4 月 15 日訊息，據外媒 Wired 報道，在俄烏戰爭中，一種人工智慧（AI）工具正在被用於竊聽俄羅斯士兵在戰場上的通訊內容。該工具是由美國人工智慧企業 Primer 開發，Primer 主要是為情報分析師提供人工智慧服務。

使用機器學習工具分析影象等資料已經在情報界得到了很好的應用。同時，使用人工智慧收集和分析資料最終有可能成為戰場作戰的核心。美軍正在投資數百萬美元開發能夠在現場採集和分析不同訊號的人工智慧軟體。人工智慧已經不僅僅應用在科學研究、工作生產中了。

目前的俄烏戰爭更多的是使用近百年以來常用的坦克、大炮等武器，而隨著美國等不斷研究人工智慧在軍事領域的應用，未來的戰爭有可能更依賴於人工智慧的作用。

01. 士兵遭襲後撤退 溝通對話被 AI 監聽

3 月初，幾名在烏克蘭的俄羅斯士兵採用未加密通道無線電通訊，通訊內容被捕獲到了。被捕獲的無線電通訊內容揭示了在遭到炮火襲擊後，驚慌和迷茫的士兵是怎樣互相溝通，執行撤退任務的：

其中一名代號為 Sneg 02（雪 02）的士兵用俄語說道：“Vostok，我是 Sneg 02。我們在高速路上必須左轉。”

代號為 Vostok（東方）的士兵回覆說：“知道了。沒有必要再移動了，轉為防守狀態。完畢。”

隨後，第三位士兵試圖聯絡一個代號為 Yug 95（南 95）的士兵：“Yug 95，你和上級有聯絡嗎？告訴他要小心高速公路上有炮火襲擊，高速公路上有炮火襲擊。不要縱隊前進，移動的時候小心些。”

這位士兵越來越激動。他繼續對 Yug 95 說道：“上電臺，告訴我，你的情況和對方炮兵的位置，以及對方炮兵使用的是什麼武器。”這位士兵又開口講了：“給我你所在的位置，Yug 95，回答我的問題。說出你位置的名字！”

▲ 戰場中的場景（來源：Wired）

當這些士兵們使用非加密無線電通道溝通時，一個人工智慧工具正在竊聽他們的對話。

這個 Primer 研究出的人工智慧工具能夠自動抓取、轉錄、翻譯和分析俄羅斯軍隊士兵採用未加密通訊通道進行的對話。雖然目前，烏克蘭軍隊是否也攔截了俄羅斯方面的通訊尚不清楚，但是人工智慧系統被大規模的用於監視俄羅斯軍隊行動的事實表明，複雜的開源情報在軍事衝突中的重要性日益增加。

俄羅斯軍隊的許多通過不安全通訊通道傳輸的內容已經被髮布到社交媒體上，並且還有人對此進行了翻譯和分析。還有一些來自相關人員用智慧手機拍攝的視訊的剪輯和在社交媒體上的發帖，被人用類似的方式加以分析、解讀。

但是，用自然語言處理技術來分析俄羅斯軍方的通訊內容還是非常新鮮的。因為對於烏克蘭軍隊來說，破譯截獲的通訊仍然需要耗費人力，分析師會在某一特定場所花時間進行資訊的翻譯和命令解釋。

Primer 開發的工具還展示了機器學習在情報資訊分析方面的價值。在過去十年裡，由於大型神經網路演算法可以藉助大量的訓練資料不斷學習，在影象識別、語音轉錄、翻譯和自然語言處理等方面，人工智慧技術的處理能力有了顯著的進步。

現在，人們使用人工智慧的現成程式碼和 API 可以完成語音轉錄、人臉識別等任務，並且這些技術通常都有很高的準確度。

面對俄羅斯軍隊在人數和裝備上的優勢，通訊攔截很可能對烏克蘭的地面部隊產生影響。

02. Primer 升級其人工智慧工具 增加 4 項新功能

Primer 已經在售賣其研發並經過資料訓練的人工智慧演算法。這些人工智慧演算法可以轉錄和翻譯電話內容，其中還有能夠提取關鍵術語或短語的演算法。

Primer 的執行長肖恩・古利（Sean Gourley）說，他們公司的工程師修改了他們賣的這種人工智慧工具，讓這種工具可以完成 4 項新功能。

第一項功能是收集從網頁輸出資料來源中捕獲的音訊資料，這些音訊資料是使用模擬無線電接收器硬體的軟體捕獲的廣播通訊。

第二項功能是消除噪音，包括持續的閒談和播放著的音樂等背景音。

第三項功能是轉錄並翻譯俄語講話。

第四項功能是將與戰場形勢相關的關鍵性陳述標註出來。在某些情況下，這個過程會涉及重新訓練機器學習模型，從而可以識別出在俄羅斯士兵對話中的軍用車輛或者武器的通俗性術語。

▲ Primer 的端到端平臺提供了人工智慧基礎架構，可快速構建、部署和定製模型，以適應不斷髮展的情報和國防需求（來源：Primer）

古利說，具備動態訓練和再訓練人工智慧模型的能力將成為一個未來戰爭的關鍵性優勢。他稱，Primer 向外部各方提供了該工具。但 Primer 拒絕透露都是誰。古利談道：“我們不會說誰在使用這個人工智慧工具，或者使用者用這個工具來做什麼。”還有其他幾家美國公司向烏克蘭提供技術、資訊和專業知識來對抗俄羅斯。

一些俄羅斯軍隊使用不安全的無限電頻道來進行通訊這一事實讓一些軍事分析專家感到驚訝。美國 New America 智庫高階研究員、專門研究現代戰爭的彼得・W・辛格（Peter W. Singer）說，這似乎表明俄羅斯方面在這次行動中存在資源和準備不足。

辛格補充說，俄羅斯在過去的衝突中，比如在車臣，使用國攔截公開通訊來打擊其對手，因此俄方應該知道使用不安全通訊的風險。

哈佛大學間諜歷史學家考爾德・沃爾頓（Calder Walton）說，俄烏戰爭已經表明了開源資訊對於情報人員的珍貴性。人臉識別工具已經被用來識別衝突視訊中的一些人。

俄烏衝突凸顯了挖掘不同情報來源的重要性。例如，烏克蘭軍隊可能通過衛星、無人機或其他成像的天線附近尋找頭髮花白的人，進而成功地瞄準一些俄羅斯的將軍。俄羅斯士兵使用的手機有時候也會透露他們的位置和任務細節，以及他們的情緒狀態。

沃爾頓稱，美國的 NSA 和英國的 GCHQ 這兩個訊號情報機構很可能擁有該人工智慧工具升級後的版本。

03. AI 捲入國際衝突 影象、語言分析有優勢

其實，Primer 只是數量越來越多的人工智慧情報分析公司之一。這些公司使國防機構和私營企業更容易的使用這類人工智慧技術。提供衛星通訊和成像的企業等私人科技企業參與到俄烏戰爭，該類事件引發了人們對於這些企業被賦予的權利以及如何捲入國際衝突的思考。

利用開源的情報資料意味著需要進行大量資訊的篩選。政策研究非營利組織戰略與國際研究中心（the Center for Strategic and International Studies）的高階研究員艾米麗・哈丁（Emily Harding）說，任何人都無法處理大量的開源情報。哈丁曾在 2022 年 1 月份寫過一份關於使用人工智慧技術進行開源情報資料探勘的報告。哈丁指出，情報界在使用機器學習工具進行影象分析方面做的更好。她還說，Primer 是以其解析語言能力而著稱。

人工智慧的新進展可能會使該技術成為進行文字和語音分析的更強大工具。近年來，由於一種名為 Transformer 的大型機器學習模型的出現，人工智慧已經能夠使用文字來進行問題總結和回答了。

這種型別的模型能夠更好地理解輸入，比如句子中的一長串單詞。基於 Transformer 模型，已經有人研究出了能夠“寫出”連貫新聞文章甚至能編寫能執行給定任務的計算機程式碼的人工智慧模型程式。

不過，哈丁還指出，情報界還將不得不與困擾在其他領域部署人工智慧時相同的問題進行“鬥爭”，比如由質量差或者不具代表性訓練資料等導致的演算法偏差。她談道，由於機器學習演算法通產以不透明的方式工作，情報人員需要找到方法來建立對這些人工智慧程式得出的結論的可信度。當然，錯誤轉錄的通訊可能會在戰場上產生致命的後果，例如將士兵送入危險境地或誤導導彈襲擊。

使用人工智慧收集和分析資料最終可能成為戰場作戰的核心。美國軍方正在投資數百萬美元開發能夠在現場採集和分析不同訊號的人工智慧軟體。

一個名為“戰術情報目標接入節點（Tactical Intelligence Targeting Access Node）”的美國陸軍計劃建議建立一個地面站，從而能夠從許多不同的戰場感測器和資料來源中獲得和提取情報。

如果說目前的俄烏戰爭更多的是依賴坦克和大炮等近百年來的戰術，那麼美國等正在準備的未來戰爭可能會嚴重依賴人工智慧等新技術。這些新技術能夠更快地提高關鍵資訊，助力更快制勝。同時，有相關專家表述，在戰場上使用人工智慧時，欺騙和誤導演算法也同樣重要。

Primer 的執行長古利說，他們關於人工智慧和防禦人工智慧方面的理念是，無論人們將什麼樣的演算法應用到戰爭中，這些演算法都不會是人們最終獲得的那個。

04. 結語：當 AI 捲入戰爭，需警惕

在俄烏戰爭中，被用到的智慧技術或產品可能遠不止 Primer 提供的這些。從實際的效果來看，Primer 的人工智慧工具已經可以獲取、分析來自不安全通訊渠道中的通話資訊。

隨著人工智慧技術的發展，它們體現出來的能力也越來越強，如何用好人工智慧可能是產業界和學術界都需要共同思考的問題。