چهار رکن رقابت نظامی در عصر هوش مصنوعی
این متن یک مقاله کاری از مؤسسه رند (RAND) است که در ژوئن ۲۰۲۵ منتشر شده و به بررسی این موضوع می‌پردازد که چگونه هوش مصنوعی (AI) می‌تواند ماهیت جنگ‌های آینده را تغییر دهد و آیا این تغییرات به منزله یک «انقلاب در امور نظامی» خواهد بود.
نویسندگان چهار «رقابت بلوک سازنده» عملیاتی اصلی را بررسی می‌کنند تا مزایای نسبی هوش مصنوعی را تعیین کنند: کیفیت در برابر کمیت، پنهان‌کننده در برابر یابنده، فرماندهی و کنترل (C2) متمرکز در برابر غیرمتمرکز، و حمله سایبری در برابر دفاع سایبری.
یافته‌های اصلی نشان می‌دهند که هوش مصنوعی احتمالاً مزیت نسبی کمیت را بر کیفیت افزایش می‌دهد، به پنهان‌کننده‌ها اجازه می‌دهد تا پیشرفتهای یابنده‌ها را خنثی کنند، و مزیت الگوی فرماندهی مأموریت (mission command) را تغییر نمی‌دهد، همچنین در بلندمدت می‌تواند بهره‌وری دفاع سایبری را افزایش دهد و ضعف‌های فعلی آن را برطرف کند.
این تحلیل همچنین به پیامدهای ثبات استراتژیک و لزوم تغییر در برنامه‌ریزی نیروها، از جمله سرمایه‌گذاری در ماشین‌های مه جنگ (Fog of War machines) و پایه‌های صنعتی برای تولید انبوه سیستم‌های روباتیک می‌پردازد.
چگونه هوش مصنوعی موازنه نسبی میان کمیت و کیفیت در توانمندی نظامی را تغییر خواهد داد؟
سؤال شما در مورد اینکه هوش مصنوعی چگونه توازن نسبی بین کمیت و کیفیت در توانمندی نظامی را تغییر خواهد داد، یکی از موضوعات اصلی است که توسط تحلیلگران بررسی شده است. منابع نشان می‌دهند که هوش مصنوعی احتمالاً مزیت نسبی بیشتری را به سمت کمیت (انبوه) در مقابل کیفیت سوق خواهد داد.
این تغییر، که به عنوان یکی از چهار رقابت اصلی “بلاک ساختمانی” در امور نظامی ارزیابی شده است، در درجه اول ناشی از چگونگی تأثیر هوش مصنوعی بر مقرون به صرفه بودن (cost-effectiveness) عملیات نظامی است.
در اینجا تشریح می‌شود که چگونه هوش مصنوعی این موازنه را تغییر می‌دهد:
۱. مزیت یافتن کمیت به دلیل کاهش هزینه‌ها و افزایش خودمختاری
فرض اصلی این است که خودمختاری بهبود یافته توسط هوش مصنوعی، میدان دادن به تعداد $N$ برابر بیشتر از پلتفرم‌ها را آسان‌تر می‌کند تا اینکه یک پلتفرم منفرد را $N$ برابر مؤثرتر سازد.
- کاهش محدودیت‌های انسانی و هزینه‌ها: پیشرفت‌ها در خودمختاری و رباتیک ممکن است امکان استقرار تعداد زیادی از پلتفرم‌ها در مقیاسی را فراهم کند که قبلاً از نظر مالی غیرعملی بود، بدون اینکه عملکرد به طور چشمگیری قربانی شود.
- افزایش صرفه جویی در هزینه: پلتفرم‌های نفیس و تسلیحات ممتاز همچنان نقش خواهند داشت، اما مزایای نسبی انبوه در عملیات نظامی احتمالاً افزایش خواهد یافت. هوش مصنوعی ممکن است هزینه‌های ناشی از نیاز به خلبانان ماهر (سرمایه انسانی) و الزامات نگهداری را کاهش دهد، زیرا پلتفرم‌های خودمختار مانند موشک‌ها خواهند بود که نیاز به استفاده منظم برای حفظ مهارت‌های انسانی ندارند.
- تولید انبوه مقرون به صرفه: هوش مصنوعی می‌تواند تولید را کارآمدتر کند؛ با بهینه‌سازی زنجیره‌های تأمین و پیشبرد تولید رباتیک، ساخت تسلیحات و پلتفرم‌ها سریع‌تر و ارزان‌تر می‌شود. این قابلیت تولید انبوه، امکان استقرار سیستم‌های ارزان‌تر و خودمختار را فراهم می‌آورد.
نکته کلیدی: منابع استدلال می‌کنند که تأثیر چشمگیر هوش مصنوعی ممکن است امکان ایجاد کمیت مقرون به صرفه به شکلی باشد که در گذشته ممکن نبوده است.
۲. قدرت بالای کمیت در برابر کیفیت بر اساس مدل‌های فرسایش
معادلات لانچستر (Lanchester equations) که نبردها را بر اساس فرسایش مدل‌سازی می‌کنند، نشان می‌دهند که کمیت از مزیت ساختاری قوی برخوردار است، به ویژه اگر این معادلات بتوانند دینامیک جنگ رباتیک خودمختار را بهتر از نبرد انسانی منعکس کنند.
- آستانه شکست: طبق قانون مربع لانچستر، پیشرفتهای کیفی باید به طرز نامتناسبی زیاد باشند تا بتوانند بر کمبود کمی غلبه کنند.
- مثال تاریخی و فرضی: بر اساس یک مثال تاریخی از جنگ جهانی دوم (Me 262 در برابر P-51D)، حتی یک مزیت کشندگی ۹ به ۱، تنها می‌تواند بر کمبود عددی ۳ به ۱ غلبه کند. این بدان معناست که اگر هوش مصنوعی بتواند بیش از ۳ برابر افزایش در کمیت سیستم‌هایی که حداقل ۱/۹ کشندگی سیستم‌های دشمن را دارند، فراهم کند، آن طرف با نیروی بزرگتر پیروز خواهد شد.
- نتیجه‌گیری مدل: استراتژی سرمایه‌گذاری برای ایجاد انبوهی از ربات‌های هوش مصنوعی “به اندازه کافی خوب” می‌تواند حریفی با عملکرد “فوق انسانی” را شکست دهد. به عبارت دیگر، یک نیروی ۴۰۱ پهپاد، نیروی ۲۰۰ پهپاد را شکست خواهد داد، حتی اگر ۲۰۰ پهپاد ۴ برابر کشنده‌تر باشند.
۳. نقش کیفیت (قابلیت‌های نفیس) در آینده
اگرچه هوش مصنوعی مزیت نسبی را به سمت کمیت سوق می‌دهد، اما همچنان کیفیت را در عملیات تاکتیکی بهبود خواهد بخشید.
- مزایای تاکتیکی هوش مصنوعی: هوش مصنوعی می‌تواند کیفیت هواپیماها را در درگیری‌های تاکتیکی افزایش دهد، زیرا می‌تواند سریع‌تر از خلبانان انسانی اطلاعات را ادغام، تحلیل و بر اساس آن عمل کند و مزیت تصمیم‌گیری کسب کند. همچنین می‌تواند تاکتیک‌هایی را فعال کند که برای خلبانان انسانی بیش از حد خطرناک یا خسته‌کننده هستند.
- حفظ پلتفرم‌های نفیس: پلتفرم‌ها و تسلیحات نفیس همچنان در نبردهای آینده نقش خواهند داشت، اما مزیت نسبی انبوه احتمالاً افزایش خواهد یافت. ایالات متحده نباید قابلیت‌های نفیس خود را به طور کامل کنار بگذارد، به خصوص در حوزه‌هایی که هنوز مزیت‌های بزرگی دارد (مانند جنگ زیردریایی).
۴. دلالت‌های استراتژیک
در دراز مدت، نظامیانی که به طور کامل تغییرات قابل توجهی در مفاهیم عملیاتی و ساختار نیروی خود را بپذیرند، نسبت به آنهایی که صرفاً از هوش مصنوعی برای بهبود تدریجی رویکردهای موجود خود استفاده می‌کنند، برتری خواهند داشت.
- خطر اتکا به کیفیت: اتکا به ساختارهای کوچک نیرویی با قابلیت‌های نفیس به سرعت در حال تبدیل شدن به یک مسئولیت است تا یک دارایی.
- رویکرد نوین: برنامه ریزی نیروها باید به سمت تأکید بسیار بیشتر بر کمیت متمایل شود، در حالی که ترکیب کیفیت بالا و پایین (high-low mix) حفظ گردد. این امر مستلزم تغییر ذهنیت در مورد ویژگی‌هایی است که باید در فرآیند تدارکات اولویت داده شوند؛ به عنوان مثال، احتمال کشتار فردی یک سلاح ممکن است کمتر از احتمال کشتار دسته‌جمعی مهم باشد.
- چالش زیرساخت صنعتی: برای تحقق پتانسیل انبوه، ایالات متحده باید پایگاه صنعتی دفاعی خود را مجدداً جهت‌دهی و تقویت کند، زیرا در حال حاضر بر ساخت قابلیت‌های نفیس در تعداد کم تمرکز دارد و در انجام آن در مقیاس بزرگ مشکل دارد.
تشبیه برای درک بهتر:
اگر موازنه نظامی سنتی مانند شطرنج بود (که در آن کیفیت و ارزش هر مهره تعیین کننده است)، هوش مصنوعی آن را به یک نبرد “هزینه-فرسایش” نزدیک‌تر می‌کند؛ گویی یک طرف می‌تواند هزاران سرباز رباتیک ارزان قیمت (که هر کدام به اندازه یک پیاده نظام ماهر هستند) را با سرعتی تولید کند که نیروی نخبه (مانند چند سوپر سرباز گران قیمت) طرف مقابل قادر به جایگزینی تلفات خود نیست، حتی اگر هر سوپر سرباز بتواند همزمان ده سرباز رباتیک را از پای درآورد. این تغییر هزینه و مقیاس است که موازنه را به نفع کمیت تغییر می‌دهد..
عامل هوش مصنوعی بر روی نسبی پنهان‌سازان در محیط برابر یابندگان در جنگی آینده چیست؟
تأثیر هوش مصنوعی (AI) بر مزیت نسبی پنهان‌کنندگان در برابر یابندگان در محیط جنگی آینده احتمالاً منجر به رقابتی بسیار پرچالش و مداوم بین اقدامات متقابل و اندازه‌گیری متقابل خواهد شد.
در حالی که پیشرفتهای هوش مصنوعی قابلیت‌های یابندگان را به‌طور مطلق تقویت می‌کند، این فناوری همچنین ابزارهای پیشرفتهای را برای پنهان‌کنندگان فراهم می‌آورد تا عدم قطعیت را به حداکثر برسانند و مزیت یابنده را خنثی کنند.
یافته‌های اصلی این رقابت که به عنوان یکی از چهار رقابت “بلاک ساختمانی” (building block) در امور نظامی ارزیابی می‌شود، حاکی از آن است که پنهان‌کاری پیچیده‌تر می‌تواند پیشرفتهای یابندگی را جبران کند.
مزیت هوش مصنوعی برای یابندگان (Finding)
تصور رایج این است که هوش مصنوعی به چند طریق به یابندگان کمک خواهد کرد:
- تلفیق اطلاعات و تحلیل داده: هوش مصنوعی از طریق سیستم‌های تلفیق اطلاعات (Information Fusion)، که حجم عظیمی از داده‌ها را از منابع مختلف ترکیب می‌کنند، می‌تواند تصویری دقیق‌تر و سریع‌تر از وضعیت میدان نبرد ارائه دهد. این امر تحلیل داده‌ها را با سرعت و مقیاسی خودکار می‌کند که برای تیم‌های تحلیلگر انسانی غیرعملی است.
- شبکه‌های حسگر انبوه: هوش مصنوعی می‌تواند به یابندگان کمک کند تا تعداد بسیار بیشتری از حسگرها را به میدان بیاورند، مانند “توری‌های هدف‌گیری” (targeting meshes) شامل صدها یا هزاران پهپاد مجهز به حسگرهای مختلف. خودمختاری (Autonomy) توانایی عملیات این دسته‌های بزرگ را تقویت می‌کند و گلوگاه‌های خلبانان ماهر انسانی را کاهش می‌دهد.
- تسریع زنجیره کشتار (Kill Chain): پیشرفتهای سنجشگری مبتنی بر هوش مصنوعی می‌توانند زنجیره کشتار (شامل یافتن، تثبیت، ردیابی، هدف‌گیری، درگیری و ارزیابی) را سریع‌تر و کشنده‌تر سازند، به‌ویژه با کمک به اتصال پیوندهای “یافتن” و “ردیابی” و همچنین کمک به مدیریت شبکه‌های نبرد که دارایی‌های ضربتی را برای درگیری با اهداف حساس به زمان به صف می‌کنند.
مزیت هوش مصنوعی برای پنهان‌کنندگان (Hiding)
استدلال محوری این است که پنهان‌کنندگان می‌توانند با استفاده از هوش مصنوعی برای توسعه “ماشین‌های مه جنگ” (Fog of War Machines)، پیشرفتهای یابندگی را خنثی کنند.
- ایجاد عدم قطعیت ساختاری: حل عدم قطعیت ذاتاً سخت‌تر از ایجاد عدم قطعیت است. سیستم‌های هوش مصنوعی یابنده باید برای حل یک معمای پیچیده محاسباتی (استدلال در شرایط عدم قطعیت/Information fusion) تلاش کنند، در حالی که هوش مصنوعی پنهان‌کننده صرفاً باید کار را برای یابنده سخت‌تر کند.
- این مسئله یک چالش ساختاری ایجاد می‌کند که حتی قدرتمندترین الگوریتم‌های هوش مصنوعی نیز نمی‌توانند آن را به‌طور کامل حل کنند.
- ماشین‌های مه جنگ: این ابزارهای هوش مصنوعی می‌توانند کمپین‌های فریب نظامی پیچیده‌ای را برنامه‌ریزی و اجرا کنند که سردرگمی و عدم قطعیت یابنده را به حداکثر می‌رساند. این شامل ترکیب تاکتیک‌های نظامی سنتی (مانند اختفا و پراکندگی) با فناوری‌های جدید می‌شود.
- استفاده از فریب انبوه: هوش مصنوعی می‌تواند ایجاد ماکت‌های ارزان‌تر و واقع‌بینانه‌تر (robotic decoys) را تسهیل کند. این ماکت‌ها و فریب‌های الکترونیکی می‌توانند با تعداد زیاد به‌کار گرفته شوند تا سیستم یابنده دشمن را اشباع و آلوده کنند.
- کاهش زمان برنامه‌ریزی فریب: هوش مصنوعی مولد (Generative AI) می‌تواند هزاران متخصص فریب انسانی را جایگزین کند و به عملیات فریب کمک کند تا در عرض هفته‌ها یا روزها به جای ماه‌ها، عملیاتی شوند.
شرایط تعیین‌کننده مزیت نسبی
این رقابت به شدت به بافت عملیاتی (Context) بستگی دارد و مزیت یکی بر دیگری ممکن است در شرایط مختلف تغییر کند. سه عامل مهم در تعیین برتری نسبی نقش دارند:
- جرم/انبوه (Mass): مزیت یابنده یا پنهان‌کننده به توانایی هر طرف در به‌کارگیری انبوه بستگی دارد. اگر یابنده بتواند تعداد حسگرهای بیشتری را به میدان بیاورد تا پنهان‌کننده بتواند ماکت، ممکن است یابنده عدم قطعیت ایجاد شده توسط فریب را کاهش دهد.
- همچنین، اگر یابنده بتواند با حجم کافی از مهمات هر چیزی را که احتمال واقعی بودن هدف دارد، هدف قرار دهد، ممکن است اهداف واقعی نابود شوند، هرچند این امر مالیات عملیاتی (operational tax) سنگینی را بر یابنده (مانند افشای پلتفرم‌های ضربتی یا مصرف ذخیره مهمات) تحمیل می‌کند.
- نوع اطلاعات پنهان‌شده: وظیفه پنهان‌کننده زمانی آسان‌تر است که به دنبال جلوگیری از کسب اطلاعاتی باشد که نیاز به دقت و قطعیت بالا دارند.
- حوزه هسته‌ای: در حوزه هسته‌ای، جایی که مهاجم برای یک ضربه خلع سلاح (disarming strike) باید تمام یا تقریباً تمام نیروهای هسته‌ای مدافع را با درجه بالایی از اطمینان پیدا کند، مزیت پنهان‌کننده بیشتر است. ماشین مه جنگ هوش مصنوعی می‌تواند “مکر و هرج و مرج” کافی ایجاد کند تا مهاجم از دستیابی به آن آستانه بالای موفقیت اطمینان نداشته باشد.
- حوزه متعارف: در جنگ‌های متعارف، نابودی درصد کمتری از نیروها (مانند ۶۰ درصد) می‌تواند افزایش مفیدی باشد.
- محیط فیزیکی: مناطق جستجوی وسیع‌تر و شلوغ‌تر (مانند مناطق شهری یا جنگلی) به نفع پنهان‌کاری هستند، زیرا ساختارهای فیزیکی بیشتری برای اختفا از حسگرها وجود دارد و فعالیت‌های بیشتری می‌تواند باعث هشدارهای کاذب شود. برعکس، مناطق کوچک‌تر و خالی‌تر (مانند صحرا یا آسمان) به نفع یابندگی هستند.
- چهار رکن رقابت نظامی در عصر هوش مصنوعی
نتیجه‌گیری
با فرض اینکه ارتش‌ها سرمایه‌گذاری‌های پایداری در قابلیت‌ها و تاکتیک‌های فریب انجام دهند، هوش مصنوعی این رقابت را فعال و ادامه‌دار نگه می‌دارد.
ارتش‌هایی که صرفاً بر ساختارهای نیروی کوچک‌تر با قابلیت‌های عالی تکیه می‌کنند، در معرض خطر هستند و باید فریب را در مرکز عملیات خود قرار دهند.
این رقابت مانند یک بازی موش و گربه بین دو استراتژی هوش مصنوعی است؛ هوش مصنوعی به یابنده یک دوربین فوق‌العاده می‌دهد، در حالی که به پنهان‌کننده یک سِت دکور صحنه با بودجه نامحدود و یک کارگردان نابغه برای مدیریت آن می‌دهد.
چگونه هوش مصنوعی اصول فرماندهی و کنترل ترکیبی (فرماندهی مأموریتی) را در عملیات نظامی تقویت می‌کند؟
پرسش شما بر این موضوع متمرکز است که چگونه پیشرفتهای هوش مصنوعی (AI) می‌توانند اصول فرماندهی و کنترل ترکیبی (Mission Command) را در عملیات نظامی تقویت کنند.
منابع موجود نشان می‌دهند که در محیط جنگی آینده، فرماندهی مأموریتی همچنان رویکرد غالب خواهد بود و هوش مصنوعی به جای جایگزینی، آن را تقویت خواهد کرد.
در اینجا تشریح می‌شود که هوش مصنوعی چگونه اصول فرماندهی مأموریتی را تقویت می‌کند و چرا این رویکرد ترکیبی (هیبریدی) همچنان بر سیستم‌های کاملاً متمرکز یا کاملاً غیرمتمرکز برتری خواهد داشت:
۱. بقای فرماندهی مأموریتی به عنوان رویکرد ترکیبی غالب
فرماندهی مأموریتی (Mission Command) رویکردی ترکیبی به فرماندهی و کنترل (C2) است که شامل تصمیم‌گیری متمرکز در سطوح بالا و در عین حال تفویض اختیار و توانمندسازی قضاوت زیردستان در تمام سطوح برای اجرای دستورات به شیوه‌ای است که متناسب با وضعیت باشد.
هوش مصنوعی دلیل اصلی برتری فرماندهی مأموریتی را تغییر نمی‌دهد: دلیل اصلی ترجیح فرماندهی مأموریتی این است که این رویکرد سازگاری را در مواجهه با عدم قطعیت به حداکثر می‌رساند و هیچ بازیگر واحدی به تمام اطلاعات لازم برای اتخاذ هر تصمیمی دسترسی ندارد.
- عدم تقارن اطلاعاتی: فرماندهی‌های سطح تئاتر (عملیاتی) آگاهی بیشتری از محیط عملیاتی کلی دارند، در حالی که فرماندهی‌های تاکتیکی خط مقدم، آگاهی بهتری از موقعیت تاکتیکی خاص خود دارند.
- محدودیت اصلی: عامل محدودکننده اصلی در بهبود C2، نه هوش بهتر یا تصمیم‌گیری سریع‌تر، بلکه انعطاف‌پذیری و دسترسی به پیوندهای ارتباطی بین نیروها است. بهبود هوش به طور ذاتی این مشکل دسترسی به اطلاعات را حل نمی‌کند.
بنابراین، افزایش توانایی استدلالی ماشین‌ها به طور اساسی این پویایی‌ها را تغییر نمی‌دهد؛ در نتیجه، فرماندهی مأموریتی در مقایسه با سایر رویکردها همچنان برتری نسبی خود را حفظ خواهد کرد.
۲. تقویت‌کننده‌های هوش مصنوعی برای فرماندهی مأموریتی
هوش مصنوعی به احتمال زیاد جایگزین فرماندهی مأموریتی نخواهد شد، بلکه برای تقویت و پشتیبانی از تصمیم‌گیری در داخل این ساختار ترکیبی عمل خواهد کرد.
الف) پشتیبانی از هماهنگی و همگام‌سازی پویا: یکی از مهم‌ترین تغییرات قابل دستیابی توسط هوش مصنوعی در فرماندهی مأموریتی، فعال‌سازی کنترل پویا (Dynamic Control) است. فرماندهی مأموریتی معمولاً برای مدیریت پیچیدگی، به مکانیسم‌های کنترلی سفت و سخت مانند طرح‌های عملیاتی از پیش تعیین‌شده متکی است. هوش مصنوعی می‌تواند کمک کند:
- مدیریت اصطکاک‌ها: هوش مصنوعی می‌تواند به کاهش اصطکاک‌هایی که قبلاً مانع از سازگاری در محل اجرای طرح‌های هماهنگی پیچیده می‌شدند، کمک کند.
- تنظیمات بلادرنگ: هوش مصنوعی می‌تواند تنظیمات بلادرنگ را در زمینه‌هایی مانند جنگ الکترونیک، رفع تداخل حریم هوایی و آتش، و مانورهای تاکتیکی پشتیبانی کند.
- تسریع تصمیمات متمرکز: هوش مصنوعی می‌تواند فرآیند زمان‌بر تبدیل تصمیمات استراتژیک به مأموریت‌های عملیاتی مشخص را تسریع بخشد.
ب) افزایش انعطاف‌پذیری شبکه‌های ارتباطی: بهبود شبکه‌های ارتباطی می‌تواند بازدهی بیشتری نسبت به بهبود هوش به همراه داشته باشد.
- شبکه‌های مقاوم‌تر: هوش مصنوعی می‌تواند شبکه‌های ارتباطی را مقاوم‌تر (Resilient) کند.
- سیستم‌های انبوه و توزیع‌شده: در عملیات دسته‌های پروازی (swarms) از سیستم‌های رباتیک، تحقیقات نشان داده است که افزودن مقادیر کمی اطلاعات بین عوامل شبکه‌ای، بهبودهای بزرگی در نتایج رزمی ایجاد می‌کند. هوش مصنوعی می‌تواند این رفتارهای تطبیقی در دسته‌های پروازی را مدیریت کند، حتی بدون نیاز به کنترل متمرکز.
ج) بهبود توانمندی‌های فرماندهی در سطوح مختلف: هوش مصنوعی می‌تواند هم رویکردهای متمرکز و هم غیرمتمرکز را تقویت کند:
- پشتیبانی از تصمیم‌گیری: هوش مصنوعی می‌تواند ابزارهای پشتیبانی از تصمیم را ارائه دهد که به فرماندهان کمک می‌کند تا محیط‌های خود را بهتر درک کنند، چندین مسیر عملیاتی (COAs) را شناسایی و ارزیابی کنند.
- تقویت کارکنان فرماندهی: این ابزارها به ویژه برای تقویت کارکنان فرماندهی کوچک‌تر که در تعداد پرسنل انسانی برای حل این مشکلات محدود هستند، مفید خواهد بود.
- مدیریت سیستم‌های خودمختار (Autonomous Systems): برای سیستم‌های بدون سرنشین که در محیط‌های الکترومغناطیسی مورد مناقشه فعالیت می‌کنند (جایی که پیوندهای فرکانس رادیویی برای کنترل انسانی مستقیم ممکن است مسدود شوند)، خودمختاری (Autonomy) فعال‌شده با هوش مصنوعی برای C2 حیاتی است.
نتیجه‌گیری
هوش مصنوعی قابلیت‌های مطلق معماری‌های C2 را افزایش خواهد داد، اما مزایای فرماندهی مأموریتی به دلیل عوامل ساختاری مانند محدودیت‌های اطلاعاتی و فیزیکی دسترسی و ارتباط، که توسط هوش مصنوعی تغییر نمی‌کنند، همچنان پابرجا خواهد بود.
بزرگترین مزایای هوش مصنوعی احتمالاً در کمک به ساخت و راه‌اندازی ستون فقرات خود سیستم C2 خواهد بود، که شبکه‌های ارتباطی را مقاوم‌تر کرده و پشتیبانی تصمیم‌گیری بهتری را فراهم می‌کند.
یک تشبیه برای درک بهتر: اگر فرماندهی مأموریتی را به عنوان یک تیم فوتبال در نظر بگیریم، هوش مصنوعی نقش سیستم‌های ارتباطی پیشرفته و کمک‌داور ویدئویی (VAR) را بازی می‌کند.
VAR (هوش مصنوعی) نمی‌تواند وظیفه مربی (فرماندهی متمرکز) یا تصمیم‌گیری سریع بازیکنان در زمین (اجرای غیرمتمرکز) را جایگزین کند.
اما VAR می‌تواند در کسری از ثانیه، اطلاعاتی را پردازش کند که برای یک انسان غیرممکن است، به مربی کمک کند تا طرح کلی بازی را در میانه مسابقه سریع‌تر تنظیم کند و به بازیکنان اجازه می‌دهد با اطمینان بیشتری بر اساس اطلاعات محلی که دارند، عمل کنند.
با این حال، اگر ارتباطات زمین بازی (شبکه‌ها) مختل شود، حتی بهترین سیستم هوش مصنوعی نیز نمی‌تواند به طور مؤثر به تیم کمک کند، زیرا محدودیت، در ارتباط اطلاعات درست، نه لزوماً در هوش سیستم است.
