人工智能作为一个新兴领域，具备从根本上改变冲突形态的潜力。能够比对手更有效运用此项技术的军队，将在作战中获得决定性优势。然而，将人工智能融入军事领域存在其固有的风险，原因在于人工智能系统存在诸如“幻觉”、不透明、缺乏真正的逻辑推理和多模态智能等缺陷。本文着重阐述当前人工智能的技术能力，并分析其在军事系统中的实用价值。文章详细探讨了如何创新性地运用人工智能模型进行多域作战的规划与实施。最后，明确了推动武装部队实现人工智能赋能的关键必要条件。

概述：人工智能能力及其在军事行动中的应用

人工智能是一个具有多领域应用前景的新兴领域。机器学习技术的最新进展，包括神经网络以及提供增强计算能力的相关硬件升级，也为人工智能在军事领域的应用开辟了道路。在军事决策过程中运用人工智能，有望提升所做决策的效能，从而协助军事指挥官获得相对于对手指挥官的显著优势。需要指出的是，虽然存在多种军事决策框架，但其核心原则基本一致。人工智能还能推动复杂和劳动密集型任务的自动化，从而显著缩短“观察、判断、决策、行动”循环所需的时间。这将极大地提升作战节奏。

人工智能也正在深刻变革数据分析和问题解决的方式。人工智能在象棋和围棋等策略类游戏中的表现已超越人类。人工智能模型在推理测试和数学奥林匹克竞赛中也展现出可靠的能力。它们还具备一定的创新能力。凭借这些能力，人工智能模型能够为军事决策和作战执行提供重要支持。大型语言模型自2017年“注意力”机制发现以来取得了显著进步。该领域的最新进展催生了“智能体人工智能”，即能够在有限监督下，以协同方式执行多个子任务以实现特定目标的模型。

大型语言模型支持对数据进行复杂查询，从而有助于加快信息检索速度。指挥官可以查询情报数据库，以获取决策所需的敌方具体信息。它们还能连贯地生成长篇幅输出。因此，一旦向系统提供了指挥官的意图指导和参谋人员的输入，诸如作战命令或指示之类的复杂文件便可轻松自动生成。

人工智能模型在分析视觉数据方面也已变得十分熟练。卷积神经网络的发展以及运用视觉变换器的最新趋势，极大地提高了视觉识别与分类的精度。这对于通过情报、监视与侦察资源进行目标探测、识别与跟踪具有巨大潜力。通过结合卷积神经网络与长短期记忆模型，也能轻松分析基础设施建设的时序变化。视频生成等内容创作也取得了飞跃式发展。生成的视频高度逼真，并且克服了早期如手指数目错误、事件时间顺序错乱、光影物理规律不一致等缺陷。人工智能生成的内容可通过制造深度伪造有效用于认知领域作战，同时，也必须有效应对对手对此类技术的运用。

人工智能模型通过参数优化，在各种性能基准测试中持续取得进步。参数更少的模型现在能够提供与大型模型相当的性能，这表明模型的训练方法和算法效率有望以更少的计算资源和成本来创建高效模型。因此，可以用少得多的资源实现高效能。当前的模型已不仅限于处理文本输入和输出。它们也能接受音频、图像、视频输入，并能以多种形式提供输出。这种多模态能力可以有效辅助战场情报准备。

生成对抗网络的发展促进了合成数据的生成以用于分析，以及通过迭代改进来优化输出。该过程类似于军事兵棋推演。因此，它们非常适合用于分析各种行动方案并确定其优先级。关键是将新开发的大型概念模型架构与生成对抗网络相结合。

人工智能发展的另一个重要方向是“专家混合模型”架构的出现，它通过调用各自领域的专家子模型，促进了复杂任务的决策制定与协同处理。另一方面，人工智能系统仍然存在固有缺陷，其学习效果很大程度上依赖于所提供数据的质量，并容易受到算法偏见和误差的影响。通用人工智能尚未充分发展，人工智能系统缺乏必要的独立思考能力和“反直觉思维”能力，即在最佳行动方案并非最显而易见方案时的判断力。这一点在军事环境中尤为重要，因为对手会蓄意通过提供虚假信息和开展认知欺骗行动来达成奇袭效果。

尽管人工智能模型在推理和逻辑方面取得了显著进步，但这些模型本质仍是概率预测模型，缺乏真正意义上的理解与推理。它们尚不具备人类水平的多模态推理与综合理解能力。因此，虽然人工智能系统可以协助军事行动的规划与执行，但做出最终决策的行为必须由人类掌控。这意味着，基于人工智能的自主系统可在决策不涉及重大风险或连锁效应时有效使用；而对于高风险、高影响的决策，确保“人在回路”的决策模式仍将是基本原则。此外，尽管当前人工智能模型架构的优化可能会持续，但其边际效益可能递减。需要发展全新的架构，以实现向通用人工智能的下一阶段跨越，从而协助完成复杂推理、实现真正创新以及探索目前人类认知范围之外的新知识。届时，人工智能模型方能在军事决策领域发挥卓越作用。

人工智能模型存在的另一个问题是其不透明性。尽管业界正在努力开发能够逐步展示其推理过程的人工智能模型，但可见其推理链条仍存在缺陷。人工智能模型也容易出现“幻觉”，即呈现事实错误的内容并将其当作真实。这在军事领域可能产生严重的负面影响。数据是决定人工智能系统效能的最关键因素。如果输入数据存在偏见或不准确，即便是世界上最优秀的人工智能模型也会产生错误输出。军事系统面临的一个关键挑战是缺乏干净、可靠的实证数据。这些问题凸显了基于人工智能系统的“可信度”问题。如果人工智能系统的缺陷导致军事决策者对其失去信任，那么该系统所带来的优势便将荡然无存。总而言之，当前的人工智能模型若能审慎应用并规避其缺点，可提供相对于对手的决定性优势；然而，为了在军事应用领域取得卓越成就，必须致力于开发以通用人工智能为目标的更优架构。