美军目前的处境是冷战结束以来从未有过的,即不得不追赶同级对手。当美国专注于反叛乱行动时,其对手却在观察、学习和发展能力,这使美军处于相对不利的地位。特别是俄罗斯,在俄乌战争中展示了美军无法比拟的侦察-打击能力。当美国努力缩小这些差距时,问题就变成了应该投资哪些新技术?人工智能是一项新兴技术,在军事上的应用无限。本研究论文试图回答的问题是,美国军方可以在哪些方面利用这项技术重新建立起与同级竞争对手的竞争优势。通过人工智能辅助消除冲突措施,以自主无人机的形式与战略和作战级别的火力相连接的人类-人工智能团队,是美军在不牺牲可接受的风险水平的情况下缩小已证明的能力差距并重新获得超额优势的一个领域。

结论与建议

本专著旨在研究国防部在哪些方面可以利用人工智能这一新兴技术,重新建立起与同类竞争对手的竞争优势。该研究调查了三个辅助问题,以回答主要研究问题:什么是人工智能、人工智能在哪些方面优于人类思维、在哪些方面不如人类思维,以及陆军在哪些方面寻求采用人工智能?该研究提出的假设是,在人工智能辅助消除冲突措施的辅助下,将自主无人机与作战和战略级火力结合起来,是美军缩小与同级竞争对手的能力差距,并在不牺牲可接受风险水平的情况下重新获得超额战力的一个领域。本章从第 4 章的分析中得出结论,并就人工智能的未来应用和其他研究领域提出建议。

结论

本专著从第 4 章的案例研究中得出四个结论。第一个结论是,美国的侦察-打击能力差距存在于作战层面。第二个结论是俄军电子战是对美国无人机最危险的威胁。第三个结论是俄罗斯的侦察-打击模式并不比美军的模式快。最后一个结论是,美国的消除冲突措施是瞄准周期中最耗时的过程。

  • 结论 1

美国的侦察-打击能力在作战层面存在理念和技术上的差距。从哲学上讲,美军注重不同层次的摧毁。情报、监视和侦察(ISR)无人机、武装无人机和攻击机都能实现精确打击。俄军很少关注非致命性破坏。

俄军将 ISR、干扰和破坏能力层层叠加,以便于进行大规模打击,从而取得 "泽廖比约 "式的战果。俄军以强大的 IADS 和 EW 能力保护其侦察-打击资产。俄军的 IADS 系统摧毁了乌克兰的攻击机和直升机,使其无法与俄军的发射阵地交战。美军将使用武装无人机来应对这一威胁。然而,俄罗斯电子战能力的存在将使这成为不可能。

  • 结论 2

俄罗斯电子战是对美国侦察-打击的最大威胁。俄罗斯无人机战争表明,切断无人机、操作人员和全球定位系统之间的联系是对付无人机最有效的武器。最近在叙利亚的行动证明,俄罗斯电子战有能力击落美国无人机。美国的侦察-打击模式依靠无人机识别敌对地区的目标,攻击 IADS 等高风险目标,并与其他攻击平台共享实时视频。俄军通过电磁干扰击落无人机的能力使美国的整个侦察-打击模式岌岌可危。目前由无人机执行的任务将不得不由驾驶飞机来完成,这将使美国飞行员和飞机面临更高的风险。

  • 结论 3

俄军的侦察-打击模式并不比美军的模式快。俄军快速瞄准周期是大量预先计划的结果,而不是更快的冲突消除程序。卡尔伯博士说:"俄罗斯方法的优势在于其快速集火的能力......速度和强度...... "文献暗示美军没有那么快。......其速度和强度......在任何战场上都是前所未见的"。事实并非如此。OIF 案例研究证明,美军在协同瞄准区的瞄准周期与俄军相当。美军在动态瞄准方面比俄军快得多

美军可以利用其动态瞄准优势,部分缩小作战侦察-打击能力差距。然而,本文的目的不是要实现与美国同级竞争对手的平起平坐,而是超额完成任务。从理论上讲,俄罗斯可以通过复制美国的程序轻松加快其动态瞄准过程。果真如此,美国的 CDE 劣势仍将存在。因此,美军需要加快消除冲突程序的速度,使其远远超过任何竞争对手。

  • 结论 4

美国的消除冲突措施是目标定位周期中最慢的部分。这项研究并不是要论证美国的消除冲突措施是不必要的。它只是认为目标锁定周期中最慢的部分是消除冲突,也是最需要关注的部分。随着技术的不断进步和战场的日益复杂,消除火力冲突的难度将成倍增加。《陆军作战挑战 17》和《陆军作战挑战 18》将空域冲突消除和联合火力安全投送确定为现代战场最棘手的问题之一。考虑到为达到效果而需要同步的复杂性,这可能会跨越多个作战区域和众多协调线,因此可以看出美军强大程序的必要性。这也说明,同步行动的复杂性远非一个人所能完成。它需要来自不同部门的多名人员才能安全地提供作战级别的火力。

美军必须找到一种更快地消除冲突的方法,以确保不会在与同级竞争对手的竞争中处于相对劣势。由于军方不太可能接受人员、装备或平民面临的更大风险,国防部必须寻求某种类型的增援来加快目标锁定周期。

建议

该研究就侦察-打击提出了三项建议。首先是美国军方投资人工智能驾驶的自主无人机。其次是开发人工智能增强型冲突消除系统,以加快瞄准周期。最后一项建议是美国目前不开发致命的自主武器系统。

  • 建议 1

美国必须投资人工智能驾驶的自主无人机。自主无人机可为美军带来两大好处。首先,它们可减轻俄军的电子战威胁。RUW 和在叙利亚的持续行动揭示了依赖电磁频谱飞行的无人机的脆弱性。

自主无人机可以在电磁波环境中飞行,几乎没有损失的风险。与驾驶飞机一样,人工智能无人机无需 GPS 或地面控制器就能保持方向并在空中飞行。假设俄罗斯的电子战仍能干扰无人机的通信,但无人机只需离开电子战环境就能传输情报。

可以为自主无人机配备执行侦察和预警任务的装备。这种装备将使美国能够像俄罗斯的侦察-打击模式一样,分层实施破坏和摧毁能力。自主无人机可以飞入有争议的环境,识别目标并干扰敌方系统。自主无人机可消除电子战威胁,使武装无人机能够定位并摧毁敌方的 IADS 和机会目标。这些任务可使美军飞机对关键系统实施精确打击。最后,将自主无人机与作战级火力相结合,可以对大量集结的敌方部队实施类似 "泽莱诺皮利亚 "的大规模打击。这种模式可使美军将其精确理念与大规模打击能力融为一体。

  • 建议 2

美国军方必须开发一种人工智能增强型冲突消除系统。该系统需要获取所有友军部队和装备的位置信息。美国国防部已经拥有能够实现这一功能的任务指挥系统,如 "蓝军追踪器"。任务指挥系统需要扩展,以纳入更多信息,包括飞机位置。它还将采用类似于 "Bug Splat "的系统来进行 CDE。这一单一系统可近乎瞬时地计算所请求的打击任务、进行 CDE 并建议所需的其他消除冲突措施。系统将把这些建议发送给人工进行最终批准或不批准。

上述系统能够以比任何美国同级对手更快的速度解除打击任务的冲突。它还能保持军方可接受的风险水平。将建议 1 中的无人机与上述冲突消除系统结合使用,将使美军不仅能缩小作战侦察与打击能力的差距,而且还能获得明显的优势。

  • 建议 3

最后一项建议是美国不开发致命性自主武器系统。人类必须在战场上做出每一个可能致命的决定。截至 2018 年,人工智能还不具备必要的先进性,无法满足《日内瓦公约》和国际人道主义法对人道攻击的要求。美国必须抵制诱惑,不要因为同行对手不同意自己的保留意见,就去追求一种在伦理或道德上模棱两可的武器系统。在技术改进到人工智能能够满足人道使用的所有要求之前,致命性自主武器系统在美国的库存中没有一席之地。

未来研究

人工智能在战场上的应用远不止本研究介绍的这些。网络战和后勤将受益于本专著所倡导的人机协作。此外,虽然本文并不主张使用致命性自主武器系统,但必须继续讨论《日内瓦公约》和国际人道主义法允许的行为。例如,如果有人对目标进行了核实并批准了任务,武装自主无人机是否可以进行攻击?本专著将不讨论这个问题。不过,未来的研究人员应该这样做。

总结

对案例研究的分析表明,最初的假设是正确的。假设中推荐的人工智能系统将在不增加部队风险的情况下重新获得侦察-打击超配能力。此外,第 5 章中提出的建议支持第三次抵消战略,不需要改变已公布的政府政策。最后,这里提出的建议并不违反日内瓦或国际人道主义法标准,国防部可以立即实施。

本专著绝非人工智能追求或政策的定论。人工智能的进步可能会改变当前的环境,并为战场上的道德应用带来新的考量。军事和政治领导人必须继续讨论、辩论和解决这些重要而复杂的问题,并得出新的结论。人工智能有可能改变我们生活的世界。美国必须始终站在人工智能发展的最前沿,以确保其继续成为卓越的全球大国。

成为VIP会员查看完整内容
53

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《重建美国军队:美国海军》102页报告
专知会员服务
71+阅读 · 2023年4月2日
《美国多域陆军的未来》【译文】2022.12最新报告
专知会员服务
111+阅读 · 2023年1月11日
《城市环境中的作战艺术》2022美陆军52页报告
专知会员服务
63+阅读 · 2023年1月4日
《多域作战中的风险感知》美国陆军55页报告
专知会员服务
91+阅读 · 2022年10月13日
人工智能和军备控制,80页pdf
专知
7+阅读 · 2022年11月2日
国家自然科学基金
253+阅读 · 2017年12月31日
国家自然科学基金
17+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
28+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
33+阅读 · 2013年12月31日
国家自然科学基金
36+阅读 · 2011年12月31日
Arxiv
131+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
326+阅读 · 2023年3月31日
Arxiv
111+阅读 · 2023年3月24日
VIP会员
相关VIP内容
相关基金
国家自然科学基金
253+阅读 · 2017年12月31日
国家自然科学基金
17+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
28+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
33+阅读 · 2013年12月31日
国家自然科学基金
36+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员