(圖片來源：pixabay)
一起來做以下的思想實驗。這個實驗原本發表於美國海軍學院（U.S. Naval Institute）《行動》（Proceedings）會刊， 由我的朋友與合作夥伴約翰・艾倫（John Allen）所構思，他也是美國海軍陸戰隊的四星將軍，曾擔任美軍中央司令部（US Central Command）副司令：
2018年1月2日，一艘艦艇遭到突擊，艦長一邊盯著船艦所受的損害，一邊陷入沉思。此次攻擊非比尋常，他很快就會明白，這是一場影響甚鉅的大規模奇襲。蜂擁而至的攻擊行動，讓我們這位艦長及其麾下將士措手不及，因為不管是艦長還是艦上系統，都沒有發現他們其實已經遭到網攻。這波神不知鬼不覺的網攻行動不僅破壞了感測器，還把防禦系統「隔絕在外」，幾乎癱瘓了整艘艦艇。隨之而來的是一大群陣式複雜的無人機，對船艦發動一波波動態攻勢。這群自主系統有目的性地集結在一起，對船艦猛攻，不但能靈活地彼此協調，而且能隨機應變對船艦展開行動。
更麻煩的是，此番攻擊的速度快得嚇人，船員個個束手無策。儘管船上的資訊技術專員設法在網路入侵行動的箝制下將部分防禦系統救了回來，但船上其他人員並沒有足夠的時間（他們只有區區幾秒鐘）決定如何反制。就在這短短幾秒鐘的時間內，部分船員憑著有限的「情境感知」（situational awareness）斷定這場攻擊是敵軍的自主網路系統及動力系統相互合作的展現。但不到幾分鐘，整個攻擊行動就結束了。
英勇的艦長堅守艦橋，他大難不死，但是和大部分船員一樣身負重傷。船上的火勢一發不可收拾，船身也因為淹水而嚴重傾斜。由於船艦遭到嚴重損害，導致艦長無法和損害管制軍官通訊，而那位軍官自己也受了重傷。顯然敵軍的一些自主平臺確實知道該攻擊船艦的哪些要害，才能造成最大的破壞和傷亡。艦長已經難以指揮這艘軍艦，淹水的情形又愈來愈嚴重。
艦長在瞭解整體狀況之後，知道自己必須做出幾個世代以來美國艦長都不曾做過的決定—他下令「棄船」。
作戰方式的轉型
從淵遠流長的歷史來看，人類在作戰方式上其實沒有太多真正的創新，只有運用騎兵、發明來福鳥銃（rifled musket），還有二次世界大戰期間快速裝甲部隊整合空中支援，以及速戰速決策略（Blitzkrieg strategy）所採用的即時無線電通訊算得上創新的作戰技巧。科技上的種種進步（有時源自各種不同的領域）經過彙整融合之後，就會產生這些顛覆性變化，而眼下我們又面臨另一種轉型。現今軍隊必須接受的事實是，戰爭將換上截然不同的面貌，正如美國「第二次抵銷」策略運用了包括智慧型精準導向武器（guided weapon）、隱形病毒（stealth）和電子戰（electronic warfare）在內的戰術，把伊拉克軍隊攪得天翻地覆。
作戰模式大致上會有什麼變化，已經可以從當前的戰爭看出一些端倪。此波新變革的核心技術包括了以機器學習演算法（譬如深度學習）為輔的電腦視覺化、AI自主決策機制、尖端感測器、部署於高速「邊緣」網路上的微型化高效能運算能力、攻守俱佳的資安性能，以及不計其數的人工智慧技術，譬如自主群聚功能以及對感測器資料進行認知分析等等。整合這些技術之後，可以預見但又令人難以置信的是，人類在戰爭中的角色恐怕會變得微乎其微。在不遠的未來，人類的工作是提供大量高水準的輸入資料，機器則負責規劃、執行並且視任務實際狀況隨機應變，同時也要在無額外輸入的情況下，擔起做出數千個決定的責任。人類最終有可能會被排除在決策迴路之外。
極速戰
艾倫將軍是第一個把以AI技術為基礎、由機器所發動的衝突稱為「極速戰」（hyperwar）的人。二次世界大戰期間，極速戰這個名詞點出了戰爭由於涉及許多同步發生的狀況而具有的全球性本質。然而時至今日，新型態的極速戰最大的特徵則是速度之快前所未有，這都是因為善用AI與機器認知技術，大大有助於提高自主決策機制及同步行動的效率所致。
無怪乎軍隊將領在勾勒未來戰爭的面貌時，往往會使用「極速」（hyper）這個源於希臘文（義為「超過」或「在⋯⋯之上」）的字彙，形容前所未見又舉足輕重的新型態作戰方式。用軍方的語言來重新定義的話，或許可以將極速戰解釋為一種人類決策幾乎完全退出「觀察—定位—決策—行動」（即OODA）迴路，進而使整個OODA 迴路所需時間降至趨近於零的戰鬥模式。
OODA 迴路
在此之前的戰爭，從決策到行動的每一個階段，人類的認知始終都占有重要地位。雖說人類的決策能力很強大，但講到速度、專注力和善盡職責這些層面，人類還是有其侷限。誠如先前所探討過的，人類有其天生的限制，本來就沒辦法快速做決定，而且每一次做重大決定時，不可避免都會產生「認知負擔」（cognitive burden）。人只要做了一定數量的決定之後，就需要休息充電，才能恢復原本的認知水準。心理學家丹尼爾・康納曼（Daniel Kahneman） 從法官身上研究這個現象，結果發現法官可以因為一個很簡單的因素（比方說缺乏葡萄糖）就做出錯誤判決。大腦疲憊時，運作速度會放慢，甚至會停止分析思考，轉換成以本能行事的「快速思考」（fast thinking）模式，導致出錯的機會增加。以機器而言，誠如前文所討論過的，由於機器沒有這些枷鎖，因此沒有這方面的困擾。另外當機器智慧發展到一定程度，變得很容易複製又能執行於便宜硬體上的軟體時，就可以大規模地部署，進而針對戰術、作戰和戰略方面的決策提供源源不絕的資源。
AI體現了以小博大的精神
「克敵制勝」是戰爭文學中常常可以看到的成語。以軍方的角度來解釋，這句成語是指在有限的時間與空間之下集中兵力，以此發動數位或火力上的優勢，使敵人無從還擊或抵抗。攻擊武力比整體防禦力更大或者更猛，未必就能克敵制勝，唯有善用「天時地利」才是關鍵，務必釐清這其中的差別。假如武力弱的那一方能盡快做出「天衣無縫的統整」，命中敵方罩門使之無從增援，往往有機會克敵制勝。要是可以不斷地套用這種行動方針，即便敵方的武力強大許多，我方也能用省力的做法有效抵銷敵方武力，通常還可收擾亂敵軍心理的功效。如此一來，武力占上風的那一方就無法發揮優勢，甚至衝突的時間愈長，武力強大的那一方反而更快瓦解。這就是戰場上的以小博大模式。
克敵制勝的二大變數就是時間與空間，即動員與執行攻擊行動所需的時間，以及執行此行動的位置。戰略、作戰與戰術上的重要決策底定之後，便可計算這二樣變數。首先找出要開戰的候選位置。這一步要走得正確，就必須盤算很多偶發因素，以軍事計畫的行話來說就是指「兵種」和「裝備」。透過機器決策，可以即刻調集大量感測器和槍砲，以利迅速動員或整編武力，執行攻擊行動，然後接著瓦解敵軍武力。極速戰的主要動力正是機器決策，所達成的目標可以說遠遠勝過人為控制與指揮下的成效。
＊＊＊＊＊＊＊＊＊＊＊
「外行人講戰術，內行人重後勤」—這句古老的諺語有如一盞明燈，指出各種戰爭的共同模式。自古以來，戰爭一旦開打，軍隊就有移動的必要，連帶軍隊的食衣住行與安全問題也必須照顧到。士兵的需求其實很龐雜，專業角色因應而生，而這些人員又需要自己的後勤支援。保護部隊、傷兵後送與軍隊治安等種種事物，只會讓原本就很複雜的供應鏈變得更加盤根錯節。講白一點，士兵其實就是「人類智慧」、「機動性」和「火力」這三樣的集合體。現代的軍隊當然不會再把士兵的肉身當火力用，非必要也不會讓士兵頻繁移動，而是利用各式各樣大小不一的機器戰士來填補這些功能。打仗用的機器沒有一大堆需求，必要時亦可拋棄，但人類士兵可不是如此。除非不得已，否則軍隊指揮官是絕對不會冒險派人去戰場上把機器取回來的，因為這麼危險的任務恐怕會導致人員傷亡。
現今的無人機大多由遙控系統控制，操作員跟飛行器分隔兩地，人類的決定是從遠距離外發送給機器。這樣的配置是很實用，但也有不少壞處。首先，有一些潛在因素導致現今的無人機只能執行特定種類的任務，例如高速空戰之類的任務就不可能做到。其二，系統還是容易受到人為干擾及失聯的影響。最後，就是操作員可能會承受不了真正作戰時產生的沉重壓力和緊迫感。文獻中經常提到無人機駕駛罹患「創傷後壓力症候群」（post-traumatic stress disorder，PTSD）的現象，正足以說明現有做法的侷限。
擁有真正自主能力且具備機載合成智慧（synthetic intelligence）的各式大小機器裝置與機器人，將在未來的極速戰擔任類似步兵的角色。大小和商用四軸無人機差不多的機器，可以穿梭森林、飛越開闊的原野，也能夠集結、行動、瞬間隱匿。這些機器會配備精密的感測器，可以提供資料給內嵌的視覺及決策演算法，並傳給整群機器，還可以從統一的位置來操作它們。此外，這些機器也可以配置各種網路酬載和動態武器。只要透過「群聚演算法」（swarm algorithm），就能協調大量的機器「集體」行動，除了確保順利完成任務，若是有某架無人機掛點，其他機器也能夠隨機應變、遞補上來。
AI的能耐與訓練方式
素有「沙漠之狐」之稱的二次世界大戰德國陸軍元帥埃爾溫・隆美爾（Erwin Rommel）曾說：「軍隊的最佳福利就是一流的訓練。」沒有訓練，無以為繼，而先進的軍事訓練可以培育出戰事亟需的專業將士。面對AI技術和以此技術為基礎的極速戰，大家會看到在訓練途徑方面將有二大開創性變革。首先，諸如自然語言式對話系統（可吸收消化數十萬頁的手冊、指南、研究報告或其他種類的資料）這一類的AI技術，有助於增強人類操作員在非戰鬥狀態下的能力，例如維護設備。其二，若應用全自主AI技術，便可輕輕鬆鬆將AI的戰術與戰略複製到各個系統，就好像能力最強的前輩可以馬上把一身經驗專長傳承給不曾打過仗的新兵，而新兵學到的技能與專業又可以互相交換一樣。同一個自主飛行平臺除了能夠充當專業「飛行員」、壓制敵軍的空防能力，還可以快速切換成神經網路控制器，將平臺變成世上最致命的制空專家。另外，如果這種「專業」AI飛行員非得犧牲自己才能完成任務目標，那就放手去做吧！因為除了硬體之外，不會有其他損失，畢竟AI的「模組」（即飛行器的「大腦」）只要複製到其他硬體上就行了。
除了實務層面，AI系統的訓練也可以從模擬器來執行。AlphaGo 靠著增強學習（reinforcement learning）演算法而專精「圍棋」這項古老的棋類活動，甚至壓倒性擊敗了人類頂級棋手，現在這種機器學習法也被用來打造益發精良的自駕車。人類駕駛勢必得經歷痛苦的學習曲線，自駕車卻不必承受。自駕車（或稱模擬汽車）已經發展出成效卓著的類神經網路，可以把學習經驗傳給其他車輛。這種即時式「轉移學習」（transfer learning）在AI應用的催化之下，一定會在未來的極速戰成為另一項無可匹敵的高超技能。
以上內容由寶鼎出版授權刊登，未經允許請勿轉載。
◎更多精彩內容，請見：《AI創世紀： 即將來臨的超級人工智慧時代》
