AI 殺傷鏈解剖：新報告揭露軍方如何將生死決策全面自動化

本週發布的一份里程碑式報告，正在迫使世人正視我們這個時代後果最為嚴重的科技發展之一：透過人工智慧系統性地自動化軍事目標瞄準流程。由監督組織 Airwars 與 AI Now Institute 聯合製作的「AI 殺傷鏈解剖」（Anatomy of an AI Kill Chain）視覺調查報告，提供了迄今為止最詳盡的公開紀錄，揭示 AI 如何滲透現代軍事殺傷鏈的幾乎每一個階段——從感測器資料收集到目標打擊——涵蓋烏克蘭、加薩與伊朗等現役衝突區域。

這份報告的核心發現既嚴峻又令人震驚。調查指出，美軍殺傷鏈六個階段中，如今只有兩個仍維持人類在迴路中（human in the loop），第三個階段涉及某種程度的人類監督。其餘階段已全面自動化。這意味著軍方識別、追蹤並決定打擊目標的流程——傳統上需要在每一步進行審慎人類判斷的流程——已被壓縮到接近機器速度，人類監督被削減到前所未見的程度。

什麼是殺傷鏈？

軍事「殺傷鏈」（kill chain）是指尋找並打擊目標的系統性、多階段流程。美軍將其正式定義為 F2T2EA 模型：尋找（Find）、定位（Fix）、追蹤（Track）、瞄準（Target）、打擊（Engage）與評估（Assess）。每個階段在歷史上都需要情報分析師、指揮官與操作人員做出攸關生死的關鍵決策。

AI Now Institute 與 Airwars 在報告中將殺傷鏈拆解為六個階段：感測器與資料收集、監控與模式辨識、目標識別與提名、武器與路線規劃、打擊執行，以及戰損評估。他們的調查揭示，AI 系統已經深入這六個階段的每一個——不是作為理論上的未來能力，而是作為已部署、正在運作的系統，此刻就在戰場上使用。

殺傷鏈不再是一個循序漸進、以人類步調進行的流程。AI 已將從情報收集到打擊的時間，從數天或數週壓縮到在某些情況下僅需數分鐘甚至數秒。以 Palantir 的 Maven Smart System 為例，該系統在伊朗衝突中被用於識別數千個目標，大幅加速了作戰節奏。

自動化背後的系統

報告辨識出一系列目前已嵌入軍事行動的 AI 工具。Palantir 的 Project Maven——正是 2018 年在 Google 引發員工抗議的同一系統——已演變為全方位瞄準平台。它處理來自衛星、無人機和地面感測器的大量監控資料流，利用 AI 模型識別潛在目標並建議打擊。

最引發爭議的或许是調查中記錄的 Anthropic Claude 模型在軍事場景中的使用。據報導，Claude 已被整合進以色列的目標瞄準流程，為「Lavender」和「Gospel」等 AI 系統提供支持——這些程式被用於識別人類目標和基礎設施。特別值得注意的是，Lavender 在某些設定中被設定為可接受每個目標最高 100 名平民傷亡的門檻——根據先前的報導。一家以「AI 安全」為公開品牌形象的公司所打造的模型，如今卻深嵌入軍事殺傷鏈之中，這構成了一個深刻的諷刺，而報告並未輕易放過這一點。

The Register 對該報告的報導指出，它描繪了「無所不在的監控與有缺陷的演算法」所帶來的風險——強調這些系統運作所依賴的訓練資料本質上存在偏見、不完整，且容易產生偽陽性錯誤。當偽陽性的代價是一條人命時，演算法錯誤的風險便成為存亡等級的問題。

三場衝突：烏克蘭、加薩與伊朗

報告借鑑了三場同時進行的衝突的作戰資料，這些衝突共同構成了 AI 在戰爭中的首次大規模部署。

在烏克蘭，這場衝突展示了廉價、可消耗的自主硬體——尤其是無人機——如何大規模擴散。AI 驅動的無人機如今自行處理目標獲取和終端導引，將人類操作員的角色縮減到幾乎只剩發射點的授權。所部署的自主系統數量之龐大，已壓倒了傳統防空體系，創造出蜂群作戰的新範式。

在加薩，AI 已進入研究人員所描述的軍事瞄準「認知核心」。Lavender 和 Gospel 等系統處理信號情報、通訊攔截和行為模式，以人類分析師無法匹敵——也無法實質審查——的速度產生目標清單。結果是目標範圍的急劇擴張，AI 系統根據對個人疑似從屬關係的演算法評估，將他們提名為打擊對象。

在伊朗，Palantir 的 Maven Smart System 以前所未有的規模部署。美軍報告稱自衝突開始以來已打擊超過 11,000 個目標，這樣的節奏在沒有 AI 輔助瞄準的情況下根本不可能實現。該系統將情報到打擊的週期壓縮到軍事規劃人員自己都形容為變革性的程度——而根據批評者的說法，也危險地不透明。

人類監督的侵蝕

AI Now Institute 首席 AI 科學家、報告主要作者 Heidy Khlaaf 博士，已成為警示 AI 軍事化最知名的聲音之一。在 8 月 13 日接受 Democracy Now! 採訪時，她將殺傷鏈描述為「一系列不同類型的 AI 演算法串聯在一起，每一個都有自己的陷阱，每一個都有自己的缺陷」。

Khlaaf 認為，核心問題不在於任何單一 AI 系統，而在於將多個不完美的系統串聯在一起的複合效應。每個階段都引入自己的錯誤率。當這些錯誤在鏈條中層層疊加——從資料收集，經模式辨識，到目標提名和打擊——結果是一個沒有任何單一人類能夠實質驗證導向一次打擊的整個決策鏈的系統。人類監督的幻覺仍然存在，但現實是，人類越來越只是在橡皮圖章式地批准他們既沒有時間也沒有資訊去質疑的演算法輸出。

報告指出，這種現象被「自動化偏誤」（automation bias）進一步加劇——這是一種有據可查的人類操作員傾向，即即使自動化建議是錯的也傾向於信任。當一個 AI 系統將一棟建築標記為軍事目標時，推翻該建議所需的認知負擔相當可觀，而在實戰的時間限制下，接受建議的體制壓力更是巨大。

問責真空

報告最為嚴厲的發現之一是 AI 武器系統所創造的問責真空。當瞄準決策出錯——當平民因演算法錯誤而喪生——沒有清晰的責任歸屬。是 AI 系統開發者的錯？是授權打擊的軍事指揮官的錯？是將資料輸入系統的情報分析師的錯？報告主張，決策權在人類與演算法之間的擴散使得問責幾乎不可能，創造了法學者所稱的「責任缺口」（responsibility gap）。

Airwars 在 2026 年初記錄了第一起確認的 AI 輔助打擊平民事件，標誌著一個沉重的里程碑。受害者的死亡揭示了演算法戰爭的現實後果——隨著這些系統持續擴散，這些後果可能成倍增加。

商業 AI 的連結

報告直接點出了商業 AI 產業與軍事應用之間的連結。Palantir、Google 與 Anthropic 等公司已深度嵌入軍工複合體，提供驅動自動化殺傷鏈的基礎模型、資料基礎設施和分析工具。報告主張，這種關係為同時行銷消費級 AI 產品並從軍事合約中獲利的公司創造了根本的利益衝突。

Khlaaf 對 Anthropic 的批評尤為尖銳，她指出儘管該公司以安全優先的品牌形象自居，但其 Claude 模型已被整合進軍事瞄準流程。她認為，企業安全修辭與戰場現實之間的鴻溝，代表著 AI 治理領域最危險的發展之一。

接下來呢？

報告呼籲緊急的監管行動，包括：為軍事場景使用的 AI 系統制定強制性透明度要求、對瞄準演算法進行獨立審計，以及在 AI 輔助打擊造成平民傷害時建立清晰的法律問責框架。報告同時敦促對全自主武器系統——即能夠在無實質人類干預下選擇並打擊目標的系統——實施暫停令。

隨著烏克蘭、加薩和伊朗的衝突繼續作為 AI 戰爭的實戰測試場，建立有意義的護欄的窗口正在縮小。「AI 殺傷鏈解剖」報告代表了迄今為止最全面的努力，旨在記錄正在發生的事情——並要求公眾、政策制定者和 AI 產業正視自動化人類所能做出最不可逆決策的後果。

問題不再是 AI 是否會被用於戰爭。它已經在用了。真正的問題是：當它犯錯時，是否會有人被追究責任。