摘要：本文进行了一项文献综述，旨在分析人工智能（AI）在改善监视与侦察系统方面的影响，重点在于沿海区域的早期威胁检测。为此，遵循了系统综述方法的参数，以识别、筛选并分析关于人工智能整合到海军行动中最相关的信息，尤其关注监视与侦察系统。信息检索在公认的学术和技术数据库中进行，涵盖通用领域及国防部门。使用的主要来源包括学术数据库，如Scopus、谷歌学术、语义学者和JSTOR，最终筛选出35项符合既定纳入与排除要求的研究，时间范围为2020年至2025年。在综述中发现了常见的模式和因素，并将其组织为6个主题进行进一步分析，即：人工智能在海军行动中的基础与进展。应用于监视与侦察的人工智能技术。人工智能与现有监视技术的整合。早期预警系统与威胁预测。在安全与防御策略中的实际实施。伦理、法律与网络安全方面。综述的相关结果表明，使用先进算法（深度学习、神经网络等）显著提升了海上环境中威胁的检测与分类能力，优化了作战决策的准确性与速度。同样明显的是，基于人工智能的预测模型能够检测异常并预见沿海区域的威胁，从而促进主动响应并提高作战安全性，这在很大程度上依赖于数据的质量和可用性。

关键词：人工智能；海军行动；海军安全；沿海安全；技术。

1. 引言

是否有可能在没有人类在场的情况下，通过识别实时发现威胁的存在？25年前，一台超级计算机击败了国际象棋冠军、俄罗斯的加里·卡斯帕罗夫，这是一个历史性的里程碑，然而，这只是人工智能（AI）漫长旅程的开始[6]。人工智能是一项在全球范围内（包括民用和军事领域）迅速发展的技术，其整合到海军行动中也不例外。在军事领域，其驱动力源于发展的需求，伴随着对更快速、更强大武器或技术的不断追求，而这正是人工智能所提供的[21]。它定位为一种提高作战效能和实时决策能力的关键工具。本文综述旨在回答这个问题：在当前海军行动中，有哪些人工智能应用可以使用，它们如何提高作战效能？为了回答这个问题，我们评估了人工智能对监视与侦察系统的影响，特别关注沿海区域的早期威胁检测。

众所周知，已有强国在军事活动中使用人工智能，其中许多活动因其用于攻击或防御而未知且保密。在此背景下，需要着重指出，应用于军事领域的人工智能技术对无法接触这些新技术的国家构成了巨大挑战。在短时间内，不同军事系统之间将出现巨大鸿沟，将那些拥有基于人工智能系统的国家与没有的国家分隔开来[1]。本综述采用的方法基于对近期科学与技术文献的系统分析，使用了专业数据库和可靠来源。它包括过去五年内发表的科学文章、技术报告和案例研究，以确保信息的时效性和相关性。该方法论将叙事性综述与对人工智能在海军行动中应用的批判性分析相结合，以识别趋势、挑战和未来机遇。

本综述的主要目标是分析人工智能在改善监视与侦察系统方面的影响，重点在于沿海区域的早期威胁检测。为此，分析了该领域最相关的人工智能应用，例如用于卫星图像解读的机器学习算法、人脸识别技术的整合以及用于实时数据收集的传感器网络优化。此外，还讨论了这些技术如何有助于决策，从而能够对风险情况做出更快速、更准确的响应。用俄罗斯现任总统的话说：“未来将属于人工智能，第一个掌握它的国家将成为世界的统治者。”——弗拉基米尔·普京。

本文结构如下：第1节介绍主题并提供人工智能整合到海军行动中的背景信息。第2节概述了本研究的贡献，总结了综述文献中的主要发现。第3节介绍了本系统综述所使用的方法，详述了筛选和分析相关研究的标准与过程。第4节讨论了从综述文献中得出的关键发现与见解，强调了人工智能对监视、侦察和早期威胁检测的影响。第5节展示了综述的结果，突出了人工智能在提高海军行动作战效能方面取得的显著进展。第6节基于研究结果得出结论，强调了人工智能在变革海军作战战略中的重要性。第7节提出了未来工作的方向，重点关注人工智能整合的进展、混合模型的开发以及对改进监管框架的需求。文章以整个综述中使用的参考文献列表结束。

2. 贡献

本研究的贡献集中在提供一份关于人工智能在海军行动中整合的全面综述，特别是在监视、侦察和早期威胁检测领域。主要贡献包括：

i. 本研究综合了2020年至2025年间发表的35项相关研究，这些研究调查了人工智能对改善海军环境中监视与侦察系统的影响。综述强调了人工智能的技术进步，例如机器学习和深度学习模型，这些已显著增强了海上威胁的检测与分类能力。

ii. 本研究深入探讨了人工智能技术，包括深度学习、卷积神经网络（CNN）和机器学习模型，这些技术已应用于目标识别、异常检测和实时海上数据分析。这项研究有助于理解这些人工智能方法如何提高监视系统的效率和准确性。

iii. 本研究的贡献之一是识别了人工智能如何与雷达、卫星和无人机等传统监视技术相整合。人工智能与现有技术之间的协同作用对于提高检测分辨率、优化资源管理以及实现海上行动中更有效的决策至关重要。

iv. 另一个关键贡献是探索了基于人工智能的早期威胁检测预测模型。研究表明了如何利用人工智能预测沿海区域的异常和脆弱性，从而实现主动响应并增强作战安全性。

v. 综述还指出了人工智能在作战实施中的挑战，例如对大数据的依赖、实时数据质量的需求以及对动态作战环境的适应。这些发现强调了持续研究以改进人工智能算法并解决数据收集和管理中差距的重要性。

vi. 本研究还强调了在海军行动中实施人工智能系统时，伦理、法律和网络安全问题日益增长的重要性。它强调了需要建立监管框架以确保负责任且安全地使用人工智能技术，并解决与隐私和数据保护相关的关切。

vii. 研究提出了人工智能在海军防御中的实际应用，例如将人工智能驱动系统用于沿海监视、航线优化和海军行动中的战略决策。值得注意的是，研究讨论了“黑蜂”纳米无人机以及与人工智能整合的激光武器系统等技术的潜力，这些可以增强海军力量的作战能力并改善国家安全。

3. 方法论

为进行本综述，遵循了一种系统方法，使得能够识别、筛选和分析关于人工智能在海军行动中整合的最相关信息，特别关注监视与侦察系统。下文概述了研究过程中使用的步骤和标准。

信息检索在公认的学术和技术数据库中进行，涵盖通用和国防相关领域。使用的主要来源包括学术数据库，如Scopus、谷歌学术、语义学者和JSTOR。此外，还使用了国防特定数据库，如国防技术信息中心（DTIC）和海军研究实验室（NRL）。选择这些来源是基于其相关性、可靠性和主题覆盖范围，确保了一种涵盖技术和作战两方面的研究方法。为筛选纳入综述的研究和文献建立了明确的标准：

纳入标准：

● 2020年至2025年间发表的科学文章、技术报告和案例研究。 涉及人工智能在海军行动中应用的文件，特别是在监视、侦察和早期威胁检测方面。 提供关于人工智能作战效能经验证据或理论分析的研究。 英文和西班牙文出版物。

排除标准：

● 与海军行动或人工智能不直接相关的文件。 ● 缺乏方法论严谨性或缺乏可靠来源支持的研究。 ● 2020年之前的出版物，除非被认为对历史背景至关重要。 ● 无法获取全文的文章。

检索策略：

检索通过组合关键词进行以优化结果。关键词包括诸如：人工智能、海军行动、海上监视、早期威胁检测、自主系统、机器学习、深度学习等术语。使用布尔运算符组合关键词： AND：用于组合术语并缩小检索范围（例如：“人工智能” AND “海军行动”）。 OR：用于包含同义词或相关术语（例如：“海上监视” OR “沿海监测”）。 NOT：用于排除不相关主题（例如：“人工智能” NOT “医学”）。 此外，应用了时间范围（2020-2025年）和语言（英文和西班牙文）过滤器，以确保信息的时效性和可及性。

初步检索共获得2,430份文件。在去除重复项并应用纳入和排除标准后，筛选出35项研究进行详细综述。这些文件根据其主题相关性、方法论质量和对研究目标的贡献进行了分析。

分析侧重于识别人工智能在海军行动中的应用，评估其对作战效能的影响，并强调相关的挑战和机遇。文献检索于2025年2月11日完成，确保综述包含了关于该主题的最新和相关研究。

4. 讨论

完成建议的综述后，发现了学术界关于该研究主题的一系列贡献，为更好地管理它们，将其分为一系列子主题，有助于确定人工智能在海军行动中的影响，特别是在侦察和监视领域。

首先，介绍了人工智能在海军行动中基础和进展的识别。在这方面，考虑技术演变非常重要。一系列研究强调了从传统方法向基于人工智能方法的转变[10]。讨论了应用于海上环境的人工智能理论基础，以及其算法在改进模式识别和异常行为识别方面的演变[9]。

有证据表明在提高作战效率和处理海量数据能力方面存在趋势[28]。然而，也注意到需要克服诸如环境多变性和某些海上场景中缺乏标记数据等挑战。所有这些都指向流程优化，尽管在实现适应真实复杂条件方面仍存在差距。混合模型和多模态数据的发展可能有助于弥合这些差距[11]。

这些研究一致认为，人工智能整合和分析来自多源（卫星图像、远程传感器、历史记录）数据的能力对于改善沿海区域的监视和安全至关重要。然而，它们强调这些应用的成功在很大程度上取决于可用数据的质量和数量，这意味着需要在信息收集和管理基础设施方面进行投资。这就是为什么许多领先的强国投入巨资推进这些技术（图1）。

（图1：人工智能在监视系统中的应用）

综述的研究强调了人工智能在海上监视和安全方面的变革潜力，同时强调了解决其作战实施固有挑战的重要性。虽然现代算法在准确性上可以超越传统方法，但管理错误结果、适应不断变化的条件以及持续模型训练的需求等挑战仍然存在。理论综述表明，人工智能在海军行动中的未来将以混合模型的发展为标志，这些模型结合了不同的机器学习技术以实现更高的鲁棒性和适应性[26]。

综述中另一个相关主题涉及应用于监视和识别的人工智能技术。在所评文献中发现了十四项贡献，提供了已开发技术及其用途的概览。用于目标识别、异常检测和实时海上数据分析的深度学习、卷积神经网络（CNN）以及其他机器学习模型是其中的组成部分[16]。所涉及的问题包括更精确地识别非法船只、发展非法活动以及可能发生的非典型行为。这预示着监视和控制有效性的提高。

先进算法的使用增强了系统处理卫星图像、传感器数据和实时视频的能力。然而，这些方法的有效性在很大程度上取决于可用数据的质量和数量，以及适应不同作战环境的能力。建议继续研究这些模型的优化及其在真实场景中的验证[5]。

另一方面，发现当人工智能与现有监视技术如雷达、卫星、远程传感器和自主车辆（无人机）等整合时具有很高的有效性。在这一点上，来自不同机制的数据组合有助于实时定义更完整和详细的情况图景，减少了决策中的误差幅度[18]。

总体而言，所研究的贡献强化了这样一个前提：人工智能与现有技术的整合不仅提高了检测的分辨率和速度，还优化了资源管理。各种技术平台之间的协同作用对于开发稳健的监视系统至关重要，尽管需要标准化的协议来确保不同系统之间的互操作性。

综述还强调了早期预警系统和威胁预测的重要性。发现的七项贡献展示了基于人工智能的模型如何能够实时预测脆弱性和特殊行为，促进早期威胁检测，从非法活动到不利环境事件[4]。大数据技术和预测分析的应用有助于开发能够预防沿海区域关键事件的早期预警系统[11]（图2）。

（图2：探索者“帆船”无人机在波斯湾测试）

注：2022年6月26日，在波斯湾进行的测试中，探索者“帆船”无人机（一种无人自主帆船）。该载具是美国海军加强其战略存在以应对日益增长的全球竞争，特别是针对中国的技术推动的一部分[14;17]。

综述贡献中发现的另一种方法涉及在海军部队中的使用和实际应用，其中人工智能用于优化航线、改善事件响应并提高港口和海上边界的安全性[3]。观察到由于人工智能系统的整合促进了实时决策，对海军行动的效率产生了积极影响。

人工智能在海岸防御和安全中的实际应用展示了在可操作性和应对威胁能力方面的改进。然而，从实验模型过渡到稳健的作战系统需要克服技术和后勤挑战，以及调整现有的军事协议。有证据表明，这些实施的成功既取决于技术创新，也取决于操作人员的培训和更新[23]。

发现的最后一种方法以处理伦理、法律和网络安全方面的内容为特征。在解决诸如人工智能在隐私、数据保护和法律合规性方面的使用等挑战方面，存在明显的增长趋势。在国家安全方面，这个问题变得更加微妙，使得这个主题对海军背景极为重要。

总体而言，研究发现人工智能的演进使得模型和算法的发展成为可能，当应用于海上环境时，为沿海监视和安全开辟了新的可能性。诸如“人工智能在沿海和海洋环境中的应用”和“人工智能对海上安全的挑战”等研究强调了从传统方法向基于人工智能方法的转变，突出了技术进步和固有挑战（图3）。

（图3：USV“海上猎人”（美国）与JARI-USV-A（中国）的近似比较）

注：图片显示了USV“海上猎人”（美国）与JARI-USV-A（中国）之间的近似比较[20]。

这些发现表明，人工智能的理论基础和技术进步正在使得解决海军领域的复杂问题成为可能。根据研究问题，证明了人工智能的基本应用（如图像处理、数据分析和模式识别）为开发增强海上监视和安全作战效能的系统奠定了基础。

其他综述研究，例如[10]的研究，同意技术演进是一个关键因素，尽管它们强调需要使这些进步适应真实的作战环境。文献在数据质量和模型可扩展性的重要性方面存在共识，这些方面在多篇文章中同样得到解决。

在理论意义上，强调需要开发混合模型并整合各种人工智能技术以优化复杂背景下的决策。从实践角度看，技术进步可以转化为监视和应对威胁能力的显著提升，尽管实施需要适应环境和作战变量。一个重要的限制是管理海量数据、适应动态条件以及需要稳健基础设施的挑战。

强调了在海上环境中使用深度学习算法、卷积神经网络和机器学习模型进行图像处理、异常检测和模式识别。诸如“使用CNN从哨兵-1数据自动监测船舶”和“用于沿海水域实时威胁检测的深度学习模型”等文章展示了这些方法的有效性。

研究结果表明，先进人工智能技术的应用显著提高了识别可疑活动和目标识别的准确性，这对于海军行动中的监视和侦察至关重要。这回答了研究问题，证明了通过提高检测准确性，人工智能增强了作战效能和安全性。

文献中观察到一致性，因为包括[3]在内的研究都强调了这些技术处理实时数据和减少检测错误的能力。比较表明，尽管算法在实施和性能上存在差异，但共识是这些技术构成了人工智能在海军领域应用的核心。

关于理论意义，有机会整合监督和无监督学习模型以提高系统的鲁棒性。这些模型的实施也可以转化为更智能、更主动的监视系统，优化资源并减少响应时间。挑战包括对大量标记数据的依赖、数据质量的变异性以及需要在真实场景中验证模型。

研究发现将人工智能与传统监视技术（如雷达、传感器、卫星和无人机）融合的重要性。诸如“利用人工智能/机器学习增强海上领域感知”和“用于沿海监视的人工智能增强卫星成像”等研究证明了这种整合的好处。

这引出了一个前提：技术结合允许利用来自不同来源的信息，提高了实时检测和应对威胁的能力。与研究问题相关，技术整合转化为更高的作战效能，因为它提供了对海上环境更完整和准确的视图。

另一方面，文献显示在系统间互操作性的重要性上具有一致性；多项研究强调，来自不同传感器的数据融合增加了可靠性并减少了检测中的不确定性。比较显示，尽管实施方式各异，但共识是人工智能与传统技术之间的协同作用是现代化海军监视的重要组成部分[15]。

一个理论意义指出需要开发数据融合框架和异构系统间的通信协议[29]。整合促进了更协调、更高效的响应，这可以导致事件响应时间的减少。障碍包括兼容性问题、高昂的实施成本以及持续更新技术基础设施的需求。

还发现了指向使用预测模型和实时分析技术进行沿海区域威胁和脆弱性早期检测的研究。例如“基于人工智能的海上交通异常检测”和“使用人工智能的沿海安全预测分析”等例子展示了预见关键情况的能力。

研究结果表明，基于人工智能的早期预警系统的应用允许识别异常行为并预测潜在威胁，促进预防性干预。这回答了研究问题，表明预测和预防是人工智能的关键应用，通过预见事件来提高作战效能。

综述表明，多项研究在减少错误结果和提高预测准确性方面取得了有希望的结果。存在共识，即大数据和先进检测算法的整合对于建立稳健的早期预警系统至关重要[25]。

识别出的一个理论意义是需要通过纳入上下文变量和持续学习来改进预测模型。显著的限制包括对实时数据质量和可用性的依赖，以及可能产生不必要警报的错误结果的可能性。

另一方面，发现了人工智能在海军行动中的实际应用，如航线优化、海上交通预测和战略决策改进。诸如“智能港口和基于人工智能的安全措施”和“使用人工智能算法的海上交通预测”等研究说明了实际用例和人工智能在作战环境中的整合。

研究结果表明，在海军部队和港口的日常行动中整合人工智能不仅提高了安全性，还优化了资源和流程，增加了应对威胁的有效性。在研究背景下，证明了人工智能的实际应用对于变革海上领域的安全和防御战略至关重要。

所评文献在提高作战效率[8]方面显示出一致的结果，尽管一些研究强调了整合和解决方案可扩展性方面的挑战。观察到，虽然某些案例研究报告了实施成功，但其他研究指出需要进行作战调整以适应动态环境。

研究结果支持了理论模型（理论意义）的构建，这些模型解释了智能自动化与改善作战决策之间的关系。在实践中，这导致了基于人工智能的解决方案的采用，这可能转化为更安全、更高效的海军行动，优化资源分配并改善实时协调。强调了诸如变革阻力、需要专业培训以及使既有基础设施适应新技术等挑战。

在伦理、法律和网络安全方面，研究强调了在海军行动中实施人工智能系统时解决伦理、法律和网络安全问题的重要性。诸如“通过人工智能增强港口和海上网络安全”和“人工智能在海军行动中的法律与伦理挑战”等文章强调了监管框架和风险缓解策略的必要性。

这些发现表明，尽管人工智能提供了显著的作战优势，但它在海军领域的采用必须伴随确保合乎道德、安全且合法的使用政策。关于研究问题，很明显，智能系统的发展必须与保护行动完整性以及用户权利和安全的保障措施相平衡。

文献显示，在需要整合网络安全措施和为在敏感环境中使用人工智能建立具体法规方面存在共识。一些研究强调了与这些系统脆弱性相关的风险，而其他研究则提出了结合先进技术和稳健法规的综合解决方案[29]。

从理论角度来看，结果呼吁开发将技术方面与伦理和法律考量相整合的理论框架，有助于创建基于证据的政策。人工智能系统在海军行动中的实施应伴随网络安全策略和法律法规的更新，确保负责任和安全的部署。

识别了当前立法中的差距和实施统一协议的挑战，这可能限制解决方案的广泛采用和互操作性[23]。

在这一点上，研究有必要列出全球海军行动中成功使用人工智能的案例： USV“海上猎人”（美国）[12]。

激光武器反无人机[13]。

中国无人船JARI-USV-A[27]。

配备前视红外系统的小型侦察无人机[22]。

探索者-无人帆船[24]。

无人海上无人机[2]。

美国国防高级研究计划局（DARPA）潜艇无人机项目[7]。

所有这些案例都是研究对象，虽然它们已经在作战中显示出高效和有前景的结果，但需要指出的是，每个案例都有其特点。基于这些特点，正在进行调整以达到所需的生产力。

5. 结果

对35篇文章的综述展示了人工智能在海军行动中应用的广阔前景。每个涵盖的主题都完整地有助于回答研究问题，突出了该领域的技术进步和持续挑战。总之，研究结果表明，人工智能具有广泛的应用，从威胁的检测和识别到先进技术的整合以及预测系统，这些应用显著提高了海上监视和防御的作战效能。

结果显示，人工智能在变革传统作战流程中是基础性的。通过使用先进算法和机器学习，实时决策得到了优化，从而能够对风险情况做出更快速、更准确的响应。这一进展使得海军行动的安全性和效率得到了实质性改善，有助于大规模识别和分类威胁，例如未经授权的船只、非法活动或海上不利条件。

此外，综述表明，人工智能与传统技术（如雷达、卫星和自主车辆）的整合提高了检测分辨率和速度，减少了决策中的误差幅度。这不仅改善了监视能力，还优化了资源管理，使海军部队能够更高效地运作，并减少人力和物力资源的使用。

基于人工智能的预测模型应用已成为预测威胁和早期识别异常的关键工具，例如可疑的海上交通模式或沿海环境的突然变化。这促进了早期预警系统的实施，使得能够预防关键事件并规划主动响应，从而提高了脆弱沿海区域的作战安全性。

尽管取得了这些进展，但研究也证实，可用数据的质量和数量仍然是人工智能应用成功的决定因素。许多综述研究强调，缺乏标记数据、多变的环境条件以及作战环境的多样性是限制人工智能系统在真实场景中有效性的持续挑战。这突显了需要在数据收集和管理基础设施方面进行大量投资，以及提高数据质量。

关于理论和实践意义，综述表明，在人工智能潜力方面存在普遍共识，但也承认其当前局限性，例如海量数据的管理、适应不断变化的条件以及持续模型训练的需求。结果表明，克服这些挑战将需要开发结合各种监督和无监督学习技术的混合模型，以增强系统的鲁棒性和适应性。

综述还强调，尽管人工智能在改善海军行动方面具有巨大潜力，但仍需要继续进行跨学科研究，重点关注新技术的整合和稳健监管框架的开发，以确保人工智能合乎道德和安全地实施。这种方法将有助于解决当前与变革阻力以及缺乏标准化协议相关的问题，这些问题限制了系统的互操作性。

6. 结论

完成对35篇文章的综述后，进行了识别其结果中模式的任务，将其组织成可发现的共同主题。这引出了以下问题：人工智能在海军行动中的基础与进展；应用于监视与侦察的人工智能技术；人工智能与现有监视技术的整合；早期预警系统与威胁预测；在安全与防御策略中的实际实施；伦理、法律与网络安全方面。

这些主题中的每一个都对研究有所贡献，展示了人工智能在海军行动中的真实状况。人工智能的演进为变革海军行动奠定了理论和技术基础，为更复杂的监视系统打开了大门，尽管适应真实条件的挑战仍然存在。

先进算法（深度学习、神经网络等）的使用也显著改善了海上环境中威胁的检测与分类，优化了作战决策的准确性和速度。需要注意的是，人工智能与传统技术（如雷达、卫星和无人机）的融合通过实时整合多源数据增强了监视能力，尽管需要克服互操作性和技术更新方面的挑战。

另一方面，基于人工智能的预测模型使得能够检测异常并预测沿海区域的威胁，促进主动响应并提高作战安全性，这在很大程度上取决于数据的质量和可用性。因此，人工智能在航线优化、海上交通预测和战略决策中的直接应用展示了作战效率和安全的改进，尽管其全面整合仍面临作战和适应方面的障碍。

在考虑对国家作战可能高效的技术方面进行更具体的考量，需要补充说明，在哥伦比亚海军中实施“黑蜂”系统将代表着海军监视、侦察和海上安全行动的重大进步。这种由Teledyne FLIR开发的探索纳米无人机是改善海上和沿海环境地形分析的关键工具，使海军部队能够收集实时情报，而无需使人员暴露于不必要的风险。

其紧凑的尺寸、静音飞行能力和实时视频传输能力，使其成为海上拦截行动、巡逻难以到达区域以及支持特种部队单位进行登船和两栖侦察任务的理想选择。此外，“黑蜂”可以与其他人工智能系统整合，进行自动化图像处理和分析，有助于在打击加勒比海和太平洋的毒品贩运、海盗和其他非法活动的行动中识别威胁和进行决策。通过这项技术，哥伦比亚海军加强了其作战能力及其对基于自主系统和实时数据分析的现代战争的适应。

同样，考虑在哥伦比亚海军中实施配备人工智能的激光武器系统也很重要，这代表了防御无人机和无人空中威胁的关键进展。受美国海军所用技术的启发，这项创新能够更快、更准确地中和敌对目标，优化海军行动的安全性。

这些系统可以检测、跟踪和消除侦察或攻击无人机，保护哥伦比亚领土上的海军基地、水面单位和战略海上区域。在“有组织武装团体”（GAO）和贩毒网络正试图用无人机进行间谍活动以使其战术现代化的场景下，其部署至关重要。在海军和河流巡逻中使用配备人工智能的激光武器，可以在船只和河岸上提供主动防御。其实施将增强哥伦比亚河流的安全性，这些船只在打击贩毒、非法采矿和武装团体的斗争中发挥着关键作用。凭借这项技术，哥伦比亚海军将巩固一个智能、现代化的海军和河流防御系统的发展，与新的海上和领土安全趋势保持一致。

综上所述，最终可以得出：人工智能在海军领域的采纳在伦理、法律和网络安全方面提出了关键挑战，凸显了需要制定监管框架和稳健策略以确保负责任和安全地使用该技术。

本综述工作的开展使得能够综合展示人工智能在海军行动中的效用状况，特别关注基于人工智能的技术在海军预防和安全识别中的效用。通过系统性阅读，深入了解了我们进入人工智能时代时所出现的技术、其效用以及挑战，最大化其效益以优化海军行动的表现。

虽然本研究有助于理解人工智能在海军行动中的整合，但仍有几个领域值得进一步探索。未来的研究应侧重于增强海军环境中使用的人工智能模型的鲁棒性和可扩展性。具体而言，结合监督和无监督学习技术的混合模型的发展可以提供对动态海上条件的更好适应性以及在实时场景中更准确的预测。此外，需要更多工作来探索多模态数据（例如，卫星图像、传感器数据、历史记录）的整合，以提高人工智能系统在沿海监视和侦察中的可靠性和精度。

未来研究另一个有前景的途径是开发人工智能驱动系统与传统监视技术（如雷达、无人机和卫星网络）之间互操作性的标准化协议。解决这些整合挑战对于确保不同系统能够无缝协作、减少误差幅度并提高作战效能至关重要。此外，应彻底研究与在敏感军事行动中部署人工智能相关的伦理、法律和网络安全问题。研究人员必须致力于创建全面的监管框架，在技术进步与负责任和安全的使用之间取得平衡，保障国家安全和个人权利。探索这些领域对于塑造人工智能在海军行动中的未来、确保其既有效又合乎伦理地实施至关重要。

作者简介

奥斯卡·亚历杭德罗·托雷斯·萨尔塞多 海军陆战队中尉，“阿尔米兰特·帕迪利亚”海军军官学校。

吉纳里·萨尔缅托·梅内塞斯 海军上尉（水面专业），“阿尔米兰特·帕迪利亚”海军军官学校。

胡安·大卫·贝莱斯·雷斯特雷波