互联网、大数据和云计算等新一代信息技术的发展带动了人工智能技术的快速提升。深度学习、强化学习、群体智能和自主技术等人工智能技术被广泛应用。人工智能已经成为了引领未来的战略性技术，是国际科技竞争的新焦点。许多国家已经将发展人工智能上升到国家战略层面。作为世界军事强国，美国率先将人工智能技术应用到军事领域，并发布了以智能化为主要特征的 “第三次抵消战略”，期望利用人工智能和自主控制等颠覆性技术使美国的威慑能力达到新的高度，从而掌控未来战争局势。目前，人工智能技术已在战场上多个方面得到应用，能为国家带来战役和战略层面的巨大优势，但也同其他颠覆性技术一样，也会带来一定负面作用。
本文将人工智能技术的概念入手，介绍了人工智能技术在战场上的应用（包括战役和战略层面），分析了人工智能技术在战场应用时会出现的弱点及挑战。
1、人工智能与机器学习技术概述
人工智能是指使用计算机和机械，模仿人类的大脑，使其具备处理各种问题的功能，具有设计、推理、学习、规划、思考等能力，可以解决一些复杂和困难的问题。人工智能就是利用各种智能机械或者自动化机械，拓展、延伸和模仿人类的智能，使机器更加的智能化和人性化。人工智能全面综合了多种学科的相关知识，如工程学、计算机科学、哲学、心理学、语言学等。
机器学习是人工智能的基础，主要研究如何利用计算机来模拟或仿照人类的学习行为。随着科学技术的不断发展，仿生技术不断深入，人工智能的目光逐渐转向仿生学这一领域，机器学习开始采用神经网络方法来实现。随着神经网络技术的与发展以及计算能力的大幅提升，机器学习已发展到深度学习阶段。深度学习采用的神经网络为多层神经网络，即所谓的深度学习神经网络。深度学习神经网络使当前的“监督学习”和“强化学习”方法成为可能。
随着人工智能和机器学习技术的发展，人工智能可广泛应用于商业和科学领域，主要是在数据丰富的研究领域，包括基础研究（例如物理、化学和生物学）和应用科学（例如医学、航空学和环境研究）。图1显示了一些人工智能及机器学习的应用领域。
图1 人工智能及机器学习应用领域
随着技术的发展，人工智能也逐渐进入国家安全领域，可应用于战场上的许多方面，将在战役及战略层面产生重大影响。
2、人工智能的军事应用
与许多技术一样，人工智能也具有潜在的军事效用。美国已认识到人工智能在军事作战中的重要作用，并将其作为美国国防部所推行的“第三次抵消战略”的核心。并且，2018年6月，美国国防部成立了联合人工智能中心。2019年2月11日，白宫发布了关于“保持美国在人工智能领域领先地位”的行政命令。美国国防部和情报界在人工智能方面的投入也在增加。人工智能支持的数据分析已经在整个国防和情报界中得到应用。
人工智能的军事应用主要分为两类：在战役层面产生影响的应用和影响战略层面的应用。战役级人工智能应用可能对使用通用军事力量实现战术目标产生非常重大的影响，并因此影响到常规威慑。战略级人工智能应用可能对做出战争规模和范围、战争强度升降以及战略稳定性和威慑力有关的政治决策产生重大影响。
2.1 人工智能在战役层面的应用
人工智能在战役层面上的三个潜在应用可以说明它对通用军事力量的使用具有广泛影响。
（1）无所不在和无所不知的自主平台
利用新一代自主载具是高优先级人工智能军事应用，主要关注各种无人陆地、海上和空中系统的导航问题。太空和水下平台也将受益于人工智能辅助的引导系统。人工智能技术是近年来倍受关注的所谓“无人机蜂群”的核心。人工智能导航软件在无处不在的传感器的支持下使无人载具能够通过敌方地区，并最终实现各类无人机的复杂编队在多个领域运行。这样，无人系统就能执行复杂的战术行动，并根据敌方行动快速调整，利用各种战机，并报告不断变化的情况。自主载具和机器人将为战争带来革命性的变革。
（2）大数据驱动的建模、仿真和兵棋推演
人工智能一直在逐步提高研究核武器和常规武器时所用仿真和推演工具的能力。无论是早期的核效应计算，还是兰德公司的各种核问题研究，定量方法都是核武器系统开发不可或缺的手段。而人工智能使科学家们能够通过美国的核武库储备管理计划，对核效应进行建模，在不进行核试验的情况下确认核储备的可靠性。仿真和建模已经成为几乎所有主要武器系统（从喷气式飞机和舰船到航天器和精确制导弹药）设计过程的关键部分。大规模建模和仿真将是设计用于作战管理和复杂任务（如太空态势感知系统设计、规划和管理）的多域系统之系统所必需的。在生产方面，人工智能还为增材制造等新生产方法提供了质量控制手段。
人工智能还丰富了涉及多角色交互的战场模拟和兵棋推演的手段。人工智能使兵棋推演人员可以添加和修改推演变量，发现动态条件（武器、效果、盟友、干预措施等）对结果和决策的影响。人工智能也会用于分析这类推演的结果。
（3）重点情报收集和分析
从人工情报（HUMINT）、信号情报（SIGINT）、地理信息情报（GEOINT）、测量与特征情报（MASINT）、电子情报（ELINT）、开源情报（OSINT）等众多情报源收集的情报需要进行分析才会对决策者有用，情报界面临的是信息超载问题。这是一个以数据为中心的问题，人工智能和机器学习非常适合解决该问题。例如，美国劳伦斯利弗莫尔国家实验室（LLNL）使用神经网络探测多模式数据集（图像、文本和视频），以寻找扩散活动的关键指标。机器学习还可以将开源贸易和财政数据与多种形式的情报结合起来，收集关于非法技术转让、扩散网络和扩散者逃避检查的信息。这些信息使分析人员能够为决策者提供有用帮助，并支持反扩散政策和行动。
机器学习将是全源分析人员的重要工具。这些人员越来越多地需要综合考虑各种来源信息，以了解全球环境。进一步讲，更好的信息将带来更明智的决策，人工智能应用于信息收集和问题分析将有利于维持战略稳定。
2.2 人工智能在战略层面的应用
人工智能在战略层面的应用主要包括以下几个方面。
（1）实现强大ISR功能的系统之系统
目标识别是人工智能的一个重要军事应用，它能从卫星和无人机收集的图像和信息中进行筛选，找到重要军事信息，如导弹、部队和其他相关情报信息。美国国家地理空间情报局（NGA）率先将人工智能应用于军事和情报需求中，但在目标识别方面的工作才刚刚开始。
情报、监视和侦察（ISR）是实现多域态势感知的关键。随着战场扩展到全域——海洋、陆地、空中、太空和网络，对战场的整体感知变得越来越重要。人工智能将用于管理和理解现代战场所涉及的大量ISR数据，这也是美国防部Maven项目的目标。美国防部算法战跨职能小组（AWCFT）的Maven项目是国防部针对防务领域的问题提出的人工智能和机器学习解决方案，能帮助分析人员完成对大量数据的排序、标注和描述等基本任务。
多域战涉及大量的异构数据流，只有在人工智能的帮助下才能更好地利用这些数据流。多域混合战战场已经形成了军用物联网，其中充满了可用于评估战术和战略威胁和机会的重要信息。能够实时管理此类大量数据的会带来巨大优势，而无法从这种数据分析出有用信息可能会带来灾难。
能快速处理多个作战域的各种平台带来的大量信息将取得两个重要的军事优势：速度和范围。速度比对手快可以提高攻击机动能力，同时使己方更难被击中。打击距离的增加可提升打击突然性并最大程度降低己方暴露在敌军火力下的可能性。人工智能使实时动态战场环境分析成为可能,，从而保证作战人员快速实时最优打击，同时最大限度降低己方风险。最近，美国防科学委员会的一项研究表明，一体化战斗管理、指挥、控制、通信和情报（BMC3I）能力非常适合于发现和瞄准可部署导弹连，因此，该能力可能是对抗反介入/区域拒止（A2AD）战略的关键要素。除了目标定位外，利用人工智能BMC3I可以帮助引导和协调涉及多个平台的动能效应，对抗敌方当前的A2AD战略。从这个角度来看，战术层面人工智能效用将累积成为战略级的颠覆力量。
（2）精确瞄准战略资产
有人工智能加持的ISR能够定位、跟踪和瞄准各种敌方武器系统，这就增加了打击战略资产如航空母舰、移动导弹或核武器等的可能性。能“找到、锁定和摧毁”敌方大部分战略资产的进攻性武器再加上能击落对方剩余报复性力量的强大防御系统，将挑战现行基于双方相互脆弱性的基本威慑规则。
（3）有效的导弹防御
人工智能技术增强的目标瞄准和导航能力可通过提高目标捕获、跟踪和识别能力，改善大量战术和战略防御系统的性能，特别是弹道导弹防御系统。强大的新型进攻和防御能力的结合再次引发了人们对突然攻击的恐惧，形成对战略稳定的挑战。
（4）人工智能引导的赛博战
作为一个本质上的数字领域，赛博领域自然会关注人工智能应用，就像人工智能算法在谷歌和Facebook等社交媒体巨头代码中的核心地位所显示的那样。人工智能非常适用于处理大量电子格式数据。人工智能引导的计算机网络探测、映射和黑客攻击可以为机器学习提供有用的数据，包括发现网络漏洞、身份、个人资料、关系和其他可能对进攻和防御有价值的信息。
在进攻方面，人工智能可以定位和瞄准特定节点或个人账户，完成信息收集、破坏或提供虚假信息。在防御方面，人工智能可以帮助发现这类入侵行动，并在民用和军用系统中寻找异常情况。人工智能将同等增强进攻性和防御性措施的能力，产生的战略影响既有正面影响也有负面影响。
总之，人工智能在军事领域，无论是在战役层面还是在战略层面，都有巨大的应用潜力，各国利用这些技术可能会带来新的重大战役和战略优势。
3、人工智能战场应用的弱点与挑战
人工智能技术与其他颠覆性技术一样，也有弱点，也会带来一些挑战。
（1）人工智能系统易受有问题输入数据的影响，可能造成意想不到的后果
人工智能算法可能会扭曲现实，导致错误和不公正的决策。人工智能的最大障碍也许是老生常谈的数据可靠性问题。数据来源多种多样，数据未必总是经过仔细收集或整理。除了数据有缺陷和结果偏差问题外，人工智能常常还会反映人类的偏见，或者根据得到的数据进行了有问题的学习而产生新的偏见。人工智能辅助的目标和模式识别软件也很容易被误导数据欺骗，使得很难区分相似物体，在采用伪装和诱饵等限制和欺骗手段的情况下，人工智能识别更具挑战性。甚至即使数据是准确的，人工智能有时也会错误识别出不存在的东西。数据可靠性和解释问题在战场上会造成关键的安全性和可靠性问题。例如，误击错误目标可能会产生不良战略性后果。
（2）对许多人工智能应用的对抗措施简单、直接
对抗性操纵数据可为敌方提供许多机会。人工智能很容易被欺骗这一事实会被对方用来抵消人工智能带来的军事优势。如果数据遭到蓄意破坏，依赖人工智能的系统会发生设备故障、通信错误、后勤混乱和毁灭性错误。人工智能的黑匣子性质使得人们很难了解人工智能的决策方式和原因，这也使得人们很难认识到数据是否受损及是否产生了不准确的结果，比如误击错误目标或误导盟军。数据漏洞很可能是人工智能的致命弱点。
（3）快速决策和操作执行可能不利于有效危机管理
人工智能的优势之一是快速决策，但这种快速决策可能会不必要地加速冲突从危机升级到战争，甚至升级到核对抗，那么这样的速度可能反而是其劣势。人工智能驱动的ISR和自主系统的战场优势可能会缩短避免或控制危机的外交行动可用的时间。按照目前的设想，人工智能驱动的战场系统将不会实时报告和分析国家和国际上避免、控制、抑制、结束冲突所作的外交工作，快速决策可能导致危机升级。
（4）AI支持的多域ISR和战斗管理系统很难实现整合
目前还没有复杂的、新的人工智能引导的ISR/战斗管理系统的总体架构和战略。事实上，人工智能系统的增多可能会更难实现有效的联合行动。人工智能支持的武器、平台和操作系统依赖定制软硬件，而这些软硬件是专门针对不同系统和目的设计的。目前还没有一个基本机制来整合多种平台上运行的人工智能系统。
对于多域ISR来说，数十个传感器、雷达、武器和通信系统必须通过多个物理领域进行整合。而这些系统由不同的机构、指挥部和承包商基于不同的权限、访问方式和程序建立和运行。这些原因使得整合过程极具挑战。并且，盟友及其人工智能系统的增加将使系统整合的复杂性提高并带来更多和风险。如果没有无缝整合，速度和杀伤力可能只会带来很短暂的优势，并且这种未经验证的系统之系统的可信度也可能会受到质疑。复杂性的提高和未经证实的能力将引起可能破坏稳定的问题。
（5）大数据和机器学习无法解决战略预警问题
设计能够实时通信的复杂人工智能平台需要新一代的数据融合、集成软件和指令体系结构。将这些因素结合起来开发一项全面的威胁评估方式为决策者提供战略预警绝非易事。收集和分析不同利益相关者所拥有的信息需要大量工作。快速整合和分析来源不同的敏感信息也是一个巨大挑战。虽然机器学习和计算机视觉等技术将有助于对大量情报信息进行分类和有限排序，但分析人员仍将不得不根据不完整或不可靠的信息做出许多判断。开发一个能够进行战略预警的全面综合系统将需要好几年时间。
（6）在战场上需要将多个人工智能系统紧密合作和集成，可能会产生意想不到的结果
各种人工智能系统运行在共享的战场空间中，它们之间相互作用的方式还不确定。并且与外来人工智能系统的交互将更加复杂。由于人工智能内部黑匣子机制有诸多不确定性，人工智能到人工智能的相互作用很可能产生意想不到的结果，比如选择错误目标等。并且，人工智能将如何与量子计算、电磁脉冲、物联网、5G和区块链等技术相融合也是未知的。
4、结语
人工智能技术已逐渐进入国家安全领域，可用于自主平台、军事建模与仿真以及情报分析等战术层面，将大大提高作战速度、精确性和致命性。同时在战略层面，人工智能技术可实现强大ISR功能的系统，精确瞄准战略资产，实现导弹防御并在赛博战领域发挥作用，有助于加强国家战略威慑。但与其他颠覆性技术一样人工智能技术在应用时也会面临一些挑战。
目前，世界各国都在关注人工智能技术，并越来越多地将其用于军事应用，因此要充分认识人工智能对战场的影响，发挥人工智能技术对作战的积极作用，同时认识到人工智能技术在战场应用时存在的弱点，并最大限度地减少对战略稳定的负面影响，确保国家获得最大优势，提高战略威慑。
声明：本文来自电科小氙，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
