深度分析大数据和人工智能下的装备体系

大数据和人工智能是当前发展最为迅猛的技术，世界先进国家都纷纷将大数据和人工智能技术上升为国家战略。2012年我国计算机学会编制了《中国大数据技术与产业发展白皮书》，2015年“大数据”写入国家《政府工作报告》。自从AlphaGo战胜围棋世界冠军李世石之后，人工智能技术得到了爆炸式的发展，美、欧、日等国家纷纷将人工智能上升到国家战略层面。2017年7月国务院印发《新一代人工智能发展规划》，人工智能正式上升为国家战略，这是中国首个面向 2030 的人工智能发展规划。大数据和人工智能加速应用于武器装备体系，催生了新的武器装备体系类型的诞生，并且其武器装备体系的概念内涵、本质特征和内在规律等基础研究也出现了全新特征。从目前技术发展状态上看，在今后一段时间内武器装备体系及其基础研究主要有以下几个方面。

大数据支持下武器装备体系复杂性和不确定性研究展望

关于大数据的特征，2001年DougLaney最先提出“3V”模型，包括数量(Volume)、速度(Velocity)和种类 (Variety)，随后又加入价值性(Value)特征。后来一些学者将变化性(variability)、复杂性(complexity)和准确性(veracity)也作为大数据的特征。目前从技术层面上看，大数据目前存在异构性和不完整性、规模、时效性、隐私性、人员协作、访问与共享、数据管理政策等方面的挑战，需要突破的基础科学问题包括：大数据复杂性的内在机理，大数据的可计算性及新型计算范式，大数据处理系统的效能评价与优化等。

武器装备体系具有很强的复杂性和不确定性，尤其是复杂战场物理环境对武器装备体系影响的复杂性与不确定性，对武器装备体系作战效能产生极其重要的影响。一直以来的做法是在物理环境因素与武器装备性能之间建立具有因果关联的数学物理模型，随着技术的发展和时代的变迁，目前在很多情况下，这种方式遇到了瓶颈，无法获得突破性进展。基于大数据技术和机器学习(尤其是深度)算法的发展，为有效处理武器装备体系复杂性和不确定性提供机遇。事实上，武器装备体系在复杂的作战环境下实现对敌方目标的感知、探测、识别和定位，就是从低信噪比的数据中找到目标特性。而大数据和深度学习具有从大容量、高速率的数据中快速找到有价值信息的天然优势。因此以武器装备体系收集的巨量数据作为输入，采用大数据和深度学习的方法，找到隐藏在其中的目标特性，是应对武器装备体系复杂性和不确定性的一个重要研究课题。

无人智能武器装备体系研究展望

当前人工智能正在加速向军事领域转移，这必将对信息化战争形态产生冲击甚至是“颠覆性”的影响，人工智能的快速发展使得新的战争形态——“智能化战争”指日可待。

无人智能是人工智能的一个重点方向，在武器装备层面上，各式各样的空中无人智能机器(群)、陆上无人智能机器(群)、水面水下无人智能机器(群)等纷纷被推出，未来在陆、海、空、天各个领域将形成类似于“狼群”、“鱼群”“蜂群”等各类无人集群，实施全域无人集群攻击与防御的新作战模式。立体化无人智能武器装备体系基于群聚生物的协作行为与交互方式，通过多分布式集群传感器的全方位侦察探测实现战场感知优势，通过智能自主决策与自动任务分配缩短OODA环周期获得战场速度优势，通过多平台自适应自优化的拦截、打击、压制、防护等有机性行动，获得群体高度一致的协同优势。因此，构建立体化无人智能武器装备体系是应对未来智能化作战的一个重要前提，也是未来需要重点开展研究的方向。

装备体系生命力层次结构

面向集群作战方式的立体化无人智能武器装备体系具有去中心化、自主化、集群复原等新特征。目前无人智能武器(群)的技术研究主要集中在智能技术上，例如单机智能、多机智能协同、任务自主智能技术，以及面向集群的持续学习、对抗学习和鲁棒决策等方法研究。从体系角度，对于立体化无人智能武器装备体系在作战使用过程中出现的复杂战场环境自适应复杂性、自主决策饱和打击的适用性和危害性、集群内部隐秩序以及外在表现的结构行为有机性等方面，是未来一段时间内无人智能武器装备体系研究的一个重点方向。

智能增强的武器装备体系研究展望

无人智能武器装备体系是无人或极少有人干预(如决策是否攻击可能需要人的干预)的情况下，无人集群具有全自主或绝大多数情况下自主行为。智能增强武器装备体系则是无人与有人作战装备协同一体，以及基于人机智能共生的武器装备构成的有机整体，实现人机功能互补、优势互补增强作战能力。无人与有人作战装备协同一体主要用于情报侦察探测与协同攻防，例如有人机与无人机协同、有人舰艇与无人舰艇协同等，2016年10月，美国海军三架超级大黄蜂战斗机总共投放 103 架山鹑小型无人机，进行组网通信和智能协同，以及自行完成编队集结、搜索定位和攻击任务等演示验证。人机智能共生的武器装备是人智慧和机器智能相结合，很大程度是通过机器超强的计算推理能力来增强人对战争的应对能力，主要应用于战场认知与辅助决策上。在战场认识上，主要通过人工智能对海量数据自动分析与识别的强大计算能力，极大提升信息处理速度和质量，最大程度拨开了“战争迷雾”，极大增强作为主导战争的人对战场的认知能力。在辅助决策上，主要通过机器的快速推理能力和对战效果高效评估反馈能力，形成高质量的辅助决策信息，加上人的“指挥艺术”的创造性和独特性，增强复杂战场环境下的决策指挥能力。因此，无人与有人装备协同体系、基于人机智能共生的装备体系将是未来一段时间内的重点发展方向。

目前对于智能化战争一个最大的争议在于无人装备的自主决策(尤其在自主决策攻击上)上，有人认为这会带来一些我们无法接受的风险，甚至有人认为会导致人类的灭亡。这也恰恰说明目前人工智能尚有很多的基础难题尚未突破。2018年8月2011年诺贝尔经济学奖获得者Thomas J. Sargent在世界科技创新william hill官网 上表示：“人工智能就是统计学，只不过用了一个很华丽的辞藻”。2017年丘成桐教授在CNCC大会上也指出，人工智能的理论基础非常薄弱，需要一个可以被证明的理论作为基础。李国杰教授指出目前人工智能存在莫拉维克悖论、新知识悖论和启发式悖论。从体系角度，构建智能增强武器装备相关技术层次结构和组成关系，梳理急需解决的关键技术难题，多方面综合性地解决人工智能存在的悖论，这是未来智能增强的武器装备体系急需要开展的工作。

武器装备体系生命力理论研究展望

随着武器装备体系正朝着无人化与智能化方向发展。人们开始将目光投向自然界的复杂体系及其表现出来的整体特性，如蜂群和蚁群，通过类比的方法，用于指导武器装备体系的设计。无论是蜂群、蚁群的智能或是人类的智能，都是通过低层次个体的自主性协同涌现出来的高层次的整体属性，这是智能的本质。体系群体智能产生的条件是具有自主性个体之间的通信、形成网络与计算，这些能力恰恰是武器装备体系所具有的，因此武器装备体系具备了产生出群体智能的基本条件，也就是形成了武器装备体系的生命力。

但是群体智能只是自然界有机生命体系的一种重要属性而已，武器装备体系在物联网、云计算、大数据分析与人工智能算法等新技术的支持下，具备了产生有机生命体系更多属性的能力，称为生命有机性，包括自感知、自决策、自恢复、自学习、自优化与自进化，这些属性将传统的武器装备体系从无机体系改造成为有机体系，具有生命有机性。将体系生命力分为生存力、Cyber力、恢复力、学习力和进化力五个层次，这五个层次既代表了体系改进的难易程度，也代表了体系进化的递进关系。在每一层次上都有其获得的标志性有机特性。具有生命力的武器装备体系将具备足够的感知、决策和优化能力，成为具有一定独立作战能力的超级体系，大大提升作战效能。如何实现并获得体系生命力是一个需要开展研究的方向。