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

美國海軍陸戰隊正在全面采用無人自動化和半自動化資產。這些平臺將影響指揮鏈中的每一個人--從山頂上的班長、巡邏的排長，到監督所有戰場要素的營級作戰軍官。由于戰爭本質上仍然是人類的努力，因此在戰場上引入機器需要各級人員的團隊合作，以確保在未來的殺戮戰場上取得成功。要將這些資產整合到海軍陸戰隊的作戰行動中，就需要強有力的人機團隊合作（HMT），以保持海軍陸戰隊的競爭優勢。隨著越來越多的無人機和地面資產投入實戰，海軍陸戰隊的每項行動都需要不同程度的人機協作。雖然海軍陸戰隊的所有作戰功能都將受到這些資產的影響，但指揮與控制（C2）功能需要立即引起重視。本論文作者介紹了一個 C2 框架，它將幫助甲板上和作戰單元中的海軍陸戰隊員在 HMT 決策空間中做出正確的決策。該框架以 C2 理論、認知負荷理論以及最重要的相互依存關系為基礎。此外，作者還進行了知識增值（KVA）分析，以展示革命性技術在重新設計海軍陸戰隊熟悉的流程時所帶來的增值。

美國戰略陸軍條令強調在多域環境中擊敗反區域介入和空中拒止（A2AD）系統。這些防空系統對友軍構成重大威脅，嚴重限制了聯合任務部隊的空中能力。為此，陸軍試圖了解自主無人機蜂群的組成如何影響聯合特遣部隊縱深打擊任務的成功。目標是通過評估自主無人機蜂群的有效性來加強陸軍的作戰行動。利用虛擬戰斗空間模擬器3（VBS3），模擬了不同無人機蜂群組成的俄羅斯防空資產。我們的分析表明，在我們的備選方案中，動能、干擾和誘餌三種無人機類型比例相等的無人機蜂群組合表現最佳。本文旨在說明我們的方法和相關結果。

引言

美國陸軍越來越重視與同行對手保持技術優勢（國會研究服務，2022年）。美國陸軍未來司令部（AFC）正在進行自主無人機群的研發。為了支持陸軍未來司令部和我們的主要利益相關者--系統增強型小型單位（SESU），我們評估了各種自主無人機群的組成。我們的主要評估指標是無人機群在敵后執行后續縱深打擊任務（兩架F-22）的能力。為此，我們使用Virtual Battlespace 3軟件在現代戰場環境中對敵方防空資產進行了一系列隨機模擬。

方法

在整個項目過程中，我們采用了系統設計流程來完成問題定義、解決方案設計和決策制定（Parnell和Driscoll，2010年）。解決方案實施階段不在本工作范圍之內。

3.1 問題定義

為了解問題的范圍，通過一系列面對面訪談和針對每個利益相關者的調查進行了利益相關者分析。這些利益相關者包括項目發起人（MITRE）和陸軍未來司令部，以及其專注于增強無人機蜂群技術的下屬單位（SESU）。利益相關者分析表明，工作重點應放在不同的蜂群組成上，并評估其擊敗敵方防空資產的有效性--有效性由機會之窗（WOO，即實現后續深度打擊資產）標準來衡量。根據利益相關者調查，將敵方防空資產定義為任何車載防空武器（如俄羅斯的SA-19 "格里森"）。

經利益相關方同意，制定了如下問題陳述和范圍：

問題陳述： 為了提高作戰效率，分析無人機群的組成對打開針對敵方防空系統的機會之窗（WOO）的影響。

問題范圍： 將模擬無人機群執行任務，打擊俄羅斯摩托化步槍旅理論上適當的防空資產。這些任務將利用具有以下能力的無人機群：誘餌、干擾和動能。

3.2 方案射擊

基線替代方案是由120架無人機組成的蜂群，其組成由利益相關方選定。這些無人機分10波發射，每波12架。每個波次由41%的動能無人機、17%的干擾無人機和42%的誘餌無人機組成。除了該基線備選方案外，我們還利用茲威基形態箱開發了另外12種備選方案，其規模（120、60、36）和蜂群組成（動能、誘餌或干擾的比例；或三者的優先級相同）各不相同。

3.3 決策

除了利益相關方制定的任務成功/失敗標準（第2.1節）外，我們還利用利益相關方分析和對利益相關方進行的模擬演習的訪問來制定評估標準。這些評估標準衡量了針對理論上旅級規模的俄羅斯防空部隊的成功任務的有效性（圖2）。為了計算這些標準的權重，我們使用了等級加權法。然后，我們使用指數值建模來制定價值曲線。

蜂群是戰爭的下一個進化步驟。激光武器系統（LWSs）將是在這個新的戰斗空間中競爭的一種具有成本效益的方法。無人機系統正被用于各個層面，從恐怖組織到世界超級大國，廉價的無人機系統作為采用蜂群戰的一種方式。目前，無人機群已經被用于異質配置，并在軍事演示中被展示出來（Hambling 2021）。作為反擊，國防部必須制定一個具有成本效益的對策，而LWSs具有每次射擊成本低、見效時間短的優點。

隨著通信方法、機器學習和蜂群理論的發展，無人機系統的能力也在增長。它們按重量、范圍和速度的不同組合進行分類。無人機系統執行廣泛的任務類型，包括監視、反制、誘餌、傳感器失效和有效載荷的交付。它們通常由高強度低重量的材料制成，如鋁或碳纖維增強聚合物；然而，最近也在探索使用鎂基復合材料以實現更廉價的制造（Hoeche等人，2021）。容易獲得和廉價的無人機系統使得形成蜂群成為一種具有成本效益的方式。LWS將是準備應對這種新型威脅的有效方式。

通過適當的使用，LWS將成為對廉價的蜂群攻擊的相稱和有效的反應，變得非常寶貴。擬議的每發1美元將使海軍在這些交戰中贏得經濟損耗（Smalley 2014; Perkins 2017）。然而，也有一些需要注意的障礙，如大氣效應、湍流和熱膨脹。LWS還需要能力很強的傳感器和控制系統來精確跟蹤遠距離目標，并在所需的停留時間內保持訓練好的光束。這種需求在海洋環境中被放大了，船舶的湍流和運動使問題更加復雜。戰術官做出的復雜決定是對蜂群戰和LWS使用的另一個關注。在蜂群戰環境中，交戰時間可能短至個位數分鐘。幫助決策者快速過濾大量信息的自動化決策輔助工具將是贏得這些快速小規模戰斗的關鍵所在。這篇論文探討了各種無人機威脅情況和LWS交戰策略，以確定一些關鍵因素。

無人機群可能由同質群或異質群組成。使用同質群可以簡化獲取和使用具有成本效益的蜂群，而異質群則會增加蜂群的復雜性和能力。同質蜂群的操作者可以改變攻擊的規模和隊形。異質蜂群可以利用各種角色的單位，如戰斗機、轟炸機、誘餌、干擾器和偵察兵。改變蜂群的組成可能會對整體的成功機會產生相當大的影響。

使用的LWS交戰策略會嚴重影響交戰的結果。最直接的技術是基于距離的方法，即武器系統僅根據距離來確定目標的優先次序。最短交戰 "算法提供了一個模型，它也考慮了LWS的回轉時間。如果來襲的威脅是一個異質的蜂群，LWS可以采用更復雜的策略，優先考慮蜂群的各種功能，如感知或通信。這些異質性交戰方法將要求防御者對蜂群有大量的了解，因此需要有能力很強的傳感器和數據融合系統。

本論文使用建模虛擬環境和模擬（MOVES）研究所的一個名為 "蜂群指揮官戰術"（SCT）的程序來探索和模擬蜂群戰環境。SCT被用來測試各種蜂群編隊，包括直線、楔形和波浪形楔形。此外，本論文還開發了一種采用誘餌無人機來掩護轟炸機部隊的異質蜂群編隊。對于LWS，本論文評估了一種交戰策略，使轟炸機部隊優先于任何其他部隊。

主要的發現是，最大限度地增加單位之間的角位移的蜂群編隊比緊密聚集的群體更成功。這些結果是由于每個目標之間需要增加LWS的回轉時間。裝甲誘餌方案增加了整個蜂群的存活率，因此也增加了性能。在艦艇幸存的模擬中，轟炸機能夠活得更久，在被摧毀前更接近艦艇。在艦艇被摧毀的模擬中，有更多的轟炸機幸存下來。關于LWS的交戰策略，這一轉變對結果造成了巨大的影響。在艦艇存活的模擬中，交戰時間要短得多，轟炸機被摧毀的距離也遠得多。在艦艇被摧毀的模擬中，交戰持續時間更長，轟炸機群的大部分被摧毀。這些結果強調了利用各種編隊、異質無人機群以及制定LWS交戰策略來對付它們的潛在好處。

圖1. 使用艦載LWS來防御無人機群的威脅。改編自洛克希德-馬丁公司（2020）和愛德華茲公司（2021）。

同級和近級A2AD系統帶來的威脅影響到戰爭的每個領域。A2AD綜合防空系統（IADS）的預警和制導雷達提醒部隊注意任何即將接近的敵對飛機。小型無人駕駛航空系統（SUAS）蜂群、人工智能（AI）的進步，以及大型遙控飛機（RPA）功能的增加，提供了一種手段，通過欺騙雷達和呈現不明確的威脅畫面來影響敵人的目標定位周期，理論上這將延遲武器的使用，同時為美國（US）和盟友提供目標定位數據。美軍應該能夠利用SUAS和更大的RPA蜂群，或不對稱RPA蜂群（ARS）來呈現和監視敵方的IADS雷達，目的是推遲IADS對友軍的交戰，或使敵方的IADS與價值較低的目標交戰，使雷達和運輸機架設發射器（TEL）都暴露出來，以便于消滅。

同級和近級對手已經建立了極其復雜的反介入和區域拒止（A2AD）系統，試圖限制行為者在其聲稱的主權領土附近實現戰略和戰術優勢。蜂群中的SUAS和RPA提供了一個機會，通過提供能夠模仿其他飛機并改變其配置的誤導性雷達信號來混淆敵人的目標定位周期，從而為其IADS帶來目標定位困境。當代有一些工作在創造模仿特定飛機雷達截面（RCS）的自主目標定位無人機，然而它們模仿的系統已經被取代。更小的、更便宜的、有能力創造多種雷達特征的飛機可以在報告了預警雷達范圍內的特定類型的飛機后產生懷疑，只是該特征的特點發生了巨大的變化。敵人將被迫花費時間和精力來調查潛在的威脅，而不是能夠對他們的第一個跡象作出反應。每個蜂群將試圖模仿另一個RCS，探測并報告針對機群的雷達能量，然后改變編隊或飛行特征以混淆敵人的目標。目前的系統需要人工智能的增強，以便在有爭議的電磁（EM）環境中，在沒有操作員的任何輸入的情況下做出適當的反應。ARS人工智能應該能夠改變配置，以呈現多種類型的RCS，并決定采取何種（如果有的話）機動措施來應對雷達和動能火力。

不對稱的RPA蜂群將為敵方IADS的使用提供大量的資源和決策周期消耗。ARS將在蜂群中進行協調，模仿更大、更具威脅性的飛機的雷達特征，試圖引起采集和瞄準雷達系統的反應。ARS將探測并向雷達采集范圍以外的目標小組報告雷達地點和活動，以使其失效。如果對手向ARS開火，蜂群將有如何反應的選擇，如承受打擊、試圖躲避或重新配置其隊形。在未來與同行或近鄰的沖突中，擁有靈活的選擇來降低敵人的行動決策周期，即使是短暫的，也將證明成功與失敗之間的區別。

美海軍陸戰隊空地特遣部隊（MAGTF）作為海軍綜合部隊的一部分，將在交戰層、增援層和鈍化層的分布式海洋環境中感知、分享、欺騙和吸引同行的對手部隊，以實現競爭連續的國家軍事目標。為了實現這一目標，海軍陸戰隊空中指揮與控制系統（MACCS）必須部署小型、隱蔽、自主的無人空中和地面多光譜/模式傳感器，以增強大型空中監視雷達，采用網絡化的混合航空指揮與控制（AC2）節點，在行動中進行調整，并重振海軍陸戰隊集中指揮和分散控制的航空理念。其目的是用蜂群式的力量和火力來摧毀對手的物質和心理力量，并提高友軍的生存能力。

國防部（DoD）指令5100.01規定了海軍和海軍陸戰隊的職能，而未來的安全環境在《2015年海軍陸戰隊安全環境預測： 未來2030-2045》、《海軍陸戰隊作戰概念》（MCOC）以及《有爭議環境中的近海作戰》（LOCE）和海軍的分布式海上作戰概念對未來安全環境進行了描述。根據這些資料，目前的軍法署署長小組缺乏一個有彈性的MACCS，能夠同時進行匯總和操作，在對手咄咄逼人的瞄準行動中幸存下來，為海上態勢感知作出貢獻，并支持分布式交戰。空中和水面監視雷達傳感器極易被發現，部署的數量不足以吸收攻擊，探測到的低空威脅距離不夠，無法在水面或陸地上攔截它們，而且在海洋環境中的部署和機動性能仍然有限。此外，MACCS目前沒有組織、訓練或裝備，無法通過重新配置功能能力來適應不斷變化的情況并以最佳方式完成任務，從而對所使用的AC2節點進行適應性任務組織。歸根結底，問題在于如何在提高生存能力的同時，提高軍法署和海軍感知、共享、欺騙和參與敵方部隊的能力。

美國軍方正在探索 "內部 "的不對稱能力，如可以在對手威脅圈內運作的蜂群概念，即反介入/區域拒止（A2AD）環境。集群是系統性地同時臨時集結分散和連接的部隊，并從各個方向對敵方開火。其目的是摧毀對手的物理和心理力量，提高友軍的生存能力。軍法署署長辦公室需要對空中和地面威脅提供多譜系/模式的監視，并協調聯合部隊對這些目標的反擊，這些目標延伸到具有反介入/區域拒止系統的爭議地區。它必須在高威脅的海洋環境和內陸地區提供補充性的感應，以實現遠程交戰（遠程交戰）。較小的移動式空中和水面監視多譜系/模式傳感器對對手在水面和陸地上的目標定位是一個重大挑戰。它們可以補充大型空中監視雷達，照亮大型雷達因地形或地球曲率而無法覆蓋的區域。這些較小的傳感器可以為較大的更有能力的雷達提供早期排隊，并通過由彈性混合AC2節點管理的網絡為共同的戰術圖景做出貢獻。大量的主動和被動傳感器和誘餌，在不同的時間打開和關閉，并不斷移動，再加上有選擇地激活大型空中監視雷達，將刺激對手的觀察，其速度將壓倒他們的目標能力，同時掩蓋友好能力。為低級別的地面指揮官獲得卓越的態勢感知，在縱深上創造更大的防空和制海選擇，并加快處理即時空中支援請求，將使蜂擁而至的部隊和火力能夠消滅敵軍。海軍陸戰隊有機會通過分散不斷移動的小型空中和地面主動和被動多光譜/模式傳感器、混合AC2機構和分布式武器系統，提高聯合部隊感知、分享、欺騙和參與友軍高價值大型雷達系統范圍之外的威脅的能力。在作戰層面上，在一個或兩個戰場上與對手進行橫向競爭可以增加對手的成本，迫使他們投入更多的資源并評估他們的利益。避免隧道式視野，將自己的行動限制在確切的物理競爭點上，并不能提供整個競爭連續體的全部選擇，而這將是迫使對手進行成本強加計算所需要的。

美國陸軍認識到對手在戰略上正在整合信息作戰（IO）、網絡空間作戰和新興技術，挑戰美國在所有領域的機動自由，從而帶來了持續的威脅。因此，美國陸軍正在為向多領域作戰的理論轉變做準備，這將增加信息在戰爭中的作用。在此過程中，美國陸軍在設計和實踐中面臨著信息輸入方面的挑戰和差異。目前美國陸軍的信息輸入學說、術語和整體結構是不充分的，沒有促進概念上的共同理解。這導致了戰術單位在信息環境中的系統表現不佳，以及在戰略和計劃中對信息交流的次優整合。同樣地，美國陸軍的信息產業從業者群體也面臨著身份危機，這降低了該行業的凝聚力、影響力和有效運作的整體能力。為了克服這些挑戰，首先需要對美國陸軍IO的設計和實踐進行嚴格審查，以揭示差異的范圍。然后，社會網絡分析和社會認同理論的應用揭示了在IO培訓、教育和組織方面的潛在解決方案，這將使美國陸軍在信息環境中變得更具競爭力。這項投資將提高陸軍在當前和未來沖突中無縫整合和執行信息戰的能力。

在購置海軍平臺的資本有限的限制下，需要應對海上挑戰。像波浪滑翔機這樣的無人平臺可能有助于解決這個問題。波浪滑翔機是一種無人水下航行器，它可以配備一個被動陣列，并可以在感興趣的區域（AOI）保持長時間的部署。它們能夠提供分層防御，防止對手在不被發現的情況下穿越該區域，從而提供低成本、持久性的反潛戰（ASW）解決方案。在2016年由英國皇家海軍領導的 "無人勇士 "演習中，展示了反潛波浪滑翔機成功追蹤一艘載人潛艇的能力。然而，如何部署一定數量的波浪滑翔機來探測一艘過境的對手潛艇的問題仍然相對沒有被探索。本論文旨在開發一個模型，以確定部署的波浪滑翔機的探測能力，該模型考慮了與探測水下接觸有關的變量，在具有聲學挑戰性的水下環境中使用被動聲納，并在部署無人資產方面受到限制。該模型規定了實現特定探測概率所需的波浪滑翔機的最佳數量，并為其在AOI中的位置提供了參考，以盡量減少對手潛艇穿越該區域而不被發現的概率。

為了利用無人系統提供的無數優勢，近年來，它們在軍事行動中的地位越來越突出。無人系統，在這里是指無人水下航行器（UUV），被用于各種任務，如海洋學、反地雷、情報、監視和偵察（ISR），僅舉幾例。最近，UUV在反潛戰（ASW）領域的使用也有所發展。本論文探討了在反潛戰中使用 "波浪滑翔機"--一種配備了被動陣列的UUV。該方案圍繞著反潛波浪滑翔機在AUO中的最佳位置發展，以最大限度地提高探測到穿越該地區的敵方潛艇的概率。開發了一個模型來計算具有特定估計聲納范圍（ESR）的特定數量的波浪滑翔機所累積的探測概率。

為了開發這個模型，使用被動聲納方程闡明了裝有被動聲納的波浪滑翔機的水下探測特性。諸如設備、目標和環境特征等方面的因素被考慮到方程中。還考慮了影響聲音在水下傳播的各種因素，如傳輸損耗和水下噪聲的存在，它阻礙了從目標接收的整體聲音。被動聲納方程和其中涉及的參數被用來計算聲納的性能，稱為優點數字（FOM）和信號過剩（SE），它告訴我們目標發出的信號是否會被波浪滑翔機上的傳感器檢測到（Urick，1967）。此后，Poisson掃描模型（Washburn，2014年），它將探測模擬成一個Poisson過程，被用來制定探測的累積概率的表達。該表達式為橫向范圍函數鋪平了道路，該函數描述了在給定的環境條件下，波浪滑翔機在特定范圍內探測目標的能力。

為了最大限度地提高總體探測概率，探索了將波浪滑翔機置于不同的編隊中--即AOO中的障礙物、扇形、圓形和多障礙物。實驗是通過模擬潛艇穿越該地區周邊的隨機點來進行的。然后改變不同編隊中的ESR和波浪滑翔機的數量，以深入了解特定情況下的最佳位置。通過改變關鍵參數，如目標速度、泊松過程的檢測率和模擬中的FOM，也進行了敏感性分析，以分析它們對總體檢測概率的影響。模擬結果表明，將波浪滑翔機放置在AOO的障礙物陣中，可以最大限度地探測到穿越該區域的海底接觸物的概率。盡管屏障編隊總是比多屏障編隊提供更高的探測概率，但它可以作為一種戰術選擇，使潛艇在較長的時間內處于防御狀態，因為潛艇必須穿越穿插在一起的波浪滑翔機層。探測的概率隨著ESR探測率的增加而增加，而保持所有其他因素不變，則隨著目標速度的增加而減少。

隨著作戰區域的日益復雜和對手的不斷推進，開發低成本的無人機系統蜂群可以為美國部隊提供引人注目的能力。因此，研究問題涉及現有小型無人機系統的最佳組合，這些系統提供了平均/標準偏差探測時間和任務成功率的最佳性能指標，同時受限于給定的預算和機群規模。對這些小型無人機系統的要求是，它們屬于美國空軍1-3組無人機系統。研究小組使用Python模擬，在半徑為5海里的隨機目標地點收集不同無人機系統的個人性能數據。然后，這些指標被輸入一個優化程序，該程序在某些硬約束條件下選擇最佳組合。結果表明，在測試的所有三種情況下，6個ALADiN和24個平行螢火蟲的混合物是最佳組合。其綜合成本為160萬美元。利用模擬的洞察力，團隊還能夠建議哪些屬性對成功的任務最重要，在開發過程中節省時間和費用。

美國海軍陸戰隊正在建設反水面作戰領域的能力，特別是在獲得地基反艦導彈（GBASM）及其相關發射平臺方面。研究為分析與這種新能力相關的部隊結構提供了一種方法。研究方法使用離散時間馬爾可夫模型對GBASM炮組和敵方水面艦艇之間的戰術級決斗進行建模。這些模型有足夠的復雜性來解決關鍵的部隊設計問題，并且對決斗的關鍵特征進行了參數化，以便進行強有力的敏感性分析。

在海軍導彈作戰中，重要的是確定所需的炮彈規模S，以使炮彈有足夠高的概率殺死敵艦。GBASM概念的獨特之處在于，與從水面艦艇上發射導彈相比，它能夠將這種炮彈分散到幾個平臺上，并以更適合特定戰術場景的方式進行發射。在這種情況下，如果有一個大小為K的禮花彈，并將該禮花彈分散到N個平臺上，那么每個平臺在特定的禮花彈中發射?枚導彈，這樣K × N = S。有了這個公式，就能夠分析平臺數量和每個平臺發射的導彈數量在這些配置的殺傷力和生存能力方面的權衡。這為成本-效益分析提供了基礎。

對GBASM炮臺與敵方水面艦艇發生接觸的情況進行模擬。從簡單的場景開始，然后逐漸復雜化。讓GBASM發射器與一艘敵方水面艦艇進行決斗。GBASM一方被稱為藍方，水面艦艇被稱為紅方。最初假定雙方都有足夠的導彈供應，并且交換的時間是有限的，因此可以把供應視為無限的。GBASM以彈丸為單位進行發射，每個彈丸至少包括一枚導彈。在藍方的炮擊之后，紅方的水面艦艇有機會進行還擊。

在所描述的環境中，假設藍方具有首發優勢。鑒于GBASM的引入在沿岸地區造成的不對稱情況，首發優勢的假設并不是不合理的。GBASM是移動的，有可能移動到難以探測的地方，只有在準備開火時才出來。GBASM的目標是保持不被紅方船只發現，直到它成功瞄準紅方船只。一旦紅方船只成為目標，GBASM系統就會開火并移動到一個新的位置。如果沒有關于GBASM移動的完美信息，紅方艦艇將持續處于不利地位。

此外，該模型捕捉到了紅方對藍方的炮擊進行防御措施的能力。這些防御性的反措施是用參數λ來說明的，這個參數是紅方根據泊松分布可以攔截的藍方導彈的平均數量。以這種方式對紅方采取反措施的能力進行建模，說明了隨著藍方導彈規模的增加，紅方采取反措施的能力也在減弱。同樣，也說明了紅方針對藍方分布式發射器的能力下降。紅方殺死藍方分布式平臺的能力用參數?表示，根據泊松分布，紅方在還擊中可以殺死藍方平臺的平均數量。這再次說明，隨著藍方平臺數量的增加，紅方瞄準和殺死藍方的效果有限。

在對該模型的分析中，遇到了幾個關鍵的發現。首先，最重要的是確定理想的炮擊規模S，以提供足夠高的殺死敵艦的概率。這不是一個簡單的 "越多越好 "的問題，因為炮擊規模有一個收益遞減點。正如人們所期望的那樣，還得出結論，增加平臺的數量K可以提高生存能力，從而提高GBASM炮臺的殺傷力。然而，改進的幅度對其他參數很敏感，當炮彈規模足夠大時，改進的幅度通常很小。

該研究的主要產出是創建的模型和對它們進行進一步分析的能力。本論文中任何地方使用的參數值都不是由具體的GBASM系統或潛在的敵方水面艦艇的能力來決定的。因此，結果應該被看作是對參數空間可能區域的探索的概括。這些模型提供了根據有關特定系統的能力進行具體分析的能力。

目前，人工智能（AI）為改造許多軍事行動領域提供了巨大的機會，包括作戰、指揮與控制（C2）、后勤、安全和維護，以提高其整體作戰效率。空中和導彈防御（AMD）是一個特別復雜的任務領域，人工智能的應用至關重要。空中導彈防御任務指的是保衛國土、保護區、地面基地、地面部隊或艦艇免受敵對的空中或導彈威脅。AMD的威脅包括敵對的飛機、無人駕駛飛行器（UAV）或機載導彈。AMD行動的復雜性源于威脅的嚴重性、威脅的意外性、對形勢認識的不確定性以及事件的快速發展，因為作戰人員必須迅速評估形勢，制定適當的行動方案，并最好地利用他們的戰爭資產來應對。美國國防部（U.S. DOD）正在研究使用AI系統（或AI-enabled AMD[AI-AMD]系統）作為AMD作戰人員的自動決策輔助工具，以大大減少他們的認知負荷（Jones等人，2020），使AMD決策更快、更好。

人工智能的一個關鍵方面已經聚集了大量的研究興趣，那就是信任。信任是有效團隊的一個基本原則。它同時適用于人類和人機團隊。信任使團隊成員能夠很好地合作，是有效團隊表現的基礎（Lee and See 2004）。與人工智能系統的成功合作將需要人類對人工智能系統有一個校準的信任和依賴程度（泰勒等人，2016）。

隨著更先進和更快的空中和導彈威脅彈藥的發展和投入使用，操作人員更需要在AMD行動中迅速作出監測。不及時的決策和反應將導致災難性的后果。因此，人工智能是一個可能的解決方案，通過自動決策輔助工具加快和加強決策過程。這些AMD自動戰斗管理輔助工具可以幫助戰術操作人員應對更快的決策周期、大量的數據以及需要觀察的幾個系統或屏幕（Galdorisi 2019）。然而，為了有效地利用人工智能能力的潛力，需要操作員的高度信任。操作員對系統的信任程度低，可能會導致人工智能-AMD系統利用不足，受到不適當的監控，或者根本不使用（Floyd, Drinkwater, and Aha 2016）。這些問題中的任何一個都可能導致操作者的工作量不必要的增加，或者任務失敗的可能性。

論文對信任的定義、人機交互（HMI）的概念、信任因素以及包括AMD殺傷鏈模型、威脅場景、架構、模型和功能在內的概念模型進行了廣泛的回顧。有了這樣的認識，論文提出了人工智能-AMD系統的信任框架，對人機交互和人工智能-AMD系統信任因素的描述。論文最后提出了在人類操作者和AI-AMD系統之間實現校準信任的策略。

信任框架始于對系統背景的分析。圖1顯示了AI-AMD指揮與控制（C2）系統（包括AI-AMD操作員和決策輔助工具）及其他與之互動的子系統的背景圖，這些子系統有助于操作員和AI-AMD決策輔助工具之間信任的發展。背景圖使我們能夠研究各系統之間的相互作用，以及它們對AI-AMD操作員和決策輔助工具之間信任動態的影響。

圖1. AI-AMD系統框架圖。

這篇論文將信任定義為操作者的態度，即AI-AMD決策輔助工具將有助于實現操作者的目標，即在一個以不確定性和脆弱性為特征的作戰環境中迅速摧毀來襲威脅的任務。這種信任的定義表明，它是對操作者相信或感知AI-AMD決策輔助工具的一種情感評估。為了積極地影響信任，操作者必須親自看到并感受到AI-AMD決策輔助行動的優勢。AI-AMD行動涉及很多不確定因素，以及天氣、電磁干擾和地形等環境因素以及不斷變化的威脅的性質所帶來的脆弱性。操作員將預期AI-AMD決策輔助系統按照 "合同 "執行，以處理這些不確定性和脆弱性。這些合同將是人工智能-AMD決策輔助工具應該執行的感知功能或任務，以及執行這些功能或任務的理想表現。

圖2說明了操作員和AI-AMD決策輔助工具之間的信任框架。y軸代表人類對AI-AMD決策輔助系統的信任程度，x軸代表AI-AMD決策輔助系統的能力。綠色的45°虛線表示最佳的信任水平或校準的信任線，其中的信任與AI-AMD的能力相對應，導致正確的利用（Lee and See 2004）。過度信任由最佳信任水平線以上的區域表示，此時的信任超過了系統能力，導致誤用。低于理想信任水平線的區域表示不信任，這時的信任沒有達到系統能力，導致濫用。假設存在一些默認的信任水平（如黃框所示），目標是制定一個策略，以提高AI-AMD輔助決策能力的信任。在使用該系統時，可能會發生違反信任的情況，從而降低操作員的信任。因此，信任修復行動必須被納入，以保持信任在最佳水平。

圖2. 人類操作員和AI-AMD決策輔助工具之間的信任。

基于功能分配的操作員和AI-AMD決策輔助工具之間的人機交互研究表明，操作員和AI-AMD決策輔助工具應該被設計成在大多數殺戮鏈功能中作為一個 "團隊"運作。這引導論文研究了單獨和集體考慮人類和決策輔助的信任因素。對操作員和人工智能-AMD決策之間的人機交互的研究還顯示，操作員的角色已經從手動控制器變成了監督控制器。因此，一個值得信賴的決策輔助工具是很重要的，因為操作者會期望系統的表現符合預期，以幫助操作者更好地履行他的角色。另外，為了進一步幫助減輕操作者的認知工作量，信息的外部表示、決策輔助工具的建議必須易于閱讀和理解。

關于信任因素，本論文提出了一個 "由外而內 "的框架，如圖3所示。論文首先考慮了與操作環境相關的因素，這些因素描述了AMD操作系統的背景。第二，它研究了與組織環境相關的因素，操作人員和人工智能-AMD系統得到了培訓和發展。第三，論文研究了操作人員和人工智能-AMD決策輔助工具之間的交互，以提出與操作人員、人工智能-AMD、單獨和集體相關的因素。

圖3. 建議的信任因素

圖4顯示了擬議的戰略銜接圖，以實現操作者和AI-AMD輔助決策之間的校準信任。對信任定義、人機界面和信任因素的審查表明，該戰略應關注三個關鍵領域：（1）人類對自動化技術和AI-AMD決策輔助系統的集體和個人感知；（2）增強操作員和AI-AMD決策輔助系統的團隊活力；（3）AI-AMD決策輔助系統的可信度，重點是系統開發。該戰略利用DOTMLPF-P框架提出了三個關鍵原則和五個支持原則。首先，軍事作戰人員需要被告知自動化技術的真正能力和局限性，特別是AI-AMD輔助決策。第二，操作員的培訓要求必須增加，以應對新的工作范圍和不斷變化的威脅。第三，必須在人工智能-AMD決策輔助系統的開發中加入新的要求，以提高系統的可感知的可信度。這三個關鍵原則得到了DOTMLPF-P框架其他方面的支持，如組織、領導、人員、設施和政策。

圖4. 實現操作員和人工智能-AMD決策輔助工具之間校準信任的戰略銜接圖