下载文档原格式
美军作战云概念浅析吴宇航 彭振忠智能化时代的基础设施和核心架构，将基于物联网、云计算、大数据和人工智能“四位一体”规划设计。
云计算是大数据智能分析处理的基础支撑平台，云中共享的软硬件资源和信息可以连接各种物联网终端和设备，云存储为大数据提供记忆和存储空间，同时云计算的并行计算能力又促进了人工智能技术的发展。
“云概念”以其互联、高效、共享等特质，正在推动军事领域的重大变革。
美空军于2013年率先将“云概念”引入作战领域，提出作战云概念，并迅速得到美国防部、海军及其他军种的认可，以期解决其面临的威胁和挑战，保障美军在未来战争中保持优势。
提出背景为应对美军重回大国竞争之路的战略需求，美军提出作战云这一概念，以期在未来战争中保持优势。
进入21世纪后，美军参与的战争是在其掌握绝对制空权和制信息权的低对抗环境下进行的，未来倘若丧失绝对的空天和信息优势，美军将可能无法保持对战场的控制。
美军认为，若想在未来战争中保持持续的战场优势，面临着前所未有的威胁和挑战。
重回大国竞争，对手反介入/区域拒止能力强大。
在“对手反进入与区域拒止能力不断提升”的背景下，面对大量“精确制导远程巡航导弹和弹道导弹”威胁，以及中俄日益完善的防空反导体系建设，美军依托天基信息系统、大型海上作战平台、联合指挥控制中心等传统平台的优势不可延续，且容易被对手通过关键平台和关键节点的攻击迅速瘫痪美军作战力量体系。
美军现行作战概念相对陈旧，与F-22、F-35为代表的先进武器不相匹配，存在以21世纪的武器和20世纪作战概念进行当下作战的窘境。
美军急需新的作战理论来激活新型信息化装备的作战潜能，在保持作战力量同时应对国防预算紧缩的挑战，重拾美军与对手的全面优势。
传统采办滞后，美军武器装备建设弊端凸显不断。
在美国“金融危机”“国家安全需求不断增长”等多重因素影响下，美军国防预算身能力的情况下传递重要信息。
该数据链每4个月将进行1次升级。
但是，这种升级也只是改变了美军两型装备中的互联互通，信息融合的问题仍横亘在各武器平台、各军种之间。
美军加快推进智能作战平台建设的主要做法美军加快推进智能作战平台建设的主要做法是基于新兴科技的采用和技术创新的推动。
下面将详细介绍美军在智能作战平台建设方面的主要做法。
美军加快推进智能作战平台建设的一项重要做法是采用人工智能技术。
人工智能技术可以为作战平台提供智能化的决策支持和战场情报分析能力。
美军在此方面进行了大量的研发和应用实践，例如利用人工智能技术进行目标识别、情报分析和预测等工作，提高作战平台的智能化水平。
美军在智能作战平台建设中还重点推进了大数据和云计算技术的应用。
大数据技术可以对军事情报和战场信息进行快速、准确的分析和处理，为作战指挥决策提供重要支持。
云计算技术可以为军事指挥系统提供强大的计算和存储能力，实现作战平台的高效运行和快速响应能力。
美军还注重推进智能作战平台与物联网技术的融合。
物联网技术可以将各类作战平台和传感器设备进行联网，并通过数据传输、信息共享等方式实现对作战环境的全面感知和分析。
通过物联网技术的应用，美军可以实现对军事目标和资源进行有效调配和协同作战，提高作战平台的整体作战能力。
美军还注重推进智能作战平台与机器人技术的融合。
机器人技术可以为作战平台提供自主化和无人化的作战能力，提高作战效率和安全性。
美军已经在无人机、无人潜艇等作战平台中广泛运用机器人技术，取得了显著成效。
未来，美军将进一步推进机器人技术的应用，提高作战平台的自主化水平。
美军还注重推进智能作战平台与网络安全技术的结合。
在现代战争中，网络攻击已经成为一种重要的战争方式，对作战平台的网络安全性提出了严峻挑战。
美军积极推动网络安全技术的研发和应用，加强对作战平台的网络防护和安全管理，确保作战平台的稳定运行和信息安全。
美军加快推进智能作战平台建设的主要做法是基于新兴科技的采用和技术创新的推动。
通过人工智能技术、大数据和云计算技术、物联网技术、机器人技术以及网络安全技术的应用，美军不断提高作战平台的智能化水平和作战能力，以应对现代化战争的挑战。
从美军杀伤链流程看人工智能的应用马之璇人工智能在军事领域的飞跃性开发和应用已经并将继续深刻改变未来战争的面貌及作战样式。
为保持全球军事战略竞争优势，美国在这方面从未停止作战概念更新和实践探索，其作战效果由刺杀伊朗伊斯兰革命卫队“圣城旅”司令官卡西姆·苏链流程，以人工智能技术为核心，智能化武器装备平台为支撑，从而引发从侦察、决策再到交战的系统性变化，将推动美军未来作战进入一个更高的层次。
目标识别精细化对威胁与打击目标的方往往都会主动运用多样化的伪装、隐身、欺骗和干扰等手段和技术，进行目标识别与反识别对抗，且受气象环境、地理条件等客观因素干扰，识别难度也将进一步增大。
因此，仅仅依靠人力或者传统识别手段很难做到对目标的精确快速识别。
人工智能或将改变未来战场MQ-9收割者无人机被美国刺杀的伊朗将领苏莱曼尼能算法的武器装备平台为手段，在多重维度实施精确打击。
相对信息化战争中传统的精确打击而言，智能化战争中的精准定制杀伤融合速精准评估，并根据打击效果实时调整任务和战术。
在杀伤效果上，精准定制杀伤根据目标属性、战场环境和杀伤要求，自主定制并调整美空军上校约翰·博伊德环出现错误，其后果都将不堪设想。
二是人机关系问题。
通过前文的分析，不可否认的是，人工智能确实能够以其强大的数据处理、分析和融合能力，在复杂多变的战场环境下减轻参谋人员和指挥官的负担，甚至能够模拟人类思维进行感知和判断。
但国家安全造成巨大隐患，这一点不亚于克隆技术被滥用的危害。
人工智能的使用必须有边界，即决定权要交由人类。
三是法律问题。
法律的出台是为了保护人工智能技术的健康发展，规定其边界，使其不被滥用。
目前国际社会对于人工智能军事化AGM-114地狱火空地导弹。
云雾边缘计算一、引言随着物联网（IoT）和5G/6G通信技术的快速发展，数据量呈爆炸式增长，对数据处理和分析的需求也日益增强。
传统的云计算模式由于其数据传输延迟和带宽成本问题，已经无法满足一些低延迟和高带宽需求的应用场景。
为了解决这一问题，云雾边缘计算（Cloud-Fog Edge Computing）应运而生。
云雾边缘计算将数据处理和分析的任务从中心化的数据中心转移到了网络的边缘设备上，从而大大提高了数据处理的速度和效率。
二、云雾边缘计算概述云雾边缘计算是一种将云计算能力扩展到网络边缘的分布式计算模型。
它将数据处理和分析的任务从中心化的数据中心转移到了网络的边缘设备上，如终端设备、网关、路由器等。
这种计算模型利用了边缘设备的计算、存储和通信能力，实现了更快速、更高效的数据处理和分析。
同时，云雾边缘计算还具有低延迟、高带宽、低功耗等优势，能够满足各种低延迟和高带宽需求的应用场景。
三、云雾边缘计算架构云雾边缘计算的架构主要包括以下几个部分：1.终端设备：这些设备收集各种数据，包括传感器数据、视频数据等。
2.边缘节点：这些节点是网络的边缘设备，如网关、路由器等。
它们负责接收终端设备的数据，并进行初步的处理和分析。
3.雾计算节点：这些节点是比边缘节点更高级的计算节点，具有更强大的计算、存储和通信能力。
它们可以对经过初步处理的数据进行更深入的分析和处理。
4.云计算中心：这是整个架构的最高层，负责管理和调度整个架构的运行。
它还可以进行最高层次的数据处理和分析。
四、云雾边缘计算的优势与挑战云雾边缘计算的优势主要体现在以下几个方面：1.低延迟：由于数据处理和分析的任务在网络的边缘设备上进行，大大减少了数据传输的延迟，提高了应用的实时性能。
2.高带宽：边缘设备可以就近处理数据，避免了数据大量传输到中心化数据中心的带宽成本问题，提高了数据传输的效率。
3.降低中心化数据中心压力：通过将部分数据处理和分析的任务转移到网络的边缘设备上，可以减轻中心化数据中心的压力，使其更加专注于高层次的数据处理和分析任务。
美军筹划算法战的动因、举措与前景朱启超 龙 坤近年来，随着人工智能技术的快速发展和应用，算法战这一概念越来越受到美军重视，并采取一系列举措，推动算法战由概念走向实战应用。
本文从算法战的概念演变出发，探究美军推动算法战的动因，考察其在筹划算法战方面的主要布局，并对这一作战概念的整体前景及美军推进算法战面临的障碍进行分析。
算法战概念的缘起与发展“算法”通常是指描述解决问题的一系列清晰指令，“战争”则是千百年来军队试图使敌方屈服于己方意志的终极手段。
当“算法”遇上“战争”，会产生怎样的化学反应？“算法战”这一概念较早见于2013年4月美国智库项目主任詹森·希利的《震网事件预示算法战时代来临》文章中。
该文指出，震网病毒是首个用算法取代人手来扣动扳机的自主武器，这预示着算法战的时代或将来临。
此后，算法战这一概念日益受到美国学术界和军方的重视。
2016年9月，哈佛大学法学院发布了一份题为《战争算法问责》的研究报告，该报告将“战争算法”定义为“通过电脑代码表达、利用构建系统实现以及能在战争行动中运作的算法”。
2017年4月26日，美国防部明确建立算法战跨职能小组，标志着美国军方对算法战这一概念的正式认可。
美军筹划算法战的主要动因综合分析来看，美军高度重视算法军事应用的动因如下。
一是开发战争算法，破解数据爆炸式增长带来的情报分析难题。
美军推动算法战的直接诱因是军事大数据的显著增长给情报分析机构带来了巨大的处理难题。
随着各类传感器与计算机设备的高速发展和应用，全世界的数据量呈指数级增长。
面对铺天盖地的大数据，仅凭坐在办公室里的军事专业分析人员已无力应付。
与此同时，算力的显著提升及机器学习算法的进步，为快速而准确地分析大数据提供了有效手段。
算法的快速、准确、无疲劳等特征使之在大数据分析领域大展身手，展现出远超人类的能力。
正因如此，美国防部联合人工职能中心主任约翰·杰克·沙纳汉中将甚至称算法是“世界上最优秀、训练最有素的数据分析师”。
【作战实验】美军先进作战管理系统（ABMS）发展概览2020年8月31日至9月3日，美军举行了第二次先进作战管理系统(ABMS)“跨域2号”演示试验。
本次演示试验规模大、地域跨度广，以均势对手俄罗斯为假想敌，作战空间扩展到太空和网络空间域，可以说是一次真正意义上的全域作战联合演练。
本次联合演练对人工智能软件、5G技术、新型传感器及超高速武器等进行了测试，首次近实时地连接多个传感器和多个射手快速探测并击落来袭巡航导弹。
随后，在9月中旬美国印太司令部开展的“勇敢盾牌”联合军演期间，同时进行了第3次ABMS演示试验即“跨域3号”演示试验。
针对中美对抗场景，美联合部队开展了海上安全行动、反潜和防空作战、两栖作战以及对岛攻击等演练。
这次在美国本土以外开展的ABMS联合演示试验，测试了ABMS不受地理位置和平台限制的指挥控制与信息共享的能力。
联合演示试验表明，ABMS项目在传感器到射手的网络互连、利用云共享信息、人工智能软件辅助指挥决策等方面取得了较大进展，其中安全云（CloudONE）等部分ABMS技术与能力已可以投入部署应用。
美军已着手考虑在北美防空防天司令部、北方司令部和太空司令部部署第一批ABMS相关系统及技术。
在2020年9月召开的空军协会年会上，时任美国防部长Mark Esper称ABMS对未来针对俄罗斯和中国的作战行动至关重要，并表示ABMS不仅是未来联合全域指挥控制的关键，而且是全域作战的新型作战概念如“动态兵力运用(DFE)”的基础。
1. 研发背景及发展方向演进ABMS最初是美国空军为支持未来强对抗环境下的作战而研发的新一代战场监视与作战管理指挥控制系统，将取代大型空中平台E-3和E-8。
美空军早在2016年发布的《空中优势2030飞行计划》中就指出，随着敌方远程武器的不断发展和杀伤性能的不断增强，将极大地增加类似E-3这种大型作战管理与指挥控制（BMC2）平台的风险，这将限制其在对抗环境，特别是强对抗环境下的监视与作战管理能力。
美军多旋翼无人机提升单兵战场感知能力美军作为无人机实战应用的鼻祖，无人系统作战理念和飞行平台作战性能都非常先进，广泛担负侦察、打击和支援类任务。
目前，美军正在将无人机作战从战略、战役级向战术级延伸，研发了“多旋翼无人机”系统，用于保障排、班、火力小组和士兵的地面作战需求。
作战概念先进：地面士兵获得战场态势感知能力美军装备的无人作战平台主要应用在指挥、控制、通信、计算机、情报、监视、目标定位、获取、侦察（C4ISTAR）领域，MQ-9“死神”等无人机也在担负火力打击任务，K-MAX 在电子战、攻击支援、网络通信中继等领域也开始投入实战部署。
但是这些无人作战行动以往大多在战役以上层次进行，美军对此并不满足，专门为战术级作战研发了多旋翼无人机系统。
多旋翼无人机的设计理念非常先进，要求作战平台在全地形全天候条件下提供持续侦察监视能力，增强士兵在地面战斗中对所处战场空间的持续态势感知能力，从而提高作战效能和生存能力。
这种作战概念强调“当前战场空间”，无人机要掌握从每天到几个月的战场态势，所获取战场信息只供普通士兵使用，专门保障战术领域的作战需求，而不是战役、战略等更高层次的C4ISR作战。
在所有地形条件下，“当前战场空间”在某一特定时刻都有某种距离限制，比如，在城市作战环境下，当前战场空间局限在半径15米左右的范围内，而在开放的沙漠环境下，当前战场空间可能在任何方向上都要超过1.6千米。
目前，美军地面部队使用的无人机型号虽然很多（详见表1），但是仍然不具备当前战场空间态势感知能力，比如，海军陆战队小队使用的“扫描鹰”无人机长1.22米，翼展3.05米，全重15千克，续航力15～48小时，最大飞行高度4900米，可以将机翼折叠后放入贮藏箱进行战术部署，但是不能提供真正的稳定图像，不能实现“悬停和对地持续监视”（PaS），也不能在森林和密集街区等狭窄地形发射和降落。
对于地面作战的士兵而言，当前战场空间没有“时间窗口”，情报信息必须通过有协同关系的无人机操作员传递给士兵，由于战场的情报信息时效性非常强，比如有些无线电传送的敌方战术机动的图像信息可能在几秒中内过时，无人机操作员要将这情报传递给地面作战的士兵，就必须进行密切的作战协同。
第41卷第4期2020年8月国防科技NATIONAL DEFENSE TECHNOLOGYVol.41,No.4Aug.2020㊀[收稿日期]㊀2020-03-20㊀[修回日期]㊀2020-06-02㊀[采用日期]㊀2020-06-05[作者简介]㊀曾子林,女,博士,副教授,研究方向为军事智能化㊁军事运筹学㊂美军推进人工智能军事应用的举措、挑战及启示曾子林(陆军步兵学院演训中心,江西㊀南昌㊀330103)㊀㊀[摘㊀要]㊀人工智能技术的发展加速了军事智能化的脚步㊂本文分析了美军在推进人工智能军事应用方面采取的一系列举措,如注重国家战略层面的顶层设计,出台一系列智能化发展战略规划;部署各类军事智能化研究项目,开展大数据㊁智能算法研究,促进人工智能技术向情报处理㊁无人作战平台㊁指挥控制㊁武器装备系统㊁作战方式变革的渗透转化;重视智能化技术的基础理论研究和人才培养,聚焦核心和关键技术的突破,夯实军事智能化发展的基础㊂阐述了美军在推进人工智能军事应用进程中面临的来自技术㊁信任㊁伦理等多方面的挑战,并从成熟算法民转军用㊁寻求认知智能算法突破㊁培养军事智能化复合型人才等角度提出几点启示㊂[关键词]㊀美军;人工智能;军事应用[中图分类号]E9㊀㊀[文献标识码]A㊀㊀[文章编号]㊀1671-4547(2020)04-0106-05DOI:10.13943/j.issn 1671-4547.2020.04.181㊀引言人工智能技术在医疗㊁金融㊁安防㊁电商和教育等行业的成功应用让人们看到了军事智能化的曙光㊂美军加速推进人工智能军事应用的举动受到军内外学者的广泛关注,但很少有文献对美军人工智能军事应用所面临的挑战与困境展开深入分析㊂美军作为人工智能领域的领头羊,在推进人工智能军事应用方面取得了丰硕的成果,也面临着诸多挑战㊂美军在推进人工智能军事应用进程中的一些好的经验做法及面临的挑战对军队有着重要的借鉴与启示意义㊂2㊀美军推进人工智能军事应用的举措2.1㊀统筹规划,注重国家战略层面的顶层设计美军深刻洞察到科技革命和军事变革的发展态势,注重国家战略层面的人工智能发展顶层设计,出台了一系列智能化发展战略规划[1]㊂美国奥巴马政府早在2012年就提出‘大数据研究与发展计划倡议“,将大数据研发上升到国家战略层面,成立了大数据研发管理机构,并投入2亿美元经费作为科研启动资金,用于军事大数据技术创新及应用工具开发㊂2014年,美军制定第三次 抵消战略 ,实现其在作战概念㊁技术创新㊁组织形态和国防管理等方面的创新突破,以恢复并保持传统遏制力㊂此次战略抵消重点发展的五大技术领域包括自主学习系统㊁人机协作系统㊁人类作战行动辅助系统㊁有人/无人作战编队和网络赋能自主武器系统等,均以人工智能为核心㊂2016年,美国先后发布了‘为人工智能的未来做好准备“‘国家人工智能研究与发展战略规划“两份报告,对人工智能的发展现状㊁应用领域以及人工智能技术引发的潜在公共政策问题进行了探讨,确定了美国人工智能研发的七大重点战略方向,并于2019年公布了‘国家人工智能研究与发展战略规划“的更新版㊂该版在原先七个重点领域基础上,额外增加了一项内容:扩大公私合作伙伴关系,加速人工智能的发展㊂该项举措旨在通过政府统筹人工智能技术与应用研究,确保美国在人工智能领域处于领先地位㊂2018年8月,美国国防部公开新版的‘无人系统综合路线图(2017 2042)“㊂该路线图聚焦未来全域作战所需的技术支撑,围绕互操作性㊁自主性㊁安全网络㊁人机协同等主题,指导军用无人机㊁无人潜航器㊁无人水面艇㊁无人地㊀曾子林:美军推进人工智能军事应用的举措㊁挑战及启示面车辆等的全面发展,加快颠覆性技术的发展和运用,为确保军种的无人系统发展目标与国防部规划保持一致提供顶层战略指南㊂美军的这些举措充分表明,美军对于人工智能在军事领域的应用已统筹规划㊁提前布局㊂2.2㊀以项目为支撑,加速智能化技术在军事领域的深化应用早在20世纪,美军就通过部署各类军事智能化研究项目,开展大数据㊁智能算法研究,促进人工智能技术向情报处理㊁无人作战平台㊁指挥控制㊁武器装备系统[2]㊁作战方式变革的渗透转化㊂20世纪70年代,美军启动了语音识别研究项目,借助人工智能技术处理复杂的语音逻辑规则,提高词汇辨认率㊂该技术主要应用于对不同国家㊁地区以及组织搜集情报的处理㊂2001年,为解决新型无人车的环境感知问题,美国国防高级研究计划局(Defense Advanced Research Projects Agency,简称DARPA)启动了PerceptOR 项目,其目标是保证无人车能够在各种战场环境及恶劣的天气条件下执行任务㊂2007年,美国陆军开发了 深绿 系统,期待能像 深蓝 系统那样穷尽敌军所有可能行动,为指挥员指挥与控制提供辅助决策㊂但该项目由于战场复杂态势的不确定性导致出现组合爆炸问题而被搁浅[3]㊂2009 2014年,DARPA先后启动了 洞察 X 数据 心灵之眼 文本深度挖掘和过滤技术 等为代表的大数据技术研究项目,探索利用智能算法从文本㊁声音㊁图像㊁视频等多源数据中自主获取㊁处理及挖掘信息,以解决对抗条件下的态势认知㊁威胁判断和行动建议生成等问题㊂2017年,美军成立 算法战跨职能小组 [4],开展代号为 MAVEN 的项目,将深度学习技术用于实战,挖掘分析无人机系统从中东地区收集的大量视频数据,加速作战数据与机器学习技术的有效融合㊂此外,美军还将智能技术嵌入作战平台,提升武器装备的智能化水平㊂例如,2020年初,美陆军研究实验室推进越野自主技术研究,使未来无人作战平台能够在复杂对抗的动态环境下做出高效决策,能够按照陆军作战节奏有效执行多种任务㊂除此之外,美军还提出了 分布式作战 蜂群 马赛克战 多域战 及 全域战 等一系列与智能化技术相匹配的新型作战概念,以谋求新的不对称作战优势㊂例如, 2020年美军在 多域战 概念基础上提出 全域战 ,并探索人工智能技术在 全域战 中早期预警㊁分析处理数据㊁自主生成行动序列和自主分配任务等方面的应用㊂2.3㊀重视智能化技术的基础性理论研究及人才培养基础性研究对创新起主导作用㊂美军向来重视智能化技术的基础性研究,聚焦核心和关键技术的突破,夯实军事智能化发展的基础㊂美国联邦政府在算法㊁芯片㊁传感器等基础领域进行了长期持续性的投资,研究水平遥遥领先,创新优势显著㊂为了维持美国人工智能的创新优势, DARPA㊁国家科学基金会等一些大型研究机构开展了一系列具有长远价值及战略眼光的基础研究项目㊂例如,DARPA于2018年9月投资20亿美元启动 下一代人工智能 计划,提出发展第三代人工智能基础理论和技术,试图探索国防部关键业务流程自动化㊁提高人工智能系统的稳健性㊁增强人工智能技术的安全性和灵活性㊁避免数据和性能效率低下以及开发下一代人工智能算法等方面的关键技术,使未来的智能机器具备与人类交流及逻辑推理能力㊂美军还重视与人工智能龙头企业及知名高校的合作,通过军民融合的方式促进人工智能关键技术攻关及智能武器研发工作㊂与此同时,美军在人工智能领域的基础性人才培养方面也出台了一些规划和措施㊂2019年2月,美国发布‘美国人工智能计划“,该计划包括五个关键领域,人才培养是其中之一㊂计划要求各机构通过培训㊁奖学金和理工科教育等方式,帮助美国工人获得开发和应用人工智能技术的技能㊂3㊀美军人工智能军事应用面临的挑战美军推进人工智能技术在军事领域的应用并非一帆风顺,面临来自技术㊁信任和伦理等多方面的挑战㊂3.1㊀人工智能技术面临稳健性与可解释性不强的瓶颈相比传统的人工智能,以深度学习为代表的机器学习算法,在语音识别㊁机器翻译和人机博弈等方面取得了突破性进展,其水平可以接近甚至超越人类㊂但是,这不意味着人工智能程度已经达到或超过了人类㊂从已有的技术看,人工智能只能处理任务单一㊁需求明确以及应用边界清晰的特定任务,离具备概念抽象㊁自主推理㊁规701㊀国防科技㊀2020年第4期(总第323期)划决策能力的通用人工智能仍有较大差距㊂目前,稳健性及可解释性是限制人工智能技术发展的主要瓶颈㊂当前的人工智能技术普遍存在稳健性问题,主要表现在两方面:一是很大程度上依赖高质量的训练数据㊂例如,当训练数据有限时,大规模的深度神经网络易出现过拟合现象,泛化能力差㊂二是在特定数据集训练好的深度神经网络易受到 对抗 样本的干扰和欺骗㊂例如,在军事领域中,利用一张精心设计的打印图片便可轻易地躲避智能侦察设备的搜索㊂可解释性不强是当前以深度学习为代表的人工智能技术的另一个弊端㊂绝大部分算法属于 黑盒 系统,中间的分析与决策过程不得而知,也缺乏可交互性和操作性㊂对于大规模的深度学习网络,由于存在复杂的非线性变换及大量的神经元连接,少量扰动即可引起结果的剧烈变化,表现出的行为将会变得难以理解㊂具有可解释性的智能系统能够实现人机互操作,便于将人的经验融入到决策中,做到决策可追溯㊁可引导㊁可纠正,从而提升系统的智能性㊂现代战场环境错综复杂,作战环境的微小改变都有可能让智能化算法不再 智能 ㊂加强算法的稳健性和可解释性,是发展通用人工智能迫切需要解决的问题㊂美军已将发展稳健性与可解释的人工智能系统作为下一代人工智能的重要研究课题提上日程㊂3.2㊀学习机制的本质差异导致人机信任危机由于目前的算法可解释性不强,其行为和表现难以让人理解㊂这将影响人对智能系统的信任度㊂例如,利用深度学习对哈士奇和爱斯基摩犬进行分类,起初的分类效果非常好,但后来通过数据测试发现,智能系统更多是通过背景对二者进行分类,而并非狗本身的特征[5]㊂这是因为,在训练样本中,爱斯基摩犬的照片背景几乎都是冰天雪地,而哈士奇则相反㊂这样的例子数不胜数,若将这样的理解应用于作战决策中,后果是不堪设想的㊂DARPA战术技术办公室主任弗雷德㊃肯尼迪在2018年4月10日美国海军举办的 海空天联盟 小组会议上也对当前人工智能系统行为决策无法解释表示担忧,并提出依托DARPA 可解释人工智能 项目推动研究人员理解人工智能行为决策背后的机理㊂人工智能的机器学习方式与人类学习方式之间不同的学习机制也是造成人机信任危机的重要原因之一㊂机器学习通过大量数据来消除不确定性实现模式检测,而人类学习主要依靠归纳法和逻辑推理㊂例如,对于人类来说,识别一只猫可以在瞬间完成㊂人类根据某些猫科动物特征的外观和运动来识别一只猫,而计算机识别一只猫需基于大量关于猫的图像㊂这些图像被人工标记为猫或不是猫,然后通过提取图像的关键特征,构建一定的模型来学习图像特征与标记之间的关系㊂计算机学习完毕后,就具备了识别能力,这时给它图片,它就能判定这张图片到底是不是猫㊂机器得出结论的这种方式会让人工智能用户产生不信任感㊂如果这是一只机器从未见过的猫呢?如果是一只狗,打扮得特别像猫呢?这种信任的挑战在战场上显得尤为严峻,而信任是作战人员执行一切作战行动的重要前提条件㊂战场上缺乏信任,就不会有当机立断的决策㊁高效顺畅的指挥以及密切配合的协同㊂在未来的智能化战争中,指挥员可能不得不根据人工智能系统提供的信息做出生死抉择㊂此时,人机信任问题是难以逾越的一道屏障㊂事实上,美军的一次实验充分暴露了人工智能技术潜在的风险㊂该实验显示,在人工智能分析技术的帮助下,只需改变图像上的几个像素就可以把一辆校车变成坦克㊂这些漏洞若被敌方利用,后果将不堪设想㊂由此可见,即便是当今商业领域最常用的图像识别等诸如此类的简单人工智能应用,指挥员也可能不愿相信㊂3.3㊀人工智能武器的不易控制性引发伦理挑战尽管人们对人工智能技术改善生活的前景普遍持乐观态度,但近年来人工智能科学家对为国家安全使用先进技术更多地持保守态度㊂正如化学家和生物学家没兴趣开发生化武器一样,大多数人工智能科学家也不希望开发智能武器用于邪恶的战争㊂以谷歌为代表的硅谷公司,就对与美国政府在国家安全问题上的合作持怀疑态度㊂谷歌在遭到4000名员工的反对后,最后终止与国防部Maven项目的合作㊂在2018年国际人工智能联合会议上,来自全球60多个国家㊁超过2000名人工智能科学家㊁企业家㊁研究者共同签署了‘致命性自主武器宣言“,宣誓不参与致命性自主武器系统的开发㊁研制㊁交易及使用㊂人工智能技术被认为是继火药和核武器之后的第三次武器革命㊂智能机器虽然可以替代人类士兵作战,有效减少伤亡人数,但也会降低发动战争的门槛㊂2017年11月,日内瓦联合国特定常规武801㊀曾子林:美军推进人工智能军事应用的举措㊁挑战及启示器公约会议上播放了一段 杀人蜂 自主执行杀人任务的视频㊂该 杀人蜂 只有蜜蜂体积大小,携带3克炸药,集成了外部传感㊁面部识别等一系列智能技术,可以自主跟踪目标,躲避攻击,能瞬间穿透人的颅骨进行爆炸攻击㊂该视频还给出了一组数据,仅仅耗费2500万美金购置的 杀人蜂 可以毁灭半个城市,而同等价格的战斧式巡航导弹仅能摧毁一座机场㊂恐怖分子一旦掌握这种廉价且极其高效的致命性自主武器,将轻易突破严密防御,对攻击目标进行外科手术式的精确袭击,造成人类世界的悲剧㊂美国特斯拉公司CEO埃隆㊃马斯克就曾直言不讳地指出,人工智能可能比核弹头或朝鲜更危险㊂他警告称,机器学习的速度可能超过人类控制它们的能力㊂对智能武器的控制远比核军备控制复杂得多,核武器裂变材料的生产和运载系统可以远距离探测到,而智能武器不需要昂贵或稀有的原材料,监测自主武器的发展和使用将会困难得多㊂由于智能武器生产成本低,技术易于获取,很容易被各股军事力量大规模生产㊂届时,智能武器将成为刺杀㊁颠覆政权㊁灭亡某个种族的理想工具㊂从博弈的角度看,只要任意一支军事力量推动人工智能武器开发,那么全球智能武器军备竞赛将不可避免㊂4㊀美军推进人工智能军事应用对军队的启示4.1㊀在成熟算法民转军的基础上,加强应用人工智能的发展阶段可分为计算智能㊁感知智能和认知智能三个层次,目前在计算智能方面已远超人类㊂随着深度学习方法的突破,感知智能已逐步接近人类水平,但在以理解㊁推理和思考为代表能力的认知智能方面仍进展缓慢㊂因此,人工智能技术要在军事指挥决策领域发挥主导作用还十分困难, 战争迷雾 带来的不确定性会对智能系统的运行产生干扰,现阶段应以人工智能成熟技术的应用为主㊂例如,我国在语音识别㊁图像识别㊁自然语言处理和自动驾驶技术等领域取得显著突破㊂这些技术可通过 军民融合 战略迅速应用到军事领域,在目标自动识别㊁无人作战平台等领域发挥巨大作用㊂在此基础上,探索军事领域认知智能新技术,比如察觉㊁理解敌方作战意图㊁威胁程度,根据当前态势预测未来出现的态势,自主理解联合作战行动计划与上级协同动作计划,实时协调军种联合作战行动与兵种合同作战行动㊁本级与友邻的作战行动等㊂4.2㊀寻求认知智能算法的突破人工智能在算法上并没有根本性突破㊂大部分算法建立在大数据和云计算的基础上,且多数为有监督的学习,样本标签难以获取㊂这种学习方式与人类截然不同㊂人类多数时候是基于小样本或经验在学习,而且很容易举一反三㊂因此,要实现认知智能的突破,需要彻底改变传统的学习方式,重点研究面向小样本和经验的学习算法,克服传统算法对数据规模的饥渴挑战㊂一是创新小样本学习技术㊂2015年,‘科学“杂志报道了美国麻省理工学院学者提出的贝叶斯程序学习方法(BPL)[6]㊂该方法仅用少量训练样本,通过推理算法就能实现 只看一眼就会写字 的智能系统,并通过了图灵测试㊂迁移学习[7]也是一种典型的小样本学习方法,是运用已有知识对相似领域问题进行求解的一种学习方法,其目的是为了更高效地学习 目标任务 ㊂二是研究基于人机融合的学习算法㊂鉴于作战任务认知的复杂性,而有些知识是指挥员很容易就能够提炼的,为了发挥人类的思维优势,可考虑在基于数据的统计学习过程中嵌入人类经验进行指导㊂三是重视数据与知识结合㊂鉴于军事样本的稀缺性特点,可尝试 数据不够,知识来补 的路径,研究数据与知识图谱相结合的学习算法㊂因此,领域知识工程在当下仍然有必要开展㊂应建立军事领域的知识图谱,包括概念知识㊁业务知识㊁装备知识㊁组织体制知识和作战运用知识等,将指挥人员的知识转化为机器所能理解的形式㊂例如,美军一直很重视知识工程,建有完备的条令㊁条例和交战规则等知识体系[8]㊂4.3㊀多管齐下,培养军事智能化复合型人才学科交叉是实现创新突破的捷径㊂美军 算法战跨职能小组 人员组成结构的一个显著特点就是多学科融合㊁多职能融合,不同专业㊁学科的人才通力合作,共同创新㊂为解决人才匮乏这个燃眉之急,需多管齐下,大力培养交叉型学科人才㊂一是要扎根军民融合的深厚土壤,通过加强与地方高校㊁大型人工智能企业合作的方式开展军事智能化研究,在合作研究过程中打造一支基础理论深厚㊁实践能力强的团队㊂二是要完善人才引进政策,高薪聘请国内人工智能顶级专家901㊀国防科技㊀2020年第4期(总第323期)来部队工作,为其营造良好的研究氛围,激发其创新动力,并通过专家传帮带来培养一批具有工程功底㊁精于数学㊁计算机和军事学的高智人才为部队服务㊂三是要探索院校㊁科研院所㊁部队联合培养机制,从战场需求出发,以战为牵引培养具有鲜明军事特色的复合型人才㊂5㊀结语军事智能化已成为各国军方关注的热点,智能化技术在军事领域的广泛应用也是不可逆转的趋势㊂军队应牢牢抓住此次 弯道超车 的机会,加速智能算法军用化的步伐,寻求认知智能算法的突破,培养军事智能化复合型人才,为打赢智能化战争提前布局㊂参考文献[1]王璐菲.美国制定人工智能研发战略规划[J].防务视点,2017(3):59-61.[2]王晗,杨子明,张晓龙.美军智能化武器装备体系发展[J].国防科技,2019,40(4):15-19.[3]金欣. 深绿 及AlphaGo对指挥与控制智能化的启示[J].指挥与控制学报,2016,2(3):202-207. [4]龙坤,朱启超. 算法战争 的概念㊁特点与影响[J].国防科技,2017,38(6):36-42.[5]张晓海,操新文.基于深度学习的军事智能决策支持系统[J].指挥控制与仿真,2018,40(2):1-7. [6]Lake B M,Salakhutdinov R,Tenenbaum J B.Human-level concept learning through probabilistic program induction[J].Science,2015,350(6266):1332-1338.[7]庄福振,罗平,何清,等.迁移学习研究进展[J].软件学报,2015,26(1):26-39.[8]金欣.指挥控制智能化现状与发展[J].指挥信息系统与技术,2017,8(4):10-18.The measures,challenges and implications of the U.S.Armyin advancing the military application of artificial intelligenceZENG Zilin(Excercise Center,Army Infantry Academy,Nanchang330103,China)㊀㊀Abstract:The development of artificial intelligence technology accelerates the pace of military intelligence.The U.S.has taken a series of steps to promote the military application of artificial intelligence.Firstly,the US has attached great importance to strategic design at the top level and issued a series of intelligent development strategic plans.Secondly,by the deployment of various military intelligent research projects,the investigation on big data and intelligent algorithms have been carried out to promote the penetration and transformation of artificial intelligence technologies in the fields of intelligence processing,unmanned combat platforms,command and control,weapons and equipment systems and operational mode reform.Thanks to these measures,the U.S.pays great attention to the basic theoretical research and personnel training of intelligent technology,focuses on breakthroughs in core and key technologies,and lays a solid foundation for the development of military intelligence.It is pointed out that the U.S.is also faced with challenges from technology,trust,ethics in the process of advancing the military application of artificial intelligence.At last,some implications and suggestions are put forward to promote military application of mature algorithms,break through cognitive intelligence algorithms,and train military intelligence inter-disciplinary talents.Key words:the U.S.;artificial intelligence;military application(责任编辑:周宁琳) 011。
