不可否认，新冠疫情后的世界已全面陷入人工智能（AI）技术风暴。AI及其相关技术每日必现新闻头条——或褒或贬，争议不断。传统主义者呼吁管控AI并强调伦理道德问题，技术专家则为新技术诞生欢欣鼓舞，经济学家亦纷纷加入追逐这一新机遇的淘金浪潮。普罗大众不禁困惑：这项技术将如何影响生活？抑或影响已然开始？无论有意或无意，AI是否已通过YouTube的"下一视频推荐"、Netflix的推荐内容，或是车载Alexa/Siri系统渗透至日常生活？
如今众所周知，ChatGPT仅用5天即突破百万用户，而Instagram与Facebook分别耗时2个月与10个月。ChatGPT网站日均访问量达2500万人次。如同iPhone迭代，自初版发布以来，OpenAI已推出多个版本，最新为GPT-4o（全能版）与GPT-4（Turbo版）。这些版本凸显AI语言模型的快速进化，每次迭代均在质量、功能与效率层面实现跃升。尽管ChatGPT本质属于生成式AI（GenAI）范畴并在普通用户中广受欢迎，其他形式AI亦在医疗、商业、治理与作战领域取得重大突破。
全球武装力量在疫情后冲突中运用AI技术的频率呈指数级增长，更关键的是技术变革速度之快，令战略家与战术家连惊叹的时间都被剥夺！除变革规模外，AI在作战领域的广泛应用正实质改变战争形态。尽管最显著变化体现于武器平台，但底层正发生结构性变革。AI工具在信息战、灰色地带冲突、精准目标锁定、提升战场透明度等领域的应用规模惊人且持续扩张。因此，作为战争从业者，理解这些剧变并更精妙地运用技术至关重要。
解构人工智能
要解构人工智能（AI），有必要追溯其历史脉络。希腊神话揭示人类始终热衷创造智能存在——赫拉与宙斯之子赫菲斯托斯铸造青铜巨人塔罗斯守卫克里特岛，皮格马利翁雕刻象牙少女伽拉忒亚。从人造玩偶、模型到机械装置，这种创造类人存在的执念贯穿人类文明史。被誉为"计算机之父"的查尔斯·巴贝奇在1837年设计的分析机首次引入存储程序概念。与之合作的洛夫莱斯伯爵夫人阿达·洛芙莱斯（公认首位程序员）曾断言："分析机不具备任何原创能力，它只能执行我们明确指令的操作"。AI发展的关键突破发生在1950年，艾伦·图灵提出"模仿游戏"（即图灵测试）——用于评估机器是否具备与人类相当或无法区分的智能行为。关于此测试，图灵预言："我相信约五十年后，存储容量达10^9的计算机将能完美参与模仿游戏，使普通测试者在五分钟提问后正确辨识的概率不超过70%......到本世纪末，公众话语体系将进化至可坦然谈论机器思考而不受质疑"。2024年使用ChatGPT4o时，图灵预言似乎已成真，但据ChatGPT自述："截至2023年5月知识库版本，GPT-4尚未明确通过图灵测试"。这引向核心问题：何为人工智能？其分类体系如何？
广义而言，智能或认知能力可归纳为"正确决策与行动的能力"。人类凭借上帝赋予的"想象力"与外界交互形成认知，经长期进化获得此能力。因此，AI即指系统具备类人思考与行为的能力。任何拟人系统需具备基于输入参数（环境）的逻辑推理能力。大体而言，AI系统可分为三类：人工狭义智能（ANI）、人工通用智能（AGI）与人工超级智能（ASI）。ANI能力范围狭窄，AGI与人类相当，ASI则超越人类。目前全球研发系统均属ANI范畴。
AI领域的变革主要源于开源内容创作工具的普及，使开发者、终端用户与技术团队能获取尖端技术并开发定制应用。当前AI热潮主要源于生成式AI（GenAI）的突破——作为狭义AI子集，其通过机器学习算法根据输入生成新内容，无需显式编程。该技术广泛应用于文本图像生成、音乐创作、游戏开发、预测分析、自动化任务、代码生成及含深度伪造的视频制作。Tensor Flow、Keras、PyTorch等AI工具操作简便。OpenAI自2022年11月推出的各版ChatGPT均基于生成式预训练转换器（GPT）架构。但AI变革不仅限于此，边缘计算等领域同样突飞猛进——利用终端设备算力实现低延迟、离线化与隐私保护的解决方案，已在预测性维护、自动驾驶武器系统、智能安防、可穿戴医疗设备与先进机器人等领域广泛应用。
与AI密不可分的是大数据。正如睿智读者所知，AI工具的效能与精度取决于训练数据质量。数据规模越大，AI越精准。因此，海量数据采集与整合至关重要。与传统研究高度结构化、受控的数据不同，大数据不仅体量惊人，更具备非结构化、非受控与高速生成特性。这需要配备超强算力与精准算法的AI工具进行解析。大数据的四维特征——速度、体量、多样性与真实性——要求构建复杂稳健的数据管理架构。该架构每个子系统均需周密规划、组织协调、资金与人力资源支持。思科、谷歌等巨头重金投入数据中心建设，中小型企业则租赁云端存储空间。鉴于军事信息涉密特性，武装力量需建设专属定制化数据中心。
人工智能的军事应用
人工智能（AI）的军事应用具备全方位、大规模影响军事行动筹划与实施进程的潜力。随着AI系统处理速度、精度与复杂信息处理能力的持续提升，其可逐步替代或辅助人类执行军事任务。这将加速作战节奏并优化军事决策，最终为武装力量提供高性能AI带来的显著优势。AI军事应用甚至可能引发新一轮"军事事务革命"。在多维战场中，AI技术可作为传感器、规划器或作战单元独立或组合使用。近期俄乌冲突、亚阿冲突、以哈冲突均显现以AI为核心技术的军事应用激增态势。AI系统在毫秒级捕获、存储、处理与分析海量视觉及数字数据的能力，为军事决策者提供精准客观的情报支撑。此类情报可用于兵力投送、预测分析、后勤保障优化、减少平民伤亡、兵棋推演及部队训练等任务。本质上，AI系统有效减轻战场指挥官的认知负荷，赋能其更快更优决策。全球军事力量竞相研发更快速、精准、多元的AI系统及配套数据中心、网络等基础设施的态势由此形成。主要军事强国近年相继出台国家AI战略文件，表明各国已意识到军事AI的重要性并系统规划其开发、采购与集成路径。
美军是率先大规模采用该技术的领军者。美国国防部（DoD）于2018年发布《人工智能战略》，核心要点包括：保持技术优势增强军力、加速AI在防务职能中的全面应用、强化盟友协作、主导军事伦理与安全标准。为此，美国防部成立联合人工智能中心（JAIC）统筹AI研发，并设立国防数字服务局、高级分析办公室及"马文计划"等项目推进AI与武装力量整合。2022年，上述机构合并组建首席数字与人工智能办公室（CDAO），专职加速数据分析与AI应用以获取"从会议室到战场"的决策优势。该超级机构正协同工业界与学术界为国防部引入前沿技术。俄罗斯持续资助公私领域AI研究，北约及以色列国防军也在各自武装力量中推进AI目标。
当前印度AI技术在工业、商业、医疗、娱乐、政治及国防领域快速发展并广泛应用。据印度国家软件与服务公司协会（NASSCOM）《释放数据与AI价值：印度机遇》报告预测，至2025年数据与AI将为印度GDP贡献4500-5000亿美元，占5万亿美元经济目标的10%。印度武装力量亦大规模采用AI技术。鉴于AI应用范畴广阔，本文聚焦军种数据中心建设与情报处理自动化工具开发，旨在提升战场指挥官态势感知能力。
大数据与人工智能赋能战场态势感知
武装力量每日生成海量多源异构数据，亟需构建集中式数据存储设施并整合AI工具实现情报处理增值。集中存储能确保所有数据输入单一服务器/云端中央数据中心进行分析，生成连贯的战场态势图。通过引入AI技术，系统可基于数据冗余与交叉验证提供决策建议，必要时自动协调其他情报源进行数据协同，从而规避人工处理的信息遗漏风险。当数据嵌入时间戳与地理标记时，可实时标绘并通过各军种通用地理信息系统平台实现分层共享。但设计数据分析架构需考量以下核心要素：系统需整合天基、空基、陆基、海基及水下多域平台数据；采用加密存储并内置冗余机制防御网络攻击；基于轮辐式架构保障数据双向流动无拥塞延迟。
核心问题在于数据中心选址策略——采用战区/国家级自上而下布局，还是战术-战役级自下而上架构？数据中心建设除需巨额资金投入外，还需配备电力保障、冷却系统、安防设施及专业人才。建议国家级主数据中心配置异地灾备节点，同时在军/战区级设立区域数据中心存储分析属地化数据。各战区可依地理特征设置3-4个区域分中心，采用轮辐架构使属地用户就近接入。分中心间互联并与中央数据中心建立可靠通信链路。当前各军种虽已推进数据存储分发建设，但由国防参谋长委员会主导一体化整合更具战略价值。此方案仅解决数据存储与共享问题，因仍依赖人工录入分析，尚未释放AI潜能。
进阶方案需部署AI系统并训练其识别敌方作战模式、装备与武器平台。经训练后，AI工具可辅助生成实时情报：在情报单元整合计算机视觉库与机器学习算法，自动解析有人/无人平台影像数据识别敌对行为；卫星图像分析引入深度学习算法加速处理流程。目标识别与战术态势构建完成后，AI可通过动态加密通信方案规避拦截，安全连接武器平台。此能力将取代现有人工分析师耗时数小时的视频筛查工作。AI还可基于作战管理系统/火控系统，评估各打击方案的优劣，提供多目标接战决策建议。
和平与冲突期间实施人工智能与大数据的规划方案
在印度武装力量中实施人工智能（AI）与大数据分析，需由最高决策层统筹推进。应明确制定战略，涵盖目标设定、AI应用领域、实施规模、组织重构及伦理考量，同时规划专业人才需求与国防研发部门、私营科技企业及学术机构的协作机制。鉴于AI战略需配套数据分析框架建设（该过程耗时耗资），建议印度武装力量开发独立数据分析系统。在此系统建成前，可在强化安全措施前提下采用企业现有技术。当前多家公司已开发敌武器平台识别AI工具，但因数据有限导致输出精度不足，需通过信息共享提升工具准确性。鉴于作战信息共享存在重大挑战，建议专项开发军用定制化AI工具，并配套专项预算与研发周期。工具开发完成后可部署于中央及区域数据中心。既有项目应探索量产前集成AI工具的可行性，现役传感器可分期升级。
另一亟需关注层面在于推动国防情报机构基于大数据分析实施文化转型。这需要培养专业人才队伍，初期可招募数据分析师与数据科学家运营各级数据中心。需采购或自主研发配套硬件与软件系统，初期可试验性采用商用现成软件，待自主研发能力成熟后过渡至国产化软硬件。
结论
人工智能与大数据分析正引发战争方式的革命性变革。未来十年内，预计该技术将在全球武装力量中广泛普及。当前集中推进AI与大数据应用，不仅可使我军跻身现代化科技强军之列，更可推动自主创新成果对外输出。尽管目前尚未占据先发优势，但技术仍处发展初期。机遇无限，我军须把握时机，通过教育培养、技术试验与实战部署实现跨越发展。
原文
相关内容
微信扫码咨询专知VIP会员