生成式AI在智能化战争中的运用及影响

生成式AI集成了自然语言处理、计算机视觉、语音识别、深度学习等人工智能技术成果，能基于已有的数据和知识，通过算法生成全新内容，推动智能化战争进入“全域自主交战”新阶段。

国家网信办《生成式人工智能服务管理办法（征求意见稿）》，将生成式AI（AIGC）定义为“基于算法、模型、规则生成文本、图片、声音、视频、代码等内容的技术”。主要有五类：一是生成式文本模型。通过学习大量的文本数据，能生成文章、故事、评论和诗歌等文本。最具代表性的除OpenAI的ChatGPT外，还有谷歌的BERT、PaLM，微软的Turing-NLG等大模型，都具备“强交互”“强理解”“强生成”等特点。二是生成式图像模型。通过学习大量的图像数据，能创作全新的绘画、插图等内容。最具代表的是OpenAI的DALL-E2/E3模型，可根据描述，迅速生成一幅逼真且有创意的图像。三是生成式音频模型。通过学习大量的音频数据，能生成全新的音乐、语音等内容。最具代表的是OpenAI的语音合成引擎Voice Engine，只需15秒的语音样本，就能克隆出一个人的多语言音频。爆火的视频翻译软件HeyGen，采用的就是该引擎。四是生成式视频模型。通过学习大量的视频数据，能生成全新的视频片段或完整的视频内容。最具代表的是OpenAI新推出的文生视频模型Sora，可根据文本指令创建逼真、生动、复杂的高质量视频，能实现多角度镜头流畅切换，制作质量接近商业片水平。五是生成式代码模型。能自动编写或辅助编写代码，以提高开发效率和质量。最具代表的有OpenAI的CodeX和DeepMind的AlphaCode。

生成式AI与传统AI显著不同。一是从核心目标和功能来看，生成式AI的核心目标是创新，能生成全新内容。这种创造性超越了传统AI范畴，后者主要用于在已知输入和输出之间建立联系，从而进行预测。二是从学习机制和技术来看，生成式AI广泛使用了生成式对抗网络、Transformer等技术，需要依靠大量的样本数据进行训练，而且能通过学习自身生成的内容来进化，这种训练方式超越了传统AI单纯依靠机器学习的方式。三是从应用场景和优势来看，生成式AI具有广泛的应用前景，能应用于创作或辅助创作领域，而传统AI则更多应用于需要精确识别和分类，或者基于历史数据预测未来趋势的场景。

从技术角度看，生成式AI的发展是一个不断突破和创新的过程。一是专家系统的兴起。20世纪80年代至90年代初，专家系统崭露头角。它依赖规则和预定义知识库，能在特定领域进行推理和决策，在逻辑推理和知识表达方面为生成式AI的发展奠定了基础。二是深度学习的崛起。20世纪90年代后期，由于算法限制和算力不足，生成式AI的发展遭遇了瓶颈。进入21世纪，深度学习技术的兴起为生成式AI带来了革命性变化。它通过构建深层次的神经网络模型，自动从大规模数据中学习特征表示和生成规则，极大提升了生成内容的质量和多样性。三是多模态模型发展。2022年以来，得益于算法的不断优化和算力的提升，生成式AI开始从单一模态向多模态跨域生成发展，AI能同时处理和理解文本、图像、音频和视频等多种信息形式，这为生成式AI在各个领域的应用提供了更广阔的空间。GPT-4是一个大型多模态模型，不仅具有更高级的推理和复杂指令处理能力，还具有极高的创造力。这标志着生成式AI进入发展快车道。四是通用型人工智能。生成式AI的最终发展目标是实现通用人工智能（AGI），即类似于人类智能的机器智能，具有广泛性和适应性。OpenAI公司成立的初衷就是要最终实现AGI。当前，实现AGI还面临诸多挑战，包括如何让机器理解和处理自然语言、让机器像人一样进行学习和创造，以及在面对未知情况时能做出合理的决策等。此外，AGI的发展还需要突破现有的算法和技术限制，找到普适的智能理论。

生成式AI是一种强大的人工智能技术，在模仿和创造方面展现出了巨大潜能，其技术特点主要体现在以下几个方面。一是数据驱动。生成式AI需要依靠大量的数据进行训练和学习，以获取足够的信息和知识来生成内容，并能处理大规模、高维度的数据，从中提取出有用的信息和特征。二是可扩展性。模型架构通常具有模块化和层次化的特点，可方便进行扩展和定制，能在不同领域和场景中广泛应用；算法设计通常考虑到了计算效率和资源利用的问题，性能和生成能力可随技术的不断发展和数据的不断积累而提升。三是可交互性。生成式AI能理解并回应用户的自然语言输入，根据用户的反馈和需求，动态地调整和优化输出内容，能更加智能、灵活地与用户互动，为用户提供更加个性化、精准化的服务。四是可创造性。不再仅仅基于规则，能模仿人类的创造力，从多个数据源中汲取灵感，将不同的风格、文化和知识进行融合，生成具有创新性和多样性的内容，这为其在多领域的应用提供了无限可能性。

生成式AI在战场态势智能分析方面具有巨大潜力和价值。一是多域数据融合分析。能凭借强大的信息处理和输出能力，破除战争“迷雾”，对海量多源、复杂异构且快速增长的战场情报数据进行深度挖掘和融合分析，为指挥决策提供全面、准确的情报支持。二是战场联合态势感知。面对瞬息万变的战场数据和信息，能通过多模态信息融合，实现对陆、海、空、天、电、网多维立体空间战场态势的全面感知，帮助作战人员洞悉战场环境、识别打击目标、预警作战威胁，提高指挥决策的精确性和时效性。三是态势预测和威胁评估。能通过对大量历史和实时战场数据进行深度学习，找出战场变化的模式和规律，构建复杂的战场模型，模拟和预测战场态势的演变趋势，预测敌军可能的行动轨迹、攻击方式和目标，为己方提供预警和应对建议。华为“盘古气象大模型”，不使用传统数值预报方法，采用适配地球坐标的三维神经网络与层次化时域聚合策略，仅需10秒就能完成全球7天高分辨数值天气预报，计算速度提升了万倍以上，计算功耗降低至十几万分之一，未来可用于战场环境保障。

生成式AI能为指挥决策提供强大的支持和辅助，提高决策的准确性和效率，增强行动的灵活性和适应性。一是辅助任务规划。能运用多源情报分析工具和辅助决策模型，自动提取关键信息，生成态势图像、数据图表、部署策略和资源分配等作战文书，辅助进行任务规划，提高作战筹划效率。二是辅助方案推演。能准确分析战场态势和作战需求，自动编写作战想定，生成多套作战方案，通过模拟仿真预测每套方案的结果，为指挥员精选优化方案提供参考。三是辅助作战决策。能嵌入一体化联合作战指挥系统，研判战场态势，预测战争走向，通过人机交互持续迭代优化，形成作战建议，辅助指挥决策，较传统指挥反应速度更快，决策水平更高，效能更加突出。为提升指挥决策的快速性和有效性，美军将生成式AI纳入“关注技术清单”，启动“人工智能前瞻计划”和“从数据到决策”项目，重塑指挥决策流程，构建将海量情报数据转化为有效自主决策输出的能力体系。

生成式AI能显著提升不同作战单元之间的协同效率，增强整体作战能力。一是提升协同作战效能。通过对战场态势的实时感知和分析，快速识别敌我双方的行动和意图，根据各作战单元的能力、位置和任务需求，自动进行任务分配和调度，提高协同作战的效率和准确性。二是缩短作战进程。可分解作战任务，运用内置算法优化方案，依靠其快速反应速度，加速“OODA”（观察—调整—决策—行动）作战循环，缩短决策周期，形成“以快打慢”制胜优势。三是助力人机协同。生成式AI本身是机器产物，又能理解人的语言，是理想的人机交互接口，能嵌入到无人作战平台，通过智能算法和自主决策能力，支持跨平台、跨领域的有人/无人协同作战，全面支撑“忠诚僚机”和“蜂群”作战等新型样式，大幅提高作战效能。未来智能化战争，生成式AI能与无人作战平台精准对接，“订单”式规划作战任务，“派单”式就近赋予任务，“接单”式打击锁定目标，可形成对传统作战对手的降维打击。

生成式AI能综合集成到各类保障系统中，人、装、物泛在互联，有机融为一体，极大提升作战保障的效率和精确性。一是物资管理与分配。可实时分析战场需求和物资库存情况，优化物资分配和调度；可预测物资消耗趋势，提前进行补充，避免物资短缺；可综合分析运输路线、交通状况和物资需求等因素，优化运输计划，降低运输成本，提高运输效率。二是装备维护与修理。可对装备运行数据进行实时监测和分析，预测可能出现的故障，提前制定维修计划，优化维修资源分配，及时进行装备维护和修理，降低维护成本，延长装备寿命，提高装备可用性。三是医疗救护与保障。通过对医疗数据的分析，能快速准确识别潜在的疾病迹象和损伤，预测治疗结果，为军队人员提供更高效、更智能的医疗保障；可辅助进行远程诊断，提供最佳治疗方案，提高战地医疗救援的效率和准确性；可匹配最近的救援人员和资源，快速组织伤员的疏散和治疗，提高战场救援效率。美陆军远程医疗和先进技术研究中心与约翰斯·霍普金斯大学合作，利用人工智能、增强现实和机器人技术为战场上的医务人员和士兵提供虚拟助手。

人工智能不是单一的离散技术，而是一种通用的使能技术。生成式AI凭借其强大的学习创新能力，在军事领域的广泛应用将给战争带来革命性变化，产生全面而深远的影响。

以AI为核心的颠覆性技术群正加速进入军事领域，“智能”要素正在取代“信息”要素，引发战争形态发生重大变革。一是作战体系向人机混编转变。生成式AI将彻底颠覆战场的主要作战力量，智能化载荷、智能化平台、智能化系统等将成为装备发展新趋势，人机混编与无人自主编成将成为作战力量编成新形式。二是作战样式向智能无人跃迁。在生成式AI牵引下，以人为主导的人机协同作战、以算法为依托的智能认知作战、以云为中心的数据开源作战、以制智为目标的全域分布作战等将成为未来主要作战样式，“杀伤链”将向“杀伤网”转变，呈现出低风险、低成本、低门槛特征。三是制胜机理向以智制胜演进。战争制权的发展与战争形态演变脉络一致，“制智权”成为智能化战争制权争夺的核心，集中体现为“算法+数据+算力”的综合较量，突出以智制胜、以快制胜、以联制胜、以算制胜，智能主导、自主驭能、以智谋胜将成为战争的基本法则。

无人X-62A与有人F-16进行空中缠斗

生成式AI能有效降低情报搜集、网络攻击和认知作战等行动的门槛，参战人员的范围大幅增加。一是降低了情报搜集门槛。不需要高度的专业技能和经验，就能实时融合处理海量的多源异构战场数据，为作战人员提供实时战场态势和打击目标，预警威胁信息。乌克兰危机中，乌军使用“情报众筹”类APP，号召民众实时上传俄军动态，利用生成式AI技术对收集到的数据、图片、视频等信息进行分析处理，提升己方复杂环境下的态势感知与数据处理能力。二是降低了网络攻击门槛。能快速实现网络漏洞发现、恶意代码编写、钓鱼邮件伪造、恶意软件传播与执行等功能，网络攻击的入门要求大幅降低，甚至可能实现零门槛。前SpaceX软件工程师使用GPT-3对一个Git存储库代码进行审校测试，发现了213个安全漏洞，而最好的商业工具也只能发现99个。最新研究发现，GPT-4可通过阅读漏洞安全公告来生成利用该漏洞的恶意代码。三是降低了认知作战门槛。认知域作战涉及宗教、语言、文化、心理、精神、思维等多个领域，需要大量的专业化人才支撑。生成式AI能根据作战需求创新生成高质量的舆论引导、心战攻击信息，可批量复制部署、不间歇运转，降低“认知弹药”制作成本和认知域作战门槛。2017年，哈佛大学发布报告，认为AI技术相比其他军事技术（如核技术）更容易获得，使用门槛更低。

生成式AI能自动处理大量数据和信息，助力指挥决策更加科学、合理，强化人机协同完成侦攻防任务，增强整体作战效能。一是提升战场态势感知力。可基于多源数据信息开展自动识别与融合处理，依据指令关联比对，高效识别异常行为及潜在威胁，基于大量敌情数据快速挖掘行动规律，对目标价值、作战意图、行动企图及力量对比等进行自主判断，为战场态势研判提供依据和方案。二是助力指挥决策智谋化。面对日益纷杂的战场形态和指数级增长的战场信息，可高效分析指挥员的作战需求，通过大模型处理和战斗模拟、兵棋推演等方式提供风险评估和决策建议，帮助指挥员减少主观误判干扰，客观判断形势，正确下定决心，提升指挥决策的效率和水平，从计算机辅助决策向人机融合的智能决策转变，由“人在环里”向“人在环上”转变。三是推动作战行动自主化。生成式AI的“开放接口”模式与平台属性，为传统武器或自动武器的自主化、智能化提供了可能性。美军通过为F-16战机加装数据跟踪计算系统、飞行自动控制系统等智能模块，将传统战机改造成AI控制的X-62A无人僚机。2024年4月，该型机与一架有人战机进行了世界首次空中格斗测试，两机以最高1.58马赫的时速进行空中缠斗，最近距离约610米。四是创新作战样式多样化。生成式AI的创造性，使得它在战争中拥有无限可能和广阔的应用前景。乌克兰危机被认为是第一场人工智能赋能的战争，各方探索运用人工智能技术，不断创新作战行动。乌军使用AI人脸识别技术，搜索俄社交媒体20多亿张照片，建立俄军人脸识别库，通过信息比对快速确认目标身份，核查潜入乌境内的俄特工。俄军利用AI自我学习算法，快速适应网络防御策略变化，实现网络攻击的智能化、自动化，大规模网络攻击频次由每月15次上升到125次。

生成式AI对战争的参与呈现出全域、立体、多维的特点，并以令人惊讶的速度迭代演进，最终可能成为改变战争局势，甚至影响人类文明进程的“恐怖融合”。一是极易导致虚假信息泛滥。生成式AI可围绕特定议题、瞄准特定对象，批量化、快速化、规模化制造虚假信息、虚假新闻和战争迷雾。生成式AI的知识由训练数据集定义，当提问不在训练集中时，它就会“一本正经地胡说八道”。学术上将这称为“幻觉”。作战指挥如果高度依赖生成式AI，就极易形成虚假情报，引导错误决策，引发“致命决策去人类化”，挑战人类对战争的主导权。二是可能冲击战争基本原则。生成式AI具有“类人类意识”，可能彻底改变战争模式和交战规则，对战争法基础原则造成颠覆性冲击。生成式AI对海量数据训练有致命依赖，复杂多变的战场环境以及敌方的“诈术”等，可能导致区分原则难以适用；生成式AI只能做出最有利于实现军事目标的“纯理性”判断，不具备价值判断能力，使其难以遵守比例原则；生成式AI没有痛觉，这一天然缺陷使其难以遵守避免不必要痛苦的原则。三是能力无法预估令人恐惧。生成式AI加快了通用人工智能发展，加剧了人类对AI武器化的担忧和恐惧。目前，人类对AI的恐惧多源自想象，这与核武器有着很大不同。虽然核武器的杀伤力足以毁灭人类，但人类可以“想办法”控制它。而在控制AI方面，人“想”不过机器，所以产生恐惧。人们担心，通用人工智能将成为整个人类社会的梦魇。马斯克就把研发AI比作“召唤恶魔”，“每个巫师都声称自己可以控制恶魔，但没有一个最终成功”。