|
联合全域指挥与控制（JADC2）的概念仍然是一个新生的概念，是尚待定义和检验的理论。但是，无论这些内容如何成形，都必须满足关键要求，即具备快速处理和分析过去无法感知的大量复杂数据的能力。  F-35等第五代飞机固有的功能体现了先进系统带来的数据管理挑战，而这些挑战必须在多域作战中加以解决。飞机既是战斗平台，又是飞行传感器，而且如果军方要以有意义的方式从中受益，那么其收集数据的多样性和数量将带来沉重的负担。当考虑与对等对手（中、俄）发生冲突的速度并将其扩展到“传统”域之外时，确实存在指挥官可能会被需要处理的数据淹没的真实风险。  尽管大幅度增加人员数量可能是一种解决方案，但是所需的数据复杂性和行动速度要求，在指挥和控制域中逐步改变功能。在这里，通过利用人工智能可以带来潜在的改变游戏规则的好处。 联合全域指挥与控制（JADC2）需要全面、动态和近实时的通用态势图（COP），AI无疑可以帮助加快决策速度。AI可以根据先前的经验自动进行过滤和配置。但是，除此之外，其还具有检查指挥决策和学习，为实现任务目标应采取的措施，自动提议行动并对其进行排名的能力。 AI实用性的核心将是强大数据的可用性，而机器学习（ML）的成功应用将取决于此。机器学习已经证明了其在异常检测和跟踪关联方面的价值，将其提升到一个新的水平，也能够为敌方行动提供预警。AI可以识别敌人何时为特定动作和特定区域做好准备，例如通过分析部队的动向，飞机出动和训练活动。从理论上讲，该技术可以自动向指挥官发出警报，提出行动方案，并最终匹配任务单位。自然语言理解的应用甚至可以使情报报告能够从不同的数据中生成。 AI在支持资源到任务管理（例如，编制空中任务清单）方面也有明确的应用。在整个战区范围内的冲突中，了解哪些力量可用并最适合完成一项任务是一个重大挑战，如果AI可以跨越所有领域，将能够评估要使用的最合适资源的指挥官。AI也将能够迅速警告指挥官，在任务开展或出现新情报时自动调整清单，例如，在编辑空中任务清单（ATO）以优化资产部署时。  AI在启用JADC2中的实用性显而易见。然而，尚不清楚的是如何开发和部署最佳AI功能，以确保在所有军种和领域中发挥最大影响。对“环环相扣的人”的需求是必不可少的，并且AI的应用并不意味着对自治系统和机器人战争的改变，但是AI支持必须被操作员和指挥官视为值得信赖。 凝聚性方法对于为联合全域指挥与控制（JADC2）开发AI至关重要，各军种必须将自己视为彼此的客户和供应商。不能在孤岛中开发能力，如果军种部门不了解联合部队的需求，则不可避免地会存在能力差距，并且在指挥结构和流程上会脱节。考虑到以联盟为准则的作战性质，这一挑战将变得更加复杂。 用于JADC2的核心指挥与控制（C2）系统的设计也是一个关键考虑因素。快速信息共享的需求以及利用各种资源的能力至关重要。他们的设计必须具有开放的体系结构，以使新的应用程序能够快速开发和集成，并实现部队之间的无缝互操作。由标准驱动的设计是必须的，而且系统不可乱用，其不仅可以跨军种提供，而且可以作为整个作战区域使用，这是至关重要的。安全问题将存在，但必须克服，并且不构成域之间信息和数据共享的障碍。 确保合作伙伴具备必要的AI功能并访问相关数据是另一个障碍。尽管功能上的差异不是一个新问题，但在JADC2的背景下（行动速度至关重要），这一点被放大了。 |
|
|
