在过去的两年里，笔者有幸领导着美国北方司令部和北美防空司令部。在此期间，两大司令部经历了一次重要转型，使它们有能力摄止和击败来自竞争对手的现实威胁。为确保在危急关头成功遂行国土防御任务，我们必须具备某些关键能力，其中最主要的是保持领域认知，对任务部队实施指挥控制，以及击退敌人的攻击。这些能力并不是新生事物，其伴随着每个司令部的建立存续至今，始终是威慑敌人的关键所在。虽然这些基于国土防御任务的关键能力持续存在，但运用这些能力所需的要求已随时间推移发生了改变。在我担任美国北方司令部和北美防空司令部司令期间，毫无疑问，司令部需要迅速提升能力，以完成保卫国土的神圣使命。需要注意的是，美国的对手已经适应了环境变化，他们在全新领域使用更快速、更先进的武器来对抗我们早已过时的防御系统。为反制此类武器，提升作战节奏，我们必须具备跨域指挥控制意识，不仅要形成对地下、海上、陆地、空中、近地空间、太空和网络活动等融合威胁的全面认识，还要建立能够对冲敌人针对美国关键基础设施发动攻击的防御机制。而将上述两项能力联系在一起的关键是联合全域指挥控制（JADC2）。什么是联合全域指挥控制？对国防部而言，描述并生成联合全域指挥控制绝非易事，因为在某种程度上，将一个理想化概念转变为共同愿景，然后再转化为设计需求非常困难。其中一种方法是借助对所需属性的描述来阐释联合全域指挥控制。从这个意义上讲，我们指的是能够实现快速可靠通信的冗余和弹性架构，或者是能够融合“传感器-数据-射手”，精简指挥层级，拒止敌人对我造成致命打击的能力。除了上述这些肯定性的描述，对联合全域指挥控制的最佳描述或许是对其最终目的的高度概括：获取决策优势。联合全域指挥控制是数字时代条件下的指挥控制，其作用是为各层级（从战术到战略）作战人员提供更快更好的决策。联合全域指挥控制与传统指挥控制体系的不同之处在于，联合全域指挥控制体系建立在大数据的基础上，并利用机器赋能来增强决策能力。这种新能力超出了人类能力的极限，它赋予机器识别异常事件、预测下步发展以及提供风险处置选项的能力。举例来说，最近亚马逊云端服务（AWS）Next Gen Stats播放的一则商业广告很好地描述了这种决策能力。这则广告以橄榄球比赛中的四分卫为例，展示了决策者如何运用人工智能赋予的洞察力。借助人工智能，教练可以评估不同得分方式需要承担的风险，并据此判断究竟是选择7码第一次进攻（first down）还是53码触地得分。抛开这个简单的例子不谈，当我们将机器学习因素纳入考虑，采用历史分析与当前情况相结合的方式来预测未来时，还将激发更大的潜力。像汤姆·布雷迪（Tom Brady）这样的明星四分卫在接近争球线（line of scrimmage）时，他的大脑中正在处理二十年来的赛场经验。他知道自己将面对什么样的防守以及在各种情况下可能采取什么样的策略，并根据评估结果提前做好预案。如果此类信息能够实时传输至赛场上的四分卫，由机器赋能的洞察力完全可以帮助一名菜鸟在比赛中展现出如同布雷迪般的能力。掌握了这种“未卜先知”的能力，即便是一名新秀也能够做出准确判断，从而确保比赛的成功率。作为军方领导人，我们同样在寻求这种数据驱动优势。当前的技术不仅可以复制拥有30年军龄的指挥官的知识与智慧，还可以通过处理超越思维局限的信息来完善这些知识。这种能力不仅适用于战术层面，即机器的数据处理能力可以缩短杀伤链，并帮助识别现有系统难以探测到的威胁，还适用于战役和战略层面，即机器赋能的洞察力可以帮助我们理解对手的行为模式，预测他们接下来可能采取的行动，并据此做好各种应对准备。这样的前景听起来充满诱惑力。但我们如何才能把这个概念变为现实？在过去的一年里，美国北方司令部和北美防空司令部开展了一项活动，以显著增强关键能力，并在日益危险的安全环境下满足国土防御需求。这项活动重点突出速度与创新，涵盖了内部努力、商业领域的试验，以及空军在操作层面的两次演示。通过这些举措，我们成功将“联合”概念纳入了联合全域指挥控制，并迅速将这一概念转变为实践。我们在实现这个目标的过程中提出了一个“四步走”概念，其阐明了联合全域指挥控制的基本构成，帮助我们突破了那些描述性的理论观点，以更切实际的框架来生成联合全域指挥控制能力。首先，从基础上看，联合全域指挥控制是一个数据问题。它必须以历史和当前的权威数据为来源，而这些数据来源对理解相关安全环境条件至关重要。其次，这些数据必须基于云计算，且能够依据不同密级向不同级别的指挥机构开放权限。再次，数据必须分层并最终实现同跨域和报告流的融合，以便在全域通用作战图（COP）中实现可视化操作。最后，也是最重要的一点，联合全域指挥控制必须将机器赋能的洞察力纳入通用作战图。这种洞察力能够同时利用预测分析、机器学习、深度学习以及人工智能来更好地判断形势，以便生成数据驱动下的分析结论，从而为领导层提供决策优势。
