摘要：针对未来复杂多变作战环境下实现导弹武器精准对抗打击能力的需求，分析了人工智能技术发展现状与趋势，研究了未来智能作战的战争形态、作战模式、作战体系、作战要素等，提出了智能导弹态势认知、威胁对抗、体系协同、多域打击等发展需求。在此基础上，研究了人工智能技术在导弹武器装备上的应用，包括智能基础理论、智能处理技术、智能处理芯片、智能处理平台等方面的关键技术，并对当前存在的智能基础体系、自主创新能力、应用安全风险等差距不足提出了对策建议。
关键词：人工智能; 智能作战; 智能导弹
智能科技是引领新一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的头雁效应，在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术的驱动下，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。随着智能相关学科的发展、理论建模的突破以及软硬件的创新升级等整体推进，正在引发链式突破，推动各应用领域从数字化、网络化向智能化加速跃升，必将对经济发展、社会进步、国际政治经济格局等方面产生重大而深远的影响。
一是专用人工智能技术取得重要突破。当前，随着泛在感知数据和超级计算等技术的群体突破，推动了以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用的技术门槛。对于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单的应用领域，如图像分类、语音识别、人机对弈等领域已实现了从“不能用、不好用”到“可以用”的技术突破，相关成果正加速促进人工智能技术在国防及经济各领域广泛应用。
二是专用智能向通用智能发展。目前人工智能发展主要集中在专用智能方面，具有领域局限性。随着科技的发展，各领域之间相互融合、相互影响，将推动智能技术向范围广、集成度高、适应能力强的通用智能发展，实现人工智能与感知、知识、意识和直觉等人类的特征互相连接，减少对领域知识的依赖性、提高处理任务的普适性，具备执行一般智慧行为的能力，提供从辅助性决策工具到专业性解决方案的升级。
三是智能感知向智能认知方向迈进。人工智能的主要发展阶段包括：运算智能、感知智能、认知智能。早期阶段的人工智能是运算智能，机器具有快速计算和记忆存储能力。当前大数据时代的人工智能是感知智能，机器具有视觉、听觉、触觉等感知能力。随着类脑等科技的发展，人工智能必然向认知智能时代迈进，即让机器能理解会思考，从信息感知和机器学习等特征的“浅层智能”向概念抽象和推理决策等特征的“深层智能”跨越发展。
四是人工智能向人机混合智能发展。人工智能发展是计算机科学、认知科学、神经科学等学科的深度融合，必将逐步实现人类智能与机器智能的有机协同，将人类智能在感知、推理、归纳和学习等方面的优势与机器智能在搜索、计算、存储、优化等方面的优势相互作用、相互促进，推动形成人机混合的增强型智能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同、自主智能系统更加高效地解决复杂多变的问题。
人工智能技术发展现状与趋势
以美国为代表的西方军事强国将智能技术置于维持其军事大国地位的战略核心，推动武器装备智能化，部署一系列智能技术相关的研究项目，旨在抢占人工智能军事化应用先机，保持在该领域的技术优势。
一是组建优势部门推动智能技术军事转化应用。2018年，美国国防部成立联合人工智能中心，作为专职负责军队智能化建设的机构，计划联合美军和17家情报机构推进人工智能应用，11月成立人工智能国家安全委员会。陆军组建认知计算和机器学习团队，目的是增强陆军的电子战、情报、监视与侦察，进攻性网络行动，信号情报、加工和分发以及大数据分析等能力,并宣布研发应用人工智能决定攻击目标的无人机、无人坦克和无人装甲战车，为未来的地面作战带来新的战术和作战维度。美国空军成立创新中心重点发展人工智能技术，企图将以一种不可见的方式从根本上改变空中的运作方式。
二是智能技术已逐步开始应用武器装备。美、俄、欧洲等军事强国均利用人工智能技术在军事装备领域开展了积极探索，将人工智能技术广泛应用于无人作战系统、导弹武器系统、武器装备故障诊断等军事应用领域。在战场感知的泛在化方面，美国应用于合成孔径雷达“对抗环境下的目标识别与自适应”项目，应用深度学习领域最新研究成果，有望在合成孔径雷达图像中自动定位和识别目标。法国MBDA公司研制了一种代号为CVM101“层云”的导弹指挥控制系统，采用分布式体系将部署在不同位置的传感器和导弹武器系统联网，建立覆盖全部战场地域及空域的虚拟武器系统。在武器装备的自主化方面，美军统筹发展无人装备技术体系，如无人空天系统（UAS）、无人海洋系统（UMS）、小精灵（Gremlins）、忠诚僚机（Loyal Wingman）、无人地面系统（UGS）等；并完成103架“灰山鹑”无人机集群试验，验证了集体决策和适应性编队能力。在指挥决策的智能化方面，DARPA提出“深绿”系统，基于专家系统，可预测战场的瞬息变化，帮助指挥员进行决策；拒止环境中协同作战技术项目，通过自主能力、编队协同、人机接口和开放式架构支撑拒止环境下协同作战；进攻性蜂群使能技术项目，聚焦博弈软件设计与基于博弈的社群开发、沉浸式交互技术等，以支撑作战蜂群战术。在作战体系云态化方面，DARPA提出分布式作战管理（DBM）项目，设想以处于对抗环境外的E-2D、进入对抗环境F-35、深入高对抗环境下无人机编组，形成可自组织作战栅格网络，实现高对抗环境下信息传输、处理决策、任务分配等自主能力。
三是导弹武器装备的智能化特征已初现雏形。从目前国外导弹武器的研究分析来看，尚未出现全智能化的导弹武器，但在导弹智能感知、自主决策等方面已初现智能化特征。美国新研的下一代反舰导弹LRASM导弹，采用先进的弹上传感器和处理系统，降低对精确情报、监视、侦察资源、数据链及GPS卫星导航系统的依赖，只需依靠粗略的初始目标指示就能在防区外对大散布范围内的敌方舰船目标实施自主搜索、识别、选择和攻击，并同步采用多特征隐身技术大幅提高隐身突防能力和战场生存能力。俄罗斯在2017年国际航展上，由俄罗斯战术导弹公司宣布，俄将研制使用机器学习算法的人工智能导弹，已开展基础性研究，并取得了部分成功；研制的“锆石”高超速反舰导弹，在制导系统作战适应性和对抗方面具备一定的智能特征，能够自主对抗敌电子干扰，并自主规避防御体系的打击。
图1 LRASM导弹作战概念示意图
人工智能技术在导弹武器装备的发展需求
2.1 未来智能作战发展需求
军事智能化将成为推动信息化战争形态逐步演变的强大技术力量，正加速向军事领域转移，各类智能化无人系统和作战平台将在地面、空中、水面、水下、太空、网络空间以及人的认知空间将获得越来越多的应用，推动当前信息化战争从数字化、网络化逐步进入智能化时代，将深刻改变未来的战争形态，引发新的军事变革。
一是智能战争形态。机械化时代，战争形态是物质和能量主导型战争。信息化时代，物质和能量受到信息要素主导，是信息主导型战争。智能化时代，是在信息化基础上，对信息再挖掘、再融合和再利用，战争形态表现为智能主导作战优势生成，人机协同增强作战威力，网控物联聚合作战效能，击脑致瘫敌方作战体系。
二是智能作战模式。随着仿人智能、机器智能、群体智能、人机混合智能发展，新质作战形式将不断涌现。作战空间将从传统的陆海空天网作战域向赛博域、基因域、认知域、脑域等新的作战域拓展，战争意图从“生理消灭”为主转变为“控制意识”，作战模式将演变为算法战、分布多域协同作战、人机协同作战、智能集群作战、认知控制战等新型作战样式。
三是智能作战体系。智能战争是在机械化、信息化作战基础上持续发展、更新升级而来的，智能要素将融入到作战体系，催使其内部结构和外部形态发生深刻变化，形成新质智能化作战体系，凝聚和释放更大的作战效能。智能作战体系表征为侦察预警体系自主灵敏、指挥控制体系智能高效、打击力量体系人机一体、防御保障体系精准灵活。
四是智能作战要素。智能科技将促使战斗力形成机制产生重大变革，在力量编成、装备体系、指挥决策、作战保障、军事训练等作战要素方面产生重大变化。军队规模结构和力量编成体系化、智能化特征愈加突出；装备体系的智能感知、智能处理、智能打击赋能愈加显著；指挥决策适应对抗博弈的复杂性和不确定性、施令的实时准确性要求愈加苛刻；作战保障的灵活性、精准性、大数据覆盖性等需求愈加严格；军事训练的人机一体训练、装备自学习训练的新模式愈加显现。
2.2 未来智能导弹发展需求
智能导弹是在微电子、互联网、大数据、超级计算、人工智能等技术发展基础上，基于“导弹＋智能”和“智能＋导弹”的设计理念，将智能技术融合应用于导弹装备体系的指挥、保障、阵地、发射、导弹的全要素，实现从观察、判断、决策及行动（OODA链路）的智能体系作战，以有效应对未来空间全维化、体系动态化、场景复杂化、数据海量化的作战环境。
智能导弹的发展需求主要有：一是战场态势智能认知能力。对战场时间维、空间维和全频段信息维的多源异构大数据进行融合、辨识与推理，实现导弹武器装备体系“云端”和“终端”对战场态势的智能认知。二是威胁环境智能对抗能力。综合战场威胁环境要素，利用小样本或无样本自博弈训练推演，生成智能对抗决策模型，实现威胁环境智能对抗决策。三是体系作战智能协同能力。针对地面保障、地面指挥及导弹装备的体系作战要素，实现阵地智能感知与管理、储存转载发射一体化、作战保障数据多元精准化，通过博弈推演学习、智能辅助指挥、人机交互协作，提升作战指挥的动态实时和精确高效能力，支撑导弹群体智能整体跃升。四是多域目标智能打击能力。发展跨域飞行弹道组合、侦控打评多功能一体化、智能可控多模式毁伤等技术，提升对多域目标的智能打击能力。
人工智能技术在导弹武器装备应用的关键技术
人工智能概念诞生于1956 年，至今大致分为三个发展阶段：第一阶段（20世纪50~80 年代）。这一阶段人工智能刚诞生，基于抽象数学推理的可编程数字计算机已经出现，符号主义快速发展，但由于很多事物不能形式化表达，建立模型存在一定局限性。此外，随着计算任务的复杂性不断加大，人工智能发展一度遇到瓶颈；第二阶段（20世纪80~90 年代末）。在这一阶段，专家系统得到快速发展，数学模型有重大突破，但由于专家系统在知识获取、推理能力等方面的不足，以及开发成本高等原因，人工智能发展又一次进入低谷期；第三阶段（21世纪初~至今）。随着大数据积聚、理论算法的革新、计算能力的提升，人工智能在很多应用领域取得了突破性进展，迎来了又一个繁荣时期，在导弹武器装备应用方面的主要技术体系如图2所示。
图2 人工智能技术应用于导弹武器装备的技术体系
在智能基础理论方面，深度学习基础模型取得重大突破，推动了以深度学习为代表的机器学习算法在机器视觉和语音识别等领域取得了极大的成功，识别准确性大幅提升。但必须认识到，现有深度学习模型在结构和功能上与鲁棒的人脑仍存在很大差距，依赖大量的高质量训练数据和计算资源来充分学习模型的参数，泛化能力严重缺失。为支撑人工智能持续发展与深度应用，需兼顾当前需求和长远发展，突破人工智能应用基础理论瓶颈，开展引发人工智能范式变革的基础研究，促进学科交叉融合。
构建新一代人工智能基础理论体系：①大数据智能理论。建立数据驱动，以自然语言理解为核心的认知计算模型，形成大数据到知识，知识到决策的能力。②跨媒体感知计算理论。低成本低能耗智能感知、复杂场景主动感知、自然环境听觉与言语感知，多媒体自主学习等理论方法，支撑超人感知和高动态、高纬度、多模式分布式大场景感知。③混合增强智能理论。人机协同共融的情境理解与决策学习、直觉推理与因果模型、记忆与知识演化等理论，实现学习与思考接近或超过人类智能水平的混合增强智能。④群体智能理论。建立可表达、可计算的群体激励算法和模型，形成基于互联网的群体智能理论体系。⑤自主协同控制与优化决策智能理论。自主无人系统的协同感知与交互、自主协同控制与优化决策、知识驱动的人机物三元协同与互操作等理论，形成自主智能无人系统创新性理论体系架构。⑥高级机器学习理论。自适应学习、自主学习理论，实现具备高可解释性、强泛化能力的人工智能。⑦类脑智能计算理论。类脑的信息编码、处理、记忆、学习与推理理论，建立大规模类脑智能计算的新模型和脑启发的认知计算模型。⑧量子智能计算理论。建立高性能计算与量子算法混合模型，形成高效精确自主的量子人工智能系统架构。
在智能处理技术方面，传统机器学习从一些训练样本出发，实现对未来数据行为或趋势的准确预测。传统机器学习算法如逻辑回归、隐马尔科夫方法、支持向量机方法及决策树方法等，平衡了学习结果有效性与学习模型可解释性，为解决有限样本的学习问题提供了一种框架。近年来兴起的深度学习算法，是建立深层结构网络模型，如深度置信网络、卷积神经网络、受限玻尔兹曼机和循环神经网络等，其实质是给出特征表示和学习合二为一的方式，放弃了可解释性，单纯追求学习的有效性。
构建新一代人工智能处理技术体系：①深度学习处理技术。深度强化学习、深度学习模块图网络及多任务学习等技术，突破小样本阻碍，推动通用人工智能初级形态的实现。②知识计算引擎与知识服务技术。知识加工、深度搜索和可视交互技术，实现对知识持续增量的自动获取，具备概念识别、实体发现、属性预测、知识演化建模和关系挖掘能力，形成覆盖大规模实体的多源、多学科和多数据类型的跨媒体知识图谱。③跨媒体分析推理技术。跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术，实现跨媒体知识表征、分析、挖掘、推理、演化和利用，构建分析推理引擎。④群体智能处理技术。群智知识表示框架、协同知识资源管理与开放式共享等技术，实现基于群智感知的知识获取和动态环境下的群智融合与增强，支撑大规模群体感知、协同和演化。⑤混合增强智能处理技术。人机协同感知与执行一体化模型、智能计算前移新型传感器件、通用混合计算架构等技术，构建自主适应环境的混合增强智能系统、人机群组混合增强智能系统及支撑环境。
在智能处理芯片方面，经过30多年的发展，目前已经诞生了不同特色的各类智能处理芯片，如图形处理器（GPU）、现场可编程门阵列（FPGA）、数字处理器（DSP）及专用集成电路（ASIC）、众核处理器、神经拟态芯片等。这类芯片也称为智能加速芯片，是以现有芯片架构为基础，对某类特定算法或者场景进行加速，实现特定场景下的计算速度、功耗和成本等方面的优化。尽管在某些具体任务上可以大幅超过人的能力，仍处于智能芯片发展的初级阶段，其通用性和适应性，与人类智能相差甚远。
发展新一代人工智能芯片技术，短期内以异构计算为主，计算框架高度并行与扩展，更高效的大卷积解构和复用，复杂异构环境下的计算效率提升，实现多种类应用算法的加速；中期要发展自重构、自学习、自适应的芯片，支持算法的演进、类人的自然增长和应用的多样性；远期是向通用智能芯片的方向发展，采用智能计算体系结构与系统、类脑神经网络、人工智能操作系统等技术，具备可编程性、可重构性、高能效性等特征，实现具有多媒体感知信息理解和智能增长，常识推理能力的类脑智能系统。
在智能处理平台方面，随着深度学习在计算机视觉、自然语言处理等领域的成果越来越显著，国外产业巨头纷纷开源深度学习的模型与平台，如谷歌公司推出的TensorFlow智能框架、英伟达公司发布的Python迁移学习工具包、苹果公司发布的Core ML2高性能机器学习和深度学习框架、硅谷科技巨头联合建立的非营利组织OpenAI推出的深度强化学习教育资源Spinning Up、Facebook发布移动端深度学习加速框架QNNPACK，以及Scikit-Learn和BVLC/Caffe等开源框架，为智能处理算法的发展提供了强有力的平台支撑。
统筹布局人工智能处理平台：①人工智能开源软硬件基础平台。支持知识推理、概率统计、深度学习等人工智能范式的统一计算框架平台，形成促进算法、硬件和智能云之间相互协同的生态链。②混合增强智能支撑平台。支持大规模训练的异构实时计算引擎和新型计算集群，为复杂智能计算提供服务化、系统化平台和解决方案。③智能基础数据与安全检测平台。建设面向人工智能的公共数据资源库、标准测试数据集、云服务平台等，形成人工智能算法与平台安全性测试评估的方法、技术、规范和工具集。
结束语
综合人工智能技术发展态势和应用情况看，智能导弹发展还存在较大差距和不足，主要表现在：一是支撑导弹的智能基础体系有待更大突破。智能技术应用于导弹领域受信息不完整性、博弈强对抗性、环境高复杂性、响应高实时性及边界不确定性等因素制约，目前以深度学习为代表的智能理论算法，依赖大量的高质量训练数据和计算资源，单纯追求学习有效性，放弃了可解释性，泛化能力严重缺失。智能处理芯片主要以现有芯片架构为基础，对某类特定算法或场景进行加速，实现特定场景下计算速度、功耗和成本等方面优化，但其通用性和适应性，与人类智能还相差甚远。二是智能技术自主创新能力较弱。从国内智能技术应用看，大部分创新偏重于技术应用，智能领域的基础理论、处理算法及平台还处于跟仿国外的局面，大部分均直接采用国外的开源算法代码，或在其基础上进行二次开发，自主研发能力相比国外还存在较大差距。部分优势算法主要集中在人脸识别、语音识别等民用领域，对军方应用需求存在匹配性不高、性能评价缺失等问题。三是人工智能技术应用存在安全风险。基于人工智能技术应用现状看，人工智能尚处于智能感知阶段，还不具备智能认知水平和类人的推理思维，由其产生的安全可控等方面的风险尚难以辨识。
当前是加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，应充分认清人工智能领域的特点和发展规律，加快构建智能技术支撑体系、设计规范和应用标准，逐步健全智能导弹数据资源池，开展人工智能通用验证平台建设，牵引推动先进技术成果转化应用，统筹推进导弹武器装备智能化发展。
[引用格式]徐刚锋,张旭荣,张岩,等. 人工智能技术在导弹武器装备领域的发展研究[J]. 战术导弹技术, 2019，(5): 12-17.
本文选自《战术导弹技术》2019年第5期
作者：徐刚锋,张旭荣,张岩,朱隆魁
声明：本文来自战术导弹技术，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
