与岩石上的AI -WAR -WAR -WARS一起编码防御解决方案

两周前，P-8飞行员问我是否可以制作工具来帮助计划飞行时间表在针对操纵潜艇进行操作时。这类操作的日常计划周期通常每天将几个军官绑在几个军官中。这是一个容易投入人力的问题，但会花费数百万美元，并花费数年的时间来解决通过收购系统采购软件。考虑到这些选项，指挥官默认会把人们置于问题上。

在过去的十年中，通常需要花几个星期才能开发这样的应用程序的基本版本，以与用户共享反馈和迭代。这些最初的产品通常缺乏关键功能，但作为画布，水手可以勾勒出他们真正需要的解决问题所需的东西。在几个月的过程中，我们可以运送一种真正动摇针的产品。

如今，AI工具将其减少到仅数小时。飞行员在上午9:04提出了该请求，到了下午12:40，我使用了Openai的组合，将初始申请寄回了他并将其发送给了他GPT-4.1和Google双子座2.5 Pro。它不是简单的模型，而是功能齐全。该代码有充分的文献记载，复杂的数学工作完美地工作。AI甚至起草了一系列其他功能，供客户考虑和问题，以帮助弄清他们的真正需求。

该应用程序包括超过5,000行精心设计的代码，一个人没有写上一个。

即使没有AI功能的巨大进步，这些工具也将从根本上改变程序办公室如何获得功能以及战斗单位如何解决问题。但是，只有当国防部有系统地思考改变问题，建立解决方案和领域确保最终产品的方式时，才会发生这种情况。

下注

传统的收购过程将计划办公室纳入高风险，单发决定。考虑一名无法清除维护积压的飞机计划经理，将飞机保持在地面上。鉴于200万美元来建立解决问题的问题，该计划经理通常会举行冗长的利益相关者会议，无休止地辩论正确的解决方案，并花几个月的时间进行合同谈判开始。到工程师开始编码时，操作需求可能已经完全改变。

但是，借助AI驱动的软件开发，同一程序经理可以立即使用可能的解决方案组合来攻击问题。他可以在72小时内指导一个小型团队来制作三种不同的应用程序：维护工作调度程序，缺陷root Cause Analysis工具以及用于维护人员的基于模拟的培训工具。经过两周的测试和迭代，实际数据将取代猜想。

也许根本原因分析工具创造的工作要比解决的更多。培训工具显示出希望，但需要行业的精制以确保准确性。调度程序显示飞机可用性的可衡量改进，同时收到维护人员的积极反馈。有了实际的性能数据，计划经理可以对要采用哪些解决方案做出确定的决定。他们可以在内部进行成功的调度程序原型，将培训工具翻转为行业以进行改进，并将资源重定向到不太有希望的根本原因分析工具。

原型不是很好。这是唯一的实用的方式要揭示好软件必须在其中工作的微妙，以上下文驱动的框架。AI可以削减这些实验的边际成本。早期用户数据决定了规模，完善或消除的内容。计划经理成为投资组合经理，以测量值而不是乐观的PowerPoint音高来快速重新分配资源。

当计划办公室控制自己的产品时，这种投资组合方法的效果最佳，但是政府通常没有修改自己的系统的权利。

克服平台约束

计划办公室派遣灵活的政府拥有的软件应开始使用AI进行原型。障碍很低，工具可用。但是，并非每个计划办公室都享受开放，可修改的软件系统的奢侈品。许多管理平台主导的平台供应商锁定代码通过长期认证流程运行安全至关重要的系统。

这些限制似乎阻止了快速AI驱动的原型制作，但不应该。

每个主要的武器系统都有触摸安全密码的问题：有问题的供应链，培训资源不足和MASSISS后分析工具不良。这些相邻的问题为快速原型制作提供了肥沃的地面。战斗机计划办公室可能无法快速修改飞行控制软件，但是他们可以构建工具来预测组件故障或简化飞行员培训时间表。这类应用程序在AI辅助开发中建立机构能力的同时具有直接的价值。

从长远来看，计划办公室需要在其平台内投资安全，容器化的软件飞地。这些孤立的环境应该仅阅读实时任务系统数据，该数据使工程师可以在不损害安全性或安全性的情况下进行原型应用程序。他们可以快速部署原型算法，可视化工具和决策艾滋病反对实际操作数据，以AI速度迭代。一旦在飞地中得到证明，有希望的能力就可以对其价值充满信心地进入正式集成管道。

如果不这样建造的飞地将阻止载人平台直接从AI-Accelerated软件开发中受益。随着时间的流逝，小型和无人的平台具有较少的繁重的保障流程，将使更快的发展加剧，并使这些传统平台过时。

安全作为关键约束

随着军方开始开发数百种快速原型，网络安全将成为快速部署软件的主要瓶颈。今天的生成AI模型可能引入更多的网络漏洞比普通人。在维护安全性的同时快速移动需要新的方法来评估和认证。

国防部软件快速轨道计划为重新建筑安全批准提供了有前途的基础。AI工具擅长生成合规文件，但国防部需要智能代码审查可以确定漏洞比传统工具更好，而不会减慢开发周期。

至少一位网络研究人员使用了边境AI模型来找到未发现的零日漏洞在主要操作系统中。这是网络防御的未来，因为它也是网络犯罪的未来，所以国防部迫不及待地想要采用这些技术。

军队还应发展标准化系统提示 - 指导AI模型实现网络安全最佳实践。学术研究表明以安全为中心的提示大大减少脆弱性在生成的代码中。

新兴威胁也需要关注。对手可能会尝试毒药公共AI培训数据，诱导模型输出恶意代码或重复虚假信息。随着公共数据继续培训商业AI模型，国防研究美元应支持应对这些攻击的努力。

战略当务之急

每天都很难使用Frontier AI模型来开发软件，并且不相信我们是军队在人类历史上发展能力的最大革命的开始。美国军方是迟到15年采用商业敏捷软件开发方法。由于这种延迟发生在美国赢得冷战之后，因此后果大多是在浪费资源而不是失去战争方面经历的。但是，如果美国在与中国面对的同时对以AI为中心的范式转变迟到，那么对自由世界的后果可能会更加严重。

成功需要三个关键的更改：程序办公室应该开始使用AI来构建更大的原型软件，应在其平台上构建安全的飞地，在其平台上可以快速原型，并应构建能够在提高安全性的同时实现速度的网络测试基础架构。

原型非安全性软件是开始学习如何有效并负责使用的组织的正确场所不完善AI工具。

没有经验，由于时间增加，使用AI会减慢发展的速度修复错误。我编写了更多的自动测试，以验证AI构建时的性能。没有AI，前面描述的飞行计划申请将需要五个端到端测试案例来验证计算。使用AI生成的代码，我需要三十个测试才能确信它是正确的。从多个型号中弹跳代码并使用标准代码质量评估工具也有助于最小化问题并最大化速度。

这些最佳实践的发展是价值的主要组成部分，该价值将累积使用AI来制造产品的办公室。未来的AI模型可能会在几天内实现，现在需要数年和数百万美元：将武器集成到旧式平台上，开发自动无人机软件以及重构关键安全系统。今天，在低风险设置中使用AI的计划办公室将没有安全使用未来功能所需的经验。

适应的窗口是打开的，但不会如此无限地保持。掌握AI驱动发展的军队首先将在明天的冲突中获得决定性的优势。

肖恩·拉维尔（Sean Lavelle）是海军航空航天工程官，拥有约翰·霍普金斯大学（Johns Hopkins University）和佐治亚大学（Georgia Tech）的金融和机器学习硕士学位。他是海军上第一个所有现役软件开发团队的创始人，并已将60多个软件应用程序构建到了整个海军的单位。本文中的观点是作者，而不是美国海军，国防部或美国政府任何部分的观点。任何商业产品或服务的出现都不构成海军或国防部对这些产品或服务的认可。

图片：Midjourney