摘要：英國國際戰略研究所報告《軟體定義的防禦：戰争中的算法》認為，軟體和人工智能算法是軍隊的力量倍增器，不但能強化戰役法，提高部隊士氣，還能影響戰場勝負。軟體除加強現代軍事能力外，還使得軍隊能夠收集和分析環境資料，實作與作戰人員和其他系統的通信，控制傳感器和武器系統以實作任務目标，同時保護軍隊人員和文職人員。然而，軍隊在開發、部署和更新現代防務軟體，尤其是人工智能/機器學習（AI/ML）軟體方面面臨着諸多困難。雖然防務軟體對大多數主要武器系統的重要性已得到認可，但幾十年來，軟體盡管在總體項目成本中占比最低，但依舊被“廣泛認為是采辦中風險最高的因素”。本文将依據該報告，介紹美國在推動AI/ML軟體上的工作進展、傳遞能力、大規模整合AI時遭遇的障礙以及未來發展重點。
關鍵詞：美國國防部，人工智能，軟體，國防
過去十年裡，兩個重要現象的出現促使美國國防部意識到了軟體技術的潛力以及其對正确整合遺留硬體系統和AI軟體等先進通用目的技術的需求。一是出現了低成本、高性能的雲計算技術，同時晶片設計和處理速度以及電池密度和支援材料開發取得了進步。這些科技成果共同促成了物聯網革命，使得通過網絡連接配接的裝置數量呈指數性增長，由此産生的資料量令各經濟部門釋放了新能力。二是中國逐漸成為了美國的地緣政治競争對手，并且有志于重塑國際秩序。對美國而言，其中的一個主要問題是，中國尋求通過全面的産業政策、軍民融合以及一系列技術轉讓戰略等來獲得關鍵新興技術領域的領先地位。
在這一背景下，美國行政機構的國家安全官員和國會議員正在統一分散的政策，試圖通過識别、采用和整合關鍵新興技術來推動美軍現代化、提升國家安全能力和經濟競争力。這些技術大多以軟體為基礎，如網絡、自主系統、網絡通信、增強現實、虛拟現實等；還有一部分則需要AI等軟體能力才能成熟，如生物科學技術、高超音速、量子科學、微電子學等。
在軍事領域，美國防部的工作并不局限于孵化這些技術并使其成熟。正如美國《2018年國防戰略》所述，美國防部上司意識到，最終的勝利“不再屬于最先開發出新技術的國家，而是屬于能夠更好地将新技術與作戰方式相結合的國家。”為達到這一目的，美國防部正在開發新型作戰概念，這些概念以軟體、軟體定義硬體以及針對遺留硬體平台的軟體增強為基礎。目前最受美國防部關注的作戰概念或許是聯合全域指揮與控制（JADC2），該架構将海、陸、空、天四域的每一個現有或未來的軍事資産設想為一個傳感器。全部資産互相連接配接後，傳感器網絡可無縫傳輸資料，使AI和ML工具生成推理以加速決策，令更多精準有效的行動成為可能，并最終為美國士兵創造一個更安全、更可靠的作戰環境。
然而，盡管美國防部為擁抱不斷變化的技術環境，已對戰略進行了調整，但其對聯合部隊進行的現代化改革并不順利。鑒于AI這一通用目的技術将驅動對現有和未來武器平台的現代化，大大提高情報、監視、偵察（ISR）能力并精簡美國防部的後勤、醫療衛生和勞動生産力等業務流程，是以美國防部對AI軟體的內建是衡量該部門現代化進展的最佳晴雨表。就商業和武器系統的AI而言，國防部已取得了多個重大成就，産生了顯著的影響。然而，美國防部由于長期存在制度和流程路徑依賴以及組織和文化障礙，且各項技術普遍尚未成熟，是以在大規模實施現代化戰略方面，還有很長的路要走。
美國國防戰略調整
美國防部檔案中一以貫之的一個主題是：新興技術正在改變戰争的特點。美國《2022年國家安全戰略》将“綜合威懾”列為優先級，力求實作“對軍事（海、陸、空、天、網）和非軍事（經濟、技術、資訊）能力的無縫結合。”實作這一目标的關鍵是通過“投資一系列先進技術，如網絡和太空作戰域的應用程式、飛彈挫敗能力、可信的AI以及量子系統，同時及時在戰場上部署新能力”來實作聯合部隊的現代化。美國《2022年國防戰略》随後指出數字技術對支撐綜合威懾的重要性：“鑒于聯合部隊日益依賴于資料驅動的技術和多種資料源的整合，國防部将進行制度改革，以整合資料、軟體和AI工作，并加速對戰士的傳遞。”美國《數字現代化戰略》、《軟體現代化戰略》和《資料戰略》進一步闡述了這一進階戰略指導。
《數字現代化戰略》從雲、AI、指揮、控制和通信（C3）以及網絡安全的角度與《2022國家安全戰略》和《2022年國防戰略》相聯系。《數字現代化戰略》強調“雲和認知計算将極大地改變作戰和國防業務營運”，并指出，“對戰士支援系統的現代化将通過多個多樣的分析能力集來改進指揮控制、資訊共享和決策支援。”此外，美國防部必須在保證軍事道德和AI安全的同時，将AI領域的新型軍事技術競争變為美國的優勢。決定性作戰優勢将屬于那些能夠整合和采用前沿技術以靈活快速地創立新型作戰概念的國家。
美國防部《2021年軟體現代化戰略》明确指出，軟體将在沖突的各作戰域發揮作用，強調國防部需對現有流程進行現代化改革，通過對關鍵資料和能力的透明通路來實作決策優勢。該戰略鼓勵快速、靈活地疊代軟體開發，收集和共享資料并使用開放架構來實作持續性的能力演化。
鑒于AI訓練和算法模型的資料集将越來越成為美國防部最重要的數字資産，《資料戰略》突出了國防部向以資料為中心的組織轉變的重要性。該戰略強調，任務指揮官、作戰人員和決策者目前無法實時對企業資料進行安全可靠的通路，需打通資料豎井，将資料收集标準化、提升資料互操作能力和開放架構以便于開發。
美國防部架構改革和對AI的預算支援
為使政府機構和科技界的利益相關者了解其為聯合部隊采用人工智能解決方案的決心，美國防部近年來與聯合AI中心（JAIC）、國防數字服務處（DDS）和首席資料官共同成立了首席數字與人工智能官辦公室（CDAO）。CDAO旨在：上司和監督國防部對資料、分析和AI的戰略開發和政策制定；利用适當的國防部制度流程打破對資料和AI應用的阻礙；建立數字基礎設施和服務處以支援元件開發和資料部署、分析、AI和數字化解決方案。CDAO将有選擇地擴充經過驗證的數字和AI解決方案，将其用于企業和聯合使用案例，并增加數字服務，以快速響應危機和緊急挑戰。
此外，美國防部還在各軍種和國防部長辦公室（OSD）對AI的研究、開發、測試和評估（RDT&E）以及采購進行了大量的投資，包括：
- 2016财年到2025财年，國防部計劃在AI領域投入140億美元。
- 美國陸軍在2021财年到2025财年期間申請4.802億美元的預算用于AI，而在2016财年到2020财年，這一數字僅為1.53億美元。
- 美國空軍2018年的AI相關開支為1.19億美元，2019年為1.82億美元。
- 美國防部推出了2億美元的AI發展基金，旨在通過深入了解作戰指揮資料和更新網絡基礎設施來改進作戰指揮部的戰術AI，以提升作戰能力。
傳遞能力
受益于上述投資群組織變動，美軍獲得了新的AI能力。在美國防部下，各軍種研發實驗室、創新實體如國防創新機關、空軍研究實驗科技部門和海軍靈活探索辦公室等，以及關注遠端技術的實體如國防先進研究計劃局（DARPA）等都有自己的AI項目。目前，美國防部共有至少685個AI項目，其中，有部分項目與主要武器系統相關，如MQ-9無人機和聯合輕型戰術車輛等，有的則使用AI和ML來對抗敵方無人機，有的旨在為和平時期的征候與預警任務保持持續的遠端感覺，還有的則旨在賦能自主協作。部分重要案例如下：
- 反無人機：美國防部使用AI/ML賦能的自主資料融合傳感器技術來探測、識别、跟蹤和打擊敵方無人機。反無人機技術已被部署到全球軍事基地等美國防部基礎設施中，以保護設施免受敵方無人機的攻擊。
應用AI技術的TITAN（戰術情報目标通路節點）地面站
- 合成孔徑雷達（SAR）：美國防部通過衛星圖像供應商更快速地獲得更優質的24小時全天候衛星圖像。SAR配備有ML模型，可增強美國防部和美國政府的系統，以識别海量圖像中的相關目标。
SAR圖像樣本
- 目辨別别：美國陸軍正在積極開發目辨別别AI能力，以支援空降兵戰鬥行動。美陸軍同時還在開發另一個類似的能力，通過使用衛星圖像等基于太空的能力來感覺和識别目标。
美國陸軍在M1艾布拉姆斯坦克上展示基于人工智能的目辨別别
- AI系統自主協作：DARPA正在研究實作多種AI系統自主協作的新方法，這些AI系統包括AI賦能的無人機、機器人和衛星等。該方法将使得AI系統無需中心化通信或人類控制就能夠自主響應突發狀況。
大規模整合AI的障礙
美國防部和聯合部隊在實施AI舉措、擴大解決方案上進展不順，有多個原因。本節将重點關注幾個阻礙AI部署的重要問題，這些問題既互相獨立又互相聯系。
1.組織結構複雜
美國防部高度複雜的組織結構很可能是最關鍵的一個障礙。美國防部是世界上最大的雇傭機關，共有280萬名現役軍人、預備役軍人和文職人員。同時，美國防部擁有超過3萬億美元的資産，其主要活動包括采辦、指揮與控制、全球後勤、健康和醫療、情報、太空作戰、設施管理等。美國防部營運有約1萬個作戰系統、數千個資料中心、數萬台伺服器、數百萬台電腦和IT裝置以及數十萬台商業移動裝置。在這樣的組織結構中，美國防部更像是各軍種軍隊、非戰鬥機構和戰鬥指揮部等權力實體的集合。這些機構不斷互相争奪資源，不一定願意公開合作。
此外，美國防部受國會監督，立法者通過權限授予或預算準許/否決對戰略産生了巨大影響。可以說，在後冷戰時代，在立法者心中，政治經濟的重量不亞于、甚至超過了地緣戰略的重量。
2.流程路徑依賴
工業時代的需求、預算和采購流程加劇了組織結構障礙。這一流程決定了軍隊對技術的投資、原型制作和采購能力。該流程由國防部長麥克納馬拉于20世紀60年代建立，如今已發展成為計劃、規劃、預算與執行（PPBE）流程。當時，美國防部是微電子等技術的獨家投資者和購買者，其期望産品為航母、坦克等設計精密、以硬體為主的武器平台，這些平台的生産周期是線性、可預測的。
然而，軟體沒有完成期限，且其發展是非線性的。軟體需要不斷更新以提升性能、修補漏洞。直到現在，美國防部還是會把軟體采購強塞進硬體采購流程，導緻了軟體采購計劃嚴重拖延、成本超額。而軟體由于缺乏維護，出現了大量網絡漏洞，導緻軟體成品因無法保持行業标準而被快速棄用。
3.激勵不比對
此外，還有一個阻礙美軍在AI時代做好充分自衛準備的因素：對利益相關人員的激勵結構與確定美軍AI就緒的目标背道而馳。
- 各自為政：各軍種對研究、開發和采購流程保有高度的自主權，是以，各軍種上司人更傾向于保護軍種内部的項目、資源和權責，以鞏固該軍種在資源競争中的地位，同時在各領域保留營運的所有權。這就導緻了在追求JADC2所設想的聯合作戰概念時，各軍種既不願公開資料，也不允許應用程式程式設計接口（API）通路或通用标準開發，使得各作戰域傳感器無法實作無縫整合。也是以，各軍種都有自己的JADC2計劃，空軍正在積極開發先進作戰管理系統，海軍有超越項目，陸軍則在進行融合項目。這些項目進度不一，但都使用異構技術堆棧進行建構。
- 因循守舊：過去半個世紀裡，軍方、國會和工業界都逐漸變得抗拒改變，采購的更多是“軍隊已有的”而不是未來沖突中“軍隊需要的”。目前的激勵措施，特别是國防預算流程，将幾萬億美元投入坦克、艦船、飛機和核武，卻未充分投資備選概念和能力、AI、太空和網絡等新領域以及支援小型無人機、商用衛星等新技術的工業基地。
- 拒絕開源：美國防部創造的激勵措施通過國防工業基地層層向下傳遞，主要承包商若維持現狀能獲得極大經濟利益。盡管在商業領域，子產品化開源架構并不罕見，且源代碼和資料易于擷取，但主要承包商依舊更傾向于提供其擁有整個技術堆棧知識産權的垂直解決方案，而不願建構開源架構。這導緻了很多國防部軟體項目效率低下。
美國防部AI未來發展重點
正如CDAO負責人所說，美國防部認識到，其将繼續采取部分行動，如繼續由供應商傳遞垂直AI解決方案等。盡管這并不是最理想的方法，但确實是美軍目前獲得AI的唯一方法。未來CDAO将把重點放在以下議題上：
- 資料準備：美國防部有數兆位元組的資料，且未來可能還會有更多的資料。然而，目前隻有一小部分資料可用于開發和訓練AI。在CDAO闡述的設想中，國防部将根據需求首先完成資料層準備。為此，CDAO将緻力于找出能夠驅動60%-70%企業價值的前15%的資料表，并将其中心化。如果國防部能夠正确處理這個問題，那麼AI開發人員和應用開發人員将能夠将資料寫回美國防部的資料湖中。
- 模型即服務：美國防部目前隻有少數技術專家有能力建造模型。美國防部應加強并利用此類訓練以與商業部門保持同步。
- 測試和評估即服務：美國防部缺乏評估AI性能的穩健程式和糾正開發方向的工具。為此，美國防部起草了一個專門針對AI的測試和評估架構，旨在提供一套連續的流程來驗證AI能力，同時确定該AI能力是否符合國防部的道德原則，并保證其安全性、韌性和穩健性。此外，該流程應能夠獨立且公正地評估AI賦能系統的品質和戰備狀态，以提高終端使用者的信心。
- AI設計：目前美國防部使用AI模型來傳達各種推論，而使用者則将這些推論視作事實。然而，由于這些推論的可信度不一，是以使用者的解讀也可能出現偏差。并且，這些模型背後的确定性和不确定性并不會傳達給終端使用者。相比商業領域，在軍事領域中将某些事務視作事實會導緻更加嚴重的後果，是以美國防部将與承包商共同努力，提高模型設計，以将推論背景傳達給終端使用者。
- 文化群組織：要打造可信且可用的AI，不僅需要進行算法和基礎設施開發，還需要組織上的改變。報告認為，美國防部不是一家計算機技術公司，它更像是《财富》世界500強企業中的非科技公司（例如，銀行），其核心競争力存在于其他領域，但同時又需要利用AI來達成目标。美國防部有一套搭建了數十年的異構計算系統，但其員工大多不是AI專家，且該系統并不是作為“第一類公民”使用資料建立的。這表明，美國防部除了更新計算硬體和軟體系統以快速創造、更新和持續部署模型外，還需考慮如何更好地建立一個由AI驅動的組織，該組織無需将AI編入現有的人力工作流程，但需要優化人機輸入，以完成一系列終端任務。