美国缺乏一套专门的人工智能(AI)战争的理论。这导致了在战争的作战层面上缺乏对人工智能影响的讨论。人工智能的定义通常采用技术视角,不考虑对作战艺术的影响。提议的作战艺术的新要素 "抓手(Grip)"解释了人工智能和人类在两个方面的基本关系:自主性和角色交换。“抓手”为人工智能战争的理论奠定了基础,除了揭示改变任务指挥理论的必要性外,还提出了作战的假设。美国空军陆战队的发展以及由此产生的战争作战水平(和作战艺术)在历史上有类似的案例,说明关键假设如何影响战场的可视化。去除“人在回路中”的人工智能战争的假设,揭示了需要一种新的作战艺术元素来安排部队的时间、空间和目的,此外,美国陆军任务指挥理论需要调整,以使指挥官能够在各种形式的控制之间移动。

简介

“机器人和人工智能可以从根本上改变战争的性质......谁先到达那里,谁就能主宰战场。”- 美国陆军部长马克-埃斯佩尔博士,2018年

预计人工智能(AI)将极大地改变21世纪的战争特征。人工智能的潜在应用只受到想象力和公共政策的限制。人工智能拥有缩短决策周期的潜力,超过了人类的理论极限。人工智能也有望执行人类、机器和混合编队的指挥和控制功能。人工智能在自主武器系统(AWS)中的潜力同样是无限的:分布式制造、蜂群和小型化的先进传感器为未来的指挥官创造了大量的配置变化。与围绕人工智能的技术、伦理和概念问题相关的无数问题,为如何将这项技术整合到战争的战术层面上蒙上了阴影。现代军队几个世纪以来一直在为正确整合进化(和革命)的技术进步而奋斗。美国内战期间的铁路技术对 "铁路头 "军队和格兰特将军在维克斯堡战役中的胜利都有贡献。25年后,法国人忽视了普鲁士的铁路试验,给第三帝国带来了危险,同时也没能把握住小口径步枪的优势。卡尔-冯-克劳塞维茨在《论战争》中指出,每个时代都有自己的战争和先入为主的观念。本专著将探讨当前的先入为主的观念和人工智能在战争的操作层面的出现。

对作战层面的讨论侧重于作战艺术,以及指挥官和他们的参谋人员如何通过整合目的、方式和手段,以及在时间、空间和目的上安排部队来发展战役。在作战艺术中缺乏以人工智能为主题的讨论,增加了不适当地部署装备和以不充分的理论进行战斗的风险;实质上是在邦联的火车上与追兵作战。美国的政策文件和技术路线图主要集中在能力发展和道德影响上,而没有描述一个有凝聚力的人工智能战争的理论。但美国和中国在自主行动方面的实验趋于一致;这引起了冲突的可能性,其特点是越来越多的被授权的人工智能和AWS没有得到实际理论框架的支持。这个问题导致了几个问题。美国军队的人工智能战争理论是什么?大国竞争者的人工智能战争理论是什么?有哪些关于颠覆性技术的历史案例?理论应该如何改变以解释颠覆性技术?

本专著旨在回答上述问题。它还提出了两个概念,以使指挥官能够在战场上可视化和运用人工智能;一个被暂时称为 "抓手"的作战艺术的新元素和一个任务指挥理论的延伸。该论点将分三个主要部分进行阐述。第一节(理论)将证明人工智能需要一个认知工具来在时间、空间和目的上安排部队,方法是:综合美国的人工智能战争理论,描述中国的人工智能战争理论,以及揭示当前文献中的“抓手”理论。第二节(历史)是对1973年为应对技术转变而从主动防御演变而来的空地战(ALB)的案例研究。第二节将重点讨论战场维度的思想、任务指挥理论的演变以及相关的作战艺术的正式出现。第三节(新兴理论)提出了作战艺术的新要素,作为一种认知工具,帮助指挥官和参谋部将21世纪的战场可视化。第三节将把以前的章节整合成一个有凝聚力的模型,让指挥官和参谋部在时间、空间和目的方面可视化他们与AI和AWS的关系。第三节还将提供一个任务指挥理论的建议扩展,以说明人机互动的情况。

主要研究成果

人工智能的复杂性导致了正式的战争理论的缺乏;然而,在美国的政策和发展文件中存在着一个初步的美国人工智能战争理论。人工智能战争理论必须解释人类和人工智能之间的关系,这样才能完整。通过作战艺术和任务指挥的视角来看待人工智能,揭示了自主性和角色互换的两个频谱,通过不同的组合创造了人工智能战争理论的维度。这些维度,或者说掌握的形式,代表了作战艺术的一个新元素。同样,需要将任务指挥理论扩展到一个过程-产出模型中,以实现掌握形式之间的移动。

方法论

综合美国目前的人工智能政策和AWS的发展路线图,提供了一幅战略领导人如何看待人工智能的图景,允许发展一个暂定的战争理论。由于缺乏关于武器化人工智能的历史数据,政策和发展路线图是必需的,因此本专著中提出的理论是由提炼出来的概念产生的。由于中国的工业和技术基础的规模,中国被选为对抗模式,预计在10到15年内,中国将超越俄罗斯成为美国最大的战略竞争对手。

图文并茂的案例研究方法将被用来分析主动防御和空地战之间的过渡。该案例研究将整合技术、政策和战争理论,以唤起人们对多域作战(MDO)和人工智能在21世纪战争中作用的疑问。第二节的批判性分析侧重于理论的发展,而不是其应用。第二节的详细程度是有限制的,因为它仍然是一个更大(和有限)整体的一部分,因此重点应继续揭示战场可视化和认知辅助工具之间的联系。第三节通过作战艺术的新元素和任务指挥理论的调整来回答每一节中发现的问题,从而将前几节连接起来。人工智能缺乏历史,考虑到人们不能直接分析以前的冲突,以获得教训或原则。在这种情况下,任务指挥理论提供了一种间接的方法来理解使人类能够集中式和分布式指挥和控制功能的机制,以及为什么人工智能缺乏相应的机制会抑制我们感知机会的能力。第三节将把美国现行政策和路线图中的几个抓手成分汇总到任务指挥理论提供的框架中。

范围和限制

本专著存在于美国陆军多域作战概念的框架内,其理解是解决方案是联合性质的,因为 "陆军不能单独解决问题,概念发展必须在整个联合部队中保持一致,清晰的语言很重要。"本专著不能被理解为对MDO中提出的问题的单一解决方案,而是一种帮助实现战斗力聚合的方法。

关于人工智能的讨论充满了伦理、法律和道德方面的考虑,本专著不会涉及这些方面。本专论的假设是,人工智能的军事用途在政治上仍然是可行的,而且 "战略前提 "允许该技术的军事应用走向成熟。由于运用的变化几乎是无限的,人工智能的战术实施将不会被详细讨论,而重点是在作战层面上的概念整合。一般能力将被限制在与作战艺术和作战过程有关的具体趋势上。

成为VIP会员查看完整内容
209

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。
《陆军医疗现代化战略》美国陆军2022最新报告
专知会员服务
46+阅读 · 2022年8月8日
《待命部队概念》美国海军陆战队32页报告
专知会员服务
46+阅读 · 2022年8月5日
美国战争研究所《俄罗斯军队在叙利亚的经验教训》
专知会员服务
49+阅读 · 2022年5月24日
国家自然科学基金
0+阅读 · 2015年9月30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 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
7+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年10月21日
Arxiv
88+阅读 · 2021年5月17日
CSKG: The CommonSense Knowledge Graph
Arxiv
18+阅读 · 2020年12月21日
Arxiv
11+阅读 · 2018年5月13日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2015年9月30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 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
7+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
1+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员