人工智能如何影響軍事發(fā)展？

李睿

阿爾法狗（AlphaGo）讓很多人驚呼“留給人類(lèi)的時(shí)間不多了”

當(dāng)前熱議的人工智能到底是什么？

提到人工智能就有人想到深度學(xué)習(xí)，仿佛深度學(xué)習(xí)就是人工智能，實(shí)際上，深度學(xué)習(xí)只是人工智能領(lǐng)域里的一個(gè)分支算法，遠(yuǎn)不能代表人工智能本身，但由于傳統(tǒng)人工智能方法早已被運(yùn)用到軍事活動(dòng)的各個(gè)領(lǐng)域，并不屬于新生事物，因而本文所討論的人工智能在軍事上的應(yīng)用只限于深度學(xué)習(xí)，不討論傳統(tǒng)的人工智能方法。

人工智能起源于1950年代，一開(kāi)始就朝著利用計(jì)算機(jī)模擬人腦的方向發(fā)展，根據(jù)科學(xué)家對(duì)人腦機(jī)制理解的不斷發(fā)展，人工智能迄今為止也經(jīng)過(guò)三次高潮，相應(yīng)地發(fā)展出了三類(lèi)方法。

1980年代以前，科學(xué)家普遍認(rèn)為人類(lèi)的思維是一系列邏輯表達(dá)的集合體，因而將主要研究精力放在了啟發(fā)式搜索和邏輯推理方面，進(jìn)而引發(fā)了人工智能革命的第一次浪潮。日本和美國(guó)科學(xué)家一馬當(dāng)先大搞專(zhuān)家系統(tǒng)，希望能夠用邏輯窮盡表達(dá)各行各業(yè)知識(shí)，造出一臺(tái)萬(wàn)能的通用機(jī)器人，美國(guó)國(guó)防部國(guó)防高級(jí)研究計(jì)劃局（DARPA）更是受到“深藍(lán)”（“深藍(lán)”是美國(guó)IBM公司生產(chǎn)的一臺(tái)超級(jí)國(guó)際象棋電腦，質(zhì)量達(dá)1279kg，有52個(gè)大腦，也即微處理器，每秒鐘可以計(jì)算2億步——編者注）戰(zhàn)勝卡斯帕羅夫事件刺激，試圖搞出所謂的戰(zhàn)爭(zhēng)全能輔助決策系統(tǒng)“深綠”，作為部隊(duì)?wèi)?zhàn)力“倍增器”。但現(xiàn)實(shí)世界存在不確定性，不可能利用窮舉法和邏輯定式來(lái)表示，因而第一波人工智能高潮失敗了，美日等國(guó)也承受了探索損失，但也留下了啟發(fā)式搜索和邏輯推理的成果，迄今為止，仍然作為各類(lèi)武器裝備和軍事系統(tǒng)的核心算法。

1980年代開(kāi)始，人工智能發(fā)展跌入低谷，但一部分科學(xué)家堅(jiān)持了下來(lái)，并逐漸發(fā)現(xiàn)，統(tǒng)計(jì)和概率數(shù)學(xué)方法是處理不確定性問(wèn)題的強(qiáng)力工具。從這個(gè)思路出發(fā)，人工智能逐漸開(kāi)辟出以有監(jiān)督學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等統(tǒng)計(jì)學(xué)習(xí)方法為主要手段的人工智能新技術(shù)，發(fā)展出有監(jiān)督學(xué)習(xí)方法（如感知器、logistics回歸、隨機(jī)森林等），無(wú)監(jiān)督學(xué)習(xí)方法（EM聚類(lèi)、支持向量機(jī)等）、半監(jiān)督學(xué)習(xí)方法（強(qiáng)化學(xué)習(xí)、增強(qiáng)學(xué)習(xí)等）等統(tǒng)計(jì)學(xué)習(xí)方法理論，進(jìn)而誕生了人工智能的第二次熱潮。這些方法時(shí)至今日仍然是深度學(xué)習(xí)的理論基礎(chǔ)，但第二次人工智能熱潮仍然跌入低谷，原因在于當(dāng)數(shù)據(jù)量極為龐大時(shí)，計(jì)算機(jī)硬件難以支撐其龐大的計(jì)算量，極易產(chǎn)生所謂的“維度災(zāi)難”，直到GPU和云計(jì)算技術(shù)發(fā)展起來(lái)，讓數(shù)據(jù)并行處理成為可能，才真正推動(dòng)了統(tǒng)計(jì)學(xué)習(xí)方法的進(jìn)一步提升，進(jìn)而引發(fā)了以深度學(xué)習(xí)技術(shù)為代表的第三次，也就是本次人工智能高潮的再次爆發(fā)。

“深藍(lán)”擊敗卡斯帕羅夫事件讓DARPA（美國(guó)國(guó)防部國(guó)防高級(jí)研究計(jì)劃局）深受刺激，試圖搞出所謂的戰(zhàn)爭(zhēng)全能輔助決策系統(tǒng)“深綠”。雖然最終未成功，但也留下了寶貴的成果

深度學(xué)習(xí)算法的發(fā)明時(shí)間是2006年，提出者是加拿大教授杰弗里·辛頓（Geoffrey Hinton），但在2010年后GPU和云計(jì)算技術(shù)取得突飛猛進(jìn)的進(jìn)步后，這種算法在工程上才得到廣泛運(yùn)用。深度學(xué)習(xí)的基本框架是一種叫作感知器的統(tǒng)計(jì)學(xué)習(xí)方法結(jié)構(gòu)，通過(guò)大量感知器組網(wǎng)連接，形成一個(gè)可以利用簡(jiǎn)單函數(shù)模擬任何復(fù)雜函數(shù)的網(wǎng)絡(luò)，每一個(gè)感知器被稱(chēng)為神經(jīng)元，若干感知器組成一個(gè)神經(jīng)元層，若干神經(jīng)元層組成一個(gè)神經(jīng)網(wǎng)絡(luò)。之所以如此稱(chēng)呼，是因?yàn)檫@種結(jié)構(gòu)與人類(lèi)的大腦神經(jīng)元是類(lèi)似的，感知器的工作原理和神經(jīng)沖動(dòng)傳遞過(guò)程也是一致的。當(dāng)層數(shù)較多時(shí)就被稱(chēng)為深度神經(jīng)網(wǎng)絡(luò)，而訓(xùn)練和使用深度神經(jīng)網(wǎng)絡(luò)的過(guò)程就被稱(chēng)為深度學(xué)習(xí)。

人工智能的軍事應(yīng)用潛力

由于深度學(xué)習(xí)都是基于統(tǒng)計(jì)學(xué)習(xí)方法的，因而其內(nèi)在原理和貝葉斯推斷理論是一致的。即人類(lèi)搜集大量帶標(biāo)簽的歷史數(shù)據(jù)組，將數(shù)據(jù)組輸入深度神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)利用相應(yīng)算法得到該數(shù)據(jù)組的聯(lián)合分布規(guī)律，這樣，深度神經(jīng)網(wǎng)絡(luò)在被輸入沒(méi)有標(biāo)簽的新數(shù)據(jù)時(shí)，就可以預(yù)判到其輸出。例如，利用人類(lèi)射手統(tǒng)計(jì)到某一手槍在前100次射擊時(shí)每次射擊前的狀態(tài)數(shù)據(jù)和射擊環(huán)數(shù)，讓系統(tǒng)學(xué)到聯(lián)合分布規(guī)律，那么在第101次射擊時(shí)，僅需知道射擊前的狀態(tài)，就可以預(yù)測(cè)本次射擊會(huì)有什么樣的結(jié)果，相應(yīng)改變射擊前的狀態(tài)，就能達(dá)到最佳射擊效果，提高射擊準(zhǔn)確率。

必須注意的是，在這個(gè)過(guò)程中，由于機(jī)器是自動(dòng)學(xué)習(xí)數(shù)據(jù)的聯(lián)合分布規(guī)律的，該分布只能用一堆參數(shù)來(lái)表示，人類(lèi)很可能無(wú)法理解，因而就形成了人工智能的“黑箱效應(yīng)”，即人類(lèi)無(wú)法解釋系統(tǒng)是如何做到的，但系統(tǒng)就是能做到，人類(lèi)可以理解為，這個(gè)系統(tǒng)有了“經(jīng)驗(yàn)”，但這種“經(jīng)驗(yàn)”并不是真正的理解，只是按照既定算法達(dá)到的一種狀態(tài)，不能認(rèn)為該系統(tǒng)具有了人類(lèi)的智能。這種數(shù)據(jù)學(xué)習(xí)能力也就引出了人工智能在軍事領(lǐng)域的第一個(gè)潛在應(yīng)用價(jià)值——作戰(zhàn)數(shù)據(jù)分類(lèi)與預(yù)測(cè)。

作戰(zhàn)數(shù)據(jù)分類(lèi)與預(yù)測(cè)

上文舉例手槍射擊可以看出，以統(tǒng)計(jì)學(xué)習(xí)方法為核心的人工智能對(duì)數(shù)據(jù)分類(lèi)和預(yù)測(cè)具有神奇的效果，這種依靠帶標(biāo)簽的歷史數(shù)據(jù)得到的結(jié)果往往比解析法得到的計(jì)算結(jié)果精確得多。因?yàn)槔媒馕龇ㄓ?jì)算時(shí)往往難以將所有不確定性因素窮盡，而統(tǒng)計(jì)學(xué)習(xí)方法則可以將所有不確定因素（如導(dǎo)彈飛行過(guò)程中的擾動(dòng)）直接歸類(lèi)到某種分布律，進(jìn)而得到更精確的結(jié)果。作戰(zhàn)活動(dòng)中往往會(huì)產(chǎn)生大量數(shù)據(jù)，例如敵軍作戰(zhàn)單元活動(dòng)的軌跡、武器的毀傷范圍、通信系統(tǒng)覆蓋范圍等等，由于自然環(huán)境的影響，這些數(shù)據(jù)和理論計(jì)算數(shù)據(jù)差距往往較大，此時(shí)利用解析法計(jì)算出來(lái)的理論值就比較粗糙，對(duì)指導(dǎo)作戰(zhàn)往往不利，但利用人工智能系統(tǒng)的數(shù)據(jù)分類(lèi)和預(yù)測(cè)功能，則可以非常接近真實(shí)值，從而讓數(shù)據(jù)催生出戰(zhàn)斗力，大大增強(qiáng)己方武器的命中概率，使武器精確度更高，成倍增加部隊(duì)和武器的作戰(zhàn)效能。

以彈道導(dǎo)彈為例，在融入人工智能系統(tǒng)的作戰(zhàn)數(shù)據(jù)分類(lèi)和預(yù)測(cè)后，可以最大限度地從訓(xùn)練、演習(xí)發(fā)射數(shù)據(jù)中學(xué)習(xí)到導(dǎo)彈發(fā)射諸元和命中精度的聯(lián)合分布規(guī)律，進(jìn)而在實(shí)戰(zhàn)中使普通彈道導(dǎo)彈達(dá)到先進(jìn)彈道導(dǎo)彈水平。而在反導(dǎo)彈攔截作戰(zhàn)中，則可以根據(jù)X波段對(duì)敵軍日常彈道導(dǎo)彈發(fā)射、試驗(yàn)的偵測(cè)數(shù)據(jù)，讓系統(tǒng)學(xué)習(xí)到雷達(dá)回波特征和彈頭類(lèi)型的聯(lián)合分布規(guī)律，在實(shí)戰(zhàn)攔截中，大大增加系統(tǒng)對(duì)導(dǎo)彈軌跡與落點(diǎn)預(yù)測(cè)的準(zhǔn)確率，進(jìn)而增加對(duì)彈道導(dǎo)彈攔截的成功率。

雖然幾乎所有的統(tǒng)計(jì)學(xué)習(xí)方法都有數(shù)據(jù)分類(lèi)和預(yù)測(cè)功能，但當(dāng)數(shù)據(jù)量較多時(shí)，深度學(xué)習(xí)方法的性能表現(xiàn)最好，就數(shù)據(jù)分類(lèi)而言，可以達(dá)到95%以上的準(zhǔn)確率，這一水平比傳統(tǒng)算法的75%左右的準(zhǔn)確率提高了不少，但當(dāng)數(shù)據(jù)量小時(shí)，工作效率反而比不上傳統(tǒng)模型。

敵我目標(biāo)識(shí)別

信息化技術(shù)讓作戰(zhàn)活動(dòng)的OODA（觀察-判斷-決策-攻擊）速度不斷增加，但由于信息系統(tǒng)本身不具備智能，因而在目標(biāo)識(shí)別上一直效率不高。海灣戰(zhàn)爭(zhēng)期間，美軍誤傷造成的地面部隊(duì)損失巨大，時(shí)至今日，這一問(wèn)題仍然無(wú)法得到有效解決。而以圖像識(shí)別為代表的敵我目標(biāo)識(shí)別技術(shù)能為這一問(wèn)題提供解決方案。

基于深度學(xué)習(xí)的圖像識(shí)別技術(shù)是將圖像按照像素分為3個(gè)通道（RGB）的數(shù)字矩陣，將其輸入卷積神經(jīng)網(wǎng)絡(luò)，而后實(shí)現(xiàn)類(lèi)型識(shí)別。所謂的卷積神經(jīng)網(wǎng)絡(luò)即利用卷積窗口對(duì)圖像的固定大小區(qū)域進(jìn)行加權(quán)求和，以捕捉圖像特征。在世界各類(lèi)圖片分類(lèi)大賽中，經(jīng)過(guò)良好設(shè)計(jì)的卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率高達(dá)98%以上，遠(yuǎn)超傳統(tǒng)方法。

該技術(shù)在軍事上的用途十分廣泛。例如在反暴恐行動(dòng)中，可以利用安裝在城市各處的攝像頭，根據(jù)犯罪分子的臉部特征、體態(tài)特征識(shí)別想要抓捕的恐怖分子。而在地面和空中武器平臺(tái)上，一旦雷達(dá)、攝像頭等傳感器使用該算法，即可快速識(shí)別敵人的飛機(jī)、艦船、坦克等作戰(zhàn)單元類(lèi)型，特別是對(duì)于具有一定偽裝能力的敵作戰(zhàn)單元，可以一舉解決敵我識(shí)別難題。據(jù)美國(guó)媒體報(bào)道，美軍使用該技術(shù)判讀衛(wèi)星圖像，幾十分鐘就尋找到了多處隱藏地空導(dǎo)彈陣地，而這項(xiàng)工作如果由圖像判讀員來(lái)完成，耗費(fèi)的時(shí)間以及準(zhǔn)確率根本無(wú)法與前者相比。

圖像識(shí)別可以大大提高敵我識(shí)別概率

著名人工智能學(xué)者、前百度首席科學(xué)家吳恩達(dá)正在演講

在軍事裝備制造維修方面，目標(biāo)識(shí)別技術(shù)也有很大的用處，著名人工智能學(xué)者、前百度首席科學(xué)家吳恩達(dá)于2017年12月14日宣布成立新公司Landing.ai，并與富士康公司合作，利用圖像識(shí)別算法做電路板的合格率檢測(cè)，效率和速度遠(yuǎn)遠(yuǎn)超過(guò)人工，該技術(shù)當(dāng)然也可以用于軍事裝備，如軍事裝備戰(zhàn)后的快速定損等。

智能作戰(zhàn)決策

智能作戰(zhàn)決策是最令人心動(dòng)的人工智能應(yīng)用領(lǐng)域，許多人都曾設(shè)想制造出如阿爾法狗一般強(qiáng)大的無(wú)人坦克、無(wú)人機(jī)橫行戰(zhàn)場(chǎng)。但這種想法在最近10年內(nèi)實(shí)現(xiàn)的可能性并不大。阿爾法狗之所以能擊敗人類(lèi)最頂尖的圍棋選手，在于圍棋是一個(gè)確定性的博弈模型，對(duì)弈雙方的每步走法和效果都十分明確，每一步和每一步之間都有停頓，而真實(shí)世界的復(fù)雜性遠(yuǎn)超圍棋，單純利用圖像識(shí)別技術(shù)識(shí)別出戰(zhàn)場(chǎng)中敵軍飛行員的身份和動(dòng)作意圖需要的計(jì)算量都絕對(duì)超過(guò)阿爾法狗，更不要說(shuō)還有復(fù)雜自然戰(zhàn)場(chǎng)環(huán)境和戰(zhàn)術(shù)背景了。

在制造智能機(jī)器人方面，日本走在世界前列，但在福島核泄漏時(shí)，日本機(jī)器人前往沾染區(qū)處理時(shí)效果并不好，原因就是出現(xiàn)了“機(jī)器人電線被纏住了”之類(lèi)的問(wèn)題

特別是機(jī)器人本身沒(méi)有“常識(shí)”，往往會(huì)遇到難以預(yù)料的“意外”。在制造智能機(jī)器人方面，日本走在世界前列，但在福島核泄漏時(shí)，日本機(jī)器人前往沾染區(qū)處理時(shí)效果并不好，原因就是出現(xiàn)了“機(jī)器人電線被纏住了”之類(lèi)的問(wèn)題，這些問(wèn)題很難被設(shè)計(jì)者事先預(yù)料到，機(jī)器人也無(wú)法處理。深度學(xué)習(xí)技術(shù)設(shè)計(jì)者們也多次強(qiáng)調(diào)，該技術(shù)只能處理特定任務(wù)，并非是理想中的通用AI。

但是面對(duì)智能決策話題，深度學(xué)習(xí)也并非一籌莫展，阿里巴巴曾經(jīng)在2017年發(fā)表過(guò)一篇論文，其中提到阿里巴巴AI試驗(yàn)室利用雙向循環(huán)神經(jīng)網(wǎng)絡(luò)讓星際爭(zhēng)霸里的作戰(zhàn)單元學(xué)會(huì)了人類(lèi)選手的攔截、圍殺等各種戰(zhàn)術(shù)，其內(nèi)在算法就是將深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)結(jié)合起來(lái)，設(shè)置出了一個(gè)巧妙的價(jià)值函數(shù)，通過(guò)和人類(lèi)選手的反復(fù)搏殺，讓AI始終求取價(jià)值函數(shù)最大值，實(shí)現(xiàn)學(xué)習(xí)戰(zhàn)術(shù)的目的。但游戲和真實(shí)世界的區(qū)別在于，游戲作戰(zhàn)單元都有“血條”這種簡(jiǎn)單的收益、戰(zhàn)損衡量方法，而真實(shí)交戰(zhàn)世界中的戰(zhàn)術(shù)效能、毀傷效果評(píng)估十分復(fù)雜，遠(yuǎn)非一個(gè)簡(jiǎn)單的價(jià)值函數(shù)能夠解決。但這樣的方法至少讓人看到了深度學(xué)習(xí)+強(qiáng)化學(xué)習(xí)結(jié)合起來(lái)的深度強(qiáng)化學(xué)習(xí)在智能決策上的巨大潛力，該技術(shù)可能是未來(lái)作戰(zhàn)武器智能決策系統(tǒng)的主要發(fā)展方向。

作戰(zhàn)數(shù)據(jù)生成模擬

數(shù)據(jù)生成模擬指的是人工智能系統(tǒng)（例如深度神經(jīng)網(wǎng)絡(luò)）利用歷史數(shù)據(jù)、既定規(guī)則生成與真實(shí)數(shù)據(jù)一致的大量模擬數(shù)據(jù)的技術(shù)，這種模擬數(shù)據(jù)的真實(shí)性甚至可以達(dá)到令人工智能系統(tǒng)自身都難以分辨的水平。該技術(shù)最典型的運(yùn)用就是模擬語(yǔ)音系統(tǒng)，在收集到某人的語(yǔ)音錄音后，系統(tǒng)可以根據(jù)該語(yǔ)音特征，模擬出本人說(shuō)出的任何一句話，這一技術(shù)可以使我方電臺(tái)模擬對(duì)方指揮員指揮其部隊(duì)。除語(yǔ)音外，基于作戰(zhàn)數(shù)據(jù)生成模擬技術(shù)的智能系統(tǒng)還可以模擬出敵軍的雷達(dá)回波、通信聯(lián)絡(luò)等各類(lèi)數(shù)據(jù)，達(dá)到以假亂真的效果。

特別是2014年，出現(xiàn)了一種叫作生成式對(duì)抗網(wǎng)絡(luò)（GAN）的新神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，該結(jié)構(gòu)具有兩個(gè)網(wǎng)絡(luò)，一個(gè)造假，一個(gè)鑒真，在互相對(duì)抗中，可以讓造假網(wǎng)絡(luò)和鑒真網(wǎng)絡(luò)達(dá)到最佳性能，現(xiàn)存的任何數(shù)據(jù)造假器和數(shù)據(jù)鑒別器都無(wú)法與其相比。

作戰(zhàn)數(shù)據(jù)生成模擬技術(shù)在軍事上的第一個(gè)用處就是欺騙系統(tǒng)，如將GAN運(yùn)用到制造新的電子干擾機(jī)時(shí)，該電子干擾機(jī)將能夠根據(jù)對(duì)手的雷達(dá)信號(hào)制造出令其雷達(dá)接收機(jī)根本無(wú)法識(shí)別的假信號(hào)，達(dá)到干擾功率最小、干擾效果最大的目的，到那時(shí)，世界各國(guó)以雷達(dá)為基礎(chǔ)的空防系統(tǒng)就變得形同虛設(shè)。這種欺騙系統(tǒng)的軍事意義之大，不言而喻。

作戰(zhàn)數(shù)據(jù)生成模擬技術(shù)在軍事上的第二個(gè)用處就是制造虛擬態(tài)勢(shì)。該技術(shù)可以根據(jù)真實(shí)數(shù)據(jù)的分布規(guī)律或戰(zhàn)場(chǎng)規(guī)則，對(duì)其稍加修改，不斷生成不同的作戰(zhàn)態(tài)勢(shì)，直接用于訓(xùn)練指揮員、戰(zhàn)斗員的作戰(zhàn)技巧和指揮藝術(shù)。阿爾法狗的進(jìn)化版阿爾法零就是在沒(méi)有輸入人類(lèi)棋譜的情況下，僅依靠棋盤(pán)規(guī)則自己生成數(shù)據(jù)，進(jìn)行左右互搏，在72小時(shí)內(nèi)就超越了阿爾法狗，可見(jiàn)數(shù)據(jù)生成模擬技術(shù)威力之強(qiáng)。未來(lái)，很可能在智能決策過(guò)程中，為了讓系統(tǒng)適應(yīng)復(fù)雜的真實(shí)世界，先利用數(shù)據(jù)生成模擬技術(shù)生成數(shù)千萬(wàn)模擬數(shù)據(jù)來(lái)考驗(yàn)智能決策系統(tǒng)，再將其投入戰(zhàn)場(chǎng)，最大限度減少意外狀況的發(fā)生。

無(wú)人作戰(zhàn)平臺(tái)

無(wú)人駕駛指讓一個(gè)智能體（機(jī)器人、汽車(chē)、飛行器等）擁有自主決策、自主尋路和自主檢測(cè)目標(biāo)的能力，谷歌、百度等公司判斷，未來(lái)10～15年內(nèi)，無(wú)人駕駛汽車(chē)必然取代有人駕駛汽車(chē)成為交通主力，而應(yīng)用到軍事領(lǐng)域中，無(wú)人作戰(zhàn)車(chē)輛、無(wú)人坦克、無(wú)人潛航器、無(wú)人機(jī)等作戰(zhàn)裝備也將在戰(zhàn)場(chǎng)上扮演愈加重要的角色。無(wú)人駕駛技術(shù)涉及的主要領(lǐng)域?yàn)闊o(wú)人定位、圖像識(shí)別、自動(dòng)控制、路徑規(guī)劃等。

以無(wú)人作戰(zhàn)車(chē)輛為例，通過(guò)安裝在車(chē)體上的照相機(jī)、GPS、激光雷達(dá)和毫米波雷達(dá)作為傳感器不斷對(duì)周?chē)M(jìn)行掃描，建立三維影像，不斷對(duì)自身實(shí)施精確定位、識(shí)別周邊各類(lèi)物體，實(shí)施作戰(zhàn)系統(tǒng)控制，形成一個(gè)集檢測(cè)、定位、作戰(zhàn)為一體的閉環(huán)系統(tǒng)，實(shí)現(xiàn)無(wú)人駕駛平臺(tái)上戰(zhàn)場(chǎng)，但這種無(wú)人駕駛平臺(tái)不能處理所有的“意外”問(wèn)題，因而還不能完全脫離人的操控，“無(wú)人+有人”協(xié)同作戰(zhàn)體系是無(wú)人作戰(zhàn)平臺(tái)走向戰(zhàn)場(chǎng)的現(xiàn)有作戰(zhàn)模式，未來(lái)向何種方向發(fā)展，仍需拭目以待。

人工智能遠(yuǎn)未達(dá)到理想程度，機(jī)器人取代人類(lèi)作戰(zhàn)為時(shí)過(guò)早

無(wú)人作戰(zhàn)平臺(tái)將在戰(zhàn)場(chǎng)上扮演愈加童要的角色

結(jié)語(yǔ)

總的來(lái)說(shuō)，目前以深度學(xué)習(xí)為代表的人工智能技術(shù)將會(huì)讓軍隊(duì)對(duì)于軍事數(shù)據(jù)的價(jià)值挖掘利用能力越來(lái)越高，展望未來(lái)，效能更好的深度學(xué)習(xí)結(jié)構(gòu)和并行處理硬件會(huì)不斷取得突破，這將使現(xiàn)有的武器和軍事系統(tǒng)，發(fā)現(xiàn)目標(biāo)速度更快、識(shí)別準(zhǔn)確率更高、決策速度更快、決策質(zhì)量更優(yōu)，攻擊精度明顯提升，面對(duì)沒(méi)有經(jīng)過(guò)智能化技術(shù)改造的軍事體系，形成壓倒性優(yōu)勢(shì)。但同時(shí)，我們也要理性地看到，以現(xiàn)有人工智能技術(shù)造出通用AI機(jī)器人尚待時(shí)間，機(jī)器人取代人類(lèi)作戰(zhàn)為時(shí)過(guò)早。

編輯/劉蘭芳