●作者/考特尼·克羅斯比（Courtney Crosby）博士

●校對/Nangwa

●取材/軍事評論2020年7 - 8月刊（美）

1

2

3

沖突的勝負(fù)取決于軍事抵消，或者是防御部隊(duì)具有非對稱對抗的優(yōu)勢手段。隨著大國競爭、對抗性技術(shù)的勁敵和不斷擴(kuò)大的威脅，人工智能(AI)大大增強(qiáng)了傳統(tǒng)的抵消手段。¹然而，國防部（DOD）運(yùn)營人工智能的能力還處于萌芽之中。²五角大樓最初采用的人工智能程序著眼于將其商業(yè)能力轉(zhuǎn)移到國防部門，從而突出了技術(shù)性能，削弱了面向任務(wù)的功能。³因此，最初的試點(diǎn)項(xiàng)目未能進(jìn)入實(shí)際作戰(zhàn)環(huán)境(OE)。

4

理解決定運(yùn)營。人工智能不是一個(gè)結(jié)束狀態(tài)，而是取得軍事優(yōu)勢的一種方式。為此，人工智能相關(guān)方法論的技術(shù)實(shí)現(xiàn)必須與作戰(zhàn)環(huán)境（OE）聯(lián)姻。這種考慮偏離了傳統(tǒng)的思維。因?yàn)榈湫偷娜斯ぶ悄芙鉀Q方案通常是為了達(dá)到一定的統(tǒng)計(jì)閾值（例如，召回率、精度)而研發(fā)，并非基于軍事目的(例如，增加對峙距離）。⁴

5

這一動(dòng)態(tài)被涵目前蓋了軍事和技術(shù)特征的“算法戰(zhàn)”這一術(shù)語所混淆。算法戰(zhàn)的目的是作戰(zhàn)人員的傷亡數(shù)量，提高時(shí)間為要的行動(dòng)中的決策速度，以及在人類無法行動(dòng)的時(shí)間和地點(diǎn)行動(dòng)。⁵然而，這些目標(biāo)中沒有一個(gè)與數(shù)學(xué)或計(jì)算機(jī)科學(xué)有關(guān)；它們直接建立在軍事終結(jié)狀況的基礎(chǔ)上。問題是，在五角大樓步入其AI軌道之前，從未建立軍事終結(jié)狀態(tài)同科學(xué)、技術(shù)、工程和數(shù)學(xué)學(xué)科之間的橋梁。所需橋梁就是指導(dǎo)和評估AI運(yùn)作的框架，一邊連接算法性能，另一邊是任務(wù)功效。這種組合確保了數(shù)學(xué)方程可以證明或用數(shù)值驗(yàn)證人工智能系統(tǒng)，而定性基準(zhǔn)（測試程序數(shù)值）則保證了實(shí)際應(yīng)用。其結(jié)果是算法戰(zhàn)不僅基于統(tǒng)計(jì)，而且是一個(gè)為更廣泛的行動(dòng)相關(guān)性的架構(gòu)。這種相關(guān)性性有五個(gè)要求：

·最低可行性，

·適應(yīng)未知（事務(wù)）和未知場景的能力，

· 對信息的洞察力的優(yōu)先排序，

應(yīng)用所需的自主水平，和

·戰(zhàn)場備戰(zhàn)狀態(tài)。

這些要求首次為評估軍事人工智能程序和確定其是否成功奠定了基礎(chǔ)。

2020年2月5日在馬里蘭州米德堡（Fort Meade）拉斯韋爾大廳（Lasswell Hall），海軍陸戰(zhàn)隊(duì)部隊(duì)網(wǎng)絡(luò)空間司令部司令和陸戰(zhàn)隊(duì)員觀察計(jì)算機(jī)運(yùn)行。陸戰(zhàn)隊(duì)員實(shí)施網(wǎng)絡(luò)攻防行動(dòng)，以支援美國網(wǎng)絡(luò)司令部。陸戰(zhàn)隊(duì)員操作、保護(hù)和防御海軍陸戰(zhàn)隊(duì)企業(yè)網(wǎng)（MCEN）。(原始照片由美國海軍陸戰(zhàn)隊(duì)雅各布·奧斯本（Jacob Osborne）上士提供。照片有修改。)

6

為軍事人工智能程序開發(fā)效能評估(MOE)需要為防務(wù)理論描繪技術(shù)研究和技術(shù)方法（例如，基礎(chǔ)理論）的圖譜。⁶沒有這樣的圖譜，算法戰(zhàn)就會(huì)被簡化為算法開發(fā)過程，而不是運(yùn)營部署過程。例如，設(shè)計(jì)用于檢測視頻中物體的計(jì)算機(jī)視覺算法（例如，地理空間分析）縮減該模型找到的車輛數(shù)量或者說找到這些車輛的準(zhǔn)確性。故而，（算法）的成功是算法用85%的時(shí)間正確地找到車輛（而取得）的某種效果。

但是在軍事行動(dòng)中，在85%的時(shí)間里檢測車輛有什么用呢？這就是需要引入（評估的）語境之處，來維護(hù)條令的完整性。以上面的例子為例，同樣的算法被評估的不是正確檢測車輛的頻率，而是它對任務(wù)的影響：分析師感興趣的是由該模型識(shí)別出的95%超速的車輛。這種方法將算法的設(shè)計(jì)的好壞與其任務(wù)部署聯(lián)系了起來。雖然這似乎是常識(shí)，而且在項(xiàng)目文檔中甚至可以模糊地表示這種關(guān)系，但在國防部（文件中）的任何一處都沒體現(xiàn)其單獨(dú)的標(biāo)準(zhǔn)。

評估標(biāo)準(zhǔn)仍然需保持解決方案的獨(dú)立性（即，無論情報(bào)類型、使用的算法、部署的行動(dòng)環(huán)境或任務(wù)要求如何，這些標(biāo)準(zhǔn)都適用）。因此，在研究中，人工智能原理要被編纂成可量化的屬性和指標(biāo)，而這些對于系統(tǒng)和程序是不可知的。評估標(biāo)準(zhǔn)也以一種“過-不過”方式表達(dá)，用與相關(guān)的聯(lián)合出版物有相同的含義，來創(chuàng)建一個(gè)邏輯的、自上而下的層次結(jié)構(gòu)。其結(jié)果是形成調(diào)節(jié)、監(jiān)測和評估國防部人工智能系統(tǒng)的基準(zhǔn)線。

7

如前所述，可運(yùn)營的人工智能是由任務(wù)功用的五個(gè)方面定義的：最低生存能力、適應(yīng)未知和未知場景的能力、對信息的洞察力的優(yōu)先排序、應(yīng)用所需的自主水平和戰(zhàn)場備戰(zhàn)狀態(tài)。每一條MOE（效能評估）都是算法戰(zhàn)的基礎(chǔ)。⁷對這一信息的分析為每一條MOE（效能評估）形成一個(gè)有指標(biāo)和效果的綜合框架。整個(gè)框架以條令的定義和程序?yàn)榛A(chǔ)。

8

衡量有效性的軍事過程依賴于一個(gè)“過-不過”、自上而下的架構(gòu)。這意味著，只有當(dāng)該衡量條目的每一個(gè)指標(biāo)也存在時(shí)，才存在該衡量條目。同樣，只有當(dāng)該指標(biāo)的所有效果也存在時(shí)，才有指標(biāo)。⁸它是一個(gè)二元的、“有或無”的過程，可以像常規(guī)軍事活動(dòng)一樣容易地應(yīng)用于人工智能。

在傳統(tǒng)的高價(jià)值目標(biāo)(HVT)壽命模式分析的案例中，效能評估（MOE）會(huì)定義軍事戰(zhàn)役的一個(gè)預(yù)期結(jié)果(例如，HVT移出責(zé)任區(qū)[AOR])。必須滿足效能評估（MOE）定義的所有指標(biāo)，以便成功不能任意或有選擇地出現(xiàn)。例如，情報(bào)應(yīng)表明：(a)在新的責(zé)任區(qū)（AOR）中偵測到高價(jià)值目標(biāo)（HVT），(b)在新的責(zé)任區(qū)（AOR）中檢測到已知的高價(jià)值目標(biāo)（HVT）關(guān)聯(lián)，(c)高價(jià)值目標(biāo)（HVT）在新的責(zé)任區(qū)（AOR）中獲得基本的生命支持系統(tǒng)(例如住房、運(yùn)輸）。隨后的效果遵循同樣的過程：支持指標(biāo)“a”的效果可能包括識(shí)別已知的物理特征和通信信號(hào)。

因此，雖然常規(guī)的和人工智能的效能評估（MOE）在策略實(shí)現(xiàn)上有所不同，但決策驗(yàn)證的底層系統(tǒng)是相通的。只有在對人工智能領(lǐng)域的理解有一個(gè)基準(zhǔn)線的情況下，人工智能效能評估（MOE）才可驗(yàn)證。這與英特爾分支機(jī)構(gòu)開發(fā)的效能評估（MOE）無法通過戰(zhàn)斗兵種驗(yàn)證的情況如出一轍。

執(zhí)法車輛和人員識(shí)別系統(tǒng)演示。2017年11月1日華盛頓舉行了英偉達(dá)（NVIDIA）GPU（譯者注：圖形處理器）技術(shù)會(huì)議。期間的大會(huì)展示了人工智能、深度學(xué)習(xí)、虛擬現(xiàn)實(shí)和自動(dòng)機(jī)器（也有譯為自主性機(jī)器）。(照片由法新社索爾·羅卜（Saul Loeb）提供)

描述有效性——技術(shù)波峰

10

11

算法戰(zhàn)爭是通過人工智能手段進(jìn)行的戰(zhàn)爭。人工智能的手段不僅是智能的（收集和應(yīng)用洞察力)，而且是人工的(以人類做不到的方式作用于情報(bào)）的手段。沒有人類的干預(yù)，系統(tǒng)必須學(xué)會(huì)如何為自己描繪數(shù)據(jù)。⁹另一個(gè)術(shù)語稱之為機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)有不同的類型。但在戰(zhàn)場上，非監(jiān)督式機(jī)器學(xué)習(xí)將成為金標(biāo)準(zhǔn)。因?yàn)樗哂袕奈粗暮头墙Y(jié)構(gòu)化的信息中獲取輸出的能力和靈活性。¹⁰在這一金標(biāo)準(zhǔn)中，一種稱為深度學(xué)習(xí)的特殊方法在更精確地表示復(fù)雜問題的能力方面是獨(dú)一無二的。¹¹鑒于戰(zhàn)場的動(dòng)態(tài)性，更準(zhǔn)確地描繪復(fù)雜問題的能力至關(guān)重要。

因此，算法戰(zhàn)只能這樣激活：(a)工作系統(tǒng)(最小可行的)的能力(b)從未知和不可知的場景(無監(jiān)督)的自主學(xué)習(xí),(c)將復(fù)雜的戰(zhàn)場環(huán)境中轉(zhuǎn)換成一個(gè)有用的見解(啟用深度學(xué)習(xí))(d)幾乎沒有指導(dǎo)(自主)和(e)在實(shí)時(shí)任務(wù)(戰(zhàn)地)環(huán)境。這些效能評估（MOE）和圖中的架構(gòu)是運(yùn)營人工智能的第一步;他們?yōu)槿绾握霞夹g(shù)和操作因素奠定了基礎(chǔ)，同時(shí)使任何人工智能程序的“成功”標(biāo)準(zhǔn)化了。

最小可行性測試算法戰(zhàn)是否積極地改變了作戰(zhàn)環(huán)境。“積極改變作戰(zhàn)環(huán)境（OE）”意味著證明了部署人工智能存在競爭優(yōu)勢和性能改進(jìn)。這種理由來自行業(yè)指標(biāo)（技術(shù)因素）、與類似系統(tǒng)的排名以及對人類操作人員的實(shí)用性。

以翻譯為例：一個(gè)自然語言處理算法將最小可行的，如果(1)行業(yè)指標(biāo)證實(shí),它準(zhǔn)確地完成地面真值數(shù)據(jù)和正確的語言之間的轉(zhuǎn)換,(2)該算法比其他算法在相同的技術(shù)類別和作戰(zhàn)環(huán)境（OE）好,和(3)機(jī)器翻譯超過人類。

與最小可行性相關(guān)的競爭優(yōu)勢和性能改進(jìn)因素是必要的。因?yàn)闆]有它們，非算法衍生的戰(zhàn)爭（模式）將更有效——這從而否定了對運(yùn)營人工智能的需求。

12

記住，無監(jiān)督算法是現(xiàn)場任務(wù)最理想的選擇，因?yàn)樗鼈兊撵`活性和即使在未知的場景也可獲得見解的能力。¹²簡而言之，無監(jiān)督系統(tǒng)可以在沒有預(yù)定信息的情況下運(yùn)行，并在新信息可用時(shí)學(xué)習(xí)。

從與敵交戰(zhàn)的例子中可以描繪出一個(gè)常規(guī)的等效值。例如，部署的現(xiàn)役人員直到戰(zhàn)斗結(jié)束后才知道戰(zhàn)斗將如何展開。然而，他們被期望在沒有警告的情況下對敵人的火力作出適當(dāng)?shù)姆磻?yīng)，并對新的敵對行動(dòng)（機(jī)動(dòng)和活動(dòng)）得出相關(guān)的結(jié)論。

成功的算法戰(zhàn)程序就需要表現(xiàn)出與現(xiàn)役人員相同的隨著時(shí)間推移（而提高）學(xué)習(xí)力和戰(zhàn)術(shù)執(zhí)行力的適應(yīng)性。

13

回想一下，深度學(xué)習(xí)降低了復(fù)雜性。¹³實(shí)際任務(wù)中降低復(fù)雜性是指如何表示和理解信息的。就像人一樣，有效的算法戰(zhàn)有賴于模式檢測、推理和解決問題。

圖：算法(人工智能)戰(zhàn)爭的有效性度量

模式檢測本質(zhì)上是獲取知識(shí)，然后可以推廣到預(yù)測未來的未知場景。假設(shè)部署到機(jī)場的非航空機(jī)構(gòu)現(xiàn)役人員看到直升機(jī)在空中飛行。那個(gè)人注意到直升機(jī)獨(dú)特的物理特性，如整體尺寸或縱列旋翼。獨(dú)特的特性將直升機(jī)與其他各種類別的區(qū)分開來，隨著時(shí)間的推移，現(xiàn)役人員可以使用學(xué)習(xí)到的視覺提示在整個(gè)機(jī)隊(duì)中選擇正確的直升機(jī)。人工智能以幾乎同樣的方式識(shí)別視覺圖樣；直升機(jī)特征是在隨后的觀察中重復(fù)學(xué)習(xí)的。然后將這些特征推廣到區(qū)分一架直升機(jī)與另一架直升機(jī)，或直升機(jī)與非直升機(jī)中來。

推理細(xì)化了知識(shí)的獲取，以便檢測環(huán)境中的微妙之處，并在邏輯上將這些微妙之處聯(lián)系起來。例如，如果直升機(jī)從來沒有看到某些天氣模式，推理將推斷天氣(作戰(zhàn)環(huán)境（OE）的一個(gè)次要因素)影響飛行能力。有了人工智能，惡劣的天氣還會(huì)再次確認(rèn)沒有旋翼的飛行物不是直升機(jī)。

最后，順序解決問題將一個(gè)大問題（即如何駕駛直升機(jī))分解為更小的問題(即飛行路徑是什么、有多少燃料可用、需要多少飛行員等。）。因此，如果不降低復(fù)雜度，算法戰(zhàn)將缺乏將信息轉(zhuǎn)換為洞察力的能力。

由于算法戰(zhàn)爭假設(shè)利用非人類手段，人工智能必須獨(dú)立地組合和判斷行動(dòng)過程。人工智能必須根據(jù)自己的決策、反應(yīng)能力和態(tài)勢感知來完成這一裁決。

決策是在環(huán)境中發(fā)展和解決選擇的事情。在給定的通常情況下，面對相互沖突的情報(bào)、監(jiān)視和偵察飛行路徑，指揮官將開發(fā)一個(gè)資產(chǎn)優(yōu)先矩陣，然后根據(jù)這些條件化解矛盾。這不僅僅是提供可行選擇的問題，也是要弄清哪些辦法對整個(gè)任務(wù)最有利。為了做到這一點(diǎn)，系統(tǒng)必須能夠融合決策標(biāo)準(zhǔn)（例如，資產(chǎn)數(shù)量、收集要求、飛行時(shí)間等等）。傳感器必須參與確定決策標(biāo)準(zhǔn)（例如飛機(jī)燃料計(jì)（譯者注：指測量儀器）或人/語言提示）。然后，所有可用的選項(xiàng)都必須刪減。最后，系統(tǒng)必須識(shí)別當(dāng)前狀態(tài)的變化，并對該變化產(chǎn)生的新信息作出反應(yīng)（即航空資產(chǎn)的就位（譯者注：空中待命）時(shí)間已經(jīng)結(jié)束，因此不再需要解決矛盾沖突）。

反應(yīng)和果斷是相輔相成的。也就是說，系統(tǒng)能否對它以前從未見過的關(guān)于所需時(shí)間軸的情景作出適當(dāng)反應(yīng)？要做到這一點(diǎn)，系統(tǒng)必須具備態(tài)勢感知的必要功能：攝入、處理、迭代和行動(dòng)。所有指標(biāo)一起確保運(yùn)營人工智能改善決策時(shí)間軸，而不是抑制它們。

“由于任務(wù)的限制是巨大的，不預(yù)先考慮人工智能如何在現(xiàn)實(shí)世界中運(yùn)行，那么就無法在實(shí)驗(yàn)室中開發(fā)人工智能?！?/p>

戰(zhàn)場戰(zhàn)備狀態(tài)是衡量系統(tǒng)是否能在實(shí)地任務(wù)空間中功能發(fā)揮的一個(gè)指標(biāo)。由于任務(wù)的限制是巨大的，不預(yù)先考慮人工智能如何在現(xiàn)實(shí)世界中運(yùn)行，那么就無法在實(shí)驗(yàn)室中開發(fā)人工智能。顯然，實(shí)驗(yàn)室人工智能的局限性不會(huì)被戰(zhàn)場所繞過，而是被放大了。開放架構(gòu)受到軍事基礎(chǔ)設(shè)施的限制。不可知論（懷疑？）的管道被孤立、傳統(tǒng)的系統(tǒng)堵塞。一旦普遍的高速網(wǎng)絡(luò)向前方部署，網(wǎng)絡(luò)就會(huì)變得零星或斷斷續(xù)續(xù)。而且及商業(yè)部門未被清理的專家被幾乎沒有AI專業(yè)知識(shí)訪問受限的用戶團(tuán)體所取代。

簡而言之，人工智能必須補(bǔ)充而不是擾亂正在進(jìn)行的行動(dòng)。從一開始就必須解決任務(wù)的制約因素，包括與現(xiàn)有系統(tǒng)的整合和通聯(lián)。此外，應(yīng)測試或鑒定這種集成整合，以便在部署之前驗(yàn)證該功能及其左/右限制。這在很大程度上與軍事人員具備部署能力的范圍相同，或者反過來說，多差的適應(yīng)性測試會(huì)導(dǎo)致部署能力不佳。

五個(gè)用于運(yùn)營人工智能的效能評估（MOE）共同代表初始和全部作戰(zhàn)能力(IOC/FOC)的標(biāo)準(zhǔn)閾值。利用效能評估（MOE）框架中的決策門進(jìn)行的初始作戰(zhàn)能力（IOC）/全部作戰(zhàn)能力（FOC）的測定將加速人工智能的運(yùn)用，并提高美國在算法戰(zhàn)領(lǐng)域的定位。

軍事人工智能發(fā)展的目標(biāo)之一是：在戰(zhàn)場上將人力情報(bào)特工組中的士兵與無人車輛直接聯(lián)網(wǎng)。這將加速情報(bào)收集、目標(biāo)識(shí)別和執(zhí)行火力任務(wù)。（美國陸軍供圖）

如果沒有一個(gè)用于運(yùn)營人工智能支持算法戰(zhàn)爭的框架，當(dāng)前的國防部項(xiàng)目會(huì)遭遇失敗。本文提出的框架是第一個(gè)在防務(wù)人工智能領(lǐng)域內(nèi)定義“成功”的框架，并將為政府監(jiān)督提供必要的可審核的測定方法。

雖然本文的目的是算法戰(zhàn)的不可知論解決方案，但還需要進(jìn)一步的研究。應(yīng)指定資金用于將該框架與具體系統(tǒng)、學(xué)科和項(xiàng)目相結(jié)合。為支持這一努力，使用機(jī)密素材和對機(jī)密系統(tǒng)進(jìn)行定量試驗(yàn)同樣至關(guān)重要。定量實(shí)驗(yàn)不僅有助于驗(yàn)證本文的前提，而且還可以開始創(chuàng)建一個(gè)網(wǎng)絡(luò)來比較和改進(jìn)防務(wù)人工智能的測試和評估。也就是說，在跨越多個(gè)環(huán)境、系統(tǒng)和問題集中持續(xù)、一致地使用效能評估（MOE）架構(gòu)將使人工智能項(xiàng)目在一個(gè)單一的、共同的評估框架下保持一致。為此，本文提出的效能評估（MOE）架構(gòu)支持兩個(gè)功能：（1）通過迭代改進(jìn)“過-不過”決策門結(jié)果來實(shí)現(xiàn)更有效的系統(tǒng)；（2）通過比較各自的效能評估（MOE）對不同的系統(tǒng)進(jìn)行判定。

從戰(zhàn)略上講，圖中概述的體系結(jié)構(gòu)（第46-47頁）應(yīng)該集成到國防部的采購、技術(shù)和后勤過程中。目前的范式不是為指數(shù)增長的和非傳統(tǒng)性質(zhì)的人工智能程序而建立的。圍繞目前的評估標(biāo)準(zhǔn)對當(dāng)前和未來的國防部人工智能解決方案進(jìn)行校準(zhǔn)，將使之標(biāo)準(zhǔn)化，同時(shí)加快耗時(shí)的采購進(jìn)程。此外，負(fù)責(zé)企業(yè)人工智能活動(dòng)的組織機(jī)構(gòu)應(yīng)將框架標(biāo)準(zhǔn)化，使其更快地將應(yīng)用研究和開發(fā)轉(zhuǎn)化為業(yè)務(wù)用途。

然而，組織機(jī)構(gòu)的努力不應(yīng)停留在政策上。目前，國防部沒有利用軍事人員開展人工智能活動(dòng)的機(jī)制。尤其是，沒有與人工智能相關(guān)的軍事職業(yè)專業(yè)(MOS)，也沒有官方系統(tǒng)來識(shí)別和分配人工智能項(xiàng)目的熟練人員。其結(jié)果是缺乏可用的復(fù)合型人才——既精通人工智能又精通任務(wù)的人員。建立一個(gè)數(shù)據(jù)科學(xué)或面向人工智能的軍事職業(yè)專業(yè)(MOS)，類似于在網(wǎng)絡(luò)領(lǐng)域發(fā)生的情況，將使人工智能能力的運(yùn)營更加可持續(xù)?？梢酝ㄟ^增加合格的軍事人員，擴(kuò)大經(jīng)過清理的人工智能專業(yè)人員的人數(shù)。或者，傳統(tǒng)的軍事職業(yè)專業(yè)(MOS)可以適應(yīng)現(xiàn)代戰(zhàn)爭的特點(diǎn)。例如，特定學(xué)科的情報(bào)分析師可能與多（譯者注：域、類）情報(bào)融合的世界無緣。修改或添加人工智能技能標(biāo)識(shí)或?qū)I(yè)將抑制軍事職業(yè)專業(yè)(MOS)相關(guān)性的衰退。

在戰(zhàn)術(shù)上，五角大樓對人工智能的推動(dòng)需要伴隨著一場自下而上的運(yùn)動(dòng)，這樣形成的組織機(jī)構(gòu)就不會(huì)簡單地交給一個(gè)沒有（知識(shí)）背景能力（的人手中）。相反，從戰(zhàn)斗帶來的抵消（方面）他們應(yīng)該有一個(gè)積極的聲音?；鶎拥呐赡馨ㄔ诔跏己腿孔鲬?zhàn)能力(IOC/FOC)設(shè)計(jì)計(jì)劃之前，在部隊(duì)級(jí)別進(jìn)行影響分析和壓力測試，以了解脆弱性和優(yōu)先性需求。

運(yùn)營人工智能是一個(gè)固有的以任務(wù)為中心的努力過程，必須在戰(zhàn)術(shù)上有意義，才能產(chǎn)生戰(zhàn)略影響。在基層部隊(duì)獲得實(shí)際投資回報(bào)之前，圍繞算法戰(zhàn)價(jià)值的廣泛質(zhì)疑將持續(xù)存在；因此，對抗優(yōu)勢將成為一個(gè)越來越無法取勝的現(xiàn)實(shí)。

15

如果沒有運(yùn)營這些程序的框架，國防部就不能繼續(xù)執(zhí)行人工智能項(xiàng)目。¹⁴本文中提出的架構(gòu)只是通過加速和標(biāo)準(zhǔn)化政府通過高度創(chuàng)造性、操作吸引力的技術(shù)開發(fā)人工智能能力的努力來做到這一點(diǎn)。¹⁵

考特尼·克羅斯比（Courtney Crosby）博士是博思艾倫漢密爾頓戰(zhàn)略創(chuàng)新團(tuán)隊(duì)的首席科學(xué)家。她擁有決策科學(xué)哲學(xué)博士學(xué)位，聚焦于國防部的戰(zhàn)場人工智能(AI)系統(tǒng)。 克羅斯比（Courtney Crosby）曾多次參與各類海外支援任務(wù)部署。她是軍事C5ISR領(lǐng)域的人工智能運(yùn)營和創(chuàng)新的先鋒。 她以前的經(jīng)驗(yàn)包括研究和開發(fā)與人機(jī)合作相關(guān)的新興能力和社會(huì)科學(xué)分析。