2022年3月29日，蘭德公司網(wǎng)站發(fā)布報告，題為《Developing a Concept of Operations for Joint All-Domain Command and Control with an Embedded Role for Artificial Intelligence Applications（開發(fā)嵌入人工智能應(yīng)用的聯(lián)合全域指揮控制作戰(zhàn)概念）》，作者是蘭德項(xiàng)目部空軍現(xiàn)代化和部署項(xiàng)目主任，雪莉爾林格爾。報告要點(diǎn)如下：

一、研究的問題

（1）多域作戰(zhàn)（MDO）需要聯(lián)合全域指揮與控制 (JADC2) 能力的支持

現(xiàn)代戰(zhàn)爭已經(jīng)超越了陸地、空中和海上的傳統(tǒng)作戰(zhàn)域，要求指揮官及作戰(zhàn)參謀超越傳統(tǒng)領(lǐng)域，在包括空間和網(wǎng)絡(luò)以及跨電磁頻譜領(lǐng)域進(jìn)行作戰(zhàn)計劃、指揮和控制。

未來的全領(lǐng)域戰(zhàn)爭和競爭將對獲取信息的規(guī)模和速度、對信息的掌握以及對快速決策提出更高的要求，這些都是聯(lián)合全域指揮控制（JADC2）的關(guān)鍵要素。

但美國軍隊(duì)在規(guī)劃、調(diào)度、作戰(zhàn)中使用的很多遺留系統(tǒng)和基礎(chǔ)設(shè)施與這一現(xiàn)代化需求格格不入。同時考慮多域作戰(zhàn)的復(fù)雜性，軍事指揮官需要新的工具，包括基于人工智能/機(jī)器學(xué)習(xí)的工具。

（2）人工智能/機(jī)器學(xué)習(xí)的誘惑

最近在日益復(fù)雜的游戲中，人工智能/機(jī)器學(xué)習(xí)表現(xiàn)出了超越人類基線的能力。另一方面，國家對未來高端對抗中作戰(zhàn)需求的認(rèn)識也越來越清晰。尤其是結(jié)合星際爭霸游戲的AlphaStar，似乎預(yù)示著在戰(zhàn)術(shù)和作戰(zhàn)層面指揮控制中人工智能的應(yīng)用。

由于該人工智能算法是為真實(shí)世界、動態(tài)、多域、大規(guī)模和高節(jié)奏作戰(zhàn)而開發(fā)的，因此需要選擇、評估和監(jiān)控其重要指標(biāo)，以衡量算法的性能、有效性和適用性。這些技術(shù)指標(biāo)包括效率（計算所需的時間和內(nèi)存）、可靠性（算法結(jié)果是否有效）、最優(yōu)性（算法是否針對預(yù)設(shè)目標(biāo)提供最佳結(jié)果）、穩(wěn)健性（在意外情況算法性能是否“優(yōu)雅”下降）、可解釋性（人類是否能理解計算結(jié)果的“原因”）和確信性（算法是否按預(yù)期運(yùn)行）

同時為了應(yīng)用人工智能/機(jī)器學(xué)習(xí)技術(shù)，軍方必須了解技術(shù)應(yīng)用的具體作戰(zhàn)需求和指揮控制過程，并理解人工智能/機(jī)器學(xué)習(xí)的局限性。

（3）人工智能/機(jī)器學(xué)習(xí)應(yīng)用的障礙

首先是軍事文化，和商業(yè)的高風(fēng)險高回報的文化不同，軍事文化是風(fēng)險關(guān)切的。以數(shù)據(jù)共享為例，軍方往往關(guān)注數(shù)據(jù)安全，而商業(yè)上則重視數(shù)據(jù)開放。

第二個障礙是軍隊(duì)內(nèi)部數(shù)據(jù)的可獲取性。為了支持人工智能輔助決策，軍方需要統(tǒng)一的數(shù)據(jù)管理政策，并有足夠的IT資源來處理大量數(shù)據(jù)。因此，必須有一個支持收集、標(biāo)記、存儲、保護(hù)和共享數(shù)據(jù)的人工智能生態(tài)系統(tǒng)。管理上，這將依賴通用數(shù)據(jù)標(biāo)準(zhǔn)、明確責(zé)任機(jī)構(gòu)、完整性檢查和入侵防護(hù)措施。云計算和數(shù)據(jù)湖將是關(guān)鍵技術(shù)組件?？紤]到現(xiàn)有的軍事政策、文化、權(quán)限、預(yù)算和路徑，構(gòu)建這樣的環(huán)境以跨域和安全的方式提供大量數(shù)據(jù)將給聯(lián)合全域指揮控制帶來挑戰(zhàn)。

第三個障礙是需要對軍事作戰(zhàn)中心進(jìn)行重組，并對運(yùn)營人員進(jìn)行培訓(xùn)。機(jī)器間通信的增加，再加上指揮與控制流程的自動化，可能會導(dǎo)致運(yùn)營中心的設(shè)施變化和人員配置變化，從而解放部分操作員來參與更多的認(rèn)知任務(wù)，如評估和完善可能行動方案。需要對操作員進(jìn)行培訓(xùn)，勝任新的角色。也需要對規(guī)劃人員和決策人員進(jìn)行培訓(xùn)，以適應(yīng)單一領(lǐng)域到多域的思考模式轉(zhuǎn)變。

第四個障礙是軍事亞文化?？紤]到作戰(zhàn)團(tuán)隊(duì)之間的亞文化的差異、計劃管理的差異以及授權(quán)方式的差異，即使是在一個軍種中，也很難整合天空、太空和網(wǎng)絡(luò)領(lǐng)域的人工智能能力。

二、有效推進(jìn)的建議

情況可能比較復(fù)雜，障礙也很多，急需迅速向前推進(jìn)，需要即刻變革。如果將實(shí)現(xiàn)目標(biāo)的步驟分解成可處理的問題，如果軍方清晰理解技術(shù)的可能性和局限性，就可以取得進(jìn)展。

（1）目標(biāo)不應(yīng)該是指揮控制的完全自動化，而是指揮控制中有效人機(jī)協(xié)作。為此目的采取的步驟應(yīng)包括：第一，聯(lián)合全域指揮控制作戰(zhàn)概念（CONOP）的持續(xù)發(fā)展和優(yōu)先級；第二，在人工智能賦能指揮控制的過程中識別相應(yīng)的需求和機(jī)會。

（2）同時，有必要為數(shù)據(jù)驅(qū)動的人工智能生態(tài)創(chuàng)造條件，這意味著將武器系統(tǒng)和相關(guān)數(shù)據(jù)放入多域數(shù)據(jù)池中，供那些應(yīng)該能夠訪問數(shù)據(jù)的人使用，同時還應(yīng)用“零信任”等安全原則，以確保對這些數(shù)據(jù)進(jìn)行彈性和可靠的管理。隨著人工智能軟件開發(fā)，需要在作戰(zhàn)試驗(yàn)環(huán)境中進(jìn)行測試，將其與指揮控制系統(tǒng)集成，再將其部署到作戰(zhàn)中心。功能可能會迭代——首先將有限的功能放入運(yùn)營中心，然后組織用戶反饋，再快速更新。分析人員和專家需要探索作戰(zhàn)和操作概念，以促進(jìn)人機(jī)協(xié)作，為作戰(zhàn)人員使用人工智能技術(shù)建立信任，提高算法可解釋能力。在缺少商業(yè)需求的領(lǐng)域，可能需要針對性的軍事投資。

（3）當(dāng)前的人工智能/機(jī)器學(xué)習(xí)技術(shù)需要數(shù)據(jù)來訓(xùn)練?？紤]到可能會缺乏真實(shí)世界的數(shù)據(jù)來完善這些技術(shù)，可以利用建模、仿真和演習(xí)來生成算法的訓(xùn)練數(shù)據(jù)。但軍事領(lǐng)域的算法必須考慮真實(shí)世界中的不確定性——這對人和算法來說都是重要難題。

正如美國空軍參謀長2020年8月所說，“加速變革，否則失敗”?，F(xiàn)代戰(zhàn)爭的當(dāng)務(wù)之急是向聯(lián)合全域指揮控制的推進(jìn)。需求是真實(shí)的，但需要為人工智能/機(jī)器學(xué)習(xí)設(shè)定符合現(xiàn)實(shí)的預(yù)期?，F(xiàn)有的一些指揮控制條件還有自動化提升或人工智能提升的空間，但可能有一些指揮控制過程，從指揮員和技術(shù)的角度難以提升。正如美國眾議院軍事委員會主席和眾議員亞當(dāng) ·斯密（Adam Smith）在2021年9月談到聯(lián)合全域指揮控制時所說，“目標(biāo)是正確的，但不要低估了實(shí)現(xiàn)目標(biāo)的難度。”