○曹双僖

　　近期，乌克兰局部战争牵引着全球的目光，各种智能化作战武器平台粉墨登场，无论是战前情报分析还是战后损伤统计，无论是物理空间升级改进的“毒刺”导弹和无人机优异战绩，还是暗潮涌动的网络空间攻防，其中皆不乏人工智能的身影。正如俄罗斯总统普京所说：“谁能成为人工智能领域的领先者，谁就能统治整个世界。”如果将人工智能的起点定义为艾伦·图灵和冯·诺依曼所在的年代，那么人工智能的发展历程超过我们大多数人的年龄。作为一项以结果为导向的复杂性技术，经历70余年漫长岁月中，穷无数能人智者的智慧，人工智能也只是达到了细分领域应用的初级阶段。一个被誉为“使能技术”的赋能化应用，已经让人对它的威力感到不安，那么一旦奇点真的到来，我们将面临怎样的社会变革？对未来战争会形成怎样的影响？“颠覆性军事技术丛书”《人工智能》一书尝试给出答案。

　　该书巧妙之处首先在于清晰的定位，既然用有限集无法阐述全部“真理”，那么在立书之初就明确阐述对象的概念和研究的边界。军事领域应用的“人工智能”是指：“围绕特定任务，在环境感知、决策判断和行动执行等层面实现自主的技术，以及包含这种技术的硬件系统或人机复合组织”。因此，我们讨论的对象虽不是所谓的“通用人工智能”，但也涵盖了对于人、机器和环境三者之间关系的考察，关注的重点是人工智能的自动、自主、自治过程，并在感知、决策和行动的智能化程度上进行分级。

　　回到概念定义层面，“人工智能”毕竟只是时代特色下人工翻译的产物，回到“Artificial Intelligence”本身的词源定义，“Artificial”本身有“人造的、人工的、人为的、假的、非自然的、虚假的、假装的”等含义，“Intelligence”有“智力、才智、智慧、情报（尤指关于敌对国家的）、情报人员”等含义。正如书中所言，AI中的这个“I”究竟应该理解为“智能”还是“情报”是值得商榷的。从当前军事应用可行性角度，个人更倾向于“研究一种机器或者设备，来帮助我们在作战条件下，针对各个作战环节完成情报的分析处理，以达到战争的目的——胜利”这样的可达效果的“I”定义解释，这样就能将一般用途的人工智能与军用人工智能的目标加以区分。

　　该书对以深度学习为特征的第三次人工智能热潮的产生进行了深度概括，可以归纳为“一个中心、两个基本点、三大主义、四座大山”。“一个中心”指深度学习算法，深度学习大体上就是用人类的数学知识与计算机算法设计一种架构，再结合尽可能多的训练数据、优化的计算方法，以及计算机大规模运算能力去调整内部参数配置，尽可能逼近问题目标的方法。“两个基本点”指数据和算力，没有数据作为“食材”，深度学习将难以开展，而如果没有足够算力的支撑，那么几百年后得到的计算结果对于今天的人类活动将毫无意义。“三大主义”指符号主义、连接主义和行为主义，当今火热的深度学习就遵从连接主义的基本思想。而深度学习必须翻越的“四座大山”包括：一是数据依赖，没有数据就无法进行学习，在缺少数据量的条件下需要发展小样本学习技术；二是算法黑箱，来自人们对于人工智能的实现过程失控的担忧，进而推进可解释的人工智能概念的提出和相关技术发展；三是能耗激增，单次运算能耗的降低远低于计算量增加的速度，必须通过专用“智能芯片”来解决；四是场景锁定，学习经验无法实现场景转移，距离“通用人工智能”仍有巨大差距。

　　这本书在带给我们巨大启发的同时，也带来更多疑问。

　　人工智能到底是人类福祉，还是洪水猛兽，我们能否采用中庸的态度驾驭人工智能，消除对于人工智能的恐惧，解决当前规则滞后、价值评估、责任划分等问题，贯彻“福祉、安全、共享、和平、法治、合作”六原则？

　　人工智能能否真地扩展出新型作战维度，在制陆权、制海权、制空权、制天权、制网权的基础上是否会衍生出制智权？制智权的第一次战争，多维作战中的“熵减”能否依靠人工智能或者人机混合智能得以实现？

　　OODA环中的能量转换爆发力能够演化到何种程度？兰彻斯特方程是否适用于未来混合智能体战争？未来的军队是否会变成多元架构，应该如何设计？人工智能何时承担战略任务？军事人工智能能否在“重规则、重人权、重合作”的大前提下实现“以战止战”？

　　这些问题也许短期内无法得出答案，但是我们试着从另外的角度进行思考：人工智能主要依靠各种新型、高效的算法来产生效能，而算法是基于数学——这一人类创造描述问题的形式科学，只有支撑某一人工智能算法模型的数学问题能够形成确定解，那么这个环节才有可能实现无需人类参与的目标。换句话说，正是因为很多数学问题没有确定解，造成人工智能无法实现“万能”的战争能力，其某些环节的特殊判定必须要人来决定。只要是战争过程需要人员参与，那么决定其胜负的因素就永远是作为万物之灵的人类。

　　既然人工智能融入未来战争的潘多拉之盒已经打开，那么退缩和闪避皆是徒劳，我们能做的只有克服恐惧，砥砺前行。