乌克兰战争已成为人工智能（AI）在战斗中应用的孵化器。双方的开发人员和程序员都在着手构建用于战场的算法，包括自主导航、目标识别和交战以及情报处理。
从现有证据来看，正在使用的人工智能在小范围内是有益的，但归根结底，它是一项正在成熟的技术，需要进一步开发才能充分发挥其潜力。不过，适当部署和管理的人工智能可以迅速提高效能，因此，俄乌战场对人工智能的使用值得关注，以便了解其有益的用例及其局限性。
边界框用于计算机视觉的物体检测；它通常以绿色矩形的形式出现在车辆周围，以指示其位置和计算机确定目标的置信度。
战术
在乌克兰，人工智能最重要的应用体现在大量的小型无人机上，这些无人机由志愿者提供或为满足战争需要而成立的小公司每月生产数千架。俄罗斯在前线部署了大量电子战系统，在某些地区，多个电子战系统分层并全功率运行，对卫星导航信号进行更全面的干扰。在这种情况下，乌克兰部队可能会被迫牺牲无人机来测试俄罗斯电子战是否处于工作状态，抑或无法有效地飞近任何目标进行实时瞄准。电子战效果偶尔会消失，但这通常意味着俄罗斯将开始空袭。正因为如此，一些小型无人机已经开始使用人工智能自主导航。它通常使用经过地点图像训练的算法，使无人机能够在没有卫星定位的情况下进行导航。
俄罗斯和乌克兰都开发了算法来协助第一人称视角（FPV）无人机瞄准。俄罗斯的一个系统被称为“牛虻”（Gadfly），其人工智能寻的能力已于2023年夏天公开展示。乌克兰已经开发并部署了Saker无人机，该无人机使用人工智能来定位和识别目标。它可能还具有某种形式的人工智能辅助瞄准功能。此外，自2024年初以来，似乎显示FPV在最后接近时带有边界框的视频有所增加。假定使用人工智能的依据是识别出的车辆周围存在一个边界框。边界框用于计算机视觉的物体检测；它通常以绿色矩形的形式出现在车辆周围，以指示其位置和计算机确认目标的置信度。它们的出现表明算法正在定位相关车辆，这意味着理论上算法有可能正在帮助无人机跟踪和攻击目标。
值得注意的是，其中许多工作都是由小型志愿者组织发起的。与Saker 一样，“牛虻”无人机也是由志愿者开发的，这并不一定意味着这些工作比大型国防企业或人工智能公司的工作差，但这可能意味着这些系统是使用市场上可买到的算法开发的，能够参与其中的人工智能专家较少。这可能会影响开发速度和迭代周期，而迭代周期是用来使算法和软件迅速达到用户期望的标准。“在乌克兰，技术和市场都在快速发展，而且只会越来越快。”在乌克兰开展业务的国防人工智能公司Arondite的首席执行官Will Blyth告诉《电子数据报告》杂志，“要想获得任何相关性，你就必须快速投入、协同构建，并将最小可行产品（MVP）部署到用户手中。这才是工作中最重要的部分：收集大量真实世界的反馈，将其融入产品，并在现实世界再次发生变化之前重新部署。这就需要务实、实干和敬业的人工智能工程师，专注于结果并快速构建。”Blyth补充道，同时强调了正在使用的技术的快速变化性质。
纵深打击
4月2日，美国有线电视新闻网（CNN）发表的一篇报道指出，用于打击俄罗斯炼油厂的乌克兰无人机利用计算机视觉自主导航到目标并与之交战。这实质上是“战斧”对陆攻击巡航导弹（TLAM）基于雷达的地形匹配能力的人工智能版本。不过，值得注意的是，尚不清楚乌克兰攻击无人机上的计算机视觉是否能使其像巡航导弹那样紧贴地形飞行。俄罗斯还使用了“柳叶刀”（Lancet）巡飞弹药，这种弹药在某些情况下携带有Nvidia TX2 Jetson，这是一种专为在网络边缘使用人工智能而制造的小型计算机。这意味着射程为50千米的“柳叶刀”也可能具备某种形式的自主导航能力。这两种情况都表明，人工智能有可能提高精确打击弹药的抗干扰和抗欺骗能力。
“牛虻”无人机。
防空
Respeecher是一家乌克兰公司，它开发了一款利用人工智能模仿名人声音的应用程序。这项技术在乌克兰有了一个有趣的新用途，被用作Zvook声音探测系统的一部分。该系统根据俄罗斯巡航导弹的声音训练算法，并与乌克兰各地的声学传感器配对。该网络旨在跟踪俄罗斯导弹并指示其飞行路径。从理论上讲，这可以让乌克兰仔细定位其雷达和防空系统，并利用Zvook监测其雷达覆盖范围内的任何潜在薄弱点。同样，该系统也是由来自Respeecher、一家名为i3的IT技术公司和乌克兰国土防卫部队的志愿者共同开发的。
2023年5月，俄罗斯媒体报道了S-350防空系统利用人工智能自主攻击目标的消息。与俄罗斯的典型新闻报道一样，详细报道很少，但如果该系统确实在人工智能的帮助下完成了这次交战，则会带来有趣的前景。从理论上讲，将多个传感器的输出融合为一个单一的可识别空中图像是可能的。美国陆军的综合战场指挥系统（ICBS）在2020年就实现了这一愿景，当时它利用“爱国者”和“哨兵”的雷达与一对巡航导弹交战。目前还不清楚ICBS是否使用了机器学习来帮助处理其目标信息，但通过人工智能传感器融合可以达到类似的效果。使用边缘计算和成套算法来解释雷达和其他传感器生成的数据，并将这些输出结果合并成单一图像，就能实现这一目标。更进一步，让人工智能对防空作战做出决策，可能会比人类操作员更成功——尤其是在经过几个学习周期之后。
这也涉及一个重要的区别：美国海军“阿利·伯克”号上的“宙斯盾”防空系统可以自主运行。在这种很少使用的模式下，舰艇的战斗管理系统控制雷达和拦截器。该系统的程序设计旨在保护舰艇，这意味着它可能会不必要地耗尽导弹单元，或攻击其他不被视为威胁的目标。为此，“宙斯盾”使用了由程序员编写的数千行代码，它不可能不按代码的规定行事。简单地说，“如果目标符合这些条件，就按程序给定方式攻击”。另一方面，由人工智能驱动的防空系统已经学会了如何根据合成数据和真实数据进行防空。一旦投入实战部署，理论上它就能根据以往交战的数据学习并提高自身能力。这可以提高它对下一组威胁的反应能力和总体成功率。
总结
乌克兰战场正在展示人工智能在军事领域的应用前景，但按照某些行业标准，许多工作都被视为概念演示、低技术就绪程度（TRL）或开发不足。适当的基础设施可以在每次更新作战经验后对算法进行快速升级和迭代，以提高其能力。目前还不清楚俄乌双方在多大程度上拥有这种基础设施或必要的工程师，以充分发挥人工智能能力的潜力。尽管如此，拥有众多不同技能的开发组都在独立创新，这对于快速开发人工智能在军事上的应用似乎确实很有价值。
从技术上讲，新出现的系统可以抵御电子战，并有可能提高飞行性能和与车辆交战能力。不过，它们并不代表改变战争规则的能力。除了FPV打击视频外，还有许多其他传统火炮或精确打击传统侦察目标的视频。尽管如此，上述用途还是让我们了解了人工智能塑造战争的潜力，并指明了可能的发展方向。（萨姆·克兰尼·埃文斯/文 高飞/译）
