人工智能融入作战的基本样式人工智能作战应用领域

发表时间：2023-07-05 14:32:05

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

认识智能化作战

引言

智能化作战，是以人工智能为核心的前沿科技在作战指挥、装备、战术等领域渗透、拓展的必然发展方向。对于智能化作战，可以从“制智为要、泛在云联、多域一体、脑机融合、智能自主、无人争锋”等核心概念来理解和把握。

制智为要——智能化作战的目标重心

智能化作战必然注重制智权争夺，敌对双方围绕认知过程的感知、理解、推理等实施对抗，基于认知对抗的速度和质量，夺取认知主动，破坏或干扰敌方认知。

制智权成为智能化作战新的制权需求。人类最早的作战空间主要在陆地，“陆权论”是最重要、影响最深远的战略思想。随着人类作战活动空间向海洋、空中、太空、电磁领域拓展，“制海权”“制空权”“制天权”“制电磁权”相继成为作战争夺重点。而在智能化作战中，“制脑权”或者“制智权”将成为新的制权争夺点。“制智权”是指在人的智力空间的争夺和对抗，虽不是实际的物理空间，却涉及其他各个空间，对其他空间制权可产生乘积效应。一旦“制智权”丧失，其他空间的制权也就失去意义。

“制智权”的核心是对认知速度、质量优势的争夺。认知过程包括感知、理解、推理三个不断复现的阶段。“制智权”争夺，首先在感知阶段展开，从最传统的隐蔽伪装、电磁静默到电子对抗，再到黑客接管以及量子通信等智能技术的军事应用，都是军事感知对抗的组成部分，目的是让对手无法进行感知或者感知到垃圾信息、虚假信息，确保己方准确、快速地感知对手和战场。在认知的理解和推理阶段，“制智权”的争夺则主要是在智能化手段辅助下通过战术、谋略运用，让己方能够制定合理的决策方案、计划，使对手无法或难以准确判断、理解我方行动意图。同时，也可以通过对脑机能干扰和影响人员思想意识、价值判断、心理情绪等，扰乱、破坏对手的认知，还可以通过攻击、破坏辅助决策和自主武器装备信息数据处理硬件，达到占据认知速度、获取质量优势的目的。

泛在云联——智能化作战的基础设施

分布在战场上的人员、装备、物资等各种作战、指挥、保障实体，通过全时空覆盖的物联终端、移动物联网等信息物理系统，按需紧密联系在一起，形成战场数据实时自动采集、传输、处理，为智能化作战提供服务。

泛在云联为智能化作战生产所需的大数据。数据是人工智能的“燃料”，而大数据的基础则在于数字化、网络化。智能化作战同样依赖作战大数据：敌情侦察、战场管理是获取数据，情报分析、情况判断是分析数据，决策制定和命令计划是利用和产生数据，作战行动由数据驱动同时也生成数据。泛在物联网是智能化作战战场大数据生产、传输、汇集的载体。战场上的每个实体，都是物联网的终端，分配一个独有的“电子身份”，通过声、光、电等各种传感器输出自身的数据。同时，实体探测到的目标环境信息数据，通过网络汇聚、传送到节点和云端。全时、自动采集、汇聚的数据，共同形成作战大数据，为智能化作战提供算法训练、模式挖掘和优化分析的“矿藏”。

泛在云联为智能化作战提供强大计算能力和算法支持。计算能力和算法是人工智能的核心要素，大数据需要高性能计算、高效率算法进行处理，从而产生有价值的认知能力和知识。配置在不同层级不同规模的计算、算法作战资源云，通过信息物理系统与泛在物联网联在一起，既可汇集作战大数据进行算法训练，也可为不同层级的作战和指挥提供所需的计算能力和算法模型支持，进行多元情报智能判读与信息融合，评估战场态势、优化作战方案、定下作战决心、制定作战命令计划，帮助战斗员或无人装备更加快速、准确地打击目标。

多域一体——智能化作战的战场空间

智能化作战，不仅仅在陆地、海上、空中、太空等传统战场空间中的一个或多个进行，而是遍及上述物理实体空间和认知、社会、赛博等无形空间，通过多域相互配合、互为支撑的行动，聚焦作战目的的达成。

多域一体反映了联合作战特点。未来战争中，各军兵种智能化作战相互间的任务界限区分不再泾渭分明，泛在云联的基础网络与联合作战网络密切交融，按需与相关军兵种信息共享、数据直通；作战在联合指挥下，围绕统一的作战目的组织实施；不同空间域的作战行动相互配合、互为支撑，作战效果叠加、补充，形成统一的态势优势、全局战果。

多域一体提出了跨域作战能力要求。多域一体，意味着部队将面临来自陆、海、空、网络、认知、社会等多域空间的威胁，对智能化作战的侦察、指挥、打击等要素都提出了严峻挑战，要求能够利用智能化手段和方法及时、准确、高效处理多域数据、信息，应对来自多域空间的威胁，具备跨域打击和防卫能力。

脑机融合——智能化作战的指挥决策

脑机融合，是指在合理人机分工、高效人机交互的支撑下，充分发挥人脑与机器各自的优势，实现指挥艺术与技术的融合，在智能化作战指挥决策过程中，快速、准确、高效、灵活地实施情况分析判断、定下作战决心、下达命令计划。

人机合理分工是脑机融合的关键。智能化作战中人始终是主导。人脑的优势在于创造性、灵活性、主动性，劣势在于当受疲劳、遗忘、情绪等生理和心理条件影响时，工作速度会变慢、精度低，不适于重复性、繁琐性、单调性的任务；而机器的优势在于不会疲劳、不会遗忘、没有情绪、速度快、精度高，劣势在于程序化、被动性、部署复杂。即便是人工智能，也需要数据来学习和训练，否则不具有认知能力，适合于规范、重复、繁琐、单调的工作，不适于非常规、跳跃性强的工作。因此，高层决策、总体规划等艺术性强的工作应由人脑来处理，把需要大量、精确、高速的数据信息记忆、计算、管理任务交给机器，充分发挥脑机两者优长、弥补短板。

人机高效交互是脑机融合的支撑。人机交互，是让人、机器能够互相理解的媒介，目的是让机器能“听”懂人类语言、“看”懂人类动作与表情、“理解”人的情绪、意图，并把计算过程和结果用人容易理解的方式呈现出来。智能化作战涉及的信息、数据种类多、容量大、时效性强，更需要通过视觉、听觉、文本、动作乃至脑电等多种形式的数据信息进行人机交互，建立人脑与机器间快速、准确的信息通道，支撑实用高效的脑机融合。

智能自主——智能化作战的武器装备

执行侦察、机动、打击、防护等智能化作战任务的各类武器装备，能够根据任务目标、敌方情况、战场环境、自身状态的实时变化，自主判断情况、选择和执行恰当的行动方案，并在作战过程中不断学习、改进判断和决策能力。

智能自主武器装备具有类人思考能力。自动化早已出现在战场上，但自动化不同于自主化。自主化也会预先设计一些规则，但不仅仅局限于这些规则，而是能像人一样对来自实际情况的数据进行理解和认知，从输入中、从经验中学习，发现其背后隐藏的特征、模式，不仅能应对事先设计的情况，也能应对规则未涵盖的新情况。

智能自主武器装备的性能具有成长性。在自动化武器装备已有的探测距离、探测范围和反应速度、打击精度优势基础上，借助强大的计算能力和算法模型，智能自主武器装备还能像人类新兵逐渐成长为身经百战的老兵那样，随着实战经验的积累，不断学习改进、高效整合这些优势和应对新情况的方法、模式，从而在战场上表现得更加出色。

无人争锋——智能化作战的交战方式

智能化作战行动，主要依靠无人化武器装备在泛在云联网络体系支撑下、在后台人的控制下或授权自主地在前沿一线实施高危险性的侦察探测、机动、打击等作战行动。

无人争锋是在人的主导之下。无人作战并非没有人的参与，不是让无人智能自主武器装备完全自行决定和实施行动，而是由人主导、采用人机结合的不同方式，人在后台赋予机器一定程度的自主行动权限，让机器在一线实施作战行动。人机协同的方式，按照机器的自主权限从低到高，分为“人在环中”“人在环上”“人在环外”三种：人在环中，武器装备的行动完全由人来决策和控制；人在环上，武器装备按照指令自主决策和实施行动，人按照需要随时介入接管决策权；人在环外，武器装备被指定了行动限制和目标，自主决策和实施行动。

无人争锋是融入体系的行动。智能化作战无人武器装备与敌方的交锋，不是某个军兵种力量独立的行动，而是融入体系大背景中的协调一致的行动，依靠泛在云联基础设施随遇接入，并接受全时、全域的情报支持，各军兵种相互提供数据、情报、火力和保障等支援，协作配合共同实施。（沈寿林、张国宁）

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:如何颠覆未来战争

当前,世界正处于智能革命的前夜，人类社会正从“互联网+”时代迈入“智能+”时代。近年来，在大数据、新型算法和超级计算的推动下，人工智能正在改变乃至颠覆所触及的每一个行业，战争亦不例外。从水下潜航器到无人机集群，从预测性维修软件到智能决策助手，人工智能正以前所未有的广度与深度影响着战争的不同领域，推动着新一轮军事变革，战争形态和面貌正悄然被改变。

庙算为先，战争设计日趋精细

《孙子兵法》曰：“夫未战而庙算胜者，得算多也；未战而庙算不胜者，得算少也。”纵观人类战争史，“多算胜，少算不胜”是亘古不变的定理。

未来战争对“庙算”的依赖度有增无减,人工智能至少可以从两方面增强战争预判的有效性：

一是更加精确地计算并预测战争结果。在先进算法和超算能力的支撑下，人工智能系统的计算和预测结果比人脑更加准确。二是借助兵棋系统能更加有效地检验和优化作战方案。例如，融入人工智能的兵棋系统能够和人开展人机对抗，有助于人们发现问题、查找弱项。特别是将深度学习等算法引入兵棋系统后，智能系统的行为将变得深邃多变，有助于突破人类的既定思维，增强兵棋推演的对抗性和真实性，达到优化方案的目的。此外，还可利用智能兵棋系统开展机机对抗，提高推演的效率。

2015年2月，美国国防部出台了《兵棋推演与创新》备忘录，提出要将机器学习引入兵棋推演。目前，兰德公司、雷神公司已经开始这方面的尝试。一旦将研发成熟的智能软件应用于兵棋推演，不仅能提高优化方案和预测战局的水平，还能更精确地预测战争涉及的兵力规模、弹药消耗、持续时间和保障需求等，显著提升对战争设计的能力。

速度制胜，作战节奏空前加快

在信息时代,战争遵循“快吃慢”制胜法则，海湾战争以来的几场战争中，美军之所以能够屡战屡胜，其关键在于始终做到了“棋快一招”。

如今，人工智能的反应速度已经完全“碾压”人脑。2016年，在一次模拟空战中，美国辛辛那提大学研发的“阿尔法”智能软件操控F-15战机，击败了由人驾驶的F-22战机，其原因就在于该智能软件的反应速度是人类大脑反应速度的250倍！今年10月，美国密苏里大学地理空间情报中心公布了一份研究成果显示，该中心基于深度学习技术开发了一种算法模型，能够在42分钟内搜索并识别出某国东南沿海地区近9万平方千米内的导弹发射场，速度比人类分析师快85倍，准确率达到专家级影像分析师水平。

正因如此，近年来，美、俄等军队将目光投向了人工智能，意图利用人工智能的速度优势，缩短己方在战场上的决策周期，牢牢掌握行动优势。今年7月，俄罗斯武器制造商卡拉什尼科夫公司宣称，已研制出基于人工神经网络的全自动战斗模块，能做到发现即摧毁。另外，美军则在研发自动化数据分析工具、自动目标识别软件、机载智能决策助手、数字化空中作战规划员等智能工具，意图在决策周期各个环节上减轻情报和作战人员的负担，提高决策效率。而在今年11月，美国国防部算法战项目负责人呼吁：今后美军采购的任何武器系统都应融入人工智能。

可以预见，今后随着越来越多的智能化武器系统投入战场，战场上的作战反应时间将越来越短，交战行动将空前激烈，并最终超出人类的理解和应对能力。

自主对抗，作战模式引发变革

20世纪以来，侦测技术的发展和信息化浪潮下感知技术的进步，推动了“传感器-射手-武器平台”这一人机协作式作战链诞生。

随着人工智能技术的发展，能够自动识别、锁定和打击目标的智能化武器系统逐渐出现，并能代替人类执行简单的决策命令。如美军的舰载“宙斯盾”系统、以军的“铁穹”系统、俄军的“竞技场”主动防护系统、法军的“鲨鱼”系统，等等。不过，这些系统的智能化水平目前还不高，自主交战模式通常是最后选项。

未来，随着传感技术、新型算法、大数据技术等智能化技术群的进步，武器系统的自主行动能力将大幅提升，武器系统自主对抗的情况将越来越普遍。而在特定作战领域，如网络空间和电磁频谱领域，人类只能依托智能化武器系统进行自主对抗。与此同时，随着高超音速武器和集群作战的出现，战争将进入“秒杀”和“群架”时代，利用智能系统自主迎战几乎是唯一出路。

未来，随着智能化武器系统的自主对抗成为新常态，作战模式将逐渐从“人在回路中”向“人在回路上”转变。新模式的主要特征可概括为“指挥之中、控制之外”，即在多数情况下，人类战士扮演监督员的角色，负责在开战前输入目标特征和设定交战规则，观察战场交战情况等。需要指出的是，在新模式下人依然是最终决策者，人类战士将根据需要自主进出作战链，采取必要的干预措施。新模式的最大优势是可以使人类战士从纷繁复杂的决策中解放出来，聚焦于主要决策和关键任务。如何确保人类能够随时接管控制权，将是今后一段时期内，人机协同技术发展面临的最大挑战。

集群作战，让消耗战重焕生机

在冷兵器和机械化战争时代，消耗战是基本作战方式，“多吃少”是战场制胜的基本法则。

上世纪70年代以来，随着隐形技术、卫星定位系统、精确制导武器的登场，“多吃少”的战争法则被彻底打破。近年来，随着传感技术、仿生技术、微型化技术和人工智能技术取得长足发展，集群式作战构想再次受到各国军队的重视。所谓集群作战，是指集中部署成百上千个智能化武器，从多个方向对目标实施攻击。与传统作战方式相比，集群作战具备四大优势：

一是单个平台小型化，战场生存能力大幅提升；二是去中心化，个体的损失不影响整体功能；三是成本低廉，数量庞大，作战效费比成倍提高；四是可实施饱和攻击，瘫痪敌防御体系。不难看出，集群作战能够达成“数量即质量”的效果，因此,被认为是智能时代的消耗战。

美军将集群作战视为战争游戏规则的改变者，认为集群作战尤其适合应对反介入/区域拒止威胁。当前，美国国防部同时瞄准水下、水面和空中，推进多个集群研发项目，力求具备多维空间集群作战能力。此外，美军各军种正竞相开发集群作战概念，如海军陆战队设想让无人作战集群充当登陆先锋，执行战场感知、排雷除障等任务，为陆战队员抢滩上陆创造条件。

从水下“狼群”到地面“蚁群”再到空中“蜂群”，集群作战将在未来智能化战场上大行其道。“人海战术”将改头换面重新登场，消耗战的天平将向具备集群作战能力的一方极度倾斜。未来可能出现这一场景：一边是遮天蔽日、蜂拥而至的智能机器，另一边是惊慌失措、形单影只的人类战士……（陈航辉）

人工智能给军事安全带来的机遇与挑战

1.2提升军事情报分析效率

随着信息技术的发展，人类正在迎来一个“数据爆炸”的时代。目前地球上两年所产生的数据比之前积累的所有数据都要多。瀚如烟海的数据给情报人员带来了极大的困难和挑战，仅凭增加人力不仅耗费大量钱财，问题也得不到根本解决。与此同时，伴随大数据技术和并行计算的发展，人工智能在情报领域日益展现出非凡能力。目前，美军已经敏锐地捕捉到了人工智能在军事情报领域的巨大应用潜力，成立了“算法战跨职能小组”。该小组的首要职能就是利用机器视觉、深度学习等人工智能技术在情报领域开展目标识别和数据分析，提取有效情报，将海量的数据转换为有价值的情报信息，为打击ISIS等恐怖组织提供有力的技术支撑。机器算法的快速、准确、无疲劳等特点使其在大数据分析领域大展身手，展现出远超人类的能力。因此，美国防部联合人工智能中心主任沙纳汉中将就直言不讳地表示，算法就是“世界上最优秀、训练最有素的数据分析师”。

1.3提升军事网络攻防能力

网络空间已经成为继陆、海、空、天之外的“第五维空间”，是国家利益拓展的新边疆、战略博弈的新领域、军事斗争的新战场。习近平主席在中央网络安全和信息化领导小组第一次会议上指出，“没有网络安全就没有国家安全”。网络攻防是军事安全领域中的重要一环，基于人工智能技术的自动漏洞挖掘可以显著提升军事系统的网络防御能力。目前，网络防御领域存在两大问题：一是网络技术人才短缺；二是当前的网络防御系统面对未知漏洞表现不佳。人工智能的新发展为提升网络防御水平提供了新途径，主要体现在网络系统漏洞自动化检测和自主监视系统等方面。以深度学习为代表的机器学习技术有望使得网络防御系统不仅能从以往的漏洞中学习，而且能在监视数据中不断提升对未知威胁的应对能力。有研究表明，人工智能可以从大量网络数据中筛选出可疑信息，以此增强网络防御能力。比如“蒸馏网络”公司（DistilNetworks）就利用机器学习算法来防御人类难以察觉的高级持续性威胁（APT）网络攻击。目前，美国亚利桑那州立大学的科学家已经研发出了一种能够识别“零日漏洞”的机器学习算法，并能够追踪其在黑客界的流动轨迹。麻省理工学院（MIT）“计算机科学和人工智能”实验室的研究人员也启动了PatternEx研究项目，意在构建一个机器学习系统，预期每天能检查36亿行日志文件，监测85%的网络攻击，并在投入使用时进行自动学习和采取防御措施。美国国防部高级研究计划局正计划将人工智能用于网络防御，重点发展的功能包括在投入使用之前自动检测软件代码漏洞以及通过机器学习探测网络活动中的异常情况等。

1.4为军事训练和培训提供新方式

人工智能为军事训练和培训也提供了新方式。在作战训练领域，人工智能技术与虚拟现实技术相结合能够极大提升模拟软件的逼真度和灵活性，为针对特定战场环境开展大规模仿真训练提供高效手段，真正实现“像训练一样战斗，像战斗一样训练”。首先，通过收集卫星图像、街景数据、甚至是无人机拍摄的三维图像，虚拟现实程序能够在人工智能的帮助下快速、准确地生成以全球任何一处场景为对象的综合训练环境（STE），帮助士兵进行更有针对性的预先演练，提升士兵执行特定任务的能力。其次，人工智能赋能军事训练模拟软件在不降低真实度的情况下快速生成训练环境、设计交战对手，摆脱了以往军事训练耗费大量人力物力布置训练场景的传统模式。再次，人工智能具备的自主性使得模拟军事训练不会以可预测模式进行，士兵必须使用各种设备和不同策略在复杂多样的环境中战斗，有利于提升士兵和指挥官在作战中的应变能力。最后，人工智能通过在模拟对战中与人类反复交手从而迭代学习，系统借助大量复盘模拟可以不断完善应对方法，为参谋人员提供参考借鉴。这一过程类似于与AlphaGo进行围棋对战。换言之，人工智能不仅可以扮演模拟军事训练中人类的强大对手，还可以在每次胜利时向人类传授一种针对这次战役或行动的新策略。除此之外，人工智能在军事训练的其他领域也有着广泛应用。目前，一个名为“神探夏洛克”（SHERLOCK）的智能辅导系统已经被用于美国空军的培训中。这个系统能够为美国空军技术人员提供如何操作电子系统对飞行器进行诊断的培训。同时，南加州大学的信息科学学院已经研制出了一个基于替身的训练程序，能够为派驻海外的军人提供跨文化交流训练。

1.5给军事理论和作战样式创新带来新的启发

诚如恩格斯所言：“一旦技术上的进步可以用于军事目的，他们便立刻几乎强制地，而且往往是违背指挥官的意志而引起作战方式上的改变甚至变革。”技术进步作用于军事领域必然引起作战方式的改变甚至变革，这是恩格斯100多年前就向人们揭示的军事技术发展规律，人工智能技术当然也不例外。总体来看，以人工智能技术为支撑的智能化武器装备较传统武器装备具有突防能力强、持续作战时间长、战术机动性好、训练周期短以及综合成本低等显著优势。智能化无人系统可采用小型化甚至微型化设计，使用复合材料和隐身技术，以隐蔽方式或集群方式接近目标，让敌人难以察觉或无法防范。无人武器系统还可以突破人类生理局限，装备的性能指标和运转时长只需考虑制造材料、各类机械电子设备的承受极限和动力能源的携带量，不但使得系统在机动、承压方面能力得到革命性提升，并且能够实现远距离侦察打击和在目标区域的长时间存在。同样重要的是，与传统武器系统操控训练周期一般长达数年不同，无人系统操控员仅需数月或一年左右的训练即可远程操控“捕食者”“死神”等无人武器参加实战，更多作战人员不必直接踏上战场，有望大大降低战死率和随之而来的社会舆论压力。基于人工智能技术军事化应用的上述特点，近年来美军提出了以算法较量为核心的算法战、无人武器系统蜂群式作战、具有高度自适应性的“马赛克战”等一系列新作战样式。可以预见的是，随着人工智能技术的进一步发展，智能化条件下的军事理论和作战样式创新不会停止。

总而言之，人工智能可以帮助军事力量更加精准高效地运转，同时降低人类面临的生命危险。人工智能在无人作战、情报搜集与处理、军事训练、网络攻防、智能化指挥控制决策等军事领域的广泛运用具有“改变游戏规则”的颠覆性潜力，有望重塑战争形态，改写战争规则，推动智能化战争的加速到来。中央军委科技委主任刘国治中将等专家认为，人工智能必将加速军事变革进程，对部队体制编制、作战样式、装备体系和战斗力生成模式等带来根本性变化，甚至会引发一场深刻的军事革命。

人工智能给军事安全带来的风险和挑战

人工智能作为一种科学技术，同样具备“双刃剑”属性。人工智能一方面为人类社会发展进步和维护军事安全提供了新的动力和机遇，另一方面也带来了一系列威胁与挑战。综而观之，人工智能给军事安全带来的威胁和挑战主要有以下几个方面。

2.1人工智能军事应用带来的非预期事故

人工智能的军事应用存在诸多不确定性，容易带来非预期事故的发生。这主要由以下两点原因所致：一是由于人工智能内部的脆弱性问题（internalvulnerbility）。当前，人工智能还停留在弱人工智能阶段，而弱人工智能系统的特点在于它们接受了非常专门的任务训练，例如下棋和识别图像。战争可以说是最复杂的人类活动之一，巨量且不规律的物体运动仿佛为战场环境蒙上了一层“迷雾”，难以看清和预测战争全貌。在这种情况下，系统的应用环境无时无刻都在发生变化，人工智能系统可能将难以适应。因此，当前弱人工智能存在的根本脆弱性（brittleness）很容易损害系统的可靠性。交战双方部署的人工智能系统交互产生复杂联系，这种复杂性远远超出一个或多个弱人工智能系统的分析能力，进一步加剧了系统的脆弱性，发生事故和出错的概率将大大增加。此外，人工智能算法目前还是一个“黑箱”，可解释性不足，人类很难预测它的最终结果，也容易带来很多非预期事故。二是外部的攻击利用问题（externalexploitation)。研究人员已证明，图像识别算法容易受到像素级“毒”数据的影响，从而导致分类问题。针对开源数据训练的算法尤其容易受到这一挑战，因为对手试图对训练数据进行“投毒”，而其他国家又可能将这些“中毒”数据用于军事领域的算法练。目前对抗性数据问题（adversarialdata）已经成为一个非常严峻的挑战。此外，黑客攻击还可能导致在安全网络上训练的算法被利用。当训练数据受到污染和“投毒”，就很可能产生与设计者意图不符的人工智能应用系统，导致算法偏见乃至更多非预期事故的发生。最后，人机协同也是一个很大的难题。无论是强化学习、深度学习，还是专家系统都不足以完全准确地反映人类的直觉、情感等认知能力。人工智能的军事运用是“人—机—环境”综合协同的过程，机器存在可解释性差、学习性弱、缺乏常识等短板，或将放大发生非预期事故乃至战争的风险。

2.2人工智能军备竞赛的风险

与核武器类似，由于人工智能可能对国家安全领域带来革命性影响，世界各国将会考虑制定非常规政策。目前，世界各国（尤其是中、美、俄等军事大国）都认识到人工智能是强化未来国防的关键技术，正在加大人工智能领域的研发力度，并竭力推进人工智能的军事应用，力图把握新一轮军事技术革命的主动权，全球人工智能军备竞赛态势初露端倪。具体而言，美国将人工智能视为第三次抵消战略的核心，建立“算法战跨职能小组”，筹划基于人工智能的算法战。2018年7月，美国防部设立专门的人工智能机构——联合人工智能中心（JAIC），大力推动军事人工智能应用。2019年2月12日，美国防部正式出台美军人工智能战略，并将联合人工智能中心作为推进该战略落地的核心机构。美国2021财年国防授权法案草案中也特别强调对人工智能、5G、高超声速等关键技术进行投资，建议对人工智能投资8.41亿美元，对“自主性”（autonomy)投资17亿美元。这些举措都体现出美国积极推动人工智能军事化、在人工智能领域谋求新式霸权的意图。俄罗斯在这一领域也不甘落后。2017年1月，普京要求建立“自主机器复合体”（AutonomousRoboticComplexs）为军队服务。中国政府则于2017年7月20日出台《新一代人工智能发展规划》，正式将发展人工智能上升到国家战略高度。军事领域也在通过“军民融合”战略加快“军事智能化发展”步伐，“促进人工智能技术军民双向转化，强化新一代人工智能技术对指挥决策、军事推演、国防装备等的有力支撑，推动各类人工智能技术快速嵌入国防创新领域”。

鉴于人工智能强大而泛在的技术本质以及军事领域对于强大技术的强烈需求，人工智能走向军事应用是难以阻挡的趋势，当前各国竞相推动人工智能军事化和发展人工智能武器便是其现实体现。大国间在人工智能领域的军备竞赛将会危及全球战略稳定，对国家安全带来严重威胁，埃隆·马斯克关于人工智能军备竞赛可能引发第三次世界大战的预言并非危言耸听。如同所有军备竞赛一样，人工智能领域的军备竞赛本质上都是无政府状态下安全困境的体现，如果缺乏信任和有效的军备控制措施，这将成为一场“危险的游戏”，直到一方把另一方拖垮或双方共同卷入战争，上演一场智能时代的“零和博弈”。

2.3扩展威胁军事安全的行为体范围和行为手段

传统上，威胁军事安全的主要行为体是主权国家的军队，但随着网络和人工智能技术的发展，这一行为体范围正在拓展。以网络攻击为例，根据攻防平衡理论，重大军事技术的出现将对攻防平衡产生重大影响，而有的军事技术天然偏向于进攻方。当前，人工智能技术的发展对提升网络攻击能力同样提供了极大机遇。可以预见，人工智能与深度学习的结合有望使得“高级持续威胁”系统成为现实。在这种设想下，网络攻击方能够利用APT系统24小时不间断地主动搜寻防御方的系统漏洞，“耐心”等待对方犯错的那一刻。随着人工智能逐步应用，将有越来越多的物理实体可以成为网络攻击的对象。例如，不法分子可经由网络侵入军用自动驾驶系统，通过篡改代码、植入病毒等方式使得军用无人车失去控制，最终车毁人亡。又比如通过入侵智能军用机器人，控制其攻击己方的人员或装备。同时，人工智能与网络技术结合可能进一步降低网络攻击的门槛。当智能化网络攻击系统研制成功，只要拥有足够多的资金便能有效提升自己的网络攻击能力，而不需要太高的技术要求。因此，未来恐怖分子利用人工智能进行网络攻击或攻击自主系统的算法、网络等，继而诱发军事系统产生故障（如军用无人车、无人机撞击己方人员），或者直接损坏军事物联网实体设备等，都会对军事安全产生很大威胁。

此外，人工智能的发展应用还将催生新的威胁军事安全的方式和手段。人工智能表现出诸多与以往技术不一样的特点，也自然会带来威胁军事安全的新手段，深度伪造（deepfakes）就是其中的典型代表，该技术为煽动敌对国家间的军事冲突提供了新途径。例如，A国雇佣代理黑客使用人工智能技术制作“深度伪造”视频或音频材料，虚构B国密谋针对C国采取先发制人打击，并将这段“深度伪造”材料故意向C国情报部门秘密透露，引发C国的战略误判，迫使其采取对抗手段。B国面对这种情况也将不得不采取措施予以应对，一场由A国借助人工智能技术策划的针对B、C两国的恶意情报欺诈就完成了。当前，“深度伪造”技术的发展速度远超相关的检测识别技术，“开发深度伪造技术的人要比检测它的人多100到1000倍”，这给各国安全部门抵御人工智能增强下的信息欺诈和舆论诱导制造了很多困难。此外，运用人工智能系统的军队也给自身带来了新的弱点，“算法投毒”、对抗性攻击、误导和诱骗机器算法目标等都给军事安全带来了全新挑战。

2.4人工智能产生的跨域安全风险

人工智能在核、网络、太空等领域的跨域军事应用也将给军事安全带来诸多风险。例如，人工智能运用于核武器系统将增加大国核战风险。一方面，人工智能应用于核武器系统可能会强化“先发制人”的核打击动机。核武器是大国战略威慑的基石，人工智能增强下的网络攻击将对核武器的可靠性构成新的威胁，在战时有可能极大削弱国家威慑力、破坏战略稳定。因此，尽管目前人工智能增强下的网络攻击能力的有效性并不确定，危机中仍将大大降低对手间的风险承受能力，增加双方“先发制人”的动机。信息对称是智能化条件下大国间进行良性竞争的基础和保障，但现实情况往往是，在竞争激烈的战略环境中，各国更倾向于以最坏设想来揣测他国意图并以此为假设进行斗争准备，尤其当面对人工智能赋能下的愈加强大的针对核武器系统的网络攻击能力，“先下手为强”确乎成为国家寻求自保的有效手段。另一方面，人工智能技术在核武器系统领域的应用还将压缩决策时间。人工智能增强下的网络攻击几乎发生在瞬间，一旦使核武器系统瘫痪，国家安全将失去重要屏障，给予决策者判断是否使用核武器的压力将激增。尤其在一个国家保持“基于预警发射”（lauch-on-warning)的情况下，核武器系统遭到人工智能增强下的网络攻击时几乎无法进行目标探测并且发出警报，更不可能在短时间内进行攻击溯源和判定责任归属，决策时间压缩和态势判断困难会使决策者承受巨大压力，极有可能造成战略误判，给世界带来灾难。

人工智能与网络的结合会极大提升国家行为体和非国家行为体的网络能力，同时也会催生出一系列新的问题。首先，人工智能技术的网络应用将提升国家行为体的网络攻击能力，可能会加剧网络领域的冲突。如前所述，基于人工智能的APT攻击可使得网络攻击变得更加便利，溯源问题也变得更加困难。与此同时，人工智能的网络应用可能会创造新的缺陷。目前人工智能的主要支撑技术是机器学习，而机器学习需要数据集来训练算法。一旦对方通过网络手段注入“毒数据”（如假数据），则会使得原先的人工智能系统非正常运行，可能带来灾难性后果。其次，由于人工智能算法的机器交互速度远超人类的反应速度，因此一旦将人工智能用于军事领域的网络作战，还有可能带来“闪战”风险，即人类还没来得及完全理解网络空间的战争就已经发生。此外，人工智能在太空领域的应用可能对全球战略稳定和军事安全带来破坏性影响。在人工智能的加持下，传统的反卫星手段将变得更加精准、更具破坏性、更难追溯，从而加大“先发制人”的动机，寻求先发优势。这容易破坏航天国家的军事安全和全球战略稳定，因为攻击卫星尤其是预警卫星往往被视为发动核打击的前兆。

结语

总体国家安全观强调，发展是安全的基础和目的，安全是发展的条件和保障，二者要同步推进，不可偏废。既要善于运用发展成果夯实国家安全的实力基础，又要善于塑造有利于经济社会发展的安全环境，以发展促安全、以安全保发展。因此，维护人工智能时代的军事安全并不代表放弃人工智能的发展，反而要大力推动其应用，使其成为维护军事安全的重要手段和支撑，并注重化解风险。如今，我国正处在由大向强发展的关键时期，人工智能有望成为驱动新一轮工业革命和军事革命的核心技术。因此，我们需要抢抓此次重大历史机遇，积极推动人工智能的研发和军事应用，推动军事智能化建设稳步发展，为建设世界一流军队增添科技支撑。

在当今时代，没有谁是一座孤岛，人工智能对于军事安全领域的影响是全球性的，因此推动人工智能领域的国际安全治理、构建人类命运共同体就显得尤为重要。由于人工智能的迅猛发展，目前对于智能武器尤其是致命性自主武器系统的相关法律法规还并不完善，各国在如何应对这些问题方面也没有明确的方法、举措和共识，但这些问题确关人类社会的未来前景和国际体系稳定。为了维护我国的军事安全以及整体的国家安全利益，应当推动人工智能技术治理尤其是安全领域的全球治理，在人工智能的军事应用边界（如是否应当将其用于核武器指挥系统）、致命性自主武器系统军备控制等领域开展共同磋商，在打击运用人工智能进行恐怖犯罪等领域进行合作，构建人工智能时代的安全共同体和人类命运共同体，维护国家军事安全和人类和平福祉。

免责声明：本文转自信息安全与通信保密杂志社，原作者文力浩,龙坤。文章内容系原作者个人观点，本公众号转载仅为分享、传达不同观点，如有任何异议，欢迎联系我们！

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

人工智能在空战领域的应用

在这个颠覆性技术快速变革的时代，人工智能（AI）领域的变化堪称日新月异，其军事应用潜力也显而易见。如今，全球各国的武装部队纷纷开始试验人工智能赋能的防御系统。率先充分了解人工智能以改变现有以人为中心的兵力架构并采纳人工智能作战方式的国家，可能具有相当大的先发优势。

传感器战场和指挥控制（C2）

在“发现”阶段，首先必须能在敌军可能穿越的各个区域内的最佳“陆、海、空、天、网”位置设置大量低成本的物联网（IoT）传感器。在某些方面，这一理念已应用于一体化防空系统（IADS）概念，具体包括地面雷达站链网辅以空中预警与控制飞机，以侦察高空和低空飞行的飞机。空战的人工智能化防御概念表明，通过使用大量人工智能化的小型低成本地面和机载传感器，可大规模补充目前数量有限且高成本的传感器部署方式。

扩展型物联网传感器战场上的小分队可运用人工智能边缘计算，将部分处理过的数据先通过云端发送至融合中心，然后再发送到指挥控制系统。这类更小巧的物联网传感器可以是有源短程雷达发射器，但其功率有限，可能会限制此类用途。更可能的情况是，无源物联网传感器侦测到整个电磁频谱上的发射情况，包括声频带、紫外线波段、红外波段、无线电波段和雷达波段。虽然单个传感器的性能可能相对较低，但是当将其与潜在的数百个传感器组合后，或许可在三维空间内跟踪并识别空中交通。

地面防空物联网传感器的位置比较固定并且会持续使用，而配备传感器的无人机（UAV）续航时长也从数小时到一天不等。一些新兴的物联网应用可能会显著延长这种续航时间，包括高空气球、小型通讯卫星以及伪卫星，所有这些都可能与人工智能技术相结合。

大型物联网传感器战场将使用无源探测技术。这意味着飞越这类战场的飞机不能使用雷达、数据链和通信系统等电磁设备，以避免被发现。即便如此，飞机的正常特征（例如，噪音、热量和视觉特征）仍可能暴露飞机的存在。为此，开辟物联网传感器深空战场具有重要意义。当飞机接近已知的传感器时，飞机可限制自身的发射，特别是来自飞机前向航路扇区的发射。深空战场意味着飞越战场的飞机即使在正面方向未被侦测到，仍可能在其侧翼和后方扇区被发现。

利用人工智能打造的超大型物联网传感器战场将部分处理过的数据先通过云端发送至融合设施，再由人工智能对数据进一步处理。在考虑这些步骤时，“观察、判断、决策与行动”（OODA）模型很有用。在“观察”阶段，先将人工智能用于每个物联网的边缘计算，随后再应用于融合中心。在“判断”阶段，人工智能将在战斗管理系统（BMS）中发挥重要作用。人工智能不仅可生成近实时的综合空中态势图，而且可预测敌人的空中作战方案与行动。

负责处理“决策”且了解己方防空部队可用性的下一个人工智能层将待交战的空中目标优先接近列表、待部署的最佳跨域攻击类型、相关时间点以及冲突消除考虑事项发给指挥官审批。为此，人类将以人在回路中或人在回路上的控制方式保持深度参与。

获批后，下一个人工智能层将为每个目标指定首选武器，以自动传递必要的目标定位数据，确保与友军消除冲突，确认攻击目标的时间，并且可能预估武器弹药再补给。作为最后一步的“行动”主要由人工智能完成。

人工智能型战斗机

目前已有多种高性能无人机在空中飞行，开发出能运用人工智能进行战术决策的视距内空对空作战无人机似乎是一项简单的工程任务。实际上，美国空军计划于2024年再次开展人工智能操控的飞机与有人驾驶飞机进行对战的实验（2020年开展过一次），届时将使用全尺寸战术飞机。较之载人飞机，经过优化的作战型人工智能化短程缠斗式无人机可能体积更小、重量更轻且成本更低，并且在防御时可能无需搭载武器就能干扰敌方的空袭。

指挥控制系统可以轻松指定无人机与敌机交战、接近敌机并开始与敌机缠斗。载人飞机的注意力会因此而分散，其攻击方法也会受到干扰，从而更容易受到其它载人武器系统的攻击。此外，如果敌方有人飞机实施机动作战，其燃料使用率会更高，并且可能需迅速停止攻击才能返回较远的本国基地。

另一方面，搭载武器的人工智能型战斗机可视具体情况以人在回路中或人在回路上的模式遂行作战。但这类模式也有缺点，飞机搭载武器可能导致工程设计问题，增加连通性问题，对武装冲突法则有重大影响，并且可能产生战术问题。出于多种原因，更可取的策略可能是让无人机攻击、“锁定”敌机并伴飞，从而持续广播敌机的所有航迹和详细情况。

人工智能型飞机可用于空中战斗巡逻（CAP）或者用作地面待战截击机（GAI）。空中战斗巡逻需要体积更大的无人机，使其在空中待命时具有有效的续航能力。但是，类似有人机尺寸的机体可能远远超出了有人飞机可达到的性能水平。对于无人机而言，体积越大，其设计和操作就越复杂。

当用作地面待战截击机（GAI）时，无人机的体积可能更小，或许更像是一枚导弹而非一架飞机。例如，美国空军的XQ-58A“瓦尔基里”远程高亚声速隐身无人机通过固定的发射器升空并利用降落伞降落。现今有提议将这种无人机部署在移动式货运集装箱中。

如果可用作地面待战截击机的人工智能型无人战斗机不需要机场，纵深防御方法将变得更容易，分布式防空等新概念也将成为可能，这一点至关重要。可用作地面待战截击机的人工智能型无人战斗机可分散在物联网传感器战场上，由指挥控制系统远程派遣以执行快速反应的短程截击任务，用来配合执行空中战斗巡逻的有人飞机。另外，此类无人机不一定需要搭载复杂的武器系统才能发挥其效用。

在这类人工智能化一体化防空系统中，人类和无人机各自负责单独的任务，这一点很重要。人类将负责承担更高级别的认知功能，例如制定总体交战策略、选择目标并确定其优先级以及批准交战。人工智能将承担较低级别的认知功能，例如操纵飞机和缠斗战术。

人工智能的欺骗功能

需用“欺骗”功能补充人工智能的“发现”功能。进攻一方必须掌握有关目标及其防御的大量信息，才能可靠地成功发动攻击。人工智能化“欺骗”系统可分散在整个实体和网络空间战场上，从而通过构建误导性的或混乱的态势使敌人丧失“发现”能力。人工智能化“欺骗”系统也可配合复杂的欺骗性战役。

此外，分布范围很广的小型移动式边缘计算系统可通过发送不同保真度的一系列信号来制造复杂的电子诱饵。这类系统可能会安装在无人机上以实现最大的机动性，然而，使用道路网的无人地面车（UGV）或许也具有特殊功能（例如，伪装成移动地空导弹系统）。其目的只是为了在非常有限的攻击时间内制造“战场迷雾”。

无人机可以电子方式“复制”防御战斗机，以制造一种在各个空中巡逻区域都有大量战斗机在防守目标区域的假象。这种方法的成本可能更高。但这可能会逼退敌方攻击机，以避免高损耗。

“欺骗”功能可进一步扩展并与被动防御措施和作战方法相整合。为此，通常在作战行动之前建立空军基地，以便在受到攻击时能迅速恢复战力。然而，现代精确制导武器已通过强化效果不佳但目前备受推崇的分散法获得了这种弹性。这种方法已经使用了几十年，人工智能可增强其实用性。

永久空军基地周围可能有多个卫星机场。这些机场的设计使用期限可能只有数周或数月，而不像永久空军基地那样能使用数十年。当发生冲突时，来自永久空军基地的飞机可在该基地与临时机场之间持续来回飞行。这种运动方式将与人工智能化的“欺骗”行动紧密结合，以欺骗、困扰和迷惑对手，使其不知道确切的攻击位置并最终决定攻击友机未曾出现的地点。这种战术增加了“战争迷雾”，有可能操纵对手的感知，并且能有目的地削弱对手的部队战斗力。

在防空战役中对手只能使用有限数量的飞机、远射武器和弹道导弹。攻击没有友机的机场会使有人飞机产生不必要的消耗，而使用远射武器和弹道导弹纯属浪费稀缺资源。在短期冲突中，这些都是不可替代的装备库存。“欺骗式”人工智能与物理分散法相结合可支持两个防空目标：在削弱对手空袭效果的同时，使对手产生消耗。

人工智能化物流

飞机分散化使得运营成本激增，来自多个临时机场的战斗机需在多个地点以高昂的成本大量重复提供后勤支援与相关人力。人工智能化系统可以解决此类问题。

在后勤支援方面，永久空军基地可能拥有成熟的空中走廊，能够连接其大型仓库和消耗性补给品仓储设施与临时机场。对于支援和补给空中走廊的仓储端，可以使用大量现有的人工智能技术。

目前，最先进的仓库可实时监控库存，利用人工智能、机器学习、云计算、大数据和物联网实现实时订购，利用先进机器人分拣订单，并通过自动驾驶车辆移动库存。一些仓库正在开展3D按需打印业务，一次性满足备件需求，并尽量避免老旧设备的零件库存过多。此外，还引入了物流控制塔（LCT）概念。物流控制塔可整合各种来源的数字信息，并通过大数据分析提供整个供应链的实时“全景”，包括运输活动。可使用相同的技术来控制和管理消耗性补给品仓储设施。

就空中补给和支援走廊而言，人工智能化物流可使用具有“跟随领车”自主性的机器人货车。这种能力亦称为“自动化列队行驶”（platooning），领头的货车为有人驾驶并带领紧随其后的多辆无人驾驶车辆。从技术上看，设计无人驾驶的空军基地物流配送货车要比设计地面部队再补给车辆容易得多。前者主要在经过预先勘测、铺筑或级配路面上行驶，并且可使用全球定位系统。

在后勤空中走廊的临时机场末端，人工智能化系统可能无处不在。与当前的状况相比，这类基地通过运用人工智能、机器学习、大数据、云计算、物联网、自主作战和机器人等技术，可加快飞机出动速度，并显著减少所需人员。机场可能无人驻守，而是由中央控制中心的工程人员和后勤人员在永久空军基地或其它场所进行远程管理。这类机场甚至能利用可再生能源和电池自行发电，从而以半自给自足模式运行。

这类临时机场运行所需的设备可能已安装完毕，一旦发生冲突，可立即启动。另一方面，临时机场可配备必要的网络，以便在交付时将“即插即用”系统和车辆快速整合至临时机场自身的系统之系统（SOS），这类系统可能在最初的“跟随领车”货车车队中。

人工智能可能会产生一种不同的空战方式。鉴于通常需要数十年时间才能使空军适应新的发展方向，因此现在正是启动调整计划的最佳时机。（PeterLayton文朱虹译）

人工智能融入作战的基本样式 人工智能作战应用领域