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

在武裝沖突中，支持武裝集團的民眾參與形成的非對稱沖突占比日益顯著。為此，專門針對此類作戰形態設計的"影響力作戰"（Influence Operations）已成為指揮官必須掌握的新興戰術領域。當前影響力作戰訓練體系主要聚焦個體技能提升與文化認知強化，其進一步發展面臨兩大核心挑戰：

i) 實戰化訓練用例的界定

ii) 影響力作戰抽象概念（心理戰[PSYOPS]、關鍵領導人接觸[KLE]、軍民合作[CIMIC]等）的建模、仿真與可視化

本文提出一種突破現有訓練模式的解決方案，通過構建師/旅級指揮官高階模擬訓練平臺應對挑戰。該方案包含以下創新要素：集成訓練全周期組件（準備、推演、監督、分析）的作戰級訓練平臺，針對影響力作戰抽象概念開發的高階模型與創新人機交互界面，基于現有聚合式構造仿真系統與專用影響力作戰仿真模塊的實施方案，包含交互模型設計與效果評估。

影響力作戰的目的和主要概念

軍事影響力戰略通過預判行動對相關行為體認知的影響效應進行設計，其核心目標在于：促使目標對象轉變思維狀態或重構形勢認知，最終形成符合國家或多國利益的立場；避免武裝沖突，為危機期間兵力部署與行動實施創造有利環境；構建并維護本國或盟友行動的合法性與公信力；僅在絕對必要時使用武力解決國家或國際沖突/危機；通過干預對手的意志、認知或手段，削弱其對抗戰略的影響力源；強化友好受眾的信念認同以鞏固其支持；促使中立/搖擺受眾接納戰略目標與手段，至少不形成對抗；改變敵對受眾的認知與意圖，影響其決策過程或技術手段，實現削弱、瓦解、孤立或遏制其敵對行為；增強己方部隊抗干擾能力，抵御對手宣傳與影響力攻勢

影響力作戰涵蓋所有為實現MIS目標而實施的軍事行動，其行動特點包括：非強制化手段：側重非武力、非權威壓制的任務設計；多層級聯動：主要服務于戰略（MIS）與戰役層級目標，但多在戰術層面執行；精準文化適配：向"影響力作戰目標"（IO目標）傳遞的信號/信息需在內容、形式、時機與傳播途徑上契合目標群體的文化-語言特征；環境深度分析：需開展針對影響受眾環境的系統性分析以應對上述特殊約束。

地理信息系統（GIS）和遙感因其空間性而被認為在軍事中具有重要意義。本研究采用描述-分析方法來說明地理信息系統在軍事行動中的應用，從選定的研究中吸取陸基軍事發展的經驗教訓。最近的軍事發展表明，各種軍事機構在軍事行動中的指揮、控制、通信和協調都依賴于可靠和準確的空間測繪工具。研究指出，高分辨率衛星數據和無人機技術與機器學習和人工智能（AI）相結合，已在軍事領域得到廣泛應用，包括制圖、地形分析、情報收集和傳播、目標識別、保護軍事重要設施以及歷史建筑。GIS 機器學習與人工智能的結合對軍事規劃和部署具有重要意義，因為對地形的理解有助于實時確定戰場上的戰略位置。研究建議有必要對軍事人員進行地理空間技術培訓，并確保適當的部署，以便開展富有成效的軍事行動。

盡管面臨已查明的挑戰，但許多國家仍在發展以人工智能（AI）為關鍵組成部分的所謂多域作戰。現代軍事行動凸顯了更新戰斗管理和跨域通信的必要性，這也是聯合全域指揮與控制（JADC2）原則的核心。人工智能的潛力顯而易見，在自主平臺徹底改變戰爭的同時，也給指揮與控制（C2）帶來了復雜性，這也反映在能力發展上。本研究為軍事能力的系統分析確定了合適的概念，并以此為起點，在所描述的背景下形成了 C2 能力發展框架。確定了一系列概念：戰斗力、戰斗力、聯合功能、作戰功能、戰斗力要素、作戰能力、DOTMLPF（I）、TEPIDOIL、能力的基本投入、發展防線和軍事力量。研究報告還強調了這些概念的系統性，并簡要指導讀者如何將問題與合適的概念相匹配。

圖 1：使用設計邏輯模式說明聯合功能/作戰功能/戰斗力要素在軍事力量設計中的作用。

目前，許多國家都在推進其掌握多域作戰的軍事能力。在空中、海上、地面和網絡等多個軍事領域開展軍事行動極為復雜，因此需要更新作戰管理方法及其相關的指揮與控制（C2）框架。這種 C2 框架的設計使指揮官能夠同步協調行動，打擊所有領域中大量移動的敵方目標。目前，由于指揮和控制系統的過時，要在速度和可接受的損失或附帶損害風險的情況下完成此類行動具有挑戰性。在這種情況下，人工智能（AI）是一項具有巨大潛力的新興技術，同時也帶來了巨大的挑戰和相關風險。在人工智能的支持下，自主武器系統的發展對指揮和控制的執行提出了新的挑戰。研究強調，如果指揮官不能完全理解人工智能系統的行動，就會面臨重大風險。我們認為，要從新興技術的潛力中獲益，同時從道德、文化和法律的角度塑造社會可接受的軍事能力，就需要對 C2 的發展采取全面的方法。對軍事能力概念形成適當的理解是重要的第一步。

雖然能力是國防和安全部門評估和決策的核心，但對這一術語的理解似乎存在很大差異，從而阻礙了學者或專業人員之間富有成效的交流。Lindbom 等人對與風險管理相關的科學文獻中的定義進行了深入研究。他們發現，能力一詞經常被使用，但卻很少被定義。不過，他們還是列出了與其研究領域相關的 13 個定義。他們的結論是，有些定義似乎將能力等同于資源。其他定義則側重于解決任務或實現目標的能力。在信息系統領域，能力已被納入許多企業架構框架。在該領域使用能力概念的共同目的是對組織實現意圖的能力進行建模，有時還與能力和具體情況相結合。有關在這些框架中使用能力的更多詳情，請參閱 C.f.。

但是，技術與軍事能力概念有何關系？在評估或決定如何應對軍事威脅時，我們認識到技術是一個重要方面。然而，僅有技術顯然是不夠的。技術的整合需要一個包含理論、戰略、領導結構、方法和其他要素的框架。有了系統方法，我們就可以將問題情境視為一個社會技術系統，包括一個潛在的軍事對手，其人員的裝備、訓練和組織都是為了對我們執行其領導意志。相應地，我們也可以將自己的軍事力量視為一個由我們自身相互作用的社會和技術成分組成的應答系統。有關系統模型的詳細介紹，請參見 Lawson。有了這種觀點，就可以根據整個反應系統在與情況系統交戰時的預期效果來做出決策，從而降低嚴重次優化的風險。這等同于根據預期如何影響解決軍事任務的整體能力來做出決策。因此，如果從社會技術系統的角度來看待軍事領域的問題，那么明智的做法是從與解決任務或實現目標的整體能力相關的軍事能力定義入手。這樣的定義也與 “有能力的品質或狀態 ”或 “做某事所需的能力或品質 ”等詞匯定義相一致。下面將討論幾個有用的定義。

假設可以同意，對軍事力量的評估歸根結底是評估其在某種情況下的能力。下一步就是分析當前的問題。這可能涉及以下問題：如果我們選擇這種行動方案，會對能力產生什么影響？或者，如果我們開發和采購這種裝備，會對能力產生什么影響？或者，如果我們這樣組織，會對能力產生什么影響？根據問題的性質，分析需要一個相關的概念，即構成能力的要素有哪些，以及這些要素之間如何關聯的有效理論。從社會技術角度看待能力意味著承認能力由社會和技術兩部分組成。由此可見，要正確理解能力，我們必須讓社會科學和工程學科（如信息系統工程）的研究人員和觀點參與進來。如果缺乏對他人觀點的理解，就有可能阻礙富有成果的對話，從而導致設計不當的系統和能力解決方案。

本研究是為發展軍事指揮與控制能力而建立社會技術系統框架的起點。下一節（第 2 節）介紹了我們的研究方法。第 3 節介紹了我們對軍事領域概念的回顧，第 4 節進行了總結性討論。

通用人工智能的快速發展引發了人們對 “紅隊”的極大興趣。“紅隊”是一種對抗性測試實踐，起源于軍事和網絡安全應用。人工智能 “紅隊 ”引發了許多有關人為因素的問題，例如如何選擇 “紅隊 ”成員、測試過程中的偏見和盲點，以及有害內容對 “紅隊 ”成員的心理影響。越來越多的人機交互和 CSCW 文獻對相關實踐進行了研究，包括數據標記、內容節制和算法審核。然而，對 “紅隊 ”本身進行研究的文獻卻寥寥無幾。本次研討會旨在探討與這種做法相關的概念和實證挑戰，這種做法往往因保密協議而變得不透明。未來的研究可能會探討從公平性到心理健康和其他潛在危害領域的各種主題。目標是促進研究人員和從業人員組成一個社區，開始以創造、創新和深思熟慮的方式應對這些挑戰。

本研討會旨在概述人工智能紅隊的實踐，借鑒歷史經驗，了解其發展軌跡和結構。將優先了解參與人工智能紅隊的人類，以及他們的角色如何影響人工智能系統的開發。此外，我們還試圖利用過去的研究來解決安全問題，并確定與分析紅隊實踐相關的學術學科和方法。我們將重點關注以下主題：

(1) 紅隊的概念化：受羅伯特-索登及其同事[24]將 CSCW 立足于歷史的論點啟發，我們旨在了解紅隊作為一種社會技術合作實踐的發展軌跡。這一主題邀請與會者深入討論紅隊協作的復雜性，并思考在這一領域開展研究的影響[18]。什么是 “紅隊”？“紅隊”的概念是如何隨著時間的推移而演變的？紅隊在更廣泛的負責任人工智能框架中扮演什么角色，分散或外部方法如何促進其有效性？

(2) 紅隊的勞動：這一主題探討了人工智能紅隊的人文方面，調查了參與實踐的利益相關者及其對塑造人工智能系統的影響，為未來的實踐和政策提供信息。通過研究紅隊實踐中涉及的勞動安排和權力動態（例如，技術勞動組織實踐中的不平等[23]），我們試圖發現歷史上的相似之處和當代的方法論，以闡明紅隊人員的角色和運作框架。歷史先例能為我們提供哪些關于紅隊作為一種勞動實踐的啟示？我們如何運用多種方法來研究紅隊人員的勞動結構，包括招募程序和制度承諾？

(3) 紅隊隊員的福祉和傷害：在勞動主題的基礎上，本主題重點關注紅隊隊員的安全和福祉。我們將確定戰略和干預措施，以減輕紅隊活動期間接觸有害內容可能造成的傷害。通過解決這些關鍵問題并結合優先考慮工人福利的建議（如 [19]），我們旨在人工智能紅隊社區內培養一種福利文化。組織如何建立保障措施并設計干預措施，以保護紅隊人員免受潛在傷害？如何實施這些戰略，以確保紅隊人員在工作中的安全和福祉？

數字孿生（DT）正在改變知識的生成和使用方式。數字孿生是一組全面描述潛在或實際物理對象、流程或系統的數據和信息。它們在產品、系統和流程開發前后都會使用，為確定生產的可行性和故障模式提供了一種手段。計算能力、人工智能、大數據和其他新技術的發展，使大型復雜系統的復制具有更高的保真度和預測能力。本研究論文的目的是介紹和確定數字孿生的未來應用前景，了解數字孿生目前的應用領域和方式、未來的應用前景以及對國家安全的潛在影響。

導言

數字孿生是物理產品、流程或系統的虛擬代表，在生命周期管理過程中與物理實體配對，幫助其從概念發展到原型，再到最終版本。數字孿生是一個產品、流程或系統的綜合數字模型，與相關環境一起用于測試、集成和模擬，而不會影響其現實世界的對應物。該術語由邁克爾-格里夫斯（Michael Grieves）和約翰-維克斯（John Vickers）于 2003 年提出；自那時起，這一概念已在許多領域得到廣泛接受和應用，以至于被技術研究和咨詢公司 Gartner 列為 2019 年的關鍵戰略技術趨勢。這一發展在很大程度上是由物聯網（IoT）、多物理仿真、實時傳感器和傳感器網絡、機器學習、人工智能、大數據、數據管理和數據處理等技術的進步所推動的。

數字孿生從一開始提出就旨在成為產品生命周期管理的基本前提，并存在于其所代表的物理實體的整個生命周期（創建、構建、運行/支持和處置）。由于信息是細粒度的，因此數字孿生的表現形式是由它所創建的基于價值的使用案例來決定的。在創建階段使用數字孿生，可以對預期實體的整個生命周期進行建模和模擬。現有實體的數字孿生可實時使用，并定期與相應的物理系統同步。

新技術的動態和快速發展使國家安全成為當務之急，如何將新技術應用于不同領域也是一個重要問題。從事這一領域工作的專家們堅信，新技術可以在作戰--戰術過程、必須做出臨時決定的過程、真實數據、數據收集、地理信息系統（GIS）、制圖、地圖繪制等過程中發揮作用。

一個不爭的事實是，數字十年中的許多新技術，特別是與數字孿生相關的技術的使用，具有許多優勢，但與此同時，也存在著挑戰。本文分析并介紹了可用于國家安全的技術。遺憾的是，在這一點上，挑戰和未知因素更多，其原因恰恰在于該技術是新技術，尚未明確定義。關于國家安全與數字孿生的關系、數字孿生的用途和挑戰，還有太多的問題有待厘清。事實上，每一項新技術要想投入使用，都必須標準化、規范化，并在一定發展時期的戰略文件中用報告其進展情況的指標來描述。此外，所有新技術對國家安全的積極影響是毋庸置疑的，但由于沒有明確的概念定義，使用這些技術是一個嚴峻的挑戰。

1. 數字孿生的定義。

對于這項正在飛速發展的新技術，人們有不同的定義。在科技界，最普遍接受的定義是 "數字孿生是物理資產、流程、系統或環境的動態虛擬副本，其外觀和行為與現實世界中的對應物完全相同。數字孿生可獲取數據并復制流程，從而預測真實世界產品可能出現的性能結果和問題"。

新技術的展示和引入沒有特定的時間框架。將其引入技術流程的目的和原因各不相同。數字孿生是現實世界實體或系統的數字呈現。數字孿生的實現是一個封裝的軟件對象或模型，它反映了一個獨特的物理對象、流程、組織、個人或其他抽象概念。多個數字孿生的數據可以聚合在一起，形成對若干現實世界實體（如發電廠或城市）及其相關流程的綜合視圖。

數字孿生聯盟向學術界提出了以下數字孿生的定義： "數字孿生是現實世界實體和流程的虛擬呈現，以指定的頻率和保真度同步。數字孿生系統通過加速整體理解、優化決策和有效行動來改變業務。數字孿生使用實時和歷史數據來代表過去和現在，并模擬預測未來。數字孿生以結果為動力，根據用例量身定制，以集成為動力，以數據為基礎，以領域知識為指導，并在 IT/OT 系統中實施"（Olcott & Mullen, 2020）。

2.實施數據傳輸所需的技術

數字孿生技術利用機器學習算法處理大量傳感器數據并識別數據模式。人工智能和機器學習（AI/ML）提供有關性能優化、維護、排放輸出和效率的數據洞察。實施過程中包含的主要技術有（Fuller 等人，2020 年）：

• 基于物理的建模；
• 數據驅動建模和大數據控制論；
• 基礎設施和平臺；
• 人機界面；
• 數據管理。

需要指出的是，數字孿生是一個不斷發展的概念，將來可能會包括其他技術，尤其是當新技術成熟時。不過，以下內容可視為當前數字孿生實施中一些最重要方面的集合。

基于物理的建模--數字孿生通常始于建模活動。事實上，許多中小型企業已經擁有這樣或那樣的產品模型，這可以成為數字孿生實施的理想起點。如果物理資產還沒有相應的三維模型，逆向工程（RE）可能會很有用。逆向工程包括將物理對象的掃描（如激光掃描）轉換回幾何模型。無論是從頭開始建模還是通過逆向工程建模，通常都需要計算機輔助設計（CAD）軟件。

數據驅動建模與大數據控制論--除了通過已知數學模型對物理過程進行建模外，另一種方法是對物理孿生體的實際情況進行測量，并應用數據驅動建模方法（Kukushkin, Ryabov, & Borovkov, 2022）。數據驅動建模法的一個優勢是，數據可以涵蓋已知和未知的物理過程，從而提供更完整的物理過程描述。然而，要以這種方式為物理過程建模，通常需要大量數據。物聯網（IoT）是此類數據的一個潛在來源（Oracle，2017）。物聯網由相互連接的傳感器、儀器和其他設備組成，可以收集大量數據，并不斷將數據流用于進一步處理。混合建模方法旨在結合物理建模和數據驅動方法。混合分析法通常能提供更靈活、更穩健的方法，其優勢在于既能保留模型的已知物理特性，又能解決困擾數據驅動法的數據質量或數量低下的問題。盡管如此，混合分析往往更為復雜，需要更有針對性的方法。

基礎設施和平臺--數字孿生中涉及的所有模型和數據在處理時通常都需要大量的計算資源。能夠在大數據背景下進行處理的主要技術之一是云計算。云計算通過網絡從遠程位置提供計算資源。云計算的主要優勢之一是，它提供了計算資源的靈活擴展性，中小企業無需投資自己的基礎設施，考慮到數字孿生不同實施階段的不同計算需求（如訓練 DNN），這一點非常有用。云計算可與邊緣計算形成對比，后者的目的是使計算資源更接近數據源。邊緣計算的一個主要優勢是，數據處理無需離開本地網絡，從而避免了大量數據的傳輸，解決了延遲問題。邊緣計算的另一個好處是更容易確保數據的私密性和安全性。不過，這通常需要對本地計算機硬件進行大量投資。霧計算可自動結合邊緣和云計算資源，優化數據處理。與云計算類似，高性能計算（HPC）通常也是從遠程位置提供的，但與云計算不同的是，它的目標是解決極其復雜的問題，而這些問題通常無法通過一臺消費級計算機來解決（Callcut 等人，2021 年）。

人機界面--數字孿生為利用增強現實（AR）和虛擬現實（VR）等先進的可視化方法帶來了極大的可能性。如果有物理資產的數字孿生，那么在許多情況下，將從數字孿生中提取的數據疊加到物理孿生上是很有意義的。疊加的方式多種多樣，可以使用 AR 頭顯或其他屏幕，也可以直接將信息投射到物理孿生體上。AR 和 VR 可為用戶提供視覺反饋，但也需要將用戶的信息傳遞給孿生體（例如，用于控制）。AR 和 VR 可以與自然語言處理或手勢控制等技術相結合，提供有效的環境，在這種環境中，可以通過語音控制或肢體動作控制雙胞胎。

數據管理--數字孿生涉及許多不同的模型版本，可以代表孿生整個生命周期的不同方面，從設計和模擬到制造和實際使用。產品生命周期管理（PLM）提供了一個平臺，用于整合、存儲和訪問產品生命周期內的數據。PLM 的主要優點是提供配置控制和可追溯性。PLM 可用于多種不同類型的數據，從產品結構數據和 CAD 圖紙到文檔和相關電子學習信息。PLM 也是使用標準的重要驅動力，而標準在數字孿生的實施中至關重要，可確保不同組件之間的互操作性，以及數字孿生與外部世界之間的互操作性。區塊鏈技術在過去幾年中通過在各種加密貨幣中的應用而得到普及。不過，區塊鏈確實有更廣泛的用途，可以在數字孿生中發揮作用。區塊鏈提供了永久性的去中心化信息歷史記錄，具有安全、可追溯和透明的特點；所有這些在數字孿生中都很重要。區塊鏈技術也有替代品，例如有向無環圖（DAG），可以解決可擴展性方面的一些問題。

3. DTS 的標準化--技術還是方法？

在科學學術界，對于數字孿生是一種技術還是一種方法論，專家們有不同的說法和意見。通過分析，我們目前認為，數字孿生是一種方法論的假說是正確的科學表述。另外，目前還沒有關于數字孿生的確切規定--法律上的規范性時間表以及確定的標準。

就數字孿生的標準化定義達成共識非常重要。ISO 23247-1:2021 中就有這樣一個標準化描述的例子，其中規定 "數字孿生<制造>的數字表示（3.2.2）適用于特定目的的觀察生產要素，要素與其數字表示之間具有同步性"。

該方法的一個關鍵部分是適當定義我們要映射到數字世界的真實系統及其子系統。此外，確定這樣做的原因也很重要。下一個研究問題是確定與解決現實問題直接相關的現實世界的詳細程度。這也取決于相關數據源的定義及其質量的確定，這將影響數字孿生的質量。有了詳細程度，我們還將確定能夠真實描述真實系統元素的最小單元。與不直接涉及人類的技術系統不同，組織系統中真實世界的定義更為復雜，這正是 因為人類和物理環境的存在。

物理實體 - 在數字孿生系統中，物理實體有兩大功能：數據收集和設備控制。物理實體是虛擬實體的數據源和執行單元。各領域的數字孿生標準因其應用場景的特殊要求，在物理實體的邊界方面略有不同。在智能制造領域，ISO 23247-2:2021 將 "物理 "對象定義為 "可觀測的制造元素"，包括人員、設備、材料、設施、環境、產品以及邏輯對象（如支持文件和流程）。IEC 62832-1:2020 標準進一步擴展了邏輯對象的定義，將軟件、概念、專利、想法、方法等無形事物以及任何可定義為行業資產的事物都包括在內。不過，這些標準都是專門為制造業或行業數字孿生創建的，應提出整體數字孿生的標準化定義。

即使沒有公布數字孿生物理實體的標準，許多標準也可以重復使用或參考，現有的現場總線配置文件、配套規范和其他定義設備和組件屬性的規范應轉入標準化字典，規劃文件等概念資產的特征也應納入標準化字典。

虛擬實體--在數字孿生系統中，虛擬實體是物理實體的數字表示。虛擬實體由建模組成，以便通過多時空尺度描述物理實體。從結構角度看，IEC 63278-1 ED1 工業應用資產管理外殼--第 1 部分： 資產管理外殼結構外殼結構是第一個與虛擬實體主題相關的標準，它定義了描述資產特征的語義模型，是模型、子模塊和 AAS 之間的序列化和交換格式，因此，盡管 IEC 63278-1 ED1 是為工業目的設計的，但智慧城市和其他垂直領域也可以考慮使用或調整該標準。

在建模領域，甚至在 DT 概念引起廣泛關注之前，各種標準制定組織（SDO）就已經做出了許多努力。ISO 23247 系列中的所有部分都明確表示，在實施該標準時優先考慮使用現有的建模標準。ISO 23247 系列中列出了一些標準，如 ISO 10303 系列 "產品模型數據交換標準"、IEC 62264 系列 "企業控制系統集成"、IEC 62714 系列 "自動化標記語言（AML）"、ISO 13399 系列 "切削刀具數據表示和交換 "等，這些標準并不是特意為數字孿生而制定的，但這些標準可以通過 XML、JSON、RDF、AML、OPC-UA 和任何其他通用數據描述語言或格式的實施來滿足大多數用例。除了與建模相關的現有標準外，我們還注意到針對數字孿生的標準開發活動。目前，IEEE SA 標準委員會授權制定標準的項目之一是 P2806.1--工廠環境中物理對象數字表示的連接要求標準。該標準提出了數字孿生的數字表示，它定義了數字孿生中異構數據情況下的高速協議轉換、統一數據模型和數據訪問接口。因此，建議在 DT 標準化工作中采用現有的建模標準。

數據--數據是數字孿生的驅動力。在數字孿生系統中，模型和信息表征不是獨立工作的，不同數字孿生系統之間的合作往往涉及數據和模型的交換，因此數據結構以及默認值、數據類型、數據格式等數據屬性的標準化是非常必要的。數字孿生中許多與數據處理和管理相關的技術都可以通過采用現有的數據處理標準來實現。

與虛擬實體相關的數據處理和管理可能需要特別注意。數字孿生系統中的模型是根據物理實體的變化而動態變化的，這就意味著需要進一步規范時間戳和有效性聲明等屬性。此外，虛擬實體產生的合成數據應被普遍識別為不同于物理實體的數據，因此識別標準應考慮這些新的特征。這些特殊要求可能導致有必要更新某些現有標準，甚至制定一些新標準。

連接--連接指的是通信和互操作性，它們共同實現了實體之間的互聯。IEEE 為這種互動提出了一個能力框架，即 2888.3，該標準提供了一個俯瞰網絡和物理世界中一般對象之間互動的框架，包括物理事物和數字事物（網絡事物）之間的互動能力、與后端基礎設施輕松集成/與其他外部系統集成的能力、授權方訪問事物的能力、描述物理設備、虛擬設備或任何可建模的事物的能力。為實現互操作性，應考慮多種網絡共存的問題，而要解決這一問題，OPC UA 是一個重要的標準。憑借其語義能力，OPC UA 支持的不僅僅是數據傳輸，它還包含以信息為中心的數據模型，這將異構數據傳輸為統一信息，從而實現工業系統的安全數據交換。

服務--提供服務是數字孿生的目的。在標準工作中收集了來自不同領域的用戶案例。在智能制造領域，ISO 23247-4:2021 在國際標準中提供了三個用例 "多機器人之間制造任務的動態調度"，描述了產品、流程和資源的數字孿生模型，用于多機器人之間制造任務的動態調度。

為此，它建議圍繞兩個關鍵主題制定不同類型的若干標準：

• 建筑環境數字孿生框架： 這一主題考慮到國際標準化組織（ISO）為制造業制定數字孿生框架的現有工作，以便將建筑環境方法與其他部門正在采取的方法進行比較和調整；以及

• 數字化建筑環境： 數字孿生：這一主題確定了現有標準體系中的差距，以便通過數字孿生等機制，促進各組織之間可信、開放和安全的信息交流。

本研究論文對數字孿生技術標準的分析分為五個方面，即物理對象、虛擬對象、數據、連接和服務。標準化仍然是數字孿生及其在不同領域應用的主要挑戰之一。

4. 數字孿生的挑戰與優勢

挑戰--在相對封閉的技術系統（如風力渦輪機、飛機系統或智能工廠）領域有許多實施案例，而在復雜的社會技術系統（組織）領域則少得多。

本文重點探討了為滿足復雜組織系統的管理需求而開發建立數字孿生的方法問題。雖然在實踐中已經有了幾種創建數字孿生的方法，但對于如何有效地創建復雜組織系統的數字孿生以支持戰略決策，卻知之甚少。多位作者還指出，標準化是數字孿生方法論發展的關鍵。我們必須對數字孿生有一個標準化的定義，因為工程師與組織科學領域的工作人員對數字孿生的理解是不同的。只有對基本概念有共同的語言和理解，才能促進這一領域的發展，使數字孿生領域的各相關方更好地合作。這也將有助于更加清晰地理解和實施數字孿生。問題的實質是將現實世界映射到其數字孿生中的準確度和質量如何，以及定義數字孿生 的最低要求。并非每一個現實世界的可視化數據也是其數字孿生（Fuller et al.）

根據數字孿生的目的，我們必須確定其粒度，這取決于數據的可用性和精確度。DT 的質量取決于數據質量。這也與物理元素虛擬復制的精度和質量有關。當我們打算創建 DT 時，所有這些相互聯系都會給我們帶來挑戰。所有這些也都與建立 DT 的成本有關。在此過程中，我們還可以嘗試減少數據源，而不是根據從傳感器獲得的數據計算虛擬數據。為此，我們必須了解描述物理實體的參數之間的相關性。這樣我們可以降低成本，但也會損失一些質量。

同樣重要的是，在開始階段，我們不需要大型系統，而需要我們能夠處理的小型系統。同樣重要的是，我們以后可以將不同的 DT 連接到更大的 DT 上。這可能是智能城市或國家層面的情況。歐盟委員會有一個名為 "目的地地球"（Destination Earth）的項目，目的是提供獨特的地球數字建模能力，以提高歐盟監測和模擬環境變化、預測極端事件以及調整歐盟行動和政策以應對氣候相關挑戰的能力。

人們應將數字孿生視為 "一段旅程，而不是一個目的地"（Callcut 等人，2021 年）。這一點非常重要，因為有了數字孿生，我們就制作了真實實體的虛擬副本，而真實實體的生命周期是不受限制的。而旅程也是相似的，并不局限于終點。

在《民用基礎設施系統中的數字孿生》一文中，受訪者一致認為網絡安全是數字孿生需要解決的問題（Callcut et al.） 受訪者 B 提出并得到調查結果支持的另一個重要問題是，數字孿生是一種 "工作方法和方式"，而不是 "產品或技術"（Callcut 等人，2021 年）。VanDerHorn 和 Mahadevan（2021 年）在《數字孿生：通用化、特征描述和實施》一文中也指出了有關數字孿生的這些挑戰。

• 組織文化： 數據和模型的共享需要多個利益相關者之間的合作與協作，而這些利益相關者的業務目標可能相互競爭。利益相關者之間需要確保公平價值、數據安全和知識產權；

• 技術成熟度： 考慮到當前技術的成熟度會影響技術開發的時間表和成本，技術開發需要優先考慮那些能最有效地提高效率和效益的技術；

• 驗證和確認（V&V）：

DT 通常由許多不同的模型和流程組成，這些模型和流程既需要單獨的 V&V，也需要作為一個綜合系統進行 V&V。然而，由于 DT 從定義上來說是具體建模的物理系統所獨有的，因此可能無法對單個實例、完整的系統模型進行驗證。從單個組件模型的 V&V 推斷到整個系統具有挑戰性；

• 自動化： 在許多數據傳輸實施中，一個突出的目標成果是通過數據交換和分析的自動化來減少人工操作。雖然開發工作正在進行中，但作為當前解決方案的一部分，仍然非常依賴人工操作。

優勢--新技術的興起推動了 DT 流程的發展，因為新技術的實施成本效益極高。如今，虛擬雙胞胎在企業中十分流行，并被視為近年來戰略技術規劃的首要趨勢。近年來回答的一個最重要的問題是，數字孿生流程如何改變我們今天的設計、規劃、制造、運營、模擬和預測方式？

在創建的虛擬平臺中，物理孿生作為其現實世界自我的實時數字化副本而存在。這座世界之間的 "橋梁"，其核心是用于優化業務績效。這是通過數據分析和系統監控來實現的，目的是發現任何問題，并最終防止這些問題在現實環境中發生并影響停機時間。所進行的模擬有助于開發和規劃未來流程中的產品或服務更新。

這些好處幾乎無法估量，因為它們影響到所有行業，包括農業、交通、政府機構、各級安全和零售業等。使用數字孿生技術的其他好處還包括：通過真實世界的系統進行綜合管理，節約成本，更好地改進決策支持，進行風險管理模擬，找到根本原因等。VanDerHorn 和 Mahadevan（2021 年）在 "數字孿生：通用化、特征化和實施 "一文中也指出了有關數字孿生的好處，如連接以前未連接的數據源、開發計算模型、不確定性量化、改進輸出交付/可視化、改進數據基礎設施和管理等。

5. 國家安全與數字孿生技術--面對新的安全挑戰和影響

新技術正以動態和快速的方式進入國家安全的各個領域，并以不同的方式取代傳統的程序。它們在決策過程中尤為重要。

無可爭辯的事實是，數字十年中的大部分新技術，尤其是與數字孿生相關的技術的使用，具有許多優勢，但與此同時，挑戰也隨之而來（Stoykov, Dimitrova, & Marinov, 2011, p.541）。

在這篇文章中，作為對國家安全新技術的分析，所有內容仍然充滿挑戰，原因只有一個，即這項技術是新技術，尚未明確定義。關于國家安全與數字孿生之間的關系、數字孿生的用途和挑戰，還有太多問題有待澄清。

現在已經很清楚，數字孿生所使用的技術發揮著重要作用，并將繼續加強國家安全，抵御未來的威脅和網絡攻擊。特別是，技術可以幫助識別潛在威脅，輕松共享信息并保護其中的機制。

本研究論文概述了支持數字孿生技術發展的各項技術。國家安全與數字孿生技術的直接聯系源于數據。尤其重要的是，作為數字孿生基礎的技術本身就是以數據為基礎的。所有決策都以數據為基礎，因此必須對數據進行收集、建模和存儲。對于國家安全領域的所有決策而言，實時獲取數據非常重要。

數字孿生技術包括物聯網（IoT）、人工智能（AI）、擴展現實（XR）和云計算。此外，數字孿生根據應用類型的不同，或多或少地在國家安全領域本身使用某些技術。在這方面，無論是混合型威脅還是實體關鍵基礎設施。

每項新技術要想投入使用，就必須實現標準化、規范化，并在一定發展時期的戰略文件中用報告其進展情況的指標對其進行描述。

為此，我們對與數字孿生技術相關的戰略文件進行了分析，得出的結論是，很少有國 家制定了關于在國家安全中開發和使用這些技術的戰略文件。主要國家都制定了為期十年（通常到 2030 年）的國家發展框架，并指出了在此期間要采取的措施和要實現的主要發展指標。

目前，所有文件都間接提到了新技術，或將其作為十年期發展戰略的一部分加以描述。使用數字孿生技術的發展動態恰恰相反。這些技術的發展和使用非常迅速，并取得了巨大的進步和成功。

在回顧了數字孿生技術與國家安全的相互關系之后，我們可以得出以下結論：

• 與互聯網相連的智能設備，即物聯網--正在使生活更加便利、提高工廠效率并拯救生命。由于這些設備與互聯網相連，惡意行為者及其合法操作者都可以對其進行定位和操縱。快速發展的物聯網給國防當局帶來了顛覆性的挑戰，因為物聯網設備提供了新型目標，以及威脅經濟和實體安全的新武器。傳統的國家安全政策很難應對這些顛覆性挑戰；

• 人工智能（AI）技術有望成為幾代人拓展知識、促進繁榮和豐富人類體驗的最強大工具。人工智能將推動各國政府和企業競相使用。民族國家將利用人工智能來實現其戰略抱負和國家安全目標。恐怖監督機構認為，人工智能的創造者需要放棄他們的 "科技烏托邦 "心態，因為人們擔心新技術會被用來誘導脆弱的個人。喬納森-霍爾（Jonathan Hall KC）的職責是審查恐怖主義立法的適當性，他說，人工智能對國家安全的威脅正變得越來越明顯，在設計這項技術時需要牢牢記住恐怖分子的意圖。他說，太多的人工智能開發都集中在技術的潛在積極因素上，而忽略了恐怖分子可能會如何利用它來實施襲擊。據了解，安全部門尤其關注人工智能貓船誘導兒童的能力，而兒童在軍情五處的恐怖案件中已占有越來越大的比重。上周，人工智能先驅警告說，人工智能可能會威脅人類的生存，因此要求對該技術進行監管的呼聲日益高漲。

科學界和國家安全專家的主要任務之一是分析新技術的優勢和積極方向，以及如何將其用于國家安全的不同領域。所有新技術都會對國家安全產生積極影響，這是不爭的事實，但由于概念界定不清，如何使用這些技術是一個嚴峻的挑戰。

結論

數字孿生的應用不僅限于戰場。在國家安全領域，這項技術可用于模擬和預測網絡攻擊、自然災害或恐怖活動等各種威脅的影響。通過了解這些威脅的潛在后果，安全機構可以制定更有效的應對策略和緩解措施。

雖然數字孿生的好處毋庸置疑，但其實施并非沒有挑戰。數據安全、隱私以及對高質量實時數據的需求等問題都是需要克服的重大障礙。此外，要將數字孿生整合到現有系統和流程中，還需要認真規劃和執行。盡管如此，數字孿生技術在改變國防和國家安全方面的潛力是巨大的。隨著這項技術的不斷發展和成熟，它很可能成為國防戰略不可或缺的一部分，在日益復雜和不可預測的世界中提供重要的優勢。數字孿生是國防和國家安全的有力工具。通過提供實時、全面的戰場視圖，加強裝備維修和戰備狀態，改進訓練和準備工作，這項技術可以顯著提高國防戰略的有效性。盡管挑戰重重，但數字孿生的潛在優勢使其成為值得投資的秘密武器。

這篇科普文章的主要目的是通過分析這種方法的主要特點、主要優勢及其在不同情況下使用的益處，向科學學術界介紹這種方法。我們認為，由于所使用的新技術尚未整合到更高的技術發展水平中，因此該方法的發展和改進工作任重而道遠。每項新技術的使用都必須標準化、規范化，并在一定發展時期的戰略文件中用報告其進展情況的指標來描述。

事后分析（AAR）在軍隊和組織中用于評估事件及其相應的培訓成果。團隊討論提供了一種以學習為中心的方法，用于評估表現、分析失敗或對未來活動可能的改進。有用的信息經常以非結構化文本和語音的形式嵌入這些 AAR 中。本文提出了一種對 AAR 進行數字分析和趨勢分析的解決方案。討論了使用手持設備采集數據的解決方案。此類設備可將音頻輸入數據管道，在管道中進行語音到文本的處理。音頻處理的操作方法是識別音素等原始語言成分，并對其關系進行上下文建模，以識別最有可能的文本輸出。然后，將討論語音到文本的轉換以及自然語言處理 (NLP) 在分析中的應用。NLP 技術可發現非結構化文本中的語義模式，然后將其與團隊績效指標相關聯。通過揭示 AAR 與團隊表現之間的成功促進因素，這種趨勢可以優化軍事訓練課程。

一種新的軍事力量倍增器正在出現。這就是軍事物聯網（MIoT），一個從不斷擴大的網絡來源中獲取數字數據并加以整合，從而創建一個多維情報和行動世界的世界。軍事物聯網由許多技術促成，其中有些是我們熟悉的技術，有些是新技術，但由于設備互操作性的進步和信息處理能力的提高，所有技術都在不斷融合。MIoT 正在成為新的軍事前線，帶來了非凡的能力進步，但也帶來了規劃、管理和部署方面的挑戰。

我們生活在一個互聯的世界。在這個世界里，任何類型的設備或機器，無論是數字還是模擬的，都可以利用體積小、重量輕、價格低廉的無線傳感器和交換機連接到網絡上。所創建的網絡可能在設計上受到限制（即所謂的 "邊緣計算 "模式），也可能是全球數據云的組成部分。但原則上，一切都可以與其他一切相連接。對于軍方來說，這為情報和實時控制從交通或基礎設施管理到動能戰場等各種情況創造了可能性。

從傳感技術中獲取情報并非新生事物。在軍事領域，它已有一個多世紀的歷史。例如，英國陸軍在第一次世界大戰中設計的坑道傳感器。在西線靜止的塹壕戰中，地道挖掘成為一種重要的進攻戰術，陸軍缺乏監聽敵方地道挖掘活動的人員；取而代之的是安裝了遠程傳感器（Tele-geophones 和 Seismo Microphones），只需兩名士兵在中央監聽交換站就能監測 36 個地點。

在第二次世界大戰中，雷達技術脫穎而出，這項傳感技術于 1904 年由德國研究人員首次申請專利，但在成為重要工具之前一直被忽視。隨后，美國在 20 世紀 50 年代部署了聲音監視系統來探測蘇聯潛艇。

所有這些傳感器技術都使用網絡中的遠程設備來整合數據，從而提高數據在沖突中的價值。但是，這些設備成本高昂，有時還不可靠，最常見的是有線設備，其帶寬、數據存儲容量和處理能力近乎無限，早于互聯網時代。

軍事物聯網則不同。如今的傳感器無處不在，具有移動性。它們可在從移動電話蜂窩網絡到安全點對點通信等各種通信網絡中運行。它們可以在大范圍內以低功耗運行（如已在樓宇管理系統中廣泛使用的 WLAN 網絡），并可在不使用服務的情況下持續運行數年。它們可以報告機器和設備的位置和狀態，執行命令，或使用生物識別數據來識別人員和監控生活功能。最重要的是，它們具有潛在的互操作性，能夠將數據輸入各種網絡和機器智能功能。

要實現物聯網的潛力，面臨的挑戰相當大。它需要高水平的組織技能和數據處理能力，以整合普適傳感、普適計算和普適通信。軍事組織必須能夠接受來自各種動態傳感器的信號，如靜態地面傳感器和士兵佩戴的傳感器，以及來自固定和移動設備的數據，包括來自無人機和衛星的情報。它們需要敏捷地跟上不斷變化的技術，同時向潛在對手隱藏自己的能力和知識。

例如，在五年或十年后，MIoT 技術確實有可能讓士兵舉起一個手掌大小的設備，只需輕觸按鈕，甚至在黑暗中，就能在幾秒鐘內知道周圍每個人的身份。然而，要實現這一目標，就必須具備連接多個數據庫和匯集一系列探測技術的能力。這種態勢感知的好處還必須與公民的隱私權和數據保護權相平衡。

圖 1：指揮網絡

只要能夠應對這些挑戰，就有機會創建一個以無與倫比的豐富信息為基礎的領域，其高速、高帶寬網絡既安全又不受干擾，互聯和自愈網絡及數據庫支持人工智能實時決策，豐富的數據與軍事組織及其條令完全融合。

具有高度自主性的軍事系統發展帶來了許多作戰優勢。這些系統通常是高度協作的，并允許優化對復雜問題的多效應對。人工智能，包括深度強化學習，有助于提高這些系統的效率。這項工作提出了一個與信任這些算法有關問題的綜合觀點，并提出了一些改善人機信任的準則。這項工作是在由歐盟資助的30個合作伙伴歐洲財團委托編寫的報告框架內完成的。

用于水雷戰的自主水下無人機，MMCM計劃實例

法國和英國在2010年啟動了一項計劃，評估和開發 "海上反水雷"（MMCM）能力，包括在與母艦安全距離外遠程操作的無人系統。通過持續化解靜態水下威脅，這些系統將提供戰略、行動和戰術上的機動自由，確保海上力量的安全投送，包括在海峽等高風險地區。

MMCM計劃的目標是提供一種新的敏捷的、可互操作的和強大的水雷戰能力。它將有助于在現有水雷戰艦退役時取代它們。這一雙邊計劃于2010年底根據法國和英國之間的《蘭開斯特宮條約》正式啟動。在2018年1月的法國/英國峰會上，法蘭西共和國總統和英國首相申明了他們打算迅速將該系統投入作戰服務[13]。

特別是，在2020年測試了四種作戰方案，分別采用了：一個水面無人機及其探測聲納、一個拖曳聲納、兩個水下無人機和一個水下滅雷機器人。前兩種情況主要是隨著任務的進行對威脅進行探測、分類和定位，其次是通過與前一次任務的數據進行比較來改變探測結果，最后是重新定位和識別幾枚地雷并解除其中一枚地雷。

該計劃的核心是在水下環境中自主發展的能力。這種自主性是通過使用人工智能算法，特別是DRL來實現的，以便自主地將無人機從母艦上移開[14]。盡管水下無人機必須能夠自主行動，但仍有許多人機互動：任務準備、驗證地雷分類和實時任務監測、授權投擲炸藥。這種人機互動是由MMI（人機界面）實現的，比如你會發現下面這個界面。

有一些項目旨在優化這些關系并建立信任關系：例如，泰雷茲國防任務系統公司DxLab的AR{iA}NE項目，旨在顯示操作者和人工智能之間可以有真正的互動[14]。人工智能在這里由控制臺的下半部分代表。它的突出顯示取決于性能指數：這就是人工智能以非常直觀的方式與操作者交流的方式。這個演示設備是為工業展覽準備的。它的設計經過特別考慮，給人以未來主義的印象，讓客戶感覺到他正在與人工智能進行交流。該控制臺集成了一個軟件分析界面，為聲納數據的利用提供了實質內容，因此非常適用于研究人機互動，更確切地說，是人機互動。

用于反無人機作戰的輕型自主無人機

國防公司，如泰利斯、空客和MBDA，正在開發項目，旨在提供反無人機（UAV：無人機）解決方案。商用無人機的擴散化和相當便宜的價格引發了安全和保障問題。例如，在無人機和飛機之間發生了一些事件，還有一些情況，如跨越邊界和在監獄中走私貨物（武器、毒品），或向目標運送爆炸物。這些公司提出了智能解決方案，可以檢測無人機，但也可以通過高度的自主性和人類的環形控制來消除它們。這些系統可以對敵方目標進行探測、識別、定位和消滅。反無人機問題被概念化，并通過以下步驟得到部分解決[16]：

• 威脅探測：利用部署在保護區域的地面傳感器，如雷達、聲學、射頻或光電傳感器來解決；
• 威脅分類：在威脅探測步驟中捕獲的地面傳感器數據上執行的后處理任務；
• 威脅識別：這是一項額外的后處理任務，旨在完善前一步獲得的分類，最好是評估一套獨特的威脅特征特征；
• 威脅追蹤：該任務的結果是威脅所遵循的軌跡或一組軌跡。其目的是保持對威脅的關注，并將其保持在系統傳感器的視野范圍內；
• 威脅評估：評估入侵的無人機所代表的威脅程度，例如通過有效載荷分析或行為理解。執行這一步驟是為了收集情報，并可能調整對該威脅的反應；
• 威脅消除：使用物理或非物理損傷使威脅失效。當然，這是迄今為止最不成熟的步驟。中和技術最終應取決于威脅的性質、其威脅程度和環境條件（以避免或盡量減少附帶損害）。

最新項目的目標是創建和展示一個完整的反無人機系統，能夠解決上述六個步驟，并整合兩個主要部分，一個地面部分和一個空中部分。地面部分可由一個作為指揮和控制站的地面控制站和一些地面傳感器組成，其數量和在空間的分布可根據需要和保護空間的配置進行調整。空中部分可以由盟軍無人機隊組成，這些無人機可以是相同的，具有類似的能力（同質蜂群），也可以具有不同的能力，每個都有一套獨特的專長（異質蜂群）。擁有一個空中段提供了兩個優勢。首先，在傳感方面，它使系統具有盯住目標的能力，可能為人類操作員提供實時視覺反饋，但也能對敵方無人機及其有效載荷進行更詳細和有效的分類和識別。第二，在消滅方面，它應該允許防御者部署更多的外科手術式的反措施，特別是避免過多的附帶損害或不想要的副作用。許多國防公司正在為中和部分開發智能DRL解決方案[17]，以便在盟軍無人機群中做出自主決定。DRL算法也可用于指揮和控制站，以監測整體作戰情況。

用于未來戰斗空中系統（FCAS）的重型自主無人機群

未來戰斗航空系統（FCAS）是一個 "系統簇"，它涉及到新一代戰斗機（NGF）、遠程航母（RC）和一個將所有參與者連接在一起的戰斗云系統： NGF、RC群、衛星、戰艦、地面系統等。

遠程運載器是用來做什么的？設想的應用是非常多樣的：通過幾十架飛機的飽和來穿透敵人的防御，誘騙敵機，執行電子戰任務（干擾），為其他飛機指定目標，執行偵察任務，甚至發射導彈而不是作戰飛機。這些新型機組成員為未來幾十年的空中行動開辟了一個巨大的可能性領域：用無人機代替戰斗機發射導彈，這樣就不會有飛行員的生命危險，騷擾敵人的防線，執行偵察任務，等等。這些設備也可以假裝成駕駛飛機，吸引敵人的巡邏隊，為作戰飛機打開缺口。在遠程載具的核心，制造商正在開發人工智能算法，特別是DRL[18]，以控制每架無人機，但也控制無人機群。DRL算法出色的適應性在這里被用來管理高層和自主決策。

"系統簇"的非常高的互連性也要求建立一個抗網絡攻擊的戰斗云。這些攻擊確實可以破譯通信以獲取情報，甚至干擾或破壞通信，或者更糟糕的是，向半自主系統發出錯誤指令。DRL算法可用于應對正在進行的網絡攻擊。這些攻擊確實可以快如閃電，而人類沒有能力做出足夠快的反應。因此，必須使用智能自動系統來抵御攻擊。DRL似乎再次成為快速、自主和適應性行動的良好解決方案[19]。

邁向可信AI

A. 科學的信任和可解釋人工智能

正如我們所說，在自主系統中使用人工智能有很多問題：倫理、法律、政治等等。這就是為什么有必要在這場技術革命的不同參與者之間建立一種信任關系，從研究人員到用戶和工程師。

數學上的保證。為了確保我們提出的技術解決方案的可靠性，最好能在理論上和數學上保證算法的性能。然而，重要的是要記住，有關的保證在性質上是概率性的，因為大多數ML算法的性質是不確定的。因此，我們將試圖證明，例如，如果該算法有無限量的訓練數據可供支配，它就能夠完成提交給它的任務。或者，人們可能會試圖證明該算法收斂到一個解決方案，而且幾乎可以肯定它是以一個已知的和可控的速度收斂的。這種類型的結果保證存在于許多經典的ML算法中，用于解決某些簡單的問題，并受制于關于訓練和測試數據的某些假設。人工智能的整個研究領域都是關于知道什么是或不是可以通過ML學習的問題，以及什么精度：可能是近似正確的學習[20]。在RL方面還有很多工作要做，它仍然是一種年輕的技術，但理論上的保證越來越多[21]。然而，這些理論結果一般都是基于非常強的假設，這些假設往往是還原性的，并沒有考慮無人機在實踐中使用的非常真實的環境，這有時會使它們不那么相關。

可解釋人工智能。第二個軸心是要建立對人工智能所支配的自主系統的信任，即其行動的可解釋性。當我們可以理解導致人工智能獲得結果的原因時，一個算法被認為是可解釋的。一般來說，目前可解釋的ML算法（XAIs）能夠報告相對簡單的決定，例如指出圖像的哪些區域被用來確定它是一個蘋果。關于RL，為算法的可解釋性設想了幾條途徑。

• 一些RL算法是以完全透明的方式建立的，它允許追蹤不同代理在一段時間內做出的決定。然而，這種方法不能應用于DRL，由于使用了人工神經網絡，DRL并不是完全可解釋的。
• 表征學習是另一種方法，它試圖在推理的某些階段提取最相關的信息。
• 也可以訓練另一種人工智能算法來解釋RL算法的行動，同時相互配合[22]。其他的解決方案仍然存在，提及這些解決方案需要太長的時間，這里的興趣主要是要意識到RL算法的可解釋性正在全面發展，在未來的幾年或幾十年里應該會通過新的里程碑。

讓我們細化前面的觀點，像一些作者那樣考慮人工智能算法的區別，這些算法不僅是可解釋的，而且是可解釋的。事實上，為了解釋它們的推理，已經建立了一些后驗算法，但它們并不能幫助理解初始算法的 "黑匣子"。出于這個原因，人們正在對可解釋的人工智能方面進行研究，這樣就可以說明導致輸出的不同推理步驟[24]。即使DRL算法的參數數量非常大，仍然是廣泛實施這種方法的技術障礙，但可以預期在這個領域會有明顯的進展。

B. 性能信任

對受DRL支配的自主系統有信心的第二個論據是測試期間的性能測量。事實上，即使目前關于人工智能可解釋性的知識狀況不允許完美地理解算法是如何達到其輸出的，但實踐中的結果是好的，表明有非常大的發展潛力。

對其他問題進行歸納的能力。首先，用戶對人工智能技術的信心可以建立在算法解決其他問題的良好能力上，或多或少有些類似。例如，眾所周知，Deepmind的AlphaFold 2 DRL算法在預測蛋白質結構方面特別出色[25]。這種優秀的聲譽源于該算法的大量已發表的測試研究，這讓該領域的大多數科學家對其給予了極大的肯定。雖然蛋白質結構預測與自主無人機的使用無關，但將蛋白質中單個原子的放置與無人機在協作作戰任務中的放置相提并論是很容易和有意義的。在前一種情況下使用DRL，以及所獲得的結果，也有可能使最終用戶對DRL應用于另一個領域的潛力充滿信心。

算法驗證。然而，與經典的ML算法不同，不可能在RL中實現我們在第一部分討論的驗證測試。這是因為所涉及的數據是隨時間變化的，而且所提出的問題也是不同的。要限定所識別的對象是否被正確預測是很容易的（是的，它是一個蘋果，或者不是，它是一個梨子）。另一方面，量化無人機和飛機之間合作的成功要微妙得多：許多標準必須被評估（無人機的定位、它們的速度、它們不同行動的時間）。因此，RL算法的性能測量是通過建立針對要解決的任務的指標來完成的。例如，對于負責訪問一個空間區域的無人機來說，比較正確識別目標的比例、任務完成時間或其他更精確的指標是相關的，這取決于情況和要解決的具體問題。

爭取在RL中實現更好的可重復性。最近還強調了RL算法的一個臭名昭著的問題，即當一些研究人員想要復制他們同事的結果時，一些算法的不穩定性[26]。實驗的可重復性是科學中的一個基本問題，因為它構成了被測試定律（例如，萬有引力定律）的有效性證明。在這里，算法性能的證明之一是可以讓它多次承受相同的情況，并在不同的迭代中獲得非常相似的結果。為了克服缺乏可重復性的問題，新的算法開發框架、新的測試程序和明確的指導方針已經到位，使科學和開發團隊對他們的結果有了更大的信心。

C. 建立一個有人-無人之間的信任協作

優化人機互動

人機協作是現代（協作）戰爭的核心，但人類和智能機器之間的成功協作主要取決于信任。然而，安全與新興技術中心對自主性和人工智能相關的研究[27]發現，在美國軍方的科技項目投資中，789個自主性相關項目中只有18個，287個人工智能相關項目中只有11個提到 "信任 "一詞。研究人員沒有直接研究信任，而是將開發更透明、可解釋和可靠的人工智能作為優先事項。這些努力對于培養人機團隊的信任是必要的，但技術驅動的解決方案并不總是考慮這個等式中的人類因素。

對高性能技術的不充分信任會導致人工智能系統的使用不足或廢棄，而對有限的或未經測試的系統的過度信任會導致對人工智能的過度依賴。這兩種情況在軍事背景下都有獨特的風險，包括事故、友軍交火、對平民的意外傷害和附帶損害。為了讓士兵對自主系統有信心，他們必須知道系統在遇到障礙物時將會做什么。從系統工程的角度來看，這意味著要指定和實施一些能力，如通過假設查詢和信息交流進行信息檢索，以便系統能夠以人類操作者容易理解的方式解釋其推理和行為。換句話說，"在系統中建立信任 "是一種以技術為中心的方法，通過改善與信任密切相關的系統特性和能力，如透明度、可解釋性和可靠性，來建立人機團隊的信任。

DARPA的Squad X計劃[28]將美國陸軍和海軍陸戰隊的步兵小隊與配備先進傳感設備的無人地面和空中飛行器配對，以提高敵對環境中作戰人員的態勢感知和決策。X小隊在2019年初進行的一系列實驗[29]的主要收獲之一是，將人工智能納入任務的規劃和演練階段非常重要。這樣做，士兵可以 "在如何信任人工智能方面進行搏斗"。最終，目標是讓人類作戰人員更好地了解這些自主系統在戰場上的表現，并對它們作為未來任務中的伙伴更有信心。

要怎樣才能讓人們信任技術？在使用先進系統時，一些個人或群體是否更有可能感到自信，而另一些人則更不情愿？人機團隊的部署環境如何影響信任？認知科學、神經科學、心理學、通信、社會科學以及其他研究人類對技術的態度和經驗的相關領域的見解為這些問題提供了寶貴的啟示[30]。

解決道德問題

"殺手機器人 "一直引起人們對潛在自主能力的恐懼[31]。法國國防倫理委員會在2021年批準在武器系統中引入一定程度的自主能力[32]。在法國，沒有辦法授權 "殺手機器人"。這一表述指的是LAWS（致命性自主武器系統）。這只是證實了法國幾年來在這個問題上的立場。但事情很復雜，倫理委員會認為不反對引入一定程度的自主權，因此不反對使用PAWLS（部分自主武器致命系統）。將LAWS與PAWLS區分開來的是 "性質上的差異，這與人類在某些關鍵功能中的地位有關"。致命武器系統的設計是為了演化出自己的操作規則，并自行重新定義其任務。它們不需要指揮部對情況的評估。PAWLS可以自主地被賦予某些任務的責任和執行，但只是暫時的，而且只用于識別、分類、攔截或接觸任務。道德委員會明確表示，它不能在沒有人類控制的情況下采取致命的舉措。即使在這個限制性框架內，也必須制定技術和組織保障措施，以防止任何過度行為。委員會認為，應繼續在與國防有關的人工智能和武器系統自動化領域進行研究。其目的是避免任何 "科學和技術上的放棄"，防止對手開發致命性自主武器，并在對手使用這種武器時進行防御。

自主系統不應

• 破壞指揮系統；
• 違背擁有處置武裝部隊的行動自由的憲法原則；
• 不能為遵守國際人道主義法律原則提供任何保證；
• 違背軍事道德和士兵的基本承諾，即榮譽、尊嚴、
• 控制使用武力和人道。

指南：在以人為本的國防人工智能領域建立信任

G1. 為自主軍事系統上嵌入式人工智能的操作使用案例制定并提供一個法律框架。

G2. 確保在所有情況下都有人類的監督，有人類在環形系統。

G3. 保證在發生事故時的責任追溯。這種責任必須始終由人承擔，而不是由機器承擔。

G4. 開發符合人體工程學的人機界面，允許人與機器之間的對話和理解。

G5. 開發穩健、安全、準確、可重復和可靠的算法，以及評估這些標準的方法。

G6. 為與人工智能互動的軍事人員建立培訓計劃，讓他們了解這些算法的機制、能力和局限性。

G7. 通過對算法、數據和設計過程的評估，確保責任、問責和可審計性。

G8. 制定技術評估程序，以評估對上述準則的遵守情況。

G9. 加快歐洲在人工智能技術方面的培訓工作，特別是針對學術和工業環境的DRL。

G10. 加快歐洲在整合人工智能的國防系統方面的立法工作，以保持歐洲在這一法律方面的領先地位，并確認其在這一領域的領先形象。

G11. 發展國際合作，在自主系統領域進行立法。

G12. 促進研究人員、哲學家、律師、政治家和業務人員之間關于自主系統的對話。

G13. 在有關國防人工智能的研究和應用項目中始終包括信任的概念。

G14. 對協同作戰的未來利害關系有一個明確而具體的看法，以便將人和他們的利益置于系統的中心。

現代戰爭越來越多地在信息環境中進行，通過開源媒體使用欺騙和影響技術。北約國家的政府、學術界和工業界已經通過開發各種創新的計算方法，從大量的媒體內容中提取、處理、分析和可視化有意義的信息來做出回應。然而，目前仍不清楚哪些（組合）工具能滿足軍事分析人員和操作人員的要求，以及是否有些要求仍未得到滿足。為此，加拿大DRDC和荷蘭TNO啟動了一項合作，以開發一個標準化和多方位的媒體分析需求圖。本文介紹了該合作的第一階段所完成的工作。具體來說， (1) 開發了一個可能的媒體分析工具功能框架；(2) 收集了CAN和NLD利益相關者的當前用戶需求；以及(3) 分析了差距，以顯示哪些用戶需求可以通過哪些功能來滿足。這個項目直接建立在SAS-142的基礎上，通過使用互聯網開發科學和技術評估框架（FIESTA）。本文說明了FIESTA在兩個突出的媒體分析能力中的應用：（1）情緒分析和（2）敘事分析。研究結果表明，盡管這些能力有一些獨特的功能，但它們有非常多的共同功能。因此，研究和開發工作可以通過專注于獨特（新穎）的功能，同時回收多用途的功能而得到優化。通過將FIESTA應用于多種媒體分析能力并與多個北約國家合作，這些效率的提高可以成倍增加。

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。