摘要：2024年7月15日，欧洲陆军互操作性中心发布研究报告《人工智能和未来战争》。报告指出，人工智能作为一种能将人类从重复性工作中解放出来、优化决策流程的新兴工具，已日益成为军事领域不可或缺的一部分，其对于重塑战争形态、提升作战效能具有深远的影响。本文基于上述报告，介绍了人工智能塑造未来战争的方式，包括网络战、无人系统、军备竞赛、军事互操作性等，并探讨了人工智能在道德和法律方面的漏洞。
关键词：人工智能，网络战，无人系统，军备竞赛，互操作性
人工智能与网络战
1.何为网络战？
在以互联互通和数字依赖为特征的时代，网络战的出现为冲突引入了新的维度，即战争不仅发生在物理战场上，还发生在广袤无垠的网络空间里。自上世纪90年代互联网开始普及以来，网络空间已逐渐发展成一个全新的国际领域。不同于陆、海、空、天等广为人知的自然领域，网络空间属于人造维度，它的出现既提供了新机遇，也带来了新风险和新挑战。
网络的互联互通性侵蚀了数字边界，迫使各国重新思考网络空间的“领土性”，并在全球范围内引发了对该动态领域进行监督和管理的需求。该需求因个人、次国家实体和政府为获取自身利益利用网络空间进行破坏性活动的趋势而变得愈发迫切。可见，网络空间已演变成现代战场的一部分。
假设战争具有广泛性，且包含所有类型的战争，则网络战可大体理解为“与传统动能战争并存的一种战争形式”，其最显著的特点是发生在虚拟空间里。具体而言，网络战可定义为“由国家或政府策划和发动的数字攻击，目的是破坏对手或盟友的计算机系统、网络和关键基础设施或进行间谍活动。”因此，网络战是一种出于政治动机、涉及数字工具和技术的黑客行为，旨在对目标国家的关键基础设施、信息系统或社会政治结构进行战略攻击。
随着网络战的概念不断演进，在日益互联的世界中重新评估传统战争和安全观念的必要性也随之加强。网络攻击不仅会构成军事威胁，还会损害重要的社会功能，如社会基础设施、公共服务等。此外，网络攻击的门槛低、成本小、责任难以追究，导致任何人都有可能通过该手段影响国家安全；网络攻击还会以前所未有的方式赋予国家和非国家行为体在国际层面上施加影响的能力。因此，网络战已被多国视为最严峻的威胁之一。
虽然网络战并没有从根本上改变战争的实质，但它们使非传统行为体能够对经济和社会造成重大损失，从而引发新的安全问题。鉴于当前的防御系统在抵御网络攻击方面的脆弱性以及网络空间的特性，这些安全问题无疑加剧了人们内心的恐惧。实际上，网络攻击可在极短的时间内发生，速度快至让传统的防御机制难以迅速做出反应——这是网络战与传统动能战争的又一大显著差异。因此，在将传统的冲突法应用于网络空间时，应充分考虑网络空间的独特性而采取不同的策略。尽管网络空间的竞争日趋激烈，但相应的战略和风险缓解措施的发展却相对滞后，导致网络安全问题变得更加复杂和棘手。
目前的网络战略主要采取的是防御性方法。由于缺少攻击性元素，这些战略无法适应不断演变的网络战形势，导致在应对敌方网络行动时难以形成可观的效果，而人工智能（AI）或将改变这一局面。例如，尽管目前绝大多数网络攻击是由人类策划和发起的，但人工智能未来有可能接管这些工作，通过自动化和智能化更快、更高效地评估和渗透系统。人工智能驱动的网络行动有可能对系统造成更大规模的破坏并构成重大的安全挑战，军方须为此做好准备。
2.攻击型人工智能
随着人工智能的能力日益精进，其彻底变革网络空间冲突方式的潜力既带来了令人期许的前景，又带来了令人生畏的风险。人工智能可以通过诸多方式促进人类活动，包括恶意和非法活动。实际上，近年来的一些趋势表明，越来越多的攻击是由人工智能驱动的。
攻击型人工智能可定义为“利用人工智能制造更密集、更有害且更难以察觉的网络攻击。”一种新型的网络攻击正在出现，其特点是在攻击过程中同时使用人工智能和传统方法，以增强制造大规模伤害的潜力。人工智能可提高网络战的可行性和危害，使一个国家能够超越地理和政治边界，对他国的军事、政治、经济和社会系统进行攻击。
尽管人工智能的价值和创新能力早已深入人心，但矛盾的是，其最显著的优势也是其最大的危险源。人工智能的危险性体现在其利用智能网络物理基础设施等复杂系统的能力上，这些系统涵盖智慧城市、无人驾驶汽车、自动化医疗设备和智能住宅等领域。人工智能既能推动这些领域的发展，又能将它们武器化。人工智能系统的自主性、人工智能系统之间的互联性以及人工智能系统与物联网之间的互联性有可能成为不法分子得以利用的破绽，使原本仅存在于某个单一智能体的漏洞蔓延至整个网络。
人工智能可通过多种方式强化黑客的网络攻击。挪威科技大学研究员奈克塔里亚·卡卢迪（Nektaria Kaloudi）在《关于基于人工智能的网络威胁格局的调查》（The AI-Based Cyber Threat Landscape: A Survey）一文中将人工智能驱动的网络攻击分为五类：下一代恶意软件、语音合成、基于密码的攻击、社交机器人和对抗性训练。
下一代恶意软件指利用人工智能技术创建具有自我学习和自适应能力的高级恶意软件，以规避检测和利用漏洞。人工智能可以收集大量数据，并从构建算法的数据规则和模式中学习其他技能。
人工智能驱动的语音合成可以逼真地模仿人声，创建令人信服的欺诈信息，诱导受害者泄露敏感信息或执行他们正常情况下不会执行的操作。人工智能增强型密码攻击则利用算法分析泄露的密码数据集中的模式来预测密码，从而提高密码破解效率，同时绕过传统的安全保护机制。
人工智能还可用于生成社交机器人，扩大社交媒体上的虚假信息宣传活动，并通过模仿人类行为与真实用户互动来操纵公共舆论。对抗性训练是一种利用人工智能技术来增强网络攻击者规避防御系统能力的方法。具体而言，对抗性训练涉及在训练阶段使用对抗性样本，这些样本故意设计成让模型在特定任务上出错，通过反复训练来提高模型的鲁棒性。
除上述五类网络攻击外，人工智能还能改进鱼叉式网络钓鱼攻击，即发送给特定人群的电子邮件可能包含恶意软件附件或下载链接。在该方面，人工智能文本生成器（如Chat GPT）可用于编写可信度极高的电子邮件来诱骗受害者。
利用上述技术，恶意行为者将能够以前所未有的速度、规模和效率开展网络攻击，同时绕开大多数传统的检测机制。然而，现有的网络安全基础设施似乎不足以应对如此先进的网络武器，而且鉴于人工智能驱动的网络攻击的复杂性，这些设施也无济于事。
3.防御型人工智能
人工智能不仅能增强网络攻击，还能用于对抗攻击型人工智能。随着人工智能驱动的网络攻击威胁日益加剧，人工智能在网络安全领域的防御性角色也愈发重要。网络安全涵盖各种旨在保护网络、计算机、软件应用程序免受攻击、干扰和未经授权访问的技术、协议和策略。这一系列措施可通过人工智能和机器学习得以强化。防御型人工智能旨在利用人工智能系统来增强网络安全防护，包括利用人工智能来应对传统方式难以有效解决和管理的安全挑战。防御型人工智能有望在未来的网络安全防护中发挥关键作用，依靠其独特的能力提供智能化和自动化的安全服务和产品，用于恶意活动识别、欺诈检测、网络攻击预测、访问控制与管理、网络异常或入侵检测等。
与传统的、基于静态规则和数据来识别可疑模式、行为和活动的系统不同，人工智能能通过机器学习算法不断改进。这意味着它们不但能识别已知的攻击模式，还能识别新的攻击技术，并在此过程中不断扩充数据集，从而提高快速、准确检测未来攻击的能力。此外，防御型人工智能还能在某些情况下让安全人员摆脱单调、耗时的重复性工作，使其将注意力放在需要人类创造力的项目上。同样，与人类相比，人工智能可全天候不间断运行，这无疑增强了系统的安全保障能力和应急响应能力。
然而，在网络安全领域，人工智能可以加强系统在网络空间的防御能力，但目前这些技术与人类的智慧和创造力相比仍有距离。随着人工智能开始涉足传统上由人类完成的活动，攻防平衡间新的不对称性就有可能产生。
人工智能在军事行动中的应用
1.战术、作战和组织层面的改进
人工智能系统与军事行动的整合引发了一场剧烈的范式革命。机器学习、深度神经网络和强化学习使机器能够利用超出人类程序员理解范畴的方法，从训练数据过程中汲取有价值的洞见。此外，这些技术还能让机器在军事行动期间管理更大量的数据。这场革命推动了军事行动从基于规则的确定性系统向由数据驱动、以特定结果为导向的方式过渡。
由于人工智能具备处理大量数据、快速分析复杂情境以及促进明智决策的能力，其与军事战略的融合将彻底改变武装部队在现代战场上规划作战方案、执行任务和适应多变环境的方式。作为功能强大的工具，人工智能可帮助军事规划人员快速、精准、灵活地调整实现预期目标所需的军事力量，特别是在应对“枯燥、肮脏和危险”的工作方面。首先，人工智能可以防止人类生命受到危害，特别是通过使用无人系统。这些无人系统可以取代人类操作员或遥控飞机，在更靠近战场前线的位置使用，同时免去了通过高带宽信道将数据传输回基地的需要，避免关键信息被对手截获。
其次，人工智能可以替代人类完成艰难和重复性的工作，使人类更加专注于需要人类创造力的任务。人工智能最终有可能解决若干人力问题，如缓解人力短缺或使武装部队在不扩编的情况下维持或提升战斗力。人工智能可以降低国防部门的劳动力成本，特别是在后勤和侦察方面，同时提高生产率。这些技术还能优化工作流程，使复杂系统中的信息交流更加顺畅，决策过程更加明朗。
事实证明，人工智能是支持数据分析师和提高人员工作效率的重要工具，特别是在情报和国防部门。人工智能具备捕捉、处理、存储和分析视觉数据和数字数据的能力，可提高决策者可用数据的数量、质量和准确性。人工智能有能力处理海量数据，因此能有效应对信息过载问题。互联网和社交媒体平台每天都会产生大量数据和信息，而这些数据和信息已日益成为情报收集工作的基础。近年来，大数据和开源情报（OSINT）的价值水涨船高，以至于有人将其称为“21世纪的新石油”、“世界上最具价值的资源”等。
由于开源情报数据库过于庞大，仅靠人工来获取和分析极其艰难。在这种情况下，人工智能可在分析人员进行分析前初步筛选数据（保留有用数据和过滤无用数据）。人工智能可在战场上充当军事分析人员的“智能虚拟助手”，通过自动化技术同时扫描多个数据库和图像来识别威胁，这不仅能有效减轻人为工作量，还能提供关键的情报信息，帮助分析人员及时发现潜在威胁和制定应对方案。总的来说，人工智能不仅可以提高数据处理效率，还可以增加情报分析的深度和广度，为决策者提供更加全面的信息支持。
2.无人系统
无人系统是人工智能在军事领域的一大典型用例。无人系统指的是在完全没有或仅有部分人类干预或监督的情况下运行的系统，可通过整合人工智能技术来实现。无人系统的形式多样，包括自主车辆、飞行器、坦克、潜艇，甚至杀伤力强大的人工智能武器系统（AIWS）等。
无人自主系统对于军事行动的意义重大。它们能够进入人类无法涉足的环境，收集以往人类无法获取的数据；还能执行会对人类构成风险乃至致命威胁的任务。此外，由于自主系统是基于算法运行的，因此它们的反应速度比人类操作员和遥控系统快得多。
人工智能武器系统除了具有强大的杀伤力外，还具有减少附带伤亡的好处。自主武器系统能更有效地区分平民和战斗人员，并依据战争规则仅将后者作为打击目标。此外，相较于人类操作员，人工智能不会故意违反规则，而是严格按照预先设定的规则采取行动。
人工智能的漏洞
人工智能系统的自主性是其最显著的特点和优势，同时也是其主要的道德漏洞，因为人工智能存在彻底脱离人类控制的风险。尽管人工智能在某些基于技能和规则的任务中可能优于人类，但在需要理性判断、专业理解和存在重大不确定性的情况下，人类则更胜一筹。人类的情感和认知往往被描述为不受信任、非理性和阻碍军事行动高效进行的因素，但实际上，人类的情感和认知才是防止战争走向失控的关键所在。
从法律角度来看，人工智能系统会引发问责漏洞。当机器独立于人造成伤害时，例如在无人监督的情况下导致他人丧生，责任归属就成了一个难题。
地缘政治影响
1.战略优势和军备竞赛
人工智能等尖端技术的迅猛发展及广泛应用，导致各国只有走在科技创新的最前沿，才能获得战略利益。尽管人工智能尚处于早期发展阶段，特别是在军事领域，但它作为一种重要的战略优势来源正备受推崇。由于人工智能技术对于网络战和军事机器人的重要性，一场面向人工智能的军备竞赛近年来已在全球范围内如火如荼地展开，其内驱力不仅来自各国传统的安全需要，还来自对“落后就要挨打”的恐惧。这场军备竞赛促使各国大举投资于技术研发，以迅速获取和部署新系统。
人工智能军备竞赛可能会对全球技术发展产生深远的影响，因其涉及技术发展的目标设定、资源分配和参与方角色。在追求经济和政治优势的过程中，资源更多地被投入到商业和私营部门，而非军事领域，这有可能限制军事用途的人工智能系统的发展潜力与质量。同时，信息技术平台和公司作为这场军备竞赛的重要参与者，随着越来越多的数据资源掌握在它们手中，它们不仅在经济上获得了巨额财富，还增加了政治影响力。这些实体能够利用新获取的影响力和收集到的大数据来部署可以预测和控制人类行为的人工智能系统，从而对国家政权构成威胁。因此，面对国际安全环境的复杂性和先进技术扩散的风险，各国需谨慎发展和部署新技术，促进技术创新的广泛利益共享，维护国际安全与稳定。
2.对军事合作的影响
鉴于当今越来越多的军事行动由多国联合开展且人工智能在国防领域具有广阔的应用前景，人工智能对于军事互操作性的重要性越来越显著。互操作性可定义为“不同组织或个人能够共同行动以实现共同目标的程度”。互操作性涉及军事行动的各个层面，包括战术层面、战略层面、组织层面和作战层面。
许多军事专家将互操作性视为“战力倍增器”，是联合军事行动取得成功和应对国际安全危机的必备条件。互操作性不仅涉及国家之间的关系，还涉及与国际组织和私营企业等相关行为体的关系。后者在人工智能领域的作用尤为重要，因为大多数研发工作都是由私营企业和信息技术公司资助的。
人工智能对于军事互操作性既是机遇，又是挑战。在后勤方面，人工智能具有解放宝贵资源、重新调整兵力结构、提供增强分布式机动性等作战优势的潜力。集成到军事系统中的人工智能可以协助处理大量数据集、改善决策、优化通信，并提高物资和人员的运输效率。这反过来又能提高部队的战备状态，因为高效的后勤是确保军事行动顺利进行的基础。
人工智能可以协助情报机构开展侦察和监视行动。特别是，无人机可以在不危及人类操作员生命的情况下获取关于目标或人类难以接近的复杂地形的关键信息。在日益军事化的网络空间里，人工智能可作为一种重要的战略资产加以利用，为来自不同武装部队的特工人员提供共享的情报、策略和手段，从而提高网络攻防行动的整体质量。
最后，联合部队要想充分利用人工智能的优势，其系统必须具备互操作性。互操作性不足（特别是信息技术部门内部）有可能导致数据丢失，妨碍重要信息的实时共享，从而阻碍决策过程。然而，这一问题在人工智能集成领域仍持续存在。例如，北约国家至少拥有13种不同的用于构建作战态势感知的战斗跟踪系统。这些系统间缺乏统一性，难以实现无缝衔接，不仅给互操作性带来了巨大挑战，还揭示了协调数字技术的难度。将人工智能集成到各种防御系统需要合并不同的硬件和软件模块，而这些模块往往来自不同的制造商。系统架构、端口和软件协议的不一致有可能妨碍集成进程，降低人工智能驱动操作的最终效率。因此，旨在解决互操作性问题的标准协议必须考虑人工智能系统面临的诸多挑战，并从设计阶段开始就考虑互操作性，以避免未来发生问题，否则将严重影响联合军事行动的成败，阻碍军队从人工智能中充分获益。
