人机协作各用途的优势概述

导读:本文主要研究了人机协作在战场上的应用，认为人机协作是现代军队“必须掌握”的技术，是高端战争中保持竞争优势的重要筹码。本文研究的人机协作包括人工与半自主机器的协作以及人工与人工智能代理系统的协作，列举美国现有的成功案例论证了人机协作的多种应用领域，如反介入/区域拒止环境内行动、信息筛选和决策支持、优先级排序等。文章指出，美国国防部目前在应用人机协作的过程中存在效率低下、人工能力欠缺、思想抵触等诸多问题，并相应提出了五点改进举措。

人机协作通常被狭义地设想为人工与一个到几百个或更多的自主化无人系统进行交互的过程。从最基本的形式来看，人机协作的这种愿景并不新鲜，人类与智能机器合作了几十年，1997年超级计算机“深蓝”在一场国际象棋比赛中击败世界冠军加里·卡斯帕罗夫，体现了早期的机器才能。军队长期以来也一直在测试各种概念，以提高这一关键能力。然而，近年来人工智能和机器人技术的发展速度令人印象深刻，这促使人们越来越多地考虑这些技术所能带来的新能力、效率和优势。

人机协作的表现形式有一个经常被引用的案例，那就是“忠诚僚机”概念：一个人工操作员控制着一些相对廉价、模块化、可消耗的自主无人机系统（UAS）开展任务和作业。这些僚机可在载人飞机前方飞行，执行一系列任务，包括电子攻击或防御、情报、监视与侦察（ISR）或打击，或作为诱饵吸引火力，“点亮”敌方防空系统。

不仅是美国，大多数现代国家的军队都对人机协作的这种表现形式越来越感兴趣。除美国外，澳大利亚、中国、俄罗斯、英国、土耳其和印度都至少有一个积极的“忠诚僚机”发展计划，而第六代战斗机发展计划，如“全球作战空中计划”（英国、意大利、日本）、“下一代空中优势计划”（美国空军和海军）和“未来作战空中系统”（德国、法国、西班牙），都涉及强调人机协作和机机协同的空中力量系统工程概念。

尽管这类人机协作对新兴军事能力非常重要，并将继续发挥重要作用，但对人机协作的讨论应包括人类与人工智能主体（能够从其环境、经验和输入中学习并根据其环境、经历和输入做出决定的主体）的全方位互动，包括与不具备物理形式的算法进行的绝大多数互动。“Maven”项目是应用这类人机协作的一个例子，美国防部和现在的国家地理空间情报局开展该项目，利用人工智能，从各种形式的媒体和收集的情报中自主检测、标记和追踪感兴趣的人或物3，从而使人工分析师和操作员能够有精力优先关注他们的重点领域。

除图像分析和目标识别外，非物理表现形式的人机协作还可支持一系列重要任务，如威胁探测、数据处理和分析。在速度、复杂性和可用数据显著增多的作战环境中，这一技术对军事效率的提高至关重要。这一应用还可以提高后勤和维护、培训和后台管理任务的效率，从而降低成本和执行时间。

通过将人工智能的处理能力和决策支持能力与人的社会智能及判断力相结合，并在某些情况下与具有不同自主程度的无人系统的力量倍增效应相结合，人机协作可以为美国及其盟国和合作伙伴提供多层次的叠加优势。

作为“加速采用人工智能创建一支适合时代的部队”的更广泛需求的一部分，国防部对人机协作当前和未来多层次价值的认识有所提高。尽管如此，五角大楼在采用人工智能和人机协作方面仍面临一些长期挑战。为了加速和深化人机协作的应用，国防部必须想方设法使开发工作与私营部门的参与保持一致，为采办官员在整个国防系统中推广人机协作解决方案创造灵活性。这种方法必须辅以如下措施：

·继续并更加重视在人类和机器合作伙伴之间建立信任；

·引领建立伦理道德和安全方面的最佳实践和规范；

·积极进行迭代实验；

·确保信息传递清晰一致。

这些要素对于实现人机协作在未来多领域作战中的价值和优势至关重要。

引用案例有助于更好地说明人机协作如何在多个任务和环境中提供价值优势。当然，实践者已经看到或经历了各种环境下案例的使用——包括通过兵棋推演和对正在乌克兰进行的战争的分析。人机协作的应用速度发展缓慢，这可能会让人对使用案例的效用产生怀疑。尽管如此，强调人机协作的各种应用，以及在某些情况下未得到充分重视的应用，有助于展示人机协作发挥成倍增益作用的不同环境，以及这种能力如何支持美军满足现代战场的需求。

然而，在国防部这样的大型组织中，改变对人机协作的看法是一项反复的任务，需要经常强化其价值，特别是当支持人机协作的技术和概念创造出新的机会时。下文讨论的几个使用案例远非全部——我们的研讨会和研究还探讨了其他几个引人注目的使用案例，但作者之所以选择它们，是因为它们反映了人机协作在服役任务和应对国防规划者迫切考虑的作战威胁和挑战方面的多层价值，如表1所述。

表1 人机协作各用途的优势概述

在反介入/区域拒止环境中行动

确定如何在反介入/区域拒止环境中开展行动，显然是国防规划人员的首要任务。在印太地区尤其如此，中华人民共和国的军事现代化努力强调利用无处不在的多域传感器以及大量动能和非动能打击资产建立警戒线，在此类警戒线内，美军和盟军极易受到敌方火力的攻击，在最坏的情况下甚至无法有效作战。

虽然人机协作无法规避与强大的反介入/区域拒止系统作战的所有风险，但它可以通过多种方式帮助美军和盟军更好地管理这些风险，包括处理和分析大型复杂数据集，以支持人工操作员更好更快地做出决策。

无人系统、载人资产和人工操作员协同

在反介入/区域拒止情况下，使用可消耗和消耗性的无人系统与载人资产、人工控制员和决策者相结合，可以实现几个重要目标。最值得注意的是，这些体积较小、成本较低、一般为模块化的系统可用于使反介入/区域拒止系统达到饱和、识别敌方防御工事、迫使对手消耗其深层弹药储备，以及扩大价值较高的载人和无人资产的作战范围，降低载人资产及其人工操作员的风险。

与人员一起行动的无人系统群还能扩大指挥、控制、通信、计算机（C4）和情报、监视与侦察（ISR）网络的覆盖范围，提供持久且有弹性的情报、监视与侦察信息，并将其中的关键信息传递到前线。此外，可消耗或可重复使用的系统可使在有争议的反介入/区域拒止环境中作战的部队，在不冒人员伤亡风险的情况下进行维持和再补给，包括使用无人系统直接对反介入/区域拒止区域内的部队进行再补给，尽管这些系统携带的非消耗性货物损失的风险和代价也不应被忽视。

为此，“降低人工操作员的风险”并不意味着“消除这一风险”，而使用可消耗的无人机系统与无人水面载具（USV）仍然会伴有损失。此外，即使是可消耗系统，系统本身及其装载物也价值数百万美元。为确保人机协作部队结构的规模达标，新的价值计算以及增强的重组系统能力必须跟上预期的损耗水平。

信息建构和决策支持：增强态势感知，提高决策速度

反介入/区域拒止环境的用例，同时也能说明机器如何支持人类完成关键且要求越来越高的“信息建构”（sense-making）任务——即解释和融合数据，为加强决策建立基础。

反介入/区域拒止环境中的信息建构

反介入/区域拒止环境将以大量复杂的数据集、以及包括电磁频谱在内的跨域信号和噪声为特征。操作人员可获得的数据信息将是海量的。多域传感器、监视和打击资产将积极运作，并与友军协作和敌军交战，这就需要人工智能代理来帮助处理和过滤数据，并将相关信息反馈给作战人员。其结果将是提高人工操作员过滤数据的质量和速度，然后修复和跟踪敌方反介入/区域拒止系统中的关键节点。这是人工智能的一种应用，说明人工智能数据融合和复杂数据集处理能够提高态势感知能力并加快决策速度。这种信息建构的应用范围其实非常广泛，包括提高识别目标的速度和精度，确定使用适当的动能或非动能武器打击目标，以及确保效果的精确性。

目标工作：联合全域指挥与控制（JADC2）

国防部“连接一切”的联合全域指挥与控制是另一个应用案例，说明人机协作可以用来支持改进目标工作和加快从传感器到射手（sensor-to-shooter）的处理过程。正如2022年1月国会研究服务处的一份报告所指出的，“联合全域指挥与控制通过收集来自众多传感器的数据，使用人工智能算法处理数据以识别目标，然后推荐最佳的动能和非动能武器来攻击目标，从而使指挥官能够做出更好的决策。”虽然联合全域指挥与控制在很大程度上仍然是一个概念，而不是未来军事行动的架构，但美国军方已经在使用人工智能来帮助寻找和跟踪战场上可能的目标或有价值的实体。2021年9月，美国空军部长弗兰克·肯德尔承认，空军已“首次在实战杀伤链中应用了人工智能算法”，以提供“自动目标识别”。肯德尔指出，通过这样做，空军希望“大幅减少人工识别目标的人力密集型任务，缩短杀伤链并加快决策速度”。

塑造情报分析和任务规划领域的未来

通过人机团队进行信息建构的方式，也正在塑造情报分析和任务规划等领域的未来（见下文关于大型语言模型的边栏），在这些领域中，人工智能支持的数据融合、模式和异常检测以及研究和分析支持，为分析人员管理和利用爆炸式增长的可用来源和数据提供了便利。人工需要数天才能完成的任务，现在只需数小时即可完成，从而使人员能够集中精力处理从大型数据集中获取的最相关的信息。例如，在俄乌战争中，乌克兰武装部队已经在使用自然语言处理工具，利用人工智能来翻译和分析截获的俄罗斯通信情报，从而节省了分析人员的时间，使他们能够专注于关键信息和情报的处理。人工智能的使用不仅加快了分析速度，而且还能将“已知的未知数”（unknownknowns）——观察到但容易被忽视或遗忘的联系、视角和信息——提炼出来引起分析人员的注意，并向人类决策者阐明信息的价值或质量。

2023年1月，国家情报总监办公室下属的情报高级研究计划局（IARPA）宣布了一项名为REASON（在线快速解释、分析和采购）的项目。该项目将使用人工智能软件来改进人工撰写的情报评估产品。该软件将审查人工撰写的报告，并自动生成撰稿人可能不知道或没有使用的其他来源的建议，还将作为一个自动的红队评审员（red-teamreviewer），就如何提高报告的分析质量提出建议。该程序朝着正确的方向迈出了一步，展示了人工智能的众多用途之一，即可以帮助人类建立数据和来源之间的联系并改进分析和决策。

审核编辑：黄飞