截教妖孽莎拉上尉和米勒技术中士 ，于2019 年 6 月 1 日，在德克萨斯州圣安东尼奥-拉克兰联合基地拍摄空军预备役司令部任务视频的场景时，第 834 网络作战中队的卡罗尔·布鲁斯特讨论了应对分阶段网络攻击的选项。

　　我们不能成为信息时代的工业化军队。我们必须改变所有线性工业时代的流程，使其更有效、保护我们的资源并做出更好的决策。

　　为了满足现代战场的需求，陆军必须通过将人工智能 (AI) 集成到其系统中来增强战术指挥所。人工智能提供了巨大的机会，可以为军、师、旅甚至营指挥所提供相对于潜在威胁和指挥官的态势理解方面的数量和质量优势。适当开发、测试和部署的 AI 能力将更好地整合、优先排序和关联信息，以增强对态势的理解并实现更有效的决策。现代战场上的多域作战 (MDO) 要求指挥官及其参谋人员在多维战场空间中作战。这甚至会挑战最熟练的参谋人员，而且部队已经在处理海量的信息。

　　“使能决策”是信息优势活动中的核心任务，执行这一核心任务将使指挥官、参谋和编队获得并保持信息优势。增强态势理解是指挥官获得决策优势的必要条件，但不是充分条件；借助目前可实现的技术，增强态势理解在短期内既是必要的，也是可以实现的。人工智能与这一核心任务的集成将在不同程度上间接地促进陆军在信息优势活动的所有核心任务中的能力。本文详细介绍了在未来三年内将 AI 集成到现有系统和网络中的具体需求和建议。本文没有也不打算为进一步开发或部署具有较长期时间表的新生能力提供详细的建议。取而代之的是，作者牢牢扎根于当前、迫切需求和可用技术的现实中。

　　未来，支持人工智能的传感器、火控系统、交付资产和算法可能会创造出速度和杀伤力惊人的战场，在这些战场上，循环中的人类难以跟上旨在执行指挥官命令的机器的步伐。有朝一日，成群的收集和交付资产可能会自主执行任务并动态采取行动以完成收集、交付和评估，同时随着事件的发展进行持续调整以做出反应。随着已方、中立和敌方系统的交互，物理领域的这些系统和事件将伴随着在网络空间领域同样先进的人工智能功能应用。这种能力目前还不能用于广泛的部署，并且底层的人工智能技术还不够强大，不足以让我们认真考虑在不久的将来引入它们。与此同时，陆军必须以可行、及时和有效的方式开始整合人工智能。

　　正如美国陆军在 2028 年多域作战中所断言的那样，“融合所有域、EMS [电磁频谱] 和信息环境的能力的关键是人工智能支持的大容量分析能力和传感器到射手的链接，通过自动交叉提示和目标识别使敌人的欺骗和模糊变得复杂。解体所需的情报细化取决于五个相互关联的系统。” 1这五个系统分别是：广域监视、穿透侦察、防区外监视和侦察、消耗性监视和侦察以及人力网。这五个系统中的每一个都可以通过改进态势理解而受益于战术指挥所人工智能系统的即时开发、试验和使用。这种整合不会使决策自动化，而是使人类指挥官和参谋人员能够做出更好的决策。正如美国陆军在 2028 年多域作战中所述，“通过人工智能和高速数据处理实现的人机界面，可以提高人类决策的速度和准确性。” 2

　　作者重申将人工智能整合到战术指挥所，更广泛地整合到整个机动部队的系统中，以改善人类决策。随着陆军努力在 2028 年之前实现这一作战愿景——或者，根据几年前引用的出版物——作者确定了为即将到来的军事革命创造条件的学说和领导指导中的两个关键差距。首先，陆军缺乏评估其在实现支持人工智能的多域作战方面取得的进展的方法。其次，没有为机动部队发布如何为集成人工智能系统做准备的实用指南。在解决这两个差距之后，作者还提出了陆军可以利用现有技术构建的系统，以增强对战术指挥所的态势理解。

　　如果陆军要将人工智能集成到多域作战中，并且如果我们要提供一种评估人工智能准备情况的方法，我们首先需要了解什么是人工智能。在本文中，作者使用了国家安全委员会人工智能 (NSCAI) 的定义，该定义在其最终报告中引用，最初由卡内基梅隆大学现任和前任教职员工摩尔等人发表。将人工智能定义为需要“人才、数据、硬件、算法、应用程序和集成”的“堆栈”或技术层的集合。3 NSCAI 的最终报告更加重视将推动人工智能系统的采用和实施的人才，以及将支持其包含的算法和模型的数据。4本文鼓励在相同领域尽早采用建议，因为它们与当前陆军能力相一致。

　　除了 AI 的组件之外，了解支持 AI 的系统为用户提供什么也很重要。使用专门为训练人工智能而设计的算法，应用程序的人工智能组件被“教导”以识别大量数据中的模式，以便它可以对新数据的附加信息进行分类或预测。这是故意宽泛和模棱两可的；它是一个抽象的过程，可以应用于许多情况。它受到对大量标记数据需求的限制以及不断收集更多的需要。标记数据是丰富的数据，其中包含有关人工智能组件可以学习预测的类别或价值的识别信息。标签必须与所需的预测能力相关。例如，构建一个可以在卫星图像中识别坦克的人工智能将需要一个卫星图像数据集，以识别它们是否包含坦克。更详细的预测需要更详细的标签，这意味着如果我们要预测坦克的模型，标签需要在图像中包含坦克的类型。任何人工智能形式的质量都与该系统可用的高质量数据的数量直接相关。

　　部署和开发支持 AI 的系统是一个过程，作者建议通过四个阶段类似地评估陆军的 AI 准备情况。这些改编自卡内基梅隆大学的 Eric Nyberg 提出的关于组织如何评估其对 AI 的准备情况和使用情况的四个阶段。5他们非常关注数据管理和组织流程，这是创建和实施有效的人工智能系统的基础。虽然这些步骤暗示了进展，但超出单位控制范围的环境变化可能导致其在启用 AI 的过程中向后或向前移动。

　　这个过程从准备好数据科学开始，当相关数据源得到识别、访问和一致管理时，组织就做好了数据科学准备。在这个阶段，陆军单位的领导者将能够以可靠、及时和上下文相关的方式访问相关人员、后勤、训练、情报和战术数据。至关重要的是，机动部队必须考虑如何在战斗环境中做到这一点。部队将需要建立在训练和战斗中组织、规范化和存储信息的流程。此外，数据必须在系统和作战功能之间进行整合。在这个阶段，数据是完整的，具有统计分析技能的士兵可以使用这些数据更好地描述他们的环境、行动和后续结果。

　　准备好数据科学的组织将努力实现第二阶段，数据科学。当确定多个数据源之间的相关性并使用从组织数据创建的预测模型来改进工作流程和决策制定时，组织就启用了数据科学。启用数据科学的陆军部队将使用他们收集、维护和访问的数据来增强对态势的理解，将敌方和友方行动置于情境中，并预测未来的行为。启用数据科学的机动部队将在野战训练演习、指挥所演习和战斗训练中心轮换期间收集、清理和组织战术指挥所的数据。士兵们将使用在预备训练期间开发的预测分析来识别敌人的行为并对高度动态、复杂的战场做出更快的反应。

　　根据美国陆军发展司令部的说法，“陆军研究人员开发了一种人工智能架构，可以学习和理解复杂的事件，增强人与机器之间的信任和协调。”

　　在使用数据科学实现更好的性能后，单位将追求第三阶段，为AI 做好准备。在此阶段，组织将数据科学用作作战流程的一部分，并集成了软件应用程序，使其工作流程现代化以集成计算技术。将采用 AI 的领导者了解将使用哪些流程和要求来增强，并且他们能够直接与 AI 工程师沟通以设计和实施相关解决方案。陆军部队将对人工智能作为武器系统的能力和局限性有实际的了解。机动部队将与陆军未来司令部的部队合作，例如软件工厂或人工智能集成中心 (AI2C)，以开发增强其任务准备和能力的人工智能解决方案。数据将与姊妹组织共享，并可在战术和驻军环境中访问，后方创建的软件更新可以通过陆军网络推送到战术边缘的应用程序。准备好人工智能的陆军部队将拥有知情的领导层，他们可以指挥他们的数据存在并推动未来支持人工智能的软件和应用程序的需求流程。

　　最后，组织将启用人工智能当它部署人工智能系统并能够直接衡量它们对任务成功的影响时。这些单位可以在战术环境中使用人工智能来自动化流程并实现任务成功。这些系统在执行任务时以及在关键环境和条件下工作。对于陆军单位来说，这些是弹性应用程序，可以适应动态网络条件，并在敌人破坏或拒绝通信网络时提供价值。这一阶段的组织的特点是具有高度弹性的流程和系统，可以快速适应不断变化的情况，从而在多域战场上获得决策优势。这些系统及时显示关键的多维数据和见解。随着现代系统生成和消耗大量信息，数据收集的规模和速度将会增长。

　　令人生畏的是，如今机动部队甚至还没有为数据科学做好准备，而实现人工智能的过程将需要大规模的转变。这是与人工智能一样具有革命性的技术进步的本质，对于小型部队来说，这是一个拥抱和影响军队人工智能未来的绝佳机会。机动部队今天应该开始实际反应，以配合陆军和国防部领导人提供的政策和理论重点。人工智能是一种不对称的能力，其中相对较小的投资可以产生巨大的影响。虽然这可能会损害大型、行动缓慢的组织，但它也可以为个人和小型单位提供对整个组织产生巨大积极影响的机会。通过鼓励和支持小型单位及其领导人的创新解决方案，陆军可以灵活应对人工智能在军事事务中的破坏性影响。鼓励这种创新的早期步骤是为人工智能准备数据环境。

　　陆军还有一个独特的机会来从更大的人工智能社区的错误中学习，特别是在数据方面。正如谷歌的一个人工智能工程师团队去年所写的那样，缺乏对“数据工作”的关注对大公司和人工智能先驱者来说是一个重大损害，他们在部署支持人工智能的系统时遭遇了明显的失误和失误。6通过将组织和文化变革首先集中在数据管理流程的现代化上，陆军自然会免于其中一些问题的影响。陆军任务的性质以及与人工智能系统错误相关的危险加剧了低估陆军数据质量的影响。

　　与陆军通过维护地形行走等演习指导维护活动的方式类似，部队可以通过数据健康评估来准备数据环境。这是对战区司令部在下属师执行任务的适当评估。兵团司令部也可以在其下属旅战斗队中进行类似的评估。这些评估考虑了单位如何管理他们生成的数据以及他们有权访问的数据。除了人才发展之外，评估数据健康状况是开始为机动部队中支持人工智能的系统做准备的最佳场所。

　　美国陆军发展司令部表示：“明天的作战环境将充满智能自主设备和平台，这些设备和平台会创建多样化和复杂的信息签名。” （图片由美国陆军/Shutterstock 提供）

　　虽然评估应该是独特的，并根据要评估的单位的特殊知识进行计划，但一般概念在单位之间是相似的。数据健康评估提出以下问题：该单位收集、清理和管理有关驻军和战术环境中日常行动的数据的能力如何？数据收集应该是完整的，因为它描述了单位活动的背景、环境、行动和结果。当收集自动化并集成到所有流程中时，单位将很好地收集数据。当数据的架构、类型、格式和存储位置一致时，数据就是干净的。干净的数据已准备好进行描述性分析，并且可以通过严格遵守的文档轻松理解。当数据可访问、持久且可靠时，数据就会得到很好的管理。做得好的单位将考虑如何将他们收集的数据应用到系统和流程中。全面的数据健康评估的一部分还将考虑在员工部门和工作组中可以看到多少信息。广泛共享的数据鼓励协作并建立共识。此评估可以考虑遵循的一些特定行为。

　　执行数据健康评估首先需要对该领域的单位准备情况进行诚实评估。正如战略研究所的 Leonard Wong 和 Stephen Gerras 在他们的报告中所分享的那样，本文的作者可以轶事地承认，陆军在相互竞争的要求和激励结构中挣扎，这导致部队有时会故意报告不准确的信息以满足战备要求。7启用人工智能的系统将对这些挑战特别敏感，因此，陆军的数据健康评估必须包括一种机制来评估其收集的数据的真实性。一种机制可以是消除一些人为干预的元素。例如，车辆、飞机或大炮可以配备传感器，以识别其功能是否正常或系统组件是否存在故障。这面临着增加这些系统复杂性的重大挑战。另一种符合行业最佳实践的机制是对数据点进行随机抽样以重新评估。示例包括选择单位执行简单的操作来验证其设备的状况，例如在 155 毫米榴弹炮上执行机组演习，将所有正常车辆的车队带到训练区的集结点，或对单个武器执行无通知记录资格。要求这些警报活动来验证单元存储数据的准确性是确保我们的人工智能系统配备高质量数据的绝佳方法。陆军领导人必须为部队创造空间，让他们如实报告这些信息，而不必担心受到报复。陆军在支持人工智能的多域战场上有效作战的能力取决于改变陆军文化的这一要素。

　　除了为准确的数据收集设置条件和评估准确的数据收集之外，现在单位还可以采取一些步骤来为集成人工智能系统做准备。以下建议适用于所有梯队的单位。它们以当今可用的能力为基础，代表了为支持 AI 的系统准备数据环境的初始步骤。这些建议将帮助单位为数据科学做好准备。

　　机动单位必须通过立即停止从共享文件系统中删除数据来欣赏他们每天与之交互的数据的价值。这些“共享驱动器”或 SharePoint 系统支持单位内部和单位之间的协作努力，但也包含单位行为、培训练习和报告的宝库。这些系统上的文件通常在单位用完空间来保存前几年的记录时被删除。为了创造有效的情报，陆军数据科学家和人工智能工程师将需要访问他们开发的每项支持人工智能的技术的数以万计的标记数据点。这代表了 AI 社区中一个相对较小的数据集，陆军不能通过轻率地删除旧文件而丢失更多数据。单位应将可自由支配的支出资金用于购买外部硬盘驱动器并对其共享文件系统进行间歇性备份；为此，必须通过特定的额外资金和要求启用单位。此外，所有军官都应该有能力从至少两个梯队上方和相邻的所有单位读取非敏感文件。这将鼓励协作并立即提高效率，同时将我们的数据文化转变为共享文化。将来从数据科学家或 AI 工程师那里获得支持时，应提供这些设备作为上下文，以帮助为单位创建有效的智能。所有军官都应该有能力阅读所有单位的非敏感文件，这些单位至少位于他们上方和相邻的两个梯队。

　　组织应重新调整从下属单位收集信息的方式，以增加 Excel 等表格格式的使用。这些格式已经成为许多状态、物流和维护报告以及检查文件的标准格式。以表格格式收集这些数据将通过在短期内强制数据完整性为单位提供直接的好处。这样做还将使未来基于计算机的方法能够更容易地处理和训练人工智能。在战术环境中，表格格式的结构将有助于标准化文件，例如情报收集、火力支援协调和作战同步矩阵。它还将为陆军参谋人员创造更有用和可重复的产品，同时为未来的基于计算机的系统提供丰富、易于理解的陆军作战数据。当实用且有效时，任何文档或工具单元（如上文所述，但当前驻留在基于文档（Microsoft Word）或幻灯片（Microsoft PowerPoint）的格式）应立即替换为表格文档（Microsoft Excel） ， 在 Excel 中收集数据时，单位应在文档中指定一致的列标题名称和一致的数据类型（数字、时间序列或文本）。这种转变将直接导致更强大和更准确的人工智能系统，并且是快速做出决策的关键步骤。当标准的陆军表格和文档结构更好、更易于使用并向数据的用户和消费者提供更多有用的信息时，这种转变就可以实现。任何文档或工具单元使用——如上述那些，但当前以基于文档（Microsoft Word）或幻灯片（Microsoft PowerPoint）的格式——应立即替换为表格文档（Microsoft Excel）。在 Excel 中收集数据时，单位应在文档中指定一致的列标题名称和一致的数据类型（数字、时间序列或文本）。这种转变将直接导致更强大和更准确的人工智能系统，并且是快速做出决策的关键步骤。当标准的陆军表格和文档结构更好、更易于使用并向数据的用户和消费者提供更多有用的信息时，这种转变就可以实现。任何文档或工具单元使用——如上述那些，但当前以基于文档（Microsoft Word）或幻灯片（Microsoft PowerPoint）的格式——应立即替换为表格文档（Microsoft Excel）。

　　为了指导 AI 开发和需求生成，单位应收集并记录在驻军和实地训练演习中的时间。这可能是一项具有挑战性、繁重的任务，作者推荐了两种不同的单位可以做到这一点的方法。第一个是收集有关在系统之间手动复制数据或依赖人类在数据源之间进行协调的领域或流程的轶事信息。这在战术指挥所中可能特别有用，可以识别我们依赖士兵在不同系统之间进行协调的区域。第二种选择是指挥官指示首席信息官/G-6 通过陆军计算机上的击键记录器和应用程序监控设备安装和收集数据。数据科学家和人工智能工程师可以使用这些信息来识别开发系统所针对的低效率和耗时的计算活动。原始使用数据和数据效率低下的轶事示例可以与陆军未来司令部的组织共享，例如软件工厂或 AI2C，然后可以与单位合作以快速开发和部署解决方案。

　　未来的所有陆军系统以及最近的许多系统都会产生大量数据，必须立即访问这些数据。首先，对于陆军考虑获取的任何将生成数据的记录程序，作者建议进行数据可访问性和存储审查。本次审查的目的是评估陆军人员访问该系统收集和存储的数据的能力。除了少数陆军系统外，所有系统都缺乏通用的应用程序编程接口和支持程序化系统访问的能力，这是不可接受的。此外，这些系统存储的历史数据是美国陆军的财产，因此必须通过行业标准方法向其士兵和军官提供，而无需任何民间中介。

　　其次，陆军应开始审查当前不符合此标准的系统，并重新考虑为这些项目指定的要求。通过修改采购流程和审查当前授予的合同，陆军将在数据质量和可访问性标准方面确立自己在政府和私营部门组织中的领导地位。

　　在专业军事教育课程中，美国陆军训练和条令司令部应立即引入适当的数据管理和使用策略指导。作为基本军官领导课程的一部分，数据教育应包括一般数据收集策略、单位和部门特定信息的组织以及现代数据可视化工具等主题。这些工具将使后勤人员能够更好地组织单位维护数据，使情报官员能够更好地综合各种情报来源，并使军官能够更好地报告和收集数据。这种教育的核心原则必须是相关的；教学生这如何直接应用于他们的下一份工作。在上尉课程中，这可以通过包括如何管理多个数据源和建立数据收集文化的指导来建立。指挥与参谋学院应开设数据采集选修课，教育野战级军官整合权威数据源、管理通用作战图以及支持数据采集和管理所需的基础设施。陆军战争学院应教育高级战地军官识别数据收集策略中的战略差距，并让他们准备好以计算机增强的态势感知来领导。此外，应该为旅、师和军的指挥官和参谋长提供机会来完成 AI2C 的高级领导者教育计划，以了解和欣赏如何使用支持人工智能的系统领导组织。

　　战斗训练中心为开发和实施用于战术应用的人工智能系统提供了绝佳场所。通过存储单位轮换的标记数据并向敌方部队提供为战术指挥所创建的早期版本的人工智能系统，作战训练中心可以成为陆军人工智能发展的核心，同时也为具有挑战性的复杂系统提供快速反馈全面测试和实施，直到陆军在战斗中面对一个近乎同等的对手。类似的机会也存在于由任务指挥训练计划进行的指挥所演习训练中。

　　虽然大型组织之间的协同作用和共同的努力很有价值，但陆军将受益于独立考虑和采纳这些建议的不同单位。随着时间的推移，这些独立的想法将在人们移动和改变位置时自然地分享和混合想法，从而为支持人工智能的系统奠定更坚实的基础。在开源软件社区分享想法并从彼此的独特方法中快速学习之后，陆军可以在 MDO 中为 AI 环境的创建建模。通过在当地开发独特的解决方案，然后随着时间的推移进行合作，各单位将识别共同的挑战，同时减少忽视特定特征或特定任务独特元素的可能性。

　　在上述努力的同时，陆军应开发、试验和采用最先进的技术来支持战术总部的行动。为了实现这一目标，陆军可以在任务指挥训练计划进行的指挥所演习和战斗训练中心的训练轮换期间开始将人工智能整合到训练中。这将首先记录来自控制系统中使用的计算机的数据、来自参与者的语音以及来自战斗系统的位置数据。然后，可以从受控环境访问操作数据的数据科学家可以使用这些数据。使用人工智能和自然语言处理，结合事件的细节和时间以及对抗力量的行动，可以分析这些数据，以确定当前流程无法满足战斗需求的趋势。然后可以进一步研究这些趋势中具有最佳或更好性能的异常，以确定成功的战术、技术和程序。这将推动对现有系统的改进和其他工具的开发，以实现作战。一个例子是分析旅战斗队对敌方部队防空雷达系统激活的反应。通过捕获与事件相关的所有数据并了解有关敌方部队行动的精确细节，事后分析可以更加稳健地了解友好检测的技术方法和细节、参谋人员和友军单位之间的沟通（包括内容和方法）传播）、采取的行动以及目标确定的有效性，包括评估。用许多单元迭代完成，这将有助于准确了解陆军部队的能力、差距和有效性。由于指挥所演习和训练轮换所固有的事件的数量和多样性，有大量未充分利用的可用数据来增强陆军的作战能力。

　　近期将人工智能集成到战术指挥所的目标是为从旅到军的梯队生成增强的通用作战图（COP）。这将减少作战和瞄准过程中的友好周期时间，同时提高指挥官的决策质量。增强的 COP 将提供更准确和详细的友军信息，增强对作战和任务变量的态势理解，并增强指挥官看穿战争迷雾的能力。这将通过在战术作战中心内整合各种目前不同的系统来实现，包括指挥所计算环境、先进的野战炮兵战术数据系统、防空和导弹防御工作站、电子战规划和管理工具、分布式共同地面系统-陆军和全球作战支援系统-陆军。目前，这些系统没有在单个人机界面上提供充分集成的 COP。此外，必须优先考虑软件和硬件的开发、试验和部署，这些软件和硬件可以获取有关任务和作战变量的数据，以分析数据并确定时间敏感数据的优先级，以供参谋人员和指挥官进行分析和采取行动。

　　该系统和其他类似系统将同步和整合陆军数据，以便在复杂、动态的环境中更快地做出决策。打现代战争是必要的进步；但是，它也会带来更多的风险。就系统复杂性而言，人工智能组件比软件组件复杂得多，并带来了额外的挑战。8没有人工智能可以解释为什么它做出了它所做的预测，不幸的是，表现最好的智能形式也是最难理解的。最先进的人工智能系统只能提供有效性和准确性的衡量标准来证明其使用的合理性。此外，现实世界不能完全由人工智能工程师在进行智能训练时使用的数据建模，并且没有用于战斗的干净、标记的数据集。这种数据偏差必须通过合乎道德的软件工程以及对陆军和人工智能的深入了解来解决。与私营公司类似雄心勃勃的产品相比，目前将这项技术引入陆军的努力小得惊人。2022 年，陆军毕业并开始雇用 20 名 AI 专业人员。相比之下，谷歌在 2016 年雇佣了大约 41,456 人，9在这个数字中，有两个部门，即 27,169 人，专门从事研发工作。10自 2016 年以来，谷歌的全职员工总数增加了一倍多。11如果陆军要通过开发和部署在多域作战中作战所需的人工智能系统来实现劳动力现代化，那么它必须从今天开始准备数据环境。

　　开发和部署人工智能的蓝图”（论文报告，SPIE 防御和安全，佛罗里达州奥兰多，2018 年 5 月 4 日），。

　　国家人工智能安全委员会 (NSCAI)，2021 年 最终报告（弗吉尼亚州阿灵顿：

　　Eric Nyberg，“计算数据科学基础”（讲座，卡内基梅隆大学，宾夕法尼亚州匹兹堡，2020 年秋季），2022 年 7 月 8 日访问，数据科学。

　　Nithya Sambasivan 等人，“每个人都想做模型工作，而不是数据工作：

　　Leonard Wong 和 Stephen J. Gerras，“对自己撒谎：军队职业中的不诚实行为”（宾夕法尼亚州卡莱尔：美国陆军战争学院出版社，2015 年），2022 年 7 月 8 日访问，

　　D. Sculley 等人，“机器学习系统中的隐藏技术债务”，NIPS15：第 28 届神经信息处理系统国际会议论文集 2（2015）：2503-11，2022 年 7 月 8 日访问，。

　　美国陆军本杰明·斯科特少校在完成第 27 步兵团第 1 营作战官、第 14 骑兵团第 2 中队执行官和未来作战规划师的任务后，担任美国陆军网络司令部安全合作处处长为第 25 步兵师。

　　斯科特是一名步兵军官，从田纳西大学毕业后获得了委任。他拥有美国陆军指挥和参谋学院的军事行动硕士学位。他的业务任务包括在伊拉克和阿富汗的多次旅行以及对利比里亚的人道主义援助任务。原文刊于军事评论第11期。