战斗之脑：人工智能赋能战术战斗管理系统

人工智能技术正逐渐被战术战斗管理系统所采用，这既带来了风险，也带来了回报。

2019 年 3 月，扎卡里-戴维斯博士撰写了一篇题为《战场上的人工智能：对威慑、稳定和战略出其不意的潜在影响的初步调查》一文。戴维斯博士是加利福尼亚州劳伦斯-利弗莫尔国家实验室（LLNL）全球安全研究中心的高级研究员。他还是位于该州的美国海军研究生院的研究教授。戴维斯在论文中首先给出了人工智能（AI）的定义，将其描述为与利用计算机相关的一系列松散现象，而计算机又反过来利用 "大数据"。然后，他提供了一个简洁而有用的人工智能定义，即 "作为模式识别软件基础的算法"。这些算法与 "高性能计算能力 "相结合。这种融合使数据科学家能够 "探究和发现海量数据集合的意义"。

人工智能、机器学习和战术指挥与控制

将人工智能方法纳入战术战斗管理系统（BMS）的吸引力何在？华盛顿特区美利坚大学互联网治理实验室博士研究员、安全创新与新技术中心副研究员伊恩-雷诺兹博士说："至少在美国的背景下，我们的目标是帮助实现'决策优势/主导地位'的概念，这些概念正变得越来越重要。此类系统可以利用大量相关数据帮助生成行动方案、发现模式、识别对手行为何时偏离既定模式，并加快'从传感器到射手'的时间安排。"

戴维斯在论文中认为，"战争作战层面的人工智能应用可能会对使用通用军事力量实现战术目标产生非常重大的影响"。EpiSci 公司自主产品总监 Patrick 'Krown' Killingsworth 说："在 EpiSci，我们认为我们的人工智能系统可以在（作战管理、指挥和控制领域）增强人类的决策过程。在各级战争中，我们的目标是减轻人类的认知工作量。在战术层面，这些信息将增强指挥官的知识和经验，可以利用人工智能生成潜在的行动方案或显示部队当前状态的可能结果。" 同样，人工智能方法也可以帮助起草书面材料，Systematic 公司陆地战略总监亨里克-萨默说："通过使用人工智能技术，可以加快制定和编写计划和命令的速度。" 加速起草过程是民用领域越来越多地采用人工智能的原因。见证基于人工智能的 ChatGPT 大型语言模型（LLMs）在从起草新闻稿到撰写关于蓝精灵的喜剧乡村和西部歌词等各个方面的应用普及。

预计未来军队在战术层面需要处理的数据量将发生巨大变化。人工智能有望帮助整理这些海量信息。 资料来源：GlobalMil

人工智能的一个关键潜在应用是筛选战术指挥官在总部收到的不同情报。Killingsworth 认为，人工智能尤其适合对大量不同的数据进行分类，"对于战术级操作人员来说，他们有可能通过传送视频、图像和缴获的文件等内容来增强情报收集能力。这些情报内容可以利用人工智能技术为更高层编队开展的情报行动提供信息"。指挥官从各种来源接收信息，如人类情报、图像情报和信号情报。完全有可能的是，这些传入的情报大多与他们的任务无关，但必须找到、解读相关信息，并将其分发给需要的人。人工智能可以在这方面发挥作用。例如，算法可以帮助对不同的情报项目进行分类和优先排序，这些情报项目乍一看似乎毫无关联。然而，这些看似毫无关联的数据一旦汇聚在一起，就会变得有意义。利用人工智能协助处理情报，还能带来相应的好处，即协助确定目标，或许还能提高精确度。训练识别特定目标的算法可以加快探测和定位瞄准点的速度。

这种分类和理解信息的能力可以帮助指挥官做出战术决策，"通过人工智能带来的自动化，战术操作人员的态势感知能力可以得到提高。"例如，利用计算机视觉执行变化监测任务的情报系统可以识别敌方资产的存在（或不存在），并将其添加到共同的情报图片中。"然后，就可以与战场上的用户共享这一共同作战画面。人工智能可以识别相关的情报、监视和侦察（ISR）资产并为其分配任务。一旦这些资产执行了任务，就可以命令效应器攻击目标。人工智能甚至可以用来帮助进行战损评估。

风险因素

不过，需要注意的是，嵌入战斗管理系统的人工智能方法并非万能药。就目前的技术而言，它充其量只是一套辅助决策的工具。公平地说，基林斯沃思等专家并不认为人工智能能取代指挥和控制链中的人类： "人类最终仍要对战斗的执行和进行负责"。不过，人工智能支持的战术战斗管理系统可以为 "战场指挥官提供更多唾手可得的信息"。这些信息可以 "包括人工智能对许多潜在决策可能会产生何种结果的最佳预测"。有关人工智能参与杀伤链的问题可能更为复杂，此类系统并非'致命'，因为启用人工智能的系统将在没有人类干预的情况下完成目标识别和交战的整个周期。然而，"它们的致命之处在于，它们会影响选择的参数和这些选择发生的速度，根据 BMS 的输出影响指挥官可能认为可能或理想的情况"。这些因素有可能使 "有意义（和）适当的人类控制变得脆弱。这就提出了严重的伦理问题，以及此类系统如何与战争法保持一致的问题"。

相反，这场辩论可能需要重新思考："我们不应该从人类控制与否的二元对立角度来考虑人工智能支持的决策，而应该更多地从复杂的、不断展开的过程角度来考虑，在这个过程中，人类的代理权要素被委托给人工智能系统。" 戴维斯分享了他的个人观点，强调这些观点并不代表 LLNL、美国能源部、美国国家核安全局、美国国防部（DoD）或任何其他美国政府机构的观点。他还强调了另一个令人担忧的问题："人工智能在战场上追求的速度可能与战争中包括外交在内的其他重要考虑因素不一致。更快并不总是更好"。尽管如此，他对人类与人工智能在冲突中的互动问题持乐观态度："担心指挥官将生死攸关的决定权交给自动化系统是没有根据的。任何指挥官都不希望自己的权力受到这种侵犯。这就提供了内在的防护"。

战场上越来越多地采用无人系统，而这些系统又依赖于人工智能，这势必会进一步影响有关军事上是否依赖后一种技术的辩论。这也提出了不同的人工智能系统将如何相互影响的问题。 图片来源：美国陆军

防止过度依赖人工智能战斗管理系统也很重要。Killingsworth 警告说，"战场上的指挥官（可能）会面临依赖这些强大无比的工具的风险，如果没有这些工具，他们可能会面临决策瘫痪"。至关重要的是，当人工智能所带来的属性无法使用时，指挥官仍然要知道如何作战并赢得战斗。要想广泛采用这项技术，确保军方对其的信任至关重要： "EpiSci竭尽全力确保我们所有的人工智能都是有边界和有保证的，并十分重视操作员的信任......如果操作员不接受这些工具，它们都无助于加强我们的国防。"

战术 BMS 中的人工智能方法能在多大程度上提供帮助，取决于用于训练算法的数据质量。我们自己的大脑也在学习，因为我们的生活是我们存储为记忆的一系列经历，这些记忆会影响我们的行为。值得庆幸的是，军队，尤其是北约国家的军队，很少发生战争。虽然这有利于和平，但却造成了可用于训练算法的作战或战术数据的匮乏。用于训练算法的数据必须可信。垃圾进，垃圾出"（GIGO）是一个经常被引用的计算真理，但它仍然非常适用。与这一问题相关的事实是，数据本身可能成为未来战争中克劳塞维茨式的重心；成为与敌对总部一样有利可图的目标。戴维斯警告说："数据是脆弱的，""新时代网络战争的一部分就是攻击对手的数据库，这其实很容易，而且可能会劫持所有希望获得的利益"。戴维斯建议，解决这一问题的方法之一是分散数据： "过度依赖，尤其是集中式数据库和决策支持，可能会导致灾难。在数据存储位置和方式上建立冗余是最重要的。

正如雷诺兹所言，战争本质上仍然是一件复杂的事情："人工智能系统在处理复杂和突发情况时，其性能往往会受到影响"。他列举了自动驾驶汽车在达到所需的能力水平方面遇到的问题。"由于战争本质上是复杂的，而且需要不断努力欺骗对手，因此人工智能战斗管理系统如何应对这种情况仍然存在严重问题。" 不言而喻的是，基于人工智能的指挥和控制架构还必须能够抵御黑客攻击和网络攻击： "雷诺兹警告说："在技术干扰方面，数据可能会被'下毒'，或被对手篡改，传感系统可能会受到干扰，这可能会影响作战管理系统的预测和决策支持能力。"举个非技术性的例子，物理环境的改变是人工智能系统始料未及的，这可能导致对物体（比如坦克或敌方战斗人员）的错误分类。正如乌克兰东部的荒原所显示的那样，战争习惯于极大地改变物理环境。

Palantir 的国防人工智能平台于 2023 年亮相，该平台依靠大型语言模型架构来辅助指挥和控制。 资料来源：Palantir

成本问题也非常重要。"索默警告说："计算能力和内存会限制人工智能技术的部署。"军方必须做出决定，他们可以投入多少资金，将更高功率的计算机送往前线，送入可能容易受损、毁坏或可能落入敌手的环境。" 可用电力是另一个令人担忧的问题，萨默补充说："运行人工智能的技术需要大量电力......尽管如此，飞机和舰船拥有物理空间和发电能力，可以原生承载人工智能技术。"

正在发生

人工智能战斗管理系统即将问世。基林斯沃思说："我们看到各国军队正在逐步采用这些......工具，而这就是从今天开始的。"工业界也注意到了这一点。2023 年，Palantir 推出了采用 LLM 方法的国防人工智能平台。大型语言模型经常在人工智能的背景下被讨论。简单地说，它们使用人工智能软件生成文本。流行的 ChatGPT 软件就采用了 LLM 方法。指挥官可以询问软件，根据已经发生或正在发生的事件获得行动方针指导。人员可以请求相关情报或信息；他们可以命令执行特定的行动方案，然后软件可以将其转换为书面命令。在撰写本文期间，曾与 Palantir 公司进行过接触，但多次询问均未得到答复。

美军的多域作战思想及其 JADC2 的表现形式，对数据的有效收集、处理和移动提出了更高的要求。JADC2 必然会高度重视人工智能的使用。 图片来源：L3Harri

此外，美国国防部的联合全域指挥与控制（JADC2）架构将包含大量人工智能内容。JADC2 是美国国防部多域作战（MDO）条令思想的体现。MDO 主张在各级战争中实现所有军事资产（人员、平台、武器、传感器、能力和基地）在部队内部和部队之间的连接。MDO 的目标是以比对手更快的速度做出更高质量的决策。MDO 重视对大量数据的收集、解释和传播。由于数据量可能超过人类的认知能力，人工智能方法将不可避免地成为这些过程的内在组成部分。同样，Scale AI 正在与美国陆军合作，研究该公司的多诺万 LLM 如何为陆军的 JADC2 做出贡献。

在技术向前发展的同时，还必须为在战术领域吸收人工智能做好准备： "在战术点采用之前，军队需要进行文化、条令以及可能的社会政治变革，"萨默观察到，"随着时间的推移，其中一些技术在民用领域变得更加主流，那么数字原住民在军事组织中的作用可能会缓解人工智能和 ML 技术的采用。" 最终，戴维斯认为："严格的评估、对局限性的广泛理解以及广泛的测试和模拟，应该能够让军事领导人从人工智能工具中获得他们所需要的东西，而不会危及他们的部队、公众或他们的任务。"