“与其预测战争谁输谁赢，不如直接用AI预测战争是否会发生，先发制人，让冲突在发生之前结束。”
越是难以预测的事件，人类就越想尽一切可能提前知道结果。
到8月24日时，俄乌冲突便已经僵持半年时间，但无论是普京还是泽连斯基，都无法给出冲突结束的时间点——后者曾笼统地在G7峰会上表示，希望冲突能在冬天开始之前结束。
在战场之外，各方都希望自行预测出准确的结果。随着海量数据的收集和算法能力的快速发展，人类正寻求人工智能模型来帮助预测，和平到来的时机。
美国加利福尼亚州海军战争学院（NWC）研发出了作战行动统计模型MCOSM。该模型学习的数据囊括了第一次世界大战结束至今的96场战争和冲突。模型创建者称，MCOSM的预测准确度可以达到70%。
今年2月24日俄乌冲突爆发后不久，俄罗斯军队逼近乌克兰首都基辅。从缺少武器的乌克兰的角度来看，似乎已是自身难保。但此时该模型预测，如果满分为7分，俄罗斯与乌克兰“作战成功”的得分为2分和5分。
后来的结果证明，MCOSM的预测称得上准确。3月25日起，俄罗斯军队离开基辅附近，冲突的主阵地转向乌克兰东部和南部。
运行MCOSM的前提是提供30个参数，包括冲突各方的火力、机动性、侦查、后勤和决策等方面的能力与预期。
2022年8月1日，乌克兰炮兵在前线严阵以待。（@视觉中国 图）
考虑到现在冲突已经进入新的阶段，研究者也输入了新的变量值，反映了俄罗斯军队在信息处理、作战顺序和军事判断等领域的改进。从人类角度看起来，乌克兰保持了一些优势，但这些优势已经缩小。
现在MSCOM的新预测是，俄罗斯和乌克兰取得“行动成功”的分数都为5分。换言之，接下来我们也只能看到双方僵持。
冲突的绵延伤害最大的就是普通民众，但至少有些人躲开了这段厄运。
Metaculus是一个线上预测平台，汇集了来自全球热爱预测的用户。但它给出的结果不是简单把用户的预测取平均值，而是运用自己的AI模型来对数据进行校准和加权，理论上会产生比取平均值更准确的预测。
俄乌冲突发生前，该网站提出了一个预测：俄乌冲突会在2023年之前爆发吗？去年12月时，预测结果为40%的可能。而到了2月13日，上述用户名叫“availablegreen”的网友离开基辅时，可能性上升到60%。
而在冲突爆发后，Metaculus的一条新预测问道：基辅会在4月1日前落入俄罗斯的控制吗？冲突次日，该平台给出的结果是80%，但第五天就下降至67%，到3月15日时，可能性仅剩10%。的确，到3月底时，俄罗斯军队从基辅有序撤出。
另一个思路是，与其预测战争谁输谁赢，不如直接用AI预测战争是否会发生，先发制人，让冲突在发生之前结束。
2021年7月，美国国防部利用三个相互关联的AI工具进行了名为全球信息优势实验（GIDE）的测试。简单来说，美国防部认为这些决策工具能够预测对手将提前做什么。
其中一个AI工具Gaia囊括了各个地理位置的实时态势感知，包括许多保密的数据源、大量卫星图像和通信数据，还有情报报告等；Lattice工具可以提供实时威胁跟踪和响应功能；Cosmos允许跨多个不同命令执行基于云平台的战略协作。
美国北方司令部司令格伦·D·范赫克上将解释说：“我们从全球各地获取传感器，不仅是军用传感器，还有商用信息，并利用这些信息进行领域感知”，“我们将利用人工智能和机器学习来观察和评估。”
《机械公敌》剧照
例如，该模型可以评估停车场中停在特定位置的车辆的平均数量。如果人工智能检测到该停车场的某些变化，它可能会发出警报，建议派人仔细查看该区域的卫星图像，寻找可疑活动。
类似的例子还包括洛克希德·马丁公司开发的综合危机预警系统、艾伦·图灵研究所的全球城市分析弹性防御项目和美国政府资助的“政治不稳定工作组”——一项着眼于政权崩溃导致冲突的数据库研究计划。
然而保罗·沙雷、迈克尔·霍洛维茨等美国安全专家指出，如果要享受AI工具的好处，避免潜在的风险，首先还需要克服一些技术瓶颈。比如虽然现在有很多数据可以让机器用来学习算法，但研究人员很难提供一个中立且完善的数据集，尤其是在战争这样生死攸关的场景下，以及核武器冲突这样数据稀缺的领域。
现实世界的复杂性也是AI工具难以逾越的障碍。机器学习模型需要的是对世界如何运转最精确的描述，但这种精确性在很大程度取决于人类，或者少数几位研究者对世界的理解。到目前为止，我们人类还难言能够理解世界的复杂，所以AI系统的运行结果也许会出人意料。
即使机器学习工具克服了这些障碍并正常运行，我方决定采取行动来避免冲突，但对方可能把这种行动看成一种侵略，然后予以回应，最终还是演变成我们一开始想要避免的战争。
《自然》期刊文章认为，未来的人工智能和冲突模型需要做的不仅仅是预测：它们必须为暴力提供解释和预防的策略。这件事的难点在于，冲突是动态的，多层次的，但现在能收集到的收据过于狭隘、稀疏，并且分散。
人类有三条路可以改善对冲突的预测，包括更先进的机器学习技术；更多关于冲突原因和解决方案的信息；以及更好地反映社会互动和人类决策复杂性的理论模型。该文章提议成立一个和预测天气或流行病一样的全球数据系统，来预测并预防军事冲突的发生。这可能需要耗费数千万美元，不过和全球因为应对冲突而花掉的数十亿美元相比，也就是小巫见大巫了。