空天防御OODA环的人工智能运用军事技术论文军事论文Word格式.docx

空天防御OODA环的人工智能运用军事技术论文军事论文Word格式.docx

《空天防御OODA环的人工智能运用军事技术论文军事论文Word格式.docx》由会员分享，可在线阅读，更多相关《空天防御OODA环的人工智能运用军事技术论文军事论文Word格式.docx（7页珍藏版）》请在冰豆网上搜索。

ArtificialIntelligence;

situationalcognition;

man-machineintegration;

　　引言

　　未来的战争是信息化的战争,空天防御作战是信息化战争的高级形式。

与传统作战相比,空天防御作战具有战场态势复杂多变、对抗手段层出不穷、作战时机稍纵即逝等特点,战争将进入快速、复杂和多变的秒杀时代[1],单纯的人类智能已经无法满足空天防御的作战要求。

随着人工智能技术的快速发展,特别是AlphaGo在围棋比赛中碾压人类顶尖高手李世石后,面向特定领域的人工智能由于应用背景需求明确、领域知识积累深厚、建模计算稳定可行,在局部智能水平的单项测试中已经开始超过人类智能[2]。

在十九大报告中明确要求我军加快军事智能化发展,军事智能化是以人工智能技术为代表的前沿科学技术向军事领域渗透应用的结果[3]。

空天防御作战时间敏感性强、技术要求高、协同难度大,急需利用一切手段压缩指挥员在观察-判断-决策-行动（OODA）环中的时间,天然具备应用人工智能技术的必要性和迫切性。

我们应当充分利用人工智能的优势,有效整合处理各类信息,发挥其战场倍增器的作用。

　　一、人工智能在空天防御中的应用优势

　　人工智能是对人的意识和思维的信息过程的模拟,通过数学语言进行描述,通过算法形成逻辑,基于大数据的反复计算形成一套针对复杂情况的应对手段。

[4]近些年来,得益于大数据和深度学习的有力支撑,人工智能的研究和应用在棋类对抗、图像识别、语言翻译等多个领域取得了快速进展。

与民商领域发展迅猛相对应的是,这些技术在军事领域中的冷落滞后,仅有一些有人值班,无人值守的高级自动化类型的应用,主要用于支持人们实施简单对抗条件下的单一、静态、可量化或可重复的工作。

其实民商领域的技术在军事上有广阔的应用前景,特别是面对空天防御这类极度复杂、速决性高、对抗性强的作战,只需在应用场景和对象上进行针对性处理就可以显着提高军事准备的能力。

例如商城根据用户的习惯进行建模,预测消费者的购物行为并进行针对性的商品推荐,此技术也可用于在作战中对敌方建模,预判敌方的军事行动并提前采取措施;

高德地图的导航在千万条道路中为用户选择高效、便捷的路线,路径变更时也能迅速切换至新的导航路线,这种技术也可以在空天防御中协助指挥员更加精确高效地开展任务规划,确定武器装备的作战部署和机动;

在德州扑克中,DeepStack软件已经掌握了如何在高筹码扑克中虚张声势[5],如果该成就能复制到其他基于不完全信息、需要人来做判断的领域,将极大提高军事中的博弈对抗能力。

人工智能与传统技术的比较如表1所示。

深度学习、神经网络、智能博弈等人工智能技术的突破和发展为空天防御的智能化作战开拓了新的技术途径,基于人工智能的作战辅助决策也将成为形成与对手不对称优势的关键[6]。

　　表1空天防御中的人工智能与传统技术比较

　　二、空天防御OODA环的人工智能应用

　　空天防御是指防御来自空中、临近空间和太空的威胁目标而采取的军事行动,其典型作战对象主要有空气动力目标、弹道导弹目标、太空目标和临近空间目标,作战体系主要包括预警探测系统、指挥控制系统和拦截打击系统等。

[7,8]飞机和巡航导弹虽然速度较低、射程较近,但成本低、作战非常灵活,是防空作战的主要目标。

而随着技术的飞速发展和大国的深度博弈,由于弹道导弹具备射程远、速度快、数量多、能携带核弹头等特点,不管是美、俄还是印度、等国均加大了投资研发力度,各类弹道导弹已经成为空天防御作战的首要威胁。

作为新型作战区域,各国对临近空间和太空的研究还处于探索阶段,同时避免将该领域军事化,虽暂不属于军事的主要方向,但也需要密切关注。

反导作战脱胎于防空作战并向大气层外的空间不断延伸,针对弹道导弹的防御作战研究既是防空作战的升华,也将成为防天作战的基础。

（一）空天态势认知

　　弹道导弹的飞行过程主要包括发射段、助推段、中段和再入段,弹道的主要特性包括位置信息、点火时间、飞行速度、一级燃烧时间和二级燃烧时间等。

弹道的相对稳定性和可预测性是实施空天防御作战的前提,通过积累大量关键弹道特性的数据可以大幅提高对弹道轨迹和落点的外推预测能力,为空天防御提供更为精准和快捷的情报支持。

但在飞行过程中,弹体、弹头、饵及伴飞物的微动、电磁散射和红外辐射特征呈现连续或突变的现象,很难根据少量特征完成精确识别。

而现有装备提供的识别信息有限,干扰又使其识别性能继续下降和不稳定,导致决策级综合识别的能力受到很大限制,严重影响对战场的态势认知。

　　在空天防御中,态势认知一直是作战的基础和核心,也是后续智能决策或自主控制的重要前提,是通向真正意义上的智能化战争的关键环节[9]。

因此,首先要积极搜集敌方装备的相关数据,形成自己的弹道模板库,目的是将拦截点向前移动,为防御作战赢得更多准备时间和打击机会;

然后充分利用大数据技术挖掘目标在各阶段运动特性、电磁特性、光学特性和基带回波特性的变化规律,借助深度学习技术加强目标时空频率和声光电之间的关联分析,引入传感器置信度评价,区分目标各个阶段的置信重点,合理设置容差,进而提升体系综合识别性能。

（二）作战方案自适应生成

　　在对敌情和战场环境具有深刻认知的条件下,依据我方情况充分调动力量实施作战就成为胜利的关键。

作战与下棋有相似的博弈思想,下棋的本质是搜索,通过交替思考自己和对方可能的走法,找到最有利于自己的落子。

整个逻辑过程中需要明确价值和规则,将博弈场景形成数值逻辑。

DARPA基于人工智能技术推动研发深绿智能辅助决策系统,实现对不同作战方案的模拟仿真,预判战争进程,进而追求作战效益最大化[10,11]。

空天防御作战需要迅速生成作战方案供指挥员决策,其生成的前提需要一个相对成熟的制胜机理模型,如像AlphaZero明确棋盘的规则一样让人工智能把握价值体系,包括各个要地的防护价值、火力的打击价值和传感器的测量价值等,将作战的逻辑、时序和精度赋值;

此外,还要建立地理信息数据库、空天环境数据库、装备模型库、数据库和战法数据库等,将实时的气象水文、测绘信息等作为基本输入。

指挥员要在此基础上深刻把握敌方意图、作战节奏和我方战略方针,结合一定的基本作战原则和作战理论进行想定,不断训练该系统,并将系统输出的结果进行评估、反馈,在想定作业、流程推演和方案评价中循环推进,形成一种自学习的闭环,校正价值体系和决策模型。

针对瞄准高对抗、高动态的情况,还需引入自动模式和人工模式实现系数可调,动态生成基本态势和作战方案。

　　（三）空天防御行动远程自主控制和打击

　　空天防御作战速决性强、距离遥远,空间资产的远程控制也因轨道特性和国土面积等因素受限,要在关键时刻抓住战机并采取行动,就需要武器装备具备一定的智能自主打击能力。

以天基反导武器为例,其部署于轨道之上俯瞰地球能够显着增加防御的拦截弧段,是实现反导武器装备体系前置部署的有效途径。

在弹道导弹来袭的过程中,与国土范围内部署的地基反导武器相比,天基反导武器具有更早的打击时机、更长的打击时段甚至更短的打击距离,但是由于空间位置关系、通信延迟和对抗等问题,在接收到地面指令后再实施行动极易错失战机。

因此,天基反导武器必须具备一定的智能自主控制能力,能够在临战态势情报的支持下自主控制调整为作战状态,或与其他天基资产形成通信链接并自行组网,形成一定的作战条件。

在导弹来袭时,由其他天基态势感知资产传出的情报触发打击准备,当目标进入打击窗口内自主实施打击,避免由地面指挥造成的延迟。

远程自主控制和打击是空天防御装备体系中天基装备的主要运用方式,只有智能化自主控制和多型武器同构或异构协同作战才能有效执行空天防御作战场景下的作战方案。

　　（四）战场环境高效反演

　　尽管平时利用探空火箭或探空气球对空天环境的探测勘察一直没有中断,但战时强对抗性条件下战场环境产生的反应尚未引起足够重视。

空天防御作战绝不可能是风和日丽简单场景下单发导弹的打击,而是结合了复杂气象、复杂电磁环境背景下多种导弹和多型战机的联合打击。

在此背景下,空天防御面临的不是点防御、面防御,而是大区域防御或全域防御,其认知战场环境的难度将呈几何级数增长,只有准确高效的认知才能开展有效的应对措施。

面对气象、电磁环境、弹头及突防伴飞物、二级体和碎片等的弹道、姿态以及电磁散射特性等海量多源数据,由于它们相互影响且耦合关系复杂,常规手段难以形成有效认知。

我们必须依赖大数据技术,不断校正各个要素特征及相互间的耦合关系,实现战场环境的高效反演。

环境的观测具有一定的连续性,并具备较多的实测数据,可以作为体系的底层输入。

通过构建多种强对抗条件下的作战场景,利用人工智能的自主学习能力深度分析各种战场环境对作战效果的影响,加强识别对抗能力和多目标联合跟踪处理能力,特别是复杂电磁环境下如何准确稳定识别目标在不同距离、姿态和背景下的特征,是实现拦截打击的核心。

同时,战场反演可以不断锤炼作战人员面对复杂战场环境中空天密集打击想定下的应对能力,反哺空天防御的信息化建设和军事准备。

　　三、加强人工智能应用的主要途径

　　深刻指出特别是要在制衡强敌上下功夫。

就是要有遏止能力,让他们不敢动手;

制衡就是在局部战争中我也未必输给你。

空天防御是军事技术制高点的竞争,是战略性行为,不会轻易开打,但必须形成制衡。

[12]加速实现国家空天防御体系的式发展,就是要在空天防御的快、准、对上下功夫,在装备建设和训练时注重人工智能的深度应用。

（一）加快数据系统工程建设

　　数据是人工智能的血液,大量真实的对抗数据是人工智能不断加深作战原则、标准及制胜机理挖掘的基础。

数据的主体并非传统数据库管理的单一结构化数据,而是来源广泛、种类繁多的多媒体数据。

要从多个方面去印证事实,数据的关键不仅仅要大,更在多源和多源数据之间的联系。

大数据的核心特点是数据的整体性[13],建设空天大数据的核心即是将作战中的各种数据有机联系起来,实现从量变到质变的飞跃,借此加强对空天防御作战的洞察力和预测力,有效支撑作战全流程。

美国在数据的追求方面一直孜孜不倦,在太空中部署多部预警卫星,利用多源信息降低地球背景、大气和卷云等自然干扰,不断提升预警置信度。

此外,美国执意在韩国部署末段高空区域防御系统（THAAD）,企图大量搜集我国实弹发射特征,实质就是要利用其高性能的AN-TPY2雷达监视我国境内的导弹飞行试验,得到导弹各级发动机点火、关机等关键时序和飞行轨迹,不断充实其数据库,加深对我重要装备性能的认识,试图还原我装备能力本质。

　　在确立统一标准规范的数据格式时,要强化对现有数据的梳理细化,保证数据的真实、准确、关联。

作为人工智能的前期输入,要把好入口关,辨别真实与虚假数据,分清客观与主观数据,辨析准确与模糊数据,确保数据与其处理方式高度契合[14]。

因为机器中的数据常常是结构化归一量化后的标准数据,数据表征的符号就是0、1或其他进制的数字,若是临界性数据,就可能会差之毫厘谬以千里,严重影响人工智能的学习精确程度[15]。

（二）深化空天情报理解能力

　　对于空天态势的精准快速认知是空天防御作战的重中之重。

但由于实训成本高、敏感性强,试验及演习场次极其有限,使得此类学习样本稀缺,其未知的作战情况难以准确描述推测。

因此,必须更加充分地利用实战化训练产生的对抗数据和验证效果,利用小样本学习技术、面向样本生成的学习技术和多种技术综合运用等途径[16],通过与模拟进攻系统对抗反复进行调整,不断改进现有策略网络,深化对空天情报的理解能力。

如果对抗时间足够长,并且具备足够的计算能力,就可以逐步获得经验,进而辨识战场态势发展的关键临界点。

以反导飞行试验为例,通过目标飞行时序反演、目标动态雷达散射截面反演、复杂助推分离场景观测与仿真再现,重现整个拦截过程,不断强化学习能力。

在相应指标合理的范围内对作战场景进行分解,重新分配战技指标体系,摸清作战能力的界限,不断优化体系能力。

　　空天防御中,指挥员应该将工作重心前移,平时通过不同的想定输入,训练作战指挥控制系统的快速任务规划能力,使其面对战情形成潜意识。

同时建立并完善弹道导弹防御作战预案库,探索应对在多目标来袭、防御资源有限的情况下,通过在不同目标之间或多个任务之间对资源进行能量和时间上的分配,统一控制传感器和武器实施作战,最大限度地成功拦截目标,以形成最佳作战方案。

　　（三）探索人机融合应用模式

　　人工智能可有效突破人脑生理极限,在处理海量情报信息和全时战备值班时给指挥员和各级参谋起到减负的作用,在空天防御作战时又可以在短时间内和高度复杂条件下提升应急响应及科学决策的能力。

空天防御作战在作战时机上必须迅速决策,这就涉及到人工智能的作战应用到底能有多自由或多自主,尤其是自主武器和致命性武器的应用目前仍有争议。

全世界至少已有30个国家拥有可击落入侵火箭和导弹的自动防御系统,但是这种武器的自主性达到什么程度才算适当,仍旧存疑。

战争的决策者必须是人,人工智能只能从信息处理和辅助决策上给指挥官提供支持,是否实施打击的决策必须由指挥官结合各种因素最终确定。

人工智能和人类智能必须有机结合,将人工智能的精确计算同指挥官的作战艺术有机融合[17],在平时的训练中形成闭环,如图1所示。

螺旋发展,迭代升级,促进新质战斗力的增长。

　　图1人工智能在空天防御作战训练中的定位

　　人工智能和人类智能之间存在一个微妙的临界,这个临界,是一种介于有序和无序之间的混沌状态,是一种结合定量与定性的最佳统一[18],是作战效率最大化的一种表现形式。

人机融合智能就是要寻找到这种平衡状态,让它的速度支撑人类的快速决策,人类的经验与人工智能的精准相得益彰,达到安全、高效、敏捷的作战效果。

　　四、结语

　　新时代空天防御面临多维高强度体系打击,来袭目标空前多样,战场环境空前复杂,指控优化空前迫切。

在此实战化要求下,必须充分消化吸收已有的人工智能成熟技术,加快与空天防御作战军事准备的深度融合,全面提升作战效能。

　　参考文献

　　[1]金欣.指挥控制智能化现状与发展[J].指挥信息系统与技术,2017,8（4）:

11.

　　[2]谭铁牛.人工智能:

天使还是魔鬼?

[J].中国科学:

信息科学,2018,48（9）:

1257-1263.

　　[3]吴集,刘书雷.探索智能化时代颠覆性技术与新军事变革发展[J].国防科技,2019,40（6）:

7-11.

　　[4]刘伟,王目宣.浅谈人工智能与游戏思维[J].科学与社会,2016,6（3）:

86-103.

　　[5]特伦斯谢诺夫斯基.深度学习[M].:

中信出版社,2019:

20-25.

　　[6]周来,靳晓伟,郑益凯.基于深度强化学习的作战辅助决策研究[J].空天防御,2018,1

（1）:

31-35.

　　[7]刘兴,梁维泰,赵敏.一体化空天防御系统[M].:

国防工业出版社,2011:

7-13.

　　[8]何榕,罗小明,朱延雷.基于复杂网络的空天防御作战指挥体系结构优化研究[J].装备学院学报,2016,27（4）:

79.

　　[9]胡晓峰,荣明.智能化作战研究值得关注的几个问题[J].指挥与控制学报,2018,4（3）:

195-200.

　　[10]周光霞.人工智能技术军事应用若干问题浅析[C]//第七届中国指挥控制大会论文集.:

中国指挥与控制学会,2019:

174.

　　[11]赵国宏.作战任务规划若干问题再认识[J].指挥与控制学报,2017,3（4）:

265-272.

　　[12]安雨康.论导弹防御对美国亚太军事同盟的影响[D].南京:

国际关系学院,2018:

11-23.

　　[13]胡晓峰.战争科学论[M].:

科学出版社,2018:

126.

　　[14]胡晓峰,郭圣明,贺筱媛.指挥信息系统的智能化挑战[J].指挥信息系统与技术,2016,7（3）:

1-7.

　　[15]敖贵宏.大规模多源异构数据在军事信息系统的集成应用研究[C]//第七届中国指挥控制大会论文集.:

中国指挥与控制学会,2017:

322-325.

　　[16]朱丰,胡晓峰,吴琳,等.从态势认知走向态势智能认知[J].系统仿真学报,2018,30（3）:

767.

　　[17]胡晓峰.战争复杂体系能力分析与评估研究[M].:

科学出版社,2019:

13-14.

　　[18]刘伟.人机融合智能的再思考[J].人工智能,2019（4）:

112-120.