人工智能和自主系统在美军联合职能中的应用

人工智能和自主系统在美军联合职能中的应用_第1张图片

来源:知远战略与防务研究所

【知远导读】随着人工智能/自主系统技术的快速发展及其在军事领域的持续应用,智能化、无人化日渐成为未来战争的发展方向。美国作为世界军事发展潮流的引领者,正在积极探索人工智能/自主系统与联合部队作战职能的融合。根据美军联合出版物JP 3-0《联合作战纲要》,联合职能指的是“为协助联合部队指挥官整合、协同和指挥联合作战行动而组合在一起的能力和活动”。

本文原文发表于美国JFQ 2020年第1期,作者是美国陆军随军牧师培训中心及学校高级顾问布莱恩·戴维·雷(Brian David Ray)、陆军第335信号司令部(战区)助理参谋长兼审计长珍妮·弗吉(Jeanne F. Forgey)和空军国民警卫队第167空中运输中队飞行员本杰明·马赛厄斯(Benjamin N. Mathias)。文章从人工智能/自主系统所具备的优势着眼,论述了相关技术在指挥与控制、情报、火力、运动与机动、防护、保障以及信息等七项基本职能中应用的必要性、重要性和可行性。

本篇推送为节选,文章全长约12000字,由于篇幅所限,对相关技术在防护、保障及信息等三项基本职能中的应用做了删节,希望阅读全文的读者请直接与编辑部联系,或关注即将更新的《知远防务评论》。

 

尽管2018年的《国防战略》重点强调了技术创新给战争带来的影响,但联合部队在人工智能/自主系统(AI/AS)领域的探索仍然没有取得突破性进展。为解决该问题,在整个部队的编制中应该增设一个由军官、准尉和高级士官组成的人工智能/自主系统特业小组(cell),以推动技术与联合职能的有机融合。这种设立专业机构的做法类似于美国陆军在2003年推行的“知识管理”战略,当时陆军在旅一级单位设有独立部门和人员来专责知识管理工作。借助知识管理,陆军力图“通过增强理解力和可视化来帮助指挥官推动作战进程。

本文探讨了人工智能/自主系统对指挥与控制、情报、火力、运动与机动、防护、保障以及信息这七项联合职能所带来的影响。这些职能代表了开展相应活动的要素,而这些活动又为指挥官和参谋人员提供了同步遂行军事行动的能力。每项职能都可以实现与联合能力领域(JCAs)以及职能能力委员会(FCB)的对接,从而使决策者能够有效进行评估和决策。

人工智能和自主系统在美军联合职能中的应用_第2张图片

人工智能/自主系统在联合部队中的应用

联合部队一般通过有效整合陆、海、空各军种所固有的能力来实施作战行动。在过去20年的交战中,联合部队主要依托一系列“互联的有人值守平台来实现监视与目标数据的跨区域传递”。但在接下来的20年里,技术革新将给联合部队规划和遂行各项任务带来重大挑战。信息、神经、量子、纳米、生物这5项关键技术的迅猛发展成为了人工智能和自主系统的主要驱动力。在未来的冲突中,尤其是在与中俄等主要竞争对手的冲突中,人工智能/自主系统的体系架构和算法可能随处可见,这些架构和算法以前所未见的“协调能力、情报能力和速度”催生了具有杀伤力的“蜂群”作战模式。在2016年3月国会举行的预算听证会上,时任参联会主席约瑟夫·邓福德(Joseph Dunford)上将在谈到未来冲突时表示,“未来冲突越来越呈现出跨域、多域和多职能的性质……它将突破多个作战司令部的地理边界、职能和领域。”而美国的主要竞争对手非常清楚人工智能/自主系统在未来冲突中的重要作用。

例如,中国政府在2017年印发并实施《新一代人工智能发展规划》,确立了面向2030年的人工智能发展目标。该《规划》倡导人工智能领域的军民融合,以加快国防技术的成果转化,并为指挥决策、军事论证和国防科研提供有力支撑。而中国将这一领域的战法称为“体系对抗和体系破击战”。俄罗斯总统普京在认识到人工智能的战略价值后,曾表示“谁能成为人工智能领域的领导者,谁就将成为世界的统治者。”

自主系统在军事上的应用可以极大提高联合部队的防护力和杀伤力(例如无人车辆和蜂群武器系统),也能够凭借其快速、高效的决策能力为指挥官提供支援。尽管人工智能/自主系统处于学科前沿,但美国国防部既没有采取积极措施,制定政策来管理这项技术,也没有将其纳入正式的采购流程。缺乏政策导向和资金支持可能会限制人工智能/自主系统的全部军事潜力。而对人工智能/自主系统联合或合作探索的匮乏应该引起足够重视。截至2018年夏季,各军种似乎仍处于各自为政的状态。例如,仅空军就有超过600项涉及人工智能的项目。

人工智能/自主系统具有极大的军事应用潜力。部分研究人员设想的未来战争是利用自主和无人系统进行的战争,而这些系统可以通过网络,针对战场情况采取协调一致的行动。例如,蜂群/协同作战将使同步攻防,域内资源高效分配,响应敌人行动的自修复网络,以及协调广泛分布的感知、欺骗和攻击资源成为可能。正如时任美国陆军部长马克·埃斯珀(Mark Esper)所说,“人工智能/自主系统这项技术可以完全改变战争的性质。”

在美国陆军战争学院发布的《关键战略问题清单2018-2020》中,人工智能/自主系统被认为是未来研究与投资的关键领域。美国的盟友英国也认识到人工智能/自主系统对各项联合作战职能的增益,包括增强态势感知、减轻认知负担、提高保障效率、增强部队防护力以及最终实现域内和跨域的出色机动。然而,美国及其盟友在联合职能中应用人工智能/自主系统却面临着与测试和验证有关的困难。简而言之,即如何让高层相信系统能够按预期执行任务,而不会造成负面影响。

关于人工智能/自主系统在联合部队中的应用,目前主要涉及四个联合能力领域:战场感知、力量运用、防护、后勤。

人工智能和自主系统在美军联合职能中的应用_第3张图片

指挥与控制

根据联合出版物JP 3-0《联合作战纲要》,各联合职能之间是互相补充、互相加强的关系。如果联合特遣部队(JTF)想要切实有效地完成任务,就必须实现各职能的融合。在7项联合职能中,指挥与控制职能最为复杂和重要,其具体包括管理风险、指挥下属部队、评估任务进展、协调并控制联合致命性和非致命性能力的运用等12项任务。考虑到这些任务的重要性,人工智能/自主系统显然可以在提高各类指控决策的效率方面发挥重要作用。就像美国陆军战争学院的萨缪尔·怀特(Samuel White)所说,“决策胜利就是战场胜利。”同样,提高指挥官有效“理解作战环境”的能力也是《战争十年》(Decade of War)系列研究中11个战略主题之一,该研究主要着眼于从阿富汗和伊拉克战争中汲取关键教训。

另一个能够证明人工智能/自主系统对该职能有所助益的例子是,人工智能/自主系统可以提供更具时效性和准确性的情报,帮助联合部队建立更加完善的通用作战图(COP),从而使参谋人员和指挥官更好掌握战场形势发展。在打击恐怖主义的行动中,人工智能/自主系统每天能够对超过9万条Facebook动态进行自动分析,并从中寻获可供行动使用的情报(actionable intelligence),这种效率即便是最优秀的情报分析团队也望尘莫及,而这也被视为人工智能/自主系统改善指挥与控制的经典案例。邓福德将军把此类情况称为指挥官“以相关速度进行决策”的能力。

安德鲁·马西(Andrew Massie)在谈到为什么人工智能/自主系统与其给指挥与控制带来的影响难以调和时强调:指挥与控制面临的挑战包括传达意图,以及在任务遂行方式不明确的情况下理解任务目的;有能力的下属会根据情况做出最佳判断。而当上级向下属授权时,通常会设定界限。下属在接近这些界限时,需要向上级请示汇报以获得进一步批准。因此,监督和控制为任何指挥关系所固有,并会根据环境和任务的复杂程度发生变化。而这正是问题的症结所在,即如何在指控协议中发挥人工智能/自主系统的速度优势,同时又不丧失根据战场变化重新下达或修正指挥命令的能力。

人工智能还可以协助指挥官区分敌我友,确定报复打击的范围和程度。美国空军目前正在研发最先进的航电系统处理器,即先进数字核心处理器(ADCP),据悉该处理器每秒可以处理870亿条指令,从而为战斗机提供更快速、更可靠的任务数据。人工智能的另一大优势领域是复杂环境下的军事行动,比如大城市作战和城市地下作战。根据IBM公司沃森人工智能实验室的预测,人工智能/自主系统技术将很快被用于制定战术级军事计划,以及为指挥官设计成套的行动方案(COA)。

利用人工智能/自主系统强化指挥与控制可以带来如下优势:不会衰减的记忆,不受感情的影响和不带偏见的分析。但是,自主系统不会像人类一样去推理,只能通过概率计算来生成行动方案。因此,国防部指令3000.09《自主武器系统》从2017年5月起,就自主和半自主系统在指挥与控制职能中的应用问题提供了明确指导:“自主和半自主武器系统在设计上应充分考虑指挥官和操作员基于武力运用的判断。”在使用致命性武力的军事行动中,从扣响扳机的士兵到指挥行动的指挥官,他们之间存在一种明确的责任关系。然而对自主武器系统而言,这种责任关系并不明晰。在传统的指挥链条外,如何确定是谁下令发动攻击,以及由谁或由哪个实体来承担责任,这是一项重大挑战。

基于对上述担忧的考虑,美国在众多国际场合(例如联合国《特定常规武器公约》)所阐明的立场是,只有当个人做出“适当程度的判断”后,才能对目标使用致命性武力。换句话说,拥有最终决策权的是人而不是机器。但有趣的是,就在同一场会议上,美国还表示并非所有的开火命令都要由人来下达。相反,美国认为武器系统的运作方式必须符合“理性的人类决策”。具体而言,美国的立场文件认为,国际人道主义法“不要求武器打击的目标是否是军事目标,只要求由操控者来区分武器的使用原则”。

人工智能和自主系统在美军联合职能中的应用_第4张图片

情 报

联合情报流程包括6类情报活动:计划与指导、搜集、处理与加工、分析与生产、分发与整合、评估与反馈。如果人工智能/自主系统工具得以正确建立并经过各军种、各情报部门专家的全面审查,那么它就可以为情报人员提供大量机会,使分析人员克服认知偏见(例如先入为主或从众效应)成为可能。

尽管人工智能/自主系统可以通过调用历史数据、文化知识、先前的作战设计和战果来提出对策建议,但情报的计划与指导仍将以人为主导。与人工智能/自主系统在其他领域的应用相类似,能否成功将这项技术应用于情报职能,在很大程度上取决数据的数量和质量。而打破传统“烟囱式”的数据管理模式则是人工智能/自主系统在联合情报领域取得成功的关键。

虽然情报搜集活动可以借助人工智能/自主系统得到强化和完善,但指挥官需要花时间让机器了解他们的优先情报需求,并为他们制定合适的搜集策略。实际上,人工智能/自主系统工具完全可以充当情报搜集管理者(CM)的角色,只需把握以下四个关键原则:确定早期需求、确定优先需求、搜集手段多元化、情报资源多样化。目前,美国海军已经在海上(海军水面舰艇计划)和空中(第六代战斗机)平台部署了大量的人工智能传感器。

人工智能/自主系统在情报处理与加工领域的应用最具前景。例如,在过去10年间,来自地理空间情报领域的专家、学者每年都会参加一项名为“ImageNet”的挑战赛,来共同判别图像中的特定目标。来自世界各地的团队通过合作与竞争,利用传统的编程代码、详细的算法公式以及人工智能/自主系统工具,建立最有效的运算程序。由此生成的开源数据库目前已囊括了1400多万个可用于训练人工智能图像识别工具的统一资源定位符(URLs),其中部分工具的识别准确率达到了惊人的97.3%,远超情报分析人员的平均水平。信号情报(包括通信情报、电子情报和外国仪器信号情报)是另一门适用人工智能/自主系统工具的情报品类。但此类工具在其他情报品类中的应用则不会太快实现,比如人力情报。

情报的分析与生产环节也是整合人工智能/自主系统工具的理想选择。目前,中国人民解放军正在开发能够实现数据融合、增强情报分析和支持指挥决策的算法。今天的情报团队正面临着来自各类传感器和信息源的海量数据。技术进步将持续加快信息流动的速度,然而分析人员却无法跟上这样的增速。在分析流程中整合人工智能/自主系统工具存在不可避免的风险。与其他认知工具或机器学习的手段类似,人们需要花费大量时间来熟练运用这些工具,并对它们生产的情报产品建立信心。同时,还必须建立适当流程对分析数据进行全面把关,特别是对那些可能服务联合部队的情报产品。但最终,如果联合部队找不到优化情报分析职能的方法,那么指挥官仍将错失大量可供行动使用的潜在情报。

在分发与整合的职能范畴内,人工智能/自主系统可以为前者赋能,但需要后者才能实现这一过程。标准的分发流程是最能体现情报职能自动化的方面,然而特殊的分发流程可能还要继续依靠人力。如前文所述,要想整合大部分标准数据,首先需要成功整合人工智能/自主系统工具。即便如此,各类数据源和情报、监视、侦察(ISR)资产仍旧面临着不小的安全隐患。这是因为自动化系统中的任何传感器都可能被敌人以各种方式(比如干扰、拦截、黑客、欺骗)所利用,而把这些工具统统整合到一个网络内无疑会进一步增加风险。

虽然人工智能/自主系统工具能够对情报产品的质量、效益做出客观的评估与反馈,但人的判断标准仍旧是这个环节中最关键和最有影响力的因素。如果指挥官不相信来自人工智能/自主系统的情报产品,或不把此类产品作为指导行动的依据,那么该流程的效率就变得毫无意义。

人工智能和自主系统在美军联合职能中的应用_第5张图片

火 力

联合出版物JP3-0列举了火力运用时的8个注意事项:联合目标确定、联合火力支援、防空反导、遮断敌方能力、战略攻击、全球打击、控制附带损伤和非致命性能力。随着人工智能/自主系统的蓬勃发展,在程序员和指挥官之间建立紧密的合作关系也变得愈发重要。在人工智能/自主系统甫一引发关注的2005年,美国联合部队司令部(编注:该司令部已于2010年撤销)某高层人士曾对自主武器系统做出过如下评价:“它们不会感到饥饿,也不会感到害怕;不会忘记命令,更不会关心旁边是否有人被射杀。它们会比人类做得更好吗?那是当然。”2019年以来,人工智能/自主系统对火力职能产生的影响越来越大。对此,陆军负责采购、后勤和技术事务的助理部长布鲁斯·杰特(Bruce Jette)给出了自己的看法:

许多公共机构站出来发声,说“我们不想看到人工智能与武器系统联系在一起。”但时间本身也是一种武器。如果我无法正确引导人工智能来管理武器系统,那么从长远来看,我就输给了时间。假设你用火炮群向我射击,但我可以拦截这些炮弹,而你每发射一次就需要一名炮手。问题是你没有足够多的人手和足够快的速度来完成这一切。

虽然上述观点大部分正确,但其毕竟只看到了人工智能/自主系统作为战争资源的一面。然而我们必须考虑谁来为技术负责的问题。毫无疑问,美国政府和战场指挥官在任何情况下都要为人工智能/自主系统所实施的行动负责。根据国防部指令3000.09的规定,自主武器系统必须要在“符合指挥官和操作人员意图的时间表内完成交战,如若不能,则必须终止行动或等待操作人员重新下达命令”。

鉴于该指令做出的规定,制定各种情况下的交战规则,以及为人工智能/自主系统的应用设定界限,已成为当前国防部面临的主要挑战。例如,在对自主武器系统进行编程的过程中,我们发现这些武器只有在少数情况下才能被有效和安全地使用,这就引发了成本和收益的问题。如果自主武器系统无法满足“指挥官的合理要求”(即在可能造成的附带损伤和潜在的军事优势之间做出权衡),那么军方高层可能不会为了自主武器系统的潜在优势而甘冒风险。

运动与机动

联合出版物JP 3-0指出,运动与机动的目的是通过占据有利阵地来达成战役和战略目标。该过程主要通过5项关键任务来实现:在作战地域(OA)部署部队,机动至对敌形成优势的阵地,持续不断地通过地形或障碍,迟滞或阻止敌军的运动与机动,控制作战地域内的关键地域。

在运动与机动方面,像机器人这样的自主系统与人类相比具有一定优势。例如,机器人没有自我防护的本能需要,而这种需要通常会迟滞部队推进的速度。机器人也没有情感波动(例如沮丧、恐惧、报复、愤怒等情绪),而这种波动可能会分散或影响作战人员的判断。相反,机器人不知道生命之于人类的宝贵,也自然不会生出同情或怜悯的恻隐之心。人工智能/自主系统技术在运动与机动领域的最新应用案例来自美国海军的无人潜航器(UUV),据悉该设备在无需维护或补充燃料的情况下能够一次运行5个月。太空领域也有类似的无人飞行器,例如“幻影飞梭”(Phantom Express)极声速飞船和X-37B空天战斗机,这两大平台均能提供强大而高效的机动能力。

但即便如此,如何发挥人工智能/自主系统在运动与机动联合职能中的最大效用仍然是一个悬而未决的问题。无人机和地面无人平台已经被用于中东地区的补给任务。美国陆军最近加快了自主地面补给(AGR)项目的研发进度,计划在2020年完成70辆自动驾驶补给车辆的部署工作。未来的挑战是如何让这些无人系统能够“自主预测、规划、跟踪和优化来自军方用户的补给需求”。这种自主理念有助于部队把更多时间和精力投入作战任务,而不是浪费在筹划如何实现跨战场机动等问题上。

人工智能和自主系统在联合职能中的应用前景巨大。正像安德鲁·马西所说,“从本质上讲,我们运用自主系统的能力其实是对我们信任机器、授权机器决策和行动的考验。”2018年6月,美国国防部宣布成立联合人工智能中心(JAIC)。对联合部队而言,一个明智的做法是,在人工智能/自主系统领域要充分汲取来自军内外的经验和教训。但这仅是国防部和联合部队加大对人工智能/自主系统投入的部分体现。时间是其中的关键。在最近一次国会听证中,有国防部官员指出,中国2017年在人工智能领域投入了800多亿人民币,并计划到2020年至少投入5000亿人民币。相比之下,美国在该领域的投入仅为中国的1/10。即便如此,美国仍有可能获取人工智能/自主系统领域的优势地位。对此,国防部和联合部队可以参考《战场机器人》(Roboticson the Battlefield)一书作者保罗·沙尔(PaulSchare)给出的建议:“信息革命的赢家不是这项技术的率先研发者,也不是最先进技术的拥有者,而是知晓如何发挥技术最大效用的使用者。”

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

你可能感兴趣的:(人工智能和自主系统在美军联合职能中的应用)