本文分析了西方兩棲部隊為在未來作戰環境中發揮威懾和作戰作用而需要做出的主要調整。特別是，本文論述了英國皇家海軍陸戰隊的部隊設計需要如何發展，才能為聯盟或聯軍的兩棲作戰能力做出支撐。

本文認為，兩棲部隊不應成為艦隊奪取制海權后利用制海權的一種能力，而應是艦隊向陸地的延伸。這一點有微妙的不同，因為它涉及將兩棲部隊與兩種嚴格意義上的海軍職能緊密結合：海上打擊和確保制海權的工作。兩棲部隊的這種使用需要戰術專業化，尤其要注重縮小藍水海軍與聯合部隊之間的潛在差距。然而，正如將要討論的那樣，在戰術上側重于實施打擊并不一定會限制更加專業化的兩棲部隊的使用案例數量。

未來作戰環境的一個主要特征可能是對手擁有更強的反介入能力和更遠的岸上火力。對于盟軍和聯軍兩棲部隊來說，這意味著登岸部隊需要分布得更廣，而為其提供支援的航運也必須在更遠的距離上作戰。雖然這一挑戰在涉及近鄰對手的情況下尤為嚴峻，但反介入能力的擴散使其在英國和盟國兩棲部隊可能部署的多種情況下都可能成為挑戰。

本文認為，要適應這種新出現的作戰環境，最好的辦法是采用一種作戰概念，將兩棲力量投送歸入海軍的打擊和制海功能之下。分布式兩棲部隊可發揮關鍵作戰作用，通過匯聚遠程火力，應對反介入能力增強的挑戰。美國海軍陸戰隊的 "遠征高級基地行動 "框架是這種方法的縮影，它通常被視為海上封鎖的同義詞，但實際上具有更廣泛的適用性。在水上和岸上混合使用分散的遠程火力和小股突襲部隊，會給對方龐大的地面部隊帶來嚴重困難。

雖然突擊與火力的結合并不完全是兩棲作戰的解決方案，但能夠同時在海上和陸地上機動的部隊會給對手帶來更大的挑戰。在許多情況下，包括在歐洲狹窄的群島海域，以這種方式使用兩棲部隊將迫使對手勘察包括大陸地區、海域和近海島嶼在內的擴展沿岸空間。這將大大增加對手的 ISR 負擔。

兩棲部隊還可在沿岸海域發揮一些作用，其中包括在政治敏感條件下行使制海權。因此，本文認為兩棲作戰應歸入海軍的兩項任務--打擊和制海--而不是作為一項單獨的職能。

在這一范圍內，皇家海軍陸戰隊有可能成為以打擊為中心的合作伙伴以及英國和盟國海軍的輔助力量。作為一支輕型突擊部隊，海軍陸戰隊可以為執行打擊任務創造有利條件。對輕型登岸部隊的重視應使突擊隊所依賴的海上支援力量不斷發展，使其更具多功能性。一旦減少了對移動重型裝備的要求，就可以把重點更多地放在優先事項上，如攜帶傳感器和攻擊彈藥的能力以及實現低可觀察性。這樣就能在瀕海兩側執行制海權和群島戰等任務。

將皇家海軍陸戰隊的重點轉向打擊和制海這兩個優先事項意味著戰術專業化。但這并不一定意味著限制海軍陸戰隊將發揮的作戰和戰略作用。無論是在歐洲的突發事件中，還是在遠征范圍內，以打擊為中心的作戰概念都具有明顯的效用。這將涉及縮小突擊隊的戰術作用和認證范圍，以及減少對傳統輕步兵職能的重視。然而，部隊的規模和不斷變化的作戰環境意味著，無論如何，其中許多職能都可能是多余的。

新出現的威脅使目前兩棲部隊進入戰區變得越來越困難，同時也增加了對其他艦隊和更廣泛的聯合部隊的需求，以便在兩棲部隊派遣時為其提供保護。因此，兩棲部隊面臨的風險是，兩棲登陸的價值逐漸被其成本和風險所抵消。本文認為，包括皇家海軍陸戰隊在內的兩棲部隊不必將沿岸讓給岸基反介入/區域拒止能力。這些部隊有可能為盟軍威懾增加相當大的價值。但要在未來的作戰環境中做到這一點，它們必須在概念上和部隊設計上與艦隊更緊密地結合。

數字工程正在徹底改變系統工程領域。美國海軍正在實施數字工程概念和方法，包括數字孿生、數字線程、權威真相來源、基于模型的系統工程以及數字工具和技術，以設計和建造復雜的海軍系統。本論文探討了數字工程在海軍系統測試與評估（T&E）中的應用。論文對海軍采購測試與評估的現狀進行了深入分析，解釋了相關的挑戰和局限性，強調了采用現代化方法的必要性。它全面概述了數字工程，通過海軍和整個行業的幾個使用案例說明了數字工程的影響。報告提出了一個新概念： "數字測試與評估 "是將數字工程方法應用于系統工程的測試與評估階段。這項研究揭示了如何利用數字 T&E 來應對和克服當前海軍 T&E 面臨的挑戰。研究最后提出了海軍實施數字化 T&E 方法的路線圖。這些見解旨在對海軍測試與評估界產生實際影響，指導制定新的戰略和政策，利用數字工程提高性能，促進傳統測試與評估流程的現代化。

圖 1. 海軍系統數字化測試與評估路線圖

數字工程正在徹底改變系統工程領域。2018 年，美國國防部推出了數字工程戰略，并將其定義為 "使用權威的系統數據源和模型作為跨學科的連續體，支持從概念到處置的生命周期活動的集成數字方法"（DOD 2018, 3）。它象征著系統工程實踐的根本性轉變，從傳統方法轉向數字環境中基于模型的技術（Giachetti 2022）。這一戰略轉變要求通過可靠的 "權威真相來源"，在整個工程流程和組織結構中開發、利用和分發正式模型和數字信息。這一新興領域影響深遠，可能會影響到美國國防工業和其他各個領域，重塑系統工程的實踐。數字工程能夠提高運行效率和系統性能，創新設計和構建系統的方法，從而為快速發展和技術進步的動態階段鋪平道路。

2020 年，海軍部（DON）發布了一項戰略，正式確定了其對數字工程的承諾，概述了在整個海軍系統生命周期中使用數字工程的愿景。海軍正在將數字工程概念應用于 "鍛造軟件工廠 "等新興項目，旨在加速宙斯盾作戰系統的軟件升級（Katz 2022）。另一個值得注意的應用是潛艇戰聯合戰術系統（SWFTS），在該系統中，數字工程實現了靈活的架構，可快速實現潛艇技術集成、無縫更新并提高系統互操作性（Herber 和 Batchelor，2023 年）。最近，海軍計劃開發集成建模環境（IME），旨在利用數字工程徹底改變系統設計。該數字環境旨在提供一個具有凝聚力的框架，將各種系統模型和仿真單元結合起來，以推動創新、提高系統性能并提升艦隊的整體能力。

本論文探討了數字工程在海軍系統測試與評估（T&E）中的應用。它為傳統流程的現代化和增強向作戰人員提供的能力提供了一個開創性的機會。通過利用現代技術、數字工具和先進技術，數字工程有可能簡化海軍系統的測試與評估流程。然而，在這兩個領域的交叉點上，現有的研究十分有限，顯示出文獻上的空白。數字工程不僅僅是將傳統的測試流程和產品（如測試計劃和分析報告）轉換為數字格式。相反，數字工程需要對系統的整個生命周期進行全面的數字透視。隨著海軍在系統開發中采用基于模型的系統工程和數字孿生等數字工程概念，T&E 對海軍采購項目的快速部署變得至關重要。

本論文首先深入探討了海軍采辦 T&E 的現狀。論文對術語、背景和法定測試類型進行了深入探討，同時概述了復雜的組織結構。它強調了海軍 T&E 工作級集成產品團隊（WIPT）的重要性，該團隊由來自海軍各部門的科學家和工程師組成。該團隊對海軍采購項目的 T&E 活動的規劃、執行、分析和報告至關重要。在研究過程中，我們發現有關海軍 T&E 流程具體步驟的信息非常有限。為彌補這一不足，我們繪制了當前 T&E 流程圖，詳細說明了流程步驟、里程碑和交付成果。

這項研究確定了海軍測試與評估界面臨的九項具體挑戰和限制： 基礎設施不足、測試空間有限、威脅和場景不斷變化、測試集成、測試與評估支出、測試與評估成本認知、進度延誤、缺乏數據策略以及人工智能和 ML 測試。這些挑戰領域受到物理環境和傳統 T&E 流程的限制。這種方法越來越與當前的技術環境脫節，缺乏當今快速發展的世界所需的靈活性和適應性。

數字工程由基于模型的原則、權威真相來源（ASOT）和先進數字工具組成。基于模型的原則包括：數字孿生（物理系統的數字復制品）；數字線程（貫穿系統生命周期的相互關聯的連續信息流）；以及基于模型的系統工程（MBSE），這是一種強調使用系統模型支持系統設計的方法，而不是傳統的基于文檔的系統工程流程。ASOT 是一致且最新信息的集中存儲庫，在整個系統生命周期中統一數據、模型和其他系統相關信息（DOD 2018, 8）。這些原則共同標志著從傳統的以文檔為中心的方法論向全面、動態的數字化環境的轉變。

通過深入研究橫跨各行各業的四個數字工程案例研究，再加上廣泛的文獻綜述，本論文構建了一個矩陣，展示如何戰略性地部署數字工程原則，以解決運輸和評價中的現有挑戰。這種方法涵蓋了數字工程的方方面面，包括數字工程生態系統的概念。該生態系統整合了基礎設施、環境和方法論，將管理和分析系統數據與模型的流程、方法和工具統一起來，與利益相關者的需求保持一致。

這項研究的積累導致了一種被稱為 "數字 T&E "的新方法的發展。這一概念代表了數字工程方法在系統工程測試與評估階段的應用。與傳統的 "設計--建造--測試 "方法不同，該建議要求采用一種更復雜的 "建模--模擬--分析--建造--驗證 "迭代方法。它提供了一個更精確、更明確的框架，為提高系統開發的效率和準確性指明了道路。這一方法的步驟詳述如下：

• 模型： 通過創建物理系統的精確表征來啟動流程，最好是通過高保真數字孿生來捕捉系統細節。
• 模擬： 根據開發的模型，在虛擬運行環境中運行仿真，以模擬真實世界的條件。
• 分析： 使用指標對模擬數據進行分析，以評估性能并發現問題。采用先進的數字技術，實現流程自動化和簡化。如果根據分析結果需要更改系統模型，則調整模型并返回上一步。這種迭代循環一直持續到模型產生預期結果為止。
• 構建： 一旦系統模型滿足了所有系統要求并實現了預期結果，就開始構建實際的物理系統。
• 驗證：使用來自物理系統的數據作為權威的真理來源來驗證系統模型，確保虛擬表示與物理系統準確一致。

如圖 1 所示，將這種方法應用到當前的 T&E 流程中，就會產生一種執行數字 T&E 的創新方法。這種先進的數字 T&E 方法由十個步驟組成，通過融入數字工程原理，徹底改變了現有流程。它超越了計劃、準備、執行、分析、評估和報告等傳統的、按部就班的、以文件為中心的階段。取而代之的是一種更加動態、靈活和迭代的方法，強調持續反饋和系統改進。

本論文探討了海軍系統中數字工程和技術與評估的整合，旨在回答首要研究問題。通過文獻綜述和對四個案例研究的分析，論文采用建模-模擬-分析-構建-驗證的方法，提出了數字化 T&E 路線圖，強調了數字化工程的作用。研究結果為提高海軍系統開發效率提供了一條途徑，并有可能在整個國防工業中得到更廣泛的應用。建議強調對數字基礎設施的投資，如基于云的平臺、網絡升級、數字工具和數字雙胞胎。報告還呼吁與國防承包商共同制定新政策，以確保技術數據包和系統模型的訪問權限。此外，報告還鼓勵技術與工程界、學術界、工業界和承包商之間開展合作。展望未來，未來的工作領域包括本體論在 T&E 數據管理中的作用、數字勞動力的需求、使用任務工程測試多個系統模型以支持復雜的海軍行動，以及確定支持數字 T&E 的最佳組織結構。這些大有可為的途徑為進一步完善和擴展擬議的數字化 T&E 路線圖提供了機會。

俄羅斯決策者普遍認為人工智能是進一步發展軍事的幾項關鍵技術之一。雖然人們普遍認為人工智能可以提高許多軍事任務的效率，但對人工智能的使用及其潛在后果也存在各種擔憂，包括責任問題和人工智能在目標設定功能方面的表現。

就核企業而言，作者們探討了如何應用人工智能來改進與核武器有關的各種任務，從后勤管理和診斷到設施守衛，不一而足。重要的是，這些不同的潛在案例并不一定意味著 RVSN 的實際應用，而是反映了人們對概念化新技術如何惠及每項具體任務的普遍興趣。雖然這些討論經常提到人工智能系統需要可靠，但通常沒有明確分析其與核指揮控制和高層決策的聯系。

關于早期預警和指揮控制系統，不同作者普遍認為仍應由人類進行全面控制，盡管有些作者承認這些系統的完全自動化可能是可行的，不應將其排除在外。

在有關軍備控制的辯論中，人工智能仍未被普遍認為是一個重要因素。不過，那些承認人工智能作用的作者往往認為它是一種破壞穩定的力量。因此，一些人認為人工智能應被納入軍備控制議程，盡管除了基本的建立信任措施和核國家之間交換意見外，關于控制人工智能的可能協議還沒有明顯清晰的愿景。然而，一些人工智能武器可能會被納入傳統的軍備控制協議。

為推動五常之間就人工智能融入核C2、部隊結構和決策進行對話，應考慮以下建議：

1.人工智能相關術語詞匯表： 目前似乎缺乏共同語言，這不僅使有關該議題的國際討論復雜化，也使內部討論復雜化。各國可著手解決這一問題，編制一份有助于相互理解的共同術語匯編。一個可行的辦法是擴充現有的 "五常關鍵核術語匯編"，新增人工智能相關術語或更廣泛的指揮與控制安全相關術語。

2.'恐懼映射'：許多關于人工智能的辯論，特別是與核武器和一般戰爭有關的辯論，都充滿了對可能發生的最壞情況的恐懼（例如，人工智能系統中的錯誤或對人工智能系統的攻擊可能引發核戰爭）。各國可通過繪制這些與核 C2 和決策有關的恐懼來解決這一問題。這就需要集思廣益，找出所有可能的恐懼和擔憂，然后加以剖析，分析如何避免預期的危險。

3.不干涉的可行性：在蘇聯/俄羅斯與美國的雙邊軍控中，不干涉國家技術手段由來已久。近十年來，專家們考慮是否可以擴大不干涉承諾的范圍，以明確應對網絡攻擊；涵蓋太空中的非軍事資產；以及納入更多國家。各國應討論不干涉的理念是否可適用于核事業中使用的人工智能，例如哪些類型的目標應禁止網絡攻擊。

4.輔助功能與關鍵系統之間的依賴關系： 雖然在指揮和控制中使用人工智能可能是各國最關心的問題，但這遠不是這些技術可能改變核企業的唯一方式。各國應探討將人工智能技術融入輔助系統在多大程度上會對核指揮與控制的關鍵功能產生影響，以及如何降低可能的風險。

5.其他領域的人工智能風險評估和審計： 各國應借鑒其他領域的做法，這些領域的風險評估和人工智能安全審計更為成熟。特別是，它們應調查如何建立對這一過程的信心、其透明度和可解釋性。這可以為關于如何測試和評估人工智能系統的一般性討論創造空間，以及其他領域的經驗教訓在多大程度上可以為核決策思維提供參考。

6.人工智能的穩定用途：雖然有關戰略穩定的辯論傾向于將人工智能技術視為破壞穩定的因素，但各國應探討人工智能的使用可對它們之間的關系產生穩定作用的方式。

7.人工智能常規武器對核力量和 C2 的影響：俄羅斯文獻中提出的擔憂之一是，人工智能無人機可能被用來瞄準核力量或 C2 基礎設施。各國應分析這在多大程度上會成為額外的不穩定因素，以及如何加以解決。

8.定期交流： 各國應同意定期舉行會議，討論人工智能與核C2和決策互動的相關問題，此外，各國應嘗試將人工智能從業人員納入此類交流，以提供更具實質性的對話。

本研究探討了美國國防部（DoD）在冷戰早期對地對地導彈開發的管理，以及陸軍對 "朱庇特"中程彈道導彈（IRBM）的追求。在這些工作中，新興導彈技術對美國防部減少軍種間競爭和重復工作的能力提出了挑戰。盡管美陸軍闡明了使用遠程導彈的潛力，但卻未能說明為何應由陸軍來開發和操作上述武器。相反，陸軍利用 1950 年和 1954 年導彈協議中模棱兩可的措辭，廣泛應用其陸戰職能，蠶食了空軍的預期任務。這導致多個軍種爭奪有限的資源，并利用不成熟技術在當時不可預見的優勢，最終造成冗余。本研究發現，美國防部在 20 世紀 50 年代對導彈開發的管理使日益減少的國防預算捉襟見肘，限制了常規能力的現代化，并加劇了各軍種之間的緊張關系。雖然這些發現基于歷史研究，但卻具有持久的應用價值，因為它們揭示了限制性政策文件中模棱兩可的措辭所帶來的危險，并對參謀長聯席會議和類似的以軍種為基礎的委員會作為管理新興技術的組織的有效性提出了質疑。這些發現尤其適用于當今國防部的政策制定，因為冷戰時期的洲際彈道導彈爭議反映了當前軍種間在導彈開發方面的緊張關系。

研究問題

本研究探討了以下問題： 美國國防部（Department of Defense，DoD）對導彈這一新興技術的管理如何影響陸軍在 1955 年至 1956 年間對射程 1500 英里的 "朱庇特"導彈的追求？三個補充問題支持了這一研究問題： 第一，"朱庇特"導彈如何融入陸軍既定和調整后的服務職能？第二，美國防部在 20 世紀 50 年代制定了哪些限制措施來管理地對地導彈的研發？第三，是什么促使國防部長查爾斯-威爾遜在 1956 年明確了角色和任務，隨后終止了陸軍的 "朱庇特"導彈項目？

本研究認為，美陸軍利用美國防部對導彈發展的模糊指導來發展 "朱庇特"洲際彈道導彈--一種該軍種在作戰上難以自圓其說的武器。面對使命危機和有限資源的競爭，陸軍對新興導彈技術進行了大量投資，并對其服務職能和導彈開發責任進行了廣義解釋。反過來，陸軍不斷擴大導彈射程也造成了重復勞動，這是軍種間持續競爭的產物。遺憾的是，參謀長聯席會議（JCS）無法在內部解決這些沖突，國防部長最初無法解決，后來也不愿意解決，直到 1956 年 11 月才解決了問題。在這方面，20 世紀 50 年代國防部對導彈發展的管理使日益減少的國防預算捉襟見肘，限制了常規能力的現代化，并使各軍種之間本已脆弱的關系出現裂痕。

本報告描述了組織、訓練和裝備美軍太空部隊的戰略目標；實現這些目標的詳細計劃；確定了實現目標所需的單位或國防部其他組織的資源；確定了軍官和士兵的最終兵力需求。

隨著時間的推移，美國對太空的依賴與日俱增。潛在的對手已將太空業務化，以便攻擊并剝奪美軍太空部隊執行全球軍事行動所依賴的太空服務。美軍將著重保護太空能力及其提供的服務，并做好準備擊敗對手的太空能力。為此，美空軍部將重點放在彈性空間架構上--這意味著天基能力能夠得到保護，在受到攻擊時能夠從容降級，并在必要時能夠在合理的時間內重組。必須做好準備，拒絕潛在對手利用太空系統監控、跟蹤和攻擊美國、盟國和合作伙伴的軍事力量。

報告總結

美軍太空部隊將繼續根據《國防戰略》和《國家軍事戰略》中概述的威脅和挑戰來組織、訓練和裝備部隊。空軍部將繼續開發和部署技術與能力，以確保美國及其盟國和伙伴能夠抵御威脅生活方式的侵略。

成立美國太空部隊的目的是組織、訓練和裝備保護美國利益所需的太空部隊，確保太空領域的行動自由，實現聯合部隊的軍事目標。作為聯合部隊的重要組成部分，太空部隊致力于滿足當前和未來的需求，應對面臨的威脅。與此同時，大國仍然是美國面臨的最大挑戰，并在繼續推進積極的現代化計劃，以阻止美軍在沖突中使用太空。為了應對這些挑戰并保持競爭優勢，美國海軍陸戰隊將加快交付具有應變能力的太空作戰能力。 本報告詳細介紹了美國太空部隊的綜合戰略，并提供了執行該戰略的計劃。該戰略使太空部隊能夠在日益嚴峻的國家太空安全挑戰面前保持領先。太空部隊必須專注于加強美國兵力的戰備狀態，開發支撐太空部隊戰備狀態的 "守護者"，并與工業界和盟國建立成功所需的合作伙伴關系。這些概念并不新鮮，美國太空部隊自成立以來的三年半時間里一直在努力實現這些概念。然而，太空部隊可以加強和加快在這些領域的努力，并應用從太空部隊的組建經驗中汲取的教訓。仍有許多工作要做，太空部隊將需要來自實地的反饋，以繼續成功地使組織成熟起來。

首先，本報告強調了太空部隊在組織、訓練和裝備部隊方面的目標。為實現這些目標，美國太空部隊確立了三條工作路線。 實戰準備部隊，使太空部隊擁有在戰斗中取得勝利所需的人員、訓練和裝備；弘揚 "衛士精神"，使太空部隊能夠吸引、開發、激勵、授權并留住那些在美國航天局組織和 "衛士 "價值觀下茁壯成長的個人；以及 "合作共贏"，加強與聯合部隊、盟國和合作伙伴的關系，使太空部隊能夠合作建立持久優勢、遏制侵略和擊敗對手。

其次，本報告詳細介紹了實現太空部隊目標的計劃，包括資金和架構計劃。然而，要保持這一相對優勢，就需要太空部隊不懈追求創新和決定性的作戰能力，從而加快其計劃的實施。這包括實地考察有彈性和可防御的架構，為 "守護者 "做好準備，以便在競爭中戰勝這些威脅，并與聯合、聯盟、商業和機構間合作伙伴合作，最大限度地提高其作戰能力。

第三，本報告確定了實現該處目標可能需要的美國其他國防部組織的單元和資源。聯合小組與太空部隊的關系須與其與所有其他軍種的關系保持一致。太空部隊領導與作戰司令部的協調，以優化聯合效力，并領導合作伙伴的參與，以確保盟國、商業和民用能力的互補性。

美國防部增材制造戰略（2021年）和陸軍指令2019-29（2019年）（通過先進制造業實現戰備和現代化）表明，軍方正在努力將增材制造融入軍事系統。這項定性研究的目的是探索增材制造技術的進展，以評估增材制造部件在陸軍旋翼飛機上關鍵安全應用的可行性。本研究概述了陸軍飛機關鍵安全項目的鑒定過程，回顧了美國防部和陸軍的增材制造政策，詳細解釋了粉床聚變和定向能處置增材制造工藝，并回顧了一個案例研究。增材制造技術需要嚴格的材料和工藝控制，以及重要的鑒定檢查和測試，以支持陸軍航空的關鍵安全應用。然而，增材制造技術已經成熟，現在該技術已經準備好為關鍵應用生產高質量的復雜旋轉翼零件。

概念框架

本研究的概念框架定義了研究過程的目標。首先，本研究將提供一個陸軍航空CSI資格認證過程的概述。本研究將簡要討論與AM和航空有關的陸軍和國防部政策，以便為AM在陸軍航空中的相關性提供背景。然后，本研究將提供適用于陸軍旋翼飛機關鍵應用的金屬部件制造的AM工藝研究。最后，本研究將以一個案例來結束，該案例提供了一個陸軍旋轉翼飛機上使用AM部件的鑒定過程的例子。圖1顯示了生產增材制造關鍵安全項目的研究的概念框架圖。

在凈零排放作為國家安全的一個基本要素的背景下，本研究采取了一種分析方法來評估目前海軍部（DON）的排放，并了解支持任務準備的能源需求，同時隨著時間推移減少排放。在這份報告中，研究人員提出了當前和擬議的低碳能源，作為到2050年將海軍部轉變為凈零排放的可能途徑，其模型顯示了四個途徑選擇。國防部實現凈零排放的戰略包括替代燃料、氫氣、無人系統、電池、提高運營效率、核能、可再生能源以及碳捕獲和封存。該研究確定了挑戰和差距，以推進未來的研究和分析，進一步減少美國防部的排放。

美國仍然是世界上最突出的軍事和技術力量。在過去十年中，美國認識到人工智能作為力量倍增器的潛力，越來越多地將人工智能（AI）的熟練程度視為美國重要利益和保證美國軍事和經濟實力的機制。特別是，在過去十年中，人工智能已成為美國國防的一項關鍵能力，特別是考慮到2022年美國國防戰略對印度-太平洋地區的關注。

因此，美國國防部（DoD）（以及美國政府和國防機構總體上）對人工智能和相關新興技術表現出越來越大的熱情。然而，雖然美國目前在學術界和私營部門的人工智能研究和開發方面取得了巨大進展，但國防部尚未在廣泛范圍內成功地將商業人工智能的發展轉化為真正的軍事能力。

美國政府在利用國防人工智能和人工智能支持的系統方面通常處于有利地位。然而，在過去的幾年里，各種官僚主義、組織和程序上的障礙減緩了國防部在國防人工智能采用和基于技術的創新方面的進展。最關鍵的是，國防部遭受了復雜的收購過程和廣泛的數據、STEM和AI人才和培訓的短缺。從事人工智能和人工智能相關技術和項目的組織往往是孤立的，而且還存在必要的數據和其他資源相互分離。在美國防部內部存在一種傾向于可靠方法和系統的文化，有時趨向于勒德主義。所有這些因素都導致了人工智能采用的速度出奇的緩慢。美國家安全委員會2021年提交給國會的最終報告總結說，"盡管有令人興奮的實驗和一些小型的人工智能項目，但美國政府離人工智能就緒還有很長的路要走"。

因此，盡管人工智能有可能增強美國的國家安全并成為一個優勢領域，而且鑒于美國在軍事、創新和技術領導方面的長期傳統，人工智能有可能成為一個薄弱點，擴大 "美國已經進入的脆弱窗口"。 如果美國不加快創新步伐，達到負責任的速度，并奠定必要的制度基礎，以支持一支精通人工智能的軍隊，人工智能將繼續成為一個不安全點。

去年，美國防部在這些挑戰中的一些方面取得了進展，調整了國防人工智能的方法。2022年6月，美國防部發布了《負責任人工智能戰略和實施途徑》，將更有數據依據的、負責任的、可操作的人工智能工作列為優先事項，此后開始執行。最重要的是，美國防部已經啟動了對其人工智能組織結構的重大改革，創建了一個新的首席數字和人工智能辦公室（CDAO），以整合其不同的人工智能項目和利益相關者，并使其與該部門的數據流更好地協調。值得注意的是，美國國防部目前正在對其國防人工智能的整體方法進行重大變革和振興。然而，這些新的人工智能努力是否足以讓美國彌補失去的時間，還有待觀察。

美國陸軍最近制定了一項關于未來陸軍如何作戰的戰略以及實現這些軍事能力的相關現代化和研究重點。以高超音速飛行為基礎的遠程精確射擊對于確保美國能夠對任何競爭對手實施其意志至關重要。要實現一個有效的未來美國軍隊，必須克服許多障礙。其中一些差距是對高超音速飛行器空氣熱力學的理解，從而促使對基礎研究的需求。本報告的目標是定義一個經典的、與陸軍相關的配置，適合于基礎研究，以允許與適當的主題專家的關鍵數量的集中合作。從這種開放的幾何構型研究中獲得的數據和知識可能會受到更多的限制性分配。

美國陸軍最近制定了一項關于未來陸軍如何作戰的戰略以及實現這些軍事能力的相關現代化和研究重點。以高超音速飛行為基礎的遠程精確射擊對于確保美國能夠對任何競爭對手實施其意志至關重要。

要實現一個有效的未來美國軍隊，必須克服許多障礙。其中一些差距是對高超音速飛行器空氣熱力學的理解，從而促使對基礎性研究的需求。缺乏對高超音速飛行器周圍發生的復雜物理和化學的預測性知識，抑制了及時的、優化的多部件設計。對邊界層過渡和沖擊-邊界層相互作用等具體現象了解不多。不能正確地對現象進行建模，會產生一些不確定的特征，如表面壓力分布和熱通量，這對飛行器技術，包括穩定性、控制和熱負荷管理，都有負面影響。

幸運的是，有一個先例，即通過定義政府基準飛行器來促進全社會的科學討論，這些飛行器包含功能相關的工件，但對具體的發展計劃不敏感（見陸軍-海軍基本芬納導彈、空軍改良基本芬納導彈、陸軍-海軍旋轉火箭、國家航空航天飛機和NASA研究）。本報告的目標是定義一個典型的、與軍隊相關的配置，適合于基礎研究，以便與足夠數量的適當的主題專家進行重點合作。從這個開放的幾何構型的研究中獲得的數據和知識可能會受到更多的限制性分配。

執行摘要

研究要求：

由于傳感器數量和人工智能（AI）應用快速增多，未來的作戰環境將以豐富的信息和機器速度的決策為特征。因此，美國陸軍指揮官和他們參謀人員將需要有能力篩選大量的信息，更快地做出決策。商業人工智能系統有可能提供這種能力，但美國陸軍不能指望"開箱即用"的商業人工智能系統具有通用能力，因為這種系統需要針對美國陸軍的情況進行充分的訓練。此外，還需要進行研究，以了解軍隊中的人工智能目前可以做到什么和不可以做到什么。總的來說，人工智能往往擅長于主要通過模式識別來解決的任務，以及可以從任務數據中進行預測的任務，如圖像識別、醫療診斷和文本轉錄。然而，目前還不知道人工智能是否可以用于提高美國陸軍信息收集效率。因此，在目前的研究中，探討了以下問題：人工智能能否用于提高美國陸軍任務指揮過程中的信息收集效率？

研究方法：

為了回答研究問題，本文使用了一個商業人工智能應用系統，它反映了軍隊任務指揮部人工智能應用原型的首次開發工作。在這項研究工作中，比較了這個為軍隊量身定做的人工智能系統和其他兩種信息收集方法的參與者在信息收集任務中的表現：傳統的信息收集方法（在計算機文件夾中搜索PDF文件）和非軍隊量身定做的人工智能系統版本。軍隊定制的系統使用軍隊相關的知識來幫助搜索（例如，它知道 "MDMP "等同于 "軍事決策過程"），而非軍隊定制的系統則沒有。我們在以下方面比較了這三種搜索方法：1）參與者找到準確的搜索結果所需的時間，2）參與者搜索結果的準確性，3）參與者對其搜索結果的信任程度，4）參與者對使用該系統工作負荷的看法，5）參與者對該系統可用性的看法。

研究結果：

參與者在使用人工智能系統時比使用傳統搜索方法時既不快也不準確。當使用人工智能系統而不是傳統方法時，參與者對他們的搜索結果也沒有更多信任。然而，在使用軍隊定制的人工智能系統而不是非軍隊定制的系統時，參與者的搜索速度更快，但準確性也更低。最后，在不同的搜索方法之間，參與者對工作負荷和可用性的感知沒有明顯的差異。

研究結果的利用和傳播：

這項研究是確定人工智能系統對信息收集效率影響的第一步。總的來說，我們的研究結果表明，人工智能系統可能不會大幅提高美國陸軍任務指揮過程中的信息收集效率，至少不會立即提高。雖然這項研究的重點是在受控實驗室中的無關要害任務（即尋找戰術情況下的理論解決方案），但未來計劃的使用將不會那么無害，這表明需要未來研究來測試假設。對人工智能的投資應該伴隨著對培訓和研究的投資，以獲得人工智能的全部優勢并減少風險。假設人工智能系統是銀彈是不審慎的，事實上，這項研究表明人工智能系統需要被充分審查。

簡介

戰爭正變得越來越復雜。陸軍指揮官需要考慮在地面、空中和海上的戰斗，以及在信息和網絡環境中的戰斗（美陸軍部，2017）。隨著社交媒體的出現和計算機的日益強大，在這些環境中的行動可能會導致地緣政治損失，而在過去，只有通過更傳統的行動，如地面攻擊、空中打擊和海上轟炸才能實現。此外，美陸軍指揮官不僅應該期待來自其他民族國家部隊的復雜和有影響的打擊，而且還應該期待看起來不復雜的對手，因為網上零售商使人們很容易購買到過去難以獲得的產品（包括合法的和非法的），如無人機、夜視鏡和槍支。在這一切之上，陸軍指揮官需要在一個前所未有的水平上做出準確和及時的決策，因為人工智能（AI）正在許多軍事職能和領域中實施，如網絡戰、航空和信息收集。這些因素加在一起，為陸軍指揮官創造了復雜的作戰環境。

為了在復雜的環境中有效運作，陸軍指揮官及其參謀人員需要有能力從不同的來源收集大量的數據，并迅速處理收集到的信息，以便及時對信息采取行動。例如，如果對手正在準備一次大規模的作戰行動，信息環境、網絡環境和物理環境中新的但微妙的多變量模式可能會出賣對手的意圖。然而，為了及時發現這些模式，陸軍指揮官和他們的參謀人員將需要有能力快速匯總和分析從各個環境傳來的數據。此外，為了根據這些數據迅速采取行動，陸軍指揮官及其參謀人員需要有能力迅速找到相關的陸軍和聯合理論，以實施戰術和戰略，并吸取經驗教訓，以利用曾面臨類似情況的指揮官經驗。對于這兩項任務--檢測模式和根據模式采取行動--人工智能可能被證明是一個非常有用的工具。

正如其名稱所暗示的那樣，人工智能是由機器而非人類或動物等非人工實體所展示的智能。在這種情況下，智能包括通常與人類相關的認知功能，如推理、計劃、學習和感知。因此，人工智能的主要目的是取代或增強人類的某些任務，如駕駛、飛行和圖像識別（例如，自動檢測和識別人群中的面孔）。例如，谷歌和優步等公司目前正在自動駕駛汽車中使用人工智能，人工智能充當了車輛的駕駛員，因此是使自動駕駛汽車自動化的實體。此外，美國陸軍目前正在探索將人工智能用于自動車輛識別。

人工智能主要通過兩種方式實現 "智能化"。一種方式是通過編程使人工智能的軟件接受某些輸入并根據輸入做出某些輸出。例如，視頻游戲中的人工智能競爭者可能被編程為在玩家向右移動（輸入）時向左移動（輸出），或者在玩家攻擊時進行阻擋。這種方法使用簡單的算法--人工智能要遵循的規則--除了最基本的任務外，其他都是低效的，因為人工智能的軟件程序員必須思考并手動編程每個規則。這樣做很快就會變得不方便，因為許多任務需要許多規則和嵌套的規則--其他規則中的規則（例如，如果接近一個讓行標志，如果有另一輛車出現，則要讓行，但只有當另一輛車在附近時）。此外，思考一項任務的每一個可能的規則很快就會變得困難，即使是人類認為很容易的任務（如駕駛）。

使人工智能智能化的更好方法是使用機器學習，這是一個從數據中創建統計模型的過程，以提高預測和決策的準確性。機器學習不是明確地告訴人工智能系統如何應對其環境中的某些事件，而是允許人工智能系統從其環境中的行動中學習。更簡單地說，機器學習允許人工智能系統從經驗中學習。例如，谷歌通過向人工智能系統提供組成游戲顯示屏的像素，并允許人工智能系統通過游戲控制器對這些像素進行操作，從而訓練人工智能系統成功地玩視頻游戲Atari Breakout（Leo Benedictus，2016）。人工智能系統的程序很簡單，就是通過游戲控制器的動作來最大化其游戲分數，并使用游戲分數來確定一個動作是否有益。起初，人工智能系統在游戲中做出看似隨機的行動，但一段時間后，它開始獲得得分點，并最終學會了一種人類玩家從未使用過的有用技巧。

機器學習讓人工智能在日常生活中變得非常普遍，以至于人工智能被一些人認為是 "新電"（Lynch, 2017）。人工智能傾向于擅長那些主要通過模式識別就能解決的任務。因此，人工智能擅長于圖像識別、醫療診斷和轉錄等任務。像駕駛這樣的任務給人工智能帶來了更大的難度，因為目前自動駕駛汽車上的傳感器無法檢測到標記模糊的道路上的模式（例如，被雪覆蓋的道路）。人工智能對于從數據中進行預測是異常有用的。例如，醫生可以使用人工智能來幫助醫療診斷，因為人工智能能夠處理病人的所有數據，將這些數據與已知的醫療條件進行比較，并從比較中產生醫療診斷。人工智能在視覺搜索方面也很有用。一家公司使用人工智能系統搜索航拍圖像，以尋找住宅區內水浪費的證據（Griggs, 2016）。該人工智能系統能夠通過使用游泳池的存在、灌木的數量和大小以及房屋周圍草地的綠色程度等因素，準確判斷一個家庭是否在浪費水。該人工智能系統能夠以每秒208張航空圖像的速度完成這項任務。

信息收集是人工智能具有潛力的另一項任務。信息收集是指從一個來源，如文件庫或互聯網上提取所需信息的過程。通過使用自然語言處理--人工智能的一個分支，用于處理自然語言數據--人工智能可以從非結構化數據中提取信息，而非結構化數據占世界數據的80%（High, 2012）。與結構化數據不同，結構化數據是以預先定義的方式組織的，包括電子表格和日志，非結構化數據不是以預先定義的方式組織的。非結構化數據包括文本文件、照片、視頻和音頻記錄。人工智能可以用來從非結構化數據中提取相關信息和意義，并以各種方式利用這些信息和意義。例如，美國陸軍和美國空軍正在探索使用人工智能，從車輛維護和車載系統日志中預測車輛故障（Osborn，2017；Vincent，2018）。此外，未來的人工智能任務指揮系統可能會不斷挖掘從眾多來源流入的數據，包括社交媒體、新聞頻道和衛星數據，并使用這些數據來預測戰略競爭對手的行動。這種方法將通過利用過去的非結構化數據（維護日志、社交媒體帖子等），并確定這些數據的哪些特征可以預測車輛故障和競爭者的行動。例如，人工智能系統可能會發現車輛運行溫度和車輛故障之間的關系，并利用這種關系來預測未來的故障。像這樣的關系將形成一個數學模型，當新的數據出現時，人工智能系統將持續更新。

通過使用自然語言處理，人工智能也可能有助于從陸軍條令和經驗教訓中提取所需信息。陸軍有許多條令出版物，指揮官和他們的工作人員經常需要在一個以上的出版物中尋找信息。例如，如果計劃進行一次接觸行動，指揮官可能不僅需要參考作戰條令，還需要參考與指揮官所在梯隊相關的條令；如果指揮官的部隊要通過一個人口中心，還需要參考民政條令；如果指揮官要使用網絡能力，還需要參考網絡戰條令。此外，指揮官可能還需要快速找到相關條令，特別是在面臨對手的意外行動時。在計劃一項行動時，指揮官也可能會查閱陸軍的經驗教訓集，以利用過去進行過類似行動的指揮官的經驗。

也許有可能使用人工智能來幫助指揮官及其參謀人員在條令和經驗教訓中找到所需的信息。要做到這一點，必須采取一些步驟。首先，必須為人工智能系統建立一個語料庫，將條令和經驗教訓的出版物加載到人工智能系統中。從這個語料庫中，人工智能系統可以學習相關的語言，包括術語，并使用自然語言處理建立一個詞庫。然后，人工智能系統可以通過建立索引和元數據對數據進行預處理，使其更有效地處理數據。最后，人類主題專家必須訓練人工智能系統，以使人工智能系統提供更精確的答案和識別模式。訓練可以通過向人工智能系統上傳問題和答案對形式的訓練數據來完成。這種訓練數據不會為人工智能系統提供每個可能問題的答案，但這些數據將幫助人工智能系統學習相關領域的語言模式。一旦人工智能系統被部署，該系統可以通過與用戶的持續互動進一步學習。

通過使用上述方法創建人工智能系統，指揮官及其參謀人員可能會比沒有人工智能系統可供使用時更快、更準確地從條令和經驗教訓中收集所需信息。如果沒有人工智能系統，指揮官將不得不通過手動搜索每個可能與所需信息有關的條令或經驗教訓出版物來尋找所需信息。這種手工搜索是一個耗時的過程，可能不會產生最佳的信息產品，特別是當進行搜索的人有時間壓力的時候。事實上，人類經常會搜索信息，直到達到一個可接受的閾值（例如，做出決定所需的最小信息量），以避免花費太多的認知資源和精力去尋找一個完美的結果（Simon, 1955; 1956; 1957）。然而，通過使用這種方法，人類可能會產生不那么充分的結果。此外，Simon還觀察到，這種方法不太可能產生一個最佳的結果，因為人類通常不會搜索足夠長的時間來找到這樣一個結果。然而，試圖找到最佳結果可能并不理想，因為這樣做需要時間，而當找到最佳結果時，結果可能已經不再有用。因此，如果指揮官試圖找到一個最佳的結果，指揮官可能無法進入對手的決策周期；指揮官需要平衡尋找結果的時間和結果的質量。另一方面，人工智能信息收集系統可能更有可能找到最佳結果，而且人工智能系統可能更有可能在比人類花費更少的時間內找到最佳結果。

盡管在人類信息處理能力有限的情況下，人工智能系統在尋找條令和經驗教訓中的所需信息方面可能比人類更有效率（Baddeley，1992），但這一結果是以人工智能系統經過充分訓練以識別條令和經驗教訓出版物中的語言模式為前提。如果人工智能系統沒有經過充分的訓練，那么人工智能系統的使用者可能會發現次優的結果，并因此對人工智能系統感到失望，最終使人工智能系統被廢棄。此外，人工智能系統只有在人工智能系統的人類用戶適當地校準他們對系統的信任時才會有用（Hancock等人，2011；de Visser, Pak, & Shaw, 2018）。許多人工智能系統由于各種原因，包括環境背景、用戶錯誤和不同背景下的訓練不一致，導致其性能不一致（Rovira, McGarry, Parasuraman, 2007）。例如，一個人工智能系統產生與火力作戰功能相關的準確結果，與機動作戰功能相比，可能產生不太準確的結果。如果人工智能系統的人類用戶完全信任該系統的結果，可能會出現性能下降（Hancock等人，2011）。訓練人類用戶了解人工智能系統何時可能準確，何時不可能準確是至關重要的（de Visser, Pak, & Shaw, 2018）。相反，如果人工智能系統的人類用戶對人工智能系統缺乏信任，那么該系統很可能會被廢棄。因此，人工智能系統不會提高指揮官尋找信息的效率，即使該系統本身在這方面表現出色（Hancock等人，2011）。

目前的研究

盡管人工智能往往擅長于主要用模式識別來解決的任務，以及可以從任務數據中進行預測的任務，如圖像識別、醫療診斷和轉錄，但目前還不知道人工智能是否可以用于提高美國陸軍背景下的信息收集效率，特別是在陸軍指揮官及其參謀人員需要在陸軍條令中尋找信息的背景下。因此，在目前的研究中，我們探討了以下問題：人工智能能否用于提高美國陸軍任務指揮過程中的信息收集效率？為了回答這個問題，我們使用了一個商業人工智能應用系統，這反映了陸軍任務指揮部人工智能應用原型的首次開發工作。在這項研究工作中，我們比較了這個為陸軍量身定做的人工智能系統和其他兩種信息收集方法的參與者在信息收集任務上的表現：一種傳統的信息收集方法（在計算機文件夾中搜索PDF文件），以及一種非陸軍量身定做的人工智能系統。