如果孫子有 AI：兵法十三篇的機器學習與決策輔助
「得算多」與「得算少」，用今天的語言就是「勝率估計值與其置信區間」。孫子要的不是一個絕對答案，而是一個相對優勢的判斷。這點非常現代——好的決策輔助系統從來不該告訴你「你一定會贏」，它只該告訴你「在現有資訊下，這一手的期望值高於另一手」。
而孫子最狠的一句話是「多算勝，少算不勝，而況於無算乎」。這根本就是在說：沒有資料就別下判斷。兩千五百年後，我們把這句話寫成了機器學習的第一守則——garbage in, garbage out。
二、十三篇的 AI 轉譯：每一篇都是一套機器學習模組
接下來進入正題。筆者試著把十三篇逐篇對應到現代機器學習與決策科學的概念。必須先聲明：這是一場「結構類比」的遊戲，不是嚴格的歷史考據。有些對應非常工整，有些則是筆者自己的腦洞延伸。各位頂客就當作一場思想實驗來看，別拿去做論文引用啊。
《始計篇》：目標函數與損失函數的設計
《始計篇》是十三篇的總綱。它做的最重要一件事，是定義「什麼叫做贏」。孫子列出五事七計，本質上是在設定目標函數：道（民心向背）、天（時機）、地（環境）、將（執行者）、法（制度）。這五個維度，就是決策系統的 reward 設計。
機器學習裡有一句名言：「你優化什麼，你就得到什麼。」如果你把 reward 設成「擊殺數」，模型就會學會無腦衝鋒；如果你把 reward 設成「領土」，模型就會學會龜縮。孫子顯然懂這件事。他反覆強調「道」優先於「天」「地」，就是在提醒：目標函數的權重不能亂設，價值觀必須寫進 reward 裡。
更進一步，「兵者，詭道也」這句，其實是在說明「對手會觀測你的行為並調整策略」。這表示你不能用靜態的監督式學習來建模戰爭，因為你的訓練資料會被對手的反應污染。這是典型的非穩態環境，必須用強化學習或賽局理論來處理。孫子沒有馬可夫決策過程這個詞，但他知道對手的策略會改變你的最優策略。
《作戰篇》：資源約束下的強化學習
《作戰篇》談的是後勤。「日費千金，然後十萬之師舉矣。」這句話翻譯成現代語言：任何策略的執行，都有運算成本。你不可能無限制地 rollout，不可能無限制地蒐集資料，不可能無限制地訓練模型。
強化學習裡有一個核心難題叫「樣本效率」（sample efficiency）。真實世界的互動次數是有限的，模型必須在少數嘗試中學到東西。孫子的解法是「因糧於敵」——不要從自己家裡運補給，要從對手那裡拿。這在 AI 裡的對應叫做「遷移學習」與「資料增強」：不要從零開始訓練，要利用既有模型、既有資料、甚至是對手的輸出。
「故智將務食於敵，食敵一鍾，當吾二十鍾。」這句話如果寫成公式，就是：外部資料的邊際效益，遠高於內部生成的資料。因為內部生成要成本，外部資料幾乎是白撿的。這不就是今天大家在做的資料爬取、開源模型微調、以及知識蒸餾嗎？
《謀攻篇》：最小代價策略與賽局理論
《謀攻篇》的核心是那句被引用到爛掉的話：「是故百戰百勝，非善之善者也；不戰而屈人之兵，善之善者也。」
用決策科學的語言說：最優策略不是勝率最高的策略，而是「期望成本最低」的策略。百戰百勝聽起來很爽，但每一次戰鬥都在消耗資源、暴露資訊、累積風險。真正的高手，是讓對手在開打之前就放棄。
這在賽局理論裡叫「子賽局完美均衡」——你要讓對手在每一個節點上都相信，繼續對抗對他不划算。而在 AI 裡，這對應的是「策略性威懾」：模型的目標不是把對手打到歸零，而是把對手的期望收益壓到低於他的參與約束。孫子如果去寫博弈論教科書，大概會把「不戰而屈人之兵」放在第一章第一頁。
孫子還給了一張量化標準：「十則圍之，五則攻之，倍則分之，敵則能戰之，少則能逃之，不若則能避之。」這根本是一張兵力比對策略表：十倍兵力包圍、五倍兵力強攻、兩倍兵力分兵、勢均力敵就正面對決、兵力少就逃、完全打不過就避。用今天的語言，這是「基於狀態的動作選擇策略」（policy），而且門檻值設得非常清楚。
《軍形篇》：穩健性與訓練測試分離
《軍形篇》講的是「先為不可勝，以待敵之可勝」。這句話是機器學習裡「穩健性」（robustness）概念的最佳古代表述。
「不可勝」是什麼？是模型在分布內資料上的表現穩定，不會因為一點點擾動就崩潰。「以待敵之可勝」是什麼？是等待分布外資料出現，或者等待對手犯錯。你不能控制對手的失誤，你只能控制自己不被擊敗。
孫子說：「善戰者，立於不敗之地，而不失敵之敗也。」這句話翻成 ML 語言：好的模型，先在驗證集上站穩，再等待測試集上的機會。你不能保證測試集一定友善，但你可以保證自己沒有過擬合。
更有意思的是「勝兵先勝而後求戰，敗兵先戰而後求勝」。這不就是「先切分訓練集與測試集，再開始調參」嗎？先確定評估方式，再開始訓練。反過來做，就是資料洩漏。孫子如果看到有人拿測試集調超參數，大概會說：「此敗兵之道也。」
《兵勢篇》：奇正相生與混合策略
《兵勢篇》最抽象，但也最有趣。「凡戰者，以正合，以奇勝。」正兵是正面對抗，奇兵是出其不意。孫子說這兩者要「相生」，像一個循環。
在賽局理論裡，這叫「混合策略」（mixed strategy）。如果你的策略是純策略，對手只要觀察幾次就能破解。你必須隨機化，讓對手無法預測。石頭剪刀布的最優解就是各三分之一，不是永遠出石頭。孫子沒有聽過納許均衡，但他知道「不可預測性」本身就是一種武器。
而「勢」這個概念，用今天的語言，接近「梯度」或「動量」。孫子形容「勢如彍弩」，拉滿的弓，一放就飛出去。這是在描述一種累積的位能，一旦釋放就產生巨大的動能。在優化演算法裡，動量法（momentum）就是在累積過往梯度的方向，讓更新不會因為局部雜訊而震盪。孫子沒有梯度下降，但他懂「蓄勢」。
《虛實篇》：對抗樣本與生成式欺敵
《虛實篇》是筆者認為最適合用 AI 語言重讀的一篇。「故善攻者，敵不知其所守；善守者，敵不知其所攻。」這句話說的是：讓對手無法建立對你的正確模型。
在對抗式機器學習裡，這叫「對抗樣本」——對輸入做極小的擾動，讓對手的模型判斷錯誤。而「形人而我無形」，則是更高階的版本：我不只騙你的模型，我還讓你的模型以為它看得很清楚。
「故形兵之極，至於無形。」這句如果寫成技術文件，大概是：「透過生成模型製造高擬真度的誘餌分布，使對手的判別器無法收斂。」生成對抗網路（GAN）的本質就是兩個模型互相欺騙：生成器想騙過判別器，判別器想抓出假貨。孫子如果看到 GAN，大概會拍桌說：「這不就是虛實嗎？」
「水因地而制流，兵因敵而制勝。」這句話更是直接把「策略必須是狀態的函數」講清楚了。水沒有固定形狀，所以能適應任何容器；好的策略不該有固定腳本，而該是一個 policy function：輸入狀態，輸出動作。
《軍爭篇》：路徑規劃與時序決策
《軍爭篇》談的是「如何比對手更快到達關鍵位置」。「以迂為直，以患為利」是這篇的靈魂。表面上繞遠路，實際上抄近路。
這在電腦科學裡叫「路徑規劃」，最具代表性的演算法是 A*。A* 的估價函數是 f(n) = g(n) + h(n)，g 是已經走的成本，h 是預估剩下的成本。孫子的「以迂為直」，就是在說：不要只看 g，要看 h。短期繞路可能讓 g 變大，但如果 h 大幅下降，總成本反而更低。
「其疾如風，其徐如林，侵掠如火，不動如山。」這四句被很多人當成文學修辭，但它其實是一組「動作時序策略」：什麼時候該快、什麼時候該慢、什麼時候該猛、什麼時候該穩。用強化學習的語言，這是 action timing 的 policy，而且它明確區分了不同狀態下應該採取的節奏。孫子沒有時間步的概念，但他知道節奏感本身就是策略的一部分。
《九變篇》：探索與利用的兩難
《九變篇》的核心是「將在外，君命有所不受」。這句話在組織管理上是授權，在 AI 裡則是「自主性」。
一個只會照著中央指令行動的系統，反應速度一定慢。孫子認為，前線將領必須有臨機決斷的權限，因為戰場狀態變化太快，中央來不及反應。這在強化學習裡叫「探索」（exploration）：模型必須在未知狀態下嘗試新動作，而不是永遠選擇目前看起來最好的那一個。
「是故智者之慮，必雜於利害。」這句話太精采了。它說：聰明的決策要同時考慮利益與損害。這在 reward shaping 裡叫「風險調整」——不能只看期望報酬，還要看尾部風險。只追求最大期望值的策略，往往會在極端情況下爆掉。
《行軍篇》：異常偵測與訊號處理
《行軍篇》大概是十三篇裡最「工程」的一篇。它花了大量篇幅描述如何從自然現象判斷敵情：「眾樹動者，來也；眾草多障者，疑也；鳥起者，伏也；獸駭者，覆也。」
這不就是異常偵測嗎？從環境的細微變化，推斷背後有沒有人為活動。樹在動，可能是風，也可能是人；草叢裡有障礙物，可能是自然地形，也可能是埋伏。你要從雜訊裡分離出訊號。
而「令之以文，齊之以武」則是組織行為的規範：用文的手段建立共識，用武的手段維持紀律。在 AI 系統裡，這對應的是 soft constraint 與 hard constraint——軟性獎勵引導行為，硬性規則防止災難。獎勵可以慢慢調，但安全邊界不能有彈性。
《地形篇》：特徵空間與狀態表示
《地形篇》把地形分成六類：通、掛、支、隘、險、遠。每一類都有對應的戰術。這根本是一份「狀態分類手冊」。
在機器學習裡，這叫「特徵空間」的劃分。你把原始狀態映射到一組有意義的特徵，然後針對不同特徵區域設計不同的策略。通形是「我可以去，敵人也可以來」，所以要搶占高地、保護補給線；隘形是「一夫當關」，所以要先占領隘口。這跟決策樹在做的事情一模一樣：根據特徵把狀態空間切成一塊一塊，每一塊給一個動作。
孫子說：「夫地形者，兵之助也。」地形是輔助，不是決定因素。這在 ML 裡也成立：特徵很重要，但特徵不是全部。好的特徵工程能讓模型事半功倍，但再好的特徵也救不了錯誤的目標函數。
《九地篇》：遷移學習與情境感知
《九地篇》把戰場情境分成九種：散地、輕地、爭地、交地、衢地、重地、圮地、圍地、死地。每一種情境，士卒的心理狀態不同，對應的策略也不同。
這在 AI 裡叫「情境感知」（context awareness）與「遷移學習」：同一個模型，在不同情境下要能調整行為。散地（本國境內）士卒容易逃散，所以要統一意志；死地（無路可退）士卒會拚命，所以反而能激發最大戰力。
「投之亡地然後存，陷之死地然後生。」這句話是《九地篇》的名言。用 RL 的語言說：有時候，縮小 action space 反而能提高成功率。當所有逃脫路徑都被封死，模型只能專注於唯一可行的策略，反而避開了猶豫不決的損耗。這是一種極端的正則化。
《火攻篇》：風險敏感決策
《火攻篇》表面上談火攻，實際上談的是「高風險、高報酬、不可逆」的決策。「發火有時，起火有日」——時機要精準。「主不可以怒而興師，將不可以慍而致戰」——不能因為情緒而決策。
在 AI 裡，這對應的是「風險敏感型強化學習」（risk-sensitive RL）。有些動作的後果不可逆，一旦執行了就無法撤回。火攻就是這種動作：燒了就是燒了，不能重來。所以決策系統必須對這類動作設更高的門檻、更嚴格的評估。
「非利不動，非得不用，非危不戰。」這三句話，翻譯成 reward 設計原則：只有期望收益為正才動、只有確定能拿到才用、只有真正危急才戰。這是非常保守、非常工程師思維的風險控制邏輯。
《用間篇》：資料來源與隱私
最後回到《用間篇》。前面已經談過五間的分類，這裡補一個更現代的視角：資料隱私與來源倫理。
孫子說：「間事未發而先聞者，間與所告者皆死。」這是保密條款。在資料治理裡，這就是 access control 與資料分級。情報的外洩，往往不是因為敵人太強，而是因為內部管控太鬆。
「故三軍之事，莫親於間，賞莫厚於間，事莫密於間。」親、厚、密，三個字分別對應：信任機制、激勵機制、安全機制。這不就是今天我們在設計資料管線時最在意的三件事嗎？誰能碰資料、為什麼要碰、碰了會不會出事。
三、決策輔助的倫理與邊界：孫子會怎麼看「自動化戰爭」
講完技術對應，我們必須回到一個更嚴肅的問題：如果孫子真的有 AI，他會全盤接受嗎？筆者的判斷是：他會用，但他會非常小心。理由有三。
「不戰而屈人之兵」與 AI 的威懾邏輯
第一，孫子最在意的從來不是「打贏」，而是「不打」。他的最高標準是「不戰而屈人之兵」。而 AI 最擅長的，恰恰是「預測」與「威懾」——透過大量模擬，讓對手知道繼續對抗的代價高於妥協。
但這裡有一個陷阱：AI 的預測會改變對手的行為，對手的行為又會改變 AI 的預測。這是反射性（reflexivity）問題。孫子懂這個道理，所以他不迷信預測，他說「兵無常勢，水無常形」。AI 可以輔助判斷，但不能取代對「無常」的敬畏。一個過度自信的預測系統，往往比沒有預測系統更危險。
演算法偏誤與「將者，智信仁勇嚴」
第二，孫子對「將」的要求是智、信、仁、勇、嚴。這五個字，本質上是在描述一個決策者的品格。而 AI 沒有品格，它只有目標函數。
如果你的目標函數設錯了，AI 會非常有效率地做出錯誤的事。這就是演算法偏誤。孫子說「將者，國之輔也，輔周則國必強，輔隙則國必弱」——決策輔助系統的好壞，取決於設計者的價值判斷。AI 不會幫你決定「什麼是正義」，它只會幫你把「你定義的正義」執行到極致。問題是，你憑什麼確定你定義的正義是對的？
人類在迴路中的必要性
第三，也是最關鍵的一點：孫子反覆強調「知」的重要性，但他同時知道「知」永遠不完整。「知之為知之，不知為不知，是知也」——這句話雖然不是孫子說的，但精神相通。
AI 的輸出永遠帶著不確定性。好的決策輔助系統，必須把不確定性攤開給人看，而不是給出一個過度自信的答案。孫子如果活在今天，他大概會是那種堅持「human-in-the-loop」的人：AI 可以算，但最後一拍必須由人來按。因為戰爭的代價太高，高到不能把責任外包給一個機率分布。
四、雅寶社區腦洞總結：從竹簡到神經網路的千年對話
寫到這裡，這篇腦洞也該收尾了。回頭看，我們把十三篇拆成了十三個模組，從資料蒐集、特徵工程、目標函數、策略選擇、風險控制，一路談到倫理邊界。你會發現，孫子當年用竹簡和毛筆寫下的東西，竟然可以在兩千五百年後，用矩陣和梯度重新表述一遍。
但筆者想強調的是：這不是「孫子很神」的證明，而是「決策的本質很穩定」的證明。無論你用竹簡還是 GPU，無論你面對的是諸侯聯軍還是推薦系統的點擊率，你都得回答同樣的問題：目標是什麼、資料從哪來、對手會怎麼反應、風險怎麼控制、誰來負責。
孫子沒有給出標準答案，但他把問題問對了。而問對問題，往往比給出答案更難。這也是為什麼兩千五百年後，我們還在讀十三篇——不是因為它給了我們答案，而是因為它教我們怎麼問問題。
最後，留一個開放式腦洞給各位頂客：如果十三篇真的被做成一套開源決策輔助框架，你覺得哪一篇最難工程化？筆者的答案是《九變篇》——因為「將在外，君命有所不受」這種授權邏輯，最難寫成程式碼，卻也最決定一套系統能不能真正上戰場。
💬 想說點什麼？
歡迎到留言板分享你的想法、心得或疑問。
💬 前往留言板 →