未來戰場將進入新時代，人工智慧大展神威

近年來，人工智慧技術取得突破性進展，在作戰指揮領域將得到廣泛應用，可以有效縮短觀察-判斷-決策-行動(OODA)環的時間，極大提升態勢感知、情況研判、任務規劃、方案生成、分析決策、行動管控等能力，提高作戰指揮的效率和決策的科學性。

人工智慧應用將大大提升作戰指揮效率

隨著在軍事領域的廣泛應用，人工智慧技術正在成為推動新一輪軍事變革的強大動力，戰爭時空條件、戰爭主體、戰爭手段、戰爭方式方法都將發生深刻改變，並將催生新的作戰概念、作戰手段和作戰思想，決定戰爭勝敗的規律突出體現在“制智權”的爭奪上。在奪取戰場控制權上，將由奪取制資訊權和資訊優勢為主，向奪取制認知權和智慧優勢為主轉變;在對抗重心上，將由注重物理域、資訊域對抗向更加註重認知域對抗轉變。

未來戰場將進入“秒殺”時代，高速度、大機動和遠射程裝備發展趨勢使得戰爭節奏顯著加快，人腦跟不上作戰速度;大規模體系作戰、一體化聯合作戰，使得戰爭複雜性大幅提升，人腦無法適應戰爭規模;無人系統自主作戰，反應速度極快，使得戰爭靈活性不斷加強，人腦跟不上戰場變化;戰場的非線性、跨域、網路化等特點，在時空範圍、要素種類、行動節奏上都對決策、指揮和協同提出了極高要求，傳統以人工為主的方式難以適應。

在戰場上，指揮員面對的是海量的、瞬息萬變的戰場資料和資訊，人腦已經無法快速容納和高效處理，人的感官也無法承受作戰行動超常規的變化速度。例如，美軍自“9•11”事件以來，僅源於無人機和其他監控技術的資料量就增長了16倍;美軍分散式通用地面系統每日採集的影片流資料超過7太位元組;美國空軍每天收集的情報偵察影片資料約160小時。只有充分發揮人腦創造性、靈活性和主動性的優勢，以及機器速度快、精度高和不會疲勞的特長，實施人機協同、人機互動，才能彌補時空差和機腦差，才能確保作戰指揮決策的優勢。

未來智慧化戰爭的作戰指揮決策，將具有自主的資料探勘、態勢感知、智慧決策、指揮控制能力。這將在一定程度上顛覆人們對作戰指揮決策的傳統認知，形成由資訊系統輔助人向智慧系統代替人的深度融合轉變。在戰場情報分析、資料處理、運籌分析、模擬模擬、任務規劃、方案制定等方面引入人工智慧技術，極大地提高人類指揮現代戰爭和作戰行動的智慧化水平。

指揮員運用跨媒體資料融合技術，可以從海量、多元、異構的情報資料中快速發掘支撐作戰指揮決策的關鍵資訊，識別意圖、發現徵候、研判趨勢、發現規律、作出決策。人工智慧技術的發展和運用，使人類能夠突破思維的邏輯極限、感官的生理極限和存在的物理極限，極大地提升戰場態勢研判、戰爭趨勢預測、作戰方案評估和作戰行動管控等能力，在多維空間、多維領域實現優勢作戰資源的快速跳轉、聚集和攻擊，掌控OODA環的主動權。

隨著智慧輔助決策技術和“雲端大腦”“數字參謀”“虛擬倉儲”的出現，作戰指揮決策將由單純的人腦決策發展為人機混合決策、雲腦智慧決策和神經網路決策，從而孵化出全新的指揮控制方式。人工智慧這一“作戰大腦”可以從各類感測器中接收、處理大量資料，其快速反應和做出決定的速度比人類要快出數百倍。

在對物理域、社會域、知識域、認知域的解析及建模基礎上，利用人工智慧快速生成輔助決策資訊，並可根據指揮員的意圖進行快速最佳化，實現作戰指揮決策的快速性和精準性。利用人工智慧技術構建資料自主分析能力，最佳化指揮資訊系統，有效提升戰場資料處理挖掘的效率，以“人在迴路”或“人機協同”等形式實現人和機器的優勢互補，以智慧化優勢奪取戰場主動權。

藉助人工智慧演算法，研製快速處理資料的軟體，實現對目標的高效探測、分類和預警計算，收集提供高質高量高時效性的軍事情報，並推進與軍事情報相關的機器學習、深度學習和視覺演算法等先進演算法的研究，用以輔助作戰指揮決策。運用智慧演算法收集情報，高速、高效且結果精確，能夠為作戰指揮決策提供及時且優質的參考，並且透過實時戰場的反饋演算法能夠不斷得到修正更新。

發展跨媒體資料融合技術、價值網路模型和快速推演體系，從海量、多元、異構情報資料中快速發掘支撐作戰指揮決策的關鍵資訊，實現對戰場態勢的快速判斷;研製模擬模擬與計算環境，模擬戰場態勢演化過程，基於實時掌握的最新戰場態勢資料不斷更新，發展運用遺傳演算法、遺傳規劃等，應用知識推理和搜尋求解等方法自動推理搜尋處置方案、計算生成行動指令，實現基於資訊博弈的人工智慧輔助決策、精準指揮和靈活控制;運用雲端計算、大資料、多媒體資訊處理、智慧決策支援等技術，構建智慧化作戰指揮決策體系，研發知識推理、搜尋求解等人工智慧技術，將精確打擊的目標清單、使用作戰兵力、行動計劃及費效分析等簡單業務自動化。

2016年8月美國國防部國防科學委員會《自主性》研究報告提出，假如指揮官們能夠運用自主化情報分析、解讀，連續規劃和重規劃作戰行動，就能利用敵方作戰間隙進行攻擊。美國國防部高階研究計劃局早在2007年就啟動了“深綠”計劃，旨在將模擬技術嵌入指揮控制系統，提高指揮員臨機決策的速度和質量，目標是將美國陸軍作戰任務規劃週期縮短75%。其核心技術是在指揮作戰過程中，基於實時戰場態勢資料，透過計算機的多次模擬模擬，推演出敵我採用不同作戰方案可能產生的結果，預測敵方可能採取的作戰行動和戰場形勢的可能走向，引導指揮官做出正確決策，縮短制定和調整作戰計劃的時間。

2009年以來，美國國防高階研究計劃局先後啟動了“洞察”、視覺化資料分析、深度學習、文字深度發覺與過濾、高階機器學習機率程式設計等大量基礎技術研究專案，探索發展從不同型別、多源戰場資料的自主獲取、處理資訊、提取關鍵特徵和挖掘關聯關係的相關技術。美國空軍的AlphaAI空戰模擬系統，已經在模擬環境下將人工智慧技術用於整個作戰指揮流程。美國陸軍裝備司令部通訊-電子研究、開發和工程中心計劃於2016年底啟動CVS專案，旨在透過綜合應用認知計算和人工智慧等技術，以應對海量資料來源和複雜戰場態勢，提供主動建議、高階分析和自然人機互動，為指揮員作出決策提供從規劃、準備、執行到戰爭行動回的顧全過程支援。

人工智慧應用於戰場態勢感知

人工智慧技術的應用，將有助於解決複雜電磁環境下戰場的精確態勢感知難題。基於人工智慧和全維資訊的戰場感知體系，不僅抗干擾抗攻擊能力強，而且可以實現戰場資訊全網可知可視可控。透過物聯網和各類感測器，實現對各類戰場大資料的實時自動採集、儲存、傳輸與處理，實現全域覆蓋、多元融合、實時處理和資訊共享，達到對整個戰場及作戰指揮的全過程“透徹感知”“透明掌控”。綜合利用射頻感應、全球定位、紅外感測、生物特徵識別等感知、捕獲和測量技術，隨時隨地對戰場目標物件進行資訊採集和獲取;運用資料探勘、深度學習等技術，提高影像理解、語音識別、目標匹配能力;運用智慧組網技術，為戰場感知大資料傳輸提供高速、可靠、抗干擾的資訊網路支撐。

將人工智慧應用於作戰指揮活動中，透過全域覆蓋、隨遇接入、穩定高效、安全可靠的資訊互動平臺，將戰場實體基礎設施和資訊基礎設施有機融合起來，把多維戰場中的感知系統、武器裝備、作戰人員聯接成一個巨大的網路，實現時空一致、連續精確的戰爭態勢感知、資訊共享和智慧決策，協同指揮各作戰要素和武器平臺，推進戰場各要素向最大限度的“自主適應、自主行動”方向發展，以更快的指揮速度、更高的打擊精度，實施連續指揮和協同作戰。

人工智慧應用於作戰任務分析

為完成作戰任務分析，指揮員需要對戰場資料資訊進行分類，並確定當前戰場態勢，以構建動態更新的通用作戰圖，並檢測己方作戰指揮系統是否被欺騙。在人工智慧技術的輔助下，作戰指揮系統可根據接收到的情報報告的順序，自動生成通用作戰圖。利用深度學習演算法，可以將高維度檔案輸入向量轉換為一種低維度本徵向量空間的方法，在該空間中互鄰的向量與類似的文件對應，利用少量有主題標記的樣本來定義本徵向量空間中的特定聚類，並使用這些聚類構建自動元標註演算法。在此基礎上使用人工智慧演算法，確定一個文件中與特定話題相關的實體，例如提取與戰場相關的專案和數字，可以加速制定任務計劃的過程。此外，運用人工智慧技術，可以識別戰場上的異常資訊。通常以深度自動編碼器技術為基礎，正常的資料點位於自動編碼器構建模型的非線性低維度嵌入座標中，當自動編碼器對正常資料點進行解碼時，重建錯誤較少，而異常資訊的重建錯誤較多。這種方法可用於識別接收的感測器資料中的異常，標記異常報告。

隨著現代戰場在空間上的擴充，複雜多樣的感測器遍佈陸、海、空、外層空間和電磁網路空間，各類情報偵察與監視預警資訊呈爆炸式增長，由此產生的海量資訊資料超出了指揮員的能力範圍，導致戰場資訊收集不及時、有效資訊產出時效性低、反饋失誤等問題。運用人工智慧演算法，發現已有的資料庫與新近發生的戰場事件之間的關聯，透過已知事件推導預測將來可能發生的事件，這對奪取作戰指揮決策和軍事行動優勢至關重要。只有在複雜紛繁的海量戰場資料中發現其內在規律，快速有效地形成戰場資料支援和戰場態勢分析，才能牢牢把握住未來戰爭的主動權。例如，挖掘武器裝備的資料資訊，快速識別目標，選擇摧毀的先機條件;挖掘水文、地理和氣象資料，利用對己方有利的條件，搶先發起攻擊。

人工智慧應用於生成作戰行動方案

智慧化作戰指揮體系在感知到敵情資訊後，相關資料透過戰場資訊網路進入聯合作戰指揮體系，進行後續的資料處理和融合，直至搜尋、最佳化行動方案，形成最終應對策略，在這整個過程中需要系統端進行大量、快速、穩定的資料計算。智慧化作戰對抗，由於諸多環節都是透過機器計算自主完成，作戰指揮的智慧化程度高、反應速度快。

對抗雙方透過作戰指揮體系內部的高速運算，不斷尋求有利的戰機，一旦發現“有機可乘”，就迅速生成應對方案、調整體系力量、採取相應行動，整個作戰指揮過程真正做到實時同步。根據感知終端提供的共享情報資訊資料，在大資料庫、雲端計算平臺的支撐下，經過作戰指揮系統基於資料和演算法的“決策”，自動生成可供選擇的作戰行動方案。人工智慧與模擬環境相結合，使用深度強化學習演算法來自動生成作戰行動方案，這種演算法可以在模擬環境中執行試錯實驗以度量不同計劃的期望效應。

人工智慧應用於作戰行動方案分析與推演

智慧化的作戰指揮系統利用所獲取的戰場態勢資料，對各種情報資訊進行自主分析，實時自主決策，自主生成或調整作戰方案，並透過資訊傳輸網路指揮控制相應的作戰單元完成作戰任務，確保作戰單元、武器裝備形成高效統一的整體，協同有序行動。運用“資料+演算法”實現作戰行動方案分析和推演的高度自主化，同時加上機器的高速計算能力，就可以透過更多環節的智慧自主處理，得出更加科學的作戰指揮決策方案，大幅提升作戰指揮體系的反應速度，進而高效調控相應的作戰行動，在戰場上獲取相對優勢，奪取戰爭的勝利。

在作戰計劃制定過程中，可以使用定性方法來分析任務計劃和行動方案。當不同的計劃小組提出了幾種作戰行動方案後，可以使用概念框架登記專家對這些作戰行動方案的評論，這些專家使用一個模板，建立結構化評論並系統評估不同作戰行動方案的各方面特徵。之後使用一種能夠區分各種辯論模型間相同和不同之處的框架，選擇和總結各領域專家對不同作戰行動方案的評論，實現對備選作戰行動方案的結構化分析。同時，還可以將人工智慧與多智慧體系統組合，開展紅藍對抗，使指揮員瞭解各種行動方案的優缺點與動態推演過程中可能存在的事件進展，評估各種行動方案的優缺點，預測和了解敵方的行動。

最近北約利用大規模平行模擬、資料分析和視覺化等技術，開發了用於作戰指揮決策支援的資料耕耘系統，可以分析不同模擬系統對地面作戰計劃產生的幾十萬個模擬輸出結果。

在未來戰爭中，決策優勢的獲取已不再單純取決於指揮員的智慧，還將取決於作戰指揮輔助系統的能力。作戰指揮輔助決策預案制定的可靠性和詳盡程度、人機互動的便捷性、預案最佳化的針對性，在贏得決策優勢中所起到的作用尤為重要。基於實時戰場態勢資料，透過平行模擬推演作戰方案，預測戰爭演進趨勢，自動匹配最佳行動策略。

利用人工智慧技術開發作戰指揮輔助決策系統，可以根據實際作戰任務，快速抽取並組織形成支撐決策資料，對關聯態勢進行綜合展示，也可以根據交戰規則和認知模型，在自學習進化的基礎上進行輔助決策，自動生成行動預案並進行預演，實現對戰場事物、業務流程、行為方式的智慧化決策，並將指揮員的意圖指令實時準確地作用於被指揮物件，實施正確、最優的指揮控制。

人工智慧應用於作戰行動方案執行

在作戰行動方案執行過程中，透過無線車載定位終端、頭盔和眼鏡等穿戴式裝置，為單兵配備無線個人手持定位終端和影片終端，實施智慧化遠端指揮控制;運用身份識別、語義識別、語音識別、手勢識別、行為識別、腦電識別、視覺跟蹤、感覺反饋等人機互動技術，實現指揮單元、精確打擊武器與資訊應用系統之間的無障礙溝通;各作戰單元利用人工智慧技術，快速融合和分析戰場資訊，以便將結果傳送給指揮員。

在未來戰場上，指揮員通常會獲得大量資訊，容易產生資訊過載的風險。在作戰行動方案執行的過程中，伴隨著戰場態勢的快速變化，原方案可能會隨時失效，指揮員需要具備較快的重新計劃能力，而人工智慧技術可以為指揮員及時提供備選方案。例如，Q學習是一種強化學習演算法，可以在不使用大型資料集或推理資訊的情況下，學習最優智慧體的狀態和行為組合，應用於空戰目標分配;使用遷移學習來減少學習時間，快速開發一個智慧體在新場景中的行為。例如，在不同的2對2空戰場景中學習作戰規則時，可以使用已經具備2對1空戰場景經驗的智慧體，最小化進一步的學習過程。此外，還可以利用序列到序列深度學習演算法和摘要生成式方法來形成作戰行動總結報告，也可以利用將講話轉換為文字的方法，目前的人工智慧技術可以實現較為準確的語音識別能力。

在作戰指揮中應用人工智慧的目標，並不是要完全替代人類智慧，而是使人工智慧與人類智慧有機融合，實現功能互補、相得益彰，以進一步增強人類智慧，幫助指揮員在指揮、管理和作戰行動中處理一些不擅長的人工業務，從繁雜的重複性工作中解放出來，轉而專注於戰爭謀劃、行動協同、指揮決策等工作上，從而更好地發揮人在戰爭中的主體作用，更高效地完成作戰指揮任務。
原文連結：
本文轉載自51CTO，本文一切觀點和機器智慧技術圈子無關