人工智能走向战场

　　2016年3月9日至15日，韩国棋手李世石与谷歌人工智能围棋程序AlphaGo进行了人机围棋大战，AlphaGo最终4∶1胜李世石，引发了媒体和公众的广泛关注。有人兴奋，为人工智能中深度学习研究的胜利欢欣鼓舞;有人恐惧，担心人工智能发展下去会超越人类，甚至主宰人类。那么，什么是人工智能?人工智能在军事领域有哪些应用?人工智能会主宰未来战场吗?下面由笔者来尝试作答。

　　什么是人工智能

　　人工智能(Artificial Intelligence)是研究人类智能活动的规律，研究如何制造出人造的智能机器或智能系统来模拟人类思维过程和智能行为的基本理论、方法和技术。

　　那么什么又是人类智能活动呢?一般来说，智能活动涉及感知、信息处理、学习、通讯(交流)和自适应复杂环境的能力。还包括大脑的其他一些高级精神活动。

　　感知是指人们利用自己的眼、耳、鼻、触觉等感官活动，从周围环境获取并且理解文字、图像、声音、语言、味道等各种外界“自然信息”能力，即认识和理解所处世界环境的能力。

　　信息处理是指人脑通过生理和心理活动对眼睛看到的场景、耳朵听到的声音或鼻子闻到的味道加以分析综合，并且形成判断与选择的能力。人类具有将感性知识抽象为理性知识，并且对事物运动规律进行分析、判断和推理，做出决策的能力。

　　人类具有学习能力。每个人随时随地、有意识无意识地通过学习适应环境的变化。小孩子被仙人掌的刺扎痛了，他会记着下次避免直接用手去拿仙人掌。我们在成长过程中，通过学校教育、技能培训和日常学习，能够丰富自身的知识和技能，这些都是学习能力。

　　我们具有相互交流信息的能力，而且知道众人拾柴火焰高、三个臭皮匠顶个诸葛亮的道理，我们通过团队协作完成艰巨复杂的任务。

　　人类也具有排除外界干扰、刺激，灵活适应变化多端外界环境的能力。

　　当然，人类还有一些诸如幻觉、直觉、信念、希望、恐惧、梦、慈祥、爱情等高级精神活动，在某些情况下，高级精神活动会影响我们对事物的分析、判断和决策。

　　人工智能就是要模拟、延伸和扩展人的智能活动，让计算机具有智能。一方面使智能机器或系统能够胜任一些通常需要人类智能才能完成的复杂工作。另一方面理解使智能成为可能的原理。

　　如何去模拟人类智能?主要有两大方向：一是功能模拟方法。通过传感器和计算机处理程序构造能够从效果上模拟人类智能的智能系统，即以人思维或行动的结果作为衡量人工智能系统是否成功的标准。二是物理模拟方法。从大脑结构、大脑和感觉器官的细胞组织和生理机能特征出发，研究大脑的神经元模型，搞清大脑信息处理过程和机理。

　　按照从功能上模拟人类智能的标准来看，在围棋这个体现智能的博弈中，目前AlphaGo显然已经超越了人类下棋能力。但是，博弈只是验证人工智能研究中搜索策略、机器学习等研究成果的其中一个很好的应用背景，事实上人工智能的研究领域很宽广。

　　国防科技大学研制的无人驾驶汽车“开路雄狮”就是另一个智能系统实例。它具备了一定的环境感知能力，能够识别前进道路上的障碍物，看得懂路标，会分析可通行区域，自动规划行驶路径，自动控制车辆行驶。在不远的将来可以与人并肩作战，具备侦察、巡逻、战场跟随，以及货物运输等多种用途。

　　走向战场的人工智能

　　军事应用是推动科技发展的动力之一，在美国，军方是人工智能研究的主要资助者，其所提供的经费占国内总投资的80%。目前，从战场环境感知、军用机器人、智能武器、军事辅助决策到军事训练，人工智能已经渗透到军事领域的方方面面。据报道，2003年伊拉克战争打响时，美军没有装备任何机器人，但是到2008年末，美军使用的机器人已达到1.2万台。用人工智能武装的无人系统(机器人)已经在战场上承担起各种类型的艰巨任务，在未来战场上，必然会发挥越来越重要的作用。

　　应用之一：战场环境感知

　　中国有句古话，知己知彼，百战不殆。任何时候，对战场状况的及时、准确把握，都是取得胜利的前提。

随着传感器技术的进步，机器人已经具备“眼观六路，耳听八方”的基本物质条件。从大的方面说，天基的卫星、空中的无人机、地面机器人(无人车)，以及海洋机器人为我们提供了上天入地全方位的战场环境信息。从具体的装备性能方面看，今天，我们几乎已经可以看到任何我们感兴趣的事件。红外相机使我们能够透过茫茫黑夜，看到夜晚埋伏在我们四周的敌人;多光谱相机帮助我们分辨什么是模型做成的假阵地，什么是真实的阵地;国防科技大学研制的太赫兹雷达甚至可以穿透墙体看到墙后面的恐怖分子。

作为人工智能里面最重要的分支——机器视觉，则帮助战士或机器人处理、分析和理解图像，找出感兴趣的信息或目标，精确地测量出敌方目标的位置和姿态，最终实现精确打击。在海洋战场，水下监听器向计算机传递听到的信号，计算机中的信号识别理解系统则排除波涛等噪声，提取出潜艇、军舰发动机的声音，分析出他们的位置和运动轨迹。

　　据Lockheed Martin公司官网报道，在F-35战机的航电系统中，Northrop Grumman公司研制了由6个红外相机构成的分布孔径热成像系统DAS，该系统的配套软件能将6个红外相机的图像拼接成360°全景图，显示在一个显示器上，以帮助飞行员快速获取战机前后左右环境信息，相当于飞行员脑袋后面也长了眼睛;并能实现夜间飞机近距编队飞行，还可在夜间和烟尘覆盖情况下为飞行员在头盔显示器上显示飞机下方目标图像，这意味着飞行员可以在任何时间、任何气候条件下向敌人开火。DAS还能与Lockheed Martin公司的光电瞄准系统EOTS一起提供远距离检测、导弹来袭告警和精确瞄准。

此外，加装了可变焦镜头的摄像头还能使我们看得更远，大大提高瞄准精度。福斯特-米勒公司的“利剑”机器人上就装备有这样的远程遥控快速瞄准平台。士兵射击会受呼吸、心跳或情绪波动的影响，但是，机器人射手非常准确，它几乎消除了所有可能影响射击精度的人为误差。

在早期测试中，“利剑”机器人70次枪弹试射全中靶心;62发火箭弹和16发反坦克火箭弹测试也全部命中目标。2013年驻阿富汗美军装备了这款武装机器人。据《参考消息》报道，2009年8月，阿富汗的英军狙击小组采用在iPhone手机上运行的“子弹飞行”软件计算狙击弹道，精确狙击1853米外的塔利班高官。

　　应用之二：机器人

　　机器人是人工智能技术最好的验证对象。机器人利用传感器采集环境信息，其后端的感知和认知系统则赋予机器人认知能力，帮助其理解环境中各个物体的含义，然后控制执行机构完成特定任务。

　　由于军用机器人不知疲倦、不会恐惧、不怕生化武器、不怕牺牲，能够完成那些对人来说无法完成的最危险、最艰苦的战斗任务。因此，受到各国军方的重视。

美国国防先进研究项目局(DARPA)是无人系统的主要资助者，他们通过设立研究课题，发起由私营公司和大学参与的机器人竞赛活动，推动机器人技术发展，在快速发展和部署无人系统方面取得了很大成功。“背包”“魔爪”“利剑”机器人都是当今地面战场无人系统的典型代表。

这些机器人装备了先进的传感器，但是智能水平不高，主要通过士兵遥控机器人完成侦察、爆炸装置的搜寻和排除等任务。但是，这些机器人在阿富汗和伊拉克战场的成功应用坚定了美国军方对无人作战系统的重视，进一步推动了人工智能的发展，大大提高了机器人的自主能力(机器人自主能力越强，人类操控员需要提供的协助就越少——作者注)。

　　DARPA早在20世纪70年代就提出了自主地面车辆(ALV)计划，取得了一系列重要的研究成果。今天无人车可以在城市环境和一定复杂度的越野环境下自主行驶，说明地面移动机器人在环境感知(如识别地形、地物)、智能控制与决策(如规划、选择前进道路)方面已经具备一定的智能水平。2011 年国防科技大学和中国第一汽车集团公司研制的红旗HQ3 自主驾驶系统首次完成了从长沙到武汉286 公里的高速无人驾驶试验，创造了我国自主研制的无人车在结构化交通环境下的自主驾驶新纪录。

　　DARPA资助的波士顿动力公司第三代阿特拉斯能直立行走，对各种地形具有较好的平衡能力，可以抗击外力冲击，说明其已经具备人类的小脑功能。阿特拉斯配备激光雷达、一对相机和力传感器，会开门(进入推的门，进入拉的门，进入带弹簧的拉的门)，能在户外原野行走，说明他已经具备一定的智能水平。不久的将来，它将能承担侦察、搬运物品等工作。波士顿动力的“大狗”已经开始参与相关军事演练，这款机器人能够携带181千克左右重物，时速达7000米，未来能在战场上，帮助行进中的士兵运输弹药、枪支、辅助器械等。

　　在空中战场，DARPA资助的“全球鹰”无人机大部分时间都是自主飞行，而不是人工遥控;自主着陆在航空母舰上是非常困难的工作，对人类飞行员也是如此，但是，完全无须人工干预的无人机X-47B在2013年7月10日成功地完成了在乔治?布什航空母舰上自动起降测试。

　　在海上战场，舰艇上的“阿图”机器人能自动跟踪并击落穿过其防线的导弹;无人舰艇能执行港口、水域巡逻任务;已经列装的具有小型动力装置的智能水雷，可以改变位置形成活动雷场。无人潜艇可以执行水下维修、排雷和跟踪敌方潜艇的任务;可以主动搜寻敌方潜艇，又不暴露我方潜艇的位置。

　　毋庸置疑，以人工智能为基础的军用机器人和无人系统的发展将对未来战争和战场产生巨大影响，带来革命性的变化。

　　应用之三：智能武器

　　智能武器是指具有自动识别、跟踪、打击目标能力的武器。景象匹配制导武器是这类武器的典型代表，它将导弹飞行过程中相机拍摄的图像不断与发射前预装的打击目标的图像进行实时比对(配准)，确定导弹相对于目标的位置，自动控制导弹飞向目标。由于预装订的图像可能是很早以前的图像，图像的拍摄季节、拍摄角度、天气、光线等都可能与战争时不一样，导弹上的景象匹配程序要能认出看到的景象就是要打击的目标，说明它具有类似于人的图像识别智能。

　　应用之四：辅助决策

　　传感器技术的进步带来海量数据，信息处理量剧增，卫星图像、无人机的航拍图像、雷达数据、地面或水下机器人得到侦察图像，人工解译、分析效率太低，但是，计算机具有算得快的优点，用机器学习方法教会计算机对一定范围内的图像进行识别、分类，并且自动提供辅助决策意见的系统已经出现。不同传感器数据的信息融合技术帮助我们综合不同视角的数据得到更为真实、准确的战场态势。在无人系统中，出发前的任务规划、全局路径规划，执行任务过程中的局部路径规划都已经达到相当水平，在某些方面已经超过人类。

　　谁是未来战场的主宰

　　技术从来不是打赢战争的灵丹妙药。空谈谁是未来战场的主宰是没有意义的。认真研究如何打赢才是正道。从上述讨论我们可以看到，人类研究、开发技术的目的是为了让技术更好地为我们服务，延伸和拓展人的能力，就像望远镜让我们看得更远，显微镜让我们看到一般手段下看不见的细菌和小微生物一样。今天，各种传感器，以及它们身后配套的传感器数据处理技术，辅助决策信息系统，在信息处理的某些方面，已经超过了人的智能。但是，尺有所短，寸有所长，每一种技术和设备都有它的优势和弱点，如何用好智能装备仍值得好好思考。

我们要赢，作为科研人员要认真思考战场环境与平时民用环境的不同之处，努力研究出适应战场环境的更好的装备。目前，很多信息技术仅适应于民用静态、非对抗场景，而军事对抗态势变化通常非常快。民用人工智能系统中，为了规避组合爆炸问题，我们只关心针对特定问题的变化量，相对比较简单;在战场环境下，变量要多得多，状态剧烈变化很可能使一般人工智能系统中采用的决策策略的前提条件不再成立，自然也就谈不上得到正确的决策结果。

今天，谷歌汽车已经能识别前进道路上的其他车辆和行人，做到无人驾驶行驶，但是，这并不意味着其所采用的技术全部能在战场环境下使用。和平时期，GPS、路边的建筑物和其他的地标地物都能为无人车的行驶提供重要的参照信息，在战时，GPS可能被摧毁，地标地物可能被夷为平地。再比如，拿AlphaGo人机大战来说，下棋程序的棋局状态是确定的、有限的，面临的挑战是各种棋局状态组合起来数量巨大，存在组合爆炸问题，计算机主要需要解决如何在有限的计算资源下，搜索出一步相对较好的走步。而军事对抗是远比人机对弈复杂的一类博弈，它是信息不完全博弈问题。当然，如何让深度学习在军事对抗中发挥更大的作用仍然有很大研究空间。

　　作为装备使用者，则必须研究如何最大限度发挥智能武器的长处，特别是，如何实现人机融合，发挥人和机器各自的优势;作为装备对抗者，则必须最大限度地利用智能武器的短处，干扰敌方智能武器，让他们不能发挥作用。比如，激光制导炸弹在尘土、烟雾环境下会失效;图像识别系统无法区分伪装成平民的军人;更典型的一个实例是美军的无人机被诱骗到伊朗降落。在未来战争中，谁对智能装备了解得最透彻，谁就能掌握战争的主动权。

　　事实上，人工智能还有很长的路要走。“看”和“听”对人类易如反掌，但是，对计算机来说要看懂看到的场景或听懂所听到信号却非常困难。在过去50年里，机器视觉主要还是在做感知问题，远没有达到认知层面。从另一方面来看，人脑的计算和记忆能力远不如计算机，因此如何人机协作，发挥各自的长处值得深入研究。

　　作者：刘肖琳 来源：军营文化天地 2016年5期

上一篇：ACS的砂轮修形软件开发

下一篇：软件开发多元化设计