这近乎陈词滥调但依然正确：人工智能赋能平台，其效能仅取决于输入数据的质量。
在军事范围内，这些系统正在改变分析威胁、开发目标和规划作战的方式。如美国Palantir公司的“Maven智能系统”及各军种特定的项目，这些系统在处理海量战场数据时提供前所未有的速度和精度。这项技术的影响被誉为革命性的，正在改变军队的思维方式、规划方式和作战方式。
但眼下，输入这些系统的绝大多数数据和分析都集中于一件事：对手部队。美军正在构建一台极其复杂的机器，用于理解军事能力、追踪敌军并开发动能目标锁定选项。
其是一个能理解对手如何嵌入竞争与冲突发生的人类环境，理解行动将如何在复杂的社会、文化和政治系统中引发连锁反应，或者理解为何某些人群可能以意想不到的方式回应这些行动的系统。
与此同时，新兴的智能体AI能力，正准备好将获取大量数据和分析的数字信息环境，扭曲成一个充满欺骗和失真的镜像迷宫。它将以前所未有的速度和规模自动化并极大地加速合成内容和“虚假新闻”的生产。
迫切需要采取双管齐下的应对措施来应对这一挑战。
第一是“机器对机器”——部署智能体AI能力来检测和对抗对手的攻击。这条工作线将识别合成或被操纵的内容，摧毁机器人网络，并以AI的速度生成反制信息。
第二则极具“人性”。随着AI创造的“垃圾”信息在网上变得越来越复杂、有说服力和无处不在，第一手的、源自人类的洞察价值将飙升。如果军方想理解这个新的信息生态系统——无论是在线还是离线——它都应该将其理解建立在“地面真相”之上。这可以通过向其AI赋能的中枢神经系统输入结构化、一致、由人类生成的数据来实现。
除非这两方面的工作都取得成功，否则AI革命有可能催化动能军事活动的激增，而该活动却缺乏对其实施后所产生的现实影响的实质性理解。
机器战争：智能体AI“虚假新闻”洪流
智能体AI代表了超越以往AI系统的根本性飞跃。与仅能响应查询和处理数据的传统AI不同，智能体AI系统能够在极少人为监督的情况下，自主设定目标、制定策略并执行复杂的多步骤操作。这些系统可以持续运行，实时学习和适应，在复杂的数字环境中导航时，决策如何实现其预设目标。
其规模是空前的。一个单一的智能体AI系统可以管理成千上万个合成账户，每个账户都具有独特的特征和发帖模式。这些系统可以实时监控热门话题，识别有影响力的声音，并精心设计有针对性的回应，旨在放大分歧性叙述或压制不便的事实。它们可以检测到特定账户或信息何时开始产生影响力，并自动部署协同行动的合成账户群来助推或压制。
或许最令人担忧的是其进行微观目标操作的能力。智能体AI使得能够在多个层面同时开展行动——从针对整个人口群体的宏观层面叙事，到聚焦关键个人的微观层面操作。信息影响力行动已展示出为军事人员、政策制定者和记者建立详细档案的能力，然后通过多个接触点精心策划个性化的影响力活动。因此，一个被针对的个人可能会在不同的平台上遇到看似无关的内容，所有这些都在微妙地强化同一叙事，而从未注意到该活动的协同性质。
该技术也使得多媒体内容生成达到了前所未有的复杂程度。智能体AI系统可以创建针对特定情境、令人信服的合成图像、视频和音频。它们可以生成带有编造的来源和引文的虚假新闻文章，创建暗示从未发生的军事部署的合成卫星图像，或者制作显示从未发生事件的篡改视频片段。这些操作越来越多地将合成内容和真实内容无缝混合，以至于即使是经验丰富的用户也难以区分。其结果是形成一个信息环境，其中信息的来源和真实性变得根本不确定。
这一转变最关键的情报来源之一——开源信息环境——构成了生存性挑战。军事规划者越来越依赖从社交媒体、在线新闻来源和数字通信中搜集的信息，以了解平民人口、追踪对手叙述并衡量公众情绪。随着智能体AI用可能与现实无法区分的合成内容充斥这些渠道，信噪比急剧下降。互联网成为一个人们永远无法确定所看到的是反映现实，还是旨在欺骗的合成操纵的地方。
这不是一个理论上的未来威胁——它正在发生。因此，军方应紧急部署自己的智能体AI系统来筛选这些噪音。以人为中心的能力有可能被即将到来的信息洪流的规模和速度迅速压垮，因此机器将至关重要。如果这项工作未能成功，AI赋能情报平台（其数据来源于日益腐败的信息环境）所提出的建议，可能会基于与实地事实大相径庭的合成现实。其结果可能是灾难性的。
地面真相：理解的关键
即将到来的、检测和过滤合成内容的机器对机器竞争，对于应对上述挑战至关重要。但这还不够。为了在信息环境中可靠地确立现实——并理解其意义——需要直接获取“地面真相”。
过去二十年间，美军在如何对待社会、文化、经济和政治背景洞察的价值上，一直关系纠结。在遍及中东等地的反恐和反叛乱行动中，普遍观点认为“民众是重心”。诸如《野战手册3-24：反叛乱》这样的出版物，确立了理解和接触“人类地形”的优先地位。
然而，正如别处所论，这些理论从未转化为持续一致的行动。相反，作战部队口头上信奉反叛乱教条，却越来越狭隘地专注于测绘和锁定敌方网络。利用前AI时代的先进情报平台，美军将对手概念化为“分子”——可以通过精确打击系统拆解的节点和连接的集合。其结果在战术上令人印象深刻，但在战略上收效甚微。
失败是结构性的。美军的情报架构将对敌方为中心的分析与理解平民和信息环境的工作割裂开来。敌方网络被孤立地看待，如同悬浮在培养皿中的分子，而非其运作社会中有机生长的产物。在清除节点和修剪分支时，维持这些网络的根基结构大多未被触及，因为它们存在于美军主要分析视野之外。
在部署的部队中，负责理解社会和文化背景的能力部门面临一项不可能完成的任务：他们被要求用核心情报职能所用资源、训练和人员的一小部分，去理解所有平民和信息相关事务。条令规定的分析框架提供了简化、填空式的模板，这些模板从根本上就不适用。更重要的是，没有规定这些能力部门必须产出的标志性交付物或一致输出。
这些问题持续至今。根本上，美军从未完全放心依赖战术层级人员来理解实地事实。相反，它把现场人员当作收集数据的传感器网络。口号“每个士兵都是传感器”体现了这种方法：美军将其传感器校准为收集数据点，而非解释他们眼前所见。
在如何看待和运用其自身人员方面需要进行范式转变。那些能直接接触地面真相的人员，应被赋能不仅仅是收集数据，还要生成结构化的分析产品，直接输入AI赋能的中枢神经系统。这意味着制定一致的分析框架，培训人员应用这些框架，并确立部队必须产出的标志性交付物。
与军方相关的学术界也扮演着关键角色，但它应该转变运作方式。历史上，美军资助了一个庞大的学术研究生态系统。尽管近期有预算削减，但在五角大楼、各战区司令部或各种军方资助的智库和研究机构中，并不缺少博士。这些实体产生了大量的报告。然而，它们的产出通常并不面向实时作战决策，也没有以一致的方式构建。
相反，军方资助的学术研究模仿了传统学术界的产出，存在漫长的发表滞后，并且强调方法和理论多于作战效用。这应该改变。作战部队需要的学术伙伴是能够部署到对抗性环境中、与前线部队并肩工作、并生成能直接输入AI系统的及时、结构化分析产品的人。学者不应充当遥远的理论家，而应作为嵌入式分析员，为军事人员进行的调查工作带来严谨性。所需的是一种伙伴关系模式，即学术专长利用作战部队的接触渠道，并增强其固有的分析能力，从而在军方内部创建一个关键的、专业化的见解生成引擎。
这种综合方法——将战术层级的人类观察与学术严谨性及AI赋能处理相结合——是弥补日益被合成内容饱和的数字信息环境的关键一步。当AI系统能够大规模生成令人信服的合成内容，当机器人网络能够模拟草根运动，当虚假卫星图像能够暗示从未发生的军事部署时，穿透噪音的唯一可靠方法就是人类对地面真相的观察。
接下来会发生什么？
没有一个能够大规模提供结构化、一致的地面真相的直接渠道，AI情报系统将基于输入给它们的数据来优化其所能优化的部分。这将重蹈过去二十年的覆辙，当时美军掌握了目标锁定流程，却输掉了一场又一场战争。AI赋能的情报系统在识别节点、绘制网络图和制定动能打击方案方面会成倍地变得更好，同时创造出越来越有说服力的“理解”假象。庞大的数据量、处理速度以及输出的视觉复杂程度，都会让用户以为他们知道自己在看什么。
但这种表面的精通将掩盖对背景和意义日益加深的无知。决策者将无法依据强有力的人类生成的地面真相理解，来可靠地审查机器生成的输出。事实上，输入AI赋能情报平台的数字数据的可靠性问题，已超出信息环境，延伸至目标锁定流程的核心，其中数据质量的不确定性和对手的数据投毒正日益令人担忧。
在数字环境内部，智能体AI系统将奋力区分真实内容与合成操纵。但即使这个问题得到充分解决，现有系统也将难以可靠地解释为何一个被打击的网络会在数月内重生。它们将无法预测一个地点的行动可能如何通过社会和经济系统产生连锁反应，从而在其他地方产生意想不到的二级和三级效应。它们将难以识别那些能解释为何某些人群易受对手影响而另一些人群抵制的背景动态。
这些正是军事人员及其学术伙伴应提供的洞察类型——但前提是他们被赋能、受训、分散部署并对此负责。
美军正处在一个决策点。一条道路通向基于地面真相、并建立在对背景和后果真正理解之上的、AI赋能的卓越传统军事行动：更快的目标锁定周期、更高效率的作战、更好的部队保护以及更优的动能效果，这一切都建立在以结构化、一致的人类洞察为基础的、AI赋能的态势理解之上。
另一条道路则通向AI赋能的战术卓越与战略失明的结合：一台为赢得战斗而输掉战争、为达成致命动能效果却对其在社会中及时空中的回响充耳不闻的、精致优化的机器。选择并非二元对立的，并非在AI赋能的速度和规模与人类的洞察和理解之间二选一。问题在于是否会投资于融合二者，还是眼睁睁看着其最新的能力变成一种危险的负债。
参考来源：warontherocks
微信扫码咨询专知VIP会员