亓樂義：人工智慧－解放軍對台作戰應用
文/RFA亓樂義
彭博社（Bloomberg）上週報導，中國將人工智慧（AI）用於戰爭的趨勢，從美國矽谷到五角大樓拉起警報。穀歌前首席執行官施密特（Eric Schmidt）在國會聽證會強調此一問題的嚴重性。他領導進行的“特別競爭研究計劃”本月發表報告指出，美國需要重新設計軍隊，因應這種威脅。
人工智慧侵台兵推
施密特在聽證會上警告，除了關注中國軍方和民間業者密切合作的“軍民融合”計劃，更應考慮中國在國防人工智慧方面的投資遠遠超過美國。雖然美國在人工智慧和量子計算等關鍵領域“略微領先”幾年，但中國投入更多的人力從事戰略人工智慧領域的研究。
美國國防部許多官員和國會議員認爲，如果美國不迅速開發強大的人工智慧武器，就有可能在未來與中國的潛在衝突中落敗。這份報告其中一位作者向《彭博社》表明，撰寫這份報告的目的是向國防部、國會和公衆傳達加快努力發展人工智慧的緊迫性。
據觀察，中國的投資和發展重點涵蓋多個關鍵領域，包括人工智慧演算法研究、大數據分析、機器學習、自動化和無人系統等。此外，中國還在軍事應用中使用人工智慧，發展智慧導彈、自主無人機和自動化作戰系統等。儘管美國略微領先幾年，但中國正在加大在人才培養、研發機構和實驗室建設方面的投入，推動人工智慧發展，並將其應用於國防和軍事領域。
美國智庫有研究分析指出，中國軍方已經運用人工智慧進行入侵台灣的兵棋推演。但未獲權威單位的證實。不過從《解放軍報》的一些評論、文章和軍方公開著作中，約略看出人工智慧在解放軍模擬和兵推中可能的應用。
首先是情境想定：人工智慧有助於生成和模擬各種戰場情境，包括地理環境、敵方部隊的行爲和響應等。基於大數據和機器學習技術，人工智慧可以幫助解放軍在模擬訓練中創建更真實和多樣化的戰場情景，以接近實戰化方式評估和研究對台作戰的各種想定。
第二是指揮與控制：人工智慧在指揮決策和作戰指揮中能提供輔助和支援。通過數據分析和模式識別，人工智慧可以幫助指揮員更好理解戰場態勢，預測敵方意圖，爲制定決策提供支援。此外，人工智慧還可以協助指揮員進行戰場態勢感知和決策優化，提高指揮效率和作戰效果。
決定因素是人不是物
不過也應該看到，人工智慧雖可輔助指揮和決策過程。但在實際情況中，指揮員的經驗和判斷依然重要。解放軍的著作多次提到，人工智慧雖然可以處理海量數據和模擬情境，但在高度複雜和動態的戰場環境中，可能面臨不確定性和意外情況。因此，指揮員的靈活性、判斷力和快速反應能力變得至關重要，而這些是人類決策所獨有的優勢。說到底，指揮員的經驗、直覺和決策能力是確保成功的關鍵。
毛澤東曾說：「武器是戰爭的重要因素，但不是決定因素，決定的因素是人不是物。」這句話深刻烙印在解放軍的腦海，成爲牢不可破的信念。
第三是梳理對台作戰方案：人工智慧可以用於分析和評估各種對台作戰方案的效果和可行性。通過模擬和模型推演，協助指揮員更好理解不同方案的優勢、弱點和潛在結果，進而優化和完善作戰方案。人工智慧也有助於推動一體化聯合作戰的組織與實施，生成並更新適用於未來戰爭形態所需的作戰條令。
去年8月上旬，美國國會衆議長裴洛西（Nancy Pelosi）訪台，解放軍連續8天組織多軍兵種聯合對海突擊、對陸打擊、制空作戰等多科目針對性演練，以「封控台海、拒止美日」的戰略威懾行動爲目的，並且打破海峽中線，形成對台迫近合圍的新常態。這次演訓由東部戰區統一指揮，以多軍兵種部隊成體系、全作戰要素（從情報監視偵察、指揮控制、聯合打擊到綜合保障）展開，精銳主力一次性全部投入。如果沒有人工智慧的輔助與支持，演習行動很難在短時間有序展開達到無縫銜接。
今年4月上旬，台灣蔡英文總統與美國國會衆議長麥卡錫（Kevin McCarthy）在美國加州會晤後，解放軍在台灣周邊舉行3天聯合演習，側重對台作戰前期階段兵力展開演練，以靈活佈勢、搶佔有利陣位，對台形成合圍懾壓態勢。同時首次運用航空母艦艦載機，從台灣東部海域起飛與西部攻台兵力協同，對台島形成東西夾擊之勢，意圖把圍台進逼態勢常態化，將台灣防衛縱深壓縮在最小範圍。如果沒有人工智慧的輔助與支持，恐怕很難達到如此緊密的合圍懾壓效果。
智能化演訓
去年9月起，解放軍偵打一體無人機輪番擾台，至少出現4種型號。今年4月和5月，解放軍3種型號偵打一體無人機首次以逆時鐘及順時鐘方向繞台飛行，開始進入以無人機打頭陣的智慧化演訓，目的是檢測無人機與其它軍機軍艦，在戰役和戰術層面的協同，以及測試無人機之間的任務協同。同時開啓大型無人機到台灣東部常態化偵察的新模式，對台灣東部戰役據點和武器試驗場進行常態化偵察，補充衛星在時間和地域上的偵察空白，還可以爲戰時對台灣東部的戰力保存區（或戰略後方）形成全方位全時段偵察，提供經驗、路線和數據。
數據是人工智慧演算的基本要件，數據量愈大、愈真實，人工智慧的訓練與生成效果愈好。目前解放軍最大的不足，是缺乏實戰數據供人工智慧演算。實戰經驗可以提供大量真實數據和情境，幫助人工智慧系統學習和生成各種複雜的戰場條件。直至目前，解放軍主要靠計算機模擬訓練、演習，與外軍進行軍事交流與技術合作取得數據，和美軍的實戰數據有本質上的區別。
爲彌補這個關鍵性的不足，解放軍近年加大實戰化演訓力度，把演訓場域集中在台海地區，以最大可能收集接近實戰的演訓數據，作爲人工智慧演算和
模型優化的基礎。
有消息指出，解放軍對台灣重要目標都編成目錄，就是把目標的性質和座標、打擊的手段和方法，以及需要的兵力和武器彈藥都用人工智慧演算過，從而提供更準確、更高效的目標分析和打擊規劃。具體來說，人工智慧可以幫助解放軍實現多項功能。
對台目標編成目錄
首先是目標識別和分類：人工智慧可以自動處理和分析各種情報數據，包括衛星圖像、偵察報告和開源情報等，識別和分類台灣地區重要目標。通過訓練模型和演算法，自動識別編成目標的性質、特徵和重要性。
其次是目標分析和評估：人工智慧利用已有的情報和數據，結合模型推演和演算法，對目標進行分析和評估，包括對重要目標的強度、防禦能力、打擊要求及可能的打擊手段等方面的評估。通過這種方式，人工智慧可以協助解放軍更好掌握目標特點和打擊需求。
再來是打擊規劃和優化：人工智慧在目標編成目錄的基礎上，利用優化演算法和決策模型，進行打擊規劃和資源配置。通過考慮不同的打擊手段、武器裝備和兵力需求等因素，人工智慧有助於解放軍制定更有效的打擊方案，進行作戰資源的優化配置。
不過，以上都是理想狀態。人工智慧在目標編目和打擊規劃中的應用仍在摸索發展，準確性和可靠性需要綜合考慮多方面因素。因此可以這樣理解。目標編目需要解放軍透過兵棋對抗、現地模擬和實兵反覆演練中不斷加以完善。
去年8月和今年4月解放軍實施圍台軍演，可以藉此檢驗和評估目標編目的精確性、實用性和可操作性，並獲取有關目標的性質、防禦能力和打擊要求等方面的實時情報。這樣的演習有助於解放軍提高對台作戰的準確性和效果，同時也爲目標編目的進一步改進和完善提供寶貴的經驗和數據支援。
巨大發展潛力
台灣和美國對解放軍的意圖心裏都有數。因此在演習期間，保持最大克制力，不做任何戰術上的回應，不給解放軍收集目標情報的機會，使其無法檢驗和評估目標的性質和防禦能力。外界以爲台灣和美國示弱無爲，其實是爲保密。數據就是戰力，是人工智慧生成學習的土壤，也是戰爭決勝的關鍵所在。
人工智慧潛力無窮。但也應該看到，人工智慧技術應用在軍事領域仍處於初期發展階段，對於複雜的作戰環境和決策過程仍有許多挑戰有待克服，包括應用人工智慧技術時，必須保證演算法的準確性、數據的可靠性，並結合人員的專業素養，進行綜合性的判斷和決策。從這個角度看，解放軍已經邁開步伐，有巨大的發展潛力。否則美國不會拉起警報，全力應對中國帶來的挑戰。
