1 研究方法与过程
1.1 样本选择
基于欧盟委员会科学与知识服务机构[8]界定的AI关键词,包括机器学习领域关键词“主动学习”“适应性学习”“生成式”“自动化分类、识别、探测”“模式识别”“神经网络”“深度学习”“监督、半监督、无监督学习”;自然语言处理关键词“自然语言”“聊天机器人”“对话模型”“机器翻译”;感知领域关键词“计算机视觉”“面部、姿势、物体识别”“语音识别”;整合与交互领域关键词“智能代理”“蜂群无人机”“网络智能”“机器人”“认知系统”“自主”“无人驾驶”等,对美国海军2025财年研究、开发、试验与鉴定(Research, Development, Test & Evaluation, RDT&E)预算[9]中2025财年继续投资的AI项目进行系统检索。
三位研究者对初步筛选结果进行独立分析,判断相同且属于海军AI的项目为样本,判断不同的经讨论并达成一致后,确定最终样本。最终,其选择了基础研究活动1个计划10个项目21个子项目、应用研究活动12个计划21个项目43个子项目、先进技术开发活动6个计划15个项目23个子项目、先进组件开发与原型15个计划20个项目23个子项目、系统开发与展示8个计划10个项目12个子项目、管理支持活动2个计划2个项目2个子项目、作战系统开发10个计划14个项目22个子项目,如表1所示。其中,项目名称后的数字代表AI子项目个数,编号后没有数字的表示项目涉及的子项目有且只有1个。
表1 2025财年美国海军AI投资项目Tab.1 FY2025 U.S. Navy strategic AI investment initiative |
| 预算 活动 | 计划编号 | 项目名称 | 预算 活动 | 计划编号 | 项目名称 |
|---|---|---|---|---|---|
| 基础研究 | 0601153N | 航天科学、生物医学、定向能、电磁波谱、全频谱网络(2)、人类系统(6)、材料、海军工程、水下系统有效载荷与武器、决策优势(5) | 先进组件开发与原型 | 0603382N | 先进作战系统技术(2) |
| 0603561N | 潜艇战斗系统改进、无人水面航行器 | ||||
| 0603563N | 美国海军海洋系统司令部技术局、网络安全工程 | ||||
| 0603597N | 自动化测试和分析 | ||||
| 0603635M | 作战能力发展转型 | ||||
| 0603654N | 水雷远征响应车辆 | ||||
| 0603724N | 岸电技术、飞机能源技术 | ||||
| 应用研究 | 0602114N | 力量投射应用研究(3) | 0603725N | 海军设施系统(2)、岸上部队防护 | |
| 0602123N | 部队防护应用研究(2) | 0604028N | 小型无人水下航行器、远征水下系统 | ||
| 0602131M | 网络空间活动、海军陆战队登陆部队技术(7) | 0604127N | 猎水雷系统 | ||
| 0602235N | 通用作战图应研究(2) | 0604320M | 海军陆战队快速原型开发 | ||
| 0602236N | 作战人员持续保障能力应用研究(4) | 0605512N | 中型无人水面舰艇(2) | ||
| 0602271N | 电磁系统应用研究(3) | 0605513N | 无人水面舰艇启用能力 | ||
| 0602435N | 海洋战斗环境应用研究(3) | 0304270N | 特定辐射源识别 | ||
| 0602747N | 水下作战应用研究(2) | 0304797N | 决策支持工具和AI研发 | ||
| 0602750N | 电磁波谱、全频谱网络、人类系统(2)、动能武器、海军工程、海洋作战空间应用(2)、决策优势 | 系统开发与展示 | 0604230N | 远征漫游弹药能力研发、海军特种作战部队网络、信息与电磁作战快速能力研发 | |
| 0604269N | EA-18G电子战机研发 | ||||
| 0604373N | 面向水雷战的网络中心传感器分析 | ||||
| 604503N | 潜艇声呐改进 | ||||
| 0602782N | 水雷与远征战应用研究(3) | 0604703N | 人力资源与人类事实系统 | ||
| 0602792N | 全频谱海底作战、自主远程系统的部署与使用、载人和自主团队 | 0604771N | 医疗/牙科设备 | ||
| 605013M | 海军陆战队信息技术(2) | ||||
| 0603123N | 部队保护先进技术 | 0605013N | 海军企业信息技术(2) | ||
| 先进技术开发 | 0603640M | 海军陆战队先进技术演示(5)、海军陆战队作战实验室/未来局(5) | 0304785N | 海事领域感知 | |
| 作战系统开发 | 0204136N | F/A-18战斗攻击机改进、F/A-18战斗攻击机雷达升级 | |||
| 0603673N | 远征机动战、空战、信息战、水面作战 | 0204311N | 集成海底监视/分类系统 | ||
| 0204571N | 空战训练、战术机组战斗训练系统和大面积跟踪距离系统替换(2) | ||||
| 0603680N | 制造技术 | 0206313M | 远征火力生成支援系统(3)、通信开关与控制系统、海军陆战队陆空特遣队战斗服务支持与支援 | ||
| 0603729N | 作战人员保护先进技术 | ||||
| 0603782N | 浅水地雷对抗演示 | 0206624M | 装备与仿真设备的测试、测量和诊断(2) | ||
| 0603801N | METEOR、ELEKTRA、MINERVA、超级蜂群、自主远程系统的部署与使用、载人和自主团队 | 0206625M | 情报指挥与控制系统 | ||
| 0303140N | 信息安全 | ||||
| 0305208M | 分布式通用地面站系统(5) | ||||
| 管理支持 | 0605853N | 太平洋司令部倡议 | 0305242M | 无人机系统有效载荷 | |
| 0606355N | 舰队实验 | 0308601N | 建模与仿真 |
特别说明,样本仅包含AI算法研究以及AI应用,不包含AI模型训练数据收集或服务相关项目,如0601153N计划1389项目“研究平台”子项目、0304785N计划2363项目“遥感能力开发”子项目、0206313M计划2270“海陆空特遣部队指挥与控制系统:产品开发”和“海陆空特遣部队指挥与控制系统:维持费用”子项目;不包含AI概念生成与需求分析项目,如0604707N计划2356项目“海上概念生成与开发”子项目、0605154N计划0031“海军陆战队行动和分析小组”子项目、0605873M计划0030项目“海军陆战队研究与分析”子项目;不包含无具体描述的涉密项目,如0604027N计划3255项目“人工智能开发作战”子项目、0604636N计划3241项目“反无人机系统开发与集成”子项目。
1.2 分析框架构建
表2 AI模式分析框架Tab.2 AI pattern recognition framework |
| 维度 | 描述 |
|---|---|
| 超个 性化 | 利用数据分析结果,为用户个体提供高度情景化、个性化服务的方法,强调将每个用户视为独立个体,主要包括个性化内容、指导、建议等 |
| 识别 | 对环境获取的信息进行分析,识别非结构化内容,强调机器对非结构化内容中事物的识别与理解,主要包括图像识别、语音识别、手势识别等 |
| 对话 与交互 | 利用自然语言处理、语音识别等技术帮助人类与机器利用各种媒介(包括语音、文本、图像等)实现交互,强调机器能够像人类一样与人类交互,主要包括人机对话(不包含机器间的交互),机器内容生成(包括文本、图片、视频、音频等) |
| 预测分析 与决策 | 从用户行为、数据中获得见解,进而预测未来事件或者趋势,帮助用户决策,强调数据驱动的见解与决策,主要包括行动方案、决策辅助等 |
| 目标驱 动系统 | 基于明确目标指导、不依赖人类设定规则、通过反复试验和学习解决原本需要人类认知能力才能处理的问题并寻找最佳方案的方法,强调机器通过反复试验来学习进而寻找问题最佳解决方案,主要指AI战争游戏智能代理等 |
| 自主 系统 | 系统能够在最少或无人干预的情况下完成相关任务的系统,强调最大限度地降低人类的参与,主要包括自动驾驶、自主机器人、协作机器人等硬件或软件系统 |
| 模式与 异常检测 | 利用AI识别、检测异常情况的方法,强调寻找不适合现有模式的数据和异常值,主要包括欺诈检测、风险分析等 |
1.3 分析与编码
三位研究者先独立进行编码,编码相同的结果保留,编码结果不同的进行二次编码直至编码统一。其中,部分项目归属于多个指标分类,编码项目总数可能会超过AI项目数。
2 研究结果
AI军事化应用方式多样,但是无论其具体应用形式如何变化,均是应用了超个性化、识别、对话与交互、预测分析与决策、目标驱动系统、自主系统、模式与异常检测7种模式中的一种或多种。经过系统分析发现,美国海军AI项目主要利用超个性化、识别、预测分析与决策、自主系统模式,很少有项目采用目标驱动模式。其中,超个性化、识别、预测分析与决策、自主系统模式4种模式的组合是最常采用的组合方式,主要应用于包括无人水面舰艇、水陆两栖无人平台、无人机等自主系统。此外,18个子项目由于描述过于模糊无法判断其应用模式。
2.1 预测分析与决策
87个子项目采用了预测分析与决策模式,用于自主行为决策、决策辅助、维护与支持。自主行为决策是指拥有高度行动权限的“人在环上”和“人在环外”系统的自主决策与行为实施。美国海军正在开发应用自主系统、无人集群系统协同、人机协同,支持ISR、火力突击、火力支援、后勤;利用智能代理实现网络和电磁空间的自适应感知与响应,包括路由选择、频谱分配、自主网络或电磁防御、交战与进攻;利用自主武器进行攻击和防御,包括综合防空和导弹防御系统的武器自主选择、无人机弹药与精确制导导弹自主交战。
决策辅助主要指AI辅助的军事决策和规划要素分析,包括作战目标分析、武器装备选择、武器能力和效果评估、保护/附带损害与风险评估、军事任务执行计划制定、突发事件应对计划制定、战场机动计划与调整、作战影响的评估等。美国海军利用多源异构融合的ISR数据提供通用作战态势图,帮助军队指挥官认知作战环境,推断敌军作战意图、作战计划、战术部署,评估作战行动影响,识别和预测己方作战人员行为,进而支持战略、战役、战术全要素作战规划,进行军事行动事后分析;或利用AI战争模拟游戏帮助指挥官制定作战策略,获得决定性作战优势。
维护与支持主要强调AI在物资供应、交通运输、医疗救护、通信联络、装备开发与维护、物流等后勤与军事人员培训中的应用。美国海军利用基于数据的预测分析模型进行战伤伤情与战伤救治需求评估、舰队预测性维护、智能电网维护、基础设施损坏情况评估分析等后勤行动规划;利用大气湍流像差估计与预测、气动热预示等物理模型进行超短脉冲激光武器、舰载高功率微波武器等定向能武器和航空弹药、远征巡逻弹药、高超音速武器等动能武器的开发;利用物理驱动模型进行航空航天材料、推进剂等材料的开发;利用射流气动噪声等模型预测环境对作战人员表现的影响,评估士兵作战能力;利用训练行为数据评估士兵技能水平、诊断问题并提出补救措施;进行作战人员能力评估与岗位匹配。
2.2 自主系统
85个子项目采用了自主系统模式,该模式强调系统在无人干预的情况下与周围环境互动、执行任务、实现目标等,主要包括小型无人水面飞行器、中型无人水面车辆、远征无人潜航器系统、水面两栖无人系统、自主海上投送系统、蜂群、反水雷机器人、消防机器人等无人系统自主控制与表征;自动配置、自主分布式网络控制、自主网络链路优化、自主网络漏洞分析、自主网络防御与攻击行动等自主网络代理;动能、定向能致命性与非致命性武器的自动目标识别、跟踪与交战,以及武器威胁自主识别与防御;自动任务规划与决策、自动情报收集、自动雷达信号处理、自主海域感知、自动战伤救治评估、自主空中加油、适应性微电网、自主系统故障检测、工作流程自动化等指挥管理、信息管理、后勤与维护应用。
2.3 识别
60个子项目采用了识别模式,主要包括利用传感器获得环境数据检测并识别对象以实现无人驾驶系统自主导航;利用计算机视觉、声学探测与分类,进行威胁识别、检测、分类、跟踪,实现威胁目标的监控、警报与打击;利用触觉反馈,帮助机器人实现类似人类的行为,开展水下简易爆炸装置排除等战场勤务支援任务;利用AI降低雷达、声呐等信号噪音,更好地排除环境杂波干扰和电子对抗环境干扰,优化系统识别能力,更好地支持全球船舶跟踪、海底环境监控等;利用图像识别、语音识别等功能,实现人机交互。
2.4 超个性化
54个子项目采用了超个性化模式,系统实时感知并分析环境数据,帮助无人驾驶系统、多代理协作系统自主确定并执行最佳行动方案;基于网络数据分析结果,确定最佳计算资源分配方案、制定并执行有针对性的主动或被动防御以及攻击计划,实现认知网络资源分配与管理、网络防御与攻击;基于态势感知数据或输入数据,对敌人作战行动进行个性化评估,提供实时建议,帮助指挥官做出更明智的决策;基于具身和情境感知结果,帮助机器人采取个性化方案处理水雷等爆炸物或消防任务;为士兵提供生成自适应训练内容,利用智能导师提供个性化指导与反馈;分析士兵能力与岗位的匹配度,实现个性化的人才推荐。
2.5 对话与交互、目标驱动系统、模式与异常检测
15个子项目采用了对话与交互模式,利用视觉、语言等认知交互模型实现双向的人机对话,利用大语言模型等技术生成文本报告等,促进人机团队无缝协作与决策,帮助人机团队完成多域作战任务;8个子项目采用了模式与异常检测模式,主要用于网络漏洞、网络攻击、网络验证异常检测、海军系统故障信息识别,以保障网络安全、系统的正常运行。由于预算方案技术描述有限,仅判断出5个子项目采用了目标驱动系统模式,包括利用识别模型进行自我学习以更好理解真实环境的智能代理,为士兵提供真实模拟训练战场环境的红方、蓝方智能代理,辅助指挥官决策的红方、蓝方智能决策代理。
3 讨论
AI技术在军事领域中的应用潜力巨大,是美国海军军事力量建设重点关注技术之一。当前,美国海军正在将AI技术全面融入信息管理、指挥与控制、后勤与培训领域,加速推动军事智能化。
3.1 信息管理
AI可以有效优化军事行动相关信息的获取、使用和传播方式。美国海军正在利用识别、对话与交互、自主系统模式,自主收集、清洗、融合包括陆、海、空、天、网络领域的ISR数据;利用预测分析与决策模式,处理、分析原始视觉、听觉等数据,创建包含3D地形、全电磁频谱信息的通用作战态势图,实时分析、监控敌情、我情、战场环境数据;利用超个性化、预测分析与决策、自主系统模式,自动检索数据、提取关键信息、生成精准的信息摘要并自动分发信息;将AI集成到作战网络中,利用超个性化、预测分析与决策、模式与异常检测、自主系统模式,更好地发现系统弱点、进行异常检测,验证数据来源与信息的真实性,进而确保信息通信的安全。
3.2 指挥与控制
AI可以加快决策速度,辅助指挥官做出更明智决策。美国海军正在利用超个性化模式、识别、预测分析决策、目标驱动系统模式,根据作战环境、作战目标、敌军能力,利用多源异构战场信息、情报和数据,情景化模拟交战并预测交战结果与影响,进而帮助指挥官选择武器系统、制定军事任务战术战略规划,检测方案执行与计划的偏差并提出替代解决方案;利用超个性化、识别、预测分析与决策、自动系统、模式与异常检测,帮助无人驾驶、智能网络代理、自主武器等无人系统进行监控、分析、计划、执行,自主完成不同的军事任务。
3.3 后勤与培训
AI可以有效推进后勤及军事训练智能化,优化人员与装备调动、供应与监控,帮助士兵掌握知识与技能。美国海军正在利用超个性化、识别、预测分析与决策、自主系统模式部署后勤支援,包括针对特定任务分析最佳运输路径与方式、资源分配规划、人员与装备调动、设备维护需求预测、武器装备需求评估及开发与采购建议;监控、评估作战人员的状态和效率,包括战伤救治需求评估、战伤分类与救治建议;部署AI驱动的虚拟或现实训练系统,跟踪士兵学习进度,自动生成士兵最近发展区训练内容与活动,提供学习过程指导和事后审查,提高单兵训练和集训效果。
4 启示
美国海军正在通过AI技术与军事任务系统性融合加快军事智能化转型,其战略部署正加速军事深层变革[11]。这一进程不仅提升了作战效能,更折射出全球军事智能化竞争的战略博弈态势。为充分打赢未来战争,部队人员需要利用AI提升战场感知、实现人机认知共生的指挥控制范式重构、形成“需求预测—资源调配”智能化军事后勤保障模式。
4.1 利用AI提升战场感知
部队人员应当利用AI感知系统提升全域感知能力[12],消除“战场迷雾”,通过多模态数据融合框架,实现跨域作战空间认知模型的重构,实现多域ISR数据的流形对齐,并借助动态特征提取与领域自适应机制,构建具有跨域互操作性的数字孪生战场,实现传统军事向算法对抗的转变。但是,当前异常检测系统采用的对抗生成网络技术已具备自主进化能力,部队应不断提升军事侦察与反侦察能力,赢得敌我AI系统间的动态博弈。
4.2 重构人机认知共生的指挥控制范式
4.3 形成“需求预测—资源调配”智能化后勤保障模式
部队应重构智能化后勤体系[15],利用基于深度学习的多源数据融合技术实现供应链动态需求预测与智能库存管理,利用多智能体路径规划算法优化运输网络,利用混合整数规划模型实现动态物流任务分配,利用深度Q网络技术实现自主认知,利用数字孪生技术实现装备全生命周期管理,形成“需求预测—资源调配”军事后勤保障模式。同时,部队还应利用认知图谱嵌入技术构建自适应训练系统,缩短单兵培养周期;构建跨域数字化战场,提供联合全域作战训练环境,提高跨域作战协同能力。但是要避免过度的技术依赖,保持士兵应急处突能力。
5 结束语
美国海军军事任务与AI的深入融合正在持续增强美国作战优势,帮助美国占据更加主动的战略地位。当前,美国海军正在加大AI军事应用政策支持与资金投入,培养并引进AI专业人才,加强军民融合,实现AI基础关键技术突破,充分利用AI技术多种模式,促进AI在传统和新兴军事领域的创新应用,实现信息管理、指挥与控制、后勤与培训等军事任务智能化转型。