智慧系統研發方法探索

那么，什么是智慧 什么是智能 這看似不言而喻，厘清這兩個概念對研發智能系統還是有益的。

人的思維能力加上記憶的知識稱為“智慧”，人有了智慧就可以產生智人的行為和語言，智人的行為和語言的能力就是“智能”。

智能具有以下四種能力：一是感知能力，能夠感知外部世界、獲取外部信息，這是產生智能活動的前提條件和必要條件；二是記憶和思維能力，能夠存儲感知的信息和思維推理所產生的知識，同時能夠利用已有的知識對信息進行分析、判斷；三是學習和自適應能力，通過與環境的相互作用，不斷學習積累知識，使自己能夠適應環境變化；四是行為決策能力，對外界的刺激作出反應，形成決策并傳達相應的信息。具備這四種能力的系統就是智能系統或智能化系統。

一、智能化系統的特點

在這一輪智能化系統建設過程中，與以往的信息化系統建設有兩個非常顯著的不同：創造性工作和數據決策。

創造性工作是智能化建設非常顯著的特點。以往的信息化系統建設，實際上是將手工的管理活動升級成計算機輔助的管理活動，信息化系統建設就是借助計算機這一強有力的工具，更高質量、高效率地完成手工的管理活動。因此，在信息化系統建設過程中，所遵循的是手工管理的程序、規范和要求，也就是“需求牽引”，最多是根據計算機的特點，對手工管理流程作少量的改進，鮮有創造性的管理活動被發現。而智能化系統建設所研發的應用很多是以往想做而無法做的，甚至是根本就沒有想到可以這樣做的。比如說時下為了追蹤新冠疫情傳播過程，各地研發了基于手機移動軌跡和交通數據的“綠碼”APP，允許沒有涉足中高風險區域（包括乘坐公共交通工具）的人員擁有綠碼可以正常出行。這一應用是人工管理時代和信息化時代都無法實現的，是一項創造性的管理活動。如果沒有手機軌跡大數據和交通大數據的支持，這樣的應用顯然無法實現。

大數據時代，數據參與決策已經是司空見慣的事了。這方面的例子在互聯網銷售行業比比皆是，即使在政府治理方面，這樣的事例也很多。比如，有A、B兩個小區要規劃建設養老院和幼兒園，以往是由城市規劃設計部門根據經驗規劃設計養老院和幼兒園的數量和地點。現在，設計部門可以商請公安的戶籍管理部門提供每個地區的常住和暫住人口的年齡段人數統計數據。如果22～35歲的育齡青年較多，可以據此多設幼兒園，如果70～80所的老年人數據較多，則建議多建養老院。這樣的設計顯然更加精準。

二、智能化系統的基石

信息化系統的基石我們非常熟悉，就是計算機基礎設施和應用軟件兩大基石。到了智能化系統，所依賴的基石更多，每個基石所起的作用與信息化時代有所不同。智能化系統有四大基石：數據、算力、模型和應用場景。

需要指出的是，智能化系統是建立在信息化系統基礎之上的，因此，信息系統的基礎設施被認為是已經具備的。

數據是智能系統最顯性的特征。2000年以來，得益于互聯網、物聯網、傳感器、移動設備的快速發展，全球生產和存儲的數據量劇增。2019年，時任工信部副部長陳肇雄說：“我國海量數據快速增長，數據量年均增速超過50%，預計到2020年，數據總量全球占比將達到20%，成為數據量最大、數據類型最豐富的國家之一。”據2018年底IDC預測，全球數據總量到2025年將達到175ZB，金融服務、制造、醫療保健以及媒體娛樂等行業是數據增長的主要推動力。

算力就是計算能力。海量的數據需要巨大的存儲容量和強大的運算能力，這一次，沒有依靠巨型計算機，因為這太昂貴不易普及，而是借助廉價的PC服務器構成的集群。這樣的處理方法，除了有Hadoop、Spark這樣的并行計算框架使大規模并行計算編程變得比較容易外，還得益于AI芯片的出現。這一輪的智能化系統，核心是以深度學習為主的智能應用。深度學習在訓練階段需要大數據和強大算力的支持，訓練過程主要是通過隨機梯度下降方法在大量訓練數據的配合下讓人工神經網絡不斷擬合，其中的計算絕大部分是超大規模矩陣乘法和加法運算，這類運算雖然量大，但計算邏輯簡單，關聯關系少。AI芯片簡化了傳統CPU的控制邏輯，去掉了高速緩存（cache），大量增加了運算單元，從而大幅提升了矩陣運算的速度。AI芯片主要分為GPU、FPGA、ASIC，GPU擅長大規模并行計算，FPGA可根據深度學習算法靈活編制芯片功能，ASIC更可以為深度學習量身定制，因此更適合深度學習模型。

智能系統常用的算法模型分成淺層學習、強化學習、深度學習三大類。淺層學習算法即使在深度學習盛行的今天，仍然有一席之地，主要有：1984年提出的決策樹算法、1995年提出的支持向量機（SVM）、1997年提出的AdaBoost和2001年提出的隨機森林。強化學習的發端是上世紀60年代的井字棋游戲，大火于2016年的AlphaGo，由此引發了全世界范圍的人工智能大熱。

深度學習起源于2006年，由于在圖像識別和語音識別方面的非凡成就而舉世矚目。以深度學習為主的智能系統的模型是深度人工神經網絡。深度神經網絡具有更多的層數，每層具有更多的神經元數，因此整個模型規模宏大，模型中所含的參數數量驚人。以獲得2014年ImageNet挑戰賽分類第二、定位任務第一的VGGNet為例，網絡包含了16～19層深的卷積神經網絡（具體層數由配置設定），使用的參數數量多達140M左右。由此不難想象，訓練模型，為這些數量驚人的參數各自選定合適的值是多么不容易的一件事，這也是深度神經網絡訓練需要用到海量訓練數據的原因。

在四個基石中，應用場景最不起眼，卻是最為關鍵和困難的。設計應用場景困難，是因為，一方面智能化應用是信息化時代沒有做過的事，是一項創造性的工作，尤其是在當下智能化建設的起步階段，缺少成功的智能化應用可以借鑒學習，需要技術人員和應用場景領域專家共同討論設計；另一方面，今天的人工智能，還不是通用型的，是在垂直領域專用的，設計者必須對領域知識有深入的了解。

應用場景對成功研制智能系統非常關鍵，可以說是四個基石中的“牛鼻子”。在應用場景確定后，才能根據應用需要準備大數據、設計模型、配備算力。特別是收集大數據，根據應用場景去收集，才能做到有目的，而不是盲目地收集大量尚不知用途的數據。

應該看到，在這一輪智能化系統開發大潮中，有相當多的智能APP并沒有達到理想的商業目的，“理想很豐滿，現實很骨感”，每個人的手機中都裝了很多智能APP，不可否認，有相當一部分很少使用，甚至從未使用。這里有技術有待進一步發展成熟原因，有商業模式不匹配原因，有期望值過高的原因，有投資過熱造成商業泡沫的原因，更有應用場景是否是人們真實需求的原因。

三、大數據分析適合做什么

先來看看幾個典型的大數據分析案例。

案例1，2008年年初，谷歌根據網民輸入的搜索詞匯，推出了“谷歌流感趨勢”，近乎實時地對全球當前的流感疫情進行預測。

案例2，BIDMC與哈佛醫學院合作研發的人工智能系統，對乳腺癌病理圖片癌細胞的識別準確率能達到92%。

案例3，最高人民法院“法眼”平臺利用系統資源使用大數據和系統受到非法訪問和攻擊大數據進行系統運行效率和安全態勢估計。

通過這3個案例可以看出，大數據分析比較適合做狀態監測評估、數據分類和趨勢預測三類任務。

今天的社會環境中，部署了大量各種各樣的傳感器，可以實時采集環境中的各類狀態數據，再加上大部分設備具有智能接口，能夠及時報告設備自己的狀態數據。通過對這些狀態大數據的實時采集、分析研判，可以輕松實現對環境狀態的及時、精準監測評估。

數據分類是大數據分析的最核心的應用。如，從電商對客戶的購買習慣、年齡、喜好、地域等分析，實現客戶精細的分類管理，完成對客戶精準的產品推薦；再如，現在已經非常普及的人臉識別，其實也是一種數據分類，分類的結果是符合或不符合。

根據歷史數據，預測下一時期（可能幾分鐘，也可能幾個月、幾年）的發展趨勢是大數據分析的又一個擅長能力。預測股票市場走勢、預測體育賽事勝負、預測交通流量、預測疫情發展趨勢、預測環境變化趨勢……利用歷史數據，借助大數據分析模型，幾乎可以對所有事情完成預測，其結果比人類傳統做法要準確、及時得多。

四、ToB智能系統的用戶和核心應用

ToB智能系統有別于以各式各樣的智能APP為主的ToC智能系統，智能政務系統、智能企業系統、智能軍事系統都是ToB智能系統。ToB智能系統的用戶似乎是顯而易見的，那就是單位和客戶。如果是這樣的認識，是有重大疏漏的。ToB智能系統最關鍵的用戶是單位首腦，單位首腦必須與單位業務部門區分開來，因此，ToB智能系統的用戶是首腦、部門、客戶三大類。

都知道ToB系統是“一把手”工程，必須由單位的一把手親自抓才可能成功。一把手親自抓不只是部署、指揮和支持，更重要的是一把手會提出系統的核心需求。換句話說，系統首先應該滿足一把手的需求，按照一把手的總體目標和要求去實施。

認識到系統的關鍵用戶是單位首腦后，就不難理解ToB智能系統的核心應用就是三類：發展、穩定和首腦的管理目標。

發展主要是圍繞單位發展目標的，例如，政務系統要求系統能夠最大程度地支持政府發展經濟，如合理的城市規劃、良好的營商環境、便捷的城市交通等。

穩定是希望通過技術手段，保障單位管理平穩，如政務系統要保障城市平安，防控群體事件，保證安全生產，預防公共衛生事件，確保綠色環境等。

首腦的管理目標是指首腦的任期目標以及體現首腦個人理念和特質的管理目標。這部分目標因人而異，是最能體現首腦個人特點的，也是ToB智能系統有別于ToC智能系統的鮮明特征。

五、智能化系統建設原則

由于信息化系統基本上是將手工工作進行計算機化，所以，信息化系統建設一直奉行“需求牽引”原則。但是，這一原則是不適應智能化系統建設的。這是因為，智能化應用通常是做以前人工沒有做過的事，系統設計時，用戶是無法提出明確的需求，也就不可能有“需求牽引”了。

那么，智能化系統建設的原則是什么呢

在啟動研發工作之前，用戶或研發者都會確定智能化應用能夠實現哪些目標，或者說能夠承擔哪些任務。比如說，政府首腦要求，嚴防農村發生群體食物衛生安全事故發生。根據這一指示要求，有關部門研發了鄉村宴席智能化管控系統，對鄉村所有成規模的宴席進行管理。得益于萬物互聯，供應商、廚師、宴席場地，以及宴席所用的食物原料的產地、生產日期等數據可以及時錄入系統，同時系統還對食物加工過程進行視頻監控。系統對采集的數據與系統存儲的大數據進行分析比對，試圖找出潛在風險（比如偽劣產品、污染產品），對加工過程進行視頻分析，自動管控衛生措施不規范行為（比如廚師穿著是否合規、現場衛生條件是否合格）。由此可見，智能化系統建設的原則“任務導向、數據驅動”。

六、智能化系統研發思路

為了避免出現“煙囪林立”，信息化系統建設強調“總體設計、統一開發、同步完成”的研發思路。可惜的是，這種強調一體化統一步驟的研發思路并不適合智能化系統建設。

從前面的討論可以得出，智能化應用是在信息化系統基礎之上研發的。而且，由于沒有明確的需求，智能化應用只能由數據工程師和應用領域專家一起討論，根據“任務導向、數據驅動”原則，一個一個設計開發出來。尤其是在當下的智能化系統研發初期，各個應用領域都缺乏成功的應用案例可以借鑒，智能化系統建設只能在信息系統基礎上，一個個研發智能應用。因此，可以說，智能化系統是由信息化系統之上的一個個智能應用組成的系統。

根據以上討論，智能化系統建設思路只能是“統一平臺、柔性開發、各顯神通、生長式建設”。統一平臺是指統一信息系統平臺，這與信息化建設要求是一致的；柔性開發是因為智能應用缺乏明確需求，只能采用類似“快速原型法”的開發方法，在研發、試用過程中逐步修改完善智能應用；各顯神通是希望各個智能化應用由擅長應用領域的團隊研發，這樣可以讓智能應用快速地“從想法到實現”，而不是信息化建設常用的一個團隊包打天下；生長式建設是指智能化系統不可能像信息化系統那樣一次建設完成，智能化應用只能成熟一個上線一個，而且，隨著不斷賦予系統新的任務和要求，以及智能應用更多潛力的發掘，智能化系統建設在相當一段時期，只能是分一期、二期建設，無法確定工程的終期。

七、“奶油蛋糕”模型

有了以上鋪墊，現在可以給智能化系統形象地定義為“奶油蛋糕”模型。

在這個蛋糕模型中，那個完整的蛋糕體是信息化系統，多個漂亮的奶油裱花是一個個智能化應用。

蛋糕體是由面粉、糖、油脂、奶油和蛋按比例攪拌均勻后，放入烤箱一次性烘烤而成，這與信息化系統“總體設計、統一開發、同步完成”特點非常契合。

奶油蛋糕上面的一個個漂亮的裱花則是蛋糕師利用奶油、巧克力、水果等材料，一個個做出來后裝裱在蛋糕體上。這就像智能化應用，一個個被生長式研發出來，并且被集成在信息化系統之上。

自從引入第一批智能化應用之后，信息化系統就賦予智慧能力，系統就成為智慧系統。現在的系統，如果沒有智能化應用，是很難得到用戶的青睞，因此是沒有市場的。這就像奶油蛋糕一樣，如果沒有漂亮的奶油裱花點綴，蛋糕是很難賣出高價的。

另外一方面，如果只有奶油裱花，沒有蛋糕體依附，就無法成為商品出售，而且也不能填飽肚子。智能化應用也是如此，如果沒有信息化系統支撐，一個個離散的智能化應用不成體系，只能解決單個問題，很難做大市場，無法賣出應有的價格，研發團隊將難以為繼。

八、軍事智能系統的應用與發展

軍事領域歷來是各個國家，尤其是發達國家高技術發展的優先領域，這一輪以大數據、深度學習為動力的人工智能技術尤其如此。以美軍為首的西方發達國家，在人工智能輔助情報分析、態勢研判、作戰方案生成與評估、火力打擊、后勤運輸保障等方面投入了大量資金，相繼取得了一批實用成果，有些已經投入了實戰使用。有專家預測，到2025年，人工智能在軍事領域的市場規模預計將達到近200億美元。

下面用兩個例子來看看美軍是如何在實戰中運用人工智能技術的。

先看今年年初發生的蘇萊曼尼事件。2020年1月2日晚，伊朗革命衛隊將軍卡西姆·蘇萊曼尼，從黎巴嫩乘坐空客民航6Q501航班秘密抵達巴格達，他要與伊拉克民兵武裝“人民動員組織”（PMF）的副司令賈邁勒·賈法爾·易卜拉希米一起，指揮一場摧毀美軍戰略運輸機的軍事行動。

他們乘坐兩輛越野車，現場指揮什葉派民兵對巴格達國際機場發動了火箭彈襲擊。這次襲擊并不成功，只導致十多名伊拉克政府軍士兵傷亡，沒有造成美軍損失。但是，這兩輛越野車頻繁發出通訊信號，很快被美軍定位，并確定這就是蘇萊曼尼現場指揮中心。

美軍將這一情報上報特朗普后，特朗普當即批準擊殺蘇萊曼尼。

當地時間1月3日凌晨，在巴格達機場附近，蘇萊曼尼及其隨行人員搭乘的兩輛越野車被美軍武裝無人機激光制導的4枚“地獄火”導彈擊中，蘇萊曼尼、易卜拉希米等人被炸成碎片。

在這一事件中，美軍首先借助AI系統，根據其強大的情報網（線人、信號情報、網絡情報）獲取的情報，迅速分析判別，確定蘇萊曼尼于2020年1月3日1時左右抵達巴格達國際機場，并鎖定了其乘坐的越野車。也許在他登機的那一刻，中情局的人員就盯上了他。根據這一重要情報，美軍進一步偵查獲取詳盡的戰場環境情報，生成擊殺蘇萊曼尼的作戰方案。

因為事發地點位于伊拉克，屬美軍勢力范圍，所以可以直接從科威特基地（距事發地點530公里）派出無人機進行事前的偵查行動，配合衛星數據進行擬態環境構建，確認“戰場約束空間”。

使用 AI 系統分析敵我、戰場信息，根據預定時間制定具體的策略，包括出發時間、無人機型號、數量、分工、搭載彈量以及路徑規劃等等。

在請示特朗普總統得到批準以后，美軍立即實施作戰行動。

無人機于預定的時間到達指定地點，并鎖定其乘坐汽車。通過AI 系統實時計算無人機導彈發射策略，包括發射時間、角度、導彈數量等，然后發射地獄火導彈，完成精準打擊。

AI系統控制無人機再次勘察現場，如出現生命跡象則再次實施打擊，確認目標死亡之后自動返航。

第二個例子是剛剛發生的事件。美東時間8月20日，在美國DARPA AlphaDogfight挑戰賽的人機大戰中，蒼鷺系統公司（Heron Systems）的AI算法在與戴著AR眼鏡的F16飛行教官Banger在VR F16模擬器中展開角逐，AI算法的碾壓式攻擊令Banger毫無招架之力，取得5：0的壓倒性優勢。這已經不是人工智能第一次擊敗人類戰斗機飛行員了，早在2016年6月，美國辛辛那提大學開發的人工智能系統 Alpha AI，在模擬空戰模擬器中完勝經驗豐富的美國退役空軍上校。據稱，阿爾法在空中格斗中快速協調戰術計劃比人類快了250倍，從傳感器搜集信息、分析處理到做出正確反應，整個過程不到1微秒，可同時躲避數十枚導彈并對多目標進行攻擊，還能協調隊友、觀察學習敵人戰術。

這兩個事件證明，人工智能技術已經參與到了整個 OODA 循環（觀察、調整、決策、行動）之中，并且在情報研判、目標識別與鎖定、輔助決策和自主火力打擊方面起了十分關鍵的作用。

另外，在軍隊信息化建設時代，美軍主導了“網絡中心戰”，將情報、作戰指揮、武器平臺、后期保障等信息分系統用網絡緊密連接，相互協同，幫助快速高效地完成作戰行動。但是，在信息戰手段豐富、反應迅速、破壞力超強的今天，戰時要想有效保證這樣的網絡能正常運轉，幾乎是一項不可能完成的任務。

因此，只能退而求其次，“化整為零”，讓更小的單位具有自主的情報研判和指揮決策能力。這就是目前十分熱門的“分布式作戰”。

更小的單位普遍存在情報研判能力不足、指揮決策不夠靈活問題。這時候，人工智能就可以大顯身手了。在當前的網絡數字時代，陸、海、空、天、網等多維空間內每分每秒都產生著海量數據，可以比較容易地建立軍事戰略、戰術情報大數據集。通過軍事大數據訓練的情報人工智能系統，可以從海量、多源和異構的情報數據中提取支撐決策的關鍵信息、識別目標意圖和發展戰略征候，幫助各基層單位指揮員極大地提高情報分析研判能力。同時，從海量信息中挖掘和提煉敵方意圖、目標價值、戰場局勢及變化趨勢等態勢認知要素，輔助指揮員高效且準確地對戰場態勢做出判斷。

深度學習中的對抗生成網絡（GAN）還能輔助產生欺騙性極強的假情報。如將GAN運用到制造新的電子干擾機，該電子干擾機能夠根據對手的雷達信號制造出令其雷達接收機根本無法識別的假信號，達到干擾功率最小、干擾效果最大的目的。

智能武器是軍事人工智能的一個重要方向，直接為軍事活動提供了更多的“智能”。一個典型的人工智能武器通常須具有自動目標檢測與多傳感器數據融合能力、智能抗干擾能力、智能協同殺傷能力。

在輔助指揮決策方面，可以基于指揮員的作戰構想，快速生成方案和計劃，精確模擬推演執行效果，自動生成優化建議，輔助指揮員快速制定高質量的決策。

作戰或試驗完成后，可以從積累的作戰數據中挖掘和學習敵方行動規律及復雜戰爭規律，優化戰法戰術和指揮控制模型算法，輔助指揮員發現問題和優化策略。

總之，軍事智能化，就是通過基于人工智能的軍事復雜系統博弈理論研究、作戰概念創新、虛擬作戰仿真，探索不同戰場環境下的制勝機理；加強網絡化智能感知、戰場態勢認知、自適應任務規劃與決策、作戰力量協同、智能綜合保障等模型算法的優化及關鍵技術攻關，構建起智能化主導的作戰體系，以提升打贏智能化戰爭的能力。

（作者簡介：周中元，1984年從南京大學數學系畢業進入28所工作，教授級高級工程師，主要從事綜合電子信息系統研制，先后主持研制了大型軍事電子信息系統十余項，是軍事電子信息系統數據分析處理方面的技術領軍人員，獲得過原總裝備部和國防科工委聯合頒發的“高新武器裝備發展建設工程銀質榮譽獎章，國防科技進步獎一等獎2項，二等獎3項，三等獎1項，曾任中國電科集團公司第28所副所長、通信子集團副總經理、中國司法大數據研究院院長、國家空中交通管制工程技術中心主任等職務。近年來致力于大數據、人工智能領域的技術研究和工程實踐，任中國司法大數據研究院大數據首席專家、成都市智慧城市特聘專家，著有《大數據挖掘技術與應用》、國軍標《GJB5241概念建模語言IDEFIX的句法和語義》《GJB5242功能建模語言IDEF0的句法和語義》、國家電子行標《SJ21141.1～5軍用軟件C/C++編程要求》。）