ماشینها در میدان جنگ/ چگونه هوش مصنوعی در حال شکل دادن جنگ با ایران است؟
تحریریه آوش/ هوش مصنوعی – همان فناوریای که میلیونها نفر در سراسر جهان هر روز برای نوشتن ایمیل، ترجمه متن یا خلاصهسازی اسناد از آن استفاده میکنند – اکنون به یکی از ابزارهای مرکزی اعمال قدرت نظامی تبدیل شده است. کاری که زمانی به ساعتها یا حتی روزها تحلیل انسانی نیاز داشت، اکنون در چند دقیقه انجام میشود. سرعت، مقیاس و دقت عملیات نظامی به سطحی رسیده که در هیچ دههای پیش از این امکانپذیر نبود
احسان محمدی/ در بیستوهشتم فوریه ۲۰۲۶، نیروهای آمریکایی و اسرائیلی جنگی را با نام «خشم حماسی» (Epic Fury) را علیه ایران آغاز کردند. در دوازده ساعت نخست این جنگ، بنا بر گزارشها بیش از ۹۰۰ هدف مورد حمله قرار گرفت و در جریان آن رهبر معظم انقلاب، آیتالله سید علی خامنهای، به همراه جمعی از فرماندهان ارشد نظامی کشور به شهادت رسیدند.
اما در پس موشکها، جنگندهها و انفجارها، تحول عمیقتری در جریان بود؛ انقلابی که نه صرفاً توسط ژنرالها و فرماندهان نظامی، بلکه توسط الگوریتمها هدایت میشد. هوش مصنوعی – همان فناوریای که میلیونها نفر در سراسر جهان هر روز برای نوشتن ایمیل، ترجمه متن یا خلاصهسازی اسناد از آن استفاده میکنند – اکنون به یکی از ابزارهای مرکزی اعمال قدرت نظامی تبدیل شده است.
کاری که زمانی به ساعتها یا حتی روزها تحلیل انسانی نیاز داشت، اکنون در چند دقیقه انجام میشود. سرعت، مقیاس و دقت عملیات نظامی به سطحی رسیده که در هیچ دههای پیش از این امکانپذیر نبود.
این گزارش بررسی میکند که چگونه جهان به این نقطه رسیده است؛ از روند تکامل هوش مصنوعی در جنگ گرفته تا آزمایشهای اولیه آن در درگیریهای پیشین، نقش تعیینکنندهاش در جنگ کنونی، و چشماندازی که ممکن است برای مراحل بعدی این درگیری شکل بگیرد.
کاربردهای هوش مصنوعی در جنگ
ارتشها از دیرباز به دنبال فناوریهایی بودهاند که برتری اطلاعاتی، سرعت واکنش و دقت عملیاتی را افزایش دهد. بسیاری از تحلیلگران نظامی معتقدند هوش مصنوعی بزرگترین تحول در این مسیر از زمان ظهور سلاحهای هستهای به شمار میرود.
در سادهترین تقسیمبندی، کاربردهای نظامی هوش مصنوعی را میتوان در چند حوزه اصلی قرار داد: جمعآوری و تحلیل اطلاعات، نظارت و شناسایی، هدفگیری و تصمیمگیری برای حمله، بهینهسازی لجستیک و زنجیره تأمین، عملیات سایبری و در نهایت سامانههای تسلیحاتی خودکار.
در میان این حوزهها، بحثبرانگیزترین موضوع مربوط به «سامانههای تسلیحاتی مستقل کشنده» یا LAWS است؛ سامانههایی که قادرند بدون نظارت مستقیم انسان، هدف را شناسایی، انتخاب و مورد حمله قرار دهند.
پس از فعالسازی، این سامانهها میتوانند به صورت مستقل عمل کنند؛ ویژگیای که از یک سو توان عملیاتی آنها را افزایش میدهد و از سوی دیگر پرسشهای جدی اخلاقی و حقوقی ایجاد میکند. بسیاری از منتقدان هشدار میدهند که واگذاری تصمیمهای مرگبار به الگوریتمها میتواند مسئولیتپذیری انسانی در جنگ را تضعیف کند.
با این حال، استقلال کامل تنها انتهای طیف کاربردهای هوش مصنوعی در جنگ است. در بسیاری از ارتشهای مدرن، این فناوری هماکنون وظایفی را انجام میدهد که پیشتر به تیمهای بزرگی از تحلیلگران نیاز داشت.
برای مثال، هوش مصنوعی قادر است تصاویر ماهوارهای را با دادههای مخابراتی ترکیب کند، حجم عظیمی از مکالمات رهگیریشده را پردازش کند و الگوهای رفتاری را شناسایی کند که ممکن است نشانه جابهجایی یا قصد عملیات دشمن باشد.
شتاب گرفتن چرخه تصمیمگیری نظامی
در دهههای گذشته، تصمیمگیری نظامی بر اساس مدلی موسوم به «حلقه اودا» شکل گرفته است؛ چرخهای شامل مشاهده، جهتیابی، تصمیمگیری و اقدام.
هوش مصنوعی این چرخه را حذف نکرده، بلکه آن را به شکل چشمگیری شتاب داده است. سامانههایی که پیشتر ساعتها برای جمعآوری و تحلیل اطلاعات زمان نیاز داشتند، اکنون این فرآیند را در چند ثانیه انجام میدهند و در نتیجه، زمان تصمیمگیری کوتاهتر و پیامدهای هر تصمیم سنگینتر شده است.
مرکز بلفر دانشگاه هاروارد در تحلیلی اشاره کرده که این تحول، پارادایمی را که از دهه ۱۹۹۰ و با ظهور سلاحهای دقیق شکل گرفته بود تغییر داده است. در آن زمان، دقت به معنای تعداد اندکی اصابت بسیار دقیق بود. اما هوش مصنوعی اکنون امکان انجام تعداد زیادی حمله با دقتی مشابه را فراهم کرده است.
نمونه روشن این تحول را میتوان در فناوری پهپادها مشاهده کرد. در جنگ اوکراین، استفاده از الگوریتمهای هوش مصنوعی دقت اصابت پهپادهای دید اولشخص را از حدود ۳۰ تا ۵۰ درصد به نزدیک ۸۰ درصد افزایش داد. با این حال، شاید عمیقترین تحول نه در آنچه هوش مصنوعی میتواند نابود کند، بلکه در آن چیزی باشد که قادر است پردازش کند. جنگ مدرن حجم عظیمی از داده تولید میکند، از تصاویر ماهوارهای، فیلمهای پهپادی، مکالمات رهگیریشده رادیویی و تلفنی، سیگنالهای شبکههای اجتماعی و حتی تراکنشهای مالی.
روندی که هیچ تیم انسانی قادر نیست چنین حجمی از داده را در زمان واقعی تحلیل کند. اما هوش مصنوعی میتواند و به طور فزایندهای نیز چنین میکند.
جنگ اوکراین؛ نخستین آزمایشگاه بزرگ هوش مصنوعی
جنگ روسیه و اوکراین که در فوریه ۲۰۲۲ آغاز شد، به نخستین میدان آزمایش گسترده برای کاربرد نظامی هوش مصنوعی تبدیل شد. بسیاری از تحلیلگران دفاعی از این جنگ به عنوان نخستین درگیری بزرگ یاد میکنند که در آن هر دو طرف به طور سیستماتیک از سامانههای مبتنی بر هوش مصنوعی استفاده کردند.
اوکراین پهپادهای دوربرد خود را به سامانههای تشخیص خودکار مجهز کرد تا بتوانند به صورت مستقل ویژگیهای زمین و اهداف نظامی را شناسایی کنند. این پهپادها در چند عملیات موفق شدند تأسیسات نفتی در عمق خاک روسیه را هدف قرار دهند.
در یکی از عملیاتهای مهم موسوم به «تار عنکبوت» در ژوئن ۲۰۲۵، پهپادهایی که به طور مخفیانه به نزدیکی چند پایگاه هوایی روسیه منتقل شده بودند، با کمک هدفگیری هوش مصنوعی حملهای هماهنگ انجام دادند که به حدود ۳۴ درصد ناوگان بمبافکنهای دوربرد روسیه آسیب وارد کرد.
در همان زمان روسیه نیز در حال توسعه سامانههای خودکار بود و با گذشت زمان، پهپادها به عامل اصلی تلفات میدان نبرد تبدیل شدند و تخمین زده میشود در برخی مقاطع تا ۷۰ تا ۸۰ درصد تلفات به آنها مربوط بوده است.
سامانههای هدفگیری هر دو طرف نیز به طور مداوم با دادههای واقعی میدان جنگ بازآموزی میشدند. این روند چرخهای از نوآوری نظامی ایجاد کرد که در جنگهای متعارف پیشین سابقه نداشت.
غزه؛ آزمایشگاه عملیاتی و غیر اخلاقی
هیچ درگیری پیشینی به اندازه جنگ غزه پس از حمله ۷ اکتبر ۲۰۲۳، معماری هدفگیری مبتنی بر هوش مصنوعی را که امروز در جنگ ایران مشاهده میشود پیشبینی نکرده بود. ارتش اسرائیل در این جنگ از چند سامانه هوش مصنوعی استفاده کرد که سرعت و مقیاس هدفگیری را به شکل چشمگیری افزایش داد.
یکی از مهمترین این سامانهها «حبسورا» یا «انجیل» (The Gospel) بود که توسط واحد اطلاعاتی ۸۲۰۰ توسعه یافت. این سامانه با استفاده از یادگیری ماشین دادههای نظارتی را تحلیل میکرد و ساختمانها، تونلها، انبارهای سلاح و افراد مشکوک را به عنوان اهداف بالقوه شناسایی میکرد.
در کنار آن، سامانه دیگری به نام «لاوندر» قرار داشت؛ پایگاه دادهای مبتنی بر هوش مصنوعی که هزاران نفر را به عنوان اعضای احتمالی گروههای مسلح فلسطینی علامتگذاری میکرد.
گزارشهایی در رسانههای اسرائیلی منتشر شد که نشان میداد در برخی موارد افسران اطلاعاتی تنها چند ثانیه برای تأیید اهداف معرفیشده توسط این سیستم زمان صرف میکردند.
ابزار دیگری با نام «Where’s Daddy» نیز از دادههای تلفن همراه برای شناسایی زمان حضور افراد علامتگذاریشده در خانه استفاده میکرد.
ابزار چهارمی با نام «کارخانه آتش» نیز فرآیند برنامهریزی حملات هوایی را از چند ساعت به چند دقیقه کاهش میداد. استفاده از این فناوریها واکنشهای گستردهای در سطح بینالمللی برانگیخت. دبیرکل سازمان ملل متحد هشدار داد که چنین سامانههایی میتوانند خطرات جدی برای غیرنظامیان ایجاد کنند و مسئولیتپذیری در تصمیمهای مرگبار را مبهم سازند.
با این حال، تأثیر عملیاتی آنها قابل انکار نبود. جنگ غزه نشان داد که هدفگیری مبتنی بر هوش مصنوعی میتواند تولید حملات نظامی را تقریباً به یک فرآیند صنعتی تبدیل کند.
پروژه ماون و زیرساخت هوش مصنوعی نظامی ایالات متحده
در سالهای اخیر، ایالات متحده بهطور موازی در حال ایجاد زیرساخت گستردهای برای استفاده نظامی از هوش مصنوعی بوده است. یکی از مهمترین پروژهها در این زمینه «پروژه ماون» (Project Maven) است؛ طرحی که در سال ۲۰۱۷ با هدف تسریع ادغام یادگیری ماشین در تحلیل اطلاعات نظامی راهاندازی شد.
این پروژه در ابتدا با هدف کمک به تحلیل تصاویر پهپادی آغاز شد. حجم تصاویر و ویدئوهایی که از پهپادها جمعآوری میشد آنقدر زیاد بود که تحلیل انسانی به تنهایی نمیتوانست پاسخگوی آن باشد. ماون قرار بود این شکاف را پر کند.
در ادامه، این پروژه به سامانهای بسیار پیچیدهتر تبدیل شد. «سامانه هوشمند ماون» که توسط شرکت پالانتیر توسعه یافته، به یکی از ستونهای اصلی زیرساخت اطلاعاتی ارتش آمریکا تبدیل شد. این سامانه دادههای ماهوارهای، فیلمهای پهپادی، اطلاعات مخابراتی و سایر منابع اطلاعاتی را دریافت میکند، آنها را ترکیب میکند و اهداف بالقوه را شناسایی و اولویتبندی میکند.
از سال ۲۰۲۴، این سامانه مدل زبانی بزرگ «کلود» که توسط شرکت آنتروپیک توسعه یافته است را نیز در خود جای داده است. در قالب قراردادی حدود ۲۰۰ میلیون دلاری، این مدل برای تحلیل دادههای میدانی، خلاصهسازی اطلاعات و ارائه توصیههای هدفگیری مورد استفاده قرار گرفت.
هوش مصنوعی در جنگ کنونی و حملات علیه ایران
آغاز جنگ علیه ایران نشان داد که عملیات اطلاعاتی مبتنی بر هوش مصنوعی تا چه اندازه پیشرفته شده است. گزارش روزنامه فایننشال تایمز نشان میدهد که پیش از صدور مجوز اولین حمله، یک بانک هدف بسیار گسترده با استفاده از تحلیل کلاندادهها ایجاد شده بود. تحلیلگران امنیت سایبری اسرائیل این روش را نمونهای پیشرفته از ادغام هوش مصنوعی با عملیات اطلاعاتی توصیف کردند. این توانایی بهصورت ناگهانی ایجاد نشده بود. بلکه نتیجه سالها عملیات پنهانی بود که شامل مجموعهای از اقدامات اطلاعاتی، سایبری و نظامی میشد.
از جمله این اقدامات میتوان به ترور دانشمند هستهای ایران، محسن فخریزاده در سال ۲۰۲۰، عملیاتهای پیچیده علیه شبکههای منطقهای ایران و مجموعهای از حملات سایبری و پهپادی در طول سالهای گذشته اشاره کرد. این عملیاتها به تدریج زیرساختی از اطلاعات و داده ایجاد کردند که در زمان آغاز جنگ به کار گرفته شد.
سامانه ماون و نقش مدلهای زبانی بزرگ
در قلب این سازوکار هدفگیری، سامانه هوشمند ماون قرار دارد. با ادغام مدل زبانی «کلود» در این سامانه، جریان عظیمی از دادهها وارد سیستم میشود؛ تصاویر ماهوارهای، فیلمهای پهپادی که صدها ساعت ضبط شدهاند و حتی آرشیوهای اطلاعاتی سالهای گذشته.
سامانه این دادهها را تحلیل میکند، اهداف احتمالی را شناسایی میکند و فهرستی از اهداف اولویتدار را در اختیار فرماندهان نظامی قرار میدهد.
ژنرال براد کوپر، فرمانده نیروهای مرکزی آمریکا، درباره این سامانه گفته است که این فناوری به نیروهای نظامی اجازه میدهد «در عرض چند ثانیه حجم عظیمی از دادهها را پردازش کنند تا فرماندهان بتوانند سریعتر از دشمن تصمیمگیری کنند.»
با این حال، برخی تحلیلگران هشدار دادهاند که چنین سامانههایی خطرات جدیدی نیز ایجاد میکنند. یکی از مهمترین این خطرات «توهم هوش مصنوعی» است؛ وضعیتی که در آن سامانههای مبتنی بر الگوریتم ممکن است بر اساس دادههای ناقص یا نادرست به نتیجهای اشتباه برسند.
برای نمونه، یک تحلیلگر امنیتی گزارش داده که یک سامانه هوش مصنوعی اسرائیلی به دلیل نام «پارک پلیس» در تهران، این مکان را به عنوان هدفی نظامی علامتگذاری کرده بود، در حالی که این مکان یک فضای عمومی غیرنظامی است.
ماشین کشتار هوش مصنوعی در مقیاس ایران
به نظر میرسد سامانه «حبسورا» که پیشتر در جنگ غزه مورد استفاده قرار گرفته بود، اکنون با تغییراتی محدود در جنگ علیه ایران نیز به کار گرفته شده است. برخی تحلیلگران، از جمله تریتا پارسی از مؤسسه کوئینسی، شباهتهایی میان الگوهای بمباران در غزه و حملات کنونی در ایران مشاهده کردهاند.
در هر دو مورد، سامانههای هوش مصنوعی نقش مهمی در شناسایی و انتخاب اهداف ایفا میکنند و فرآیند تصمیمگیری در مورد حملات در زمان بسیار کوتاهی انجام میشود. جیکوب وارد، تحلیلگر حوزه فناوری و جنگ، اصطلاح «بتای کشنده» را برای توصیف این وضعیت به کار برده است. منظور از این اصطلاح سامانههایی است که هنوز کاملاً قابل اعتماد نیستند اما در مقیاس وسیع در میدان جنگ استفاده میشوند و خطاهای احتمالی آنها به عنوان بخشی از هزینههای عملیاتی پذیرفته میشود.
جنگ سایبری، پهپادها و نبرد نامتقارن
اولین مرحله این جنگ نه در آسمان، بلکه در فضای سایبری آغاز شد. پیش از آغاز حملات فیزیکی، آمریکا و اسرائیل عملیاتهای گستردهای را برای اختلال در شبکههای فرماندهی و ارتباطی ایران انجام دادند.
در مقابل، گروههای هکری حامی ایران نیز حملاتی را علیه سامانههای دیجیتال در منطقه آغاز کردند. این حملات شامل هدف قرار دادن سامانههای پرداخت اسرائیل، وبسایتهای دولتی در برخی کشورهای منطقه و حتی خدمات فرودگاهی بود.
گزارشهایی نیز منتشر شد که نشان میدهد ایران مراکز داده شرکت آمازون وب سرویس در امارات را هدف قرار داده است. هدف از این اقدام، مختل کردن زیرساختهای ابری بود که نیروهای آمریکایی برای تحلیل دادهها و عملیاتهای لجستیکی به آن وابسته هستند.
در کنار جنگ سایبری، پهپادها نیز نقشی تعیینکننده ایفا کردند. پهپادهای «شاهد» ایران که قیمت تقریبی آنها حدود ۲۰ هزار دلار برآورد میشود، در تعداد زیاد به سمت اهداف مختلف در منطقه پرتاب شدند.
این موضوع برای سامانههای دفاعی ائتلاف یک چالش اقتصادی ایجاد کرد؛ زیرا هر موشک رهگیر برای مقابله با این پهپادها ممکن است میلیونها دلار هزینه داشته باشد و در نتیجه، حتی اگر بسیاری از پهپادها سرنگون شوند، هزینه دفاع برای طرف مقابل بسیار بیشتر خواهد بود.
در پاسخ به این وضعیت، ایالات متحده سامانهای به نام «لوکاس» (LUCAS) توسعه داده است؛ پهپادی ارزانقیمت که عمداً با الهام از طراحی پهپادهای شاهد ساخته شده و هزینه هر واحد آن حدود ۳۵ هزار دلار برآورد میشود.
شکاف میان صنعت هوش مصنوعی و پنتاگون
یکی از جنبههای جالب توجه این جنگ، اختلاف میان برخی شرکتهای فناوری و وزارت دفاع آمریکا است. شرکت آنتروپیک که مدل «کلود» را توسعه داده، در قرارداد خود با دولت آمریکا دو محدودیت تعیین کرده بود: این فناوری نباید برای نظارت گسترده بر شهروندان آمریکایی استفاده شود و همچنین نباید بدون نظارت انسانی در سامانههای تسلیحاتی کاملاً مستقل به کار رود.
اما در ژانویه ۲۰۲۶ دولت ترامپ دستورالعملی صادر کرد که همه قراردادهای هوش مصنوعی دولتی باید امکان استفاده از فناوری برای «هر هدف قانونی» را فراهم کنند.
آنتروپیک با این تغییر مخالفت کرد و از حذف محدودیتهای خودداری کرد. در نتیجه، وزارت دفاع این شرکت را از برخی قراردادهای دولتی کنار گذاشت و همکاری با شرکتهای دیگر از جمله اوپنایآی را گسترش داد. این اختلاف نشاندهنده تنش فزایندهای است که در سالهای اخیر میان شرکتهای فناوری و نهادهای نظامی شکل گرفته است.
اطلاعات نادرست به عنوان سلاح
در کنار نبرد فیزیکی، جنگ اطلاعاتی نیز به شدت در جریان است. ویدیوهای دیپفیک، تصاویر ساختگی از انفجارها و روایتهای تولیدشده توسط هوش مصنوعی در شبکههای اجتماعی با سرعتی بسیار بالا منتشر میشوند. تحلیلگران حوزه امنیت اطلاعات گزارش دادهاند که برخی از این محتواها موقعیت حملات را به اشتباه نشان میدهند، آمار تلفات را دستکاری میکنند یا تصاویر جعلی از استقرار تسلیحات منتشر میکنند. در کنار این موارد، حملات فیشینگ مبتنی بر هوش مصنوعی نیز افزایش یافته است. در برخی موارد بدافزارها در قالب برنامههای هشدار اضطراری منتشر شدهاند.
آینده جنگ هوش مصنوعی
بسیاری از تحلیلگران معتقدند یکی از مهمترین پیامدهای این جنگ، افزایش سریع سرمایهگذاری جهانی در حوزه هوش مصنوعی نظامی خواهد بود. کشورهایی که از بیرون این درگیری را مشاهده میکنند، اکنون به دقت ابزارهای مورد استفاده در آن را بررسی میکنند. در عین حال، دادههای ارزشمندی نیز از میدان جنگ جمعآوری میشود: میزان خطای سامانههای هدفگیری، عملکرد پهپادها در شرایط جنگ الکترونیک و هزینههای واقعی جنگ پهپادی. این دادهها در طراحی نسل بعدی سامانههای نظامی نقش مهمی خواهند داشت.
سلاحهای کاملاً مستقل؛ آستانهای که نزدیک است
در حال حاضر، بیشتر سامانههای هدفگیری هوش مصنوعی هنوز نوعی نظارت انسانی را حفظ کردهاند. حتی اگر این نظارت تنها چند ثانیه زمان ببرد، تصمیم نهایی همچنان توسط انسان گرفته میشود. اما برخی تحلیلگران معتقدند مرحله بعدی جنگ ممکن است این محدودیت را نیز از میان بردارد. با گسترش جنگ الکترونیک و اختلال در سیگنالهای GPS، پهپادهایی که قادرند در محیطهای فاقد سیگنال به طور مستقل تصمیمگیری کنند در حال توسعه هستند.
پرسش اصلی دیگر این نیست که آیا چنین سامانههایی ساخته خواهند شد یا نه؛ بلکه این است که آیا شرایط جنگی استفاده از آنها را پیش از شکلگیری هرگونه چارچوب حقوقی بینالمللی اجتنابناپذیر خواهد کرد یا نه.
پاسخ ایران؛ جنگ نامتقارن مبتنی بر هوش مصنوعی
در برابر برتری فناوری ائتلاف، ایران تلاش کرده با رویکردی نامتقارن پاسخ دهد. یکی از این راهبردها هدف قرار دادن زیرساختهایی است که سامانههای هوش مصنوعی به آنها وابسته هستند؛ از جمله مراکز داده و شبکههای ابری.
تحلیلگران انتظار دارند ایران حملات سایبری علیه زیرساختهای حیاتی در منطقه را افزایش دهد؛ از جمله شبکههای بانکی، سیستمهای حملونقل، تأسیسات آب و شبکههای برق.
در عین حال، اختلال در ارتباطات و بیاعتمادی به شبکههای ارتباطی باعث شده برخی فرماندهان نظامی ایران به ارتباطات آنالوگ بازگردند. این موضوع میتواند استقلال عملیاتی نیروهای میدانی را افزایش دهد و در عین حال خطر سوءمحاسبه در میدان جنگ را نیز بیشتر کند.
بحران حکمرانی جهانی
در حالی که جنگ ادامه دارد، جامعه بینالمللی هنوز نتوانسته چارچوبی حقوقی برای استفاده از سامانههای تسلیحاتی مبتنی بر هوش مصنوعی تدوین کند. بیش از صد کشور از ایجاد یک معاهده بینالمللی در این زمینه حمایت کردهاند، اما قدرتهای نظامی بزرگ تاکنون با چنین توافقی همراهی نکردهاند. در نتیجه، بزرگترین استفاده از هوش مصنوعی در تاریخ جنگ در شرایطی رخ داده که هنوز هیچ توافق جهانی برای تنظیم آن وجود ندارد.
لحظه اوپنهایمر
در همین حال الکساندر شالنبرگ، وزیر امور خارجه اتریش، در کنفرانسی درباره سلاحهای مستقل در سال ۲۰۲۴ هشدار داده بود که ظهور هوش مصنوعی در جنگ میتواند «لحظه اوپنهایمر» نسل حاضر باشد. آن چه جنگ آمریکا و اسرائیل با ایران نشان داد این است که هوش مصنوعی دیگر صرفاً یک ابزار کمکی نیست؛ بلکه به بخشی جداییناپذیر از معماری جنگ مدرن تبدیل شده است.
سرعت تصمیمگیری، حجم دادهها، ادغام اطلاعات و حتی امکان حملات مستقل، همگی به الگوریتمها وابسته شدهاند.
آینده این روند احتمالاً میان دو نیرو شکل خواهد گرفت: پیشرفت سریع فناوری از یک سو و تلاش برای ایجاد چارچوبهای حقوقی و اخلاقی از سوی دیگر.
این که آیا جهان خواهد توانست میان این دو مسیر تعادل برقرار کند یا نه، شاید یکی از تعیینکنندهترین پرسشهای جنگ در قرن بیستویکم باشد.
منابع: آتلانتیک/ ای بی سی/ الجزیره
