人工智能战争:舰队指挥-人工智能进入作战指挥领域替代人类指挥战争了吗？

最近一段时间，一家名为Palantir的美国科技公司引起了大家的广泛关注，因为它在公司网页上公布了一段视频，是该公司开发的一款软件（AIP ~ ArtificialIntelligence Platform），展示了如何使用大语言模型（LLM ~ Large Language Model）识别指挥员的意图，并自动给出三个行动方案（COA ~ Course of Action）供指挥员选择。当指挥员选定某一个COA后，它还能继续智能规划行动路线、测算装备弹药、实施电子干扰方法等，确实让人看了有耳目一新的感觉。让人们觉得在作战指挥领域长期以来大家孜孜以求的那种指挥员讲明意图后，指挥自动化系统能够自动生成作战方案计划、分发指令、监控实施等功能已经实现了，人工智能已经可以取代人类指挥战争了。

然而，仔细观看这段8分多种的视频，觉得目前下这种结论还为时尚早。且不论战役层级以上的作战指挥更多地是涉及作战指挥的艺术、谋略运用等与指挥员作战素养、经验以及性格直接相关的要素，目前人工智能在这个领域还无法做到取代人类。以美国国会研究服务处一份联合全域指挥控制系统（JADC2）的专题报告中，关于人工智能在决策中的作用的表述为例，美国人没有直接阐述人工智能到底能发挥什么作用，而是提出了涉及信任和伦理、数据的有效性和安全性等根本性问题。这些问题不解决，人工智能就无法真正进入作战指挥领域替代人类指挥。

仅就视频展示的内容看，还是一个场景不大、要素不多，敌方甚至没有展开敌对行动的一个简单想定，如果再复杂一些，不知道系统是否还能如展示一般灵敏高效。个人认为，这个AIP软件要能正确运行，有两个前提条件，一个是类似ChatGPT这样的LLM大语言模型能够准确识别人类指挥员的意图。这是一件难度很高的事情，因为平时作为参谋人员都未必能够保证准确理解指挥员的意图，更何况是一个人类训练出来的语言模型？另一个是，由这个大语言模型调度的后台大量预先编好的各种模型，既要保证这些模型的准确性、轻量化，又要保证它们与作为“总调度”的大语言模型有正确的交互关系，这也是一个不小的挑战。

当然，这款软件为我们展示了人工智能在作战指挥领域开辟的一个崭新前景，随着人工智能技术的快速发展进步，在战术层级首先实现人工智能加持下的指挥自动化，应该是短期内可以期待的事情。在战役层级以上，可能还有比较长的路要走。

这件事对我们国内在相关领域的软件开发还是有一定的启示意义的：

一、要理清软件设计的底层逻辑

美军在作战指挥领域能够形成体系配套、性能先进、功能完备的智能化软件生态系统，除了得益于美国在计算机、软件技术领域处于世界先进水平外，最核心的一点，是美军能够根据形势任务发展、时代技术特征，及时更新作战概念，建立完备的由条令、手册、指令、TTP（技术、战术和程序）组成的法规体系。比如，乌克兰现在用的GisArta炮兵软件，背后体现的是美军分布式杀伤、敏捷作战运用、快速闭合杀伤链等作战思想；美军条令法规体系，不仅有作战艺术、任务式指挥等“务虚”的内容，更有怎么制定作战计划、怎么选择分配打击目标、怎么开展72小时ATO循环作业等“务实”的标准作业方法，TTP甚至达到了“一步一动”的刻板程度。正是有了这些明晰的底层逻辑的支撑，美国民间的IT公司才能按照军方的要求开发出具有开放架构的适用软件。

二、要与用户捆绑进行敏捷开发

与用户捆绑，其实是与用户紧密互动，准确了解用户需求。这个“用户”必须是直接用户，而不能是“二传手”用户。美国空军 Kessel Run 软件工厂的经验也是如此。比如，直到2017年，美国空军还是使用白板、以手工方式制定空中加油计划。后来由以1名上校、1名中校、1名上尉为核心的6人团队，用了不到90天即开发出了加油机计划应用程序Jigsaw，该程序现在是KRADOS套件的组件之一，与套件中的Slapshot（负责制定主空中攻击计划MAAP）可以衔接使用，使加油计划体现在MAAP中，实现数据流无缝衔接。此外，广受好评的任务规划系统软件WIDOW人工智能战争:舰队指挥，也是2019年美国空军肖特少校与BrainGU公司合作的杰出产物。

敏捷开发是相对传统软件开发“交钥匙”模式而言，使用直接的客户反馈来推动产品的改进、更新和迭代，边开发边测试边作战边改进。Kessel Run可以按照 DevSecOps （开发、安全运维一体化）敏捷开发框架，通过持续一到四个星期的“冲刺”来完成这一过程，目前平均每3.3小时通过开发和持续集成管道部署一次代码。从准备部署起，平均只需要8小时，就能完成开发环境到生产环境的部署。除采用安全方式监控应用程序确保其可用性外，平均能够在 120 分钟内解决软件问题。

三、要从大处着眼小处着手

所谓从“大处着眼”，指的是要从全局、体系的角度筹划软件产品的总体布局。涉及到与作战指挥活动紧密相关的工作，相关软件产品应该紧紧围绕现用指挥系统大的系统架构（最好这是个开放架构）来谋划产品体系。越偏战略、战役层级的产品，由于这个层级的指挥偏“艺术”性更多，目前人工智能技术还达不到取代人的程度，在这个层级软件产品的输出可能更多的是辅助、建议；而偏战术层级时，更注重执行的时效，这个层级恰恰可以发挥人工智能的优势，人工智能可以介入指挥控制更深一些。

所谓从“小处着手”人工智能战争:舰队指挥，指的是开始时不要贪大求全，可以从一个有代表性的小问题入手，但这个小问题是未来要解决的大问题的一个组成部分，即构建“最小可行产品” MVP（minimum viable product ），先向用户交付一个可以测试并用于支持作战训练的产品，通过用户持续使用反馈，启动对产品开发、测试、学习的循环迭代改进和功能提升。例如，2019 年 12 月，美空军609 AOC开始使用独立应用程序Jigsaw和Slapshot进行空中加油和作战任务计划管理。这两个应用作为独立程序使用了一年多，并没有集成到一个通用数据层中。到了2021年1月，KRADOS的最小可行产品（MVP）发布，采用了通用数据层，集成了包括Jigsaw和Slapshot在内的 10 个应用程序。2021 年 5 月，第609AOC才正式启用了KRADOS套件取代TBMCS。