智能化情报手段对大国战略稳定的影响评估*

2021-01-03 11:23葛腾飞宋道青

情报杂志 2021年6期

陈曦葛腾飞宋道青

(国防科技大学国际关系学院南京 210039)

1 人工智能对战略情报创新的赋能效用及伴生效应

对人工智能(Artificial Intelligence，AI)概念的理解因学派而异，美国国家科学技术委员会(NSTC)在统合各学派理解后将“人工智能”定义为计算机系统等人造物表现出来的如人类般思考和行动的智能，是研究基础理论并开发相关应用系统的科学[1]。然而，需要注意的是，当前及未来较长一段时期内，人工智能系统仍将是一种基于神经网络和深度学习算法的弱人工智能系统，其学习过程本质上只是一种在数学意义上利用空间变换对数据进行分类，结合相关性从而获得处理特定具体任务“智能”的过程[2]。人工智能目前能够成熟处理的任务包括图像识别、自然语言理解、计算机视觉等，基于这一基本科学事实，可以初步探析智能化情报手段对战略稳定的影响。

“战略稳定”(strategic stability)的概念起源于冷战，其基本逻辑是通过确保每一方都有能力在对手试图解除其核力量的第一次打击后进行有效的反击，以此稳定美苏两个大国间的对抗。国内外主流学界目前较为认可基于上述逻辑的狭义战略稳定概念，即国家间没有首先使用核武器的动机(“危机稳定”)，也没有建设一支核力量的动机(“军备竞赛稳定”)[3]。本文也将基于此概念对智能化情报手段的应用风险进行探究。

核战略情报是有关拥核国核武器研发、储存、使用及至军控方面的情报。冷战时期苏联和美国核预警态势的发展就已表明，为确保向决策者及时提供与核攻击有关的战略情报，自动化技术成为解决核攻击评估所需巨大时间成本的重要方式[4]。随着全球战略环境的演变，新兴技术和作战需求正推动情报侦察领域进入新一轮高速发展期。在战略情报领域应用人工智能技术进行深度数据挖掘，研究数据间的联系、信息与事实间的关联，全面提升情报处理能力，已经成为大国情报界的当务之急。

但近期，美国情报界和政学界也在反思人工智能技术在有关核军备情报收集、分析和处理过程中可能产生的一系列问题，重新审视人工智能在战略情报领域“过度应用”可能带来的连锁反应，部分分析人士认为这些问题甚至可能重塑美国的大战略。综合来看，美国政学界讨论甚多的是人工智能在战略预警系统中的应用对美国决策系统的影响。许多国家已经部分实现了核预警、指挥和控制以及导弹瞄准自动化，但智能预警也同时意味着错误警报很难得到有效干预和阻止，这将大大提升虚警和误判的风险[5]。此外，当前人工智能的任何应用都伴随着对其杀伤连带责任问题的讨论，战略情报领域也不例外。联合国已在《特定常规武器公约》框架内中对致命性自主武器系统控制问题进行了多场辩论，如何鼓励包括中美等国在内的多方采取克制态度以限制对人工智能数据军事化滥用也已经成为关注的焦点[6]，但利用人工智能赋能战略情报收集与分析正是美军当前的发力点，因此谈判前景不容乐观。美国国际战略研究中心(CSIS)对此发表报告称，人工智能技术有改变和增强美国情报界力量的潜能，但这也会造成大国竞争的伴生效应[7]。

人工智能赋能核战略情报收集与处理已经是主要拥核国实现核战略情报工作创新、塑造核优势的必由之路。但其存在通过改变战术攻防平衡，侵蚀核威慑稳定性的风险。国内既有研究对美国人工智能技术如何应用于军事情报领域进行了初步探析[8-9]，但没有对美军利用智能化情报手段收集处理核战略情报进行理论分析与阐释，也缺乏对其技术可行性的研究与反思。因此，本文着眼智能化情报手段在核战略情报中的应用及造成的影响，希望对我军事情报事业发展有所裨益。

2 人工智能技术在核战略情报领域的应用现状及其影响

随着人工智能技术研究的不断推进，其在军事情报领域的应用已由智能获取、智能分析向智能决策支持等方面延伸和扩展，为平时搜集积累对手核战略情报，战时有效缩短打击链、夺取作战优势发挥作用。因此，自主系统的主要价值在于，它可以提高核武器国家的情报、监视、侦察(以下简称“ISR”)以及预警能力。当前，智能化情报手段在核战略情报领域的应用已较为广泛，很多新设想、新思路也在不断产生。

2.1对导弹及其载具目标的探测与识别搜集导弹及其载具目标的活动情况是核战略情报的核心任务，而随着各类传感器数量的增加和质量的提高，无人机和卫星等传输的数据呈指数级增长，如何更精确，更及时地对导弹及其载具目标进行探测、识别与跟踪成为情报处理环节的关键。针对此问题，以美国为代表的人工智能大国正利用深度学习算法赋予ISR系统更多的感知智能。

导弹是核弹头的主要载体，美国在《2019年导弹防御评估》报告中指出未来探测导弹发射的一个主要手段是发展配有自主处理能力的移动式ISR平台，如F-35战机等[10]。用以探测对手导弹轨迹的移动监测平台不仅可以自行处理机载数据，识别导弹信号，还可以提供公路机动导弹部队的异常调动等其他重要情报，美国海军研究实验室已经在开发根据监视图像推断意图和威胁的智能分析技术[11]。

在雷达情报方面，美苏两国很早就开始部署相控阵雷达以防范对方先发制人的核打击，美国当前的国家导弹预警系统的陆基部分也由大型相控阵雷达组成。这种类型的雷达依赖于复杂的处理算法，但这些算法对区分核导弹和可能存在的其他物体如小型飞机的能力并不强，还曾发生过恶性误判事件。对此，美军已经开始强调发展深度学习算法以提供更有价值的目标情报[12]。负责美国本土弹道导弹防御的北方司令部自2020年中开始投入使用“探路者”(Pathfinder)人工智能系统，并已进行了两场“全球信息优势演习”(GIDE)[13]。“探路者”可以从北美、夏威夷甚至是关岛的所有军用雷达和民航管理雷达中获取原始雷达信号，并融合数据，创建对手导弹活动的图片。

核导弹发射载具主要有陆基运输车辆，战略轰炸机和战略导弹核潜艇。近年来，美军尤其加强了对公路机动导弹发射车和核潜艇的监控力度，在其设想中可利用高空长航时无人机对导弹发射车进行监控，利用“海洋物联网”加强水下态势感知能力建设，做到对核潜艇的全方位监控。

监控陆基力量方面，兰德公司的分析报告认为，目前较为可行的对移动发射车这类时敏目标的探测方法主要是利用卫星或隐形无人机上的“地面移动目标监视”雷达以监测发射地点。在监测到目标后，无人机可以发射机载的“人在回路中”的自主导弹进行打击。打击后，传感器对目标进行成像，以评估攻击的成败[14]。此想法在2019年《导弹防御评估》和2020财年《国防授权法案》中得到了支持，美军已于去年9月在MQ-9“死神”无人机上完成“敏捷秃鹰”(Agile Condor)吊舱的演示验证。“敏捷秃鹰”是美国空军研究实验室开发的一种高性能嵌入式计算吊舱解决方案，可使一架MQ-9监视大范围的行动，自主识别预先定义的感兴趣目标并发送它们的位置。“敏捷秃鹰”吊舱可以大幅压缩数据采集和数据分析之间的时延，从而提高对时敏目标的打击能力，进一步增强无人机的作战效能[15]。而在至关重要的卫星侦察情报方面，“探路者”的升级版本将可以充分利用现有军用和民用卫星收集到的图像信息，甚至包括电子情报数据。北方司令部也在与国家地理空间情报局紧密合作，将开源信息输入到该系统中。升级后的“探路者”系统能够以远超人类的速度从大量的地面卫星图像和其他数据中发现目标，甚至是伪装或隐藏的目标。

海基核力量因其灵活性和低可探测性而成为中俄两国第二次反击能力的核心，而由于人工智能对ISR系统的赋能以及无人潜航器搜索和跟踪核潜艇的能力不断增强，核潜艇遭受先发制人攻击的可能性进一步增加。2020年7月，国防高级研究计划局(以下简称“DARPA”)授予帕洛科技公司“海洋物联网”第二阶段开发合同，将大幅扩大浮标部署规模，开展基于云计算的浮标大数据分析。“海洋物联网”项目是美国为增强海上战场态势感知能力所设立的关键项目，项目由海上浮标、卫星通信系统和基于云的数据分析系统组成，主要利用的是深度学习、云计算和大数据技术[16]。当该项目最终成型时，美军可以在全球的水下空间实现完全感知，战略导弹核潜艇也会无处遁形。这极大威胁到了中俄的第二次打击能力，破坏了美国与中俄的危机稳定性。

新世纪以来，美国的导弹防御计划一直以“损害限制”作为自己的指导原则，努力发展可以对导弹进行全时段跟踪的技术，旨在促进作战形式从纯粹的战斗机制向早期的拒止威慑行动转变。而人工智能在多元情报融合分析上的优势可以完美联结现有的多类型传感器，实现对导弹及其载具目标的实时跟踪。如果配以其日益成熟的助推段和中段拦截技术，未来中俄两国的核反击能力很可能被严重削弱，战略稳定的天平也会倒向美国一侧，这对中俄两国来说是非常危险的。

2.2辅助网络攻防手段进行跨域情报活动在网络领域，自主性并不是一个新的发展概念，人工智能技术已经是网络战赋能技术，也是大部分网络防御架构的关键组成部分。其赋能的各类网络攻防手段已经可以实现情报搜集、情报保护乃至情报欺骗等多类型跨域活动。需要注意的是，跨域网络冲突的复杂与困难并不意味着无法实现能够给物理世界带来破坏的网络攻击。美国的极光测试证明了通过网络攻击摧毁发电机的现实可能性，而针对伊朗铀离心机厂的“震网”病毒攻击表明，即使与互联网进行完全的物理隔离，也无法给关键基础设施的工业控制系统提供完全的安全保证[17]。网络与现实的连接给了人工智能技术施展的巨大空间，在战略情报领域亦然。在展开对核工业关键基础设施的网络攻击前，对专业控制系统网络的渗透和漏洞搜集至关重要，人工智能技术在其中可以发挥作用。攻击者可以利用两个人工智能系统相互对抗所产生的生成式对抗网络(GANs)来模仿正常的流量模式，以转移对攻击的注意力，并快速找到并渗出敏感数据。除此之外，生成式对抗网络还可以创建恶意软件以规避基于机器学习的检测系统。由于网络攻击难以有效溯源，这赋予了攻击方极大的先发制人诱惑，一旦在网络域爆发大规模冲突，其极有可能影响到电力、交通等与核武器系统本身紧密相连的关键基础设施，严重破坏稳定性。同时，这也会给决策集团带来巨大的决策压力，影响危机时期双方的正常交流。

将人工智能集成到军事情报网络系统中，不仅增加了它们对于潜在网络攻击的脆弱性，而且还使新形式的情报行动成为可能。由于智能情报系统主要用来收集和处理信息，这将使对手有可能使用数据中毒的方法来破坏或操纵智能系统的功能。情报机构可以利用这项技术通过深度伪造谎言和混乱，达成情报欺骗的目的，同时还可以利用各类网络智能武器实施信息诈取和欺骗。例如美军两款代号为“病毒步枪”和“野蜂”的智能网络兵器可无线监测电脑电磁辐射、自动识别无线网络信号，通过“解码攻击”或强行无线“写入”病毒的方式控制目标电脑，然后发送欺骗信息，实施情报欺骗，误导对手[8]。这些因素增加了相互作用的军事人工智能系统之间意外行为和事故级联的风险，特别是在网络空间，有可能发生潜在的“闪电战”[18]。

在网络防御方面，深度学习提供了发现新的未知恶意软件类型，并检测可疑活动的能力。反恶意软件程序是为了自动识别和消除恶意软件而设计的，其一般需要自主运行，而深度学习正在优化其工作方式。早在2010 年，DARPA在其打造的Intercept X工具中就创建了一个网络基因组程序，以自动揭示恶意软件和其他网络威胁的独有特征，该程序还可自主限制新的勒索软件和启动记录攻击[19]。融合自主性的网络防御可以在很大程度上提高对对手恶意攻击的抵抗能力，尤其是当有恐怖主义黑客对拥核国进行突然袭击时，这可以在一定程度上提高稳定性。但由于目前各国对攻击的溯源能力差距较大，进攻占优方会不断创造新的难以追踪的网络攻击手段以突破现有防御机制，而当网络攻击侵害到与核武器系统密切相关的领域时，战略稳定也将受到严重威胁。

2.3辅助决策的发展趋势当前，人工智能技术虽已在核战略情报收集、分析与处理环节得到了较大规模的应用，但其在辅助情报人员进行结论判断和决策上还处于发展阶段。这一方面是由于技术还未足够成熟，另一方面也是因为核指挥控制系统本身并不能完全去除人的作用，“人在回路中”的智能化情报系统在很长一段时间内仍将是主要的发展方向。但这并不妨碍人工智能辅助决策的能力在战区层面得到应用。

借助深度学习对情报数据进行交叉分析，智能化情报手段可以用来帮助指挥部门分析与预测对手核威慑的真实意图。2020年3月，DARPA“罗盘”项目开展原型系统测试，测试了雷神公司、系统技术研究公司和洛克希德·马丁先进技术实验室提供的三种原型系统，展示了利用人工智能提升情报分析决策效果的能力[20]。“罗盘”项目全称“通过主动态势想定规划来实现情报收集和监测”(COMPASS)，意在开发一种可以帮助战区级联合作战指挥官识别对手真正意图、进行正确高效决策的支持系统，而这对未来美国地区反导体系的构建大有裨益。目前，DARPA正与美军印太司令部情报、作战规划和政策部门展开进一步合作，将在亚太地区使用真实数据对“罗盘”系统进行实地测试。

智能化情报手段运行快速高效，能够为战场实时决策提供优质的参考，并且通过实时战场反馈，操作人员能够不断修正和更新算法结果。未来，美军主要发展的深度神经网络技术通过模拟人脑神经元信息处理机制，不断增强融合了计算机与深度神经网络技术的“类脑计算”能力，打造类似于人脑的新型计算系统。该系统采用了类脑神经网络设计，能够实现快速运算、存储和分析，在图像识别、感官数据处理等复杂功能方面的效率远高于传统计算机。运用此算法的“类脑”计算系统有望在未来战争中成为增强现有体系对抗能力的关键，其会在人机协同作战中促进机器深度学习人类成功经验，为指挥员努力破除战争迷雾，谋划战争布局赋能。而借助人工智能算法，美军新近成立的“算法战跨职能小组”的任务在于研制能够在平战状态中快速处理数据的软件，实现对目标的高效探测、分类和预警分析，收集并提供高质、高量、高时效性的战略情报，并以此推进与情报领域休戚相关的深度学习先进算法的深入研究，用以辅助军事决策[21]。

未来，随着关键算法的不断创新，辅助决策甚至是自主决策将成为情报决策系统中至关重要的一环。但历史教训和现实研究都已经表明(详见2.2)，对智能情报系统自主决策功能的依赖可能也会因系统的虚警或错判而产生误判风险，进而反噬本国核指挥体制，危及战略稳定。

3 智能化情报手段当前面临的技术困境及其影响

正如上文所述，智能化情报手段带来的优势是明显的，但其也存在诸多难解的问题，尤其是由于技术不成熟导致的风险，极有可能在危机期间或网络攻击状态下演化为核危机，对这些问题进行深入研究有助于我们正确认识人工智能技术带来的困境。

3.1“算法偏见”使虚警与误判风险明显增加算法偏见(Algorithm bias)是指在没有恶意的程序设计中，却带着设计者的偏见，或因采用带有偏见的数据而导致程序结果出现差错[22]。造成算法偏见的原因主要有两类，一是算法编辑者本身在编辑算法时产生的认知倾向对人工智能系统产生了影响；二是由于人工智能系统的不成熟性，对手或第三方利用错误数据来欺骗编辑者，进而将错误数据输入至智能系统中。

3.1.1 智能系统自身算法偏见导致的后果首先，深度学习算法是不透明的。依赖深度神经网络的深度学习系统，就像一个黑匣子，虽然我们可以“观察”到其输入和输出态，但无法“观察”其运行过程。通过深度学习训练的人工智能系统在许多特定任务中可能优于人类，但它们仍然缺乏人类所理解的通用常识。计算机视觉系统不具有像人类那样在抽象层次上的感知模式，例如面部识别系统无法完全区分真实的人和图片中的人之间的区别。图像识别系统对人眼不可察觉的图像变化的观察也可能导致完全错误地标记图像中的对象，因此会产生形式独特的算法偏差。这种偏差在复杂系统中层层叠加，往往会产生意想不到的结果[23]。以识别文本和图像的传感错误为例，如果军事情报分析人员进入一个有缺陷的图像识别系统，通过数百张照片的评估将敌方导弹发射车辆定位在一个城市地区，一旦产生错误，既会对眼前的任务造成不利影响，也极有可能带来国内和国际上的重大政治损失。

其次，用于训练自动图像识别算法的数据可能存在多种缺陷。训练人工智能在其他物体中识别感兴趣的物体，需要预先标记好的数据集，且正反向数据集都必须有。但在导弹车辆识别数据集中，商业卡车的图片非常多，移动导弹发射车的地面真实图片却很少。在此情况下，人工智能可能会在学习过程中将移动发射器错误地归为非发射器车辆，进而产生误判。为了弥补这种由于数据不平衡产生的误差，提高训练数据的准确性，可以纳入人工合成的导弹发射器图像，以增强训练数据集的平衡性。但这需要人工智能成倍增加内存和运行时间来学习，否则无法确保识别效果的可信度。

3.1.2 因对手或第三方的误导产生的虚假情报虚假信息是一个长期存在的情报和战略问题，而人工智能系统尤其易受其影响。一国对人工智能的依赖可能会导致恶意误导行为的破坏性影响进一步扩大。利用深度伪造技术创造的合成图像在社交媒体的大肆传播会对人工智能系统的训练数据集产生恶性影响。英国国际战略研究所(IISS)的桌面推演结果表明，随着核武器国家在核指挥和控制方面更加依赖智能预警系统提供战略预警，对手成功误导的可能性也将快速增长[24]。

核大国的核指挥和控制系统越来越依赖专家系统和深度学习算法来增强态势感知和网络安全。然而，恶意的行为者也可以使用新技术来欺骗或破坏指挥和控制系统，使决策者陷入两难境地。对手也会试图隐藏他们的移动导弹发射器或改变其设计，以欺骗智能情报手段的ISR能力。尤其需要注意的是，对手或第三方会试图“污染”人工智能的训练数据，以诱导智能情报系统错误分类，在识别过程中出现错误，而智能情报系统的预警结果往往很难在现实世界中得到验证[25]。

算法偏见的存在直接导致了智能化情报系统在情报收集与处理环节的脆弱性，其在对手有意误导或自身算法出现漏洞的情况下会产生很严重的误判问题。很长一段时间以来人们一直对先发制人的第一次核打击关注较多，但事实上，最有可能导致使用核武器的诱因是，一个拥有核武器的国家试图探测另一个国家是否在发射核武器，而在此过程中预警系统产生了某个环节或某种程度的误判。人工智能无疑会提高一国导弹预警的及时性，但算法偏见问题也会导致情报处理系统发出无法验证的预警，破坏或者干扰一国的核指挥控制体制，在一定程度威胁和损害战略稳定。

3.2“自主偏爱”存在的冲突升级和责任问题美国国防部在2017年发布的第3000.09号指令指出，“自主系统应设计成能使指挥官和作战人员对使用武力行使适当程度的人类判断”[26]。美国虽在法律上限制了武器系统的完全自主，但这造成了对增加自主权的体制约束，从而限制了自主系统在战场上的速度。而从美国在联合国“全面禁止完全自主武器”谈判中的倾向来看，其丝毫不持支持态度，国防部近年来推动的“马赛克战”(Mosaic Warfare)概念还鼓励发展具有决策自由权的自主系统，这说明“适当的人类判断”始终是存疑的。

随着人工智能技术的成熟，对自主系统的过度信任会使得人类难以在回路中施加自己的判断以阻止可能存在的误判。虽然当前不太可能出现此种情况，但关于“自主偏爱”(automation bias)的学术研究表明，这是一种可能性极高的风险[27-28]。“自主偏爱”是指当人类被算法的反复成功拖入一种虚假的安全感时，停止质疑并完全信任它们。在这种情况下，人类不太可能质疑一个自主系统所做的决定。因此，虽然在核指挥和控制系统中引入自主系统在更快地识别打击方面提供了潜在的好处，但由于“自主偏爱”的可能性，即使指挥系统仍然执行“人在回路中”模式，也存在潜在的升级风险。

另一方面，在对错误结果进行归因时，算法的责任主体较为模糊，在因算法缺陷导致决策失误，或者公众对算法决策的结果不满意时，指挥人员往往倾向于把责任推诿给算法本身或算法开发者，而对算法或算法开发者又难以进行司法审查，责任主体高度模糊往往使得算法决策陷入审查难、问责难的窘境[29]。已有研究表明，无论是将责任归于个人还是国家，抑或二者同时承担责任，都不可能有效地解决众多的监管问题。在核危机中更是如此，是否需要对敌方来袭导弹进行反击的依据来自智能情报系统，但最终决定反击的是决策者，如何协调二者关系是核预警系统中的一大难题[30]，冷战时期苏联“奥科”(Oko)系统的虚警即是一大例证。但这些关切反之也会激励和启发更多对算法和智能系统进行问责的机制，目前来看，由于各国已在核武器系统中应用了智能情报系统，因此未来亟需在谈判中追求一些软性的使用规范机制。

3.3“先行者优势”带来战略互疑并削弱稳定“先行者优势”(First Mover Advantage)是指首先掌握颠覆性军事技术和武器装备的国家会获得更长久的优势[31]。任何一项军事技术进步带来的“先行者优势”都将使未来战争更多以非对称作战的形式呈现，人工智能技术也不例外。许多国家已经实现了核武器基础设施包括预警、指挥和控制以及导弹瞄准的部分自动化[32]。而人工智能的进步会导致其在侦察和预警中的应用进一步扩大。由于自主系统可以比人类更快地检测外部情势的变化，运行良好的算法可以给决策者在复杂环境下留出更多的反应时间，因此各国都倾向于自主化其预警系统中的部分组件。这样一种“先行者优势”无疑会给保持战略稳定带来潜在的风险，因为对对手提升反应速度的担忧直接加剧了拥核国之间的战略互疑。

在短期内，人工智能对战略稳定最具破坏性的影响在于人工智能与各种传感器的融合，这些智能传感器所带来的优势将使第二次打击能力的生存性大大降低。以战略导弹核潜艇为例，强大的隐蔽性是战略导弹核潜艇在战争中生存下来的重要前提，而反潜技术和其他新兴技术的进步将对核潜艇的建造和部署构成严重威胁。美国的卫星每天都能提供整个地球的高分辨率图像，如果配以适当的搜索算法，这些图像情报可能会揭示中俄两国的战略导弹核潜艇迄今为止未被观测到的战技术特征。而人工智能的进步也会带来识别未知核潜艇特征的新方法，如果有足够的算力支持，海洋可能会变得越来越透明。由于人工智能对情监侦系统的贡献以及进攻性无人潜航器猎杀核潜艇的能力不断提升，战略稳定将被极大地削弱[33]。

最后，先行者优势虽然可以改变军事力量，但战争一直以来都是政治的延续。在战略层面，生存是一个国家的根本目标，当弱国认为自己的基本生存受到威胁时也会采取抵抗措施。即使美国率先部署人工智能系统，由此带来的军事实力提升也不能保证达成理想的战略成果，反而会带来愈发激烈的人工智能军备竞赛，严重破坏战略稳定性。追求狭隘的人工智能军事霸权只可能使国家间陷入所谓的“技术轮盘赌”中。

4 对我因应举措思考

人工智能技术越来越多地替代和改善了人类在模式识别、预测、优化决策等任务中的表现。其在战略情报领域的应用也大大提升了拥核国应对核突袭的能力，但技术赋能后的智能化情报系统带来的问题也是显而易见的，“算法偏见”“自主偏爱”“先行者优势”等都是人工智能带来的新问题。虽然部分技术还不成熟，但其对以第二次打击力量为基础的战略稳定已经构成了潜在的威胁，如果不及时对我核力量发展和情报系统本身做出针对性调整，未来恐面对更大的风险。

4.1应用新型技术手段来增强核力量生存性首先，为了抢占战争算法先机，平衡美智能情报优势，我需加快推进智能算法的研究，并结合作战实践，不断探索、完善和创新情报算法，增强我国的战略情报预警和处理能力。这一方面需要我们开发更多先进的人工智能算法，形成由算法支撑的人工智能处理、分析、统计和辅助决策系统，推动战场感知、战争决策、情报侦察等多领域的智能化建设；另一方面，我们也需要大力培养更多优秀的算手以适应智能化战争的新需求，培养他们快速利用算法收集信息、分析数据、判断局势的能力。

4.2增强关键基础设施网络系统的鲁棒性人工智能技术一再赋能网络攻击的实践表明我们有必要对跨域网络攻击保持足够的警惕。增加网络系统的冗余度，维护关键基础设施如核电站的安全是保证己方核力量有效性的重要手段，尤其是在关键基础设施正加速向智能化迈进，信息系统与工业控制系统的融合更为紧密的大背景下，保持关键基础设施尤其是工业控制系统的独有特性，增加其拓扑结构的模糊性是相当有必要的。

此外，加强人员安全意识培养和内部安全管理在网络空间安全防护中也具有重要价值。近年来，以澳大利亚“马卢奇”污水泄露事故为代表的一系列网络安全事件都源自内部人员的内部攻击。因此，防范内部威胁，增强内部人员基本安全防护意识和能力在防范跨域情报活动中将扮演极端重要的角色。有鉴于此，对于基础设施的内部防护必须得到高度重视，尤其是来自供应链内部的安全风险。

4.3继续深度参与人工智能全球安全治理人工智能的军备控制思想仍然处于起步阶段[34]。近年来，围绕着人工智能的军事用途的讨论很多，逐渐形成了一种共识，即确保对这些系统的“有意义的人的控制”[35]，但确保这一点在战术上不一定可行，因为安全困境和自主决策的明显优势，使得保持“人在回路中”的状态是不可长久的。然而正如核武器的历史所昭示的，预警、指挥和控制系统的多次事故已经表明人工智能技术在核战略情报领域的广泛应用有待考量。

人工智能的革命性突破不断走向军事领域，带来了诸多安全问题，给国际安全带来了新的挑战。虽然人工智能的国际安全治理这一议题当前非常热门，但其也面临大国领导力赤字、国际机制约束力不足、新冠疫情冲击等多重困境，中国需要以人类命运共同体理念为指导，通过塑造命运共同体意识、推进相关国际机制建设、发挥行为主体作用等方式，有序推进人工智能的国际安全治理进程。

5 小结

人工智能驱动的ISR系统的改进将威胁到二次核打击力量的生存能力，因为技术先进的国家有能力发现、识别、跟踪和摧毁对手的移动和隐蔽发射平台。一个国家如果获得了如此高效的反制能力，不仅有希望在核危机螺旋式上升的情况下限制损害，也可以“一击即中”地消灭对手的核打击力量，这种潜在能力将破坏核威慑的有效性。而人工智能技术与网络攻防手段的结合赋予了情报活动新的发展空间，但这也直接增加了网络冲突升级为核危机的风险。此外，日益自主化的情报决策机制也会给核预警体制带来反噬的可能性。人工智能技术在上述情报手段中的应用及其未来的发展潜力会破坏大国间的战略稳定。