摘要：英国国际战略研究所报告《软件定义的防御：战争中的算法》认为，软件和人工智能算法是军队的力量倍增器，不但能强化战役法，提高部队士气，还能影响战场胜负。软件除加强现代军事能力外，还使得军队能够收集和分析环境数据，实现与作战人员和其他系统的通信，控制传感器和武器系统以实现任务目标，同时保护军队人员和文职人员。然而，军队在开发、部署和升级现代防务软件，尤其是人工智能/机器学习（AI/ML）软件方面面临着诸多困难。虽然防务软件对大多数主要武器系统的重要性已得到认可，但几十年来，软件尽管在总体项目成本中占比最低，但依旧被“广泛认为是采办中风险最高的因素”。本文将依据该报告，介绍美国在推动AI/ML软件上的工作进展、交付能力、大规模整合AI时遭遇的障碍以及未来发展重点。
关键词：美国国防部，人工智能，软件，国防
过去十年里，两个重要现象的出现促使美国国防部意识到了软件技术的潜力以及其对正确整合遗留硬件系统和AI软件等先进通用目的技术的需求。一是出现了低成本、高性能的云计算技术，同时芯片设计和处理速度以及电池密度和支持材料开发取得了进步。这些科技成果共同促成了物联网革命，使得通过网络连接的设备数量呈指数性增长，由此产生的数据量令各经济部门释放了新能力。二是中国逐渐成为了美国的地缘政治竞争对手，并且有志于重塑国际秩序。对美国而言，其中的一个主要问题是，中国寻求通过全面的产业政策、军民融合以及一系列技术转让战略等来获得关键新兴技术领域的领先地位。
在这一背景下，美国行政机构的国家安全官员和国会议员正在统一分散的政策，试图通过识别、采用和整合关键新兴技术来推动美军现代化、提升国家安全能力和经济竞争力。这些技术大多以软件为基础，如网络、自主系统、网络通信、增强现实、虚拟现实等；还有一部分则需要AI等软件能力才能成熟，如生物科学技术、高超音速、量子科学、微电子学等。
在军事领域，美国防部的工作并不局限于孵化这些技术并使其成熟。正如美国《2018年国防战略》所述，美国防部领导意识到，最终的胜利“不再属于最先开发出新技术的国家，而是属于能够更好地将新技术与作战方式相结合的国家。”为达到这一目的，美国防部正在开发新型作战概念，这些概念以软件、软件定义硬件以及针对遗留硬件平台的软件增强为基础。当前最受美国防部关注的作战概念或许是联合全域指挥与控制（JADC2），该架构将海、陆、空、天四域的每一个现有或未来的军事资产设想为一个传感器。全部资产相互连接后，传感器网络可无缝传输数据，使AI和ML工具生成推理以加速决策，令更多精准有效的行动成为可能，并最终为美国士兵创造一个更安全、更可靠的作战环境。
然而，尽管美国防部为拥抱不断变化的技术环境，已对战略进行了调整，但其对联合部队进行的现代化改革并不顺利。鉴于AI这一通用目的技术将驱动对现有和未来武器平台的现代化，大大提高情报、监视、侦察（ISR）能力并精简美国防部的后勤、医疗卫生和劳动生产力等业务流程，因此美国防部对AI软件的集成是衡量该部门现代化进展的最佳晴雨表。就商业和武器系统的AI而言，国防部已取得了多个重大成就，产生了显著的影响。然而，美国防部由于长期存在制度和流程路径依赖以及组织和文化障碍，且各项技术普遍尚未成熟，因此在大规模实施现代化战略方面，还有很长的路要走。
美国防部文件中一以贯之的一个主题是：新兴技术正在改变战争的特点。美国《2022年国家安全战略》将“综合威慑”列为优先级，力求实现“对军事（海、陆、空、天、网）和非军事（经济、技术、信息）能力的无缝结合。”实现这一目标的关键是通过“投资一系列先进技术，如网络和太空作战域的应用程序、导弹挫败能力、可信的AI以及量子系统，同时及时在战场上部署新能力”来实现联合部队的现代化。美国《2022年国防战略》随后指出数字技术对支撑综合威慑的重要性：“鉴于联合部队日益依赖于数据驱动的技术和多种数据源的整合，国防部将进行制度改革，以整合数据、软件和AI工作，并加速对战士的交付。”美国《数字现代化战略》、《软件现代化战略》和《数据战略》进一步阐述了这一高级战略指导。
《数字现代化战略》从云、AI、指挥、控制和通信（C3）以及网络安全的角度与《2022国家安全战略》和《2022年国防战略》相联系。《数字现代化战略》强调“云和认知计算将极大地改变作战和国防业务运营”，并指出，“对战士支持系统的现代化将通过多个多样的分析能力集来改进指挥控制、信息共享和决策支持。”此外，美国防部必须在保证军事道德和AI安全的同时，将AI领域的新型军事技术竞争变为美国的优势。决定性作战优势将属于那些能够整合和采用前沿技术以灵活快速地创立新型作战概念的国家。
美国防部《2021年软件现代化战略》明确指出，软件将在冲突的各作战域发挥作用，强调国防部需对现有流程进行现代化改革，通过对关键数据和能力的透明访问来实现决策优势。该战略鼓励快速、灵活地迭代软件开发，收集和共享数据并使用开放架构来实现持续性的能力演化。
鉴于AI训练和算法模型的数据集将越来越成为美国防部最重要的数字资产，《数据战略》突出了国防部向以数据为中心的组织转变的重要性。该战略强调，任务指挥官、作战人员和决策者当前无法实时对企业数据进行安全可靠的访问，需打通数据竖井，将数据收集标准化、提升数据互操作能力和开放架构以便于开发。
为使政府机构和科技界的利益相关者了解其为联合部队采用人工智能解决方案的决心，美国防部近年来与联合AI中心（JAIC）、国防数字服务处（DDS）和首席数据官共同成立了首席数字与人工智能官办公室（CDAO）。CDAO旨在：领导和监督国防部对数据、分析和AI的战略开发和政策制定；利用适当的国防部制度流程打破对数据和AI应用的阻碍；创建数字基础设施和服务处以支持组件开发和数据部署、分析、AI和数字化解决方案。CDAO将有选择地扩展经过验证的数字和AI解决方案，将其用于企业和联合使用案例，并增加数字服务，以快速响应危机和紧急挑战。
此外，美国防部还在各军种和国防部长办公室（OSD）对AI的研究、开发、测试和评估（RDT&E）以及采购进行了大量的投资，包括：
- 2016财年到2025财年，国防部计划在AI领域投入140亿美元。
- 美国陆军在2021财年到2025财年期间申请4.802亿美元的预算用于AI，而在2016财年到2020财年，这一数字仅为1.53亿美元。
- 美国空军2018年的AI相关开支为1.19亿美元，2019年为1.82亿美元。
- 美国防部推出了2亿美元的AI发展基金，旨在通过深入了解作战指挥数据和更新网络基础设施来改进作战指挥部的战术AI，以提升作战能力。
受益于上述投资和组织变动，美军获得了新的AI能力。在美国防部下，各军种研发实验室、创新实体如国防创新单位、空军研究实验科技部门和海军敏捷探索办公室等，以及关注远程技术的实体如国防先进研究计划局（DARPA）等都有自己的AI项目。目前，美国防部共有至少685个AI项目，其中，有部分项目与主要武器系统相关，如MQ-9无人机和联合轻型战术车辆等，有的则使用AI和ML来对抗敌方无人机，有的旨在为和平时期的征候与预警任务保持持续的远程感知，还有的则旨在赋能自主协作。部分重要案例如下：
- 反无人机：美国防部使用AI/ML赋能的自主数据融合传感器技术来探测、识别、跟踪和打击敌方无人机。反无人机技术已被部署到全球军事基地等美国防部基础设施中，以保护设施免受敌方无人机的攻击。
应用AI技术的TITAN（战术情报目标访问节点）地面站
- 合成孔径雷达（SAR）：美国防部通过卫星图像供应商更快速地获得更优质的24小时全天候卫星图像。SAR配备有ML模型，可增强美国防部和美国政府的系统，以识别海量图像中的相关目标。
SAR图像样本
- 目标识别：美国陆军正在积极开发目标识别AI能力，以支持空降兵战斗行动。美陆军同时还在开发另一个类似的能力，通过使用卫星图像等基于太空的能力来感知和识别目标。
美国陆军在M1艾布拉姆斯坦克上展示基于人工智能的目标识别
- AI系统自主协作：DARPA正在研究实现多种AI系统自主协作的新方法，这些AI系统包括AI赋能的无人机、机器人和卫星等。该方法将使得AI系统无需中心化通信或人类控制就能够自主响应突发状况。
美国防部和联合部队在实施AI举措、扩大解决方案上进展不顺，有多个原因。本节将重点关注几个阻碍AI部署的重要问题，这些问题既相互独立又相互联系。
1.组织结构复杂
美国防部高度复杂的组织结构很可能是最关键的一个障碍。美国防部是世界上最大的雇佣单位，共有280万名现役军人、预备役军人和文职人员。同时，美国防部拥有超过3万亿美元的资产，其主要活动包括采办、指挥与控制、全球后勤、健康和医疗、情报、太空作战、设施管理等。美国防部运营有约1万个作战系统、数千个数据中心、数万台服务器、数百万台电脑和IT设备以及数十万台商业移动设备。在这样的组织结构中，美国防部更像是各军种军队、非战斗机构和战斗指挥部等权力实体的集合。这些机构不断相互争夺资源，不一定愿意公开合作。
此外，美国防部受国会监督，立法者通过权限授予或预算批准/否决对战略产生了巨大影响。可以说，在后冷战时代，在立法者心中，政治经济的重量不亚于、甚至超过了地缘战略的重量。
2.流程路径依赖
工业时代的需求、预算和采购流程加剧了组织结构障碍。这一流程决定了军队对技术的投资、原型制作和采购能力。该流程由国防部长麦克纳马拉于20世纪60年代建立，如今已发展成为计划、规划、预算与执行（PPBE）流程。当时，美国防部是微电子等技术的独家投资者和购买者，其期望产品为航母、坦克等设计精密、以硬件为主的武器平台，这些平台的生产周期是线性、可预测的。
然而，软件没有完成期限，且其发展是非线性的。软件需要不断升级以提升性能、修补漏洞。直到现在，美国防部还是会把软件采购强塞进硬件采购流程，导致了软件采购计划严重拖延、成本超额。而软件由于缺乏维护，出现了大量网络漏洞，导致软件成品因无法保持行业标准而被快速弃用。
3.激励不匹配
此外，还有一个阻碍美军在AI时代做好充分自卫准备的因素：对利益相关人员的激励结构与确保美军AI就绪的目标背道而驰。
- 各自为政：各军种对研究、开发和采购流程保有高度的自主权，因此，各军种领导人更倾向于保护军种内部的项目、资源和权责，以巩固该军种在资源竞争中的地位，同时在各领域保留运营的所有权。这就导致了在追求JADC2所设想的联合作战概念时，各军种既不愿公开数据，也不允许应用程序编程接口（API）访问或通用标准开发，使得各作战域传感器无法实现无缝整合。也因此，各军种都有自己的JADC2计划，空军正在积极开发先进作战管理系统，海军有超越项目，陆军则在进行融合项目。这些项目进度不一，但都使用异构技术堆栈进行构建。
- 因循守旧：过去半个世纪里，军方、国会和工业界都逐渐变得抗拒改变，采购的更多是“军队已有的”而不是未来冲突中“军队需要的”。当前的激励措施，特别是国防预算流程，将几万亿美元投入坦克、舰船、飞机和核武，却未充分投资备选概念和能力、AI、太空和网络等新领域以及支持小型无人机、商用卫星等新技术的工业基地。
- 拒绝开源：美国防部创造的激励措施通过国防工业基地层层向下传递，主要承包商若维持现状能获得极大经济利益。尽管在商业领域，模块化开源架构并不罕见，且源代码和数据易于获取，但主要承包商依旧更倾向于提供其拥有整个技术堆栈知识产权的垂直解决方案，而不愿构建开源架构。这导致了很多国防部软件项目效率低下。
正如CDAO负责人所说，美国防部认识到，其将继续采取部分行动，如继续由供应商交付垂直AI解决方案等。尽管这并不是最理想的方法，但确实是美军当前获得AI的唯一方法。未来CDAO将把重点放在以下议题上：
- 数据准备：美国防部有数兆字节的数据，且未来可能还会有更多的数据。然而，目前只有一小部分数据可用于开发和训练AI。在CDAO阐述的设想中，国防部将根据需求首先完成数据层准备。为此，CDAO将致力于找出能够驱动60%-70%企业价值的前15%的数据表，并将其中心化。如果国防部能够正确处理这个问题，那么AI开发人员和应用开发人员将能够将数据写回美国防部的数据湖中。
- 模型即服务：美国防部目前只有少数技术专家有能力建造模型。美国防部应加强并利用此类训练以与商业部门保持同步。
- 测试和评估即服务：美国防部缺乏评估AI性能的稳健程序和纠正开发方向的工具。为此，美国防部起草了一个专门针对AI的测试和评估框架，旨在提供一套连续的流程来验证AI能力，同时确定该AI能力是否符合国防部的道德原则，并保证其安全性、韧性和稳健性。此外，该流程应能够独立且公正地评估AI赋能系统的质量和战备状态，以提高终端用户的信心。
- AI设计：当前美国防部使用AI模型来传达各种推论，而用户则将这些推论视作事实。然而，由于这些推论的可信度不一，因此用户的解读也可能出现偏差。并且，这些模型背后的确定性和不确定性并不会传达给终端用户。相比商业领域，在军事领域中将某些事务视作事实会导致更加严重的后果，因此美国防部将与承包商共同努力，提高模型设计，以将推论背景传达给终端用户。
- 文化和组织：要打造可信且可用的AI，不仅需要进行算法和基础设施开发，还需要组织上的改变。报告认为，美国防部不是一家计算机技术公司，它更像是《财富》世界500强企业中的非科技公司（例如，银行），其核心竞争力存在于其他领域，但同时又需要利用AI来达成目标。美国防部有一套搭建了数十年的异构计算系统，但其员工大多不是AI专家，且该系统并不是作为“第一类公民”使用数据创建的。这表明，美国防部除了升级计算硬件和软件系统以快速创造、更新和持续部署模型外，还需考虑如何更好地建立一个由AI驱动的组织，该组织无需将AI编入现有的人力工作流程，但需要优化人机输入，以完成一系列终端任务。
