2026-11-04 00:17:07 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

【会员下载】智能化战争与“Maven”项目（一）：指挥官依然掌握决策权

原创

006
006

蓝军开源情报

2026年11月3日 06:57
河南

去阅读

关注*▲蓝军开源情报▲*和10万+情报研究员，一起成长

*【导读】*

2026年9月23日，军事信息观察发表文章《智能化战争与“Maven”项目（一）：指挥官依然掌握决策权》。

\"指挥官最终仍拥有决定权\"这句话听起来令人安心，但事实并非如此。北约条令将指挥视为一种本质上属于人类的活动，涉及权威、个人责任与问责制；任务指挥则依赖意图、及时决策、下属责任与主动性。人工智能不会消除这些要求，却可能显著改变这些要求得以实施的环境。

仅仅因为决策链中仍有人参与，并不能说明他们是否拥有足够的信息、时间、能力或权限去质疑系统的决策。决策支持系统不会正式做出决定，但它们塑造了呈现的信息、备选方案的框架以及最终送交指挥官的建议。

在压力之下，人为批准可以在纸面上维持问责制，而真正有意义的人为判断却在被逐步压缩。因此，更难的问题不是人类能否做出决策，而是要使决策保持有意义的品质，必须满足哪些条件。

《智能化战争与“Maven”项目（一）：指挥官依然掌握决策权》原文27页。扫码文末二维码，加入蓝军开源情报知识星球会员，免费下载本文原文及1.6万字完整译文。检索翻译、资料采购、报告定制联系方式：191-1880-5880（微信同号）。

关键词：AI战斗；Maven计划；依赖意图；及时决策；人工智能；维持问责制；军事决策

这是蓝军开源情报的第 *757*期分享

编译006 l 校对006 l 排版019

来源 l 蓝军开源情报（ID：Lanjunqingbao）转载请联系授权（微信号：19118805880）

一、军事决策的核心始终是人类判断与责任体系

军事指挥并非始于信息处理问题。北约条令把判断力、直觉、经验、训练与创造性思维纳入指挥职能本身，有效的决策要求指挥官不仅明白该决定什么，还要明白何时需要决定。人工智能可以生成选项、关联信息并提出建议，却缺乏赋予军事决策意义的权力、责任与更广泛的理解。

因此，判断不等于在系统给出的选项中挑选最优。指挥官需要解读意图，权衡相互冲突的作战优先级，处理不完整或相互矛盾的信息，并对无法预先计算的后果负责。有时依据不完整信息迅速行动是明智的；有时则意味着承认现有证据尚不足以支持行动。

任务指挥的目标不是让所有下属与总部得出相同结论，而是让理解意图的人能根据变化主动行动。但人工智能也可能把信息的筛选、排序与框架构建，集中在一个指挥官既未参与设计、也未完全理解的技术系统中。总部可以集中管理许多\"解读现实\"的机制，同时又分配正式的权力。

因此，操作层面的问题不是人工智能原则上是否与任务指挥兼容，而是其应用能否维持任务指挥运作所需的条件。正式的人类权威或许依然存在，但在其框架下，指挥实践可能改变，因为人们会逐渐发现，最安全的制度行为是接受系统的建议。

二、决策支持不是决策者的责任

军事决策是信息收集、解读、排序、推荐与指挥的连续链条，即使没有正式决策权，人工智能也能影响其中多个阶段。系统能够整合信息、识别模式、排序备选方案并推荐行动方案，但最终决定权仍在人类手中。大量前期分析已经自动化，但这并不意味着决策责任随之转移。

更复杂的指挥问题甚至在建议送达之前就已存在。决策支持系统能在人眼看到之前，决定哪些信息被呈现、汇总、排序或忽略——它可能只显示按预定模式运行的车辆，而不是该区域内检测到的所有车辆。在作战层面，\"帮助指挥官掌握更多信息\"与\"让他们提前决定自己该看到什么\"之间存在关键区别。

这种筛选不可避免。指挥官从未直接审查过每一份传感器反馈，参谋人员早已代表他们筛选、评估并呈现信息；人工智能没有发明中介，改变的是速度、规模与潜在的不透明性。当参谋筛选信息时，指挥官可以质疑理由、调阅原始报告；如果计算系统参与其中，组织就需要相应的方法来理解哪些信息被过滤、基于哪些假设。否则，看似丰富的信息反而会掩盖一个更狭窄的决策空间。

红十字国际委员会由此划出一条界限：决策支持系统不正式决策，但通过展示、整合与分析信息并提出建议，它们可以直接且显著地影响决策者。建议形成判断，却不拥有最终决定权，其影响可以在指挥官落笔之前，通过多个自动化阶段不断累积。

三、仅靠人机交互是不够的

\"人机协同\"已成为最令人安心的表述之一，却很少被用来描述决策的质量。人类可能在不理解建议的情况下参与，在未独立评估的情况下批准，也可能在拥有正式权力的同时几乎无力质疑系统。参与、批准、理解、质疑、判断与有效控制，不应被视为同一安全机制的相同解释。

有效的判断需要条件：充分的信息与操作背景、与决策相关的能力、了解系统能可靠确定什么与不能确定什么，以及足够的时间去比较其他证据。他们还需要有权质疑、拒绝、延迟或寻求其他信息来源。ICRC的现行指南同样把有意义的人为参与、质疑输出的能力、用户培训与对自动化偏见的识别，列为必不可少的保障。

但人工智能的所谓优势反过来不利于审核者。系统能生成的输出数量，并非个人能有效审查的数量；如果一个系统能生成数千条建议，而能审核的人员有限，增加审批步骤并不能解决能力不匹配。组织必须明确何为充分的审核、哪些决策需要更严格审核、何时应推迟自动化，以及审核人员如何识别看似例行实则错误的建议。

乌克兰的例子说明了控制的真实含义。无人系统日益增多，而电子战与通信中断使持续人工控制变得困难，乌军因此寻求更大自主性——即使在GPS或通信中断时，系统也能在操作人员注意力较低时继续执行部分任务。这减轻了负担，却带来新的监管负担：人类必须了解多个系统的状态、识别异常并干预。因此，控制的关键指标不是操作人员是否握着按钮，而是他是否有足够的态势感知与时间来判断何时该按下按钮。

四、速度能增强决心，但也能使事物变得空洞

速度是实实在在的军事优势。AI-DSS可以关联多传感器信息、检索人员无法手动调查的大量情报、更新评估并减少重复分析。ICRC也指出，谨慎使用这类系统可实现更快、更全面的分析，包括获取平民存在情况与攻击方式的信息，从而减少平民伤亡。因此作战目标不应因人类习惯缓慢流程而维持，而应利用速度提升决策的质量与相关性。

问题出现在机器生成信息、评估与建议的速度超过人类有效评估的速度时。这导致\"决策压缩\"：提交决策的信息量增加，而用于收集、解读、质疑与决定的时间并未增加。总部可以在不增加分析员、法律顾问与指挥官的情况下处理更多目标与行动方案。瓶颈并未消失，只是从信息生成转移到核实与决策。

答案不是让人类跟上机器的步伐。认知负荷、相互冲突的作战任务与人员配备限制，构成了软件吞吐量所不具备的局限。ICRC警告，时间限制会加剧自动化偏差，而速度与规模会放大错误，若用户未能独立判断，可能导致意外升级。《国际红十字评论》的研究进一步指出，随着系统加速目标定位，审查员越来越依赖量化输出、初始排名与自动推荐，形成自动化偏差、锚定效应与认知卸载的风险。

还存在一种组织风险：如果系统足够快，总部可能按技术能力重新设计流程，用目标处理量、建议生成量与决策周期缩短来衡量绩效，即使用于验证这些指标的人力有限。更高的产量促使组织加快运转，又带来更多产量，而审查时间持续减少——组织提高了计算能力，却未必提高决策能力。因此速度必须与后果和可逆性一同评估：自动关联传感器数据与推荐致命行动，对核查和审慎的要求并不相同。

五、指挥官在系统显示的信息范围内做出决策

指挥判断历来依赖不完美的信息环境：信息不完整，传感器可能故障，报告可能延迟，敌方也可能故意歪曲。人工智能不制造这些问题，却改变了信息传递的方式。当多个数据源在送达参谋之前经过融合、过滤与计算，最终图景可能比原始证据更完整、更一致——指挥官获得更多信息，同时进一步降低了信息本身的不确定性。

区别在于运行可靠性与模型可靠性。模型可以相当有把握地判断某对象属于哪个类别；指挥官却必须回答更广泛的问题：信息本身是否足够可靠，足以支撑作战决策？传感器性能可能下降，报告可能过时，两个看似独立的来源可能源自同一次初始观测，敌方也可能故意生成系统可识别的特征信号。输出附带的可靠性评分，并不能自动涵盖这些情况。

而验证过的环境并非一成不变。模型是针对特定数据、用例与作战条件开发的，实战却持续改变这些条件：新型传感器、软件更新、地形与天气变化、敌方战术变化，都可能改变\"性能验证条件\"与\"系统当前可信条件\"之间的关系。北约的负责任使用原则因此要求明确用例，并在全生命周期内测试与保障，包括检测意外行为并在必要时隔离系统。

乌克兰提供了异常直接的证据。在2026年4月CSIS的讨论中，现役防空人员解释说技术、战术与理论在实战中同步演进：人工智能辅助系统能在相对简单的空中背景下有效识别\"沙赫德\"型无人机，但随着目标下降、背景变为地形或森林，识别难度随之增加。这不是证明人工智能无用，而是证明其性能是有条件的。对手还会蓄意改变情况——欺骗、电子战、网络干扰与篡改输入，都是影响决策所依据信息的手段。

六、自动化无法消除责任

维护人的责任说起来容易，做起来难得多。北约的《负责任使用原则》要求人工智能的开发与使用秉持适当的判断与谨慎，明确人的责任，并在全生命周期内保证可解释性、可追溯性、可靠性与可治理性。这些要求的意义远不止于把责任交给最终批准行动的指挥官——问责制取决于能否识别整个决策系统中所有相关方的责任。

他们的职责各不相同。操作员负责在授权范围内使用系统、识别警告并报告异常；指挥官负责在其权限内决策；情报人员负责评估与核实信息来源；系统所有者与技术保障部门负责配置、验证、网络安全与性能监控；采购部门影响需求与部署前接受的证据；法律顾问评估法律问题；组织本身负责建立协调上述职能的治理、培训与升级机制。这种分配并非责任的削弱，恰恰相反。

假设\"指挥官对这一切负责\"，有可能掩盖指挥官在看到建议之前很久就已发生的失误。设想一个系统按配置运行正常，但验证条件已不再适用：操作人员未被告知更新改变了性能，数据输入被错误识别，或采购方接受的测试结果无法代表真实环境——指挥官的最终决策固然重要，却不能完全解释故障。有效的问责要求组织能够重建系统接收的信息、生成的数据、运行的版本、已知的局限以及每个阶段的责任人。

因此，可解释性与可追溯性除技术透明度之外还有现实目标：出问题时能够追溯责任。指挥官不应亲自为每架飞机和武器系统做模型认证或检查软件更新，他们需要知道哪些方面得到了保证、由谁保证、在什么限制条件下保证。把责任理解为一条链条而非最终的签字更为恰当：若责任在部署前无法追踪、部署后无法重构，那么在流程末端留下一个人，只会在庞大的系统消失后为组织提供一个可识别的个体。

七、批判性思维是一项必备技能

人工智能确实可以减轻非生产性的认知劳动。更重要的问题是：当支持范围从减轻行政负担扩展到协助部分推理时，专业能力会受到怎样的影响？弗兰克·霍夫曼认为，军事专业人员需要的不是更快的思考，而是以人工智能驱动的\"增强型\"模式思考——增强技术应提升推理的质量，而不是取代产生推理的实践。

风险不止于自动化偏见。军官可能固守机器生成的初始评估，认可那些支持既有解释的建议，或因现成答案唾手可得而降低认知投入，从而回避复杂分析；重复依赖也会减少独立练习基本技能的机会。杰克·沙纳汉把更严重的情况称为\"认知俘获\"：机器生成的现实表征过于强势，以致用户难以提出替代方案、进行比较或识别故障模式。

但不应假定人类必然服从机器。一项针对236名西点军校学员的2026年实验发现，他们对算法建议的反应比一般对照组更温和；一项针对2015名以色列军人的研究则表明，在某些目标选择场景下，人们对算法的规避程度高于简单的自动化偏好。这些研究未能完全模拟战斗压力，却挑战了\"人机交互必然导致单一可预测的认知失误\"这一假设。因此训练的目的不是教人不要信任人工智能，而是培养\"校准式信任\"——能够判断依赖与怀疑是否合理。

这改变了演习中应被测试的内容。参谋人员需要体验准确、不确定以及可能出错的系统，遇到与其他情报相矛盾的建议、基于过时信息的输出，以及\"拒绝机器比接受机器更费力\"的情形。演习不仅应评估军官是否会使用系统，还应评估他们能否识别何时不应遵循建议，并解释为何偏离。即使人工智能辅助不可用，组织也必须保持独立性——这不是手动复制计算任务，而是理解军事问题、构建并检验替代假设，并在技术性能下降时继续决策。如果演习奖励速度与机器一致性，并把质疑视为延误，那么无论条令多么推崇独立判断，我们都能准确知道该组织在鼓励什么。

八、\"人为控制\"在实践中究竟意味着什么

要让人为控制继续有意义，就需要比\"人位于机器输出与作战效能之间\"更严格的定义。仅仅身处审批按钮附近并不构成控制，关键问题是：这个人是否具备理解、评估与影响后续行动的实际能力？这取决于决策性质、可用信息、审查时间、错误后果以及决策所处的指挥结构。

因此，有战略意义的控制需要同时满足几个条件：个人必须理解拟议决策及其不确定性，掌握足够背景以判断建议是否合理，并了解系统局限以便识别何时应降低信心；必须有时间质疑建议、获取补充信息并做出与后果相称的判断；最重要的是干预权必须真实存在，即能够拒绝、延迟、修改或升级行动，而流程不能有效阻断这些选择。

国际讨论也日益强调这一区别。2026年8月，联合国秘书长与ICRC主席共同呼吁各国制定具有法律约束力的自主武器规则，理由是缺乏充分人为控制与监督的系统会引发人道主义、法律、伦理与安全担忧。作战层面的问题则更为普遍：审批人工智能生成的补给计划的后勤官员、评估机器关联分析的情报分析员、考虑目标建议的指挥官，面临的结果各不相同，因此不应采用相同的审核方式。

后果越严重、决策越难逆转，就越应确保人工审核能提供真正审视的机会，而不只是程序性确认。这为指挥官提供了一种比\"是否有人参与\"更有效的检验方法：当需要决策时，这个人实际知道什么、问了什么、可以改变什么？当人与机器意见不一致时会发生什么，节奏是否允许进一步调查？只有当授权、信息、能力与行动自由协调一致时，人为控制才有意义。缺少任一要素，组织或许仍能指出存在人为授权，却越来越难以声称这个人真正行使了指挥权。

▌蓝军星球精选（会员免费下载）

俄乌战争的11个人工智能教训（2.6万字干货）