【前沿技术】美国陆军应用生成式人工智能系统的经验教训

简介

近期，美国陆军经验中心发布了一份《利用CamoGPT和NIPRGPT来提升军事作战效能》的报告，该报告研究了美国陆军目前正在使用的2款生成式人工智能系统，这些系统可彻底革新美国陆军的规划与作战流程，报告探讨了这些工具的优势与局限，并就美国陆军如何将其有效整合到军事规划与作战中提出了一些建议。

现代军事行动日益复杂，美国陆军正在开发并利用生成式人工智能系统来提升作战效能，CamoGPT和NIPRGPT正是具备变革陆军规划与作战方式潜力的工具。

1

美国陆军试用的生成式人工智能系统

NIPRGPT是美国空军在2024年6月推出的一款生成式人工智能聊天工具，由空军的Dark Saber项目团队负责开发和维护。它部署在国防部的非密网络NIPRNet上。NIPRGPT的设计初衷是运用GPT模型分析和生成文本，为规划与作战提供支持，帮助他们在非涉密环境下完成高频率、重复性强的工作。

NIPRGPT的功能包括：1）文书与总结，能快速生成会议纪要、简报、电子邮件草稿，以及对大量文档进行摘要生成和整理；2）代码辅助，提供程序编写、调试建议和数据分析支持，帮助技术部门加速研发任务；3）通用问答，类似商业大语言模型，但就军事应用场景进行了优化；4）安全访问，使用通用访问卡进行身份验证，确保用户来源可靠。

自上线以来，NIPRGPT在空军和部分联合部队中获得快速采用，被用于提高行政、技术和培训效率。但由于网络安全和数据治理方面的担忧，2025年4月，美国陆军在自己的网络内屏蔽了NIPRGPT，理由包括数据泄露风险、模型输出未经审查以及与陆军AI政策的不兼容。

CamoGPT是美国陆军人工智能集成中心（AI2C）于2024年6月开发的生成式AI系统。与NIPRGPT不同，CamoGPT完全由陆军团队本地部署，使用Meta LlaMA 3.3等开源模型进行微调，以确保数据控制和政策一致性。CamoGPT的目标是为士兵和指挥官提供一个专属的AI助手，适配陆军的训练、计划和行政需求。

CamoGPT的功能包括：1）训练资料管理，支持对大量训练手册和教案进行编辑、总结和去冗余处理；2）任务文书生成，可以快速生成行动命令、人员调动评估报告，显著降低了文书编写时间；3）查询与检索，支持文档库+语义检索模式，方便士兵在庞大的资料中快速定位所需信息。

目前已有超过4000名士兵和文职人员在日常工作中使用CamoGPT，反馈显示其能将原本需要数小时完成的文书任务缩短到数分钟。

2

人工智能模型的优势

美国陆军经验中心经过分析，认为将CamoGPT和NIPRGPT融入军事规划与行动可带来多重优势，主要包括：1）预测性维护，CamoGPT可分析维护记录以预测装备故障，优化保障运营；2）可利用NIPRGPT分析社交媒体活动，识别对手通信趋势；3）可应用CamoGPT优化补给车队路线，降低燃料消耗；4）可使用NIPRGPT分析比较拟定的行动方案。

为充分发挥CamoGPT和NIPRGPT的效能，美军必须精心设计有效的提示语来引导分析。一个优质的提示语应做到：1）清晰定义问题或任务，明确分析目标；2）提供相关背景信息，并包含影响分析的关键数据或信息；3）明确预期输出，阐明用户期望通过分析达成的目标或获得的知识；4）定义假设与约束，指明可能影响分析的限制条件。

美国陆军经验中心提供了以下作战功能提示语示例：

1)指挥与控制：分析我旅通信设备维护记录，识别未来30天作战期间可能影响指控能力的潜在故障点。提出维护优先级建议及减少停机时间的措施。

2)机动：为营级部队在山区实施机动接敌行动制定路线规划策略，需考虑地形限制、敌方活动及后勤因素。

3)情报：分析特定区域的社交媒体活动，识别可能预示对手计划或行动的通信趋势与异常，提出进一步调查方向及潜在行动方案建议。

4)火力：优化师级作战的弹药分配，识别火力打击的高价值目标，提出目标优先级排序及弹药分配建议，以最大化火力效能。

5)防护：分析旅级部队执行防御作战时的现有防护措施，识别潜在弱点。提出强化部队防护、减轻潜在威胁的建议。

3

人工智能模型的局限性

CamoGPT和NIPRGPT的输出必须始终由领域专家进行审查和验证，不可盲目信赖。这些人工智能模型存在固有局限，包括：1）缺乏人类判断力，模型依赖其训练数据中的模式和关联，但不具备人类的判断力或批判性思维能力；2）领域知识有限，尽管训练数据庞大，其知识仍局限于所提供的数据范围；3）存在偏见与错误风险，模型可能延续训练数据中存在的偏见或错误；4）缺少常识，模型通常不具备人类专家同等水平的常识或现实世界经验。

为克服这些局限，让领域专家审查和验证CamoGPT与NIPRGPT的响应至关重要，以确保信息的准确性、时效性以及与特定情境或应用的相关性。尽管CamoGPT和NIPRGPT优势显著，仍需注意其局限性与潜在风险：

1)数据质量与完整性：输入数据可能存在不完整或不准确问题，用户需确保数据质量以支撑可靠分析。

2)算法偏差：用户需警惕并设法减轻模型中可能存在的算法偏差。

3)网络安全：必须保护工具及其处理的数据免受网络威胁。

为降低风险，需采取以下措施：实施严格的数据验证与核实流程；定期更新并改进模型算法；部署强有力的网络安全措施保护工具及数据。

4

优化与整合生成式AI的策略

为有效整合CamoGPT和NIPRGPT至军事规划与行动，美国陆军经验中心建议采取以下步骤：

1)制定全面培训计划，确保指挥官及参谋人员充分理解生成式AI工具的能力与局限。

2)建立提示语开发框架，制定规范框架，指导如何撰写有效的分析提示语。

3)定期演练测试，在多样化军事场景中测试工具效能，识别改进点并优化使用方式。

4)持续监控与评估，定期评估工具性能，持续改进并优化其应用。

热点专题：ABMS｜无人自主系统｜联合全域指控｜城市作战

战略规划：发展规划｜条令条例｜智库报告

作战概念：马赛克战｜多域作战｜分布式杀伤

前沿技术：人工智能｜云计算｜大数据｜物联网｜区块链｜5G

系统装备：陆军｜海军｜空军｜太空军｜网络空间｜NC3｜防空反导｜后勤保障

空中交通：NextGen｜SESAR｜无人机