战斗信息中心 （CIC） 是现代军舰上图片编译、任务管理和武器控制的焦点。它拥有一支由人工操作员组成的团队，负责为战术人员和指挥官提供合理化的信息，作为实时决策的基础。作战团队的成员与计算机化的控制台、显示器、通信设备和其他外围设备进行交互，以建立对战术情况的集体欣赏;评估威胁并确定其优先级;并管理海面上、海面上和海面下的“战斗”。
目前，CIC 的指挥链基于高度规范化和以人为本的决策层次结构，编译者和操作员从各种有机和非有机来源构建战术图，以实现及时和明智的战术决策：例如，转向开放武器弧线的课程，或执行软杀伤对抗策略。然而，人们认识到，随着海军部队越来越多地被要求在日益复杂和苛刻的作战环境中作战，这些环境的特点是多样化和越来越具有挑战性的威胁，指挥团队现在面临着越来越大的超负荷威胁。
与此同时，船舶从有机传感器和非有机来源接收到的数据量越来越大，这使得指挥团队识别、理解和应对威胁场景的能力变得复杂。操作员也承受着越来越大的压力：在国防手表上一次盯着屏幕数小时需要高度的人工注意力，即使在休息期间也是如此。任何失误都可能意味着错过或错误识别联系人。
正是在这种背景下，海军从业人员、作战人员、国防科学家、工业界和学术界都开始考虑如何提高自动化程度和人工智能 （AI） 技术的更多使用可以提高指挥和控制领域决策的敏锐度和速度。定义各不相同，但从广义上讲，人工智能可以被描述为机器表现出的“智能行为”。从本质上讲，这描述了机器模仿人类用于推理、规划、学习和解决问题任务的认知功能的能力。
AI 已经开始成为商业和消费领域的主流，因为企业已经看到了 AI 在提高生产力、提高效率和简化任务执行方面的潜力。海军现在也热衷于在指挥和决策中利用“机器速度”人工智能的力量，因为他们认识到人工智能技术擅长从嘈杂的动态数据中推断模式、趋势和信号。同时，人们认识到，将人类操作员和计算机整合到一个有效且高效的社会技术组织中会带来无数的技术、运营和道德复杂性。
上下文中的 AI
高度自动化在海战中绝非新鲜事。例如，设置为“自动”模式的自卫武器系统将在满足预定的交战阈值条件时自动接合。这代表了一种非常基本的人工智能形式，因为武器系统有能力承担原本由人类执行的功能。但是，应该明确的是，这不是一个学习系统，因为它仅适用于预编程的规则集。
关于在指挥环境中实施早期形式的 AI 的初步思考可以追溯到 1980 年代。皇家海军 （RN） 舰艇在南大西洋的损失、海湾护卫舰斯塔克号护卫舰 （FFG-31） 的反舰导弹袭击，以及文森斯号巡洋舰 （CG-49） 无意中击落一架伊朗 A300 客机，都证明了行动信息组织的脆弱性和易犯错性，这些组织依赖于大型和等级森严、以人为本的行动信息组织命令链。在某些情况下，高工作量和战斗压力的结合使操作员的认知能力不堪重负，导致他们错误地评估情况和/或错误地估计适当的反应。在其他情况下，操作员和作战人员缺乏关注意味着即使有明确的线索表明攻击迫在眉睫，威胁也会被忽视。
到 1990 年代，人们进行了一些有限的尝试，将 AI 的形式引入命令链。然而，这些所谓的“专家”系统——基于包含嵌入式学说或规则的知识库实施某种形式的人工智能——遇到了许多不足和限制。例如，那个时代的计算吞吐量和可访问内存所施加的限制必然限制了软件实现的复杂性。此外，这些基于知识的技术在实施中非常严格 – 依赖于从操作员经验中提炼的规则 – 因此在应用中非常狭窄。
人们对人工智能在海军指挥和控制中实施的兴趣重新燃起，这反映了过去十年技术和工艺的重大进步——最重要的是，当今深度学习的革命使计算机能够以更像人类的方式学习和概括特定任务。与此同时，人们更好地认识到 AI 可以在指挥过程中增加价值的地方：例如，帮助操作员在早期阶段提醒潜在威胁，或在复杂的多威胁场景中支持威胁评估和武器分配 （TEWA）。
还应该理解，至少在可预见的未来，用机器完全取代人类的想法并不被接受。相反，重点是利用 AI 技术来减轻决策者的工作量，从而在人类规划任务、估计对手能力或考虑采取特定行动方案时给予他们更多时间并提高清晰度。简而言之，当时间有限或选择数量太多以至于人类无法分析所有替代方案时，AI 可以提供关键的决策支持。
这种决策辅助工具的一个例子是由约翰霍普金斯大学应用物理实验室 （JHU APL） 开发的硬杀/软杀 （HK/SK） 性能评估工具 （HaSPAT） 原型。HaSPAT 旨在帮助操作员了解计划的防御态势并在敌人攻击之前评估战斗系统的性能，它还通过建议可用资源并确保保留足够的弹匣容量用于自卫来平衡武器库存。JHU APL 的工程师在 2019 年 6 月访问美国海军宙斯盾巡洋舰邦克山号（CG-52）后开发了 HaPAT。在与舰艇指挥官讨论后，决定快速开发一种工具，以帮助船上的作战团队更好地规划和协调硬杀伤和软杀伤效应器的使用。
HaSPAT 整合了有关武器有效性的信息以支持武器分配和调度，并嵌入了模拟以生成分析和性能指标，以告知用户与配置相关的可能风险。它还被设计为用户可以为区域和自卫实验设置不同的部队战斗空间配置。
原型工具于 2020 年初部署在 USS Bunker Hill 上，以便船上的船员可以评估 HaSPAT 功能并为进一步更新提供反馈。根据 JHU APL 的说法，这次初步演示为在部队层面实现更重要的硬杀伤/软杀伤协调能力提供了垫脚石。
在大西洋彼岸，英国皇家海军也对旨在加速和提高指挥团队态势感知和威胁分析的原型决策辅助工具进行了海上作战实验。例如，在 2021 年 5 月的海上演示/“强大盾牌 21”演习期间，RN 和国防科学技术实验室 （Dstl） 评估了许多 AI 工具。一个是 Roke 的 STARTLE 应用程序，它旨在通过提供实时建议和警报来帮助减轻操作员监控空气图像的负担。另一个是 CGI UK 的系统协调综合效果分配 （SYCOIEA） 自动化平台和强制 TEWA 应用程序。
智能船舶
人们认识到，未来的核心挑战是如何设计人类操作员与计算机和 AI 软件程序的交互和合作，以最大限度地减少人类意图与使用自动化或自主系统执行该意图之间的“摩擦”。这种集成（其接缝是人机界面）必须认识到，人类不仅仅是“用户”或“操作员”，而且本身也是决策循环的一部分，因此是功能和输出不可或缺的一部分。
2019 年，这种研究人工智能改变指挥决策潜力的一些关键问题的需求是英国 Dstl 启动一项被称为“智能船”的多阶段科技项目 （S&T） 的催化剂。这项正在进行的工作由国防部 （MoD） 资助，作为其更广泛的自主科技计划的一部分，代表了设计一个协作“系统的系统”的开创性尝试，其中自动化和人工智能与人类更紧密地集成并合作，以实现更及时、更明智的规划和决策。重要的是，Intelligent Ship 项目旨在展示未来的命令和控制概念，其中人类和 AI“代理”在一开始就被设计出来，而不是简单地将 AI 添加到传统的行动信息组织中。此外，它还认识到系统系统将包括机器-机器合作以及人-机合作。
智能船舶计划的第一阶段涉及一系列“挑战”主题——任务规划和决策辅助、信息融合、传感器和信息管理、新颖的人机界面、人机合作和集成——代表了典型军舰中的各种功能和能力。其中包括支持平台系统的组件，以及指挥规划和决策辅助工具。
这个最初的六个月阶段的核心部分是开发智能船舶 AI 网络 （ISAIN） 框架的任务。ISAIN 在 CGI UK 的领导下开发，并得到了 DIEM Analytics、Human Factors Engineering Solutions 和 Decision Lab 的支持，是一个可以在不同场景中探索人机协作的环境，从而能够开发和评估新的组织和工作流程结构，这些结构利用了与人类一起工作的 AI 的使用。这提供了在人类、AI 或两者之间动态转移工作负载的潜力，具体取决于情况及其复杂性。此外，ISAIN 框架为系统研究系统提供了一个试验场，并促进了对支持和促进团队所有成员（人类和 AI）的活动和互动的创新机制的研究。
例如，不同的 AI 和人类如何协作，AI 和人类能力的最适当组合，组织 AI 和人类以实现团队目标的最佳方式，以及仲裁或消除来自多个 AI 的相反建议/行动的方法。
除了 ISAIN，智能船舶的第一阶段还为人工智能（或决策代理 （ADeM））的成熟提供了资金，这些人工智能可以集成到 ISAIN 中进行演示。ADeM 是该项目采用的一个术语，用于描述在人类-AI 机器或 AI 机器-AI 混合机器团队中运行的人类或基于机器的智能代理。
2020 年 6 月，国防部的国防和安全加速器 （DASA） 发布了智能船舶项目第 2 阶段的呼吁。DASA 资助创新和可能被利用的科技理念，这些理念可能会为英国武装部队和国家安全带来具有成本效益的优势。当年 11 月共授予了 9 份第 2 阶段合同，累计价值约为 3 百万英镑。其中大约一半的资金分配给了 CGI UK，他们是 ISAIN 的集成商和开发负责人。在这个职位上，CGI UK 与 Dstl 合作进行 ISAIN 集成，将 ISAIN 安装到 Dstl 的 Portsdown West 站点建立的指挥实验室中，为智能船舶的各个方面如何在 ISAIN 环境中整合进行设计开发，以及将选定的 ADeM 集成到 ISAIN 架构中。
DASA 承诺将第 2 阶段资金的剩余部分用于开发特定的“训练有素的”人工智能。Decision Lab、DIEM Analytics、Frazer Nash Consultancy、Montvieux（获得两个奖项）、诺丁汉特伦特大学、劳斯莱斯和 SeeByte 获得了单独的合同。CGI UK 根据行业标准和工具制作了一个软件开发工具包，并提供给各种 ADeM 供应商。
除了 DASA 合同外，之前在 Dstl 的“Progeny”框架下开发的战术导航 （TacNav） 代理也被拉入智能船舶第 2 阶段。TacNav 由 CGI UK 开发，用于规划、执行和监控智能船舶的战术导航。第 2 阶段还包括 CGI 的 SYCOIEA TEWA 决策辅助工具。
由于该项目无法为 DASA 电话会议产生的所有提案提供资金，因此决定选择涵盖一系列平台和战斗系统功能的广泛 AI 代理。例如，罗尔斯-罗伊斯开发了一种称为 ACE（人工总工程师）的决策控制系统，旨在根据命令优先级就如何最好地操作船舶机械（发动机、推进系统、电网和燃料系统）做出基于状态的决策。另一个名为 IBIS（用于损害控制和消防的内部战斗情报强化学习）的 AI 由 Frazer Nash Consultancy 构思，作为使用基于 AI 的新型强化学习技术的预测性损害控制工具。
Intelligent Ship 团队还选择了 Decision Lab 开发的名为 CIAO（用于优化的高级复合智能代理）的 AI，可用于仲裁两个不同代理提供的冲突输出。例如，如果 TacNav 根据水下障碍物或当地航运交通推荐一条路线，但 TEWA 代理建议一条替代路线，以便打开武器弧线来应对来袭的威胁，则可能会发挥作用。CIAO 在系统的多个部分实施，以便在决策链的不同部分提供复合建议。
命令实验室
ISAIN 被集成到 Dstl 的 Portsdown West 站点建立的指挥实验室设施中。该设施托管由开放灵活的硬件、软件、网络、数据库和协议接口组成的实时、虚拟和建设性模拟，由 Dstl 的许多部门共同资助。它作为一个可配置的测试平台，能够在所有作战环境中进行实验和集成新系统。
为了支持智能舰船的实验和评估活动，指挥实验室配备了类似于 CIC 多功能控制台的操作员终端，允许军事顾问在伪操作环境中与 AI 代理进行交互。在 2021 年和 2022 年期间，指挥实验室进行了四次单独的评估，场景的复杂性、代理的数量和这些代理的成熟度随着时间的推移而增加。
评估是针对 Dstl 军事顾问开发的理论场景进行的，该场景允许在具有代表性的作战环境中演示 ADeM。这从规划阶段开始。在此之后，这艘“船”——在一个更大的任务小组之前行动——过境，在有争议的水域附近进行情报收集行动。随着紧张局势的加剧，与对手 Red Force 发生了冲突。这最终导致了一次反舰导弹袭击，造成了本舰的损坏。出于评估的目的，这个端到端场景被分解为一系列较短的小插曲，每个小插曲由大约半小时的“操作”活动组成。这些是编写脚本的，以便最大限度地增加代理之间的交互。
第二阶段于 2022 年 3 月底完成。研究和实验为将多个 AI 应用程序整合在一起以做出集体决策的机会和好处提供了宝贵的早期见解，无论是否有人工操作员判断。同时，它发现了一些关于如何在复杂的命令环境中最好地实施和管理 AI 自动化的新问题。结论是，真正的运营优势只能通过解决多个智能机器代理的团队的设计和操作问题，并实现和优化这些团队中人类的集成，以形成有效的人类自主团队 （HAT）。
DASA 与 Dstl 合作，宣布了其于 2023 年初推出智能船舶第 3 阶段的计划。基于先前在第 2 阶段开发和评估的协作人工智能概念，该后续科技计划正在构建，以探索更早和更集中地考虑 HAT 的人体组成部分的好处，以支持未来的海军指挥和控制。
第 3 阶段旨在为 HAT 设计一个集成系统，该系统可以提供水上海军指挥和控制的各个方面，并更详细地考虑基于 AI 的协作 HAT 的仲裁需求。这将推动人们更加关注系统设计，而不是 AI 代理开发;将人员整合到 HAT 系统内;以及了解来自不同 AI 代理的潜在冲突建议的仲裁方法。其目的是将现有的 ISAIN 环境用于集成和评估。
第 3 阶段的比赛预计将于 2023 年 4 月开始。其目的是由一个协作和多学科团队提供所有输出的全部，包括系统设计、构建、集成和评估。目前的计划设想在 2023 年第三季度授予合同，第三阶段活动预计将持续到 2024 年 12 月。
结论
未来几年，人工智能将在整个海军领域的许多环境中得到应用。与此同时，人们认识到人工智能的使用引发了许多深刻的道德、法律和治理问题。当今海军、国防科学和工业面临的挑战是确定人工智能可能成为解决方案一部分的作战不足和能力差距，并了解如何最好地将人类和机器融合在一起，以便将人类的认知、直觉和责任感与机器速度的分析能力相结合。
从长远来看，将 AI 引入命令链可能需要范式转变。未来的指挥和控制系统不是设计系统，然后设计一个与人类操作员的界面，而是将人机协作交互设计为支撑概念和设计的基本组成部分。此外，需要仔细注意确定指挥团队在一系列操作场景和任务中人机元素之间的最佳平衡。
涉及资料如下：
本文节选自原文的一部分内容，原文进入知识星球下载：
昨天推出反无人机专题-含关于在战斗中对小型无人机蜂群防御和手段-涉及28份资料-超100万字
本文节选自原文的一部分内容，原文进入知识星球下载：