ChatGPT技術(shù)及其對(duì)軍事安全影響

摘要：OpenAI發(fā)布ChatGPT以來(lái)，引發(fā)了人類社會(huì)的巨大震蕩，產(chǎn)學(xué)研各界紛紛關(guān)注其技術(shù)實(shí)現(xiàn)，思考其技術(shù)局限性與應(yīng)用前景。首先，追溯了GPT家族模型發(fā)展歷程，分析了GPT家族模型網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)與訓(xùn)練過(guò)程改進(jìn)中的技術(shù)思想；然后，對(duì)ChatGPT的優(yōu)劣勢(shì)進(jìn)行分析，ChatGPT呈現(xiàn)出自然流暢、多輪交互、泛化能力強(qiáng)3大優(yōu)勢(shì)，但依然存在一定的技術(shù)局限性；最后，評(píng)估了ChatGPT給軍事安全帶來(lái)的挑戰(zhàn)，并提出應(yīng)對(duì)策略，涵蓋反生成式AI技術(shù)研究、網(wǎng)絡(luò)信息安全防御體系構(gòu)建、軍事智能輔助決策系統(tǒng)建設(shè)、軍事數(shù)據(jù)資源建設(shè)4個(gè)方面。

1、問(wèn)題的提出

從20世紀(jì)40年代開(kāi)始，人工智能（AI）引起學(xué)術(shù)界的廣泛關(guān)注。1997年，IBM的深藍(lán)系統(tǒng)擊敗了國(guó)際象棋冠軍Gary Kasparov。進(jìn)入21世紀(jì)以來(lái)，計(jì)算機(jī)技術(shù)快速發(fā)展，人工智能已經(jīng)開(kāi)始走進(jìn)人們生活，服務(wù)機(jī)器人、手機(jī)語(yǔ)音助手和云計(jì)算均在不同程度上使用了人工智能算法，在很多方面改善了人們生活品質(zhì)。2011年，IBM的沃森系統(tǒng)參加熱門(mén)問(wèn)答節(jié)目Jeopardy，擊敗人類選手Brad Rutter和Ken Jennings拿下第1名。2016年，ImageNet自動(dòng)標(biāo)注任務(wù)的錯(cuò)誤率從2010年的28%下降到低于3%，而人類水平約5%，谷歌DeepMind開(kāi)發(fā)的AlphaGo先后擊敗李世石、柯潔等人類圍棋冠軍，且后續(xù)的新版程序Zero對(duì)戰(zhàn)初代程序Go的戰(zhàn)績(jī)是100∶0。

同期，人工智能技術(shù)引起了各國(guó)領(lǐng)導(dǎo)人的重視，世界主要國(guó)家紛紛開(kāi)始謀劃在人工智能領(lǐng)域的戰(zhàn)略布局。2015年5月，中國(guó)政府推出《中國(guó)制造2025》，提出以推進(jìn)智能制造為主攻方向的指導(dǎo)思想，智能概念開(kāi)始進(jìn)入國(guó)家戰(zhàn)略。2016年8月，中國(guó)國(guó)務(wù)院發(fā)布《“十三五”國(guó)家科技創(chuàng)新規(guī)劃》，明確人工智能作為發(fā)展新一代信息技術(shù)的主要方向。2016年10月，白宮科技政策辦公室（OSTP）國(guó)家科學(xué)技術(shù)委員會(huì)（NSTC）發(fā)布《為人工智能的未來(lái)做準(zhǔn)備》以及《國(guó)家人工智能研究與發(fā)展戰(zhàn)略計(jì)劃》2份重要報(bào)告，正式將人工智能上升到國(guó)家戰(zhàn)略層面。2017年7月，中國(guó)國(guó)務(wù)院頒布《新一代人工智能發(fā)展規(guī)劃》，該計(jì)劃是所有國(guó)家人工智能戰(zhàn)略中最為全面的，包含了研發(fā)、工業(yè)化、人才發(fā)展、教育與職業(yè)培訓(xùn)、標(biāo)準(zhǔn)制定與法規(guī)以及道德規(guī)范與安全等各個(gè)方面的戰(zhàn)略。2017年10月，黨的十九大報(bào)告中提出堅(jiān)持走中國(guó)特色強(qiáng)軍之路，加快軍事智能武器發(fā)展，正式開(kāi)始了軍事領(lǐng)域人工智能技術(shù)的布局。近幾年，美、中、俄、法等國(guó)均持續(xù)發(fā)布人工智能、軍事智能的相關(guān)戰(zhàn)略規(guī)劃。2022年10月，黨的二十大報(bào)告中提出推動(dòng)戰(zhàn)略性新興產(chǎn)業(yè)融合集群發(fā)展，構(gòu)建新一代信息技術(shù)、人工智能和高端裝備等新的增長(zhǎng)引擎。2023年，兩會(huì)政府工作報(bào)告中提出要加快建設(shè)現(xiàn)代化產(chǎn)業(yè)體系，著力提升高端化、智能化和綠色化水平。人工智能技術(shù)的發(fā)展與應(yīng)用始終處于國(guó)家科技發(fā)展的排頭兵地位。 自然語(yǔ)言處理（NLP）是人工智能的一個(gè)重要分支，其目的是利用計(jì)算機(jī)對(duì)自然語(yǔ)言進(jìn)行智能化處理，讓機(jī)器能夠理解人類語(yǔ)言，用自然語(yǔ)言方式與人類交流，最終擁有智能。自然語(yǔ)言處理屬于認(rèn)知智能任務(wù)，且自然語(yǔ)言具有歧義性、抽象性、語(yǔ)義組合性、進(jìn)化性、非規(guī)范性、主觀性、知識(shí)性和難移植性等特點(diǎn)，因此自然語(yǔ)言處理需要更強(qiáng)的抽象和推理能力，相對(duì)于其他人工智能任務(wù)難度更高，被譽(yù)為“人工智能皇冠上的明珠”。 自然語(yǔ)言處理簡(jiǎn)要發(fā)展歷程如圖1所示，經(jīng)歷了依賴小規(guī)模專家知識(shí)的基于規(guī)則的數(shù)據(jù)處理、基于大規(guī)模語(yǔ)料庫(kù)統(tǒng)計(jì)模型的統(tǒng)計(jì)機(jī)器學(xué)習(xí)以及基于大規(guī)模語(yǔ)料庫(kù)神經(jīng)網(wǎng)絡(luò)的漫長(zhǎng)摸索后，Google于2017年發(fā)布論文，首次提出轉(zhuǎn)換器（Transformer）模型，完全拋棄了循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）等傳統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，而采用Attention機(jī)制來(lái)完成機(jī)器翻譯任務(wù)，不僅取得了很好效果，還大大縮短了訓(xùn)練時(shí)間，成為自然語(yǔ)言處理技術(shù)發(fā)展的重要里程碑，由此演化出3個(gè)技術(shù)分支。

圖1 自然語(yǔ)言處理簡(jiǎn)要發(fā)展歷程

谷歌基于自編碼語(yǔ)言模型和生成式語(yǔ)言模型2種技術(shù)思想，發(fā)展了其中2個(gè)技術(shù)分支。BERT為代表的自編碼語(yǔ)言模型展示了預(yù)訓(xùn)練語(yǔ)言模型對(duì)于自然語(yǔ)言理解任務(wù)的巨大潛力，在諸多任務(wù)中取得了突破性進(jìn)展，成為自然語(yǔ)言理解任務(wù)中的基準(zhǔn)模型。以T5為代表的生成式語(yǔ)言模型，將所有NLP任務(wù)都轉(zhuǎn)化成文本到文本（Text-to-Text）任務(wù)，適合給定上文然后生成相對(duì)固定的下文，更適用于翻譯、對(duì)聯(lián)生成等相對(duì)固定的任務(wù)。 Open AI采用生成式語(yǔ)言模型的技術(shù)思想，發(fā)展了GPT這一分支。GPT在生成新文字時(shí)，更重視附近單詞的影響，相對(duì)更有靈活性，2022年底，推出的ChatGPT能夠通過(guò)學(xué)習(xí)和理解人類語(yǔ)言進(jìn)行對(duì)話，還能根據(jù)聊天的上下文進(jìn)行互動(dòng)，真正像人類一樣聊天交流，甚至能完成撰寫(xiě)郵件、視頻腳本、文案、翻譯和代碼等任務(wù)，展示了預(yù)訓(xùn)練語(yǔ)言模型在語(yǔ)言生成任務(wù)中的潛力，NLP工具終于走出實(shí)驗(yàn)室，試水應(yīng)用，震驚了世界。 經(jīng)過(guò)上述技術(shù)革新的歷程，形成了圖2所示自然語(yǔ)言處理4范式。

圖2 自然語(yǔ)言處理4范式

1) 特征工程——非神經(jīng)網(wǎng)絡(luò)時(shí)代的完全監(jiān)督學(xué)習(xí)：由專家結(jié)合語(yǔ)言學(xué)知識(shí)和個(gè)人經(jīng)驗(yàn)提取出自然語(yǔ)言語(yǔ)料庫(kù)中一些特征，采用規(guī)則或統(tǒng)計(jì)學(xué)模型進(jìn)行特征匹配，進(jìn)而實(shí)現(xiàn)特定的NLP能力； 2) 架構(gòu)工程——基于神經(jīng)網(wǎng)絡(luò)的完全監(jiān)督學(xué)習(xí)：面向具體的自然語(yǔ)言處理任務(wù)，針對(duì)性構(gòu)建訓(xùn)練數(shù)據(jù)和算法以訓(xùn)練模型，由于訓(xùn)練數(shù)據(jù)是和任務(wù)嚴(yán)格綁定的，難以在不同任務(wù)間共享，因此訓(xùn)練數(shù)據(jù)的規(guī)模往往較小，算法性能嚴(yán)重受限，在面向產(chǎn)業(yè)界推廣時(shí)，需重新構(gòu)建訓(xùn)練數(shù)據(jù)，推廣難度較大； 3) 目標(biāo)工程——預(yù)訓(xùn)練模型＋微調(diào)：以BERT為代表的大規(guī)模預(yù)訓(xùn)練模型引領(lǐng)的范式，以在大規(guī)模未標(biāo)記數(shù)據(jù)上通過(guò)自監(jiān)督學(xué)習(xí)完成預(yù)訓(xùn)練的模型為基礎(chǔ)，在下游任務(wù)上使用少量人工標(biāo)記數(shù)據(jù)進(jìn)行微調(diào)，研發(fā)效率高、效果好，但在下游任務(wù)與預(yù)訓(xùn)練任務(wù)的語(yǔ)義差異過(guò)大時(shí)，效果較差，且微調(diào)樣本數(shù)量有限的情況下容易過(guò)擬合； 4) Prompt工程——預(yù)訓(xùn)練模型+提示+預(yù)測(cè)：GPT-3引領(lǐng)的新范式，建立在大規(guī)模預(yù)訓(xùn)練模型已經(jīng)學(xué)習(xí)到足夠的知識(shí)、無(wú)需改造的假設(shè)上，對(duì)下游任務(wù)進(jìn)行改造，采用提示學(xué)習(xí)的方法，將下游任務(wù)的輸入輸出形式改造成適合預(yù)訓(xùn)練模型的樣子，從而使預(yù)訓(xùn)練模型能夠在不同任務(wù)上取得很好的效果，形成零樣本、少樣本泛化能力，并且隨著模型規(guī)模的增大，性能提升的數(shù)量級(jí)基本呈現(xiàn)線性增長(zhǎng)，打破了原有范式下模型規(guī)模增大、性能飽和的瓶頸。 近年來(lái)，目標(biāo)工程范式在自然語(yǔ)言處理的學(xué)術(shù)研究與產(chǎn)業(yè)落地中發(fā)揮了巨大作用，Prompt工程范式以學(xué)術(shù)研究為主，但隨著ChatGPT的橫空出世，Prompt工程范式儼然成為人工智能領(lǐng)域關(guān)注的焦點(diǎn)。目標(biāo)工程范式、Prompt范式均采用了大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型，能夠有效利用自監(jiān)督任務(wù)從大量語(yǔ)料學(xué)習(xí)得到語(yǔ)言中蘊(yùn)含的大量隱性、多層次的知識(shí)，基于Transformer的模型結(jié)構(gòu)使其可以支撐各種NLP任務(wù)，統(tǒng)一范式下形成了即插即用的效果，呈現(xiàn)出顯著的基礎(chǔ)設(shè)施效應(yīng)，通過(guò)微調(diào)、提示適配下游任務(wù)，從而有效遷移至產(chǎn)業(yè)化應(yīng)用中。 ChatGPT引起各行各業(yè)空前的熱度，數(shù)億用戶紛紛驚嘆于其強(qiáng)大功能，思考其背后關(guān)鍵技術(shù)革新，也關(guān)注當(dāng)前 ChatGPT仍存在哪些缺陷。本文以此為出發(fā)點(diǎn)，對(duì)ChatGPT的關(guān)鍵技術(shù)原理進(jìn)行闡述，分析其優(yōu)劣勢(shì)，研究其應(yīng)用于軍事領(lǐng)域的可能性，評(píng)估給我國(guó)軍事安全帶來(lái)的風(fēng)險(xiǎn)與挑戰(zhàn)，并提出應(yīng)對(duì)思路。

2、ChatGPT技術(shù)原理

2.1 GPT家族模型發(fā)展歷程

GPT家族模型發(fā)展歷程如圖3所示。

圖3 GPT家族模型發(fā)展歷程

2018年6月，OpenAI發(fā)布論文，首次提出GPT模型，并推出了具有1.17億個(gè)參數(shù)的GPT-1模型。GPT采用2階段過(guò)程：第1階段是利用語(yǔ)言模型進(jìn)行預(yù)訓(xùn)練；第2階段通過(guò)微調(diào)的模式解決下游任務(wù)。第1階段的預(yù)訓(xùn)練過(guò)程：特征提?。‥mbedding）→轉(zhuǎn)換（Transformer）→文本生成。第2階段是微調(diào)過(guò)程，具體為：1) 對(duì)于不同的下游任務(wù)，把任務(wù)的網(wǎng)絡(luò)結(jié)構(gòu)改造成與GPT-1網(wǎng)絡(luò)結(jié)構(gòu)一致；2) 做下游任務(wù)時(shí)，利用第1階段預(yù)訓(xùn)練好的參數(shù)初始化GPT-1的網(wǎng)絡(luò)結(jié)構(gòu)，從而引入預(yù)訓(xùn)練學(xué)到的語(yǔ)言學(xué)知識(shí)；3) 使用任務(wù)去訓(xùn)練這個(gè)網(wǎng)絡(luò)，對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行微調(diào)，使該網(wǎng)絡(luò)更適合解決下游任務(wù)。GPT微調(diào)階段示意圖如圖4所示。

圖4 GPT微調(diào)階段示意圖

2019年2月，OpenAI發(fā)布論文，提出GPT-2模型，該模型具有15億個(gè)參數(shù)。2020年5月，OpenAI發(fā)布論文，提出GPT-3模型，該模型具有1 750億個(gè)參數(shù)。GPT-3與GPT-1、GPT-2相比，模型架構(gòu)沒(méi)有本質(zhì)區(qū)別，主要是模型參數(shù)、訓(xùn)練數(shù)據(jù)規(guī)模有了大幅提升。GPT-3.5是基于GPT-3演變的模型集合，最大區(qū)別是訓(xùn)練過(guò)程不一樣，GPT-3.5的訓(xùn)練始自“純代碼完成任務(wù)”，再加入文本訓(xùn)練，可理解為先對(duì)模型進(jìn)行嚴(yán)格的形式邏輯訓(xùn)練，再對(duì)大規(guī)模文本進(jìn)行訓(xùn)練，就如同先教會(huì)學(xué)生形式邏輯，再教會(huì)這些邏輯在現(xiàn)實(shí)中各種應(yīng)用。 從GPT-1到GPT-3.5可以發(fā)現(xiàn)，更大的語(yǔ)言模型雖然有了更強(qiáng)的語(yǔ)言理解和生成能力，但不能從本質(zhì)上使它們更好地遵循或理解用戶的指令意圖。例如，大型語(yǔ)言模型可能會(huì)生成不真實(shí)、有害或?qū)τ脩魶](méi)有幫助的輸出，原因在于這些語(yǔ)言模型預(yù)測(cè)下一個(gè)單詞的訓(xùn)練目標(biāo)與用戶目標(biāo)意圖是不一致的。2022年2月底，OpenAI發(fā)布論文，推出了基于GPT-3模型進(jìn)一步微調(diào)的InstructGPT模型。2022年底發(fā)布的ChatGPT與InstructGPT僅數(shù)據(jù)采集方式存在差異，模型結(jié)構(gòu)、訓(xùn)練方式一致，都引入了人工標(biāo)注和反饋，使用強(qiáng)化學(xué)習(xí)算法對(duì)語(yǔ)言模型進(jìn)行微調(diào)。2023年3月，OpenAI發(fā)布了GPT-4，支持的任務(wù)與ChatGPT類似，但準(zhǔn)確性大幅提升，并具備識(shí)圖能力，目前尚未公開(kāi)技術(shù)細(xì)節(jié)。

2.2 ChatGPT訓(xùn)練過(guò)程

ChatGPT訓(xùn)練中，使用了人類反饋進(jìn)行強(qiáng)化學(xué)習(xí)訓(xùn)練，其目的是：1) 讓語(yǔ)言模型學(xué)會(huì)理解人類指令的含義，如文本生成類問(wèn)題、知識(shí)回答類問(wèn)題等不同類型命令；2) 讓語(yǔ)言模型學(xué)會(huì)判斷對(duì)于給定的指令，什么樣的答案輸出是優(yōu)質(zhì)的，如富含信息、內(nèi)容豐富、對(duì)用戶有幫助、無(wú)害、不包含歧視信息等多種標(biāo)準(zhǔn)，從而在各種任務(wù)上使語(yǔ)言模型與用戶的意圖保持一致，輸出人類想要的內(nèi)容。結(jié)合InstructGPT論文以及Hugging Face對(duì)基于人類反饋的強(qiáng)化學(xué)習(xí)（RLHF）算法的解讀，來(lái)推斷ChatGPT的訓(xùn)練過(guò)程，圖5 為訓(xùn)練過(guò)程原理圖，模型訓(xùn)練分為3步。

圖5 ChatGPT訓(xùn)練過(guò)程原理圖

3) 使用PPO強(qiáng)化學(xué)習(xí)算法，根據(jù)獎(jiǎng)勵(lì)模型微調(diào)語(yǔ)言模型，使模型具備生成更加精確、豐富和無(wú)害內(nèi)容的能力。 采用PPO強(qiáng)化學(xué)習(xí)算法來(lái)不斷增強(qiáng)預(yù)訓(xùn)練模型的能力，利用SFT模型初始化PPO中策略，并微調(diào)優(yōu)化SFT模型。該階段無(wú)需人工標(biāo)注數(shù)據(jù)，從prompt數(shù)據(jù)集中隨機(jī)采樣一批新的prompts，使用PPO模型生成回答answers，并用RM模型給出的獎(jiǎng)勵(lì)分?jǐn)?shù)，這個(gè)獎(jiǎng)勵(lì)分?jǐn)?shù)就是RM賦予給整個(gè)回答（token序列）的整體reward。將每個(gè)token視作一個(gè)時(shí)間步，將reward由后往前依次傳遞，由此產(chǎn)生的policy梯度可更新PPO模型參數(shù)。該強(qiáng)化學(xué)習(xí)過(guò)程可以訓(xùn)練policy產(chǎn)生高reward的答案，即產(chǎn)生符合RM標(biāo)準(zhǔn)的高質(zhì)量回答。 上述訓(xùn)練方法使得ChatGPT強(qiáng)大的原因在于以下3點(diǎn)： 1) 大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型提供知識(shí)基礎(chǔ)。ChatGPT是在GPT-3.5模型基礎(chǔ)上進(jìn)一步微調(diào)獲得的，GPT-3.5通過(guò)大規(guī)模文本語(yǔ)料學(xué)習(xí)到豐富的知識(shí)并擁有強(qiáng)大的語(yǔ)言理解和生成能力。 2) 多樣化且高質(zhì)量的人工標(biāo)注數(shù)據(jù)集。OpenAI設(shè)置了諸多標(biāo)準(zhǔn)和測(cè)試篩選合適的數(shù)據(jù)標(biāo)注人員，讓這些標(biāo)注人員撰寫(xiě)或標(biāo)注訓(xùn)練模型的數(shù)據(jù)，這些精標(biāo)的數(shù)據(jù)涉及問(wèn)答、生成和頭腦風(fēng)暴等多種類型任務(wù)，標(biāo)注的數(shù)據(jù)多樣化、內(nèi)容豐富且質(zhì)量高，使得ChatGPT能夠?qū)崿F(xiàn)有效高質(zhì)量的學(xué)習(xí)。 3) 人類反饋的強(qiáng)化學(xué)習(xí)算法的使用。使用強(qiáng)化學(xué)習(xí)的方法直接優(yōu)化帶有人類反饋的語(yǔ)言模型，強(qiáng)化學(xué)習(xí)使得語(yǔ)言模型在已有的知識(shí)和信息基礎(chǔ)上不斷理解用戶的意圖、學(xué)習(xí)用戶的偏好，同時(shí)合理調(diào)整自身的輸出。

3、ChatGPT優(yōu)劣勢(shì)分析

ChatGPT是基于大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型構(gòu)建的聊天機(jī)器人，能夠通過(guò)對(duì)話形式提供文本生成、代碼生成和翻譯等能力，因此，本章將其與現(xiàn)有的其他聊天機(jī)器人、大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型、任務(wù)定制微調(diào)模型進(jìn)行對(duì)比。ChatGPT呈現(xiàn)出自然流暢、多輪交互和泛化能力強(qiáng)3大優(yōu)勢(shì)，但從AI研發(fā)的算力、算法和算據(jù)3要素的角度出發(fā)，ChatGPT依然存在一定的技術(shù)局限性，導(dǎo)致其存在知識(shí)難以更新、專業(yè)領(lǐng)域能力欠缺等問(wèn)題。

3.1 優(yōu)勢(shì)分析

1) 打破了聊天機(jī)器人“人工智障”的固有印象，溝通自然流暢。微軟小冰和天貓精靈等人們經(jīng)常接觸的聊天機(jī)器人，以面向搜索、播放音樂(lè)和調(diào)控智能設(shè)備等任務(wù)為主，在使用中可以發(fā)現(xiàn)對(duì)任務(wù)的描述比較刻板，背后采用了基于規(guī)則模板的API進(jìn)行輔助，基于語(yǔ)言模型的開(kāi)放式交談娛樂(lè)的效果普遍較差，導(dǎo)致人們形成了聊天機(jī)器人是“人工智障”的印象。與這些常見(jiàn)的聊天機(jī)器人相比，ChatGPT得益于大模型+指令微調(diào)的技術(shù)優(yōu)勢(shì)，回答更準(zhǔn)確，答案更流暢，與人類的交互更加自然。 2) 打破了大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型作為底層工具的思維定勢(shì)，支持持續(xù)交互。BERT和PLUG等大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型，均基于“預(yù)訓(xùn)練模型＋微調(diào)”的研發(fā)范式進(jìn)行應(yīng)用，AI頭部企業(yè)基于大規(guī)模數(shù)據(jù)訓(xùn)練生成大規(guī)模預(yù)訓(xùn)練模型后，NLP產(chǎn)學(xué)研人員在任務(wù)中使用這些模型，結(jié)合任務(wù)進(jìn)行微調(diào)，預(yù)訓(xùn)練模型只作為語(yǔ)義嵌入的工具進(jìn)行使用，不存在交互的過(guò)程。而ChatGPT在指令微調(diào)階段中使用了大量的多輪對(duì)話數(shù)據(jù)，從而具備了建模對(duì)話歷史的能力，能持續(xù)和用戶交互，基于人類反饋的強(qiáng)化學(xué)習(xí)機(jī)制，使其輸出的結(jié)果更符合人類預(yù)期，從而形成了拒絕不當(dāng)問(wèn)題、承認(rèn)無(wú)知等獨(dú)有能力。 3) 打破了面向特定任務(wù)微調(diào)的研發(fā)范式，泛化能力強(qiáng)。在ChatGPT之前，普遍采用的目標(biāo)工程研發(fā)范式，導(dǎo)致微調(diào)得到的小模型只能針對(duì)特定任務(wù)輸出能力，例如可以寫(xiě)詩(shī)的模型不能支持翻譯。ChatGPT引領(lǐng)的Prompt工程范式，通過(guò)提示學(xué)習(xí)激發(fā)出模型的泛化能力，使得模型在零樣本、少樣本場(chǎng)景下具有顯著優(yōu)勢(shì)。

3.2 劣勢(shì)分析

盡管ChatGPT在實(shí)際使用中表現(xiàn)驚艷，然而從算力、算法和算據(jù)角度出發(fā)，分析其技術(shù)局限性，依然能夠發(fā)現(xiàn)其存在的諸多劣勢(shì)。 1) 大規(guī)模模型訓(xùn)練對(duì)算力要求極高，構(gòu)建和使用成本高。ChatGPT的算力基礎(chǔ)設(shè)施由28.5萬(wàn)個(gè)CPU和上萬(wàn)顆英偉達(dá)A100構(gòu)成，業(yè)內(nèi)測(cè)算基礎(chǔ)硬件至少需花費(fèi)10億元，一次模型訓(xùn)練花費(fèi)超過(guò)8 000萬(wàn)元，重訓(xùn)練一次需2 700萬(wàn)元。在應(yīng)用時(shí)仍然需要大算力的服務(wù)器支持，而這些服務(wù)器的成本是普通用戶無(wú)法承受的，即便數(shù)十億個(gè)參數(shù)的模型也需要驚人數(shù)量的計(jì)算資源才能運(yùn)行和訓(xùn)練。如果面向真實(shí)搜索引擎的數(shù)以億計(jì)的用戶請(qǐng)求，如采取目前通行的免費(fèi)策略，任何企業(yè)均難以承受這一成本。因此對(duì)于普通大眾來(lái)說(shuō)，還需等待更輕量型的模型或更高性價(jià)比的算力平臺(tái)。 2) 大規(guī)模模型的通用局限性依然存在，穩(wěn)定性、準(zhǔn)確性、專業(yè)性和時(shí)效性難以保證。 a) 無(wú)法掌握分解內(nèi)在算法邏輯。ChatGPT仍然是黑盒模型，目前還未能對(duì)ChatGPT的內(nèi)在算法邏輯進(jìn)行分解，因此并不能保證ChatGPT不會(huì)產(chǎn)生攻擊甚至傷害用戶的表述，每次的生成結(jié)果均會(huì)有細(xì)微的不同。ChatGPT對(duì)輸入敏感，對(duì)于某個(gè)指令可能回答不正確，但換個(gè)表述方式重新提問(wèn)，又可以回答正確，目前還不夠穩(wěn)定。 b) 在未經(jīng)大量語(yǔ)料訓(xùn)練的領(lǐng)域能力欠缺。ChatGPT在其未經(jīng)大量語(yǔ)料訓(xùn)練的領(lǐng)域缺乏“人類常識(shí)”和引申能力，甚至?xí)槐菊?jīng)的“胡說(shuō)八道”。ChatGPT在很多領(lǐng)域可以“創(chuàng)造答案”，但當(dāng)用戶尋求正確答案時(shí)，又可能給出有誤導(dǎo)的回答。例如，讓ChatGPT做一道小學(xué)應(yīng)用題，盡管它可以寫(xiě)出一長(zhǎng)串計(jì)算過(guò)程，但最后答案卻是錯(cuò)誤的。 c) 無(wú)法處理復(fù)雜冗長(zhǎng)或者特別專業(yè)的語(yǔ)言結(jié)構(gòu)。對(duì)于來(lái)自金融、自然科學(xué)或醫(yī)學(xué)等非常專業(yè)領(lǐng)域的問(wèn)題，如果沒(méi)有進(jìn)行足夠的語(yǔ)料“喂食”，ChatGPT可能無(wú)法生成適當(dāng)?shù)幕卮稹?d) 作為通用模型，在特定任務(wù)下與專業(yè)化模型相比并不具備優(yōu)勢(shì)。例如，翻譯能力不如專業(yè)的翻譯工具，騰訊AI實(shí)驗(yàn)室發(fā)布的評(píng)測(cè)結(jié)果說(shuō)明，ChatGPT相比于Google Translate，BLEU值低5個(gè)點(diǎn)。 e) 無(wú)法實(shí)時(shí)吸納學(xué)習(xí)新知識(shí)。ChatGPT還無(wú)法在線納入新知識(shí)，而出現(xiàn)一些新知識(shí)就去重新預(yù)訓(xùn)練GPT模型也是不現(xiàn)實(shí)的，無(wú)論是訓(xùn)練時(shí)間還是訓(xùn)練成本，都是普通訓(xùn)練者難以接受的。如果對(duì)于新知識(shí)采取在線訓(xùn)練模式，看上去可行且語(yǔ)料成本相對(duì)較低，但很容易出現(xiàn)因引入新數(shù)據(jù)而對(duì)原有知識(shí)災(zāi)難性遺忘的問(wèn)題。 3) 訓(xùn)練數(shù)據(jù)規(guī)模大，無(wú)法徹底清洗，偏見(jiàn)性難以避免。ChatGPT是基于約45 TB現(xiàn)實(shí)世界的語(yǔ)言數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，再使用12.2萬(wàn)余條標(biāo)注人員提供的標(biāo)注數(shù)據(jù)進(jìn)行RLHF，現(xiàn)實(shí)世界的語(yǔ)言數(shù)據(jù)中必然存在種族歧視和政治傾向等偏見(jiàn)性，標(biāo)注人員必然有其偏好，例如傾向于更長(zhǎng)的答案等，導(dǎo)致ChatGPT可能生成有害內(nèi)容，或者生成啰嗦冗長(zhǎng)的結(jié)果等。

4、ChatGPT對(duì)軍事安全的挑戰(zhàn)與應(yīng)對(duì)策略

ChatGPT采用的生成式方法以及在人機(jī)對(duì)話中展現(xiàn)的驚人效果，引發(fā)了AIGC（利用人工智能技術(shù)來(lái)生成內(nèi)容）產(chǎn)業(yè)鏈的重點(diǎn)關(guān)注，例如，Bing借助ChatGPT提升搜索效果，對(duì)常年在搜索領(lǐng)域遙遙領(lǐng)先的Google帶來(lái)了巨大沖擊，數(shù)字媒體公司BuzzFeed將依靠ChatGPT來(lái)加強(qiáng)部分內(nèi)容創(chuàng)作，微軟宣布將ChatGPT整合進(jìn)Office。同時(shí)，ChatGPT也引起了軍事智能領(lǐng)域的重視，本章重點(diǎn)評(píng)估其給軍事安全帶來(lái)的挑戰(zhàn)，并分析可采取的應(yīng)對(duì)策略。

4.1 ChatGPT給軍事安全帶來(lái)的挑戰(zhàn)

目前ChatGPT的核心技術(shù)完全掌握在美國(guó)的OpenAI手中，尚沒(méi)有其他公司能夠復(fù)現(xiàn)，根據(jù)ChatGPT展現(xiàn)的技術(shù)能力，其在軍事方面的助力可能覆蓋信息搜索、情報(bào)偵察、認(rèn)知域作戰(zhàn)、網(wǎng)絡(luò)攻防和產(chǎn)業(yè)基礎(chǔ)等多個(gè)維度，從這些維度出發(fā)，分析外軍應(yīng)用ChatGPT可能達(dá)成的能力以及對(duì)我國(guó)軍事安全帶來(lái)的挑戰(zhàn)。ChatGPT應(yīng)用示例如圖6所示。

圖6 ChatGPT應(yīng)用示例

1) 信息搜索：ChatGPT軍事應(yīng)用提高了關(guān)鍵信息獲取能力、態(tài)勢(shì)認(rèn)知效率與我軍形成落差。通過(guò)ChatGPT模型與搜索引擎的結(jié)合，使用傳統(tǒng)搜索引擎的技術(shù)方案，彌補(bǔ)了ChatGPT知識(shí)難以更新的劣勢(shì)；采用ChatGPT的交互形式，顛覆了現(xiàn)有的基于“文本框+網(wǎng)頁(yè)鏈接”的交互方式和內(nèi)容獲取方式，用戶可直接獲取模型歸納好的答案。如圖6(a)所示，對(duì)模型提問(wèn)各國(guó)高超聲速武器發(fā)展情況，模型直接提供了歸納好的結(jié)果，節(jié)約了信息閱讀理解和整理的時(shí)間，并且能夠通過(guò)追問(wèn)、引導(dǎo)式對(duì)話方式，讓搜索引擎更充分理解用戶意圖，逐步聚焦用戶關(guān)注，從而使搜索結(jié)果更滿足用戶快速獲取關(guān)鍵信息的需求。 2) 情報(bào)偵察：ChatGPT軍事應(yīng)用模型提供者掌握交互信息，加大了我軍高價(jià)值情報(bào)泄露的風(fēng)險(xiǎn)。ChatGPT中隱含大量開(kāi)源情報(bào)，通過(guò)對(duì)ChatGPT進(jìn)行誘導(dǎo)式提問(wèn)，有望從模型中萃取出高價(jià)值信息。相應(yīng)地，因?yàn)橛脩粼谑褂肅hatGPT應(yīng)用時(shí)需要與之進(jìn)行對(duì)話，對(duì)話過(guò)程也是不斷向ChatGPT輸入信息的過(guò)程，用戶輸入的對(duì)話信息越多，收集到用戶的各種特征越多，就越容易被人工智能進(jìn)行畫(huà)像，如性別、年齡和地域等自然特征，興趣愛(ài)好、品牌偏好和產(chǎn)品偏好等興趣特征，以及婚姻情況和社交情況等社會(huì)特征等。ChatGPT模型的提供者可以從用戶交互記錄中提取用戶的自然屬性、社會(huì)屬性、興趣偏好和意識(shí)形態(tài)等各種特征，生成用戶畫(huà)像，當(dāng)用戶是軍事領(lǐng)域人員時(shí)，通過(guò)對(duì)話誘導(dǎo)和黑客技術(shù)等方式獲取用戶保存在自己設(shè)備上的涉密信息，可實(shí)現(xiàn)情報(bào)收集。 3) 認(rèn)知域作戰(zhàn)：ChatGPT軍事應(yīng)用輔助生成言論對(duì)我民眾發(fā)起傾向性認(rèn)知塑造。美國(guó)休斯敦大學(xué)法律中心助理教授尼古拉斯?古根伯格等指出，類似ChatGPT這樣的人工智能能夠針對(duì)任何事產(chǎn)生無(wú)限的、近乎免費(fèi)的“觀點(diǎn)”。這些觀點(diǎn)將影響網(wǎng)絡(luò)上的各類活動(dòng)，網(wǎng)絡(luò)用戶無(wú)法知曉在網(wǎng)絡(luò)上與之交流的是否為真實(shí)人類。清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系黃民烈教授表示“ChatGPT已經(jīng)超出了80%甚至90%人的對(duì)話能力”。所以，ChatGPT及類似的人工智能與之前的網(wǎng)絡(luò)水軍機(jī)器人不同之處在于，它們無(wú)需發(fā)送那種幾乎相同的復(fù)制、粘貼的觀點(diǎn)，但可以模仿人類，針對(duì)各種主題產(chǎn)生無(wú)限的具有連貫性和細(xì)微差別的個(gè)性化內(nèi)容，而且它們不僅會(huì)主動(dòng)發(fā)帖，還會(huì)對(duì)其他用戶的帖子做出回應(yīng)，并展開(kāi)長(zhǎng)期對(duì)話。因此，基于ChatGPT的社交機(jī)器人在被灌輸了人設(shè)、立場(chǎng)和傾向后，能夠隱身互聯(lián)網(wǎng)中，成為認(rèn)知塑造工具，比傳統(tǒng)網(wǎng)絡(luò)水軍更具影響力、隱蔽性，掌握此項(xiàng)能力的一方將占據(jù)認(rèn)知域作戰(zhàn)的優(yōu)勢(shì)地位。下面以美國(guó)擊落中國(guó)民用氣球、新冠起源為例說(shuō)明。如圖6(c)所示，當(dāng)詢問(wèn)ChatGPT“中國(guó)的民用氣球飄到美國(guó)時(shí)，美國(guó)可不可以將其擊落？”，其回答“可以”；當(dāng)詢問(wèn)“美國(guó)的民用氣球飄到中國(guó)時(shí)，中國(guó)能否將其擊落？”，其回答變成了“不可以”。如圖6(d)所示，當(dāng)詢問(wèn)新冠病毒是否起源于日本或美國(guó)，其回答“不是”；但將詢問(wèn)對(duì)象換成中國(guó)后，ChatGPT卻給出了肯定的答復(fù)。GPT-4.0實(shí)現(xiàn)了圖文多模態(tài)能力，甚至結(jié)合OpenAI在圖像和音頻生成方面的成果，在認(rèn)知域作戰(zhàn)上的影響力會(huì)進(jìn)一步提升。 4) 網(wǎng)絡(luò)攻防：ChatGPT軍事應(yīng)用豐富了新樣式、新手段，我軍將面臨高強(qiáng)度、高密度的網(wǎng)絡(luò)攻擊。清華大學(xué)新聞學(xué)院教授、新媒體研究中心主任沈陽(yáng)認(rèn)為，ChatGPT是2022年一項(xiàng)重大技術(shù)突破，這種突破是滲透性、普適性的技術(shù)，它實(shí)現(xiàn)了文理交叉，不僅能說(shuō)話，而且會(huì)編碼。安全公司Check Point Research警告稱，ChatGPT生成代碼提高工作效率的能力也給黑客打開(kāi)了新世界的大門(mén)，讓他們能夠更為便捷地設(shè)計(jì)、編寫(xiě)和執(zhí)行惡意代碼。黑莓公司發(fā)布的一份報(bào)告調(diào)查了英國(guó)500名IT行業(yè)從業(yè)者對(duì)ChatGPT的看法，發(fā)現(xiàn)76%的人認(rèn)為，外國(guó)已經(jīng)在針對(duì)其他國(guó)家的網(wǎng)絡(luò)戰(zhàn)爭(zhēng)中使用ChatGPT，48%的人認(rèn)為，2023年將會(huì)出現(xiàn)有人惡意使用ChatGPT進(jìn)行“成功”的網(wǎng)絡(luò)攻擊。黑客能夠借助ChatGPT的自然語(yǔ)言和代碼生成能力，快速設(shè)計(jì)和開(kāi)發(fā)惡意代碼，制作網(wǎng)絡(luò)釣魚(yú)電子郵件，其工作效率提升將改變網(wǎng)絡(luò)攻防的強(qiáng)度和密度。 5) 輔助決策：ChatGPT軍事應(yīng)用可構(gòu)造指揮控制（指控）領(lǐng)域一體化大模型，外軍作戰(zhàn)決策效率將大幅提升。基于Transformer的基礎(chǔ)大模型不僅可以生成內(nèi)容，還可以擴(kuò)展到態(tài)勢(shì)預(yù)測(cè)和行動(dòng)控制等領(lǐng)域應(yīng)用。2022年DeepMind推出的“通才（Gato）”就是基于統(tǒng)一Transformer架構(gòu)的智能體，可執(zhí)行600多種任務(wù)，包括操作真實(shí)機(jī)器人手臂疊塊、玩游戲機(jī)等復(fù)雜任務(wù)?？梢灶A(yù)見(jiàn)，構(gòu)建指控領(lǐng)域一體化大模型，有望賦能態(tài)勢(shì)認(rèn)知、決策制定和行動(dòng)控制等指揮任務(wù)。 6) 產(chǎn)業(yè)基礎(chǔ)：ChatGPT軍事應(yīng)用可實(shí)現(xiàn)代碼自動(dòng)生成、修正與解答，使得外軍智能化研發(fā)提速。在代碼生成方面，能夠根據(jù)自然語(yǔ)言描述自動(dòng)生成具有指定功能的Java、Python、C和C++等多語(yǔ)種代碼，如圖6(b)所示，ChatGPT能夠按照指定編程語(yǔ)言和功能要求生成代碼，開(kāi)發(fā)者可以直接使用或基于生成的代碼修改，避免簡(jiǎn)單重復(fù)工作；在代碼修正方面，可對(duì)常見(jiàn)語(yǔ)法和邏輯錯(cuò)誤提出修改建議，提升了調(diào)試效率；在問(wèn)題解答方面，可對(duì)遇到的問(wèn)題提供解決思路，可應(yīng)用于方案設(shè)計(jì)或技術(shù)研發(fā)。 在人類的軍事史上，經(jīng)歷過(guò)強(qiáng)調(diào)能量的焦耳戰(zhàn)和信息賦能的比特戰(zhàn)，目前看來(lái)，未來(lái)極有可能進(jìn)入以人工智能為戰(zhàn)斗力衡量標(biāo)準(zhǔn)的智能戰(zhàn)。ChatGPT引發(fā)人們對(duì)于人工智能已經(jīng)出現(xiàn)奇點(diǎn)的討論，一旦出現(xiàn)以ChatGPT或類似程序廣泛應(yīng)用為標(biāo)志的網(wǎng)絡(luò)戰(zhàn)向智能化升級(jí)，人類戰(zhàn)爭(zhēng)維度也將進(jìn)入新階段。

4.2 軍事安全領(lǐng)域應(yīng)對(duì)策略

目前國(guó)內(nèi)百度、字節(jié)跳動(dòng)和網(wǎng)易等公司已有相關(guān)技術(shù)積累和布局，但從技術(shù)能力上，國(guó)內(nèi)專家判斷落后ChatGPT約2~3年。軍工領(lǐng)域方面，雖然相關(guān)企業(yè)在自然語(yǔ)言處理技術(shù)方面有所積累，但相關(guān)模型和功能與業(yè)界相比差距較大。目前我國(guó)面臨著多個(gè)方向的外部威脅，東海問(wèn)題、臺(tái)海問(wèn)題、南海問(wèn)題和中印邊境問(wèn)題都有可能引來(lái)美國(guó)的介入和搗亂。在和平時(shí)期，美國(guó)很有可能通過(guò)對(duì)華認(rèn)知戰(zhàn)、網(wǎng)絡(luò)攻防戰(zhàn)，影響我國(guó)的正常決策和行動(dòng)。在戰(zhàn)時(shí)，除了對(duì)我國(guó)合理、合法的軍事行動(dòng)進(jìn)行抹黑外，還有可能通過(guò)制造大量的假信息，試圖對(duì)我國(guó)的正常軍事行動(dòng)產(chǎn)生破壞和干擾。在存在技術(shù)代差的情況下，如何應(yīng)對(duì)上述挑戰(zhàn)是守衛(wèi)國(guó)家軍事安全的關(guān)鍵。 1) 加強(qiáng)反生成式AI技術(shù)研究，破除、營(yíng)造“戰(zhàn)場(chǎng)迷霧”。針對(duì)ChatGPT及類似模型生成的文本、圖像和音視頻等數(shù)據(jù)，研究機(jī)器生成內(nèi)容檢測(cè)方法，形成類似于DetectGPT（用于檢測(cè)AI生成文本的GPT）的內(nèi)容檢測(cè)能力，用AI來(lái)反AI以破除敵方對(duì)我方的“戰(zhàn)場(chǎng)迷霧”。同時(shí)，研究偽數(shù)據(jù)生成方法，通過(guò)與敵方AI交流，對(duì)其灌輸大量干擾性、欺騙性信息，營(yíng)造的“戰(zhàn)場(chǎng)迷霧”達(dá)到一定數(shù)據(jù)規(guī)模時(shí)，能夠?qū)崿F(xiàn)為敵方AI“降智”的效果。 2) 加強(qiáng)網(wǎng)絡(luò)信息安全防御體系，提高網(wǎng)絡(luò)防御響應(yīng)能力。針對(duì)ChatGPT及類似模型可能帶來(lái)的高強(qiáng)度、高密度網(wǎng)絡(luò)攻擊，研究基于人工智能大數(shù)據(jù)分析的網(wǎng)絡(luò)防御技術(shù)，提高網(wǎng)絡(luò)攻擊監(jiān)測(cè)、處置等響應(yīng)能力。一方面，可以使用硬件虛化、主成分分析和間隔采樣，提高安全信息防御體系中數(shù)據(jù)采集、存儲(chǔ)、傳輸和交互的速度以及數(shù)據(jù)有效性，提高系統(tǒng)的靈活性和反應(yīng)速度，提升網(wǎng)絡(luò)入侵者有所行動(dòng)后防御體系的響應(yīng)速度。另一方面，對(duì)網(wǎng)絡(luò)入侵行為進(jìn)行分類統(tǒng)計(jì)，篩選出不同類型及其典型案例，提取具有較高普適性的特征來(lái)識(shí)別網(wǎng)絡(luò)入侵行為，在具備很好響應(yīng)速度的同時(shí)，確保監(jiān)控到入侵行為。結(jié)合監(jiān)測(cè)模塊和響應(yīng)模塊，在監(jiān)測(cè)到網(wǎng)絡(luò)入侵的同時(shí)，快速定位病毒，根據(jù)病毒的危害程度給予用戶更多的信息，進(jìn)而能夠根據(jù)現(xiàn)實(shí)情況適當(dāng)?shù)夭扇∵M(jìn)一步措施，降低損失。 3) 加強(qiáng)軍事智能輔助決策系統(tǒng)建設(shè)，提升戰(zhàn)場(chǎng)決策效率。軍事決策不僅考慮要素多，還需進(jìn)行充分評(píng)估和大量計(jì)算，涉及復(fù)雜的專業(yè)知識(shí)以及嚴(yán)密的邏輯推理。目前ChatGPT及類似模型在專業(yè)性及推理方面還有明顯不足，在輔助決策方面尚難以快速形成顯著優(yōu)勢(shì)，我軍應(yīng)以軍事需求為牽引，通過(guò)“先進(jìn)技術(shù)+軍事思維”聯(lián)合打造專業(yè)、嚴(yán)謹(jǐn)、準(zhǔn)確且高效的軍事智能輔助決策系統(tǒng)，收集各級(jí)各類人員反饋意見(jiàn)，持續(xù)完善系統(tǒng)功能，提升系統(tǒng)先進(jìn)性、實(shí)用性和穩(wěn)定性。 4) 加強(qiáng)軍事數(shù)據(jù)資源建設(shè)，夯實(shí)軍事智能基礎(chǔ)。海量訓(xùn)練數(shù)據(jù)是ChatGPT強(qiáng)大能力的底座之一，為了更好地加快軍事智能化進(jìn)程，應(yīng)加快構(gòu)建和完善軍事專業(yè)數(shù)據(jù)資源，包括武器裝備、戰(zhàn)場(chǎng)環(huán)境、戰(zhàn)法規(guī)則、編制體制、作戰(zhàn)力量和情報(bào)信息等作戰(zhàn)業(yè)務(wù)數(shù)據(jù)，以及標(biāo)注數(shù)據(jù)、算法代碼和智能模型等研發(fā)數(shù)據(jù)，對(duì)各類數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化管理，便于軍事智能研發(fā)以及各類業(yè)務(wù)調(diào)用，為指揮員和AI輔助決策提供信息支撐，為軍事智能研發(fā)提供相關(guān)成果支撐。

5、結(jié)束語(yǔ)

隨著人工智能技術(shù)的不斷突破，逐步引起了各國(guó)的重視，并進(jìn)入國(guó)家戰(zhàn)略規(guī)劃。自然語(yǔ)言處理技術(shù)作為其中的重要分支，受限于其抽象性、歧義性等特征，研究難度極高；但ChatGPT問(wèn)世以后，讓大眾看到了真正實(shí)現(xiàn)自然語(yǔ)言處理最終目標(biāo)的希望，也就是讓機(jī)器能夠理解人類語(yǔ)言，用自然語(yǔ)言的方式與人類交流。本文簡(jiǎn)要總結(jié)了自然語(yǔ)言處理技術(shù)發(fā)展歷程，追溯GPT家族模型發(fā)展歷程，了解其網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)特點(diǎn)，并重點(diǎn)解析了ChatGPT訓(xùn)練過(guò)程，這是其取得閃耀能力的關(guān)鍵。與傳統(tǒng)大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型、聊天機(jī)器人和任務(wù)定制模型等典型技術(shù)成果對(duì)比，評(píng)估了ChatGPT的優(yōu)勢(shì)，從算力、算法和算據(jù)3方面總結(jié)其劣勢(shì)。根據(jù)ChatGPT具備的智能化能力，結(jié)合其自然流暢、多輪交互和泛化能力強(qiáng)的優(yōu)勢(shì)以及知識(shí)難以更新、專業(yè)領(lǐng)域能力欠缺等劣勢(shì)，從軍事應(yīng)用場(chǎng)景出發(fā)，評(píng)估其對(duì)軍事安全帶來(lái)的挑戰(zhàn)。最后，本文提出加強(qiáng)反生成式AI技術(shù)研究、加強(qiáng)網(wǎng)絡(luò)信息安全防御體系、加強(qiáng)軍事智能輔助決策系統(tǒng)建設(shè)以及加強(qiáng)軍事數(shù)據(jù)資源建設(shè)的應(yīng)對(duì)策略。ChatGPT和GPT-4.0的下一階段甚至可能會(huì)朝向虛擬人的方向繼續(xù)發(fā)展，目前我們面對(duì)的是新一輪的軍事革命，軍事安全面臨嚴(yán)峻挑戰(zhàn)，唯有加快軍事智能發(fā)展步伐，才能在未來(lái)戰(zhàn)爭(zhēng)中制衡對(duì)手、戰(zhàn)勝對(duì)手。