AI如何改变战争：从无人机到杀伤链

人工智能正在从维修车间到导弹打击，改变战争的面貌。2021年底，英国皇家海军向微软和亚马逊云服务（AWS）询问，是否有更好的办法来协调一支在加勒比地区行动的突击队与一艘护卫舰导弹系统之间的协同作战。

这些科技公司与贝宜系统（BAE Systems）、安杜里尔（Anduril）等军工承包商合作。在短短12周内——以国防采购的标准来看快得难以想象——该联合团队齐聚英国萨默塞特郡，演示了被称作StormCloud的项目。

StormCloud：连接传感器与武器的网状网络

地面上的海军陆战队员、空中的无人机以及其他众多传感器，通过先进电台组成的“网状”网络连接在一起，使各方能够无缝地看到其他地方正在发生的情况——在此前的演习中，这套系统已让海军陆战队能够轻松战胜规模大得多的部队。

他们收集的数据既在网络“边缘”进行处理——由用松紧绳固定在突击队车辆上的小型坚固计算机处理，也在遥远的云端服务器上处理——数据经由卫星传送。指挥控制软件监控指定区域，决定无人机飞往何处，识别地面物体，并建议用哪种武器打击哪个目标。

成果令人印象深刻。参与这项试验的一名军官表示，StormCloud显然是“全球最先进的杀伤链”，他指的是由传感器（如无人机）和武器（如导弹）通过数字网络和软件编织而成、用于理解来回流动数据的网络。他说，即使在两年前，就速度和可靠性而言，它也已“遥遥领先”于传统司令部中的人类军官。

实战中的人工智能：从加沙到乌克兰

人工智能赋能的工具和武器不仅用于演习，在加沙和乌克兰等地的使用规模也在不断扩大。各国军队看到了巨大的机遇，也担心被对手甩在身后。支出正在快速增长（见图表1）。但法律专家和伦理学家担心，人工智能会让战争变得更快、更不透明、更不人道。

人工智能没有单一的定义。曾经可称为人工智能的东西，比如上世纪80年代战斧导弹的地形匹配导航，或21世纪初硫磺石导弹的坦克探测能力，如今都被视为常规软件。而许多被称为人工智能的前沿能力，并不涉及支撑ChatGPT等服务的“深度学习”和大语言模型。但以各种形式，人工智能正在渗透到战争的方方面面。

不起眼的人工智能：维护、后勤与人事

首先从枯燥的工作开始：维护、后勤、人事以及维持军队人员、给养和燃料供应所需的其他任务。兰德公司最近的一项研究发现，通过预测A-10C攻击机何时需要维护，人工智能可通过避免故障和零部件积压，为美国空军每月节省2500万美元（不过该人工智能在预测很少发生故障的零部件方面表现较差）。

后勤是另一个有前景的领域。例如，美国陆军正在使用算法预测乌克兰的榴弹炮何时需要更换炮管。人工智能也开始渗入人事管理。陆军正在使用一个基于14万份人事档案训练的模型，帮助为士兵晋升打分。

前线的自主无人机

在另一端是作战最前线。俄罗斯和乌克兰都在争相开发软件，使无人机能够自主导航并锁定目标，即使干扰切断了飞手与无人机之间的连接。双方通常为此使用小型芯片，成本最低仅需100美元。

乌克兰无人机打击视频中越来越多地出现物体周围的“边界框”，表明无人机正在识别并锁定目标。该技术仍不成熟，目标识别算法面临着与自动驾驶汽车相同的许多问题，如环境杂乱、目标被遮挡，以及战场特有的问题，如烟雾和诱饵。但它正在快速进步。

在后端人工智能与弹药内置人工智能之间，存在着广阔的创新、试验和技术进步空间。已退役的美国空军将领克林特·希诺特和已退役的澳大利亚陆军将领米克·瑞安认为，仅靠无人机只能“扰乱”而非“改变”战争。但当它们与“数字化指挥控制系统”（如StormCloud）以及“军民传感器组成的新时代网状网络”结合时，就会形成一种“变革三位一体”，让前线士兵能够看到并依据实时信息采取行动，而这些信息过去只掌握在遥远的司令部手中。

无所不见：传感器、语音与计算机视觉

人工智能是这一切的前提。先从传感器网络说起。想象一下，来自无人机、卫星、社交媒体和其他来源的数据在军事网络中涌动，数量之大已无法人工处理。曾在2021年前领导以色列军事情报部门的塔米尔·海曼将军指出两大突破。他说，八九年前“根本性的飞跃”是语音转文字软件，使语音截获内容可通过关键词搜索。另一大突破是计算机视觉。

英国国防部的Spotter计划已在使用神经网络对卫星图像中的物体进行“自动探测与识别”，使相关地点能够“全天候自动监控活动变化”。截至2月，一家私营公司已标注了2.5万个物体用于训练该模型。

英国陆军将领汤姆·科平格-赛姆斯去年告诉上议院，此类系统“仍处于研发的高端阶段，而非全面部署”，不过他指出，在2023年初英国从苏丹撤侨期间，曾使用商业工具识别平民聚集区等。

美国似乎走得更远。美国2017年启动Maven计划，以处理在阿富汗和伊拉克的无人机拍摄的大量照片和视频。负责该项目的美国国家地理空间情报局局长5月指出，Maven“已为作战人员需求生成了大量计算机视觉探测结果”。既定目标是让Maven“在探测、分类和跟踪性能上达到或超越人类水平”。目前尚未实现——它在处理棘手情况时仍有困难，比如部分被遮挡的武器。

但 《经济学人》的乌克兰战争相关火灾追踪系统基于机器学习，完全自动化运行，其规模是记者无法企及的。它已探测到9.3万起疑似与战争相关的火灾。

声呐、水雷与反潜作战

人工智能能处理的远不止电话或图像。今年3月，英国皇家海军宣布，其水雷猎扫部队已完成在波斯湾为期一年的试验，使用一艘小型无人驾驶艇“哈里尔”号，其拖曳声呐系统可在海底搜索水雷，并提醒其他舰船或陆上单位。

五角大楼官员迈克尔·霍洛维茨最近告诉 Breaking Defense ，美国、澳大利亚和英国作为奥库斯（AUKUS）联盟的一部分，已开发出一种“三边算法”，可用于处理各国P-8反潜巡逻机投放的声呐浮标收集的声学数据。在大多数此类情况下，人工智能是在噪声中识别信号，或在杂乱中识别物体：那是卡车还是坦克？是船锚还是水雷？是拖网渔船还是潜艇？

识别人员与融合情报

识别人类战斗人员可能更为复杂，当然也更具争议。今年4月， +972杂志 称，以色列国防军（IDF）正在使用一种名为Lavender的人工智能工具，将数千名巴勒斯坦人列为打击目标，人类操作员仅对系统输出进行粗略审查便下令打击。以色列国防军反驳称，Lavender“只是一个用于交叉比对情报来源的数据库”。

实际上，Lavender很可能就是专家所说的决策支持系统（DSS），一种融合电话记录、卫星图像和其他情报等不同数据的工具。美国在越南战争中利用计算机系统处理传感器收集的声学和气味数据，可算作原始的决策支持系统。伦敦艾伦·图灵研究所的鲁珀特·巴雷特-泰勒指出，美国间谍和特种部队在反恐战争中使用的软件也是如此，该软件将电话记录等数据转化为巨大的蛛网状图表，直观呈现人与地点之间的联系，目的是识别叛乱分子或恐怖分子。

从情报到指挥：当软件建议打击

不同的是，如今的软件得益于更强的算力、更精妙的算法（神经网络的突破直到2012年才出现）以及因传感器激增而获得的更多数据。其结果不仅是更多或更好的情报，而是情报、监视与侦察（ISR）与指挥控制（C2）之间界限的模糊——也就是理解数据与据此行动之间的界限。

以乌克兰的GIS Arta软件为例，它汇总俄罗斯目标的数据，通常供炮兵部队使用。希诺特和瑞安两位将军写道，它已能“根据指挥官的优先事项”生成潜在目标清单。官员们表示，近几个月俄罗斯在乌克兰的目标定位能力有所提升的原因之一，是俄罗斯的指挥控制系统在处理无人机信息并将其传送给火炮方面做得更好。正如亚瑟·霍兰·米歇尔在为红十字国际委员会（ICRC）撰写的一篇论文中所写，“据估计”，过去需要数小时的目标搜索、识别和分析活动“可缩短……至几分钟”。

美国空军最近请兰德公司评估人工智能工具能否为应对卫星 incoming threat 的“太空作战人员”提供方案。结论是人工智能确实能推荐“高质量”的应对措施。同样，五角大楼的先锋研究机构国防高级研究计划局（DARPA）正在开展一个半开玩笑地命名为“战略混乱规划、战术、实验与恢复引擎”（SCEPTER）的项目，为指挥官在“以机器高速进行的军事交战”中提供建议行动。本质上，它可以即时生成新颖的作战计划。

该机构项目经理埃里克·戴维斯表示，“在SCEPTER及类似DARPA项目中使用的许多方法，两到五年前甚至还不存在”。他以“库普曼算子理论”为例，这是一个古老而冷门的数学框架，可用更简单的线性代数分析复杂非线性系统——比如战争中遇到的系统。最近在应用该理论方面取得的突破，使许多人工智能难题变得更易处理。

人工智能能遵守战争法吗？

所有这一切的结果是，以发动战争为业的人与试图约束战争的人之间的思想鸿沟越来越大。法律专家和伦理学家认为，人工智能在战争中扮演越来越大的角色充满危险。埃塞克斯大学的诺姆·卢贝尔主张：“我们现在的系统无法识别敌对意图。它们分不清拿真枪的矮个士兵和拿玩具枪的孩子……或瘫倒在步枪上的受伤士兵和准备射击的狙击手。”他总结道，此类算法“不能合法使用”。

计算机科学家斯图尔特·罗素表示，神经网络也太容易被欺骗：“你可以拿完全无害的物体，比如灯柱，在上面印上图案，就能让武器相信这是坦克。”

军事人工智能的支持者反驳说，怀疑者对战争的看法过于美好。一位参与人工智能政策的前英国军官承认，搜寻特定目标的攻击无人机可能无法识别、更不用说尊重投降举动。但如果替代方案是猛烈的炮火，“反正那种情况下也无法投降”。曾在英国皇家空军服役、现供职于富士通的基思·迪尔则更进一步，主张如果机器错误率更低就应下放权力。

以色列国防军的海曼将军说：“我们做了各种测试，比较机器的能力和成果与人类的能力和成果。大多数测试表明，机器要精准得多……大多数情况下根本没有可比性。”

一种谬误是从21世纪头十年的反恐战争来推断未来。“未来不是通过人脸识别找到某人再从1万英尺高空将其击杀，”称 帕尔默·拉奇，安杜里尔公司创始人、StormCloud参与企业之一。“而是要在台湾海峡击沉一支两栖登陆艇队。”他认为，如果一个物体具有导弹发射装置的视觉、电子和热信号，“你不可能认错……它实在太独特了”。战前建模进一步降低了不确定性：拉奇先生说：“在中国冲突中你看到的99%的情况，事先都已在模拟中运行过多次，远在真正发生之前。”

海曼将军说：“问题是机器一旦犯错，就是可怕的错误。如果被接受，将导致惨痛事件。”因此他反对让人“脱离回路”、实现打击自动化。他承认：“这真的很诱人。你将以前所未有的方式加速流程。但你可能违反国际法。”拉奇先生承认，在加沙式城市战这种“肮脏、混乱、可怕”的任务中，人工智能最派不上用场。“如果人们想象会有终结者机器人去找对的那个穆罕默德并开枪……事情不会那样发展。”

红十字国际委员会警告说，人工智能系统可能不可预测、不透明并存在偏见，但承认它们“有助于更快、更广泛地收集和分析现有信息……将平民风险降至最低”。很大程度上取决于工具如何使用。如果以色列国防军如报道所说使用了Lavender，问题在于交战规则过于宽泛和操作员疏忽，而非软件本身有什么问题。

自主武器：何谓人类控制？

多年来，专家和外交官一直在联合国争论是否限制或禁止自主武器系统（AWS）。但连定义它们都很困难。红十字国际委员会表示，自主武器系统是根据总体特征选择目标的武器——比如攻击任何坦克，而非特定坦克。这将包括乌克兰正在使用的许多无人机。红十字国际委员会主张禁止以人为目标或行为不可预测的自主武器系统。

英国反驳说，“完全”自主武器是指在没有“适当的人类参与”的情况下识别、选择和攻击目标的武器，门槛要高得多。五角大楼持类似观点，强调“适当程度的人类判断”。

反过来，定义这一点极其困难。这不仅涉及致命行动本身，还涉及之前的过程。一款高度自主的攻击无人机看似缺乏人类控制。但如果其行为易于理解，且用于已知存在合法军事目标、没有平民的区域，可能问题不大。相反，一个只是建议目标的工具看似更无害。但倡导组织“第36条”表示，如果指挥官在“缺乏认知清晰度和意识”的情况下手动批准该工具建议的单个目标——换句话说，只是机械地按下红色按钮——那就是把道德责任让渡给了机器。

这一困境可能因两个原因加剧。一是人工智能会催生人工智能。如果一支军队用人工智能更快地定位和打击目标，另一方可能被迫转向人工智能以跟上。这在防空领域已是现实，自计算机时代之初，先进软件对追踪来袭威胁就至关重要。另一个原因是，人类用户将更难理解军事系统的行为和局限。正如霍兰·米歇尔先生指出的，现代机器学习尚未广泛用于“关键”决策支持系统。但它将会被使用。这些系统将承担“数学上更难定义的任务”，他指出，比如预测对手未来的意图，甚至其情绪状态。

人工智能与核决策

甚至有人谈论在核决策中使用人工智能。想法是，各国不仅可以融合数据追踪来袭威胁（如自20世纪50年代以来一直在做的），还可以在政治领导人在首轮打击中身亡时自动反击。苏联在冷战期间曾作为“周界”（Perimetr）系统的一部分研究这种“死亡之手”概念。该系统仍在使用，据前苏联空军军官、军控专家列昂尼德·里亚比欣称，现在据传依赖人工智能驱动的软件。2023年，一群美国参议员甚至提出一项新法案：“以自主人工智能阻止核发射法案”。这自然是高度机密的领域，各国究竟想走多远，外界知之甚少。但这一问题足够重要，已成为去年乔·拜登与习近平总统会谈的重要议程。

人类仍在回路中——目前如此

一名英国军官说：“目前，在常规战争中，‘几乎总有时间让人说同意或不同意。整个杀伤链的自动化既无必要，也无人推动。’在与俄罗斯或中国的高强度战争中是否仍是如此，就不太清楚了。”

在2021年以笔名出版的《人机团队》一书中，以色列精锐军事情报部队负责人、准将约西·萨里埃尔写道，人工智能赋能的“人机团队”在战争中“每天可生成数千个新目标”。他认为，“无论是定位新目标，还是决定批准目标，都存在人类瓶颈。”

实际上，所有这些争论正被现实超越。俄罗斯和乌克兰都不太在意无人机是“自主”武器系统还是仅仅是“自动化”武器系统。它们的优先事项是打造能躲避干扰、尽可能多摧毁敌方装甲的武器。对于迄今已轰炸1000多处乌克兰医疗设施的俄罗斯军队，或为生存而战的乌克兰军队来说，误报并不是什么大问题。

谁领先：美国、中国和俄罗斯

这场辩论还笼罩着大国战争的阴影。北约国家知道，它们可能不得不面对一支俄罗斯军队——这场战争结束后，它可能在打造人工智能武器并在战场上试验方面拥有丰富经验。中国也在追赶与美国相同的许多技术。中国企业制造了在美国销售的绝大多数无人机，无论是消费级还是工业用。

五角大楼关于中国军力的年度报告指出，2022年中国人民解放军（PLA）开始讨论“多域精确战”：利用“大数据和人工智能快速识别”美国军事系统如卫星或计算机网络的“关键弱点”，然后加以攻击。

谁占上风？美国官员曾担心，中国宽松的隐私规则和对私营部门的控制将让解放军获得更多更好的数据，从而造出更优的算法和武器。这些担忧已有所缓和。乔治敦大学安全与新兴技术中心（CSET）最近对采购数据的一项研究发现，美中两国“对一系列类似人工智能应用投入了相当程度的关注”（见图表2）。

此外，美国在前沿模型上已领先，部分得益于芯片限制。据数据公司Epoch AI统计，2023年美国推出了61个重要机器学习模型，欧洲25个，中国15个。这些并非当前军事系统中的模型，但将为未来系统提供基础。CSET的萨姆·布雷斯尼克认为，“中国在……军事人工智能方面面临重大阻力”。他指出，尚不清楚解放军是否拥有打造世界级系统的技术人才，其集中式决策可能妨碍人工智能决策支持。

许多中国专家也担心“不可信”的人工智能。另一家智库新美国安全中心（CNAS）的雅各布·斯托克斯指出：“解放军拥有大量致命军力，但目前似乎没有一种具备由人工智能赋予的有意义的自主水平。”

为何人工智能变革依然遥远

中国的迟缓是更广泛模式的一部分。伦敦国王学院的肯尼斯·佩恩等人认为，人工智能不仅将改变战争的实施方式，还将改变战争的本质。他预测：“这种融合的机器-人类智能将预示战争决策真正新时代的到来。这可能是自几千年前文字发明以来最具革命性的变化。”但即便此类论断变得越来越可信，在许多方面，变革依然遥遥无期。

已退役的英国陆军将领克里斯·德弗雷尔爵士指出：“讽刺的是，我们谈论时好像国防领域到处都是人工智能，实际上几乎哪里都没有。英国国防部对人工智能的渗透几乎为零……有很多创新表演。”一位五角大楼高级官员表示，该部在改善数据基础设施——数据流动的管道——以及与有人战机协同的无人机方面取得了重大进展。即便如此，五角大楼在软件上的支出还不到预算的1%——这一数据常被国防科技初创企业高管挂在嘴边。

这位官员说：“五角大楼的独特之处在于，我们的使命涉及使用武力，所以风险很高。我们必须既快速又安全地采用人工智能。”与此同时，参与StormCloud研发的一名军官说，英国的StormCloud正变得“越来越好”，但由于内部政治和新技术认证方面的繁文缛节，项目进展缓慢。第二阶段的资金只有1000万英镑，在国防领域只是九牛一毛。计划是今年在几次演习中使用它。这名军官说：“如果我们是乌克兰，或真的担心很快要打仗，我们会投入1亿英镑以上，在几周或几个月内部署。”

Report a correction