【AI+军事】《为人工智能应用程序开发具有嵌入式角色的联合全域指挥和控制(JADC2) 的作战概念》，RAND最新发布10页PDF

在将人工智能 (AI) 和机器学习 (ML) 用于多域作战 (MDO) 作为联合全域指挥与控制 (JADC2) 的一部分之前，必须先完成奠定“信息基础”的繁重工作。奠定基础——数据被标记、安全存储和传输，并且易于访问——需要组织和保护军队跨域、服务和梯队的 C2 所需的所有信息的日常工作。相同的信息主体将成为 AI 和 ML 算法的输入。没有这样的信息基础，进展甚微。

尽管最近 AI/ML 在游戏领域取得的成功令人鼓舞，但鉴于信息不完整、数据质量差和对手行动等现实障碍，对某些 C2 功能采用类似技术仍将具有挑战性。其他 AI/ML 技术，例如用于预测战区飞机状态的技术，将更容易应用。实现 JADC2 目标将取决于确定核心军事任务集的 C2 需求以及制定可在近期和远期实现的软件开发计划。

本文的其余部分描述了对具有嵌入式 AI/ML 的 JADC2 的需求，就 AI/ML 的诱惑提出了警告，概述了要克服的 AI/ML 障碍，并提出了前进的道路。一般来说，需要对人力和资源进行投资，才能超越当今的人力密集型 C2 范式。通过自动化和一些AI/ML改进当前的规划流程是一个值得努力的现实目标。

发展路径

可能看起来很严峻。存在许多障碍，迫切需要快速向前发展，现在就需要改变。然而，如果将实现目标的步骤分解为易于处理的问题，并且如果军方对技术可能性和限制等保持“睁大眼睛”，则可以取得进展。目标不应该是 C2 的完全自动化，而是 C2 的有效人机协作。实现这一目标的步骤应包括，首先，JADC2 作战概念 (CONOP) 的持续开发和优先排序，其次，确定在使能 C2 流程中增强 AI/ML 的相应需求和机会。

同时，有必要为数据驱动的人工智能生态系统设定条件，这意味着将武器系统和相关数据放入多域数据库中，供那些应该访问数据的人使用，同时也应用“zero-trust”和其他安全原则，以确保数据的弹性和安全管理。随着人工智能软件应用程序的开发，有必要在操作测试平台环境中对其进行试验，将它们与 C2 系统集成，然后将它们部署到操作中心。可能会有能力迭代——首先将有限的能力放入运营中心，然后生成用户反馈，然后快速更新软件应用程序。分析师和技术人员将希望探索 CONOP，以促进人机协作，建立人类对 AI 算法的信任，并提高算法的可解释性。在商业需求较低的领域可能需要有针对性的军事投资，例如用于学习数据稀缺的人工智能算法或防御针对这些算法的攻击。

当前的 AI/ML 技术需要数据进行学习。鉴于缺乏真实世界的数据来为这些战争技术的改进提供信息，军方可以利用建模、模拟和演习来为 AI/ML 算法生成训练数据。然后，此类算法可以帮助开发例如武器-目标配对。监督或强化学习算法可以支持这种 C2 功能，类似于最近应用于商业游戏的学习算法。但军事算法还必须考虑现实世界中的不确定性——这对人类和算法来说都是一个主要困难。

正如美国空军参谋长在 2020 年 8 月所说，“加速变革，否则失败。”及时向 JADC2 推进是美国现代战争的当务之急，并且需要“在竞争对手的部署时间表内”（Brown, Jr, 2020）这样做。需求是真实的，但为 AI/ML 设定切合实际的期望很重要。现有的 C2 流程在自动化方面还有改进的空间，在某些情况下，还有 AL/ML；相比之下，其他 C2 过程对于人类和算法来说仍然很困难。正如美国众议院军事委员会主席兼众议员Adam Smith, D-Wash在 2021 年 9 月谈到 JADC2 时所说的那样，“目标是正确的，但不要低估实现它的难度（(Harper, 2021）。”