1 引言

《有人-无人轻型驱逐舰与中型无人水面艇支队在第二与第一岛链作战中的部署概念（CONOPS）》56页报告

无人机（UAV）的种类从小型四旋翼飞行器到可执行广泛任务的高空长航时（HALE）系统不等。由于无人机具有高度可配置性，军队、边境安全机构和警方需要配备合适的传感器组合，以满足在白天、夜间及恶劣天气条件下执行各种不同任务的需求。

这意味着无人机上的载荷空间十分宝贵，不同传感器需要竞争有限的安装位置。传统上，视频和热成像相机一直是比其他类型载荷（例如用于信号情报（SIGINT）和电子战（EW）任务的射频传感器）更受欢迎的选择。然而，由于现代对无线技术的依赖，频谱监测和对感兴趣信号的定位正日益成为增强ISR能力的关键。为实现这一目标，需要新一代轻量化、高性能的电子战/ISR传感器用于无人机载荷集成，以匹配陆基射频传感器的电磁频谱作战（EMSO）能力。

成为VIP会员查看完整内容

AI与军事 · 无人水面艇 · 人机协作 ·

今天 2:14

“战区威慑能够扰乱大国对手的思维并打乱其计划……最终，针对其他大国实施战区威慑是美国应接纳的新核心概念”（美海军上将斯塔夫里迪斯，《Proceedings》杂志2021年7月刊，第25页）。

美军认为当前的海军兵力结构无法满足这一新概念的需求。本研究项目介绍了引入一种小型舰艇级别——“低人员配置自动化作战能力”（LMACC）的分析结果，该舰艇是始于2019财年的一项海军研究项目的概念设计产物。现在需要回答的问题包括：推进该设计，并将其作战概念纳入所需的作战领域（水雷战（MIW）、反水雷措施（MCM）、远征前进基地作战（EABO）、海军陆战队滨海团（MLR）支援以及水下战（USW）的轻型后勤保障）。所有这些都需在为支队作战增强的攻防武器能力范围内实现。本研究探讨了必要的设计、作战与创新。

当前的海军兵力结构成本高昂且不可持续，需要大量人员，后勤保障体系庞大，并且数量不足，无法提供持续且显著的威慑。已有许多文章探讨混合舰队的概念（《Naval Engineers Journal》2023年3月刊）。全舰员配置或全自主运行似乎是目前考虑构建混合舰队的唯二选择。要打造完全无人的战舰并将其整合到现有的有人舰队及即将到来的无人平台中，必须解决许多具体需求。LMACC被设想为迈向混合舰队概念的一个演进且必要步骤。本研究项目提供了引入该小型战舰级别的概念性成果。本研究是对2019年初始项目的进一步深化。最初考虑了一个多准则模型，但设计是首要的，表明此类舰艇级别是可行的。本研究的成果对目前正在进行的2024年项目至关重要，旨在回答进一步的分析问题。

美国海军正处于一个尚未完全实现的时期，只是在系统和作战概念方面已取得进展。尚不清楚全自主战舰的角色在近期（10年内）是否能够承担重要的威慑和特定任务作战。许多基础性问题和创新必须得到关注。LMACC研究始于2019年，基于首席研究员在参与国防高级研究计划局（DARPA）和海军研究办公室（ONR）的“海猎人”（Sea Hunter）中型无人艇项目中所获得的经验。“海猎人”取得了许多成功，尤其是在内部自动化系统方面。它能够成功启航并进行跨洋航行，遵守航行规则并维持其动力装置运行。这些自动化能力是LMACC能够实现低人员配置的核心。此外，人类认知能力与自主性相结合的必要性也已得到证实。今年的海军研究项目（NRP）首先探讨了对“人机协作”（Gallup等人，2023）的需求。为实现LMACC的作战概念，描述并已启动了一系列创新工作线。今年的报告在CONOPs的框架内概述了这些创新。报告从新的通信路径和技术（摆脱对卫星通信的依赖）、人机协作、创建由支队（6艘LMACC和6艘中型无人水面艇（MUSV））共享的5G云、被动传感、电子战、轻型后勤支援以及欺骗技术等方面阐述了这些工作线。其中部分内容将保留在机密文件中。此外，已向海军能源作战执行官（OE）提交了一份提案，概述了在工程和设计中采用新方法的能源与效率新概念。先前的工作已确定了这些舰艇的建造成本，使其非常经济。该概念旨在创建一档经济实惠的小型战舰，作为威慑力量，支援区域盟友和美国海军陆战队（USMC），而大型主力舰艇继续执行广域大洋威慑、航母打击群和两栖作战任务。作为研究的一部分，创建了一个网站，提供额外的简报和详细信息（Gallup 2023）。

在先前LMACC项目以定性和分析性质为主的学术研究基础上，当前项目的工作通过CONOPs具有高度应用性，并包含几个不同的阶段。在每个阶段，项目都采用合理的技术和运用模式，这些模式源自美国海军陆战队（USMC）和美国海军（USN）为印太地区制定的当前战术发展，并可转移到全球其他地区和需求。

成为VIP会员查看完整内容

《无头盔沉浸式飞行模拟器：通过提升军事训练吞吐量改善训练效果》

本工作文件简要介绍了导航战，即针对导航卫星（如作为主导全球导航卫星系统（GNSS）网络的美国全球定位系统（GPS））的定位、导航与授时（PNT）的攻击方法。定位与导航对于汽车、船舶和飞机中的导航员至关重要。例如，GPS的授时为股票交易提供有效时间戳，为电网提供可靠的实时数据，为智能手机的IT系统和蜂窝网络提供同步。对于军方而言，GPS对于精确制导武器等至关重要；在外层空间，卫星星座的发射、定轨和控制也需要它。与此同时，其他GNSS系统也已投入使用，例如伽利略（欧洲）、北斗（中国）和全球导航卫星系统格洛纳斯（俄罗斯）。

由于针对GPS的干扰和欺骗攻击日益增多，人们对过度依赖GPS的担忧与日俱增。干扰是指故意使用电磁能量来阻断GPS信号，而GPS欺骗则是使用虚假信号发送错误的定位和/或授时信息。GPS干扰和欺骗主要在区域冲突中实施。乌克兰战争和加沙战争已显著恶化了这一状况。GPS干扰会影响许多系统，例如船舶的自动识别系统（AIS），这可能导致船舶碰撞和事故。民用航空航班也受到GPS干扰和欺骗的严重影响。自2023年9月以来，观察到GPS欺骗事件增加了500%，到2024年8月，每天约有1500架次航班遭受欺骗。从2024年7月15日到8月15日，共有41,000架次航班因军事活动的附带效应而遭遇欺骗。这通过影响飞机着陆阶段对民用航空构成严重风险，甚至在校正GPS信号恢复后，一些飞机系统可能仍在处理错误数据（GPS污染）。一个关键发现是，目前无法将GPS接收器与其他飞机系统隔离。

针对干扰和欺骗的导航战防御旨在消除干扰产生的电磁噪声和欺骗产生的虚假信号。主要方法包括加密（允许接收器选择正确信号）和更强的GPS信号。新一代的GPS IIIF卫星将增强针对网络攻击和辐射的防护能力。进一步的措施旨在现代化或替换GPS，例如自适应天线阵列、窄带频率滤波器以及与可提供额外PNT信息的惯性传感器的集成。此外，可以利用来自其他GNSS系统（多GNSS）和其他传感器或设备（多PNT）的附加信号。作为GPS的替代方案，美军正在开发量子导航芯片。基于星链（Starlink）、太空帆（Spacesail）和一网（Oneweb）的卫星互联网的扩展将使互联网更容易受到干扰和欺骗。目前仅限于GPS系统的导航战问题届时也将与其他领域相关。尽管导航战防御的研发工作正在进行中，但干扰和欺骗的增多和广泛使用表明需要更多的防御技术。

成为VIP会员查看完整内容

AI与军事 · 模拟训练 · 虚拟现实（VR） ·

今天 2:05

美国空军（USAF）面临着持续的飞行员短缺问题。美空军教育与训练司令部（AF-AETC）副司令克拉克·奎因少将（Maj. Gen. Clark Quinn）指出，2023年存在2000名飞行员的缺口，民用训练职位约有30-40%空缺。各种项目，包括“下一代飞行员训练”（PTN）、“初始飞行员训练”（IPT）和“大学飞行员训练”（UPT），旨在通过使用虚拟现实（VR）头盔进行低成本沉浸式训练来提高飞行员训练吞吐量。然而，它们受到聚散-调节冲突（VAC）、延迟和滞后的限制，这些因素在长时间使用时会诱发受训者的晕动症。至少有三个美国空军一级司令部（DAF MAJCOMs）——空运司令部（AMC）、空战司令部（ACC）和空军特种作战司令部（AFSOC）——需要替代解决方案来支持超过一小时的训练课程。为了克服这些限制，Brelyon公司开发了“超现实”（UR）显示技术，这是一种无头盔虚拟训练飞行模拟器。其以人类视觉为中心的设计——通过“双眼单视界”（horopter）概念实现，以最佳方式融合双眼和单眼深度感知——生成了符合桌面训练所需规格的沉浸式视觉体验：122英寸真实深度、曲率焦点平面（跨度1.5米至2.5米）、110度视野和4K分辨率，所有这些都通过一个30英寸的孔径实现。这种架构使受训者的眼睛能够物理聚焦到正确的深度，避免眼疲劳，实现高效的交互时间，并最终提高训练吞吐量。通过商业和美国空军研究进行的初步研究表明，UR有效解决了与传统VR头盔相关的性能顾虑，为长时间训练课程提供了视觉工效学上的沉浸感，同时保持了成本效益。在此，我们描述UR的基本光学原理和规格，作为为美国空军及其他军种实现普遍可扩展的无头盔沉浸感的一条路径。

飞行员训练需求与重要性

美国空军（USAF）一直在应对严重且持续的飞行员短缺问题，这威胁着其战备状态（Beebe, 2024; Cohen, 2023; Mitchell, 2023）。仅在2024年，估计短缺约2000名飞行员（Larson, 2025），其中大约一半是战斗机飞行员。这一缺口不仅影响空军执行任务的能力，也增加了现役飞行员的工作负担，存在导致过劳和整体效能下降的风险。这一短缺由多种因素驱动，包括高退休率、教练机短缺、机队规模缩小/老化以及民用领域更具吸引力的机会（Ceder, 2025）。解决这一短缺是空军教育与训练司令部（AETC）及其他一级司令部的首要任务。为了帮助缓解飞行员短缺，美国空军越来越多地转向基于模拟的训练，将其作为一种可扩展且高效的解决方案。先进的飞行模拟器允许同时训练更多飞行员，并减少昂贵的实机训练时长。通过扩大沉浸式模拟器的使用，空军旨在加速合格飞行员的培养，并确保受训者准备更充分。

替代解决方案

例如，VR头盔是飞行员培训项目中进行评估的模拟训练技术。现代化的“大学飞行员训练”（UPT）和“下一代飞行员训练”（PTN）项目使受训者能够记录模拟器时长和实际飞行时间，以改善训练进程（Tadjdeh, 2020; Pawlyk, 2024）。模拟训练具有多重好处，包括安全演练复杂或危险场景、减少飞机磨损，以及（理想情况下）通过更频繁、易获取的课程提高训练吞吐量。然而，尽管VR头盔作为解决方案前景广阔，但其广泛使用受到晕动症的阻碍，症状包括恶心、头晕、眼疲劳或疲劳以及定向障碍，最终降低训练效果。这通常影响多达约80%的头盔用户，并且排除了有效训练所需的长时间交互（超过一小时）。此外，传统VR头盔难以提供高级飞行训练所需的深度感知和视觉精度。狭窄的视野、有限的分辨率以及缺乏逼真的焦点提示会阻碍受训者准确判断距离和空间关系的能力——这是安全有效驾驶的关键技能。因此，VR头盔尚未在训练吞吐量或受训者表现方面带来预期的改善。这些工效学和感知上的缺陷促使美国空军及其他军种寻求能够同时提供沉浸式真实感和长期舒适性的替代解决方案。

其原因在于头盔的技术限制，例如聚散-调节冲突（VAC）、延迟和视觉滞后。值得注意的是，VAC是VR头盔设计中的一个重大挑战，当大脑接收到关于聚散（眼睛向内或向外旋转以注视物体）和调节（眼睛的聚焦机制以产生清晰图像）的不匹配视觉线索时就会出现。在目前大多数VR系统中，立体显示器通过向每只眼睛呈现略有不同的图像来创造深度感，这促使眼睛像在现实世界中一样会聚。然而，VR头盔中的透镜通常将眼睛聚焦在固定距离，通常在一到两米之间，而不管虚拟物体看起来位于何处。这意味着，虽然眼睛的聚散会根据感知到的深度进行调整，但调节系统保持固定，导致这两个自然视觉过程之间发生冲突。因此，探索一种完全不同的光学架构是值得的。

Brelyon超现实（UR）技术

Brelyon的“超现实”（UR）显示技术为飞行模拟训练提供了一种替代范式（图1）。与传统的VR头盔不同，UR采用无头盔的超宽显示屏，模拟人类视觉，并最佳地支持双眼和单眼深度感知。它生成一个沉浸式视场（122英寸虚拟图像尺寸，110度视野（FoV），4K分辨率），并避免了VR头盔典型的 discomfort 和眼疲劳。该技术方法使受训者能够物理聚焦到正确的深度（2.5米），减少疲劳并增加交互时间，最终提高训练吞吐量。UR克服了传统VR的局限性，并提供了一种普遍可扩展的、符合工效学的解决方案。在此，描述UR技术的设计原理，特别是它们如何适用于飞行模拟训练平台的舒适沉浸感，并提供初步的用户评估，比较UR与其他解决方案。

图1. Brelyon超现实（UR）飞行模拟平台。请注意屏幕上的内容清晰对焦，而硬件本身（例如周围外壳）则略微模糊。这表明图像在光学上比孔径更深，因为相机需要聚焦到更远的位置才能清晰捕捉它。

成为VIP会员查看完整内容

NeurIPS 2025 · 强化学习 ·

【NeurIPS2025】熵正则化与分布强化学习的收敛定理

在寻找最优策略的过程中，强化学习（RL）方法通常除关注期望回报之外，很少顾及已学习策略的其他性质。因此，即便训练成功，也难以刻画将被学得的是哪些策略以及它们将如何行动。本文提出了一个用于策略优化的理论框架，通过熵正则化温度趋零与一种温度解耦手法，保证收敛到某个特定的最优策略。我们的做法在正则化温度趋于零时，实现一个可解释且保持多样性的最优策略，并确保由策略派生的对象——价值函数与回报分布——也随之收敛。在该方法的一个具体实例中，得到的策略将以均匀概率对所有最优动作进行采样。借助所提出的温度解耦手法，我们进一步给出一种算法，能够以任意精度估计与其可解释、保持多样性的最优策略相对应的回报分布。

成为VIP会员查看完整内容

化学结构 · 多模态文档理解 ·

【博士论文】用于化学结构抽取的多模态文档理解

科学知识的构建、阐释与验证，主要依赖于科研论文与专利文献。然而，这类文档往往采用非标准格式、版面布局多样且内容多模态，给自动化分析带来了障碍。这些挑战削弱了信息检索系统的效能，并限制了在大规模文档集上训练机器学习模型的能力。现有自然语言处理技术通常将文档视为纯文本，忽视了视觉信息的关键作用。尤其在化学领域，化学结构图与马库什（Markush）结构等视觉要素对理解文档内容至关重要。为弥补这一缺口，本论文提出了新的机器学习方法，用于从文档中抽取化学结构与马库什结构。此外，论文构建了一个从专利文献中抽取的化学结构大型数据库。该数据库支持对专利文献的深入分析，并可用于面向特定任务的机器学习模型训练。论文第一部分介绍 MolGrapher，这是一种将化学结构图像转换为分子图（molecular graph）的模型。MolGrapher 对输入图像进行三阶段处理：首先使用卷积神经网络检测分子中原子的位置；随后构建由候选原子与化学键组成的超图（supergraph）；最后结合卷积神经网络与图神经网络对该超图的节点进行分类。该架构在训练效率、对低分辨率图像的稳健性以及对大型复杂分子图像的处理能力方面表现出色。论文第二部分在 MolGrapher 的基础上，提出了一个完整的文档化学结构抽取流程，集成了页面分割、图像分类与基于 MolGrapher 的分子图识别。该工作流程应用于大规模专利文献集，构建了 PatCID 数据库：该库包含来自一百多万份文档的 8,000 万余条化学结构。PatCID 既可用于定位提及特定分子的文档，也可作为下游机器学习任务的高质量训练数据来源。实验表明，与现有自动生成的数据库相比，PatCID 在质量与覆盖面方面均更优；同时，PatCID 也是对人工构建数据库的有力补充。论文最后一部分探讨马库什结构的识别问题。马库什结构是一种用于在文档中定义相关分子家族的表征方式，该任务具有挑战性，要求对视觉图示与文本成分进行联合解析。为此，论文提出 MarkushGrapher，该模型结合了视觉-文本-版式（Vision-Text-Layout）编码器与光学化学结构识别（Optical Chemical Structure Recognition, OCSR）编码器。MarkushGrapher 将马库什结构转化为由图与表组成的结构化表示：图对应结构的视觉部分，表对应其文本定义。实验结果显示，MarkushGrapher 在多种评测设定下显著优于化学专用模型与通用视觉-语言模型。

成为VIP会员查看完整内容

从被动式 LLM 向自主式 LLM-智能体的快速跃迁，标志着网络安全领域的新范式。尽管这些智能体既可作为进攻与防御行动的强大工具，但正是这种智能体语境引入了一类新的内生安全风险。本文提出首个关于智能体安全版图的全景式综述，并围绕三个相互依存的支柱——应用、威胁与防御——对该领域加以结构化梳理。我们对 150 余篇论文给出全面的分类体系，解释智能体如何被使用、其所具有的脆弱性，以及为保护它们而设计的防御措施。通过细致的跨维度分析，我们既展示了智能体架构的新兴趋势，也揭示了在模型与模态覆盖方面的关键研究空白。

1 引言

自大型语言模型（LLMs）问世以来，它们已被应用于网络安全领域（Xu 等，2025a；Wang 等，2024；Deng 等，2024a）。研究范式正从被动式 LLM 转向自主式 LLM-智能体（Yao 等，2023；Shinn 等，2023；Schick 等，2023），这使模型的能力显著增强：它们不仅能描述解决方案，还能执行该方案。 定义：LLM 智能体

我们将 LLM 智能体定义为：其核心决策模块为 LLM，能够进行规划，调用工具/API，并在外部环境中采取行动；同时观察反馈并据此调整后续动作。它维护状态（短/长时记忆或知识库），并可能包含显式的自我反思/自验证与治理层，以满足任务目标与安全约束。这种新获得的“能动性”使 LLM-智能体在安全谱系上展现出惊人的能力（Shen 等，2025；Zhu 等，2025b；Lin 等，2025b）。然而，多项研究表明，仅仅将 LLM 包装进智能体框架这一行为，就会显著增加其脆弱性（Saha 等，2025；Kumar 等，2025；Chiang 等，2025）。对此，越来越多的研究着手提出对策以加固这些系统（Debenedetti 等，2025；Udeshi 等，2025）。智能体安全研究的快速发展——仅 2024–2025 年间就有 150 余篇论文——造成了缺乏系统综合的碎片化格局。现有综述虽分别在安全威胁（Deng 等，2024c）、可信性（Yu 等，2025）、企业治理（Raza 等，2025）与核心 LLM 安全（Ma 等，2025）等具体方面提供了有价值的洞见，但如表 1 所示，它们未能呈现全景图。这种碎片化使实践者与研究者缺乏一个统一框架来理解智能体的能力、脆弱性与防御之间如何相互关联。在本文中，我们提出首个关于智能体安全版图的全景式综述，并围绕安全研究者最关心的三个问题加以结构化：**“智能体能为我的安全做什么？”（应用），“它们会如何被攻击？”（威胁），以及“我如何阻止它们？”（防御）。**为此，我们定义了三大分类支柱： * 应用（§2）：在下游网络安全任务中使用 LLM-智能体，包括红队（自主式漏洞发现）、蓝队（威胁防御）与特定领域安全（云、Web 等）。 * 威胁（§3）：智能体系统所固有、可被攻击者利用的安全脆弱性。 * 防御（§4）：用于抵御上述威胁、加固智能体系统的技术与对策。

通过独特地贯通这三大支柱，我们的综述给出了当前技术全貌，将分散的研究工作整合为可执行的知识体系。本文的贡献包括三点： * 全景式回顾：基于三支柱分类，对智能体安全进行深入综述，如图 1 所示。 * 聚焦应用：详尽梳理安全团队实际如何使用智能体——覆盖进攻、防御与特定领域任务，这是既往综述较少触及的方面。 * 跨维度分析：对 150 余篇论文进行分析以识别关键趋势与重要缺口——例如：从单体到规划-执行器与多智能体架构的迁移；研究几乎集中于单一商业 LLM（GPT）；威胁与模态覆盖不均（RAG 污染防御不足、图像相关工作稀少）；以及基准碎片化等。

成为VIP会员查看完整内容

AI与军事 · 人工智能 · 作战规划 ·

《人工智能在军事行动作战规划过程中的应用可能性》

关于人工智能在大数据处理中的应用及人工智能在作战系统中的应用进行了初步热烈讨论和广泛推测之后，本文为关于人工智能在军事行动中的辩论提供了一些亟需的具体内容。文章指出了在军事行动的作战规划过程中可以应用人工智能的若干环节，这些应用可能对从作战层级到战术层级的军事应用产生实际影响。本文是塞尔维亚武装部队项目“21世纪初以来现代军事行动的理论与实践”（项目编号：ŠNO/DH/1/24-26）的一部分。

关键词：人工智能，作战规划，军事行动，应用，可能性

1. 引言

20世纪末和21世纪的冲突预示了新一代战争的出现，并影响了在军事行动中运用战斗和非战斗部队（单位）的新概念的形成。在近期的冲突中，可以区分出两个非常重要的部分。第一部分涉及作战区域（战场）的可视化，第二部分指出了在战斗行动中不可或缺地使用机器人作战系统。第一部分对改进作战规划和做出恰当决策的过程贡献最大，第二部分则对改进军事单位的运用战术贡献最大。作战区域的实时可视化（战场情报准备和战斗行动期间作战系统部署的数据）以及机器人作战系统的使用，开始依赖（运用）人工智能。这正在塑造关于军事行动中机器人技术、自动情报处理、自主系统和人工智能的话语。

2. 人工智能

21世纪的人工智能已成为不可或缺的工具，它帮助个人、决策者和公司在更短时间内获取特定信息并加速决策过程。21世纪的大多数理论家认为，人工智能代表了复制人类任务的机器或机器人（系统），但要真正评估人工智能在战争领域或人类社会中的影响，应该更具体些。人工智能系统可以将人们从常规工作中解放出来（例如，分析某些文本以收集一些数据等），并增强人们的创造能力。人工智能可以在人类活动的大多数领域提供帮助，从执行搜索大量数据的常规任务到帮助科学家做出新的科学发现。然而，人工智能也可能被社会中的某些破坏性力量利用，以破坏社会的凝聚力和社会关系，并且可能破坏公共安全或国际安全。因此，有必要对人工智能的运行持批判态度，以便在尊重伦理规范的同时提高其效率。

人工智能的术语定义将包括能够执行通常需要人类智能的任务（如视觉感知、语音识别、决策制定和语言翻译）的计算机系统的理论与开发。如果不基于机器学习算法，就无法充分定义人工智能。算法在数据中找到复杂的模式，这些模式可用于形成规则。机器学习由算法组成，这些算法允许计算机通过理解所给数据与算法设计者（程序员）试图解决的问题之间的关系来识别数据中的模式，而无需由人类显式编程规则。大多数关于人工智能的学术研究都同意，在该领域不同的研究方法下，不存在一个普遍接受的人工智能定义。然而，美国《2019财年国防授权法案》（FY2019 NDAA）确实为第238条（联合人工智能研究、开发与转化活动）的目的提供了人工智能的定义：

• 任何在多变和不可预测的情况下无需大量人工监督即可执行任务的人工系统，或者能够从经验中学习并在接触数据集时提高性能的人工系统。
• 在计算机软件、物理硬件或其他环境中开发的，解决需要在接触数据集时完成任务的人工系统。
• 旨在像人类一样思考或行动的人工系统，包括认知架构和神经网络。
• 一套旨在近似认知任务的技术，包括机器学习。
• 旨在理性行动的人工系统，包括使用感知、规划、推理、学习、通信、决策和行动来实现目标的智能软件智能体或具身机器人。

本文件编写过程中参考了为第238条目的所提出的人工智能理论规定。

人工智能对人类发展有着巨大影响，但由于它并非如此完美，并且可能被破坏性力量利用，因此应特别关注人工智能的安全性。人工智能安全指的是实践中的研究领域，旨在确保人工智能系统的开发和实施方式能够最小化风险并最大化对人类有益的结果。人工智能安全涵盖广泛的关注点，包括：

• 鲁棒性与可靠性：确保人工智能系统在不同条件下按预期执行，并且不表现出意外或有害的行为。
• 伦理考量：解决与人工智能系统中公平性、问责制、透明度和隐私相关的问题，以防止对个人或群体造成伤害或歧视。
• 价值对齐：将人工智能系统的目标和价值与人类用户及整个社会的目标和价值对齐，以防止冲突或意外后果。
• 风险缓解：制定策略和机制以识别、评估和缓解与人工智能技术开发和应用相关的潜在风险，如副作用、误用或意外后果。
• 长期影响：预测并规划人工智能技术的长期社会、经济和生存影响，包括与就业、不平等以及人工智能超越人类能力的潜力相关的问题。

在应用适当安全措施的前提下，在各种过程（教育过程、科学研究过程、某些产品的生产与分销过程、分析过程等）中使用的人工智能的优势，可以应用于军事行动的作战规划过程。

3. 军事行动的作战规划过程

军事行动的规划定义了军事行动的目标和预期结果、实现目标的方式、指挥官的意图以及指挥官的决策。规划的成果是一份可调整并应允许下属指挥官发挥主动性的作战计划。规划是一个在各级指挥层级持续实施的过程——军事行动的规划通过作战规划的过程和程序来执行。

作战规划是一个协调的程序，由一系列逻辑阶段组成，旨在以最优方式执行任务。最常见的情况是，信息不完整、时间不足和资源有限会阻碍规划，而作战规划过程旨在优化在不确定性条件下进行的决策中的逻辑和分析活动。作战规划过程适用于任何类型、任何战场、任何部队规模的作战规划层级。该过程应能使指挥官将各种部队的努力整合到过程中，从而实现有效和协调的规划。军事行动的规划在各级指挥层级进行。塞尔维亚武装部队的《作战规划指令》提到了两种规划类型：预防性规划和危机应对规划。北约的联合作战规划条令列出了以下规划类型：预先与危机应对规划，以及作战行动过程中的规划。

在任何类型的军事行动规划中，都应采用适当的方法（传统方法、因果法、系统法、基于设计的方法、效果导向法）来分析危机或冲突，理解危机的各个部分，理解危机各部分之间的联系和关系（外部与内部联系），并预测在特定作战区域内解决危机（冲突）的可能方案。该过程首先受时间、情报信息、指挥成员能力以及军事单位效率的条件制约。为了使指挥官和参谋部能够解决危机，必须通过分析所有影响因素及其相互关系来对部队和活动进行建模，以选择执行任务的最佳方式（确定适当的部队运用方案）。为了使指挥官和参谋部得出适当的部队运用方案，必须：理解作战问题，理解作战环境，实时可视化和显示作战环境，评估自身能力，制定多个部队运用方案，并选择一个适当的部队运用方案来解决作战区域内的危机。在此过程中，指挥官和参谋部使用各种方法和工具，人工智能可被归入其中。

4. 作战规划过程中可应用人工智能的环节

从孙武到仍在持续的乌克兰与俄罗斯联邦之间的冲突，战争史指出了战场情报准备和作战区域可视化的极其重要性（在某些战斗中具有决定性意义）。在实施战场情报准备期间，可以使用自动化和自主作战系统。自动化系统是一种计算机基于“如果-那么-否则”规则在清晰结构中进行推理的系统，并且它是确定性执行的，这意味着对于每个输入，系统输出将始终相同（除非出现问题）。自主系统则是一种根据给定输入集进行概率推理的系统，这意味着它根据传感器输入对最佳可能行动方案进行猜测。与自动化系统在给定相同输入时不同，自主系统不一定会每次都产生完全相同的行为，但此类系统会产生一系列行为。在评估和描述作战环境时，会使用来自情报数据库的现有数据，确定情报数据库中的缺陷，并据此规划收集和传递情报数据的适当方式。为了节省时间并提高司令部情报机构的工作效率，可以使用人工智能来分析来自情报数据库的大量数据和进行情报评估。自主系统（无人驾驶航空器、陆基和海基机器人侦察平台）正越来越多地用于收集情报数据。无人机上的传感器可以发现潜在目标，将其与数据库进行比较，并决定该目标是否有效；如果有效，则将其转发给作战中心；如果目标以某种概率有效，它们可以决定使用另一个传感器或指令无人机飞往另一个位置对潜在目标进行成像。

在确定行动对象的选择和评估行动效果时，可以使用人工智能来加速分析行动对象的过程和分析作战行动效果的过程。人工智能将通过评估潜在目标是否可达以及在特定战斗环境中可使用哪些作战系统来瞄准该目标（前提是情报数据库是最新的），来协助目标选择小组。这就是美国军方开发“Maven”项目的原因。现代军事行动是在多个域中进行规划的，这开启了在网络域应用人工智能的可能性。传统的网络防御工具寻找与先前恶意代码的历史匹配，因此“黑客”只需修改该代码的一小部分即可绕过这些防御。相比之下，早期的网络防御工具旨在识别网络行为模式的变化并检测异常，从而为以前未注意到的攻击方法提供了潜在的更大屏障。另一方面，自主性本身会增加己方部队遭受网络攻击的脆弱性。对手可以使用恶意软件来接管或操纵自主系统的行为，这将很难检测或对抗。在信息域，可以使用人工智能基于监控到的社交媒体和信息空间中的其他活动来制造虚假信息，并将其分发给目标群体。

在规划现代军事行动时，必须考虑自动化和自主作战系统。2015年12月，美军在叙利亚拉塔基亚省针对恐怖组织“伊斯兰国”（ISIS）的战斗行动中，实施了机器人作战系统与步兵和炮兵部队的协同使用。自主（机器人）作战系统的运行基于人工智能。自主作战系统可以单独使用或以蜂群形式使用。在战斗部队、战斗支援部队和安全部队内部规划自主作战系统的使用是可能的，同时需应用伦理规范和国际人道法准则。

5. 结论

21世纪初以来的冲突显示了多维度特性，并证明了使用无人机和其他机器人作战平台不可阻挡的势头，以及收集和处理大量信息的重要性。人工智能的发展使其得以在无人驾驶航空器、机器人作战平台、大量数据的收集和处理等方面得到应用。

本文提出了以下事实，表明在军事行动的作战规划过程中应用人工智能的可能性。首先，人工智能可用于作战区域的可视化和战场情报准备。其次，人工智能可用于选择行动对象和评估战斗行动效果的过程。第三，在规划军事行动时，必须考虑在多个域中应用人工智能以及使用其运行基于人工智能的作战系统。

未来的分析将对以下问题有所助益：人工智能在兵棋推演中的应用？在战斗行动中使用人工智能的挑战与风险。

成为VIP会员查看完整内容

AI与军事 · 作战规划 ·

《现代化战役与作战规划：陆军的未来之路》最新101页