2024年6月，《军事评论》杂志发布《人工智能与敏捷作战运用》（Artificial Intelligence and Agile Combat Employment）一文，从态势、供需预测、机动和移动、保障和供应链管理等方面阐述了如何整合美空军敏捷作战运用（ACE）和人工智能技术。
2018年，美国国防部长发布了《国防战略》，标志着美国在战略层面的再度觉醒，其中对国家安全的首要关切是“修正主义大国带来的长期战略性竞争的再度出现”。俄罗斯和中国的军事现代化工作改变了全球安全环境，动摇了美国作为世界上无可争议或占主导地位的超级大国的地位。在众多工作路线中，《国防战略》呼吁打造一支更具杀伤力、韧性和快速创新能力的部队，能够进行动态运用和不可预测的行动，从而对敌方决策者构成挑战。敌方武器、无处不在的监视技术以及跨域远程火力所带来的威胁，促使美国空军将其作战韧性框架应用于敏捷作战运用中。这种韧性态势促使美国能够运用小型、分散且适应性强的基地部署技术来部署部队，从而在所有领域中生存和作战。《国防战略》还呼吁在先进的自主系统方面进行快速创新，包括人工智能和机器学习。
1 敏捷作战运用与人工智能整合示例
设想美国卷入一场应急行动，且局势即将升级。在数月时间里，高级领导层利用人工智能和机器学习系统评估敌方动向，并设计反击部队结构。主要作战基地（MOB）和应急地点（CL）已确定，军事大数据源报告了该作战区域内的资源可用性和最佳运输方式。空中作战指令和指挥官意图已公布，使人工智能能够就如何运用空中力量实现目标提出建议。指挥官选择并批准了一系列行动方案，命令将资产和支援设备部署到某些地点，为敏捷作战运用行动做准备。
若已确定敌方目标，且友军将在未来24小时内使用精确武器进行打击，敏捷作战运用后勤系统就会开始处理预期效果，了解可用的飞机和弹药情况，根据武器载荷、与目标的距离以及后续任务，指定特定飞机遂行作战。与此同时，其他算法正在计算目标区域周围的天气影响，以及如果指定作战的资产被摧毁，可重新调配哪些可用资产执行该任务。这些信息将主动“推送”给决策者，而不是等待决策者提出评估请求后再发送。
威胁评估系统计算敌方可能的反应，这些反应可能会在友军匹配的飞机起飞前或飞往任务区域途中将其摧毁。威胁数据库包含关于已知敌机（如类型、数量、武器、位置、作战半径、历史飞行模式、飞行员熟练程度、昼夜限制）和可能拦截攻击编队的地对空武器的详尽信息。当人工智能系统将这些信息整合在一起时，它会根据可接受的风险水平（如低、中、显著、高、极高）向可用资产推荐各种方案。如果高级领导人选择调整风险水平，系统将自动调整，纳入更新的解决方案，并提出新的行动方案。当人工智能系统预测到敌方对先前攻击的反击行动时，它会建议将支援资产（包括补给品和运输系统）转移到新的应急地点，以提高生存能力。
图1 2022年12月15日美国空军在线简报的截屏
图1概述了敏捷作战运用概念。该截屏使用了一个模拟场景，通过几个阶段展示了通过在广阔地理区域内分散精简的前沿部署指挥控制要素来实现分散式控制。分散式控制降低了整个作战控制网络大幅降级或被完全摧毁的威胁。随着新的连接方式和使用空中资产的不同方式（包括通过利用海上基地扩大作战范围）推动部队重组和作战创新，实现部队的分散和整合，作战、保障、防御和力量投射的能力将得到重塑。
2 融入人工智能的敏捷作战运用要素
敏捷作战运用依赖于四个基本要素：敏捷性、态势、防护以及联合全域指挥控制（JADC2）。这些要素通过五个核心元素进一步应用于部队，即态势、指挥控制、机动和移动、防护、保障。下文主要从态势、机动和移动、保障三个方面阐述敏捷作战运用中的人工智能技术。敏捷作战运用通过分散控制，在前沿作战基地之间分配资产和支援资源，以确保生存能力并限制敌方的干扰。这可以防止中央枢纽被摧毁，因为中央枢纽一旦被摧毁，将使整个作战网络陷入瘫痪。
将电子商务中的人工智能与敏捷作战运用进行比较是有意义的，因为商业营销涉及其他竞争对手的表现，且存在由盟友和对手组成的复杂关系网络。敏捷作战运用和电子商务物流面临类似的挑战，并受益于相同的技术优势。虽然这个框架可以应用于支援装备如何运送到面对全球同等级大国对手的友军部队（类似于包裹送到客户手中），但也可以从向特定目标（如敌方部队或武器装备）投送动能或非动能效果（如炸弹或电子攻击干扰）的角度来考虑。
2.1 态势
敏捷作战运用的态势要素确定了作战的起始位置，创造了战略可预测性和作战流畅性。初始行动将战区分配的资产和后续部队从主要作战基地重新部署到执行任务的最佳前沿应急地点。这些应急地点可以是预先规划的，也可以根据威胁环境和任务需求临时确定。这个由灵活且多平台赋能的基地组成的庞大网络，还必须能够支持整个任务集（如加油行动），而不仅仅涉及诸如KC-10或KC-135加油机等特定类型的飞机。这种复杂的规划和决策过程可以从机器学习技术的应用中受益。那些在智能生产和供应链管理中分析电子商务供应商的相同算法，可以帮助选择开展军事活动的理想地点。这些标准可能包括数十个因素，如跑道条件、地理因素（如与友军或敌军的距离，或与优先目标的关系）、受攻击的脆弱性、现有供应库存和再补给选项、通信手段以及生命保障能力（如医疗救治、食物、住所）。
为了最大限度地提高这些算法的有效性，需要类似于电子商务使用大数据框架的大量数据源。将现有的军事信息系统（如国防战备报告系统、审慎危机行动规划与执行分段系统、后勤模块）、民用网络、物联网技术以及与盟友或伙伴国家的共享协议相结合，将满足关键条件，使机器学习过程能够为敏捷作战运用过滤决策标准并进行分类。机器学习算法还可以通过将应急地点分为主要、备用、应急和紧急等类别，来协助选择应急地点，从而提高规划的灵活性。掌握这些信息后，美国空军高级领导人可以通过确定资源需求信号以及了解哪些资源可随时获取，来帮助确定部队的需求。
满足敏捷作战运用行动需求的支持部队被称为敏捷作战支持（ACS）。敏捷作战支持团队也在经历向这种新的适应性思维方式的转变，探索从主要作战基地向应急地点以及平台无关的支持方法转变的途径。自20世纪90年代中期以来，远征航空航天部队概念一直利用前沿部署的装备，将作战力量组织成更精简的部署包，即单位类型代码（UTC）。这些预先定义的人员和装备部署包支持指挥官提出特定能力以及飞机或支援资产数量需求。虽然这使得基于人力的规划更加简便，但也增加了因认知疏忽、个人偏见和人为错误导致部队短缺或供应过剩浪费的可能性。
类似于谷歌DeepMind的人工智能和机器学习系统，通过生成预测数据来识别未来的资源需求，并自动组装装备包以满足部队特定需求，从而提供创造性的解决方案。这可以取代传统的单位类型代码和大量库存储备，节省潜在的存储费用，同时优化供应库存。如果某些物资无法通过军方自有资源获得，算法可以扩大搜索标准，纳入兼容的民用物资或来自伙伴国和盟友的物资。此外，在此过程中如发现任何资源缺口或新出现的需求，都将报告给决策者，以便立即投资并授出生产合同。需求的紧急程度将决定提案请求是通过标准合同渠道进行，还是由军事委员会根据人工智能对性能历史、与现有合同的相关性以及总成本的趋势分析做出应急选择。新的设计原型将通过机器学习模拟和预测分析工具进行测试，以便在大规模生产供作战人员使用之前解决设计缺陷。
这些优势还通过确保自我防护和通信设备的来源和可用性，为敏捷作战运用的指挥控制和防护要素提供支持。机器学习技术使用的时间越长，其数据就越准确。这使得能够根据历史分析为预期问题提供解决方案建议，并为领导人提供更多的决策时间。一旦这些单位类型代码包配置完成，它们相对于其他主要作战基地和应急地点的位置就与包内的内容同样重要。
2.2 机动和移动
敏捷作战运用的机动和移动要素旨在通过不断移动到有利位置进行战斗，从而超越对手。这要求部队在分散基地之间流动（如从主要作战基地到应急地点、在应急地点之间移动以及返回主要作战基地），以提高生存能力或集结兵力实现战略目标。基于人工智能的系统已被证明在优化电子商务仓库、分拣中心和终端消费者之间的这种运输方面具有巨大价值。美国大型空中机动司令部设施（如加利福尼亚州的特拉维斯空军基地或新泽西州的麦圭尔空军基地）可以充当敏捷作战运用的“交叉转运点”或“电子履行中心”。美国境外较小的空军基地可以作为航空枢纽或“分拣中心”，而较小的机场或联合设施则作为最终配送站，将资源运送到应急地点。这将涉及战区间和战区内的运输协调，以确保美国部队的全球部署能力。
（1）融入人工智能分发的敏捷作战运用机动和移动
尽管自冷战结束以来，美国空军已将其海外基地从93个减少到33个，但仍保留了通过与盟友或伙伴国家的协议来投射力量的能力，以获得进入权、基地使用权和飞越权。亚马逊在其配送市场中实现的“物流扩张”可应用于敏捷作战运用的基地网络。训练人工智能系统识别可将资源直接送往哪些地方以支持应急地点，将促使降低配送成本并优化运输系统（即补给品离应急地点越近，在需要时接收它们就越快、越容易）。这也使美国空军高级领导人和后勤人员能够根据这些已知的支持网络设计最佳的应急地点。若发生任何可能迫使美国部队撤离应急地点的威胁，都可以转移到轴辐式设计中的备用地点，从而实现敏捷作战运用所倡导的理想作战韧性。
（2）融入人工智能运送的敏捷作战运用机动和移动
运送部队支援物资的方式与其来源同样重要。美国空军资产无法运输的物资，要么由联合部队协助运输，要么外包给非军事公司。考虑到敏捷作战运用涉及全球行动，必须仔细规划战区内和战区间的运输方式，并将其作为按时间阶段划分的部队部署数据。这些数据概述了装备、飞机和人员将如何进入作战区域（如空运、海运、陆路运输）。随着敏捷作战运用从传统空军基地转向临时应急地点，成功规划和执行行动的复杂程度呈指数级增长。由人工智能驱动的第三方物流可以确定完成这一任务的最有效方式（如承包商、联合部队、盟友、伙伴国），同时根据预先确定的威胁或任务概况预测未来运输的需求。2021年，负责提供空中、陆地和海上运输以满足国家安全需求的美国运输司令部司令支持探索用于解决战区间运输问题集的人工智能系统。
对于战区内运输，训练机器学习系统识别进入应急地点的最佳方式至关重要。在动态区域内可用机场有限的情况下，像CV-22“鱼鹰”或HH-60“铺路鹰”这样的垂直起降飞机是理想选择，但它们只能运输少量货物和人员。然而，如果这些人工智能系统能够计算出每个应急地点需要支持的时长，算法就可以考虑到这一点，并相应地调整供应交付计划。
在与对手作战的过程中，因事故和敌方攻击造成友军损失是无法避免的。人工智能对飞机库存波动的跟踪将为高级领导人提供数据，以调整战略运输，或了解何时向盟军请求额外支持。相反，应用于盟友或伙伴国的机器学习和人工智能系统也将有助于预测这些部队何时需要美国的干预或援助。
2.3 保障
整个敏捷作战运用框架的基础在于通过保障来维持作战的能力。面对巨大的逆境、充满竞争的领域以及极端的分布式任务行动，需要创新的解决方案来确保资源得到主动维护，以应对明日之战。人工智能和机器学习的整合能够实现满足敏捷作战运用复杂后勤需求的信息优势水平，同时增强联合部队的能力。目前的单位类型代码包配备了足够的资源，可保障30天的行动。然而，该模式是为在已有空军基地开展的持续作战而设计的，这样的空军基地可长期提供支撑性基础设施和防护。敏捷作战运用打破了这种模式，并进一步对后勤规划过程提出了挑战。受制于供应链的有效性和敌方威胁的影响，应急地点的敏捷作战运用行动可能短至24小时，也可能超过30天。
尽管供应链管理涵盖整个物流过程，但其有效性在很大程度上取决于两个关键因素：信息流和产品流。人工智能和机器学习系统通过预测结果或识别信息模式来支持这些过程，从而节省人类决策时间。对大数据的分析以及能够做出前瞻性未来预测的算法，是机器辅助决策最能为敏捷作战运用提供助力的领域。
在敏捷作战运用中，对美军而言最大的风险来自其作战行动所针对的对手。预测结果的能力是人工智能和机器学习的优势所在，这使美军具备在受到干扰和攻击时的生存韧性。将人工神经网络应用于威胁评估，但将参数扩展到诸如规模（如，部队数量）、位置（如，空军基地、舰船、前沿阵地）、机动性（如，步兵、装甲车、舰船、飞机）、弹药（如，常规弹药或电子攻击武器）、作战能力（如，速度、作战半径、雷达横截面）和脆弱性（例如，穿甲弹、小直径炸弹、精确制导武器）等变量，如此一来，这些人工智能系统就能学会如何针对敌军配置武器，并计算攻击或交战结果的风险概率。机器学习技术无需让数十名情报分析人员花费数百小时筛选大量指标并制定敌方行动方案，就能近实时地生成可用于行动的信息，且不会受到人为偏见或认知错误的影响。
3 结论
（1）人工智能可以融入敏捷作战运用行动
这项探索性研究的结果表明，人工智能能够融入敏捷作战运用行动，尤其是在态势、移动和机动以及保障等方面。人工智能系统成功整合了有监督/无监督机器学习技术以及线性/非线性算法，以辅助人类决策。这些能力与美国空军关于变革其后勤系统的敏捷作战运用条令说明完全契合。《美国空军条令说明1-21敏捷作战运用》强调需要“推送”前瞻性信息，“预见标准分发和运输方式的局限性，并利用自适应后勤系统来支持作战行动”。
尽管本报告聚焦于美国空军，但人工智能的成功整合无疑将推广至所有军种。联合人工智能中心（JAIC）是负责完善和训练这些算法以满足各军种层面倡议的主要机构。
（2）人工智能与敏捷作战运用的整合带来诸多优势
将人工智能整合到敏捷作战运用中，其优势不仅限于本报告中所发现的那些，而且很可能会对所有军事行动产生复合效应。作为这些变革的催化剂，其优势可以归纳为后勤韧性、决策优势以及财务效率三个方面。
（3）人工智能的整合促使美国更好地为大国竞争做准备
将人工智能整合到敏捷作战运用中不仅是可行的，而且对于在大国竞争中保持较之对手的竞争优势而言是必要的。如果不投入时间和资源将人工智能整合到美国空军作战，可能会使美军现有的装备在战场上失去作用，从而危及国家安全和国防。战争不能仅靠机器取胜，但没有机器也无法取胜。
4 建议
（1）在国防部系统、赛博安全以及敏捷作战运用案例研究等方面进行投资
狭义的人工智能（旨在完成特定有限任务）在不断发展演变，并且已经足够成熟，能够可靠地整合到当前的军事信息系统中。为了成功地将人工智能整合到敏捷作战运用中，美国空军必须考虑对美国空军或国防部的人工智能算法、通用语言操作系统以及赛博安全防护等技术倡议进行投资。
为了开发并保持对军事人工智能发展的控制，美国空军或国防部必须使用开放架构系统，以便在没有特定限制的情况下实现灵活变更。依赖拥有严格技术专利的公司将阻碍美军人工智能的发展，而且很可能会因为数年的采购合同法律纠纷而导致延误。国防部所属的开放架构确保其在法律上不会与某一家公司或合同绑定，并且能够随着技术突破而不断发展。
由于可能存在数百甚至数千种不同类型的数据流，人工智能机器需要一种通用语言来处理、解释和共享信息。鉴于目前有数十个后勤项目（例如，国防战备报告系统、后勤模块），中央人工智能处理器必须经过训练，以理解这些系统的输出结果。并非所有系统都需要使用相同的机器语言，但中央人工智能机器必须能够理解其他所有系统。这为军事大数据生态系统铺平了道路，算法可以利用该生态系统生成实际效果。
比开发这项技术更为重要的任务是对其进行防护。尽管尚未进行研究以确定民用赛博防护措施，但任何军事整合都将涉及先进的分类和加密系统。实现非密和涉密数据流通的跨域解决方案至关重要，同时还需要强大的防御架构（例如，区块链技术）和高容量（例如，高速5G）网络。
未来需要在上述每个领域进行研究，以确定将它们整合到敏捷作战运用中的最佳方式。将人工智能系统成功整合到敏捷作战运用中，还将使其扩展到反情报和威胁感知领域，作为一种针对战略竞争对手的更高级别的风险管理形式。
（2）分三个不同阶段整合人工智能
美国空军应采用分阶段的方法，考虑将人工智能整合工作分为三个阶段，分别侧重于技术、流程和评估。
与人工智能系统、算法、机器和设备相关的技术必须先行。这是最具挑战性且耗时最长的任务，并且将根据其他阶段的反馈不断发展。技术进步的速度也将决定整个项目推进的速度。与美国防高级研究计划局和兰德公司继续保持合作关系，对于将理论概念转化为正式科学成果至关重要。在对人工智能模型建立足够信任以实现更高水平的自动化之前，应将人在回路自动化作为主要关注点。
流程由技术提供支持，但它们也定义了设备完成任务所需满足的要求。首先要研究的流程是敏捷作战运用的态势要素，在这一要素中，由人工智能确定敏捷作战运用的初始位置。然后，移动和机动要素将根据人工智能的输入，确定移动方向。最后，保障要素将解决如何提供支持，以及人工智能如何在击败对手的同时优化生存能力等问题。
评估对于确定人工智能与敏捷作战运用整合的有效性至关重要。兵棋推演是测试人工智能的绝佳方式，可以通过模拟或实际演练来进行。联合人工智能中心将制定行动计划和里程碑，并对其进行评估，以确定是否成功并分享最佳实践经验。
在这些阶段中保持连续性至关重要。联合人工智能中心旨在管理这些流程，但推动创新的团队应包括（但不限于）专业后勤人员、指挥控制专家、维护技术人员和赛博安全专家。如果敏捷作战运用继续作为美国空军应对全球大国竞争对手的主要战略，那么对人工智能整合和培训的投资将有助于奠定其应用基础，并加快将这一能力交付给联合部队。
声明：本文来自防务快讯，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
