不久前，《華盛頓郵報》一篇題為《算法如何打破俄烏戰爭平衡？》的報道，披露了美國高科技公司與美軍方合作，開發了一系列先進算法工具，為烏克蘭整合作戰數據、提供精准情報，從而深度介入俄烏沖突的諸多內幕。

算法，顧名思義就是計算方法，廣義上指的是解決問題的一系列清晰指令，是用系統的方法來求解問題的策略機制。作為人類社會最激烈、最殘酷的對抗性活動，戰爭從一開始就與算法結下不解之緣。從《孫子兵法》的未戰“廟算”到《戰爭論》的“重心計算”，從張良的“運籌帷幄”到拿破侖的“彈道計算”，從一定程度上看，人類關於算法對於戰爭重要性的認識由來已久。

計算機發明后，算法的效能加速顯現。隨著人工智能、大數據、雲計算等技術快速進入軍事應用領域，算法在現代戰爭中發揮著越來越重要的作用，成為衡量一個國家綜合軍事實力的新要素，以及世界各軍事強國競相爭奪的戰略新高地。

決定現代戰爭勝負的關鍵因素

先進智能算法的發展一日千裡，讓機器涌現出令人驚嘆的洞察力和創造力。在觀察、定位、跟蹤、判斷、決策、打擊和評估等殺傷鏈的各個環節，機器算法相較人腦展現出越來越大的優勢，在提升戰場決策和指揮控制能力方面發揮著越來越重要的作用，逐漸成為決定現代戰爭勝負的一個關鍵因素。

數據處理算法讓態勢感知和情報分析更有洞察力。隨著大量傳感器和偵察手段的使用，信息化戰場中的海量數據像洪流一樣涌入，人的大腦已無法及時處理。以深度學習為代表的新一代數據挖掘算法，在雲計算等技術的加持下，能夠對從戰場收集的各類數據進行快速整合，不知疲倦地深度關聯分析有價值的情報信息，幫助作戰人員更快更好預測戰場態勢變化，深度實現“知己知彼”。

智能博弈算法讓作戰籌劃和輔助決策更有創造力。現代聯合作戰的復雜程度遠超想象，單純依靠傳統的作戰原則和指揮員的直覺，在戰爭這個“不確定性的王國”中尋找創造性的解決之道愈發困難。以強化學習為代表的智能博弈和決策算法，在大規模分布式算力的支撐下，能夠在虛擬環境中自主博弈對抗，快速充分探索戰爭決策空間，幫助指揮員發現和錨定決策點，更高效地創造生成行動方案。

自主控制算法讓兵力編組和任務實施更有執行力。隨著大量無人裝備和平台進入戰場，可控的作戰資源越來越多，“兵力分散，火力集中”的分布式作戰成為主流。完全依靠人控制所有作戰單元，已無法適應未來智能化作戰。以“遺傳模糊樹”等為代表的自主控制算法，能夠根據任務目標和能力需求對作戰資源進行動態組合，形成人機混合編組高效執行作戰任務。在這種模式下，部分作戰力量具有自主應變能力，可以根據態勢變化自動處置情況，從而大大減輕人工控制的壓力。

各國加速布局搶佔算法制勝高地

隨著智能化戰爭時代加速到來，算法作為人工智能的“靈魂”，日益受到各國青睞。世界主要軍事強國紛紛加速布局，搶佔算法制勝高地。

早在2017年，美軍“第三次抵消戰略”的總設計師羅伯特·沃克就提出了“算法戰”概念。隨后，美軍設立“算法戰跨職能小組”，啟動“碼文工程”項目，吸收谷歌、亞馬遜、微軟等商業巨頭參與，積極推動人工智能、大數據、機器學習等領域的先進算法快速融入美軍作戰體系。在2021年美軍進行的“全球信息優勢實驗”測試中，“碼文工程”項目開發的人工智能算法，可以在一分鐘內預判敵人數日后的行動，效率之高讓人側目。當前，美軍已建成全球最大、最全面的戰場算法生態，並仍在不斷鞏固其“制智權”，力圖實現“打一場讓對手看不懂的戰爭”的目標。

俄羅斯深厚的數學積澱使其具備強大的戰場算法開發能力。俄軍KUB-BLA巡飛彈應用了先進的人工智能視覺識別算法，能夠對目標進行實時識別和分類。該型武器2022年首次投入實戰，取得一定效果。俄軍重點關注算法對態勢感知、自主控制、編隊協同、決策分析的有效賦能，目前相關領域部分核心算法的成熟度已達到實戰應用水平。按俄軍計劃，其30%的軍事力量將在2025年前實現遠程控制。

此外，日本、韓國、英國、法國、以色列等國也在開展戰場算法方面的研究。2021年，以色列對哈馬斯發起“城牆衛士”行動。11天的行動中，以色列依靠信息搜集技術、人工智能輔助決策系統，實現了對哈馬斯火箭彈發射陣地、彈藥庫、軍事工廠和高級指揮官住所等目標的有效打擊。不過，受諸多因素所限，這些國家的戰場算法開發很難離開美國的支持。

戰場算法目前仍存在諸多“軟肋”

正如《華盛頓郵報》那篇報道所指出的：“戰爭向算法敞開大門，危險也隨之而來。”在現代戰爭中，算法雖然發揮了重要作用，但也存在很多不容忽視的短板甚至隱患。要想在未來戰爭中更大限度地釋放算法效能，就必須著力破解目前存在的諸多難題，從而最大限度地消除戰場算法的“軟肋”。

數據樣本難題。以智能計算為核心的新一代戰場算法，需要“投喂”海量數據才能構建出來。實踐表明，一個目標識別算法至少需要100萬個樣本數據支撐，一個輔助決策算法則需要高達5000萬個以上樣本數據。但軍事領域充滿對抗性、欺騙性和謀略性，這就導致軍用大型數據集的構建難度極高，收集的數據樣本可能存在大量難以發現的“雜質”，採用這些數據模型將帶來很大風險。

安全可靠難題。戰場算法的目的是提高效率，但其必須要建立在安全可控的基礎上。當前，大量無人自主系統使用了數據驅動的學習型算法，其訓練模塊中的數據有限，而真實戰場情況瞬息萬變、難以預料。這會造成無人自主系統在訓練中效果不錯，但一到實際場景就可能“掉鏈子”。有的圖像識別算法，在光線強弱或角度出現一定變化的情況下無法正常工作，就是典型的例子。此外，這類智能算法模型很容易被攻擊而失效，進而產生不可控風險，對戰場態勢造成不利影響。

人機融合難題。現代戰爭主體依然是人而不是機器，開發戰場算法並不意味著機器完全取代人，而是通過人機融合，將人類的可塑性和創造力與機器的精准和高效完美結合，進一步提高作戰能力。目前，人機融合在實驗室環境下已經取得了一些進展。美軍最近開發的“頭腦風暴”作戰籌劃系統，可通過人機混合組隊方式擊敗人類高手團隊。但是，這一系統要投入實戰應用依然任重道遠。此外，由於算法系統存在“黑盒效應”，人機之間極易因為相互理解、信任等問題，在配合過程中出現不同步或行動沖突。（陶九陽 單鴻昌 吳琳）

分享讓更多人看到