2022年3月29日，蘭德公司網站發布報告，題為《Developing a Concept of Operations for Joint All-Domain Command and Control with an Embedded Role for Artificial Intelligence Applications（開發嵌入人工智能應用的聯合全域指揮控制作戰概念）》，作者是蘭德項目部空軍現代化和部署項目主任，雪莉爾林格爾。報告要點如下：

一、研究的問題

（1）多域作戰（MDO）需要聯合全域指揮與控制 (JADC2) 能力的支持

現代戰爭已經超越了陸地、空中和海上的傳統作戰域，要求指揮官及作戰參謀超越傳統領域，在包括空間和網絡以及跨電磁頻譜領域進行作戰計劃、指揮和控制。

未來的全領域戰爭和競爭將對獲取信息的規模和速度、對信息的掌握以及對快速決策提出更高的要求，這些都是聯合全域指揮控制（JADC2）的關鍵要素。

但美國軍隊在規劃、調度、作戰中使用的很多遺留系統和基礎設施與這一現代化需求格格不入。同時考慮多域作戰的復雜性，軍事指揮官需要新的工具，包括基于人工智能/機器學習的工具。

（2）人工智能/機器學習的誘惑

最近在日益復雜的游戲中，人工智能/機器學習表現出了超越人類基線的能力。另一方面，國家對未來高端對抗中作戰需求的認識也越來越清晰。尤其是結合星際爭霸游戲的AlphaStar，似乎預示著在戰術和作戰層面指揮控制中人工智能的應用。

由于該人工智能算法是為真實世界、動態、多域、大規模和高節奏作戰而開發的，因此需要選擇、評估和監控其重要指標，以衡量算法的性能、有效性和適用性。這些技術指標包括效率（計算所需的時間和內存）、可靠性（算法結果是否有效）、最優性（算法是否針對預設目標提供最佳結果）、穩健性（在意外情況算法性能是否“優雅”下降）、可解釋性（人類是否能理解計算結果的“原因”）和確信性（算法是否按預期運行）

同時為了應用人工智能/機器學習技術，軍方必須了解技術應用的具體作戰需求和指揮控制過程，并理解人工智能/機器學習的局限性。

（3）人工智能/機器學習應用的障礙

首先是軍事文化，和商業的高風險高回報的文化不同，軍事文化是風險關切的。以數據共享為例，軍方往往關注數據安全，而商業上則重視數據開放。

第二個障礙是軍隊內部數據的可獲取性。為了支持人工智能輔助決策，軍方需要統一的數據管理政策，并有足夠的IT資源來處理大量數據。因此，必須有一個支持收集、標記、存儲、保護和共享數據的人工智能生態系統。管理上，這將依賴通用數據標準、明確責任機構、完整性檢查和入侵防護措施。云計算和數據湖將是關鍵技術組件。考慮到現有的軍事政策、文化、權限、預算和路徑，構建這樣的環境以跨域和安全的方式提供大量數據將給聯合全域指揮控制帶來挑戰。

第三個障礙是需要對軍事作戰中心進行重組，并對運營人員進行培訓。機器間通信的增加，再加上指揮與控制流程的自動化，可能會導致運營中心的設施變化和人員配置變化，從而解放部分操作員來參與更多的認知任務，如評估和完善可能行動方案。需要對操作員進行培訓，勝任新的角色。也需要對規劃人員和決策人員進行培訓，以適應單一領域到多域的思考模式轉變。

第四個障礙是軍事亞文化。考慮到作戰團隊之間的亞文化的差異、計劃管理的差異以及授權方式的差異，即使是在一個軍種中，也很難整合天空、太空和網絡領域的人工智能能力。

二、有效推進的建議

情況可能比較復雜，障礙也很多，急需迅速向前推進，需要即刻變革。如果將實現目標的步驟分解成可處理的問題，如果軍方清晰理解技術的可能性和局限性，就可以取得進展。

（1）目標不應該是指揮控制的完全自動化，而是指揮控制中有效人機協作。為此目的采取的步驟應包括：第一，聯合全域指揮控制作戰概念（CONOP）的持續發展和優先級；第二，在人工智能賦能指揮控制的過程中識別相應的需求和機會。

（2）同時，有必要為數據驅動的人工智能生態創造條件，這意味著將武器系統和相關數據放入多域數據池中，供那些應該能夠訪問數據的人使用，同時還應用“零信任”等安全原則，以確保對這些數據進行彈性和可靠的管理。隨著人工智能軟件開發，需要在作戰試驗環境中進行測試，將其與指揮控制系統集成，再將其部署到作戰中心。功能可能會迭代——首先將有限的功能放入運營中心，然后組織用戶反饋，再快速更新。分析人員和專家需要探索作戰和操作概念，以促進人機協作，為作戰人員使用人工智能技術建立信任，提高算法可解釋能力。在缺少商業需求的領域，可能需要針對性的軍事投資。

（3）當前的人工智能/機器學習技術需要數據來訓練。考慮到可能會缺乏真實世界的數據來完善這些技術，可以利用建模、仿真和演習來生成算法的訓練數據。但軍事領域的算法必須考慮真實世界中的不確定性——這對人和算法來說都是重要難題。

正如美國空軍參謀長2020年8月所說，“加速變革，否則失敗”。現代戰爭的當務之急是向聯合全域指揮控制的推進。需求是真實的，但需要為人工智能/機器學習設定符合現實的預期。現有的一些指揮控制條件還有自動化提升或人工智能提升的空間，但可能有一些指揮控制過程，從指揮員和技術的角度難以提升。正如美國眾議院軍事委員會主席和眾議員亞當 ·斯密（Adam Smith）在2021年9月談到聯合全域指揮控制時所說，“目標是正確的，但不要低估了實現目標的難度。”