人工智能技术在军事领域的应用思考

2022 年 6 月 11 日 专知

在人工智能技术展现出汹涌澎湃发展趋势的当下，建设以智能技术武装的新型军队，打赢以信息化智能化为特征的新型战争，成为当前世界主要军事强国的优先发展目标。以“意志的屈服”、“不战而屈人之兵”为标志的“制智能权、制意识权”将成为未来军事斗争的最高级、最有效、最具震慑力的军事优势。文中从军事作战特点和人工智能的优势入手，分析军事领域对人工智能的需求。针对感知、指挥、打击、互联的作战链条，提出人工智能技术在军事领域的应用方向，探索如何通过人工智能在军事领域的应用“有效塑造态势、管控危机、遏制战争、打赢战争”。

引言

随着深度学习、机器视觉等核心技术的大发展和大突破，人工智能迎来新一轮的发展热潮，并迈入 “黄金时期”。如今，人工智能技术已经深入交通、服务、医疗健康、教育、就业、公共安全与防护等民用领域［１］，代替“懒人”完成部分体力和脑力工作。当前，智能技术正不断颠覆信息化时代下的军事理论、作战规则和作战方法，有力推进新军事体制变革，逐渐改变未来战争的形态［２］。美军将人工智能视为“改变游戏规则”的颠覆性技术，并已经在无人作战平台、电子战、辅助指挥决策等技术领域中对人工智能技术进行尝试和应用。

加快军事智能化发展，提高基于网络信息体系的联合作战能力、全域作战能力［３］。智能技术对我们来说，既有挑战也存在机遇。面临新形势下的威胁态势，面向新时期军事作战需求，我们要找准定位、明确目标、奋勇攻关，有效应对内外环境变化带来的风险挑战，努力抓住科技进步创造的发展机遇，实现“弯道超车”。

军事领域对人工智能的需求

2.1 军事作战特点

按照克劳塞维茨《战争论》的定义，战争无非是扩大了的搏斗，是迫使敌人服从我们意志的暴力行为［２６］。千百年来战争形态和手段及样式虽历经变迁，但战争本质核心却始终如一，这就是消灭敌人，保存自己。军事作战特点主要包括以下三点。

１）非友好、非合作、不可控。战争的成败可能决定了对抗双方的生死存亡，使得对抗双方尽其所能地欺骗对方、尽可能地隐瞒自己的真实意图、尽可能地利用对方所有可能漏洞，从而使得对抗双方都无法全面有效地掌握战争的真实状态，导致战场局势不可控。正如丘吉尔所说：“一旦开了第一枪或引爆第一颗炸弹，政治领导人就失去了对战争的掌控权，战争本身成为了主导者。”

２）不确定性大。作战是敌我双方持续对抗的过程，然而，复杂战场环境、指挥决策、对抗手段等多种不确定性因素必然会产生作战空间、作战力量、作战规则、作战流程等要素的不确定性。由此，要求指挥员要善于未雨绸缪，周密制定计划，创造有利于我而不利于敌的战机，能够基于瞬息万变的战场情报数据及时调整作战行动。

３）作战规律难以掌握。一方面，由于“战争迷雾”的存在，在战场环境下对作战数据的获取往往是不完整的、不完备的、甚至是虚假的，使得军事装备自身难以自己学习训练，从而无法掌握作战客观规律继而变成军队可用装备。另一方面，随着各种侦察探测手段引入现代战争中，各种信息充斥战场，数据的过剩、超载、盈余、膨胀使得很多有价值的信息淹没在数据海洋中，导致不可靠、不相关、模棱两可和互相矛盾的信息呈指数级的增加，进而增加判断的复杂性。伴随一批新兴技术理论的不断突破和技术应用范围的持续扩大，多种新质武器的相继问世，未来战争将会是在陆、海、空、天、电、网上进行的全维战争，是战场信息处理能力、辅助决策能力、快速打击能力的比拼。未来战争空间多维、力量多元、样式多样、节奏加快等突出趋势，对战场信息的接收与认知、对战场态势的评估与预测、对作战行动的快速应变等能力要求将远远超出作战人员的思维能力，必然需要依靠具有超强计算、学习和理解能力的机器进行威胁研判和作战辅助决策。

2.2 人工智能的优势

人工智能自诞生之日起即被赋予了一项崇高使命，即代替人类完成繁重、危险和重复性工作。面对这些工作，人工智能具有速度更快、精度更高以及抗疲劳性更强等显著优势。随着人工智能的发展，其对军事调度、战场行动认知与决策的能力将逐渐超越人类。

１）人工智能善于解决复杂信息认知问题。人工智能技术能够打破现有作战规则，使得机器像人一样对复杂问题进行认知，积累经验，解决问题。通过对战场大数据的有效开发，提高指挥员对多个战场空间情报的发现和深度认知能力，利用数据挖掘分析方法从海量多源异构信息中得到高价值军事情报信息，大幅度提高情报分析处理能力，从而能够把握战场发展动向，预估敌我态势变化，破除“战场迷雾”。

２）人工智能善于解决复杂状态空间问题。人工智能技术在继承机器优势的同时，具备针对复杂任务进行高效率的信息搜索和优化处理能力，是解决不确定性和复杂性的有力武器。围棋在走法上有１０１７０种可能，比全宇宙的原子数１０８０都要多，然而相比于围棋，战争要更加的复杂多变。战争具有更强的战场开放性、攻防隐蔽性、作战多维化等特点。如今，人工智能已经攻破围棋的堡垒，正在向复杂度更高的“星际争霸”游戏发起挑战。

３）人工智能善于自我学习实现能力升级。人工智能技术可以通过系统后台进行无监督学习和机器博弈，从而达到系统性能的自我提升和优化的目的。以围棋为例，ＡｌｐｈａＧｏ只花了几个月的时间，学习人类对弈的三千万棋局，在通过海量的历史棋谱学习参悟人类棋艺的基础之上，进行自我训练，击败了人类顶尖棋手。而ＡｌｐｈａＧｏＺｅｒｏ与ＡｌｐｈａＧｏ有着本质的不同，它不需要通过学习历史棋谱从而掌握人类的先验知识，而仅靠了解围棋对弈的基本规则，通过自我博弈和自我进化，迅速提升棋艺，实现对ＡｌｐｈａＧｏ的百战百胜［２７］。可以预见，应用人工智能技术，能够在很大程度上提升作战指挥活动的观察、判断、决策、行动等关键过程的作战能力。人工智能技术将成为军事变革的重要推手，必将催生新的战争样式，推动战争形态的加速转变。

３人工智能军事应用方向

3.1 军事智能技术体系框架

未来战争，从能力上我们希望具备更加透彻的感知、更加高效的指挥、更加精确的打击和更加自由的互联。由此带来的众多跨作战空间装备之间数据互联、任务协同及海量战场异构数据实时处理等问题必须由更加深入的智能才能得到有效的解决，继而对感知、指挥、打击、互联等作战能力产生催化剂的作用，形成一体化智能作战链条，颠覆性提升体系作战效能。军事智能技术体系框架如图１所示，包括赋能体系、军事智能系统、作战体系等三个方面。

图１军事智能技术体系框架赋能体系：以机器学习、人机交互、计算机视觉等人工智能算法为依托，形成面向军事应用的人工智能优化算法引擎，实现人工智能技术在军事领域的赋能。军事智能系统：应用赋能技术，面向军事作战需求，依托作为人工智能算法“倍增器” 的基础支撑，实现感知、指挥、打击、互联形成的ＯＯＤＡ作战链路的智能化。作战体系：在空中作战、反导反临作战、太空对抗、陆海作战等行动中，作战部队利用军事智能系统，与人协同，提升作战效能，形成对敌方的非对称优势。

3.2 更加透彻的感知，实现信息优势

在探测感知领域，主要可在目标信息获取、战场数据分析等方面应用自然语言处理、元学习、随机森林等职能技术，实现信息优势，如图２所示。

１）应用于目标信息获取。 综合利用微波辐射、可见光、多光谱、红外、声学、磁力等多种探测手段，实现对战场目标信息的高效准确采集和获取；应用多谱段－多体制协同探测、多源数据智能融合等技术，提高对目标的多维特征提取，精确解算目标位置，实现对目标属性、类型、国别、身份、敌我等快速准确识别，实现目标信息的所见即所得［２８］。美国防部高级研究计划局（ＤＡＲＰＡ）２０１０年启动了“心灵之眼”项目［２９］，旨在研发视觉智能系统，通过无人作战平台观察目标作战信息，并为作战人员及时提供应对手段。该项目主要通过运用智能图像处理和机器视觉等技术，对视频信息中物体的动作和行为进行辨别和分析，通过对物体动态行为信息的准确感知，以实现复杂作战环境中对潜在威胁进行识别和认知。无独有偶，美国防部于２０１７年成立了“算法战跨职能小组” ［３０］，旨在解决美军在中东地区对Ｉ⁃ ＳＩＳ进行反恐作战过程中遇到的海量情报分析困难问题。该项目通过运用深度学习、计算机视觉等技术，利用数台计算机代替数以千计的情报分析人员，提高情报提取的效率和精度，以支撑更及时有效的决策［３１］。

２）应用于战场数据分析。

综合利用大数据、机器学习、数据挖掘等技术，寻找在复杂作战过程中产生的海量数据之间的内在关联关系，快速高效分析战场作战行动和态势变化，将侦测到的战斗力量分布与活动和作战环境、敌作战意图及机动性有机联系起来，分析并推理事件发生的原因，得到敌方兵力结构和使用特点的估计，通过已知事件推测将来可能发生的事件［３２］。ＤＡＲＰＡ于２０１１年设立“洞悉” 项目［３３］，旨在研发一套情报分析系统，将操作员的知识和推理能力融入到系统当中，从而提高快速应对网络威胁和非常规战争的能力。该项目主要运用异构信息关联、多源智能融合等技术，通过分析和综合多源传感器探测信息和不同资源情报数据，辅助增强情报分析人员的信息处理与共享能力。ＤＡＲ⁃ ＰＡ于２０１９年设立了“以知识为导向的人工智能推理模式”项目［３４］，旨在研发一套半自动化的人工智能推理系统，将通过语言和常识推理得到的知识库应用于复杂现实事件的理解中，解决多源信息阻碍事件理解的问题。该项目运用知识图谱等技术，通过对复杂事件内部组成元素和时间线进行推理和预测，快速识别不同事件之间的关联性，提升事件理解能力。

３. ３更加高效的指挥，实现决策优势

在指挥控制领域，主要可在作战方案推演、远程指挥控制等方面应用平行仿真推演、脑机融合等智能技术，实现决策优势，如图３所示。

１）应用于作战方案推演。通过深度学习技术，训练智能体对战场交战规则、作战指挥决策、事件认知推理等知识进行学习和模拟，提升智能体认知的智能性、实时性与科学性。在战场态势实时共享的基础上，对战场数据进行智能化处理，通过平行仿真推演作战方案，形成对对手下一步可能的军事行动和战场演进趋势的智能预测，自动匹配最佳行动策略［３５］。２００７年，ＤＡＲＰＡ安排了名为“深绿”的系统研发项目［３６］，旨在建造一套人工智能作战辅助决策系统。该系统利用平行仿真、动态博弈等技术，基于战场实时数据，可动态模拟战场敌我双方作战行动，并预测战场态势走向，帮助指挥官提前思考，缩短决策时间。ＤＡＲＰＡ于２０１８年启动了 “ 指南针” 项目［３７］，该项目主要通过利用大数据分析、博弈对抗等方法对战场数据进行分析，构建敌方作战行动与路径模型，帮助作战人员确定敌方真实作战意图，制定并选取我方最有效的行动方案。

２）应用于智能化远程指挥控制。应用“元宇宙”概念，利用人工智能技术构建与真实战场平行的虚拟作战空间，采用语音识别、手势识别、脑机接口等智能人机交互技术，使指挥员、作战人员有沉浸式的体验，实现人与机器之间，指挥单元、精确打击武器与信息应用系统之间的无障碍沟通［３８］。２０２１年８月，在美国海军年度最大规模活动“海－空－天博览会”上［３９］，海军信息战系统司令部首次验证了 “周边环境智能谈话接口”项目开发的能力，展示了智能化、自然交互技术如何实现未来信息战。该项目旨在为海军指挥控制引入下一代数字助手，通过使用人工智能和机器学习来理解说话的人是谁、谈话的内容是什么，谈话可被决策者当作一种获取所需信息的直接途径，帮助决策者获得及时的、合成后的资讯。

３. ４更加精确的打击，实现力量优势

在武器打击领域，主要可在单武器平台自主作战、作战编组分布式杀伤等方面应用计算机视觉、多智能体协同等智能技术，实现力量优势，如图４所示。

１）应用于单武器平台自主作战。以人工智能技术为核心，综合多种嵌入人工智能算法的武器装备平台为手段，在多重维度实时精确打击，实现武器的单体智能［４０］。美国战斧导弹在攻击目标过程中，如果目标或任务发生变化，便根据指令在战区上空盘旋，然后自主搜索和重新选择、确定合适的攻击目标。美国研制的“黄蜂” 导弹，装有一套先进的探测、控制设备，可实现目标伪装设施的识别以及多任务目标的智能化自主分配，从而达到最大的效费比和命中精度。

２）应用于作战编组分布式杀伤。借鉴自然界生物群体行为的智能集群与协同技术，通过去中心化提高了系统抗毁伤性以及任务成功率；通过简单作战单元间的信息高效交互提升系统的整体效应和群体智能水平，从而最终实现复杂战场条件下任务的自主分解、作战单元的自主协同、作战方案的自主规划和作战对象的自主打击［４１］。ＤＡＲＰＡ于２０１４年设立了“拒止环境中的协同作战” 项目［４２］，旨在研发一套自主协同作战系统，实现一名操作人员对多架无人机进行指挥。该项目通过先进算法和模块化软件架构，解决无人机集群在复杂干扰条件下无法完成作战任务的问题，提升无人机集群完成任务的能力。ＤＡＲＰＡ于２０１５年设立了 “ 小精灵” 项目［４３］，旨在建立一套可回收重复使用的无人机作战集群，实现一种稳定可靠、经济实惠的作战方式。该项目通过运用一体化设计、自主协同规划等技术，完成战前对战场区域的大规模快速侦查和欺骗干扰等作战任务。

３. ５更加自由的互联，实现网络优势

在战场互联领域，主要可在战场网络韧性通联、网络攻防等方面应用认知计算、博弈对抗等智能技术，实现网络优势，如图５所示。１）应用于战场网络韧性通联。利用人工智能技术敏捷感知网络环境、灵活加载通信波形、自主管控网络资源，提升战场通信网络体系韧性。近年来，为了不断适应新的军事战略和作战形势，美军一直在探索如何在反介入／区域拒止作战环境中确保灵活、敏捷、弹性的有保障通信系统。美国空军实验室与加拿大国防研发中心通信研发中心开展了“挑战与对抗性环境中有保障通信”项目研究［４４］，主要针对未来作战人员可能面临的恶劣通信条件，特别是在偏远与服务欠缺条件下以及动态与对抗环境中，通过开发新的概念与技术，实现灵活与自适应频谱接入，保证鲁棒而可靠的通信能力。２０１７年，ＤＡＲ⁃ ＰＡ启动了“无线电频谱机器学习系统”项目［４５］，通过人工智能理解无线电信号，改善推广频谱共享技术，增强无线通信能力。２）应用于网络攻防。以人工智能为武器，使恶意攻击行为可以自我学习，并根据目标防御体系的差异自适应地“随机应变”，通过群招潜在的漏洞达到攻击的目的。同时，采用人工智能技术可以改善网络安全现状，能更快地识别已知或未知威胁并及时响应。美国斯坦福大学和Ｉｎｆｉｎｉｔｅ初创公司于２０１７年联合推出了一型自主网络攻击系统，该系统图５网络互联＋ＡＩ技术的应用的核心处理单元是一种定制的人工智能处理芯片［４６］。该新型网络攻击系统能够在特定的网络中运行，完成信息的自主采集、学习和攻击程序的自主编写，并且可以对攻击程序进行自适应动态调整，具备较强的隐蔽性和破坏性。２０１８年ＤＡＲＰＡ启动了 “利用自主系统对抗网络对手计划” 项目［４７］，旨在建立安全可靠的网络代理，实现对僵尸网络的有效

遏制。该项目通过开发定量框架和算法，完成对僵尸网络的精确识别、推断存在的漏洞以及生成软件补丁，减少对系统的不良影响。

３. ６更加坚实的支撑，实现赋能优势

１）具有智慧的人工智能系统为军事智能化提供“新动能”。传统机器学习方法需要在系统部署前，利用数据集对系统进行训练。一旦完成训练智能体所应对的场景和问题将被固化从而无法应对新场景，而再次训练效率低下且工作量大。在执行军事作战行动时，需要人工智能系统能够在任务中自我学习和改进，将先前的技能和知识应用于新的情况，以应对各类作战场景［４２］。２０１７年，ＤＡＲＰＡ安排了名为“终身学习机器” 的项目［４８］，通过利用目标驱动感知进行持续学习，形成对新情景的自主适应，改变当前智能体无法应对未训练场景的情况。２）低功耗、强算力、易扩展的智能芯片为军事智能化提供“新基建”。作为人工智能技术的重要物理基础，当前主流人工智能芯片存在功耗大、内存带宽不足、框架固化等瓶颈。为更好支撑人工智能的军事领域应用，下一代人工智能芯片应具备低功耗、强算力、易扩展等特点。２０２０年，英伟达公布了其用于超级计算任务的人工智能芯片［４９］，算力提升２０倍以上。２０２０年１０月，英特尔宣布获批一项与美国军方合作项目的第二阶段合同［４９］，旨在帮助美国军方在国内生产更先进的人工智能芯片原型，这种封装技术能够将来自不同供应商的“小芯片” 集成到一个封装中，从而实现把更多功能整合进一个更小的成品中，同时降低其功耗.

专知便捷查看