|
作者： 钱宁 李晓文 来源：防务快讯 1. 引言 近年来，在战争需求和技术进步的推动下，传感器和采集平台的能力显著提高，收集了大量数据，这可能使作战人员对战场态势的理解更加丰富和准确。但是，庞大的数据量超出了情报分析人员将其转化为行动情报的能力，无法为战场态势理解提供有效的帮助。现代战场环境的高度复杂性、动态性和不确定性，也需要指挥官能够适应环境变化、快速应对战场不确定性、加快决策速度。美军在图像识别、自然语言理解、认知计算等方面开展了大量研究，积极推动人工智能技术在军事领域的应用，提升作战能力。本文研究了美军在情报分析和指挥决策中的人工智能技术应用。 2. 人工智能应用概况 1）情报分析 美军积极将人工智能技术应用于图像等半结构化和非结构化数据的处理。DARPA于1976年开始图像理解（Image Understanding）项目，目标是开发能够自动或半自动分析军事照片和相关图片的技术。2017年4月，美军成立“算法战跨职能小组”（AWCFT，即Maven项目），分析无人机提供的大量视频信息。该项目将计算机视觉和机器学习算法融入智能采集单元，自动识别针对目标的敌对活动，实现分析人员工作的自动化，让他们能够根据数据做出更有效和更及时的决策。 美军采用人工智能技术提升多源信息融合能力，构建统一的战场图像。DARPA于2011年设立“洞悉”（Insight）项目，通过分析和综合各类传感器和其他来源的信息，集成烟囱式的信息形成统一的战场图像，发现威胁和无规律的战争行动。该项目用于增强分析人员实时从所有可用来源收集信息、从中学习以及与最需要的人分享重要信息的能力。该项目的目标是提供全面战场态势，增强情报分析人员为战场上时间敏感的行动提供支持的能力。 美军还将人工智能技术应用于动态行为的分析，提升战场空间感知能力。DARPA于2010年启动“心灵之眼”（Mind’s Eye）项目，寻求使用人工智能进行视频分析，开发一种机器能力——视觉智能，提供观察区域中与活动相关信息，能够提前对时间敏感的重大潜在威胁进行分析。它与机器视觉的区别在于：后者是识别各种物体以及它们的特性，描述的是静态情景；前者的重点是增加感知和认知，辨别和推断这些情景中的动作和行为，获得关于情景更加完整的描述。 此外，美军情报高级研究计划局（IARPA）也在寻求利用人工智能技术来辅助整理传统情报手段收集的信息。近期完成的知识、发现和分发（KDD）项目可帮助对来自分析或现场报道等不同来源的数据进行归类。 2）指挥决策 DARPA在20世纪80年代资助动态分析和重新规划工具（DART）项目，采用自动推理，显著改善沙漠风暴和沙漠盾牌行动中后勤和其他领域的规划问题。DARPA于2007年启动“深绿”（Deep Green）项目，借鉴“深蓝”，将人工智能引入作战辅助决策，预测战场上的瞬息变化，帮助指挥官提前思考，判断是否需要调整计划，并协助指挥官生成新的替代方案。它通过对OODA环中的观察和判断环节进行多次计算机模拟，提前演示不同作战方案可能产生的各种结果，对敌方行动进行预判，协助指挥官做出正确决策。“深绿”将指挥官的注意力集中于决策选择，而不是方案细节的制定。 2017年，美国陆军通信电子研究、开发与工程中心（CERDEC）开发了自动计划框架（APF）原型，帮助指挥官和参谋人员分析军事决策过程、评估机动、后勤、火力、情报及其他作战行动过程，提供加快指挥官规划和发布指令速度的关键技术。自动计划框架是一个自动化工作流系统，在任务规划相关的标准图形和地图中嵌入了实时数据、条令数据，为军事行动提供通用的参照系。借助自动计划框架，指挥官和参谋可通过军事决策程序同步工作或在规定时间内按任意顺序生成最佳计划。自动计划框架项目的成果包括三个方面：计划模型、计划生成器和计划监视器。 为了应对海量数据及复杂的战场态势，美军希望利用苹果公司的Siri、谷歌助理、亚马逊的Alexa和微软的Cortana等产品的成果，处理海量的多源情报信息，为指挥官制定决策提供支持。美国陆军于2016年启动了指挥官虚拟参谋项目，综合应用认知计算、人工智能和计算机自动化等技术，提供主动建议、高级分析及人机交互，为陆军指挥官及其参谋制定战术决策提供从规划、准备、执行到行动回顾的全过程决策支持。美空军正在开展类似的研究。2018年1月，美空军发布“数字企业多源开发助手”（MEADE）项目的广泛机构公告，试图通过对话的方式来改进军事情报分析，同时支持决策制定。美空军研究实验室（AFRL）资助辛辛那提大学研究人员开发名为“ALPHA”的人工智能系统，它通过收集大量来自战斗机上种类繁多的传感器所采集的数据，协助处理这些信息，并理解它的背后含义，从而提供合适的建议。2016年，该系统在飞行模拟测试中，作为红方在模拟空战中用三代机成功击退了有预警机支持的四代机。 3. 近期研究项目 1）指挥官虚拟参谋（CVS） 美国陆军通信电子研究、开发与工程中心下设的指挥、力量和集成局（CP＆I）于2016年启动了指挥官虚拟参谋项目。该项目的目的是采用工作流和自动化技术帮助营级指挥官和参谋监控作战行动、同步人员处理、支持实时行动评估，在复杂环境中为决策制定提供可用的信息。 该项目将提供以下能力：
该项目的研究计划如图1 所示。 图1 CVS项目研究计划 2）数字企业多源开发助手（MEADE） 随着所收集的情报数据的复杂程度、速度、种类和数量的增加，多源情报分析的效率也需要相应地提高。2018年1月，美空军发布“数字企业多源开发助手”项目的广泛机构公告，寻求研发一种交互式问题解答系统，作为虚拟助手帮助分析人员处理海量的复杂情报数据，更好地从对手相关的信息中发现和解读存在的模式。 该项目所寻求的能力不是简单地罗列潜在情报来源，让分析人员自己解决问题，而是能够直接回答问题或者通过与用户交互，协助引导情报分析人员找到答案。在该项目中，交互式问题解答中的“交互”包括两个方面，一是用户与软件进行交互，另一是不断地响应用户的输入，使得问题更加明确并提升答案的满意度。它不仅可以支持情报分析，还可用于决策制定。该项目的目标是使得任何人员无论技术能力如何，都可以完成复杂的分析任务。 MEADE项目包含两个重点关注领域：“实时操作员驱动的要点探索与响应”（ROGER）和“交互式分析和情境融合”（IACF），如图2所示。 图2 MEADE项目概念视图 ROGER是一个会话式问答系统，研究人员将开发一个分析助手，提供便捷的接口来支持交互式搜索、信息检索并在给定的问题空间中进行分析。它整合了多情报源搜索/检索、自然语言处理、推荐引擎、应用分析和问答系统等，将运行在云或分布式计算环境中。ROGER将确定是进一步分析还是已有直接可用的答案。ROGER充分利用用户的行为和提示信息。 在IACF中，研究人员将开发情境融合和预测分析能力，为给定态势找到最好的行动方案。此外，该领域需要研究与ROGER的交互方法，所开发来的技术应能够回答ROGER驱动的分析性问题，至少包括以下内容：针对多源情报的数据分析；跨多平台或多传感器的情境融合；用户和实体的行为分析；使用结构化叙述或类似的通用语义表达来组织信息；相关软件；提供响应时间、精确度等评价指标。 AFRL为该项目投资2500万美元，将在五年内分阶段实施。AFRL将成立一个系统集成研究室，通过其“自动化处理和开发中心”来支持相应的安装、测试、分析和完善等工作。 3）“指南针”（COMPASS） 2018年3月，DARPA战略技术办公室（STO）发布了一项名为“指南针”的项目，旨在帮助作战人员通过衡量对手对各种刺激手段的反应来弄清对手的意图。目前采用的OODA环不适合于“灰色地带”作战，因为这种环境中的信息通常不够丰富，无法得出结论，且对手经常故意植入某些信息来掩盖真实目的。该项目试图从两个角度来解决问题：首先试图确定对手的行动和意图，然后再确定对手如何执行这些计划，如地点、时机、具体执行人等。但在确定这些之前必须分析数据，了解数据的不同含义，为对手的行动路径建立模型，这就是博弈论的切入点。然后在重复的博弈论过程中使用人工智能技术在对手真实意图的基础上试图确定最有效的行动选项。 COMPASS项目包含三个技术领域，如图3所示。第一个技术领域侧重于对手长期的意图、策略；第二个技术领域为战术和动态作战环境的短期态势感知；第三个技术领域建立指挥官工具箱。
COMPASS利用现有的先进技术，包括从非结构化信息源中提取事件的技术（例如主题建模和事件提取）等。COMPASS能够应对不同类型的灰色地带情况，包括但不限于关键基础设施中断、信息作战、政治压力、经济勒索、安全部队援助、腐败、选举干预、社会不和谐以及混乱等。COMPASS测试与评估（T＆E）团队在虚拟环境中对技术进行评估，并通过实时建模仿真推动技术评估。 图4描述了集成COMPASS系统的高级功能视图。军事用户通过第三个技术领域表达他们的态势感知需求。第一和第二个技术领域分析感知数据，并根据态势感知需求和对环境的认知，提出旨在减少歧义的探测行为。用户审核推荐的行为并决定要执行哪些行为。探测行为的结果成为作战环境的新状态。 图4 COMPASS系统高级功能视图 COMPASS项目预计耗时30个月，开发计划分为2个阶段：第1个阶段为期12个月，主要完成物理系统建模；第2个阶段为期18个月，将加入社会与文化等要素，完成多技术实验和原型转换。 4. 结语 随着战场环境和对手的日益复杂多变，人工智能技术在指挥控制领域将发挥更加重要的作用，成为深入理解对手意图、增强战场态势理解、加快决策速度和正确性的重要因素。 |
|
|
