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。