AI戦とProject Maven パート0 － 幻想のない軍事AI （Eva Sula）
今回紹介するのはNATO・EUの防衛・安全保障分野で活躍するEva Sulaによる「AI Warfare and Project Maven」連載のPart 0である。本稿は軍事AIの賛否を論じるものではなく、「指揮官が実戦でAIを信頼するために何が必要か」を、指揮・統制、データ品質、訓練、ガバナンス、説明責任といった運用面から考察している。特に、AIの性能そのものよりも、それを運用する組織や人材、検証プロセスの重要性を強調している点が印象的である。
私自身も、AIを軍の指揮統制や意思決定支援に活用すること自体は避けられない流れだと考えているが、その判断をAIに過度に依存することには十分な配慮が必要だと考える。戦場では不完全な情報や欺瞞、電子戦などによってAIの前提条件が容易に崩れる可能性があり、最終的な責任と判断は人間が担うべきタスクである。本連載は、軍事AIを「技術」ではなく「組織能力」として捉えるための重要な視点を提供してくれる内容として期待したい。（軍治）
 |
AI戦とProject Mavenパート0 – 幻想のない軍事AI
AI Warfare and Project Maven. Part 0- Military AI Without Illusions
2026年8月12日
オープニング・ノート
これは戦いにおける人工知能の賛否を論じる記事ではない。これはProject Mavenや自律兵器、あるいはアルゴリズムが指揮官に取って代わるかどうかについての記事ではない。これらの議論は重要だが、会話が始まる場所であり、より基本的な作戦上の疑問が解明される前に始まってしまうことが多い。
軍事組織はすでにインテリジェンス分析、ターゲティング支援、計画策定、兵站、指揮・統制などの機能のためにAI対応システムを導入している。Project Maven自体は、ドローン画像における物体検出の自動化という元々の役割をはるかに超えており、最近の報告では従来のプロセスだけでは達成が困難な規模での作戦上のターゲティングへの利用が説明されている。
したがって、このシリーズの目的はより狭く、より実践的であり、軍事組織がAIを技術的な約束ではなく作戦上の能力として扱う前に何を求めるべきかを検証することである。それは、デモンストレーションやモデルのパフォーマンスを超えて、決心が実際に行われる条件、すなわち不完全な情報、争われている通信、電子戦、欺瞞、連合の制約、人的負担、ドクトリン、訓練、説明責任に目を向けることを意味する。
シリーズ全体の中心的な問いは、簡単に述べられるが、答えるのはかなり難しいだろう。 指揮官が実際の作戦でAI対応システムに頼る前に、何が真実でなければならないのだろうか?
このシリーズが存在する理由
人工知能は防衛分野で最も議論される話題の一つとなっている。国家安全保障戦略、防衛レビュー、調達プログラム、会議の議題に現れ、自律システム、大規模言語モデル（LLM）、決心支援ツール、指揮・統制能力に関する新たな発表がほぼ毎日のように現れている。同時に、ウクライナ、中東、その他の最近の紛争での作戦経験は、技術だけで軍事的効果を決定できないことを示している。敵対者は迅速に適応し、電子戦は絶えず進化し、データは不完全または意図的に操作されることがあり、指揮の実務の現実は技術デモンストレーションが示すよりもはるかに複雑である。
その結果、議論はますます分断化している。あるナラティブは人工知能を戦いの次なる革命として提示し、迅速な決心、状況認識の向上、作戦上の優位性を約束している。もう一つは主に存在的リスク、自律兵器、そして軍事的決定を機械に委譲することの危険性に焦点を当てている。どちらの視点も正当な疑問を提起するが、技術的可能性と作戦上の現実の間にギャップを残すことが多い。
軍事組織が技術に孤立して挑戦されることはほとんどない。技術がドクトリン、リーダーシップ、訓練、維持（sustainment）、兵站、ガバナンス、相互運用性、人材を含む、はるかに広範な能力の一部として機能しなければならないため、成功も失敗も決まる。統制された条件下でアルゴリズムが良好に機能することを証明することは、時間的制約（time pressure）の中で指揮官が不完全な情報、争われている通信、敵対者が積極的に戦闘空間（battlespace）を欺き、混乱させ、操作しようとする状況を支えられることを証明することとは異なる。
この区別が重要なのは、軍事組織が人工知能を軍事組織自体のために使うわけではないからである。彼らは作戦上の成果を向上させるためにこれを活用している。したがって、AIがより良い決心に寄与するかどうかは、モデルのパフォーマンスや計算能力以上の要素に依存している。それは利用可能なデータの質、システムに組み込まれた前提、オペレーターがその強みと限界の両方を理解する能力、そして推奨がどのように検証・異議を唱え、最終的に行動に移されるかを決定する組織構造に依存する。
このシリーズはその作戦上の視点から書かれている。それはアルゴリズムやソフトウェアから始まるものではない。それは指揮から始まる。なぜなら、指揮は情報が決心に、決心が行動となる地点だからである。その後の記事は、そのプロセスの一要素を検証し、人工知能が何ができるかだけでなく、どのような条件下で信頼されるべきか、その限界が作戦上重要になる箇所、そして軍事能力に組み込む前にリーダーが理解すべきことについて問いかける。
このシリーズの目的は、軍事AIの賛否を論じることではない。軍事AIがより良い作戦上の決心に寄与する条件を検証することである。
我々は本当にAIについて話しているわけではない
人工知能が実験から軍事作戦へと移行すると、議論は主に技術に関するものではなくなった。関連する問いは指揮、意思決定、能力、不確実性、組織デザインの問題となる。アルゴリズムは検出、分類、優先順位付け、予測、推奨を行うことはできるが、それらの機能は周囲の軍事システムとは独立して存在しない。情報は依然として収集され、解釈され、伝達され、行動しなければならず、その結果に対する責任はソフトウェアに移転されるのではなく指揮構造（command structures）に根付いている。
この区別は重要である。なぜなら、軍事的意思決定（military decision-making）は単に技術的に正しい答えを見つけるプロセスではないからである。指揮官たちは不完全な情報、競合する優先事項、時間的制約（time pressure）、政治的・法的制約、連合の依存関係、そして意図的に不確実性を生み出そうとする敵対者の中で行動している。AIは情報を整理したり、人間が検出するのに時間がかかるパターンの特定に役立つかもしれないが、同時に指揮官や参謀が理解しなければならないもう一つのレイヤーも導入する。どのようなデータが出力に影響を与えたのか、モデルにどのような前提が埋め込まれているのか、どの程度の信頼度が正当化されるのか、そしてどのような状況で推奨が信頼できないのかを知る必要がある。
能力についても同じことが言える。軍は単にAI対応アプリケーションを入手しただけで作戦上の優位性を得るわけではない。その効果は、組織が既存の指揮・統制プロセスに統合できるか、利用や挑戦の訓練、基盤となるデータやインフラの維持、作戦上の条件の変化に応じて更新できるか、通信や測位（positioning）、その他の依存関係が劣化した際に維持できるかに依存する。周囲の要素が弱い場合、より高度なソフトウェアを追加しても、意思決定の質を向上させることなく速度が上がる可能性がある。
これも組織的な問題である。人工知能は、誰が情報を見ているか、どれだけ速く情報が届くか、参謀の業務の配分、そして権限の行使方法を変える可能性がある。システムが人々が検討するよりも速く勧告を生成してしまう場合、組織は単に情報処理を求めるだけでなく、ワークフロー、人員配置、訓練、決心の権利を再考せざるを得ないかもしれない。AIが日常的な参謀プロセスに組み込まれた場合、リーダーは自動推薦への依存が時間をかけて専門的な判断にどのように影響するかも理解しなければならない。
そのため、このシリーズでは技術をはるかに大きな作戦上のシステムの一要素として扱っている。根本的な問いは、人工知能がより能力を増しているかどうかではない。軍事組織が判断力を弱めたり、責任を曖昧にしたり、証拠が示すよりも速く信頼を築くことなく、これらの能力を取り入れられるかどうかが問題である。
デモンストレーションは能力ではない
軍事AIに関する議論で最もよくある誤りの一つは、成功した技術実証を作戦上の能力の達成の証拠とみなすことである。デモンストレーションはイノベーションの重要な一歩である。これらは、定義された条件下でコンセプトが技術的に実現可能であることを示し、開発を継続する自信を与える。しかし、作戦上の能力は異なる方法で測定される。現実的な条件下で一貫して機能し、軍事組織に統合し、敵対者が適応する中でも有効であり続け、試験やパイロット・プロジェクトだけでなくライフサイクル全体で作戦上の価値を提供し続けなければならない。
この区別は重要である。なぜなら軍事能力は決してソフトウェアだけで生み出されるものではないからである。新しい技術は組織の働き方、専門知識の必要性、資源配分の仕方を変える。多くの場合、人工知能は労働を排除するものではない。労働を再分配するものである。大量の情報を手作業で検索していた時間は、データの検証、信頼度の評価、異常の特定、推奨事項への異議申し立て、モデルの再学習、そして自動化された出力を信用すべきでない場合の理解に使われる可能性がある。仕事量は変わるが、ほとんど消えない。組織がその変化を過小評価すると、古いボトルネックを取り除いたと信じながら新たなボトルネックを生み出すリスクがある。
したがって、作戦上の能力の構築には技術的なパフォーマンスだけでなく、はるかに広範な基盤が必要である。
- 人。 軍事AIは最終的にデザイン、作戦、維持、監督する人に依存している。オペレーターは単なるシステムへの慣れだけでは不十分である。使用するツールの前提を理解し、成果に疑問を呈すべき時を認識し、作戦上の現実に合致しない勧告に異議を唱える十分な専門的判断力を保持しなければならない。AIが参謀のプロセスにより統合されるにつれて、従来の軍事専門知識に取って代わるのではなく、新たな能力が生まれている。
- ドクトリン。 新技術は一貫した作戦コンセプト（operational concept）の中に収まらなければならない。ドクトリンは、能力の運用方法、決心権限の有無、指揮構造（command structures）内で情報の流れ、異なる機能がどのように連携するかを定義する。ドクトリンの適応がなければ、組織はしばしば異なる時代向けのプロセスに新技術を挿入しようとし、その技術がもたらすはずの作戦上の利益を制限してしまう。
- 訓練。 効果的な使用は、初期の慣れだけでなく、現実的な教育と継続的な実践に依存する。要員は、特に通信が劣化している場合、情報が不完全であったり、争われている電磁条件下で運用される場合、システムの能力とシステムの制約の両方を理解する必要がある。訓練には、通常の作戦だけでなく、故障モード、パフォーマンス低下、推奨事項が即時対応ではなくさらなる検証を必要とする状況も含まれるべきである。
- 維持。 軍事能力は長年の作戦期間を通じて効果を保たなければならない。AI対応システムは、ソフトウェア保守、サイバーセキュリティ、モデル更新、データ管理、インフラ・サポート、そして初期調達を超えた技術的専門知識を必要とする。これらの継続的な要件は、能力のライフサイクル全体を通じて人員、資金、組織の注目を巡って競合する。
- ガバナンス。 組織は、検証、テスト、認証、バージョン管理、説明責任のための明確なプロセスを必要としている。リーダーはモデルの更新方法、変更の承認者、作戦上のパフォーマンスの監視方法、修正システムの導入前に必要な証拠を理解する必要がある。ガバナンスは、AI対応システムが買収後も静止するのではなく継続的に進化するため、特に重要になる。
- 兵站。 AIは計算能力を超えた実用的な要求をもたらす。データ保存、通信、レジリエント・インフラ、予備部品、ソフトウェア配布、クラウドやエッジ処理、サイバーセキュリティ支援、専門参謀などが維持システムの一部となる。これらの依存関係は、アルゴリズム自体のパフォーマンスと同じくらい作戦上のレジリエンスにも影響を与える。
- 統合。 軍事組織はめったに単一の孤立したシステムを用いていない。AIは既存の指揮・統制アーキテクチャ、インテリジェンス・プロセス、通信ネットワーク、センサー、エフェクター、連合環境の中で動作しなければならない。統合は技術開発よりも難しいことが多い。なぜなら、技術的な互換性、組織の適応、複数の利害関係者間の合意が必要だからである。
- 作戦上の検証。 実験室でのパフォーマンスは作戦上の証拠の代わりにはならない。システムは、争われている通信、電子戦、サイバー脅威、劣化した測位（positioning）、不確実なデータ、現実的な指揮負荷など、代表的な条件下で評価されるべきである。作戦上の検証は、システムが決して故障しないことを証明することを意図していない。その目的は、彼らが信頼できる性能を発揮する場所、信頼が低下すべき場所、そして指揮官がそれらに頼る前に理解すべき制限を明確にすることである。
この広い意味での能力理解は、軍事AIの評価方法を変える。モデルがテスト中に高い精度を達成したかどうかを問うのではなく、リーダーは周囲の組織が技術的なパフォーマンスを一貫した作戦上の効果に変換するために必要な人員、ドクトリン、ガバナンス、維持、運用プロセスを整備しているかどうかを問うべきである。AIが実験から日常的な軍事利用へと移行するにつれて、これらの問いはますます重要になり、このシリーズの残りの議論の基盤となっている。
我々が問うべき質問
軍事AIがモデルのパフォーマンス、実証、調達のマイルストーンだけで評価される場合、最も重要な作戦上の課題のいくつかは未解決のままである。指揮官はアルゴリズムを単独で使うわけではない。彼らはデータ、センサー、通信、参謀プロセス、ドクトリン、法的権限、連合体制、そして時間的制約（time pressure）の中で働く人々に依存する組織を通じて意思決定を行う。したがって、関連する基準は、システムが答えを導き出せるかどうかではなく、リーダーが期待される状況下でその答えに十分な根拠があるかどうかである。
AI対応の能力に対する信頼が日常化する前に、いくつかの疑問に対処すべきである。
- 指揮官がAI対応の勧告に頼る前に、どのような証拠が十分と言えるのだろうか? 成功した試験は技術的な可能性を示すことができるが、作戦上の信頼性には、異なる環境、任務の種類、劣化のレベルにわたる証拠が必要である。リーダーは、何がどの条件下で、どのデータで、どの期間にわたってテストされたのかを理解する必要がある。また、パフォーマンスがどこで劣化するかも把握する必要がある。そのような文脈がなければ、信頼はそれを裏付ける証拠を容易に上回ってしまう。
- 自信はどのように築かれ、伝えられるのだろうか? モデル出力には確率、スコア、分類が含まれることがあるが、それらの指標はオペレーターが何を意味するかを理解していれば有用である。指揮官は、信頼度がモデルの確実性、複数のセンサー間の一致、データの質、過去の検証、またはこれらの要素の組み合わせを反映しているかを知る必要がある。自信を示す際に前提を説明しなければ、数値スコアは意味のある作戦上の保証を提供せずに正確さを装う可能性がある。
- システムが依存するデータを検証するのは誰だろうか? 軍事AIは、不完全、遅延、異なる分類、誤ったラベル付け、または現在の作戦とは異なる条件下で収集されたデータに依存している。誰かがその情報がそのタスクに適しているかどうかを判断しなければならない。これにより、インテリジェンス参謀、データ・スペシャリスト、オペレーター、システム・オーナーの仕事が増え、アルゴリズム自体では解決できない人員配置、権限、責任に関する実務的な問題が生じる。
- 敵対者が意図的に情報環境を攻撃した場合、何が起こるのだろうか? 電子戦、サイバー作戦、スプーフィング、欺瞞、偽装（camouflage）、シグネチャの意図的な操作は、争われている作戦の通常の特徴である。AIシステムは、入力の質が劣化しても出力を続けることがある。したがって、リーダーは劣化がどのように検出されるのか、自信がどのように変化し、どんな代替手段が存在し、どのタイミングがペースを落とすのか、あるいは同じペースで進むのではなく追加の検証を求めるべきかを理解する必要がある。
- AIが支持する決定が誤った場合、誰が責任を負うのだろうか? ソフトウェアが推薦に寄与したからといって責任が消えるわけではない。指揮官、オペレーター、インテリジェンス参謀、システム所有者、開発者、調達当局はそれぞれ異なる責任を持つかもしれないが、故障が起こる前にその境界を理解しておく必要がある。説明責任が不明確であれば、組織はインシデント後に全員がプロセスに参加しているにもかかわらず、誰も明確に決定権や検証基準、システムの作戦上の限界を所有していないことを発見するリスクがある。
- 連合ではどのように機能するのだろうか? NATOや他の多国籍作戦は、パートナーごとに異なる法的枠組み、機密規則、データ・アクセス許可、信頼度の閾値、作戦上の条件が異なる可能性があるため、さらなる複雑さをもたらす。ある国は根源となる資料を検証でき、別の国は結果として得られた推奨事項のみを見ることができるかもしれない。リーダーは、パートナーが同じAI支援の状況に基づいて行動するためにどの程度の共有証拠が必要か、また信頼が部隊全体に均等に分配されていない場合に意見の相違をどのように扱うべきかを理解する必要がある。
- 組織は、システムが検証された条件外で動作しているかどうかをどのように判断するのだろうか? これはシリーズの中で最も重要な問いの一つかもしれない。作戦環境は常に変化する。敵対者は適応し、センサーは置き換えられ、ソフトウェアは更新され、通信は劣化し、戦術は進化する。一度のテストや展開で良好な性能を発揮したシステムが、同じ信頼性を永続的に維持できるとは限らない。したがって、軍事組織は仮定の変化を検知し、パフォーマンスの問題が作戦上の失敗になる前に依存を減らす仕組みが必要である。
これらは軍事AIに反対する議論ではない。これらは技術的能力が健全な軍事判断（military judgment）に結びつくかどうかを決定する問題である。リーダーがシステムの背後にある証拠、信頼の限界、データの質、敵対者の干渉の影響、そしてその使用に伴う説明責任の連鎖を説明できない場合、議論は組織がその技術を責任を持って活用できる能力よりも速く進んでしまっている。
このシリーズの残りの部分では、これらの問題を個別かつより深く検討する。なぜなら、それぞれが指揮、訓練、ドクトリン、調達、相互運用性、作戦リスクに影響を及ぼすからである。
このシリーズの読み方
このシリーズの各記事では、軍事AIの一部を技術的な視点ではなく作戦的な視点から検証する。目的は特定のシステムや企業、国家的アプローチや戦いの理論（theory of warfare）を推進することではなく、人工知能が本質的に変革的であるとか、本質的に危険であると主張することも目的ではない。狙いは、実証された能力と仮定を分離し、AI支援システムを日常的な意思決定に組み込む前に軍組織が理解すべきことを検証することである。
したがって、各パートは3つの質問に戻る。 なぜこれが作戦上重要なのだろうか? 焦点は、技術的な特徴だけにとどまるのではなく、指揮官、参謀、オペレーター、組織にとって何が変わるかに置かれる。 我々はどんな仮定をしているのだろうか? 速度、正確さ、自律性、作業負荷の軽減、状況認識の向上といった主張は、すべての作戦環境に当てはまるとは限らない条件に依存している。これらの前提は、ドクトリン、調達、指揮プロセスに組み込まれる前に特定される必要がある。 リーダーは何を考慮すべきだろうか? このシリーズでは、訓練、ガバナンス、検証、相互運用性、維持、説明責任、フォース・デザイン（force design）における実務的影響を検討しつつ、異なる任務によって異なる答えが必要であることを認識する。
全編にわたって意図的に証拠に基づくアプローチを取る。作戦の例がある場合、それらは主張を装飾するのではなく、検証に使われる。証拠が限られている、争われている、または不完全な場合は、その不確実性は推測で満たされるのではなく明示される。Project Mavenは後に重要なケース・スタディとして登場するが、指揮、データ、信頼、人間の判断、敵対者の干渉、能力開発といったより広範な問題が確立された後に初めて実現する。
目標は、技術的な期待が作戦に依存する前にリーダーがより良い質問を投げかけられる実践的な枠組みを作ることである。
リーダーへの質問
これらの質問の目的は、単純なイエスかノーの答えでチェックリストを作ることではない。これらは、組織がAI対応システムが作戦上の決心を支援すると期待する条件を理解しているかどうか、またその条件が技術的なデモンストレーションを超えて検証されているかどうかを検証することを意図している。
- AI対応システムが作戦上の決心（operational decision）に影響を与えることを許可する前に、どのような証拠が必要だろうか?また、通信環境やデータ品質、敵対者の行動が変わった場合でも、その証拠は十分だろうか?
- あなたの組織は、誰がデータを検証し、誰がシステムのパフォーマンスを監視し、誰が勧告に異議を唱えたり上書きしたりする権限を持ち、AI支援の決定が誤った結果を生んだ場合に誰が責任を果たすのかを説明できるか?
- あなたの担当者は、システムが期待通りに動作するときだけ使う訓練を受けているか?それとも、パフォーマンスの低下、情報の矛盾、スプーフィング、欺瞞、そして信頼を失うべき状況を見抜く練習もしているか?
- AI生成の勧告の量と速度が指揮官や参謀が意味のある検証能力を超えているなら、人間の監督が手続き上の承認に変わり、真の判断にならないようにする安全策は何だろうか?
主要なポイント
軍事AIは単独の技術としてではなく、作戦上の能力の一部として評価されるべきである。その価値は、周囲の人員、ドクトリン、データ、通信、維持、ガバナンス、指揮プロセスに依存する。技術的に強いモデルでも、周囲の条件が十分に理解されていない、あるいは十分に開発されていなければ、弱い作戦上の結果を生み出すことがある。
技術デモンストレーションは、定義された条件下で何かが動作する証拠を提供する。情報が不完全で、通信が争われ、敵対者が積極的に適応し、意思決定者が圧力の中で働く場合に、システムが作戦を支える準備ができていると単独で証明することはできない。作戦上の信頼には、現実的なテスト、統合、訓練、維持、そしてパフォーマンスがどこから低下し始めるかの明確な理解を含む、より広範な基準が必要である。
AIが軍事意思決定（military decision-making）に深く根付くにつれて、指揮責任の重要性は薄れない。リーダーは依然として、どの情報が勧告を支持するのか、どのように信頼が築かれたのか、どの前提がもはや成り立たなくなるのか、そしていつ追加の検証が必要かを理解する必要がある。人間の関与は、意味のある判断を妨げるほどの手続き上の承認に還元されれば、ほとんど価値を持たない。
したがって、このシリーズの目的は軍事AIが良いか悪いかを判断することではない。技術能力が作戦依存になる前に防衛組織が知っておくべきことを検証することである。シリーズ全体を通して、事実、歴史、技術的、ドクトリン的、作戦上の主張は追跡可能な情報源に結びつき、推論は確立された証拠とは区別される。疑問が提起されるのは、それが指揮、能力、リスク、作戦結果に影響を与えるからであり、論争を生むからではない。
参考文献およびさらなる文献
編集注: このシリーズは、確立された証拠、作戦上の観察、著者の分析を区別している。以下の参考文献は、本記事に直接情報を提供するものか、より深くこのテーマを探求したい読者のための追加の背景を提供している。後のパートでは、データ、AI保証、電子戦、ヒューマン・マシン・チーミング、指揮、Project Mavenなど、個別の課題を詳細に検討する専門的な情報源も追加される予定である。
本記事で使用された参考文献
作戦上の能力としての軍事AI
戦略国際問題研究所(CSIS) マット・マンデ（Matt Mande）とグレゴリー・C・アレン（Gregory C. Allen）、 Maven Smart Systemとは何で、何をするのか? 2026年6月2日公開。
Maven Smart Systemの有用な最新概要。プログラムが元々のコンピュータビジョンの役割を超えてどのように発展し、AI対応ソフトウェアが軍事のターゲティングや決心支援プロセスにどのように組み込まれているかを含む。本記事で個々のAIアプリケーションと、その作戦上の能力全体との違いを区別する上で重要な事実的背景を提供する。
https://www.csis.org/analysis/what-maven-smart-system-and-what-does-it-do
Small Wars Journalペトレイアス（Petraeus）:550億ドルのドローン投資でドクトリンなしの戦闘部隊は買えない 2026年5月29日公開。
パート0で展開された能力論点に関連しており、自律システムに関する組織要件、ドクトリン、統合、訓練およびそれらを運用・維持するために必要な人員構造を検討している。また、記事は以前の無人航空の経験を用いて、無人能力がいかに大きな支援的ニーズを生み出すかを示している。
Project Mavenと軍事AIの適用
Lawfare ヤクブ・クラウス（Jakub Kraus）、 米軍がAI戦を受け入れることを学んだ方法 2026年7月17日公開。
カトリーナ・マンソン（Katrina Manson）のレビュー Project Maven:海兵隊大佐、彼のチーム、そしてAI戦の夜明け.Mavenの進化、作戦上の使用の拡大、AI支援のターゲティングおよびインテリジェンス・ワークフローの普及に伴う組織の変化について有益な背景を提供している。
https://www.lawfaremedia.org/article/how-the-u.s.-military-learned-to-embrace-ai-warfare
WIRED カトリーナ・マンソン（Katrina Manson）、 全知（omniscience）、偏在（omnipresence）、そして全能（omnipotence）:AI戦の神々に会う 2026年3月23日公開。
マンソン（Manson）の著書『Project Maven』からの抜粋で、プログラムの開発過程、米国防関連機関内の態度の変化、データ・ラベリングの要件、モデル評価、そしてMavenの制度化の進展について詳細な報告を提供している。これは、一般的に「AI」と呼ばれるシステムの背後にどれほど多くの組織的・人的作業が存在しているかを理解する上で特に有用である。
https://www.wired.com/story/project-maven-katrina-manson-book-excerpt/
さらなる文献
指揮、軍事組織およびAI
Lawfare, Scaling Lawsケビン・フレイジャー（Kevin Frazier）および退役中将ジャック・シャナハン（Jack Shanahan）、 防衛側のAI統合 2025年7月22日公開。
統合人工知能センターの創設ディレクターであり、Project Mavenのアルゴリズム戦機能横断チーム元ディレクターであるシャナハン（Shanahan）は、防衛分野におけるAI統合の組織的課題について語る。この対話は、モデルのパフォーマンスを超えて、制度の採用、リーダーシップ、文化、そして軍事組織にAIを組み込むための実務的要件にまで踏み込んでいるため有益である。
https://www.lawfaremedia.org/article/scaling-laws–中尉–ジャック・シャナハン将軍–防衛%27s-AI-統合
新しいアメリカ安全保障センター(CNAS) Project Maven:戦争における人工知能 2026年3月25日。
カトリーナ・マンソン（Katrina Manson）とポール・シャーレ（Paul Scharre）による、Project Mavenの開発とAI対応戦（AI-enabled warfare）の広範な影響について議論した。このシリーズの後半で番組を詳しく検討する前に、Mavenを理解したい読者にとって有益な背景情報を提供している。
https://www.cnas.org/events/project-maven
AI保証と作戦上の信頼
Forbesマーク・ミネヴィチ（Mark Minevich）、 AIのビジョナリーでリーダーのジェーン・ピネリス（Jane Pinelis）博士（米国国防総省） 2022年3月23日公開。
このインタビューは、ジェーン・ピネリス（Jane Pinelis）のAI保証、テスト・評価、そして米国国防総省における責任あるAIに関する取り組みを分かりやすく紹介している。彼女の研究は、AI対応システムにおける正当な信頼とは何か、そして運用テストが精度だけでなくシステムの限界をどのように考慮すべきかを検証するシリーズ後半に特に関連している。
戦いにおける人間的次元
テキサス国家安全保障レビュー マイケル・P・ファーガソン（Michael P. Ferguson）、 ゴースト・イン・ザ・マシン:無人戦争の人間の核と向き合う 2025年3月31日公開。
ファーガソン（Ferguson）は、機械への依存が増すほど、軍隊が戦いにおける人間の要件を減らすことを必然的に可能にするという前提に異議を唱えている。軍事史と戦略理論を用いて、新技術が作戦現実よりも戦争をより大きな制御力に提供すると期待する傾向を検証している。この記事は、自律性とAIに関する技術中心の議論に対する重要な対抗力を提供している。
https://tnsr.org/2025/03/ghost-in-the-machine-coming-to-terms-with-the-human-core-of-unmanned-war/
なぜこれらの情報源なのか
パート0の参考文献は意図的に限定されている。この冒頭記事は、軍事AIに関する全文献を網羅するのではなく、枠組みを確立する。上記の情報源は、技術実証から作戦上の能力への移行、AI導入の組織的要件、保証とテストの重要性、そして人間の判断と軍事機関の継続的な役割を検証するのに十分な証拠を提供している。
今後のパートでは、データ品質とラベリング、不確実性と信頼、電子戦と欺瞞、人間と機械の相互作用、説明責任、ドクトリン、維持、機械速度での指揮、そして後にはProject Maven自体へとエビデンス基盤を広げていく。
シリーズ・ロードマップ
このシリーズでは、軍事AIを単独の技術ではなく、作戦上の能力として考察する。各パートは前作を基に、指揮能力の基礎から実践的な事例研究や戦略的教訓へと進む
公開分
パート0 – 幻想のない軍事AI (この記事) なぜこのシリーズが存在するのか、そして軍事AIは技術的なデモンストレーションではなく作戦上の成果を通じて評価されるべきなのか。
今後の公開
パート1 – 指揮官は依然として決定する AIが指揮、意思決定（decision-making）、専門的な軍事判断を変えつつ、責任の所在を変える方法。
パート2 – AIよりも先に軍事能力が始まる なぜドクトリン、組織、人材、訓練、通信、兵站、データがAIが作戦上の能力になるか、それとも技術的なデモンストレーションにとどまるかを決定するのか。
パート3 – アルゴリズムよりデータが勝つ データの品質、ラベリング、出所、検証、分類、そして信頼できる出力が信頼できる入力に依存している理由を検証する。
パート4 – 不確実性の下の指揮 AIが戦争の霧や摩擦を取り除くどころか変えるのか、そしてなぜ自信が情報と同じくらい重要になるのか。
パート5 – 信頼は得られなければならない AI保証、作戦上の検証、テスト、信頼は軍事環境において何を意味するのか、そしてなぜ正確さだけでは不十分であるのか。
パート6 – 敵に投票権を与える 電子戦、サイバー作戦、欺瞞、スプーフィング、適応が、AI対応の軍事システムにどのように挑戦するか。
パート7 – より良いAIか、それともより良い指揮官か? 人間の判断、認知的負荷、自動化バイアス、批判的思考、そして実際に意味のある人間の監督とはどのようなものかを探る。
パート8 – 能力はエコシステムである 調達は能力開発の一歩に過ぎず、維持、ガバナンス、統合、継続的な適応が長期的な作戦上の効果をどのように決定するか。
パート9 – 機械速度での指揮 AI対応の指揮・統制、決心支援、作戦テンポ、統合全ドメイン指揮・統制（JADC2）、速度と決心品質のバランスを検証する。
パート10 – Project Maven:ケース・スタディ Project Mavenを活用して、これまでに達成されたこと、どのような前提がなされたか、残された課題、そして防衛組織がその進化から学べることを検証する。
パート11 – ヨーロッパの挑戦 NATOや欧州の防衛組織はどのような運用状況を適応すべきか、異なる作戦現実が重要な場合、そして多国籍作戦に特有の課題は何が残るか。
パート12 – まだ答えられない問い シリーズの締めくくりとして、次世代の軍事AIを形作る未解決の運用、組織、戦略的な課題を検証する。
