文档介绍：该【指挥信息系统智能化问题探讨 】是由【雪雁】上传分享，文档一共【3】页，该文档可以免费在线阅读，需要了解更多关于【指挥信息系统智能化问题探讨 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。兵工自动化2021-08
·6·OrdnanceIndustryAutomation40(8)
doi:.
指挥信息系统智能化问题探讨
孙丹华,王琛,苏焕焕
(陆军炮兵防空兵学院,郑州450000)
摘要:随着人工智能技术的快速发展,指挥信息系统智能化已经成为相关领域的研究热点。为了推动指挥信息
系统智能化的进一步发展,以美军的“深绿”计划为基础,对指挥信息系统智能化面临的困难进行分析,提出相应
的解决方法,即以深度学****为代表的现代人工智能技术。指挥信息系统智能化目前正处于理论研究阶段,可为其研
究提供一些解决问题的思路。
关键词:指挥信息系统;人工智能;深度学****br/>中图分类号::A
DiscussiononIntelligenceProblemofCommandInformationSystem
SunDanhua,WangChen,SuHuanhuan
(AcademyofArtillery&AirDefense,Zhengzhou450000,China)
Abstract:Withtherapiddevelopmentofartificialintelligencetechnology,commandinformationsystem
commandinformationsystemintellectualization,basedonthe“deepgreen”planoftheUSarmy,thispaperfirstlyanalyzes
thedifficultiesfacedbythecommandinformationsystemintellectualization,andthenputsforwardthecorresponding
solutions,
intellectualizationiscurrentlyinthestageoftheoreticalresearch,thispapercanprovidesomeideastosolvetheproblems
intheresearchofcommandinformationsystemintellectualization.
Keywords:commandinformationsystem;artificialintelligence;deeplearning
0引言队建设,抢占未来战争的制智权。美军在第三次“抵
消战略”中把人工智能作为重要支柱,力图通过军
指挥信息系统作为军队战斗力的“倍增器”和
事智能化继续保持其军事优势。指挥信息系统作为
“粘合剂”,在现代战争中的地位和作用日益突出,
军事作战体系的“神经中枢”,其智能化是人工智能
已成为军队夺取现代战争胜利的重要部分。美军目
技术应用于军事领域的关键。美军早已领先于其他
前的指挥信息系统包括指挥、控制、通信、情报、
国家开展了“深绿”、指挥官虚拟参谋等智能化指
计算机、监视、侦察和打击8个核心要素,贯穿于
挥信息系统研究项目,取得了一定的进展并积累了
整个作战过程,大大提高了美军的整体作战力量。
丰富的经验。为避免与强敌在军事上出现新的代
近年来,人工智能技术得到了快速发展,美国辛辛
差,我们必须把握时机、全力以赴,深入研究指挥
那提大学开发的人工智能飞行员阿尔法AI击落了
信息系统智能化相关问题,推进指挥信息系统智能
美国空军战术专家的模拟战机;IBM公司研发的“沃
化建设。
森”在美国最受欢迎的智力竞赛电视节目中击败人
类选手并成为新的王者;谷歌无人车让全自动驾驶1指挥信息系统智能化遭遇的难题
技术逐步成为现实;尤其是DeepMind公司打造的受IBM的“深蓝”战胜国际象棋棋王卡斯帕
AlphaGo系列的人工智能机器人已经被公认超过人罗夫事件的影响,美军启动了“深绿”计划,开始
类职业围棋顶尖水平。继“深蓝”之后,AlphaGo研究智能化指挥控制系统,也就是智能化指挥信息
系列的成功又一次让人们看到了指挥信息系统智能系统的核心部分,但是最终以失败告终。美军“深
化的曙光,为解决指挥信息系统智能化难题提供了绿”计划的失败,揭示出战场态势的智能认知和战
方法。场决策的输入输出是指挥信息系统智能化必须要解
目前,世界军事强国都在规划和推进智能化军决的难题。AlphaGo的成功为人工智能技术的发展
1
收稿日期:2021-04-26;修回日期:2021-05-29
作者简介:孙丹华(1991—),女,河南人,硕士,从事指挥控制与通信研究。E-mail:*************@。
万方数据
第8期孙丹华等:指挥信息系统智能化问题探讨·7·
带来了新的突破,同时也为指挥信息系统智能化带法。深度学****技术对样本数据的数量和质量都有很
来了新的希望,但是要想把AlphaGo的核心技术应高的要求,首先要有大量且相对完整的样本数据,
用到指挥信息系统中,还需解决训练样本和推演建其次这些样本数据需要经过加工、标注、整理等多
模等问题。种处理才能被用来进行反复地学****和训练。目前,
1)战场态势的智能认知。对于深度学****技术,我军没有足够多的数据样本,
IBM的“深蓝”能取得成功,得益于棋类规则、也没有相对完整的带有标注的数据库。
棋盘和行动完全开放,棋手可以看到所有的信息。4)推演建模的复杂性。
战场态势与棋类态势的理解有着本质区别,战场态指挥信息系统智能化离不开对战场态势及指挥
势涉及的地域范围更广、行动更加多样化,是在不决策的推演建模。“深绿”计划通过“闪电战”和“水
完全信息条件下进行的,有真、有假、有缺,指挥晶球”实现对未来态势的预测和更新战场态势,虽
员往往不能掌握所有的情况[1],这也是“深绿”计然没有成功,但是引发了对推演建模复杂度问题的
[3]
划失败的原因之一。战场态势理解是指挥决策的基思考。众所周知,围棋的复杂度是10170,为了
础,从战术层、战役层到战略层,层次越高,对态使AlphaGo取得成功,其研发团队收集了16万个
势的认知越具有主观性,可量化程度越低,导致计棋谱,并拆分为3000万手盘面,也就是为AlphaGo
算机对态势的理解越困难。另外,现代战争是多军提供了3000万个有效的训练样本。与围棋相比,
种多兵种联合作战,战场态势时刻在发生变化,稍真实的战场环境与作战指挥的复杂度难以估量。仅
有失误,就会处于被动状态,这就要求计算机能够仅红色预警、星际争霸等以战争博弈为主题的游戏
[3]
对战场态势进行实时更新,并对未来趋势进行预测。复杂度已达到101685,并且这些游戏在作战层
目前,指挥信息系统对态势的智能认知能力还远远级、作战单元的种类与数量、作战行动多样化、作
战环境的复杂度等方面远远不及真实的战争,尤其
达不到人的水平,无法满足需求。
是当前信息时代下的联合作战。
2)指挥决策的输入输出。
决策的输入是对态势理解的表达,输出是对作2指挥信息系统智能化技术探索
战计划的描述。“深绿”采用基于草图的指挥决策,随着人工智能技术的不断发展,针对前面提出
[1]
实现了指挥决策从图中来和到图中去。指挥决策的指挥信息系统智能化遭遇的难题,笔者在前人的
要表达的内容并没有全在草图中体现,比如作战决基础上,给出以下有望解决上述问题的方法。
心等态度感观方面的要素;草图的标准性和统一性1)深度学****技术。
还需要进一步规范,例如:对态势理解的表达,采AlphaGo在人机大战中展示了深度学****技术在
用哪种标准化的图表或者符号,是否达到了从上至人工智能领域的优秀表现。与“深绿”基于“if-then”
下的统一;战场态势瞬息万变,指挥决策的输入输式硬编码方式的智能认知方法不同,深度学****技术
出需要更加地快速灵活,单一的草图表达无法满足可以积累经验、捕捉直觉,在广度上有对全局胜负
需求;现代战争已进入“秒杀”时代,指挥决策的的把控,在深度上又有对当下的精确思考,是一种
输出不仅要传达到各级指挥员,部分还要传送到武非常接近人类认知的模式。继AlphaGo之后,
器末端,提高作战效率。DeepMind公司又相继研发了AlphaZero与
3)训练样本的数量质量。AlphaStar,进一步推动了人工智能技术的发展,
作战打仗和下棋不一样,在相对和平的年代,AlphaStar在以战争博弈为主题的“星际争霸II”游
我军没有经历过真正意义上的信息化战争,对于少戏中,以10:1的战绩打败了人类职业选手[4],又一
有的外军信息化战争,也只能获得部分数据;因此,次证实了深度学****技术在认知智能领域的无限可
实际作战的战场数据少之又少,样本数据主要来源能。另外,在大数据的支撑下,人工智能技术在图
于演****训练。受安全性和成本限制,演****训练的对像识别、语音识别、自然语言处理等领域已经接近
抗激烈程度、战术灵活程度和装备使用程度均不如甚至超过人类的平均水平,指纹识别系统、人脸识
实战[2]。AlphaGo的成功让人们认识到深度学****是别系统、“小爱”“小度”等许多智能产品都已在市
一种比较接近人类认知的人工智能方法,也是目前场成熟应用。谷歌无人车、IBM的“沃森”、美国
最有可能解决战场态势智能认知的一种人工智能方辛辛那提大学的阿尔法AI智能飞行员等大型人工
万方数据
·8·兵工自动化第40卷
智能产品都取得了令人瞩目的成绩,也为指挥信息4)“分而治之”的技术理念。
系统对战场态势的智能认知提供了参考。在大数据指挥信息系统包含了情报融合处理、态势分析
的基础上,以深度学****方法为中心的多元化人工智研判、作战计划制定、分发作战任务整个作战环节,
能技术是指挥信息系统对战场态势进行智能认知的结构庞大、网络复杂,整体上采用AlphaGo“从头
一种方案。到尾”式的学****方法难以实现,可以参考战争博弈
2)智能人机接口技术。类游戏“分而治之”的办法,集各种人工智能方法
相较于“深绿”采用基于草图的指挥决策,智共同将指挥信息系统各个模块逐一击破。现有的人
能人机接口技术已经提升和丰富了许多。目前,基工智能方法,大体可以分成基于知识和基于学****2
于图像和语音的人机接口技术已经做得很成熟,谷大类,分别对应指挥员的理性思维和感性思维。情
歌、微软等大型公司的相关产品都已经进入到人们报融合处理与分发作战任务模块,具有相对应的知
的日常生活中;基于手势、脑电和眼部动作的人机识图谱与规则,更偏向于指挥员的理性思维,适合
交互技术也在逐步产品化,不久就会应用到人们的采用以知识学****为主的人工智能学****方法;而态势
日常生活。这些拟人化的人机交流方式会越来越完分析研判与作战计划制定没有固定的规则可循,具
善,彼此间的交互也会促使智能人机接口技术更加有较强的主观能动性,需依靠指挥员的经验来判断
标准化和统一化,从而解决指挥决策输入输出内容当前形势和预测未来趋势,以此定下作战方案。
单调、形式单一、上下不衔接的问题,最终实现自3结束语
然、准确、快捷的人机交流。另外,智能武器的发
笔者以“深绿”计划为例,分析了指挥信息系
展,尤其是智能穿戴式设备的成功研发,也会极大
统智能化面临的4个难题,并指出了以深度学****为
地推动智能人机接口技术达到武器末端,有力提升
代表的现代人工智能技术为指挥信息系统智能化难
作战效率。
题带来的解决方法。另外,民用领域的人工智能技
3)训练样本的采集方法。
术已经积累了丰富的成果,可以考虑与该领域的大
针对训练样本少的问题,首先,可采用深度增
型企业进行合作,尽快将民用领域的人工智能技术
强学****方法,在现有数据基础上,通过自我博弈,
成果进行转化,以促进军事领域人工智能技术的发
自动构造样本数据;其次,考虑到实战演练的安全
展。目前,指挥信息系统智能化的问题仍然没有细
性和成本问题,除演****训练之外,作战指挥仿真实
节化,笔者只是提供一些解决问题的思路。
验系统具有安全、经济、高效的优势,在贴近真实
战争的仿真环境中,指挥员可以充分发挥想象力,参考文献:
对战争进行想定和推演,以此积累样本数据,这方[1]胡晓峰,郭圣明,
面,国防大学相关课题组已经做了大量工作[5];然[J].指挥信息系统与技术,2016,7(3):1-7.
后,可以和战争博弈类的游戏公司合作,借鉴他们[2][J].指挥信息系统
-
多年来在人工智能领域积累的丰富经验,AlphaStar与技术,2017,8(4):1018.
已经迈出了这一步,并初步取得了令人兴奋的成绩。[3][J].指挥与控制
学报,2018,4(1):64-68.
对于样本数据的标注工作,建议由相关领域的技术
[4]曹雷,陈希亮,[J].国防科技,
人员开展标注工作或者对自动化标注工具的标注结
2019,40(4):9-14.
果进行纠错,相关专家参与指导和把关,共同构建[5]郭圣明,贺筱媛,胡晓峰,
完整、准确的数据标签库,使计算机能够识别和理挑战与趋势[J].控制理论与应用,2016,33(12):
解相应的知识。1562-1571.
万方数据