亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

2024年12月24日，聯合國大會通過《關于“軍事領域人工智能及其對國際和平與安全影響”的第A/RES/79/239號決議》。該決議成為多邊人工智能討論的關鍵節點，原因有二：（1）2024年早些時候通過的前兩項人工智能相關決議均未涵蓋軍事領域與國際安全議題；（2）國際和平與安全界首次受邀就人工智能在“致命性自主武器系統”（LAWS）以外的開發、部署及使用影響展開思考，此舉承認了這項強大技術在軍事應用中的廣泛潛力。

根據第A/RES/79/239號決議，并為向聯合國大會第八十屆會議提交報告，秘書長邀請會員國、觀察員國、國際與地區組織、紅十字國際委員會、民間社會、產業界及科學界提交關于“軍事領域人工智能應用對國際和平與安全帶來的機遇與挑戰”的意見，特別聚焦“致命性自主武器系統以外的領域”。

本情況說明旨在協助各國就這一重要議題形成國家立場，力求最終報告盡可能實現全面性、多樣性及地域代表性。說明文件包含軍事領域人工智能的背景信息、供各國參考的考量要點。

各國擬定國家立場時的考量要點

基于聯合國裁軍研究所（UNIDIR）研究成果，以下章節概述各國啟動立場擬定工作時應重點關注的若干事項：

a. 解構軍事領域范疇
 首要步驟是將"軍事領域"概念解構為不同維度，承認軍事力量運行環境的多樣性及其對應的差異化法律、倫理與規范框架。鑒于不同地區/次區域在安全環境本質差異下面臨的威脅類型各異，軍事力量部署方式與框架亦存區別，此解構尤為重要。各國應根據國情，在與其相關的各類軍事行動范疇內闡明立場。例如可區分：軍事力量在敵對行動（國際武裝沖突與非國際武裝沖突）中應用AI，與維和、應急響應、救災、國家安全及公共安全支持（協助執法、邊境安保、反海盜、關鍵基礎設施防護等）等其他行動中的AI應用。

b. 全面考量AI軍事應用譜系
 第A/RES/79/239號決議要求各國聚焦"致命性自主武器系統（LAWS）以外"的AI軍事應用。在a點所述廣泛作戰場景中，各國需系統審視AI的全譜系軍事應用。盡管尚無國際公認分類標準，建議參考UNIDIR報告《超越武器的AI：軍事領域人工智能應用與影響》提出的任務導向分類法。該方法通過四大核心軍事任務歸類武器系統之外的AI應用：

? 指揮控制（C2）：涉及軍事行動的決策環節
? 信息管理：涵蓋軍事行動相關信息的采集、處理、利用與分發，例如情報監視偵察（ISR）支持
? 后勤保障：包括人員裝備的調動、補給與監控，如預測性維護
? 軍事訓練：涉及部隊人員的教學與備戰

如a點所述，此框架可映射涵蓋非戰斗行動在內的全譜系AI應用場景。LAWS范疇外其他潛在應用包括：支持網絡行動（含認知戰、電磁戰及影響力作戰）的AI技術。

c. 風險評估體系構建
盡管民用領域AI風險討論更為深入，但國際和平安全語境下的AI風險評估框架尚未形成共識。區域內外風險認知差異或為成因之一，但各國需建立系統性風險評估機制。建議聚焦兩類風險：技術本體風險與擴散應用風險。UNIDIR的AI風險分類體系可作參考：

技術本體風險包括：
? 技術脆弱性導致的AI安全風險（含數據相關問題）
? AI系統引入新型網絡漏洞引發的安全風險
? 人機交互風險（如自動化偏見、信任校準偏差）

擴散應用風險則涉及：防擴散、誤判升級等風險。評估需結合具體應用場景，考量現有法律框架合規挑戰。

d. 發展機遇闡述
第A/RES/79/239號決議同時鼓勵各國闡述AI軍事應用帶來的潛在效益。這些具有國際/區域/國家/地方特質的機遇可涵蓋：
? 作戰層面：拓展數據采集、強化比例原則評估、落實預防措施
? 法律政策層面：全生命周期責任機制設計、軍民負責任AI實踐互鑒、兩用技術審慎管理、數據治理框架構建

e. 國家治理架構梳理
在評估軍事領域范疇與AI應用譜系時，各國需同步梳理國家層面現有/在建的AI軍事治理架構，包括：
? 制度文本：國家政策/戰略、民事/刑事立法、內部規章、行為準則、采購指南、軍事手冊、概念文件
? 機構設置：涉及AI開發部署的部委/政府機構（執法、情報部門等）、其他相關實體（AI專門機構、行業協會、司法法院）

此梳理有助于明晰國家治理能力現狀，為國際討論提供實證基礎。

隨著時間推移，人工智能（AI）與自主技術改變戰爭形態的承諾正逐步成為現實。正如烏克蘭使用基礎自主技術引導無人機，以及以色列據報利用AI執行加沙地帶目標定位所展現的，這項技術將持續擴展未來沖突的節奏、規模與范圍。在美國及其盟友與合作伙伴努力尋求負責任開發與部署這些系統之際，建立嚴格方法以確保其符合技術最佳實踐、美軍政策及未來作戰理念的重要性空前提升。

美國防部（DoD）在戰爭中部署尖端技術方面擁有重要地位，但AI與自主系統仍帶來獨特挑戰——從決策選擇過程的不可解釋性，到對開發所用訓練數據的敏感性。當美國及其對手正以驚人速度推進該技術發展時，聯合部隊需建立基于技術原理的動態框架，以延續國防部安全有效部署技術的傳統。

建議摘要

本研究成果適用于AI與自主系統全生命周期，可分為兩大類別：一是涉及系統設計與工程技術要素的"研究與系統開發"；二是關乎虛擬與實況測試實踐及政策要素的"測試與評估（T&E）"。創造安全有效的AI與自主系統并非采辦或作戰單一部門的職責，而是貫穿系統全生命周期的系統工程。因此，這些發現與建議廣泛適用于從工程設計團隊到測試操作人員等多個關聯領域。

研究與系統開發

國防部門應確立AI與自主系統的共性特征清單，這些特征需新型保障與維護措施。此舉可使采辦部門在開發初期（糾錯成本最低階段）識別相關項目并激活額外資源與監管。相較于依賴寬泛定義或供應商自報告，通過特征識別能更精準把握AI與自主系統特有的開發、測試與維護問題，同時避免將成熟的傳統AI應用納入過度寬泛的監管范疇。

采辦部門應將系統設計技術與工程實踐的信息共享要求納入合同條款。這種強制性信息透明機制需明確系統組件是否涉及新型保障或維護需求的AI技術，從而規避用戶或測試人員可能忽視的"隱藏式AI"系統。

各軍種與采辦部門應支持在項目早期將操作人員嵌入開發團隊。鑒于系統開發后期設計變更成本高昂的共識，這種早期介入可在系統交付終端用戶前發現潛在問題，從而降低成本并提升效率。

系統開發商與項目辦公室應提前強調操作人員對可解釋性的需求。雖然機器學習（ML）系統訓練獲得的新型戰術可能提升性能，但若未兼顧測試人員與操作人員的關切，將阻礙技術后續應用。

測試與評估

負責制定與實施"負責任人工智能（RAI）"政策的部門，應與項目辦公室及工程團隊合作制定明確的合規測試指標指南。此項工作重點在于將"公平性"等抽象原則轉化為可評估的性能參數。雖然具體程序需因應系統類型及所用AI/ML技術調整，但分享測試最佳實踐案例可積累類似有人戰機等傳統系統的機構知識。

國防部門通過采辦與科研工程部門，應為測試評估機構及AI系統承包商提供通用驗證建模與仿真工具，避免重復開發臨時工具。此類資源共享可涵蓋環境模型、友軍或對抗威脅模型。

項目辦公室應與測試及操作人員建立持續對話機制，圍繞系統性能關鍵指標進行迭代優化，確保其既符合底層工程流程，又能適應任務概念的演進。這種指標迭代機制符合AI/ML系統開發的工業最佳實踐，需認識到模塊與系統的技術指標可能與實戰表現非直接相關。

國防部門測試評估體系應擴展測試安全政策，考量AI與自主系統的獨特風險特征以提高測試效率。雖然大型AI與自主系統故障仍可能造成經濟與作戰風險（特別是涉及無人與機器人平臺時），但其對人員生命的威脅程度與傳統載人系統存在本質差異。

近年來，隨著大國在數量和質量上不斷增強其核武庫，以往由美國和俄羅斯主導的兩極核秩序已讓位于更加動蕩的三極核秩序。與此同時，包括軍事應用在內的人工智能（AI）技術領域也取得了重大突破。由于這兩種趨勢，在美中俄地緣政治競爭的背景下理解人工智能與核的關系變得日益迫切。

人工智能在軍事上的用例多種多樣，包括分類模型、分析和預測模型、生成式人工智能和自主性。鑒于其種類繁多，有必要從三大類別來研究人工智能與核的關系：核指揮、控制和通信；核平衡的結構要素；以及人工智能支持的常規系統與核風險的糾纏。雖然這些類別中的每一類都有可能產生風險，但本報告認為，特定情況造成的風險程度取決于三大因素：人類的作用、人工智能系統成為單點故障的程度以及人工智能攻防平衡。

隨著大國日益致力于實現核武庫現代化并將人工智能融入軍隊，政策制定者必須意識到人工智能與核的關系所帶來的風險。在當前的外交和軍事背景下，美國與中國和俄羅斯之間的雙邊關系日益緊張，中俄協調也有所加強，在這種情況下與大國就這一關聯問題深度探討可能會困難。盡管如此，美國決策者仍可采取各種措施來加強在這些問題上的威懾力和穩定性。這些措施包括

• 圍繞人工智能與核的關系問題積累知識和能力；

• 將人工智能納入與核及其他戰略風險相關的外交舉措，反之亦然；

• 建立和促進與核武庫和其他戰略能力有關的人工智能安全使用規范；

• 制定政策和技術標準，準確評估如何以及何時讓人類參與所有核相關進程；

• 將人工智能技術作為監督和審查美國核武庫的一個因素；

• 投資人工智能支持的網絡和空間能力，以加強防御和復原能力，減少攻擊這些領域的動機，并降低糾纏風險；

• 就人工智能將如何影響與核能力和常規能力有關的延伸威懾計算與美國盟國密切磋商；以及

• 建立一套全面的風險降低和危機管理機制，同時認識到取得進展的障礙。

如果不采取這些措施，美國和世界就可能面臨危險，并且沒有準備好抓住人工智能-核關系日益突出所帶來的任何機遇。

自 2022 年 2 月俄羅斯入侵烏克蘭以來，戰場上無人機系統的使用激增已成為烏克蘭戰爭的一個明顯特征。這引起了學者們對傳統防空能力如何適應日益廣泛和復雜的威脅的極大關注。本報告旨在捕捉文獻中確定的主要挑戰和尋求解決當前脆弱性的發展領域，認為所面臨的問題代表了重新組織聯盟并為高強度、以網絡為中心的戰爭做好準備的努力。更確切地說，廉價的可攻擊 I 級無人機為傳統的動能反制措施創造了不利的成本-攔截曲線，強化了公私部門合作和靈活采購流程的重要性。國防工業需要對所面臨的各種技術挑戰保持反應靈敏，特別是傳感、人工智能和下一代網絡方面的創新擴大了無人機系統的任務范圍。考慮到無人機戰爭的全譜性，多領域集成被認為是匯聚效應和保持有競爭力的決策節奏的關鍵努力。此外，人工智能、電子戰、空間和網絡仍將是關鍵的推動因素。雖然利用人機界面將有助于提高探測的保真度、分布式執行和降低在被拒環境中的脆弱性，但下行鏈路數據、軟件和 PNT 仍可能成為電子戰和網絡攻擊的目標。這表明，攻防之間的平衡將取決于機載保護手段、軟殺傷和硬殺傷反制措施的有效結合，以及整個聯盟更廣泛的網絡整合和作戰概念與技術戰術的標準化。

本報告首先簡要概述了俄羅斯和烏克蘭武裝部隊自 2022 年 2 月以來使用無人機系統的情況，分析了有機質量的回歸及其對國防工業的要求，以及傳統防空系統面臨的日益多樣化的技術挑戰，從而確立了這一論點。然后，報告評估了無人機系統和 C-UAS 的能力促進因素和技術發展領域，即網絡集成、數字化和數據管理對實現效果融合的重要性，利用人工智能實現決策優勢，最后評估了日益擁擠和競爭激烈的電磁頻譜的影響。

隨著人工智能（AI）領域的飛速發展，這些技術的變革潛力對國家和國際安全產生了深遠的影響。因此，全世界的政策制定者和監管者越來越認識到，迫切需要超越國界和個人利益的共同理解，尤其是在人工智能應用于安全和國防領域的情況下。

然而，國家和非國家行為者之間在人工智能、安全和防衛方面缺乏既定的全球合作框架，這構成了一項重大挑戰。這種共同治理的缺失導致技術進步不協調和各自為政，給國際和平與安全、穩定和繁榮帶來嚴重后果。然而，各國與非國家行為者合作的愿望日益強烈。各國認識到，這種參與至少可以為治理方法和解決方案提供信息，并確保其制定、采納和實施都有據可依。此外，它還可以確保行業、民間社會組織、研究、技術和科學界以及學術界的認識和支持。

高層也有同感：聯合國秘書長在其《和平新議程》中強調，必須 “確保工業界、學術界、民間社會和其他部門的利益攸關方參與 ”制定 “關于通過多邊進程設計、開發和使用人工智能軍事應用的規范、規則和原則”。因此，迫切需要建立、促進和支持一個獨立、中立和可信賴的平臺，該平臺將促成多方利益攸關方對話，并為軍事領域負責任地開發、獲取、部署、整合和使用人工智能技術孵化治理途徑和解決方案。

• 優先領域 1：建立知識庫

通過跨地區、跨學科和多方利益相關者的投入，在軍事領域建立一個共享的、堅實的人工智能知識庫。

• 優先領域 2：建立信任

建立對技術和他人的信任

• 優先領域 3：人的因素

解讀人工智能系統在軍事領域的開發、測試、部署和使用中的人的因素

• 優先領域 4：數據實踐

了解和解讀軍事領域負責任人工智能的數據實踐

• 優先領域 5：生命周期管理

了解人工智能系統的生命周期影響（包括生命周期的終結），在軍事領域推廣負責任的人工智能

• 優先領域 6：不穩定

了解與人工智能有關的破壞穩定問題的驅動因素、手段、方法和應對措施，包括人工智能系統促成、誘發和倍增的破壞穩定問題

隨著人工智能（AI）領域的飛速發展，這些技術的變革潛力對國家和國際安全產生了深遠的影響。因此，全世界的政策制定者和監管者越來越認識到，迫切需要超越國界和個人利益的共同理解，尤其是在人工智能應用于安全和國防領域的情況下。

然而，國家和非國家行為者之間在人工智能、安全和防衛方面缺乏既定的全球合作框架，這構成了一項重大挑戰。這種共同治理的缺失導致技術進步不協調和各自為政，給國際和平與安全、穩定和繁榮帶來嚴重后果。然而，各國與非國家行為者合作的愿望日益強烈。各國認識到，這種參與至少可以為治理方法和解決方案提供信息，并確保其制定、采納和實施都有據可依。此外，它還可以確保行業、民間社會組織、研究、技術和科學界以及學術界的認識和支持。

聯合國秘書長在其《和平新議程》中強調，必須 “確保工業界、學術界、民間社會和其他部門的利益攸關方參與”，“通過多邊進程，圍繞人工智能軍事應用的設計、開發和使用制定規范、規則和原則”。因此，迫切需要建立、促進和支持一個獨立、中立和可信賴的平臺，該平臺將促成多方利益攸關方對話，并為軍事領域負責任地開發、獲取、部署、整合和使用人工智能技術孵化治理途徑和解決方案。

第 1 部分： 評估俄羅斯對北約的地緣政治威脅

1.1 俄羅斯軍隊已做好打持久戰的準備

通過入侵烏克蘭，俄羅斯總統弗拉基米爾-普京明確表示，歐洲的自由與安全取決于西方遏制和抵御俄羅斯的能力。不幸的是，俄羅斯在烏克蘭遭受巨大損失的同時，也在學習并迅速重組自己的軍隊。在華盛頓峰會前夕，克里姆林宮以軍事力量威脅北大西洋公約組織的能力真實而緊迫。

俄羅斯通過持久戰消耗烏克蘭和西方的軍事政策取決于穩定的戰時經濟基礎、有韌性的國防工業以及三大作戰能力：火炮、重型裝甲和人力。普京的作戰編隊依靠的是大規模火力、大量重型裝甲和具有有利兵力地形比和兵力對兵力比的大規模部隊編隊。與此同時，無人機和導彈襲擊使烏克蘭不安。

1.2 評估俄羅斯航空航天部隊

俄羅斯航空航天部隊（VKS）既有顯著的優勢，也有明顯的弱點。俄羅斯 2015 年在敘利亞內戰中的成功空襲導致許多西方分析家高估了俄羅斯的空中能力。值得注意的是，莫斯科在敘利亞的對手沒有可信的中高空防空或空對空作戰能力。

事實上，克里姆林宮在敘利亞的工作暴露了俄羅斯空中力量的弱點。在戰役的開局階段，瓦克薩主要從俄羅斯在敘利亞的主要基地赫梅米姆（Khmeimim）部署了蘇-25 攻擊機、蘇-34 戰斗轟炸機和蘇-24 前線轟炸機。在這些飛機中，蘇-24M 轟炸機發射的炮彈最多，通常是不加區分地攻擊城市地區的靜態目標。非制導彈藥占俄羅斯襲擊的 80%。因此，俄羅斯在敘利亞取得的任何成功都不是因為其擁有先進的空戰能力--這與 1999 年北約的 "盟軍 "行動如何利用高科技空中力量在巴爾干取得勝利形成了鮮明對比。

正如過去幾年所顯示的那樣，俄羅斯聯邦武裝部隊在聯合行動中難以適應擁擠而復雜的作戰空間。俄羅斯在評估 2008 年格魯吉亞戰爭的著作中強調，由于指揮和控制失靈以及俄羅斯空軍、當地地面部隊和俄羅斯防空部隊之間缺乏沖突，友軍誤擊事件造成了意想不到的飛機損失。

在沖突中，北約飛機幾乎不會受到俄羅斯戰術軍事航空資產的威脅。俄羅斯的 "側衛"（Flanker）基線戰斗機無法與西方國家的空中能力相提并論，特別是隨著第五代 F-35 戰斗機在北約成員國中的普及。其他第四代和 4.5 代戰機，如歐洲戰斗機 "臺風 "和 F-16，尤其是配備有源電子掃描陣列（AESA）雷達的最新型 F-16V，很可能會迅速擊落 VKS，盡管損失會比第五代戰術軍用航空資產中隊更大。

盡管如此，北約在應對俄羅斯空中威脅時仍面臨三項挑戰。首先，如果俄羅斯軍隊成功發動有限的陸地入侵，它將立即在占領的任何領土上建立地對空導彈（SAM）覆蓋。在這種情況下，北約空中力量將需要執行密集飛行任務，重點是壓制和摧毀敵方防空系統（SEAD 和 DEAD）。

其次，俄羅斯的電子戰（EW）能力可能會干擾北約的通信和傳感器網絡。從高空無人機到機載預警與控制（AEW&C）飛機，電子戰活動可能會損害北約的作戰推進器和戰斗力倍增器。因此，北約需要從沖突一開始就控制電磁頻譜。

第三，俄羅斯以無人機和導彈為特色的混合攻擊包（類似于伊朗在中東使用的攻擊包）將對北約的空中和導彈防御系統造成壓力。復雜的無人機和導彈聯合打擊行動以進攻為主，這意味著北約軍隊應獲取大量防御武器系統，并配備足夠數量的遠程反擊威懾力量，以預防和報復性地打擊俄羅斯的發射陣地。陸軍戰術導彈系統 (ATACMS) 和聯合空對地遠程防區外導彈 (JASSM-ER) 就是這樣的兩個系統。

盡管存在這三種威脅，但在烏克蘭的戰斗暴露了 VKS 最嚴重的弱點：缺乏高科技殺傷鏈和精確制導彈藥。

第 2 部分：北約對更強大軍事態勢的要求

在 2014 年威爾士峰會上，北約領導人同意實施 "戰備行動計劃"，以迅速應對俄羅斯奪取克里米亞帶來的新安全挑戰。在 2016 年華沙峰會上，北約領導人推出了 "強化前沿存在"（Enhanced Forward Presence），這是一支前沿部署的軍事力量，旨在加強北約東部地區的力量，同時還為南歐量身定制了 "前沿存在"。2017 年 7 月，北約執行在華沙做出的決定，向愛沙尼亞、拉脫維亞、立陶宛和波蘭部署了多國戰斗群。

在俄羅斯全面入侵烏克蘭之后，北約進一步加強了其東部邊緣的戰略態勢，首次部署了北約反應部隊的高戰備狀態人員，以發揮威懾和防御作用。在 2022 年布魯塞爾峰會上，北約領導人同意在保加利亞、匈牙利、羅馬尼亞和斯洛伐克增設四個多國戰斗群。隨后，在 2022 年馬德里峰會上，北約最終同意在必要時將前沿部署的營級戰斗群擴大到旅級。隨后，北約以一種新的結構--北約部隊模式（NFM）取代了其反應部隊，這種結構規模更大，但仍存在重大差距。以下是北約需要改進的兩個主要領域，以重新確立對俄羅斯聯邦武裝部隊的優勢。

2.1 弱點一：國防工業缺陷

要了解令北約規劃者擔憂的國防工業缺陷，分析人員應重點關注聯盟軍費開支目標與成果之間的不匹配。2014 年《盟軍防務投資計劃》承諾，聯盟成員國的防務開支將占國內生產總值的 2%，現代化項目將占其總體軍事預算的 20%。但在 2014 年，只有三個成員國達到了這些規定的軍費標準。

因此，在 2023 年的維爾紐斯峰會上，北約將 2% 的基準設定為盟國必須達到的最低標準--到 2024 年，預計將有 18 個國家達到這一最低標準。最近，北約將這一預期更新為 23 個盟國。今年也將是歐洲國防開支總和達到歐洲國內生產總值 2% 的第一年（見圖 3）。2014 年，歐洲國防開支總和僅占 GDP 的 1.47%，總額僅為 2,350 億美元；2024 年，歐洲的國防開支將達到 3,800 億美元。

圖 3. 歐洲北約國防開支占 GDP 的百分比

北約的綜合實力似乎可以壓倒對手。2024 財年，美國國防部的支出將達到 8414 億美元，能源部內的國家安全項目支出將達到 324 億美元，《國防授權法案》中的其他國防相關活動支出將達到 4.38 億美元。但是，西方國家面臨的挑戰比乍看起來要大得多。

正如英國國防大臣所指出的那樣，俄羅斯入侵烏克蘭、中東沖突不斷升級表明和平紅利時代已經結束。盡管如此，西方的國防工業還是為和平時期而生。戰爭游戲表明，如果歐洲爆發大規模沖突，英國將在一周多一點的時間內耗盡其現有的武器庫。德國幾天內就會彈盡糧絕--或者，在一場作戰節奏很快的戰爭中，幾小時內就會彈盡糧絕。

另一方面，俄羅斯的常規軍事力量在于它有能力集結火炮火力，大量部署重型裝甲部隊，發動戰爭預警，設計縱深和多層防御，不斷從深厚的人力儲備中補充作戰部隊，并針對特定的推進軸線部署防空導彈系統。俄羅斯軍隊可以打持久消耗戰，經受住不斷增加的傷亡。大多數北約軍隊和國防工業的設計都無法應對這樣的威脅。

在戰爭期間，俄羅斯和烏克蘭平均每周發射 20 萬發炮彈。而歐盟成員國的目標是在 2025 年每月生產約 16 萬發炮彈，即每年生產 200 萬發炮彈。美國的情況稍好一些：2023 年每月生產 28,000 發 155 毫米炮彈。華盛頓的目標是將其生產能力提高到每月 10 萬發，即每年 120 萬發炮彈，但即便如此，也無法與俄羅斯的生產水平相提并論。更糟糕的是，雖然北約各國首都都有堅定的政治意愿，但重振冷戰后的國防工業并非一蹴而就。例如，德國萊茵金屬公司直到 2027 年才能年產 110 萬枚 155 毫米炮彈。

美國國防部和歐盟委員會于 2024 年發布了首份國防工業戰略。然而，美國和歐盟并未在戰略上優先考慮跨大西洋國防工業能力。許多分析家認為，華盛頓和布魯塞爾都傾向于保護主義，這一趨勢在歐洲更為明顯，因為歐洲鼓勵成員國從歐洲企業采購，而這一做法不利于美國、英國和其他非歐盟供應商。

這種趨勢也有例外，最突出的例子是波蘭，它購買了美國和韓國的武器。然而，如果歐洲和美國的國防工業決定分道揚鑣，對北約來說將是非常危險的。

2.2 弱點二：規模和指揮結構

在 2022 年馬德里峰會上，成員國同意將 4 萬人的北約反應部隊（NRF）過渡為北約部隊模式（NFM）。NFM 的作戰條令根植于三層兵力生成系統，旨在通過快速作戰部署生成更大的人力儲備，從而增強威懾力和防御能力。根據新的 NFM，聯盟可在敵對行動開始后的 10 至 180 天內生成三層部署，將 NRF 的 15 天反應時間縮短 5 天（見圖 4）。

圖 4. 北約部隊模式部署層級

從紙面上看，NFM 為北約應對俄羅斯可能的侵略提供了一個務實的解決方案。但在實踐中，該兵力模式有三大弱點。首先，歐洲國家普遍缺乏維持大規模作戰部署的關鍵手段，特別是在綜合防空和導彈防御方面。俄羅斯在烏克蘭的戰爭表明，一場曠日持久的沖突會如何迅速耗盡現有的攔截器、閑置彈藥和作戰無人機庫存。

其次，北約迄今從未進行過如此大規模的部署。北約在阿富汗執行任務的高峰期大約有 13 萬名士兵，其中包括來自伙伴國的人員。在敵對行動開始后一個月內就集結 50 萬名作戰人員，這對北約來說充其量只是個挑戰。征召多支陸軍、在海外部署大量處于高度戰備狀態的士兵和平臺，以及確保高節奏戰爭中的后勤連續性，這些都是大多數盟國從未面臨過的挑戰。

第三，任何單元的效率取決于其指揮結構。目前，北約的指揮結構以兩個戰略軍事司令部為中心： 位于比利時蒙斯的盟軍作戰司令部（ACO）和位于弗吉尼亞州諾福克的盟軍轉型司令部（ACT）。這兩個戰略司令部由三個行動司令部提供支持： 荷蘭布魯塞爾聯合部隊司令部負責北約東部地區；那不勒斯聯合部隊司令部負責南部地區；諾福克聯合部隊司令部負責北大西洋海道。三個戰術司令部完善了北約的指揮結構： 盟軍空軍司令部設在德國拉姆施泰因；盟軍陸軍司令部設在土耳其伊茲密爾；盟軍海軍司令部設在英國諾斯伍德。這種指揮結構的實際問題在于，它是為和平時期而非戰時設計的。

更糟糕的是，位于蒙斯和諾福克的北約戰略司令部是否有能力在北約軍事指揮系統的第三級，也是最大的一級，進行充分的核查，這一點非常值得懷疑。雖然快速演習和突擊檢查可以完成這一任務，但盟國一般都不愿意采用這種程序。

此外，隨著芬蘭和瑞典成為最新的聯盟成員，北歐和波羅的海的結構必須重新審視。專家建議，聯盟應充分利用芬蘭和瑞典的加入，建立一個新的聯合部隊司令部，即北方聯合部隊司令部。根據這一觀點，北歐國家擁有 36 萬現役和預備役部隊、290 艘海軍艦艇、250 艘空中戰斗艇和數千輛重型裝甲車，這為北約規劃人員提供了大量機會。

分析人士還建議在波蘭建立一個東部聯合部隊，以應對北約最有可能遭受俄羅斯侵略的地區。在北約的戰略計算中，地理位置往往仍是最關鍵的考慮因素。例如，愛沙尼亞的納爾瓦鎮是俄羅斯可能入侵的地點，它距離布魯塞爾聯合部隊大約 1,367 英里。

但指揮結構并不是北約面臨的唯一挑戰，還有另外兩個問題考驗著北約。第一個是官僚問題。如果發生敵對行動，盟軍作戰司令部 (ACO) 只能在北大西洋理事會批準后才能啟動盟軍部隊結構并實施計劃，而這一障礙可能會給狡猾的對手提供關鍵的機動時間。作為 ACO 的首腦，歐洲盟軍最高司令官 (SACEUR) 需要更大的靈活性，以便將聯盟置于戰時狀態。

北約面臨的第二個額外挑戰是軍事挑戰。在常規戰爭中，在反攻中奪回領土要比守住和保衛領土困難得多。俄羅斯的入侵，哪怕是暫時的入侵，也不是北約盟國所能抵擋的--被占領領土上的人民將面臨巨大的后果。

波羅的海小國看到烏克蘭的悲劇，理所當然地感受到了最大的威脅。2024 年，哈德遜研究所向烏克蘭派出了一個實地考察團。哈德遜團隊仔細評估了該國解放前長期受俄羅斯控制的地區。我們的發現很明確：布查和伊爾平等地有亂葬坑，社會遭受創傷。俄羅斯軍隊在全面入侵后的 80 天內就在這些城鎮實施了種族清洗。

不能排除，如果俄羅斯攻占波羅的海三國，它也會采取同樣的做法。西方智庫的戰爭博弈研究表明，俄羅斯軍隊有能力在 60 小時內抵達塔林和里加的郊區。正如愛沙尼亞總理卡亞-卡拉斯（Kaja Kallas）所說，即使是對任何波羅的海國家的短暫入侵，都可能使該國永遠從地球上消失。在波羅的海地區奪回被占領的領土需要保持空中優勢，這比一開始就不放棄領土要困難得多。烏克蘭軍方 2023 年夏季失敗的反攻證實了這一判斷。

烏克蘭的掙扎也暴露了 "強化前沿存在 "的弱點。因此，盟軍的新力量模式不應只是一個更大版本的 "強化前沿力量"。它應標志著從懲罰威懾向拒絕威懾的堅定過渡，后者旨在通過延遲或拒絕侵略來威懾對手。北約需要的是前沿防御，而不僅僅是前沿軍事存在。

遺憾的是，除英國、法國、波蘭和土耳其等明顯例外，大多數歐洲北約國家都缺乏大規模作戰編隊，無法在第五條觸發針對聯盟成員的攻擊后與俄羅斯進行持久戰。烏克蘭戰爭表明，大規模作戰在戰爭中至關重要。在當代戰場上，密集的炮火轟擊、大型作戰編隊和裝甲突擊現在都有無人機作戰資產和衛星互聯網驅動的指揮控制能力。

此外，要想在歐洲擊退俄羅斯的常規作戰編隊，就必須在沖突一開始就取得空中優勢，甚至是至高無上的優勢。僅在 2023 年，歐洲各地的北約空軍就緊急出動 300 多次，攔截接近聯盟領土的 VKV 飛機。據北約消息來源稱，這些攔截行動大多發生在波羅的海上空。北約長期執行空中警戒任務，要求盟國作戰飛機在俄羅斯侵犯其領空時立即起飛。最后，歐洲空軍必須能夠在沒有美國大規模空襲支援的情況下壓制俄羅斯的防空導彈系統。為實現這一目標，歐洲空軍需要增加反輻射導彈和其他遠程解決方案的供應。

結論

研究北約和俄羅斯的作戰能力具有挑戰性，而兩個大國之間的沖突仍是假設。不過，盡管俄羅斯軍隊目前似乎在與北約的閃電戰式有限沖突中占據上風，但北約在整體上仍優于克里姆林宮。

北約在大多數新興技術、累計國防開支和總兵力方面都優于俄羅斯。然而，莫斯科在兩個關鍵領域占據上風。首先，與北約在東歐的前沿存在相比，俄羅斯軍隊擁有局部優勢。此外，北約的前沿防御能力有限，在機動性和大規模部署方面面臨挑戰，這為克里姆林宮在任何進攻行動中取得優勢提供了機會。

其次，俄羅斯的國防工業和軍隊已經適應了多年的消耗性沖突和高節奏作戰行動，同時每月承受著數千人的傷亡。因此，北約正以新的緊迫感努力確保通過拒止俄羅斯的潛在侵略來發揮威懾作用。北約是否能在長期環境下部署大規模作戰部隊仍有待觀察。

人們普遍認為，人工智能即將徹底改變軍事行動。許多學者聲稱，人工智能賦能的致命自主武器，尤其是無人機蜂群，即將接管戰場。本文結合城市作戰評估了這些說法的利弊。通過研究 2004-08 年巴格達聯合特種作戰司令部和 2021 年以色列國防軍的 "城墻守護者 "行動，本文認為人工智能將主要用于軍事情報和目標定位，而非致命性自主武器。

引言

人工智能（AI）即將徹底改變戰爭的進行方式，就像火藥、坦克、飛機和原子彈在以前的時代一樣。如今，各國都在積極尋求利用人工智能的力量來取得軍事優勢。例如，普京宣稱，"誰成為這一領域的領導者，誰就將成為世界的統治者"。 為了應對俄羅斯等大國提出的挑戰，美國承諾實施第三次抵消戰略。美國將大力投資人工智能、自動駕駛和機器人技術，以保持其國防優勢。谷歌前首席執行官埃里克-施密特宣稱，美國正處于人工智能軍備競賽中。2018 年 9 月，美國國防部高級研究計劃局（Defense Advanced Research Projects Agency）宣布了一項耗資 20 億美元的活動，以開發下一波人工智能。美國國防部（DOD）于 2019 年發布了人工智能戰略，大幅增加了人工智能資金；2020 年，國防部預算中要求為人工智能撥款 9270 億美元。較小的國家也同樣致力于人工智能的軍事發展；例如，英國和以色列正在發展這一領域的能力。

人工智能并不總是很容易定義，因為人工智能有很多類型。相反，它是一個領域，而不是一個特定的對象。不過，"人工智能 "一詞指的是能夠（在一定程度上）開發出不受人類直接指揮而獨立處理數據的能力的計算機軟件。當今大多數人工智能的顯著特點是，它們可以開發或改進自己的程序，以便更有效地完成所設定的數據處理任務。

要理解人工智能的軍事意義，了解人工智能的歷史是很有幫助的。在過去的五十年中，人工智能主要有兩種類型：老式人工智能（GOFAI）和第二波人工智能（Second Wave AI）。老式人工智能發展于二十世紀五六十年代。1956 年，阿蘭-圖靈等名人參加了著名的達特茅斯人工智能研討會，此后，計算機科學家們探索了利用符號邏輯編程讓計算機自主處理數據的可能性。科學家們為他們希望分析的變量分配符號值。然后，他們給計算機編程，讓計算機根據數理邏輯計算這些符號。老式的人工智能在有限的任務中取得了成功。然而，由于它依賴于大量經過策劃的輸入，GOFAI 的范圍很窄。在面對真實世界時，它往往會崩潰。現實世界不可避免地超越了程序員的符號編碼。因此，在取得了一些初步成功之后，人工智能程序就搖搖欲墜了。從 20 世紀 70 年代到 90 年代，人工智能領域陷入了寒冬。

20 世紀 90 年代，尤其是 2000 年之后，人工智能領域掀起了一場革命。第二波人工智能取得了一些令人矚目的成就。第二波人工智能的運作方式與 GOFAI 截然不同。第二代人工智能依賴于三個關鍵組成部分： 數據、計算能力和算法。數據是指網絡空間中的數字信息；它最終由幾乎無限的二進制存儲組成。數據爆炸是過去幾十年人工智能發展的關鍵因素。自互聯網和數字通信誕生以及數字傳感器在全球范圍內普及以來，出現了數據爆炸。現在，幾乎每項活動都會在某個地方留下數字痕跡。人類不可能篩選和分析所有這些數據。在這方面，人工智能變得至關重要。人工智能程序利用龐大的計算能力處理這些數據，以識別模式或特征。當代的人工智能完全是在歸納和統計的基礎上完成這項工作的。根據數據，人工智能程序計算出最可能的相關性。數據越多，計算就越精確。人工智能什么也不懂。它不知道現實是什么，無法理解意義。它只能識別數據中經常出現的二元對立。然而，由于它可以處理大量數據，因此能夠對網絡空間中以數字方式記錄的活動提供獨特的見解。它能在數據中看到人類無法看到的數字關聯和聯系。

第二代人工智能算法通常采用各種形式的機器學習： 監督學習、無監督學習或強化學習。每種形式都略有不同：監督學習要求程序狹義地預測什么，無監督學習允許程序自己對數據進行分類，而強化學習則指定獎勵。這三種技術略有不同。然而，在每種情況下，機器學習算法都是通過純粹的歸納法運行的。第二代機器學習算法是圍繞深度學習神經網絡發展起來的，它允許程序以或大或小的數字意義權衡不同的數據位，從而生成更準確的答案。數據越多，人工智能就越準確。第二代人工智能一無所知。然而，由于現在有如此多的數據，它變得越來越強大。它的歸納越來越準確，人工智能現在可以根據過去的案例做出合理的預測。

第二代人工智能在安全和國防方面的潛力顯而易見。它有可能讓兵力處理數量難以想象的數據。由于第二代人工智能以如此巨大的計算能力為基礎，因此它可以整理和分析的數據幾乎沒有限制。它可以處理來自衛星、地面傳感器和手機等各種來源的數據，提供準確的態勢圖。人工智能可以讓指揮官在整個作戰空間看得更遠、更準、更快。人工智能可能會加速決策。

鑒于人工智能的潛力，國家為軍事目的利用人工智能的前景一直是專業和學術界深切關注的焦點。已有大量文獻對這一爭論的許多方面進行了論述，而且文獻數量還在不斷增加。許多評論家擔心，人工智能將對全球安全產生重大影響，尤其是隨著中美大國競爭的加劇。然而，本文的首要研究問題是人工智能對城市安全的影響，尤其是對城市運行的影響。次要問題是第二代人工智能的應用會如何改變城市戰爭的特點，以及隨著人工智能變得越來越強大和無處不在，城市戰爭在未來十年會如何演變？

超級計算機和殺手機器人

鑒于這些戲劇性的發展，研究全球安全的學者對人工智能的軍事應用產生了濃厚的興趣。例如，本-布坎南（Ben Buchanan）和安德魯-伊姆里（Andrew Imrie）在他們最近關于人工智能的專著中聲稱，人工智能代表了一種潛在的革命性軍事發展。在布坎南和伊姆里看來，人工智能是新的火焰。在布坎南和因布里看來，人工智能是新的火種，相當于古希臘的火或中世紀晚期歐洲的火藥武器。人工智能將改變武器的破壞力。在人工智能下，致命的自主武器將占據主導地位。人工智能將使殺手機器人和成群的自主無人機得以崛起。

這種觀點看似極端，甚至毫無道理。兵力可能很快就能利用致命的自主系統隨意監控、打擊和殺死對手甚至平民。事實上，自主無人機群已經有了實驗。2016 年 10 月，美國國防部展示了一個由 103 架 Perdix 微型無人機組成的蜂群，能夠 "進行集體決策、自適應編隊飛行和自我修復等先進的蜂群行為"。顯然，美國的對手正在試圖開發這種技術。

許多學者一直擔心，兵力會將人工智能化的致命自主武器應用到城市地區。例如，英國城市地理學家斯蒂芬-格雷厄姆（Stephen Graham）對城市中新安全技術的擴散表示擔憂。10 例如，英國城市地理學家斯蒂芬-格雷厄姆（Stephen Graham）描述了新安全技術在城市中的擴散。他認為，安全兵力正在積極尋求將城市置于全面控制之下。他們顯然沉迷于對技術的渴求以及對掌握和控制的拜物教沖動，以適應城市反叛亂戰爭的新需要。

人工智能賦能的自主監控和武器系統將使他們能夠實現主宰城市的野心。

斯圖爾特-拉塞爾一直是反對人工智能賦能武器擴散的領軍人物。從 20 世紀 80 年代起，他就在人工智能的發展中扮演了重要角色。因此，他為監管人工智能賦能的致命性自主武器進行了聲勢浩大的宣傳。拉塞爾尤其關注自主致命無人機群的可能性及其對城市造成的威脅。2017 年 11 月 12 日，他發布了一部名為《屠宰機器人》（Slaughterbots）的短片。該片戲劇化地描述了殺手無人機暗殺參議員和入侵大學校園的可能性。其含義是，一旦它們實現自主化，人類將失去對這些蜂群的控制，它們將毫無約束地殺人。

2020 年，斯圖爾特-羅素在英國發表了 BBC 雷斯演講。他的一次演講專門討論了人工智能的軍事潛力問題。他再次回到 "城市環境中的屠宰機器人和殺手機器人 "這一主題，"2015 年，致命自主系統的所有要素都已存在： 自主無人機、蜂群能力和武裝能力"。他描述了一種場景，即罐子大小的致命四旋翼無人機可以裝備爆炸項目裝置，"可以運出一百萬架。這是不可避免的。最終，自主系統將成為廉價的選擇性大規模毀滅性武器。他繼續說："殺傷人員地雷可以消滅一個城市中所有 16 至 60 歲的男性或以色列的所有猶太公民，而且與核武器不同的是，它可以留下城市的基礎設施。他列舉了土耳其最近于 2021 年 3 月在利比亞使用 Khargu-2 型自主無人機作為證據。拉塞爾總結道："將會有 800 萬人想知道為什么你不能給他們提供保護，防止他們被機器人追殺。據拉塞爾稱，自主武裝無人機群將足夠聰明，可以瞄準城市。武裝無人機將能夠識別并殺死街道和建筑物中的單個人類或小群體。

其他學者與羅素一樣，也認為人工智能自主武器可能對城市構成威脅。無人機專家大衛-漢布林（David Hambling）描述了無人機群在城市地區的潛力： "由一萬架小型無人機組成的蜂群可以夷平一座城鎮......一架小型棲息無人機可以投放多枚蝙蝠大小的燃燒彈......無人機一起行動可能會炸毀一座橋梁或摩天大樓，但它們的作用遠不止于此"。同樣，保羅-沙爾（Paul Scharre）也稱，全球各國軍隊都在爭先恐后地在海上、地面和空中部署機器人--90 多個國家都有無人機在天空巡邏。這些機器人的自主性越來越強，許多還配備了武器。目前，它們還在人類的控制下運行，但當 "捕食者 "無人機擁有像谷歌汽車一樣的自主能力時，會發生什么呢？

他擔心的是，"在未來的戰爭中，機器可能會做出生死攸關的交戰決定"。英國安全研究學者肯-佩恩預測，戰爭機器人的崛起，人工智能系統將允許聯網的計算機代理自主決策，即使在不確定的環境中，也能實現極快的順序行動......很快，自主和智能平臺就能比人類操作的平臺機動得更快、更精確。

不久之后，兵力將能夠隨意支配城市的目標。因此，許多學者呼吁對這些武器進行管制，將無人機限制在遠離平民的城市地區進行 "殺戮行動"。

一種共識正在形成。很快，人工智能賦能的自主致命無人機群將改變城市戰局。成群的無人機將在城市上空自主飛行，以極高的效率獵殺敵人。傳感器將發現目標，并在不受人類指揮的情況下攻擊目標。然而，盡管這些作者從不同的倫理立場來看待自主蜂群的前景，但他們對未來城市作戰的一致看法卻令人震驚。未來幾十年，人工智能武器的引入將改變城市戰爭。很快，成群的無人機將在很大程度上取代人類戰斗員。因此，城市作戰的節奏將加快，打擊的準確性和同時性將提高；攻擊城市地區將變得越來越容易。每座城市都將成為自主蜂群攻擊的潛在受害者，通過算法識別并摧毀人類目標。

這些觀察家強調第二代人工智能對戰爭的重要性是正確的。人工智能的發展很可能對未來幾十年的城市戰爭產生深遠影響。他們為未來的城市沖突描繪了令人信服的愿景：能夠在城市環境中進行無處不在的監視和有保障的打擊的自主無人機群將改變城市地區的軍事行動和城市戰爭本身。我們要感謝他們。但他們說得對嗎？

人工智能與城市作戰

毫無疑問，遠程系統已經成為軍事行動的重要組成部分。阿塞拜疆兵力在第二次納戈爾諾-卡拉巴赫戰爭中非常成功地使用了它們。它們在俄烏戰爭中發揮了重要作用。雙方在進攻和防御中無處不在地使用它們執行偵察和打擊任務。事實上，據報道，烏克蘭人每個月要消耗大約 10 000 架無人機。其中一些是用于摧毀的游蕩彈藥，但俄羅斯人擊落了許多。自第二次世界大戰以來，致命的自主武器就已經存在。許多有能力的自主武器目前正在使用，如宙斯盾、愛國者、以色列的鐵穹或韓國的 SGR-AI。未來十年，致命的自主武器（包括無人機群）可能會更多地出現在戰場上。它們有可能對城市戰爭產生一些影響。

然而，盡管未來人工智能賦能的自主武器有可能在城市作戰中常規部署，但現在的兵力距離這一點還有很長的路要走。機器人和無人機群不可能很快在城市戰爭中發揮決定性作用。環境過于復雜，在人口稠密的城市戰爭等高強度動態作戰環境中，即使存在明確的目標和標準操作程序，"任務式指揮 "的靈活性和適應性仍然至關重要，即使是常規的 "任務指令"（即 "任務指揮 "的反義詞），ML-AI 工具的功能實用性也存在問題。

即使是最成功的第二代人工智能程序也依賴于大量經過精心整理的數據，并為穩定的封閉環境開發出出色的歸納模型。然而，由于城市環境如此復雜多變，很難想象當代的人工智能程序如何能有效學習，從而有效執行行動。此外，評論家大大夸大了無人機群的能力。實際上，無人機群的射程和有效載荷是有限的；火箭彈可能更容易造成更大的破壞。鼓吹者忽視了不可避免的反制措施。例如，在使用無人機和閑置彈藥對烏克蘭城市進行戰略轟炸時，大多數機身都被干擾或擊落。自主無人機群在廢墟和燃燒的街道上俯沖，隨意消滅目標的設想只是科幻小說，而非計算機科學。

然而，雖然致命的自主性在城市環境中可能難以實現，但這并不意味著人工智能對未來的城市行動不重要。相反，在過去二十年里，人工智能已經在城市行動中發揮了重要作用。隨著人工智能能力的增強，它在未來十年似乎不可避免地會變得更加重要。然而，在未來十年左右的近期內，人工智能的主要應用不太可能是致命性自主。致命的自主無人機群是不可能的。正如幾位學者已經指出的那樣，人工智能的主要應用可能更加平凡，但其重要性并不遜色；最有可能的是智能。

第二代人工智能可處理海量數據。因此，它具有分析現象和提供洞察的超強能力。值得注意的是，最近的國防戰略文件強調的不是作為人工智能主要用途的致命自主性，而是人工智能可能促進軍事情報轉型甚至革命的方式。人工智能可用于處理大量數據，從而讓指揮官更好地了解作戰空間，更有效地制定計劃和目標。事實上，在人工智能的幫助下利用大量數據源，軍事指揮官將能比以往更深入、更準確、更快速地感知城市環境。他們將能夠更快、更準確地識別敵方兵力。此外，即使此后真的出現了致命的自動機群，它們也將依靠數據為其提供戰斗空間的情報圖景。我們不妨舉例說明人工智能在城市作戰中的應用。

聯合特種作戰司令部

近二十年來，兵力利用數據和人工智能的效果越來越好。現在有越來越多的實例可供參考。不過，我們不妨回顧一下西方兵力在城市行動中最早使用數據和人工智能的情況。聯合特種作戰司令部 2004 年至 2008 年在巴格達的行動就是一個明顯的例子。2004 年，聯合特種作戰司令部（JSOC）在巴格達成立，斯坦利-麥克里斯特爾（Stanley McChrystal）將軍擔任司令。2004 年至 2008 年期間，聯合特種作戰司令部的任務是摧毀伊拉克基地組織，并追捕該組織在伊拉克的領導人扎卡維。聯合特種作戰司令部在巴格達、拉馬迪和費盧杰開展了工業級反恐行動，主要由美國三角洲部隊和英國特種空勤團組成的兵力每晚執行任務，打擊 "基地 "組織網絡。他們突襲房屋和基地，擊斃或抓獲基地組織恐怖分子，并獲取有關網絡的情報。這是一次有效行動，聯合特種作戰司令部成為一個獨特的網絡化、跨機構的全球性組織。它在 2006 年消滅扎卡維的行動中發揮了關鍵作用。數據發揮了重要作用。

在行動初期，有幾次失誤凸顯了改進情報收集和融合工作的重要性。例如，2004 年 9 月 16 日，基地組織在巴格達抓獲了一名英國土木工程師。他隨后于 2004 年 10 月 7 日被扎卡維斬首。三周來，聯合特別行動小組一直在尋找他的下落，但沒有找到。然而，回過頭來看，找到比格利的證據是存在的；他的上司已在聯合特種作戰司令部的數據中被確認，但人類分析人員卻忽略了這一點，并聲稱 "當時就無法接受，現在更是如此"。如果JSOC有一個更高效的系統，利用機器學習梳理數據，就能發現這些證據，救出比格利。

為了開展行動，JSOC 動用了一切可用的情報來源。它從中央情報局、國家安全局、英國軍情六處和其他國家情報機構獲取情報。它利用了衛星圖像、信號情報、電話截獲、公開來源情報和人力情報。這是一場信息洪流。許多傳統的整理和分析技術都得到了應用。聯合特別行動小組處理的是復雜的信息和證據。因此，在可能的情況下，JSOC 還將機器學習人工智能應用于這一問題。許多情報信息都是數據信息或可作為數據的信息： 也就是說，是可量化、可計算的信息。因此，聯合特種作戰司令部將所有可能的情報融合為數據，并對其應用算法，以確定模式并對情況發出警告。

最終，聯合特種作戰司令部請來了幾位數據專家提供幫助。安舒-羅伊博士領導的 Rhombus Power 團隊發揮了重要作用。羅伊擁有密歇根大學計算機博士學位。他發明了固態亞原子粒子探測專利平臺。他還將自己的編程專長用于解決安全問題，成立了 Rhombus Power 公司并建立了程序 Guardian。Rhombus Power 是協助美國國防部解決安全和國防問題的領先科技公司之一。該公司開發的算法能夠識別數據中的模式，從而幫助發現恐怖分子或敵人。

羅伊有趣地講述了他的團隊如何在這一過程中幫助 JSOC："動蕩中有秩序。辨別這種秩序是可能的，這樣你就可以對復雜的問題進行干預"。羅伊的團隊從戰術單位獲取了所有數據，并開發了一個自動系統，用于融合來自不同情報來源的數據并對其進行快速分析，"我們對這些數據進行了匯總和地理定位"。麥克里斯特爾確定了任務，并在此基礎上確定了關鍵信息需求，但 Rhombus 加快了解決方案的進程。我們將其數學化，能夠快速、反復地將其轉化為數學[原文如此]結構，并將其編碼和輸入人工智能系統。

利用機器學習和算法，羅伊的團隊能夠識別數據中的異常現象和特征，并據此推斷會發生什么。羅伊對他們所做的工作進行了總結："捕捉一切可以捕捉的東西，將其數學化，進行編碼，這樣下一批人就會輕松得多。

聯合特種作戰司令部對數據、數據分析、算法和機器學習的使用并非靈丹妙藥。聯合特種作戰司令部之所以取得成功，是因為它有明確的任務，并對伊拉克的叛亂活動和基地組織有了深入了解。人類情報、信號情報和特種部隊夜間突襲獲得的物證也證明至關重要。然而，麥克里斯特爾以數據為中心、人工智能賦能的方法增強了這些傳統方法，使 JSOC 能夠在復雜的城市環境中識別扎卡維。使用大數據和機器學習處理數據確實加快了決策周期，使其更加準確。正如麥克里斯特爾所說："作為一名指揮官，你要檢查數據，然后信任它。你要培養了解人工智能的領導者。這些信息相互關聯，對他們來說是有意義的。

由于采用了 "人工智能 "技術，JSOC 得以利用大量可能淹沒的信息，追蹤扎卡維的數字足跡，并將其與其他證據聯系起來。2006 年 6 月 6 日，聯合特別行動小組最終追蹤到扎卡維在巴古拜北部一個叫哈比卜的小村莊的安全屋。美國空軍兩架 F-16 型飛機向該建筑投擲了兩枚激光制導炸彈，炸死了扎卡維和五名同伙，包括他的副手。

以色列國防軍

以色列國防軍在使用數據方面同樣先進。自 1987 年第一次起義以來，以色列軍隊的主要任務就是鎮壓加沙和約旦河西岸的巴勒斯坦恐怖組織。許多人對以色列的政治局勢表示遺憾；他們有充分的證據將其描述為種族隔離國家。然而，無論政治局勢如何，以色列國防軍（IDF）為城市化行動如何利用數據提供了一個鮮明的例子。自 20 世紀 80 年代以來，以色列國防軍一直密切監視法塔赫和哈馬斯等巴勒斯坦團體。在過去 15 年中，以色列國防軍還明確尋求利用數據追蹤巴勒斯坦恐怖分子并將其作為目標。巴勒斯坦人使用移動電話進行通信，無論他們采用多少反制措施，都會在網絡空間留下數字簽名。除了傳統的情報收集方法外，以色列的傳感器在約旦河西岸和加沙地帶布滿了衛星、雷達和攝像頭。人的因素已不再足夠，因為士兵的體力無法跟上輸入數據的數量。

此外，開放源碼數據已成為收集情報的豐富手段，但其提供的潛在數據量巨大。以色列國防軍軍官強調了這一問題："數據是無窮無盡的，在某些領域甚至達到了 PB（一百萬千兆字節）"。

因此，以色列國防軍成立了幾個專業單位來利用數據的潛力，如 8200 和 9900 單位、J6 或 C4I 局的 Lotem 單位，以及以色列國防軍西格瑪分部。正如西格瑪分部指揮官所指出的，"目標是提高以色列國防軍的效率"。以色列國防軍已對人工智能應用程序進行了培訓，以篩選大量數據，識別重要信息。以色列國防軍的人工智能程序可以一次分析數百個視頻，并自動標記可疑活動。例如，在 2014 年的 "護刃行動"（火箭彈襲擊后對加沙哈馬斯的懲罰性攻擊）之后，Lotem Unit 開發了一款應用程序，該應用程序可從現場傳感器和其他數據中獲知："我們收集了最有可能設置發射器的區域和時間。這使我們能夠提前知道會發生什么，應該攻擊哪些地區，以便更有效地打擊他們"。

到 2017 年，以色列國防軍已經開發出了復雜的描述性人工智能程序；其算法可以自動識別作戰空間中感興趣的目標。其目的是創建預測性人工智能。人工智能程序不僅能識別以色列國防軍已在行動的目標，還能預測巴勒斯坦特工人員的動向，并提出行動方案建議。

2021 年，以色列國防軍對加沙的哈馬斯發動了又一次重大行動，即 "長城守護者行動"。以色列兵力將這次行動稱為第一場人工智能戰爭。在 2014 年專家部隊工作的基礎上，以色列國防軍將人工智能完全納入了瞄準過程。這一點至關重要，因為數年來以色列在無人機、F-35 戰斗機、地震監測儀和其他系統上使用了電子傳感器網絡。以色列國防軍收集了數十億條關于哈馬斯和巴勒斯坦伊斯蘭圣戰組織的信號和其他情報。以色列國防軍將這些不同的數據集融合在一起，通過采用人工智能算法和機器學習，并搭配'人機小組'中的情報分析師來標記和審查潛在目標，以色列國防軍將大量數據綜合成沖突前的目標文件夾，這些文件夾比2014年的要詳細、準確和及時得多"。

人工智能使目標定位越來越動態，也比過去更加準確。利用數據和人工智能，以色列國防軍開發了一套'情報驅動作戰'系統，利用數字作戰空間管理系統向作戰部隊實時傳播情報，將目標與精確制導彈藥相匹配，"以色列國防軍可以實施高度精確的空襲，大大降低了對平民的風險"。

例如，在這次行動中，以軍的目標是哈馬斯東拉法旅旅長穆罕默德-巴瓦布，他在2014年綁架了兩名以色列國防軍士兵。他的房子是指揮所。以色列國防軍想襲擊這座建筑。然而，各種信號（其中一些由人工智能處理）顯示，有平民躲在房子外面的一棵棕櫚樹下。以色列特工部門辛貝特打電話給巴瓦布的鄰居，用阿拉伯語警告他們："你們在棕櫚樹下，房子附近。走開，有一枚一噸重的炸彈過來了，你們會受傷的"。人工智能幫助以色列國防軍實施了精確的致命打擊，但平民傷亡仍然很高：120 人喪生。然而，以色列的打擊無疑比過去更加精確；99 人確認被敵方擊斃，另有 40 人可能是敵方人員。以色列國防軍聲稱平民與交戰人員的傷亡比例為 1:1。數據和人工智能使以色列國防軍能夠在復雜、密集的城市環境中精確瞄準目標。

結論

在過去二十年里，兵力越來越多地尋求利用第二代人工智能的潛力。每年，人工智能的軍事潛力都變得更加明顯和強大。因此，許多學者擔心，人工智能即將掀起一股致命的自主武器浪潮，從而改變城市的戰斗空間。成群的殺人無人機將取代人類戰斗員，以無情的精確性和殺傷力打擊城市地區的目標。本文持另一種觀點。人工智能對城市作戰越來越重要。然而，正如巴格達的 JSOC 和以色列國防軍的例子所示，人工智能的真正潛力不在于致命的自主性，而在于數據處理；因此，也在于情報和目標選擇。網絡空間中的數字信息資源來自公開來源、衛星、移動電話和一系列其他傳感器，可能為指揮官提供無與倫比的戰場縱深監督。他們可以比以往看得更遠、更準確。然而，要挖掘數據的潛力，就必須使用人工智能程序來處理所有這些材料；這是一項相當挑戰人類的任務。數據和人工智能已成為城市作戰的關鍵資源；未來將更加如此。

這兩個例子都涉及針對恐怖分子的軍事行動；都是強度較低的行動。許多學者認為，致命的自主無人機的出現將加速國家間的高強度戰斗。隨著蜂群之間的自主戰斗，戰斗將變得快速、簡單和具有決定性。機器人作戰將消除摩擦和混亂。這似乎不太可能。打擊伊拉克基地組織的戰役漫長而艱苦。盡管有人工智能賦能的目標定位，以色列國防軍還是陷入了與巴勒斯坦對手無休止的斗爭。正如目前對杰寧的干預所顯示的那樣，"長城守護者 "行動可能是精確的，但卻不是決定性的。

俄烏戰爭在這方面具有啟發性。這是兩支裝備精良的兵力之間真正的國家間戰爭。在美國的密切支持下，烏克蘭人采用了以數據為中心的瞄準系統，這與聯合特種作戰司令部和以色列國防軍密切呼應。通過利用數據和人工智能處理的力量，烏克蘭兵力能夠瞄準俄羅斯的指揮所和后勤樞紐，其深度和精確度令人印象深刻。然而，這場戰爭中的戰斗已在烏克蘭城鎮內外凝結成一系列艱苦卓絕的戰斗。圍困而非閃電演習占據了主導地位。隨著烏克蘭人繼續反攻，這種模式很可能會繼續下去。

兵力越來越多地利用數據來獲得戰場優勢，但戰斗，尤其是城市地區的戰斗，已經放緩。俄羅斯和烏克蘭兵力規模相對較小，這與此有關；他們匯聚的決定性地點，往往是城市。遠程精確火炮和無人機使他們難以移動。數據也至關重要。雙方--尤其是烏克蘭人--都能在縱深地區準確而迅速地鎖定目標。因此，消耗性的陣地戰占據了主導地位。那么今天就有一種諷刺意味。隨著數據的使用，兵力現在可能確實能以光速瞄準目標，但作戰行動本身，尤其是在城市地區，卻放慢到了冰川般的速度。二十一世紀的戰爭已減速至中世紀的作戰速度。

人工智能（AI）的快速發展引發了專家、政策制定者和世界領導人對日益先進的人工智能系統可能帶來災難性風險的日益擔憂。雖然許多風險已被單獨詳述，但目前迫切需要對潛在危險進行系統的討論和說明，以便更好地為減輕這些危險提供信息。本文概述了人工智能災難性風險的主要來源，將其分為四類：惡意使用，即個人或團體故意使用人工智能造成傷害；人工智能競賽，即競爭環境迫使行為者部署不安全的人工智能或將控制權讓給人工智能；組織風險，強調人為因素和復雜系統如何增加災難性事故的幾率；流氓人工智能，描述控制遠比人類智能的代理固有的困難。對于每一類風險，我們都描述了具體的危害，介紹了說明性故事，設想了理想場景，并提出了減輕這些危險的實用建議。我們的目標是促進對這些風險的全面了解，并激發集體的積極努力，確保以安全的方式開發和部署人工智能。最終，我們希望這將使我們能夠實現這一強大技術的益處，同時將災難性后果的可能性降至最低。

圖：本文將介紹四類人工智能風險，并討論如何降低這些風險。

近年來，人工智能（AI）突飛猛進，引起了人工智能專家、政策制定者和世界領導人對先進人工智能所帶來的潛在風險的擔憂。與所有強大的技術一樣，人工智能必須以高度的責任感來管理風險，并利用其潛力來改善社會。然而，關于災難性或生存性的人工智能風險可能如何發生或如何應對，可獲得的信息非常有限。雖然有關這一主題的資料很多，但往往分散在各種論文中，而且通常針對的受眾面較窄，或側重于特定的風險。在本文中，我們將概述災難性人工智能風險的主要來源，并將其分為四類：

惡意使用。行為者可能故意利用強大的人工智能造成廣泛傷害。具體風險包括人工智能賦能的生物恐怖主義，它可以幫助人類制造致命的病原體；蓄意傳播不受控制的人工智能制劑；以及利用人工智能能力進行宣傳、審查和監視。為了降低這些風險，我們建議改善生物安全，限制獲取最危險的人工智能模型，并讓人工智能開發者為其人工智能系統造成的損害承擔法律責任。

人工智能競賽。競爭可能會迫使國家和企業匆忙開發人工智能，并將控制權拱手讓給人工智能系統。軍方可能會面臨開發自主武器的壓力，并將人工智能賦能的網絡戰，從而實現一種新的自動化戰爭，在這種戰爭中，事故可能會在人類有機會干預之前就失控。企業也將面臨類似的激勵，促使人類勞動自動化，并將利潤置于安全之上，從而可能導致大規模失業和對人工智能系統的依賴。我們還討論了從長遠來看，進化壓力可能會如何塑造人工智能。人工智能之間的自然選擇可能會導致自私的特性，而人工智能相對于人類的優勢最終可能導致人類被取代。為了降低人工智能競賽帶來的風險，建議對通用人工智能實施安全監管、國際協調和公共控制。

組織風險。組織事故造成的災難包括切爾諾貝利、三里島和挑戰者號航天飛機災難。同樣，開發和部署先進人工智能的組織也可能遭受災難性事故，特別是如果它們沒有強大的安全文化。人工智能可能會意外泄露給公眾或被惡意行為者竊取。各組織可能無法投資于安全研究，不了解如何以比一般人工智能能力更快的速度可靠地提高人工智能的安全性，或者壓制內部對人工智能風險的擔憂。為了降低這些風險，可以建立更好的組織文化和結構，包括內部和外部審計、多層風險防御以及最先進的信息安全。

流氓人工智能。一個普遍而嚴重的擔憂是，隨著人工智能變得比我們更智能，我們可能會失去對人工智能的控制。人工智能可能會在一種被稱為代理博弈的過程中，將有缺陷的目標優化到極致。人工智能在適應不斷變化的環境時，可能會經歷目標漂移，這與人在一生中獲得和失去目標的過程類似。在某些情況下，人工智能變得追求權力可能是工具理性的。我們還研究了人工智能如何以及為何會進行欺騙，在不受控制的情況下表現出受控制的樣子。與前三個風險來源相比，這些問題更具技術性。我們概述了一些建議的研究方向，以促進我們對如何確保人工智能可控的理解。

在每一節中，我們都提供了一些說明性場景，更具體地展示了風險源如何可能導致災難性結果，甚至構成生存威脅。通過提供一個對風險進行適當管理的更安全未來的積極愿景，我們強調，人工智能新出現的風險雖然嚴重，但并非不可克服。通過積極應對這些風險，我們可以努力實現人工智能的益處，同時最大限度地降低災難性后果的可能性。

背景

美國的許多國防專家認為，將人工智能（AI）的潛力發揮到極致，可能是保持美國軍事優勢的決定性因素。然而，盡管這項技術對美國國防部（DoD）具有潛在的重要性，但人工智能的軍事研究和開發資金只占這項技術總投資的一小部分。而且，與傳統的國防承包商不同，國防部即使不是主要客戶，也是重要客戶，國防部在大多數這些高科技軟件公司的整體客戶群中所占比例相對較小。由于這些公司雇用了一些領先的人工智能人才，并建立了一些最有能力的技術框架，利用這些專家的才能可以使國防部利用人工智能為其自身轉型的努力受益。

為了評估軟件工程師和私營部門技術人員對國防部人工智能應用的看法，研究小組進行了一項調查，提出了美國軍方如何使用人工智能的各種場景，并要求受訪者描述他們以這些方式應用人工智能的認同度。這些場景改變了幾個因素，包括戰場的距離，作戰破壞性，以及人類對人工智能算法的監督程度。調查結果發現，大多數美國人工智能專家并不反對國防部的基本任務或人工智能在軍事領域中的應用。

研究問題

• 1.哪些因素會影響軟件工程師對人工智能在美國軍方應用感到舒服和不舒服？

• 2.軟件工程師對社會機構——特別是國防部的信任程度與他們對國防部構建人工智能應用的可接受性的看法之間有關聯嗎？

• 3.軟件工程師是否將國防部認定為戰略競爭對手的國家視為對美國的重大威脅？

• 4.軟件工程師依靠什么類型的新聞媒體和其他信息來源來知曉他們與國防部有關的事件？

主要發現

• 1.硅谷和美國防部之間似乎不存在不可逾越的鴻溝

  • 來自硅谷技術公司的受訪者和擁有頂級計算機科學的大學對人工智能軍事應用感到滿意。

• 2.對于涉及使用致命武力的人工智能應用來說，認同度存在著差異

  • 來自三家接受調查的硅谷科技公司，約三分之一受訪者對人工智能的致命用途感到不安。

• 3.科技工作者對領導的信任度很低，甚至對他們自己的領導也是如此

  • 軟件工程師和其他技術人員對擔任領導職位的個人信任度較低。

  • 科技工作者對科技公司首席執行官的信任幾乎與他們對民選官員或聯邦機構負責人的信任一樣少。

• 4.科技工作者最擔心的是對美國的網絡威脅

  • 這三個群體中超過75%的受訪者認為中國和俄羅斯是美國的嚴重威脅。

• 5.科技工作者支持使用軍事力量來抵御外來侵略

  • 調查受訪者強烈支持使用軍事力量保衛美國及其北約盟國免受外來侵略，近90%的參與者認為在這種情況下使用軍事力量是正當的。

• 6.硅谷的科技工作者與軍方沒有什么個人聯系

  • 不到2%的硅谷受訪者曾在美國軍隊服役。

  • 幾乎20%在國防承包商工作的軟件工程師以前曾在美國軍隊服役。

主要建議

• 1.應該探索各種機制，擴大國防部和硅谷之間在網絡作戰方面的合作，網絡作戰是人工智能的潛在應用，硅谷工程師將其視為重要的全球威脅。

• 2.應該探索擴大軍事作戰人員、國防部技術專家和硅谷科技人員之間的協同，以評估在組織之間建立更大信任的途徑。

• 3.應該探索國防部讓硅谷工程師參與國防部人工智能應用。

• 4.應該調查國防部和硅谷雇員共建共享的價值。

• 5.另一個潛在的富有成效的調查領域是評估各種類型的參與的好處，以幫助最具創新和經驗的美國人工智能專家了解國防部如何完成其任務，并發現他們的才能和專業知識如何有助于解決國防部和國家的問題。