下一个制高点

　　
　　提到简称为AI的人工智能，读者们都有所耳闻。但是现实中人工智能将如何应用到武器装備的现代化中，却没有多少人能够说明白。本次专题我们特别邀请了航天12院的姚保寅博士为读者系统性解读这个问题，并向大家介绍一度在军迷间掀起过争论的“赛博格”无人机等相关知识。

关于人工智能

　　基于人工智能的武器装备可借助人工智能技术从而具备感知、决策和反馈能力——感知自身状态及战场环境变化，实时替人类完成中间过程的分析和决策，最终形成反馈，实施必要机动，完成作战使命。
　　人工智能技术在武器装备中的应用主要体现在模式识别（智能感知）、专家系统（智能决策）、深度学习（智能决策）和运动控制（智能人32智能技术在武器装备中的应用反馈）等几个方面。

模式识别

　　模式识别是计算机模拟人类感觉器官，对外界产生各种感知能力的技术途径之一，包括语音识别、图像识别，文字识别等。模式识别技术有助于武器装备获得自动目标识别（ATR）能力。
　　模式识别中的机器视觉，可通过光学非接触式感应设备，自动接收并解释真实场景的图像以获得系统控制的信息。例如DARPA的“心眼”项目和“图像感知、解析、利用”项目开发的机器视觉系统。该系统具有“动态信息感知能力”，能对动态物体的解构，利用卷积神经网络图像识别技术，将图片中的信息转化成计算机的“知识”。在实际作战中，模式识别系统通过观察目标的视频动态信息，借助神经网络、专门的机器视觉硬件，可在复杂的战场环境下，自动识别出潜在威胁，为目标打击提供参考信息。
　　以地空导弹阵地为例，它们遵循既定模式，以确保最大的防御覆盖率。阵地布局是星形的，拥有4组或5组导弹发射架，围绕着控制中心呈放射性布置。在中央阵地上，拥有控制方舱、跟踪和制导雷达以及发电机。通常情况下，每个发射阵地都被护堤包围。这给模式识别带来了便利。
　　据美国《大众机械》网站2017年11月23日报道，美国密苏里大学的团队曾利用人工智能算法，在我国东南部的一块面积约为14.5万平方千米的地区找到90个地空导弹阵地，并且这个过程能够在45分钟内完成。而通常人类判读专家要达到相同的准确度，看完所有的图像大约60个小时。该事件足以引起我们的重视，应注重加强对防御阵地的伪装，提高“反识别”的能力。

专家系统

　　专家系统ES（Expert System）是一类具有专门知识的计算机智能程序系统。它运用特定领域中专家提供的专门知识和经验，采用人工智能中的推理技术来求解和模拟通常由专家才能解决的各种复杂问题。专家系统是目前人工智能领域最活跃、最有成效的一个分支。它一般由知识库和数据库、推理机制、解释机制、知识获取和用户界面等组成。
　　专家系统应用于武器装备可使其具备实时战场态势评估的能力。该系统能将已证明的专家关于武器在战时的典型态势和毁伤效果评估的事实和过程，用数学方法加以描述，组成数据库和知识库。作战中武器装备接收的天基、空基、海基或地面控制站的信息，武器自身传感器获得的地理信息和敌方武器发出的声波、无线电波、可见光、红外、激光等信息，与数据库和知识库中信息进行比对，借助人工智能的自动推理技术，经计算机快速处理，确定战场环境中出现的威胁，并与用户界面的专家和指战员进行交互。
　　专家系统还可与数据存储和通信网络技术相结合，用于各种野战军用系统，例如飞机的机载预警和控制系统、美军“宙斯盾”战舰和侦察卫星，帮助判断敌军的位置和动机。美国海军已利用网络化专家系统为在作战区域内的所有军队提供通用作战图像，从而具备协同作战的能力。这个领域中最有名的案例是美国研制的智能C3I系统，具有“个性”和人的“特征”、“智慧”，熟知指挥官的脾气、思维习惯和其他情感特征，能在几分钟内甚至几秒内帮助指挥官判断战场情况。
　　DARPA于2007年提出“深绿”系统的概念。该系统可预测战场的瞬息变化，帮助指挥员提前思考，判断是否需要调整计划，并将注意力集中在决策选择而非方案细节制定上。

　　
　　
　　整个系统由指挥官助手（人机接口）、闪电战（模拟仿真）、水晶球（系统总控，完成战场态势融合和分析评估）、“深绿”与指挥系统接口四部分组成。
　　其主要特点有三点：一是基于草图指挥，包含“草图到计划”（STP）、“草图到决策”（STD）两个模块，实现从战场态势感知、作战方案制定到作战行动执行、作战效果评估，全部实现“基于草图进行决策”。二是自动决策优化。决策通过模型求解与态势预测的方式进行优化，系统从自动化接口的“指挥官助手”进去，然后通过“闪电战”这个模块进行快速多维仿真，再通过“水晶球”模块实现对战场态势的实时更新、比较、估计，最后提供给指挥员提供各种决策的选择。三是指挥系统的集成，负责将决策辅助功能集成进一个名为“未来指挥所”的指挥信息系统中。

相关热词搜索：制高点