智能化作战指挥如何实施
面对汹涌澎湃的智能化浪潮，由指挥人员、指挥手段、指挥对象构成的智能化指挥系统，在指挥信息连接下形成指挥回路，其相互作用、高效运行的内在机理是什么呢？只有尝试解开这个核心密码，才能确保智能化作战指挥建设与运用稳步推进。
智能辅助，人在回路中。智能化是一个相对概念，只要是指挥信息系统或武器装备具备一定的自主性，具有一定的无人化、自动化特征，就可称为智能化指挥信息系统或智能化武器装备。不得不说，当前一些先进的指挥信息系统已具备智能化特征，作为一种辅助手段用以解决作战指挥系统运行过程中，某一项指挥要素、指挥环节、指挥作业的特定问题。比如对敌情、我情、战场环境进行计算统计分析，快速提交分析报告，生成辅助决策信息；对作战方案进行仿真模拟推演，辅助分析评估作战方案；对作战行动的目标、力量、进程进行规划，辅助计划安排作战行动，等等。当作战指挥回路运行时，指挥主体即指挥人员，不但要承担筹划决策、突发情况处置等作战指挥核心职能，还要承担计算机不便处理的指挥信息加工分析、指挥作业编辑拟制等工作，人始终处在指挥回路之中，发挥主体职责与作用，智能化指挥信息系统作为辅助手段，是人的“助手”和“工具”。
智能自战，人在回路前。战场无人化是智能化的一个显著特征，大量无人化装备出现在战场，包括无人机、无人车、无人艇、无人值守传感器、无人水下潜航器、扫雷排爆机器人、智能弹药等。目前，美军装备的无人机已达7000多架，伊拉克、阿富汗战场投入使用的地面轮式或履带式机器人超过12000个。在单个无人化装备基础上，还出现了由多个同一或相近类型无人化装备组成的无人作战集群，可以自主协同实施侦察、监视、压制、攻击等行动。无人作战集群已在叙利亚战争中初露锋芒，相关实验也层出不穷，人工智能将推动未来战争进入无人集群作战时代。尽管当前无人化作战系统仍然是以后台遥控半自主方式运行，但随着人工智能不断突破，其自主化程度将不断提高。面对高度自主、甚至是完全自主的指挥对象，是否就不需要指挥了呢？答案是否定的，面对高度自主的无人化装备与无人作战集群，指挥不在回路中，也不在回路上，而是在指挥回路运行前的装备研发阶段、任务准备阶段，通过预编程的方式，将战术战法、交战规则、行动方式等固化在装备之中，装备按照预先设计遂行作战任务，自行实施机动、跟踪、攻击、规避、协同、回撤等。“剑”与“剑法”在战争之前就合而为一，军事思想在战场之外就嵌入军事技术之中，这就是人在回路前的运行模式。在这种模式下，指挥人员的指挥智能已提前植入机器。
智能互融，人在回路内。指挥的传统思路，是指挥主体向指挥对象下达口头话音、指挥文书、数据短语等指令，指挥对象按照指令采取行动，这种指挥主体与指挥对象相对分离的运行模式，使指挥指令经过多重传送才能由指挥主体传导至指挥对象，线路长、效率低。能不能突破这种模式，使人与指挥回路结合得更加紧密，指挥控制得更加直接呢？当前，一些科幻电影向我们展示了人与指挥回路深度融合、一体联动的运行模式，即人在指挥回路内。从目前智能技术发展与运用看，有两种可行途径，一种是“脑控”，把人脑与智能武器通过有线、无线方式连接起来，用脑电波直接控制智能武器，把人的意识直接作用于机器之上，这需要借助脑机接口技术，以及对人脑的神经生物学机理的掌握；另外一种是可穿戴式的机械外骨骼，用人的肢体控制外骨骼奔跑、跳跃、躲闪、格斗等，通过内外骨骼的一体联动，突破人的生理极限，大大增强人的战斗力，这需要借助于感知智能的进步，以及微型高效可穿戴式能源的突破。人在回路内的运行模式，当前已不是科幻，而是智能化重要的研究与发展方向。比如，高位截瘫的科学家霍金所坐的轮椅，是用其大脑直接控制；美军在2000年开始研制的“增强人体机能的外骨骼”项目，洛马公司曾为美军打造了一款可负重90.7公斤的外骨骼系统。人在回路内的运行模式，脑机一体、骨机一体，指挥控制更加精细直接，机器能够直接反映和实现人的想法和行为，实现真正意义上的智能“钢铁军团”。
智能自主，人在回路上。指挥信息系统的主要功能就是替代人、补偿人、延伸人、拓展人，克服人类在速度与精度上的极限，把人从繁重的体力和低层次脑力劳动中解放出来。随着指挥信息系统智能化程度不断提升，自动化、无人化程度越来越高，不但能够辅助分析研判、方案评估、任务规划，而且能够进行方案自主设计、任务自主规划、情况自行处置、指令自动生成。尤其当人工智能技术突破由弱人工智能向强人工智能跃进的奇点后，计算机可以像人一样具备跨领域推理、抽象概括、深层理解、常识推理等能力，能够对需要跨领域、跨专业综合处理的合同作战或联合作战进行高度无人化、自动化的指挥，那么人与指挥回路的相互关系将发生质的变化。那时，指挥人员不再从事具体的指挥控制工作，其所要做的就是为作战体系赋予总体任务、提供初始条件、给出最终状态、规定作战限制，其他一切中间环节交给智能化指挥信息系统就可以了。为确保智能化指挥信息系统运行的安全可控，避免引发作战伦理问题，人需要对系统的运行进行监督管理、指导仲裁、应急处置，预留“启停”系统的干预接口，保留“开火权”，随时准备接管智能化指挥信息系统的指挥权。这就是人在回路上的运行模式，在这种模式下，指挥人员发挥了主导职责与作用，智能化指挥信息系统是人的“副手”和“管家”。
站在当前智能化技术的前沿阵地，科学而理性地展望军事智能化技术发展与应用，人在回路中、人在回路前的运行模式已初步实践并积极努力地向前推进；人在回路内的运行模式，其概念已无可争议，但还停留在实验室之中；人在回路上的运行模式，还是智能化热情下的一种预测，但纵观智能化曲折而不挠、反复而前进的发展历史，这绝不是一种不切实际的幻想。（刘奎顾静超）
[责编：丁玉冰]浅谈AlphaStar对作战指挥系统的启发
一、星际争霸简介及AI历史《星际争霸》（英语：StarCraft）是暴雪娱乐制作发行的一款即时战略游戏。游戏描述了26世纪初期，位于银河系中心的三个种族在克普鲁星际空间中争夺霸权的故事。三个种族分别是：地球人的后裔人族（Terran）、一种进化迅速的生物群体虫族（Zerg），以及一支高度文明并具有心灵力量的远古种族星灵（Protoss）。《星际争霸》提供了一个游戏战场，用以玩家之间进行对抗。这也是该游戏以及所有即时战略游戏的核心内容。在这个游戏战场中，玩家可以操纵任何一个种族，在特定的地图上采集资源，生产兵力，并摧毁对手的所有建筑取得胜利。游戏同时为玩家提供了多人对战模式。AlphaStar并不是第一个挑战《星际争霸》的程序。AIIDE星际争霸AI竞赛由加州大学圣克鲁斯分校在2010年首次举办，从此每年举办一场。这个比赛中大部分的AI都是以固定策略和手工规则为例，以2018年为例，排名第一的三星SAIDE，采用纯手写规则的人族机械化打法：开局先进行防守，中期开始寻找最佳时机进行Rush，用强力的一波带走对手；排名第二的是FacebookAIResearch，其采用的方式是在比赛前根据与对手的交战历史训练出10几种模型，在比赛时采用LSTM模型判定当前局势下最优的策略，来回切换到对应的模型，当然，该方案也使用了大量的手工规则，例如农民分配、资源使用比例、队列生成、战斗部队走位等。二、关于AlphaStar2019年10月底，DeepMind在《自然》杂志发布最新研究：《GrandmasterlevelinStarCraftIIusingmulti-agentreinforcementlearning》，并放出大量AlphaStar和顶级人类选手的《星际争霸II》对战replay。相关数据显示，AlphaStar在战网上（欧服天梯）的排名已超越99.8%的活跃玩家，在不到4个月的时间里，它使用每个种族进行了30场天梯比赛，三个种族的水平都达到了宗师级别：星灵6275分（胜率83%），人族6048分（胜率60%），虫族5835分（胜率60%）。论文链接：https://www.nature.com/articles/s41586-019-1724-z三、从AlphaGo到AlphaStar在此之前，DeepMind开发的AlphaGo已经在围棋中击败了人类，但《星际争霸II》远比围棋复杂。
●计算复杂度
在围棋比赛中，棋子一共只有361个落点，而在《星际争霸2》中，每个单位可以选择300多项基本行动。结合屏幕的每个可操作像素，其复杂度可能达到10的26次方。●信息完备度
在围棋比赛中，AI可以看到人类对手的每一步行动和全部的棋盘，对于AI来说所有信息都是完备。而在《星际争霸II》中，由于“战争迷雾”的存在，AI接收的信息是不完备的，如果要获取更多信息需要依靠单位移动或者单位探测功能。不完备信息推理是限制AI智能化的一个很大因素。●策略博弈度
在围棋比赛中，在某一个时刻，可能会存在“最优解”的策略。而在《星际争霸II》中，策略的优势是相对的，是互相克制的，可能多轮更新后的策略会被对手最初的策略所克制。四、AlphaStar人机对战限制由于AlphaStar是基于《星际争霸II》接口开发的，可以借助API达到远超人类的能力。为了尽可能公平地进行比赛，DeepMind对AlphaStar进行了以下限制。● 战争迷雾
《星际争霸》内置的AIBot，关闭了战争迷雾，意味着你的一举一动都在电脑的实时监控中。● APM（ActionPerMinute，每分钟操作次数）
早期版本的AlphaStar被严重质疑的一点是其APM疯狂地达到1500左右，要知道世界顶级选手也只有500上下。（鄙人年轻的时候大概在100左右……）
最后版本以一个人类选手为参考做了限制：最多在5秒内完成22个不重复指令，操作延迟限定在110毫秒左右。●信息采集
在有视野的情况下，API可以快速获取视野内的所有环境信息。这点对人类来说是极不公平，毕竟人类需要从感知转认知。所以AlphaStar号称也做了类似操作（强烈表示怀疑…..）。五、AlphaStar人类职业选手优劣势对比●记忆及计算能力AI可以精准地记得过往视野内的所有建筑和单位信息，并进行精确计算，这点是人类远达不到。
●微操虽然AlphaStar限制了APM，但实际上并不妨碍其操作上的优势，人类选手太多无效操作和不精准操作（手抖），例如某一局PvT比赛中，AlphaStar使用6架凤凰战机瞬间同时举起对方单位......
●多线操作在后期的大规模团战（各种技能）、空投骚扰、开新矿并行的情况下，AI可以随意碾压人类。
●战术创意AlphaStar目前是基于有监督学习（大量人类选手比赛）的方式，基本上没有战术创意的概念。
●全局战略AlphaStar在态势对应上，大多是以“经验”或“经验组合”驱动，审时度势能力较弱。例如对方空投，是分兵还是就近造单位，不一定是最优选择。
总体上看，AlphaStar和人类各有优势，目前可以通过其计算能力和无限学习人类选手战术来打败大部分人类。
六、AlphaStar核心技术AlphaStar架构图
AlphaStar的技术原理在几篇论文和youtube的频道上已经有不少解析，这里我们只讨论一些可以在军事作战指挥中参考的关键技术。● 先验知识
论文中没有对AlphaStar的先验知识体系进行深入描述，网上有些文章说AlphaStar是零先验的，这点比较扯淡。先验知识包括建筑信息、建筑依赖关系、单位信息、兵种相克信息等。例如，星灵中的折跃门，要从零先验去学习并且达到比较好的效果，难度是相当大的，而且也浪费TPU。●深度LSTM核
AlphaStar使用LSTM网络捕捉长程信息，跟踪所有之前发生的动作，以及过去访问的所有视图的位置。每个智能体使用一个深度LSTM，每个LSTM有3个层和384个单元。AlphaStar在游戏中每做出一个动作，该记忆就会更新一次。平均每个游戏会有1000个动作。网络大约有7000万个参数。● 图神经网络
通过使用关系性深度强化学习，可以通过结构化感知和关系推理提高常规方法的效率、泛化能力和可解释性。在AlphaStar用于抽取非结构化信息以及提高策略模型可解释性。可解释性是军事指挥决策系统的重要组成部分。
●模仿学习
通过对人类选手的大量学习，制定初始化战略，寻找制胜的关键点。数据表明，通过这项学习，一开局就赢了84%的人类。AlphaStar在防住对手TowerRush后，直接拍下三矿扩大经济优势，最后获胜。●联盟训练(群体强化学习)
《星际争霸II》的不完备博弈特点导致策略空间非常巨大，几乎不可能像棋类那样通过树搜索的方式确定一种或几种胜率最大的策略。一种战术策略总是会被别一种策略克制，关键是如何找到最接近纳什均衡的智能体。AlphaStar实现了一种联盟训练（leaguetraining）的方法，将初始化后每一代训练的智能体都放到这个联盟中。新一代的智能体需要和整个联盟中的其它智能体相互对抗，通过强化学习训练新智能体的网络权重。这样智能体在训练过程中会持续不断地探索策略空间中各种可能的作战策略，同时也不会将过去已经学到的策略遗忘掉。另外值得一提的是，不是所有的AlphaStar智能体都是为了胜利。有些智能体是用来寻找策略的弱点来督促改进。这点非常值得在军事指挥中的兵棋推演中借鉴。AlphaStar在对手旁边直接开分矿，最危险的地方就是最安全的地方……
●Off-policy强化学习
AlphaStar使用一个新的off-policy强化学习算法，里面包含了经验重播(ExperienceReplay)，自我模仿学习(Self-ImitationLearning)以及策略蒸馏(PolicyDistillation)等等机制，用于保证训练的稳定性和有效性。
七、国防领域AI应用DARPA的ACE（空战演进）项目
随着信息技术、纳米技术、生物技术、新材料技术、新能源技术等战略前沿技术领域的发展应用，必将继续推动人工智能相关技术日益走向成熟，在军事领域扮演越来越重要的角色。人工智能技术与装备不断取得突破。主要国家纷纷将人工智能提升到国家战略高度。人工智能在军事领域的主要应用体现在以下几个方向：
◆智能化感知与信息处理
◆智能化指挥控制辅助决策
◆无人化军用平台
◆仿生机器人
◆扩展人的体能技能和智能
DARPA（美国国防部高级研究计划局）于2010年启动“心灵之眼”（Mind’sEye）项目，寻求使用人工智能进行视频分析，开发一种机器能力——视觉智能，提供观察区域中与活动相关信息，能够提前对时间敏感的重大潜在威胁进行分析。DARPA于2011年设立“洞悉”（Insight）项目，通过分析和综合各类传感器和其他来源的信息，集成烟囱式的信息形成统一的战场图像，发现威胁和无规律的战争行动。该项目用于增强分析人员实时从所有可用来源收集信息、从中学习以及与最需要的人分享重要信息的能力。2017年4月，美国五角大楼提出了Maven项目。美国军方在全球各地投放了大量无人机，这些无人机每日每时都传回海量的视频资料，军方分析师早已不堪重负。Maven的首要任务就是，利用人工智能技术，来识别无人机镜头中的车辆和其他物体，从而减轻分析人员的负担。2019年5月，DARPA提出“空战演进”（ACE）项目，将开展人工智能驱动的空中格斗竞赛，该局把其视为研发空对空自动作战软件的第一步。由人工智能控制的战斗机作战反应更快，可让飞行员有更多的时间管理更大的空中战场。最终，ACE项目将发展出可靠和可信的人工智能空中格斗软件，接管空对空作战任务。八、星际争霸II和军事作战指挥的比较
九、第五代军事作战指挥系统的构建思路基于以上信息综合，一个智能的作战指挥系统至少要包括以下要素。●先验知识图谱（装备体系，战术战法，指挥艺术）
●情报感知网络（接收各种输入）
●多智能体策略网络（例如无人机集群的协同AI）
●态势评估价值网络（评估当前局势）
●基于图神经网络的推理解释引擎
●基于深度长短记忆的指控决策网络
●基于群体强化学习的兵棋推演
人工智能能代替指挥员指挥作战吗
在刚刚结束的乌镇围棋峰会人机大战第二季中，“阿尔法狗”又一次毫无悬念地击败了世界排名第一的中国围棋天才柯洁。与去年4∶1战胜李世石，以及在年初的互联网车轮大战中豪取60连胜引起巨大轰动相比，这一次“阿尔法狗”获胜似乎已在意料之中。
人工智能在围棋上的绝佳表现，折射出其日新月异的发展速度，凸显了其“新时代电力”的重要地位。围棋与战争颇有相似之处，棋盘好比战场，棋理好比兵法，弈者好比运筹帷幄的指挥员，对弈恰似指挥对垒的千军万马厮杀。既然已经在围棋这个号称“人类智慧的最后堡垒”上碾压人类，那么是否可以用人工智能代替指挥员指挥作战呢？这让人充满期待。
诚然，与人脑相比，人工智能在某些特定领域具有很大优势，是不折不扣的“超级大脑”。比如，拥有海量数据，具备超强计算能力，善于自我学习，并且不受时空、体力与情感影响等。这些优势在作战指挥领域表现为：基于神经网络等深度学习算法，可对海量数据进行智能化分析，大幅提升情报分析效率；利用大数据与超强计算力，建立作战模型，模拟作战过程，评估并优选作战方案；发挥不知疲倦与绝对理性的特点，弥补指挥员生理心理上的短板缺陷，为指挥员快速提供决策建议，提升决策速度，缩短己方指挥周期等。
但是，人工智能这个“黑科技”要想真正踏入作战指挥的神秘殿堂，全面代替指挥员指挥作战，却有很长的路要走，甚至可能永远无法实现这一“伟大愿景”。
首先，作战数据缺乏。据称，“阿尔法狗”预装了15万职业棋手、上百万业余棋手的棋谱，更可怕的是其每天还能自我对弈将近100万盘棋。可以说，这些庞大的棋谱数据成就了“阿尔法狗”的独孤求败。但是，在作战领域，要想获得详细的战场环境数据以及对手训练、演习、作战方面的相关数据难度非常之大，即便是全面采集己方军队的各项数据也非易事。由此可见，所需的作战数据缺乏将成为限制人工智能独立指挥作战的“阿喀琉斯之踵”。
其次，战争复杂性制约。虽然围棋变化极其繁复，号称超过宇宙中原子数量的总和。但毕竟棋盘是不变的，双方态势是透明的。战争就完全不同了。战争是开放的系统，不仅与敌、我、友、天、地、民密切相关，还受到政治、经济、文化等影响制约，很难限定其边界；战争具有混沌性，任何细微因素都可能对战争胜负产生重大影响，“丢了一颗马钉”可能“输掉一场战争”；战场迷雾难以真正驱散，看见山那边的风景至今仍是无数指挥员的梦想……面对如此开放、模糊、不确定的复杂战争系统，连人类自己都说不清、道不明隐藏在各种表象下的战争内在本质与制胜机理，更遑论人工智能了。没有对战争原理的认识、理解与把握，人工智能不可能完成作战指挥的重任。
最后，指挥艺术限制。虽然“阿尔法狗”在棋局中妙手频出，但都建立在基于数据的科学计算上。然而，作战指挥是门艺术，科学计算必不可少，却不是全部。毛主席指挥红军“四渡赤水出奇兵”，刘伯承元帅七亘村一反常规设伏，皆是指挥领域的“神来之笔”。如此精妙的指挥艺术，更多源于指挥员想象力与灵感的迸发，可以说是“运用之妙，存乎一心”。要想通过人工智能建立准确的数学模型，来模拟指挥艺术的生成机制与作用机理，是很难做到的。因此，即使人工智能发展到高级阶段，也只能做到“科学”地指挥，而非“艺术”地指挥。
值得一提的是，随着科学技术的发展，也许有一天，人工智能终将具有“超人”智慧，并拥有自己的思维与判断决策能力。那时，我们也许要考虑的是另一个问题——人工智能是否会危及人类自身。拿破仑曾说，“我再也无法服从指挥了；我已经尝到大权在握的滋味，它让我欲罢不能。”谁又能确信高度智慧的人工智能会绝对服从人的指挥呢？从解决“终结者难题”的角度看，与其将指挥作战的权力全部交给人工智能，不如在指挥人员的监控下将信息处理、方案评估、辅助决策、制定计划等部分指挥权限交给人工智能，同时将作战指挥的核心权力——决策权牢牢抓在手里。
囿于上述局限性，当前应当更多地发挥人工智能长于数据、精于计算、善于学习等优长，将其打造成为中军帐中为指挥员出谋划策的“数据仓库”“云端大脑”“数字参谋”更实际些。这无疑应是人工智能近阶段在作战指挥领域的重点发展方向。陈玉飞周涛
如何认识人工智能对未来经济社会的影响
原标题：如何认识人工智能对未来经济社会的影响人工智能作为一种新兴颠覆性技术，正在释放科技革命和产业变革积蓄的巨大能量，深刻改变着人类生产生活方式和思维方式，对经济发展、社会进步等方面产生重大而深远的影响。世界主要国家都高度重视人工智能发展，我国亦把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。在此背景下，我们有必要更好认识和把握人工智能的发展进程，研究其未来趋势和走向。
人工智能不同于常规计算机技术依据既定程序执行计算或控制等任务，而是具有生物智能的自学习、自组织、自适应、自行动等特征。可以说，人工智能的实质是“赋予机器人类智能”。首先，人工智能是目标导向，而非指代特定技术。人工智能的目标是在某方面使机器具备相当于人类的智能，达到此目标即可称之为人工智能，具体技术路线则可能多种多样，多种技术类型和路线均被纳入人工智能范畴。例如，根据图灵测试方法，人类通过文字交流无法分辨智能机器与人类的区别，那么该机器就可以被认为拥有人类智能。其次，人工智能是对人类智能及生理构造的模拟。再次，人工智能发展涉及数学与统计学、软件、数据、硬件乃至外部环境等诸多因素。一方面，人工智能本身的发展，需要算法研究、训练数据集、人工智能芯片等横跨整个创新链的多个学科领域同步推进。另一方面，人工智能与经济的融合要求外部环境进行适应性变化，所涉的外部环境十分广泛，例如法律法规、伦理规范、基础设施、社会舆论等。随着人工智能进一步发展并与经济深度融合，其所涉外部环境范围还将进一步扩大，彼此互动和影响亦将日趋复杂。
总的来看，人工智能将波浪式发展。当前，人工智能正处于本轮发展浪潮的高峰。本轮人工智能浪潮的兴起，主要归功于数据、算力和算法的飞跃。一是移动互联网普及带来的大数据爆发，二是云计算技术应用带来的计算能力飞跃和计算成本持续下降，三是机器学习在互联网领域的应用推广。但人工智能技术成熟和大规模商业化应用可能仍将经历波折。人工智能的发展史表明，每一轮人工智能发展浪潮都遭遇了技术瓶颈制约，导致商业化应用难以落地，最终重新陷入低潮。本轮人工智能浪潮的技术上限和商业化潜力都大大高于以往，部分专用人工智能可能获得长足进步，但许多业内专家认为目前的人工智能从机理上还不存在向通用人工智能转化的可能性，人工智能大规模商业化应用仍将是一个长期而曲折的过程。人工智能的发展尚处于早期阶段，在可预见的未来仍将主要起到辅助人类工作而非替代人类的作用，同时，严重依赖数据输入和计算能力的人工智能距离真正的人类智能还有很大的差距。
作为继互联网后新一代“通用目的技术”，人工智能的影响可能遍及整个经济社会，创造出众多新兴业态。国内外普遍认为，人工智能将对未来经济发展产生重要影响。
一方面，人工智能将是未来经济增长的关键推动力。人工智能技术的应用将提升生产率，进而促进经济增长。许多商业研究机构对人工智能对经济的影响进行了预测，主要预测指标包括GDP增长率、市场规模、劳动生产率、行业增长率等。多数主要商业研究机构认为，总体上看，世界各国都将受益于人工智能，实现经济大幅增长。未来十年（至2030年），人工智能将助推全球生产总值增长12%左右。同时，人工智能将催生数个千亿美元甚至万亿美元规模的产业。人工智能对全球经济的推动和牵引，可能呈现出三种形态和方式。其一，它创造了一种新的虚拟劳动力，能够解决需要适应性和敏捷性的复杂任务，即“智能自动化”；其二，人工智能可以对现有劳动力和实物资产进行有力的补充和提升，提升员工能力，提高资本效率；其三，人工智能的普及将推动多行业的相关创新，提高全要素生产率，开辟崭新的经济增长空间。
另一方面，人工智能替代劳动的速度、广度和深度将前所未有。许多经济学家认为，人工智能使机器开始具备人类大脑的功能，将以全新的方式替代人类劳动，冲击许多从前受技术进步影响较小的职业，其替代劳动的速度、广度和深度将大大超越从前的技术进步。但他们同时指出，技术应用存在社会、法律、经济等多方面障碍，进展较为缓慢，技术对劳动的替代难以很快实现；劳动者可以转换技术禀赋；新技术的需求还将创造新的工作岗位。
当前，在人工智能对经济的影响这个领域，相关研究已经取得了一些成果，然而目前仍处于研究的早期探索阶段，还未形成成熟的理论和实证分析框架。不过，学界的一些基本共识已经达成：短期来看，人工智能发展将对我国经济产生显著促进作用；长期来看，人工智能的发展路径和速度难以预测。因此，我们需对人工智能加速发展可能导致的世界经济发展模式变化保持关注。
（作者单位：国务院发展研究中心创新发展研究部）
(责编：赵超、吕骞)分享让更多人看到
人机智能交互对未来战争的影响
原标题：人机智能交互对未来战争的影响近日，美国防部高级计划研究局发表声明，将人机智能交互发展作为军事智能化的主要发展方向。随着战争形态由机械化、信息化转变为信息化、智能化，继装备智能化之后，人机智能交互成为军事智能化新的增长点。美大力发展装备智能化的同时，重点发展人机智能交互，这对未来智能化战争将会产生什么影响？对浪潮汹涌的国际军事格局又会带来什么样的变化呢？
信息化与智能化交织的战争模式，使得战场信息量空前庞大，现代战场上，战争空间全域多维，在陆、海、空、天、网、电、磁等多维空间的态势感知、信息传递、模式识别都将产生空前巨大的信息量，指挥员如何从规模空前的信息中，提取出有用信息，对人机智能交互提出了挑战。
人机交互不够智能化，是目前人机交互系统存在的最突出问题。如何处理巨大的战场信息之间的内在联系？如何根据指挥员的实时需求智能研判提取信息？这些问题制约着作战效率的提升。
人工智能时代的到来，使高效的信息传递与交互成为可能。在目前语音交互的基础上，人机交互系统能够通过手势、眼神、表情乃至生理信号等特征信息，智能准确地理解指挥员的信息需求和作战意图，从而更好的保障作战指挥，提升作战效率。随着VR、3D影像技术的发展成熟，智能人机交互系统对战场态势信息深度学习、运算之后，以立体3D影像的方式呈现给指挥员。通过人机智能交互系统，信息传递更加高效，指挥员更易感知战场态势，作战效率得到极大提升。
复杂多变的智能化战场，战机稍纵即逝。先发制人，后发受制于人，这就亟需高效的人机交互系统辅助指挥决策。基于机器和人类的优势互补，机器在擅长存储、计算、优化等技术性、快速性、重复性的活动外，能够突破人类生理极限、消除认知偏差，结合人类擅长推理、决策、指挥等艺术性、主动性、创造性，智能人机交互系统能够充分发挥人机互补优势，辅助筹划决策。
目前的作战指挥决策仅仅是物理域的人机协同决策，机器进行数据的定量分析与传递，自适应深度学习、定性的指挥决策还是人来完成。智能化战场要求人机深度融合的智能决策，更加强调人机交互的智能化，实现人定性判断与机器定量分析深度融合，逐步实现人机协同由物理域向物理域、信息域、认知域融合发展。
人机智能交互，将机器获取的客观数据和人感知到的主观信息有机融合起来，再结合先验知识，进行深度学习，生成全新的态势感知信息，这就将人的认知优势与机器的计算优势融合起来，从而形成一种新的智能决策模式。人机之间的交互由单向性变为双向性，人的主动性与机器的被动性将深度融合。
联合作战使得战场空间趋于扁平化，战争时间也大幅度压缩；随着智能化的到来，留给作战对手反应的时间大幅缩短，人机智能交互的发展，推动指挥决策体系的快速转型，促进高效指挥决策更加迅速。
世界各军事强国高度重视发展智能化无人装备，例如“RQ4”等无人战机，MANTA等无人潜航器，无人化作战在未来战场上将成为重要样式，而且将进一步激发无人与反无人装备的研发，无人与反无人作战方法的推陈出新。
未来智能化战争中无人作战力量将成为遂行作战行动的主体，但是“平台无人、系统有人”的理念短期内不会改变，有人作战力量仍将发挥不可替代的作用。在战场前沿，无人系统在前方冲锋陷阵，承担侦察监视、障碍排除、火力吸引等任务；在战场纵深，人机深度融合、智能交互，保障指挥员遂行指挥作战任务，更有效地增强战斗效益。
目前基于人机协同关系、加强人机交互是增强战斗力的重要发展方向。智能化战争的战略和战术须由人来设计，指挥者需要依据作战目的、作战对象、战场环境等客观事实，合理组合有人和无人作战力量，并确定作战时机和具体作战行动，同时灵活运用战略战术，促进技术与艺术的完美融合。因此，未来战场上，无人作战样式更加凸显，但人的主观能动性是其无法替代的，而且更加重要。
在加快军事智能化发展的同时，人对战争胜负的决定性因素不会改变，要始终认识到智能化战争中人依然是战争的主体。
转载请注明来源返回搜狐，查看更多
责任编辑：