德军招人先过 AI：算法筛极端倾向，错判怎么办

一套软件，从今年 7 月起，读完了数万名德国参军报名者的公开网络痕迹。最后被拦下的，是三位数。

一、发生了什么

据德国《明镜》周刊报道，德国国防军情报机构 MAD 首次启用一套自研 AI 系统，用来在联邦国防军（Bundeswehr）申请者中识别右翼极端分子。Osna.FM 在 10 月 5 日转述了这则报道。

这套系统叫 uVTP，全称「辅助宪法忠诚审查」，由 MAD 与一家德国 IT 公司合作开发，按情报机构的需求定制。从名字看，它是给既有的宪法忠诚审查加一道自动化，而不是新设一道门槛。

它查三件事：申请者本人是否在网上传播极端主义内容、是否关注右翼账号、是否转发这类材料。

审查从今年 7 月开始，覆盖所有申请者。据报道，已有数万名申请者被这套软件筛过一遍，最终因「缺乏宪法忠诚」被筛出的人数是「低三位数」。MAD 的说法是，这么做是为了应对未来几年申请人数的快速增长。

报道没有披露三件关键的事：系统的误报率、被筛出者的申诉渠道、以及最终决定是否由人做出。

这三项空白，比系统本身更值得注意。审查一个人能不能当兵，结论会跟他很多年；一个只能给出「是或否」、不解释理由、也没有复核环节的系统，把这份重量放在了几行代码上。这不是模型问题，是程序问题。

二、跟你有什么关系

想去德国当兵的人：你的公开账号、关注列表、转发记录都会进入审查范围，而且这一步发生在你入伍之前。

做招聘和合规的人：把背景调查的一部分交给模型，省的是人力，欠的是解释。被拒的人有权知道为什么。

关注算法治理的人：这是一个典型的高风险、低透明场景——国家安全理由可以挡住大部分信息公开要求，外部很难复核。想监督，只能从程序细节入手。

三、怎么判断

如果你所在的机构要采购类似的筛查系统，问这四个问题。

1. 要误报率，不要准确率。 这类系统里，把无辜的人标红，代价远大于漏掉一个。只给「准确率 95%」的供应商，通常在回避问题。

1. 把「关注」和「发布」分开。 转发、点赞、关注是弱信号，自己发布内容是强信号。两者混在一起算分，误伤率会很高。

1. 要求人工复核留痕。 谁看的、看了什么、依据哪一条，要能写下来。没有留痕的自动化审查，出了错找不到责任人。

1. 写清申诉通道和数据保存期限。 没有申诉，等于把判断权永久交给了训练数据。保存期限越长，信息被二次使用的风险越大。

还有一条常被忽略：给「无法判断」留一个出口。 模型在证据不足时应该输出「不确定」，交给人工，而不是被逼着二选一。很多误判不是因为模型错，是因为流程不允许它说不知道。

四、三个别信的说法

AI 能读出极端主义倾向。 它读的是公开行为：发了什么、关注了谁、转了谁的帖。行为和信念之间隔着很长的距离，模型跨不过去。真正决定结论的，仍然是人对这些痕迹的解释。

筛出低三位数，说明系统很准。 报道给了分子，没给准确的分母和误报数。在数万人的基数上，低三位数粗算不到 1%，但「被筛出的人里有多少是错的」完全未知。没有这个数，谈准确率没有意义。

这种事只发生在军队。 各国军队、警察、情报部门本来就在做背景审查，AI 只是把其中读公开信息的部分自动化了。企业招聘、金融开户、签证审核里的同类系统更多，只是不会上新闻。

五、一句话结论

算法能标出可疑的公开行为，标不出忠诚；有没有申诉通道，比模型多准更重要。

信息来源

1. German Military Intelligence Uses AI to Screen Bundeswehr Applicants for Right-Wing Extremism，Osna.FM，2026-10-05

功能与价格以官方公告为准。本文写于 2026 年 10 月 18 日。