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

為支持在不確定的動態環境中長期部署，同時減少人類面臨的威脅和危險，有必要將更多支持人工智能（AI）的機器人整合到軍事和第一反應領域。人工智能機器人作為人類隊友的有效整合將提供支持并提高整體任務性能；然而，目前有關人機交互的研究大多只關注機器人團隊主管。要將機器人真正融入軍事和第一反應任務，需要人類扮演從最高指揮層到直接與機器人一起工作的下地人員等多種角色。層級結構中的所有人類角色都必須了解并保持對機器人隊友的直接控制。本文將文獻中現有的人類角色映射到軍事任務中，提出了與未來人類-機器人團隊合作相關的技術挑戰，并提供了潛在的解決方案和建議，以推動該領域向能夠完成相關領域任務的人類-機器人團隊邁進。

圖：人類與機器人協同作戰的概念軍事示意圖，顯示了 (a) 前沿作戰基地、(b) 下裝巡邏和 (c) 車輛巡邏的示例。請注意，為便于查看，人員、機器人和車輛均已放大。

圖 1 提供了角色圖示，用于說明軍事小故事。有些角色將駐扎在遠離戰場或事件響應區（也稱為熱區）的地方，在那里他們可以從更廣闊的視角來了解需要管理的情況。如圖 1a 所示，這類軍事角色可能駐扎在前方作戰基地。圖 1b 和 c 顯示了結合地面和空中機器人的兩個部署示例，一個是徒步巡邏，另一個是乘車巡邏。這些示例展示了不同角色如何分布在一個軍事單元中，并包括平民旁觀者。

無人機（UAV）蜂群因其多功能性和無需人工干預的運行能力，有可能在眾多應用中大顯身手。然而，在廣泛實施無人機蜂群之前，這項前景廣闊的技術仍需要進一步的調查、研究和測試。控制系統所需的人工干預程度決定了無人機蜂群的不同自主程度。要使蜂群變得更加獨立自主，高效的任務和路徑規劃算法必不可少。此外，準確的通信對于蜂群能夠協調并成功完成任務也至關重要。本文試圖對無人機蜂群的架構、通信、應用和相關挑戰進行綜述。此外，本文還討論了已用于或建議用于無人機蜂群的通信類型。最后，本文回顧了無人機蜂群的潛在應用，以及圍繞這項技術仍然存在的研究問題。

無人機蜂群依賴于單個無人機之間的相互通信。通常情況下，無人機蜂群系統由地面控制站（GCS）、發射器、單個無人機單元組成，有時還包括有效載荷或貨物。無人機通過稱為無人機蜂群網絡（USNET）的特定網絡進行無線通信。無人機蜂群的獨特之處在于它們擁有不同級別的自主性；最高級別的自主性是完全自主，即蜂群在沒有人類干預的情況下運行。為了達到完全自主水平的通信，通常使用 ad-hoc 網絡。這種網絡使設備之間的通信不依賴于固定的基礎設施。這樣，無人機就可以在沒有預先建立連接點的情況下相互通信和協調，從而提高了使用的靈活性。除了強大的通信系統外，還需要傳感器來探測空中位置和與蜂群中其他無人機的距離，并探測障礙物。此外，根據不同的應用，無人機蜂群還可配備 GPS、熱傳感器、攝像頭和光探測與測距傳感器等傳感器。

多架無人機共同完成一個共同目標的能力，為僅靠一架無人機無法完成的行動提供了可能性。無人機蜂群的好處包括降低成本、因減少人力而提高安全性以及提高效率。例如，在軍事應用中，無人機蜂群有可能成為一種高效致命武器，可以從多個角度實施協同攻擊。在軍事攻擊中使用無人機蜂群有可能減少傷亡人數，無需在戰場上派駐人員。在民用方面，無人機蜂群在自然災害應對、農業、快遞服務、監視和安全以及基礎設施監測（包括電力線、鐵路和公路檢查）等領域具有廣闊的應用前景。例如，為無人機配備熱成像技術可提高其在搜索和救援任務中的效率。讓多架無人機同時執行搜索任務，可以同時覆蓋更多地面，從而縮短救援時間。這可以通過一種算法來實現，該算法將搜索地點的某些區域分配給每架無人機，然后無人機將發現的任何情況與其他無人機進行通信，處理數據以與給定的搜索信息相匹配。

本文試圖對無人機蜂群技術以及改進和發展該技術的實際應用方式進行綜述。本文涉及無人機蜂群的架構類型、蜂群可使用的通信方式、無人機蜂群的潛在應用以及目前存在的相關研究問題。討論的主要重點是無人機蜂群的通信和控制。

人工智能（AI）已進入世界各大行業，軍事行業也不例外。幾乎每個國家都在尋找新的方法將人工智能應用到軍隊中，無論是通過作戰、醫療還是分析預測。雖然戰場上的人工智能是頭條新聞（如無人駕駛無人機、智能彈藥等），但其潛力并不止于此。說到人工智能在戰場之外的用途，能夠監測生命體征、定位失蹤人員和進行預測性維護的程序只是軍方如何在非戰斗環境中使用人工智能的一些例子。

本文的目的是探討上述人工智能的用途，具體來說，就是在涉及美國海岸警衛隊（USCG）的深海和近岸搜救（SAR）案例時，分析實施預測分析人工智能機器學習算法的可能性。這將通過將人工智能模型與海岸警衛隊目前用于定位溺水人員的計算機程序（即搜救優化規劃系統（SAROPS））配對來實現。本文的研究將解釋為什么在美國海岸警衛隊中實施人工智能是有益的，同時還將解釋將使用哪種人工智能，以及如何對人工智能進行編程以完成所需的必要任務。本文還將介紹預測分析型人工智能在軍事領域的現狀、美國海岸警衛隊（USCG）當前的搜救協議，以及美國海岸警衛隊（USCG）如何將人工智能與當前的搜救行動結合起來，以提高搜救成功的可能性（POS）。

搜救優化規劃系統（SAROPS）

近 15 年來，SAROPS 已被證明是尋找溺水人員的有效算法，但 SAROPS 在某些方面仍有不足，人工智能算法的加入將使其受益匪淺。就目前而言，SAROPS 有兩大問題需要解決，而人工智能的加入將使其立即受益。

當前 SAROPS 程序的第一個問題是使用起來越來越復雜，需要大量的培訓才能準確操作程序。美國海岸警衛隊退役指揮官德魯-凱西（Drew Casey）（2021 年）說："海岸警衛隊的搜救案例規劃軟件--搜救最佳規劃系統（SAROPS）變得越來越復雜。它不僅需要指揮中心多年的經驗才能掌握其使用方法，還需要掌握其輸出結果的實際應用"（Casey，2021 年）。雖然 SAROPS 是一個有用且有效的程序，但它的操作難度卻越來越大，尤其是在專業技術力量薄弱的小型單元。像 SAROPS 這樣的高難度程序在高壓力環境（如搜救案例）中的學習也具有挑戰性。凱西接著說："現在，行動專家要花費大量時間......接聽來自各種報告來源的電話，并將相關信息分發給......分區指揮部的主題專家。這種控制范圍的擴大和行政消耗的增加從來都不是有意為之"（Casey，2021 年）。隨著 SAROPS 操作難度的增加，這給知道如何使用 SAROPS 的操作專家（Operation Specialist，OS）帶來了巨大的壓力，導致操作專家的壓力增加，犯錯的機會也隨之增加。采用機器學習算法后，一旦人工智能學會了如何實現成功的 SAROPS 案例所需的功能，就不再需要大量的人工輸入。信息可以直接發送到數據庫，然后人工智能就能對其進行標注和相應的使用。使用人工智能將大大減少教導新操作員如何有效使用程序的時間，從長遠來看，它還能確保更高的準確性，因為計算機在標注數據集和輸入信息方面比人類更準確。

這就引出了第二個問題：準確性。SAROPS 是一個需要高度準確性的程序，但遺憾的是，實現最佳結果所需的準確性水平并非總能達到。美國海岸警衛隊海洋學家克里斯蒂娜-福布斯（Cristina Forbes）（2024 年）在談到 SAROPS 的準確性時說：“模型數據的不準確性對海上失聯海員的搜救工作來說非常具有挑戰性，因為搜索將在錯誤的地點進行，從而延誤救援并耗費資源”（福布斯等人，2024 年）。如果在 SAROPS 編程時出錯，后果將是耗費時間，而時間在 SAR 案例中是非常寶貴的。對人工智能進行編程，使其能夠成功地對大量信息進行分類，將大大降低錯誤數據危及任務的風險，因為人工智能不僅擅長準確整理和計算數據，而且讓人工智能發揮主導作用幾乎可以完全消除人為錯誤。這也讓 SRU 在運行時更有把握，知道他們發送的搜索模式是最好的，因此在高度緊張的情況下不會再猜測算法。這是人工智能在搜救領域發揮作用的兩種最直接的方式，美國海岸警衛隊可以通過實施預測分析 ML 程序輕松實現這一目標。

無人機已成為現代戰爭中不可或缺的一部分，其向更大自主性的演進是不可避免的。本研究探討了軍用無人機向智能化、最小程度依賴人類方向發展的軌跡，并詳細介紹了必要的技術進步。我們模擬了無人機偵察行動，以確定和分析新出現的挑戰。本研究深入探討了對提高無人機智能至關重要的各種技術，重點是基于物體檢測的強化學習，并提供了實際實施案例來說明這些進步。我們的研究結果證實了增強軍用無人機智能的巨大潛力，為更自主、更有效的作戰解決方案鋪平了道路。

圖 3 智能無人機偵察場景和應用技術。

在最近的沖突中，如俄羅斯入侵烏克蘭和亞美尼亞-阿塞拜疆戰爭，無人機被認為是不可或缺的力量。目前，大多數可用于作戰的無人機都是遙控的。雖然無人機在一定程度上實現了自動化，但由于技術和道德問題，仍需要操作人員。從戰術角度看，無人機的最大優勢是 "低成本 "和 "大規模部署"。然而，這兩個優勢只有在無人機無需操作人員即可控制時，也就是無人機智能化時才能發揮作用。

自主無人機本身并不是一個新概念，因為人們已經進行了廣泛的研究。例如，我們生活在一個無人機用于送貨和搜救任務的時代 [1]、[2]、[3]。然而，民用智能無人機技術能否直接用于軍事目的呢？我們的答案是'不能'，因為軍用無人機的操作在以下情況下與民用無人機有明顯區別。首先，軍用環境比民用環境更加復雜。想想特斯拉在未鋪設路面的道路上自動駕駛時，駕駛員必須干預的頻率有多高。軍事行動并不發生在 "鋪設良好的道路上"。此外，軍事行動涉及在任意地點分配任務。其次，伴隨軍事行動而來的是敵人無數次的反擊。這些反作用包括主動和被動拒絕，主動拒絕包括試圖攔截，被動拒絕包括隱藏和欺騙。這些敵方活動增加了問題的復雜性。第三，由于軍事的特殊性和安全性，缺乏與軍事行動相關的數據。例如，缺乏坦克和運輸機發射器（TEL）的鳥瞰數據，而這些都是物體探測的常用目標。第四，軍用智能無人機執行任務時需要考慮安全和道德問題。智能無人機在執行任務時如果缺乏穩定性，就會產生不可預測的行為，導致人員濫傷和任務失敗。從倫理角度考慮，即使無人機的整體操作實現了智能化，也需要有最終攻擊決策由人類做出的概念。換句話說，關鍵的考慮因素不應該是無人機是否能自主做出攻擊決定，而是無人機如何提供信息，協助人類做出攻擊的最終決定。這些倫理問題與人類的責任和機器的作用有關。

鑒于這些軍事方面的考慮，對自主軍用無人機和民用無人機的研究應以不同的理念推進。有關軍用智能無人機的研究正在積極進行中，但與民用研究不同的是，大部分研究都沒有進入公共領域。因此，本研究有以下目標。

• 首先，考慮到軍事行動的特殊性，本研究探討了智能軍用無人機的概念。

• 其次，我們對該領域出現的各種問題進行案例研究，從工程師的角度看待這些問題，并討論從案例研究中得出的直覺。

圖 1. 智能無人機在民用領域的工程研究

智能偵察無人機案例研究

軍用無人機根據其使用目的分為偵察、攻擊、欺騙、電子戰和作為目標等類別 [38]，[39]。在本案例研究中，我們重點關注偵察無人機的智能化。案例研究中的無人機以韓國 "Poongsan "公司的無人機為模型。根據應用模塊的不同，該模型可以執行多種任務。不過，本研究使用的是配備偵察模塊的無人機。模塊包括攝像頭、LRF、GNSS 等傳感器和系統。在規范假設方面，假定無人機能夠配備物體檢測和強化學習神經網絡。

圖 4. 用于訓練 YOLOv4 微型目標檢測模型的跟蹤車輛圖像。

圖 12. 根據 Unity 中的情景驗證技術應用

人工智能（AI）正開始徹底改變人類生活的方方面面。從協助醫療保健到為商用無人機送貨導航，科學和工程學在提供 "智能機器 "方面取得了前所未有的進展，為人類帶來了巨大的利益。人工智能的影響是如此廣泛，以至于任何領域如果沒有隨之而來的技術飛躍，就一定會錯過未來的科學發展。因此，各國都相當重視開發人工智能的軍事用途，以保持戰區優勢。基于人工智能的技術可用于軍事領域，以執行復雜而嚴苛的任務，特別是在充滿敵意和不可預測的環境中；海洋戰區完全符合這一框架。海洋環境通常沒有地圖，難以導航，使用基于人工智能的系統對船只進行跟蹤、計算、探測、繪制地圖并執行最佳行動，可以增強現有的航海能力。在需要對海洋環境進行持續情報、監視和偵察的作戰地點，人工智能支持的系統可以消除海洋物理學的敵意，即靜水壓力、海洋湍流、熱梯度和海洋鹽度等。所有這些因素使無人智能系統成為海軍力量結構中不可或缺的資產。此外，相對 "雜亂無章 "的海洋環境可能是第一個部署完全自主武器的戰場。

然而，就在這些技術不斷發展的同時，有關使用具有自主能力的致命系統的法律和倫理問題也開始變得日益突出。這些系統在國際法中的地位問題依然存在，特別是《日內瓦公約》第 36 條（第一附加議定書），其中規定各國需要對新武器進行法律審查，以確保其符合國際法。[3] 因此，即使新一代基于人工智能的作戰技術即將問世，賦予此類系統瞄準自主權也必須嚴格遵守國際法的規定。在基于人工智能的海軍作戰的具體背景下，具有瞄準能力的人工智能支持系統需要能夠持續區分軍事資產和民用船只。

本文描繪了人工智能在海軍系統中的發展、其在海軍作戰管理中的整合，以及由此對現有作戰環境產生的影響。本文試圖確定基于人工智能的系統是否是維護海洋公域安全的答案。主導整個討論的三個問題是：人機協作（也稱人機協同）、機器不同程度的自主性以及人工智能可能影響海軍行動的各種任務。本文探討了使用此類系統的原則是如何與此類技術的進步同步發展的，以及以人工智能為中心的作戰環境可能帶來哪些人力、概念和組織方面的挑戰。文章概述了印度在無人海軍系統方面的做法，以及印度海軍在實施國家人工智能戰略時的作戰環境。最后一節建議采取措施，確保向人工智能支持的海軍行動順利轉型。

定義海戰中的"人工智能"

首先，有必要區分基于人工智能的海軍作戰系統和基于人工智能的海軍戰車。雖然兩者并不相互排斥，但正在開發和采用的基于人工智能的海軍作戰系統需要全面的人機協作，而基于人工智能的海軍車輛則不一定有人類監督。人工智能影響和增強海軍行動的兩種大致不同的方式如下：

海軍作戰系統--在海軍作戰系統中應用人工智能，可通過結合軟件流程實現更智能的指揮和控制，從而提高海軍的總體可操作性。這些技術還可用于作戰管理系統，以更好地確定目標和繪制敵方資產圖。將這些系統集成到海軍艦艇的現有傳感器中，將增強艦上軍官的決策過程，"通過智能處理多種信息來源，同時提示系統評估和確認潛在威脅"。各國海軍開發這些系統的目的是提高 "作戰單元的作戰能力"，"在復雜、快速移動的作戰場景中實現快速決策"。

無人駕駛艦艇--人工智能在無人駕駛艦艇中的應用可以從一般的導航支持擴展到完全的自主運行。這些艦艇或車輛（可互換使用）已成為海軍行動的重要組成部分，通常與常規艦艇一起部署，發揮非致命性作用。這些艦艇大致可分為無人潛航器（UUV）和無人水面艦艇（USV），其中大多數由人類直接控制，缺乏任務自主性。這些船只可以通過'遠程遙控'進行遠程操作（簡稱 ROV），遠程遙控允許遠程操作員利用衛星鏈路指揮和監督無人駕駛船只"。

具有一定自主性的無人海軍艦艇通常被歸類為自主水下航行器（AUV）和自主水面航行器（ASV）。斯德哥爾摩國際和平研究所（SIPRI）關于 "繪制武器系統自主性發展圖 "的報告將自主性定義為 "機器在沒有人類輸入的情況下，利用計算機程序與環境的相互作用執行一項或多項任務的能力"。"這些系統無需人工干預即可執行大多數分析功能，從而減少了對傳統上執行這些功能的人類船員的需求。對于由操作員完全控制的船只，人類被視為 "環內"；對于具有一定程度自主性但受人類監督的船只，人類被視為 "環上"；而對于完全自主執行任務的無系船只，人類被視為 "環外"。這些不同程度的自主性在討論這些無人駕駛資產編程執行的任務類型時尤為重要。圖 1 和表 1 展示了無人艦載機的各種分類。

圖1:無人海事系統分類

表 1： 圖 1 所示無人海上系統的詳細分類

海戰系統中的人工智能

通過信息管理系統將人工智能應用于海軍作戰的目的是影響和增強海軍指揮官的決策過程。在海軍艦艇中使用數字助理來增強導航能力的做法并不是一個新概念，但海軍作戰系統下一步的開創性之處在于它們能夠徹底改變對整艘艦艇甚至整個艦隊的指揮和控制。人工智能軟件使指揮團隊有能力監控實時戰斗情況，并適當利用他們所掌握的海軍資產。這些系統將硬件和軟件（流程）相結合，徹底改變了海軍演習。神經網絡和深度學習算法的結合能夠向指揮團隊展示一幅無縫的作戰畫面，并協助他們做出決策，從而增強他們的人力。如果資產相互連接，這些系統甚至可以提高艦隊的可操作性。以指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）為導向的系統可以連接到單個海軍艦艇，無論其級別如何。潛艇、護衛艦、航空母艦、戰列艦、無人駕駛車輛都可以單獨裝備此類系統，以增強其特定功能。與該系統相連接的無人駕駛資產具有回傳智能視頻分析的能力，能夠提供超視距（OTH）測繪和目標定位，將艦隊的視線延伸到各個方向。

如圖 2 所示，英國皇家海軍計劃在艦艇上安裝人工智能系統，以更好地探測威脅和評估作戰方案。洛克莊園研究公司（Roke Manor Research）的 "STARTLE "機器態勢感知軟件將增強艦艇現有的探測系統，并根據從這些傳感器接收到的數據做出明智的決定。這些系統可識別行為模式，利用深度學習技術運行基于多智能體的模擬，并使最終用戶能夠提高其海洋領域感知能力，以快速分派任務、探測和跟蹤不合作的船只。

圖 2 - 洛克公司的 "STARTLE "威脅監測系統（圖片：Roke.co.uk）。

還計劃為其核潛艇提供基于人工智能的決策支持系統，以減輕潛艇指揮官的負擔。這種支持系統的深度學習算法可以與其他傳感器相關聯，并幫助指揮官 "估計某些戰斗行動的風險和收益，甚至建議采取艇長未考慮的行動。"水下海軍指揮官經常從事枯燥乏味的行動，需要耐心、技能和導航專業知識，最重要的是要有能力對局勢的突然變化做出反應。這些系統可以減輕他們的疲勞，大大提高他們的作戰能力。

在私人運營商中，航空航天制造商勞斯萊斯已表示有意開發完全自主的船舶，擺脫人類船員的束縛。[33] 該制造商 "采用了最新的導航技術，將一系列傳感器與人工智能驅動的計算機相結合。"[34] 該公司已與谷歌云公司合作，將使用谷歌的云學習引擎來訓練其基于人工智能的物體分類系統。[35] 該軟件將主要用于探測、跟蹤和識別。

美國海軍為其瀕海戰斗艦（LCS）采用的 "綜合水上網絡和企業服務"（CANES）系統網絡是利用人工智能擴展和加固現有海軍作戰系統的一個實例[36]。"綜合水上網絡和企業服務 "的升級版將無縫連接艦艇、潛艇、岸上地點和其他戰術節點，增強海軍的可操作性，縮短應對網絡攻擊的行動周期，保護現有作戰系統。 [37]現代海軍艦艇安裝了數量驚人的傳感器套件，通過分析從不同節點接收到的大量信息，升級版的 CANES 網絡可以將信息合理化，消除異常情況并協助人類指揮團隊，同時還能保護系統免受網絡入侵。據克里斯-奧斯本（Kris Osborn）稱，基于人工智能的升級版 CANES 網絡 "正在進行專門配置，以提高自動化程度--在無需人工干預的情況下執行越來越多的分析功能。 "[38]他補充說，"特別是 LCS，它利用了相互連接的水面和多種任務包，這些任務包旨在使用大量艦船系統相互協調--人工智能分析可能會增強這些功能。"[39]美國海軍計劃在未來將升級版人工智能支持的 CANES 網絡擴展到其所有作戰資產，包括其核潛艇和旗艦 "福特 "級航空母艦。

所有這些海軍作戰系統的共同點是能夠從環境反饋中不斷學習。這些系統中嵌入的深度學習算法使它們能夠從各種情況中不斷學習，特別是通過評估人類的長期輸入。因此，為了加快學習過程并超越人類的能力，這些系統越來越依賴于 "機器學習"。正如一份報告所提到的，"機器學習是一種軟件開發方法，通過這種方法，系統可以學習任務并通過經驗提高性能"。[42]這一發展表明，未來的船舶可能會在沒有人類監督的情況下完全自主運行。這些系統可以提供有關水深、水溫和鹽度的信息，以提高聲納的精確度，并通過航點導航和防撞技術協助航向規劃，增強船只的航行能力。 [43]然而，在更具戰爭性的角色中，"機器學習的長足進步為武器系統自主化的發展創造了機會"[44]。這種程度的自主化讓人不禁要問，世界各國海軍是否愿意將如此多的控制權讓給此類作戰管理系統。

人工智能在無人航行器/飛行器中的應用

雖然人工智能在海軍作戰系統中的應用尚處于起步階段，但在無人航行器中的應用已較為成熟。 無人航行器已成為現代海軍結構的一個常見特征，隨著它們被部署執行更復雜的海軍任務，人類對它們的控制程度正在逐步降低。因此，當這些無人艦艇在沒有任何衛星上行鏈路的無系留環境中工作時，它們被賦予了完全的任務自主權。倫理與安全自動機專家肖恩-威爾士（Sean Welsh）認為，在海軍安全任務中，這些艦艇主要被用作增強戰斗力的手段，以提供無縫的海域感知（MDA）。

技術的集體進步使這些航行器能夠執行更復雜的任務，自主性和自身的支持包也得到了提高。Welsh 介紹說，"潛艇發射的 USV 通過系繩與'母'潛艇相連，提供海面視頻通信，而潛艇無需進入潛望鏡深度。這種 USV 然后發射小型無人機（UAV），使潛艇能夠從空中進行偵察。"[46] 雷神公司的 SOTHOC（潛艇超視距有機能力）就是這種系統的一個例子--"它從潛艇廢物處理鎖上彈出的無人發射平臺上發射一次性無人機。 "[47]在水面行動方面，美國海軍的 "海上獵人"（Sea Hunter）就是一個例子，說明如何部署反潛航行器進行大面積監視行動，跟蹤潛艇并將信息反饋給附近的船只或預先確定的指揮站。 [48] 由美國國防部高級研究計劃局（DARPA）研制的 "海上獵手"（Sea-Hunter），又稱 "反潛戰連續跟蹤無人船"（ACTUV），可配備傘降傳感器陣列，使其感知能力提高一千多英尺，增強了其全向無線電連接能力。

無人作戰的另一項發展正在改變海軍任務的性質，這就是所謂的 "蜂群"。蜂群主要是指一組無人機（飛行器），這些無人機（飛行器）本身可以自主行動，但作為一個整體是由遙控操作的。它們是為執行一個總體目標而量身定做的，但每個單元之間又各自獨立。軟件開發使這些單個的無人機能夠在更大的任務范圍內自行執行小型任務，同時又能無縫連接。美國海軍已經投資了一項研究計劃來開發這種能力。該計劃名為 "低成本無人機蜂群技術"（LOCUST），將允許操作人員控制蜂群的行為，同時保留單個無人機的自主性。[50] 美國海軍研究辦公室（ONR）甚至舉行了一次機器人蜂群演示，四艘無人機船在一個區域內巡邏，同時自動保持編隊，人類僅控制蜂群的大動作。 [51] 中國一家科技公司--云洲智能科技公司（Yunzhou Intelligence Technology，簡稱 "云洲科技"）也在萬山群島進行了類似的演示，56 艘自主 USV 裝備了專門開發的 "自主模塊"。與蜂群相關的技術發展有能力改變傳統上以航空母艦等戰略資產為中心的海軍行動。蜂群技術將使海軍能夠分散其較小的戰術資產，執行與大型常規艦艇相同的安全任務，只要這些資產協調一致地執行指定任務即可。

適用于海軍作戰系統的深度學習算法概念同樣適用于自主海軍艦艇。 這些無人航行器在沒有人類監督的情況下，不斷從環境中學習，提高執行任務的能力，并增強洞察力。此類無人艦艇的目標自主性可滿足未來戰爭的需要，讓 "海上獵人 "號這樣的自動潛航器在自主執行任務的情況下進行全方位反潛作戰。同樣，如果獲得致命的自主權，自動潛航器很可能成為未來攻擊型潛艇的替代品。自主執行致命任務將使這種無人艦艇能夠為港口、大型船舶、商業船隊、海上交通線甚至核潛艇提供積極保護。可以說，未來的海戰空間將有利于自主系統。那么問題來了，致命自主武器系統（LAWS）何時部署？

致命性自主武器系統（LAWS）

海洋環境被認為是最適合初步部署致命性自主武器系統的區域，因為這里更容易識別資產，而且平民相對較少。[53] 武裝自動潛航器將提高海軍特遣部隊的行動帶寬，因為艦艇將有能力在沒有人工干預或指揮團隊任何投入的情況下發揮作用并攻擊敵方目標。在這場自動化革命的未來，我們很可能會看到這樣一種系統，它將成為海軍指揮和控制的掌舵人，有權在其認為必要時部署致命的無人資產，完全取代人類指揮團隊。在保護極易受到潛艇威脅的海區方面，使用致命性自主武器系統具有不可否認的優勢。在水下執行任務時，部署致命性自主武器系統將更有意義，因為通過遙控潛水器瞄準目標很成問題，由于無線電波在鹽水中的特性，潛艇中現有的通信僅限于 VLF（甚低頻）和 ELF（極低頻）無線電波[54]。

相反，基于人工智能的致命性自主武器系統是否符合國際人道法，則是過去幾年中具有全球意義的一場辯論。就本文而言，采用紅十字國際委員會贊成的定義是合適的。紅十字會使用"'自主武器'作為一個總括術語，包括任何類型的武器，其'關鍵功能'具有'自主性'，這意味著一種武器可以在沒有人類干預的情況下選擇（即搜索或探測、識別、跟蹤）和攻擊（即攔截、對其使用武力、使其失效、破壞或摧毀）目標。 "[55]日內瓦的《聯合國特定常規武器公約》（CCW）一直是圍繞致命性自主武器系統合法性進行討論的平臺，該公約已就這一主題舉行了多輪磋商，但未能就如何規范這些不斷發展的武器系統達成共識。很有可能的是，在就監管致命自主武器系統的任何國際公約達成一致之前，就已經有了 "關鍵功能自主 "的武器系統。國際監管機構只能控制各國想要披露的信息，而各國為開發致命性自主武器系統而實施的任何秘密計劃都將繼續游離于《特定常規武器公約》的范圍之外。為了避免出現這種情況，一個非政府組織聯盟發起了 "制止殺手機器人國際運動"。在人權觀察組織的領導下，該運動一直要求先發制人地全面禁止致命性自主武器系統的部署和開發。[57] 由于其中許多技術都處于先進階段，國際社會對致命性自主武器系統的擔憂并非假設。斯德哥爾摩國際和平研究所的報告建議，《特定常規武器公約》應探討 "有意義的人類控制 "自主系統的概念，以規范致命性自主武器系統。

找到一個中間立場是有余地的，即可以對致命性自主武器系統進行編程，使其符合國際法準則。如果這些基于人工智能的飛行器和系統具有殺傷力并可自由攻擊目標，那么它們的任務自主權可僅限于預先編入其系統的機動程序。軟件開發人員可對其自主瞄準功能進行額外控制。在最基本的步驟中，開發致命的無人潛航器或賦予網絡系統致命能力，只需開發一個簡單的船只識別系統，對獨特的聲學特征做出反應即可。根據美國機器人學家和機器人倫理學家羅納德-阿金（Ronald Arkin）提出的原則，可以對這些系統進行進一步的倫理控制： 這些機制將確保智能行為的設計只在嚴格界定的道德界限內做出反應。為機器學習的學習算法編碼的軟件應具有卓越的目標識別能力，并允許創建技術，以適應道德約束集和隨著學習而發展的基本行為控制參數。

基于人工智能的海軍系統和無人系統的作戰前景

美國和中國在開發基于人工智能的海軍系統方面走在前列，這將增強兩國的海軍能力。兩國都投入了大量資源來制定在本國海軍中實施基于人工智能的系統的行動計劃，并在制定此類計劃的同時制定了支持這種向無人操縱轉變的創新作戰程序。美國國防部制定的《第三次抵消戰略》相當重視發展人工智能的軍事用途，目的是保持戰區優勢。[65]奧巴馬政府時期制定的戰略側重于發展尖端國防技術，以保持美國在戰場技術計算上對俄羅斯和中國等對手的優勢。

與此同時，軍事規劃人員也在提出適合新階段無人作戰的創新作戰概念。預計，蜂群智能和蜂群戰術可作為一種非對稱方法來攻擊美國的高價值武器平臺。 [71]"蜂群 "技術很有吸引力，因為它能讓以較低的軍事對抗概率進行武力投射。[72]在另一端，美國的分布式殺傷戰略旨在擺脫多年來圍繞高價值目標的海軍戰略，將行動能力分布在分散的資產中。 [73] 這兩種戰略都會使目標難以鎖定，并使對手的能力不堪一擊。

總的來說，無人平臺在執行水下任務，尤其是反介入/區域拒止（A2/AD）戰略方面最具潛力。[74] 相反，無人平臺也可用于反介入/區域拒止戰略，正如 ORF 分析師 Abhijit Singh 所說，"無人平臺的決定性特征是能夠將作戰行動擴展到對手的反介入/區域拒止區域，而不會危及機載系統的完整性或將己方部隊置于危險境地。 "[75]無人飛行器可執行各種非致命行動：對淺水沿岸地區進行主動勘測、探測和監測水雷、干擾敵方通信、提供聲學情報、進行海洋學和水文學勘測、為水下平臺提供水下通信，以及對海軍水雷實施主動反制措施[76]。[77]從根本上說，無人平臺有望提高生產率，使有人系統能夠執行更專業/更重要的任務，提高作戰程序的效率。

人工智能在海事領域的后果

未來幾年，圍繞人工智能的炒作肯定會愈演愈烈，隨著越來越多的此類系統得到部署，世界可能很快就會進入人工智能支持的海軍在海上戰場普遍存在的戰爭階段。然而，在海軍作戰中廣泛啟動基于人工智能的系統會帶來多種后果。其中最主要的是來自傳統海軍人員的制度性阻力，他們會反對任何試圖取代他們的舉動。[79] 人工智能支持的海軍作戰系統將要執行的任務目前是由海軍艦艇上或岸上的人員執行的。因此，在海戰決策周期中取代人類分析人員將改變海軍部隊的多個部門。隨著海軍作戰行動的轉變，海軍將需要這些傳統分析人員的幫助，因為作戰程序需要過渡和調整，以適應人機協同作戰。美國海軍人工智能應用研究中心（Navy Center for Applied Research in Artificial Intelligence of the US Navy）就是一個很好的例子，說明一個專門機構是如何負責研究這些課題的。 在這個先于人機協同進行致命交戰的時代，海軍需要向其行動、部隊和系統灌輸各種可能性，無論它們看起來多么遙遠。最值得注意的是，作戰模式和戰術需要進行改革，以適應多車輛控制。

目前，人工智能在海軍作戰中的大部分應用都依賴于人類操作員，因此人機校準極為重要。海軍作戰系統只在作戰場景中執行分析功能，而交戰的最終決定權在于人類海軍指揮官。因此，在作戰中使用人工智能的海軍需要確保人類指揮官和人工智能支持的機器都能理解對方的決策回路。美國工程心理學家約翰-霍克利（John Hawkley）在《愛國者戰爭》一書中寫道："新的自動化系統很少能達到最初的要求。首次使用自動化系統的用戶必須預計到一個調試和校準期，在此期間，系統的實際能力和局限性將被確定。"[82] 霍克利進一步提到了自動化系統的 "脆性"，他在書中討論了 "機器無法可靠地處理不尋常或模棱兩可的戰術情況"[83]。 [83]這也使人類主管人員難以對自動化系統保持警惕，因為他們需要執行 "關鍵功能"，但在其他自主功能中卻處于決策圈之外。[84]受過技術訓練的指揮官對自動化系統沾沾自喜，而經驗豐富的指揮官則對自動化系統心存疑慮，這可能會導致部隊內部出現分歧。[85]這些系統中的自動化系統不應被視作表面價值，正如一份報告所提到的，"相信系統的無懈可擊（即：它總是正確的）可能會使人對自動化系統產生誤解、 86]此外，在一些具有深度學習神經網絡的自主系統中，輸入-輸出過程還不完全透明，這可能會對人機協作造成障礙，因為人類指揮官無法理解系統是如何處理信息并做出決策的。因此，在目前的情況下，"非循環 "自主武器系統極不可能具備致命能力，更何況圍繞著它們的倫理問題。

開發和部署此類系統的另一個障礙是它們容易受到反制措施的影響，其中一些反制措施已經問世。許多人工智能支持的飛行器仍處于設計階段，預計在開發這些飛行器的同時，對手也將投資開發反制措施。聲學隱形和聲學靜音技術已被應用到潛艇中，未來這些技術的改進會讓人工智能艦艇的聲學識別系統徹底崩潰。[88] 聲學隱形技術涉及設計噪聲特征和雷達截面減小的艦艇--新一代柴油電力潛艇就是一個很好的例子。此外，由于水深的限制或敵軍的全球定位系統干擾，無人駕駛飛行器在全球定位系統失效的環境中運行，令人嚴重關切此類系統如何不間斷地工作。非 GPS 制導系統和抗干擾保護軟件需要納入研發過程。許多國家正在開發可對無人系統采取軟殺傷措施的能力，特別是使用黑客攻擊和干擾軟件。[90] 海軍特遣部隊的無人潛航器或 USV 被黑客攻擊并用來對付它的可能性將困擾著每一位海軍指揮官。對無人系統進行黑客防護應是開發人員的首要任務。當這些系統仍在開發階段時，開發人員和最終用戶需要考慮上述所有因素。

印度海軍對無人系統的嘗試

印度很晚才認識到自主系統在軍事領域的潛力，在開發基于人工智能的本土作戰系統和海軍車輛方面遠遠落后于美國和中國等國家。不過，印度政府最近在這一領域表現出了一定的緊迫感，并成立了一個人工智能工作組，探索人工智能可以增強常規能力的各種領域。在 2018 年 4 月的欽奈防務博覽會上，印度總理納倫德拉-莫迪（Narendra Modi）表示： "人工智能和機器人等新興技術或許將成為未來任何國防力量防御和進攻能力的最重要決定因素。印度憑借其在信息技術領域的領先地位，將努力利用這種技術傾斜來發揮自身優勢。"[91] 一位印度政府官員在接受一家印度報紙采訪時補充了這一觀點。他說："世界正在走向人工智能驅動的戰爭。印度也在采取必要措施，讓我們的武裝部隊做好準備，因為人工智能有可能對國家安全產生變革性影響。政府已經成立了人工智能工作組，為其準備路線圖。"[92] 在過去的一年里，印度政府為基于人工智能的研究撥出了一些專款，但無人海軍艦艇和系統的具體研發領域并未得到任何優先考慮。[93] 比較樂觀的是，一些印度大學和研究機構已經開發出了可交由海軍使用的無人潛水器，最近印度首個以人工智能為重點的研究所也在孟買開業。

迄今為止，印度海軍尚未考慮在自主系統時代修改其作戰規程。然而，隨著智能系統在海上安全領域的普及，新德里的海軍戰略家們有必要合理安排行動，以對抗敵對的無人系統。正如 ORF 研究員普山-達斯（Pushan Das）所提到的，"要提高有限反潛資產的作戰效能和靈活性，就必須采用不斷發展的條令和具體的作戰概念，使有人和無人資產能夠協同作戰。 "[96]他補充說，"將有人和無人資產結合起來，將為印度戰艦在高威脅環境下提供高度的戰術靈活性，降低船員的風險，并使目標瞄準更快、更精確。"[97]從根本上說，印度海軍可以部署具有自主能力的海軍車輛執行多種任務，從艦隊保護行動到反潛戰任務，再到沿岸水域偵察。對于印度海軍為印度洋地區（IOR）提供安全保障的主要任務來說，自主系統（包括致命和非致命系統）的應用是巨大的。

印度海軍在開發自動潛航器并將其納入艦隊方面遠遠落后，目前需要將重點放在簡易反制措施上。印度海軍需要獨立于國防研究與發展組織（DRDO），在這一領域開展自己的研發工作，并為此招募懂技術的人員。印度國防機構需要在 "與私營和公共部門合作，促進本土智能技術的發展"[99] 方面表現出一定的緊迫性。印度充分利用了信息技術（IT）時代帶來的好處，并向世界各國提供了經過 IT 訓練的熟練專業人員。印度需要以同樣的活力和魄力開發其龐大的人力資源，將他們的技能導向熟練掌握人工智能相關應用。與大多數開發人工智能相關軍事技術的國家一樣，私營部門的研發工作已自動擴散到國防工業。

結論

本文旨在研究人工智能在海軍行動中的適用性，并對自主海軍任務的不同層面進行了多方面的研究。關鍵問題仍然是，在商業商船數量不斷增加導致海洋環境日益擁擠的情況下，這些基于人工智能的系統能否為海洋公域提供安全保障并保護中立商業。因此，在未來，自主系統最重要的要素將是其同時區分多艘船只和維護商船聲學特征數據庫的能力。這需要商業航運公司的合作，以及對深度學習算法的嚴格測試，以驗證這些自主系統的模式識別過程。雖然自主艦艇可以執行各種海軍任務，但需要在其系統中預設遵守國際海事法和公約的程序，以避免其闖入劃定的專屬經濟區。最重要的是，長期執行閑逛任務的自動艦艇需要使用可持續能源，以確保其任務不會對海洋環境造成任何損害。正如一份報告所提到的，二者之間的矛盾在于，對這些船只的開發進行監管時，"對雙重用途技術的控制不會阻礙有關自主性民用應用的科學研究，從而也不會阻礙經濟發展"。

隨著人類發展的每一個時代，海軍行動都在發生變化，隨著以網絡為中心的戰爭新時代的到來，海軍規劃者將相應地需要考慮到所有的可能性。基于人工智能的系統提供了超越人類可能的機會，為海上安全任務注入了新的熱情。然而，這些技術只有在不對稱的情況下才能在戰場上獲得技術優勢。海軍作戰人員、規劃人員和戰略人員需要認真思考這條自動化之路將把他們帶向何方。雖然否定人工智能系統的發展是在冒險，從長遠來看可能會付出高昂的代價，但從目前的情況來看，更上一層樓就會出現兩支都由人工智能系統指揮的海軍對峙的局面。在這種決策-行動周期完全崩潰的超戰爭場景中，海軍任務與海戰之間的界限可能會變得模糊不清。

生成式人工智能模型能夠執行一系列傳統上需要創造力和人類理解力的任務。在訓練過程中，它們可以從現有數據中學習模式，然后根據這些模式生成文本、圖像和音樂等新內容。一方面，由于它們的多功能性和普遍的高質量結果，它們代表了數字化的機遇。另一方面，人工智能生成模型的使用也帶來了新的 IT 安全風險，在全面分析與 IT 安全相關的威脅時需要考慮這些風險。

針對這種潛在風險，使用生成式人工智能的公司或機構在將生成式人工智能集成到工作流程之前，應進行單獨的風險分析。這同樣適用于開發人員和運營商，因為生成式人工智能的許多風險必須在開發時就考慮到，或者只能由運營公司來影響。在此基礎上，可以調整現有的安全措施，并采取額外的措施。

人工智能在空戰領域正變得越來越重要。目前，大多數空戰研究都假定所有飛機信息都是已知的。但在實際應用中，由于現實限制和傳感器誤差，一些飛機信息，如位置、姿態、速度等，可能是不正確的，或者是不可能獲得的。在本文中，我們提出了一種基于深度強化學習的框架，用于開發一種能夠在信息不足的部分可觀測馬爾可夫決策過程（POMDP）條件下執行可視范圍（WVR）內空對空作戰的模型。為了穩健地應對這種情況，我們使用了遞歸神經網絡，并應用了軟評價器（SAC）算法，以有效應對現實限制和傳感器誤差。此外，為了提高學習效率和效果，我們還應用了課程學習技術來限制狀態空間的探索范圍。最后，模擬和實驗結果表明，所提出的技術能夠在嘈雜的環境中處理傳感器限制和誤差引起的實際問題，同時還能高效地減少學習的訓練時間。

圖 2 顯示了本研究提出的空戰模型學習框架概覽，該框架由矢量化空戰模擬環境和包括重放緩沖器在內的循環 SAC 模塊組成。環境中有兩個動態模型：己方和目標。它們分別從 SAC 模塊的角色和基于規則的行為模型中獲得動作 at 和 atarget，并輸出飛機狀態 sownship 和 starget。模擬器根據這些狀態生成獎勵 rt 和觀測值 ot，同時考慮到配置的傳感器特性。軌跡（ot、at、rt）被存儲在重放緩沖區中，固定長度的軌跡序列將被采樣用于批判。

應用人工智能模擬空對空作戰場景正引起越來越多的關注。迄今為止，高維狀態和行動空間、高度復雜的情況信息（如不完全信息和過濾信息、隨機性、對任務目標的不完全了解）以及非線性飛行動態對準確的空戰決策構成了巨大挑戰。當涉及多個異構代理時，這些挑戰會更加嚴峻。我們為具有多個異構代理的空對空作戰提出了一個分層多代理強化學習框架。在我們的框架中，決策過程分為兩個抽象階段，異構的低級策略控制單個單位的行動，而高級指揮官策略則根據總體任務目標下達宏觀命令。低層次政策是為精確控制部隊作戰而訓練的。它們的訓練是按照學習課程安排的，其中包括日益復雜的訓練場景和基于聯賽的自我比賽。根據預先訓練好的低級策略，對指揮官策略進行任務目標訓練。經驗驗證證明了我們設計方案的優勢。

圖4. 人工智能對目標定位的增強：人工智能可以通過搜索目標并在發現后發出警報來增強動態目標定位周期。

開發和使用新的軍事技術是一個軍事專業人員工作的一部分。事實上，軍事歷史在很大程度上是一個技術革新的故事，士兵需要學習如何操作新系統。因此，關于整合人工智能的很多東西并不新鮮。就像坦克、飛機甚至弩一樣，隨著時間的推移，士兵們學會了使用和運用技術，工業界學會了以足夠的數量和質量生產技術，高級領導人學會了運用技術來實現戰略效果。如前所述，人工智能技術與它們的顛覆性“前輩”之間的區別在于，前者有能力改善廣泛的軍事武器、系統和應用。由于這種潛在的普遍性，幾乎所有的士兵都必須在某種程度上變得熟練，才能有效地和道德地運用AI技術。隨著這項技術在應用上的擴展，戰爭將像管理暴力一樣管理數據。

這種普遍性也提出了關于人類發展和人才管理的問題。盡管培訓計劃最終會培養出更多的知識型士兵，人事系統也會提高管理士兵的能力，但軍警人員能夠獲得知識和技能的限制仍然存在，特別是在作戰層面。盡管討論的目的不是要建立嚴格的指導方針，但討論確定了士兵需要獲得的許多知識。例如，士兵將需要知道如何策劃和培訓數據庫，而該數據庫對他們正在執行的任務有著重要作用。這樣做需要確保數據的準確、完整、一致和及時。使用這些數據需要熟練應用推薦模型卡中描述的條件，而熟練的操作有助于確保算法以有效和道德的方式執行。

當然，信任不能僅靠政策和程序來保證。指揮官、參謀員和操作員需要知道他們被信任做什么，以及他們信任系統做什么。指揮官、參謀員和操作員信任人工智能系統來識別合法目標，并避免識別非法目標。參與這一過程的人必須在使用這些信息時，既需要擊敗敵人，又必須避免友軍和非戰斗人員的傷亡。要找到這種平衡，就需要判斷人應該承擔多大的風險。

只要參與流程的人類能夠與系統進行有效的互動，由人工智能賦能的系統就能促進找到這種平衡。在將人類控制整合到機器流程中時，人們經常被迫在控制和速度之間做出選擇：強加的人類控制越多，系統的運行速度就越慢。但本研究發現這種兩難的局面是錯誤的。盡管在某些情況下，在人的控制和速度之間進行平衡可能是必要的，但如果系統要最佳地運作，人的輸入是必要的。

實現最佳性能首先要求指揮官確保參謀和操作人員了解模型能力，理解數據質量的重要性，以及洞悉模型在作戰環境中的表現。盡管它可能不會使系統更加精確或準確，但實現這些任務可使系統能夠更好地對輸出進行概率分配。第二，指揮官需要確定對任務、友軍戰斗人員和敵方非戰斗人員的風險有多大才合適。這一決定很復雜，其中關鍵任務可能是需要容忍更多的友軍和非戰斗人員傷亡。同樣，如果非戰斗人員的密度較低，即使任務不那么緊急，也可以容忍較高的風險。尋找這種平衡將是人類的工作。

但在前面描述的模糊邏輯控制器的幫助下，指揮官可以更好地確定什么時候可以信任一個人工智能系統在沒有人類監督的情況下執行一些目標定位步驟。此外，可以通過構建交互的邏輯，以找到多種不同的人機互動配置，確保系統的最佳使用，同時避免不必要的傷害。在LSCO期間，讓指揮官在需要時選擇智能和負責任地加快目標定位過程將是至關重要的，本報告中提出的設計實現了這一目標。這一成就在未來尤其重要，因為為了保護部隊并實現任務目標，指揮官將面臨大量時間敏感目標，及面臨承擔更多風險的操作條件。

在培養具有正確技能的足夠數量士兵以充分利用人工智能技術方面，仍有大量的工作。目前的人才管理計劃尚未達到管理這一挑戰的要求，盡管多個有前途的計劃準備最終滿足需求。然而，在大多數情況下，這些計劃都是為了滿足機構層面的要求，在機構層面上做出全軍采買人工智能和相關技術的決策。但是，這些技能將如何滲透到作戰陸軍，尚不清楚。

盡管人工智能在目標定位中的使用并不違反當前的戰爭法，但它確實引起了一些道德倫理問題。在所討論的目標定位系統背景下，這些倫理問題中最主要的是問責制差距和自動化偏見。第一個問題對于回答核心問題至關重要，“指揮官在什么基礎上可以信任人工智能系統，從而使指揮官可以對這些系統的使用負責？”自動化偏見和數據衛生與問責制差距有關，因為當這些問題存在時，它們會破壞指揮官可能希望實施的有意義的人類控制措施。指揮官可以通過以下方式縮小問責差距：首先，確保人員受到適當的教育、技能和培訓，以整理相關數據；其次，確保指揮官允許的風險，準確地反映完成任務與保護友軍士兵和非戰斗人員之間的平衡需求。指揮官還可以通過在機器需要更多監督時向參與該過程的人類發出信號來減少自動化偏見的機會及其潛在影響。

作為一個專業人員，不僅僅意味著要提供服務，還要在出問題時承擔責任。專業人員還必須了解各種利益相關者，包括公眾和政府及私營部門實體，如何與本行業互動和競爭。鑒于這些技術的潛力，軍事專業人員必須首先學會在技術及其應用的發展中管理預期。由于這種演變影響到專業工作的特點，軍事專業人員還必須注意專業以外的人如何重視、獎勵和支持這項工作。因此，隨著美軍繼續將人工智能和數據技術整合到各種行動中，對其專業性的考驗將在于擁有專業知識的能力，以及建立能夠繼續發展、維護和認證這種專業知識的機構，這些機構既能滿足美國人民的國防需求，又能反映他們的價值觀。

在過去的幾年里，人工智能（AI）系統的能力急劇增加，同時帶來了新的風險和潛在利益。在軍事方面，這些被討論為新一代 "自主"武器系統的助推器以及未來 "超戰爭 "的相關概念。特別是在德國，這些想法在社會和政治中面臨著有爭議的討論。由于人工智能在世界范圍內越來越多地應用于一些敏感領域，如國防領域，因此在這個問題上的國際禁令或具有法律約束力的文書是不現實的。

在決定具體政策之前，必須對這項技術的風險和好處有一個共同的理解，包括重申基本的道德和原則。致命力量的應用必須由人指揮和控制，因為只有人可以負責任。德國聯邦國防軍意識到需要應對這些發展，以便能夠履行其憲法規定的使命，即在未來的所有情況下保衛國家，并對抗采用這種系統的對手，按照其發展計劃行事。因此，迫切需要制定概念和具有法律約束力的法規，以便在獲得利益的同時控制風險。

本立場文件解釋了弗勞恩霍夫VVS對當前技術狀況的看法，探討了利益和風險，并提出了一個可解釋和可控制的人工智能的框架概念。確定并討論了實施所提出的概念所需的部分研究課題，概述了通往可信賴的人工智能和未來負責任地使用這些系統的途徑。遵循參考架構的概念和規定的實施是基于人工智能的武器系統可接受性的關鍵推動因素，是接受的前提條件。