人工智能技术现已进入到一个新的高速增长期,是公认最有可能改变未来世界的颠覆性技术。从“深蓝”战胜卡斯帕罗夫，到机器学习技术在语音识别、图像识别、自然语言处理等诸多领域取得突破，再到AlphaGo战胜李世石，机器智能已经从计算智能、感知智能发展到了认知智能，达到了一个前所未有的新高度。以美国为代表的世界军事强国，预见到人工智能技术在军事领域的广阔应用前景，认为未来的军备竞赛是智能化的比拼，并已提前布局了一系列研究计划，发布第三次抵消战略，力求在智能化上与潜在对手拉开代差。落后即意味着受制于人，为避免因丧失发展先机而造成巨大代差，我国亟待迎头赶上，大力发展人工智能技术的军事应用研究。
人工智能技术的发展经历了60年的历程，几起几落之后进入到一个新的高速增长期。2016年，AlphaGo战胜李世石，代表人工智能进入到一个新纪元。接下来，人工智能在各领域中取得的突破可能会呈现出爆发式的增长，机器智能水平也将呈现出指数型提升。专家预测的平均数据表明，2045年将是奇点到来之年，届时机器的智能水平将超过人类。
从智能化水平上来看，人工智能大体可以分为计算智能、感知智能和认知智能三类
计算智能——超越人类：以科学运算、逻辑处理、统计查询等形式化规则化运算为核心。在这方面计算机早已经超过人类，比如超级巨型机“天河”的科学计算和“深蓝”基于规则的暴力搜索。但也还有很多事情做不好，比如像集合证明、数学符号证明一类的复杂逻辑推理，仍需要直觉的辅助。
感知智能——接近人类：以图像理解、语音识别、语言翻译为代表。近期由于深度学习方法的突破，取得了重大进展，开始逐步趋于实用水平。比如科大讯飞的语音识别准确率97%，微软语音识别错误率5.9%，已等同于普通人的水平。自然语言处理方面，谷歌已经能够做到大段文字的翻译，覆盖十多个语种。苹果Siri、微软小冰、小娜等已经能够与人进行聊天。图像处理方面，谷歌能够让机器从成千上万的图片中准确识别猫。此外，人脸、性别、年龄、情绪等识别也日趋实用化。在运动方面，波士顿动力的机器“大狗”反应非常灵活，不仅可以适应各种地形，还可以经受突然的冲击力而保持不倒。
认知智能——刚刚起步：以理解、推理和决策为代表，强调会思考、能决策等。因其综合性更强，更接近人类智能，研究难度更大，长期依赖一直进展缓慢。IBM的问答智能程序“沃森”及谷歌的无人车等，就是比较接近此类智能的典型。沃森战胜人类使得人工智能面临重大拐点，它采用专家系统方式，以大数据的关联分析和统计特征进行推理。谷歌无人驾驶领取驾照标志着无人平台开始融入社会，这其中涉及到道路识别、行车监视、态势理解、情况判断、准确决策等智能化问题。
上世纪70年代，决策支持系统（Decision Support System）被提出，希望借助计算机，基于模型库、数据库、知识库、方法库等，为决策人员提供帮助。基于该模式，美军研制了JOPES、CEM、CAMPS、JMPS、SPADS等一系列指挥控制决策支持系统。这些系统在实际军事行动中得到了应用，例如90年代初的沙漠风暴行动，从最简单的货物空运到复杂的行动协调都由专家系统完成。但这类系统大多采用人在回路的方式，指挥员仍是指挥决策的关键，目标分析、方案拟定等关键步骤主要由指挥员完成，机器只是提供计算层面的支持。现在看来，属于“计算智能”，没到“认知智能”。
美军很早就开始探索人工智能技术在军事领域的应用。DARPA于2007年启动了“深绿(Deep Green)”计划，目的是将仿真嵌入指挥控制系统，提高指挥员临机决策的速度和质量。其核心技术是平行仿真，在指挥作战过程中，基于实时战场态势数据，通过计算机多次模拟仿真，推演出敌我采用不同作战方案可能产生的结果，预测敌方可能采取的行动和战场形势可能的走向，引导指挥官做出正确的决策，缩短制定和调整作战计划的时间。虽因主管领导更迭和经费削减等原因于2011年暂停，但其提出思路和方法值得借鉴。虽然项目中没有使用机器学习等最新技术，但通过平行仿真预测敌方行动和态势变化的方法，是在当时人工智能水平下的一大创新，代表了美军在推进指挥控制向智能化发展的先期探索性研究。
图1 美军“深绿”系统
2009年至2014年间，DARPA先后启动了Insight、XDATA、Big Mechanism、Deep Learning、DEFT、PPAML等大量基础技术研究项目，探索发展从文本、图像、声音、视频、传感器等不同类型多源数据中自主获取、处理信息、提取关键特征、挖掘关联关系的相关技术。同时，DARPA还布局了一系列面向实际作战任务背景的项目。例如Mind’s Eye计划用于探索一种能够根据视觉信息进行态势认知和推理的监视系统；TRACE计划尝试用机器学习、迁移学习等智能算法解决对抗条件下态势目标的自主认知，帮助指挥员快速定位、识别目标并判断其威胁程度；DBM计划发展战场决策助手，帮助飞行员在对抗条件下理解战场态势、自主生成行动建议并能够管理无人驾驶的僚机；TEAM-US计划尝试将人与机器深度融合为共生的有机整体，让机器的精准和人类的可能性完美结合，并利用机器的速度和力量让人类做出最佳判断，从而提升认知速度和精度。
2015年12月，美国防部提出了第三次抵消战略，围绕智能化、自主化提出了5大关键技术领域。其中，自主学习技术与人机交互技术，利用人工智能技术综合利用人的洞察力与计算机的高灵敏度，提升指挥员的决策效力。美国防部副部长沃克说“利用上述技术，可以压缩指挥员在观察、判断、决策、行动（OODA）循环中的时间，实现多域联合作战指挥和控制的目标，以取得未来战争的制胜权。”
2016年6月，美国辛辛那提大学开发的人工智能系统“阿尔法”，在模拟空战模拟器中100%击败了经验丰富的美退役空军上校。该上校表示：“这是我见过的最具侵略性、敏捷性、变化性和可靠性的AI。”据称，阿尔法在空中格斗中快速协调战术计划比人类快了250倍，从传感器搜集信息、分析处理到作出正确反应，整个过程不到1毫秒，可同时躲避数十枚导弹并对多目标进行攻击，还能协调队友、观察学习敌人战术，而硬件成本仅为售价500美元的普通PC机。该技术是AI在交战控制领域应用的重大突破，未来可用于训练人类飞行员，甚至可在通信条件不佳的情况下接管无人机的行动控制。
图2 “阿尔法”AI空战系统
2016年10月-12月期间，美国总统办公室发布《为人工智能的未来做好准备》和《美国国家人工智能研究与发展策略规划》、《人工智能、自动化和经济》三份重要报告，对人工智能技术及相关产业的发展进行了全面规划，目的是确保美国AI的领先地位。
2016年底，美军启动指挥官虚拟参谋（Commander’s Virtual Staff）项目，旨在通过综合应用认知计算、人工智能等技术，来应对海量数据源及复杂战场态势，提供主动建议、高级分析及自然人机交互，从而为指挥官及其参谋制定战术决策提供从规划、准备、执行到行动回顾全过程的决策支持。
分析认为，美军“深绿”的失败说明传统的人工智能方法存在瓶颈，而阿尔法AI的成功，让人们看到以机器学习+大数据为代表的现代人工智能技术，可以突破瓶颈，创出一条新的途径。而第三次抵消战略、三份白宫报告，以及刚启动的一系列创新研究项目，都表现出美军的雄心壮志，未来将掀起全世界智能化装备竞赛。
联系客服
