《核指挥、控制和通信（NC3）架构中的机器学习系统： 机遇、局限和对战略指挥官的建议》报告

时间受限、不确定、依赖数据是核指挥与控制的突出特点，凸显了战略家和核力量指挥官所面临的挑战。因此，包括美国、中国和俄罗斯在内的核大国开始讨论将人工智能（AI） 应用于核指挥与控制（NC2）行动 的机会。最近在神经网络、算法设计和计算能力方面的进步，使得高可靠性的人工智能系统得以开发并应用于像核控制这样敏感的国家安全环境中。

虽然人工智能系统为提高分析速度和准确性提供了机会，但目前的技术水平有限，终端用户仍在努力适应和应用这些系统。随着指挥官和决策者开始将人工智能赋能系统集成到值班室和指挥中心，他们必须了解这些系统作为整个团队的一部分是如何运作的。这些系统的前景和当今的地缘政治环境表明，国家和军队将迅速采取行动实施新技术。为了国家安全，也为了世界的安全，必须明智地实施新技术。

今天和不久的将来，人工智能系统有可能缓解 NC2 所特有的时间受限、不确定性和信息泛滥的负担。与此同时，这种新兴使能技术在目前的技术状态下既有局限性，又有风险。如果应用不当或出错，后果将不堪设想。指挥官们在将新兴技术整合到团队中时，必须深思熟虑、有的放矢。本文将评估在 NC2 系统中应用机器学习技术的机遇和挑战。分析结果表明，尽管在采用方面可能存在挑战，但减少错误和增加决策时间的潜力巨大。因此，本文将概述如何以最佳方式采用该技术。本文将提出从开发到使用的建议，以努力管理与整合新技术相关的风险。归根结底，本文的目的并不是要阻止领导者，而是要强调可能存在的整合挑战，从而使这项能力超强的技术不会因应用不当而被排斥。

本文将基于当前的技术水平，重点讨论人工智能和机器学习（ML）系统。讨论限定在当今和近期可用的技术范围内。否则，讨论就有可能偏离主题，失去与当今挑战的相关性 。本文首先关注这一主题的技术层面。将从广义上描述人工智能，确立一个工作定义，然后重点讨论智能体的学习要素及其从基于性能的学习中“进化”的能力。第二部分将从公开来源的文献中概述美国的核指挥、控制和通信（NC3）架构。下一部分将分析计算机智能体和学习系统的潜在漏洞。将强调三个主要的漏洞来源：数据、算法和个人用户。最后一部分将就如何减轻上述漏洞的潜在影响提出建议，强调弥合硅谷与五角大楼之间的鸿沟、敏捷开发流程和人员多样性等方面的工作。