图①：美军人员进行数据分析。
图②：“城墙卫士”行动中，以军对哈马斯目标发起攻击。
图③：俄军KUB-BLA巡飞弹。
不久前，《华盛顿邮报》一篇题为《算法如何打破俄乌战争平衡？》的报道，披露了美国高科技公司与美军方合作，开发了一系列先进算法工具，为乌克兰整合作战数据、提供精准情报，从而深度介入俄乌冲突的诸多内幕。
算法，顾名思义就是计算方法，广义上指的是解决问题的一系列清晰指令，是用系统的方法来求解问题的策略机制。作为人类社会最激烈、最残酷的对抗性活动，战争从一开始就与算法结下不解之缘。从《孙子兵法》的未战“庙算”到《战争论》的“重心计算”，从张良的“运筹帷幄”到拿破仑的“弹道计算”，从一定程度上看，人类关于算法对于战争重要性的认识由来已久。
计算机发明后，算法的效能加速显现。随着人工智能、大数据、云计算等技术快速进入军事应用领域，算法在现代战争中发挥着越来越重要的作用，成为衡量一个国家综合军事实力的新要素，以及世界各军事强国竞相争夺的战略新高地。
定现代战争胜负的关键因素
先进智能算法的发展一日千里，让机器涌现出令人惊叹的洞察力和创造力。在观察、定位、跟踪、判断、决策、打击和评估等杀伤链的各个环节，机器算法相较人脑展现出越来越大的优势，在提升战场决策和指挥控制能力方面发挥着越来越重要的作用，逐渐成为决定现代战争胜负的一个关键因素。
数据处理算法让态势感知和情报分析更有洞察力。随着大量传感器和侦察手段的使用，信息化战场中的海量数据像洪流一样涌入，人的大脑已无法及时处理。以深度学习为代表的新一代数据挖掘算法，在云计算等技术的加持下，能够对从战场收集的各类数据进行快速整合，不知疲倦地深度关联分析有价值的情报信息，帮助作战人员更快更好预测战场态势变化，深度实现“知己知彼”。
智能博弈算法让作战筹划和辅助决策更有创造力。现代联合作战的复杂程度远超想象，单纯依靠传统的作战原则和指挥员的直觉，在战争这个“不确定性的王国”中寻找创造性的解决之道愈发困难。以强化学习为代表的智能博弈和决策算法，在大规模分布式算力的支撑下，能够在虚拟环境中自主博弈对抗，快速充分探索战争决策空间，帮助指挥员发现和锚定决策点，更高效地创造生成行动方案。
自主控制算法让兵力编组和任务实施更有执行力。随着大量无人装备和平台进入战场，可控的作战资源越来越多，“兵力分散，火力集中”的分布式作战成为主流。完全依靠人控制所有作战单元，已无法适应未来智能化作战。以“遗传模糊树”等为代表的自主控制算法，能够根据任务目标和能力需求对作战资源进行动态组合，形成人机混合编组高效执行作战任务。在这种模式下，部分作战力量具有自主应变能力，可以根据态势变化自动处置情况，从而大大减轻人工控制的压力。
各国加速布局抢占算法制胜高地
随着智能化战争时代加速到来，算法作为人工智能的“灵魂”，日益受到各国青睐。世界主要军事强国纷纷加速布局，抢占算法制胜高地。
早在2017年，美军“第三次抵消战略”的总设计师罗伯特·沃克就提出了“算法战”概念。随后，美军设立“算法战跨职能小组”，启动“码文工程”项目，吸收谷歌、亚马逊、微软等商业巨头参与，积极推动人工智能、大数据、机器学习等领域的先进算法快速融入美军作战体系。在2021年美军进行的“全球信息优势实验”测试中，“码文工程”项目开发的人工智能算法，可以在一分钟内预判敌人数日后的行动，效率之高让人侧目。当前，美军已建成全球最大、最全面的战场算法生态，并仍在不断巩固其“制智权”，力图实现“打一场让对手看不懂的战争”的目标。
俄罗斯深厚的数学积淀使其具备强大的战场算法开发能力。俄军KUB-BLA巡飞弹应用了先进的人工智能视觉识别算法，能够对目标进行实时识别和分类。该型武器2022年首次投入实战，取得一定效果。俄军重点关注算法对态势感知、自主控制、编队协同、决策分析的有效赋能，目前相关领域部分核心算法的成熟度已达到实战应用水平。按俄军计划，其30%的军事力量将在2025年前实现远程控制。
此外，日本、韩国、英国、法国、以色列等国也在开展战场算法方面的研究。2021年，以色列对哈马斯发起“城墙卫士”行动。11天的行动中，以色列依靠信息搜集技术、人工智能辅助决策系统，实现了对哈马斯火箭弹发射阵地、弹药库、军事工厂和高级指挥官住所等目标的有效打击。不过，受诸多因素所限，这些国家的战场算法开发很难离开美国的支持。
战场算法目前仍存在诸多“软肋”
正如《华盛顿邮报》那篇报道所指出的：“战争向算法敞开大门，危险也随之而来。”在现代战争中，算法虽然发挥了重要作用，但也存在很多不容忽视的短板甚至隐患。要想在未来战争中更大限度地释放算法效能，就必须着力破解目前存在的诸多难题，从而最大限度地消除战场算法的“软肋”。
数据样本难题。以智能计算为核心的新一代战场算法，需要“投喂”海量数据才能构建出来。实践表明，一个目标识别算法至少需要100万个样本数据支撑，一个辅助决策算法则需要高达5000万个以上样本数据。但军事领域充满对抗性、欺骗性和谋略性，这就导致军用大型数据集的构建难度极高，收集的数据样本可能存在大量难以发现的“杂质”，采用这些数据模型将带来很大风险。
安全可靠难题。战场算法的目的是提高效率，但其必须要建立在安全可控的基础上。当前，大量无人自主系统使用了数据驱动的学习型算法，其训练模块中的数据有限，而真实战场情况瞬息万变、难以预料。这会造成无人自主系统在训练中效果不错，但一到实际场景就可能“掉链子”。有的图像识别算法，在光线强弱或角度出现一定变化的情况下无法正常工作，就是典型的例子。此外，这类智能算法模型很容易被攻击而失效，进而产生不可控风险，对战场态势造成不利影响。
人机融合难题。现代战争主体依然是人而不是机器，开发战场算法并不意味着机器完全取代人，而是通过人机融合，将人类的可塑性和创造力与机器的精准和高效完美结合，进一步提高作战能力。目前，人机融合在实验室环境下已经取得了一些进展。美军最近开发的“头脑风暴”作战筹划系统，可通过人机混合组队方式击败人类高手团队。但是，这一系统要投入实战应用依然任重道远。此外，由于算法系统存在“黑盒效应”，人机之间极易因为相互理解、信任等问题，在配合过程中出现不同步或行动冲突。
