美国陆军、人工智能和任务司令部

快速阅读: 《岩石上的战争》消息，2028年，美军一个步兵连在印度洋-太平洋地区作战，采用有人-无人协作模式。连长利用实时数据分析分配任务。为适应新技术，美军需规范数据管理，重新投资教育，提高士兵的数据素养，同时调整训练以应对多域作战挑战。这需要充足的资源与根本性的变革。

2028年。一个步兵连作为先头部队，在印度洋-太平洋地区进行机动支援进攻。每个排由有人-无人班队组成，使用装备有传感器、迫击炮和游荡攻击无人机的自主地面车辆。连长通过分析来自小型侦察无人机、卫星和预测地形模型的实时数据，迅速识别关键地形以确保侧翼安全。他指派一个排占领该位置，并指挥其他排调整火力以支持主要行动。随着命令下达，算法评估地形、战备状态、条令和历史案例，生成交战区域的选择。这些推荐包括感兴趣的区域和高价值目标评估，基于可能敌方作战序列。排长们细化这些见解，并使用部队引导程序快速发布指导。任务指挥现在是人机判断的融合，实现了数据为中心的战争。随着技术的发展，教育体系应当适应，培养一种学习文化，帮助士兵利用新技术并开发新的战术和任务。这种适应应当捕捉并编码数据，以便所有人——人类和机器——能够共同构建概念参考点的数据库。将美国陆军适应算法时代的需求首先，陆军应规范其计划如何从战术边缘、整个战区乃至后方基地捕获、处理、存储和分发数据。陆军应明确哪些类型的数据对其作战和业务系统最为关键，尤其是在资源有限的情况下。通过制定管理战场和战区节点上的数据供应、复制和处置的政策，陆军可以确保在需要时提供正确的数据，就像其后勤系统一样。士兵不仅能在关键时刻做出基于算法的决策，还能在战术边缘和后方安全区进行动态重新编程——当对手调整战术和信号波形时。其次，陆军应在其新的学习概念所规划的范围内重新投资于专业自我发展和教育。现有的在线培训通常不直接涉及战术和基本的专业能力。无论士兵的专业是什么，或他们在现役部队、国民警卫队还是预备役部队中服役，都应被要求学习通用战术和作战理解。学习通用战术和了解陆军如何作战应该是基础，然而，目前没有必需的在线培训或学习课程能让士兵展示能力，更不用说达到精通。更糟糕的是，很少有战术决策游戏包括使用人工智能的机会。陆军学习概念为解决这些问题提供了一个愿景，但陆军——以及国会——需要为其提供资金，使其成为现实，并作为数据为中心战争的基础。这包括开发一个从学生那里学习并更好地根据他们的需求定制内容的数据基础设施。第三，陆军应该确定其打算如何训练所有专业的士兵掌握数据素养和算法战争。鉴于当前的预算限制，初步步骤可以谨慎地集中在基本的数据素养和熟悉数据为中心战争的原则上——大致相当于“所有人都得到一些，而一些专家得到全部”。每个士兵都应该理解数据及其在人工智能中的使用方式，以及它可能如何被操纵。额外的专业军事教育应该涵盖更复杂的话题和应用技能，面向更高级别的领导和参谋角色。再次，陆军学习概念为此提供了愿景，但这需要资源投入和培训及教育的根本性变革才能实现。最后，随着陆军将其行动单元的重点从旅级改为师级，其多域作战的训练性质也应随之改变。虽然军事职业需要艰苦且现实的训练来模拟战斗中的艰难困苦，但多域作战的复杂性将要求持续不断地在军营中对指挥官和参谋的认知能力进行训练。

(以上内容均由Ai生成)