联合作战依托信息网络系统，将陆、海、空、天、电、网，情报、指挥控制、火力打击、后装保障等作战要素结合，形成一个部署分散又能有效互联互通的兵力体系，协同作战。在智能战争形态下，联合作战呈现出云中联合、智能主导、多域分布、人机融合等特点，对指挥控制和任务规划提出了新的要求。任务规划是在接到任务后，基于任务规划系统实时获取并整合初始基础数据和实时动态数据，并根据建立的算法和交互规则科学制定作业计划。基于人工智能技术的智能指挥策略系统将加快战场动态信息的更新，提出调整和改进计划的建议，帮助指挥员及时更新任务计划，提高部队快速反应能力。
一旦情报系统掌握了敌方战场态势信息，相关数据将通过作战信息网络传输到联合作战指挥系统，进行进一步处理和数据集成。运用人工智能技术，研究分析以往实战案例中的指挥策略，制定作战计划。然后，通过智能推理，不断更新和改进计划，最终制定和确定行动计划。其主要特点有以下三个方面。
一是基于数据主导。数据流是智能作战指挥系统的核心。数据流定义作战流和指挥流。快速的数据流、按需共享和高效利用是促进作战要素高效聚合和释放、提高作战效率的关键因素。随着人工智能技术的兴起及其应用向各个领域的渗透，数据已成为智能战争中不可或缺的重要资源。美国前总统巴拉克·奥巴马将其比作“未来的新石油”。在现代智能联合作战中，数据贯穿于观察、判断、决策和行动的各个环节。在观察这个步骤，智能传感器从大量数据中获取和战斗相关的信息。在判断环节，通过大量战场数据训练智能分析判断模型，并给出定量分析结构。在决策过程中，智能指挥系统依靠大量的案例数据对方案进行模拟和评估，实现了作战方案生成从耗时费力、粗略比较到快速生成、准确优化的转变。在行动环节，智能指挥系统基于海量战场数据提供实时反馈和快速反应，抢占战机，主宰战场节奏。二是运用智能算法。智能算法是人工智能的核心，对于生成作战行动方案而言，智能算法与仿真环境相结合的方法较为成熟，可使用深度强化学习算法来制定行动方案，这种算法可在仿真环境中执行试错实验以度量不同计划的期望效应。仿真环境应尽可能贴近现实，反映战场上各种作战行动所带来的效应，以及道德、后勤供应和难民等其他因素对作战行动的影响。Alphago是第一个击败职业围棋选手的人工智能机器人，也是第一个由机器人赢得的围棋世界锦标赛。它的主要工作原理是运用了人工智能的“深度学习算法”。正是由于人工智能强大的学习能力，它的自主学习能力被用来规划协同作战，将信息优势转化为知识和智能优势。而在作战指挥方案生成方面，2008年美国防高级研究计划局（DARPA）开发了一个被称为“深绿”的军用战术指挥与控制系统，该系统可为指挥官生成行动方案，以便其更主动地管理作战行动。三是融合人类智谋。人工智能运用于生成作战行动方案，必然要把人类历史上历次战争的制胜谋略、指挥员和指挥机关的集体智慧和人工智能的优势结合起来,才能充分发挥人工智能在作战方案生成中的作用,把握制胜先机。人脑的优势是创造力、灵活性和主动性，而机器的优势是抗疲劳、不遗漏、不带情感色彩、高速度和高精确。即使人工智能有这么多优势，但是人工智能仍然不能改变残酷战争冲突的性质，也不能取代人类智能。人工智能只能在一个有既定规则和完整信息的封闭系统中比人类更好，比如围棋和电脑游戏。面对开放、复杂、快速演变的智能战争形态，我们不仅依靠人工智能技术来辅助决策，还需要依靠人们的理解、判断和适应性。主要是针对具体问题找出人类智能与人工智能的最佳结合点，将人脑与人工智能的优势完美结合。美军一直在致力于用人机结合的方式，让具有普通智商的指挥员创造出隆美尔、朱可夫、巴顿这些睿智将领的战法杰作。随着大数据、人工智能算法和博弈方法等技术的发展，人工智能技术作为解决研究和分析问题的有效手段，在作战推演实验中发挥着重要作用。在进行指挥决策时，将真实战场与虚拟战场联合，在仿真系统中，对方案实时推演。它从宏观和微观的角度实时同步显示。利用强大的仿真技术进行计算机实验和态势评估，构建从态势感知、预警、方案规划到决策管理的作战指挥辅助决策的全过程。智能作战计划推演基于三种主要推演方法。
一是人在环中的作战计划推演方法。人在环路是一种半自环的形式，即机器在完成每一个任务之后等待人类批准，再执行下一个任务。以这种方式整合人类的知识和经验，用最小的代价训练出准确的预测模型。借助基于机器的方法，人类可以为机器学习应用提供训练数据，直接完成一些流水线中计算机难以完成的任务。从数据运用的角度，现有的人在环路可以分为三大类: (1) 通过数据处理提高模型性能的工作，(2) 通过干预模型训练提高模型性能的工作，(3) 系统独立的人在环路的设计。人在环上的推演方式在战略方案决策中需要模型的支持、信息知识的支持、有人参与讨论与协作的支持。将人类的决策智慧、数据、信息、知识、模型和系统设备等众多资源有机地整合到一个单一的架构中，以满足解决战略方案推演的需要，在推演战略方案的过程中，一直在人的谋略帮助下完成。二是人在环上的作战计划推演方法。人在环上这种自治系统模式受人类监督，一旦激活，机器在人类的监督下开展工作，持续执行任务直至人类干预将其中止。人机协商的“人在环上”方式主要用于战役方案的推演管理。以人在环上、人机共商的形式解决人机协同方案推演问题。在仿真推演的过程中，使用结构化的量化模型分解作战计划，将人体系统的“智能”与机械系统的“智能”相结合，通过人机协同的方式分析推演作战方案。这种人机协同指挥推演方式，增强了作战实验的科学性。例如，美军的文森尼斯号导弹巡洋舰装备的宙斯盾作战系统就是一个典型的“人在环上”的指挥控制模式，其武器系统指挥控制模式，按照自动化程度分为自动专用模式、自动模式、半自动模式和手动模式，以便在不同的情况下使用。其中自动专用模式自动化程度最高，系统一经启动将按照发现、定位、跟踪、瞄准、交战、评估的过程依据交战规则自动决策执行，到解除为止无须任何手段操作即可自动拦截所有目标，人所起的作用是“监督控制”。三是人在环外的作战方案推演方法。人在环外这种自治系统模式，不受人类监督完全自主，一旦激活，机器自己完成其任务，人类既不用监督，在系统出现错误时也无法干预。人在环外的作战方案推演方式，主要用于解决战术层次作战方案推演的问题。人在环外中以电脑为主的推演形式，主要是基于机器系统设计的，主要面对战斗推演问题。战斗指挥的整个推演过程实质上是基于人工智能系统的自主推演。同时，指挥员在战斗中也必须同步思考决策。相比上面提到的人在环中和人在环上两种推演方式，人在环外的推演方式，更简单，推演问题的范围更局部化。但由于当前人工智能技术仍然不够成熟，并且相关作战推演智能化规范尚未完善，完全的人在环外的作战推演方式还有很长的路要走。因此在当前智能化作战推演技术研发和应用中，人依然扮演着相当重要的角色，要实现真正的“无人时代”还需要相当长的一段时间。优化作战计划需要实时的评估计划、决策和调整。同时，必须充分考虑战场条件、任务、规则和相关法规。为了从初始方案计划中获得最优方案计划，它包括知识图谱表示和知识推理过程。人工智能技术在作战任务规划优化中的应用主要包括三个方面：作战行动计划的知识表示、作战任务的网络化优化和作战计划的快速优化。一是作战行动计划的知识表示。知识表示是一种组织结构化数据以增强机器处理和人类理解的方法。对于陆、海、空、天、网、电等作战空间的作战要素，为了解决作战方案的自主优化问题，需要在语义层次上建立各种对象之间的关系，并在物理世界的实体中进行符号化表达。通过这种表达方式能够实现对大量情报信息的共享、融合和呈现，弥补从信息到知识的“知识缝隙”，以增强指挥员理解和利用信息的能力，进而为快速掌握战场态势、快速制定作战行动计划创造条件。而实现这种方式一个行之有效的方法就是通过知识图谱来表达关系。2012年，谷歌首先提出了知识图谱的概念，来解释现实世界中存在的各种实体或概念。知识图谱是一种结构化的语义知识库，以符号的形式描述物理世界中各种概念之间的关系。二是作战任务的网络化优化。作战任务网络化优化方法以任务群为原点，构建任务资源分配策略，从数据库中提取主数据，获取战场实时信息，作为优化系统的输入，通过系统对任务资源的合理分配，生成任务优化方案。它是一种符合“网络中心、面向服务”技术特点的任务规划优化模型。网络化是任务优化系统的支柱，也是提高作战计划优化精度的前提。近年来，网络化作战系统的研究越来越受到军事指挥领域的重视。随着面向任务作战模式在军事领域的广泛应用，多任务并发问题和多目标优化问题极大地推动了计划优化方法在军事领域的应用。伊拉克战争期间，美军利用网络优化系统对任务目标、飞行路线、目标毁伤和敌方防空情况进行综合评估，一天内对800多个飞行任务进行综合评估，并进行智能任务优化，使600架次的数据直接发送到飞机上，从而直接从地面呼叫飞机执行新的优化任务，达到实时调整优化作战方案，提高作战效率的目的。三是作战行动计划的快速优化。面对复杂的信息战，战场态势瞬息万变，突如其来的威胁在所难免。在实施过程中，由于战争形势的变化，预先确定的作战计划可能不再适用，需要对作战计划进行优化。任务优化是一个典型的知识推理过程，涉及许多复杂的逻辑思考和约束条件。任务优化软件应根据定义的人工智能算法自动优化，并向指挥员提供相应的结果或参数，以验证和缩短任务优化时间，为作战部队的快速反应创造条件。任务优化系统不断融合最新的人工智能技术，提高任务优化系统的优化效率。例如，美国陆军装备的Alphaz高级战术野战炮兵数据系统采用了一种新的人工智能算法，实现了对所有地面、空中和火力支援武器的智能自动优化和控制，加快了战术打击速度。
声明：本文为转载文章，目的是为读者提供多样化视角，不代表本公众号赞成其观点
THE END
文字 | 转载自“光明军事”公众号
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
