中国指挥与控制学会会刊 
人工智能[1-3]是近几年来热门研究方向,不同的国家、机构、研究人员对其在军事领域的应用做了大量的探索和实践工作。其中,美国国防部发布的《国防部人工智能战略概要》解释了发展人工智能的意义以及发展人工智能的重点领域;法国国防部认为人工智能可在图像识别、辅助指挥决策等方面发挥重要作用;日本明确指出应大力发展能够快速处理海量情报信息的人工智能技术;俄罗斯将人工智能技术纳入中长期发展规划;英国则明确指出要重新成为世界人工智能技术的领头羊。目前,美国依然是人工智能技术最领先的国家,其在图像情报、文本情报以及态势预测等方面进行了大量的研究,并取得了显著的军事效益。与人相比,人工智能能够一天24小时不间断地工作,能够在先进算法和计算设备的支撑下,在处理信息的精度和速度上取得不亚于甚至优于人类的成绩。未来的战争将是智能化战争,智能因素将贯穿整个“观察-判断-决策-行动”环(OODA环),而态势感知[4]作为海军指挥控制系统[5]的核心组成之一,每天需要处理大量的信息,并按需进行情报保障,亟须借助人工智能技术减轻分析人员的工作负荷,提升效率和准确率。因此,研究美海军态势感知领域智能化发展情况充满必要性,其将有效支撑人工智能技术在我海军态势感知领域的落地应用。
据此,本文从未来战争的形势出发,研究分析了美军先进作战理念、美军人工智能发展战略、作战概念引领下美海军态势感知领域重点智能化项目及关键支撑技术等内容,并指出了海军态势感知领域发展和应用人工智能技术的着力点。
1 美海军新式作战理念分析
近年来,受美陆军“多域战”理念影响,为巩固海上作战优势,美海军相继提出了“分布式海上作战”“马赛克作战”“决策中心战”等新型作战概念,着力打造分布式海上作战体系,着力加速实现由“网络中心战”向“决策中心战”的转型。
“分布式海上作战”[6]概念源于2015年美海军“分布式杀伤”概念,旨在以分散部署的小规模水面舰艇编队为作战主体,在舰上部署进攻性武器,实现从“兵力集中实现火力集中”向“兵力分散实现火力集中”的转变,提高对手击败美海军所需的攻击规模,进而震慑对方行动,达成战役和战术层面的作战目的。
“决策中心战”[9]概念由美国智库战略与预算评估中心(CSBA)在2019年发布的《重夺制海权:美国海军水面舰队向决策中心战转型》中首次提出。其后发布的《马赛克战:利用人工智能和自主系统实施决策中心战》《实施以决策为中心的战争:提升指挥控制以获得选择优势》均表明了美军正在向“决策中心战”转型。“决策中心战”把重点放在破坏对手OODA环的判断阶段,旨在充分利用军事冲突中固有的战争迷雾和摩擦,采用分布式编队、军力动态组合和重组、反指挥控制、情报、监视与侦察行动等,提高己方的适应能力和生存能力,同时寻求给对手制造决策困境,阻止对手达成作战目标,利用决策优势取胜。
相对而言,“决策中心战”是实现“马赛克作战”的一种方式,其一方面依赖于无人机、无人船、无人潜航器等无人装备的大力发展;另一方面,依赖指挥控制系统在快速处理海量信息、辅助生成决策建议等核心能力的大幅提升。美海军“决策中心战”概要原理示意图如图1所示。
从美军作战理念的发展变化可以看出,未来战争在空间形态上向分布式发展;在作战时间进程上向高动态发展;在作战运筹过程上向智能化发展;在作战样式上向人在环路下的无人跨域自主协同发展。 “制智权”将成为未来海战的核心要素,谁掌握了智力优势,将其成功融入OODA环,谁就能掌握未来战争的主动权。
2 美海军智能化发展战略分析
2.1 美国防部智能化发展战略
2018年,美国防部发布的《国防战略》指出,要注重发展高端军事能力,注重新兴战略领域作战系统建设,着力推动自主性、人工智能、机器学习的军事应用,赢得军事竞争优势。美国防部通过分析认为,人工智能技术可以在以下几个方面发挥重要作用:一是增强感知和决策能力;二是提高操作设备的安全性;三是实施预测性维护和供应;四是简化业务流程。
2019年,美国国家标准技术研究院发布《美国在人工智能领域的领导地位:联邦政府参与开发技术标准与相关工具的计划》,该计划就政府如何制定人工智能技术标准给出了指导意见,强调政府应持续参与人工智能标准的制定,推进可信人工智能的发展,确保使用了人工智能技术的系统安全可靠,并具有鲁棒性。
2022年,美国防部发布了《负责任的人工智能战略和实施途径》,为美军进一步发展智能化提供理论牵引和指导。其重点强调两个方面:一是要使人工智能能力与作战需求相结合,使智能技术在作战流程中切实发挥作用;二是强调相关信息系统或软件的操作人员要充分理解应用人工智能的方法和实施过程。
为加速人工智能在军事领域的应用,美国国防高级研究计划局先后启动了洞察、可视化数据分析、深度学习、文本深度挖掘与过滤、高级机器学习概率编程、可解释性人工智能等大量基础性军事智能技术研究。这一系列研究项目的实施为推动美国海军指挥控制的智能化转型提供了有力支撑。
2.2 美海军智能化发展战略
在美国国防部战略指引下,美海军也发布了兵种智能化发展战略,期望发挥人工智能在速度和不受情感干扰等方面的优势,实现敏捷化、精确化的分布式作战体系结构转型。2019年9月,美海军公布了《海军人工智能框架》,主要介绍了美海军部面临的挑战以及如何将人工智能技术与感知、决策等作战业务相结合,并说明了人员配备和组织机构要求、政策考虑以及海军高效使用人工智能所需的措施。具体而言,美海军在开发智能技术时采用问题驱动的方法,明确采用人工智能技术是为了推进海军任务,厘清海军面临的关键问题,同时考虑人工智能技术的要求和局限性,明确人工智能技术在应用中存在的问题。在资源有限的环境中,美海军部综合考虑自身高优先级需求、现有技术能力和海军面临的独特挑战三方面的关系来确定人工智能项目投资的优先级,见图2。
3 美海军态势感知典型智能项目及关键支撑技术分析
针对美军先进的作战理念和体系作战能力生成等需求,美海军开展了一系列以智能为典型特征的项目。
3.1 美海军典型智能化项目
3.1.1 Maven项目
目前,美军在态势感知领域最成功的人工智能项目是Maven项目,其已在中东多个国家进行实际部署、应用,第一代Maven项目专注于计算机视觉[10],从移动或静止图像中自动提取感兴趣的对象,并引导无人机对目标进行精确打击。第二代Maven项目综合使用大数据和机器学习,用于处理无人系统中不断产生的视频数据,在中东和非洲的相关指挥据点,美国情报分析人员能够利用Maven从“扫描鹰”、MQ-9“死神”等无人机拍摄到的数百万小时视频图像中自主识别感兴趣的物体,并引导或直接发动攻击。
目前,Maven项目开发的算法已在美国非洲司令部、中央司令部、兰利空军基地等多个地点部署,相关项目团队还计划将计算机视觉类智能算法与海军及海军陆战队的“米诺陶”(Minotaur)系统相结合,运用Maven项目中的智能算法检测、识别并跟踪目标,然后通过“米诺陶”系统获得目标的地理坐标。通过“米诺陶”获得的目标位置信息与图像识别类别信息结果进行结果关联,并生成显示,提升图像目标的判断水平和处置效率。
3.1.2 战备分析和可视化环境项目
美海军战备分析和可视化环境(RAVEN)系统可提供一个统一的、全面的战备数据视图,显示整个舰队包括指挥员、士兵装备状态、培训、物资等战备情况。美海军通过RAVEN项目将分散的、烟囱式的数据源整合到一个数据环境中(到2025年初,已实现36个数据源的整合),并支持通过机器学习算法对各数据源进行筛选,减少信息汇编所需的人工工作如手动汇总数据、在不同的数据库中导入/导出所需数据等,能够协助指挥员快速了解其管辖范围内的所有岸上指挥人员、培训、装备战备情况。
3.1.3 跨域海上监视与瞄准项目
为了实现海上分布式作战,美军启动了跨域海上监视与瞄准项目(CDMaST)。该项目是一个体系性项目,综合运用各类有人、无人平台以及各种型号的传感器实现广域的海上目标监视,并通过网络通信技术和人工智能技术高效、快速处理和关联分布式海上探测信息。目前,该项目仍在推进过程中,CDMaST项目概念示意图如图3所示。
3.1.4 超越计划项目
2023年4月,美海军在“卡尔·文森”号航母打击群上测试了超越计划(Overmatch Project)的阶段性成果,超越计划是美海军支撑联合全域指挥控制(JADC2)的核心组成部分。该项目拟通过利用人工智能、信息组网等技术开发新一代网络、基础设施、数据架构和分析应用工具,支撑构建美海军新一代作战架构,支持有人系统和无人系统的高效协同以及快速处理、整编各类传感器的感知信息从而获取决策优势。超越计划项目概念示意图如图4所示。
3.1.5 DCGS-N 增量2智能化转型
3.1.6 MTC2项目
3.2 关键支撑技术分析
美海军相关项目的实施离不开智能创新技术的支持,在先进计算设备和数据资源的支持下,结合具体的场景,在实践和探索中满足美海军态势感知领域的业务需求,主要包括图像智能检测与识别、文本信息智能处理、数据整合与关联以及新一代通信技术等。
3.2.1 图像智能检测与识别技术
在Maven项目中,美军就大量使用智能化目标检测与识别技术,采用先训练后现场部署微调的方式,在满足精度的前提下,大幅度提高了情报分析工作人员的工作效率。
3.2.2 文本信息智能处理技术
3.2.3 数据整合与关联技术
数据整合技术[29]能够将来自不同渠道、不同格式、不同系统的数据如情报数据、作战数据、装备信息、人员信息等,进行统一采集、提取、转换、存储和管理,可以形成全面、可迭代完善的军事数据视图,支持消除数据孤岛,提高数据的使用效率,为指挥决策提供重要支撑。另一方面,数据关联技术可以发现不同数据之间的潜在关联关系,支撑发现敌目标行为意图、活动规律等,支撑优化作战计划和兵力调配。美海军战备分析和可视化环境项目采用了大量数据整合与关联技术进行数据赋能与规律挖掘,以更好地进行作战支持。
3.2.4 新一代网络通信技术
随着通信技术的快速发展,指挥员可以实现对远程作战单位的高效监测和控制,快速掌握战场动态,提高作战效能。新一代网络通信技术以其高速率、大容量的特点,使得军事通信能够实时传输大量的数据信息,包括高清视频、宽幅图像、目标定位数据、语音数据等,为高效的信息整编和共享提供了必要支撑;同时,新一代的网络通信技术采用了先进的加密技术和安全防护措施,确保通信数据在传输和存储过程中的安全性和完整性,防止信息泄露和被窃取。美海军超越计划第一阶段的主要工作便是打造更加高效、便捷的分布式通信网络,以更好地支撑联合全域作战。
4 启示与建议
4.1 美海军态势感知领域智能化发展趋势分析
通过研究美军作战理念、智能化发展战略和美军海上感知领域典型智能化项目可以发现,美海军态势感知领域智能技术的发展呈现以下几种趋势:
一是先进作战理念引领智能技术发展。美海军态势感知领域的智能技术发展具备较强的体系性,其在作战理念的引领下,注重推动人工智能、大数据、机器学习等新兴领域在系统建设中发挥的作用,着力利用智能技术在感知处理、分析等方面的优势,加速OODA环的执行,支撑赢得决策优势,促进分布式海上作战能力的形成。
二是有人无人协同感知成为重要手段。美海军不断将各种具备综合性功能的舰船能力分散到各种可执行单一任务的无人平台上,充分发挥无人装备战损少、可在危险或不明区域执行任务的优势,促进分布式作战理念的实现。在具体的任务中,可通过智能技术支撑无人装备与有人系统的高效协同或通过预置无人装备探测信息的随遇接入来增强海上态势感知能力。
三是智能分析处理促进感知能力升级。通过对美态势感知领域典型项目的预期能力分析可以发现,美海军着力利用智能算法不受生理机能限制,可高效、连续执行重复性、机械性任务以及挖掘、分析历史活动/任务数据中隐含行为规律的优势,促进其与军事需求以及业务人员的职责、任务和使用习惯相结合,提高包含无人侦察情报在内的处理、分析和决策的质量以及速度。
4.2 发展建议
通过研究分析,在海军态势感知领域,为加快人工智能的落地,人们可以在以下几个方面开展工作。一是构建软硬一体智能化公共计算平台,当前人工智能的发展离不开高性能的计算设备,如用于智能算法模型训练的GPU服务器集群等,软硬一体智能化公共计算平台主要用于支持各项智能化算法的快速、分布式训练;二是建构数据资源池,当今人工智能的研究与应用,特别是深度学习算法的研究与应用离不开标准数据集的支撑,海军数据资源池主要用于管理从多种情报源汇集的情报信息,并提供面向不同任务的自动化标注工具,为各种情报的智能分析奠定基础;三是坚持探索新兴技术的军事可用性,近年来,各种先进智能技术层出不穷,如ChatGPT在检索、传媒等民用领域发展如火如荼,应考虑如何快速将各种新技术转化为业务能力,确保先进性;四是增强智能算法模型的可信性,设置严格的算法模型结果测试标准,以严格的测试结果加强对智能算法的信任度,并保证训练得到的智能算法模型能够在应用场景中(或在应用场景中微调后)取得优异的结果;五是聚焦人工智能的应用场景,将人工智能算法应用于具体的、明确的任务,主要用于提升重复性工作的效率,简化业务流程,并支持人在环路的智能化应用,不过度依赖机器产生的结果,支持人对处理结果的修正。
5 结束语
通过本文的分析可知,国内外的海上态势感知能力均朝着更加智能化、多元化和整合化的方向发展,智能化技术将成为变革海上态势感知能力的重要支撑力量。本文从美海军新式作战理念、智能化发展战略等出发,详细分析美海军态势感知领域智能化项目、关键支撑技术等内容,提炼总结了美海军态势感知智能化发展的趋势等,并给出了一些建设性建议,对海军态势感知的后续发展具有一定的支撑价值。