人工智能技術對防空裝備設計驅動的思考

周志偉

摘 要：隨著以智能科技為代表的技術群體向軍事領域滲透，以智能技術驅動防空反導能力跨越成為各國防御體系追尋的目標。為有效提升防空反導裝備的智能化水平，通過分析人工智能（AI）技術可解決的問題領域，提出當前技術發展水平下防空作戰領域的智能化應用場景和技術方向，并對現階段促進防空裝備“智能”能力提升的各個因素進行分析，最后，提出相應發展建議。

關鍵詞：人工智能; 防空裝備;認知決策

1 前言

1956年，計算機科學家John McCarthy在達特茅斯學院（Dartmouth College）召開的首屆夏季研討會上創立了“人工智能”的概念，會議將人工智能界定為“研究與設計智能體”，而且把智能體定義為“能夠感知環境，并采取行動使成功機會最大化的系統”，即人工智能旨在研究和設計各種能夠自主適應環境的機器[1]。

在當前階段，為實現人工智能技術在軍事領域的有效應用，達到人工智能和軍事應用的完美融合，必須在符合技術發展規律、適應技術發展階段的前提下開展論證研究工作。

2 應用場景分析

通過對近幾年人工智能技術在工業、農業、城市建設等領域的應用進行匯總整理，不難看出，現階段人工智能技術主要解決兩大類問題：一類為認知類問題，如：人臉識別、計算機視覺、語音識別、趨勢預測等;另一類為決策類問題，如：無人駕駛、交通管控、機器人行為控制等。這些問題也符合人工智能技術本身可解決的范疇。

目前，無論是AlphaGo還是星際爭霸，抑或其他有顯著人工智能成果的項目，都可以將其拆解為以上兩類問題，比如圍棋對弈中，“認清盤面”屬于認知問題，“確定下一步如何走”屬于決策問題，兩類問題聯系緊密不可分割。在AlphaGo中“價值網絡”用于“認清盤面”，“策略網絡”和“蒙特卡洛搜索樹”用于“決策下一步如何走”，兩者相互配合，共同完成對弈過程。

由此可見，一個大場景中可能包含多個子問題，但就目前技術應用現狀來看，始終逃不開“認知”和“決策”兩類問題。因此，可從以上兩個方向尋求人工智能技術在以防空反導為代表的軍事領域應用場景。在防空反導領域，可從作戰體系中探測、指控、攔截三大要素中來尋求各自的應用方向。從作戰三大要素來分析AI技術的系統級應用場景：

a）探測領域

根據應用對象工作體制和領域不同，AI技術可從紅外、電磁、激光、可見光等不同探測系統的工作原理中尋找適合自己的應用場景，如單一探測平臺的目標識別和干擾對抗，典型的應用項目為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，具有“動態信息感知能力”，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，借助專門的神經網絡機器視覺硬件，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。

自動目標識別（ATR）系統的探測裝置主要為紅外成像傳感器、激光雷達、毫米波雷達和合成孔徑雷達等。紅外圖像（ATR）系統已在武器裝備中成功應用，激光雷達（ATR）技術也正在進入實用化。[2]

國內主要在巡航彈及末段反導作戰中開展了基于深度學習的目標識別技術研究，用于進行打擊目標確定、毀傷效果評估、以及真假彈頭判定等場景。

b）指揮控制領域

從指揮控制系統的功能來看，AI技術在該領域的應用場景最為豐富，比如：在多維多域戰場背景下的戰場態勢認知系統中，采用AI技術實現對大量多源情報信息的相關性分析、趨勢預測，給出敵我雙發爭奪熱點區域、敵方作戰意圖、體系作戰重心等，輔助作戰指揮人員實現對戰場態勢的深度認知;在多源異構資源管控系統中，采用AI技術實現對不同作戰階段下各資源的協同調配和綜合控制運用，在有效發揮體系綜合效能的同時降低作戰成本。

AI技術在指揮控制領域的典型應用項目為美國辛辛那提大學開發的“Alpah AI”空戰系統，其核心技術是遺傳模糊邏輯。2016年6月，空戰模擬器中100%擊敗了經驗豐富的美國退役空軍上校。據稱，Alpha AI在空中格斗中快速協調戰術計劃比人類快了250倍。該系統未來可用于訓練人類飛行員，甚至可在通信條件不佳情況下接管無人機的行動控制。

從上世紀八九十年代以來，國內開展了大量關于運籌學、專家系統和貝葉斯估計等傳統人工智能方法的軍事應用研究，建立了從武器平臺性能到戰術火力計算等一系列輔助決策模型，典型應用為基于專家系統的輔助決策系統。

c）攔截制導領域

AI技術在導彈設計上有廣泛的應用領域。智能制導控制將顛覆傳統制導律依賴模型的設計方法，避免由于模型不準確帶來的控制系統魯棒性和跟蹤性能差，采用諸多典型控制過程的仿真數據作為訓練樣本，形成適應該類對象的通用智能控制算法;為實現對多種不同速度、不同防護、不同尺寸目標的高效毀傷，采用AI技術用于起爆控制、引信自主辨識等實現對彈道/起爆時機/作用方式/戰斗部殺傷區域四因素自主協同的智能化毀傷控制。

美國AI3成功攔截火箭彈聲稱可攔截其他炮彈，說明美國已實現炸點自適應控制;美國“海爾法”第三代反坦克導彈，采用高靈敏度的傳感器和先進探測技術，發射后不用管，它能獨立自主地捕捉和識別目標，并能排除干擾，準確命中目標。[3]

3 影響當前階段AI技術在防空反導領域應用發展的因素分析

從人工智能系統化、產品化的角度看，形成智能系統需要三個要素：算數、算法和算力。算數即用于智能算法訓練的大量數據集，算法即讓系統從數據中自動提取模式實現知識自主獲取的數學模型，算力即執行機器學習算法需要的計算、傳輸和存儲能力。在實際應用中，真正的智能系統是一個在時間維度上，通過產品、數據和算法的協同效應，不斷迭代升級完備的過程。[4]

當前防空反導領域，影響裝備智能化發展主要有三方面問題：一是缺乏足夠有效的領域知識和樣本數據;二是缺乏科學的驗證技術手段;三是缺乏統一的評價標準和技術基準。

a）領域知識是指對學科領域知識的高度濃縮及結構化、系統化的抽象表達。針對防空反導，領域知識包括軍事領域概念本體、武器裝備性能參數、戰場環境模型、戰場實體模型、交戰判決模型、業務處理規則、戰法運用規則和裝備使用規則等。和平時期難以采集到大量真實環境下的試驗數據和作戰數據，目前國內也尚無權威的基于領域知識模型的數據庫，不能支撐智能算法訓練需求。

b）傳統的防空反導裝備設計手段基于數字或半實物仿真數據，再通過飛行試驗多次迭代校正數字模型。這種驗證方法有很大的局限性，提高仿真數據的置信度代價太高，也無法得到各種戰場環境下高置信度的數據。目前缺乏科學的驗證技術手段，實現大數據量的高置信度訓練樣本。

c）統一的標準和技術基準對于引導和促進人工智能技術在軍事領域的研發是必不可少的。目前國內沒有制定標準，提供規范有效的測試方法和指標量化人工智能技術水平，為技術軍事化應用可行性評估提供可靠依據。

4 發展建議

a）攻防雙方科研院所共享成果，加強防空裝備領域知識和樣本數據庫建設

防空作戰需要關注進攻裝備的發展，防空裝備設計大量引入作戰對象逼真的知識和數據，將有利于提升防空裝備智能化水平。智能化技術在信息化作戰交互中的應用基礎主要包括領域知識和樣本數據。利用當前攻防雙方科研院所已提煉的防空反導領域知識，應用本體、規則、流程和框架等各種人工智能知識表示方法，分門別類地建立形式化表征，通過知識圖譜建立起對知識的理解以及運用知識解決一部分實際問題的能力;同時，重視前端樣本數據積累，對實際使用的武器系統中采集積累的數據，開展標注工作，圍繞各種機器學習任務需求，為數據打上多樣化標簽，構建防空裝備數據標簽庫。

b）以仿真推演/聯合模擬訓練為手段，加強智能防空反導裝備驗證評估技術研究

一是通過構建細粒度的體系攻防體系對抗仿真平臺，建立智能藍軍模擬聯合攻防，通過作戰推演統計不同作戰場景下多軍種、多兵種、多裝備聯合作戰時的戰果及損耗，建立聯合作戰時的戰術戰法知識庫。二是利用當前各軍工單位或軍事院校已有的半實物仿真環境/戰勤操作環境，建立松耦合的分布式聯合作戰訓練平臺，通過大量模擬訓練應用實現智能化方法驗證和升級。

c）制定人工智能標準和建立測試平臺，促進AI技術軍事化應用

將人工智能技術應用于導彈武器系統的過程中，需要注重技術、裝備、體系中標準的建立，特別是軍民通用的人工智能技術相關標準，推進人工智能民轉軍與軍轉民的相互促進與協調發展。同時，應建立由測試和評估組成的人工智能技術基準，量化評價人工智能技術水平。軍事領域擁有大量獨有的任務敏感型數據，應當建立安全且精準的測試平臺，為人工智能技術軍事化應用提供安全的測試環境。

參考文獻：

[1]鄧志東.“弱人工智能+”時代來了[J].科技導報，2016，34（7）.

[2]姚保寅，李浩悅，張瑞萍.人工智能技術在武器裝備中的應用研究[J].戰術導彈技術，2017，（5）：46-51.

[3]汪儀林. 引信智能化發展構想[J]， 探測與控制學報，2018，40（3）.

[4]賈明權.人工智能在軍事領域的應用思考[C].2018成都人工智能發展論壇.