2021年3月,美国哈德逊研究所国防概念与技术中心发布研究报告《实施以决策为中心的战争:提升指挥与控制以获得选择优势》,提出以决策为中心的战争将使美军做出更快、更有效的决策,从而赋予美军更大的竞争优势

序言

自冷战结束以来,美国国防部(DoD)针对来自主要对手(如中国、俄罗斯和朝鲜等)的巨大军事冲突发展了相应理论和能力。这些最坏的情况是为了确保美军也能应对“较少的情况”。然而,这种方法偏重于为大规模、高强度军事冲突设计的概念和系统,美国的智能对手不太可能向美军挑起对抗,而国防部可以在力量投射或精确打击等任务中发挥其优势。

美国的对手在过去十年中已经发展出了抵消美国军事优势的方法,如中国和俄罗斯的灰色地带或混合行动,这些方法以较低的成本和升级——尽管比传统的军事作战时间更长——获得目标。因此,国防部应修订其规划,提高新方案的优先级,这些方案以不同于战区范围内高强度作战的方式给美军施加压力,如通过延长时间、不同程度的升级和规模,以及使用代理和准军事力量。

中国的“系统破坏战”概念和俄罗斯军方的“新一代战争”概念是针对美国及其盟友的新方法的代表。虽然它们的制胜理论和方法大相径庭,但这两种概念都有一个共同点,即把信息和决策作为未来冲突的主战场。它们从电子和物理上直接攻击对手的战斗网络,以降低其获取准确信息的能力,同时引入虚假信息,削弱对手的定向能力。同时,军事和准军事力量将通过孤立或攻击目标的方式向对手提出难题,以中和对手的战斗潜力,控制冲突的升级。

美国海军如何重新平衡实施 "马赛克战 "部队的例子

决策中心战的兴起

以决策为中心的概念,如系统破坏战和新一代战争,很可能成为未来冲突的重要形式,甚至是主要形式。在冷战后期,美军革命性的精确打击战方式利用了当时的通信数据链、隐身和制导武器等新技术。同样,以决策为中心的战争可能是军事上利用人工智能(AI)和自主系统的最有效方式,这些技术可以说是当今最突出的技术。

以决策为中心的战争的一个例子是国防高级研究计划局(DARPA)的马赛克战争概念。马赛克战争概念的中心思想是,由人类指挥指导的、具有人工智能功能的机器控制的分列式有人和自主单位可以利用它们的适应性和明显的复杂性来延迟或阻止对手实现目标,同时破坏敌人的重心以排除进一步的侵略。这种方法与机动战一致,不同于第二次世界大战期间盟军采用的基于损耗的战略,也不同于冷战后美军在科索沃、伊拉克和利比亚冲突中采用的战略。虽然马赛克战争采用损耗作为给敌人制造困境的一部分,但其实现成功的主要机制是拒绝、拖延或破坏对手的行动,而不是削弱对手的军事实力,使其无法再有效作战。因此,马赛克战争非常适合作为现状军事大国(如美国)寻求遏制侵略的概念。

在近期兵棋推演中,马赛克部队与传统军事部队在任务完成情况的比较

马赛克战争提出了一种部队设计和指挥控制(C2)程序,与今天的美军相比,它将使美军能够执行更多、更多样化的行动方案(COA)。马赛克部队的分解结构和使用人类指挥与机器控制,将使对手的决策复杂化,缩小其选择范围,并施加一系列可能无法解决的困境。通过增加美军指挥官的选择权,减少敌方的选择权,马赛克战法将寻求获得“选择权优势”,使美军能够做出更快、更有效的决策。

选择性战略与以预测为中心的规划方法形成鲜明对比,在这种规划方法中,选择最有可能导致成功的作战行动方案并迅速实施,通过将与未选择的作战行动方案相关的系统和兵力要素分配给其他任务来提高效率。在以预测为中心的模式中,资源的早期承诺必然会限制指挥官今后的选择空间。

与今天的美军相比,马赛克部队的设计和C2过程可以在选择权竞争中提供更大的优势,因为随着对抗或竞争的进展,可以缓解由于损失或敌方态势感知的改善而导致的选择权减少的自然趋势。例如,“马赛克”部队可以更容易地隐藏具有反ISR能力的平台或编队,并在以后暴露出来,以实现新的选择;利用数量更多、规模更小、成本更低的增援部队;或依靠决策支持工具,允许继续使用与高级指挥官物理或电子隔离的部队。

图:以网络为中心的战役空间架构与基于情境的战役空间架构的特点比较

一支马赛克部队也将比今天的美军更有能力进行缩小对手选择范围的行动。通过同时发起许多行动并加速其决策,一支使用人类指挥和机器控制的分布式部队可以给对手造成足够的困境,从而排除与作战相关的数量的《作战协议》。此外,马赛克部队还可以利用诸如分配、佯攻和探测等欺骗技术以及反ISR系统来补充其更大的规模和决策速度,这些技术可以使对手相信某些选择不可行或不可能成功。

虽然国防部的C3结构,如混合和联合全域指挥和控制(CJADC2)开始纳入决策支持工具,为特派团整合效应链,但其目前和近期的实例旨在支持有效的火力投送,而不是持续的可选性。此外,与CJADC2相关的C2和通信(C3)举措,如高级战役管理系统(ABMS),需要提前确定架构和组件系统。因此,CJADC2在其能够提供的可选性方面将受到固有的限制。

图:C2实施方法的比较

通过C3实现选择权

第一步是压缩空间的表征,重点放在时间的表征上。以一个作战人员在短时间内的行动为例,在这个例子中,一个作战人员的任务是收集指定地点的图像。这在操作上是不现实的情况,只是用一个简单的案例来说明这个概念。

在C3组合中,国防部已经在通信复原力方面进行了大量投资。因此,大部分新的努力和资源应该应用于C2能力。尽管美国军方投资于所谓的C2系统,但这些项目主要是操作中心和软件堆栈,作为在部队中传递数据、信息、命令或权限的基体。尽管对管理部队来说是必要的,但目前国防部的C2系统——将C2看作是连接——并不是决策支持系统,后者将C2看作是一个过程。

图:在马赛克C2方法中采用OODA循环

用于以决策为中心的战争的C3能力需要做的不仅仅是实现连接。例如,C2工具将需要生成能创造和维持可选择性的COA,以提高适应性,并将复杂性强加给对手。为了帮助初级领导人执行任务指挥,C2工具还需要了解哪些单位在通信中,他们在潜在的COAs中的作用,并配置网络以确保所需单位与适当的指挥官保持一致。为了评估这些要求和以决策为中心的C3的其他要求,本研究采用了多种视角,如下所述。

  • 栈式视角:与互联网一样,以决策为中心的C3架构需要有物理媒介来进行数据移动;需要网络结构来管理指挥官、传感器和效应器之间的数据移动;需要信息架构来将数据组织成有意义的形式;需要评估信息的应用程序,如决策支持工具。目前的技术可以满足这些需求,但无法在追求选择优势的同时,在对抗性环境中实现部队和网络的动态组成和重新配置。

图:以预测为中心和以决策为中心的选择空间随时间变化的比较

  • 网络视角:要实现可选择性和实施以决策为中心的战争,就需要有能力使C2结构与现有通信保持一致,而不是试图建立一个在面对敌方协同干扰和物理攻击时仍能生存的网络。这些需求导致了一种混合架构,这种架构将网络方式与分层方式结合起来,可以被定性为 "异构"。这种拓扑结构将使指挥权与合格的人类操作者占据的节点中具有最高程度的节点相一致。

  • 解决问题的视角:与从头开始处理每个新情况相比,使用类比推理的问题解决过程可以更迅速地评估潜在的备选方案,由此产生的决策空间的增加可以使指挥官将限制其备选方案的作战行动协议推迟到最后一刻。此外,如果使用人工智能支持的算法在没有监督的情况下建立COA,对手可以通过佯攻和探测来影响算法的学习,使系统认为COA是成功的,如果不是对手的行动,实际上会失败。

图:来自DARPA PROTEUS计划的分析和用户界面,AI辅助规划

  • 时间视角:可选性的概念适用于多个时间尺度,从战略到工业能力发展和部队的战术行动。C3架构的能力应该有助于扩大每个时间尺度上的努力所带来的决策空间,而不是仅仅在任务期间。

  • 组织视角:国防部的C3架构不是在真空中存在的。各组织的人员必须通过战略、工业、作战和战术时空的流程来运用这些架构。可选性是在以决策为中心的战争中获得优势的关键,但如果仅仅是派出一支更分散的部队和使用它的工具,如果这支部队的使用方式很狭窄,为每个单独的行动提供最高的成功概率,那么只能稍微增加美军的复杂性和适应性。需要决策组织和程序,尽可能长时间地扩大指挥官的选择空间。

今天的战斗指挥官(CCDR)参谋部缺乏组织和程序,无法为即将到来的任务以各种不同的配置组合部队。为了能够在任务时间内组成部队,国防部可以采用类似于将计算机程序编译成可执行代码的方法。软件指令是用较高层次的计算机语言编写的,但在软件被计算机处理器执行之前,需要将其转换成二进制形式。这种方法将从决策支持系统的COA开始,然后组合适当的单位来支持行动。虽然部队构成主要是以硬件为中心,但也需要在技术栈的信息层和网络层进行部队包的软件构成。

图:从人工构成到决策中心战的任务整合浪潮

结语

美军将需要采用新的部队设计和C2流程,以实现以决策为中心的战争,但如果不与工具和组织结合起来,以充分利用使用人类指挥和机器控制的更分散的部队中可能存在的可选性,这些努力将付诸东流。

目前国防部通过CJADC2和相关的作战概念努力使美军向更分散的组织和更分散的能力发展,这是实现更以决策为中心的军事行动方法的重要一步。高级战斗管理系统(ABMS)和DARPA的几个项目正在开发C2工具和流程,这些工具和流程将增加指挥官使用这些更分布式部队的可选性。国防部的部队设计变革或C3举措将需要更进一步,以便美军在面对已经跃升到以决策为中心的战争并拥有主场优势的同行对手时保持可选择性优势。

也许更重要的是,将需要新的组织和程序,使CCDR能够在战区组成和整合分散的部队,并改变国防部定义需求和发展新能力的方式。如果不对国防部的需求和部队发展程序进行重大改革,美军就有可能在争夺决策优势的竞争中落后于对手,从而威胁到其保护美国利益和盟友免受大国侵略的能力。

(参考来源:军事文摘作者:张传良)

成为VIP会员查看完整内容
151

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。
国外有人/无人平台协同作战概述
无人机
88+阅读 · 2019年5月28日
【无人机】无人机的自主与智能控制
产业智能官
42+阅读 · 2017年11月27日
国家自然科学基金
252+阅读 · 2017年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
13+阅读 · 2013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
15+阅读 · 2012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
5+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Search-based Methods for Multi-Cloud Configuration
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
27+阅读 · 2022年3月28日
VIP会员
相关基金
国家自然科学基金
252+阅读 · 2017年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
13+阅读 · 2013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
15+阅读 · 2012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
5+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员