围绕未来战争的叙述往往围绕技术对战场的变革性影响,但却没有适当考虑到使用尖端军事系统所涉及的分歧。本章探讨了可能在未来战场上发挥重要作用的几项技术——自主系统、分层精确射击、高保真传感器和人工智能,并试图通过探索这些技术创造的机遇和带来的限制,描绘出它们将如何塑造战斗。至关重要的是,本章认为,必须在一个能够部署和维持这些能力的系统背景下评估这些能力,而不是孤立地评估。

关键词: 陆战;致命自主;人工智能;复杂武器;目标定位;情报

引言

对未来战场的描绘具有显著的一致性。从科幻小说到计算机科学,从大银幕到小荧屏,从美国陆军到俄罗斯联邦武装部队,都有普遍而持久的主题。未来,成群的自主无人机在战场上搜索。指挥团队被触摸屏包围,戴着智能眼镜,通过人工智能与图形复杂但无缝相关的战场实时呈现进行交互,做出决策,释放精确的效果,同时展现符合人类的意图,但不需要持续的监督。这一想象中的未来,实现日期各不相同。过于乐观的描述曾预计它现在已经到来。在军队内部,人们希望在 2030 年实现这一目标。由于技术进步拒绝跟上叙事的步伐,这一目标已经滑落到2040年,而在美国,这一目标现在被安排在2050年。

有几个因素似乎赋予了这一愿景想象力。指挥团队可以随手获取所有相关的战场信息,这同时也是军事指挥官们所希望拥有的,对于故事讲述者来说也极为方便,他们可以通过这种情节设置让观众了解广泛分散的事件,同时只需要追踪有限数量的人物。同样,成群结队的武装四旋翼飞行器与真实能力十分接近,可信度很高,同时又具有未来感,足以表明时代的进步。人工智能如何确定哪些信息与指挥团队相关,或者如此小的四旋翼飞行器如何有足够的燃料覆盖如此多的地面,这些问题都是由 CGI 驱动的系统所无法解决的。

然而,这些问题不仅仅是需要解决的技术细节。它们是横亘在现在与未来之间的主要技术障碍。有些将被克服。有些则无法克服。某些解决方案的二阶效应很可能会改变这些能力的最终应用方式,这可能反映了技术带来的限制,也可能是因为有了更好的应用方法。本章试图描绘的正是从概念到能力的过程,以及这一过程可能导致的偏差。本章研究了几种新出现的技术,这些技术被广泛认为将改变陆地战争,本章还探讨了使用这些技术的实际情况,以及这些技术的使用将如何影响其最终用途。要依次考虑的四种技术是自主系统、分层精确射击、高保真传感器和人工智能。本章最后将综合考虑这些能力及其对陆战既定原则的集体影响。

自主系统

围绕自主武器的讨论存在一个结构性问题,因为它被一个假想的最终状态所主导,而没有提及自主武器将成为军事系统越来越重要组成部分的过程。联合国秘书长宣布 "拥有夺取人类生命的权力和自由裁量权的机器在政治上是不可接受的,在道德上是令人厌恶的,应被国际法禁止"。事实很可能证明他是错的,了解原因很重要。外层空间条约》第四条规定,"禁止在天体上建立军事基地、设施和工事,试验任何类型的武器和进行军事演习"。尽管有这项协议,但条约签署国控制的许多军事能力都依赖于太空基础设施,而一些签署国已经开发出破坏对方太空基础设施的平台,却未被发现违反条约。美国陆军的新作战概念--多领域作战--将太空定义为有争议的作战领域,而北约则认为太空是一个作战领域。这在法律上是可行的,因为太空中 "武器 "的定义并不明确。然而,与其说这是条约用语的问题,不如说是试图禁止不存在的东西这一概念的问题,因为期望外交官为管制不存在的技术而制定技术上精确的定义似乎是不合理的。在致命自主权方面,正如内哈尔-布塔和斯塔夫罗斯-埃夫多基莫斯-潘塔佐波普洛斯所言:由于功能和任务都是零散下放的,因此对于融入新技术系统的现有技术,究竟什么才是 "人类控制",可能很难事先知道。只有在组装、测试和使用这种复杂的人机系统时,我们才能充分和具体地认识到,人的判断和人的决策是否以及在多大程度上仍然是系统运作的重要变量。

因此,在评估自主技术对未来战场的影响时,应重点关注军事系统如何以及为何零敲碎打地采用自主技术。有鉴于此,试图先发制人地确定 "有意义的人类控制 "阈值的徒劳无益性就变得再明显不过了。反坦克地雷没有有意义的人为控制,而智能海雷却能识别目标。在寻找一个不会取缔合法军事技术的定义时,往往会倾向于那些不可能存在的定义,因为它们缺乏任何军事用途。当活动家们试图定义一个假想的未来时,各国正在建设各种能力,其中包括越来越高水平的自主性。要了解这些发展的影响,我们必须考虑这些能力在哪里得到发展,为什么,以及这对它们在战场上的应用意味着什么。

军方开发自主系统有三个原因:减少乘员投入,从而让更少的士兵发挥更大的能力;减少对乘员的保护要求和无乘员系统的脆弱指挥链路,从而提高系统的复原力;提高人类在压力下难以完成的功能的可靠性。最后,还有一些新功能是乘员系统或远程乘员系统无法实现的,而自主系统却可以实现。因此,我们可以开始推断自主系统可能承担的任务。

首先,我们可以预见自主系统将越来越多地用于旅支援区和战斗群之间的后勤支援,以及分队的最后一英里补给。其原因是多方面的。战术弹药的射程和精度不断提高,再加上补给车辆的防护能力有限,这些功能都很危险。在这一领域,自主系统的可靠性很可能能够利用民用部门的技术发展,从而实现更快的发展。在近距离作战中,使用自主导航骡子可使步兵携带更多、更重的装备,同时减轻人员负担。相对于遥控系统,自主导航的重要性在于释放作战部队的作战能力。在自主导航使车辆能够在直接火力范围内执行命令之前,这类系统很可能会停留在后退两步的位置,因为用盯着屏幕的人代替跑步的人效率不高,而且会增加训练负担。

一旦自主导航能够在直接交火区可靠地发挥作用,自主系统就有可能开始携带武器系统。这将使下马步兵能够携带更重的武器进行机动,并可能使步兵摆脱部分弹药重量。这些系统不太可能取代分队一级的支援武器。步兵分队的行动非常复杂,取决于具体情况,并依赖团队合作。在可预见的未来,自主系统不太可能做到这一点。然而,必须建立并提供持续效果以压制敌人的火力基地小组所需的运动复杂程度较低。扮演这一角色的自主系统可以负责压制一个区域,或攻击一个确定的杀伤区域内的目标。这很可能仍将在人类的密切监督下进行,尤其是因为需要协调这些火力与突击分队的机动。自动化将体现在对目标的标记,以及在接到攻击命令后武器的对准。我们还可以设想,这个火力基地小组可以利用复杂的传感器,因为自主平台有发动机和动力,可以使用步兵无法使用的传感器。这可能包括雷达和光电传感器或系留无人机系统。隶属于一个排的系留式自主侦察和火力基地小组的初步测试表明,它们可以成功攻击同等兵力的敌军,从而无需确保 3:1 的兵力比要求来进行进攻性机动。这种火力和态势感知能力的结合可使极少数人员封锁大片区域,使这些分队成为使用区域效应和反坦克武器掩护侧翼或提供超视距警戒以防范无人机系统的完美选择。通过将射击岗位自动化,可以腾出更多人员专门用于突击分队,在不扩大排级规模的情况下增加火力和可用战斗力。通过这种手段封锁地面还可以减少布设和清除地雷或其他障碍物所需的时间。

在使用自主地面车辆方面有几个限制因素,如果没有尚未预见的技术进步,这些限制因素是不可能解决的。首先是动力。大多数小到足以支持轻型步兵的自主平台都依赖于续航能力有限的动力包。这就造成了移动节奏的不连贯,并表明这些能力只能在有限的时间内使用。前线部队不可能长期 "静止",也不可能将自身的杀伤力交给一个间歇性可用的系统。第二个问题是维护和修理。机械车辆除非受到严重损坏或磨损,否则通常可以由工作人员进行维护。然而,对于数字系统来说,维护它们往往需要专业技能,而这些技能在军事编队中并不普遍,而且训练作战部队来完成这项工作也不划算。软件问题的修复很可能要依靠承包商的支持,并集中在部队作战服务支持职能部门的专业团队中。这些因素和其他因素的结合意味着,设计用于近距离作战的自主系统很可能是由更高层持有的资产,然后被分配到支援战线,而不是由这些单位有机持有。这也反映了一个事实,即虽然这类系统可能越来越便宜,但使其发挥作用的传感器本身就是相对昂贵的设备,尤其是在经过加固以适应战场条件后。因此,这些平台在未来战场上不可能无处不在。它们将供不应求。

在更高层次上,我们可能会期待自主系统发挥多种辅助功能。对峙 ISR 平台的自主飞行水平可能会不断提高,从而减少管理其轨道的基站的占地面积,并使人类操作员能够专注于传感器的回波。同样,欺骗平台--无论是假飞行器还是电子欺骗系统--都可能变得越来越自主,沿着合理但不规则的路线飞行,并发出信号,为敌方的对峙传感器提供逼真的模式。欺骗的另一个要素是诱饵,在这方面,我们可能会看到蜂群技术的应用,利用无人机小队集体迷惑和干扰对手的精确打击,作为一种被动点防御。自主系统的另一个合理用途是通信中继。在竞争日趋激烈的 EMS 环境中,干扰器需要强大的功率输出,这几乎可以保证被探测到,在这种情况下,部队可能会越来越多地依赖视距中继器,而敌方将很难探测到这些中继器,也很难调整电子战(EW)资产来破坏这些中继器。自主飞行器能够在各单位之间的轨道上闲逛,并自动对齐天线,这将使视距通信延伸到地平线之外。同样,我们可以假定,隶属于信号编队的一个分队将维护这些系统,但自主系统将管理导航,并在没有人类直接控制的情况下保持对齐。

还有一系列功能可能会继续由远程控制,而不是分配给自主系统。人们对从工程支援设备(如突击桥、挖掘机和破拆车)中移除工作人员很感兴趣。这样做是为了减少其特征,并使人员脱离高度暴露的平台。然而,对于自主系统来说,这些可能都不是最佳选择。首先是破障,自主导航系统的大部分开发工作都是在避障方面。相比之下,破障飞行器必须有意与障碍物发生碰撞。如何做到这一点,必须参考有关障碍物密度和结构的数据,以及如何使用一系列工具将其分解的最佳方法。要让自动驾驶汽车能够判断地形的密度和形状,需要高度复杂和易损的传感器。利用民用部门的发展来开展此类活动的能力也不强。在架桥方面,同样需要判断缺口两岸的强度,并使架桥的位置与必须穿越缺口的地面机动部队的时间同步。鉴于这些制约因素,我们有理由认为,这些系统可能会越来越多地采用遥控方式--通常是通过指挥系统--但不能自主运行。

上述概念是目前正在开发或测试的概念。尽管如此,它们在 2030 年代之前都不太可能投入使用。例如,目前,自主导航系统在非公路行驶时,由于需要处理大量数据才能准确判读周围环境,因此在时速超过 12 公里的情况下很难发挥作用。这还是在没有浓雾、雨夹雪、烟雾、弹片、电子攻击或其他无数因素的情况下,而这些因素在实际战场上会带来更多挑战。因此,上述目标是现实的,但也是雄心勃勃的。然而,这也表明,自主平台在使用上将与通常的设想大相径庭。自主平台不会无处不在。它们也不会与每个要素有机结合,组成无缝的人机团队。相反,它们的数量将十分有限,由专家维护,用于支持各条战线。与人类操作员相比,它们不是适应性强、反应灵敏,而是经过优化,能以更高的可靠性和有效性执行狭窄和特定的功能。这些车辆可能会加快部署地的战术行动节奏,但部署这些车辆的需要会对行动节奏造成限制。最后,与同等的载人平台相比,由于没有乘员而需要较少保护的车辆可能更小、更轻,维护成本也更低。但这并不意味着它们就便宜。指挥官需要对何时何地投入这些资产做出判断。在适当的情况下,它们可以大幅提高部队的杀伤力。而在错误的情况下,如果没有广泛的能力使其能够有效地发挥其被优化的狭小功能,它们很可能会被超越和摧毁。

分层精确火力

在描绘未来战争时,成群的猎杀型无人机自主地在战场上搜寻目标的想法已成为一个永恒的主题。这种系统的各个组成部分都是可行的,但将它们结合起来应用却存在很大问题。随着越来越多的弹药成为主动寻的目标,传感器越来越能够识别限定区域内的目标。对付车辆当然可以做到这一点。但瞄准步兵就不那么有把握了。瞄准人的特征是可能的,但在密集的城市环境中--例如--大多数人的特征都不会是目标,同时可以避免误报的独特识别器也较少。我们可以设想由战术部队发射精确弹药来打击狙击手或其他特定群体。这些弹药需要随身携带,因此数量少,射程有限。一旦试图进行大规模精确打击,就必须有一个发射平台。发射平台的脆弱性迫使其迅速从己方部队前线(FLOT)后撤,随着射程的增加,弹药所需的能量也相应增加,因此体积和重量也相应增加。这迅速增加了成本,从而减少了以这种方式使用的弹药数量。影响使用这种对空能力的另一个因素是发射与效果之间的延迟,以及由此产生的反制时间。一个需要发射平台的大型弹群从一定距离发出信号,会有明显的雷达和电子特征,对于小型系统来说,极易受到电子攻击。随着电子战系统在更多编队中的应用,这种防御系统将需要对闲逛弹药进行部分加固,从而进一步提高每枚弹药的成本,缩小可行弹群的规模。因此,我们可以推断出未来战场上陆地精确火力的发展轨迹。

首先,战术精确射击显然将成为数量有限的机动部队的有机组成部分。这将加快精确火力从复杂地形中摧毁敌人静态防御的速度。这也意味着,作战部队在近距离作战时,需要对上方的态势进行感知,以保护自身安全。这些系统的自动化程度很高,可以从发射点爬升并显示目标,然后按照指示进行攻击,但不太可能主动猎杀。为了避免用户固定乘坐无人机,简单性将是至关重要的,这也将降低成本。这种能力的射程和续航时间都将受到限制。

其次,长距离精确射击注定会变得更加广泛,并以闲散弹药的形式向次对手扩散。由于这些系统易受专用反制措施的影响,因此不太可能进行大规模齐射。由于飞行速度相对较慢,它们可以被探测到并与之交战。由于视区有限,除非成功提示,否则它们也可能错过目标。不过,在 500 千米范围内发射 12 至 18 枚闲逛弹药似乎非常可行。如果其中一部分利用电子战能力来保障礼炮发射,并将弹药提示到正确的区域,那么它们就能对触手可及的高价值目标产生精确打击效果。这种能力的影响是巨大的,因为它赋予了各旅在较小的后勤覆盖范围内提供高影响跨境火力的能力。如果由更高级别的部队进行协调,这意味着如果在敌方第二梯队发现高价值目标集结,大量弹药可从多个方向迅速集结,产生重大作战效果。这种能力对远离接触区部队的持续威胁必须重塑维持、指挥与控制以及部队保护工程。这可能会增加对穿透性 ISTAR 足够密集的区域内部队的威胁,以确认来自远距离 ISR 资产的回报。在实践中,这可能会在旅和师支援区之间造成持续减员,将许多职能推高一个梯队,从而增加对较低梯队有机能力的需求。在这种情况下,师一级的主要战斗很可能变成维持战斗。

传感器的扩散使打击时机的选择变得至关重要。随着传感器探测距离和保真度的提高,拦截游荡弹药的可能性也随之增大。分层拦截器正变得越来越可靠,因此,虽然维持性资产在移动过程中仍然难以保护,但固定设施很可能会组合成防御节点。攻击这些节点需要能够躲避反制措施的弹药。这种弹药--从遵循准弹道轨迹的导弹到高超音速滑翔飞行器--将能够产生毁灭性的效果,但由于这种能力的成本高昂,其数量将非常有限。因此,在师团纵深内,远程精确打击的发展很可能会出现传感器与欺骗者之间的高层斗争,这将对塑造部队在近距离战斗中的耐力起到至关重要的作用。未来战场上的指挥官将能够在整个作战纵深内打击他们想要打击的目标,但他们将无法反复这样做。因此,决定何时何地使用这种效果将是上级指挥官的关键判断。这也可能扭转将更强大的能力作为储备的传统趋势。因为在纵深的影响很可能会使近战取得胜利,这些较高梯队的能力很可能会尽早应用,并对近战部队的成败产生不成比例的影响。

高保真分层传感器

现代传感器的保真度将对地面机动产生颠覆性影响。地面移动目标指示和合成孔径雷达已经存在了一段时间。然而,有源电子扫描阵列(AESA)的改进使得高保真雷达可以安装在小型移动平台上。这些系统价格昂贵。但它们仍将在各级部队中使用。安装了 AESA 雷达的航空兵现在可以绕师支援区域飞行,并监视敌军纵深的活动。那些支援旅的飞机需要在较低的高度飞行,以避免被击落,但仍能看到敌军师支援区的情况。与此同时,装载在侦察车上的 AESA 雷达的战斗群可以在任何地形中可靠地跟踪 6 千米范围内的下马步兵。专用的穿透侦察车很难应用这些技术,因为这种雷达的发射会暴露它们的位置。但是,随着被动收集能力的提高和普及,隐蔽的监听站将能够实时捕捉到大量有关周围动向的数据。

除雷达外,其他传感器的功能和微型化程度也在不断提高。红外和热光学传感器已经在各级部队中无处不在。此外,无人驾驶飞行器可使这些传感器迅速向前推进。被动电子战收集是美国、俄罗斯和中国的主要投资领域。声学传感器可以在相当远的距离上识别系统。由于有了商业运营的星群,天基观测正变得越来越普及--甚至对非国家行为者也是如此。最后,历史上的战场除记者外基本没有第三方传感器,而未来的战场则遍布数以千计的精密摄像机和主动收集器,平民们可以拍摄和分享身边发生的事件。民用基础设施现在布满了探测系统,军方可以入侵和利用这些系统,提供更多的数据来发现和监视敌人。

在整个部队中布设高性能的传感器,使许多人对未来战争产生了这样的憧憬:指挥官将站在信息系统的中心,在整个作战纵深内对态势有全面和即时的了解。这是错误的。虽然所有可用信息的融合将使这种态势感知水平不断提高,但在相关时间内将所有相关数据集中到一个地方并对其进行解读的能力却越来越难以实现。尽管在提高数据网络带宽方面取得了稳步进展,但需要传输的数据量却在成倍增加。鉴于问题是将数据传输给人工智能进行分析,而人工智能常常被提议作为防止总部被数据淹没的一种手段,这不太可能实现全面的态势感知。此外,由于远程精确火力的威胁,固定基础设施在后方的生存能力大大降低。总之,保持对陆地领域的全面态势感知的目标很可能是虚幻的。更糟糕的是,发射就意味着被探测,因此许多前沿传感器在传输数据的内容和时间上需要高度选择性。因此,与其说未来的指挥所是一个透明的战场,一个名副其实的 "全透明 "指挥所,我们倒不如把传感器的轨迹理解为能让指挥官找到几乎任何问题的答案。在移动、传输或射击时保持隐蔽变得越来越难。但要回答指挥官的问题,就需要在规定的时间内分配和指派传感器,并同步融合和分析其数据。因此,指挥官所能提出的问题数量是有限的。此外,虽然传感器的数量在不断增加,但可执行任务的穿透式 ISTAR 并非取之不尽、用之不竭。如果 ISTAR 系统减员过多,对作战空间的侦查能力就会减弱,并有可能失去与对手的竞争能力,从而迅速造成能力的不对称。因此,侦察战斗已从轻型筛查部队的小规模战斗,部分转变为由上级协调、主要由师和团级部队控制执行的主线行动。

传感器的普及改变了欺骗的要求和方法。从历史上看,军队在战斗中会遇到浓雾,必须通过评估有限和零碎的信息来辨别敌军前线(FLET)后方的情况。在这种情况下,欺骗取决于最大限度地减少大部分部队的特征,并通过故意暴露的要素展示一幅连贯的画面,从而使对手得出错误的结论。欺骗使敌军迷失方向,从而实现机动。然而,随着穿透式 ISTAR 的能力越来越强,迷雾的穿透力也越来越强,但其穿透力并不均匀。对峙式 ISTAR 可以穿透大范围的战争迷雾,提供大量代表敌方潜在活动的回波。这些回波来自移动或发射,极难隐藏。然而,对峙式 ISTAR 所捕获的信号也可以被模仿。因此,敌方可以用误报来轰炸对峙式 ISTAR。拙劣的模仿可以通过分析过滤掉,但有效的模仿需要指派具有穿透力的备用 ISTAR 资产来确认询问。这些资产的部署时间较长,数量有限,可探测范围较深但较窄。由于一支部队无法躲避对峙 ISTAR 的观察,因此有必要欺骗对手,要么迫使对手浪费精力用其对峙 ISTAR 询问假阳性结果,要么伏击和削弱对峙 ISTAR 资产,要么通过对峙传感器捕获的信号,结合对峙传感器的返回信息进行叙述,使对手对其问题的答案感到满意,但也误解了其融合的传感器数据的含义。从这个意义上说,欺骗必须成为作战行动中更系统的组成部分,以实现部队保护。但是,欺骗的手段也有可能从部队最关心的减少特征的活动,转变为旨在使真假特征混合呈现出误导性叙述的活动。这就要求对整个部队的排放情况及其所讲述的故事有更清醒的认识。53 这就需要更有意识地了解整个部队的排放情况及其所讲述的故事。这种排放协调--而非全面压制--可能需要整个部队的意识水平,而人工智能将大大有助于这种协调。

人工智能

考虑人工智能发展轨迹的问题之一在于,人们对高度复杂的人工智能--认知型机器--有一种强烈的看法,但有助于实现这种机器的组成过程和功能却很少被孤立地视为人工智能。计算机视觉、物体识别和其他对机器与环境进行上下文交互的关键功能已经存在了一段时间,但很少被认为是人工智能。然而,日益复杂的人工智能很可能会分阶段进入军事领域,而不是作为一个奇点突然出现。这是因为有些问题比其他问题需要更多的背景理解,因此有些任务更适合人工智能系统。人工智能系统在很大程度上是优化器:它们寻求实现既定目标的最有效手段。明确定义目的对于确保系统的可靠性至关重要。人工智能系统在封闭的数据集中最为有效,虽然它们可以完善对数据集的理解,但很难从数据集中进行推断。从根本上说,人工智能在确定 A = 1 时非常有效,但在处理需要建立在 A ≠ 1 基础上的问题时却很吃力,因为对人工系统来说,所有不等于 1 的事物都是不相似的,会产生无限的返回。

在上述限制条件下,我们可以推断出人工智能系统有可能接管哪些任务。出于保障的需要,人工智能最初可能会在一个封闭的数据系统中使用,该系统由有关友军的数据集或来自平台传感器的可靠回报组成。监控整个部队的物资消耗、预测供应需求、优化后方后勤的路线规划,这些都可能是人工智能很快就能胜任的任务。在路线管理方面为宪兵提供支持,以最大限度地提高流动性和部队保护,也是一个类似的规划问题,其中大部分数据可在部队内部获取,而在后方,数据传输则更容易得到保证。人工智能可能更快成为关键工具的另一个领域是支持下层规划。由于需要在各点之间移动,人工智能系统拥有地形数据和友军的速度,参谋人员可利用这些数据制定机动计划。人工智能系统可以解读这些数据,并绘制和比较备选路线、火力范围以及雷达和其他资产的最佳位置,其速度远远快于人类团队。由于指挥官希望采用非正统的而非最佳的方法,或者由于获得了有关敌方活动的新信息,人工智能系统的结论可能会被更改或忽略。这种情况很可能会留给人工计划人员处理。但是,通过将地理参谋、工程参谋和其他人员进行的费力的制表和计算转化为连贯的基本纲要,既可以缩短计划周期,又可以减少下级指挥部所需的规模。这将有助于提高生存能力和节奏。此外,通过加速行动方案的生成,指挥官将有更多时间考虑他们的选择,从而降低认知超载的风险。人工智能可使战术部队根据战斗过程中的变化迅速重新计算。在最具战术性的层面上,我们可能期望人工智能还能提供排放分析等功能;帮助指挥官了解他们在敌人眼中的形象,因为人工智能可以实时分析排放数据,而如果没有一个专注于分析友军并报告其发现的预警小组,人类将很难做到这一点。

人工智能极有可能日益普及的第二个领域是火力的规划和协调。随着精确打击越来越多地采用致命和非致命弹药组合来绕过防御系统,而且路线规划对弹药到达目标至关重要,因此,人工智能将越来越多地规划炮火的同步性、弹药的最佳比例,以饱和特定区域或绕过特定密度的防御系统。我们还可以合理地认为,反火力的管理,特别是针对无人机和导弹的点防御,也将由人工智能来管理。这是因为从探测到撞击之间的延迟时间留给人类控制的空间很小,因此操作人员很可能会陷入监督职能。在这种情况下,更高层次基础设施的防御可能会越来越像已经在海上和空中的防御系统。

虽然反火力和点防御的应用可能会越来越多地从属于人工智能,但目标选择和进攻火力的控制却不太可能委托给人工智能。这与其说是出于道德原因,不如说是由于人工智能在目标选择过程中的局限性。支持目标识别的学习算法在确认数据集中的目标时可能会变得非常有效。然而,它也极易受到欺骗,更重要的是,它不太可能发现超出其程序关注范围的异常情况。例如,学习算法可能能够从侦察照片中确认移动式地对空导弹(SAM)系统的身份。然而,它可能根本不会想到要标记出似乎正在该地区过境的大量公共汽车。此外,伪装成公交车模样的防空导弹发射器不仅不会引起人工智能的注意,甚至不会像人类操作员那样触发需要进一步分析的查询。同样,人工智能可能能够绘制出敌军的电磁波特征图,从而识别出编队,但很可能难以注意到编队行动的边界。因此,我们可以预期目标定位仍将是一个由人类主导的过程。一旦人类操作员注意到公共汽车异常集中,就可以识别蛛丝马迹,并利用人工智能系统迅速将诱饵与目标区分开来,但人工智能不太可能做出最初的发现。因此,我们可以期待人工智能能够使较小规模的工作人员在更大范围内更迅速地锁定目标,但企业架构可能需要想象力和背景判断力,而人是必不可少的。因此,在可预见的未来,人工智能可能会提供决策支持,但不会参与决策;它可能会帮助规划作战行动,但不会构想作战行动。

结合新兴能力

本章概述的技术,以及由于空间限制而被排除在外的几项技术,将在未来三十年中改变陆战的实施方式。本章最明显的遗漏包括进攻性电子战、天基资产和网络战。对定向能武器等一系列潜在新型武器的考虑也很少。这并不是因为这些武器不重要,而是因为它们的影响要么在很大程度上超出了 "陆战 "的范围,需要进行更多的联合分析,要么是因为它们可能会改变作战工具,而不会从根本上改变作战概念。综合考虑本章概述的技术,可以得出一些关于未来陆地作战的结论。

第一个明确的结论是,密集联网的传感器将为能够快速评估新信息的瞄准小组提供信息,与远距离精确火力相连,并能协调中距离的大量非精确火力,从而能够迅速摧毁近战区域内的目标。集中兵力在狭窄的战线上进行攻击,不太可能有效降低可对其实施打击的火力水平,因为有机火力将有足够的射程跨越部队边界汇聚。在这种情况下,虽然本章所述的能力仍然可用,但将大型地面机动编队投入近战似乎是在短时间内失去部队的秘诀。

尽管军事分析已充分确定近战的日益狂热和致命的特点,但必须指出,本章概述的任何能力都不会降低进行近战所需的复杂性或能力水平。只是这些力量将难以以足够的规模发挥其预期效果。即使是能够快速隔离战区并限制攻击地形所需的兵力集结的自主系统,也需要进行部署。这些系统的部署需要时间,而且,如果将对峙和待命传感器与伴随火力完全结合在一起,则很可能不可行。我们还可以注意到,战术行动的加强程度也将受到限制,因为传感器保真度和火力覆盖范围的增加将限制部队在近距离战斗中的耐力,使其后勤受到威胁。然而,一旦占领了地面,对手也将面临同样的问题,即在纵深持续受到威胁的情况下,如何提供足够的物资来驱散部队。

因此,我们可以设想,未来的冲突会变得越来越不协调,战术节奏在加快,但作战节奏在放慢。虽然在有利条件下,一支部队可能会在相当规模的部队面前占据相当大的地盘,并夺取具有重要作战意义的阵地,但这需要广泛的塑造。最重要的塑造活动可能是扰乱敌方的对峙和待命传感器,以便进行欺骗;利用欺骗消耗敌方的精确弹药库存,削弱其 ISR 功能;设定模式,给敌方人工智能错误的教训,一旦敌方失去观察变化的能力,就打破这种模式,然后投入机动部队。

我们还可以预期,目前各梯队之间的任务分配会有相当大的调整。旅可能需要更强的机动性,能够分散保护,静止隐蔽,然后在条件允许的情况下从多个轴线快速集中,进行近距离战斗。旅在人工智能的支持下,可以精简人员,很可能需要进行高水平的任务指挥演练,并有组织地掌握一系列能力。师的指挥职能可能会变得不那么重要,而是通过保证维持、部队保护、ISR 和火力,在支持旅方面发挥关键作用。师可能会受到敌方精确火力的最大威胁,因为师拥有大量难以隐蔽和保护的基础设施,同时又处于敌方传感器和射手的射程之内。相比之下,兵团可能会接管目前由师负责的大部分纵深作战任务,因为兵团远离前线,可以接收、融合和处理足够多的传感器数据,从而了解战场情况,而且兵团远离接触点,可以计划和执行纵深作战,这些作战经过充分协调,可以穿透多层防御。从这个意义上说,军团很可能成为必须赢得纵深战斗才能在近战中取得成功的梯队。

毫无疑问,上述路线会有偏差。新的发现可能会大大改变不同距离上的攻防平衡。然而,显而易见的是,虽然能力发展的临界点会导致战争方式的重大转变,但许多技术涅槃的预言家会对未来三十年军事能力的反复、混乱和零碎发展感到失望。此外,那些试图阻止建立某些既定最终状态的批评家和运动家们,也会对出现的结果与他们在法规中设想的结果之间的差异感到沮丧。最后,虽然自主系统、分层精确射击、无处不在的传感器和人工智能将改变人类在战场上最重要的位置和作用,但在可预见的未来,对大规模或人员的需求不会减少。

成为VIP会员查看完整内容
99

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。
中文版《军事人工智能与人机协作》2023最新报告
专知会员服务
128+阅读 · 2023年7月28日
国家自然科学基金
24+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
51+阅读 · 2014年12月31日
国家自然科学基金
23+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
66+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
29+阅读 · 2014年12月31日
国家自然科学基金
15+阅读 · 2012年12月31日
国家自然科学基金
18+阅读 · 2012年12月31日
Arxiv
157+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
398+阅读 · 2023年3月31日
Arxiv
66+阅读 · 2023年3月26日
Arxiv
139+阅读 · 2023年3月24日
VIP会员
相关VIP内容
中文版《军事人工智能与人机协作》2023最新报告
专知会员服务
128+阅读 · 2023年7月28日
相关基金
国家自然科学基金
24+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
51+阅读 · 2014年12月31日
国家自然科学基金
23+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
66+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
29+阅读 · 2014年12月31日
国家自然科学基金
15+阅读 · 2012年12月31日
国家自然科学基金
18+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员