《军用多传感器融合引擎之人工智能：原理、趋势和应用》24页报告

随着人工智能自动化的出现，北约需要重新审视其防御能力，这种能力将任务控制和作战管理与多域/全域态势感知和作战以及目标循环决策支持和有人无人编队（MuM-T）等功能结合在一起。为此，本材料为北约“军事多传感器融合引擎之人工智能 ”提供支持，旨在提高北约社区对数据融合人工智能如何支持军事指挥官和参谋人员从最初规划阶段到未来行动的执行和评估阶段的认识。这一行动周期被称为 C4ISTAR（指挥、控制、通信、计算机、情报、监视、目标获取和侦察）。

国防人工智能

人工智能自动化提供了新型机器，可增强人的感知能力和积极意志，使人对自己的行为和疏忽负责，只有人有能力进行智能感知，并在适当的意义上自主行动。

• 认知型机器融合大量传感器、观察者、环境和任务数据流，生成全面的态势图，这是人类有意识地进行规划、感知、行动和适当评估效果的认知基础。

• 意志型机器将人类深思熟虑、负责任的整体决策转化为自动执行的指令链，用于数据采集、子系统控制以及对目标产生影响。

北约需要在短时间内，利用空间分布式资产应对复杂局面。因此，北约未来的 C4ISTAR 能力在知识开发、规划、执行和行动评估方面严重依赖于人工智能自动化[1]。在数字时代，“观察、定位、决策和行动 ”各阶段的 OODA 循环将大大加快，并以网络为中心的协作方式 “以机器速度 ”执行[2]。

北约在多极世界中的竞争对手有效地推动了 “人工智能 ”和 “自主”，北约首席科学家将其确定为科技趋势[3]。此外，与以往的军事创新不同，如果以投资额来衡量，民用领域主要推动了这一系统工程分支的快速研发。

对 C4ISTAR 人工智能自动化的讨论产生了三项建议和七项关键成果，涉及所需的算法、要处理的数据、所需的编程技能、要使用的计算设备、不可避免的以人类为中心的设计、必要的研发工作审查以及其他军事层面的整合。

卡尔-冯-克劳塞维茨（Carl von Clausewitz，1780-1831 年）是普鲁士将军和军事理论家，他强调战争的道德、心理和政治方面[4]。因此，人工智能自动化需要受过数字化教育的军事指挥官和参谋人员的精神。他们不需要知道如何设计和编程人工智能自动化 C4ISTAR 系统，但需要评估其优缺点、风险和机遇。相关的数字道德和能力是可以传授的。它解决了军人精神的一个关键问题，C4ISTAR 系统中的人工智能自动化加剧了这一问题，但从根本上说并不新鲜。

人工智能和自动化赋能C4ISTAR

在未来的多域作战（MDO）中，有人驾驶组件和无人驾驶系统构成了全面联网的系统体系。相互配合的多传感器、多效应器无人系统可保护士兵或资产，执行侦察或具有电子或动能影响的作战任务，而卫星、预警、后勤或运输将被整合在一起。核心基础设施是作战云，它可为执行任务的所有人员实时提供相关信息，并提供 “以机器速度 ”进行自适应资源管理的手段。在数字时代，复杂情况下的信息优势和决策主导权（即使在很短的时间尺度内）决定着任务的成败。例如，根据德国军事航空战略，在 C4ISTAR 场景中，人类决策者的责任至关重要。因此，未来 C4ISTAR 系统的结构必须便于人类决策者负责任地使用。人工智能自动化是至关重要的，因为它可以通过认知和意志辅助实现复杂性管理和负责任的行动。与此同时，从一开始就伴随着技术开发的现实模拟必须确保在北约的防御和作战任务中，全面遵守道德和法律不以牺牲效率为代价。

在此使用的 “人工智能”（AI）一词不仅包括机器学习或深度学习等，还包括数据驱动和基于模型的算法的整个 “云”，包括贝叶斯学习、博弈论和自适应资源管理等方法。这种方法符合美国国防部的人工智能战略，该战略 "将人工智能定义为‘机器执行通常需要人类智能的任务的能力’。这一定义包括已有几十年历史的人工智能，如飞机自动驾驶仪、导弹制导和信号处理系统。虽然许多人工智能技术已经过时，但在过去十年中，人工智能技术取得了合理的突破，大大增加了人工智能实用、强大和有用的应用领域的多样性"。过去十年的许多成就都集中在机器学习（ML）领域，这是人工智能的一个子领域。机器学习与统计学密切相关，它将自动 “学习 ”到的知识编码成 “人工智能模型”，而这些模型往往已无法直接为人类所理解。这种 “算法云 ”通过编程艺术和工艺实现，并由定性和定量适当的测试和训练数据支持，驱动着一个数据处理周期，该周期从从多个异构来源收集的基本信号、测量和观察报告开始。我们称 “人工智能 ”为融合这些海量数据流和背景知识的过程，该过程在多个层面上提供与任务相关的信息碎片，并将其整合为全面、近乎实时的态势图。

在此基础上，军事指挥员和参谋人员就能了解当前严峻环境下的形势和任务式指挥的状况。人类根据所要实现的任务目标在不同的抽象程度和详细程度上做出行动决策。算法将意志行为转化为部分或完全自动化的指令序列，用于控制网络平台、多功能传感器、通信和效应器。从数据融合中获取信息和通过自适应资源管理收集数据的算法，属于 C4ISTAR 认知和意志机器的方法论核心，可辅助指挥官和参谋人员的智能思维和自主意志。它们利用复杂的应用数学方法，在强大的计算设备上运行，其中量子计算可能会改变游戏规则。被辅助的心智和意志的概念，以及意识和责任的概念，将人作为 “人 ”而不是 “物 ”来看待，并开启了 C4ISTAR 的伦理层面。

在讨论这一复杂领域的方方面面时，我们不妨以美国空军参谋长联席会议副主席约翰-海滕将军（生于 1959 年）最初勾勒的人工智能自动化七大支柱为指导，并对其进行适当调整。由此产生的 “C4ISTAR 支柱 ”包括 “算法云”、“数据、数据和数据”、“编程艺术”、“计算设备”、“人类中心主义”、“推、拉、实现 ”和 “联合与组合”。沿着这条路径，并着眼于各国在人工智能领域的政策和发展以及全球人工智能科学界，探讨了未来 C4ISTAR 的不同视角，包括决策和 MuM-T。此外，人工智能自动化与 C4ISTAR 架构的几个集成方面，包括对概念和概念的潜在重新定义，及其对各种目标循环的影响也将变得清晰可见。北约系列讲座 SET290 对北约社区的预期影响是提供有关 C4ISTAR 领域人工智能自动化益处的信息，提高北约成员国的认识，并支持整个联盟适应基于人工智能的技术。最后，提出了三项建议，并将讨论总结为与上述七大支柱相关的七项关键成果。

数据

分布式跨平台 C4ISTAR 需要具有互操作性和模块化的人工智能功能，能够融合来自多种数据源的异构数据，而这些数据格式并不总是精确可知的，甚至可能已损坏。因此，需要仔细分析与 “算法云 ”相辅相成的 “数据云”。从更抽象的角度来看，我们将其区分为

• 算法开发、测试和认证所需的数据；
• 训练或适当再训练数据驱动算法所需的数据；以及
• 任务期间需要处理的数据，即传感器、环境和任务数据。

因此，未来的 C4ISTAR 系统将需要一个信息基础设施，用于收集、调整、登记、验证、组织、评估、提供簿记，并在分散的空战云中安全地分发这三类数据。这种为算法提供数据的信息和通信骨干网可确保可扩展的数据管理，并为各种算法及其模型的标准化、互操作性和稳健使用奠定基础。此外，这种基础设施还是可重现性、可验证性和可追溯性以及效率和效益的先决条件。否则，至少要为每种能力和子系统单独开发其中的要素，这种方法不仅效率低下，而且可能助长敌意网络攻击，妨碍互操作性。

由于分散化和人工智能自动化必然意味着脆弱性，数据完整性是 C4ISTAR 的基础。造成完整性丢失的原因包括传感器意外失灵、编程错误、滥用测试和训练数据或数据乱伦。此外，人工智能算法总是从数据中生成现实中不存在的人工制品，或者存在 “盲点”，即无法显示实际存在的东西。在幼稚的系统中，失去完整性很容易使数据融合变成混乱，资源管理变成管理不善。在军事环境中，不同层次的敌意干预也是一个热门话题，对手会接管传感器或子系统，然后产生欺骗性数据或采取不必要的行动。我们需要保护自己的系统免受来自电磁频谱和网络空间的攻击，以及针对所使用的人工智能的敌对攻击，同时还需要制定以这种方式攻击敌方系统的战略。用于 C4ISTAR 的成熟认知和意志机器包括对这些缺陷的检测，这是抵御敌方干扰和欺骗的基础。因此，保持数据的完整性、可靠地检测违规行为或测试不可避免的缺陷是否至少符合所制定的统计规范，将是前面提到的信息骨干网的核心功能。

举例来说，考虑一下用于物体分类的神经网络，从抽象的角度来看，它将输入分配给输出。输出描述了输入图像对用户的 “意义”。这类函数的特点是内部自由度极大，数值可调。在所谓的 “训练阶段”，通过 “告诉 ”神经网络特定输入的实际 “含义”（例如，通过 “理解 ”的例子）来调整它们。训练数据的 “标注 ”需要人类的理解。如果训练的时间 “足够长”，神经网络就会得到一个任意的输入，而输出则被认为是公认的 “什么”，即输入的 “含义”。因此，神经网络本质上是函数近似器。将大量提供插值点称为 “学习 ”的人可能会唤起非专业人士的错误联想。

然而，事实证明，即使是训练有素的网络，也只需要对输入图像中的几个像素点进行特定的改变，就能完全误导网络。例如，神经网络受到这种 “有毒噪声 ”的欺骗，可能会将在人类看来没有任何变化的熊猫误认为长臂猿猴，并 “感觉 ”自己的判断是正确的[10]。这一发现的军事意义显而易见。针对人工智能系统的攻击系统已经被开发出来，而我们自己的人工智能系统也需要进行加固，以抵御这种 “对抗性攻击”。就像电子战中出现的情况一样，电子措施需要反措施，反措施需要反反措施，如此循环。此外，对于大多数与军事相关的应用而言，数据驱动算法所需的具有适当代表性的训练数据数量不足。

联合与联盟

由于作战原因，多域作战或联合全域作战（MOO、JADO）的军事层面正在融合，需要多域 C4ISTAR（MD-C4ISTAR）系统。显而易见，未来 C4ISTAR 系统的信息和通信基础设施不仅适用于空域，经适当修改后还适用于陆地、海洋、太空或网络。在本文中，比抽象讨论更有启发意义的是一个例子，它将结束我们对 C4ISTAR 人工智能自动化七大支柱的讨论。让我们假设一个车队在城市环境中遭到简易爆炸装置的袭击。协调运行的固定翼和旋转翼无人机为前方空中管制员（FAC）提供支持，为全面的态势图提供输入数据，包括预期的附带损害，这是指挥战斗无人机进行自卫的基础。在这里，人工智能自动化为有效和负责任的交战提供了技术前提，同时将非战斗人员的风险降至最低。我们认为，武装无人机可以实现可靠的目标侦察和控制，或者至少与其他武器相比，可靠得多，直至做出最终交战决定。交战规则（ROE）不做任何战术规定，但规定了具有法律约束力的特定任务框架，对交战前的形势分析非常重要。根据法律、政治、战略和行动要求，交战规则将战时法（ius in bello），即国际法和软法原则具体化。例如，区别对待（只有在完全确定目标的情况下才交战）、相称性（选择与威胁相称的效应器）、谨慎和责任人归属。显然，在设计基于人工智能的系统时应考虑到 RoE（设计时遵守 RoE）。总之，人工智能自动化所支持的认知型和意志型机器可在这一双域场景（空中和地面）中支持军事行为体获得全面的态势感知，并在具有挑战性的城市战区中选择行动方案。与此同时，还能最大限度地降低所有参与方的风险。

图 1：为 C4ISTAR 实现负责任行动的人工智能自动辅助。

用于数据融合的人工智能

北约的科学技术组织（STO）及其下属的各种小组是就 C4ISTAR 使用人工智能自动化所产生的技术问题提供建议的优秀和成熟的工具。我们在此指出，应加强北约军事部门与科学部门之间的交流，以便将北约科技组织不同工作形式提供的研究成果用于作战。

由于北约成员国之间可能会达成更广泛的共识，因此我们在结束发言时提出了一些建议，以解决某些盲点，至少根据作者的观察，公众对北约的看法存在盲点。

1. 应系统地建立数字伦理和相应的伦理道德，以便在多域 C4ISTAR 中负责任地使用人工智能自动化。正如一份德国官方文件所指出的，这种技能尤其能使空军指挥官 “评估数字技术的潜力和影响，并在数字化环境中进行管理和领导”[50]。特别是，领导哲学和个性发展工具应鼓励在 C4ISTAR 方面具备这种能力。

2. 除了人工智能自动化在缩小能力差距、扩大能力范围、制定相应的概念、操作程序和组织措施方面的作战优势外，还需要实现道德和法律合规。只有这样，认知和自愿辅助才会被空中指挥官的良知所接受，同时也会被更广泛的社会共同利益所接受。这两方面的成功将标志着真正的创新。

3. C4ISTAR 项目应从一开始就以可见、透明和可核查的方式对技术可控性和个人责 任进行全面分析。否则，与人工智能自动化相关的范式转变和大量的物质努力将很难在政治、社会和经济上得到实施。当然，会有更多或更少的 AirC2 项目出现问题，这意味着根据这些原则采取示范性方法是适当的。

未来 C4ISTAR 的特点是各级决策的 OODA 循环大大加快。人工智能自动化旨在降低相关技术的复杂性，减轻军事指挥官和参谋人员的日常或大量任务负担。这样，决策者就能集中精力做只有人才能做的事情，即有意识地以智能方式感知情况并采取负责任的行动。

我们通过七项成果来总结我们的讨论，这些成果涉及所需的算法、需要处理的数据、所需的编程技能、需要使用的计算设备、不可避免的以人类为中心的设计、必要的研发工作审查以及其他军事层面的整合。

1）通过自适应资源管理快速发展的信息采集和数据收集算法是认知和意志机器的方法论核心，可协助空中指挥官和参谋人员的智能思维和自主意志。

2. 未来的 C4ISTAR 系统将需要一个信息骨干网，在分散的云中为测试、训练/再训练和信息融合收集、调整、登记、验证、组织、评估、提供簿记和安全分发数据。

3. 人工智能自动化的算法核心将由相对较小的娴熟程序员团队实现，他们对自己正在做的事情了如指掌。标准软件工程将在 C4ISTAR 环境中嵌入这些 “巧夺天工 ”的核心。

4. 泛在计算是分布式作战云的一个基本特征。在混合计算架构中嵌入的量子处理内核上运行的数据关联和资源分配算法可能会改变游戏规则。

5. 人工智能在 C4ISTAR 中的重要性不在于选择人类智能还是人工智能，而在于将人类智能和人工智能有效、可扩展地结合起来，以确保最佳性能。这包括伦理和法律层面。

6. 成功的人工智能自动化研究和实验验证只有在符合作战附加值和军事概念与程序的情况下，才能引发 C4ISTAR 的创新。此外，它还必须获得文化和社会的认可。

7. 由于作战原因，军事层面正在融合，需要适当的多领域 C4ISTAR 系统。