從復雜性視角看智能化戰爭

喬廣鵬 英建彬 王玉帥

隨著以深度學習為代表的人工智能技術取得重大突破，機器學習實現了由基于規則向基于學習的轉變，在圖像識別、語言處理、知識輔助等方面取得了巨大成功，并逐步用于作戰，創造了新的復雜性。英國著名物理學家霍金曾說：21世紀將是復雜性科學的世紀。2021年的諾貝爾物理學獎就頒給了三位在“復雜系統”科學領域做出突出貢獻的物理學家。從復雜性視角審視人工智能對戰爭的影響，對于理解智能化戰爭，加強國防和軍隊智能化建設具有重要意義。

智能化作戰體系的復雜性分析

在大國競爭的背景下，復雜性已被美軍視為一種為對手制造多重困境的武器，智能化武器裝備的發展更增加了復雜性的產生與運用。

2021年諾貝爾物理學獎由Syukuro Manabe、Klaus Hasselmann和Giorgio Parisi（從左到右）共同獲得，以表彰其在理解復雜物理系統方面的開創性貢獻

魯棒性是指系統在不確定性的擾動下，具有保持某種性能不變的能力。作戰體系的組成是復雜的，由許多具有自主特征和適應能力的組分系統組成。智能化武器裝備往往都經過了大量數據的訓練，具備較強的糾錯能力，再加上人的監督與干預，可以使得體系的組分系統更加緊密地結合在一起，也能夠避免很多由人為因素引起的“失之毫厘，謬以千里”的傳統失誤。然而，一個新事物對于體系貢獻的魯棒性和脆弱性總是相伴相生的，就像《反脆弱》作者塔勒布講的“三元結構”，他認為所有的事物遇到威脅時會表現出三種狀態：脆弱性、魯棒性和反脆弱性。智能化武器系統和平臺因其智能互聯而威力成幾何級數增長，但同時其內部算法、數據的邏輯關系越復雜，越是存在諸多不可預知的“bug”，面對外部干擾越具有脆弱性。它可以成為作戰體系的利劍，也可成為作戰體系的“阿喀琉斯之踵”。例如，無人機群可以發動群體攻擊釋放巨大威力，也可能遭到網電攻擊而瞬間團滅，伊朗就曾使用電子戰迫降RQ-170，擊落RQ-4無人機。如何從脆弱性到魯棒性，如何從魯棒性到反脆弱性，是面向智能化戰爭的作戰體系建設應思考的問題。

伊朗曾使用電子戰迫降RQ-170

適應性造就復雜性。機器學習從基于閾值到基于規則，再到面向目標的自我指導，使得武器自主性在逐步增大。美國防部在2011年的無人機系統路線圖中闡明了自主性發展的四個階段：人工操作—人工授權—人為監督—完全自主。在這個過程中，人工智能為更加適應環境的復雜性，其學習和進化能力不斷增強，從而造就更加復雜的復雜性。例如，微軟的實驗性聊天機器人Tay，上線后被推特上的水軍利用攻擊性的推文進行了再培訓，導致Tay在回答一些問題時使用了種族主義俚語，表現出了極右意識形態；俄羅斯的一款名為愛麗絲的人工智能聊天機器人，僅上線一天就變成了“流氓”。這本不是建造者的初衷，然而面對人工智能的學習和進化，他們卻也無可奈何。

復雜系統的個體一般都遵循相對簡單的規則，大量個體的集體行為產生出了復雜、不斷變化且難以預測的行為模式。隨著智能化技術在軍事領域的廣泛運用，作戰實體之間發生的連接和相互作用越來越多，就像是人的神經元，單個神經元非常簡單，但無數個神經元連在一起形成一個復雜網絡，就會涌現出思維和意識。這些涌現現象在不同的環境中往往有不同的表現，因此系統會出現1+1＞2和100-1=0兩種截然不同的表現。例如，現代防空雷達是針對飛機研發出來的，然而對于低慢小目標無能為力。在實戰中，這些帶有一定智能性的飛行器，通過自協同、自適應究竟能達到什么樣的作戰效果，誰也無法預料。

智能化戰爭的復雜性給我們帶來的優劣勢分析

中科院自動化所某研究員曾講：“真正的智能必須源自復雜性”。美軍近幾年也多次提及復雜性，并將其運用到大國競爭中。我們應采用復雜性視角，從進攻和防御兩個角度來審視人工智能在未來戰爭中給我們帶來的影響。智能化戰爭復雜性的優勢主要包括以下幾點。

宙斯盾防御系統也難以抵御“飽和式突防”

超量化運用指的是以大量低成本的智能武器代替復雜的、多用途的、高價值的作戰平臺，以數量優勢換取質量優勢，短時間內根據戰場環境快速部署，使敵人的防御頃刻飽和。智能化還可以使這些裝備個體比傳統的有人系統進行更密切而高效的協作，從而獲取一種整體作戰效果。更為重要的是，集群武器能夠通過大量部署，總體上保持質量優勢，而不是一味地通過消耗獲取概率優勢，既可以增強己方執行任務的適應性、多樣性，又可以使對方增加防御成本。例如，美軍試驗“飽和式突防”作戰概念，當8架無人機突防宙斯盾防御系統時，至少1架成功；但如果是10架突防時，則會有3架獲得成功。還有“消耗式防御”“掩護式機動”“固定區域掩護”“智能微瞄準”等作戰概念，都取得了全新的作戰效果。

新質戰斗力不僅源于先進科技的發展應用，還來源于人工智能對老舊裝備的賦能。隨著人工智能、大數據、云計算等科技的迅猛發展，偵察、監視、控制等一系列武器裝備的智能化水平實現了質的躍升，無人自主、人機協同、跨域融合、全域作戰等全新作戰能力進入實戰運用。能力的多元化可以讓我們獲得跨域優勢，對敵實施不對稱作戰。比如，俄軍2015年在敘利亞戰場上首次成建制使用機器人部隊，采取“無人在前、有人在后”的作戰編組，不僅在火力上對有人部隊實施了精確打擊，還在心理上實施了二次打擊，取得不俗成果；2020年納卡沖突，交戰雙方大量動用無人機，改寫了人們對制空權的理解。另外，老舊坦克、戰斗機加上人工智能技術，可以脫胎換骨，實現自動化或者自主作戰，將會成為一種殺傷力大、靈活性高的無人作戰裝備，重新換發新的戰斗力。

現代戰爭高度信息化，各類傳感器、偵察監視平臺、情報終端產生了海量數據，指揮員做決策時面對的信息復雜度越來越高。智能化進入輔助決策后，傳統的作戰環OODA（觀察Observe、調整Orient、決策Decide、行動Act），正在演變成PCDA（感知Perceive、認知Cognize、決策Decide、行動Act），人參與其中的環節減少，但是層次提高。在機械化、信息化、智能化“三化”融合發展的階段，機械化基本可與強敵并肩齊驅，但信息化還存在一定短板，突出體現在指揮控制領域。在這種形勢下，智能化與強敵同時起跑，一方面根據數據需求有助于倒查信息化建設的不足，另一方面基于人工智能的技術優勢有助于追平強敵在指揮控制領域的優勢。

智能化戰爭復雜性的劣勢主要包括以下幾點。

作為人工智能技術的重要基石，神經網絡通過運用特定結構進行搜索和映射而表現出智能特征。但是到目前為止，人無法解釋神經網絡的運作原理，也不能清楚地理解神經網絡中每一層提取特征的具體功能，無法將數據與原理相對應。在神經網絡的“黑箱”中，存在一種反人類直覺和難以預料的脆弱性。從技術層面上說，讓機器產生高置信度的欺騙圖像是存在的，通過給機器注入虛假數據以操縱其行為也是可行的。因此，人工智能的發現能力看似強大，實際上缺乏穩健性。2013年就發生過類似事件，黑客攻擊了美聯社的推特賬戶并發送了“白宮爆炸事件”的虛假推文，導致股票迅速暴跌。未來人工智能深入到作戰的各個環節，在高度對抗性的環境下，更增加了戰場的不確定性，帶來的“未知的未知”風險將嚴重存在。

2015年，俄軍在敘利亞戰場上首次成建制使用機器人部隊

智能化戰爭的作戰環

級聯反應指在一系列連續事件中前面一種事件能激發后面一種事件的反應，最典型的就是1996年的北美大停電。1996年8月，美國電網的一條電線由于無法承受高溫而斷電，該線路上的電流自動地轉移到其他線路上，被轉移的線路由于無法長時間承載強大的電流，進而也斷電了，電流又繼續向其他線路傳遞，就這樣引發了連鎖故障，造成了美國11個州和2個加拿大省份的大停電。電力網絡的這種級聯反應在互聯網上同樣適用。如果某個路由器出了問題，會自動提示傳輸協議跳過故障節點，將信息包發送到其他的路由器。如果出現故障的路由器承擔的流量非常巨大，那么就會給相鄰的節點帶來巨大的壓力。因此，只要刪除互聯網上幾個大的節點，就能很容易地造成災難性故障。“聯接”是體系的基礎，未來智能化戰爭的重要特征就是萬物互聯。網絡結構隨著作戰實體的層次不同、種類多樣、規模巨大而越來越復雜，關鍵節點、故障規模、影響程度更加隱形，一旦遭到打擊或者出現故障，可能出現“黑天鵝”事件，無法預測。

2020年，伊朗首席核科學家被一把嵌入了人工智能算法與多個攝像頭的遙控槍暗殺

智能化戰爭一個重要的特征是人從臺前走到了幕后。距離上，人可以近在眼前，也可以遠在天邊；邏輯上，人可以在殺傷鏈的回路中，也可以在回路上，還可以在回路外。由于仿生學的發展，智能武器系統也實現了“隱身”，既可以是萬米高空的無人機，也可以是身邊的麻雀、蒼蠅，攻擊手段更加隱蔽，給對手的“頭”部安全帶來了巨大威脅，難以查證、難以追溯，戰爭打得不僅不是堂堂之陣，有可能還弄不清對手是誰。例如，2020年伊朗首席核科學家被一把嵌入了人工智能算法與多個攝像頭的遙控槍暗殺，現場沒有人為因素，槍擊過程全部由遠程控制的自動武器完成，其幕后實施者成了一個謎。槍械這一幾百年來不斷進化的武器，在被計算機化和技術疊加復雜化之后，顯然也“追隨”戰斗無人機，加入了常人難以想象的高科技武器庫。人工智能后，萬物皆可智能，萬物皆可攻擊。

應對智能化戰爭復雜性的思考

近年來，美軍及相關智庫多次提及復雜性，并強調：在大國競爭和戰爭中，復雜性是一種武器，美軍必須充分理解復雜性的性質和價值，即理解復雜性將如何用來作為攻擊手段，以及在作戰中如何運用復雜性。為應對復雜性，應從以下幾個方面加強建設。

“戰爭是最不確定性的王國”。贏得戰爭的首要一點是具備反脆弱能力，能夠在這種變化快、風險高的環境中生存下來。一是要提高體系的冗余度。塔勒布在《反脆弱》一書中說，“冗余是機會主義，看似是一種浪費，但即使在沒有危險的情況下，這種額外的力量也能帶來一定的益處。”例如，2011年日本福島核電站泄露，看似是由于地震引起的天災，可實際上卻是一起“人禍”。因為核電站的建筑標準，本身就存在設計缺陷：核電站的建造者，只是按照過往發生過的最強地震設置了安防措施，卻從未想過如果未來發生了更大地震該如何應對。智能化戰爭是一個全新的作戰樣式，體系能否經得起考驗，不應在實戰中尋求答案，而是在要預想最壞情況、做好最壞打算的前提下設計體系，不僅夠用而且要保持一定的冗余度。二是要促進體系演化。尼采說：“殺不死我的，使我更強大”。強大的體系除了精妙的設計外，還離不開運行中的演化。就像機器學習一樣，再好的模型也不是建立之初就表現出極強的智能，而是要不斷地試錯，在環境的反饋中調整參數，才能有良好的學習效果。同樣，一個成熟的體系需要外部不斷地進行刺激，在隨機事件和不確定性當中彌補自身的不足，才能提升應對外部風險的能力。

智能化作戰體系作為一種新的作戰樣式，需要保持一定的冗余度

人工智能雖然在很多方面超越了人類，但是智能化戰爭并不是要人走開，而是用人工智能輔助、解放和增強人，通過人機智能融合，實現人的自我超越，因此人仍然是智能化戰爭的核心。一是要增強指揮員的科技理解力。人類以什么樣的方式生產就以什么樣的方式對抗。我以你不懂的方式進行作戰，便形成降維打擊。智能化技術的發展加快了這種代差的形成速度，戰爭黑科技層出不窮，稍不留意就有可能陷入對手的降維打擊中。對于一名指揮員來說，不懂科技就會制約思維，準備的往往是上一場戰爭。二是要增強指揮員對智能化戰爭復雜性的認識能力。決策不是大腦中隨機擲骰子，而是建立在認知的基礎上的一種復雜的思維過程。復雜性給了我們很多反直覺的認識，比如規模法則中的非線性冪律關系、離散事件之間的相關關系、封閉系統的熵增定律等，運用到作戰中已遠遠超越了穿插迂回、分割包圍的戰術思想。美軍已經列出四大類受益于利用復雜性的行動：降級作戰圖、削弱紅方反應能力、跨組織邊界行動和利用非線性行動。如果不加深對復雜性的理解，指揮員的作戰思維跟不上智能化戰爭發展，在復雜的形勢下，正確決策的能力就會大大降低。

邊緣是相對指揮中心這個功能地位而言的，但實際上現代戰爭的邊緣與中心的界限正在變得模糊，中心的作用在弱化，而邊緣的作用在增強。智能化引入作戰后，體系的組織結構已逐步由中心化的緊密耦合型組織向去中心化的松散耦合型組織演化，指揮控制上也逐步由集中指揮分布執行向分散指揮控制演化。面對快節奏的戰場環境，指揮決策窗口轉瞬即逝，作戰實體有時候必須第一時間作出反應，也就是我們所熟知的現代戰爭是“快魚吃慢魚，而不是大魚吃小魚”。從這個角度上說，智能化戰爭中，領導者和指揮機關扮演的更多是“數據中臺”的角色，在物理結構上是將各個作戰實體的數據匯總、整理和分發，在功能邏輯上是資源樞紐和能力共享平臺。因此，必須賦權周邊、賦能周邊，組織結構上提升作戰實體的功能地位，減少數據流通跨度；技術上增強邊緣計算的能力，提升作戰實體自適應的能力，真正地實現網絡化作戰。