报告总结

历史上,只有民族国家才有能力和资源发展大规模杀伤性武器(WMD)。这是由于发展和维持大规模杀伤性武器计划需要大量的资本、基础设施和智力。然而,这种模式正在发生转变。明确地说,几十年来,非国家行为者一直对大规模毁灭性武器感兴趣。事实上,在26年的时间里,有525起非国家行为者涉及核、生物和化学制剂的事件。但与使用常规武器的恐怖袭击的影响相比,这些事件的规模是相对较低的水平。然而,鉴于新兴技术的商业化正在减少大规模杀伤性武器开发和使用所需的财政、知识和物质障碍,必须重新审视这一现实。

本报告作为一个引子,调查了追求大规模毁灭性武器能力的非国家行为者所面临的主要挑战,以及某些新兴技术帮助克服这些挑战的潜力。虽然这类技术的例子很多,但本报告的重点是合成生物学、增材制造(AM)(通常称为3D打印)和无人驾驶航空系统(UAS)。

对于本报告中所讨论的技术的双重用途性质、其可能被滥用的难易程度以及它们所带来的潜在威胁,专家们有广泛的意见。科学家和政府官员的不同意见强调了这些技术对制定一个有凝聚力的战略以防止它们被非国家行为者恶意使用而扩散所带来的挑战。与这些军民两用技术相关的风险和威胁大多在于使用者的意图。

研究结果

本报告认为,虽然发展的障碍正在减少,但这些技术用于大规模杀伤性武器的发展并非不可避免,而且仍然不乏重大障碍。

核武器: 获得特殊的核材料仍然是最大的、几乎不可逾越的障碍。虽然理论上可以3D打印一个气体离心机来分离铀同位素,但这样做并不实际。这些技术可以协助对乏燃料棒进行再处理以提取钚。然而,如果获得了大量的特殊核材料,AM可以协助制造引爆核武器所需的炸药和发射系统,而无人机系统可以作为一个运载平台。

化学武器和生物武器:在未来5到10年内,这些技术可能产生最大的潜在影响是在化学和生物制剂的开发和使用方面。虽然世界已经目睹了恐怖组织开发和使用生物和化学武器制剂,但它们的使用是有限的。使用AM和UAS将使化学制剂能够在不使用常规炸药(如迫击炮和大炮)的情况下被散布。在生物武器制剂方面,使用AM和UAS将额外帮助传播。然而,合成生物学的商业化可能对可获得性和交付产生最大的影响。目前,研究人员能够从头合成病毒,包括天花的类似物。虽然许多研究人员对他们的工作性质很敏感,特别是利用其开发生物武器制剂,但他们的技术和工具正在被商业化。在未来5到10年内,开发生物武器很可能不需要一个成熟的研究人员几十年的知识积累。相反,一个只有极少实验室经验的本科生可以购买商业化的合成生物学工具包和材料来开发一种毒剂,或修改现有的毒剂,使其更具致命性或无法检测。

虽然本报告侧重于合成生物学、增材制造和无人驾驶航空系统,但这些肯定不是降低大规模毁灭性武器扩散障碍的唯一技术。与任何新出现的技术一样,重要的是要问它们:这项技术的哪些方面有可能被用于恐怖主义?而具体到本报告所涉及的挑战,这些技术能否被用于扩散和使用大规模毁灭性武器?人们还需要问,是否有办法限制恐怖分子对这种技术的恶意使用。

没有任何银弹解决方案可以防止恐怖分子以某种形式使用这些技术来开发和/或使用大规模毁灭性武器。只有通过在地方、州和联邦层面采取整体政府的方法,才有可能进行预防。这种方法需要多条相互支持的努力路线,并侧重于预防和应对攻击:

1.加强消费者、自助社区、科学家、公司和外国政府之间的联系和合作。

2.通过出口管制和其他法规解决这些技术的双重用途。

3.利用这些技术来改善对大规模毁灭性武器事件的反应,从而加强威慑力。

4.通过扩大现有的数据库,包括通过新兴的合成生物学工具修改的制剂,改善生物武器的归属。

成为VIP会员查看完整内容
21

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。
《混合战争的核维度》
专知会员服务
41+阅读 · 2023年6月15日
《人工智能:算法、作战环境、夸大》美国陆军62页报告
专知会员服务
107+阅读 · 2022年11月15日
《人工智能在作战规划中的应用》北约科技组织18页论文
专知会员服务
138+阅读 · 2022年11月15日
人工智能和军备控制,80页pdf
专知
9+阅读 · 2022年11月2日
国家自然科学基金
107+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
36+阅读 · 2013年12月31日
国家自然科学基金
47+阅读 · 2011年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
Arxiv
147+阅读 · 2023年3月24日
VIP会员
相关基金
国家自然科学基金
107+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
36+阅读 · 2013年12月31日
国家自然科学基金
47+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员