《通过人机协作加快作战决策速度》

专知智能防务

  2024年07月18日 

美国发现自己的军事优势正在减弱。在美国致力于全球反恐战争的二十年中，其战略竞争对手开展了一场深思熟虑的运动，发展与美军的技术和条令优势相抗衡的军事能力。由于认识到需要做出新的努力来重新获得军事优势，"第三次抵消 "始于2014年的 "国防创新倡议"。第三次抵消 "有五项关键技术：学习型机器、人机协作、辅助人类行动、人机作战团队和网络化自主武器。尽管这些技术已经成熟并交付空军，但目前还没有在作战层面运用这些技术的条令框架。空军必须创建支持第三抵消技术的新条令机制。本文首先探讨了几种人机协同框架，然后主张将其纳入现有条令。本文还探讨了与这些变革相关的挑战，以及不顾风险进行变革的重要性。

图 2：联合司令部和联合作战指挥中心选择人机协同模式的过程。

人机协作

机器算法擅长处理 "3 Vs "数据，但却很难超越训练时所使用数据的限制。人类天生就有能力在高不确定性或新奇的情况下做出决策，但在处理大量、多样和快速的数据时却举步维艰--恰恰相反。这就是 "莫拉维克悖论"：机器算法发现人类难以完成的任务变得容易，反之亦然。因此，人机协作旨在利用人类和机器的长处，同时尽量减少它们的短处。人机协作有三种一般框架，每种框架的机器自主程度不同：

“人在环内”流程赋予人类决策者在自动化流程中的最终审批权。未经人类明确批准，不得执行任何操作。当对流程的监督至关重要时，这种模式最为有用，但它首先降低了自主系统的效用。

在“人在环上”流程中，人类拥有 "否决权"，可以否决即将发生的行动。这种框架兼顾了自主性和监督性，但要准确确定人类如何或何时可以进行干预，可能具有挑战性。

“人在环外”不同于其他两种框架，因为在这一过程中没有人的参与。机器独立做出所有决定。图 1 总结了这三种框架。没有 "最佳 "框架；每种框架都有优点和缺点，因此适用于某些情况。

美空军可能会受到诱惑，只需在现有条令的范围内使用这些新能力，就能将人工智能融入其行动中。这种方法的吸引力在于其简单性：已经熟悉美国空军条令的空军人员不需要学习任何新的流程或系统，就能利用人工智能增强的信息处理能力。只需做已经在做的事情，但效率要稍高一些。彼得-雷顿博士将其描述为 "把事情做得更好 "的算法战争方法。

这种方法不足以保持美国空军的作战优势。中国和俄罗斯是美国的两个主要战略竞争对手，它们研究了美国的作战条令，并开发了专门针对其优势的技术和条令。另一种方法是 "做更好的事"，即强调在整个作战空间使用半自动到自主的机器发挥积极作用。机器将不再仅仅是增强态势感知的工具，而是与人类协同工作的积极参与者。正如雷顿所说，这些机器可以 "半独立地发动战争，只需要人类偶尔从远处提供指导"。

两者之间的关键区别在于，在作战层面上，"观察-定向-行动-决策"（OODA）循环的相对持续时间。在传统条令中，人类做出决策所需的时间永远是限制因素。通过整合人工智能作战管理工具来加速这一过程只能达到一定程度。不过，要想获得对敌人的决定性优势，空军必须尽可能减少人类在决策过程中的作用，从而寻求进一步的改进。