下一個制高點

提到簡稱為AI的人工智能，讀者們都有所耳聞。但是現實中人工智能將如何應用到武器裝備的現代化中，卻沒有多少人能夠說明白。本次專題我們特別邀請了航天12院的姚保寅博士為讀者系統性解讀這個問題，并向大家介紹一度在軍迷間掀起過爭論的“賽博格”無人機等相關知識。

關于人工智能

基于人工智能的武器裝備可借助人工智能技術從而具備感知、決策和反饋能力——感知自身狀態及戰場環境變化，實時替人類完成中間過程的分析和決策，最終形成反饋，實施必要機動，完成作戰使命。

人工智能技術在武器裝備中的應用主要體現在模式識別（智能感知）、專家系統（智能決策）、深度學習（智能決策）和運動控制（智能人32智能技術在武器裝備中的應用反饋）等幾個方面。

模式識別

模式識別是計算機模擬人類感覺器官，對外界產生各種感知能力的技術途徑之一，包括語音識別、圖像識別，文字識別等。模式識別技術有助于武器裝備獲得自動目標識別（ATR）能力。

模式識別中的機器視覺，可通過光學非接觸式感應設備，自動接收并解釋真實場景的圖像以獲得系統控制的信息。例如DARPA的“心眼”項目和“圖像感知、解析、利用”項目開發的機器視覺系統。該系統具有“動態信息感知能力”，能對動態物體的解構，利用卷積神經網絡圖像識別技術，將圖片中的信息轉化成計算機的“知識”。在實際作戰中，模式識別系統通過觀察目標的視頻動態信息，借助神經網絡、專門的機器視覺硬件，可在復雜的戰場環境下，自動識別出潛在威脅，為目標打擊提供參考信息。

以地空導彈陣地為例，它們遵循既定模式，以確保最大的防御覆蓋率。陣地布局是星形的，擁有4組或5組導彈發射架，圍繞著控制中心呈放射性布置。在中央陣地上，擁有控制方艙、跟蹤和制導雷達以及發電機。通常情況下，每個發射陣地都被護堤包圍。這給模式識別帶來了便利。

據美國《大眾機械》網站2017年11月23日報道，美國密蘇里大學的團隊曾利用人工智能算法，在我國東南部的一塊面積約為14.5萬平方千米的地區找到90個地空導彈陣地，并且這個過程能夠在45分鐘內完成。而通常人類判讀專家要達到相同的準確度，看完所有的圖像大約60個小時。該事件足以引起我們的重視，應注重加強對防御陣地的偽裝，提高“反識別”的能力。

專家系統

專家系統ES（Expert System）是一類具有專門知識的計算機智能程序系統。它運用特定領域中專家提供的專門知識和經驗，采用人工智能中的推理技術來求解和模擬通常由專家才能解決的各種復雜問題。專家系統是目前人工智能領域最活躍、最有成效的一個分支。它一般由知識庫和數據庫、推理機制、解釋機制、知識獲取和用戶界面等組成。

專家系統應用于武器裝備可使其具備實時戰場態勢評估的能力。該系統能將已證明的專家關于武器在戰時的典型態勢和毀傷效果評估的事實和過程，用數學方法加以描述，組成數據庫和知識庫。作戰中武器裝備接收的天基、空基、海基或地面控制站的信息，武器自身傳感器獲得的地理信息和敵方武器發出的聲波、無線電波、可見光、紅外、激光等信息，與數據庫和知識庫中信息進行比對，借助人工智能的自動推理技術，經計算機快速處理，確定戰場環境中出現的威脅，并與用戶界面的專家和指戰員進行交互。

專家系統還可與數據存儲和通信網絡技術相結合，用于各種野戰軍用系統，例如飛機的機載預警和控制系統、美軍“宙斯盾”戰艦和偵察衛星，幫助判斷敵軍的位置和動機。美國海軍已利用網絡化專家系統為在作戰區域內的所有軍隊提供通用作戰圖像，從而具備協同作戰的能力。這個領域中最有名的案例是美國研制的智能C3I系統，具有“個性”和人的“特征”、“智慧”，熟知指揮官的脾氣、思維習慣和其他情感特征，能在幾分鐘內甚至幾秒內幫助指揮官判斷戰場情況。

DARPA于2007年提出“深綠”系統的概念。該系統可預測戰場的瞬息變化，幫助指揮員提前思考，判斷是否需要調整計劃，并將注意力集中在決策選擇而非方案細節制定上。

圖為美國密蘇里大學的研究中心按照經緯度1度幅度，在我國東南地區的10個片區內利用模式識別技術對衛星照片進行自動識別。最終在45分鐘內就找到了90個地空導彈陣地（下）。

整個系統由指揮官助手（人機接口）、閃電戰（模擬仿真）、水晶球（系統總控，完成戰場態勢融合和分析評估）、“深綠”與指揮系統接口四部分組成。

其主要特點有三點：一是基于草圖指揮，包含“草圖到計劃”（STP）、“草圖到決策”（STD）兩個模塊，實現從戰場態勢感知、作戰方案制定到作戰行動執行、作戰效果評估，全部實現“基于草圖進行決策”。二是自動決策優化。決策通過模型求解與態勢預測的方式進行優化，系統從自動化接口的“指揮官助手”進去，然后通過“閃電戰”這個模塊進行快速多維仿真，再通過“水晶球”模塊實現對戰場態勢的實時更新、比較、估計，最后提供給指揮員提供各種決策的選擇。三是指揮系統的集成，負責將決策輔助功能集成進一個名為“未來指揮所”的指揮信息系統中。

另一個專家系統的實用案例是在2016年6月，美國辛辛那提大學與空軍研究實驗室合作開發了一個叫“AlphaAI”的機器飛行員。在模擬對抗演習中，Alpha AI擊落了所有其他機器飛行員，并在與美國空軍戰術專家基納·李上校的人機空戰格斗對抗中大獲全勝，展現出了巨大的優勢。

Alpha AI的核心技術是遺傳模糊樹，它是一種結合了遺傳算法和模糊控制的智能控制新技術，在處理大規模復雜的智能系統問題方面具有卓越的性能。Alpha AI在空中格斗中具有更快的基于態勢智能感知的戰術計劃速度，可以比人類飛行員快約250倍。此外，Alpha AI還能夠以集群的方式控制大批空軍無人機，在格斗中快速收集敵機的信息。

2016年6月，美國辛辛那提大學與空軍研究實驗室合作開發的“AlDha AI”機器飛行員在模擬對抗演習中，不僅擊落了所有機器飛行員，還擊落了美國空軍戰術專家基納·李上校。

即使在模擬過程中，研究人員故意限制Alpha AI所配置的武器系統能力，使其處于劣勢，它仍然能夠最終擊敗人類飛行員。這在戰術層面展現了智能態勢認知帶來了速度上的優勢，值得高度關注。Alpha AI的出現意味著人工智能將會很快走入實戰領域。

深度學習

深度學習技術基于多層網絡的神經網絡，能夠學習抽象概念，融入自我學習，收斂相對快速。它模仿人腦機制，可以完成高度抽象特征的人工智能任務，如語音識別、圖像識別和檢索、自然語言理解等，深度學習具有多層的節點和連接，經過這些節點和連接，它在每一個層次會感知到不同的抽象特征，且一層比一層更為高級，這些均通過自我學習來實現。代表項目有DARPA啟動的應用于合成孔徑雷達“對抗環境下的目標識別與自適應”項目，應用深度學習領域最新研究成果，有望在合成孔徑雷達圖像中自動定位和識別目標，增強飛行員的態勢感知能力。

將深度學習技術應用于武器裝備的目標識別和定位，有望實現武器裝備的自動目標識別和實時態勢感知。它采用了包含多個隱藏層的深層神經網絡模型，利用隱藏層，通過目標特征組合的方式，逐層將目標信息的原始輸入轉化為淺層特征、中層特征、高層特征，直至最終實現對目標的定位和作戰態勢感知。

運動控制

運動控制技術集人工智能感知、決策和反饋于一體。它包括單體運動控制和群體運動控制，主要應用于機器人和無人系統。單體運動控制以美國的四足“大狗”機器人和雙足人形“阿特拉斯”機器人為代表。這類平臺自帶大量傳感器，用于監測身體姿態與加速、關節運動、發動機轉速以及內部機械裝置的液壓等參數。通過先進的學習算法，機器人能夠不斷累積經驗，自主避障，穿越越來越復雜的地形，具備在高危戰場環境下的作戰能力。

群體運動控制又包含無人系統集群控制及無人和有人系統編組協同技術。無人系統集群控制由無人系統根據任務及外界環境的變化自主形成協同方案，具有分散性和非線性兩類，它可使武器作戰效能將成倍增加。2014年，美國成功完成了無人艇“蜂群”技術的作戰測試。測試中13艘無人艇組成的集群自主發現目標、制定行動計劃并成功完成對目標艦船的攔截。導彈無人集群作戰是指在導彈上加裝戰術數據鏈，使導彈在攻擊目標過程能夠實現導彈與導彈之間、導彈與發射平臺之間的信息實時傳輸，及時傳遞探測信息，從而達到提高突防概率，實現“戰術隱身”、擴大戰果的目的。

運動控制技術的未來發展方向：

（1）蜂群通信網絡抗干擾、抗截獲、抗欺騙技術。蜂群通信網絡在遭受到壓制式干擾時將無法實現無人機間的有效通信與協作，也無法向地面指揮站及時反饋任務執行情況和偵察數據，研究如何在遭受電磁干擾時保障通信網絡的有效性和可靠性是未來的技術發展方向。

（2）蜂群網絡海量偵察數據及時回傳。無人機蜂群內的每一架無人機都攜帶有攝像機等可以感知信息的設備，但是由于通信網絡帶寬有限，且無人機數量眾多，感知到的海量信息無法通過通信網絡的下行鏈路進行及時有效的回傳，研究無人機蜂群網絡高速數據回傳技術是未來的技術發展方向。

隨著人工智能技術進步，計算機處理速度的不斷提高，新技術、新材料、新工藝等前沿基礎技術的發展應用，將推動基于人工智能的武器裝備向著更加自主化、小型化的方向發展。納米電子技術和微（納）機電技術的進步，推動納米合成孔徑雷達以及智能化微機電導航系統的發展，有望使得武器裝備的制導、導航、推進等各方面發生質的變化，推動基于人工智能的武器裝備整體更趨小型化。

距離戰場不再遙遠

人工智能技術作為信息化時代的關鍵使能技術，影響一個國家的格局甚至國家的國際競爭力。其在武器裝備上的應用，將顯著提升武器制導精度、命中精度、毀傷能力、反應速度等。國內外都會利用最新的信息技術和人工智能技術，有針對性的開展關鍵技術研究，逐步把人工智能的理論和技術引進到未來武器系統的研制中去。建議重點關注人工智能在作戰指揮和集群作戰中應用，警惕國外在該領域對我的技術突襲，搶占人工智能軍事應用的制高點。

附錄 兩種運用到運動控制技術的先進無人機

活蜻蜓無人機

2017年6月，美國德雷珀實驗室（CSDL）和霍華德·休斯醫學研究所（HHMI）合作研發的“活蜻蜓無人機”（DragonflEye）試飛成功，標志著“賽博格”（Cyborg）無人機時代的到來。這也是“賽博格”無人系統領域的一項重大突破。

“活蜻蜓無人機”應用的關鍵技術包括：

合成生物技術。該系統將類似于眼睛感光功能的基因片段嵌入真實蜻蜓的轉向神經元中，使這些神經元具有光刺激敏感性，可被電子背包中的接口發送的特定波長的脈沖光波激活。

柔性光極技術。傳統光纖過于堅硬，不適于包裹蜻蜓微小而脆弱的神經索。德雷珀實驗室為此開發出一種新型柔性“光極”結構，能夠以亞毫米級精度彎曲光束，從而能精準地定位神經激活的靶向位置，并且不會損壞相鄰的成千上萬的神經元。

背包引導系統。蜻蜓身上綁定指甲大小的電子背包，里面包含電路板、傳感器和太陽能電池，為人類與蜻蜓之間的信息中轉站。

小型化技術：“活蜻蜓無人機”利用微機電系統等技術，將微型導航系統、微型能量補給系統等與昆蟲配套使用，引導重要的行為。

“活蜻蜓無人機”代表的是一類全新的微型飛行器，它比其他任何人造飛行器都更加微小、輕盈和隱秘。這種飛行器將能量收集、運動感知、算法、微型化以及光遺傳學等各種先進技術都集成在一個昆蟲能夠負載的微型背包系統中。

傳統機械無人機通常只能配備非常有限的電池，續航時間只有幾十分鐘。“活蜻蜓無人機”系統不需要飛行電源，背部的太陽能電路板只需要提供導航所需的電能，由于昆蟲能夠自行攝取食物補充飛行能量，因而在其存活期內的飛行動力成本幾乎為零。只要有食物、水和陽光，它的續航能力就可達數月。

活蜻蜓無人機

“活蜻蜓無人機”的機動性能更加可觀。蜻蜓在僅有約600毫克的重量下，能實現9倍重力加速度，并且體積小，擅于長途飛行。未來這種“賽博格”無人機可應用于軍事偵察，其出色的續航性能和機動性能，可使這支為人所用的蜻蜓長時間對目標區域進行隱蔽偵察，將戰場態勢數據實時傳回以進行決策，具有巨大潛力。

“灰山鶉”微型無人機

2016年10月25日，美國軍方在加利福尼亞州進行試驗，用三架F/A 18戰斗機釋放了由103架“灰山鶉”微型無人機組成的機群。這群無人機構成的機群決策系統展現出出色的相互協調能力。專家分析這一系統可能會在不久的將來投入使用，執行偵察任務。

“灰山鶉”微型無人機關鍵技術如下：104架“灰山鶉”被要求巡邏3英里的范圍，而每一架“灰山鶉”相互都可以通信;飛行45分鐘，使用鋰電池;目前發展到了第六代的“灰山鶉”能夠承受釋放平臺馬赫數0.6的初始速度以及-10攝氏度的環境低溫。

下一步美國國防部計劃生產1000架“灰山鶉”，美國國防部戰略能力辦公室正進行第七代“灰山鶉”的設計。

“灰山鶉”微型無人機