万字长文《军事事务中的人工智能浪潮： 推动因素和制约因素》

在2020年代，战略研究中的辩论越来越多地集中在新兴技术对国防创新和未来战争特征的影响上。先进的新技术，如人工智能（AI）系统、机器人、增材制造（或3D打印）、量子计算、定向能源和其他 "颠覆性 "技术的融合，被定义在第四次工业革命（4IR）的商业保护伞下，有望为国防应用提供新的和潜在的重大机会，反过来，也有助于提高自己对潜在对手的军事优势。目前的许多辩论可以说是将 "下一个前沿 "技术描绘成战争性质和行为的 "不连续 "或 "破坏性 "军事创新的同义词--从 "工业时代 "走向 "信息时代的战争"，现在越来越走向 "自动化时代的战争"（Raska, 2021）。例如，先进的传感器技术，如高光谱图像、计算摄影和紧凑型传感器设计，旨在提高目标探测、识别和跟踪能力，并克服传统的视线干扰（Freitas等人，2018）。复合材料、陶瓷和具有适应性的纳米材料等先进材料将使军事装备更轻，但对环境的抵抗力更强（Burnett等人，2018）。新兴的光子技术，包括高功率激光器和光电设备，可能提供基于量子计算和量子密码学的新水平的安全通信（IISS，2019）。

新兴技术的融合--即机器人技术、人工智能和学习机、具有先进传感器技术的模块化平台、新型材料和保护系统、网络防御和模糊物理、网络和生物领域之间界限的技术，被广泛认为对未来战争的特征具有深远影响。对于现代军队来说，将新型机器学习算法应用于各种问题，也有望在信息处理速度、有人/无人武器平台和监视系统组合的自动化以及最终的指挥和控制（C2）决策方面提供前所未有的能力（Horowitz，2018；Cummings，2017）。

然而，尽管战略背景各不相同，这些新兴技术的扩散也在促使人们提出与过去40年类似的理论和政策规定性问题： 新兴技术的传播是否真的意味着战争的 "颠覆性 "转变，还是仅仅是一种进化的变化？如果新兴技术规定了战争的颠覆性变化，那么国防资源分配的必要性是什么，包括部队结构和武器采购要求？军事组织，包括空军，如何利用新兴技术来发挥其优势？此外，新兴技术在应对21世纪的安全威胁和挑战方面的效果如何，这些威胁和挑战的特点是波动性、不确定性、复杂性和模糊性？

四十年的颠覆性叙事

主要在信息技术飞跃的推动下，"颠覆性 "军事创新叙事和辩论的轨迹被定义为信息技术驱动的军事事务革命（IT-RMA），它至少经历了五个阶段： (1）20世纪80年代初苏联战略思想家对军事技术革命的最初概念发现，（2）20世纪90年代初美国战略思想中的概念调整、修改和整合，（3）20世纪90年代中后期的亲技术主义RMA辩论，（4）21世纪初转向更广泛的 "国防转型 "及其部分经验调查，以及（5）2005年起对颠覆性叙述的关键逆转质疑（格雷，2006）。然而，自2010年代中期以来，随着人工智能和自主系统等新技术的加速扩散，人们可以说，一个新的人工智能-RMA-或第六次RMA浪潮已经出现（Raska，2021）。

然而，回过头来看，在过去的四十年里，IT-RMA的实施也可以说是遵循了一条明显不具革命性或颠覆性的道路，包括对现有能力的渐进式、通常近乎连续的改进（Ross，2010）。虽然国防技术、组织和理论方面的重大、大规模和同步的军事创新是一种罕见的现象，但军事组织在很大程度上通过从小规模到大规模的军事创新的持续进展，塑造了他们的战争行为（Goldman，1999）。虽然这个时代的许多军事创新，如网络中心战的概念已经成熟，但 "颠覆性军事变革 "即将到来的雄心勃勃的说法，几乎总是超越了现有的技术、组织和预算能力。此外，不同的概念、技术、组织和操作创新主要集中在将数字信息技术整合到现有的常规平台和系统中（Raska，2016）。

例如，在美国的战略思想中，随着伊拉克和阿富汗战争中的作战挑战和经验，颠覆性军事创新的说法从2005年开始逐渐减弱。更多的批评声音指出，"颠覆性 "国防转型的承诺没有实现。几乎每一项国防举措或建议都以 "新的思维方式和新的战斗方式 "为理由，这表明了迷失方向而不是明确的战略（Freedman, 2006）。对国防转型持怀疑态度的人还告诫说，通过技术解决复杂的战略挑战，而抛弃潜在敌人或对手的适应能力，这种逻辑是有缺陷的。简而言之，即将到来的国防转型的颠覆性叙述已经变成了一个模糊的想法，由预算要求和不现实的能力组合而不是实际的战略和操作逻辑所推动（Reynolds, 2006）。

为什么AI浪潮与众不同？

然而，新的 "AI驱动"国防创新浪潮在几个方面与过去由信息技术主导的浪潮不同。首先，人工智能驱动的军事创新的扩散速度要快得多，通过多个层面，特别是通过大国之间加速的地缘战略竞争--美国、中国，以及在较小程度上俄罗斯。大国之间的战略竞争并不新鲜；它们在历史上根深蒂固--从公元前五世纪伯罗奔尼撒战争期间雅典人和斯巴达人的大战略，到二十世纪下半叶冷战的两极分化。然而，新出现的战略竞争的特点与以往战略竞争的类比不同。在21世纪，战略竞争的路径和模式更加复杂多样，反映了不同或重叠的规则下的多种竞争，其中长期的经济相互依赖与核心战略挑战并存（Lee，2017）。然而，在争夺未来霸权的竞赛中，技术创新被描绘成国际影响力和国家力量的核心来源--产生经济竞争力、政治合法性和军事力量（Mahnken，2012）。具体来说，几十年来，美国第一次面临一个战略上的同行竞争者--中国，能够追求和实施自己的人工智能--RMA。因此，主要的问题不是AI-RMA浪潮是否会带来战争的根本不连续，如果是的话，如何以及为什么？相反，它是美国的人工智能-RMA是否可以被相应的中国或俄罗斯的人工智能-RMA所抵消--或至少被削弱？换句话说，技术优势的边际实际上正在缩小，这实际上加速了将新技术作为军事优势来源的战略必要性。

第二，与前几十年不同的是，前几十年是利用一些军民两用技术来开发主要的武器平台和系统，而目前的人工智能浪潮在作为军事创新来源的商业技术创新的规模和影响方面有所不同（Raska，2020）。大型军工企业不再是技术创新的唯一驱动力；相反，具有双重用途潜力的先进技术正在商业部门开发，然后被 "旋转 "到军事应用。在这种情况下，新兴技术的传播，包括增材制造（3D打印）、纳米技术、空间和类似空间的能力、人工智能和无人机，并不仅仅局限于大国（Hammes，2016）。人工智能驱动的传感器和自主武器系统的扩散也反映在一些先进的小国和中等国家的国防轨迹上，如新加坡、韩国、以色列和其他国家。这些国家现在有可能发展利基新兴技术，以推进其国防能力和经济竞争力、政治影响力以及在国际舞台上的地位（Barsade和Horowitz，2018）。

第三，自主和人工智能支持的自主武器系统的扩散，加上新颖的作战结构和部队结构，对人类参与未来战争的方向和特点提出了挑战--在这种情况下，算法可能会塑造人类的决策，未来的战斗被设想为使用致命的自主武器系统（LAWS）。先进的军队，包括空军，正在试验不同的人机技术，在战争中依靠数据分析和自动化。这些技术正日益渗透到未来战争的实验和能力发展计划中（Jensen和Pashkewitz，2019）。例如，在美国，选定的优先研究和发展领域集中在发展人工智能系统和各种人机类型合作的自主武器--即人工智能支持的预警系统和指挥和控制网络、空间和电子战系统、网络能力、致命的自主武器系统，以及其他。

这三个驱动因素--战略竞争、双重用途的新兴技术创新以及战争中不断变化的人机互动特征--的融合推动了一系列新的条件，定义了人工智能-RMA浪潮。它的扩散轨迹本质上也带来了新的挑战和问题，涉及战略稳定、联盟关系、军备控制、道德和治理，以及最终的作战行动（Stanley-Lockman，2021a）。例如，关于人工智能系统在使用武力方面的作用的国际规范性辩论，越来越多地关注致命性自主武器系统的扩散和国家遵守国际人道主义法原则的能力。随着技术进步从科幻领域走向技术现实，各国对致命性自主武器系统的引入是否会违背或加强国际法律原则也有不同的看法。面对军事人工智能应用在法律和道德方面的争议，军事机构越来越认识到需要解决与安全、道德和治理有关的问题，这对建立对新能力的信任、管理风险升级和振兴军备控制至关重要。然而，在国防部和军队将其道德努力狭隘地集中在致命性自主武器系统上，还是更广泛地集中在人工智能系统上，这之间存在着矛盾。因此，军事组织需要跟踪关于人工智能和自主性的不断变化的观点，以及关于对2020年代及以后的战略和作战环境的影响的辩论（Stanley-Lockman，2021b）。

人工智能浪潮在空中力量中的应用

例如，在战役层面，人工智能浪潮的应用可以在改变空中力量的概念中看到。现代空军的目标是加速整合不同的人工智能相关系统和技术，如多域作战云系统，它从各种来源收集大数据，创建一个实时的作战画面，基本上，自动化和加速指挥和控制（C2）过程（Robinson，2021）。例如，人工智能支持的战斗云被设定为识别目标并将其分配给任何领域中最相关的 "射手"，无论是空中、水面还是水下--一些空军将其概念化为联合全域指挥和控制（JADC2）。一些空军部队也在尝试使用人工智能算法作为 "虚拟后座"，它可以有效地控制飞机的传感器和导航，寻找对手的目标，这样做可以减少机组人员的工作量（Everstine，2020）。

在这种情况下，关键的论点是，人工智能系统的进步--广义上是指能够感知、推理、行动和适应的程序，包括机器学习（ML）系统--其性能随着时间的推移不断增加的数据交互而提高，以及深度学习（DL）系统--其中多层神经网络从大量的数据中学习--有可能 "改变空战行动以及构想和使用空中力量的方式" （Davis, 2021）。根据兰德公司的一项研究（Lingel等人，2020年），目前有六类应用AI/ML的研究和开发对未来战争，包括空中力量有影响：

(1) 计算机视觉--图像识别--对视觉世界中的物体进行检测和分类，可用于处理多源情报和数据融合；

(2) 自然语言处理（NLP）--成功理解人类语音和文本识别模式的能力，包括翻译，可用于从语音和文本中提取情报，也可用于监测友军通信，并将相关信息引导到需要提醒的个人或单位；

(3) 专家系统或基于规则的系统--收集大量的数据，以推荐特定的行动，实现作战和战术目标；

(4) 规划系统--利用数据解决调度和资源分配问题，可以协调选择空中、太空和网络资产来对付目标，并产生建议的分时段行动；

(5) 机器学习系统--从与环境的数据互动中获取知识，可与其他类别的人工智能结合使用，即在没有专家知识或最佳战术、技术和程序（TTPs）未知时，使C2系统能够学习如何执行任务；

(6) 机器人和自主系统--结合所有或选定的前述类别的人工智能/ML方法，使无人系统与他们的环境互动；

这些与人工智能相关的类别几乎适用于空中力量的每一个方面，可能会形成新的自动化战争形式： 从C2决策支持和规划，人工智能/ML可以在日益紧张的时间内提供建议的选项或建议；通过数据挖掘能力提供ISR支持；后勤和预测性维护，以确保部队的安全和平台和单位的可用性；培训和模拟； 网络空间行动，以探测和反击先进的网络攻击；机器人和自主系统，如无人机，被用于各种任务，从ISR到尖端任务，如压制敌人的防空和协作作战，在空中和陆地打击行动中整合不同的有人和无人平台。换句话说，这里的论点是，人工智能系统将越来越有能力在约翰-博伊德的观察-定向-决定-行动（OODA）循环的每一步中简化C2和决策过程：收集、处理和将数据转化为统一的态势感知视图，同时提供建议行动方案的选项，并最终帮助人类采取行动（Fawkes和Menzel，2018）。

从国防到军事创新：持续的挑战

然而，将人工智能系统整合到军事平台、系统和组织中，将计算机从工具转变为解决问题的 "思考 "机器，将继续提出一系列复杂的技术、组织和操作挑战（Raska等人，2021）。这些可能包括开发算法，使这些系统能够更好地适应环境的变化，从意料之外的战术中学习并在战场上应用。这也会要求为这些会思考的机器设计道德准则和保障措施。另一个挑战是，技术进步，特别是军事系统的技术进步，是一个持续的、动态的过程；突破总是在发生，它们对军事效力和比较优势的影响可能是巨大的，在其新生阶段很难预测。此外，这种技术和由此产生的能力很少在地缘政治线上均匀地传播。

然而，最重要的是，关键问题是我们能在多大程度上信任人工智能系统，特别是在安全关键系统领域？正如Missy Cummings所警告的那样，"历史上有很多类似的操作准备的承诺是如何以昂贵的系统失败而告终的例子，这些案例应该作为一个警示故事"（Cummings，2021）。此外，一个不断增长的研究领域集中在如何通过生成虚假数据来欺骗人工智能系统，使其做出错误的预测。国家和非国家行为者都可能利用这种所谓的对抗性机器学习来欺骗对方，用不正确的数据来产生错误的结论，并以此来改变决策过程。对抗性机器学习对国际安全的整体战略影响可能比技术本身更具破坏性（Knight，2019；Danks，2020）。

从战术和战役的角度来看，许多复杂的人工智能系统也需要联系在一起--不仅在技术上，而且在组织和行动上。对于许多军队来说，这是一个持续的挑战--他们必须能够有效地（实时地）将人工智能支持的传感器到射手的循环和数据流在不同的服务和平台之间进行整合。这意味着有效地连接不同的空军、陆军、海军和网络战斗管理系统和数据；指挥和控制、通信和网络；ISR；电子战；定位、导航和计时；与精确弹药。虽然选定的人工智能/ML系统可能会减轻一些挑战，但同样的系统会产生另一组与确保可信人工智能有关的新问题。因此，人们可以认为，人工智能在军事事务中的轨迹的方向和特点将取决于相应的战略、组织和行动的敏捷性，特别是这些技术如何与当前和新兴的作战结构和部队结构互动。

展望未来，人类在未来战争中的参与程度、改变传统部队结构和招募模式的必要性以及在哪些领域使用武力，都是受到新技术挑战的事项。现代军队正在为这些问题制定他们自己的、往往是多样化的解决方案。与过去一样，它们的有效性将取决于与战略的持久原则相关的许多因素--将现有的国防资源 "转化 "为新的军事能力的目的、方式和手段，并在此过程中创造和保持作战能力以应对广泛的突发事件。成功实施的主要因素将不是技术创新本身，而是持续的资金、组织专长（即规模和有效的研发基地，包括军事和商业）以及实施国防创新的机构灵活性的综合效应（张，2021）。这意味着广泛拥有能够提供创新解决方案的人员、流程和系统，同时保持现有的核心能力，在日益复杂的战略环境中提供可行的政策选择。