《利用人工智能技术解决“未知的未知”作战识别问题》70页

美海军已明确需要利用人工智能优势，特别是在通用战术态势图（CTP）、作战识别（CID）及战场管理辅助领域。海军高度关注对“未知的未知”——即未知存在或难以追踪目标的作战识别。人工智能及其相关机器学习、深度学习与深度分析工具，为指挥官处理信息以识别此类“未知的未知”目标提供了技术支持。当前CID系统的局限性，加之传感器数据激增使值勤人员难以识别规律模式与异常现象，为技术应用创造了减轻人工负担的机遇。机器学习等AI系统可填补这一空白，协助判定“未知的未知”目标。针对机器学习与深度学习技术的研究，已确定水面舰艇部队CID应用的潜在方向，而技术获取与集成成为主要制约因素。需持续开展传统系统与新技术融合研究，以充分释放AI在识别“未知的未知”目标领域的潜力。

美海军已明确需借助人工智能（AI）提升通用战术态势图（CTP）与作战识别（CID）的战场感知能力。战术指挥官依赖精准完整的战场态势图以理解作战环境、识别威胁并制定有效战术决策。该过程面临多重挑战：战场态势的动态时效性、敌方蓄意实施的感知干扰、信息过载/错误/缺失/失准，以及基于传感器数据与物理特性识别高速移动目标的内在困难。战术决策常关乎生死存亡的关键性，进一步凸显了最大限度提升战场感知能力的必要性。

“未知的未知”目标对战术决策者构成严峻挑战。对敌方新战力或其他可能破坏战术行动要素的完全未知状态，加剧了战场事件与结果的不确定性。战术决策者需要分析工具支持识别“未知的未知”目标并辅助决策。人工智能有望提供技术解决方案，协助指挥官处理信息并制定决策。为深入理解该技术应用路径，需开展研究以明确当前及未来所需AI技术，通过精准识别敌方威胁与理解战场态势来增强CID与CTP能力。这要求具备识别并理解环境中“未知的未知”目标的能力。“未知的未知”指战场中影响战术行动的任意物体或事件。本研究采用定性方法评估AI技术在识别"未知的未知"目标中提供相关信息的能力，并分析该应用领域当前与未来的AI技术投资回报率（ROI）。

本论文识别并评估了具有决策应用价值的AI方法，包括机器学习、深度学习、认知处理与智能数据分析等技术方案，以支持战术环境中"未知的未知"目标识别。

研究问题为：（1）AI与数据分析如何协助识别“未知的未知”目标？（2）AI应在哪些环节集成以最优支持“未知的未知”目标识别？

本研究深入阐释了AI如何协助决策者理解战术传感器等多源信息的海量数据，以及如何通过分析识别“未知的未知”目标。研究潜在局限包括AI技术处理信息的广度与相关性：战术决策者可能无法获取识别“未知的未知”所需的完整信息，导致未知目标持续处于未知状态；此外决策者可能因接收过量"已知的未知"信息而陷入感知过载。本研究将为海军作战部情报与信息战处（OPNAV N2/N6）及其他战场感知解决方案研发机构提供参考。针对四类战场感知特征的深度剖析，为AI与数据分析方法的应用构建了框架；而将这些方法映射至具体战术感知场景，则是解决方案开发的关键步骤。

本文共分五章。第一章绪论阐述研究问题、目标、研究问题、研究方法及研究效益与局限；第二章文献综述系统论述“未知的未知”概念定义，以及AI、机器学习与深度学习方法的技术背景；第三章详述数据构建、收集与分析的研究方法；第四章讨论研究分析与结果并提出建议；第五章总结结论并提出后续研究方向。