人工智能运用于国防领域是大势所趋人工智能作战应用

发表时间：2023-07-05 02:08:46

人工智能运用于国防领域是大势所趋

美军无人潜航器

俄罗斯“阿尔戈”战斗机器人

美军无人机蜂群作战示意图

作为新一轮科技革命的重要代表之一，人工智能是当今科技领域最前沿的课题。AlphaGoZero通过自我学习碾压“AI前辈”AlphaGo、百度无人汽车上路、苹果手机开启新的刷脸认证方式……近年来，人工智能的实际应用显示其技术巨大的驱动力。

在人工智能技术不断进步的背景下，人工智能在国防领域目前发展如何？人工智能在国防领域能发挥什么作用？未来应如何发展人工智能使其更好服务国防领域？围绕这些问题，记者采访了国防科技大学研究员朱启超。

人工智能成为国际竞争新焦点――

军事强国纷纷抢滩部署

“从世界局势来看，世界各国尤其是军事强国都在抢先布局人工智能，美、俄等国家政府部门均发布了人工智能相关战略或规划，彰显国家层面对人工智能的高度重视。”朱启超表示。

资料显示，俄罗斯始于2008年的“新面貌改革”将人工智能作为重点投资领域。此外，俄罗斯还发布《2025年前发展军事科学综合体构想》，强调人工智能系统将成为决定未来战争成败的关键要素。欧盟在2013年提出为期10年的“人脑计划”，拟斥资12亿欧元进行人类大脑研究。2016年10月，美国白宫发布《国家人工智能研究和发展战略规划》，构建美国人工智能发展的实施框架。

在朱启超看来，不少国家都在推进人工智能在国防领域的发展运用，从最初的无人机到智能化信息处理系统、仿生机器人等，人工智能逐步渗透到国防和军队各个领域。

近年来，美国曾在阿富汗战争、伊拉克战争中大量运用无人机和后勤作业机器人。2014年以来，美军已将智能化无人系统作为“第三次抵消战略”的颠覆性技术领域给予重点投资。去年4月，美国国防部宣布成立算法战跨职能小组，旨在将人工智能用于国防情报搜集和分析领域。据报道，日前美国国防部正式下令建立一个新的人工智能研究中心，整合国防部所有的人工智能相关工作。

其他国家也在这个领域加快步伐，推动军队智能化建设。俄罗斯军事工业委员会计划在2025年之前实现俄军装备30%的机器人化，其军队轮式和履带式地面作战机器人已经投入叙利亚战场。韩国和以色列开发和使用具有自动监视和自主决定开火能力的边境巡逻机器，以色列已在其境内部署自主性很高的“哈比”无人机，韩国国防部也在近期表示将在2020年之前投入75亿韩元用于推动人工智能在情报侦察、指挥控制等领域的运用。

“可以预见，各类智能化无人系统与作战平台将在地面、空中、水面、水下、太空、网络空间以及人的认知空间获得越来越多的应用，深刻改变着未来战争人工智能的技术比重。”朱启超说。

人工智能运用于国防领域是大势所趋――

国防运用需求前景广阔

从历史发展趋势和未来战争需求看，人工智能越来越成为推动新一轮军事革命的核心驱动力，未来战争需求也越来越呼唤人工智能的军事应用。新美国安全中心研究员格雷戈里・艾伦在其主笔的一份题为《人工智能与国家安全》的报告中强调：“人工智能对国家安全领域带来的影响将是革命性的，而不仅仅是与众不同的。世界各国政府将会考虑制定非凡的政策，可能会像核武器刚出现时一样彻底。”

纵观历史，世界历次军事变革经历了从冷兵器时代、热兵器时代、机械化时代到信息化时代的发展历程，从冶炼技术到火药技术、机械化技术、原子能技术，再到信息技术，四次军事革命的发生都贯穿着技术革命的核心作用。“人工智能逐步走向战场，势必会引起武器装备、作战样式、部队体制编制和战斗力生成模式显著更新，进而引发一场深刻的军事革命。”面对人工智能在国防领域的发展态势，朱启超表示。

在朱启超看来，人工智能的国防运用需求非常广阔。当下，战争形态由机械化、信息化向智能化转型的趋势愈发明显，夺取未来战争的胜利越来越取决于军队的信息优势、智力资源和决策速度。而人工智能在减少战场人员数量、获取和分析情报信息、快速决策和反应等方面具有巨大的潜力。2016年，美国辛辛那提大学研发的人工智能程序“阿尔法”在模拟空战中击败了美军资深飞行员，人工智能技术对于军事革命的颠覆性意义已初步显现。

“人工智能越来越成为推进国防和军队信息化建设的重要驱动力，不断提升国防领域的信息处理能力、指挥控制效率、精确打击能力和精准管理保障能力。”朱启超对人工智能提升国防领域智能化运用非常期待，他表示，随着军民融合发展战略的实施推进，人工智能技术、大数据技术、云计算技术等新一代信息技术将在国防领域发挥越来越重要的作用，推动国防和军事智能化水平不断提升。

警惕人工智能成为“战争毒药”――

人类是人机关系主导者

近年来，随着人工智能技术的发展，军事领域涌现出各种人工智能相关作战概念和装备技术项目，但朱启超认为，目前人工智能相关技术与应用还处于快速发展的初级阶段，不应忽视人工智能军事应用的局限性。

“首先，人工智能并不能取代人类智能。人工智能在解决可编程范围外的战争问题时，需要人类的理性分析能力、灵活应变能力、道德分辨能力等，因此，要在遵循战争制胜机理的前提下进行人工智能研究。”他分析道。

朱启超进一步说明，长期来看，还需要警惕人工智能可能带来的安全、法律、伦理等诸多问题。

安全方面，军事对抗环境下，人工智能系统或武器装备一旦被对手通过恶意代码、病毒植入、指令篡改等手段攻击，将带来战术失利甚至灾难性后果；人为错误、机器故障、环境扰动等因素也可能使得系统失去战斗效力。

法律方面，国际武装冲突法中的核心原则――必要性、区别性、相称性和人道性都将面临如何适用和调整的问题。比如，战场机器人无法区分军人与平民而造成滥杀无辜给区别性原则构成挑战。

伦理方面，由于智能化评估决策技术、无人机、机器人等的应用，人类奉为最高价值的生命和尊严可能受到漠视甚至践踏，而战争的指挥者却远离战场享受战争胜利的果实，战争或将成为搬上战场的“电子游戏”，这将冲击人类的道德底线。是否应该将人类的道德标准嵌入日益智能化的机器、嵌入什么样的道德标准以及如何嵌入？这些问题需要世界各国的广泛研究和探讨。

针对人工智能在国防领域运用过程中可能出现的安全、法律、伦理等问题，朱启超建议，应加强社会安全监督管控，形成适应人工智能时代的社会治理模式；积极参与人工智能国际军备控制讨论与谈判，为应对人工智能带来的安全、法律与伦理问题贡献中国智慧和中国方案；牢固确立人类是人机关系主导者的思想，实现对人工智能的安全有效控制，让其为人类的和平福祉服务，而不是使人工智能成为“恶魔的帮凶”。（潘娣）

人工智能融入作战的基本样式

人工智能在经历60余年起伏曲折的发展之后，目前又迎来新一轮发展浪潮。世界主要发达国家都将其列为重大发展战略,力图在国际竞争中掌握主导权。人工智能相关技术应用于军事领域的趋势已不可阻挡，必然会在未来战争中占据举足轻重的地位。探索研究人工智能融入作战的基本样式，对未来军队建设发展具有重要的指导意义。

初级阶段

“要素参与式”融入

此阶段，人工智能以单装单要素的形式，适度参与到作战某一阶段或某一具体行动。

一是战场感知要素参与。战场感知能力的强弱直接关系到交战双方对战场环境的认知和判断。将人工智能技术应用于侦察装备，配合目标信息特征库即可自主对战场目标进行精准识别和分类，还可根据目标价值生成打击清单，为作战筹划、火力计划提供参考依据。

二是辅助决策要素参与。基于人工智能、云计算和大数据挖掘等技术，智能化指挥系统可以从海量作战数据中提取有用信息并进行分析处理，针对作战进程中的不同情况，提出针对性的措施建议。还可通过对大量“战史战例”的仿真推演和逻辑分析，对敌方未来行动进行提前预判，充当“智囊团”辅助指挥员决策。

三是杀伤打击要素参与。2017年联合国特定常规武器公约会议上，演示者介绍的一款名为“毒刺”的小型机器人，外形只有手掌大小，却能携带3克炸药，精准识别目标并在1秒内将其爆头，这标志着基于人工智能的精准化打击武器将在战争中广泛使用。人工智能作为杀伤打击要素参与作战，还可针对目标特性设定不同的打击强度，真正做到量敌用兵，并实时评估毁伤程度，自主决策是否对目标进行二次打击，使火力打击更加集约高效。

中级阶段

“小群模块式”融入

此阶段，人工智能以独立的小规模编组嵌入到某一作战进程或者担负某一作战模块的具体任务。

一是基于“天基”的智能编队。依托量子通信卫星为聚合铰链平台，可将人工智能技术融入多种编队。根据侦察、打击、投送等不同作战类型进行“无人机蜂群”编队，可实现全方位侦察监视敌方行动、对敌方目标实施集群火力打击、及时快速为作战部队投送战斗物资等功能。采用灵巧化、小型化的方式进行“导弹快递”编队，除能够快速找到目标外，还具备随机改变机动路线、自主躲避敌方拦截系统、超长悬浮滞空、一弹多能等功能，使打击更加“幽灵化”。基于无人驾驶系统进行“智能车队”编组，只需输入运输任务和目的地，“智能车队”即可区分车辆用途、合理编组行军梯队、自主规划行进路线、自主躲避火力打击，能够在部队远程机动、后勤物资运输、战场弹药保障等场景发挥重要作用。

二是基于“空基”的局域匹配。在作战区域上空发射一个基于人工智能的悬浮“路由器”，信号可覆盖作战区域内的所有作战部队，起到区域信息平台的作用。担负尖兵的前锋部队可通过“路由器”与指挥所进行信息交互，驱赶敌方警戒分队，探明敌方战斗部署，为己方下步作战创造条件。火力快反队能够通过“路由器”快速响应火力呼唤，实施精准火力打击，还可基于人工智能平台对打击目标进行优先级排序，确保打击效益最大化。防空分队可通过“路由器”感知来袭导弹和飞机的数量位置信息，自主分配防空火力进行防御拦截，确保作战区域对空安全。

三是基于“地域”的自动响应。在作战区域内分区布设虚拟化的智能调整点、任务线和区域线，精确调控部队行动。调整点可主动推送当前位置信息、附近作战地形地貌、道路通行情况和气象水文环境等作战保障数据，为作战部队选择机动路线提供参考。任务线主要用于划分作战区域、区分作战任务、提示战斗转换等。作战部队经过任务线时，能够自动接收任务信息，避免作战中因任务不清造成混乱。区域线的作用主要是感知作战区域内的敌我兵力兵器数量对比，判断敌方进攻或防御的主要方向等信息，可与各类侦察情报源融合生成实时态势图，推送至任务区内的所有作战指挥平台,尽最大可能消除战争迷雾。

高级阶段

“集群自主式”融入

此阶段，人工智能以大规模、多要素编组形式独立自主遂行作战任务。

一是集群作战。集群作战是一种颠覆性技术，是人工智能参与未来作战的突破口，所谓集群指的是很多个体形成一个组来完成任务。一方面，集群中的个体通过协同、涌现等技术可达到以量增效的目的，具有成本低、灵活性强、抗毁性高等优势；另一方面，集群中的个体以任务串联行动，自主进行信息交互，及时共享行动结果，确保合力高效地完成作战任务。

二是自主作战。自主作战是指人工智能深度融入各类武器装备，通过模块化组合，形成智能化战斗部队自主参与作战。智能化战斗部队包含作战所需的各种要素，具备自组织和自修复能力，能够自行感知、判断、决策、应对相应威胁，自主决策作战行动。还可根据战场态势发展和作战需要，自主调整指挥模式，谁合适、谁主导，谁有利、谁发射，形成“态势共享-同步协作-聚焦释能”的战斗力生成链路。

三是全维作战。智能化时代的战争将不再局限于陆、海、空、天、电、网等战场，还可能拓展到政治、经济、科技、外交、军民士气等多个领域。人工智能可以深度参与各领域的行动决策，运用数据和算法通盘考虑各领域在作战中的权重和效费比，综合用力、全面出击、全维对抗。运用人工智能技术可以周密设定战争规模、作战目标、打击样式和毁伤程度，使作战对手遭遇全维立体打击，国家机器瘫痪，作战体系失去效能，进而迅速达成作战目的。（张清亮高峰）

(责编：芈金、白宇)

分享让更多人看到

人工智能在国防领域的七大应用

-1-人工智能在国防领域的应用

人工智能在国防领域的应用主要用于7个方面：情报、监视和侦察，后勤，网络空间行动，信息操纵和深度伪造，指挥和控制，半自动和自动驾驶车辆，致命自主武器系统。

（1）情报、监视和侦察。由于有大量可用数据集，因此人工智能在情报领域有很大的用处。情报界以及有大量相关的正在进行中的人工智能项目了。就CIA（中央情报局）就有140个使用AI来完成图像识别和预测分析任务的项目。

（2）后勤。人工智能在军事后勤领域也有很大的应用潜力。空军已经开始使用人工智能来进行飞机维护预测。

（3）网络空间行动。人工智能也有望成为促进军事网络空间行动的关键技术。参议院军事委员会、美国网络司令部司令上将MichaelRogers早在2016年就认为，在网络空间领域只以来人类情报是一个失败的战略。随后他澄清说，应当应用一定程度的人工智能或机器学习技术。DARPA2016网络挑战赛也证明了AI赋能的网络工具的潜在能力，比赛参与者开发了能够自动检测、评估和分发补丁的AI算法。这些能力都可以在未来的网络活动中提供不同的优势。

（4）信息操纵和深度伪造。人工智能技术可以用来制造逼真的伪造图片、音频和视频，这也就是今年大火的“deepfakes”（深度伪造）技术。恶意攻击者可以用深度伪造技术来发起信息操纵活动，攻击每个，如生成虚假新闻报道、影响公共信息、侵蚀公共信任、损害名人名声。为了应对深度伪造技术，DARPA发起了媒体取证项目，以寻求自动检测修改、提供关于视觉媒体真实性信息的理由。

（5）指挥和控制。美国军方正在利用AI在分析方面的能力应用于指挥和控制。空军就开发了一个用于多域指挥和控制的系统，未来人工智能还可能用于融合来自不同域的传感器的数据来创建一个信息的单独源。

（6）半自动和自动驾驶车辆。所有的美国军事服务都在努力将人工智能融入到半自动和自动驾驶车辆中，包括战斗机、无人机、地面车辆和海军舰艇等。人工智能在这些领域的应用与商业半自动驾驶车辆类似，即使用人工智能技术来感知环境、识别物体、融合传感器数据、规划路径、以及与其他车辆之间进行通信。

（7）致命自主武器系统（LAWS）。LAWS是一种特殊的武器系统，使用传感器和计算机算法来独立地识别目标和指挥武器系统在没有人为干预的情况下打击目标。虽然这样的系统目前还不存在，但军事专家相信在未来通信降级或拒绝的特殊环境下，传统武器系统无法工作的情况下LAWS会启到很重要的作用。

-2-军事AI融合的挑战

从冷战开始，主要的国防相关技术在商用之前都是由政府主导的项目首先开发的，包括原子核技术、GPS和互联网技术。DARPA的战略计算计划(StrategicComputingInitiative)从1983到1993年10年间共投入10亿美元来开发人工智能在军事应用领域的探索，但进展缓慢。目前，商业公司正在引领人工智能的发展，随后国防部才采纳这些工具并应用于军事领域。对如此具有战略重要性的技术来说，只有一小部分商业公司在开发是非常不同寻常的。除了投资领域的快速变化外，人工智能技术在军事领域的应用存在来自技术、过程、人员和文化方面的挑战。

2.1国际竞争

随着人工智能军事应用的规模和复杂程度不断变大，国会和国防部许多官员都非常关注该领域的国际竞争。参议员TedCruz在thedawnofAI听证会的评论中表示，对美国来说，放弃发展人工智能的领导地位（相当于中国、俄罗斯等国家）不仅会使美国处于技术劣势，还可能对国家安全产生严重影响。

2.2人工智能的机遇和挑战

（1）自治。许多自主系统都多少使用了人工智能技术。相关专家认为军事系统在一些特殊任务中替换人类会获有很大的优势，如：长时间的情报收集和分析，清除化学武器对环境污染带来的破坏等。在这些任务中，自主系统可以减少相关风险，降低成本，为国防部使命提供一系列的价值，如下图所示。

（2）速度和耐力。人工智能引入了在极限时间范围内作战的方法，提供给系统在GHZ速度反应的能力，具有动态加速对抗速度的潜力。现在一般公认的是，时间在战争中具有非常重要的优势，并且反过来会促进军事人工智能应用的广泛应用。

（3）规模化。人工智能可以通过增强人类能力和使用更加廉价但性能更佳的军事系统来形成群聚效应。并且，人工智能系统可以增加单个服务单元的效率。有分析师称，人工智能系统的使用可能使得军事力量与人力规模和经济实力无关。

（4）信息优势。人工智能为数据量指数级增长提供了一种有效的分析方法。据国防部数据，军队共拥有11000架无人机，每个无人机每天都记录了相当于三个NFL赛季的高清录像。但国防部没有足够的人员或系统来处理这些数据以提取出有价值的情报。未来人工智能算法会生成自己的数据来进一步分析，以完成类似提取非结构化数据、金融数据、选举结果到报告中的任务。

（5）预测性。人工智能算法可以产生一些出乎意外的结果。并确实有很多失败的案例，前DARPA主任AratiPrabhakar表示，我们发现人工智能是一项非常有能力的技术，但同时也是非常有限的，而且出错的一些方式可能人类从来不会发生。如果人工智能系统发规模部署，那么系统失败可能会引发明显的风险。分析师称人工智能系统识别的方式可能是相同的，可能会引发大规模的破坏效应。

（6）可解释性。目前，性能最好的人工智能算法都无法解释其工作过程。DARPA和其他组织都在努力来对人工智能算法有更好的理解。可解释性对军事应用来说具有特殊的意义，因为人工智能系统推理的透明度会影响操作人员对系统和系统结果的信任度。可解释性还会对军事AI系统可验证和确认的性能带来影响。由于缺乏可解释的输出，AI系统在军事测试时无法通过审计来确认系统满足了性能的标准。

（7）漏洞利用。人工智能系统可能会增加系统被利用的可能性。首先，AI系统的普及增加了可被黑的系统的数量。其次，AI系统存在被窃取的漏洞，而且几乎都是基于软件的方式。最后，对手还可以精心引入图像分类器和其他类型的错误引发的漏洞。这些漏洞引发了我们对鲁棒性数据安全、网络安全、测试和评估过程的需求。

-3-人工智能对战场的影响

尽管人工智能还没有以一种正式的形式进入战场，但专家们预测了人工智能会对未来战争带来潜在影响。这种影响将是多方面的，包括商业投资率、国际竞争力、促进人工智能的能力、对AI应用的军事态度、AI特定战争概念的开发。

许多专家断言人工智能军事应用是一种“必然”，认为它必然会带来重大影响。然而，2016年1月，时任联席会议副主席保罗·塞尔瓦将军指出国防部仍在评估人工智能的潜力。企业开发的人工智能技术提供了军事作战的乘数效应吗？如果是，那么可能需要改变我们的战斗方式。如果不是，那么军队需要提高现有的能力以在对手面前取得一定的优势。目前国会也在考虑影响军事AI应用的一些场景并对其进行分析和监管。返回搜狐，查看更多

智能目标识别在未来军事作战中的应用与思考

0分享至

作者：翟佳等

军事技术决定战争形态。人工智能作为最重要的颠覆性技术，在军事领域的运用日趋广泛深入，成为引领世界新军事革命的主要因素，未来必将改写战争规则，催生智能化战争。智能目标识别，作为一项面向探测预警、情报侦察、态势感知、精确制导等多个军事应用领域的关键使能技术，以人工智能为技术手段，能够解决战场自动目标识别的关键问题，是打赢未来智能化战争的重要手段之一。

1、智能目标识别横空出世，势不可挡

“一旦新技术在既有技术体系堤坝上打开一个缺口，汹涌潮水的到来就不会太远。”这句话用来形容智能目标识别再合适不过。

2012年，以深度学习为核心的智能目标识别在学术界名声大噪，这一切缘于当年的ILSVRC评测。ILSVRC是近年来机器视觉领域最受追捧也最具权威的学术竞赛之一，代表了以图像、视频为数据源的目标识别、定位、检测等机器视觉领域的最高水平。在这之前，最好的Top5算法分类错误率在25%以上，而2012年AlexNet首次在比赛中使用了深层卷积网络的智能目标识别方法，错误率仅为16%。之后，每年都有新的好成绩出现，目前最优的Top5分类错误率均在5%以下，已超出了人类的识别水平。

2018年，一篇源自洛克希德·马丁公司的新闻稿，将具有智能目标识别的远程反舰导弹（LRASM）推到风口浪尖。该新闻稿称：“德克萨斯州戴斯空军基地第337试验中队的B-1B在加利福尼亚州穆古角的海上发射了LRASM，成功击中了海上目标并实现测试目标。”这其中，智能目标识别贡献了巨大力量。

AlexNet模型框架

LRASM是美国海军与美国防高级研究计划局（DARPA）正在研发的新一代反舰巡航导弹，可为美国海军提供进行远程目标打击的先进反水面作战能力。高度智能化的目标识别能力，使得LRASM飞抵目标区域之后，能够根据识别算法对区域内探测到的多个不同信号进行分类，逐步缩小不确定区域，最终实现复杂战场环境下的舰艇目标识别，并根据目标几何特征对特定目标点进行打击，形成高度自主的作战能力。

2、智能目标识别制胜的内在机理

在信息化战争中，动态海量数据已超出人脑处理能力的极限，智能目标识别的出现有着天然存在的迫切需求，但内在的作用机理才是其表现突出的制胜关键。

智能目标识别是采用人工智能技术途径，通过接收、探测目标与环境数据，进行有效的特征提取和样本积累，经过充分学习以实现对未知目标的认知与辨识，从而判定目标类别、真假和属性等信息。区别于其他目标识别方法，智能目标识别具有自主学习、智能推理、在线升级等特点。

LRASM打击体系示意图

智能目标识别衍生于自动目标识别（ATR）技术理论体系，伴随着人工智能的演进，逐渐呈现出独有的特点。自动目标识别技术的发展最早可追溯到20世纪60年代末，经历了近50年的发展历程，提出了多种多样的自动目标识别算法。纵观自动目标识别领域的发展，始终在致力于提高自动目标识别系统的自适应和学习能力。早期的系统以模式识别为主，其后发展了基于模型和基于知识的识别系统，又将人工神经网络、支持向量机等机器学习技术应用于自动目标识别领域。2006年，伴随着大数据技术、高性能计算资源的发展，以深度学习为核心的智能目标识别终于应运而生，并在图像、语音、语言识别等领域获得了成功的应用，成为解决自动目标识别问题的一种有效途径。

以深度学习为核心的智能目标识别之所以能够脱颖而出，原因在于其实现了人工智能技术从“计算”到“学习”的转变。此前，人工智能算法大都基于已知规律或确切逻辑关系建立数学模型，建立后即可运用，其核心是计算，智能实现就是按规则演算。这些算法虽然准确高效，但它们只能按照既有程序进行计算，无法应对超出程序设定的变化，是封闭的静态系统。深度学习则不同，它由多层模拟的神经元网络组成，建立后不能直接使用，必须先进行大量训练，在训练中不断提高，进而变得越来越“聪明”，是一个开放的动态系统。通过海量数据的训练，神经元网络逐层递进并提取出物理世界的各种特征，发现其模式、结构、规律，不断“进化”出更高的智能水平，其核心是学习。经深度学习形成的人工智能，一些方面甚至会超越人类。

随着现代战场在空间上的拓展，复杂多样的战场探测器遍布陆、海、空、外层空间和电磁网络空间，智能目标识别所适用的探测数据也得到了前所未有的拓展，通过对点信号级、序列信号级、图像级、运动轨迹级、融合数据级等探测数据的判定，得到目标类别、真假和属性等信息，在侦察预警、情报分析、精确制导、电子认知等军事领域发挥了重要作用。

深度学习的机理

在侦察预警方面，美国DARPA实施的对抗环境下的目标识别与自适应（TRACE）项目力求开发一种准确、实时、低功耗的雷达目标识别系统，有效降低了密集作战环境中诱饵和背景等对目标识别系统有效性的影响；在情报分析方面，密苏里大学使用智能目标识别技术分析微型图像，搜索识别我国东南沿海防空导弹阵地，在准确率与人工目视基本相当的情况下，识别效率提高了81倍；在精确制导方面，美国的“心眼”项目聚焦自动接收并解读真实场景影像，可实现快速自动识别潜在威胁，为目标打击提供依据；在电子认知方面，美国行为学习自适应电子战和自适应雷达对抗项目均重点研究了如何将智能目标识别应用于雷达电子对抗过程，以便于可以快速识别出敌方新的、未知的无线电威胁。

3、智能目标识别是打赢未来战争的关键一环

算法是人工智能技术的核心，掌握更强算法的一方可快速准确预测战场态势，创造出最优战法，实现“未战先胜”。智能目标识别作为一项面向探测预警、情报侦察、态势感知、精确制导等多个军事应用领域的关键使能技术，是打赢战争智能化进程中算法战的重要手段之一。

一方面，智能目标识别是夺取学习优势、认知优势、决策优势的关键。一是能够通过知识积累和优化，精准提取目标特征规律，缩短个体“学习曲线”；二是能够及时有效处理海量情报数据，促使数据处理水平快速增长，有效解决“信息迷雾”；三是具备自适应能力，可为指挥决策提供强有力支撑。

另一方面，智能目标识别是适应作战空间拓展、作战时间压缩的关键。在现代战场，作战空间拓展到陆、海、空、外层空间和电磁网络空间，其遍布的各种传感器产生的情报侦察与监视预警信息呈爆炸式增长，导致战场信息收集不及时、有效信息产出时效性低、反馈失误等严重问题。同时，无人机蜂群等新式智能化武器装备与新型作战样式的提出，对指挥员决策的时效性、准确性、灵敏性提出了更高要求。

智能目标识别可将人从生理极限中解放出来，基于自主学习、智能推理、在线升级等技术优势，综合不同数据来源，提升数据处理和数据挖掘效率，缩短观察、判断、决策、行动（OODA）环的反应时间，减少战场态势感知的不确定性，在智能决策、指挥协同、情报分析以及电磁网络攻防等关键作战领域发挥作用。

4、迎接智能目标识别带来的挑战和机遇

未来战争的智能目标识别发展趋势，既是重大挑战，更是难得机遇。近年来，美国等国积极探索智能目标识别在物理域、信息域和认知域等战争空间中的创新运用，我方若想谋求建立新高地的军事优势，必须冷静、客观、全面地分析智能目标识别的适用边界、科学问题和技术短板，既推动理论创新，也避免盲从追赶；既大力发展推进智能目标识别研究，也积极探索非对称反制战法和力量手段。

智能对抗案例

智能目标识别绝非万能。一是脆弱性。智能目标识别优良的表现，并不意味着其完美无瑕、毫无漏洞。以图像智能目标识别为例，当攻击者利用智能目标识别算法模型的漏洞，在装备目标上加装特定伪装图案后，便可对卫星、无人飞行器和各类智能装备背后所依赖的军事图像识别系统进行攻击，使其无法正常识别视频图像内容。为应对新形势，一方面需要利用智能目标识别技术研发新型军事装备；另一方面要了解对手可能采用的智能对抗技术和装备，并寻找其中的算法漏洞，研发相应的防御和反制措施，使智能目标识别在攻与防的环境中不断发展。

二是透明性。智能目标识别模型的复杂性为其带来了非凡预测能力，然而若其提取的深层特征不直观，无法理解算法决策过程，难以分辨某个具体行动背后的逻辑，就会导致识别风险不可控，无法准确估计识别算法的适应性。

2016年10月，DARPA发布“可解释的人工智能”项目（XAI）的广泛机构公告，其目标是建立一套新的或改进的机器学习技术，生成可解释的模型，结合有效的解释技术，使最终用户能够理解、一定程度上信任并有效管理未来的人工智能系统。通过该项目，新的机器学习系统将能解释自身逻辑原理，描述自身的优、缺点，并解释未来的行为表现。

智能目标识别实战化之路坎坷艰辛。目前，智能目标识别还不适于强杂波的、拥挤的、复杂的、快速变化的军事应用场景。以美国为代表的军事强国早在40年前就期望实现精确制导系统的智能化，但目前大多数导弹系统并没达到智能目标识别的预期目标，这包含智能目标识别在数据、算法、理论方法等层面遇到的应用瓶颈和科学问题。

一是数据的充分性、有效性难以保证。数据的充分性、有效性将直接影响智能目标识别的性能。然而在实际作战中，战场环境的复杂性、目标特性的不确定性和对抗条件导致的信息不完全性，将会带来目标特征的不可重复性、复杂多变的杂波背景环境、低对比度、远距离、存在伪装、遮掩与干扰、外界场景的多变性（不同的地理区域、战场条件和气象条件）等问题。当提供的是稀疏、不完全、分布不均、质量不足的数据集时，许多智能算法将无法展现良好性能。

二是现有算法的局限性亟待突破。现有的许多商用智能目标识别算法的一个重要限制，是它们对训练数据集的批处理。采用批处理时，需要一次得到所有的训练数据，使学习算法构建一个可运行在实际应用场景中的模型。当积累数据的体量无法达到训练要求时，就需要深度网络实现在线学习与现场训练。然而，如何设计稳健的在线学习方法，仍然是目前军事应用中的棘手问题。同时，针对复杂战场环境下无法获取数量充足、分布全面、质量优秀的样例数据的实际问题，需要将无监督、半监督、有监督方法相结合，借鉴先验知识和关键特征，降低对数据的依赖，探索对噪声不敏感，并能采用稀疏标注或者完全没有标注的数据集的学习方法。

三是智能目标识别缺乏理论支撑。由于缺乏科学理论的支撑，没有建立信息论测度来确定智能目标识别系统的性能边界，难以理解和预测智能目标识别系统的性能。同时，军用领域的智能目标识别缺少对试验测试领域的研究，特别是试验、验证、测试、评估、鉴定的核心技术体系，及基本支撑理论、综合试验环境、评估指标体系等关键基础性问题尚未有实质性突破，尚无法回答智能目标识别在军事应用领域的准确性、可用性、有效性。

军事文摘授权转载

‍

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。

Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.

/阅读下一篇/返回网易首页下载网易新闻客户端

人工智能在作战指挥中的应用

季自力王文华

近年来，人工智能技术取得突破性进展，在作战指挥领域将得到广泛应用，可以有效缩短观察-判断-决策-行动（OODA）环的时间，极大提升态势感知、情况研判、任务规划、方案生成、分析决策、行动管控等能力，提高作战指挥的效率和决策的科学性。

人工智能应用将大大提升作战指挥效率

随着在军事领域的广泛应用，人工智能技术正在成为推动新一轮军事变革的强大动力，战争时空条件、战争主体、战争手段、战争方式方法都将发生深刻改变，并将催生新的作战概念、作战手段和作战思想，决定战争胜败的规律突出体现在“制智权”的争夺上。在夺取战场控制权上，将由夺取制信息权和信息优势为主，向夺取制认知权和智能优势为主转变;在对抗重心上，将由注重物理域、信息域对抗向更加注重认知域对抗转变。

未来战场将进入“秒杀”时代，高速度、大机动和远射程装备发展趋势使得战争节奏显著加快，人脑跟不上作战速度;大规模体系作战、一体化联合作战，使得战争复杂性大幅提升，人脑无法适应战争规模;无人系统自主作战，反应速度极快，使得战争灵活性不断加强，人脑跟不上战场变化;战场的非线性、跨域、网络化等特点，在时空范围、要素种类、行动节奏上都对决策、指挥和协同提出了极高要求，传统以人工为主的方式难以适应。在战场上，指挥员面对的是海量的、瞬息万变的战场数据和信息，人脑已经无法快速容纳和高效处理，人的感官也无法承受作战行动超常规的变化速度。例如，美军自“9·11”事件以来，仅源于无人机和其他监控技术的数据量就增长了16倍;美军分布式通用地面系统每日采集的视频流数据超过7太字节;美国空军每天收集的情报侦察视频数据约160小时。只有充分发挥人脑创造性、灵活性和主动性的优势，以及机器速度快、精度高和不会疲劳的特长，实施人机协同、人机交互，才能弥补时空差和机脑差，才能确保作战指挥决策的优势。

未来智能化战争的作战指挥决策，将具有自主的数据挖掘、态势感知、智能决策、指挥控制能力。这将在一定程度上颠覆人们对作战指挥决策的传统认知，形成由信息系统辅助人向智能系统代替人的深度融合转变。在战场情报分析、数据处理、运筹分析、模拟仿真、任务规划、方案制定等方面引入人工智能技术，极大地提高人类指挥现代战争和作战行动的智能化水平。指挥员运用跨媒体数据融合技术，可以从海量、多元、异构的情报数据中快速发掘支撑作战指挥决策的关键信息，识别意图、发现征候、研判趋势、发现规律、作出决策。人工智能技术的发展和运用，使人类能够突破思维的逻辑极限、感官的生理极限和存在的物理极限，极大地提升战场态势研判、战争趋势预测、作战方案评估和作战行动管控等能力，在多维空间、多维领域实现优势作战资源的快速跳转、聚集和攻击，掌控OODA环的主动权。

随着智能辅助决策技术和“云端大脑”“数字参谋”“虚拟仓储”的出现，作战指挥决策将由单纯的人脑决策发展为人机混合决策、云脑智能决策和神经网络决策，从而孵化出全新的指挥控制方式。人工智能这一“作战大脑”可以从各类传感器中接收、处理大量数据，其快速反应和做出决定的速度比人类要快出数百倍。在对物理域、社会域、知识域、认知域的解析及建模基础上，利用人工智能快速生成辅助决策信息，并可根据指挥员的意图进行快速优化，实现作战指挥决策的快速性和精准性。利用人工智能技术构建数据自主分析能力，优化指挥信息系统，有效提升战场数据处理挖掘的效率，以“人在回路”或“人机协同”等形式实现人和机器的优势互补，以智能化优势夺取战场主动权。

借助人工智能算法，研制快速处理数据的软件，实现对目标的高效探测、分类和预警计算，收集提供高质高量高时效性的军事情报，并推进与军事情报相关的机器学习、深度学习和视觉算法等先进算法的研究，用以辅助作战指挥决策。运用智能算法收集情报，高速、高效且结果精确，能够为作战指挥决策提供及时且优质的参考，并且通过实时战场的反馈算法能够不断得到修正更新。发展跨媒体数据融合技术、价值网络模型和快速推演体系，从海量、多元、异构情报数据中快速发掘支撑作战指挥决策的关键信息，实现对战场态势的快速判断;研制模拟仿真与计算环境，模拟战场态势演化过程，基于实时掌握的最新战场态势数据不断更新，发展运用遗传算法、遗传规划等，应用知识推理和搜索求解等方法自动推理搜索处置方案、计算生成行动指令，实现基于信息博弈的人工智能辅助决策、精准指挥和灵活控制;运用云计算、大数据、多媒体信息处理、智能决策支持等技术，构建智能化作战指挥决策体系，研发知识推理、搜索求解等人工智能技术，将精确打击的目标清单、使用作战兵力、行动计划及费效分析等简单业务自动化。

高速度、大机动和远射程装备发展趋势使得战争节奏显著加快

人工智能将被广泛应用于战场态势感知

2016年8月美国国防部国防科学委员会《自主性》研究报告提出，假如指挥官们能够运用自主化情报分析、解读，连续规划和重规划战术级作战行动，就能利用敌方作战间隙进行攻击。美国国防部高级研究计划局早在2007年就启动了“深绿”计划，旨在将仿真技术嵌入指挥控制系统，提高指挥员临机决策的速度和质量，目标是将美国陆军战术级作战任务规划周期缩短75%。其核心技术是在指挥作战过程中，基于实时战场态势数据，通过计算机的多次模擬仿真，推演出敌我采用不同作战方案可能产生的结果，预测敌方可能采取的作战行动和战场形势的可能走向，引导指挥官做出正确决策，缩短制定和调整作战计划的时间。2009年以来，美国国防高级研究计划局先后启动了“洞察”、可视化数据分析、深度学习、文本深度发觉与过滤、高级机器学习概率编程等大量基础技术研究项目，探索发展从不同类型、多源战场数据的自主获取、处理信息、提取关键特征和挖掘关联关系的相关技术。美国空军的AlphaAI空战仿真系统，已经在仿真环境下将人工智能技术用于整个作战指挥流程。美国陆军装备司令部通信-电子研究、开发和工程中心计划于2016年底启动CVS项目，旨在通过综合应用认知计算和人工智能等技术，以应对海量数据源和复杂战场态势，提供主动建议、高级分析和自然人机交互，为指挥员作出决策提供从规划、准备、执行到战争行动回的顾全过程支持。

人工智能应用于战场态势感知

人工智能技术的应用，将有助于解决复杂电磁环境下战场的精确态势感知难题。基于人工智能和全维信息的战场感知体系，不仅抗干扰抗攻击能力强，而且可以实现战场信息全网可知可视可控。通过物联网和各类传感器，实现对各类战场大数据的实时自动采集、储存、传输与处理，实现全域覆盖、多元融合、实时处理和信息共享，达到对整个战场及作战指挥的全过程“透彻感知”“透明掌控”。综合利用射频感应、全球定位、红外传感、生物特征识别等感知、捕获和测量技术，随时随地对战场目标对象进行信息采集和获取;运用数据挖掘、深度学习等技术，提高图像理解、语音识别、目标匹配能力;运用智能组网技术，为战场感知大数据传输提供高速、可靠、抗干扰的信息网络支撑。

将人工智能应用于作战指挥活动中，通过全域覆盖、随遇接入、稳定高效、安全可靠的信息交互平台，将战场实体基础设施和信息基础设施有机融合起来，把多维战场中的感知系统、武器装备、作战人员联接成一个巨大的网络，实现时空一致、连续精确的战争态势感知、信息共享和智能决策，协同指挥各作战要素和武器平台，推进战场各要素向最大限度的“自主适应、自主行动”方向发展，以更快的指挥速度、更高的打击精度，实施连续指挥和协同作战。

人工智能应用于作战任务分析

为完成作战任务分析，指揮员需要对战场数据信息进行分类，并确定当前战场态势，以构建动态更新的通用作战图，并检测己方作战指挥系统是否被欺骗。在人工智能技术的辅助下，作战指挥系统可根据接收到的情报报告的顺序，自动生成战术级通用作战图。利用深度学习算法，可以将高维度文件输入向量转换为一种低维度本征向量空间的方法，在该空间中互邻的向量与类似的文档对应，利用少量有主题标记的样本来定义本征向量空间中的特定聚类，并使用这些聚类构建自动元标注算法。在此基础上使用人工智能算法，确定一个文档中与特定话题相关的实体，例如提取与战场相关的项目和数字，可以加速制定任务计划的过程。此外，运用人工智能技术，可以识别战场上的异常信息。通常以深度自动编码器技术为基础，正常的数据点位于自动编码器构建模型的非线性低维度嵌入坐标中，当自动编码器对正常数据点进行解码时，重建错误较少，而异常信息的重建错误较多。这种方法可用于识别接收的传感器数据中的异常，标记异常报告。

随着现代战场在空间上的拓展，复杂多样的传感器遍布陆、海、空、外层空间和电磁网络空间，各类情报侦察与监视预警信息呈爆炸式增长，由此产生的海量信息数据超出了指挥员的能力范围，导致战场信息收集不及时、有效信息产出时效性低、反馈失误等问题。运用人工智能算法，发现已有的数据库与新近发生的战场事件之间的关联，通过已知事件推导预测将来可能发生的事件，这对夺取作战指挥决策和军事行动优势至关重要。只有在复杂纷繁的海量战场数据中发现其内在规律，快速有效地形成战场数据支援和战场态势分析，才能牢牢把握住未来战争的主动权。例如，挖掘武器装备的数据信息，快速识别目标，选择摧毁的先机条件;挖掘水文、地理和气象数据，利用对己方有利的条件，抢先发起攻击。

人工智能应用于生成作战行动方案

智能化作战指挥体系在感知到敌情信息后，相关数据通过战场信息网络进入联合作战指挥体系，进行后续的数据处理和融合，直至搜索、优化行动方案，形成最终应对策略，在这整个过程中需要系统端进行大量、快速、稳定的数据计算。智能化作战对抗，由于诸多环节都是通过机器计算自主完成，作战指挥的智能化程度高、反应速度快。

人工智能可以在复杂纷繁的海量战场数据中发现其内在规律

对抗双方通过作战指挥体系内部的高速运算，不断寻求有利的战机，一旦发现“有机可乘”，就迅速生成应对方案、调整体系力量、采取相应行动，整个作战指挥过程真正做到实时同步。根据感知终端提供的共享情报信息数据，在大数据库、云计算平台的支撑下，经过作战指挥系统基于数据和算法的“决策”，自动生成可供选择的作战行动方案。人工智能与仿真环境相结合，使用深度强化学习算法来自动生成作战行动方案，这种算法可以在仿真环境中执行试错实验以度量不同计划的期望效应。

人工智能应用于作战行动方案分析与推演

智能化的作战指挥系统利用所获取的战场态势数据，对各种情报信息进行自主分析，实时自主决策，自主生成或调整作战方案，并通过信息传输网络指挥控制相应的作战单元完成作战任务，确保作战单元、武器装备形成高效统一的整体，协同有序行动。运用“数据+算法”实现作战行动方案分析和推演的高度自主化，同时加上机器的高速计算能力，就可以通过更多环节的智能自主处理，得出更加科学的作战指挥决策方案，大幅提升作战指挥体系的反应速度，进而高效调控相应的作战行动，在战场上获取相对优势，夺取战争的胜利。

在作战计划制定过程中，可以使用定性方法来分析任务计划和行动方案。当不同的计划小组提出了几种作战行动方案后，可以使用概念框架登记专家对这些作战行动方案的评论，这些专家使用一个模板，创建结构化评论并系统评估不同作战行动方案的各方面特征。之后使用一种能够区分各种辩论模型间相同和不同之处的框架，选择和总结各领域专家对不同作战行动方案的评论，实现对备选作战行动方案的结构化分析。同时，还可以将人工智能与多智能体系统组合，开展红蓝对抗，使指挥员了解各种行动方案的优缺点与动态推演过程中可能存在的事件进展，评估各种行动方案的优缺点，预测和了解敌方的行动。

最近北约利用大规模平行仿真、数据分析和可视化等技术，开发了用于作战指挥决策支持的数据耕耘系统，可以分析不同仿真系统对地面作战计划产生的几十万个仿真输出结果。

在未来战争中，决策优势的获取还将取决于作战指挥辅助系统的能力

在未来战争中，决策优势的获取已不再单纯取决于指挥员的智慧，还将取决于作战指挥辅助系统的能力。作战指挥辅助决策预案制定的可靠性和详尽程度、人机交互的便捷性、预案优化的针对性，在赢得决策优势中所起到的作用尤为重要。基于实时战场态势数据，通过平行仿真推演作战方案，预测战爭演进趋势，自动匹配最佳行动策略。

利用人工智能技术开发作战指挥辅助决策系统，可以根据实际作战任务，快速抽取并组织形成支撑决策数据，对关联态势进行综合展示，也可以根据交战规则和认知模型，在自学习进化的基础上进行辅助决策，自动生成行动预案并进行预演，实现对战场事物、业务流程、行为方式的智能化决策，并将指挥员的意图指令实时准确地作用于被指挥对象，实施正确、最优的指挥控制。

人工智能应用于作战行动方案执行

在作战行动方案执行过程中，通过无线车载定位终端、头盔和眼镜等穿戴式设备，为单兵配备无线个人手持定位终端和视频终端，实施智能化远程指挥控制;运用身份识别、语义识别、语音识别、手势识别、行为识别、脑电识别、视觉跟踪、感觉反馈等人机交互技术，实现指挥单元、精确打击武器与信息应用系统之间的无障碍沟通;各作战单元利用人工智能技术，快速融合和分析战场信息，以便将结果发送给指挥员。

在未来战场上，指挥员通常会获得大量信息，容易产生信息过载的风险。在作战行动方案执行的过程中，伴随着战场态势的快速变化，原方案可能会随时失效，指挥员需要具备较快的重新计划能力，而人工智能技术可以为指挥员及时提供备选方案。例如，Q学习是一种强化学习算法，可以在不使用大型数据集或推理信息的情况下，学习最优智能体的状态和行为组合，应用于空战目标分配;使用迁移学习来减少学习时间，快速开发一个智能体在新场景中的行为。例如，在不同的2对2空战场景中学习作战规则时，可以使用已经具备2对1空战场景经验的智能体，最小化进一步的学习过程。此外，还可以利用序列到序列深度学习算法和摘要生成式方法来形成作战行动总结报告，也可以利用将讲话转换为文本的方法，目前的人工智能技术可以实现较为准确的语音识别能力。

在作战指挥中应用人工智能的目标，并不是要完全替代人类智能，而是使人工智能与人类智能有机融合，实现功能互补、相得益彰，以进一步增强人类智能，帮助指挥员在指挥、管理和作战行动中处理一些不擅长的人工业务，从繁杂的重复性工作中解放出来，转而专注于战争谋划、行动协同、指挥决策等工作上，从而更好地发挥人在战争中的主体作用，更高效地完成作战指挥任务。

责任编辑：张传良

猜你喜欢战场决策方案解决方案和折中方案阅读与作文（英语初中版）(2021年8期)2021-09-13贴秋膘还有三秒到达战场意林(2020年20期)2020-11-06做决策也有最佳时间段青少年科技博览（中学版）(2019年2期)2019-06-20决策大数据决策(2018年8期)2018-12-10诸葛亮隆中决策小天使·四年级语数英综合(2018年1期)2018-07-04明确题目要求寻找适合育种方案中学生理科应试(2017年7期)2017-08-09三大战场风云变幻军事文摘(2017年4期)2017-04-19记忆的奥秘儿童故事画报·发现号趣味百科(2016年3期)2016-06-24《管理就是决策：第一次就把决策做对》中国报道(2015年6期)2015-06-19也门，西方反恐的第三战场环球时报(2010-01-05)2010-01-05

军事文摘2020年9期

军事文摘的其它文章美国创造了互联网时代，但这个时代属于中国俄罗斯中央军区使用海鹰-10无人机完成侦察打击训练，等人工智能军事化何去何从世界军事强国的人工智能军事应用发展战略规划人工智能军事应用发展扫描美国全面开启太空军事化时代

人工智能赋能美国海军战术决策

2.人机决策

图2.用于决策的人机模型

自主决策辅助/机器可通过多种方法帮助人类决策者。如图2所示，有三种人机决策互动模型。针对不同决策类型建立适当的机制十分重要。总的来说，当问题相对简单，且需要考虑的因素和信息量未超出人类决策者处理能力的上限时，可以采用手动决策模型。对于更加复杂且可能导致严重或致命后果的决策空间而言，半自主人机交互（HMI）机制最为合适。这一机制需要自主BMA的支持，但同时也需要大量的人类决策力量。完全自主的人机互动适用于需要处理和融合海量数据的决策空间，不过，这一机制可进行的决策类型比较单纯。全自主决策模型可用于两种情况，其一，和平时期的作战行动，此时决策不会产生可怕后果；其二，在极度复杂的作战行动中，人类无法及时决策的时候。全自主决策模型适用于拥有高度准确的态势信息和认知的决策空间，比如，海军十分肯定跟踪目标就是敌方威胁目标时，就可以使用这一决策模型。

未来，作战管理决策支持系统将拥有根据决策空间选择适当决策模型的能力。要实现这一系统，就需要有灵活的决策架构以适应这三个人机模型，并根据需要对其加以使用。该系统的上层建筑需监控决策空间并对所需决策类型进行评估，然后再确定合适的人机交互模型进行决策。上层建筑将依靠AI方法来学习和评估态势复杂度，以使用合适的人机模型做出相应的响应决策。

3.为协调分布式作战而进行的部队层面的决策

作战管理行动十分复杂，而一个高度复杂的任务需要足够复杂的系统来执行。由于当前存在来自各方的多种威胁，因此战术环境即可能是和平的，也可能是极度危险的，还可能处于灰色地带。战术环境的多变性使得作战管理的决策空间复杂化。决策空间的状态必须足够灵活，在常规的无威胁行动中线性且直接，在作战行动中则高度复杂且多变。

复杂问题空间的特征包括复杂的目标、复杂的环境和/或作战行动、适应性、集体行为以及决策结果的不可预知性。这些都是战术行动中固有的特征。作战空间中出现的多个目标通常是非持续且不断变化的。军事系统必须权衡各个战斗目标，如自卫和包括地区防御、隐身行动、保护特殊资产在内的部队级对抗任务等。由于恶劣且多变的环境会改变目标优先级和多个跨域任务，因此需要进行复杂的作战行动。作战系统必须拥有适应性，才能应对复杂且多变的威胁环境。军事行动必须有效适应威胁，以提高其生存机率并达成战术和战略目标。分散的战争资产的集体或部队级行为必须得到充分协调，以免发生内部碰撞或友军火力误伤事故，理想状态下，海军能够从这类集体行为中受益。最后，战术决策中不可预测的后果包括火炮失火、目标识别错误、战斗损伤评估错误等，此外，错误认知、行动的连锁反应和不可预知的决策后果都会使问题空间变得更加复杂。

AI可以描述作战环境的复杂程度并将这些信息转化为决策空间，从而为人类决策者提供支持。理想状态下，完整且准确的作战空间图将为决策空间提供态势感知。BMA使用AI可监控作战空间图，并对问题空间的复杂特征进行评估。这些信息都可及时有效地支持决策辅助，并实现人机决策的高效互动。

4.决策范围和决策系统之系统

复杂的战术环境需要全局视角以从部队层面管理战争资源。随着环境变得越来越复杂，安全事件发生的频率越来越高，常常出现多个事件同步发生的情况。决策次数因此也不断增多，导致海军所需的行动方案不断增加。这一切都对有限的战争资源提出了更多要求，且与资源相关的任务、目标和行动方案三者之间的关联也比过去更加紧密。全面了解多种威胁、任务和潜在解决方案及其可能结果有助于海军做出更有效的军事响应措施，这同时也是有效解决严峻威胁的必做事项。对战场的全局视角可描述为决策范围，即围绕问题空间和解决方案空间设定的边界。广义上的决策范围包括地区、战区以及存在这些地理空间区域的全部威胁和战争资源。狭义的决策范围可能仅包括特定威胁和特定平台及其相关资产。

确定决策范围既是限制因素，也是必要的推动因素。随着作战环境变得越来越复杂，海军越来越难以区分战术决策的因果关系。如果只有一个杀伤威胁或需要观察的兴趣区域，那么做出特定的武器打击决策或任务传感器决策并不是什么难事。然而，如果海军有多个战术任务需要执行，或有多个威胁需要优先打击，那么狭小的决策范围，如发射某一武器系统或管理某艘舰船上的传感器，则无法发挥海军整体的部队效力。在这种情况下，适用于决策的全局原则包括“同步和相互依存地使系统包含尽可能多的部分和层级”。换而言之，就是将决策空间的范围扩大到战术地区或战区。决定战术范围本身就是一次决策，其目标是设计未来的部队架构，以支持灵活的决策范围，使该范围可随着部队级任务复杂度的提高而扩大，并从分布式战争资产的协作中受益。AI方法可赋能和管理适用性架构，识别决策复杂度，调整决策范围和管理部队级任务。

未来，海军如面临复杂的作战问题空间，可使用自主BMA建立更全面、更广阔的的决策范围，并对平台和各级部队进行资源管理。各级别自主BMA可在各层面支持资源利用。支持特定传感器和武器的BMA可由更高级的BMA架构的进行协调。通过这一方式，海军可实现BMA系统之系统。

5.资源管理

资源管理是战术决策和后续对自主BMA应用的首要关注点。将舰船、飞机、潜艇、武器、传感器、通讯设备/网络、数据处理和干扰器等战争资产定义为系统后，自主BMA就可以将它们视作资源并从功能、性能、行为、结构和交互等方面对其进行审视。自主BMA可以根据资源的位置、状态、能力等特征对其进行量化分析。在愈加复杂的作战行动中，当存在多个重叠且相互冲突的目标时，AI方法可用于确定战争资源的使用有效性。在BMA的帮助下，战争资源能够利用可达成的效果在各系统间形成协作，以实现系统之系统行为，并更好地解决复杂的战术任务。

图3.数据融合架构中的资源管理

如图3所示，资源管理是数据融合流程的一部分。在这一架构概念中，资源管理被分为4个步骤，通过评估数据融合成果来确定管理和分配资源的最佳方法。资源管理同时还向0-3级的数据融合流程提供反馈。该数据融合架构也是在各级步骤中实施AI方法的有效模型。鉴于计算能力和许多新型数据源已获得了长足的发展，海军可利用机器学习和深度学习来改善资源管理，这一点在作战态势复杂、战争资源分散的情况下尤其重要。

图4.战术模型和决策空间

另一个进行资源管理的方法是使用系统或数据模型。决策空间本身可视作一个系统或模型。在决策空间采用系统方法可定义范围、输入和输出、功能、性能和结构。图4展示了作战环境中的决策空间。

决策空间是所有决策因素进入决策流程以形成战术行动方案的模型。这一概念性的决策空间模型以数据架构和数据分析为基础，其中包括决策辅助、评估、优先级、选项生成和总体决策管理。决策空间系统的主要功能是开发决策选项。决策选项可提供关于管理战争资源资产的建议，如传感器任务分配、行动方案、武器调度和平台机动等。决策空间系统的另一个功能是对决策选项的可信度以及用于生成选项的多种分析进行评估。这些分析包括确定威胁优先级、评估兵棋推演潜在结果、评估传感器误差、评估信息的准确度和完整度、评估作战复杂度、推荐最佳人机决策交互等。尽管图4中并未展示人类与自主决策空间的交互，但值得注意的是，这类交互在战术作战行动中意义重大。概念性决策空间系统可输出决策选项、对预测结果的评估、对成功概率和失败概率的评估、对总体源信息、选项和情报的可信度评估。

为协调全军的战术决策，海军需要一个包含多个分布式决策系统的系统，即将多个相同的智能体集成到多个分布式作战平台上。这些智能体将共享数据和信息，并分别开发决策选项以进行资源管理和部队级别的作战管理。分布式代理将共享决策选项，并相互同步最终选定的决策。这一决策系统之系统将协调分布式作战，并以优化部队战争资源为目标。这一未来概念能否实现，将取决于智能分析方法以及拥有自我意识的智能数据战略和数据架构的发展。如果这一概念成为现实，那么这一AI系统之系统将使海军在战术决策上获得巨大优势。

6.预测分析

AI技术利用机器学习方法来处理和分析海量异构数据和信息，从而分析可能的效果、结果和响应措施。这类AI方法被称为预测分析（PA），可提供强大的战术决策力量。海军只要掌握与可能效果和敌方响应行动方案相关的信息，作战人员就可以有效地将长期战略应用于近期战争决策。

PA能力可支持战术领域内的战略行动，预测可能后果和各决策选项的效果。理论上，PA能够通过开发假设性的预测场景来同步进行未来情报决策和资源协调管理。PA将预测不同行动方案的短期和长期效果，而BMA将评估这些PA预测，并根据评估结果在选择行动方案时进行权衡。

PA可以评估行动方案的潜在结果，并对未来环境和战争资产的状态做出预测。预测结果将用于支持对行动方案的选择决策，以获得最理想的作战结果。PA能力将有助于完成与短期和长期目标最相符的战术行动，还能够预测气候对作战行动的可能影响以及战争资源的可用性、消耗性和预期能力。此外，PA能力还可评估和预测战术作战团队的整体战备状态、韧性和作战能力。

PA能力可通过博弈论方法来进行兵棋推演评估，从而预测敌人对战术行动的反应。海军必须根据其对敌方的了解和预测来开发和维护模型，以预测敌方情报、能力、意图和战略。此外，海军必须再另外开发一个预测模型并对其进行维护，该模型将根据已有的猜测和战术情报来预测敌方对己方军队的认知。兵棋推演能力理论上应是战术决策BMA能力的一部分。

二、结论

综上所述，作战管理问题空间十分复杂，且未来将随着传感器、信息、无人威胁、非国家敌对势力的增多和科技的进步日趋复杂，这就要求海军更快、更有效地进行大量的战术决策。然而，人类决策能力在很多时候无法处理这些极度复杂的问题。而传感器和信息系统的增加为AI这一战术决策增强器和赋能器创造了机会。本文除介绍了多个将AI用于改善作战识别、态势感知共享、作战管理、资源管理和作战兵棋推演的概念外，还指出，要有效应用AI，就必须拥有一个全面的系统之系统方法，以创造合适的决策辅助框架，在全军中同步分布信息和决策，建立和维持决策范围，同时识别态势复杂程度以及进行自我评估以管理人机交互模型、确定情报和行动方案的可信度。可见，有效利用AI来支持作战人员可为战术解决方案和战术优势提供坚实的基础。返回搜狐，查看更多

人工智能运用于国防领域是大势所趋 人工智能作战应用