基于人工智能的智能化指挥决策和控制.docx

《基于人工智能的智能化指挥决策和控制.docx》由会员分享，可在线阅读，更多相关《基于人工智能的智能化指挥决策和控制.docx（15页珍藏版）》请在第一文库网上搜索。

1、基于人工智能的智能化指挥决耕控制目录1 .序言22 .人工智能应用将大大提升作战指挥效率23 .高速度、大机动和远射程装备发展趋势使得战争节奏显著加快34 .指挥决策和控制领域智能技术发展分析44.1. 美军发展现状44. 1. 1, “深绿”计划45. 1.2. Alpha Al空战模拟系统56. 1.3.指挥官虚拟参谋54.2. 国内发展现状54. 3. 存在的瓶颈和困难65.人工智能在作战指挥中的应用65. 1.前述65.2.人工智能应用于战场态势感知85. 3.人工智能应用于作战任务分析95. 3.1.人工智能应用于生成作战行动方案95.3.2.人工智能应用于作战行动方案分析与推演95

2、. 4.人工智能应用于作战行动方案执行105. 5. 作战任务分析125. 6.作战行动方案生成125. 7.作战方案计划评估136. 8.作战方案执行137. 智能化指挥决策和控制的启示137.1. 加强辅助指挥员决策需求的研究137.2. 依据人工智能技术现状选择有效的发展策略146. 3.加强重难点问题研究147. 结语151 .序言人工智能是对人的意识、思维的模拟，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能作为最重要的颠覆性技术，在军事领域的运用日趋广泛，智能化将是未来战争形态发展的必然趋势。研究了目前人工智能在指挥决策和控制领域的

3、发展现状，分析了人工智能在战场态势感知、任务分析、方案生成、方案计划评估以及方案执行阶段的应用场景，并对加强智能化指挥决策和控制需要解决的重难点问题进行了探讨。智能化是未来战争形态发展的必然趋势。人工智能技术率先在自主协同、导弹武器系统、基于虚拟现实的推演系统方面获得突破性应用，并逐步向作战指挥控制领域延伸。2014年，美国军方提出第三次抵消战略，将研究重心向机器学习和机器辅助作战等方向转移；2016年，提出采用遗传模糊树技术的Alpha人工智能超视距空战系统，辅助协同空战中迅速作出决策。2019年，美国空军发布2019年人工智能战略，特别强调人工智能在目前军事发展中的重要性，更加关注人工智能

4、在军事领域的应用。在国内，2017年7月，国务院公布了到2030年前把中国建成人工智能领域的领先国家和全球创新中心的详细战略，加大了对人工智能在国防领域的研究与投资，更加注重人工智能在自动化与预测中的应用，纵观近年来国内举办的各类智能对抗比赛，例如先知兵圣和妙算仿真平台，军事领域对于人工智能的关注也在逐渐上升。在智能化的指挥决策和控制领域运用人工智能技术助力指挥控制系统并直接参与指挥员的决策，使作战呈现出资源虚拟化、能力服务化和决策智能化等特点，并将直接获取决策优势。近年来，人工智能技术取得突破性进展，在作战指挥领域将得到广泛应用，可以有效缩短观察判断-决策行动(OODA)环的时间，极大提升态

5、势感知、情况研判、任务规划、方案生成、分析决策、行动管控等能力，提高作战指挥的效率和决策的科学性。2 .人工智能应用将大大提升作战指挥效率随着在军事领域的广泛应用，人工智能技术正在成为推动新一轮军事变革的强大动力，战争时空条件、战争主体、战争手段、战争方式方法都将发生深刻改变，并将催生新的作战概念、作战手段和作战思想，决定战争胜败的规律突出体现在“制智权”的争夺上。在夺取战场控制权上，将由夺取制信息权和信息优势为主，向夺取制认知权和智能优势为主转变；在对抗重心上，将由注重物理域、信息域对抗向更加注重认知域对抗转变。3 .高速度 大机动和远射程装备发展趋势使得战争节奏显著加快借助人工智能算法，研

6、制快速处理数据的软件，实现对目标的高效探测、分类和预警计算，收集提供高质高量高时效性的军事情报，并推进与军事情报相关的机器学习、深度学习和视觉算法等先进算法的研究，用以辅助作战指挥决策。运用智能算法收集情报，高速、高效且结果精确，能够为作战指挥决策提供及时且优质的参考，并且通过实时战场的反馈算法能够不断得到修正更新。发展跨媒体数据融合技术、价值网络模型和快速推演体系，从海量、多元、异构情报数据中快速发掘支撑作战指挥决策的关键信息，实现对战场态势的快速判断；研制模拟仿真与计算环境，模拟战场态势演化过程，基于实时掌握的最新战场态势数据不断更新，发展运用遗传算法、遗传规划等，应用知识推理和搜索求解等

7、方法自动推理搜索处置方案、计算生成行动指令，实现基于信息博弈的人工智能辅助决策、精准指挥和灵活控制；运用云计算、大数据、多媒体信息处理、智能决策支持等技术，构建智能化作战指挥决策体系，研发知识推理、搜索求解等人工智能技术，将精确打击的目标清单、使用作战兵力、行动计划及费效分析等简单业务自动化。2016年8月美国国防部国防科学委员会自主性研究报告提出，假如指挥官们能够运用自主化情报分析、解读，连续规划和重规划战术级作战行动，就能利用敌方作战间隙进行攻击。美国国防部高级研究计划局早在2007年就启动了 “深绿”计划，旨在将仿真技术嵌入指挥控制系统，提高指挥员临机决策的速度和质量，目标是将美国陆军战

8、术级作战任务规划周期缩短75%。其核心技术是在指挥作战过程中，基于实时战场态势数据，通过计算机的多次模拟仿真，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作战行动和战场形势的可能走向，引导指挥官做出正确决策，缩短制定和调整作战计划的时间。2009年以来，美国国防高级研究计划局先后启动了 “洞察”、可视化数据分析、深度学习、文本深度发觉与过滤、高级机器学习概率编程等大量基础技术研究项目，探索发展从不同类型、多源战场数据的自主获取、处理信息、提取关键特征和挖掘关联关系的相关技术。美国空军的AlphaAl空战仿真系统，已经在仿真环境下将人工智能技术用于整个作战指挥流程。美国陆军装备司

9、令部通信电子研究、开发和工程中心计划于2016年底启动CVS项目，旨在通过综合应用认知计算和人工智能等技术，以应对海量数据源和复杂战场态势，提供主动建议、高级分析和自然人机交互，为指挥员作出决策提供从规划、准备、执行到战争行动回的顾全过程支持。4 .指挥决策和控制领域智能技术发展分析目前，在指挥决策领域，主要使用脑机工程、神经网络、图像识别和自然语言处理等关键人工智能技术，实现战场态势数据深度挖掘和自学习，识别战场环境，实现态势自动分析评估和态势威胁感知，并根据专家知识进行人工干预，最终形成决策支持建议。4.1. 美军发展现状美军将人工智能技术作为其未来军事优势的重要抓手，进行了长期规划布局，

10、其人工智能技术的发展远领先于其他国家。美军现有的“深绿”系统、空战模拟系统和指挥官虚拟参谋等项目就是运用机器学习、迁移学习等人工智能技术，解决对抗条件下态势目标的自主认知、威胁判断和行动建议生成等问题，在智能化指挥控制领域进行了开创性的探索和实践。4.1.1. “深绿”计划“深绿”计戈ij是2007年美国国防部高级研究计划局(Defense AdvancedResearch Projects Agency, DARPA)提出的一项指挥控制领域研究项目,其核心是采用仿真技术，基于实时战场态势数据，分析预测敌方可能的行动和未来战场态势，实时支持指挥员临机决策，以提高决策的速度和质量。“深绿”系统主

11、要由实现人机交互的“指挥官助理”、作战模拟的“闪电战”和决策生成的“水晶球” 3个模块组成，通过输入我方、敌方以及友方数据和预设行动方案，“深绿”系统可以推演预测作战结果，为指挥员做出决策提供直接支撑。但该计划易受到敌方战术策略、我方应对策略、环境变化因素/作战的各种不确定性以及经费和人员等因素的影响，以目前的技术还不能支持战场复杂态势而被终止，但其思路和方法值得借鉴。4. 1.2. Alpha Al空战模拟系统美国辛辛那提大学开发的Alpha AI空战模拟系统采用遗传模糊逻辑的人工智能技术，实现了 “动作及简单战术行为”的智能化。可以通过人机交互的传感设备，实现构建战斗场景和模拟实战环境并快

12、速做出行动决策等功能。在动态环境中，Alpha AI反应速度是人类对手的250倍，并在与美国空军王牌飞行员的模拟空战中大获全胜。Alpha AI采用遗传模糊树算法，通过if-then规则做出决策，减少决策树分支机构数量，实现对数百个输入量的快速处理；AlphaAl具备同时躲避数十枚导弹并对多个目标进行攻击，以及作战协同、行动记录和观察学习战术等能力。未来，Alpha AI将进一步完善有人机和无人机协同、联网处理态势感知、反应判断、战术选择和武器管理使用等功能，这将对美国空军产生革命性影响。4.1. 3.指挥官虚拟参谋指挥官虚拟参谋(Commanders Virtual Staff, CVS)是

13、美国陆军通信电子研究、开发与工程中心(Communications and Electronics Research, Developmentand Engineering Center, CERDEC)于2016年启动的研究项目，其利用认知计算技术分析多源数据，对复杂战场态势进行趋势分析，为指挥官提供辅助决策并量身定制作战筹划全流程决策服务。该系统具有指挥员专用工具、协同作业、集成敏捷规划、作战评估、分析预测、对策建议、机器学习和用户配置等模块，能够实现未来态势实时预测、基于人机协作的方案推演评估、基于学习的信息汇聚与决策支持、智能人机交互等功能。指挥官虚拟参谋是美军指挥控制系统朝着智能化发

14、展的风向标，预示着指挥决策和控制向智能化发展是大势所趋。4.2. 国内发展现状近年来，国内各科研单位将各类人工智能技术应用到指挥决策和控制各领域。在指挥决策方面，利用深度学习与强化学习技术开展作战态势识别、作战任务规划、突防对抗和无人集群系统作战等方面的应用研究；在网电对抗方面，利用深度学习技术开展自主感知复杂电磁环境、调整优化干扰策略和自适应干扰抑制等方面的研究；在目标识别方面，利用基于递归神经网络、多层次多特征融合及序贯融合等智能算法提高目标识别率。中国电子科技集团有限公司认知与智能技术重点实验室于2019年发布了多智能体对抗仿真环境(Multi-agent Combat Arena, M

15、aCA),是国内首个可模拟作战的轻量级多智能体对抗与训练平台，并基于此平台开展了异构多智能体对抗赛，推动了国内人机对抗智能在军事领域的应用研究。中国指挥与控制学会从2017年开始组织全国兵棋推演大赛，至今已成功举办五届，其中，在2019年比赛中使用的兵棋AI智能体“战颅”由国防科技大学研制，推动了人机对抗智能技术从实验室走向实践应用。4. 3.存在的瓶颈和困难目前，在国内指挥决策和控制领域制约智能化技术应用的瓶颈问题突出表现在两个方面。一是人工智能技术成熟度不足。在态势感知、目标分配和辅助决策等指挥决策和控制的关键环节，面临数据量少和缺乏判定正确性标签等困境，小样本情况下的智能学习技术和数据挖掘技术成熟度不够，难以支撑智能化指挥决策和控制。二是缺乏智能化决策模型。突出表现在人工智能对在不完全信息条件下的态势真伪判断和态势感知远远达不到人的认知水平，威胁评估、目标分配和效能评估模型算法还没有得到实战数据的检验，模型的可信度达不到实用要求等。5.人工智能在作战指