未来の戦場は「瞬殺」の時代へ、人工知能が威力を発揮

近年、人工知能技術は飛躍的な進歩を遂げ、戦闘指揮の分野で広く応用され、観察・判断・決定・行動（OODA）ループの時間を効果的に短縮し、状況認識、状況分析、任務計画、プログラム生成、分析と意思決定、行動制御などの能力を大幅に向上させ、戦闘指揮の効率と意思決定の科学性を向上させることができます。

[[344151]]

人工知能の応用により戦闘指揮の効率が大幅に向上する

軍事分野における人工知能技術の広範な応用により、人工知能技術は新たな軍事変革の強力な原動力となりつつある。戦争の時間と空間条件、戦争の主体、戦争の手段、戦争の方法とアプローチはすべて大きな変化を遂げ、新たな戦闘概念、戦争手段、戦闘思想を生み出すだろう。戦争の勝敗を決定する法則は、「情報統制」をめぐる闘争に顕著に反映されている。戦場のコントロールを握るという点では、情報コントロールと情報優位の握るという点から、認知コントロールとインテリジェンス優位の握るという点に焦点が移り、対決の焦点では​​、物理的領域と情報領域での対決を重視する点から、認知領域での対決を重視する点に移ります。

未来の戦場は「即死」の時代に入ります。高速、高機動、長距離装備の発展傾向は戦争のペースを大幅に加速させ、人間の脳は戦闘のスピードについていけません。大規模なシステム運用と統合統合作戦は戦争の複雑さを大幅に高め、人間の脳は戦争の規模に適応できません。無人システムは自律的に戦い、反応速度が極めて速いため、戦争の柔軟性が継続的に高まり、人間の脳は戦場の変化についていけません。戦場の非線形、クロスドメイン、ネットワーク化の特徴は、時間と空間の範囲、要素の種類、行動のリズムの面で意思決定、指揮、調整に極めて高い要求を提示し、従来の手動方法は適応しにくいです。

戦場では、指揮官は急速に変化する膨大な量の戦場データと情報に直面しますが、人間の脳はもはやそれらを素早く受け入れて効率的に処理することができず、人間の感覚は戦闘作戦における驚異的な変化のスピードに耐えることができません。たとえば、9月11日の攻撃以降、米軍がドローンやその他の監視技術から生成するデータの量だけでも16倍に増加しており、米軍の分散型共通地上システムは毎日7テラバイト以上のビデオストリーミングデータを収集しており、米空軍は毎日約160時間分の諜報偵察ビデオデータを収集しています。人間の脳の創造性、柔軟性、積極性と機械の高速性、高精度、疲労耐性などの利点を十分に活用し、人間と機械の協力と相互作用を実現することによってのみ、時間と空間の差、機械と脳の差を補い、戦闘指揮決定の利点を確保することができます。

将来のインテリジェント戦争における戦闘指揮と意思決定には、自律的なデータマイニング、状況認識、インテリジェントな意思決定、および指揮統制機能が備わっているでしょう。これにより、ある程度、戦闘指揮と意思決定に関する人々の伝統的な理解が覆され、人々を支援する情報システムから人々に代わるインテリジェントシステムへの深い統合の移行が形成されることになります。戦場の情報分析、データ処理、作戦分析、シミュレーション、ミッション計画、プログラム策定に人工知能技術を導入することで、現代の戦争や戦闘作戦における人間の指揮の知能レベルが大幅に向上します。

クロスメディア データ融合テクノロジーを使用することで、指揮官は、大量かつ多様で異種の諜報データから戦闘指揮の決定をサポートする重要な情報を迅速に発見し、意図を特定し、兆候を発見し、傾向を分析し、パターンを発見し、決定を下すことができます。人工知能技術の発展と応用により、人類は思考の論理的限界、感覚の生理的限界、存在の物理的限界を突破し、戦場の状況分析、戦争動向の予測、戦闘計画の評価、戦闘作戦の制御能力が大幅に向上し、多次元空間と多次元フィールドでの優れた戦闘リソースの迅速なジャンプ、集結、攻撃を実現し、OODAループの主導権を握ることができます。

インテリジェント意思決定技術と「クラウド脳」、「デジタルスタッフ」、「仮想倉庫」の出現により、戦闘指揮決定は単純な人間脳決定から人間と機械のハイブリッド決定、クラウド脳インテリジェント決定、ニューラルネットワーク決定へと進化し、新しい指揮統制方法が生まれます。 「戦闘頭脳」ともいえる人工知能は、さまざまなセンサーから大量のデータを受信して​​処理することができ、その反応速度や意思決定は人間の数百倍も速い。

物理領域、社会領域、知識領域、認知領域の分析とモデリングに基づき、人工知能を使用して補助的な意思決定情報を迅速に生成し、指揮官の意図に応じて迅速に最適化することで、迅速かつ正確な戦闘指揮決定を実現します。人工知能技術を利用して自律的なデータ分析機能を構築し、指揮情報システムを最適化し、戦場のデータ処理とマイニングの効率を効果的に向上させ、「マン・イン・ザ・ループ」または「ヒューマン・マシン・コラボレーション」の形で人間と機械の相補的な利点を実現し、インテリジェンスの優位性で戦場で主導権を握ります。

当社は、人工知能アルゴリズムの助けを借りて、データを迅速に処理し、目標の効率的な検出、分類、早期警戒計算を実現し、高品質、大量、迅速な軍事情報を収集・提供できるソフトウェアを開発し、軍事情報に関連する機械学習、ディープラーニング、視覚アルゴリズムなどの高度なアルゴリズムの研究を推進して、戦闘指揮の意思決定を支援します。インテリジェント アルゴリズムを使用した情報収集は高速、効率的、かつ正確であり、戦闘指揮の決定にタイムリーで高品質の参考情報を提供できます。また、リアルタイムの戦場のフィードバックを通じて、アルゴリズムを継続的に修正および更新することもできます。

クロスメディアデータ融合技術、価値ネットワークモデル、高速演繹システムを開発し、大量かつ多様で異質な情報データから戦闘指揮決定を支える重要な情報を迅速に発見し、戦場の状況の迅速な判断を実現する。シミュレーションとコンピューティング環境を開発し、戦場の状況の変化をシミュレートし、リアルタイムで取得した最新の戦場の状況データに基づいて継続的に更新する。遺伝的アルゴリズム、遺伝的プログラミングなどを開発して使用し、知識推論と探索と解決の方法を適用して、自動的に処理計画を推論して探索し、行動指示を計算および生成し、情報ゲームに基づく人工知能支援の意思決定、正確な指揮と柔軟な制御を実現する。クラウドコンピューティング、ビッグデータ、マルチメディア情報処理、インテリジェント意思決定サポートなどのテクノロジーを使用して、インテリジェントな戦闘指揮と意思決定システムを構築し、知識推論と探索と解決などの人工知能テクノロジーを開発し、精密打撃のターゲットリスト、戦闘力の使用、行動計画、費用対効果分析などの単純なタスクを自動化する。

2016年8月、米国防総省の防衛科学委員会の「自律性」研究報告書は、指揮官が自律的な情報分析と解釈を使用して戦術レベルの戦闘作戦を継続的に計画および再計画できれば、敵の戦闘の隙間を利用して攻撃を開始できると提案した。米国防総省の国防高等研究計画局は、早くも2007年に「ディープグリーン」プログラムを開始しました。これは、シミュレーション技術を指揮統制システムに組み込み、指揮官の現場での意思決定のスピードと質を向上させ、米軍の戦術レベルの戦闘ミッション計画サイクルを75％短縮することを目標としています。その核心技術は、戦闘指揮プロセス中にリアルタイムの戦場状況データと複数のコンピューターシミュレーションを使用して、敵と私たちが採用したさまざまな戦闘計画の可能性のある結果を推測し、敵が取る可能性のある戦闘行動と戦場状況の可能性のある方向を予測し、指揮官が正しい決定を下すように導き、戦闘計画の策定と調整の時間を短縮することです。

2009年以来、米国防高等研究計画局は、「Insight」、視覚データ分析、ディープラーニング、ディープテキスト検出とフィルタリング、高度な機械学習確率プログラミングなど、多数の基礎技術研究プロジェクトを立ち上げ、さまざまな種類のマルチソースの戦場データから自律的に情報を取得、処理し、重要な特徴を抽出し、相関関係をマイニングするための関連技術を探求し、開発してきました。米空軍の AlphaAI 空中戦闘シミュレーション システムは、シミュレーション環境における戦闘指揮プロセス全体に人工知能技術を適用しています。米陸軍資材司令部の通信電子研究開発工学センターは、2016年末にCVSプロジェクトを開始する予定です。このプロジェクトは、認知コンピューティングや人工知能などの技術を総合的に応用し、膨大なデータソースや複雑な戦場の状況に対処するための積極的な提案、高度な分析、自然な人間とコンピュータの相互作用を提供し、指揮官に計画、準備、実行から戦争作戦の意思決定までの全プロセスサポートを提供することを目指しています。

戦場の状況認識に応用された人工知能

人工知能技術の応用は、複雑な電磁環境における戦場での正確な状況認識の問題を解決するのに役立ちます。人工知能と全次元情報に基づく戦場認識システムは、強力な抗干渉・抗攻撃能力を備えているだけでなく、戦場情報をネットワーク全体で把握、可視化、制御可能にすることもできます。モノのインターネットと各種センサーを通じて、戦場のさまざまなビッグデータのリアルタイム自動収集、保存、伝送、処理を実現し、全エリアカバレッジ、多次元統合、リアルタイム処理と情報共有を実現し、戦場全体と戦闘指揮の全プロセスに対する「徹底した認識」と「透明な制御」を実現します。無線周波数センシング、全地球測位、赤外線センシング、生体認証などの知覚、捕捉、測定技術を総合的に活用し、いつでもどこでも戦場の目標物体に関する情報の収集と取得を行う。データマイニング、ディープラーニングなどの技術を活用して、画像理解、音声認識、目標マッチング機能を向上させる。インテリジェントネットワーキング技術を活用して、戦場知覚ビッグデータ伝送のための高速で信頼性が高く、干渉に強い情報ネットワークサポートを提供する。

人工知能を戦闘指揮活動に応用し、完全なカバレッジ、ユビキタスアクセス、安定性、効率性、安全性、信頼性を備えた情報インタラクションプラットフォームを通じて、戦場の物理インフラストラクチャと情報インフラストラクチャを有機的に統合し、多次元戦場の知覚システム、武器と装備、戦闘人員を巨大なネットワークに接続し、時間と空間における一貫性、継続性、正確な戦況認識、情報共有、インテリジェントな意思決定を実現し、さまざまな戦闘要素と武器プラットフォームの指揮を調整し、さまざまな戦場要素の「自律適応、自律行動」の方向への発展を最大限に促進し、より速い指揮速度とより高い打撃精度で継続的な指揮と協調作戦を実行します。

戦闘ミッション分析に応用された人工知能

戦闘任務分析を完了するには、指揮官は戦場データ情報を分類し、現在の戦場の状況を判断して、動的に更新される共通の戦闘状況を構築し、自身の戦闘指揮システムが欺かれていないかどうかを検出する必要があります。戦闘指揮システムは、人工知能技術の支援により、受信した情報報告の順序に基づいて、戦術レベルの共通戦闘マップを自動的に生成できます。ディープラーニング アルゴリズムを使用すると、高次元のドキュメント入力ベクトルを、隣接するベクトルが類似のドキュメントに対応する低次元の固有ベクトル空間に変換できます。トピック タグが付けられた少数のサンプルを使用して、固有ベクトル空間内の特定のクラスターを定義し、これらのクラスターを使用して自動メタ タグ アルゴリズムを構築します。これを基に人工知能アルゴリズムを使用して、戦場に関連するアイテムや数字の抽出など、特定のトピックに関連する文書内のエンティティを識別することで、ミッション計画のプロセスをスピードアップできます。さらに、人工知能技術を活用することで、戦場での異常な情報を特定することが可能になります。通常、ディープオートエンコーダ技術に基づいて、正常なデータポイントはオートエンコーダモデルの非線形低次元埋め込み座標に配置されます。オートエンコーダが正常なデータポイントをデコードすると、再構築エラーが少なくなりますが、異常な情報の再構築エラーは多くなります。このアプローチを使用すると、受信したセンサー データ内の異常を識別し、異常レポートにフラグを付けることができます。

現代の戦場の空間的拡大に伴い、陸、海、空、宇宙、電磁ネットワーク空間に渡って複雑かつ多様なセンサーが配置され、各種の情報偵察・監視早期警戒情報が爆発的に増加しています。その結果、膨大な情報データが指揮官の能力を超え、戦場情報の収集が遅れたり、有効な情報出力の適時性が低下したり、フィードバックエラーが発生したりするなどの問題が発生しています。人工知能アルゴリズムを使用して、既存のデータベースと最近の戦場での出来事との関連性を発見し、既知の出来事に基づいて将来の起こりうる出来事を推測して予測することは、戦闘指揮の決定や軍事作戦で優位に立つために不可欠です。複雑かつ膨大な戦場データに内在する法則を発見し、迅速かつ効果的に戦場データ支援と戦場状況分析を構築することによってのみ、将来の戦争における主導権をしっかりと握ることができるのです。たとえば、武器や装備のデータ情報をマイニングして、ターゲットを迅速に特定し、破壊のための先制条件を選択できます。また、水文学、地理、気象のデータもマイニングして、有利な条件を利用して先に攻撃を開始できます。

戦闘行動計画の作成に人工知能を応用

インテリジェント戦闘指揮システムが敵情報を感知した後、関連データは戦場情報ネットワークを通じて統合戦闘指揮システムに入り、その後のデータ処理と融合が行われ、行動計画が検索され、最適化されて最終的な対応戦略が形成されます。このプロセス全体を通じて、システム側は大規模で高速かつ安定したデータ計算を実行する必要があります。インテリジェント戦闘対決では、多くのリンクが機械計算によって自律的に完了するため、戦闘コマンドは高度にインテリジェント化され、応答速度が速くなります。

戦闘指揮システム内の高速計算を通じて、敵側は常に有利な機会を探しています。機会が見つかると、すぐに対応計画を作成し、システム力を調整し、対応する行動を取ります。戦闘指揮プロセス全体が、まさにリアルタイムで同期されています。戦闘指揮システムは、知覚端末によって提供される共有インテリジェンス情報データに基づき、大規模なデータベースとクラウド コンピューティング プラットフォームのサポートを受けて、データとアルゴリズムに基づく「意思決定」を通じて、オプションの戦闘行動計画を自動的に生成します。人工知能をシミュレーション環境と組み合わせることで、深層強化学習アルゴリズムを使用して戦闘行動計画を自動的に生成し、シミュレーション環境で試行錯誤の実験を実行して、さまざまな計画の予想される効果を測定できます。

戦闘行動計画の分析とシミュレーションに応用された人工知能

インテリジェント戦闘指揮システムは、取得した戦場の状況データを使用して、さまざまな情報情報を自律的に分析し、リアルタイムで自律的に決定し、戦闘計画を自律的に生成または調整し、情報伝送ネットワークを通じて対応する戦闘部隊を指揮・制御して戦闘任務を完了し、戦闘部隊と武器と装備が効率的で統一された全体を形成し、調整され秩序立った方法で行動することを保証します。 「データ+アルゴリズム」の採用により、戦闘行動計画の分析と推論において高度な自律性を実現し、機械の高速計算能力と相まって、より多くのリンクをインテリジェントかつ自律的に処理することで、より科学的な戦闘指揮決定計画を導き、戦闘指揮システムの応答速度を大幅に向上させ、対応する戦闘行動を効率的に制御し、戦場で相対的な優位性を獲得して戦争に勝利することができます。

運用計画プロセスでは、定性的な方法を使用してミッション計画と行動方針を分析できます。異なる計画グループが複数の COA を提案した場合、概念フレームワークを使用して、テンプレートを使用して構造化されたコメントを作成し、さまざまな COA のさまざまな側面を体系的に評価する専門家からのコメントを登録できます。次に、さまざまな議論モデル間の類似点と相違点を区別できるフレームワークを使用して、さまざまな戦闘行動計画に関するさまざまな分野の専門家のコメントを選択して要約し、代替戦闘行動計画の構造化された分析を実現します。同時に、人工知能をマルチエージェントシステムと組み合わせて赤青対決を実行することで、指揮官は動的な推論中にさまざまな行動計画の長所と短所、および起こり得る出来事の展開を理解し、さまざまな行動計画の長所と短所を評価し、敵の行動を予測して理解することができます。

最近、NATO は、大規模並列シミュレーション、データ分析、視覚化などの技術を使用して、戦闘指揮の意思決定をサポートするデータ ファーミング システムを開発しました。このシステムでは、地上戦闘計画のさまざまなシミュレーション システムによって生成された数十万のシミュレーション出力結果を分析できます。

将来の戦争では、意思決定上の優位性の獲得は、もはや指揮官の知恵だけに依存するのではなく、戦闘指揮支援システムの能力にも依存するようになるだろう。戦闘指揮意思決定支援計画の信頼性と徹底性、人間とコンピュータの相互作用の利便性、および計画のターゲットを絞った最適化は、意思決定上の優位性を獲得する上で特に重要な役割を果たします。リアルタイムの戦場状況データに基づいて、並列シミュレーションを通じて戦闘計画を推論し、戦争の展開の傾向を予測し、最適な行動戦略を自動的にマッチングします。

人工知能技術を利用して戦闘指揮意思決定支援システムを開発することで、実際の戦闘任務に基づいて意思決定支援データを迅速に抽出して整理し、関連状況を包括的に表示することができます。また、交戦規則と認知モデルに従って自己学習と進化に基づく意思決定を支援し、行動計画を自動的に生成してリハーサルを実施し、戦場の事柄、業務プロセス、行動に対するインテリジェントな意思決定を実現し、指揮官の意図と指示をリアルタイムで正確に指揮対象に伝達し、正確で最適な指揮統制を実施することができます。

戦闘行動計画の実行に応用された人工知能

戦闘行動計画の遂行中、無線車載測位端末、ヘルメット、メガネなどのウェアラブルデバイスを通じて、個々の兵士は無線個人用ハンドヘルド測位端末とビデオ端末を装備し、インテリジェントな遠隔指揮統制を実施します。身元認識、意味認識、音声認識、ジェスチャー認識、行動認識、脳波認識、視覚追跡、感覚フィードバックなどのヒューマンコンピューターインタラクション技術を使用して、指揮ユニット、精密打撃兵器、情報アプリケーションシステム間のバリアフリー通信を実現します。各戦闘ユニットは人工知能技術を使用して戦場の情報を迅速に統合および分析し、結果を指揮官に送信します。

将来の戦場では、指揮官は通常、大量の情報を受け取ることになり、情報過多のリスクに陥りやすくなります。戦闘行動計画の実行中、戦場の状況は急速に変化し、当初の計画はいつでも無効になる可能性があり、指揮官は迅速に再計画する能力が必要です。人工知能技術は、指揮官にタイムリーに代替計画を提供することができます。例えば、Q 学習は、大規模なデータセットや推論情報を使用せずにエージェントの状態と動作の最適な組み合わせを学習できる強化学習アルゴリズムであり、空中戦闘のターゲット割り当てに適用されています。転移学習は、学習時間を短縮し、新しいシナリオでエージェントの動作を迅速に開発するために使用されます。たとえば、さまざまな 2 対 2 のドッグファイト シナリオで戦闘ルールを学習する場合、2 対 1 のドッグファイト シナリオでの経験がすでにあるエージェントを使用することで、さらなる学習を最小限に抑えることができます。さらに、シーケンスツーシーケンスのディープラーニングアルゴリズムと要約生成方法を使用して戦闘作戦要約レポートを作成したり、音声をテキストに変換する方法を使用したりできます。現在の人工知能技術は、比較的正確な音声認識機能を実現できます。

戦闘指揮に人工知能を適用する目的は、人間の知能を完全に置き換えることではなく、人工知能と人間の知能を有機的に統合して機能の補完と相互利益を実現し、人間の知能をさらに高め、指揮官が指揮、管理、戦闘作戦において苦手とする一部の手作業のタスクを処理し、複雑で反復的な作業から解放し、戦争計画、行動調整、指揮決定などのタスクに集中できるようにすることで、戦争における人間の主な役割をよりよく果たし、戦闘指揮タスクをより効率的に完了することです。