有证据表明，在 "坚定决心行动（OIR）"中，有针对性的目标定位周期滞后于低端冲突的步伐。如果联合部队不减少导致这一现象的因素，那么这些因素肯定会在高端冲突中被放大。这项研究考察了 "坚定决心行动"中有针对性的目标定位，确定了因果因素，并提出了改进建议，以确保在未来冲突中的优势。为了确保在明天的战争中取得胜利，联合部队必须解决情报能力不足、ISR资产供应不足和有针对性的目标定位周期内的冗余目标审查这三个普遍的因果因素。

对人工智能（AI）和自动目标识别（ATR）的研究表明，各种努力都有可能减轻这些有针对性的目标定位的缺陷。首先，机器学习、数据挖掘和数据融合是人工智能的能力，可以应用于研究中确定的情报挑战。此外，寻找、固定、识别和跟踪目标的自主系统是ATR能力，可以增强有针对性的目标定位和提高部队的JADC2。

考虑到这些技术，提出了一些建议，其总体目标是通过用人工智能和自动目标识别增强这一过程来加速有针对性的目标定位。这些技术有可能加强情报能力，改善ISR资产的可用性，并加速打击许可。反过来，这些改进可以加强JADC2并确保在未来冲突中的决策优势。

引言

托马斯-弗里德曼在他的新书《感谢你的迟到》中引用了摩尔定律，该定律指出，微处理器芯片的功率每两年就会翻一番。

为了坚持下去，美国防部领导层必须首先承认，未来的战争将以速度为压倒性的特征。然后，国防部必须将国防优先事项转向那些有可能在战场上提供决定性优势的新兴技术。空军已经开始了这一进程，在JADC2中领导了一项加速决策循环的努力。这一努力对于在未来与威胁美国国家安全的同行竞争、威慑和获胜至关重要。

与我们的努力相抗衡的是那些自我们在 "沙漠风暴 "中对伊拉克取得全面胜利以来研究过美国战争的对手。其中一些对手已经在人工智能等关键领域显示出技术优势。可以说，我们最大的对手是正在崛起的中国，它积极投资于人工智能，认为自己应该成为追求人工智能的全球领导者。中国还继续通过其在南海的行动威胁美国在亚洲的合作伙伴和盟友的安全。

考虑到中国的行动和战略叙事，很明显追求所谓的 "改变游戏规则 "的技术，如人工智能和ATR，是美国国家安全的一个重要组成部分；以至于一些学者警告说，如果没有积极的行动，美国有可能失去其在人工智能方面的领先地位。现在是改变游戏规则的时候了。

论题

有针对性的目标定位周期的反应能力不足以在未来的冲突中取得成功。为了减轻当前过程中的挑战，应通过人工智能和自动目标识别来增强有意的目标定位，这可能会加强情报能力，改善ISR资产的可用性，并加速打击许可。

案例研究：坚定决心行动（OIR）

研究方法

本研究采用案例研究方法，对 "坚定决心行动（OIR）"进行单一案例分析。过程追踪是通过采访对 "坚定决心行动（OIR）"中有针对性的目标定位周期有第一手了解的人员完成的。这种方法来自于乔治和贝内特的《社会科学中的案例研究和理论发展》。五位来自空军和陆军的中校军官接受了采访。受访者都在不同程度上直接了解了有针对性的目标定位周期，是该过程及其效率的目击者。

证据

在采访中收集到的大量证据，结合二手资料，验证了这样的论点，即有针对性的目标定位周期在情报局中反应迟钝，一位官员甚至指出"[他们]几个星期都无法得到中央情报局对武器设计的批准。"在他们的《猎杀哈里发》一书中，达纳-皮塔德和韦斯-布莱恩特得出了同样的结论，指出美国大使馆打击小组有一个 "非常严格和耗时的程序来获得空袭批准。"事实上，该程序的低效率要求打击小组最终发明了一种被称为 "计划动态"的新程序，该程序规避了联合理论，并在短短三小时内完成了打击，尽管除一名受访者外，所有受访者都认为理论上有针对性的目标定位周期反应迟钝，但所有受访者都认为有几个程序是人工智能和ATR增强的有利候选程序。综合访谈数据，得出了三个主要原因：情报能力不足、ISR资产供应不足和目标审查过剩。

处理、利用和传播（PED）情报数据是联合目标选择中一个经常性的限制因素。首先，需要大量人员来处理涌入联合行动中心的大量情报。皮塔德（Pittard）和布莱恩特（Bryant）在讨论利用稳定情报流的困难时指出了这一挑战，在他们在伊拉克的任期内，这常常导致不准确的信息。访谈数据进一步证实了这一挑战，因为除一名受访者外，所有受访者都认为情报业务是目标定位周期中的一个限制因素，一名官员说，情报机构无法跟上涌入的数据量。另外，本杰明-兰贝斯关于OIR的研究草案证实了这一评估，他引用了布伦特-麦格基的话，称"［主要］挑战是情报和目标开发..."

其次，另一位官员指出，情报数据的融合是目标定位周期中缺乏的一个要素。兰贝斯的研究加强了这一论点，他强调了在有针对性的目标定位过程中必须融合的大量信息，包括四到五次的高空图像、电子通信截获、人类情报以及敌方和友方火力。皮塔德和布莱恩特也认识到这一因素，指出"[协调如此多的信息]所需的专注程度......对外部观察者来说可能是不可思议的。"对单个操作员的压力往往会超过他们的能力，并可能导致单点故障，因为人类被拉伸到他们的认知极限。

另一个捉襟见肘的因素是ISR资产的可用性。皮塔德指出，在他的任期内，可用的ISR资产严重短缺，这影响了在伊拉克的行动。虽然皮塔德在受访者之前就部署到了伊拉克，但他受到了阿富汗持久自由行动的阻碍，这与受访者在OIR中面临的竞争性优先事项相同。事实上，在OIR的这个阶段，伊拉克是优先事项，然后以类似的方式阻碍了在叙利亚的行动。正因为如此，参加叙利亚行动的受访者都认为，没有足够的联合ISR资产可用。这种ISR资产的不成比例的分配表明，CJTF-OIR确实没有足够的资产可用。

针对这一具体问题，一位受访者指出，ISR资产的稀缺性经常要求将军们 "坐在桌前"解决分配上的分歧，而另一位受访者指出，随着对遥控飞机（RPA）需求的增加，"地狱火"导弹不得不被配给。这本不应该发生，因为CJTF-OIR负责伊拉克和叙利亚的行动，应该有足够的资源来同时在两个国家执行行动。不幸的是，全球参与的联合部队几乎确保了战区指挥官可能永远不会有足够的ISR资产可用。

为了减轻负担，人工智能和ATR系统可以提高能力，从而提高这些有限资源的可用性。先进的ATR传感器在人工智能的支持下，可以通过识别比人类操作员更多的目标来弥补不足，而且速度更快。反过来，这可能会加速甚至可能废除目前的目标审查过程，这是在OIR中确定的有针对性的目标定位挑战之一。

在冲突的早期阶段，目标由距离巴格达近7000英里的中央司令部审查，导致打击审批过度延迟。皮塔德注意到这种动态，因为在他部署的早期，他 "被来自[大使馆]、国务院、国防部、[和]各种情报机构的焦急电话轰炸，[他们希望]...更新和保证..." 在打击审批之前。

皮塔德还指出，在他的任期内，联盟 "基本上是在与自己作战"，而打击ISIS的斗争是 "他在军队中最令人沮丧的经历之一"。另一位受访者也认为审查是一个挑战，并补充说，情报审查、武器设计和附带损害评估（CDE）的过程由不同的实体多次进行。兰贝斯也注意到了这个复杂的过程，他引用了当时的洛夫格伦少将的话说，"每个目标都需要与机构间和伊拉克人协调数天才能获得批准。"

访谈数据与皮塔德和布莱恩特的经验以及兰贝斯的研究相结合，证实了本研究的论点。尽管本研究中没有提到的其他因素降低了有针对性的目标定位的效果，但本案例的因果机制是联合目标定位周期第二阶段的行动过于缓慢。当然，有些促成因素是联合部队指挥官无法控制的，如政治目标和ROE，但有几个有针对性的目标定位的要素可以通过人工智能和ATR加速。

人工智能

在我们走向多极世界的过程中，人工智能对于确保美国保持竞争优势至关重要。这种新的动态将滋生不稳定，这将产生冲突，因为行为者相互之间寻求更大的优势。为了确保美国在未来保持优势，它应该积极地追求人工智能。这种能力是至关重要的，因为人工智能已经展示了速度、灵活性、准确性、持久性、范围和武器系统的协调质量，这些都是未来冲突的关键能力。事实上，人工智能是如此重要，以至于新美国安全中心呼吁整个政府投资250亿美元，采取措施阻止美国人工智能人才的流失，并采取行动防止恶意行为者盗窃关键人工智能。中国正在追求由人工智能支持的数据融合、信息处理和情报分析。如果没有积极的追求，美国可能会在这个领域的技术竞赛中失败。

在解决了"为什么？"的问题后，有必要考虑 "什么？"的问题。从根本上说，人工智能涉及能够模拟通常与人类认知相关智力的机器。两种类型的人工智能是人工通用智能（AGI）和狭义人工智能。AGI寻求对世界的理解，并能够与人类的能力相匹配，或者在某些情况下，超越人类的能力，做到这一点。不幸的是，科学界认为AGI是一个尚未解决的技术挑战，并将在几年内保持这种状态。相比之下，狭义人工智能无处不在，拥有执行各种任务的能力，如识别物体和人，并应被考虑用于增强有针对性的目标定位、JADC2和其他应用。

狭义人工智能的一个具体应用是自主性，它被定义为机器在没有人类输入的情况下执行任务的能力，一个日常例子是机器人吸尘器。自主系统执行预先编程的任务，通过传感器和执行器与环境互动。这些机器遵循感知、决定和行动的基本原则，使用软件将观察到的模式与内存中编程的参考模式进行比较。

尽管 "感觉、决定、行动 "提供了一个可靠的基础，但如果与机器学习结合起来，狭义人工智能的能力就会大大增加，机器学习是一种软件方法，它使机器人编程学习，然后教它们。训练信息可以是一般性质的，也可以是特定领域的。IBM的Watson是一般和特定机器学习的一个应用实例。Watson在《危险游戏》中以其一般知识惊艳了观众，后来在消化了大量的医疗数据后，它被用来诊断医疗状况并推荐治疗方案。

机器学习算法还可以对数据进行分类，并找到相关关系，对未来的行为进行统计预测。事实上，加拿大的研究表明，机器学习对秘密文件的正确分类可靠地达到90%，而AFWERX预计人工智能将通过预测性维护将预警机的可用性提高25%。此外，机器学习可以识别数据中的异常情况。例如，伦敦的Cromatica相机软件通过检测可观察到的生活模式的异常情况预测了自杀事件。

当与深度学习技术相结合时，人工智能又有了实质性的飞跃。深度学习是机器学习的一种，它使系统能够通过数据和经验提高分析能力。深度学习非常适合处理大量的数据，因为机器从简单的概念开始，建立越来越复杂的概念。其中一个概念是预测性分析，2016年因在围棋中击败李世石而闻名的机器AlphaGo就展示了这一点。这种能力可以被用来缓解情报分析的挑战，在这种情况下，数据量经常超过人类的PED能力。

人工智能还拥有比人类更有效地融合数据的能力。Zhao等人在他们的研究中指出了人工智能在数据融合和决策增强方面的成功。这一关键发现可能会减轻PED中人类元素的负担。斯坦利-麦克里斯特尔在《团队》中提到了这一挑战，他暗指在 "持久自由行动 "期间，巴格达的一个供应柜中堆放着一个 "四英尺高的小丘 "的情报数据，但却没有进行审查。此外，一份关于人工智能的国会研究服务报告吹捧了人工智能在整个ISR任务中的关键重要性。该报告还强调了人工智能通过数据融合对多域指挥和控制的适用性。

另一项名为Maven的项目试图通过使用人工智能和机器学习来解决这些PED的一些挑战，以区分无人驾驶飞行器视频录像中的人和物体。该项目还试图克服情报分析中固有的infoglut问题。斯德哥尔摩国际和平研究所（SIPRI）断言，机器学习非常适合ISR管理、决策支持系统和预测，这加强了人工智能的案例。

自动目标识别

自动目标识别（ATR）软件最早发明于20世纪70年代，从一开始就通过模式分析识别物体。ATR是指机器处理传感器数据以定位和分类目标的自动或无辅助能力。辅助目标识别（AiTR）是ATR的一种类型，它强调人在回路中的操作，寻求减少人类操作员的工作量。

ATR的意图是通过数据来探测和识别目标，这些数据通常（尽管不是唯一的）以图像的形式呈现。这些图像包括来自前视红外（FLIR）、半主动雷达（SAR）、电视摄像机、激光雷达和非成像传感器的传感器数据。ATR系统可识别形状、高度、速度、无线电频率、声学特征以及其他特征。ATR还能识别人类目标、多个和群体目标、特定事件、闪光、枪口爆炸、环境变化、受干扰的地球，以及更多。最新的ATR甚至可以区分走路和跑步的人。除了识别之外，ATR技术还可以进行图像融合、目标跟踪和持久性监视。

自动目标识别已经被军方在各种应用中使用了几十年。2017年SIPRI报告引用了154个军事领域的ATR系统，其中50个是决策辅助工具，24个是指挥和控制，56个是收集和处理信息。这些ATR系统很多都出现在武器装备中，如皇家空军的Brimstone导弹，它能够自主地识别、跟踪和打击车辆。其他能够探测、识别、跟踪、选择和攻击目标的先进ATR武器系统包括荷兰的Goal Keeper、多国的Phalanx和以色列的铁穹。由于这些系统能够发现和辨别特定目标，随着国防部越来越多地将其纳入传感和打击平台，它们可能对未来有针对性的目标定位产生决定性影响。

ATR的最新发展包括多光谱和高光谱成像检测。多光谱和高光谱图像是通过记录电磁辐射产生的。应用研究有限责任公司认识到，这些系统特别适合于探测来自飞机和航天器的目标。他们为一个系统申请了专利，该系统大大减少了对多光谱和高光谱图像进行分类所需的时间，并承诺进行实时目标探测，这种能力可用于在未来的冲突中加速有针对性的目标定位。

另一项继续适用于未来冲突的技术是合成孔径雷达制图。这项技术正在不断发展，并被联合部队的操作人员广泛运用于多种不同的武器系统。目前，合成孔径雷达制图主要依赖于作战人员解释生成图像的高度训练有素的技能。可以肯定的是，这些作战人员现在在几秒钟内就能识别目标，但对于下一代战争来说，这种速度将太慢了，因为机器将在纳秒内识别目标。联合部队应该研究这一领域的新兴技术，如SAR ATR。

SAR ATR的标准序列包括检测、识别和分类三个阶段。2018年，Hidetoshi Furukawa使用一个被称为 "验证支持网络 "的拟议卷积神经网络加速了这一序列计时，在2420张图像数据集的分类中表现出99.55%的准确性。Furukawa的研究表明，ATR相当适用于目标检测和识别的挑战，并应进一步考虑用于增强故意瞄准和JADC2。

这些系统的成功显示了加速有针对性的目标定位前景。国防部应该扩大对这些关键技术的研究和开发，并制定战术、技术和程序，将其纳入JADC2。能够即时探测和识别目标，传输加密数据，然后进行融合的系统对于在未来冲突中保持优势至关重要。

空军作战集成能力（AFWIC）

这项研究主张国防部对人工智能和自动目标识别进行投资。到目前为止，还没有确定具体的组织作为牵头机构。空军有一个名为 "空军作战集成能力（AFWIC）"的组织，很适合这项任务。AFWIC可以带头执行本研究中引用的许多建议，并进一步开发这些技术以在整个国防部实施。

威尔逊部长和戈德费恩将军创建了AFWIC，以审查空军的 "多样化作战组合，并推动整个企业对复杂问题的解决方案......[并]迅速确定新能力投资的关键领域，为联合部队奠定基础，即使在最困难的情况下也能进行真正的多域作战。 "AFWIC的任务是 "推动企业范围内的整合和未来部队的设计......[并]发展整体部队、多域作战概念...... "根据戈德费恩将军的说法，该组织是 "整合和设计未来空军蓝图的领导"。

AFWIC的既定使命和愿景使该组织成为领导联合部队追求这些改变游戏规则的技术的理想选择。事实上，AFWIC已经建立了JADC2和人工智能跨职能小组（CFT）。这些小组应该通过加速使用人工智能和ATR的有针对性的目标定位来引领国防部进入下一代战争。为此，为AFWIC提出了以下一些具体建议。

建议

空军应优先考虑人工智能和ATR的研究、开发、测试、政策和理论、资金和实施，以实现有针对性的目标定位，最终实现JADC2。

研究

空军应优先考虑AFWIC，并在2021年夏天前填补其剩余的职位。高级发展教育和中级发展教育学生的毕业应成为招聘的重点。AFWIC还应该增加现役后备军（AGR）和军事人员拨款（MPA）对空军后备军和空军国民警卫队飞行员的考察，以加强能力，并利用总部队在人工智能、ATR和机器学习领域的独特技术文职技能。
AFWIC应该与主要的国防实验室合作，包括但不限于空军研究实验室、桑迪亚国家实验室、洛斯阿拉莫斯国家实验室、国防创新单位实验、Kessel Run、DARPA以及任何新兴的国防部软件实验室，以确定哪些AI和ATR技术最适合测试和开发。
AFWIC应该与工业界合作，以确定哪些人工智能和ATR技术最适合空军的需要，并获得超过国防部国家实验室所开发的技术的能力。
AFWIC应该与学术机构合作，利用人工智能CFT来确定哪些人工智能和ATR技术最适合空军的需求。
AFWIC应该指定一个小组，负责与国防、工业和学术界的每个合作伙伴进行协调。

发展

JADC2 CFT、AI CFT和 "陆军未来与概念"应该共同制定一个JADC2的AI和ATR增强的实施计划。
AFWIC应促进与其他军种对JADC2的共同愿景。每个军种的未来要素应该是发展人工智能和ATR的关键伙伴。AFWIC应该为兄弟部门指定LNO的职位。

测试

AI和ATR应该在影子行动中心使用风险驱动的作战概念（CONOP）进行测试。在低风险行动中，人应该在回路中操作。中等风险的行动应该过渡到人在环路上，高风险的行动应该发展到人在环路外。虽然目前没有倾向于在没有人类批准的情况下执行致命的火力，但在未来战争需要的情况下，应该测试这种能力。这些测试还应该侧重于建立对人工智能和ATR系统的信任。JADC2 CFT应该领导这项工作。
ATR系统应该在整个联合部队的现有友军和敌军数据集上进行训练。ATR应该通过在红旗或武器学校整合阶段等演习中在RPA和UAV平台上使用它们来进行测试。

政策和学说

空军理论文件附件3-30、JPUB 3-30、JPUB 3-60以及所有与AOC相关的战术、技术和程序手册应在这些系统具备全面作战能力（FOC）时酌情反映AI/ATR的最佳实践。
空军应该修改当前的理论，或者开创新的理论，专门解决非常规的准军事代理部队的JADC2问题。
空军应将 "规划动态"作为第三种目标定位方式，并在证明其可行后将该过程写入JPUB 3-60。

资金

AFWIC应在计划目标备忘录中倡导AI和ATR。
AFWIC应该支持联合部队的AI和ATR，并与兄弟部队合作，确保在总统预算中对其进行统一规划。

实施

这些能力是高端冲突中迫切需要的。一旦实现了初始作战能力，人工智能和ATR应该在PACOM进行实战，作为一个测试平台，利用人在回路中的CONOP进一步完善，以建立FOC。

结论

目前有针对性的目标定位周期落后于现代战争的步伐。目标定位周期以理论上战斗节奏的速度运行，在高端冲突中无法在对手的决策周期内执行。联合部队必须通过对人工智能和自动目标识别的投资，加快有针对性的目标定位，并通过代理，加快自己的决策循环。这些技术应该通过联合部队和我们的国防国家实验室、工业和学术界的强大伙伴关系来研究、开发、测试和实施。AFWIC、JADC2 CFT和AI CFT应该领导联合部队开发、配置和实施人工智能和自动目标识别技术，并将其应用于有针对性的目标定位和JADC2。

空军研究任务组的任务是从 "坚定决心行动"中获得"速赢"。第一个速赢是通过训练演习，如 "红旗"或武器学校整合阶段，验证本研究中主张的人工智能和ATR目标定位能力。如果人工智能和ATR证明它们可以像建议的那样加速有针对性的目标定位，那么这些能力应该在计划、规划、预算和执行周期中正式完成资源的申请。在增加信任后，它们以后可以被考虑在JADC2中更广泛地应用。这第一个速赢计划将为利用人工智能和自动目标识别来加速有意的目标定位迈出第一步。

成为VIP会员查看完整内容