烏克蘭戰場上散落著無人機殘骸，這些無人機已牢固確立為現代戰爭的關鍵武器。然而，在這些殘骸背後，卻為國防產業開闢了一座新金礦。

無人機生成的數據將遠比其參與的戰爭更持久，並日益成為塑造甚至平民生活的AI架構的一部分。

每次飛行，無人系統都會收集數千個數據點，從影像、影片到控制器輸入。這些記錄共同展示了機器和人類如何應對不斷變化的情況。

烏克蘭現在已開始將這些經驗轉化為資源。其國防部於一月宣布，將把數萬次無人機飛行中收集到的數百萬個數據點，提供給軍事承包商和商業公司。

自那以後，已有超過百家公司和英國政府獲得了存取權。對於一個處於戰爭中的國家來說，這是吸引資金和建立夥伴關係的快速途徑。

然而，這一步也將前線變成了活躍的模型訓練場域，利用戰爭的混亂創造出AI公司難以自行重現的條件。

其他國家和戰場很可能也會效仿烏克蘭的做法，但管理這個新興產業的責任不能僅由一個為生存而戰的國家承擔。

這個法律真空必須由參與該產業發展的國家和公司共同填補。

爆炸性成長：烏克蘭戰場並非第一個產生用於訓練和開發模型記錄的地方：2010年代末，美國無人機在敘利亞和葉門上空收集的數據，為第一代半自主軍事硬體提供了資訊。

現在的不同之處在於，這些數據的存取權正被用於開發更廣泛的生態系統。對國防公司而言，其財務價值是巨大的：戰場數據提供了在任何實驗室都無法重現的條件下，所收集到的大量機器經驗。

這是因為對訓練AI模型最有價值的數據來自於「例外情況」：例如能見度突然消失、訊號被干擾，或是人類操作員即興應變的時刻。

AI公司耗費多年和巨額資金，試圖捕捉足夠多的這些時刻，以使其模型更加穩健。然而，戰爭產生這些情況的頻率是受控測試無法比擬的。

這種不斷變化的地形，使得無人機數據的價值遠超戰場本身。用於送貨或遙測的商用無人機可能永遠不會遇到砲火，但它仍必須在人們行為不可預測的世界中，以不完整的資訊運作。

戰爭將同樣的問題壓縮在更短的時間軸內。

經過處理並與操作員行為記錄進行比對後，這些數據將作戰記錄轉化為訓練集。戰鬥因此成為一種商業資產。

許多衝突中都已出現這種訓練循環，無人機影像為後續幾代軍事技術提供養分，且市場預計將會成長。

美國公司Enabled Intelligence專門處理數據以用於AI訓練，該公司表示已提供了超過五十萬小時的烏克蘭無人機影像，以供下一輪模型使用，並宣傳其在軍事和商業系統中的潛在用途。

數據循環的閉合：許多定義現代戰爭時代的無人機，最初都是民用技術。然而，它們最近被新興的商用AI系統大幅強化，這些系統讓廉價機器能夠在環境變化時自主運作，無論是單獨行動還是群體協作。

每一次飛行都會創建系統所遭遇情況的記錄。

由此產生的數據至關重要。通常用於訓練這些自主系統的受控實驗室環境，可以模擬故障，但無法與具有真實風險的戰場實況相比。

軍事情報計畫透過Project Maven等專案，已將Predator和Reaper等重型感測器系統生成的數據保存了近十年，但存取權限完全限制在國防領域內。

這些數據僅透過受限的機密管道提供，目的僅是開發新的武器系統，並回饋給最初產生數據的軍方。現在，這些經驗正被分享到更廣泛的開發網絡中。

這個循環現在閉合了。為戰場改裝的商業技術正在產生數據，這些數據可以回流到它們的原始產業，成為政府和私營部門共同依賴的數據基礎設施的一部分。

在烏克蘭受訊號干擾空域訓練的無人機，現在正被部署到農業領域，幫助農民在缺乏前幾代技術所需手機訊號的地區，繪製和測量他們的農田。

其他國家很可能也會效仿烏克蘭出售其戰場數據，而我們尚未準備好應對由此產生新市場。

不良行為者可能會獲取這些數據，但採購控制措施已能減輕這種風險。情報人員會仔細審查潛在客戶的基礎設施，以防數據落入敵人或惡意行為者手中。

然而，訓練數據也帶來了新的追溯問題。商業數據集的流向可以透過原始買家兩步之外出現的聯絡細節來追蹤，但AI訓練數據的來源追溯方式卻內嵌於技術本身，難以追查。

另一個風險是，這種數據使用方式會創造一種掠奪性經濟，讓遠離危險的富裕國家從前線國家所承受的致命威脅中獲利，這可能為戰爭持續提供市場誘因，使其成為永無止境的數位黃金礦藏。

一個充滿挑戰的新領域：現有法律規範了軍隊如何進行戰爭。但對於戰鬥中產生的記錄，在被剝離其作戰背景、打包成數據並授權給產品流通範圍遠超其製造地的公司時，幾乎沒有任何規定。

設計這些系統的公司的責任仍未確定。烏克蘭正在建立存取控制措施，這在最新簽署的英烏AI協議中有所提及，但目前沒有任何政府積極致力於規範數據被模型吸收並回流到民用市場後的情況。

這些記錄包含著人類生命。其中可見的士兵和平民並未同意成為可能在多年後出售的產品的訓練材料。

然而，感測器數據、攝影機畫面以及平民逃離無人機襲擊時的座標，現在卻構成了影響未來機器如何做出決策的數據類型。

這是一個同意權的問題。數據中出現的個人，無論是目標、控制者還是旁觀平民，都成為了訓練材料的一部分。

基於這些數據的自主能力並不會止步於戰場邊緣。這些能力會進入其他軍事或商業系統，例如送貨車輛或農業機械。

數據中嵌入的錯誤和假設，即使模型進入民用生活，也會隨之傳播。

戰場數據不應被視為普通的商業材料。然而，目前沒有任何機構或監管者對此問題擁有管轄權。

在此期間，提供國防數據存取權的政府應將其視為受控武器轉讓，記錄其來源、授權使用者並限制後續分享。

烏克蘭已開始處理這個問題。其Avengers Labs計畫允許公司在戰場數據上訓練模型，而無需直接存取敏感資料庫。然而，這僅能緩解問題的一部分。

政府應要求，當在戰時材料上訓練的模型隨後被納入民用產品時，必須進行披露。此類監管的目標應是使從戰鬥到商業的途徑變得可見。

這些公司真正開採的是經驗。而士兵無法同意以這種方式使用他們的經驗，作為訓練數據，產生模型優勢，並最終支援一個遠離戰場的產品。

問題不再僅僅是科技公司可以出售什麼用於戰爭。而是它們能從中提取什麼。

為了保護我們免受這個新興產業的過度行為影響，我們需要一個監管系統，能夠追蹤戰場數據的去向，從戰鬥到模型再到商業產品。

Cory Alpert是墨爾本大學的研究員，研究AI對民主的影響。他曾任職於拜登白宮。