AI 已经进入美军战争决策链:当机器比人判断得更快,人还能掌握决定权吗?

2026年春天，一艘中国货船险些遭到美军登检。

据CNN在9月18日披露，事情起因于一份由人工智能辅助生成的军事情报报告。

一名美军特种作战部门的分析员使用AI聊天机器人查询船舶货物信息。系统结合公开资料和部分机密情报，得出了一个危险的结论：这艘中国船只可能正在运输与核武器计划有关的部件。

这个判断后来被发现是错误的。

但在错误被发现之前，AI已经帮助分析员把相关信息整理成了一份格式规范的情报报告。

报告进入军事情报流转体系后，美军开始准备行动。武装人员准备登船，军用飞机已经升空。

直到其他官员重新检查原始情报，才发现报告所依据的判断存在严重问题，行动随后被取消。

CNN的调查依据四名知情人士的说法，相关细节尚未得到美国军方的完整公开确认。

这件事情最值得注意的地方，并不是AI犯了错误。

而是一个错误的判断，经过AI整理、包装和传播之后，险些推动一场现实中的军事行动。

最终，人工复核阻止了事情进一步发展。

可如果没有人重新检查原始情报呢？

如果战争正在激烈进行，每天需要处理成千上万个目标，人类还有多少时间发现这样的错误？

这正是AI进入战争决策链后，一个越来越难以回避的问题。

01一、AI已经进入战争决策链，只是它不在最后一步

10月30日，路透社专栏作者Peter Apps发表文章《AI对美国战争体系的重塑可能才刚刚开始》。

文章讨论了一个正在发生的变化：人工智能已经从辅助军事分析的实验性技术，逐渐进入美军实际作战体系。

其中一个重要系统叫Maven。

它并不是简单的聊天机器人。

现代战争产生的数据量非常庞大。卫星图像、无人机视频、雷达信号、电子侦察信息，以及不同部门积累的情报，需要经过整理、关联和分析，才能转化为军事判断。

过去，这些工作需要大量情报人员完成。

而Maven这样的系统，能够借助计算机视觉、数据融合和其他AI能力，加速识别潜在目标，整合不同情报，并辅助生成供军事人员判断的目标清单。

根据美国国防部门公开披露的数据，Maven在2026年对伊朗的军事行动中得到了大规模应用。

美方官员称，系统曾在38天内支持涉及约13000个目标的相关工作。需要注意，这是官方披露的业务规模，并不代表13000个目标全部由AI独立识别或决定打击。

但它说明了一件事：

AI正在改变现代军事决策的信息生产方式。

过去，指挥官需要等待情报人员收集、整理和分析信息。

现在，系统可以更快地给出目标识别结果、风险提示和行动建议。

人类仍然处在军事指挥链中。

但人类看到什么、先看到什么，以及看到怎样组织过的信息，越来越受到算法影响。

这种变化在伊朗米纳布小学遭袭事件中，暴露出了更加严肃的问题。

2026年2月28日，伊朗米纳布一所小学遭到美军导弹袭击，造成包括大量儿童在内的严重人员伤亡。

彭博社9月发表的调查报道援引参与五角大楼内部调查的官员称，过时的情报数据、目标复核环节的缺陷，以及对AI辅助流程的过度依赖，共同促成了这场悲剧。

学校所在地在军事数据库中仍被标记为军事设施，而此前发现的异常信息没有有效进入主要目标审查流程。

更值得注意的是，负责降低平民伤害风险的相关人员配置遭到了大幅削减。

报道指出，美军中央司令部有关团队的人数由10人减少至1人，而涉事目标在打击前没有经过该团队复核。

这不意味着AI自主决定攻击了一所学校。公开材料也不足以完整重建每个人、每套系统在最终打击决定中的具体作用。

但至少说明，当AI加快了决策流程，而情报质量与人工复核能力没有同步提高时，原本存在的缺陷可能被迅速放大。

战争中的问题，不再只是AI会不会判断错误。

还包括：人类是否仍然具备发现错误的条件。

02二、过去我们以为，最终签字的人就掌握决定权

我们习惯用一个很简单的标准理解权力：

谁作出最终决定，谁拥有权力。

在企业中，员工提出方案，领导批准执行。

在军队中，情报人员提出目标，指挥官批准行动。

无论前面有多少分析和讨论，最终决定权仍然掌握在人手里。

从制度设计上看，这种安排有其合理性。

但AI正在改变一个过去容易被忽略的条件：

决定者是否真正理解了形成这个决定的依据？

过去，一个指挥官获得十份情报报告，可以逐份阅读、比较矛盾、询问分析人员。

现在，AI可能已经处理了成千上万份信息，最后交给他的只有一份摘要和几个经过排序的建议。

这当然提高了效率。

可问题也随之出现。

如果AI在前面的信息筛选中遗漏了一项关键证据，最终审批的人是否知道？

如果AI根据错误数据作出了一个看起来很有逻辑的判断，人类是否有能力发现？

如果系统一天生成上千项需要处理的建议，又有多少人能够真正独立复核？

在人机交互研究中，这涉及一个长期存在的问题：自动化偏见。

当人们长期使用表现可靠的自动化系统时，尤其是在工作压力较大、注意力被多项任务分散的情况下，更容易接受系统给出的判断。

这种信任本身并不是错误。

现代社会能够运行，很大程度上依赖人们相信飞机自动控制系统、工业控制系统和各种专业软件。

但军事决策的特殊性在于，一旦错误进入执行阶段，很多后果无法挽回。

这也解释了为什么我认为，判断权可能先于决定权被削弱。

表面上，指挥官仍然保留最后的批准权。

但如果他没有足够的时间、原始证据和专业能力去质疑系统，那么这种批准究竟是独立判断，还是对机器结论的确认？

我并不认为人类必须重新处理AI已经分析过的每一条信息。

那样做，实际上等于放弃了技术进步带来的效率。

真正需要重新思考的，是人的判断能力应该放在哪里。

03三、AI时代真正改变的，是人类掌握能力的层级

在此前研究AI和搭建AI工作系统的过程中，我一直在思考一个问题：

当机器能够完成越来越多过去由人完成的工作，人还需要掌握什么？

我觉得可以从计算机发展的历史寻找一些答案。

最早的计算机程序，需要直接面对机器指令。

后来有了汇编语言、C语言，再后来出现Python等高级语言。

每一次技术发展，都在把更底层的能力抽象出来。

程序员不需要亲自管理每一个寄存器，不需要了解所有底层指令，也能够开发越来越复杂的应用。

今天，随着AI编程的发展，人甚至可以通过自然语言提出需求，由AI生成程序。

这不是人类能力简单地消失了。

而是人类需要直接掌握的能力，正在不断向更高层级迁移。

过去，一个人需要知道某个功能的每一步应该怎样实现。

现在，他可能更需要理解系统应该完成什么、在什么条件下运行、可能在哪里出错，以及如何验证结果。

当然，高级语言没有让底层知识彻底失去价值。只是对不同岗位、不同风险等级的工作而言，需要掌握的深度发生了变化。

抽象可以减少人的操作负担，但不能自动消除底层错误，也不能替代对错误后果的判断。

军事AI同样如此。

人类没有必要要求情报人员亲自查看每一帧无人机画面。

机器能够连续工作，能够识别大量重复信息，也能够帮助人发现注意力难以覆盖的异常。

这是技术进步的真实价值。

但人必须知道，这套系统的边界在哪里。

例如，AI判断某个目标是军事车辆，依据的究竟是什么？

是图像形状、运动轨迹，还是多种情报交叉印证？

如果两种情报互相矛盾，系统会提示冲突，还是选择一种更可能的答案？

如果数据已经过时，系统是否具备发现问题的能力？

当结果无法确认时，能不能暂停下一步行动？

这些问题不要求每个指挥官都成为算法工程师。

但要求相关人员能够理解整个系统的关键逻辑，并建立有效的验证机制。

我在管理AI员工、设计自动化工作流时，也一直在尝试建立这样的机制。

一项复杂任务不能因为AI报告“完成”，就认定它真的完成。

它需要一个循环：

发现问题，分析原因，提出方案，执行操作，检查结果，发现偏差，再进行修正。

而在下一步行动开始之前，还需要明确哪些结果必须经过验证。

这里有一个重要变化。

过去，人类主要依靠自己完成任务的能力来保证结果。

现在，人类可能越来越多地依靠设计和监督系统的能力来保证结果。

这也意味着，人要改变学习和思考的方式。

我们未必需要掌握所有底层细节，但至少需要理解哪些能力已经被可靠地抽象，哪些仍然存在不确定性，哪些问题必须由人亲自判断。

不过，军事领域与软件开发存在一个根本区别。

软件系统出现错误，有时可以停止服务、恢复数据、回滚程序。

但一枚导弹发射之后，很多错误不可能通过下一轮循环修复。

因此，越是不可逆的行动，验证就越不能只放在执行之后。

04四、哪些决定可以交给AI，哪些必须留在人手里？

这涉及一个更加现实的问题。

我们是否应该允许AI自行采取军事行动？

我认为，不能用简单的“允许”或者“禁止”回答。

首先需要区分任务的性质。

比如防空系统。

当导弹正在高速接近，整个反应过程可能只有几秒钟。

如果所有识别、判断、拦截操作都必须等待人类逐项确认，很可能根本来不及完成防御。

事实上，一些自动防空和近程防护系统已经能够在预先设置的规则下自动识别、跟踪并拦截来袭目标。

但这些系统并不必然使用今天的大语言模型。许多依靠的是成熟的传感器和规则式控制技术。

对于这一类基础防御，我认为可以考虑提前授权自动执行。

前提是目标类型明确、活动范围受到限制、误伤风险能够评估，系统具备必要的监督和中止机制。

而且，不能因为某个系统被定义为“防御系统”，就认为它的行为一定安全。

一套防空系统同样可能误伤民用飞机或友方目标。

所以真正的授权边界，不只是防御还是进攻，而是行动是否具有明确的对象、可以控制的风险，以及合理的人工监督条件。

对于主动进攻，我的态度要更加谨慎。

因为进攻性军事行动需要解决的问题，往往不只是“能不能识别这个目标”。

还包括这个目标是否合法、情报是否足够可靠、预计会造成多少平民伤害，以及是否存在其他可以减少伤害的选择。

这些问题有些能够通过计算辅助判断，有些则涉及法律、道德和复杂的现实情境。

军事技术研究者保罗·沙瑞尔（Paul Scharre）在《Army of None》（《无人军队》）中讲过一段自己的阿富汗服役经历。

他所在的小队发现一名年幼女孩似乎正在为敌对武装侦察，并通过无线电传递信息。

这个女孩的行为可能具有军事意义，但他们没有因此向她开火。

这段经历引出的，不只是机器能不能准确识别敌对活动。

还有人在战争中如何判断克制、必要性和行动后果。

即使一个系统能够准确识别某种行为，也不意味着它已经能够完整判断应该如何使用武力。

美国国防部2023年修订的第3000.09号指令，要求自主和半自主武器系统的设计，使指挥官和操作人员能够对武力使用行使适当程度的人类判断。

而国际红十字委员会的立场更加严格。

它主张通过有法律约束力的国际规则，禁止效果不可预测的自主武器，以及专门用于直接攻击人的自主武器，并严格限制其他自主武器的使用。

这两种立场并不完全相同。

美国国防部强调在军事使用中维持适当的人类判断；国际红十字委员会则进一步要求对某些自主武器建立明确禁令。

现有国际人道法依然约束所有军事打击，包括使用AI辅助或自主武器的行动，但围绕自主武器的专门国际规则仍在讨论之中。

我倾向于认为，对于主动选择攻击目标、尤其可能直接决定人的生死的行动，应当保留人的实质判断。

这不是说人类永远比机器准确。

而是准确性本身，并不能回答一个决定是否应当作出。

而且，决定把某项权力交给AI的人，也必须为这项授权建立相应的责任机制。

不能等到错误发生以后，再把原因归结为算法没有判断正确。

这种问题其实并不局限于军事领域。

企业使用AI进行经营风险分析，医生使用AI辅助诊断，工程师使用AI审查施工方案，都面临类似的变化。

机器能够提出越来越多的建议，人类却未必拥有足够时间逐项检查。

一旦组织习惯于接受机器结论，专业人员就可能逐渐从判断者变成审核者，最后变成签字者。

这也是我认为普通人需要关注军事AI发展的原因。

战争把技术授权、判断能力与责任承担之间的矛盾，推到了后果最严重的地方。

但这些矛盾，在我们的工作和生活中已经开始出现。

对于普通人而言，未来真正重要的未必是能够操作多少种AI工具，而是能否理解自己所依赖的系统，知道它能够做什么、不能做什么，以及什么时候必须重新作出独立判断。

05五、当越来越多的判断交给机器

回头看这几年AI的发展，一个变化已经越来越明显。

人类正在把大量过去依靠经验、时间和专业训练才能完成的工作，交给机器处理。

这既降低了很多工作的门槛，也让人拥有了过去难以想象的信息处理能力。

我不认为人类需要抗拒这样的变化。

技术发展的历史，本来就是一个不断把重复劳动、底层操作和成熟能力交给机器的过程。

但能力被抽象，并不等于责任也可以被抽象。

当AI帮助我们完成分析、提出建议，甚至直接执行任务时，人的角色可能正在发生变化。

过去，我们通过亲自完成一件事情来理解它。

未来，我们可能更多地通过设计流程、建立规则、检查证据和承担责任来管理它。

这要求人类形成一种新的能力。

不是和AI比赛谁处理信息更快，也不是试图重新掌握每一个技术细节。

而是知道哪些事情可以信任系统，哪些事情需要进一步验证，哪些决定不能仅凭效率和准确率作出。

现代军事AI的发展，只是让我们比以往更早地面对这个问题。

当机器越来越擅长分析世界，人的判断能力会因此得到增强，还是会因为长期依赖机器而逐渐退化？

也许这两种变化会同时发生。

而我们真正需要长期思考的，是另一个问题：

当越来越多的能力被抽象到机器内部，人类究竟应该保留哪些不可替代的判断？