如果海军陆战队要与近似对手竞争，海军陆战队必须将人工智能（AI）作为一种决策支持系统（DSS），以加快方案-决策-实行（PDE）周期，从而在认知、韶光和致命性方面取得上风。

信息系统和监视技能正在改变战役的特点，使较小的部队也能分布和影响较大的区域。
但是，目前的指挥、掌握、通信、打算机、情报、监视和侦察系统（C4ISR）以及机器人和自主系统（RAS）都是人力密集型系统，会产生大量数据，海军陆战队必须迅速利用这些数据来供应可操作的情报。
由于远征高等基地行动（EABO）哀求部队规模小、分布广、复原力强，必须迅速做出明智决策，才能在各种不断发展和演化的威胁面前生存下来，因此这就存在问题。

利用数据剖析和机器学习的人工智能处理、利用和传播信息的速率比人类更快。
配备了人工智能 DSS 的 EAB 指挥官将以比对手更快的速率做出更明智的决策。
然而，在实现这一目标之前，目前还存在着巨大的障碍。
海军陆战队必须为 EABO 制订一个人工智能支持观点，并将其纳入海军作战观点中，充分确定人工智能事情的优先次序和资源，并为企业数据管理供应资源，以最大限度地利用数据剖析和机器学习来创造数据库中的知识（KDD）。
此外，海军陆战队必须利用美国陆军的人工智能实验和观点开拓来实现多域作战（MDO）。
末了，海军陆战队应确定当前可通过狭义人工智能加以改进的技能和作战领域。

弁言

指挥、掌握、通信、打算机、情报、监视和侦察（C4ISR）以及机器人和自主系统（RAS）技能的遍及正在改变战役的特点，使较小的部队能够分布和影响更大的区域。
然而，作战期间网络的数据正在迅速超越人类的认知能力。
早在 2013 年，美国国防部就指出："ISR 网络和......网络的数据急剧增加。
我们连续创造，我们网络的数据每每超出了我们的处理、利用和传播能力。
我们还认识到，就战术层面的剖析职员数量而言，PED 的资源需求可能永久都不足"。

如果能迅速加以利用，C4ISR/RAS 数据将为指挥官供应降服仇敌的信息上风。
但是，从这些来源获取及时、可操作的情报须要大量人力，而且必须通过人工手段对数据进行快速处理、利用和传播（PED）才能发挥浸染。
如果远征军要通过 C4ISR 与隔壁竞争并得到竞争上风，这对海军陆战队来说是个问题。
这些丰富的信息可以加快操持-决策-实行（PDE）周期，但如果不加以管理，就会使领导者被信息淹没，犹豫未定。
必须采纳相应方法，利用新技能实现数据自动化和管理。
如果海军陆战队要与近似对手竞争，海军陆战队必须将人工智能（AI）作为决策支持系统（DSS），以加快 PDE 周期，从而在认知、韶光和致命性方面取得上风。

本文旨在证明，利用人工智能技能可加快指挥官在其环境中的不雅观察、定位、决策和行动能力。
本文承认，但并不打算办理射频通信、信息系统和组织变革中涌现的技能问题的重大障碍。
本文分为四个不同的部分。
第一部分重点谈论不断变革的安全环境和新兴技能带来的寻衅，以及这些寻衅将如何影响指挥官。
第二部分谈论技能办理方案、决策模型，以及人工智能作为 DSS 如何为 EAB 指挥官创造认知、韶光和致命上风。
第三部分将在未来冲突中，在 EAB 指挥官很可能面临的假想作沙场景中解释这种系统的上风。
末了一部分重点谈论了履行过程中碰着的障碍，并对今后的事情提出了建议。

第 I 部分：新的安全环境和新涌现的寻衅

自 2001 年以来，海军陆战队在 "持久自由行动"（OEF）、"伊拉克自由行动"（OIF）和最近的 "武断决心行动"（OIR）中重点打击暴力极度组织（VEO）和背叛乱战役。
美国武装部队所处的是一个宽松的环境，有利于技能上风、不受限定的通信线路和所有领域的行动自由。
随着 2018 年《国防计策》（NDS）和海军陆战队第 38 任司令官《司令官方案指南》（CPG）的出台，这种模式发生了变革，《司令官方案指南》将大国竞争重新定为国家国防的紧张任务，并将海军陆战队重新定为支持舰队行动的海军远征待命部队。

为了支持这一新的计策方向，海军陆战队开拓了 "前辈远征作战"（EABO），作为在有争议环境中的濒海作战（LOCE）和分布式海上作战（DMO）的一种使能能力。
EABO 为联合部队海上分队指挥官或舰队指挥官供应支持，在反参与区域拒止（A2/AD）环境中供应两栖部队，以获取、坚持和推进海军利益，作为掌握海洋的综合海上纵深防御。
然而，EABO 对部队提出了一些必须考虑的详细寻衅。
这些寻衅包括在所有领域与近似对手的竞争、对新兴技能的依赖、职员与能力之间的权衡，以及地理间隔和分布式行动带来的繁芜性。
总的主题是如何通过在关键点上集成人工智能技能来战胜这些寻衅，从而增强指挥官的 PDE 循环。

处理开拓传播 (PED) 问题

如果情报驱动军事行动，那么海军陆战队就会涌现问题。
如前所述，数据网络的速率超过了战术层面的处理、利用和传播（PED）过程。
数据本身是无用的，必须经由组织和背景化处理才有代价。
根据认知层次模型（图 1），数据和信息对形成共同理解至关主要。
联合情报流程通过方案和辅导、网络、处理和利用、剖析和制作、传播和整合以及评估和反馈这六个阶段来实现这一目标。
C4ISR/RAS 的扩散扩大了网络范围，但 PED 却没有相应增加。
除非采纳方法实现信息管理自动化，否则指挥官将面临信息超载和决策瘫痪的风险。

信息超载是指由于一个人无法处理大量数据或信息而导致的决策困难。
罗伯特-S-巴伦（Robert S. Baron）1986 年终于 "分心-冲突理论"（Distraction-Conflict Theory）的首创性研究表明 实行繁芜任务的决策者险些没有多余的认知能力。
由于中断而缩小把稳力，很可能会导致信息线索的丢失，个中一些可能与完成任务有关。
在这种情形下，学习成绩很可能会低落。
随着分心/滋扰的数量或强度增加，决策者的认知能力会被超越，事情表现会更加恶化。
除了减少可能关注的线索数量外，更严重的滋扰/中断还可能匆匆使决策者利用启示式方法、走捷径或选择知足型决策，从而降落决策准确性。

鉴于 Baron 的结论，C4ISR/RAS 将降落而不是提高战术指挥官的决策能力。
笔者在担当海军陆战队作战实验室（MCWL）科技处地面战斗部（GCE）处长期间进行的研究证明了这一结论。
2013 年，海军陆战队作战实验室 (MCWL) 开展了战术网络传感器套件 (TNS2) 有限技能评估 (LTA)。
一个海军陆战队步枪连及其下属排配备了空中和地面机器人、地面传感器以及战术机器人掌握器（TRC）。
战术机器人掌握器使一名操作员能够在白天或黑夜，在视线范围外同时掌握多辆战车进行 ISR。
MCWL 将这种 ISR 形式命名为多维 ISR（图 2）。
LTA显示，利用TNS2的排级指挥官在防御、进攻和巡逻时都能迅速创造威胁，但LTA也创造了两个重大问题：1.在软件和机器人能够自主剖析和关联传感器输入之前，海军陆战队员仍需网络和整理ISR数据；2.在中高作战压力下... 在中度到高度的作战压力下......操作职员会超负荷事情......无法探测和识别目标，并普遍损忘形势感知能力。

海军陆战队情报监视和侦察--企业（MCISR-E）正在通过海军陆战队情报中央（MIC）、海军陆战队情报活动（MCIA）与战斗增援机构（CSA）和国家情报界（IC）连接，纳入预测剖析流程，以办理这些问题。
通过海军陆战队情报活动（MCIA），MCISRE 办理了全动态***（FMV）联合 PED 支持问题，并于 2017 年景立了全动态***联合 PED 小组，该小组具有全面运作能力，每周 7 天供应 12 小时支持，用度由 14 名剖析员和 3 名特派团指挥官承担。

虽然这是朝着精确方向迈出的一步，但由于人力需求量大，这可能证明是不足的。
EAB 指挥官必须依赖地理位置相隔迢遥的上级总部供应的、通过有争议的电磁频谱传输的情报成品。
海军陆战队司令部的 MIX 16（海军陆战队空地特遣部队综合练习）实验结果证明了这一结论： "未来战役将在具有寻衅性的电磁环境中进行，分布在各地的部队......从上级总部 "伸手回来 "获取日常情报声援的能力可能有限，而且无法依赖"。
此外，在战术和作战层面增加更多的剖析职员会导致循环报告，这只会加剧信息超载问题。

EABO/分布式作战 (DO) 困境

根据《EABO 手册》，EAB 必须 "产生大规模的优点，而没有集中的弱点"。
美国陆军在 2016 年进行的实验表明，较小的单位有可能分布并影响较大的区域（图 3）。
有人无人协同作战观点（MUMT）认为，采取纵深传感器、纵深效应和增援行动的部队可实现战斗力并扩大其影响范围。

然而，DO 和 EABO 是零和博弈。
C4ISR 和 RAS 技能可以让部队分布得更远，但实验表明，规模经济会损失。
增加兵力将增加所有领域的需求。
正如皮涅罗在 2017 年的一篇研究论文中总结的那样："当部队分散时，就会失落去指挥与掌握、情报和火力等赞助功能的效率。
"在后勤方面也是如此。
这种 "DO 困境 "可以用以下经由修订的 "三重约束范式 "来表示（图 4）。
随着部队的分散，一个领域的整合将削弱另一个领域的能力。
如果 EAB 指挥官能在不增加 EAB 占地面积的情形下提高能力，就能重新得到规模经济效益。
智能技能整合可以办理这一问题。

第II部分：领悟技能、决策和观点

人工智能展示理解决 PED 问题和 EABO/DO 困境的最大潜力，同时为指挥官供应了对抗性超配。
据审计总署称，"人工智能可用于从多个地点网络大量数据和信息，描述系统正常运行的特色，并检测非常情形，其速率比人类快得多"。
由联合方案流程（JPP）供应信息的人工智能系统可以产生更快、更明智的 PDE 循环。
如果海军陆战队想要实现 EABO，就不能仅仅依赖人类。
相反，未来的关键在于如何利用人工智能来增强人类的决策能力。

决策和决策支持系统

研究表明，人类的决策并不完美，在繁芜和紧张的情形下会迅速退化。
人类的决策在很大程度上是凭直觉做出的，并在进化过程中不断优化，通过利用判断启示法（偏差）来防止认知超载。
偏差是快速决策的捷径，它根据以往的履历和知识做出假设。
36 偏差是一种快速决策的捷径，它根据以往的履历和知识做出假设。
虽然这些决策已经由优化，但并没有参考因启示式方法而被否定的大量数据。
由于这些决策都是基于以往的履历和现有的知识，人们在面对混乱的新情形时可能毫无准备。
如前文所述，这对 EAB 指挥官来说是个问题。
决策支持系统可以供应帮助。

决策支持系统可以是一个人用来提高决策质量的任何方法。
海军陆战队营长利用其参谋职员和联合方案流程 (JPP) 供应专家判断来提高决策质量，而商业部门也越来越依赖于决策支持系统和人工智能来处理大量数据。
在本文中，决策支持系统被定义为 "帮助用户进行判断和选择活动的基于打算机的交互式系统"，也被称为基于知识的系统，由于 "它们试图将领域知识形式化，使其适宜于机器化推理"。
大多数 DSS 都采取西蒙的有限理性理论（Theory of Bounded Rationality）来建模，该理论承认人类在信息、韶光和决策认知方面的局限性。
西蒙提出了一个四步模型（图 5），包括：1.不雅观察现实的智能；2.制订和衡量标准和备选方案的设计；3.评估备选方案和建议行动的选择；以及 4.根据信息采纳行动的履行。
4. 实行，根据信息采纳行动，末了反馈到第一步。

指挥官决策的两个关键要素是选择活动和推理。
选择活动，也称为选项意识，是指在某种情形下对不同行动方案或备选方案的认识。
选择意识为指挥官供应了通往办理方案的不同路子。
能够自主剖析海量数据的 DSS 可能会揭示出以前不知道的选项。
推理是一种逻辑思维能力。
通过构建决策过程，数据支持系统可以不带偏见和感情色彩地对数据得出结论。
一些研究表明，在现实环境中，大略的线性决策模型乃至优于该领域的专家。

DSS 有不同的类型，而类型决定了其性能和对人类增强的效用。
智能决策支持系统（IDSS）是与作战行动最干系的系统，由于它利用人工智能技能和打算机技能来仿照人类决策，以办理实时繁芜环境中的一系列问题。
在本文中，它将被称为人工智能决策支持系统或 AI-DSS。
它由一个数据库管理系统（DBMS）、一个模型库管理系统（MBMS）、一个知识库和一个用户界面组成，前者用于存储检索和剖析数据，后者用于获取构造化和非构造化数据的决策模型。
人工智能-决策支持系统结合了人类构建问题构造的能力，以及通过统计剖析和人工智能技能来支持繁芜决策的系统，从而压缩了 PED 流程（图 6）。

人工智能赞助OODA循环

约翰-博伊德上校（美国空军退役）被誉为机动作战条令及其相应生理过程模型的紧张作者之一。
通过对实验性战斗机的研究，他认识到 "错配有助于一个人的成功和生存，以及敏捷性和节奏之间的关系，以及如何利用它们使对手的感知现实与实际现实相背离"。
为理解释这些不匹配，他提出了一个 PDE 循环，后来被称为 OODA（不雅观察、定向、决定和行动）循环（图 7）。
博伊德认为，谁能通过归纳或演绎推理更快地实行这一过程，谁就能得胜。
通过将人工智能融入 OODA 循环，EABO 指挥官可以得到对敌决策上风。
正如伯杰司令在其方案指南中所说："在任何规模的冲突环境中，我们必须比对手更快地做出并实行有效的军事决策。

更好的信息和选择有助于做出更迅速、更明智的决策，同时减轻认知包袱。
EAB 部队将面临超音速和潜在的高超音速武器，这将使他们险些没有韶光做出充分知情的决策。
EAB 指挥官将被迫利用大量有人和无人传感器平台感知威胁，并迅速确定行动方案。

人工智能赞助 OODA 循环（图 8）直不雅观地描述了 EAB 指挥官如何借助人工智能技能做出决策。
它将博伊德的 OODA 循环作为指挥官 PDE 循环的根本。
这反响出指挥官是决策过程的中央，也是情报和决策支持的紧张消费者。
下一层是国家情报总监办公室（ODNI）的六步情报循环，用于将数据处理成情报。
下一层是西蒙的有界理性模型，用于描述 AIDSS 如何嵌套在 EAB 指挥官的决策框架中。
末了，利用狭义人工智能增强的外部代理被叠加以代表物理工具（如 RAS、武器系统、AI-DSS 和图形用户界面 (GUI)）。
在关键点集成狭义人工智能，以实现传感器操作和利用、数据和情报的 PED 以及武器利用的自动化，从而减少人力并压缩 PDE 周期韶光，为指挥官创造可利用的上风窗口。

作战观点

由于 EAB 指挥官将在一个简朴、分散和资源有限的环境中事情，他必须重新得到在这些方面失落去的效率，以超越对手。
AI-OODA 循环将按以下办法办理问题。
在实行任务前，指挥官进行任务剖析/职员方案流程，以确定指挥官的关键信息需求（CCIR）（优先情报需求（PIR）/友军情报需求（FFIR））以及与上级总部意图干系的任务（作战空间的情报准备（IPB）、行动区域、任务、约束/限定等）。

在步骤 1. 不雅观察阶段，指挥官网络有关作战环境、敌我态势和友军态势的数据，以验证 IPB 中的基准假设并更新态势感知。
为此，将利用国防部云做事和配备打算机视觉和机器学习技能的无人系统供应的多源情报，自主剖析环境，查找 CCIR。
这些系统在网络和识别 CCIR 时，可根据威胁程度和排放掌握（EMCON）状态采纳两种行动方案：1. 从云和/或边缘 AI 平台（AI-DSS）分发/缩减信息；2. 限定通信并返回基地进行开拓。
从这一过程中网络到的数据将反馈到第二阶段--定向，以确定其意义和干系性。

在步骤 2. 在第 2 步 "定向"阶段，指挥官要对网络到的大量数据进行意义剖析，以便做出适当的决策。
随着数据池的不断扩大，第一步的输出结果必须由人工进行处理，这将耗费大量的韶光和资源。
如果处理不当，指挥官就有可能因信息过载而无法确定行动方案。
研究表明，在面临信息超载等人类认知极限时，人们会利用次优的应对策略，从而导致认知偏差。
第二步是当前流程中的瓶颈，也是人工智能赞助决策支持系统（AI-DSS）缓解信息过载和缩短 PDE 周期的空想场所。

AI-DSS 的上风在于它可以自主地以数字办法整合来自无限量来源的数据，包括多源情报、RAS、临近边缘 AI 节点、开放源数据以及终极基于国防部云的做事，以天生决策赞助工具、预测性威胁预报或相应行动方案。
通过监控这些来源，人工智能可利用 KDD 推断出模式和意义，以探测敌方意图，并在人工智能-OODA 循环的第 4 步中利用 F2T2EA（创造、修复、跟踪、瞄准、征战、评估）的杀伤链模型做出反应。
与打算机网络防御（CND）中利用的技能类似，EABO 部队可以探测仇敌的行动，将仇敌的杀伤链指标与防御者的行动方针联系起来，并识别出将仇敌的个别行动与更广泛的战役联系起来的模式，从而建立起陆基情报驱动的 SLOC（海上交通线）防御（IDSD），以掌握当地海疆。
现在，他的情报系统已得到最佳数据，并辅以人工智能天生的行动方案 (COA)，为第 3 步 "决定 "做好准备。

在步骤 3. “决定”步骤中，指挥官现在可以决定采纳何种行动方案来实现预期结果。
AI-DSS 可以推举 COA、确定成功概率并建议后续行动或对手行动。
通过图形用户界面，她的决定可以在全体梯队中传达，并通报给 RAS 平台，从而在分布式作战空间中形成一个综合的有人无人团队。

在步骤 4.“ 行动”中，指挥官正在实行任务，并利用反馈机制为其下一个决策周期供应信息，该决策周期已通过综合通信、火力和指挥掌握网络进行了沟通，以确定可用和适当的武器系统。
人工智能 OODA 循环将循环往来来往地进行下去，直到指挥官达到预期的终极状态或情形不再须要采纳战术行动。
通过利用人工智能作为 DSS，指挥官实现了以下目标：

1.领悟--在梯队中快速、持续、准确地整合来自所有领域、电磁频谱（EMS）和信息环境的内部和外部能力；

2.优化 - 在精确的韶光，以最有效和最高效的办法，向精确的目标供应效果的能力；

3.同步--将态势感知、火力（致命和非致命）和机动结合起来进行渗透和利用的能力；以及

4.感知和行动速率--在冲突的各个阶段都能识别和直不雅观地看到导致领域上风和/或寻衅的条件，并采纳相应行动；

确信所有数据点都以中庸之道的办法加权，且周期速率快于敌方。

第 III 部分：关于人工智能赞助 EABO 的小故事

本节将通过一个小故事来阐明人工智能-OODA 循环系统在未来冲突中如何运作，从而将前面谈论的主题结合起来。
本节旨在从观点上向读者概述如何利用该系统、它能办理哪些寻衅以及它能创造哪些机遇。

第 IV 部分：障碍和建议

有几个问题不是本文的主题，但却是接管和开拓 AI-DSS 的重大障碍。
将精力和资源集中在这些领域将激发行业办理方案，并帮忙海军陆战队制订必要的政策、程序和战术，以实现这一观点，并使海军陆战队与国防部的人工智能计策保持同等。

第一个问题是 EABO 的人工智能支持观点。
如果对问题没有清晰的认识，海军陆战队就无法在技能、培训和实验方面进行适当的投资。
一个可以考虑的路子是与美国陆军互助。
2019 年 8 月，陆军未来司令部发布了《2019 年未来研究操持--人工智能在多域作战（MDO）中的运用》。
MDO 是联合部队的一个观点，海军陆战队可以轻松嵌套在远征梯队中。
这项研究通过战役游戏得到加强，概述了在 A2/AD 环境中建立人工智能能力的哀求、上风/劣势和作战案例。

第二个问题是海军陆战队人工智能的资源配置。
国防部人工智能计策的美国海军陆战队附件在 MCWL 设立了人工智能利益共同体（COI）和人工智能处，以确定人工智能事情的优先顺序和同步性，并制订海军陆战队人工智能计策。
这是一个良好的开端，但还不敷以知足人工智能运作所需的资源。
海军陆战队必须利用美国陆军在多域作战中开展的人工智能事情的范围和规模，加速技能成熟、实验和部队发展。
军事、战役和后勤部人工智能有限技能评估应重点关注人工智能-DSS 如何能够实现、改进或完备修正与 ISR-Strike、C2、坚持和部队保护干系的任务实行。
2020 年有机会与陆军人工智能任务组 (A-AITF) 就其 20 财年人工智能操作化研究操持开展互助。

第三个问题是企业数据管理。
国防部在搜集数据并将其组合成可用的形式方面举步维艰。
为理解决这个问题，国防部数字化当代化计策哀求供应企业云数据做事，也称为联合企业防御根本举动步伐（JEDI）。
司令还认识到海军陆战队在数据网络、管理和利用方面的不敷，以促进更好的决策。
机器要进行 KDD，必须有大量可用的数据集。
海军陆战队必须以人工智能-DSS 和其他深度学习技能能够利用的办法构建其数据，以得到业务收益。

第四个问题是对人工智能技能的信赖。
根据美国政府问责局的说法，人工智能正在靠近第三次浪潮，但并非没有严重障碍： "第三波人工智能的一个主要部分将是开拓不仅能够适应新情形，而且能够向用户阐明这些决策背后缘故原由的人工智能系统"。
目前的深度学习方法具有强大的剖析能力，但有时会产生不屈常的结果。
要让指挥官信赖并在军事行动中利用 AI-DSS，就必须具备阐明人工智能如何得出答案的能力。
可阐明的人工智能是国防部和商业部门共同关注的问题，而商业部门正在牵头研究可能的办理方案。
53 可阐明的人工智能是国防部和商业部门都关注的问题，而商业部门正在引领可能的办理方案研究。
理解为什么会做出好的或坏的决策，会让人对技能产生信赖，这对军事行动至关主要。

第五个问题是边缘打算，即 "将打算能力下推到数据源，而不是依赖集中式打算办理方案"。
这是必要的，由于电磁频谱将受到争夺，机器将无法依赖同等的通信和基于云的打算。
数据网络架构将须要重组，以便变得更加分散，并可抵御灾害性丢失，每个边缘设备都应能够与相邻节点进行网状连接和通信。
在实践中，数据连接将根据威胁环境从完备连接到谢绝连接的滑动范围进行。
这样，AI-DSS 就能对本地网络的数据进行快速、实时的 PED，为 EAB 指挥官的决策周期供应支持。
此外，国防部必须在战术边缘供应基于云的做事，并采取 5G 数据传输速率，以机器速率和低延迟充分利用人工智能和 RAS。
同样，这也是与美国陆军在多域作战方面的互助领域。

第六个问题是，这在以前已经考试测验过。
2002 年，美国国防部高等研究操持局（DARPA）创建了 PAL（个性化学习助手）操持，作为一种认知打算系统，它可以通过学习来帮忙用户完成任务，从而做出更有效的军事决策。
其紧张目标之一是减少对大量职员的需求，从而使决策更加分散，不易受到攻击。
PAL 的一些功能包括将多源数据领悟为单一馈送，这些功能已过渡到苹果 Siri 个人助理和美国陆军的未来指挥所 (CPOF) 操持。
笔者无法得到有关 PAL 操持局限性的详细信息，但陆军认识到远征决策支持系统的必要性，目前正在精简 CPOF。
指挥所打算环境（CPCE）将多个环境整合为一个单一的用户界面，整体重量从 1200 磅减至 300 磅，紧张用于移动作战。
这是朝着精确方向迈出的一步，也是陆军和海军陆战队的潜在互助领域。

末了，MCWL 应研究在 RAS、打算机视觉、机器学习和数据剖析方面的狭窄人工智能领域，这些领域可立即运用于减少指挥官的认知负荷。

结论

当前的 C4ISR/RAS 是劳动密集型的，会产生大量数据，必须迅速加以利用，才能为海军部队供应可操作的情报。
利用数据剖析和机器学习的人工智能可以比人类更快地处理、利用和传播信息。
配备了人工智能信息系统的 EAB 指挥官将以比对手更快的速率做出更明智的决策。
然而，在实现这一目标之前，目前还存在着巨大的障碍。
展望未来，海军陆战队必须制订一个与海军作战观点相匹配的海军陆战队作战观点，对人工智能事情进行充分的优先排序和资源配置，对企业数据管理进行资源配置，以最大限度地利用数据剖析和机器学习来创造数据库中的知识（KDD），并利用美国陆军的人工智能实验和观点开拓来实现多域作战（MDO）。
此外，海军陆战队应确定当前可通过狭义人工智能加以改进的技能和作战领域。

海军陆战队不能再依赖过期的决策支持系统和信息管理方法来进行战术决策。
随着友军和敌军利用技能获取战术利益，指挥官的信息负荷将连续增加。
人工智能决策支持系统可以办理这个问题。
军事指挥与掌握发展操持》（MCDP 6）指出了这一点的必要性："无论时期或技能如何发展，有效的指挥与掌握都将归结为人们利用信息做出明智的决定和行动....，衡量指挥与掌握有效性的终极标准始终如一：它能否帮助我们比仇敌更快、更有效地采纳行动？