人工智能与未来战争

乌克兰与加沙的战争向世界表明，一项新技术正深刻影响着战场形态：人工智能。乌克兰与俄罗斯军队正运用人工智能辅助定位识别目标、操控无人机并支持战术决策。同样，以色列国防军也借助人工智能执行识别哈马斯领导层、定位指挥中心及分析行为模式等任务。人工智能融入战争实践表明，这项技术能够且必将提升军事行动的速度与规模，其带来的影响既令人震撼又引发深切忧虑。人工智能与战争体系的结合，使得人类监督在某些场景下难以实施，在另一些场景中甚至完全失效，在某种意义上将战争行为的主导权交予机器——无论其是否具备真正的智能。机器的角色已不再局限于替代体力劳动，而是开始接管人类的推理决策职能。理解这一转变将如何影响战争形态，以及应如何正确引导其发展，已成为当今时代至关重要的课题。值得注意的是，将“会思考”的机器用于军事领域并非全新现象。至少自第二次世界大战起，各国军队就持续进行相关探索。

计算机科学奠基人之一的阿兰·图灵之所以家喻户晓，正是因其开创性地构想机器如何替代人类进行思考，从而以远超人类的规模与速度解决问题。这项探索的起点是布莱切利园——图灵与同事们在此使用“炸弹”解密机与“巨人”计算机等新型设备破译德国“恩尼格玛”密码。图灵后续关于“计算机作为思考机器”的研究，使其名字永远与“判断机器是否具备意识”的测试标准联系在一起。在图灵之后，英美两国持续推动思考机器在军事领域的应用。美国海军于1958年开发了具有里程碑意义的“感知机”系统，旨在模拟人类学习能力。《纽约时报》当时报道预测，该系统将很快学会“行走、交谈、观察、书写、自我复制乃至感知自身存在”。但与人工智能发展史上多数案例类似，这些预期被证明过度乐观。在二十世纪五六十年代，“感知机”等系统未能实现真正的机器思考，导致人工智能领域陷入首次“寒冬”。

然而，微芯片技术革命同期推动微处理器在武器装备中的应用。这促使精确制导弹药（发射后自主寻的）和自动射击系统问世。诸如海军“近程武器系统”、智能反水雷系统及陆军“爱国者”防空系统等至今仍在服役。这些系统一旦激活并获得授权，均可在无人工干预条件下自主交战，符合美军对“自主性”的界定标准。但按当代标准，这些系统并不含真正的人工智能，也无人会认为“近程武器系统”或“爱国者”具有“思考”能力。更重要的是，过去数十年间即使这些系统造成重大误伤事故，也未曾引发全球性担忧。而今，人们对技术的认知已发生根本转变——当前军事系统中被称为“人工智能”的能力，其预期效能既充满诱惑，又令人深感不安。

现代人工智能技术为军事领域带来跨越式提升潜力。在战争史的大部分时期，技术革新主要作用于体力劳动自动化。无论是投掷、挖掘、建造还是摧毁作业，机器主要承担体力替代职能。计算机问世后，人类认知劳动的自动化初见曙光。尽管关于办公软件是否真正减轻工作负荷存在争议，但计算机辅助军事计划拟制与传输存储的价值毋庸置疑，精确制导武器的实战效益更是有目共睹。过去十年间，人工智能与软件技术的结合预示着新突破：推理判断活动的自动化。

历经数十年战争实践，作战信息的海量增长使军事人员认知负荷远超其处理极限。为此，美军于2017年启动首个重大人工智能项目“梅文计划”，旨在帮助情报分析员处理数千个传感器采集的影像数据。这个看似基础的项目（识别数字文件中的物体）通过自动化低层级推理任务减轻认知负担，有望全面提升军事行动的速度、精度与韧性。随着该计划持续推进，更具突破性的技术相继涌现。

2022年生成式人工智能革命激化了关于技术潜力的讨论。突然之间，原本需要人类约一秒时间处理的简单机器推理任务（如吴恩达所界定的标准）已成为基础门槛——尽管尚未能稳定实现。新出现的大语言模型展现出类人的高级推理能力，使得机器辅助人类制定更优军事决策、甚至自主决策的构想似乎触手可及。这些技术预期推动多类系统研发，目前主要军事强国正加速相关布局。

大多数启用人工智能的军事系统采用以下几种独特但相互关联的技术之一。首先，目标分类（有时俗称计算机视觉）用于识别物体。这构成了称为“自动目标识别”（ATR）的军事能力的基础。自动目标识别是几乎所有启用人工智能系统源泉的源头。大多数军事问题始于能够比敌人更快、更可靠地发现并确认目标。从“弹簧刀”无人机到“福音”瞄准软件，人工智能模型正被用于在数据的“干草堆”中寻找并识别“针”。

其次，从大型数据集中生成洞察力是指人工智能模型识别人类无法看到的模式，因为数据集的规模意味着人类需要太长时间（如果可能的话）才能建立相同的关联。生成洞察力也是大语言模型展现其真正魅力的地方，但其强大之处在于交互界面使用自然语言。你不需要电子表格，只需提出问题，模型便会生成洞察。此处存在一些重叠，但最简单来说，任何大语言模型都是为了让人无需专业知识也能更轻松地访问复杂模型以获得这些洞察和模式识别能力。这感觉像是在与某种智能体互动，但实则不然。

此类技术在决策支持系统（DSS）中非常突出，并且与自动目标识别结合，可以使人类决策更快，并可能更高质量。在启用人工智能的决策支持系统中，最终追求的是实现“第37手”效应（Move 37 effect），这指的是2016年人工智能模型“阿尔法围棋”击败围棋选手李世石时所使用的、人类前所未见因而难以预料和应对的博弈策略。这对军事领导者极具吸引力，是战争中的终极决策优势。

第三，学习行为是指人工智能模型学习如何以有助于完成任务的方式行事。无人机中的避障和目标跟踪就是很好的例子。普通人无法指望驾驶无人机穿越森林飞向目标，但借助避障和目标跟踪功能，人工智能可以帮助修正你的错误，使你能够专注于目标，而不会因躲避树木而分心。

第四是多种技术的结合，导致某种形式的任务自主性。一个自主系统很可能永远不会只使用一种人工智能技术。相反，它会结合几种人工智能技术，例如无人机中的避障和自动目标识别，使系统能够在无人监督的情况下运行。尽管难以定义，但某种形式的自主性正在战场上出现。

启用人工智能的自主性可以分为三种形式。闭环系统是指执行自身功能的单一武器系统。致命性自主无人机即为一例。它自主导航、发现目标、计算与目标交战的方式、决定交战、射击，然后评估其行动。这类系统之所以可取，是因为它能带来任务的速度和韧性，但很难做到正确。

更可能的一种启用人工智能的自主性是分布式系统。这些系统由许多系统拼凑而成。或许一架远程驾驶的无人机搭载了自动目标识别功能，可以将目标信息发送到指挥中心一个启用人工智能的决策支持系统，该系统确定应对数千个目标的最佳资源分配方案，在决定哪种武器是最佳射手后，将开火命令发送给一个导弹连，该连使用人工智能决定最安全的发射位置，并为其操作员提供移动和开火的方位与指导。

分布式系统有人员参与，而人员可能成为阻碍击败敌人的决定性速度的瓶颈。消除缓慢人力的一种方法是通过智能体作战。人工智能代理是一种决策支持系统，可以将复杂的系列任务堆叠起来，执行多项任务以支持更高层次的人类意图。在上述场景中，启用人工智能的决策支持系统可以是一个被告知要夺取制空权，然后构建任务栈以实现该目标，并在此过程中控制许多系统的人工智能代理。

如果这一切听起来令人不安，那就对了。确实如此。人工智能技术存在一些问题，阻碍了这些系统成为我们可能期望的完美战争伙伴。目前部署的任何种类的人工智能技术都是一种概率性工具。这意味着其输出的所有内容都基于成为期望输出的概率。传统软件是确定性的，这意味着输入相同100次，就会得到相同的输出100次。但像人工智能这样的概率性软件则不然。

人工智能通过一组训练数据学习如何给出你想要的输出。这是一个优势，因为它可以学习复杂的事情，比如如何区分狗和猫。但它有一个称为“渐近线”的问题。模型永远无法百分之百确定其输出是正确的。而且输入与训练数据的差异越大，输出不正确的可能性就越大。

战争极其复杂，在很多情况下，现实世界的输入与人工智能的训练数据相去甚远。这使得模型不可靠，或者只在非常狭窄的情况下可靠。必须在狭窄的背景下使用人工智能，否则面临严重的可靠性问题，这意味着人类必须在某种程度上保留控制权，以至于使机器更像是一种障碍而非资产。这就是为什么在乌克兰，无人机仍由人类驾驶而非人工智能。

然而，启用人工智能的系统在战争中的前景如此诱人，没有军队会放弃开发这些系统。那么，该怎么办？要求由人工智能驱动的致命性自主系统必须体现适当程度的人类判断。国际社会坚持任何启用人工智能的武器必须处于有意义的的人类控制之下。但什么是有意义的控制？有意义的控制何时会牺牲有意义的自主性，以至于拥有该系统不再有用？必须在何时施加判断或控制？持续不断？仅在实施打击时？在系统制造时？这些问题没有明确的答案，各军队很可能将被迫根据其安全形势的严峻程度做出艰难的选择。与此同时，机器正在学习，战争正变得更快，也更令人恐惧。

参考来源：hoover