中国指挥与控制学会会刊 
人工智能等新技术快速发展,催生了新的军事变革。俄乌冲突中大量智能无人装备投入战场,标志着智能化战争时代已悄然来临。目前,智能化战争没有统一的定义,吴明曦[1]认为,智能化战争是基于仿生、类脑原理和AI的战场生态系统,以“能量机动和信息互联”为基础、以“网络通信和分布式云”为支撑、以“数据计算和模型算法”为核心、以“认知对抗”为中心,多域融合,跨域攻防,无人为主,集群对抗,虚拟与物理空间一体化交互的全新作战形态。近年来,世界各军事强国都在大力发展无人装备,广泛布局智能技术,以期在未来智能化战争中掌握主动。然而,智能技术与无人装备如何发展、智能技术将会带来怎样的作战效能、无人装备体系的薄弱环节在哪里等问题都急需得到答案,智能化作战效能评估是解决这些问题的有效手段,其中,构建评估指标体系是开展智能化作战效能评估的首要前提。
与机械化、信息化等战争相比,智能化战争的制胜机理发生了根本性变化,认知域成为智能化作战争夺的制高点,作战模式从网络中心向决策中心转变,传统的系统效能和信息化作战效能评估指标体系已不完全适用,急需建立新的评估理论和方法,因此,智能化作战效能评估指标体系构建成为研究的热点。本文分析了国内外构建作战效能评估指标体系的先进思想,提出了一种将制胜机理与数据挖掘相结合的智能化作战效能评估指标体系构建方法,分析了相关关键技术,可为智能化作战效能评估提供理论参考。
1 国内外研究情况
1.1 国外情况
随着战争时代的演变,美军不断探索新作战效能评估理论方法。信息化战争时代,网络中心战成为主要作战模式,信息成为影响信息化作战效能的主导因素,其效能评估理论从传统的消耗为中心转向信息为中心。为评估网络中心战,美军国防部组织团队,深入分析网络中心战制胜机理,历时3年多,建立了网络中心战概念框架[2],提出了网络中心战的相关度量指标,涵盖了信息共享、交互质量、协同决策、行动同步、部队灵活性等顶层概念指标,为美军信息化作战所有应用评估的指标体系构建提供了通用框架。网络中心战概念框架如图1 所示。
进入智能化战争时代,美军围绕决策中心战的理念,开展作战效能评估理论研究,针对智能化作战效能评估探索了相关指标。例如,2020年美军战略与预算评估中心(CSBA)在《MOSAIC WARFARE》[3]报告中提出了决策复杂度、生成COA(Course of Action)的时间延迟、同时指挥行动数量等表征智能化作战全新特点的效能评估指标,如图2 、3 、4 所示。
1.2 国内情况
在某基础研究项目中,建立了突出信息优势的多视图效能评估指标体系,其中,在信息质量评估方面,针对战场态势中静态目标、动态目标、环境等一致性评估特点,建立了动态目标一致性评估指标体系,主要用于评估指控系统对动态目标信息处理结果与实际情况的一致性。如图6 所示。
智能化作战效能评估指标体系研究方法处于起步阶段。齐智敏等人[7]从智能无人机群体能力、作战条件变量和群体条件变量三个维度,构建智能无人机群体作战效能评估指标体系;潘长鹏等人[8]在ADC法的基础上附加了作战保障能力系数,构建了包含总体效能层、作战过程层、局部效能层和装备性能层四层指标的舰载无人机编队协同对海突击作战效能评估指标体系;黄传吉等人[9]基于无人机协同作战观察-判断-决策-行动(OODA)作战环,分析无人机协同作战各阶段的效能影响因素,综合考虑无人机协同感知能力、协同通信能力、协同策划能力、协同组队能力以及协同打击能力,建立了无人机协同作战效能评估指标体系等。目前的研究成果主要是从不同的需求出发,构建具体任务下的无人机集群作战效能评估指标,还未形成能够体现智能体系、网络体系等共同作用下的作战效能以及体系与组分间关联关系的指标体系,缺乏方法论和通用指标体系框架。
2 智能化作战效能评估指标体系构建方法
美军网络中心战作战效能评估指标体系构建方法的逻辑起点是分析网络中心战的制胜机理,即鲁棒的网络化部队将改善信息共享与协同能力,进而提高信息质量以及共享的态势晓知质量,从而进一步实现协同和自同步,并提高指挥的连续性和速度,最终极大地提高任务效能。在此基础上,建立网络中心战概念框架,作为构建作战效能评估指标体系的通用框架,针对顶层核心概念,依次细化概念属性和属性定义等。该方法从作战体系的制胜机理出发,通过对网络中心战核心概念进行逻辑分析建立作战效能评估指标体系的方法具有普遍的指导意义。智能化作战是在信息化作战体系的基础上,叠加了智能技术与无人装备。智能化作战效能评估指标体系可以在信息化作战效能评估指标体系基础上纳入自主化、智能化多种要素,融合并拓展成智能化作战效能评估指标体系。
另一方面,智能化作战体系是在网络化作战体系基础上,运用多种无人装备和智能算法所形成的更复杂的作战体系,其具备的自主、智能等特性使得作战效能的因果关系更加复杂,某些现象看似毫不相关,实际却密切关联,只是深藏在内部不易被人们认知,就像“啤酒与尿布”故事。因此,单纯依靠传统的分析方法难以建立全面科学的评估指标体系。近年来,人们针对这一问题提出了基于数据挖掘的效能评估指标体系构建方法,主要逻辑是实兵演练和兵棋推演等生成的大量数据中蕴含着最真实的体系组分因果等关联关系,通过对演练大数据的挖掘,能够提取隐藏在复杂作战体系能力指标间的关联关系以及影响体系能力的关键指标[8],形成更全面的智能化作战效能评估指标体系。
综合上述两种指标体系构建思想,本文提出一种将制胜机理与数据挖掘相结合的智能化作战效能评估指标体系构建方法。其主要方法如下:
首先,研究智能化作战能力生成机理,分析智能化作战的制胜机理,辨识决策优势、杀伤网等智能化战争制胜的关键要素。
其次,以网络中心战概念框架为基础,将决策优势、杀伤网等智能化战争制胜的关键要素融合并扩展到网络中心战概念框架内,形成覆盖物理域、信息域、认知域以及社会域的通用化智能化作战效能指标体系框架。
第三,引入大数据挖掘关键影响因素构建指标体系的先进思想,充分利用智能化作战实兵演练与作战实验产生的大数据,通过数据挖掘,挖掘智能化作战结果的关键影响因素和水平,进一步修正上述的评估指标体系和度量指标。
第四,迭代上述步骤,逐步优化形成科学的物理域、信息域、认知域等多域深度融合的智能化作战体系效能评估指标体系。指标体系构建流程如图7 所示。
3 关键技术
构建科学的效能评估指标体系要解决两个层面的问题:一是评估指标体系框架,二是指标属性定义和度量。对于智能化作战效能评估指标体系,由于体系的复杂性和智能的不确定性,两个层面都存在困难。
3.1 智能化作战效能指标体系框架构建技术
评估指标体系框架不仅支持任务完成率、作战效率等体系整体效能评估,而且要覆盖物理域、信息域、认知域以及编队级、平台级等多域多层能力评估。由于智能技术在体系构建、运行和对抗阶段的作用机理不清楚,智能化作战体系在OODA各环节的优势传递机理不清楚等原因,导致科学合理地选择和构建效能评估指标十分困难。
要解决这一问题,可以通过研究智能化作战体系的系统“集成聚优”和体系“联动涌效”的机理,弄清无人智能所带来的复杂认知对抗下OODA各环节优势传递路径,聚焦大量无人平台和智能技术组合快速生成大量杀伤链以及对敌施加决策困境的关键影响,借鉴美军网络中心战概念框架的思想,在物理域、信息域、认知域等重点突出无人智能技术对决策速度、决策协同、行动同步、行动复杂性、部队敏捷性等指标构成,形成通用的智能化作战评估指标体系框架(初步)。如图8 所示。
利用该框架在认知域扩展出智能决策质量、多域杀伤网质量等适应作战体系、编队(群)等多层级认知域评估指标(部分),如图9 所示。利用这些指标就可以快速分析智能技术或算法优劣。
从装备体系层次角度,初步构建了包括使命任务、作战体系、网络体系、编队、个体、装备等多层次的智能化作战效能评估指标体系,见表1 。它对于装备运用因果分析具有较好的适应性。初步指标体系中指标之间可能存在不同程度的内在关联,后续还需要进行筛选优化,形成科学完备的指标体系。其中,对于智能化作战效能评估来说,杀伤网闭合时间、兵力复杂度、兵力敏捷性、群体智能决策等指标是重点指标。
表1 智能化作战效能评估指标Tab.1 Intelligent combat effectiveness evaluation index |
| 指标类别 | 指标名称 |
|---|---|
| 作战任务 | 任务完成度、完成时效、战果、资源消耗、战损比…… |
| 作战体系 | 抗毁性、灵活性、柔韧性;信息质量、信息共享程度、信息交互质量;协同决策、决策同步、杀伤网冗余度、杀伤网闭合时间、兵力复杂度、行动协同性、兵力敏捷性…… |
| 网络体系 | 网络鲁棒性、网络脆弱性、网络传播能力、网络可控性、网络同步化能力、网络度相关性、网信体系进化能力…… |
| 编队/群 | 协同智能感知、协同智能识别、群体智能决策、冲突消解、协同任务规划、协同航路规划、群体行动同步、通信自组网…… |
| 个体 | 自主等级、多源信息融合、智能感知、智能理解、智能决策、航路规划…… |
| 装备 | 探测距离、探测概率、机动速度、潜航深度、命中概率…… |
3.2 认知域指标属性分解与度量技术
构建实用的智能化作战效能评估指标体系的关键步骤之一是对每一个指标属性进行分解,同时对每一个属性定义其度量指标。由于认知域的复杂性和智能的不确定性,以及认知域指标属性大多具有模糊性不宜用一个绝对的数值表示,给认知域指标属性分解与度量带来很大的困难。例如,决策同步指标,分解其属性至少需要包括一致性、现实性、精确性、适当性、完整性、准确性、相关性、及时性、不确定性等。之后需要对每一个属性进行定义,如相关性,度量决策对完成眼前任务的重要程度,需要用模糊化语言进行分级分类度量,如不相关、弱相关、相关、强相关等分级分类度量。表2 以协同决策指标为例,说明指标属性的分解、属性定义及度量指标。
表2 协同决策指标属性及度量Tab.2 Attribute and measurement of collaborative decision-making index |
| 属性 | 定义 | 度量 |
|---|---|---|
| 程度 | 实现协同决策的部队实体比例 | 参加协同的指挥与控制元素百分比 |
| 一致性 | 部队实体之间决策一致程度 | 决策与以前的理解以及决策一致的程度(1=与以前的理解以及决策相关度低,…,5=与以前的理解以及决策高度相关) |
| 现实性 | 决策的时滞 | 制定决策所需的时间 |
| 精确性 | 决策的精度 | 决策的精度(1=精度低,…,5=精度高) |
| 适当性 | 决策与现有的共享理解、指挥意图以及共享团队价值一致的程度 | 决策与更高层指挥官意图一致的程度(1=一致程度低,…,5=一致程度高) 决策与共享理解一致的程度(1=一致程度低,…,5=一致程度高) 决策与共享价值一致的程度(1=一致程度低,…,5=一致程度高) |
| 完整性 | 相关决策包括以下所需要素的程度: 深度:包括行动与应急范围; 广度:包括部队要素范围; 时间:包括时间 | 1=不完整且不充分,2=不完整但充分,3=完整 |
| 准确性 | 特殊用途计划(或命令)精度的恰当性 | 1=不恰当,…,5=非常恰当(根据确定的标准) |
| 相关性 | 决策对完成眼前任务的重要程度 | 1=与眼前任务不相关,…,5=与眼前任务非常相关 |
| 及时性 | 适于使用的决策现实性程度 | 决策的现实性适于任务的程度 |
| 不确定性 | 对决策信心的主观评估 | 1=高度不确定,…,5=高度确定 |
| 风险倾向 | 风险规避程度 | 1=风险规避程度低,…,5=风险规避程度高 |
| 决策方式 | 所用协同决策结构的类型(权威决策、建立共识、多数原则等) | 自然、受控、极小-极大、期望效用 |
4 结束语
智能化战争时代已悄然来临,无人装备与智能技术的快速发展已经成为趋势,智能化作战效能评估成为发现无人智能技术和装备体系薄弱环节的有效手段,为无人装备、智能技术发展决策提供重要支撑。但目前国内在构建智能化作战效能评估指标体系方面处于初步研究阶段,缺乏通用的方法论和标准化的指标体系框架支撑。本文综合国内外构建指标体系先进理念,提出了一种将机理分析与数据挖掘相结合的智能化作战效能评估指标体系构建方法,分析了智能化作战效能指标体系框架构建与认知域指标属性度量等关键技术,为构建通用化的智能化作战效能评估指标体系提供理论参考。下一步需要深入研究智能化作战能力生成机理,结合演习训练数据挖掘关键影响因素,进一步优化智能化作战效能评估指标体系,并开展实验验证。