人工智能(AI)是未来联合部队充分发挥多域作战(MDO)潜力的基础。由人工智能支持的系统有能力在各领域、电磁频谱和信息环境中战胜对手。在竞争中使用这些系统可使联合部队近乎实时地了解作战环境,从而更好地利用各种能力击败旨在破坏地区稳定的威胁行动,遏制暴力升级,并将被拒绝的空间变为有争议的空间。在从竞争向武装冲突过渡的过程中,人工智能支持的机动、火力以及情报、监视和侦察能力为联合部队提供了阻止敌人夺取优势阵地的能力。改进的维持吞吐量与攻击敌方反介入/空中拒止网络的能力相结合,为美军夺取作战、战略和战术优势阵地提供了能力。通过人工智能支持的联合多域共同作战图(MDCOP)提高理解能力,使美军有能力协调多域效应,创造优势窗口。

制定人工智能作战概念可使陆军更好地了解这些技术对战争性质和特点的潜在影响。描述陆军如何在未来作战环境中使用人工智能,有助于说明人工智能对战争的暴力性、交互性和根本政治性以及战争不断演变的特点的影响。本文提供了一些小故事(附录 A),说明了组织对人工智能的运用,为可能制定的美国陆军 RAS 总体概念、作战和组织概念、基于编队的作战概念以及系统或单个系统的运用概念提供了参考。

人工智能的可操作性影响着未来部队的作战方式、针对对手的作战行动,以及指挥官如何利用军事艺术和科学运用部队能力来实现预期效果和目标。在2019年未来研究计划(FSP19)期间,人工智能工作线(LoE)确定了以下与实施人工智能多领域解决方案相关的问题:

  • 数据管理--AI/ML 应用程序的运行依赖于对经过整理的数据的访问。陆军必须培养以数据为中心的文化,以标准化的格式和协议来生成、存储和访问数据。人才管理工作必须侧重于培养、培训和留住一支精通数据的员工队伍。这可以通过以下方式实现

    • 在整个部门培养以数据为中心的文化

    • 投资于整个员工队伍的数据科学培训

    • 简化数据访问

    • 设计和实施协议,确保数据可发现、可访问、可共享和可互操作

  • 功能分解--狭义的人工智能本质上是有限的,构建算法的数据科学家需要精确的问题定义,准确确定联合部队的需求。

  • 可解释人工智能--人工智能系统需要有能力解释决策/建议和行动背后的逻辑。这种解释 "为什么 "的能力是人类信任人工智能智能体的基础。

  • 边缘计算/人工智能--未来的作战环境预计将面临电磁频谱的竞争,这就要求能够向前处理超大数据集的能力,以及能够自主行动的人工智能平台。

  • 利用商业部门 - 国防部实验室继续在人工智能/ML 开发方面取得重大进展,特别是与联邦资助的研发中心合作。商业部门将继续探索和拓展可用于军事应用的工作。

作为FSP19的一部分,人工智能LoE开发了五个小故事和一个概念草图(见附录A),以协助人工智能和机器学习的操作化。这些小故事说明了联合部队如何利用人工智能/机器学习来应对多域行动所需的关键能力。MDCOP 概念将依靠几个有限内存的人工智能来构建和维护一幅描绘战场上蓝、红、绿三方活动的图景。反应型机器人工智能将为特定指挥官和总部量身定制 MDCOP。合作传感、维持、攻击和瞄准小节依靠反应式机器人工智能来优化传感器覆盖范围、维持吞吐量、攻击排序和射手选择。

未来部队需要人工智能来充分发挥多域作战的潜力。人工智能系统使未来部队能够进行信息收集和分析,从而在时间紧迫、信息竞争激烈的环境中提高对态势的了解。这种能力可实现快速、知情和正确的决策。人工智能决策支持体将减轻作战人员的认知工作量,提高整体效能。人工智能支持的无人系统将探测、识别和穿透高风险区域,以提高开展行动和保护部队、人口和资源的能力。人工智能可满足 MDO 在与近似对手的冲突中对作战速度的要求。

成为VIP会员查看完整内容
78

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。
《作战层面的人工智能》美国海军学院32页报告
专知会员服务
192+阅读 · 2022年12月17日
国家自然科学基金
264+阅读 · 2017年12月31日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
22+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
15+阅读 · 2015年12月31日
国家自然科学基金
32+阅读 · 2014年12月31日
国家自然科学基金
33+阅读 · 2013年12月31日
国家自然科学基金
34+阅读 · 2013年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
39+阅读 · 2011年12月31日
Arxiv
142+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
348+阅读 · 2023年3月31日
Arxiv
123+阅读 · 2023年3月24日
Arxiv
18+阅读 · 2023年3月17日
VIP会员
相关VIP内容
相关资讯
相关基金
国家自然科学基金
264+阅读 · 2017年12月31日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
22+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
15+阅读 · 2015年12月31日
国家自然科学基金
32+阅读 · 2014年12月31日
国家自然科学基金
33+阅读 · 2013年12月31日
国家自然科学基金
34+阅读 · 2013年12月31日
国家自然科学基金
10+阅读 · 2012年12月31日
国家自然科学基金
39+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员