《开发人工智能的蓝图：机器学习如何改变联合目标定位过程》28页论文

1997-2000 年间担任北约盟军最高司令的韦斯利-克拉克将军提出了冷战 2.0 理论，其前提是旧的斗争从未结束，美国仍在全球冲突中争夺世界格局，而这场冲突至今仍在继续。克拉克将军解释说，最近在叙利亚、利比亚、也门、乌克兰发生的冲突，以及与中国和俄罗斯的竞争，都表明安全环境存在不确定性。这一关于未来大国竞争的全球冷战 2.0 理论建立了一个描述未来运作环境的框架。

冷战 2.0 框架或基本假设将突出未来接触层内的冲突--重点是代理战争、小规模战争、灰色地带冲突和冲突前的竞争。如果克拉克将军的理论被证明是准确的，那么美军将很有可能维持目前的兵力比例现状，并需要对目前保持的兵力结构进行创新和调整。《国防战略》（NDS）将美国面临的主要战略挑战描述为 "大国竞争的再次出现以及美国军队利用技术优势的削弱"。 海军陆战队作战概念（MOC）也提出了类似的挑战，即在整合新技术的二十一世纪方法中寻求更具杀伤力的部队。人工智能（AI）领域的这些新技术正在塑造当今不断发展的军事能力。

冷战 2.0 理论进一步指出了国际关系理论背后的 "稳定-不稳定悖论"，即两个核国家不太可能直接开战，但却更有可能发生间接冲突或有限战争。然而，这一悖论依赖于一个关键假设，即两国都不会因此而承担相互确保摧毁的后果。由于未来作战环境（FOE）仍不确定，军事行动中心试图为间接冲突中接触层内的持续行动做好准备。实现未来作战环境胜利理论的一个途径是将资源集中在人工智能和机器学习上。联合部队内的机器学习将加快情报收集速度，并通过更快地分析信息、加强情报收集和优化信息操作，将深入学习分析与致命和非致命目标定位过程联系起来，从而在接触层内提供竞争优势。人的决策仍将存在，但知情的机器预测可以实现更快、更高效的决策。

随着新技术和新能力的出现，现代战场的复杂性不断增加，美国军方必须探索新的方法，以保持对目前正在利用人工智能的步步紧逼的威胁的优势。同样，机器学习作为人工智能的一种形式，可以比现有方法更快地快速利用和分析海量信息。信息获取渠道的不断增加使人们能够比以往任何时候看到更多信息、分享更多信息并以更快的速度组织信息，从而使安全环境趋于饱和。大量信息共享的细微差别使国家和非国家行为者得以推进其目标并影响全球受众，从而削弱了美国在全球的优势地位。

为了保持竞争优势并及时做出决策，指挥官必须拥有在任何情况下监测和应对所有领域威胁的工具。信息作为一种新的作战功能，致力于利用信息作为国家力量的工具；此外，人工智能等信息技术的不断进步已经并将对未来战场产生重大影响。随着研究和开发的发展，必须从各个方面考虑人工智能武器化的问题。考虑到在未来二十年内，人们将开发出比现在的计算机能力更强的计算机，能够分析海量信息，提出预测性建议，并通过观察与任务相关的结果不断发展和学习。机器学习的进一步发展将使这一切成为可能。