兰德报告：探索机器学习辅助指挥与控制的可行性和实用性
2021年7月15日，兰德公司网站发布报告，题为《探索机器学习辅助指挥与控制的可行性和实用性（第1卷）——调查结果和建议》，作者是马修·沃尔什和资深物理学家、帕地·兰德研究生院委任教授兰斯·门斯等9人。报告要点如下：
研究的问题
（1）在学术和商业环境下开发和部署的人工智能系统在军事环境中是否具有价值？
（2）能否开发一个分析框架来了解不同的人工智能系统对不同的指挥和控制（C2）问题的适用性以及识别普遍存在的技术差距？
（3）能否开发出足够的评价指标来评估人工智能系统针对 C2 问题的性能、有效性和适用性？
本报告从技术角度关注人工智能（AI）系统在协助空军C2方面的潜力。作者提出了一个分析框架，用于评估给定的人工智能系统对给定C2问题的适用性。该框架的目的是确定可满足不同 C2 问题的不同需求的人工智能系统，并确定仍然存在的技术差距。尽管作者专注于 C2，但分析框架也适用于其它作战功能和军兵种。
C2 的目标是通过在时间和目的上规划、同步和整合兵力来实现作战上的可能性。作者首先提出了问题特征的分类方法，并将它们应用于众多推演和 C2 流程。人工智能系统最近的商业应用强调人工智能提供了现实世界的价值，并且可以成功地作为更大的人-机团队的组成部分。作者概述了解决方案能力的分类方法并将其应用于众多的人工智能系统。
虽然主要侧重于确定人工智能系统和 C2 流程之间的一致性，但本报告对 C2 流程的分析也为国防部人工智能系统所需的普遍技术能力提供了有关信息。最后，作者开发了基于性能、有效性和适用性的度量标准，一旦实施，可用于评估人工智能系统，并展示和社会化它们的效用。
重要发现
（1）C2 流程与用于开发和演示人工智能系统的许多推演和环境有很大不同
• 推演算法利用规律性来实现超人的表现，但大自然和对手的干预可以打破军事任务中这种简化的假设。
• 表征和开发具有代表性的问题和环境，将使人工智能系统能够在具有代表性的国防部问题集的条件下进行研究、开发、测试和评估，从而提高对作战环境的可迁移性。
（2）C2 流程的独特性质需要不同于推演优化所需的人工智能系统
• 了解现有人工智能系统的能力和局限性，将使空军能够确定适用于不同 C2 流程的系统。
• 在问题一开始选择正确的方法，可以显著缩短应用程序开发时间、提高解决方案质量并降低与转换解决方案相关的风险。
（3）需要新的指南、基础设施和指标体系来评估人工智能在 C2 中的应用
• 建立和实施综合性能评价指标体系将能够评估和比较潜在的人工智能系统。
• 此外，综合性能评价指标体系为交流人工智能赋能的 C2 的投资回报提供了一种方法。
（4）需要混合方法来处理 C2 流程中存在的众多问题特征
• 鉴于分析框架的普遍性和联合全域 C2 的出现，所有这些结论和建议都延伸到了国防部对人工智能的追求。
建议
• 使用本报告描述的结构化方法系统地分析推演、问题和 C2 流程的特征，以确定现有人工智能测试平台在哪些方面具有和不具有 C2 任务的代表性。
• 开发在种类和强度上代表C2 任务的问题特征的新人工智能测试平台。
• 使用本报告描述的结构化方法来识别和投资高优先级解决方案能力，这些能力在广泛的 C2 流程中需要，但目前不可用（例如，稳健性和可靠性）。
• 使用本报告描述的结构化方法来评估潜在人工智能系统特征与特定 C2 流程之间的一致性，以确定要开发的系统的优先级。
• 为人工智能解决方案制定指标体系，评估算法完整性和最优性之外的能力（例如，稳健性和可解释性）。
• 使用本报告描述的结构化方法来确定给定 C2 流程的性能、有效性和适用性的关键度量。
• 根据确定的综合性能评价指标体系，对给定 C2 流程的人工智能系统进行全面评估。
• 识别、重用和组合赋予关键人工智能系统能力的算法解决方案。
第2卷——支持技术分析
2021年7月15日，兰德公司网站发布报告，题为《Exploring the Feasibility and Utility of Machine Learning-Assisted Command and Control：Volume 2, Supporting Technical Analysis》，作者是马修·沃尔什和资深物理学家、帕地·兰德研究生院委任教授兰斯·门斯等9人。
本报告从技术角度对一份有关人工智能（AI）系统辅助空军指挥和控制（C2）的潜力的报告进行了分析。作者详细介绍了10个 C2 问题特征的分类法。他们展示了结构化访谈协议的结果，该协议能与主题专家一起对 C2 流程的问题特征进行评分。使用问题分类法和结构化访谈协议，作者分析了10个推演和10个 C2 流程。为了演示 C2 问题的分类法和结构化访谈协议，他们随后将其应用于由空战管理人员执行的传感器管理。
作者随后转向了8项人工智能系统解决方案能力。至于 C2 问题的特征，他们创建了一个结构化协议，以便对给定的人工智能系统的解决方案能力进行有效和可靠的评分。使用解决方案分类法和结构化访谈协议，作者分析了10个人工智能系统。
作者提供了有关专家小组设计、实施和结果的更多细节，由该小组在8种解决方案能力中择一处理10个问题特征中的每个特征。最后，作者展示了3个技术案例研究，针对各种 C2 问题演示了广泛的计算、人工智能和人工解决方案。
