杀伤链视域下的算法战审思

龙 坤

在人工智能技术发展一路高歌猛进的今天，算法战这一概念越来越受到世界军事大国的高度重视，算法与战争之间的联系变得愈发紧密。但是，算法战的特点和本质是什么？算法战给战争领域究竟能带来何种影响？算法与战争的结合将会展现出一幅怎样的未来战争图景？面临哪些挑战？这些问题还没有得到足够充分的分析和探讨。本文尝试从杀伤链的理论视角，对当前美军提出的炙手可热的算法战概念进行考察，剖析其本质特征，分析其对于杀伤链的作用和影响，并对算法战驱动的未来战争进行展望。

战争制胜之道的钥匙——杀伤链

从本质上来看，战争是一种“扩大了的搏斗”，是使对手屈服于己方意志的一种暴力行为。而要使对手的意志屈服，通过暴力（物理暴力或精神暴力）使其无力抵抗是必经之路，因而战争的直接目的就是“消灭敌人，保存自己”。这样，实现对敌军的有效杀伤就自然成为了战争中最为重要的目标。而要实现有效杀伤是需要经过一系列步骤的，这就是“杀伤链”。列举人类历史上出现的种种武器装备，从冷兵器时代的刀枪剑戟等“十八般武器”，到热兵器时代的机枪和火炮，再到核时代的原子弹，以及当今时代的智能无人化武器，其本质都是人类暴力和智慧的物化，目的都是实现对敌人的杀伤使敌方失去抵抗能力，或通过威慑使敌方意志屈从，“不战而屈人之兵”，实现政治目标。因此，杀伤链就成了战争制胜的关键。

杀伤链这一概念最早由美国空军前参谋长罗纳德·福格尔曼将军在1996年的空军协会研讨会上提出，指的是“在打击一个目标的过程中各个相互依赖的环节构成的有序链条”。从杀伤阶段来看，杀伤链通常可分为发现（find）、定位（fix）、跟踪（track）、瞄准（target）、交战（engage）和评估（assess）6个阶段，即F2T2EA。后来，有学者将这一概念简化为5F模型，即发现（find）、定位（fix）、攻击（fire）、完成（finish）和反馈（feedback）。2018年5月，美国防高级研究计划局（DARPA）在C4ISRNET会议上进一步提出了杀伤网（kill web）的概念，强调陆海空天电网各领域指挥控制、情报信息和武器系统之间的跨域融合和协同，并在7月发布了自适应跨域杀伤网项目公告。克里斯蒂安·布罗泽在《杀伤链：在未来高科技战争中保卫美国》一书中道出了美军眼中的战争制胜密码就是杀伤链。他指出，军队完成和打破杀伤链的速度、频率和效果，决定了其在战争或竞争中能否取胜。换言之，能够决定战争胜负的工具并非武器平台，而是杀伤链。虽然杀伤链概念提出的时间较晚，但事实上从古至今的战争都遵循着杀伤链的几大关键环节——观察、判断、决策和打击。

算法与战争的联姻——算法战

美前空军参谋长罗纳德•福格尔曼

算法这个概念早已有之。早在2300多年前的欧几里得算法就是一种寻求两个数的最大公约数的算法，用自然语言可以描述为“计算两个非负整数p和q的最大公约数：若q是0，则最大公约数为p。否则，将p除以q得到余数r，p和q的最大公约数即为q和r的最大公约数。”而到了人工智能发展如日中天的今天，算法多作为计算机技术领域的一个重要概念，通常是指“一种有限、确定、有效并适合用计算机程序来实现的解决问题的方法。”国际上一般把算法、算力、数据这三大要素作为衡量各国人工智能发展水平的重要指标。如果将人工智能比作“火箭”，数据就是“燃料”，算法就是其中的“发动机”，可见算法在人工智能技术中的核心地位。

战争，作为人类社会最激烈、最残酷的对抗性活动，从一开始就与算法结下了不解之缘。算法对于战争的重要性在古代就已经初露端倪，《孙子兵法·始计篇》中就提到：“夫未战而庙算胜者，得算多也；未战而庙算不胜者，得算少也。多算胜，少算不胜，而况于无算乎！”兵圣孙武强调的“庙算”就是根据道、天、地、将、法等基本条件进行战争运筹和战略决策的过程。这和我们如今所提的“算法战”在本质上是相通的，即通过一定的计算、运筹等一系列步骤来实现战争目标。

正是看到了人工智能时代算法在现代战争中的重要作用，美军率先提出了算法战这一概念，并积极推进其作战应用。2017年4月26日，美国防部一份主题为“专家项目”的备忘录明确建立“算法战跨部门小组”（AWCFT），标志着美军正式将“算法战”作为其官方的作战概念加以验证和布局。2020年9月，美军发布《国防部数据战略》，指出人类已经进入“算法战”时代，数据和算法日益成为美国防部最有价值的数字资产，积极运用这些资源将“提高国防部在权力竞争激烈时代赢得战争的能力”。同年12月15日，美空军首次将人工智能部署在一架U-2侦察机上，该算法可以通过控制雷达和传感器等系统，搜寻敌方的导弹发射器，开创了人工智能首次自主控制军用系统的先河，美空军助理部长威尔·罗珀博士称“算法战时代已经来临”。

军事物联网概念图

从杀伤链看算法战的特点与本质

为何算法会与战争产生如此紧密的联系？很大程度是因为，实现杀伤的各个环节都离不开算法。换言之，算法与杀伤链有着天然的联系。人类的科学技术演进到了今天，机器算法越来越展现出其在计算速度、打击精度等方面的优势。从杀伤链的视角来看，基于人工智能的算法战意味着战争领域一场划时代的深刻变革。其作用机制在于，通过先进算法减轻人类在观察、定位、跟踪、判断、决策、打击和评估等杀伤链各个环节的认知负荷，提升战场决策和指挥控制能力，从而更高效地完成杀伤链闭环，并更好地打破对手的杀伤链。具体而言，算法战主要有以下特点。

智能化观察判断——极其高效的数据分析。在当今时代，信息技术的快速发展应用，特别是各类无人平台和传感器的大范围铺展，使得军事领域的数据量爆发式增长，其数量和复杂性远超出人类指挥官和分析师的能力范畴，令人类情报分析员难以招架。而人工智能算法具有快速、准确、无疲劳等特征，能够24小时不间断地对各类传感器搜集来的海量数据进行快速而准确的分析，在这一领域展现出远超人类的能力。例如，2017年10月，美国密苏里大学研究人员开发出深度学习算法，可以从覆盖某国东南部9万多平方公里区域的海量卫星图像中，高效识别并标记出该国防空导弹阵地，准确率超过90%，与专业人员相比，可将发现潜在导弹设施的时间从过去的60小时缩短到45分钟。正因算法远超人类的计算速度和准确度，美军中将约翰·杰克·沙纳汉甚至称算法是“世界上最优秀、训练最有素的数据分析师”。

智能化决策——杀伤链闭环的极限压缩。“兵之情主速”，速度向来是制胜的关键要素。从杀伤链的视域来看，谁能更快地完成杀伤链闭环，就将赢得战争优势，而机器算法的“快速”恰是算法战区别于传统战争模式的关键特点。在算法战的作用下，人类将完成观察、判断等杀伤链的大部分认知负担转嫁给训练有素的智能机器后，便可专注于在战争中更快、更好地做出决策，从而促进杀伤链闭环时间的极限压缩。20世纪后半叶以来，美军凭借信息技术在内的强大的高新技术优势，使得完成打击链闭环的时间不断缩短。海湾战争时打击链闭环时间是80～101分钟，在科索沃战争缩短到30～45分钟，在阿富汗战争缩短到15～19分钟，在伊拉克战争时期则缩短至10分钟左右。到了2020年，美军完成杀伤链闭环最快只需要20秒。在这一年美陆军举行的“融合项目-2020”实弹演习中，“从传感器到武器”的完整杀伤链闭环时间已经缩短至20秒以内。不难预见，算法战的不断演进将进一步加快决策速度、缩短杀伤链闭合时间，未来在网络空间的战争算法自动交互，甚至可能发生类似股市“闪电崩盘”的接近微秒级的“闪电战争”。

智能化打击——新型作战力量和样式的涌现。通过高自主性的人工智能算法，可以塑造一些原来难以实现的全新军力结构和作战能力，实现更为快速、精确和有效的智能化打击。例如，基于集群智能算法的由大量智能无人机组成的蜂群战将成为算法战时代的新型作战力量和样式。无人蜂群能够给敌人制造多个目标，使其无法准确掌握进攻的方向，因而能够以饱和的方式实现打击的突然性和压倒性。2017年1月9日，美国防部战略能力办公室（SCO）与海军空间系统司令部公布了世界上最大规模的微型无人蜂群演示飞行，从F/A-18“大黄蜂”战机上发射了103架“珀迪克斯”（Perdix）无人机在加州上空编队飞行。此外，军队可以通过具有高度自主的战场机器人遂行危险、肮脏、乏味等人类不适宜执行的战场打击任务（如放生化核环境下的作战任务），从而减少军人在行动中的伤亡风险。

U-2侦察机

综上，算法战的本质是推动人工智能算法全面嵌入侦查、情报、指挥和打击等作战网络，更快更有效地完成杀伤链闭环，占据战争主动权。这意味着，传统的以人为中心的杀伤链闭环将会由机器算法重构——算法的“电子眼睛”将很大程度上取代“人眼”观察、感知和跟踪目标；算法的“机器大脑”辅助“人脑”进行情报分析和决策。甚至，算法的“隐形之手”将可能取代“人手”自主发起部分武器系统的打击行动。在这其中，算法充当着武器系统的灵魂，其先进程度决定了武器系统的自主程度和“聪明”程度。但是，这并不代表人类将在战争领域变得一无是处。相反，人和机器算法各有优势和劣势，只有挖掘各自的特长，规避各自的弱点，才能真正发挥算法战的最大效能。战争胜负主要取决于人和武器两大因素。其中，“武器是战争的重要因素，但不是决定因素，决定的因素是人不是物。”这一论断，在智能化战争时代仍然没有被动摇。这是因为，无论多么高级的算法都是由人类智慧开发出来的，因而算法战本质上仍是人类智慧的产物和脑力的延伸，是人与人之间的“智能较量”。

基于算法战的未来战争图景及其实现条件

在人工智能不断走进军事领域、赋能杀伤链各环节的趋势下，算法战将变得越来越普遍，未来战争将可能呈现出以下图景。

Perdix无人机

“人类指挥—算法控制”的人机混合智能作战。算法广泛应用于战争将给战争指控模式带来深刻变革。指挥所执行的功能是做决定，具有很强的责任，要求对被指挥的人负责。控制则是对指挥员的决定进行操纵，通过发出停止战斗、命令未参战部队从事作战或脱离接触等实施控制。如前所述，人类与机器算法各具优势。相比机器，人类更擅长于复杂的情境分析，权衡风险和利弊，进行作战决策等指挥行为。而机器算法则比人类更擅长精准、快速和大规模计算等控制行为。机器算法在未来战争中将具有更大的自主性，有望实现“人类指挥—算法控制”的新型指控模式。在这一构想下，人类指挥官可以继续掌控发号施令的指挥权，而智能化程度越来越高的机器算法将会执行更多指令，协助人类进行感知、决策和行动等杀伤链环节，实现算法战驱动下的人机混合智能作战，更快完成杀伤链闭环，从而致胜疆场。此外，算法驱动的作战模式也将发生显著变化。例如，人与武器结合方式将有望从当前的多人操控一台武器装备转变为一人操控多台武器装备，人类指挥官和操作员将更多充当杀伤链回路的监督者（人在回路上）而非执行者（人在回路中）。在一些需要高速反应和通信困难的作战领域（例如防空反导和深海），将可能出现全自主武器系统（人在回路外）。

更趋“人性”的战争。尽管一些观点认为基于算法的自主武器充斥战场后，将会对人类尊严和战争伦理带来重大冲击。但从另一个角度来看，算法也能让战争变得更加“人性”。通过让机器算法比人类更高效地完成不需要伦理判断的技术性工作，从而让更多军队人员从重复性和低价值的工作中解放出来，去从事更需要道德评估和价值判断等人类更擅长的工作，使得军队更加专注于战争伦理和道德，使得基于杀伤链的战争变得更加“人性”。一言以蔽之，就是让机器算法更加专注于其能够做的任务，而让人更加专注于其必须做的事情—符合战争伦理的杀伤链。例如，更加注重在打击对象上对军人和平民的区分，更为智能而精确的打击以减少附带损伤，利用智能算法更好地进行军事必要与附带损伤之间的相称性评估等。此外，算法威慑也可以作为算法战的重要体现。基于算法的致命性自主武器可以发挥威慑作用，即可以不使用它们，但可以利用这些武器为威慑危险的对手放弃攻击行为，从而在实现政治目的的同时减少战争冲突的发生，使战争变得更加“人性”。

但是，上述愿景的实现需要满足一些前提条件，至少有以下几个方面。

其一，军事物联网的大范围建立和应用。大规模军事物联网的建立是快速实现基于算法战的杀伤链闭环的必要基础设施。由各种各样的智能机器平台组成的军事物联网，可以在人类定义的目标范围内，收集、处理、解释和共享信息，从而帮助人类指挥官更好地观察、判断、决策及行动。目前，包括美军在内的绝大多数军队都采用平台中心的军队发展建设模式，而没有基于杀伤链的理念进行兵力设计和作战规划。造成的结果是，特定传感器智能与特定作战单元进行共享信息以完成杀伤链，而没有形成更大范围的作战网络—军事物联网。例如，同样一家公司制造的美空军拥有的F-22和F-35战机，都无法进行数据通联，毋宁说其他武器装备平台。在这样的背景下，算法战的效能和价值难以得到充分发挥。

其二，战争算法的弱点得以有效克服或规避。算法虽然具有精准、快速和大规模运算的能力，但目前仍存在一些显著的弱点和局限。比如存在算法偏见，算法“黑箱”（可解释性不足），容易受到数据注毒和网络攻击等。同时，从传感器到射手的整个杀伤链体系中，每个节点都极其依赖准确的数据和电磁频谱环境。这意味着一旦数据遭到“投毒”攻击或传输受阻，整个杀伤链条将可能陷于瘫痪乃至混乱的境地。此外，算法本身的漏洞也容易引发安全事故。算法的这些“软肋”如果无法得到有效克服，算法战的实施也必然面临巨大风险。

1983年，苏联值班军官斯坦尼斯拉夫·彼得罗夫中校阻止了可能因自动导弹预警系统故障引发的核战争

其三，人类指挥官和操作员与机器算法建立有效且适当的信任关系。人机信任关系是遂行算法战的关键。如果人对机器算法的信任不足，自然难以授权武器系统执行杀伤链的决策、打击诸环节。而如果人对机器算法的信任过度，即产生了“自动化偏见”，认为机器算法总是正确的，而丧失了人的判断能力，同样会带来灾难。例如，1983年美苏之间险些因自动导弹预警系统的“虚警”而引发核战争，最终是苏联值班军官斯坦尼斯拉夫·彼得罗夫中校基于人类的常识判断挽救了人类。因此，通过长时间的严格训练和反复测试、检验和评估，建立人对机器的合理信任关系，了解其能力和局限所在，也是有效实施算法战的关键所在。

结语

正如空权论的提出者杜黑所言，“胜利只向那些能预见战争特性变化的人微笑，而不是向那些等待变化发生才去适应的人微笑”。当今世界，人工智能的发展应用正在推动军事领域的深刻变革。要想致胜未来战争，需要适应和迎接算法战的发展趋势，推动以智能化技术为主导、以杀伤链为中心的兵力结构调整，发展基于人工智能的智能武器装备的下一代作战网络，研发更有效的高级战争算法，以及支撑其运营的军用物联网和云计算技术，重塑军力结构和作战方式，打造一支智能化时代的“半人马战士”人机混合智能军队。与此同时，需要对人工智能军事应用的潜在安全和伦理问题进行深入研究，通过测试评估、建立信任措施、伦理审查等方式推进安全治理、管控道德风险，维护算法战时代的国家安全、战略稳定和人道价值。