-
以下为《美国空军第25-1号“人工智能”条令》原文译文以供参考：
前言
本《空军条令通告》（AFDN）旨在对人工智能（AI）进行描述，并预判其在整个竞争连续体中对空中作战任务的作用。文中引用了多种参考资料，包括联合作战及军种相关政策、法律法规、学术和工业界成果以及相关专家咨询意见。本AFDN是对国防部（DoD）现有AI政策与战略的补充，具有权威性和指导性，但并不具备强制指令效力。
本通告从作战条令发展角度出发，探讨当前问题及潜在解决途径，填补条令体系中预见性缺口，为可能对全军产生普遍性影响的作战议题提供支持。同时，本AFDN汇总了最新经验教训与最佳实践，供指挥员和参谋人员在制定战略及空中作战规划时参考使用。
鉴于AI领域术语与概念存在定义分歧，本通告并不拟定美空军官方定义，而是对相关术语与概念予以描述，以帮助全体官兵理解AI内涵，并为军种及联合作战层级未来制定AI政策提供参考。
如本通告与联合作战或其他军种条令冲突，以相关政策文件为准，优先适用于美国空军活动。
第一章：引言
一、AI的前景
计算机技术改变了战争方式。二战期间，英国开发的早期计算机“Bombe”破解了德军的恩尼格玛密码，为盟军提供了重要情报，直接影响了大西洋战局的走向。
随后，真空管驱动的电子超级计算机推动了太空与导弹项目发展。硅基半导体的问世实现了计算机小型化，晶体管技术随之进步，在冷战防御系统与先进武器研制中扮演关键角色。这些具备车载计算能力的平台推动美军从依赖数量向“沙漠风暴行动”中展示的精确打击模式转变。
今日，数据驱动的新时代已然到来。学术与商业界持续创新，以可负担的价格推动尖端技术发展。我们所处的信息环境被大量“智能设备”覆盖，它们构建了空前互联的数字领域。高速数据处理、大型数据集的获取能力以及机器学习（ML）支撑的大数据分析共同催生了拥有无限潜能的新型AI技术。
AI将显著提升情报、监视与侦察（ISR）能力。其通过联网传感器技术，可在缺乏预警情报的条件下发现隐藏目标，实现“从草垛中识别针”。AI还将推动机器人技术进化，形成智能化自主集群，执行原由人类控制的任务。
AI可望加速训练进程、建立信息优势、增强备战能力，并生成用于机器与人类协同学习的模拟场景。
AI将为作战筹划者提供先进工具，支持诸如后勤保障等复杂任务的筹划，并基于实时敌情与战场环境推演应对方案。其还可在虚拟空间中测试多种战略与作战构想。外交事务中，AI可助力设计并执行合作与援助方案，巩固战略伙伴关系，甚至提出具有战略优势的新合作模型。
AI前景广阔。美方在安全、可信、可靠AI系统研发方面的全球领导地位，对国家安全具有深远意义。同时需构建稳定、负责任的国际治理框架以规避风险、实现共享利益。AI将协助指挥官在战略、作战及战术各层级做出更优决策。
二、AI的风险
尽管AI仍属新兴领域，但其已在竞争与冲突环境中展现出“倍增器”效能。对资源有限的国家而言，AI技术可成为其提升军力、侵蚀美方战略优势的低成本方案。在大国竞争格局中，中俄等潜在对手正大举投入AI研发。中国已公开宣布力争2030年在全球AI领域领先。目前，该国正利用AI技术对本国人民实施大规模监控与压制，其对包括美军官兵在内的美国公民数据的获取，构成对本土目标实施AI攻击的新路径。
中俄均视AI为未来军事应用的关键支柱。中国正加速建设“智能化部队”，强化人机协同，重点在指挥决策、后勤、网络战、集群作战、导弹制导及认知域等领域应用AI；俄罗斯亦在其军事实践与条令中融合AI，重点发展无人机、地面自主车辆与水下平台。两国均致力于将AI技术融入其指挥控制、目标识别与电子战系统，以提高作战效能。
尽管AI有望增强多项作战能力，但官兵必须警惕其潜在弊端。AI辅助决策可能会降低战争门槛，因其可在未经过人类反应链处理的前提下快速推动行动升级。此外，AI系统通常由商用、学术、军方等机构共同开发，其信息安全标准不尽一致，需对AI系统访问权限及访问者身份加以严格管控。敌对方亦可能通过“投毒数据”操纵AI系统，诱导其作出错误判断，达到欺骗或出奇制胜目的，进一步挑战对AI的信任与接纳。
因此，必须通过理解与实操推动“负责任的AI”使用。空军官兵须将AI嵌入动能与非动能作战体系，并用于反制敌方信息战与虚假宣传活动。
自建军伊始，空军始终致力于通过引进前沿科技巩固国家战略优势。AI亦是其中一环。我们必须加速推动AI系统的伦理化试验、部署及能力建设，构建完备基础设施与治理体系，以确保AI得以高效、稳妥地投入作战体系。
第二章：AI概述
一、何为人工智能？
近年来AI领域的技术突破与应用开发揭示了许多过去被认为不可能实现的新机遇。这些指数级的技术进展在某种程度上已超越了我们对AI相关议题建立共识与理解的能力。学术界与工业界对AI的定义与术语存在细微差异。目前，美国国防部尚未对人工智能制定统一的条令性定义，而是依赖《美国法典》与总统行政令所设定的AI相关定义指导各军种制定政策。
本通告并不确立美国空军对人工智能或相关术语的正式定义，而是通过描述性的方式，对AI相关术语与概念进行阐释，旨在加深官兵对AI潜力的理解，并促进其在美空军作战体系中的融合。从总体上看，AI使用由规则驱动与机器学习（ML）方法相结合的技术系统，以逼近人类认知的某些特征。然而，与人类不同，AI尚不具备对系统输入的有效性或其输出结果更广泛后果的批判性分析能力。
二、AI术语描述
在将AI技术集成于军事作战中前，必须掌握AI术语。以下示例并非详尽无遗，但足以区分AI相关学科与应用之间的真实差异。
术语“窄域AI”（Narrow AI）与“弱AI”（Weak AI）虽在含义上略有不同，但本文件中可互换使用，均指仅可执行特定任务的AI系统，无法自我学习新任务。
与之相对的是“通用人工智能”（Artificial General Intelligence, AGI），其目标是实现人类水平的理解、学习与跨任务适应能力。AGI目前尚未实现，部分专家认为其或永无实现之日。但当前共识是：以现有能力尚无法实现AGI。尽管如此，随着新算法与硬件发展，通往AGI的探索仍在持续。尽管AGI尚无法用于空中力量体系，空军官兵在作战与筹划中仍应提前考虑其潜在的伦理与实用性挑战。
专家系统（Expert Systems）并非用于替代人类专家，而是结合人类专业知识、规则库及高级数学建模，用于解决具体、狭义的问题。例如，用于辅助医学诊断的系统即属该范畴。
机器学习（Machine Learning, ML）是AI领域的一个子集，研究如何通过统计算法从数据中学习，并将该学习泛化到未知数据上，进而无需显式指令即可执行任务。ML系统并不基于传统编程规则运行，而是融合了计算机科学、统计学、心理学、神经科学、经济学与控制理论等领域的方法，用于从数据中识别规律。需要指出的是，ML系统并不具备自主理解上述学科的能力，而是依赖人为设定的程序架构识别模式。例如击败人类冠军的AI象棋/围棋系统，在ML训练开始前，往往已被预先植入大量人类知识。
训练数据（Training Data）是指用来“教会”AI模型的输入输出成对信息，借此识别规律、完成预测或分类任务。训练数据的质量、数量与多样性直接影响AI模型的性能与准确性。测试数据（Test Data）是在训练阶段未曾使用的数据，用于评估模型在新数据上的表现。若后续输入数据与初始训练数据差异显著，则需重新进行训练与测试。
神经网络（Neural Networks, NN）受人脑结构启发，由若干“神经元”组成并以多层结构排列。最基本的NN包含三层：输入层、至少一层隐藏层、输出层。过去，由于神经网络训练与运算所需计算量巨大，其应用受限。近年来，随着计算力与数据获取能力增强，神经网络规模与深度显著增长。
深度学习（Deep Learning, DL）实质上是指拥有多个隐藏层的神经网络，用以处理复杂数据集，并在输入输出之间建立更为精准的关联。深度学习模型能够识别人类难以察觉的深层规律，因而在AI应用中展现出强大威力。
