摘要：

人工智能是對人的意識、思維的模擬，是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能作為最重要的顛覆性技術(shù)，在軍事領(lǐng)域的運(yùn)用日趨廣泛，智能化將是未來戰(zhàn)爭形態(tài)發(fā)展的必然趨勢。研究了目前人工智能在指揮決策和控制領(lǐng)域的發(fā)展現(xiàn)狀，分析了人工智能在戰(zhàn)場態(tài)勢感知、任務(wù)分析、方案生成、方案計(jì)劃評估以及方案執(zhí)行階段的應(yīng)用場景，并對加強(qiáng)智能化指揮決策和控制需要解決的重難點(diǎn)問題進(jìn)行了探討。

內(nèi)容目錄：

1指揮決策和控制領(lǐng)域智能技術(shù)發(fā)展分析

1.1美軍發(fā)展現(xiàn)狀

1.1.1“深綠”計(jì)劃

1.1.2Alpha AI 空戰(zhàn)模擬系統(tǒng)

1.1.3指揮官虛擬參謀

1.2國內(nèi)發(fā)展現(xiàn)狀

1.3存在的瓶頸和困難

2人工智能在指揮決策和控制領(lǐng)域的應(yīng)用分析

2.1戰(zhàn)場態(tài)勢感知

2.2作戰(zhàn)任務(wù)分析

2.3作戰(zhàn)行動方案生成

2.4作戰(zhàn)方案計(jì)劃評估

2.5作戰(zhàn)方案執(zhí)行

3智能化指揮決策和控制的啟示

3.1加強(qiáng)輔助指揮員決策需求的研究

3.2依據(jù)人工智能技術(shù)現(xiàn)狀選擇有效的發(fā)展策略

3.3加強(qiáng)重難點(diǎn)問題研究

4結(jié)語

智能化是未來戰(zhàn)爭形態(tài)發(fā)展的必然趨勢。人工智能技術(shù)率先在自主協(xié)同、導(dǎo)彈武器系統(tǒng)、基于虛擬現(xiàn)實(shí)的推演系統(tǒng)方面獲得突破性應(yīng)用，并逐步向作戰(zhàn)指揮控制領(lǐng)域延伸。2014 年，美國軍方提出第三次“抵消戰(zhàn)略”，將研究重心向機(jī)器學(xué)習(xí)和機(jī)器輔助作戰(zhàn)等方向轉(zhuǎn)移；2016年，提出采用“遺傳模糊樹”技術(shù)的 Alpha 人工智能超視距空戰(zhàn)系統(tǒng)，輔助協(xié)同空戰(zhàn)中迅速作出決策。2019 年，美國空軍發(fā)布《2019 年人工智能戰(zhàn)略》，特別強(qiáng)調(diào)人工智能在目前軍事發(fā)展中的重要性，更加關(guān)注人工智能在軍事領(lǐng)域的應(yīng)用。在國內(nèi)，2017 年 7 月，國務(wù)院公布了到 2030 年前把中國建成“人工智能領(lǐng)域的領(lǐng)先國家和全球創(chuàng)新中心”的詳細(xì)戰(zhàn)略，加大了對人工智能在國防領(lǐng)域的研究與投資，更加注重人工智能在自動化與預(yù)測中的應(yīng)用，縱觀近年來國內(nèi)舉辦的各類智能對抗比賽，例如“先知兵圣”和妙算仿真平臺，軍事領(lǐng)域?qū)τ谌斯ぶ悄艿年P(guān)注也在逐漸上升。

在智能化的指揮決策和控制領(lǐng)域運(yùn)用人工智能技術(shù)助力指揮控制系統(tǒng)并直接參與指揮員的決策，使作戰(zhàn)呈現(xiàn)出資源虛擬化、能力服務(wù)化和決策智能化等特點(diǎn)，并將直接獲取決策優(yōu)勢。

１指揮決策和控制領(lǐng)域智能技術(shù)發(fā)展分析

目前，在指揮決策領(lǐng)域，主要使用腦機(jī)工程、神經(jīng)網(wǎng)絡(luò)、圖像識別和自然語言處理等關(guān)鍵人工智能技術(shù)，實(shí)現(xiàn)戰(zhàn)場態(tài)勢數(shù)據(jù)深度挖掘和自學(xué)習(xí)，識別戰(zhàn)場環(huán)境，實(shí)現(xiàn)態(tài)勢自動分析評估和態(tài)勢威脅感知，并根據(jù)專家知識進(jìn)行人工干預(yù)，最終形成決策支持建議。

1.1美軍發(fā)展現(xiàn)狀

美軍將人工智能技術(shù)作為其未來軍事優(yōu)勢的重要抓手，進(jìn)行了長期規(guī)劃布局，其人工智能技術(shù)的發(fā)展遠(yuǎn)領(lǐng)先于其他國家。美軍現(xiàn)有的“深綠”系統(tǒng)、空戰(zhàn)模擬系統(tǒng)和指揮官虛擬參謀等項(xiàng)目就是運(yùn)用機(jī)器學(xué)習(xí)、遷移學(xué)習(xí)等人工智能技術(shù)，解決對抗條件下態(tài)勢目標(biāo)的自主認(rèn)知、威脅判斷和行動建議生成等問題，在智能化指揮控制領(lǐng)域進(jìn)行了開創(chuàng)性的探索和實(shí)踐。

1.1.1“深綠”計(jì)劃

“深綠”計(jì)劃是 2007 年美國國防部高級研究計(jì)劃局（Defense Advanced Research Projects Agency，DARPA）提出的一項(xiàng)指揮控制領(lǐng)域研究項(xiàng)目 ，其核心是采用仿真技術(shù)，基于實(shí)時戰(zhàn)場態(tài)勢數(shù)據(jù)，分析預(yù)測敵方可能的行動和未來戰(zhàn)場態(tài)勢，實(shí)時支持指揮員臨機(jī)決策，以提高決策的速度和質(zhì)量。“深綠”系統(tǒng)主要由實(shí)現(xiàn)人機(jī)交互的“指揮官助理”、作戰(zhàn)模擬的“閃電戰(zhàn)”和決策生成的“水晶球”3 個模塊組成，通過輸入我方、敵方以及友方數(shù)據(jù)和預(yù)設(shè)行動方案，“深綠”系統(tǒng)可以推演預(yù)測作戰(zhàn)結(jié)果，為指揮員做出決策提供直接支撐。但該計(jì)劃易受到敵方戰(zhàn)術(shù)策略、我方應(yīng)對策略、環(huán)境變化因素 / 作戰(zhàn)的各種不確定性以及經(jīng)費(fèi)和人員等因素的影響，以目前的技術(shù)還不能支持戰(zhàn)場復(fù)雜態(tài)勢而被終止，但其思路和方法值得借鑒。

1.1.2Alpha AI 空戰(zhàn)模擬系統(tǒng)

美國辛辛那提大學(xué)開發(fā)的 Alpha AI 空戰(zhàn)模擬系統(tǒng)采用遺傳模糊邏輯的人工智能技術(shù) ，實(shí)現(xiàn)了“動作及簡單戰(zhàn)術(shù)行為”的智能化。可以通過人機(jī)交互的傳感設(shè)備，實(shí)現(xiàn)構(gòu)建戰(zhàn)斗場景和模擬實(shí)戰(zhàn)環(huán)境并快速做出行動決策等功能。在動態(tài)環(huán)境中，Alpha AI 反應(yīng)速度是人類對手的250 倍，并在與美國空軍王牌飛行員的模擬空戰(zhàn)中大獲全勝。Alpha AI 采用遺傳模糊樹算法，通過 if-then 規(guī)則做出決策，減少決策樹分支機(jī)構(gòu)數(shù)量，實(shí)現(xiàn)對數(shù)百個輸入量的快速處理；Alpha AI 具備同時躲避數(shù)十枚導(dǎo)彈并對多個目標(biāo)進(jìn)行攻擊，以及作戰(zhàn)協(xié)同、行動記錄和觀察學(xué)習(xí)戰(zhàn)術(shù)等能力。未來，Alpha AI 將進(jìn)一步完善有人機(jī)和無人機(jī)協(xié)同、聯(lián)網(wǎng)處理態(tài)勢感知、反應(yīng)判斷、戰(zhàn)術(shù)選擇和武器管理使用等功能，這將對美國空軍產(chǎn)生革命性影響。

1.1.3指揮官虛擬參謀

指揮官虛擬參謀（Commander's Virtual Staff，CVS）是美國陸軍通信電子研究、開發(fā)與工程中心（Communications and Electronics Research, Development and Engineering Center，CERDEC）于 2016 年啟動的研究項(xiàng)目，其利用認(rèn)知計(jì)算技術(shù)分析多源數(shù)據(jù)，對復(fù)雜戰(zhàn)場態(tài)勢進(jìn)行趨勢分析，為指揮官提供輔助決策并量身定制作戰(zhàn)籌劃全流程決策服務(wù)。該系統(tǒng)具有指揮員專用工具、協(xié)同作業(yè)、集成敏捷規(guī)劃、作戰(zhàn)評估、分析預(yù)測、對策建議、機(jī)器學(xué)習(xí)和用戶配置等模塊，能夠?qū)崿F(xiàn)未來態(tài)勢實(shí)時預(yù)測、基于人機(jī)協(xié)作的方案推演評估、基于學(xué)習(xí)的信息匯聚與決策支持、智能人機(jī)交互等功能。指揮官虛擬參謀是美軍指揮控制系統(tǒng)朝著智能化發(fā)展的風(fēng)向標(biāo)，預(yù)示著指揮決策和控制向智能化發(fā)展是大勢所趨。

1.2國內(nèi)發(fā)展現(xiàn)狀

近年來，國內(nèi)各科研單位將各類人工智能技術(shù)應(yīng)用到指揮決策和控制各領(lǐng)域。在指揮決策方面，利用深度學(xué)習(xí)與強(qiáng)化學(xué)習(xí)技術(shù)開展作戰(zhàn)態(tài)勢識別、作戰(zhàn)任務(wù)規(guī)劃、突防對抗和無人集群系統(tǒng)作戰(zhàn)等方面的應(yīng)用研究；在網(wǎng)電對抗方面，利用深度學(xué)習(xí)技術(shù)開展自主感知復(fù)雜電磁環(huán)境、調(diào)整優(yōu)化干擾策略和自適應(yīng)干擾抑制等方面的研究；在目標(biāo)識別方面，利用基于遞歸神經(jīng)網(wǎng)絡(luò)、多層次多特征融合及序貫融合等智能算法提高目標(biāo)識別率。中國電子科技集團(tuán)有限公司認(rèn)知與智能技術(shù)重點(diǎn)實(shí)驗(yàn)室于 2019 年發(fā)布了多智能體對抗仿真環(huán)境（Multi-agent Combat Arena，MaCA），是國內(nèi)首個可模擬作戰(zhàn)的輕量級多智能體對抗與訓(xùn)練平臺，并基于此平臺開展了異構(gòu)多智能體對抗賽，推動了國內(nèi)人機(jī)對抗智能在軍事領(lǐng)域的應(yīng)用研究。中國指揮與控制學(xué)會從 2017 年開始組織全國兵棋推演大賽，至今已成功舉辦五屆，其中，在 2019 年比賽中使用的兵棋 AI智能體“戰(zhàn)顱”由國防科技大學(xué)研制，推動了人機(jī)對抗智能技術(shù)從實(shí)驗(yàn)室走向?qū)嵺`應(yīng)用。

1.3存在的瓶頸和困難

目前，在國內(nèi)指揮決策和控制領(lǐng)域制約智能化技術(shù)應(yīng)用的瓶頸問題突出表現(xiàn)在兩個方面 。一是人工智能技術(shù)成熟度不足。在態(tài)勢感知、目標(biāo)分配和輔助決策等指揮決策和控制的關(guān)鍵環(huán)節(jié)，面臨數(shù)據(jù)量少和缺乏判定正確性標(biāo)簽等困境，小樣本情況下的智能學(xué)習(xí)技術(shù)和數(shù)據(jù)挖掘技術(shù)成熟度不夠，難以支撐智能化指揮決策和控制。二是缺乏智能化決策模型。突出表現(xiàn)在人工智能對在不完全信息條件下的態(tài)勢真?zhèn)闻袛嗪蛻B(tài)勢感知遠(yuǎn)遠(yuǎn)達(dá)不到人的認(rèn)知水平，威脅評估、目標(biāo)分配和效能評估模型算法還沒有得到實(shí)戰(zhàn)數(shù)據(jù)的檢驗(yàn)，模型的可信度達(dá)不到實(shí)用要求等。

２人工智能在指揮決策和控制領(lǐng)域的應(yīng)用分析

人工智能的理念就是應(yīng)用數(shù)據(jù)和算法，通過自我訓(xùn)練生成模型。區(qū)別于數(shù)學(xué)模型，人工智能模型是通過簡單或復(fù)雜的邏輯 / 數(shù)學(xué)算法，實(shí)現(xiàn)數(shù)據(jù)擬合和結(jié)果預(yù)測的“程序”，是機(jī)器學(xué)習(xí)算法通過訓(xùn)練學(xué)習(xí)輸出的結(jié)果。在指揮決策和控制領(lǐng)域，人工智能模型主要可應(yīng)用于戰(zhàn)場態(tài)勢感知、作戰(zhàn)任務(wù)分析、作戰(zhàn)行動方案生成、作戰(zhàn)方案計(jì)劃評估和作戰(zhàn)方案執(zhí)行等方面，如圖 1 所示。

圖 1人工智能在指揮決策和控制領(lǐng)域的應(yīng)用

2.1戰(zhàn)場態(tài)勢感知

借助于人工智能技術(shù)構(gòu)建全維信息的戰(zhàn)場感知體系，對各類戰(zhàn)場大數(shù)據(jù)實(shí)施自動采集、存儲、傳輸與處理等流程，實(shí)現(xiàn)全域覆蓋、多元融合、實(shí)時處理和信息共享，以及對整個戰(zhàn)場和作戰(zhàn)指揮全過程的“透徹感知”“透明掌握”。在建立目標(biāo)特征數(shù)據(jù)庫的基礎(chǔ)上，運(yùn)用智能目標(biāo)識別技術(shù)構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，通過訓(xùn)練學(xué)習(xí)和不斷迭代形成目標(biāo)識別智能方法，提高圖像理解、語音識別和目標(biāo)匹配的能力，實(shí)現(xiàn)目標(biāo)的快速高置信度識別。在綜合分析和理解已有經(jīng)驗(yàn)數(shù)據(jù)的基礎(chǔ)上，基于深度學(xué)習(xí)的態(tài)勢預(yù)測技術(shù)構(gòu)建符合戰(zhàn)場態(tài)勢時空特性的多層神經(jīng)網(wǎng)絡(luò)架構(gòu)，通過逐層訓(xùn)練，發(fā)現(xiàn)其內(nèi)在規(guī)律和關(guān)聯(lián)，抽象得到對態(tài)勢的認(rèn)知，在此基礎(chǔ)上，通過各種學(xué)習(xí)技術(shù)構(gòu)建專家知識庫，實(shí)現(xiàn)對戰(zhàn)場態(tài)勢的智能化預(yù)測。

2.2作戰(zhàn)任務(wù)分析

在當(dāng)前態(tài)勢研判的基礎(chǔ)上，利用人工智能技術(shù)構(gòu)建動態(tài)更新的通用作戰(zhàn)圖，自動形成初步任務(wù)清單，測算預(yù)期效果，并根據(jù)決策目標(biāo)對行動任務(wù)重要性進(jìn)行排序。在建立專家知識庫的基礎(chǔ)上，選擇可能打擊目標(biāo)范圍，根據(jù)有關(guān)約束條件，對可能打擊目標(biāo)進(jìn)行篩選和排序，提供打擊目標(biāo)推薦手段。在建立打擊力量數(shù)據(jù)庫的技術(shù)上和作戰(zhàn)任務(wù)分析的基礎(chǔ)上，利用關(guān)聯(lián)分析和體系分析等人工智能輔助技術(shù)，分析打擊力量組成和數(shù)量需求，輔助生成打擊力量類型和數(shù)量缺口需求清單。

2.3作戰(zhàn)行動方案生成

基于實(shí)時態(tài)勢的智能化任務(wù)分配以及智能規(guī)劃技術(shù)，實(shí)現(xiàn)智能化作戰(zhàn)目標(biāo)分配和彈目匹配。在自學(xué)習(xí)進(jìn)化的基礎(chǔ)上，根據(jù)交戰(zhàn)規(guī)則和認(rèn)知模型設(shè)計(jì)作戰(zhàn)行動，生成行動預(yù)案。采用基于智能算法的攻防博弈技術(shù)能夠?qū)崿F(xiàn)紅藍(lán)雙方行動方案計(jì)劃的仿真推演，支持對作戰(zhàn)行動方案可行性和完備性的檢測。在建立對策庫和專家知識態(tài)勢庫的基礎(chǔ)上，根據(jù)感知終端提供的共享情報信息數(shù)據(jù)實(shí)現(xiàn)態(tài)勢和對策的智能匹配，在大數(shù)據(jù)庫和云計(jì)算平臺支持下，分析戰(zhàn)機(jī)，迅速生成應(yīng)對方案、體系力量調(diào)整建議和可采取相應(yīng)行動，為指揮員快速提供可選對策建議。

2.4作戰(zhàn)方案計(jì)劃評估

在構(gòu)建作戰(zhàn)方案評估指標(biāo)體系的基礎(chǔ)上，運(yùn)用概念框架登記專家對不同作戰(zhàn)方案的評估。在提煉不同作戰(zhàn)行動方案評估特征的基礎(chǔ)上，創(chuàng)建結(jié)構(gòu)化評估模型，采用機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等人工智能評估模型，對預(yù)設(shè)作戰(zhàn)場景下的作戰(zhàn)方案計(jì)劃推演仿真結(jié)果，運(yùn)用結(jié)構(gòu)化評估模型進(jìn)行評估，迭代實(shí)現(xiàn)對作戰(zhàn)方案的結(jié)構(gòu)化分析，從而生成作戰(zhàn)方案計(jì)劃的評估結(jié)果和優(yōu)選建議。

2.5作戰(zhàn)方案執(zhí)行

在作戰(zhàn)方案計(jì)劃執(zhí)行階段，各作戰(zhàn)單元利用人工智能技術(shù)，通過智能個人終端設(shè)備，快速融合和分析戰(zhàn)場信息，指揮員可實(shí)施智能化遠(yuǎn)程交互式指揮控制。運(yùn)用智能語音識別技術(shù)，可實(shí)現(xiàn)指揮員智能語音的指揮控制。運(yùn)用身份識別、行為識別、腦電識別、視覺跟蹤和感覺反饋等人機(jī)交互技術(shù)，可實(shí)現(xiàn)指揮單元、精確打擊武器與信息應(yīng)用系統(tǒng)之間的交互。在方案的執(zhí)行中，采用人工智能和人類智能相結(jié)合的方式，實(shí)現(xiàn)態(tài)勢信息判讀和核實(shí)信息真?zhèn)?，使指揮員關(guān)注于作戰(zhàn)籌劃、行動協(xié)調(diào)和指揮決策等方面。人工智能技術(shù)可以輔助指揮員對作戰(zhàn)態(tài)勢做出快速判斷，并評估作戰(zhàn)方案計(jì)劃的執(zhí)行效果，根據(jù)結(jié)果快速調(diào)整作戰(zhàn)方案計(jì)劃，甚至生成全新的作戰(zhàn)方案計(jì)劃，以提高作戰(zhàn)方案計(jì)劃的自適應(yīng)性。

３智能化指揮決策和控制的啟示

實(shí)現(xiàn)智能化指揮決策和控制的關(guān)鍵在于人工智能技術(shù)的應(yīng)用。應(yīng)重點(diǎn)關(guān)注指揮員關(guān)鍵信息需求、智能化建設(shè)的整體性和人工智能技術(shù)應(yīng)用策略、人工智能重難點(diǎn)問題研究和實(shí)現(xiàn)關(guān)鍵技術(shù)的突破。

3.1加強(qiáng)輔助指揮員決策需求的研究

結(jié)合人腦認(rèn)知成果，研究指揮員常態(tài)認(rèn)識模型、機(jī)制以及各自特點(diǎn)，重點(diǎn)加強(qiáng)對依賴性的推理模式、依賴下意識的心理模式、注意力機(jī)制、序列學(xué)習(xí)機(jī)制、增強(qiáng)學(xué)習(xí)機(jī)制和遷移學(xué)習(xí)機(jī)制的研究，將指揮員關(guān)鍵認(rèn)知過程的人體機(jī)理提煉為可解釋、有依據(jù)、能實(shí)現(xiàn)的計(jì)算機(jī)制，分析其應(yīng)用條件，為深度神經(jīng)網(wǎng)絡(luò)提供依據(jù)。深入分析指揮員認(rèn)知需求，如敵方目標(biāo)、我方實(shí)體和關(guān)鍵事件等，有針對性地對機(jī)器學(xué)習(xí)模型進(jìn)行改進(jìn)，輔助指揮員進(jìn)行態(tài)勢認(rèn)知和情況研判，為指揮員提供可選策略，輔助形成優(yōu)勢策略認(rèn)知，為指揮員定下決心提供支撐。

3.2依據(jù)人工智能技術(shù)現(xiàn)狀選擇有效的發(fā)展策略

人工智能依靠大量的智能算法，而智能算法離不開數(shù)據(jù)和計(jì)算能力。海量數(shù)據(jù)是智能算法發(fā)揮作用的基礎(chǔ)，數(shù)據(jù)的完整性、規(guī)范性和可靠性決定了智能算法的精準(zhǔn)性和客觀性，而數(shù)據(jù)的采集、整編和處理能力又依賴于以超算為基礎(chǔ)的云計(jì)算，因此，智能算法、數(shù)據(jù)和計(jì)算能力必須協(xié)同發(fā)展。智能化的建設(shè)是一個逐步深化的過程，不可能一蹴而就，需要通過“開小口、挖深井”的策略，實(shí)現(xiàn)智能化的整體突破。目前智能技術(shù)在戰(zhàn)場感知領(lǐng)域相對成熟，可以利用人工智能技術(shù)進(jìn)行海量情報數(shù)據(jù)的處理、分析和分發(fā)，提升目標(biāo)判讀、態(tài)勢分析和數(shù)據(jù)共享的效率和質(zhì)量?？梢酝ㄟ^在戰(zhàn)場感知環(huán)節(jié)的突破，帶動人工智能技術(shù)在作戰(zhàn)力量運(yùn)用、信息對抗和綜合保障等領(lǐng)域獲得突破，進(jìn)而在指揮決策和控制的各環(huán)節(jié)獲得廣泛應(yīng)用。

目前，人工智能仍處于弱智能階段，僅可以在指揮決策和控制的有限制任務(wù)、限定性條件下發(fā)揮作用，不能支持環(huán)境因素不確定、態(tài)勢要素不完整情況下的指揮決策和控制，還不能適應(yīng)千變?nèi)f化的戰(zhàn)場和作戰(zhàn)需求，以目前的人工智能技術(shù)仍無法取代指揮員在綜合態(tài)勢研判、作戰(zhàn)決策和行動控制中的核心地位和作用。因此，必須采用“以人為主、智能為輔”的策略，即人工智能提供信息的匯聚、組織、排序和可視化，由指揮員做出選擇和決定。

3.3加強(qiáng)重難點(diǎn)問題研究

應(yīng)瞄準(zhǔn)目前人工智能技術(shù)的難點(diǎn)，攻關(guān)克難，突破制約人工智能技術(shù)在指揮決策和控制領(lǐng)域的應(yīng)用瓶頸。

一是訓(xùn)練數(shù)據(jù)不足，沒有樣本數(shù)據(jù)，人工智能成了無水之源?，F(xiàn)階段，訓(xùn)練數(shù)據(jù)的主要來源僅限于日常戰(zhàn)備、演習(xí)以及模擬數(shù)據(jù)，數(shù)據(jù)量少、全面性不夠，對大量信息進(jìn)行積累和標(biāo)注的過程昂貴且費(fèi)時，數(shù)據(jù)遠(yuǎn)遠(yuǎn)滿足不了機(jī)器學(xué)習(xí)樣本數(shù)據(jù)的需求。應(yīng)考慮通過軍民融合的途徑，利用大量社會資源，通過網(wǎng)絡(luò)軍事游戲最大限度地模擬、生產(chǎn)和收集用于機(jī)器學(xué)習(xí)訓(xùn)練的大樣本空間數(shù)據(jù)，以破解人工智能算法訓(xùn)練缺數(shù)據(jù)的難題。

二是自主學(xué)習(xí)能力不夠。目前人工智能以機(jī)器學(xué)習(xí)技術(shù)為核心，但戰(zhàn)場情況瞬息萬變，充滿了戰(zhàn)爭迷霧和偶然性，人工智能還不能應(yīng)對無法預(yù)知的因素和場景?；诖?，考慮探索新的學(xué)習(xí)算法，大幅減少模型訓(xùn)練所需數(shù)據(jù)量，利用元學(xué)習(xí)、遷徙學(xué)習(xí)、主動學(xué)習(xí)和有監(jiān)督 / 無監(jiān)督適應(yīng)性學(xué)習(xí)等技術(shù)構(gòu)建高效學(xué)習(xí)算法，提高機(jī)器學(xué)習(xí)訓(xùn)練效益。通過賦予人工智能對物理世界運(yùn)行的一般理解、對人類動機(jī)和行為的基本理解以及模擬人類對普遍事物的認(rèn)知，提升人工智能應(yīng)對未知情形的能力。除此之外，還可以通過仿生學(xué)，將生物學(xué)習(xí)機(jī)理應(yīng)用于機(jī)器學(xué)習(xí)，提高人工智能自主學(xué)習(xí)能力和環(huán)境適應(yīng)能力，使其像生物系統(tǒng)一樣根據(jù)經(jīng)驗(yàn)進(jìn)行決策。

三是人工智能面臨網(wǎng)絡(luò)攻擊。人工智能的軟件系統(tǒng)易遭受網(wǎng)絡(luò)攻擊，相對于物理攻擊造成的硬殺傷，網(wǎng)絡(luò)攻擊的軟殺傷后果更為嚴(yán)重。應(yīng)考慮增強(qiáng)人工智能的網(wǎng)絡(luò)韌性，提升人工智能的安全性，采取各類技術(shù)手段，提高人工智能主動防御能力，使人工智能系統(tǒng)在遭受攻擊或者部分被控制情況下，關(guān)鍵任務(wù)仍然能夠正常運(yùn)行，保持功效的正常發(fā)揮。

四是提升人工智能的置信度。目前，人工智能無法解釋其思想和行動，指揮員并不能完全信任人工智能做出的決策，提高人工智能的可解釋性勢在必行。應(yīng)考慮建立新的或改進(jìn)的機(jī)器學(xué)習(xí)技術(shù)，生成可解釋的模型，使指揮員能夠了解人工智能的決策建議過程，并能有效地管理人工智能系統(tǒng)。

４結(jié)語

在智能化指揮決策和控制領(lǐng)域運(yùn)用人工智能將助力指揮控制系統(tǒng)直接參與人類指揮員的決策，直接作用于認(rèn)知域，將指揮員認(rèn)知機(jī)制提煉為計(jì)算機(jī)制，為指揮員定下決心提供支撐，直接獲取決策優(yōu)勢。目前，在指揮決策和控制領(lǐng)域的智能化技術(shù)研究仍然處于起步階段，無論是智能技術(shù)還是支持智能化決策的模型算法都有待進(jìn)一步研究和完善。攻克上述問題，不僅需要解決訓(xùn)練數(shù)據(jù)的完善和應(yīng)對網(wǎng)絡(luò)攻擊的挑戰(zhàn)，還需要后續(xù)智能技術(shù)的進(jìn)一步發(fā)展。

引用本文：趙偉 , 葉軍 , 王邠 . 基于人工智能的智能化指揮決策和控制 [J]. 信息安全與通信保密 ,2022(2):2-8．

作者簡介 >>>

趙偉，男，博士，正高級工程師，主要研究方向?yàn)樾畔⒈Ｕ虾退惴Ｐ脱芯浚?/p>

葉軍，男，碩士，高級工程師，主要研究方向?yàn)樾畔⒕W(wǎng)絡(luò)安全；

王邠，男，碩士，研究實(shí)習(xí)員，主要研究方向?yàn)榇髷?shù)據(jù)應(yīng)用和信息保障。

選自《信息安全與通信保密》2022年第２期(為便于排版，已省去參考文獻(xiàn)）