透视战争认知三个维度

■毛炜豪 聂晓丽

写在前面

战争认知，简单地说就是人类看待战争的方式和角度。传统意义上，我们更习惯于从武器装备、作战方式、作战对象等角度来认识战争。本文尝试从人类思维方式演变的角度来解读战争，以期能够洞察战争的深层次规律，从而更好地应对未来战争的挑战。目前，人类对战争的认知存在感性认知、理性认知、数据驱动认知三个维度，几乎所有的战争也都是围绕着这三个维度展开的。

基于经验思维的感性认知

所谓经验思维，就是试图用过往经验解决未来问题的思维方式。基于经验思维的感性认知，是人类对经验进行梳理、归纳、总结，从而对事物规律建立初步认识的认知方式。其优点是生动具体、高效快捷，在面对问题时，能够在短时间内快速形成解决方案；其缺点也显而易见，由于一切事物都处在变化之中，用旧的做法去解决新的问题，往往容易出现“水土不服”的现象。

虽然感性认知是认识事物的初级阶段，但并不意味着它不重要。事实上，感性认知是理性认知的前提和基础，是人类在漫长进化史中主要运用的认知方式。对于战争而言，感性认知的结果正确与否，主要取决于思考的深度。思考越深入，得出的观点就越接近战争的本质。例如，《孙子兵法》《战争论》等兵家名著，其中很多论述，是前人梳理总结无数战争经验后得出的观点体系。这些论述基于感性认知，源于战争经验，但经过军事家的深度思考，具有很强的合理性和适应性。时至今日，它们仍然具有较强的战争指导意义。

但是，感性认知如果放弃深度思考，完全照搬既往经验，只总结表象，不探究原理，就很容易招致失败。例如，1944年3月，在东南亚战场上处于战略防御态势的日军为摆脱困境，乘盟军反攻准备尚未完成之际，抢先以近10万人的兵力，分3路袭击盟军东南亚战区的后方基地英帕尔，进行了著名的英帕尔战役。为解决长途跋涉的后勤保障问题，日军指挥官牟田口廉也准备效仿蒙古骑兵，提出了所谓的“成吉思汗作战”计划。他从缅甸搜刮了三万头牛羊，行军途中既可以用来驮运物资，又可以当作口粮，以解决运输和补给问题。但牟田口廉也忽视了二者之间的重要区别：蒙古骑兵是在冷兵器时代的草原作战，而日军是在热兵器时代的丛林作战。这三万头牛羊在丛林中跋涉，不仅减慢了进攻速度，而且让日军成为盟军空袭的目标。结果日军设想的轻装突袭变成了旷日持久的消耗战，加之雨季来临，大批日军死于饥饿和瘟疫。战争结束时，日军共损失近8万人，其中非战斗伤亡就有4万多人。英帕尔战役，也被后世称为“忽视后勤的无谋之战”。其实更准确地说，这是一场“照搬经验的无谋之战”。

基于机械思维的理性认知

所谓机械思维，并非死板、教条的思维，其核心思想是确定性（或可预测性）和因果关系，即世界万物的运行遵循着确定性的基本规律，而这些规律是可以被认识的。它的形成可以追溯至古希腊的思辨思想，经过不断完善，于17世纪至18世纪初得以确立。基于机械思维的理性认知，逐渐构筑起自然科学的宏伟大厦。其典型代表包括欧几里得、托勒密、牛顿等科学巨匠提出的理论学说。

如，欧几里得提出的公理化几何学：他首先总结出5条简单到极致且相互独立的公理，也就是说，任何一条公理都无法从另外4条中推导出来，接下来几何学的一切定理都由这5条公理直接或间接地演绎得出；接下来是托勒密提出的“地心说”：他将圆当作“元模型”，通过相互嵌套，用机械运动模型清晰描述了当时人们所知的天体运行规律；之后是牛顿提出的“万有引力”和“三大运动定律”：他创立了经典力学的理论体系，把机械思维的方法论从数学、天体学拓展到整个自然科学领域。这些科学家的最大贡献并不仅限于其成就本身，更在于其对欧洲人持续的思维改造。这促使近代西方涌现出无数科学家和发明家，并直接叩开了工业革命的大门。

理性认知同样给战争领域带来了深刻影响，主要表现在三个方面：

其一，持续推动军事技术的进步。理性认知加速了人类对自然科学的探索，由此推动军事技术持续进步和武器装备的不断升级：打击类兵器从刀、矛、剑、戟、弩等发展为滑膛枪、线膛枪、机枪、火炮乃至导弹、巡飞弹等；运载类武器从马匹、马拉战车、帆船发展为步战车、飞机、潜艇乃至航母；侦察通信类装备从烽火台、信鸽、信号旗发展为无线电步话机、雷达、卫星乃至“星链”……军事技术的进步引发战术不断变革，先后涌现出骑兵战术、线式战术、纵队战术、散兵线战术、合同战术、联合战术、有人/无人协同战术等。战术围绕技术不断变革，战争形态也随之不断演变。

其二，持续推动军事理论的发展。随着军事技术的变革，近代西方涌现出许多著名的军事理论，如马汉的《海权论》、杜黑的《制空权》、富勒的《装甲战》等等。这些理论紧密结合军事科技最新成果，普遍具有思辨色彩浓厚、联系现实紧密、论证逻辑自洽等特点。尤为突出的是，1915年，英国工程师F.W.兰彻斯特提出了著名的“兰彻斯特方程”，建立了用来描述交战过程中双方兵力变化关系的微分方程组。基于这一方程组，我们可以深刻认识到“集中兵力”这一军事思想背后的数学原理。在1805年特拉法尔加海战中，英国海军大胜法国舰队。时隔100多年后，人们发现使用兰彻斯特方程计算得出的结果，与当时海战的实际战损竟然惊人的一致。

其三，持续推动训练模式的转变。随着机械思维的普及，理性认知的疆域逐渐拓展到军事训练领域。1811年，普鲁士的冯·莱斯维茨发明了一套描述战争过程的游戏——兵棋。与绝大多数军事史学家不同，他描述战争过程的方法不是文字和绘图，而更像是研究一门工程技术：用规则、模型、数字和计算。自此，他开启了作战模拟和军事仿真这一全新学科的大门。如果说传统的战争研究就像一个旁观者，只是被动地汲取战争经验中蕴含的智慧，从中探寻制胜之道；那么兵棋推演就像一个试验师，主动地模拟战争进程、预测战争结果，从而验证新的战术思想和军事法则。随着数学、工程学、军事运筹等学科的发展和计算机技术的成熟，兵棋由纸上游戏升级为系统仿真对抗，已经成为现代军事训练不可或缺的组成部分。

基于大数据思维的数据驱动认知

所谓大数据思维，是指在大量数据中挖掘其内在相关性，通过逻辑分析和量化处理，洞察事物内在规律或提供最优解决方案的思维方式。其核心思想是不确定性和相关性。所谓不确定性是指，一方面，世界是个复杂混沌的系统，涉及变量非常多，无法通过简单的公式或模型进行预测；另一方面来自客观世界本身——不确定性是宇宙的一个特性，如量子力学中的“测不准原理”和“薛定谔的猫”。所谓相关性，是指事物是普遍相互关联的，而因果关系只是一种“强相关”关系。连接不确定性和相关性的桥梁是数据，而数据承载着信息。根据香农的信息论，信息的本质是为了消除不确定性。由此我们可以知道，大数据思维的原理就是：在无法确定因果关系时，数据中所包含的信息可以帮助我们消除不确定性，而数据之间的相关性可以取代因果关系，帮助我们得到想要的答案。

简而言之，如果说机械思维的流程是“提出问题→分析原因→找到根源→解决问题”，那么大数据思维的流程就是“提出问题→分析数据→找到关联→解决问题”。大数据思维并不关心产生问题的原因，只关注解决问题的方法；即不管“为什么”，只管“怎么办”。要做到这一点，需要大量的数据支撑，所以可将其视作一种“数据驱动”的认知方式。例如，2016年，谷歌的AlphaGo计算机战胜了天才围棋选手李世石。AlphaGo在围棋方面有很高的智能，来源于它能分析总结几十万盘人类高手的对弈。实际上，AlphaGo底层算法并不复杂，也并没有总结出战无不胜的行棋法则，AlphaGo的团队只是把机器智能问题变成了一个大量数据和大量计算的问题。

战争领域，这种数据驱动的认知方式同样存在。1935年3月20日，一位名叫雅各布的瑞士作家出于对纳粹的义愤，出版了一本名为《战斗情报》的书，向外界公开披露了德军的组织结构和编制实力，揭露了其扩军备战企图。德军调查后发现，《战斗情报》的全部材料都是从德国公开发行的报纸、丧葬讣闻甚至结婚启事上经过汇总分析得来的，没有任何人泄露军事秘密。再比如美国寻找本·拉登。2007年，“9·11”事件嫌犯曾提及本·拉登的联系人。2010年，美国依靠大数据关联分析技术和人类行为模型算法，通过对世界各地高级头目通信数据追踪分析，确认艾哈迈德为本·拉登与基地组织的唯一信使，然后经过对其联络和行动监视，终于获悉了本·拉登的藏匿地点。

三种认知方式相比，区别主要在于认知方法不同。感性认知主要依赖经验类比，理性认知主要依赖逻辑推理，数据驱动认知主要依赖关联分析。三者并不冲突，且互为补充。通过观察会发现，现阶段，感性认知和理性认知更适用于人类，它重点解决问题背后的深层次原因，有助于拓展人类的认知深度；而数据驱动认知更适用于机器，它重点解决问题本身，有助于辅助提升人类的认知能力。这种组合方式类似于人类大脑中直觉和理性的分工。直觉不追究原因，只提供方案，这也是人类决策的主要方式；理性喜欢“刨根问底”，分析问题背后的因果逻辑，但不如直觉的效率高。数据驱动认知就像是机器的“直觉”，不问前因后果，只管快速给出答案，但它对数据存储和运算能力的要求非常高。这也解答了“莫拉维克”悖论：理性思考算法复杂，却只需要较少的数据和算力；直觉算法简单，却需要极大的数据和算力。

生物进化史上，人类先进化出主要负责直觉的边缘系统，后进化出主要负责理性的前额叶皮层，而后者是人类区别于其他动物的主要特征。机器进化史上，目前机器的“直觉”已颇具雏形，可以预见，机器的“理性”也许会在不远的未来进化成形。届时，可能实现人的作战筹划与无人智能装备的战斗决策功能的分离。即，指挥员要专注于思考“打不打”“打到什么程度”“达成什么目的”，而具体的“打哪里”“如何打”“毁伤效果如何”等问题则交给智能化无人装备。这就意味着，未来机器的智能化程度对战争胜负的影响将越来越大。而“数据”和“算法”，分别代表驱动人工智能“直觉”和“理性”进化的核心要素，必将成为未来战争争夺“制智权”的主阵地。

（瞭望新时代网）