为了保护现代兵力免受通过意识形态操纵导致政治和社会两极分化的认知攻击,本作品将两极分化解释为社会身份的一种新兴属性,在社交媒体环境中被算法放大。受用于防御地面车辆遭受直射武器攻击的 "保护洋葱 "概念的启发,作者提出了发射器、有效载荷和目标的类比,分别与数字环境、对手宣传和兵力或团体对齐。分层认知防御系统可用于降低兵力的在线特征,使其相对更难被获取,并增加受到敌方信息攻击的成员识别和抵制的可能性。通过在基础训练期间进行简单的模型训练,可以向士兵灌输识别和抵制颠覆活动的基本技能。一个附带的好处是,接受过这种培训的士兵可以反过来教育他们的社会圈子,促进民众更广泛地抵制颠覆行为。

图 1. 研究结构概念图。

进入 21 世纪以来,数字媒体和社交媒体的出现和传播改变了人们的交流方式,也对社会和军队提出了挑战。过去,军事实践者也曾面临新技术的挑战,比如战时的飞机和坦克。即使在那些战时军队发展进攻能力的同时,他们也在为如何抵御装备类似的对手而苦苦挣扎。雷达、高射炮、反坦克壕沟和便携式反装甲武器就是为了应对这些技术而发展起来的,它们以飞跃的速度对抗新武器。对于 21 世纪初战时的数字媒体挑战,有哪些类似的跃进技术?西方军队是否已经来不及适应在战时可能被称为宣传,而今天却越来越容易在网络空间获得的东西?开放的民主社会如何适应这些变化?一旦军事化,操纵意识形态的数字技术和方法对宗教或政治团体等民间团体有何影响?随着新的军民两用技术开辟了新的冲突领域或扩大了现有冲突领域,现代军队需要适应、预测和跃进,以便在这些空间展开竞争。

难点

克劳塞维茨在《战争论》第一卷第一章第一页写道:"战争是用兵力迫使敌人服从我们的意志"。但在 1808 年 8 月 27 日的一封信中,拿破仑却把重点放在了兵力之前的意志上: "在战争中,三分之二是道德问题;兵力的作用只能是另外四分之一"。也许人们可以迫使敌人按照自己的意愿行事,但仅凭一种道义上的兵力行为。如果一个交战方可以通过道德和心理行为,彻底瓦解敌人的兵力,使其无法抵抗,别无选择,只能服从呢?也许西方军队已经这样做了。而对手是否可以仅仅利用西方国家内部现有的意识形态分歧和网络社交媒体的现有算法就能做到这一点呢?

北大西洋公约组织(NATO)在某种程度上承认了这些可能性。2021 年秋,北约发布了一项创新挑战,"以识别、评估和防范对北约兵力及其盟国认知领域的攻击"。北约正在与这一问题搏斗,这表明北约意识到,一种以意想不到的方式挑战现代兵力的范式正在出现。接下来的研究将探讨什么是认知攻击,并考虑如何抵御这种攻击。

研究问题

现代兵力如何保护自己免受通过数字媒体传播的意识形态操纵?

改进通过社交媒体进行互动的理论,可以开发出保护兵力或任何人群免受意识形态操纵的具体工具。剑桥分析公司(Cambridge Analytica)参与俄罗斯干预 2016 年美国总统大选和 2016 年英国公投脱离欧盟的事件就证明了这种模式的必要性。随着西方兵力逐渐了解叙事和意识形态的武器化,他们必须跃跃欲试,不仅要运用这些工具,还要防患于未然。

研究架构

第二章广泛考察了有关意识形态、社会认同、道德基础的文献,以及对政治心理和行为的最新理解。然后,根据传播理论,特别是与宣传和社交媒体有关的理论,以及由此产生的两极分化,对这些问题进行了思考。文献调查最后概述了针对日益严重的意识形态两极分化提出的补救措施。图 1 展示了这些社会和传播理论与当今社交媒体的融合,以及由此产生的问题和当前的拟议解决方案清单。

第三章说明了当前基础军事训练中存在的差距,并提出了一种以意识形态武器化为隐喻的方法。关于认知防御的建议受到装甲车分层防御的保护洋葱的启发,相当于多层次的批判性思维。本章提出了一些实施方面的考虑,研究最后提出了进一步调查的建议。

图 7. 分层认知防御“洋葱”。

成为VIP会员查看完整内容
50

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《信息时代的战争:信息即使命》美陆军57页报告
专知会员服务
50+阅读 · 2023年1月7日
《城市环境中的作战艺术》2022美陆军52页报告
专知会员服务
88+阅读 · 2023年1月4日
《人工智能与作战艺术》美国陆军57页技术报告
专知会员服务
248+阅读 · 2022年9月11日
国家自然科学基金
50+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
51+阅读 · 2014年12月31日
国家自然科学基金
63+阅读 · 2014年12月31日
国家自然科学基金
55+阅读 · 2011年12月31日
A Survey of Large Language Models
Arxiv
499+阅读 · 2023年3月31日
Arxiv
83+阅读 · 2023年3月26日
VIP会员
相关资讯
相关基金
国家自然科学基金
50+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
51+阅读 · 2014年12月31日
国家自然科学基金
63+阅读 · 2014年12月31日
国家自然科学基金
55+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员