要点提示

●基础研究对应用研究起主导和支撑作用，推进军事智能化不仅要关注技术应用研究，更应重视基础研究。

●人工智能技术是柄“双刃剑”，既要抓住千载难逢的历史机遇，又要客观理性地看待面临的风险和挑战。既要看到人工智能的“能”，更应看到人工智能还有许多“不能”，科学选择发展路径，理性确定发展目标。

目前，人工智能技术正加速向军事领域渗透，军事智能化既面临千载难逢的发展机遇，也面临前所未有的挑战。如何加强风险研究和预判，防范重大风险，已经客观而现实地摆在我们面前。当前，尤其应该厘清人工智能发展脉络，把握人工智能发展规律，妥善处理好基础研究与应用研究、人工智能与人类智能、面临机遇与风险挑战的关系，科学选择发展路径，做好安全风险管控，推动军事智能化科学稳步发展。

把握人工智能发展量变质变规律，处理好基础研究与应用研究的关系

从1956年美国达特茅斯会议诞生以来，人工智能经历了推理期、知识期、学习期三次高潮和两次低谷，逐渐从“不能用”“不好用”发展到“可以用”的技术拐点，遵循了事物发展从量变到质变的客观规律。现代人工智能之所以发展到目前技术拐点，并不是平地冒出来的，而是多年基础研究的积累和突破。厚积多年，一朝薄发，在严谨的科学领域，所谓的“弯道超车”是不太现实的。推进军事智能化发展，首先就是要深刻把握人工智能发展量变质变规律，妥善处理好基础研究与应用研究之间的关系。

牢固树立基础研究的战略地位。基础研究对应用研究起主导和支撑作用，推进军事智能化不仅要关注技术应用研究，更应重视基础研究。应把原创性理论研究和突破作为重点，以核心和关键技术为主攻方向，倾力打造多层次人才培养平台，夯实军事智能化发展的基础。美国国防高级研究计划局从20世纪60年代就开始介入人工智能的发展和应用，一直非常重视人工智能基础性研究，培养了一批高端人才，从而奠定了目前美国人工智能领域的领先优势。

充分挖掘基础研究的集成优势。人工智能是一个多学科、高综合的行业，我们在突出理论创新、技术创新和体制创新的同时，应注重基础研究的集成和运用。“阿尔法狗”2016年横空出世，引起世人震惊，但其基础框架即“蒙特卡洛树搜索”算法及卷积神经网络均成形于20世纪，其引入的强化学习也发展了数十年，通过结构重组和集成，使系统功能出现“涌现”。最近，美国知名人工智能专家安德鲁•穆尔在谈到人工智能发展方向时认为，人工智能的研究或将转向，重点应该致力于现有基础理论成果的运用和转化。

加强人工智能领域的统筹融合。人工智能是一个通用性强、应用面广的学科，几乎所有商业人工智能项目都能在军事应用上找到发力点。但人工智能是一个高投入、慢产出的行业，没有几年甚至几十年持续投入，难以看到真正的成果。应充分发挥好我国的体制优势，充分发挥好信息产业科技巨头的投资和人才优势，充分发挥我国海量数据和巨大市场应用规模优势，规划主导，科学分工，梯次发展，有序融合，防止一哄而上和重复建设。

立足人工智能初级阶段的现实，处理好人工智能与人类智能的关系

现代人工智能之所以取得技术上的突破，主要得益于2006年辛顿提出的深度学习方法。像其他任何算法一样，深度学习也有其不足，主要表现在：适用场景限制多、泛化能力差、数据量要求高等。正是由于深度学习方法的局限性，现代人工智能只是大数据推动的初级智能，属于限制领域人工智能，也称弱人工智能。加快军事智能化发展，应立足“初级智能”这个现实，处理好人工智能和人类智能的关系，准确定位，既要看到人工智能的“能”，更应看到人工智能还有许多“不能”，科学选择发展路径，理性确定发展目标。

认清现代人工智能在军事指挥控制决策领域应用的技术瓶颈。“阿尔法狗”战胜人类后，再一次激发了人们对人工智能的热情，但军事对抗和棋类对弈最本质的不同是作战行动的不确定性，这些不确定性主要来自信息不完全、情报不一致、度量不准确等，它代表了军事智能化所要面对的真实环境。克劳塞维茨说过，战争是不确定性的王国。对于这些不确定性，不可能用确定性的假设来解决。目前，人工智能系统虽然是基于海量信息或知识的系统，但这些信息或知识仍局限在特定区域范围内，且缺乏对信息或知识的常识应用和融会贯通能力，因而无法解决作战过程中所面临的诸多不确定性问题。一旦问题超出系统约束，系统决策就可能出现失误甚至完全错误，加上战争谋略、欺骗、示假等因素的综合影响，人工智能走进军事指挥控制决策领域仍然面临不少难题。

认清人工智能和人类智能的辩证关系。当前，推进军事智能化的目标不是要替代人类智能，而是使人工智能与人类智能有机融合，功能互补，相得益彰，以进一步增强人类智能，帮助人类在作战行动中处理不擅长的工作，使人类从繁杂的重复性工作中解放出来，转而专注于作战谋划、行动协同、方案决策等工作上，从而更高效地完成作战任务。

认清人类智能在战争中不可替代的地位。不管是宏观上的战争指导，还是微观上的军事指挥，它们既是一门科学，更是一门艺术。高超的指挥艺术，往往源于指挥员灵感或直觉，而直觉本身是不可度量和传递的，正如爱因斯坦所述，直觉是无法描述的。所以我们无法训练机器人产生直觉。因此，未来战争中，人工智能和人类智能之间有可能存在一道无法逾越的鸿沟，除了场景和目标非常单一的作战环境，人工智能不一定比自然人做得更好。

着眼人工智能引领新一轮产业变革的趋势，处理好机遇与挑战的关系

人类近代史上历次科技革命和产业变革，都对军事领域产生了颠覆性影响，直至改变战争形态。正如恩格斯所说：“用什么方式生产，就会用什么方式打仗。”目前，世界各军事强国纷纷加大人工智能应用的投入力度，致力于打造具有常识、情景感知和效能更高的军事系统，抢占未来军事竞争制高点。然而，人工智能技术是柄“双刃剑”，既要抓住千载难逢的历史机遇，又要客观理性地看待面临的风险和挑战。风险处理不好，小则造成经济损失，大则影响未来战争成败。全球性人工智能投资热潮越高涨，我们越是应着眼防范国家安全重大风险，重视军事智能化的潜在风险研究，实行对应用技术、应用成果的有效管控。

算法风险。作为人工智能的主流算法，深度学习本身是一个复杂系统，随着算法层级的增多，对这个生成和反馈数据的“黑盒子”里为什么能够给出有效输出、何时能够给出有效输出？算法专家也无法用逆向工程来分析并给出答案，可能在不知不觉中失去了发现错误、纠正错误的机会。美军F-35战机控制系统的智能化程度非常高，拥有几千万条代码，最近几年暴露出来的200多个问题几乎都与其智能软件的算法高度关联。任何一个问题的出现，不但影响战机的作战性能，甚至连安全起降都成问题。国际人工智能协会主席迪特里奇在前年发表的主席报告中，针对人工智能技术缺少稳健性，提出了“稳健人工智能”的发展目标。

投向风险。基础研究是应用研究的源泉和基础，应用研究是基础研究的延伸和拓展，两者相互联系，相互交错，协调好两者的关系，对推进军事智能化十分关键。但长期以来，由于人工智能技术具有高门槛的特点，使纯粹基础研究的学术价值和应用前景非一般人所能洞察，也很难进行评判和衡量，这就给投资决策带来了较大风险。近几十年，人工智能原创性理论突破多在国外，如何克服基础研究这块“短板”，实现基础研究和应用研究两者之间的平衡，对于我们推进军事智能化发展是一个不容忽视的挑战。

设计风险。设计风险是指由于人工智能应用的设计目的与实际结果不相符带来的风险。所有人工智能产品的设计功能和参数都是设计者赋予的，其算法及数学模型凝聚着设计者的心血和智慧。但应当承认，由于设计者知识、素养、习惯及利益驱动等因素，包括所采用算法自身的不完备性，所设计出来的产品可能会存在缺陷和隐患。美军第三机步师就曾发生过机器人把枪口对准操作员最后被击毁的事件。设计的安全性风险恐怕是军事智能化发展初级阶段难以回避的问题。（王春富）