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

本概念文件（CP）是關于未來指揮與控制（C2）的四篇系列文件中的最后一篇。

前三份文件闡述了 C2 企業所處的運行環境及其系統未來需要如何發展

前三份國家方案審視了國防 C2 企業的高級推動因素和挑戰，以及適應快速變化的威脅環境和技術格局所需的相關系統：

• CP1 探討了 2040 年前未來作戰環境（FOE）的復雜性可能如何影響對 C2 的要求。它為后續文件提供了一個理解基線，而后續文件則更詳細地探討了 C2 能力需求的各個方面和具體方面。

• CP2 側重于 FOE 可能給未來 C2 企業的設計帶來的機遇、挑戰和困境，因為它需要發展各種屬性和特征。

• CP3 認為有必要將 C2 概念化為一種綜合能力，在整個國防范圍內進行積極培養和壓力測試，而不是一套單獨的系統或孤立的活動。

本最終文件考慮了到 2040 年 C2 系統所需的推進因素

在前幾份文件研究結果的基礎上，CP4 從技術、人員相關和組織特點等方面，對未來 C2 系統的推進因素進行了更深入的研究。它還探討了國防如何確保C2能力繼續發展并適應FOE的需求。最后，本報告從所有四份國家方案的研究結果中總結出對英國國防部的一系列重要影響。

以技術為重點的推動因素

經與 DCDC 協商，研究小組確定了一系列特別值得關注的技術領域。本 CP 并不打算全面列出可能與 C2 相關的新興技術，也不打算規定國防部應采用哪些技術解決方案或架構。相反，它旨在討論一小部分領域，以說明更廣泛的技術顛覆性影響在未來可能如何影響 C2 系統，以及這種創新可能帶來哪些新的能力和特性。

表 供考慮的技術領域、能力和特性

以人員和組織為重點的推動因素

變革不僅僅涉及技術。C2 能力是一個復雜的社會技術系統，由各種動態配置的社會和技術組件組成。有鑒于此，第 3 章探討了未來 C2 系統的一些組織和人力推動因素。CP2 和 CP3 對這些問題進行了更詳細的研究，本文件是 CP2 和 CP3 的第四份文件，也是最后一份文件：

• 培養一種新的國防思維和文化，以支持在面對復雜性、不確定性和變化時有效運作；
• 徹底改革教育和培訓方法；
• 推廣新的工作方式；
• 加強企業各級的復原力和適應性；以及
• 設計適合各種目的和情況的不同總部職能。

過時的推進手段

至關重要的是，國防在探索未來指揮與控制時，不能只關注新事物；還必須考慮如何以最佳方式管理或逐步淘汰遺留系統和指揮與控制方式。為此，第 4 章探討了國防如何確保其 C2 系統繼續發展，并與快速變化的作戰環境保持同步。這包括確定現有能力中面臨淘汰的領域，并考慮國防如何能夠快速而從容地處理從傳統工作方式向下一代能力和技術的過渡。

圖 4.1 為加快提供 C2 能力而需克服的采購方面的長期挑戰

本文總結了從整個系列中得出的關鍵含義

英國國防部在制定新的 “聯合概念說明”（JCN）和未來 C2 的愿景時，需要考慮的見解和影響包括：

• 為了應對 FOE 的挑戰，未來的 C2 企業將不再是一個單一的實體，而是由個人和組織的不同組合組成的更加靈活的集合體。

• 與不同合作伙伴的合作將是未來 C2 系統的關鍵因素。按照傳統的軍事和等級觀念，國防部門往往需要與既不能指揮也不能控制的伙伴合作。相反，在建立和維持非等級關系方面，國防部門需要更加得心應手，更有能力與更多的參與者建立伙伴關系、開展合作與協調。

• 因此，國防 C2 企業將需要由多個并行的 C2 系統組成，這些系統能夠有效地進行調整，可能在不同的 C2 方法之間靈活有效地移動，以應對各種挑戰和情況。這就要求企業能夠快速增加和整合新的合作伙伴，同時有選擇地共享信息以保護機密。它還需要包括在被拒絕和性能下降的環境中實現安全、生存能力和復原力的模式，如恢復模式或更堅固的通信方法。很可能會存在多種 C2 狀態，甚至并行運作，在較有利環境（如較寬容的環境）中的 C2 配置與在降級和被拒絕環境中的 C2 配置截然不同。

• 國防需要對組織方式以及機構文化中更多無形的方面進行深刻變革，以使這種更加靈活、適應性更強的 C2 企業在實踐中發揮作用。這不可能是一次性的轉變，而是需要長期的努力，過渡到不斷學習和發展的文化，以適應不斷變化的環境。國防文化至少需要支持提高對風險、實驗和挑戰的容忍度（在適當的情況下），以及提高對復雜性、不確定性和系統思維的舒適度和熟悉度。

• 沒有國防部門的單元努力，包括領導層的明確認可和投資，就不可能實現必要的組織變革。為了讓整個國防企業都參與到這場變革中來，領導層需要明確傳達整個國防所期望的變革，并樂于接受來自各級組織以及國防之外的觀察員和利益相關者的反饋和挑戰。

• 培訓、教育以及嚴格和具有挑戰性的演習將成為一系列能力的關鍵推動因素，包括促進國防部門內部以及與 PAG、國際盟友和合作伙伴、工業界和其他方面的合作與協作；演練在巨大壓力、風險、變化和不確定性下的行動；測試和整合新技術和工作方式；挑戰和調整現有工作方式。

• 為了指導這一學習和迭代過程，并支持資源的優先排序，國防需要衡量標準和對不同情況下 “好 ”的標準的共同理解，以便做出 C2 系統固有的艱難決策和權衡。

• 國防部門將需要付出更大的努力來招募、培養和保持對未來 C2 系統至關重要的各種技能，包括各種技術技能和知識；與包括人工智能和 ML 在內的先進技術打交道；在不確定情況下做出決策的舒適度；“軟性 ”人際、管理和溝通技能；以及適當和建設性地質疑現有模式或決策的意愿和能力。

• 鑒于國防、PAG 和私營部門對此類技能的激烈競爭，國防必須考慮如何以最佳方式激勵、培養和留住這些人才。這在一定程度上需要考慮如何最大限度地利用整體部隊方法，以及利用人工智能、ML 和 HMT，包括自主化和自動化，作為提高勞動力生產率和抵消潛在資源（如人力）不足的手段。

? 國防部需要將 C2 理解為一種社會技術能力，需要以全面、積極的方式不斷培養，以聯合整個國防部的力量，實現共同目標。這就需要一個擁有足夠資源和激勵措施的授權高級負責人，以推動那些負責在較低級別實施相關變革和發展活動的人員的責任感和一致性。

• 國防不能簡單地 “購買 ”現成的新 C2 技術，對任何技術 “一刀切 ”的承諾都應保持警惕。相反，國防需要對新的能力和系統進行投資，并隨著時間的推移不斷改進，同時負責任地管理從傳統工作方式的過渡。要實現這些目標，需要包括工業界和學術界在內的整個國防企業的協作與合作，以幫助參與者了解國防需求并合作滿足這些需求。

全球戰略優先計劃希望，確定這些影響將有助于國防部門對未來 C2 能力進行更廣泛的思考，也有助于 DCDC 更新和替換當前關于未來 C2 的 JCN 2/17 的具體工作。

本文探討了指揮與控制（C2）能力的發展，以幫助國防企業更好地應對2040年及以后未來作戰環境（FOE）中可能面臨的挑戰。作為四篇概念文件（CP）系列中的第三篇，它以之前討論未來作戰環境復雜性（CP1）和國防 C2 企業定義（CP2）的文件為基礎。隨后的第四份概念文件將更詳細地討論與未來實現新的 C2 方法相關的推動因素，如新技術。

本文首先介紹了本系列文章的背景，包括國防為何首先希望將 C2 設想為一種持續發展的能力。然后，本文深入探討了國防如何更好地為整個組織的人員提供能力，然后討論了國防本身作為一個企業將需要如何發展，以便在 2040 年的時間框架內培育和交付新型 C2 系統。報告最后討論了國防部門如何在未來更好地將新技術融入 C2 系統，為在即將到來的 CP4 中進一步分析具體技術做鋪墊。

將 C2 視為一種能力

本文鼓勵將 C2 作為一種更具流動性的社會技術能力進行討論，而不是將其視為在整個國防中開展的一系列靜態的定義活動，國防中必須不斷培養這種能力，以應對 FOE 中可能面臨的挑戰的規模和復雜性。采用這種概念方法，主要是為了能夠更加整體和全面地理解國防部門為創建和啟用未來的 C2 系統而必須開展的多種活動；這些系統將支撐英國的動能火力或核威懾等國防能力。這些活動需要在國防發展線（DLODs）和國防的不同部門進行，包括科學研究、采購、人員招聘和培訓，以及企業本身的組織結構和制度文化。因此，研究小組還根據與國防發展與合作部和為未來 C2 混合系列研討會召集的國際專家進行的廣泛磋商，得出結論認為，如果國防內部的觀點發生轉變，將 C2 本身視為一種能力，那么這種協調一致的努力就最有可能實現。

使人員能夠應對復雜性

雖然在國家方案 2 中對人員培養進行了詳細討論，但這一主題被認為非常重要，應在此通過將 C2 作為一種能力來重新審視。第 2 章探討了四個優先領域：

• 將 C2 作為一種社會技術系統進行戰略能力管理，確保企業的設計和管理方式有助于形成一種具有相輔相成的社會和技術要素的綜合能力。

• 促進各級國防人員的持續學習和發展，使其做好在不確定和復雜條件下執行任務的準備，包括在指導有限或無法獲得更高層（如更高級指揮官或總部）或支持組織的情況下。

• 為人員提供裝備，使其能夠在國防部內部以及與政府（PAGs）、行業或國際盟友和合作伙伴等外部伙伴開展不同模式的協作。這超越了傳統的 “指揮 ”和 “控制 ”等級方法，反映了國防日益需要在其無法強迫或甚至不一定能影響其他行動者的情況下開展行動。

• 分享見解和信息，愿意并能夠學習和適應，使國防能夠更好地從自身、對手和合作者那里吸取經驗教訓。這對不斷調整和完善思維和工作方式以及 C2 流程至關重要。

發展業務體系以應對復雜性

為了培養 C2 能力，使其適應 FOE 的復雜性，大部分文獻和許多專家都認為，更廣泛的國防企業需要改變--既要改變其正式結構，也要改變其機構文化中不那么明顯的方面。第 3 章探討了這兩個方面：

• 應用學術和企業文獻中已有的變革管理框架，可使國防部門更好地設計、規劃、溝通、“推銷 ”和實施組織結構的必要變革，即使新結構在某些方面存在爭議。這些框架可作為藍圖或指南，用于構思變革以及如何在整個 C2 企業中推動和維持必要的調整，幫助最大限度地減少任何障礙和反對意見。同樣，必須認識到，國防（或類似組織）內的許多轉型計劃都失敗了，因此必須從過去的舉措中吸取教訓。

• 同樣，利用促進文化變革的良好實踐對于幫助改變國防及其機構文化中不那么具體、規范的方面也是至關重要的。相關章節還討論了為什么這是一項更為艱巨的任務，以及如何克服其中的一些障礙。

本章的結論是，單靠組織或文化變革可能都是不夠的：要實現團隊認為未來需要的 C2 能力，兩者都是必要的。

整合技術，實現 C2 體系

本文最后一部分，即第 4 章，探討了有效利用新興技術所面臨的挑戰，這些技術將成為未來 C2 系統的基礎。它首先討論了數字化轉型的挑戰。然后討論了在確定挑戰后，國防部門如何更好、更快地將新技術與現有工作方式和傳統技術系統相結合，為培養 C2 能力的轉型方法創造成功的社會技術條件。

本參考文件概述了為反潛戰（ASW）領域內的海戰規劃而設計的研發原型的功能、局限性和預期改進。Craccen "測試平臺有助于在研究環境中探索、設計和評估新的用戶界面概念。利用歷史建模的海洋和氣象數據、開放源威脅情報以及與任務相關的地理空間信息，Craccen 為反潛戰任務規劃和定位提供了一個以地圖為中心的綜合用戶界面。此外，Craccen 還通過提供創建和檢查行動路線以及預測環境條件的工具，促進反潛戰行動路線的開發和規劃。通過聲速剖面可視化器和用于評估不同參數聲納性能的比較工具，它還能進一步深入了解被動聲納在預測環境中的性能。本文件介紹了 Craccen 的這些功能，并概述了原型的未來改進設想。

Craccen原型作為一個靈活的研究試驗平臺，有助于評估新的決策輔助概念和用戶界面設計，以適應反潛巡邏任務規劃。它使研究人員能夠在受控環境中開發和評估創新的可視化和決策輔助工具。該原型還可作為一個渠道，將作戰社區的要求轉化為有形的軟件功能，從而在原型不斷發展的過程中，通過海軍的持續投入進行迭代改進。從這項研發工作中獲得的啟示將為未來工業設計的規劃工具的要求提供參考，確保反潛戰人員從有效支持其任務目標的驗證技術中獲益。

Craccen Web UI 功能概覽

Craccen 以地圖為中心的用戶界面（圖 1）分為四個區域--中心（地圖）、左側面板（地圖工具）、底部面板（時間控制）和右側面板（聲學工具）。所有面板（左、下、右）都可以根據用戶需要進行開關切換。此外，左側和右側面板的寬度也可以通過拖動垂直邊框進行動態調整。

圖 1：Craccen 網絡用戶界面。

本出版物為美國陸軍戰爭學院學生了解作戰司令部（CCMDs）、聯合特遣部隊（JTFs）和聯合職能部門司令部網絡空間行動的設計、規劃和執行提供了入門指南。它將美國政府的非機密文件和可向公眾發布的文件合并成一本入門讀物。

本指南遵循《聯合出版物 5-0：聯合規劃》（Joint Publication 5-0，Joint Planning）中詳述的作戰設計方法和聯合規劃流程（JPP），并將《聯合出版物 3-12：賽博空間戰》（Joint Publication 3-12，Cyberspace Operations）中的這些原則應用于賽博空間領域。然而，本出版物不得引用、復制或代替條令或其他官方出版物使用。

美國陸軍戰爭學院《戰略性賽博空間戰入門》共六章：

第 1 章介紹了賽博空間戰。

第 2 章回顧了作戰設計條令，并將這些原則應用于賽博空間領域。

第 3 章回顧了聯合規劃流程，并確定了賽博空間戰 規劃關注點。

第 4 章介紹執行聯合作戰期間的賽博空間戰。

第 5 章概述了國土內的賽博空間戰。

附錄 A 概述了賽博空間政策、戰略和指南。

附錄 B 包括美國政府、國防部、聯合和軍種賽博空間組織的說明、 和軍種賽博空間組織的介紹。

本研究項目的目標是開發一種認知助手，以支持美國防部（DoD）對新成本估算人員的培訓。認知助手（CA）在這里被定義為一種人工智能（AI）工具，通常具有自然語言界面，通過檢索和處理來自多個信息源的相關信息，并在適當的時候將其提供給用戶，從而在特定任務中增強人類的智力。它還具有學習和適應用戶和手頭問題的能力。

成本估算是一個復雜的迭代過程，由多個步驟組成：收集所需信息、選擇總體戰略和一個或多個現有模型、根據需要開發新模型（包括校準和驗證）、執行估算以及酌情進行敏感性分析。初級成本估算人員在每個步驟中都會遇到挑戰，包括處理不完整的數據集、適當評估新模型的性能、預測歷史有效范圍之外的情況、充分報告點估算的不確定性水平、了解如何使用成本-進度聯合分布等。

目前，對新成本估算人員的培訓主要是通過現場課堂的傳統教學進行的，因此這是一個耗時的過程。傳統教學通常意味著實踐學習機會的減少，而眾所周知，實踐學習可以提高學習效果。這種教學方式也不是根據每個人的具體情況量身定做的，因此對于某些學員來說，教學進度可能太快，而對于另一些學員來說，教學進度可能太慢。正如其他教育領域的智能輔導系統所證明的那樣（Corbett et al.）

使用人工智能工具來提高受訓人員的學習能力并不是什么新想法，幾十年來一直在研究（Ong 和 Ramachandran，2003 年）。然而，在國防部采購領域，仍處于將先進的人工智能工具納入工作流程的早期階段，特別是 CA 還沒有被用作培訓工具。由于底層機器學習（ML）模型性能不足和用戶不熟悉這種交互模式，以前在工作場所采用這種技術的嘗試都失敗了。隨著 CA 在日常生活中無處不在，以及最近在機器學習方面取得的重大進展，將這種技術引入工作場所的時機已經成熟。

在該項目的第一孵化階段（10 萬美元，2021 年 9 月至 2022 年 6 月），研究團隊與贊助商和其他利益相關者合作，確定了 CA 的用例。決定將重點放在已經熟悉成本估算方法，但希望學習一種新商品（即空間系統）的用戶身上。該工具將幫助用戶以個性化的方式學習新材料。在團隊開發的名為 Daphne 的現有智能體的基礎上開發了 CA 的初始版本。這使能夠快速取得進展，因為一些軟件基礎架構可以重復使用。此外，還展示了在為各種學習評估和學習機會選擇問題時進行個性化培訓的能力，這些問題和機會最能滿足用戶的需求（例如，強化薄弱環節）。對美國防部開發和維護這種工具所需的資源進行了初步估算。

該項目被批準進入第二階段，目標是進一步開發智能體，并與實際用戶進行驗證。本文件報告了第二階段第一年的成果（13.4 萬美元，2022 年 9 月至 2023 年 9 月）。在此期間，開發了第二版智能體，利用大語言模型（LLMs）使系統更加靈活、可擴展、易維護。此外，還開發了一個包含幻燈片、例題和測驗的三模塊空間系統在線課程，并已開始在德克薩斯農工大學（TAMU）對該工具的有效性進行全面測試。

未來的研究計劃包括提供更長的在線課程，并與成本評估和項目評價辦公室 (CAPE) 的真實用戶進行測試。此外，研究小組還將完善對開發和維護成本的估算。

該項目是為了支持美國國防部高級研究計劃局（DARPA）的 "開放世界新奇事物的人工智能與學習科學"（SAIL-ON）計劃。在第二階段基期工作中，我們推進了第一階段 TALONS 框架的理論和實施，并收集了智能體在新奇事物生成器生成的新奇事物上的基線性能的初步實證結果。在第二階段的選擇階段，我們將基礎階段的工作擴展到更廣泛的新奇事物生成和實施形式。

這項工作的主要成果包括：完成了新奇事物生成器的開發；對來自 3 個不同 SAIL-ON TA1 團隊的新奇事物進行了性能分析；開發了自動且可最大程度減少人為偏差的新奇事物生成與實施流程；將我們的新奇事物生成流程應用于 Monopoly、Vizdoom 和 Blocksworld 領域，從而證明我們的新奇事物生成器與領域無關；以及為 SAIL-ON 計劃提供支持。下面的項目總結和后續報告將更詳細地介紹這些成就。

項目總結

目前最先進的人工智能可以在已知已知甚至未知的情況下穩健運行。然而，人工智能仍無法可靠地檢測、描述和適應開放世界中的新奇事物。隨著研究界不斷努力實現先進的自主性，我們需要有科學依據的方法來評估人工智能體在開放世界環境中的表現。

PacMar Technologies（PMT）和 Parallax 高級研究公司開發了一套獨立于領域的理論、原則性技術和軟件工具，用于生成、描述和評估新穎性。這些理論和技術涵蓋了與領域無關的新穎性。在合同基期內，我們開發了一個測試平臺，用于評估智能體在自動駕駛汽車領域對新奇事物的反應性能，我們還在南加州大學 SAIL-ON 團隊提供的大富翁領域中實施了由我們的軟件工具自動生成的新奇事物。

我們的新奇事物生成器方法使用原則性技術自動生成新奇場景。這些場景被加載到模擬環境中，與給定的第三方人工智能體對接，以收集該智能體的性能數據。然后評估智能體在各種不同情況下處理各類新奇事物的能力。

我們將新奇定義為環境中的變化。簡而言之，變化可以是過渡函數的變化，也可以是狀態空間的變化。我們的方法有能力在過渡函數（包括行動和事件）、狀態空間定義和觀察函數中生成新穎性。精確生成新穎性的計算方法可分為兩種類型的轉換，其方式與創造性系統框架（Wiggins，2006 年）一致。我們方法的關鍵在于從八個維度對新穎性進行表征，從而支持將情景生成的重點放在可能挑戰智能體魯棒性的情況上。

我們的方法目標如下
 1.為新奇性的特征描述奠定科學基礎。 2.開發生成可用于評估智能體的新情景的技術。 3.確定這些技術的可行性及其在各領域的適用性。

本報告旨在清晰地描述我們的方法，包括新穎性生成、模擬和評估的方法。將我們的方法應用于 CARLA 的自動駕駛汽車領域、Monopoly、VizDoom 和海洋領域，有助于進一步發展理論和測試平臺軟件。最后，我們對本報告進行了總結，并提出了進一步研究的思考和啟示。

在第一階段的工作中，我們開發了一個基于新穎性多維表征的新穎情景生成框架。我們正式規定了這一多維表征、收集受測智能體數據的指標，以及評估智能體對不同類型新穎性的魯棒性的方法。在使用轉換生成新穎性的過程中，我們定義了 24 個函數簽名，并計算了應用這些簽名生成新穎性的上限復雜度。我們的研究表明，根據我們對新穎性的多維表征，使用這兩種類型的變換來改變場景生成，我們能夠顯著減少新穎場景的空間。為了支持新穎性的精確生成，我們構思了 TALONS 模擬器抽象語言（T-SAL）來描述環境和這些環境中的各個場景。我們利用這些概念來支持第三方智能體對新奇事物的魯棒性評估。

在第二階段基期工作中，我們推進了 TALONS 框架的理論和實施，并收集了智能體在新奇事物生成器生成的新奇事物上的基線性能的初步實證結果。我們制作了三個源代碼庫，詳見基礎階段最終報告，其中包含以下內容的實現：(1) TSAL 語言；(2) 新穎性生成器（實現 R 變換）；(3) 使用 CARLA 自動駕駛汽車模擬器的評估框架。從理論角度來看，我們利用第一階段工作中開發的新穎性維度理論對新穎性進行了初步分析研究，并正式定義了 R 變換，然后利用這些定義正式定義了新穎性層次結構級別。

我們在第二階段選擇期內做出的獨特貢獻包括以下內容：

• 提供更新的 TSAL 解釋器 - 基于 python 的庫，可將 TSAL 語言文檔轉換為 python 類實例。其功能包括讀取、寫入和修改 TSAL 語言文檔。在選擇期內，我們為 TSAL 問題文件文檔解析組件添加了目標表示。
• 修訂了 T-SAL 規范定義。
• 完成了新穎性生成器的開發--這是一個基于 python 的庫，使用 R 變換和 T 變換生成新的 TSAL 領域和問題文件。功能包括
  • 用戶可以選擇要考慮的 R 變換，從而集中搜索特定類型的新穎性。
  • 初始 T 變換包括生成隨機情景和從種子情景生成情景，種子情景具有可選規格，可防止某些謂詞類型在新情景中發生變化。
  • 我們實現了與領域無關的過濾功能，以確定新穎性是否相關--如果不處理新穎性，智能體將會看到性能降低。
• R 變換的正式定義
• T 變換的正式定義
• 更新了大富翁領域的 TSAL 領域文件，并為 Vizdoom 領域、Blocksworld 領域和一個海事領域創建了 TSAL 領域文件。
• 在 Monopoly、Vizdoom 和 Blocksworld 域中進行了評估，以完善新穎性生成器的操作，并證明它可用于多個域。
• 為 Blocksworld 領域添加了 T 變換情景生成器示例
• 使用我們的新穎性維度對來自 SAIL-ON TA1 團隊（WSU、UTD 和 ISI）的新穎性進行了分析。
• 我們提供了嚴格定義的 SAIL-ON 創新水平邏輯定義。這些定義可用于檢驗新穎性是否屬于某一特定級別。
• 正式定義了發現有價值新奇事物的三個條件，我們將這些條件稱為 "可學性條件"，因為它們反映了智能體是否有望 "學會 "一個新奇事物：相關性、可注意性、可控性。
• 我們創建了一個 "人在回路中 "的流程，開發人員可以使用我們的新奇事物生成器在其他模擬器中創建新奇事物，這些模擬器是在 TSAL 之外定義的，例如 Monopoly 和 Vizdoom。
• 在整個執行期間出版了 4 份討論我們工作的出版物
• 支持第 36 個月和第 42 個月的 SAIL-On 會議，包括在這兩次會議上介紹我們的工作。

本報告由支持開發測試評估與分析 (DTE&A) 的美國MITRE 團隊編寫。MITRE 團隊與美國國防部各組織（DOT&E、CDAO、DTE&E）的其他 AIES 主題專家 (SME)、學術合作伙伴（包括弗吉尼亞理工學院和州立大學、佐治亞理工學院研究所、卡內基梅隆大學和約翰霍普金斯大學應用物理實驗室）以及其他聯邦資助研發中心運營商（航空航天公司、國防分析研究所）和科學測試與分析技術卓越中心進行了廣泛的審查。

圖. 整個 SELC 在進行 AIES 測試和評估時的考慮因素

本報告提出了建議方案，以便為 AIES 的測試和評估（T&E）提供最佳信息。通過遵循本報告中提出的建議，我們預計 AIES 更有可能按時交付、達到預算目標并有效執行任務以滿足預期。我們主要關注機器學習（ML）形式的人工智能的系統工程生命周期（SELC），但許多建議也適用于其他形式的人工智能。(請參閱第 4.1 節，了解我們對包括 ML 在內的人工智能采用的分類方法）。

本報告探討的三大主題包括 1.拓寬 T&E 連續體 2.預先確定 AIES 的數據需求 3.評估 SELC 以了解 AIES 的可信度

本文件主要面向參與 SDLC 早期階段的測試工程師和人員，以便為 AIES 制定戰略、計劃和執行測試與評估活動。從本報告的組織結構中，計劃/項目經理將認識到對 AIES 要求、采購需求和部署后維護的獨特考慮。開發團隊也能更好地了解對 AIES 的關鍵影響和所需的主要準備工作，從而共同實現 AIES 的成功測試與評估。

AIES 的系統工程流程與系統工程的標準最佳實踐之間的差異是模糊的。在可能的情況下，我們盡量強調 AIES 所獨有的最佳實踐，但在某些情況下，AIES 的最佳實踐也可以作為 SELC 交付的標準最佳實踐。在整個報告中，特別是在需求階段，我們強調人工智能是一種使能能力，而不是產品/目標，重要的是要認識到有時人工智能能力可能不是實現任務目標的最佳解決方案。

雖然本報告主要關注軟件購置途徑中的最佳實踐，但大部分建議也可適用于其他購置途徑，并不局限于一種類型。此外，本報告應被視為一個起點，可根據 AIES 的不同操作實施進行調整（例如，需要更多計算能力或存儲空間的集中式系統，以及可能更加分散的其他 AIES）。雖然每種實施方式都可能有特定的 T&E 要求，但這些要求可在用例要求中加以說明。

• 拓寬培訓與教育的連續性

拓寬 AIES 的 T&E 連續性是 DTE&A 的一部分。現在，T&E 被視為一個連續的過程，而不是項目生命周期尾端的一個具有挑戰性的階段。當這種方法應用于 AIES 時，T&E 概念開始出現在系統生命周期的開始階段，從而允許計劃獲取最有效評估 AIES 所需的信息。這還包括擴大技術和管理活動的范圍，以納入技術與評估的相關考慮因素，如模型培訓/測試數據管理。學術界和商業界的專題專家都提倡 "向左轉和向右轉 "的模式，以有效實施和管理 AIES 的性能。所謂 "向右移動"，指的是即使將 AIES 部署到運行中，也需要對其進行監測、迭代和更改。

• 提前確定 AIES 的數據需求

在 AIES 項目生命周期的早期確定數據需求對于確保 AIES 項目的成功實施至關重要。缺乏整個 SELC 的數據戰略是大多數 AIES 項目失敗的主要原因。T&E 人員可以通過評估當前的數據實踐是否對系統開發、模型性能和操作要求起到積極作用，從而避免 SELC 可能出現的不利結果。持續的 T&E 任務分配可進一步確保可觀察的指標和數據要求與關鍵性能參數 (KPP) 保持一致。此類評估有助于識別錯誤或不合適的數據實踐，并在敏捷框架內實現更大的靈活性。

• 評估 SELC 以了解 AIES 的可信度

正在實施 AIES 的計劃應采取關鍵步驟，確保從開始到投入使用，以及 AIES 的持續監測和維持都能成功執行。對設計、培訓和集成 AIES 的流程進行評估，可為整個 AIES 的可信度提供依據。

總結

美國國防部（DoD）正在對人工智能（AI）研發（R&D）進行大量投資（147 億美元），并通過各種項目獲取人工智能。確保正確的流程執行可使這些投資得以實現，尤其是確保對預期的人工智能系統（AIES）進行有效評估的流程。SEPTAR（正確測試人工智能的系統工程流程）介紹了主動規劃人工智能系統測試與評估（T&E）活動的好處和最佳實踐。通過遵循這些最佳實踐，AIES 更有可能按時交付，達到預算目標，并有效執行任務，滿足任務預期。

主要針對三大主題：
1.拓寬 T&E 連續性
2.預先確定 AIES 的數據需求
3.評估系統工程生命周期 (SELC)，為 AIES 的可信度提供依據

確保并了解系統工程生命周期早期用于構建 AIES 的流程，為后期測試和開發過程中的測試與評估提供信息。AIES 需要持續監測和分析，以確保在系統的整個生命周期，特別是在部署和維護期間，滿足任務需求。

SEPTAR 分為 SELC 的五個階段，并針對每個階段提出了具體建議，以便進行測試與評估： 1.對 AIES 的要求
2.AIES 采購戰略
3.AIES 開發
4.AIES測試
5.AIES部署/維持

SEPTAR 還介紹了具體的使用案例，以及如何利用 SEPTAR 最佳實踐來改進 AIES 的測試和評估。

由于 SEPTAR 本身的性質，它是一份動態文件，不可能全面涵蓋所有相關問題。本報告中包含的建議和最佳實踐可作為國防部測試界的基礎，使其能夠更好地適應快速增長的 AIES 采用情況。

改進建議

本節對本報告中包含的技術與評估建議進行了高度概括。這些最佳實踐是專門為實施 AIES 而開發的。這份清單并不全面，完整的報告將提供更深入的討論，包括每項建議的理由。請參閱第 5 節和第 6 節，其中討論了針對 SELC 各領域的具體建議。

2.1 對 AIES 的要求

• 向用戶和領域專家咨詢系統設計見解
• 探索原型和數據功能
• 考慮硬件性能限制
• 重點關注與任務相關的用例
• 評估數據可用性

2.2 AIES 獲取戰略

• 確定數據和模型權，確保可訪問評估、數據和模型卡
• 使用評估卡、模型卡和數據卡確定期望值
• 就人工智能系統和模型的評估方法（如對抗測試）提供建議
• 了解與人工智能相關的網絡安全風險
• 定義資源和角色，包括模型維護

2.3 AIES 開發

• 在支持人工智能的系統內測試人工智能模型，并與 DOD T&E 共享數據
• 實現基礎設施集成（從 MLOps 到 DevSecOps）
• 準備有適當標簽的數據，并確保業務代表性，將培訓和測試數據分開
• 實施迭代模型訓練和測試

2.4 測試 AIES

• 在 DT&E 期間審查人工智能模型的訓練/測試數據組成
• 測試集成到人工智能系統中的人工智能模型
• 收集用戶反饋以建立信任
• 評估作為網絡安全一部分的 MLOps 管道和實踐
• 確保驗證安全性能

2.5 部署/維持 AIES

• 評估并獲得 ATO，包括系統中人工智能組件的獨特考慮因素
• 確保對用戶進行適當培訓
• 收集日志和培訓數據
• 實施模型漂移檢測并建立性能防護欄

美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL）利用高分辨率傳感器、實驗室儀器和軟件技術，開發了電力測量和分析工具。為支持這些傳感器的使用，開發了一套可擴展的軟件模塊，用戶界面只需一個網絡瀏覽器。ARL 開發的用于 "嵌入式研究系統的可視化和處理 "的軟件框架和模塊稱為 ARL-ViPERS。這種基于傳感器的軟件提供了一種方法，用于配置傳感器以及與傳感器產生的數據進行交互并使其可視化，而無需在終端用戶設備上安裝任何軟件。

引言

美國陸軍作戰能力發展司令部（DEVCOM）陸軍研究實驗室（ARL）的幾個傳感器系統原型建立在通用的模塊化數據采集、存儲、處理和通信硬件上，稱為 ARL 的自主實時電力測量和儀器系統（ARL-ARTEMIS）。ARL 的移動式無人值守地面傳感器 (ARL-MUGS) 和移動式功率計 (ARL-MPM) 就是其中的兩個例子（圖 1）。這些系統配備的軟件可用于傳感器配置，以及對電力 (EP) 系統收集的數據進行實時和后處理分析。ARL 開發的 "嵌入式研究系統可視化和處理 "軟件框架稱為 ARLViPERS。以下將 ARL-ARTEMIS 和 ARL-ViPERS 分別稱為 ARTEMIS 和 ViPERS。

ViPERS 包括嵌入式網絡應用程序（可通過用戶設備，如手機、平板電腦或個人電腦上的網絡瀏覽器訪問）和 Dataserver 應用程序（用于運行自定義處理代碼）。網絡應用程序和 Dataserver 都在傳感器上運行，共同提供用戶界面 (UI)，方便用戶配置傳感器，并提供多種數據可視化工具，方便用戶進行 "邊緣 "數據分析。Dataserver 的主要職責是在后臺管理正在進行的數據處理任務，而網絡服務器則用于為用戶提供相應的用戶界面。Dataserver 可以看作是 ViPERS 的 "大腦"，而網絡服務器則是 "臉面"。

所有需要的 ViPERS 軟件都在 ARL 傳感器硬件上運行；因此，用戶無需在用戶設備上安裝任何軟件。ViPERS 還考慮到了模塊化。它包括幾個用于 EP 分析的基礎模塊，用戶可以輕松擴展軟件，加入自己的模塊。用戶還可以上傳定制的處理代碼和可視化程序，這些程序將在傳感器上實時運行；詳見第 3.18 節。

本《ViPERS 用戶指南》逐步介紹了通過網絡應用程序向用戶提供的各項功能。第 2 部分提供了連接和使用 ViPERS 所需的基本信息。第 3 部分包括 ViPERS 網絡應用程序各模塊的詳細信息；第 4 部分提供 ViPERS 數據服務器的信息。有關添加新模塊和可用應用編程接口（APIs）的說明，請參閱配套的《ViPERS 實施指南》 和《ViPERS 編程手冊》。

ViPERS基礎

ViPERS 軟件框架包括以下內容：

1. 嵌入式網絡服務器，提供與傳感器交互的用戶界面；

2. Dataserver 應用程序，用于在傳感器后臺運行處理模塊；以及

3. 用于長期數據存儲的嵌入式實時時間序列數據庫。用戶可將本節作為 ViPERS 的基本 "快速入門 "指南。

本最終技術報告總結了 2018 年 9 月至 2022 年 9 月期間 AFRL 項目 "嵌入式深度學習和高級計算 "的研發工作。該項目涉及兩個重要的技術趨勢：使用深度神經網絡（DNN）的深度學習正迅速成為許多機器學習應用的首選方法，而網絡邊緣的嵌入式設備正變得越來越廣泛。通過這兩種技術的融合，我們可以看到新一代嵌入式設備的出現，它們可以執行智能任務，如學習未知環境和感興趣的目標、周圍環境的三維映射、執行數據分析以及根據本地數據進行預測。這些設備構成了所謂的人工智能物聯網（AIoT）[1]。

本研究項目研究的基礎技術可促進未來嵌入式深度學習的高效訓練和推理計算系統。研究的主要方法包括 (1) 使用隨機舍入的可變精度分塊浮點；(2) 采用術語量化，將浮點數量化為 2 次冪術語，而不是傳統的均勻量化；(3) 使用特定領域詞匯對預訓練語言模型進行調整；(4) 通過使用恒定帶寬塊的調度最大限度地減少內存訪問；(5) 在算法的協同設計中應用全棧優化、 (6) 為可穿戴計算拆分神經網絡，(7) 設計用于檢測輸入到 DNN 的非分布式輸入的算法，(8) 為高效的 DNN 系統陣列實現打包稀疏 DNN，(9) 為 DNN 的 3DIC 實現設計內存邏輯架構和系統構建模塊，以及 (10) 在內存計算中利用位級稀疏性。

引言

卷積神經網絡（CNN）等深度神經網絡（DNN）實現了深度學習。它們具有多層非線性特征轉換，每增加一層就能提取出越來越好的特征。然而，訓練一個大型 DNN 并在這樣的網絡上執行推理需要耗費大量的時間和精力。對于大型語言模型（LLM）和生成式對抗網絡（GAN）等大型深度網絡來說，訓練成本很高。由于小型人工智能物聯網（AIoT）設備在處理能力、內存占用和功耗預算方面存在嚴格的資源限制，因此在這些設備上進行訓練和推理更具挑戰性。有必要共同設計算法、模型和硬件參數，以便在這些嵌入式設備上執行高效的訓練和推理。在為嵌入式設備訓練復雜的深度模型時，并行處理、管理內存訪問時間表和利用數據稀疏性等高級計算技術至關重要。

本項目旨在針對嵌入式深度學習和推理中的關鍵挑戰開展廣泛研究。例如，我們探索了嵌入式深度學習與基于并行和分布式計算的高級計算之間的相互作用。該項目利用了 PI 在相關領域的經驗，包括他早期在系統陣列以及分布式和嵌入式神經網絡架構方面的工作。我們將在本報告的其余部分重點介紹我們已發表的部分成果。

引言

2020年12月，美國防部長發布了 《美國防部5G戰略實施計劃》。在該計劃中，國防部（DoD）描述了將5G和邊緣計算整合到軍事行動中的重要性，主要是為了其更高的性能、數據驅動的應用以及機器對機器的通信。該戰略為5G能力的開發、實驗和原型設計提供了基準路線圖，同時確保國防部將促進5G技術的發展和采用。該計劃強調了該技術的重要性和新興能力，以及正在進行的具有無限實施可能性的努力。然而，5G和邊緣計算可以實現更多。它是軍方聯合全域指揮與控制（JADC2）概念的關鍵，可極大改善指揮與控制（C2）、后勤、未來武器能力以及大規模作戰行動實施等領域。

隨著《美國國防戰略》引導聯合部隊走向大國競爭的環境，并抵御近鄰對手，JADC2概念已成為統一網絡、傳感器和武器系統，在各軍種、司令部、決策者和作戰人員之間分發信息的基石。JADC2促進了所有領域的統一努力，以利用聯合和伙伴國能力的優勢，為任務指揮官提供快速開發、執行或在殺傷鏈之間轉換的能力，以壓垮對手的防御，使敵人陷入多重困境。圖1顯示了JADC2布局圖，以及所有領域必須如何連接成一個 "作戰網絡"，以促進決策周期。

圖1：JADC2結構圖

此外，空軍還提出了 "敏捷作戰"（ACE）的概念，以應對太平洋戰區的威脅和挑戰。國家已經進入了遠距離的大國競爭領域，指揮官需要有能力根據經驗數據實時做出近乎瞬時的決策。更重要的是，作戰信息和目標數據必須在不同的單個平臺和整個部隊之間無縫共享。已經開始開發所需的解決方案，通過作戰人員在作戰戰術邊緣的開發，實現不同系統和波形之間的互操作性；事實上，這正是最需要創新的地方。

自動戰術瞄準和反火力殺傷鏈系統等有能力連接不同的傳感器和射手，并自主提供近乎即時的目標數據。然而，這些開發中的系統所缺乏的是一個可擴展的集成5G網絡，該網絡與戰場前沿的邊緣計算相結合。這種網絡不僅能讓網絡上的所有單位立即共享信息，還能讓前線戰士之間立即處理數據，而無需將數據傳送回作戰中心供決策者重新發布。隨著指揮權的下放，分布式執行將變得無縫銜接。

5G和邊緣計算

目前，軍方嚴重依賴不同的C2系統，如Link-16、Blue Force Tracker、Riverjack Tracker和Situational Awareness Data Link。此外，已開始利用內華達山脈公司的戰術無線電應用擴展（TraX）等軟件開發連接這些系統的能力，該軟件能夠理解多種軍用標準通信協議并進行通信，從而連接跨域和波形的信息。雖然TraX可以幫助系統 "對話"，但它需要將軟件連接到每個網絡，以創建一個共同的操作畫面，并共享來自不同網絡資產的數據。隨后需要的是將每個人置于同一網絡的前向能力。TraX只是這項技術的開端。

5G是下一代蜂窩網絡，速度比4G網絡快100倍。它是一種能夠創建物聯網（IoT）的網絡，因為它具有99.999%的可靠性、5毫秒的端到端延遲、10Gb/s的峰值數據傳輸速率、500公里的移動性、高能效，并且能夠維持10Tb/s/km2的移動數據量。物聯網本身是一個由聯網設備或系統組成的集體網絡，其技術可促進這些設備和云之間以及設備本身之間的通信。有了5G網絡，美國防部將有能力管理和運營大規模物聯網網絡，提供單位自主權、終端用戶計算、自主系統和更快的延遲速度。

通過5G網絡，視頻、語音、傳感器、目標定位、偵察，甚至步兵武器瞄準鏡等數據的訪問將變得非常容易，而且對任何需要的人來說都是即時的。前線的士兵可以自主、實時地向后方部隊多路廣播他們看到的前方情況。為了實現這種能力，美國防部必須找到新的方法來實現數據流邊緣計算解決方案，或者建立一個能夠提供更多地理分布訪問的網絡。目標是讓軍隊能夠使用邊緣計算，而無需重新規劃現有的基礎設施。采用邊緣計算系統的5G將使網絡連接速度與5G同步，并提供近乎即時的通信。因此，美國防部必須采用邊緣計算技術支持的5G網絡，以創建一個能夠擴展到其龐大基礎設施中的新網絡。

這種令人難以置信的網絡能力與多接入邊緣計算（MEC）相結合，為連接部隊并即時共享時間敏感數據和信息提供了無限的技術可能性。MEC使云服務器能夠更靠近終端運行，從而減少延遲并加快本地處理速度（圖2顯示了傳統云結構與MEC網絡之間的區別）。

圖2：傳統云網絡與多接入邊緣計算（MEC）

這就提供了支持更多時間敏感型應用的能力，并能在戰場最前沿與最終用戶一起立即處理數據。邊緣計算的分散式架構使技術資源更接近數據產生地，減少了響應時間滯后。邊緣計算與5G的大帶寬、超高速和顯著降低的延遲相結合，有望使軍隊充分發揮人工智能（AI）、物聯網、大規模機器型通信（mMTC）、超可靠和低延遲通信（URLLC）、沉浸式現實和自動化等創新的潛力。

聯合全域指揮與控制

解決JADC2的概念問題一直處于軍事創新的前沿。幾乎所有與開發或支持該概念相關的東西都能獲得資金和研究批準。每個人都在研究如何將單項技術結合起來支持JADC2。雖然這是發展未來軍事C2概念的一大部分，但需要將創新從單個 "管道 "能力擴展到重建網絡。5G的真正意義在于其對未來戰爭網絡的影響。更多成本更低、連接性更強、功能更強大的系統能夠在瞬息萬變的作戰場景中運行，這將為該網絡提供支持。此外，5G將把分散的網絡整合為單一網絡，使士兵能夠更清楚地了解自己的位置并做出更好的決策。在后勤和維護層面也將產生積極影響。一旦網絡開發完成，個人技術和軟件就可以重新編程，以便集成到網絡中。

實現這一目標將是一個巨大的步驟，需要軍方創建一個新的網絡基礎設施。與Verizon和T-Mobile等私營網絡合作，可為5G網絡奠定基礎，同時開發創新系統，將該網絡推向世界任何地方。可在前沿基地建立移動5G塔臺，而機載C2平臺，如E-3 AWACS、P-3 Orion、RC-135 Rivet Joint或新平臺，可提供機載網絡擴展或中繼，類似于已建立的戰場機載通信節點（BACN）。其擴展能力與Link-16類似，在視線范圍之外的用戶仍可通過它們之間的中繼器進行通信。

一旦網絡建立起來，所有前向傳感器都可以聯網并相互通信。該網絡將通過所有連接的用戶創建一個物聯網，先進的人工智能將對從前線傳輸到后方決策者的大量數據進行優先排序和列表。這一過程將是無縫和近乎同步的。一旦聯網，后方作戰中心將獲得巨大的戰場態勢感知能力，從完整部隊的位置到前線無人機（UAV）的視頻畫面，甚至是M1艾布拉姆斯坦克的瞄準畫面。對射雷達會自動向飛機發送目標數據，飛機可以發布它們看到的目標，這些目標會出現在離它們最近的地面部隊中。前方觀察員可以標記目標，同時立即將數據推送給在其領空內自主飛行的徘徊彈藥。飛機將能夠通過與其他飛機的近距離傳感器輕松地進行自我沖突。安裝在火炮表面的傳感器可以在空域內創建禁飛區，因為飛行員將能夠看到在空中飛行的單個彈藥。5G和邊緣計算可創建mMTC和URLLC網絡。

無論哪個分支機構、單位或系統，5G都將使一切能夠相互 "對話"。只有不兼容的5G系統才需要TraX等系統。TraX可以轉換來自不同平臺的無線電頻率，并將其轉化為5G信息，就像它可以將藍色力量追蹤器的位置信息發布到Link-16上一樣。這種將傳感器無縫、自主地連接到射手的能力將大大縮短軍事瞄準和決策過程，從幾分鐘縮短到幾秒鐘。聯合部隊指揮官將全面了解其所有資產和單位的態勢。海軍驅逐艦將有能力與陸軍前線觀察員進行通信，空軍部隊將能夠在同一聯合作戰中心的監督下與海軍陸戰隊炮兵進行通信。前方偵察機將有能力定位縱深目標，并將目標數據傳遞給途中的多管火箭炮系統（MLRS）。一旦多管火箭炮系統到達ACE機場，就能立即向目標開火。這是JADC2在5G網絡上的近期能力。

敏捷作戰部署

為支持JADC2，空軍正在試驗基于5G網絡互聯的游牧和移動分布式C2車輛的彈性C2。這種移動C2能力經過測試，證明能夠為指揮官提供JADC2概念的解決方案。一個關鍵要求是接收和傳輸來自任何軍事來源的數據，無論平臺如何。由第1聯合特種作戰航空分隊（1st JSOAC）開發和測試的多域作戰管理小組（MBMT）是一種經過驗證的即插即用移動C2系統，可整合不同的網絡并創建一個物聯網，使不同的平臺能夠相互 "看見 "并進行通信。此外，該系統還可為指揮官創建一個共同的作戰畫面，否則，該畫面不會包括所有資產，而且延遲時間較長，可能會影響決策者。通過將這一移動C2系統集成到5G網絡中，再加上邊緣計算，美國防部將擁有強大的JADC2能力，可將其覆蓋范圍擴展到戰場上的任何地方，同時足夠靈活，可在威脅時限內執行任務，并通過移動性和較小的占地面積提高生存能力。

空軍的ACE戰略是C2的下一個障礙。ACE是一種在威脅時限內執行的主動和被動機動作戰方案，在產生戰斗力的同時提高生存能力。ACE是一個支持JADC2的作戰概念，但需要軍方全面重新審視C2、后勤、進攻和防御能力系統。它將作戰從集中的有形基礎設施和基地轉移到由較小的分散地點組成的網絡。集中指揮、分布控制和分散執行為ACE的C2提供了框架。通過在每個分散地點建立一個集成的5G網絡，這種C2框架是非常容易實現的。

通過5G網絡，指揮官可根據具體情況制定一攬子部隊計劃，并將其從一個基地機動或重新分配到另一個基地，同時將所需的后勤支援任務分配到同一地點。例如，如果一名指揮官需要4架轟炸機和6架攻擊機，任務命令將通過5G網絡發送，并由每個部隊的系統接收，盡管只有那些被委派任務的部隊才能看到。在網絡中，這些飛機系統有一個配對的后勤包，無論它們飛到哪里都需要。這些后勤包同時被訂購到同一地點，5G智能倉庫技術自動提供所需的維護和設備支持。與5G網絡綁定的運輸飛機將不斷廣播其位置、貨艙、路線和運輸時間。與之前的步驟同時，所需的設備和支持將被分配到最合適的運輸方式，以到達部隊包裹的前方基地。

對后勤的影響

ACE概念所需的能力發展和可能被忽視的復雜問題是為分散地點的快速部署部隊開發、支持和維持可擴展的后勤包的能力。德懷特-D-艾森豪威爾說過："你不難發現，要證明戰斗、戰役甚至戰爭的輸贏主要是因為后勤。ACE將對軍隊現有的后勤系統構成巨大的挑戰和壓力。轉型和自動化后勤將滿足ACE概念的要求。除了預先部署物資包和利用商業手段外，軍方還必須開發可量身定制的后勤物資包，并將其分配給所支持的一攬子部隊。隨著分散地點的數量在更廣闊的作戰區域內不斷增加，維持計劃和系統也應能夠擴大維持行動的規模。一旦建立了5G網絡，為多個地點快速移動的部隊包提供支持的后勤工作將幾乎實現自主化。

實現這一目標的第一步是在軍隊的維持倉庫內建立5G網絡。盡管邊緣計算和5G在后勤和供應鏈中的應用還不夠廣泛，但它們將成為成功組織未來基礎設施的一部分，因為它們能提供更強的計算能力、性能和可靠性，以支持倉庫自動化和自動物料處理等領域。這種自動化包括資產跟蹤和追蹤，以避免供應鏈中的數據盲點，并消除系統停機時間，以避免損失和故障。私人使用情況已經表明，5G在制造業中的應用已經實現了先進的遠程工業機器人技術、能耗更低的遠程控制工廠運營以及實時數字工廠管理，以確定產能、跟蹤生產和優化運營。同樣的制造能力也可應用于復雜的軍事后勤領域。

海軍陸戰隊已經在試驗用于車輛存儲和維護的5G智能倉庫技術，這種能力可以集成到ACE概念中。 據美國防部稱，目前的5G倉庫實驗重點是提高倉庫運作的效率，包括接收、存儲、庫存控制和跟蹤、發放和交付。通過物聯網以及mMTC和URLLC的功能，JADC2可通過完全自主的后勤系統得到支持。mMTC和URLLC為自動駕駛汽車、智能城市和工業自動化構建了網絡框架，所有這些都可用于美國防部的后勤網絡。一旦指揮官了解了實現其目標所需的一攬子部隊類型和位置，就會向網絡發布命令，要求這些資產就位。

特定兵力包的移動將通過機對機通信實時觸發后勤和補給包，該通信完全基于發布的命令和輸入到領航飛行員航空電子設備中的計劃飛行路徑。然后，該一攬子計劃只需在集中指揮層面上獲得批準，但復雜性已經完成，后勤團隊和供應系統在獲得批準后將自動接收任務命令。在網絡內，這些資產將有數據標識符，有一個共享的后勤需求清單。如果清單上的物品在增援地點無法獲得，后勤網絡就會啟動。如果需要更多物品來維持，5G倉庫將自動收到通知，倉庫內的自動駕駛車輛將開始將物品碼垛，并啟動裝運流程。在訂單發布后的幾分鐘內，支持新部隊的所需物資就會被處理并運往新地點。如果單個倉庫或單位沒有足夠的供應，系統會自動向能夠提供供應的相鄰單位發送信息。在后勤系統中利用這項技術的可能性是無限的。

未來武器能力

除了JADC2的進步和能力之外，5G和邊緣計算將為未來武器技術的開發和應用提供極大的優勢。5G和邊緣計算將推動監視和態勢感知技術的發展。無人機可實時傳輸照片和視頻，并利用人工智能創建近乎實時的數字三維地圖，從而提高態勢感知能力，使領導者能夠做出更加明智的決策。指揮官可以使用從現場物聯網傳感器收集數據的平臺，并利用人工智能將數據處理為可操作的見解，為決策提供依據。所有這些都可以與網絡武器相結合，在戰場上產生立竿見影的效果。

空軍的新型B-21遠程轟炸機是首批在 "系統家族 "中運行的資產之一，該系統將在作戰期間伴隨飛機運行。盡管目前對其具體內容知之甚少，但它可能包括自主協作平臺，如與飛機并肩飛行并為其提供支持的無人機。5G傳感器和邊緣計算將使該系統能夠完全自主，并在其內部和與外部障礙物之間消除沖突。巡航彈藥是一種自主平臺，其操作類似于無人機，可長時間飛行，唯一目的是發現和打擊敵方目標。它們可以在地面發射，也可以搭載在支援飛機上，在需要時發射。空軍正在繼續投資這種被稱為 "協同作戰飛機"[24]的能力。

空軍正在繼續投資這種被稱為 "協同作戰飛機 "的能力。

除協同作戰飛機外，通過mMTC和URLLC，軍方還可利用網絡彈藥實現大規模近瞬時自主打擊能力。這些遠程彈藥將有更長的閑逛時間，并能自主飛到戰場前沿附近的空域協調區（ACA），同時與ACA內的其他彈藥通話，以保持飛行中的互不干擾。從該協調區，它們將不斷接收來自網絡內前沿傳感器、士兵、無人機、雷達等的目標數據。具備網絡功能的武器將允許通過多種類型的平臺進行空中或地面發射，并立即攻擊目標或進入指定的閑置區域，以備未來交戰。

在師和旅的空域內規劃的 "ACA "網絡化閑置彈藥將為地面威脅提供即時的動能響應。從鄰近行動區攜帶這些彈藥的機載資產也可將其武器發送到鄰近閑置區，供鄰近部隊使用。該武器的5G自主性還將自動消除與其他跨境彈藥的沖突，包括地面火力。炮彈將安裝小型傳感器，提供炮彈在網絡中的位置，并允許同時使用地面和空中火力支援，大大降低自相殘殺的風險。

一旦前方目標被傳感器識別，數據將立即發布到5G網絡。擁有終端用戶設備的前沿控制人員，結合瞄準軟件和TraX，將立即在地圖上看到目標列表，并立即使用可用的閑散彈藥。一旦確定了優先目標，控制人員就會批準使用閑散彈藥離開ACA。彈藥正瞄準正確區域的信息被推送給控制員，并通過按下按鈕下達交戰的最終命令。目標被摧毀，整個過程在識別目標后幾秒鐘內完成（圖3進一步詳細說明了這一過程）。

圖3：5G網絡支持的巡航彈藥概念的實現

協同作戰飛機和具備網絡功能的巡航彈藥僅僅是戰場武器無限可能性的開始。未來的戰場網絡將成為一個有生命的實體，通過其廣闊性和成千上萬的互聯平臺提供網絡延伸，使其難以被干擾。未來的現代戰爭將要求在數秒內而不是數小時或數分鐘內做出決策，要在C2內實現這種能力，需要分散和近乎自主的執行。軍隊的物聯網將成為其戰勝對手的最大優勢，并創造出一種聯合火力能力，為彌合不同數據鏈架構上傳感器和射手之間的連接差距指明了前進的道路。隨著這種新生能力的應用不斷完善和發展，它將開始納入更多的傳感器和更多的武器系統。

結論

為了提高JADC2、ACE、自主后勤和未來武器的能力，軍方必須開始發展部署系統的能力，以創建前沿5G網絡。軍方面臨著更嚴峻的技術挑戰，因為需要在戰場前沿部署5G能力，而戰場前沿幾乎不存在任何5G基礎設施，而且很可能受到敵人的蓄意射頻干擾或其他類型的干擾。與私營企業的合作對于在美國防部框架內實施5G網絡的各個方面都至關重要。與包括5G微電子制造商、電信公司和應用開發商在內的全球行業領導者合作，對于在前沿和艱苦地區創建新的5G網絡至關重要。一旦具備在世界任何地方建立5G網絡的能力，該網絡所提供的可能性將為當前的任何對手帶來巨大的戰略和作戰優勢。

美國防部采用了部分并行的開發流程，其中部分（或全部）開發活動至少有部分重疊。這意味著，當各軍種為同一目標進行創新時，他們在設計流程和系統的同時也在開發概念。這增加了創新過程中各軍種之間交叉協調的難度，并且由于多個單位花費資源開發相同的系統而增加了成本。為了有效實施JADC2這樣的新概念并整合新興技術，美國防部必須首先重組其開發流程，減少研究重疊和成本。在單位甚至分支機構層面的開發可能會造成能力或組織上的偏差和不足，因為他們對 "全局 "考慮不夠。這種新的開發理念將是全面掌握5G和邊緣計算能力的第一步。

作者

Molinari上尉是北卡羅來納州自由堡第一聯合特種作戰司令部的聯合火力規劃師。