算法決定生死成現實：AI以78%匹配度篩選打擊目標

這場美伊沖突所帶出來的，已經不只是導彈以及無人機層面的較量，更像是戰爭規則正在被悄悄改寫。真正決定生死的那只手，如今越來越像算法，而不太像人。

過去人們理解中的戰爭，通常還會有一整套較完整的流程：情報人員去盯線索，參謀部門開展研判和討論，指揮官對利弊進行權衡，行動部隊再執行命令。

這個過程雖然慢，卻也保留了一種“剎車”作用，讓人還有時間去猶豫、復核以及修正。可現在，這道剎車正在被AI一點點拆掉。目標鎖定、信息比對、威脅排序、打擊方案生成，這整條“殺傷鏈”已經被壓縮到幾分鐘，甚至幾十秒。人表面上還坐在指揮席上，但很多時候，更像是在對系統給出的結論進行確認。

這并不是科幻片里的情節，而是現實戰場上越來越常見的狀態。以色列近年被頻繁提到的一些相關系統，真正讓人不安的地方，不只是算得快，而是把“判斷”這件事做成了流水線。以前是人主動去找目標，現在更像是系統先從海量數據當中篩出“像目標的人”，再把名單推到人面前。表面看，人類似乎還保留最終決定權；但實際上，很多決定在機器給出結論時，已經完成了大半。

在加沙戰場上，一些自動識別系統曾被曝出容許較大的誤差空間。用更直白的話說，就是不需要百分之百確認，只要“足夠像”就可以進入打擊流程。更冷酷的是，附帶傷亡甚至也可能被提前納入模型計算，被包裝成“可接受代價”。這樣一來，戰爭判斷的邏輯就發生了變化。原來討論的重點是“該不該打”，現在卻越來越滑向“值不值得打”。雖然只差幾個字，但背后反映的，是倫理底線被明顯削弱。

這種變化不能低估。人在高壓力、快節奏的環境里，往往很容易去依賴機器。指揮官要面對倒計時、敵情變化以及政治壓力，這個時候系統馬上給出幾套方案，連成功率都標注好了，還會有多少人愿意慢慢提出質疑、反復核對？于是，所謂“人類決策”很容易退化成“人類確認”。形式上看，按鈕還是由人按下；實質上，更像是在給算法蓋章。人并沒有消失，但人的遲疑、懷疑以及復核能力，正在被快速壓縮。

更棘手的是，AI并不真正理解戰場。它可以識別圖像、比對數據、在數據庫里跑出相關性，但它無法真正明白現實細節背后的分量。一個人肩上扛著的，到底是武器還是工具；一個快速移動的人群，到底是武裝人員還是逃命平民；一輛停在街邊的車，到底是發射平臺還是送貨皮卡。在低清畫面、遮擋環境以及情報滯后的條件下，差幾像素，可能就是一條命，甚至一群命的區別。

也正因為如此，技術越先進，責任反而越容易變得模糊。要是炸錯了，究竟該由誰負責？程序員可能會說，自己只是寫代碼；軍方會說，系統只是提供建議，決定是依照流程做出的；供應商則可能表示，模型準確率已經達標，具體怎樣使用并不歸它管理。機器不會坐上被告席，算法也不會認錯流淚，最后最容易消失的，反而是責任鏈條。戰爭中真正可怕的，不只是死亡本身，還包括死亡之后沒人承擔責任。

不少人原本以為，AI參戰會讓戰爭更加精準，也讓誤傷更少。理論上似乎有這種可能，但現實遠沒有這么簡單。因為技術在提高精準度的同時，也在降低開火門檻。過去要發動一次打擊，往往還要經歷動員、爭論以及政治后果評估；現在系統幾秒鐘就能給出答案，決策者更容易產生一種錯覺：既然已經有數據背書，那就執行吧。戰爭于是從“慎重考慮后發動”，慢慢轉向“計算完成即可執行”。一旦節奏太快，克制往往就會先掉線。

這點其實和日常生活中的很多場景很像。導航軟件顯示前方暢通，不少人就會直接踩油門，哪怕心里明白高峰期不可能完全不堵；外賣平臺借助算法去催促騎手，也會把人逼到闖紅燈的邊緣。機器給出的通常是效率最優解，而不是人性最優解。放到戰場上，這種偏差會被極大程度放大。平時可能只是晚幾分鐘，戰時卻可能意味著一個家庭的全部代價。

科技公司這些年的態度轉變，其實也很能說明問題。早些年，許多工程師還堅持不要把代碼拿去開展殺戮工作，有人聯名反對，也有人直接辭職離開。可當國家安全、戰略競爭以及技術優勢這些議題被擺上桌面后，企業又開始回到軍工合作當中。說到底，在大國博弈面前，AI已經不只是產品，也不只是資本故事，而是新一輪戰略資源。誰都擔心自己落后，于是“能不能做”很快就讓位給“必須去做”。

這也把世界推進到了一個相當別扭的位置：大家都知道這條路有危險，卻都不愿意先踩剎車。因為一旦停下，別人可能就會沖到前面。結果就是，倫理討論總是慢半拍，技術部署卻一路向前。今天還是輔助識別，明天可能就是自動排序，后天就會走向半自主打擊。規則還沒有立穩，系統卻已經被送上戰場。人類在最需要謹慎的時候，反而常常被“效率”推著往前走。

當然，也不能把AI看成無所不能。戰爭終究發生在物理世界，而不是服務器里。地下工事、機動發射車、偽裝目標以及真假信號，都在提醒同一件事：數據看得再多，也不代表現實一定會按照數據庫來運行。戰場從來不是一張表格，而是混亂、欺騙、誤判以及偶然性交織在一起的集合。把這樣一個世界交給概率模型去主導，本身就是高風險操作。

真正危險的地方，不是機器變得更聰明，而是人開始偷懶，把道德判斷外包給機器。算法可以用來輔助分析，卻不應該替代良知；系統可以幫助提高效率，卻不能把責任吞掉。