人工智能正迅速席卷全球，大型科技公司纷纷加大对这项技术实际应用的投入。认识并利用这项创新、突破性且快速发展的技术在军事领域的潜力，具有至关重要的意义。本文探讨了人工智能与军事指挥控制周期的整合，重点分析了其在提升决策质量、态势感知能力和作战效率方面的作用，同时也指出了其局限性。第一部分探讨了指挥控制周期中从改进数据感知到增强态势理解的各个阶段如何应用人工智能支持系统。第二部分结合自动化、机器学习和决策支持工具的进展，考察了当前指挥控制领域中人工智能应用的发展状况，重点关注其在近期研究和冲突中发挥的作用（如Maven项目和无人机作战）及其影响。最后，本文研判了人工智能对指挥控制周期的广泛影响，主张采取平衡、可适应的方法，有效且负责任地整合人工智能。

　　北约将指挥控制定义为指挥官行使权力，指导所属及配属部队完成任务。该术语包含指挥和控制两个要素，暗示二者之间存在协同关系。指挥通常与领导力、创造力和灵活性等人的因素相关，而控制则更多地与严格的规则、条令、可预测性和标准化相关联。

　　指挥官及其指挥控制结构的主要焦点之一是保持态势感知，并在需要时通过军事行动做出响应，以实现战略目标和政府整体目标。如今的军事行动极为复杂，数据和行动对战场产生着重大影响。军事指挥控制必须在快速演变的多域环境中运作。为保持效能，军队必须随技术发展而演进，并加以适应。特别是人工智能作为一种变革性力量，能够提升决策质量、作战效率和战略能力，但将其整合到指挥控制系统中需要审慎考量。必须警惕技术解决方案主义，即认为仅通过技术就能解决所有挑战，而无需考虑影响军事和安全环境的复杂社会、文化和政治因素。

　　兰德公司报告曾指出，指挥官必须了解人工智能在赛博安全、预测性维护、兵棋推演、任务规划和构造仿真等五个关键领域中的局限性。解决这五个领域的问题，对于强化人工智能作为军事行动中可靠有效的工具至关重要。人工智能有能力改进指挥控制整体框架和决策流程的各个层面，但这种改进在决策权方面存在局限性。北约指挥控制卓越中心发布的一项研究表明，尽管完全自主（主要是战术层面）军事系统的技术已经存在，但指挥官的作用依然至关重要，因为他们希望做出最终决策。对支持系统（无论是人类参谋还是不同层级的人工智能算法）的信任，是指挥官开展工作的关键。这也会对指挥控制过程中的权力下放和任务分配产生影响。目前相关方面正在开展工作，例如美国防高级研究计划局（DARPA）的可解释性人工智能项目，该项目旨在让指挥官能够理解、信任并有效运用机器学习技术。要将人工智能有效整合到指挥流程中，深入理解决策模型至关重要。

　　一种广泛使用的模型是美博伊德提出的观察-判断-决策-行动（OODA）环。OODA全面概述了有效指挥控制的基本前提：一个实体（无论是个人还是组织）能够快速处理这一周期，比对手更快地观察和应对正在发生的事件，从而“进入”对手的决策周期并获得优势。OODA环表明，在做出决策（决策阶段）之前，指挥官必须先收集信息（观察阶段），并确定其意义和可能的行动（判断阶段）。“缩短循环”可能成为胜负的关键。

　　作为指挥控制拱顶石概念的一部分而开发的指挥控制周期（或北约指挥控制概念模型），对指挥控制要素的组织方式与OODA环不同，并且更清晰地呈现了相关步骤。通过分解博伊德提出的宽泛且多义的概念，指挥控制周期能够对其组成部分进行更详细的分析，并更清晰地说明人工智能等新兴技术如何在该框架内提升决策质量。尽管指挥控制周期的各个步骤被描绘为同等重要，但实际上并非如此，也不需要相同的时间投入。与OODA环一样，完成整个指挥控制周期的速度对于获得作战优势至关重要。

　　指挥控制周期模型的核心（从内圈到外圈）是“连接”，它是指挥控制的赋能要素，连接并协调指挥控制模型的三个阶段，即收集、决策和执行。在这一背景下，人工智能提供的功能与指挥控制周期的各个方面相契合，并能对其进行增强。根据核心设计功能，人工智能系统可作为决策支持工具应用于三个主要功能领域：1）描述与分析；2）预测与推断；3）建议。由此可知，第一和第二个功能领域主要与数据感知和处理阶段相关，而第二个和第三个功能领域则更紧密地与指挥控制周期的理解和决策阶段相关联。尽管这些领域并非严格分离，可能存在重叠，但它们共同涵盖了人工智能系统的核心功能。

　　制空权对于开展全频谱空中行动至关重要，同样，信息优势（或制信息权）在信息领域也同等重要。人工智能的应用在实现这种信息优势以及快速准确地处理海量数据方面发挥着关键作用。采用这些技术能够在盟友和伙伴之间更迅速地获取和传播信息。

　　尽管人工智能具有诸多优势，但它仍面临需要进一步研究解决的重大挑战。在指挥控制系统中全面整合人工智能的关键挑战之一是处理非结构化数据，此外还包括任务不确定性、通过试探性干预评估对手意图、样本量小、数据不一致、高杂波环境、异构输入、对抗性和欺骗性环境中的对手操纵、可解释性以及有意义的人类控制等，这些仍然是关键障碍。

　　为了使人工智能能够有效处理海量数据，有必要引导人工智能自主学习和处理涉密数据；提取相关数据并将其转化为可用的信息和情报，并按照优先级排序。满足这些需求的一种有前景的方法是使用大语言模型（LLM）。这些模型将通过改进决策（例如提供创造性的行动方案建议）、增强态势感知和整体作战效率，继续改变军事和国防领域。它们可以整合来自文本、图像和传感器等各种来源的数据，通过分析卫星图像、解读情报报告和实时监测社交媒体中的威胁，提供全面的洞察。这种整体方法将帮助国防人员快速做出明智决策，缩短响应时间并改善任务结果。此外，大语言模型还将改善团队之间的沟通和协调，确保准确传递关键信息。将多模态智能体整合到国防行动中，将显著提升人工智能在国家安全中的作用。

　　为确保有效的决策流程，数据在向上级传递时，需要提炼出核心要素，同时不遗漏相关事实。因此，信息和知识管理（IKM）是指挥控制不可或缺的组成部分，旨在增强态势感知。

　　这些过程是迭代和可适应的，意味着随着新数据的出现，可能需要修订和更新分析结果。高质量的信息处理和分析有助于增强态势感知、信息优势和决策质量。

　　全面理解作战环境并非意味着拥有最多的传感器或最大的数据集。真正的认知优势来自于理解数据并将其投射到特定情境和任务框架中的能力，从而形成态势理解。为实现这一目标，北约条令建议应用作战环境全面理解（CUOE）流程。这是一个针对危机的跨总部流程，旨在形成全面的理解，涵盖所有政治、军事、经济、社会、基础设施和信息领域（PMESII），包括相关的潜在威胁、风险和机遇，为作为更广泛战役一部分的作战规划和执行提供支持。鉴于数据感知和处理能力的提升，人工智能促成了进一步的分析，最终将有助于更好地理解环境。人工智能可以协助专业参谋人员加快提供指导，从而帮助指挥官及时做出有充分依据的决策。这些系统拥有基于历史遭遇和协作数据库的强大知识库（数据湖）。它们基于该知识库提供的建议或判断有助于增强信任和理解。

　　指挥官需能够大幅缩短决策过程的时间，同时了解特定系统的有效性限制。然后，他们可以采取措施将潜在错误的影响降至最低。军事领导人对其决策负有责任，即使人工智能系统为其决策提供了支持，这一责任也不会改变。人工智能的应用将显著影响决策人员处理和整合广泛多样信息源的能力。然而，无论采用自上而下还是自下而上的方法，都是人类训练这些人工智能/机器学习系统，且最终应该由人承担责任。

　　从北约的角度来看，人们认识到未来军事优势的核心在于将人类和机器有效整合到作战团队中。这将形成一种融合局面：参谋人员和/或基于人工智能的系统在特定关注领域评估信息，为态势理解提供切实可行的洞察。人机协同（HMT）中的共享态势感知需要人类和计算机通过直观界面进行对话。为了应对军事冲突中的海量数据，人类的心智能力已显不足，而计算机算法则面临数据和决策中的不确定性和模糊性带来的挑战。改进这一过程的方法是配备专门的异常检测工具，并在跨领域关联事件。需要具备“人在环上”能力的非人类智能协作系统提供态势理解、作战评估和替代分析，支持指挥官全面理解作战环境。开发和管理包括指挥官关键信息需求（CCIR）在内的情报需求管理和收集管理（IRM & CM）系统，对于改进军事决策过程至关重要。

　　数据复杂性的增加，凸显了未来指挥官和参谋人员“知道该问什么”的技能的重要性，换句话说，就是作战所需的正确信息。

　　近年来，无人机受到了广泛关注，尤其是通过社交媒体分享的实时视频流。第二次卡拉巴赫战争和俄乌战争等凸显了无人机对战场的影响。相比之下，尽管人工智能系统在军事行动中的整合日益加深，但公开记录仍然较少。大多数信息来自报告、新闻文章和官方声明。一些新兴媒体详细报道了人工智能在俄乌冲突中的作用，让人们了解到人工智能驱动的第一人称视角（FPV）无人机的开发和部署情况。这些发展表明，无人机作战正日益向自主化和人工智能辅助方向转变。

　　人工智能驱动的第一人称视角无人机作战正成为改变游戏规则的因素，不仅在俄乌冲突中，在叙利亚北部的持续行动中也是如此。人工智能驱动的无人机蜂群，以及尖端的赛博和电子战（EW）能力，已成为现代军事行动的核心支柱。随着这些技术的发展，应对这些威胁所需的措施也在不断演变。

　　例如，为了应对赛博和无人机攻击的双重威胁，乌克兰正在测试“搭车客”反无人机系统。该系统由IronNet和Asterion系统这两家领先的美国科技公司开发。前者是一家基于人工智能的赛博安全公司，后者专注于研发反无人机系统技术，能够探测无人机、对其进行分类、跟踪其行动轨迹、干扰反无人机系统网络，并摧毁目标无人机。

　　2024年，乌克兰部署了约150万架无人机，这些无人机整合了本国的人工智能系统。人工智能主要用于使无人机能够自主到达目标，无需直接驾驶，即使在电子干扰严重的地区也能保持有效。

　　然而，人工智能在军事行动中的作用并不仅限于这些早期阶段，它还延伸到适应性决策、作战规划和执行阶段。随着人工智能的不断发展，其在整个指挥控制周期中的整合（包括预测建模、自动化响应建议和实时任务调整）将重新定义指挥控制的未来。尽管人类监督仍然至关重要，但人工智能不断扩展的能力正在改变军事决策，使作战行动更快、更精确，并日益自主化。

　　人工智能驱动的决策不仅仅是一项技术进步，它还需要改变指挥结构、条令和流程。此外，它还要求操作员掌握新的技能组合。只有解决了这些问题，人工智能增强型指挥控制才能真正发挥其变革军事行动的潜力。目前，人工智能主要作为提升武装部队能力的工具，前提是其应用在效率、效能和敏捷性方面得到优化。但是，军事创新的挑战在人工智能领域仍然存在。未来的研究可以侧重于解决当前人工智能在军事应用中面临的挑战。

　　人工智能通过加速指挥控制周期、改进情报分析、作战规划和数据处理，增强了决策。为了充分发挥其潜力，武装部队必须高效且有效地整合人工智能，确保其成为力量倍增器，而非取代人类判断。这需要转变思维方式，从怀疑或部分采用转变为积极适应，改进传统方法以整合人工智能驱动的洞察。

　　为了成功实施，军事人员必须培养数据和技术素养、对数字系统的信任、算法推理能力以及人工智能辅助决策技能，确保人工智能生成的输出得到正确解读并整合到指挥流程中。为了让未来的参谋人员采用决策支持产品、无人机和Maven项目等平台以及（近）实时模拟，所提供的解决方案应按需可用，且实际使用门槛低。

　　为了充分利用技术赋能的决策支持系统，实现流程和程序的真正互操作至关重要。制定有效的运作方式并利用可用工具，将有助于建立对整合技术的信心。随着人工智能技术的发展，武装部队必须保持适应性，并愿意改进其方法。武装部队可利用人工智能革新其作战行动并维持战略优势。返回搜狐，查看更多