美軍“算法戰”能否改寫現代戰爭規則

金 寧　石海明

隨著現代科學技術的迅猛發展，戰爭已轉變為一門科學，戰爭的智能化趨勢愈發凸顯，而“戰爭算法”就是其中重要的技術支撐。算法是指解題一類問題的準確而完整的描述，代表著用系統的方法解決問題的清晰指令和策略機制，常用于計算、數據處理和自動推理。2017年，隨著美軍正式提出“算法戰”概念并組建機構開展相關研究，“算法戰”正式由概念轉變為實踐。從當前的發展趨勢來看，戰爭算法蘊含著改寫現代戰爭游戲規則的巨大潛力，這雙“無形之手”將塑造未來戰爭的新圖景。

“算法戰”的提出

2017年4月26日，美國防部正式提出“算法戰”概念，并將從更多信息源中獲取大量信息的軟件或可以代替人工數據處理、為人提供數據響應建議的算法稱為“戰爭算法”，同時美國防部決定組建算法戰跨功能小組，以推動人工智能、大數據及機器學習等“戰爭算法”關鍵技術的研究。美軍這一看似突然的舉措實際上由來已久，適應了現代戰爭的迫切需求。

實戰需求 “戰爭算法”源自信息化作戰過程中出現的復雜難題。隨著現代戰場在空間上的拓展，復雜多樣的戰場信息傳感器遍布陸、海、空、外層空間和電磁網絡空間，各類情報偵察與監視預警信息呈爆炸式增長，由此產生的海量信息數據超出了情報分析員們的能力范圍，令人難以招架，導致戰場信息收集不及時、有效信息產出時效性低、反饋失誤等嚴重問題。與此同時，無人機蜂群、群化武器等新式智能化武器裝備與新型作戰樣式的提出，對指揮員決策的時效性、準確性、靈敏性提出了更高要求。運用不同數據類型和數據運用要求所需的標準化分析算法從而建立起數據自主分析系統，能夠縮短觀察、判斷、決策、行動環（OODA）的反應時間，節省數據帶寬，有效提升數據處理和挖掘效率，從而減少戰場態勢感知的不確定性，在智能決策、指揮協同、情報分析、戰法驗證以及電磁網絡攻防等關鍵作戰領域發揮作用。隨著戰爭從體能較量、技能較量發展為智能較量，戰爭算法與人工智能和指揮控制系統相關聯并在其中占據關鍵地位，是實現智能化作戰和建設智能軍隊的技術基礎。

概念基礎 “戰爭算法”的概念深植于戰爭歷史之中。從我國古代的各類兵法、陣法與戰法到一戰前德軍的數學公式推演和圖上作業，從1914年提出的蘭徹斯特方程到美軍在海灣戰爭前的兵棋推演，戰爭始終既需要計算也需要“算計”，只是在各個歷史時期的形式與載體不同。而隨著現代科技的發展，軍用軟件成為了“戰爭算法”的載體，利用計算機對戰場問題進行準確完整的描述并產生清晰的作戰指令和策略機制，是信息化戰爭算法的新形式。20世紀90年代以來，美軍借助“戰術地面報告系統”地圖規劃軟件、ScenGen無人機人工智能系統和LGC等任務規劃軟件計算任務中所有的可能結果，并致力于探索利用獨有算法從多類型多源數據中自主獲取和處理信息的能力。因此，此次美軍“算法戰”的提出并非無本之木，而是建立在深厚的算法探究基礎之上。

體系支撐 2015年12月，美國提出第三次“抵消戰略”，圍繞智能化和自主化重點發展五大關鍵技術領域，當時就已包含了推進人工智能領域算法的措施。2017年4月，美國防部副部長鮑勃·沃克正式發布名為“Project Maven”的備忘錄，對“戰爭算法”進行了描述。聯系美軍此前在算法領域的部署不難看出，沃克此次提出的“算法戰”概念本質上是第三次“抵消戰略”的貫徹執行。美軍于2016年就已成立了系列機構用以發展顛覆性作戰能力，包括戰略能力辦公室與快速能力辦公室新設立的相關服務功能、國防創新實驗單元等，而“算法戰跨功能小組”實則是這一系列機構中的組成部分，在人工智能研發領域扮演“探路者”角色，其實驗結果將為后續戰爭算法的大規模研發和應用奠定基礎。據悉，為適應“算法戰”的需求，除已成立的機構外，美國國防部還將設立“機器學習中心”，負責將智能算法引入國家安全領域。在致力于開發戰爭算法的體系建設支撐下，美軍的“算法戰”正在不斷加速推進。

“算法戰”的內涵

戰爭離不開算法。隨著人工智能的進步，尤其是隨著類腦設備的發展，戰爭算法將在處理數據、計算能力等方面有巨大提升，并與兵棋推演、人工智能和指揮控制系統相融合，成為未來戰前預演、戰時感知與智能決策的關鍵核心。

戰爭預演 任務規劃軟件一直是美軍進行戰爭預演的重要工具。自20世紀90年代開始，美國陸軍就已開始研發“戰術地面報告系統”地圖規劃軟件，并由此發展出已納入美陸軍作戰指揮系統的戰術地面報告系統，通過運用算法實現巡邏隊級別單位直接的促進協作和信息共享，成為了美軍在非洲與中東戰場行動中不可或缺的工具。在“沙漠風暴”行動之前，美軍通過計算機兵棋推演系統尋找作戰計劃中的漏洞，經過完善和修正之后的實際作戰結果與推演高度相似，體現出了美軍推演系統的先進性。目前，美軍已將算法與兵棋推演系統深度融合，系統能夠基于一系列算法公式測試作戰計劃，預見戰爭走向與結局，比如美軍拓展防空兵棋系統（EADSIM）的視線算法公式。EADSIM系統由美國Teledyne Brown Engineering公司開發研制，是一個集分析、訓練、作戰規劃于一體的專業多功能防空兵棋系統，其強項在于能夠對導彈預警、攔截、打擊進行較為精細的模擬。該系統的描述能夠達到武器平臺層次，比如單架戰機，同時還具有較詳細的指揮自動化功能模型以及靈活的想定管理，能夠實施雙邊或多邊的對抗推演。目前，EADSIM系統在國防分析與訓練領域己得到廣泛應用，在全球的用戶己超過390個。美國EADSIM系統的成功應用體現出，在算法支撐下的兵棋推演和作戰實驗，通過驗證已有戰法和實驗作戰計劃，能夠為最終的作戰方略提供切實的經驗支撐。而在實戰對抗之中，具有高質量算法支撐的一方在戰前就能夠通過實驗獲取最優戰法并準確預測戰場局勢，從而實現未戰先勝。

戰場感知 在實際運用過程中，戰爭算法并不是孤立而行，而是作為人工智能的“大腦”，成為智能感知戰場并由此用于決策、指揮和協同的關鍵。比如，機器學習、遷移學習等智能算法可以解決戰場對抗條件下態勢目標的自主認知問題，幫助指揮員快速定位、識別目標并判斷其威脅程度；無人機蜂群作戰中的算法運用可管理并幫助無人僚機感知戰場態勢，自主生成作戰建議。當前，美軍致力于利用算法提升無人機戰場態勢自主化處理能力。以往，無人機傳感器獲取的全動態高清態勢視頻由數據分析師通過人工模式進行解析，這種解析方式由于更高分辨率和更快幀傳輸效率的高質量全動態視頻數據而受到了挑戰，數據分析師難以及時處理爆炸式增長的戰場態勢數據。解決該難題的出路在于利用自主化傳感器處理和智能化信息生成，從而減少通信帶寬和人工負擔。2016年8月，美國防科學委員會向國防部建議設立專門的機載自主傳感系統項目，以解決無人機全動態高分辨率視頻數據的搜集和處理需求。為了賦予無人機動態視頻態勢處理的自主性，美軍利用先進算法推進人機結合的作戰方式，建立起自主性態勢模型的認知啟發型構架，從簡單的計算邏輯演化到能夠進行自主推理的系統，從而降低全動態視頻數據人力分析負擔，提升決策速度。這一全動態視頻數據的算法包含一套具有人工智能特征的深度學習模型，包括了目標確認模型、情景確認模型與威脅確認模型，推動了人工智能算法發展成為未來戰爭的核心力量。

決策輔助 借助人工智能算法，美軍算法戰跨職能小組的任務在于研制快速處理數據的軟件，實現對目標的高效探測、分類和預警計算，收集提供高質高量高時效性的國防情報，并推進與情報領域相關的機器學習、深度學習和視覺算法等先進算法的研究，用以輔助軍事決策。當前，人類情報分析師在面對海量視頻數據時將大量時間花費在觀察視頻、尋找異常點等低效活動上，難以應付實時傳輸、多方來源、體量龐大的數據信息，與之形成鮮明對比的是，運用算法收集情報高速高效且結果精確，能夠為戰場決策提供及時且優質的參考，并且通過實時戰場的反饋算法能夠不斷得到修正更新。當前，美軍通過發展模擬人腦神經元信息處理機制的深度神經網絡技術，不斷增強融合了深度神經網絡技術與計算機的“類腦計算”能力，即類似于人腦的新型計算系統。從20世紀80年代開始，美國國家航空航天局、美國國防高級研究計劃局、美國國防部相繼資助與神經網絡計算相關的項目，其中包括計算機芯片真北的研制項目，該芯片采用了類腦神經網絡設計，能夠實現快速地運算、通信、存儲，在圖像識別與綜合感官處理等復雜功能方面的效率遠高于傳統計算機芯片，具有巨大的國防應用潛力。運用了算法的“類腦”計算系統在未來戰爭中有望成為增強現有作戰系統對抗能力的關鍵，在人機協同作戰中促進機器學習人類成功經驗，為指揮員選擇戰爭時機、計算戰爭規模、預測戰爭持續時間、謀劃戰爭布局等方面發揮重要作用。

如何打贏“算法戰”

可以說，智能化戰爭時代是算法和數據的較量。“算法戰”概念的提出進一步改變了未來戰爭的形態，一個信息網絡也許就能控制未來戰場的一切，而戰爭中一方硬件上的劣勢也許能夠通過算法的優勢得到彌補甚至逆轉。“算法戰”預示著未來戰爭的變革、機遇與挑戰，誰能搶占智能算法制高點，誰就能搶占先機，未戰先勝。

推進智能算法研究 由于戰爭算法是智能化建設的關鍵領域，美軍對此的研究不遺余力。2017年，美國財年國防預算中約有120億～150億美元用于人工智能和自動武器的研發。目前在負責人工智能研發的5家美國聯邦機構中，3家帶有軍方背景。同時，美軍加快深度學習技術向應用的轉變，自2017財年開始增加三軍的深度學習科研項目，其中包括研發可用于低功耗平臺的嵌入式深度學習算法與稀疏數據分析的深度學習技術，以及通過深度學習方法和人工神經網絡實現目標分類等內容。直到2017年底，剛成立半年的美軍算法戰跨職能小組就已開發出首批4套智能算法，體現出了美軍加快進行智能化建設的良好效果。因此為了搶占戰爭算法先機，我們需要加快推進智能算法的研究，并結合人工智能、兵棋推演與作戰實踐，在不斷探索研發中完善創新戰爭算法。值得注意的是，戰爭算法并非完美無缺，也存在漏洞與安全隱患。比如，美軍F-35戰機擁有幾千萬條代碼，嚴重依賴控制系統的軟件，戰機在試驗過程中曾暴露出的兩百余項問題幾乎都與軟件的算法高度關聯。一旦算法由于過于陳舊無法適應裝備發展，或是遇到臟數據的影響出現差錯，抑或是其本身存在漏洞，都極有可能導致武器裝備無法正常運轉。由此可見，推進智能算法研究與創新迫在眉睫。

大力培養優秀算手 人才是智能算法領域的第一資源，先進智能算法的研發與應用離不開優秀的算手。首先，需要培養吸納多學科、多方向的算手人才。算法從概念到計算到公式的研發，包含多專業多學科的知識結構，需要軍事與技術的深度融合，也要求軍事與數學的緊密結合。美軍算法戰跨職能小組內部人才隊伍龐大，呈現跨學科融合的態勢，不同專業、學科和職能的算手之間通力合作，共同創新算法。另外，應在軍隊各部門各軍種培養優秀算手。無論是戰場指揮員、情報分析人員還是機關參謀，通過運用由算法支撐的人工智能處理、分析、統計和輔助決策，有利于推動戰場感知、戰爭決策、后勤保障、情報偵察等多領域的智能化，是提高軍隊決策與運行效率、提升戰斗力的有效途徑，因此能夠利用算法收集情報、分析數據、判斷局勢的優秀算手需要走向前臺。只有大力培養優秀的算手以適應智能化戰爭的新需求，才能贏得未來戰爭的勝利。

拓展算法應用空間 戰爭算法具有巨大的應用潛力，需要與各個領域相結合從而不斷探索其效用。當前，美軍正不斷擴展戰爭算法的應用范圍，算法在兵棋推演、自動武器、裝備保障、物流運輸等多個領域中的作用已受到關注與研究，而這些努力都為其智能化體系建設提供了重要支撐。此外，隨著人工智能的發展應用，算法需要與人工智能相結合，為實現武器裝備自主搜索目標、處理數據和自主決策提供技術支持。尤其是在人工智能逐步介入戰爭指揮的情況下，算法使得機器能夠在人機協同作戰中扮演不可或缺的“參謀”角色，算法先進與安全與否直接決定了人工智能的應用效果與戰爭決策的效率和準確性。由此可見，戰爭算法貫徹于智能化體系建設的多領域，應當通過持續的研發與創新實現其在各個軍事領域的應用價值，以適應智能化戰爭的技術需求。