مقدمه

درباره‌ی این پرسش که ارتش آمریکا چگونه باید از پایگاه نوآوری تجاری این کشور بهره بگیرد تا برتری به دست آورد، بحث‌های فراوانی در می‌گیرد؛ به‌ویژه آنجا که پای کاربرد هوش مصنوعی در میان است. این گفت‌وگوها بیش از حد به نالیدن از فرصت‌های ازدست‌رفته، «دره‌های مرگ»، قراردادبستن‌های طاقت‌فرسا و دیگر فرایندهای وزارت دفاع آمریکا (DOD) می‌گذرد. این موانع واقعی‌اند، اما در کنارشان روایت‌های موفقی هم هست از مواردی که شرکت‌های فناوری تجاری، فرماندهی نظامی و رزمندگان کنار هم آمده‌اند و در میدان نبرد برتری معناداری آفریده‌اند. یکی از این روایت‌ها داستان آن است که چگونه سپاه هجدهم هوابرد از مجموعه رزمایش‌های «اژدهای سرخ» (Scarlet Dragon) برای توسعه‌ی «سامانه‌ی هوشمند ماون» (Maven Smart System — MSS) استفاده کرد؛ نمونه‌ای که در آن کاربران خط مقدم ارتش و ائتلافی از شرکت‌های فناوری — با پشتیبانی رهبری و سیاست‌های وزارت دفاع — فناوری تازه‌ای را دنبال و توسعه دادند که امروز اثری معنادار بر عملیات گذاشته است.

موضوع این نوشتار، چگونگی توسعه‌ی MSS است. ما اقدام‌های رهبری، مشارکت‌های تجاری و رویکردهای قراردادی‌ای را که موفقیت را ممکن کردند، به‌همراه موانع سازمانی و فرهنگی‌ای که باید از سر راه برداشته می‌شد، بررسی می‌کنیم. جزئیات MSS و کاربرد آن کانون توجه ما نیست و انتشار آن هم در اینجا مناسب نیست — این سامانه هنوز سامانه‌ای عملیاتی برای ارتش آمریکاست. این بررسی در پی پاسخ به این پرسش است: ساختن MSS برای اژدهای سرخ چه چیزهایی لازم داشت؟ هدف، گردآوری درس‌های آموخته‌ای‌ست که بتواند نوآوری‌های آینده‌ی وزارت دفاع در حوزه‌ی نرم‌افزار و هوش مصنوعی را ممکن کند.

نمونه‌ی استفاده‌ی سپاه هجدهم هوابرد از اژدهای سرخ به‌عنوان ابزاری برای توسعه‌ی MSS به چند دلیل ارزش مطالعه دارد. چنان‌که در این گزارش خواهیم دید، این نوآوری‌ای کاربرمحور و رزمنده‌محور است که کارکردهای اطلاعاتی و عملیاتی را به سود «آتش مشترک»* به هم پیوند می‌زند. از این نظر هم بی‌همتاست که توسعه‌اش با انعطاف و سرعت مدیریت شد و شمار زیادی از ارائه‌دهندگان خدمات نرم‌افزاری و هوش مصنوعی در چرخه‌ای از نوع «توسعه-امنیت-عملیات» (DevSecOps) در آن مشارکت کردند؛ چرخه‌ای که در وهله‌ی نخست بر ارائه‌دهندگان خدمات تجاری تکیه داشت. افزون بر این، مطالعه‌ی موردی سپاه هجدهم هوابرد از آن رو جالب است که تحلیلی پس از پایان کار نیست: توسعه‌ی DevSecOpsی سامانه‌ی هوشمند ماون از رهگذر مجموعه رزمایش‌های اژدهای سرخ همچنان ادامه دارد، هرچند چشم‌انداز بلندمدت آن روشن نیست. پرسش‌هایی که این ماجرا پیش پای پنتاگون می‌گذارد از این قرار است: چگونه می‌توان فرایند موفق سپاه هجدهم هوابرد در توسعه‌ی MSS را نهادینه کرد، و چگونه می‌توان این‌گونه نوآوری را به هنجاری برای نوآوری در سراسر وزارت دفاع بدل ساخت؟

  • «آتش مشترک» اصطلاح رسمی‌ای‌ست که همه‌ی گونه‌های آتش را در بر می‌گیرد؛ از توپخانه و موشک تا سلاح‌هایی که از هواپیما رها می‌شوند.

با همه‌ی این یکتایی، داستان اژدهای سرخ و MSS داستانی آشنا هم هست. مطالعه‌های پیشین درباره‌ی پروژه ماون و دیگر یگان‌های موفقِ واکنش سریع در ارتش آمریکا بر درون‌مایه‌های مشابهی انگشت گذاشته‌اند: رهبران ارشدی که حاضرند از یک برنامه پشتیبانی کنند؛ رویکردهای انعطاف‌پذیر در قرارداد، تأمین مالی و مدیریت ریسک؛ رهبران آینده‌نگر خط مقدم؛ دسترسی مستقیم به محیط عملیاتی؛ و به‌کارگیری فناوری بالغ.^۱ ظرافت‌های این درس‌ها در این نمونه‌ی خاص نشان می‌دهد کاربرد نرم‌افزار و هوش مصنوعی چه‌بسا با تلاش‌های گذشته برای پذیرش سریع فناوری تفاوت داشته باشد.

پیشینه و روش‌شناسی

ارتش سابقه‌ای دیرینه در گردآوری درس‌های آموخته از راه مطالعه‌ی موردی دارد و کامیابی‌ها و ناکامی‌های نوآوری در جنگ‌های عراق و افغانستان هم در همین شمارند. این مطالعه‌ها دامنه‌ای گسترده دارند: از بررسی‌های کلی درباره‌ی انطباق سازمانی، تا مطالعه‌ی نقش رهبران ارشد در نوآوری، تا نگاه‌های موشکافانه به کامیابی‌ها و ناکامی‌های یگان‌های واکنش سریع، و حتی به‌طور مشخص درس‌های برآمده از تلاش‌های ارتش برای تدارکات سریعِ سامانه‌های فرماندهی و کنترل.^۲ درس‌های پیشین عوامل موفقیتی را شناسایی کرده‌اند که در توسعه‌ی MSS برای رزمایش‌های اژدهای سرخ ارتش هم بازتاب یافته‌اند؛ یعنی: رهبران ارشد نظامی و/یا غیرنظامی‌ای که حاضرند از برنامه پشتیبانی کنند؛ نیاز به انعطاف در قرارداد، تأمین مالی و مدیریت ریسک؛ رهبران آینده‌نگر خط مقدم؛ دسترسی مستقیم به محیط عملیاتی همراه با بازخورد پیوسته؛ و در مجموع تکیه بر به‌کارگیری فناوری بالغ به‌جای فناوری در حال توسعه.

برای گردآوری درس‌های آموخته از تجربه‌ی سپاه هجدهم هوابرد، تیم پژوهشی ما میان ژوئن ۲۰۲۳ و فوریه ۲۰۲۴ مصاحبه‌های گسترده‌ای با اعضای کنونی و پیشین سپاه هجدهم هوابرد، دفتر معاون وزیر دفاع در امور اطلاعات و امنیت (OUSD(I&S)) و پیمانکاران گوناگون درگیر در توسعه‌ی MSS و اژدهای سرخ انجام داد. در یک رزمایش توسعه‌ی میان‌دوره‌ای در ژوئن ۲۰۲۳ هم حاضر شدیم تا کاربران عملیاتی و توسعه‌دهندگان را در حال کار مشترک برای ساختن نسخه‌ی بعدی سامانه مشاهده کنیم. گزارش ما مشاهده‌های ما از این رویداد و مصاحبه‌ها را در بر می‌گیرد، اما برای حفظ حریم خصوصی مصاحبه‌شوندگان، نقل‌قول‌ها را به کسی نسبت نمی‌دهد. فراتر از دیدارهای حضوری، از گزارش‌های رسانه‌ای درباره‌ی اژدهای سرخ و MSS، اعلان‌های عمومی قراردادها و داده‌های Crunchbase درباره‌ی شرکت‌های مشارکت‌کننده در توسعه‌ی MSS نیز اطلاعات گرد آوردیم.

MSS چیست، اژدهای سرخ چیست، و سپاه هجدهم هوابرد چگونه از آن‌ها استفاده کرد؟

هرچند کانون این نوشتار آن است که وزارت دفاع چگونه نرم‌افزار و هوش مصنوعی را با موفقیت برای برتری نظامی توسعه داد و پذیرفت، فهم کوتاهی از آنچه در این مطالعه‌ی موردی ساخته شد کمک‌کننده است. به بیان ساده، MSS یک سامانه‌ی پشتیبان تصمیم مبتنی بر هوش مصنوعی است. سپاه هجدهم هوابرد این سامانه را به‌مرور و از رهگذر مجموعه رزمایش‌های اژدهای سرخ پالوده کرد.* این رزمایش‌ها رزمندگان را در کنار توسعه‌دهندگان، تکنسین‌ها، آزمون‌گران و ارزیابان گرد می‌آورد تا فرایند یافتن اهداف بالقوه را تمرین کنند: شناسایی آن‌ها، مکان‌یابی‌شان، غربال‌کردن‌شان تا رسیدن به اهداف قانونی و معتبر، اولویت‌بندی، واگذاری به یگان‌های آتش، و سرانجام شلیک به آن‌ها. این کار گام‌به‌گام پیش می‌رود — به تعبیر خودشان «بخز، راه برو، بدو» — از شبیه‌سازی‌های پایه آغاز می‌شود و به شلیک واقعی یگان‌ها به اهداف تمرینی می‌انجامد. این رزمایش‌ها هم تلاش‌های توسعه‌ای سپاه هجدهم هوابرد را متمرکز می‌کردند و هم در چرخه‌ی DevSecOpsی که برای توسعه‌ی تکرارشونده‌ی MSS به‌کار می‌بردند، نقش آزمون عملیاتی را داشتند.

نسخه‌ی اژدهای سرخِ MSS می‌تواند به داده‌های حسگرها از منابع گوناگون دسترسی پیدا کند، الگوریتم‌های بینایی ماشین را برای کمک به سربازان در شناسایی و انتخاب اهداف نظامی به‌کار بندد، و سپس پشتیبانی گردش‌کاری‌ای فراهم کند که تأیید درخواست حمله به یک هدف را در زنجیره‌ی فرماندهی ممکن سازد. این سامانه همچنین می‌تواند به‌عنوان مخزنی برای ذخیره‌ی ارزیابی‌های خسارت نبرد عمل کند و نقشه‌ای از موقعیت نیروهای خودی و اهداف به دست دهد (تصویر ۱ را ببینید).^۳ در چارچوب قوانین کنونی و سیاست‌های هوش مصنوعی مسئولانه، این سامانه داده‌ها را سازمان‌دهی و یکپارچه می‌کند، به کاربران اجازه می‌دهد الگوریتم‌هایی را برای پردازش آن داده‌ها برگزینند و به‌کار گیرند، و به اپراتورها این توان را می‌دهد که در چارچوب دکترین پذیرفته‌شده‌ی ارتش و گردش‌کار تصمیم‌گیری، سریع‌تر تصمیم بگیرند.†

  • رزمایش‌ها به نیروها کمک می‌کنند همان‌گونه تمرین کنند که ممکن است در رویارویی با یک درگیری بالقوه عمل کنند. این رزمایش‌ها برای آماده‌سازی نیروهای نظامی برای نبرد اهمیت دارند، اما به رزمندگان امکان می‌دهند فناوری‌های تازه و شیوه‌های به‌کارگیری‌شان را هم بیازمایند.

† وزارت دفاع سیاست‌ها و بخش‌نامه‌های متعددی برای هدایت به‌کارگیری مسئولانه‌ی هوش مصنوعی دارد که مهم‌ترین‌شان بخش‌نامه‌ی ۳۰۰۰٫۰۹ وزارت دفاع با عنوان «خودمختاری در سامانه‌های تسلیحاتی» و نیز یادداشت سال ۲۰۲۱ معاون وزیر دفاع با عنوان «پیاده‌سازی هوش مصنوعی مسئولانه در وزارت دفاع» است.

توصیف این سامانه شاید ساده به نظر برسد، اما اثرش چشمگیر است. بدون این نرم‌افزار، عناصر پشتیبانی آتش ارتش (سازمان‌هایی که آتش ارتش و آتش مشترک را هماهنگ می‌کنند) دسترسی آسانی به داده‌های حسگرها و تصاویر ماهواره‌های تجاری و نظامی ندارند. برای روشن‌تر شدن زمینه، یک گزارش خبری همین ویژگیِ دسترسی مستقیم به داده‌های ماهواره‌ای برای هدف‌گیری را «جام مقدس ارتش» خوانده بود.^۴ حتی آنجا که داده‌ها در دسترس باشند، MSS جهش چشمگیری در بهره‌وری پدید می‌آورد، چون به‌طور خودکار تصاویر را برای بازبینی تحلیل‌گران اطلاعاتی برجسته می‌کند و سپس گردش‌کار را به‌شکل دیجیتال پشتیبانی می‌کند: از تحلیل‌گران اطلاعاتی، به تصمیم‌گیرندگانی که اهداف را انتخاب می‌کنند، به یگان‌های آتش، و بازگشت به تحلیل‌گرانی که خسارت نبرد را بررسی می‌کنند. در نبود MSS، فرایند شلیک دستی‌ست و از ناکارآمدی و احتمال خطا آکنده — از گردآوری داده و پردازش آن گرفته تا گرفتن مجوز، تطبیق مهمات و صدور اجازه.

سپاه هجدهم هوابرد با استفاده از MSS نشان داده است که می‌تواند به کارایی سلول هدف‌گیری حساس به زمان در «عملیات آزادی عراق» برسد؛ سلولی که به‌طور گسترده کارآمدترین سلول هدف‌گیری تاریخ ارتش آمریکا به‌شمار می‌آید. اما نکته‌ی چشمگیرتر آن است که سپاه هجدهم هوابرد به این نقطه‌ی عطف با حدود ۲۰ نفر در سلول هدف‌گیری خود رسید، حال آنکه سلول عملیات آزادی عراق از بیش از دو هزار نفر نیرو بهره می‌برد. با این کامیابی‌ها، فرماندهان ارتش امیدوارند MSS را در خدمت چشم‌اندازی تازه به‌کار گیرند: اینکه یگان‌های آتش بتوانند در میدان نبرد و در یک ساعت، هزار تصمیم باکیفیت — انتخاب اهداف و کنارگذاشتن‌شان — بگیرند.

تصویر ۱. تصویر صفحه‌ی سامانه‌ی اژدهای سرخ — منبع: خبرنامه‌ی نوآوری اژدها، ارتش آمریکا. (این تصویر در متن اصلی PDF درج شده است و در این ترجمه بازنشر نشده؛ برای دیدن آن به صفحه‌ی ۵ گزارش اصلی مراجعه کنید.)

افزون بر کارایی چشمگیرش برای آتش مشترک، MSS دو ویژگی مهم دیگر هم دارد. نخست، انعطاف در یکپارچه‌سازی داده‌های حسگرها و سکوهایی که بخشی از طراحی اولیه‌ی نرم‌افزار نبوده‌اند. برای نمونه، در اکتبر ۲۰۲۱ نیروها و فرماندهی‌های رزمی به یک رزمایش اژدهای سرخ پیوستند و ابزارهای نرم‌افزاری و سخت‌افزاری خود را در بستر MSS یکپارچه کردند.^۵ در فوریه ۲۰۲۳ همین سامانه عملیات نیروی فضایی آمریکا را در خود ادغام کرد.^۶ این انعطاف، با گسترش و دگرگونی پیوسته‌ی حسگرهای نظامی و غیرنظامی، ماندگاری بیشتری به سامانه می‌بخشد.

ویژگی برجسته‌ی دوم، توانایی MSS در محدودکردن دسترسی به داده‌ها و شکل‌دادن به رابط کاربری بر پایه‌ی نقش یا سطح دسترسی کاربر است؛ توانایی‌ای که به آن اجازه می‌دهد در محیط‌های مشترک (یعنی میان نیروهای گوناگون نظامی) و ائتلافی (یعنی در همکاری با متحدان) به‌عنوان یک بستر مرکزی فرماندهی و کنترل برای عملیات چنددامنه‌ای عمل کند. همین ویژگی زمینه‌ساز مشارکت اعضای سازمان پیمان آتلانتیک شمالی (ناتو) در یکی از رزمایش‌های اژدهای سرخ در سال ۲۰۲۳ شد.^۷ بدین‌ترتیب، فرماندهان آمریکایی می‌توانند اطلاعات را کارآمدتر و در سطح طبقه‌بندی درست با متحدان به اشتراک بگذارند و از تصویر عملیاتی مشترکی بهره ببرند.

تا امروز نیروی دریایی، ارتش، نیروی هوایی و نیروی فضایی آمریکا همگی در رزمایش‌های اژدهای سرخ شرکت کرده‌اند؛ نکته‌ای که با توجه به تفاوت تاریخچه، عملیات، فناوری‌های قدیمی و شبکه‌های ارتباطی‌شان درخور توجه است. یک بستر واحد که بتواند داده را از گستره‌ای از حسگرها دریافت کند، آن را پردازش کند، به کاربران گوناگون برساند و سپس رابطی متناسب با نوع خاصی از کاربر بسازد، از نظر فنی و سازمانی پیچیده است. اما این بستر در عین حال چشم‌اندازی دیرینه در وزارت دفاع و هم‌راستا با مفهوم «فرماندهی و کنترل مشترک و ائتلافی در همه‌ی دامنه‌ها» (CJADC2) است. اینکه این تجسم از CJADC2 در لبه‌ی تاکتیکی و به دست اپراتورها پدید آمده، چشمگیر است، هرچند اپراتورها بدون پشتیبانی پنتاگون و رابطه‌ای به‌شکل کم‌نظیری پربار با بخش خصوصی از پس آن برنمی‌آمدند.

«از الگوریتم‌های بینایی ماشین، ویدئوی تمام‌حرکت و رادار روزنه‌ی مصنوعی که اهداف را شناسایی می‌کنند، تا ابزارهای گردش‌کار دیجیتال که سرعت و دقت تیم‌های هدف‌گیری را بالا می‌برند، تا بهینه‌سازی جریان ارتباط ماشین با ماشین — رزمایش [اژدهای سرخ] گامی حیاتی به‌سوی رزم دیجیتال بود.»

— ژنرال مایکل «اریک» کوریلا، فرماندهی مرکزی آمریکا (CENTCOM)

ساختن MSS برای اژدهای سرخ چه چیزهایی لازم داشت

ساختن MSS و تجسم آن در اژدهای سرخ شاید بیش از آنکه دستاوردی فنی باشد، دستاوردی سازمانی بود، و یکی از برجسته‌ترین ویژگی‌هایش مشارکت دست‌کم ۲۱ شرکت نرم‌افزاری و هوش مصنوعی بخش خصوصی (و بنا بر مصاحبه‌ها، شاید تا ۷۰ شرکت) در یک محیط عملیاتی DevSecOps بود.^۸ پیش از آنکه به وجه «ائتلاف فناوری» در این توسعه بپردازیم، باید پیش‌شرط‌های MSS را شناخت: رهبران ارشدی که از برنامه پشتیبانی کردند و راه را برای رهبران آینده‌نگر خط مقدم گشودند؛ رویکردهای انعطاف‌پذیر در قرارداد، تأمین مالی و مدیریت ریسک؛ دسترسی مستقیم توسعه‌دهندگان، طراحان، آزمون‌گران و مدیران برنامه/پروژه به محیط عملیاتی؛ و به‌کارگیری فناوری بالغ. این پیش‌شرط‌ها برای کسانی که کامیابی‌های گذشته در نوآوری سریع را مطالعه کرده‌اند آشناست، اما ظرافت‌های این نمونه به‌ویژه برای پژوهشگرانِ کاربرد و عملیاتی‌سازی هوش مصنوعی در امنیت ملی جالب است. در کادرهایی درون هر بخش، درس‌های آموخته‌ی سنتی‌ای را ثبت می‌کنیم که در اینجا صدق می‌کنند اما در نمونه‌ی MSS و اژدهای سرخ ظرافت‌هایی دارند.

رهبران ارشدی که حاضرند از برنامه پشتیبانی کنند، و رهبران آینده‌نگر خط مقدم

MSS و اژدهای سرخ اگر مجموعه‌ای کلیدی از افراد نبودند که بتوانند فرصت را تشخیص دهند، برای آزمون‌وخطا فضا باز کنند و سپس مسئولیت تحویل راه‌حل را بر عهده بگیرند، هرگز به بار نمی‌نشستند. این رهبران در سه چیز مشترک‌اند: ۱. تجربه‌ی عملیاتی چشمگیر؛ ۲. درکی ظریف از هوش مصنوعی، شبکه‌ها و/یا علم داده؛ ۳. تجربه و تخصص در راهبردهای تدارکات و قراردادبستن دولتی.

یکی از این رهبران سرهنگ جو اوکالاهان (Joe O’Callaghan) از ارتش آمریکاست؛ افسر «آتش هوش مصنوعی» سپاه هجدهم هوابرد و به‌طور مشخص مسئول توسعه و عملیاتی‌سازی MSS برای آتش توپخانه. اوکالاهان پیشینه‌ی عملیاتی کم‌نظیری دارد: پیش از دریافت درجه‌ی افسری در ارتش به‌عنوان افسر توپخانه‌ی صحرایی، در نیروی دریایی خدمت کرده بود، و هماهنگی پشتیبانی آتش را در سطح گردان و نیز در سطح نیروی وظیفه‌ی مشترک ائتلافی رهبری کرده است. او دوره‌های آموزشی متعددی در ارتش، از جمله برنامه‌ی کادر فضایی ارتش، گذرانده است. در مصاحبه‌ها، زیردستان و همکارانش گفتند او یکی از بهترین توپخانه‌چی‌های کشور است، شناختی گسترده از توانایی‌ها و محدودیت‌های هوش مصنوعی دارد، و درکی موشکافانه از قراردادبستن در ارتش و راه‌های همکاری و حرکت سریع درون دیوان‌سالاری را حفظ کرده است. سرانجام، توانایی او در گفت‌وگوی صریح با فرماندهان، اپراتورها و نمایندگان فنی، به‌روشنی تیم اژدهای سرخ را در رزمایش‌ها به حرکت درمی‌آورد و مسیری روشن پیش پایشان می‌گذاشت.

اوکالاهان اگر تلاش‌های سرهنگ درو کوکور (Drew Cukor) از تفنگداران دریایی آمریکا در بنیان‌گذاری MSS نبود، هرگز فرصت مشارکت در رزمایش‌های اژدهای سرخ را نمی‌یافت. کوکور که در سال ۲۰۱۶ به‌عنوان عضوی از دفتر معاون وزیر دفاع در امور اطلاعات و امنیت (OUSD(I&S)) به پنتاگون آمد، به تیم راهبرد «جبران‌سازی سوم» (Third Offset) گمارده شد؛ گروهی که باب ورک (Bob Work)، معاون وقت وزیر دفاع آمریکا، آن را گرد آورده و توانمند کرده بود. کوکور پیش از پنتاگون افسر اطلاعاتی تفنگداران دریایی بود و به‌عنوان افسر منطقه‌ای، برنامه‌ریز عملیاتی مشترک و ناظر تدارکات خدمت کرده بود.^۹ او مدتی هم در دانشگاه دفاع ملی گذرانده و دو پیش‌نویس مفهوم عملیاتی درباره‌ی پیوند میان اطلاعات و عملیات، و نیز مقاله‌های فنی دیگری نوشته بود؛ از جمله مقاله‌ای که مکمل‌بودن سامانه‌های اطلاعاتی انسان‌محور و رایانه‌محور را توضیح می‌داد.^۱۰

کوکور در مقام عضوی از گروه راهبرد جبران‌سازی سوم، با موفقیت استدلال کرد که معاون وزیر باید راهبرد خود را بر کاربرد هوش مصنوعی برای برتری در جنگ متمرکز کند. در پی آن، ورک در سال ۲۰۱۷ یادداشتی را امضا کرد که «تیم بین‌وظیفه‌ای جنگ الگوریتمی» (AWCFT) را بنیان می‌گذاشت، و کوکور را مأمور پیگیری فرصت‌هایی کرد که «هوش مصنوعی و یادگیری ماشین را در سراسر عملیات مؤثرتر یکپارچه کند تا برتری بر دشمنان و رقیبانِ روزبه‌روز تواناتر حفظ شود».^۱۱

کوکور و اوکالاهان آرمان‌گذاران و مجریان اصلی MSS و اژدهای سرخ بودند، اما تلاش‌هایشان از پوشش بالادستی و بودجه‌ای که ورک در ابتکار AWCFT اختصاص داد بهره برد. ورک هم مانند کوکور در دوره‌ای از حرفه‌اش سرهنگ تفنگداران دریایی بود و مانند اوکالاهان فرماندهی یک آتشبار و یک گردان توپخانه را بر عهده داشته بود. او پیشینه‌ی دانشگاهی گسترده‌ای در علوم دارد و با سیاست‌ها و مناسبات بودجه‌ای و دیوان‌سالارانه‌ی وزارت دفاع هم بسیار آشناست، چرا که پیش‌تر معاون وزیر نیروی دریایی بوده و در «مرکز ارزیابی‌های راهبردی و بودجه‌ای» سِمَتی داشته است.

درس آموخته: رهبران سه‌زبانه

فرماندهان پنتاگون بارها اهمیت رهبران «دوزبانه» را ستوده‌اند؛ کسانی که هم فناوری‌های نوظهور را می‌فهمند و هم ارتش را، و می‌توانند شکاف میان فرصت‌های فنی و نیازهای عملیاتی را پر کنند. مطالعه‌ی موردی ما «زبان» سومی را برجسته کرد که برای توسعه‌ی موفق اژدهای سرخ حیاتی بود: قراردادبستن و تدارکات. اوکالاهان و کوکور از دانش خود در هر سه زبان بهره گرفتند تا راه‌حل‌های فنی کارآمد بپرورانند، سریع روی آن‌ها آزمون‌وخطا کنند، و سپس فناوری‌های تازه را در عملیات یک یگان توپخانه‌ی ارتش پیاده کنند. در مصاحبه‌ها بارها راهبرد تدارکاتی کوکور را عامل امکان‌پذیرشدن آزمون‌وخطای سریع دانستند؛ چیزی که خود او آن را به دوران نظارتش بر افسران تدارکات در فرماندهی سامانه‌های تفنگداران دریایی نسبت می‌داد.

AWCFT با راهنمایی ورک در سال ۲۰۱۷ کار خود را با کاوش در کاربردهای هوش مصنوعی درون نیروهای نظامی آغاز کرد. ارتش در ابتدا یک تیپ اطلاعات نظامی را به‌عنوان نقطه‌ی تماس اصلی تعیین کرد. اما کوکور، وفادار به پژوهش‌های پیشین خود، به نقش بالقوه‌ی هوش مصنوعی در پیوند نزدیک‌تر اطلاعات و عملیات علاقه داشت. او رهبرانی با همین دغدغه یافت: اوکالاهان و ژنرال مایکل «اریک» کوریلا از ارتش آمریکا در سپاه هجدهم هوابرد؛ یگانی که مرتب در واکنش سریع به رویدادهای جهانی اعزام می‌شود. کوریلا به حامی این ایده و مفهوم آزمون‌وخطای سریع بدل شد، هم در سپاه هجدهم هوابرد و هم بعدتر که فرماندهی مرکزی آمریکا را بر عهده گرفت. نکته‌ی مهم برای موفقیت برنامه آنکه او اوکالاهان و کوکور را نه بر پایه‌ی نقاط عطف توسعه‌ی بستر، بلکه بر پایه‌ی سنجش پیشرفت در دستیابی به مأموریت (کارایی هدف‌گیری) پاسخ‌گو نگاه داشت. این کار به تیم توسعه آزادی داد تا هر جا لازم بود تکرار کند و مسیر عوض کند تا به هدف دلخواه برسد.

انگیزه‌ای که یادداشت معاون وزیر ایجاد کرد، تلاش‌های کوریلا و جانشینش ژنرال کریس دوناهیو (Chris Donahue) از ارتش آمریکا، و روابطی که کوکور و اوکالاهان ساختند، پشتیبانی گسترده‌ای برای پروژه فراهم آورد. این پشتیبانی سراسر وزارت دفاع را در بر می‌گرفت: دفتر معاون وزیر دفاع در امور اطلاعات و امنیت که AWCFT را اداره می‌کرد؛ سازمان ملی اطلاعات جغرافیایی-فضایی (NGA) که اکنون برنامه‌ی ماون را می‌گرداند؛ آزمایشگاه پژوهشی ارتش (ARL) که قراردادهای اصلی را مدیریت می‌کرد؛ واحد نوآوری دفاعی (DIU)؛ نیروی هوایی شانزدهم/نیروهای سایبری هوایی؛ و نیروی اعزامی دوم تفنگداران دریایی که نخستین شریک بین‌نیرویی ارتش بود.

درس آموخته: گشودگی به تغییر و مشارکت

اگر گشودگی فرماندهی ارتش و AWCFT به تغییر مسیر و جست‌وجوی مشارکت‌های تازه نبود، MSS و رزمایش‌های اژدهای سرخ هرگز آغاز نمی‌شدند. این گشودگی در آغاز پروژه اهمیت داشت، اما با تحول فناوری‌های هوش مصنوعی همچنان مهم است. تکرار روی سامانه در حین توسعه برای رسیدن به هدف — به‌جای تکرار برای اجرای یک نقشه — کاربردهای تازه و به‌تبع آن شیوه‌های تازه‌ی اندیشیدن و عمل‌کردن را ممکن ساخت.

DevSecOps با دسترسی مستقیم به محیط عملیاتی

رهبران ارشد پنتاگون در ساخت MSS و فراهم‌کردن شرایط آغاز اژدهای سرخ سهم شایسته‌ای دارند، اما موفقیت کنونی برنامه تا حد زیادی مدیون سپاه هجدهم هوابرد است. سپاه هجدهم هوابرد یگان ویژه‌ای در ارتش است که اغلب «نخستین امدادگران آمریکا» خوانده می‌شود. این یگان برای اعزام‌های سریع در واکنش به رویدادهای جهانی طراحی و مأمور شده است؛ برای نمونه، ظرف ۴۸ ساعت پس از تهاجم روسیه به اوکراین به اروپا اعزام شد.^۱۲ به‌نوعی، همین ویژگی سپاه هجدهم هوابرد را به یگانی آرمانی برای آزمودن MSS و به‌کارگیری آن در مسئله‌ی آتش مشترک بدل کرد.

ابتکارهای موفق واکنش سریع اغلب پیوند نزدیک میان اپراتورها و مهندسان را عامل کامیابی می‌دانند، اما در مورد MSS چند ویژگی به‌نظر خاصِ به‌کارگیری سریع و پرتأثیر نرم‌افزار و هوش مصنوعی برای اژدهای سرخ می‌رسد. نخستین‌شان رویکرد DevSecOps و چرخه‌ی نودروزه‌ی توسعه، آزمون، بازخورد و تولید با سپاه هجدهم هوابرد بود. این چرخه به اوکالاهان اجازه داد به‌جای الزامات سفت‌وسخت، در چارچوب «اعلان گسترده‌ی همکاری» (BAA) ماون هدف تعیین کند. افزون بر این، چرخه‌ی نودروزه‌ی توسعه با رزمایش‌های منظم نظامی هم‌زمان شده بود؛ رزمایش‌هایی که فناوری را به‌کار می‌گرفتند و کامیابی یا ناکامی تلاش‌های توسعه‌دهندگان را در محیط‌های عملیاتی شبیه‌سازی‌شده به‌سرعت آشکار می‌کردند. رهبرانی مانند اوکالاهان می‌توانستند از این چرخه‌ی منظم توسعه و رزمایش به‌عنوان فرصتی برای تحول هم‌زمان عملیات یگان و توانمندی‌های فنی بهره ببرند.

«هوش مصنوعی را جوری نمی‌خری که مهمات می‌خری.»

— سرهنگ درو کوکور^۱۳

رویکرد DevSecOps واکنش سریع به تغییرات محیط عملیاتی را ممکن کرد. برای نمونه، سربازان تجربه‌ای را روایت کردند که در آن متوجه افت عملکرد الگوریتم در پی تغییر شرایط جوی شدند. الگوریتم همچنان کار می‌کرد، اما سربازان می‌دانستند می‌توان بهترش کرد و توانستند با توسعه‌دهندگان مشورت کنند و به‌سرعت روی بهبود عملکرد الگوریتم در شرایط جوی گوناگون تکرار کنند.

درس آموخته: تکرار سریع و رویکرد DevSecOps

MSS باید پیوسته تحول یابد تا برتری‌های فناورانه‌ی تازه را از آنِ خود کند و به چالش‌های عملیاتی تازه واکنش نشان دهد. این تحول پیوسته هم بر یگان نظامی اثر می‌گذارد و هم بر توسعه‌دهندگان، و برای هم‌گام‌ماندن به فرایندی ساختارمند مانند DevSecOps نیاز دارد. وقتی این فرایند درست کار کند، امکان هم‌تحولی سریع فناوری و فرایندها را برای رسیدن به اثری سنجش‌پذیر فراهم می‌آورد.

رویکرد DevSecOps به عادی‌سازی ورود سریع، خروج سریع و به‌روزرسانی شرکت‌های ارائه‌دهنده‌ی الگوریتم و راه‌حل نرم‌افزاری هم کمک کرد. نکته‌ی حیاتی آنکه این فرایند را پیمانکار دفاعی ECS Federal مدیریت می‌کرد؛ شرکتی که در نقش یکپارچه‌ساز سامانه عمل می‌کرد و با تکیه بر بازخورد رزمندگان و برنامه، به شناسایی و ورود سریع بهترین توسعه‌دهندگان ممکن کمک می‌کرد. ECS Federal با موفقیت گستره‌ای از شرکت‌های پیشرو در خدمات و توسعه‌ی هوش مصنوعی را وارد کار کرد (و در مقاطعی خارج کرد). این شرکت‌ها هم غول‌هایی مانند AWS، IBM، Maxar، Microsoft، Raytheon و Sierra Nevada Corporation و در مقطعی Palantir را در بر می‌گرفتند (که بعدتر با تبدیل‌شدن به فروشنده‌ی اصلی نرم‌افزار رابط کاربری و گردش‌کار، در کنار ECS به پیمانکار اصلی مشترک ارتقا یافت) و هم شرکت‌های کوچک‌تری مانند Black Cape, Inc.، Clarifai و CrowdAI.^۱۴

برای تسهیل ورود و خروج سریع این شرکت‌های تازه، ECS روی شبکه‌ای که پیش‌تر برای تسهیل اشتراک‌گذاری اطلاعات در افغانستان، عراق و لیبی ساخته بود کار کرد و آن را بهبود داد؛ شبکه‌ای به نام «شبکه‌ی امن غیرطبقه‌بندی‌شده» (SUNet).^۱۵ این شبکه ساخت محفظه‌های مجازی را ممکن می‌کرد که به شرکای بین‌سازمانی و ائتلافی اجازه می‌داد امن همکاری کنند، اطلاعات، تحلیل‌ها و خدمات نرم‌افزاری را به اشتراک بگذارند و «مجموعه‌داده‌ها و تحلیل‌های ویژه‌ی مأموریت را تهیه، توسعه و مستقر کنند؛ داده‌هایی که می‌توان میان چند محفظه به اشتراک گذاشت یا بر پایه‌ی الزامات مأموریت محدود کرد».^۱۶ در کنار شرکت‌هایی که خدمات داده و توسعه می‌دادند، شرکت MORSE Corporation هم استخدام شد تا فرایندی پیوسته برای آزمون و ارزیابی پیاده کند که پشتیبان چرخه‌ی DevSecOps باشد.^۱۷ این شرکت‌های خصوصی هم برای نیازهای رزمندگان و هم برای توانمندی‌های توسعه‌دهندگان نقش تقویت‌کننده و مترجم را بازی می‌کردند. در حضورمان در رزمایش‌های اژدهای سرخ هم آشکار بود که اوکالاهان و رهبران کلیدی‌اش پیوسته مشارکت‌کنندگان صنعتی را به اپراتورهای جویای راه‌حل وصل می‌کنند و به هر دو طرف می‌آموزند چگونه بهتر همکاری کنند.

سرانجام، بخشی از پیوند موفق میان توسعه‌دهندگان و اپراتورها حاصل جاسازی «مهندسان میدانی» صنعت در رزمایش‌ها و نیز اعزام‌های سپاه هجدهم هوابرد بود. برای نمونه، در جریان رزمایش‌های اژدهای سرخ، تیم ما چند مهندس خدمات میدانی را دید که دوشادوش سربازان و تفنگداران دریایی کار می‌کردند، کار با سامانه را به آن‌ها می‌آموختند و هم‌زمان بازخورد درباره‌ی ویژگی‌های مفید و آزاردهنده گرد می‌آوردند. همچنین فرصت یافتیم با مهندسان خدمات میدانی Palantir مصاحبه کنیم که با سپاه هجدهم هوابرد در فورت لیبرتی کارولینای شمالی و در چند اعزام برون‌مرزی این یگان کار کرده بودند. این مهندسان باور خود را چنین بازگو کردند که پیوند نزدیک‌شان با اپراتورها به آن‌ها امکان می‌داد سریع‌تر و مؤثرتر روی سامانه تکرار کنند. افزون بر این، تعامل مستقیم با سربازان، مهندسان را به مأموریت و آدم‌های سپاه هجدهم هوابرد پیوند محکم‌تری می‌داد.

رهبران دولتی و صنعتی هر دو بارها پیوند میان اپراتورها و توسعه‌دهندگان را عامل کلیدی موفقیت خواندند. رویارویی توسعه‌دهندگان با اپراتورها احتمالاً به همان ویژگی‌هایی انجامیده که فرماندهان وزارت دفاع مرتب برجسته می‌کنند: رابط کاربری شهودی، گردش‌کاری که فرایندهای استاندارد سپاه هجدهم هوابرد را تکمیل می‌کند، و ویژگی‌های اشتراک اطلاعات که تبادل کارآمدتر اطلاعات حساس با متحدان و شرکای بین‌المللی را ممکن می‌سازد.

درس آموخته: مهندسی جاسازی‌شده

ترجمه‌ی نیازها و گردش‌کارهای نظامی به زبان توسعه‌دهندگان فناوری دشوار است، و توضیح فرصت‌های فناورانه‌ی تازه برای اپراتورهایی که با فناوری‌های نو آشنا نیستند هم به همان اندازه دشوار. جاسازی توسعه‌دهندگان در کنار اپراتورها، هم در رزمایش‌ها و هم در عملیات واقعی، به پرکردن شکاف‌ها و رفع سوءتفاهم‌ها کمک کرد و به توسعه‌ی فناورانه‌ی سریع و پرتأثیر انجامید.

رویکردهای انعطاف‌پذیر در قرارداد، تأمین مالی و مدیریت ریسک

گزارش‌های قراردادی و مصاحبه با اعضای سپاه هجدهم هوابرد، DIU و دفتر معاون وزیر دفاع در امور اطلاعات و امنیت (OUSD(I&S)) روشن کرد که ماون و اژدهای سرخ از سازوکارهای قراردادی معینی بهره برده‌اند؛ از جمله یک BAA از سوی ARL که ۷۰٪ بودجه را تأمین می‌کرد.^۱۸ افزون بر BAA، تیم از «اختیارات معاملات دیگر» (OTA) و سایر توافق‌های پژوهش و توسعه مانند «توافق‌های پژوهش و توسعه‌ی مشارکتی» (CRADA)، «توافق‌های سرمایه‌گذاری فناوری» (TIA) و «توافق‌های واسط مشارکت» (PIA) استفاده کرد.^۱۹ تیم فروشندگانی که به MSS کمک می‌کردند از رهگذر ECS Federal گسترده‌تر هم شد؛ شرکتی که چنان‌که گفتیم می‌توانست به‌سرعت با فروشندگان قرارداد فرعی ببندد تا اهداف مشخصی را در یک مارپیچ نودروزه‌ی DevSecOps محقق کند. افزون بر این، دیدیم گزارش‌های خبری از رزمایش‌های اژدهای سرخ نام فروشندگانی را می‌برند که مستقیماً به MSS مربوط نبودند؛ گمان می‌کنیم این فروشندگان احتمالاً از طرف یکی از یگان‌های نظامی حاضر در یک نمایش یا رزمایش مشارکت کرده‌اند. روی‌هم‌رفته، AWCFT و سپاه هجدهم هوابرد از چند ابزار قراردادی بهره گرفتند تا تیمی از فروشندگان را بپرورانند و نگه دارند که بتواند به‌سرعت راه‌حل‌های نرم‌افزاری را برای نیازهای عملیاتی تکرار و تحویل کند.

انعطاف BAAها، TIAها، PIAها و CRADAها، همراه با قراردادهای فرعی‌ای که ECS مدیریت می‌کرد، به برنامه توان اجرای یک فرایند رقابتی DevSecOps را هم داد. چنان‌که پیش‌تر گفتیم، برنامه در چارچوب DevSecOps اهداف توسعه را به‌شکل تکرارشونده تعیین می‌کرد و هرگاه به سود کار بود، چند فروشنده را برای یک وظیفه‌ی واحد می‌گمارد تا رویکردهای متفاوت آزموده شود. مصاحبه‌ها تأیید کرد که این کار در مقاطعی دو توسعه‌دهنده‌ی رابط کاربری/تجربه‌ی کاربری، دو ارائه‌دهنده‌ی خدمات ابری و نیز چند فروشنده‌ی الگوریتم بینایی ماشین را در بر می‌گرفت. مدیران وزارت دفاع، فروشندگان و اپراتورها همگی این چرخه‌ی سریع و رقابتی را ستودند و گفتند محیطی هم‌زمان همکارانه و رقابتی ساخته که به تکرارها و نتایج سریع انجامیده است.

«آنچه از زاویه‌ی آزمون‌وخطای پیوسته دیدیم این است که برگزاری چند رویداد به [سپاه هجدهم هوابرد] فرصت می‌دهد با فشار کمتری سراغ مسائل کوچک برود و آن‌ها را گام‌به‌گام حل کند. آن‌ها می‌توانند چیزی را همین‌طوری امتحان کنند، و همین کمک می‌کند بفهمند چه چیزی کار می‌کند و چه چیزی می‌تواند جواب بدهد.»

— سرگرد آدام شیندر، ناظر اژدهای سرخ، فرماندهی نوسازی مشترک ارتش آمریکا^۲۰

مدیریت قراردادها از سوی AWCFT چنان چشمگیر بود که از جایی غیرمنتظره تحسین گرفت: بازرس کل وزارت دفاع. بازرس کل در گزارشی در سال ۲۰۲۲ نوشت «تیم بین‌وظیفه‌ای جنگ الگوریتمی» قراردادهای خود را «با موفقیت رصد و مدیریت کرد» و تنها انتقادش که در عین حال توصیه‌ای تشویق‌آمیز به AWCFT بود، این بود که فرایندهایش را کامل‌تر مستند کند، «چون هوش مصنوعی و یادگیری ماشین فناوری‌ای نوظهور، پیچیده و پرشتاب است که به رصد نزدیک و شگردهای مدیریتی‌ای نیاز دارد که در رویه‌ها و بهترین تجربه‌های کنونی جامعه‌ی تدارکات وزارت دفاع نیامده‌اند».^۲۱ بزرگ‌ترین توصیه این بود که برنامه فرایندهایش را رسماً مستند کند تا دیگران در جامعه‌ی تدارکات و پشتیبانی هم از درس‌های آموخته‌ی AWCFT بهره ببرند.

درس آموخته: قرارداد برای تغییر

رشته‌ی مشترک این سازوکارهای قراردادی، انعطاف آن‌هاست که راه را برای آزمون‌وخطا باز می‌کند. این انعطاف به‌ویژه در توانمندساختن AWCFT برای چرخش از یک کاربرد اطلاعاتی در ارتش به‌سوی به‌کارگیری MSS در اژدهای سرخ سپاه هجدهم هوابرد نقشی تعیین‌کننده داشت، اما در فراهم آوردن امکان جذب فروشندگان تازه و فرایندهای سبک هنگام پیدایش وظایف یا فرصت‌های نو هم ثمر داد.

بازاری تجاری با انگیزه که فناوری‌های به‌سرعت بالغ‌شونده را پیاده می‌کند

رهبری، قراردادهای انعطاف‌پذیر و دسترسی به محیط عملیاتی شرایط بنیادین موفقیت را ساختند، اما بدون شرکت‌های فناوری‌ای که نیازهای رزمندگان را در چارچوب DevSecOps کارآمد به راه‌حل نرم‌افزاری برمی‌گرداندند، کافی نبودند. درس‌های آموخته از تلاش‌های واکنش سریع برای تزریق فناوری اغلب بر خود فناوری متمرکزند، اما یافته‌ی چشمگیر مطالعه‌ی موردی اژدهای سرخ، نقش به‌شکلی کم‌نظیر مهمِ شرکت‌های فناوری است، نه‌فقط به‌عنوان توسعه‌دهنده بلکه به‌عنوان مترجم و تسهیل‌گر برای شناسایی فرصت‌ها. این شرکت‌ها لازم بودند تا نیازهای اپراتورها را به توانمندی‌های فنی برگردانند، و تغییرات پرشتاب حوزه‌ی هوش مصنوعی در طول پروژه کارشان را پیچیده‌تر می‌کرد. با توجه به نقش حیاتی این شرکت‌ها، فهم اینکه چگونه و چرا به MSS و به‌ویژه تلاش اژدهای سرخ پیوستند ارزش دارد.

تحلیلی کوتاه از شرکت‌هایی که در جریان پژوهش ما به‌عنوان پیمانکار یا پیمانکار فرعی نامشان آمد نشان می‌دهد بسیاری‌شان در آغاز برنامه در قراردادبستن با بخش دفاع نسبتاً تازه‌کار بودند. نزدیک به یک‌چهارم شرکت‌های نام‌برده در دهه‌ی گذشته بنیان گذاشته شده‌اند و اندکی کمتر از نیمی‌شان کمتر از پانصد کارمند دارند. این وضع در تضاد با پیمانکاران سنتی و اصلی دفاعی است که اغلب پنجاه تا صد سال است با وزارت دفاع کار می‌کنند و ده‌ها هزار کارمند دارند. چنان‌که پیش‌تر گفتیم، ارتش برای درگیرکردن برخی از این فروشندگان تازه در پروژه و ساختن فضایی امن برای آزمون‌وخطا ناچار شد از SUNet بهره بگیرد.

درس آموخته: کاهش هرچه بیشتر موانع ورود فروشندگان روبه‌رشد هوش مصنوعی و نرم‌افزار

محفظه‌های شبکه‌ی عمومی، زمان ورود شرکت‌های تازه را کوتاه‌تر کردند. فرایندهای ساده‌سازی‌شده هم تصمیم کسب‌وکاری برای پیوستن به این تلاش را برای فروشندگانی که به کارکردن با وزارت دفاع عادت ندارند سرراست‌تر کرد.

پیوستن به MSS برای بیشتر شرکت‌ها، به‌ویژه استارتاپ‌ها، تصمیم بدیهی‌ای در کسب‌وکار نبود. تأمین مالی‌اش عمدتاً از راه سازوکارهای موقت و آزمایشی انجام می‌شد و نه نقطه‌ی تماس واحدی در کار بود و نه دفتر برنامه‌ی باتجربه‌ای. کسب‌وکارها احتمالاً این را هم می‌دانستند که هرچند پنتاگون هزینه‌ی تلاش‌هایشان را می‌پردازد، خودِ نسخه‌ی اژدهای سرخِ MSS «برنامه‌ی ثبت‌شده»ای با بودجه‌ی بلندمدت تضمین‌شده نیست. امروز بخشی از پروژه‌ی اصلی زیر نظر AWCFT به‌عنوان یک برنامه‌ی ثبت‌شده به NGA منتقل شده است، اما بنا بر مصاحبه‌ها، بخشی از بودجه‌ی لازم برای تحول MSS از «دفتر ارشد دیجیتال و هوش مصنوعی» وزارت دفاع (CDAO) تأمین می‌شود.

از سوی دیگر، آهنگ عملیاتی سپاه هجدهم هوابرد، رویکرد DevSecOpsش، سازوکارهای انعطاف‌پذیر قراردادی و حتی چشم‌انداز دورماندن از فرایندهای قابل‌پیش‌بینی دفتر برنامه، جذاب می‌نمود؛ به‌ویژه از آن رو که پیمانکاران در مصاحبه‌هایشان همین ویژگی‌ها را نقاط درخشان برنامه خواندند. افزون بر این، مصاحبه با نمایندگان شرکت‌ها و نیز کوکور و اوکالاهان نشان داد این پروژه‌ها در مواردی برای شرکت‌ها سودآور نبوده‌اند، و در مواردی دیگر شرکت‌ها بدون هیچ وعده‌ی مکتوبی برای پرداخت از سوی دولت، سرمایه‌گذاری چشمگیری کرده‌اند تا بهبودهای بالقوه‌ی سامانه را کشف کنند و بیازمایند.

«راستش ما در یک مسابقه‌ی تسلیحاتی هوش مصنوعی هستیم، و این مسابقه در صنعت جریان دارد… من زیست‌بومی از فروشندگان می‌بینم… [که در آن] هنوز فروشندگان بزرگ صنعت دفاعی را داریم که ستون فقرات سامانه‌ی تسلیحاتی را تأمین می‌کنند، و یک زیست‌بوم کاملاً دیگر از شرکت‌های نرم‌افزاری بسیار سریع… که می‌توانند این الگوریتم‌ها را به سکوهای ما بیاورند.»

— سرهنگ درو کوکور^۲۲

هر شرکتی که به تلاش‌های توسعه‌ی MSS می‌پیوندد، اگر بخواهد در اقتصاد بازار دوام بیاورد باید پول بگیرد، اما مصاحبه با نمایندگان دولت و شرکت‌ها به‌یکسان روشن کرد که حس مأموریت و علاقه به مسائل فنی چالش‌برانگیز هم محرک رفتار شرکت‌ها بوده است. در مصاحبه‌ها، کارکنانی که به توسعه‌ی MSS کمک کرده بودند به‌روشنی شور و غرور خود را از کارکردن با سربازان سپاه هجدهم هوابرد در رزمایش‌های اژدهای سرخ، و نیز اشتیاق‌شان را برای اعزام به خارج در پشتیبانی از مأموریت‌های این یگان بازگو کردند. به همین ترتیب، کارکنان و ناظران دولتی گزارش دادند دشواری فنی پروژه برای شرکت‌ها فرصتی فراهم کرده بود تا توانمندی‌های خود را بیازمایند، بیاموزند و محصولاتشان را بهبود دهند.

هرچند قراردادها و علاقه به مأموریت و پیچیدگی فنی انگیزه‌ی شرکت‌ها بود، آن‌ها گزارش کردند که برای کارکردن «با ریسک خود» برای دولت — یا هنگامی که می‌خواستند بهبودهای فنی بالقوه مفیدی را برای MSS و سپاه هجدهم هوابرد بیازمایند — از منابع داخلی خود هم مایه گذاشته‌اند. اینکه شرکت‌ها در مقاطعی بدون اطمینان از دریافت پول کار را پذیرفته‌اند، آن هم برای برنامه‌ای که بودجه‌ی تضمین‌شده ندارد، تصمیم کسب‌وکاری دشواری‌ست. نیاز به هزینه‌کردن از منابع داخلی تجملی‌ست که لزوماً همه‌ی شرکت‌ها از آن برخوردار نیستند و می‌تواند شرکای تجاری‌ای مانند استارتاپ‌ها را دلسرد کند؛ شرکایی که ممکن است درآمد مطمئن‌تر از مشتریان دیگر را ترجیح دهند.

درس آموخته: شرکت‌های فناوری حاضرند برای انجام مأموریت انعطاف نشان دهند، اما این انعطاف ریسکی دارد که همه‌ی شرکت‌ها از پس آن برنمی‌آیند

رفتار شرکت‌های فعال روی MSS نشان می‌دهد آن‌ها حاضرند صادقانه مشارکت کنند و ریسک بپذیرند، یا حتی زیان موقت را تحمل کنند، آنجا که پای مأموریتی فوری یا مسئله‌ای فنی و به‌ویژه جالب در میان باشد. این پیش‌فرض که شرکت‌ها «فقط دنبال پولش بودند» نه‌تنها نادرست بود، بلکه بر شور کارکنان شرکت‌های فناوری اثر گذاشت. با این همه، بیشتر شرکت‌های فعال روی MSS متوسط بودند و بسیاری‌شان دست‌کم پنج سال سابقه‌ی فعالیت داشتند. شرکت‌های کمتر جاافتاده ممکن است در موقعیت مالی پیمانکاران اژدهای سرخ نباشند که بتوانند برای دولت ریسک تجاری بپذیرند.

چالش‌ها

مورخان دست‌کم از سال‌های میان دو جنگ جهانی چالش‌های نوآوری نظامی را مطالعه کرده‌اند و متأسفانه بسیاری از مشاهده‌های تاریخی هنوز هم در مورد MSS و رزمایش‌های اژدهای سرخ صدق می‌کند.^۲۳ چالش‌های MSS و اژدهای سرخ عبارت‌اند از محافظه‌کاری نهادی که انگیزه را از نوآوران می‌گیرد، ساختارهای سازمانی‌ای که بذر تنگ‌نظری صنفی می‌کارند، بدبینی به فناوری‌های تازه (و در این مورد، به پیمانکاران ارائه‌دهنده‌ی آن فناوری)، و سرانجام — و شاید متفاوت‌ترین‌شان با پیشینه‌های تاریخی — ریسک‌های درآمدی که مشارکت کسب‌وکارهای تجاری را فرو می‌نشاند.

واکنش‌های نهادی به تغییر و انگیزه‌بخشی به نوآوران

کسانی که توسعه‌ی MSS و رزمایش‌های اژدهای سرخ را رهبری و اجرا کردند — فراتر از افرادی که در این نوشتار برجسته شدند — فرایندهای معمول وزارت دفاع را به چالش کشیدند و از مرزهای سازمانی به شیوه‌هایی گذشتند که اصطکاک سازمانی و میان‌فردی آفرید. مصاحبه‌ها نشان داد تغییر مسیر برنامه‌ی MSS از کاربردهای اطلاعاتی به کاربردهای پشتیبانی آتش، این دو جامعه‌ی متفاوت را در تنش با یکدیگر قرار داد. افزون بر این، اجرای سریع قراردادها با فروشندگان تازه، وضع موجودِ مبتنی بر مشورت و تأمل در پنتاگون را به‌گونه‌ای بر هم زد که پرسش‌برانگیز شد.^۲۴ دشواری‌های دیرینه‌ی «برهم‌زننده» بودن در ارتش — نهادی ذاتاً محافظه‌کار — شگفت‌آور نیست، هرچند ارزش دارد بیندیشیم پنتاگون در روزگار دگرگونی پرشتاب فناوری چگونه می‌تواند از این برهم‌زنندگان پشتیبانی و حمایت کند.

پیوند دادن اطلاعات و عملیات

اصطکاک دیگری که در مصاحبه‌ها آشکار بود و مشاهده‌های گذشته درباره‌ی تنگ‌نظری صنفی میان یگان‌ها یا نیروها را به یاد می‌آورد، دشواری یکپارچه‌سازی کارکردهای اطلاعاتی و عملیاتی بود.^۲۵ بخشی از این اصطکاک‌ها به تفاوت نیازها، فرایندها و خروجی‌های این دو جامعه بازمی‌گشت، اما بخشی هم احتمالاً مالی بود. تغییر کانون تمرکز AWCFT (فناوری و بودجه) از تحلیل اطلاعاتی به‌سوی عملیات توپخانه‌ی سپاه هجدهم هوابرد، به بهای کنارگذاشتن نقشه‌های اولیه‌ی جامعه‌ی اطلاعاتی برای آن بودجه تمام شد.

بدبینی به فناوری و پیمانکاران

جدا از چالش‌های درونی وزارت دفاع، پیمانکاران MSS در برخی از روابط خود با کارکنان دولتی اصطکاک‌هایی را شناسایی کردند. مدیران شرکت‌ها این اصطکاک‌ها را در قالب اینکه «فقط پیمانکار» یا «پیمانکار کثیف» دیده می‌شدند خلاصه کردند؛ درون‌مایه‌ای که شرکت‌های داوطلبِ کمک به واکنش در اوکراین هم آن را بازگو کرده‌اند.^۲۶ این اصطکاک شاید با بدبینی اولیه به سودمندی هوش مصنوعی برای آتش توپخانه هم هم‌زمان شده باشد؛ بدبینی‌ای که یکی از سربازان بی‌پرده چنین خلاصه‌اش کرد: «این کوفتی کار نمی‌کند».^۲۷ این دیدگاه‌ها موانع اولیه‌ای بودند که با تجربه از میان رفتند و بعدتر به چیزی پخته‌تر بدل شدند که می‌توان بدبینی موجه خواندش، آنجا که اپراتورها با مشاهده‌ی افت دقت، عامدانه الگوریتم‌ها را از کار انداختند.

ریسک کسب‌وکاری و مالی

شرکت‌ها پذیرفتند که اژدهای سرخ به آن‌ها فرصت داد توانمندی خود را به یک مشتری مهم وزارت دفاع نشان دهند، اما برای مشارکت در این پروژه ریسک‌های کسب‌وکاری و مالی هم پذیرفتند. چند نماینده‌ی دولتی هم این برداشت را بازگو کردند که برخی شرکت‌ها فراتر از سطح بودجه‌ی قراردادشان کار کرده‌اند. در سطح پایین‌تر این طیف ریسک، بودجه‌های پژوهش و توسعه‌ی داخلی قرار داشت که به توسعه‌ی فناوری‌ها یا شگردهای تازه برای رزمایش‌های اژدهای سرخ اختصاص می‌یافت. در مواردی دیگر شنیدیم که شرکت‌ها پیش از نهایی‌شدن قرارداد روی MSS برای کاربردهای سپاه هجدهم هوابرد کار می‌کرده‌اند. در موارد حادتر، از نمونه‌هایی شنیدیم که شرکت‌ها با زیان مالی در پروژه مشارکت کرده بودند؛ یا به این دریافت که پروژه برای امنیت ملی مهم است، یا از آن رو که چالش‌های فنی پروژه با آرمان‌های توسعه‌ی فنی خود شرکت هم‌خوان بود.

دلیلش هرچه باشد، اینکه در این‌همه مصاحبه شنیدیم شرکت‌ها پذیرفته‌اند با ریسک یا با زیان کار کنند، تصور «پیمانکار کثیف» را که پیش‌تر گفتیم نقض می‌کند. همه‌ی پیمانکاران در موقعیت مالی‌ای نیستند که بتوانند با ریسک یا با زیان کار کنند، و هیچ کسب‌وکاری در اقتصاد بازار مدت درازی بدون درآمد دوام نمی‌آورد. ناتوانی در بستن قرارداد کامل یا پرداخت کامل بهای توسعه‌ی فنی‌ای که MSS نیاز داشت، شاید مانع شده باشد برخی شرکت‌ها — به‌ویژه استارتاپ‌ها — در موقعیتی باشند که بتوانند سهمی ادا کنند.

نتیجه‌گیری و توصیه‌ها

MSS و رزمایش‌های اژدهای سرخ توان نوآوری از پایین به بالا را در برآوردن نیت رهبران بالادست نشان می‌دهند. اژدهای سرخ و سپاه هجدهم هوابرد به‌عنوان تجسمی جزئی از چشم‌انداز CJADC2 وزارت دفاع، سزاوار تحسین فراوان‌اند که فرصت به‌کارگیری فناوری نوظهور را برای یک چالش مهم عملیاتی از آنِ خود کردند. اما این تحسین باید نقش پشتیبانی نیرومند بالاترین سطوح رهبری غیرنظامی در پنتاگون و نیز حمایت از انعطاف و ریسک‌پذیری از سوی رهبران ارشد در سراسر وزارت دفاع و از درون بخش فناوری را هم به رسمیت بشناسد.

بسیاری از این درس‌های آموخته همان چیزی را تقویت می‌کنند که وزارت دفاع باید تا امروز درباره‌ی رهبری، انعطاف، اهمیت نگاه رزمنده و ارزش نوآوری بخش خصوصی می‌دانست. اما اژدهای سرخ بینش‌های یکتایی هم برای عملیاتی‌کردن نرم‌افزار و هوش مصنوعی پیش می‌گذارد:

MSS و اژدهای سرخ نمونه‌ای‌اند از پذیرش و تکرار سریع نرم‌افزار و هوش مصنوعی در وزارت دفاع. اینکه اژدهای سرخ به کارایی‌ای قابل‌مقایسه با بهترین دستاورد ارتش آمریکا در تاریخ اخیر رسید — آن هم با دو هزار نفر نیروی کمتر — باید انگیزه‌ای نیرومند برای آزمون‌وخطا و توسعه‌ی مسئولانه در آینده باشد. برای بهره‌گیری از این ظرفیت، وزارت دفاع باید با رسیدگی به موانع فرهنگی، رویه‌ای، آموزشی و قراردادی، شرایطی فراهم کند که رهبران آینده‌نگر در شرکت‌های فناوری و یگان‌های نظامی راه‌حل‌های تازه بسازند. هم‌زمان، هم ارتش و هم بخش خصوصی باید رهبران آینده‌نگر بیشتری را که آماده‌ی آفریدن نسل بعدی نوآوری‌ها برای امنیت ملی باشند تشویق، تربیت و حفظ کنند.

نویسنده

امیلیا اس. پروباسکو (Emelia S. Probasco) پژوهشگر ارشد CSET است.

سپاسگزاری

این نوشتار حاصل همکاری‌ای پیوسته و یک تفاهم‌نامه (MOU) میان CSET، آزمایشگاه فیزیک کاربردی دانشگاه جانز هاپکینز (JHU-APL) و سپاه هجدهم هوابرد است. نویسنده مایل است از سهم چشمگیر دیگر اعضای پروژه قدردانی کند: کریستین فاکس، آلن براون و تونی متنی از JHU-APL، و ایگور میکولیچ-تورریا از CSET.

این پروژه بدون پشتیبانی سپاه هجدهم هوابرد ممکن نمی‌شد؛ یگانی که داده‌های سامانه‌ی MSS را در اختیار گذاشت و به اعضای تیم پروژه اجازه‌ی حضور در رویدادهای آموزشی داد. به‌ویژه، پروژه سپاسگزار جوزف اوکالاهان، زک رایلی و برد کلبی جردن است که سخاوتمندانه وقت خود را صرف مصاحبه‌های متعدد کردند.

افزون بر این، نویسنده از همه‌ی کسانی که بینش‌ها و تجربه‌های خود از کار با پروژه ماون، MSS و اژدهای سرخ را در میان گذاشتند سپاسگزار است؛ از جمله آکاش جین، آنا روبینشتاین، باب هیگن، سی. آنتونی فاف، کم استنلی، چارلز استیونز، کالین گیدوس، دن کلر، کرت کمبل، جاش ولنر، جرد دانمون، شنون کلارک، درو کوکور و جیسون براون. همچنین از جان آسکوناس، جیسون براون، اوون دنیلز، شلتون فیچ، مت ماهونی و هلن تونر برای بازخورد، بازبینی ویراستارانه و پشتیبانی ویرایشی سپاسگزار است.

© ۲۰۲۴ از سوی مرکز امنیت و فناوری‌های نوظهور. این اثر تحت پروانه‌ی Creative Commons Attribution-NonCommercial 4.0 International منتشر شده است. شناسه‌ی سند: doi: 10.51593/20240014

یادداشت‌ها

  1. Chad Heitzenrater, Bradley Wilson, Sydne J. Newberry, Sarah W. Denton, James Ryseff, Jeff Broughton, “Lessons Learned from the Algorithmic Warfare Cross-Functional Team — Project Maven,” RAND Corporation, 2023.
  2. David Barno and Nora Bensahel,Adaptation Under Fire: How Militaries Change in Wartime, New York: Oxford University Press, 2020; Liam S. Collins, “Military Innovation in War: The Criticality of the Senior Military Leader,” Princeton University, 2014, http://arks.princeton.edu/ark:/88435/dsp01br86b3727; Jonathan Askonas, “Adapt or Die: Lessons Learned for U.S. Army Quick Reaction Capability Organizations,” Author’s draft, U.S. Army Asymmetric Warfare Group History & Lessons Learned Project; and Shara Williams, Jeffrey A. Drezner, Megan McKernan, Douglas Shontz, and Jerry M. Sollinger, “Rapid Acquisition of Army Command and Control Systems,” RAND Arroyo Center, 2014, https://www.rand.org/pubs/research_reports/RR274.html.
  3. Osvaldo Fuentes, “Data-centric exercise showcases joint capabilities, lethality,” U.S. Army, February 6, 2023, https://www.army.mil/article/263764/data_centric_exercise_showcases_joint_capabilities_lethality.
  4. Theresa Hitchens, “Army, NRO Pioneer Direct Sat Imagery Downlink In ‘Scarlet Dragon,’” Breaking Defense, October 11, 2021, https://breakingdefense.com/2021/10/army-nro-pioneer-direct-sat-imagery-downlink-in-scarlet-dragon/.
  5. Jane Edwards, “Army Conducts AI-Enabled Target Identification Exercise Under Scarlet Dragon Program; Lt. Gen. Erik Kurilla Quoted,” ExecutiveGov, October 6, 2021, https://executivegov.com/2021/10/army-conducts-ai-enabled-target-identification-exercise-under-scarlet-dragon/.
  6. Osvaldo Fuentes, “Data-centric exercise showcases joint capabilities, lethality,” U.S. Army, February 6, 2023, https://www.army.mil/article/263764/data_centric_exercise_showcases_joint_capabilities_lethality.
  7. Jonathan Jay Koester, “Modernization leaders use Scarlet Dragon exercise to continue Project Convergence campaign of continuous learning,” U.S. Army, Feb 13, 2023, https://www.army.mil/article/263951/modernization_leaders_use_scarlet_dragon_exercise_to_continue_project_convergence_campaign_of_continuous_learning.
  8. با بازبینی داده‌های سال‌های ۲۰۱۸ تا ۲۰۲۳ که در اختیار نویسندگان بود و اعتبارسنجی آن از راه usaspending.gov و مصاحبه‌های متعدد، مشارکت ۲۱ شرکت را تأیید می‌کنیم. با این حال، برخی مصاحبه‌ها حاکی از آن بود که تا ۷۰ شرکت در ساخت MSS نقش داشته‌اند.
  9. “Colonel Drew Cukor, USMC,” GovExec, https://cdn.govexec.com/media/kmc/cukor_bio1.pdf.
  10. نگاه کنید به Drew Cukor, “Operate to Know,” National Defense University thesis, 2014؛ و John M. Graham, Kathleen M. Carley, and Drew Cukor, “Intelligence Database Creation and Analysis: Network-Based Text Analysis versus Human Cognition,” Proceedings of the 41st Annual Hawaii International Conference on System Sciences (HICSS 2008), Waikoloa, HI, USA, 2008, pp. 76-76, doi: 10.1109/HICSS.2008.213.
  11. Robert Work, “Establishment of the Algorithmic Warfare Cross Functional Team (Project Maven),” April 26, 2017.
  12. Rachel Riley, “18th Airborne Corps’ Unit Returns to Bragg After Eight-Month Deployment,” The Fayetteville Observer, October 19, 2022, https://www.fayobserver.com/story/news/military/2022/10/19/18th-airborne-corps-units-return-to-fort-bragg-from-europe-deployment/69569777007/.
  13. Cheryl Pellerin, “Project Maven to Deploy Computer Algorithms to War Zone by Year’s End,” U.S. Department of Defense, DOD News, July 21, 2017, https://www.defense.gov/News/News-Stories/Article/Article/1254719/project-maven-to-deploy-computer-algorithms-to-war-zone-by-years-end/.
  14. Palantir کار خود را به‌عنوان پیمانکار فرعی ECS Federal آغاز کرد و بعدتر قراردادی مستقیم برای این پروژه برد. شرکت‌های فهرست‌شده در قرارداد W911QX21C0022 در USASpending.gov آمده‌اند.
  15. نگاه کنید به قراردادهای W911QX17D0012 و W911QX17D0010 در USASpending.gov.
  16. Brian Stanton, et al., “US Army Artificial Intelligence Innovation Institute (A2I2) Aiding Multi-Domain Operations (MDO),” ARL-TR-8992 DEVCOM Army Research Laboratory, July 2020, https://apps.dtic.mil/sti/citations/AD1104260.
  17. Morse Corps., “JAIC Selects MORSE for AI Test and Evaluation Effort With $250 Million Ceiling,” February 10, 2022, https://www.morsecorp.com/pressrelease.html?prId=pr_02_10_2022.
  18. Government Accountability Office, “Artificial Intelligence: Status of Developing and Acquiring Capabilities for Weapon Systems,” February 2022, https://www.gao.gov/products/gao-22-104765.
  19. برای اطلاعات بیشتر درباره‌ی این‌گونه توافق‌ها نگاه کنید به: “R&D Agreements | Adaptive Acquisition Framework,” دسترسی در ۲۹ ژوئیه ۲۰۲۴، https://aaf.dau.edu/aaf/contracting-cone/rd-agreements/.
  20. Jonathan Jay Koester, “JMC answers call for Persistent Experimentation,” U.S. Army, https://www.army.mil/article/269729/jmc_answers_call_for_persistent_experimentation.
  21. U.S. Department of Defense Inspector General, Report No. DODIG-2022-049 “(U) Evaluation of Contract Monitoring and Management for Project Maven,” January 6, 2022.
  22. Jon Harper, “Pentagon Struggling To Take Advantage Of Artificial Intelligence,” National Defense, Vol. 102, No. 766 (September 2017), pp. 24-25.
  23. David E. Johnson,Fast Tanks and Heavy Bombers: Innovation in the U.S. Army, 1917–1945, Cornell University Press, 1998.
  24. این برنامه چنان توجهی جلب کرد که موضوع دو گزارش بازرس کل شد. هر دو گزارش تا حد زیادی ارزش رویکرد AWCFT در توسعه‌ی MSS را تأیید می‌کنند. نگاه کنید به U.S. Department of Defense Inspector General, Report No. DODIG-2022-049 “(U) Evaluation of Contract Monitoring and Management for Project Maven,” January 6, 2022؛ و U.S. Department of Defense Inspector General, Report No. DODIG-2023-044 “(U) Evaluation of Cybersecurity Controls on the DoD’s Secure Unclassified Network,” January 12, 2023.
  25. David E. Johnson,Fast Tanks and Heavy Bombers: Innovation in the U.S. Army, 1917–1945, Cornell University Press, 1998.
  26. نگاه کنید به Christine H. Fox and Emelia S. Probasco, “Volunteer Force,” Center for Security and Emerging Technology, May 2023, https://cset.georgetown.edu/publication/volunteer-force/.
  27. Katrina Manson, “AI Warfare is Already Here,” Bloomberg Businessweek, February 28, 2024.
  28. U.S. Department of Defense, “CDAO Announces New Approach to Scaling Data, Analytics and AI Capabilities,” May 30, 2024, https://www.defense.gov/News/Releases/Release/Article/3791829/cdao-announces-new-approach-to-scaling-data-analytics-and-ai-capabilities/.
  29. Jason Brown، در نامه‌ای الکترونیکی به نویسنده، ۳۰ ژوئن ۲۰۲۴.

این نوشتار ترجمه‌ی کاملِ گزارش سیاستی CSET با عنوانِ «Building the Tech Coalition: How Project Maven and the U.S. 18th Airborne Corps Operationalized Software and Artificial Intelligence for the Department of Defense» (اوت ۲۰۲۴) به قلمِ Emelia S. Probasco است. مرکز امنیت و فناوری‌های نوظهور (CSET) یک سازمان پژوهش سیاستی در دانشکده‌ی خدمات خارجی والش دانشگاه جورج‌تاون است. متن اصلی تحت پروانه‌ی Creative Commons Attribution-NonCommercial 4.0 International منتشر شده و این ترجمه با استناد به همان پروانه و با ذکر مأخذ عرضه می‌شود.