人工智能（AI）已深度嵌入到军事领域的各个环节，在显著提升作战、指挥控制与后勤效率的同时，也为其带来了前所未有的复杂性。近年来，国外在“AI与作战模式”“AI与指挥控制”“AI与综合保障”，以及“AI与风险管控”等方面进行了大量的复杂性研究。本文据此脉络，对国外在此四个关键领域的研究热点进行梳理与浅析。
无人自主作战的复杂性。国外AI在军事领域的运用已进入实践验证阶段，部分领域研究成果已接近实战运用水平。但从其公开的研究结果看，AI赋能的无人自主作战较传统作战模式更为复杂。2022年11月，美军第59特遣队在巴林麦纳麦举行了“数字地平线”演习，重点验证无人系统与AI的协同作战能力。演习中，各无人平台依托自身传感器和独特的功能模块，通过Mesh通信网将数据共享给岸基机器人操作中心；情报分析人员在该中心运用AI和机器学习技术对信息进行处理和分析，以识别“正常目标”与“非正常目标”，从而大大提升特遣队的战场感知能力。这一过程的复杂性在于：构建了一个动态、自适应的感知-决策网络，其数据融合与识别节奏是机器驱动的，对通信质量和算法可靠性提出了极高要求。2023年9月，护盾人工智能公司（Shield AI）开展了无人平台复杂编队飞行实验，进一步验证了AI的自主控制能力，也揭示了自主控制的复杂性。该公司使用了自研的蜂脑（Hivemind AI）智能驾驶软件，控制无人机编队执行多种复杂的作战任务，包括综合突防、导弹拦截、区域侦察、防空、超视距打击、海域探测和电子对抗等。
V-BAT无人机
有人无人协同作战的复杂性。从外军实践来看，有人/无人混合编组系统的作战程序比传统部队更加复杂；同时，其在建设发展、组织过程、保障条件等方面的复杂性也远超传统作战力量。2022年7月，美国克拉托斯公司宣布用两架量产型女武神无人机成功完成一系列“天空博格人”试飞工作。该项目旨在将自主核心系统与模块化、低成本无人机平台相结合，使无人机能与有人机协同，自主执行复杂的作战任务。自主核心系统集成了一系列传感器和先进的算法，采用开放式架构，能够根据有人机飞行员设置的既定交战规则自主决策。这标志着作战决策权从飞行员向自主系统的部分转移，由此带来了人机之间如何建立动态信任、划分控制权限的全新复杂性。2023年9月，洛克希德·马丁公司与爱荷华大学实验室联合完成了一项AI演示，使用两架L-29飞机（作为无人驾驶系统）模拟在干扰支援环境下执行空对地任务。AI辅助电子攻击任务的成功执行，展示出自主无人驾驶航空系统在未来作战行动中如何与有人驾驶战术平台协同作战，从而构建一个强大、统一的团队来应对复杂的威胁。这次演示尤其凸显了在复杂电磁环境中，维持有人与无人系统之间稳定、可靠、协同的复杂性。
