美国军事霸主的时代即将终结。曾帮助美国赢得冷战的传感器、精确武器、网络和处理能力如今已广泛扩散,而且往往可以通过商业途径获得。国家和非国家行为体正在世界各地的冲突中利用这些技术,包括在红海等地打击美军。

鉴于潜在对手的能力不断提高,美国国防部(DoD)不太可能在与本地区大国的对称火力竞争中重新占据上风。相反,美国国防部应采取非对称方法,削弱对手了解和预测盟军行动或准确瞄准美军的能力。

攻击对手的指挥、控制、通信、计算机、网络、情报、监视和侦察(C5ISR)能力已成为美国防部领导人的既定目标。然而,反 C5ISR 行动历来侧重于在战斗中击败敌人的攻击,因为此时对手的能力优势可能会使美国和盟国的电磁战(EW)或网络行动无用武之地。相反,美国和盟国的反 C5ISR 工作需要以预防冲突为中心。

要深入了解非动能效应,以支持和平时期的反感知(Sensing)和理解(Sensemaking)战,国防部门就必须大力加强军用电磁战和网络供应链。这还需要一个有动力大规模建设非动能能力并进行自主创新的工业基础。利用现有的采购和合同授权,本报告提议的联合体和流程将为工业界提供一个沙盒,利用政府批准的情报和模型开发和评估新的方法和效果。通过以具有竞争力的价格购买最有前途的非动能能力,政府将对新的效果产生 “拉力”,从而激励行业主导的进一步创新。

本研究提出了一个六步模式,以提高国防部门非动能能力开发的规模和速度(见第 4 章)。尽管美国各军种不需要采用该模式的所有要素,但国防部门应进行五项主要改革:

  • 采用中间层采办(MTA)作为国防部门非动能能力的默认采办途径。美国国防部已在众多动能项目中采用了 MTA 或该方法的变体,但各军种仍主要依赖传统的需求方法来指导非动能能力的开发。MTA 强调近期作战问题并期望项目迭代,因此是开发电磁战和网络能力的合适模式。

  • 建立非动能能力开发联盟。由国防部门牵头的联合体将招募和审查执行者,并提供政府拥有的情报、模型和模拟环境,以支持工业界创造或完善网络和电磁战效果。该联合体最重要的作用是管理一个实时虚拟构建(LVC)和硬件在环(HIL)环境联盟,政府和行业开发人员可在其中构建和评估新的非动能能力。如下文所述,该联盟及其虚拟环境可以从正在进行的国防部测试与评估(T&E)基础设施数字化工作中产生,并将使非动能效应的开发和美国现役电磁系统的测试相互借鉴。该联盟可根据机构或供应商的需求,以订购方式运营 LVC 环境,并提供不同级别的访问和使用权限。

  • 将非动能能力开发的重点放在整个效应链上,而不是代码或波形本身。随着越来越多的网络效应依赖于射频(RF)接入,与非动能能力相关的交付机制和作战概念的重要性也将上升,并可能成为制造惊喜的重要方式。上述 LVC 环境可对整个效应链进行评估,国防部可在采用前对其进行原型设计。

  • 加快国防部门测试与评估界的工作,将更多测试引入能力开发和原型设计。非动能能力主要是数字化的,开发人员可以在低烈度环境中对其进行评估,其效果甚至优于露天靶场活动。国防部门可利用非动能能力开发联盟创建和管理的基础设施来支持开发(DT&E)和一些作战测试与评估(OT&E),从而缩短新的非动能效果投入实战的时间。

  • 对非动能能力采用商业合同模式。国防部门不应向供应商支付他们在政府领导的团队中构建工具或技术所花费的时间和材料,而应以购买其他国防产品(如飞机、导弹或无人机)的相同方式购买网络或电磁战效果。这将提供一种机制,补偿执行者为创造创新解决方案而进行的内部研发。它还将避免许可模式的局限性,使国防部门能够为购买数量极少的能力适当定价。

  • 军队不能再依赖其总体优势来威慑和击败侵略。最近在多个战区发生的事件凸显了地区强国、跨国组织和同行竞争者都在不断增强能力,在其所在区域给美国和盟国军队造成压力或使其无法与之匹敌。

非动能效应为国防部门提供了一种途径,可利用美国和盟军的优势领域,通过持续努力破坏对手的理解和感知,重新获得劝阻对手的能力。然而,要利用这些优势,就需要以更接近动能能力的方式购买和提供非动能能力。

成为VIP会员查看完整内容
22

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。
《美国防部当前和计划中的软件现代化工作》最新报告
专知会员服务
41+阅读 · 2024年6月30日
《军事人工智能和自主致命武器》最新报告
专知会员服务
35+阅读 · 2024年5月4日
国家自然科学基金
34+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
38+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
2+阅读 · 2014年12月31日
国家自然科学基金
1+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
10+阅读 · 2012年12月31日
Arxiv
159+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
412+阅读 · 2023年3月31日
Arxiv
150+阅读 · 2023年3月24日
Arxiv
21+阅读 · 2023年3月17日
Neural Architecture Search without Training
Arxiv
10+阅读 · 2021年6月11日
VIP会员
相关主题
相关基金
国家自然科学基金
34+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
38+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
2+阅读 · 2014年12月31日
国家自然科学基金
1+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
10+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员