关于支持科学新闻
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您正在帮助确保未来关于塑造我们当今世界的发现和想法的具有影响力的故事。
战争死亡，尤其是恐怖袭击或叛乱袭击造成的死亡，似乎特别且残酷地随机。但是，一些科学家认为他们已经找到了预测这些致命袭击何时发生的关键。
这些发现并非基于新的侦察技术或情报突破，而是基于一些相对简单的数字计算。事实证明，无论是2008年喀布尔发生的致命路边炸弹袭击，还是1970年代分离主义团体的致命恐怖袭击，根据一篇发表在7月1日《科学》杂志上的新论文，成功袭击的频率都以相对一致的升级速度出现。而对于一些研究人员来说，这个速度看起来很像学习曲线。
当面对具有挑战性的任务时，一群人往往会越做越快——无论这项任务是建造飞机还是进行多步骤手术。新论文的作者认为，组织和执行成功的军事袭击也是如此。
在分析了伊拉克、阿富汗、巴基斯坦和数十年的恐怖袭击的公开伤亡数据后，科学家得出结论：“叛乱分子似乎遵循着一条在制造业文献中非常常见的进步曲线——或学习曲线，”迈阿密大学的物理学家、该研究的主要作者尼尔·约翰逊说。
“他们的目标是为军队制造或制造一个致命的日子，”他解释说，为使用了轻率的术语而道歉。为了尽快策划下一次致命袭击，“他们当然试图从过去的所作所为中学习，”他说。
这种倾向有助于解释约翰逊和他的同事发现的速率曲线最引人注目的特征：它的方向向上。随着时间的推移，大多数团体似乎都能够提高他们对目标进行“成功”（即致命的）袭击的频率。约翰逊说，这是“与学习相关的特定幂律曲线”。换句话说，他补充说，即使对于恐怖分子来说，“熟能生巧”。
预测死亡
为了得出该模型，约翰逊和他的同事注意到了任何特定冲突中发生致命袭击的前两天——无论是阿富汗省份还是真主党在以色列的自杀式炸弹袭击——以及该组织执行成功袭击的频率随后的升级。（伤亡数据来自2003年至2010年的伊拉克自由行动、2001年至2010年的阿富汗持久自由行动、1995年至2008年巴基斯坦武装分子和真主党事件的自杀式炸弹袭击，以及1968年至2008年执行的其他3,143起袭击。）
该模型似乎可以成功预测下一次发生致命袭击的日子，仅仅基于前两次袭击之间的时间和随后的升级速度。正如约翰逊在《科学》播客中解释的那样，研究人员可以预测第50次和第51次致命袭击之间的天数。
但是，如果这些计算如此简单，那么叛乱分子和恐怖分子会不会仅仅围绕它们制定计划以阻止反击行动？约翰逊和他的同事们相信，这种情况不一定会发生，原因与通勤者明知交通最糟糕时，仍然会加入高峰时段的原因相同。
急剧上升的曲线也突显了一个发现，即随着冲突的继续，致命袭击的可能性越来越大。尽管这一趋势在约翰逊的分析中显而易见，但他表示，他并没有听到对此模式的太多讨论。如果知道对手随着时间的推移会变得越来越高效，那么对战争成本的财务、政治和人力计算可能会以不同的方式进行制表。
相互冲突的冲突模型
并非所有研究人员都看到约翰逊感知到的相同模式。亚伦·克劳塞特是科罗拉多大学博尔德分校的计算机科学家，他没有参与这篇新论文，他在2009年使用类似的模型来描述阿富汗冲突中的袭击。他称这种数学方法为“比较非常不同的背景的一种极好方式”，旨在找出“大规模人类冲突的普遍规则和普遍模式”。根据他对阿富汗伤亡数据的评估，克劳塞特并不完全相信新的学习曲线讲述了正确的故事。相反，他认为“组织规模——换句话说，是工作的武装分子数量——决定了事件的顺序。”
更深入地研究数据应该有助于学术界和政策制定者更好地理解袭击升级速度背后的力量。尤其重要的见解可能来自攻击报告中远超主要曲线的数据点。“这可能是所谓的‘噪音’，也可能是在告诉我们一些事情”——人员已经更换，某个团体获得了更好的信息或更好的技术，约翰逊说。“如果我们回顾一下并了解更多，并从社会科学中引入更多叙述，我们或许能够更多地揭示出”袭击频率时间的原因，约翰逊建议。这可能会推动未来更有效的预防策略。
不断变化的策略
这些数据可能还表明战斗人员如何相互回应的新模式。具体来说，致命袭击的发生率不仅衡量了群体自身的进步，还衡量了他们超越联盟部队的能力，联盟部队可能正在努力限制这些袭击的发生频率。
约翰逊在自然界中看到了类似的模式，即捕食者和猎物不断适应和进化以超越对方。这种所谓的进化军备竞赛（也称为红皇后假说）可以追溯到漫长的历史，因为每个物种都在适应新的策略来智胜其捕食者——和/或他们自己的猎物——使得这种动态成为双向的。
在战争数据中，研究人员也可以从袭击率中收集到适应模式。并非所有的进攻都受到了反叛乱和反恐努力的同等徒劳的回应。例如，武装分子在简易爆炸装置（IED）袭击中并没有那么快地取得进展，这“表明联盟军队对IED的反适应能力比对其他威胁更好，”约翰逊和他的同事在他们的论文中指出。
该小组还发现，阿富汗喀布尔和扎布尔省的致命袭击发生率保持稳定，“这意味着军方正在设法遏制进一步的升级。”因此，通过寻找这些趋势，政策制定者或许能够评估叛乱活动在多大程度上得到了遏制——以及哪些策略似乎在统计学上保持了致命袭击的低发生率。
约翰逊希望看看该模型是否可以应用于其他冲突，例如正在利比亚进行的冲突以及古代希腊战争。他还看到了它在其他领域的潜力，包括网络攻击。“这种方法不一定与地面人员有关，”他说。“这是一群人试图团结起来造成破坏。”
尽管约翰逊对新的应用充满热情，但他也很乐意指出该模型的局限性。在许多冲突中，例如好莱坞式的战斗中，双方军队在预定的时间排队作战，甚至在世界杯足球赛中，升级的进步曲线速率都站不住脚。因此，将其应用于其他实例，例如利比亚正在进行的冲突（克劳塞特指出，这看起来更像是传统的内战，而不是阿富汗或伊拉克式的叛乱袭击），则是不确定的。“我们希望认为存在相似之处，但我们应该非常小心地认识到差异，”克劳塞特说。
但是，至少对于叛乱和恐怖袭击而言，新模型可能是一个重要的工具，通过提供“对未来非常直接的估计”，让士兵和平民更加安全，”约翰逊说。“这不是水晶球，但它是一个估计。”这比看似随机的伤亡潮更有用。
想自己尝试计算吗？约翰逊和他的团队使用了来自网站icasualties.org的公开军事伤亡数据、来自纪念反恐研究所数据库的恐怖袭击数据以及来自芝加哥安全与恐怖主义项目的自杀式炸弹袭击数据。为了计算这些数字，他们使用了免费的 Open Office 软件。他们的计算细节可在他们的支持性在线材料中找到。