AI与军事丨从北约拟组建自主机器人部队说起

从北约拟组建自主机器人部队说起

　　■张 翚 张征鸿

　　据外媒报道，北约近期向德国ARX机器人公司支付900万欧元，用于开发和制造一系列无人地面载具。有分析人士认为，此举意味着北约将开启“打造自主机器人部队”的进程。

　　ARX机器人公司2022年由德国退役军人创立，目前已开发12款可用于战场的机器人，并在德国、瑞士、匈牙利等国军队进行测试。据报道，ARX机器人公司即将开发的新型机器人并不配备杀伤性武器。但也有分析认为，该公司所有机器人都是模块化的，均使用现成的标准化组件拼装制造，可在短时间内安装完毕。这意味着，如果想让新型机器人承担作战任务，可以很容易实施快速改装。

　　对北约组建自主机器人部队的做法，业界褒贬不一。支持者认为，先进算法有可能超越人力，不仅能解决劳动力短缺的问题，还能减少战场人员伤亡。批评者则指出，将机器人技术和自主系统整合到联盟作战体系中，不仅将面临传统武器系统和现代武器系统融合、不同国家系统之间融合等挑战，还需解决相关法律、伦理和武器控制等现实问题，而且过度依赖人工智能技术可能带来致命危险。

　　“任何新技术，只要有可能应用于军事，就必然而且往往不以人的意志为转移地首先应用于军事。”无论外界如何评论，拥有先进技术的国家都在坚定不移地推动人工智能军事化，很多国家甚至将其上升为国家战略。

　　2001年，美军在阿富汗战场用加装了“地狱火”导弹的捕食者无人机击毙“基地”组织重要人物阿提夫。2015年，俄军在叙利亚战场成建制投入机器人部队，配合叙利亚政府军一举攻占反政府武装据守的754.5高地。2023年爆发的新一轮巴以冲突，更是被称为一场“人工智能的战争”。

　　现代战场上，人类和机器人、机器人和机器人作战的场景正在日渐增多。人工智能军事化的趋势已势不可挡，自主武器的智能化程度越来越高，威力越来越大。

　　军用人工智能的迅速发展，需要我们对该项颠覆性技术必须有清醒的认识、深入的了解、相应的准备，以更积极主动的态度迎接新技术革命浪潮的冲击和洗礼。

　　基于机器学习的战场态势理解技术。战场态势理解分为不同层次：底层理解作战实体的属性状态，上层理解作战实体的能力变化和行动趋势。由于战场态势的复杂多变和态势理解的主观性，单个机器学习模型难以满足多层次的态势理解需求，可采用分层态势理解框架，嵌入人类认知经验，逐步学习理解不同层次的态势信息。深度神经网络、贝叶斯网络等机器学习模型都是当前战场态势理解的常用工具。

　　基于多模态数据融合的人机交互技术。人机交互包括触摸式交互、语音识别、动作识别、眼动追踪、表情识别、脑电波操控、增强现实等。目前，人机交互主要基于单模态数据，交互效率低。基于多模态数据融合进行人机交互能大幅提升交互效率。可采用迁移学习、表征学习等方法，将多模态数据映射到统一的特征空间进行融合，在融合的特征空间中准确识别用户行为和意图。

　　基于智能化软件定义的作战功能技术。利用各种智能化软件操控无人智能系统的作战功能和作战参数，使其能更好适应严酷的作战环境，完成复杂的作战任务。主要包括嵌入式软件控制、编程代码控制、侦控打评保作战功能调度、智能优化、自主评估、弹性保护等多种关键技术。此类技术可驱动无人智能系统向多能化、系统化方向发展，进一步提升无人智能系统的灵活性和可控性等。