透視戰爭認知三個維度
寫在前面
戰爭認知，簡單地說就是人類看待戰爭的方式和角度。傳統意義上，我們更習慣于從武器裝備、作戰方式、作戰對象等角度來認識戰爭。本文嘗試從人類思維方式演變的角度來解讀戰爭，以期能夠洞察戰爭的深層次規律，從而更好地應對未來戰爭的挑戰。目前，人類對戰爭的認知存在感性認知、理性認知、數據驅動認知三個維度，幾乎所有的戰爭也都是圍繞著這三個維度展開的。
基于經驗思維的感性認知
所謂經驗思維，就是試圖用過往經驗解決未來問題的思維方式。基于經驗思維的感性認知，是人類對經驗進行梳理、歸納、總結，從而對事物規律建立初步認識的認知方式。其優點是生動具體、高效快捷，在面對問題時，能夠在短時間內快速形成解決方案；其缺點也顯而易見，由于一切事物都處在變化之中，用舊的做法去解決新的問題，往往容易出現“水土不服”的現象。
雖然感性認知是認識事物的初級階段，但并不意味著它不重要。事實上，感性認知是理性認知的前提和基礎，是人類在漫長進化史中主要運用的認知方式。對于戰爭而言，感性認知的結果正確與否，主要取決于思考的深度。思考越深入，得出的觀點就越接近戰爭的本質。例如，《孫子兵法》《戰爭論》等兵家名著，其中很多論述，是前人梳理總結無數戰爭經驗后得出的觀點體系。這些論述基于感性認知，源于戰爭經驗，但經過軍事家的深度思考，具有很強的合理性和適應性。時至今日，它們仍然具有較強的戰爭指導意義。
但是，感性認知如果放棄深度思考，完全照搬既往經驗，只總結表象，不探究原理，就很容易招致失敗。例如，1944年3月，在東南亞戰場上處于戰略防御態勢的日軍為擺脫困境，乘盟軍反攻準備尚未完成之際，搶先以近10萬人的兵力，分3路襲擊盟軍東南亞戰區的后方基地英帕爾，進行了著名的英帕爾戰役。為解決長途跋涉的后勤保障問題，日軍指揮官牟田口廉也準備效仿蒙古騎兵，提出了所謂的“成吉思汗作戰”計劃。他從緬甸搜刮了三萬頭牛羊，行軍途中既可以用來馱運物資，又可以當作口糧，以解決運輸和補給問題。但牟田口廉也忽視了二者之間的重要區別：蒙古騎兵是在冷兵器時代的草原作戰，而日軍是在熱兵器時代的叢林作戰。這三萬頭牛羊在叢林中跋涉，不僅減慢了進攻速度，而且讓日軍成為盟軍空襲的目標。結果日軍設想的輕裝突襲變成了曠日持久的消耗戰，加之雨季來臨，大批日軍死于饑餓和瘟疫。戰爭結束時，日軍共損失近8萬人，其中非戰斗傷亡就有4萬多人。英帕爾戰役，也被后世稱為“忽視后勤的無謀之戰”。其實更準確地說，這是一場“照搬經驗的無謀之戰”。
基于機械思維的理性認知
所謂機械思維，并非死板、教條的思維，其核心思想是確定性(或可預測性)和因果關系，即世界萬物的運行遵循著確定性的基本規律，而這些規律是可以被認識的。它的形成可以追溯至古希臘的思辨思想，經過不斷完善，于17世紀至18世紀初得以確立。基于機械思維的理性認知，逐漸構筑起自然科學的宏偉大廈。其典型代表包括歐幾里得、托勒密、牛頓等科學巨匠提出的理論學說。
如，歐幾里得提出的公理化幾何學：他首先總結出5條簡單到極致且相互獨立的公理，也就是說，任何一條公理都無法從另外4條中推導出來，接下來幾何學的一切定理都由這5條公理直接或間接地演繹得出；接下來是托勒密提出的“地心說”：他將圓當作“元模型”，通過相互嵌套，用機械運動模型清晰描述了當時人們所知的天體運行規律；之后是牛頓提出的“萬有引力”和“三大運動定律”：他創立了經典力學的理論體系，把機械思維的方法論從數學、天體學拓展到整個自然科學領域。這些科學家的最大貢獻并不僅限于其成就本身，更在于其對歐洲人持續的思維改造。這促使近代西方涌現出無數科學家和發明家，并直接叩開了工業革命的大門。
理性認知同樣給戰爭領域帶來了深刻影響，主要表現在三個方面：
其一，持續推動軍事技術的進步。理性認知加速了人類對自然科學的探索，由此推動軍事技術持續進步和武器裝備的不斷升級：打擊類兵器從刀、矛、劍、戟、弩等發展為滑膛槍、線膛槍、機槍、火炮乃至導彈、巡飛彈等；運載類武器從馬匹、馬拉戰車、帆船發展為步戰車、飛機、潛艇乃至航母；偵察通信類裝備從烽火臺、信鴿、信號旗發展為無線電步話機、雷達、衛星乃至“星鏈”……軍事技術的進步引發戰術不斷變革，先后涌現出騎兵戰術、線式戰術、縱隊戰術、散兵線戰術、合同戰術、聯合戰術、有人/無人協同戰術等。戰術圍繞技術不斷變革，戰爭形態也隨之不斷演變。
其二，持續推動軍事理論的發展。隨著軍事技術的變革，近代西方涌現出許多著名的軍事理論，如馬漢的《海權論》、杜黑的《制空權》、富勒的《裝甲戰》等等。這些理論緊密結合軍事科技最新成果，普遍具有思辨色彩濃厚、聯系現實緊密、論證邏輯自洽等特點。尤為突出的是，1915年，英國工程師F.W。蘭徹斯特提出了著名的“蘭徹斯特方程”，建立了用來描述交戰過程中雙方兵力變化關系的微分方程組?；谶@一方程組，我們可以深刻認識到“集中兵力”這一軍事思想背后的數學原理。在1805年特拉法爾加海戰中，英國海軍大勝法國艦隊。時隔100多年后，人們發現使用蘭徹斯特方程計算得出的結果，與當時海戰的實際戰損竟然驚人的一致。
其三，持續推動訓練模式的轉變。隨著機械思維的普及，理性認知的疆域逐漸拓展到軍事訓練領域。1811年，普魯士的馮·萊斯維茨發明了一套描述戰爭過程的游戲——兵棋。與絕大多數軍事史學家不同，他描述戰爭過程的方法不是文字和繪圖，而更像是研究一門工程技術：用規則、模型、數字和計算。自此，他開啟了作戰模擬和軍事仿真這一全新學科的大門。如果說傳統的戰爭研究就像一個旁觀者，只是被動地汲取戰爭經驗中蘊含的智慧，從中探尋制勝之道；那么兵棋推演就像一個試驗師，主動地模擬戰爭進程、預測戰爭結果，從而驗證新的戰術思想和軍事法則。隨著數學、工程學、軍事運籌等學科的發展和計算機技術的成熟，兵棋由紙上游戲升級為系統仿真對抗，已經成為現代軍事訓練不可或缺的組成部分。
基于大數據思維的數據驅動認知
所謂大數據思維，是指在大量數據中挖掘其內在相關性，通過邏輯分析和量化處理，洞察事物內在規律或提供最優解決方案的思維方式。其核心思想是不確定性和相關性。所謂不確定性是指，一方面，世界是個復雜混沌的系統，涉及變量非常多，無法通過簡單的公式或模型進行預測；另一方面來自客觀世界本身——不確定性是宇宙的一個特性，如量子力學中的“測不準原理”和“薛定諤的貓”。所謂相關性，是指事物是普遍相互關聯的，而因果關系只是一種“強相關”關系。連接不確定性和相關性的橋梁是數據，而數據承載著信息。根據香農的信息論，信息的本質是為了消除不確定性。由此我們可以知道，大數據思維的原理就是：在無法確定因果關系時，數據中所包含的信息可以幫助我們消除不確定性，而數據之間的相關性可以取代因果關系，幫助我們得到想要的答案。
簡而言之，如果說機械思維的流程是“提出問題→分析原因→找到根源→解決問題”，那么大數據思維的流程就是“提出問題→分析數據→找到關聯→解決問題”。大數據思維并不關心產生問題的原因，只關注解決問題的方法；即不管“為什么”，只管“怎么辦”。要做到這一點，需要大量的數據支撐，所以可將其視作一種“數據驅動”的認知方式。例如，2016年，谷歌的AlphaGo計算機戰勝了天才圍棋選手李世石。AlphaGo在圍棋方面有很高的智能，來源于它能分析總結幾十萬盤人類高手的對弈。實際上，AlphaGo底層算法并不復雜，也并沒有總結出戰無不勝的行棋法則，AlphaGo的團隊只是把機器智能問題變成了一個大量數據和大量計算的問題。
戰爭領域，這種數據驅動的認知方式同樣存在。1935年3月20日，一位名叫雅各布的瑞士作家出于對納粹的義憤，出版了一本名為《戰斗情報》的書，向外界公開披露了德軍的組織結構和編制實力，揭露了其擴軍備戰企圖。德軍調查后發現，《戰斗情報》的全部材料都是從德國公開發行的報紙、喪葬訃聞甚至結婚啟事上經過匯總分析得來的，沒有任何人泄露軍事秘密。再比如美國尋找本·拉登。2007年，“9·11”事件嫌犯曾提及本·拉登的聯系人。2010年，美國依靠大數據關聯分析技術和人類行為模型算法，通過對世界各地高級頭目通信數據追蹤分析，確認艾哈邁德為本·拉登與基地組織的唯一信使，然后經過對其聯絡和行動監視，終于獲悉了本·拉登的藏匿地點。
三種認知方式相比，區別主要在于認知方法不同。感性認知主要依賴經驗類比，理性認知主要依賴邏輯推理，數據驅動認知主要依賴關聯分析。三者并不沖突，且互為補充。通過觀察會發現，現階段，感性認知和理性認知更適用于人類，它重點解決問題背后的深層次原因，有助于拓展人類的認知深度；而數據驅動認知更適用于機器，它重點解決問題本身，有助于輔助提升人類的認知能力。這種組合方式類似于人類大腦中直覺和理性的分工。直覺不追究原因，只提供方案，這也是人類決策的主要方式；理性喜歡“刨根問底”，分析問題背后的因果邏輯，但不如直覺的效率高。數據驅動認知就像是機器的“直覺”，不問前因后果，只管快速給出答案，但它對數據存儲和運算能力的要求非常高。這也解答了“莫拉維克”悖論：理性思考算法復雜，卻只需要較少的數據和算力；直覺算法簡單，卻需要極大的數據和算力。
生物進化史上，人類先進化出主要負責直覺的邊緣系統，后進化出主要負責理性的前額葉皮層，而后者是人類區別于其他動物的主要特征。機器進化史上，目前機器的“直覺”已頗具雛形，可以預見，機器的“理性”也許會在不遠的未來進化成形。屆時，可能實現人的作戰籌劃與無人智能裝備的戰斗決策功能的分離。即，指揮員要專注于思考“打不打”“打到什么程度”“達成什么目的”，而具體的“打哪里”“如何打”“毀傷效果如何”等問題則交給智能化無人裝備。這就意味著，未來機器的智能化程度對戰爭勝負的影響將越來越大。而“數據”和“算法”，分別代表驅動人工智能“直覺”和“理性”進化的核心要素，必將成為未來戰爭爭奪“制智權”的主陣地。
毛煒豪 聶曉麗
