SIPRI：军事AI偏见与国际人道法合规（2025）

SIPRI 这份报告要回答的是一个越来越紧迫的问题：当人工智能被嵌入军事决策，尤其是自主武器和瞄准决策支持系统，它的偏见会以什么方式转化为现实伤害，又是否以及如何在现行国际人道法框架下被约束。之所以现在值得看，是因为军事AI的讨论长期集中在“能力”和“失控风险”两端，而偏见这个更日常、更技术性的问题，恰恰落在法律合规的缝隙里。报告把二者接上，等于把算法层面的偏差重新表述为法律责任问题。换句话说，它关心的不是机器会不会造反，而是机器在正常运行时如何系统性地出错，以及这种出错由谁承担、按什么标准评判。

报告覆盖的对象是AI赋能的自主武器与瞄准决策支持系统，讨论范围限定在国际人道法之下，重点是偏见在开发与部署两个阶段的表现与治理。它采用的分析路径是规范性的：把偏见可能导致的具体失效模式，逐一对应到国际人道法的具体原则与义务上，而不是停留在伦理呼吁。材料没有披露报告使用了哪些案例、数据集或统计口径，因此这里能确认的是它的分析框架——以偏见为线索，串联技术失效与法律评价。这意味着它更适合被当作一个概念与义务的梳理工具，而不是一份带有量化证据的实证研究。

第一项关键发现是偏见会造成误识别与漏检，且对象明确指向受保护人员与物体。这个链条并不复杂：训练数据或系统设计中的偏差，可能让系统把本应受保护的对象判定为合法目标，也可能让它根本看不见这些对象。前者是误识别，后者是漏检，两者方向相反，后果同样严重——一个是打了不该打的，一个是该保护的没被识别出来。报告把这两种失效并列，说明偏见并非只朝“过度攻击”一个方向倾斜，也可能以“视而不见”的形式出现。这一点在瞄准决策支持系统中尤其值得注意，因为系统的输出往往被当作人做出判断的输入。

第二项发现是这些失效可能冲击区分原则、比例原则以及相关的预防义务。区分原则要求区分战斗员与平民、军事目标与民用物体；比例原则要求权衡预期军事利益与附带平民伤害；预防义务则要求采取可用的预防措施。偏见导致的误识别和漏检，会直接污染这三个环节所依赖的事实基础。这里需要注意的是，报告并没有说偏见必然构成违法，材料的表述是“可能冲击”，属于风险判断而非定性结论。这意味着法律评价仍然要回到具体情形，但偏见的存在会让合规举证变得更困难。

从实践角度看，这些结论指向一个不太舒服但重要的前提：偏见无法被完全消除。报告的立场是在承认这一点的前提下，通过开发与使用阶段的限制与要求来缓解。开发阶段对应的是数据、设计与测试环节的约束，使用阶段对应的是部署条件、操作规范与人为控制的安排。这种“限制加要求”的思路，本质上是把治理重心从追求无偏的完美系统，转向在可接受的残余风险下设定边界。对实际工作者而言，这意味着合规论证不能只依赖技术指标，还要说明在系统能力有限的情况下采取了哪些预防措施。换句话说，缓解措施本身会成为法律评价的一部分。

这份资料适合对军事AI的法律与伦理维度做深度选题的读者，包括研究国际人道法、武器审查机制和AI治理的研究者与政策分析者。读完能拿走的是一套清晰的对应关系：偏见如何经由误识别与漏检产生无意伤害，这些伤害如何落到区分原则、比例原则与预防义务上，以及在偏见不可根除的前提下，开发与使用阶段的限制与要求如何构成缓解路径。边界也需要说清楚：材料没有提供量化数据、具体案例或国别实践，报告的结论停留在风险识别与规范分析层面，不能据此推断某一具体武器系统是否合规。