人工知能と機敏な戦力展開（ACE） （Military Review）
５月に紹介した米陸軍のMilitary Review最新号の人工知能の特集「軍事AI革命の到来 （Military Review）」、「現代戦に対応する米陸軍の対UASミッション・コマンド・システムの高度化 （Military Review）」に続き、米空軍中佐執筆の「人工知能と機敏な戦力展開（ACE）」を紹介する。
機敏な戦力展開（ACE）とは米空軍の作戦コンセプトともいうべきもので、米陸軍のマルチドメイン作戦（MDO）や米海兵隊の遠征前進基地作戦（EABO）、米海軍の分散海上作戦（DMO）が前提とする脅威を見据えたものである。米軍を何でも真似る人民解放軍は、The PLA’s Critical Assessment of the Agile Combat Employment Concept – Jamestown、The PLA Air Force’s Efforts Toward Agile Combat Employment – Jamestownの記事でも触れられているように、人民解放軍空軍なりのACEに取り組んでいるのかもしれない。なお、機敏な戦力展開（ACE）については、「【NHK】日本の安全保障に影響も？アメリカ軍 三沢基地のACE訓練を独自取材」がイメージアップの手助けになると思われる。
紹介記事の「人工知能と機敏な戦力展開（ACE）」は、一般に普及している電子商取引の例などを例にAIを機敏な戦力展開（ACE）に十分に活用できるとの結論を得たものである。人工知能の適用範囲に関する情報として一読されたい。（軍治）
人工知能と機敏な戦力展開（ACE）
Artificial Intelligence and Agile Combat Employment
May-June 2024
Military Review
Lt. Col. Benjamin “Buzz” Hagardt, U.S. Air Force
ベンジャミン・”バズ”・ハガード（Benjamin “Buzz” Hagardt）米空軍中佐は、バージニア州ラングレー空軍基地の飛行作戦部、航空戦闘コマンド標準化課のコマンド航空戦マネージャー評価官。アリゾナ大学で学士号、航空大学で修士号を取得。上級航空会戦マネージャーとして、彼は1,300時間以上の飛行時間と戦闘時間を有し、空中警戒管制システムと管制報告センターのプラットフォームで活動している。第964航空管制飛行中隊、第966航空管制飛行中隊、第607航空管制飛行中隊、第752作戦支援飛行中隊などの作戦部隊に所属。
2021年4月25日、非公開の場所から離陸した第332航空遠征航空団は、6機のF-15Eストライク・イーグルを構成し、むき出しの基地に余分な爆弾を運ぶことで、新たな道を切り開いた。この新しい構成により、米空軍はF-15Eが1回の任務で使用できる弾薬よりも多くの弾薬を搭載し、小規模で分散した作戦基地に保管することで、戦闘能力を向上させることができる。 （写真提供：ポール・デュケット（Paul Duquette）米空軍1等軍曹） |
2018年、米国防長官は米国家防衛戦略（NDS）を発表し、国家安全保障に対する主要な懸念が「・・・修正主義的大国による長期的、戦略的競争の再燃」であるという米国の戦略的再認識を示した[1]。ロシアと中国の軍事的近代化の取組みは、世界の安全保障環境を変化させ、米国を世界の優位な超大国から置き去りにした。
米国家防衛戦略（NDS）は、多くの取組み目標（lines of effort）の中でも米国家防衛戦略（NDS）は、敵対者の意思決定者に挑戦するような動的な運用と予測不可能な作戦が可能な、より致死性で復元性があり、機敏に革新する部隊を開発することを求めている[2]。敵の兵器、普及する監視技術、そしてクロスドメインの長距離火力がもたらす脅威は、米空軍（U.S.A.F.）を機敏な戦力展開（agile combat employment： ACE）と呼ばれる新しい機動の方式（scheme of maneuver）に作戦上の復元性のフレームワークを適用する動機を与えた[3]。この復元性の態勢は、あらゆるドメインで残存し、作戦するために、小規模で、分散した、適応性のある基地化技術を使用して部隊を展開する能力を可能にする[4]。
米国家防衛戦略（NDS）はまた、人工知能（AI）や機械学習（ML）を含む高度な自律システムの急速な技術革新を呼びかけている[5]。中国は2030年までにAIで世界のリーダーになる意図を表明し、数千億ドルを投資して、軍事的意思決定、推論（ウォーゲーム（Wargaming）など）、防衛装備の範囲にわたってAIを適用する[6]。
この中国の脅威に対抗するため、2018年の米国防総省（DOD）の人工知能戦略では、AIを活用した情報システムを利用して、軍の指導者に力を与える俊敏で復元性のある後方支援システムを構築するという米国の意図が概説されている[7]。
これらの取り組みは初期段階にあるが、技術が成熟するにつれて戦略的な展開（strategic employment）を準備する機会を提供する。 民間企業はすでにAIの革新と戦略的統合（一体化）の最先端であることを証明している。 彼らの成功を活用することは、将来の「インテリジェント化」された戦場を支配するための軍の道筋となる可能性がある。
機敏な戦力展開（ACE）とAI統合（一体化）の挿話
米国が武力拡大が差し迫った緊急事態の作戦（contingency operation）に参加しているとしよう。上級指導者は数カ月にわたり、AIや機械学習（ML）システムを活用して敵の動きを評価し、対応するための部隊構造をデザインしてきた。主要作戦基地（MOB）と緊急事態の拠点（CL）が指定され、軍のビッグ・データ・ソースがその作戦戦域における資源の可用性と最適な配送方法を報告する。
航空作戦指令と指揮官の意図が公表され、AIが目的達成のための航空戦力の適用方法について提案できるようになる。指揮官は、機敏な戦力展開（ACE）作戦の準備のために、アセットと支援装備のそれらの場所への配置を命じる行動方針を選択し、承認する。
2022年12月15日、米空軍のオンライン・ブリーフィングの画面キャプチャは、機敏な戦闘運用（ACE）のコンセプトについて、前方に配置された指揮・統制要素を広い地理的地域に分散させることで分権的に統制を実証する段階を例示したシミュレーション・シナリオを用いて概説している。分権化された統制は、作戦統制のネットワーク全体が劇的に劣化したり、完全に消滅したりする脅威を緩和する。新たなコネクターや、シーバーシングの活用による到達範囲の拡大など、航空アセットのさまざまな利用方法が、戦力の再デザインと、戦力の分散・統合（一体化）のための作戦革新の両方を推進するため、作戦、維持、防衛、戦力投射の能力は、形を変えることになる。 （米空軍ジェームズ・セルフ（James Self）による広報ビデオ） |
敵のターゲットは、今後24時間以内に友軍部隊が精密兵器で攻撃するよう特定される。機敏な戦力展開（ACE）の兵站エンジンは、利用可能な航空機と弾薬を把握し、兵器の搭載量、ターゲットへの近接性、後続任務に基づいて特定の航空機をペアリングし、希望する効果を処理する。
一方、追加のアルゴリズムは、ターゲット地域周辺の天候の影響や、ペアとなるアセットが破壊された場合にその任務に再タスクできる他のアセットの利用可能性を計算している。この情報は、評価の要請を待つのではなく、意思決定者に積極的に「プッシュ」されている。脅威エンジンは、離陸前または任務地域への飛行中に、友軍のペア機を先制破壊する可能性のある敵の潜在的な反応を計算する。脅威データベースには、既知の敵機に関する広範な情報（種類、数、兵器、位置、戦闘半径、過去の飛行パターン、パイロットの熟練度、昼夜の制限など）と、打撃パッケージを迎撃する可能性のある地対空兵器が含まれている。
これらの情報を統合すると、AIシステムは、利用可能なアセットに対する許容可能なリスク・レベル（例：低い、中程度、重大、高い、極端）に基づいて、さまざまな選択肢を推奨する。上級指導者がリスク・レベルを調整することを選択した場合、システムは更新されたソリューション・プロファイルを含むように自動的に調整し、新たな行動方針を提案する。以前の攻撃から敵の反応を予測すると、AIは残存性を高めるために、新しい各緊急事態の拠点（CL）への支援アセット（物資や配送システムを含む）の移動を提案する。
AIと機敏な戦力展開（ACE）の要素
敏な戦力展開（ACE）は、敏捷性、態勢、防護、統合全領域指揮・統制（JADC2）という4つの必須テーマに依拠している。これらのテーマはさらに、態勢、指揮・統制、移動・機動、防護、後方支援という5つの中核要素を通じて我が部隊に適用される[8]。機敏な戦力展開（ACE）は、残存性を確保し、敵対者の妨害を制限するために、分権的に統制された前方作戦基地間でアセットと支援資源を分配する。これにより、作戦ネットワーク全体を麻痺させるような中央ハブの排除を防ぐことができる。
（グラフィック：ザウル・エイランベコフ（Zaur Eylanbekov）、Air & Space Magazine提供） |
機敏な戦力展開（ACE）は、前方作戦基地間でアセットと支援資源を分権的に統制することで、敵対者に対する作戦において「キル・ウェブ（Kill Web）」を作り出し、敵対者による指揮・統制の妨害を制限し、基地の残存性を促進する。電子商取引（e-commerce）のAIと機敏な戦力展開（ACE）の比較は、ビジネス・マーケティングが、味方（allies）と敵対者からなる複雑な関係のネットワークを持つ別の競争者との相対的なパフォーマンスに関わっていることから、関連性がある。機敏な戦力展開（ACE）と電子商取引（e-commerce）の物流は、同じような課題を共有し、同じ技術的優位性の恩恵を受けている。
このフレームワークは、グローバル・パワーを持つ敵対者と対峙する友軍部隊に支援装備が届く方法（顧客に届く荷物に似ている）に適用することができるが、敵部隊や兵器のような特定の標的にキネティックな効果やノン・キネティックな効果（爆弾や電子攻撃妨害など）を与えるという観点からも考えることができる。
AIを活用した機敏な戦力展開（ACE）態勢
機敏な戦力展開（ACE）の態勢要素は、作戦の開始位置を定め、戦略的予測可能性と作戦の流動性を生み出す。初期行動では、主要作戦基地（MOB）から任務遂行のために最適な前方の各緊急事態の拠点（CL）に、戦域配属のアセットと後続部隊を再配分する。
これらの各緊急事態の拠点（CL）は、脅威環境と任務要件に基づいて、事前に計画することも、アドホックに行うこともできる。この柔軟でマルチプラットフォームに対応した基地の大規模なネットワークは、特定の航空機タイプ（KC-10やKC-135タンカーなど）だけでなく、ミッション・セット全体（給油作戦など）を支援できなければならない。
この複雑な計画策定と意思決定プロセスは、機械学習（ML）技術の応用から恩恵を受けることができる。スマートな生産とサプライ・チェーン管理の中で電子商取引（e-commerce）のサプライヤーを分析するのと同じアルゴリズムが、軍事活動を行う理想的な場所の選定を支援することができる。
これらの基準には、滑走路の状況、地理（友軍部隊／敵部隊との距離や優先目標との関係など）、攻撃に対する脆弱性、既存の補給物資の在庫や補給オプション、通信手段、生命支援能力（医療、食糧、避難所など）など、何十もの要素が含まれる。
これらのアルゴリズムの効果を最大化するためには、電子商取引（e-commerce）が利用しているビッグ・データのフレームワークに似た膨大なデータソースが必要である。既存の軍事情報システム（例：防衛即応性報告システム、意図的危機行動計画と実行セグメント、兵站モジュール）、民間ネットワーク、モノのインターネット技術（IoT）、同盟国やパートナー国との共有契約の組み合わせは、機械学習（ML）プロセスが機敏な戦力展開（ACE）のための意思決定基準をフィルタリングし、ソートし、グループ化することを可能にする重要な要素を満たすだろう。
機械学習（ML）アルゴリズムはまた、計画の柔軟性を高めるために、一次、代替、不測の事態、緊急のオプションのカテゴリーにグループ化することによって、緊急事態の拠点（CL）選択を支援することができる。この情報を兵器に、空軍の上級指導者は、資源の需要シグナルを判断し、すぐに利用可能なものを認識することで、部隊のニーズを形成する手助けをすることができる。
AI需給予測による機敏な戦力展開（ACE）態勢
機敏な戦力展開（ACE）作戦の要求に応えるために必要な支援部隊は、機敏な戦力支援（ACS）と呼ばれている。機敏な戦力支援（ACS）コミュニティは、各主要作戦基地（MOB）から各緊急事態の拠点（CL）やプラットフォームにとらわれない支援方法に移行する方法を模索しながら、この新しい適応的な考え方への同様の変革を受けている。1990年代半ば以来、遠征航空宇宙軍のコンセプトは、ユニット・タイプ・コード（UTC）と呼ばれる、よりスリムな展開パッケージに戦闘力を編成するために、前進基地の装備を活用してきた[9]。
このような人員と装備の事前定義されたパッケージ化したユニット・タイプ・コード（UTC）は、指揮官が航空機や支援アセットの特定の能力と数量を要求する能力を提供した。これによって、人間ベースの計画が容易になったが、知覚の見落とし、個人的な偏見、人的ミスの可能性も高まり、戦力不足や無駄な過剰供給が生じることになった。
2021年8月3日、ネバダ州クリーチ空軍基地で、MQ-9リーパーの自動離陸・搭載機能を開始する前に、飛行前の安全チェックを行う第489攻撃飛行隊の搭乗員。ドローンの使用と人工知能の採用における高度な技術開発は、作戦プラットフォームの分散型指揮・統制を促進する。 （写真：オマリ・バーナード（Omari Bernard）米空軍二等軍曹） |
GoogleのDeepMindに似たAI 機械学習（ML）システムは、将来の資源の必要性を見極める予測数値を生成し、それらの戦力要件を満たすように調整された装備品パッケージを自動的に組み立てることで、創造的なソリューションを提供する[10]。これは、レガシーのユニット・タイプ・コード（UTC）と広範な在庫備蓄に取って代わる可能性があり、サプライ在庫を最適化しながら、隠れた保管費用を節約する。
特定の物資が軍の有機的供給源から入手できない場合、アルゴリズムは検索基準を拡大し、互換性のある民間同等品や、パートナー国や同盟国のものを含めることができる。さらに、このプロセスで特定された資源のギャップや新たな要件は、直ちに生産契約に投資するために意思決定者に報告される。
要求の緊急性によって、提案依頼が標準的な契約ルートに従うか、性能履歴のAI傾向分析、既存契約との関連性、総コストに基づく軍評議会による緊急選定に従うかが決定される。新しいデザインのプロトタイプは、機械学習（ML）シミュレーションと予測分析ツールにかけられ、戦闘機の実装のために大量生産に入るずっと前に、デザイン上の欠陥を解決する。
これらの優位性はまた、自己防衛と通信機器の調達と利用を保証することによって、指揮・統制と防護機敏な戦力展開（ACE）要素を可能にする。これらの機械学習（ML）技術を長く活用すればするほど、そのデータはより正確になる。これにより、過去の分析から予想される問題に対して解決策を提案することが可能になり、リーダーが意思決定を行うための時間が増える。これらのUTCパッケージが設定されると、他の各主要作戦基地（MOB）や各緊急事態の拠点（CL）との相対的な位置関係が、その内容と同様に重要になる。
AIを活用した機敏な戦力展開（ACE）の機動と移動
機敏な戦力展開（ACE）の機動と移動の要素は、優位性ある位置から一貫して移動して闘うことにより、敵対者に打ち勝とうとするものである。そのためには、残存性を高めるため、あるいは戦略目標のために兵力を大量に投入するために、兵力が分散拠点間（例えば、各主要作戦基地（MOB）から各緊急事態の拠点（CL）へ、各緊急事態の拠点（CL）間、そして主要作戦基地（MOB）へ戻る）を移動する必要がある。
AIを基盤とするシステムは、電子商取引（e-commerce）の倉庫から仕分けセンター、そして最終段階の消費者までの間のこの種の動きを最適化する上で、非常に貴重であることが証明されている。Amazonはこの階層的なサプライ・チェーン・プロセスを、まず調達とフルフィルメント※、次に配布、最後にラスト・ワンマイルに整理している[11]。
※ フルフィルメントとは、電子商取引（EC）サイトで注文された商品が注文者の手元に届くまでの全体の流れをあらわしたマーケティング用語。もともとの英語（fulfillment）の意味を直訳すると「実行」や「遂行」「達成」という意味だが、現在では通信販売事業や電子商取引（EC）事業においての受注処理やピッキング、梱包、出荷、配送などの業務をさしてフルフィルメント業務と呼ぶ。（参照：https://knowhow.makeshop.jp/term/fulfillment.html）
調達とフルフィルメントは、巨大なクロスドック施設（平均855,000平方フィート）を使用し、何百ものe-フルフィルメント・センターに転送する。配布は、これらのe-フルフィルメント・センターから製品を取り出し、航空ハブや仕分けセンター（平均規模35万平方フィート）に振り分けることに重点を置く。ラスト・マイルには、仕分けセンターから最終配送場所まで製品を運ぶ配送ステーション（平均面積91,200平方フィート）が含まれる[12]。
図．Amazonの電子商取引サプライ・チェーン（黒字）と機敏な戦力展開（ACE）（青字）の比較 （図：ジャン＝ポール・ロドリゲ（Jean-Paul Rodrigue）著「Amazonの流通ネットワークと貨物デジタル化の足跡」を筆者により修正）。 |
この図は、各施設間の流れを描いており、非常に複雑な兵站問題群を解決するアプローチを示している[13]。また、同じ機械学習（ML）とAIシステムを通じて、軍が移動や機動の兵站に同じような構造を採用できることも示している。
大規模な米航空機動司令部の施設（例えば、カリフォルニア州のトラビス空軍基地やニュージャージー州のマクガイア空軍基地）は、機敏な戦力展開（ACE）のクロスドックまたはe-フルフィルメント・センターに相当する役割を果たすことができる。米国外の小規模な空軍基地は、航空ハブまたは仕分けセンターとして機能し、小規模な飛行場または統合の施設は、各緊急事態の拠点（CL）に資源を運ぶ最終配送ステーションとして機能することができる。これには、米軍のグローバルな展開能力を確保するための域内・域外輸送調整が含まれる。
AI配布を伴う機敏な戦力展開（ACE）の機動と移動
冷戦終結後、米空軍は海外基地を93から33に減らしたが、同盟国やパートナー国との協定によって、アクセス、基地化、上空飛行を提供し、戦力を投射する能力を保持している[14]。Amazonが流通市場で達成した「物流のスプロール化」は、機敏な戦力展開（ACE）の基地化ネットワークにも応用できる。各緊急事態の拠点（CL）を直接支援するために資源を送ることができる場所を特定するためにAIシステムを訓練することは、流通コストを削減し、出荷システムを最適化することを可能にする（すなわち、物資が各緊急事態の拠点（CL）に近づくことができればできるほど、要求されたときに、より速く、より簡単に受け取ることができる）。
これにより、米空軍の上級指導者や兵站担当者は、これらの既知の支援ネットワークに関連して、最適な各緊急事態の拠点（CL）をデザインすることができる。その各緊急事態の拠点（CL）から米軍を移動させるような脅威があれば、ハブ・アンド・スポーク・デザイン内の代替地に移転することができ、機敏な戦力展開（ACE）の提唱者が求める作戦的復元性を生み出すことができる。
AI配送を伴う機敏な戦力展開（ACE）の機動と移動
隊支援物資の輸送方法は、その調達方法と同様に重要である。米空軍のアセットで輸送できないものは、統合の軍種によって支援されるか、非軍事企業に委託される。機敏な戦力展開（ACE）がグローバルな作戦を含むことを考慮すると、戦域内および戦域間の輸送方法の両方が、時間段階的な部隊展開データとして注意深く計画されなければならない。
この時間段階的な部隊展開データは、装備品、航空機、要員がどのように作戦地域に流れ込むかを概説している（空輸、海上輸送、陸上輸送など）。機敏な戦力展開（ACE）が従来の空軍基地から一時的な各緊急事態の拠点（CL）に移行するにつれて、作戦の計画と実行を成功させるための複雑さのレベルは指数関数的なものとなっている。
AIを活用したサードパーティの兵站は、この偉業を達成するための最も効率的な手段（請負業者、統合の軍種、同盟国、パートナー国など）を特定することができ、同時に事前に設定された脅威や任務のプロファイルに基づいて将来の移動のニーズを予測することができる。2021年、国家安全保障上のニーズを満たすための空路、陸路、海路の輸送を担当する米運輸コマンドの指揮官は、ドメイン間輸送の問題群に対するAIシステムの探求を支援した[15]。
2023年6月19日、カナダ・ブリティッシュコロンビア州コモックス近郊で行われたアジャイル・ブリザード-ユニファイド・ビジョン2023演習で、第35戦闘通信飛行隊と第55戦闘通信飛行隊の飛行士がレンジャー2400フライアウェイ・マルチバンド・ターミナルのフィードブームを交換する。衛星アンテナは、通信が制限される半乾燥地帯で活動する際に必要な衛星通信の迅速なセットアップを可能にする。 （写真提供：ベティ・R・シュバリエ（Betty R. Chevalier）米空軍技術軍曹） |
人員、貨物、航空機を特定の時間内に、意図した期間、前方の場所に移動させるための兵站要求を理解できる機械は、そこに到達するための最も効率的な手段を容易に決定することができる。そして、これらのハブ・アンド・スポーク拠点が確立されれば、軍事計画担当者は、任務目標を達成するため、あるいは敵の活動に対応するために、拠点間の移動を調整することができる。
輸送計画の劣化（敵による主要な橋の破壊や水路の閉塞など）を報告するAIフィードバック・システムを組み込むことで、輸送方法を調整するよう米空軍指導者に勧告を返すことができる（たとえば、予定していた海上輸送を空輸に変更するなど）。
一般的に、このような輸送計画を短期間で変更することは、後続輸送の連鎖的な遅延に対処しながら、積荷計画を再現するために、兵站担当者に多大な負担を強いることになる。しかし、その貨物の積載寸法、重量、特性を認識するように機械学習（ML）モデルを訓練することで、機器を積載するために必要な正確な耐空検査要件に至るまで、利用可能な航空機に輸送計画を機械が自動的に再流することが可能になる。
域内を移動するためには、機械学習（ML）システムが各緊急事態の拠点（CL）の最適なアクセス方法を認識できるように訓練することが重要である。ダイナミックな地域では利用できる飛行場が限られているため、CV-22オスプレイやHH-60ペーブ・ホークのような垂直離着陸機は理想的だが、少量の貨物や人員しか輸送できない。しかし、同じAIシステムが、緊急事態の拠点（CL）が支援を必要とする期間を処理すれば、アルゴリズムはこれを考慮し、それに応じて補給配送計画を調整することができる。
災難や敵の攻撃による友軍部隊の損失は、中国やロシアとの戦いで予想される現実である。変動する航空機の在庫をAIが追跡することで、上級指導者は戦略的な移動を調整したり、同盟国軍に追加の支援を要請するタイミングを知るためのデータを得ることができる。逆に、同盟国やパートナー国に適用される機械学習（ML）やAIシステムは、それらの軍隊がいつ米国の介入や支援を必要とするかを予測するのにも役立つだろう。
AIを活用した機敏な戦力展開（ACE）の後方支援
機敏な戦力展開（ACE）のフレームワーク全体の基盤は、後方支援を通じて作戦を継続する能力にかかっている。圧倒的な逆境、争われたドメイン、極度に分散した任務遂行に直面した場合、明日の会戦を闘うために資源を積極的に維持するための革新的なソリューションが必要となる。
AIと機械学習（ML）の統合（一体化）は、統合部隊の能力を強化しながら、機敏な戦力展開（ACE）の複雑な後方支援要求に対応するために必要なレベルの情報優位性を可能にする。現在のUTCパッケージは、さらなる支援が必要となり維持が開始されるまで、30日間作戦するのに十分な人員と資源が供給されている[16]。
しかし、このモデルは確立された航空基地からの継続的な作戦を想定したものであり、そこでは長年の支援インフラと防護が利用可能であることが前提となっている。機敏な戦力展開（ACE）はその型を破り、さらに後方支援計画プロセスに挑戦する。緊急事態の拠点（CL）からの機敏な戦力展開（ACE）は、サプライ・チェーンの有効性と敵の脅威の影響次第で、24時間という短さもあれば、30日以上という長さもある。
AIのサプライ・チェーン管理を活用した機敏な戦力展開（ACE）の後方支援
サプライ・チェーン管理は物流プロセス全体に及ぶが、その効果は情報の流れと製品の流れという2つの重要な要素によって大きく左右される。したがって、製品の必要性や配送方法を伝える手段がなければ、サプライ・チェーン管理は意味をなさない。
AIと機械学習（ML）システムは、結果を予測したり、人間の意思決定の時間を節約する情報のパターンを特定することによって、これらのプロセスを可能にする[17]。ビッグ・データの分析と、将来の指標となる積極的なアルゴリズムを作ることは、機械による意思決定が機敏な戦力展開（ACE）に最も貢献するところである。これは、機敏な戦力展開（ACE）に適用されるAIのリスク管理面での能力を考慮した場合に特に当てはまる。
AIのサプライ・チェーン・リスク管理を活用した機敏な戦力展開（ACE）の後方支援
平時の作戦と戦時の作戦では全く異なるメンタリティーを伴うため、民生領域と軍事のドメインのリスク管理の比較は困難である。どちらも日常的な安全上の危険や装備の不具合を経験するが、機敏な戦力展開（ACE）の「火力下の兵站」は、他国との競争から武力紛争による敵対行為へと移行する。
この意味で、リスク管理は一般の商業物流よりも機敏な戦力展開（ACE）に応用できる可能性がある。これらの脆弱性を特定し、監視し、緩和する能力は、米国が利益率や株式市場シェア以上のものを失わないようにするために、最も重要である。許容可能なレベルのリスクは、米空軍の指導者が熟知し、どのようなシステムにも期待する決定事項である。
人工ニューラル・ネットワークは、単純な二値経路ではなく、基準の複雑な度合いを測定するためにデザインされた特別なアルゴリズムである。機器が壊れているか機能しているか（例えば0か1）の代わりに、「壊れている」レベル（例えば0.2、最も機能していない、0.5、部分的に機能している、0.9、ほとんど機能している）に拡張することができる。
こうすることで、機敏な戦力展開（ACE）はこれらのアルゴリズムを定期的な航空機整備の問題の検出、故障率の高い項目の欠陥分析、作業指示の迅速化、高価なサービス契約やそれらの故障に起因する高価な損害修理の必要性の節約に使用することができる。2018年、米陸軍は、これらのAIシステムは、修理部品の輸送の最も時間的・コスト効率的な手段を決定するだけで、年間最大1億ドルを節約できると予測した[18]。
品質保証機械は、組立ラインでの機器製造から、化学兵器用具の包装、生命維持装置の試験、航空機の弾薬装填まで、用途は無限にある。これらのシステムは非常に高性能ではあるが、すべての緊急事態の拠点（CL）に転用できるわけではなく、平時の作戦や軍人の訓練に適していると思われる。戦時作戦中、米軍にとって最大のリスクは敵そのものである。機敏な戦力展開（ACE）中の米軍にとって最大のリスクは、作戦がデザインされている敵対者である。結果を予測する能力はAIと機械学習（ML）の強みであり、混乱や攻撃を生き延びる復元性を可能にする。
脅威に対して同じ人工ニューラル・ネットワークを適用するが、パラメータをサイズ（ユニット数など）、場所（空軍基地、艦船、前方位置など）、機動性（降車、装甲車、艦船、航空機など）、弾薬（通常弾薬、電子攻撃など）、能力（速度、戦闘半径、レーダー断面積など）、脆弱性（徹甲弾、小口径爆弾、精密誘導弾など）といった変数に拡張する、速度、戦闘半径、レーダー断面積）、脆弱性（徹甲弾、小口径爆弾、精密誘導弾など）により、これらのAIシステムは敵軍に対する兵器の組み合わせ方を学習し、攻撃や交戦結果のリスク確率を計算することができる。何十人もの情報アナリストが無数の指標を選別し、敵の行動方針をデザインするのに何百時間も費やす代わりに、機械学習（ML）技術は人間のバイアスや知覚エラーを排除して、ほぼリアルタイムで実用的な情報を生成する。
結論
第1の結論
AIは機敏な戦力展開（ACE）作戦に統合（一体化）できるこの探索的研究の結果、AIは機敏な戦力展開（ACE）の作戦、特に態勢、移動と機動、後方支援の要素に統合（一体化）できることが実証された。このことは、電子商取引の兵站要素である供給／需要、配布／配送、および維持の評価フレームワーク比較を通じて示された。
これらのAIシステムは、人間の意思決定を補強するために、教師あり／教師なし機械学習（ML）技術と線形／非線形アルゴリズムの混合をうまく統合（一体化）した。その結果、企業は膨大なデータ処理、エラー検出、適応的問題解決、予測パターン分析から恩恵を受けた。
これらの能力は、米空軍の兵站システムを変革するよう呼びかけている機敏な戦力展開（ACE）空軍ドクトリン・ノートと正確に一致している。空軍ドクトリン・ノート1-21「機敏な戦力展開（Agile Combat Employment）」は、先を見越した情報を「プッシュ」し、「標準的な流通・輸送手段の制限を予測し、適応性のあるロジスティック・システムを活用して作戦を支援する」必要性を強調している[19]。
この報告書は空軍に焦点を当てているが、統合（一体化）の成功は間違いなく全軍に拡大するだろう。統合人工知能センター（JAIC）は、構成部隊レベルの取組みを満たすために、これらのアルゴリズムを精製し、訓練するための主要な組織である。
第2の結論
AIと機敏な戦力展開（ACE）の統合（一体化）は多くの優位性を引き出す。機敏な戦力展開（ACE）へのAIの統合（一体化）は、本レポートで発見された以上の広範な優位性を持ち、すべての軍事作戦に複合的な効果を生み出す可能性が高い。こうした変革の触媒として、優位性は、「後方支援の復元性」「意思決定の優位性」「財政効率」の3つのテーマにまとめることができる。
敵の妨害に耐えながら作戦地域を準備し、部隊を展開し、部隊を機動させる機敏な戦力展開（ACE）の能力にとって、後方支援の復元性は最も重要な側面である。AIシステムは、想像しうるあらゆる情報源から収集された、無限とも思える量のデジタル情報を収集し、フィルタリングし、融合させることができる。
これらのデータ・セットは、需要を予測し、供給のバランスをとり、品質保証を改善し、維持整備を合理化し、問題を予測し、解決し、資源を再利用し、再供給を迅速化し、リスクを特定し、管理し、軽減して、作戦の継続性を確保することができる。
意思決定の優位性は、AIを通じて機敏な戦力展開（ACE）を実行する空軍上級指導者に機械増強が提供するものである。軍事戦略家ジョン・ボイド（John Boyd）の「観察‐志向‐決定-行動（OODA）ループ」は、人間が戦場の意思決定サイクルにどのようにアプローチするかに革命をもたらした。
適切なデータ・セットで武装したAIや機械学習（ML）アルゴリズムは、指導者たちがより多くの質の高い情報源にほぼリアルタイムでアクセスできるようにする。これらのシステムは、パターンを特定し、結果を予測し、過去の分析に基づいてリスクを評価することができる。これによって、機械が面倒な観察と方向付けを行うことができるようになり、一方で人間の戦略家は、絶えず変化する環境の中で決断し行動することができるようになる。
自動化とプロセスの最適化によって得られる財務効率は、おそらく予算に関わる防衛計画担当者にとって最も魅力的な優位性だろう。GoogleやAmazonなどが採用しているAIや機械学習（ML）の技術は、無駄を省き、資源のリサイクルを最適化することで、隠れたビジネスコストとそれに伴うマンパワーを排除することが証明されている。
物流方程式の多くの機能がますます自動化されるにつれて、関係者は、指数関数的に増加し続ける数億ドルの節約を期待することができる。これらの資金は、他の優先プロジェクトに振り分けるか、機敏な戦力展開（ACE）やAI技術に関連する機器パッケージの改善に再投資するために確保することができる。
第3の結論
AIの統合（一体化）は、米国を大国間競争（great power competition）に備えさせる。機敏な戦力展開（ACE）にAIを統合（一体化）することは可能であるだけでなく、大国間競争（great power competition）において敵対者に対する競争力を維持するために必要である。中国とロシアは、自国の軍事兵器やインフラを改善するためにAI技術を応用することを熱望している。AIを米空軍のドクトリンに統合（一体化）するための時間と資源の投入を怠れば、レガシー装備は戦場では無用の長物となり、国家安全保障と国防を危うくするかもしれない。
戦争は機械だけでは勝てないが、機械なしには勝てない。
提言
第1の提言
米国防総省（DOD）所有のシステム、サイバーセキュリティ、機敏な戦力展開（ACE）のケース・スタディに投資する。人工の狭い知能（限られたタスクを達成するためにデザインされた）は常に進化しているが、現在の軍事情報システムに確実に統合（一体化）できるほど成熟している。
現在進行中の何千もの民間研究および国防総省のAIプロジェクトにより、これらの取り組みにはすでに大きな進歩があるかもしれない。AIを機敏な戦力展開（ACE）にうまく統合（一体化）するために、米空軍はこれらの技術的取り組み－米空軍または国防総省が所有するAIアルゴリズム、共通言語オペレーティング・システム、サイバーセキュリティ防衛－への投資を検討しなければならない。
米空軍や国防総省が軍用AIを開発し、その拡張を統制し続けるためには、独自の制約なしに柔軟に変更できるオープン・アーキテクチャ・システムを使用しなければならない。厳格な技術特許を持つ企業に頼れば、米軍のAIの成長は阻害され、買収契約の法廷闘争で何年も遅れる可能性が高い。米国防総省（DOD）が所有するオープン・アーキテクチャは、1つの企業や契約に法的に縛られることなく、技術の飛躍的進歩に合わせて進化できることを保証する。
潜在的に数百、数千の異なるデータ・ストリーム・タイプがあるため、AIマシンは情報を処理、解釈、共有して使用するための共通言語を必要とする。何十もの現在の兵站プログラム（例えば、防衛即応性報告システム、兵站モジュール）があるため、中央のAIプロセッサーは、それらの出力を理解する方法について訓練されなければならない。
すべてのシステムが同じ機械語を話す必要はないが、中心となるAIマシンは他のすべてを理解できなければならない。これは、アルゴリズムが効果をもたらすために利用できる軍事ビッグ・データのエコシステムへの道を開くものだ。この技術を生み出すこと以上に重要な仕事は、それを守ることである。民間のサイバー防護対策についての調査は行われていないが、軍事的な統合（一体化）には高度な分類と暗号化システムが必要になるだろう。
サイバーセキュリティは、敵対者が自分たちの利益のために知的財産や軍事特許を盗むことに長けていることを考えれば、最も重要である。AIシステムが盗まれるより悪い状況は、米国がそもそもAIシステムを持っておらず、敵が先に開発した場合だけである。非機密と機密のデータ・フローを可能にするクロスドメイン・ソリューションが不可欠であり、強力な防衛アーキテクチャ（ブロックチェーン技術など）と大容量（高速5Gなど）ネットワークも必要だ。
機敏な戦力展開（ACE）に統合（一体化）する最善の方法を決定するために、これらの各分野における今後の研究が必要である。検討すべき重要なケース・スタディは、2022年のロシア軍によるウクライナ侵攻とその軍の兵站的な失敗である。
機敏な戦力展開（ACE）の潜在的な脆弱性を理解し、それを改善するためにAIをどのようにデザインできるかを理解するためには、自国の軍隊の誤った行動や失敗を探ることが重要である。機敏な戦力展開（ACE）へのAIシステムの統合（一体化）に成功すれば、戦略的競争者に対するリスク管理の強化形態として、対インテリジェンスや脅威認識への拡大も可能になる。
第2の提言
3つの異なるフェーズでAIを統合（一体化）する複雑で高度なAIアルゴリズムをデザインしながら、それを新たな軍事コンセプトに統合（一体化）するのは簡単なことではない。しかし、民間企業によって開拓された技術革新と、初期段階にある機敏な戦力展開（ACE）ドクトリンとの組み合わせは、それらを並行して開発する時間を可能にする。段階的アプローチを用いて、米空軍はAI統合（一体化）の取り組みを技術、プロセス、評価の3つのフェーズに分けることを検討すべきである。
AIシステム、アルゴリズム、機械、設備に関連する技術が最初に来る必要がある。これは、他の段階からのフィードバックに基づいて進化し続ける、最も困難で時間のかかる作業である。また、技術の進歩のスピードが、プログラム全体の進行ペースを決定する。
理論的コンセプトを正式な科学に変換するためには、米国防高等研究計画局（DARPA）やRAND研究所との継続的なパートナーシップが不可欠である。AIモデルに対する十分な信頼が得られ、より高度な自動化が可能になるまでは、ヒューマン・イン・ザ・ループによる自動化に主眼を置くべきである。プロセスは技術によって支援されるが、同時にデバイスが完成するために構築される要件も定義される。機敏な戦力展開（ACE）をチェスのゲームと想像してほしい。駒は米空軍のアセットで、盤は作戦地域、移動の決定はAIの構成だ。
最初に検討するのは態勢の機敏な戦力展開（ACE）要素で、機敏な戦力展開（ACE）のチェスの駒はAIが初期配置を決定して盤上に配置される。次に、移動と機動の要素では、AIからの入力に基づいて、最初の配置の後に各駒がどこに移動するかを決定する。
最後に、後方支援は、新しい駒がどのようにボード上に配置されるのか、そしてAIが対戦相手を倒しながら、それらの駒の生存率をどのように最適化するのかを扱う。AIと機敏な戦力展開（ACE）の統合（一体化）の有効性を判断するためには、アセスメントが不可欠である。チェスの例えを続けると、対戦相手と対局したことがなければ、どこに脆弱性や欠陥があるのかを知る方法はない。ウォーゲーム（Wargaming）はAIテストの優れた手段であり、シミュレーションや実戦演習で行うことができる。行動計画とマイルストーンは、成功を決定し、ベストプラクティスを共有するために、統合人工知能センター（JAIC）によって設定され、測定される。
このような段階での継続性は最も重要であり、過小評価することはできない。統合人工知能センター（JAIC）はこれらのプロセスを管理するためにデザインされたが、イノベーションを推進するチームは、専門家である兵站担当者、指揮・統制の専門家、維持整備技術者、サイバーセキュリティの専門家で構成されるべきである（ただし、これらに限定されない）。
もし機敏な戦力展開（ACE）が、グローバル・パワーの競争者に対する米空軍の主要戦略であり続けるのであれば、AIの統合（一体化）と訓練への投資は、その応用の基盤を確立し、統合部隊へのこの能力の配送を加速するのに役立つだろう。表明された提言は著者のものであり、米空軍、国防総省、あるいは米国政府の公式な方針や立場を反映するものではない。
ノート
[1] Department of Defense (DOD), Summary of the 2018 National Defense Strategy of the United States (Washington, DC: U.S. DOD, 2018), 2 (emphasis in original), https://dod.defense.gov/Portals/1/Documents/pubs/2018-National-Defense-Strategy-Summary.pdf.
[2] Ibid., 1–6.
[3] Air Force Doctrine Note (AFDN) 1-21, Agile Combat Employment (Maxwell Air Force Base, AL: Curtis E. LeMay Center for Doctrine Development and Education, 23 August 2022), 1, https://www.doctrine.af.mil/Portals/61/documents/AFDN_1-21/AFDN%201-21%20ACE.pdf.
[4] Michael E. Canfield, “Contingency Basing for Great Powers Competition,” Wild Blue Yonder, 5 March 2021, https://www.airuniversity.af.edu/Wild-Blue-Yonder/Article-Display/Article/2526242/contingency-basing-for-great-powers-competition/.
[5] DOD, Summary of the 2018 National Defense Strategy, 7.
[6] Alexander Daly, Recent AI Adoption in the U.S. Government (Boston: PTC, 2020), 3, https://www.ptc.com/-/media/Files/PDFs/aerospace-and-defense/Recent-AI-Adoption-in-the-US-Government.pdf; Elsa B. Kania, “Chinese Military Innovation in Artificial Intelligence,” testimony from Technology, Trade, and Military-Civil Fusion: China’s Pursuit of Artificial Intelligence, New Materials, and New Energy, Before the U.S.-China Economic and Security Review Commission (7 June 2019), 3, https://www.cnas.org/publications/congressional-testimony/chinese-military-innovation-in-artificial-intelligence.
[7] DOD, Summary of the 2018 Department of Defense Artificial Intelligence Strategy (Washington, DC: U.S. DOD, 2018), 4, https://media.defense.gov/2019/Feb/12/2002088963/-1/-1/1/SUMMARY-OF-DOD-AI-STRATEGY.PDF.
[8] Canfield, “Contingency Basing”; AFDN 1-21, Agile Combat Employment, 5.
[9] Patrick Mills et al., Building Agile Combat Support Competencies to Enable Evolving Adaptive Basing Concepts (Santa Monica, CA: RAND Corporation, 2020), 6, https://www.rand.org/pubs/research_reports/RR4200.html.
[10] “About,” Google DeepMind, accessed 5 March 2024, https://deepmind.google/about/.
[11] Jean-Paul Rodrigue, “The Distribution Network of Amazon and the Footprint of Freight Digitalization,” Journal of Transportation Geography 88 (October 2020): 5, https://www.sciencedirect.com/journal/journal-of-transport-geography/vol/88/suppl/C.
[12] Ibid., 6–8.
[13] Ibid., 5.
[14] AFDN 1-21, Agile Combat Employment, 1.
[15] Theresa Hitchens, “TRANSCOM Head Envisions Increased Intra-Theater Lift Demand,” Breaking Defense, 25 May 2021, https://breakingdefense.com/2021/05/transcom-head-envisions-increased-intra-theater-lift-demand/.
[16] Patrick Mills, Building Agile Combat Support Competencies, 46–47.
[17] Petri Helo and Yuqiuge Hao, “Artificial Intelligence in Operations Management and Supply Chain Management: An Exploratory Case Study,” Production Planning and Control 33, no. 1 (2021): 14, http://dx.doi.org/10.1080/09537287.2021.1882690.
[18] Kelley M. Sayler, Artificial Intelligence and National Security, CRS Report No. R45178 (Washington, DC: U.S. Congressional Research Service [CRS], 10 November 2020), 9, https://crsreports.congress.gov/product/pdf/R/R45178/10.
[19], Agile Combat Employment, 10.
