人工智能支撐馬賽克戰(zhàn)機理研究

人工智能支撐馬賽克戰(zhàn)機理研究

來源：《航空兵器》，作者付翔等

0 引言
近30年來, 隨著信息化軍事變革的興起, 各種新的軍事作戰(zhàn)概念和作戰(zhàn)理論層出不窮[1]。從20世紀90年代前后提出的“信息戰(zhàn)”“空地一體戰(zhàn)”“數(shù)字化部隊”等, 到進入21世紀后提出的“網(wǎng)絡(luò)中心戰(zhàn)”“快速決定性作戰(zhàn)”“基于效果的作戰(zhàn)”“分布式作戰(zhàn)”等, 再到近年來提出的“作戰(zhàn)云”“系統(tǒng)之系統(tǒng)”“敏捷作戰(zhàn)”“多域戰(zhàn)”“算法戰(zhàn)”等, 以美國國防高級研究計劃局(DARPA)為代表的各國研究機構(gòu)對新型作戰(zhàn)概念的研究越來越深入。2017年8月, DARPA提出了馬賽克戰(zhàn)這一作戰(zhàn)概念[2], 該概念融合了美軍近年來其他作戰(zhàn)概念的思想和理念, 成為DARPA軍事作戰(zhàn)體系研究的頂層核心概念。之后3年, DARPA和米切爾航空航天研究所、 美國戰(zhàn)略與預(yù)算評估中心(CSBA)等研究部門相繼發(fā)布了新的關(guān)于馬賽克戰(zhàn)的指導(dǎo)性文件, 如2018年在DARPA成立60周年研討會上強調(diào)要將作戰(zhàn)方式由傳統(tǒng)樣式向馬賽克戰(zhàn)轉(zhuǎn)變[3]。2019年3月發(fā)布了主要圍繞馬賽克戰(zhàn)的“戰(zhàn)略技術(shù)”公告[4], 9月發(fā)布《馬賽克戰(zhàn): 恢復(fù)美國的軍事競爭力》報告[5], 2020年2月發(fā)布了《馬賽克戰(zhàn): 利用人工智能和自主系統(tǒng)實現(xiàn)決策中心戰(zhàn)》報告[6]。這些指導(dǎo)性文件的相繼發(fā)布, 標志著美軍對馬賽克戰(zhàn)的研究正在逐步從概念走向現(xiàn)實, 從理論走向?qū)崙?zhàn)。我國的研究機構(gòu)也高度關(guān)注這一作戰(zhàn)概念[7,8,9,10], 跟蹤美軍馬賽克戰(zhàn)的研究進展, 對馬賽克戰(zhàn)進行全方位的解讀, 并嘗試將馬賽克戰(zhàn)理念應(yīng)用到指揮控制、 防空反導(dǎo)等軍事領(lǐng)域的研究中。分析認為, 馬賽克戰(zhàn)從理論研究走向應(yīng)用研究, 其中不可或缺的一環(huán)是人工智能技術(shù)對馬賽克戰(zhàn)作戰(zhàn)應(yīng)用技術(shù)的支撐。從這個角度出發(fā), 本文對馬賽克戰(zhàn)進行解讀, 并開展人工智能支撐馬賽克戰(zhàn)的機理研究。

1 馬賽克戰(zhàn)概念分析
1.1 基本概念
馬賽克(Mosaic)是指建筑物外表面用于拼接各類裝飾圖案的小瓷磚碎片, 又稱紙皮磚或錦磚。馬賽克戰(zhàn)借鑒了馬賽克拼圖的思路, 從功能角度將傳感器系統(tǒng)、 指揮控制系統(tǒng)、 武器平臺系統(tǒng)、 兵力編隊等各類作戰(zhàn)單元視為“馬賽克碎片”, 用類似拼圖或搭積木的方式, 通過動態(tài)通信網(wǎng)絡(luò)將“碎片”鏈接形成一張物理和功能高度分散、 靈活機動、 動態(tài)協(xié)同組合的彈性作戰(zhàn)效果網(wǎng), 形成類似于馬賽克塊的作戰(zhàn)體系。利用自主系統(tǒng)賦能分布式和任務(wù)式指揮, 利用人工智能賦能決策支持, 快速、 靈活、 自主地重組一支具備解耦合特性的軍事力量來創(chuàng)造己方的適應(yīng)性, 增大敵方的決策復(fù)雜度或不確定性。即便系統(tǒng)中部分組合被敵方干擾、 中和或摧毀, 仍能基于所能連通的作戰(zhàn)資源, 自動快速做出反應(yīng), 并形成新的“雖然功能降級, 但仍能夠相互連接, 適用于戰(zhàn)場情景和任務(wù)需求”的作戰(zhàn)體系。

圖1[6]為馬賽克戰(zhàn)的概念示意圖, 左側(cè)為紅方傳統(tǒng)部隊, 包括戰(zhàn)機、 地導(dǎo)、 潛艇等作戰(zhàn)裝備; 右側(cè)為藍方馬賽克部隊, 包括陸、 海、 空、 天、 網(wǎng)等多維作戰(zhàn)力量。戰(zhàn)場的每個作戰(zhàn)節(jié)點按照其作戰(zhàn)任務(wù)和自身性質(zhì), 具備決策、 感知、 行動、 指揮等4種作戰(zhàn)要素中的一種或多種, 這些作戰(zhàn)節(jié)點基于規(guī)則和自身能力, 相互鏈接成為一個分布式的馬賽克網(wǎng)狀作戰(zhàn)體系。 圖1(a)為紅藍雙方交戰(zhàn)的初始狀態(tài)。藍方各馬賽克節(jié)點已經(jīng)形成了相對固定的對敵目標打擊環(huán)路。 圖1(b)為交戰(zhàn)過程的中間狀態(tài)。隨著戰(zhàn)斗的進行, 紅方擊潰了藍方某些作戰(zhàn)節(jié)點, 切斷了部分信息鏈路, 撕裂了藍方原有的作戰(zhàn)體系。在這種情形下, 馬賽克作戰(zhàn)體系快速做出反應(yīng), 基于預(yù)定的規(guī)則, 各作戰(zhàn)節(jié)點快速修復(fù)打擊環(huán)路, 形成了針對預(yù)定目標的多個OODA環(huán), 確保作戰(zhàn)任務(wù)不間斷。

圖片

圖1 ? 馬賽克戰(zhàn)作戰(zhàn)概念

Fig.1 ? Operational concept of mosaic warfare

1.2 主要特點
1.2.1 面向?qū)崙?zhàn)

馬賽克戰(zhàn)著眼于實戰(zhàn)場景下敵我雙方的高強度對抗, 重視對手的區(qū)域拒止能力, 正視戰(zhàn)場上可能遇到的戰(zhàn)爭迷霧和突發(fā)事件。它設(shè)想在戰(zhàn)斗過程中可能遭到對方的突襲和破壞, 導(dǎo)致通信網(wǎng)絡(luò)和數(shù)據(jù)鏈路被中斷, 作戰(zhàn)信息流被干擾, 作戰(zhàn)要素被孤立, 作戰(zhàn)體系網(wǎng)被破壞等。在此情形下, 去設(shè)計每個作戰(zhàn)節(jié)點和整個作戰(zhàn)體系。

1.2.2 高度分布

馬賽克戰(zhàn)繼承和發(fā)揚了“分布式作戰(zhàn)”的理念, 強調(diào)將平臺要素分解為最小的功能單元, 以分布式作戰(zhàn)管理取代集中式指揮控制, 用高度分散的殺傷網(wǎng)取代殺傷鏈, 確保網(wǎng)絡(luò)具有較多的冗余節(jié)點, 沒有不可或缺的關(guān)鍵節(jié)點。這種高度分布的特性使之具備了作戰(zhàn)節(jié)點數(shù)量上的絕對優(yōu)勢和功能/性能/價格上的相對優(yōu)勢, 給作戰(zhàn)帶來了很多新的變化。

1.2.3 靈活敏捷

馬賽克戰(zhàn)的靈活敏捷性體現(xiàn)在多個方面: 一是資源調(diào)配的靈活性。大規(guī)?？罩凶鲬?zhàn)行動中, 空域、 頻譜等各類作戰(zhàn)資源十分緊張, 馬賽克作戰(zhàn)體系可根據(jù)戰(zhàn)場實時態(tài)勢, 自適應(yīng)動態(tài)調(diào)配各類作戰(zhàn)資源。二是“觀察-判斷-決策-行動”(OODA)循環(huán)的敏捷性。面對敵方的動態(tài)威脅, 根據(jù)可用資源, 將低成本傳感器、 多域指揮與控制節(jié)點以及相互協(xié)作的有人、 無人系統(tǒng)等靈活組合, 快速拼裝出復(fù)雜的殺傷網(wǎng)體系。

1.2.4 韌性抗毀

馬賽克作戰(zhàn)體系具有韌性、 抗摧毀等特點。在指揮上采用分布式作戰(zhàn)管理體制, 沒有明顯的關(guān)鍵指揮節(jié)點, 即使對方破壞了部分指揮節(jié)點, 也并不影響整體指揮效能。在殺傷效果方面, 采用高度分散的殺傷網(wǎng), 各類武器平臺具有大量、 小型、 價格低廉、 地理位置高度分散等特點, 即使部分殺傷節(jié)點被破壞, 作戰(zhàn)體系將快速尋找其他殺傷路徑, 確保整體的殺傷效能不受影響。

1.2.5 成本低廉

馬賽克戰(zhàn)的成本低廉性體現(xiàn)在兩個方面: 一是馬賽克戰(zhàn)不需要特別研制價格高昂的專用裝備, 針對所需作戰(zhàn)能力, 僅依靠現(xiàn)有裝備的自主式組合, 就可以形成所需的體系作戰(zhàn)能力。二是馬賽克戰(zhàn)旨在發(fā)展大量、 小型、 價格低廉、 模塊化、 功能單一的無人平臺, 并將它們部署在沖突對抗的最前沿。這些無人平臺比傳統(tǒng)平臺數(shù)量更多, 成本更低, 能夠承受較高的損失。DARPA所進行的馬賽克部隊第3次兵棋推演中[6], 損失的平臺成本不到傳統(tǒng)部隊的1/3。

1.3 關(guān)鍵作戰(zhàn)應(yīng)用技術(shù)
馬賽克作戰(zhàn)體系需要研究和突破的智能技術(shù)有很多, 這里梳理了7項關(guān)鍵的作戰(zhàn)應(yīng)用技術(shù)。

1.3.1 動態(tài)通信組網(wǎng)技術(shù)

通信組網(wǎng)[11]將相互分散的作戰(zhàn)單元鏈接起來, 形成靈活機動的彈性作戰(zhàn)效果網(wǎng), 是馬賽克作戰(zhàn)體系的“神經(jīng)系統(tǒng)”。通過引入動態(tài)通信組網(wǎng)技術(shù), 構(gòu)建基于任務(wù)驅(qū)動的智能空中信息網(wǎng)絡(luò), 支持各類馬賽克作戰(zhàn)單元的動態(tài)接入和實時通信, 實現(xiàn)網(wǎng)絡(luò)的自規(guī)劃、 自重構(gòu)、 智能流量管理等功能, 為戰(zhàn)場態(tài)勢信息網(wǎng)絡(luò)化感知、 情報信息實時共享, 以及作戰(zhàn)資源的快速調(diào)度提供敏捷高效的通信服務(wù)。在動態(tài)通信組網(wǎng)技術(shù)的支持下, 指揮官可以控制那些他們能夠聯(lián)系的部隊, 并能夠根據(jù)實時通信情況動態(tài)調(diào)整決策部署。

1.3.2 彈性信息共享技術(shù)

信息共享為每一個作戰(zhàn)單元提供所需的情報信息、 作戰(zhàn)態(tài)勢信息、 行動指令信息、 節(jié)點狀態(tài)信息等, 是馬賽克作戰(zhàn)體系的“血液系統(tǒng)”。馬賽克戰(zhàn)正視軍事沖突中固有的迷霧和摩擦, 強調(diào)每一作戰(zhàn)要素都可以動態(tài)接入網(wǎng)絡(luò), 鏈接形成彈性作戰(zhàn)信息網(wǎng)。為此, 網(wǎng)絡(luò)信息體系就必須具備靈活性、 自適應(yīng)性和彈性。這表現(xiàn)在兩個方面: 一是網(wǎng)狀信息傳播機制。信息傳遞不是采用固定路徑, 而是采用網(wǎng)狀傳播路徑, 創(chuàng)建大量的冗余功能節(jié)點, 確保信息可達性。二是多域互操作, 馬賽克作戰(zhàn)要素涉及陸、 海、 空、 天、 網(wǎng)等多個物理域, 各個分系統(tǒng)之間可能沒有通用數(shù)據(jù)標準, 要在具有不同物理層協(xié)議的異構(gòu)網(wǎng)絡(luò)上實現(xiàn)跨域操作。

1.3.3 四維空域動態(tài)管理技術(shù)

空域是空中作戰(zhàn)行動的核心資源[12], 空域動態(tài)管理為每個馬賽克作戰(zhàn)單元智能規(guī)劃了活動空間和運動軌跡。通過研究先進的空域態(tài)勢理解和空域規(guī)劃決策算法, 為作戰(zhàn)人員提供四維(三維空間和時間)空域的動態(tài)圖像, 并根據(jù)作戰(zhàn)進程和任務(wù)需求, 自動為作戰(zhàn)兵力調(diào)配空域資源。四維空域動態(tài)管理可以消除同一空域中各類馬賽克作戰(zhàn)單元的活動沖突, 并利用傳感器網(wǎng)絡(luò)探測和繪制敵方位置, 快速對抗敵人戰(zhàn)場行動。

1.3.4 自適應(yīng)作戰(zhàn)管理規(guī)劃技術(shù)

大規(guī)?？罩凶鲬?zhàn)行動出動兵力多、 作戰(zhàn)過程難于預(yù)測, 預(yù)先制定的任務(wù)計劃可能無法滿足馬賽克作戰(zhàn)體系高度動態(tài)化的作戰(zhàn)需求。自適應(yīng)作戰(zhàn)管理規(guī)劃是馬賽克作戰(zhàn)體系的“智能管家”, 基于語義解析、 知識圖譜、 統(tǒng)計優(yōu)化等技術(shù)手段, 構(gòu)建基于意圖的自適應(yīng)作戰(zhàn)規(guī)劃方法, 自動生成和指派作戰(zhàn)任務(wù), 實現(xiàn)作戰(zhàn)任務(wù)的自適應(yīng)管理規(guī)劃功能。

1.3.5 智能無人作戰(zhàn)平臺技術(shù)

智能無人作戰(zhàn)平臺[13]可根據(jù)任務(wù)需要靈活重構(gòu)任務(wù)載荷, 是馬賽克作戰(zhàn)體系的“重拳”。作戰(zhàn)功能分散在各個平臺上, 通過廣泛的協(xié)作形成復(fù)雜的感知、 決策、 攻擊網(wǎng)絡(luò)。以攻擊網(wǎng)絡(luò)為例, 馬賽克戰(zhàn)殺傷網(wǎng)體系中很多功能分布在大量、 小型、 廉價、 多樣的自主無人武器平臺上, 包括無人機、 無人艦艇、 無人戰(zhàn)車等。這些平臺分散部署, 處于陸、 海、 空等戰(zhàn)場中不同的地理方位, 給作戰(zhàn)帶來了很多新的變化。

1.3.6 自主作戰(zhàn)決策技術(shù)

人工智能賦能的決策支持技術(shù), 可以增強指揮官的決策支持能力, 使指揮官能夠管理快速且復(fù)雜的行動。自主作戰(zhàn)決策是馬賽克作戰(zhàn)體系的“附腦”, 基于人工智能實現(xiàn)快速的決策支持, 解決任務(wù)指揮的局限性, 實現(xiàn)了人類指揮與基于人工智能的機器控制的結(jié)合。人類指揮和機器控制將充分利用人和機器各自的優(yōu)勢, 人類提供了靈活性, 并運用他們的創(chuàng)造性見解, 而機器提供了速度和規(guī)模。

1.3.7 馬賽克實驗推演評估技術(shù)

馬賽克戰(zhàn)提出發(fā)展馬賽克實驗?zāi)芰14], 即發(fā)展相關(guān)概念和技術(shù), 對馬賽克戰(zhàn)進行實驗、 試驗和鑒定, 并直接推動馬賽克戰(zhàn)概念和能力的發(fā)展。馬賽克實驗推演評估, 基于博弈分析、 高性能仿真、 模型預(yù)測等技術(shù)手段, 實現(xiàn)交戰(zhàn)過程快速推演、 交戰(zhàn)結(jié)果分析評估、 戰(zhàn)場態(tài)勢變化預(yù)測等功能, 是馬賽克戰(zhàn)研究的重要輔助手段。

2 人工智能技術(shù)域
近年來, 深度學(xué)習等人工智能技術(shù)[15]取得突破性進展, 人工智能在態(tài)勢感知、 信息處理、 指揮控制、 輔助決策、 無人作戰(zhàn)系統(tǒng)等領(lǐng)域發(fā)揮越來越重要的作用。馬賽克作戰(zhàn)概念的產(chǎn)生也離不開人工智能領(lǐng)域的技術(shù)支撐。本文將人工智能領(lǐng)域劃分為算力算法基礎(chǔ)層和通用人工智能技術(shù)層, 并進一步明確了20個典型的通用人工智能技術(shù)域。

美國2018年《國防部人工智能戰(zhàn)略》給出了“人工智能”的簡明定義[16]: 人工智能是指機器執(zhí)行那些通常需要人類智能才能完成任務(wù)的能力, 包括做出預(yù)測、 得出結(jié)論或采取行動等。當前, 人工智能領(lǐng)域主要由4大要素構(gòu)成: 強大算力、 智能算法、 海量數(shù)據(jù)和應(yīng)用場景[17], 通過“算力+算法+數(shù)據(jù)+場景”的疊加效應(yīng), 有效促進了人工智能領(lǐng)域的進步。軍事領(lǐng)域是一類特殊的應(yīng)用領(lǐng)域, 存在著不同類別的復(fù)雜應(yīng)用場景, 比如戰(zhàn)略預(yù)警、 防空反導(dǎo)、 空中交戰(zhàn)、 指揮控制、 通信導(dǎo)航等, 也存在著不同類別、 不同密級的海量異構(gòu)數(shù)據(jù)。這里將通用的算力、 算法及承載各類算法的平臺框架剝離出來, 形成算力算法基礎(chǔ)層[18,19]。

當前, 學(xué)術(shù)界對人工智能技術(shù)并沒有明確的定義和分類[20,21,22], 各種文獻對智能技術(shù)的使用也較為混亂。本文將人工智能技術(shù)群劃分為20個技術(shù)域。

2.1 計算機視覺技術(shù)域
計算機視覺是指對目標進行捕獲、 跟蹤和測量, 并進一步提取、 處理、 分析和理解圖像或圖像序列, 從中識別出物體、 場景和活動的技術(shù)。通俗地講, 計算機視覺是研究如何使機器“看”的科學(xué)。計算機視覺可分為計算成像學(xué)、 圖像理解、 三維視覺、 動態(tài)視覺和視頻編解碼等5大類。早在1976年, DARPA就開始資助圖像識別類項目, 嘗試開發(fā)能夠自動分析軍事照片和相關(guān)圖片的技術(shù)。近年來, DARPA先后啟動了“戰(zhàn)術(shù)應(yīng)用偵察節(jié)點”(TERN)、 “分層識別驗證及利用”(HIVE)、 “自動目標識別”(ATR)、 “目標識別與適應(yīng)”(TRACE)等項目, 提升偵察、 監(jiān)視和目標識別能力。計算機視覺相關(guān)技術(shù)有著廣泛的應(yīng)用, 包括安防監(jiān)控、 交通監(jiān)控、 無人駕駛、 無人機、 金融、 醫(yī)療等方面。

2.2 語音識別技術(shù)域
語音識別讓機器通過識別和理解把語音信號轉(zhuǎn)變?yōu)閷?yīng)文本或命令的技術(shù)。語音識別是實現(xiàn)人機交互的窗口, 相對于鍵盤和鼠標的人機交互模式, 人們更傾向于語音這種便捷的方式。DARPA很早就認識到人工智能可以大量滿足國家安全需要, 最初的研究重點就是語音識別和語言翻譯, 先后啟動了“語音理解研究計劃”(SUR)、 “大詞匯量連續(xù)語音識別系統(tǒng)”(LVCSR)、 “全球自動化語音情報利用”(GALE)等項目, 推動語音識別研究向廣度和深度發(fā)展。目前, 語音識別相關(guān)技術(shù)主要應(yīng)用在車聯(lián)網(wǎng)、 智能翻譯、 智能家居、 自動駕駛等方面。

2.3 自然語言處理技術(shù)域
自然語言處理(NLP)是指識別、 理解、 解釋和操縱人類文本語言, 實現(xiàn)機器與人類使用自然語言進行溝通的技術(shù), 主要包括自然語言理解和自然語言生成兩個部分。前者是指計算機理解自然語言文本的意義, 主要包括機器翻譯、 語義理解、 問答系統(tǒng)等; 后者是指以自然語言文本來表達給定的意圖、 思想等。近年來, DARPA先后啟動了“全球自動化語言情報利用”(GALE)、 “機器閱讀”(Machine Reading)、 “文本深度發(fā)掘和過濾”(DEFT)等項目, 以提高實時翻譯、 自然文本知識插入、 結(jié)構(gòu)化文本信息發(fā)掘與整合等方面的技術(shù), 并將這些技術(shù)用于作戰(zhàn)評估、 規(guī)劃、 預(yù)測的輔助決策支持中。目前, 自然語言處理技術(shù)已廣泛應(yīng)用于垃圾郵件過濾、 文章標題生成、 電影字幕創(chuàng)建、 場景描述等。

2.4 專家系統(tǒng)技術(shù)域
專家系統(tǒng)是一類具有專業(yè)知識和人類經(jīng)驗的計算機智能程序系統(tǒng)。其系統(tǒng)設(shè)計方法是以知識庫和推理機為中心而展開, 即專家系統(tǒng)=知識庫+推理機, 因此專家系統(tǒng)也稱為基于知識的系統(tǒng)。專家系統(tǒng)的出現(xiàn)使人工智能的研究重點從理論轉(zhuǎn)向應(yīng)用。早在20世紀80年代, DARPA就開始支持專家系統(tǒng)的研究、 開發(fā)和在軍事領(lǐng)域的應(yīng)用, 相關(guān)技術(shù)包括知識獲取、 知識表示、 知識應(yīng)用、 軟件設(shè)計等。目前, 專家系統(tǒng)的研究已較為成熟, 在工業(yè)工程、 教育等多個領(lǐng)域有較多應(yīng)用。

2.5 知識圖譜技術(shù)域
知識圖譜是結(jié)構(gòu)化的語義知識庫, 是一種揭示實體之間關(guān)系的語義網(wǎng)絡(luò), 它用符號形式描述客觀世界中的概念、 實體及其相互關(guān)系, 并把復(fù)雜的知識領(lǐng)域通過數(shù)據(jù)挖掘、 信息處理和圖形繪制而顯示出來。知識圖譜技術(shù)是人工智能技術(shù)的重要組成部分, 關(guān)鍵技術(shù)包括知識抽取、 知識表示、 知識融合、 知識加工、 知識更新等。2012年, DARPA啟動“X計劃”, 用知識圖譜描繪戰(zhàn)場地圖支撐VR作戰(zhàn)。目前知識圖譜技術(shù)在智能搜索、 智能問答、 個性化推薦等服務(wù)中產(chǎn)生了廣泛的應(yīng)用價值, 同時, 也面臨很大的挑戰(zhàn), 如數(shù)據(jù)噪聲問題、 數(shù)據(jù)冗余等。

2.6 大數(shù)據(jù)分析技術(shù)域
大數(shù)據(jù)分析是從多源異構(gòu)海量數(shù)據(jù)中快速獲取有價值信息的技術(shù), 具有5V特點: 數(shù)據(jù)量大; 速度快; 類型多; 價值高; 真實性強。大數(shù)據(jù)分析技術(shù)主要包括數(shù)據(jù)訪問、 數(shù)據(jù)存儲、 數(shù)據(jù)挖掘、 數(shù)據(jù)共享、 數(shù)據(jù)可視化等。近年來, DARPA相繼啟動了“X-數(shù)據(jù)”(X-DATA)、 “洞察系統(tǒng)”(Insight)、 “數(shù)據(jù)到?jīng)Q策”(DtoD)、 “數(shù)據(jù)驅(qū)動的模型發(fā)現(xiàn)研發(fā)”(D3M)等一系列大數(shù)據(jù)研發(fā)項目, 在大數(shù)據(jù)分析技術(shù)域上形成了比較完整和全面的研發(fā)布局。目前, 大數(shù)據(jù)分析已廣泛應(yīng)用在預(yù)測分析、 風險控制、 風險定價、 量化投資、 決策支持等領(lǐng)域。

2.7 引擎推薦技術(shù)域
引擎推薦是基于用戶的行為、 屬性、 社交關(guān)系, 對象的分類、 內(nèi)容、 屬性等, 通過算法分析和處理, 挖掘用戶當前或潛在需求, 并主動向用戶推薦其感興趣對象的技術(shù), 主要包括基于內(nèi)容的推薦、 基于行為的推薦和基于社交網(wǎng)絡(luò)的推薦等。推薦引擎技術(shù)已經(jīng)應(yīng)用在生活的方方面面, 包括電子商務(wù)平臺商品推薦, 搜索結(jié)果智能匹配, 微博、 社區(qū)等站內(nèi)推薦, 視頻/音樂推薦等。

2.8 虛擬個人助理技術(shù)域
虛擬個人助理(VPA)是指具有組織、 學(xué)習及認知能力, 能夠與人們進行語音、 文字等形式交互的數(shù)字助理軟件。主要包括前端和后端兩部分, 前端面向用戶, 包括人機交互、 語音識別、 語音合成等技術(shù); 后端包括網(wǎng)頁搜索、 知識搜索、 知識庫、 問答推薦等技術(shù)。2003年, DARPA啟動了“學(xué)習型個人助理”(PAL)項目, 投資研發(fā)了“戰(zhàn)士的仆人”(CALO)系統(tǒng), 旨在開發(fā)一個讓軍方簡化處理復(fù)雜事務(wù), 并具備認知能力, 能夠進行學(xué)習、 組織的數(shù)字助理。而后這一研發(fā)成果的民用版演化為蘋果手機上的Siri語音助理。虛擬個人助理用途極其廣泛, 包括目標查詢、 家電操控、 健康監(jiān)控、 虛擬教學(xué)等。

2.9 生物特征識別技術(shù)域
生物特征識別是指利用人體固有的指紋、 掌紋、 手形、 人臉、 虹膜、 聲紋、 DNA等生理特征或步態(tài)、 簽名等行為特征進行身份識別、 認證和鑒定的技術(shù)。識別過程涉及到圖像處理、 計算機視覺、 語音識別、 機器學(xué)習等多項技術(shù)。2013年, DARPA啟動了“主動認證”(AA)項目, 旨在融合使用生物特征識別技術(shù)來捕捉用戶認知軌跡, 開發(fā)新型身份驗證方法。目前生物特征識別作為重要的智能化身份認證技術(shù), 在金融、 公共安全、 教育、 交通等領(lǐng)域得到廣泛的應(yīng)用。

2.10 VR/AR/MR技術(shù)域
虛擬現(xiàn)實(VR)/增強現(xiàn)實(AR)/混合現(xiàn)實(MR)是以計算機仿真與圖形學(xué)為核心的新型視聽技術(shù), 為用戶生成在視覺、 聽覺、 觸感等方面與真實環(huán)境高度相似的數(shù)字化環(huán)境, 并支持用戶與數(shù)字化環(huán)境中的對象進行交互。具體來講, VR是將用戶置身于虛擬環(huán)境之中, VR=虛擬世界; AR是將動態(tài)的數(shù)字化信息加在用戶的視覺域之上, 強調(diào)讓虛擬技術(shù)服務(wù)于真實現(xiàn)實, AR=真實世界+數(shù)字化信息; MR是真實世界和虛擬世界的無縫融合, MR=VR+AR。按照不同處理階段, AR/VR/MR可分為獲取與建模技術(shù)、 分析與利用技術(shù)、 交換與分發(fā)技術(shù)、 展示與交互技術(shù)、 技術(shù)標準與評價體系等。DARPA自20世紀80年代起一直致力于研究SIMNET虛擬戰(zhàn)場系統(tǒng), 輔助軍兵種協(xié)同訓(xùn)練。目前AR/VR/MR技術(shù)在VR游戲、 VR教育、 AR購物、 AR醫(yī)療、 MR航空、 MR家居、 MR試裝、 全景視頻等領(lǐng)域的應(yīng)用越來越廣泛。

2.11 推理決策技術(shù)域
推理決策是指計算機程序模擬人類智能, 為達到一定目標, 按照某種策略從已有事實和知識推出結(jié)論、 做出決策并付諸實施的過程。推理決策技術(shù)包括確定性推理決策和不確定性推理決策, 前者包括圖搜索、 盲目搜索、 啟發(fā)式搜索、 消解原理、 規(guī)則演繹系統(tǒng)、 產(chǎn)生式系統(tǒng)等技術(shù); 后者包括不完備、 不精確知識的推理, 模糊知識的推理, 非單調(diào)性推理等。人工智能系統(tǒng)的智能水平主要體現(xiàn)在求解不確定性問題的能力上。2019年, DARPA啟動了“以知識為導(dǎo)向的人工智能推理模式”(KAIROS)項目, 旨在建立復(fù)雜現(xiàn)實事件的圖譜結(jié)構(gòu)和知識庫, 構(gòu)建能夠?qū)κ录M行分析和預(yù)測的人工智能模式識別能力。推理決策的用途十分廣泛, 最常見的是用在工業(yè)、 教育等行業(yè)的各類輔助決策支持系統(tǒng)。

2.12 可解釋AI技術(shù)域
可解釋人工智能(XAI)是人工智能領(lǐng)域的一個新興分支[23], 研究如何通過動態(tài)生成的圖表或文本來描述和理解AI技術(shù)做出決策的路徑, 解釋AI決策背后的邏輯。在軍事、 金融等高監(jiān)管、 高風險、 高價值的行業(yè)中, 信任計算機的決策而不理解為什么這樣做, 就可能面臨著極大的風險。傳統(tǒng)的人工智能/機器學(xué)習算法在輸入數(shù)據(jù)和輸出答案之間存在著不可觀察的黑盒空間, 因此, 對XAI的研究也應(yīng)運而生。2017年, DARPA啟動了“可解釋人工智能”項目, 旨在產(chǎn)生更多可解釋的模型, 同時保持高水平的預(yù)測準確性, 使用戶能夠理解、 信任并有效管理新一代人工智能伙伴。XAI將建立起信任的橋梁, 使人類能夠適應(yīng)并習慣與智能機器一起工作。雖然XAI目前面臨著巨大的挑戰(zhàn), 但未來的應(yīng)用前景十分可觀。

2.13 自主無人系統(tǒng)技術(shù)域
自主無人系統(tǒng)是指可應(yīng)對非程序化或非預(yù)設(shè)態(tài)勢, 具有一定自我管理和自我引導(dǎo)能力而不需要人工干預(yù)的系統(tǒng)。按照自主程度不同, 可將自主無人系統(tǒng)分為5類: 零自主性級別、 簡單輔助級別、 態(tài)勢感知級別、 管理控制級別和全自主級別。利用人工智能的各種技術(shù), 如圖像識別、 人機交互、 智能決策、 推理和學(xué)習, 是實現(xiàn)和提高系統(tǒng)自主性和智能性的最有效方法。近年來, DARPA先后啟動了“快速輕量自主”(FLA)、 “拒止環(huán)境下協(xié)同作戰(zhàn)”(CODE)、 “自主無人作戰(zhàn)飛機”(Skyborg)等項目, 推進無人系統(tǒng)自主能力發(fā)展。當前, 自主無人系統(tǒng)面臨諸多挑戰(zhàn), 比如情景理解能力、 學(xué)習能力等, 但隨著研究的深入, 未來自主無人系統(tǒng)將有廣泛的應(yīng)用, 包括無人車、 無人機、 服務(wù)機器人、 無人艦艇和無人車間等。

2.14 智能機器人技術(shù)域
智能機器人是指能夠理解和使用人類語言, 具有感知、 處理、 決策、 執(zhí)行等模塊, 能夠自動完成各項擬人任務(wù), 總結(jié)經(jīng)驗和自主學(xué)習的智能人形機器。智能機器人具備自主性、 適應(yīng)性和交互性等特點, 相關(guān)研究技術(shù)包括多傳感器信息融合技術(shù)、 導(dǎo)航與定位技術(shù)、 路徑規(guī)劃技術(shù)、 機器人視覺技術(shù)、 智能控制技術(shù)和人機接口技術(shù)等。近幾十年, DARPA先后啟動了“戰(zhàn)術(shù)機動機器人”(TMR)、 “機動自主機器人軟件”(MARS)、 “分布式機器人軟件”(SDR)、 “自主機器人操縱”(ARM)等項目, 布局機器人相關(guān)技術(shù)研究。智能機器人在不同領(lǐng)域有著廣泛的應(yīng)用, 工業(yè)上有弧焊機器人、 人機協(xié)作機器人等, 服務(wù)行業(yè)有消防救援機器人、 手術(shù)機器人等, 同時, 智能機器人也在深海探測、 作戰(zhàn)偵察、 搜集情報、 搶險救災(zāi)等工作中發(fā)揮重要作用。

2.15 群體智能技術(shù)域
群體智能是指通過模擬自然界生物群體行為來實現(xiàn)人工智能的一類技術(shù)[24], 強調(diào)算法中個體行為的簡單性、 群體的多樣性和全局性, 以及優(yōu)異個體帶來的進化性, 并且有不斷修正和進化的策略。群體智能算法有很多, 包括蟻群算法、 粒子群優(yōu)化算法、 魚群算法、 蛙跳算法、 菌群算法、 人工蜂群算法、 花朵授粉算法、 螢火蟲算法、 布谷鳥算法、 蝙蝠算法、 狼群算法、 煙花算法、 合同網(wǎng)協(xié)議算法、 人群模擬算法等。群體智能技術(shù)具有以下特點: 分布式控制、 可擴展性好、 簡單實現(xiàn)性、 群體自組織性、 抗干擾性強等。2015年, DARPA啟動“進攻性蜂群戰(zhàn)術(shù)”(OFFSET)項目, 旨在推進蜂群自主性、 人與蜂群編隊、 蜂群感知、 蜂群網(wǎng)絡(luò)、 蜂群后勤等5項蜂群使能技術(shù)的發(fā)展。群體智能技術(shù)在社會各領(lǐng)域有著極其廣泛的應(yīng)用: 蟻群算法已廣泛應(yīng)用于電力系統(tǒng)、 車輛、 店鋪、 人員等資源調(diào)度和分配中; 粒子群優(yōu)化算法廣泛應(yīng)用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練、 模糊系統(tǒng)控制等應(yīng)用領(lǐng)域; 基于群體智能的人群模擬技術(shù)被廣泛應(yīng)用于電影特效中等。

2.16 類腦智能技術(shù)域
類腦智能是受人類大腦神經(jīng)運行機制和認知行為機制啟發(fā), 以計算建模為手段, 利用神經(jīng)形態(tài)計算來模擬大腦處理信息過程, 通過軟硬件協(xié)同實現(xiàn)的機器智能技術(shù)。構(gòu)建大腦模型, 發(fā)展類腦計算機芯片, 是推動人工智能技術(shù)發(fā)展的重要途徑。先進國家積極布局類腦智能研發(fā), DARPA先后啟動了“大腦定量模型”(QMoB)、 “大腦數(shù)學(xué)系統(tǒng)”(MoB)、 “神經(jīng)形態(tài)自適應(yīng)可塑可擴展電子系統(tǒng)”(SyNAPSE)、 “神經(jīng)功能、 活動、 結(jié)構(gòu)與技術(shù)”(Neuro-FAST)等項目, 研究大腦如何存儲和調(diào)用信息, 研制新一代類腦計算機芯片。目前, 由于大腦機理認知尚不清楚, 以及現(xiàn)有計算架構(gòu)和能力的制約, 類腦智能技術(shù)還主要處于實驗室研究階段。

2.17 人機混合智能技術(shù)域
人機混合智能以人類智慧和機器智能深度協(xié)作與融合為目標, 通過相互連接通道, 建立兼具人類的感知、 記憶、 推理、 學(xué)習等能力和機器智能體的信息整合、 搜索、 計算等能力的新型智能系統(tǒng)。人機混合智能包括兩種: 一是人在回路的混合增強智能, 將人的作用引入到智能系統(tǒng)中, 使人的感知、 認知能力和機器運算、 存儲能力相結(jié)合, 構(gòu)成“1+1>2”的增強智能形態(tài); 二是基于認知計算的混合增強智能, 在人工智能系統(tǒng)中引入受生物啟發(fā)的智能計算模型, 構(gòu)建基于認知計算的混合增強智能。DARPA先后啟動了“人機通信”(CWC)、 “神經(jīng)工程系統(tǒng)設(shè)計”(NESD)、 “解碼神經(jīng)活動”(DeNA)、 “下一代非手術(shù)神經(jīng)技術(shù)”(N3)等項目, 尋求戰(zhàn)場士兵的超級認知、 快速決策和腦控人機編隊等超腦和腦控能力。人機混合智能具有非常廣闊的應(yīng)用前景, 可廣泛應(yīng)用于工業(yè)、 服務(wù)業(yè)、 軍事等領(lǐng)域, 具體產(chǎn)品包括融入混合智能的神經(jīng)智能假肢、 腦機一體化的外骨骼系統(tǒng)、 人機融合操控的無人系統(tǒng)等。

2.18 智能化建模仿真技術(shù)域
智能化建模仿真是指建模仿真技術(shù)與智能技術(shù)、 信息通信技術(shù)及各應(yīng)用領(lǐng)域?qū)I(yè)技術(shù)進行深度融合, 以大數(shù)據(jù)資源、 高性能算力、 智能模型/算法為基礎(chǔ), 以提升系統(tǒng)建模、 優(yōu)化運行及結(jié)果分析處理等整體智能化水平為目標的技術(shù)。主要分為兩類: 一是智能地仿真, 即將智能作為仿真的方式; 二是智能的仿真, 即將智能作為仿真的對象。美國國防部自主性利益共同體于2019年開始創(chuàng)建通用型模擬、 評估、 分析和測試仿真環(huán)境, 旨在通過持續(xù)部署集成各類仿真技術(shù), 實現(xiàn)基于軟件云的AI算法即插即用即評估功能。美國陸軍研究實驗室專門開發(fā)連續(xù)自主性仿真試驗環(huán)境構(gòu)設(shè)技術(shù), 實現(xiàn)大樣本并行仿真多種想定場景和測試陸戰(zhàn)自主系統(tǒng)性能邊界。目前, 智能化建模仿真技術(shù)已廣泛應(yīng)用于航空航天、 教育醫(yī)療、 交通物流等社會各領(lǐng)域中。在航空領(lǐng)域已應(yīng)用到了飛機設(shè)計、 制造、 使用和維護的全生命周期中; 在交通領(lǐng)域, 通過對城市綠波帶交通控制進行智能化仿真, 有效提高了交通通行率; 在國防軍工領(lǐng)域中, 實況仿真常用于實兵實裝演練中, 虛擬仿真常用于兵棋推演中, 構(gòu)造仿真常用于計算機生成兵力、 分析模型中, 自主仿真常用于無人自主系統(tǒng)試驗鑒定中[25]。

2.19 體系集成技術(shù)域
體系集成是指通過先進通信網(wǎng)絡(luò)和智能算法將各個分系統(tǒng)、 各類硬件和軟件等要素集成為能夠滿足用戶特定需求的復(fù)雜信息系統(tǒng), 集成后的各部分之間能夠智能、 快速、 高效地協(xié)同工作, 達到整體優(yōu)化的目的。體系集成的本質(zhì)就是用智能技術(shù)實現(xiàn)最優(yōu)化的綜合統(tǒng)籌設(shè)計。2014年, DARPA啟動了“體系綜合技術(shù)和試驗”(SoSITE)項目, 聚焦于發(fā)展分布式空戰(zhàn)概念、 架構(gòu)和技術(shù)集成工具, 將有人機作戰(zhàn)能力分散到大量具備某一個或某些功能的各類小型平臺上, 實現(xiàn)平臺間數(shù)據(jù)共享、 多機組網(wǎng)、 協(xié)同配合等, 進而形成分布式空中作戰(zhàn)體系。2015年啟動的復(fù)雜適應(yīng)性系統(tǒng)和設(shè)計環(huán)境(CASCADE)項目, 探索和創(chuàng)新可以深入理解系統(tǒng)組件交互行為的數(shù)學(xué)方法, 使得可使用任意系統(tǒng)組件適應(yīng)動態(tài)環(huán)境, 解決現(xiàn)有及新系統(tǒng)的集成問題。

2.20 信息安全技術(shù)域
人工智能時代的信息安全是指在安全威脅日趨自動化、 智能化的情況下, 利用智能技術(shù)檢測和防范新興復(fù)雜威脅, 確保信息系統(tǒng)的設(shè)備安全、 數(shù)據(jù)安全、 內(nèi)容安全和行為安全。相關(guān)技術(shù)包括通信網(wǎng)絡(luò)安全技術(shù)、 多手段身份認證技術(shù)、 多層級主機加固技術(shù)、 智能防火墻技術(shù)、 主動檢測監(jiān)控技術(shù)、 新一代加密解密技術(shù)、 安全審計技術(shù)等。2017年, DARPA啟動“可靠自主性”(AA)項目, 旨在開發(fā)用于建模、 系統(tǒng)設(shè)計、 形式驗證、 基于模擬的測試、 機器學(xué)習和安全保證學(xué)習的新技術(shù), 確保“學(xué)習使能的自主信息物理系統(tǒng)”(LAS)在全壽命周期各階段的安全性。目前, 信息安全已經(jīng)成為關(guān)系到國家各行各業(yè)安全與社會穩(wěn)定的重要領(lǐng)域[26]。

3 人工智能支撐馬賽克戰(zhàn)研究
3.1 人工智能和馬賽克戰(zhàn)的關(guān)系
3.1.1 人工智能技術(shù)的驅(qū)動

馬賽克作戰(zhàn)概念的產(chǎn)生離不開人工智能領(lǐng)域的技術(shù)驅(qū)動。近年來, 隨著深度學(xué)習、 大數(shù)據(jù)、 云計算、 物聯(lián)網(wǎng)等智能技術(shù)的發(fā)展, “算力+算法+數(shù)據(jù)+場景”的疊加有效促進了通用人工智能技術(shù)的進步, 也大幅跨越了科學(xué)與應(yīng)用之間的“技術(shù)鴻溝”。諸如圖像識別、 自然語言處理、 推薦引擎、 虛擬個人助理、 無人系統(tǒng)等人工智能技術(shù), 實現(xiàn)了從“不能用、 不好用”到“可以用、 很好用”的技術(shù)突破, 也同步向軍事作戰(zhàn)領(lǐng)域滲透。卡內(nèi)基梅隆大學(xué)、 麻省理工學(xué)院等知名高校, 微軟、 谷歌等商業(yè)公司以及洛克希德·馬丁、 波音、 諾思羅普·格魯門等軍工企業(yè), 為美軍裝備技術(shù)的智能化提供了強勁動力。DARPA、 美軍各軍種實驗室等單位相繼啟動的終生學(xué)習機(L2M)、 可解釋人工智能(XAI)、 體系集成技術(shù)與試驗(SoSITE)、 分布式作戰(zhàn)管理(DBM)、 指南針(COMPASS)、 拒止環(huán)境協(xié)同作戰(zhàn)(CODE)、 人機溝通(CWC)、 空戰(zhàn)演進(ACE)、 最優(yōu)化動態(tài)適應(yīng)網(wǎng)絡(luò)(DyNAMO)、 戰(zhàn)場物聯(lián)網(wǎng)(IoBT)、 可視化情報系統(tǒng)(VIS)、 忠誠僚機(LW)、 自主無人作戰(zhàn)飛機(Skyborg)等項目取得了豐碩成果, 為馬賽克戰(zhàn)的提出奠定了技術(shù)基礎(chǔ)。

3.1.2 人工智能技術(shù)的支撐

將馬賽克戰(zhàn)/決策中心戰(zhàn)的實現(xiàn)基礎(chǔ)歸納為兩點: 基于自主系統(tǒng)的分布式作戰(zhàn)和任務(wù)指揮、 基于人工智能的快速決策支持。這里對這一觀點進行補充, 自主系統(tǒng)的內(nèi)涵是指可應(yīng)對非程序化或非預(yù)設(shè)態(tài)勢, 具有一定自我管理和自我引導(dǎo)能力的系統(tǒng)。自主化可以被看作是自動化的外延, 是智能化和更高能力的自動化。自主系統(tǒng)的實現(xiàn)離不開人工智能技術(shù)的支撐。因此, 不論是基于自主系統(tǒng)的作戰(zhàn)指揮, 還是基于人工智能的決策支持, 都離不開人工智能技術(shù)的支撐。馬賽克戰(zhàn)/決策中心戰(zhàn)的實現(xiàn), 歸根結(jié)底在于充分發(fā)掘和利用成熟的人工智能技術(shù)。人工智能對美軍電子信息領(lǐng)域的影響框架如圖2所示。

圖片

圖2 ? 人工智能對美軍電子信息領(lǐng)域的影響框架

Fig.2 ? The influence framework of AI on U.S. military electronic information field

3.2 人工智能技術(shù)域?qū)︸R賽克戰(zhàn)關(guān)鍵作戰(zhàn)應(yīng)用技術(shù)的支撐
3.2.1 動態(tài)通信組網(wǎng)方面

通信組網(wǎng)是大規(guī)?？罩凶鲬?zhàn)行動的基礎(chǔ)。在馬賽克戰(zhàn)中, 具體的應(yīng)用方案是: 在作戰(zhàn)行動實施階段, 快速連接傳感器、 武器平臺、 兵力編隊等各類作戰(zhàn)要素, 利用數(shù)據(jù)分析和推理決策技術(shù)智能識別每一要素所屬作戰(zhàn)群, 進而建立起分布式網(wǎng)絡(luò)拓撲結(jié)構(gòu), 構(gòu)建整個通信網(wǎng)絡(luò)圖譜結(jié)構(gòu), 利用網(wǎng)絡(luò)安全技術(shù)防范敵方的網(wǎng)電攻擊。當我方作戰(zhàn)要素被干擾或被擊潰時, 利用群體智能技術(shù)、 引擎推薦技術(shù)等快速生成新的網(wǎng)絡(luò)互聯(lián)方案。動態(tài)通信組網(wǎng)的關(guān)鍵技術(shù)包括網(wǎng)絡(luò)態(tài)勢感知、 異構(gòu)網(wǎng)絡(luò)組網(wǎng)、 通信網(wǎng)絡(luò)智能規(guī)劃與動態(tài)演進、 強對抗環(huán)境下的網(wǎng)絡(luò)行為控制與資源調(diào)度、 網(wǎng)絡(luò)自重構(gòu)、 智能流量管理等技術(shù), 涉及知識圖譜、 大數(shù)據(jù)分析、 引擎推薦、 推理決策、 群體智能、 信息安全等6個技術(shù)域。

3.2.2 彈性信息共享方面

信息資源是各個作戰(zhàn)單元的基礎(chǔ)依托。馬賽克作戰(zhàn)體系中數(shù)據(jù)來源廣、 種類多。在馬賽克戰(zhàn)中, 具體的應(yīng)用方案是: 對圖像、 語音等大規(guī)模異構(gòu)數(shù)據(jù)進行匯聚、 處理、 融合和智能分發(fā), 將數(shù)據(jù)快速、 準確地傳送給每一個作戰(zhàn)單元。彈性信息共享關(guān)鍵技術(shù)包括分布式傳感器網(wǎng)絡(luò)管理、 多源異構(gòu)信息融合、 信息智能轉(zhuǎn)發(fā)與服務(wù)、 信息安全管理等技術(shù), 涉及計算機視覺、 語音識別、 自然語言處理、 大數(shù)據(jù)分析、 引擎推薦、 推理決策等技術(shù)域。

3.2.3 空域動態(tài)管理方面

空域動態(tài)管理為每一個馬賽克作戰(zhàn)單元智能調(diào)配了四維作戰(zhàn)區(qū)域(時間和空間)。在馬賽克戰(zhàn)中, 具體的應(yīng)用方案是: 在作戰(zhàn)行動籌劃階段, 自動規(guī)劃每一個作戰(zhàn)單元的活動空域, 并協(xié)調(diào)彼此之間可能出現(xiàn)的活動沖突; 在作戰(zhàn)行動中, 當出現(xiàn)突發(fā)事件后, 對作戰(zhàn)空域進行臨機調(diào)整, 提高了馬賽克作戰(zhàn)體系的作戰(zhàn)協(xié)同性?？沼騽討B(tài)管理關(guān)鍵技術(shù)包括空域態(tài)勢理解、 空域規(guī)劃評估、 空域結(jié)構(gòu)沖突檢測、 空域活動沖突檢測、 融合時間與空間的四維空域顯示等技術(shù), 涉及到計算機視覺、 專家系統(tǒng)、 大數(shù)據(jù)分析、 引擎推薦、 推理決策、 智能化建模仿真等技術(shù)域。

3.2.4 自適應(yīng)作戰(zhàn)管理規(guī)劃方面

自適應(yīng)作戰(zhàn)管理規(guī)劃協(xié)助指揮員擬制和指派作戰(zhàn)任務(wù)。在馬賽克戰(zhàn)中, 具體的應(yīng)用方案是: 優(yōu)化作戰(zhàn)管理規(guī)劃系統(tǒng), 協(xié)助指揮員分解作戰(zhàn)任務(wù)、 生成行動序列、 調(diào)配作戰(zhàn)資源等。其關(guān)鍵技術(shù)包括作戰(zhàn)任務(wù)自適應(yīng)分解、 作戰(zhàn)行動序列自動生成與指派、 作戰(zhàn)資源動態(tài)調(diào)配、 指揮控制/引導(dǎo)指令自動生成、 任務(wù)沖突檢測與消解等技術(shù), 涉及自然語言處理、 專家系統(tǒng)、 知識圖譜、 大數(shù)據(jù)分析、 引擎推薦、 推理決策等技術(shù)域。

3.2.5 智能無人作戰(zhàn)平臺方面

智能無人作戰(zhàn)平臺是馬賽克作戰(zhàn)體系中的關(guān)鍵支撐節(jié)點。在馬賽克戰(zhàn)中, 應(yīng)用方案是: 研制自主化和智能化的無人作戰(zhàn)單元, 使其具備一定的自主作戰(zhàn)能力, 并能夠彼此協(xié)同形成大規(guī)模作戰(zhàn)群。其關(guān)鍵技術(shù)包括: 人機交互、 人機協(xié)同、 拒止環(huán)境下自主協(xié)同、 無人平臺運載、 發(fā)射與回收等技術(shù), 涉及到推理決策、 可解釋AI、 自主無人系統(tǒng)、 智能機器人、 群體智能、 人機混合智能等技術(shù)域。

3.2.6 自主作戰(zhàn)決策方面

自主作戰(zhàn)決策提高了指揮員與智能系統(tǒng)之間的協(xié)同能力。在馬賽克戰(zhàn)中, 應(yīng)用方案是: 提升作戰(zhàn)決策支持系統(tǒng)的智能化水平, 推演和預(yù)測戰(zhàn)場局勢, 使指揮官能夠管理快速和復(fù)雜的行動。自主作戰(zhàn)決策關(guān)鍵技術(shù)包括戰(zhàn)場局勢智能推演、 作戰(zhàn)方案自動生成、 啟發(fā)式推理決策、 規(guī)則演繹式推理決策等技術(shù), 涉及推理決策、 可解釋AI、 群體智能、 類腦智能、 人機混合智能等技術(shù)域。

3.2.7 馬賽克戰(zhàn)實驗推演評估方面

當前, 馬賽克戰(zhàn)還處于理論研究階段, 后續(xù)的發(fā)展離不開實驗室環(huán)境下的推演評估。具體的應(yīng)用方案是構(gòu)建馬賽克推演評估實驗室, 對敵我雙方兵力實體進行建模仿真, 對作戰(zhàn)方案進行智能推演, 對行動過程進行智能分析等。相關(guān)技術(shù)包括多級多類作戰(zhàn)實體智能模型構(gòu)建技術(shù)、 基于機器學(xué)習的作戰(zhàn)方案智能推演引擎技術(shù)、 作戰(zhàn)方案的智能化評估技術(shù)、 智能化實驗分析技術(shù)、 實時動態(tài)博弈分析技術(shù)、 高性能建模仿真技術(shù)等, 涉及虛擬個人助理、 VR/AR/MR、 推理決策、 智能化建模仿真、 體系集成、 信息安全等技術(shù)域。

圖3顯示了各人工智能技術(shù)域與馬賽克戰(zhàn)應(yīng)用技術(shù)之間的關(guān)系, 人工智能技術(shù)的發(fā)展和進步推動著馬賽克戰(zhàn)作戰(zhàn)應(yīng)用技術(shù)走向成熟。從圖中也可以看出, 大數(shù)據(jù)分析、 引擎推薦、 推理決策這3個技術(shù)域所支撐的關(guān)鍵作戰(zhàn)技術(shù)最多, 是未來需要重點關(guān)注的技術(shù)。

圖片

圖3 ? 人工智能技術(shù)域與馬賽克戰(zhàn)應(yīng)用技術(shù)的關(guān)系

Fig.3 ? The relationship between AI technology domains and mosaic warfare application technologies

3.3 人工智能支撐馬賽克戰(zhàn)體系架構(gòu)
對人工智能支撐馬賽克作戰(zhàn)概念的整體架構(gòu)進行了梳理, 如圖4所示。從底層算力算法基礎(chǔ)層出發(fā), 利用強大算力、 高效架構(gòu)平臺及深度學(xué)習算法支撐通用AI技術(shù)層。通過對AI技術(shù)域進行組合, 支撐馬賽克戰(zhàn)概念的關(guān)鍵作戰(zhàn)應(yīng)用層。通過對各種作戰(zhàn)應(yīng)用技術(shù)進行組合, 形成分布式作戰(zhàn)指揮能力及快速決策支持能力, 支撐起整個馬賽克作戰(zhàn)體系。

圖片

圖4 ? 人工智能支撐馬賽克戰(zhàn)架構(gòu)圖

Fig.4 ? The architecture diagram of mosaic warfare supported by AI

4 結(jié)論
隨著馬賽克戰(zhàn)研究的不斷深入, 將牽引各項人工智能技術(shù)和作戰(zhàn)應(yīng)用技術(shù)走向成熟, 并將逐步變革和顛覆現(xiàn)有的裝備體系及作戰(zhàn)模式。馬賽克作戰(zhàn)概念的核心, 在于深度發(fā)掘和充分利用人工智能技術(shù)。在這個理念的指導(dǎo)下, 本文進行了以下創(chuàng)新性工作: 一是在分析馬賽克戰(zhàn)概念內(nèi)涵的基礎(chǔ)上, 指明了7項馬賽克戰(zhàn)關(guān)鍵作戰(zhàn)應(yīng)用技術(shù); 二是針對當前學(xué)術(shù)界對“人工智能”術(shù)語和人工智能技術(shù)的使用較為混亂的現(xiàn)狀, 歸納總結(jié)了20個通用的人工智能技術(shù)域; 三是分析了馬賽克戰(zhàn)與人工智能之間的關(guān)系, 給出了人工智能支撐馬賽克作戰(zhàn)概念的體系架構(gòu)。

未來可以在本文研究的基礎(chǔ)上, 進一步細化每一個人工智能技術(shù)域, 形成更詳細的技術(shù)群和技術(shù)發(fā)展路線圖, 促進人工智能技術(shù)向軍事領(lǐng)域的應(yīng)用和轉(zhuǎn)化。

審核編輯：符乾江