新闻 
哈梅内伊,原来是..."被AI杀死"的?
哈梅内伊,原来是..."被AI杀死"的?哈梅内伊,原来是..."被AI杀死"的?
具体而言，过去情景模拟推演需要复杂的建模和仿真过程。现在，大模型可以在充分学习真实战场数据后，快速生成高仿真的多模态深层作战场景，然后根据不同场景、不同条件，对目标进行排序，结合航母、空中打击力量等多种手段，推演“用什么打、怎么打最优”。例如，针对伊朗，如何先压制和干扰S-300等远程防空系统，随后再逐步瓦解中程和近程防御体系，最终实施整体打击，大模型会自动生成类似这样的多种可选方案建议。
过去，这一过程主要依赖专用模型，比如先利用卷积神经网络进行目标识别，再通过传统基于规则的算法对目标打击进行排序，然后再对可用手段进行优化匹配。但随着卫星信息等数据规模爆炸式增长和作战对抗速度的明显加快，传统方式难以基于海量数据，对不同环节、目标与手段进行快速最优匹配。而且，战争是动态变化的，枪声一响，一旦对手调整部署，己方需要能快速给出新的应对方案。
大模型的引入，使得海量数据可以更快完成批处理，提高了上述过程的整体效率。美军中央司令部司令透露的信息表明，以前美军海量数据的分析，需要耗费几小时甚至几天时间，而现在，在大模型加持下，AI系统可以在几秒钟内完成。参谋人员则快速评估AI给出的多个方案建议，选择并优化其中一个作为推荐方案，由指挥层确认并批准，时间大大被压缩了。这意味着，美军“大模型+专用模型+人类指挥员判断”的结合已经达到了较为成熟的水平。
上图：4月5日，伊朗公布的美军飞机残骸。 下图：4月6日，美国总统特朗普（左）就美方营救飞行员事件召开新闻发布会。图/视觉中国
仅仅有大模型并不能形成战斗力
《中国新闻周刊》：大模型的运用是否也有一定的局限性？美以伊战争陷入僵局，美军并未达成战略目标，是否意味着AI辅助决策还缺乏风险预判能力？
吴明曦：对于利用大模型辅助作战方案决策，本次战争中可能仍存在两个问题。
第一是数据学习和训练时间有限。Claude大模型是在2025年7月才深度嵌入美军的机密网数据系统，与马文算法战系统结合进行训练与验证。
大模型的优势是基于预训练的概率统计及其权重参数。对于没有出现过的对抗样式，无论何种作战方案建议均存在不确定性，而实用作战方案与作战流程则强调确定性，这两者之间的矛盾需要通过系统整合来解决，需要通过大量仿真与实战演练来迭代优化。目前这个过程仍在持续中。
此外，由于训练时间较短，大模型对伊朗战场这一特定战场的数据学习可能还不够充分，否则应该能够预测到伊朗反制的长尾效应。
第二是模型本身的局限性。大模型的训练数据来源复杂。即便经过筛选、微调和强化学习优化，数据中的错误和偏差也不可能被完全消除。少量“bug”在日常应用中影响不大，但在涉及战争决策、人员生命的高风险场景中，必须高度谨慎。
[物价飞涨的时候 这样省钱购物很爽]
这条新闻还没有人评论喔，等着您的高见呢
过去，这一过程主要依赖专用模型，比如先利用卷积神经网络进行目标识别，再通过传统基于规则的算法对目标打击进行排序，然后再对可用手段进行优化匹配。但随着卫星信息等数据规模爆炸式增长和作战对抗速度的明显加快，传统方式难以基于海量数据，对不同环节、目标与手段进行快速最优匹配。而且，战争是动态变化的，枪声一响，一旦对手调整部署，己方需要能快速给出新的应对方案。
大模型的引入，使得海量数据可以更快完成批处理，提高了上述过程的整体效率。美军中央司令部司令透露的信息表明，以前美军海量数据的分析，需要耗费几小时甚至几天时间，而现在，在大模型加持下，AI系统可以在几秒钟内完成。参谋人员则快速评估AI给出的多个方案建议，选择并优化其中一个作为推荐方案，由指挥层确认并批准，时间大大被压缩了。这意味着，美军“大模型+专用模型+人类指挥员判断”的结合已经达到了较为成熟的水平。
上图：4月5日，伊朗公布的美军飞机残骸。 下图：4月6日，美国总统特朗普（左）就美方营救飞行员事件召开新闻发布会。图/视觉中国
仅仅有大模型并不能形成战斗力
《中国新闻周刊》：大模型的运用是否也有一定的局限性？美以伊战争陷入僵局，美军并未达成战略目标，是否意味着AI辅助决策还缺乏风险预判能力？
吴明曦：对于利用大模型辅助作战方案决策，本次战争中可能仍存在两个问题。
第一是数据学习和训练时间有限。Claude大模型是在2025年7月才深度嵌入美军的机密网数据系统，与马文算法战系统结合进行训练与验证。
大模型的优势是基于预训练的概率统计及其权重参数。对于没有出现过的对抗样式，无论何种作战方案建议均存在不确定性，而实用作战方案与作战流程则强调确定性，这两者之间的矛盾需要通过系统整合来解决，需要通过大量仿真与实战演练来迭代优化。目前这个过程仍在持续中。
此外，由于训练时间较短，大模型对伊朗战场这一特定战场的数据学习可能还不够充分，否则应该能够预测到伊朗反制的长尾效应。
第二是模型本身的局限性。大模型的训练数据来源复杂。即便经过筛选、微调和强化学习优化，数据中的错误和偏差也不可能被完全消除。少量“bug”在日常应用中影响不大，但在涉及战争决策、人员生命的高风险场景中，必须高度谨慎。
[物价飞涨的时候 这样省钱购物很爽]
| 分享: |
| 注： | 在此页阅读全文 |
| 延伸阅读 |
推荐: