國外關于智能化戰爭復雜性的研究熱點淺析

人工智能（AI）已深度嵌入到軍事領域的各個環節，在顯著提升作戰、指揮控制與后勤效率的同時，也為其帶來了前所未有的復雜性。近年來，國外在“AI與作戰模式”“AI與指揮控制”“AI與綜合保障”，以及“AI與風險管控”等方面進行了大量的復雜性研究。本文據此脈絡，對國外在此四個關鍵領域的研究熱點進行梳理與淺析。

AI與作戰模式的復雜性研究

無人自主作戰的復雜性。國外AI在軍事領域的運用已進入實踐驗證階段，部分領域研究成果已接近實戰運用水平。但從其公開的研究結果看，AI賦能的無人自主作戰較傳統作戰模式更為復雜。2022年11月，美軍第59特遣隊在巴林麥納麥舉行了“數字地平線”演習，重點驗證無人系統與AI的協同作戰能力。演習中，各無人平臺依托自身傳感器和獨特的功能模塊，通過Mesh通信網將數據共享給岸基機器人操作中心；情報分析人員在該中心運用AI和機器學習技術對信息進行處理和分析，以識別“正常目標”與“非正常目標”，從而大大提升特遣隊的戰場感知能力。這一過程的復雜性在于：構建了一個動態、自適應的感知-決策網絡，其數據融合與識別節奏是機器驅動的，對通信質量和算法可靠性提出了極高要求。2023年9月，護盾人工智能公司（Shield AI）開展了無人平臺復雜編隊飛行實驗，進一步驗證了AI的自主控制能力，也揭示了自主控制的復雜性。該公司使用了自研的蜂腦（Hivemind AI）智能駕駛軟件，控制無人機編隊執行多種復雜的作戰任務，包括綜合突防、導彈攔截、區域偵察、防空、超視距打擊、海域探測和電子對抗等。

V-BAT無人機

有人無人協同作戰的復雜性。從外軍實踐來看，有人/無人混合編組系統的作戰程序比傳統部隊更加復雜；同時，其在建設發展、組織過程、保障條件等方面的復雜性也遠超傳統作戰力量。2022年7月，美國克拉托斯公司宣布用兩架量產型女武神無人機成功完成一系列“天空博格人”試飛工作。該項目旨在將自主核心系統與模塊化、低成本無人機平臺相結合，使無人機能與有人機協同，自主執行復雜的作戰任務。自主核心系統集成了一系列傳感器和先進的算法，采用開放式架構，能夠根據有人機飛行員設置的既定交戰規則自主決策。這標志著作戰決策權從飛行員向自主系統的部分轉移，由此帶來了人機之間如何建立動態信任、劃分控制權限的全新復雜性。2023年9月，洛克希德·馬丁公司與愛荷華大學實驗室聯合完成了一項AI演示，使用兩架L-29飛機（作為無人駕駛系統）模擬在干擾支援環境下執行空對地任務。AI輔助電子攻擊任務的成功執行，展示出自主無人駕駛航空系統在未來作戰行動中如何與有人駕駛戰術平臺協同作戰，從而構建一個強大、統一的團隊來應對復雜的威脅。這次演示尤其凸顯了在復雜電磁環境中，維持有人與無人系統之間穩定、可靠、協同的復雜性。

L-29飛機

AI與指揮控制的復雜性研究

AI技術在指揮控制領域的應用需辯證看待。一方面，AI技術通過增加指揮控制系統的復雜功能，將降低作戰人員決策過程的復雜性。另一方面，AI技術在融入指控系統過程中也面臨著復雜的挑戰。

AI技術通過增加系統復雜功能來緩解作戰人員決策復雜性。國外相關研究發現，2017年，美國Anduril公司研制的“晶格”系列指揮控制平臺利用傳感器融合、計算機視覺、邊緣計算、機器學習和AI等技術，檢測、跟蹤和區分作戰人員關注的所有目標。這一系統除了結構復雜，還擁有復雜的功能，能夠集成全球陸地、海上、空中和太空多個領域的數千個傳感器和效應器，可智能生成通用作戰圖。該系統能夠對現有系統和服務進行集成，其開放的、模塊化和可擴展的硬件組件支持自主感知和指揮控制功能，能夠自主執行防務任務。該系統專為高風險和動態環境而設計，使用深度學習模型向作戰人員提供決策點并推薦方案，顯著簡化了決策過程的復雜性。2018年12月，美陸軍訓練與條令司令部多位專家聯合發布《利用AI輔助指揮官進行復雜決策》報告，建議結合AI，以輔助指揮官進行復雜決策。該報告認為由于作戰環境的變化，軍事決策的復雜性正在增加，各類復雜系統以意想不到的方式互動，其未來行為難以預測，導致決策也更加困難。報告認為，盡管未來作戰將面臨以上困境，但都可以借助AI技術加以解決。

“晶格”指揮控制平臺界面

AI融入指揮控制過程的“復雜性”。雖然AI在軍事領域的運用前景可觀，但要真正融入指揮控制流程，仍然面臨諸多的困難。AI軍事運用的實現，需要基于對軍事需求的詳細分析。AI算法被開發運用于現實、動態、多領域、大規模和快節奏的作戰，需要選擇、評估和監控重要的度量標準來衡量算法的性能、有效性和適用性。商業和學術界的AI或機器學習（ML）系統并不能直接應用于軍事任務，需要過渡到軍事環境才能帶來指控優勢。為了決定采用哪些技術，軍方必須首先了解作戰需求，如空中優勢、防空、加油機支持等。然而，商用AI在轉入軍用領域同樣面臨復雜挑戰。2022年3月，美國蘭德公司發布《開發嵌入AI應用的聯合全域指揮控制作戰概念》報告，論述了嵌入AI/ML的聯合全域指揮控制（JADC2）的需求，還說明了如何在JADC2中利用商業AI/機器學習系統，以及需要克服的困難，并指出了發展路徑。因此，了解這些技術的局限性，及在不確定條件下運用的潛在困難，也同樣重要。

AI與綜合保障的復雜性研究

國外研究顯示，在后勤、裝備保障等行動中引入AI技術，不僅將有效提升保障行動的效率，還將深刻改變保障體系的運行模式，帶來了新的復雜性。這種復雜性體現在，AI系統在幫助人類應對原有復雜挑戰的過程中，其自身的集成、應用與可信賴管理也構成了全新的復雜課題。

AI與后勤保障的復雜性。關于AI與后勤保障的復雜性問題，國外的研究和實驗表明，AI在幫助管理后勤籌劃固有復雜性的同時，其解決方案也內嵌了新的技術復雜性。2022年6月，DEFCON AI公司獲得美空軍部第二階段“小型企業創新研究”合同，以支持開發其基于AI的戰役級后勤和機動培訓軟件。該軟件通過創建仿真模型，模擬空中機動司令部在發生自然或對抗性中斷情況時，為決策者提供后勤決策的不同選項。DEFCON AI的軟件使用AI梳理可用選項并進行排序，同時構建仿真的虛擬世界，用于獲取后勤相關數據，并將其與現實數據進行比較，為決策提供支撐，提升后勤效率，以有效應對后勤保障工作的復雜性挑戰。2023年1月，美空軍研究實驗室的空運挑戰賽，其背景在于后勤規劃是一個受多重因素影響的“眾所周知的復雜問題”。作為空運行動的一部分，規劃后勤運送任務常常受到惡劣天氣或其他意外事件，以及飛機速度、運載能力和機場最大容量等多種因素的影響。AI算法雖能快速規劃新方案以應對突發干擾，但其復雜性也隨之轉移，即如何確保AI在壓力下做出的復雜決策是可靠、可解釋且符合軍事規則的，這本身就成了一個新的管理難題。

AI與裝備保障的復雜性。隨著現代裝備的復雜程度與日俱增，采購、運送和維修工作幾乎變成一項“不可能完成”的任務，AI技術在裝備保障領域的運用，很大程度上解決了這一復雜性問題。據國外媒體報道，愛沙尼亞Magnetic MRO飛機維修公司利用美國Sky Select公司提供的AI自動化備件采購平臺開展備件采購工作，以減輕其工作量、提高運營效率并節省成本。該平臺通過集成AI技術，能夠提供從備件需求提出到交付的端到端無縫采購服務。Magnetic MRO飛機維修公司應用該平臺已在降低成本和提高生產率方面取得了卓越的成果。據悉，采購中79%的工作是由AI完全自動化完成的，在帶來效率提高的同時，其復雜性也隨之顯現：將采購的大部分工作交給AI算法，會提升對算法決策、數據安全和系統穩定性的依賴程度，任何一環節的意外都可能引發連鎖風險。

愛沙尼亞Magnetic MRO飛機

維修公司現場作業照片

AI與風險管控的復雜性研究

AI的廣泛運用，在提升裝備性能、作戰效能與指揮控制能力的同時，也增加了軍事體系的復雜性與不確定性風險。因此，對AI在軍事領域的應用必須受到更加嚴格的管控，這已不僅是簡單的技術規范，更成為一項涉及技術、制度與戰略博弈的復雜系統工程。國外研究與實踐表明，AI風險管控的復雜性，集中體現在從“采購源頭”到“實戰應用”的全過程之中。

AI與采購風險管控的復雜性。國外對于如何確保AI裝備采購的科學性和有效性，以及如何降低采購中的風險等問題進行了研究，產生出一些有效的成果。2022年6月，美國防部常務副部長希克斯簽署“負責任的AI戰略和實施途徑”文件，旨在指導美國防部制定實施AI基本原則的戰略。包括如何利用AI的框架（調整管理結構和流程，持續監督國防部對AI技術的使用）；系統操作員需達到標準水平的技術熟練程度，以創建可信的AI系統和AI賦能系統；考慮AI采辦風險，并使AI開發速度滿足國防部需求；使用需求驗證程序，確保AI能力與作戰需求保持一致，解決相關的AI風險；通過國內和國際合作促進對設計、開發、部署和使用AI的共同理解；確保所有國防部相關人員理解實施AI的技術、開發過程和操作方法；利用AI提升裝備采購效能。2021年，澳大利亞國防部發布《打贏AI之戰——AI賦能的未來作戰構想》報告，提出了“原型戰”概念。該概念是指在AI的支持下，通過快速開發和部署技術來快速適應不斷變化的作戰環境（OE），新興的戰術、技術和程序（TTP），以及克服人力、能力和范圍方面的缺點或挑戰。簡單來說，就是通過利用先進制造技術按需生產大型機器人，為特定的行動或沖突快速定制智能無人機。而這一過程同樣面臨快速響應與可靠保障之間的平衡難題，對傳統采購流程構成了復雜挑戰。

AI與意外風險管控的復雜性。對于軍事領域而言，AI是一把“雙刃劍”，在充分發揮其功能的同時，必須加強對AI引發意外風險的管控。2023年3月，美國安全與新興技術中心發布報告《為軍事決策優勢降低AI的風險》，報告認為要從AI的決策優勢中獲益，首先需要理解它的局限性和缺陷。AI系統根據數據模式做出預測，總有一些意外行為或失敗的可能性，而管控措施本身就會引入新的復雜性：現有的工具和技術試圖讓AI對故障更加穩健，這往往需要進行性能權衡，這種“解決一個問題，但可能會惡化另一個問題”的悖論，正是復雜性的典型體現。人們越來越意識到，AI的弱點和缺陷帶來的現實部署環境中的技術故障問題，將更為復雜。AI故障在真實戰略環境中與人為判斷、危機動態交織互動，可能意外引發危機或沖突的升級，這使得管控措施必須超越單純的技術層面，成為一個涉及技術、流程和人類認知的系統工程。此復雜性還體現在對AI“先天缺陷”的認知與應對上。2022年2月，美國海軍學會會報發布《AI：太脆弱而無法戰斗？》一文，文章認為，人們對于AI的技術優勢往往過于樂觀，美國一部分領導人甚至擔憂不采用AI就會有失去軍事技術競爭優勢的風險。雖然AI在一定條件下可以很好地支持作戰人員或美國防部的現有工作，但是AI仍具有持久的、關鍵的漏洞。如果國防應用程序要保持彈性和有效性，就必須全面掌握和有效彌補這些漏洞，否則在關鍵作戰能力中引用AI，就可能導致核心要害部位出現災難性風險。因此，風險管控遠非簡單設防，而是一場在效能提升與安全底線之間進行的復雜博弈。

免責聲明：本文轉自軍事文摘，原作者木子、戴思瑩。文章內容系原作者個人觀點，本公眾號編譯/轉載僅為分享、傳達不同觀點，如有任何異議，歡迎聯系我們！

轉自丨軍事文摘

作者丨木子、戴思瑩

研究所簡介

國際技術經濟研究所（IITE）成立于1985年11月，是隸屬于國務院發展研究中心的非營利性研究機構，主要職能是研究我國經濟、科技社會發展中的重大政策性、戰略性、前瞻性問題，跟蹤和分析世界科技、經濟發展態勢，為中央和有關部委提供決策咨詢服務。“全球技術地圖”為國際技術經濟研究所官方微信賬號，致力于向公眾傳遞前沿技術資訊和科技創新洞見。

地址：北京市海淀區小南莊20號樓A座

電話：010-82635522

微信：iite_er