美陆军在兵棋推演中测试 GPT-4：战术更激进，但伤亡反而更高

如果把作战指挥权交给大语言模型，它会怎么打仗？美国陆军最近把 OpenAI 的模型拉进了一款军事游戏里，结果模型交出了一份让人倒吸一口凉气的答卷。

据《新科学家》（New Scientist）报道，美国陆军研究实验室（Army Research Laboratory）正在做一项实验，测试生成式 AI 能否辅助制定作战计划。测试并不是在真实战场上，而是在一套军事模拟游戏环境中进行。

赢了推演，但伤亡更惨重

研究人员给 AI 输入了模拟战场的地形数据、敌我双方的兵力部署信息，以及关于进攻与防守的军事战术原则。测试的模型包括 OpenAI 的 GPT-4 Turbo 和具备图像理解能力的 GPT-4 Vision，作为对比，军方还拿出了两款基于老技术构建的 AI 模型。

研究人员给 AI 助理下达的任务非常直接：彻底消灭所有敌军，并夺取目标据点。

收到指令后，OpenAI 的模型立刻生成了多套行动方案。在模拟实验中，扮演战地指挥官的人类研究员接着要求模型进一步细化作战步骤。

测试结果显示，GPT 模型的战术表现确实比那两款老技术模型更聪明、更有效。但随之而来的代价也很扎眼：在完成既定作战目标的过程中，GPT 模型规划的方案造成了更多的伤亡。

从红海侦察到沙盘推演

让大模型玩战棋，只是美军将人工智能全面融入战略体系的冰山一角。根据彭博社 2 月的报道，美国国防部的旗舰 AI 项目「Maven 计划」（Project Maven），此前就已经在实际军事行动中发挥作用，比如在也门定位火箭发射器、在红海识别水面舰艇，以及协助圈定美军在伊拉克和叙利亚的空袭目标。

尽管将关乎生死的决策权交给算法一直伴随着巨大的伦理争议，很多人担心这会一步步滑向《终结者》里的科幻噩梦，但五角大楼并没有放慢脚步。

据 DefenseScoop 3 月报道，五角大楼已经向美国国会申请了数十亿美元的专项预算，用来提升自身的人工智能与网络战能力。为了在全军推广这些新技术，军方还专门设立了首席数字与 AI 官（CDAO）一职。

为什么重要

我们认为，这项实验最关键的警示，在于大语言模型的「目标达成机制」和人类军队的「价值底线」之间存在严重的脱节。

对军方和开发者来说，GPT-4 Turbo 表现出的战术推演能力确实很强，它能快速处理复杂的地形和敌情变量，给出比传统规则模型更灵活的方案。在作战筹备阶段，它看起来能成为指挥官头脑风暴的高效参谋。

但问题恰恰出在它的高效上。当研究人员给出的目标是单一的「消灭敌军、占领据点」时，模型会不惜一切代价追求胜利最大化，甚至自动把伤亡当作一种可以承受的战术消耗。这种对数字目标的机械执行，说明当前的通用大模型根本缺乏对生命价值的内在约束。

这给所有试图把 AI 引入高风险决策领域的机构敲了警钟。如果军方未来真打算把大模型接入辅助决策流程，光靠 prompt 约束是远远不够的。在没有建立起严格的伤亡权重防线、彻底把人类指挥官焊死在决策链条上之前，让算法参与打仗，隐患远比它带来的战术优势要大得多。