿大聯合行動司令部（CJOC）提供戰略分析建議。他以前的研究崗位包括葡萄牙里斯本的北約聯合分析和經驗教訓中心（JALLC）、加拿大渥太華加拿大聯合戰爭中心（CIWC）以及加拿大渥太華國防總部的海洋戰略局（DMS）。

這張照片被認為是公共領域，并已被批準發布。聯合非致命武器局（JNLWD）的主動拒絕系統（ADS）在進行反人員演示前被擺放好。圖片來源：Andrew Huff 來源：美國國防部聯合中級部隊能力辦公室（JIFCO），非致命性武器項目 //inlwp.defense.gov/Press-Room/Multimedia/Images/igphoto/2001730427/

這張照片被認為是公共領域的，并已被批準發布。長距離眼球干擾器（LROI）"激光炫目器 "在3000米的距離上提供警告效果，在2000米的距離上增加輻照度，以提供對目標的視覺壓制。圖片來源：Todd Getz 來源：美國國防部聯合中級部隊能力辦公室（JIFCO），非致命性武器項目

這張照片被認為是公共領域，已被批準發布。長距離眼球干擾器（LROI）"激光炫目器 "在3000米的距離上產生警告效果，在2000米的距離上增加輻照度，對目標進行視覺抑制。圖片來源：Todd Getz 來源：美國國防部聯合中級部隊能力辦公室（JIFCO），非致命性武器項目

這張照片被認為是公共領域，已被批準發布。聲呼裝置（AHD）將可理解的語音投射到更遠的距離。除了為警告或指導目的遠距離投射語音外，該裝置還能夠發射響亮的音調，以分散或阻止人員接近位置或船只。資料來源：美國國防部聯合中級部隊能力辦公室（JIFCO），非致命性武器計劃

本研究是北美航空航天防御司令部（NORAD）現代化及其預計負擔分擔的大型項目的一部分。現代化并不局限于目前的47個雷達站網絡和相關的通信網絡的現代化，它超越了硬件，通過使用最新的數字技術來處理指揮官可用的大量數據，為他們提供及時的全域態勢感知，以做出更快、更好的決定。

本報告集中在這個大項目的兩個方面。首先，它擴展了聯合產品的基本軍事聯盟理論，并將其應用于加拿大和美國的長期兩國聯盟NORAD。 其次，它將這些經濟利益--聯合產品模式的一個重要組成部分--與加拿大的實際工業聯系起來，這些工業被正式指定為加拿大國防的關鍵工業能力（KICs）。 北美防空司令部現代化項目的利益也可能產生其他私人利益，但鑒于目前該項目預計帶來的威懾利益，關鍵工業能力的利益在未來會加強該國的國防工業基礎。 需要進一步的實證研究來精確地量化這些聯系。特別是在前向聯系的情況下，預計軍民兩用技術將通過對北部沿海地區的安全利益以及對本土人口的發展利益，在該國北部產生直接和外部的巨大利益。

該研究由三部分組成。第一部分是對現有北美防空司令部組織的描述，該組織由47個雷達站和相關的通信和指揮控制（C2）結構組成。

在加拿大與美國簽訂的北美航空航天防務（NORAD）協議中，我們正處于一個歷史時刻，不斷變化的氣候、不斷發展的技術、地緣政治和地緣戰略威脅要求我們全面地重新審視我們在聯盟中的發展方向。然而，變化并不是沒有代價的，因為這些情況可能要求加拿大重新審視現有的防務政策，在采購新的預警、監視和防御能力方面承擔更多的負擔，這些能力是克服我們不足的必要條件。

自1958年成立以來，北美防空司令部的宗旨一直沒有改變--美國和加拿大的防務。作為過時的遠程預警（DEW）線的替代品，新實施的北方預警系統，由47顆橫跨北極的長短程衛星組成的陣列，代表了北美防空司令部協議的核心。 9/11的意外和悲劇事件也迫使北美防空司令部改變并向內看，在美國大陸上戰略性地分配戰斗機的操作位置，以更有效地應對內部威脅。 北美防空司令部通過增加沿海雷達提高了對形勢領域的認識，這進一步證明了對大陸防務的持續評估對于解決技術缺陷和不斷變化的威脅領域仍然是必要的。

本研究旨在解釋聯合產品模型在理解北美防空司令部當前和未來安全需求方面的相關性，重點是加拿大對該聯盟的負擔分擔激勵。鑒于各種復雜的運載媒介、高超音速導彈等威脅的速度以及全球氣候的變化使得環境更容易接近，加拿大可以利用我們的領土并加強陸地/海洋/空中/空間的存在，以有效地促進大陸的航空航天防御。 雖然鑒于美國強大的國防工業，新的、互補的預警技術在美國生產可能更具成本效益，但不斷調整的戰略環境為通過研究和開發、運營和維護現有/未來的基礎設施和國防生產來加強加拿大工業提供了激勵。 與國防采購相關的成本并不低，而且很難看到超越純公共視角的利益或投資回報。除了估計目前北美防務聯盟中的負擔分擔，以前的文獻已經詳細解釋了聯盟分析中的主力，即純公共物品模型。此外，一些人暗示了國防物品利益超越純公共的可能性，擴展到部分可排除和競爭，甚至通過搜索和救援以及對民間力量的援助，擴展到一個集體的私人。 目前的理論研究旨在詳細介紹聯盟的聯合產品模型（JPM），并通過納入各種聯盟技術（如最弱環節和最佳射擊）對其進行擴展，以適用于新北美防空司令部。此外，根據JPM，我們將確定加拿大潛在的私人和不純公共產品，為實證研究奠定基礎。

傳統上，加拿大在責任分擔關系中的主要作用是我們的地理。雖然這種貢獻在整個冷戰時期是有效的，但不斷變化的技術威脅環境，實際上是地球環境本身，將需要對未來的設計和負擔分擔的影響進行新的討論，以便加拿大適當地適應它在21世紀可能面臨的安全和繁榮的挑戰。

第二部分集中討論將北美防空司令部現代化項目的私人利益與加拿大的關鍵工業能力（KICs）聯系起來。這一部分建立在上一部分對北方預警系統（NWS）的描述之上，該系統是現有的北美防空司令部早期探測機制。 加拿大和美國在1957年同意建立北美防空司令部，作為一個兩國指揮部，集中控制大陸防空系統的運行，以應對蘇聯轟炸機的威脅。 由于威脅隨著時間的推移不斷演變，最近更是急劇變化，NORAD的能力必須現代化。"NWS現代化背后的基本邏輯相對簡單，該系統建于20世紀80年代，在冷戰結束后不久完成，橫跨加拿大北極地區和拉布拉多海岸的長短程雷達系統正在達到其壽命的終點。 然而，新的政治和戰略環境，有點類似于導致核武器公司更換遠程預警（DEW）線的環境，需要一個非常不同的方法。實際上，在簡單的一換一和北移方面，核武器的現代化不足以滿足新的威脅環境。"

本節的結構分為三個部分：誘發NORAD現代化需求的威脅、假定的NORAD新能力的結構和組成部分，以及根據加拿大的關鍵工業能力，加拿大工業參與的潛力。

本研究的第三部分集中討論了為此目的而開發的理論模型。特別是，我們擴展了Cornes和Sandler(1984)以及Sandler和Hartley(1995)的聯合產品模型，以允許兩種類型的國防投入和更普遍的聚合技術。然后，我們更詳細地考慮和分析了Leontief聚合技術，作為最適用于北美防空司令部的技術。我們的結果表明，當國防是由純和不純的公共投入生產的，它們是互補的，文獻中確定的標準搭便車問題得到緩解。

摘要

軍事決策在不同的領域--陸地、海洋、空中、太空和網絡--以及不同的組織層面--戰略、作戰、戰術和技術上發揮著關鍵作用。建模和仿真被認為是支持軍事決策的一個重要工具，例如，生成和評估潛在的行動方案。為了成功地應用和接受這些技術，人們需要考慮到整個決策 "系統"，包括決策過程和做出決策的指揮官或操作員。

人工智能技術可以以各種方式改善這個決策系統。例如，人工智能技術被用來從（大）數據流中提取觀察結果，自動建立（物理/人類/信息）地形模型，產生對未來事件和行動方案的預測，分析這些預測，向人類決策者解釋結果，并建立人類決策者的用戶模型。

對于所有這些應用，人工智能技術可以在不同的情況下被使用，并且已經開始被使用，因此有不同的要求。在本文中，我們概述了人工智能技術和模擬在決策"系統"中的不同作用，目的是在我們的社區中促進對人工智能的綜合看法，并為用于軍事決策的各種人工智能研發奠定基礎。

1.0 引言

軍事決策有多種形式。它發生在不同的領域--陸地、海洋、空中、太空、網絡--以及不同的組織層次[7]。例如，在戰略層面上，決策是否以及何時在一個特定的作戰區域內開始一項軍事任務。在作戰層面上，聯合部隊指揮官決定為某項行動分配哪些軍事要素，并指定在具體行動中尋求的預期效果。在戰術層面上，例如，海上任務組的反空戰指揮官決定由哪艘護衛艦來應對來襲的威脅。最后，在技術層面上，要決定在什么范圍內使用什么武器來消滅對手。

建模和仿真被認為是支持這些現場決策過程的一個重要工具（例如，見[3]的清單）。它提供了一種理解復雜環境和評估潛在行動方案有效性的手段，而不必使用現場測試。因此，借助于建模和模擬可以更安全、更便宜、更快速，而且可以更容易地測試不同的操作方式。此外，對于戰場上的軍事行動來說，廣泛地試驗軍事行動應該如何進行，甚至可能在道德上不負責任。因為，在指揮官可以決定不繼續按照同樣的戰術行動之前，就已經產生了意想不到的效果。

現代建模和仿真經常得到人工智能（AI）技術的支持。例如，用于仿真單個節點、組織和社會行為模型（見一些背景資料[13][4]），以獲得對對手合理和可能行為的洞察力。在這種行為洞察力的基礎上，可以為許多決策層面的軍事行動設計提供智能分析和決策支持。此外，人工智能技術被用來構建這些模型，與這些模型互動，并迅速分析大量的模擬結果數據。這里的技術進步非常多，例如，使用機器學習來構建更真實的行為模型[11]，改善人機協作[5]，對大量的模擬數據進行理解[10]。然而，人工智能技術只有在對決策者有用的情況下才能也應該被用于軍事決策。這意味著，只有在決策質量提高或決策過程變得更容易的情況下，才應將人工智能技術（在建模和仿真中）整合起來。

成功應用和接受用于決策支持的模擬仿真--可能建立在人工智能技術之上--取決于與主要軍事決策過程的互動和不斷學習（[1]）。決策者和分析員應該知道如何提出正確的輸入問題，以便通過建模和仿真來回答。然后，這些問題應該通過建模和仿真研究轉化為正確的輸出答案。因此，在各種互補的人工智能技術的支持下，應該對軍事決策過程和軍事模擬之間的互動有一個廣泛、全面的看法，并服從不同的功能要求。在本文中，我們概述了由人工智能技術支持的軍事仿真在決策"系統"中的不同作用，目的是在我們的社區內促進對人工智能的綜合看法，并為軍事決策的各種人工智能研發奠定基礎。

2.0 基于仿真的軍事決策

如引言所述，決策發生在不同的領域和不同的組織層面。在這里，我們提出了一個決策系統的示意圖，以提供一個關于如何通過仿真來支持決策的一般見解。這一觀點（圖1）來自于對多個決策過程的分析，如聯合定位[5]、作戰計劃[7]、海上反空戰[1]，并與著名的OODA環[8]相結合。該觀點中的元素解釋如下。

圖1：由建模和仿真支持的軍事決策周期的系統觀點。

觀察：OODA循環的第一步是觀察，從廣義上講，就是觀察現實世界中正在發展和出現的事件和情況。觀察包括，例如，來自傳感器的（原始）數據，包括我們自己的眼睛和耳朵，以及來自報告、報紙和社會媒體的符號數據。還收集了來自高層指揮和控制實體的指導意見。這些數據由分析員處理，對鏡頭中的個體進行命名，計算某些Twitter標簽的出現次數，驗證某個事件是否真的發生，等等。根據[9]，這可以被稱為情境意識的第一級：對當前情況下的元素的感知。

世界模型：在OODA環的觀察步驟中，已經開始了構建世界模型的過程，無論是隱性的還是顯性的。符合軍事決策觀點的世界模型的另一個名稱是共同行動圖。所有相關的概念都在世界模型中得到體現，包括不確定因素和假設。請注意，世界模型可以被仿真，即個體、平臺、團體或社會的行為可以隨著時間的推移而被預測，即使是在用戶的頭腦中隱含完成。

定位：在OODA循環的第二步，分析者使用他的專業知識，對觀察結果進行推理，形成假設，例如對手的意圖。通過這樣做，實現了對真實世界的深入理解[12]，這反映在世界模型中（仍然是顯性或隱性的）。在態勢感知方面，這被稱為第2級（對當前形勢的理解）和態勢感知能力第3級（對未來狀態的預測）。在任何時候，推理的結果可能是世界模型結構是不充分的，例如，現實世界的一個方面被認為是不相關的，但最后發現是相關的。因此，世界模型需要被更新。

決定：決策者，可能是與分析員相同的人，將根據對現實世界的理解，考慮如何采取行動的選項。世界模型的預測能力被用來演繹各種情景，讓人了解什么是理想的行動方案，什么不是，或者讓人了解空間和/或時間上的關鍵點，這樣就可以對這些關鍵點給予額外考慮。當然，如果世界模型是隱含的，這都是決策者的精神努力。此外，對于感興趣的現實世界系統的預測行為，可以得出的結論的精確性和/或確定性有很大不同：從精確的路線，到可能的戰略和理論的廣泛指示。

行動：在OODA-環的這一步，行動被執行。這些行動發生在真實世界中，然后一個新的OODA-環開始觀察是否需要重新考慮已經做出的決定。另一個行動可以是向 "較低層次"的決策過程下達命令，例如，讓下屬單位計劃和執行他們所得到的任務。這就是不同組織層次的決策過程的互動方式。還要注意的是，盡管每個組織層面的世界模型都與真實世界相聯系，但這些世界模型的結構（即被認為是相關的）可能是不同的。

從概念上講，在上述的決策過程中引入模擬（實際上首先是建模的巨大努力）是很直接的。在第一步和第二步中，建立了世界相關部分的模型，在以后的時間里，它被用來評估許多不同的情景，分析由此產生的結果，并根據其結論做出決定。正如后面將顯示的那樣，人工智能技術的作用與建模和模擬的使用有很大關系。

雖然從概念上來說，納入仿真模擬和人工智能技術是很簡單的，但為了給行動提供真正的附加值，它需要被嵌入到具體的決策過程中。而每個決策過程都是不同的，有不同的時間限制，不同的行動者，在不同的操作環境中。這將對開發使用的解決方案，包括人工智能技術，提出不同的功能要求。此外，根據具體的作戰決策環境，應用人工智能技術的附加值（或缺乏附加值）將是不同的。在下一節中，我們將對一個具體的案例進行進一步的探索，盡管肯定不是詳盡的努力，以允許對這種系統在這個過程中可能具有的不同角色進行更通用的識別。

3.0 案例研究：聯合目標定位周期

本節提供了一個關于如何利用仿真和人工智能技術來支持作戰層面上的（蓄意）聯合目標定位決策的案例研究。對于每個想法，都有以下描述：被加強的行為者（決策者）和/或產品，人工智能如何提供支持，以及使用這種形式的支持的附加值是什么。請注意，這個案例研究的目的是為了更好地了解人工智能技術應用的廣度，因此，目標不是完全涵蓋所有的可能性，也不是過于詳細。這種類型的案例研究已經確保了可以得出初步的功能要求，人工智能技術和智能建模與仿真應該應用于此。

圖2顯示了北約盟國聯合出版物3.9中的聯合瞄準決策周期，其中強調了五個想法。

圖2--來自北約盟國聯合出版物3.9的聯合目標定位周期，JFC=聯合部隊指揮官，JTCB=聯合瞄準協調委員會，JTL=聯合瞄準清單，TNL=目標

想法1--基于AI的目標系統分析的所有來源分析。第一個想法是支持目標小組的成員在聯合目標定位周期的第二階段參與目標系統分析，進行目標開發。例如，假設從第一階段開始，就打算通過瞄準對手的石油生產來擾亂其資金能力。在第二階段，分析人員將研究石油生產的目標系統，以確定油井、煉油廠、管道、重要的道路，也許還有相關的關鍵人物，等等，基于他們擁有的所有來源（圖像、信號情報、人類情報，等等）。

人工智能技術可以協助人類分析員建立 "目標系統模型"，即通過采用模式識別算法來處理大量的所有來源的信息，通過使用推理算法將信息碎片組合成一個結構化和連貫的整體。分析傳入信息的算法可能--經過增量的人工智能驅動的創新--也能夠識別尚未反映在目標系統模型中的新概念，然后可以自動添加到模型中。另一種可能性是創建一個 "虛擬分析師"（見圖3），通過不斷挑戰假設、假說和人類偏見來協助人類分析師，這需要額外的用戶建模和可解釋的AI技術。

圖3：人類和虛擬分析員，一起解釋數據，推理信息和知識，以建立一個目標系統模型。

這個想法的潛在附加值首先體現在完整性上，更多的目標可以呈現給人類分析員--它仍然可以為交叉檢查的目的做最后一步的目標審查。因為所有來源的情報都被整合到目標識別決策中，所以可以得出更具體的目標信息。識別算法經過訓練后，與基于人眼從數據中識別目標時相比，可以更快更及時地進行識別。最后，該算法可以明確地轉向識別不同類型的目標，這些目標可能并不都在人類分析員的經驗或觀察能力范圍內。

想法2--通過算法識別來自目標系統分析的優先目標。第二個想法是支持從一個給定的目標系統分析中識別優先目標。這有助于目標支持小組成員得出一個聯合的優先目標清單，該清單是在聯合目標定位周期的第二階段，即目標開發階段制定的。人工智能技術的支持始于將目標系統分析（如果還沒有的話）轉化為計算機可理解的形式，該形式由功能關系連接的實體組成，并由目標任務的目標支持。然后，在相關的時間范圍內計算直接或間接瞄準不同實體所產生的效用（例如，效果和效果的持續時間）。

然后，最終結果可以由人類分析員檢查，該分析員可能會重新引導算法的某些部分，以確保最終結果選擇的優先目標盡可能地滿足和平衡任務目標。另一種可能性是，分析表明，對目標系統的某些部分還沒有足夠的了解，無法做出某種決定，然后發出新的情報請求，以減少這種不確定性。

在這種情況下，使用人工智能技術的附加價值首先體現在通過完整地確定優先事項，包括最大限度地實現任務目標，同時最大限度地減少負面問題，從而更好更快地確定優先次序。這種全面的分析可能會導致原始的目標選擇，在這種情況下，會發現反直覺但非常有效的目標。目標優先級的可追溯性增加了，因為目標選擇問題的算法規范以及積極和消極的相關功能迫使決策者在激發他們的偏好時完全明確。

想法3--能力和優先目標的自動映射。與目標開發（第二階段）密切相關的是第三階段的能力分析。第三個想法是協助，仍然支持目標支持小組的成員，找到最適當的（致命和非致命）能力的最佳同步組合，可以應用于產生所需的物理和心理效果。使用模擬和人工智能技術來自動生成和播放高水平和低水平的行動方案，可以獲得對計劃的優勢、機會、弱點和威脅的深刻理解。當然，只有在與人類分析員和決策者密切合作的情況下，建立這樣的理解才是有用的，這就需要有人類意識的 "虛擬分析員 "技術。

想法4--計算機輔助的穩健和適應性部隊規劃和分配。在聯合定位的第四階段，能力分析的結果被整合到進一步的行動考慮中，推動聯合部隊指揮官對目標的最終批準。仿真和人工智能優化技術可用于尋找稀缺資源對目標或其他任務的最佳分配。什么被認為是 "最好的 "可以是不同的，例如，爭取最大的效果、安全、穩健、靈活，或這些和更多因素的任何組合。這可能會提供原始的規劃和分配方案，從人類分析者的角度來看，這些方案部分是反直覺的，但卻富有成效。智能優化算法可以幫助確定時間和/或空間上值得監測的關鍵點。而且，如果可以實時跟蹤進展，在事件或機會實際發生之前就可以立即生成重新分配方案，在時間緊迫的情況下減少決策時間。

想法5--自動評估軍事行動績效措施。在聯合定位的最后階段，收集和分析數據和信息，以確定計劃的行動在多大程度上得到執行（績效的衡量），以及達到預期的效果（效果的衡量）。因為這種類型的分析與其他階段的分析基本相似（即需要觀察和理解），所以在這里采用的模擬和人工智能技術可以被重復使用。例如，"目標系統模型"可以用來事先確定哪些措施或措施的組合最能說明性能和/或成功，也許還要考慮到其他因素，如效果的可測量性和延遲性。這些見解可用于指導例如戰斗損失評估工作。算法可以自動產生多種假設，當數據/信息可用時，"虛擬分析師"可以協助對這些假設和信息進行推理，幫助人類分析師以結構化的方式更好地解釋復雜的情況。

4.0 討論：人工智能在軍事決策中的作用

在本節中，我們將討論人工智能技術在軍事決策中可以發揮的作用，并將這些作用與前面介紹的軍事決策系統聯系起來。這些作用是由上面的案例研究綜合而成的。不同的作用是沿著兩個層次結構的，從上到下：在 "過程"層面，不同但連貫的步驟/階段被執行；在 "個體"層面，人類（或團隊）負責執行決策過程的特定步驟。

在整個決策過程的層面上，有多個步驟可以區分。在前面介紹的決策系統觀點中，這些步驟是觀察、定位、決定和行動。在聯合定位案例研究中，這些對應于六個階段，由不同的人在不同的時間執行。在這個層面上，我們為人工智能技術定義了四個功能角色，以支持決策過程。

• 感知：這個角色中的人工智能技術，主要以模式識別的形式，幫助處理大量的數據，如在圖像中尋找人，檢測數據流中的異常情況等。

• 態勢理解：這個角色的功能是實現對當前或假設的作戰環境的理解[12]，從而描述所有相關實體、它們之間的關系以及不可觀察的屬性，如它們的野心和目標。例如，對關于最近敵對活動的現有信息進行推理，結合關于他們的理論的一般知識，可以用來產生關于他們最可能的意圖的假設。

• 計劃生成：在這個角色中，人工智能技術，例如搜索和優化，被用來生成旨在達到（或避免）某種目標情況的計劃、策略和行動方案。處理元標準，如計劃的穩健性或情況的實用性也是這個作用的一部分。顯然，在許多情況下，不確定性是行動環境所固有的，因此不能被忽視。盡管如此，對當前形勢的理解越好，預測能力就越強。

• 學習：扮演這一角色的人工智能技術被用來更新有關作戰環境的知識。例如，在某個時間點，人們可能會發現一個被認為是正確的關于敵人理論的假設不再有效了。為了能夠保持正確的理解，這種新知識應該反映在所有其他決策步驟中。

在單個節點層面上，決策過程的單一步驟被執行，通常由一個或一組人類分析員和/或決策者負責。無論這一步需要什么，人工智能技術都可以在不同的合作角色中被使用，以支持人類。

• 專家系統支持：在這個角色中，支持的形式就像一個經典的專家系統，以知識和優化結果的形式向人類決策者或分析員提供建議。重要的考慮因素是，例如，如何以人類能夠接受的方式向其提供建議。對可解釋人工智能的研究可能是一個方向。

• 虛擬團隊成員：在這個角色中，人工智能技術被用來在人類和支持系統之間創造一種更平等的互動關系，積極為一個共同的目標工作。例如，虛擬團隊成員可以通過提出問題使假設明確化或挑戰偏見來幫助做出決定的（認知）過程。人類-人工智能的研究可能是一個追求的方向。

• 自主決策：決策過程中的其他步驟的互動，專家系統和虛擬團隊成員支持的考慮同樣有效。例如，在其他決策中的人類需要能夠推斷出一個自主系統。

圖4顯示了在軍事決策系統視圖中繪制的人工智能的七個角色。當使用模擬和人工智能來支持決策過程時，應該始終考慮這些不同的角色是如何互動的，無論是在過程層面還是在個人層面。例如，在聯合目標定位的過程層面上，第二階段包括定位（目標系統分析）和決定（為達到預期效果而瞄準什么）。第三階段也包括定位（自身能力）和決定（如何實現預期效果）。這些階段共享相同的世界模型，在這個過程中引入人工智能支持將推動這些步驟的合并，這不是不可想象的。在個體層面上，例如再次考慮第2階段，分析員可以得到綜合態勢理解、規劃生成和學習技術的支持，以及虛擬團隊成員和專家系統支持技術的任何組合。

圖4：由建模和仿真支持的軍事決策周期的系統視圖，其中人工智能技術的功能（黃色）和協作（綠色）作用被描繪出來。

5.0 結論和進一步研究

在本文的第一部分，我們介紹了軍事決策的系統觀點，主要基于OODA循環，其中我們介紹了世界模型，作為向整個決策周期提供建模和仿真支持的核心手段。接下來，從我們的聯合目標定位案例研究中，我們推斷出人工智能可以為軍事決策做出貢獻的七個功能性和協作性角色。這些角色對應于決策步驟，或者對應于如何向負責該過程步驟的人提供支持。最后，我們將這些人工智能角色整合到決策系統視圖中。

本文的目標是為我們社區內人工智能的綜合觀點做出貢獻，并為軍事決策的人工智能各種研發奠定基礎。在開發支持軍事決策的模擬和人工智能時，我們建議同時考慮過程層面和單個節點層面。在過程層面上，通過使用建模和仿真可以獲得好處。在單個節點層面上，為人類分析員和決策者提供實際支持，人工智能技術可以通過不同的角色組合對此作出貢獻。鑒于決策過程的各個步驟都是不同的，并且提出了不同的要求，履行這些不同角色的人工智能技術需要作為一個整體來開發。

我們相信，隨著對這一主題的更多研究，軍事決策的速度和質量都可以得到改善。然而，非常重要的是，要持續關注特定的未來人工智能應用的附加值，以及研究這些應用可能對，例如，負責該過程的人的所需技能，甚至該過程本身的影響。最后需要的是一個系統，它的存在是因為它可以建立，而不是有人幫助。對于這一點，應該更普遍地回答如何限定然后量化應用人工智能進行具體軍事決策應用的附加價值的問題。這樣的見解反過來又會成為關于人工智能用于軍事決策的集體技術路線圖的寶貴基礎。

6.0 參考文獻

[1] Bloemen, A., Kerbusch, P., van der Wiel, W., Coalition Force Engagement Coordination, TNO Report TNO-2013-R12117, 2015.

[2] Connable B, Perry W, Doll A, et al. Modeling, Simulation, and Operations Analysis in Afghanistan and Iraq. Santa Monica, CA: RAND, 2014.

[3] Davis P., Kulick J., Egner M. Implications of Modern Decision Science for Military Decision-Support Systems. Santa Monica, CA: RAND, 2005.

[4] Kunc, M., Malpass, J., White, L.(2016). Behavioral Operational Research, Theory, Methodology and Practice. Palgrave Macmillan, London.

[5] Langley, P., Meadows, B., Sridharan, M., Choi, D. (2017). Explainable Agency for Intelligent Autonomous Systems. Proceedings of the Twenty-Ninth AAAI Conference on Innovative Applications (IAAI-17).

[6] NATO Allied Joint Doctrine For Joint Targeting AJP 3.9(B), 2015.

[7] NATO Allied Command Operations. Comprehensive Operations Planning Directive Interim V2.0.

[8] “OODA loop.” Wikipedia, The Free Encyclopedia. 10 Mar. 2018.//en.wikipedia.org/wiki/OODA_loop

[9] “Situation Awareness.” Wikipedia, The Free Encyclopedia. 17 Mar. 2018.

[10] Smit, S., Veldhuis, G., Ferdinandus,G., et al. KaV Advanced Visual Analytics, TNO Report DHWELSS-, 2016.

[11] Toubman, A., Poppinga, G., Roessingh, J. (2015). Modeling CGF Behaviour with Machine Learning Techniques: Requirements and Future Directions. Proceedings of Interservice/Industry Training, Simulation, and Education Conference (I/ITSEC) 2015.

[12] “Understanding.” Wikipedia, The Free Encyclopedia. 18 Apr. 2018.

[13] Zacharias, G., MacMillan, J., van Hemel, S. (2008). Behavioral modeling and simulation: From individuals to societies. National Research Council, National Academies Press.

網絡空間行動的早期成功為壓制對手提供了新途徑可能性。隨著美國陸軍開始向多域作戰過渡，他們依賴網絡空間并支持其他領域的行動。一個問題出現了："軍隊如何將網絡空間行動納入支持其他領域的行動？" 對于如何將網絡行動納入其他領域的行動，目前還沒有有證據支持的實際規劃原則。基于最初的研究，產生了一個假設，即支持戰爭作戰層面的網絡空間行動與物理領域和虛擬信息領域的行動同步。利用美國軍方對作戰層面和作戰領域的公認定義，分析了作戰層面活動的案例研究。通過收集每個案例的以下信息，對盟軍行動以及以色列-哈馬斯沖突進行了分析：戰略背景、網絡空間行為者、網絡空間行動以及網絡空間行動如何支持其他領域的行動。分析的結果是，戰爭行動層面的網絡空間行動通過收集對手的情報來支持其他領域的行動；拒絕或破壞虛擬信息領域的傳遞途徑；以及影響在物理領域的實體。

1806年10月，法軍在耶拿-奧爾斯塔特戰役中迅速擊敗了普魯士軍隊。普魯士軍官卡爾-菲利普-戈特弗里德-馮-克勞塞維茨（Carl Philipp Gottfried von Clausewitz）出席了這次戰斗，這次失敗讓他深感不安和困惑。 普魯士軍隊的人數超過了法國軍隊，但是，法國軍隊的戰術優于普魯士過時的線性作戰方式。克勞塞維茨見證了戰爭的未來，并決心將普魯士軍隊發展成為一支再次讓歐洲羨慕的力量。

2014年7月俄烏戰爭期間，在烏克蘭澤勒諾皮亞村附近，烏克蘭陸軍地面部隊的四個旅準備對俄羅斯邊境附近的分離主義分子的部隊發動進攻。2014年7月11日，一場三分鐘的密集炮擊襲擊了烏克蘭四個旅的人員，并摧毀了烏克蘭第79空中機動旅的一個營。對這次攻擊的分析表明，俄羅斯部隊使用無人駕駛飛行器來定位烏克蘭部隊，并將位置提供給間接火力平臺。從識別到效果的時間如此之快，以至于烏克蘭各旅無法采取保護行動。俄烏戰爭中的這一小段時間非常重要，以至于美國陸軍能力整合中心發起了對俄羅斯新一代戰爭研究，以確定俄烏沖突對未來戰爭的影響。

2015年，在美國陸軍戰爭學院的一次演講中，國防部副部長鮑勃-沃克概述了二十一世紀戰爭的問題，并責成美國陸軍開發空地戰2.0。2018年12月，美國陸軍邁出了理論演進的一步，出版了《2028年多域作戰中的美國陸軍》，以解決陸軍如何在多個層次和領域內作戰的問題。

耶拿-阿爾斯泰特戰役和俄烏戰爭雖然相隔幾個世紀，但都顯示了卓越戰術和行動安排的力量。克勞塞維茨和美國陸軍目睹了失敗，并作出了類似的反應，進行了深入的戰斗研究，以改善他們各自的軍隊。這些研究的成果是對未來戰爭行為的指導性文件。

美國陸軍采用多域作戰作為未來的作戰結構，依靠網絡空間作戰來支持其他領域的作戰。然而，關于如何將網絡行動納入其他領域的行動，目前還沒有基于證據的實際規劃原則。軍事規劃者的問題是如何整合網絡空間行動以支持其他領域的行動而不至于遭遇慘敗。該論點認為，網絡空間行動通過收集對手的情報來支持其他領域的行動；拒絕或破壞虛擬信息領域的傳遞途徑；以及影響物理領域的實體。

目前，有大量的全動態視頻（FMV）檔案從未被查看過，而且隨著傳感器數量的增加，情況越來越糟糕。加拿大國防部（DND）、加拿大其他機構和盟友的問題基本相同：不具備分析來自監控的全動態視頻數據的人力。為解決此問題，要求有一種易于擴展的分析能力，這種能力與不斷增長的可用視頻傳感器數量成比例地增長。為了解決這個問題，加拿大國防研究與發展部（DRDC）--瓦爾卡蒂爾研究中心及其贊助者加拿大特種作戰部隊司令部（CANSOFCOM），已經開始了一項探索性的舉措，利用深度學習的最新進展來描述圖像和視頻內容。這種新興的能力可以被用來處理FMV，從而為軍事分析人員提供支持。本科學報告描述了用于實時FMV分析的自動視頻分析（LAVA）概念。它描述了科學家們所面臨的工程、創新和研究問題。報告提供了使用機載軍事傳感器進行的多次真實測試的結果。最后，提出了這項技術的潛在開發途徑。

這份研究文件對如何利用深度學習來分析加拿大武裝部隊和其他加拿大機構所掌握的大量FMV進行了深入的分析。該文件提出了一個在現實作戰條件下使用的概念論證，并提供了結果表現、問題、挑戰和未來的方向。這項技術可用于處理FMV檔案和分析實時FMV反饋，以協助情報分析人員。

光子學正在發展成為加拿大國民經濟增長的一個重要引擎。光子技術對加拿大所有經濟部門將是非常有價值的。因此，隨著技術的快速發展，加拿大必須保持甚至發展其在光子學方面的知識和領先地位。

根據Report Linker，光子學是一個價值5940億美元的全球產業，預計未來五年的年增長率為7%。加拿大的光子學產品約占整個市場的0.5%。

在對光子產業的研究中，SPIE得出結論，四個國家（中國、美國、德國和日本）生產的光子元件幾乎占全球的75%。此外，他們的研究認為，光子學對全球市場的經濟影響超過兩萬億美元。因此，光子學是一項重要的增長技術，加拿大應加大研究和工業能力來增加其在全球市場的份額。

加拿大光子產業聯盟（CPIC）從加拿大國防研究與發展部（DRDC）獲得了一份合同，以促進和加速加拿大光子學的發展。其中一個重要方面是確定光子學的重要趨勢，其可能影響加拿大的經濟未來。

為了執行這項任務，CPIC的Robert Corriveau和Nikki Bulgarea組織了網絡研討會、講習班和網絡活動，以確定對加拿大經濟至關重要的六項光子技術，并為每項技術成立了一個由工業界、大學和研發中心代表組成的CPIC專家組，公開討論技術趨勢和挑戰。

已經確定的光子關鍵技術是：

• 生物光子學
• 成像、傳感和融合
• 激光加工和先進制造
• 光通信和光子集成芯片
• 光伏技術
• 量子技術

本報告介紹了2020年11月以來舉行的網絡研討會、講習班和網絡活動，以及這一年的活動成果，概述了光子關鍵技術的趨勢和挑戰。六個專家小組的最終報告作為附件提交。各種活動的參與者名單見附件G。

將數字資源信息整合形成系統對這些資源的利用至關重要。這種信息的形式可能是誰負責該資源，該資源可用于什么，該資源在哪里，如何獲得該資源，以及該資源如何與其他資源結合。總的來說，這些信息代表了當前信息環境中各要素態勢感知的組成部分。對這些要素的了解使數字資源的利用更有能力。在實踐中，這種感知可以幫助以一種更適應的方式分配資源，考慮到諸如信息消費者的要求以及提供者和消費者之間的通信渠道所帶來的限制。這里介紹了與自適應處理有關的概念，在基于云的聯盟反潛作戰（ASW）的背景下。在與北大西洋公約組織（NATO）合作伙伴的合作中，一個云基礎設施被用來構建與虛擬平臺相關的計算能力，包括虛擬平臺之間的模擬通信渠道。對基礎設施適應性性質的測試依賴于與 ASW 中的信息分發和利用相關的已定義用例。這里，這些用例被詳細描述。這些用例顯示了支持這樣一個適應性系統所需信息快速增長的復雜性。這些用例還指出了許多未來的研究途徑。

引言

在加拿大皇家海軍（RCN）的作戰任務中，海上信息和衍生物的收集、處理和傳播主要集中在平臺的自主性上，無論是船只還是飛機。這種以平臺為中心的觀點部分是由于在作戰中必須成為一個自給自足的實體，有能力收集和處理對平臺重要的所有信息。盡管實驗已經顯示了無縫連接和利用外部信息的能力[1][2]，但在依靠外部資源進行數據和信息處理方面存在著一種謹慎的做法。

這種謹慎的做法部分是由于不愿意依賴外部伙伴，因為與該伙伴的通信可能很差或不存在。遇到諸如缺乏帶寬、大延遲或質量下降等問題的通信渠道通常被稱為 "弱勢網絡（disadvantaged network）"[3]。這種網絡確實抑制了盟軍中其他人或海上平臺與總部所在地之間對任何收集的數據或信息的分發和使用。

當然，處理通信問題的標準對策是構建通信機制，允許更大的信息量通過通信渠道。這種解決方案有效地解決了 "給我更多帶寬"的要求。然而，另一種有效的方法則側重于更好地利用現有帶寬。這里，"更好地使用 "意味著以更全面的方式使用，通過考慮以下因素考慮到整個處理周期：

• 正在使用的信息。

• 該信息的位置。

• 對該信息采取行動所需的處理算法、模型等。

• 處理算法或模型的位置。

• 完成處理所需的計算能力。

• 參與平臺之間的帶寬連接。

• 最終產品的使用地點。

這些因素認識到信息是一種資源，要被移動并與處理算法相結合，然后形成一個新的產品。這些組成部分的重要性，以及這些組成部分與歷史信息科學的關系，在[4]中有所描述。

對這種描述來說，重要的是認識到信息資源有多種形式。在數字空間中，資源可以是輸入數據、軟件形式的處理算法，或可以許多形式表示的輸出產品（例如，一個數字文件，一個圖像）。還要注意的是，在許多情況下，輸出可能成為另一種算法的輸入。

然而，通過諸如上述（即清單）的考慮來利用信息資源，需要對資源本身有廣泛的了解。請考慮一下，一個信息系統如何確定它所擁有的數字模型是否與一個獨立的、不同的信息系統上存在的輸入數據集兼容。創建資源層面的元數據是一項艱巨的任務，而這一層面的資源知識是需要的。

盡管資源級元數據的編譯是有問題的，但第二個問題很可能更困難--使用資源級數據來自動調整信息系統所需的分配和處理。事實上，如果不做大量的假設來降低問題的復雜性，這種適應性系統方法是非常困難的[5]。

北約的自適應系統研究

北約信息系統技術組168（IST168）成立于2018年[6]，研究一種基礎設施，允許對自適應信息處理和分配技術進行實驗。IST168下進行的研究重點是允許數據或應用程序在聯盟網絡內流動，從而促進該網絡內不同位置的自適應處理和信息創建。其目的是考慮到數據存儲、處理能力和平臺間通信連接的本地和當前可用性。簡單地說，IST168的口號是："把數據移到代碼上；或者把代碼移到數據上；或者把兩者都移到別的地方？"

為了將IST168的工作建立在軍事背景下，該小組正在通過為陸地和海洋領域設計的軍事場景來探索這種架構的預期應用。這些場景旨在為這種適應性基礎設施的使用方式提供一個作戰背景、故事情節或敘事說明。這些場景在IST168的研究中被廣泛使用[7-10]。

IST168的陸地場景是基于北約先前創建的名為Anglova vignette No.3的場景[11]。這集中在一次城市行動中，涉及到士兵捕捉過往車輛的視頻片段，對該片段進行處理，然后由遠程總部制作成產品。對陸地場景感興趣的人可以參考[11]。

IST168的海上場景是本文件的重點。由于以前沒有滿足參與國需求的海上場景，因此努力開發一個場景，并說明北約構建的基礎設施將如何支持該場景。因此，根據參與的北約國家和眾多加拿大CRACCEN團隊成員所表達的需求，在此創建了一個海上情景。該場景的主題是反潛作戰（ASW）。

海上反潛作戰方案利用了IST168的優勢，也為IST168做出了貢獻。作為IST168努力的一部分，多個北約國家提供了云計算基礎設施，包括加拿大的云計算基礎設施。每個貢獻的云都在東道國的完全控制之下。這些國家基礎設施然后與其他國家部分共享，產生一個國家控制但國際共享的信息空間。在這個空間內，對信息的資源級理解得到了發展。

自適應的云基礎設施--虛擬實驗室

國際云基礎設施以及單一的國家基礎設施代表了大量的工作，但也是研究信息問題的高度靈活資源。一個單獨的國家云或一個國際云，可以被配置成代表戰斗空間中物理實體上存在的信息系統。例如，云基礎設施可以被重新配置為眾多的虛擬計算單元，這些單元代表了單個平臺，如一艘船、一架直升機、一架無人駕駛飛行器（UAV）、一個總部等。然后，這些虛擬平臺可以用來容納存在于真實物理平臺上的信息系統。在虛擬環境中使用仿真通信信道可以使虛擬平臺通過現實的通信信道連接起來。在這里，通信信道是使用可擴展移動特設網絡仿真器（EMANE）[12], [13]來模擬的。

從本質上講，可以構建一個虛擬實驗室來代表整個物理平臺連接中可用的計算、通信和信息資源。

與加拿大研究的關系

指揮部偵察區協調和控制環境網絡（CRACCEN）活動[14]是由加拿大國防研究和發展部正在執行的一項研究活動。CRACCEN被設想為一個整體的社會技術系統，所有指揮小組的決策和反潛戰任務的相關信息都將被匯集起來，以發揮作戰和戰術優勢。

CRACCEN打算徹底改變加拿大水下戰爭[15]。CRACCEN的工作支持這一變革，其研究方向是解決一個全面的人類/信息系統，以滿足未來反潛作戰的需要。在這方面，CRACCEN有一個龐大而重要的反潛隊伍，該隊伍可以在地理上分散在海上平臺和岸上的組件中。

CRACCEN下調查的概念與IST168的活動部分地相互聯系。實際上，IST168正在開發的互連云基礎設施和模擬通信渠道與支持的反艦導彈海上場景相結合，提供了與CRACCEN相關的信息發現和共享環境。這種相關性包括展示云基礎設施在ASW環境中支持數字信息發現、共享和使用的能力。

在這方面，與IST168相關的發展可以被視為具有幾個與信息相關的特點，這些特點對CRACCEN是有用的，分別是（非廣泛的清單）：

• a. 可訪問性--信息環境的共享區域允許其他各方訪問共享區域內的信息資源。

• b. 可調整性--信息環境中的隔離區域可以被創建，這些區域允許一個特定的國家在環境中獨立于其他國家行事。

• c. 靈活性--它考慮到了信息環境中共享區域之間不同的通信連接和斷開。

• d. 可發現性--共享信息環境中的信息資源可以被有機會進入該環境的國家發現。

• e. 有效性--在信息環境中的一個共享區域向另一個共享區域轉移資源之前，有能力評估信息資源的潛在用途。

信息環境的上述特征是可以通過生成元數據來實現的，元數據具體描述了信息環境中可用的個別信息資源。這些元數據描述，作為一個完整的集合，允許單個信息系統對該系統內可用的信息資源形成一種 "態勢感知"。這種感知有效地建立了對當前情況下的元素（即數字資源）的感知，這是態勢感知（SA）的第一個構建模塊[16]。對這種類型的態勢感知的研究是DRDC海上信息電子化（MIX）活動的一部分[17]。

總之，MIX為理解和形成信息領域的態勢感知提供了研究基礎，然后將其應用于反艦導彈的場景。這種聯系為更好地理解如何利用信息領域進行軍事行動提供了一個現實的背景。

報告提綱

第2節介紹了一個海上反艦導彈的敘述或情景。該場景描述了在一個海峽中的一個精心設計的反艦作戰行動，涉及兩艘水面艦艇、一架無人機和一個岸上的站點。第3節描述了9個用例，展示了在反潛作戰中如何考慮信息資源、計算資源和通信渠道。第4節提供了一個結論。

在加拿大國防研究與發展部（DRDC）05da聯合情報收集和分析能力（JICAC）項目下，本科學報告提出了創新貢獻，為作戰提供先進的情報收集任務支持，作為情報需求管理和收集管理（IRM/CM）能力的一部分。它報告了新型收集任務優化工具的設計，旨在支持收集管理人員處理復雜任務和支持收集資產設施。它總結了新的研究和開發情報收集概念和自動決策支持/規劃能力，以支持/建議收集經理有效和高效的資源分配。以多衛星收集調度用例問題為重點，簡要報告了導致快速、自動和優化收集任務的新技術解決方案概念，提供服務水平的改善和增強及時的態勢感知。從人工智能和運籌學中借用的基本概念，目的是在各種任務、機會、資源能力、時間和成本約束下實現收集價值最大化。報告總結了技術成果，描述了新的快速、自動和優化的收集任務解決方案和原型推薦器，以安排真實/虛擬的多衛星星座。它應對了一些缺陷和挑戰，如短視（以單一任務為重點）或臨時性的情報收集任務分配方法，不適合集中式/分布式的開放和閉環資源管理方法或框架，以確保靜態/動態規劃或處理約束的多樣性/差異性和不確定性管理。本報告還旨在向加拿大軍隊情報指揮部（CFINTCOM）、空間總督（DG SPACE）、加拿大聯合行動指揮部（CJOC）和主要的軍事聯合情報、監視和偵察（JISR）利益相關者提供信息。

對國防和安全的意義

本科學報告提出了適用于天基情報、監視和偵察的多衛星情報收集調度問題的新型收集任務技術概念和技術發現。這項工作與雷達衛星星座任務（RCM）項目的后續舉措和加拿大軍隊（CF）在北極和北方的持久性聯合情報、監視和偵察方面的一些優先事項相吻合，以便及時提出增強情報收集任務的解決方案和工具。它提出了新的科學和技術方法，為低密度、高需求的可部署收集資產提供近乎最佳的情報收集。

1. 引言

針對適當的情報、監視和偵察(ISR)應用領域的具有成本效益的天基情報收集任務，對發展適當的國防情報需求管理和收集管理(IRM/CM)能力至關重要。因此，收集管理，特別是收集任務分配，對于保持加拿大領土、空中和海上領域的準確、及時和持久的態勢感知至關重要。典型的收集管理要求包括在資源有限的情況下進行適應性和響應性收集（CFINTCOM）；收集任務分配；規劃執行；傳感器組合優化；支持聯合ISR（JISR）資產的動態執行新任務（CJOC）；實時收集規劃以及有效的傳感器提示（DG SPACE），等等。最終的目的是有效地彌補信息需求和信息收集之間的差距，最佳的資源管理主要是由人員短缺、有限的收集任務自動化、成本效益、資源限制和低密度高需求的收集資產（衛星）在一個時間限制的不確定環境中的發展。通過多衛星收集調度問題（m-SatCSP）開展北極情報和監視的基于空間的圖像情報（IMINT），代表了一個典型的相關使用案例。

為處理情報收集任務的缺陷和挑戰而提出的解決方案[1]有很多。最近關于收集任務，特別是多衛星圖像采集調度的公開文獻，在 "多異質衛星任務的收集規劃和調度：調查、優化問題和數學規劃公式"[2]和 "QUEST--多衛星調度問題的新二次決策模型，計算機與運籌學"[3]。以下是對擬議方法的主要局限性的簡要總結。讀者可以參考后面的出版物[2],[3]以了解更明確的細節。基于低密度高需求的集合資產為前提，一般的問題在計算上是困難的。大多數研究貢獻主要限于同質衛星和單一星座情景，主要處理簡單的觀測點目標（"點 "區域）任務，并提出新的任務聚類和預處理策略以減輕計算復雜性。已呈現的工作大多忽略了大面積覆蓋的復雜性、及復雜的任務結構、聯合價值任務構成、觀測結果和成像機會質量的不確定性以及常見的操作約束。這些制約因素包括最小任務覆蓋閾值、相互任務排斥、任務優先級和成像成本。目前的采集資產任務分配方案大多提供基于短視啟發式的策略，以規劃或分配采集器任務。在實踐中，最好的資源往往是短視推薦或局部選擇，以完成一個特定的任務，而忽略了其他約束條件（例如，為其他采集請求服務的時間窗口和成像機會）、追求的全局目標和持續進行的部分規劃解決方案質量。因此，ISR資源分配和動態重新分配是臨時性的，因為它們是以單一任務為中心的，而不是采用更全面的任務觀，關注整體任務，更好地利用替代機會，更有效地滿足整體收集要求。擬議的基本收集任務的部分解決方案沒有提供一個健全的資源管理框架，以確保適應性動態規劃或處理約束的多重性/多樣性和不確定性管理。它們也未能展示有價值的分布式規劃和融合的協同作用或整合，同時對支持可重構的傳感器網絡提出很少的指導。一方面，減少感知或高級信息融合與資源分配（RA）任務之間的差距，另一方面，規劃（任務分配）和執行（收集）監測之間的差距，仍然難以實現。

這項工作提出了新的研究和發展情報收集概念和自動決策支持/規劃能力，以支持/建議收集人員有效和高效的資源分配。它旨在開發自動咨詢調度組件和概念驗證原型，以實現有效的收集任務分配。以多衛星圖像采集（IMINT）調度為重點，介紹了導致快速、自動和優化采集任務的新技術解決方案概念，改善提供的服務水平，并增強及時的態勢感知。所設想的問題包括許多新的附加功能和完善的元素，這些元素在公開的文獻中主要是被忽視或忽略的。假設在低密度、高需求的收集資產條件下的m-SatCSP，新的特征包括收集資產的多樣性和敏捷性、任務抽象化、更多的包容性目標和更多的約束多樣性。重新審視的表述涉及抽象的情報收集任務，將單一目標區域（點）的重點明確地包括在大面積覆蓋范圍內，同時考慮多個或虛擬的異質衛星星座，脫離了傳統的同質情景。新的空間和時間依賴性，反映更現實的任務復雜性，放松相互獨立和可分離的假設。它抓住了成像質量、部分任務執行和成功概率等概念，擺脫了對有序行動執行或確定性結果的不現實的假設。該方法還重新審視了任務優先級利用的概念。因此，優先權被用作沖突解決機制，而不是基于優先權的有偏見的短視策略，強加任意的任務部分排序來管理高復雜性需求。設想的問題目標是要捕捉到超越通常區域覆蓋范圍特定任務的性能措施，引入收集質量，考慮到探測成功率、跟蹤質量和識別的不確定性，以提高收集的信息價值。基于最近提出的一個問題陳述，即m-SatCSP的背景[3]，將情報請求映射到收集資產成像機會，以實現收集價值最大化，這項工作簡要地擴展了標準確定性問題決策模型，使用常規的混合整數二次規劃優化問題表述[5]。針對基于空間的ISR應用領域，新的優化模型降低了計算復雜性，使得在某些情況下利用精確的問題解決方法成為可能，同時提供了對最優解的約束。在公開文獻中大量報道的傳統特征約束的基礎上，推廣的模型引入了額外的規范，如合適的任務覆蓋閾值、可選的任務互斥、任務優先級、聯合值任務組成、成像/服務時間窗口，以及單個和平均軌道的熱約束。報告了在集中式和分布式決策背景下各種靜態和動態情景下的主要貢獻和創新之處。簡要介紹了為支持收集任務而明確開發的創新模型、求解器和概念驗證原型（推薦器）。

本科學報告總結了技術成果，描述了新的快速、自動和優化的收集任務（改善服務水平，增強態勢感知）解決方案和原型推薦器，為規劃多衛星真實/虛擬星座。它還旨在向CFINTCOM、DG SPACE和CJOC軍事組織通報主要發現，并確定最有希望的收集管理性能要求、技術和工具，容易對正在進行的主要軍事舉措產生潛在影響。這項工作是在2015年12月至2020年3月的DRDC聯合部隊發展（JFD）05da聯合情報收集和分析能力（JICAC）項目下進行的。

本報告概述如下。第2節簡要介紹了m-SatCSP問題陳述。它描述了問題的基本特征，并強調了開環和閉環設定以及集中式和分布式的決策背景。第3節和第4節分別總結了各自的開環（靜態）和閉環（動態）建議的貢獻。簡要介紹和討論了所開發的概念、模型特征、算法或求解器以及主要結果。第5節介紹了在JICAC下明確開發的概念驗證集合任務原型，以檢驗靜態/動態問題。第6節總結了核心貢獻、發現及其潛在影響。最后，在第7節中提出了建議。提出了一些進一步的技術解決方案開發和未來工作擴展的方向。

摘要

達爾豪西大學大數據分析研究所、加拿大國防研究與發展研究所 (DRDC) – 大西洋研究中心和加拿大通用動力任務系統 (GDMS-C) 成功向加拿大自然科學與工程研究委員會 (NSERC) 提出申請， 促成了一個為期三年的資助項目，名為自動監控海軍信息空間 (AMNIS)。 AMNIS 啟動會議于 2020 年 10 月 14 日舉行，眾多教授、國防科學家和 GDMS-C 技術人員參加了會議。會議確定了三個組織的多項行動。與 DRDC 和 GDMS-C 相關的一項行動是需要與任務相關的情景來幫助指導預期的研究。因此，DRDC 率先描述了一個具有代表性的海陸情景，這將使研究人員能夠更好地了解與 AMNIS 相關的潛在研究途徑。開發的場景涉及由加拿大皇家海軍 (RCN) 和加拿大陸軍 (CA) 執行的加拿大人道主義任務。任務是向最近遭受自然災害襲擊的國家分發食品和醫療用品。敵對勢力也試圖竊取物資。該場景描述了通過更好的處理技術和決策來改進信息流、共享和使用的需求。該方案旨在引發進一步的討論并幫助鞏固 AMNIS 參與者的研究主題。

對國防和安全的意義

AMNIS 項目將推動國防界在機器學習、深度學習、人工智能、可視化的許多方面、弱勢網絡上的信息共享、基于場景的決策以及人類績效建模和團隊合作方面的知識。這里描述的海洋/陸地情景旨在激發支持這些主題的研究途徑。