來源：光明日報 原標題：人工智能與國家政治安全

人工智能技術的蓬勃發展和廣泛應用，給人類生產生活帶來了極大便利，同時，也對國家主權、意識形態、執政環境、社會關系、治國理念等帶來沖擊，深度影響國家政治安全。充分認清人工智能對國家政治安全的挑戰，研究應對之策，對于有效維護國家政治安全，意義重大。

人工智能影響政治安全的機理

作為一種顛覆性技術，人工智能進入政治領域后，既具有技術影響政治安全的一般規律，又體現出其不同于以往技術的鮮明特點。

從技術影響政治安全的一般機理來看，主要體現在三個方面。第一，技術進步不可避免地直接或間接服務于政治安全。政治安全是國家安全的根本，經濟、社會、網絡、軍事等領域安全的維系，最終都需要以政治安全為前提條件。因此，包括技術在內的一切社會條件，首要的任務是為政治安全提供服務和保證。綜觀人類歷史上的技術進步，往往被首先考慮用于維護國家安全特別是政治安全，盡管這些技術研發的初衷并非如此。人工智能亦然。第二，政治安全與技術進步相生相克、相生相長。馬克思認為，先進技術進入政治領域后，有效提高了“社會控制和權力再生產”。同時，政治安全對技術進步的需求，反過來成為技術不斷進步的推動力。但技術并非完美的政治工具。一旦技術利用不當、發生技術失控，或者技術自身缺陷所蘊含的風險爆發，政治安全可能被技術進步反噬。第三，技術進步倒逼政治發展轉型，給政治安全帶來新課題新挑戰。從歷史上看，技術進步對社會結構、社會關系、社會文化等帶來的變化和沖擊，從來不以人的意志為轉移。當火槍火炮成為主戰兵器時，繼續用木盾藤牌來保衛政權的行為無疑是愚蠢的，迫切需要當政者轉變思想觀念，尋求能夠有效維護政治安全的新模式新方法。當計算機網絡技術逐漸普及時，西方國家政黨紛紛利用互聯網進行政治宣傳和選舉拉票。人工智能較之以往的技術，擁有前所未有的機器“主觀能動性”優勢，必將對政治安全理念、安全機制、安全路徑等帶來更大的改變。

從人工智能影響政治安全的獨特機理來看，主要體現在兩個方面。第一，算法和大數據將左右智能機器“認知”“判斷”，繼而影響政治行為體的抉擇。人工智能的核心“三大件”是算法、算力和大數據。一方面，算法是否公正不偏袒、大數據是否真實完整未被刪減篡改偽造污染，直接決定機器的研判結果，并影響人的判斷和行為。另一方面，與傳統的人口學變量的定量分析不同，大數據、云計算、機器學習等可以將數以億計的政治行為體抽象成社會的“節點”，人工智能通過分析信息中節點的度數、介數和接近度，來揭示權力集聚規律、贏得政治威望的秘訣，這為執政安全提供了新的技術支撐和智慧渠道。第二，人工智能技術對經濟、軍事、社會、網絡、信息等領域的影響向政治領域傳導，間接沖擊政治安全。作為一項賦能性技術，人工智能正在逐漸“改寫”各領域的秩序規則，給各領域帶來機遇和挑戰。盡管以往的技術進步也是如此，但其影響的深度和廣度遠遠不及人工智能。而且，以往各領域安全問題“錯綜復雜、交織并存”的程度，也遠遠不及人工智能時代高。其他領域的安全問題一旦發酵，極有可能沖擊政治安全。

人工智能給政治安全帶來新挑戰

技術變革具有兩面性，人工智能既是維護政治安全的新機遇，也是新挑戰。

挑戰之一：人工智能技術的普及應用，導致政治權力呈現出“去中心化”趨勢。在人工智能時代，數據即代表著權力。掌握數據的主體既有國家權力機構，也有個人、企業團體、社會組織等非國家行為體。“互聯網數據”結構的“多節點、無中心”設計，決定著處于線上社會任何位置的主體，均不可能比其他位置的主體位勢高。人人都有“麥克風”“攝像機”，處處都是“輿論中心”“事發現場”，這一顯著特征，弱化了傳統的線下科層制國家管理結構和單向治理模式，政治話語權由政府這個傳統的權力中心逐漸向社會層面彌散，國家治理難度大大增加，政治安全風險也大大增加。目前，這種風險已初露端倪。2019年9月，因有人線上傳播“老師辱罵原住民學生是‘猴子’”的種族歧視謠言，印尼巴布亞省爆發嚴重騷亂，導致26人死亡、70余人受傷。

挑戰之二：隨著人工智能技術和數據壟斷持續擴張，資本權力的擴張將危及國家權力邊界。生產力的發展變化必將帶來生產關系包括政治權力結構的調整。作為“第一生產力”的科學技術，其發展進步勢必引起國家權力結構的調整。當人工智能技術廣泛應用于經濟社會各領域并引起變革時，將會推動國家治理結構與權力分配模式做出相應調整。從當前種種跡象來看，資本的權力依托技術和數據壟斷持續擴張，將成為新時代國家治理結構調整的重大課題。一方面，人工智能技術研發門檻很高，依賴于大量的、長期的資本投入和技術積累，這導致社會各產業、各階層、各人才群體間的技術研發能力、資源占有程度、社會影響力等方面極不平衡，以互聯網商業巨頭為代表的技術資本將占據明顯優勢。另一方面，人工智能技術強大的賦能作用，以及良好的經濟社會應用前景，導致資本趨之若鶩。商業巨頭實際上掌握了目前人工智能領域的大部分話語權，并正在逐步形成行業壟斷。人工智能時代，巨頭企業以強大資本為后盾，逐步壟斷技術、控制數據，或將不可避免地在一定程度上逐漸分享傳統意義上由國家所掌控的金融、信息等重要權力，進而可能插手政治事務。因此，國家是否有能力為資本權力的擴張設定合理的邊界，是未來政治安全面臨的重大挑戰。

挑戰之三：人工智能技術及其背后的數據和算法潛移默化引導公眾輿論，進而影響人的政治判斷和政治選擇，間接把控政治走向。在人工智能時代，數據和算法就是新的權力。近年來圍繞國家大選而展開的種種政治運作顯示：擁有數據和技術能夠從一定程度上影響政治議程。據有關媒體報道，2020年美國總統大選期間，有人利用網絡社交平臺的大量機器人賬號，發布海量虛假信息，力圖影響選民的認知、判斷與選擇。類似的情況，也曾出現在2016年的美國大選、2017年的英國大選和法國大選中。這些案例非常清晰地顯示：只要擁有足夠豐富的數據和準確的算法，技術企業就能夠為競爭性選舉施加針對性影響。當某種特定政治結果發生時，人們很難判斷這是民眾正常的利益訴求，還是被有目的地引導的結果。

挑戰之四：人工智能技術可能被政治敵對勢力用于實施滲透、顛覆、破壞、分裂活動。利用先進技術威脅他國政治安全，這樣的例子屢見不鮮。計算機網絡技術出現后，被西方國家用來進行網絡竊密、網絡攻擊、網絡勾聯、傳播政治謠言、意識形態滲透和進攻。人工智能時代，攻擊一國人工智能系統或利用人工智能實施滲透、顛覆、破壞、分裂活動，帶來的后果將比以往更為嚴重。

挑戰之五：人工智能技術進步對主權國家參與國際競爭帶來嚴峻挑戰。人工智能是當前最尖端最前沿的技術之一，其核心技術多被美歐等發達國家所掌握。這些國家利用它提升生產自動化水平，提高勞動生產率，加快制造業回遷，將沖擊發展中國家的傳統比較優勢，使后者在國際政治經濟競爭格局和全球分工中處于更加不利的地位。通過發展軍事智能化，進一步擴大對發展中國家的軍事優勢。國家之間一旦形成技術“代差”，綜合實力差距將被進一步拉大。在這種情況下，技術強國對發展中國家實施政治訛詐和技術突襲的可能性增大。

多措并舉，維護我國政治安全

政治安全事關我黨生死存亡和國家長治久安，我們必須高度重視人工智能帶來的政治安全挑戰，多措并舉，綜合施策。

人工智能技術具有高度專業性和復雜性，企業、科研機構常常處于技術創新前沿，而國家政府則往往遠離技術前沿，對技術的感知相對滯后，對技術的安全風險準備不足。為此，要強化風險意識，密切跟蹤人工智能技術和應用的發展，運用系統思維，定期研判人工智能可能帶來的政治風險，提高風險識別、防范和處置能力。要創新技術治理模式，構建政府主導，企業、研究機構、技術專家、公眾等多方參與的人工智能治理體系。“治理”不同于“管理”，管理是政府單向的行為過程，治理則是一種開放的、多個利益攸關方參與的互動過程。通過多方互動，政府既可以跟蹤掌握技術和應用的前沿動態、發展趨勢，掌控治理主動權，又有助于企業、研究機構、專家、民眾更好地了解政府關切，共商制定風險管控機制，推進治理工作的科學化民主化。

當前，我國在人工智能技術領域面臨的最重大的安全威脅，是關鍵核心技術受制于人。從現在起到2030年，是我國搶抓機遇的關鍵期。要舉全國之力，集全民之智，打造一批國家級人工智能研發平臺，加強基礎性、原創性、前瞻性技術研發，從智能芯片、基礎算法、關鍵部件、高精度傳感器等入手，加快核心技術突破。

沒有規矩，不成方圓。針對技術應用風險，嚴格人工智能標準制定和行業監管，確保人工智能良性發展。緊跟技術發展變化，動態修訂完善相關技術標準。加緊完善人工智能相關法律法規和倫理道德框架，對相關的民事與刑事責任確認、隱私和產權保護、機器倫理等問題予以明確，理順設計者、使用者、監管者之間的權責關系。要建立健全人工智能監管體系，形成設計問責和應用監督并重的雙層監管結構，實現對算法設計、產品開發、成果應用的全過程監管。積極促進行業自律，加大對數據濫用、算法陷阱、侵犯隱私、違背道德倫理、擅越權力邊界等不良行為的懲戒力度。要積極主動參與人工智能國際議題設置，共同應對安全、倫理、法律等諸多挑戰。抓住人工智能國際準則和配套法規剛剛起步之機，積極參與規則制定，及時宣示我國主張，努力掌握規則制定話語權和國際交往主動權。

針對外部安全風險，加強軍事能力建設，為維護國家政治安全提供力量保證。要積極研究探索智能化戰爭理論，加快推進現代武器裝備體系和人才隊伍建設，強化智能化條件下部隊訓練演練，不斷提升我軍新時代軍事斗爭準備水平。

(作者：許春雷，系軍事科學院博士研究生，現任河北省石家莊市鹿泉區人武部副部長) (責編：楊虞波羅、初梓瑞)

英國國防部2021年發布報告《競爭時代的防務》。報告主要圍繞戰略背景、未來戰爭形勢、戰略方針、全球防務合作、人才發展、軍隊現代化、工業界合作等內容展開。闡述了不斷變化的戰略環境及未來戰場形勢，重新規劃了2021—2030年實現英軍全面轉型的戰略框架和國防戰略方針。報告還明確了英國防部在培育未來優勢、聯合盟友、有效利用人才、全面發展現代化軍事力量、鞏固行業關系、改變管理方式等6個方面的目標與計劃，明確了英軍發展的優先事項以及實現路徑。不可否認，這份報告是英國防部對本國軍事定位最徹底的一次重新評估，將成為英軍未來建設的戰略指南，也將成為提升英軍作戰能力的基本遵循。

報告概括出英國未來國家安全和國際環境的四個主要趨勢，分別是地緣政治環境變化、價值觀主導的系統性競爭、快速的技術變革、跨國挑戰等。在此背景下，英國軍隊擔負守衛國家安全的使命任務，是打造“全球英國”的國家形象的必要支撐。

技術的改進需要理論和訓練的改進。在將軍事資產合并為多功能平臺時，任務要求也應合并，以允許充分利用資產。由于過時的理論以及數據收集和打擊能力的任務集之間的脫節，目前的空中力量系統缺乏靈活性。本文認為，管理這些平臺的程序應合并為一個單一的程序，以利用和優化這兩種作用。

1 引言

1.1 入門

1936年，英國皇家空軍軍官JC-斯萊索出版了《空軍與陸軍》一書，將空軍（空中力量）命名為截至當時戰爭中最具革命性的進步。這項新技術的出現和在地面以上作戰的能力重新定義了當代戰爭概念。2016年，托馬斯-弗里德曼的《感謝你遲到》解釋說，技術以指數級的速度發展，稱為摩爾定律。歷史上第一次，人類的適應能力無法跟上技術進步的步伐。 一年后，蘭德公司的一份報告指出，"在合理的假設下，美國軍隊可能會在他們被要求進行的下一場戰爭中失敗"。 最后，在2019年，退役將軍大衛-彼得雷烏斯表示，美國已經進入了 "科技冷戰的早期階段"。 這四個看似獨立的觀點定義了美國今天所處的關鍵位置。技術進步正在改變空中力量的運用，能夠將新技術與組織改革和創新作戰概念相融合的國家將在未來以信息為中心的戰場上占據主導地位，并可能開啟下一場軍事事務革命（RMA）。

空中力量從一開始就為戰爭提供了一個新的舞臺，在其中開展行動。早期的空中力量允許加強觀察、瞄準信息和偵察。這種達到最終制高點和提供戰場清晰度的能力是現代空軍的情報、監視和偵察（ISR）作用的前身。隨著時間的推移，建立一個獨立的美國空中力量的愿望使空軍的倡導者強調空軍的動能潛力，但卻無意中導致了ISR任務的從屬地位。 這種對打擊行動的強調造成了任務集之間的鴻溝，由于資源限制、任務要求以及在高度競爭的環境中與技術先進的對手進行戰爭，這種鴻溝在未來的沖突中是難以維持的。

1.2 論點

這項研究試圖解決空中力量使用的一個主要問題：多功能飛機的有效任務，其定義是能夠在一個架次中執行ISR和打擊任務的平臺。陳舊的理論、獨立的目標定位過程以及一個世紀以來ISR和動能打擊行動的任務集之間的劃分抑制了這種效率。為了充分利用多功能飛機的能力，目前的動能瞄準和ISR收集過程應合并為一個單一的過程，利用先進的人工智能（AI）來產生一個優化的綜合任務分配單（ITO）。

1.3 提綱

本文的論點主要通過對未來戰爭現實的研究來支持。隨著國家安全戰略和國防戰略將重點從中東的低技術對手轉移到中國和俄羅斯等近距離競爭者，戰爭戰略也將被要求轉移。據預測，未來的空域將是高度競爭的，可能需要具有生存能力、隱形和防御能力的非傳統ISR平臺來進行作戰環境情報準備（IPOE）。 如果沒有適當的理論和程序，美國軍隊將沒有準備好與技術先進的對手作戰。

美國的財政限制也將減少生產單一用途的專業飛機，因此有必要進行程序上的改變，以允許多用途飛機執行多種非傳統的任務。空中力量的倡導者在歷史上一直優先考慮動力學而不是ISR。改變這種文化慣性將需要一個范式的轉變。

對目前的動能和ISR目標定位過程的審查將建立起任務集之間的分界線，這將需要解決方案來彌合這一鴻溝。目標定位理論中的三個關鍵問題對多功能任務的執行造成了障礙。此外，有六個建議對目標選擇理論進行修改，以合并動能和ISR目標選擇過程的特定部分。最后，一個名為 "多域綜合ISR（MDI2）"的人工智能工具應被納入該過程，以優化和加快任務分配決策。通過MDI2實施建議的六項變化，將產生一個精簡的目標定位過程，能夠靈活地給所有多功能飛機分配任務。

2 未來的爭奪戰

2.1 近乎對等的戰場

美國繼續在一系列關于未來沖突將如何發生的過時假設的基礎上實現其軍事現代化。美國認為，戰爭將在它選擇的時間、寬松的環境和無力阻止任何領域內機動自由的對手中開始。美國軍隊假定它可以通過卓越的技術克服它可能面臨的任何數量上的劣勢，這些技術將在不被發現的情況下穿透敵人的防御系統并打擊目標，所有這些都是最小的戰斗損失。在這些假設的指導下，目前的空軍由技術上最先進、昂貴、難以替換的多功能平臺組成。中國和俄羅斯正在 "采用多層反介入與區域拒止（A2/AD）系統"，以實現物理對峙能力。A2/AD使對手能夠加強他們的區域勢力范圍，并且在必要時，迅速造成不可接受的損失，比美國能夠進行更有效地回應。美國需要假定，未來的沖突將在高度競爭的環境中進行，對手是技術先進的、戰斗力強的對手。利用這一觀點，美國必須利用它已經發展起來的戰斗力，并通過發展靈活的空中任務分配機制進行創新，利用所有平臺的全部能力。對于打擊目標和情報收集的需要，重新分配任務和多任務資產的能力是對抗未來對手的一個重要轉變。

2.2 非傳統ISR

在未來敵對行動開始時，空域可能不允許傳統的ISR平臺使用。建立IPOE的唯一手段可能是通過指派具有ISR能力的戰斗機來執行ISR的主要或額外任務。在獲得和保持空中優勢之前，美國的大部分噴氣式ISR機隊將被停飛，而信息的匱乏將是由于制度上的程序阻止了每架飛機被用作ISR節點。

非傳統ISR（NTISR）的概念是："將非主要用于ISR的傳感器作為綜合收集計劃的一部分，在作戰層面上制定，用于預先規劃的、隨叫隨到的、臨時的和/或適時的收集任務。" 在2002年的伊拉克自由行動（OIF）期間，規劃人員創造了NTISR一詞，因為戰斗機開始在完成動能任務后的返航途中使用其瞄準吊艙，以支持反飛毛腿行動并觀察伊拉克安全部隊的位置。聯合空中作業中心收藏管理部副主任說："在NTISR之前，我們有具備監視能力的戰斗機在天空中盤旋，只是等待著地面指揮官的任務。我們沒有浪費這些資源，而是開始用它們來填補我們傳統ISR作戰中的一些空白。" NTISR是如此 "成功，以至于它是一個啟示"，然而，這個新功能也強調了美國飛機與戰場態勢感知的脫節程度。來自合成孔徑雷達和瞄準吊艙的圖像不能直接提供給地面的分析人員；大多數傳感器信息都是飛機內部的，甚至沒有記錄。盡管NTISR在OIF早期的行動中開始證明其價值，但作戰指揮官仍然要求多功能遙控飛機（RPA）專門執行ISR任務，以節省有人駕駛的戰斗機在長時間ISR飛行中的磨損。空中作戰中心（AOC）仍然將多功能飛機視為攻擊或ISR資產，很少嘗試將這兩種任務結合起來。

3 財政限制

3.1 國防預算

盡管美國的軍事力量以6:1的比例超過俄羅斯，以2.7:1的比例超過中國，但美國仍然處于一個新的大國競爭時代，其對手引領著下一代軍事技術的發展。矛盾的是，盡管美國防部處于歷史上巨大的年度預算，但仍面臨著財政限制。在20財年，國會為國防撥款7046億美元，而總統為21財年提出了7054億美元的要求。這些數額使所有外國軍事競爭對手以及幾個大國的整個經濟相形見絀。21財年的預算請求為這一數額辯護，聲稱它促進了 "許多艱難的選擇"。具體到空軍，最近一位負責預算的副助理部長指出，在準備19財年時，空軍 "比去年有更多的錢，但問題更多"。簡而言之，需求多于資源，即使目前的資源仍然代表著巨大的比較優勢。

3.2 單一用途系統存量

美國國防預算的問題不是資金不足，而是對手以優勢戰略反擊美國武器系統。"簡單地說，美國的對手正在出動大量價值數百萬美元的武器來摧毀美國價值數十億美元的軍事系統"。同行競爭者的創新戰略正在迅速縮小美國幾十年來享有的不對稱能力差距。更令人震驚的是，美國采購周期的延長，再加上需求與資源的不匹配，使得開發或增強武器系統變得越來越具有挑戰性。這種情況引發了空軍最近的預算偏好，傾向于能夠滿足多種作用的平臺而不是專門的平臺。因此，美國空戰的未來是一支質量較低（less mass）的戰斗部隊，需要更多的多任務處理能力。空軍必須制定適當的理論、程序和方案，以賦予存量飛機多功能化，實現國家目標。每架飛機都是一個潛在的ISR資產，能夠比對手更快地收集、融合和響應。通過創新的作戰理念來利用信息優勢，聯合部隊的空軍成員指揮官可以更準確、更迅速地完成決策周期，從而獲得優勢。

4 目前的目標定位過程

4.1 動能打擊目標過程

聯合理論概述了獨立的ISR和作戰目標選擇過程，并為任務集的持續分歧和阻礙整合奠定了基礎。動能瞄準過程始于聯合部隊指揮官（JFC）通過空中行動指令（AOD）對聯合部隊空中分部指揮官（JFACC）的指導。空中行動指令還包括JFC的空中分配決定，即對每個戰役目標的優先級或努力的百分比。空中行動指令的指導開始了制定和確定聯合綜合優先目標清單（JIPTL）的過程。JIPTL是一份為動能或非動能摧毀而選擇的目標清單。AOC的作戰計劃部（CPD）的目標效應小組（TET）利用從戰略到任務的神話，將每個目標與JFC的戰役目標直接聯系起來，制定JIPTL并確定優先次序。目標的優先次序是根據其相關的優先任務和對整個聯合戰役的重要性來確定的。然后，JIPTL由JFC在聯合目標選擇協調委員會上批準，并提供給主空襲規劃（MAAP）小組進行力量分配。JFACC通過將JFC的空中分配決定轉化為武器系統的總飛行架次來確定空中分配。空中分配小組將空中分配架次與JIPTL上的目標相匹配。最后的結果是構成空中任務指令（ATO）基礎的MAAP。

4.2 收集目標過程

聯合綜合優先收集清單（JIPCL）是一份情報收集的目標清單，與JIPTL分開制定，這一過程阻礙了有效利用可以處理兩個清單上目標的資產。在美中央政策局制定JIPTL的同時，AOC的ISR部門（ISRD）制定JIPCL，各部門之間的協調很少。根據聯合理論，戰時ISR資產的分配始于指揮官的關鍵信息要求（CCIRs）。CCIRs是指揮官認定的對促進及時決策至關重要的信息要求。最關鍵的情報需求被指定為優先情報需求（PIRs），并在資產分配中獲得更多的支持和優先權。ISR任務收集基本信息要素（EEIs），而這些信息要素反過來又能滿足PIRs。EEI是信息的子集，填補了指揮部對敵方活動和作戰環境其他相關方面了解的空白。

ISRD內的收集管理員將EEI轉化為收集目標的清單，稱為JIPCL。JIPCL還包括支持打擊行動所需的收集要求。JIPCL由聯合收集管理委員會（JCMB）審查，該委員會作為一個機制，對JFC的情報需求進行優先排序、合并和批準。一旦收集請求被優先考慮并得到JCMB的批準，ISR作戰小組中的主題專家就會制定一個收集計劃，將ISR資產用于滿足JIPCL上的目標，試圖盡可能多地回答優先需求的EEI。ISR計劃人員通過將一定比例的可用收集資產分配給第一優先目標，將較低比例的資產分配給第二優先目標，以此類推，直到所有可能的收集都被規劃，或者沒有剩余的資產可以分配。這一過程的最終產出是偵察、監視和目標獲取（RSTA）附件，它記錄了最終的收集規劃，并成為ATO的一部分。圖1以圖示方式描述了動能和ISR目標定位過程。

圖1：動能與ISR目標定位過程

在ISR行動的規劃階段，收集管理員的艱巨任務是在考慮眾多變量的情況下確定針對目標的適當收集資產。這些變量包括諸如天氣、及時性、優先級、敵方防御、地理和目標范圍等考慮。在JIPCL中獲得低優先級的目標或請求可能只是因為缺乏可用于處理這些目標的資產而從清單上拿下來。例如，在OIF期間，炸彈損害評估（BDA）在戰斗行動中被賦予了低優先級。這導致了很少有完成的BDA收集任務。在伊拉克的主要作戰行動結束時，頭條新聞吹噓說，新的傳感器技術已經實現了前所未有的態勢感知，能夠描繪出歷史上最清晰的戰場畫面。然而，戰術指揮官仍然依靠運動接觸和武裝偵察來了解他們部隊面前的對手。美國空軍高級領導人聲稱，缺乏BDA和偵察的原因是ISR資產的短缺，而不是ISR目標定位過程和優先次序的無效性。事實上，無效的ISR目標定位過程未能優化ISR和多功能平臺的性能，戰術指揮官因此而被迫使用二戰時期的戰術。

5 目前過程的不足之處

5.1 隔離的目標列表

JIPTL和JIPCL在AOC中遵循不同的發展和批準路線，都給多功能任務分配帶來三個具體問題。首先，沒有一個理論機制可以將動能、非動能和收集需求結合起來并確定其優先級，形成一個單一的優先級清單，如聯合綜合優先效應清單（JIPEL）。如果沒有一個全面的清單，規劃者就無法確定一個動能目標或收集目標是否具有更高的優先權，因此也就無法確定哪個目標應該得到需求更高的武器系統。相反，JFACC將飛機分配給ISR或打擊任務，AOC各部門之間的協調很少。雖然聯合理論鼓勵目標和收集清單之間的密切協調以提高效率，但在現實中，只有在動能打擊需要預打擊收集、打擊后收集或BDA時才會進行協調。此外，如果一個師獲得了過多的飛機分配，它可能會將這些飛機與他們名單上的低優先級目標相匹配，而不是與另一個師協調，使這些平臺可用于他們名單上的高優先級目標。這個陷阱加強了對綜合目標清單的需求，以確保規劃者始終處理最高優先級的目標，無論它們位于哪個清單上。

5.2 多功能任務機制

另一個問題來自于缺乏一種理論機制，允許多功能飛機在一次飛行中同時執行動能和ISR任務。當多功能飛機小組被分配到飛機時，規劃人員將這些資產與動能目標相匹配。分配給ISR作戰小組的資產也是如此；規劃人員將這些資產與情報收集要求相匹配。沒有正式的機制允許MAAP和ISR計劃人員溝通和協調多功能任務。多功能飛機能夠投擲彈藥，然后過渡到ISR任務。如果MAAP團隊和ISR作戰團隊在CPD下的AOC中合并，并產生一個ITO而不是ATO，兩邊可以共享多功能資產來完成更多的任務。例如，MQ-9 "死神 "是一個ISR平臺，擁有與F-16相當的戰斗載荷。利用MQ-9來攻擊一個目標，然后繼續執行收集任務，這對雙方都有好處。

5.3 目標位置

最后，沒有任何理論機制或產品能在地理上描述與收集有關的動能目標。加強ISR行動的部隊強化小組和部隊分配小組之間的協調可以加強對動能目標位置的理解。對所有目標位置的地理理解對于實現多功能平臺在一次飛行中處理多個目標和作用的目標至關重要。多功能飛機可以收集或攻擊其飛行路線附近的目標或靠近其主要目標。如果沒有對所有目標位置的明確了解，任務分配就會失去效率。

圖1說明了攻擊和ISR目標選擇過程之間的明顯分界。CPD的攻擊支持收集請求是理論上規定的少數幾個跨部門溝通機制之一。即使如此，這種溝通似乎也僅限于CPD將他們的打擊收集要求推給ISRD，以便以ISR作戰小組認為合適的方式來實現。多功能任務分配將永遠不會在獨立的目標選擇過程中成功，包括不同的優先級模式。適當分配多功能資產的唯一方法是讓一個小組有能力協調所有可用飛機對所有目標的任務分配。為了實現多功能任務分配，攻擊和ISR團體之間的鴻溝必須消失。

6 建議

6.1 聯合綜合優先效應清單（JIPEL）

為了有效地完成多功能平臺的任務，并解決前面所確定的理論問題，實施以下變革將結合目標定位和收集過程的特定部分。

規劃人員需要將所有的動能、非動能和ISR收集目標整合到一個稱為JIPEL的單一清單中。JIPCL妨礙了多功能任務的執行和戰場態勢感知。為了便于合并JIPEL，規劃人員必須使用與動能目標相同的戰略-任務方法來確定收集目標的優先次序。ISRD仍將獨立產生EEI，并將其轉化為收集目標，然而，ISR規劃者將有能力使用與攻擊目標相同的方法對收集目標進行優先排序。一個單一的優先目標清單是合并動能和收集團體的第一步。JIPEL將使規劃人員能夠有效地分配資產，并使用他們所掌握的任何武器系統首先處理最優先的目標。

6.2 聯合收集目標單元（JCTC）

為了將所有的目標和收集的信息整合到JIPEL中并進行優先排序，將需要組建一個新的聯合小組。這個新的小組，JCTC，將由ISRD的ISR人員和TET的動能瞄準人員組成。只有來自收集和動能瞄準領域的專家一起工作，才能對目標進行適當的優先排序。JCTC可以被置于AOC的CPD之下，或者簡單地組成一個聯合打擊-ISR的老虎小組，但是來自這兩個團體的專家必須帶著一份準備好的目標和建議的優先次序清單來到JCTC。JCTC的目標是產生一個單一的優先目標清單，該清單可以通過目標選擇過程的其他部分進行流動，并允許多功能任務。

6.3 目標與收集導向（TACO）

JCTC不僅將制作JIPEL，而且還將構建TACO圖形。這個圖形將描述作戰區域內所有動能和ISR目標的實際位置。ISR作戰規劃人員和部隊分配小組對開發這樣一個圖形有正確的理解。使用這一產品，下游的規劃人員獲得了在盡可能不干擾主要任務的情況下為多功能飛機分配二級和三級目標。

6.4 聯合目標批準委員會（JTAB）

第四，一旦JCTC產生了JIPEL，一個合并的JTAB將批準這些目標和優先次序。合并后的JIPEL不再需要單獨的審批委員會。一個單一的批準委員會為JFC和JFACC在批準目標優先次序時提供了一個單一的參考框架。隨著作戰和ISR之間行動優先級的轉移，高級領導人和規劃人員可以很容易地看到哪種類型的目標被優先考慮，并確定最有可能受到影響的目標。如果規劃人員錯誤地解釋了指揮官的意圖，領導人可以在飛機分配之前進行糾正，并在公布ATO之前評估不一致之處，為戰役目標分配錯誤的努力權重。最終，JTAB提高了效率，消除了冗余，并增強了指揮官的態勢感知。

6.5 聯合效應組（JET）

下一個變化直接發生在JTAB批準之后。一旦JIPEL被批準，來自MAAP小組和ISR作戰小組的成員將會面，將飛機分配給目標。這個新的團隊將被稱為JET。通過讓這兩個團體都參加JET，通常被分配到ISR或攻擊任務的平臺可以被分配為非傳統的攻擊資產或次要任務。JET直接有效地糾正了多功能飛機在一次飛行中執行多種任務的問題。利用JIPEL和TACO，JET計劃人員可以有效地分配任何飛機首先完成最優先的目標，然后在必要時，將飛機在其主要目標附近或撤離路線上執行次級任務。由于JET規劃人員可以接觸到所有飛機，他們將能夠確保飛機與目標的最佳配對。此外，規劃人員將擁有對形勢的認識，有可能讓一架多功能飛機來完成以前需要幾架飛機才能完成的任務。通過了解所有目標的優先級和位置而實現的態勢感知，將使行動能夠為更多的目標服務，同時利用多功能飛機的全部潛力。

6.6 空中行動總規劃（MAOP） / 綜合任務分配單（ITO）

最后建議的改變是制定一個綜合的MAOP，以形成ITO。目前的程序是在MAAP小組和ISR作戰小組完成各自的武器編組后，為動能目標制定MAAP，同時為收集目標制定RSTA附件。隨著JET完成所有平臺的聯合武器裝備，這種分離已不再必要。因此，為了效率和簡單起見，MAAP和RSTA附件被合并為一個合并的MAOP，它將最終產生ITO。圖2描述了新提議的聯合瞄準程序與現有瞄準程序的關系。

圖2：新合并目標定位過程

這六項建議變化的目的不是為了讓ISR群體占有傳統的打擊資產，而是為了讓兩個群體的所有多功能平臺都能靈活地有效執行任務。例如，一架MQ-9可以在前往ISR戰斗空中巡邏（CAP）的途中進行動能打擊。同樣，一架有人駕駛的多用途戰斗機可以在附近執行BDA的次要任務，這就避免了ISR資產不得不飛到同樣的距離來執行快速ISR任務。最終，將打擊和ISR的瞄準過程結合起來，可以對整個系統進行更好的控制和靈活性。JCTC和JET的成員將成為雇傭多功能平臺的專家，并通過各種選擇將目標置于危險之中。隨著美軍向聯合全域指揮與控制（CADC2）概念的發展，規劃人員將承擔起協調的責任，而不僅僅是一個合并的打擊和ISR過程。最終，軍方將需要開發一個系統，將網絡、空間和其他能力合并到目標選擇過程中。這個擬議的合并目標選擇過程可以擴展到包括這些額外的作戰領域。

6.7 多域集成ISR

隨著動能和ISR目標、過程的合并，信息過載是一個真正的問題。美國空軍中央司令部副司令錢斯-薩爾茨曼少將說，AOC的一個重要障礙是及時整理大量的日常信息和情報，以便在威脅和機會消失之前做出反應。為了克服信息過載，空軍研究實驗室（AFRL）正在開發一個多領域綜合ISR（MDI2）計劃，該計劃旨在建立工具、系統和流程，以更好地支持跨領域和情報來源的數據的真正整合和融合。MDI2通過以可消化的格式向所有用戶提供所有相關的信息來促進實時態勢感知，而不會使人類決策者負擔過重。

MDI2由四個程序組成：斯芬克斯、海德拉、地獄犬和克拉肯（Sphinx, Hydra, Cerberus, Kraken），它們在整個目標定位過程中協同工作，以優化資產-目標選擇、飛行路徑規劃、多功能任務和動態重新分配任務。首先，Sphinx解決了在目標定位過程中缺乏協作、標準化和反饋的問題。該系統開發、評估和跟蹤信息需求，推動收集工作，并提供一個滿足需求的封閉反饋回路。接下來，Hydra為ISR收集規劃者提供了一個決策輔助工具，以優化資產分配和路徑規劃。從歷史上看，30%的ISR收集工作沒有得到滿足，因為任務分配方案不夠理想。Hydra將利用學習算法來確定一個最佳路徑，同時以比人類專家更高的性能水平來適應動態變化的環境。這些算法已經被證明可以在一秒鐘內提供優化建議，而人類專家一般需要一個多小時。

Cerberus是一種實時顯示，為規劃者提供監控和動態重新分配資產的能力。Cerberus將生成帶有損益分析的行動方案，以應對不斷變化的條件，進行臨時任務分配。即使是由知情人員做出的決定也有個人偏見，會產生不理想的決定和權衡。Cerberus將根據實時的資產分配和重新分配的后果創建建議的行動。

Kraken是一個能夠跟蹤和確定滿足收集要求的最佳能力的系統。Kraken將反饋到其他三個程序中，使Sphinx能夠確定可用的資產，Hydra能夠在創建資產分配規劃時利用最佳資產，Cerberus能夠計算出資產重新分配的收益/損失。

6.8 新合并目標定位過程

為了將MDI2正確地整合到一個合并的動能和ISR目標定位過程中，MDI2必須得到適當的輸入。MDI2將利用來自新的合并目標定位程序的三種產品：空中分配決定（決定可用于執行任務的飛機），JIPEL中的目標優先級，以及TACO（描述所有目標的位置）。然后，MDI2根據這三個產品和其他需要的限制，制定一個最佳解決方案或多個解決方案。MDI2的優化方案被選中，由JET驗證，并最終成為MAOP。如果沒有技術的幫助，由人類專家生成的這些日常解決方案將不會產生預期的效率。圖3顯示了MDI2與新合并目標定位程序的整合。

圖3：新目標定位過程與MDI2的整合

在快速變化的戰斗環境中，人類無法在規定的時間內吸收數以千計的變量來創造最佳解決方案。MDI2將對信息進行過濾，并為人類決策者提供簡明的解決方案，這些解決方案考慮到了所有的變量，如目標優先級、目標位置、加油機軌道、飛行路徑和威脅。弗里德曼在《感謝你遲到（Thank You for Being Late）》中指出："機器現在能夠以以前無法想象的速度和數量吸收和處理數據，它們現在可以識別模式，并像我們的生物大腦一樣學習。那些能夠分析海量數據的人將能夠發現以前不可能看到的趨勢"。人工智能允許更快速和優化的決策。優化的解決方案為平臺提供了額外的能力，以便在一次任務中覆蓋更多的角色。理論和流程可以被改進，以鼓勵目標開發的整合，但僅靠這些改進還不足以實現多功能任務。AFRL的MDI2計劃在實現完成復雜任務以贏得未來戰爭所需的指揮和控制效率方面顯示出前景。

7 結論

財政上的限制可能會使美國未來的只能夠執行單一任務的專業飛機庫存減少。此外，未來的戰場將繼續是以信息為中心但高度競爭的環境，可能不允許典型的ISR平臺生存。非傳統的ISR資產，如F-35，可能是在有爭議的戰場收集ISR的唯一選擇。利用這些財政和戰場現實作為指導性的燈塔，美國空軍必須適應和創新以繼續統治。通過這些調整，規劃者必須最充分地利用每架多功能飛機。每架飛機都是一個潛在的ISR傳感器，必須能夠近乎實時地收集和融合情報。

改進理論和倡導多功能任務只有在訓練中才會成功。幸運的是，美國空軍的 "紅旗 "演習已經成功展示了多功能概念。F-16CM是一種壓制敵方防空（SEAD）的專用飛機。在 "紅旗 "演習中，F-16CM經常進行打擊目標的訓練，并重置為SEAD CAP以支持后續的動態任務。這種訓練類似于多功能戰斗機或RPA進行動能打擊并重置為ISR CAP的任務。2018年1月，MQ-9進行了成功的概念驗證試驗，將駐扎時間分為ISR和近距空中支援（CAS）的不同時期。一些任務驗證了這一概念，并展示了在一個架次中對多種任務類型的近乎無縫的整合。此外，測試證明，MQ-9可以在ISR和打擊行動控制之間流動，有效地滿足ISR需求，同時在一個架次中打擊和消滅四個目標。在 "紅旗 "和MQ-9試驗期間的成功訓練驗證了在一次飛行中執行多項任務的概念。阻礙動能和ISR整合的唯一剩余障礙是過時的理論和文化上的無知，它將ISR視為獨立的、從屬于打擊能力的任務。

反對多任務飛機的人可能會認為，有人駕駛的戰斗機現在將不得不對次要任務進行作戰規劃，這可能會影響實現主要目標的成功概率。雖然這種說法有道理，但TACO圖形的建立通過確保在給飛機執行次要任務時考慮到所有的目標位置來減輕這種影響。額外的目標應該在入口或出口路線的附近或主要目標位置附近。飛行員們還對失去對其主要任務的熟練掌握以及飛機因增加ISR飛行時間而迅速老化表示擔憂。同樣，這些擔憂也是有道理的，然而，這個新的任務分配過程尋求的是將飛機分配到最有利的目標上的效率，而不是將多功能飛機濫用于低優先級、長停留時間的ISR任務。大多數長時間的ISR任務仍將由RPA承擔。然而，如果一個高優先級的ISR目標只能由一架有人駕駛的戰斗機來完成，那么保持讓傳統攻擊機來執行任務的能力將是有利的。這種新的任務分配過程使多用途戰斗機有能力以非侵入性的方式在一個架次上完成許多任務，而不影響未來架次的生成。

通過更有效地管理與這些低密度、高需求的資產相關的規劃和執行過程，作戰人員將能夠最好地利用這些稀缺資源。建立一個新的綜合動能和ISR目標定位程序將有許多挑戰需要克服。然而，成本是這個解決方案容易克服的一個挑戰。AOC的重組、人員培訓和整合一個已經得到資助的MDI2計劃將沒有重大成本。除了購買更少的飛機外，效率的提高應通過減少飛行架次而產生成本節約。然而，任何相關的費用都是值得的，因為它可以打造一支更具活力和不可預測的空中作戰力量。

這種新目標定位過程的挑戰涉及到了解飛機的優勢和劣勢，并認識到將某些功能結合起來本身就是不理想的，例如ISR和CAS。此外，AOC內的規劃人員需要克服分類問題以獲取相關信息。然而，隨著軍隊加速向一個明顯更復雜的CADC2概念邁進，領導人必須適應將新技術與組織改革和創新作戰概念相融合。換句話說，下一個RMA很可能是實現CADC2的解決方案。與開發協調所有五個戰爭領域的戰斗框架相比，合并動能和ISR目標定位過程是一個不那么引人注目的挑戰。如果軍方不能克服打擊和ISR整合的挑戰，CADC2成功的機會就很小。最終，解決多功能飛機的任務分配問題可以被看作是邁向CADC2的一小步。一旦這些程序到位，空間、網絡和電子戰都可以很容易地被整合到這個新的合并程序中，通過一連串的非動能手段解決目標。

摘要

為了能夠在一個日益脆弱的世界中捍衛自己的生活方式和價值觀，團結在北約框架內的西方民主國家必須有能力在必要時 "以機器速度作戰"。為此，國防領域的數字化不能只局限于后勤、維護、情報、監視和偵察，而必須同樣能夠實現負責任的武器交戰。以歐洲未來戰斗航空系統（FCAS）為重點，我們討論了基于人工智能的武器系統的道德統一系統工程的各個方面，這可能會在國際社會中找到更廣泛的同意[1]。在FCAS計劃中，這是自二戰以來歐洲最大的軍備努力，有人駕駛的噴氣式飛機是一個網絡系統的元素，無人駕駛的 "遠程載體 "保護飛行員并協助他們完成戰斗任務。鑒于正在進行的辯論，德國國防部長已經強調。"歐洲戰略自主的想法走得太遠了，如果它被認為意味著我們可以在沒有北約和美國的情況下保證歐洲的安全、穩定和繁榮。那是一種幻覺[2]"。在這個意義上，FCAS與北約的目標是一致的。

引言

"武器的殺傷力越大，影響越深遠，就越需要武器背后的人知道他們在做什么，"沃爾夫-馮-鮑迪辛將軍（1907-1993）說，他是1955年成立的二戰后德國聯邦國防軍的富有遠見的設計師（見圖1）。"如果沒有對道德領域的承諾，士兵就有可能成為一個單純的暴力功能者和管理者"。他深思熟慮地補充道。"如果僅僅從功能的角度來看，也就是說，如果要實現的目標在任何情況下都高于人，那么武裝部隊將成為一種危險[3]"。

弗朗西斯-培根（1561-1626）關于實現權力是所有知識的意義的聲明標志著現代項目的開始[4]。然而，自從人工智能（AI）在國防領域出現后，旨在造福人類的技術可能會反過來影響它。這種類型的工具性知識使現代危機像在聚光燈下一樣明顯。關于人的倫理知識，關于人的本質和目的，必須補充培根式的知識。有一種 "人的生態學"，一位德國教皇提醒德國議員說。"他不制造自己；他要對自己和他人負責[5]"。因此，任何符合倫理的工程必須是以人類為中心的。這對于國防領域的人工智能來說是最迫切的。因此，數字倫理和相應的精神和道德是必不可少的技能，要與卓越的技術同時系統地建立起來。因此，領導哲學和個性發展計劃應鼓勵設計和使用基于人工智能的防御系統的道德能力。

北約STO的科技界如何在技術上支持負責任地使用我們從人工智能中收獲的巨大力量？為了更具體地論證，讓我們以德國聯邦國防軍的文件為指導，從它在20世紀50年代成立的時候，也就是人工智能這個詞真正被創造出來的時候，到最近的聲明。由于這些武裝部隊已經從暴政和以當時高科技為特征的 "全面戰爭 "中吸取了教訓，他們似乎在概念上已經為掌握數字挑戰做了準備。這一點更是如此，因為聯邦國防軍是一支載于《德國基本法》的議會軍隊，它完全按照聯邦議院的具體授權行事，即以德國人民的名義行事。

國防領域的人工智能旨在將軍事決策者從常規或大規模任務中解脫出來，并 "馴服 "復雜性，讓他們做只有個人才能做的事情，即智能地感知情況并負責任地采取行動。自動化對聯邦國防軍的重要性很早就被認識到了。馮-鮑迪辛在1957年提出："然后，人類的智慧和人力將再次能夠被部署到適合人類的領域"[6]。從這個角度來看，武裝部隊作為基于人工智能的系統的使用者，并沒有面臨根本性的新挑戰，因為技術的發展一直在擴大感知和行動的范圍。

圖1："最高度機械化的戰斗需要[......]讓士兵意識到他們的責任，讓他們體驗到他們的行為和不行為的后果。"沃爾夫-馮-鮑迪辛（1954）? 聯邦國防軍

摘要

計算能力、數據收集和算法性能正以指數速度增長。人工智能 (AI) 的進步展示了在無數領域增強人類思想和行動的能力，其中包括聯合空中力量的指揮與控制 (C2)。為了在未來的戰爭中取得勝利，美國需要能夠以壓倒性的速度在多個領域對敵制造多重困境，同時防止敵人具備這種能力。人工智能將提供 C2 部隊所需的認知敏捷性。擁有信息優勢并能夠對高速決策需求做出反應的一方將決定未來戰爭的結果。

本文試圖讓讀者熟悉一些常見的人工智能類型和功能，探索具體的應用領域，并提供關于使用空中力量協助聯合目標選定的建議方案。針對配對系統的武器開發，使用一個AI 創建過程的示例揭示開發細節。除了解釋人工智能模型的構建之外，本文還提出了一個準備和驗證人工智能模型的過程以供作戰使用，并討論了基本的實施注意事項。在聯合空中力量 C2 中使用 AI 的最終理想狀態是高效的人機協作和較高的認知敏捷性。

作者簡介

Matthew “Jerry” Voke 少校在派遣到 ACSC、Air University、Maxwell AFB、AL時撰寫了這篇論文。在擔任 ACSC 之前，Voke 少校駕駛 U-28，同時駐扎在佛羅里達州赫爾伯特機場，擔任副駕駛、飛機指揮官、教官和評估飛行員。他在全球范圍內部署了十次支持美國的反恐活動。最近，他指導美國空軍武器學校的學生擔任佛羅里達州赫爾伯特機場第 14 武器中隊的 U-28 行動助理主任。他的正規軍事教育包括參加航空航天基礎課程、中隊軍官學校、美國空軍武器學校和 ACSC。他擁有美國空軍學院的物理學學士學位和國際三叉戟大學的工商管理碩士學位。他幫助撰寫了幾本空軍和多軍種出版物，并發表了一篇武器分類論文，旨在使用飛機引導海軍突擊部隊。

1 引言

亨利·阿諾德 (Henry H. Arnold)將軍曾說過，第一次世界大戰靠體力打贏，第二次世界大戰靠后勤制勝。擁有信息優勢和及時控制沖突能力的一方將贏得“第三次世界大戰”。未來沖突的勝利將屬于能夠為其對手創造多重并發挑戰并以壓倒性的速度適應環境變化同時阻止敵人擁有這種能力的一方。通過在自動化和增強人類決策中利用人工智能 (AI)，這些未來的超越是可能的。人工智能提供了將人類層面直觀問題解決能力與機器速度、準確性和持久性相結合的優勢。此外，人工智能的快速發展正在打造人機協作中的新應用。世界正處于人工智能競賽中，美國必須利用人工智能來主導未來的戰爭并威懾潛在的對手。

人工智能在徹底改變空中力量作戰中從戰術到戰略的潛在能力。中國和俄羅斯是追求人工智能未來的國家之一，弗拉基米爾·普京 (Vladimir Putin) 在 2017 年表示，“誰成為人工智能和網絡空間的領導者，誰就成為世界的統治者。”中國領導人同樣表示，“快速發展人工智能將深刻改變人類社會和生活，改變世界。 中國必須在國際競爭新階段中牢牢把握人工智能發展的戰略主動權。”意識到這一啟示性潛力，美國必須努力保持主導地位，并啟動向發展和實施人工智能自動化和人機協作的態度轉變。

為了發展隨之而來的不對稱優勢，美國必須尋求人工智能在自主和增強決策方面的新應用。通過確保在人工智能方面的領先地位，美國可以恢復對任何潛在對手的日益減弱的優勢，從而加強威懾。人工智能和自主性的增強將使美軍能夠以壓倒性的速度在多個領域制造多重困境，使對手無法做出反應。這種超越要求只有 AI 才能獲得認知優勢，它可以學習、提高人類績效、更好地為人類決策者做好準備、促進聯網解決方案、應用智能設備、協調操作以及優化效果的選擇和傳遞。本文將專門研究如何在空戰指揮與控制（C2）內對聯合目標選定和評估提供幫助，作為初步實施領域。盡管本文的范圍有限，但美國應在 C2 的許多領域尋求更高水平的人工智能自主和增強，以實現最快和最實用的決策循環。

新穎而強大的人工智能解決方案呈指數級增長，美國軍方正努力跟上企業界發展步伐。美國防部 (DoD) 在 2017 年用于機器學習的預算為1.95 億美元，用于深度學習的預算為 2.38 億美元，用于語言處理的預算為 8200 萬美元。乍一看，這些數字似乎是用于人工智能研究的一大筆資金；然而，國防部投資和研究的增長速度明顯慢于企業部門。 2012 年至 2017 年期間，國防部在人工智能、大數據和云計算研究方面的總體投資以 5.7% 的復合年增長率 (CAGR) 增長。企業投資人工智能研究的復合年增長率約為 35%，人工智能推動了企業如何解讀數據和互動。企業對人工智能的投資大約每兩年翻一番。國防部對人工智能的投資跟不上企業投資或人工智能的指數增長。

歷史上，聯合空中力量C2 在針對能力較弱的對手進行蓄意規劃行動方面一直很有效，盡管可以說它效率不高。效率可能是對抗近乎對等的敵人或在高度動態的戰爭中的一項重要要求。 《美國國防戰略》指出，國防部“以犧牲為作戰人員提供及時決策、策略和能力為代價，為卓越性能進行了過度優化”，并且必須“以相關的速度交付性能。”具體而言，聯合目標選定已被證明有效但不是最有效地引導大量資產設施打擊預先計劃的目標，例如沙漠風暴、盟軍行動和持久自由行動。美國在相對較小的戰爭中以預先計劃的方式，對能力較弱的對手進行了這些蓄意行動。深思熟慮的計劃通常在作戰后 24 到 72 小時內開始，同時在動態目標選定方面允許一些例外情況。美國 C2 強化了從過去成功打擊能力較弱的對手中吸取的教訓，變得更加有效；然而，與在與近乎對等的對手作戰時所需的效率和敏捷性方面仍有待開發。

美國必須不斷努力保持空中力量使用的高效和靈活。正如約翰博伊德上校在《沖突模式》中所說，“為了獲勝，我們應該以比對手更快的節奏行動——或者，更好的是，進入對手的觀察-定向-決策-行動時間循環。 ”人工智能可以在許多領域以顯著的效果和速度補充人類工作。美軍必須啟動下一次空中力量演進，并利用人工智能來增強人類的決策和行動。人工智能解決方案對于促進速度、力量、平衡、靈活性和協調是必要的，以在未來的沖突中快速創建跨多個領域的多重困境。美國必須保持在空中、太空和網絡空間力量的領導地位，尤其是隨著俄羅斯和中國在這些領域的投資增長。

人工智能在企業界的能力和速度呈指數級增長，顛覆了從自然語言處理到癌癥診斷的各個領域。一些專家將人工智能的激增比作 19 世紀后期的電力發明，稱這可能會引發同樣重大的行業轉型。人工智能的進步使得許多長期以來被認為是機器不可能完成的任務讓給機器去表演。隨著機器對機器通信和人對機器協作解決方案的不斷成熟，人工智能將在人類密集型流程中變得越來越普遍。

人工智能貢獻最重要的領域之一在于它能夠從數據中提取相關性，而這對人類來說可能是不可見的。傳感器和感知器收集或創建數據，然后必須對其進行存儲、清理和結構化。將收集的原始數據處理轉化為可用的人工智能燃料。然后，算法可以為人類決策者或參與者創建模型、開發和測試洞察力、繪制相關性并檢測異常情況。

人工智能可以同時在人類無法理解的時間尺度上做出決策。人工智能可以幫助人類進行目標發現、情報融合、目標優先排序、指揮官分析、評估、部隊分配、任務規劃、任務監控和執行。人工智能將在人類無法超越的多個領域和多層次戰爭中實現快速決策。人工智能將聚合、整合、提煉和呈現常見的作戰圖，并幫助加速決策，實現當今人類無法掌握的效果。人工智能可能被證明能夠將冗長的聯合目標選定循環縮短為一個快速更新、對環境變化做出快速反應、敏捷和積極的循環。人類思想或行動的每一個領域都適合人工智能顛覆，包括空中力量的使用。

美國必須準備好對相關信息以高速決策響應。自動化和人機協作將改善和加快空中力量 C2 的決策和任務循環。未來戰爭的勝利將屬于能夠以壓倒性優勢的進行指揮、控制其部隊的領導人。未來的戰爭將有利于能夠快速處理信息并在各級戰爭中做出決策的交戰領導人。作戰目標不僅是迅速對敵人作出反應；但它也是按照自己選擇的方向和節奏推動戰斗。領先于敵方三步的交戰領導者，會使敵方“倒退”，不斷掙扎反應，無法取得主動權。

本文試圖讓讀者熟悉人工智能的潛力，并強調在空中力量 C2 中使用的關鍵考慮因素。本文的主要重點是展示美國在未來的戰斗中必須利用的潛在人工智能潛力。目標是通過具體的應用示例激發讀者的興趣。作者希望讀完本報告后讀者會對人工智能有所熟悉。開發和部署下一個不對稱優勢所需的先導是創新文化和適應愿景，這是通過鼓勵創造性地解決問題和激發整個聯合部隊創新熱情來培養的。

本文簡要介紹了一些基本的 C2 規范和流程——奠定了基礎——并強調了潛在的人工智能應用領域。其次，它描述了美國C2聯合空中力量的集權平衡和一些原則。第三，它調查了美國的聯合目標選定和目標選擇過程。第四，對 AI 基礎知識和 AI 應用示例的調查將提供概念基礎，然后是在軍事應用中使用 AI 的幾個示例。這允許討論武器-目標配對模型，該模型說明如何處理數據、算法選擇和模型輸出的決策。然后，本文討論了人工智能輔助評估，包括主導指標和反饋循環。最后，基本的實施考慮將涵蓋部署和變革所需的步驟，以成功建立信任并幫助決策者在空中力量中使用人工智能解決方案。

2 空中力量的指揮與控制原則規范

本節將簡要地讓讀者了解使用空中力量的一些 C2 基礎知識。簡而言之，C2 是“由指定指揮官針對需完成任務時對指派和附屬部隊行使指揮權力。”聯合空中作戰是由各軍種執行聯合空中任務部隊執行的行動。聯合空中作戰在作戰環境和軍事行動范圍內可能會有很大差異；然而，讀者對空中力量的 C2 有一個基本的了解是至關重要的。

2.1 集中式與分布式空中力量

美國條令規定使用集中式控制和分布式執行的原則進行聯合空中作戰。推動這一空中力量原則的一個過于簡單的概要是，集中式控制使高級梯隊指揮官能夠有效地控制、集結和領導部隊；執行權力下放使部隊能夠掌握主動權，應對不確定和不斷變化的環境，并提升下層的靈活性。

技術發展經常改變空中力量這一原則的平衡。強大的通信連接提高了各層級的共同作戰圖景，但它也使高級領導層能夠參與最細微的工作細節。這種雙重性在政治控制的必要性與領導者必須高效完成任務的必要性之間造成了內在張力。 盡管在許多情況下集中式控制和執行是可能的，但有意識地適當下放執行權力將確保美國空中力量敏捷性的維持。

集中式權力和分布式權力的平衡可以在沖突之間和沖突期間發生變化，領導人必須努力提高空中力量使用中的“敏捷性”。空軍未來作戰概念將敏捷性定義為對情況做出快速反應的能力。敏捷性是靈活性、速度、協調性、平衡性和力量的結合。分布式通常有利于靈活性和速度，而集中式通常有利于協調性和力量。對敏捷性的理解可能意味著身體能力，但敏捷性還包括對動態對手、移動目標或變化環境做出反應的認知能力。在空中力量 C2 中使用人工智能，在于它可以協同帶來的認知速度和力量，朝著敏捷性目標前進。

2.2 C2架構

C2 系統控制聯合空中作戰，通常圍繞軍種司令部指揮官的 C2 系統構建，該系統擁有大量空中資產設施和最出色的控制能力。空中作戰中心 (AOC) 是戰區高級單位空中控制系統，確保空中、太空和網絡空間行動的有效規劃和實施。當與聯合或聯軍伙伴作為聯合空戰中心或聯軍空戰中心作戰時，AOC 架構也可能適用。 AOC 的規模從幾個工作人員到上千名軍官、入伍和文職人員之間可能存在很大差異。每個 AOC 的組織各不相同，但他們的共同目標是匹配可用的手段來實現軍事任務目標。 AOC 的職責通常包括規劃和控制聯合空中作戰，提出空中分配、空域協調、防空協調、空間協調和網絡空間協調的優先事項建議。

計算、通信和信息共享方面的技術改進打亂了C2 分層架構，造成了從作戰計劃到戰術執行的中斷。 AOC 領導層能夠做出歷史上在較低層的作戰或戰術梯隊中進行決策。例如，今天，最高級別的作戰 C2 可能不會授予目標識別和武器釋放權限，而這曾經只能在戰術邊緣進行。面對能力較弱的對手時，相對優勢明顯，對平民傷亡的厭惡可能使美國陷入自滿，并錯誤地假設未來的戰爭將在相同的良性環境中發生。通過在 AOC 之外分配控制權、分散空中資產執行以及在 C2 的多個級別利用 AI 的速度和認知能力，可以提高擊敗近端對手所需的效率和敏捷性。

空中力量的 C2 具有利用人工智能增強和自動化提高認知敏捷性的巨大潛力。下一節將討論空中力量 C2 中 AI 應用的一個示例——聯合目標選定。目前，在規劃和執行聯合空中作戰時，目標選定循環內存在數據缺口和效率低下，使關鍵信息的有效傳輸變得復雜。下一節將介紹人工智能如何幫助決策者更好地了解他們的作戰環境、將戰場數據過濾融合為相關信息，提高決策速度。

2.3 聯合目標選定（joint targeting）

聯合目標選定旨在將提供給聯合部隊指揮官（JFC）的可用手段與利用空中、太空和網絡空間力量實現軍事和政治目的的方式相匹配。這是一個選擇目標并確定其優先順序并匹配相應響應的過程，同時考慮到作戰需求和能力。聯合目標選定可以發生在實現 JFC 目標所需的任何戰爭級別。聯合目標選定，將所需效果與這些目標相匹配，最后選擇能夠提供所需效果的手段。

戰爭迷霧和摩擦、目標重復、未知數、整合要求、二階和三階效應以及可用資源的缺乏，使得方式方法與目標匹配工作變得復雜化。聯合出版物 (JP) 3-30文件（聯合空中作戰的指揮和控制），強調了效率的重要性，并指出：“有效和高效的目標開發過程與聯合空中任務循環相結合，對于聯合空中部隊指揮官（ JFACC）規劃和執行聯合空中作戰至關重要。聯合目標選定過程應整合國家機構、作戰司令部、下屬聯合部隊和組成司令部的情報數據庫、分析能力和數據收集工作。”本節將討論人工智能如何幫助實現聯合作戰所需的效率目標循環。

為了在聯合目標選定循環（joint targeting cycle）中提高效率，流程中的各個步驟和步驟的自動連接必須提高效率。如圖 1 所示，聯合瞄準的六個階段包括：

1.結束狀態和指揮官的目的開發，

2.目標開發和優先排序，

3.能力分析，

4.指揮官的決定和兵力分配，

5.任務規劃和部隊執行，

6.評估

圖1：聯合目標選定循環（JP 3-60）

人工智能可能會加速和優化目標開發和優先級，提供近乎即時的能力分析，快速迭代規劃目標，并自動制定攻擊計劃。

C2 參謀人員在聯合空中任務循環中進行聯合目標選定，這是經過精心設計的，但允許在循環外執行一些動態目標。JFACC 可以更改流程以匹配環境；然而，空中力量任務循環本身仍然是經過深思熟慮的，并且通常在持續時間上是固定的。在空中任務循環內快速或有效的動態目標或時間敏感性目標的請求與過去的能力和時效性有關。任何“彈出式目標”通常需要至少 12 小時才能在空中任務指令 (ATO) 流程中采取行動。在沒有特定目標的情況下規劃或啟動，并且能夠對實時機會做出反應。在 12 小時窗口內使用 ATO 流程重新部署刻意分配任務的資產靈活性通常很小，當前的作戰部門可能會在正常的空中力量任務分配流程之外提供任務分配。盡管有嚴格的聯合空中任務循環，但在時間敏感或高度動態的目標中需要靈活性和速度，而不是在它的幫助下。

目標選定的最大困難之一是在不同時間尺度上有效和全面地融合目標。聯合部隊針對不同時間執行的目標集，實施探索發現、優先排序和匹配效果。此外，目標開發循環以不同的速度發生，并且傳感器可能會在硬性目標過程的后期發現高優先級目標。美國要求有能力盡快適應環境和敵人的行動。由人工智能輔助的聯合目標選定循環可以有意識地和動態地繼續尋求目標，并且能夠使用不斷更新的循環來匹配效果并對目標進行優先級排序。當 C2 將資產設施與高價值“彈出式”目標配對時，其原始目標應立即流回目標解決方案，重新確定優先級，并可能移交給另一個打擊資產。進行這種目標循環的規模和速度只有通過人工智能的認知速度和強度才能實現。由人工智能推動的聯合空中目標選定循環是動態和不斷迭代的。

2.4 目標（Targets）

目標的定義是任何人、地點或事物，考慮采取可能的行動來改變、降低或抵消它為對手執行的功能。 聯合空中部隊指揮官（JFACC）根據對聯合部隊目標的貢獻程度、實現預期效果的可能性、交戰成本和許多其他因素對目標進行優先級排序。目標可以是人員、設備或基礎設施；相反，目標也可能具有數字能力或者是網絡空間中的實體。聯合目標選定中的目標分析不僅定義了目標，還定義了它們的優勢、劣勢和相互聯系。

規劃者必須詳細記錄目標特征，以便他們可以開發、關聯和融合目標。特證是特定于目標類型的，但通常可以包括諸如位置、大小、詳細外觀、目標構成、分散、硬化、電磁特征、發射器和移動性等細節。目前，人類通過低魯棒性的機器對機器通信的數據庫，來手動輸入目標特征、編譯目標、關聯目標、消除冗余并確定目標優先級。

然后，JFACC 的參謀人員對目標進行優先級排序，將其與效果相匹配，并利用可用資產、輸入和來自各組成部分指揮官的協調來執行任務。為了關閉目標選定中的反饋循環，評估小組需要分析行動對實現軍事目標的影響。評估提供了成功的衡量標準，這些衡量標準可以反饋到培訓人類決策者中，并且可以應用于人工智能系統的教學。這個迭代循環強化了最佳行為并減弱了不良行為。

2.5 為什么需要AI？

實施人工智能輔助情報融合和目標優先級排序可以比任何大規模的人工過程更快地動態推薦重新分配軍事資產設施。目前 AOC 中采用的深思熟慮和動態的目標選定循環包含最低限度的自動化，充斥著多余的人力，并且缺乏有效的交叉溝通。在目標選定循環內將人工密集型任務實現自動化，可以加強觀察、定位和決策循環。即使是促進目的、任務、目標、特征和武器在循環步驟之間有效流動的基本自動化，也會減少流程的時間。更全面的人工智能實施將促進目標特征的近乎瞬時融合、匹配目標的優先級、彈藥匹配和空中任務調整。人工智能實施的一個目標是將聯合空中目標選定過程從目前的三到五天減少到沒有固定持續時間的過程，該過程還可以迭代適應實時變化的作戰環境和威脅。

3 在哪里用AI？

當數據中存在潛在模式或相關性時，人工智能會很好地工作。因此，人們應該在可能存在相關性的地方尋求使用機器學習，并且有足夠數量的訓練數據來繪制這些相關性。其次，試圖解釋潛在相關性的模型應該足夠簡單，以快速解決未來的問題。這些概括也有例外，但這些確定是探索的良好起點。人工智能需要包含相關性的數據來??對環境和預測做出結論。人類目前在解決新穎或非結構化問題方面更有效；人工智能在高度相關的環境中茁壯成長。

人工智能目前在多個領域表現出優于人類的優勢。首先，機器學習在人類無法確定管理數據或關系的規則的情況下表現出色。當存在大量變量、變量之間存在復雜的相互聯系或人類無法“標記”數據時，這種確定是可能的。這方面的一個例子是基于 DNA 預測疾病。在沒有幫助的情況下，人類將無法處理一個人類基因組中的所有數據，更不用說來自數千個示例的關聯相關性了。

機器學習擅長的另一個領域是人類可以理解相關性，但規則無法通過蠻力編碼來解釋它們。人類很容易識別手寫字符，但要使用識別手寫所需的所有規則對計算機進行編程卻非常困難。在這種情況下，人工智能的優勢在于能夠以相對便宜的方式擴展應用程序。 AI 讀取并自動發送郵件，減少郵政服務人員的需求并降低消費者的成本。機器學習潛力的另一個領域是執行人類可以完成的任務。然而，情況經常發生變化，人類不斷對機器進行重新編程的成本過高。人工智能可以根據數十億個數據點幾乎瞬間更新感知。這方面的一個例子是亞馬遜的推薦系統。使用人工智能，亞馬遜近乎實時地更新產品推薦，明確為數億人量身定制。在有太多實例無法單獨理解或編程的情況下，人工智能會迭代地適應和學習不斷變化的數據。人工智能在人類不了解管理數據的規則、他們理解規則但無法準確編碼解決方案，或者擴展或迭代調整解決方案成本過高或不切實際的領域非常有用。

人類在創造力、獨創性、責任感和同理心方面保持相對優勢。雖然人工智能可以原創十四行詩并繪制出獨特杰作（評委無法將其與人類藝術家區分開來的），但它們的創造力和獨創性始終是有爭議的問題。這些人工智能本質上是通過學習模仿人類的例子來模仿創造力和獨創性。然而，這些優勢領域可能正在逐漸消失。這種侵蝕的一個例子是從 DeepMind 的 AlphaGo（通過分析人類棋局學會熟練地下圍棋）到 AlphaGo Zero 的轉變，后者僅通過強化學習和自我博弈（而不是觀察人類下棋）來學習。機器正在迫使人類重新評估原創性和創造力的定義。責任可能是目前人類主導的最“黑白”的領域。

在戰爭事務中，人類不應將責任委托給機器，因為他們無法對自己的決定和行為負責。最后，人工智能無法理解人類同理心、道德、信仰、價值觀或隱含目的的復雜性。人工智能可以學習模擬道德或遵守參與規則；然而，人工智能不太可能很快內化人類的同理心，或者批判性思考人類道德、價值觀和某些行為的能力。

由于這些原因，在可預見的未來，戰爭本質決定了很可能仍然靠人類努力。人類將在作戰設計和更接近“戰爭藝術”特征的領域中保持優勢。人工智能將在數據處理、信息融合、優先排序、分析、處理和通常被稱為“戰爭科學”的程序方面出現激增。人工智能將在戰爭的各個層面為人類提供幫助——從援助到完全自主——每一個補充對方的優勢，不對稱地應用于對手的弱點。

4 創建AI模型

前面的部分為讀者在空中力量 C2 和 AI 基礎知識中進行聯合目標選定奠定了基礎；下一步是創建一個建立在該基礎之上的 AI 框架。有無數種方法可以處理每個 AI 應用程序，本節將為非技術讀者解釋一個通用框架——不涉及任何數學或編程！這個通用框架將按時間順序逐步執行：

1.如何確定 AI 的使用領域，

2.如何查找和準備數據，

3.如何選擇算法并生成模型，

4.如何創建適當的決策規則并使用輸出。

武器-目標配對模型作為示例包含在每個步驟中，以增加對概念的一些特異性和理解。

4.1 確定應用領域

創建機器學習解決方案的第一步顯然是確定應用領域，例如工時密集型或高度重復性任務。 AI 擅長解決包含強相關性或示例案例的問題。此外，重要的是要記住不要僅僅為了獲得 AI 解決方案而將 AI 解決方案強加于問題。在解決問題時，人工智能應該提供準確性、速度和/或更高的效率。

在分析應用領域時，最好從相對簡單的問題開始實施，向復雜的問題努力。哪些問題由人類解決相對容易，但需要大量時間或經常重復？聯合目標選定是人類很容易將特定目標與預期效果聯系起來的領域，但該過程經常變化并且需要大量人力。在聯合目標選定中，幾個領域將受益于人工智能：武器-目標配對、任務-飛機配對、目標優先級排序、戰場態勢感知、藍軍和紅軍跟蹤、系統節點分析、空襲計劃制定、ATO 開發和目標情報融合。本文AI 示例將側重于武器-目標配對的使用領域。

4.2 收集與準備數據

數據是人工智能需要學習的燃料。每個應用程序所需的數據類型會有所不同，哪些數據對人類認知是必要的是收集的一個很好的起點。單個推測可能會為數據收集提供一個起點，但可能會產生一些錯誤的相關性，同時也會丟失人類不可見的相關性。如果數據中沒有任何已知的相關性，無監督學習可能會在沒有人類直覺的情況下初步確定關系。

在武器-目標模型的例子中，要收集的基本數據是目標、武器和使用環境的特征數據。每種武器所需的一些數據將包括武器殺傷概率 (Pk) 和損壞概率 (Pd)、致命影響半徑、風險估計距離、可靠性率、圓形誤差概率 (CEP)、制導要求和可用性。一些目標特征數據將包括目標類型、大小、數量、分散、硬化、障礙物、機動性、防御能力和反射率。環境數據可能包括區域威脅狀況、光電能見度、紅外能見度、全球定位系統 (GPS) 狀態以及與人員和建筑物距離有關的附帶損害。有些數據很容易獲得，有些數據需要研究或模擬，有些數據可能需要新收集。

數據劃分分為兩個基本類別：觀察數據（輸入）和結果數據（輸出）。如果數據代表目標或環境特征，則為觀測數據。如果數據表示結果，則它是結果數據，例如武器 Pk 或 Pd。接下來，工程師必須按要求清理異常數據，填寫缺失數據，并規范格式。清理和結構化數據通常是一個困難且費力的過程。工程師必須將數據結構化為可用的形式來訓練 AI 模型，而不會犧牲過多的“好”數據。在數據收集、清理和結構化之后，工程師選擇算法以從數據中創建預測模型。

4.3 選擇算法

尋找“最佳”算法可能是復雜且耗時的。好的是，數據科學家和工程師對于在每個應用領域中哪種算法更強或更弱都有經驗法則。選擇算法的目標是找到一個在給定觀察數據的情況下最準確、最容易預測正確輸出的算法。考慮算法選擇的簡單方法類似于選擇正弦波、直線或對數曲線（或它們的某種組合）是否可以表示二維繪制的數據。在算法選擇中，如果時間和計算能力允許，可以訓練和測試多種類型的算法。對于示例武器目標問題，神經網絡或最近鄰模型可能是最準確和最可靠的預測器，因此將開發這兩種方法。

神經網絡是鏈接到前一行的神經元的若干系列神經元，這些神經元鏈接到前一行并最終鏈接回輸入數據。訓練調整每個神經元之間鏈接的權重和/或導致神經元觸發的閾值。神經元網絡的一側是前面討論過的輸入（每個獨特的觀察數據類別），而神經網絡的另一側是輸出（每種武器和融合組合的 Pk 或 Pd）。為了訓練神經網絡，神經元最初接收隨機權重，數據通過最小化輸出誤差來調整神經元。圖 5 描述了神經網絡訓練，它將每個預測與已知結果進行比較，然后使用它們之間的誤差來調整神經網絡參數。

圖5：訓練神經網絡

訓練迭代最小化預測和現實之間的誤差。這種迭代調整的方法提供了更高的準確性，但需要一些透明度，并且人類可能難以理解神經網絡權重的含義。

相反，最近鄰是最簡單的機器學習類型之一。在這個武器-目標配對示例中，程序員可以使用它來比較神經網絡的性能。最近鄰模型將目標示例的特征與已知示例的特征進行比較，以確定哪種情況最能代表測試目標特征。這類似于警察如何根據他或她最近的鄰居的隸屬關系來預測個人的幫派隸屬關系。該模型擅長根據之前收集的數據對新病例進行分類。

武器-目標示例的維度可能會增加 10 個維度。每個維度代表一個目標或環境特征，包括：大小、類型、機動性、裝甲、GPS 可用性等。有關高維最近鄰渲染的表示，請參見圖 6。

圖6：最近領表示

一旦算法生成經過訓練的模型，模型就會針對工程師之前從訓練數據中分離出來的數據進行測試（這可以防止模型過度擬合訓練數據）。如果效率相當，工程師會選擇最準確的模型。如果模型產生相似的性能，工程師通常會選擇最有效的模型。訓練完成后，模型可以根據需要重新訓練新數據。人工智能開發是一個持續的過程，運營商和信息保障經理應與工程師一起維護和完善人工智能解決方案。

4.4 決策

然后，該模型必須轉化為決策或行動。人類必須決定如何對模型的輸出采取行動。例如，該模型將產生一個分類或可能性，它可以為決策提供 if-then 場景或規則。在武器-目標示例中，模型將為每個武器和目標融合輸出 Pk 或 Pd。適用于模型輸出的有用規則包括相稱性、附帶損害最小化或武器稀缺性。這些規則可以對所需武器進行排序，并限制 AI 建議對每個目標使用核武器（核武器在圖 7 中表示為 1.00 輸出）。

圖7：武器-目標配對神經網絡

此外，人類必須決定授予 AI 的權限級別。如果人工智能準確可靠并且在相對低風險的領域運行，則它可以在沒有人工監督的情況下運行。例如，如果人類僅在 80% 的時間里找到“最佳”決策，那么如果該模型在 95% 的時間里做出“最佳”決策，則人類應該遵循武器目標模型的建議。為了幫助做出這一決策，許多各種類型的人工智能可以用他們的預測來表達置信度。置信度可以表示為測試示例與用于訓練 AI 的數據的接近程度。如果訓練數據不足，或者 AI 不知道如何解釋示例，則置信度可能較低。人類應該將置信度和準確性與人類和其他模型進行比較，以決定授予人工智能多少權限，這可能取決于具體情況。

關于模型何時足夠準確以供使用的決定可能很困難，在訓練場景中讓模型模仿人類可能是明智的，這樣他們就可以評估自己的表現并發現潛在的弱點。決定授予人工智能多少權限應該取決于風險、置信度和時間。領導者應該在低風險領域授權需要速度的決策，同時在不那么緊急的高風險決策時可以暫緩授權——見圖 8。

圖8：考慮風險與時間下的自主級別

4.5 評估

戰時評估是收集和理解信息以更新戰爭信念或觀點的行為。評估過程是每個戰爭級別、每個領域的要求，領導者應有意識地努力確保評估過程中提出的建議準確性。Scott Gartner 在 Assessing War 中寫道，使評估變得困難的三個因素包括“戰時信息的積累速度快于戰時分析能力，領導者需要在清楚了解正在發生的事情之前做出決策，以及信息環境包含巨大的不確定性和噪聲。”人工智能可以在速度和大型計算領域為人類提供幫助，例如那些具有挑戰性的評估。目前的評估“反映了準確性和速度之間的權衡”。人工智能可以提高評估速度；但是，它并不能消除信息滯后。由于需要集中評估以及收集和融合數據的要求，總會存在固有的延遲。人工智能增強的評估可以根據數據不斷迭代分析。除了人工智能在速度和準確性方面的幫助外，本節還將討論人類如何利用人工智能來減輕人類在感知和處理數據方面的偏見。

目標評估是一個持續的過程，用于評估實現預期效果的有效性。評估試圖衡量行動產生的影響。但影響往往難以衡量。例如，領導者如何衡量敵人的士氣或戰斗意愿？衡量成功和目標成就需要具體的成功衡量標準。 Scott Gartner 建議定義代表預期效果的主要指標，這些指標更容易識別和衡量，而不是試圖衡量效果本身。

主導指標是可以輕松識別觀察者看不到的模糊的潛在事實和趨勢標志。主要指標側重于戰時績效指標，使用基于時間的定量績效衡量指標來反映組織的任務完成情況。如本文前面所述，人工智能通常優于人類的領域之一是確定數據中的潛在相關性。使用有監督或無監督學習，機器人團隊可以開發出與性能和效果在統計上相關的主導指標。人工智能可以統計顯示哪些變量與目標成就及其重要性水平相關聯，而不是僅僅依靠人類的啟發式、偏見和認知捷徑來確定評估者認為哪些是成功的。 AI 顯示了與數據相關的主要指標，而不是猜測反饋的定量方法。

軍事評估的目的不僅是為決策者提供對作戰進展情況的衡量標準，而且評估的目的還在于創建一個可操作的反饋循環，用于調整對未來作戰的看法、假設和信念。評估關閉了反饋循環。評估在人類決策中至關重要，但可以說在人工智能應用中更為關鍵。反饋是人工智能能夠適應和改進環境變化的唯一途徑。人工智能系統的評估與人類的評估方式非常相似，調整先前的預測，進行學習和適應。

對于人工智能來說，評估的結果應該不斷地反饋到訓練模型中。在武器與目標配對示例中，規劃人員或機器接收針對特定目標使用的武器的炸彈損壞評估 (BDA)，并將在適用時更新 Pk 和 Pd 模型。例如，如果模擬顯示特定彈頭能夠穿透硬化結構，但現實顯示不同的結果。人類將觀察返回的 BDA 報告并調整他們對該特定彈頭的使用。在機器學習中，預測和實際損傷比較以及由此產生的誤差會更新模型。通過使用更多 BDA 和高度多樣化的場景迭代訓練模型，模型收斂到更新的事實。

制定適當的成功衡量標準對于人類和人工智能的學習都至關重要。選擇一組指標必須揭示有關環境的信息，并為其收集創造適當的激勵措施。如果指標或關系的權重存在虛假陳述，則可能會出現負面訓練。這種負面訓練可能導致人工智能或人類感知永遠不會與現實融合。由于這些原因，人類必須創造明確的目標；操作基準必須將總體目標與可確定的有效性度量 (MOE) 聯系起來。 MOE 與績效衡量標準 (MOP) 相關聯。此外，人類應不斷評估人工智能預測的準確性，并在必要時提供再訓練。在組織內工作的 AI 專家能夠及時調整模型和再訓練，塑造對成功至關重要的學習。評估必須不斷完善人類和人工智能認知，以適應環境。如果領導者尋求不正確的成功衡量標準，人類和機器都會優化不正確的行為。

4.6 評估案例研究

越南戰爭中的目標設定和評估無效的一個例子很明顯。美國領導層制定了敵人“人數”的作戰基準。領導人認為，如果越共和北越無法彌補他們在戰場上的損失，南越將會穩定下來。威斯特摩蘭將軍后來強調了這一指標的不足之處，他說：“誠然，“人數”統計是衡量進展的不完美標準，但在沒有常規前線的情況下，我們還能如何衡量成功？”在強調人數的重要性，領導層誤解了越南的真實情況。此外，在試圖將下屬的信息拉向人數的操作基準時，他們向下屬提供了有害的激勵措施。士兵和領導人錯誤地夸大了人數，試圖最大限度地增加人數會導致非法和不道德的行為。本案例研究強調了目標、操作基準、MOE 和 MOP 對人類和 AI 行為的重要性。當使用不正確的措施和目標時，可能會在訓練中強化不良行為。

4.7 偏見

人類本能地從有時難以解釋的觀察中得出結論。人類也傾向于吸收傳入的信息以適應現有的信念和期望。由于神經元串行處理速度的限制，認知捷徑和啟發式方法對于人類快速做出決策是必要的。大腦通過基于先前學習對當前經驗進行分類和關聯來做到這一點。數據的自動處理、過濾和分類使大腦整體能力更強；然而，這些捷徑也可能導致誤導性評估。這種過濾和偏差發生在較低級別，例如模式識別以及高級分析和評估中。當人們只看數據本身時，既存的信念在面對意想不到的新信息時具有持久力。人類必須承認這把雙刃劍，并利用它來發揮自己的優勢，同時減輕自己的弱點。人類不應該試圖修復、升級甚至根除使我們成為人類的東西；相反，我們應該設計技術來補充我們的能力和局限性。領導者應該尋找人類認知薄弱、不準確或緩慢的領域來進行人工智能的初始實施，同時在依賴創新、獨創性和創造力的領域將主導地位讓給人類。

偏見決策不僅限于人類；人工智能也不能幸免于這些來自現實的扭曲。偏見可能會通過訓練中使用的數據、算法和結構或通過實施來影響 AI。每年都有偏見 AI 的例子，而現實是 AI 僅根據其編程和訓練來做出決策和采取行動——專家稱之為“算法偏見”。算法偏見的例子包括無法檢測到黑人女性的面部識別程序、向女性展示較少高薪工作的廣告、預計少數民族男性的累犯率增加以及“種族主義推特機器人”Tay。用于訓練 AI 模型的數據必須沒有不良偏見，否則 AI 可能會產生不良行為。

人工智能可以為評估提供更大的客觀性。在備選方案之間做出決定的過程可能很繁瑣；它“為重新考慮設置了強大的障礙，即使新信息對最初選擇的有效性產生懷疑。因此，決策者不是重新審視最初的選擇，而是貶低、曲解或忽略與該選擇有關的新信息。” “決策者具有強大的組織目標或自身利益可能會忽略或最小化與這些利益沖突的傳入信息，并突出顯示支持 . . .以我們可能不認識的方式對我們對數據的解釋進行著色。”評估是人工智能實施的另一個成熟領域，因為數據量很大，而且人類偏見可能會扭曲認知。人類應該利用人工智能來增強戰時評估實踐，使其更全面、更快、更客觀。

5 實施AI模型

一旦我們創建和訓練了 AI 模型，我們的工作就沒有完成；最終的成敗在于實施細節。透明度和控制是在任何 AI 系統中建立信任的要求。此外，任何解決方案的人機界面和無縫集成都將成為成功實施的基石。國防戰略承認這一挑戰，并指出：“成功不再屬于首先開發新技術的國家，而是屬于更好地整合新技術并適應其戰斗方式的國家。”人類操作員可能會采用人工智能解決方案只有當它們值得信賴并提供無縫且有用的界面時。本文中推薦的實施不太可能很快發生，它們也不夠詳細，無法在今天直接實現。美國必須將研究、人員配備和資金投入到深思熟慮的實施過程中。使用敏捷開發方法，通過分解問題的各個部分，并隨著時間的推移產生小的勝利，成功的實施和改變是可能的。

美國不能在一次浪潮中或完全使用現成的解決方案來實施一個大型的“人工智能解決方案”。由于應用程序規模、環境復雜性和組織對變革的抵制，試圖開發一種廣泛適用的“解決方案”將是一項不可能完成的任務。對現有流程的迭代改進將推動增量變化，建立信任，并隨著時間的推移導致進一步的發展。

隨著時間的推移，建立信任并引導進一步的發展。在與教授未來 AOC 專家和新 AOC 部門領導的數十位學者和專家的對話中，大多數教師對短期內有意義的人工智能集成表示了相當大的懷疑。每個人都看到了這篇論文的必要性；然而，專家們很快在鼓勵之后發表評論，詳細說明由于依賴當前的“做事方式”和所需的應用范圍，它幾乎沒有實施的機會。教條式的循環很難打破，它們通常需要外部沖擊來突出變革的必要性。人們并不認為 AOC 目前已經“崩潰”，本文也沒有暗示這一點。然而，正如前幾節所述，美國未能保持“相關速度”和認知敏捷性存在危險。 本文的目的是試圖幫助調整國防部文化并確保追求下一個針對任何潛在對手的不對稱超越。

組織和國家堅持他們歷來重視的技術和實踐，以及那些支撐他們當前優勢的技術和實踐。大多數專家同意，空中力量的 C2 在打當今戰爭方面是有效的，但在實現政治目標方面往往效率低下。通常，領導者會在選擇目標的同時選擇實現目標策略。此外，領導者將注意力集中在漸進的“創可貼（Band-Aid）”修復上，而不是尋找可能導致最佳結果的總體公式。最終的問題是：

1.AOC 能否在明天的戰爭中面對近乎同等的對手時進行有效的控制？

2.當前和未來的大趨勢是否會使當前的空中力量 C2 手段和方式過時？

3.是否會出現巨大的失敗來強調向更智能的 C2 轉變的必要性？

我們當前的范式、官僚主義和組織動力所造成的抑制是技術發展和創新中最重要的障礙。理想情況下，更新空中力量的 C2 將利用現代理論和可用技術來全面開發最佳 C2 結構。然而，人們對全面的 C2 大修并沒有興趣，最有可能成功的機會是逐步開發和應用人工智能解決方案，隨著時間的推移建立能力和信任。

5.1 作出改變

控制、職能、流程、結構、人員配備和領導角色的平衡可能會隨著時間的推移在人工智能實施中進行調整。當前的任務機制：計劃、任務、執行和評估，可能仍然適用；但是，監督這些機制的組織和方法可能會發生變化。隨著人工智能解決方案的適應性開發和實施，領導者將能夠測試和運行系統，并通過漸進式變化觀察其影響。測試和演習應包含完整版本的作戰結構，以突出潛在的不足和需要改進的領域。有效的 AI 需要大量數據，而這些數據可能不會出現在小型測試或演練中。如果未來的戰爭需要在多個領域快速適應 C2，美國必須以這種心態開發結構、部隊、流程、測試和訓練。人工智能將補充和自動化某些領域的員工密集型工作，同時創造其他領域不存在的潛力。某些感知、分析、傳播和決策方法對于當今的工作人員和機組人員來說將變得陌生。

C2 和 AI 專家無法準確預測他們未來將如何以及在何處使用 AI；然而，對實施過程的有根據的猜測是觸手可及的。為在空中力量 C2 中成功部署人工智能，建議采取以下七個步驟：

1.領導者必須確保制定和分發從數據收集到人類或人工智能行動的架構、透明度、安全和通信標準。

2.聯合部隊必須為人工智能的開發、測試和演練開發孵化器。聯合部隊必須為這些試驗臺提供足夠的資源，并提供迭代開發和改進跨任務集和戰爭級別的人工智能解決方案所需的訪問權限。

3.孵化器一旦開發出人工智能解決方案，就必須在模擬中對其進行測試。兵棋推演必須充分模仿資產行為并復制現實世界。模擬允許在批準用于實際使用之前在良性和安全的環境中進行新的 AI 測試。

4.聯合部隊必須在演習中測試人工智能，然后才能獲準參戰。從戰術到作戰層面進行的演練提供了微調認知和行為的能力，以及開發和評估作業策略、技術和程序的能力。采用新技術時，人類的迭代適應和性能改進的相同理論也適用于人工智能的使用。改善 AI 行為的兩個示例方法包括：a.最初跟隨人類決策者并從他們的行為和決策中學習。在向人類決策者進行初步學習后，人工智能可以通過未來的自我學習繼續改進，而不會受到人類的影響。或 b.通過在對抗性學習或強化學習環境中對幾代 AI 模型的行為進行自我訓練，迭代地改進 AI 決策，然后將性能與人類行為者進行比較。在訓練過程中，人類應該在表現出可取或不受歡迎的行為時提供輕微干涉。

5.與人類和其他人工智能相比，AI一旦表現出卓越的性能，就可以選擇使用AI。每個應用領域所需的性能水平會有所不同，包括置信、時間和風險等因素（參見圖 8）。如果滿足以下條件，人工智能認證應批準人工智能作業：a. AI 已達到所需的性能水平。b. AI符合安全要求，遵守適用的交戰規則和國際武裝沖突法。 c. AI 滿足安全要求，包括對所需數據的訪問、所需的機密性以及數據和信息流的完整性保證。 d. AI 可以與所需的實體進行通信。 e.如果需要，人工智能可以由人類控制。

6.當聯合部隊使用人工智能時，他們應該尋找相鄰的使用領域，以補充和擴大自動化，增強有效性和效率。人工智能解決方案的增量實施將通過協同效應獲得效率和性能，通常稱為飛輪效應。

7.聯合 C2 的組成、組織、流程和速度將在人工智能的實施過程中不可避免地發生變化。領導者及其員工將負責調整流程、組織結構和訓練，以獲得人工智能的利益。

在人工智能增強的戰斗中，聯合空中力量 C2 的領導力無疑會有所不同。人類可能會花更多時間在評估、分析和決策上。隨著機器快速清理和構建大量數據，人類決策者可以將更多時間投入到人類擅長的事情上——在作戰“藝術”中發揮創造力，做出負責任的決策，并為棘手的問題集帶來獨創性。任何將人類決策注入人工智能繁重的周期都將不可避免地減慢這一過程。然而，人類可以在決策循環中提供顯著的風險緩解和監督。在決定何時何地需要人工決策時，領導者必須評估風險接受度、對 AI 的信任、AI 置信度、成本、時間限制、戰略影響和潛在的意外影響。隨著人工智能的發展和廣泛實施，失敗的機會越來越多。錯誤和硬件故障的機會隨著復雜性的增加而增加。未來可能繼續需要某種程度的人機交互。戰爭的本質仍將是以人為中心的努力。反復出現的管理和維護挑戰放大了對決策者和工程監督的要求。主題專家、工程師、信息經理和決策者應該從開始到部署齊頭并進。

5.2 對AI建立信任

在將控制權交給人工智能之前，信任是任何系統的要求。人工智能的大多數當前應用程序執行相對良性的功能，無需做出生死決策。人工智能在 C2 中的初始應用也應該在能力和過程最容易理解的領域和低風險領域。隨著時間的推移，應用領域可能會增加；然而，人類在信任人工智能合作伙伴之前需要透明度、控制力和可信度。

人工智能和自動化通過小小的勝利建立信任。低風險領域的逐步實施將表明人工智能是有能力的。例如，人類對將日常通勤中的權力委托給人工智能持懷疑態度，因為高速駕駛是一項冒險的嘗試；然而，數十萬人在日常通勤中信任特斯拉汽車。隨著時間的推移，人類通過其展示的能力變得舒適和信任。多年來，人工智能已經建立了控制車輛的能力。最初，圖像識別展示了識別物體的能力，例如標志、人、汽車和畫線。深度感知和自由空間算法發現了在環境的實時表示中顯示可駕駛區域的能力。最后，將多種形式的人工智能融合到駕駛解決方案中，超過了普通人類駕駛員。特斯拉通過可信度和展示能力建立了對其人工智能的信任。

透明度還通過可追溯性、理解和驗證來促進信任。在中高風險應用程序中實施的人工智能必須能夠顯示基本假設并追蹤得出結論的方法。跟蹤從輸入到輸出的決策過程的能力產生可解釋，這在學習系統中有時很棘手。生命未來研究所在 2017 年發布了 23 條人工智能原則，并得到了數千名領先的人工智能專家的認可，強調了透明度和安全性問題。該研究所強調“故障透明度”和“司法透明度”是未來人工智能發展的兩個要求。簡而言之，人工智能必須能夠顯示系統出現故障的原因，并就其做出具體決策的原因向人類提供令人滿意的解釋。透明度是系統設計期間的要求。

控制不會產生信任，但缺乏控制會迅速破壞以前存在的任何信任。人類感知人工智能的行為和意圖，然后能夠指導或改變任何系統行為的能力至關重要。如果策略、戰略或目標發生變化，領導者必須能夠調整行為。此外，如果人工智能表現出不正當的意圖或表現不佳，人類必須能夠超越其行為。盡管系統沒有按要求運行，但一旦識別出危險情況，人類必須能夠進行控制。透明是控制的要求，控制是信任的要求。

5.3 兵棋推演與仿真模擬

如前幾節所述，兵棋推演和模擬有助于訓練 AI。現實世界的事件和過去的行動結果可以調整人工智能的行為，但這只能通過特定的現實世界例子來教人工智能。如果一個場景過去沒有發生過，那么人工智能將沒有準備好在未來處理它。人工智能需要能夠模擬以前沒有收集數據的場景，以概括其學習并更好地填補存在的空白。許多類型的 AI 都需要模擬環境來測試相關場景或可能發生的場景，但在現實世界中進行測試是不切實際的。通過在模擬世界中作業項目、參數和動作，人工智能可以比現實世界更快地觀察效果并強化適當的行為數量級。

5.4 靈活的自主性

靈活的自主性是指系統在有或沒有人的情況下運行的能力。靈活的自主性最初可以提供 AI 實施，一套“訓練輪”，直到最終系統驗證發生。在最初的 AI 應用期間，人類可能會選擇將很少的權限讓給 AI。然后，隨著人工智能學習行為和優化，人工智能可以接管越來越多的任務。靈活自主是一種隱喻的在線訓練。自主性可以從人的身影轉移到人進回路中，再到人在回路中，最后如果需要的話，再到人出回路中。

人的參與程度也會隨著風險或在具有挑戰性的情況下發生變化。圖 8 顯示了授權給 AI 的權限數量與時間和風險的關系。使用不同級別控制的人工智能在風險變化的領域是有益的。此外，與人類合作的人工智能可能需要在有爭議的領域或敵人試圖拒絕通信或訪問的領域更加自主地運行。在這些環境中，靈活自主可以提供人類監督的能力，直到它被拒絕，此時人工智能就像訓練有素的一樣，直到重新與人類控制器通信或完成任務。

5.5 分布式執行與數據需求

由于對數據和控制的要求，人工智能的實施似乎意味著背離分布式執行。權力下放仍將是空中力量的基本原則。由于不確定性、摩擦、變化、通信限制和模糊性，分布式執行是一項要求。權力下放使機組人員能夠掌握主動權，對不確定和不斷變化的環境做出反應，并訓練下級指揮官的靈活性。由于人工智能的實施，空中力量執行的最重要的直接變化是需要增加數據收集。如前所述，數據是 AI 學習和性能的基本要求。如果沒有足夠的數據收集，人工智能就無法準確感知環境并做出決策。未來的領導層可能會強調整個空中業務級別的數據收集和及時報告要求，以確保反饋循環穩健。指揮官必須向操作員清楚地表達意圖并協助他們分布式執行，為他們提供適當的工具和態勢感知來根據意圖執行。操作員應向其指揮官提供及時準確的真實數據和可靠準確的執行，以換取下放的執行權限。

總結

空中力量的 C2 需要進行技術改造，以便在未來的戰爭中有效地投射空中力量。歷史表明，那些適應太慢或未能預見關鍵支點的人將遭受失敗甚至滅絕。世界正處于對人工智能巨大力量和指數級增長的開始階段。人工智能的創新解決方案可以將空中力量的 C2 帶入 21 世紀。通過建立能夠超越對手的系統和決策過程，美國可以保持在空中力量使用方面的主導地位。通過在多個領域為我們的對手制造多重困境，我們可以指揮戰斗——領先一步，朝著我們選擇的方向前進。

開發人工智能解決方案的第一步是確定潛在的實施領域。作者選擇討論聯合目標選定中的 AI 示例，但僅空中力量 C2 就有很多增強和自動化的領域。確定應用領域后，收集相關數據。人工智能需要數據來了解環境并創建簡化的模型來進行預測。如果數據不可用，可能需要部署傳感器并尋求其他方法來收集數據。然后，數據科學家和工程師對數據進行過濾、清理和結構化，以滿足 AI 開發驅動的情境需求。所需數據的收集及其清理通常是 AI 開發中的大部分工作。

收集相關數據后，算法選擇和訓練創建模型來解釋現實。有無數種算法和結構，沒有一個“千篇一律”的解決方案可以解決每個問題。反復試驗、訓練和比較模型將不斷地顯示出問題及其解決方案的最佳方法。一旦選擇了最準確和最有效的算法，就可以開始起草確定性規則，并訓練模型。領導者必須確定他們將如何使用 AI 的輸出以及控制級別。風險、時間和置信度都會影響委托給 AI 的自動化水平。

人工智能已經在企業界建立了強大的立足點，但空中力量幾乎沒有任何重要的人工智能應用的例子。為了在國際安全領域保持優勢，美國必須發現和開發創新的人工智能解決方案。俄羅斯和中國正在加大對人工智能作為一項戰略技術的投資，尋求“在人工智能發展的國際競爭新階段搶占戰略主動權，創造新的競爭優勢。”通過利用人工智能和自主性的進步，美國可以恢復其與潛在對手的日益減弱的優勢并加強威懾力。現代戰爭的復雜性和速度已經超過了我們的 C2 能力。擁有信息優勢的一方將決定未來戰爭的結果，并能夠通過高速決策做出即時反應，同時為敵手制造復雜而同時出現的困境。這種未來的能力遠未得到保證。美國必須努力保證這種由人工智能自主和增強實現的敏捷性超越。

2020年初，美國海軍發布《人工智能技術安全性》。該報告重點關注對此項技術帶來的安全性問題。美國海軍乃至整個國防部系統，都在嚴肅認真地對待軍事人工智能的發展。2019 年的 2、6、9 月，美國先后公布《國防部人工智能戰略》、《國家人工智能戰略》《空軍人工智能戰略》三大戰略，表明其在國家、軍隊、軍種三個層面的“智能化戰略”全面啟動。可看出美國人工智能在軍事領域的發展態勢日趨激烈

一、推出多項政令戰略規劃，聚力發展人工智能

人工智能作為驅動第四次工業革命的重要引擎，深刻影響著經濟產業和各技術學科的發展，為此美國以國家戰略地位提升對人工智能在社會發展各領域( 特別是國防領域) 的動能，以推動人工智能技術的研發。2019年10月，世界經濟論壇發布制定國家人工智能戰略的框架白皮書，創建了最低限度可行的人工智能國家戰略制定框架，指出國家人工智能戰略的制定應考量具有戰略意義的優先事項人口需求資源限制和地緣政治等因素，旨在指導尚未或正在制定人工智能國家戰略的政府。美國多措并舉，繼續把發展人工智能技術作為提升國力維護國家安全的重大戰略，從國家戰略層面強化人工智能技術布局。2019年2月，美國政府科技政策辦公室發布由美國總統特朗普簽發的《維持美國在人工智能領域的領導地位》行政令，提出了美國發展人工智能的政策和原則戰略目標和重點領域，啟動旨在推進美國在人工智能領域領導地位的美國人工智能倡議，指示聯邦政府整合資源，聚力發展人工智能。

同年2月，美國國防部公布《2018年國防部人工智能戰略》的摘要部分( 題為《利用人工智能促進安全與繁榮》) 。該戰略是美國國防部首個人工智能戰略，旨在落實美國政府《國家安全戰略》和《國防戰略》提出的人工智能重要事項，為美國國防部謀求軍事人工智能優勢發展軍事人工智能實戰化能力提供戰略指導。2019年7月，美國空軍推出數字空軍計劃，旨在改進其在數據管理信息技術架構和業務運營方面的不足，使美國空軍保持競爭力。2019年9月，美國能源部成立人工智能與技術辦公室，旨在為美國人工智能研究人員提供聯邦數據模型和高性能計算資源。2019年9月，美國空軍以美國《國防部人工智能戰略》附錄形式發布《2019空軍人工智能戰略》，詳細闡釋在數字時代如何有效管理引導和引領所必須的基本原則職能和目標。2020年初，美國海軍分析中心發布專題報告《人工智能技術安全性———對海軍的行動方案建議》。該報告從當前美國海軍推動軍事領域人工智能技術運用過程中引發的公眾關注進行介紹入手，提出了海軍乃至整個國防部系統在軍事領域接收采用新興技術手段的總體態度與思路。

二、多家軍事機構開展研發項目，探索人工智能技術的軍用新場景

作為軍事大國，美國對于人工智能軍事作戰賦能的目標非常清晰，強力推動美國頂尖人工智能研究走向新的技術突破，促進科學新成果的發現、增強經濟競爭力、鞏固國家安全。2019年3月，美國參議院軍事委員會舉行主題為國防部人工智能計劃的聽證會，美國國防預先研究計劃局 DARPA、國防創新小組( DIU) 、國防部聯合人工智能中心( JAIC)等機構主管分別發言，闡述所在部門的人工智能項目及運行機制等情況，鞏固并強化了人工智能技術及應用與軍方之間的聯系，保障美國的人工智能軍用化步伐進一步加快。以DARPA為例，DARPA正將投資和研發重點轉向第三代人工智能技術，用于創建能在特定語境下進行推理的機器。資助的主要項目包括終身學習機器( L2M，2017年啟動)，可解釋人工智能( XAI，2018年啟動)和機器常識( MCS，2018年啟動)等，探索提高人工智能技術水平的方法，實現語境推理能力。DARPA認為，將這些技術集成到與軍事作戰人員合作的軍事系統中，將有助于在對空間敏感的復雜戰場環境中做出及時決策，了解不完整或者相互矛盾的海量信息，并使用無人系統安全自主地執行關鍵任務。2019年1月，DARPA啟動知識導向型人工智能推理模式( KAIROS)項目，旨在提升面向復雜戰場環境挖掘和理解海量信息中的復雜事件及其相互關系的能力。2019年1月，美國陸軍研究實驗室( ARL)啟動異構戰術環境中的分布處理( DPHTE)計劃，基于霧計算平臺在對抗性軍事環境中為作戰人員提供更多的態勢感知。2019年2月，美國空軍研究實驗室發布多域戰和目標定位支持信息分析項目，旨在開發基于算法戰和人工智能等技術，針對時敏有價值的敵對移動目標進行快速預判和打擊。2019年5月，DARPA啟動旨在將人工智能應用于空戰演變( ACE) 項目，人工智能空戰應用成熟后可替代飛行員完成部分空戰任務。2019年5月，麻省理工學院發布為美國空軍打造人工智能加速器項目，該項目研究領域包括救災和醫療準備、數據管理、維護物流、車輛安全以及網絡還原能力。2019年9月，美國國防部聯合人工智能中心宣布美國軍方網絡安全數據制定新框架，重點為未來人工智能網絡防御體系奠定基礎。2020年初，美國特朗普政府向國會提交2021財年預算申請，加速發展人工智能等技術。提議政府預算從2020財年1560億美元削減至1422億美元，下降138億美元，但預算申請仍強調優先發展“未來產業”，必須加速發展人工智能等技術。其中，500萬美元用于能源部新立“人工智能與技術辦公室”，加強人工智能的項目研發。

三、夯實人工智能實踐應用的道德準繩和安全邊界

隨著人工智能技術的發展，人權倫理、隱私保障、歧視偏見、安全問題等困境日益突出。美國亦在探索中多措并舉，確保人工智能在充分的監督和控制之下發展。特別是在2019年發布的國家級人工智能戰略和2020年初發布人工智能技術安全性報告中，將道德、隱私、安全等問題擺在突出位置，認為應在尊重道德、重視安全的前提下最大限度地發揮其社會效益。

（一）明確戰爭中使用人工智能技術的道德原則和標準

美國推動多項研究，闡明美國合法道德地使用人工智能的愿景和指導原則，引導負責任的人工智能應用和開發。2019年1月，美國國防部要求國防創新委員會制定在戰爭中使用人工智能的道德原則，用以指導軍方在戰爭中使用人工智能技術和武器，并向硅谷科技公司確認其人工智能產品將如何被使用。美國國防部這一舉措被認為旨在形成全球軍用人工智能規范的指導方針，并吸引硅谷科技公司參與防御工作；10月，人工智能原則: 國防部人工智能應用倫理的若干建議推出，被認為是美國對軍事人工智能應用所導致倫理問題的首次回應。2019年1月，美國著名智庫布魯金斯學會發布《自動化和人工智能：機器對人及地區的影響》報告，著重分析了過去近30年間的資助系統與人工智能對行業、就業、地理和人口的影響，并對當前至2030年的趨勢進行了預測。最后針對國家、州和地方的政策制定者提出一個綜合響應框架，為人們理解并規范自動化和人工智能的作用提供參考。

（二）人工智能對軍事領域尚屬新興技術，安全性不容忽視

人類歷史上，充斥著軍隊利用技術取得軍事優勢的實例。比如戰車。戰車，是出現在戰場上的第一種車輛裝備，由民間通用馬車提高速度和機動性改進而來，在軍事運用方面取得了顯著的優勢。戰車被描述為當時的“超級武器”。又比如火藥。火藥源起于一個偶然發現，它的出現，使得軍隊能夠駕馭化學反應能量來提高速度與威力，由此徹底改變了戰爭的形態和樣式。再比如內燃機。這種發動機繼承并發展了蒸汽機的優勢，改變了戰爭活動的速度與范圍。對內燃機的應用方案，包括為后勤物流（補給運輸卡車）提供動力以及為潛艇、飛機與導彈賦予持久的遠程監視及打擊能力。對大多數技術手段的接收和運用，一度都曾起到了改變了戰爭樣式的作用。而其中有幾項，更是徹底顛覆了以往戰爭活動的樣式和范圍，其中便包括火藥與核武器。人工智能技術，亦被認為位居此類。此項技術能夠應用于整個戰爭事業的方方面面，大幅提高了戰爭活動的效能與效率。各類人工智能技術，也因其各自獨有的特性而有所區別。首先應注意到，現實世界中人工智能技術應用方案，是用以解決特定領域問題的狹義人工智能技術，而非具備普遍通用性的通用人工智能技術應用方案。人工智能技術在軍事領域的應用，可以與美國軍隊對核武器的運用方式進行類比：安全方面的關鍵性技術領域知識，必須在很大程度上由軍隊文職機構掌握，在很大程度上亦屬技術范疇。

（三）給予人工智能技術安全性 “恰到好處”的信任

人工智能技術安全性，也與對其信任程度有關。美國軍方運用人工智能技術方面的一個關鍵問題是，軍方人員和美國政府高層領導能否相信這些系統確實有效且不會引發意外問題。2016年國防科學委員會對自主控制技術的研究報告指出：“決定在特定任務中部署運用某系統的個人，必須信任該系統。”在伊拉克和阿富汗的行動表明，負責實施特定行動的指揮官和戰斗/操作人員在不完全了解后果的情況下，不一定會使用某些系統。當某些系統被部署至戰場以滿足緊急需求時（如反簡易爆炸裝置系統或用于提供關鍵性情報的監視系統），一些部隊還是選用了他們已經熟悉的武器系統和情報監視偵察平臺，即便是老系統的功能指標比不上那些已經可以選用的新系統。對人工智能系統的信任度過低是一種危險，會阻止部隊運用他們所需的功能。而另一種危險，則是對某項能力的過度信任。人類傾向于過度信任機器，即便在有證據表明不能夠給予這種程度的信任情況下，也是如此。戰爭活動中的過度信任，也有具體案例。如，2003年，陸軍“愛國者”防空導彈系統曾擊落1架海軍F/A-18飛機，該系統將飛機誤判定為戰術彈道導彈，并向操作人員提出了建議，要求其發射導彈實施攔截。操作人員在沒有獨立核實可用信息的情況下，批準實施了這項建議。這表明，在實際作戰行動中，軍方需要對人工智能給予程度“恰到好處”的信任，不能過熱也不可太冷，避免滑向兩個極端。需要達成的目標，是程度恰當的信任，并且應該讓人來參與決策過程。而這種決策過程，則需要以各種相關能力及對系統功能所具備的經驗與知識為依托。

（四）軍事人工智能安全問題將寫入政策方針

軍方和政府的高層領導，還應通過政策方針層面的決策對相關軍事行動的性質施加影響，包括確定戰爭活動中應該使用哪些特定的技術手段。這些方針政策，可能會對監管程度構成影響。例如，國防部第3000.09號指令，就要求對某些類型的自主控制系統進行高級別審核。明確戰爭活動中允許使用的技術手段（例如，對白磷（彈藥）運用的限制和使用集束彈藥時相關設定要求以及對其它此類武器具體性能參數的限制要求），并且對某些特定類型作戰行動中的策略原則進行限制。例如，《2013版總統政策指導（Presidential Policy Guidance，PPG）》及《2017版總統政策指導》中，對某些反恐行動的批準與監管流程的總體原則框架進行了明確。這些政策方針原則，有助于確保相關軍事活動符合美國的原則、價值觀及利益。這些政策方針層級的決定，都有反映出對此類系統或作戰行動可靠性所應持有的信任程度的意味。值得注意的是，以上這些實例內容都涉及到了安全性原則問題，而《國防部第3000.09號指令》的目的，就在于避免“意外交戰（inadvertent engagements）”事件的出現（例如致使平民傷亡）。限制白磷彈藥和集束彈藥的目的，還在于減少使用這些武器時給平民帶來的危險。《2013版總統政策指導》中，直接將致使平民傷亡明確列為作戰行動批準程序中的否決條件（no-gocriterion）。因此可以預見，安全性問題，勢必將成為未來高層領導人對于將人工智能技術手段運用于戰爭活動方面所明確的相關指導與指令內容中的一部分。

（五）軍方須與業界協助解決安全問題

人工智能技術的巨大進步，也使美國政府產生了對業界新的依賴性。自第二次世界大戰以來，美國政府一直在很大程度上依賴于自身投入的研發資金。然而，人工智能技術方面的研發投資，越來越多地由私營機構所主導。其特征，是過去十年來科技行業的研發支出急劇增加。在圖1中，我們將整個美國政府在網絡和信息技術研發方面的支出與美國排名前五位的高科技公司（亞馬遜、谷歌/阿爾法控股、英特爾、微軟、蘋果）的研發投資進行了對比。如圖1所示，科技行業企業在研發方面的投入明顯更多，而且兩者間的差距正在擴大。2010年，科技行業企業的研發支出，已經是美國政府整體科技研發投資規模的6倍。8年后，企業在這方面的投入規模將激增至美國政府的15倍。總體而言，美國政府在尖端技術方面研究工作的投資面臨著迅速擴大的缺口。這種現狀，為美國政府營造出了一種處于不斷變化中的環境。在這種環境中，與業界的協作，對于美國政府實現其戰略目標必須保持的技術優勢而言至關重要。在這個意義上，人工智能技術安全性應該是業界關注的問題——正如谷歌等公司放棄了對美國政府軍事領域應用方案的支持，并開始運用倫理性審查程序對其內部工作流程進行監測所證明的那樣，美國政府必須與業界協作，依托其幫助解決此類問題。

圖1 美國政府與科技行業企業研發投資差距對比圖

四、美國軍事人工智能面向未來的發展趨向人工智能技術一般可分為弱人工智能、強人工智能、超人工智能 3 個等級，預計強人工智能技術可能在 2050 年前問世。未來美軍智能化建設發展可能經歷三個階段：

2025 年前，美軍重點是搭起智能化軍隊框架，總體水平處于弱人工智能階段。美軍建設主要圍繞構建“全球監視打擊體系”，以升級水下、網電、空天、全球快速打擊和導彈防御作戰系統為重點，突出發展無人化、隱身化、遠程化作戰平臺，提升“全球公域”介入能力，確保可信的“拒止”和“懲罰”威懾。這一階段，美軍無人系統在數量上將逐步超過有人系統，自主無人系統將成為美軍前沿作戰的重要力量，無形、無人、隱形、靈巧等力量將成為美軍事干預的主要手段。2035 年前，美國初步建成智能化作戰體系，總體水平進入強人工智能階段。美軍建設主要通過發展智能化作戰平臺、信息系統和決策支持系統，以及定向能、高超聲速、仿生、基因、納米等新型武器，對主要對手形成新的軍事“代差”。在這一階段，美軍無人系統的投資將超過有人系統，無人系統建設規模及作戰運用皆居于主導地位。2050 年前，美軍智能化作戰體系將更先進、更完善，總體水平達到超強人工智能階段。美軍在強人工智能、通用量子計算、可控核聚變、納米機器人、再生、創生、腦聯網等技術方面可能取得突破。作戰平臺、信息系統、指揮控制可能全面實現智能化、無人化，更多樣的仿生、基因、納米等新型武器走上戰場，作戰空間進一步向生物空間、納米空間、智能空間拓展，人類進入“機器人戰爭時代”。

---

2021年3月，美國哈德遜研究所國防概念與技術中心發布研究報告《實施以決策為中心的戰爭：提升指揮與控制以獲得選擇優勢》，提出以決策為中心的戰爭將使美軍做出更快、更有效的決策，從而賦予美軍更大的競爭優勢。

序言

自冷戰結束以來，美國國防部（DoD）針對來自主要對手（如中國、俄羅斯和朝鮮等）的巨大軍事沖突發展了相應理論和能力。這些最壞的情況是為了確保美軍也能應對“較少的情況”。然而，這種方法偏重于為大規模、高強度軍事沖突設計的概念和系統，美國的智能對手不太可能向美軍挑起對抗，而國防部可以在力量投射或精確打擊等任務中發揮其優勢。

美國的對手在過去十年中已經發展出了抵消美國軍事優勢的方法，如中國和俄羅斯的灰色地帶或混合行動，這些方法以較低的成本和升級——盡管比傳統的軍事作戰時間更長——獲得目標。因此，國防部應修訂其規劃，提高新方案的優先級，這些方案以不同于戰區范圍內高強度作戰的方式給美軍施加壓力，如通過延長時間、不同程度的升級和規模，以及使用代理和準軍事力量。

中國的“系統破壞戰”概念和俄羅斯軍方的“新一代戰爭”概念是針對美國及其盟友的新方法的代表。雖然它們的制勝理論和方法大相徑庭，但這兩種概念都有一個共同點，即把信息和決策作為未來沖突的主戰場。它們從電子和物理上直接攻擊對手的戰斗網絡，以降低其獲取準確信息的能力，同時引入虛假信息，削弱對手的定向能力。同時，軍事和準軍事力量將通過孤立或攻擊目標的方式向對手提出難題，以中和對手的戰斗潛力，控制沖突的升級。

美國海軍如何重新平衡實施 "馬賽克戰 "部隊的例子

決策中心戰的興起

以決策為中心的概念，如系統破壞戰和新一代戰爭，很可能成為未來沖突的重要形式，甚至是主要形式。在冷戰后期，美軍革命性的精確打擊戰方式利用了當時的通信數據鏈、隱身和制導武器等新技術。同樣，以決策為中心的戰爭可能是軍事上利用人工智能（AI）和自主系統的最有效方式，這些技術可以說是當今最突出的技術。

以決策為中心的戰爭的一個例子是國防高級研究計劃局（DARPA）的馬賽克戰爭概念。馬賽克戰爭概念的中心思想是，由人類指揮指導的、具有人工智能功能的機器控制的分列式有人和自主單位可以利用它們的適應性和明顯的復雜性來延遲或阻止對手實現目標，同時破壞敵人的重心以排除進一步的侵略。這種方法與機動戰一致，不同于第二次世界大戰期間盟軍采用的基于損耗的戰略，也不同于冷戰后美軍在科索沃、伊拉克和利比亞沖突中采用的戰略。雖然馬賽克戰爭采用損耗作為給敵人制造困境的一部分，但其實現成功的主要機制是拒絕、拖延或破壞對手的行動，而不是削弱對手的軍事實力，使其無法再有效作戰。因此，馬賽克戰爭非常適合作為現狀軍事大國（如美國）尋求遏制侵略的概念。

在近期兵棋推演中，馬賽克部隊與傳統軍事部隊在任務完成情況的比較

馬賽克戰爭提出了一種部隊設計和指揮控制（C2）程序，與今天的美軍相比，它將使美軍能夠執行更多、更多樣化的行動方案（COA）。馬賽克部隊的分解結構和使用人類指揮與機器控制，將使對手的決策復雜化，縮小其選擇范圍，并施加一系列可能無法解決的困境。通過增加美軍指揮官的選擇權，減少敵方的選擇權，馬賽克戰法將尋求獲得“選擇權優勢”，使美軍能夠做出更快、更有效的決策。

選擇性戰略與以預測為中心的規劃方法形成鮮明對比，在這種規劃方法中，選擇最有可能導致成功的作戰行動方案并迅速實施，通過將與未選擇的作戰行動方案相關的系統和兵力要素分配給其他任務來提高效率。在以預測為中心的模式中，資源的早期承諾必然會限制指揮官今后的選擇空間。

與今天的美軍相比，馬賽克部隊的設計和C2過程可以在選擇權競爭中提供更大的優勢，因為隨著對抗或競爭的進展，可以緩解由于損失或敵方態勢感知的改善而導致的選擇權減少的自然趨勢。例如，“馬賽克”部隊可以更容易地隱藏具有反ISR能力的平臺或編隊，并在以后暴露出來，以實現新的選擇；利用數量更多、規模更小、成本更低的增援部隊；或依靠決策支持工具，允許繼續使用與高級指揮官物理或電子隔離的部隊。

圖：以網絡為中心的戰役空間架構與基于情境的戰役空間架構的特點比較

一支馬賽克部隊也將比今天的美軍更有能力進行縮小對手選擇范圍的行動。通過同時發起許多行動并加速其決策，一支使用人類指揮和機器控制的分布式部隊可以給對手造成足夠的困境，從而排除與作戰相關的數量的《作戰協議》。此外，馬賽克部隊還可以利用諸如分配、佯攻和探測等欺騙技術以及反ISR系統來補充其更大的規模和決策速度，這些技術可以使對手相信某些選擇不可行或不可能成功。

雖然國防部的C3結構，如混合和聯合全域指揮和控制（CJADC2）開始納入決策支持工具，為特派團整合效應鏈，但其目前和近期的實例旨在支持有效的火力投送，而不是持續的可選性。此外，與CJADC2相關的C2和通信（C3）舉措，如高級戰役管理系統（ABMS），需要提前確定架構和組件系統。因此，CJADC2在其能夠提供的可選性方面將受到固有的限制。

圖：C2實施方法的比較

通過C3實現選擇權

第一步是壓縮空間的表征，重點放在時間的表征上。以一個作戰人員在短時間內的行動為例，在這個例子中，一個作戰人員的任務是收集指定地點的圖像。這在操作上是不現實的情況，只是用一個簡單的案例來說明這個概念。

在C3組合中，國防部已經在通信復原力方面進行了大量投資。因此，大部分新的努力和資源應該應用于C2能力。盡管美國軍方投資于所謂的C2系統，但這些項目主要是操作中心和軟件堆棧，作為在部隊中傳遞數據、信息、命令或權限的基體。盡管對管理部隊來說是必要的，但目前國防部的C2系統——將C2看作是連接——并不是決策支持系統，后者將C2看作是一個過程。

圖：在馬賽克C2方法中采用OODA循環

用于以決策為中心的戰爭的C3能力需要做的不僅僅是實現連接。例如，C2工具將需要生成能創造和維持可選擇性的COA，以提高適應性，并將復雜性強加給對手。為了幫助初級領導人執行任務指揮，C2工具還需要了解哪些單位在通信中，他們在潛在的COAs中的作用，并配置網絡以確保所需單位與適當的指揮官保持一致。為了評估這些要求和以決策為中心的C3的其他要求，本研究采用了多種視角，如下所述。

• 棧式視角：與互聯網一樣，以決策為中心的C3架構需要有物理媒介來進行數據移動；需要網絡結構來管理指揮官、傳感器和效應器之間的數據移動；需要信息架構來將數據組織成有意義的形式；需要評估信息的應用程序，如決策支持工具。目前的技術可以滿足這些需求，但無法在追求選擇優勢的同時，在對抗性環境中實現部隊和網絡的動態組成和重新配置。

圖：以預測為中心和以決策為中心的選擇空間隨時間變化的比較

• 網絡視角：要實現可選擇性和實施以決策為中心的戰爭，就需要有能力使C2結構與現有通信保持一致，而不是試圖建立一個在面對敵方協同干擾和物理攻擊時仍能生存的網絡。這些需求導致了一種混合架構，這種架構將網絡方式與分層方式結合起來，可以被定性為 "異構"。這種拓撲結構將使指揮權與合格的人類操作者占據的節點中具有最高程度的節點相一致。

• 解決問題的視角：與從頭開始處理每個新情況相比，使用類比推理的問題解決過程可以更迅速地評估潛在的備選方案，由此產生的決策空間的增加可以使指揮官將限制其備選方案的作戰行動協議推遲到最后一刻。此外，如果使用人工智能支持的算法在沒有監督的情況下建立COA，對手可以通過佯攻和探測來影響算法的學習，使系統認為COA是成功的，如果不是對手的行動，實際上會失敗。

圖：來自DARPA PROTEUS計劃的分析和用戶界面，AI輔助規劃

• 時間視角：可選性的概念適用于多個時間尺度，從戰略到工業能力發展和部隊的戰術行動。C3架構的能力應該有助于擴大每個時間尺度上的努力所帶來的決策空間，而不是僅僅在任務期間。

• 組織視角：國防部的C3架構不是在真空中存在的。各組織的人員必須通過戰略、工業、作戰和戰術時空的流程來運用這些架構。可選性是在以決策為中心的戰爭中獲得優勢的關鍵，但如果僅僅是派出一支更分散的部隊和使用它的工具，如果這支部隊的使用方式很狹窄，為每個單獨的行動提供最高的成功概率，那么只能稍微增加美軍的復雜性和適應性。需要決策組織和程序，盡可能長時間地擴大指揮官的選擇空間。

今天的戰斗指揮官（CCDR）參謀部缺乏組織和程序，無法為即將到來的任務以各種不同的配置組合部隊。為了能夠在任務時間內組成部隊，國防部可以采用類似于將計算機程序編譯成可執行代碼的方法。軟件指令是用較高層次的計算機語言編寫的，但在軟件被計算機處理器執行之前，需要將其轉換成二進制形式。這種方法將從決策支持系統的COA開始，然后組合適當的單位來支持行動。雖然部隊構成主要是以硬件為中心，但也需要在技術棧的信息層和網絡層進行部隊包的軟件構成。

圖：從人工構成到決策中心戰的任務整合浪潮

結語

美軍將需要采用新的部隊設計和C2流程，以實現以決策為中心的戰爭，但如果不與工具和組織結合起來，以充分利用使用人類指揮和機器控制的更分散的部隊中可能存在的可選性，這些努力將付諸東流。

目前國防部通過CJADC2和相關的作戰概念努力使美軍向更分散的組織和更分散的能力發展，這是實現更以決策為中心的軍事行動方法的重要一步。高級戰斗管理系統（ABMS）和DARPA的幾個項目正在開發C2工具和流程，這些工具和流程將增加指揮官使用這些更分布式部隊的可選性。國防部的部隊設計變革或C3舉措將需要更進一步，以便美軍在面對已經躍升到以決策為中心的戰爭并擁有主場優勢的同行對手時保持可選擇性優勢。

也許更重要的是，將需要新的組織和程序，使CCDR能夠在戰區組成和整合分散的部隊，并改變國防部定義需求和發展新能力的方式。如果不對國防部的需求和部隊發展程序進行重大改革，美軍就有可能在爭奪決策優勢的競爭中落后于對手，從而威脅到其保護美國利益和盟友免受大國侵略的能力。

（參考來源：軍事文摘作者：張傳良）

新興軍事技術

國會議員和五角大樓官員越來越關注發展新興軍事技術，以加強美國的國家安全，并與美國的競爭對手保持同步。美國軍方長期以來一直依賴技術優勢來確保其在沖突中的主導地位，并保障美國的國家安全。然而，近年來，技術的迅速發展和迅速擴散，很大程度上是由于商業領域的進步。正如前國防部長查克·哈格爾(Chuck Hagel)所觀察到的，這種發展已經威脅到美國傳統的軍事優勢來源。美國國防部(DOD)已經采取了一系列措施來遏制這一趨勢。例如，2014年，國防部宣布了第三次抵消戰略，這是一項為軍事和安全目的以及相關戰略、戰術和作戰概念開發新興技術的努力。為了支持這一戰略，國防部建立了許多專注于國防創新的組織，包括國防創新單位和國防戰爭聯盟小組。

最近，2018年的國防戰略呼應了第三次抵消戰略的基礎，指出美國的國家安全可能會受到影響： 受到快速技術進步和戰爭性質變化的影響....新技術包括先進的計算、“大數據”分析、人工智能、自主、機器人、定向能源、超音速和生物技術——這些技術確保我們能夠在未來的戰爭中戰斗并贏得勝利。 美國是開發這些技術的領導者。然而，中國和俄羅斯這兩個關鍵的戰略競爭對手，在發展先進軍事技術方面正在穩步取得進展。隨著這些技術被整合到國外和國內的軍事力量中并部署，它們可能會對國際安全的未來產生重大影響，并將成為國會在資金和項目監督方面的一個重要焦點。

本報告概述了美國、中國和俄羅斯的一些新興軍事技術:

• 人工智能,
• 致命的自主武器，
• 超音速武器,
• 定向能武器，
• 生物技術,
• 量子技術。

它還討論了國際機構內監測或規范這些技術的相關倡議，考慮了新興軍事技術對戰爭的潛在影響，并為國會概述了相關問題。這些問題包括新興技術的資金水平和穩定性、新興技術的管理結構、與征聘和留住技術工作者有關的挑戰、迅速發展和兩用技術的采購過程、保護新興技術免受盜竊和征用，以及對新興技術的治理和監管。這些問題可能會影響到國會的授權、撥款、監督和條約的制定。