首发 |如何看待美军的“算法战”？

导读 

近年来，随着大数据、云计算和机器学习算法的迅速发展，美军开始积极筹划“算法战”（algorithmic warfare），试图用人工智能算法嵌入军队，塑造新一轮优势地位。算法战的具体内涵和支撑技术是什么？制胜机理在哪里？美军在这一领域又开展了哪些布局？未来的发展前景如何？针对这一些问题，本文试从算法战的概念出发，阐述了算法战的支撑技术，分析了美军推出算法战的主要原因、在此领域的主要布局，以及算法战这一概念的未来前景。

▲美军积极推进算法战

“算法战”概念的演变

“算法战”这一概念的出现是最近几年的事情。2013年4月，美国智库“大西洋理事会”网络治理倡议研究项目主任詹森·希利（Jason Healey）发表了一篇题为《“震网”事件预示“算法战”时代来临》(Stuxnet and the Dawn of Algorithmic Warfare)的文章，指出“震网”病毒是首个用算法取代人手来扣动扳机的自主武器，这预示着“算法战”的时代或将来临。

此后，“算法战”这一概念日益受到美国学术界和军方的重视。2016年9月，哈佛大学法学院发布了一份题为《战争算法问责》的研究报告，该报告将“战争算法”定义为“通过电脑代码表达、利用构建系统实现以及能在战争行动中运作的算法。”2017年4月26日，美国防部明确建立“算法战跨职能小组”（Algorithmic Warfare Cross-Functional Team，简称AWCFT)，标志着美国军方对“算法战”这一概念的正式认可。

▲美国防部签署设立算法战跨职能小组的备忘录

美军为什么要高调推出“算法战”？

促使美军筹划“算法战”的直接诱因是军事大数据的显著增长给情报分析机构带来了巨大的困境。随着各类传感器与计算机设备的高速发展和应用，全世界的数据量呈指数级增长。2018年的一份研究报告显示，过去两年产生的数据占当时世界上所有数据量的90%，且这个趋势仍在继续。在此背景下，各大机构都面临着数据爆炸的问题。面对铺天盖地的大数据，仅凭坐在办公室里的军事专业分析人员已无力应付。例如，美国空军有一个用于城市监视的广域图像传感器网络。然而，即使只分析10%的收集数据，也需要20名分析师持续工作24小时。

而与此同时，算力的显著提升及机器学习算法的进步，为快速而准确地分析大数据提供了有效手段。在此背景下，美国防部率先设立“算法战跨职能小组”，开发图像识别算法分析无人机视频数据，从大数据中提炼出有效情报辅助决策。相比人类，智能机器在完成关于大容量、大速度、多样化数据的任务中具有显著优势。算法的快速、准确、无疲劳等特征使之在大数据分析领域大展身手，展现出远超人类的能力。正因如此，美国防部联合人工职能中心主任约翰·杰克·沙纳汉（John N.T. “Jack” Shanahan）中将甚至称算法是“世界上最优秀、训练最有素的数据分析师”。

但大数据分析只是算法战的一个剪影，远非全部。算法战的本质是推动人工智能应用于军事领域，塑造新一轮军事优势。澳大利亚空军上校在其出版的《算法战：将人工智能用于军事领域》（Algorithmic Warfare：Applying Artificial Intelligence to Warfighting）报告中指出，算法战对于军队的价值主要可分为两类。

第一类是“更好地做事”，即将人工智能算法嵌入侦查、信息、指挥和行动等作战网络，塑造己方的信息和决策优势，更快地完成“观察、判断、指挥、决策”这一OODA回路。这一思路沿袭着约翰·博伊德（John Boyd）理论视角，认为在任何级别的战争中获胜都需要比对手更快地完成“OODA”回路。因此，算法战能够通过把深度学习机器运用到作战网络、强化人机协作、人机编组、机器辅助人工作战以及自主和半自主武器五大途径，推动现有战斗能力的显著提升。

算法战对于军队的第二类价值在于“做更好的事”，即通过战略层面的机器人战争和战术层面的机器速度决策和蜂群技术塑造出全新的军力结构和作战能力。自主的机器人战争可以显著降低战场人员伤亡、排除通信干扰、降低战争门槛。以智能机器速度决策可以瞬间协调大量传感器和武器平台，从而实现快速兵力集结、跨大区域机器攻击和快速重组以重新分配任务。而蜂群技术则能够发挥其更大的群体、更快的反应速度、更强的协调能力、更高的智能等优势，塑造新的战场优势。

▲约翰·博伊德的OODA决策回路理论

算法战的主要支撑技术

机器学习算法、大数据和云计算是“算法战”的三大支撑。数据、算法及算力是驱动第三次人工智能浪潮蓬勃发展的“三驾马车”，也正由于这三种关键的计算技术的进步，算法战的理念才能成为现实。

首先是计算机处理能力的指数级增长，使得高性能机器学习技术得以实现。机器学习(Machine Learning)是人工智能的领域的一个专业术语，它经常使用数学统计方法使机器能够从数据中“学习”，而不需要明确给出如何学习的指令。这个过程被称为“训练”一个“模型”，使用一个学习“算法”，逐步提高模型在特定任务上的性能。目前，主要有两种典型的机器学习方法：监督学习和非监督学习。

其次是“大数据”的显著增长，为训练有学习能力的机器奠定了数据基础。大数据一般是指为“可以通过计算分析来揭露数据模式、发展趋势和数据之间联系的超大数据集，尤其是与人类行为和交互有关的数据集”。大数据的主要特征通常可概括为“三个V”，分别是：大数据量（ever-larger Volumes of data）、快数据流（increasing Velocity of data flows）以及多信息源（growing Variety of sources），如图像、声音、视频、文本等。

第三是云计算的稳步发展，允许随时访问外部程序和数据。促进智能机器访问大数据集最有效的方式是使用云计算。“云”是在互联网上访问服务的一种隐喻，云计算则是指使用网络来存储和访问外部的数据和程序，而不是使用计算机自带的硬盘驱动器。与计算机硬盘存储或在小型局域网中使用硬件服务器相比，云计算在信息共享方面更具弹性、安全性、可扩展性、灵活性、响应性和支持性。

▲云计算概念图

美军推动“算法战”的主要举措

“算法战跨职能小组”是美军推动算法战的首个专门机构。2017年4月，前美国国防部副部长罗伯特·沃克签署了一份关于主题为“专家项目”（Project Maven）的备忘录，指示组建“算法战跨职能小组”，这一机构的首要任务是开发分析战术无人机系统（UAS）采集的全动态视频（FMV）的战争算法，以减轻美空军在MQ-9“捕食者”(Predator)等无人机视频数据分析领域的人力负担，配合打击伊斯兰国组织的情报、监视和侦察(ISR)，后逐渐推广到到后勤、通信、态势感知和管理等其他国防情报任务领域。据美国《防务系统》网站披露，美国算法战跨职能小组2019年底已开发出四套智能算法，预计将很快投入实战应用。

此外，为了推动人工智能快速嵌入军事领域，更为全面地推进算法战，美国防部副部长帕特里克•沙纳汉（Patrick Shanahan）于2018年6月27日签署备忘录，指示建立联合人工智能中心（Joint AI Center，JAIC），将这一机构作为推动美军人工智能战略落地的核心机构。此外，美国防部十分注重大数据和云计算基础设施的发展。2018年12月，美国防部出台《云战略》（DoD Cloud Strategy），强调获取数据和随时处理数据的能力将是确保虚拟世界战争胜利的关键，明确推动国防部朝着企业云环境的方向发展，建立一个由一般目的（通用云）和特定目的（定制云）的云平台组成的生态系统。通用云（General Purpose Clouds）的实现方式是建立 “联合企业防御基础设施云”（Joint Enterprise Defense Infrastructure，简称JEDI），而在通用云不能满足任务需求的情况下，则使用定制云（Fit-For-Purpose Cloud）。显然，这一战略的实施可以为美军推动“算法战”提供数据和计算支撑。 

▲美国防部建设混合云环境路线图

美国防部将人工智能的军事应用作为当前的优先任务之一，并出台了大量项目。前美国防部长詹姆斯·马蒂斯在2018年披露，美军目前约有592个与人工智能相关的项目。其中，不乏存在与“算法战”密切相关的一些项目。具有代表性的几个公开项目有对抗环境下的目标识别与匹配”（Target Recognition and Adaption in Contested Environments，缩写TRACE）、指挥官虚拟参谋(Commander’s Virtual Staff,缩写CVS）项目、进攻型蜂群战术（Offensive Swarm-Enabled Tactics ，缩写OFFSET)、驾驶舱人员作业自动化系统项目（Aircrew Labor In-cockpit Automation System,缩写ALIAS）等。与这些项目相伴随的是美国防部大量的资金支持。2018年9月，美国防部高级研究计划局宣布，拟投入20亿美元的资金投入“下一代人工智能”的研究。美国《2020财年国防授权法案》为联合人工智能中心划拨2亿美元资金。最新的《2021财年美国国防授权法案提议》也特别强调对人工智能等关键技术进行投资，建议对人工智能投资8.41亿美元，对自主技术投资17亿美元。

算法战的未来影响

算法战有望影响战争形态的演变。首先，算法战的推进将加快战场节奏。如前所述，算法在大数据分析领域拥有远超人类的速度，因此可以加快决策过程和战场节奏。在一个充斥着各种各样的智能算法的战场，速度和准确性将成为决胜的关键。速度就是生命，哪一方能够更快而准确地掌握战场态势，哪一方就将掌握信息优势和主动权。这一问题对于时间敏感的导弹防御和网络防御领域尤为突出，因为导弹防御不及时将影响一个部队的生死存亡，而网络领域的互动通常是以“微秒”来计算的。例如，在防空领域，以人工智能算法的机器速度运行防空系统，在面对导弹的饱和攻击时就能比人操控系统更快速而有效地保护一个军事基地或城市，因为不管人类操作员的才能多么突出，都无法快过机器的响应速度。而目前，这已经是以色列“铁穹”（Iron Dome system）防御系统运作的原则。

其次，算法战有望改变传统的军力结构观念。传统上，一个部队的军事实力很大程度受到士兵数量的影响，一些国家如果军队的人力不足，战斗力就会受到很大牵制。但是，算法战的诞生可能成为传统军力结构观念的“掘墓人”。因为，算法战本质上偏重智能机器的军力结构，有望让人口小国或老龄化严重的高科技国家塑造全新的战斗能力和与人口不成比例的优势地位。最后，算法战还会彻底改变军事训练的方式。正如专业象棋和围棋选手通过与“深蓝”、“Alpha Go”等机器算法对抗以快速提升自我能力一样，未来的军事训练也可以通过与智能机器进行模拟对抗而显著提升自身的战斗能力。通过使用精心设计的智能机器来训练，就有可能养出更多的技能型人才和显著的战斗能力。

▲2016年，李世石九段惨败给人工智能算法AlphaGo

算法战将加速美国“第三次抵消战略”落地。美军推动“算法战”的根本目的是通过引入人工智能这一关键技术，推动作战概念的创新和作战样式的转型，提升美军的战斗力，维持美军优势地位。前美国国防部副部长罗伯特·沃克强调，过去美军通过精确制导武器等塑造的技术优势地位正在慢慢丧失。因此，美军要筹划“第三次抵消战略”，用如今快速发展的新兴技术塑造美军的新一轮优势，而自主深度学习系统、人机协作、机器辅助人类作战、高级人机编队及自主武器就是这一战略的五大关键支柱。不难看出，人工智能是贯穿这一战略五大支柱的核心技术。因此，推动“算法战”实质上也是为了推动美军“第三次抵消战略”的落地，通过人工智能等关键技术赋能军队，为美军打造出类似上个世纪用核武器与精确制导武器带来的压倒性技术优势，抵消竞争对手军事实力的提升，维持美军在21世纪的霸权地位。

美军推进算法战仍面临诸多挑战

应当看到，美军推进算法战并非一帆风顺，而是面临着诸多文化、流程和人员方面的挑战。首先，硅谷科技公司与美军的理念冲突对美军推进“算法战”带来障碍。尽管目前美国防部已经出台了专门的人工智能伦理准则，这种文化分歧也难以完全弥合。以谷歌公司退出美国防部“Maven”项目这一代表性事件为例，2018年3月，由于担心人工智能技术被用于制作战争武器，有悖于公司“不作恶”（Don’t Be Evil）的价值观，谷歌公司3100多名员工联名要求公司立即终止参与Maven项目，并声明永不开发战争技术。最终，谷歌迫于压力退出了这一项目，并制定了谷歌人工智能原则，以平息内部抗议。

▲谷歌公司的座右铭——“不作恶”

下图是美军算法战跨职能小组项目的图章，图章中间画了三个快乐的卡通机器人，上方是一句用谷歌翻译得到的拉丁语口号——“我们的工作是提供帮助”。这显示出美军试图彰显其算法战的“善意用途”而打消科技公司参与美军项目的顾虑。当前，人工智能技术的主要突破来自私营企业，美军想要推动算法战无疑需要谷歌等人工智能公司的深度参与，但二者的理念分歧使得军方与私企的合作面临严重障碍。尽管目前美国防部采取了多种措施，并出台了专门的人工智能伦理准则，这种文化分歧也难以完全弥合。 

▲美军“Maven”项目logo

其次，美军推进算法战还面临安全性能标准、采购等流程问题。通常而言，民用和军用的安全和性能标准是不一样的，在民用人工智能应用中可以接受的错误率在作战环境则可能难以接受。此外，美国防部采购速度的缓慢性也可能使私营企业望而却步。研究显示，美军从私营企业采购一项技术系统的过程平均需要91 个月。而商业公司对人工智能这类软件系统在6至9 个月内就能交付产品。正因如此，有12家公司都以国防采购流程过于繁琐为由拒绝与军队合作。

再者，美军在招募和保留“算法战”人才方面也面临挑战。相比商业公司对人工智能技术专家开出的高薪，美国防部在经济报酬上并不占优势。加之一些技术工作者认为在谷歌、亚马逊等私营企业比在体制内更能实现自己的技术理想和抱负，也对美军吸引“算法战”人才构成挑战。

总而言之，美军向来喜欢营造各式各样的作战概念，从“空海一体战”到“网络中心战”，再到目前的“马赛克战”和“算法战”，都延续了这一历史传统。这一概念的诞生契合了当今人工智能、5G等新兴技术快速发展、战争节奏和形态加速演变的趋势，对于推动美军第三次抵消战略落地和军事理论创新具有一定价值。但要将这一概念真正变为现实，美军仍面临着国防部与科技企业文化冲突、采购流程、人才等多个方面的障碍和挑战。此外，人工智能算法也并不能驱散战争迷雾，也无法替代人类智能。未来想要决胜战场，关键还是要寻求人类智能与人工智能结合的平衡点，最大限度地发挥二者的优势，规避劣势，塑造己方的信息和决策优势，形成类似“半人马战士”的图景。

向上滑动阅览

主要参考文献：

1.     Jason Healey, “ Stuxnet and the Dawn of Algorithmic Warfare,” April 2013, http://www.huffingtonpost.com/jason-healey/stuxnet-cyberwarfare_b_3091274.html

2.     Lewis, Dustin A. and Blum, Gabriella and Modirzadeh, Naz K, War-Algorithm Accountability, August 2016, http://blogs.harvard.edu/pilac/files/2016/08/Executive-Summary-%E2%80%94-War-Algorithm-Accountability-August-2016.pdf

3.     Establishment of an Algorithmic Warfare Cross-Functional Team (Project Maven)，April 2017, https://www.govexec.com/media/gbc/docs/pdfs_edit/establishment_of_the_awcft_project_maven.pdf

4.     US Department of Defense, Summary of The 2018 Department Of Defense Artificial Intelligence Strategy, February2019,https://media.defense.gov/2019/Feb/12/2002088963/-1/-1/1/SUMMARY-OF-DOD-AI-STRATEGY.PDF

5.     US Department of Defense, DoD Cloud Strategy, December 2018, https://media.defense.gov/2019/Feb/04/2002085866/-1/-1/1/DOD-CLOUD-STRATEGY.PDF

6.     Remarks by Defense Deputy Secretary Robert Work at the CNAS Inaugural National Security Forum, December 14, 2015, https://www.cnas.org/publications/transcript/remarks-by-defense-deputy-secretary-robert-work-at-the-cnas-inaugural-national-security-forum

7.     [德] 卡尔·冯·克劳塞维茨：《战争论》（第一卷）[M].北京：商务印书馆，2019年版.

THE  END

文字 | 龙坤（国防科技大学）

图片 | 来源于网络

编辑 | 陈雨淼

审阅 | Q、黄洋

“军事高科技在线”征稿啦！！

详情请戳👇👇👇

往期精彩