人机编队协作的基础是共同认知的理念,即使机器的思维方式与人类完全不同。战争一直是人类唯一关心的问题,但现在不再是了。

人类和人工智能的一个关键属性是认知,即思考过程。这种认知的形式在人类和人工智能之间存在很大差异,通常被视为互补的。因此,从广义上讲,当前人工智能支持的人机协同结构涉及一种共享认知,或至少是一种分布式的集体思维过程。

对于许多国防部队来说,决策支持系统(DSS)被视为人工智能的重要初始应用。当前的乌克兰战争和加沙战争似乎就证明了这一点。虽然人们担心在这种人机团队中究竟是人类还是机器说了算,但两者之间的互动可能才是更重要的问题。

将互动作为主要焦点,意味着可以有目的地对人工智能、人类或它们的组合给予或多或少的权重。这种权重可能会受到决策目的和背景的影响,以及分配给人工智能或人机团队中人类部分的自主程度。这是人机团队设计者可以也需要做出的选择。

使用人工智能支持高层次选择的内在原因是,人们认为决策是一门科学,而不是一门艺术。因此,数据分析就显得尤为重要,它能系统地将可用数据转化为预测和见解,并使组织工作流程和产出自动化。因此,决策可以用数据来表达,并倾向于可量化的衡量标准,而不是定性的衡量标准。随着人工智能的加入,企业传统的纯人工运营模式也将发生改变。

改变战争的本质

克劳塞维茨强调,战争涉及 “两种生命力量的碰撞”,“由原始的暴力、仇恨和敌意组成,它们应被视为一种盲目的自然力量;由机会和概率的游戏组成,创造精神可在其中自由驰骋;以及由其作为政策工具的从属因素组成...... ”在许多人看来,这三位一体定义了战争的本质,并且是永恒不变的。

这三个方面都具有深刻的人类特质。人工智能没有激情、创造力或政治头脑。机器智能则完全不同。机器学习是当今领先的人工智能范式,它专注于任务优化,而不关心任务是什么。大多数人都同意克劳塞维茨的观点,即战争是 “迫使敌人按照我们的意志行事的武力行为”。然而,人工智能并不具备也可以说无法理解人类的意志,更不用说理解如何影响人类的意志了。

由于人机团队具有共同认知,他们的作用是人类和人工智能的总和。因此,从设计上讲,人机团队将利用不同于人类的集体智慧发动战争。

人工智能的思维方式与人类不同,推理方式与人类不同,逻辑流程与人类不同,拥有不同寻常的理性。因此,在战争中,人机团队是真正的新角色。这意味着目前所理解的战争性质将发生重大变化,战争将不再是一种 “盲目的自然力量”,而是一种由 “创造精神”注入的、自由驰骋的、服从于人类政治的力量。随着传统军事力量的纯人工操作模式开始纳入人工智能,作战决策将开始纳入可量化的数据,而不仅仅是定性判断。

改变战争的性质

战争性质的转变可能会导致战争特征的相应转变,特别是人工智能对组织运作模式的影响。为简单起见,这里认为战争的作战层面只包括机动和阵地作战模式。

演习的目的是制造恐慌,一种认知上的瘫痪,导致对手抵抗意志的崩溃。Basil Liddell-Hart 认为,机动战需要在认知上给敌方指挥官以惊喜;但他提醒说:"惊喜属于心理范畴: 出其不意属于心理范畴,取决于对每种情况下可能影响对手意志的多种条件的计算,这比物理范畴的计算要困难得多。这种计算是一种定性评估,只能由人类合理完成;人工智能无法理解或量化这种计算。

由于机器无法解释机动战的基本前提,人机团队更倾向于强调阵地战。在阵地战中,军事编队被安排在一个迫使敌人进攻但又有利于防守的位置。阵地战的目的是对进攻的敌军造成高消耗,逐步摧毁对手的装备、人员和资源,其速度超过其补充速度。

这种对物资和人员的损耗可以用定量的方法来理解,因此人工智能可以对其进行建模和考虑。有鉴于此,人机团队中的机器元素将在本质上有利于阵地战。这种趋势表明,当战场上的敌对双方都使用人工智能支持的 DSS 时,由于参与其中的人机团队会不自觉地倾向于打阵地战,因此可能会出现某种停滞。

可以想象(但无法证实),2023 年乌克兰战争中向阵地战的转变部分是由于引入了人工智能支持的 DSS 及其对战略和作战思维的影响。当年,Delta DSS("三角洲"系统)在乌克兰武装部队中的应用日益广泛。

"三角洲"系统将多种不同来源的信息结合在一起,大大提高了战场态势感知能力,使基于数据的战争在速度和精度上都达到了其他没有这种 DSS 的武装部队难以企及的水平。尼科-兰格(Nico Lange)指出,对于乌克兰武装部队来说,"人工神经网络用于快速识别战场态势: 在复杂数据和机器学习中进行快速模式识别的人工神经网络已成为战争中不可或缺的永久组成部分。

通过使用人工智能支持的 DSS,俄罗斯的大规模优势在一定程度上被抵消了。在基辅北部的战斗中,乌克兰军队以 12 比 1 的优势击败了俄罗斯军队的攻势。现在,防御似乎再次在攻防平衡中占据主导地位。可以说,“三角洲”人机团队中机器部分的特殊优势正在影响乌克兰对作战行动的思考,尽管这有可能重现第一次世界大战中静态、高伤亡的战争。

以色列国防军(IDF)在加沙使用 “薰衣草”DSS 可能也有一定的参考价值。以色列国防军显然认为,“薰衣草”在打击据信与哈马斯有关联的个人方面比人类更准确,速度也快得多。以色列国防军似乎利用了这一点,并据此制定了作战方式,这也许不足为奇。

从一开始,最容易迅速找到并攻击的人就是步兵,而不是高级指挥官。在攻击名单上,最容易迅速找到的目标而不是战略上更重要的目标占据了主导地位。以色列国防军在进攻的头 35 天内攻击了 15000 个目标--与以色列国防军以往在加沙的主要军事行动相比,这是一个非常高的数字。

人类参与批准 “薰衣草”确定的每一个目标,但他们很快就开始信任 “薰衣草”,往往只经过 20 秒钟的考虑就批准了目标建议。据报道,以色列国防军的相关人员将 DSS 的输出结果等同于人类的输出结果,并赋予它隐含的决策权。

在这样做的过程中,人类- “薰衣草”小组的人类伙伴似乎表现出自动化偏差和行动偏差。事实上,可以说 “薰衣草”鼓励并放大了这些偏见。在某种程度上,人类参与了对机器的认知卸载。

人机团队的共同认知平衡开始向机器倾斜。这种转变可能有助于推动以色列国防军采用消耗式作战方式,而在超过 14 个月后,这种作战方式仍在缓慢地削弱哈马斯的战斗力。面对实力相对较弱的对手,战场进展如此缓慢,不禁让人怀疑,如果以色列国防军人机团队在共同认知决策中更多地考虑人类情报,是否会取得更好的结果。

结论

人机团队决策架构的选择具有深远的影响。选择架构时应有意识地考虑到人机决策的背景、影响和参数。否则,机器部分从定量数据角度对战争的理解可能会主导人的思维,无意中影响战争的战略和方式,甚至产生负面影响。

人机协同涉及两个认知根本不同的实体对军事问题的集体思考。以前,战争只是人类的事情,但现在,未来的决策将涉及另一个人。这是一个真正的变化。

参考来源:RUSI

成为VIP会员查看完整内容
4

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。
小型无人机蜂群和战斗管理:不断演变的战争格局
专知会员服务
44+阅读 · 2024年10月4日
军事决策中的人工智能:支持人类,而非取代人类
专知会员服务
55+阅读 · 2024年9月10日
任务战备的未来:国防知识图谱和情境人工智能
专知会员服务
70+阅读 · 2024年5月28日
北约:下一代指挥与控制
专知会员服务
89+阅读 · 2024年1月5日
将人工智能集成到指挥控制系统中
专知会员服务
79+阅读 · 2024年1月1日
战场数字可视化
专知会员服务
66+阅读 · 2023年12月21日
释放战略潜能: 电子战中的人工智能
专知会员服务
96+阅读 · 2023年10月5日
美国陆军希望人工智能能为士兵带来信息优势
专知会员服务
50+阅读 · 2023年9月21日
理解和评估联合军事行动中以任务为中心的关键网络地形
「基于通信的多智能体强化学习」 进展综述
综述:军事应用中使用的一些重要算法
专知
10+阅读 · 2022年7月3日
时空数据挖掘:综述
专知
25+阅读 · 2022年6月30日
无人驾驶仿真软件
智能交通技术
21+阅读 · 2019年5月9日
无人机集群、蜂群与蜂群算法
无人机
89+阅读 · 2018年9月25日
无人机集群对抗研究的关键问题
无人机
56+阅读 · 2018年9月16日
国家自然科学基金
11+阅读 · 2015年12月31日
国家自然科学基金
15+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
43+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
15+阅读 · 2013年12月31日
国家自然科学基金
49+阅读 · 2011年12月31日
Arxiv
164+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
425+阅读 · 2023年3月31日
Arxiv
155+阅读 · 2023年3月24日
Arxiv
22+阅读 · 2023年3月17日
Arxiv
68+阅读 · 2022年9月7日
VIP会员
相关VIP内容
小型无人机蜂群和战斗管理:不断演变的战争格局
专知会员服务
44+阅读 · 2024年10月4日
军事决策中的人工智能:支持人类,而非取代人类
专知会员服务
55+阅读 · 2024年9月10日
任务战备的未来:国防知识图谱和情境人工智能
专知会员服务
70+阅读 · 2024年5月28日
北约:下一代指挥与控制
专知会员服务
89+阅读 · 2024年1月5日
将人工智能集成到指挥控制系统中
专知会员服务
79+阅读 · 2024年1月1日
战场数字可视化
专知会员服务
66+阅读 · 2023年12月21日
释放战略潜能: 电子战中的人工智能
专知会员服务
96+阅读 · 2023年10月5日
美国陆军希望人工智能能为士兵带来信息优势
专知会员服务
50+阅读 · 2023年9月21日
理解和评估联合军事行动中以任务为中心的关键网络地形
相关资讯
「基于通信的多智能体强化学习」 进展综述
综述:军事应用中使用的一些重要算法
专知
10+阅读 · 2022年7月3日
时空数据挖掘:综述
专知
25+阅读 · 2022年6月30日
无人驾驶仿真软件
智能交通技术
21+阅读 · 2019年5月9日
无人机集群、蜂群与蜂群算法
无人机
89+阅读 · 2018年9月25日
无人机集群对抗研究的关键问题
无人机
56+阅读 · 2018年9月16日
相关基金
国家自然科学基金
11+阅读 · 2015年12月31日
国家自然科学基金
15+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
43+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
15+阅读 · 2013年12月31日
国家自然科学基金
49+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员