《任务式指挥和人工智能》

军事领导的一种方法是任务式指挥哲学。任务式指挥由若干原则支撑，所有这些原则都必不可少，没有这些原则，任务式指挥就无法全面实施。这些原则包括参与者之间的相互信任、相互理解、明确表达上级意图、分散执行和及时决策。随着人工智能的不断进步和普及，它将影响军事指挥与控制过程的方方面面：新的决策情况将会出现，人机合作可能会产生新的关系。本文探讨了已确定的任务式指挥原则能否以与传统环境相同的方式应用于人工智能注入的作战环境。

导言

全世界的军队都在努力寻找他们的 "哲人之石"，为他们提供能够战胜敌人的解决方案。有几种概念和技术被认为可以胜任这一职位，其中一些属于指挥与控制领域。在这些概念中，有一个在西方世界被广泛认为是改变游戏规则的候选概念，即任务式指挥方法。在技术方面，有几项创新可供研究，但最有前途和最流行的是人工智能。

人工智能和任务式指挥这两种看似遥远的事物在军事领域共存，并已应用于指挥和控制系统。本研究旨在探讨它们之间的相互关系，仔细研究人工智能对任务式指挥理念的影响。本文的主要研究问题是，任务式指挥能否在注入人工智能解决方案的指挥与控制系统中实现。由于各国对任务式指挥的理解不尽相同，要回答这个问题，就需要对任务式指挥进行讨论，并为本研究的目的确立一个共同的理解。关于人工智能，需要说明现有和未来系统的性质，重点是其潜在的军事用途。在理清基本思路后，作者旨在明确任务式指挥与人工智能在指挥与控制方面的互动关系。由于没有基于人工智能的非保密系统进行测试，实现这些目标的基本方法是分析相关书籍、研究报告和军事期刊上的文章，综合其精髓以回答研究问题。

任务式指挥

现代军队需要有效的领导，运用现有的最佳方法领导下属。实现这种现代有效领导的方法之一就是任务式指挥。尽管这一术语本身被广泛使用，但其含义却因国家而异，甚至在一个国家中具有多种因语境而异的含义。本研究的这一部分追踪了任务式指挥在 20 世纪 80 年代之前的起源和发展，以及之后的扩散。

任务式指挥是一个英语术语，为英语国家的军队所使用。北大西洋公约组织（NATO）对这一概念进行了调整，并将其作为其联合作战条令的重要原则之一。该术语本身主要由美国陆军传播，其以前的一些条令文件表明，他们目前的任务式指挥概念源于德国的 Auftragstaktik，这是普鲁士--后来是德国--军队在 19 世纪末发展起来的一种方法（ADP 6-0，2019 年）。尽管有这种说法，但似乎很明显，虽然任务式指挥一词是德文 Auftragstaktik 的一种松散翻译，但两者并不相同。更多时候，涉及任务式指挥的研究和文章往往会将起源故事过于简单化。详细介绍 Auftragstaktik 的诞生超出了本文的范围。

我们今天所熟知和使用的任务式指挥源于美国陆军为提高领导素质所做的努力。为了提高领导能力，他们追溯到德国在第二次世界大战中的经验，并对德国国防军指挥官在东线战场上实施的 "任务指挥"（Auftragstaktik）进行了广泛研究。因此，新条令的第一版《空地战》包含了 Auftragstaktik 和德国机动战的主要原则。速度、主动性、快速决策、明确目标和指定主力等概念似乎是普鲁士人 100 多年前使用的 Auftragstaktik 基本原理的逻辑衍生物（Shamir，2010 年）。然而，罗伯特-M-西蒂诺（2005 年）和里卡多-A-埃雷拉（2022 年）指出，美国条令所设想的 Auftragstaktik 概念从未存在过。他们认为，在讨论指挥问题的当代德国文件中从未使用过 Auftragstaktik 一词，而是使用了 "下级指挥官的独立性 "一词。

在概念发展的早期阶段，Auftragstaktik 一词被翻译为任务式指挥，但正如 Eitan Shamir（2011 年）所言，围绕这一术语存在争论。提出的其他翻译方案包括 "任务类型命令 "和 "指令控制"，但都被否决。学者和专家们指出了任务式指挥系统的不足和概念问题，并强调最初的 Auftragstaktik 和今天的任务式指挥是两个不同但又相关的概念。任务式指挥一词于 1995 年正式列入英国条令，2003 年列入美国陆军条令。世界各地的其他一些军队也纷纷效仿，有的将任务式指挥作为一种理念和方法，有的则将其指定为可能的指挥方法之一。

2003 年 8 月 11 日批准的美国陆军战地手册 FM 6-0 标题为 "任务式指挥： 陆军部队的指挥与控制"。这本手册首次按照美国陆军的解释阐述了任务式指挥的基本原理。手册中对任务式指挥作了如下定义： "根据有效完成任务的任务命令，通过分散执行来开展军事行动"（FM 6-0，2003，术语表-10）。要做到这一点，需要下属有严谨的主动性，指挥官有明确的意图。但任务式指挥最重要的特点是信任和相互理解的环境。这两者相互关联，互为基础，但手册并未详细介绍如何实现这两点。后来，条令产品的不断微调改变和完善了任务式指挥的定义。2010 年的 FM 5-0 给出了这样的总结："任务式指挥是行使指挥与控制的首选方法"（FM 5-0，2010，vii.） 文件中没有进一步讨论提到的另一种方法，即详细指挥。

在不到两年的时间里，美国的任务式指挥方式发生了根本性的改变。20 世纪 80 年代，条令制定者通过对用于完成任务的物理手段进行分组，创建了 "战场操作系统 "的概念。指挥与控制是这七大系统之一。2008 年，战场操作系统结构被重新设计，并转变为作战功能系统。作战功能并非简单地由物理手段组成，而是被定义为 "由一个共同目的单元（人员、组织、信息和流程）组成的任务和系统群，指挥官利用它们来完成任务和训练目标"（FM 3-0，2008，术语表-15）。2012年，指挥与控制作战职能更名为任务式指挥作战职能，从而使任务式指挥多了一个完全不同的含义。

根据2012年版的《ADRP 6-0》，"任务式指挥 "一词同时意味着三种不同的含义：第一，统一陆地作战的基础之一；第二，首选的指挥方式；第三，一种作战职能。这一术语的泛滥适得其反：它让领导层中的一些人搞不清楚如何对待任务式指挥，以及任务式指挥的真正本质是什么。ADRP 6-0 指出，美国陆军任务式指挥的根源可以在德国的 Auftragstaktik 中找到，然而，虽然 Auftragstaktik 为领导和指挥提供了总体基础，但任务式指挥只能被视为统一陆地作战的四个基础之一。将指挥理念、首选指挥方式和一种作战职能同样命名为任务式指挥，成为混淆和误解的根源。布雷特-马岑巴赫（Brett Matzenbacher）（2018）指出，这一所谓的创新变革反而埋下了混乱的种子，因为重新命名作战职能背后的原因--即改变基本指挥理念的意图--并没有在整个美国陆军中得到明确传达。人们可以通过描述该条令设定的环境来理解这个问题：任务式指挥是利用任务指挥方法，通过任务指挥作战职能来实现作战职能的同步化，是所领导的作战行动的基础。为了进一步增加混乱，该条令还引入了 "任务式指挥系统 "一词，即 "使指挥员能够实施行动的人员、网络、信息系统、流程和程序以及设施和设备的安排"（ADRP 6-0，2012，1-5）。

尽管存在这些问题，任务式指挥的多功能性在很长一段时间内经受住了时间的考验。2017年版的《ADRP 3-0》明确指出，"任务式指挥仍然既是一种指挥哲学，也是一种作战职能"（ADRP 3-0，2017，v.）。这也意味着它不再是一种指挥方法。从2016年起，美国陆军逐渐改变了做法：首先，任务式指挥成为六大原则之一，而不是四大基础。其次，2019年版ADP 6-0取消了 "任务式指挥系统 "和 "任务式指挥作战职能 "的提法。作战职能改回了指挥控制，因此任务式指挥一词终于变得更加纯粹和清晰。ADP 6-0 和 2022 年 5 月版的 FM 6-0 将任务式指挥重新定义为 "陆军的指挥与控制方法，赋予下级决策权和适合情况的分散执行权"（FM 6-0，2022，术语表-5）。

在最近的状态下，美国陆军任务式指挥成为一种定义明确的指挥和控制方法。它不再是统一陆地作战的基本要素或原则，但它支持统一陆地作战。行使任务式指挥要求下级和指挥官双方都具备同等的能力，同时还要相互信任。指挥官的意图提供了一个框架，在这个框架内，部队通过对局势的共同理解，在任务式指挥的指导下开展行动。当有机会或有必要时，下级应发挥纪律严明的主观能动性，以实现指挥官的意图。可以说，任务式指挥最重要的组成部分是风险接受和责任承担，因为并非所有任务都能取得成功。

除德国外，北约另一支较长时间应用任务式指挥的主要军队是英国陆军。根据 Oliver Burwell（2016 年）的说法，他们对任务式指挥的理解与最初的德军类似：他们认为任务式指挥是一种哲学，用于指导领导活动。他们的任务式指挥原则是分散指挥、行动自由、主动性和速度。任务式指挥的执行依赖于信任、相互理解和主动性。北约的任务式指挥方式部分源于英国，部分源于美国对这一术语的理解。

北约的条令定期接受审查，审查期间定期更新条款和原则。最近一次更新发生在 2022 年，2 月更新了 AJP-3.2(B)《盟军陆战联合条令》，12 月更新了 AJP-01(F)《盟军联合条令》。这两份文件都包含了北约任务式指挥的基础，尽管内容并不完全相同。它们都认为任务式指挥是北约指挥军事行动的指挥思想，但在确定原则方面有所不同。根据 AJP-01(F)，任务式指挥的基本要素是信任和相互理解，而统一行动、及时有效决策和分散执行则是指导其应用的原则。这一概述与 AJP-3.2(B)中所述的概述略有不同，后者只区分了五项原则，没有提及任何基本要素。这种不一致是北约条令体系的特点，根源在于条令更新期的抵消。根据前几十年的惯例，等到下层条令赶上顶层条令时，就会有新的顶层条令发布。

总而言之，任务式指挥是一种指挥和控制部队的方法，在这种方法中，指挥官和下级具有一定的关系。北约的条令将任务式指挥定义为 "一种主张集中、意图明确而执行分散的指挥哲学；一种描述'做什么'，而不一定规定'怎么做'的风格"（AJP-3.2(B)，2022，Lex-8）。指挥官有责任明确阐述自己的愿景，并组织规划工作以做出决定。做出决定后，指挥官必须将目标告知下属，设定限制，并为他们提供实现指定目标的手段。北约的方法提倡集中规划和分散执行，这需要适当的培训和领导素质。实施任务式指挥背后的主要目的是提供灵活性，使组织能够在相关层面更快地做出决策，从而胜过敌人。在协调整个部队的任务式指挥时，有各种原则是必不可少的。在本研究中，将把信任、相互理解、有效决策和分散执行作为进一步关注的要点。

人工智能

人工智能是一种新兴的通用技术，未来前景广阔。有关这一主题的基本著作之一认为，人工智能非常复杂，甚至没有试图给它下一个直接的定义（Russell & Norvig，1995 年）。人工智能是一项多学科的工作，其可能性远远超出了计算机科学。在本研究中，只关注数字人工智能的现代诠释。其领域包括图像识别、计算机视觉、机器人、语言识别、自然语言处理、神经网络和机器学习。回顾过去 60 年的人工智能研究，可以清楚地看到，对 "人工智能 "一词的解释随着时间的推移而不断变化。本文对人工智能的工作定义是 人工智能是一种计算机系统，能够执行通常需要人类操作员才能完成的任务（兰德公司，2020 年）。目前，人工智能在军事上的应用包括两个方面：自主系统和指挥控制支持应用。本研究主要涉及其在指挥与控制中的作用，因此对后者的仔细研究是重点。

本研究无法详述人工智能的发展历史。到 20 世纪 90 年代末，计算机硬件的逐渐进步和新算法的出现为人工智能研究注入了新的动力。互联网的诞生和所谓 "物联网 "的逐步普及，每天都会产生难以想象的海量数据。这些丰富的信息，即所谓的大数据，再加上时下流行的人工智能技术--机器学习，可以成为一种强大的工具。机器学习算法可以通过适当的训练数据来改进和优化自己的行为，因此它们擅长通过寻找模式来对新遇到的信息进行评级和标记，从而产生类似智能的行为。随着底层数学和算法的不断改进，机器学习变得越来越强大，在当今时代，它被大多数人认为是最值得使用的人工智能解决方案（Scharre & Horrowitz，2018）。当代的创新正在将机器学习技术应用于硬件，使计算机芯片能够按需重新配置其电子电路，从而模拟神经元和突触，更好地模仿人脑的工作过程。研究实验室和商业公司，如广为人知的 OpenAI，正在竞相创造人工通用智能（Artificial General Intelligence），一种与人类智能能力无异的人工智能。OpenAI 最新的 "重磅炸弹 "是 ChatGPT，这是一款能与任何人就各种话题进行类似人类书面对话的应用程序。ChatGPT 使用了某种机器学习类型，即生成式预训练转换。这需要大量已经处理过的数据来生成与输入相关的输出。虽然这种方法能产生惊人的反应，但模型本身离 "会思考的机器 "还差得很远。它的批评者，如诺姆-乔姆斯基（Noam Chomsky，2023 年），认为它是一种高效的 "自动完成"，是通往通用智能道路上的死胡同，因为它处理问题的方法存在缺陷。

不过，人工智能和潜在的机器学习也有其局限性，这限制了其可能的应用。尽管人工智能炒得很热，但似乎人工通用智能仍然是一个遥不可及的梦想。当前的人工智能虽然在不断发展，但就其现状而言，只适合解决具有类似变量的定义明确的问题。它们无法理解自己的操作环境，僵化、不灵活，无法 "跳出 "设计的框框（Scharre & Horowitz，2018）。例如，当代的图像识别系统可以准确识别图片或视频中物体的类型和大小，但却无法连贯地讲述发生了什么，现场的互动是什么。机器学习很容易被损坏的输入所欺骗，它也可以学习人类的偏见，这使得这项技术很容易受到攻击（Hawkins & Kott, 2022）。另一个必须解决的问题是数据库免受黑客攻击的安全性。目前状态下的人工智能可以比人类更好、更快地执行专门任务，但它们提供的输出结果需要人类智能对其进行分析，使其适合进一步使用（Layton，2018）。

军事应用一直是人工智能发展的驱动力。一些系统的开发旨在加快规划或指挥进程。美国武装部队率先开发了部署规划软件，加快了几次行动的准备工作，也有助于节省预算。随着技术的进步，新的机遇出现了，这导致了自动决策系统或自主武器系统的发展。全世界的军队都意识到，如果能缩短决策所需的时间，就能战胜敌人。如今，如果不在行动的规划和执行阶段广泛采用人工智能，就无法考虑缩短决策时间。大数据、高性能机器学习和不断改进的云技术三者共同促成了一种被一些专家称为 "算法战争 "的新方法。彼得-雷顿（Peter Layton）（2018 年）和格雷格-罗兰兹（Greg Rowlands）（2018 年）等专家和研究人员推测，未来战争将与算法和硬件展开重要较量。

未来的冲突可能在多个方面与当代冲突不同。彼得-雷顿（Peter Layton）（2021 年）在其著作中指出，其中一个方面就是指挥和控制系统。改进己方决策和削弱敌方决策是在武装冲突中取得优势的两个主要途径。改进的一种方法是整合人工智能，其中一种方法就是所谓的 "超战争 "理论。顾名思义，战斗和信息处理速度的加快超出了人类的认知水平，这意味着决策也必须在短时间内做出，甚至不到一秒钟。从理论上讲，在这种环境下，拥有更多自主决策系统的一方很可能会占上风。人工智能系统将有助于生成更好的 "共同行动图"，并能预测敌方的行动路线，提出自己的行动路线。人工智能将加快消除冲突的速度，以监督或非监督的方式为下属分配任务。执行过程将包括若干自主武器系统和作为下属的人工智能辅助决策系统。如果应用得当，人工智能子系统将提高行动速度，减少决策所需时间。不可避免的技术扩散可能会导致冲突双方在某种程度上都具备进行超战争的能力。在这种加速的环境中，传统的军事决策模式可能并不适用：人工智能子系统与其（可选的）上级之间必须进行更加紧密的合作。瞬息万变的形势将使传统方法难以为继，让位于计算机辅助预测。分散决策是尽快抓住难得机遇的关键之一，而争夺和/或保持主动权将是超战争环境中行动的核心要素。

如果没有与超战争所提供的速度和效力相匹配的能力，一方可能会使用人工智能系统来扰乱敌方的决策。自主或半自主系统可用于欺骗、使敌方传感器系统超载、干扰敌方通信、充当诱饵，基本上可以采取任何必要手段来延缓敌方决策，或者最好是完全阻止敌方决策。即使阻碍敌方决策系统的某些部分或功能--如传感器、通信网络、指挥所--也可能对作战产生重大影响，为决策提供更多时间。

还必须考虑自主系统在现代作战环境中的作用。人工智能驱动的系统可以在不危及己方部队生命的情况下执行危险任务。它们主要分为两大类：自主武器系统和机器人车辆。武器系统能够摧毁对手的目标定位，机器人车辆可以在有人类遥控甚至没有人类遥控的情况下运行。无论在行动中使用哪种资产，决策权都将掌握在人类手中，但人类指挥官必须将人工智能驱动的下属考虑在内。这种资产的自主程度和自身判断力可能会引起道德和操作方面的担忧。对这些问题的审查不在本文的讨论范围之内，因为这需要单独的研究。

人工智能对任务式指挥的影响

前面几章讨论了任务式指挥的本质和人工智能的简要概述，为仔细研究它们之间的互动提供了共同基础。传统上，做出最终决定的是人类，而且仅仅是人类。传统的任务式指挥方法将指挥过程的参与者视为人类，并接受人类不会出错这一事实。如果未来出现可靠且可解释的人工通用智能，这将预示着在指挥系统的某些环节中人工智能将取代人类。这种人机混合组织可能会比想象的更快实现。这种未来的 "合成战友 "需要特殊的指挥方式。可能采用的领导方法很可能是一种改进的任务式指挥，一些研究人员已经将其称为机电一体化任务式指挥。

军事指挥通常被认为是一门艺术，因为尽管有固定的原则和方法，但克劳塞维茨式的典型摩擦和人性的特殊性阻碍了纯科学指挥方法的应用。任务式指挥是在前辈军事领导人最佳实践的基础上追求这门艺术的一种方法。上文提到的能力作为任务式指挥的主要要素之一，在很大程度上取决于指挥员的个性和训练。指挥系统参与者之间的相互信任和理解取决于他们的个性。目前的人工智能主要作为决策支持工具发挥作用。

作为辅助工具，人工智能可以产生两方面的影响：它可以加快决策的达成速度和/或提高决策的有效性。通常情况下，人类指挥官在做出决策之前会对局势做出估计。根据指挥级别和可用时间的不同，这种估计可能会涉及其他人员的见解和专业知识，在更高的级别，这被称为指挥官的参谋部。决策速度取决于指挥官及其参谋人员的行动速度。时间有限的环境或匆忙可能会影响决策的质量，但根据经验，按时做出适当的决策要好于延迟做出完美的决策。人工智能决策支持系统可以帮助参谋专家提高建议速度，这有助于指挥官做出正确、及时的决策。同样，潜在的人工智能决策支持系统将拥有一个坚实的知识库，这个知识库来自过去的经验和共享数据库。它们的建议或决定都有积累的知识库作为基础，可以促进信任和理解，从而加强任务式指挥。

综上所述，可以说，人工智能在不久的将来只能起到辅助作用，有助于及时、准确地做出决策。要确定它是否会对任务式指挥理念产生影响，必须仔细研究它在信任、相互理解、有效决策和分散执行方面带来的变化。

在信任方面，新出现的问题是指挥官能否信任人工智能决策支持系统的建议，以及信任的程度。如上所述，与人力相比，人工智能系统擅长处理大量输入数据，并能在短时间内做出评估。指挥官必须决定是相信人工智能评估的有效性，还是置之不理。对人工智能的信任程度取决于其提供的信息是否有用和有价值。然而，在行动开始前评估这些信息的有效性可能会非常复杂。如果行动顺利，人工智能很可能不会获得信任。如果行动失败，人工智能很可能成为替罪羊之一。如果通过人工智能获得的信息非同寻常、不寻常，或与人类惯常的发现不同，决策者可能会面临一个问题。如果他们无法检查这些发现的有效性或可行性，他们可能会不愿意使用这些发现，或者可能会完全忽略这些发现。这种可能的行为是由于人类的认知偏差造成的，它迫使从一系列可能的解决方案中选择熟悉的方案。如果决策者选择使用人工智能的非同寻常的发现，还存在一个很大的风险，那就是由于缺乏足够的背景知识，下属在理解意图或任务时会遇到困难。如果下属信任指挥官，就不会质疑其意图。然而，如果出现问题，下属的信任度就会下降，指挥官对人工智能的信任度也会下降。信任一旦丧失就很难恢复。

信任也是理解的一种功能：一个人很少会信任没有共同理解的人。人类之间的相互理解通常需要共同的术语、共同的程序和共同的经验。在国际环境中工作或与非军事实体密切合作并不能保证理解，因为军事程序和术语通常是特殊的。在军队中，不同部门都有自己的行话，这会使部门之间的有效沟通变得复杂。缓解这一问题的最佳方法是为所有部门制定统一的标准化军事语言，但这是一个激进且不切实际的举措。人工智能决策支持系统的程序可以解释各军种特定术语的输入，但输出必须是标准化的，以确保相互理解。因此，必须确保人工智能能够理解所需的任务，但生成的输出结果也必须符合术语和标准。如果能做到这一点，人们对人工智能系统的信任度就会提高。

人工智能还有助于及时有效地做出决策。它可以缩短制定或修改计划所需的时间，从而加快速度。通过人工智能通信系统发布计划和命令，也有助于保证行动安全和实现最佳速度。缩短上级指挥部制定计划所需的时间，可以让下级及时采取行动。如前一章所述，超战争理论以高速决策和效果为基础，旨在破坏敌方决策系统。同样，也必须做好准备，预料敌方会以同样的方式试图干扰我方的决策系统，因此，更好的人工智能支持系统和更快的通信系统是取得优势的关键。

分散执行也是人工智能系统应用可能产生积极或消极影响的一个特征。上级的最终决策和计划设定的任务和目标，可能会因为形势的重大变化而无法完成或实现。在这种情况下，下级必须严守纪律，发挥主观能动性，尽其所能为实现指挥官的意图做出贡献。但是，由于评估是一个在行动中持续进行的过程，指挥官的意图有可能会根据人工智能系统分析不断变化的行动环境所产生的新信息而发生变化。人工智能可能会以现在难以想象的速度对单元目标提出修改建议，这将给决策者及其参谋人员带来压力。要想在复杂的战斗空间中以最快的速度取得成功，就必须采用新颖的和平时期训练方法，这种训练方法可能是在虚拟训练环境中进行的，而大部分现实参与者都会在场。要进行超战争训练，就必须创造一个与预计的未来作战环境相似的训练环境。人工智能系统可以成为实现这一目标的有力工具，从而培养部队成功进行任务式指挥的能力。

尽管人们设想未来的军队将实现全网络化，所有系统和传感器相互连接，利用人工智能系统提供几乎实时的态势感知。从理论上讲，这可以让上级对下级进行干预，在最坏的情况下可以绕过指挥系统。要有效运用任务式指挥，就必须排除这种可能性，必须通过正确运用分权执行原则，让下级摆脱干扰。

从上面这几段可以看出，人工智能将对任务式指挥产生影响。在人工智能决策支持系统的影响下，每一项原则的含义和内在机制都将发生变化。首先，人与机器之间必须实现相互理解和信任，这可能是一个相当大的挑战，但专业培训和联合演习将有助于形成有效的合成战友关系。

结论

这项研究的主要问题是，任务式指挥能否应用于人工智能系统启用和加速的环境中。随着决策速度的提高，指挥互动必须改变，让下属有更大的自主权。这符合任务式指挥的原则。为参谋人员注入人工智能辅助决策系统将影响任务式指挥的信任和相互理解因素。如果使用得当，人工智能也是提高决策及时性的有用工具，还能促进执行权力下放。但是，人工智能的成功整合需要新的人员工作方法、大量的培训以及视机器为同志的新思维。由于这项技术相对较新，从一开始就期待最佳解决方案是模糊的。老实说，预期的详细程度和为更高级别的指挥官提供的更好的通信可能性会使任务式指挥做法受挫，从而能够通过微观管理地面部队来规避指挥系统。超战争的一个方面是在尽可能低的级别上进行高速决策，但下级比上级更快地做出决策是否总是正确的呢？下级通常对局势的看法比较狭隘，因为他们必须专注于自己的行动区域。而上级做出的决定通常更能洞察全局，因此更有可能成功实现意图。如果下级开始执行一些上级以其高超的知识认为是错误的事情，那么会发生什么事情来缓解这种情况呢？阻止或微观管理已经开始的行动是不明智的。超级战争的支持者可能会说，下级与上级拥有相同的行动视野，但教育水平和经验可能并不相同，更不用说任务和责任了。所有这些方面都将对未来作战环境中任务式指挥的发展产生影响。结论是，不能避免使用人工智能解决方案，因为它们能提供竞争优势，而且任务式指挥的方式一定会发生不可避免但又无法确定的变化。

参考来源：Land Forces Academy Review