【人工智能】自主系统；无人机的自主与智能控制
2015年6月25日，美空军首席科学家办公室签发了规划自主系统未来发展的文件—《自主地平线》。该文件的副标题为“空军系统自主化—通向未来之路”。此次签发的是文件的第一卷 ：人与自主系统的协作。
自动化、自主化与遥控概念
传统意义上将自动化定义为“设备或系统在没有或较少人工参与的情况下 ， 完成特定操作实现预期目标的过程。” 广义的自动化概念包涵用于执行逻辑步骤和实际操作的软件及其他应用过程。空军的自动化技术包括飞行控制系统中的电传操纵技术，整合多种传感器信息的数据融合技术，制导和导航技术和自动防撞地技术等。
自主系统是指可应对非程序化或非预设态势，具有一定自我管理和自我引导能力的系统。相比自动化设备与系统，自主性设备和自主系统能够应对更多样的环境，完成更广泛的操作和控制，具有更广阔的应用潜力。一般来说， 自主化是指应用传感器和复杂软件，使设备或系统在较长时间内无需通信或只需有限通信，无需其他外部干预就能够独立完成任务，能够在未知环境中自动进行系统调节，保持性能优良的过程。自主化可以被看作是自动化的外延，是智能化和更高能力的自动化。
目前，大部分无人机、两栖无人驾驶车辆都需要人力遥控，其自主化水平相对较低。未来，这些远程控制装备可能会包含更多自主性功能，既可通过遥控进行操作，也有可能是半自主化或全自主化。
在过去 30 年里，大部分应用实际上是某种程度上的半自主化。未来，有充分理由认为，自主化是控制领域的最终归宿。但在很长一段时间内，随着自主作战系统发展，包括指挥控制与协调行动在内的绝大多数作战任务仍需要与飞行员协作完成。
除自主化级别外，自主系统的稳健性、控制范围和控制力度也影响着作战人员与自主系统间的协同合作
自主系统的应用前景及其对空军作战的影响
在美空军未来 30 年的战略布局中，将发展自主系统作为提升战略优势的一种重要手段。未来，随着自动化软件以及更高级算法的广泛使用，空军系统的自主性程度将不断提高，将能够应对更复杂的环境，遂行多种任务，并具备与其他自主系统协同运行的能力。具体地说，自主系统将使美空军：①减少不必要的人力投入，降低人力成本；② 扩大作战范围，延伸人类的能力与意志；③缩短重大时敏行动所需时间 ；④ 提高作战可靠性、持久性和灵活性。
在航空领域，过去30年里，有人机的自主性不断提高。F-35战机使用超过800 万行代码,实现了多传感器数据融合, 具备声音识别能力，并开发出导弹-威胁管理系统等高级自主系统，使得有人机能够具备更多样的功能，遂行更广泛的任务。同样的，未来自动化系统与自主系统也将提升无人机的作战性能，使其广泛应用于以下情况：
①诸如临近战争等人员高风险环境；
②通信受阻或通讯链不可靠的情况；
③具有作战速度优势，比如，可对目标重新分配传感器 ；
④新作战形式。
未来，人力和无人自主智能系统的紧密协作将使得有人飞机消除某些特定功能，并显著提升其他有效负载能力。
未来，在航天领域，当天基系统面临风险时，可借助其自主性快速重置，恢复其核心功能。通过自主系统具备的对轨道目标的实时监控和分析能力，可显著减少卫星控制和太空态势感知所需的大量人力。
在网络领域，空军指挥控制系统的软件和电子系统易受到网络袭击，尤其是网络突袭。未来，能够在数毫秒内做出反应的自主系统在保护核心系统和任务单元免受网络攻击方面，相比人力操作具有明显的优势。自主系统将成为网络防护至关重要的组成部分，用于解决包括网络漏洞测试和抑制、失泄密检测与修复、网络威胁的实时响应、网络和任务制图等常规问题和其他异常问题。
在指挥控制和ISR方面，未来，美空军要实现航空、航天、网络一体化，将离不开一体化联合指挥控制系统及一体化ISR力量所提供的先进态势感知能力。自主系统对于指挥控制和ISR能力具有以下重要意义 ：
①确保资源的动态配置，尤其是面临潜在敌军的反介入/区域拒止活动时；
②有效整合多传感器、平台和其他渠道的多源信息；
③促使网络信息流实现智能化，可优先排序，为系统中相应平台和作战人员提供精确的决策信息；
④辅助制定任务计划、进行任务监控和协调等活动。
在战备和后勤保障方面，通过应用自动化系统和自主系统，更好地提高战备水平。如运用自主智能运载器投送物资，检查和修复飞机跑道。借助自动化系统整合各大后勤系统信息，创建实时的平台设备监控系统，以优化部件、燃料和所需消耗品的配用，并缩减维护成本。
运用自主系统面临的挑战
研究人员对众多自动化系统及其应用进行了调研，从 20 世纪发明的陀螺自动驾驶仪，到当今商业航空使用的飞行管理系统，为理解未来空军运用自主系统面临的挑战奠定了基础。未来空军的自主系统必须能够在复杂、动态、且往往不可预测的环境中作战。
自主系统能力
自动化系统可在特定态势下执行可靠且可预测的行动。系统若实现自主性需要传感器具备良好的传感能力和对作战环境的理解能力，能够进行目标识别、分类 , 并对各目标间关系做出判定，需要系统能够应对突发目标、事件或态势。
自动化系统、自主系统与人类三者相比，人能够突出目标总任务，能够进行态势评估，制定飞行方案、应对特殊情况，人类更依靠图像识别和心理模式进行抽象的分析推理。此外，在战争中，敌军无法预测作战人员的具体表现也是作战人员的一个显著优势。但是，人类不善于快速持续地处理大量数据，也不善于长时间保持注意力，而自主系统能够弥补人类的这些不足。
随着自主化水平的提升，自主系统能够处理更多样的态势和不确定情况， 可以预测，未来自主系统对于人员协作的需求将减少。但另一方面，在可预见的未来，由于系统软硬件的复杂性增加，系统发生故障、出现漏洞甚至整体失效的可能性也随之增加，并且，系统进入敌军环境后更有可能遇到新的、未考虑到的情况。因而，自主系统仍继续需要人力的协作。
随着自主系统复杂性的不断提升，系统脆弱性也将随之增加，因此，在可预见的未来，绝大多数乃至全部的空军作战将需要人力与自主系统结合共同完成任务。自主系统能够提升数据整合与处理速度，并在其能力范围内执行任务。同时，作战人员在自主系统的协助下，进行指挥控制，获取态势信息，解决特殊问题并与其他部队和任务进行协作。
自主系统的运用也为作战人员带来了一定的负面影响，包括 ：削弱了自身的态势感知能力，增加了负载，延迟了决策时间，提高了决策难度。
态势感知问题
态势感知对于自主系统的运行至关重要。作战人员自动监测面临的一个关键挑战是 ：自主系统或其控制的系统产生的故障发现总会滞后一段时间，使得后续的问题判断与处理也出现滞后。对自主系统本身态势感知滞后的原因在于：系统状态反馈过少 ；系统监控需要大量人力，系统状态受到监控人员技术熟练程度等因素的制约；作战人员被动进行信息处理。比如，有些航空事故的原因在于飞行员未能及时中止自主系统运行。
此外，作战人员对自主系统运行缺乏充分理解也是美空军面临的一个巨大挑战。误解自主系统呈现的信息，对系统模式的误判，未能在既定态势中对系统运行做出准确预测等情况都可能产生不准确的态势感知信息和判断，甚至做出错误决策。因此，作战人员与自主系统的有效协作是个挑战。
信任对于自主化至关重要
最佳工作量
自动化往往并不能实现其降低作战人员工作量的预期目标，这被称作“自动化之讽”，有时甚至在低工作量水平时会增加作战人员的工作量。随着对自动系统的理解以及协作要求的增加，工作量往往从显著可见的人力作业变成不那么明显的感知任务。未来，需要建立易于理解和协作的自主系统，同时， 应基于以人为本的原则认真考量选择何种任务实现自主化，建立最佳人工-自主行动系统。
决策支持挑战
通常，自主系统用来支持作战人员做出决策，然而，事实证明，有效的决策支持是非常困难的。由于自主系统并不完美，作战人员与自主系统决策的准确性和及时性并不会有效提高。人们发现，向作战人员提供否定性建议的决策支持系统（比如，指出某计划、行动方案的潜在问题）运行更好，可以通过多种环境态势和敌军行动确认潜在的不足或僵局。
由于未来将更多地使用智能软件和决策系统，因此，需要对认知协作给予特别关注，使其能够提升而非降低作战人员决策能力。除此之外，还需要在人工- 自主系统联合行动结果的基础上切实检验自主系统的作战效能。
作战人员对自主系统的信任
作战人员和自主系统协同作战， 作战人员需要明确对自主系统的任务执行能力的信任度。该信任度不仅体现系统的可靠性，也是系统执行任务优良性的重要评价依据。基于此，作战人员需要对自主系统建立可靠的信任—明确何时、以何种程度使用自主系统或何时进行干预。信任评估要基于对系统、人员及态势的判断。
★系统因素— 包括自主系统的有效性和可靠性、对其可靠性的主观判断、由于信任缺失或修复缓慢出现系统性能减弱甚至失效的频率、系统的理解和预测能力、及时性和完整性；
★人员因素— 包括作战人员的感知能力、信任意愿和其他个人因素；
★态势因素— 包括时间限制、工作量，以及参与其他竞争任务的需要等因素。
面向共生的人工-自主系统
对于美空军而言，在未来很长一段时间，还需要作战人员和自主系统协同配合完成作战任务。原因有两点 ：第一，基于上述提到的运用自主系统面临的种种挑战，在可预见的未来，自动化系统可能达不到完全自主的水平，也很难应对多任务、复杂环境和作战态势。第二，需要掌握对自主系统的控制、任务评估以及与其他力量的协同配合。
为有效协作，自主系统与作战人员之间共享态势感知信息
发展灵活的自主系统
灵活性是构建人工－自主交互系统的一个中心原则。没有哪个自动化系统可以胜任所有情况，而且某些特定功能还需要改进，或在飞行员的操作下完成。对功能的控制、子系统、甚至整个载机都必须能够通过飞行员和自动化系统之间的反复磨合以达成协同作战，协作的过渡要尽可能平稳、简单、无缝连接 ；并通过高度共享的态势信息和有效的交互方法来实现。
自主化级别
不同情况需要不同级别的自主系统。这与介于完全人工和完全自主之间的一种中介式自主（半自主）选择不同。自主化级别与系统能力密切相关，系统能力提升也会相应提升系统自主化的级别。系统根据其具备的任务执行能力、环境评估与数据整合能力、决策及方案生成能力可达到5种不同级别的自主性。分别为：
*零自主性级别，即所有任务作业完全由人工完成；
*简单辅助级别，即自主系统可代替人工执行某个/ 某些任务，例如飞行管理系统和跟随人工瞄准的智能武器，这类自主系统仍要由人做出决策；
*态势感知级别，即系统具备多源数据融合、提供目标状态信息并决策的能力；
*管理控制级别，系统自动控制各类功能，例如收集信息、制定计划和执行行动，但人可以在必要时设定目标或进行干预；
*全自主级别，系统完全控制所有功能，无须人工引导和干预，例如目前装备于F-16 的自动防撞地系统，它可持续监控飞机状态，可以规划出逃生路线，并在危急关头控制飞机，并向飞行员回传机翼水平控制的情况。
中介式的自动系统的优点是，它能辅助飞行员达到更高水平的态势感知， 相比于完全自主化的系统，可为飞行员创造一个更主动的角色，而且技术上也容易实现。实现信息获取及分析的自主化可以更好地支持人工与自主系统的协同工作，提高作战效能。目前，决策制定的自主化会加重人员工作负担，往往只在低负载的条件下才能实现有效工作。
动态选择自主系统
何时选择何种功能、何级别的自主系统是一个动态决策问题。一般情况下，作战人员会根据系统的性能水平、使用风险、可信程度、任务需求以及协作关系等方面选择使用不同的自主系统。
多数情况下，自主系统的控制权应该掌握在作战人员手中，当然，有些情况下系统自主运行也是十分必要的。比如，作战人员无法与系统协作配合时（如作战人员丧失意识或失去联系），或者因情况危急而来不及介入或控制自主系统的情况（如撞地、撞机、导弹来袭或遭遇电磁攻击时）。此时，各类使用轻型传感器监测作战人员生理、神经状 态的技术就显得十分必要。
自主化是控制领域的最终归宿， 但在很长一段时间内，绝大多数作战任务仍需要与作战人员协作完成
武器系统中自主化限制
美国防部 3000.09 号条令指出，美军研发的自动或半自动武器系统应该能使指挥官或操作者在使用时加入人工的判断。包括有动力和无动力系统以及可以独立选择和区分目标的跟踪式武器。武器系统中的自主化限制具体为：
*装配或集成在无人平台上的半自动武器系统应该设计为：在通信受损或失效时，系统不能自动选择并参与攻击由操作者预先选定的独立目标和特定目标群。
系统设计应重视失误可能造成的系统失控后果，并尽量减小其影响。
*为了使作战人员对目标作出灵活恰当的决策，自动和半自动武器系统的人机交互界面应该做到让训练有素的使用者易于理解，提供系统状态的可溯源反馈，为使用者提供激活或关闭系统功能的清晰流程。
该条令对于降低自动化和半自动化武器系统的误操作影响尤为重要。条令也同样指出：作战人员是决策的主体，具有自主系统的最终掌控权，系统只提供适当的决策支持。
建立良好的人工-自主系统交互关系
除系统自主化级别外，自主系统的稳健性、控制范围和控制力度也影响着作战人员与自主系统间的协同合作。
稳健性包括系统的态势感知能力、理解力和控制力。过去自动化系统十分脆弱，并且只能处理一些预设的情况。未来自主系统将提升稳健性，能够应对多种态势，可迅速适应变化的环境并为作战人员提供更兼容的联合方案， 提高联合作战能力。
未来自主系统的控制范围将拓展为故障诊断与检修、维护，或通过调整飞行性能来进行补偿。控制的范围越广， 系统自动化程度越高，同时对高效的人机通信要求也越高。
作战人员的工作负荷通常随控制力度的降低而降低。未来，执行任务或行动所要求的控制力度越小，就要用别的手段来确保作战人员对自主性能的感知和了解。
建立态势感知共享机制以支持人工-自主系统协作
在人工- 自主系统协作过程中，作战人员要对自主系统的可信程度、工作状态、数据搜集与处理能力、作战支持效能予以评估。同时，自主系统也会对与其协作的作战人员进行评估。这就需要建立态势感知共享机制以支持人工- 自主系统的协作。
人机交互设计原则
①根据需要进行自主设计。只对最必要的情况进行自主化，降低自主化冗余度，减少人工负担。高级的自主化往往更加昂贵，并会产生额外复杂度和认知负载，甚至会降低态势感知能力。最好能以较低级别的自主化满足任务性能目标，建议推广常规任务的自主化或加强信息整合的自主化，高效地为作战人员提供态势感知信息。而对于方案制定和决策的自主化或是飞行员难以理解和交互的自主化，应当谨慎对待。
②自主状态透明化。自主系统的当前目标与假设、未来行动以及数据和算法的可信度都应清楚地呈现给作战人员，对其高度透明。
③作战人员要对自主系统持续监控并确保“人在回路”，即自主系统的环内可控。要保证作战人员始终在人员、自主系统等构成的回路中，并且作战人员能主动制定决策和控制作战， 这样才能更加有效地与自主系统进行交互。
④避免自主模式增殖。提高自主系统能力的方法之一就是增加不同情况下的系统运作模式，或称不同操作者的偏好设置。自主模式的增殖无形中会增加系统的复杂度，使作战人员难以理解，应该尽可能地避免。
⑤掌控自主模式和系统状态。
⑥确保自主系统的功能一致性。自主系统功能一致性能够保证信息配置和系统功能易于理解且可预测。
⑦避免系统先行对任务进行优先排序，绝对保证作战人员的参与度和决策优先级。
⑧在可靠性不明确的情况下，避免使用信息提示。如果信息提示不可靠， 作战人员会因注意力分散而造成不必要的麻烦。
⑨利用人机结合的决策支持方法。融合自主系统信息与作战人员判断来提高态势感知能力和决策规划能力更为合理。
共享态势感知
构建人员与自主系统双向交流的先进交互界面能显著提高作战人员与自主系统的协作配合，并完成任务目标。未来的自主系统将需要支持态势感知共享的高级界面。共享态势感知对于有共同目标的不同参与者之间的协同配合有着至关重要的作用。
态势感知是指在特定时间空间范围内，对环境要素的认知理解以及对当前或近期状态的预测。态势感知不仅涉及原始数据（一级 SA），还包括理解任务目标重要性的融合数据（二级SA），预估近期将要或可能发生事件的数据（三级SA），这对前摄决策制定有着重要意义。态势信息共享不仅意味着低层数据的共享，也包括根据作战目标等因素如何理解信息和预测未来。
人与人之间的共享态势感知模式可以用作支持人机态势共享的模型，有时即使是从同一个显示屏上获得相同的输入信息，或处在同一环境中的人都会基于不同的目标、不同思维模式而产生关于态势不同的理解和预测，因此难以实现态势的一致共享。因而，在作战人员与自主系统间实现态势感知共享将更加困难。
要实现人员与自主系统间共享态势感知，除了要保证双向能够进行有效通信外，还应保证作战人员和自主系统专注同一动态目标，作战人员能够实时掌握自主系统的功能分配并根据情况变化进行再分配，保持作战人员与自主系统间共享决策信息（包括战略、计划、行动），清楚双方对任务优先级的认识。
为了满足人员与自主系统在上述基础性能方面达到完美协调，二者应该都具备自我校正和匹配的能力。有效协作建立在两者都清楚地了解彼此的工作状态、行为影响和未来行动意图与计划的基础上。
支持无人系统
在无人系统操控方面还存在着多重挑战。包括：
*控制回路延时、中断将大大降低人的直接控制能力。
*感知信息（视觉、听觉、触觉） 缺乏，无人系统仅能通过有限的视觉显示提供信息。
*由于敌方干扰造成的数据链中断或噪声干扰。
*传感器图像清晰度不够或视场原因导致态势感知信息较差。
*多屏幕之间频繁的多任务切换加重了飞行员的负担。
*分散的无人机操控人员之间缺乏良好的协作交流（如飞行员、分析师、地面指挥官等）。
技术人员正在检视一架“ 大鸦” 无人机
无人机控制台加入了自主系统之后，诸如通信延时、中断和失联等问题可能得到缓解，但某些问题反而会增加系统负担和交互上的麻烦。所以未来系统应该：
①具备更先进的飞机控制界面；
②减少数据融合负担；
③补偿触觉、听觉信息的多源传感信息；
④包含自动定向、自动寻路、环境感知和受限态势感知的改进的空间感知能力；
⑤支持对延时控制的预测性显示和对系统行为理解和预判的显示（包括监视、诊断、任务和载荷管理）；
⑥具备人机多功能、各层级间的快速切换；
⑦能够对系统可信度进行实时评估；
⑧促使有人/ 无人机多机协同或多任务协同的能力；
⑨对有人系统，飞行员控制台的测试和改进是系统发展的重点，应予以足够重视。
提高人工-自主系统的互信
自主系统的使用既不能过分相信和依赖，也不能废而不信，所以引导作战人员对系统建立信任十分关键。反过来说，未来自主系统或将能够判断其使用者对它的信任。
为此，自主系统的设计除了要提高系统性能、可靠性、稳健性，还要：
①确保系统与人员的认知保持一致。保持认知一致或类比推理能力有助于增加系统的可理解性。
②防止太过“拟人化”的设计。设计自主系统时应尽量避免外观与人相似（如与人的面部表情、手势、肢体动作等相似）而对作战人员产生误导，从而高估系统能力。
③系统设计透明且可追溯。简单脆弱的系统易于解释，而复杂系统往往不容易被作战人员理解。所以设计系统时，要在系统透明性和功能与复杂性决策之间权衡是一个值得考虑的问题。出于飞行员建立信任的考虑，自主系统应当能用清楚明白的方式（视觉或文字） 阐释它的推理过程。
④实现系统稳健性可视化。系统和人一样，前后关联的语境是确保决策稳健的关键。通过高级输入（最好是便于人操作的自然语言环境）搭建语境（通过分辨率可调的可视化）的能力可以为人和系统提供共享的态势感知。
⑤系统具备自我健康评估能力。系统要清楚自身的健康状况。需要收集系统的元数据、元信息，也能监控通信信道、知识库运行。自主系统必须要强于一般的数据库完整性检查，要给检查者更高层次的一致性，类似于飞行管理系统的健康监控系统。
⑥支持人机联合训练。全面的人机协同训练要重视常规情况和突发事件等非常规情况，这有助于理解共同目标和彼此角色以及相互依靠协作的方法， 了解系统的工作极限以及达到极限时的报警行为。如果自主系统也能评估其协同的作战人员，这种联合训练能帮助他们理解相互的思维模式，也能提高对方整体性能、可靠性、可预测性、及时性并减少不确定性。
自主系统发展面临的挑战
美空军自主化科学技术战略研究实验室提出了未来自主系统的几个关键性目标，据此可以了解未来自主系统发展面临的技术挑战以及研制过程中面临的其他挑战。未来自主系统发展的关键目标包括 ：具有灵活性，可实现高效人机协作 ；多个自主系统间可协调完成各自任务 ；具备复杂战场环境下作战的能力；系统在未知或变化环境下仍能安全有效地执行任务。
自主系统的情景理解能力
自主系统要实现上述目标，不仅依靠计算逻辑，还要具备任务和环境理解力。未来自主系统要具备情景理解能力应包含：
①具有描述当前情景的计算机模型，整合多源传感信息进行情景理解、规划和决策。
②根据情景分类，具有相应的匹配模式、计划和行动。
③根据情景模型提出所需的期望信息和解释信息，当部分数据或信息缺失时能够提供缺省数据。
④表示情景不确定性的模型。
⑤具备目标驱动力，引导系统进行信息搜索和解释。
⑥与不同情景相匹配的重要线索识别能力。
⑦具有情景－状态比对能力，具有动态目标再排序能力和多目标掌控能力。
⑧构建多模型库，包括自主系统、环境，以及诸如协同人员、敌方、平民等要素模型，以便在对战时情景无法分类匹配的情况下进行推理。
⑨具有主动学习、优化情景和系统模型的能力。
⑩制定目标、计划并进行动态修改的能力，
11、具有数据（包括环境、系统及其他数据）优化能力。
12、上述未提及但可增强与操作人员或其他自动化系统协同的功能交互能力。
学习能力
基于学习算法的自主系统可以关注更多的情境要素（诸如作战环境、具体任务以及来自敌方的要素）从而为系统应对多种情景提供稳健的解决办法。自主系统若具备自组织和环境适应能力，则要求系统能够理解、学习和推理。自主系统的学习能力可以借鉴人类认知科学和生物学，以寻求实现途径：
模糊逻辑—应用模糊集合和模糊规则构建从一个或多个连续状态变量向推理和决策的映射框架。
神经网络— 通过由大量具有知识权重的节点网络构建的数学框架，利用大量数据库和模型库进行训练从而得出解决方案。
遗传和进化算法— 受遗传学启发，通过重复迭代进行备选方案筛选以获得最佳解决方法。
发展自主系统学习能力，应选择适当的系统架构，获取知识并进行编码、表达、存储、处理和复现等操作，同时， 结合上述各种技术。此外，学习型系统还要面临以下新问题：
理解力— 具有学习能力的自主系统，操作人员甚至系统开发者也无法完全了解其运行逻辑和行为。因而，可能无法全面、深入地理解自主系统的所有复杂性。
认证—自主系统想要广泛应用到空军的重大军事行动中，就需要通过系统认证和审核。目前认证工作中还存在很多需要解决的技术问题。
标准化—自主系统的学习能力面临标准化的问题，如果学习算法能在实践中不革新，那么随之而来的是因为一致性引起的新的挑战。比如说一个系统所学习到的经验是否能移植到另一个系统并且保持良好的一致性？以及自主系统在特定情况下确保每种情况中都能学到合适的学习经验以及这些经验在其他环境下是否能通用的判断标准又是什么？或是不同的系统是否表现有差异？这些系统发展的标准化问题都给作战人员理解、预测自主系统工作， 并与之良好互动、建立信任等环节带来了诸多问题和挑战。如果学习算法在训练阶段后就不起作用了，那会不会像其他脆弱方法一样，不能学习和适应环境而变成牺牲品？
系统认证与审核
空军自主系统的认证和审核对确保其职能实现具有关键作用。由于自主系统的高复杂性，使得检测与认证工作不得不面临太多可能的状态或状态组合，难于确定临界条件，并且，还应考虑自主系统的平缓降级能力和人机交互能力。未来，自主系统的认证需要用到许多不同于传统认证方法的新方法。
面临的网络挑战
鉴于自主系统的复杂性，其软件系统很难检测网络病毒或恶意软件。进一步提升自主系统的环境感知能力，完善自我监控系统将有助于应对网络挑战。另外，增强网络弹性也极为重要，需要在系统设计之初加以考虑，即将网络弹性视为自主系统创建和发展的基础性原则。
无人机的自主与智能控制
摘要：分析研究了无人机的本质与内涵，系统阐述了无人机自主与智能控制的内涵与本质以及二者的关系，提出了无人机自主控制的设计理念和工程实施要素，合理规划了自主智能控制的等级，提出了无人机自主智能 控制实现的工程方法与方案，构建了自主智能控制系统工程实现的架构。
关键词：无人机，自主控制，智能控制，分布式结构
1 引言
从古老的传说或寓言故事中可知，人类自诞生起，就梦想着能够像鸟一样飞行，人类通过一代一代幻想、努力、前赴后继地探索如何能够自由地在天空中飞翔，人类尝试了多种方法，如: 使用风筝、早期的火箭、飞车、热气球以及滑翔机，但都没能实现自由飞行。到了1903年，莱特兄弟用自己设计的“飞行机器—飞机”完成了人类第一次动力载人飞行，实现了人类在空中飞行的梦想。在人类梦想在天空中飞翔的同时，人们也开始设想人不在飞机上，在地面上控制 飞机的飞行，这就产生了无人机的概念，1916年美国的斯佩里(Sperry)和劳伦斯(Lawrence)进行了首次无人机飞行，自此开启了人类对无人机的研究先河， 经过第一次世界和第二次世界大战,特别是经过冷战时期，无人机得到了长足的发展；无人机经过100年的发展，形成了庞大的家族体系，分支众多，可以从机身结构、体积重量、飞行高度、航程、航时、用途等多个维度对其进行分类，如从机身结构特征进行分类, 可分为无人直升机、无人固定翼飞机、无人多旋翼飞行器、无人飞艇、无人伞翼机和扑翼无人机等；从体积重量特性来分类，可分为大型无人机、中型无人机、小型无人机和微型无人机；按用途可分为军用无人机(情报、侦察、监视、诱饵、电子对抗、通信中继、靶机和无人战斗机等)、民用无人机(如警用、消防、气象)和消费级无人机(航拍、游戏等休闲用途)；还可分为高空无人机、长航时无人机、远程无人机、高空长航时无人机等。
世界上任何事物的发展都是与时俱进的，其实质内涵与外表特征都在不断地演变进化，无人机也是如此，对无人机的定义与内涵也需不断地动态完善，无 人机从简单的人遥控飞机飞行时代发展到现在的无人机自动(自主)飞行阶段，也应适应技术的发展和人们认识的提高而有较明确的定义，否则对无人机技术的发展不利，甚至阻碍无人机技术的发展。本文就无人机的发展变迁进行了研究分析，归纳 了无人机的内涵和定义及其发展，阐述了无人机控制的内涵，探讨了自主与智能二者之间的相互关系，给出了自主智能控制设计理念和工程要素，提出了无人机自主智能控制实现方法与方案。
2 无人机的定义与内涵
1916年9月12日, 美国的斯佩里(Sperry)和劳伦斯 (Lawrence)的“休伊特-斯佩里自动飞机(Hewitt-Sperry AutomaticAirplane)”完成人类第一次有动力无人飞行，人类便开启了无人机研究的新纪元，人们在最初定义无人机时，采用的是最直观的物理概念，只考虑了飞行员与飞机的物理位置关系，即：飞机上没有飞行员的飞机则称为无人机，起初在英语中用pilotlessaircraft表达，这也是无人机最基本的内涵。
随着无线电遥控技术的发展，航空工程师使用了无线电在地面遥控无人机的飞行，这就出现了遥控飞行器(Remotely Piloted Aerial Vehicle, RPAV)和遥控飞 行系统(Remotely Piloted Aircraft System, RPAS)术语，在此期间也有人使用UninhabitedAerialVehicle作为无人机的名称术语。
Unmanned Aircraft System (UAS)在《无人机路 线图2005~2030》被美国国防部和FAA所采用[1]，并给出了定义：指不载有操作人员、利用空气动力提供升力、可以自主飞行或遥控驾驶、可以一次使用也可回收使用、携带致命或非致命有效载荷的有动力飞行器。此定义明确了无人机的最基本内涵：1) 飞机上无驾驶人员；2) 能完成一定的使命任务；3) 能够重复使用。
依据上面的定义，弹道或半弹道飞行器、巡航导弹和炮弹不能看作是无人飞行器，原因是导弹不能回 收；目前遥控航空模型飞机是否属于无人机仍有疑义和争论，未有定论，主要原因是现代航空模型飞机也采用了先进的控制技术，其功用也在变化，从司法层面和飞行管理层面上无法明确鉴定。笔者认为：如果只是在视距内进行表演娱乐活动， 遥控航空模型飞机可认为不属于无人机，
无人机发展到现在，在技术上使用Unmanned Aerial Vehicle (UAV)来代表无人机，而在民间中，则经常使用drone(老式军用无人机发动机有规则的噪声与公蜂的蜂鸣相似的原因)来代表无人机[1,2]。
无人机的两种形式表达：unmannedaerialvehicle和uninhabitedaerialvehicle仔细探究其含义是有区别的，unmanned从字面上有两个含义: 其一是直接的含义，无人的，飞机上无人；其二是无人操纵的；而uninhabited只有飞机上无人的含义。从unmanned字面上讲，无人 机应同时具备两个含义, 即: 人不在飞机上并且人不操控飞机, 飞机能够“正常”飞行，也就是说无人机从起飞准备-滑行-起飞-空中飞行-返场着陆-退出关停的全过程(图1)都可不需要人介入。因此，用“unmanned aerialvehicle”来定义无人机是最合适的，更能体现“真” 无人机的内涵。无人作战飞机(UCAV)的英文表达应为: unmanned combat aerial vehicle。
无人机经过100年的发展，其演变与发展是全方位的，其内涵也发生了重大变化，无论执行的任务千变万化，但其最根本的变化还是其飞行控制方式的变 化，按照无人机飞行控制方式的变化，无人机经历了 下面几个发展阶段，并形成了相应种类的无人机：
(1) 遥控飞行无人机(阶段)；
(2) 遥控加局域自动飞行无人机(阶段)；
(3) 全自动飞行无人机(阶段)；
(4) 全自动加局域自主飞行无人机(阶段)；
(5) 全自主飞行无人机阶段(下一阶段,即将来临)。
目前，国际上无人机的最高水平是全自动加局域自主飞行无人机，根据不同的任务需求以及人力和成本的情况，依据实际情况来选择无人机的种类，这几 类无人机可以并存，相互补充，充分发挥每一种无人 机的优势。
技术发展到现阶段，从狭义上定义，无人机的飞 行可与人没有直接关系，即: 人与无人机二者存在隔离的状态；从广义上讲，由于无人机作为一类可飞行的工具或武器，人要使用它，就必须明确“人机权限”问题：人是无人机的主人(主宰)，无人机的行为要听从人的管控，但人的自身能力、精力以及精确控制飞机能力的限制，不可能分分秒秒或时时刻刻管控无人 机，因此无人机必须要有独立自主(自动)工作的能力。
从上面的分析中可知，遥控飞行无人机(remotely piloted vehicle)与“真”无人机(unmanned aerial vehicle) 其内涵和本质是有区别的。遥控飞行的无人机的构架原理图见图2，“真”无人机的构架原理图见图3。从图2和3可直观看到二者的不同，遥控飞行无人机是在人直接控制下工作的，即人在其工作环中；而无 人机是在人授权下工作的，人在其工作环之外，而不是在工作环之中，这一本质上的差别就导致了二者在设计中系统结构、控制功能和实现方法的不同。
无论怎样给无人机下定义, 有自我独立工作能力应是其本质属性, 但不变的原则是: 无人机由人使用，人是无人机的“主人”，无人机必须听从人的管控，无人机自我独立工作权限自然是由人随时进行设置的，显而易见，为实现无人机的功用，无人机的结构与能力是在“制造”它时构造的。因此，标准的无人机应有3 个工作模态：自主(自动)模态、人工干预模态和人工 操纵模态。这3种模态的使用是由人(操作员)设置与选择的。人(操作员)选择模态也应综合考虑实际环境的 复杂情况, 可遵循“将在外, 君命有所不受”的原则进 行模态选择. 上面的3个工作模式的定义与含义如下: (1) 自主 (自动)模态是无人机系统的默认模式，此模式按照人制定的规则、理念、思路进行工作，管控无人机的飞 行；(2) 人工干预模态是在自主(自动)模态下，人主动 纠正自主(自动)飞行的偏差，是在默认控制基础上增 加一△增量；(3) 人工操纵模态是在控制系统出现故障而无法自主(自动)控制无人机应急条件下，由人直接操纵飞机。一般情况下，人工操纵难以保证飞机的控制效果，其原因很简单：人不在飞行现场，难以准确感知飞机的运动信息，因而也就难以准确控制飞机，无人机采用上述3个工作模态事实上也明确了“人 机权限”问题，人作为无人机的“主人”，人通过制定规则和策略管控无人机，无人机按规则和策略自主(自动)生成控制指令控制飞机的飞行；飞行中出现与人的设想不一致结果时，人可进行适度的修正；飞行出现应急情况时，人可直接操控飞机，这是“孤注一掷”的行为。
由于无人机在整个使用过程中，不同的飞行阶段有不同的使命和任务，因此，三种工作模态在不同的飞行阶段执行不同任务命令，基于此原因，在构造无人机系统工作逻辑结构时，应采用“因地制宜”的原则进行飞行阶段与3种工作模态的逻辑构造置，即：先确认阶段，然后再选择工作模态。采用上述模态也是涉及到无人机操控人员的日常培训理念问题，按上面模态的设置，无人机日常的训练方式应该是：以模拟器虚拟训练为主，重点在任 务方面的训练，飞行特情训练为辅，再辅以少量的实 物飞行训练的方式。
需要强调的是：既然无人机能够自主(自动)飞行，就涉及到如何自主(自动)飞行？飞行的好与坏？即自主(自动)飞行的能力和水平，也就是其智能的高低，这 就出现了自主与智能的内涵与相互关系问题。
3 自主/智能的本质内涵及其相互关系
自主/智能的本质内涵及其相互关系准则是无人 机设计的基本原则。
从一般意义上讲，自主与智能是两个不同范畴的概念，自主表达的是行为方式，由自身决策完成某行为则称为“自主”；智能则是完成行为过程的能力[3]，也就是运用的方式方法以及策略是否符合自然规律或符合人(或某团体)的行为规则，在千变万化的环境中找到合理的“路径”完成某项任务，则称为是智能的。显 而易见，智能是分层次和等级的[3]。
自主与智能二者之间的关系应该是：自主在前，智能在后，二者应该相辅相成；自主未必智能，但自主希望有智能；智能依赖自主，智能的等级取决于自主权的高低，智能是自主与知识及其知识运用的结合体，智能生成的一般过程应该是：在自主的前提下, 综合运用权限范围、主动性、爱好痴迷精神、感悟力… 等各方面能力，去感受信息、提取信息、积累知识、 总结知识、归纳特征并精化、提升完善知识结构、融会贯通知识以尽可能达到符合自然规律的目的。
智能具有相对性，不同“个体”的智能是有差别的，这些差别既来自其“出生”时所赋予的智能，又来自后天学习与完善所得到的智能。由于自然界及其存在的事物都是矛盾的统一体，“正确”与“错误”、“好”与 “坏”、“聪明”与“愚蠢”等等都是相对，可以互相转化。因此要正确理解、掌握和运用“智能”，应该认识到：在人类社会中，“高智能”是以人的标准或世界观确定的，存在所谓的“高智能”与自然界的真“高智能”不一 致的现象，也存在“大智若愚”的现象，这是人的认识能力问题。这也是人类社会的“奥妙”之一，这也引申出中华民族的至理名言“智者千虑，必有一失”这句名言既是真理，又是公理，因此在设计个体智能策略时，必须利用对方的“失”，才能掌控对方、取胜对方，因此难点就是如何探知对方的“失”，一旦掌握了对方的“失”，制定策略取胜对方就易如反掌了。
需要强调，人们往往把智力和智能混为一谈，这是错误的。智力(智商)与智能的内涵是完全不同的。智力是对知识获取、推理和运用知识的能力，而智能是指从获取的知识、知识推理和知识运用的结果符合自然规律的程度，智力只是智能形成的一个要素，有智力不一定是智能的，高智能一定是需要高智力。
在构造无人机时，应赋予无人机“相当”的自主和智能能力，以满足人的需求，应基于上述的自主与智能的关系准则进行设计。
由于无人机是在人授权下工作的，无人机由人赋予智能的能力，在赋予智能能力过程中会“植入”使无人机会出现“灾祸”的因子，所谓“灾祸”是“天灾”和“人祸”，“天灾”是自然界的创造，人类无能力管控，“人祸” 是人主观想干某事，由于能力问题或责任心问题(疏 忽)，导致飞机不听人的指挥或未按人的想法“做事”，出现人不想看到、更不想要、而人又无法控制的事情发生，这确实存在，强调的是：这些失控是暂时的，不可能永远持续；原因是无人机需要能量，其智能程度是有限的，再则人也可以采用其他手段管控或击毁它，“机器将来局部取代人”的论断在某种意义上是成 立的，但“机器将来控制人类”是不可能的，但会给人 类带来“麻烦”或“灾难”，此类“麻烦”或“灾难”并不是完全不好，对于某些人群是“坏事”，但对于另外的人群是“好事”(前提是能管控住)，用此特点对付“他人”。
具体个体的自主是有权限和范围的，受到许多因素的限制，正如与人的自主概念是一样的，一是人受到自然界的规律或法理限制，二是人受到所处群体的 制约(国家/制度、社会团体/规程、单位/条例、家庭/伦理道德)；无人机的自主权限首先受人(使用者)限制，同时也受自身能力的制约，也受其使用环境的限 制(自然地理环境、飞机编队要求、任务要求等)。
实现无人机自主行为方式的基本原则或底线是：必须具有独立自主信息获取能力、独立自主信息处理与决策能力、独立行为执行能力。独立自主信息获取能力是自主的基础，没有独立自主的信息获取能力，就是“空中楼阁”，就是个“附庸”或“寄生虫”；对无人机而言，如果信息需要外界提供，一旦外界不再提供信息，那么无人机就会变成“聋子、瞎子”；独立自主信息处理与决策能力是自主的核心，否则就谈不上自主，自己没有主见，只听别人发号施令，只能作“傀儡”；独立行为执行能力含义为独立服从自身决策层的命令，依据自身的能力去执行任务，而不是仅仅机械地执行外来命令。因此，无人机成为完整的自主智能需要有上面的三层组成，三者是相互作用与依存，是命运共同 体，图4示出了无人机自主智能体信息流图和要求示。
显而易见，GPS、北斗信息以及数据链提供的信息不是自主信息，这些信息传感器(或设备)就不是自主信息传感器(或设备)；下面列出的传感器(或设备) 属于信息自主感知传感器：惯性传感器; 视觉感知设备；地形匹配感知设备；光学感知(激光/红外/紫外等) 传感器；天文信息感知传感器；电磁感知传感器。
以机场感知与特征提取为例说明信息感知与提取要独立自主能力的含义。
在机场上安装反光镜或其他人为设置的标志来指示机场的位置特征、跑道的参数特征就不体现自主特性，因为这些人为设置的特征很容易改变或破坏，不能作为可信和唯一的信息属性标志。应以跑道周围难以改变的属性特征作为信息源，周围面积大小根据距离的远近选择，从远到近，区域面积逐步减小，区 域内以人难以改变的属性特征为信息提取特征：如高山、河流、自然景观以及它们之间的相互关系为属 性，这样就既能实现自主，又能进行故障识别与故障 重构，为自主决策提供可信和唯一特征的信息。
目前人是自然界的“精灵”，是最为合理的自主智能综合体。无人机的设计理念应遵循人体结构和人思维/行为逻辑的关系，复杂性管理的策略和方针应是 “分而治之”(divideandrule)[4]。人的智能处理是分层次的，对外界的信息处理和响应分优先级，生死问题优先处理，提高和改善生活质量和环境次之，不同的条件下，生死问题处理方法也不一样。因此, 无人机作为人使用的工具，其智能处理也应分层次和等级[1,5]，有优先级。建议以优先级为原则将无人机智能等级分3个等级(层级)(图5)。
第一等级是无人机个体安全飞行等级，定义为“高可靠活着”：能够安全飞行，高度、速度和姿态等状态是安全的；有防撞能力，能自主安全的规避静止和动的物体；空中加受油能力，确保有飞行能量；故障重构和自修复能力；特情安全着陆能力。
第二等级是完成小组特定的工作，定义为“高品质的工作”：能够实现四维导航，实现态势感知与认知；能够实现路径规划与重规划；任务规划与重规划；无意识信息的认知。
第三等级是实现机群协同任务，定义为“为集体使命高效工作”：编队飞行；有人/无人协同作战；群体感知与态势共享；集群联合作战。
总之，为能实现上面3个等级的自主智能控制，“创造”出完整与完善的无人机, 应遵循下面的“创造”原则：在保证自主与智能的前提下，应借助其他手段和传感器充分获取和利用一切可用的信息，这样可起到事半功倍的效果和作用，强调自主与智能必需确保底线。为实现这一原则，无人机必需具有3个信息环：自主信息环、非自主(外来辅助)信息环、权限信息环(高智能还应有无意识信息环)；信息的获取、处理与应用以及任务决策必须保证自主完成，这需要构造“代理机构”来实现，至少有两个“代理”，一是在地面上的“代理”, 完成人的指令构造与分发，二是在飞机上的“代理”，实现完善的自主智能管控，其作用最为关键，是核心功能“构件”，没有此“代理”，无人机就无法实现真正的自主智能使命。图6示出了无人机信息流与结构。
无人机在自然界能作为一完整独立的个体，它应融入自然界中，它应与自然界、作为其主人的人和对手有密切的关联，否则难以达到自主智能的高境界，无人机本体与自然和人以及代理同时有关系才能实现“真正”的自主与智能功能。图7示出了“真正”无人 机的“社会”关系。
4 无人机自主智能控制实现方法
正如人一样，世界上任何有“生命”的事物构成都是一样的，由载体(人为肉体)和功能灵魂两部分组成的，因此，无人机自主智能控制系统也不例外，是由硬 件载体和载体所承载的功能灵魂(信息获取与行为决策、控制律与控制逻辑等)组成(见图8系统基本构成)。需要指出的是：硬件载体和功能灵魂是相互作用的，不同的载体承载不同的功能灵魂，高智能的灵魂需要高性能的载体，两者是相辅相成的，“创造”无人机自主智能控制系统时必须对二者同时考虑，二者必须相 协调。
为能实现无人机自主智能控制，需要载体能扩充、功能能扩展、智能水平可提升、故障重构和自修复能力可完善，系统结构应采用分布式系统，信息感知与获取的传感器(部件)、信息处理分析与决策计算单元、指令执行部件采用相对独立，并分布式配置，这里分布式配置有两个含义，其一是硬件载体分布配
置(图9(a))，二是功能控制也是分布的，有主控制中心，也有副控制中心，还有辅助控制(图9(b))[4,6]。相对来说，分布式载体构成与实现容易些，但对于自主智能的功能灵魂，要实现3层10级的自主智能等级要求，其逻辑与信息架构的“创造”难度是非常之大，经分析研究，可行的逻辑与信息架构如图10所示的四环结构，第一、第二个环完成第一层级的自主智能控制，实现“高可靠活着”；第一、第二和第三个环完成第二层级的自主智能控制，实现“高品质的工作”； 第一、二、三、四环完成第三层级的自主智能控制。
实现“为集体使命高效工作”。上面的自主智能控制的框架结构基于“分而治之”的策略，先分层次，然后每个层级采用不同智能决策策略，简化系统的复杂度。
5 讨论与结论
本文作者在多年的研究基础上，对无人机的定义和内涵进行重新梳理，分析阐述了无人机的自主与智能控制的关系，初步形成了无人机自主智能控制实现 的基本理念和思路，构建了自主智能控制系统工程实现的架构，部分结果已在实际飞机控制系统中采用，这只是起步工作；虽然自主智能控制已有多年的研究历史，但研究深度远远不够，大多停留在理论层面上，工程应用层面上还处于萌芽状态，急需对具体的自主智能的信息感知方法、智能决策策略与实现方法(算法)进行深入研究。
参考文献
1 Weatherington D. Unmanned Aircraft Systems Roadmap 2005–2030. US Department of Defense Report, 2005
2 International Civil Aviation Organization. Unmanned Aircraft Systems (UAS). ICAO Report, 2011
3 Long L N, Hanford S D. Evaluating cognitive achitectures for intelligent and autonomous unmanned vehicles. Technical Report. 2007 AAAI Workshop, University Park
4 Advisory Group for Aerospace Research & Development. Integrated Vehicle Management Systems. AGARD Advisory Report 343, AGARDAR-343, 1986
5 Gertler J. U.S. Unmanned Aerial Systems. Congressional Research Service Reports, 2014
6 Barnwell W G. Distributed actuation and sensing on an uninhabited aerial vehicle. Dissertation of Masteral Degree. Raleigh: North Carolina State University, 2003
本文摘自《中国科学：技术科学》2017（47）3：221-229
人工智能赛博物理操作系统
AI-CPS OS
“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。
AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。
领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：
重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？
重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？
重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？
AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：
精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。
智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。
高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。
不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。
边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。
AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：
创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；
对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；
人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。
给决策制定者和商业领袖的建议：
超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；
迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新
评估未来的知识和技能类型；
制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开
发过程中确定更加明晰的标准和最佳实践；
重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临
较高失业风险的人群；
开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。
子曰：“君子和而不同，小人同而不和。” 《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。
如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！
新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。
产业智能官 AI-CPS
用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
长按上方二维码关注微信公众号： AI-CPS，更多信息回复：
新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能金融”、“智能零售”、“智能驾驶”、“智能城市”；新模式：“财富空间”、“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”。
本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！
版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com
相关内容
微信扫码咨询专知VIP会员