1、现代战争的联合全域指挥与控制用于识别和开发人工智能应用程序的分析框架-78页
作者研究并推荐了将人工智能 （AI） 和更广泛地说，自动化应用于美国空军联合全域指挥与控制 （JADC2） 的深思熟虑规划的机会。
作者发现，必须协调三个主要的使能类别以支持未来的多域行动：（1） 指挥和控制 （C2） 结构或部队的组织方式、当局的驻地以及他们如何接受训练和配备人员，（2） 利用 C2 数据所需的数据和数据基础设施，以及 （3） 工具， 应用程序和算法，这些算法利用数据 C2 全域力量包括 AI 算法。
迁移到现代化的 JADC2 需要各个利益相关者合作制定政策、指导、战术、技术、程序、培训和演习、基础设施和工具，可能利用 AI 来实施概念。
主要发现
空军空中作战中心 （AOC） 的 72 小时空中任务周期与当前的数字世界不一致。将来，深思熟虑的规划和动态规划之间的平衡将发生变化，更加强调动态规划，而 JADC2 工具和流程需要支持这种变化。
将 AOC 结构迁移到现代数字环境会带来许多挑战：依赖以人为本的主题专家会议和董事会、气隙系统上数据的多个分类级别以及严重依赖商业服务产品。
其他因素限制了多域作战 （MDO） 的速度和范围：权限和指挥关系、跨域同步战斗节奏、不同域的不同程序、不同战区和地区的不同 C2 结构，以及强大而有弹性的通信系统和程序。
应协调三个使能类别以支持 MDO：确定 JADC2 的 C2 结构、可用于 MDO 的数据源和计算基础设施，以及算法开发以支持多域决策者“在环”的机器对机器流程。
未来有多种 MDO 运营概念，需求会因竞选活动而异。未来的 C2 结构应该是灵活的，以适应这些变化。
建议
空军作战整合中心 （AFWIC） 与太平洋空军以及欧洲和美国空军以及非洲空军合作，应假设并继续探索 MDO 概念，通过兵棋推演和桌面演习支持国防战略，然后将商定的 MDO 概念告知更广泛的社区。这将促进与其他军种和美国国防部当局的必要接触。
空军首席数据官应建立跨运营中心的数据管理策略，以确保数据得到保存并正确标记可访问性（包括标记的安全流）和数据存储容量足够。标准化实验将有助于验证前进的道路。
AFWIC 应该与空战司令部 （ACC） 一起评估替代 C2 结构以实现 MDO。需要额外的兵棋推演和研讨会来比较和对比替代方案。ACC 的后续工作将制定、组织、培训和装备计划。
JADC2 进展应以有凝聚力、渐进式、互动的方式进行。整个企业 — C2 构建、数据管理以及工具、应用程序和算法开发 — 都应该遵守一个总体战略。
作为作战整合中心，AFWIC 应确保遵守该战略，并向空军参谋长报告。
2、为人工智能应用开发具有嵌入式角色的联合全域指挥和控制作战概念-10页
作为联合全域指挥与控制 （JADC2） 的一部分，在将人工智能 （AI） 和机器学习 （ML） 用于多域操作 （MDO） 之前，必须完成奠定“信息基础”的繁重工作。奠定这一基础（数据被标记、安全存储和传输以及易于访问）需要组织和保护军队跨域、军种和梯队的 C2 所需的所有信息，这是平凡而持续的工作。相同的信息体将成为 AI 和 ML 算法的输入。没有这样的信息基础，就没有什么进展。
尽管 AI/ML 最近在游戏领域取得了令人鼓舞的成功，但考虑到信息不完整、数据质量差和对手行动等现实世界的障碍，对某些 C2 功能采用类似技术仍然具有挑战性。其他 AI/ML 技术，例如用于预测战区飞机状态的技术，将更容易适用。实现 JADC2 目标将取决于确定核心军事任务集的 C2 需求，并制定短期和长期可实现的软件开发计划。
本文的其余部分描述了对带有嵌入式 AI/ML 的 JADC2 的需求，提供了有关 AI/ML 诱惑的警告说明，概述了需要克服的 AI/ML 障碍，并提出了前进的道路。一般来说，需要对人员和资源进行投资，以超越当今人力密集型的 C2 范式。通过自动化和一些 AI/ML 来改进当前的规划流程是一个值得努力的现实目标。
3、人工智能在自主系统中的指挥控制-62页
增强决策能力
改善信息流和态势感知
加强网络安全
更有效地处理数据
提高战斗系统的自我控制、自我调节和自我驱动。
通过安全地连接多个领域的传感器、数据、决策者和武器，空军的高级战斗管理系统将把作战人员从无线电和机密聊天功能转变为民用世界中早已建立的无处不在的连接和可用性。它还提供强大的命令和控制功能。
整个系统基础设施中的人工智能应用程序将使该服务能够利用当今传感器的普及和强大的通信路径，以机器速度将数据合成和协调为可操作的信息。这通过实现跨多个域的信息检测、识别和合成新功能，改善了指挥和控制态势，并且至关重要的是，它创造了战略优势。
这在实践中是什么样子的？以网络上的异常流量为例，例如军用巡逻船发送与民用货船相关的信号。人类分析师可能会根据传统情报认为，一艘民用货轮正在使用这条路线。在这种情况下，分析师将无法将巡逻船的信号视为威胁。
但是，AI 系统会检测潜在的流量模式。它可以更准确地标记船只的信号，作为组装附近海上和空中资产的提示。在此方案中，
AI 看到了人类可能没有捕捉到的东西，并使跨域的信息能够更快地响应威胁。
还有更多示例 AI 如何在战略、战术和运营层面支持指挥和控制，使指挥官能够更有效地指挥部队并实现所需的行动，例如更快、更准确的决策。
作战人员和指挥官遵循 OODA 循环：观察、定位、决定、行动。AI 在每一步都缩短了并加强了这个决策循环。
第一步，观察，可能是最熟悉的：AI 如何更快、更准确地处理大量信息。人类地理空间分析师在扫描特定黑色卡车的图像时，只能观察单个屏幕。分析师可能需要几个小时才能找到那辆车——并且可能会误发现一辆海军蓝色的 SUV。相比之下，支持 AI 的计算机视觉系统可以同时扫描数十个源，并更准确地识别人眼无法检测到的离散视觉光谱。
AI 还通过超越人类的认知限制和处理速度来锐化决策的定向阶段。例如，算法可以在一天内对数百万张图像进行训练;而人类分析师将通过数月的课程作业接受培训，并且可能仍然无法积累相同数量的图像。因此，算法可以比人类更有效地泛化和处理以前从未见过的信息。
4、用于空中力量指挥和控制的人工智能-63页
除了决策能力之外，AI 还可以预测潜在行动方案的结果，并评估超出人类评估能力的环境或对抗变量。AI 为更广泛的风险提供了行动方案裁决和动态重新确定优先级的能力，同时实时“红队”行动方案。
在这个关键的决策步骤中，指挥官需要及时、精确、准确地采取行动。人类阅读报告、观看数据源以及在不同输入和输出之间建立连接的时间受到限制。相比之下，AI 系统可以以超人的速度摄取、处理和合成更多信息。这使决策者能够在需要时更全面地了解“基本事实”。
AI 还加强了作战职能的协调。
通过其预测功能，该技术使作战人员能够以新的创新方式协调功能。
例如，AI 可以识别并继续跟踪高价值目标，即使目标从视线中消失（例如进入隧道或密集城市地形中的建筑物后面）。通过使用位置、航向、行驶速度和类似因素进行计算，AI 不仅可以保持跟踪，还可以预测 20 分钟后目标的位置，从而主动调动资产。
现在想象一下，目标附近有两架无人机，分别相距两英里和两英里半。虽然与目标的距离似乎是决定应该使用哪种无人机时要考虑的主要因素，但 AI 可以使用预测性维护来计算大量其他因素。通过使用实时数据摄取来了解燃油表、航程、加油站时间和其他相关数据点，可以揭示距离更远的无人机将更快地到达目标。在这种情况下，AI 为资产的动态重新排序提供了巨大的潜力。
AI 还可以看到战场前方。它使指挥官和作战人员能够看到前方并主动做出反应，而不是被动地做出反应。例如，分析师收到一份生命周期模式报告，该报告指示敌对军事资产（如飞机）已从其正常位置移动到相邻机场。实地的人类情报证实了这一新活动。AI 有可能在敌机仍在敌方领土上时连接这些传统上孤立的报告并扰乱防御资产，而不是等到发现它进入友方领空。
AI 支持不同信息之间的连接。通过将跨域和服务的数据合并到一个位置，它使信息更容易被发现，从而更快、更敏锐地做出决策。
它还允许跨领域学习和应用知识。它特别适合处理新场景和不断变化的任务要求。
人工智能使指挥官和作战人员能够对环境有粗略的了解，这超出了当前的能力。它从大量数据中筛选出 “提示和提示” 异常情况。当 AI 系统处理数据和“学习”时，它们会充当“老师”，复制相似数据元素的新 AI 切线交叉点并创建自学习集群。这进一步缩短了决策者和指挥官的行动时间。
在整个过程中，AI 支持整个集体的行动。例如，在多个节点之间分配资源和知识，以实现共享态势感知。这意味着一个节点学到的东西可以实时应用于整个 “hive” ，因此所学到的经验教训可以立即应用，即使在看似不相关的领域也是如此。
人工智能是未来运营环境的重要工具。明年甚至下个月，作战人员和指挥官需要哪些能力？由于当今的威胁环境不断被地缘政治因素重新定义，因此对威胁环境的技术响应必须同样灵活。军队必须超越工业时代的思维方式，以应对信息和机器时代的环境，而是将指挥和控制视为一个不断发展的状态。
为了跟上并充分利用这种不断发展的思维方式、增强的计算能力和其他补充 AI 的技术，必须采用更快速的获取流程和策略、技术和程序。指挥与控制已为当今的 AI 做好准备，并且需要以与该技术的变革潜力相称的速度进行集成。
当今的作战环境由复杂、微妙的对手主导，他们拥有与美国军队相同的技术、资源和创新。通过高级战斗管理系统（Advanced Battle Management System），国防部拥有了一种机制来加速创新和能力，使其保持领先地位，包括人工智能应用程序，可以更清晰地了解威胁、对手、资产和潜在行动。
5、联合全域指挥与控制概述-12页
JADC2 开发的功能将利用人工智能和机器学习来帮助加快指挥官的决策周期。回顾了人工智能技术在基于计算机的命令和控制决策支持中的应用。介绍了几种不同类型的指挥和控制决策问题的人工智能系统原型示例：从长期战斗计划到实时武器射击决策。
设计的资料已经上传知识星球：
近期上传资料如下：
【智慧兵棋推演专题】美国在人工智能兵棋推演的使用介绍--21份技术资料，超50万字的干货
提高空中和导弹防御（AMD）系统在人类与人工智能之间的信任-182页论文+145页技术论文
工智能用于防空和导弹防御安全风险评估的技术报告-162页
基于代理的模型对马赛克战争的建模技术介绍-涉及180页资料共计13万字的干货
【人工智能与杀伤链专题】以机器速度做出决策：将 AI 引入命令链-含30份技术资料-共406页-超100万字干货
【反无人机蜂群专题】关于在战斗中对小型无人机蜂群防御和手段-涉及28份资料-超100万字
海军兵棋推演战斗管理辅助工具中的博弈论和规范分析-2022最新84页论文
多域作战中的风险感知-美国陆军55页报告
游荡弹药和不可预测性：武器系统的自主性和对人类控制的挑战-72页
技术报告基于人工智能（AI）的空中和导弹防御（AMD）：以结果为导向的辅助决策-145页
近日推出反无人机专题-含关于在战斗中对小型无人机蜂群防御和手段-涉及28份资料-超100万字
本文节选自原文的一部分内容，原文进入知识星球下载：
