導讀:本文主要研究了人機協作在戰場上的應用，認為人機協作是現代軍隊“必須掌握”的技術，是高端戰爭中保持競爭優勢的重要籌碼。本文研究的人機協作包括人工與半自主機器的協作以及人工與人工智能代理系統的協作，列舉美國現有的成功案例論證了人機協作的多種應用領域，如反介入/區域拒止環境內行動、信息篩選和決策支持、優先級排序等。文章指出，美國國防部目前在應用人機協作的過程中存在效率低下、人工能力欠缺、思想抵觸等諸多問題，并相應提出了五點改進舉措。

人機協作通常被狹義地設想為人工與一個到幾百個或更多的自主化無人系統進行交互的過程。從最基本的形式來看，人機協作的這種愿景并不新鮮，人類與智能機器合作了幾十年，1997年超級計算機“深藍”在一場國際象棋比賽中擊敗世界冠軍加里·卡斯帕羅夫，體現了早期的機器才能。軍隊長期以來也一直在測試各種概念，以提高這一關鍵能力。然而，近年來人工智能和機器人技術的發展速度令人印象深刻，這促使人們越來越多地考慮這些技術所能帶來的新能力、效率和優勢。

人機協作的表現形式有一個經常被引用的案例，那就是“忠誠僚機”概念：一個人工操作員控制著一些相對廉價、模塊化、可消耗的自主無人機系統（UAS）開展任務和作業。這些僚機可在載人飛機前方飛行，執行一系列任務，包括電子攻擊或防御、情報、監視與偵察（ISR）或打擊，或作為誘餌吸引火力，“點亮”敵方防空系統。

不僅是美國，大多數現代國家的軍隊都對人機協作的這種表現形式越來越感興趣。除美國外，澳大利亞、中國、俄羅斯、英國、土耳其和印度都至少有一個積極的“忠誠僚機”發展計劃，而第六代戰斗機發展計劃，如“全球作戰空中計劃”（英國、意大利、日本）、“下一代空中優勢計劃”（美國空軍和海軍）和“未來作戰空中系統”（德國、法國、西班牙），都涉及強調人機協作和機機協同的空中力量系統工程概念。

盡管這類人機協作對新興軍事能力非常重要，并將繼續發揮重要作用，但對人機協作的討論應包括人類與人工智能主體（能夠從其環境、經驗和輸入中學習并根據其環境、經歷和輸入做出決定的主體）的全方位互動，包括與不具備物理形式的算法進行的絕大多數互動。“Maven”項目是應用這類人機協作的一個例子，美國防部和現在的國家地理空間情報局開展該項目，利用人工智能，從各種形式的媒體和收集的情報中自主檢測、標記和追蹤感興趣的人或物3，從而使人工分析師和操作員能夠有精力優先關注他們的重點領域。

除圖像分析和目標識別外，非物理表現形式的人機協作還可支持一系列重要任務，如威脅探測、數據處理和分析。在速度、復雜性和可用數據顯著增多的作戰環境中，這一技術對軍事效率的提高至關重要。這一應用還可以提高后勤和維護、培訓和后臺管理任務的效率，從而降低成本和執行時間。

通過將人工智能的處理能力和決策支持能力與人的社會智能及判斷力相結合，并在某些情況下與具有不同自主程度的無人系統的力量倍增效應相結合，人機協作可以為美國及其盟國和合作伙伴提供多層次的疊加優勢。

作為“加速采用人工智能創建一支適合時代的部隊”的更廣泛需求的一部分，國防部對人機協作當前和未來多層次價值的認識有所提高。盡管如此，五角大樓在采用人工智能和人機協作方面仍面臨一些長期挑戰。為了加速和深化人機協作的應用，國防部必須想方設法使開發工作與私營部門的參與保持一致，為采辦官員在整個國防系統中推廣人機協作解決方案創造靈活性。這種方法必須輔以如下措施：

·繼續并更加重視在人類和機器合作伙伴之間建立信任；

·引領建立倫理道德和安全方面的最佳實踐和規范；

·積極進行迭代實驗；

·確保信息傳遞清晰一致。

這些要素對于實現人機協作在未來多領域作戰中的價值和優勢至關重要。

引用案例有助于更好地說明人機協作如何在多個任務和環境中提供價值優勢。當然，實踐者已經看到或經歷了各種環境下案例的使用——包括通過兵棋推演和對正在烏克蘭進行的戰爭的分析。人機協作的應用速度發展緩慢，這可能會讓人對使用案例的效用產生懷疑。盡管如此，強調人機協作的各種應用，以及在某些情況下未得到充分重視的應用，有助于展示人機協作發揮成倍增益作用的不同環境，以及這種能力如何支持美軍滿足現代戰場的需求。

然而，在國防部這樣的大型組織中，改變對人機協作的看法是一項反復的任務，需要經常強化其價值，特別是當支持人機協作的技術和概念創造出新的機會時。下文討論的幾個使用案例遠非全部——我們的研討會和研究還探討了其他幾個引人注目的使用案例，但作者之所以選擇它們，是因為它們反映了人機協作在服役任務和應對國防規劃者迫切考慮的作戰威脅和挑戰方面的多層價值，如表1所述。

表1 人機協作各用途的優勢概述

在反介入/區域拒止環境中行動

確定如何在反介入/區域拒止環境中開展行動，顯然是國防規劃人員的首要任務。在印太地區尤其如此，中華人民共和國的軍事現代化努力強調利用無處不在的多域傳感器以及大量動能和非動能打擊資產建立警戒線，在此類警戒線內，美軍和盟軍極易受到敵方火力的攻擊，在最壞的情況下甚至無法有效作戰。

雖然人機協作無法規避與強大的反介入/區域拒止系統作戰的所有風險，但它可以通過多種方式幫助美軍和盟軍更好地管理這些風險，包括處理和分析大型復雜數據集，以支持人工操作員更好更快地做出決策。

無人系統、載人資產和人工操作員協同

在反介入/區域拒止情況下，使用可消耗和消耗性的無人系統與載人資產、人工控制員和決策者相結合，可以實現幾個重要目標。最值得注意的是，這些體積較小、成本較低、一般為模塊化的系統可用于使反介入/區域拒止系統達到飽和、識別敵方防御工事、迫使對手消耗其深層彈藥儲備，以及擴大價值較高的載人和無人資產的作戰范圍，降低載人資產及其人工操作員的風險。

與人員一起行動的無人系統群還能擴大指揮、控制、通信、計算機（C4）和情報、監視與偵察（ISR）網絡的覆蓋范圍，提供持久且有彈性的情報、監視與偵察信息，并將其中的關鍵信息傳遞到前線。此外，可消耗或可重復使用的系統可使在有爭議的反介入/區域拒止環境中作戰的部隊，在不冒人員傷亡風險的情況下進行維持和再補給，包括使用無人系統直接對反介入/區域拒止區域內的部隊進行再補給，盡管這些系統攜帶的非消耗性貨物損失的風險和代價也不應被忽視。

為此，“降低人工操作員的風險”并不意味著“消除這一風險”，而使用可消耗的無人機系統與無人水面載具（USV）仍然會伴有損失。此外，即使是可消耗系統，系統本身及其裝載物也價值數百萬美元。為確保人機協作部隊結構的規模達標，新的價值計算以及增強的重組系統能力必須跟上預期的損耗水平。

信息建構和決策支持：增強態勢感知，提高決策速度

反介入/區域拒止環境的用例，同時也能說明機器如何支持人類完成關鍵且要求越來越高的“信息建構”（sense-making）任務——即解釋和融合數據，為加強決策建立基礎。

反介入/區域拒止環境中的信息建構

反介入/區域拒止環境將以大量復雜的數據集、以及包括電磁頻譜在內的跨域信號和噪聲為特征。操作人員可獲得的數據信息將是海量的。多域傳感器、監視和打擊資產將積極運作，并與友軍協作和敵軍交戰，這就需要人工智能代理來幫助處理和過濾數據，并將相關信息反饋給作戰人員。其結果將是提高人工操作員過濾數據的質量和速度，然后修復和跟蹤敵方反介入/區域拒止系統中的關鍵節點。這是人工智能的一種應用，說明人工智能數據融合和復雜數據集處理能夠提高態勢感知能力并加快決策速度。這種信息建構的應用范圍其實非常廣泛，包括提高識別目標的速度和精度，確定使用適當的動能或非動能武器打擊目標，以及確保效果的精確性。

目標工作：聯合全域指揮與控制（JADC2）

國防部“連接一切”的聯合全域指揮與控制是另一個應用案例，說明人機協作可以用來支持改進目標工作和加快從傳感器到射手（sensor-to-shooter）的處理過程。正如2022年1月國會研究服務處的一份報告所指出的，“聯合全域指揮與控制通過收集來自眾多傳感器的數據，使用人工智能算法處理數據以識別目標，然后推薦最佳的動能和非動能武器來攻擊目標，從而使指揮官能夠做出更好的決策?！彪m然聯合全域指揮與控制在很大程度上仍然是一個概念，而不是未來軍事行動的架構，但美國軍方已經在使用人工智能來幫助尋找和跟蹤戰場上可能的目標或有價值的實體。2021年9月，美國空軍部長弗蘭克·肯德爾承認，空軍已“首次在實戰殺傷鏈中應用了人工智能算法”，以提供“自動目標識別”?？系聽栔赋?，通過這樣做，空軍希望“大幅減少人工識別目標的人力密集型任務，縮短殺傷鏈并加快決策速度”。

塑造情報分析和任務規劃領域的未來

通過人機團隊進行信息建構的方式，也正在塑造情報分析和任務規劃等領域的未來（見下文關于大型語言模型的邊欄），在這些領域中，人工智能支持的數據融合、模式和異常檢測以及研究和分析支持，為分析人員管理和利用爆炸式增長的可用來源和數據提供了便利。人工需要數天才能完成的任務，現在只需數小時即可完成，從而使人員能夠集中精力處理從大型數據集中獲取的最相關的信息。例如，在俄烏戰爭中，烏克蘭武裝部隊已經在使用自然語言處理工具，利用人工智能來翻譯和分析截獲的俄羅斯通信情報，從而節省了分析人員的時間，使他們能夠專注于關鍵信息和情報的處理。人工智能的使用不僅加快了分析速度，而且還能將“已知的未知數”（unknownknowns）——觀察到但容易被忽視或遺忘的聯系、視角和信息——提煉出來引起分析人員的注意，并向人類決策者闡明信息的價值或質量。

2023年1月，國家情報總監辦公室下屬的情報高級研究計劃局（IARPA）宣布了一項名為REASON（在線快速解釋、分析和采購）的項目。該項目將使用人工智能軟件來改進人工撰寫的情報評估產品。該軟件將審查人工撰寫的報告，并自動生成撰稿人可能不知道或沒有使用的其他來源的建議，還將作為一個自動的紅隊評審員（red-teamreviewer），就如何提高報告的分析質量提出建議。該程序朝著正確的方向邁出了一步，展示了人工智能的眾多用途之一，即可以幫助人類建立數據和來源之間的聯系并改進分析和決策。

審核編輯：黃飛