當美國空軍（USAF）宣布重振信息戰（IW）時，全球都認識到，在大國競爭中，在肉體暴力開始之前，戰爭是在信息環境中進行的。它還解決了 2018 年美國《國防戰略》中指出的一個關鍵不足： "美國軍隊在戰場上沒有預設的勝利權利"。這包括信息環境。如今的美國空軍，力求圍繞美國空軍的信息環境進行組織。在此過程中，空軍對信息戰采取了一種較窄的方法，強調網絡空間作戰、電子戰、信息作戰以及情報、監視和偵察（ISR）的整合。這種狹義的信息戰定義針對的是信息在戰爭戰術層面的作用，不應與戰略或作戰層面相混淆，在現代大國競爭中，這兩個層面都擁有重要的信息組成部分。

在美國空軍圍繞戰術性 IW 進行組織時，必須考慮空域控制系統的電磁頻譜（EMS）和網絡空間防御的全球影響，以及信息環境中目標的獨特性質。針對這些論點，本文將(1) 劃分各級戰爭中的 IW，(2) 描述 IW 的進攻和防御考慮因素，(3) 描述戰術級 IW 與支持聯合部隊空軍指揮官 (JFACC) 之間的關系，并就美國空軍的重組工作提出初步建議。

關于信息戰

信息戰存在于戰略、作戰和戰術層面。在戰略層面，信息與其他國家權力工具（外交、軍事、經濟）相結合，形成實現國家政策目標的綜合設計。戰略層面的信息戰可能包括利用社交媒體和廣播向外國民眾傳遞有針對性的信息。例如，俄羅斯通過互聯網研究機構利用社交媒體影響美國大選。在行動層面，國際水域戰略整合了有形力量和信息力量，以實現軍事目標。在戰術層面，信息和通信技術（IW）采用了空軍使用的狹義定義。在這里，網絡空間、EMS、信息和情報、監視和偵察（ISR）行動被用來影響對手的決策過程，同時確保友軍的決策過程。雖然綜合預警的戰略和作戰應用對國家政策目標至關重要，但本文的重點仍然是如何在戰術層面運用綜合預警來支持聯合戰區司令部。

了解信息優勢

戰術性 IW 的目標是獲得并保持信息優勢。信息優勢的定義見蘭德研究與發展公司（RAND）2004 年的研究報告： "根據需要收集、處理和傳播信息的能力；預測敵方信息需求變化的能力；以及不讓敵方擁有同樣能力的能力"。蘭德公司側重于 ISR 對信息優勢的貢獻。然而，通過理解蘭德公司對 C4ISR 流程的解釋，IW 規劃人員可以找出決策流程中的漏洞，加以利用或防御，以實現信息優勢。蘭德公司將指揮、控制、通信、計算機、情報、監視和偵察（C4ISR）流程細分為六個步驟（見圖 1）。

圖 1. 作者對蘭德公司 C4ISR 流程的直觀描述

信息環境是從屬于整個作戰環境的一個組成部分。對蘭德公司來說，這是步驟 0 。對于蘭德公司來說，這是步驟0。它只是存在而已。步驟 1 啟動觀察，并立即開始影響觀察者的感知。傳感器獲取信息后，"將數據傳輸到融合設施"。在第 2 步（融合）中，首先要對單個情報學科進行處理，然后在中央處理設施中進行融合。融合完成后，信息會被分發（步驟 3）給幾位分析師，由他們進行 "個體評估"（步驟 4）。最后，分析人員合作進行小組評估（步驟 5），并將評估結果提交給決策者。

從 "地面實況 "到 "小組評估 "的每一個后續步驟中，都有一些過濾器可能會降低決策信息的質量，從而降低決策者的效率。通過防御或利用每個過濾器的漏洞，指揮官可以獲得或保持信息優勢。例如，"傳感器質量 "會限制最終用戶對環境的直接觀察，從而影響對地面實況的感知。兩個融合階段的算法都可能存在缺陷。分布式信息的終端用戶可能會面臨 "服務損失、錯誤和延遲"。最后，偏見和團隊動態可能會影響個人和團隊的評估。這些退化過濾器可分為四類：保密性、可用性、完整性和信任。前三類源自美國國家標準與電信研究院（NIST）的《信息安全導論》： 最后一類是作者對個人和團體偏見的概括，存在于認知層面而非邏輯層面。

根據 NIST，保密性"[維護]對信息訪問和披露的授權限制"，以防止未經授權的用戶發現關鍵信息。可用性"[確保]及時和可靠的訪問"，并在 EMS 或進攻性網絡空間行動 (OCO) 中受到電子攻擊 (EA)。建立具有多種連接方式（高頻、衛星通信、光纜）的網狀網絡可提高網絡可靠性。完整性"[防止]對信息的不當修改或破壞，并確保信息......的真實性"，包括數據和系統。改進友好通信的加密算法可以保護數據的機密性，而錯誤檢測協議則可以確保數據的完整性。相反，修改敵方信息系統的程序以欺騙或削弱其運行，則會降低目標決策過程的有效性。

在 NIST 的定義之外，信任還包括兩個子類別：個人信任和群體信任。個人信任是指個人對其信息感知的信心。群體信任是指每個人的評估在群體動態和組織整體凝聚力（相互信任）中所占的比重。為了獲得并保持信息優勢，指揮官在確保自身安全的同時，還要確保對手信息系統（圖 2）和信息的機密性、完整性、可用性和信任度。

圖 2. 作者將退化過濾器類別與蘭德公司的 C4ISR 模型進行疊加

綜合信息戰

在戰術層面，指揮官綜合運用網絡空間、緊急醫療服務、信息和 ISR 行動來獲取和保持信息優勢。網絡空間、EMS 和 ISR 行動對于防御和攻擊信息系統的機器組件至關重要。信息作戰對于影響傳感器如何觀察地面實況（即偽裝、隱蔽和欺騙（CC&D））以及個人或群體如何因偏見而感知信息環境至關重要。當網絡空間、緊急醫療服務、信息和 ISR 行動整合在一起時，"通過靈活應用移動和火力使敵人處于劣勢"，從而實現機動。信息戰利用信息系統各階段的聯合信息火力（圖 2），為決策者增加或減少迷霧和摩擦。信息火力將數據、經調制的 EMS 粒子或波、網絡協議、系統流程和認知偏差武器化，以塑造信息環境。

通過影響每個階段，綜合信息火力會產生復合效應。當傳感器的完整性在第 1 階段受到影響時，就會連帶影響到決策者。只有通過增加傳感器才能克服這一問題。通過個人評估，系統可以保持完美的地面實況。但是，個人的評估可能會被受先決條件影響的決策者破壞。為了提高誤讀的可能性，影響信息系統的操作不應是單獨的，而應是綜合的。

圖 3. 作者的進攻性聯合信息火力概念

進攻性聯合信息火力（圖 3）旨在消除迷霧和摩擦，同時驗證其行動的有效性。削弱傳感器可為目標制造初始迷霧。與此同時，欺騙融合算法的網絡空間行動加劇了信息退化。對在途數據（分發）的多源監視和偵察使指揮官能夠驗證先前行動的成功，并建立對手如何接收信息的基線，以便進行未來評估。通過 ISR 行動來確定群體環境的特征，從而識別關鍵人物，便于進行調節。ISR 行動的另一個作用是對整個行動進行評估，以確定傳感器降級、算法操縱和調節是否達到了預期效果。

圖 4. 作者的防御性聯合信息火力概念

防御性聯合信息火力（圖 4）通過剝奪對手影響友軍決策的能力來增強信息優勢。多學科 ISR 收集戰略增加了信息冗余。執行 "使能-EMS "行動來塑造環境，從而實現收集戰略。在融合方面，對融合算法采用開發運營（DevOps）方法，并輔以數據審計，可降低對手操縱的可能性。網絡防御和先進的加密技術是確保在途數據安全的有力補充。多源分析提高了單項評估的可信度。最后，領導力和持續的正規訓練對于減少信息斗爭中的偏差摩擦至關重要。

進攻型和防御型信息戰都采用 ISR、EMS、網絡空間和信息作戰來獲取和保持信息優勢。進攻性信息戰的主要目的是降低對手信息系統和信息的保密性、完整性、可用性和/或信任度。另一方面，防御性信息戰通過團結一致和統一行動，確保友方信息系統和信息的保密性、完整性、可用性和/或可信度。

IW 與美空軍

美空軍參謀長戈德費恩將軍（CSAF）認為，美國空軍必須比對手能夠觀察到更多的 "認知戰爭"。空軍隨后以 CSAF 的意見為基礎，闡述了空軍 IW 的基本概念。美國空軍必須準備好支持兩大支柱。首先，必須在沖突前組織、訓練和裝備好部隊，為聯合部隊指揮官（JFC）提供支持。其次，如果美國進入主要作戰行動（MCO），美國空軍必須組織、訓練和裝備好，以執行專門支持聯合部隊司令部優先任務的 IW。在簡要介紹沖突前空中力量為聯合司令部提供支持的情況后，本節將重點討論在 MCO 期間美國空軍 IW 為聯合空軍司令部提供支持的后一項要求。

沖突前，空中力量的性質為支持國家政策目標提供了獨特的能力。"通過有效利用三維空間、電磁頻譜和時間，空中力量可以奪取主動權，設定戰斗條件，確立主導性的行動節奏，[并]通過卓越的觀察力更好地預測敵人"。這些因素使美國空軍能夠通過快速力量投送的全球準入以及前沿部署的絆網部隊或彈道導彈威脅的后續威懾效果，"隨時隨地表達國家意志"。在有爭議的地區，展示武力或存在與海軍海峽過境協調促進航行自由，以支持國家政策目標。具體地說，這些行動會影響實際地面情況，通過影響戰略決策者的風險計算，向其發出明確信息。指揮官的意圖是通過非暴力的實際力量實現的，不需要額外的聯合信息火力來影響傳感器、信息融合或信息分發。可能需要 ISR 行動來驗證信息是否按預期接收。

如果國家政策目標要求塑造民眾的觀念和態度，美國空軍的制高點可與目標受眾進行視線接觸，為基于 EMS 的媒體傳輸提供了最佳角度。在空中優勢環境下，美國空軍可通過空投投放傳單。如今，這些行動可輔以社交媒體，擴大所傳遞信息的影響力。雖然空中力量不太可能成為此類行動的主導力量，但如果不發展信息軍團或信息部隊，空軍人員很可能會發現自己正在制定社交媒體戰略，以發現（公開可用信息）或傳遞信息，尤其是對抗外國的積極措施。鑒于歷史上有許多此類行動的實例，這些類型的行動都不足為奇。然而，在美國空軍重新振興 IW 的同時，必須評估其執行這些任務的準備情況。最佳的組織模式是將用于執行這些任務的資產集中在一名聯隊指揮官的領導下。

為做好 MCO 的準備，美國空軍必須組織、訓練和裝備進攻型和防御型 IW，以實現信息優勢，支持 JFACC 發揮關鍵作用。聯合條令（JP 3-30）列出了幾個需要考慮的角色：空域控制權（ACA）、區域防空指揮官（AADC）和空間協調權（SCA）。

在 ACA 角色中，JFACC "全面負責空域控制系統（ACS）的運行"，并利用該系統 "降低友軍誤擊事件的風險，加強防空作戰，使作戰更加靈活"。由于空域控制系統是一個信息系統，因此它隱含地需要 IW 的支持。在戰區內，飛行員必須通過數字數據鏈路和通信系統的其他要素（EMS 和網絡空間）來操作、保護和防御 ACS。此外，飛行員還必須評估雷達和其他傳感器獲取的信息，以實現 "全面的防空識別程序和交戰規則"。根據 NIST 的 "網絡安全框架"，部隊必須檢測和應對對 ACS 的威脅。雖然派往戰區的部隊可以也應該履行識別和保護職能，但全球探測和響應必須集中協調。

需要建立一個全球網絡安全運行中心（NSOC），以便在全球范圍內檢測和應對 EMS 和網絡空間中對 ACS 的威脅。NSOC 必須由 "安全分析人員組成，負責檢測、分析、響應、報告和預防[EMS 和/或網絡安全]事件"。NSOC 應執行 "實時警報分流，以及接聽用戶電話和其他日常任務"。如果有必要，NSOC 可以責成下屬單元進行事件分析，以解決問題。因此，為了有效地組織起來，國家網絡安全中心的下屬單位必須是一個信息戰聯隊（IWW），重點負責防御性網絡空間作戰、國防部信息網絡（DODIN）作戰和 EMS 的電子保護（EP）。防御型信息戰聯隊可在整個 EMS 和網絡空間履行關鍵職能，以建立和擴展 ACS，保護或應對威脅（惡意軟件分析、紅隊、電子戰綜合重編程等）。最后，那些被分配到戰術單元執行本地網絡空間和 EMS 防御的空軍人員應在 NSOC 的作戰控制下（戰術指揮官保留戰術控制權）報告異常或可疑活動，以建立 ACS 架構的全面全球防御。

雖然對 JFACC 的 ACS 作用的 IW 支持顯然更具防御性，但對 AADC 和 SCA 作用的 IW 支持顯然更具進攻性。AADC 的作用是保護聯合司令部的防御資產清單 (DAL)。然而，由于防空反導（DCA）任務依賴于空中優勢，在有爭議的環境中，JFACC 在其 AADC 角色中還必須 "提出[進攻性防空反導（OCA）]......建議，以幫助應對空中和導彈威脅"。SCA僅明確授權JFACC通過 "請求和整合戰區特定的空間行動和能力 "來協調 "特定的空間職能和活動"。然而，AADC 與 SCA 之間存在隱含的關系，特別是在應對空間威脅方面。因此，根據 AADC 和 SCA 的職責，JFACC 關注對手的三個方面： 空中和防空、太空和反太空以及彈道導彈發射和防御。根據蘭德公司的信息系統細分，上述每個系統都有自己固有的信息系統。(圖 5）

圖 5. 作者對 JFACC 目標信息系統的概述

Bednar、Davitch 和 Treadwell 對綜合防御系統進行了出色的細分，供分析時參考。"綜合防空系統（IADS）的核心是指揮和控制組織，而不是雷達、控制中心和武器的松散組合"。圖 5 將蘭德公司的 C4ISR 模型應用于 JFACC 的目標信息系統。IADS 的傳感器[1]和融合與個體評估[2]部分構成了空中監視系統。"空中監視可以使用各種傳感器，從揮舞雙筒望遠鏡和無線電的目視觀察員，到能夠確定目標三維精確位置的精密雷達。在太空方面，空中監視被太空物體監視和識別（SOSI）所取代。空中和太空包括作戰管理，"由信息融合中心[4]組成，負責攝取、處理和分析[5]監視數據，以便向決策者[6]建議交戰行動方案"。"一旦選定行動方案，決策就會下達[7]給負責武器控制的另一人[8]。根據決策者的指示，"他或她可以使用戰斗機、地對空導彈、防空火炮和/或電磁效應[9]進行反擊"。

這些系統（防空/防空、太空/反太空和彈道導彈發射/防御）的有效性核心在于它們之間的集成。"如今，冗余、可靠的指揮和控制網絡使整合成為可能。支持 JFACC 的 AADC 和 SCA 作用的 IW 應通過聯合信息火力瞄準指揮和控制網絡。貝德納、戴維奇和特雷德韋爾說得最好： "任何將防空組成部分推向獨立狀態的行動都是有益的，因為這限制了它們的整合。因此，可以將對手的防御視為一個系統的一部分，并找出其中的漏洞。使用同步的非動能和動能效應來分割和隔離......系統組件代表了......行動的未來"。

在 JFACC 看來，美國空軍必須進行任務重組，以培養既能理解所有 IW 能力又能保留目標專業知識的飛行員。這需要從根本上重塑美國空軍的信息、網絡空間、ISR 和 EMS 組織方法。從歷史上看，美國空軍是在職業生涯中培養職能專長的。EMS 專業人員是從機組人員中培養出來的，成為其平臺的專業專家。網絡空間專業人員的主要任務是建立網絡，使指揮與控制（C2）和 ISR 數據能夠通過網絡流向戰術邊緣。自美國網絡空間司令部（USCYBERCOM）啟動以來，對培養進攻型網絡空間作戰（OCO）專家的重視程度有所提高。信息作戰幾乎是一個死氣沉沉的職業領域，直到最近 50 年才重新崛起。

如今，美國空軍在行為科學方面的技能嚴重不足。要防御或利用決策過程中的人為因素，就必須掌握這些關鍵技能。此外，ISR 專業人員在各自的領域內發展；如今強調在情報學科內發展或支持特定職能： 網絡空間、空間、空中或特種作戰部隊（SOF）。這些發展戰略得到了與職能相一致的組織的補充，以實現體驗式的職業發展道路，這些道路得到了以上述職能為重點的訓練和教育的支持。明確地說，這并不是對這種方法的指責。相反，美國空軍必須改進其方法。在軍種層面，美國空軍通過新的組織機構和一個 IW 職業領域類別，接受了 IW 重組和職業發展。美國空軍應考慮發展其相關的聯隊結構。

為了發展聯合空軍司令部目標信息系統所需的專業知識，美國空軍應在其聯隊及以下組織中采取以目標為中心的方法。例如，可以建立一個與美國歐洲司令部（USEUCOM）結盟的 IWW 單元。與 USEUCOM 結盟的 IWW 將擁有：(1) 向 USCYBERCOM 指派的 OCO 部隊，以支持 USEUCOM；(2) EMS、網絡空間和信息部隊，負責開發波形、定制信息或網絡工具，以支持 USEUCOM 的優先事項；(3) ISR 專業人員，負責進行環境情報準備（IPOE）和目標系統分析（TSA）。聯隊指揮官將與 AOC 協調以獲得后援支持，與情報界協調以發展與關鍵部門的組織關系，并與 USCYBERCOM 協調以在其指揮范圍內提供準備就緒的 OCO 部隊。在沖突爆發前，聯隊指揮官可重點發展 IPOE、TSA 以及必要的工具和能力，以便在潛在的 "登陸日 "發揮有效作用。為補充現役聯隊，空軍應將空軍國民警衛隊和空軍后備役單元編入聯隊。通過全面部隊整合（TFI），該聯隊將擁有啟動所需的部隊，必要時，如果競爭過渡到沖突，還可部署到 AOC 或 JOC。

通過建立一個功能多樣、以目標為中心的組織，美國空軍可以有意識地培養飛行員了解目標信息系統。傳統的空中作戰使用通用能力來打擊不同的目標，而國際戰爭預警則需要量身定制的能力來打擊獨特的目標。訓練和教育可使飛行員達到熟悉或精通某項 IW 功能能力（行為科學、緊急醫療服務、情報、網絡空間）的水平，但只有長期的經驗才能提供領導 IW 行動所需的目標專業知識。因此，以目標為中心的任務組織能夠滿足 CSAF 重點領域 2 和 3 的要求，即通過聯合信息武器加強聯合領導和團隊，并通過將所有 IW 行動聯系在一起來加強多領域行動。

結論

總之，世界秩序再次處于大國競爭之中。美國空軍正在采取重要措施，重振信息戰以應對挑戰。新信息戰組織的啟動為其提供了一個機會。通過聯合信息火力將網絡空間、EMS、ISR 和信息作戰整合在一起，以攻擊對手的信息系統或保衛自己的信息系統，這就是信息戰。信息戰的目標是獲取并保持信息優勢。為此，美國空軍必須將信息系統理解為由數據、系統和人員組成的目標。這些系統的弱點可分為四大類：保密性、完整性、可用性和信任。無論是在沖突前還是在 MCO 期間為聯合司令部提供支持，美國空軍都必須做好準備，派遣部隊實施進攻性和防御性信息戰，以支持聯合空軍司令部發揮關鍵作用： 空域協調機構、地區防空指揮官和太空協調機構。

首先，美國空軍應在負責訓練和裝備相關飛行員的聯隊指揮官領導下，組織運用空中力量投送或探測波形的資產。其次，美國空軍應圍繞防御性信息戰進行組織，建立一個全球 NSOC，負責下屬的防御性信息戰聯隊，訓練和裝備飛行員開展防御性網絡空間行動、電子保護和國防部信息網絡行動，以建立、擴展、保護和應對全球 ACS 架構面臨的威脅。最后，為支持 JFACC 作為地區防空指揮官和太空協調機構的作用，美國空軍應設計以目標為中心的信息戰聯隊，由進攻型網絡空間作戰、信息、EMS 和 ISR 部隊組成。采取這些行動將提高美國空軍 "贏得認知戰爭 "的準備狀態。

在現代社會中，從移動應用程序組件到醫療支持系統，人工智能（AI）幾乎無處不在。在具有社會影響力的人工智能系統中，人們越來越關注不透明的人工智能，即不清楚如何或為什么會做出某些決策的人工智能。這導致了最近關于“可解釋人工智能”（XAI）的研究熱潮，或者說是讓人工智能更容易被人類用戶解釋和理解的方法。在軍事領域，許多機構都認為，自主和人工智能武器系統不應包含無法解釋的人工智能，紅十字國際委員會和美國國防部都明確將可解釋性作為開發和使用此類系統的相關因素。本文對這一觀點進行了謹慎的批判性評估，認為可解釋性與許多當前和不久將來的軍事自主系統（不包含任何人工智能）無關，可解釋性將被納入大多數擁有人工智能的軍事系統（因為這些系統通常擁有更簡單的人工智能系統），而對于那些人工智能真正不透明的系統，可解釋性的價值將比人們想象的更為有限。特別是，本文認為可解釋性雖然確實是設計中的一種美德，但這種美德主要針對人工智能系統的設計者和故障排除者，而對于實際部署這些系統的用戶和處理者來說，其相關性要小得多。進一步指出，在負責任地將人工智能用于軍事目的方面，人機協作是一個重要得多的要素，并補充說，可解釋性可能會破壞為改善人機協作所做的努力，因為它給人一種初步印象，即人工智能由于其可解釋性，在使用時可能很少（或較少）犯錯。最后，想澄清的是，這些論點并非反對 XAI 在軍事領域的應用，而是要提醒人們不要過度夸大 XAI 在這一領域的價值，但也不要忽視這一方法的局限性和潛在隱患。

自主武器、軍事領域的人工智能以及可解釋性

在開始討論人工智能、自主武器或軍事中的不透明系統之前，至關重要的是一開始就明確對這些術語的確切理解，因為 "未充分發展或未充分闡明的觀點可能，而且很可能會導致混亂、錯誤以及大量時間和精力的浪費"。因此，本節將專門簡要解釋我在本文中所說的 "自主武器系統"、"人機協作"、"人工智能"、"不透明 "和 "可解釋的人工智能"。不過，值得強調的是，我并不是在為所提供的定義或理解爭辯（因為存在合理的分歧空間），而只是在澄清這些術語的含義，因為它們將在下文中通篇使用。

現在，由于圍繞軍事領域人工智能的許多爭論都集中在自主武器系統（AWS）上，我們將從這些系統開始。在過去的十五年中，學者、國家和非政府組織對 AWS 下過很多定義。不過，紅十字國際委員會和美國國防部提出的定義已被越來越多的人所接受，即 AWS 應被理解為在選擇和攻擊目標所需的 "關鍵功能 "方面具有自主性的武器系統，它們可以在沒有人為干預的情況下選擇和攻擊目標。這一定義抓住了自主武器系統的基本特征，即它們在執行核心任務時是自主的，但并不意味著這類系統擁有任何復雜的內部人工智能程序，也不意味著它們是不透明的、不可預測的，甚至不一定是致命的。事實上，根據這一定義，從反輻射導彈到近距離武器系統以及許多其他系統，有許多 AWS 已在世界各地使用了幾十年。

在評估任何這些系統的影響時，同樣至關重要的是，不僅要關注系統本身的能力和局限性，還要注意這些系統如何與人類整合成具有凝聚力的單元。這就是所謂的人機協同，與戰爭中的每一種技術都息息相關。在高端技術中，我們可能會想到像無人駕駛飛機這樣的系統，它們可以自主執行復雜的任務，甚至可以選擇目標并與之交戰，但人類要對其進行監督，并對不同的交戰決策開綠燈。在這種合作中，人類必須充分了解系統、系統的能力和局限性以及交戰環境，從而能夠勝任地評估系統的可靠性，并在必要時停止系統的運行。但是，人機協作也可以延伸到戰爭中最低級的技術項目。

對于戰爭中的任何技術系統，即使是步槍，其提供優勢的能力都與將其整合到有能力和可靠的人機系統（或也許是人-器系統，對于槍支這種簡單的東西）中的能力密切相關。此外，負責任地使用任何技術系統都要求使用這些系統的人類對系統本身有足夠的了解。這是人機協作的核心。

回到自主武器和人工智能，雖然目前使用的許多 AWS 確實幾乎沒有使用人工智能，或僅啟用了初級人工智能系統，但這種情況已經在迅速改變。因此，我們必須明確 "人工智能 "的確切含義。按照一些人工智能研究先驅的說法，我們的定義可能 "希望表明與我們在人類行動中看到的智能范圍相同：在任何實際情況下，在一定的速度和復雜性限制范圍內，可以出現符合系統目的并適應環境要求的行為"，或者我們 "關注的是在可用信息具有一定復雜性的情況下實現目標的方法"。

因此，軍事系統擁有 "人工智能 "的程度將取決于該系統在數據不足的情況下適應環境的能力。在這種有限的條件下，系統越是能夠完成目標并確保收益，我們就越有理由認為它具備人工智能能力。而由于軍事系統通常會在信息和資源有限的情況下運行，因此開發越來越復雜的人工智能系統將面臨壓力，即使這意味著這些系統的透明度或可理解性可能會降低。這就引出了不透明和推動可解釋人工智能的問題。

隨著人工智能系統變得越來越復雜，人類越來越難以完全理解、了解或解釋它們是如何運作的。這可能是由于簡單的實際限制（例如，人工智能使用了太多相互關聯的功能和算法，即使原則上可行，人類也無法解析代碼），也可能是由于真正的理解障礙（例如，人工智能使用了機器學習方法或深度神經網絡，使人類無法理解底層推理過程）。在這種情況下，我們可以認為這些系統是不透明的，或者使用另一種術語，我們可以稱這種系統為"'黑盒子'......一個我們知道輸入和輸出，但看不到它將前者轉化為后者的過程的系統"。在軍事領域，這種 "黑盒子 "似乎提出了一個獨特的棘手問題，因此，XAI 的研究工作由軍事研究人員率先開展也就不足為奇了，美國國防部高級研究計劃局（DARPA）開展的項目使這項研究的能見度越來越高。

為了彌補這些困難，XAI 試圖"（1）在保持高水平學習性能（如預測準確性）的同時，產生更多可解釋的模型；（2）使人類能夠理解、適當信任并有效管理新一代人工智能伙伴"。更簡單地說，"可解釋人工智能（XAI）系統的目的是通過提供解釋使人類更容易理解其行為"。鑒于最近 XAI 研究的蓬勃發展，人們提出了許多方法和途徑，但總的來說，所有方法都旨在實現上述目標 1) 和 2) 的某些版本。在軍事領域，這一點也不例外，因為設計和部署可能不透明的人工智能系統的人總是要在速度和精確度的軍事優勢與道德和法律需要之間取得平衡，即系統既要可預測，又要讓使用這些技術的戰斗人員充分理解。

作為最后一點，值得明確的是，在接下來的論證中，我始終假定參與軍事領域人工智能開發和部署的行為者（至少）是本著誠意和戰爭道德與法律的精神行事的。至少，我假定這種誠意要求努力遵守日內瓦四公約《日內瓦第一附加議定書》第 36 條，即在開發或采用一種新武器時，各方應努力 "確定其使用在某些或所有情況下是否為本議定書或任何其他國際法規則所禁止"。在此基礎上，鑒于假定行為體秉持善意行事，我們可以進一步假定，軍事領域人工智能系統的編程一般會默認設置為保守的瞄準參數；也就是說，自主系統和人工智能系統的設計將以盡量減少瞄準中的誤報為目標，并以誤報的預期增加為代價。

有了這些粗略的定義基礎，我們現在可以進入論證階段。不過，在此之前，應該再次指出，我并不是說上述任何定義或理解都應被視為定義或在某種意義上 "優于 "其他觀點。我所選擇的定義要么與廣泛的學術研究相一致，要么反映了中央政府和非政府組織的觀點，但探究其他定義及其影響也是有價值的。在本文中，我們將從上述理解出發，但我們也可以從其他角度來審視這些問題。

初級 AWS 和人工智能

長期以來，先進國家的軍隊一直可以使用至少具備初級人工智能的自主武器和系統。重要的是，目前使用的絕大多數自主武器要么是先進的自主彈藥，要么是根據相當明確的目標參數運行的反裝備平臺。對于這些武器來說，可解釋性的問題是沒有意義的，因為這些系統在大多數情況下并沒有利用任何形式的人工智能。相反，反輻射導彈定位并攻擊發射與雷達站和干擾器有關的無線電信號的物體，反坦克彈藥利用地震、聲學或高頻雷達跟蹤重型車輛和裝甲，用于導彈防御的近程武器系統主要以飛機的速度和航向作為參數來確定某物是否構成威脅。在這些系統和其他類似系統中（其中許多已使用了幾十年），人工智能是不必要的，通常也不存在（也許除了有限的目的）。因此，可解釋性與 AWS 本身并無特別關系。相反，關鍵的價值在于可預測性；如果作戰人員能夠可靠地預測預警系統在其計劃部署的環境中將如何運作，那么這就足以負責任地安全使用此類系統。此外，如果一個較簡單的預警系統是可預測的，那么部署它的作戰人員就沒有明確的理由需要解釋它的 "行動"。知道它什么時候能正常工作，什么時候不能工作，并據此作出相應的反應，就足以合乎道德和法律地使用這些系統了。知道系統在特定情況下為何會做出特定的瞄準決定，可能有助于作戰人員更快地掌握部署 AWS 的 "該做和不該做"，但一個人不必是工程師或程序員，也能認識到某些戰場情況可能會導致事故。畢竟，武器系統使用方面的訓練是為了讓戰斗人員了解這些系統何時能用、何時不能用，但了解這一點并不要求這些系統的使用者也成為這些系統的故障排除者、維修者和設計者。無論如何，有許多沒有人工智能的自主武器，對于這些武器，XAI 是不需要的。

然而，除了更簡單的 AWS 外，我們還看到越來越多的先進人工智能系統的發展，這些系統的運行可以大大減少人類的監督，并能完成更復雜的任務。事實上，全球主要大國正日益陷入人工智能軍備競賽，弗拉基米爾-普京聲稱 "人工智能是未來......"。[普京聲稱，"人工智能是未來，誰能成為這一領域的領導者，誰就能成為世界的統治者"，習近平補充說，"科學技術已成為全球大國競爭的主戰場"。為了回應這種立場，美國最近宣布計劃在未來兩年內開始使用數千套新的自主系統

然而，關于人工智能重要性的聲明，甚至使用更多數量和種類的 AWS 的計劃，并不意味著人工智能在軍事領域將迅速被不透明的 "黑盒 "系統所主導。相反，對于那些當前和不久的將來確實擁有某種形式人工智能的系統（這只是軍事領域所有自主系統的一部分）來說，其中許多系統使用的都是較為初級的程序，這些程序（很可能）是透明的。至于那些可能不透明的方面，通常與人工智能的無異議應用有關。例如，美國國防部高級研究計劃局（DARPA）的 "空戰進化"（Air Combat Evolution）計劃就利用了人工智能研究領域的許多最新突破，開發出了能夠有效參與 "狗斗"（近距離空對空交戰）的自主人工智能系統。在最近的一次比賽中，即 "阿爾法狗斗"（AlphaDogfight Trials），人工智能飛行員甚至能夠在多個領域可靠地超越人類。這些人工智能系統非常復雜，而且由于其設計和訓練方式，幾乎可以肯定它們可能做出的一些決定是不透明的。然而，在噴氣式戰斗機之間的空對空戰斗中，出現目標錯誤或新的不受歡迎或道德可疑行為的可能性要小得多。因此，即使出現不透明的情況，也不會自動意味著存在問題，或需要 XAI。出于各種原因，解釋可能證明是有用的，但解釋具有價值并不表明缺乏解釋就會反對某種人工智能系統或將其部署到戰區。

軍隊中的高級 AWS 和人工智能

初級 AWS 通常不具備人工智能，對于許多具備人工智能的 AWS 來說，人工智能簡單或直接，默認情況下是透明的。而對于目前軍隊中許多不透明的人工智能系統來說，它們的不透明并不一定會損害其在倫理或法律上的可容許性（因為不透明可能只會影響到倫理上中立的決策或默認情況下極少出錯的決策）。然而，隨著人工智能的不斷改進，不斷被應用于更多的任務，不斷變得越來越復雜（同樣，也越來越不透明），可能開始出現有必要將 XAI 作為負責任地使用人工智能系統的基本要求。在本節中，我將對這一寬泛的結論提出異議。特別是，我認為 XAI 往往與負責任地部署人工智能無關（盡管它可能在人工智能設計和生命周期的其他階段具有價值），豐富和深度集成的人機團隊是減輕不透明可能帶來的負面影響的更強有力的方法，而 XAI 甚至可能會破壞負責任的部署，因為它充當了一種形式的許可 "檢查框"，從而減少了強大的人機團隊的動力。

不可預測的 AWS 和不透明的人工智能

人工智能系統可能實際上是不透明的，因為在其后臺運行的（相互關聯的）功能和算法的數量和復雜程度都很高。此外，圍繞深度神經網絡（或更廣義地說，利用機器學習進行訓練）設計的自主武器或人工智能系統原則上也很可能是不透明的，因為設計師或工程師無法完全跟蹤系統學到了什么，以及它是如何從訓練輸入和操作數據到離散輸出的。一些作者進一步認為，機器學習不僅會影響系統的不透明性，而且實際上也會使人工智能系統在本質上具有不可預測性。如果我們回到上文第 2 節對智能的定義，就會明白為什么會出現這種情況。

如果我們以上述方式來理解 "人工智能 "系統，那么可以預見的是，這些系統將有能力以我們認為不可預測的方式行事。這是因為，這些系統需要在海量數據采樣的基礎上接受訓練，才能有效或負責任地部署。然而，這種訓練不可避免地不會包括它們可能遇到的每一種情況，或者至少不會包括從每一個角度、在每一種環境、在每一種天氣等情況下可能遇到的每一種情況。很簡單，系統需要訓練到足夠強大的程度，但在實際部署過程中，它仍然需要在信息不完整或在訓練過程中沒有直接遇到信息的背景下做出判斷。這樣一來，這類系統幾乎總會有一些固有的能力讓我們大吃一驚，原因很簡單，因為我們不可能訓練它們應對所有情況，當它們遇到一些新情況（或以前遇到過的情況，但從一個新的角度來看）時，它們可能會以新的方式行事。重要的是，這并不是說它們必須具備原位或實時機器學習能力，因為這會導致更深層次的不可預測性，并給負責任地部署此類系統帶來巨大挑戰。但是，系統必須能夠根據所接受的訓練，在訓練者預見到的環境中，以及在可能涉及意外變量的環境和背景下，以部分新穎的方式實現目標。此外，這種適應性問題解決有時可能會導致我們無法完全預測的行為。至少，這一點似乎是可信的。然而，我們無法完全預測某些行為這一事實并不意味著這種行為是不可預測的（在某種令人不安的意義上）。為了說明這一點，讓我們看看聯合國裁軍研究所（裁研所）最近的一份報告中霍蘭-米歇爾關于可預測性的論述。

米歇爾指出，我們無法 "事先知道無人機將采取哪些確切行動"，尤其是在考慮到系統結構不透明的情況下。然而，被派去執行類似任務的人類戰斗員也是如此。事實上，如果我們考慮完全確定的計算機系統，即每個輸入都有明確的唯一輸出，那么對于這些系統來說，我們也無法事先知道它們到底會做什么。這是因為我們無法事先知道它們會遇到什么。不過，盡管我們不知道它們到底會做什么，我們還是知道在某些情況下它們會做什么。對于像米歇爾想象的那樣被派去執行任務的人類戰斗員來說，情況也是如此，只不過程度要輕一些。因此，問題不應該是我們能否預測會發生什么，而是我們能否預測在各種輸入條件下會發生什么。為了論證起見，讓我們假設不透明本身就削弱了我們做到這一點的能力，即可靠地預測在特定輸入條件下會發生什么。XAI 是否會大大改善這種情況或消除這種不可預測性？

為了回答這個問題，我們必須首先區分以下幾種系統：一種是真正自主的系統，在部署時不需要同時進行任何形式的人類監督（人類離環）；另一種是系統自主運行，但其決策可能被人類推翻（人類在環）；還有一種是人類至少部分控制了系統的（部分）功能和目標決策（人類在環）。首先來看離環 AWS 和人工智能系統，我們會發現 XAI 在這些系統的部署過程中無法發揮真正的作用。

如果我們設想的是真正的自主武器系統，其中包含不透明的人工智能，那么這些系統在執行任務時將沒有任何同期人類監督。在設計這些系統時，如果能對所做的每一個決定提供可理解和有幫助的解釋，就能極大地促進對這些系統進行快速有效的訓練；如果系統犯了錯誤或做了一些新奇的、不需要的事情，提供其 "推理 "也同樣能簡化故障排除過程。然而，對于在沒有人類監督的情況下運行的人工智能系統來說，在部署過程中解釋的價值為零。不僅如此，還不可能在部署前對解釋進行有用的審查，作為對系統預期可靠性的一種 "檢查"。這首先是由于米歇爾剛才所討論的對可預測性的擔憂；人工智能系統可能有能力為其行動提供解釋，甚至是事先解釋，但我們無法事先確切知道系統在部署過程中將遇到什么，或者即使我們能知道，我們也無法知道將如何遇到特定物體或目標的確切細節（接近角度、環境溫度、物體的視覺和其他照明，等等）。這些因素都很可能與機器的決策過程高度相關，因此，唯一可能事先給出的解釋將是羅列可能相關和可能遇到的各種因素。這樣的清單必然會包含過多的項目，無法在部署前為人類提供有用的幫助，或者需要對其進行修剪和整理，從而忽略掉可能會對決策產生影響的潛在輸入數據組合。簡而言之，對于沒有同期人類監督的系統而言，事實前的解釋幾乎可以肯定要么太多而無法證明有用，要么有限但無法完全代表機器可能遇到的情況（或兩者的某種組合）。即使能克服這些問題，還有一個根本性的障礙，那就是離環系統在機器運行時無人審查決策（盡管在部署前或部署后可能會有人審查）。因此，雖然 XAI 可以改善此類 AWS 部署前或部署后的開發和故障排除，但它不會在部署期間為這些系統提供有用的工具。

人類在環上或環中的系統又是怎樣的呢？如果人類可以推翻機器的決定，或者是決策過程的一部分，那么解釋，尤其是可理解的解釋，似乎可以幫助我們更可預測、更可靠、更負責任地使用這些系統。然而，在我們過于迷戀這種可能性之前，我們有責任應對與 XAI 相關的挑戰，以及在軍事環境中部署人工智能時可能帶來的風險。本小節和下一小節的其余部分將專門探討其中的一些風險和挑戰。

第一個可能令人擔憂的領域是 XAI 系統的設計，以及所提供的解釋對負責監督部署到作戰環境中的人工智能系統的作戰人員是否真正有益。這是一個需要小心謹慎的重要領域，因為拙劣的解釋或沒有突出人工智能評估所依據的正確因素的解釋很容易導致錯誤。例如，Rudin（2019）介紹了一個負責識別圖像的人工智能系統的案例，說明了錯誤的 "解釋 "如何可能導致系統混亂、過度自信或信心不足。事實上，Rudin 的例子圍繞著一張狗的圖像和兩張隨附的熱圖展開，熱圖顯示了人工智能在兩次識別圖像時發現的相關點。兩張熱圖非常相似，但其中一張熱圖解釋的是人工智能系統在評估 "動物是西伯利亞哈士奇的證據 "時發現的相關點，而第二張熱圖顯示的是 "動物是橫笛的證據 "時發現的相關點。在這些大相徑庭的評估中，"解釋 "的相似性表明了解釋的缺陷和誤導性。

考慮到現代戰爭的節奏，以及人工智能系統的監督者需要快速做出決策，這一點尤其成問題。如果作戰人員看到人工智能系統在各種情況下都表現出色，并且總是將所給出的解釋與目標瞄準決策的理由相聯系，那么完全有可能不容易或不可靠地注意到有缺陷的解釋。不僅如此，如果解釋強調了錯誤的因素或沒有包括人工智能容易識別錯誤的方面，就可能無法為戰斗人員提供任何重要的機會，在必要時進行有把握的干預。這并不是說解釋一定會有這樣那樣的缺陷，或者不能做得很好，而只是想說明，如果執行不力，XAI 可能會帶來嚴重的風險。

人們可能希望通過包含更豐富的解釋，或強調解釋中包含哪些因素、排除哪些因素以及各種輸入數據的權重，來減輕上述擔憂。然而，正如提供過少（或無益）信息的解釋可能會造成問題一樣，提供過多信息的解釋也會造成問題。首先，一個顯而易見的問題是，現代戰爭對作戰人員的時間要求越來越嚴格，這限制了他們參與冗長而復雜的解釋的能力。此外，還有一個額外的困難，那就是足以澄清機器推理過程中可能潛伏的潛在問題的解釋很可能是復雜的，會深入到系統編程和訓練的各個方面，或者需要介紹大量的因素（因為人工智能系統做出的每一個決定都可能涉及許多細節）。這些可能會對作戰人員提出更高的要求，要求人工智能系統的部署人員除了接受作戰人員的訓練外，還要接受計算機科學家和工程師的訓練。無論如何，XAI 必須在過多和過少的解釋之間取得平衡，因為任何一端都會帶來風險。

不過，這些都是設計上的問題，也許我們可以合理地認為這些問題會得到及時解決。即便如此，在人工智能系統的部署過程中納入 XAI 很可能會對負責任地使用這些系統造成進一步的障礙。首要的問題是，提供豐富、易懂和翔實的解釋可能會讓人認為，人工智能系統的部署可能會更加容易，或有可能擁有經過普遍訓練的用戶，能夠可靠和負責任地處理各種此類系統。

這里有兩個不同的問題。第一個問題是，XAI 的存在可能會讓人認為，在類似系統（但不是要部署的確切系統）上訓練有素的人類可以可靠地使用其他系統。行動解釋的存在，再加上人類普遍接受過人工智能系統的訓練，可能會讓人相信，人們可以相對輕松地在不同系統之間進行切換。然而，不透明的系統，即使是對其行動做出解釋的系統，在做出每個決定時也會有許多微妙的因素。這些微妙的因素可能并不總是出現在解釋中，如果解釋足夠緊湊和簡單，在戰斗中可以使用，那么這些微妙的因素就很可能不會出現。因此，要理解這些因素并對其做出反應，就需要此類系統的處理人員對所部署的特定系統非常熟悉。然而，XAI 可能會導致 "一種訓練適合所有情況 "的看法，破壞負責任部署所需的人機團隊合作。

其次，與此相關的一點是，XAI 還可能導致一種觀念，即人類可以簡單地 "操作 "人工智能系統，而根本不需要以豐富的方式與之合作。這是因為豐富翔實的解釋可能會讓人相信或普遍認為，只要以批判和深思熟慮的方式參與解釋，并充分了解系統和作戰環境，以便在系統可能犯錯時進行干預，任何人都可以利用系統。然而，如上所述，所提供的解釋不太可能包括支撐具體交戰決策的所有微妙因素和線索。此外，要掌握特定人工智能系統的微妙之處，可能需要人類對該系統的運作有一定程度的深入了解和第一手資料。這可能只有通過將人類與機器組成豐富的團隊（理想情況下，涉及系統和人類的合作訓練），人類才能獲得。通過部署可解釋的人工智能系統，但將其置于未入門（或入門不深）者的權限范圍內，我們將面臨重大的錯誤風險，原因僅僅在于這些系統的 "用戶 "不具備相關知識，無法知道哪些解釋本身可能存在疑點，或哪些解釋可能需要額外審查。

綜上所述，XAI 顯然對人工智能的軍事用途具有價值。不過，這種價值主要與設計和故障排除有關。了解人工智能系統采取某些行動的原因，可以極大地幫助工程師和程序員開發系統，使其對收集到的環境信息做出正確反應，做出保守的目標選擇，并按照戰爭的法律和道德要求行事。同樣，如果人工智能系統在部署過程中犯了錯，或開始表現出新奇的、不受歡迎的行為，可解釋性可以使故障排除過程變得更快、更簡單、更有效，從而體現出巨大的價值；人工智能系統越能清晰地識別并傳達其采取某些行動的理由，工程師、程序員和機器訓練師就越能更好地處理導致其采取不受歡迎的行動的程序或訓練方面的問題。這些都是 XAI 可以促進用于軍事領域的人工智能系統的發展和改進的方式。

然而，這些都是與部署前和部署后階段相關的任務，并不表明 XAI 極大地促進了人工智能在離散軍事應用中的負責任使用。此外，上述論點表明，XAI 在交戰期間往往無關緊要，甚至可能適得其反。核心問題在于，XAI 如果成功，將為戰斗人員提供更多信息，但這并不一定意味著這些信息得到了很好的利用。更重要的是，XAI 與人機協作沒有先天或必然的聯系，因為人類可能會與系統配對并接受適當的訓練，但并不一定能深刻理解系統究竟為何這樣做。此外，人機協作是在軍事領域負責任地使用人工智能的核心因素，雖然 XAI 有可能補充這些協作，并改善作戰人員在戰場上部署先進人工智能的能力，但關鍵是，這種成功將首先取決于協作本身，最好的情況是得到 XAI 的進一步幫助，最壞的情況是受到其破壞。因此，我們應該謹慎樂觀地看待可解釋性為作戰目的部署人工智能的戰斗人員帶來的好處。

人機協作

對于不透明和潛在不可預測的自主武器和人工智能系統而言，解釋可能有助于更好地設計這些系統或改進存在缺陷的系統，但不可能減輕這些系統在實際軍事使用過程中的不透明和不可預測的負面影響。此外，豐富翔實的解釋可能會削弱人們對強大人機團隊的認知需求，而正是這些團隊對人工智能在軍事領域可靠、可預測和負責任的使用至關重要。特別是，我們必須確保從訓練人工智能系統到部署人工智能系統的整個過程中，我們都將發展人機團隊，并著眼于由專門的處理人員負責單個人工智能作戰系統（或可能是由相互關聯的系統組成的小組）。

基于伍德（2023b）中提出的論點，值得強調的第一點是，對于不透明的人工智能系統，我們應該重新思考如何與它們打交道。特別是，我們應該摒棄將人類視為這些系統的 "用戶 "的說法，而是將人類視為人工智能系統的 "部署者"，或者更確切地說，是 "處理者"。更進一步說，我們應該將人工智能系統的行為以及我們對其產生的影響概念化，將其與動物的行為進行相關的類比，而不是與其他技術人工制品的行為進行類比。這樣做的原因有很多，但讓我們簡要地概括一下要點。

如果我們假定行為者是善意的，那么軍隊中使用的不透明人工智能系統就不會是簡單地建造然后部署。相反，它們將接受廣泛的訓練，以熟悉盡可能多的情況和復雜因素。它們還將在某些變量容易導致錯誤或失誤的情況下，接受大量作戰情況的測試。事實上，負責任的開發人員會 "竭盡全力尋找問題，然后找到解決辦法"。所有這一切都將導致系統雖然仍有潛在的不透明性，但在大量情況下都能以可預測的方式運行。然而，盡管我們能夠大致預測它們的行為，但這種不透明性加上系統自身內在的自主行動能力，將意味著人工智能系統能夠以完全不可預測的方式行事。換句話說，負責任地開發的人工智能系統總體上是可預測的，但卻能采取不可預測的行動。

這與戰爭中使用的動物戰斗員的情況相同。動物長期以來一直是人類戰爭的一部分，扮演著各種各樣的角色，但為了具體起見，我們可以把不透明的軍事人工智能系統想象成戰斗突擊犬。這種狗要接受大量訓練，與極度了解它們的人類搭檔，并投入戰斗狀態，執行某些人類無法完成或人類無法像狗一樣完成的任務。重要的是，由于它們接受訓練的數量和質量，以及它們與人類搭檔的質量，戰斗突擊犬一般都具有很強的可預測性。但即便如此，它們仍能自主行動，并能以新奇的方式行事，有時甚至是不受歡迎的方式。人類訓犬員有責任識別出犬在什么情況下會做出不可預測的行為（無論出于什么原因），并做出相應的反應。雖然法律對動物戰斗員的規定存在空白，但在出現錯誤時，要求訓犬員承擔責任也是合理的。

將這一點與 XAI 的討論聯系起來，負責動物戰斗員的人類飼養員一般都非常了解他們的四腳朋友何時會表現正常，何時會變得不可預測。然而，動物的思想是無法探知的，馴獸師也不可能弄清動物行為的確切原因。很簡單，動物是不透明的。不過，這種不透明性并不意味著它們完全不可預測，甚至也不意味著它們通常不可預測，或容易做出不可預測的行為。但重要的是，動物戰斗者的可預測性與誰來預測有很大關系。

對動物負責的飼養員可能對動物的行為有非常可靠的預測能力，而其他戰斗員則可能完全不知道。此外，一個人對某些動物行為內在原因的一般理解也可能無法提供很強的預測可靠性。因此，動物心理學家也許能說出一般情況下是什么驅使了狗，它們做出某些行為的原因是什么，甚至在戰斗情況下是什么驅使了特定的狗。然而，從外部來看，心理學家對某些狗的行為的預測能力很可能遠不如其馴養者。即使心理學家對驅使動物的根本原因有更深入的了解，情況也很可能如此；熟悉和相互信任所提供的信息遠比單純的解釋要多得多。最后，還有一個關鍵點，即飼養員不僅要知道動物何時會出現不可預測的行為（可能是不受歡迎的行為），還要知道動物何時會出現可預測的不當行為。可預測的不當行為是在何時何地部署自主智能體的一個關鍵限制因素，而了解何時可能出現這種情況，最好是通過人類和其他智能體的豐富合作來實現。此外，向不熟悉智能體（不管是狗還是人工智能）的人提供解釋，不太可能突然傳授負責任地部署這些從屬智能體所需的一般理解。為了說明這一點，請看一個例子。

每一種嗅探形式都相當獨特，很容易區分。此外，不同類型的嗅探會導致我可能或必須采取不同的行動。如果它在尋找上廁所的地方，我就應該帶它去一片草地。如果它是在漫無目的地尋找食物，謹慎的做法可能是給它拴上狗鏈（盡管這并非必要）。如果它清楚地知道食物就在附近，并試圖搶在我之前找到食物，我就有責任立即把它拴起來（我們常吃的一些食物對狗來說可能是致命的毒藥）。無論如何，很明顯，它為什么要嗅聞會影響到我的責任。此外，這些類型的嗅探使它變得可以預測。不過，重要的是，它對我（和我妻子）來說是可預測的。另一個對巴迪不熟悉的人只會看到一只狗在嗅。不僅如此，我還可以詳細解釋每種類型的嗅覺是什么樣子，它們意味著什么，以及人類應該采取什么應對措施。然而，即使是這些也可能無濟于事。畢竟，如果它是因為知道有食物而嗅聞，那么它的嗅聞就會更快更瘋狂一些。但對于不了解情況的人來說，自然會問 "比什么更快更瘋狂？在不了解它的情況下，在對它的慣常行為、它所表現出的標記以及相關因素沒有基本了解的情況下，這樣的解釋是沒有什么意義的。不僅如此，我還肯定會注意到一些視覺線索和其他線索，但我自己無法完全解釋清楚。事實上，人類是不透明的，我們的不透明意味著我們無法完全理解為什么我們有時會知道某些智能體會或不會以某種方式行動。很簡單，熟悉會滋生一種理解，而單純的解釋是無法捕捉到這種理解的，我們忽視了這一點，就會給自己帶來危險。無論是對動物還是對人工制品的熟悉都是如此；每一個養狗的人都知道，你的狗所做的一些事情你的大腦會下意識地理解，即使他們無法用語言表達他們理解的是什么；每一個戰斗機飛行員、坦克手或其他依賴機器生存的軍事專業人員都對機器有一種理解，這種理解不是從教科書和解釋中產生的，而是坐在機器里面簡單地獲得的。

最后，還有一個問題是，如果某些(一組)系統實現了 XAI，就有可能導致人工智能系統的部署不那么負責任。這是因為過分強調可解釋性可能會導致 XAI 被視為允許使用人工智能系統的某種 "檢查框"。然而，如上所述，系統的可解釋性有可能是無益的，而更能理解解釋的個體在實際預測智能體在動態環境中的行動時也有可能不那么稱職。因此，AWS 或軍用人工智能系統在原則或實踐上是可以解釋的，但這并不意味著操作員和處理人員可以理解解釋或根據解釋做出可靠的預測。真正的努力需要在信任和團隊合作上，而不是在技術成就上，做不到這一點可能會導致災難性的后果。舉例來說，伊朗航空公司 655 號航班被擊落，這是與人機協作失敗有關的最致命的軍事失誤之一。

美國海軍文森斯號導彈巡洋艦配備了最先進的宙斯盾作戰系統，其機組人員將一架民航客機誤認為是伊朗的 F-14，由于 "對系統的能力過于自信，再加上人機界面不佳"，他們對飛機進行了攻擊并將其擊落，導致機上 290 名平民喪生。雖然當時文森斯號上的系統實際上可能是不透明的，但原則上沒有任何東西可以使它們變得似是而非的不透明。不僅如此，使用當前的 XAI 方法使它們變得透明和可解釋當然也是可行的。但這不是重點。伊朗航空 655 號航班被擊落，并不是不透明的系統或對宙斯盾作戰系統內置程序缺乏了解造成的。它是人機協同和各作戰單元之間合作的一系列失誤造成的，而只要促進這些單元之間更好的溝通，就可以避免事件的發生。同樣，部署期間的核心問題不在于系統是否可以解釋，而在于系統（無論是否可以解釋）是否能很好地整合到可靠的人機團隊中，這些團隊表現出合理的信任度，并且每個人都知道什么時候該依賴系統，什么時候不該依賴系統。

作為本節的最后一句話，我再次強調 XAI 確實有價值。只是這種價值不在戰場上，而是在設計和故障排除實驗室中。因此，這并不是說我們應該放棄 XAI，而是說我們應該認識到其好處的局限性。否則，我們可能會被過度夸大的研究項目所蒙蔽，而無法認識到其他價值（如人機協作）的極端重要性。此外，我們可能會發現自己有了一個 "道德檢查框"，它允許系統被部署到戰場上，即使沒有人能夠負責任地處理它們或可靠地預測它們的行動。

結論

XAI 在軍事領域確實具有價值。通過使不透明的系統變得可解釋，人工智能系統可能會得到更快速、有效和可靠的訓練，設計人員可能會更快地消除可能導致錯誤或新的不想要的行為的過程，而當系統確實以不想要的方式行事時，可理解的解釋可以大大簡化故障排除工作。然而，我們也必須明白，XAI 所能提供的好處是有限的。不僅如此，我們還必須注意這樣一個事實，即在某些情況下實施 XAI 也有可能導致錯誤，而且它可能會削弱人們對訓練有素的人工智能系統處理人員的認知需求，因為這些處理人員非常熟悉這些系統的推理能力、局限性和怪癖。因此，XAI 可以幫助我們更安全、可靠、負責任地開發和維護軍事領域的人工智能系統（部署前和部署后價值），但不加批判地全面實施這些方法也會帶來巨大風險。

最后，值得強調的是，本文的總體意圖并不是要論證 XAI 在軍事領域是好是壞，而是要強調其價值將取決于具體情況，并因參與解釋的人員而異。對于工程師、設計師和故障排除人員來說，解釋幾乎肯定是有益的，因此應盡可能將其納入其中。然而，XAI 對改進（或削弱）沒有同期人類監督的人工智能系統幾乎沒有幫助，對于那些有人類參與或在環的系統，XAI 可能會對負責任地部署復雜的人工智能系統造成障礙。但最重要的是，負責任的部署首先需要強大的人機團隊，其中人類充當人工智能的 "管理者"，而不是 "使用者 "或 "操作者"。在發展這樣的團隊合作時，將戰爭中的人-動物團隊類比為一個有用的出發點，可以讓我們了解到，如果我們將潛在的不透明人工智能系統僅僅視為人工制品，只要對其推理過程有一個解釋，就可以很容易地理解和預測，那么很可能會出現什么樣的風險和陷阱。

軍用機器人技術是現代和未來戰爭的核心技術。該領域的進步與人工智能（AI）、量子計算和大數據等新興和顛覆性技術（EDT）的發展以及民用領域的突破密切相關。軍用機器人是可以根據算法執行自動化、自動或自主行動的系統。在軍事領域，機器人技術有望成為力量倍增器，降低武裝部隊的人力風險和成本，并對 21 世紀的戰略競爭產生重大影響。

隨著技術的進步和生產成本的降低，軍用機器人技術正變得越來越容易為更廣泛的行為者所利用。無人駕駛飛行器（UAV）是軍事機器人技術最發達的領域，最近的調查結果顯示，目前有 95 個國家在使用無人駕駛飛行器，其中 20 個國家擁有武裝無人機，另外 20 個國家正在尋求獲得這種能力。無人地面運載工具（UGV）和無人海上系統（UMS）的發展也日新月異。值得注意的是，無人地面運載工具所涉及的技術與某些民用工業--例如汽車工業--的技術相似，這使得這些系統的開發和生產更加容易，成本更低。由于海洋環境對無人系統仍具有挑戰性，因此 UMS 的設計難度更大。

由于大國擁有龐大的國防預算和研發（R&D）技術能力，預計它們將引領未來軍用機器人技術的開發、部署和使用。此外，大國之間重新開始的競爭也刺激了它們在這一領域的投資。大國在軍用機器人方面的政策、理論和能力是了解全球趨勢和軍用機器人潛在未來的基礎。因此，本文分析并比較了美國、中國和俄羅斯在以下方面的發展：(1) 與國防相關的創新政策；(2) 將軍用機器人技術融入軍隊的理論演變；(3) 不同類型軍用機器人技術的投資和能力。

圖 1：每個國家的 RAS 項目數量。(資料來源：B： B. Torossian 等人，"機器人和自主系統的軍事適用性"，海牙安全研究中心，2020 年 2 月：20）。

美國保持技術領先地位的目標

美國與國防有關的創新政策仍然依賴于冷戰時期的 "抵消戰略"，其目的是保持對競爭對手的技術優勢，以確保戰略主導地位。美國的投資力度超過其他任何國家，自 1983 年以來，每年用于國防創新的支出始終在 550 億美元以上。然而，美國國防部（DoD）的預算并不完全足以維持長期發展，因為電子戰技術的研發成本非常高昂。國防高級研究計劃局（DARPA）和國防創新單元（DIU）等政府機構之間的合作，以及與硅谷和世界上最好的私營科研機構和大學網絡的聯系，使美國在軍用機器人研發領域繼續保持領先地位。科學進步還得益于美國自由和以市場為導向的經濟體系。

在條令方面，美國認為使用軍用機器人可提供戰略、作戰和戰術優勢。機器人能力旨在威懾競爭對手，減少人員參與野戰任務的 "三D"（枯燥、危險和骯臟）。在缺乏適當條令的情況下，美國陸軍發布了一份題為《美國陸軍機器人與自主系統戰略》的指導性文件，詳細闡述了無人系統的四項主要戰術任務：（1）提高態勢感知能力；（2）提供后勤保障，減輕士兵的體力負擔；（3）促進移動和機動能力；（4）保護前線的人類部隊。這份文件于 2017 年發布，說明美國在將軍用機器人技術融入武裝部隊的條令思考方面領先于競爭對手。

在能力方面，美國的機器人武庫依然無與倫比。美國軍方目前擁有 26 種無人機，從微型無人機到大型無人隱形無人機應有盡有。美國還得益于在該領域數十年的經驗、強大的機構支持和最大的采購市場（預計到 2025 年將達到 94.8 億美元）。關于 UGV，美國正在逐步部署更多的系統，重點是機器人和士兵之間的有人無人單元組隊。海軍陸戰隊和美國陸軍都配備了 Milrem Robotics 公司的 THeMIS UGV，預計到 2025 年，整個 UGV 采購市場將增長兩倍，達到 3.845 億美元。UMSs 采購市場在質量和數量上的增長可能最為顯著，預計到 2025 年將達到 11.26 億美元。這涵蓋了海軍能力的整個范圍，從便攜式 Battlespace UUV 到 XLUUV 無人潛艇。國防部還開發了蜂群技術，使無人機群能夠集體行動，2017 年的 Perdix 測試就表明了這一點。

總體而言，美國在國防創新、條令演進和軍用機器人實戰方面的表現表明，它有能力繼續在這一領域占據主導地位。美國的軍事預算規模、軍民兩用和與軍事有關的研發力度，以及國防部各部門與一流科技大學之間的合作，都使美國在軍用機器人領域的競爭中占據主導地位。此外，美國還可以依靠與世界上一些經濟和技術最先進的國家（如日本、韓國和北約成員國）建立的龐大伙伴關系和聯盟網絡。國際合作，如澳大利亞、英國和美國之間的 AUKUS 三邊條約，主要側重于共享軍民兩用技術，從而為美國的國防創新努力起到了力量倍增器的作用。這是與俄羅斯和中國的顯著區別。圖 1 顯示了全球民用和軍用機器人與自主系統（RAS）項目的數量，并凸顯了美國（連同英國）在這一領域的主導地位。

圖 2：在國防、太空、機器人和運輸領域排名前五的國家。(資料來源：J： J. Gaida 等人，"ASPI 的關鍵技術追蹤--未來力量的全球競賽"，澳大利亞戰略政策研究所，2023: 17）。

中國在創新和軍用機器人領域的大幅趕超

自 2012 年起，中國開始實施一項名為 "軍民融合"（MCF）的國防創新政策。MCF 政策旨在促進中國民用技術企業與軍隊之間的融合。MCF 已成為中國的主要戰略措施之一，追趕技術更先進的國家，并在 2049 年超越美國成為全球領先強國。通過改革中國科學院，將研究機構、私營企業和國防企業集團改革，中國在開發創新技術方面達到了令人矚目的先進水平。然而有專家稱，中國還不能獨自確保整個先進電子或半導體供應鏈的安全。圖 2 顯示了國防、太空、機器人和運輸領域排名前五的國家。這凸顯了中國在新興技術開發方面的領先地位，其中包括與機器人相關的國防應用。

中國在將軍用機器人技術融入武裝部隊的條令方面也正在取得進展。正如一位觀察家所指出的，這是 "中國人民解放軍（PLA）從歷史上專注于國內安全和中國大陸防務向新興的在中國海岸以外部署軍事力量的條令演變 "的直接標志。通過 "前沿防御"（FD）概念，打算采用非對稱作戰手段，在近海擊敗更強大的對手。在這方面，EDT 是中國國防態勢的基礎，因為自動化和機器人化是 FD 的兩個組成部分。它們能讓解放軍更快、更明智地做出決策，應對更廣泛的威脅。據報道，中國正在考慮使用自主武器在戰場上取得戰術和作戰優勢的可能性。無人系統的實戰化和集成化也被視為中國尋求戰略首要地位的象征性基準。

中國正在大力投資人工智能和機器人能力：2018 年，與人工智能相關的國防支出達到 27 億美元，2019 年軍用機器人的收購市場占 14.4 億美元。中國軍用機器人相關發展在無人機領域引人注目。從 20 世紀 90 年代生產仿制無人機的低成本模型開始，中國已成為 "無人機橫向和縱向擴散的推動力"。中國現在可以生產與美國產品相媲美的尖端系統，如 GJ-11。中國向至少 16 個國家出口無人機就是這一成功的例證。雖然中國的無人潛航器過去并不特別先進，但現在已經取得了顯著的進步，例如攜帶輕機槍的 "利爪一號"。預計在 2019 年至 2025 年期間，UGV 采購市場將以年均 64% 的速度增長，達到 4.656 億美元。關于 UMS，中國正尋求通過 HS001 等無人駕駛系統挑戰美國的海上霸主地位。預計到 2025 年，中國的 UMS 采購市場將增長七倍，達到 8 億美元。

總體而言，中國已成為開發 EDT 的領頭羊，在某些關鍵軍民兩用技術方面超過了美國，如協作機器人和高超音速飛行器。過去幾年，中國的技術進步的確令人矚目。然而，在可預見的未來，中國經濟體制改革的緩慢、繁瑣程序以及人口和經濟方面的挑戰可能會帶來一定的限制。在國防創新方面，中國正努力超越西方體系，形成關鍵技術的獨立供應鏈。因此，成效是顯而易見的，也是巨大的，特別是考慮到其采購市場的預期大幅增長。但中國是否有能力在軍用機器人領域超越美國，目前尚不清楚。

俄羅斯為在技術競爭中的措施

俄羅斯在過去十年中修訂了與國防相關的創新政策。其中包括成立先進研究基金會（ARF），這是一個類似于美國 DARPA 的機構。2008 年，俄羅斯還在阿納帕建立了 "時代技術城"（Technopolis Era），這是一個類似于 "軍事硅谷 "的綜合體，用于開發和測試 EDT。Technopolis Era 的建立表明，俄羅斯政府正在努力 "發展一個廣泛的--而且仍在不斷擴大的--國防研發合作平臺網絡，其中包括武裝部隊、國家民事機構和私營機構"。迄今為止，這些舉措似乎并不成功，這主要是由于俄羅斯的創新表現不佳，以及 ARF 預算規模較小。俄羅斯在全球創新指數中排名第 45 位，在人工智能和其他 EDT 方面并不領先。此外，ARF每年的預算為6300萬美元，俄羅斯的投資遠遠低于美國和中國。俄羅斯國防工業還過度依賴外國制造的電子產品和半導體，因為國內幾乎不具備這方面的生產能力。2022 年俄羅斯入侵烏克蘭后，西方國家對俄羅斯實施制裁，使問題更加嚴重。圖 3 顯示了自 2019 年 1 月以來對俄羅斯的半導體出口變化情況。

圖 3：2019 年 1 月至 2022 年 11 月對俄羅斯的集成電路出口額。(資料來源：D. Andrew et al： D. Andrew 等人，"俄羅斯在美國和盟國的出口限制下轉移進口來源"，華盛頓國際貿易協會，2023 年 1 月：13）。

在條令層面，大多數觀察家認為，在新一代戰爭（NGW）范式下改革后的俄羅斯軍隊將使俄羅斯能夠進行現代聯合作戰和混合戰爭，包括使用軍用機器人。該范式的一個目標是用機器人取代約 30% 的人類部隊。同樣，俄羅斯 2019 年的主動防御（AD）作戰概念依賴于先發制人化解試圖攻擊本國的敵人的邏輯，包括通過廣泛使用 EDT。俄羅斯繼續尋求用機器人取代其武裝部隊中的某些人類任務，據報道，俄羅斯還尋求為機器人分配直接作戰任務。俄羅斯已投資開發 FEDOR 等仿人機器人，這些機器人將能夠攜帶武器并執行基本的步兵任務。然而，俄羅斯似乎并沒有像大多數專家在俄烏戰爭前所認為的那樣，將機器人系統納入其武裝力量條令。這表明俄羅斯在這一領域落后于美國和中國。

近年來，俄羅斯在機器人系統的研發和集成方面投入了大量資金。無人機幾乎已被整合到各個軍事層面，并得到越來越多的使用。俄羅斯的工作重點是生產成本低廉的戰術無人機，如 S-70 Okhotnik 或 Grom。預計到 2025 年，無人機采購市場將達到 10 億美元。鑒于其陸地大國的歷史定位，俄羅斯正在大力發展 UGV。UGV 采購市場預計將從 2019 年的 9000 萬美元增長到 2025 年的 3 億美元。據報道，俄羅斯武裝部隊在敘利亞和烏克蘭的行動中使用了各種類型的 UGV，從而積累了戰場經驗。然而，這些系統（如 Uran-9）大多表現不佳。俄羅斯沒有優先發展 UMS，主要是因為缺乏技術專長和資金。除了 "波塞冬"--據說是一種正在研發的核動力和核能力系統--俄羅斯的 UMS 不太可能達到美國或中國的水平。預計到 2025 年，俄羅斯 UMS 的采購市場將達到 8180 萬美元。

總體而言，即使在 2022 年與烏克蘭開戰之前，俄羅斯也在竭力發展反彈道導彈。這包括其國防相關創新政策改革不成功，機器人技術投資和性能水平遠低于美國和中國。西方對大多數工業產品和技術的制裁削弱了俄羅斯開發和生產軍用機器人的能力。俄羅斯被中國臺灣半導體制造公司和英特爾等集成電路行業領先企業列入黑名單，中國拒絕向其提供先進技術，這些都是重大制約因素。然而，俄羅斯仍有可能通過白俄羅斯、土耳其和中國等國獲得西方制造的敏感先進技術，盡管獲得的速度和成本要低得多。此外，雖然俄羅斯在 NGW 范式下的條令發展似乎提高了其軍事能力，但其武裝力量在烏克蘭的表現卻表明并非如此。事實上，20 世紀的軍事條令概念似乎仍占主導地位。

結論

三大軍事強國--美國、中國和俄羅斯（在較小程度上）--在發展軍用機器人技術的戰略競爭中處于領先地位。有三個指標可用來評估和比較它們在這一領域取得的進展。

在與國防有關的創新方面，美國處于領先地位。美國可以利用其比較優勢，如龐大的軍事預算、硅谷與軍事技術發展的聯系以及強大的學術和研究機構網絡。然而，中國的軍民融合政策正在迎頭趕上，在創新能力方面正在縮小與美國的差距。中國已經在一些關鍵領域處于領先地位。俄羅斯無法對其國防創新體系進行連貫的改革，而且在創新方面投入的資金有限，這意味著俄羅斯將難以保持競爭力。

對條令的分析表明，這三個國家的目標都是越來越多地將軍事任務交給機器人系統。美國和中國在將軍用機器人技術納入武裝部隊的計劃概念發展方面走在前列。更具體地說，這兩個國家在考慮何時以及如何將無人駕駛飛行器用于軍事應用方面取得了重大進展，而俄羅斯卻未能做到這一點，在對烏克蘭的戰爭中，機器人系統的出現微乎其微。

就能力而言，美國在軍用機器人領域的投資規模仍然無與倫比。美國也是唯一開發和采購海陸空全方位能力的國家。中國在過去十年中取得了長足的發展，可以想象，中國將在多個領域挑戰美國的軍事主導地位。俄羅斯在軍事機器人系統方面的支出僅是美國和中國的一小部分，盡管它在 UGV 領域取得了進步。未來，俄羅斯很可能能夠在一些利基市場上競爭，比如低技術含量的戰術無人機，但總體而言，它很可能會繼續落后于其他兩個軍事大國。

歸根結底，通過對這些國家在三項指標上的比較可以發現，美國很可能仍將是軍用機器人研發和實戰方面的領先大國，而中國正在成為一個嚴重的競爭對手。在不久的將來，俄羅斯實際上將退出高水平的競爭，特別是在其與烏克蘭的戰爭造成國防和經濟后果之后。因此，軍事機器人領域的大國競爭已成為中美之間的二元競爭。

不過，地區大國也將在某些領域展開競爭。技術先進的國家，如以色列、英國、澳大利亞和歐盟成員國，都在增加軍用機器人的研發項目（見圖 1）。因此，可以預計，未來美國和中國這兩個大國將在軍用機器人領域占據主導地位，而中小強國則可能在某些細分領域處于領先地位。

野戰手冊（FM）3-0《作戰》的出版將信息作為最新的任務變量，與任務、敵人、時間、地形、可用部隊和民事因素并列。不過，FM 3-0 明確指出，信息不是一個獨立的任務變量，而是一個必須納入其他任務變量分析的變量。信息優勢是一個新詞，但其定義與聯合兵種機動非常吻合。信息優勢是指 "一支部隊在態勢了解、決策和相關行動者行為方面掌握主動權"。旅戰斗隊中的電子戰排、軍事情報連、騎兵中隊和營偵察排通過保護或實現對態勢的了解來為指揮官提供信息優勢。破壞或轉向等防御性戰術任務是通過攻擊敵方對態勢的了解和干擾敵方決策來影響敵方，迫使敵方過早做出不利反應。煙幕彈和電子戰干擾只是在戰術層面攻擊敵方指揮和控制能力的兩個例子。戰術層面的領導者在整個大規模作戰行動（LSCO）中都要開展信息作戰；然而，戰術層面的條令目前還很難有意識地將信息作為任務變量納入整個計劃過程。

本文認為，陸軍應更新陸軍技術出版物（ATP）3-21.10《步兵步槍連》和ATP 3-90.1《裝甲和機械化步兵連隊》中的附錄 B，以便更好地將信息作為任務變量納入部隊領導程序。新的 FM 5-0《計劃和命令制作》強調，在整個行動過程中，所有指揮官和參謀人員都必須不斷分析信息。瓦列里-扎盧日尼將軍將電子戰列為烏克蘭取得勝利的第二大要務，烏克蘭戰場上的實際情況也證明了這一點。首先，必須在整個任務分析過程中刻意強調信息。其次，信息優勢原則應補充戰術領導人制定行動方案（COA）的方法。最后，對信息的考慮應貫穿于領導者如何理解戰術風險的過程中。按照目前的條令，作戰功能是重點，但包括信息在內的作戰功能最終會改變對單元戰斗力的強調。

圖：2023 年 3 月 8 日，在加利福尼亞州歐文堡國家訓練中心舉行的實彈演習中，一名隸屬于第三步兵師第二裝甲旅戰斗隊的士兵準備移動。（攝影：SPC Duke Edwards）

任務分析

ATP 3-21.10 和 3-90.1 的附錄 B "計劃和準備 "應予以更新，以強調信息，這可以通過增加 "射擊、移動和通信 "中通信部分的權重來實現。ATP 3-90.1 規定："為幫助了解 OE（作戰環境），連隊領導使用兩種工具，即作戰變量和任務變量。然而，同樣的條令并沒有強調計劃過程中的信息。信息將射擊、移動和通信等不同行動聯系在一起。在 ATP 3-21.10 和 3-90.1 中，地形和天氣分析目前側重于移動和武器效果分析，但這兩份出版物同樣應包括通信分析。正如這些 ATP 所解釋的那樣，戰場上的情報準備工作強調的是敵人將如何開火和機動。盡管如此，俄羅斯軍隊仍將信息戰放在優先地位，并刻意在戰術層面上加以影響。ATP 3-90.1 和 3-21.10 均列出了敵方上級指揮部為支持其地面機動而可能使用的合理資產，其中均不包括電子戰資產。現行條令未能在部隊領導程序中適當強調信息，這損害了戰術級領導者的利益，應予以改變。

在戰術層面的條令中，地形分析目前的重點是對友軍和敵軍的移動和武器效果進行推斷，但應加以擴展，刻意考慮信息這一任務變量。FM 5-0 附錄 A 中的表 A-3 提供了一份以信息為中心的問題清單，以增加其他任務變量的深度，其中地形和天氣下的問題側重于發射控制和通信（見圖 1）。陸軍條令出版物（ADP）3-13《信息》將信息定義為 "接收者（人類或自動系統）賦予意義的上下文數據"。地形會影響數據與接收者之間的聯系，可能會削弱藍軍和紅軍的通信保障，同時也提供了保護通信的機會。連級領導應分析地形對障礙物下和觀察/火場內通信的影響。ATP 3-21.10 和 ATP 3-90.1 均未在這兩個類別下列出有關地形如何影響通信的單一問題。地形可以阻礙視線范圍內的無線電通信，如果考慮和利用得當，還可以保護部隊不被發現。領導者可以估計敵方可能的指揮和控制節點的位置，然后利用這些推斷預先計劃火力任務，將敵方的指揮和控制作為目標。目前，這些條令出版物中的地形分析主要強調移動和武器分析。它應包括通信分析，因為射擊和移動只是等式的一部分，沒有適當計劃的通信是不夠的。

圖 1 - 任務變量信息問題示例（FM 5-0）

天氣會影響視線以外的通信，如高頻（HF）無線電，而偵察單元可能將其作為與上級總部的主要通信手段。高頻無線電受地形影響較小，但容易受到某些天氣條件的影響。領導者應通過閱讀天氣數據來判斷敵我雙方的通信能力，因為這直接影響到指揮和控制。現代戰場上到處都是無人機系統，這會阻礙單元集結必要兵力取得勝利的能力。10 不過，無人機的擴散受到天氣的限制，尤其是較小和較便宜的變體。建立在眾多能向上級總部提供實時共同行動圖像的無人機基礎上的敵方防御，很容易被有能力利用天氣機會奪取優勢的單元所攻破。天氣可能會掩蓋友軍單元，就像低垂的霧氣會掩蓋小隊下馬通過原本可觀察到的地形的行動一樣。ATP 3-21 附錄 B 未提及天氣如何影響通信，而 ATP 3-90.1 提到了高速風和降水如何影響通信。它們沒有提到天氣對情報、監視和偵察（ISR）平臺的影響。信息優勢取決于哪一方對態勢有更好的了解。地形和天氣對友軍和敵軍都有影響，領導者有責任在制定敵方態勢模板和友軍行動方案之前了解并分析這些影響。

俄羅斯等大國強調信息戰對所有三個層次的戰爭都有影響。然而，針對連級機動領導的現行條令通常將這些資產歸類為能力范圍內的 "其他"。ADP 3-13 指出："反射性控制是一個從戰略層面針對地緣政治對手到戰術層面針對戰場上的敵人的概念。這一點可以通過俄羅斯在包括戰術在內的每個戰爭層面廣泛使用電子戰資產在戰場上看到，電子戰單元通過非動能手段將無人機擊落。萊斯特-格勞（Lester Grau）博士和查爾斯-巴特爾斯（Charles Bartles）在《俄羅斯的戰爭方式》一書中描述了俄羅斯的電子戰連隊如何協同保護、火力和情報等不同的作戰功能，以實現共同目標。大國同樣強調電子戰是現代戰場的一個重要趨勢，并在各級戰爭中進行相應的資源配置。俄羅斯等大國將電子戰納入地面演習，以在態勢了解、決策和相關行為方面提供優勢。ATP 3-21.10 和 3-90.1 正確地指出，領導者需要從條令上分析敵方希望如何作戰，以及在特定環境下敵方將如何作戰，但這兩份文件均未提及電子戰能力，盡管它們對俄羅斯人希望如何作戰具有重要意義。

隨著重點向 LSCO 轉移，領導人經常強調，地面部隊不能假定友軍將始終擁有空中優勢。這是正確的，但這只是 LSCO 如何改變動態的一個方面，因為領導者將無法確保信息優勢。美國空軍或陸軍攻擊航空兵可能無法參加連級戰斗。而且，連長可能并不完全了解敵人的行動，也可能無法通過調頻（FM）無線電呼叫預備隊來反擊敵人的攻擊。將信息納入對其他任務變量的分析，目的是讓領導者思考自己所依賴的技術如何受到攻擊和操縱，從而影響決策或限制選擇，而且這種攻擊和操縱可能以多種不同的形式出現。戰術層面的條令未能充分說明戰場是如何 "信息化 "的，以及敵人將如何利用地形和天氣來發揮自己的優勢、保護自己的弱點、利用美軍的優勢和削弱美軍的優勢。ATP 3-21.10 和 3-90.1 應在任務分析中考慮到這些因素。更好地理解信息如何影響行動的領導者更適合將 FM 3-0 中的行動要領納入其中，并為如何利用信息幫助制定友軍的作戰行動方案奠定基礎。

制定行動方案（COA）

信息優勢原則應作為戰術領導者制定 COA 方法的補充。ATP 3-21.10 和 3-90.1 指出："COA 描述了單元如何在決定性地點以最少的友軍傷亡對敵人產生壓倒性戰斗力的效果。這兩份ATP都只提到了制定COA過程中的信息。然而，正如 FM 3-0 中關于信息的論述，"信息也是戰斗力的關鍵組成部分，是奪取、保持和利用主動權以及鞏固成果所必需的"。

有兩種方法可以將信息納入作戰行動評估。首先，可以從戰斗力的角度分析相對戰斗力，而不是僅僅從作戰職能的角度分析相對戰斗力。另一種方案是從領導力和信息的角度對作戰職能進行推導。第一種方案與 FM 5-0 更為一致，后者列出了需要與對手能力進行比較的信息。第二種方案更符合信息與任務分析相結合的方式；信息往往作為連接組織出現在每個作戰職能中，而不是作為一個獨立的類別。這就為 ATP 3-21.10 和 3-90.1 提供了引入信息優勢原則的機會：以進攻為導向、聯合武器、指揮官驅動和士兵賦能。通過不同的視角分析相對戰斗力的推論框架，為指揮官提供了一個比目前條令中提供的更好的工具來制定主要作戰行動。

圖 2 - 信息優勢框架（ADP 3-13）

通過分析相對戰斗力得出的推論是連級領導在制定作戰行動方案時的關鍵決策。這是領導者利用現有資源成功打擊對手的基礎，條令中概述了這些推論應盡可能提供信息優勢。FM 3-0 承認，機動和消耗都是應對局勢的有效選擇。無論是進行機動戰還是消耗戰，信息優勢都能起到決定性作用。了解如何利用持久性 ISR 實現目標定位和地面機動，可以為擊敗敵人提供機會。盡管如此，我們的戰術條令并沒有明確指出除了應尋求優勢之外的其他推論。在分析相對戰斗力時，信息優勢并不是領導者應該尋求的唯一目標，但卻是他們應該考慮的一個方面。這一點應在條令中明確闡述。這將有助于確定領導者如何分析相對戰斗力，以及如何利用這些推論來生成選擇方案、排列部隊和制定選擇方案概念。

目前，條令在制定 COA 時并未包含太多深入信息，這同樣不利于連級領導者。利用作戰功能實現信息優勢是一種聯合軍備方法。條令應向試圖了解如何制定計劃的領導人闡明這一點。歸根結底，指揮官必須根據對局勢的了解，通過計劃和執行做出決策。ADP 6-0《任務指揮》明確指出了信息與指揮官活動的關系： "在決策方面，信息是經過組織和處理的數據，以便為進一步分析提供背景資料"。

全新的排長應首先掌握火力和機動，然后隨著經驗的積累，了解其他作戰職能如何對成功同樣重要。隨著領導者在單元中的成長，他們會提出火力和機動以外的問題。這是一個積極的發展，因為利用所有可用資產來實現決策優勢將對單元大有裨益。同樣，信息優勢并不是領導者在分析相對戰斗力時應尋找的唯一方法。但它仍應是一個關鍵因素，并在條令中予以考慮。了解信息如何提供成功機會的領導者也會更好地理解他們對戰術風險的定位。

戰術風險

如果能更好地理解 ATP 3-21.10 和 3-90.1 中的信息，就能更好地了解戰術風險以及指揮官如何降低戰術風險。戰術風險一般分為兩類： 指揮官在友軍行動或允許敵方行動中做出的有意選擇，而這種理解是以任務分析為依據的。改進機動連級領導將信息納入任務分析的方式，可以更好地了解戰術風險。對手會適當地將信息納入任務規劃，而機動部隊的領導者必須了解這一點并加以考慮。

指揮官選擇承擔信息風險的行動可能會帶來暫時的優勢，但必須降低風險。指揮官可利用信息環境中的行動來降低風險。一個單元可利用電子戰提示將部隊從防御中的一條途徑重新部署到另一條途徑。指揮官可以使用欺騙手段將敵人引誘到交戰區域。EW 干擾機可增援較小的部隊，與直接和間接火力同步，在交戰區造成混亂。指揮官有多種選擇，但他或她必須了解信息環境中存在的行動，并在部隊領導程序中加以考慮。

結論與建議

信息與連級機動領導人息息相關，我們的條令應將信息作為任務變量加以反映。信息不僅僅屬于公共事務團隊；它不僅與民事因素相關，也不僅限于信息傳遞。信息是所有作戰功能之間的連接組織，使領導和決策成為可能。地形、天氣和對手都會對可靠的通信提出挑戰，從而產生支持目標的效果。友軍也能做到這一點。網絡和空間能力為信息環境中的行動帶來了許多影響，其中許多影響超出了步兵連指揮官的能力范圍，但它們并不是唯一的影響領域。偽裝、欺騙行動、EW 和煙幕都是屬于信息范疇的旅戰斗隊內部能力。ADP 3-13 將信息定義為 "接收者（人類或自動系統）賦予意義的上下文數據"。機動連指揮官可以操縱數據，對接收方式提出質疑，甚至利用上下文。

陸軍必須更新 ATP 3-21.10 和 3-90.1，以便更好地將信息作為任務變量納入其中。FM 5-0 提供了一個很好的起點，但不能照搬照抄。當前的沖突表明，信息環境是有爭議的，處于風口浪尖的人們需要能反映這一現實的條令，并提供在這一有爭議的環境中成功作戰的必要工具。

圖：2024 年 2 月 6 日，第 10 山地師第 1 旅戰斗隊第 22 步兵團第 2 營的士兵在紐約州德倫堡進行聯合武器實彈演習。（攝影：SPC Kaylan T. Joseph）

隨著美空軍從以反恐為重點調整為應對具有潛在生存后果的近鄰競爭，“一切照舊 ”的系統開發方法將不再適用：將無法繼續在幾十年前開發的概念上循序漸進。相反，需要新的技術，提供新的能力，以及運用這些能力的新的作戰概念。目前在信息科學領域，特別是在自主系統（AS）開發及其相關基礎技術--人工智能（AI）領域，存在著廣泛而深入的技術推動力。隨著新的人工智能算法和學習技術的開發和以新穎的方式加以應用，對認知和神經生理學的了解--大多數時候之所以 “聰明 ”的基礎--也在以令人目眩的速度增長，而構建自主系統（如自動駕駛汽車和游戲機器人）的能力也不斷成為頭版新聞。此外，隨著計算能力、內存、網絡和數據可用性的摩爾定律增長，底層計算基礎設施的爆炸性增長也加劇了這些進步。

在此的目標有兩個：為美空軍高層領導提供自主系統潛力的愿景，以及自主系統如何在各級作戰中發揮變革性作用；為科技界提供一個總體框架和路線圖，以推動技術發展，同時支持其向現有和即將獲得的系統過渡。與其他人一樣，也認為使用這些系統將帶來可觀的回報，原因很簡單，這些自主系統的單項能力將提供更大的使用自由度和新的作戰概念機會。但這只是一種傳統觀點。更深遠的潛在回報將來自于以信息為中心的發展和自主系統的激增，這樣，就可以拋棄傳統的以平臺為中心的思維方式，成為一個以服務為導向、無處不在的網絡化和信息密集型的企業。

本文中，首先闡述在自主系統（AS）“行為”方面的需求：也就是說，無論底層技術手段如何，這些系統在熟練程度、信任度和靈活性等關鍵維度上的行為結果是什么？然后，將重點關注有可能將致力于解決這一問題的多個不同群體聚集在一起的架構方法，然后討論可以將這些架構變為現實的使能技術。最后，提出了一些建議，這些建議不僅涉及技術問題，還涉及應該解決的問題集類型、解決這些問題所需的開發流程和組織結構，以及能夠實現所提出愿景的知識平臺的更廣泛結構。

當今以平臺為中心的美空軍觀

R1. 行為目標

這些基本上是概括性的設計要求，規定了AS 在熟練性、可信性和靈活性方面的行為方式。

• 建議 1a： 自動服務系統的設計應確保其在特定環境、任務和隊友中的熟練操作。熟練性的理想屬性包括情境代理、自適應認知能力、允許多代理出現以及從經驗中學習的能力。

• 建議 1b： 人工智能的設計應確保由人類同行操作或與人類同行合作時的信任。理想的信任原則包括：認知一致和/或決策透明、態勢感知、可實現自然的人-系統互動的設計以及有效的人-系統團隊合作和培訓能力。

• 建議 1c：人工智能系統的設計應以實現熟練程度和信任為目標，并能推動不同任務、同伴和認知方法之間的行為靈活性。人工智能系統所需的靈活性原則包括能夠根據整體任務的要求和面臨的情況改變其任務或目標。它應該能夠扮演下屬、同級或上級的角色，并與人類或組織內的其他自主系統一起改變這種角色。它還應能夠改變執行任務的方式，既能在短期內應對不斷變化的情況，也能在長期內積累經驗和學習。

R2. 架構和技術

這包括支持跨學科研究與開發的統一框架和架構，以及支持架構內預期功能所需的技術投資。

• 建議 2a： 開發一個或多個通用的 AS 架構，以涵蓋目前在不同社區使用的多個框架。架構至少應提供 “端到端 ”功能，即為 AS 提供感知能力，以捕捉其環境的關鍵方面；認知能力，以進行評估、計劃和決策，從而實現預期目標；以及運動能力，以在需要時對其環境采取行動。體系結構應具有功能結構，以實現可擴展性和可重用性，不對組件功能的符號處理或次符號處理做出承諾，包含記憶和學習功能，并根據需要支持人機交互。無論采用哪種形式，架構都應可根據分配的任務、參與的同伴關系和使用的認知方法進行擴展。衡量一個架構是否有用的一個關鍵標準是，它是否有能力彌合處理自主性問題的不同群體之間在概念和功能上的差距。

• 建議 2b： 繼續開發在組件層面提供所需功能的使能技術。這不僅包括支持基本的 “看/想/做 ”功能的技術，還包括支持有效的人機交互界面 (HCI)、學習/適應和知識庫管理的技術，既包括通用技術，也包括特定領域的技術。技術開發的性質應從基礎研究、探索性開發到早期原型設計不等，這取決于具體技術的成熟程度及其設想的應用。

• 建議 2c： 開發并推廣多層硬件和多層軟件架構，以支持自動系統的開發、驗證、運行和修改，其中每一層都為給定的高級和低級功能提供不同硬件實現/主機的物理結構，每一層都為類似功能提供不同的軟件實現。要充分利用新興技術趨勢，特別是商業領域的新興技術趨勢，可能需要各種復雜的架構模式。

R3. 挑戰性問題

這里既涉及與領域無關的問題（或功能性問題），如動態重新規劃，也涉及與領域有關的問題（或面向任務的問題），如多域融合。

• 建議 3a：通過一套范圍適當、規模適當、抽象化的面向功能的挑戰問題集來推動自動系統的基本行為、架構和功能開發，使科學與技術（S&T）界的不同成員能夠專注于自動系統行為的不同貢獻者。根據最初提名的架構和功能集選擇挑戰問題集，其方式應涵蓋架構所代表的全部功能（詳盡性），并盡量減少解決任何兩個挑戰問題所需的功能重疊（排他性）。

• 建議 3b：選擇以任務為導向的挑戰問題，其兩個目標是：a) 解決當前或未來可能非常適合應用自動系統的操作差距；b) 挑戰科技界在自動系統功能的科學和工程方面取得重大進展。確保挑戰問題能夠在前面選定的架構和功能的范圍內得到解決，以確保獨立于領域的工作和獨立于領域的工作之間的一致性，避免 “一次性 ”應用工作最終對其他面向任務的問題集貢獻甚微。既要考慮 “部分 ”以任務為重點的挑戰問題，也要考慮 “端到端 ”的挑戰問題。最后，不要將科技資源用于解決在其他部門也有類似問題的作戰問題，除非空軍特有的屬性使問題非常獨特，無法以類似方式解決。

R4. 開發流程

這包括支持創新、快速原型設計和迭代需求開發的流程--與傳統的瀑布式流程（需求說明、里程碑滿足和最終狀態測試與評估（T&E））形成對比，以支持快速 AS 開發和投入使用。

• 建議 4a： 建立教育和實習人員管道，選派人員到空軍技術研究所參加自主性入門短期課程，重點是人工智能使能因素。然后，個人成員將被嵌入到以人工智能為重點的特別行動活動中：自主能力小組（ACT），學習如何將所學技能應用于滿足美國空軍的自主需求。在四年的時間里支持這項工作，使人工智能人員的數量比現在增加一個數量級。通過一系列特別激勵計劃確保留住人才。通過對關鍵的校外研究人員提供適當的長期支持來補充這支隊伍。

• 建議 4b：采用三階段框架，反復選擇挑戰性問題，對潛在解決方案的影響進行建模，并進行解決方案開發、原型設計和評估。開展以兵棋推演為基礎的初始階段評估，目標是確定關鍵的挑戰問題以及能夠應對這些威脅或利用潛在機遇的基于自動系統的解決方案。通過定量模型和模擬（M&S）以及性能參數對這些概念進行形式化，對有前途的 AS 候選方案進行更深入的評估。最后，重點設計 M&S 研究中確定的有前途的 AS 候選方案的一個或多個工程原型。開發并實驗評估一個 AS 原型，該 AS 原型可作為：a) 購置的設計原型；b) 其他所需 S&T 的設計驅動力。

• 建議 4c： 通過空軍首席數據官，獲取存儲美國空軍空中、太空和網絡數據的空間，以便人工智能專業人員使用這些數據創建自主解決方案，解決面臨的挑戰。在相關組織中設立數據管理員角色，以管理數據，并為數據生產者和消費者創建簡化的訪問和檢索方法。

• 建議 4d： 支持向基于云的計算發展，同時將量子計算作為一種通用計算模式加以利用，以滿足嵌入式和高性能計算處理需求。

R5. 組織結構

這包括圍繞項目（或成果）重點進行組織，而不是按照傳統的技術專業領域進行組織。

• 建議 5：在美空軍研究實驗室（AFRL）內建立 ACT，采用 “扁平化 ”業務模式，將 6.1-6.4 領域的專家集中到一個以產品為中心的組織中，開發自主系統科學，同時為作戰人員提供能力。與空軍科學研究辦公室和 AFRL 其他主要技術局合作，并與 AFRL 以外的美國空軍組織協調，包括國防部自主利益共同體 (COI)、AFWERX 和其他可促進技術向作戰人員過渡的辦公室。在 “ACT ”中，根據類似 “臭鼬工廠 ”的一套 “指導規則”，納入以產品為中心的業務流程，促進未來空軍向以信息為中心的業務平臺模式轉變。

R6. 知識平臺

這提供了一種整合 AS 行為原則、架構/技術、挑戰問題、發展過程和組織結構的整體手段。

• 建議 6：開發一個知識平臺（KP），其核心是將信息技術（IT）平臺方法與平臺業務模式相結合。為多域作戰空軍設計的知識平臺應壟斷觀察代理與知識創造代理以及作戰效應代理之間的聯系，這些代理可以是人或基于機器的代理（AS）。知識創造代理提供了創造能力所需的生態系統，而這些能力則用于創造作戰效果。這個生態系統將通過以下方式實現：利用自主性的三個行為原則；實現這些行為的架構和技術；驅動挑戰的問題；跨越人員、架構/應用、數據和計算基礎設施的開發流程；以及最后，為推進技術、利用技術和提供能力而需要建立的組織結構。這種方法將提供一種手段，使美國空軍從解決少數問題的傳統工具方法過渡到適用于更多問題的知識平臺方法。

總結

綜上所述，對人工智能系統開發和應用的建議包括

• 這些系統要想精通業務、得到人類同行的信任并靈活應對意外情況，就必須具備的行為方式

• 需要統一的框架、架構和技術，以便不僅跨越孤立的科技界，而且跨越操作上的隔閡和領域

• 挑戰科技界所需的重點難點問題，包括基礎性問題和操作性問題，同時提供遠遠超出傳統的以平臺為中心的現代化方法的操作優勢

• 處理人員、系統、數據和計算基礎設施的新流程，這些流程將加速創新、快速原型設計、實驗和實地應用

• 新的組織結構，即自主能力團隊，將技術專業人員整合到一個單一的組織中，專注于創新產品開發，并根據需要與其他組織和社區開展外聯活動

• 知識平臺，用于全面整合 AS 行為原則、架構/技術、挑戰問題、開發流程和組織結構

美國空軍后勤部，特別是 “ACT”，不能簡單地將其注意力局限于自主系統的研究領域，也不能簡單地延續應用現代人工智能和自動系統技術的模式，在一次性演示中逐步提高任務能力。必須選擇挑戰性問題，以推進知識平臺的能力，在變革性應用中以敏捷的方式提供表現出熟練、可信和靈活行為的人工智能系統。除了以項目為中心的工作外，ACT 還可以優先考慮和協調 AFRL 的整個自主性 S&T 組合--同步工作以最大限度地提高投資效果--及時將 AS 能力大規模地用于應對任務挑戰，同時在各 S&T 局之間 “共享 ”新架構、技術和流程的 “財富”。最后，一旦取得成功，ACT 可以作為一個 “存在證明”，證明美國空軍后勤部如何從其傳統的以學科為中心的組織轉變為一個更加跨學科和以項目為導向的組織，解決美國空軍全企業范圍內的變革性問題。

擁有一個獨特的機會，將空軍從一個以空中平臺為中心的部門（空間和網絡往往處于次要地位）轉變為一個真正以多領域和知識為中心的組織。通過知識平臺向作戰人員提供自主系統，空中、太空和網絡的每項任務都將得到改進，而且不僅是逐步改進，而是成倍地改進。將成為一個以服務為導向、無處不在的網絡化和信息密集型企業。簡而言之：一個靈活的、以信息為中心的企業，通過無障礙訪問高效的外圍設備，及時做出決策。

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。

無人機系統（UAS）和其他相關技術（人工智能或AI、無線數據網絡、擊敗敵方電子戰的電子支援措施）已經發展到一個新的地步，無人機系統被認為原則上能夠執行目前由有人駕駛飛機執行的幾乎任何任務。

因此，許多武裝部隊正在積極試驗有人-無人編隊協作（不同的縮寫為MUM-T或MUMT）。通過將有人和無人資產作為一個單位而不是單獨部署，無人機最大限度地發揮了其作為力量倍增器的價值，提高了在高度競爭性空域的殺傷力和生存能力。無人機系統的直接控制權可由飛行中的有人單位或單獨的空中、地面或海上指揮中心掌握。隨著時間的推移，人工智能的進步將允許無機組人員的編隊元素自主地執行大部分任務。這最終可以將人類干預減少到最低，只保留任務目標的輸入、交戰規則的定義和武器釋放的授權。事實上，這種自主能力對于MUM-T概念來說是至關重要的，以防止人類飛行員被控制無人機的額外任務所淹沒。 無人機系統的主要應用包括：

• 目標偵查；
• 為有人駕駛飛機進行戰損評估；
• 電子戰；
• 各種有人或無人平臺之間的數據和通信中繼/接口；
• 武裝護衛。

在“武裝護衛”角色中，無人機系統可以在有人平臺執行任務之前壓制敵人的防空設施（SEAD角色），或者作為一個外部武器庫，使單一的有人駕駛飛機在每次任務中能夠攻擊大量的目標。

• 1 美國陸軍MUM-T
  • 旋翼系統
  • 推進能力建設
  • 下一代有人-無人編隊步驟
  • 韓國
• 2 美國空軍MUM-T
  • 美國空軍SKYBORG
  • SKYBORG 路線圖
  • 朝記錄項目發展
  • ATS/忠誠僚機
  • 英國皇家空軍“蚊子（MOSQUITO）”
  • FCAS - 未來戰斗航空系統
  • FCAS - 法國PANG
• 3 美國海軍MUM-T
  • 美國海軍MQ-25 STINGRAY加油機
  • 無人駕駛型F/A-18測試
  • 美國海軍的下一代空中優勢
• 4 其他國家發展狀況

人工智能（AI）是一項具有廣泛用途的新興技術。《美國防戰略》強調了人工智能對軍事行動的重要性，以使美國保持對其近似競爭對手的優勢。為了充分實現這一優勢，不僅要在戰術層面，而且要在戰爭的作戰層面整合人工智能。人工智能可以最有效地融入作戰計劃的復雜任務，方法是將其細分為其組成部分的作戰功能，這些功能可以由狹義的人工智能來處理。這種組織方式將問題減少到可以由人工智能解析的規模，并保持人類對機器支持的決策的監督。

引言

人工智能是一套新興的、變革性的工具，有可能幫助軍事決策者。美國國家戰略將人工智能（AI）納入戰爭。《2020年國防授權法》11次提到了人工智能。國防戰略強調了利用人工智能和機器學習方面的商業突破的重要性。人工智能的軍事用途是保留國家安全的一個引人注目的方式。創造工具來支持戰術行動，如摧毀敵軍和從一個點導航到另一個點，具有顯著和可見的效果，使他們在資源有限的環境中在政治上可以接受。它們在訓練和測試方面的可重復性，使它們在采購過程中成為人工智能系統的快速贏家。然而，戰術行動的范圍和時間是有限的。僅在戰術層面上整合人工智能，忽視了在作戰層面上發生的決定性影響。

作戰，也就是實踐者將戰術行動轉化為戰略效果的層面，取決于領導者做出正確決策的能力。聯合部隊海事部分指揮官（JFMCC）的艱巨任務是制定計劃，將戰區戰略和聯合部隊指揮官（JFC）的目標結合起來，通過決定性的海軍交戰來塑造環境。在人工智能的快速認知能力的幫助下，JFMCC將能夠制定并更徹底地分析行動方案（COA）。這些品質對于未來的沖突是必要的。

人工智能必須在戰爭的各個層面進行整體集成，以充分實現其優勢。除了局部的、短期的戰斗，它還需要應用于主要的行動和戰役，涉及整個戰區的數月或數年。在戰爭的戰役（作戰）層面上的實施，放大了為實現戰略目標而進行的有序交戰和同步行動之間的協同作用。除了技術發展之外，行動上的整合將刺激政策和理論的建立，以使作戰人員有意愿使用人工智能。隨著使用人工智能的經驗的增加，其采用率也會增加。為協助海軍作戰計劃而實施的特定人工智能技術可能與那些用于計算射擊方案或在被拒絕的淺灘水域規劃路線的技術不同。然而，在作戰層面的接受度將推動戰術上的使用。

在JFMCC層面，人工智能系統網絡將為決策者提供決定性的優勢，將專注于作戰功能的獨立的人工狹義智能（ANI）單位統一起來將實現最顯著的好處。首先，人工智能解決方案比它們的通用人工智能（AGI）同行更適合于軍事問題的解決。其次，戰爭的性質促使有必要在作戰層面上整合人工智能。最后，雖然有許多方法可以整合，但沿著功能線這樣做會帶來最顯著的好處。不僅在技術意義上吸收人工智能，而且描述其在政策、理論和培訓中的使用，將使海軍能夠充分使用它，并在與我們的戰略競爭對手的競爭中獲得優勢。

如何在海戰領域整合人工智能？

目前人工智能在海上行動中的最佳應用是將復雜的海上行動問題分解成子問題，由人工智能來解決，并組合成COA建議。解決小問題的人工智能需要更少的訓練數據，有更直接的邏輯，并且可以連鎖起來解決更重要的問題。麻省理工學院人工智能實驗室前主任羅德尼-布魯克斯（Rodney Brooks）認為，創建動態環境的符號表示是困難的或不可能的。然而，特定任務的智能體可以利用足夠的傳感器數據智能地行動，更重要的是，可以連貫地互動。通過將簡單的活動連鎖起來，失敗的風險很低，更復雜的問題就可以得到解決。多個簡單的行動可以在低認知層平行運行，并將其輸出結合起來，為更高層次的復雜活動提供支持。這種結構的優點是允許軍事工程師開發和訓練人工智能，以首先解決可操作的問題。對人工智能開發者來說更具挑戰性的功能可以保留只由人類決定的方法，直到他們產生解決這些問題的專業知識。與其等待一個完整的系統，部分系統將提供一個臨時的邊際優勢。

鑒于人工智能可以通過將問題分解成更小的決策來最好地解決問題，問題仍然是如何劃分這些問題。重述作戰任務的一個模式是將它們分成作戰功能：指揮和控制（C2）、通信、情報、火力、運動和機動、保護和維持。這些作戰功能為開展有效行動提供了基礎。它們為一個行動提供了采用手段實現其目的的方法。因此，與決定如何實施這些功能以實現目標的決策者一起使用人工智能是很自然的。

如同應用于海上作戰戰爭，最低層的決策支持系統將由感知環境的活動組成：探測艦艇、飛機和潛艇；燃料水平；天氣；以及其他客觀的戰斗空間數據。通過將外部輸入限制在特定的、低層次的任務上，該系統將最大限度地減少對抗性例子或旨在消極操縱自動系統的數據的風險。中間層將把下層的輸出與作戰目標和因素結合起來，如時間、空間和力量的限制，以提供解決問題的方法和作戰功能。由于上層的對抗性數據注入的威脅較小，這些系統可以使用深度學習。深度學習是機器學習的一個子集，它不像其他形式那樣需要高度格式化的數據，但計算成本會更高，而且容易受到欺騙。深度學習將增加這一層的人類互動，并暴露出更復雜的關系。最高層將把C2流程應用于其他六個業務功能，以產生業務建議。中間層的每個功能人工智能將向其他功能人工智能和最高C2層提供建議。中間層的人工智能對復雜的數據和相鄰單位及C2功能的建議進行理解。

如果將中間層人工智能納入規劃和指導、收集、處理、分析和傳播的情報周期，將促進收集資產的更好分配。判斷對有限的收集資產的請求以滿足行動和戰術信息需求是JFMCC關注的一個問題。在收集計劃期間，人工智能可以使用已知的對手軌跡、地點、個人和組織來定義和優先考慮指定的利益區域（NAI）。在執行過程中，人工智能可以根據優先級驅動收集路線，就像企業用它來規劃送貨路線以減少勞動力、燃料和維護成本一樣。采集計劃者可以通過增加對手監視點的位置和范圍來減少反偵查的風險。在C2層面，指揮官和情報官員可以利用收集成果來證明更多的JFMCC收集資產和COA的修改。這種方法適用于其他功能。

人工智能可以在部隊部署不斷變化和對手存在不確定的環境中改善維持能力。相互沖突的要求使如何使用有限的后勤資產來滿足作戰人員的需求的決策變得復雜。后勤單位較低的生存能力促使人們決定是將它們帶入被對手防御系統拒絕的區域，還是將戰斗飛船引離目標。人工智能可以利用軍事和民用運輸的可用性、預先部署的庫存和供應商的響應能力來制定船舶和飛機需求的解決方案。企業利用人工智能準確預測需求，并分辨出影響運輸和倉儲的采購模式。維持型人工智能可以使用這個過程的一個變種，來計劃在高級后勤支持站點（ALSS）或前方后勤站點（FLS）的材料堆放。它可以決定如何以及何時使用穿梭船和站立船來運送到攻擊組。機器學習將使用燃料、食品和武器庫存、威脅環、戰備水平和維修時間來訓練維持人工智能。維持型人工智能可以提供比人類單獨完成的更有效的量化解決方案，并將其反饋給其他功能區和C2高層。

C2層將對來自下層的決定進行仲裁，并提供一個統一的建議。就像一個軍事組織的指揮官一樣，它將把其副手AI的建議合并起來。人工智能過程的早期階段使用傳感器數據和其他客觀信息來確定指揮官的方向；決定行動方案需要建立對戰斗空間的理解，這是一種更高層次的欣賞。戰斗空間的可變性和模糊性將使這一層的人工智能元素最難開發。最終，該系統將作為一個可信的智能體，壓縮指揮官負責的信息量。壓縮的信息減輕了時間有限的決策者工作時的疑慮負擔，使她能夠向下屬單位發出更及時的命令。

圖1說明了基于這些原則的系統的擬議架構。以對手預測為例，許多單一用途的ANI將在最低層結合原始傳感器和單位報告數據。它將評估敵方單位的最可能位置。公司分析評論、社交媒體和論壇發帖的情緒，以確定產品的滿意度。同樣地，這個系統將通過公開的言論和秘密的報告來確定對手的意圖。它將評估當前和歷史天氣模式，以評估氣候對敵人行動的影響。這三個輸入和其他信息將被功能情報ANI用來形成對敵方COA的評估。同樣，火力節點將使用敵人的組成、JFC的優先級和預測的彈藥可用性來產生目標指導。中間層節點將橫向傳遞他們的評估，以完善鄰近的建議，如部隊保護水平。獨立的功能建議也將直接反饋給C2層，以創建整體行動方案。

圖1. 海上人工智能系統的擬議架構

建議

首先，利用聯合人工智能資源的優勢，針對海軍的具體問題修改標準組件。擅長開發軍事人工智能系統的工程師的稀缺性將限制新系統的開發。美國防部的人工智能戰略具體規定了建立通用的工具、框架和標準，以便進行分散的開發和實驗。使用這些現成的組件，為人工智能決策網的所有子系統創建低級別的系統和標準接口。將海軍的資源集中于采購和實施用于海事具體決策的中層和高層系統。避免技術上令人著迷但無效的解決方案，并通過將職能領域的專家與設計團隊相結合來保持解決海事問題的目標。

第二，創建并維護可通過機器學習攝入的作戰數據數據庫，以訓練海軍人工智能。實施能夠在海上作戰中心（MOC）讀取和集中匯總基本作戰數據報告的技術和工藝，如燃料狀態、導彈裝載量。開發記錄和定性評分作戰決策結果的方法，如對手態勢的變化、傷亡修復率和公眾對行動的反應。將輸入與作戰決策和結果聯系起來的數據庫將加速開發符合現實世界標準的系統。

第三，將人工智能的使用納入政策和條令。條令應該編纂人工智能可以被整合到戰爭戰役層面決策中的領域。明確地說，關于情報、行動、火力、后勤、規劃和通信的海軍作戰出版物應說明人工智能在決策過程中產生優勢的地方和方式。描述海上聯合行動的聯合出版物應明確說明如何將JFC的要求解析為JFMCC的AI系統。如果國防部和海軍的政策對指揮官因整合人工智能的決策建議而產生的責任量進行了定性，那么他們在使用人工智能時就可以采取經過計算的風險。讓指揮官和作戰人員掌握使用人工智能的戰術、技術和程序將加速其在艦隊中的應用。

美國缺乏一套專門的人工智能（AI）戰爭的理論。這導致了在戰爭的作戰層面上缺乏對人工智能影響的討論。人工智能的定義通常采用技術視角，不考慮對作戰藝術的影響。提議的作戰藝術的新要素 "抓手（Grip）"解釋了人工智能和人類在兩個方面的基本關系：自主性和角色交換。“抓手”為人工智能戰爭的理論奠定了基礎，除了揭示改變任務指揮理論的必要性外，還提出了作戰的假設。美國空軍陸戰隊的發展以及由此產生的戰爭作戰水平（和作戰藝術）在歷史上有類似的案例，說明關鍵假設如何影響戰場的可視化。去除“人在回路中”的人工智能戰爭的假設，揭示了需要一種新的作戰藝術元素來安排部隊的時間、空間和目的，此外，美國陸軍任務指揮理論需要調整，以使指揮官能夠在各種形式的控制之間移動。

簡介

“機器人和人工智能可以從根本上改變戰爭的性質......誰先到達那里，誰就能主宰戰場。”- 美國陸軍部長馬克-埃斯佩爾博士，2018年

預計人工智能（AI）將極大地改變21世紀的戰爭特征。人工智能的潛在應用只受到想象力和公共政策的限制。人工智能擁有縮短決策周期的潛力，超過了人類的理論極限。人工智能也有望執行人類、機器和混合編隊的指揮和控制功能。人工智能在自主武器系統（AWS）中的潛力同樣是無限的：分布式制造、蜂群和小型化的先進傳感器為未來的指揮官創造了大量的配置變化。與圍繞人工智能的技術、倫理和概念問題相關的無數問題，為如何將這項技術整合到戰爭的戰術層面上蒙上了陰影。現代軍隊幾個世紀以來一直在為正確整合進化（和革命）的技術進步而奮斗。美國內戰期間的鐵路技術對 "鐵路頭 "軍隊和格蘭特將軍在維克斯堡戰役中的勝利都有貢獻。25年后，法國人忽視了普魯士的鐵路試驗，給第三帝國帶來了危險，同時也沒能把握住小口徑步槍的優勢。卡爾-馮-克勞塞維茨在《論戰爭》中指出，每個時代都有自己的戰爭和先入為主的觀念。本專著將探討當前的先入為主的觀念和人工智能在戰爭的操作層面的出現。

對作戰層面的討論側重于作戰藝術，以及指揮官和他們的參謀人員如何通過整合目的、方式和手段，以及在時間、空間和目的上安排部隊來發展戰役。在作戰藝術中缺乏以人工智能為主題的討論，增加了不適當地部署裝備和以不充分的理論進行戰斗的風險；實質上是在邦聯的火車上與追兵作戰。美國的政策文件和技術路線圖主要集中在能力發展和道德影響上，而沒有描述一個有凝聚力的人工智能戰爭的理論。但美國和中國在自主行動方面的實驗趨于一致；這引起了沖突的可能性，其特點是越來越多的被授權的人工智能和AWS沒有得到實際理論框架的支持。這個問題導致了幾個問題。美國軍隊的人工智能戰爭理論是什么？大國競爭者的人工智能戰爭理論是什么？有哪些關于顛覆性技術的歷史案例？理論應該如何改變以解釋顛覆性技術？

本專著旨在回答上述問題。它還提出了兩個概念，以使指揮官能夠在戰場上可視化和運用人工智能；一個被暫時稱為 "抓手"的作戰藝術的新元素和一個任務指揮理論的延伸。該論點將分三個主要部分進行闡述。第一節（理論）將證明人工智能需要一個認知工具來在時間、空間和目的上安排部隊，方法是：綜合美國的人工智能戰爭理論，描述中國的人工智能戰爭理論，以及揭示當前文獻中的“抓手”理論。第二節（歷史）是對1973年為應對技術轉變而從主動防御演變而來的空地戰（ALB）的案例研究。第二節將重點討論戰場維度的思想、任務指揮理論的演變以及相關的作戰藝術的正式出現。第三節（新興理論）提出了作戰藝術的新要素，作為一種認知工具，幫助指揮官和參謀部將21世紀的戰場可視化。第三節將把以前的章節整合成一個有凝聚力的模型，讓指揮官和參謀部在時間、空間和目的方面可視化他們與AI和AWS的關系。第三節還將提供一個任務指揮理論的建議擴展，以說明人機互動的情況。

主要研究成果

人工智能的復雜性導致了正式的戰爭理論的缺乏；然而，在美國的政策和發展文件中存在著一個初步的美國人工智能戰爭理論。人工智能戰爭理論必須解釋人類和人工智能之間的關系，這樣才能完整。通過作戰藝術和任務指揮的視角來看待人工智能，揭示了自主性和角色互換的兩個頻譜，通過不同的組合創造了人工智能戰爭理論的維度。這些維度，或者說掌握的形式，代表了作戰藝術的一個新元素。同樣，需要將任務指揮理論擴展到一個過程-產出模型中，以實現掌握形式之間的移動。

方法論

綜合美國目前的人工智能政策和AWS的發展路線圖，提供了一幅戰略領導人如何看待人工智能的圖景，允許發展一個暫定的戰爭理論。由于缺乏關于武器化人工智能的歷史數據，政策和發展路線圖是必需的，因此本專著中提出的理論是由提煉出來的概念產生的。由于中國的工業和技術基礎的規模，中國被選為對抗模式，預計在10到15年內，中國將超越俄羅斯成為美國最大的戰略競爭對手。

圖文并茂的案例研究方法將被用來分析主動防御和空地戰之間的過渡。該案例研究將整合技術、政策和戰爭理論，以喚起人們對多域作戰（MDO）和人工智能在21世紀戰爭中作用的疑問。第二節的批判性分析側重于理論的發展，而不是其應用。第二節的詳細程度是有限制的，因為它仍然是一個更大（和有限）整體的一部分，因此重點應繼續揭示戰場可視化和認知輔助工具之間的聯系。第三節通過作戰藝術的新元素和任務指揮理論的調整來回答每一節中發現的問題，從而將前幾節連接起來。人工智能缺乏歷史，考慮到人們不能直接分析以前的沖突，以獲得教訓或原則。在這種情況下，任務指揮理論提供了一種間接的方法來理解使人類能夠集中式和分布式指揮和控制功能的機制，以及為什么人工智能缺乏相應的機制會抑制我們感知機會的能力。第三節將把美國現行政策和路線圖中的幾個抓手成分匯總到任務指揮理論提供的框架中。

范圍和限制

本專著存在于美國陸軍多域作戰概念的框架內，其理解是解決方案是聯合性質的，因為 "陸軍不能單獨解決問題，概念發展必須在整個聯合部隊中保持一致，清晰的語言很重要。"本專著不能被理解為對MDO中提出的問題的單一解決方案，而是一種幫助實現戰斗力聚合的方法。

關于人工智能的討論充滿了倫理、法律和道德方面的考慮，本專著不會涉及這些方面。本專論的假設是，人工智能的軍事用途在政治上仍然是可行的，而且 "戰略前提 "允許該技術的軍事應用走向成熟。由于運用的變化幾乎是無限的，人工智能的戰術實施將不會被詳細討論，而重點是在作戰層面上的概念整合。一般能力將被限制在與作戰藝術和作戰過程有關的具體趨勢上。

在可視范圍內執行空戰，需要飛行員在接近1馬赫的飛行速度下，每秒鐘做出許多相互關聯的決定。戰斗機飛行員在訓練中花費數年時間學習戰術，以便在這些交戰中取得成功。然而，他們決策的速度和質量受到人類生物學的限制。自主無人駕駛戰斗飛行器（AUCAVs）的出現利用了這一限制，改變了空戰的基本原理。然而，最近的研究集中在一對一的交戰上，忽略了空戰的一個基本規則--永遠不要單獨飛行。我們制定了第一個廣義的空戰機動問題（ACMP），稱為MvN ACMP，其中M個友軍AUCAVs與N個敵軍AUCAVs交戰，開發一個馬爾可夫決策過程（MDP）模型來控制M個藍軍AUCAVs的團隊。該MDP模型利用一個5自由度的飛機狀態轉換模型，并制定了一個定向能量武器能力。狀態空間的連續和高維性質阻止了使用經典的動態規劃解決方法來確定最佳策略。相反，采用了近似動態規劃（ADP）方法，其中實施了一個近似策略迭代算法，以獲得相對于高性能基準策略的高質量近似策略。ADP算法利用多層神經網絡作為價值函數的近似回歸機制。構建了一對一和二對一的場景，以測試AUCAV是否能夠超越并摧毀一個優勢的敵方AUCAV。在進攻性、防御性和中立性開始時對性能進行評估，從而得出六個問題實例。在六個問題實例中的四個中，ADP策略的表現優于位置-能量基準策略。結果顯示，ADP方法模仿了某些基本的戰斗機機動和分段戰術。