智能態勢認知面臨的主要技術挑戰及對策
原標題：智能態勢認知面臨的主要技術挑戰及對策
來源：防務快訊
作者：信息系統工程重點實驗室，刁聯旺、李婷婷、王曉璇
殺傷鏈：作戰行動中發現、鎖定、跟蹤、瞄準、交戰和評估的過程
態勢認知是在信息融合和態勢感知的基礎上，對戰場態勢的判讀、理解和預測，如目標識別、運動軌跡預判、未來戰況走向預估等，又稱態勢分析。智能態勢認知是指揮控制活動從信息域向認知域跨越的重要標誌，也是後續智能決策或自主控制的重要前提，是通向真正意義上智能化戰爭的關鍵環節。由於未來多軍兵種聯合作戰的作戰空間是多維一體的，作戰樣式是多域混合的，敵我雙方參與作戰的實體數量和種類是眾多的，導致聯合戰場態勢變得更加錯綜複雜且瞬息萬變，戰場上情報和信息量激劇增大，因此這就決定了未來信息化戰爭具有複雜多變性、強烈對抗性和充滿不確定性的顯著特徵。在這種帶有時間緊迫、任務壓力的情況下，聯合作戰指揮員要想把握戰役全局，不但需要掌握重點關注的目標群、作戰任務群和敵方作戰企圖等，還要理解敵方作戰體系對我方構成的整體威脅、遠程精確打擊威脅、空天作戰體系威脅、網電對抗威脅等，可見指揮員使用指揮信息系統全面掌握聯合戰場態勢基本情況，快速精準地完成對聯合戰場整體形勢的理解和研判，及時準確全面地掌控戰場，快速高效地做出正確指揮決策具有強烈的軍事需求。如何訓練機器理解態勢全局和預測態勢走向無疑是對人工智慧技術的重大挑戰。
一、主要技術挑戰
智能態勢認知面臨的主要技術挑戰包括：
（1）態勢要圖智能標繪：根據獲得的敵情、我情和戰場環境等態勢信息，特別是聯合戰場上數量巨大、空間分散廣闊的陸海空敵我雙方的目標信息，能夠自動理解其兵力群組關係、識別作戰行動企圖等，進而輔助參謀人員智能標繪作戰要圖，即在要圖上自動標繪出各種兵力部署的「腰子」和進攻方向的「箭頭」等，使得態勢圖更加清晰聚焦，讓指揮員對當前戰場情況一目了然，大幅提升戰場態勢認知可視化的清晰度。
（2）態勢要素智能計算：在指揮員全面掌握戰場基本情況基礎上，能夠根據指揮員的作戰籌劃需要，對指揮員指定的作戰區域實現戰場態勢要素的智能計算，如編隊目標集群的威脅程度，作戰編隊的作戰能力，作戰雙方的態勢優劣對比等；以及空中作戰的禁入區域、優勢區域、競爭區域與自由區域的判定與分析等，提升指揮員對整體與局部戰場形勢優劣研判的定量化分析水平。
（3）交戰局勢智能研判：依據敵我雙方作戰原則和作戰目的，基於敵我雙方兵力強弱或攻守關係等，對聯合戰場上各個局部交戰格局中敵我雙方兵力隨時間和空間變化而發生的消長關係進行智能推斷和預測，從而能夠讓指揮員掌握戰場上各個交戰局勢優劣的動態變化，充分把握戰機和最大發揮作戰效能，提升指揮員對局部交戰結局的推斷和預測能力。
（4）作戰重心智能判定：綜合考慮敵我雙方在聯合戰場上的兵力部署和兵力兵器的強弱對比，以及敵我雙方的作戰意圖和作戰原則等，實現聯合作戰各階段的作戰重心及時準確的智能判定，如主要進攻方向和作戰決定點/突破點，防禦要點和關鍵點/要害部位等，提升指揮員作戰規劃特別是作戰兵力投入和使用的科學性以及作戰控制的高效性。
（5）態勢演化智能預測：根據過去和當前的作戰情況，運用計算機模擬技術和人工智慧技術，對戰場態勢未來演變情況進行大量的模擬推演是最有前景的一種技術模式。指揮員利用計算機平行模擬推演技術，戰前可以積累數據和總結經驗，戰中可以基於實時掌握的最新戰場態勢數據對聯合戰役戰鬥發展走向進行科學預測，提升指揮員OODA決策環的運行效率，從而掌握聯合作戰戰役戰鬥的主動權。
二、主要對策
為了應對聯合戰場態勢認知的智能化挑戰，應抓住當前人工智慧技術發展的浪潮，綜合考慮現有的技術基礎和軍事應用需求，力爭取得一些基礎理論和關鍵技術的突破。
（1）基於概率的態勢理解框架研究：戰場態勢認知涉及到作戰單元在時間和空間上的計算與推理，而且由於戰場態勢具有戰役/戰術的層次性，這其中還涉及到作戰實體/單元的聚合與解聚問題，如從單運動目標航跡到飛機/車輛的集群/編隊協同行為的表示；作戰目標運動/活動與戰場環境的交互作用；道路網、建築物、河流等有價值的地理信息提取等；當然還包括來自不同/異類信息的融合等。毫無疑問概率論與統計學作為不確定性信息處理的科學方法學將會大有作為，如多層貝葉斯模型和稀疏空間統計模型以及用於這些統計模型推斷的統計抽樣方法等。但是客觀地說，有關這些統計模型與方法的現有研究成果相對於聯合戰場態勢理解問題複雜性而言過於簡化了，要利用它們解決態勢智能推斷還要做更深入的探索，需要新的和具有原創性思想和方法才能真正解決態勢理解框架表示問題。
（2）基於人機交互智能的態勢認知計算：由於作戰任務認知的複雜性，通常情況下機器或演算法都需要人的幫助，否則成功完成任務的可能性並不大。如讓機器「告訴在某一特定區域里敵方有多少輛坦克及其運動方向」，若操作員能劃明區域邊界，則機器就能十分高效地完成任務。再如讓機器「搜索某一特指目標」，若操作員快速地把鏡頭移到特定地區，則機器完成目標搜索任務的時間將會大大壓縮。這樣的任務若無人的幫助，機器演算法將會承載大量無關信息，而操作員一個簡單動作就地輕易地刪除海量無關的信息。因此操作員必須作為機器/演算法的一部分，只有在人的幫助下，演算法才能真正把精力/時間集中於其要完成推理的空間中發揮作用。可見，人機交互智能是完成態勢智能推理和作戰資源分配等複雜且時間緊迫的計算任務的有效手段。
（3）基於人機交互的態勢認知推斷：至少有三類問題的解決需要人機交互技術提供幫助：一是態勢信息的選取，由於指揮員或信息用戶的層級與角色不同，因此他們所關注的態勢要素或態勢信息往往也不相同，但戰爭的複雜性使得指揮員事先不可能想到一切可能的信息需求，也許只有身臨其境時才最清楚需要什麼；二是三種可能態勢的認知，即敵方最可能的作戰行動、敵方最危險的作戰行動和敵方最瘋狂的作戰行動都將會導致出現什麼的戰場態勢？對這三種戰場態勢的推斷/預測，目前也許只有在人機交互之下才能得到最好的答案。三是敵方作戰行動的識別，對於作戰行動的識別問題解決要想獲得大量的樣本進行機器學習是不可能的，因此，敵方作戰行動模式的發現只有在作戰人員的指導下才會更有效率。可見，基於人機交互的態勢認知推斷是目前最佳的問題解決方案。
（4）基於序貫統計模型的變化和異常檢測：主要涉及二類問題，其一，為了集中指揮員的注意力。面對複雜的戰場態勢，指揮員需要快速集中精力處理最重要的信息/情況。如在進攻作戰行動準備或展開之時，要能在地形、道路、橋樑和河流等地理信息的基礎上，從大量敵我雙方動態目標中發現特定區域內海上、空中、陸地大量目標集結等顯著變化；其二，從收集到的海量數據中發現與其作戰任務關聯的、意義重大的信息。如在一項由一系列作戰行動來完成的軍事計劃實施過程中，指揮員的一項重要指揮控制功能就是監視和檢測這些作戰行動的進展/完成情況，當然也需要對敵方作戰行動進行檢測，用於掌握敵方新作戰模式或欺騙行動。現代的稀疏空間統計理論與經典的時間序列分析方法中的聚類分析與變點檢測理論等將為這類態勢認知問題的解決提供強有力的工具。
總之，人工智慧技術的發展浪潮給態勢認知領域的研究帶來了契機，我們應緊緊抓住時機，深化態勢認知問題的理解和解析，科學合理地建立人機智能的高效協作機制，取得態勢認知技術的重大突破，從而提升指揮員對整個戰場態勢的認知速度和精度，取得指揮控制上的敏捷性優勢。
TAG:戰略前沿技術 |