人工智能应用于我国军事领域的冷思考
如果把《新一代人工智能发展规划》视为中国人工智能发展的新起点，那么这一新起点的基础是什么？与先行者又有什么区别？换言之，中国人工智能的现实是什么？本文引入牛津大学开发的“国家人工智能潜力指数（AIPotentialIndex，AIPI）”这一概念，试图对上述两个问题作一解答。AIPI主要考察四项基本指标，分别是：硬件、数据、算法和商业，以此来衡量一个国家在AI方面的综合实力。
一是硬件（权重为25%）
硬件指数包括“半导体生产的国际市场份额（2015）”及“FPGA芯片生产商的融资情况（2017）”。在半导体方面，中国占全球份额的4%，美国占50%；芯片生产方面，比较FPGA（FieldProgrammableGateArray，现场可编程门阵列）芯片生产商的融资，中国同行2017年获得的投资是3440万美元，占全球FPGA厂商融资额的7.6%；美国是1.925亿美元，占全球份额的42.4%。中国的硬件指数为（4+7.6）/2=5.8，美国为（50+42.4）/2=46.2，是中国的近8倍，中国硬件水平远不及美国，这个问题已成为中国人工智能发展的瓶颈。
二是数据（权重为25%）
2016年，中国拥有全球数据的20%；美国占5.5%。根据计算可得，中国数据指数为20，美国数据指数为5.5。中国的数据量之所以丰富，除人口众多、移动互联网发展迅速以外，隐私保护相对宽松也是一大因素。但值得关注的是，因为谷歌、脸书（Facebook）等缺席中国市场，中国互联网的生态环境较为封闭，而人工智能仅使用本土数据的话，未来对世界的影响有限。
三是算法与研究（权重为25%）
算法与研究包括AI人才数量和在AAAI上发表的论文数量。在AI人才数量上，2017年，中国的人才库中有3.92万人研究人工智能，占全球AI人才的13.1%；美国有7.87万AI人才，占全球AI人才的26.2%。在论文发表数量上，2015年中国学者在AAAI上发表的论文为138项，占全球的20.5%；美国学者发表的成果数量为326项，占全球的48.4%。根据计算可得，中国在算法与研究指数上的得分是（13.1+20.5）/2=16.8；美国的得分是（26.2+48.4）/2=37.3。但是，尽管中国学者发表的AI论文在数量上近年来显著提升，但在引用数量上，来自中国的研究成果的影响力不及美国以及排名第三位的英国。
四是商业化程度（权重为25%）
商业化程度包括2017年拥有的人工智能公司数量、2012-2016年对AI公司的总投资额和2017年AI初创公司全球融资总额。在2017年拥有的人工智能公司数量上，中国2017年拥有的AI公司数量占据全球23%，美国占42%。在2012-2016年对AI公司的总投资额上，中国产生的总投资额是26亿美元，占全球的6.6%；美国产生的投资总额是172亿美元，占全球43.4%。从2012年至2017年7月，在全部79件人工智能企业收购案中，有66家被美国公司收购，3家被中国公司收购。在AI初创公司2017年全球融资总额上，中国公司的总融资额占据全球的48%，美国公司总融资额占据全球的38%。根据计算，中国在商业指数上的得分是（23+6.6+48）/3=25.9；美国在这一项上的得分是（42+43.4+38）/3=41.1。
综上所述，中国最后的得分是（5.8+20+16.8+25.9）/4=17.1，美国最后的得分是（46.2+5.5+37.3+41.1）/4=32.5。中国的AI综合实力是美国的52.6%。如果以“国家人工智能潜力指数”作为衡量标准，中国的AI综合实力与美国尚有较大差距，主要体现在硬件、算法与研究、商业化三个方面，数据方面中国则是遥遥领先。
参照中国乌镇智库的研究报告4，“国家人工智能潜力指数”的统计数据与该报告的统计数据基本一致。
人工智能发展的攸关问题
各国将促进经济发展和投入军事应用视为人工智能发展的主题。在日新月异的变化中，一些始料未及的新问题不断出现。比较突出的是伦理、安全性和社会治理三个方面。国外研究者对这些问题的“中国表现”颇感兴趣。
伦理和安全性问题
2016年，美国上映了一部名为《天空之眼》（Eyeinthesky）的影片。影片讲述的是，英国军事情报官员在指挥美国无人机对非洲某国恐怖分子实施打击时发现打击范围可能会殃及平民，由此引发出一系列包括伦理问题在内的争议，最终在审慎考虑外交、政治、法律等因素后由高级文职官员做出决策。影片高于生活，但首先源于生活。影片折射的现实问题是：现阶段的人工智能无法取代人。不过，如果认为“人工智能必需由人最终决策”，那么人工智能带来的“红利”必然随之陡减，这将导致相当程度的两难选择。
中国在伦理和安全性问题的考量上有明确的时间节点。2025年，中国将初步完成人工智能法律法规的立法工作，建立伦理规范，开始进行人工智能的安全评估，具备一定的控制能力。2030年，中国将构建人工智能法律法规体系、伦理规范及政策体系。
值得关注的是，在这一问题上，中国实际上已处于较微妙的状态。2017年，在美国阿西洛马召开的“有益的人工智能”（BeneficialAI）会议上，数百名专家签署了具有重大历史意义的“阿西洛马人工智能准则”，但参加会议的中国专家仅有吴恩达一人。而在著名的牛津大学生命未来研究所倡议的“禁止自动化武器公开信”上签名的3462位研究者中，只有3位中国研究者且均来自香港中文大学。
国外研究者认为，中国与西方国家和研究机构对人工智能在政府机构、私营部门和学术单位中的伦理和安全性问题缺乏基本共识。
社会治理问题
无论是中国官方机构或是西方社会，都对人工智能发展在中国社会治理方面的影响密切关注。
突出的现实问题是人工智能势必淘汰低技能工作岗位，加深“数字鸿沟”。这涉及到社会生活的方方面面，产生诸如收入、性别的不平等以及城乡、沿海内陆的更大差距。同时，中国也明确提出，人工智能在维持社会稳定方面具有“不可替代”的作用。国外研究者对此解读为中国将人工智能应用于司法、医疗和公共安全领域并颇有微词。5
但上述问题并非国外特别是西方研究者关注的核心。人工智能在中国社会信用体系中的使用既触及了西方的痛点，也引发了其好奇心。尽管中国对人工智能在个人征信系统中的应用表示接受，但之前的美国“棱镜”计划和新近的英国“剑桥分析”的不可言说之痛却让西方研究者对人工智能在中国社会信用体系中的使用问题预设了与“监控”、“公民隐私”相关的话题。西方研究者往往会以“据报道”谈及诸如“全球最大规模的人脸识别数据库在新疆建成”等敏感问题。
事实上，在恐袭和枪击事件频发的西方社会，为保障社会安全，官方行为的合法性与公民对个人隐私的授权使用或部分让渡已经成为社会治理的实际做法。国外研究者对中国人工智能在社会信用体系中使用的解读是有主观和客观误读的。
人工智能应用于军事领域的思考、实践与展望
人工智能在军事领域的思考、实践与展望是国外研究者关注的焦点问题，主要表现在以下几个方面：
人工智能应用于军事领域的思考
尽管以美军为代表的世界强国军队在对信息时代战争至关重要的技术上占据先发优势，由于人工智能对未来战争不可或缺，美国和中国之间必然存在竞争。
一是军民融合战略将成为军队提高军事能力的强大助推器
人工智能应用于军事领域这一议题不止于军队本身。中国正在推进民用和军用发展的“创新驱动”战略，人工智能在中国国家军民融合战略中处于高优先级，这一战略方针可以使解放军充分利用民间机构在人工智能方面的进展——包括民间可能的资金和投资水平、潜在的人才资源以及大量的数据——提高军事能力。
二是解放军关于人工智能的战略文化日渐成型
“以美为师”是自1990年海湾战争以来解放军的典型做法，但这种做法在解放军此次军改之后逐渐嬗变。不可否认解放军对人工智能应用于军事领域的思考得益于美国军事研究，但解放军凭籍独特的战略文化和组织动力在方法论层面逐渐与美国脱离。其根本目标将不再是以传统的瞄准美国弱点的不对称策略即“你打你的，我打我的”，而是转向以抵消为导向的竞争进行创新，即在人工智能这一美国尚未取得决定性优势的“战略前沿”发力，以实现“跨越式发展”。
随着美国和中国在人工智能方面的创新展开竞争，双方的进步轨迹将影响未来的军事和战略平衡。中国人民解放军敏锐地意识到适应和利用人工智能进步的重要性，担心与强敌美军之间出现“代差”，因此，人工智能是双方优势比较的关键指标。由于中国在这一关键技术上可能具有与美国并驾齐驱或超过美国的潜力，美国军方必须将解放军作为一个真正对等的竞争对手，并重新评估中美军事和技术竞争的性质。
三是解放军对人工智能改变战争性质的可能性持积极态度
从解放军资助的一系列涉及人工智能的项目来看，中国国防工业和解放军的研究机构正在进行广泛的研究和开发，其目的是利用人工智能来提高其未来能力，包括智能和自主可控无人系统；以人工智能为辅助的数据融合、信息处理和智能分析；作战模拟、仿真和训练；信息战中的防御，进攻和指挥；以及辅助指挥决策。
人工智能应用于军事领域的实践
解放军在军民融合战略的指导下，以“共建、共享、共用”的方式来利用军民发展的协同效应实现人工智能在军事领域的应用。
由于人工智能的创新点已经转移到了民间机构，采取上述方式将确保民用部门在人工智能方面的进步可以迅速转移到军事应用上，并利用这些先进技术遂行军事行动的能力将成为解放军的关键变量和组织结构优势。
《新一代人工智能发展规划》明确提出了军民融合的方法步骤，以确保人工智能的进步能够用于国防。为实现这一目标，中国将继续建立和规范科研院所、大专院校、企事业单位和军工单位之间的沟通协调机制，同时力争确保军民创新资源“共建共享”。科技部和中央军委科技委6也联合发布了第十三个五年“军民融合科技发展专项规划”，以期推进军民融合和创新。
根据开源信息，2014年，科大讯飞与解放军合作开发用于情报处理的语音识别和合成模块，机器翻译公司YaTrans的小牛翻译系统已被国家安全部和北部战区用于机器翻译。海康威视公司与解放军合作，为国防和安全目的提供人工智能支持的视频监控技术。此外，一些新兴研究机构和军地联合实验室也很关注相关技术的军地双重用途。2014年，科大讯飞研究院和哈尔滨工业大学共同建立了一个以认知计算为主的联合实验室，主要关注类人智能的自然语言理解和进步。2016年，北方工业大学与中博龙辉（北京）信息技术有限公司合作成立了军民融合智能装备研究院。该研究院得到了海军装备研究所、陆军装备部、火箭军装备研究院等单位的支持。它负责研究人工智能、智能机器人、无人系统和军事脑科学。2017年夏天，清华大学宣布建立清华大学军民融合国防尖端技术实验室的计划，其目的是为追求新兴技术的双重用途应用创造一个平台，其中包括人工智能。
在实践中实现人工智能的军民融合仍然存在着相当大的障碍，但解放军正在积极建立健全体制机制来破除这些前进中的障碍。此前，这种理念和相应的做法是不现实的，在新的历史背景下，以国家驱动的方式是有可能发挥双重用途技术的协同效应的。例如自然语言处理和机器翻译，显然可以直接用于军事情报。商业性的汽车自动驾驶系统也可以无差别地适应军用自动驾驶车辆。广泛应用于商业目的的面部识别技术，也可用于军事，包括图像自动分析和自动目标识别。
人工智能应用于军事领域的前景
国外研究者认为，解放军对人工智能在军事应用中的前景与美国第三次抵消战略和相关的国防创新计划的优先事项相当接近。
解放军对人工智能应用于军事领域的前景，虽然存在众多不确定性，但在智能和自主无人系统，如集群智能，人工智能支持的数据融合，信息处理和情报分析，在模拟、战争推演和训练中的应用，在信息战中使用人工智能来防御、攻击和指挥，以及辅助指挥决策等方面，已有整体的布局。但是，解放军更倾向于在模拟、战争推演和训练中使用人工智能和保障态势感知和辅助指挥决策。
在使用人工智能辅助指挥决策问题上，解放军将面对前所未有的挑战。首先，机器学习算法往往需要海量的数据完成训练，但解放军缺乏而且难以获得适合的己方和作战对手的实战数据。其次，战争本身的复杂性。考虑到“战争迷雾”以及不可预见的人类行为和决策的影响，“指挥艺术”的创造性和独特性天然避开了人工智能带来的“自动化”。不过，即使人工智能不能完全取代人的决策，解放军仍将继续探索与指挥决策相关功能的智能化，包括信息处理、计划生成和评估，以及对战场决策快速辅助。
针对解放军对人工智能应用于军事领域的思考、实践和前景，以美国为代表的外国研究者普遍认为必将对美国造成深远影响，美国必须对此做出回应。近年来在美国国家安全事务决策中发挥重要作用的新美国安全中心认为，美国必须制定一个长期的、全国性的战略来支持人工智能领域国家竞争力的关键决定因素。在采取措施减少非法和有问题的技术转让的同时，美国应确保为下一代研发提供充足的资金，避免出现“创新赤字”的风险。同时，还要通过制定教育和吸引顶尖人才的政策来保持美国在人力资源方面的竞争优势。然而，美国军方必须为“失去技术优势的未来”未雨绸缪。随着各国人工智能在军事领域的发展，战略竞争可能加剧，新的军备竞赛可能到来。美国也应该考虑探索降低大国之间因谋求人工智能获得军事优势导致的战略稳定风险的途径。
参考文献略
返回搜狐，查看更多人工智能: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）
人工智能有效提升联合作战体系效能
不久前，欧洲防务局（EDA）官方网站发布了《关于人工智能在未来国防应用领域的探索》一文，详细介绍了EDA为在其成员国范围内促进和协调人工智能创新而启动的蓝图计划，探讨了军事人工智能解决方案以及对解决方案展开的测试。那么人工智能在联合作战上有何应用？未来战争是以人工智能为主，还是有无交融、相辅相成呢？
人工智能对联合作战意义重大
伴随技术的飞速发展，人工智能在现实生活中的应用逐渐增多。在军事方面，人工智能可以通过利用算法选择最优或准最优，协助指挥官进行决策，从而加速决策速度。一名美国陆军高级官员就曾表示，“在德国进行的一次成功的实地试验表明，卫星监视、人工智能和远程火炮如何联合作战将在未来的战争中产生毁灭性的影响。”
在这其中，美陆军通过运用一种名为SHOT的软件，它可以通过普罗米修斯系统或者其他传感器传来的目标清单，通过与现有己方杀伤武器比对，根据多条标准生成火力计划并推荐给陆军炮兵火力控制网络（AFATDS），由指挥官来选择是否执行。从人工智能在卫星图像中识别敌方目标到其将目标坐标传递给炮兵指挥中心，只有不到20秒，极大地加速了美军炮兵的火力打击OODA环，为美军炮兵在联合作战中夺取战斗优势发挥极大作用。
人工智能加速“杀伤链”从探测到摧毁的过程。未来战争中，多域作战所带来的数据洪流呈指数级增长，其复杂程度远超以往。常规的决策者以及参谋人员难以从中轻易发现自己所需要的数据源。传统上，各种传感器获得的不同的数据需要交由不同的情报分析师，经由各领域专家讨论并进行情报融合后，提供出一份潜在目标清单，最后再由另一组人员根据作战条令以及可用武器提供出一份目标清单。但在信息化战场上不确定性相较以往的任何时代的战争更高，更快更优质的决策意味着可以更好掌握战局。而类似SHOT的软件则可以将单调的工作自动化，让侦察到决策的时间大幅缩短，有效增加作战效能。
未来战争应为有无交融
人工智能不仅仅作用于杀伤链。人工智能目前正广泛用于军事中，尤其用于“观察、判断、决策、执行”这一杀伤链中。例如美国陆军人工智能在最近的一次实地测试中，能够在卫星图像中找到目标20秒内将目标坐标传递给炮兵。但人工智能的运用远远不止作用于杀伤链上。美国海军陆战队情报官员迈克尔·格罗恩中将说，以这种方式加速“杀戮链”从探测到摧毁是人工智能的一个强大但狭隘的应用。
人工智能破除“战争迷雾”。对于未来的战争，战场环境将从陆、海、空到太空，从物理空间扩展到认知、网络等无形空间，全域联合作战思想深入人心。信息站、舆论战等“隐形战争”大量存在，战争的反应时间愈发短暂，战争对抗边界愈发模糊，战争的过程愈发危险。物理域、信息域、认知域的全域作战引发多种战争形态，使得未来战争更加扑朔迷离。全域作战同样会导致战场信息的“爆炸式”增长，且充斥着大量重复、冗余、虚假信息，对分析处理信息造成极大的困难，严重降低决策质量和效率。而基于人工智能的C4ISR系统能够通过情报获取对敌作战力量、作战样式、交战规则、指挥控制方式进行分析，进行决策和组织协调，能大大降低战争过程中的不可预知因素。
人工智能道阻且长。当然，对于人工智能，我们也不能给其完全的自主权，因为人工智能会在执行复杂情况时易出现故障。比如2007年10月，美军某机步师一部机器人进攻一个反美武装盘踞的据点时，由于操作问题，机器人竟然将枪口瞄准美军操作者，并且其取消攻击的指令失效，失控的机器人一直瞄准着操作者，直至用火箭筒把它炸翻。人工智能目前在军事中的应用依旧只是初备雏形，一方面其技术尚不成熟，另一方面其先天原理不足，人工智能依靠的是经验法则，而对于未来战争将以何种方式进行，战争样式如何人工智能并没有相关经验进行学习，对创造或应对新的战法会显得乏力。
所以，在未来战争中有人与无人相交融，才能有效提升联合作战体系能力，人工智能可以辅助人类进行决策从战术上的“忠诚僚机”项目到战略级上的“人+智能系统”的人机结合实现“人在回路中”的智能指挥。人工智能可以提高人类决策的速度，降低人类决策的失误率，提高了战争指挥的容错率。
有无交融的未来作战样式
随着技术的不断发展，人工智能不仅在杀伤链上具有非凡的表现，在辅助决策方面也将呈现出独特的优势。对于未来战争，人工智能可能在以下方面对战争产生巨大的影响：“人在回路中”的远程武器操控，依托于分布式云的“马赛克战”、人机结合的“算法战”等。
近日，位于美国佛罗里达州的廷德尔空军基地的安全防护部队将配备“机器狗”四足仿生机器人用于巡逻人员和车辆难以到达的区域，以增强基地的态势感知能力。部队人员能够通过VR它们进行远程操控。对于未来战争，可以利用机器人或者无人装备等进行巡逻侦察任务，增强态势感知能力。鉴于未来战场环境的错综复杂，人工智能对于新的、复杂的战场环境可能难以处理，这时需要“人在回路中”的指挥使智能装备更好的完成任务。美军的“忠诚僚机”项目同样很好的利用无人僚机保护主机，为主机进行侦察并配合其作战，实现人机结合的作战样式。
在智能作战中，需要对战场信息快速反应并对敌方单位进行精确打击，这就要求指挥信息系统等作战系统更加智能化、协同化。“马赛克战”的提出将极大的推动这一过程。马赛克战的概念是将传统复杂兵力系统划分为多个功能单一、具备良好互操作性的最小实际作战要素，利用分布式云实现行动区域内的各类作战要素的组合和“战争云”提供的丰富的信息，将单一“观察、判断、决策、执行”杀伤链转化为物理和功能高度分散、灵活机动、动态协同的“杀伤网”。
《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。算法战不仅仅指通过人工智能运用算法对战争进行部署计划，更多指的是，决策者在人工智能的辅助下进行庙算，可在庙堂之上知“五事、七计”。
在未来战争，人工智能很可能会极大地颠覆未来战争，但人工智能不可能取代人类，对于未来联合作战的样式，有无融合才能有效提升作战体系。（吴腾谢桦泽章子星）
(责编：陈羽、秦华)分享让更多人看到
2023年人工智能领域发展七大趋势
2022年人工智能领域发展七大趋势
有望在网络安全和智能驾驶等领域“大显身手”
人工智能已成为人类有史以来最具革命性的技术之一。“人工智能是我们作为人类正在研究的最重要的技术之一。它对人类文明的影响将比火或电更深刻”。2020年1月，谷歌公司首席执行官桑达尔·皮查伊在瑞士达沃斯世界经济论坛上接受采访时如是说。
美国《福布斯》网站在近日的报道中指出，尽管目前很难想象机器自主决策所产生的影响，但可以肯定的是，当时光的车轮到达2022年时，人工智能领域新的突破和发展将继续拓宽我们的想象边界，其将在7大领域“大显身手”。
增强人类的劳动技能
人们一直担心机器或机器人将取代人工，甚至可能使某些工种变得多余。但人们也将越来越多地发现，人类可借助机器来提升自身技能。
比如，营销部门已习惯使用工具来帮助确定哪些潜在客户更值得关注；在工程领域，人工智能工具通过提供维护预测，让人们提前知道机器何时需要维修；法律等知识型行业将越来越多地使用人工智能工具，帮助人们对不断增长的可用数据中进行分类，以找到完成特定任务所需的信息。
总而言之，在几乎每个职业领域，各种智能工具和服务正在涌现，以帮助人们更有效地完成工作。2022年人工智能与人们日常生活的联系将会变得更加紧密。
更大更好的语言建模
语言建模允许机器以人类理解的语言与人类互动，甚至可将人类自然语言转化为可运行的程序及计算机代码。
2020年中，人工智能公司OpenAI发布了第三代语言预测模型GPT—3，这是科学家们迄今创建的最先进也是最大的语言模型，由大约1750亿个“参数”组成，这些“参数”是机器用来处理语言的变量和数据点。
众所周知，OpenAI正在开发一个更强大的继任者GPT—4。尽管细节尚未得到证实，但一些人估计，它可能包含多达100万亿个参数（与人脑的突触一样多）。从理论上讲，它离创造语言以及进行人类无法区分的对话更近了一大步。而且，它在创建计算机代码方面也会变得更好。
网络安全领域的人工智能
今年1月，世界经济论坛发布《2021年全球风险格局报告》，认为网络安全风险是全世界今后将面临的一项重大风险。
随着机器越来越多地占据人们的生活，黑客和网络犯罪不可避免地成为一个更大的问题，这正是人工智能可“大展拳脚”的地方。
人工智能正在改变网络安全的游戏规则。通过分析网络流量、识别恶意应用，智能算法将在保护人类免受网络安全威胁方面发挥越来越大的作用。2022年，人工智能的最重要应用可能会出现在这一领域。人工智能或能通过从数百万份研究报告、博客和新闻报道中分析整理出威胁情报，即时洞察信息，从而大幅加快响应速度。
人工智能与元宇宙
元宇宙是一个虚拟世界，就像互联网一样，重点在于实现沉浸式体验，自从马克·扎克伯格将脸书改名为“Meta”（元宇宙的英文前缀）以来，元宇宙话题更为火热。
人工智能无疑将是元宇宙的关键。人工智能将有助于创造在线环境，让人们在元宇宙中体会宾至如归的感觉，培养他们的创作冲动。人们或许很快就会习惯与人工智能生物共享元宇宙环境，比如想要放松时，就可与人工智能打网球或玩国际象棋游戏。
低代码和无代码人工智能
2020年，低代码/无代码人工智能工具异军突起并风靡全球，从构建应用程序到面向企业的垂直人工智能解决方案等应用不一而足。这股新鲜势力有望在2022年持续发力。数据显示，低代码/无代码工具将成为科技巨头们的下一个战斗前线，这是一个总值达132亿美元的市场，预计到2025年其总值将进一步提升至455亿美元。
美国亚马逊公司2020年6月发布的Honeycode平台就是最好的证明，该平台是一种类似于电子表格界面的无代码开发环境，被称为产品经理们的“福音”。
自动驾驶交通工具
数据显示，每年有130万人死于交通事故，其中90%是人为失误造成的。人工智能将成为自动驾驶汽车、船舶和飞机的“大脑”，正在改变这些行业。
特斯拉公司表示，到2022年，其生产的汽车将拥有完全的自动驾驶能力。谷歌、苹果、通用和福特等公司也有可能在2022年宣布在自动驾驶领域的重大飞跃。
此外，由非营利的海洋研究组织ProMare及IBM共同打造的“五月花”号自动驾驶船舶（MAS）已于2020年正式起航。IBM表示，人工智能船长让MAS具备侦测、思考与决策的能力，能够扫描地平线以发觉潜在危险，并根据各种即时数据来变更路线。2022年，自动驾驶船舶技术也将更上一层楼。
创造性人工智能
在GPT—4谷歌“大脑”等新模型的加持下，人们可以期待人工智能提供更加精致、看似“自然”的创意输出。谷歌“大脑”是GoogleX实验室的一个主要研究项目，是谷歌在人工智能领域开发出的一款模拟人脑具备自我学习功能的软件。
2022年，这些创意性输出通常不是为了展示人工智能的潜力，而是为了应用于日常创作任务，如为文章和时事通讯撰写标题、设计徽标和信息图表等。创造力通常被视为一种非常人性化的技能，但人们将越来越多地看到这些能力出现在机器上。（记者刘霞）
【纠错】【责任编辑:吴咏玲】人工智能技术的军事应用边界研究
0分享至作者：薛颖、房超，清华大学高技术实验室与国际上其他军事强国相比，我国军事智能化发展还处于起步和探索阶段。当前军事智能化发展呈现出技术增长点随机发散与关键技术领域不聚焦等特征，阻碍了人工智能技术在军事领域的应用。人工智能技术在军事应用中应本着“有所为有所不为”的原则。为了增强对“为军所用”人工智能核心技术的评价能力，推动高需求匹配度的核心技术发展，本文对军事智能化的边界问题进行了探索研究，通过将军事智能“五性”与现有武器装备“六性”和作战试验与鉴定相结合，并基于“封闭性”准则，提出了将“军事智能化”这一开放性问题进行边界收敛，以促进军事智能技术创新发展呈现收敛状态并逐步形成有序的体系。一、引言随着机器学习、数据库、自然语言处理等核心技术的快速发展，人工智能技术发展迎来第三次热潮。技术应用已经进入到教育、金融服务、医疗、汽车、运输和物流、通信、娱乐、能源及制造业等主要商业和经济领域，并且显示出极大的应用价值和潜力。当前在信息化战争时代，人工智能技术已经在军事领域的网络空间安全、自动目标识别、情报分析与理解、自动规划与人力配置以及文件智能管理等方面发挥了巨大作用[1]。市场经济条件下，经济效益是技术发展的一项重要推动力，对高经济效益的追逐是企业得以长足稳定发展的可靠保障，技术创新能力也是企业经济效益提升的关键所在[2]。2019年，中国人工智能赋能实体经济产业规模接近570亿元[3]。由此可见，人工智能技术在民用市场会产生极大的经济效益并保持高速发展势头，这将会导致其在民用市场的技术迭代快于军用市场，企业的资本投入也会更多倾向于民用技术创新。在我国，人工智能技术在军民应用市场已然呈现出“民用优于军用”的发展态势。在这种情况下，“技术尝试应用于场景”是军事智能技术创新发展的主要模式。当前的军事智能技术创新也已显现出技术增长点随机发散和重点技术领域不聚焦的特征。未来军事智能技术创新持续发展必须是系统性、高可用性、高可靠性和高可信性的，因此，尽快对其设定清晰的评价指标，建立完善性能评价体系，探索人工智能技术的军事应用边界，使其在一定范围内收敛有序发展，就显得尤为重要。二、人工智能技术的不完备性与军事智能化的发展定位1931年，哥德尔提出“哥德尔不完备定理”。定理一的表述为“任何一个相容的公理体系，必定是不完备的，其中一定有真命题，但不能被证明。”也就是说，任何一个逻辑自洽的体系，本身都具有不完备性。目前，人工智能算法领域的技术（包括深度学习、卷积神经网络等）主要还依赖于数学原理，如图1所示，因此，根据“不完备定理”，人工智能核心技术在一定范围内的逻辑一定是自洽的，同时也一定是不完备的。图1人工智能关键技术与数学基础的对应关系从这个角度讲，现有人工智能技术体系的基础决定了其一定存在边界限定，技术创新发展也一定存在无能为力的技术空间，就如同数学并不能反映人类全部的思维，以数学为基础的人工智能技术也不能完全模拟人类智能。以当前机器学习中最成功、影响最大的两种经典思维“基于模型的暴力法”与“基于元模型的训练法”为例[4]，这两种方法集中体现了“以数学原理为基础的机器思维”的本质，但它们也都存在明显的“脆弱性”，并不能解决全部问题[5]。由此可见，人工智能技术本身的不完备性，也会造成其在军事场景应用中必然存在“可用不可用和好用不好用”的情况。军事智能化主要指的是依托于人工智能的技术研究，与军事需求进行匹配，进而能够开发出符合国防战略需求、具有特殊性能的智能化军事产品的过程。美国是率先把人工智能应用于军事的国家，1972年的“灵巧炸弹”炸毁越南清化大桥事件，是战争迈入智能化时代的开端[6]。海湾战争后，智能化军事应用迎来快速发展，其中一个典型案例就是精密制导武器的发展，以色列研制出的“哈比”反辐射导弹能够在目标区上空滞空飞行、自动识别、锁定并攻击雷达目标。美国、日本以及欧洲国家已经认识到人工智能技术在军事领域应用的重要价值，正在积极部署规划和推动发展人工智能技术在各国军事领域的应用，并已经出现如智能机器人、智能C31系统、智能飞机、智能导弹及智能电子战系统等典型应用。但是，当前智能化军事应用还处于起步和探索阶段。从人工智能基础层、技术层和应用层的三层次产业结构看，军事智能化发展核心思想应该聚焦于“用”，以新质军事能力建设为内核，以推动人工智能产业基础层和技术层协调发展为手段，形成军事智能创新发展闭环系统。“以智取胜”是新时代国防建设的核心思想，是军事智能化的顶层战略设计[7-8]。如何保证人工智能技术在军事场景中的“适用性和有效性”，实现“以智取胜”的重大战略使命，是进行人工智能技术军事应用边界探索的首要目标。首要任务是探索和研究可以区分人工智能技术在军事应用中的“可用不可用”和“好用不好用”的边界限制条件。人工智能的核心算法基于数学基础，前文提到的“暴力法”就继承了公式化逻辑、数学分析、概率论和有限理性决策论等传统数学思维，“训练法”则遵从数据拟合原理[9]。综上所述，基于数学原理发展的人工智能技术不可能完全取代不完全依赖于数学原理的人类智能。如图2所示，在基于数学原理开展的人工智能研究中，有一部分是可以替代人类智能的（图2中的A部分）。这里需要说明的是，对于特定技术而言，如果它能够与人类智能水平持平甚至超越人类智能水平，我们就认为该技术是可以“替代”人类智能的。如在自然语言处理技术领域，在2019年5月4日举行的斯坦福大学会话问答（CoQA）挑战赛中，微软AI的会话能力以大优势战胜人类，表明这种人工智能技术可以在特定领域“替代”人类智能。另外还有一部分是在现有数学体系框架下，可以证明是不可能替代人类智能的（图2中的B部分）。以智能化皮肤病诊断系统为例，当其内部模型足够好时，输入任何皮肤病信息都可以给出正确诊断；但当对输入不属于皮肤病的内容进行诊断时，就超出了系统确定性模型的涵盖范围，从而产生错误结果[9]。使人工智能在这一问题上“替代”人类智能，既难以实现又没有必要。最后还有一部分是目前暂时还不能通过数学体系证明是否可以用于替代人类智能的（图2中未被白色覆盖的黑色部分）。基于上述情况，可以认为，在军事应用中真正可用的人工智能技术是图2中的A部分，并且其中只有一部分（图2A中阴影部分）是真正可以用于提升军事力量的人工智能技术（如提高装备效率、提高装备精准性等）。因此，在人工智能技术的军事应用研究中，必须要对其边界进行明确，从而得到军事智能化的准确发展定位。图2人工智能应用边界三、“封闭性”准则在军事人工智能中的运用在技术应用理论中，“封闭性”准则一般是指技术必须应用在一个限定的范围内，它侧重的应用范围有限制，存在一定的外围框架边界。技术创新发展初期一般都偏向于探索性问题研究，特征通常相对自由、开放，没有规定路径。随着技术创新发展特别是当技术匹配应用需求后，应用产品研发就倾向于工程性问题，这类问题具有目标性和方向性，通常认为属于封闭性问题。因此，对人工智能技术在军事应用的边界探索研究可以看成是将人工智能技术创新发展的开放性问题转化为研制军事战争未来战场中高需求匹配度军事智能化产品的封闭性问题。在探索人工智能技术军事应用的边界问题上，要考虑以下具体的边界设定基准。基准一：人工智能技术的物化装备产品是该技术的必要载体。技术一般是通过应用产品体现其社会性和经济性，国防领域也不例外。尽管人工智能技术的物化装备产品往往是核心技术与辅助技术的系统化结合的产物，涉及到的技术范围更广，但它往往是将技术封闭化的必要集合，甚至在很多转换用装备中，它是最小集合。从这个意义上讲，人工智能技术的物化装备为该技术的封闭性提供了一种实在和必要的载体。基准二：人工智能技术的物化装备产品必须是可检测质量以及可鉴定性能的。武器装备研制与生产必须进行质量监控，质量监控用于评估产品是否达到作战性能规定的要求，主要是看是否达到“六性”的指标要求[10]。除去用武器装备“六性”作为质量检测标准外，武器作战试验与鉴定也是检验装备能否成功执行作战任务能力的重要手段，它有利于摸清效能底数，提前暴露问题，为装备研制改进和组织运用提供重要参考，为提高交付质量、充分发挥作战效能、加快体系作战能力提供有力支撑[11]。因此，通过质量检测与试验鉴定这两个标准体系对人工智能技术物化装备进行限制，可以显著增强军事智能技术的“封闭性”。第一条基准是军事智能化最基本的基础，一切脱离装备的军事智能化都具有极大的不确定性；第二条基准为细化军事智能化边界提供了具体可行的探索路径。需要强调的是，这里的“装备产品”既包括广义的军事装备，又包括狭义的武器装备。军事装备是指用于武装力量建设、作战和其他军事行动的各种装备，包括训练装备、后勤装备、文化装备和试验装备等；武器装备是指实施和保障军事行动的武器、武器系统和军事技术器材等，从属于军事装备，是军事装备最重要的组成部分[12]。这些都是人工智能应用于军事的实在载体。四、军事智能化边界界定的方法1、以武器装备“六性”引导边界探索武器装备“六性”指的是可靠性、维修性、保障性、测试性、安全性和环境适应性。可靠性是装备在规定条件范围和时间内完成规定功能的能力；维修性是装备在规定条件范围和时间内，按规定功能的程序和方法进行维修时，可以保持和恢复到规定状态的能力；测试性是装备能及时准确确定其状态，隔离内部故障的能力；保障性是装备设计特性和计划的保障资源能满足平时战备和战时使用要求的能力；安全性是装备在生产、运输、储存和使用中不会导致人员伤亡，不会危害健康及环境，不会给设备或财产造成破坏损坏的能力[13]；环境适应性是装备在其全寿命周期，在预计可能遇到的各种环境作用下，能实现所有预定功能和性能和（或）不被破坏的能力[14]。“六性”是保证装备性能有效发挥的一组通用性非功能性指标，对装备的作战和生存能力、部署机动性和维修保障费用会产生重要影响[10]。目前，以“六性”为评价指标的非智能化武器装备设计制造质量管理体系已相对较成熟，对于每一类或每一台成熟的非智能化武器装备的生产，都可以认为“六性”已形成相对固化通用的指标。正因为如此，当人工智能技术赋能于军事装备后，“六性”的评价体系会将军事智能技术的边界限定在哪里，“六性”的评价指标体系是否还能有效推动军事智能产品的质量评估和监控，就成为需要思考探索的方向。当前，人工智能技术的发展本身就存在可解释性弱、鲁棒性差和安全性差等不足，其应用于军事场景后产生的军事智能技术要求满足边界不确定性、博弈强对抗性、响应高实时性、环境高复杂性和信息不完整性（即军事智能“五性”）[15]，这些特性会对武器装备“六性”提出新的挑战。以多传感器数据融合技术的军事应用为例。多传感器数据融合是利用各类传感器收集的信息进行分析、处理、综合、决策，成为数据处理的新分支[16]。应用多传感器数据融合技术的武器装备，其“六性”指标中的可靠性和环境适应性将会对技术的使用范围起到主要限定作用。从可靠性上讲，多传感器数据融合系统中各类信息源提供的环境信息具有一定的不确定性，同时，这些不确定信息的融合过程也是具有不确定性的推理过程[17]。这种不确定性的叠加使得技术本身的可靠性就存在很大挑战，因此，应用此类技术的武器装备如要保证现有可靠性指标不变，就需要对技术的范围进行调整，如降低传感器的使用维度，包括种类、个数等。从环境适应性上讲，多传感器数据融合技术常应用于作战平台环境感知。作战平台一般分为空中、水下和地面三类，空中平台和水下平台环境相对简单统一，地面平台环境复杂多变且存在未知障碍。应用于地面平台环境感知的多传感器融合技术将面临工作环境的不确定性，极易出现观测数据包含噪声成分，传输过程存在各种干扰的问题。因此，应用多传感数据融合技术的武器装备如要保证现有环境适应性指标不变，就需要对其技术范围进行限定，例如寻找优化的数据融合方法、采用更合理的处理器结构等。通过上述分析可以看出，在保持可靠性和环境适应性指标不变的情况下，应用多传感器数据融合技术对武器装备进行升级改造，并不是可以无限制进行的，需要在满足指标要求的合理范围内实现其技术应用。再以无人机集群技术的军事应用为例。无人机集群是指由一定数量的同类或异类无人机组成，利用信息交互与反馈、激励与响应，通过相互间实现行为协调，适应动态环境，从而共同完成特定任务的自主式空中智能系统[18]。无人机自主集群系统是无人机领域研究的一个重要方向，无人机集群技术重点关注群组、共享和协同。将无人机集群技术应用于武器装备，如遂行护卫、侦察、打击、毁伤判定、目标追踪和精准打击等任务时，这类武器装备“六性”指标中的测试性和维修性将会对技术的使用范围起到主要限定作用。从测试性上看，集群装备是一个整体，样本选取会成为关注的重点，是选取单个样机还是选取多个样机进行测试评价，如选取多个样机，如何设定样机的个数标准，从而保证其对整体性能评价的权威性。另外，在集群装备中对产生故障的个体进行迅速定位也对测试性提出了新的挑战。从维修性上看，集群装备重点强调装备间的共享协同，这就增加了此类装备的维护难度。例如，在集群系统中，如何保证在单机维护过程中对集群中的其他个体不会造成影响。2015年，美国海军研究办公室启动的LOCUST项目，就对类似技术进行了限定，提出“即使某架无人机因自身故障而掉队，集群的作战能值也不会受到影响”的要求[19]。通过上述分析可以看出，在保持测试性和维修性指标不变的情况下，应用无人机集群技术对武器装备进行升级改造，也并非可以无限制进行的，需要在满足指标要求的合理范围内实现技术应用。智能技术的军事应用呈现多样化，导致不同应用场景下“六性”指标在武器装备质量判定的权重比例存在差异，因此，必须要分析清楚智能技术赋能于武器装备后所具有的典型特性。从典型特性出发，对“六性”指标体系进行权重分级，再通过合理制定相应指标，从而完成对军事智能武器装备的质量评估，实现智能技术在军事应用中的边界可用性。2、以武器装备作战试验与鉴定引导边界探索武器装备作战试验与鉴定是指在武器装备的全寿命周期中，试验鉴定机构为确定其作战适用性和效能，根据训练与作战任务要求，通过构建近似于实战的试验环境，并运用多种试验方法手段对武器装备进行试验评估的过程[20]。效能指标、适用性指标及其定性要求构成武器装备作战试验与鉴定的指标体系。其中，效能包括单项效能和作战效能；适应性包括环境适应性、使用适应性和保障适应性[13]。武器装备作战试验与鉴定用于确定武器、装备或弹药在战斗中的有效性和适用性[21]。当前，智能化军事应用会对武器装备的有效性和适用性提出新的挑战。在现有作战试验与鉴定体系下，我们要思考如何建立军事智能武器装备的作战效能和作战适用性的评估体系，从而引导产生可靠的军事智能技术边界。以人机协同技术的军事应用为例。人机协同系统中存在信任感和理解不一致的问题，通过作战试验与鉴定可以确定系统的自主层级和人机编组效能。一方面，人机协同系统中，作战人员要放权给自主系统进行自主决策和行动，但系统内在智能模型的低观测性和低理解性会导致人员难以完全信任系统，这对矛盾必然就会束缚人机协同编组的作战效能。因此，通过作战试验与鉴定科学权衡系统的自主层级，就可以既不降低系统的作战效能，又不会因信任感而影响系统的作战适用性。另一方面，当前人工智能框架下的自主系统与人类的认知模式和思维方式还存在较大差异，会导致对威胁态势和作战目标的理解不一致，这时，就要通过武器装备作战试验与鉴定深度考核人机认知层次的编组效能。上述两种情况中，要将结果和作战需求进行对比评估，判断武器装备是否可以满足作战要求，如不满足，则要对技术进行调整。从这个角度讲，系统自主层级和人机编组的效能评估指标可以对技术起到边界收敛的作用。再以群体智能技术的军事应用为例。群体智能涌现出的社会行为将会带来面向复杂性科学的武器装备作战试验与鉴定问题。无人自主系统发展到异构无人自主集群时，集群中个体间的自组织和自同步会催生合作、竞争、学习等社会行为的大量涌现，这些行为对无人自主集群的作战效能和生存力有着极大的影响，最终将影响集群的整体作战力量。目前，建立在信息论、控制论、计算机和机械工程等基础上的武器装备作战试验与鉴定体系难以有效评估具有复杂性科学的群体智能社会行为及其衍生的作战能力[22]。如不尝试升级武器装备作战试验与鉴定方法，完善试验与鉴定指标体系，有限的试验与鉴定能力会对群体智能技术的军事应用起到边界限制的作用，也会限制群体智能技术在军事应用中的广泛发展。武器装备要在战场环境中高效发挥作用，这是它的唯一使命。智能技术赋能于武器装备后，其本身具有的“五性”将增加武器装备作战试验与鉴定的测试难度，因此，就要进一步对武器装备作战试验与鉴定体系进行评估调整。合理制定评估指标，使智能技术在军事领域的应用保持在有效合理的边界限定内，进而保证智能武器装备的有效性和适用性。五、结语未来军事战争的竞争主要是以新质军事能力生成为总体要求，以“智胜科技力”体系建设为主线，这就要求军事智能化技术创新发展必须呈现有序性和方向性。在这种情况下，为推动具有高军事需求匹配度的人工智能核心技术发展，本文通过借鉴将开放性问题封闭化的方法，对人工智能技术的军事应用边界进行探讨，以军事智能化产品为核心，结合武器装备“六性”和武器装备作战试验与鉴定两个评价体系，开展人工智能技术军事应用边界研究。智能技术的军事应用并不是可以无限制进行的，必须在“六性”和试验与鉴定的指标限定下，在满足指标要求的合理范围内实现技术应用，并且对于不同的技术应用，各类指标对技术创新发展的影响程度也是不同的。参考文献：[1]蔡华悦,未志元.人工智能在各军事强国的发展[J].国防科技,2017,38(5):7-11.[2]赵耀新.技术创新能力与企业经济效益的关系研究[C]//北京中外软信息技术研究院.第四届世纪之星创新教育论坛论文集.北京:北京中外软信息技术研究院,2016:592.[3]艾瑞咨询.2019中国人工智能产业研究报告[R/OL].[2020-08-19].https://www.iresearch.com.cn/Detail/report?id=3396&isfree=0.[4]陈小平.封闭性场景:人工智能的产业化路径[J].文化纵横,2020(1):34-42.[5]马兆远.人工智能之不能[M].北京:中信出版集团,2020:187-253.[6]蔡亚梅.人工智能在军事领域中的应及其发展[J].智能物联技术,2018,1(3):41-48.[7]徐源,房超,周羽.从“军事智能化”到“以智取胜”:内涵、机理及其技术实现[J].国防科技,2019,39(6):67-71.[8]房超,黄仲文,牛惠敏.“智胜科技力”理论体系探究:关于军事智能化发展的思考[J].国防,2020(5):19-24.[9]陈小平.人工智能的历史进步、目标定位和思维演化[J].开放时代,2018(6):31-49.[10]沈军,徐翔,李健,等.关于装备“六性”问题的几点思考[J].航空维修与工程,2015(10):50-53.[11]贾哲,王锐华,马贤明.数据链装备作战试验评估指标体系[J].指挥与控制学报,2020,6(1):21-27.[12]李晓松,肖振华,吕彬.装备建设军民融合评价和优化[M].北京:国防工业出版社,2017:5-6.[13]许萌,李执力,王鹏.武器装备的“五性”工作研究[J].国防技术基础,2009(9):26-29.[14]庞志兵,高强,魏赫.提高武器装备环境适应性对策研究[J].装备环境工程,2014,11(1):68-76.[15]房超,李正风,薛颖,等.基于比较分析的人工智能技术创新路径研究[J].中国工程科学,2020,22(4):147-153.[16]郝润泽,杨瑞朋.多传感器数据融合技术研究现状及军事应用[J].兵工自动化,2007,26(4):16-17,23.[17]张明路,戈新良,唐智强,等.多传感器信息融合技术研究现状和发展趋势[J].河北工业大学学报,2003,32(2):30-35.[18]李鹏举,毛鹏军,耿乾,等.无人机集群技术研究现状与趋势[J].航空兵器,2020,27(4):25-32.[19]张邦楚,廖剑,匡宇,等.美国无人机集群作战的研究现状与发展趋势[J].航空兵器,2020,27(6):7-12.[20]薛益新,周玢.武器装备作战试验鉴定指标体系建立方法[J].装备学院学报,2016,27(4):102-107.[21]徐松林,王海哲.美军武器装备作战试验与鉴定管理体系[J].国防科技,2015,36(4):42-47.[22]徐享忠,杨建东,郭齐胜.作战仿真试验理论体系研究[J].装甲兵工程学院学报,2018,32(2):98-103.军事高科技在线授权转载特别声明：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技术应用的领域主要有哪些
参考链接：人工智能应用
随着智能家电、穿戴设备、智能机器人等产物的出现和普及，人工智能技术已经进入到生活的各个领域，引发越来越多的关注。那么，人工智能目前都应用在哪些领域，运用了怎样的技术原理呢？
什么是人工智能？
人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是认知、决策、反馈的过程。 曾经有很多人戏称，人工智能就像一列火车，你苦苦期盼，它终于来了，然后它呼啸而过，把你抛在身后。虽然这是一种笑谈，但也反应了人工智能技术发展的迅速和无法想象的快，可能一个不小心，你就被远远甩在身后。
人工智能技术的细分领域有哪些？
人工智能技术应用的细分领域：深度学习、计算机视觉、智能机器人、虚拟个人助理、自然语言处理—语音识别、自然语言处理—通用、实时语音翻译、情境感知计算、手势控制、视觉内容自动识别、推荐引擎等。
1、深度学习
深度学习作为人工智能领域的一个应用分支，不管是从市面上公司的数量还是投资人投资喜好的角度来说，都是一重要应用领域。说到深度学习，大家第一个想到的肯定是AlphaGo，通过一次又一次的学习、更新算法，最终在人机大战中打败围棋大师李世石。百度的机器人“小度”多次参加最强大脑的“人机大战”，并取得胜利，亦是深度学习的结果。
深度学习的技术原理：
1.构建一个网络并且随机初始化所有连接的权重； 2.将大量的数据情况输出到这个网络中； 3.网络处理这些动作并且进行学习； 4.如果这个动作符合指定的动作，将会增强权重，如果不符合，将会降低权重； 5.系统通过如上过程调整权重； 6.在成千上万次的学习之后，超过人类的表现；
2、计算机视觉
计算机视觉是指计算机从图像中识别出物体、场景和活动的能力。计算机视觉有着广泛的细分应用，其中包括，医疗成像分析被用来提高疾病的预测、诊断和治疗；人脸识别被支付宝或者网上一些自助服务用来自动识别照片里的人物。同时在安防及监控领域，也有很多的应用……
计算机视觉的技术原理：
计算机视觉技术运用由图像处理操作及其他技术所组成的序列来将图像分析任务分解为便于管理的小块任务。比如，一些技术能够从图像中检测到物体的边缘及纹理。分类技术可被用作确定识别到的特征是否能够代表系统已知的一类物体。
3、语音识别
语音识别技术最通俗易懂的讲法就是语音转化为文字，并对其进行识别认知和处理。语音识别的主要应用包括医疗听写、语音书写、电脑系统声控、电话客服等。
语音识别技术原理：
1、对声音进行处理，使用移动窗函数对声音进行分帧； 2、声音被分帧后，变为很多波形，需要将波形做声学体征提取，变为状态； 3、特征提起之后，声音就变成了一个N行、N列的矩阵。然后通过音素组合成单词；
4、虚拟个人助理
说到虚拟个人助理，可能大家脑子里还没有具体的概念。但是说到Siri，你肯定就能立马明白什么是虚拟个人助理。除了Siri之外，Windows10的Cortana也是典型代表。
虚拟个人助理技术原理：（以Siri为例）
1、用户对着Siri说话后，语音将立即被编码，并转换成一个压缩数字文件，该文件包含了用户语音的相关信息； 2、由于用户手机处于开机状态，语音信号将被转入用户所使用移动运营商的基站当中，然后再通过一系列固定电线发送至用户的互联网服务供应商(ISP)，该ISP拥有云计算服务器； 3、该服务器中的内置系列模块，将通过技术手段来识别用户刚才说过的内容。 总而言之，Siri等虚拟助理软件的工作原理就是“本地语音识别+云计算服务”。
5、语言处理
自然语言处理（NPL），像计算机视觉技术一样，将各种有助于实现目标的多种技术进行了融合，实现人机间自然语言通信。
语言处理技术原理：
1、汉字编码词法分析； 2、句法分析； 3、语义分析； 4、文本生成； 5、语音识别；
6、智能机器人
智能机器人在生活中随处可见，扫地机器人、陪伴机器人……这些机器人不管是跟人语音聊天，还是自主定位导航行走、安防监控等，都离不开人工智能技术的支持。
智能机器人技术原理：
人工智能技术把机器视觉、自动规划等认知技术、各种传感器整合到机器人身上，使得机器人拥有判断、决策的能力，能在各种不同的环境中处理不同的任务。
智能穿戴设备、智能家电、智能出行或者无人机设备其实都是类似的原理。
7、引擎推荐
不知道大家现在上网有没有这样的体验，那就是网站会根据你之前浏览过的页面、搜索过的关键字推送给你一些相关的网站内容。这其实就是引擎推荐技术的一种表现。
Google为什么会做免费搜索引擎，目的就是为了搜集大量的自然搜索数据，丰富他的大数据数据库，为后面的人工智能数据库做准备。
引擎推荐技术原理：
推荐引擎是基于用户的行为、属性（用户浏览网站产生的数据），通过算法分析和处理，主动发现用户当前或潜在需求，并主动推送信息给用户的信息网络。快速推荐给用户信息，提高浏览效率和转化率。
关于人工智能的展望
除了上面的应用之外，人工智能技术肯定会朝着越来越多的分支领域发展。医疗、教育、金融、衣食住行等等涉及人类生活的各个方面都会有所渗透。
当然，人工智能的迅速发展必然会带来一些问题。比如有人鼓吹人工智能万能、也有人说人工智能会对人类造成威胁，或者受市场利益和趋势的驱动，涌现大量跟人工智能沾边的公司，但却没有实际应用场景，过分吹嘘概念。
转自：http://www.arduino.cn/thread-45848-1-1.html