推荐！《未来军事冲突：2040 年前的人机一体化新范式》美陆军最新169页报告|hmi|人工智能|伦理|未来军事冲突：2040 年前的人机一体化新范式|计算机

2030 年至 2040 年期间，人机一体化（HMI）将如何演变作战特征，并促使整个 DOTMLPF-P 发生变化，从而在未来军事冲突中获得或保持竞争优势？

在机器的辅助下，哪些功能可能仍将以人/CDR 为中心？
哪些流程、教育计划和工具将有可能培养出一支能够提出正确问题并做出正确决策的军队队伍，以便在以数据为中心的环境中作战并取得胜利？

2030 年至 2040 年期间，人机一体化极有可能（71%-85%）从根本上重塑全球战争的特征，影响部队设计的所有要素（DOTMLPF-P）和每个军事作战职能。尽管影响范围如此广泛，但变革不可能平均分布（见图 1）。事实上，在未来 15 年中，关键技术、社会、工业和管理趋势的融合很可能会将这种转变集中在五个不同的领域：

人机一体化--增强型指挥与操纵
伦理人工智能--强化决策
面向未来的军事能力
未来支持基础设施
DOTMLPF-P范式的落幕

图 1：该图显示了 DOTMLPF-P 要素与作战功能的交叉点，以及人机一体化系统和流程对每个要素从高到低的预测影响。

第一个关键领域：HMI增强型指挥和机动

图 2：第一个关键领域体现了培训/政策与 M2/C2 之间的高度影响。

到 2040 年，HMI 系统将可能主要通过培训和政策部队设计要素，推动指挥与控制 (C2) 和运动与机动 (M2) 领域作战能力的进步（见图 2）。除了自主系统等有据可查的创新外，一项条令创新、两项与人机界面相关的新技术和一个新兴的教学过程的融合可能会加速这些进步：战术战术手册、轻量级和无处不在的 AR/VR 技术、脑计算机接口（BCI）和微学习。此外，HMI 伦理政策虽然往往较晚或不完整，但很可能会起到强调这些进步中人的因素的重要性的作用。掌握这种融合的军队将极有可能获得在战场上不断学习和实时适应的能力，并迅速将新知识传播给部队的其他成员。

战术手册。作为 “任务式指挥 ”理念的一个重要延伸，“战术手册 ”思维可能是人机一体化部队的最佳选择。柯林斯航空航天公司无人机和先进项目副主任 Jaclyn Hoke 博士说："就像四分卫指挥比赛一样，当人类设定指令时，系统应理解并根据指令执行。追求这种'脚本自主'对于将自主系统有效地融入我们的综合防御战略至关重要。”
轻便且无处不在的 AR/VR。随着 AR 和 VR 设备变得更加时尚和先进，经过 HMI 优化的军队将可能即时、随时随地开展高保真训练，包括在战场上。事实证明，这些技术在各个领域都很有价值。例如，纽约警察局利用沉浸式模拟进行情感疏离训练，强化公平性，帮助警官做出不带感情色彩的决定。
BCI。无创 BCI 将可能成为解读大脑信号，与人类和机器进行交流的先进方式。无创生物识别（BCI）可以发送和接收思维激活信息，利用电子 “中间人 ”设备进行隐形通信。OpenBCI 公司的 Galea Beta 设备（见图 3）预计将于 2024 年面市，该设备集成了生理传感器，可监测大脑、心脏、皮肤、肌肉和眼睛的活动，在混合现实和神经技术之间架起了一座桥梁。

图 3：OpenBCI 的 Galea 在混合现实和神经技术之间架起了一座无缝桥梁，“为人机交互铺平了道路，让人感觉更像是用户自己身体的自然延伸”。

高级微学习。到 2040 年，几乎可以肯定的是，士兵将利用微学习进行训练和作战准备。微学习包括简洁、有针对性的学习片段，旨在快速掌握技能，非常适合军事训练等动态环境。先进的微学习结合了自适应人工智能技术、用于模拟真实场景的增强现实和虚拟现实技术，以及可在任何地点使用的移动技术。它还以游戏化为特色，提高参与度，并通过数据分析来定制和优化学习体验。西英格兰大学（University of the West of England）教授创业学的迪伦-琼斯-埃文斯（Dylan Jones-Evans）在2024年3月的一篇《西部邮报》文章中指出，预计到2024年底，将有近一半的公司（47%）实施微学习战术。
HMI 道德政策。将人类的道德决策与人工智能的计算能力相结合，将精确的机器数据与人类的判断和价值观快速结合起来。各组织可能需要调整其伦理方法，以适应这种新结构，而政府几乎肯定需要制定相关政策。卡内基梅隆大学软件工程研究所将道义伦理框架与机器对/错决策相结合，提高了 HMI 系统在 C2 决策场景中的有效性，并增强了信任度、责任感和可用性。

第二个关键领域：伦理人工智能强化决策

图 4：第二个关键领域突出了人事/条令与 M2/C2 之间的交叉。

到 2040 年，HMI 极有可能加强 C2 和 M2 中的人工智能伦理决策，主要影响人员和理论要素（见图 4）。这一发现立足于人的层面，列出了三种可能提高效率的创新技术和协议：人工智能优化决策速度、“人工智能 ”和人工智能危机管理。结合人类先前存在的拟人化偏见，这些进步很可能会影响高风险环境中的传统军事决策过程，从而做出更快、更有效的反应。

人工智能优化决策。主要由于大型语言和大型行动模型的快速发展，先进的计算机系统很可能能够实时分析非结构化和定性数据，以加强 C2 决策过程。此外，主要由于世代交替以及这些系统所提供的有针对性的教育和培训，军事领导人也很可能发展出与机器高效互动并解释其输出结果所需的技能。德勤公司 2023 年的一项研究强调了这种整合，揭示了将人类道德决策与人工智能优化的机器计算能力相结合，可实现以接近机器的速度做出决策（见图 5）。

图 5：人工智能与人工监督有效结合，有助于创造更公平、更具包容性的服务。

人工智慧（AW）。认知人工智能系统不仅仅是计算和分析工具，还完全具备道德决策、移情互动和适应性学习的能力，但到 2040 年，这些系统的进步还不太可能实现。不过，这些系统和早期原型的元素几乎肯定会进入伦理人工智能增强决策系统，因为军队越来越认识到，不仅要让领导者更聪明，还要让他们更有智慧。休谟人工智能公司（Hume AI）于2024年3月发布了 “移情语音界面”（EVI）的测试版；这一情感智能人工智能是在数百万次人类对话中训练出来的，可以检测用户何时说完话，预测他们的偏好，并调整语音反应，从而随着时间的推移提高满意度。
人工智能危机管理。目前，人工智能在危机管理中的应用还不充分，但很可能成为解决未来紧急情况的标准协议。在芬兰外交部的支持下，马耳他和瑞士成立了一家非营利组织 DiPLO，该组织正在研究人工智能模拟人类对话和战略推理的能力，这正在改变谈判和危机管理，预示着未来人工智能与外交和国际合作的融合将更加深入。
拟人化。拟人化偏差，即人类将人类特征赋予非人类物体的倾向，可能会随着机器获得自主权和对话能力而带来新的重大挑战。领导者必须明白，士兵与机器之间几乎肯定会建立起牢固的联系，这就需要制定复杂的策略和协议来有效管理偏见。阿伯丁大学高级讲师、美国、英国和欧盟人工智能与核政策顾问詹姆斯-约翰逊博士指出，设计选择会影响用户对人工智能交互的看法。人工智能可以通过编程或自主学习来抑制或表现出类似人类的特征，从而有可能用于假旗行动或虚假信息宣传等欺骗性活动。

第三个关键领域：面向未来的军事能力

图 6：第三个关键领域包括情报、火力和维持。

到 2040 年，先进技术可能会影响部队设计的各个要素，如情报、火力和维持，尽管这些功能之间的水平差异很大（见图 6）。这些差异反过来又是由科技产业驱动的，科技产业在很大程度上推动了创新，但它们不太可能把重点放在这些作战功能上，而是选择对潜在市场更大的商业产品进行研究。然而，四种新兴技术结合在一起，很可能实现技术飞跃，减轻大多数科技产业以商业为重点的影响。它们包括模拟人脑过程的神经形态技术；除其他外可以加快供应链运作的先进神经网络；人工智能和区块链的增强；以及有意义的量子计算的出现。此外，到 2040 年，这些技术还将促使军事人员的角色从体力型向认知型转变。

神经形态技术。神经形态技术以类似人类的方式处理图像和声音等感官数据，这可能会使士兵使用的系统做出更自然的反应。通过降低处理所需的功率，这项技术可能会使 HMI 系统的外形尺寸更小。神经形态计算潜力的一个很好的例子是 NeuRAAM 芯片。该芯片于 2022 年由加州大学圣迭戈分校的全球生物工程师团队开发，采用了神经形态技术，可直接在内存中处理人工智能应用。与传统的人工智能平台相比，这种设计大大降低了能耗，使 NeuRRAM 成为智能手表、AR/VR 头显、智能传感器和太空漫游车等边缘设备的理想选择。采用类似 NeuRRAM 芯片的设备可以独立执行高级认知任务，无需中央服务器或云连接。
高级神经网络（ANN）。高级神经网络能够理解采购、制造、仓储和运输等因素之间的关系，因此有可能为库存管理提供洞察力，并促进供应链管理中的任务，如根据特定标准评估和选择供应商。切尔卡瑟国立技术大学于 2022 年 1 月强调了速度在供应链中的关键作用，并通过一项研究表明，先进的神经网络可显著提高预测准确性。
人工智能和区块链。使用人工智能和区块链的 HMI 进步极有可能实现人类和机器之间弹性和安全数据的无缝传输。麻省理工学院运输与物流中心强调，到 2040 年，HMI 将能在复杂场景中实现从自动化系统到人类指导干预的更平稳过渡。这种整合可能会提高操作灵活性，加强安全协议，简化供应链管理，并增强物流操作的信任度和可靠性。
量子计算。到 2030 年代末，量子计算将可能通过引入新的能力和方法来影响数据分析、传感器和密码学，从而开始改变军事行动。谷歌和 IBM 预计将分别在 2029 年和 2030 年突破 100 万量子比特，这标志着量子计算的重大成就。
军事人员的技术技能。到 2040 年，先进的 HMI 和自主设备几乎肯定会从根本上改变士兵的角色和军事机构内更广泛的文化。这种转变将要求从体能到技术熟练程度的重大转变，从而模糊战斗角色和专业技术之间的界限。2021 年，《体育科学与医学杂志》发表的研究结果表明，到 2040 年，作战人员的转变几乎肯定是由于新兴技术对军事人员表现的影响，如图 7 所示。

图 7：每个战争级别对军事作战人员的需求从体能到认知的转变。

第四个关键领域：未来支持基础设施

图 8：第四个关键领域强调了 DOTMLPF-P 和 WfF 之间影响最小的领域。

到 2040 年，将 HMI 集成到军事和工业应用中将重新定义作战环境。正如所谓的 “协作中心 ”所展示的那样，人类与机器之间的协同作用很可能会提高性能，这就需要专门建造能够促进有效合作的环境。同样，向更加自主的系统转变可能需要先进的电力解决方案，如移动微电网和大容量电池，以支持能源日益密集的操作。此外，3D 打印技术的发展可能会影响供应链，实现快速现场生产和维修，从而保持持续的运行准备状态。然而，这些技术进步给实体设施的现代化带来了巨大挑战，这些设施可能会同时发展，以支持所需的先进基础设施。这可能需要采取积极主动的方法来克服监管和后勤障碍，以确保这些创新在各个领域得到有效整合和利用。

协作中心。人类与机器之间的高效协作可能需要专门的空间来运行和整合。澳大利亚兰德公司于 2020 年推出的一份报告延续了澳大利亚皇家海军《RAS-AI 战略 2040》开始的工作，强调 HMI 的成功和特点在很大程度上取决于个人是否愿意将机器人纳入多样化的劳动力和军事环境（见图 9）。

图 9：机器人辅助协同工作的约翰森时空矩阵。

发电。随着各国部署更多无人驾驶设备，并致力于减少对化石燃料的依赖，对发电资源的需求可能会增长。能够以 “孤岛 ”模式独立运行的微电网需要大量基础设施。西门子、SEL 和施耐德电气等领先企业正在率先开发移动微电网，以满足这些需求。
3D 打印。HMI 系统极有可能需要能够生产和维修战场可穿戴设备的设施和组织。随着 3D 打印技术在未来十年内变得更小巧、更易于操作，这将开启零部件的现场打印，迅速恢复士兵和装备的全部任务能力。来自 Velo3D 公司的 Greg Brown 和来自 Braskem 公司的 Jason Vagnozzi 等行业领袖指出，3D 打印的生产率和流程控制越来越重要，这对于以较低成本生产复杂的集成组件至关重要。
设施现代化挑战。建造或改建设施会带来许多挑战，即使是无关领域的变化也可能对现有设施造成影响。当发生大规模变化时，这些挑战可能会加剧，有可能超过设施投资的速度。兰德公司 2021 年题为 “美国陆军非物资能力开发流程回顾 ”的研究报告也发现，当 DOTMLPF-P 的其余部队设计要素实施变革时，设施领域会出现落后的情况。

第五个关键领域：停用 DOTMLPF-P 范式

图 10：网络分析显示，DOTMLPF-P 以 “炉灶式 ”的系统方式呈现感兴趣的领域

虽然 DOTMLPF-P 不太可能完全消失，但到 2040 年，随着 HMI 在整个部队的普及，其效用可能会逐渐减弱。HMI 技术与数据能力要求的提升相结合，可能需要从非传统角度评估不断变化的作战特点。网络分析范例可同时揭示复杂的自适应系统和系统中最具影响力的部分、系统内部的联系以及系统的潜在异常值。网络分析清楚地显示了（见图 10）系统内部各项目之间的动态交叉，而 DOTMLPF-P 则以系统的方式呈现了感兴趣的领域。

利用该网络分析到 2040 年 HMI 的影响，我们发现有两个新领域与之前的 DOTMLPF-P 发现有很大不同：

HMI 的理念。到 2040 年，HMI 与伦理决策的交叉点很可能会发生重大转变，军事领导人需要做出艰难的哲学选择。如需了解更多信息，请参阅下面的调查结果：“在机器的辅助下，哪些职能可能仍将以人类/CDR 为中心？
培训和招募 HMI 人才。2030 年至 2040 年期间，在以数据为中心的环境中，对员工队伍至关重要的工具、流程和教育计划的开发很可能会大幅增加。但是，如果没有大量的参与，这些工具、流程和教育计划极有可能更侧重于改善民用和商用需求，而非军事需求。欲了解更多信息，请参阅以下调查结果：“哪些流程、教育计划和工具将有可能培养出一支能够提出正确问题并制定决策的军事人才队伍，从而在以数据为中心的环境中作战并取得胜利？

在机器的辅助下，哪些功能仍将以人类/CDR 为中心？

虽然哲学家和神学家会继续争论不休，但很可能有三个主要框架（见图 11）来理解伦理决策哲学：基于规则的思维、基于关怀的思维和基于目的的功利主义思维。哲学家和伦理学家拉什沃斯-基德博士认为，这三个框架 “提供了不同的视角，通过它们可以看到我们的困境，使用不同的屏幕来评估它们”。

图 11：以规则为基础、以关爱为基础和以功利为基础是三种主要的决策伦理框架。

每个框架都提供了一些标准，用于确定决策应由人类单独做出、主要由人类做出、完全由机器做出、主要由机器做出，还是由人类和机器共同做出。随着时间的推移，随着人类对人工智能和机器的信任度越来越高、工作经验越来越丰富，这些决策的整合程度可能会越来越高。与此同时，随着技术的进步，机器可能会通过高级交互和改进认知行为来加深理解。

为了形象地展示这种转变，研究小组采用了多标准决策分析和名义小组技术，针对过去五个月中进行的非保密开源研究，对六项道德标准进行了评估。目前，在情感细腻度和情感反应能力这两个以关怀为基础的思维方面，更依赖于人类决策（见图 12）。同样，人类比机器更能实现效用最大化。最后，在灵活性标准方面，人类更受青睐，这可能会使人类在动态情况下做出更好的基于规则的决策。

图 12：机器很可能通过长期学习获得道德灵活性。

到 2040 年，机器很可能会通过长期学习获得灵活性，这很可能会提高人工智能实现效用最大化的能力（见图 13）。此外，由于与人类信任互动的增加和人工智能的进步，机器在情感细腻度方面也可能会有所提高，尽管只是略有提高。此外，由于这些互动，人类很可能会在决策过程之前、期间和之后，通过获取数据以及理解和处理数据的能力，变得更加一致。