未来战争中的人工智能、无人机蜂群和升级风险

新一代由人工智能（AI）增强和支持的自主武器系统（AWS），尤其是蜂群战术无人机的迅速扩散，可能会对未来战争中的威慑、核安全、升级和战略稳定产生重大影响。融合了人工智能系统的新兴迭代无人机系统将预示着未来冲突中射程、精度、规模、协调、智能和速度的增强将产生强大的相互作用。反过来，核武军事强国之间升级的 "要么使用，要么失去"局势的风险，以及使用不可靠、未经验证和不安全的预警系统所带来随之而来的危险将会增加，并可能带来灾难性的战略结果。

广泛的人工智能（AI）增强型自主武器系统（AWS）的扩散可能会对核安全和未来战争的升级产生重大战略影响。一些观察家预计，复杂的人工智能增强型自动武器系统不久将被部署到一系列 ISR 和打击任务中。专家们普遍认为，人工智能机器学习系统是实现完全自主系统的基本要素。即使预警系统仅用于常规行动，其扩散也会产生破坏稳定的影响，并增加意外核升级的风险。例如，人工智能增强型无人机群可能会被有核国家用于针对地面防空系统的进攻性出动，以保卫其战略资产（如发射设施及其随附的指挥、控制和预警系统），并对较弱的有核国家施加压力，迫使其在 "要么使用，要么失去"的情况下使用核武器进行反击。

人工智能和自主性方面的最新进展大大提高了军事大国对开发一系列预警系统作战价值的认识，这有可能使致命权力下放给预警系统的前景变得越来越不可抗拒，但却会破坏稳定。也就是说，捍卫或夺取战略对手（传统上保守的军队）尖端作战资产的技术优势，可能会避免部署不可靠、未经验证和不安全预警系统的潜在风险。因此，当前人工智能机器学习软件的技术局限性（脆性、可解释性、机器学习的不可预测性、易被颠覆或 "数据中毒"，以及人工智能系统易受偏见影响）是稳定和升级的主要风险。可以肯定的是，在核领域部署这些不成熟的新生系统将产生严重后果。

根据目前对新兴技术的了解，人工智能增强的先进常规能力（如网络武器、精确弹药和高超音速武器）的新迭代将加剧军事升级的风险，尤其是无心和意外的升级。核能力与非核能力的混合和纠缠以及战争速度的加快可能会破坏战略稳定。虽然学术文献广泛讨论了新兴技术带来的潜在升级风险，但迄今为止，对军事人工智能加剧这些风险并引发意外升级的可能性的研究还很有限。本文探讨了人工智能增强型无人机蜂群如何以及为何会影响有核大国之间的战略稳定。

人工智能兵力倍增的无人机蜂群

从概念上讲，自主系统将结合视觉感知、语音、面部识别和决策工具等人工智能技术，在不受人类干预和监督的情况下执行一系列核心的空中拦截、两栖地面攻击、远程打击和海上行动。目前，只有少数武器系统在没有人类干预的情况下选择和攻击目标。游荡攻击弹药（LAMs）--也称为 "游荡弹药 "或 "自杀式无人机"--根据预先设定的目标标准追击目标（如敌方雷达、舰艇或坦克），并在其传感器探测到敌方防空雷达时发动攻击。与巡航导弹（设计用于实现类似功能）相比，LAMs 利用人工智能技术击落来袭弹丸的速度比人类操作员更快，而且可以保持飞行（或游荡）的时间比人类操作的弹药要长得多。与现有的由人类操作的自动化系统（例如有人系统和遥控无人机）相比，像 LAMs 这样的预警系统会使国家可靠地预测和识别自主攻击的能力变得更加复杂。

例如，一架低成本的 "独狼 "无人机不太可能对 F-35 隐形战斗机构成重大威胁，但数百架人工智能机器学习自动无人机蜂拥出动，即使在防御严密的地区，也有可能躲过并压倒对手的尖端防御能力。此外，这些系统的隐形变体与小型化电磁干扰器和网络武器一起，可用于干扰或颠覆对手的目标传感器和通信系统，破坏其多层防空体系，为无人机蜂群和远程隐形轰炸机进攻做好准备。例如，2011 年，在克里奇美国空军基地，在中东操作 MQ-1 和 MQ-9 无人机的飞机驾驶舱系统感染了恶意软件，暴露了美国系统易受网络攻击的弱点。不过，未来将人工智能技术迭代整合到隐形战斗机（如 F-35 战斗机）中，可能会抵消这种威胁。美国研制的有人驾驶 F-35 战斗机很快就能利用人工智能控制小型无人机蜂群在飞机附近执行感知、侦察和瞄准功能，包括针对无人机群攻击的反制措施。未来，无人机和无人支援平台续航时间的延长有可能提高无人机蜂群在这类反制措施下的生存能力。

让人类脱离

由于军事指挥官关注的是如何严格控制 "升级阶梯 "上的各个等级，因此从理论上讲，他们应该反对将过多的决策权下放给机器--尤其是在涉及核武器的情况下。然而，军事强国之间的竞争压力，以及对其他国家在开发和部署军事人工智能（以及人工智能可能赋予权力的 AWS）方面占据上风的担忧，可能会压倒“人在环内”。值得强调的是一个注意事项。下文描述的无人机蜂群用途并不假定军方一定能在短期内实施这些 AWS。当然，人工智能研究人员和分析人员对各国在部署人工智能预警机群时面临的重大作战挑战存在分歧，特别是与机器对机器通信、复杂和有争议环境中的机群协调以及电池技术等有关的问题。

一些著名的研究人员认为，尽管还存在技术挑战以及法律和伦理方面的可行性，但很可能在几年内就能看到可运行的 AWS。与使用自主控制武器和自主瞄准有关的道德和伦理考量十分复杂，争议很大；人类创造自主控制技术来攻击人类本身就存在问题。美国国防部前副部长罗伯特-沃克（Robert Work）认为，美国在使用军事力量时 "不会将致命的决定权交给机器"。然而，沃克补充说，这种自我克制可能会受到战略竞争对手的考验，"他们比我们更愿意将权力下放给机器，随着竞争的展开，我们将不得不就如何更好地竞争做出决定"。然而，将人类的判断从危机决策过程中移除，并预先将权力下放给自主系统，可能会严重挑战核武器在未来战争中的安全性、复原力和可信度。

历史上有许多险些发生核失误的例子，这表明人类的判断对于降低误判和误解的风险，以及在危机期间对手的意图、红线和使用武力的意愿非常重要。然而，尽管有这些先例，全球防务界仍未充分认识到不可预测的人工智能增强型自主系统在动态、复杂，甚至可能是先验未知的环境中运行所带来的风险。为了规避这些风险，一些竞争对手计划将人工智能融入无人机和无人潜航器（UUV），利用人工智能机器学习技术执行蜂拥任务。据报道，某国战略家研究了 "蜂群 "无人机的数据链技术，强调网络架构、导航和抗干扰军事行动，尤其是针对美国航母的行动。

无人机蜂群与新的战略挑战

成群使用的无人机非常适合对对手的核和非核机动导弹发射器、核动力弹道导弹潜艇及其附属辅助设施（如 C3I 和预警系统、天线、传感器和进气口）实施先发制人的攻击和核-ISR 任务。一些观察家认为，自主系统（如美国国防部的 "海上猎人"--一种自主水面飞行器原型）可能会使水下领域变得透明，从而削弱隐身 SSBN 的二次打击威慑作用。不过，这一假设在技术上是否可行还存在很大争议。由于这些技术上的挑战，在可预见的未来，冷战时期以相互确保摧毁（MAD）为基础的核威慑很可能不会受到人工智能增强的反威慑能力的挑战。

一方面，一些专家认为，这些平台成群部署，可以改变反潜战（ASW），使海上核威慑几乎成为多余。另一方面，其他专家认为这种假设在技术上还为时过早，因为：AWS 上的传感器不太可能可靠地探测到深潜的潜艇；这些传感器（以及无人机本身）的探测距离会受到远距离电池电量的限制；而且，鉴于执行威慑任务的 SSBN 穿越的区域广阔，即使部署大量的自主蜂群执行侦察任务，被探测到的几率也微乎其微。

尽管旨在克服反潜战中潜艇静音挑战（降低成本、减小尺寸和探测范围）的传感器技术不断进步，但仍存在一些技术挑战，包括：多个系统之间的水下通信；处理功率要求；电池寿命和能源生成；以及系统扩展。因此，现代反潜战能力非但没有使潜艇成为多余，反而降低了潜艇的效能，减缓了潜艇在巡逻区的部署速度，使其无法进入射击位置，并破坏了攻击的协调性。

传感器、通信和处理技术（尤其是大数据分析和机器学习）的最新进展可能成为未来反潜和水下支援平台（如无人潜航器、无人水面飞行器（USV）和无人机）的颠覆性变革技术，用于实时定位和攻击潜艇，并增强潜艇及其附属武器系统的隐身性和耐久性。人工智能机器学习和大数据分析的结合可提高冷战时期的灵敏度技术，以探测潜艇的辐射和化学排放，进而实现在远程反潜作战（可能是 "开火即忘"）中探测和提示鱼雷搜索器的新能力。但目前，这一假设的技术可行性仍存在很大争议。

在这些自主系统对潜艇侦察产生改变游戏规则的战略影响之前，需要在动力、传感器技术和通信方面取得重大进展。然而，无论这种新兴能力的真实性如何，只要认为核能力面临新的战略挑战，就会引起核武对手之间的不信任，尤其是在战略力量不对称的情况下。自主能力--如 DARPA 的 "海上猎手"--展示了自主武器如何加速完成迭代瞄准周期，以支持联合作战；从而降低国家核二次打击能力的可靠性和生存能力，并可能导致 "要么使用，要么失去"的局面。

因此，在短期内，人工智能对核威慑产生的最重要的不稳定影响可能是将自主性与一系列机器学习增强型传感器相结合，这可能会削弱各国对其二次打击能力存续的信心，从而引发报复性的第一次打击。计算性能呈指数级增长，加上可实时快速处理数据的机器学习技术的进步，将使无人机群有能力执行日益复杂的任务，如猎杀迄今为止隐藏的核威慑力量。简而言之，未来人工智能的迭代能力将不断增强，能够在融合扩大和分散的数据集的基础上进行预测，然后定位、跟踪和瞄准地下发射井（特别是移动式洲际弹道导弹发射器）、隐形飞机、SSBN 和卡车或铁路运输竖起发射器（TEL）中的战略导弹。

人工智能增强蜂群的战术可能性

以下三种情况说明了人工智能增强型无人机群可能执行的战略行动。

首先，可部署无人机群执行核-ISR 行动，以定位和跟踪分散的（核与非核）移动导弹发射器及其随附的辅助 C3I 系统。具体来说，集人工智能注入的 ISR、自主传感器平台、自动目标识别（ATR）系统和数据分析系统于一体的无人机群可提高传感无人机的效率和速度，以确定移动导弹的位置并躲避敌方防御。然后，这些蜂群提供的卫星图像和信号情报可提示隐形战斗机或武装无人机摧毁这些导弹。

未来，人工智能增强型无人机群可用于定位和跟踪移动导弹发射器等分散目标，压制敌方防空系统，为装备常规或核载荷的高超音速自主运载系统群扫清道路。高超音速助推滑翔武器（HGVs）利用助推滑翔技术推进装有常规载荷（以及潜在核载荷）的弹头，其开发和部署可能最终会加剧目标模糊问题，增加意外升级的风险，进而降低核门槛。

由于寻找移动导弹本身就很困难，因此即使在使这种能力（甚至是对其脆弱性的认识）方面稍有改进，也可能改变战略游戏规则。根据兰德公司的分析，"对常规武装导弹的追逐可能导致具备核能力的导弹部队遭到削弱"，从而破坏危机的稳定性，并造成 "要么使用，要么失去 "的局面。因此，先进的人工智能增强型无人机群的自主性可能会加剧共混问题集，进而增加战略不稳定性。

其次，无人机群可能会增强传统的常规武器和核武器运载系统（例如洲际弹道导弹和潜射弹道导弹），并可能纳入高超音速变体（下文将详细讨论）。人工智能的应用很可能会增强运载系统的瞄准和跟踪能力，并提高无人机群对抗当前一代导弹防御系统的生存能力。例如，高超音速助推滑翔武器的技术进步--特别是与巡航导弹、导弹防御能力结合部署，并得到无人机群的支持--可以瞄准对手的高价值资产，如雷达、反卫星武器、移动导弹发射器、C3I 系统以及用于支持核导弹和常规导弹的 TEL。然而，无人机群对这些系统的依赖性（类似于下文讨论的网络防御）可能使其更容易受到攻击，例如来自欺骗、操纵、数字干扰和电磁脉冲的攻击。

为了降低这些脆弱性，传感器无人机群编队可以应用人工智能增强的 ISR 来加强情报收集、群内通信和分析，扩大其行动的地理范围，并监测对无人机群的潜在威胁，从而让无人机群的其余部分不受束缚地开展进攻活动。例如，美国国防部高级研究计划局（DARPA）最近测试了无人机群如何在极少（或被拒绝）通信的高威胁环境中进行协作并协调战术决策。

第三，无人机群战术同样可以增强国家压制对手防御系统（如防空系统、导弹防御系统和反潜防御系统）的能力，为解除攻击扫清道路。无人机群可能配备网络或电子战（EW）能力（除了反舰导弹、反辐射导弹或常规巡航导弹和弹道导弹外），以干扰或摧毁对手的预警探测和 C3I 系统，为更广泛的进攻行动打前站。例如，在传统防御中，一国可以通过拒止战术，用配备电子战或网络武器的无人机群攻击敌方的传感器和控制系统，削弱敌方的综合防空系统（如欺骗和电磁脉冲攻击），同时部署单独的无人机群，吸引敌方武器系统的火力，保护敌方的传感器，从而为出动常规（可能还有核）武装无人机和远程隐形轰炸机扫清道路。

相反，无人机群可能会加强各国的导弹防御，以抵御这些进攻性威胁。例如，无人机群可以形成一道防御墙，吸收来袭的导弹炮弹，将其拦截或作为诱饵，利用搭载的激光技术使其偏离航道。

揭开冷战核威慑的水下之谜？

在海洋领域，UUV、USV 和 UAV 在人工智能支持的群内通信和 ISR 系统的支持下，可同时部署在进攻性和防御性反潜行动中，以饱和敌方防御，并定位、削弱和摧毁其核武或非核攻击潜艇。由于现代柴电潜艇（SSK）和 SSBN 采用了隐身技术，尤其是声学特征极小，再加上协调此类行动的巨大挑战，因此即使在相对有利的条件下，从舰艇（甚至从另一艘潜艇）跟踪潜艇也是一项具有挑战性的行动。

一些专家预计至少十年内这种技术上可靠有效的能力还无法投入使用，而另一些专家则比较乐观。从战术角度看，无人机群不需要覆盖整个海洋（或完全透明的海洋）就能有效探测和跟踪潜艇。英国海军少将约翰-高尔（John Gower）认为，"在公海上构想一个可行的搜索和探测计划"，相对均匀的传感器分布可能就足够了，只需要 "多则数万、少则数十万的 UUV"。此外，移动传感平台的进步可使无人机群在潜艇出港时通过咽喉（或网关）定位潜艇，然后自主跟踪潜艇。这样，机器学习增强型 UUV 和 USV 的新迭代可能会补充甚至完全取代通用 SSBN 和载人水面飞行器在扼守点跟踪敌方潜艇的传统作用，同时在 UUV 上安装稀疏分布和移动分布的网络系统传感器。

算法战争与不可抗力自主武器

如果一个国家认为其可生存核武器（尤其是核潜艇）的可信度受到威胁，那么无人机群等常规能力很可能会在战略层面上产生破坏稳定的影响。因此，即使蜂群出击不打算作为(或确实在技术上有能力)解除武装的第一次打击，这种行动的可行性本身就会破坏稳定。此外，人工智能的速度可能会使防御者处于明显的劣势，从而产生更多的动机，先发制人打击技术上更胜一筹的军事对手。因此，一个国家认为其二次打击能力越不安全，就越有可能支持在其核武器综合体中使用自主系统来增强其战略力量的生存能力。分析家保罗-沙尔（Paul Scharre）认为，"在蜂群作战中获胜可能取决于是否拥有最好的算法来实现更好的协调和更快的反应时间，而不仅仅是最好的平台"。

AWS 集速度、持久性、范围、协调性和战场规模于一身，将为各国在有争议的反介入/区域拒止（A2/AD）区域内投射军事力量提供极具吸引力的非对称选择。在复杂的机器学习神经网络的强化下，有人和无人机联合作战有可能阻碍美国未来在南海的航行自由行动。如果在巡航导弹和高超音速滑翔能力中注入人工智能和自主能力，那么在近距离遭遇战将变得更加复杂、更易发生事故，并在常规和核层面上破坏稳定。据报道，大国正在开发和部署 UUV，以加强其水下监测和反潜能力，作为建立 "水下长城 "以反制美国水下军事优势这一更广泛目标的一部分。例如，美国的人工智能增强型 UUV 有可能威胁到大国的核弹道导弹潜艇和非核攻击潜艇。因此，即使美国的 UUV 只对大国的非核（或非战略）攻击潜艇舰队构成威胁，大国的指挥官也可能会担心新生的、噪音相对较小的（与美国和俄罗斯的 SSBN 相比）海基核威慑力量会更容易被削弱。

因此，核领域新军事技术的部署对各国的影响因其战略力量结构的相对强度而异。此外，机器学习传感器技术的进步可以更准确地探测到大国SSBNs，这可能会加强大国政府的担忧，即它正被一个军事上更强大的国家--尤其是美国--作为目标。要验证这一设想的真实性，需要更好地了解大国在使用核能力和非核战略能力方面的想法，以及这些想法如何影响大国对局势升级风险的态度。

结论

自主武器被认为是一种风险相对较低的不可抗力，其交战规则模糊不清，在缺乏强有力的规范和法律框架的情况下，很可能会成为一种越来越有吸引力的不对称工具，削弱军事上占优势的对手的威慑力和决心。例如，空基和海基无人机与复杂的神经网络相连，可以支持有人和无人联合作战，监视和控制海域，有可能阻碍美国未来的航行自由行动。如果为巡航导弹和高超音速滑翔能力注入人工智能和自主能力，那么在近距离遭遇战将变得更加复杂，更易发生事故，并在常规和核层面上破坏稳定。

总之，尽管仍然存在技术挑战（尤其是对动力的需求），但机器人系统群与人工智能机器学习技术的融合可能预示着在未来冲突中，射程、精度、质量、协调、智能和速度的提高将产生强大的相互作用。

参考来源：蒙特雷米德尔伯里国际研究所詹姆斯-马丁防扩散研究中心（CNS）