随着人工智能在民用与军事领域的迅猛发展，关于其在军事转型中的浸染的谈论日益激烈。
在政治与公共话语中，人工智能武备竞赛被视为不可避免，并强调其超越人类局限的优胜性。
美国国家人工智能安全委员会（NSCAI）报告指出，人工智能在感知、评估与行动上的上风，为各领域带来竞争上风。
然而，这股由政治、智库及行业推动的人工智能武备化浪潮，每每忽略了军事人工智能（如自主武器系统）的局限与风险，仅聚焦于其技能前辈性。

自包以德经典“OODA”作战环（即“不雅观察-判断-决策-行动”）引入以来，美军不断探索优化决策路径，而技能改造特殊是无人机与软件的遍及，极大提升了军事态势感知能力。
然而，这一进程也伴随着“去视觉化”的深刻变革，视觉不再是决策与行动的唯一根本，算法与机器视觉日益成为主要赞助。
在安全与军事领域，“不雅观察”或“视觉”成为关键研究领域，对国际关系与安全研究具有主要意义。
无人机战役背景下的视觉机制研究尤为突出，揭示了技能增强下视觉、感知与决策的新形态。
视觉机制不仅关乎技能层面的“真实性主见”，更触及军事关注的实质，即感知与毁灭的交汇。

本文磋商的核心问题是：人工智能如何重塑军事“不雅观察”，及其对作战环中“视觉”的影响。
去视觉化过程寻衅了传统视觉在不雅观察、决策与行动中的核心地位，强调算法性非视觉选择过程的主要性，并影响伪装与隐蔽策略。
同时，向算法战的转变削弱了人类的掌握力，匆匆使人们重新评估视觉在军事行动中的代价。
美军联合全域指挥与掌握（JADC2）旨在实现向新型综合感知-行动循环的转变，并对现有的OODA循环进行本色性改革，将不雅观察、判断、决策和行动这四个阶段压缩为三个加速且相互关联的维度：感知、理解、行动，这些维度基于整合自主的人工智能成分。
JADC2表明，去视觉化过程是繁芜而全面的，超越了以前的不雅观察阶段。

21世纪初以来，军事技能背景下的不雅观察与行动研究以无人机战役研究为主。
无人机的大规模利用改变了力量的投射、感知和思考办法。
基于新颖的可视化模式优化目标的识别、选择和攻击是这些军事事情的核心。
无人机供应了一种视觉技能，可以网络数据，促进诊断剖析，并能够在特定冲突情形下管理行动方案，对监督该技能利用的操作职员产生的风险最小。
这里的“视觉”该当从最广泛的意义上理解，由于无人机可以像多感官系统一样事情并与之交互，这些系统可以吸收视觉数据，也可以吸收电子或音频数据。

无人机作为遥控无人翱翔器常日被理解为人类在视觉和行动方面的延伸或增强，无人机实时传送的图像可能被认为是“增强的、改进的、扩展的人类视觉”。
然而，无人机视觉既是视觉的延伸，也是空间和韶光的紧缩：详细视图、变焦、监视和景不雅观模式，以及各种角度都有望供应人眼无法网络到的东西。
人类操作员和目标之间的间隔大大增加，而且每每是横贯大陆的。
与此同时，永劫光的近间隔监视会在操作员和目标之间产生一种亲近的觉得，而无人机拍摄画面的清晰度仍旧非常低。
因此，无人机视觉该当同时被认为人类视觉和感知的增强和削弱。
无人机网络的数据不仅范围和数量巨大，而且具有独特的感知范式。
无人机的多感官能力供应了一种独特的不雅观察办法，不仅包括不雅观察到的内容，还包括传感器可能故意忽略的内容。
当前的事态发展表明，在战役中涌现了放弃视觉和掌握的趋势，即所谓的“后视觉系统”，这并不虞味着人类视觉不再发挥浸染。
但人机互动日益繁芜，人的能动性日益减弱。
这尤其涉及打算机视觉和机器学习（ML）的发展，特殊是处理无标签或非构造化数据并用于非常检测的深度神经网络（DNN）模型的发展。

启动JADC2操持是美军关注数据的浸染和主要性的一部分。
正如2020年美国国防部（DOD）数据计策所指出的，“美国国防部认识到，数据是一种计策资产，必须将其付诸履行，以供应一支有效的联合部队。
”该计策的未来愿景是：“美国国防部是一个以数据为中央的组织，以快速和规模化利用数据，从而得到作战上风并提高效率”。
JADC2试图将这一愿景转化到作战层面，通过创建一个由传感器输入、统一数据存储和数据访问、硬件平台和行动者组成的繁芜网络，为实时决策供应信息。
最主要的是，JADC2目的是培养作战能力，以便在战役的各个层次和阶段，超过所有领域，与互助伙伴一起感知、决策和行动，以实现信息上风。

JADC2对决策过程的变革紧张是利用人工智能在某些阶段实现“人在环中”（监督算法决策）乃至“人在环外”（算法决策无需人的监督）的运用，这与传统的人在环中的OODA环观点不同，在OODA环中，人是不同阶段的积极决策者。
大略地说，JADC2的目标是将所有军事信息（还有一些非军事信息）联网，通过人工智能和机器学习进行处理，并以比对手更快的速率向联合部队指挥官供应一系列建议。

美国在军事人工智能领域投入了巨额资金，以推动干系技能的发展。
2023财年预算案中，美国国防部哀求超过1301亿美元的研发资金，个中11亿美元专款用于人工智能，112亿美元用于网络安全。
美国国防部在2021财年哀求将52亿美元用于319个研发项目，包括人工智能机器学习项目，较2020年的40亿美元大幅增加。
美国国家人工智能安全委员会建议到2026财年，非国防人工人工智能研发的联邦资金每年翻一番，达到320亿美元。

美国国防部的Maven项目是机器学习减少人类视觉的一个例证。
该项目旨在开拓深度学习模型，以实行大规模图像数据上的“视觉”任务，提高决策效率，实现全面态势感知。
Maven不仅增强了人类的视觉能力，还通过算法过滤、检测和突出显示数据，加速了决策过程。
Maven技能处理无人机传感器网络的图像或***，但算法筛选标志着一种新的图像数据处理办法，即基于统计模式识别而非人类视觉。
只管人类不雅观察和认知在行动中仍发挥浸染，但算法在图像天生中的浸染日益增强。
其他项目，如美国国家安全局（NSA）的Skynet监控项目利用机器学习剖析通信数据，检测模式或非常。
这些例子表明，军事感知-决策-行动正经历去可视化。
数据被高度过滤和构造化，以知足人类对视觉的期望，同时供应对现实的阐明。

行业正将视觉界面与天生式人工智能模型结合，如美国Palantir公司的运用程序接口（AIP）通过运行大措辞模型以供应操作建议。
这代表了去可视化的进一步发展，个中机器学习为人类操作员供应选择性的“看到”。
JADC2倡议强调了实现终极态势感知的趋势，通过去除人工操作员的即时决策来完成去可视化。
这促进了人工智能“办理方案主义”的军事话语，强调人工智能系统在速率和准确性方面的上风，超越了人类视觉在战役中的基本浸染。
安杜里尔工业公司（Anduril）的“格子平台”进一步表示了这一愿景，通过深度学习模型简化决策过程，供应推举的决策支持。

军事工业与学术界在“赞助工具”增强理念下，深入探索军事视觉技能。
通过技能增强的视觉虽具潜力，但常因人机交互毛病而受挫，其修复性虽存，却难掩JADC2对分布式代理的更高期待。
机器学习技能承诺超越人类局限，自主实行不雅观察-判断-决策-行动，重塑OODA环，然而其速率上风伴生薄弱性。
去可视化趋势加剧，数据依赖削弱人类操作员的实际掌握力，仅余抽象的选择。
军事视觉技能面临双重寻衅：一是实时图像翻译与识别技能扩展监控边界；二是自主技能融入安全与武器系统，重塑决策机制。
然而，人工智能技能的繁芜性及其对抗性输入的薄弱性，在政府军事话语中鲜被正视，乐不雅观叙事粉饰了潜在风险。

随着非人类感知机制的发展，无人机战役逻辑反转，人类视觉不再主导，算法客不雅观性成为新的标准。
这一转变寻衅了人类作为感知与决策主体的地位，技能输出在超越人类能力的元叙事下得到合法性。
面对去可视化的寻衅，美国军方启动“确保人工智能足够强大，以抵御欺骗”（Guaranteeing Artificial Intelligence Robustness against Deception，GARD）项目，旨在提升人工智能抗欺骗能力，覆盖图像、***、音频等多模态领域。
然而，技能创新亦可能带来新的问题，算法决策的不透明性加剧战役繁芜性，智能机器亦难穿透算法迷雾。
因此，在追求技能创新的同时，必须正视并应对其带来的新风险与寻衅，确保人类掌握的故意义与有效性。

随着无人机与人工智能技能的迅猛发展，军工作况中的“视觉”不再局限于传管辖域，而是向多感官感知转变。
这种变革不仅扩大了沙场视野，也引发了关于人类感知与决策自主性的深刻谈论。
无人机时期的视觉扩展虽受到大量关注，但其背后的去视觉化趋势却预示着人类感官可能面临的退化风险。
在算法战的推动下，传统视觉被新的感知循环所取代，这一过程在JADC2中尤为明显。
然而，这种转变并非毫无争议。
一方面，算法系统的快速开拓与支配看似为军事行动带来了巨大上风；另一方面，其可靠性、易受攻击性等问题却不容忽略。
特殊是当算法诉诸于不同于人类认知的“真理”时，更加剧了人类对其决策的信赖危急。
这种背景下，人类与机器在对抗性机器学习攻击方面的互动成为新的研究焦点。
随着技能的不断进步，人工智能技能在军事决策和目标确定中的整合已成为不可逆转的趋势。
这一变革不仅预示着后视觉机制时期的到来，更标志着武器与感知的深度领悟。
在这个新时期里，武器不再仅仅是视觉的延伸，而是成为感知本身的一部分，开始取代并重塑人类的感官与决策过程。
这一过程不仅寻衅了人类在武器利用中的传统角色，更预示着一个由统一技能代理主导的未来，它们将自主感知、理解并决定行动的方向。