1 摘要

新的数字技术将彻底改变战争的方式。最近的武装冲突局势,包括国家之间和国家与非国家行为者之间的冲突,已经揭示了这种未来战争的趋势。越来越多地使用算法决策系统,这些系统利用无人驾驶飞行器(UAV)、空间和传感器技术的重大进步所产生的大量数据,与社交媒体活动、在线行为和其他 "公开信息 "以及移动通信数据等进一步的数字数据源实时融合,已经开始创建持续军事监控的生态系统。这些发展对受影响的平民人口具有深远的法律和伦理影响,但仍处于被适当分析和理解的早期阶段。

本文首先概述了构成 "未来数字战场 "的各种技术,并特别关注那些迄今尚未受到重视的领域。在这些部分猜测性描述的基础上,第二部分强调了一些法律主题领域,这些领域对未来武装冲突中的人道主义保护有一些潜在的最重要影响。本入门读物的目的不是对军事中的新型数字技术所带来的问题提出完全成型的答案,也不是对每一个确定的挑战进行深入的法律分析,而是对有关日益数字化的战场可能产生的影响的最紧迫问题提供一个知情和批判性的概述,以便为学者和政治决策者之间正在出现的辩论提供框架。

关键词:人工智能、战争、国际人道主义法、人权、数字战场、网络战争、监视、情报、隐私

2 未来数字战场的要素:技术概述

下面一节描述了共同构成 "未来数字战场 "特征的一些决定性的要素。首先要注意的是,无论这些技术单独意味着什么,关键是要强调和分析使用这些不同技术的聚合效应,以及这些效应对现有法律框架监管或减轻可能对人道主义保护产生的不利后果的持续能力意味着什么。

2.1 攻击性网络能力

今天,人们普遍认为,过去三十年来社会的数字化转型也迎来了一个新的冲突时代,以全新的方法开展军事行动。最近,网络战争时代的到来也许是这种模式转变中最明显和最广泛讨论的方面。作为正在出现的战场数字化的一个组成部分,攻击性网络能力支持未来军事行动的方式是多方面的。虽然这些工具的使用有时可能是为了补充动能资源,但从军事战略的角度和人道主义保护的角度来看,一个潜在的更大的转变是在不使用任何动能的情况下直接影响敌方的可能性大大增加。

在更传统的军事行动过程中,网络能力可能会被用于破坏性或干扰性的效果,作为最近被称为 "全域机动战 "的一部分,即创造 "通过网络空间增强的决策优势,以便在地面、空中和海上领域开展行动,阻止和击败 "对手。这可能包括通过插入恶意软件的方式操纵或禁用对手的武器系统,以数字方式攻击对手的ISR系统或存储的情报数据,以挫败侦察活动,或更广泛地破坏对手的数字基础设施,正如2008年俄罗斯和格鲁吉亚之间的武装冲突中首次出现的那样。在这一背景下,需要提及的一个现实世界的例子是美国及其盟友在打击ISIS的过程中开展的广泛的网络作战,不仅对恐怖组织用于宣传活动和招募工作的通信网络和设备进行了数字攻击,甚至还破坏了该组织的积极无人机行动。

也许更深远的是,利用进攻性网络能力来取代依赖某种动能的传统军事行动的前景。一些这样的行动可能是为了最大限度地减少对目标对手的大规模破坏的风险,从而减少升级的风险。奥林匹克网络攻击行动,也就是美国和以色列为破坏伊朗纳坦兹铀浓缩设施而部署的Stuxnet恶意软件,可以作为网络作战的一个例子,它虽然有意造成物理损害,但可以说比两国军队和情报机构试图用战斗机或无人机发射的动能武器达到相同效果的破坏性要小。同时,在过去十年中,我们看到了针对其他国家关键基础设施(如电网)或民用资产的破坏性军事网络行动的例子,这些行动在许多国家都产生了严重的、可能是意想不到的影响。这种情况一直在增加,甚至可能慢慢开始取代对更传统的军事目标的攻击,导致人们发现,冲突的行为正在慢慢转向胁迫和控制敌对国家的平民,而不是试图击败对方的军事力量。最近的评估指出了这种行动给平民带来的许多风险。鉴于目前的能力和战略,有人认为,当涉及到在冲突情况下使用进攻性军事网络技术时,总体情况类似于1914年的空战--这意味着在未来一二十年内,预计会有更大规模、更复杂的作战,并产生更多的破坏性影响。

2.2 信息战

宣传和其他旨在获得对对手信息优势的努力,一直是武装冲突中和武装冲突后的军事行动的重要组成部分。然而,互联网和其他网络数字技术极大地扩展了操纵信息生态系统以损害对手的可能性,对人道主义保护产生了广泛的潜在影响,这一点在以前的文件中已经详细探讨过了。更重要的是,与某些网络能力开始被使用的方式类似,虚假和其他误导性信息的传播可以被用来直接影响另一个国家的平民人口,以获得战略利益,实现迄今为止需要释放动能的政治结果。这根本不一定是降级的。在某些情况下,部署这类工具可能会导致目标人口中的紧张局势加剧,甚至是社区内部暴力。

2.3 人工智能

作为更大的 "未来数字战场 "的一部分,战略和作战层面的军事活动的最根本转变预计将由利用机器学习算法(ML)和其他形式的通常被称为人工智能(AI)的技术来实现。虽然没有公认的人工智能的定义,但在最普遍的意义上,人工智能可以被理解为 "使计算机能够补充或取代原本由人类执行的特定任务的过程和技术的'组合',如作出决策或解决问题"。在这一背景下,经常做出的一个区分是 "通用人工智能 "和 "狭义人工智能",后者是指能够 "在特定领域执行编程任务(人类开发的算法)"的计算机系统,据称是一种高度智能的处理方式,能够完成大量不同的任务,接近人类水平的认知能力,这种技术目前还不存在,实际上很可能永远不存在。作为狭义人工智能的一个子类别,"机器学习 "描述了目前普遍存在的训练算法的方法。依靠这种技术的系统在大量的数据上进行训练,使它们能够建立自己的模型来实现某些结果--即进行预测--而不是像以前的人工智能范式所设想的那样,在处理预先编程的规则上进行操作。这意味着输出取决于一些变化和相互依赖的因素,如学习过程的类型和所产生的模型,这是算法被输入的数据的一个函数。这种方法的一个固有特点是,人类操作员对学习的确切机制只有有限的洞察力,这使得操作的结果至少在某种程度上是不可预测的,这取决于特定情况和环境的情况。

作为一种与电力或网络通信不一样的多用途技术,将人工智能作为一种统一的发展,对一刀切的监管或政策方法作出反应是没有意义的。因此,以下各节试图概述军事领域的 "人工智能革命",强调一些单独的主题领域,这些领域的技术有望在人道主义关切方面证明是最重要和最深远的。这意味着人工智能的使用对于武装部队的内部组织将变得越来越重要,例如采用ML算法来优化军事设备的维护周期,这一点没有被提及。此外,需要注意的是,严格来说,并非所有的分节在分析上都是独立的。自主无人驾驶飞行器(UAV)(2.3.2)可能有能力作为致命的自主武器系统(LAWS)(2.3.1)或用于情报、监视和侦察(ISR)任务(2.3.3)或目标定位(2.3.4)。战场指挥与控制以及人工智能支持的目标定位将取决于ISR,并可能利用自主网络工具(2.3.5),等等。

2.3.1 致命性自主武器系统

迄今为止,人工智能系统在军事领域的扩散在所谓的致命自主武器系统的发展和可能的部署方面得到了最详尽的讨论。根据红十字国际委员会的说法,致命性自主武器系统是一种 "在其'关键功能'方面具有自主性的系统,这意味着一种武器可以在没有人类干预的情况下选择(即搜索或探测、识别、跟踪)和攻击(即拦截、对其使用武力、使其失效、破坏或摧毁)目标"。虽然相当多的国家正在开发这种自主武器,或至少表达了在未来这样做的意图,但迄今为止,实际部署这种系统的现实世界案例仍然很少。2021年3月,利比亚问题专家小组向联合国安理会提交的一份报告指出,据称土耳其制造的自主致命无人机 "STM Kargu-2 "在利比亚内战交战方之间的战斗中被使用,引起了广泛关注。根据该报告,该无人驾驶飞行器被 "编程为攻击目标,而不需要操作者和弹药之间的数据连接:实际上,这是一种真正的'发射、遗忘和寻找'能力。" 同时,其他专家对这一发现的意义表示怀疑,他们警告说,该报告事实上没有明确说明无人机在攻击目标时是否真正自主。

一般来说,观察家们指出,在致命性自主武器系统的背景下,无论系统的实际人工智能能力如何,"自主 "将仍然是一个相对的概念。正如保罗-沙尔所指出的,没有任何武器 "会是'完全自主'的,即能够自行执行所有可能的军事任务。即使是一个在通讯受阻的环境中运行的系统,在允许它做的事情方面仍然是有限制的。人类仍将设定操作参数,并将部署军事系统,选择它们要执行的任务"。尽管有这样的保留意见,致命性自主武器系统的主题,特别是必须保留多少 "有意义的人类控制 "的问题,这样的系统在伦理和法律上是合理的,仍然是人工智能在军事应用和更广泛的未来数字战场中最激烈的辩论问题之一,在学术环境和国家之间。自2017年以来,在某些常规武器缔约国会议的授权下,一个政府专家小组(GGE)一直试图解决 "与致命自主武器系统领域的新兴技术有关的问题"。2019年,政府专家组发布了 "致命性自主武器系统11项指导原则"

2.3.2 无人驾驶飞行器和无人机集群

虽然关于军事中的人工智能的公开辩论一直集中在致命性自主武器系统的问题上,但在与自主攻击目标无关的应用方面,该技术在中短期内可能更有用--而且确实很快就会变得无处不在。在这种情况下,最重要的主题领域之一是在无人驾驶飞行器中使用机器学习算法,它可以被用于各种任务,如自主导航或监视活动,只需要最低限度的人类干预。一般来说,无人机在过去十年中对军事战略变得越来越重要,不仅是作为进行 "反恐战争 "的首选工具,而且最近在阿塞拜疆和亚美尼亚的国际武装冲突中也是如此.

可能更重要的是机器人群的发展,它可能由大量的无人机或其他(如陆基或海基)系统组成。尽管尚未投入使用,但该技术将为未来的武装冲突行为增加一个前所未有的复杂层次。在其最基本的概念中,集群可被定义为 "多机器人系统,其中的机器人协调其行动,共同为执行一个目标而工作"。至关重要的是,正确理解集群意味着实体作为一个整体要超过其各分部分的总和;不仅组成集群的单个机器人不能独立完成指定的任务,而且如果没有单个机器人自主地相互协调,试图通过共享资源和灵活地分配任务来找到完成任务的最有效方法时,集群运作的一些复杂效果是无法想象的,而且在某种程度上是无法预见的。这种 "集群智能 "可能允许在冲突情况下提高协调和速度。集群在军事上的可能用途是多方面的,包括 "情报、监视和侦察行动;周边监视和保护;分布式攻击;压倒敌人的防空设施;部队保护;欺骗;搜索和救援行动;反击集群;以及枯燥、肮脏和危险的任务。

集群提出了关于人类控制的可行性和模型的有趣问题。虽然集群中的每一个单元都是自主行动的,即根据自己的算法设置,但集群本身就是一个自主的实体,包含了每个机器人实体的全部分散的自主决定。因此,人类操作员只能对整个集群进行有意义的控制,而不能对其组成部分进行控制。鉴于其固有的复杂性,可能会导致所谓的 "突发行为"--即在实际任务中测试阶段后才出现的行为--然而,一些专家对机器人集群行为的可预测性和可控制性提出了疑虑。其他人则认为,适当的 "设计和建模方法 "可能还是能够实现适当的人类控制。

除了人类控制的可能性问题外,分分布式、自主的机器人群的结构本身需要高度可靠的通信基础设施,以实现各个自主实体之间的协调以及人类的指挥和控制。这必然意味着,机器人群在本质上容易受到 "干扰、欺骗、黑客、劫持、操纵或其他电子战攻击 "等外部干扰。从法律的角度来看,这意味着采用无人机群的武装部队有更大的责任来确保这些系统的安全,并确保在机群开始行为异常并对受保护的人和物造成潜在危险时有能力进行干预,这一点将在下文第三部分详细讨论。

如前所述,尽管有一些相反的声明,但正确理解的集群技术还没有实现。虽然有报道称,在2021年5月的加沙军事行动中,以色列国防军成为第一个在战斗场景中为ISR目的部署无人机群的军队,但大群的小型无人机是否真的通过自主通信和相互协调显示了真正的集群能力,是值得怀疑的。

2.3.3 情报、监视和侦察(ISR)及融合架构

当军事决策者考虑 "未来数字战场 "的综合概念时,任何不断发展的战略基石是为情报、监视和侦察活动大规模使用人工智能,这是一个特别适合利用机器学习技术能力的领域。自从全球 "反恐战争 "爆发以来,促使情报活动在信息和电信网络基础设施上全面扩展,以进行广泛和持续的监视,这成为跨国反恐的决定性特征,国家安全机构收集的记录个人行为的数据量成倍增长,结果是没有人能够现实地评估,更不用说分析现有信息。今天,从公民的在线通信或社交媒体活动中获得的大量数据,与安装在地球静止轨道或低地球轨道上的各种传感器或在冲突地区或其他地方自主运行的无人机平台获得的视觉或视听资料相辅相成,能够覆盖广泛的领土,以及迅速增长的物联网(IoT)设备,有效地充当远程传感器。正如一位专家最近简明扼要地指出的,"几乎所有的东西都会被连接起来;所有的东西都是潜在的信息来源"。举个例子,通过作为其全球反恐行动的一部分进行的无人机监视活动,据报道,仅在2017年,美国中央司令部就收集了70万小时,或80年的全动态视频材料。对如此大量的原始数据进行有意义的检查是任何人类分析家都无法做到的;只有使用机器学习算法的人工智能系统才能可行地解析如此大量的大数据,并寻找明显的行为模式或趋势,以支持在冲突环境中无论是行动还是战略层面,更有效和更快的决策,并提高战场上的态势感知。

这些先进的人工智能支持的ISR系统的最前沿是所谓的平台独立的融合架构,通过最新的高保真传感器技术收集各种平台(空中、太空、地面资产)和许多其他来源(包括社交媒体活动、电话记录、关于个人或团体的公共行政数据以及其他公开的开源情报(OSINT)数据集)的数据,将大量的非结构化数据整合在一起。专家们预计,这种新一代的ISR将彻底改变军事指挥和控制,使 "战场管理系统 "得以实施,为军事指挥官提供自主、动态分析和优先考虑的全面战场情况,所有部署人员都有可能获得这种情况,从而使军事行动中的决策更快、更可靠。试图建立能够整合这些不同类型的数据流并提供基于人工智能的实时分析的大规模系统的正在进行的项目包括2017年启动的 "Maven 项目"(又称 "算法战争跨职能小组"),该项目最近被纳入美国空军的 "高级战斗管理系统(ABMS)",作为开发全面 "联合全域指挥和控制(JADC2)"的一部分。它被设想为一个 "网络中的网络,旨在将'每个传感器与每个火力点'连接起来,跨越空中、陆地、海洋、太空和网络"。根据最近的报告,欧盟也已开始考虑资助此类技术的开发。虽然更先进的融合架构仍处于规划阶段,但据报道,至少 "Maven 项目"已经支持了美国在中东地区的反恐任务。到目前为止,该系统仅限于协助人类操作员处理大量传入数据的能力,缺乏提供充分考虑到更广泛背景的自主生成的推论的先进性。美国在这一领域发起的另一项长期努力是 "Sentient",一个 "人工大脑",主要利用从卫星和其他来源收集的地理空间数据来检测模式异常,从而预测 "对手的潜在行动路线模型"。尽管这种架构处于早期发展阶段,但专家预测,在未来,融合方法将导致人工智能支持的推荐系统技术,能够 "根据对战斗空间的实时分析提出行动方案(而不是过去的行为,在复杂系统中可能无法预测未来行为)"。

关于以色列国防军最近对驻扎在加沙的巴勒斯坦武装团体发起的战役的报道表明,这可能是第一场武装冲突,其中一方直接受益于使用人工智能支持的ISR,成功地融合了来自不同来源的数据,如信号情报、视觉情报、人类情报和地理空间情报,以便实时生成关于火箭发射台或战斗人员团体等目标的建议,甚至发出对以色列国防军部队可能受到攻击的警告,提供给实地的指挥官们。然而,值得注意的是,这一信息并没有得到独立于以色列国防军本身的消息来源的证实。无论如何,至少以色列军方的发言人甚至称这场冲突为 "第一场人工智能战争"。

2.3.4 目标锁定

自然地,ISR 的 LAWS 和融合架构的开发强调了军事决策者在军事行动期间针对 AI 系统的设想的相关性。让机器学习算法采取决定性步骤作为“杀伤链”的一部分,即直接导致与军事目标交战,超越了“单纯的”ISR,即使后者可能导致目标决策,但没有达到实际上是自主使用武力。这种类型的任务可能涉及所使用的系统的不同算法活动,这取决于技术和情况。最近有报道说,美国空军的ABMS的最新迭代现在能够 "直接帮助锁定目标",这被认为是一个重大突破。同样值得注意的是关于2020年11月在德黑兰附近暗杀一名伊朗核科学家的报道,其中以色列情报部门显然采用了面部识别系统,在打击前立即识别目标,还有一挺遥控机枪使用人工智能系统来补偿武器和人类操作员之间卫星通信的延迟。在这两种情况下,很明显,即使扣动扳机的最终行为,也就是使用武力的最终决定,仍然是由人作出的--而且很大程度上取决于最初的任务设计和行动的事先规划--人工智能系统负责执行相当一部分的关键过程。

2.3.5 赛博战与人工智能

机器学习算法和其他类型的人工智能在网络作战中的应用已经开始,它为网络空间的军事行为带来明显的优势。例如,机器学习的使用大大增加了发现代码中的漏洞的机会,然后人工智能软件可以自主地利用这些漏洞,这可能会导致进攻性网络行动的效率和速度提高。可以肯定的是,同样的方法可能被用来开发更强大的防御系统,能够自动抵御恶意软件或其他对手对网络的入侵。此外,机器学习算法对于扫描和监视大量个人的在线活动或自主 "准备数字战场 "非常有用,在对手的网络中植入恶意软件,在冲突爆发时可以远程启动。在这种情况下,需要注意的是,机器学习算法的增加,以及需要保证构成 "数字战场 "的不同系统和组件之间的稳定通信联系,都大大增加了攻击面,使整个生态系统更容易受到对手的网络行为的影响。

2.3.6 信息战和人工智能

最后,人工智能的使用已经证明可以大大增加虚假信息活动和其他类型的信息战的潜在影响,使任何此类努力变得 "更有效、可扩展和普遍化"。 可能的使用案例包括:自动生成可以很容易地以数字方式传播的文本,以传播虚假或误导性的信息,创建深度伪造的视听内容,检测目标人群社会结构中的分歧,以最大限度地提高活动的影响。部署机器人,人为地放大针对目标人群的颠覆性信息,并追求自动化的议程背景--特别是使用更复杂的机器人,其程序可以可信地模仿真实的人的行为--或自动校准微观目标方法,以使内容适合接受的受众。机器学习算法可能会自动搜索社交媒体,汇编大量的用户个人行为数据,然后对这些数据进行分析,以更好地了解当地人口,从而实现对行动中应使用的内容类型进行算法预测的目的。据报道,自然语言处理方面的最新进展甚至可以 "利用情感分析来锁定特定的意识形态受众",其意义可能更加深远。

2.4 机器人技术和传感器技术

如果没有机器人和传感器技术的相应进步,军事活动的数字化革命就无法发挥其巨大的潜力。虽然需要传感器来产生许多数据,然后在冲突地区进行分析和利用,以达到进一步的目的,也就是首先出现 "数字 "战场,但许多利用这些数据的应用取决于复杂的机器人系统来执行数据分析后的任务。然而,在法律和政策文献中,人们普遍倾向于将先进的机器人技术的影响视为自主武器系统这一更大主题的一个子类别--尽管大多数机器人将执行我们的任务,而这些任务只是自动化的,不需要任何程度的自主权的正确理解。

虽然安装在无人机、飞机、舰艇、潜艇、卫星或地面车辆上的传感器的处理能力对于适当利用当前ISR架构产生的大量数据仍然至关重要,但传感器技术本身的最新进展在 "数字战场 "的发展中发挥了重要作用。除了雷达、声纳、视频、红外和无源射频探测等较为成熟的传感器外,最新可用技术的例子包括红外扫描和跟踪(IRST)传感器,它与超冷透镜配合,"在远距离搜索和分类令人难以置信的微弱热源",或地面多静态无源雷达,能够探测 "移动电话的背景电磁'噪音'中的回声。电视和无线电传输(以及其他)的背景电磁'噪音'中的回声,以跟踪飞机,而不需要一个主要的雷达发射器",这可能很快就会对使用目前隐身技术的战斗机构成问题。其他最近值得注意的发展是,激光能够通过测量个人的心跳,或远程利用电话和其他设备发出的蓝牙信号,或能够检测到可疑动作的计算机视觉系统,来远距离识别个人。

可以肯定的是,传感器技术的这些发展与人工智能和机器学习的最新突破以及计算机日益增强的处理能力是直接相关的。正如布朗克所指出的,"正在追踪的信号的极其微弱的性质以及大量的假阳性读数和这样或那样的背景杂波意味着它们作为操作工具的实用性与可用的后处理硬件和软件直接相关,以将原始传感器数据细化为可用的图片。不同要素的技术进步是相辅相成的,而且是深深地相互依存。

2.5 空间技术

正在进行的战场数字化的另一个重要方面是,空间资产作为信息和通信基础设施的骨干作用越来越大,而这些基础设施是实施不断互联、反应迅速和跨领域的 "战斗网络结构 "概念所必需的,它将武装部队的成员与传感器、数据处理系统和自主操作的机器联系起来。就其本身而言,利用卫星进行通信、ISR、导弹预警以及定位、导航和定时(PNT)并不新鲜,已经存在了几十年。特别是美国、中国和俄罗斯为这些目的在太空中建立了长期的基础设施。

然而,建立一个网络化、数字化的战斗基础设施,依靠持续收集、处理和传输大量的数据,例如用于人工智能支持的指挥和控制或远程控制的战争手段,如武装无人机,使空间资产的先进性和复杂性得到新的强调。据专家称,一些不同类型的军事进攻性网络行动也依赖于卫星支持的网络。出于这个原因,一些国家已经开始开发并已经部署了新一代的空间技术,其中有更小和更可消耗的低地球轨道卫星,可以以更低的成本和更多的数量发射到太空,最终形成由数百甚至数千个独立物体组成的网络,能够从太空提供互联网,在正在进行的任务中直接向武装部队成员传输新型高分辨率地球图像甚至实时视频,或支持军事系统中的各种人工智能应用。因此,似乎可以肯定的是,随着武装部队数字化的进一步发展,空间架构的重要性只会增加,从军事和政治决策者的角度来看,对于实际实现 "数字战场 "的潜力是不可或缺的。反过来,这一发展对空间资产所需的可靠性和复原力也有关键影响,既要抵御动能攻击,也要抵御针对轨道平台、通信链路或地面站的敌对网络行动--特别是考虑到至少到目前为止,这些物体很少专门用于军事目的,而是大多具有双重用途,也为民用社会的运作提供基本服务。

2.6 人体强化技术

战场的全面数字化甚至可能不会放过人类士兵本身。在将新兴的 "人类强化技术 "领域应用于武装部队成员的各种不同概念中,就有控制论。广义上讲,该技术归结为通过大脑植入物或放置在头皮或头骨上的电极开发脑机接口(BCI),最终实现 "士兵和机器之间以及人类之间的无缝双向互动"。根据专家们的评估,这种经过网络强化的个人可以远程操作无人机或武器系统,而不需要使用操纵杆或其他仪器,并有可能提高对形势的认识和监督,同时减少目前固定用户界面所带来的复杂性。然而,在这一点上,关于这种技术的可行性和长期影响的持续问题,例如关于电极植入的可逆性,使得至少在2030年之前在军队中引入BCI是不现实的。在某种程度上,也许被认为是 "数字战场 "的逻辑终点,但考虑到这种技术的深远伦理意义,广大民众仍有一些不情愿。

2.7 结论:聚合效应

毫无疑问,军事行为的数字革命所带来的可能性将在很大程度上决定未来的武装冲突战略,即国家将如何和何时部署其武装部队,以及达到什么目的。虽然很多事情仍不确定,并将取决于未来十年的具体技术突破,但可以预测一些由 "未来数字战场 "的聚合效应产生的总体趋势。

根据专家们的估计,首先,我们可以观察到与日益增长的数字化直接相关的两个相互依存的趋势:一方面,国家发展反介入和区域封锁能力,旨在防止对手进入一个物理或数字空间;另一方面,相反的重点是在空间和时间上创造机会,通过利用数字基础设施潜力的多领域行动来渗透这些地区的物理或数字。在这种情况下,时间成为一种重要的商品,通过广泛使用新的数字技术,特别是使用人工智能的技术,可以促进对时间的有效利用。机器学习算法可以帮助快速分析来自冲突地区众多传感器的数据流,使指挥官能够更快地做出决定。

反过来,速度的提高使人工智能的进一步应用变得不可或缺,直至授权关键的战斗功能,如指挥和控制,甚至是关于对对手使用武力的决定。很快,这种自主功能将独立于任何一个特定的平台,而是通过复杂的系统架构分布。这一发展至少与大量增加的数据直接相关,这些数据是由普遍和持续的、数字支持的情报和监视活动产生的,包括在线和在"物理"领域更复杂的传感器。正如一位专家所说,"我们必须在一定程度上依赖人工智能和大数据、分析工具、机器学习等机制,使我们能够在未来处理大量的数据,并在决策过程中使用这些工具为决策提供信息"。换句话说,战争的日益数字化催生了对更多数字化的需求。在某些时候,处理数字互联军事行动的巨大技术复杂性的唯一方法,使得对人工智能支持的资产的深远依赖和信任几乎不可避免,无论决策者是否真正适应这种发展。

此外,军事行为的数字革命可能会导致更多的低致命性行动--例如,通过诉诸秘密的网络战,在不需要使用动能的情况下破坏对手的目标,或者通过发起信息战,通过胁迫敌国来实现军事目标--或者,在使用致命性武力的同时,至少通过使用由于人工智能支持的ISR和指挥与控制而更加精确的武器来更好地保护平民和民用设施。同时,这些趋势并不一定意味着军事行为造成的潜在伤害会减少。正如其他地方所讨论的,这些技术虽然可能不那么致命,但却为国家提供了对对手施加压力的全新工具,可能会对受影响的平民人口产生普遍和持续的负面系统性影响。这种前景使一位专家预测,未来 "持续的、低强度的非正规冲突将占主导地位"。我们将看到的不是军队之间的战斗,而是通过网络空间或信息生态系统中的数字工具,"旨在控制或胁迫大量平民人口,现在的暴力是针对他们的"战争。

成为VIP会员查看完整内容
7
0

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、物流运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《人工智能在无人机中的应用》报告,60页pdf
专知会员服务
44+阅读 · 3月30日
美国人工智能国家安全委员会发布最终报告, 130页pdf
专知会员服务
69+阅读 · 2021年3月2日
数据安全研究报告(上)
CCF计算机安全专委会
0+阅读 · 4月18日
2021关键信息基础设施安全保护研究报告
CCF计算机安全专委会
0+阅读 · 4月14日
安全牛发布《威胁情报市场指南》报告
安全牛
10+阅读 · 2017年7月10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
0+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
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
20+阅读 · 2021年10月11日
Arxiv
11+阅读 · 2021年3月25日
Arxiv
13+阅读 · 2020年10月9日
小贴士
相关基金
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
0+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
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员