人工智能（AI）在塑造力量平衡方面将发挥什么作用？人工智能是一种通用技术（GPT），在民用和军用领域有许多应用。因此，人工智能创新和发明的动力也来自广泛的行动者，各国和公司都在大力投资。经济和军事力量的历史表明，虽然人工智能的某些应用可能会增强现有的力量，但人工智能的通用性将限制大多数人工智能应用领域的先发优势，特别是在力量平衡方面。此外，人工智能在军事领域的有效应用可能需要一定程度的组织变革，这在过去，现状军事力量发现是具有挑战性的，这给美国这样的国家带来了潜在风险

什么是人工智能

>与半导体甚至核武器不同，人工智能不是单一部件。尽管具体定义存在争议，但人工智能是一个技术领域，如机器学习和神经网络，涉及使用计算机和计算能力来完成我们过去认为需要人类智能和参与的任务（West 2018；Burnham 2020）

>这个问题引发了另一个问题：人工智能成功需要什么？在人工智能的背景下，经常使用的短语“数据是新石油”（Toonders 2018）可能是错误的。构建一个成功的算法不仅需要有大量数据，还需要有正确的数据、编写算法的编程天赋以及训练算法的计算能力（Hwang 2018）。在预测算法进步时，更多数据是决定因素的情况可能比乍一看更为有限。在预测消费者行为方面，或者更糟糕的是，对国内人口的监控方面，有一个领域的数据可能很重要。即便如此，在某些时候，获取额外数据的回报率也在下降。在人工智能的世界中，由于更大的数据访问，任何所谓的专制优势（Harari 2018）都可能非常有限。尽管如此，与其他类型政权相比，缺乏实质性优势并不能阻止专制政权利用获取本国人口数据的机会，将其作为更有效地压制本国人口的新工具

>数据数量和质量之间的差异，以及处理能力的重要性，对于思考人工智能的潜在军事用途至关重要。一方面，人们可能会认为，中国在人工智能方面具有优势，因为其人口规模使其能够获取大量人口数据（《经济学人》2020年a）。但这些数据无助于中国训练可能与21世纪军事冲突最相关的算法。相反，正是美国军队数十年的战争经验（无论是否同意美国参与这些冲突），才能提供与设计后勤规划、晋升和任务以及前线作战算法相关的训练数据。生成性对抗网络（GAN）训练算法的潜力（Gui等人，2020）也限制了数据访问中原始优势的相关性。GAN使用模拟环境和竞争来代替缺乏真实世界数据

在人工智能的背景下，数据是新石油这一经常使用的短语可能是错误的

>

尽管迄今为止，谷歌和阿里巴巴等少数公司在人工智能领域处于领先地位，但少数公司或国家不太可能垄断人工智能知识，特别是随着人工智能技术的成熟和知名度的提高。意识到另一家公司或国家设计了一种算法，即使不知道它是如何完成的，也能完成特定任务，这可能会提供替代知识，帮助竞争对手快速采用其他公司首次推出的算法，并使先发优势相对有限未来几年，人工智能的高端劳动力市场很可能会放松，>特别是在世界各地的大学正在培养新一代人工智能程序员和研究人员的时候

>此外，训练算法的一个关键限制因素是训练尖端算法所需的巨大计算能力，这可能会减缓传播速度。然而，计算能力的相对成本（Hernandez和Brown 2020）最终在下降（《经济学人》2020年b），这减少了模仿的潜在障碍

>最后，网络安全对于保护算法免受黑客和间谍活动的侵害至关重要。即使硬件障碍继续存在，国家或公司自身缺乏训练算法的数据，网络间谍活动仍然可以提供窃取算法知识的手段。通过数据中毒，国家或行业竞争对手可以首先尝试阻止潜在对手开发有效的算法（Khurana等人，2019）。已成功开发的算法也很脆弱；通过数据黑客或欺骗（Heaven 2019），对手可以阻止这些经过有效训练的算法实际实施（Yang等人，2020）人工智能和GPT

>GPT是一种在许多行业（布雷斯纳Han和Trajtenberg 1995）。历史上的例子包括内燃机和电力，而更现代的例子是信息技术（Jovanovic和Rousseau 2005）。协调GPT上的创新是困难的，因为大量参与者同时在相关部门甚至相同的部门进行发明

>人工智能不是一个新领域。算法开发的符号方法，以基于规则的系统为特征，被称为“良好的老式人工智能”（Haugeland 1985），已经存在了几十年。但近年来，由于采用了新的方法，人工智能的进步速度有所加快。人工智能作为一个GPT发挥作用，因为其使用的潜在扇区数量众多，而且大量参与者在研究算法（Pethokoukis 2019）。世界各地的大学和公司的研究人员正在推进对人工智能的基本理解和特定应用领域的最新技术。人工智能的关键领域包括视觉算法和文本算法，而方法包括机器学习、深度学习和神经网络（Sejnowski 2020）

>人工智能是一项特别广泛的技术，其潜在应用包括从决定Netflix和Amazon建议的算法到试图检测导弹发射的计算机视觉算法等所有方面。这使得人工智能更像过去的GPT——比如蒸汽机——而不是常规的军民两用技术。两用技术——例如全球定位系统——可以用于军事或民用目的。算法也可以用于军事或民用目的，但其广泛性和潜在应用的多样性意味着两用框架可能不太合适

如果人工智能是一种GPT，这意味着总的来说，它的应用可能会变得分散，而不是保持集中。鉴于基础科学领域的创新来自私营企业和大学，而非机密军事研究（尽管国防高级研究计划局提供了关键资金帮助启动人工智能领域），许多行为者都可以获得有关技术突破的信息。相比之下，隐身技术是材料科学的一个应用领域，它代表了纯军事应用技术的经典范例。当技术仅具有军事应用时，潜在感兴趣的行为者的数量有限，可用于投资的净资源也有限。由于保密性，纯军事应用也使得发明更可能缓慢传播。研究表明，总体而言，基于基础商业研究的技术比基于基础军事研究的技术传播得更快（Horowitz，2010）

>鉴于人工智能的通用性，以及上述趋势-世界各地的公司对人工智能的兴趣，以及计算能力成本的下降-控制由算法构建的功能的传播应该相对困难人工智能与组织变革>>然而，人工智能影响力量平衡的方式不仅仅是技术如何传播的问题。毕竟，如上所述，权力通常不是来自发明本身，而是通过其用途，这需要运营和组织变革的概念来实现这些愿景。这不仅在考虑技术如何影响经济实力时是正确的，而且在考虑其对军事实力的影响时也是正确的。当采用新的能力需要军队或公司做以前做过的事情时，只有更好的——比如更高效的计算机——现状行为者才倾向于集中和巩固权力

>然而，当采用需要颠覆性的组织变革时，这就为经济实力的重大转变和军事力量平衡的潜在变化打开了可能性。航空母舰是军事史上的一个经典例子。1918年，当英国皇家海军发明了一艘带有HMS“狂暴”//span>>的航空母舰时，它将航空母舰的用途主要视为战舰的空中侦察机。由于英国皇家海军在战列舰作战方面是世界上最好的，因此它认为航空母舰是一种提高已经确立的能力的方法。另一方面，美国海军和日本海军，部分原因是他们需要在广阔的太平洋上投射力量，将航母更多地视为一个移动机场。特别是美国，在第二次世界大战中重组了海军，以利用从航母上发射的海军飞机的打击力，从而改变了海战。相比之下，由于组织政治和历史的影响，英国皇家海军注定要建造战列舰，但却落后了

建议

一场新的军备竞赛和全球稳定

鉴于人工智能是一种具有许多使用领域的GPT，人工智能的不同应用可能需要不同类型的组织变革来利用它们。例如，空军从关注数量较少的资本密集型飞机（如F-35战斗机，机上有训练有素的飞行员）转向低成本无人机群（无人驾驶，一名飞行员监督多架飞机），对美国这样的军队来说，从组织上来说，将是极具破坏性的。相比之下，使用计算机视觉算法来更好地识别模式、探测导弹发射或帮助人类识别目标，不会造成破坏。但同样重要的是要记住，军队对人工智能的大多数使用不会出现在战场上。相反，他们将在后勤、人员和其他领域远离战斗，但仍可能对整体军事效能产生重大影响

>人工智能与力量平衡>

军事应用人工智能的巨大不确定性使得难以确定人工智能对力量平衡的影响。然而，考虑到算法的各种潜在军事用途以及人工智能领域的一些普遍趋势，可以预测一些可能性

>想象两种不同类型的军队人工智能的使用。军队对人工智能的第一个也是最常见的用途将是基于商业领域相关算法的通用应用。美国的Maven项目（Seligman 2018）借鉴了公司为非军事目的开发的计算机视觉算法，体现了军队对人工智能的一种通用应用。军事应用将需要更多的网络安全和一些专业化，但算法的基础将是相似的。因此，在这些应用领域，先发优势应该相对有限。拥有强大军事力量和信息经济的国家应该能够相对快速地模仿进步，因为基础技术将相对容易获得。因此，人工智能的这些使用本身不应对力量平衡产生较大的相对影响。然而，即使这项技术被模仿得比较快，对力量平衡的影响也可能是不对称的，因为官僚政治意味着一些军队比其他军队更善于利用优势
>将人工智能更多地应用于军事，尽管不太频繁，但可能会创造更大的先发优势，并对力量平衡产生重要影响。例如，设计用于帮助人类指挥官管理复杂和多维作战空间的算法没有那么多明显的商业推论。因此，军方更有可能对突破所需的科学进行投资，而这项研究很可能是秘密的，很难被潜在对手复制（尽管在看到其他人首次使用的算法后，仍有可能进行模仿）
>美国作为世界上领先的军队，既是榜样，也是目标。在美国，围绕人工智能的投资有很多言论，但尽管成立了联合人工智能中心，人们担心这种言论与有限投资的预算现实不符。此外，作为世界上领先的军事力量，美国与拥有航母的皇家海军一样，可以说面临着最大的风险。与此同时，尽管中国利用人工智能超越美国经济和美国军队的愿望很明确，但中国的投资是否会转化为在人工智能方面超越美国，更不用说在与力量平衡相关的应用方面，这一点就不太清楚了。此外，从加拿大到以色列再到新加坡，世界各地的政府都在加大人工智能投资，并考虑潜在的军事用途。随着2019冠状病毒病大流行的持续，工作场所对人类不安全的一个潜在后果可能是加快对机器人和自动系统的投资。这种可能性可能适用于军方和私营部门，尽管对民用经济的影响可能会首先更清楚
>最后，对人工智能塑造力量平衡的方式及其可能集中或分散力量的程度的评估侧重于人工智能的所谓狭义应用。狭隘的算法是为了做一件事而构建的，比如玩游戏；一个例子是AlphaGo Zero，该软件由DeepMind于2017年开发，用于围棋，并通过强化学习进行训练，这意味着它学会了玩游戏，而不需要从人类游戏中获取训练数据。如果一家公司或一个国家实现了大规模突破，从而创造了人工智能，那么人工智能对力量平衡的影响可能会有所不同。一个通用算法可以编写其他算法，在多个领域中运行，并避免灾难性遗忘（在不同区域获取新信息后忘记以前的学习）的问题，这将为先发者带来巨大优势。一些人，如牛津大学人类未来研究所所长尼克·博斯特罗姆（Nick Bostrom，2014），担心先发优势可能太大，会带来灾难。因此，对力量平衡的影响将非常不同
结论>
>专家之间围绕人工智能发展潜力的巨大不确定性（Grace等人，2018）使预测对力量平衡的影响变得困难。然而，世界各地军队的投资，以及对许多研究人员和组织对了解战争行为中的潜在变化感兴趣，这意味着现在了解人工智能可能产生的影响很重要。如果人工智能像其他GPT一样，它肯定会根据国家和公司有效使用人工智能的能力和能力，特别是根据他们保护算法免受数据中毒、黑客攻击和欺骗的能力，创造赢家和输家，这将降低事故风险
>但GPT作为比特定军民两用部件更广泛的技术类别，其传播速度往往相对较快，尤其是与纯军事技术相比。从绝对意义上讲，算法和如何设计它们的知识也可能相对快速地传播（比如说，与如何建造F-35的知识相比）。然而，一个很大的问题是，利用人工智能，无论是更通用还是更专业的应用程序，在多大程度上都需要重大的、颠覆性的组织变革。历史表明，所需的变革程度越高，力量平衡发生变化的可能性就越大（霍洛维茨，2010年），对美国这样的主要军事力量来说，风险就越大
>最后一个问题是，鉴于这些趋势，国际社会应该做什么。人们对人工智能的治理越来越感兴趣，无论是关于人工智能的特定军事应用，例如致命的自主武器系统，还是更广泛的治理，例如潜在的面部监控。一个悖论是，人工智能的潜在影响越大，对更多的参与者来说，创建有效和有约束力的监管就越困难。人工智能的重要性将使人们努力制定建立信任和信心的措施，以及围绕行为的规范，这在未来几年至关重要

简介