近年來，人工智能技術(shù)取得突破性進展，各國都認(rèn)識到人工智能技術(shù)的戰(zhàn)略意義，從國家戰(zhàn)略層面開始加緊布局，加強人工智能在軍事方面的研究和應(yīng)用。美國將人工智能視為“改變游戲規(guī)則”的顛覆性技術(shù)，美國國防部已明確把人工智能作為第三次“抵消戰(zhàn)略”的重要技術(shù)支柱。該戰(zhàn)略圍繞抵消中、俄非對稱制衡能力，瞄準(zhǔn)打造智能化作戰(zhàn)體系，發(fā)展顛覆性前沿技術(shù)。

根據(jù)美軍的作戰(zhàn)條令JP 5-0《聯(lián)合作戰(zhàn)計劃》，美軍的作戰(zhàn)籌劃過程聯(lián)合作戰(zhàn)計劃流程（JOPP）包括：受領(lǐng)任務(wù)、任務(wù)分析、行動方案生成、行動方案分析、推演和評估以及行動方案執(zhí)行。目前，美軍已經(jīng)將人工智能技術(shù)廣泛應(yīng)用于作戰(zhàn)籌劃的整個流程，如美國陸軍的“深綠”系統(tǒng)已經(jīng)將人工智能技術(shù)用于從受領(lǐng)任務(wù)到行動方案生成的三個步驟、美國空軍的Alpha AI空戰(zhàn)仿真系統(tǒng)已經(jīng)在仿真環(huán)境下將人工智能技術(shù)用于整個作戰(zhàn)籌劃流程，本文梳理了作戰(zhàn)籌劃流程中可使用的各種人工智能技術(shù)。

人工智能用于任務(wù)分析

在任務(wù)分析階段，分析人員需要處理和融合信息以生成一張通用作戰(zhàn)圖（COP）。為完成該任務(wù)，分析人員需要對接收的信息進行分類并確定當(dāng)前態(tài)勢以構(gòu)建動態(tài)更新的COP，此外，還需要檢測己方系統(tǒng)是否被欺騙。在信息融合技術(shù)的輔助下，戰(zhàn)術(shù)級系統(tǒng)可根據(jù)接收到的情報報告的順序自動生成戰(zhàn)術(shù)級COP。任務(wù)分析過程中的信息處理可分為三種類型：發(fā)現(xiàn)信息、編輯信息和探測信息中的異常。

1.1 發(fā)現(xiàn)信息

通常情況下，發(fā)現(xiàn)信息需要找到與特定主題相關(guān)的類似文檔。如果所有文件都有與主題相關(guān)的元標(biāo)簽，則處理過程較快。元標(biāo)簽的標(biāo)注過程可使用半監(jiān)督學(xué)習(xí)自動執(zhí)行。Salakhutdinov和Hinton提出了一種以深度自動編碼器的形式，利用深度學(xué)習(xí)算法將高維度文件輸入向量轉(zhuǎn)換為一種低維度本征向量空間的方法，在該空間中互鄰的向量與類似的文檔對應(yīng)。自動編碼器的學(xué)習(xí)過程可以一種無監(jiān)督學(xué)習(xí)的形式執(zhí)行。可利用少量有主題標(biāo)記的樣本來定義本征向量空間中的特定聚類，并使用這些聚類來構(gòu)建自動元標(biāo)注算法。

圖1 深度語義哈希算法

1.2 編輯信息

發(fā)現(xiàn)信息后可使用人工智能算法確定一個文檔中與特定話題相關(guān)的實體。例如，提取與后勤相關(guān)的項目和數(shù)字可加速部隊機動的計劃過程。在自然語言處理中，這一問題被稱為指定實體識別，將神經(jīng)網(wǎng)絡(luò)與指定實體字典進行結(jié)合可產(chǎn)生良好效果。

圖2 識別實體算法

1.3 探測異常信息

探測異常信息通常以深度自動編碼器技術(shù)為基礎(chǔ)，正常的數(shù)據(jù)點位于自動編碼器構(gòu)建模型的非線性低維度嵌入坐標(biāo)中，因此當(dāng)自動編碼器對正常數(shù)據(jù)點進行解碼時重建錯誤較少，而異常信息的重建錯誤較多。這種方法可用于各種問題，包括探測接收的傳感器數(shù)據(jù)中的異常和標(biāo)記異常報告。除此之外，近期的研究成果還可區(qū)分兩句話是否存在沖突。

圖3 異常探測算法

人工智能用于行動方案（COA）生成

對于計劃過程而言，人工智能與仿真環(huán)境相結(jié)合的方法較為成熟，可使用深度強化學(xué)習(xí)算法來制定行動方案，這種算法可在仿真環(huán)境中執(zhí)行試錯實驗以度量不同計劃的期望效應(yīng)。仿真環(huán)境應(yīng)盡可能貼近現(xiàn)實，反映戰(zhàn)場上各種作戰(zhàn)行動所帶來的效應(yīng)，以及道德、后勤供應(yīng)和難民等其他因素對作戰(zhàn)行動的影響。

2008年，美國防高級研究計劃局（DARPA）開發(fā)了一個被稱為“深綠”的軍用戰(zhàn)術(shù)指揮與控制系統(tǒng)，該系統(tǒng)可為指揮官生成行動方案，以便其更主動地管理作戰(zhàn)行動，2013年，DARPA已經(jīng)將該項目轉(zhuǎn)交給了美國陸軍。

圖4 強化學(xué)習(xí)算法

人工智能用于行動方案分析和推演

在計劃制定過程中，可使用定性方法來分析計劃。對于定性COA分析而言，當(dāng)不同的計劃小組提出了幾種COA后，可使用概念框架來登記領(lǐng)域?qū)＜覍@些COA的評論，這些專家使用一個模板來創(chuàng)建結(jié)構(gòu)化評論并系統(tǒng)地評估不同COA的各方面特征。之后，可使用一種能夠區(qū)分各種辯論模型間相同和不同之處的框架來選擇和總結(jié)各領(lǐng)域?qū)＜覍Σ煌珻OA的評論，這種方法可實現(xiàn)對備選COA的結(jié)構(gòu)化分析。

除了定性分析COA外，還可使用定量分析方法。Abbass和Bender在《計算紅藍對抗：過去、現(xiàn)在和未來》一文中提出，可采用將人工智能與多智能體系統(tǒng)進行組合，開展紅藍對抗。這種方法可使指揮官了解各種行動方案的優(yōu)缺點與動態(tài)推演過程中可能存在的事件進展，評估各種行動方案的優(yōu)缺點和了解敵方行動。

此外，北約最近利用數(shù)據(jù)耕耘技術(shù)（如大規(guī)模平行仿真、數(shù)據(jù)分析和可視化）開發(fā)了用于決策支持的數(shù)據(jù)耕耘系統(tǒng)，該系統(tǒng)可分析不同仿真系統(tǒng)對地面作戰(zhàn)計劃產(chǎn)生的幾十萬個仿真輸出結(jié)果。這是一種將仿真與大數(shù)據(jù)分析相結(jié)合的方法。

人工智能用于計劃執(zhí)行

4.1 為指揮官生成備選行動方案

在執(zhí)行計劃時，可利用人工智能技術(shù)快速融合和分析戰(zhàn)場信息以便將結(jié)果發(fā)送給指揮官。指揮官在高壓戰(zhàn)場環(huán)境下需要準(zhǔn)確的信息來做出關(guān)鍵決策，但是指揮官通常會獲得大量信息，容易產(chǎn)生信息過載的風(fēng)險。當(dāng)信息不是以一種符合邏輯、簡潔和有意義的形式提供給指揮官時就容易產(chǎn)生問題。在計劃執(zhí)行期間，伴隨著戰(zhàn)場態(tài)勢的快速變化，原計劃可能會隨時失效，因此指揮官需要較快的重新計劃能力。人工智能技術(shù)可為指揮官及時提供備選方案。

機器學(xué)習(xí)可用于開發(fā)作戰(zhàn)戰(zhàn)術(shù)。但是很多機器學(xué)習(xí)算法的運算速度不夠快，難以使智能體在空戰(zhàn)這樣的環(huán)境中發(fā)現(xiàn)最優(yōu)作戰(zhàn)策略。Q學(xué)習(xí)是一種強化學(xué)習(xí)算法，可用于空戰(zhàn)目標(biāo)分配。該算法可在不使用大型數(shù)據(jù)集或推理信息的情況下學(xué)習(xí)最優(yōu)智能體的狀態(tài)和行為組合。

有時人工智能算法需要一系列類似場景的行為原則。在這種情況下，可使用遷移學(xué)習(xí)來減少學(xué)習(xí)時間。例如，在不同的2對2空戰(zhàn)場景中學(xué)習(xí)作戰(zhàn)規(guī)則時，可使用已經(jīng)具備2對1空戰(zhàn)場景經(jīng)驗的智能體。實驗研究表明，這類智能體具備作戰(zhàn)優(yōu)勢，因為這樣可最小化進一步的學(xué)習(xí)過程。使用遷移學(xué)習(xí)可快速開發(fā)一個智能體在新場景中的行為。

4.2 簡化參謀工作流程

在計劃執(zhí)行過程中，人工智能技術(shù)可用于自動生成報告總結(jié)。在層級指揮結(jié)構(gòu)中，上級需要接收下級的信息，如果沒有報告總結(jié)，上級將接收過量的信息。傳統(tǒng)的總結(jié)報告需要從原始文檔中復(fù)制和粘貼相關(guān)內(nèi)容，目前可利用序列到序列深度學(xué)習(xí)算法和摘要生成式方法來總結(jié)報告，從而加快報告的上報速度。此外，還可利用將講話轉(zhuǎn)換為文本的方法，目前的人工智能技術(shù)已經(jīng)可以實現(xiàn)較為準(zhǔn)確的語音識別能力。