跨越军事智能化发展“障碍”

  当前，军事智能化浪潮汹涌澎湃，战争面貌日新月异，但人们一直畅想的战场完全由机器人主导、大幅度减少人员伤亡的智能化战争场景并未到来。客观地讲，现阶段人工智能还处于感知智能、弱人工智能、专用人工智能的发展水平，智能化战争形态离成熟还需时日。军事智能化向高级阶段发展，还需要从转化应用、技术短板、思维观念、底层支撑等方面跨越发展“障碍”。

  人工智能属于典型的通用技术，其首先在民用领域取得突破，然后再向军事领域拓展应用，而这一过程并非轻而易举。2007年，IBM公司超级电脑“深蓝”在人机国际象棋大赛中，一举击败人类冠军卡斯帕罗夫，在整个世界产生了轰动，也引起美军高度关注。美军借鉴“深蓝”的思路推出了“深绿”项目，研发能够嵌入陆军旅级指挥所的智能辅助决策系统，试图通过预测战场态势发展的关键临界点，为指挥官提供多种作战方案，但这一项目最终失败了。在民用领域已经成功应用的人工智能技术移植到军事领域遭遇失败，其最终的原因是军事与民用人工智能存在极大区别。

  有专家把军事与民用AI应用条件的区别归纳为5个方面，即环境高复杂、博弈强对抗、响应近实时、信息不完整、边界不稳定。这些区别使得民用人工智能不能简单移植到军事领域，一定要进行专门的“二次开发”。针对军事智能化的特别的条件，近年来一些军事强国重点在人工智能新能力、高可靠性人工智能、对抗性人工智能、高性能人工智能、可解释人工智能、人工智能探索计划等领域发力。

  当前，基于神经网络的AI在技术原理上存在着不可解释、缺少常识、需要大量样本数据等缺点，这在民用领域或许无关紧要，却是制约人工智能军事应用的主要的因素。以缺少常识为例，AI领域有一个波拉尼悖论，即“人类所知远胜于其所能言传”。也就是说，人类知道的东西比人类自以为知道的东西要多得多，很多知识深埋在大脑深处，远远超出书面记载的知识量。这些知识就是大量以经验形式存在的隐性常识。以开车时要运用的常识为例，人们开车时如果看到突然从路边窜出一个皮球，经验会告诉驾驶员后面非常有可能会跟着冲出一个小孩，这就是隐性常识。现在的智驾系统还达不到运用人类隐性常识来进行风险预判，只有真正有个小孩冲出来，事情发生了以后，智驾系统才会做出反应。

  为了使AI具备人的常识，科学家做了很多工作。例如，美国“Cyc”计划试图将人类拥有的所有常识都输入到计算机中，包括事实、经验规则、日常生活等。这一项目1984年启动，至今仍未完成。主要是人类拥有的常识太多了，要收入所有的常识将是现代版的“通天塔”，难以完工。2018年10月，美国国防部高级研究计划局又启动了“机器常识”项目，作为“下一代人工智能”的关键项目。“Cyc”计划与这一项目的区别是，前者是人给机器输入和建立常识库，后者是让机器自己学习形成常识库。通过开发机器学习模型，让人工智能像婴幼儿一样不断学习常识，逐步具备人类一样的常识推理能力，为发展下一代通用AI奠定基础。但是，要把人类所有的隐性经验都挖掘出来，让人工智能拥有人的全部常识，实现起来十分艰难。因而在军事领域，缺少作战常识的无人智能武器在没有人类全程监督的情况下，很难让人放心地大规模投入实战。

  军事技术发展史表明，新军事技术推动战争形态演变的内在逻辑链条，通常按照“新军事技术→新型武器装备→新型作战力量→新的作战行动→新的作战样式→新的军事理论→新的战争形态”的顺序渐次传导。由于受人的思维观念、体制机制等因素限制，任何一种主导性军事技术引发战争形态变革都不是一蹴而就的，都有一个技术传导周期，是从萌芽到渐趋成熟、从量变到质变的发展过程。人工智能要从整体上彻底颠覆当前战争形态，也背离不了这一规律。

  迎接智能化战争，加强智能化战争准备，需要夯实人工智能技术基础，发展智能化武器装备，开发智能化指挥控制管理系统，尽快筹建智能化作战试验部队，积极创新智能化作战概念等，但这些举措落实的基本前提，是如何转变观念的问题。丘吉尔在批评落后的战争观念时说，将军们总是在准备上一场战争。所以，人们一碰到新事物新科技新变革，总要强调转变思想观念，这一点都能意识到，但问题从来就不是思想观念要不要转，而是到底往哪里转、怎么转。适应智能化战争特点，要求形成一整套智能化作战与建设理论体系和与之相符的思维理念来科学指导实践，把先进的人工智能技术转化为新质战斗力，这就需要大众化普及、实战化落地。从以往机械化信息化的发展历史看，这一过程可能比人工智能技术本身取得突破还要困难。

  人工智能发展还有一个特点，就是其一旦在某一领域超过人类，人们就能发现人干得好而AI干不好的事情，并对AI提出新的挑战目标。AlphaGo在挑战李世石之前，绝大多数人都认为，围棋是“人类智慧的最后尊严”，以当时的电脑棋力水平不可能挑战成功，结果电脑赢了。然而，人们并没有就此认为电脑“智商”从整体上已达到甚至超过人脑。由弱人工智能到强人工智能、由专用人工智能到通用AI的发展过程中，每次人们认为已走完全程的90%时，回首一看可能才刚不到全程的10%。国外有专家把人类思维能力绘制成“人类能力地形图”，其中山脚是棋类、驾驶、翻译等，峰顶则是人工智能设计、科学、定理证明等。AI发展像海平面上升一样，目前已淹没了“人类思维高地”的山脚，正在向半山腰进发，离峰顶还有相当大的距离。

  目前代表AI发展水平的ChatGPT、Sora等生成式人工智能，与强人工智能仍有很大差距。生成式人工智能创作的文章、画作和乐曲，虽已很难区分是智能系统生成的还是人完成的，其参加各种考试的表现也能超过一般人。然而，在原始创新、集成创新和引进吸收消化再创新三类创新模式中，ChatGPT主要是后两种创新，而不能够实现从0到1的重大科学发现和技术发明这类原始创新。ChatGPT可以依据提问，迅速搜集整理组合已有相关知识并形成答案，任何人都能更方便快捷和高质量地获取现有知识解决现实问题，但它不能突破现有知识体系的边界，所以与人的高级高阶创造能力还有很大差距。2024年阿里巴巴全球数学竞赛中，有多个人工智能小组参加了比赛，但均未能进入排名前列就是明证。

  人脑被称为“宇宙间最复杂的组织”，脑奥秘被称作是人类认识自然的“最后的疆域”。人工智能要赶上人脑不是一件容易的事。英国科学家把通用智能由低到高形象地区分为蚂蚁级、蜥蜴级、老鼠级、猴子级、人类级等。当前世界上最先进的类脑芯片，其通用智能刚刚达到“鼠脑”级水平。虽然AI在数学计算、棋类、图像语音识别等方面能力已远超人类，但这些都是专用人工智能，不是通用AI;是弱人工智能，不是强人工智能。从计算智能、感知智能和认知智能角度来比较当前电脑与人脑的“智商”，在计算智能方面电脑远超人脑，在感知智能方面基本旗鼓相当，在认知智能方面电脑远不如人脑。军事智能化向高级阶段升级，还有待人工智能基础理论和支撑技术的再创新再跃升。电脑整体“智商”超过人脑之际，也必将是军事智能化大突破大发展之时。