在人工智能技术呈现风起云涌的发展趋势之际，建设以智能技术为武装的新型军队，打赢以信息化、智能化为特征的新型战争，已成为世界主要军事大国的优先发展目标以“意志服从”和“不战而降”为标志的“控制情报和控制意识的力量”，将成为未来军事斗争中最高、最有效、最令人震惊的军事优势。本文从军事行动的特点和人工智能的优势入手，分析了军事领域对人工智能的需求。针对感知、指挥、打击、互联互通的战链，提出了人工智能技术在军事领域的应用方向，以及如何“有效定局、管控危机、遏制战争、打赢战争”通过人工智能在军事领域的应用。
简介
随着深度学习、机器视觉等核心技术的大发展和突破，人工智能迎来新一轮发展热潮，进入“黄金时代”。如今，人工智能技术已经渗透到交通、服务、医疗卫生、教育、就业、公共安全和防护等民用领域[1]，取代“懒人”完成部分体力和脑力工作。当前，智能技术正在不断颠覆信息时代的军事理论、作战规则和作战方式，大力推进新军事体制改革，逐步改变未来战争形态[2]。美军将人工智能视为“改变游戏规则”的颠覆性技术，已在无人作战平台、电子战、辅助指挥决策等技术领域尝试和应用人工智能技术。
加快发展军事情报，提高基于网络信息系统的联合作战能力和全球作战能力[3]。智能技术给我们带来了挑战和机遇。面对新形势下的威胁形势和新时代军事作战需要，要明确定位、明确目标、攻坚克难，有效应对内部形势变化带来的风险挑战。和外部环境，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 军事行动的特点
根据克劳塞维茨的战争理论，战争只不过是一种扩大的斗争，一种迫使敌人屈服于我们意志的暴力行为[26]。几千年来，战争的形式、手段和方式虽然发生了变化，但战争本质的核心始终如一，那就是灭敌自保。军事行动的特点主要包括以下三点。 １）不友好、不合作、不可控。战争的成败可能决定对立双方的生死存亡，让对立方千方百计欺骗对方，尽可能隐瞒真实意图，利用对方一切可能的漏洞尽可能使任何一方都不能充分有效地掌握局势。真实的战争状态，让战场上的局势变得不可控。正如丘吉尔所说：“一旦打响第一枪或引爆第一颗炸弹，政治领导人就会失去对战争的控制，战争本身就会成为主人。” ２）存在很大的不确定性。战斗是敌我不断对抗的过程。但复杂的战场环境、指挥决策、对抗方式等各种不确定因素，不可避免地会在作战空间、战斗力、作战规则、作战程序等要素上产生不确定性。因此，要求指挥员善于未雨绸缪，周密谋划，打造利我利而不利敌的战机，并能够根据瞬息万变的战场情报数据及时调整作战行动。 ３）战争法则很难掌握。一方面，由于“战争迷雾”的存在，战场环境下作战数据的获取往往不完整、不完整，甚至是虚假的，使得军事装备难以自行学习和训练，从而无法掌握战斗的客观规律。然后它成为军队可用的装备。另一方面，随着现代战争中各种侦察探测手段的引入，各种信息充斥着战场，数据的过剩、超载、过剩、膨胀，使得大量有价值的信息淹没在数据的海洋中，导致在不可靠、不相关、模棱两可、矛盾的信息呈指数级增长，进而增加判断的复杂性。随着一批新兴技术理论的不断突破和技术应用范围的不断扩大，各种新型武器层出不穷。战场信息处理能力、辅助决策能力、快速打击能力。未来，随着战争空间多维、兵力多元、风格多样、节奏加快等突出趋势，战场信息接收识别、战场态势评估预测、作战行动快速响应能力将远超现有战斗人员的能力。思维能力必须依靠具有超强计算、学习和理解能力的机器进行威胁研究和决策。
2.2 人工智能的优势
人工智能自诞生之日起就被赋予了崇高的使命，即代替人类执行繁重、危险和重复性的任务。对于这些工作，人工智能具有速度更快、精度更高、抗疲劳能力更强等显着优势。随着人工智能的发展，其军事调度、战场行动认知和决策能力将逐步超越人类。 １）人工智能擅长解决复杂的信息认知问题。人工智能技术可以打破现有的战斗规则，让机器像人类一样识别复杂问题，积累经验，解决问题。通过战场大数据的有效开发信息化武器的作战体系，提高指挥官对多战场空间情报的发现和深度认知能力，利用数据挖掘分析从海量多源异构信息中获取高价值军事情报信息方法，可以大大提高智力。分析处理能力，从而掌握战场发展趋势，预测敌我情势变化，打破“战场迷雾”。 ２）AI 擅长解决复杂的状态空间问题。在继承机器优势的同时，人工智能技术具备高效搜索和优化复杂任务信息的能力。它是解决不确定性和复杂性的有力武器。围棋有 10,170 种可能的走法，比整个宇宙中的原子数 10,80 还要多。然而，与围棋相比，战争更加复杂多变。战争具有战场更加开放、攻防隐蔽、多维作战的特点。如今，人工智能已经突破围棋堡垒，正在挑战更复杂的《星际争霸》游戏。 ３）人工智能擅长自我学习提升能力。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，从而达到自我提升和优化系统性能的目的。以围棋为例，AlphaGo 只用了几个月的时间就学会了 3000 万场人类下的棋局。 AlphaGo在通过海量历史棋谱学习和领悟人类棋艺的基础上，进行自我训练，击败了人类棋手。 . AlphaGo Zero 与 AlphaGo 有着根本的不同。它不需要学习历史棋谱来掌握人类的先验知识，只需要了解围棋的基本规则即可。通过自我对弈和自我进化，可以快速提升棋力，实现AlphaGo的成功。百战胜利[27]。可以预见，人工智能技术的应用可以大大提高作战指挥活动中观察、判断、决策、行动等关键环节的作战能力。人工智能技术将成为军事改革的重要驱动力，必将催生新的战争格局，加速战争格局的转变。
3 人工智能的军事应用方向
3.1 军事智能技术体系架构 在未来的战争中，我们希望有更透彻的感知、更高效的指挥、更精准的打击和更自由的互联互通。由此产生的数据互联互通、任务协同、多作战空间装备间海量战场异构数据的实时处理等问题，必须通过更深入的智能化来有效解决。能力具有催化剂的作用，形成一体化的智能作战链，颠覆性地提升系统的战斗力。军事情报技术体系框架如图1所示，包括使能体系、军事情报体系和作战体系三个方面。
图1 军事智能技术体系框架使能系统：依托机器学习、人机交互、计算机视觉等人工智能算法，形成面向军事应用的人工智能优化算法引擎，实现人工智能的应用军事领域的技术。赋权。军事情报系统：应用使能技术，面向军事行动需要，以基础支撑作为人工智能算法的“倍增器”，实现感知、指挥、打击、互联形成的OODA作战环节的智能化作战系统：在空中作战、反导反近战、太空对抗、陆海作战等作战中信息化武器的作战体系，作战部队利用军事情报系统与人协同提高战斗力，形成对敌的不对称优势.
3.2 更透彻的感知，实现信息优势
在检测与感知领域，可以将自然语言处理、元学习、随机森林等功能技术应用于目标信息获取、战场数据分析等，实现信息优势，如图2.
１）适用于目标信息获取。综合利用微波辐射、可见光、多光谱、红外、声学、磁学等探测手段，实现对战场目标信息的高效准确采集和获取；应用多光谱多系统协同检测、多源数据智能融合等技术，提高目标的多维特征提取，准确求解目标位置，实现目标属性的快速准确识别，类型、国家、身份、朋友或敌人等，实现目标信息的所见即所得[28]。美国国防高级研究计划局（DARPA）于2010年启动“心灵之眼”项目[29]，旨在开发视觉情报系统，通过无人作战平台观察目标作战信息，为作战人员提供及时响应手段本项目主要利用智能图像处理、机器视觉等技术，对视频信息中物体的动作和行为进行识别和分析，准确感知物体的动态行为信息，以识别和识别复杂作战环境中的潜在威胁。认识。巧合的是，美国国防部于 2017 年成立了“算法战跨职能团队”[30]，旨在解决美军在针对 I- 的反恐行动过程中遇到的海量情报分析难题。 SIS 在中东。该项目通过使用深度学习、计算机视觉等技术，使用多台计算机代替数千名情报分析员，提高情报提取的效率和准确性，以支持更及时有效的决策[31]。
２）应用于战场数据分析。综合运用大数据、机器学习、数据挖掘等技术，寻找复杂作战过程中产生的海量数据之间的内在联系，快速高效地分析战场作战和态势变化，分析检测到的作战力量分布和活动情况。它与作战环境、敌方作战意图和机动性有机联系，分析推断事件发生的原因，得出对敌方兵力结构和使用特性的估计，并根据已知事件预测未来可能发生的事件[32] . DARPA于2011年建立了“洞察”项目[33]，旨在开发一种情报分析系统，将操作员的知识和推理能力整合到系统中，从而提高快速应对网络威胁和非常规战争的能力。该项目主要利用异构信息关联、多源智能融合等技术，通过对多源传感器探测信息和不同资源情报数据的分析综合，辅助和提升情报分析人员的信息处理和共享能力。 DARPA于2019年建立了“面向知识的人工智能推理模型”项目[34]，旨在开发半自动人工智能推理系统，将通过语言和常识推理获得的知识库应用于复杂的理解中真实事件，解决多源信息阻碍事件理解的问题。该项目利用知识图谱等技术，通过推理和预测复杂事件的内部组成和时间线，快速识别不同事件之间的关联性，提高理解事件的能力。
３. 3 更高效的指挥实现决策优势
在指挥与控制领域，并行模拟推演、脑机融合等智能技术可主要应用于作战计划推演、远程指挥与控制等，实现决策优势，如图所示。图 3。
１）适用于作战计划扣除。通过深度学习技术，训练Agent学习和模拟战场交战规则、作战指挥决策、事件认知推理等知识，提高Agent认知的智能化、实时性和科学性。在实时共享战场态势的基础上，对战场数据进行智能处理，通过并行模拟和推演作战计划，形成对对手下一步可能的军事行动和战场演变趋势的智能预测，自动匹配最佳行动策略[ 35] 。 2007年，DARPA安排了一个名为“Dark Green”[36]的系统研发项目，旨在构建人工智能作战辅助决策系统。该系统采用并行仿真、动态博弈等技术，基于实时战场数据，动态模拟战场上敌我双方的作战行动，预测战场态势走向，帮助指挥员提前思考，缩短决策时间。 DARPA于2018年启动“指南针”项目[37]，主要通过大数据分析、博弈对抗等方法分析战场数据，构建敌方作战行动和路径模型，帮助作战人员判断敌方实战。意图、制定和选择我们最有效的行动方案。
２）应用于智能远程指挥控制。应用“元界”概念，运用人工智能技术构建与真实战场平行的虚拟作战空间，运用语音识别、手势识别、脑机接口等智能人机交互技术，使能指挥官和战士有身临其境的体验。实现人机、指挥单元、精确打击武器和信息应用系统之间的无障碍通信[38]。 2021年8月，在美国海军最大的年度盛会“海-空-天博览会”[39]上，海军信息战系统司令部首次验证了“环境情报对话接口”项目开发的能力，展示了智能、自然交互如何技术支持未来的信息战。该项目旨在通过使用人工智能和机器学习来将下一代数字助理引入海军指挥和控制，以了解谁在说话和在说什么，决策者可以将其用作获取信息的直接方式。需要一种方法来帮助决策者获得及时的综合信息。
３. 4 更精准的打击，获得力量优势
在武器打击领域，计算机视觉、多智能体协同等智能技术可主要应用于单兵平台自主作战、战斗编组和分布式杀伤等方面，实现实力优势，如图4所示。
１）适用于单兵平台自主作战。以人工智能技术为核心，以多种嵌入人工智能算法的武器装备平台为手段，实现多维度实时精准打击，实现武器单兵智能化[40]。在攻击目标的过程中，如果目标或任务发生变化，美军战斧导弹将根据指令在战区上空盘旋，然后自主搜索并重新选择，确定合适的攻击目标。美国研制的“黄蜂”导弹配备了一套先进的探测和控制设备，可实现目标伪装设施的识别和多任务目标的智能自主分配，从而实现成本最大化- 效率和命中率。
２）适用于战斗编队分布式击杀。系统借鉴自然生物群体行为的智能聚类与协同技术，通过去中心化提高抗损伤能力和任务成功率；通过简单作战单元之间的高效信息交换，提升系统整体效果和群体智能水平，最终实现复杂战场条件下任务的自主分解、作战单元的自主协调、作战的自主规划作战目标的计划和自主打击[41]。 2014 年，DARPA 建立了“拒绝环境中的协同作战”项目[42]，旨在开发一种自主协同作战系统，使一名操作员能够指挥多架无人机。该项目通过先进的算法和模块化的软件架构，解决了无人机群在复杂干扰条件下无法完成作战任务的问题，提高了无人机群完成任务的能力。 DARPA于2015年建立了“幽灵”项目[43]，旨在建立一套可回收、可重复使用的无人机作战集群，以实现稳定、可靠、经济的作战方式。该项目通过采用一体化设计、自主协同规划等技术，在战前战场上完成了大规模快速侦察和欺骗干扰。
３. 5 更多自由互联，实现网络优势
在战场互联领域，认知计算、博弈对抗等智能技术可主要应用于战场网络弹性与通信、网络攻防等方面，实现网络优势，如图5. １）应用于战场网络弹性通信。利用人工智能技术快速感知网络环境，灵活加载通信波形，自主控制网络资源，提高战场通信网络系统的弹性。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、有弹性的有保障的通信系统。美国空军实验室和加拿大国防研发中心通信研发中心开展了一项名为“在挑战和对抗环境中的安全通信”[44]的研究项目，主要针对未来作战人员可能面临的恶劣通信条件。 ，尤其是在偏远地区和缺乏服务的地方。在动态和对抗环境中，灵活和自适应的频谱接入是通过开发新概念和技术来实现的，以确保强大和可靠的通信能力。 2017年，DARPA启动了“无线电频谱机器学习系统”项目[45]，通过人工智能了解无线电信号，改进和普及频谱共享技术，增强无线通信能力。 ２）应用于网络攻防。以人工智能为武器，恶意攻击行为可以自我学习，根据目标防御系统的差异自适应地“适应变化”，通过招募潜在漏洞达到攻击目的。同时，人工智能技术的使用可以改善网络安全现状，可以更快速地识别已知或未知威胁并及时响应。 2017年，斯坦福大学和Infinite初创公司联合推出了自主网络攻击系统。该系统的核心处理单元是定制的人工智能处理芯片[46]。新型网络攻击系统可以在特定网络中运行，完成信息的独立收集，独立学习和编写攻击程序，并能自适应动态调整攻击程序，具有很强的隐蔽性和破坏性。 2018 年，DARPA 启动了“Using Autonomous Systems Against Cyber Adversaries Program”项目[47]，旨在建立安全可靠的网络代理，实现有效对抗僵尸网络
遏制。通过开发量化框架和算法，该项目可以准确识别僵尸网络，推断现有漏洞，并生成软件补丁以减少对系统的不利影响。
３. 6 更坚实的支持，实现赋能优势
１）智能AI系统为军事情报提供“新动能”。传统的机器学习方法需要在系统部署之前使用数据集来训练系统。一旦训练代理完成，它将处理的场景和问题将被固化，使其无法处理新的场景，并且重新训练效率低下且工作量大。在执行军事行动时，人工智能系统需要能够在任务期间自我学习和提高，将以前的技能和知识应用到新的情况下，以应对各种战斗场景[42]。 2017 年，DARPA 安排了一个名为“Lifelong Learning Machine”[48] 的项目，利用目标驱动的感知进行持续学习，形成对新场景的自适应，改变当前智能体无法应对未经训练的场景的情况。 ２）低功耗、强算力、易扩展的智能芯片，为军事情报提供“新基建”。作为人工智能技术的重要物理基础，目前主流的人工智能芯片存在功耗高、内存带宽不足、框架固化等瓶颈。为了更好地支持人工智能的军事应用，下一代人工智能芯片应具备低功耗、计算能力强、易于扩展等特点。 2020 年，英伟达发布了用于超级计算任务的人工智能芯片 [49]，将计算能力提升了 20 多倍。 2020 年 10 月，英特尔宣布批准与美军 [49] 合作项目的第二阶段合同，旨在帮助美军在该国生产更先进的人工智能芯片原型。来自不同供应商的“小芯片”被集成到一个封装中，允许将更多功能打包到更小的成品中，同时降低其功耗。
