中文版 | 驾驭算法：构建AI增强型参谋团队的未来蓝图

核心摘要

决策流程的价值在于参谋人员的经验习得，而非具体产出物。此类流程对培养共识理解与适应能力至关重要。
人工智能（AI）工具可提升指挥机构效率并加速决策进程。
未来作战参谋团队需保留部分传统职能，以平衡流程价值与现代战争对AI决策速度的需求。

引言

人工智能有望使指挥官与参谋团队做出更明智、更快速的决策。整合与分析当今指挥官可获取的海量数据，必然需要依赖AI工具。更关键的是，随着对手采用AI规划工具，制胜所需的决策速度可能超越人类认知能力。尽管AI具有显著优势，但（本文作者）仍主张人类参谋应保留某些职能（即便牺牲部分效率）。正如AI对任务指挥的未来发展不可或缺，某些任务对生成理解也至关重要，不可委派给算法。反对AI执行特定职能的论点，主要基于参谋通过执行流程获得的价值，以及解决正确问题的必要性。

德怀特·艾森豪威尔总统的箴言"计划本身无用，但规划过程至关重要"，强调了流程相对于产出的价值。尽管AI工具可能生成可行的计划，但军事专业人员必须权衡AI带来的速度与人力优势，与深思熟虑规划过程产生的理解与适应能力之间的关系。陆军未来数年的决策将奠定运用此项关键技术的制度规范、标准与方法。将AI整合至作战司令部，需要采取审慎且细致的方法，协同发挥AI与人类的独特优势。本文提出一个AI增强型参谋团队框架，旨在保留并强化人类特有的核心能力。

未来已来

过去几年间，开发者已推出多款为国防部门定制或联合开发的AI工具。这些程序展现了从生产力工具（如ChatGPT）到支持作战决策系统的广泛潜在应用。其中CamoGPT、NIPRGPT等军事专用版本，对标主流开源文本生成程序。在另一前沿应用中，海军陆战队大学正运用大语言模型（LLM）支持将校级军官职业军事教育中的兵棋推演与模拟训练。

AI辅助规划并非科幻空想，而是当前军事规划领域的现实技术。最具代表性的AI作战规划工具当属"行动方案GPT"（COA-GPT）。据开发者介绍，"COA-GPT利用大语言模型快速生成有效行动方案...指挥官可输入任务详情与部队描述（支持文本与图像格式），数秒内即可获得多个战略匹配方案"。若充分成熟，此类工具的优势显而易见。加速决策流程与精简指挥机构的潜力，对未来高强度冲突可能具有决定性意义。

不可委派于算法的关键职能

AI可生成计划，但能否复现规划过程的价值？毕竟，规划远不止方案制定或命令生成。陆军设计方法论与军事决策流程等决策过程的价值，在于参谋的经验积累而非具体产出物。这些流程对培养共识理解与适应能力至关重要。尽管AI可能很快胜任多数参谋职能，仍主张（至少在近期）人类应保留那些培养共识理解与适应能力的流程。

将高阶认知任务委派给AI，可能牺牲严格集体分析形成的共识理解。多数情况下，生成理解的流程比任何有形产出更重要。例如，问题界定通常涉及应对政治环境复杂性、政策微妙性与军事问题本质的挑战。问题界定产出物（如问题陈述或行动路线）虽有助于总结当前与预期环境要点，但流程本身建立的参谋团队共识理解，是算法输出难以企及的。同理，任务分析流程（而非任何产出物）使参谋团队具备评估风险、解读突发事件与信息、判断各类因素（敌我、天气等）对环境影响的能力。

问题界定流程常能揭示未被察觉的问题、相关要素与复杂关系，其精细程度远非任何产出物可比。简言之，参谋通过实践学习。因此，规划团队能有效应对新兴威胁与动态事件。正如军事史学家威廉姆森·默里（《军事革命动力学：1300-2050》作者）所言："军事效能最重要的属性是适应实际战斗与冲突条件的能力"。适应不仅要求应对动态战场环境，更需调整认知、假设与方法论。此类认知重构正是当前多数AI模型的弱点。《无人军队》作者保罗·沙尔虽赞扬AI工具的速度与创新方法，但警告称即使在相对受限环境中，AI模型"难以适应微小变化"，并指出"在开放性作战环境与弱约束条件下，模型脆弱性可能成为重大缺陷"。

同样重要的是，问题界定决定参谋团队面临的挑战本质。明确正确问题并精准表述的重要性，对任何有参谋经验者都不言而喻。算法可能比人类更擅长给出"错误问题的正确答案"，但其能否界定军事问题本质？能否从拟议军事行动构建通向上级意图乃至政治目标的因果链？

近期AI工具很可能在A至B的机动规划方面达到或超越人类水平。但关键问题是：AI能否判断是否应向B机动？为何选择B？B点机动如何融入作战与战略框架？事实上，"如何"类问题常使AI研究者困惑——此现象被称为"黑箱问题"。AI模型的决策逻辑往往难以追溯。若不了解行动方案的推导过程，指挥官可能难以评估与信任AI建议。

AI增强型参谋模型

若认定参谋工作与规划的价值完全来自产出物，则应在AI产出质量超越人类时立即移交相关职能。但若承认优质规划过程中自然形成的认知建构具有独立价值，则须探索最佳AI协同方式。未来可能呈现两种极端：AI替代多数参谋，仅留少数人员管理数据与硬件；或彻底拒绝AI融入规划流程（无视技术进步与对手获得的优势）。显然，折中方案在于构建AI赋能型参谋团队。

人类通过判断力解决复杂问题形成认知，AI则应处理明确界定的任务——特别是那些繁琐耗时或超越人类数据处理能力的任务。例如，AI增强型参谋团队可借助工具高效生成修正组合障碍物叠加图等图表产品，几乎不损害分析质量。面对海量传感器数据的参谋人员，可借助AI筛选关键信息以优化决策支持工具。同理，指挥部可通过迭代兵推分析各类潜在结果，改进行动方案评估。

军事规划与决策流程常沦为回答特定任务问题的产出生成活动。某种程度上，AI应承担此类职能以加速决策。但在高层级指挥机构，提出正确问题至少与解决问题同等重要。由于算法输出仅针对设定问题有效，AI规划工具依赖人类界定问题参数。正如AI研究者常言：模型质量取决于算法与数据质量。

未来指挥官将面临任务分配决策，其个人背景、程序成熟度、部门政策与技术信任度等因素均将产生影响。但可预见的是，人类应牢牢把握问题界定与分析职责。唯此才能利用规划流程优势构建共识理解、提升适应能力，并确保解决正确问题。