21場AI戰(zhàn)爭推演，沒有一場以妥協(xié)收場

作者：陳永偉

這幾天，一篇名為《AI殺死了哈梅內(nèi)伊》的公眾號(hào)文章刷屏了朋友圈。這篇文章聲稱，AI完全主導(dǎo)了這場名為“沉默圣城”的斬首行動(dòng)。在整個(gè)行動(dòng)中，美國只動(dòng)用了1架MQ-9B無人機(jī)和8人特種部隊(duì)，但在Claude 3 Opus大模型、Palantir Foundry 平臺(tái)和JADC2體系的配合之下，僅用11分23秒就成功完成了對伊朗最高領(lǐng)導(dǎo)人的擊殺，并實(shí)現(xiàn)了零傷亡、零附帶損傷。

由于文章的選題緊跟時(shí)事，又成功抓住了公眾對AI軍事化的好奇，加之行文流暢、細(xì)節(jié)充足，因而上線不久就收獲了10萬+的閱讀量，點(diǎn)贊、轉(zhuǎn)發(fā)更是不計(jì)其數(shù)。因此，如果從純粹的傳播角度看，這篇文章當(dāng)然可以稱得上十分成功。

遺憾的是，這篇爆款文章其實(shí)是一篇徹頭徹尾的爽文，其中陳述的事實(shí)存在大量錯(cuò)誤。實(shí)際上，根據(jù)后來透露的消息，此次針對哈梅內(nèi)伊的空襲是美國和以色列聯(lián)合實(shí)施的，其中以色列負(fù)責(zé)具體執(zhí)行，美軍主要提供情報(bào)支持，因而說是美軍執(zhí)行了此次行動(dòng)，顯然并不正確。盡管具體兵力未披露，但公開報(bào)道提到投下30枚精確制導(dǎo)炸彈，顯然遠(yuǎn)不止文中所稱的1架MQ-9B無人機(jī)和8人特種部隊(duì)。甚至連“沉默圣城”這一行動(dòng)代號(hào)也屬子虛烏有。至于“Claude將不同格式的戰(zhàn)術(shù)指令轉(zhuǎn)化為統(tǒng)一的自然語言，通過Palantir實(shí)現(xiàn)指令秒級下達(dá)”等細(xì)節(jié)，則很可能純粹來自作者的自行腦補(bǔ)。

需要指出的是，雖然“AI殺死了哈梅內(nèi)伊”的說法并不屬實(shí)，但上述文章所陳述的核心觀點(diǎn)——“AI正在軍事領(lǐng)域發(fā)揮越來越重要的作用”——卻已是不爭的事實(shí)。例如，根據(jù)《華爾街日報(bào)》、路透社等西方主流媒體的報(bào)道，在此前突襲委內(nèi)瑞拉、抓捕馬杜羅的行動(dòng)中，美軍就使用了 Claude模型和Palantir平臺(tái)。而在此次針對伊朗的行動(dòng)中，這些AI工具也發(fā)揮了重要作用，只不過它們的作用并沒有像《AI殺死了哈梅內(nèi)伊》中所描述的那樣神乎其神，其地位也并非主導(dǎo)性的。

那么，在軍事領(lǐng)域，AI到底能做什么、不能做什么？現(xiàn)在，它們究竟在哪些領(lǐng)域發(fā)揮了作用？隨著AI的使用，戰(zhàn)爭的模式以及與戰(zhàn)爭相關(guān)的組織會(huì)發(fā)生怎樣的變化？將AI應(yīng)用于軍事，又會(huì)滋生哪些潛在風(fēng)險(xiǎn)？在軍事領(lǐng)域，人與AI應(yīng)當(dāng)保持怎樣的關(guān)系？關(guān)于這一切，且讓我們慢慢說來。

AI的能力邊界

要理解AI在軍事中的真實(shí)地位，就必須先區(qū)分兩種能力：一種是預(yù)測能力（Predictive Capacity），另一種是判斷能力（Judgmental Capacity）。

所謂預(yù)測能力，是指系統(tǒng)在給定數(shù)據(jù)與目標(biāo)函數(shù)的條件下，對未來狀態(tài)或最優(yōu)路徑進(jìn)行概率推斷的能力。這種能力一般需要基于歷史或?qū)崟r(shí)數(shù)據(jù)獲得，并依賴統(tǒng)計(jì)模型加以訓(xùn)練。從本質(zhì)上講，它是一種工具性能力，關(guān)注的問題主要是“在既定目標(biāo)下，哪種行動(dòng)路徑成功概率最高”，而不涉及“這個(gè)目標(biāo)是否值得追求”。所謂判斷能力，則是在多重價(jià)值沖突、不確定政治后果與責(zé)任承擔(dān)框架下，對目標(biāo)本身進(jìn)行權(quán)衡與選擇的能力。在這兩種能力中，AI在預(yù)測能力上更具優(yōu)勢，而人類在判斷能力上更具優(yōu)勢。這種能力的比較優(yōu)勢，決定了AI在軍事領(lǐng)域的使用邊界。

在關(guān)于戰(zhàn)爭的敘事中，“料敵制勝”始終被置于重要位置。要精準(zhǔn)“料敵”，就需要搜集并分析大量信息。在傳統(tǒng)戰(zhàn)場上，信息來源相對匱乏，因此搜集情報(bào)最為關(guān)鍵，進(jìn)一步的分析和預(yù)測只能基于有限的“小數(shù)據(jù)”。現(xiàn)在的問題不是情報(bào)太少，而是情報(bào)太多。衛(wèi)星、無人機(jī)、雷達(dá)、通信監(jiān)聽系統(tǒng)、網(wǎng)絡(luò)監(jiān)控平臺(tái)每天產(chǎn)生的數(shù)據(jù)量以PB（千萬億字節(jié)）計(jì)。然而，隨著情報(bào)的爆炸，對這些數(shù)據(jù)進(jìn)行分析本身成為難題。比如，美國國防部曾公開承認(rèn)，現(xiàn)在僅無人機(jī)視頻流的分析，就需要數(shù)千名分析員輪班處理。人工處理不僅成本高昂，而且極易疲勞。研究顯示，在長時(shí)間監(jiān)視任務(wù)中，人類分析員的識(shí)別準(zhǔn)確率會(huì)顯著下降，尤其在重復(fù)性高、目標(biāo)稀疏的環(huán)境中，更容易出現(xiàn)錯(cuò)誤。

在這種背景下，AI的價(jià)值便凸顯出來。計(jì)算機(jī)視覺、自然語言處理與異常檢測等模型可以在海量圖像與通信數(shù)據(jù)中快速標(biāo)注、篩選并識(shí)別異常活動(dòng)跡象。這些能力并不神秘，本質(zhì)上是對統(tǒng)計(jì)相關(guān)性的計(jì)算，但在規(guī)模和速度上遠(yuǎn)超人類極限。當(dāng)AI將海量信息加總、整合之后，就可以對戰(zhàn)場走向形成更精準(zhǔn)的預(yù)測，并迅速在眾多備選作戰(zhàn)方案中篩選出最優(yōu)方案。戰(zhàn)略學(xué)者安東尼·金（AnthonyKing）在其新作《AI、自動(dòng)化與戰(zhàn)爭》中指出，AI在軍事中的真正意義首先在于“規(guī)模效應(yīng)”——它擴(kuò)展了軍隊(duì)的認(rèn)知半徑，使原本難以管理的信息流變得可處理。

然而，即便擁有強(qiáng)大的預(yù)測能力，AI仍不足以取代人類的戰(zhàn)略判斷。

一方面，戰(zhàn)爭從來不是封閉規(guī)則下的最優(yōu)解問題，而是開放結(jié)構(gòu)中的價(jià)值選擇。圍棋比賽有清晰的勝負(fù)標(biāo)準(zhǔn)，金融交易有既定的市場規(guī)則，但戰(zhàn)爭的目標(biāo)本身往往處于不斷變化之中。一個(gè)國家發(fā)動(dòng)軍事行動(dòng)時(shí)，所考慮的并不僅是戰(zhàn)術(shù)成功概率，還包括聯(lián)盟關(guān)系、國際輿論、國內(nèi)政治后果以及長期信譽(yù)。算法可以在既定目標(biāo)函數(shù)下尋找最優(yōu)路徑，卻無法決定目標(biāo)本身是否值得追求，更無法承擔(dān)由此產(chǎn)生的政治與道德后果。戰(zhàn)略判斷必須涉及責(zé)任承擔(dān)。從這個(gè)角度看，戰(zhàn)略判斷不是單純的計(jì)算行為，而是一種制度性決斷，因此AI難以簡單取代人類的判斷。

實(shí)際上，最近的一些研究也印證了這一點(diǎn)。倫敦國王學(xué)院學(xué)者肯尼斯·佩恩（Kenneth Payne）發(fā)表了一項(xiàng)研究：他將三款最先進(jìn)的大模型——Claude Sonnet 4、GPT-5.2和Gemini 3 Flash——分別模擬為核武國家的最高決策者，在冷戰(zhàn)式核危機(jī)沙盤推演中互相對抗。基于21場對局的推演結(jié)果，佩恩發(fā)現(xiàn)，這些“硅基決策者”在面對危機(jī)升級時(shí)特別容易采取極端對策：在95%的對局中，至少有一個(gè)模型選擇動(dòng)用核武器，而沒有任何一次對局出現(xiàn)投降或真正的妥協(xié)。從兵棋推演的勝負(fù)角度看，AI的選擇或許自洽，但在現(xiàn)實(shí)世界中，恐怕沒有人類戰(zhàn)略家會(huì)作出這樣的決策。

另一方面，即便從純粹的預(yù)測能力來看，AI在戰(zhàn)爭場景中的適用性也面臨結(jié)構(gòu)性限制。AI能夠精準(zhǔn)預(yù)測的前提，是存在大量可重復(fù)、可訓(xùn)練的數(shù)據(jù)。然而戰(zhàn)爭中的許多關(guān)鍵場景恰恰是低頻、高風(fēng)險(xiǎn)、不可重復(fù)的事件。例如，大國之間的全面戰(zhàn)爭在現(xiàn)代歷史上屈指可數(shù)，核武器的實(shí)際使用更只有兩次記錄。在這種環(huán)境下，模型幾乎沒有足夠的歷史數(shù)據(jù)來學(xué)習(xí)“什么是正確的戰(zhàn)略選擇”。統(tǒng)計(jì)方法在常見模式上表現(xiàn)出色，卻在尾部風(fēng)險(xiǎn)面前異常脆弱，而戰(zhàn)略決策往往正是尾部決策——是否升級沖突、是否越過核門檻、是否承擔(dān)不可逆后果，這些問題本身就超出了常規(guī)樣本的范圍。

更復(fù)雜的是，戰(zhàn)爭中的數(shù)據(jù)不僅稀缺，而且往往被刻意扭曲。對手會(huì)主動(dòng)制造假信號(hào)、實(shí)施電子干擾、偽裝目標(biāo)，甚至專門設(shè)計(jì)對抗性信息誤導(dǎo)算法。在類似情況下，模型所依賴的歷史數(shù)據(jù)可能在新的沖突環(huán)境中迅速失效。

基于以上分析，可以看出，在戰(zhàn)爭中，AI更適合扮演“認(rèn)知增強(qiáng)工具”的角色，而不是“戰(zhàn)略主體”。戰(zhàn)略主體必須具備責(zé)任承擔(dān)能力，而責(zé)任屬于政治共同體。因此，至少在現(xiàn)階段，AI難以完全“主導(dǎo)”戰(zhàn)爭，至多只能發(fā)揮執(zhí)行與輔助功能。

需要指出的是，在現(xiàn)代主要軍事實(shí)體中，這種能力邊界已經(jīng)以制度形式加以固定。例如，北約在2021年通過的《人工智能戰(zhàn)略》提出“有意義的人類控制”（Meaningful Human Control）原則，要求AI系統(tǒng)必須可追溯、可解釋，無論自動(dòng)化程度多高，在目標(biāo)選擇與武器釋放等關(guān)鍵決策上，都必須保留人類判斷空間。美國國防部的《自動(dòng)化武器系統(tǒng)政策》（Autonomyin Weapon Systems，編號(hào)Directive 3000.09）也明確規(guī)定，自主武器系統(tǒng)的設(shè)計(jì)必須允許指揮官和操作員在使用武力時(shí)行使適當(dāng)程度的人類判斷，而不能完全脫離人類控制。尤其在涉及殺傷性行動(dòng)，即選擇和攻擊目標(biāo)時(shí)，系統(tǒng)必須經(jīng)過嚴(yán)格評估和認(rèn)證，確保符合“適當(dāng)?shù)娜祟惻袛嗨健薄闹贫葘用婵矗珹I完全主導(dǎo)戰(zhàn)爭、自動(dòng)扣動(dòng)扳機(jī)，在這些軍事實(shí)體中并不被允許。

AI在軍事體系中的作用

在整體了解了AI的能力邊界及其與人力的分工之后，我們進(jìn)一步把視線從抽象能力轉(zhuǎn)向具體應(yīng)用，來看AI究竟如何嵌入指揮鏈、情報(bào)網(wǎng)與作戰(zhàn)流程之中。

從整體上看，現(xiàn)代戰(zhàn)爭可以拆分為情報(bào)與監(jiān)視、規(guī)劃與調(diào)度、目標(biāo)識(shí)別與打擊，以及網(wǎng)絡(luò)與系統(tǒng)防御四個(gè)層級。在每一個(gè)層級中，AI都正在發(fā)揮越來越不可忽視的作用。

（一）情報(bào)與監(jiān)視

在情報(bào)層面，算法最早顯示出實(shí)際價(jià)值。如前所述，現(xiàn)代戰(zhàn)爭的第一挑戰(zhàn)已不再是獲取情報(bào)，而是處理情報(bào)，而AI在處理情報(bào)方面具有先天優(yōu)勢。正是在這種背景下，AI技術(shù)得以大規(guī)模進(jìn)入軍事情報(bào)處理領(lǐng)域。

以美國為例，早在2017年，美軍就通過“專家計(jì)劃”（ProjectMaven）等項(xiàng)目引入機(jī)器學(xué)習(xí)，對無人機(jī)視頻與衛(wèi)星圖像進(jìn)行目標(biāo)標(biāo)注與模式識(shí)別，從而將海量監(jiān)控視頻轉(zhuǎn)化為可操作的信息。在這一過程中，Palantir協(xié)助美國國防部整合原本分散于不同來源的數(shù)據(jù)，并對其進(jìn)行可視化和自動(dòng)分析，幫助構(gòu)建實(shí)時(shí)態(tài)勢感知圖，使美軍對情報(bào)的利用效率獲得顯著提升。近年來，美軍進(jìn)一步引入Anthropic的Claude等AI模型，使其成為新的“智能中樞”。通過與Palantir數(shù)據(jù)平臺(tái)的深度整合，Claude被部署到美軍的機(jī)密數(shù)據(jù)流中，用于實(shí)時(shí)處理海量情報(bào)、生成情境模擬和戰(zhàn)場預(yù)測。公開報(bào)道顯示，這種集成不僅讓美國國防部能夠在“數(shù)據(jù)湖”環(huán)境下自動(dòng)重構(gòu)情報(bào)流，還使關(guān)鍵線索在競態(tài)態(tài)勢中的反饋更加迅速高效。

（二）作戰(zhàn)規(guī)劃與調(diào)度

如果說情報(bào)層解決的是“看見”，那么規(guī)劃層解決的則是“如何行動(dòng)”。如今，AI在規(guī)劃中的價(jià)值正從簡單工具向系統(tǒng)支持演進(jìn)。以Palantir的“Gotham”和“MavenSmartSystem”為例，它們可以整合來自衛(wèi)星、無人機(jī)、雷達(dá)與地面報(bào)告的數(shù)據(jù)，再通過算法模型輸出備選行動(dòng)方案供指揮官參考。在俄烏沖突中，Palantir曾幫助烏軍在戰(zhàn)術(shù)部署和火炮射擊精準(zhǔn)度上取得優(yōu)勢，通過快速計(jì)算方位與彈道，提高打擊效率。

近年來，以Claude為代表的生成式AI開始被廣泛應(yīng)用于規(guī)劃模型的構(gòu)建與場景演練。作為大型語言模型，它不僅可以在受控系統(tǒng)中整合情報(bào)報(bào)告、生成摘要、梳理關(guān)鍵風(fēng)險(xiǎn)點(diǎn)，還能在既定約束條件下生成多種行動(dòng)方案供指揮官參考。這就如同為決策人員配備了一名得力的作戰(zhàn)參謀，使其能夠在有限時(shí)間內(nèi)審視更多行動(dòng)路徑，作出更高效的決策。

（三）殺傷鏈加速

所謂“殺傷鏈”（Kill Chain），是指從獲取戰(zhàn)場信息到實(shí)施打擊的完整流程，包括發(fā)現(xiàn)目標(biāo)、識(shí)別目標(biāo)、決策打擊、執(zhí)行與評估等環(huán)節(jié)。在每一個(gè)環(huán)節(jié)中，AI都可以顯著提升效率，壓縮運(yùn)作時(shí)間。具體而言，在“發(fā)現(xiàn)”階段，AI可以通過圖像識(shí)別與異常檢測實(shí)現(xiàn)對海量數(shù)據(jù)的快速篩選；在“識(shí)別”階段，AI可以整合多源信息，提高確認(rèn)效率；在“決策準(zhǔn)備”階段，AI能夠生成優(yōu)先級排序和行動(dòng)選項(xiàng)，縮短參謀分析時(shí)間；在“評估”階段，AI則可以自動(dòng)比對打擊前后圖像，快速判斷效果。通過這一系列工作，可以大幅壓縮殺傷鏈的時(shí)間周期，提高打擊窗口的利用效率。

已有不少研究驗(yàn)證了AI在殺傷鏈加速過程中的作用。例如，美國陸軍學(xué)院發(fā)布的報(bào)告《以人工智能驅(qū)動(dòng)的數(shù)據(jù)管理構(gòu)建任務(wù)式指揮的非對稱優(yōu)勢》（Mission Command’s Asymmetric Advantage Through AI-Driven Data Management）顯示，在使用AI輔助決策系統(tǒng)處理傳感器數(shù)據(jù)、識(shí)別有效目標(biāo)并輸出作戰(zhàn)建議后，美軍“從感知到打擊”（sensor-to-shooter）的時(shí)間從原本的11分鐘縮短至7.7分鐘，縮減幅度達(dá)30%。

需要指出的是，在這一層級中，AI的作用常被外界誤讀為自動(dòng)化武器系統(tǒng)，尤其當(dāng)算法輸出與實(shí)際打擊結(jié)果高度相關(guān)時(shí)更是如此。但正如前文所述，大多數(shù)國家的現(xiàn)行制度仍規(guī)定這類系統(tǒng)必須經(jīng)過人工授權(quán)，尤其在涉及致命性攻擊時(shí)更是如此。從這個(gè)意義上看，AI雖然加速了殺傷鏈，卻并未真正主導(dǎo)殺傷鏈。

（四）網(wǎng)絡(luò)戰(zhàn)與自動(dòng)防御

在現(xiàn)代戰(zhàn)爭中，網(wǎng)絡(luò)戰(zhàn)的重要性空前強(qiáng)化，因此這里將其作為獨(dú)立環(huán)節(jié)加以討論。

眾所周知，網(wǎng)絡(luò)空間攻防具有高度自動(dòng)化特征，網(wǎng)絡(luò)防御系統(tǒng)必須在毫秒級響應(yīng)惡意活動(dòng)，人工干預(yù)已難以跟上節(jié)奏。在這種情況下，AI在該領(lǐng)域開始發(fā)揮越來越重要的作用。許多國家的網(wǎng)絡(luò)司令部已利用機(jī)器學(xué)習(xí)模型掃描海量網(wǎng)絡(luò)流量，實(shí)時(shí)發(fā)現(xiàn)異常并隔離風(fēng)險(xiǎn)節(jié)點(diǎn)。

例如，美國網(wǎng)絡(luò)司令部正在推廣“持續(xù)交戰(zhàn)”（persistentengagement）戰(zhàn)略。這一戰(zhàn)略利用自動(dòng)化分析工具對全球網(wǎng)絡(luò)空間中的威脅行為進(jìn)行實(shí)時(shí)識(shí)別與標(biāo)記。一旦系統(tǒng)檢測到異常流量，例如指揮控制服務(wù)器的可疑通信，便可自動(dòng)觸發(fā)隔離機(jī)制或向安全團(tuán)隊(duì)發(fā)出高優(yōu)先級警報(bào)，從而將響應(yīng)時(shí)間從人工排查的數(shù)小時(shí)壓縮至接近實(shí)時(shí)。

通過上述四個(gè)層級的具體例子可以看出，AI在軍事體系中的嵌入正在日益深化，其發(fā)揮的作用也在持續(xù)擴(kuò)大。不過，從本質(zhì)上講，AI的角色仍然是支持與輔助，而非取代決策主體。至少在現(xiàn)階段，戰(zhàn)爭的決策方式仍然是人機(jī)協(xié)同，而非AI的獨(dú)立決策。

AI與戰(zhàn)爭組織的重構(gòu)

值得注意的是，當(dāng)人工智能逐步嵌入情報(bào)、規(guī)劃與執(zhí)行環(huán)節(jié)時(shí)，變化不僅發(fā)生在技術(shù)層面，更發(fā)生在組織結(jié)構(gòu)層面。安東尼·金在《AI、自動(dòng)化與戰(zhàn)爭》中提出，當(dāng)代軍事變革的核心，并非某種“超級武器”的出現(xiàn)，而是軍隊(duì)正在形成一種新型的“軍事—科技復(fù)合體”。如果說冷戰(zhàn)時(shí)期的“軍事—工業(yè)復(fù)合體”圍繞坦克、戰(zhàn)機(jī)與導(dǎo)彈展開，那么今天的核心資源則是數(shù)據(jù)、算法與軟件平臺(tái)。戰(zhàn)爭不再只是鋼鐵與火藥的競爭，而越來越成為計(jì)算能力與組織協(xié)同能力的較量。

這種結(jié)構(gòu)變化在美國表現(xiàn)得尤為明顯。過去十年間，五角大樓與硅谷之間的合作顯著加深。美國國防部設(shè)立DIU等創(chuàng)新機(jī)構(gòu)，并將數(shù)十億美元預(yù)算投向數(shù)據(jù)分析與自動(dòng)化系統(tǒng)。與此同時(shí)，Palantir、Anduril、OpenAI、Anthropic等公司逐漸成為重要防務(wù)承包商，它們提供的并非傳統(tǒng)武器，而是數(shù)據(jù)融合平臺(tái)與智能分析工具。資金流向的變化本身，就說明戰(zhàn)爭基礎(chǔ)設(shè)施正在發(fā)生轉(zhuǎn)型。

更深層的變化體現(xiàn)在人員結(jié)構(gòu)上。傳統(tǒng)軍隊(duì)以作戰(zhàn)兵種與工程兵種為核心，如今卻越來越依賴數(shù)據(jù)科學(xué)家與算法工程師。許多軍事創(chuàng)新項(xiàng)目需要軍官與程序員并肩合作，前者提供作戰(zhàn)經(jīng)驗(yàn)，后者設(shè)計(jì)模型架構(gòu)。這種合作改變的不只是工具，更是組織邏輯。

以色列的模式則更加緊密。其軍方長期與本土科技企業(yè)保持深度互動(dòng)，許多初創(chuàng)公司由退役軍官創(chuàng)辦，軍事單位本身成為技術(shù)孵化場。這種結(jié)構(gòu)使算法能夠在實(shí)戰(zhàn)環(huán)境中快速迭代，但也意味著軍事與商業(yè)之間的邊界更加模糊。在這種體系中，算法只是系統(tǒng)中的一個(gè)模塊，其效力高度依賴組織流程、測試機(jī)制與持續(xù)維護(hù)。

這種“人機(jī)團(tuán)隊(duì)”模式重新劃分了戰(zhàn)爭分工。分析員不再只是觀看屏幕，而是監(jiān)督模型輸出；指揮官不再只依賴經(jīng)驗(yàn)，而是評估算法建議。戰(zhàn)爭由此從線性指揮鏈條轉(zhuǎn)向更具網(wǎng)絡(luò)特征的協(xié)作結(jié)構(gòu)。通過這種分工重組，組織可以在保持人類決策權(quán)的前提下，提高整體運(yùn)行效率。

不過，這種組織變革并非沒有成本。一方面，軍人與科研人員在作風(fēng)與理念上存在差異，跨界合作難免產(chǎn)生摩擦。2018年，谷歌部分員工拒絕參與“專家計(jì)劃”的圖像識(shí)別項(xiàng)目，最終公司中止與軍方的相關(guān)合作。另一方面，新式分工使系統(tǒng)復(fù)雜度顯著上升，使決策過程更依賴數(shù)據(jù)鏈條與模型穩(wěn)定性。一旦數(shù)據(jù)鏈條中斷或模型失效，整個(gè)體系都可能受到嚴(yán)重沖擊。

AI帶來的風(fēng)險(xiǎn)與誤判

到此為止，我們已經(jīng)較為清晰地說明了AI在戰(zhàn)爭中所發(fā)揮的作用，以及它如何推動(dòng)與戰(zhàn)爭相關(guān)的組織變革。下面，我們來探討一個(gè)更為敏感的問題：當(dāng)AI更多地介入軍事決策流程時(shí)，究竟會(huì)帶來怎樣的風(fēng)險(xiǎn)。

關(guān)于這一點(diǎn)，我們最直觀的印象或許來自《終結(jié)者》這樣的科幻影片——AI突然覺醒意識(shí)，瞬間接管核彈操作系統(tǒng)，向各國發(fā)動(dòng)核打擊，人類就此滅絕。幸運(yùn)的是，至少到目前為止，我們還不必為AI覺醒而擔(dān)憂。但即便如此，AI介入軍事系統(tǒng)所帶來的風(fēng)險(xiǎn)依然不容忽視。具體而言：

第一重風(fēng)險(xiǎn)：算法理性與戰(zhàn)略理性之間的結(jié)構(gòu)性張力

如前所述，AI的運(yùn)作邏輯是優(yōu)化。在給定目標(biāo)函數(shù)與約束條件的前提下，它尋找成功概率最高或成本最低的路徑。然而，戰(zhàn)爭決策并非單一目標(biāo)最大化問題，而是多重價(jià)值之間的權(quán)衡。戰(zhàn)略判斷往往涉及軍事實(shí)力、國際法約束、聯(lián)盟信譽(yù)、國內(nèi)政治壓力以及長期地緣格局。這些變量難以被壓縮為單一指標(biāo)，因此AI在決策時(shí)，可能表現(xiàn)出人類所沒有的激進(jìn)傾向。

以此前提到的肯尼斯·佩恩的兵棋推演實(shí)驗(yàn)為例。如果僅以“最大化勝率”為目標(biāo)，那么像實(shí)驗(yàn)中的AI那樣先發(fā)制人、率先對對方使用核武器，確實(shí)可能是模型意義上的最優(yōu)選擇。然而，現(xiàn)實(shí)中的戰(zhàn)略理性往往強(qiáng)調(diào)克制與模糊性。包括古巴導(dǎo)彈危機(jī)在內(nèi)的多次危機(jī)都已表明，戰(zhàn)略層面的危機(jī)處理更依賴延遲決策與信號(hào)管理，而非立即采取“最優(yōu)”軍事行動(dòng)。在這種情況下，如果決策者過度依賴AI模型給出的建議，就可能無意中采納一種過度清晰、過度激進(jìn)的路徑，從而使自身陷入巨大風(fēng)險(xiǎn)。

第二重風(fēng)險(xiǎn)：數(shù)據(jù)稀缺與尾部風(fēng)險(xiǎn)

AI能力的發(fā)揮高度依賴數(shù)據(jù)，但戰(zhàn)爭的許多關(guān)鍵場景恰恰屬于數(shù)據(jù)稀缺領(lǐng)域。例如，核威懾邏輯建立在極少數(shù)歷史經(jīng)驗(yàn)與大量理論推演之上，而非海量可重復(fù)樣本；在斬首敵國元首之后，該國軍方的后續(xù)反應(yīng)更只有極少歷史案例可供參考。在這種情況下，即便模型可以模擬數(shù)百萬次情境，其基礎(chǔ)假設(shè)仍來自有限歷史數(shù)據(jù)。一旦現(xiàn)實(shí)環(huán)境發(fā)生結(jié)構(gòu)性變化，例如技術(shù)突變或聯(lián)盟格局重組，模型預(yù)測便可能失效。此時(shí)，如果輕信AI建議，就可能導(dǎo)致嚴(yán)重誤判。

第三重風(fēng)險(xiǎn)：對抗環(huán)境中的誤導(dǎo)與信息污染

戰(zhàn)爭環(huán)境不僅數(shù)據(jù)有限，而且高度對抗。對手會(huì)主動(dòng)制造假信號(hào)、偽裝目標(biāo)、實(shí)施電子干擾，甚至設(shè)計(jì)對抗樣本專門誤導(dǎo)識(shí)別系統(tǒng)。在圖像識(shí)別領(lǐng)域，研究已表明，微小擾動(dòng)即可使算法誤判目標(biāo)。在戰(zhàn)場上，對手完全可能利用這一特性進(jìn)行欺騙。

例如，美國在“專家計(jì)劃”早期就發(fā)現(xiàn)，當(dāng)無人機(jī)識(shí)別系統(tǒng)依賴某種視覺特征識(shí)別裝甲車輛時(shí)，對手可以通過改變涂裝或增加偽裝裝置，降低模型識(shí)別準(zhǔn)確率。而在網(wǎng)絡(luò)戰(zhàn)環(huán)境中，攻擊者更可以制造異常流量以分散防御系統(tǒng)注意力，誘導(dǎo)其作出錯(cuò)誤響應(yīng)。

第四重風(fēng)險(xiǎn)：決策節(jié)奏壓縮帶來的升級風(fēng)險(xiǎn)

AI最顯著的影響之一，是對決策時(shí)間的壓縮。但與此同時(shí)，它也大幅壓縮了決策者的反應(yīng)時(shí)間。如果這種影響僅限于戰(zhàn)術(shù)層面，問題尚可控；但若發(fā)生在戰(zhàn)略層面，在高度緊張的安全環(huán)境中，AI建議可能加劇對情勢的誤判，從而觸發(fā)連鎖反應(yīng)。從這個(gè)意義上看，速度優(yōu)勢在戰(zhàn)術(shù)層面或許有利，卻可能在戰(zhàn)略層面增加不穩(wěn)定性。若戰(zhàn)爭雙方都依賴AI自動(dòng)化系統(tǒng)提升響應(yīng)速度，形成“加速循環(huán)”，誤判的擴(kuò)散速度將顯著提高。

除了上述風(fēng)險(xiǎn)之外，AI軍備競賽同樣值得關(guān)注。歷史上，核武器競賽因誤判與恐懼加劇緊張局勢；而今天，如果各國夸大對手在AI領(lǐng)域的能力，誤以為對方已經(jīng)實(shí)現(xiàn)高度自動(dòng)化作戰(zhàn)，便可能在缺乏充分測試的情況下倉促部署自動(dòng)化系統(tǒng)。當(dāng)這些未經(jīng)驗(yàn)證的模型進(jìn)入最為敏感的軍事領(lǐng)域，其風(fēng)險(xiǎn)將成倍放大。

綜合以上分析可以看出，AI廣泛進(jìn)入軍事領(lǐng)域，可能引發(fā)風(fēng)險(xiǎn)結(jié)構(gòu)的顯著變化。算法理性可能偏離戰(zhàn)略理性，數(shù)據(jù)稀缺削弱預(yù)測可靠性，對抗環(huán)境降低模型穩(wěn)定性，時(shí)間壓縮放大升級風(fēng)險(xiǎn)。如果制度準(zhǔn)備不足，這些風(fēng)險(xiǎn)還會(huì)被進(jìn)一步放大。從這個(gè)意義上說，當(dāng)我們將AI引入軍事領(lǐng)域時(shí)，如何有效管控它、確保其始終服從人類指揮，依然是一項(xiàng)重大挑戰(zhàn)。

結(jié)語

隨著AI技術(shù)的發(fā)展與廣泛應(yīng)用，它正在改變戰(zhàn)爭的運(yùn)行方式：信息處理更快，決策節(jié)奏更緊，組織結(jié)構(gòu)更加依賴算法協(xié)同。但戰(zhàn)爭的本質(zhì)并未改變，它依然是人類政治的延伸。

在戰(zhàn)術(shù)層面，自動(dòng)化可以提升效率，但“扳機(jī)”必須牢牢掌握在人類手中；在戰(zhàn)略層面，必須保留“有意義的人類控制”，算法可以預(yù)測概率，卻無法承擔(dān)法律責(zé)任與歷史后果。

AI是能力放大器，既放大效率，也可能放大錯(cuò)誤與風(fēng)險(xiǎn)。真正需要警惕的，并非算法是否足夠聰明，而是人類能否在高速技術(shù)環(huán)境中依然保持理性與克制。

免責(zé)聲明：本文觀點(diǎn)僅代表作者本人，供參考、交流，不構(gòu)成任何建議。