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

什么是多域作戰？

以下定義摘自美國陸軍訓練與條令司令部：

多域作戰（MDO）描述了美國陸軍作為聯合部隊[陸軍、海軍、空軍、海軍陸戰隊和太空部隊]的一部分，如何在競爭和武裝沖突中對抗和擊敗能夠在所有領域[空中、陸地、海上、太空和網絡空間]與美國抗衡的近鄰對手。該概念描述了美國地面部隊作為聯合和多國團隊的一部分，如何在2025-2050年的時間框架內威懾對手并擊敗能力強大的近鄰對手。

MDO為指揮官提供了許多選擇，以執行同時和連續的行動，利用出其不意以及快速和持續地整合所有領域的能力，給對手帶來多種困境，以獲得物質和心理上的優勢以及對作戰環境的影響和控制。

多域作戰的關鍵元素

• 滲透敵方的反介入和區域拒止（A2/AD）系統（分層和綜合遠程精確打擊系統、沿岸反艦能力、防空系統、遠程火炮和火箭系統），使美軍能夠進行戰略和作戰機動。

• 破壞--擾亂、降低或摧毀A2/AD系統，使美軍能夠進行作戰和戰術機動。

• 利用由此產生的機動自由，通過擊敗所有領域的敵軍來實現作戰和戰略目標。

• 重新競爭--鞏固各領域的成果，迫使其以對美國和盟國有利的條件恢復競爭。

需要什么樣的軍備解決方案?

• 戰爭的速度和決策的速度可以說從來沒有像今天這樣快過，而且明天可能也會這樣。

• 在陸、海、空、天，甚至網絡領域運作的資產的密切協調，以促進ISR活動和對敵對目標的殺傷鏈，需要精確性，以及在各種平臺上 "蓄勢殺傷 "的能力。

• 系統的通用性可以減少后勤的負擔，簡化培訓和維護，并有助于確保各平臺的性能一致、可靠。

• 基于成熟技術的解決方案能夠迅速投入使用，并為作戰人員增加更多的靈活性和選擇，是一種力量的倍增劑。

描述

未來的美陸軍部隊將需要進行跨域機動（CDM），并且有時需要半獨立地進行部署，同時通信和 GPS 等基礎設施會被中斷或拒絕。機器人和自主系統將在擴大協作決策中機動部隊的作戰范圍、態勢感知和有效性方面發揮關鍵作用。

DEVCOM ARL 專注于發展對作戰人員概念的基本理解和可能的藝術，通過研究，極大地提高基于空中和地面的自主車輛感知、學習、推理、通信、導航和物理能力，以增強和增加在復雜和有爭議的環境中的機動自由。

可擴展、自適應和彈性自主 (SARA) 協作研究聯盟 (CRA) 專注于開發和實驗加速自主移動性和可操作性、可擴展異構和協作行為以及人類智能體團隊的新興研究，以實現自適應和彈性智能系統可以對環境進行推理，在分布式和協作的異構團隊中工作，并做出適時決策，以在復雜和有爭議的環境中實現自主機動。

2022年6月15日，美智庫哈德遜研究所發布**《重獲決策優勢：改進聯合全域指揮控制以在最佳窗口期實現威懾》**報告，表示單純的“自上而下”地實施聯合全域指揮控制（JADC2）的方式很難在短期內取得成效，美國防部應聚焦印太地區最高優先級的作戰挑戰，通過高層指導和聯邦式的實施方法，快速連接傳感器、射手和指揮控制中心，加快實現JADC2，在美軍面臨最大風險的窗口期內實現對對手的威攝。

報告從塑造JADC2行動和改進JADC2發展現狀兩方面提出了建議。

• 在高層指導方面，報告建議美國防部從四個方面采取措施：
• 定義作戰問題：國防部應該確定并集中精力解決一部分能夠真正改變印太地區平衡的聯合作戰問題；
• 推動聯合資源配置：國防部應為聯合能力研發活動提供資源和持續保障；
• 建立實施聯合指揮控制的組織結構：建議將擁有適當權限并配置充足資源的常設聯合部隊司令部作為實施聯合指揮控制的組織；
• 彌補軍種資源缺口：國防部應為各軍種的聯合能力差距確定優先次序，通過需求和資源配置流程來彌補軍種的資源缺口。

為了充分利用不同的軍種文化、分散的專業知識和各軍種人員的創造力優勢，應當以聯邦模式實施JADC2：

• 技術實施：關鍵是將各種效果鏈互連互通，利用現有軍種工作和聯合活動開展技術實踐；
• 作戰概念發展：對現有實驗活動進行適當的優先級排序；開展兵棋推演、實驗、演示、訓練和演習，以開發和評估JADC2的可行性、互操作性、有效性和穩健性。

為改進JADC2的發展現狀，報告提出了六點建議：

*重點發展能夠增強美軍相對對手決策優勢的JADC2方法，特別是能夠在降級條件下實現任務式指揮和產生意外效果的方法； *采用聯邦模式來實施JADC2，利用、擴大和加速正在進行的各軍種、聯邦資助研發中心（FFRDC）以及國防高級研究計劃局（DARPA）的工作； *使用以威脅為中心的作戰問題來衡量進展情況、推動聯合行動并做出資源配置決策； *確定支持長期作戰、持續發展和維持聯合或戰區指揮控制能力的機制； *為印太地區在和平時期的競爭建立開展聯合指揮控制的組織結構； *重視JADC2實驗及其優先順序，為實驗分配更多的軍事力量和資金。

此外，報告建議由美國防部副部長負責實施JADC2，并由參謀長聯席會議副主席予以支持。

多域作戰與空軍之間的互操作性

在多域作戰（MDO）概念的影響下，空中力量界的戰略思維正在發生巨大的變化。20世紀90年代，武裝部隊廣泛進行了 "轉型 "工作，目的是改善各軍種之間的協調。到了2000年，轉型工作的目標和目的發生了變化，改善協調的愿望促使各軍種和聯盟伙伴之間進行更深入的行動整合。MDO將轉型目標推向了最終融合各作戰領域的能力，以便能夠以更快的行動速度實現同步效果（Jamieson和Calabrese，2015）。然而，并非所有國家都清楚如何準確地將美國的MDO愿景納入他們自己的理論和作戰概念，或如何解決可能產生的整合和互操作性挑戰（Townsend，2019）。

MDO的預期目標是加快軍事行動的步伐，并允許在作戰環境中產生更多的協同效應。多領域整合有望優化作戰優勢，以便對敵對部隊的決策環路施加壓力。同時，MDO也意味著聯合作戰方法需要相當大的演變和必要的改變，因此它的影響將隨時對友好部隊產生同樣深刻的影響。正如法國防空和空中作戰司令部（CDOA）副司令路易斯-佩納少將所指出的，MDO代表了 "思考空軍在未來如何規劃和進行空中作戰的機會"（Pena，2020）。可以肯定的是，MDO將是塑造未來空中作戰和作戰概念的一個強有力的因素，然而需要克服一些復雜的概念、技術和戰略挑戰。

連接性和未來的空戰

未來的作戰飛機被設想為 "連接中心 "和 "機載數據融合服務器"，與作戰云相連，為聯合或聯盟部隊的分布式單位提供實時多領域信息。這些下一代作戰飛機被預先部署，以承擔目前空軍分配給機載預警和控制（AWAC）飛機的相同角色。自從Link 16的到來，AWACS已經成為空中作戰的一個關鍵節點功能，在最近幾十年里，通過在聯合和聯盟戰役中實現徹底改善的態勢感知和指揮、控制和通信（C3）能力，AWACS被證明對西方的空中優勢很有幫助。

聯盟環境下的互操作性挑戰正在被重新規劃，并將隨著新的作戰飛機和平臺的引入而出現新的方向，但目前還沒有明確或現成的解決方案來彌合理論和作戰概念的差異，或在聯盟環境下進行技術整合，因為聯盟中的空軍部隊各自帶來自己的能力、工具和平臺。

在未來，數據融合和中繼功能將變得更加分散，并越來越多地轉移到作戰飛機本身，它們將能夠協調無人機群，例如，穿透敵人的防空設施或提供動能效應。通過新一代數據和通信網絡的新工具和更快的決策，作戰飛機將作為關鍵的指揮和控制（C2）節點，在多領域空間內運作。因此，空戰行動將不再與一組有順序的任務相關聯，而是與基于對方部隊活動并對其作出高度響應的單一連續的非分割化機動和效果相關聯。

圖：信息系統互操作性層次（LISI）模型

空戰的特點是更加明智地應用武力經濟，利用速度、飽和度和隱身性（"V2S"--速度、飽和度、隱身性）的結合來壓倒對方的部隊，以實現戰斗空間的優勢。這些未來的概念依賴于一個系統的方法，其核心是指揮、控制、通信、計算機、情報、監視和偵察（C4ISTAR），每個單獨的軍力矢量同時作為傳感器和效應器發揮作用。與數據融合、自動化、機器人和人工智能（AI）有關的能力對于實現 "頻譜優勢"--在整個作戰范圍內的優勢至關重要。

空戰將逐漸變得更加依賴多領域態勢感知和信息主導權。然而，作為中央庫或大腦單一的、總體性的作戰的前景在聯盟環境中帶來了復雜的問題。與這種作戰云的永久連接會給聯盟部隊的組成部分帶來明顯的脆弱性。雖然在力量集中和效率方面有優勢，但同樣的權力集中和對一個中央云的依賴會產生災難性的行動自由損失。敵對勢力的目的是阻礙通信并對傳感器網絡使用誘餌，在這樣一個良性的網絡空間和電磁戰的背景下，"一環 "作戰云可能導致其使用用戶群的行動癱瘓。

在考慮這些風險時，圍繞作戰云概念的關鍵使能技術的成熟度存在著嚴重的問題。收集、分析、存儲和傳輸數據的信息系統和技術都會受到敵對勢力的入侵威脅和復制，以提高其反介入/區域拒止（A2AD）的有效性（Orlin, 2021）。大數據是分布式C2要素之間作戰圖像（CROP）的基本必要條件，如果沒有人工智能，就無法適當地加以利用，由于人工智能容易被操縱和欺騙，其使用仍然存在問題。

預測性維護是未來空戰平臺的本源，并將通過網絡不斷進行交流，它在戰爭空間中提供了一個新的攻擊漏洞，并有可能成為嚴重的目標（Hitchens, 2020）。對潛在的軟件缺陷和限制的利用將為敵對勢力在欺騙、規避和突襲行動方面創造機會。針對通信和傳感器網絡的先進干擾，針對作戰云的進攻性網絡戰行動（Gros，2019年），以及對空間資產的依賴，在地面或空間資產被摧毀或關鍵數據鏈被破壞的情況下，會帶來嚴重的風險（法國國防和國家安全戰略評論，2017年）。

無人機技術的擴散和作戰系統的數字化已經迫使歐洲的空軍和他們的姐妹服務部門集中投資于網絡空間對抗措施，并 "加固 "平臺、資產和操作基礎設施，以確保通信節點和發射器不被破壞。這種努力將加速和加強，因為軍事競爭者的目標是數據和數據連接能力，跨越更廣泛的攻擊面，擴展到所有連接到同一云的聯盟或盟國部隊。因此，多域作戰網格的這種內在風險強調需要考慮在 "一環 "設計之外的聯盟環境中開發用于MDO的未來作戰云。

歐洲的作戰機隊：當前和未來的形勢

在歐洲，空軍之間的行動整合一直在穩步推進--北約因素是一個重要因素，但絕不是在加強歐洲空軍之間互操作性方面取得進展的唯一驅動力。然而，歐洲空軍的格局仍然具有相當大的多樣性，目前服役的1,900多架作戰飛機的不同類型就說明了這一點。

由美國主導的F-35項目匯集了包括英國、荷蘭、丹麥、挪威、比利時和意大利在內的一些歐洲國家。F-35作為第五代作戰飛機為歐洲引入了一個新的模式和互操作性標準，這將與它的運營商一起，在未來幾年內對整個歐洲空軍的互操作性努力和計劃起到強有力的作用。然而，大多數F-35用戶繼續保持更廣泛的戰斗機隊--例如，由于F-35在空中優勢任務中的局限性，歐洲臺風戰斗機（Eurofighter Typhoon）可能仍然是英國不可或缺的。出于類似的原因，"臺風 "可能將繼續由意大利、德國和西班牙運營，類似的考慮可能延伸至F-16的運營商，如比利時、丹麥、希臘、荷蘭、挪威、葡萄牙和土耳其。

圖：未來網絡化多域作戰中的互操作性要素

其他歐洲空軍已經獲得了諸如 "鷹獅"-E和 "陣風 "等作戰飛機，"陣風 "具有AESA雷達和數據融合能力，可以被視為事實上的未來歐洲互操作性的標準。芬蘭正在推行其HX戰斗機計劃，有五個作戰飛機平臺積極參與競爭。2040年及以后，歐洲可能會繼續看到下一代作戰飛機的本土化發展，并且隨著它們的發展，新的互操作性標準被插入到采購和作戰計劃框架中。考慮到FCAS（未來戰斗航空系統）和英國 "暴風雪 "的發展，作為例子--這兩個平臺將與遙控和自主系統及中繼器結合，并在基于云的多域數據交換網絡內運行。

因此，空戰行動將不再與一套有順序的任務相關聯，而是與基于敵對部隊活動并對其作出高度響應的單一連續的非分割化機動和效果相關聯。

歐洲空戰機隊現有的和未來可能的多樣性，表面上看可能意味著不必要的能力重復，然而這些方法和能力的同樣差異也在作戰和戰略層面上提供了更大的彈性。在聯盟環境中，目前還不清楚歐洲的空戰機隊將在多大程度上與例如現在進入歐洲作戰服役的F35戰斗機進行互操作。同樣的問題在理論上也適用于FCAS或 "暴風雪"，這些圍繞兼容性和互操作性的問題將延伸到未來，特別是與MDO有關的問題。

聯盟環境下的互操作性挑戰正在被重新規劃，并將隨著新的作戰飛機和平臺的引入而出現新的方向，但目前還沒有明確或現成的解決方案來彌合一方面的理論和作戰概念的差異，或在聯盟環境下的技術整合，即組成空軍各自帶來自己的一套能力、工具和平臺進行戰斗。具有諷刺意味的是，多領域整合的基本前提和目的是解決不同領域的不同類型的平臺之間缺乏或低兼容性和協同性的問題，而這些平臺是使用不同的技術標準和系統工程方法開發的。

關于整合和互操作性的政治層面

向MDO的演變意味著空軍面臨新的挑戰，在聯盟環境中為聯合平行規劃引入新的動力。它還提出了調整或取代現有機制的需要，這些機制是為了使聯盟伙伴之間的整合和互操作性達到必要的水平，使他們能夠有效地共同運作。隨著朝向MDO的運動的加速，它提出了一個基本問題。當屬于聯盟和同盟的空軍由于不同的工業和政治考慮而在系統和網絡設計中采用不同的標準時，互操作性是否可能？

這個問題突出了與2040年及以后未來時間框架中的互操作性有關的不確定性，以及在歐洲范圍內已經面臨類似挑戰的當前空戰機隊。歐洲空軍將需要應對作戰層面的聯合整合和融合的要求，這將需要與延伸到國家戰略領域的更高層次的政策考慮相平衡，包括行動自由和戰略自主權。在這種情況下，歐洲空軍將需要根據國家或歐洲的政策方向，與能力項目和互操作性目標進行互動和規劃，這些政策方向是由復雜的體制因素和議程形成的。

一個合理的論點是，在聯盟環境中，空軍之間的分布性和數據融合可能帶來的好處超過了共享作戰云所造成的相關風險或發生作戰癱瘓的可能性。然而，除了純粹的作戰考慮，還有重要的政策問題，這些問題由大戰略和政治前景決定。即使在世界觀相似、經常在聯盟和聯合作戰密切合作的盟友和伙伴之間，國家政策也會有分歧--特別是在危機情況下的軍事活動方面。

繼續努力實現聯盟和盟國伙伴之間的互操作性是有歷史緣由的，包括在作戰云的背景下所暗示的。然而，這些努力必須與維護戰略自主權和獨立評估或軍事活動能力的需要相平衡（Binnendjik和Vershbow，2021）。有時被視為導致 "能力重復 "和浪費財政資源的不同方法以另一種方式提供了優勢，即為國家和聯盟的聯合作戰建立自然的防火墻和復原力。

考慮到聯盟空戰模式的當前和未來的發展，保持一定程度的自主性可能與確保新興作戰云本身一樣重要。這在歐洲尤其如此，因為聯合作戰機隊可能由一系列的平臺類型組成，每個平臺都是根據不同的系統工程、技術和互操作性標準開發的，這與工業和政治考慮有關。同樣的基線挑戰可能會被移植到世界其他地區，如中東或亞洲。與其試圖將空戰機隊劃分為 "第一 "和 "第二 "層次的能力，聯盟和盟國伙伴將需要集中精力克服挑戰，并為傳統聯盟環境中的MDO提供整合能力和互操作性解決方案（Binnendjik等人，2021）。

作者

奧利維爾-扎耶克（Olivier Zajec），畢業于圣西爾軍事學院和巴黎政治學院，是里昂讓-穆蘭大學的政治學教授以及戰略與防務研究所（IESD）的主任。他是EA 4586實驗室和巴黎比較戰略研究所（ISC）的研究員。他還在法國聯合戰爭學院講授戰略理論。他目前的研究興趣集中在國際關系的現實主義理論、跨大西洋防御政策、核政策和戰略以及地緣政治理論。他經常為各種國防和國際關系出版物撰稿：《世界外交》、《國防與國際安全》（DSI）、《軍事資源》、《中國世界》、《沖突》、《國防評論》。

盡管人工智能 (AI) 具有許多潛在的好處，但它也被證明在復雜的現實世界環境（如軍事行動）中表現出許多挑戰，包括脆弱性、感知限制、隱藏的偏見和缺乏因果關系模型，這些對于理解和預測未來事件很重要。這些限制意味著，在可預見的未來，人工智能仍不足以在許多復雜和新穎的情況下獨立運行，并且人工智能需要由人類仔細管理才能實現其預期的效用。

本報告“Human-AI Teaming: State-of-the-Art and Research Needs” 檢查了與人類操作相關的 AI 系統的設計和實施相關的因素。本報告概述了人機協作的研究現狀，以確定差距和未來的研究重點，并探討了實現最佳性能的關鍵人機系統集成問題。

報告提綱

• 總結 1
• 1 引言 5
  • 研究背景和向委員會負責, 6
  • 委員會的方法, 7
  • 自動化和人工智能, 7
  • 人工智能的局限性, 8
  • 人工智能對人類表現的影響, 9
  • 報告結構和摘要, 10
• 2 人類與人工智能協作的方法和模式 11
  • 協作編隊, 11
  • 人類與人工智能的協作模式和觀點, 12
  • 人類應該與人工智能合作嗎？
  • 人類與人工智能協作的改進模型, 16
  • 關鍵挑戰和研究差距, 17
  • 研究需求, 17
  • 總結, 18
• 3 人類與人工智能的協作過程和效果 19
  • 人工智能成為隊友意味著什么？
  • 有效的人類-人工智能協作的過程和特征, 20
    • 編隊的異質性, 20
    • 共同的認知, 21
    • 溝通和協調, 22
    • 社會智能, 22
    • 有效協作的其他特征, 23
  • 主要挑戰和研究差距, 23
  • 研究需求, 23
  • 總結, 24
• 4 人類與人工智能協作的態勢感知 25
  • 多域作戰中的態勢感知, 25
    • 關鍵挑戰和研究差距, 27
    • 研究需求, 27
  • 人類與人工智能編隊中的共享SA, 27
    • 關鍵挑戰和研究差距, 29
    • 研究需求, 29
  • 總結, 30
• 5 AI的透明度和可解釋性 31
  • 顯示透明度, 34
    • 關鍵挑戰和研究差距, 35
    • 研究需求, 35
  • 人工智能的可解釋性, 36
    • 關鍵挑戰和研究差距, 37
    • 研究需求, 38
  • 總結, 40
• 6 人類與人工智能編隊的互動 41
  • 自動化水平, 41
    • 關鍵挑戰和研究差距, 44
    • 研究需求, 44
  • 人工智能的動態和時間性, 44
    • 關鍵挑戰和研究差距, 45
    • 研究需求, 45
  • 控制的顆粒度, 46
    • 關鍵挑戰和研究差距，46
    • 研究需求, 46
  • 其他人類與人工智能編隊的互動問題, 47
    • 關鍵挑戰和研究差距, 47
    • 研究需求, 47
  • 總結, 48
• 7 信任人工智能隊友 49
  • 過去和現在的信任框架, 49
  • 復雜工作環境下的人工智能信任, 51
  • 關鍵挑戰和研究差距, 51
  • 研究需求, 52
  • 總結, 55
• 8 識別和減輕人類與人工智能編隊中的偏見 57
  • 人類的偏見, 57
  • 人工智能偏見, 57
  • 人與人工智能編隊的偏見, 59
  • 關鍵挑戰和研究差距, 60
  • 研究需求, 60
  • 總結, 61
• 9 訓練人類與人工智能編隊 63
  • 為人類與人工智能編隊訓練提供參考的人與人編隊訓練, 63
    • 編隊訓練的策略, 64
    • 仿真的使用, 64
    • 訓練內容：任務工作和團隊合作, 65
  • 關鍵挑戰和研究差距, 65
  • 研究需求, 66
  • 總結, 67
• 10 人類與人工智能編隊協作和績效的HSI過程和量化 69
  • 在人-AI編隊的設計和實施中采取HSI視角, 69
    • 關鍵挑戰和研究差距, 70
    • 研究需求, 70
  • 人類與人工智能編隊發展的研究要求, 71
    • 關鍵挑戰和研究差距, 71
    • 研究需求, 71
  • 研究團隊的能力, 72
    • 關鍵挑戰和研究差距, 73
    • 研究需求, 73
  • 人類與人工智能編隊的HSI考慮因素, 73
    • 關鍵挑戰和研究差距, 75
    • 研究需求, 75
  • 人類與人工智能編隊的測試、評估、驗證和確認，75
    • 關鍵挑戰和研究差距, 77
    • 研究需求,77
  • 人類與人工智能編隊研究試驗臺，77
    • 關鍵挑戰和研究差距，78
    • 研究需求, 78
  • 人類與人工智能編隊的措施和衡量標準, 78
    • 關鍵挑戰和研究差距, 80
    • 研究需求, 80
  • 敏捷軟件開發和HSI, 81
    • 關鍵挑戰和研究差距, 82
    • 研究需求, 82
  • 總結, 83
• 11 結論 85
• 參考文獻 91
• 附錄
• A 委員會簡歷 115
• B 人類與人工智能協作研討會議程 119
• C 定義 121

報告總結

美國軍方正加大對人工智能(AI)技術的投資，用于提高數據處理速度、任務規劃自動化，以及創建更快的預測目標和系統維護，該技術也會在多域作戰(MDO)的指揮控制中發揮關鍵作用。實現這一目標就要求人工智能系統具備任務執行的可靠性和健壯性，并且可以作為人類的隊友協同工作。

盡管人工智能技術優勢良多，但是也被證明在復雜的真實世界環境(如軍事行動)中面臨諸多挑戰，包括脆弱性、感知限制、隱藏的偏見以及缺乏預測關系模型等。這就意味著，在可預見的未來，人工智能將仍然不足以在復雜和新環境下獨立運行，人類需要仔細管理人工智能系統才能達到預期效果。

過去30年研究表明，人們作為復雜自動化(包括人工智能系統)的監控者同樣面臨巨大挑戰。人們可能會對系統正在做的事情缺乏了解，在嘗試與人工智能系統交互時工作負載高，在需要干預時缺乏態勢感知，基于系統輸入的決策偏差，以及手工技能的退化。這些眾多的挑戰將繼續在人類方面產生問題，即使是更有能力的基于人工智能的自動化。

因此，需要開發有效的人-智能協同編隊能力，利用人類和AI的獨特能力，克服各自的不足。一個高效的人-人工智能編隊最終會增強人的能力，提高性能，超越任何一個實體。為此，委員會制定了一套相互關聯的研究目標，旨在圍繞人類-人工智能編隊發展，這些目標基于對人類-人工智能編隊(第2章)、編隊流程(第3章)、態勢感知（SA）(第4章)、人工智能透明度和可解釋性(第5章)、人類-人工智能交互方法(第6章)、信任(第7章)、減少人和人工智能偏見(第8章)和培訓(第9章)的模型和度量的改進，并得到了人-系統集成(HSI)流程基金會(第10章)的支持。該報告總結提出人類-人工智能編隊研究目標，包括近期、中期和遠期目標。

人類-人工智能編隊模型

委員會研究發現，將人類和人工智能系統作為一個編隊來考慮具有重要價值。這種編隊結構促使人們認識到需要考慮每個團隊成員相互關聯的角色，并強調團隊互動的價值，包括溝通和協調，以提高綜合效能。在這樣的編隊安排中，研究認為，一般來說，出于倫理和實踐的原因，人類應該對人工智能系統擁有權威。需要改進人類-人工智能編隊的計算模型，考慮相互關聯的、動態發展的、分布式的和自適應的協同任務和條件，這些任務和條件也是MDO的網絡化指揮控制系統所需要的，并且在設計交互空間內是可預測的。需要改進人類-人工智能編隊的度量標準，考慮團隊管理相互依賴和動態角色分配能力，減少不確定性，并提高人工智能系統提供符合作戰人員期望的能力。

雖然假設人類-人工智能編隊將比人類或人工智能系統單獨運行更有效，但研究認為：除非人類能夠理解和預測人工智能系統的行為，否則情況不會如此；與人工智能系統建立適當的信任關系；根據人工智能系統的輸入做出準確的決策；以及時和適當的方式對系統施加控制。

人類-人工智能編隊流程

人類和人工智能系統進行編隊需要一個精心設計的系統，該系統具有任務分配工作和團隊合作的能力。沿著這條路線，需要通過改進團隊組合、目標對齊、溝通、協調、社會智能和開發新的人工智能語言來研究提高長期、分布式和敏捷的人工智能編隊的效率。這項研究可以利用現有人類-人類編隊的工作，但也認識到，需要新的研究來更好地理解和支持人類和人工智能系統之間的編隊流程。此外，研究認為，應該考察人工智能系統通過充當團隊協調員、指揮者或人力資源經理來提高團隊績效的潛力。

態勢感知

人們普遍認為，態勢感知(SA)對于有效的MDO性能至關重要，包括對人工智能系統的監督。在指揮控制作戰中支持個人和團隊SA的方法需要擴展到MDO，并且需要使用AI來支持信息集成、優先排序和跨聯合作戰空間路由的方法，以及提高SA對敵對攻擊的彈性。需要開發改善人工智能系統的人類SA的方法，這些方法考慮不同類型的應用、操作的時間以及與基于機器學習(ML)的人工智能系統能力。此外，旨在在人工智能團隊中創建共享SA的研究值得關注。人工智能系統需要在多大程度上既有自我意識又有對人類隊友的意識，這需要探索，以確定整體團隊表現的好處。最后，未來的人工智能系統將需要擁有綜合的態勢感知模型，以恰當地理解當前的情境，并預測未來情境。動態任務環境的人工智能模型是非常必要的，它可以與人類一起調整或消除目標沖突，并同步情景模型、決策、功能分配、任務優先級和計劃，以實現協調和下達的行動任務。

人工智能的透明度和可解釋性

改進的人工智能系統透明性和可解釋性是實現改進的人類SA和信任的關鍵。實時透明對于支持人工智能系統的理解和可預測性是至關重要的，并且已經被發現可以顯著地補償回路外的性能缺陷。需要研究更好定義信息需求和方法，以實現基于ML的AI系統的透明性，以及定義何時應該提供這樣的信息來滿足SA需求，而不會使人過載。需要進一步探索基于ML的人工智能系統的解釋的改進可視化，以及對機器人物角色的價值。此外，通過研究可以告知改進的多因素模型，解釋如何促進信任和信任影響的決策。需要開發有效的機制來使解釋適應接受者的需求、先驗知識和假設以及認知和情緒狀態。研究建議，應致力于確定對人類推理的解釋是否同樣可以改善人工智能系統和人-人工智能編隊的效能。

人-人工智能編隊互動

人-人工智能編隊中的交互機制和策略對團隊效率至關重要，包括隨著時間的推移支持跨職能靈活分配自動化級別(loa)的能力。需研究確定改進的方法，支持人類和人工智能系統在共享功能方面的合作，支持人類操作員在多個loa下與人工智能系統一起工作，并確定在高loa下與人工智能系統一起工作時保持或恢復SA的方法(在環控制)。還需要研究來確定新的要求，支持人-人工智能編隊之間的動態功能分配，并確定隨著時間的推移支持loa中動態過渡的最佳方法，包括這種過渡應該何時發生，誰應該激活它們，以及它們應該如何發生，以保持最佳的人-人工智能編隊效能。研究建議也對劇本控制方法進行研究，將其擴展到MDO任務和人-人工智能編隊中應用。最后，更好地理解和預測緊急人機交互的研究，以及更好地理解交互設計決策對技能保留、培訓要求、工作滿意度和整體人機團隊彈性影響的研究也是非常有益的。

信任

對人工智能的信任被認為是使用人工智能系統的一個基本因素。這將有利于未來的研究，以更好地記錄團隊環境中涉及的決策背景和目標，促進對更廣泛的社會技術因素如何影響人-人工智能編隊中的信任的理解。超越監督控制的交互結構也將受益于進一步的研究，特別是理解人工智能可指導性對信任關系的影響。需要改進信任措施，利用合作的重要性，將不信任的概念與信任分開。最后，需要信任的動態模型來捕捉信任如何在各種人-人工智能編隊環境中演變和影響效能結果。這項研究將很好地檢驗從二元團隊互動中出現的信任結果，并將這項工作擴展到信任如何在更大的團隊和多層級網絡中的效果。

偏差

人工智能系統中的潛在偏差，通常是隱藏的，會通過算法的開發以及系統偏差等因素造成。此外，人類可能會遇到決策偏差。特別重要的是，人工智能系統的準確性會直接影響人類的決策，從而產生人類-人工智能編隊偏見；因此，人類不能被視為人工智能建議的獨立裁決者。需要進行研究，以更好地理解人類和人工智能決策偏差之間的相互依賴性，這些偏差如何隨著時間的推移而演變，以及用基于ML的人工智能檢測和預防偏差的方法。還需要研究發現和防止利用這些偏見的攻擊行為。

訓練

需要對人-人工智能編隊進行訓練。考慮到各種團隊組成和規模，需要有針對性的研究如何訓練人-人工智能編隊。可以探索現有的訓練方法，看看它們是否適用于人-人工智能編隊。此外，可能需要訓練來更好地校準人類對人工智能隊友的期望，并培養適當的信任水平。開發和測試人-人工智能編隊工作程序需要特定的平臺。

HSI流程和措施

最后，要成功開發一個能像好隊友一樣工作的人工智能系統，需要HSI過程和方法改進。良好的HSI實踐將是新人工智能系統的設計、開發和測試的關鍵，特別是基于敏捷或DevOps實踐的系統開發。有效的人工智能團隊也需要新的HSI設計和測試方法，包括提高確定人工智能團隊要求的能力，特別是那些涉及人工智能的團隊。多學科人工智能開發團隊需要改進的方法，包括人工工程工程師、社會研究人員、系統工程師和計算機科學家。還需要圍繞人工智能生命周期測試和可審計性以及人工智能網絡漏洞的新團隊、方法和工具。需要開發用于測試和驗證進化的AI系統的方法，以檢測AI系統盲點和邊緣情況，并考慮脆弱性。支持這些新團隊研發活動的新人工智能試驗臺也很重要。最后，可能需要改進人機系協同的度量標準，特別是關于信任、心智模型和解釋質量的問題。

研究結論

總共提出了57個研究目標，以解決有效的人-人工智能編隊面臨的許多挑戰。這些研究目標分為近期(1-5年)、中期(6-10年)和遠期(10-15年)優先事項。這一組綜合的研究目標若實現，將在人-人工智能編隊競爭力方面取得重大進展。這些目標是將人工智能安全引入MDO等關鍵行動的基本前提，它們為更好地理解和支持人工智能系統的有效應用提供了參考框架。