近期美國智庫Center for Security and Emerging Technology（以下簡稱CSET）發表一份名為「Harnessed Lightning：How the Chinese Military is Adopting Artificial Intelligence」研究報告，文中分析中國如何將人工智慧運用於軍事作戰領域，特別點出兵棋推演是解放軍關注的重點，並展示一張電腦兵棋推演攻台作戰的圖片，隱含解放軍已完成透過AI來進行台海作戰的電腦兵推，為部份媒體所報導。

本文認為，僅以部份網搜資料便得出中國已成功發展AI進行攻台作戰方案的推演，則有過度推論之虞。此外，解放軍在電腦兵棋領域的發展其實落後於美軍及其盟友，亦缺乏透過實戰經驗收集訓練AI所需的巨量戰場數據之機會。將這些因素納入考量，才能對中國的AI在軍事領域，特別是電腦兵棋推演上的運用與發展，有一個較為客觀的評估。

報告對共軍AI能力的判斷或基於網搜資料的錯誤解讀

該報告對解放軍現有的AI能力，特別是將人工智慧運用到電腦兵推，從而發展戰場決策輔助系統的分析，有誤用甚至輕信網搜資料之虞。首先，該文所展示的電腦兵棋推演2019年攻台作戰，係對岸民間軍事愛好者使用電腦兵推遊戲軟體《指揮：現代海空作戰》（Command：Modern Air∕ Naval Operations，以下簡稱COMMAND）所進行的推演結果分析戰報，最早2017年便在知名的軍事論壇「戰爭藝術」上發表與討論。

除了分析該篇推演戰報，我們亦透過COMMAND檢設該想定檔案，卻發現所謂的「2019攻台作戰」係採取「人在迴圈」（Human in the Loop）的方式推演，也就是人為操作雙方兵力單位進行交戰，完全不涉及人工智慧的運用，遑論透過AI模擬推演出攻台最佳方案的情況。比較合理的解釋是，具有官方色彩、專司軍事模擬分析的「中國指揮與控制學會」（Chinese Institute of Command and Control，CICC）轉載數年前網路論壇上的「2019攻台作戰」推演戰報，CSET的研究人員則誤以為該兵推由解放軍主導，或至少有關，故納入報告作為解放軍運用AI進行電腦兵推的例證。

此外，該文重點介紹一家名為「攝星智能」（StarSee）的公司，強調旗下有人工智慧賦能（AI-enabled）的軍事決策輔助系統，可以提供即時的共同作戰圖像，並快速生成多種作戰方案協助戰場指揮官進行決策。類似今年6月美國知名大數據公司Palantir釋出影片，展示軍事決策輔助平台「高譚」（Gotham）如何協助美軍指揮官因應解放軍封鎖高雄港的危機。然而，攝星智能官網對於旗下產品僅提供文字介紹，輔以數張明顯是電腦動畫修改的圖片，並未如Palantir釋出完整的決策輔助平台操作與功能介紹展示影片。

網路上亦難以找到其它資料佐證攝星智能的軍事決策輔助系統已經開發完成，並進入成熟運用的階段。這間剛創立滿三年的科技公司，還正在新創募資的階段，是否已經擁有類似Palantir的Gotham平台，令人存疑。更可能的狀況是，攝星智能官網上所宣稱的系列產品，大部份還在初步研發，甚至是概念的階段，需要更多的新創資金支撐後續開發。惟CSET的報告卻已將攝星智能作為中國AI運用於軍事決策的實證。

此種「一切以從中國網路搜尋的資料為準」之現象，對於非中文母語研究者而言或許難以完全避免。惟國外智庫與媒體的分析在台灣受高度重視，此類誤讀或輕信對岸網搜資料的分析報告，稍有不察則可能變相為中國進行「大外宣」。

中國在電腦兵棋領域是追趕者而非領先者

筆者此處並非否定解放軍對於電腦兵棋的重視，亦或質疑未來可能成功透過AI模擬推演出攻台最佳方案。然而，國外研究單位針對中國在電腦兵棋領域，特別是AI運用於兵棋推演上的分析報告，容易讓讀者有「中國是引領風潮者」的錯覺。實際上，解放軍在電腦兵棋上的技術、發展歷程明顯落後於美國及其友盟國家，中國本身的部份條件也侷限了發展的可能性。

首先，以國軍漢光兵推所使用的「聯合戰區層級模擬系統」（JTLS）為例，美軍於1980年代便開發成功，並提供友盟軍事相關單位使用，我國最遲於2003年便引進JTLS，陸續還有EADSIM、STORM、JCATS等軍事模擬分析系統。由於此類軍規模擬分析軟體開發的技術門檻，以及美方對中國的輸出限制，解放軍遲至2014年才「宣佈」成功自行建構中國第一款軍規的電腦兵棋系統，惟其效能可否比擬已發展超過三十年，並有數十國家與單位使用與驗證的美製系統，仍不無疑問。

此外，儘管中國對於將AI運用於兵棋推演的研究、相關文獻甚至是網路討論文章汗牛充棟，不代表解放軍已經成功開發出「能掌握即時整體態勢並給予決策建議」的AI，並將之運用於電腦兵棋推演，模擬出最佳的制敵方案。在AI研究這塊領域，提出漂亮的概念永遠比實際打造出可用的產品來得容易。直到美國Google公司旗下的DeepMind團隊所開發出的人工智慧AlphaStar，於2019年在「星海爭霸」這款全球知名的即時戰略遊戲的伺服器上，成功擊敗數名職業選手而取得「宗師」（Grandmaster）的段位。對於攻克具有「隨機性」、「高複雜度」與「不完全訊息」等特性的電腦兵棋，並研發出「能掌握整體態勢、給予即時戰場決策輔助」的AI一事上，才有實質的進展。

隔年美國「國防先進研究計畫局」（DARPA）便成立一項名為「遊戲破壞者」（Game Breaker）的專案，以電腦戰略遊戲為標的，希望訓練出徹底駕馭即時戰略遊戲的AI，找出可以為玩家所利用的不對稱優勢，最終發展為戰爭決策輔助系統，協助前線指揮官在瞬息萬變的戰場環境擬訂作戰方案。國防產業大廠Northrop Grumman成為合作對象之一，並選定前述的電腦兵棋軟體COMMAND進行相關研究。當我們關注中國如何試圖以AI來進行兵棋推演時，亦不應忽略其它國家特別是美國的發展趨勢，才能有更為客觀與全面的評估。

中國缺乏以實戰經驗收集訓練AI所需數據之機會

最後，AI的訓練與生成需要巨量資料，以擁有大量實戰或實兵演訓經驗的美軍為例，2017年時任五角大廈AI首席官的Jack Shanahan曾指出，美軍每天透過各式感測器所收集的情報資訊量超過22TB，這是美軍在訓練可供電腦兵棋使用的AI上的一大優勢。相對地，解放軍極度缺乏透過實戰經驗收集相關數據之機會。

中國近年來積極透過中國指揮與控制學會與中國國家國防教育辦公室舉辦年度「全國兵棋推演大賽」，除了培育專業人材，也具有以電腦兵推競賽收集相關數據的用意。惟此種純粹透過電腦兵棋公開連線競賽所收集到的想定數據，是否能發揮如同從實戰或實兵演訓場域所收集而來的數據的類似效益，有很大的疑問。關鍵在於，透過開放式全民參與的電腦兵棋競賽所收集來的想定數據，可能存在不少設定上的錯誤。

以CSET報告所提及的「2019攻台作戰推演」想定檔為例，國軍的兵力設定部份竟出現我方並未引進SH-2反潛直升機; 已經於2004年除役的建陽號驅逐艦，仍存在於2019年想定場景的國軍作戰序列當中。倘若解放軍真的依賴此類從公開電腦兵推所收集而來的想定數據訓練AI，結果可能只是「垃圾進，垃圾出」（garbage in, garbage out）。

※作者為國防安全研究院網路安全所助理研究員。本文授權轉載，原文出處。

（本評析內容及建議，屬作者意見，不代表財團法人國防安全研究院立場）