人工智能對戰場的影響

互聯網、大數據和雲計算等新一代信息技術的發展帶動了人工智能技術的快速提升。深度學習、強化學習、群體智能和自主技術等人工智能技術被廣泛應用。人工智能已經成為了引領未來的戰略性技術，是國際科技競爭的新焦點。許多國家已經將發展人工智能上升到國家戰略層面。作為世界軍事強國，美國率先將人工智能技術應用到軍事領域，併發布了以智能化為主要特徵的 “第三次抵消戰略”，期望利用人工智能和自主控制等顛覆性技術使美國的威懾能力達到新的高度，從而掌控未來戰爭局勢。目前，人工智能技術已在戰場上多個方面得到應用，能為國家帶來戰役和戰略層面的巨大優勢，但也同其他顛覆性技術一樣，也會帶來一定負面作用。

本文將人工智能技術的概念入手，介紹了人工智能技術在戰場上的應用（包括戰役和戰略層面），分析了人工智能技術在戰場應用時會出現的弱點及挑戰。

人工智能與機器學習技術概述

人工智能是指使用計算機和機械，模仿人類的大腦，使其具備處理各種問題的功能，具有設計、推理、學習、規劃、思考等能力，可以解決一些複雜和困難的問題。人工智能就是利用各種智能機械或者自動化機械，拓展、延伸和模仿人類的智能，使機器更加的智能化和人性化。人工智能全面綜合了多種學科的相關知識，如工程學、計算機科學、哲學、心理學、語言學等。

機器學習是人工智能的基礎，主要研究如何利用計算機來模擬或仿照人類的學習行為。隨著科學技術的不斷髮展，仿生技術不斷深入，人工智能的目光逐漸轉向仿生學這一領域，機器學習開始採用神經網絡方法來實現。隨著神經網絡技術的與發展以及計算能力的大幅提升，機器學習已發展到深度學習階段。深度學習採用的神經網絡為多層神經網絡，即所謂的深度學習神經網絡。深度學習神經網絡使當前的“監督學習”和“強化學習”方法成為可能。

隨著人工智能和機器學習技術的發展，人工智能可廣泛應用於商業和科學領域，主要是在數據豐富的研究領域，包括基礎研究（例如物理、化學和生物學）和應用科學（例如醫學、航空學和環境研究）。圖1顯示了一些人工智能及機器學習的應用領域。

圖1 人工智能及機器學習應用領域

隨著技術的發展，人工智能也逐漸進入國家安全領域，可應用於戰場上的許多方面，將在戰役及戰略層面產生重大影響。

人工智能的軍事應用

與許多技術一樣，人工智能也具有潛在的軍事效用。美國已認識到人工智能在軍事作戰中的重要作用，並將其作為美國國防部所推行的“第三次抵消戰略”的核心。並且，2018年6月，美國國防部成立了聯合人工智能中心。2019年2月11日，白宮發佈了關於“保持美國在人工智能領域領先地位”的行政命令。美國國防部和情報界在人工智能方面的投入也在增加。人工智能支持的數據分析已經在整個國防和情報界中得到應用。

人工智能的軍事應用主要分為兩類：在戰役層面產生影響的應用和影響戰略層面的應用。戰役級人工智能應用可能對使用通用軍事力量實現戰術目標產生非常重大的影響，並因此影響到常規威懾。戰略級人工智能應用可能對做出戰爭規模和範圍、戰爭強度升降以及戰略穩定性和威懾力有關的政治決策產生重大影響。

人工智能在戰役層面的應用

人工智能在戰役層面上的三個潛在應用可以說明它對通用軍事力量的使用具有廣泛影響。

無所不在和無所不知的自主平臺

利用新一代自主載具是高優先級人工智能軍事應用，主要關注各種無人陸地、海上和空中系統的導航問題。太空和水下平臺也將受益於人工智能輔助的引導系統。人工智能技術是近年來倍受關注的所謂“無人機蜂群”的核心。人工智能導航軟件在無處不在的傳感器的支持下使無人載具能夠通過敵方地區，並最終實現各類無人機的複雜編隊在多個領域運行。這樣，無人系統就能執行復雜的戰術行動，並根據敵方行動快速調整，利用各種戰機，並報告不斷變化的情況。自主載具和機器人將為戰爭帶來革命性的變革。

大數據驅動的建模、仿真和兵棋推演

人工智能一直在逐步提高研究核武器和常規武器時所用仿真和推演工具的能力。無論是早期的核效應計算，還是蘭德公司的各種核問題研究，定量方法都是核武器系統開發不可或缺的手段。而人工智能使科學家們能夠通過美國的核武庫儲備管理計劃，對核效應進行建模，在不進行核試驗的情況下確認核儲備的可靠性。仿真和建模已經成為幾乎所有主要武器系統（從噴氣式飛機和艦船到航天器和精確制導彈藥）設計過程的關鍵部分。大規模建模和仿真將是設計用於作戰管理和複雜任務（如太空態勢感知系統設計、規劃和管理）的多域系統之系統所必需的。在生產方面，人工智能還為增材製造等新生產方法提供了質量控制手段。

人工智能還豐富了涉及多角色交互的戰場模擬和兵棋推演的手段。人工智能使兵棋推演人員可以添加和修改推演變量，發現動態條件（武器、效果、盟友、干預措施等）對結果和決策的影響。人工智能也會用於分析這類推演的結果。

重點情報收集和分析

從人工情報（HUMINT）、信號情報（SIGINT）、地理信息情報（GEOINT）、測量與特徵情報（MASINT）、電子情報（ELINT）、開源情報（OSINT）等眾多情報源收集的情報需要進行分析才會對決策者有用，情報界面臨的是信息超載問題。這是一個以數據為中心的問題，人工智能和機器學習非常適合解決該問題。例如，美國勞倫斯利弗莫爾國家實驗室（LLNL）使用神經網絡探測多模式數據集（圖像、文本和視頻），以尋找擴散活動的關鍵指標。機器學習還可以將開源貿易和財政數據與多種形式的情報結合起來，收集關於非法技術轉讓、擴散網絡和擴散者逃避檢查的信息。這些信息使分析人員能夠為決策者提供有用幫助，並支持反擴散政策和行動。

機器學習將是全源分析人員的重要工具。這些人員越來越多地需要綜合考慮各種來源信息，以瞭解全球環境。進一步講，更好的信息將帶來更明智的決策，人工智能應用於信息收集和問題分析將有利於維持戰略穩定。

人工智能在戰略層面的應用

人工智能在戰略層面的應用主要包括以下幾個方面。

實現強大ISR功能的系統之系統

目標識別是人工智能的一個重要軍事應用，它能從衛星和無人機收集的圖像和信息中進行篩選，找到重要軍事信息，如導彈、部隊和其他相關情報信息。美國國家地理空間情報局（NGA）率先將人工智能應用於軍事和情報需求中，但在目標識別方面的工作才剛剛開始。

情報、監視和偵察（ISR）是實現多域態勢感知的關鍵。隨著戰場擴展到全域——海洋、陸地、空中、太空和網絡，對戰場的整體感知變得越來越重要。人工智能將用於管理和理解現代戰場所涉及的大量ISR數據，這也是美國防部Maven項目的目標。美國防部算法戰跨職能小組（AWCFT）的Maven項目是國防部針對防務領域的問題提出的人工智能和機器學習解決方案，能幫助分析人員完成對大量數據的排序、標註和描述等基本任務。

多域戰涉及大量的異構數據流，只有在人工智能的幫助下才能更好地利用這些數據流。多域混合戰戰場已經形成了軍用物聯網，其中充滿了可用於評估戰術和戰略威脅和機會的重要信息。能夠實時管理此類大量數據的會帶來巨大優勢，而無法從這種數據分析出有用信息可能會帶來災難。

能快速處理多個作戰域的各種平臺帶來的大量信息將取得兩個重要的軍事優勢：速度和範圍。速度比對手快可以提高攻擊機動能力，同時使己方更難被擊中。打擊距離的增加可提升打擊突然性並最大程度降低己方暴露在敵軍火力下的可能性。人工智能使實時動態戰場環境分析成為可能,，從而保證作戰人員快速實時最優打擊，同時最大限度降低己方風險。最近，美國防科學委員會的一項研究表明，一體化戰鬥管理、指揮、控制、通信和情報（BMC3I）能力非常適合於發現和瞄準可部署導彈連，因此，該能力可能是對抗反介入/區域拒止（A2AD）戰略的關鍵要素。除了目標定位外，利用人工智能BMC3I可以幫助引導和協調涉及多個平臺的動能效應，對抗敵方當前的A2AD戰略。從這個角度來看，戰術層面人工智能效用將累積成為戰略級的顛覆力量。

精確瞄準戰略資產

有人工智能加持的ISR能夠定位、跟蹤和瞄準各種敵方武器系統，這就增加了打擊戰略資產如航空母艦、移動導彈或核武器等的可能性。能“找到、鎖定和摧毀”敵方大部分戰略資產的進攻性武器再加上能擊落對方剩餘報復性力量的強大防禦系統，將挑戰現行基於雙方相互脆弱性的基本威懾規則。

有效的導彈防禦

人工智能技術增強的目標瞄準和導航能力可通過提高目標捕獲、跟蹤和識別能力，改善大量戰術和戰略防禦系統的性能，特別是彈道導彈防禦系統。強大的新型進攻和防禦能力的結合再次引發了人們對突然攻擊的恐懼，形成對戰略穩定的挑戰。

人工智能引導的賽博戰

作為一個本質上的數字領域，賽博領域自然會關注人工智能應用，就像人工智能算法在谷歌和Facebook等社交媒體巨頭代碼中的核心地位所顯示的那樣。人工智能非常適用於處理大量電子格式數據。人工智能引導的計算機網絡探測、映射和黑客攻擊可以為機器學習提供有用的數據，包括髮現網絡漏洞、身份、個人資料、關係和其他可能對進攻和防禦有價值的信息。

在進攻方面，人工智能可以定位和瞄準特定節點或個人賬戶，完成信息收集、破壞或提供虛假信息。在防禦方面，人工智能可以幫助發現這類入侵行動，並在民用和軍用系統中尋找異常情況。人工智能將同等增強進攻性和防禦性措施的能力，產生的戰略影響既有正面影響也有負面影響。

總之，人工智能在軍事領域，無論是在戰役層面還是在戰略層面，都有巨大的應用潛力，各國利用這些技術可能會帶來新的重大戰役和戰略優勢。

人工智能戰場應用的弱點與挑戰

人工智能技術與其他顛覆性技術一樣，也有弱點，也會帶來一些挑戰。

人工智能系統易受有問題輸入數據的影響，可能造成意想不到的後果

人工智能算法可能會扭曲現實，導致錯誤和不公正的決策。人工智能的最大障礙也許是老生常談的數據可靠性問題。數據來源多種多樣，數據未必總是經過仔細收集或整理。除了數據有缺陷和結果偏差問題外，人工智能常常還會反映人類的偏見，或者根據得到的數據進行了有問題的學習而產生新的偏見。人工智能輔助的目標和模式識別軟件也很容易被誤導數據欺騙，使得很難區分相似物體，在採用偽裝和誘餌等限制和欺騙手段的情況下，人工智能識別更具挑戰性。甚至即使數據是準確的，人工智能有時也會錯誤識別出不存在的東西。數據可靠性和解釋問題在戰場上會造成關鍵的安全性和可靠性問題。例如，誤擊錯誤目標可能會產生不良戰略性後果。

對許多人工智能應用的對抗措施簡單、直接

對抗性操縱數據可為敵方提供許多機會。人工智能很容易被欺騙這一事實會被對方用來抵消人工智能帶來的軍事優勢。如果數據遭到蓄意破壞，依賴人工智能的系統會發生設備故障、通信錯誤、後勤混亂和毀滅性錯誤。人工智能的黑匣子性質使得人們很難了解人工智能的決策方式和原因，這也使得人們很難認識到數據是否受損及是否產生了不準確的結果，比如誤擊錯誤目標或誤導盟軍。數據漏洞很可能是人工智能的致命弱點。

快速決策和操作執行可能不利於有效危機管理

人工智能的優勢之一是快速決策，但這種快速決策可能會不必要地加速衝突從危機升級到戰爭，甚至升級到核對抗，那麼這樣的速度可能反而是其劣勢。人工智能驅動的ISR和自主系統的戰場優勢可能會縮短避免或控制危機的外交行動可用的時間。按照目前的設想，人工智能驅動的戰場系統將不會實時報告和分析國家和國際上避免、控制、抑制、結束衝突所作的外交工作，快速決策可能導致危機升級。

AI支持的多域ISR和戰鬥管理系統很難實現整合

目前還沒有複雜的、新的人工智能引導的ISR/戰鬥管理系統的總體架構和戰略。事實上，人工智能系統的增多可能會更難實現有效的聯合行動。人工智能支持的武器、平臺和操作系統依賴定製軟硬件，而這些軟硬件是專門針對不同系統和目的設計的。目前還沒有一個基本機制來整合多種平臺上運行的人工智能系統。

對於多域ISR來說，數十個傳感器、雷達、武器和通信系統必須通過多個物理領域進行整合。而這些系統由不同的機構、指揮部和承包商基於不同的權限、訪問方式和程序建立和運行。這些原因使得整合過程極具挑戰。並且，盟友及其人工智能系統的增加將使系統整合的複雜性提高並帶來更多和風險。如果沒有無縫整合，速度和殺傷力可能只會帶來很短暫的優勢，並且這種未經驗證的系統之系統的可信度也可能會受到質疑。複雜性的提高和未經證實的能力將引起可能破壞穩定的問題。

大數據和機器學習無法解決戰略預警問題

設計能夠實時通信的複雜人工智能平臺需要新一代的數據融合、集成軟件和指令體系結構。將這些因素結合起來開發一項全面的威脅評估方式為決策者提供戰略預警絕非易事。收集和分析不同利益相關者所擁有的信息需要大量工作。快速整合和分析來源不同的敏感信息也是一個巨大挑戰。雖然機器學習和計算機視覺等技術將有助於對大量情報信息進行分類和有限排序，但分析人員仍將不得不根據不完整或不可靠的信息做出許多判斷。開發一個能夠進行戰略預警的全面綜合系統將需要好幾年時間。

在戰場上需要將多個人工智能系統緊密合作和集成，可能會產生意想不到的結果

各種人工智能系統運行在共享的戰場空間中，它們之間相互作用的方式還不確定。並且與外來人工智能系統的交互將更加複雜。由於人工智能內部黑匣子機制有諸多不確定性，人工智能到人工智能的相互作用很可能產生意想不到的結果，比如選擇錯誤目標等。並且，人工智能將如何與量子計算、電磁脈衝、物聯網、5G和區塊鏈等技術相融合也是未知的。

結 語

人工智能技術已逐漸進入國家安全領域，可用於自主平臺、軍事建模與仿真以及情報分析等戰術層面，將大大提高作戰速度、精確性和致命性。同時在戰略層面，人工智能技術可實現強大ISR功能的系統，精確瞄準戰略資產，實現導彈防禦並在賽博戰領域發揮作用，有助於加強國家戰略威懾。但與其他顛覆性技術一樣人工智能技術在應用時也會面臨一些挑戰。

目前，世界各國都在關注人工智能技術，並越來越多地將其用於軍事應用，因此要充分認識人工智能對戰場的影響，發揮人工智能技術對作戰的積極作用，同時認識到人工智能技術在戰場應用時存在的弱點，並最大限度地減少對戰略穩定的負面影響，確保國家獲得最大優勢，提高戰略威懾。