【指挥官-人工智能决策模型】《采用人机协作的有效决策》2022最新32页报告，美国海军学院

指挥官可以通过将人工智能与他们的直觉和经验相结合，做出更快、更明智的作战役级决策。本文研究了作战指挥官如何依靠他们的下级指挥官和强大的参谋人员来收集和分析信息，以提供建议来帮助指挥部决策。如果信息不充分或存在不确定性，指挥官就依靠他们的直觉和经验来填补空白。目前决策过程中的每个变量都有局限性，其中大数据分析、机器学习和神经网络的人工智能技术有助于指挥官的决策。本文介绍了在博伊德上校的观察、定向、决定和行动（OODA）循环中合成的指挥官-人工智能决策模型（CAIDMM），以获得对对手的明显优势。最后，本文研究了 "是什么 "和 "为什么 "作战指挥官必须使用CAIDMM，以便在当今的大国竞争中获得对近似竞争对手的战略优势。

指挥官-人工智能决策模型（CAIDMM）

CAIDMM从观察阶段开始，如图3所示。在这个阶段，指挥官收集所有可用的信息和数据。人工智能通过大数据分析对这一过程进行补充，大数据分析的重点是卫星和传感器图像、流媒体数据、社交媒体数据、手机GPS数据以及将被纳入外部观察的关系数据。至关重要的是，"大数据 "是结构化的，具有一定形式的网络保护的弹性，以确保输入的安全是合法的信息。神经网络也会接受额外的输入，如指令指导、展开的情况以及与环境的互动。这个阶段实现了两个目标。首先，收集大量的数据来分析一个结构化的问题。第二，非结构化的数据被提交给机器学习算法，以综合、定向并向指挥官做出预测。

CAIDMM的第二步是定向阶段。对原始统计资料、数据和信息进行分析、评估和优先排序，以向指挥官提供洞察力。具体来说，在支持他们的指挥官和工作人员的协助下，指挥官结合文化传统、遗传遗产和作战经验来确定问题的方向。同时，大数据分析法从观察到的数据中提取价值和知识。方向阶段根据工作人员的考虑增加了新的信息，作为机器学习和神经网络的输入，因为将数据合成为一个解决方案是未知的。基于定向阶段内的互动，指挥官从人类和人工智能这两个角度获得知识。这些视角能更好地为指挥官的决策提供信息。

在CAIDMM中，如果问题是无结构的，则由指挥官决定。如果问题是结构化的，则由人工智能决定。在任何一种情况下，人工智能都可以根据决策选择的数量来补充指挥官的工作。确认法和探索法是人工智能对指挥官的非结构化决策的两种补充方式。确认法用于指挥官做出直观的决定，然后使用人工智能来分析和完善解决方案。而探索式方法允许人工智能做出决定，指挥官使用他们的直觉来完善解决方案。

在确认法中，指挥官根据目标和期望的最终状态做出直观的决定。确认法在决策选择数量有限的情况下最有用。如果人工智能同意所提出的最佳解决方案，指挥官就可以执行该决定。下至DL和神经网络的ML可以使用分类和回归分析、聚类、异常检测、对抗性网络和盲目的信号分离来评估决策。如果人工智能出现矛盾或产生不确定的结果，指挥官会根据可用时间采取两种行动。如果时间和条件允许，指挥官重新评估更多的解决方案，确认输入AI的数据，并寻求解释，直到达成一个满意的结果。如果时间不允许，指挥官应该根据他们的专业知识和直觉做出决定，因为在非结构化的任务中，研究证明直觉决定胜过人工智能的分析方法。

相比之下，当一项决策有许多备选方案时，指挥官可以使用探索法。这种方法允许指挥官利用大量的数据，让人工智能首先确定几组决策备选方案，然后由指挥官进行评估。大数据分析、无监督ML和网络可以缩小决策选项的范围，为指挥官提供几个行动方案，让指挥官从中选择。接下来，如果指挥官的直觉与提议的行动之一相一致，他就会执行决定。如果不是，根据时间，指挥官根据他们的专业知识进行，或重新启动决策过程，直到可以采取行动。

CAIDMM最重要的部分是要求持续的反馈，以允许人类和人工智能算法的发展。指挥官的决定产生二阶和三阶效应，必须反馈到随后的观察阶段周期。此外，神经网络会根据特定指挥官的想法和直觉进行演变，从而不断发展，并有可能提供更完善的针对指挥官的解决方案。博伊德的OODA循环，在其起步阶段，并不是为了成为一个机械的循环，而是为了进入对手的思想和决策循环的一种手段。CAIDMM必须是循环的，以利用数据做出更明智、更有效、更快速的决策。该模型还在决策矩阵中提出了两个关键因素：时间和不确定性。CAIDMM的目标是在时间限制内尽可能地减少不确定性，以选择最合适的行动方案。

报告结论

先进的人工智能系统无法成为唯一的决策权威，这强调了将人类专业知识与人工智能能力相结合的重要性。在第二次世界大战中，图灵的 "Bombe "每天破译了数千条纳粹加密信息，而杰出的数学家和密码破译者只破译了几条。最重要的是，Bombe机器为指挥官提供了可操作的情报，使舰队指挥官能够做出快速、明智和果断的决定，通过避免或攻击德国 "狼群 "U型潜艇来挽救他们在大西洋的后勤保障。今天的大国竞争取决于控制、传播和处理来自所有领域的大量数据。这些数据的速度和数量超过了人类的认知能力，无法做出有效的知情决策。人工智能使作战指挥官能够管理和分析大型数据集以支持决策。人类和人工智能技术可以合作处理决策的不同方面。人工智能很适合使用分析方法来处理复杂的问题。人类的认知更适合于更多地关注不确定性和平衡性，使用更多的创造性、直观性和基于经验的决策。指挥官和人工智能可以随着业务的发展而发展。这两个实体都成为学习型组织，一个提供分析数据，另一个提供决策的操作 "艺术"，两者都在作战环境中不断发展。指挥官-人工智能决策模型描述了人工智能如何补充指挥官的决策过程，并为作战指挥官整合人工智能技术提供了一个矩阵。