在复杂、跨领域的作战行动中,人机协同作战对于实施有效的指挥与控制至关重要。本文基于北约指挥控制卓越中心一场工作坊的成果,并结合先前研究,提出了关键见解,以探讨如何将人机组队作为一种社会技术能力嵌入到跨域指挥中。研究结果强调,文化适应、系统素养、信任和训练是实现人与机器间“真正组队”的关键赋能要素。
在当今复杂、快速变化、跨领域的作战环境中,人机组队日益被视为实现有效指挥与控制的关键赋能因素。本讨论文件基于先前在第三十届国际指挥控制研究与技术研讨会上的研究成果,继续探讨如何在作战层级实现人与机器作为集成团队进行运作。本文不仅聚焦于技术方案,还收录了2025年11月北约指挥控制卓越中心年度会议期间一场工作坊的见解。该工作坊汇集了从业者、学术研究人员和行业代表,共同审视人机组队如何已影响日常实践,以及如何将其嵌入真实作战环境。
本文提出了将人机组队作为跨域指挥所有功能的基础赋能要素的实践考量与具体可行建议。最终,人机组队带来的不仅是技术增强,更是一种向更具适应性、韧性和有效性的指挥范式的转变,其核心在于协同利用人类判断与机器能力。
研究团队简要介绍了在国际指挥控制研究与技术研讨会上发表的论文(文末附链接),为工作坊讨论提供了背景。他们首先介绍了跨域指挥的现状。北约的跨域指挥概念旨在重新思考指挥官在复杂且相互连接的环境中如何领导、决策和行动。它依赖于更高程度的互操作性、标准化以及影响人员、流程和技术的即时变革,以确保决策优势。现代军事行动日益增长的速度、复杂性和跨域性质,要求决策与执行方式必须进行转型。
本研究是对北约跨域指挥中人机组队方法的后续跟进,并对其如何整合提供了更详细的阐述。基于社会技术系统理论及航空等领域的经验教训,本研究强调人类与人工智能赋能系统之间的认知协作,正如何重塑我们所知的指挥与控制。
真正的优势在于改进指挥与决策,而非简单地将任务自动化。研究团队将此称为“真正组队”:一种人类负责解读、适应并保持控制,而机器则进行学习、沟通并随之适应的动态协作模式。
深刻理解社会技术系统在现实约束与压力下如何运作至关重要。为此,必须针对人和机器实施结构化的教育与针对性训练,尤其要设计用于嵌入有效的学习设计模式。这种训练需要使用逼真的想定,超越封闭、完美的实验室环境。最终,必须将系统素养视为一个持续演进的过程,并将其作为建立互信和韧性团队的关键基础。
研究团队提出了实现真正人机组队及应对风险的七项考量与解决方案,作为工作坊互动环节的起点:
在北约指挥控制卓越中心会议期间,有一个下午专门用于分组详细研讨,我们的会议是其中之一。在三小时内,我们进行了两场工作坊会议,共有46名参与者。会议采用“1-2-4-全部”方法,以收集每个人的意见并鼓励积极参与。使用计时方法帮助参与者快速思考和回应。
工作坊的设置基于参与者之间的讨论,他们被分为4人或6人小组。他们被要求就以下问题进行思考并讨论(先是两两讨论,然后是小组讨论):
参与者一致强调,人类能力与组织文化需要进行根本性转变。为适应快速演进的人机组队整合,彻底的文化变革和认知再训练被认为是必要的。教育与训练至关重要。参与者指出,必须进行系统素养方面的训练,包括正式和非正式的,以增进对人机组队社会技术系统的理解。他们强烈警示要避免自动化悖论(研究团队已提出此风险)导致人类技能退化。即使机器接管了任务,人类也必须积极保持自身技能。会上提出了一个有趣的反问:“究竟什么是人类能做得更好的?”
建立和管理人类操作员与机器智能体之间的信任,以及制定道德伦理框架,是两组讨论的核心。信任至关重要,且只能随时间积累,但必须有意识地培养。参与者指出,目前缺乏信任是个问题,需要建立信任,或至少让人感到值得信赖。会议涉及伦理问题,参与者思考了如果一切皆由人工智能处理,对人类大脑能力的长期影响。
会议强调了在人工智能使用方面保持“自我意识”的必要性。提出的实践建议包括:使用历史检查/迭代检查来校准人工智能,以及预编程人工智能的思考方式。需要建立关于人工智能的认识论,即清晰理解人工智能知道什么以及它如何知道,因此需要将其纳入训练。一个行动路径是立即开始实践人机组队,不要等待,并坚持“边做边学”和“在职学习”。有建议提出应立即阅读跨域指挥相关文件、进行讨论解读并分享。为整合和测试人机组队,我们应构建并执行完全融入这些新技术和结构的兵棋推演。
参与者提议重新思考传统的指挥控制结构,从清晰的任务划分转向基于效能的人机分工,并辅以有意的协调机制,以确保双方作为一个连贯的整体、“真正的团队”运作。这包括将人机组队融入当前任务,并考虑相关性的变化速度,该速度已变为机器能够运作的速度。
这反映了一种管理上的努力,即必须有意识地重新协调分布式职责,以确保人机组队作为一个集成的社会技术系统运行,而非作为分散的组件。
尽管像量子或高度技术性的概念可能让人觉得抽象,但在人机组队的背景下,参与者们已经能够参与其中,并根据其日常和专业经验贡献观点。这表明,通过讨论、共享理解和实践反思,人机组队的路径正在形成,为在现实场景中进行持续学习和应用奠定了坚实基础。