以色列在其军事行动中使用人工智能赋能的目标识别技术，正在迅速扩大中东地区作为算法战争应用试验场。决策支持系统被用于缩短从情报获取到实施打击的时间线，这增加了行动节奏，并减少了领导人在打击实施前进行审议的时间。本文将探讨杀伤链加速对升级动态、平民风险阈值和领导层决策的影响。此外，将审视算法战争技术的区域扩散、新兴人工智能军事竞争以及当前存在的法律灰色地带。对机器辅助目标识别日益增长的依赖，可能通过允许一个国家利用压缩的战略时间线来维持高强度行动，从而破坏威慑稳定性。

引言

人工智能正通过提高信息处理速度和增加可识别潜在目标的数量，改变现代战争。以色列是最早使用基于人工智能的决策支持工具以提供多源情报输入来生成打击建议的军事组织之一。这些工具仍处于人类监督之下，但其压缩了决策周期并提高打击节奏。

其战略影响远不止于提高战术效率。快速生成火力控制方案的能力消除了政治辩论的机会；使得持续执行高强度行动成为可能；并且可能降低在某一区域持续使用武力的门槛。随着地区行为体开始监控并整合人工智能以支持军事行动，以色列所使用的作战实践正在使此类战争在整个中东地区的使用正常化，并引发了人们对升级的潜在速度、平民伤亡风险以及威慑长期稳定性的担忧。

人工智能辅助目标识别技术的演进

以色列的目标识别工作日益显示出使用人工智能来融合来自情报、监视与侦察系统数据的趋势，这些数据包括信号情报、图像情报、通信元数据和行为模式分析。这些系统对数据进行大规模分析，其能力在于关联不同类型的数据，以确定与军事组织相关的作战网络和基础设施。

Habsora (“Gospel”)系统允许自动关联情报指标和军事基础设施，以便快速生成大量的潜在目标清单。这使得军方能够迅速创建大量的潜在目标清单。报告指出，“以色列每天可生成数百个潜在目标”，表明其正转向快速生成工业化规模的目标。

此外，“薰衣草（Lavander）”是一个独立的系统，使用算法评分，基于数据衍生的潜在军事隶属指标来评估关于个体的大量信息，并且常常将人类监督限制在快速验证结果上。

“薰衣草”系统并非自主运行；然而，将确定谁是武装人员的责任从人类调查者转移到了分析大量数据并对个人或团体作为武装人员的潜在状态做出初步判定（或建议）的机器。因此，显著提高了行动执行的速度和规模，并识别出潜在目标。

杀伤链压缩与升级动态

对决策速度的研究表明，更短的目标识别时间会增加打击总数，并减少暂停行动的机会；大规模的自动化目标生成可以实现持续的高强度作战，而非间歇性的打击行动。

压缩的时间线限制了领导层进行监督的能力，也限制了外交行动的机会。此外，快速行动在拥挤的作战环境中增加了情报错误/误判的可能性，从而缩短了升级阶梯，并为反应性反升级回应提供了机会。

政治与作战成本动态

人工智能赋能的目标识别改变了持续军事行动的成本结构。自动化降低了对情报分析的人力需求，减少了行动阻力，使得能够在不按比例增加规划资源的情况下进行长时间的高节奏战役。

正如政策分析所表明的，技术效率可以提供机会，由于作战可行性而降低持续行动的政治障碍。当打击生成变得可扩展和常规化时，领导人更可能将持续行动视为更具可持续性。

与此同时，随着基于人工智能的决策支持系统变得更加普遍，它们也创造了一个责任分散在技术流程中的环境；从而给机构监控和监督此类高流量行动带来了挑战。高流量行动有可能改变组织对使用武力的看法，使其从离散的战略决策转变为持续不断的作战输出，这可能使高层领导人的风险评估计算从战略考量转向持续的作战考量。

扩散与地区人工智能竞争

以色列在作战中对人工智能辅助目标识别技术的整合正在加速其区域扩散。

• 伊朗正发展“数据赋能的情报监视与侦察整合”能力，作为其不断扩展的ISR能力的一部分，
• 土耳其已发展出高度先进的人工智能集成无人机产业，包括：自动跟踪；传感器融合；早期蜂群能力。
• 海湾国家已开始通过与西方/以色列防务公司的合作，投资于赋能人工智能的指挥控制与情报监视侦察系统。

战略影响：升级情景

人工智能赋能目标识别技术的常态化将主要通过其对决策速度和危机控制的影响来塑造地区稳定。三种情景说明了潜在的轨迹：

持续高节奏战争的常态化（短期展望）

基于人工智能的目标选择成为许多地区军队的操作规范。以色列基于数据持续生成打击的模式将被大多数军队通过自主开发、对外采购/获取或改造现有的人工智能基ISR和无人机系统所复制。

因此，所有冲突都变得更类似于长期高频消耗战，而非短期决定性战役。在此情景下，领导人的决策时间将大大缩短，并且他们在维持军事压力方面几乎不受任何限制。外交的作用将减弱，因为军事行动的速度将快于外部各方的调解周期。结果，随着高流量行动成为军事行动的常态部分，平民伤亡可能变得更容易被接受，而一旦冲突开始将更难以停止，危机稳定性将下降。

竞争性算法升级（中期展望）

地区对手达到类似水平的人工智能赋能目标识别和ISR能力，从而在杀伤链压缩上形成对称。危机动态变得对时间更加敏感，因为各方都寻求决策速度优势以避免作战劣势或被先发制人。

预警时间缩短增加了危机期间采取早期行动的动机，这也将增加误判和在多个战场快速横向升级的风险。机器速度的竞争也可能通过反馈效应加剧升级：快速的损失或被感知到的目标识别渗透，可能导致不经延长的政治审查即进行立即反击。随着战略信号传递的窗口变窄，用于危机管理的机制无法跟上，威慑提供稳定的能力被削弱。

受控整合与战略稳定（长期展望）

人工智能的作战风险（以及法律和政治风险）将促使各国将其基于人工智能的决策支持工具置于提供强力控制的监督框架内。为此，他们可能考虑一系列措施；包括要求人类验证人工智能做出的决策、为所有人工智能生成的决策创建审计跟踪、定义允许人工智能采取行动所需的置信度阈值，以及开发允许对高强度行动进行政治监督的机构性“暂停”机制。国际压力和新国际规范正推动着高流量目标识别活动的透明度和克制。

在此意义上，虽然人工智能很可能继续用于军事行动，但政治领导层将能更好地控制这些行动升级的节奏。在此情景下，算法战争将作为正常军事行动的一部分而被常态化，但将受到旨在维持危机稳定性的治理结构约束。

参考来源：IARI