编者按
(资料图片)
人类以什么方式生产，就以什么方式打仗。在科学技术快速发展的推动下，战争形态从冷兵器、热兵器、机械化向信息化、智能化不断演进。在人工智能（以下简称AI）技术不断取得突破并广泛应用的背景下，AI主导战场将成为可以预见的趋势。AI时代，战争形态将发生怎样的变化？本文从通用技术生成战斗力的普遍规律出发，构想未来AI主导战场的三个阶段，得出重视发展“战争AI”的结论，希望能引发广大读者思考和争鸣。
通用技术如何生成战斗力
通用技术如何生成战斗力？首先，要了解通用技术如何形成生产力，因为生产力最终会转化为战斗力，进而推动战争形态演变。经济学家认为，通用技术要真正发挥生产力效能，普遍需要经过三个阶段。
第一阶段叫“点解决方案”，是个别生产方式的改善。如1946年诞生了第一代电子管计算机，主要用于科学计算。这一阶段的主要表现是个别领域开始用计算机代替人工计算，给生产力带来了一定程度的提升，而转化的战斗力主要表现为弹道计算和破译密码的效率大幅提高。
第二阶段叫“局部解决方案”，是局部生产方式的改变。从1957年到1971年，第二代晶体管计算机和第三代中小规模集成电路计算机相继出现，计算机性能获得较大幅度提升，其应用范围逐渐拓展至工业、国防、航天等多个领域。此阶段部分领域的生产力获得较大提升，航空航天、自动控制等技术飞速发展，这使得战斗力同样获得较大幅度提升，间谍卫星、高超声速侦察机等先进装备成为现实。
第三阶段叫“系统解决方案”，是整个生产方式的改变。从1971年至21世纪初，第四代大规模和超大规模集成电路计算机出现，计算机逐渐小型化和微型化，台式机、笔记本电脑相继问世并进入千家万户，推动了互联网的蓬勃发展。尤其是手机出现后，逐渐成为个人必备的信息终端，使得“万物互联”成为可能，整个社会从生产制造、物流运输到商品交易、金融服务都实现了电子化、自动化。这已经不是局部的改进，而是生产方式和组织方式的系统性变革。最终，生产力获得大幅提升，而战斗力也实现飞跃。军事界通常将1991年海湾战争作为信息化战争的开端。实际上，这是生产力转化为战斗力的标志性事件。早在1946年第一代计算机诞生之时，人类已经迈入信息化时代。
AI主导战场的三个阶段
总体来看，通用技术生成战斗力是一个“由点向外扩展、逐渐全面渗透”的过程。根据这一规律，AI主导战场至少可划分为三个阶段：
第一阶段，应用于局部筹划环节。此阶段，AI主要用于“改善决策质量”。如建立类似ChatGPT的大数据自然语言模型，将古今中外所有战例都输入其中进行深度学习，然后指挥员在某场战斗前的任务分析过程中，可以咨询该模型如下问题：历史上类似的战争有哪些、最近的是哪一场、该地区民众有何宗教信仰、地形有何特点、可行的战术策略有哪些……然后在分析所有作战要素相关信息的基础上进行决策。这个阶段的AI，相当于人类的智能参谋，可以通过对战争相关信息的深度学习和高效输出，来显著改善指挥员的决策质量。
第二阶段，应用于整个筹划流程。此阶段，AI主要用于“改变决策方式”。比如，传统的作战筹划，分为分析判断情况、理解本级任务、形成作战构想、修订作战方案、定下作战决心等步骤，这些流程的划分依据主要是遵循人类大脑的特点，即由浅入深、由粗到精、由抽象到具体、由不确定到相对确定。但AI不存在这些特点。AI不需要经过“理解任务、领会意图”的过程，就可以根据作战需求进行快速反馈。ChatGPT已经证明AI具有“多模态”处理能力，即无论输入文字、图像还是音频、视频，都可以快速识别并反馈不同类型的信息，如根据指挥员的几句话，就能生成侦察计划、火力计划乃至全套作战方案。这些能力将大幅压缩作战筹划流程，提升作战筹划效率，使指挥员能够从繁琐的会议、文书中解脱出来，专注于优选作战方案和定下战斗决心等关键事务。此阶段的AI，像是能力超强且任劳任怨的“参谋长”，融合整个参谋部职能于一身，改变了各级指挥机构的决策方式。
第三阶段，应用于作战全程。此阶段，AI主要用于“主导战场决策”。如果说前两个阶段的AI还主要应用于作战筹划阶段，那么第三阶段的AI将贯穿作战筹划和作战实施全过程。此时的AI经过长期训练和迭代升级，将进化成为能力更为全面的“战争AI”，不仅掌握最前沿的作战思想和战术策略，而且拥有关于人类战争的全部经验。这种可能性是完全存在的。目前GPT-4参加人类主流考试的水平已经超越了绝大部分人——它在美国律师执照统考上的得分甚至超过了90%的考生；它在美国生物奥林匹克竞赛的得分超过了99%的考生；它在GRE语文上取得了接近满分的成绩。同理，“战争AI”也完全有可能超越绝大部分指挥员的水平。这个阶段的AI，已经不是参谋和助理，而更像是指挥员的“分身”。“AI指挥员”接管了作战指挥的大部分权力，人类指挥员只保留了最终的决定权，甚至连部分较低权限的决定权也会交给AI。
能够打败AI的可能只有AI
事实上，笔者认为这还不是“战争AI”进化的最终阶段，因为人类的战争经验是有限的，而这些有限的经验很难消除未来战争的不确定性。历史上，没有任何两场战斗是完全相同的，也没有哪个战术策略是战无不胜的。下一场战争永远充满未知的变数，那么如何才能消除战争中的不确定性？
围棋AI的进化历程为我们提供了重要启示。AlphaGo能够打败人类围棋世界冠军，靠的是深度学习几百万盘棋谱。之后的新版本AlphaZero，则完全没有学习任何人类知识，仅靠“左右互搏”，在3天内自我对弈490万局，就迅速成为围棋顶尖高手，然后以100∶0的战绩碾压“前辈”AlphaGo，超越了人类上千年的围棋知识积累。
同样都是基于神经网络架构，为什么AlphaZero表现更加出色？因为“喂”的数据不同。谷歌深度学习联合创始人兼首席执行官德米斯·哈萨比斯表示，AlphaZero项目之所以如此强大，是因为它“不再受限于人类知识的局限”。换言之，AlphaGo代表的是过去经验，而AlphaZero代表的则是未来可能。过去经验永远是有限的，而未来可能则趋于无限。AlphaZero打败AlphaGo的事实表明，消除不确定性的那把“钥匙”并不是藏在过去，而是藏在未来。
由此带来的启示是，消除战争不确定性的关键，并不只是学习人类战争经验，更在于未来战争推演。此处的战争推演并不完全是传统意义上的兵棋推演或实兵演习，因为：第一，传统推演最终获取的依然是有限的经验，且这种经验往往受制于推演系统平台和人类思维范式的局限；第二，传统推演周期相对较长，导致次数有限，只能模拟极其有限的几种可能性，很难达到扫清“战争迷雾”的目的。因此，未来的战争推演，应该是让AI“左右互搏”、自我对抗，推演未来战争的所有可能，从中找到有限的胜利路径。
基于上述分析，未来战争推演应具备如下条件：一是贴近现实的底层规则。这种规则不能完全由人类来制订，而应该类似于AlphaZero，由人类设定基本神经网络架构，然后让计算机自己去“发现”；二是强大的“多模态”输入能力。目前ChatGPT已经具有“多模态”处理能力，但还远远不够，未来的“战争AI”应该具备从复杂多变的战场态势信息中“读懂”敌军潜在意图和可能行动的能力；三是强大的算力。由于战场信息网络节点数量庞大且存在交互作用，对算力的需求也成指数级提升。这需要更强大的服务器作为支撑，才能实现几分钟乃至几秒钟完成一次战争推演的学习速度，也许只有量子计算才能够满足这一需求。
需要注意的是，我们的关键目的不是推演未来战争，而是通过推演战争打造“战争AI”。当这一模型建立后，人们只需要不断地训练它、完善它，就拥有了最强大的战争武器。到那时，人类数千年的战争史在“战争AI”面前不过是沧海一粟，所有的战争谋略和战术策略在它面前也如同“小儿科”。此外，战争胜利往往取决于谁犯错更少。人类经常会犯错，而机器一般不会。因此，当“战争AI”出现后，正如围棋领域棋手被AI超越，人类指挥员也有可能将被碾压。届时，能够打败AI的可能只有AI。
也许有人认为，AI再强大，也只是一堆神经网络参数，它没有意识和理性，无法“理解”行为背后的动机和因果逻辑。实际上，已经有部分科学家指出，所谓的意识和理性，都是大脑进化到一定阶段后出现的产物。古人说“积土成山，风雨兴焉；积水成渊，蛟龙生焉”，当数据量足够大、神经元足够多、模型足够复杂，量变就会导致质变，使系统“涌现”出一些神奇功能。ChatGPT的“大力出奇迹”已经证实了这一点。所以，尽管AI还存在种种不足，但正如没人会嘲笑儿童的牙牙学语，人类也不应轻视“尚未成年”的AI。作为指挥员，更应该做的是认识AI、审视AI、关注AI，深度思考“战争AI”改变的战争形态，抢占未来战争的全新高地。（毛炜豪）