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

美國空軍航空運輸職業領域是后勤供應鏈總體能力中的一個關鍵要素。縱觀歷史，軍事供應鏈的能力和結構不斷演變，以滿足作戰指揮官的需求，并在不斷變化的環境中維持部隊。今天的情況也是如此，在與近鄰競爭對手的沖突中，新的作戰方法要求我們改變投送空中力量的方式。攻擊下的后勤保障（LUA）和敏捷作戰部署（ACE）的概念對供應鏈和地面支持人員提出了新的挑戰，他們將被要求在全球范圍內維持空中力量的部署。本研究探討了航空運輸職業領域的特定技能和能力，以及哪些技能和能力最適用于 "多能力飛行員"（MCA）概念。

本研究選擇并詢問了全美航空運輸后勤專家，以收集和分析數據。通過使用開放式回答和李克特量表格式的調查問卷以及隨后的數據分析，本研究采用了定性和定量兩種方法。本研究的目標是重點研究由航空運輸人員主導的 MCA 培訓項目中可能包含的理想工作、職責和任務。此外，本研究還探討了航空運輸職業領域核心能力之外的工作、職責和任務，這些工作、職責和任務將為 2T2 飛行員提供通過 MCA 培訓項目拓展自身能力的機會。最終，這項研究為美國空軍如何發展和定義 "多能力飛行員 "概念提供了深刻見解，從而打造出一支靈活的員工隊伍。通過 MCA 對飛行員的才能和能力進行投資和擴展，將增強美國空軍在分散和競爭環境中投射和維持空中力量的能力。

隨著軍隊使用人工智能/機器學習系統實現現代化，軍事情報部門的人員需要充分了解這些系統，并將其納入聯合情報進程（JIP）。為了指導部隊開發和整合這項技術，美國防部（DOD）公開發布了《美國防部通過人工智能倫理原則》，其中包括 "公平 "原則，以減少 "意外偏見"。雖然有多種技術上的最佳實踐可以減少意外偏見，但軍事情報界也可以從商業行業采用一些非技術上的最佳實踐。本定性、多案例研究和跨案例綜合報告探討了這些商業行業的非技術最佳實踐，以減少聯合執行項目中的意外偏見。

在海軍陸戰隊的戰術部隊中，有一個關于技術進步和認知負荷的認知問題；具體來說，現代戰場上幾乎無窮無盡的新信息流正在過度消耗人腦。無人戰術自主控制與協作（UTACC）是一種替代性作戰概念，它的開發可以澄清技術進步與認知負荷之間的關系。UTACC的目的是通過自主協作，在提高任務完成度的同時減輕海軍陸戰隊員的認知負荷。

本論文制定了UTACC作戰概念，其中包含了海軍陸戰隊作戰實驗室提供的場景邏輯、作戰活動排序和初始信息交換要求。要應對UTACC的復雜性，還需要對協同自主、人機系統集成因素和決策支持進行深入分析。

本研究發現，在早期階段，UTACC 可以作為一種可擴展的決策支持工具，實現常規計劃流程的自動化，從而提高小型戰術部隊的效率。此外，本研究還發現了未來的工作領域，其中三個領域是：衡量能力差距、共同行動圖像管理/融合和安全。

戰爭中出現了各種旨在幫助作戰人員完成任務的先進技術。這些進步也引入了信息超載的概念。決策者在做出決策之前，必須從龐大的信息庫中收集特定的信息。大量的信息很容易使作戰人員的認知負荷過重，從而導致任務性能下降，這是一個意想不到的后果。無人戰術自主控制與協作（UTACC）的目的是通過自主協作提高任務完成度，同時減輕操作員的認知負荷。UTACC的概念是武裝陸戰隊員在半自主無人地面和空中飛行器的協助下開展行動。一個UTACC系統由人類組件、空中組件和地面組件三部分組成（SOW，2014年）。

A. 研究目的和方法

盡管人們擔心幾乎無窮無盡的新信息流會過度消耗人腦（Bates，2010 年），但目前專門針對技術進步與認知負荷之間現象的研究極少。UTACC這一另類戰爭概念的提出，可以澄清技術進步與認知負荷之間的關系。要有效地做到這一點，研究必須包括對作戰環境的深入分析；可能的任務及相關任務；協作自主、人類系統集成（HSI）因素；以及信息交換要求（IERs）。該系統需要高度的語義互操作性和創新的技術流程，使操作員能夠將所有 UTACC 組件（人類或機器）視為隊友。 海軍陸戰隊作戰實驗室（MCWL）于 2013 年啟動了 UTACC 項目。MCWL 在其任務說明中指出： 利用兵棋推演、基于概念的實驗、技術評估和分析的整體組合，嚴格探索和評估海軍陸戰隊的服役概念，以驗證、修改或否定概念的可行性，并確定能力差距和機會，為未來兵力發展提供信息。（"MCWL"，未注明日期，任務）

MCWL 邀請海軍研究生院協助對UTACC 概念進行探索性研究，以實現 "以決策為中心、半自主、分布式、多代理、多領域機器人系統 "的愿景（SOW，2014 年，第 1 頁）。

本論文是這一研究計劃的第一步，即制定 "操作概念"。這項探索性研究捕捉到了 MCWL 的邏輯、操作活動排序和初始 IER，并提供了范圍有限的場景。系統工程方法與海軍陸戰隊部隊領導步驟相結合，用于在任務規劃和執行的整體流程中構建任務和子任務。這項研究探索了將機器組件納入這些步驟中的每一個步驟，以幫助實現自動規劃和執行。

作為一種未來軍事概念，UTACC 必須以現有的條令和戰術、技術與程序（TTPs）為框架，以便 MCWL（注：任務）驗證、修改或拒絕概念的可行性。規劃與執行模型（見附錄 A）完成后，針對選定的單一任務，共確定了 38 項任務和子任務。創建了任務分析工作表（見附錄 D），作為記錄與 "作戰概念 "相關的輔助信息的中央資料庫。這些工作表將幫助潛在的系統建模人員、開發人員、設計人員和未來的UTACC研究人員了解基線UTACC作戰概念，并對其進行修改以滿足新的要求。

外部評審和反饋對于確定項目范圍，使其成為論文級別的工作非常重要。2014 年進行了兩次外部評審，以聽取各領域責任專家的不同觀點。第一次評審強調，在開發的早期階段，UTACC 最好用作決策支持工具，使任務規劃期間的常規流程自動化。第二次外部審查強調，UTACC 的許多支持技術已經存在；挑戰在于將技術融合到一個共享的共同環境中。

卡內基梅隆大學（CMU）于 2015 年 2 月舉辦的概念驗證演示證明，只要有適當的可互操作軟件，無人機（UAV）和無人地面飛行器（UGV）就能在沒有人類協助的情況下協作尋找目標、拍攝目標照片并將照片發送給上級總部。雖然該演示是在受控環境下利用 CMU 設備進行的，但演示結果證明，UTACC 是一個可行的概念，并有能力隨著技術的進步而不斷成熟。

2015 年 2 月演示的成功以及自 2014 年 1 月以來所有與UTACC 相關的探索性研究工作獲得了尊敬的雷-馬布斯（海軍部長）和凱文-基里亞準將（MCWL 總司令）的關注。在2015年海空博覽會期間，兩位領導人討論了UTACC的價值。馬布斯的評論側重于創新，他說UTACC計劃的成員 "開發了一種無人地面飛行器與無人空中飛行器無縫通信、自主識別目標并執行任務的方法"（馬布斯，2015年，第7頁）。Killea 的評論集中于 UTACC 作為戰場自主性的下一個層次為戰場帶來的戰術價值（Tucker，2015 年）。Killea 進一步解釋說："無人系統必須認識到他們被告知要做什么，制定計劃，然后執行對任務要求的共同理解......海軍陸戰隊操作員告訴無人系統做什么，而不是怎么做。這樣，操作員就可以騰出手來處理其他任務，而自主系統則可以共同協作完成手頭的任務"（Tucker，2015 年，第 1 頁）。

B. 主要結論

1.在有足夠制圖和傳感器數據的條件下，UTACC 的早期階段可完全設計為一種規劃工具。海軍陸戰隊規劃流程中的許多任務和過程都屬于常規性質，可以實現自動化。盡管強調自動化，但作者認識到在特定的關鍵點上仍需要人工輸入和監督。

2.UTACC 軟件應完成約 80% 的規劃，并允許人工完善最后 20% 的規劃。

3.任務規劃自動化的一個風險是會損失人類在規劃過程中獲得的隱性知識。可以通過使用 3D 演練和虛擬演練來降低這一風險。

4.支持UTACC行動概念的許多技術已經存在，盡管還處于起步階段。應立即開始行動，了解當前技術存在的問題，并不斷發展以適應技術的進步。

5.在計劃和執行模型中，明確的反饋回路是必要的，這可以讓機器組件補充人類的自然思維過程。

C. 對未來研究的主要建議

1.UTACC是一個模塊化的系統（SoS）。未來的研究工作需要利用這種模塊化設計，納入更多的任務、條件和威脅。

2.通過度量解決能力差距問題對于了解UTACC的戰術價值至關重要。這種分析應比較UTACC輔助單位與非UTACC輔助單位在執行任務中的表現。通過這一過程，應開發出評估人機協作的新指標。

3.未來研究應解決共同行動圖像（COP）管理和融合方面的挑戰。這項研究應解決以下方面的挑戰：大數據管理；信息過濾；信息推與拉；共同行動畫面顯示硬件選擇；以及聯合/機構間共同行動畫面融合。

4.如果從一開始就不考慮系統的安全性，UTACC 將無法完成任何任務。使用保密性、完整性和可用性（CIA）三要素，通過人員、操作和技術（Batson & Wimmer，2015 年）的視角完成了初步的威脅和漏洞評估。未來的工作應在這一初步評估的基礎上進行擴展。

D. 結論

UTACC是一個有效的探索性研究領域，它研究了未來海軍陸戰隊中人與機器組件之間協作自主的概念。本論文是企業級潛在的更大規模倡議的第一批種子之一。成果摘要是討論UTACC戰術價值的起點。對進一步研究的建議說明了協作自主的復雜性。盡管UTACC能力的實戰化面臨無數挑戰，但利益相關者必須始終牢記，UTACC的概念是利用機器人技術提高海軍陸戰隊的戰斗力。

對手對美國在太空、網絡空間和電磁頻譜上的優勢的競爭的崛起要求海軍陸戰隊的指揮、控制和通信（C3）發生變化。戰術空中指揮中心（TACC）是海軍陸戰隊中最關鍵的C3節點，在海軍陸戰隊的遠征先進基地作戰（EABO）概念下，在有爭議的通信環境中，目前所采用的方式將無法生存。

海軍陸戰隊必須轉變其對通信的概念化和理解，以促進在有爭議的通信環境中的指揮和控制。爭奪電磁頻譜內外的通信途徑將需要預測在通信斷續期間做出作戰決策所需的信息。TACC應該成為一個低可觀察性、小型和移動、具有聯合互操作性的網絡化的C3節點，在對手的武器交戰區內運作。通過這些改變，TACC將成為符合海軍陸戰隊EABO概念的有彈性、有條件的前方海軍空中作戰中心（AOC），并將為海軍-海軍陸戰隊團隊和聯合部隊提供重要的C3能力。

近年來，各國軍隊加強了整合無人駕駛技術的努力，以提高有人-無人駕駛編隊（MUM-T）的能力。由于一些國家的戰斗年齡人口正在減少，軍隊正在轉向容易獲得的、具有成本效益的和復雜的無人駕駛技術。MUM-T擁有巨大的潛力，不僅可以緩解軍隊的人力短缺，還可以提高作戰能力。這篇論文研究了MUM-T在前線的有效性，直至步兵小組支持城市地形的進攻行動。一個基于智能體的模擬被用來模擬有無無人駕駛地面車輛（UGV）支持一個步兵連的MUM-T作戰行動。對超過76,800次的模擬戰斗進行了分析。據觀察，MUM-T概念可以極大地提高戰斗力，通過增加敵人的傷亡來評估。還觀察到UGV的重裝時間、武器精度和自身的力量結構對步兵的殺傷力和生存能力有很大影響。這項分析的結論是，在小單位戰術層面實施MUM-T對提高整體作戰性能有很大潛力。未來，作戰模型可以被整合到未來的軍事演習中，這樣就可以對模擬的結果進行驗證和確認。

隨著復雜技術和創新的使用，戰爭正在日益演變。在全球人力短缺的推動下，各國正在轉向無人駕駛技術以緩解這種短缺并提供作戰能力。因此，通過采用載人-無人小組（MUM-T），利用無人技術來支持前線步兵的潛力很大。

本論文旨在探索MUM-T在進攻性城市場景中的有效性。論文討論、分析和研究了在城市環境中連級無人駕駛地面車輛（UGV）的戰術運用效果。指導這項研究的研究問題包括以下幾個方面：

主要問題：

1.有UGV或UGV支持的步兵小隊的致命性和生存能力如何？

2.在模擬場景中，MUM-T部隊的不同部隊結構的戰斗結果和分析是什么？

次要問題：

• 未來對MUM-T在更廣泛的戰略層面的潛在實施方法的研究范圍是什么？

本論文使用基于智能體的模擬環境 "地圖感知非統一自動機"（MANA），通過建立一個模擬并對UGV的作戰方案進行分析，再加上影響城市地形中進攻性步兵部隊作戰效率的因素，來研究MUM-T。

該作戰模型包括兩組主要的作戰部隊，以美國陸軍的步兵作戰順序（ORBAT）為模型： (1)由裝備有UGV的友軍步兵連組成的藍方部隊；(2)由作為防御方的對手步兵排組成的紅方部隊。圖1顯示了模擬作戰行動的一個迭代的開始狀態。

圖1. MANA的一個模擬復制的初始狀態的截圖。

共創建了三個不同的實驗設計（DOE），以研究MUM-T能力和概念的關鍵戰斗特征和效果。衡量性能的重點是任務的有效性，重點是確定與殺傷力和生存能力相關的因素。作者對每個DOE采取了迭代的方法，將前一個DOE的一些發現和分析納入下一個DOE。第一個DOE著重于與基線步兵ORBAT相比，最初引入MUM-T的效果。第二個DOE重點關注不同的人力和部隊結構，以研究支持MUM-T的部隊規模的影響。最后一個DOE結合了前兩個DOE的各個方面，并創建了一個近乎正交和平衡的混合設計，以實現一個更全面和結論性的實驗來結束這篇論文。近80,000次模擬戰役，每次涵蓋超過8小時的戰斗，被運行和分析。

通過遠征作戰指揮官有效地融入海軍的綜合作戰概念，產生一種指揮和控制關系，對動態的海洋環境作出反應，提供適當的權力以掌握主動權，并為特遣部隊或聯合部隊的海洋部分指揮指揮官創造統一的努力，使海軍陸戰隊的行動與海軍的海上行動同步。

未來概念的發展，如基于遠征的預先行動、分布式行動和替補部隊，繼續推動海軍陸戰隊評估他們將如何執行未來行動。因此，海軍陸戰隊目前正在經歷一次重大的部隊設計重組，并對他們目前的理論進行評估，以確保他們在有爭議的環境中的瀕海行動概念中的地位。海軍陸戰隊司令大衛-H-伯杰將軍想要評估的一個領域是海軍陸戰隊與海軍的整合，更具體地說，是與海軍的復合作戰概念的整合。本文旨在提供一個分析視角，以評估為什么海軍陸戰隊必須融入海軍的合成作戰概念以及有效整合的最佳方法。此外，當今作戰環境的動態性質要求軍隊對其在環境中的運作方式進行革新，而不僅僅是發展。

伯杰將軍在他的規劃指導中還指出，海軍陸戰隊必須融入海軍的合成作戰概念，這是 "成功實施兩棲作戰的前提條件： 海軍陸戰隊不能在前往兩棲目標區的途中成為被動的乘客"。但伯杰將軍為什么這樣說？海軍的復合作戰概念為海軍陸戰隊提供了什么它還沒有的東西？而且，如果復合作戰概念確實為海軍陸戰隊提供了好處，那么海軍陸戰隊如何在自己的指揮和控制結構中使用它來實現海洋領域內的統一行動？

對這些問題的回答是，海軍的綜合作戰概念提供了一個將控制與指揮分離的結構。綜合作戰概念通過指揮官的意圖為指揮官提供了集中的指導，一個合作的計劃環境，以及通過否定式指揮加強的分散控制。此外，否定式指揮為下級指揮官提供了更大程度的自由，使他們能夠在執行任務時發揮自己的主動性。此外，任務指揮，首先允許下屬指揮官在一個由多個領域的眾多威脅組成的動態環境中實現統一的努力。在綜合作戰概念中增加一個遠征戰指揮官，體現了海軍陸戰隊將控制與指揮分離的能力，以便在未來的作戰環境中取得對對手的明顯優勢。

許多國家都使用了像“三角洲” (Delta) 這樣的作戰管理系統（BMS），包括烏克蘭，使指揮部能夠共享態勢感知信息；本研究的重點是信息在作戰網絡中的分配。與自然系統類似，螞蟻和蜜蜂等自主代理遵循一套簡單的規則，BMS是一個由基地和電子作戰平臺組成的網絡，在國防條令的指導下，軍事資產作為網絡內的智能體。這種系統的可操作性的原理是基于多個子系統相互作用時每個子系統都是可靠的。然而，潛在相互作用的排列組合會引起不可預測的負反饋或正反饋循環，導致不可預測的和不想要的結果。突現行為的結果是出乎意料的，有時在情報和無線網絡等領域是不受歡迎的。理解突發行為對于理解復雜的工程系統是勢在必行的，并且要提出新的見解，采取切實可行的措施來改善復雜系統的設計和分析。本文介紹了BMS和網絡與用戶定義的系統集成的網絡士兵概念的例子。作者認為，烏克蘭和其他軍隊可以直接從利用元控制論、元元系統模型分析來控制突現。

圖2：作戰管理系統（BMS）的集中式指揮通信網絡

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。

為了跟上美國防部（DOD）人工智能（Al）戰略的步伐，美國陸軍在2018年啟動了人工智能集成中心（Al2C）。他們的任務是--與美國各地的公司和大學的人工智能社區溝通，目的是通過人工智能的整合來改善和提高軍隊的能力。

這個頂點項目盡可能地分析了當前美陸軍部（DA）對人工智能的要求狀況，以及它們對人類系統集成（HSI）的包含。該小組審查了發布在獎勵管理系統（SAM）網站上的人工智能合同機會和適用的文件，包括績效工作聲明、工作聲明或目標聲明。第一步是確定這些合同機會中包含的要求是否符合人工智能的定義，即計算機系統有能力執行通常需要人類智慧的任務。如果需求符合人工智能的這一定義，那么分析工作就會繼續進行，并側重于納入HSI，以確保為人類（即操作員、士兵、用戶等）提供便利。研究小組還采訪了主題專家（SMEs），以深入了解軍隊開發和獲取人工智能需求的過程。

在2003年至2022年期間發布到SAM的機會中，只有16%（238個中的40個）在開發過程中足夠成熟，可以考慮進行評估。在這40個被認為足夠成熟的采購開發過程中，只有16個發布的信息包含了相關的文件，可以根據團隊既定的人工智能和HSI標準進行評估。從那里，只有6個帖子符合AL的定義，4個被寬泛地判斷為包括一些對HSI或人為因素的參考。該小組的綜合評估確定，陸軍的人工智能指導還處于起步階段，需要進一步發展和完善。評價還強調，盡管國防部和陸軍指導將HSI納入所有要求，但仍然缺乏對HSI的納入。

這個頂點項目建議，所提出的結果和結論應被用來進一步制定人工智能需求的采購指南，并特別注重納入HSI。我們還建議，未來的研究應納入機密需求以及由其他交易機構通過財團管理的需求。

目前，人工智能（AI）為改造許多軍事行動領域提供了巨大的機會，包括作戰、指揮與控制（C2）、后勤、安全和維護，以提高其整體作戰效率。空中和導彈防御（AMD）是一個特別復雜的任務領域，人工智能的應用至關重要。空中導彈防御任務指的是保衛國土、保護區、地面基地、地面部隊或艦艇免受敵對的空中或導彈威脅。AMD的威脅包括敵對的飛機、無人駕駛飛行器（UAV）或機載導彈。AMD行動的復雜性源于威脅的嚴重性、威脅的意外性、對形勢認識的不確定性以及事件的快速發展，因為作戰人員必須迅速評估形勢，制定適當的行動方案，并最好地利用他們的戰爭資產來應對。美國國防部（U.S. DOD）正在研究使用AI系統（或AI-enabled AMD[AI-AMD]系統）作為AMD作戰人員的自動決策輔助工具，以大大減少他們的認知負荷（Jones等人，2020），使AMD決策更快、更好。

人工智能的一個關鍵方面已經聚集了大量的研究興趣，那就是信任。信任是有效團隊的一個基本原則。它同時適用于人類和人機團隊。信任使團隊成員能夠很好地合作，是有效團隊表現的基礎（Lee and See 2004）。與人工智能系統的成功合作將需要人類對人工智能系統有一個校準的信任和依賴程度（泰勒等人，2016）。

隨著更先進和更快的空中和導彈威脅彈藥的發展和投入使用，操作人員更需要在AMD行動中迅速作出監測。不及時的決策和反應將導致災難性的后果。因此，人工智能是一個可能的解決方案，通過自動決策輔助工具加快和加強決策過程。這些AMD自動戰斗管理輔助工具可以幫助戰術操作人員應對更快的決策周期、大量的數據以及需要觀察的幾個系統或屏幕（Galdorisi 2019）。然而，為了有效地利用人工智能能力的潛力，需要操作員的高度信任。操作員對系統的信任程度低，可能會導致人工智能-AMD系統利用不足，受到不適當的監控，或者根本不使用（Floyd, Drinkwater, and Aha 2016）。這些問題中的任何一個都可能導致操作者的工作量不必要的增加，或者任務失敗的可能性。

論文對信任的定義、人機交互（HMI）的概念、信任因素以及包括AMD殺傷鏈模型、威脅場景、架構、模型和功能在內的概念模型進行了廣泛的回顧。有了這樣的認識，論文提出了人工智能-AMD系統的信任框架，對人機交互和人工智能-AMD系統信任因素的描述。論文最后提出了在人類操作者和AI-AMD系統之間實現校準信任的策略。

信任框架始于對系統背景的分析。圖1顯示了AI-AMD指揮與控制（C2）系統（包括AI-AMD操作員和決策輔助工具）及其他與之互動的子系統的背景圖，這些子系統有助于操作員和AI-AMD決策輔助工具之間信任的發展。背景圖使我們能夠研究各系統之間的相互作用，以及它們對AI-AMD操作員和決策輔助工具之間信任動態的影響。

圖1. AI-AMD系統框架圖。

這篇論文將信任定義為操作者的態度，即AI-AMD決策輔助工具將有助于實現操作者的目標，即在一個以不確定性和脆弱性為特征的作戰環境中迅速摧毀來襲威脅的任務。這種信任的定義表明，它是對操作者相信或感知AI-AMD決策輔助工具的一種情感評估。為了積極地影響信任，操作者必須親自看到并感受到AI-AMD決策輔助行動的優勢。AI-AMD行動涉及很多不確定因素，以及天氣、電磁干擾和地形等環境因素以及不斷變化的威脅的性質所帶來的脆弱性。操作員將預期AI-AMD決策輔助系統按照 "合同 "執行，以處理這些不確定性和脆弱性。這些合同將是人工智能-AMD決策輔助工具應該執行的感知功能或任務，以及執行這些功能或任務的理想表現。

圖2說明了操作員和AI-AMD決策輔助工具之間的信任框架。y軸代表人類對AI-AMD決策輔助系統的信任程度，x軸代表AI-AMD決策輔助系統的能力。綠色的45°虛線表示最佳的信任水平或校準的信任線，其中的信任與AI-AMD的能力相對應，導致正確的利用（Lee and See 2004）。過度信任由最佳信任水平線以上的區域表示，此時的信任超過了系統能力，導致誤用。低于理想信任水平線的區域表示不信任，這時的信任沒有達到系統能力，導致濫用。假設存在一些默認的信任水平（如黃框所示），目標是制定一個策略，以提高AI-AMD輔助決策能力的信任。在使用該系統時，可能會發生違反信任的情況，從而降低操作員的信任。因此，信任修復行動必須被納入，以保持信任在最佳水平。

圖2. 人類操作員和AI-AMD決策輔助工具之間的信任。

基于功能分配的操作員和AI-AMD決策輔助工具之間的人機交互研究表明，操作員和AI-AMD決策輔助工具應該被設計成在大多數殺戮鏈功能中作為一個 "團隊"運作。這引導論文研究了單獨和集體考慮人類和決策輔助的信任因素。對操作員和人工智能-AMD決策之間的人機交互的研究還顯示，操作員的角色已經從手動控制器變成了監督控制器。因此，一個值得信賴的決策輔助工具是很重要的，因為操作者會期望系統的表現符合預期，以幫助操作者更好地履行他的角色。另外，為了進一步幫助減輕操作者的認知工作量，信息的外部表示、決策輔助工具的建議必須易于閱讀和理解。

關于信任因素，本論文提出了一個 "由外而內 "的框架，如圖3所示。論文首先考慮了與操作環境相關的因素，這些因素描述了AMD操作系統的背景。第二，它研究了與組織環境相關的因素，操作人員和人工智能-AMD系統得到了培訓和發展。第三，論文研究了操作人員和人工智能-AMD決策輔助工具之間的交互，以提出與操作人員、人工智能-AMD、單獨和集體相關的因素。

圖3. 建議的信任因素

圖4顯示了擬議的戰略銜接圖，以實現操作者和AI-AMD輔助決策之間的校準信任。對信任定義、人機界面和信任因素的審查表明，該戰略應關注三個關鍵領域：（1）人類對自動化技術和AI-AMD決策輔助系統的集體和個人感知；（2）增強操作員和AI-AMD決策輔助系統的團隊活力；（3）AI-AMD決策輔助系統的可信度，重點是系統開發。該戰略利用DOTMLPF-P框架提出了三個關鍵原則和五個支持原則。首先，軍事作戰人員需要被告知自動化技術的真正能力和局限性，特別是AI-AMD輔助決策。第二，操作員的培訓要求必須增加，以應對新的工作范圍和不斷變化的威脅。第三，必須在人工智能-AMD決策輔助系統的開發中加入新的要求，以提高系統的可感知的可信度。這三個關鍵原則得到了DOTMLPF-P框架其他方面的支持，如組織、領導、人員、設施和政策。

圖4. 實現操作員和人工智能-AMD決策輔助工具之間校準信任的戰略銜接圖