这次，AI的战场首秀演砸了。当Palantir的Maven系统用上Anthropic的Claude模型，在打击行动首日就塞给指挥官约一千个目标建议时，五角大楼大概以为拿到了战争的终极效率神器。然而，算法推荐的第一个重音符，却是一所学校的导弹袭击和约120个孩子的生命。技术报告光鲜亮丽，现实结局残酷血腥——这不是模型出了错，是背后那套运转了四十年的官僚系统，先于AI崩塌了。
调查显示，早在2019年，前线情报分析师就通过某种数字工具，将那个地点清楚地标注为一所小学。这份关键信息为什么没有成为算法决策的“停止”指令？因为它被困在一个叫MIDB的军事目标数据库之外。这个1980年代建造、依赖手动输入的老旧系统，就像一堵沉默的墙，隔绝了前线的“认知”与指挥部的“行动”。替代它的MARS系统多年难产，数据在管道中遗失、延迟、失效。于是，AI模型基于一个错误的、不完整的战场认知地图进行了“高效”运算。它完美地执行了任务，完美地放大了系统性失灵。
Project Maven的创始人杰克·沙纳汉事后斥责“目标验证不力不可原谅”，五角大楼随即抛出新的“智能体AI倡议”。但这掩盖不了更深层的悖论：我们急于将最生杀予夺的决策权，委托给连不上可靠数据源的算法。这不是一次技术故障，而是一次对整个情报-决策体系的“系统级压力测试”，结果是不及格。它尖锐地提醒每一个狂热拥抱AI的领域——无论是军事还是商业——在追求模型的“聪明”之前，请先诊断你数据管道的“健康”。否则，你吞下的可能不是效率的糖丸，而是灾难的苦果。
