摘要：首先闡述了軍事反人工智能的內(nèi)涵，分析了軍事反人工智能的現(xiàn)狀與未來發(fā)展趨勢。探討了深度態(tài)勢感知在軍事反人工智能中的作用，從因果關(guān)系角度說明數(shù)據(jù)分析在反人工智能中的不足之處，從人、機(jī)、環(huán)境的角度探討了人機(jī)融合在軍事反人工智能中的重要性，后對軍事反人工智能未來的發(fā)展進(jìn)行深刻的思考。

關(guān)鍵詞：軍事；人工智能；反人工智能；深度態(tài)勢感知；人機(jī)融合；

人工智能具有技術(shù)、社會、法律、倫理和軍事等屬性相互融合的特征。一方面，它促進(jìn)了巨大的技術(shù)和社會的變革，并深刻影響了軍事武器。人工智能已經(jīng)成為戰(zhàn)略和新的核心競爭力。另一方面，它可能帶來諸多風(fēng)險和挑戰(zhàn)，人工智能可能失控并自主造成傷害的問題同樣不容忽視。

目前，上軍事大國都將反人工智能視為未來重要的軍事技術(shù)，從而加大對反人工智能武器的投入。美國國防部開始制定總體計(jì)劃，以建立將反人工智能部署到軍隊(duì)的系統(tǒng)。反人工智能在軍事領(lǐng)域的使用正在蓬勃發(fā)展，反人工智能設(shè)備的廣泛使用不僅將對傳統(tǒng)戰(zhàn)爭形式產(chǎn)生重大的變革，還將對軍事領(lǐng)導(dǎo)和控制理論產(chǎn)生重大影響。應(yīng)加快反人工智能在軍事領(lǐng)域應(yīng)用的研究，在研究反人工智能武器和裝備期間，我們還必須確保我們更新和完善針對反人工智能戰(zhàn)爭條件下的指揮與控制理論。

1 軍事領(lǐng)域的反人工智能

人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)以及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)[1]。反人工智能則是在人機(jī)協(xié)同的條件下，從數(shù)據(jù)、算法、硬件等角度可以反制對手人工智能算法、裝備的理論、方法和技術(shù)。反制包括：讓其人工智能失效、誤導(dǎo)對方人工智能、獲取對方人工智能真實(shí)意圖，甚進(jìn)行反擊等。

人工智能和反人工智能的本質(zhì)是相互博弈。在軍事領(lǐng)域使用反人工智能正在催生一種全新的戰(zhàn)爭形式。盡管在軍事領(lǐng)域仍將反人工智能的應(yīng)用視為未來的現(xiàn)實(shí)，但隨著反人工智能的發(fā)展，反人工智能在軍事領(lǐng)域的應(yīng)用在新世紀(jì)的局部戰(zhàn)爭中已初現(xiàn)端倪。一些反人工智能軍事武器已用于實(shí)際戰(zhàn)斗中，從根本上改變了現(xiàn)代戰(zhàn)爭的模式和戰(zhàn)斗方法。

1.1 反人工智能的本質(zhì)

反人工智能的本質(zhì)是詐與反詐，孫子兵法有云：“兵不厭詐”， “以虞待不虞者勝”。不要試圖通過來反人工智能發(fā)現(xiàn)所有的欺詐行動，要學(xué)會辨別真與假，在欺詐的迷霧中前進(jìn)。

反人工智能處于初級階段。到目前為止，反人工智能技術(shù)的發(fā)展經(jīng)歷了兩個階段。初，大多數(shù)反人工智能技術(shù)是通過誤導(dǎo)或混淆機(jī)器學(xué)習(xí)模型或訓(xùn)練數(shù)據(jù)，這是一種簡單粗暴的方法。但是，由于機(jī)器學(xué)習(xí)模型通常是在封閉環(huán)境進(jìn)行訓(xùn)練，因此很難獲得外部干擾。隨著神經(jīng)網(wǎng)絡(luò)的發(fā)展，對抗神經(jīng)網(wǎng)絡(luò)開啟了反人工智能技術(shù)的第二條技術(shù)路線。研究人員可以將基于對抗數(shù)據(jù)周圍的神經(jīng)網(wǎng)絡(luò)用于生成反饋數(shù)據(jù)，使機(jī)器學(xué)習(xí)模型在識別和行動期間做出錯誤的判斷，該方法與機(jī)器學(xué)習(xí)技術(shù)相似[2]，可以達(dá)到初級反人工智能的效果。

博弈游戲一直是反人工智能領(lǐng)域的重要研究課題。根據(jù)是否可以完全了解博弈信息，可以將其細(xì)分為完整和不完整的信息集。完整信息集這意味著博弈中的所有參與者都可以完全獲得游戲的所有信息，例如在圍棋和象棋游戲中，雙方都可以完全了解所有的碎片信息和對手的行動計(jì)劃。不完整的信息集是指參與者無法獲得完整的信息，并且只有部分信息可見的事實(shí)[3]。例如，在麻將或撲克中，玩家無法控制另一位玩家的分布或手牌，只能根據(jù)當(dāng)前情況做出優(yōu)決策。

目前軍事領(lǐng)域的反人工智能實(shí)踐發(fā)展迅速，但也存在許多危機(jī)。當(dāng)前，反人工智能只能做一些基礎(chǔ)工作，大多數(shù)情況它并不理解這么做的原因，只是因?yàn)閿?shù)據(jù)處理的結(jié)果告訴它那樣做會有優(yōu)解。如果反人工智能系統(tǒng)不完全了解其功能或周圍環(huán)境，則可能會產(chǎn)生危險的結(jié)果。特別是在軍事戰(zhàn)爭中，事情都可能發(fā)生，并不是僅僅靠數(shù)據(jù)就能完全解決或預(yù)測的，此時反人工智能就有可能執(zhí)行錯誤的行動，造成難以估計(jì)的后果。反人工智能在軍事領(lǐng)域的訓(xùn)練數(shù)據(jù)稍有偏差就有可能埋下隱患；如果攻擊者使用惡意數(shù)據(jù)復(fù)制訓(xùn)練模式，則將導(dǎo)致軍事上實(shí)施反人工智能的重大錯誤。

1.2 反人工智能的必要性

從軍事防守的角度看，有必要研究反人工智能技術(shù)。人工智能在各個的獨(dú)立部署和不受管控的因素已注入了不穩(wěn)定。以機(jī)器的速度而不是人的速度做出的決策也增加了機(jī)器決策的危機(jī)。在持續(xù)不斷的沖突中，各方使用智能性自主武器，爭取開始就獲得軍事優(yōu)勢，這些軍事優(yōu)勢為各方在戰(zhàn)斗中提供了強(qiáng)大的戰(zhàn)斗力。人工智能及其權(quán)利的界定十分困難，即使戰(zhàn)略系統(tǒng)穩(wěn)定，也可能為了避免受到威脅而發(fā)動攻擊，增加了和平相處中發(fā)生意外攻擊的概率。有了智能自主武器，在戰(zhàn)爭籌備中的危險系數(shù)提高，智能自主武器可能脫離管控，有意或無意的發(fā)起攻擊。在軍事領(lǐng)域使用人工智能增加了軍事的不確定性，使各國感到自身受到威脅。

戰(zhàn)爭中，存在事實(shí)真相和價值目標(biāo)，在事實(shí)和價值之間，存在一種可能性，這種可能性是一種空間，時間或單位。戰(zhàn)爭中固定的目標(biāo)不會隨時間變化很大，并且它的空間變化不大，但是價值相差很大。例如，第38軍在上海與美國的戰(zhàn)爭中價值；馬賽克是要找到這些事件所重視的物體、時間或空間。阿爾法狗只能談?wù)撌虑?，不能理解言外之意等?

對手發(fā)動侵略的可能性很小，是因?yàn)闆]有危機(jī)或者因?yàn)闆]有意外的軍事行動。的別決策者必須相信存在對一個或多個基本價值觀的威脅；準(zhǔn)備工作似乎就是威脅的開始，然后一般的威懾在起作用。當(dāng)兩國之間正在醞釀或正在發(fā)生戰(zhàn)爭時，強(qiáng)力的威懾才起作用了。在冷戰(zhàn)期間，人們對威懾的普遍理解幾乎完全是核威懾。美國希望制止核侵略，核武器威脅是它用來制止這種侵略的后手段。然而，美國也試圖阻止其他對手的所有重大侵略，并發(fā)展了強(qiáng)大的常規(guī)軍事力量來支持其常規(guī)威懾。今天，正如在冷戰(zhàn)期間一樣，美國也擁有威懾戰(zhàn)略，旨在遏制對美國領(lǐng)土的侵略和對美國在歐洲和東亞的盟友的侵略。在軍事領(lǐng)域中使用反人工智能，可能會導(dǎo)致無法解釋的沖突，不恰當(dāng)?shù)淖灾餍袆涌赡軐?dǎo)致意外的升級。智能系統(tǒng)的存在會帶來技術(shù)事故和故障的機(jī)會，特別是當(dāng)行動者沒有的保障能力時，事故和誤報(bào)反過來會影響決策。此外，原本只為防御的反人工智能升級，雖然不是為沖突和攻擊的升級，一旦被另其他視為升級，可能會升級為大國之間的智能爭霸。所以為了防止被人工智能武器意外攻擊，有必要加速反人工智能在軍事領(lǐng)域應(yīng)用的研究。

2 美軍反人工智能的發(fā)展

美軍暫時并沒有明確的提出反人工智能技術(shù)的概念，但是其建立了多項(xiàng)計(jì)劃都是在向反人工智能在軍事領(lǐng)域應(yīng)用的方向發(fā)展。希望能不斷優(yōu)化其人工智能和自主化模型，防御乃反制對方的人工智能技術(shù)。其目前已確立了從“灰色地帶”分析對方真實(shí)意圖，從態(tài)勢洞察中分析出對方的真實(shí)目的等方面發(fā)展方向，未來會在可解釋性、防戰(zhàn)略欺騙等方面加大投資。所以我們需要未雨綢繆，努力推動反人工智能在軍事領(lǐng)域的應(yīng)用。

2017年，DARPA發(fā)起了機(jī)器終身學(xué)習(xí)項(xiàng)目（M2S），探索類比學(xué)習(xí)方法在人工智能中的應(yīng)用，謀求下一代人工智能新的突破口，使它們能夠進(jìn)行現(xiàn)場學(xué)習(xí)并提高性能。在真實(shí)的情況而無需進(jìn)行檢查或聯(lián)網(wǎng)檢查。追求獨(dú)立學(xué)習(xí)的能力使系統(tǒng)能夠適應(yīng)新情況，而無需事先進(jìn)行編程和培訓(xùn)。

2017年8月，DARPA提出“馬賽克戰(zhàn)”概念，其先進(jìn)之處在于，不局限于具體機(jī)構(gòu)、軍兵種或企業(yè)的系統(tǒng)設(shè)計(jì)和互*作性標(biāo)準(zhǔn)，而是專注于開發(fā)可靠連通各個節(jié)點(diǎn)的程序和工具，尋求促成不同系統(tǒng)的快速、智能、戰(zhàn)略性組合和分解，實(shí)現(xiàn)無限多樣作戰(zhàn)效能。

在2018年DARPA發(fā)布了一個名為“指南針”的項(xiàng)目，通過量化戰(zhàn)斗人員對各種攻擊來幫助他們了解對方的真實(shí)目的。該項(xiàng)目會從兩個方面解決問題：首先，它用來確定對手的行動和目標(biāo)，然后確定計(jì)劃是否正常運(yùn)行，例如位置，時間和行動。但是在充分理解它們之前，需要將獲取的數(shù)據(jù)通過人工智能轉(zhuǎn)化為信息，理解信息和知識的不同含義，這是博弈論的開始。然后，在人工智能技術(shù)中融入博弈理論，根據(jù)對手的真實(shí)意圖確定有效的行動方案。

2018年初，KAIROS人工智能項(xiàng)目正式發(fā)起。美國軍方期望使用KAIROS項(xiàng)目來提高位置意識，預(yù)警，情報(bào)程序和戰(zhàn)爭情報(bào)能力。具體而言，在正常的協(xié)調(diào)模式下，每個都有計(jì)劃和實(shí)施隱藏的戰(zhàn)略步驟。在戰(zhàn)爭期間，不同的軍事部隊(duì)采取了不同的策略，KAIROS項(xiàng)目希望構(gòu)建能獲得“情報(bào)背后的情報(bào)”的系統(tǒng)，具有更強(qiáng)的監(jiān)視和預(yù)警，情報(bào)流程和智能決策功能。

在以上計(jì)劃的基礎(chǔ)上，“不同來源的主動詮釋”（AIDA）項(xiàng)目將探索關(guān)鍵的多源模糊信息數(shù)據(jù)源的控制，將開發(fā)“動態(tài)引擎”并為實(shí)際數(shù)據(jù)生成數(shù)據(jù)。從各種來源獲得，對事件、情況和趨勢進(jìn)行了清晰的解釋，并加入對復(fù)雜性的量化，這意味著破解戰(zhàn)爭迷霧中潛在的沖突和欺騙。針對欺詐數(shù)據(jù)和敵對攻擊，模擬數(shù)據(jù)和公開戰(zhàn)爭數(shù)據(jù)會創(chuàng)建一個測試站點(diǎn)，以評估機(jī)器學(xué)習(xí)的風(fēng)險。同時將專注于升級抗干擾的用戶機(jī)器學(xué)習(xí)算法并將其融入原型系統(tǒng)中。為了防止敵方干擾我方人工智能，通過可解釋人工智能，查看人工智能的執(zhí)行過程，確保執(zhí)行的正確性，達(dá)到反人工智能的效果。

3 反人工智能與深度態(tài)勢感知

深度態(tài)勢感知的含義是“對態(tài)勢感知的感知，是一種人機(jī)智慧，既包括了人的智慧，也融合了機(jī)器的智能（人工智能）”， 是能指+所指，既涉及事物的屬性（能指、感覺）又關(guān)聯(lián)它們之間的關(guān)系（所指、知覺），既能夠理解弦外之音，也能夠明白言外之意。它基于Endsley對主題情況的理解（包括用于輸入，處理和離開信息的鏈接）。它是對系統(tǒng)趨勢的全球分析，其中包括人，機(jī)器（對象），環(huán)境（自然，社會）及其關(guān)系。兩種反饋機(jī)制，包括國內(nèi)和全球的定量預(yù)測和評估，包括自我組織，自我適應(yīng)，另一組織和相互適應(yīng)，分別是：等待選擇的自治和自治系統(tǒng)-預(yù)測性選擇-監(jiān)控調(diào)整信息的效果[4-5]。

數(shù)據(jù)驅(qū)動的人工智能大多都可歸結(jié)為一個優(yōu)化問題，例如，有監(jiān)督的分類判別學(xué)習(xí)就是要使分類器在代表及的訓(xùn)練數(shù)據(jù)上取得某個小的錯誤率。一般我們會假設(shè)，訓(xùn)練數(shù)據(jù)可以適當(dāng)?shù)姆从吵隹傮w分布，否則訓(xùn)練出來的分類器的泛化能力就很值得懷疑。然而在實(shí)踐中，人們很少去檢驗(yàn)這個假設(shè)是否成立，尤其在高維樣本的情況下，數(shù)據(jù)在空間中的分布相對稀疏，假設(shè)檢驗(yàn)難以實(shí)現(xiàn)，“維度詛咒”則司空見慣。

不知道總體分布如何，不了解數(shù)據(jù)的產(chǎn)生機(jī)制，也不確定觀測樣本是否“有資格”代表總體，在此前提下，即便有大量的樣本可同來訓(xùn)練學(xué)習(xí)機(jī)器，總難免會產(chǎn)生偏差。所以純數(shù)據(jù)驅(qū)動的機(jī)器學(xué)習(xí)總是包含一定的風(fēng)險，特別地，當(dāng)我們對數(shù)據(jù)的產(chǎn)生機(jī)制有一些先驗(yàn)知識卻受限于機(jī)器學(xué)習(xí)方法而無法表達(dá)時，我們對模型缺乏可解釋性和潛在數(shù)據(jù)攻擊的存在的擔(dān)憂就會進(jìn)一步加劇。無論模型的好壞，我們都不知道其背后的原因，對模型的泛化能力、穩(wěn)健性等也都無法評價。所以人類的思維應(yīng)位于數(shù)據(jù)之上，尤其是因果關(guān)系（不但是事實(shí)因果關(guān)系，更重要的是價值因果關(guān)系）的理解應(yīng)該先于數(shù)據(jù)表達(dá)。

近期更深入研究進(jìn)展主要是因?yàn)橛?jì)算能力的提高。例如，深度學(xué)習(xí)是對人工神經(jīng)網(wǎng)絡(luò)的延續(xù)和深化，其計(jì)算能力將基于數(shù)據(jù)的算法推向了更高的層次。人們認(rèn)為數(shù)據(jù)中可以解答所有難以理解的問題，并且可以通過智能數(shù)據(jù)挖掘技術(shù)加以證明。

數(shù)據(jù)很重要，但不能作為決策的原因（不少數(shù)據(jù)還會起到干擾作用）。這些具有知識或經(jīng)驗(yàn)的“原因”模型對于幫助機(jī)器人從人工智能過渡到人工智能在軍事領(lǐng)域的應(yīng)用關(guān)重要。大數(shù)據(jù)分析和基于數(shù)據(jù)的方法僅在民用預(yù)測可用。在軍事上應(yīng)用反人工智能需要干預(yù)和不合邏輯的行動，從而使機(jī)器具有更符合預(yù)期的決策?！案深A(yù)使人和機(jī)器從被動觀察和訴諸因果推理的主動探索中解脫出來”擴(kuò)大了想象空間，從而克服了現(xiàn)實(shí)的迷霧[6]。

反人工智能在因果推理的基礎(chǔ)上，對戰(zhàn)場進(jìn)行深度態(tài)勢感知，其不僅僅是信息的獲取和處理，軍事反人工智能還可以對去偽存真，利用對方人工智能處理結(jié)果的分析，從對方想要掩蓋的信息中，獲取對方的真實(shí)目的。在“灰色地帶”，人工智能無法處理的地方，反人工智能可以利用先驗(yàn)知識結(jié)合當(dāng)時情況下的態(tài)勢感知作出優(yōu)的解決方案。

4 反人工智能與人機(jī)融合

人機(jī)融合的飛速發(fā)展被定義為：人機(jī)系統(tǒng)工程，即人機(jī)，是研究人，設(shè)備和環(huán)境系統(tǒng)之間匹配的系統(tǒng)，涉及集成，性能，管理和反饋。系統(tǒng)的總體設(shè)計(jì)的研究目標(biāo)是人機(jī)環(huán)境以及優(yōu)化和可視性，是、健壯、和諧和整個系統(tǒng)的有效協(xié)調(diào)。

智能系統(tǒng)的關(guān)鍵在于“恰到好處”的被使用，人類智能的關(guān)鍵在于“恰到好處”的主動預(yù)值—提前量，人機(jī)融合智能的關(guān)鍵在于“恰如其分”的組織“主動安排”和“被動使用”序列。算計(jì)里有算有計(jì)，可以穿越非家族相似性。計(jì)算就是用已獲取到的數(shù)據(jù)算出未知數(shù)據(jù)，算計(jì)就是有目的的估計(jì)。計(jì)算是以有條件開始的，算計(jì)是以無條件開始的。所有的計(jì)算都得使用范圍內(nèi)共識規(guī)則推理，算計(jì)則不然，它可以進(jìn)行非范圍內(nèi)非共識規(guī)則想象。計(jì)算的算是推理，算計(jì)的算是想象，計(jì)算的計(jì)是用已知，算計(jì)的計(jì)是謀未知，數(shù)據(jù)是人與計(jì)算機(jī)之間自然交互的重要點(diǎn)。英國學(xué)者蒂姆·喬丹指出：“海量的信息反而導(dǎo)致無法有效使用這些信息。在以下兩種情況下發(fā)生。首先，有一些無法吸收的信息；第二，信息的組織性很差，因此找不到特定的信息?！?

未來反人工智能系統(tǒng)，少是人機(jī)環(huán)境系統(tǒng)的自主融合的智能系統(tǒng)。計(jì)算意味著信息流包括輸入，處理，輸出和反饋。反人工智能的主要發(fā)展目標(biāo)之一是人機(jī)混合智能。目前強(qiáng)人工智能，類人人工智能和通用智能離我們很遠(yuǎn)，終執(zhí)行的是人和計(jì)算機(jī)的融合智能。人機(jī)融合智能將學(xué)習(xí)如何實(shí)現(xiàn)的人機(jī)配合。就人機(jī)環(huán)境系統(tǒng)的設(shè)計(jì)和優(yōu)化而言，識別計(jì)算機(jī)和機(jī)器設(shè)計(jì)的能力*復(fù)雜。通常，它涉及兩個基本問題，其中之一是人為意圖和機(jī)器意圖融合。所謂意向是意識的方向。機(jī)器很難處理可以更改，反轉(zhuǎn)或相反的內(nèi)容，但是機(jī)器的優(yōu)勢在于它可以24小時不停歇，隨意擴(kuò)展存儲空間，易于計(jì)算并且可以形式化和象征性。人和機(jī)何時以及如何進(jìn)行干預(yù)并相互反應(yīng)？在多種約束條件下，時間和準(zhǔn)確性變得十分重要[7]。因此，如何充分整合機(jī)器算力和人腦認(rèn)知是人機(jī)融合智能中*重要核心問題。

同時，軍事反人工智能的另一個關(guān)鍵點(diǎn)在于，計(jì)算越精細(xì)準(zhǔn)確，越可能被敵人利用。敵人通過隱真示假，進(jìn)行欺騙，所以人機(jī)有機(jī)融合十分重要，因?yàn)槿藱C(jī)融合智能是一個復(fù)雜的領(lǐng)域，而不是單一學(xué)科。反人工智能的環(huán)節(jié)可以包括：輸入、處理、輸出、反饋、綜合等。在輸入環(huán)節(jié)，我們需要拆分，合并和交換數(shù)據(jù)，信息和知識，使對方無法獲取到有用的信息，同時帶給對方一定的誤導(dǎo)。在處理環(huán)節(jié)，我們要阻斷信息處理，使其內(nèi)部處理非公理與公理分岐化，使其對信息的處理不知所措。在輸出環(huán)節(jié)，我們要讓對方人機(jī)融合的過程中，直覺決策與邏輯決策區(qū)別化，使其產(chǎn)生不信任感，迷惑對方的終決策。在反饋環(huán)節(jié)，我們要使其反思、反饋悖論化，使其對反饋的信息感到迷惑乃拒絕，讓其無法進(jìn)一步吸收之前的案例信息。在綜合階段，我們要使對方情景意識、態(tài)勢感知矛盾化，在信息匯總、綜合階段，使其對更高層次的信息，無法理解乃相互矛盾，達(dá)到不戰(zhàn)而屈人之兵的效果。

為了解決將人機(jī)集成到軍事態(tài)勢感知中的問題，我們必須首先打破不同感官的慣性，打破傳統(tǒng)的時間關(guān)系，包括地圖，知覺，知識地圖和狀態(tài)圖。對于人類而言，機(jī)器是自我發(fā)展的工具，也是自我認(rèn)知的一部分。通過機(jī)器的優(yōu)勢了解自己的錯誤，通過機(jī)器的錯誤了解個人的能力，然后進(jìn)行相互補(bǔ)償或提高。由于缺乏二元論，人機(jī)混合尚不被大部分人認(rèn)可。如今，越來越多的人機(jī)交互在不斷優(yōu)化，盡管這并不令人滿意，仍然存在差距，但未來值得期待的使：人們在制造機(jī)器同時會也在發(fā)現(xiàn)自己[8]。

目前，反人工智能和人機(jī)融合的開發(fā)仍處于起步階段。集成反人工智能和人機(jī)交互的個也是重要的問題在于如何將機(jī)器的反人工智能功能與人機(jī)智能相集成。在應(yīng)用階段，人機(jī)混合物中人機(jī)力量的分布很*，因此不會產(chǎn)生有效的協(xié)同作用。人類繼續(xù)在所進(jìn)行的學(xué)習(xí)中擴(kuò)展其認(rèn)知能力，以便人類能夠更好地理解復(fù)雜環(huán)境中不斷變化的情況。由于聯(lián)想能力，人們可以創(chuàng)建跨域集成的能力，而認(rèn)知能力卻與人工智能思考背道而馳。激活類人的思考能力的方法是實(shí)現(xiàn)反人工智能與人機(jī)之間集成的突破。朱利奧·托諾尼（Giulio Tononi）的綜合信息理論指出，智能系統(tǒng)必須快速獲取信息， 同時，能夠進(jìn)行認(rèn)知處理的機(jī)器的發(fā)展需要人與機(jī)器之間的集體意識。因此，必須在人與機(jī)器之間建立快速有效的雙向信息交互，雙向信息交互的基礎(chǔ)是抽象信息。對于計(jì)算機(jī)，具有抽象地定義物質(zhì)的限制性環(huán)境的能力。表示越抽象，它越能適應(yīng)不同的情況。同時，高水平的無形能力也將轉(zhuǎn)化為普遍的遷徙能力，從而越過了人類思想極限。

5 反人工智能的方法策略

評估各國反人工智能計(jì)劃在軍事上的潛力。評估各國提供的反人工智能實(shí)施解決方案的系統(tǒng)級別，以評估在設(shè)計(jì)、開發(fā)、測試或使用過程中應(yīng)考慮的所有影響。這包括培訓(xùn)數(shù)據(jù)，算法和系統(tǒng)管理，這些數(shù)據(jù)是在測試后引入的，以監(jiān)視現(xiàn)場行為并將系統(tǒng)與其他人機(jī)交互過程集成以控制攻擊。評估每個的新作戰(zhàn)思路，除了了解系統(tǒng)級別的情況之外，還應(yīng)該了解基于反人工智能的決策過程，如何控制決策以及使用反人工智能和自主戰(zhàn)斗概念是否會導(dǎo)致錯誤并隨時自我升級。

在基于其他作戰(zhàn)或戰(zhàn)略戰(zhàn)爭場景的情況下，反人工智能戰(zhàn)爭模擬是更好地了解智能戰(zhàn)爭的特別有效的工具。在某個地理區(qū)域進(jìn)行模擬戰(zhàn)爭以戰(zhàn)斗能力。場景越多，對手和盟友越多，推論就可能導(dǎo)致不同的結(jié)果。

深入研究對手的自主系統(tǒng)及其對自主系統(tǒng)的使用。這不僅是要了解自己的系統(tǒng)，而且還要了解對手的能力。了解和理解反人工智能和如何使用的自主系統(tǒng)和概念都很重要。此行為旨在改善與其他或地區(qū)的互動，以便我們的規(guī)劃者可以更好地預(yù)測對手的決策。

對于不同的人工智能攻擊的*控者都在努力尋找機(jī)會獲得回報(bào)。我們可以增加其攻擊的成本，其攻擊成功的收益，以攻擊者對他們的興趣。隨著組織的網(wǎng)絡(luò)計(jì)劃日漸成熟，他們的攻擊價值將會。任務(wù)自動化和惡意海量攻擊進(jìn)一步了屏障系數(shù)，使得攻擊者更容易進(jìn)入并執(zhí)行*作，因此，反人工智能可以著重防御攻擊量。在充滿挑戰(zhàn)的軍事戰(zhàn)爭中，反人工智能技術(shù)需要縮短攻擊者保持匿名和與受害者保持距離的能力，從而反偵察難度。反人工智能作為防御者，我們必須做到成功率100％地阻止攻擊，而攻擊者只需成功一次即可。組織必須專注培養(yǎng)正確的能力，并打造一支團(tuán)隊(duì)來利用流程和技術(shù)這種不對稱性。

雖然反人工智能和自主化正在可變性和成本、提高規(guī)模并控制錯誤，但攻擊者還可以使用人工智能來打破平衡，從而占據(jù)優(yōu)勢地位。攻擊者能夠自動*作攻擊過程中資源集約度的元素，同時避開針對他們部署的控制屏障。所以我們需要反人工智能做到迅速漏洞掃描漏洞，比攻擊者更快地發(fā)現(xiàn)并彌補(bǔ)漏洞，防止攻擊者以此為突破口集中力量進(jìn)行攻擊。

應(yīng)對人工智能攻擊的風(fēng)險和威脅格局變化的一種簡單對策是實(shí)行高壓的文化。防御團(tuán)隊(duì)可以采用基于風(fēng)險的方法，確定治理流程和實(shí)質(zhì)性門檻，讓防御的領(lǐng)導(dǎo)者知曉其網(wǎng)絡(luò)態(tài)勢，并提出合理舉措進(jìn)行不斷改善。使用反人工智能等技術(shù)來改善運(yùn)營和技術(shù)團(tuán)隊(duì)的性*作，可以獲得更多的后勤支持。例如，通過反人工智能實(shí)現(xiàn)資源或時間集約型流程的自主化，大大減少完成常規(guī)流程所需的時間。對防御團(tuán)隊(duì)來說，流程效率提高減少了后續(xù)規(guī)定中容易出現(xiàn)的摩擦。反人工智能技術(shù)的發(fā)展將帶來更多機(jī)會，以改善戰(zhàn)爭，保持風(fēng)險與回報(bào)間的平衡。

6 意見建議

如果軍事機(jī)械化，自動化和信息改變了戰(zhàn)爭的“態(tài)”和“感”，那么在軍隊(duì)中使用反人工智能可能會改變“勢”和“知”，并改變未來關(guān)于戰(zhàn)爭和“邊界意識”的“知識”。與傳統(tǒng)的“態(tài)勢感知”相比，它會更深入，更，形成一種深刻的態(tài)勢意識，它是一種軍事情報(bào)的形式，它融合了人類機(jī)器的環(huán)境環(huán)境系統(tǒng)。它的主要特征是：人機(jī)協(xié)同更快，更協(xié)作，更不，更不自治，更透明，更具威脅性等，因此在邊界上，它必須在更多條件和限制下越來越清晰。雙方協(xié)議更加及時有效。用軍事態(tài)勢感知固有局限性和人機(jī)的外部局限性來衡量，這一共識的主要結(jié)論是：在對抗中，無論是戰(zhàn)術(shù)上還是戰(zhàn)略上，人們都必須參與其中并應(yīng)對智能武器等問題，在無數(shù)軍事應(yīng)用中，人和機(jī)必須同時處于系統(tǒng)之中。

反人工智能武器的應(yīng)用，一方面在精準(zhǔn)打擊、減少人力成本、增加作戰(zhàn)靈活性和預(yù)防恐怖襲擊等方面具有巨大優(yōu)勢，另一方面又面臨著破壞人道主義、引發(fā)軍備競賽等挑戰(zhàn)和威脅。從全球范圍來看，該問題的解決需要各國攜手共進(jìn)、共商共治。中國作為新興大國和聯(lián)合國五大常任理事國之一，應(yīng)樹立負(fù)責(zé)任大國的良好形象，積極維護(hù)中國和平發(fā)展的外部環(huán)境與秩序的，積極參加聯(lián)合國裁軍研究中所有關(guān)于致性人工智能武器軍控的研究和探討。在反人工智能武器目前負(fù)面影響尚不明確的情況下，謹(jǐn)慎研發(fā)、使用致性人工智能武器。

同時要重視完善軍事反人工智能算法標(biāo)準(zhǔn)，反人工智能技術(shù)的軍事應(yīng)用與社會應(yīng)用是存在區(qū)別的，反人工智能在應(yīng)用與民用領(lǐng)域時，其所需的訓(xùn)練數(shù)據(jù)*豐富，應(yīng)用的場景也相對固定，相關(guān)算法能夠較好的發(fā)揮作用，但是在軍事領(lǐng)域，特別時實(shí)戰(zhàn)過程中，由于戰(zhàn)場環(huán)境的復(fù)雜性、對抗性，以及作戰(zhàn)戰(zhàn)術(shù)的多變性，反人工智能系統(tǒng)所需的訓(xùn)練數(shù)據(jù)較難獲得，相關(guān)算法的使用效果也會打折扣，這是反人工智能技術(shù)在軍事應(yīng)用過程中必須要面對和解決的問題。與此同時，相關(guān)軍用標(biāo)準(zhǔn)的制定必須跟得上反人工智能技術(shù)的軍事應(yīng)用步伐，以確保反人工智能技術(shù)能夠滿足軍事領(lǐng)域的功能性、互*作性和性需求，限度的優(yōu)化反人工智能技術(shù)在軍事領(lǐng)域應(yīng)用效果。