当人工智能从模拟空战走进真实战机座舱，“自主驾驶战斗机”便不再只是技术概念。其价值在于缩短反应时间、执行高风险任务，并协同多架无人僚机；真正棘手的问题却是：当算法能够机动、识别威胁甚至提出攻击方案时，谁必须握有最终控制权？一旦误击、失控或造成附带损害，又该由谁承担责任？🤖✈️
从自动飞行到自主作战，边界正在改变
传统自动驾驶主要按照预设规则保持航向、高度和速度，自主作战系统则需要根据传感器信息实时判断，在通信受干扰、目标高速移动和战场环境不断变化的情况下调整行动。美国国防高级研究计划局的“空战演进”项目，已经把人工智能空战从仿真推进到真实飞行测试，其公开目标是建立人机协同体系：人类负责整体战略、目标优先级和武器效果选择，机器承担具体机动与局部战术。相关定位可参见 DARPA项目说明。
这意味着所谓“AI自主驾驶战斗机”，并不等于完全脱离人类的机器飞行员。较现实的方向是分层授权：AI管理飞行、规避、编队和战术建议，人类指挥员决定任务目的、交战边界以及是否使用致命武力。自主程度越高，授权规则越需要具体，否则“人在回路中”很可能只剩形式。
最终控制权不能只是一枚按钮
人类最终控制权至少应包含三项实质能力：第一，指挥员能够理解系统正在做什么以及为何这样做；第二，操作员有足够时间暂停、否决或终止行动；第三，系统超出地理范围、目标类型、任务时限或者可信度阈值时，应自动降级、返航或等待人工指令。若AI在毫秒内完成攻击，而人类只能事后观看记录，那么即使界面上设置了“终止按钮”，也称不上有效控制。⚠️
美国国防部2023年发布的自主武器指令要求，相关系统应允许指挥员和操作员对武力使用行使适当程度的人类判断，并在现实条件下验证性能、可靠性与适用性；授权者、指挥者和操作者也必须遵守战争法、交战规则及武器安全规范，详见 DoD Directive 3000.09。这类原则值得参考，但“适当程度”仍需转化为可测试、可审计的操作标准。
事故责任应建立完整责任链
AI没有法律人格，也无法像军人、指挥官或企业那样接受处罚和承担赔偿，因此不能把事故归咎于“算法自行决定”。更合理的方式，是按照事故原因区分责任层级：
- 指挥责任：任务设计明显违法、交战规则过宽，或者在风险不可控时仍批准部署，应追究授权和指挥环节的责任。
- 操作责任：操作员忽视警报、错误设置任务参数，或在具备干预条件时未采取合理措施，应依据其权限、训练和实际判断时间认定责任。
- 研发与供应责任：企业隐瞒缺陷、训练数据存在已知问题，或系统未达到合同与安全标准，不能以“模型具有不确定性”为免责理由。
- 测试与采购责任：测试场景不足、验证程序被压缩，或者管理部门在证据不充分时批准列装，同样属于责任链的一部分。
责任认定的关键不是简单寻找最后按键的人，而是还原从需求提出、数据训练、软件更新、武器审查到现场使用的全过程。特别是持续学习或频繁更新的系统，每个版本都应保存模型标识、训练来源、测试结果、权限配置和飞行日志，形成不可随意修改的审计记录。没有这些证据，事故调查很容易陷入军方、承包商与操作员相互推责的困局。
战场复杂性要求设置技术与法律“双保险”
战斗机面对的不只是一般软件故障，还包括传感器欺骗、数据链中断、电子干扰、敌方诱骗和友军识别错误。因此，系统需要具备独立安全模块、武器释放双重授权、任务区域限制、异常行为监控以及失联处置机制。对高风险目标或平民密集区域，应强制提高人工审批等级，而不是让系统沿用普通场景的自动化权限。🔒
国际红十字委员会强调，人类应当保有对生死决定的控制，并主张禁止不可预测的自主武器，对其他自主武器实施严格限制，相关立场见 自主武器专题。这提醒我们，技术上“能够自主”并不等于法律和伦理上“应当自主”。区分、比例和攻击预防等原则依赖具体情境判断，不能仅用目标匹配概率代替。
怎样形成可执行的治理框架
- 建立自主等级清单，明确哪些功能可由AI独立完成，哪些必须获得人工授权。
- 在部署前开展极端环境、对抗干扰和误识别测试，并由独立机构复核关键结果。
- 保证操作员拥有真实的态势信息、明确的否决权限以及足够的干预窗口。
- 对模型、数据、软件版本和指令链进行全程留痕，为事故调查提供证据。
- 通过军事审查、国内法律和国际规则衔接，避免出现“技术已列装、责任仍空白”的局面。
总结：自主可以扩大，责任不能消失
AI自主驾驶战斗机迈向实战，可能改变空战速度、兵力结构与风险分配，但不应改变一个基本原则：使用武力的法律与道德责任必须由人类承担。未来真正可信的系统，不是让机器拥有无限决定权，而是让自主能力始终处于清晰授权、有效监督、随时可控和事后可追责的框架之内。只有把控制权与责任链同步写进技术设计和作战制度，AI战机才可能从“飞得起来”走向“用得明白、管得住、追得到责”。
