每个军事强国都在寻找下一个人工智能“杀手级应用”。在国防领域,这一称号不会属于某个聪明的聊天机器人或个性化推荐引擎,将属于那些能在不确定性和大规模条件下,帮助指挥官和操作员比对手更快做出更明智决策的系统。其回报不在于新奇性,而在于压缩从感知到理解再到行动的时间,同时提高每个选择的质量。

现代作战网络正被信息淹没。激增的传感器持续不断地产生图像、遥测数据和信号流。人工情报来源则增加了他们观察到的目标、报告和分析。与此同时,企业软件应用生成自己的日志、事件、警报和数据集,其涌向分析员的速度远超他们的解读能力。

例如,乌克兰的Delta态势感知平台每月接收由士兵上传的超过60万份敌方目标新报告。美国军方预期到其将处于一个势均力敌的竞争者冲突时代,拟因此其准备在比以往任何时候都更高的水平上运作。

人类的认知能力根本无法跟上这种规模。即使是最训练有素的分析师和指挥官,其注意力、记忆力和耐力也是有限的。重复性的监控任务——扫描传感器数据流、核实坐标、交叉引用报告——不可避免地会导致疲劳和错误。在压力下,人们会固着于错误的线索、忽略隐藏在噪音中的异常情况,或屈服于证实性偏见,从而强化有缺陷的假设。人类大脑进化来追踪少数移动目标并在数据不完整的情况下做决策——而不是跨多个领域和时区每秒合成数千个输入。

随着数据负载成倍增加,判断力可能不升反降;旨在增强态势感知的信息洪流反而可能使其瘫痪。在以速度和复杂性为特征的未来冲突中,如果没有能够以机器节奏过滤、融合和解读数据的工具,即使是高度专业化的人员也会不堪重负。

克服这一挑战需要掌握三个相互关联的优势——信息优势、决策优势和杀伤力优势。在数据饱和和机器速度战争的时代,每一层优势都代表了军事力量中一个独特但相互增强的层面。它们共同构成了对抗同级别竞争者的优势基础,而这些竞争者自身也在自动化、传感和人工智能领域进行大量投资。

首先是信息优势,其起点是确保美军不仅掌握更多数据,而且掌握正确的数据。实现这一点意味着利用新一代廉价、分布式和具有韧性的传感器,使战场空间充满感知能力。

目标不仅仅是看得更多,而是更有针对性地看——更早发现、持续跟踪并在跨域、跨军种和伙伴之间即时共享。密集的传感器网络为理解创造了原材料,但前提是网络能够优先处理并将最关键的信息在需要时送达需要的人。

其次是决策优势,其来自于将压倒性的信息流转化为可操作的认知。这是人工智能赋能系统的领域,它们能够比任何人类参谋机构所期望的更快速筛选、融合和解读数据。这些系统帮助指挥官和操作员专注于最重要的决策,并依据最佳可用信息做出决策。

此外,通过加速决策周期、缩短感知与行动之间的时间,可以切入对手的“OODA循环”(观察、调整、决策、行动),决策如此之快以至于敌人在战术态势发生变化之前无法有效反应。因此,决策优势关乎速度与清晰度——更快地发现决胜点,更好地理解它,并率先采取行动。

最后,杀伤力优势通过自主平台和自动化流程实现,这些平台和流程行动更快、更精确,并且重要的是,比人类可能达到的风险更低。无人系统可以实时响应威胁,以机器节奏协调火力和执行机动。这些能力将人类士兵从战场上最危险的部分移除,最大限度地减少导致代价高昂错误的疲劳和压力,并能在长时间内维持作战效能。

自动化并非取代人类判断——而是延伸它,确保人类的意图能够比以前更快、更远、更安全地执行。在未来冲突中,掌握这三项优势的一方不仅将更快获胜——还将重新定义速度、精度和韧性在现代战争中的含义。

信息、决策和杀伤力优势不再是孤立的卓越领域——它们是相互依赖的竞争力引擎。一支信息丰富、决策迅速且具有压倒性杀伤力的联合部队将能够在思考、速度和战斗力上超越任何对手。这不仅需要技术投资,还需要组织文化、数据基础设施和联盟的投资,以使它们能够无缝协作。

下一代作战人员的胜利,将不仅仅依靠更好的武器,而是通过比对手更智能、更快速地运用信息和自动化。只有掌握这三项优势,才能继续维护其国家安全,威慑侵略,并保卫依赖其力量的国家。

参考来源:nationaldefense

成为VIP会员查看完整内容
13

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。
人工智能时代背景下的未来海战
专知会员服务
24+阅读 · 2025年12月13日
人工智能能否胜任“金穹”的三分钟窗口战争?
专知会员服务
16+阅读 · 2025年10月4日
未来空战:人与机器能否彼此割离?
专知会员服务
29+阅读 · 2025年3月3日
人工智能在现代战场上的 5 大优势
专知会员服务
43+阅读 · 2025年2月17日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
7个实用的深度学习技巧
机器学习算法与Python学习
16+阅读 · 2019年3月6日
机器学习中如何处理不平衡数据?
机器之心
13+阅读 · 2019年2月17日
【人工智能】人工智能5大商业模式
产业智能官
16+阅读 · 2017年10月16日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
Arxiv
0+阅读 · 2025年12月24日
VIP会员
相关VIP内容
人工智能时代背景下的未来海战
专知会员服务
24+阅读 · 2025年12月13日
人工智能能否胜任“金穹”的三分钟窗口战争?
专知会员服务
16+阅读 · 2025年10月4日
未来空战:人与机器能否彼此割离?
专知会员服务
29+阅读 · 2025年3月3日
人工智能在现代战场上的 5 大优势
专知会员服务
43+阅读 · 2025年2月17日
相关资讯
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
7个实用的深度学习技巧
机器学习算法与Python学习
16+阅读 · 2019年3月6日
机器学习中如何处理不平衡数据?
机器之心
13+阅读 · 2019年2月17日
【人工智能】人工智能5大商业模式
产业智能官
16+阅读 · 2017年10月16日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员