人工智能战争 汉化(人工智能用于战争)

 

第2章 智能战

作为一项技术，人工智能最大的优点是对效率的提升。在军用方面，它的突出之处在于识别模式和极其快速地检测海量数据中的目标项目。这意味着，对于固定系统，人工智能能够对无人机上传长达数小时的视频进行分析并找出特定人物；对于移动系统，能够识别传感器视频图像中的障碍物，甚至可以接受人类管理者的简单语言指令。

这样就大大简化了整个作战空间中的目标探测、定位和识别，战场变得很透明，敌方部队无所遁形，可以迅速采用命中率极高的精确制导武器进行打击。在未来的智能化战场上，隐藏和生存都将变得愈加困难。

这带来了两大影响。首先，人工智能可以加速决策周期，但先决条件是要迅速确定对手所处位置，决定行动顺序。加速决策得益于人工智能的快速发现能力，并不属于人工智能的一项功能。其次，人工智能能够作出很有价值的预测。在这些预测中，特别准确的甚至能够帮助友军在与敌军交战时正确定位，挫败其行动。同样，要达到这种效果，首先要找到敌人。

然而，人工智能并不完美。常见的问题包括：（1）容易上当受骗；（2）在训练过的环境中才能正常工作；（3）无法将在一项任务中获得的知识用于另一项任务；（4）依赖于数据。人工智能的问题在于，在实际应用中，人工智能必须与人类合作，优势互补，这样才能弥补人类认知上的不足和人工智能的缺陷。

人工智能作为通用技术，在全社会广泛使用，主要通过智能手机实现。同样，人工智能将注入军事机器，激活作战空间。这种注入和激活只有一个目的，正如Robert Work所说，追求人工智能，其实就是追求自主。

自主有两种基本形式：静态和动态。静态自主系统包括智能支持系统、预测性维护工具、图像识别方案和作战规划支持。动态自主系统包括自主武器、平台和机器人。两种形式都很重要，均可以采用如下方式实现：

人在环内（Human-in-the-loop）。在这种模式下，人类保留对特定功能的控制，防止人工智能在未经授权的情况下采取行动，人类是系统控制环的组成部分。设计中的难题是如何精确确定这一过程中的人工干预位置，不同的任务和机器能力，人工干预的位置不同。如果需要太多的人工干预，人工智能的用途则大打折扣。

人在环上（Human-on-the-loop）。人工智能全面控制自己的操作，由人类监控并在必要时进行干预。换句话说，在关键时间点（例如与目标交战），人工智能会通知人类即将采取的行动，等待人类批准或继续行动直到被人类终止。有些导弹防御系统使用了人在环上技术，自动决策并执行追踪任务，除非人类否决。

人在环外（Human-out-of-the-loop）。人工智能全面控制系统运行，无需人工指导或干预。机器在未经人类直接授权或通知的情况下启动。这种形式的控制也被称为人环分离（Human-off-the-loop）或完全自主。

人工智能的通用性意味着它的初始应用将囿于现有的作战层面构想。在中短期内，人工智能只是激活而不是改造作战空间。因此，本章第1节介绍了现有的作战层面构想，第2节提出了两个偏抽象的总体智能化作战空间¹¹Ïë：一个针对防御，另一个针对进攻。这两个构想很重要，是第3、4、5章中内容的基础，这三章较为具体地分别讨论了智能化海、陆、空作战构想。

本章第3节探讨了智能化防御和进攻构想中所包含的一般性兵力结构问题，包括人工智能的商业起源、制造问题和原型战争思想。

作战层面构想

俄、中、美都有自己的作战层面构想，抽象地描述了如何在战场上使用军事力量。这些概念大同小异，详细描述了现代和新兴作战空间的特征以及在这些空间中的作战行动，颇具参考意义。这些概念背后的思想最初是两次世界大战期间的几位苏联军事思想家提出的。这些思想在冷战结束时已被普遍接受，在美国的空地一体战概念和1991年的沙漠风暴大捷中均有体现。当代俄、中、美的军事理论和作战构想就是在这一传统的基础上产生的。

在两次世界大战期间，苏联战略家认为，战场上的敌军不宜以单薄、线性的方式进行概念化，而应视为一个系统。敌方部队不仅仅是前线作战士兵，还包括第二梯队、预备役部队、间接火力部队、运输工具、后勤保障和指挥控制部队。和任何系统一样，这种力量不仅仅是各组成部分力量的简单相加。鉴于此，仅仅攻击前线是不够的，因为新的作战力量不断地被转移到前线。苏联思想家把敌人看作一个系统，而且最关键的是，这是一个具有相当深度的系统。

苏联思想家强调要通过物理和认知上的打击来击败这个系统。其目的是造成系统瘫痪，破坏对方系统的作战基础，使其无法执行战略任务。

实现这个目的要三管齐下。首先，安排一个作战机动小组深入到防御后方，分散敌方力量，将敌方的前线与必要的后方支援进行分隔，摧毁敌军的整体凝聚力。其次，在前线和敌人后方同时进攻，迫使敌方部队独立作战，从而破坏系统的协同作用，使敌方无法有序地退出战场；使敌方的作战资源更加紧张；破坏指挥控制系统的运行。最后，根据敌军力量部署力量，打乱敌方的行动和节奏。

今天的俄罗斯战略家们在这一苏联遗产的基础上，结合了对叙利亚和乌克兰战役的经验。敌方系统深度的概念已经从简单的军队系统转变为包括整个对抗国家及其社会的系统，如两次大战期间的苏联思想家所述。相应地，深度渗透手段也超越了最初设想，扩大到混合战争、软实力措施以及信息战。为取得胜利而打击并彻底破坏系统不仅仅针对对手的军事力量，还包括破坏目标国家的运作。

以这种方式扩展系统深度意味着要对战争初期（IPW）提起重视。需要澄清的是，战争初期是战争中实际的作战行动开始前的阶段。在这段时间内，即将交战的国家采取行动，为其最终投入的军事力量创造有利条件。这一作战准备时期的宏观意图是，在敌方行动开始前，破坏其政治和经济环境，使对手无还手之力，包括使用网络攻击破坏敌人对国家和武装力量的控制。战争初期还将对目标国家进行密集的侦察活动。

战争初期的活动不仅让对手如堕迷雾，把握不准情况，还为了在心理和认知上操控他们。近年来，人们越来越重视反射控制（Reflexive control），即系统性影响对手的认知和决策，最终让对手自愿采取有利于俄罗斯战略利益的行动。具体做法是，通过利用虚假信息、重新部署军事力量、制造时间压力来改变敌方对现实世界的理解，以此麻痹对手对外界的感知。

在作战构想上，俄国人比中美两国更重视攻击对手的认知。这可能是因为他们的远程打击能力较弱，因此想法设法利用敌方的网络来对付敌人，以此弥补这个不足。

考虑到重大战争，美国着手发展其上世纪80年代提出的空地一体战概念，这一概念最初融合了苏联的一些理论。美国已经大踏步向前，将战场概念扩展到陆、海、空、网、天五个领域。在这些多领域作战中，重点是实现融合，即使用传感器、通过对应司令部近乎实时地为射手赋能的能力。这种作战概念摒弃了之前的单领域线性攻击链，转而采用具有弹性的多领域攻击链，利用替代或多个途径达到相同的效果。

与最初的苏联思想和空地一体战思想一样，美国的多领域作战概念假设同时在近距离和深度区域与对手交战。通过火力、机动和欺骗分散敌军，打乱阵型，扰乱认知，以便友军深入后方，获得局部优势，实现有利的兵力比。这种方法的目的是增大敌军的指挥控制难度。但是，正如解放军提出的概念一样，美国概念同样侧重于物理效果。

俄罗斯军事思想也带来了一定影响。与俄罗斯的战争初期构想类似，美国重提战前时期，认为这是一个持续竞争的阶段。根据设想，战前阶段包括有关战场的详细战术和作战情报准备、反敌方侦察活动、欺骗行动、信息战以及作战环境和民用网络分析。

俄、中在设想敌方系统时考虑了社会的方方面面，而美国则将其限制在敌对军事力量上。在这一点上，俄、中、美都提出了战前时期的重要性，基本上都同意这是战争的初始阶段。三国都强调使用多域攻击（包括动能攻击、电子攻击和网络攻击）近距离和深度作战。在这方面，美、中主要是对敌方系统施加不利的物理和技术影响，而俄罗斯则更强调对对方认知的负面影响。

从中短期来看，人工智能的应用和建设会受到俄、中、美作战构想主要特征的影响。这些特征形成了一条长期趋势线，从两次大战期间延伸到现在再到未来。人工智能要适应并融入这一长期趋势中。

智能化作战空间构想

考虑人工智能对未来作战的影响本质上是一种推测。尽管如此，人们对人工智能的技术和实用性已有充分认识。同样地，未来的战争将包含攻防两个方面，这些都是探索人工智能可能产生影响的有用工具。对攻防概念统一认识，将人工智能提供的新兴能力引入军事领域。

人工智能未来的作战效用可以简单概括为发现和愚弄。人工智能凭借其机器学习能力，尤其擅长发现隐藏在高杂波背景中的信息。在这方面，人工智能优于人类，速度更是远超人类。然而，人们能够用各种办法骗过人工智能。所以，人工智能的发现能力看似强大，实际上缺乏稳健性。

人工智能的发现能力还能提高移动系统的自主水平，因为人工智能会分析周围环境，发现重要的作战数据。这意味着，通过使用具有不同自主级别的移动和静止系统提供支持，可以增强发现和愚弄功能。人工智能可以增强现代作战系统的传感器，改进动能和非动能攻击系统，让欺骗技术变得更加可信，并提供各种各样的迷惑方法。从这个意义上说，人工智能激活了其他技术。它并不是一个独立的参与者；相反，与许多其他数字技术结合在一起，为它们提供了一种新的认知形式。

互联网小常识：IEEE802局域网参考模型对应于OSI参考模型的数据链路层和物理层。但是将数据链路层拆分为LLC（逻辑链路控制子层）和MAC（介质访问控制子层）。

此外，人工智能的发现优势改变了对敌对作战体系之间体系对抗的构想。自20世纪90年代末兴起网络中心战（Network-centric warfare）以来，军事体系往往视作战斗网络，各个节点之间的联系是关键因素。人工智能改变了这一认识。现在，基础数据—而不是沟通联系—才是关键。数据为所有其他要素注入了生命，成为了新兴的智能化体系对抗的新基础。

以数据为中心的生态系统视角会带来更多变化。以常用的观察–定位–决策–行动（OODA）循环为例。这一循环按次序分步执行，本质上是回溯性的，因为只有在事件发生后才能进行观察。人工智能悄然改变了这一过程。如果有合适的数字模型和敌我数据，人工智能就能预测对手未来可能采取的行动，进而预测己方可能采取的对策。

智能决策周期包括感知–预测–同意–行动：人工智能感知环境；预测对手行动，进而预测己方的应对措施；人机团队中的人同意此评估；人工智能向战场上部署的各种作战机器人发送机器对机器指令。敌对作战体系基于的数据结构或会成为战斗胜利的决定性因素。

总体防御构想

传统上，防御有主场优势，能够选定作战空间进行准备。在智能化战场上，可以在选定的防御区域部署多个廉价的物联网传感器。重要的是，这项工作要尽早启动，在战斗之前完成。部署传感器时要周密考虑，将其妥善置于陆、海、空、天、网中的合适位置。利用这些传感器，可以获悉目标地区的地形、海况、物理环境和本地虚拟环境。有了这些背景数据，人工智能就能更快地发现防御领土上的任何变化，特别是军事力量在该领土上活动时。在智能化战场上，战前行动阶段（即战争初期）对后续战斗胜利至关重要。

此外，防御时还可以利用支持人工智能的无人载具（UV）执行各种移动物联网任务。为了支持发现功能，配备传感器的无人载具会巡视近距离和远距离作战空间，作为对固定物联网网络的补充，根据战斗进程，提供重点区域的细粒度信息。此外，这种无人载具也可以临时替换战斗中被摧毁的物联网传感器。

固定和移动物联网边缘计算传感器可连接到强大的云，将数据可靠地反馈到远程指挥支持系统。指挥系统训练有素的人工智能可以很快从背景杂波中过滤出重要信息。利用这些信息，人工智能可以预测敌军行动，同时预测己方兵力的最优部署方式及其作战效果。这种预测将感知到的环境数据与敌军的能力和性能建模结合起来。此类建模是战争初期的一项重要数据任务。

人工智能先对敌军进行地理定位，人类指挥官批准后，可以使用间接火力（包括移动远程火炮、导弹或无人攻击机）快速开战。这种方法可以近距离攻击目标或深入敌军后方，关键问题是目标数据以及是否能够获取可变射程火力。其结果是，防御领土很快成为禁区。

为了支持愚弄功能，无人载具可以部署在整个作战空间，配备各种电子系统，进行反情报、监视、侦察和目标定位（C-ISRT），击败敌人的人工智能发现系统。己方的愚弄系统通过人工智能获得移动性，与固定干扰机相比更具灵活性，敌人很难对其进行物理攻击。此外，搭载人工智能的无人载具具有半消耗性，可执行高风险任务，接近敌军，最大限度地发挥其干扰性能。愚弄型无人载具的另一重要作用是迷惑敌人，伪造战场情况，对其进行误导。

互联网小常识：在Internet中对网络的攻击可以分为2种基本类型，即服务攻击（造成拒绝服务Dos,典型的是SYN）与非服务攻击（对网络层等底层协议进行攻击）。

无论是支持发现还是愚弄任务，智能化无人载具都是半自主运行，独立到达指定地点，分析来自传感器的数据，与其他机器人及其远程人类指挥官通信，协调攻击。这种各个机器人独自为战的边缘计算方法意味着人类不需要分别控制每台机器，大大降低了对通信带宽的要求。取而代之的是，智能指挥支持系统从人类指挥官那里接收任务命令，再将这些命令转化为指令，下发给所有机器人。

在另一方面，智能指挥支持系统可接收陆、海、空、天、网中的传感器数据，将其与支援性无人载具的数据近乎实时地结合，形成一个全面的多域图像。基于这些信息，人类指挥官能实时了解战况，进行战术创新，激发创造力，合理指挥军队。人类指挥官还可以通过智能指挥支持系统对武器的使用进行指导和批准。

总体进攻构想

进攻既有近战，也可能深入敌后。近战的目的是确保敌军不进入己方领土。同时，机动部队试图突破敌方前线，深入敌后作战。进攻中的近战与前面讨论过的防御构想类似，在某种程度上，只是通过进攻辅助防御。在智能化战场上，这点不难做到，因为许多防御功能都是自动化的。

传统上，防御方具有已知的地面优势，但进攻方也会有优势，可以选择进攻的位置和时间。主动性意味着进攻可以在空间和时间上大量地聚集无人载具，突破防御方的近战区。鉴于防御方覆盖了大片前沿地区，进攻方可以使用半消耗性无人载具进行消耗战，强制突破，为人类和智能化机动部队的进攻提供入口。这样做的目的是推动智能无人载具前进，让它们首先与对手交战，而不是人类。

在近战区域之外，由于防御者的人工智能系统及其发现功能，进攻方变得不堪一击。渗透力越强，越容易发现目标，进行战斗。然而，成群作战的结构化智能部队可能部分解决这个问题。人工智能既能创造又能帮助解决战术困境。

现在，进行突破的不再是单一的大型部队，而是由众多的小型、快速的机动部队组成，通过云相互连接，并接入指挥控制系统。各部队规模和能力各异，均为人机团队，同时利用人工智能和人类脑力，实现优势互补。这些部队可以聚集起来，交换目标位置数据，组成群组，然后利用各自不同的能力发动进攻。群组的整体态势感知主要来自各个部队之间交换的数据，其次还包括己方领土上的远程智能指挥控制系统，这种系统提供了更全面的监视和全源数据分析。重要的是，有些群组执行发现任务，有些执行愚弄任务；C-ISRT在敌后仍然至关重要。

有两个重要问题。首先，各部队的规模很小，充其量是轻装甲，因而生存能力低，需要避免被更强大的敌人困住。要维持生存能力，须在群体中具有唯一性、机动性，具有良好的态势感知能力，与较大队伍相比，信号特征较不明显。有些队伍还可能会有电子干扰和欺骗作用，辅助保护部队，其目的是通过机动和主动欺骗防止敌人获取高质量数据；关键是让对手摸不清状况。

其次，这些敌后作战的群组的后勤是一大难题。从历史上看，后勤保障困难重重，多通过空军提供。有了智能化部队，各种无人载具都能穿越敌方地面，携带补给，在约定的时间和地点与群组中的单个队伍会合。有些后勤问题也可以通过如下方式进行缓解：（1）依靠场外来源进行情侦监；（2）利用远程火力支援（包括空中支援）。不过，救回受伤人员仍然需要特别关注，尽管无人载具可能提供一些帮助。

兵力结构问题

人工智能作为一种商业技术，全球各地均有销售，许多国家已积累相当多的人工智能专业知识。许多人工智能算法用于公共领域和按需部署的商业云计算中，提供了现成的高速处理能力，进一步普及了人工智能。这其中缺少了数据这个关键元素，因为有的数据属于个人/组织专有。重要的是，要解决具体问题，必须依赖于正确的数据，但有时这些数据很难获得。然而，随着强化学习和GAN系统的发展，这些数据的重要性可能会降低，因为强化学习和GAN系统能够生成自己的训练数据。

军用时，应假设敌方的人工智能能力与己方相当，甚至更好。人工智能是一种通用技术，面向所有人，谁也无法据为己有。这意味着非国家支持的攻击者也同样能获取到这种技术。伊斯兰国在伊拉克开发和部署了非专业武装无人机，表明不仅是大国、其他实体同样能够使用智能化系统。

人工智能的广泛应用，尤其是在智能手机中的应用，部分掩盖了制造业供应紧张的事实。人工智能中使用的计算机芯片销路很广，但生产地却很少。此外，由于高容量芯片工厂的建设成本高昂，世界上近80%的芯片制造厂和组装/测试业务都集中在东北亚。

制造业很重要，因为智能化作战空间将需要大量的不同类型的设备，正如本文构想所述。这些产品的设计和大规模制造与围绕数字技术的新兴第四次工业革命（4IR）越来越紧密地联系在一起。对于军队来说，4IR意味着作战人员可以深度参与定制装备，保证装备能够满足他们的需求和作战环境。

颇具吸引力的是，4IR未来可能会促生新的国防力量结构，这种结构会迅速发展，满足新的作战需求。应对新挑战的时间也将大大压缩。持续创新会成为未来军队的主要特质。

在这一新模式下，可大规模采用原型作战概念。得益于4IR，实验中得到验证的原型现在可以以较低成本小规模量产，以便快速投入使用。切实可行的办法是快速部署各种低成本、较为简单的系统，然后定期更新或用其他东西完全替代。这种原型作战结构非常适合未来的智能化作战空间需求。

可以快速设计、构建和制造智能化自主静态和动态系统。这种无人系统只需要能够连接到云，并与命令控制系统兼容。4IR意味着智能化系统能够根据不断变化的战术环境进行优化。

前述的智能化攻防作战构想具有概括性，描绘了未来的可能性，激发了想象力，但不够具体。尤其是，就领域而言，这些构想还很抽象。实际上，海陆空作战颇为不同。这些总体构想需要分别结合这三个传统领域，加以详细阐述。

译者声明

本文由绿盟科技博客与安全加社区小蜜蜂公益翻译组合作完成，免责声明及相关责任由安全加社区承担。

小蜜蜂翻译组公益译文项目，旨在分享国外先进网络安全理念、规划、框架、技术标准与实践，将网络安全战略性文档翻译为中文，为网络安全从业人员提供参考，促进国内安全组织在相关方面的思考和交流。

互联网小常识：因为蓝牙技术可以方便地嵌入到单一的CMOS芯片中，因此它特别适用于小型的移动通信设备。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186