人工智能已经成为现代战争的一部分,而且这一作用在未来三到五年内将呈指数级增长。人工智能提供了以极低的成本大大提高军事行动精确度和决策速度的机会。另一方面,它也带来了巨大的安全风险和伦理问题。此外,发展速度之快有可能超过监管力度。本文将探讨人工智能已经和将要给 21 世纪战争带来的变化。

为何重要

2017 年,俄罗斯总统弗拉基米尔-普京对人工智能未来在战争中的重要性做出了一个相当令人不寒而栗的判断:"谁成为这一领域(人工智能)的领导者,谁就将成为世界的统治者。” 俄罗斯、中国和美国正在引领可能是下一场军事革命。此外,其他几个国家也在大踏步前进。未来,利用人工智能进行防御的重要性将进一步提高。

范式转变?

很少有国家拥有建造和维护先进空军或海军所需的资源。例如,一艘 “福特级 ”航空母舰的建造费用超过 130 亿美元,每年的维护费用为 7 亿美元。美国的 F-35 项目是历史上最昂贵的武器项目,终生造价高达 2 万亿美元。人工智能和自主武器系统以极低的成本提供了相当的性能,有可能颠覆既有的世界秩序。

干掉一架无人机并不难,但要解除多架无人机协同作战的威胁则是另一回事。美国和英国已经开始在训练演习中探索无人机群的可能性。当无人机群进行通信时,就能提供准确的战场实时画面。随着自主导航技术的改进和单架无人机成本的相对降低,一名操作员可能很快就能监督数十架甚至数百架无人机。

目前在红海打击胡塞武装的行动清楚地表明了这一现象。这支伊朗支持的部队正在用廉价的自杀式无人机对美国航运造成破坏。这种在空中和海上使用的单发武器每架只需几千美元。它们的操作不需要大量的维护或培训,相比之下,美国和英国目前使用的反制措施极其昂贵。

铺天盖地的蜂群攻击可能造成毁灭性后果。非国家行为者使用自主武器对平民人口中心造成巨大伤害的能力要大得多。

开发反制措施

无人机系统(UAS)主宰未来战场的前景不容质疑。一些科技公司正在开发反无人机系统,以便比传统系统更有效、更经济地击落敌方无人机。RTX 正在开发 Coyote,它本质上是一种可从各种平台发射的反无人机。Anduril 是国防领域一家年轻的新兴公司,正在开发一种介于导弹和无人机之间的系统 Roadrunner。这个名字是对 RTX 系统的调侃。

另一家国防初创公司伊庇鲁斯(Epirus)正在开发一种武器系统,用于对抗成群的无人机。Leonidas 使用高功率微波(HPM)系统来摧毁无人机控制系统。通过对它进行编程,可以区分友军和敌军的无人机,从而实施禁飞区。2023 年,该公司与美国陆军签订了一份价值 6600 万美元的合同,开发 Leonidas。2024 年 8 月,该技术在美国陆军进行的测试中显示出了一定的前景。

降低人力成本

全球军费开支可能在增加;北约 32 个盟国中有 23 个达到或超过了 2% 的开支目标,但军队规模却在缩小。法国、英国和美国的军队都面临着征兵危机。同样,东亚人口结构的变化也将大大减少日本、韩国等的征兵人数。在不久的将来,将没有足够的适龄成年人愿意服兵役。征兵制很少能培养出高素质的士兵,强行将年轻人从劳动力大军中抽调出来将给经济带来严重后果。随着全球生育率在大多数发达国家达到危机水平,人工智能将成为帮助避免战斗损失和减少对载人车辆依赖的重要工具。

美国已经投入巨资开发自动辅助飞行器,以支持作战中的载人设备。协同作战飞机(CCA)计划旨在减少对驾驶飞机的依赖。CCA 计划吸引了硅谷的兴趣;Anduril 公司击败了国防领域更多的知名企业,赢得了一份利润丰厚的 CCA 合同。该公司也是开发水下无人机的几家公司之一。中国、俄罗斯和美国也在研发四足无人地面车辆(Q-UGV),它可以大大减少前线作战损失。与飞行无人机不同,Q-UGV 会触发诱杀装置和地雷。此外,Q-UGV 还可以安装多种附件,用于攻击空中和地面目标。

更快的决策和威胁分析

美国空军上校约翰-博伊德(John Boyd)提出了 “OODA 循环 ”来描述朝鲜战争中战斗飞行员的决策过程。该循环代表 “观察、定向、决策、行动”。后来,它被应用到更高级别的战斗中,并成为当今大多数西方国家军队的标准理论。在现代战争中,决策速度和扰乱敌方进程至关重要。

OODA 循环中最重要的一个环节是第一环节:观察。正如英国前将军和首相阿瑟-韦尔斯利(最著名的威灵顿公爵)所说:"战争的所有事务,实际上就是观察:战争中的所有事情,乃至生活中的所有事情,都是努力通过你所做的事情来发现你不知道的事情;这就是我所说的'猜测山丘另一侧有什么'。

从本质上讲,人工智能可能是看到山那边有什么的关键,并大大缩短做出决定所需的时间。通过将大量数据无缝整合到一个易于管理的界面中,地面指挥官将比信息不那么灵通的对手更有优势。人工智能还能在威胁分析方面节省大量工时。正如陆军上校理查德-利奇(Richard Leach)在为国防部撰写的一篇文章中所解释的那样:让人工智能识别关键信息,也许还能进行一些基本分析。让分析人员专注于难题集,这样他们就不会浪费时间、资源和人力。

不过,要让人工智能达到所需的水平,还有一段路要走。美国太空部队和海军发现,生成式人工智能目前还不适合用于军事用途。

伦理与军备控制

人工智能在未来战争中最令人担忧的一个方面是致命武力的使用。这几乎不是一个新的担忧;国际机构在 2012 年就对 “杀手机器人 ”发出过警告。自动化武器系统不会有同情心或道德顾虑。它只会毫不犹豫地行动。让这个问题更加复杂的是,如果人工智能犯下战争罪,谁来承担责任。如果自动无人机在战区误杀或蓄意杀害了一个家庭,谁来承担责任?虽然美国有明确的人类监督准则,但其他国家甚至非国家行为者可能不会遵循同样的规则。

对军事化人工智能的监管带来了实际问题和无数伦理问题。其中之一就是技术进步的速度。正如在私营部门一样,人工智能的发展速度超过了立法者的立法能力。在通过立法是一个漫长过程的国家,这个问题尤为突出;而在专制政权中,这个问题就不那么突出了,因为专制政权通常是民主政体的对手。另一个问题是,通过国际法进行监管要求签署国秉持诚意行事。

历史表明,这种方法很少奏效。20 世纪 20 年代,全球大国试图通过限制新军舰的尺寸来缓解紧张局势。虽然最初取得了成功,但由此产生的条约缺乏力度,最终在 20 世纪 30 年代被抛弃。同样,尼克松政府也曾试图通过限制战略武器会谈(SALT 1 & 2)来缓解与苏联的紧张关系。SALT II 于 1979 年签署,但在苏联入侵阿富汗后从未获得批准。美国与俄罗斯的关系恶化,与中国的紧张关系加剧,使得当前的局势变得更加复杂。世界大国之间可能缺乏信任,无法对人工智能进行全面监管。

新风险

如果在战争中完全剔除人的因素会怎样?这并不是一个特别新的想法;多年来,专家们一直在努力解决这个问题。在不远的将来,自主武器系统有可能在空中、陆地和海上做出闪电般的快速决策。在未来的超战争场景中,人类的投入将微乎其微。

从好的方面看,去除了人的因素,就消除了自古以来困扰军事行动的许多摩擦。压力导致的犹豫和失误可能会成为历史。人工智能可以达到人类无法企及的精确度,并大幅减少附带损害。相反,坏人滥用人工智能能力的能力也令人担忧。毫不犹豫也意味着没有道德顾虑。此外,人工智能控制系统升级的风险要大得多。

2010 年 5 月 6 日,华尔街的自动交易引发了 “闪电崩盘”。道琼斯指数在几分钟内下跌了 9%。危机很快被化解,但 “闪电战 ”的后果并不容易逆转。核战争对任何理性人来说都是不可想象的,但在算法的冷酷逻辑中,先发制人的核打击可能是最佳选择。

启示

通常情况下,军事革命需要数年时间才能完全实现。人工智能可能会遵循类似的轨迹,但时间要短得多。

更智能、更快速的决策已经显而易见,在不久的将来只会进一步提高。自主武器具有巨大的性价比,对于所谓的小国来说是一个更容易的切入点。只有最富裕的国家才能负担得起顶级空军,但无人机只需极少的成本就能提供与之相当的性能。自主无人机群协同作战,可以压倒昂贵得多的防空系统。反制措施已经在研发中,未来几年还将加速。

人工智能的危险同样严峻。由于机器可以毫不犹豫地实施真正令人发指的行为,因此存在严重的道德问题。如果落入坏人之手,军事化的人工智能将严重威胁和平与稳定。然而,开发用于军事用途的人工智能固然有风险,但更大的风险在于不开发人工智能。

参考来源:247wallst

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。
自动化战争的崛起:人工智能和机器人技术如何改变战场
颠覆性人工智能:对新一代空中力量的加速影响
专知会员服务
39+阅读 · 2024年9月28日
大数据如何改变战场
专知会员服务
26+阅读 · 2024年6月20日
新兴技术与军用机器人技术的未来
专知会员服务
31+阅读 · 2024年6月11日
智能战争机器:军事中的人工智能
专知会员服务
51+阅读 · 2024年6月4日
生成人工智能如何改变军事行动
专知会员服务
55+阅读 · 2024年5月22日
军事领域的人工智能: 实用工具
专知会员服务
87+阅读 · 2023年11月25日
通过大语言模型和人工智能的力量改变军事规划
专知会员服务
140+阅读 · 2023年9月1日
机器学习的 7 个关键军事应用
专知会员服务
308+阅读 · 2022年4月24日
基于深度学习的数据融合方法研究综述
专知
31+阅读 · 2020年12月10日
深度学习技术在自动驾驶中的应用
智能交通技术
26+阅读 · 2019年10月27日
人工智能应用实践与趋势
人工智能学家
13+阅读 · 2019年9月20日
有关军事人机混合智能的再再思考
人工智能学家
17+阅读 · 2019年6月23日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
反无人机技术的方法与难点
无人机
20+阅读 · 2019年4月30日
深度学习技术发展趋势浅析
人工智能学家
27+阅读 · 2019年4月11日
人工智能的现状与未来(附PPT)
人工智能学家
74+阅读 · 2019年3月27日
人工智能与机器学习技术在医疗保健行业中的应用
深度学习与NLP
11+阅读 · 2018年3月25日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+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
13+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
25+阅读 · 2014年12月31日
国家自然科学基金
23+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
7+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
Arxiv
164+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
427+阅读 · 2023年3月31日
Arxiv
71+阅读 · 2023年3月26日
Arxiv
156+阅读 · 2023年3月24日
Arxiv
22+阅读 · 2023年3月17日
VIP会员
相关VIP内容
自动化战争的崛起:人工智能和机器人技术如何改变战场
颠覆性人工智能:对新一代空中力量的加速影响
专知会员服务
39+阅读 · 2024年9月28日
大数据如何改变战场
专知会员服务
26+阅读 · 2024年6月20日
新兴技术与军用机器人技术的未来
专知会员服务
31+阅读 · 2024年6月11日
智能战争机器:军事中的人工智能
专知会员服务
51+阅读 · 2024年6月4日
生成人工智能如何改变军事行动
专知会员服务
55+阅读 · 2024年5月22日
军事领域的人工智能: 实用工具
专知会员服务
87+阅读 · 2023年11月25日
通过大语言模型和人工智能的力量改变军事规划
专知会员服务
140+阅读 · 2023年9月1日
机器学习的 7 个关键军事应用
专知会员服务
308+阅读 · 2022年4月24日
相关资讯
基于深度学习的数据融合方法研究综述
专知
31+阅读 · 2020年12月10日
深度学习技术在自动驾驶中的应用
智能交通技术
26+阅读 · 2019年10月27日
人工智能应用实践与趋势
人工智能学家
13+阅读 · 2019年9月20日
有关军事人机混合智能的再再思考
人工智能学家
17+阅读 · 2019年6月23日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
反无人机技术的方法与难点
无人机
20+阅读 · 2019年4月30日
深度学习技术发展趋势浅析
人工智能学家
27+阅读 · 2019年4月11日
人工智能的现状与未来(附PPT)
人工智能学家
74+阅读 · 2019年3月27日
人工智能与机器学习技术在医疗保健行业中的应用
深度学习与NLP
11+阅读 · 2018年3月25日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+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
13+阅读 · 2015年12月31日
国家自然科学基金
9+阅读 · 2015年12月31日
国家自然科学基金
25+阅读 · 2014年12月31日
国家自然科学基金
23+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
7+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
微信扫码咨询专知VIP会员