浅议生成式人工智能作战应用
■贾珍珍 古炬贤
联合作战战场态势复杂，对抗更加激烈，多维度、多模态信息彼此交汇，仅仅依靠人类智能已无法应对战场变化。国外一些研究发现，生成式人工智能可以全方位支撑保障联合作战行动，相关技术优势能有效贯穿于战前、战时和战后全流程，为赢得战场主动权、获取非对称优势提供强大驱动力。
支持战争预演
战争预演是联合作战准备阶段的重要环节。通过战争预演，可以检验并优化联合作战计划，确保各军兵种在实际作战中能够有效配合。同时，指挥员可以根据预演结果，及时定下决心、作出决策。
研究认为，生成式人工智能具有强大的数据储备能力，可以囊括地理信息、气象数据、历史战例、国情军情等，能够配合数字孪生技术创建出复刻式的复杂战场环境。其中不仅包括现实中已存在的静态要素，还能以可视化的形式表现出动态细节，从而进一步强化联合作战问题导向，为相关行动的方案设计、模拟推演提供一个高度仿真的基础平台。在此基础上，生成式人工智能可以根据对手的战术特点、兵力部署、武器装备等信息，模拟出对手的可能行动，以便在演训中充分洞察和熟悉对手的行为模式，使应对策略符合现实情况。生成式人工智能搭建的演练场域，是在充分参照现实的基础上所构造的动态化、拟真化场景，内含各种变量和可能的交互作用，其“去中心化”分布的优势能够实现大规模、小体量的模仿式创造，契合了联合作战多单元配合、系统化协调的特点，既能够提高联合作战默契度和整体战斗力，也能够帮助指挥员发现潜在风险和隐患。
支撑战场感知
对联合作战战场态势的实时精准感知，是确保战场优势、实现作战目标的基础前提。
研究认为，生成式人工智能可内嵌至各平台、各武器装备中，以集中式基础设施为中心，构建起战场数据收集体系和物联网架构，实时捕获多源信息，对战场态势进行持续监控，并借助其数据融合和模态转化能力，智能自主筛选过滤杂乱数据，从而将有效信息转化为一幅全面的战场态势图，辅助指挥员提高对战场态势的感知能力和掌控能力，为在联合作战中实现快速、精准、高效的指挥控制提供强有力的技术支撑。在信息收集的基础上，生成式人工智能可进一步根据战场动态变化，持续优化兵力部署并智能分配任务，提高作战效率，将信息优势转化为决策优势和行动优势。外军认为，一方面，生成式人工智能以自身为基础构建统一的信息平台，搭建关键情报、资源状况等的共享渠道，能够提高战场透明度，实现资源的高效配置。这种集成化的战场信息平台能快速处理和分析情报信息，破除信息孤岛，实现数据的无缝对接与共享，将前线侦察、指挥中心、作战部队、后勤保障等紧密联系起来，形成制胜合力。另一方面，可实现信息供给侧和需求侧的紧密对接，为联合作战计划的制订与调整提供科学依据，助力搭建起联合快速反应机制，从各方面提高联合作战协同效能。
保护战场数据
战场数据的安全防护与风险控制是一条贯穿整个作战周期的红线，它不仅关系到作战行动的即时效果，也影响着作战目标的实现。当前，联合作战行动生成和使用的数据量都已呈指数级增长，这对战场数据的存储、传输与访问都提出新的要求。
研究发现，在数据存储方面，生成式人工智能可凭借其数据处理能力，有效整合多元数据，并根据价值和重要性进行权重分配，通过“去中心化”的存储手段，将数据分散存储在多个节点上，减少单点故障的风险，提高数据存储的安全性。在数据传输方面，生成式人工智能可结合防火墙设置等保密手段，以自身优势赋能传统方法，提高数据传输韧性与自主性。例如，生成式人工智能可自动分析数据库的访问模式和行为，为其设置智能防火墙，有效识别并阻止异常访问和潜在的安全威胁，自主抵御侵袭和渗透。再如，生成式人工智能可自动执行数据加密任务，自主管理动态密钥，精准高效验证数据完整性。在数据访问方面，生成式人工智能可根据基础数据，动态调整人员访问等级，实现“细粒度”的访问控制，确保信息的安全性和时效性。
助力战后评估
战后评估是联合作战全链条中不可或缺的重要环节。很多实验证明，生成式人工智能的持续学习与自我优化能力对于提升作战效能、适应不断变化的战场环境具有重要作用，能够为联合作战体系的完善和发展提供持续动力，保证在对抗中始终保持竞争优势。
生成式人工智能本身有可训练、可塑造的独特优势，其运行机理中就包含了正反馈的学习机制。外军认为，在联合作战战场上，生成式人工智能的反馈机制能映射到整个场域之中，不断修正误差，增强联合效率，保持战场优势。首先，生成式人工智能的算法模型本身可以不断迭代优化，实现对数据的智能化和精细化处理。其次，生成式人工智能的内容生成，以既有数据中的联合概率分布为主要依据，能够在有效归纳后进行演绎创造，为解决现实难题提供可供参考的有益借鉴。随着战后评估的深度与广度的增强，生成式人工智能可从纵向和横向的角度给出多维度的军事决策方案，提高决策落实的综合效力。再次，生成式人工智能的战后评估有助于将联合作战行动的决策从宏观层面逐步转向微观的具体设计中，使衔接更加有力，帮助决策者并行处理数量众多的决策任务，并在决策优化过程中体现出涌现效应。
