摘要:对人工智能技术在军事情报领域应用与研究现状进行了分析梳理,以期为后续军事情报研究提供借鉴。从情报智能分析与军事指挥决策方面,梳理总结了人工智能在军事情报工作中的发展与应用现状。基于情报工作流程,分析了人工智能技术下的军事情报服务模型。系统梳理了美国智能情报系统典型项目研究发展状况,并对人工智能在军事情报领域重点发展趋势及技术难点进行了探析。人工智能(Artificial Intelligence,AI)概念最早是由美国学者约翰·麦卡锡在1956年的达特矛斯会议上提出来的,自被正式提出至今,人工智能的发展经历了多次高峰与低谷。人工智能是一门具有前沿性的多领域交叉学科,其目的在于模拟、延伸和扩展人类的智慧,以实现机器的智能化。人工智能的发展过程大体经历了三个阶段,依次为计算智能、感知智能和认知智能。目前人工智能技术处于较初级的认知智能阶段,随着大数据、图像识别、自然语言处理、深度学习等人工智能技术的不断发展与进步,机器智能系统逐渐开始具有人类的自主理解、思考与决策能力。近年来,以深度学习为代表的人工智能技术在商业诸多领域取得了突破性研究进展,并逐渐向情报分析、指挥决策等军事领域渗透。目前,世界各军事强国都将人工智能上升到国家发展战略性的重要地位,各国都在加紧推动人工智能技术在国防、军事等领域的部署与应用进程,力求在未来多域协同联动等新型作战体系中占领信息对抗的“制高点”,以增加赢得最终战争决胜权的筹码。本文首先对人工智能在军事情报领域的应用现状进行梳理总结,其次基于情报工作流程分析了人工智能技术下的军事情报服务模型,最后对人工智能在军事情报领域重点发展趋势及技术难点进行了讨论探析,对于未来基于人工智能技术在军事情报领域开展相关探索研究具有一定的借鉴与参考价值。

1 人工智能技术在军事情报领域的应用背景

1.1 人工智能技术的快速发展

人工智能作为人类智慧的辅助和延伸,突破了人类认知效率低、考虑因素有限等生理限制。目前,人工智能技术在自然语言处理、图像识别、无人驾驶、医学诊断、军事智能化等领域取得了许多突破性的研究进展,例如在图像识别领域,部分基于人工智能技术开发的应用系统的识别率可达95%以上,其准确性已远超人类的平均水平。 随着大数据、云计算和深度学习等新兴技术的快速应用与发展,人工智能技术在情报分析、军事决策等领域的优势日益凸显。世界各军事强国纷纷加紧制定、部署人工智能未来发展战略计划,试图占领新一轮科技革命高地。人工智能技术正不断改变着未来战争形态,催生新的作战模式。军事情报领域也由过去完全依靠人力进行情报分析转向了高度人机协同的新的工作模式,人工智能技术必将成为情报工作人员强有力的帮手。

1.2 军事情报领域对智能化的需求

当前,战场形势日趋复杂,各类智能化无人系统、智能传感器遍布整个战场环境。现代化军事情报数据具有海量、异构、多维度等特点,导致情报数据处理过程更加复杂化。但因受到人类本身认知效率低、考虑因素有限等生理机能的限制,单靠情报分析人员无法直接处理像图像、语音、视频等非结构化数据,这就使得情报数据背后隐藏的大量有价值的信息不能被及时地发现,不能对战场态势进行实时、精准的预测,从而严重影响指挥员决策的效率和准确性。

随着各类智能化感知设备、大数据处理技术在战场环境全维度的部署与使用,使得大部分的智能决策系统具有自主感知复杂环境的能力,极大压缩了各环节的反应与运行时间。同时,考虑计算机的大存储和超强算力是人类无法相比的先天优势,基于数据挖掘、深度学习技术对海量战场环境数据进行智能化分析、战场态势研判,辅助指挥员快速决策,进而达到提升作战装备打击精度的目的。目前,美军通过在海、陆、空等多域空间上布置大量的智能传感器和自动识别系统,来实现对战场环境、敌情动态的实时掌控,在一定程度上可以缩短“OODA”环的周期,提升军事决策的效率。

1.3 基于人工智能技术的军事情报工作流程

情报工作是指情报人员通过运用一定的技术手段对采集的信息进行处理分析,并为用户提供决策服务的过程。人工智能技术与情报的交叉融合发展,从本质上提升了情报搜集、数据挖掘分析能力,并不断推动情报工作向着更加自主、智能化的方向转型发展。图1是基于人工智能技术下的情报工作流程,该流程按照时间顺序大致可分为四个阶段:数据采集、数据组织和存储、情报分析、决策支持。

1)数据采集阶段:在军事情报工作中,该阶段采集的信息主要分为两大类,即公开的互联网资源和内部数据库。其中内部数据库资源主要包括像单位内部电子化的内部图书、研究报告、项目档案资料和长期积累的相关实验数据以及情报信息部门通过长期跟踪搜集的大量情报资料等信息。互联网资源是利用如网络爬虫、文档解析、智能搜索引擎等网络技术采集来的开源情报数据。随着数据挖掘、智能分析技术在情报领域中的广泛应用,多以专业数据采集器结合智能分析算法作为实现数据快速、高质量采集的基础技术手段,目前互联网公开信息成为军事情报重要的数据来源。

2)数据组织和存储阶段:采集的数据经过清洗和去重等预处理操作后,进入数据组织和存储阶段。充分运用深度学习、神经网络等人工智能技术超强的数据融合、信息提取及特征学习能力实现异构多模态数据的高效组织与存储工作。例如利用卷积神经网络(Convolutional Neural Networks, CNN)强大的表征学习和深层网络语义抽取能力来实现对图像、视频类非结构化数据的组织和存储。

3)情报分析阶段:情报分析是整个情报工作流程的核心,主要是利用自然语言处理、强化学习、知识图谱等人工智能技术来实现多层次、多维度的知识表示和语义解析,以及挖掘隐藏在大数据背后有价值的战略情报信息。如利用长短时记忆神经网络(Long Short Term Memory Network, LSTM)对文本类数据的长时记忆能力可以实现对上下文语义信息的最大限度的学习和特征抽取任务。利用迁移学习(Transfer Learning, TL)具有的超强自学习相近知识表达能力,来实现不同领域相近任务的知识学习和迁移。

4)决策支持阶段:军事情报的目的主要是为指挥者提供决策支持服务。人工智能具有强大的记忆存储、知识推理以及超强的运算能力,这些是普通人类所无法相比的,充分利用好人工智能技术这些优势特征,不断修正优化策略,力求在情报工作最终生成的决策达到全局最优。在决策支持阶段通过情报人员与决策者间服务与反馈的良性互动机制,不仅提升了决策者在情报生产过程中的参与度,并且在一定程度上达到了优化情报产品质量与增强情报服务保障的目的。

2 人工智能技术在军事情报领域的应用现状

人工智能相关研究在2016年前后迎来爆发式增长,美、俄等国家政府部门相继出台了一系列战略性文件,并积极推进人工智能在国防、军事等领域项目的应用与研究工作。

2.1 人工智能实现情报的深度分析

2014年,美国国防部提出了“第三次抵消战略”,其核心是利用大数据、人工智能等新兴技术,实现未来新型作战概念、作战样式的突破与创新,重点发展智能化、无人化的颠覆性先进技术装备和武器。事实上,早在2007年,美军就开启了人工智能技术在军事指挥控制领域的研究探索之路。2017年,美国国防部战略能力办公室提出了“专家计划”,旨在利用美军早先在中东和非洲多个秘密基地部署的“扫描鹰”和MQ-9“死神”等多架无人机,通过人工智能技术对前方无人机系统传回的大量ISR(情报、监视、侦察)图像、视频等数据进行智能挖掘、分析,从中提取感兴趣、有价值的情报。人工智能技术实现了对无人机集群采集的海量战场视频数据智能分类,极大提升了复杂战场环境中情报分析处理能力,同时大大降低了情报获取的成本。

2019年,DARPA启动了“知识导向人工智能推理图谱”(KAIROS)项目研发工作,该项目基于作战事件和时序信息运用人工智能技术挖掘隐藏在大数据背后的重要事件关联关系,进而实现智能情报辅助分析和战场态势研判,全面提升了态势洞察与情报理解能力。2018年,美国国防情报局(DIA)启动了“机器辅助分析快速存储系统”(MARS)项目的研发工作,该项目旨在运用大数据、云计算以及机器学习等技术构建一种针对外军情报数据采集分析的云数据管理系统。在2021年3月,DIA发布了该项目的第二个最小化可行性产品,该产品可以实现多情报数据库数据共享并从海量数据中提取有价值的情报信息,基于数据库现有军事情报数据可以成功推理出敌方作战部队的指挥层级与兵力部署。

2.2 人工智能助力智能军事决策

美国在2007年启动了深绿(Deep Green)项目的研制,该项目旨在利用模拟仿真技术对获取的实时战场态势数据进行快速计算,并通过计算结果来预判对手下一步可能采取的作战行动,为指挥官制定决策提供参考,从而提升战场军事决策的速度和准确性。2013年8月,DARPA开启了洞察(Insight)项目的第二研究阶段工作,该项目旨在将部署在战场环境中各类传感器采集到的信息,利用人工智能技术进行特征发现、威胁识别、算法预测,对情报分析人员进行辅助工作。

2016年,IARPA启动了众包证据、议论、思维和评估开发结构化分析技术工具(CREATE)项目研究工作,该项目旨在利用人工智能技术实现结构化情报分析与推理,帮助情报分析人员更好地理解和评估数据,同时达到一定的训练效果。2018年6月,美国国防部正式成立联合人工智能中心,该中心积极组织不同军种、高校以及学术研究领域的协同合作,不断加快人工智能技术在军事领域的应用发展进程。2021年,DARPA发布了“像素级智能处理”(IP2)项目招标书,该项目旨在运用神经网络、深度学习、计算机视觉等人工智能算法将情报融入边缘级传感器数据流中,以提升图像、视频信息的侦察精度和情报数据的分析处理效率,从而达到增强战场环境态势感知与指挥控制能力。表1是本文梳理、归纳的近几年美国基于人工智能技术研发的军事智能情报分析典型项目。

ChatGPT(Chat Generative Pre-trained Transformer)是由美国OpenAI公司研发的基于人工智能技术实现的生成式自然语言处理模型,自2022年11月发布以来在学术界和商界都受到了高度关注,并且在智能问答、图像生成和任务规划等诸多领域的性能表现远超现有其他机器学习模型。 近期,部分学者针对ChatGPT应用到军事情报领域进行了积极探索与展望,例如,利用自然语言处理技术从语音和文本中提取情报,实现对多模态数据的处理与分析操作,辅助决策和作战方案的制定;利用快速处理大量情报信息的能力,提升战场人机交互效率,为实现部队作战过程中人员和装备动态信息共享提供技术支撑;利用对多源异构情报数据分析处理实现知识图谱关联关系分析和实体特征提取,提升战场态势感知和情报洞察能力。ChatGPT具有超强的语言理解、数据生成和自我学习能力,这些都由其强大能力背后的关键技术支撑,相信未来ChatGPT在军事情报领域会有更多的应用潜力。

3 基于人工智能的情报服务模型

3.1 关键技术及分析

人工智能技术,特别是自然语言处理、知识图谱以及大数据处理等技术在军事情报领域的广泛研究与应用,增强了情报侦察的自主性和智能性,提升了对多源异构情报数据的深度分析与高效处理能力,为在未来复杂多变的战场环境中快速、准确地研判敌方作战意图,清晰掌握战场态势以及科学军事决策提供了技术基础支撑。

1)基于自然语言处理技术构建更加自主、智能的情报侦察装备,增强战场环境的数据采集能力。目前图像识别、语音处理、信息检索等自然语言处理技术已逐渐成熟,在军事情报领域均有广泛应用。未来战争中的情报更多是以电磁、图像和音频等非结构化数据形式呈现,指挥人员无法在短时间内全面、准确地掌握战场情报信息。在军事情报侦察领域,可利用图像识别和语音处理技术,提升战场环境感知和精准理解能力。同时可以达到增强战场透明度,掌握战场主动权的目的,更好地为军事决策者提供情报支撑保障服务。

2)依托知识图谱与数据可视化技术,提高战场态势感知能力。随着作战空间向多维全域不断扩展延伸,各类智能化无人系统、智能传感器遍布整个战场环境,使得战场形势日趋复杂。在军事情报分析方面,利用知识图谱、关联分析与数据可视化技术实现对孤立、碎片情报数据的多维深度分析,对不同来源的情报信息进行整合分析,动态呈现战场态势全景图,使得战场变得更加清晰、透明,及时准确地研判敌方的战略企图,真正做到“知己知彼”。

3)利用大数据和信息融合技术实现情报的深度分析,有效提升军事决策的科学与高效性。大数据技术在现代网络化、智能化战争中的地位日益增强,基于深度学习的图像识别、视频处理技术在军事情报领域的广泛应用极大提升了战场情报的全面追踪和信息捕获能力。信息融合和数据挖掘技术实现了对多源异构的复杂情报数据的深度分析与快速处理能力。从海量数据中发现有价值的情报,在环境复杂多变的战场环境中最大限度缩短作战指挥人员在战场上军事决策与指挥控制的时间,以提升作战取胜的筹码。

3.2 基于人工智能技术的军事情报服务模型分析人工智能技术与情报的交叉融合发展,从本质上提升了情报搜集、数据挖掘分析能力,并不断推动情报工作向着更加自主、智能化的方向转型发展。本节根据文献中构建的人工智能情报体系,分析了基于人工智能技术下的军事情报服务模型。图2是基于人工智能技术的军事情报服务模型,该模型主要包含四部分,自下而上依次为基础设施层、数据资源层、情报分析核心层以及情报服务应用层。

4 重点发展趋势分析

随着大数据、深度学习等技术的快速应用与发展,人工智能技术在军事情报领域的广泛应用已是大势所趋,人工智能正在深刻改变未来战争面貌,不断催生新型战争样式,将会成为推动新一轮军事变革强有力的抓手,在未来的战场环境中人工智能所占的技术比重势必会越来越大。

4.1 注重人机融合发展

随着军事武器智能化的快速发展与广泛应用,当今的战争形态早已从过去的机械化、信息化演变为智能化、无人化。人工智能技术的出现催生了以“人机协作”为战场基本模式的新指挥决策方式。2022年俄乌冲突爆发,以无人机为代表的各型无人智能化作战平台在现代战争中扮演着重要角色,其重要的战术地位日益凸显,无人机在战争中主要担负情报侦察、火力攻击等任务,基于情报数据共享机制实时将收集到的图片、视频等情报信息回传给地面作战指挥人员,然后利用机器学习等人工智能技术对大量情报数据进行关联挖据、深入分析,在确保人员安全的前提下,辅助作战指挥员快速、准确地制定军事决策,在指挥员与无人机的配合下以极低的成本实现较高的作战效能。但目前现有人工智能系统进行情报综合分析、辅助决策的智能程度还不够高,还需要依靠指挥者对战场整体布局以及复杂的军事动态情况进行分析、研判。“人机协作”模式将人对复杂战场态势的快速决策能力与机器系统的超强情报分析能力进行完美结合,增强了战场动态感知能力,真正实现“1+1>2”的战场效果。

4.2 注重多模态情报智能分析研究随着军事智能化的发展和多域空间协同作战体系的不断推进,各类智能传感器、自动识别系统遍布整个战场环境。现代战争涉及的情报信息不再是某一种单一的数据形式,异构多模态逐渐成为当前军事数据的固有特征之一。军事情报呈现出多源、异构等复杂数据特点,主要原因是军事情报来源较广并且数据形式复杂多样,有的情报信息是战术无人机利用智能传感器采集来的战场地形地貌、兵力部署等图片、视频形式数据;有的情报信息来自于情报侦察系统收集来的有关战场环境图像和语音等形式数据;有的情报信息则是内部资料库存储的有关对手最新武器装备性能、技术参数及编制信息等文本结构化数据。利用语义解析、知识推理、实体自动识别等人工智能技术对军事情报实现跨模态数据综合分析与深度分析,从多模态数据中挖掘更丰富的有价值情报,同时快速生成战场全局态势图,为作战指挥人员提供及时、科学的决策支撑服务,为实现“发现即摧毁”精确打击的作战目标可能性提供技术支持。

4.3 加强军民技术融合发展

美国等军事强国尤其注重人工智能技术在军民融合中的发展应用。应从顶层设计入手,鼓励高校、民营企业积极参与军民融合项目。同时结合当前军事情报领域新变革,加快构建军地情报共享技术与机制,实现军民创新实力优势互补。2017年,国务院办公厅发布了《关于推动国防科技工业军民融合深度发展的意见》,着重强调军民技术基础资源共享和协同创新的国家发展战略性意义。近年来,人工智能技术获得了突破性进步,并在商业应用领域取得了很好的效果。以实际作战需求为牵引,将语义解析、图像识别、机器翻译等人工智能技术应用于军事情报领域,结合本领域数据特点,解决跨模态情报数据融合等关键技术难题,提升情报服务保障能力。例如,构建军事术语、命名实体识别、词性标注和武器装备知识图谱等相关语料库,积极推动人工智能技术在军事情报领域的发展应用。

人工智能技术与军事情报领域相互融合发展已是未来必然趋势。人工智能技术将会成为新一轮军事变革强有力的推手,但在推动军事情报领域智能化的发展过程中,机遇与挑战往往是并存的。虽然人工智能在军事领域应用得到广泛应用并取得了一定成果,但我们应该清醒地认识到,想要达到真正的实用性还任重道远。现阶段的人工智能仍处于弱智能化阶段,只有在特定领域、特定任务中人工智能系统优势才能完全展现出来,目前绝大部分的军事智能系统存在系统通用性差以及高度依赖训练数据的问题。如何让人工智能系统具有人类举一反三的思考、学习能力以及决策能力,在未来很长的时期内还需要研究人员不断进行理论、技术创新,这也将是人工智能领域需要一个长期探索的课题。

5 结束语

人工智能作为新兴技术正在深刻改变着未来的作战环境,不断催生新型战争样式,也将成为推动新一轮军事变革强有力的推手。美、俄等世界军事强国很早就开始了人工智能技术在军事情报领域的探索,并取得了一定的研究成果。目前我国已将人工智能技术列入未来国家重点发展战略,并加紧了人工智能技术在军事相关领域的研发与应用进程,力求在新一轮的军用前沿科技竞争中占据主导地位。我们应充分学习、借鉴他国在军事情报领域的有益经验,如利用大数据挖掘、数据融合等技术,不断提升情报分析处理效率;同时,基于深度学习和图像识别等人工智能技术研发更加智能的情报理解、辅助决策等无人化平台,最大限度发挥人工智能在军事情报工作中的潜力,更好地为军事斗争做准备。

END | 作 者:赵亚平, 黄毅, 李虹, 孟杰| 责 编:胡前进| 审 核:张培培 企业使命:以电子装备增强国防 以科技产业服务社会 企业愿景:建设信息系统与智能装备领域国内领先、国际先进的创新型高科技集团 核心价值观:人本 责任 团队 进取

成为VIP会员查看完整内容
59

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
边缘智能在轨道交通中的应用:前景与展望
专知会员服务
33+阅读 · 2023年7月16日
人机交互语音识别发展及军事应用分析
专知会员服务
46+阅读 · 2023年6月4日
基于机器学习的战场态势评估问题研究与展望
专知会员服务
88+阅读 · 2023年5月15日
高超声速武器防御体系的发展现状与演进趋势
专知会员服务
44+阅读 · 2023年5月5日
深度学习在雷达目标检测中的应用综述
专知会员服务
51+阅读 · 2023年2月8日
基于深度学习的计算机视觉研究新进展
专知会员服务
150+阅读 · 2022年4月21日
人工智能技术在智能武器装备的研究与应用
专知会员服务
171+阅读 · 2022年4月13日
专知会员服务
58+阅读 · 2021年4月22日
专知会员服务
60+阅读 · 2021年4月16日
深度学习可解释性研究进展
专知会员服务
97+阅读 · 2020年6月26日
情感计算研究进展、现状及趋势
哈工大SCIR
23+阅读 · 2022年4月27日
深度学习可解释性研究进展
专知
18+阅读 · 2020年6月26日
深度学习技术在自动驾驶中的应用
智能交通技术
25+阅读 · 2019年10月27日
【深度学习】深度学习技术发展趋势浅析
产业智能官
11+阅读 · 2019年4月13日
深度学习技术发展趋势浅析
人工智能学家
26+阅读 · 2019年4月11日
【工业智能】人工智能在智能制造中的应用
产业智能官
22+阅读 · 2019年1月11日
贝叶斯机器学习前沿进展
架构文摘
13+阅读 · 2018年2月11日
雷达海面目标识别技术研究进展
科技导报
17+阅读 · 2017年11月13日
深度学习在情感分析中的应用
CSDN大数据
14+阅读 · 2017年8月22日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
Arxiv
145+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
362+阅读 · 2023年3月31日
Arxiv
60+阅读 · 2023年3月26日
Arxiv
128+阅读 · 2023年3月24日
VIP会员
相关VIP内容
边缘智能在轨道交通中的应用:前景与展望
专知会员服务
33+阅读 · 2023年7月16日
人机交互语音识别发展及军事应用分析
专知会员服务
46+阅读 · 2023年6月4日
基于机器学习的战场态势评估问题研究与展望
专知会员服务
88+阅读 · 2023年5月15日
高超声速武器防御体系的发展现状与演进趋势
专知会员服务
44+阅读 · 2023年5月5日
深度学习在雷达目标检测中的应用综述
专知会员服务
51+阅读 · 2023年2月8日
基于深度学习的计算机视觉研究新进展
专知会员服务
150+阅读 · 2022年4月21日
人工智能技术在智能武器装备的研究与应用
专知会员服务
171+阅读 · 2022年4月13日
专知会员服务
58+阅读 · 2021年4月22日
专知会员服务
60+阅读 · 2021年4月16日
深度学习可解释性研究进展
专知会员服务
97+阅读 · 2020年6月26日
相关资讯
情感计算研究进展、现状及趋势
哈工大SCIR
23+阅读 · 2022年4月27日
深度学习可解释性研究进展
专知
18+阅读 · 2020年6月26日
深度学习技术在自动驾驶中的应用
智能交通技术
25+阅读 · 2019年10月27日
【深度学习】深度学习技术发展趋势浅析
产业智能官
11+阅读 · 2019年4月13日
深度学习技术发展趋势浅析
人工智能学家
26+阅读 · 2019年4月11日
【工业智能】人工智能在智能制造中的应用
产业智能官
22+阅读 · 2019年1月11日
贝叶斯机器学习前沿进展
架构文摘
13+阅读 · 2018年2月11日
雷达海面目标识别技术研究进展
科技导报
17+阅读 · 2017年11月13日
深度学习在情感分析中的应用
CSDN大数据
14+阅读 · 2017年8月22日
相关基金
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员