AI戰爭中的“人類監督”是一種幻覺

（來源：麻省理工科技評論）

Anthropic 與五角大樓之間正在打一場官司，核心議題就是 AI 能不能用于戰爭。

隨著 AI 在當前伊朗沖突中扮演著比以往更大的角色，這場爭論已經刻不容緩：AI 不再只是幫人類分析情報的輔助工具了，它已經成了一個主動參與者——實時生成打擊目標、控制和協調導彈攔截、引導無人機群。圍繞 AI 驅動的自主致命武器，公共討論大多集中在一個問題上：人類應該在多大程度上保持 Human in the loop（人機協同）？五角大樓現行的準則認為，人類監督能提供問責、語境和判斷力，同時降低系統被黑客入侵的風險。

AI 的“黑箱”和人類監督的幻覺

但人機協同的爭論其實是一種令人安心的障眼法。眼下最緊迫的危險，不是機器在沒有人類監督的情況下行動，而是負責監督的人類根本不知道機器在“想”什么。五角大樓準則的根本缺陷在于，它建立在一個危險的假設上：人類理解 AI 系統是怎么運作的。

我研究人類大腦的意圖已有數十年，近年來也在研究 AI 系統的意圖。我可以確認：當前最先進的 AI 系統本質上就是“黑箱”。我們知道輸入是什么、輸出是什么，但中間那個處理信息的人工“大腦”，對我們來說完全不透明；即使是創造了這些系統的人，也無法完全解讀它們；而當 AI 確實給出了理由時，這些理由也不總是可信的。

關于人類監督的辯論里，有一個根本性的問題被忽略了：在 AI 系統行動之前，我們能理解它打算做什么嗎？

設想一個場景：一架自主無人機被派去摧毀一座敵方彈藥工廠。自動化指揮控制系統判定，最佳打擊目標是一座彈藥儲存建筑，任務成功概率 92%——因為彈藥的殉爆將徹底摧毀整座設施。一名人類操作員審核了這個合法的軍事目標，看到高成功率，批準了打擊。

但操作員不知道的是，AI 的計算里藏著另一個因素：殉爆除了摧毀彈藥工廠之外，還會嚴重波及附近的一所兒童醫院。應急救援隨后會涌向醫院，工廠就會在無人救火的情況下徹底燒毀。對 AI 來說，這樣做能最大化破壞效果，完全符合它被賦予的目標。但對人類來說，這可能構成戰爭罪——違反了保護平民生命的國際規則。

人機協同，未必能提供人們想象中的安全保障，因為人類在 AI 行動之前根本無法得知它的真實意圖。先進的 AI 系統不是在“執行”指令，而是在“解讀”指令。如果操作員沒有把目標定義得足夠精確，黑箱系統做的事可能完全符合它收到的字面指令，卻和人類真正想要的結果南轅北轍。

AI 系統和人類操作員之間的這種“意圖鴻溝”，正是我們在民用醫療和空中交通管制領域不敢部署前沿黑箱 AI 的原因，也是 AI 進入工作場所仍然充滿爭議的原因。但在戰場上，我們卻在加速部署。

情況還可能進一步惡化。如果沖突中有一方部署了以機器速度和規模運行的全自主武器，競爭壓力會迫使另一方也跟進。這意味著 AI 在戰爭中的決策將越來越自主、越來越不透明，而且這個趨勢只會加速。

推進 AI 意圖理解的研究

AI 科學應當同時包含兩件事：構建能力越來越強的 AI 技術，以及理解這些技術到底是怎么運作的。在前者上，創紀錄的投資正在推動巨大進展——據 Gartner 預測，僅 2026 年一年的 AI 投資就將達到約 2.5 萬億美元。但在后者上，也就是搞清楚 AI 內部到底在發生什么，投入的資金少得可憐。

我們需要一次根本性的思路轉換。工程師在構建越來越強大的系統，但理解這些系統怎么運作不只是一個工程問題，它需要跨學科的協作。我們必須開發出工具，能夠在 AI 智能體行動之前就刻畫、測量和干預它的意圖。我們需要描繪神經網絡內部的運行路徑，對 AI 的決策過程建立真正的因果理解，而不是只看輸入和輸出就算了。

一個有前景的方向是把機制可解釋性技術（把神經網絡拆解成人類可理解的組件）和意圖神經科學領域的洞見、工具和模型結合起來。另一個思路是開發專門的“審計員”AI——這類 AI 本身是透明、可解釋的，任務是實時監控更強大的黑箱系統，看它們正在涌現出什么行為和目標。

更深入地理解 AI 的運作方式，一方面能讓我們在關鍵任務中放心依賴 AI 系統，另一方面也有助于構建更高效、更強大、更安全的系統。

我和同事正在探索一種思路：借鑒神經科學、認知科學和哲學的方法來理解 AI 系統的意圖。這些學科長期研究人類決策中意圖是如何產生的，它們的工具和框架可能對理解人工系統同樣適用。我們必須優先推進這類跨學科工作，促成學術界、政府和產業界之間的合作。

但光靠學術探索遠遠不夠。所謂 AI 對齊，就是把人類的價值觀和目標編碼到模型中，科技行業以及那些資助 AI 對齊研究的慈善家，必須把大量資金投入跨學科的可解釋性研究。與此同時，隨著五角大樓追求越來越自主的系統，國會必須強制要求對 AI 系統的意圖進行嚴格測試，而不是只測試它們的性能表現。

在我們做到這些之前，人類對 AI 的監督與其說是保障，不如說是幻覺。

https://www.technologyreview.com/2026/04/16/1136029/humans-in-the-loop-ai-war-illusion/