论文部分内容阅读
摘 要：随着以智能科技为代表的技术群体向军事领域渗透，以智能技术驱动防空反导能力跨越成为各国防御体系追寻的目标。为有效提升防空反导装备的智能化水平，通过分析人工智能（AI）技术可解决的问题领域，提出当前技术发展水平下防空作战领域的智能化应用场景和技术方向，并对现阶段促进防空装备“智能”能力提升的各个因素进行分析，最后，提出相应发展建议。
关键词：人工智能; 防空装备;认知决策
1 前言
1956年，计算机科学家John McCarthy在达特茅斯学院（Dartmouth College）召开的首届夏季研讨会上创立了“人工智能”的概念，会议将人工智能界定为“研究与设计智能体”，而且把智能体定义为“能够感知环境，并采取行动使成功机会最大化的系统”，即人工智能旨在研究和设计各种能够自主适应环境的机器[1]。
在当前阶段，为实现人工智能技术在军事领域的有效应用，达到人工智能和军事应用的完美融合，必须在符合技术发展规律、适应技术发展阶段的前提下开展论证研究工作。
2 应用场景分析
通过对近几年人工智能技术在工业、农业、城市建设等领域的应用进行汇总整理，不难看出，现阶段人工智能技术主要解决两大类问题：一类为认知类问题，如：人脸识别、计算机视觉、语音识别、趋势预测等;另一类为决策类问题，如：无人驾驶、交通管控、机器人行为控制等。这些问题也符合人工智能技术本身可解决的范畴。
目前，无论是AlphaGo还是星际争霸，抑或其他有显著人工智能成果的项目，都可以将其拆解为以上两类问题，比如围棋对弈中，“认清盘面”属于认知问题，“确定下一步如何走”属于决策问题，两类问题联系紧密不可分割。在AlphaGo中“价值网络”用于“认清盘面”，“策略网络”和“蒙特卡洛搜索树”用于“决策下一步如何走”，两者相互配合，共同完成对弈过程。
由此可见，一个大场景中可能包含多个子问题，但就目前技术应用现状来看，始终逃不开“认知”和“决策”两类问题。因此，可从以上两个方向寻求人工智能技术在以防空反导为代表的军事领域应用场景。在防空反导领域，可从作战体系中探测、指控、拦截三大要素中来寻求各自的应用方向。从作战三大要素来分析AI技术的系统级应用场景：
a）探测领域
根据应用对象工作体制和领域不同，AI技术可从红外、电磁、激光、可见光等不同探测系统的工作原理中寻找适合自己的应用场景，如单一探测平台的目标识别和干扰对抗，典型的应用项目为DARPA的“心眼”项目和“图像感知、解析、利用”项目开发的机器视觉系统，具有“动态信息感知能力”，对动态物体的解构，利用卷积神经网络图像识别技术，将图片中的信息转化成计算机的“知识”。在实际作战中，模式识别系统通过观察目标的视频动态信息，借助专门的神经网络机器视觉硬件，可在复杂的战场环境下，自动识别出潜在威胁，为目标打击提供参考信息。
自动目标识别（ATR）系统的探测装置主要为红外成像传感器、激光雷达、毫米波雷达和合成孔径雷达等。红外图像（ATR）系统已在武器装备中成功应用，激光雷达（ATR）技术也正在进入实用化。[2]
国内主要在巡航弹及末段反导作战中开展了基于深度学习的目标识别技术研究，用于进行打击目标确定、毁伤效果评估、以及真假弹头判定等场景。
b）指挥控制领域
从指挥控制系统的功能来看，AI技术在该领域的应用场景最为丰富，比如：在多维多域战场背景下的战场态势认知系统中，采用AI技术实现对大量多源情报信息的相关性分析、趋势预测，给出敌我双发争夺热点区域、敌方作战意图、体系作战重心等，辅助作战指挥人员实现对战场态势的深度认知;在多源异构资源管控系统中，采用AI技术实现对不同作战阶段下各资源的协同调配和综合控制运用，在有效发挥体系综合效能的同时降低作战成本。
AI技术在指挥控制领域的典型应用项目为美国辛辛那提大学开发的“Alpah AI”空战系统，其核心技术是遗传模糊逻辑。2016年6月，空战模拟器中100%击败了经验丰富的美国退役空军上校。据称，Alpha AI在空中格斗中快速协调战术计划比人类快了250倍。该系统未来可用于训练人类飞行员，甚至可在通信条件不佳情况下接管无人机的行动控制。
从上世纪八九十年代以来，国内开展了大量关于运筹学、专家系统和贝叶斯估计等传统人工智能方法的军事应用研究，建立了从武器平台性能到战术火力计算等一系列辅助决策模型，典型应用为基于专家系统的辅助决策系统。
c）拦截制导领域
AI技术在导弹设计上有广泛的应用领域。智能制导控制将颠覆传统制导律依赖模型的设计方法，避免由于模型不准确带来的控制系统鲁棒性和跟踪性能差，采用诸多典型控制过程的仿真数据作为训練样本，形成适应该类对象的通用智能控制算法;为实现对多种不同速度、不同防护、不同尺寸目标的高效毁伤，采用AI技术用于起爆控制、引信自主辨识等实现对弹道/起爆时机/作用方式/战斗部杀伤区域四因素自主协同的智能化毁伤控制。
美国AI3成功拦截火箭弹声称可拦截其他炮弹，说明美国已实现炸点自适应控制;美国“海尔法”第三代反坦克导弹，采用高灵敏度的传感器和先进探测技术，发射后不用管，它能独立自主地捕捉和识别目标，并能排除干扰，准确命中目标。[3]
3 影响当前阶段AI技术在防空反导领域应用发展的因素分析
从人工智能系统化、产品化的角度看，形成智能系统需要三个要素：算数、算法和算力。算数即用于智能算法训练的大量数据集，算法即让系统从数据中自动提取模式实现知识自主获取的数学模型，算力即执行机器学习算法需要的计算、传输和存储能力。在实际应用中，真正的智能系统是一个在时间维度上，通过产品、数据和算法的协同效应，不断迭代升级完备的过程。[4] 当前防空反导领域，影响装备智能化发展主要有三方面问题：一是缺乏足够有效的领域知识和样本数据;二是缺乏科学的验证技术手段;三是缺乏统一的评价标准和技术基准。
a）领域知识是指对学科领域知识的高度浓缩及结构化、系统化的抽象表达。针对防空反导，领域知识包括军事领域概念本体、武器装备性能参数、战场环境模型、战场实体模型、交战判决模型、业务处理规则、战法运用规则和装备使用规则等。和平时期难以采集到大量真实环境下的试验数据和作战数据，目前国内也尚无权威的基于领域知识模型的数据库，不能支撑智能算法训练需求。
b）传统的防空反导装备设计手段基于数字或半实物仿真数据，再通过飞行试验多次迭代校正数字模型。这种验证方法有很大的局限性，提高仿真数据的置信度代价太高，也无法得到各种战场环境下高置信度的数据。目前缺乏科学的验证技术手段，实现大数据量的高置信度训练样本。
c）统一的标准和技术基准对于引导和促进人工智能技术在军事领域的研发是必不可少的。目前国内没有制定标准，提供规范有效的测试方法和指标量化人工智能技术水平，为技术军事化应用可行性评估提供可靠依据。
4 发展建议
a）攻防双方科研院所共享成果，加强防空装备领域知识和样本数据库建设
防空作战需要关注进攻装备的发展，防空装备设计大量引入作战对象逼真的知识和数据，将有利于提升防空装备智能化水平。智能化技术在信息化作战交互中的应用基础主要包括领域知识和样本数据。利用当前攻防双方科研院所已提炼的防空反导领域知识，应用本体、规则、流程和框架等各种人工智能知识表示方法，分门别类地建立形式化表征，通过知识图谱建立起对知识的理解以及运用知识解决一部分实际问题的能力;同时，重视前端样本数据积累，对实际使用的武器系统中采集积累的数据，开展标注工作，围绕各种机器学习任务需求，为数据打上多样化标签，构建防空装备数据标签库。
b）以仿真推演/联合模拟训练为手段，加强智能防空反导装备验证评估技术研究
一是通过构建细粒度的体系攻防体系对抗仿真平台，建立智能蓝军模拟联合攻防，通过作战推演统计不同作战场景下多军种、多兵种、多装备联合作战时的战果及损耗，建立联合作战时的战术战法知识库。二是利用当前各军工单位或军事院校已有的半实物仿真环境/战勤操作环境，建立松耦合的分布式联合作战训练平台，通过大量模拟训练应用实现智能化方法验证和升级。
c）制定人工智能标准和建立测试平台，促进AI技术军事化应用
将人工智能技术应用于导弹武器系统的过程中，需要注重技术、装备、体系中标准的建立，特别是军民通用的人工智能技术相关标准，推进人工智能民转军与军转民的相互促进与协调发展。同时，应建立由测试和评估组成的人工智能技术基准，量化评价人工智能技术水平。军事领域拥有大量独有的任务敏感型数据，应当建立安全且精准的測试平台，为人工智能技术军事化应用提供安全的测试环境。
参考文献：
[1]邓志东.“弱人工智能+”时代来了[J].科技导报，2016，34（7）.
[2]姚保寅，李浩悦，张瑞萍.人工智能技术在武器装备中的应用研究[J].战术导弹技术，2017，（5）：46-51.
[3]汪仪林. 引信智能化发展构想[J]， 探测与控制学报，2018，40（3）.
[4]贾明权.人工智能在军事领域的应用思考[C].2018成都人工智能发展论坛.
关键词：人工智能; 防空装备;认知决策
1 前言
1956年，计算机科学家John McCarthy在达特茅斯学院（Dartmouth College）召开的首届夏季研讨会上创立了“人工智能”的概念，会议将人工智能界定为“研究与设计智能体”，而且把智能体定义为“能够感知环境，并采取行动使成功机会最大化的系统”，即人工智能旨在研究和设计各种能够自主适应环境的机器[1]。
在当前阶段，为实现人工智能技术在军事领域的有效应用，达到人工智能和军事应用的完美融合，必须在符合技术发展规律、适应技术发展阶段的前提下开展论证研究工作。
2 应用场景分析
通过对近几年人工智能技术在工业、农业、城市建设等领域的应用进行汇总整理，不难看出，现阶段人工智能技术主要解决两大类问题：一类为认知类问题，如：人脸识别、计算机视觉、语音识别、趋势预测等;另一类为决策类问题，如：无人驾驶、交通管控、机器人行为控制等。这些问题也符合人工智能技术本身可解决的范畴。
目前，无论是AlphaGo还是星际争霸，抑或其他有显著人工智能成果的项目，都可以将其拆解为以上两类问题，比如围棋对弈中，“认清盘面”属于认知问题，“确定下一步如何走”属于决策问题，两类问题联系紧密不可分割。在AlphaGo中“价值网络”用于“认清盘面”，“策略网络”和“蒙特卡洛搜索树”用于“决策下一步如何走”，两者相互配合，共同完成对弈过程。
由此可见，一个大场景中可能包含多个子问题，但就目前技术应用现状来看，始终逃不开“认知”和“决策”两类问题。因此，可从以上两个方向寻求人工智能技术在以防空反导为代表的军事领域应用场景。在防空反导领域，可从作战体系中探测、指控、拦截三大要素中来寻求各自的应用方向。从作战三大要素来分析AI技术的系统级应用场景：
a）探测领域
根据应用对象工作体制和领域不同，AI技术可从红外、电磁、激光、可见光等不同探测系统的工作原理中寻找适合自己的应用场景，如单一探测平台的目标识别和干扰对抗，典型的应用项目为DARPA的“心眼”项目和“图像感知、解析、利用”项目开发的机器视觉系统，具有“动态信息感知能力”，对动态物体的解构，利用卷积神经网络图像识别技术，将图片中的信息转化成计算机的“知识”。在实际作战中，模式识别系统通过观察目标的视频动态信息，借助专门的神经网络机器视觉硬件，可在复杂的战场环境下，自动识别出潜在威胁，为目标打击提供参考信息。
自动目标识别（ATR）系统的探测装置主要为红外成像传感器、激光雷达、毫米波雷达和合成孔径雷达等。红外图像（ATR）系统已在武器装备中成功应用，激光雷达（ATR）技术也正在进入实用化。[2]
国内主要在巡航弹及末段反导作战中开展了基于深度学习的目标识别技术研究，用于进行打击目标确定、毁伤效果评估、以及真假弹头判定等场景。
b）指挥控制领域
从指挥控制系统的功能来看，AI技术在该领域的应用场景最为丰富，比如：在多维多域战场背景下的战场态势认知系统中，采用AI技术实现对大量多源情报信息的相关性分析、趋势预测，给出敌我双发争夺热点区域、敌方作战意图、体系作战重心等，辅助作战指挥人员实现对战场态势的深度认知;在多源异构资源管控系统中，采用AI技术实现对不同作战阶段下各资源的协同调配和综合控制运用，在有效发挥体系综合效能的同时降低作战成本。
AI技术在指挥控制领域的典型应用项目为美国辛辛那提大学开发的“Alpah AI”空战系统，其核心技术是遗传模糊逻辑。2016年6月，空战模拟器中100%击败了经验丰富的美国退役空军上校。据称，Alpha AI在空中格斗中快速协调战术计划比人类快了250倍。该系统未来可用于训练人类飞行员，甚至可在通信条件不佳情况下接管无人机的行动控制。
从上世纪八九十年代以来，国内开展了大量关于运筹学、专家系统和贝叶斯估计等传统人工智能方法的军事应用研究，建立了从武器平台性能到战术火力计算等一系列辅助决策模型，典型应用为基于专家系统的辅助决策系统。
c）拦截制导领域
AI技术在导弹设计上有广泛的应用领域。智能制导控制将颠覆传统制导律依赖模型的设计方法，避免由于模型不准确带来的控制系统鲁棒性和跟踪性能差，采用诸多典型控制过程的仿真数据作为训練样本，形成适应该类对象的通用智能控制算法;为实现对多种不同速度、不同防护、不同尺寸目标的高效毁伤，采用AI技术用于起爆控制、引信自主辨识等实现对弹道/起爆时机/作用方式/战斗部杀伤区域四因素自主协同的智能化毁伤控制。
美国AI3成功拦截火箭弹声称可拦截其他炮弹，说明美国已实现炸点自适应控制;美国“海尔法”第三代反坦克导弹，采用高灵敏度的传感器和先进探测技术，发射后不用管，它能独立自主地捕捉和识别目标，并能排除干扰，准确命中目标。[3]
3 影响当前阶段AI技术在防空反导领域应用发展的因素分析
从人工智能系统化、产品化的角度看，形成智能系统需要三个要素：算数、算法和算力。算数即用于智能算法训练的大量数据集，算法即让系统从数据中自动提取模式实现知识自主获取的数学模型，算力即执行机器学习算法需要的计算、传输和存储能力。在实际应用中，真正的智能系统是一个在时间维度上，通过产品、数据和算法的协同效应，不断迭代升级完备的过程。[4] 当前防空反导领域，影响装备智能化发展主要有三方面问题：一是缺乏足够有效的领域知识和样本数据;二是缺乏科学的验证技术手段;三是缺乏统一的评价标准和技术基准。
a）领域知识是指对学科领域知识的高度浓缩及结构化、系统化的抽象表达。针对防空反导，领域知识包括军事领域概念本体、武器装备性能参数、战场环境模型、战场实体模型、交战判决模型、业务处理规则、战法运用规则和装备使用规则等。和平时期难以采集到大量真实环境下的试验数据和作战数据，目前国内也尚无权威的基于领域知识模型的数据库，不能支撑智能算法训练需求。
b）传统的防空反导装备设计手段基于数字或半实物仿真数据，再通过飞行试验多次迭代校正数字模型。这种验证方法有很大的局限性，提高仿真数据的置信度代价太高，也无法得到各种战场环境下高置信度的数据。目前缺乏科学的验证技术手段，实现大数据量的高置信度训练样本。
c）统一的标准和技术基准对于引导和促进人工智能技术在军事领域的研发是必不可少的。目前国内没有制定标准，提供规范有效的测试方法和指标量化人工智能技术水平，为技术军事化应用可行性评估提供可靠依据。
4 发展建议
a）攻防双方科研院所共享成果，加强防空装备领域知识和样本数据库建设
防空作战需要关注进攻装备的发展，防空装备设计大量引入作战对象逼真的知识和数据，将有利于提升防空装备智能化水平。智能化技术在信息化作战交互中的应用基础主要包括领域知识和样本数据。利用当前攻防双方科研院所已提炼的防空反导领域知识，应用本体、规则、流程和框架等各种人工智能知识表示方法，分门别类地建立形式化表征，通过知识图谱建立起对知识的理解以及运用知识解决一部分实际问题的能力;同时，重视前端样本数据积累，对实际使用的武器系统中采集积累的数据，开展标注工作，围绕各种机器学习任务需求，为数据打上多样化标签，构建防空装备数据标签库。
b）以仿真推演/联合模拟训练为手段，加强智能防空反导装备验证评估技术研究
一是通过构建细粒度的体系攻防体系对抗仿真平台，建立智能蓝军模拟联合攻防，通过作战推演统计不同作战场景下多军种、多兵种、多装备联合作战时的战果及损耗，建立联合作战时的战术战法知识库。二是利用当前各军工单位或军事院校已有的半实物仿真环境/战勤操作环境，建立松耦合的分布式联合作战训练平台，通过大量模拟训练应用实现智能化方法验证和升级。
c）制定人工智能标准和建立测试平台，促进AI技术军事化应用
将人工智能技术应用于导弹武器系统的过程中，需要注重技术、装备、体系中标准的建立，特别是军民通用的人工智能技术相关标准，推进人工智能民转军与军转民的相互促进与协调发展。同时，应建立由测试和评估组成的人工智能技术基准，量化评价人工智能技术水平。军事领域拥有大量独有的任务敏感型数据，应当建立安全且精准的測试平台，为人工智能技术军事化应用提供安全的测试环境。
参考文献：
[1]邓志东.“弱人工智能+”时代来了[J].科技导报，2016，34（7）.
[2]姚保寅，李浩悦，张瑞萍.人工智能技术在武器装备中的应用研究[J].战术导弹技术，2017，（5）：46-51.
[3]汪仪林. 引信智能化发展构想[J]， 探测与控制学报，2018，40（3）.
[4]贾明权.人工智能在军事领域的应用思考[C].2018成都人工智能发展论坛.