人工智能战争:舰队指挥-美国国家战略将人工智能（AI）纳入战争的作战计划

人工智能（AI）是一项具有广泛用途的新兴技术。《美国防战略》强调了人工智能对军事行动的重要性，以使美国保持对其近似竞争对手的优势。为了充分实现这一优势，不仅要在战术层面人工智能战争:舰队指挥，而且要在战争的作战层面整合人工智能。人工智能可以最有效地融入作战计划的复杂任务，方法是将其细分为其组成部分的作战功能，这些功能可以由狭义的人工智能来处理。这种组织方式将问题减少到可以由人工智能解析的规模，并保持人类对机器支持的决策的监督。

引言

人工智能是一套新兴的、变革性的工具，有可能帮助军事决策者。美国国家战略将人工智能（AI）纳入战争。《2020年国防授权法》11次提到了人工智能。国防战略强调了利用人工智能和机器学习方面的商业突破的重要性。人工智能的军事用途是保留国家安全的一个引人注目的方式。创造工具来支持战术行动，如摧毁敌军和从一个点导航到另一个点，具有显著和可见的效果，使他们在资源有限的环境中在政治上可以接受。它们在训练和测试方面的可重复性，使它们在采购过程中成为人工智能系统的快速赢家。然而，战术行动的范围和时间是有限的。仅在战术层面上整合人工智能，忽视了在作战层面上发生的决定性影响。

作战，也就是实践者将战术行动转化为战略效果的层面，取决于领导者做出正确决策的能力。联合部队海事部分指挥官（JFMCC）的艰巨任务是制定计划，将战区战略和联合部队指挥官（JFC）的目标结合起来，通过决定性的海军交战来塑造环境。在人工智能的快速认知能力的帮助下，JFMCC将能够制定并更彻底地分析行动方案（COA）。这些品质对于未来的冲突是必要的。

人工智能必须在战争的各个层面进行整体集成，以充分实现其优势。除了局部的、短期的战斗，它还需要应用于主要的行动和战役，涉及整个战区的数月或数年。在战争的战役（作战）层面上的实施，放大了为实现战略目标而进行的有序交战和同步行动之间的协同作用。除了技术发展之外，行动上的整合将刺激政策和理论的建立，以使作战人员有意愿使用人工智能。随着使用人工智能的经验的增加，其采用率也会增加。为协助海军作战计划而实施的特定人工智能技术可能与那些用于计算射击方案或在被拒绝的浅滩水域规划路线的技术不同。然而，在作战层面的接受度将推动战术上的使用。

在JFMCC层面，人工智能系统网络将为决策者提供决定性的优势，将专注于作战功能的独立的人工狭义智能（ANI）单位统一起来将实现最显著的好处。首先，人工智能解决方案比它们的通用人工智能（AGI）同行更适合于军事问题的解决。其次，战争的性质促使有必要在作战层面上整合人工智能。最后，虽然有许多方法可以整合，但沿着功能线这样做会带来最显著的好处。不仅在技术意义上吸收人工智能，而且描述其在政策、理论和培训中的使用，将使海军能够充分使用它，并在与我们的战略竞争对手的竞争中获得优势。

如何在海战领域整合人工智能？

目前人工智能在海上行动中的最佳应用是将复杂的海上行动问题分解成子问题，由人工智能来解决，并组合成COA建议。解决小问题的人工智能需要更少的训练数据，有更直接的逻辑，并且可以连锁起来解决更重要的问题。麻省理工学院人工智能实验室前主任罗德尼-布鲁克斯（Rodney Brooks）认为，创建动态环境的符号表示是困难的或不可能的。然而，特定任务的智能体可以利用足够的传感器数据智能地行动，更重要的是，可以连贯地互动。通过将简单的活动连锁起来，失败的风险很低人工智能战争:舰队指挥，更复杂的问题就可以得到解决。多个简单的行动可以在低认知层平行运行，并将其输出结合起来，为更高层次的复杂活动提供支持。这种结构的优点是允许军事工程师开发和训练人工智能，以首先解决可操作的问题。对人工智能开发者来说更具挑战性的功能可以保留只由人类决定的方法，直到他们产生解决这些问题的专业知识。与其等待一个完整的系统，部分系统将提供一个临时的边际优势。

鉴于人工智能可以通过将问题分解成更小的决策来最好地解决问题，问题仍然是如何划分这些问题。重述作战任务的一个模式是将它们分成作战功能：指挥和控制（C2）、通信、情报、火力、运动和机动、保护和维持。这些作战功能为开展有效行动提供了基础。它们为一个行动提供了采用手段实现其目的的方法。因此，与决定如何实施这些功能以实现目标的决策者一起使用人工智能是很自然的。

如同应用于海上作战战争，最低层的决策支持系统将由感知环境的活动组成：探测舰艇、飞机和潜艇；燃料水平；天气；以及其他客观的战斗空间数据。通过将外部输入限制在特定的、低层次的任务上，该系统将最大限度地减少对抗性例子或旨在消极操纵自动系统的数据的风险。中间层将把下层的输出与作战目标和因素结合起来，如时间、空间和力量的限制，以提供解决问题的方法和作战功能。由于上层的对抗性数据注入的威胁较小，这些系统可以使用深度学习。深度学习是机器学习的一个子集，它不像其他形式那样需要高度格式化的数据，但计算成本会更高，而且容易受到欺骗。深度学习将增加这一层的人类互动，并暴露出更复杂的关系。最高层将把C2流程应用于其他六个业务功能，以产生业务建议。中间层的每个功能人工智能将向其他功能人工智能和最高C2层提供建议。中间层的人工智能对复杂的数据和相邻单位及C2功能的建议进行理解。

如果将中间层人工智能纳入规划和指导、收集、处理、分析和传播的情报周期，将促进收集资产的更好分配。判断对有限的收集资产的请求以满足行动和战术信息需求是JFMCC关注的一个问题。在收集计划期间，人工智能可以使用已知的对手轨迹、地点、个人和组织来定义和优先考虑指定的利益区域（NAI）。在执行过程中，人工智能可以根据优先级驱动收集路线，就像企业用它来规划送货路线以减少劳动力、燃料和维护成本一样。采集计划者可以通过增加对手监视点的位置和范围来减少反侦查的风险。在C2层面，指挥官和情报官员可以利用收集成果来证明更多的JFMCC收集资产和COA的修改。这种方法适用于其他功能。

人工智能可以在部队部署不断变化和对手存在不确定的环境中改善维持能力。相互冲突的要求使如何使用有限的后勤资产来满足作战人员的需求的决策变得复杂。后勤单位较低的生存能力促使人们决定是将它们带入被对手防御系统拒绝的区域，还是将战斗飞船引离目标。人工智能可以利用军事和民用运输的可用性、预先部署的库存和供应商的响应能力来制定船舶和飞机需求的解决方案。企业利用人工智能准确预测需求，并分辨出影响运输和仓储的采购模式。维持型人工智能可以使用这个过程的一个变种，来计划在高级后勤支持站点（ALSS）或前方后勤站点（FLS）的材料堆放。它可以决定如何以及何时使用穿梭船和站立船来运送到攻击组。机器学习将使用燃料、食品和武器库存、威胁环、战备水平和维修时间来训练维持人工智能。维持型人工智能可以提供比人类单独完成的更有效的量化解决方案，并将其反馈给其他功能区和C2高层。

C2层将对来自下层的决定进行仲裁，并提供一个统一的建议。就像一个军事组织的指挥官一样，它将把其副手AI的建议合并起来。人工智能过程的早期阶段使用传感器数据和其他客观信息来确定指挥官的方向；决定行动方案需要建立对战斗空间的理解，这是一种更高层次的欣赏。战斗空间的可变性和模糊性将使这一层的人工智能元素最难开发。最终，该系统将作为一个可信的智能体，压缩指挥官负责的信息量。压缩的信息减轻了时间有限的决策者工作时的疑虑负担，使她能够向下属单位发出更及时的命令。

图1说明了基于这些原则的系统的拟议架构。以对手预测为例，许多单一用途的ANI将在最低层结合原始传感器和单位报告数据。它将评估敌方单位的最可能位置。公司分析评论、社交媒体和论坛发帖的情绪，以确定产品的满意度。同样地，这个系统将通过公开的言论和秘密的报告来确定对手的意图。它将评估当前和历史天气模式，以评估气候对敌人行动的影响。这三个输入和其他信息将被功能情报ANI用来形成对敌方COA的评估。同样，火力节点将使用敌人的组成、JFC的优先级和预测的弹药可用性来产生目标指导。中间层节点将横向传递他们的评估，以完善邻近的建议，如部队保护水平。独立的功能建议也将直接反馈给C2层，以创建整体行动方案。

图1. 海上人工智能系统的拟议架构

建议

首先，利用联合人工智能资源的优势，针对海军的具体问题修改标准组件。擅长开发军事人工智能系统的工程师的稀缺性将限制新系统的开发。美国防部的人工智能战略具体规定了建立通用的工具、框架和标准，以便进行分散的开发和实验。使用这些现成的组件，为人工智能决策网的所有子系统创建低级别的系统和标准接口。将海军的资源集中于采购和实施用于海事具体决策的中层和高层系统。避免技术上令人着迷但无效的解决方案，并通过将职能领域的专家与设计团队相结合来保持解决海事问题的目标。

第二，创建并维护可通过机器学习摄入的作战数据数据库，以训练海军人工智能。实施能够在海上作战中心（MOC）读取和集中汇总基本作战数据报告的技术和工艺，如燃料状态、导弹装载量。开发记录和定性评分作战决策结果的方法，如对手态势的变化、伤亡修复率和公众对行动的反应。将输入与作战决策和结果联系起来的数据库将加速开发符合现实世界标准的系统。

第三，将人工智能的使用纳入政策和条令。条令应该编纂人工智能可以被整合到战争战役层面决策中的领域。明确地说，关于情报、行动、火力、后勤、规划和通信的海军作战出版物应说明人工智能在决策过程中产生优势的地方和方式。描述海上联合行动的联合出版物应明确说明如何将JFC的要求解析为JFMCC的AI系统。如果国防部和海军的政策对指挥官因整合人工智能的决策建议而产生的责任量进行了定性，那么他们在使用人工智能时就可以采取经过计算的风险。让指挥官和作战人员掌握使用人工智能的战术、技术和程序将加速其在舰队中的应用。

专知便捷查看