從自主學習技術迭代看未來無人作戰

楊潤鑫　楊龍霄　丁鑫鑫

當前，人工智能是繼第三次工業革命以后科技發展的戰略制高點，各世界強國相繼把人工智能上升為國家發展戰略層面，隨著戰爭形態正加速向智能化轉變，人工智能將成為未來戰爭形態的第一推動力。此前，美國防部“第三次抵消戰略”提出5大關鍵技術：人工智能、自主學習、人機協作、機器輔助作戰、有人-無人作戰編隊。其中自主學習系統是美軍正著力打造的前沿技術，通過深度機器學習應用于無人作戰領域將帶來極大的對抗競爭優勢。因此，能否掌握自主學習這一技術，發揮無人作戰裝備的最大性能，將直接決定未來無人化戰場的戰爭走勢。

人工智能主要依賴于機器學習提供的算法，達成智能完成任務的目的。進入21世紀以后，得益于數據量的上漲與計算能力的提升，人工智能開始了大爆發。而相較于傳統的機器學習技術，自主學習技術能夠幫助人工智能更好地處理浩瀚的數據，滿足數據時代日益增長的需求，因此得以迅猛發展。自主學習技術，從屬于深度學習技術，是一種模式分析的統稱，其概念源自于對深度神經網絡的研究，即通過算法建立、模擬人腦、大量數據訓練來進行分析學習，從而模仿人腦的機制來解釋數據的一種實現機器學習技術。對傳統的機器學習技術而言，特征工程往往需要大量的時間去提取和優化，這在瞬息萬變的現代化戰場上是致命的弱點;相比之下，依靠著不斷積累的數據，深度自主學習技術則能夠自動地學習特征和任務之間的關聯，并且能夠從簡單特征中提取復雜的特征，對目標進行解析、學習，并作出合理的判斷與決策。毫不夸張地說，深度自主學習是實現人工智能適應戰場、投入戰場的關鍵技術。

前美國防部副部長羅伯特·沃克提出了第三次“抵消戰略”，呼吁發展人工智能、自主學習等技術

在軍事作戰領域，自主學習技術最廣泛應用在無人作戰領域。而在無人作戰這一方面，美國始終確保研發和軍事應用處在最前沿的地位。據統計，美國將無人技術運用到軍事作戰領域已有數十年的時間。

隨著伊拉克戰爭的逐漸結束，美國開始將政治視線轉移，加大了尤其是在科技和軍事等領域的研究進程。美軍的作戰概念不再拘泥于常規、單一的優勢裝備或基于網絡信息及通信的聯合作戰方式，而是將人工智能、無人集群等前沿技術納入其軍事發展的目標中。據一定數據表明，美軍裝備的無人作戰飛機已超過其飛機總數的50%。美國《航空和航天技術周刊》2014年11月報道稱，根據美國軍方的兩項研究公告表明，在未來，融合了人工智能技術的無人機將會成為載人機密不可分的搭檔。在2018年的《國防戰略報告》中，美國防部將“在自主、人工智能、機器學習等方面廣泛投入，以獲取軍事優勢”，2020年2月11日，CSBA發布的《馬賽克戰爭：利用人工智能和自主系統來實施以決策為中心的行動》中表明，美軍將馬賽克戰定義為以決策為中心的作戰實例，更加強調了人工智能技術的運用和無人系統的加入，以此保持己方決策的優勢。連年增長的人工智能研發經費也體現出美國對該領域的重視程度。美國2022財年國防預算中，為人工智能技術劃撥的預算高達8.74億美元，同比增長3.9%。

當前，美軍正在加快形成無人作戰體系化的實戰能力，提高人工智能武器化的水平。通過以機器學習、深度學習等人工智能技術為核心，提高無人裝備和指揮系統等智能化程度，部署不同領域的無人機、無人車、無人戰艦等無人作戰裝備，進一步擴大在現代化戰場的作戰實力，形成智能作戰優勢。

優質的算法是實現無人作戰自主學習技術的裂變核心。早在2017年4月，美國“第三次抵消戰略”的“設計師”羅伯特·沃克提出算法戰概念，強調算法對自主化武器發揮著關鍵性賦能作用。特別在大數據技術與計算機超級計算能力的支持下，算法對自主化地面無人作戰的使用價值更加凸顯，通過集約高效的算法，地面無人作戰系統不但具有看、聽、說的功能，而且還具有某種“思維”能力，類似人有自主學習的能力，能夠自主感知外部環境，將互不關聯的分散“感觸點”獲取的信息有機地統一聯系起來，并做到互相確認，互相證實，主動感知戰場態勢，并設計作戰行動。

2021年8月17日，美國機器人設計公司波士頓動力公布了Altas雙足人型機器人的動作視頻，視頻中機器人通過設計的算法，感覺驅動，在運動過程中通過它所看到的東西調整自己的行為，工程師不需要為其可能遇到的障礙預先編制跳躍動作，而是通過機器人的自主學習完成各項動作。假如該機器人朝著軍事化發展，使其與戰斗裝具有機結合，這很大程度上是未來地面戰斗機器人的應用前景。

改變傳統的地面無人作戰樣式。從近幾場局部戰爭可以看出，地面無人作戰系統的投入出現爆炸式的增長，發展技術呈現顛覆性的變革，作戰樣式從遙控作戰到獨立自主作戰，從單一自主作戰到編隊集群協同作戰，強調人機之間的關系，之前的無人作戰主要是：“有人為主，無人為輔”的臨機協同編組模式與“有人控制，無人為主”的人機協同編組模式，這兩種模式主要強調人在無人作戰中仍占據主導地位，這表明武器裝備自主化能力不能滿足智能化戰爭的需求。

通過深度自主學習技術加持，將武器裝備自主化，建立以網絡為中心的智能型系統，不僅可以減少與人進行交互，還可以形成“有人設計，無人自主”的自主協同模式，這種模式依托強大的技術支撐，以集群智能技術為核心，具有“去中心，強進攻，難防御”的特點。以美軍為代表的各軍事強國都把集群智能當做無人作戰力量的風向標領域，例如，美國提出的“蜂群”“母艦”“復眼”等戰術體系?；诩褐悄艿淖灾鲄f同武器裝備體系一旦投入戰爭，將在戰術層面對所有以人類智能為基礎的部隊形成壓倒性優勢。

自主學習通過建立算法、模擬人腦、數據訓練來實現

不僅僅只是在地面領域，經過多年的探索，美軍的無人系統與裝備陸續走向戰場實踐，在高度信息化、智能化以及人工智能自主學習等一系列尖端技術的支撐下，無人戰場從陸地延伸到天空與海洋作戰領域，三位一體的無人聯合作戰逐漸成型。依托大數據和深度自主學習技術，無人作戰裝備能夠自主地快速完成多手段打擊效果的評估與反饋。美陸軍現已裝備魔爪系列、TITAN無人車等地面無人裝備總數超過1萬套，且已大量投放到伊拉克、阿富汗、敘利亞戰場中。與此同時，為了解決無人潛航器的長期自主水下作業、利用傳感器實現安全自主導航等問題，美海軍裝載的金槍魚系列無人潛航器，具有掃雷、跟蹤、監視、偵察、自主工作、智能化攻擊的能力，并可搭載各型號導彈、炸彈進行自主攻擊。同時也能夠利用自主學習與艇載傳感器進行告警、規避等功能，具有很強的前沿部署和大范圍反潛能力，將人工智能的自主作用發揮到了極致。

Altas雙足人型機器人展示了未來地面戰斗機器人的應用前景

自主學習技術的完善將提高無人系統的決策速度，并使它們能夠執行比人類反應時間更快的決策周期的任務。這不僅有利于提高它們在諸如導彈防御等各種任務領域的作戰能力，也能提升操作能力，減少人類對武器裝備和作戰系統的干預、控制。這就意味著同時實現對多個無人系統進行更高級的控制或監督變得更加容易，并且通過減少操縱者的認知負荷，使得可以更快地做出命令決策。自主學習技術通過實現自組織、任務劃分和活動協調來提高效率，尤其是在復雜環境中，它給人工智能提供了收集、簡單處理和精確分析大型復雜數據集的能力，并通過數據可視化向人類傳達有價值的數據趨勢或相互關系的能力，實現人機交互，為人類做出決策提供了更客觀有力的參考。在系統不斷反饋的訓練下，增強自主系統的學習過程。由此可見，提高無人系統效率和效能的科學進展對未來軍事的發展至關重要。

美國多個國家級戰略都將自主學習列為重點領域

未來，美軍的無人作戰裝備將更為智能化自主化。未來戰場也將從信息化向智能化、多維化跨越?？梢哉f，能夠進行戰場判斷決策無人作戰平臺將會成為智能化戰場不可或缺的一環。而美國抓住這一契機，將科研重點轉移到更高技術要求的人工智能自主學習這一方面，賦予無人裝備與有人裝備同等重要的地位。秉持著無人作戰裝備“體系化、自主化、多樣化”的理念，美軍建立起一套延伸至陸、海、空、天、電等多個領域的無人作戰體系，這對預測未來戰爭形態、掌握戰爭走勢具有重要意義。

當前，圍繞著深度自主學習技術、人工智能展開的無人作戰已成為各軍事大國競爭的焦點。隨著科學技術的進一步發展，制約戰爭的因素也越來越復雜。自主學習不僅能推動無人裝備新一輪的更新換代，也為指揮者的決策部署提供了一定的輔助。準確認識到自主學習在無人作戰中的作用及影響，把握戰爭態勢，才能更好地應對智能化戰爭的到來。

責任編輯：劉靖鑫