中国指挥与控制学会会刊 
习主席在中国共产党十九大报告中明确指出,“加快军事智能化发展,提高基于网络信息体系的联合作战能力、全域作战能力”[1]。这个论述指明了未来战争将是基于网络化、智能化的体系作战,第五代指挥信息系统将以智能化为核心,强化战场信息优势,争取战场认知优势、决策优势与行动优势。据相关报道,国际上指挥信息系统经历了四个阶段的发展过程[2],正在向第五代指挥信息系统演化,系统体系结构向智能化、知识化、云边端、服务化发展。国际上第四代系统主要以网络化、服务化、云端化等手段构建了整体协同的指挥信息体系[2],一定程度上满足协同作战需要,实现了信息优势。但随着战场信息的爆发式增长,系统信息优势很难转化为指挥员的认知与决策优势,随着无人作战、赛博作战等新型作战样式的出现,为了适应作战指挥的复杂性、非线性特点,指挥信息系统须突破认知技术,提供准确的战场态势认知与筹划决策能力。第五代指挥信息系统设想以人工智能、边缘计算、云脑技术为核心,提升战场认知优势、决策优势与行动优势,支持作战指挥由信息域向认知域迈进,实现信息知识化、决策智能化、指控敏捷化、协同多域化、服务边缘化等能力。
1 指挥控制新理念
1.1 智能化指挥控制
智能化指挥控制就是利用人工智能方法,实现从“信息化、网络中心”向“智能化、知识中心”转变,辅助指挥员解决指挥领域的感知、理解、认知问题。指挥信息系统的系统架构、技术架构都将发生变化。系统围绕态势、指挥、控制、保障等功能域进行相应的智能技术应用,提升作战指挥的认知与决策效能。外军十分关注作战指挥智能化应用,美军DARPA从2007年至今,发布了3份关于人工智能国家及军事发展战略白皮书,分别开展了“深绿”[3⇓-5]、“第3次抵消战略的高科技圣杯”、“指挥官虚拟参谋”等计划,在情报感知与战术决策领域启动了“Insight”、“Xdata”、“深度学习”、“深度文本搜索过滤”、 “分布式战场管理”、“人机协作”、“Mind’sEye”、“Trace”、“人机协作”、“X-Plan”、“认知电子战”、“AlphaAI空战”等人工智能项目,实现战场情报深度理解、态势认知预测及战术方案自动生成与推演能力。此后,美军还设置了“自主协商编队”、“大狗”、“蜂鸟”等项目,提升有人与无人协同控制能力。总体而言,美军目前具备全球领先的智能化作战指挥水平。此外,德、法、俄等国也纷纷在智能化信息感知与处理、智能自主无人作战平台等方面进行了大量研究,取得了丰硕的研究成果[6⇓-8]。
1.2 战术边缘指挥控制
随着军事科技的发展,传统大规模集群作战方式逐渐转换为小范围的非对称作战,战术边缘的作战活动在战争中将扮演重要角色。战术边缘又称为“第一战术英里”[9],它远离指挥中心,通信、计算、服务资源受限,通常由作战平台、战术分队、特种单兵组成,为了获得信息与决策优势,各级指挥单元利用泛在网络、微云等技术,实现信息与资源共享。战术边缘的移动计算设备,采用雾计算方法,整合为更大的作战单元,形成自组网下的微云,战术边缘获取的大量态势信息,在战术微云进行计算、存储、共享,简化了与指挥中心的交互规模,提升了信息交互时效,解决以往战术前沿服务能力不足的问题。
1.3 多域战指挥控制
1.4 马赛克作战指挥控制
2 第五代指挥信息系统特征转变
1) 体系由网络中心向知识中心转变。以网络为中心带来战场信息优势,并向认知优势、决策优势转变,系统间由信息共享走向以知识为中心的智力共享,促进整个指挥体系向决策及行动优势转变。
2) 云端架构向云边端一体化转变。拓展原有的云端资源共享能力[2],向战术边缘的平台、分队、单兵延伸,实现移动环境下战场中心云、移动云、边缘微云的一体化混合服务能力,提升战术前沿资源服务能力。
4) 由计算智能向认知智能转变。智能化表现在计算智能、感知智能、认知智能,目前计算智能提供了战术确定性求解方法,未来战场须在海量情报处理、态势认知与决策推理等方面通过智能化技术提升认知的精准度、实时度。
5) 性能由固化既定向自主学习演化转变。系统的算法、性能一般在设计期就被决定与固化,性能的提升通过升级改造完成。智能化系统具备自学习、自演化能力,可以在线进行态势感知、智能决策的算法学习,提升系统性能。
6) 建设由基于能力向基于知识转变。指挥信息系统一般基于能力要素进行建设,系统集成以能力要素进行综合集成,智能化系统,更加关注系统的智力建设,聚焦系统的知识、规则、算法、数据的建设。
7) 交互方式向人机融合智能交互转变。人机融合智能感知、拟人化交互、面向意图的智能人机界面交互、可穿戴的人机融合计算协同于一体、融合联动的交互模式,将成为未来系统主要交互模式,以人御机的系统向人机融合进展。
8) 战训分离向战训演研一体化转变。第五代指挥信息系统将作战指挥与战术训练紧耦合,具有平行仿真、推理能力,既能更新智能算法,也可进行战法对抗研究,获取战术数据,促进算法学习。演习训练由兵棋推演向战场虚拟博弈发展。
3 总体架构设想
未来第五代指挥信息系统的总体架构应该是知识中心、人机融合、智能赋能、云边一体、自主演化、韧性适变的指挥信息系统。下文主要围绕系统架构、服务架构、技术架构等主要视角对系统总体进行阐述[15],其中系统架构主要指系统逻辑要素组成及其关系,服务架构描述系统之间的信息与计算资源的集成模式,技术架构描述了系统的技术参考模型。
3.1 系统架构设想
该系统从“信息化、网络中心”向“智能化、知识中心”转变,同时向战术边缘延伸。系统综合集成在原有基础上,进行知识与算法的共享集成,在态势、指挥、控制、保障等功能域进行智能化技术应用,提升作战指挥的认知与决策效能。系统架构设想如图1 所示。
第五代系统在态势感知、指挥决策、行动控制、支援保障、信息服务等功能要素基础上,扩展平行推演与学习训练功能域,满足作战分支评估及算法的学习需要。在态势认知方面,涵盖了计算智能、感知智能与认知智能,主要完成战场情报处理及目标识别,对态势进行理解、预测,有态有势,提升信息优势;指挥决策方面,以认知智能为主,能够机器战术推理、生成方案与计划,提升决策水平;行动控制方面,以计算智能与认知智能为主,完成任务监控及临机战术控制,提供知识推理的行动优化策略,比如指挥引导、火力协同、无人集群智能控制;综合保障方面,以计算智能为主,在先验知识与规则下,完成战场资源的优化调配;平行推演与学习训练方面,将指控与仿真训练结合起来,平时训练人员以及算法,战时进行平行方案推演。
此外,第五代系统具有自主演化的学习机制:一是节点内自主学习,优化算法与知识库;二是节点间通过指挥云共享智能算法与知识,协同完成演化,各节点可将学习后的算法和知识上传到指挥云,更新知识中心的算法及知识;三是系统向战术节点、武器节点、探测节点、作战保障节点下达指令,收集执行反馈,这些反馈结果可用来进行算法的学习演化。
第五代系统之间,在原有基于云/端架构的综合集成基础上,增加了面向知识与智能算法的集成共享方式,各指挥信息系统将智能算法与知识规则上传到知识中心,供战场探测、指挥、武器等异构节点进行即插即享,指挥信息系统可以从知识中心获取已有的智能知识,结合自身获取的战场数据进行二次学习与训练,提升算法能力。指挥云最终形成战场的智能知识中心,各智能化指挥信息系统之间形成战场知识网络。
3.2 云边端服务架构设想
云边端一体化服务能力支持第五代系统以“云部署、云聚合、云攻击、云消散”等方式,实现作战资源动态聚、释能,提升整个体系作战效能[17]。集中式作战云采用固定云的方式部署在指挥中心[16],为各类作战节点提供服务;空中、陆上、海上战术云为战术前沿的飞机、舰艇、装甲等兵力提供移动条件下的信息、算法、计算、存贮服务,提升了战术前沿的资源共享水平[9,16,18-19];战术边缘军事行动中,构建微云及皮云,微云以雾计算方式部署在距离前沿接敌分队通信一跳距离的车、机、艇上,扩展前沿分队人员的战术信息处理与共享能力,当单兵及分队无法访问微云时,可利用移动自组网与分散计算技术构建皮云,支持战术边缘弱连接下,端到端的信息动态汇聚与资源共享,延伸指挥链。
3.3 技术架构设想
第五代指挥信息系统将战争从物理域、信息域延伸到认知域,将改变指控方式,其技术架构如图3 。
第五代指挥信息系统在第四代指挥信息系统的网络化计算环境基础上,增加战术边缘服务、智能计算环境,既兼容系统的架构,又满足系统的智能化要求。战术边缘服务计算环境为弱连接终端提供微云及皮云的基础计算、存贮、信息服务平台;智能化计算环境为态势、决策、控制、人机交互提供智能服务。
智能技术环境层包括以下五部分内容。智能计算硬件平台,配置了GPU、FPGA、TPU等AI加速处理器,适应深度学习所要求的计算能力,个别算法采用神经元处理机制的类脑芯片或固化的专用智能计算芯片;智能数据管理平台,主要进行数据、样本、案例、模型、知识的管理;深度学习框架,集成了深度学习、强化学习的运行库及基本算法库;传统人工智能计算框架,包括了spark、bigflow等用于搜索求解、数据挖掘、并行处理等方面的传统算法支持库;智能服务,包含了面向应用的智能算法服务库,如智能交互识别、估值网计算、策略网计算等服务,为应用开发提供求解接口。
智能应用层,主要提供智能化态势认知、筹划决策、行动控制及信息服务、人机交互、学习与训练等功能要素,是系统主要面向用户的功能界面,是智能化要解决的核心问题。
上述的第五代系统技术架构模型,主要利用云计算与智能化技术的支撑服务,实现系统间的态势、指令及算法与知识的共享,同时支持系统自主演化、算法升级、知识更新。系统智能化可分为0~4级[20]。0级,完全人工控制;1级,实现计算智能,实现确定性的复杂战术计算与信息自动化处理;2级,具有一定感知智能,能够理解、评估、预测战场态势;第3级:具有认知智能,能提供机器决策及决策推演能力;4级,具有人机融合与共生能力,核心算法能够自学习、自演化。目前第四代系统的智能化水平一般处于1级,态势理解、指挥决策仍然由人把控。第五代系统的智能化可经过三个阶段达到第4级,第一阶段实现战场态势感知、理解与评估能力;第二阶段构建战法知识库,能基于规则、知识、算法实现机器决策;第三阶段实现核心任务的机器自学习、自演化,具备自主方案决策功能,达到人机融合的高度智能化水平[20]。
4 系统关键技术及其智能化设想
第五代指挥信息系统的关键技术涵盖指控OODA环的所有方面,能够支撑系统从探测、决策、控制、打击等方面的智能、韧性、边缘指控要求,从而构建精准感知链、快速控制链、精确打击链、敏捷服务链,向战术边缘延伸,提升指挥效能。
1) 态势感知机器分析技术
情报整编分析技术。利用大数据及深度学习、知识图谱等技术进行信息智能关联匹配、文本语义智能分析、舆情智能搜索与提取,从海量、多源、异构的战场信息中获取有价值情报。
多元目标快速识别技术。利用深度学习方法,构建多层CNN卷积神经网络,采用样本特征参数学习完成对光学、红外、电磁、声学信息进行特征提取与目标快速识别。
态势认知与理解技术。对敌进行作战意图、作战能力分析,利用强化学习的估值网络技术,模拟指挥员态势认知的过程,结合CNN非线性战场态势拟合能力,建立态势图像到态势理解的映射[22]。
态势机器预测与评估技术。在态势理解基础上,对敌战术行为进行预估,先利用策略网络获得敌方活动规律,再采用平行推演方法,进行多分支态势推演,最后构建预测网络进行态势预测。
2) 作战筹划机器决策技术
作战任务空间及策略建模技术。对作战任务空间的状态及行动策略进行建模,确定任务状态、策略、回馈的描述方法,是深度强化学习进行决策的基础。
任务规划机器决策技术。利用运筹优化完成目标分析、任务分配。利用深度强化学习、群体智能算法对兵力编成、火力配置、协同路径进行机器规划。战术筹划偏向规则推理,易突破;战役规划偏向基于经验的知识推理,涉及指挥艺术,较难突破。
作战方案平行推演技术。参考“深绿”系统平行仿真技术[23],采用蒙特卡洛搜索树及博弈试验方法,模拟敌作战行为,对行动流程进行预演与评估,积累回馈赏罚函数,供学习训练、优化决策。
作战计划智能生成技术。利用自然语言理解、语音指令辨识、草图识别等智能感知算法,结合任务模型的要素提取,利用知识图谱将方案进行自动提取生成作战计划与指令序列[24]。
临机快速决策技术。基于当前态势,利用博弈平台积累的学习数据,自动匹配最适当的预案调整,基于蒙特卡洛树搜索及迁移学习算法对预案进行动态决策,反向强化学习,增强预案泛化能力。
3) 行动控制智能化技术
基于态势的临机行动控制技术。根据作战行动的效果及偏差,对任务的资源、路径、协同模式进行动态调整,利用平行仿真多支推演与强化学习技术进行纠偏,实现战术“前馈式”的控制[4]。
群体智能协同控制技术。促进战场智能体协同作战全局效能最大化,利用蚁群、蜂群控制算法及深度强化学习方法,构建全局战术价值网络,建立效果回馈模型,根据价值网络进行策略控制。
火力协同控制技术。提升敌我识别、火力分配、协同调度的速度与精度,利用群智能及深度强化学习算法自动规划、协调优化打击链,具备一定自主决策能力。
4) 有人/无人协同指挥技术
多域集群系统自主协同机器筹划技术。利用分支搜索求解、知识推理、深度强化学习进行有人/无人系统的协同任务规划与分配,利用群智能优化算法规划无人、有人平台的协同轨迹。
多域集群系统自主协同指挥控制技术。对无人集群的巡航进行任务监视及自主协同指挥引导,利用群体智能算法进行多无人平台任务冲突检测及避碰控制,进行编组、路径、载荷等调配。
5) 智能化信息服务技术
战场信息智能共享技术,利用强化学习及语义关联技术分析用户的信息需求及喜好,生成基于用户差异化特征的信息需求,为用户智能推送战术信息。
6) 人机融合智能化交互技术
人机融合智能感知交互技术。构建多通道包含草图、口语、手势、头势、表情、眼动等多方式的人机交互手段,提供自然、灵敏、精准、拟人化的交互策略[5]。
面向意图的智能人机界面技术。利用FCM模糊认知交互推理技术,推理用户的交互意图,根据用户的界面需求与交互喜好,整合不同的口语、手势、草图、自然语言等手段,组织交互界面输出。
智能穿戴式人机融合技术。采用边缘计算技术,利用语音、手势、眼动、脑机接口、增强现实等新人机交互方式,为单兵提供智能可穿戴设备,具备协同一体、融合联动的人机交互模式。
7) 虚拟博弈与训练评估技术
作战虚拟博弈技术构建博弈对抗试验平台,进行作战知识建模,利用平行仿真、分支决策、微分对抗等技术,进行红蓝对抗,既训练战术、战法,又采集战术数据。
机器训练与评估技术,利用博弈平台积累的数据以及人员的经验建模,采用小样本迁移学习技术进行算法的训练与优化,对真实数据事后重放,对决策模型进行迁移学习优化,更新决策方案。
8) 系统韧性适变重构技术
环境感知与自主故障检测技术。在软硬毁伤下,进行主故障检测、异常关联分析,预测影响任务执行的故障发生,评估故障对任务的影响,实现对系统资源及故障的主动感知与快速定位。
系统自愈重构智能技术。当系统关键节点失效时,采用适变机制,重新分配资源,实现能力再生,持续保障核心任务完成。由预置规则、人工参与的故障修复方式向智能化的系统重构方式转变。
9) 战术边缘计算技术
移动微云服务平台技术。以雾计算方式部署在距离接敌一跳距离的车、机、艇上,为作战分队提供共享处理能力,扩展分队人员的战术信息处理能力。
弱连接自组网下的皮云资源共享技术。在单兵自组网基础上,采用分散计算技术构建皮云,支持弱连接下,端到端自主协同的信息共享与单兵移动设备之间资源共用,满足战术边缘需求。
5 发展思路设想
1) 分阶段先易后难循序渐进。第一阶段将图像、语音、手势、脸谱识别及自然语言理解等应用到情报分析中;第二阶段将深度学习、强化学习应用到态势认知、指挥决策中;第三阶段利用云计算实现知识中心,智能赋能的系统[6]。
2) 选取智能算法进行应用。围绕深度学习在态势方面的应用、深度强化学习在筹划决策方面的应用,选取合适的战术背景,对智能算法进行验证,可选用战术层面的路径、火力、任务等规划作为突破口[25]。
3) 强化作战指挥领域知识工程建设。专家规则、军事条例、实战数据是指挥智能化的基础,对现有作战规则进行知识化建模与表示,建立知识表示与深度学习的输入、输出映射关系,加强知识学习、知识推理的方法研究[4]。
4) 建立虚拟对抗博弈平台积累数据。智能算法需要大量学习样本,样本积累途径有:①建立对抗博弈平台进行兵棋推演、人机对抗、红蓝对抗,积累数据;②收集实战演习的战术数据,进行建模作为训练样本[21]。
6 结束语
本文提出了第五代指挥信息系统的总体及智能化设想,构建了“智能赋能、人机融合、云边一体、自主演化、云智共享、韧性适变”的新一代指挥信息系统架构,对其关键技术、能力特征进行分析,试图在国际上第四代系统的基础上[2],实现认知优势、决策优势、行动优势。国际上用于第五代系统的技术验证不多,不可急功近利,仍需充分研究。