（1）应用概述

• 防御系统

目前讨论最多的具有自主能力的武器系统就是1983年引入的神盾系统（Aegis Ballistic Missile Defense System）。装备了神盾系统的舰艇可以自主执行一些功能。操作人员可以将其进行配置来响应许多不同种类的威胁，相关配置有Auto SM、Semi-Auto、Auto-Special。Auto SM和Semi-Auto都是有人进行配置的半自动模式。Auto-Special是一种有监督的自动，其中人只负责监督。与神盾系统类似的还有Phalanx Close-In Weapons System（密集阵近程防御武器系统，CIWS），是1978年批准生产的。Phalanx可以配置为自动模式来防御导弹齐射或大量飞机的攻击。

• 进攻系统

相比防御系统，美国开发人员将自主武器的开发重点放在了进攻系统上。战斧反舰导弹 （Tomahawk Anti-Ship Missile (TASM)）就是一个全自动武器系统的早期实践。但是该系统只在20世纪早期的很短时间内配置为全自动模式，随后由于考虑到可能导致的意外后果就没有再配置为全自动模式了。几乎同期，美国引入了另一个半自动武器系统——高速反雷达飞弹（High-Speed AntiRadiation Missile，HARM）。最近人工智能和自主武器的相关案例包括DARPA的联合无人作战空中系统计划（Joint Unmanned Combat Air Systems program）的成果。

• 人工智能在规划和物流领域的应用

除了攻击和防御系统外，人工智能技术还广泛应用于军事领域，包括人员管理、情报、通信、物流和规划等。比如，动态分析和重规划工具（Dynamic Analysis and Replanning Tool，DART）就协助制定了1990-1991年“沙漠盾牌”和“沙漠风暴”行动期间从欧洲向沙特阿拉伯运送部队和装备的计划。现在我们可能不认为其中使用的技术属于AI，但是该项目在当时被认为是一个很大的成功。时任DARPA主任Victor Ries称DART取得的效果值得DARPA过去30年在人工智能领域的投资。

10年后，新的解决军队部署规划和物流问题的系统出现了。空军研究实验室（AFRL）和DARPA支持的项目联合辅助部署和执行（Joint Assistant for Deployment and Execution (JADE)）项目实现了初步的军力部署方案，其中包括分时段部队部署数据。1999年，JADE项目在美军南方司令部进行了验证。

DARPA还在生存自适应规划实验（Survivable Adaptive Planning Experiment (SAPE)）项目中探索使用AI技术来进行更加重要和关键的规划，该项目在1991年进行了部分测试。JADE项目应对的是常规战争的军力部署，而SAPE项目的目的是生成核战争方案。SAPE项目可以在3天完成正常需要18个月才能完成的作战方案，将重新定位战略武器的时间从8小时缩短到3分钟。

（2）当前能力和未来趋势

军备采购领域的长官和领导一直在犹豫是否要部署自动武器系统。但研究机构已经在AI和自动化领域取得了巨大的进展。种种迹象表明，美国对该领域的关注度也在不断攀升。其中一个最明显的标志就是在硅谷成立了国防创新小组（Defense Innovation Unit），主要目的是与在自动化、AI、人机系统、IT等领域提供解决方案的企业进行合作。国防部的其他组成单位也在加大对人工智能和自主化领域的开发。依托人工智能技术，未来美国军方可能会具备以下能力：

• 长距离反舰导弹（Long Range Anti-Ship Missiles）

美军之前就开发了类似的系统，比如LRASM。目前，LRASM系统的升级版甚至可以在GPS和通信受限的情况下自动选择目标。未来，LRASM系统将可以在人类操作者无法提供指导或干预的情况下实现作战能力的半自主或完全自主化。

• 自动驾驶飞行器（Autonomous Flying Vehicles）

美军在无人航空器开发领域已经有了一定的进展，比如X47-B和MQ-25。美国空军研究实验室（AFRL）已经开始通过Loyal Wingman program项目开发自动驾驶飞行器了。早在2017年，就对自动驾驶F-16进行了验证，自动驾驶的F-16可以动态地对不断变化的威胁环境做出反应，并完成空对地的打击任务。这被视为向无需飞行员的自主系统的方向迈出了一大步。这一概念也得到了高层的支持，比如海军司令2015年就说，F-35将会是海军购买的最后一批有人攻击战斗机。可以看出，空军关注的不仅仅是使系统自动化，还在考虑自动驾驶和自主技术的应用。而且陆军已经证明了自动驾驶的直升机的原型。虽然海军最终取消了X47-B UCAS项目，但仍然在持续开发不同种类的自动化和自主化能力。

系统自主飞行能力的作战概念仍然处于概念阶段，但DARPA正在推进的几个项目如果成功的话就可以为自主作战飞机提供一些所需的能力。相关的项目包括受限环境下的目标重识别和协同作战，目的是证明自动驾驶飞行器可以在无法与人类操作人员沟通的不可预测环境下，进行团队协作和目标识别。这些想法看起来雄心勃勃，而且越来越可行。但负责采购的领导和指挥官还无法确定其使用价值，还在纠结是否要进行采购。

• 人工智能在物流和规划中的应用

近期，越来越多的人工智能技术应用到战场作战系统中，用于开发自主武器系统。谷歌参与的Project Maven项目就将工业图像识别和目标识别技术应用到防御系统中。短短6个月，该项目就能够在真实的作战场景中辅助进行情报处理，在对ISIS的作战中已经使用了。

国防部在持续推进AI技术的应用。国防部认为未来战场上会有大规模的数据分析，因此，在相关领域中进行了大量的投资。目前，国防部正在选择提供大规模云计算技术的供应商。该合同名为联合企业防御基础设施（Joint Enterprise Defense Infrastructure），预计在2年内投入100亿美元。亚马逊的整个云计算的收入为每年200亿美元，谷歌云计算的收入约为40亿美元。除了云计算基础设施外，还有图像识别、自然语言处理等人工智能技术的采购。

• 算法战（algorithm warfare）

算法战是近年来智能化作战研究中出现的作战概念。2017年4月26日，美国防部正式提出“算法战”概念，并将从更多信息源中获取大量信息的软件或可以代替人工数据处理、为人提供数据响应建议的算法称为“战争算法”，同时美国防部决定组建算法战跨功能小组，以推动人工智能、大数据及机器学习等“战争算法”关键技术的研究。美军这一看似突然的举措实际上由来已久，同时也可以适应现代战争的迫切需求。国防部对人工智能和算法战的态度从成立联合人工智能中心（JAIC）就可以看出来。2018年6月，美国国防部成立了JAIC，旨在大规模地加快美国国防部采用、整合人工智能技术的进程。2019财年，JAIC 的开支预算为9300万。

算法战其实是一个广泛的概念，超越了情报、数据分析应用的范围。这可以从AFRL的一些项目中看出来，例如，在模拟格斗中击败人类飞行员的人工智能系统。其中一个还在早期阶段的概念就是网络战（Cyber warfare）。未来算法将可以发现和利用敌方网络中的漏洞，同时可以检测和驱逐本方网络中的攻击者。为了进一步发展相关的能力，DARPA在2016年发起了自动网络攻防竞赛——CGC(Cyber Grand Challenge)。CGC旨在建立实时自动化的网络防御系统，并且能够快速且大量的应对新的攻击手法，来应对频发的网络攻击，并降低攻击出现到防御生效之间的时间差。

• 小结

当前美国在研发领域的投资趋势主要是在自动化（自主化）领域，这些应用包括图像和文本分析、情报、物流支持等，其中一些功能没有明确的攻击或防御的区分。从投资趋势来看，美军未来将投入更多资源来研发人工智能技术和人工智能在军事领域的应用。

（1） 应用概述

俄罗斯正在投入相当大的资源来保持与美国在人工智能军事领域应用竞争中的平衡。俄总统普京曾说，人工智能不仅是俄罗斯的未来，也是全人类的未来。为了缩小差距并保持竞争力，俄罗斯国防部为提高其军事人工智能开展了一系列的活动。尤其是在普京发表声明称“谁能成为人工智能领域的领导者，谁就可能主宰世界”之后，俄罗斯不断加大将人工智能系统与无人机、导弹等相结合的步伐，俄军迎来“智能化战争”时代。

（2） 当前能力和未来趋势

与美国不同，俄罗斯在积极探索人工智能如何提高作战以及军事应用的效率。

• 无人驾驶车辆

俄罗斯在无人系统开发中投入了大量的资源，新的UAV、UGV和UUV（无人水下车辆）都处于研发和测试的不同阶段。俄罗斯的大多数战斗机器人、智能机器人的综合体仍然处于远程控制阶段，但俄罗斯军事观察家注意到，随着软件技术的改进，自主性的程度将不断扩大。武器制造商卡拉什尼科夫集团（Kalashnikov Concern）称其已经开发了基于神经网络的作战模块，可以进行自动化的目标识别和决策。类似于Nerekhta这样的UGV可以在没有远程操作者的情况下实现对预定目标的导航。

此外，俄罗斯还在考虑使用无人机进行监听和侦察、巡逻和火力支援、哨兵和现场安保、弹药运送、伤员疏散、布雷和排雷、掩护和隐蔽等。但到目前为止，大多数的作战机器人还没有完全融入到作战部队中，但是俄罗斯正在采取相关措施加速这一进程。与美国相比，俄罗斯的防御预算要少一些，但是在机器人系统相关的预算比例要更高。

俄罗斯的领导人也对军事机器人化创建了具体的目标。国防部长 Sergei Shoigu 希望作战机器人能够从2018年开始批量生产。俄罗斯军工委员会设定了到2025年制造30%俄罗斯军事装备机器人的目标。但是俄罗斯目前仍未成功研制出首款中高度长航时无人战斗机（UCAV）。而美国的MQ-1早在2001年就开始军用了，从这点看，俄罗斯要落后美国17年。

在蜂群技术方面，俄罗斯与美国也存在差距。虽然，俄罗斯军方对通过网络协调机器人的表现非常感兴趣，但这在实践上仍然处于概念阶段。前俄罗斯航空兵部队司令Viktor Bondarev称，飞行机器人未来将要能以编队形式作战，而非单兵作战。操作者可以在地面通过计算机来监控整个编队。对自动水下车辆（AUV）来说，有人说要研制小型鱼雷，可以成群地在水中缓慢移动。相关的概念仍然处于初期，至少需要10年才能具体实现，但俄罗斯军方对此是非常乐观的。

• 防御系统

从1978年，前苏联为装甲车辆构建主动防御系统（APS）开始，俄罗斯就将不同程度的自动化技术应用到了军事领域。Drozd就是这样一款主动防御系统，虽然该系统可能会造成附带的损害，但仍然被安装在超过250辆 T-55A型坦克上。1993年，俄罗斯开发了一种新型的主动防御系统——Arena。与其他主动防御系统类似，Drozd和Arena是以全自动模式运行，可以快速对威胁做出响应。俄罗斯最新的APS系统Afghanit已经添加到T-14 Armata坦克上了。俄罗斯的Triumf SAM（地空导弹）系统的运营方式与APS类似，可以实现空中威胁的目标自动检测和定位。

此外，俄罗斯还将防空系统与人工智能技术融合来减少士兵的认知负担。目前，俄罗斯的SAM和雷达是独立工作的，使得指挥所的士兵在评估目标时必须处理多个信息流。2018年开始，俄罗斯开始测试一种新的自动控制系统（ACS），可以将S-300、S-400的电池、雷达系统、防空武器系统的数据统一化。

• 规划和决策工具

除了机器人平台，俄罗斯的指控基础设施中也出现了人工智能的元素，尤其是规划和决策支持平台。俄罗斯早在前苏联时期就使用数学模型和其他量化工具来辅助军事决策。

新建立的国防管理中心（National Defense Management Center，NTsUO）的当前或未来的定位就是研发此类系统。NTsUO是在2014年成立的，目标是为俄罗斯国家安全机构创建统一的信息空间。虽然该中心的任务细节目前还没有透露，但俄罗斯国防部称该中心负责收集、分析全球军事、政治相关的信息，以及和平/战时的战略方向和社会政治形势。虽然目前人工智能和NTsUO的活动还没有直接关联，但是俄罗斯在人工智能领域投资的33%是和数据分析项目相关的，有16.5%是与决策支持系统相关的。

• 灰色地带活动

人工智能在出现全面冲突之前，主要被用于不明确的情况，这些情况可能不会直接引发战争或和平。人工智能技术开始在数字领域起着越来越重要的作用。网络战、电子战（EW）、影响活动、宣传活动、造谣等都出现了人工智能技术的影子。许多专家都已经明确俄罗斯开始利用人工智能技术来增加相关活动的质量和规模。2017年1月，美国情报机构发布的《俄罗斯干涉美国选举评估报告》中认定俄罗斯“互联网研究所”（Internet Research Agency IRA）是由普京盟友资助的“网络喷子工厂”（Troll Factory），并在2016年干预了美国大选。在随后美国媒体的报道中，IRA的作用和危险性不断被放大，一些媒体甚至断言IRA是特朗普能否胜选的关键因素。此外，随着人工智能技术的发展，deepfake可以用来生成虚假的音视频文件。

俄罗斯还为电子战开发了一个新的指挥控制平台——Bylina。该平台是一个完全自动化的系统，可以分析作战态势、识别目标、发布命令等。Bylina项目的采购是从2018年开始的，2025年将是该项目的一个里程碑节点。俄罗斯将Bylina项目和电子战看作是与美国在信息战领域竞争的一个优先事项。Bylina这样的新系统可以在复杂电磁环境中，在没有人类参与的情况下有效地解决问题。