Page 14 - 《国际安全研究》2020年第1期

人工智能时代背景下的国家安全治理：应用范式、风险识别与路径选择

基于数据信息全方位收集的基础，人工智能可以更为完整地还原全部战场信息，并据
此全盘推演和模拟分析作战策略的预期结果，进而能够更为全面、准确地掌握战场态
①
势，并据此提出更加精确的决策建议。 例如，美国国防部成立的“算法战跨部门小
组”（AWCFT）便致力于运用人工智能技术对无人机所收集的全动态视频（FMV）
②
数据进行自动化处理，并据此为作战提供全面的数据分析及决策支持。 在数据分析
应用的基础上，人工智能还将推动传统的指挥模式向智能化指挥与控制机制转变，即

在态势认知、战略决策以及行动主体的智能化、自主化的基础上，实现信息力与作战
单元的密切融合。对此，美国布鲁金斯学会在《人工智能改变世界》报告中提出了“极
速战”(hyper war)的概念，即人工智能有助于实现从搜索发现目标、威胁评估到锁定
摧毁、效果评估的智能化处理，形成高效精确的感知、判断、决策、控制、评估闭环，

从而大幅缩短“感知——决策——行动”的周期，提升作战的整体效率（参见图 1）。

③
图 1 人工智能技术在战场态势感知的路径——以观察、调整、决策与行动循环为例
资料来源：作者自制。

① 杜国红、韩冰、徐新伟：《陆战场指挥与控制智能化技术体系研究》，载《指挥控制与
仿真》2018 年第 3 期，第 1-4 页。
② Darrell West and John Allen, “How Artificial Intelligence is Transforming the World,” Brookings,
April 24, 2018, https://www.brookings.edu/research/how-artificial-intelligence-is-transforming-the-world/.
③ 观察、调整、决策与行动（OODA）循环理论原为信息战领域的一个概念，该理论认为
作战过程是“观察（Observe）、调整（Orient）、决策（Decide）与行动（Act）”四个环节的
不断循环往复的过程，并且在对等作战的前提下获胜的关键就在于更好地完成这一过程。而人工
智能的嵌入将推动 OODA 实现智能化的转变：第一，态势感知智能化，即采用机器学习等方法，
并在先验知识的支持下，与环境的不断交互持续地学习战场环境。第二，对抗措施的自我调整，
即根据态势感知模块对环境信息的认知，自动合成最佳对抗策略和分配作战资源。
· 12 ·