深度學習技術在輔助決策中的應用研究

郭寶寶 楊章勇 張自翔 張佳寧

摘? 要：眾所周知，深度學習是機器學習領域的一個新的研究方向，近年來隨著深度學習技術的不斷創新與升級，其發展成就令人矚目。與此同時，深度學習技術的應用范圍不斷擴張，對眾多行業、產業都起到了積極推動作用，在軍事領域同樣也占據著重要地位，受到了廣泛關注。文章深入分析深度學習技術在輔助決策中的具體應用，探討研究其遇到的挑戰與應用前景，為深度學習技術在未來軍事領域的加速發展與應用提供參考。

關鍵詞：深度學習技術;輔助決策;應用研究

中圖分類號：E926 文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）22-0175-02

Abstract： As is known to all， Deep Learning is a new research direction in the field of machine learning. In recent years， with the continuous innovation and upgrading of Deep Learning technology， its development achievements are remarkable. At the same time， the scope of application of Deep Learning technology is constantly expanding， which has played a positive role in promoting many industries and industries and occupied an important position in the military field， thus receiving public attention. This paper deeply analyzes the specific application of Deep Learning technology in auxiliary decision-making， and discusses the challenges and application prospects of Deep Learning technology， so as to provide reference for the accelerated development and application of Deep Learning technology in the military field in the future.

Keywords： Deep Learning technology; auxiliary decision-making; applied research

輔助決策是軍事領域中的重要內容，直接影響到后續的作戰進程和作戰效果，現階段，輔助決策水平有限，規劃結果可信度不高。隨著高新技術在軍事領域的應用，深度學習技術逐步被引入到任務規劃工作中，從實際效果看，能夠有效協助指揮員分析戰場局勢、做出正確判斷、進行有效決策、實施精準指揮。

1 深度學習技術概述

深度學習這個概念最早是由多倫多教授提出，他于2006年開啟了深入學習與研究，掀起了一定熱潮。其論述中闡明了兩個觀點，一個是利用計算機模擬人類大腦的神經元進行工作，另一個是采用逐層訓練方法對神經網絡參數進行訓練，這兩種觀念在當時具有一定先見性。

深度學習項目于2010年開始被逐漸重視并投入資金進行深入研究與開發，2011年在語音識別方面取得重大突破，能夠大大降低語音識別領域語音識別的出錯率。2012年，在圖像識別方面取得了驚人成就，接下來又陸續在其他自然領域取得了重大突破，將深度學習技術推向了新的高潮，受到了更多的矚目和追捧。

深度學習技術發展至今，愈發成熟和先進，又與網絡技術、信息技術等多項技術進行了拓展融合，提升了工作效率，較好地服務于各行各業，且在軍事領域也做出了不小的貢獻。

2 深度學習技術在輔助決策中的具體應用

深度學習技術是伴隨智能化發展而崛起的一項創新技術，具有一定前瞻性、先進性和智能性，是軍事領域特別是輔助決策中不可或缺的工具和手段，其具體應用如下：

2.1 借助目標識別功能掌握情況分析任務

深度學習技術是一項顛覆傳統人工智能系統運行規則的技術，可以模擬人類大腦，可以通過多層卷積神經網絡學習抽象識別模式，提高目標識別速度和識別效率。戰場局勢的了解與掌控至關重要，可以借助深度學習技術中的目標識別功能實現目標的快速定位、快速識別和威脅程度判斷，有利于指揮員對整個戰場局勢的掌握，加深對戰場情況的理解。除此之外，深度學習技術還可在海量數據中篩選有用情報，并進行智能化處理和分析，為指揮員提供全方位的可靠情報。在國外，比較有名的是電磁頻譜感知與“對抗環境中的目標識別與適應”技術，該技術主要是在飛機駕駛艙引入深度學習高級算法，從而提高識別準確度和實時性，很大程度解決了以往智能設備自主認知難的問題。國內研究人員設計了一款基于卷積神經網絡的艦船目標融合識別方法，該方法對可見光、中波紅外線和長波紅外線三波段進行特征提取，并利用信息的方法將采集到的波線進行分析，從而對艦船目標進行精準識別。深度學習技術中目標識別功能不僅可以協助指揮員迅速掌握戰場情況，還可結合收集到的戰場信息對任務進行智能分析與處理，確保始終把握戰爭主動權。

2.2 借助感知理解功能設計任務制定方案

在信息采集、信息傳輸、信息共享、信息存儲技術不斷發展的背景下，戰場也產生了大量不完備、不確定的復雜結構信息，使得戰爭中的評估工作變得非常困難，以往簡單線性模型的智能方法呈現出一定的局限性和滯后性，深度學習技術中的理解感知功能被逐步應用到評估環節中。深度學習技術中的感知功能與人腦感知和學習相似，采用多層感知器模型有機組合，擁有強大的記憶功能、存儲功能、理解功能與自動分析功能，利于在瞬息萬變的戰場中認清形勢、把握時局，指揮員在了解戰場情況后可對戰場環境與形勢進行準確評估與任務設計，圍繞任務進行處理分析。深度學習技術中高級理解功能更為強大，能夠在態勢感知理解過程中實現戰場態勢預估，還可以通過收集以往實戰數據、對抗數據和推演數據等多方面的數據，并借助深度網絡模型，提取出最具參考性的數據，有助于指揮員掌握戰爭的全局信息，抓住戰爭走向，調整完善方案。

2.3 借助認知決策功能做出判斷正確指揮

深度學習技術的發展僅用了短短數十年，就可在圖像與語音識別領域進行識別理解，一些智能功能甚至超出了人類水平，其應用前景非常廣闊。其中，決策功能是近些年取得的最重要成果，通過訓練，機器可直接實現對人類直覺思維特性的模擬，簡單來說，就是可以實現如人類一般的思考，在一些比賽中甚至可以超過人類的智慧與技巧，證明其決策功能的強大。實踐表明，認知決策功能可以很好的適應復雜多變的戰場環境，可對不確定性因素進行推理計算，一定程度上取代人力計算，在輔助決策中的應用優勢較為明顯。近年來，越來越多的學者參與到深度學習技術的決策功能研究中，發現智能決策技術能夠輔助指揮員進一步認清局勢，在復雜的局勢中制定出最合理、最科學的計劃，并可協助指揮員迅速贏得戰爭先機，做出更準確判斷，更有效調動部隊，從而做出更精準而嚴謹的指揮。

3 深度學習技術在輔助決策中的應用挑戰與應用前景

3.1 深度學習技術在目標識別領域的應用挑戰與應用前景

雖然當下的深度學習技術已經在目標識別領域有所突破，并顯現出突出優勢，但也面臨著諸多挑戰。首先，民間領域深度學習方法均是立足于海量樣本數據，而由于軍事目標的高度保密性，易造成認知樣本數據的稀有或缺失，需要目標識別技術針對稀缺認知樣本處理能力的提高與突破;其次，由于軍事領域的竊密與反竊密斗爭愈演愈烈，加重了傳感器采集數據的難度，數據的不完整性、模糊性特性逐漸加強，客觀上要求不確定性信息條件下的目標識別技術的改進提高;最后，現代戰場局勢瞬息萬變，戰爭節奏越來越快，需要及時了解戰場信息，對深度學習技術目標識別的實時性提出了更高要求。

3.2 深度學習技術在感知領域的應用挑戰與應用前景

現代戰爭的復雜性明顯加劇，使得以往技術不能完全適應當下需求和未來發展，亟需做出調整與改變。一方面，基于深度學習的戰場大數據分析技術是未來發展的方向，能夠更好地描述戰場態勢，有利于指揮員及時了解現狀并作出預判和指揮;另一方面，戰場態勢理解技術也是未來發展重點，以往態勢理解與評估是基于簡單的指標樹，利用線性疊加不同權重的方法完成的，雖然具有一定優勢和作用，但是越來越不適應不確定性、非線性的現代戰爭，因此，感知理解技術的發展是其在軍事領域應用的必然要求，旨在全面了解戰場態勢，提高評估工作的準確性，更加深刻理解戰爭。

3.3 深度學習技術在決策領域的應用挑戰與應用前景

首先，深度學習可理解性有待提高，雖然當下的深度學習技術已經可以實現識別、理解、認知與決策，其決策能力有時甚至優于人類，但是機器無法向用戶解釋觀點依據與決策結論，用戶也無法利用自身思維深入理解學習方法的決策過程，因而得出的結論有可能存在偏差;其次，深度強化學習的多實體聯合決策技術有待突破，聯合作戰是現代戰爭發展的必然趨勢，需要實現多元化、多實體聯合決策;最后，不確定、不健全信息條件的推理決策技術有待深入研究，現代戰爭不確定的因素越來越多，多種因素交織互聯，牽一發而動全身，要有效應對挑戰降低風險，推理決策技術需要有更大的創新與突破。

4 結束語

綜上所述，深度學習技術是一項具有智能化特征的創新技術，已經應用于眾多行業、較多領域，優勢明顯、效果顯著。其在軍事領域輔助決策中同樣充當了重要角色、發揮了重要作用，目標識別技術有利于戰場信息的全面搜集，感知技術可以做出戰局預判與評估，決策技術支持方案計劃的制定與實施。挑戰與機遇并存下，深度學習技術未來在軍事領域的發展前景更為廣闊。

參考文獻：

[1]鮮勇，李揚.人工智能技術對未來空戰武器的變革與展望[J].航空兵器，2019，26（05）：26-31.

[2]蔡云驤，李林，楊圣勤.人工智能技術在作戰保障領域的應用與發展[J].國防科技，2019，40（04）：45-49.

[3]楊萍，畢義明，肖海波，等.復雜約束下的導彈作戰任務規劃模型和算法研究[J].指揮控制與仿真，2009，31（02）：14-17+41.