引言：人工智能（AI）是機(jī)器表現(xiàn)出的智能行為。AI的關(guān)鍵問題包括推理、規(guī)劃和學(xué)習(xí)。在軍事應(yīng)用中，AI可應(yīng)用于從戰(zhàn)斗級(jí)別到戰(zhàn)術(shù)和作戰(zhàn)級(jí)別的場(chǎng)合，如應(yīng)用在營(yíng)級(jí)和旅級(jí)決策支持系統(tǒng)中。

本文探討如何在指揮控制系統(tǒng)中使用AI，討論了如何利用AI方法輔助作戰(zhàn)指揮決策。在指揮控制系統(tǒng)中應(yīng)用AI系統(tǒng)，可以快速獲取準(zhǔn)確信息，更快地做出決策，并在作戰(zhàn)中獲得優(yōu)勢(shì)。

01AI對(duì)指揮控制的影響

隨著近年來AI技術(shù)的不斷進(jìn)步，在某些任務(wù)上它超越了人類，特別是在深度學(xué)習(xí)（DL）領(lǐng)域。 所謂深度學(xué)習(xí)是指由多層非線性處理單元組成的機(jī)器學(xué)習(xí)模型。所有基于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)系統(tǒng)被稱為深度神經(jīng)網(wǎng)絡(luò)（DNN）。大量數(shù)據(jù)的獲取與強(qiáng)大計(jì)算機(jī)的結(jié)合，再加上一系列創(chuàng)新（如初始化策略和數(shù)據(jù)歸一化），使得這些大容量網(wǎng)絡(luò)的訓(xùn)練取得了成功。使用DL和DNN，將使人們不再需要手動(dòng)創(chuàng)建特定任務(wù)所需要的特征。取而代之的是，在DNN的訓(xùn)練過程中自動(dòng)學(xué)習(xí)和識(shí)別特征。 需要強(qiáng)調(diào)的是，DNN并不是解決所有AI問題的靈丹妙藥，根據(jù)具體場(chǎng)景和任務(wù)，還需要結(jié)合其他AI概念和機(jī)器學(xué)習(xí)模型。 戰(zhàn)場(chǎng)致勝的關(guān)鍵在于比敵人更快速進(jìn)行指揮控制，迫使敵人做出反應(yīng)而不是采取行動(dòng)。實(shí)現(xiàn)這一目標(biāo)的先決條件是能夠快速處理大量信息，并對(duì)不確定因素進(jìn)行有效建模。 對(duì)于軍事部門來說，將AI納入指揮控制系統(tǒng)的好處在于，當(dāng)時(shí)間緊迫或選項(xiàng)過多、人們無法分析備選行動(dòng)方案時(shí)，AI可以提供關(guān)鍵的系統(tǒng)支持。因此，在戰(zhàn)術(shù)和作戰(zhàn)層面使用AI的戰(zhàn)略重要性不言而喻。與以往的軍事能力變革一樣，AI有可能極大地改變軍事戰(zhàn)略平衡。

02指揮控制系統(tǒng)的OODA環(huán)

對(duì)于特定的軍事任務(wù)而言，指揮控制過程是一個(gè)高度動(dòng)態(tài)的過程，可在一定程度上將其建模為一個(gè)動(dòng)態(tài)的觀察、定位、決策和行動(dòng)環(huán)（即OODA環(huán)）。如圖1所示，傳感器會(huì)對(duì)效果進(jìn)行觀察，一起收集傳感器數(shù)據(jù)與系統(tǒng)內(nèi)部狀態(tài)數(shù)據(jù)（如任務(wù)進(jìn)度）。在推理/感知過程中，一起確定對(duì)任務(wù)至關(guān)重要的事件，同時(shí)確定任務(wù)、資源和限制條件。

圖1 OODA環(huán)

最后，確定計(jì)劃、分配資產(chǎn)、評(píng)估風(fēng)險(xiǎn)。這個(gè)循環(huán)過程一直持續(xù)到任務(wù)完成、失敗或撤銷。整個(gè)OODA 環(huán)中的所有階段都與指揮控制系統(tǒng)必須考慮的不確定性有關(guān)。

03AI的發(fā)展機(jī)遇

目前，民用部門正在推動(dòng)著AI創(chuàng)新。其開發(fā)的AI技術(shù)和概念也適用于軍事系統(tǒng)。要實(shí)現(xiàn)良好的指揮決策支持，目前最重要的是為要解決的問題構(gòu)建適當(dāng)?shù)闹R(shí)體系。這種知識(shí)體系為AI方法的運(yùn)用提供了框架。構(gòu)建知識(shí)體系是一個(gè)智力問題。如果能很好地完成這項(xiàng)工作，指揮決策支持的剩余工作就是在體系框架內(nèi)進(jìn)行數(shù)學(xué)運(yùn)算，并為決策者提供良好的演示。

3.1 AI分析

在分析階段，人們要處理和組合信息，構(gòu)建一個(gè)通用的通用作戰(zhàn)圖（COP）。包括對(duì)接收到的信息進(jìn)行分類、識(shí)別當(dāng)前態(tài)勢(shì)、構(gòu)建動(dòng)態(tài)更新的COP，以及檢查自身系統(tǒng)是否被欺騙。 使用信息融合技術(shù)可以根據(jù)接收到的一系列情報(bào)報(bào)告自動(dòng)生成戰(zhàn)術(shù)共同行動(dòng)計(jì)劃。因此，分析階段本身就很重要，但它還有一個(gè)目的，即所分析的結(jié)果可輸入后續(xù)的規(guī)劃和執(zhí)行階段，輔助決策支持。

3.2 AI任務(wù)規(guī)劃

對(duì)于任務(wù)規(guī)劃而言，需要規(guī)劃軍事行動(dòng)的人進(jìn)行“假設(shè)”，盡可能真實(shí)地模擬軍事行動(dòng)將產(chǎn)生的不同影響，評(píng)估不同計(jì)劃的預(yù)期效果。這既包括對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)的影響，也包括對(duì)道德、后勤和難民等其他因素的影響。 同樣重要的是，在演習(xí)中獲得的軍事知識(shí)可以作為規(guī)劃決策支持系統(tǒng)的輔助手段。在制定計(jì)劃時(shí)，需要這些知識(shí)來確定要實(shí)現(xiàn)的目標(biāo)，有效地分配資源；在執(zhí)行任務(wù)時(shí)，需要這些知識(shí)來監(jiān)測(cè)任務(wù)的進(jìn)程，并根據(jù)需要提出重新規(guī)劃任務(wù)的建議。 在計(jì)劃執(zhí)行過程中和執(zhí)行前，可以使用定性或定量方法進(jìn)行分析。在分析行動(dòng)方案（COA）的定性方法中，可以使用一個(gè)突出論證模型之間異同的框架來選擇和完善軍事行動(dòng)方案。 另一種方法是使用定量方法。其中一個(gè)例子是將AI和多代理系統(tǒng)結(jié)合起來。如在紅藍(lán)對(duì)抗系統(tǒng)訓(xùn)練中，藍(lán)隊(duì)代表我方的目的、目標(biāo)和利益，而敵方則由紅隊(duì)代表。假定紅隊(duì)在軍事規(guī)劃和決策中有著悠久的傳統(tǒng)，通過讓紅隊(duì)模仿敵方的動(dòng)機(jī)、意圖、行為和預(yù)期行動(dòng)，己方就可以測(cè)試和評(píng)估行動(dòng)方案，找出利用敵方弱點(diǎn)的機(jī)會(huì)，并學(xué)習(xí)了解藍(lán)紅雙方的互動(dòng)動(dòng)態(tài)。這里，AI和多代理系統(tǒng)可以結(jié)合起來，為決策和規(guī)劃提供支持。它使決策者能夠探索可能影響目標(biāo)的事件發(fā)展情況，發(fā)現(xiàn)和評(píng)估自身的弱點(diǎn)，學(xué)習(xí)了解敵人的行為，并找到獲勝的策略。

3.3 AI參與作戰(zhàn)任務(wù)

AI看法基于他們對(duì)當(dāng)前局勢(shì)的看法以及可以采取的替代行動(dòng)。該模型可用于高級(jí)模擬，以評(píng)估決策支持系統(tǒng)框架內(nèi)的行動(dòng)。 DARPA最近開展了一個(gè)名為“實(shí)時(shí)對(duì)抗智能與決策”（RAID）的研究項(xiàng)目，利用預(yù)測(cè)分析、AI和模擬來分析對(duì)手的行動(dòng)。RAID開發(fā)的技術(shù)可協(xié)助戰(zhàn)術(shù)指揮官評(píng)估敵對(duì)部隊(duì)的位置、兵力和目的，并預(yù)測(cè)其可能的戰(zhàn)術(shù)行動(dòng)，從而有效實(shí)施打擊對(duì)手的行動(dòng)。這包括識(shí)別對(duì)手的意圖、預(yù)測(cè)對(duì)手的戰(zhàn)略、發(fā)現(xiàn)欺騙行為、規(guī)劃己方的欺騙行為、生成戰(zhàn)略規(guī)劃等。這些問題出現(xiàn)在軍事行動(dòng)計(jì)劃、行動(dòng)執(zhí)行、情報(bào)分析等方面。為此，RAID將AI規(guī)劃與認(rèn)知建模、博弈論、控制論和機(jī)器學(xué)習(xí)相結(jié)合。 機(jī)器學(xué)習(xí)還可用于制定作戰(zhàn)戰(zhàn)術(shù)。Q-learning是一種強(qiáng)化學(xué)習(xí)算法，已成功用于空戰(zhàn)目標(biāo)分配。AI還有助于讓工作人員更高效地工作，其中一個(gè)應(yīng)用是自動(dòng)生成報(bào)告總結(jié)。這種需求來自于層級(jí)式的組織結(jié)構(gòu)。在這種結(jié)構(gòu)中，每個(gè)上層人員都會(huì)收到來自下層人員的報(bào)告。因此，如果不進(jìn)行總結(jié)，向上傳遞的信息量可能會(huì)呈指數(shù)級(jí)增長(zhǎng)。過去，自動(dòng)文本摘要屬于提取類型，即從原始文檔中剪切和粘貼相關(guān)的完整句子。最近，隨著序列到序列建模的深度學(xué)習(xí)技術(shù)的發(fā)展，出現(xiàn)了用于摘要的抽象方法。抽象方法能夠生成摘要。 另一個(gè)應(yīng)用是將語音轉(zhuǎn)錄為文本。自計(jì)算機(jī)興起以來，機(jī)器學(xué)習(xí)一直是語音識(shí)別系統(tǒng)的基礎(chǔ)。當(dāng)今最先進(jìn)的算法都基于深度學(xué)習(xí)技術(shù)。

04AI的可行性

當(dāng)前，基于AI的后勤規(guī)劃工具“部署與執(zhí)行聯(lián)合助理”（JADE）已被美國(guó)軍方使用，美海軍JADE也已應(yīng)用了很長(zhǎng)時(shí)間。美軍研究實(shí)驗(yàn)室開發(fā)了一種名為Sniper-RT3的任務(wù)規(guī)劃和培訓(xùn)工具，以三維地形數(shù)據(jù)為基礎(chǔ)，這些信息在布置傳感器或部隊(duì)防衛(wèi)時(shí)至關(guān)重要。 AI的自動(dòng)語音識(shí)別技術(shù)也已經(jīng)日漸成熟。微軟、谷歌、亞馬遜等公司都有利用最新深度學(xué)習(xí)技術(shù)的產(chǎn)品，用于語音對(duì)話系統(tǒng)。 正如AI領(lǐng)域的最新進(jìn)展所證明的那樣，海量數(shù)據(jù)的可用性是實(shí)現(xiàn)強(qiáng)大AI系統(tǒng)的基礎(chǔ)。在不同的場(chǎng)景或應(yīng)用中，特別是在某些軍事環(huán)境中這可能是一項(xiàng)挑戰(zhàn)。在數(shù)據(jù)稀缺的情況下，遷移學(xué)習(xí)等技術(shù)將對(duì)許多軍事應(yīng)用非常重要。在遷移學(xué)習(xí)中，針對(duì)類似但不同的應(yīng)用所訓(xùn)練出來的機(jī)器學(xué)習(xí)模型將可以被重復(fù)使用并適應(yīng)新的問題。例如，軍事報(bào)告和摘要不同于民用報(bào)告和摘要，然而，考慮到兩者的相似性，可以預(yù)期，在非軍事文本上訓(xùn)練總結(jié)算法將是機(jī)器學(xué)習(xí)模型學(xué)習(xí)特定軍事用例總結(jié)的良好起點(diǎn)。

05結(jié)論

本文介紹了如何利用AI來增強(qiáng)未來指揮控制系統(tǒng)的決策支持功能。指出了AI可以發(fā)揮作用的領(lǐng)域。從指揮控制系統(tǒng)建模的角度來看，本文指出了指揮控制流程中需要考慮AI功能的三項(xiàng)主要活動(dòng)，即：感知決策、規(guī)劃、軍事活動(dòng)。為促進(jìn)感知決策過程，可以利用各種不同的智能信息處理工具實(shí)現(xiàn)信息優(yōu)勢(shì)。在規(guī)劃方面，用于處理戰(zhàn)術(shù)數(shù)據(jù)庫（地形、后勤、理論等）的工具可與決策支持工具相結(jié)合，使指揮官能夠在不同的抽象層次上評(píng)估不同的行動(dòng)方案。最后，AI對(duì)執(zhí)行的支持內(nèi)容包括為指揮官評(píng)估備選行動(dòng)，以及在執(zhí)行行動(dòng)期間為不同類型的參謀工作提供便利，例如使用語音轉(zhuǎn)文字工具快速、正確地傳達(dá)不同的簡(jiǎn)報(bào)。 從最終用戶的角度看，有些AI工具，如語音到文本工具、地形分析功能等智能工具，已經(jīng)非常成熟；而在其他領(lǐng)域，如推理對(duì)手的博弈論工具，還需要進(jìn)一步進(jìn)行深入研究才能實(shí)現(xiàn)其實(shí)際功能。