更快地运转OODA循环：人工智能如何助力军事决策更迅捷、更优化？

部队转型的一个当务之急应是常规部队转向更多地使用自主性和人工智能。正如在乌克兰战场所展现的，这将提供更高的精度、更强的杀伤力以及更具成本效益的能力。——《英国2025年战略防务评估（Strategic Defence Review 2025）》

在当前诸多作战决策辅助技术话题中，最重要的或许是需要利用快速的技术发展，特别是人工智能（AI），以获取作战优势。中东和乌克兰的事件已经清晰地表明——这种清晰度只有冲突才能赋予——将人工智能融入一系列能力如何在战场上带来军事优势或弥补数量上的劣势。其中，指挥和决策领域展现出获得最大潜在优势的前景，这得益于支持复杂大语言模型（LLM）和代理式AI（Agentic AI）的“计算能力”的迭代改进。鉴于代理式AI无需提示即可同时处理多个问题的能力，其能在极短时间内为军事决策带来非常显著的增强。如果训练得当，代理式AI的分析洞察力正从推测（无论多么有根据）转向预测。

代理式AI指的是能够自主追求复杂、多步骤目标，解读人类意图，并在动态环境中采取自适应行动，而无需持续人类监督的人工智能系统。

从推测到预测

在战略、作战和战术问题上，预测并不容易为军事从业者所接受。北约军事条令描述了概念、计划制定和作战执行中科学与艺术的结合。军事训练和教育传统上高度重视作战经验教训、战场研究和军事历史的“规律”。这意味着军事决策中的人为因素，例如情报评估，不可避免地带有主观性。迄今为止，计算机建模的能力一直局限于可量化的领域，如后勤、财务和武器效应。无论是军事还是民用领域中的人和社会结构，都被视为随机且不可预测的元素。即使基于科学方法进行有效的作战分析，选择（例如）敌方行动方案最终仍是一项基于所有可用事实、情报分析以及指挥官自身经验和直觉的判断调用：换言之，是推测或最佳猜测。这并非贬义，因为它是所有社会互动的一个特征，例如在商业市场中，金融投资实质上就是“投机”。但是，多个AI智能体实时模拟决策过程、测试假设、从结果中学习并调整其内部模型的能力，能够提供关于可能的人类行为和反应的概率性精确度，这远非推测可比。用军事术语来说，这意味着能够以与弹药消耗和武器对目标效应同等的准确度来模拟“人文地形”。

无论我们是否正经历一场划时代的社会变革，不可否认的是，人工智能整体，特别是大语言模型和代理式AI，正在从根本上改变信息和商业决策。不言而喻，军事决策将经历类似的代际变革，理想情况下是与工业界合作进行。通过将代理式AI应用于人文地形测绘、兵棋推演和虚拟助手的使用，它可以朝着基思·迪尔最近提出的“预测中心战（Prediction Centric Warfare）”的方向迈进。

从模拟到预测人类行为？

军方与商业营销之间的相似性值得仔细比较。商业市场和作战空间都是复杂的自适应系统，受人们行为和对刺激反应的方式影响，其结果源于无数基于各种文化和个人偏见做出决策的相互作用主体（人）。在营销领域，代理式人工智能正对行业产生深远影响，因为它能通过模拟数百万个微观决策、识别涌现模式并检验假设来预测消费者决策。营销公司“雇用”数千个AI代理（“数字孪生”）来预测消费者习惯，目前已达到80-90%的预测准确率，并能基于AI模拟的响应实时重新分配广告支出。尽管初始设置成本相对较高，但迭代和提高准确性的能力使得代理式AI活动的全生命周期成本随时间推移变得非常具有成本效益。

英国的以受众为中心方法。以受众为中心的方法认识到人是竞争的核心；是决策和行为决定了竞争如何进行和解决。受众根据其影响结果的能力被分为三大类——公众、利益相关者和行动者。深入的理解为规划和执行活动以创造或维持构成行为的态度提供了焦点。指挥官在理解战略叙事后，可进行目标受众分析以确定他们希望达成的效果。– 摘自JDP-01

代理式AI公司已经开发并部署了“数字孪生”，并将其升级以模拟指定社群的行为。鉴于其敏感的情报用途，大部分工作发生在保密领域，但目睹了代理能被训练的速度及其对焦点问题给出准确回应的能力后，其对情报界的影响极为重大。战争最终是关于改变认知行为。因此，训练有素的代理所能提供的洞察——无论是单独还是大规模地——可能在预测敌人下一步行动或意图方面带来变革性影响。尽管逐步采用该技术并根据客观比较基准衡量代理性能是审慎之举，但潜在优势要求进行快速实验并尽早将其纳入指挥官的工具箱。

从兵棋推演到战争预测？

兵棋推演AI即友方、敌方、平民、政府和非政府组织的AI代理可以在设定的作战参数内互动。尽管兵棋推演在军队中已很成熟，但目前仍主要是模拟式，这虽然向使用者灌输了方法，但未能充分发挥其改进决策的潜力。中东和乌克兰的战地实验室正在展示大语言模型和代理式AI如何将军事兵棋推演转变为自适应模拟，能够以机器速度生成、评估和完善行动方案（COA）。以色列国防军（IDF）已开发出支持AI的任务预演环境，使用生成对抗模型来模拟对打击或入侵的响应，帮助指挥官在行动前评估升级路径。乌克兰军队的“三角洲”指挥控制系统现已将数字孪生作为AI模拟的一部分，使规划人员能在批准行动前运行快速的“微型兵棋推演”，这显著缩短了规划周期并提高了战术适应性。

更多地是为预测而战，而非为地图上的方格而战。这令人不安，因为在战火下模拟人类决策异常困难。但不安并不能免除责任。不能不预测。要么模拟并影响那些决策——要么将结果留给不充分的启发式方法。– Cassi博客，“预测中心战”

因此，作战证据表明，加速使用基于代理式AI的兵棋推演将带来巨大收益。与预测人类行为一样，快速获取丰富洞察的机会将使规划人员能在行动执行前针对数千个AI生成的敌方适应性变化测试行动方案。另一个额外好处（假设连接可靠）是兵棋推演的数字化意味着其可以分布式进行，从而减少召集易受敌方定位的大型、指挥密集型群体的需求。最后，正如商业营销界开始展示的那样，大规模使用代理的准确性正在这个曾处于人类行为分析前沿的行业中驱除显著的不确定性。应当引以为鉴。

驾驭预测潜力：通过AI助手实现

在高等级大语言模型（LLM）之上添加代理层，创造了精通的AI助手，这些助手能够为用户卸下沉重的认知负荷，并通过增强的理解力、预测性判断、多功能性以及阐述达成判断的理由来辅助决策。越来越多的商业AI助手，无论是处于高级开发阶段还是已交付使用，例如Moveworks、亚马逊的“卖家助手”以及拟议的“合规大脑助手”，正在对劳动力效率和生产力产生重大的商业影响。有人可能倾向于断言，鉴于智能体的自主性，人类决策者可以被绕过或缺乏能动性。但人类是任何AI能力的核心组成部分，代理式AI也不例外，包括上述商业案例。它们通过由人类设计和运行的反馈循环变得有效，并在人类监督下根据其输出是否经得起审查而进行迭代训练。

作为一个“队友”，代理式数字参谋助手的潜力将是巨大的，并且在指挥官及其参谋人员的监督下，它们可以显著增加智力带宽。美军“专家计划”（Project Maven）正在利用这种能力分析情报、监视与侦察（ISR）数据以生成目标，向指挥官呈现带有排序的建议和置信度评分，而非原始图像。同样，乌克兰军队的“三角洲”（Delta）系统拥有决策伴侣，能为旅和军级参谋人员提供关于敌军动向、供应链风险以及无人机或炮击最优顺序的建议。除了扩展认知带宽和为决策增添信心外，它们还有助于防止总部人员的膨胀，这对于力求最小化其指挥控制（C2）足迹并最大化杀伤力的军队来说是一个优先事项。

如何能更快地运转OODA循环？

由于战争本质上是人类的活动，军方必须做的不仅仅是跟上步伐。尽管目前尚不清楚代理式AI是代表旧方式的完美“最终形态”还是新常态的开始，但它是一项必须快速且严谨采用的技术。为获得作战优势，必须通过专业军事教育以及在战场和营房中的实验，将技术加速与现役应用相结合。需要能够质询AI产品、在伦理和法律框架内整合它们、并对战略、作战或战术结果保持问责的领导者。未来的OODA循环将为由能在无缝人机团队中最佳利用大语言模型和代理式AI预测能力的一方最快地运转。

如果要赢得这场竞争并持续获胜，必须找出制胜之道，一个合理的起点是聚焦于以下五个问题：

当预测质量提高时，结果就会改善。当预测质量下降时，将付出鲜血、财富和时间的代价。我们生活在指数时代——技术变革不断加速——创造着深刻的颠覆。我们生活在一个不确定的时代。不确定性和变化只能通过预测来界定和管理。预测科学——无论是人类的还是算法的——从未如此重要。– Cassi博客，“预测中心战”

将如何影响指挥的本质？

正从“猜测山另一侧的情况”转向详细了解那里有什么以及它接下来可能做什么。最善用此技术的一方将获得巨大优势，但这并非没有风险。自主程度越高，损害指挥责任（特别是法律和伦理层面）的风险就越大。因此，指挥官必须理解AI或智能体的工作原理、其训练程度、其自主参数以及如何与之协作。他们不能仅仅是“提示工程师”，事实上，他们应该是专家，能够创建一个持续改进的过程，在此过程中，随着智能体被训练和优化，人类逐步建立对它的信任。“展示工作过程”和“信任但需验证”这些老生常谈比以往任何时候都更具现实意义。

将如何改变指挥与控制（C2）？

人机协同预计将对军事总部产生自战场计算引入以来最重大的影响。AI智能体在增加认知带宽和节奏方面的潜力，应能将参谋人员的智力负荷重新调整，从生成参谋产品转向验证、数据管理和质量保证。近期而言，代理式AI可以增强总部功能，使其成为由特定功能的数字助手组成的顾问集群，这应能减少总部参谋军官的数量，并允许更大程度的分散部署，这两点对于在战场上的生存能力都至关重要。这意味着参谋军官必须是其领域的专家。鉴于整合智能体和优化其性能的技术挑战，这也伴随着高昂的训练和教育成本。因此，人力团队应是AI公司文职人员、文职专家和专家军事人员的混合体。

将如何改变文化？

许多评论者会将军事事务中的预测概念视为一厢情愿的盲目追捧。但有助于人类理解的叙事和框架仍然同样重要，而设计这些框架所涉及的认知过程对于学习军事技艺同样有用。这不是在预测与不预测之间做选择；而是在直觉的、未经检验的赌注与明确的、可问责的赌注之间做选择。 追求人类行为预测的愿景并非寻求未卜先知，而是为驱散战争迷雾和缩短响应时间而进行的持续行动。实现这一目标所需的文化转变无疑需要内在和外在的刺激，特别是强有力的领导和职业激励。它不会取代军事学术和概念研究，而是会增强它。

将如何改变数据管理？

引入预测级质量的决策使数据成为焦点。无论偏见是被训练进去还是被剔除，数据质量和管理对于输出结果的准确性都至关重要。因此，数据素养必须提升到数据流畅的程度，以确保指挥官和参谋人员在沉浸于规划过程时能够发现异常值或离群点。这将需要在自主过程的某些节点设计交叉参考点，以便进行人工验证和数据检查，同时又不影响决策节奏。它还需要在数据被验证、分类和存储时进行持续的审计和管理。这一点尤其重要，因为代理式AI也将成为对手针对我们制造网络和算法效应（例如算法投毒）的关键工具，因此必须具备防御能力。