[AI与新文明标准特别报告] 军事挑战①：人工智能-核武器纽带（AI-Nuclear Nexus）与世界军事秩序展望

I. 引言

随着2024年在首尔举办三次重要的人工智能（Artificial Intelligence: AI）规范国际会议，韩国社会对人工智能的关注度很高。今年3月，以“人工智能·数字技术与民主”为主题召开了第三次<民主峰会(Summit for Democracy)>；5月，召开了第二次<人工智能首尔峰会(AI Seoul Summit)>；紧接着，9月9日至10日将召开第二次<人工智能负责任军事应用高级别会议(Summit on Responsible Artificial Intelligence in the Military Domain: REAIM)>。在韩国连续举办讨论尖端技术相关规范的国际会议，无疑是提升韩国在国际社会中的地位和影响力的绝佳机会。然而，为了使韩国能够持续作为全球枢纽国家在国际社会发挥领导作用，不仅要提出控制无差别尖端技术军事应用的普遍规范，还要同时考虑如何应对朝鲜以其核武器打击能力覆盖整个大韩民国领土的生存性威胁。

本特别报告将探讨人工智能军事应用问题中，对韩国影响最为重要的核武器与人工智能结合的AI-核武器纽带（AI-Nuclear Nexus）。首先，将概述人工智能的含义及其在军事领域的应用将带来何种变化。其次，将探讨人工智能技术与核武器能力及战略相结合时，将对现有的进攻-防御平衡（Offense-Defense Balance）产生何种影响。第三，在此分析的基础上，展望AI-核武器纽带未来将如何改变世界军事秩序。

II. 人工智能的概念及军事应用：作战速度提升的乘数效应

尽管对于人工智能（AI）没有官方统一的定义，但大多数研究都指出，AI是指在执行特定“任务”时，能够进行“人类智能”所要求的态势感知、模式识别、结论推断、预测、规划、学习、沟通等工作的机器（machine）（Horowitz 2018, 40; Haenlein and Kaplan 2019, 5; US Department of Defense 2019, 5; Congressional Research Service 2020, 2）。自1956年洛克菲勒基金会（Rockefeller Foundation）资助达特茅斯大学举办人工智能夏季研究项目（Dartmouth Summer Research Project on Artificial Intelligence: DSRPAI）以来，AI研究经历了“AI春天”和“AI夏天”，但由于1980年代初美国、英国等主要国家政府对未能超越“经验丰富业余爱好者”水平的AI性能感到失望而停止财政支持，AI研究进入了长达1990年代的“AI冬天”。IBM开发的深蓝（Deep Blue）在1997年击败世界国际象棋冠军卡斯帕罗夫（Garry Kasparov）后曾一度引起关注，但由于基于特定规则的专家系统（Expert System）方式无法使AI在特定领域之外发挥广泛性能，其局限性十分明显（Haenlein and Kaplan 2019, 6-8）。

2015年谷歌开发的AlphaGo在比国际象棋复杂得多的围棋领域接连击败柯洁和李世石，征服世界围棋界，AI研究迎来了第二个夏天（Haenlein and Kaplan 2019, 9）。通过在输入值的基础上推断结果时应用被称为参数（parameter）的无数权重（weight）和偏差（bias），让机器自行寻找答案的人工神经网络（Artificial Neural Network: ANN）方式的机器学习（machine learning）取得了新的突破（Bode et al. 2024, 3-5）。特别是，自2010年代中期以来，随着社交媒体的普及，可获取的数据呈爆炸式增长，并且由于可以分散数据进行并行计算，适合机器学习的GPU芯片（例如 A100, H100, B100）得到发展，计算能力得到了飞跃式提升。

在此基础上，为在现实世界中实现以往仅停留在理论水平的AI模型创造了条件。现在，无论输入何种形式的原始数据（raw data），都可以实现机器自行分类数据并寻找学习路径的深度学习（Deep Learning），并迎来了OpenAI的ChatGPT等，只需发出“请做X”的指令（prompt），就能瞬间生成故事、音乐、绘画、视频、编程、战略的生成式AI（Generative AI: GAI）时代。生成式AI的出现明确了人工智能在广泛领域中是“能够实现以往不可能之事的技术（enabler）”。因此，AI并非坦克、潜艇等军事技术，而是电力、内燃机等通用技术（Horowitz 2018, 41）。在此背景下，AI技术与现有的指挥控制体系（Command, Control, Communication, computer and Intelligence: C4I）及武器系统相结合，可以发挥“力量倍增器（force multiplier）”的作用（Johnson 2019, 150）。

作为通用技术的生成式AI的发展，将在军事安全层面带来何种变化？相关研究普遍指出，这与“速度”有关。如前所述，基于机器学习和深度学习的AI在瞬间分析海量信息方面表现出色，并在此基础上找出给定情况下最有效的方案。考虑到21世纪以来军事革新持续推进的（1）速度、（2）距离、（3）精度问题（Metz 2000, 73-81; Lieber and Press 2017; Schneider and Macdonald 2024, 174-177），AI在“速度”方面带来的革命性变化意味着，如果该技术被用于军事领域，将能在军事革新竞争中占据优势。

特别是，快速处理战场信息将加快目标探测、识别、跟踪以及对敌方战术行动的反应速度，从而在“距离”和“精度”方面也能带来乘数效应（multiplier）。此外，在最近美国强调的“综合威慑（integrated deterrence）”或中国提出的“智能化战争（intelligentized warfare）”等概念中，如果将AI技术应用于陆海空、宇宙、网络、非军事等国家安全能力的整合及多域（multi-domain）作战执行层面，由于能够快速计算出最有效的组合方式，因此具有重要意义（金阳圭 2023; 2024）。这预示着未来“哪个国家率先拥有AI军事力量，哪个国家就能决定其军事作战的成败”的局面很可能出现。

目前在AI领域占据领先地位的美国，其军事应用计划也充分体现了这一点。美国国防部（U.S. Department of Defense）于2023年6月发布的《数据、分析和人工智能采用战略》（Data, Analytics, and Artificial Intelligence Adoption Strategy）的副标题为“加速决策优势（Accelerating Decision Advantage）”。该战略开篇强调美军关注AI的原因是“使领导者能够更快地做出更好的决策”（U.S. Department of Defense 2023, 3）。这表明AI技术对军事作战速度产生了巨大影响。

此外，该战略还强调，必须具备（1）战场环境感知与理解（battlespace awareness and understanding）、（2）适应性部队规划与应用（adaptive force planning and application）、（3）快速、精确、有韧性的杀伤链（fast, precise, and resilient kill chains）、（4）有韧性的后勤支援（resilient sustainment support）、（5）高效的作战任务组织（efficient enterprise business operations），才能实现美国追求的“决策优势（decision advantage）”，并为此强调了AI驱动的人机协作和快速信息分析处理的必要性。

具体而言，《数据、分析和人工智能采用战略》将战略目标设定为以（1）“构建高质量数据”为基础，（2）提升“联合战争能力（joint warfighting）”，（3）实现“负责任的人工智能军事应用”。这里的联合战争能力是指“弥合从战术到战略层面的联合能力差距（address Joint capability gaps at the operational to strategic levels）”，通过提高组织间的互操作性（interoperability）来增强战争执行能力。综合来看，提高决策速度不仅能为战争执行能力、作战持续性和成功奠定基础，还能为实现联合战争能力创造条件。

从这个角度来看，人工智能的军事应用可能具有非常广泛的含义。关于人工智能在军事方面如何具体应用，现有研究根据（1）是战略性使用还是战术性使用，（2）是由人类监督还是赋予机器自主权，将人工智能的军事使用形式分为以下四种类型（Lushenko 2023）。

<表 1> 人工智能的军事应用类型

人工智能的“战术性”应用是指通过快速处理传感器（sensors）获取的大量信息，迅速应对目标，从而最大限度地缩短战场上“从传感器到射击（sensor-to-shooter）”的时间。另一方面，人工智能的“战略性”应用是指利用AI来识别为达成军事目标而应采取何种战争方式、组合何种力量并进行投射的选项。控制水平根据是否允许机器自主判断和执行，或者机器仅提供有助于人类判断的分析结果而最终由人类做出判断来区分。根据这些标准，总共有四种人工智能军事应用模式是可能的。

“半人马（Centaur）”是希腊-罗马神话中上半身是人、下半身是马的怪物。即，在战术上使用AI，为军事行动的效率提供选择，但最终决定由人类做出。 “牛头人（Minotaur）”是神话中头部是怪物、身体是人的怪物，从巡逻部队的部署到战斗机编队的部署，战场作战的所有判断都由机器做出，人类则完全遵循。这包括由AI控制无人机的自主武器系统（Autonomous Weapon system: AWS）。“马赛克战争（Mosaic Warfare）”是指在战略层面利用AI来识别敌方行动并找出最佳的己方兵力组合以最大限度地攻击敌方弱点，但最终决定由人类做出。前面提到的美国当前正在推进的人工智能军事应用计划，根据保罗·卢申科（Paul Lushenko）的分类，属于马赛克战争。最后，“AI指挥官（AI-general）”是指将所有关于军事力量运用的国家整体战略决策都委托给AI，人类不介入的模式。

卢申科对美军一线指挥官进行了关于上述四种AI应用模式的偏好调查。在“可靠性”方面，受访者偏好依次为马赛克战争（第一位）、半人马战争（第二位）、牛头人战争（第三位）、AI指挥官（第四位）。但在“实际希望军队采用哪种AI模式？”的问题上，牛头人战争（第一位）、马赛克战争（第二位）、半人马战争（第三位）、AI指挥官（第四位）获得了支持。这些结果表明，在AI技术应用于军事领域时其稳定性尚不确定，普遍的人类心理倾向于在战术和战略层面都由人类控制AI。

有趣的是，在具体希望AI在军事舞台上扮演何种角色时，对于战场上的“战术”层面问题，倾向于将判断交给AI，通过利用自主武器系统来提高效率；而在国家安全“战略”层面，制定战争计划和整合国家安全能力的问题上，则更倾向于由人类主导，AI仅作为辅助人类判断的角色，表现出一种有些矛盾（ambivalent）的倾向。这表明大多数军事指挥官对AI技术的稳定性并未完全确信，但至少对在战术层面利用AI没有太大抵触。当然，本次调查仅以美军指挥官为对象，且无法得知其应答者选拔标准，因此不能草率地进行推广。尽管如此，如果军事指挥官们在AI提供的决策过程中实际体验到作战速度的提升和效率的增强，那么AI在军事舞台上的作用很可能会逐渐扩大。

下一节将探讨人工智能的军事应用将对迄今为止人类开发的武器系统中被认为最具革命性的核武器的效用及未来核战略产生何种影响。届时，将探讨AI技术的引入在“进攻-防御平衡问题（Offense-Defense Balance）”（Jervis 1978）中将更有可能带来进攻还是防御的优势，并最终一并考察AI的军事应用是补充（complement）还是替代（replace）核武器等现有武器。

III. 人工智能与核武器：从价值打击（Countervalue）转向军事打击（Counterforce）

1. 核革命（Nuclear Revolution）与二次打击能力的重要性

核武器自二战时期在广岛和长崎使用后，至今再未被使用过，是一种难以证明其使用正当性的“过度杀伤（overkill）”武器系统。核武器一旦投下，会瞬间产生相当于太阳辐射的强大热量，由于空气急剧升温导致极端气压变化并产生如台风般的强风，以及随之而来的放射性沉降物，根据核弹头的威力，会在投射点半径数十公里范围内造成生命无法生存的恐怖武器（Wolfson and Dalnoki-Veress 2022）。由于能够以极快的速度向敌人投射区分战斗员和非战斗员的巨大杀伤力（Fetter 1991; Pape 1996），核武器战争没有赢家，无论采取何种手段，避免核战争都是国家安全战略的首要任务。然而，矛盾的是，正是由于这一点，核武器时代的国家们都采取了避免战争、警惕意外冲突升级的谨慎安全政策。这给人类带来了革命性的变化，正如冷战时期长达40年间美苏之间没有发生直接军事冲突的战略稳定历史所示（Carnesale et al. 1983; Jervis 1989; Waltz 2003）。

迄今为止，构建核武器安全战略最核心的概念是“二次打击能力（second-strike capability）”（Wohlstetter 1959）。这意味着在遭受对方核攻击后，仍有能力通过核武器反击，对对方进行报复，双方都拥有二次打击能力，导致核武器使用时同归于尽的状态被称为“相互确保摧毁（Mutual Assured Destruction: MAD）”。一旦形成MAD，两个对立的核国家能够对对方造成同等程度的“不可接受的损害（unacceptable damage）”，因此谁也无法首先用核武器威胁对方。双方以对方国民的安宁和生存为要挟，矛盾的是，两国都能确保自身安全（Jervis 1989）。正如“以眼还眼，以牙还牙，以威胁对方国民生命来回应威胁本国国民生命”一样，二次打击能力也被称为“价值打击（countervalue attack）”能力（Kahn 1960）。

另一方面，能够无效化对方二次打击能力的能力被称为一次打击能力（first-strike capability），它侧重于摧毁对方拥有的核力量，因此也被称为“军事打击（counterforce attack）”。纵观美苏冷战时期核战略发展的历史，核武器拥有国在加强相互二次打击能力时，战略稳定性会提高；而在努力 확보一次打击能力时，战略不稳定性会增大（Kaplan 1983; Jervis 1989; Freedman 2003）。典型的例子是导弹防御系统（Missile Defense: MD）。虽然MD表面上是保护本国领土和国民免受敌国核攻击的防御性手段，但一旦成功构建了100%可靠的MD，它将无效化对方的二次打击能力，从而导致MAD的崩溃。这就是为什么在美苏首次核裁军尝试——战略武器限制谈判（Strategic Arms Limitation Talks: SALT）过程中，弹道导弹拦截导弹条约（Anti-Ballistic Missile Treaty: ABM Treaty）被一并讨论，并与SALT I一起成为1972年首次美苏裁军协议的原因。

2. 人工智能的军事应用与核武器：一次打击能力的强化与核非对称性的加剧

因此，要判断AI技术的引入在核战略层面会带来何种变化，需要考察该技术对一次打击能力（军事打击能力）和二次打击能力（价值打击能力）中的哪一个带来更大的优势。在核战略层面，一次打击能力是强化“进攻优势”的变量，二次打击能力是“确保防御优势”的要素。

在正式讨论之前，需要坚守的一个重要原则是，仅凭一个技术变量无法解释进攻-防御平衡的变化。如前所述，人工智能军事应用的最大优势在于作战“速度（tempo）”的增加。AI在目标识别、作战环境分析与理解、计算目标打击的最佳武器系统组合等领域，其效率远远超越人类的认知能力，因此能够做出准确而快速的决策，其效果可能波及军事力量使用的全过程。然而，这种能力本身既可以促进进攻，也可以促进防御。因此，仅凭AI这一变量就断定进攻优势或防御优势的时代已经到来是困难的。最终重要的是技术本身，还是如何运用该技术的问题（Biddle 2023）。

在此前提下，我们来探讨“人工智能-核武器纽带（AI-Nuclear Nexus）”在进攻-防御平衡层面将为未来战场带来何种变化。首先，AI可能为进攻或军事打击能力做出贡献的领域包括情报·监视·侦察（Intelligence, Surveillance, and Reconnaissance: ISR）、核指挥控制（Nuclear Command and Control: NC2）以及基于常规力量的军事打击作战（conventional counterforce operations）（Johnson 2023, 18-23; 78-84; 87-90）。

第一，AI增强的ISR能力对试图通过分散、移动、隐蔽、防护等方式确保核武器生存性和二次打击能力的核国家构成巨大威胁。中国、朝鲜，甚至俄罗斯，在三大核力量（Nuclear Triad）中，潜艇能力都存在很大局限。因此，这些国家试图通过将洲际弹道导弹（Intercontinental Ballistic Missile: ICBM）置于加固的导弹发射井（hardened missile silos）或地下设施（Underground Facilities: UGF）进行隐蔽或防护，或者利用移动式发射车（Transporter Erector Launchers: TELs）来规避敌方探测等方式，来提高本国核资产的生存能力（Lieber and Press 2017）。然而，这些战术很容易被美国将无人机、人造卫星等现有ISR资产与AI技术相结合所带来的侦察能力最大化所瓦解。例如，即使是过去被认为是确保二次打击能力的终极手段、难以探测和跟踪的核潜艇，由于美国国防高等研究计划局（Defense Advanced Research Projects Agency: DARPA）开发了识别和跟踪潜艇的“海猎手（Sea Hunter）”无人机，其脆弱性也在增加。也就是说，探测和识别能力的提高将直接导致精确打击能力的增强，因此情报·监视·侦察是强化一次打击能力的技术。

第二，核指挥控制（NC2）可能容易受到AI增强的网络和电子战攻击。例如，在AI技术方面占有优势的国家如果对敌国发动持续性高级威胁（Advanced Persistent Threat: APT）作战，将对目标国家的指挥控制系统持续进行计算机黑客攻击。在这种情况下，可以找到敌方网络防御体系的弱点，植入无法探测的病毒、恶意软件等，诱导其发生误动作。还可以通过植入虚假图像或目标信息来实施数据投毒（data poisoning）或欺骗（spoofing）策略。这类网络攻击与使用常规武器进行的精确打击不同，虽然不试图对对方指挥体系进行物理破坏，但最终会使NC2无法正常运作，其效果与物理攻击无异。因此，网络和电子战能力的增强也应视为一次打击能力的强化。特别是，认为在网络防御方面处于劣势的国家可能会采取“预警即发射（Launch on Warning: LOW）”的原则来解决这一问题，从而导致不稳定性急剧增加。

第三，基于常规力量的军事打击是典型的第一次打击能力。AI技术的引入可以极大地提高无人武器系统的精度，有利于突破敌方防御。特别是对于中国反介入/区域拒止（Anti-Access Area Denial: A2/AD）战略等，以往使用有人系统突破需要付出巨大代价的敌方防御体系，AI技术也成为非常有效的对抗手段。反之，如果导弹防御系统增加了基于AI的自动目标识别（Automatic Target Recognition: ATR），探测·跟踪·拦截能力将急剧增强，再加上无人机蜂群（drone swarming）技术，将大大提高“否认威慑（deterrence by denial）”能力。如前所述，这些能力的提升虽然看似是保护本国战略资产和领土的防御性措施，但实际上由于会无效化对方的二次打击能力，因此具有进攻性。

那么，AI技术的引入是否会给核战略带来绝对的进攻优势，从而加剧不稳定性呢？不一定如此。AI技术在核武器战略层面也存在加强防御能力的部分。例如，AI技术极大地提升了远程侦察和对复杂地形进行实时信息收集与分析的能力，从而有助于提高防御方的早期预警准确性，增强态势感知和应对能力。可能被用于瓦解敌方防御体系的监视侦察能力，在防御态势下也可以瓦解敌方的突袭。

在前面提到的核指挥控制能力面临的网络战方面，也可以通过结合AI技术的网络防御能力提升来应对，例如发现本国网络防御体系的弱点，识别敌方的数据投毒和欺骗企图。在无人机蜂群方面，通常防御方拥有的本国军事资产信息远多于攻击方，这种数据不对称性使得基于深度学习的AI性能在防御方面比进攻更有利。此外，考虑到目前无人机有限的远程作战能力、机动速度等因素，也有研究认为，结合了AI技术的无人机能力比攻击方更有利于防御方（King 2024）。因此，AI驱动的核资产防护能力为AI-常规武器军事打击作战提供了有效的对抗手段。

此外，通过AI技术，为构建现有核威慑战略的可靠性而成为最大瓶颈的核武器报复“意志（resolve）”的根本性局限性，例如俄罗斯的“死亡之手（Dead hand）”发射代码，也找到了克服的途径。现有核研究反复指出的核威慑问题在于，即使防御国拥有物理上的二次打击能力，也因核报复本身的非理性而对MAD的稳定性产生疑虑。正如艾森豪威尔总统著名的言论“在核战争中幸存下来比输掉一场世界战争更糟糕（the only thing worse than losing a global war was winning one）”一样，对于已经遭受核攻击损失的国家来说，通过核报复来同等报复对方几乎没有收益。

为了解决这个问题，谢林（Thomas Schelling）提出了基于博弈模型的“留下变数的威胁（Threats That Leave Something to Chance）”的应对方式，即故意降低核控制力。近期研究（McDermott et al 2017）提出，为了使核报复具有可信度，可以通过惩罚对方施加的痛苦来获得“心理满足感”，以此来传递核报复的意愿。然而，如果像“死亡之手”那样，在“敌方发动核攻击”但“与拥有核控制权的主体失去联系”的情况下，通过编程实现“自动以核武器报复”，将核报复和二次打击能力的可信度问题完全可以得到解决。

因此，“AI-核武器纽带”在核战略上并不必然带来进攻优势或防御优势。根据模型的应用方式，可能带来完全不同的结果。

3. 人工智能的军事应用与核武器的未来：核武器效用下降

此外，需要讨论的一个重要议题是，AI技术的引入将急剧降低在实际战场上使用核武器的必要性。AI技术在提升快速反应和精确打击能力方面效果最强，在这种情况下，核武器过度的杀伤能力在战术上意义不大。例如，AI驱动的价值打击能力比大规模杀伤平民更适合对敌方指挥设施进行精确打击和消灭指挥官。2022年发布的美国《核态势评估报告》（Nuclear Posture Review: NPR）中提及“金正恩政权的终结”也与此相关。

AI驱动的军事打击能力在精确打击敌方薄弱环节以瓦解对方二次打击能力，或应对和摧毁试图瓦解其二次打击能力的敌方常规力量方面，也发挥着高效率。这样一来，核武器在战略博弈中仅作为形成背景的变量发挥作用，而实际战场上可能不会出现需要使用核武器的情况。

同时，如前文所述的AI-核武器纽带的进攻-防御优势计算所示，如果双方拥有相似水平的AI能力，这并不会给进攻方或防御方带来单方面的优势。但如果像美国和朝鲜那样，一方（美国）的AI能力远超对方（朝鲜），那么优势方将最大限度地保护本国的二次打击能力，同时又能有效摧毁对方的核资产，因此很可能拥有压倒性的第一次打击能力。在这种情况下，在朝美军事冲突和强制政策的对峙局面中，朝鲜的核武器很可能在美国的AI-核武器一体化军事力量面前失去任何效用。

IV. AI-核武器纽带与未来军事秩序展望：中美战略竞争的灾难性结局可能性

综合来看，人工智能技术的军事应用，与其说是作为放大现有“核武器能力”或强化核武器重要性的力量倍增器（multiplier），不如说更有可能通过急剧提升现有“常规力量”的效率，从根本上消除使用核武器的必要性。在此背景下，AI驱动的军事力量在很大程度上是替代核武器战略必要性和效用的因素，而非强化核武器的补充品。

考虑到AI的性能受数据量和质量的影响，以及AI正常运行所需的适合机器学习的计算能力，长期来看，中美在AI能力上的不对称性将扩大。在只能在实际战场环境中收集的图像、视频、装备性能数据（Horowitz 2018, 52-54）方面，美国拥有无与伦比的数据；并且美国主导着全球半导体生产设备供应链的90%（Allen 2023）。因此，作为现有超级大国的美国，在最尖端的AI能力方面很可能继续保持其垄断地位。这样一来，以美国为主导的霸权秩序将得以延续，世界政治秩序的多极化将不会发生。当然，如果中国在计算能力或军事数据方面找到了与美国不同的新发展方向（例如量子计算、中国无人机销售及安全信息窃取），那么美国在与中国的竞争中无法占据压倒性优势的未来也并非不可能。

然而，这种以美国为主导的长期世界军事秩序，在中短期内很可能经历一个相当不稳定的时期。在人工智能的军事应用方面，目前技术层面的主要局限性在于“脆弱性（brittleness）”问题，即AI无法像人类一样进行类比或适应（Johnson 2023, 12-14），以及机器做出使用武力的决定所带来的“伦理问题”（Bode et al. 2024, 8-9）。但除此之外，中美AI竞争还存在两个可能导致军事不稳定性急剧升高的动态，使其难以摆脱严重问题。

第一，“核纠缠（nuclear entanglement）”问题。这是当前在中美核竞争背景下，中国、俄罗斯等多个国家将可装备核弹头和非核弹头两用（dual-use）的运载工具与核武器运用部队和常规力量运用部队进行组织性结合，在核武器部署和运用阶段故意将核力量与常规力量纠缠在一起，以最大限度地发挥有限核弹头数量的效果时提出的问题。核纠缠意味着，即使敌国仅打算攻击本国的常规力量而展开军事行动，但与其纠缠在一起的核武器也会变得脆弱，该国将面临“用或失（use-it-or-lose-it）”的核力量使用局面。这大大增加了意外核战争的可能性（Acton et al 2017; Talmadge 2017）。使用常规力量的有限战争很容易升级为核战争。

类似的问题也可能出现在构建人工智能-核武器联动（AI-nuclear nexus）的过程中。如果数据供应不足，人工智能将难以准确判断已构建核武器联动战略的对手国所部署的导弹、轰炸机和潜艇资产是否装备了常规弹头或核弹头。特别是，由于人工智能机器学习技术所依赖的参数化推理存在“黑箱问题”（Johnson 2023, 17-18），即使在严格控制人工智能仅辅助信息分析而所有战术判断均由人类做出时，人工智能也可能因核武器联动带来的不确定性而加剧不稳定性。也就是说，如果人工智能不提供关于其为何会推荐特定军事行动的额外解释，或者即使提供解释但无法交叉验证其真实性，人类指挥官在有限的时间内将不可避免地承受巨大的心理压力来做出决策。在这种情况下，最终选择遵循人工智能判断的可能性很高。

其次，当人工智能技术的“黑箱问题”与核武器联动战场环境的不确定性相结合时，“意外升级”的可能性会大大增加。詹姆斯·约翰逊（James Johnson）提供了一个生动的场景，说明了在中国和美国都拥有人工智能驱动的防御能力的情况下，如果美国高级官员访问台湾，中国进行武力展示，那么台海地区可能发生的网络战级别的相互制约行动如何升级为核战争（Johnson 2023, 1-3）。美中战略竞争超越战争门槛的关键节点是，人工智能驱动的侦察和战略判断系统为了实现“早期升级优势”（early escalation dominance）而推荐先发制人攻击。特别是对于核弹头数量少于美国并采取核武器联动战略的中国而言，如果其人工智能驱动的国防系统推荐立即发动先发制人攻击，理由是美国正在瞄准中国的常规力量和核武器以消除中国的对美核威慑能力，那么中国将很难忽视这一建议。而美国方面，在充分了解中国所处情况的前提下，如果其人工智能国防系统预测中国的下一步行动将是攻击太空中的美国卫星资产或攻击关岛基地内的美国关键资产，那么美国很可能也会采取先发制人的反击行动。所有这些都为印度-太平洋地区战争的爆发提供了便利条件。

五、结论

因此，尽管美国在人工智能-核武器联动竞争中长期占据优势的可能性非常大，但在中短期内，中美之间因核武器联动和意外升级而发生严重军事冲突的可能性依然存在。中国越是觉得长期无法追赶上美国，就越会感受到在现阶段选择战争的压力。如果从现在开始不对此类可能性做好充分准备，那么狭义上可能导致印度-太平洋地区的毁灭，广义上则可能导致人类的共同毁灭。这正是迫切需要为人工智能的军事应用建立普遍规范的原因。有必要以中美在其他议题上可能更容易达成一致的议程为中心，推进人工智能战略对话，包括“是否将人工智能纳入核武器使用决策”的问题，以及关于预测到灾难性后果的“核武器联动”和“意外升级”的讨论。 ■

参考文献

Acton, James, et al. 2017. "Entanglement: Chinese and Russian Perspective on Non-nuclear Weapons and Nuclear Risks. Washington, DC: Carnegie Endowment for International Peace.

Alarcon, Nefi. 2020. “OpenAI Presents GPT-3, a 175 Billion Parameters Language Model.” July 7. https://developer.nvidia.com/blog/openai-presents-gpt-3-a-175-billion-parameters-language-model/. (检索日期：2023年11月20日)。

Allen, Gregory C. 2023. “Blocking China’s Access to AI Chips Matters to U.S. National Security.” CSIS Commentary. July 31. https://www.csis.org/analysis/blocking-chinas-access-ai-chips-matters-us-national-security. (检索日期：2024年1月4日)。

Bai, Yunyi. 2023. “Wang-Sullivan talks last more than 12 hours; Taiwan question takes up longest time, Chinese FM official told GT.” Global Times. September 18. https://www.globaltimes.cn/page/202309/1298392.shtml. (检索日期：2023年11月20日)。

Biddle, Stephen. 2023. “Back in the Trenches: Why New Technology Hasn’t Revolutionized Warfare in Ukraine.” Foreign Affairs. August 10. https://www.foreignaffairs.com/ukraine/back-trenches-technology-warfare (检索日期：2024年1月4日)。

Bode, Ingvild, et al. 2024. “Algorithmic Warfare: Taking Stock of a Research Programme.” Global Society 38(1): 1–23.

Bremmer, Ian and Mustafa Suleyman. 2023. “The Al Power Paradox: Can States Learn to Govern Artificial Intelligence - before It’s Too Late?” Foreign Affairs 102: 26.

Carnesale, Albert, et al. 1983. Living with Nuclear Weapons. New York: Bantam Books.

Congressional Research Service. 2020. “Artificial Intelligence and National Security.” November 10. https://sgp.fas.org/crs/natsec/R45178.pdf. (检索日期：2024年1月16日)。

Elimian, Godfrey. 2023. “ChatGPT costs $700,000 to run daily, OpenAI may go bankrupt in 2024- report.” TechNext. August 14. https://technext24.com/2023/08/14/chatgpt-costs-700000-daily-openai/ (检索日期：2024年1月16日)。

Fetter, Steve. 1991. “Ballistic Missiles and Weapons of Mass Destruction: What Is the Threat? What Should be Done?” International Security 16(1): 5-41.

Freedman, Lawrence. 2003. The Evolution of Nuclear Strategy. London: Palgrave Macmillan London.

Gilpin, Robert. 1981. War and Change in World Politics. Cambridge: Cambridge University Press.

Government of the Netherlands. 2023. “REAIM Call to Action.” Summit on Responsible Artificial Intelligence in the Military Domain. February 16.

Haenlein, Michael and Andreas Kaplan. 2019. “A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence.” California Management Review 61(4): 5–14.

Horowitz, Michael C. 2018. “Artificial Intelligence, International Competition, and the Balance of Power.” Texas National Security Review 1(3). May.

Jervis, Robert. 1978. “Cooperation Under the Security Dilemma.” World Politics 30(2): 167-214.

______. 1989. The Meaning of the Nuclear Revolution. New York: Cornell University Press.

Johnson, James. 2019. “人工智能与未来战争：对国际安全的影响。” Defense & Security Analysis 35(2): 147-169. https://doi.org/10.1080/14751798.2019.1600800.

Johnson, James. 2023. AI and the Bomb: Nuclear Strategy and Risk in the Digital Age. Oxford University Press.

Kaplan, Fred. 1983. The Wizards of Armageddon. New York: Simon and Schuster.

Kahn, Herman. 1960. On Thermonuclear War. Princeton University Press.

Kissinger, Henry A. and Graham Allison. 2023. “通往人工智能军备控制之路.” Foreign Affairs. October 13. https://www.foreignaffairs.com/united-states/henry-kissinger-path-artificial-intelligence-arms-control

Lindsay, Jon R. 2023/2024. “战争源于火星，人工智能源于金星：重拾军事自动化制度背景.” Texas National Security Review 7(1): 29-47.

Lushenko, Paul. 2023. “人工智能与未来战争：美国军方的令人不安的证据.” Bulletin of the Atomic Scientists. November 29.

Metz, Steven. 2000. Armed Conflict in the 21st Century: The Information Revolution and Post-Modern Warfare. Carlisle Barracks: Strategic Studies Institute.

Modelski, G., Thompson, W.R. 1988. “世界领导力长周期.” In Seapower in Global Politics, 1494–1993. London: Palgrave Macmillan. https://doi.org/10.1007/978-1-349-09154-6_5.

Pape, Robert A. 1996. Bombing to Win: Air Power and Coercion in War. Ithaca: Cornell University Press.

Schneider, Jacquelyn and Julia Macdonald. 2024. “回顾以展望未来：自主系统、军事革命与成本重要性.” Journal of Strategic Studies 47(2): 162–184. https://doi.org/10.1080/01402390.2022.2164570

Snyder, Jack. 1984. “军民关系与进攻主义的狂热，1914年与1984年.” International Security 9(1): 108-146.

Talmadge, Caitlin. 2017. “中国会使用核武器吗？评估中国在与美国进行常规战争时核升级的风险.” International Security 41(4): 50-92.

U.S. Department of Defense. 2018. “2018年美国国防部人工智能战略摘要.” https://media.defense.gov/2019/Feb/12/2002088963/-1/-1/1/SUMMARY-OF-DOD-AISTRATEGY.PDF. (检索日期：2024年1月16日)。

______. 2023. “数据、分析和人工智能采用战略：加速决策优势.” 2023年7月27日。 https://media.defense.gov/2023/Nov/02/2003333300/-1/-1/1/DOD_DATA_ANALYTICS_AI_ADOPTION_STRATEGY.PDF. (检索日期：2024年1月16日)

Wagner, R. Harrison. 1991. “核威慑、反力量战略与先发制人的激励.” American Political Science Review 85(3): 727-750.

Waltz, Kenneth N. 2003. “Waltz回应Sagan.” In Scott D. Sagan and Kenneth N. Waltz, The Spread of Nuclear Weapons: A Debate Renewed. New York: W.W. Norton & Company.

Wolfson, Richard and Ferenc Dalnoki-Veress. 2022. “核武器的毁灭性影响.” The MIT Press Reader. 3月2日。

金阳奎. 2023. “‘战场即太空’与未来威慑战略：中美安全战略变化与韩国.《未来战争的挑战与航空航天工业》.申范植编.首尔：社会评论学院.

金良圭. 2024. “2024年世界军事秩序与韩国：精确性和透明性革命下的攻击优势时代韩国的安全政策.” 新年企划特别评论系列 3. 11月20日. https://www.eai.or.kr/new/ko/pub/view.asp?intSeq=22234 (检索日期: 2024. 6. 2.).

■ 金良圭, EAI高级研究员. 首尔大学政治外交学系讲师.

■ 负责与编辑:朴智秀, EAI研究员

    咨询与编辑: 02 2277 1683 (分机号: 208) | jspark@eai.or.kr