战场AI决策支持系统

在大国竞争和近期战场部署的推动下，人工智能与军事行动的整合正在加速。这些系统有望实现跨域更快、更协调的决策，但也带来了技术、组织、条令和政治方面的挑战，必须谨慎权衡其与作战优势之间的关系。

日益激烈的战略竞争已使人工智能成为国家安全政策的核心支柱之一。主要大国正大力投资于人工智能赋能的军事能力，加速了将人工智能融入国防架构的全球竞赛。近期的冲突进一步凸显了人工智能在战场上日益增长的重要性，促使军队加速现代化。这一转变的核心是人工智能赋能的决策支持系统的兴起——这些工具旨在帮助指挥官处理海量数据，以做出更快速、更明智的战场决策。

这一发展势头是在更广泛的人工智能革命背景下展开的。机器学习、大数据分析和计算能力的进步，如今使得大规模实时处理和预测建模成为可能。主要由商业行为体开发的民用人工智能平台，为军队向以数据为中心、算法支持的指挥系统转变提供了技术基础和数据生态。

这种转变在多域作战中最为明显，此类作战涵盖陆、海、空、天和网络空间。这些复杂的作战空间产生大量实时数据流。人工智能决策支持系统正被集成以融合这些信息，加速决策周期，并支持分布式、去中心化的指挥，尤其是在战术边缘。

然而，在这些系统压缩传统的“观察-调整-决策-行动”循环的同时，它们也引发了关于在时间敏感、高后果决策中的透明度、控制和人类监督削弱的新担忧。随着应用的加速，核心挑战不再是要不要采用人工智能决策支持系统，也不是如何实施它们。相反，关键在于如何以一种能够带来真正作战优势的方式来实现，同时又能保持问责制，遵守武装冲突法，并在关键时刻维持有意义的人类判断——这些挑战对于民主国家而言尤为息息相关。

当今的人工智能革命

人工智能的发展长期处于周期循环之中——热情和投资的高潮之后往往伴随着失望和停滞的阶段。尽管未来的“人工智能寒冬”无法排除，但当前的浪潮似乎有所不同——其驱动力在于技术成熟度、广泛的商业整合和加剧的地缘政治竞争的汇聚。

首先，当前的人工智能革命是由深度学习架构、大型语言模型的进步，新兴的智能体形式人工智能，以及数据和计算能力的指数级增长所驱动的，这些因素使得可扩展和自主的人工智能应用成为可能。人工智能系统能够检测海量数据集中的模式，实时处理多源传感器输入，并生成可行动的建议。

其次，当前的人工智能浪潮主要由全球科技生态系统内的创新所塑造。大型科技公司开发的通用模型正被集成到每个民用领域，包括物流、金融、媒体和消费技术。这种商业势头通过庞大、多样的数据流推动模型的持续改进，并创造了军队寻求适应国防背景的双重用途能力。

第三，人工智能已成为地缘政治和战略竞争以及军事创新的核心轴心，尤其在大国之间，将人工智能定位为未来战争的兵力倍增器。美国及其盟友正在推进依赖人工智能的作战条令，如“联合全域指挥与控制”和“马赛克战争”，旨在通过速度、数据整合和跨所有作战域的分布式指挥来获得决策优势。

军事与人工智能决策支持系统（AI DSS）

尽管由商业驱动，人工智能的发展正在重塑军事优先事项，其最直接的影响体现在战场决策层面。现代战争受到实施多域作战（MDO）愿景的塑造，这带来了前所未有的复杂性，要求具备能够管理跨多个重叠域的分散资产和高速交战的新型指挥与控制能力。

这一变革的主要催化剂是无人机和巡飞弹的迅速普及，它们从根本上改变了冲突的节奏和地理特征。当代作战现在需要更快的决策、更灵活的部署以及战术边缘更大的主动性——在战术边缘，单位在有限的中央监督下行动，但面临较高的作战风险。比对手更快速地感知、决策和行动的能力正成为战场优势的决定性特征。

与此同时，现代冲突从战场上的无人机、卫星和其他传感器产生海量实时数据。这些信息的体量、速度和多样性超出了人类认知能力。因此，军事决策者肩负的任务是以越来越高的速度将复杂、不确定且通常不完整的数据转化为可行动的决策。人工智能决策支持系统（AI DSS）已成为应对这些挑战的关键解决方案。这些系统旨在融合跨域数据，增强态势感知，并支持更快速、更连贯的决策，尤其是在“传感器到射手”循环和分布式作战内部。通过这种方式，人工智能决策支持系统（AI DSS）能够为前线单位提供量身定制的评估和建议，从而实现分散决策，使它们即使在通信降级和时间紧迫的条件下也能更自主地行动。

然而，人工智能决策支持系统（AI DSS）的日益使用并非没有争议。关于其风险和益处的积极辩论正在进行中。支持者认为，这些系统对于维持作战节奏、提高韧性以及适应多域作战（MDO）的需求是不可或缺的。批评者则警告不要过度依赖不透明的算法，指出这可能会削弱人类判断力、模糊问责制并增加战术失败的风险。

人工智能与OODA循环

OODA循环有助于理解人工智能对现代战争中决策的影响。它由美国空军上校约翰·博伊德于20世纪70年代提出，此后一直影响着美军的战术层面思维。其核心思想是决策的速度和质量决定军事成功。那些能更快、更准确地完成OODA循环四个连续阶段的一方将在作战中占据上风。

循环始于观察阶段。人工智能决策支持系统（AI DSS）可以通过收集和分析来自战场内外大量传感器（包括无人机、卫星、雷达及其他来源）的数据来助力此阶段。在调整阶段，这些数据流可由人工智能系统处理，例如通过计算机视觉模型，来探测、识别和分类战场上的军事目标。调整阶段还包括利用预测模型来识别战术变化和预测可能的敌方部署。

在决策阶段，人工智能决策支持系统（AI DSS）可以通过权衡潜在结果与既定任务目标、可用资源和作战约束，来评估和推荐可能的行动方案。人工智能系统还能评估和优先排序军事选项，突出相关风险，并建议最有效的行动方案。在行动阶段，人工智能决策支持系统（AI DSS）可以通过计算武器轨迹、协调射击方案以及同步多个单位的机动来支持所选策略的实施。人工智能决策支持系统（AI DSS）也可用于进行战后行动和战场毁伤评估。其结果随后可用于改进底层模型，优化未来的战术建议，并更准确地预测敌方行动。

虽然人工智能决策支持系统（AI DSS）被视为加速和增强OODA循环每个阶段的关键赋能因素，但它们也带来风险。在某些情况下，OODA各阶段可能被人工智能决策支持系统（AI DSS）如此紧密地连接在一起，以至于它们实际上变成了一个单一的连续处理流。因此，在高速度环境下，这种流式处理使得理解人工智能决策支持系统（AI DSS）为何产生特定输出变得更加困难，而非按顺序展开。

除了“为何”的问题，“何人”负责在人工智能决策支持系统（AI DSS）的决策过程中也可能存在不足。OODA循环越紧凑，人类越无法对决策和行动实施有意义的控制的风险就越大。“人在回路”的角色可能被削弱为仅仅是一种象征性的安全预防措施。人类的监督在形式上可能仍然存在，但在功能上受到限制，因为系统的速度和复杂性超过了操作员实时判断和干预的能力。对于致力于遵守武装冲突法和民主监督的军事机构而言，核心挑战在于如何利用自动化的速度和规模，同时不在关键环节放弃人类责任。这一挑战在对手可能愿意优先考虑速度而非控制的战略环境中会变得更加复杂。

挑战

采用人工智能决策支持系统（AI DSS）至少会引发四大挑战。首先，从技术角度看，人工智能决策支持系统（AI DSS）必须在战斗条件下可靠、可解释且具有韧性。战场现实，如数据降级、不完整或低分辨率，可能削弱这些系统的性能。因此，在人工智能决策支持系统（AI DSS）上建立并维持作战信任至关重要，尤其是在高风险和对抗性环境中。一个密切相关的挑战在于确保军事人员具备足够的技术素养。操作员必须能够解读、质询并自信地根据系统建议采取行动，而不是简单地接受表面输出或完全忽略它们。

其次，从组织视角看，日益依赖商业供应商为人工智能决策支持系统（AI DSS）提供数据，长期来看可能带来互操作性和数据控制风险。云基础设施易受网络攻击、服务中断以及物理中断的影响，这可能破坏人工智能决策支持系统（AI DSS）的正常运行。其他问题包括数据法规和对敏感数据的主权控制。在作战层面，军方可能需要短时间内扩展计算能力，以应对情报处理或实时战场分析的高峰需求。与此同时，持续的人才缺口加剧了这些挑战：人工智能专家在民用和国防部门仍然稀缺，而私营部门在招聘和留用方面往往保持竞争优势。

第三，使用人工智能决策支持系统（AI DSS）也在条令层面带来挑战。日益复杂且可能自主的人工智能决策支持系统（AI DSS）的整合，面临着可能模糊责任与问责界限的传统指挥结构和决策流程。使用条令概念发展缓慢，导致不确定如何在动态作战环境中使用此类系统，以及人类操作员应如何与人工智能生成的输出交互。没有充分的培训和指南，操作员可能要么过于轻易地遵从人工智能系统导致过度依赖，要么因缺乏理解或信心而未能充分利用它们。

第四，人工智能赋能的决策在政治层面提出了根本性问题。人工智能决策支持系统（AI DSS）必须按照国际人道法（IHL）运作，包括区分、比例性和军事必要性等核心原则。在联盟作战中，政治领导人将面临关于互操作性的艰难决策——尤其是在人工智能系统的交战逻辑、数据来源、条令假设或国际人道法（IHL）合规水平存在差异时。最后，对商业系统的日益依赖引入了可能削弱国家自主权的战略依赖性。虽然采用商业平台可能更快、更便宜，但这会带来对核心能力的控制减弱以及来自专有系统和私营部门决策的漏洞风险。

展望

确保负责任地采用人工智能决策支持系统（AI DSS）需要在技术、组织、条令和政治维度上采取协调行动。在技术上，人工智能决策支持系统（AI DSS）需要投资进行稳健的测试、验证和在逼真条件下的红队测试工作，以优化系统输出。应优先发展可解释人工智能和建立清晰的性能基准，以建立作战信任。

在组织上，政府和军方必须与工业界建立结构化的合作伙伴关系，围绕透明度、问责制和国家主权控制来构建。联合测试平台、开放标准和强有力的监督机制有助于弥合商业创新与军事需求之间的差距。这些伙伴关系必须建立在清晰的数据治理、生命周期管理和安全框架内。鉴于作战中对激增能力的需求，还必须保证能够获得可扩展且安全的计算基础设施。此外，在广泛作战环境中集成、维护和持续更新人工智能决策支持系统（AI DSS）将需要开发者和国防机构之间持续且结构化的协作。

在条令上，军方需要重新思考在人机编队中如何行使指挥与控制。传统的角色和决策层级必须演进，以适应新形式的人机交互，包括明确界定的角色、升级规程和监督机制。专业军事教育必须融入人工智能素养、批判性思维和伦理培训，以确保操作员既能理解系统输出，又能保持自信，而不会过度依赖自动化。

在政治上，负责任地使用人工智能决策支持系统（AI DSS）必须基于法律、规范和战略原则。联合国“致命性自主武器系统”政府专家组（GGE）、国际论坛提供了现有平台来建立共享规范和治理结构——即使全球共识仍遥不可及。同样重要的是与私营部门技术提供商的接触，其中许多公司总部设在国家管辖范围之外，且受商业而非地缘政治优先事项的指导。跨越这种军民界限来协调激励、访问权限和问责制，对于维护战略自主性和民主监督至关重要。

总之，仅凭技术能力并不能保证战略优势。随着创新加速，人工智能决策支持系统（AI DSS）被开发和部署的速度很可能超过人们对其充分理解、治理或有效融入军事行动的速度，这种风险日益增长。挑战不仅仅在于加速决策，更在于确保决策保持知情、可问责且在作战上合理——即使是在不确定性、复杂性和时间压力的条件下。能否把握这种平衡，不仅将决定未来战争的有效性，也将决定人工智能在武装冲突中更广泛的合法性。