彼得-辛格(Peter Singer)断言,人类正在失去对战争的垄断权,本章在此基础上探讨了人工智能(AI)对空中力量日益增长的影响。军事人工智能工业革命和第四次工业革命(4IR)放大了这些转变,将人工智能推向了战略的前沿。本章阐述了塑造下一代空中力量的五大人工智能应用,包括完全自主系统、虚拟副驾驶、忠诚僚机、无人机蜂群和自主诱饵。每种应用都体现了人类与机器之间日益增强的协同作用,优化了作战能力、成本效益和生存能力。随着人工智能逐渐取代人类决策,伦理问题也随之而来,但尽管存在这些挑战,人工智能对空中力量的影响仍然不可否认。著名的例子包括美国空军的ACE计划,该计划展示了人工智能控制战斗机的可行性,以及在第六代飞机中创新性地加入虚拟化身。这种变革的影响超出了军事能力的范畴,渗透到了国防工业本身。人工智能和4IR技术的融合促使专业分包商向人工智能驱动的集成流程转变,为重塑生产时间表和成本带来巨大潜力。

图1.1:人工智能的军用案例

军事革命(RMA)和第四次工业革命(4IR)

当代军事环境基于革命性变革、转型创新、颠覆性技术,以及越来越多的人工智能密集型战斗力倍增器。长期以来,军事一直与技术革命联系在一起,但如今,这一进程更加普遍,因为它推动了条令、作战结构以及指挥与控制(C2)的巨大变革。军事革命(RMA)是对军事领域一系列根本性变革的描述,不仅包括武器系统,还包括如提供后勤、采购和研发等各种支持功能的系统(Matthews,2001年)。

学术界曾经就军事相关的技术变革有过争论:其是革命性的?反映了深刻的非连续性技术变革(如铁甲无畏型动力战舰的出现),还是进化性的?通过持续的渐进式创新实现。在相对较短的时间跨度内,在革命性技术背景下可发现持续的渐进式创新。自海湾战争以来,这种趋势迹象就越发明显,从对峙制导弹药到天基效应、隐形平台、网络中心战,以及最近的人工智能增强型机器人、机器学习和其他与第四次工业革命(4IR)相关的新兴技术,其产生了一波又一波的颠覆性技术变革。

第四次工业革命(第一次是蒸汽机械化;第二次是电力和大规模生产;第三次是信息技术和电子技术)的定义是军民两用技术,即民用领域的技术突破有可能转化为军用领域的技术突破,反之亦然。随着时间的推移,空中力量变得日益复杂和研发密集。由此产生的创新加速改变了潜在的国防工业基础,开始从传统的“主要制造商”模式转变为系统集成商,将工作分配给数百个高度专业化,高效和创新的分包商,跨越不同的工业部门。这些供应商组成了重要的供应链,通过集群方式,与主客户一起解决技术问题,为技术挑战提供新的创新解决方案。

这些“价值”链由专业公司“世代相传”,提供机床、电信、特种金属、铸件和线束等基本服务。但最近,价值链中固有的技能已演变为关注下一代技术和微型化。微型化是由于现代平台对空间和重量的重视。总之,当前“颠覆性”的第四次工业革命将推动复杂军事系统及其基本生产流程的技术重置。 突出的颠覆性技术包括高超音速、自主平台、大数据、量子计算和人工智能,而人工智能可以说是最大的游戏规则改变者。人工智能辅助系统可以分析战略环境、做出决策,并表现出认知能力;它们在数字助理和图像分析软件表示的虚拟世界中运行,而这些软件可以嵌入到现实世界的硬件、机器人、无人机和类似系统中(Okyay,2023 年)。在虚拟世界中,机器人越来越多地以“感知-思考-行动”的方式运行,这反映了机器人监测环境(感知)、利用人工智能做出反应决策(思考)以及根据这些决策激活效应器(行动)的能力(Singer,2009年)。

人工智能是这一过程的核心,但需要谨慎对待人工智能的定义。例如,由有人地面站控制的无人驾驶飞行器(UAV)是无人驾驶的,但不是自主的,因此不是人工智能系统(Naik,2023年)。相比之下,五角大楼将一个完全自主的系统定义为一个包含“通用”人工智能的系统,其能够根据其对世界本身和情况的知识和理解,在不同的行动方案中独立组成和选择,以实现目标(Macintyre,2018年)。 迄今为止,还没有开发出完全自主的系统,但有12个国家正在开发约400个部分独立的武器和机器人系统,其中包括以色列研制的“神风特攻队”型无人机“哈比”,这种无人机能在未经人类许可的情况下自行寻找并摧毁雷达系统,在天空中游荡,直到目标出现(Macintyre,2018年)。未来像这样的人工智能增强系统将不可避免地大量出现,并通过从根本上改变战场关系、部队结构和战争特点,产生更广泛、更普遍的影响,在未来冲突中创造战争制胜的优势(Wirtz,2023年)。

由于人工智能等颠覆性创新带来了强大的优势,在打破相对军事力量平衡现状的迫切需要的驱动下,战略竞争不可避免地出现了。图1.1描述了人工智能在下一代空中力量中越来越多的应用案例,但人工智能应用的全部潜力尚未实现。据估计,2020年美国对人工智能系统的投资超过30亿美元,但这一数字很可能被低估了,因为更多的资金被用于研发(National Defense,2022年;Harper,2023年;Albon and Demarest,2023年)。世界各国军队正在加紧开发人工智能增强型技术,并建立新的结构和组织,以加快这些能力的发展。

人工智能辅助空中力量

人们越来越关注人工智能革命的伦理问题,特别是在军事作战环境中人类可能被排除在决策之外的问题。例如,Galliot和Schultz(2020 年)就尖锐地指出,允许:

由机器做出生死决策超越了基本的道德底线。自主机器人缺乏人类的判断力和理解背景的能力。要在动态战场上做出复杂的道德选择、充分区分士兵和平民以及评估攻击的相称性,这些素质都是必不可少的。因此,完全自主的武器不符合战争法的要求。用机器取代人类部队可能会使战争的决策变得更加容易,从而将武装冲突的负担进一步转嫁给平民。完全自主武器的使用会造成责任缺失,因为没有明确规定谁应对机器人的行为承担法律责任:指挥官、程序员、制造商或机器人本身。如果不追究责任,各方就不会有动力确保机器人不会危及平民,受害者也不会满意有人因为他们所经历的伤害而受到惩罚。

尽管存在这些道德难题,但人工智能在空中力量中的足迹还是令人信服的。人工智能在空战中出现了五种用途,它们都有可能在未来几年内极大地改变战争本身的性质。首先是自主平台,美国在这一领域走在了前列,DARPA(2023年)及其卓越的空战进化(ACE)计划就是明证。在不到三年的时间里,人工智能算法实现了从计算机屏幕上模拟F-16空中斗狗到飞行中控制实际斗狗的转变。

通过DARPA、美国空军飞行员试验学校、空军研究实验室和人工智能开发承包商之间的紧密合作,ACE实现了几个目标:首先,它证明了人工智能代理可以在飞行中控制一架完整尺寸的战斗机;其次,该计划的设计跨越了次级尺寸阶段,直接进入原型实施阶段,节省了至少一年的开发时间;第三,ACE促进了相关研究,研究飞行员在“视距内空战(斗狗)”中对人工智能代理表现出的“信任”,而人类飞行员则专注于更大的战斗管理任务。自主人工智能战斗机的潜力似乎是巨大的,这一点在ACE计划的早期就得到了证明,当时人工智能代理驾驶模拟F-16战斗机参加虚拟斗狗比赛,击败了在模拟器中飞行的经验丰富的F-16战斗机飞行员。

人工智能在空中力量方面的第二个重大发展与欧洲战斗机“台风”的后继机型——第六代“暴风雪”飞机的实验有关。“暴风雪”是英国主导、国际合作的未来战斗机系统(FCAS),意大利和日本是其正式合作伙伴,瑞典则处于边缘地位(Martin,2023年)。“暴风雪”已进入概念化阶段,计划包含和无人驾驶两种版本,“有人驾驶”版本预计有一个创新的虚拟化身(人工智能代理)作为副驾驶。据估计,控制虚拟化身和其他机载系统的飞机传感器拥有相当于“爱丁堡等大城市每秒的互联网流量”(Leonardo,2020年)的能力;与前一代“台风”飞机相比,“暴风雪”能够处理的军事战场数据是“台风”的10000多倍(Fisher,2020年)。

与F-16的人工智能代理一样,虚拟化身的一个重要作用是确定人类飞行员何时超负荷,然后接管一系列职责,让飞行员专注于“核心”作战任务(Ford,2020年)。由于飞机重量减轻,“虚拟化身”还能提高成本效益,并通过编程提高操作灵活性,从而应对多种情况,包括电子干扰、武器控制,甚至在失去飞行员的情况下控制和降落飞机(Makichuk,2020)。

“暴风雪”计划还强调了人工智能驱动的第三项创新,即“忠诚僚机”。如图1.2所示,这些战斗力倍增器被定义为与有人驾驶飞机一起部署的低成本自主无人驾驶航空系统(UAS),既可作为补充资产,也可作为诱饵,保护有人驾驶系统免受敌对防空系统的攻击(Stevenson,2019年)。“暴风雪”只是开发忠诚僚机的众多项目之一,法国、英国和美国也在开发类似项目。例如,波音公司的机载僚机系统(Airborne Teaming System)是一种由人工智能辅助的半自主式潜在隐形忠诚僚机,名为MQ-28A幽灵蝙蝠(Dangwal,2022年)。“幽灵蝙蝠”可以与F-35等载人飞机并肩作战,独立执行任务,飞行距离长达3700公里(Perrett,2021年)。

根据美国米切尔航空航天研究所的一份报告(2020年),通过采用人工智能赋能的自主性,以及低成本、可损耗/可重复使用的飞机,忠诚僚机可提供作战灵活性,从而可提高作战能力、杀伤力和在竞争环境中的生存能力。此外,它还能扩大F-22、F-35A和下一代空中优势资产的有效传感器覆盖范围和杀伤半径。尽管如此,仍有一些技术障碍需要克服:首先,互操作性至关重要(Hadley,2022年);其次,目前仍不清楚作战中的战斗机飞行员是否有时间管理半自动助手;第三,忠诚僚机不太可能以战斗机的速度加速逃离威胁,尽管隐身技术可以弥补部分弱点,而且在某种程度上,他们也是消耗性资产(Perrett,2021年)。

无人机蜂群代表了本章第四种基于人工智能的航空航天系统,其定义是:大量有生命或无生命的东西集结在一起,且通常处于运动状态,提供了一种将态势感知、规避性、规模性、速度、机动性和出其不意结合在一起的方法(Sanders,2017年)。迄今为止,使用多无人机的军事行动所涉及的飞行器数量仅限于几架或几十架。尽管如此,DARPA仍在寻求部署多达1000架无人机,可能更多,即所谓的“蜂群簇”方式(Crumley,2023年)。

无人机蜂群是下一代武器系统,将对战争产生巨大影响。美国在这一领域的开发工作已经取得进展,美国海军陆战队正在推进“神风”无人机蜂群概念,美国陆军、空军、海军和DARPA也在分别开发各自的无人机蜂群概念(Hambling,2021年)。自主无人机蜂群的主要挑战在于“杂音”(murmuration),即确保大量机器人资产能有效协调飞行且不会发生碰撞。如果能实现这一点,美国陆军2018年的一项研究表明,即使是基本的蜂群也能使攻击型无人机的杀伤力提高至少 50%,同时将防御火力造成的损失降低50%(Hambling,2021年)。

下一个合乎逻辑的步骤是开发“蜂群簇”,这将涉及一个由人工智能赋能的自主无人机蜂群系统来指挥其他蜂群——基本上可以转化为成千上万架空中、水面、水下和地面无人系统——这些无人系统可以压垮对手的防御系统(Satam,2023年)。这一概念仍在开发中,但五角大楼准备投资7500万美元用于开发DARPA所称的“自主多域自适应蜂群”(AMASS)(Crumley,2023年)。五角大楼在该计划背后的一个核心目标是部署蜂群簇,以获得对抗反介入/区域拒止(A2/AD)的能力,应对未来重大冲突中美军可能面临的大量巡航导弹和反舰导弹。

这项技术的成功开发可能会在军事上带来新的力量平衡,但也会带来两大风险:首先,人们担心蜂群在搜索和摧毁行动中可能“过度”有效,这会削弱核大国的二次打击能力,从而破坏目前以核为基础的战略平衡;其次,蜂群的速度和效率可能会压缩决策者的反应时间,引发“非用即失”的逻辑,从而增加局势升级的可能性,这可能会升级到核门槛(Gagaridis,2022年)。

自主诱饵是人工智能对空中力量的第五个重大影响。数十年来,美国五角大楼一直在研究这项技术,其动力来自于转移雷达脉冲,因为雷达脉冲会向对方部队显示飞机的特征。人工智能已取得显著进展,包括开发出一种可编程的自主飞行器,具有模仿美国或盟国飞机的独特能力。这项技术被称为“微型空射诱饵”(Miniature Air-Launched Decoy,MALD)。它被认为是一种低成本、可消耗的空射飞行器,旨在欺骗最先进的防空系统(Raytheon,u/d)。

MALD -J版本具有电子干扰器,将其与诱饵相结合,可以用虚假信号“欺骗、分散和饱和”雷达系统(Hambling,2016年)。经过多次技术改进后,MALD现在能够利用各种频率的有源雷达增强器,欺骗对手的雷达系统,使其误以为这种消耗性诱饵是隐身的F-117夜鹰,甚至是大型B-52载荷运输轰炸机(Hollings,2022年)。通过将大量干扰诱饵与巡航导弹和飞机一起部署到有争议的地区,对手的防空系统将被迫对真实和虚构的雷达回波进行区分(Hollings,2022年)。

成为VIP会员查看完整内容
30

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
视觉语言导航:大模型时代的综述
专知会员服务
41+阅读 · 7月10日
智能战争机器:军事中的人工智能
专知会员服务
43+阅读 · 6月4日
超视距国防通信系统:最新进展与未来挑战
专知会员服务
42+阅读 · 2023年12月17日
战争中的人工智能:认知战斗的黎明
专知会员服务
70+阅读 · 2023年9月15日
机器学习的 7 个关键军事应用
专知会员服务
295+阅读 · 2022年4月24日
专知会员服务
117+阅读 · 2021年7月19日
清华大学:从单体仿生到群体智能
专知
15+阅读 · 2022年2月9日
有关军事人机混合智能的再再思考
人工智能学家
16+阅读 · 2019年6月23日
贝叶斯机器学习前沿进展
架构文摘
13+阅读 · 2018年2月11日
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
23+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
36+阅读 · 2014年12月31日
国家自然科学基金
15+阅读 · 2012年12月31日
Arxiv
153+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
392+阅读 · 2023年3月31日
Arxiv
65+阅读 · 2023年3月26日
Arxiv
135+阅读 · 2023年3月24日
Arxiv
19+阅读 · 2023年3月17日
VIP会员
相关VIP内容
视觉语言导航:大模型时代的综述
专知会员服务
41+阅读 · 7月10日
智能战争机器:军事中的人工智能
专知会员服务
43+阅读 · 6月4日
超视距国防通信系统:最新进展与未来挑战
专知会员服务
42+阅读 · 2023年12月17日
战争中的人工智能:认知战斗的黎明
专知会员服务
70+阅读 · 2023年9月15日
机器学习的 7 个关键军事应用
专知会员服务
295+阅读 · 2022年4月24日
专知会员服务
117+阅读 · 2021年7月19日
相关基金
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
23+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
36+阅读 · 2014年12月31日
国家自然科学基金
15+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员