中国指挥与控制学会会刊 
当前,世界各军事大国均把人工智能作为未来核心军事竞争的重要方向,不断加大科研经费投入,争先抢占人工智能竞争高地。美国已将人工智能置于维护其主导全球军事大国地位的科技战略核心,在其“第三次抵消战略”中也是重中之重,目前在人工智能的军事应用方面已经取得了较大的优势。俄罗斯则把更多的精力放在了硬手段的智能化改造上,基于雄厚的军事工业基础,其在智能军事领域的前瞻探索与布局不容小觑。以色列在人工智能技术的研究和军事应用方面投入了大量人力和资金,其在人工智能军事应用方面的能力已经得到了广泛的认可[1-2]。
大力发展军事智能科技,首要任务之一是厘清人工智能技术的作用机理和特征,分析人工智能技术将发挥重要作用的应用场景,判断军事应用的主要发展方向,同时对各技术和应用领域的成熟度进行科学评估,从而为军事智能科技发展提供技术支撑。
1 人工智能技术概述
人工智能作为一门前沿交叉学科,人们对其概念和定义一直存有不同的观点,比较经典的是教材《人工智能:一种现代的方法》中的定义:像人一样思考、像人一样行动、理性地思考、理性地行动的系统[3]。人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用的系统,这对人工智能的基本思想和内容做出了解释,即围绕智能活动而构造的人工系统。人工智能是知识的工程,是机器模仿人类利用知识完成一定行为的过程,通常将人工智能分为弱人工智能和强人工智能。
人工智能的工作原理是将大量的数据、超强的运算能力和智能算法三者结合起来,建立一个解决特定问题的模型,使程序能够自动地从数据中学习潜在的模式或特征,从而实现接近人类的思考方式。总体来说,人工智能是算法核心、是数据基础、是算力关键,其在军事上能否高效应用还取决于基础设施的建设情况,比如大宽带、低延迟、全覆盖的军事网络。
学术界对于人工智能技术的分类也一直存在争议,不同的角度、不同的维度以及不同的应用领域都会产生不同的分类。笔者认为,虽然不同的角度和维度会产生不同的技术分类,但是从人工智能本身的机理和发展历史来看,主要有三大类。第一类是从大脑结构模拟的原理出发,主要以人工神经网络为代表,第二类是从逻辑思维模拟的角度出发,主要是专家系统研究为代表,第三类是从智能行为模拟的角度出发,主要以动作系统研究为代表。当然,这三类技术在不断发展过程中会有交叉重叠的部分,但是从最初的机理来说,目前主要有这三大类。
2 人工智能技术军事应用场景
人工智能将主要在以下三类军事应用场景中发挥重要作用。
1)替代重复性劳动
对于需要大量人力和时间才能完成的任务,尤其是那些可预测的、规则或模式不变的任务,通常是可以自动化操作的,通过应用人工智能技术不仅能解放人力,还能更快速地完成任务。例如,2015年的一份重要报告显示,通过应用人工智能技术自动挖掘分析涉及“伊斯兰国”(ISIS)的2200多起军事冲突,得出了ISIS车载路线与实施爆炸袭击的关系,不仅解放了人力,还节省了大量时间;美军“Maven计划”旨在应用人工智能技术,对无人机拍摄的大量监控视频进行处理、利用,自动识别敏感目标,减轻人力负担。
2)快速处理海量信息
战场态势瞬息万变,信息多源且信息量大,有很多情景需要指挥员和操作人员在短时间内综合分析判断形势并做出决策。例如,评估多枚导弹来袭时我方被击中的可能性,以及采取何种规避和反击方法更有效;美国海军的声呐技术人员对特定声波信号进行标识,以期利用人工智能技术从声呐信号中自动区分俄罗斯潜艇和鲸鱼;图像分析人员通过对包含民用车辆和装甲车的图片分别打上数据标签,可以利用人工智能技术对出现在监控视频中的车辆进行实时准确区分;战时的后勤力量调度和交战中的实时航路规划等场景都可以发挥人工智能的作用。
3)非理想环境作业
人工智能技术可以在某些特殊的空间发挥作用,例如,人不能长期存在的恶劣环境,如核辐射、高温高湿、缺氧环境;人无法进入的狭窄空间,如小口径管路等;危险环境,如可能有地雷、水雷的地方。人在这些非理想环境中作业存在难以克服的困难和危险,借助人工智能技术,可以通过无人装备与人配合进行作业,甚至机器完全自主作业,提高作业效率和安全性,例如管路机器人、排雷机器人等。
3 人工智能军事应用重点方向
本文基于观察、判断、决策、行动(OODA)循环提出人工智能的八个军事应用重点方向分别是:作战辅助决策、态势感知与目标识别、情报分析处理、无人平台、智能武器装备、电子对抗与网络攻防、智能化后勤保障、人效增强,其与OODA循环的对应关系如表1 所示。
表1 人工智能军事应用重点方向与OODA循环的对应关系Tab.1 The relationship between key directions of AI military applications and OODA |
| 应用方向 | 观察Observe | 判断Orient | 决策Decide | 行动Act |
|---|---|---|---|---|
| 作战辅助决策 | √ | |||
| 态势感知与目标识别 | √ | √ | ||
| 情报分析处理 | √ | |||
| 无人平台 | √ | |||
| 智能武器装备 | √ | √ | ||
| 电子对抗与网络攻防 | √ | √ | ||
| 智能化后勤保障 | √ | |||
| 人效增强 | √ | √ |
1)作战辅助决策
将人工智能技术应用于指挥控制,可以压缩指挥员在循环中的时间,指数级提高决策的速度,实现多域联合作战指挥与控制的目标,以取得未来战争的制胜权。但是短期内,人工智能技术在指挥控制决策中还不能取代人,只能作为辅助的角色。美军对于指挥控制智能化也持谨慎态度,美军在2016年发布的《自主性》研究报告中指出,人工智能可用于对部队和指挥官进行告警和提供行动方案建议,但还远远没有达到能够代替人类制定决策的程度。美军与指挥控制智能化相关度较高的项目主要有三个,分别是“深绿”“指挥官虚拟参谋”和“阿尔法”。
2)态势感知与目标识别
战场态势是指作战双方各要素的状态、变化与发展趋势,主要包括兵力部署情况、装备情况、地理环境、天气条件等,未来战争中,以人工智能为基础的评估技术是辅助指挥员进行战场态势评估最有效的手段之一。在情报侦察方面,美陆军正致力于解决机械化地面站中目标数据收集的问题,例如,为了融合识别目标所必需的传感器信息,提升作战人员对战场态势的理解,美陆军开展了人工智能传感器原型设计,通过远程EO/IR或热成像传感器收集和组织战斗数据,帮助武器操作人员更快地攻击敌方目标。又如,美国陆军研究实验室研制了微电子机械系统和图像获取系统,以使空中和地面无人装备具备自主飞跃建筑物并传递建筑物内相关信息的能力。
3)情报分析处理
针对现有情报分析手段单一、对数据格式要求较高、直接服务决策难度较大等问题,通过引入和改进人工智能深度学习算法,利用机器学习技术,分析采集到的目标图像、声音、文字、视频以及各要素信息,快速、自主将原始监视数据转变为可帮助指挥官做出关键作战决策的可用信息,从而大幅提高情报分析的质量和速度。为了解决无人机传感器获取的庞大数据量超出情报分析人员分析能力的问题,美军成立了“算法战跨职能小组”(AWCFT),以实现自主分析无人机提供的大量视频信息的目标,该项目将计算机视觉和机器学习算法融入智能采集单元,自动识别针对目标的敌对活动,实现分析人员工作的自动化,让美军能够根据数据做出更有效和更及时的决策。
4)无人平台
随着人工智能时代的到来,无人机(UAV)、无人车(UGV)、无人艇(USV)、无人潜航器(UUV)等以无人技术为主导的新型武器装备逐渐登上战争舞台,增强了陆、海、空等多军种的作战能力,改变了未来战争的样式和形态。目前,全球已有32个国家先后研制出150余种型号的无人机,10多个国家装备或正在研制无人舰艇和无人作战车辆,其中俄罗斯和美国在新一代智能军用机器人领域处于领先地位。俄罗斯已经开始在国家层面对无人作战系统的建设发展进行总体规划,重点关注的是无人机和地面战斗机器人的发展。美国的无人系统研发水平处于世界领先水平,相关装备包括智能无人机、智能无人战车、无人海上/水下系统和智能导弹等。
5)智能武器装备
智能导弹是一种具有自主感知和态势认知能力、可以适应战场变化的智能化导弹系统,美国已有个别型号智能导弹进行了列装。由DARPA和美国海军研究实验室合作开发的人工智能远程反舰导弹(LRASM)已在美国空军战机、海军战舰和舰载机部署,该导弹可以从敌方大量战舰中自动找到特定的攻击目标,导弹上安装的AI多模式定位器能确保目标被击中并下沉的概率最大化。LRASM不会发射出任何敌方能够检测出的信号,结合低雷达散射截面机身和低红外特征,大幅提高了武器生存力,多个LRASM还可以作为一个群体,共享数据协同攻击。
6)电子对抗与网络攻防
近年来,随着电磁频谱和新一代网络技术的发展,以自适应多功能雷达为代表的一大批新型电子战装备相继出现,战场射频系统更加复杂灵活,对电子对抗技术提出了新的更高的要求,具备自主态势感知、决策和自适应电子防护的认知电子战技术和网络攻防技术,逐渐走上对抗的舞台。未来的智能化战争中许多人工智能武器将投入战场,夺取和防护信息传输通道变得至关重要,发展电子对抗和智能网络对抗是未来战争的必然趋势。美军为提高现役装备的认知能力及作战效能,逐步将认知的概念引入电子战设备中,目前已经上马了一系列认知电子战项目,如自适应雷达对抗项目(ARC)、自适应电子战行为学习项目(BLADE)、城市军刀项目、认知干扰机项目(CJ)、电子战技术项目、极端射频频谱条件下的通信项目(COMMEX)等。
7)智能化后勤保障
随着武器装备的快速发展和信息化程度的不断提高,美军在装备维修及保障领域提出了不少新的策略和方式,实施以网络为中心的后勤保障体系,为实现美军提出的精确后勤、感知与反应后勤保障打下了坚实基础。美军在海湾战争后开始运用物联网技术实现全资产的在储、在运和在处理感知,美军军事配送相关系统中射频识别标签使用数量超过300万,设置在科威特、阿富汗和巴基斯坦等国的射频识别标签读写站超过3 100个。另外,美军运用云计算和大数据技术实现了作战保障基础设施的集中统一和信息融合处理,主要对各军种原有配置各异的200多个大、中型计算台站进行整合。人工智能实时分析在陆军和空军基于状态的维修(CBM)应用中已经取得了很大成功,例如,美国陆军借助海量的历史数据,成功分析出与潜在发动机故障、关键车辆系统相关的信息。
8)人效增强
将人工智能技术引入单兵作战装备,极大提高单兵和团体作战能力,未来发展趋势是将单兵和武器子系统、综合头盔子系统、计算机/无线电子系统、软件子系统、防护服与单兵设备子系统等五个子系统一体化整合。美军最新一代的单兵作战装备“奈特勇士”性能远超其第一代单兵装备“陆地勇士”,其系统的核心是一个全彩色、无须手持的单目显示器,视觉效果非常清晰,还包括计算机、导航系统、控制单元、电台和耳机话筒等设备,士兵通过这些设备可以显示自身、队友和敌人的行踪与位置,并且所有线缆都隐藏在士兵身穿的防护背心中,“奈特勇士”能够实现“为徒步指挥员提供无与伦比的态势感知和战场解读能力,使他们能够在战术任务中更快、更正确地进行决策,并将徒步士兵连接到网络之中”。另外,美陆军航空兵部队运输类直升机的飞行员已装备“陆军全球军事指挥控制系统信息系统”,借助该系统,美军的直升机驾驶员可与前线任何一个士兵保持联络,并指挥地面部队的整体行动,也可以联系上级指挥官,获取指令和汇报战况,同时,该系统还是一个数据收集系统,为美军未来的网络数字化战场指挥系统提供支持。
4 成熟度评价
4.1 技术专利分析成熟度评估
自20世纪70年代美国国家航空航天局(NASA)提出技术成熟度评估以来,目前国内外进行技术成熟度评估主要有四种方法:技术就绪水平(TRL)方法、技术文献计量(TBM)方法、技术专利分析(TPA)方法和技术性能测量(TCM)方法。其中,技术专利分析与发明问题解决理论(TRIZ)紧密相连,TRIZ理论根据技术生命周期理论,把技术的发展分为萌芽期(婴儿期)、成长期、成熟期、衰退期四个阶段[4-5]。当前基于TRIZ理论进行技术成熟度分析得到业内学者广泛认同,通过对专利数据信息的分析和拟合,可以得出较为权威的技术成熟度。通过获取公开的人工智能各技术领域专利数据,经过数据分析,可初步判断人工智能各领域技术成熟度。
表2 人工智能重点技术和应用领域专利申请数量和成熟度Tab.2 Patent application quantity and maturity in key technologies and application fields of AI |
| 技术领域 | 计算机视觉 | 语音识别 | 自然语言处理 | 智能家居 | 智慧医疗 |
|---|---|---|---|---|---|
| 专利数量 | 687228件 522784族 | 16.77万件 12.41万族 | 91316族 (2001-2021) | 18017族 (2010-2021) | 15万+件 (2000-2021) |
| 成熟度 | 3成熟期 | 3成熟期 | 2成长期 | 1萌芽期 | 3成熟期 |
| 技术领域 | 智慧防疫 | 智慧交通 | 网络智能 | 智能客服 | 智能驾驶 |
| 专利数量 | 270845件 | 12915件 (2001-2021) | 47625件 27918族 (2010-2021) | 53.25万件 | 493094件 319003族 (2000-2021) |
| 成熟度 | 2成长期 | 1萌芽期 | 2成长期 | 3成熟期 | 3成熟期 |
| 技术领域 | 智能媒体 | 智慧城建 | 智慧教育 | 智慧物流 | 智能制造 |
| 专利数量 | 86056件 | 2481件 (2000-2021) | 76825件 64421族 | 94937件 (2000-2020) | 962146件 67万+族 (2001-2020) |
| 成熟度 | 2成长期 | 1萌芽期 | 2成长期 | 2成长期 | 3成熟期 |
4.2 高德纳技术成熟度曲线
高德纳咨询公司(Gartner Group)是IT领域权威的咨询公司,它采用光环曲线(Hype Cycle)描述法,将新技术发展的生命周期分为五个阶段:技术萌芽期、期望膨胀期、泡沫破裂低谷期、稳步爬升复苏期、生产成熟期[9]。高德纳公司每年都会发布新兴技术发展趋势报告,近年来由于新一代人工智能技术兴起,高德纳公司发布了人工智能技术发展趋势,2022年人工智能技术成熟度见图1 。
从图1 中可以看出,当前人工智能技术分支绝大多数处于前三个时期(技术萌芽期、期望膨胀期、泡沫破裂低谷期),成熟度都不高,只有智能应用、数据标记和注解、计算机视觉的技术成熟度较高,处于稳步爬升复苏期。
4.3 人工智能军事应用重点方向成熟度评估
目前,关于人工智能技术有多种分类方法,业界并没有一致的分类标准。公开可获取的人工智能技术专利数据并不全面,高德纳成熟度曲线中涵盖的人工智能技术分类也不全,并且技术专利将技术成熟度分为4个等级,Gartner 成熟度曲线将技术成熟度分为5个等级。本文采用装备领域常用的技术成熟度等级TRL1-TRL9来划分技术领域的成熟度,将上述两种方法相结合来评估人工智能技术成熟度,具体方法为
成熟度=
针对人工智能军事应用八个重点方向,本文从各应用方向涉及的技术和应用领域入手,综合技术专利分析成熟度评估和高德纳技术成熟度曲线,分析得出各领域的成熟度,最后对各应用方向涉及的领域成熟度进行加权平均后取整数,得出八个重点应用方向的综合评价成熟度。经过数据综合、比较判断,得出现阶段人工智能军事应用重点方向成熟度等级如表3 所示。
表3 人工智能军事应用重点方向成熟度Tab.3 Maturity of key directions of AI military applications |
| 军事应用方向 | 涉及技术领域 | 专利分析 成熟度 | 高德纳 成熟度 | 本文评估 成熟度 | 综合评价 |
|---|---|---|---|---|---|
| 自然语言处理 | 2成长期 | 3低谷期 | 5 | ||
| 知识图谱 | 2过热期 | 3.6 | |||
| 作战辅助决策 | 深度学习 | 3低谷期 | 5.4 | TRL4 | |
| 决策智能 | 1萌芽期 | 1.8 | |||
| 因果人工智能 | 1萌芽期 | 1.8 | |||
| 态势感知与 目标识别 | 计算机视觉 | 3成熟期 | 4复苏期 | 7 | TRL7 |
| 语音识别 | 3成熟期 | 6.75 | |||
| 深度学习 | 3低谷期 | 5.4 | |||
| 数据标记和注解 | 4复苏期 | 7.2 | |||
| 情报分析处理 | 自然语言处理 | 2成长期 | 3低谷期 | 5 | TRL5 |
| 知识图谱 | 2过热期 | 3.6 | |||
| 深度学习 | 3低谷期 | 5.4 | |||
| 智能媒体 | 2成长期 | 4.5 | |||
| 无人平台 | 智能驾驶 | 3成熟期 | 3低谷期 | 6 | TRL5 |
| 智能机器人 | 2过热期 | 3.6 | |||
| 负责任的人工智能 | 1萌芽期 | 1.8 | |||
| 计算机视觉 | 3成熟期 | 4复苏期 | 7 | ||
| 智能武器装备 | 计算机视觉 | 3成熟期 | 4复苏期 | 7 | TRL5 |
| 深度学习 | 3低谷期 | 5.4 | |||
| 智能制造 | 3成熟期 | 6.75 | |||
| 人工智能信任、风险和安全管理 | 1萌芽期 | 1.8 | |||
| 电子对抗与 网络攻防 | 深度学习 | 3低谷期 | 5.4 | TRL4 | |
| 合成数据 | 2过热期 | 3.6 | |||
| 网络智能 | 2成长期 | 4.5 | |||
| 生成式人工智能 | 2过热期 | 3.6 | |||
| 智能化后勤 保障 | 深度学习 | 3低谷期 | 5.4 | TRL5 | |
| 智慧物流 | 2成长期 | 4.5 | |||
| 智慧医疗 | 3成熟期 | 6.75 | |||
| 智慧防疫 | 2成长期 | 4.5 | |||
| 智慧交通 | 1萌芽期 | 2.25 | |||
| 人效增强 | 智能制造 | 3成熟期 | 6.75 | TRL5 | |
| 智能机器人 | 2过热期 | 3.6 | |||
| 计算机视觉 | 3成熟期 | 4复苏期 | 7 | ||
| 负责任的人工智能 | 1萌芽期 | 1.8 |
4 结束语
人工智能已经成为世界各军事大国争先占领的未来军事科技制高点,大力发展军事智能科技,已然成为共识。人工智能将主要在替代重复性劳动、快速处理海量信息、非理想环境作业等三类军事应用场景中发挥重要作用,军事应用的重点方向包括作战辅助决策、态势感知与目标识别、情报分析处理、无人平台、智能武器装备、电子对抗与网络攻防、智能化后勤保障、人效增强。本文综合运用技术专利分析成熟度评估方法和高德纳技术成熟度曲线,分析了人工智能军事应用八个重点方向的成熟度,其中作战辅助决策、电子对抗与网络攻防的成熟度综合评价为TRL4,情报分析处理、无人平台、智能武器装备、智能化后勤保障处、人效增强的成熟度综合评价为TRL5,态势感知与目标识别的成熟度综合评价为TRL7。