江南机电设计研究所,贵州贵阳 550009
摘要:随着人工智能技术飞速发展,指控系统智能化水平将成为未来战场决定性因素。本文从人工智能技术在军事指控领域的发展历史入手,分析人工智能在战场态势认知精准构建、指挥决策等方面的应用,提出了人工智能能帮助未来战场高效指挥、精准打击能力的结论。
关键字:人工智能军事指控
1.引言
当前,随着分布式作战、多域战、马赛克战等作战概念的提出,战场信息化程度不断提高,呈现高对抗、高智能、高自动化等特征,战场数据爆炸式增长,未来战争中,谁能快速处理战场信息、态势处理、迅速做出决策并执行,成为战场中制胜关键要素。
为此,本文将深入探讨人工智能在军事指控领域的应用,分析当前国内外人工智能在军事领域中的应用,结合人工智能的发展,提出需要突破的关键技术。
2.人工智能技术在军事指控领域的发展
近年来,云计算、大数据、深度学习等技术的成熟催化了人工智能的进步,使得复杂任务分类准确率大幅提升,从而推动了机器学习、自然语言处理等技术的快速发展,各国也开始将人工智能应用逐步向军事领域应用发展。
a)美国
美国国防部高级研究计划局(DARPA) 于2007年提出的“深绿”计划[1],其核心采用的是仿真技术,基于实时战场态势数据,通过计算机多次模拟仿真,推演作战方案的结果,预测敌方的行动和未来战场走势,引导指挥官做出正确的决策,缩短制定和调整作战计划的时间。2015年,DARPA的“大机理”项目,美军将大数据挖掘技术引入作战指挥决策支持系统,开发基于大数据的智能自动化计算技术,包括信息提取和规范、智能推理引擎、知识综合运用等技术,利用基于知识发现的专家系统,实现根据任务自动制定作战方案,在任务层面快速、独立完成作战决策,使得指挥官能够以最快的方式向作战单元甚至是单兵发出指令,从而实现“任务式指挥”的目标。2016年,美国陆军启动了“指挥官虚拟参谋”项目,该项目将通过综合应用认知计算、人工智能和计算机自动化等智能化技术,来应对海量数据及复杂的战场态势,提供主动建议、高级分析及针对个人需求和偏好量身剪裁的自然人机交互。
b)俄罗斯
俄罗斯已将人工智能武器技术视为未来战争的重要组成部分,尤其是在智能 无人机技术方面。2018年,俄军首次使用具有人工智能要素的防控自动化指挥系统,自动分析空中态势并给出武器使用建议,大幅提升俄军的快速反应能力。
c)中国
上世纪八十年代,国内开始将运筹学和贝叶斯估计等传统人工智能方法应用到军事研究上,建立了一系列辅助军事指挥决策模型。比较典型的案例有“传感器优化布设和数据融合系统”、“敌情分析判断专家系统”、“侦察计划辅助拟制系统”和“战役机动智能化辅助决策系统”。近年来,开始将模糊神经网络应用于系统自动战术决策研究,并利用模糊量化专家知识,具有快速并行处理能力和自学能力。同时,一些军事模型慢慢开始加入智能化元素,辅助决策系统威胁排序和更好的人机交互,为指挥员进行作战指挥提供更有效的决策工具。
3 人工智能在军事指控领域的应用
3.1人工智能算法在战场态势认知精准构建方面的应用
信息时代的战争, 交战双方的核心竞争发生在认知领域, 谁能够更快地处理信息、理解行动环境、实施决策并执行打击, 谁就能赢得主动。在实际战场上,利用雷达探测、声波探测、光电探测以及复合探测手段对目标进行探测,得到陆、海、空、天广域战场态势信息,随着高科技武器的广泛应用和新的作战样式不断出现,使得现代战场错综复杂,瞬息万变,作战目标随着时间推进不断变化,作战指挥人员所关心的战场态势亦不相同,并且战场态势的诸构成要素及其相互关系随作战进程而变化,拥有及时、准确地估计出未来态势的能力,对作战指挥人员把握战场态势,科学地进行军事决策起着相当重要的作用。
人工智能中知识图谱算法,可以通过构建包含探测设备、目标运动特性、目标空域特性、目标携带的干扰装备等要素本体及其相互关系,形成构建节点关系图谱,并在已有节点关系基础上,基于智能化抽取对目标知识图谱进行补充与丰富,支撑指挥员快速查询战场目标精准信息[2],支撑对目标溯源关联融合、复杂战场环境的认知和决策支持。
针对一些伪装诱导能力强的目标,为辅助指挥员对战场态势的准确理解,做出高效作战决策,需对空袭目标战术意图进行准确判别。在对敌方情报掌握不完整的情况下仅能通过获取到的目标航迹信息,利用传统行为预测分析方法仅获取作战机的战术动作,尚未达到对其代表的意图进行正确理解的目的,需引入人工智能等技术,采用机器学习等方法,挖掘目标隐藏的战术意图,支撑战场快速决策。
3.2人工智能算法在指挥决策方面的应用
针对一般目标机动能力不强、我方火力充足、拦截时间充裕的作战过程,使用固定规则拦截决策算法能够得到较好结果,可以基于水平直飞目标轨迹进行预测。但当面对高烈度、强对抗进攻态势,例如,隐身有人机/无人机、巡航导弹为代表的典型空袭目标,且空袭目标具备较强的突防能力,那么传统基于规则的指挥决策系统,面对这种具有敌我博弈的作战过程,往往会由于决策简单、缺乏决策博弈能力,可能表现为发射时机过早等情况。因而,在面对这一类目标时, 提高我方拦截博弈决策能力十分重要,人工智能算法在这一方面发挥了重要作
用。
在智能意图识别[3]方面。针对高烈度、强对抗攻防作战场景,真实战场硬件计算能力有限、缺乏真实数据训练等因素下,传统基于规则的指挥决策无法适应于高强度对抗下战术意图快速识别,利用机器学习算法,例如神经网络、决策树等分类算法,根据战场实时数据,开展目标行为意图辨识算法研究,提升空天防御广域战场多维度意图认知能力,支撑我方射击决心和拦截能力。
在智能拦截决策与博弈方面。在行动前,指挥员也会对战中可能遇到的情况预先估计,提前制定应对策略。我们传统基于固定模型或专家经验的方法,难以满足高动态、大不确定态势下的高效、精准决策。利用机器学习方法从历史数据中挖掘潜在规律,并结合专家经验,自动匹配推演最合适当前情况的预案,同时应用知识推理和搜索求解等方法,按照策略自动推理搜索处置方案、计算生成行动指令,从而提高指挥员快速处理能力。
4 人工智能军事应用发展的瓶颈
人工智能在军事领域应用前景十分广阔,但是目前实际应用还是比较少。一方面是由于样本数据的缺乏。当前和平年代,真实博弈对抗规模和逼真程度比较低,难以产生大量数据满足机器学习中的数据训练。另一方面,缺少对军事人工智能算法的脸证手段。个算法的好坏往往除了利用训练数据的准确率来进行判断,还需要把算法放到实际对抗中去检验,反复迭代修改,提高算法的泛化能力和真实度,现实中往往由于成本过高无法实现。
5 结论
近年来,人工智能算法发展迅速,在图像识别、指挥控制领域中获得了应用,能帮助我们快速、准确掌握战场态势,提高数据处理速度和可靠性,能够帮助军队快速、准确行动,实现高效指挥、精准打击等能力。
参考文献
[1] 周云,黄教民,黄柯棣.深绿计划关键技术研究综述[J].系统仿真学报,2013,25(7):1633-1638.
[2] 王保魁,吴琳,胡晓峰,贺筱媛.基于知识图谱的联合作战态势知识表示方法[J].系统仿真学报,2019,31(11).
[3] 赵伟,叶军,王邠.基于人工智能的智能化指挥决策和控制[J].信息安全与通信保密,2022(2):2-8.