《作戰概念探析》之二十四:研發實踐:智能化作戰之「三戰」

智能化作戰之「三戰」

沒有實踐的理論會消亡。

———蘇沃洛夫，俄軍統帥

無論對俄羅斯還是對全人類，人工智慧都是未來。它帶來巨大機遇，無論誰成為該領域的領袖，都將成為世界的主導者。

———普京，俄羅斯總統

率先使用人工智慧的國家，將在未來很長時期的戰場上擁有決定性優勢，因此我們必須首先做到。

———馬克•埃斯珀，美國國防部長

我只能猜到它（AlphaGo）一半的棋。這就是我們之間的差距，太大了……超越它這輩子都不可能了。

———柯潔，0:3落敗AlphaGo後新聞發布會，2017年5月27日

AlphaGo用不可思議的下法闢立了圍棋常識之外的新天地。

———聶衛平

戰爭可能不再由國家領導人發動，而是由人工智慧發動——只要它認為先發制人的打擊是獲勝最有效的方式。

———埃隆•馬斯克

人工智慧技術的進步，很可能會催生更多直接參與戰鬥的自動機器人，並加速有人作戰模式向無人作戰模式的轉變。

———《人工智慧與國家安全》報告，哈佛大學

我們將很快見證機器人軍隊獨立進行戰鬥。我們要為未來的機器人戰爭做好準備，考慮成立一個能獨立實施軍事行動的機器人部隊。

———格拉西莫夫，俄軍總參謀長

以決策為中心的作戰概念可以利用新興技術，如人工智慧和自主系統等，創造一種新的作戰模式。

———美國戰略與預算評估中心，2020年

未來20年，人工智慧將改變戰爭的性質，從後勤部門到前線戰場，從海底到網絡空間再到外太空，戰爭的所有部分都將受到深刻的影響。

———傑克•沙納漢，美國國防部聯合人工智慧中心主任

人工智慧是研究和開發用於模擬、延伸及擴展人類智能的理論、方法、技術及應用系統的一門技術科學[1]。

以筆者提出的智能化作戰概念「三戰」——「算法戰」「算力戰」「數據戰」為例，對智能化作戰概念進行探討。         

俄軍士兵與無人戰車協同訓練。敘利亞戰爭中，俄羅斯曾使用6臺履帶式無人戰車、4臺輪式無人戰車和1架無人機，協同敘政府軍對伊斯蘭極端勢力據點發起打擊，在僅有4名敘利亞政府軍受傷情況下，擊斃約70名極端分子，可視為戰爭史上首場以無人作戰裝備主導的地面戰鬥（圖片來自網際網路）

基本情況

人工智慧迅猛發展，並對軍事領域進行全方位、全領域、全過程、全要素的改造，已經展現出的巨大軍事應用潛力，戰爭的智能化趨勢已成。

智能化戰爭已成為軍事理論研究的熱點和前沿。主要表現在智能化戰爭的制勝機理、作戰樣式、指揮決策、武器裝備、教育訓練、編制體制等方面。

智能化作戰是智能化戰爭的主導作戰樣式，同時也是智能化武器裝備研發的指導和牽引，應置於智能化戰爭研究的首要。

目前，智能化作戰研究尚處起步階段，更多地處於理論層面。智能化作戰問題尚屬作戰領域的「藍海」，其主要原因，在於作為戰爭物質基礎的智能化武器裝備尚處於起步發展階段，尚未成為主要作戰力量，智能化作戰能力尚未成型，智能化作戰尚未成為主流作戰樣式，智能化作戰實踐尚且匱乏。

隨著智能化的武器裝備的研發、作戰理論的深入和戰爭實踐的豐富，智能化作戰也將得到發展。

智能化作戰概念是牽引智能化作戰發展的抓手。應根據國情、社情、軍情、敵情和院情，找準切入點，深入開展智能化戰爭問題和作戰理論研究，制定智能化作戰概念，更好地牽引智能化武器裝備研發和智能化戰爭能力建設，形成智能化作戰能力，並付諸應用，積累經驗。如此迭代發展。

隨著人工智慧的發展及其軍事應用，智能化作戰概念和智能化武器裝備的不斷創新，智能化戰爭將展現出新的面貌。

2020年，蘭德公司發布《人工智慧的軍事應用》報告。報告給出5方面結論。人工智慧在軍事系統中的集成度可能會穩步提高。各種形式人工智慧用於作戰都會產生嚴重影響；人工智慧將催生新的戰爭倫理問題，應予以高度重視並減輕其可能風險；聯合國在短期內不可能對軍用人工智慧形成國際禁令或其他監管。美國在軍事人工智慧方面面臨激烈的國際競爭。中國和俄羅斯都在大力發展軍用人工智慧；軍用人工智慧可能會向其他國家和非國家行為體擴散。軍用人工智慧發展將帶來一系列風險並應加以解決。從人道主義角度看，道德風險很重要；作戰風險源自人工智慧系統的可靠性、脆弱性和安全性；戰略風險包括：人工智慧可能會增大戰爭可能性，使得進行中的衝突升級，並向惡意行為者擴散。美國公眾普遍支持繼續投資軍用人工智慧。公眾的支持程度部分取決於對手是否使用自主武器、系統是否為自衛所必需和其他環境因素；儘管對道德風險的認知因威脅環境不同而不同，但在人類責任感上存在廣泛共識。人類操作者必須保持對軍用人工智慧的控制。指揮員應承擔責任；人類參與應貫穿包括研發和監管在內的系統全壽命周期

戰爭的智能化

進入21世紀以來，以信息革命牽引的新一輪科技革命、產業革命和軍事革命迅猛發展、交織推進，人工智慧、信息網絡、無人系統、人工智慧、大數據、雲計算、人機互動、增材製造等前沿技術領域都呈現出「群發」態勢。其中，人工智慧是發展最迅猛、最活躍、最具潛力的戰略前沿領域，在人類社會幾乎所有活動領域都得到了創新性的應用，牽引同時極大受益於其他領域的發展。

人工智慧已展現出極大的軍事應用潛力和前景。恩格斯指出，一旦技術上的進步可以用於軍事目的並且已經用於軍事目的，它們便立刻幾乎強制性地，且往往是違反指揮官的意志而引起作戰方式上的改變甚至變革。

人工智慧已成為當前迅猛發展的信息革命的最大推動力，新一輪軍事革命的最重要牽引。當前，對於智能化戰爭、智能化作戰、智能化武器的研討和論述極多。智能化產品在日常生活中已經處處可見，人工智慧也已在武器裝備上得到廣泛應用，已展現出極大的應用潛力和改變現有戰爭規則的誘人前景。人工智慧正在對軍事領域進行全方位改造，世界主要國家軍隊均在推進智能化轉型，並將建設智能化軍隊、打贏智能化戰爭作為佔據軍事競爭優勢的最重要努力方向。

搶佔人工智慧軍事競爭制高點，更好進行軍事鬥爭準備，已成為各國各軍的共識。隨著人工智慧向戰爭的全要素滲透，與作戰的全過程融合，在裝備的全部件應用，必將極大提高武器和軍事技術裝備的作戰效能，顛覆性地改變當前的作戰樣式和戰爭形態，並可能會改寫未來戰爭的「遊戲規則」。

戰爭的智能化形態是什麼樣？以高性能計算為「大腦」，以作戰云為「神經」，以作戰大數據為「血液」，構建智能化作戰體系，可實現更準確的態勢感知、更快速的指揮控制、更致命的打擊威力。

能否將未來戰爭命名為「智能化戰爭」？給戰爭命名，往往根據其最本質和最具代表性的特徵，例如，機械化戰爭、信息化戰爭、核戰爭等。學術界尚未對智能化戰爭的內涵達成共識。實際上，當前探討的許多作戰樣式屬於信息化作戰無疑，但是否屬於智能化作戰則有待商榷。不過，可以確信，未來中遠期內，信息化戰爭將步入其更高層次的發展階段——「智能化戰爭」時代。

《美國國防部人工智慧態勢評估與建議》報告中提出的美國國防部人工智慧概念框架和人工智慧應用範圍。2018年6月，美國國防部於成立聯合人工智慧中心（JAIC）,負責協調整個國防部的人工智慧研究，致力於將人工智慧技術大規模應用在國防和軍事領域，提高美軍智能化水平，使美軍保持和佔據軍事優勢。根據《國防授權法案（2019）》第238條（e）節規定，需要對國防部在人工智慧、機器學習等技術方面取得的進步和形成的競爭力進行評估。2018年12月，JAIC委託蘭德公司國防研究所（NDRI）對國防部人工智慧發展態勢進行獨立的分析與評估。2019年底，蘭德公司完成了作為評估結果的《美國國防部人工智慧態勢評估與建議》報告。報告中，蘭德公司評估了與美國國防部相關的人工智慧項目的狀態，解釋了對人工智慧存在的一些誤解，對美國國防部的人工智慧定位進行了獨立和反思性的評估，並給出了關於內部操作、外部參與、潛在的立法和管理等方面的發展建議，以加強國防部在推動人工智慧發展和應用方面的定位。（圖片來自網際網路）

智能化的戰爭國家間戰略競爭的前沿

人工智慧是對人類的意識、思維的信息過程的模擬，能像人類那樣思考，甚至可能超過人類的智能，在大規模數據處理方面更是遠超人類。

20世紀90年代，受益於計算能力、神經網絡、遺傳算法、模糊推理等領域的進步，人工智慧的發展開始加速。在博弈類遊戲上，人工智慧在與人類對戰中展現出了巨大的軍事應用前景[2]。1997年5月，IBM公司研發的「深藍」計算機戰勝西洋棋世界冠軍卡斯帕羅夫。進入21世紀，隨著計算機網絡、深度學習、大數據、雲計算、物聯網等相關支撐性和關鍵性技術取得突破，人工智慧得到井噴式發展。2016年，谷歌公司研發的「阿法狗」（AlphaGo）人工智慧戰勝圍棋世界冠軍李世石，2017年，又分別戰勝柯潔、樸廷桓、井山裕太等世界級圍棋高手，取得60連勝[3]。此後，作為升級版本的AlphaGo Zero自零學起，不需棋譜，無任何輸入，採取自我對弈的方式進行學習，以100：0戰勝AlphaGo。博弈類遊戲的實時對抗、方案選擇多、非完全信息場景、多異構智能體協同、推理和決策、複雜多任務、長期全局規劃等特點，與軍事應用場景存在很大相似[4]。當前不斷深入推進的信息化革命，越來越多地受到人工智慧領域進步的牽引，因此，在一定程度上，信息化革命也可稱為「智能化革命」。

在產業和投資層面，人工智慧已成為世界科技巨頭和國際資本的追逐熱點，對人工智慧方面的人才、技術、投資的爭奪日趨激烈。谷歌、亞馬遜、Facebook、微軟等公司紛紛大力投入，力圖搶佔人工智慧的技術高地和市場份額。2016年，全球人工智慧領域融資額較2015年增長超過60%。目前，人工智慧的應用已從信息服務領域拓展到實體經濟領域。智能化設備在工業生產中大量應用，智能化商品在市場上和日常生活中隨處可見，尤其在腦力密集型的醫療、新聞、金融、法律等高端服務性行業，相比人類，人工智慧更凸顯極大的競爭優勢。

人工智慧已成為國家間戰略競爭的前沿。正如俄羅斯總統普京所言，「誰成為人工智慧領域的領先者，誰將成為世界的統治者」。發達國家紛紛在人工智慧領域進行戰略規劃和戰略布局[5]。美國出臺了《國家人工智慧研究和發展戰略規劃》《為人工智慧的未來做好準備》《人工智慧、自動化與經濟》等國家層面的人工智慧發展規劃。德國制定了《數位化戰略2025》國家戰略，著力建設智能工廠、智能交通、智慧城市和智能家居等系列智能化基礎設施。日本發布了《新產業結構藍圖》國家戰略，旨在利用人工智慧、機器人等新技術，促進本國經濟增長。

我國高度重視人工智慧發展。2017年全國人民代表大會《政府工作報告》將發展人工智慧提升到國家戰略，要求加快培育壯大人工智慧產業。隨後，國務院發布我國首份人工智慧發展規劃——《新一代人工智慧發展規劃》，提出目標：到2030年，我國在人工智慧的理論、技術與應用方面，總體上要達到世界領先水平，並成為世界主要的人工智慧創新中心。2020年7月27日，國家標準化管理委員會、中央網信辦、國家發改委、科技部、工業和信息化部聯合發布《國家新一代人工智慧標準體系建設指南》，提出建設目標：到2021年，明確人工智慧標準化頂層設計，研究標準體系建設和標準研製的總體規則，明確標準之間的關係，指導人工智慧標準化工作的有序開展，完成關鍵通用高技術、關鍵領域技術、倫理等20項以上重點標準的預研工作；到2023年，初步建立人工智慧標準體系，重點研製數據、算法、系統、服務等重點急需標準，並率先在製造、交通、金融、安防、家居、養老、環保、教育、醫療健康、司法等重點行業和領域進行推進，建設人工智慧標準試驗驗證平臺，提供公共服務能力。該指南確立了人工智慧標準體系結構，包括「A基礎共性」「B支撐技術與產品」「C基礎軟硬體平臺」「D關鍵通用技術」「E關鍵領域技術」「F產品與服務」「G行業應用」「H安全/倫理」等八個部分。

不應過分誇大「智能化」對軍事領域的現實影響，但「智能化」對軍事領域的潛在影響則無論如何高估都不過分。

人工智慧在多玩家撲克遊戲中戰勝頂級人類玩家(Science雜誌官網)

軍事競爭的熱點

向智能化軍隊轉型已成為主要國家軍隊的共同選擇。隨著信息化革命的深入推進，人工智慧在態勢感知、信息處理、指揮控制、輔助決策、無人作戰系統、人體機能增強等軍事領域發揮著愈發重要的作用。美國、俄羅斯等強國都把人工智慧視為最具軍事應用潛力的戰略前沿技術，加速研發智能化武器裝備，並試圖通過開展一場軍事領域的智能化革命，在激烈的軍事競爭中佔據優勢。

美國將人工智慧作為保持自身軍事優勢，掌控大國競爭主導權、維護全球霸主地位的重要支柱[6]。2014年，美國國防部推出「第三次抵消」戰略，旨在通過技術創新和理論創新，發展顛覆性技術，以抵消中、俄等國迅速增長的軍事能力，人工智慧、無人系統、微型化、大數據、增材製造等被確定為重點發展領域。美國著名智庫——新美國安全中心發布的《20YY年：為機器人時代的戰爭做好準備》報告中，將大數據、人工智慧、機器人、小型能量系統、高能武器、人體機能改造等作為維持美國軍事優勢的關鍵技術。應指出的是，上述人工智慧以外的其他領域，既需要人工智慧的發展作為支撐，同時也可促進人工智慧的發展和應用。

俄羅斯將智能化作為武器裝備現代化的關鍵。2017年發布的俄羅斯聯邦《2018～2025年國家武器發展綱要》中，研發和裝備智能化武器裝備被列為重點內容，包括空天防禦系統、戰略核力量、通信、偵察、指揮和控制系統、電子戰裝備、無人機、機器人、單兵防護系統等。無人作戰系統被作為智能化武器裝備的發展重點。根據俄羅斯國防部《2025年先進軍用機器人技術裝備研發專項綜合計劃》要求，至2025年，無人作戰系統在俄軍武器裝備中的比例將佔到30%。俄軍在無人車輛上的發展和實戰使用上最為引人矚目。無人作戰車輛可執行遠程偵察、情報處理、排雷破障、火力打擊等多種任務。「天王星-6」掃雷型無人戰車的作戰效率相當於20個工兵，「天王星-9」打擊型無人戰車能夠摧毀坦克裝甲車輛。

紅場閱兵式上的「天王星-9」無人戰車。2015年，俄羅斯國防出口公司展示了「天王星-6」「天王星-9」「天王星-14」等三型無人戰車，前兩型曾在「勝利日」紅場閱兵式上亮相。2018年6月，「天王星-9」首次在敘利亞戰場投入實戰。俄羅斯在地面戰鬥機器人研發和使用上進展迅速，代表型號有「天王星-9」（Uran）、「平臺-M」、「指向標」等。「天王星-9」全重10噸，車長4.5米、寬2米、高1.4米，最大行駛速度40千米/小時，裝備有4枚9S120「大黃蜂-M」反坦克飛彈、4枚9K33「針」式防空飛彈、1門備彈200發的2A72型30毫米機關炮和1挺7.62毫米車載機槍，反坦克飛彈射程5800米，還安裝有目標發現、識別、跟蹤和火控設備，結合雷射告警裝置和主動偵搜的設備，足以威脅當今的主流裝甲目標。「平臺-M」體型小巧，長1.6米，高1.2米，重約800千克，能爬25度陡坡，完成巡邏、偵察任務，裝備有1挺機槍、4具一次性火箭筒，能夠消滅有生力量和輕型裝甲目標，還可將目標信息回傳後方，交由重型武器消滅。「指向標」於2019年首次公開展示，可根據傳感器探測的障礙情況自動修正路線，在城市建築密集和丘陵地帶可自主行進。俄羅斯還計劃在T-14「阿瑪塔」坦克基礎上研發一型無人坦克（圖片來自網際網路）

人工智慧可大幅提高武器系統的作戰能力。2016年，美國辛辛那提大學研發的人工智慧「阿爾法」（Alpha），在模擬空戰中，使用三代機，擊敗了由人類飛行員駕駛且有預警機支持的四代機[7]。在瞬息萬變的空戰環境下，相比人類飛行員，基於人工智慧的機載戰鬥管理系統可更準確、快速地進行態勢感知、快速響應、戰術選擇、武器管理和使用。2019年7月，DARPA啟動「空戰演進」（ACE，Air Combat Evolution）項目，旨在研發可執行空中格鬥任務的人工智慧[8]。「空戰演進」項目將成為軍用人工智慧發展史上的標誌性事件。通過該項目的實施，在空戰史上，人工智慧控制無人機有望首次成為空中交戰的直接主體[9]。2020年8月20日，在DARPA組織的Alpha Dogfight挑戰賽的人機大賽中，洛馬等8家公司團隊參加，其中，蒼鷺科學公司（Heron Systems）研發的人工智慧空戰算法，以5：0的壓倒性戰勝人類飛行員奪冠[10]。

智能化武器裝備已展現出極高的作戰效能。2014年12月，在敘利亞戰場上，俄軍投入6臺「平臺-M」和4臺「阿爾戈」無人戰車，在3架無人機和「洋槐」自行火炮支持下，配合敘利亞政府軍，強攻一處由「伊斯蘭國」武裝據守的高地。這是世界上首場由無人作戰系統主導的陸上戰鬥。無人作戰系統之間密切協同，「伊斯蘭國」武裝毫無還手之力。戰鬥僅持續20分鐘，約70名武裝分子被擊斃，而敘政府軍僅4人受傷。

隨著智能化武器裝備在技術上日趨成熟和實戰使用經驗的積累豐富，智能化作戰力量作為新型新質作戰力量，已經顯現出改變戰爭規則、顛覆作戰樣式的能力和潛力，將在未來戰爭中發揮愈發重要的作用。人工智慧的軍事應用，也將帶動戰略前沿技術群的整體發展，從而提升國家在科技領域總體上的戰略競爭力。

2020年5月31日，蘭德公司發布《通過機器學習實現空中優勢：對人工智慧輔助任務規劃的初步探索》報告。報告認為，空中優勢一直是美國威懾和作戰的基礎，但競爭對手已對美國的空中優勢構成愈發嚴峻的挑戰。可將機器學習（ML）用於發展空中作戰規劃和作戰概念的新辦法。報告提出一個概念性的人工智慧系統，用於輔助開發和評估新的空中作戰概念。在模擬環境下的空戰訓練中，可利用人工智慧系統，進行多次模擬推演，得到經驗並進行改進，以加速作戰概念的研發過程。研究團隊將開源深度學習（DL）與美國國防部標準的戰鬥模擬工具「先進仿真、集成和建模框架」（AFSIM）集成。AFSIM提供學習環境，深度學習框架用於測試學習算法，例如，生成對抗網絡（GANs）、Q學習算法、異步優勢動作評價（A3C）、近端策略優化（PPO）等

人工智慧創新軍事應用

智能化數據處理和態勢感知。信息化戰場態勢瞬息萬變，作戰信息數據量大、關聯性強，依靠人類認知去理解將愈發困難甚至不可能。人工智慧具備自主學習和認知能力，可以幫助指戰員更好理解戰場態勢，進一步增強戰場協同。目前，美國、俄羅斯、法國、德國等國軍隊均裝備有單兵智能化態勢感知與信息處理系統，如美軍「奈特勇士」、俄軍「戰士」等。

智能化指揮控制和輔助決策。人工智慧可將海量數據快速轉化成可供決策的信息，提供給各級指戰員，可使決策更科學、響應更迅速、行動更高效。目前，各主要國家均裝備有智能化、網絡化的軍事信息管理系統，用於指揮控制和輔助決策[11][12]。目前，以人機協作為基本運行方式的智能化指揮控制和輔助決策系統已經在國家安全領域得到了廣泛使用。

智能化網絡戰。人工智慧可用於定製網絡攻擊手段。人工智慧可收集、組織和處理大型資料庫，關聯和識別被攻擊方的信息，從而加快攻擊速度。人工智慧可顯著提升網絡防護效率。美軍研發了針對網絡入侵的智能化診斷系統，能夠自動診斷網絡入侵來源、己方網絡受損程度並自動進行數據恢復。

認知電子戰[13]。美國國防部高級研究計劃局（DARPA）自2012年開展「自適應雷達對抗措施」項目，旨在研發一種基於人工智慧的機載「認知電子戰」系統。認知電子戰系統具備學習能力，能夠從多種無線電頻譜中識別出敵方雷達信號，自適應地調整和合成載波頻率、調製技術和發射功率等參數，以對抗新出現的、動態、未知的電磁威脅。

無人自主系統。主要國家軍隊都大力推進無人系統的大規模列裝和作戰應用。無人機、無人水下航行器、無人船/艇、無人車輛、機器人等無人作戰系統應用人工智慧，可增強自主性，提高作戰效能，更好地適應戰場環境，並可創新諸如「無人機蜂群」等新作戰樣式[14]。早在2014年，美軍各類無人機就已高達1.13萬架，承擔著大部分的偵察情報監視等作戰保障任務和三分之一的空中打擊任務。英國新聞調查局數據顯示，2004年至2014年期間，美國MQ-1「捕食者」和MQ-9「死神」無人機在巴基斯坦發動了405次攻擊，共造成959人死亡[15]。2020年1月3日凌晨，伊朗伊斯蘭革命衛隊高級將領卡西姆·蘇萊曼尼在伊拉克巴格達國際機場附近，遭美國MQ-9無人機發射飛彈襲擊身亡，刺殺事件引發中東舉行劇烈動蕩。2018年7月19日，俄羅斯國防部首次公開了「波塞冬」核動力無人水下航行器（UUV）的測試畫面。「波塞冬」是世界上首型核動力無人水下航行器，水下最大航速70節，工作深度超過1000米，攜帶核戰鬥部，即可由大排水量的核動力潛艇攜載，也可自行離開碼頭航行，既可對敵方實施旨在解除武裝的先發制人核打擊，也可替代彈道飛彈核動力潛艇實施核反擊，戰時生存能力極高，且建造和使用成本比彈道飛彈核動力潛艇低得多[16]。得益於人工智慧技術，波士頓動力公司研發的系列仿生機器人具備很高的自主水平，已投入商業銷售和應用，並展現出極大的軍事應用潛力。「大狗」使用汽油燃料、液壓驅動，搭載雷射雷達、光學像機、慣導等傳感器，最大負重150千克，最大爬坡坡度35度，可在山地、雪地、瓦礫等多種複雜地形條件下運動。「野貓」速度可達32千米每小時，是世界上速度最快的足式機器人，採用甲醇燃料、液壓驅動，可在平坦地形上彈跳和奔跑。「憨豆」是腿式/輪式機器人，有10個驅動關節，在狹窄空間具備較強的機動能力。「阿特拉斯」人型機器人由電力和液壓混合驅動，具備識別目標、規避礙物、地形評估和自主導航能力，運動極為靈活，可直立行走、越障、通過複雜地形、搬運物體，甚至可以做出後空翻等高難度動作。至2030年，美軍計劃列裝的地面無人系統數量將超過陸軍士兵數量，無人潛航器達1000艘，90%的作戰飛機將是無人機。自2017年，俄軍開始大規模列裝無人系統，計劃2025年在俄軍裝備中佔比達30%，其中，40%的作戰飛機將是無人機。

智能化飛彈。智能化已成為飛彈發展趨勢，以美國海軍研發中的「遠程反艦飛彈」（LRASM）為代表[17]。在飛彈的態勢感知、精確制導、飛行控制等系統中引進人工智慧，可辨識出特定目標並予以精確打擊，可自主制定突防策略，規避防空反導系統攔截，還可在彈間分配任務，採取牽制、欺騙、強突等策略，提高打擊效能，以更好應對強對抗的戰場條件。

智能化保障。人工智慧可使用已有的維護手冊、文獻、經驗、案例和數據等資料，建立一個智能化裝備維修輔助系統，可有效克服傳統的故障診斷方法對維修模型的依賴性，在複雜故障診斷方面具備較大優勢，能夠大幅提高故障診斷的準確性，真正實現「基於狀態的維修」[18]。

2020年5月15日，美國空軍發布「天空博格人（Skyborg）原型化、試驗和自主能力發展」（SPEAD）項目的跨部門通告（BAA）。「天空博格人」項目旨在利用人工智慧，在無人機上實現自主飛行和自主管理部分作戰任務。2019年7月8日，美國空軍研究實驗室（AFRL）稱，將於當年夏開始測試「天空博格人」項目框架內的智能空中作戰程序，2021財年列入採辦並採用加速採辦模式，2023年對可部署的原型進行效能評估（圖片來自網際網路）

戰爭加速智能化

受戰爭需求和軍事鬥爭準備的強力牽引，軍事領域的智能化進程快速深入推進。隨著智能化要素向裝備全要素、作戰全過程、戰爭全領域的滲透，智能化作戰將成為主流的作戰樣式。智能化戰爭——作為信息化戰爭發展到更高階段的一種戰爭形態，也呼之欲出。

智能化武器裝備成為主戰武器裝備。與潛艇相比，智能化水下無人作戰系統的作戰性能和效費比更高。未來，水下一線作戰任務將更多由無人作戰系統承擔，潛艇則主要作為其搭載、釋放和回收平臺以及水下作戰指揮中心，不直接參與作戰。2017年，美國海軍水下作戰中心啟動「殺人鯨」超大型無人水下航行器（UUV）項目。該型UUV航程超過2000海裡，續航時間長達數個月，從本土港口或前沿基地出發，自主航行到戰區，可執行在港口隱蔽布雷、海岸線電子偵察、打擊水面艦艇和陸上目標、反潛、特種作戰等多種任務。

傳統武器裝備越來越多地由智能化武器裝備取代。無人機已成為美國參與局部戰爭和武裝衝突的主戰武器。在當前的阿富汗、伊拉克、葉門和敘利亞，美軍打的是「無人機戰爭」，「死神」「全球鷹」等無人機的使用強度和頻率遠超美軍地面部隊和有人駕駛戰機。自2016年，美國國防部開始逐步淘汰U-2高空偵察機，並由RQ-4「全球鷹」無人偵察機替代。美國研發中的用於替代B-52H和B-1B戰略轟炸機的B-21遠程轟炸機以及俄羅斯研發中的下一代轟炸機「未來遠程航空兵系統」（PAK DA），都一致選擇採用了有人/無人兩種技術方案。2020年2月至3月，土耳其軍隊在敘利亞伊德利卜省發起「春季盾牌」行動。行動期間，土軍出動大批無人機，重創敘地面部隊並直接影響了伊德利卜戰局，這也是戰爭史上首次將無人機作為空中力量主體大規模用於實戰[19]。

智能化指揮控制決策助力吹淡戰爭「迷霧」。傳統的指揮控制決策方法和手段越來越難以適應信息化戰爭需要。大數據、機器學習等人工智慧數據處理技術在海量數據的搜索、存儲、計算、挖掘等方面擁有人類無法相比的巨大優勢，尤其適合處理諸如衛星圖像、雷達信號這類目標數據。軍事信息數據經過數據處理和目標識別後，提供給指戰員，用於快速、準確地判斷和預測戰場態勢及其變化，從而大幅提高決策質量。2017年，美軍開始使用人工智慧分析處理關於「伊斯蘭國」的情報。

2019年6月11日，第二次試飛中XQ-58A「女武神」低成本可消耗無人機樣機。2015年，美國空軍提出了「忠誠僚機」計劃，目的是為F-22和F-35戰機開發無人僚機。XQ-58A已成為「天空博格人」項目的裝機試飛和實際平臺的候選。2019年11月21日，美國空軍裝備司令部（AFMC）宣布，選定「天空博格人」無人僚機、「金帳汗國」（Golden Horde）改造彈藥蜂群、「導航技術衛星-3」（NTS-3）等三個項目作為首批「先鋒」（Vanguard）項目。美國空軍將「先鋒」項目定義為「成為遊戲規則改變者」，意圖改變空中力量的作戰和運用方式（圖片來自網際網路）

智能化武器大量裝備倒逼編制體制和作戰編組變革。無人機的大量裝備和實戰使用，使得無人機作戰部隊得以批量組建並快速擴張，2007年，美國空軍將多個「捕食者」「死神」無人機中隊整合，組建世界首支成建制的無人機作戰部隊——第432無人機聯隊，該部隊現已成為美國空軍參戰頻率最高、承擔任務最重的作戰部隊。同年，美國海軍組建了世界上首支無人水下作戰系統部隊——第一UUV中隊，此舉標誌著無人作戰系統正式加入美國海軍水下作戰力量體系。

智能化武器裝備催生智能化作戰樣式。以美軍研發的「無人機蜂群」「分布式殺傷」這類集群作戰概念為代表。通過將具備不同功能的大數量無人作戰系統進行混合編組，採用分散部署形式，構建集偵察探測、電子幹擾、網絡攻擊、火力打擊等能力於一體的作戰集群，實行智能化集群作戰。作戰集群根據任務需求、戰場環境和威脅特徵，能夠自主完成戰場態勢感知和目標識別定位，在不同無人作戰系統間智能地分配任務，協同實施進攻與防禦，敵方防禦能力不足以應對，並具有高抗毀、低造價、彈性強、易拓展等作戰優勢。

可以預測，未來戰爭中，智能化將成為戰爭的制勝因素，智能化武器裝備將成為陸、海、空、天、網絡、電磁等所有戰場空間的主戰武器裝備並起到決勝作用，智能化水平將成為衡量一支軍隊現代化水平的重要標誌和評價其戰鬥力的核心標準。

《2019美國空軍人工智慧戰略》封面。2019年9月12日，美國空軍發布《2019美國空軍人工智慧戰略》。該戰略作為美國空軍人工智慧發展的指導性文件，強調人工智慧對21世紀空軍任務的重要性，並與2018年版《美國國防戰略》和《美國國防部人工智慧戰略》保持協調一致

迎接智能化戰爭直面智能化戰爭

當前，學術界已形成主流觀點，認為下一代戰爭將是「智能化戰爭」，但同樣存在不可忽視的聲音，認為人工智慧發展尚處在初級階段，距離實現或接近人類智能還很遙遠。

一方面，人工智慧應屬於信息技術範疇，從此角度看，智能化戰爭必然是信息化戰爭，是信息化戰爭發展的更高階段。另一方面，人工智慧已經展現出給軍事領域和戰爭形態帶來如同機械化戰爭、核戰爭那樣的革命性改變的潛力，但還需取決於人工智慧的未來發展。

對於智能化戰爭存在不同的理解，主要原因有三。一是以智能化武器裝備為代表的智能化作戰力量尚未成為主戰力量，二是智能化作戰樣式尚未廣泛使用，三是智能化戰爭的實踐和實戰經驗還很匱乏[20]。無論怎樣，戰爭形態的智能化發展趨勢已成，伴隨而來的，是如何應對智能化戰爭。

「遠程反艦飛彈」（LRASM）想像圖。2018年5月，B-1B戰略轟炸機搭載2枚LRASM飛彈再次完成了試射。LRASM飛彈依據規劃航路飛行，經中間制導，最後開啟自身導引頭，尋找並擊中了海上靶標。LRASM是在「增程聯合空面防區外飛彈」（JASSM-ER）基礎上發展而來，射程1000km，具備自主感知威脅、自主在線航跡規劃、多彈協同、目標價值等級區分、目標精確探測與識別、打擊部位甄選、電子頻譜監視與定位、區分敵方不同雷達信號等智能化作戰特點（圖片來自網際網路）

打贏智能化戰爭

打贏智能化戰爭，應深刻認識和深入研究人工智慧對戰爭和軍事領域的全方位改造，加快軍用人工智慧建設。

當前，人工智慧正對戰爭形態、作戰樣式和軍隊建設進行全領域、全過程、全要素的改造。具體表現在以下方面：智能化戰爭形態、智能化戰爭的制勝機理、智能化作戰樣式、智能化武器裝備、智能化指揮控制、智能化後勤保障、智能化軍隊的戰鬥力生成模式、智能化軍隊的編制體制、智能化軍隊的教育訓練等。

打贏智能化戰爭，可從「適應」「超越」和「打贏」等三個角度進行理解。可類比「打贏機械化戰爭」的問題。適應是打贏的前提。機械化戰爭是信息化戰爭不可跨越的戰爭形態發展階段，機械化戰爭能力建設是信息化戰爭能力建設的基礎。通過建設更高水平的機械化戰爭能力，打贏機械化戰爭。超越是打贏的捷徑。通過超前發展信息化戰爭能力，依靠「代差」優勢打贏機械化戰爭。1991年海灣戰爭，機械化的伊拉克軍隊應對信息化的美國軍隊，幾無還手之力。

適應、超越和打贏智能化戰爭，都需以智能化作戰能力為基礎。智能化戰爭中，智能化作戰為主要作戰樣式。作為類比，機械化作戰和信息化作戰分別為機械化戰爭和信息化戰爭的主要作戰樣式。

美國空軍「忠誠僚機」作戰構想。「忠誠僚機」是典型的人機協同項目，由美國空軍研究實驗室（AFRL）主導。項目旨在研發具備自主作戰能力、低成本的無人僚機，與有人戰機協同，增強美國空軍在對抗和拒止環境下的行動和作戰能力。無人僚機任務包括：攜帶較大數量武器，充當空中發射平臺，依靠F-35等有人戰機提供的目標指示實施攻擊；自主探測和打擊目標；為有人戰機吸引防空火力並摧毀威脅目標；防區外幹擾；作為ISR的信息融合節點。作為項目框架內的首個無人僚機候選，2019年3月5日，AFRL與克拉託斯無人機系統（Kratos）公司合作開發的XQ-58A「女武神」無人驗證機，在亞利桑那州尤馬試驗場完成首次試飛。2020財年，主要驗證在GPS和通信受到一定幹擾條件下的無人僚機對陸打擊能力，無人僚機應能夠對路徑、目標等進行自主規劃，並進行作戰效果評估。2022財年，驗證在通信受到較嚴重幹擾和欺騙且敵方具備防空系統情況下的有人-無人編隊對敵方空中防禦的壓制能力（SEAD），要求無人僚機具備對作戰區域內敵方電磁輻射信號的感知、識別和定位能力，並可自主或有人-無人協同實施電子戰（圖片來自網際網路）

研究智能化作戰

智能化作戰，智能力是核心能力。信息化作戰能力包括信息力、殺傷力、防護力、機動力和保障力等方面，所謂「五力制勝」，其中，信息力核心能力。對於智能化作戰，智能力雖屬廣義上的信息力範疇，但因其地位和作用，可獨立作為一個方面。這樣，智能化作戰能力包括智能力、信息力、殺傷力、防護力、機動力、保障力等方面，即「六力制勝」。

智能化作戰，需同時具備實施智能化作戰和反制智能化作戰的能力，是「一體兩面」。實施智能化作戰是進行反制智能化作戰的前提和基礎，反制智能化作戰可為實施智能化作戰提供保證和創造條件。建設實施智能化作戰的能力，應以軍用人工智慧是著眼點和抓手，就是要強化我方高性能計算這一「大腦」，強壯我方作戰雲這一「神經」，豐富我方作戰大數據這一「血液」。建設反制智能化作戰的能力，應以軍用人工智慧是主要作戰對象，就是要癱瘓敵方高性能計算這一「大腦」，切斷敵方作戰雲這一「神經」，枯竭敵方作戰大數據這一「血液」。

未來中短期內，主要研究內容可分為反制智能化武器裝備和反制智能化作戰樣式兩大方面。反制智能化武器裝備種類繁多，反制智能化作戰樣式豐富多樣。反制智能化武器裝備是隧行反制智能化作戰的物質基礎，反制智能化作戰樣式是隧行反制智能化作戰的方法途徑。

應開展以下方向研究：無人自主作戰系統及其作戰使用、集群與反集群作戰（包括蜂群（無人機集群）、狼群（機器人士兵、無人車輛集群）、魚群（無人潛航器集群）、彈群（飛彈集群）等）、分布式作戰與反分布式作戰、算法戰和反算法戰、馬賽克戰與反馬賽克戰、自適應電子戰、智能網絡戰、智能隱身與反隱身、智能化後勤保障等。

《保持人工智慧和機器學習的競爭優勢》報告封面。2019年7月13日，蘭德公司發布《保持人工智慧和機器學習的競爭優勢》研究報告，從組織計劃、文化、結構三個方面，對中美兩國人工智慧戰略進行了比較分析，認為中美兩國在實施人工智慧戰略的多個方面中各有優劣，美國的主要目標是保持在人工智慧領域的領先地位，報告還提出了美國空軍維持人工智慧優勢的若干建議

智能化戰爭制勝機理習主席明確指出，如果不把現代戰爭的制勝機理搞清楚，那就「只能是看西洋鏡，不得要領」。

戰爭制勝機理，是指為贏得戰爭勝利，戰爭諸因素髮揮作用的方式及其相互聯繫、相互作用的規律和原理。機械化戰爭依靠火力、速度和防護力制勝，信息化戰爭依靠信息優勢制勝。作為信息化戰爭發展的更高階段，智能化戰爭的制勝機理發生了顯著變化。

智能主導是智能化戰爭的基本特徵研究智能化戰爭，應充分認識到智能化戰爭是與機械化戰爭和信息化戰爭存在顯著差別的新的戰爭形態，並創新機械化戰爭和信息化戰爭的思維方式和話語體系。

如果智能化戰爭可視為一種獨立的戰爭形態，是因為存在著有別於機械化戰爭和信息化戰爭的標誌性特徵。

在制勝機理和戰鬥力構成上，智能化戰爭與機械化戰爭和信息化戰爭存在著顯著區別。能量制勝和信息制勝分別是機械化戰爭和信息化戰爭的制勝機理，而智能制勝是智能化戰爭的制勝機理。機械力和信息力分別是機械化戰爭和信息化戰爭最重要的戰鬥力，而智能力是智能化戰爭最重要的戰鬥力。

智能主導是智能化戰爭的標誌性特徵，正如能量主導和信息主導分別是機械化戰爭和信息化戰爭的標誌性特徵。

智能化作戰同樣遵循人類行為共有的邏輯規律，即：認知源自感知、認知是決策的基礎、決策是行動的指導、評估為行動的反饋，這樣，構成作戰過程的閉環。

與能量主導的機械化戰爭和信息主導的信息化戰爭不同，對於智能化戰爭，智能主導各個作戰環節。智能化作戰可分解為：智能化感知、智能化認知、智能化決策、智能化行動和智能化評估等環節。

襲擊俄羅斯駐敘利亞赫邁米姆空軍基地的小型無人機單架僅需500美元。這種商用無人機裝上彈頭、榴彈等武器，就能成為自殺式飛機炸彈。敘利亞戰場上正進行一場「無人機戰爭」。無人機越來越多地用於衝突和對抗。無人機可搭載傳感器、火力打擊武器乃至核生化武器等載荷，對人員、部隊、裝備和設施，實施偵察和軟/硬殺傷等（圖片來自網際網路）

智能系統是智能化作戰的主要對象智能化戰爭是戰爭形態的升級，而不是對機械化戰爭和信息化戰爭的全面替代。

一方面，根據人工智慧發展的現狀和趨勢以及不同國家軍隊之間和軍隊內部建設發展的不平衡現象將長期存在等因素判斷，在可預見的將來，信息化作戰和機械化作戰將與智能化作戰並存。

另一方面，具有較高智能化作戰能力的軍隊，將在軍事競爭和戰場對抗中佔據較大優勢，同時，智能化作戰能力成為「倍增器」「火車頭」「潤滑劑」和「粘合液」，可大幅提高機械化和信息化作戰能力。

在智能化戰爭中，智能化武器裝備和智能化作戰系統（以下簡稱「智能系統」）為主戰裝備，實施智能化體系作戰，智能化作戰樣式為主流作戰樣式。

智能化作戰的主要作戰對象是敵方的智能系統。智能化態勢感知、智能化指揮決策、智能化網絡通訊等智能系統是智能化作戰體系的關鍵和重要節點。通過打擊敵方關鍵和重要的智能系統，進而破擊和癱瘓敵方智能化作戰體系，這也是體系作戰的指導思想在智能化戰爭中的應用。

相比之下，機械化戰爭的主要作戰對象是武器裝備、作戰人員和基礎設施，信息化戰爭的主要作戰對象是傳感器、網絡和信息。見圖2和圖3。

機械化戰爭、信息化戰爭和智能化戰爭的作戰對象

進化作戰是智能化戰爭的基本樣式

人工智慧之所以成為戰略競爭熱點和前沿，軍事應用潛力巨大，前景誘人，在於其能夠模仿、加強、延伸和拓展人類的智能，這主要通過學習和進化實現。正如人的成長過程就是不斷學習知識和技能的過程，人工智慧同樣如此。

通過學習才能實現進化，學習過程就是進化過程，這也是軍事智能系統能夠替代人類執行高風險、高難度任務並具有更高的作戰效能的必然要求。

在高節奏、強對抗的智能化戰爭中，具備自主學習能力和在作戰過程中不斷進化的智能系統，通過持續與戰場環境、作戰對象、武器裝備進行交互和作用，更好感知戰場環境、正確認知作戰態勢、精準找到作戰重心、高效制定行動策略和合理評估作戰效果，將智能優勢轉變為作戰優勢。。

學習能力的強弱決定進化速度的快慢，進而決定智能水平的高低，乃至是否佔據作戰優勢。實際上，當前的這輪人工智慧浪潮，正是由深度學習、大數據和計算能力等技術推動的，深度學習是人工智慧發展的最強有力牽引。

智能化戰爭具有多種作戰樣式，而這些作戰樣式的共有特徵就是學習和進化。在此角度講，智能化作戰也可稱為「進化作戰」[21]。

學習主要依靠算法實現，進化作戰在很大程度上可視為「算法戰」。算法、算力和數據是人工智慧發展的內在動力，算法相當於智力，算力相當於速度，數據相當於資源，其中，算法是核心，決定人工智慧的智力水平。進化作戰，本質上就是智能系統的智力水平不斷提高的過程，這主要通過更先進的算法來實現。

《算法戰：將人工智慧用於戰爭》書籍封面，彼得·雷頓 著

敵方認知是智能化作戰的作戰重心

「戰爭有自己的語法，卻沒有自己的邏輯」，戰爭是為達成特定的政治目的，而政治在本質上是人與人之間的矛盾，因此，戰爭在本質上是人與人之間的衝突，目的是採取軍事等強制性手段，讓敵方服從己方的意志。換言之，戰爭最終要達成認知上的目的。因此，直接作用於敵方認知的作戰行動最為高效。

影響和改變敵方認知當視為作戰行動的根本目的。戰爭中，人永遠不會缺位。無論是機械化戰爭、信息化戰爭還是智能化戰爭，在戰爭形態和作戰樣式上的差異，制勝機理和戰鬥力構成發生了變化所導致的，並通過人的因素體現出，表現為對方雙方在認知上的相互作用和影響。戰爭過程中的軍事鬥爭、政治磋商、外交談判和經濟制裁等活動，實際上就是對抗雙方相互施加認知上的作用和影響的過程。

實際上，戰爭形態的演變，作戰樣式的發展，就是對敵方認知的作用和影響的能力不斷得到增強的過程，同時，也是認知域的地位不斷提高的過程。

不同的戰爭形態，也體現在對敵方認知施加的作用方式和影響程度不同。機械化作戰和信息化作戰的主要作戰對象決定了，主要是間接地對敵方認知施加影響，因此對敵方認知的影響相對緩慢且有限。實際上，「斬首作戰」「基於效果作戰」「破網斷鏈」等信息化作戰樣式，反映了將敵方認知作為作戰重心的努力。

智能化作戰以敵方認知為作戰重心，直接作用於敵方認知，通過在作戰過程中不斷學習進化，更高效地影響敵方認知，進而更快捷地達成作戰目的。

在眾多作戰領域中，認知領域（以下簡稱「認知域」）都是最重要的作戰領域。戰爭從認知域開始，也從認知域結束；認知域既是戰爭的目標領域，也是戰爭的歸宿領域。在智能化戰爭中，認知域的作用和地位得到前所未有的提升。

敘利亞反對派和「伊斯蘭國」使用的無人機多是基於商用多旋翼無人機的改裝。2017年10月8日，敘利亞政府軍設在代爾祖爾體育館的軍火庫遭「伊斯蘭國」無人機空襲，整個體育場被炸成焦土，損失彈藥上萬噸（圖片來自網際網路）

認知領域是智能化戰爭的制勝領域戰爭的作戰領域隨著人類社會發展而拓展，在不同歷史階段，對戰爭起決定性作用的制勝領域也有所不同。

根據屬性劃分，作戰領域可分為物理域、信息域和認知域。物理域是傳統作戰領域，由武器裝備、作戰平臺、軍事設施等構成，是戰爭提供物質支撐。信息域伴隨信息化戰爭而出現，已發展成為一個獨立作戰領域，是信息的產生、傳遞、處理和分發的虛擬空間。認知域是新興作戰領域，表現為由感知、理解、信念、價值觀等意識構成的虛擬空間，通常表現為作戰人員的素質和能力、部隊凝聚力、作戰經驗、訓練水平、態勢感知、國內外輿論等。

在不同的戰爭形態中，上述三個作戰領域始終存在，但作用和地位有所不同。物理域是戰爭的物質基礎領域，是機械化戰爭的制勝領域，也是機械化戰爭能力建設的重點領域。信息域優勢可增強物理域優勢，是信息化戰爭的制勝領域，也是機械化戰爭能力建設的重點領域。物理域和信息域的作戰效果均通過認知域體現出來，認知域作戰也會對物理域和信息域作戰產生直接影響。

不同形態戰爭中作戰領域的作用和地位

隨著戰爭形態演變，作為決定性作戰領域的制勝領域也會發生轉移，智能化戰爭中，認知域將成為智能化戰爭的制勝領域。機械化戰爭演變至信息化戰爭，制勝領域自物理域轉移到信息域。智能化戰爭中，可通過直接在認知域採取行動，進而取得決定性勝利。

當前，人工智慧的發展水平正處於認知階段。可用金字塔形狀表示人工智慧的發展階段，自下而上，分別為計算和記憶、感知、認知、創造力和智慧，逐步接近人類智能，其中，認知是關鍵階段，起到承上啟下的作用。人工智慧通過分析、理解、綜合、判斷、推理、決策、計劃等認知算法，處理由計算、記憶、感知等底層行為得到的數據，未來，還將能夠體現創造力和生成智慧。屆時，智能化戰爭的戰爭形態將愈發清晰，其內涵也自然更為明了。

智能化改造戰爭全部要素過程領域

對抗方式從體系對抗向算法對抗轉變，算法優勢主導戰爭優勢。人工智慧首先帶來的是算法革命，算法是智能化作戰效能巨大提升的關鍵。依靠算法優勢，軍用人工智慧可實現更精準的態勢感知、更可信的戰局研判、更迅速的指揮控制、更優化的作戰流程。

正是依靠算法優勢，智能化作戰相比信息化作戰具備速度優勢、認知優勢、決策優勢，具有更高作戰效能。2017年4月，美國國防部副部長羅伯特·沃克籤署「知識積累」項目（Maven）備忘錄，授權成立「算法戰跨職能小組」（AWCFT），旨在「將國防部擁有的海量數據迅速轉變為可用情報，以有效促進人工智慧、大數據、機器學習等技術在軍事情報領域的應用。」Maven項目使用基於深度學習的人工智慧，對無人機獲取視頻和圖像數據進行分析，為美軍在敘利亞和伊拉克軍事行動提供情報支撐。

作戰要素從有人主導向無人主導轉變，自主作戰重塑作戰流程。人工智慧將大大拓展戰場空間和作戰領域，物理域、信息域、認知域、社會域深度融合，基於多域傳感器邊緣計算、作戰雲、虛擬化協同組網、自組織動態調度、多源情報自動挖掘，可實現相比信息化戰爭時代更強的信息獲取和處理能力，相應地，作戰節奏更快，人的腦力和體力已無法適應。

智能化作戰，無人自主系統將成為主戰力量，自主作戰成為主流作戰樣式。例如，無人自主系統的集群作戰作為典型的智能化作戰樣式，可根據作戰目標，自主構建作戰體系，配置能力和分工任務，在自主評估基礎上，可快速解耦進行調整。

指揮決策從人腦決策向人機混合轉變，智能決策增強人腦決策。智能化戰爭中，即使人尚且不會離開指揮鏈條，但隨著雲端大腦、數字參謀、參謀助理、虛擬訓練等智能化輔助決策手段的發展，指揮決策已在由單純的人腦決策向人機混合決策轉變，人與機器的分工、交互、協同決策，將成為智能化作戰指揮決策的主要方式。

在指揮決策方面，人的優勢在於創造力、靈感和主動性，更能體現指揮決策的「藝術性」方面；而機器的優勢在於速度快、精度高、耐力好，更能實現指揮決策的「科學性」方面[22]。人機混合決策將成為戰爭史上前所未有的指揮決策方式，且將達到前所未有的指揮水平。

2020年3月，歐洲「應對混合威脅卓越中心」（Hybrid CoE）發布《人工智慧：推進混合戰的關鍵力量》報告。報告研究了人工智慧對於混合戰的催化和推動作用[23]

算法戰、算力戰、數據戰

算法、算力和數據，既是人工智慧發展的內在動力和核心支撐，同時也是破解智能化戰爭制勝機理問題的鑰匙。佔據算法優勢、算力優勢和數據優勢，既是智能化作戰的核心能力，同時也作為智能化作戰能力建設的目標。

相應地，智能化作戰可分為三大類——算法戰、算力戰和數據戰。

算法戰

算法制勝，算法優勢等同於智力優勢。算法是人工智慧的核心。人工智慧的發展直接受算法拉動，算法水平決定人工智慧智力水平。正是受益於算法的發展，人工智慧從技術層面的高效率工具上升為具備創造性思維的類人能力，從而蘊含著改變人類社會生態的無限可能，同樣體現在軍事領域。如果說AlphaGo是主要依靠大數據戰爭人類棋手，深度學習則使得AlphaZero能夠實現從零開始的自主進化學習，經過3天，圍棋等級分就超過所有人類棋手，經過40天就打敗了所有AlphaGo版本。

算法的進步，將使得人工智慧進入指揮決策領域並佔據主導地位，從而大幅提升作戰指揮水平。作戰講究「正奇之道」。若論「以正合」，即在作戰指揮的科學性方面，人工智慧相比人類佔據「先天」優勢；若論「以奇勝」，即作戰指揮的藝術性方面，人工智慧可比人類創造出更多「詭計奇謀」。

算法戰，取得算法優勢的智能化作戰概念的統稱。

算法優勢戰。通過開發更先進算法，在算法競爭中始終保持優勢，從而保持智能化作戰優勢，實際上是一種競爭性的作戰樣式。

算法欺騙戰。通過公開發布存在隱患或後門的先進算法，使其為敵方採用，進而掌握敵方人工智慧的行動模式或規律，或實施符合我方意圖的行動。

算力戰

算力制勝，算力優勢等同於速度優勢。計算能力是人工智慧得以應用和發展的前提和基礎。20世紀50年代和80年代的兩波人工智慧浪潮，之所以未能達到當前這波所能達到的高度和影響力，根本原因在於算力不能提供支撐。隨著計算能力的飛速提升和計算成本的快速下降，以及雲計算、邊緣計算等計算基數的發展，人工智慧發展的技術約束也在不斷減小，在此背景下，人工智慧的應用得以迅速拓展。

智能化作戰將以前所未有由的節奏展開，在很大程度上，作戰優勢取決於對抗一方誰能更快完成OODA循環。佔據算力優勢的軍用人工智慧，意味著可比對手以更快的速度完成OODA循環，從而佔據作戰優勢。量子計算機、光子計算機、生物計算機為代表的下一代計算機將提供前所未有的計算潛力，也必將促進人工智慧技術更上一個臺階。

算力優勢戰。通過具備更強大的算力，在算力競爭中始終保持優勢，從而保持智能化作戰優勢，實際上是一種競爭性的作戰樣式。

破雲斷網戰。人工智慧的算力，以雲計算為主導、邊緣計算為增強。基於此，通過摧毀關鍵雲計算節點、癱瘓雲計算網絡，大幅削弱敵方算力，使其人工智慧降級或失效。

數據戰

數據制勝，數據優勢等同於信息優勢。信息化時代，大數據相當於機械化時代的石油，是戰略資源。網際網路已深入滲透到人類社會所有方面，產生了海量的數據，並在不斷更新和迅速擴容。依靠人工智慧，對大數據進行挖掘和使用，可掌握更深層次、更廣維度的信息，這意味著信息優勢。實際上，對大數據的挖掘和使用能力，也是人類無法企及人工智慧之集中體現。

智能化戰爭時代，大數據將是最重要的戰爭資源，佔據數據優勢，是取得取得作戰優勢的充分條件。信息優勢是一種不對稱優勢，能夠放大已有優勢，發揮「倍增器」作用；能夠彌補現有劣勢，發揮「平衡器」作用。

數據枯竭戰。通過打擊敵方預警機、隱身有人/無人偵察機，癱瘓作戰網絡，截斷數據鏈，使敵方無法獲取數據或數據不足，其軍用人工智慧也因此降級或失效。

數據欺騙戰。實施智能化網絡攻擊，或通過幹擾、欺騙和操縱[24]，修改敵方軍用人工智慧所使用的數據，或者為其提供虛假或無效數據[25]，並因此作出錯誤的感知和決策[26]。

智能化作戰是具有強烈競爭性的作戰樣式，先天就有軍民融合的屬性，是典型的軍民融合作戰。

引文

[1] 1950年，英國科學家圖靈發表裡程碑性論文《機器能思考嗎？》，標誌著「人工智慧」（AI，Artificial Intelligence）正式成為一個科學和技術領域。

[2]人工智慧在攻克圍棋這一艱巨任務之後，開始轉向「星際爭霸」這類更為複雜的實時策略遊戲領域。實時策略遊戲屬於多智能體博弈，不僅在人工智慧領域極具研究價值，在社會管理、智能交通、經濟、軍事等領域也有巨大的應用前景。實時策略遊戲環境對於人工智慧技術的發展和解決複雜的實際問題都具有重要意義。現實社會中,路面交通、氣象預報、經濟預測、城市管理、軍事決策等均為缺乏完美和完整信息的複雜動態環境，對其進行建模仿真存在很大困難。相比之下，實時策略遊戲可提供與真實環境相似、非完美和非完整信息、長遠規劃、複雜問題決策的仿真環境，方法上可借鑑，既可用於找出現實問題的難點痛點，同時具備評估準確、迭代迅速、交互良好、布署方便、可重複使用等特點，是人工智慧領域極具挑戰的難題。在眾多的實時策略遊戲中，星際爭霸以其豐富的環境信息、逼真的環境場景等特點，被選用為理論研究和方法驗證平臺。自「星際爭霸」第一版於1998年發布以來，就被用作工智能研究的環境。自2010年，「星際爭霸」人工智慧遊戲國際比賽開始舉辦。基於「星際爭霸」進行的系列人工智慧研究，極大促進了機器學習、深度學習、博弈論、多智能體協同策略等領域的發展。因Alpha系列圍棋人工智慧聞名的Deepmind公司，其研發的「星際爭霸」人工智慧AlphaStar，自問世以來，已擊敗了99.8%的人類玩家，在「星際爭霸2」的神族、人族和蟲族都達到了宗師級水平。2019年1月25日，AlphaStar在「星際爭霸2」對陣兩位職業選手，均以5：0取勝。

[3]博弈遊戲一直是反人工智慧領域的重要研究課題。根據是否可以完全了解博弈信息，可將其分為完整和不完整的信息。完整信息是指博弈中的所有參與者都可完全獲得遊戲的所有信息，例如，圍棋和象棋。不完整信息是指博弈參與者無法獲得完整的信息，只有部分信息可見，例如，麻將或撲克。

[4] 2019年,在美國賓夕法尼亞匹茲堡Rivers賭場,卡耐基梅隆大學開發的人工智慧Libratus戰勝四位德州撲克的頂級選手，取得勝利。相比圍棋人工智慧，此次人工智慧在撲克牌領域的勝利是個更大進步。圍棋對弈雙方的信息是完整、對稱的，但在撲克牌遊戲中，對方底牌是隱藏的，人工智慧需要進行非完整信息的博弈。同年，卡耐基梅隆大學開發的人工智慧Pluribus，在不使用任何先驗信息的前提下，通過自我博弈的形式，從零開始學習，在六人桌無限制德州撲克比賽中，單機同時對抗五位全球頂尖選手，在一萬手回合中戰勝了13位人類專業大師，並在五機同時對抗一位人類高手的比賽中，分別在五千手回合中戰勝二位世界冠軍，成為人工智慧在遊戲中戰勝人類的又一個裡程碑，並被Science評選為當年十大科學突破之一。

[5]當前，世界主要國家均將發展人工智慧視為提升國家綜合實力和戰略競爭力的抓手。自2016年，美國發布《為人工智慧的未來做好準備》《國家人工智慧研究與發展戰略規劃》《人工智慧、自動化和經濟》《人工智慧與國家安全》等戰略性文件，執行人工智慧發展規劃及舉措。2018年1月，美國發布新版《國防戰略》報告，將先進計算、大數據分析、自主性、機器人等前沿技術發展視為影響安全環境的因素。2019年2月，美國國防部發布《2018年國防部人工智慧戰略摘要——利用人工智慧促進安全與繁榮》報告，分析了美國國防部在人工智慧領域面臨的戰略形勢，闡明了國防部加快採用人工智慧能力的途徑和方法。2019年7月，美國國防部發布《國防部數字現代化戰略》文件，該戰略文件將人工智慧列為在國防領域有應用前景的技術，也是美國國防部優先發展的技術之一。2020年，美國政府科技政策辦公室發布《美國人工智慧倡議首年年度報告》，宣稱將在人工智慧發展上保持「全球領導地位」。美軍各軍兵種也出臺了自己的人工智慧領域發展戰略。2018年8月，美國國防部發布《2017～2042年無人系統綜合路線圖》，作為無人系統領域為期30年的發展指南。2017年3月，美國陸軍發布《機器人與自主系統戰略》，作為美國陸軍首份機器人與自主系統發展的戰略性文件。2018年3月，美國海軍發布《無人系統戰略路線圖》，為無人系統全面納入海軍作戰提供指南。2019年10月，俄羅斯發布《2030年前俄羅斯國家人工智慧發展戰略》，明確了發展人工智慧的基本原則、總體目標、主要任務、工作重點和實施機制。2020年2月，歐盟發布《人工智慧白皮書》，計劃每年吸引200億歐元於人工智慧領域投資，提升歐盟國家整體的人工智慧發展水平。德國、日本、韓國、丹麥、芬蘭、紐西蘭、阿聯、義大利、瑞典、荷蘭、越南、西班牙等多國也於近年發布人工智慧領域相關戰略文件。

[6]美國國防部2020財年人工智慧預算申請總額達9.27億美元。2015～2019財年，人工智慧預算申請總額分別為0.78、1.65、2.96、3.30和4.26億美元。在2020財年預算文件編列的人工智慧領域項目數量上看，DARPA有21個項目，國防部長辦公廳（OSD）有12個項目，海軍有4個項目，陸軍有24個項目，空軍有6個項目，涉及人機互動、機器學習、信息共享、虛擬實境、可穿戴設備等多個方向。

[7]「阿爾法」空戰智能（Alpha AI）是美國辛辛那提大學開發的人工智慧系統。2016年6月27日，「阿爾法」在模擬空戰中擊敗了經驗豐富的空軍退役上校基恩•李。相比人類飛行員，「阿爾法」在空中格鬥中進行快速協調戰術計劃的速度提升了250倍。除了作為無人僚機，「阿爾法」還可控制無人機蜂群。

[8] ACE項目將通過使用無人機視距內機動（所謂Dogfight）測試，增強人類飛行員對自主空中作戰技術的信任，並實現在作戰飛機上應用。ACE項目將人機協作視距內空戰作為挑戰問題，該問題也是人機協作研究的切入點。ACE項目應用人工智慧技術於逼真的視距內模擬空戰，並研究增強人類飛行員對自主空中作戰技術信任的途徑。最終，ACE項目將從視距內空戰擴展到更為複雜、異構、多機場景和戰役層次。ACE項目創建了一個自主性框架，在框架內，制定總體交戰策略、目標選擇和排序、確定最佳使用武器、作戰效果評估等高級認知行為仍然由人類飛行員執行，即飛機機動、交戰戰術等低級行為則由自主系統完成。為此，人類飛行員必須信任自主作戰技術。

[9]參見「人工智慧空戰來了」，李大鵬，中國青年報，2019年7月25日，第12版。人工智慧操縱無人戰機，完全可以在空中格鬥中有著比人類飛行員更好的表現，這是ACE項目的立足點。「人工智慧+無人機」可以使用更高級的空戰技能和更有效的空戰策略，同時，其較高的戰鬥力水平和狀態也可以長時間保持穩定，這是人類飛行員無法相比的。一方面，相比人類，人工智慧在信息獲取、計算能力、運籌規劃、響應速度、武器使用等方面上佔據絕對優勢，且其「生理」和「心理」更加穩定，不會疲勞和厭倦，沒有興奮、緊張、慌亂、失神、絕望等過激和失控情緒。另一方面，無人機相比有人機，在速度、機動性、隱身能力、武器搭載等技戰術性能方面，受到的約束更小，有更大的提升空間。「人工智慧+無人機」成為空戰的主要力量，需主要解決技術和信任兩方面的問題，且這兩方面密切相關。一方面，將空戰勝利寄託到「人工智慧+無人機」上，對其信任是前提，以此為基礎，給予其相應且充分的作戰自主權限。另一方面，作為「人工智慧+無人機」獲得信任的充分條件，需要解決以人工智慧算法為核心的技術問題，使其不但可以實現較高的技戰術性能，同時又要處於人類作戰指揮的控制之下。算法是人工智慧的大腦，只有依靠空戰算法上的突破，才能邁過人工智慧空戰的門檻。空中格鬥中，以武器裝備為基礎，以智慧比拼為主導，以體能技能為支撐，與圍棋、西洋棋、撲克等比賽有很大類似之處，都屬於零和博弈的情形。人工智慧算法適用於空戰場景並將大有用武之地。不同於陸戰場和海戰場，空戰場的背景環境相對「乾淨」，空中目標相對有限，空戰策略也不比上述腦力運動更為複雜，並可借鑑在棋類運動中的博弈策略。「人工智慧+無人機」的空戰性能取決於算法的優劣，人工智慧空戰在很大程度上等同於「算法戰」。在「算法戰」概念框架內，美軍開展了圖像識別、遠程維修、精確後勤等方面多個項目，並已在阿富汗、敘利亞等地得到實戰檢驗，而ACE項目正是「算法戰」作戰概念的又一次落地。ACE項目清晰地勾畫出了人工智慧空戰的前景。隨著戰鬥機信息化水平和機動性能的不斷提高，對人類飛行員的身體和心理素質要求也在不斷提高，但相應地，人工智慧佔據的優勢也將愈發凸顯。ACE項目屬於典型的有人/無人混合編組概念。根據項目構想，人工智慧控制無人機執行視距內空中格鬥任務，人類飛行員處於更安全的位置上，主要承擔指揮調度等任務，將主要作為指揮員而非戰鬥員。有人與無人飛機發揮各自長處，進而大幅提高作戰效能，實際上，這正是未來戰場無人化趨勢在空戰場的體現。在無人空戰領域，美軍已經完成布局，並實施了系列研發項目作為支撐，包括「拒止環境下協同作戰」（CODE）、「忠誠僚機」等，研究內容以先進自主算法和監督控制為重點，目的是提高無人機自主協同能力。ACE項目可為「忠誠僚機」等有人/無人混合編組項目支撐。「忠誠僚機」框架內研發了多型無人機，包括XQ-58A「女武神」、F-16戰鬥機的無人化版本QF-16等，主要承擔偵察、電子戰、對地打擊等任務，但其研發初衷就有作為空戰型無人機的考慮，且技戰術性能也可以基本滿足未來無人殲擊機的要求。ACE項目將使用這些無人機作為演示驗證和飛行試驗的平臺。ACE項目主要面向無人殲擊機一類的空戰型無人機，其作戰對象主要是其他國家或對手的有人或無人機，以制空權作戰為主要任務。

[10] Alpha Dogfight挑戰賽自2019年開始舉行，旨在測試用於視距空戰（所謂的Dogfight）的人工智慧算法。前兩次挑戰賽分別於2019年11月和2020年1月舉行。根據挑戰賽規程，首先是每個公司的參賽團隊將其人工智慧空戰算法與美國空軍實驗室（AFRL）開發的算法進行對抗，然後是團隊之間進行對抗，再是對抗排名前四的團隊參加AlphaDogfight淘汰賽，淘汰賽的冠軍團隊再與F-16飛行員對抗。人類飛行員佩戴AR（增強現實）眼鏡，在空戰模擬器上駕駛F-16戰機，與人工智慧進行虛擬空戰。

[11] DARPA於2007年啟動「深綠」（DeepGreen）項目。項目命名受到了「深藍」計算機戰勝人類棋王的影響，旨在預測戰場動態變化，幫助指揮員提前思考和決策，並協助指揮員生成新的作戰計劃。「深綠」項目是將人工智慧引入作戰輔助決策的重要嘗試。2011年，「深綠」項目因經費和領導更換等原因終止。

[12]美國陸軍於2016年啟動「虛擬指揮官參謀」（Commander’s Virtual Staff，CVS）項目。該項目是繼「深綠」之後，美國陸軍在智能化輔助決策和指揮控制方面的又一重要舉措，旨在綜合應用人工智慧、雲計算、大數據等技術，更好地處理海量數據，更及時、準確、深刻認知複雜的戰場態勢，具有良好的人機互動界面，可進行高級數據分析並為指揮官提供決策建議，實現自動化和智能化的指揮控制，使得指揮官能夠聚焦研究構想、方案、決策等人類佔據優勢的工作上面來。

[13]隨著軟體定義網絡、認知網絡、雷達通信系統抗幹擾、低截獲等前沿技術和雷達、光電、電子等偵察設備的發展，電磁頻譜空間的對抗趨於激烈。電子戰設備可能同時受到幾十部甚至上百部電子設備的電磁輻射,要從海量信號中迅速截獲、分選和識別威脅目標並實施電子攻擊，電子對抗理念愈發力不從心。認知電子戰應運而生。通過先驗知識和自主學習，可在實時感知電磁環境基礎上，自主調整幹擾發射機與接收機，以更好地適應電磁環境變化，同時提高電磁幹擾的快速反應能力。認知電子戰裝備具備以下能力。實時威脅信號採樣及特徵分析。對目標信號進行檢測和處理，辨識目標狀態和行為特徵，確定威脅程度，判斷威脅等級。幹擾策略最優決策判斷。通過對目標信號的威脅感知，建立對抗目標多種狀態和幹擾樣式之間的對應關係，進而形成最優幹擾策略。實時對抗效果評估。通過認知偵察，感知實施幹擾後目標信號工作狀態變化，通過智能推理機制，分析目標參數變化，評估幹擾效果並反饋，指導下一步幹擾措施，以取得最佳的幹擾效果。認知電子戰系統由軟體定義可重構偵察幹擾設備、設備控制中間層、認知電子戰應用程式、認知引擎中間層和認知引擎等5部分組成。軟體定義可重構偵察幹擾設備是認知電子戰系統適應電磁環境、對抗未知威脅目標的硬體基礎，可根據認知引擎學習推理的結果，對偵察幹擾設備的功能和參數進行在線軟體定義和重構。設備控制中間層是對偵察幹擾設備的軟體控制接口。認知電子戰應用程式可根據平臺(機/艦/車載)、對抗目標(雷達/通信/光電)、應用場景等靈活部署。認知引擎中間層是認知引擎的控制接口。認知引擎是系統核心,也是認知電子戰與傳統電子戰系統的最大區別。認知電子戰系統典型工作過程。從威脅環境中偵察和分選出目標信號，測量和辨識幹擾目標參數，監控當前所用幹擾信號的反饋結果和幹擾目標的狀態轉換情況，評估幹擾效能，在此基礎上進行幹擾策略優化，重新配置幹擾資源。

[14]為研發無人蜂群管理和交互方面的技術並快速形成蜂群戰術，DARPA實施了OFFSET項目。2017年2月15日，DARPA發布「進攻性蜂群使能戰術」（OFFSET）項目的跨部門公告。OFFSET項目旨在研發用於在數量100以上的空中無人機和/或地面機器人組成的蜂群戰術，以及研發由250個或更多數量組合進行蜂群行動的小型無人機和地面機器人，用於在複雜的城市環境中協助人類部隊完成多樣化任務。DARPA使用Unity 3D、Unreal等遊戲開發平臺軟體來創建蜂群作戰場景，並建立類似遊戲世界的交流社區，以不斷提高蜂群戰術水平。OFFSET項目周期為42個月。

[15] MQ-1「捕食者」及其升級版MA-9「死神」無人機久經戰爭考驗。自2001年以來，兩型無人機飛行時長超過600萬小時，其中90％是作戰時間。MQ-9為多用途無人機，可情監偵（ISR）、支援與打擊等，並拓展到海上監視、飛彈防禦、通信中繼和電子戰等任務。MQ-9可參與殺傷鏈的所有環節（搜索、定位、跟蹤、瞄準、交戰與評估），也可為所有環節提供支持。MQ-9可用於實施有人/無人協同作戰，例如，引導有人平臺投放了雷射制導炸彈。MQ-9無人機的可用性、戰備水平以及採購、維護、單機飛行時間、服役年限等成本方面非常優秀，任務率可達90％。MQ-9的運營方式靈活，可購買或租借使用。美國的盟友和夥伴也購買了大量MQ-9，進而有效提升了協同作戰水平。MQ-9不斷在升級改進。MQ-9可自行部署，也可由C-130運輸機運輸。MQ-9續航力強，執行任務期間通常無需空中加油。

[16]參見「翻江倒海『波塞冬』」，李大鵬，解放軍報，2018年8月24日。「波塞冬」的打擊目標是沿海城市，極具戰略威懾力。沿海地區往往是各國政治、經濟、文化、貿易中心，其安全和穩定直接關乎所在國家和地區的根本利益。「波塞冬」攜帶核戰鬥部威力相當於兩百萬噸TNT當量，可隱蔽航行至敵國海岸，通過核爆炸摧毀其重要的沿海城市、海軍基地、沿岸經濟設施和航母打擊群，殺傷大量人口，製造放射性汙染。根據威懾效果和打擊威力，「波塞冬」屬於「戰略核武器」類別。2018年3月，美國國防部發布《核態勢評估報告》，將「波塞冬」歸入到俄羅斯「三位一體」戰略核力量的組成部分。「波塞冬」既可在碼頭自主起航，也可由核動力潛艇搭載並釋放。針對前一種方式，尚可以使用天基力量嚴密監控俄方基地、港口、碼頭，對「波塞冬」的出航發出早期預警。針對後一種方式，各國現有的反潛力量和技術水平基本無能為力。因為，核動力潛艇本身具有極高的航行隱蔽性，脫離潛艇後的「波塞冬」動向更加難以探測。即使「波塞冬」被發現，對其實施反制的手段也非常有限。在北約體系的所有魚雷型號中，只有一款輕型魚雷的最大工作深度可以達到1000米，但其最大航速僅50節。美國海軍水下打擊武器的主力是MK54輕型魚雷，其最大航速僅40節，且只適合淺水使用。近年來，受多重因素影響，俄羅斯武器裝備研發投入持續下降。在此背景下，以「戰略遏制」為基本指導，俄軍武器裝備奉行「不對稱」發展理念，通過具備不對稱的技戰術性能，取得不對稱的作戰能力和威懾效果。「波塞冬」便是這一理念的產物。

[17]參見「美軍飛彈智能化發展態勢研究」，郝雅楠等，戰術飛彈技術，2020年第1期。當前，美軍在役或在研的智能化飛彈主要有「戰術戰斧」「遠程反艦飛彈」（LRASM）、「標準3」「灰狼」等。「遠程反艦飛彈」（LRASM）反艦飛彈智能化主要體現在：自主識別目標和攻擊。美國軍方稱，LRASM藉助人工智慧，可在航運密集的海面上從眾多船隻中準確識別出特定類型艦船目標；在網絡切斷情況下自主尋的打擊。在網絡環境下，LRASM採用GPS/INS與多模導引頭制導模式，數據鏈不斷更新目標數據，在GPS被幹擾和網絡被切斷時，則採用先進慣性測量裝置以及具有自動目標識別算法的多模導引頭，可自主尋的打擊目標。「戰術戰斧」巡航飛彈智能化主要體現在：配備智能化實時再瞄準系統，在飛行過程中對飛行路線進行自主規劃；根據評估毀傷情況重新選擇攻擊目標，具備飛行過程中的再瞄準能力，並具備對重要地面固定目標和活動目標瞄準點的精確選擇和命中能力；所使用的雷射雷達導引頭具備強幹擾背景下自動目標識別能力。「灰狼」巡航飛彈通過智能協同來應對全球一體化防空系統的威脅，提高導航能力、生存性以及打擊特定目標的能力。「標準3」反導飛彈智能化主要體現在動能攔截器上。動能攔截器採用先進的全反射光學系統以及長波紅外成像導引頭，同時在Block1的基礎上改進了紅外成像導引頭的校準信號和雙波段長波紅外成像性能，能從彈頭和突防裝置中識別出真假目標。

[18]美國陸軍正與IBM公司合作，利用該公司「沃森」（Watson）超級計算機和人工智慧，追蹤和實時分析「斯塔萊克」戰車的技術狀態，開展「基於狀態的維修」，以便預測裝甲車可能出現的故障並找到原因。「基於狀態的維修」的前提是準確判斷裝備的實際狀態，預測裝備可能發生的故障和需要的維護作業。傳統的維修模式是利用故障診斷模型來分析裝備的狀態，因此，模型的準確性和完整性對故障預測的結果影響較大，且對於多過程、多源性、突發性的故障以及複雜系統故障的預測方面，存在較大局限性。「沃森」能夠理解人類的提問，並基於超強運算能力和海量存儲信息，可在短時間內給出答案。「沃森」曾用於醫療領域。美國陸軍為IBM公司提供了350輛「斯塔萊克」戰車在過去15年期間的維修歷史記錄和50億個相關的傳感器讀數，以及「斯塔萊克」項目組、製造商和美國陸軍研究實驗室的相關資料。「沃森」通過IBM雲技術獲取車輛傳感器讀數，結合對維修歷史記錄的學習，能夠辨識車輛存在的異常現象，並預測可能出現的故障。「沃森」還可通過學習維修技術手冊、預防性維修方面的期刊文章、材料修理手冊與圖表等文獻，識別出可能出現異常的零部件以及潛在問題，給出技術文獻中記載的造成這類潛在問題的原因以及最佳解決方案，維修人員可參考「沃森」給出的信息，確定採取的維修方法和所需零部件。「沃森」還可將地理、天氣、地形等更多信息納入故障分析過程，並通過持續地從維修人員的反饋中學習，進一步提升預測準確性。「沃森」可準確預測車輛故障，預防重大事故發生，延長車輛使用壽命，提升車輛維護效果，降低全壽命成本，提高車輛戰備水平，降低執行任務風險。「沃森」可使裝備不再需要定期維護，降低零部件需求和庫存，簡化供應鏈，減輕後勤壓力。未來，「沃森」將與美國陸軍的全球作戰保障系統、後勤現代化計劃等系統整合，提升綜合後保障效能。

[19]參見「無人機正改變敘利亞戰爭形態」，劉暢，文匯報，2020年3月6日。土耳其國防部長阿爾卡稱，自2020年2月28日以來，土軍摧毀了敘政府軍的1架無人機、8架直升機、19輛步兵戰車、103輛坦克、72門榴彈炮與火箭炮、3套防空系統、15門反坦克炮與迫擊炮、56輛裝甲車以及9處彈藥庫，打死1212名敘政府軍士兵。敘國防部稱，攻擊敘軍陣地的土耳其無人機被擊落6架。此前，土軍曾於2018年使用無人機打擊敘利亞庫德武裝，但此次行動是首次用於打擊敘政府軍，如此高密度、大規模的無人機打擊可能是戰爭史上首次。土軍無人機不僅在伊德利卜前線作戰，也滲透到阿勒頗和哈馬附近的敘政府軍機場，還在阿勒頗使用無人機實施「斬首行動」，清除了10餘位敘政府軍將領。土軍主要使用的是「安卡-S」大型中空長航時無人機和「巴拉克塔TB-2」中型中空察打一體無人機。「安卡-S」為土耳其航宇工業公司基於以色列「蒼鷺」無人機研製，2010年12月首次推出，為土耳其自主研製的首型大型中空長航時無人機，機長8.6米，翼展17.5米，最大平飛速度217千米/小時，續航時間超過24小時，實用升限9000米，最大起飛重量1600千克，最大任務載荷200千克，基礎型可全天候執行ISR任務，裝備空地飛彈和雷射制導炸彈的武裝型可執行打擊任務。「巴拉克塔TB-2」無人機機長6.5米，翼展12米，最大平飛速度220千米/小時，實用升限8200米，續航時間超過24小時，最大起飛重量630千克，最大任務載荷55千克。

[20]參見「我們該如何應對智能化戰爭挑戰」，李大鵬，中國青年報，2019年4月4日，第11版。

[21]參見「智能化戰爭怎麼打」，李大鵬，中國青年報，2019年7月11日，第12版。

[22]參見「如何奪取智能化戰爭優勢」，李大鵬，中國青年報，2019年5月23日，第12版。

[23] 「歐洲應對混合威脅卓越中心」（Hybrid CoE）成立於2017年4月，總部位於芬蘭首都赫爾辛基。卓越中心的成員以北約和歐盟國家為主，包括美英法德等國。該機構成立的目的是監測和評估歐盟和北約的弱點、提高應對混合威脅的意識以及防止混合威脅的發生。2020年3月，該中心啟動「混合戰：未來與技術」計劃，旨在評估並增進對混合戰以及新興技術巔覆性潛力的認知與理解，掌握相關技術趨勢，研究有效應對混合威脅與挑戰的方法，並提出了19種對混合戰具有緊迫和深刻影響的技術趨勢。其中，「人工智慧：推進混合戰的關鍵力量」是該系列報告的第一篇。報告指出，人工智慧將增加戰爭的複雜程度，作為未來戰爭和軍事行動的關鍵使能技術，人工智慧和機器學習等必將應用於軍事領域的各個方面，對混合戰爭有著巨大的推動作用。人工智慧技術將推動混合戰的演變進化，未來軍隊需要藉助人工智慧提高速度、精度和效能，以取得信息和認知方面的優勢。人工智慧技術的作戰優勢主要體現在：提高數據處理和制定決策的效率；通過預測減少管理和參謀人員的工作量；通過自主系統提高情報監視偵察能力並降低風險。人工智慧將支持未來軍隊快速高效地收集、分類和分析各類情報數據。人工智慧在優化流程和提高效率方面的巨大潛力，使其成為軍事和情報部門的核心優先選項。人工智慧可從戰略到戰術層面賦予多種軍事應用以新的優勢，特別是通過大數據分析、優化流程、保障戰略和作戰規劃，大幅加快決策過程，並以結構化的方式利用任何可用的數據源，實現多領域態勢感知。在戰略層面，人工智慧使能系統可以支持與當前危機有關的複雜模擬，特別是實時模擬，能夠詳細評估以複雜和動態方式思考和行動的混合戰對手。在戰役層面，將結構簡單但容量較大的數據輸入自動化指揮系統（C4I），可加快並優化決策流程，確保決策者獲取重要信息。通過高度複雜的動態模擬，人工智慧可預測使用新技術的效果，以及將新技術集成到現有系統的最佳方法。人工智慧可用於開發新的作戰概念。在戰術層面，人工智慧可為作戰車輛乘員提供更好和更快的態勢感知，通過識別人員或目標類型以及潛在的危險行為，實現威脅的自動檢測。各類軍事信息系統還可使用人工智慧以自然語音的形式來記錄信息，並將其數位化，以預處理的形式提供給相關系統，從而顯著提高效率。人工智慧可減輕後勤負擔，提高作戰響應時間。同時，人工智慧也帶來混合威脅。一是對手國家及其代理人獲得人工智慧先進武器，對西方部分地區和人口安全構成重大威脅。二是對手可能利用人工智慧傳播虛假信息，破壞大型資料庫、算法和網絡。三是人工智慧本身的行為具有不可預測性，易受數據汙染、對手操縱等因素的影響。四是人工智慧自主系統之間發生快速交戰，人類被排除在外，失去對人工智慧自主系統的控制。

[24]深度偽造可實現數據欺騙的效果。深度偽造（Deepfakes），是深度學習（Deep learning）和偽造（Fakes）兩個英文單詞合成而來，是一種利用AI程序和深度學習算法實現音視頻模擬和合成的技術。深度偽造的音視頻可達到以假亂真的程度。深度偽造可實現換臉，模擬真人聲音，虛造人像。深度偽造可對個人、社會和國家安全帶來風險和危害。深度偽造的美國國會眾議院議長南希的一段視頻曾出現在社交媒體上，在Facebook上獲得超過250萬次的瀏覽量。美國前總統歐巴馬的臉曾被深度偽造用來攻擊現任總統川普，在網站上獲得480萬次的瀏覽量。實際上，深度偽造已成為一種新的信息戰工具。深度偽造技術可讓虛假信息以高度可信的方式呈現給公眾，進而操縱公眾情緒和輿論，引發社會動蕩乃至分裂。深度偽造可能被惡意對手利用，詆毀政黨和領導人，幹預國家和地方選舉，煽動恐怖和暴力活動，激發社會內部矛盾。2019年6月13日，美國眾議院情報委員會召開聽證會，探討深度偽造對國家、社會和個人的風險及防範和應對措施。深度偽造計劃也可造福人類。例如，用於醫療、健康、教育、藝術等領域，例如，改善醫學圖像，彌補聽力缺陷，用於還原歷史人物的肖像和音視頻，讓藝術作品中的靜態人物「活起來」。近年來，美國指責俄羅斯幹預其總統選取，而深度偽造則被認為是最具威脅的一個可用手段。

[25]人工智慧與反制人工智慧相伴而生。人工智慧之所以能夠準確識別目標、快速做出決策、精準規劃任務，在於深度學習提供的算法支撐和訓練樣本提供的數據支撐。算法和數據都存在被幹擾、欺騙和操控的可能。例如，人工智慧的訓練樣本不可能覆蓋所有目標，尤其是軍事數據源自戰場的對抗環境下，存在數據量少質差的問題，且人員的主觀活動很難學習，這就導致人工智慧難以訓練出覆蓋所有樣本特徵、判斷高度準確的模型，造成訓練模型邊界與真實決策邊界之前，不可避免地存在偏差。這個偏差常稱為「對抗樣本空間」。2015年，提出「生成對抗網絡」（GANs）的人工智慧學者古德費洛，給熊貓的圖片增加進細微的人為噪聲，即令99.3％的人工智慧模型識別錯誤，而將熊貓誤判為長臂猿。利用對抗樣本空間已成反制人工智慧的重要途徑。輸入樣本幹擾。通過給智能作戰系統輸入特定擾動，使得判定目標進入對抗樣本空間，導致學習模型判斷出錯。對於圖像傳感器，可針對其算法，採取快速梯度攻擊、雅克比映射攻擊、深度欺騙攻擊等方法，通過塗裝特定幹擾圖案、製作幹擾偽裝網等方式，使得智能系統獲取的圖像信息進入對抗樣本空間。對於無線電傳感器，可通過施加無線電幹擾信號，使得智能系統難以進行學習和分析。採集樣本幹擾。樣本採集處於非合作的對抗環境下，必然造成樣本數據的碎片化、質量差和數量少。可以將對抗前置與算法模型之前，即在敵方採集樣本數據時實施幹擾。幹擾敵方樣本採集。通過隱藏、壓制等方式，使得敵方無法獲得重組的樣本數據。幹擾敵方算法建模。通過設置假目標、釋放假信號等方式，使其算法模型難以收斂並存在較大誤差。

[26] DARPA開展了「確保人工智慧抗欺騙可靠性」（GARD）。隨著機器學習（ML）組件的成熟和普及，蘊含漏洞的可能性也在增大。目前，對抗性人工智慧研究主要集中在微小輸入幹擾對機器學習分類器的欺騙性以及改變響應方法上，已經提出了數十種攻防方法，但總體而言，仍然缺乏對機器學習漏洞的全面理論認知。

請長按下方二維碼關注我們