智能目標(biāo)識(shí)別在未來軍事作戰(zhàn)中的應(yīng)用與思考

翟佳 郭單 李元 董毅

軍事技術(shù)決定戰(zhàn)爭形態(tài)。人工智能作為最重要的顛覆性技術(shù)，在軍事領(lǐng)域的運(yùn)用日趨廣泛深入，成為引領(lǐng)世界新軍事革命的主要因素，未來必將改寫戰(zhàn)爭規(guī)則，催生智能化戰(zhàn)爭。智能目標(biāo)識(shí)別，作為一項(xiàng)面向探測(cè)預(yù)警、情報(bào)偵察、態(tài)勢(shì)感知、精確制導(dǎo)等多個(gè)軍事應(yīng)用領(lǐng)域的關(guān)鍵使能技術(shù)，以人工智能為技術(shù)手段，能夠解決戰(zhàn)場(chǎng)自動(dòng)目標(biāo)識(shí)別的關(guān)鍵問題，是打贏未來智能化戰(zhàn)爭的重要手段之一。

智能目標(biāo)識(shí)別橫空出世，勢(shì)不可擋

“一旦新技術(shù)在既有技術(shù)體系堤壩上打開一個(gè)缺口，洶涌潮水的到來就不會(huì)太遠(yuǎn)?！边@句話用來形容智能目標(biāo)識(shí)別再合適不過。

2012年，以深度學(xué)習(xí)為核心的智能目標(biāo)識(shí)別在學(xué)術(shù)界名聲大噪，這一切緣于當(dāng)年的ILSVRC評(píng)測(cè)。ILSVRC是近年來機(jī)器視覺領(lǐng)域最受追捧也最具權(quán)威的學(xué)術(shù)競賽之一，代表了以圖像、視頻為數(shù)據(jù)源的目標(biāo)識(shí)別、定位、檢測(cè)等機(jī)器視覺領(lǐng)域的最高水平。在這之前，最好的Top5算法分類錯(cuò)誤率在25%以上，而2012年AlexNet首次在比賽中使用了深層卷積網(wǎng)絡(luò)的智能目標(biāo)識(shí)別方法，錯(cuò)誤率僅為16%。之后，每年都有新的好成績出現(xiàn)，目前最優(yōu)的Top5分類錯(cuò)誤率均在5%以下，已超出了人類的識(shí)別水平。

2018年，一篇源自洛克希德·馬丁公司的新聞稿，將具有智能目標(biāo)識(shí)別的遠(yuǎn)程反艦導(dǎo)彈（LRASM）推到風(fēng)口浪尖。該新聞稿稱：“德克薩斯州戴斯空軍基地第337試驗(yàn)中隊(duì)的B-1B在加利福尼亞州穆古角的海上發(fā)射了LRASM，成功擊中了海上目標(biāo)并實(shí)現(xiàn)測(cè)試目標(biāo)?！边@其中，智能目標(biāo)識(shí)別貢獻(xiàn)了巨大力量。

AlexNet模型框架

LRASM是美國海軍與美國防高級(jí)研究計(jì)劃局（DARPA）正在研發(fā)的新一代反艦巡航導(dǎo)彈，可為美國海軍提供進(jìn)行遠(yuǎn)程目標(biāo)打擊的先進(jìn)反水面作戰(zhàn)能力。高度智能化的目標(biāo)識(shí)別能力，使得LRASM飛抵目標(biāo)區(qū)域之后，能夠根據(jù)識(shí)別算法對(duì)區(qū)域內(nèi)探測(cè)到的多個(gè)不同信號(hào)進(jìn)行分類，逐步縮小不確定區(qū)域，最終實(shí)現(xiàn)復(fù)雜戰(zhàn)場(chǎng)環(huán)境下的艦艇目標(biāo)識(shí)別，并根據(jù)目標(biāo)幾何特征對(duì)特定目標(biāo)點(diǎn)進(jìn)行打擊，形成高度自主的作戰(zhàn)能力。

智能目標(biāo)識(shí)別制勝的內(nèi)在機(jī)理

在信息化戰(zhàn)爭中，動(dòng)態(tài)海量數(shù)據(jù)已超出人腦處理能力的極限，智能目標(biāo)識(shí)別的出現(xiàn)有著天然存在的迫切需求，但內(nèi)在的作用機(jī)理才是其表現(xiàn)突出的制勝關(guān)鍵。

智能目標(biāo)識(shí)別是采用人工智能技術(shù)途徑，通過接收、探測(cè)目標(biāo)與環(huán)境數(shù)據(jù)，進(jìn)行有效的特征提取和樣本積累，經(jīng)過充分學(xué)習(xí)以實(shí)現(xiàn)對(duì)未知目標(biāo)的認(rèn)知與辨識(shí)，從而判定目標(biāo)類別、真假和屬性等信息。區(qū)別于其他目標(biāo)識(shí)別方法，智能目標(biāo)識(shí)別具有自主學(xué)習(xí)、智能推理、在線升級(jí)等特點(diǎn)。

智能目標(biāo)識(shí)別衍生于自動(dòng)目標(biāo)識(shí)別（ATR）技術(shù)理論體系，伴隨著人工智能的演進(jìn)，逐漸呈現(xiàn)出獨(dú)有的特點(diǎn)。自動(dòng)目標(biāo)識(shí)別技術(shù)的發(fā)展最早可追溯到20世紀(jì)60年代末，經(jīng)歷了近50年的發(fā)展歷程，提出了多種多樣的自動(dòng)目標(biāo)識(shí)別算法?？v觀自動(dòng)目標(biāo)識(shí)別領(lǐng)域的發(fā)展，始終在致力于提高自動(dòng)目標(biāo)識(shí)別系統(tǒng)的自適應(yīng)和學(xué)習(xí)能力。早期的系統(tǒng)以模式識(shí)別為主，其后發(fā)展了基于模型和基于知識(shí)的識(shí)別系統(tǒng)，又將人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于自動(dòng)目標(biāo)識(shí)別領(lǐng)域。2006年，伴隨著大數(shù)據(jù)技術(shù)、高性能計(jì)算資源的發(fā)展，以深度學(xué)習(xí)為核心的智能目標(biāo)識(shí)別終于應(yīng)運(yùn)而生，并在圖像、語音、語言識(shí)別等領(lǐng)域獲得了成功的應(yīng)用，成為解決自動(dòng)目標(biāo)識(shí)別問題的一種有效途徑。

LRASM打擊體系示意圖

以深度學(xué)習(xí)為核心的智能目標(biāo)識(shí)別之所以能夠脫穎而出，原因在于其實(shí)現(xiàn)了人工智能技術(shù)從“計(jì)算”到“學(xué)習(xí)”的轉(zhuǎn)變。此前，人工智能算法大都基于已知規(guī)律或確切邏輯關(guān)系建立數(shù)學(xué)模型，建立后即可運(yùn)用，其核心是計(jì)算，智能實(shí)現(xiàn)就是按規(guī)則演算。這些算法雖然準(zhǔn)確高效，但它們只能按照既有程序進(jìn)行計(jì)算，無法應(yīng)對(duì)超出程序設(shè)定的變化，是封閉的靜態(tài)系統(tǒng)。深度學(xué)習(xí)則不同，它由多層模擬的神經(jīng)元網(wǎng)絡(luò)組成，建立后不能直接使用，必須先進(jìn)行大量訓(xùn)練，在訓(xùn)練中不斷提高，進(jìn)而變得越來越“聰明”，是一個(gè)開放的動(dòng)態(tài)系統(tǒng)。通過海量數(shù)據(jù)的訓(xùn)練，神經(jīng)元網(wǎng)絡(luò)逐層遞進(jìn)并提取出物理世界的各種特征，發(fā)現(xiàn)其模式、結(jié)構(gòu)、規(guī)律，不斷“進(jìn)化”出更高的智能水平，其核心是學(xué)習(xí)。經(jīng)深度學(xué)習(xí)形成的人工智能，一些方面甚至?xí)饺祟悺?p>

深度學(xué)習(xí)的機(jī)理

隨著現(xiàn)代戰(zhàn)場(chǎng)在空間上的拓展，復(fù)雜多樣的戰(zhàn)場(chǎng)探測(cè)器遍布陸、海、空、外層空間和電磁網(wǎng)絡(luò)空間，智能目標(biāo)識(shí)別所適用的探測(cè)數(shù)據(jù)也得到了前所未有的拓展，通過對(duì)點(diǎn)信號(hào)級(jí)、序列信號(hào)級(jí)、圖像級(jí)、運(yùn)動(dòng)軌跡級(jí)、融合數(shù)據(jù)級(jí)等探測(cè)數(shù)據(jù)的判定，得到目標(biāo)類別、真假和屬性等信息，在偵察預(yù)警、情報(bào)分析、精確制導(dǎo)、電子認(rèn)知等軍事領(lǐng)域發(fā)揮了重要作用。

在偵察預(yù)警方面，美國DARPA實(shí)施的對(duì)抗環(huán)境下的目標(biāo)識(shí)別與自適應(yīng)（TRACE）項(xiàng)目力求開發(fā)一種準(zhǔn)確、實(shí)時(shí)、低功耗的雷達(dá)目標(biāo)識(shí)別系統(tǒng)，有效降低了密集作戰(zhàn)環(huán)境中誘餌和背景等對(duì)目標(biāo)識(shí)別系統(tǒng)有效性的影響;在情報(bào)分析方面，密蘇里大學(xué)使用智能目標(biāo)識(shí)別技術(shù)分析微型圖像，搜索識(shí)別我國東南沿海防空導(dǎo)彈陣地，在準(zhǔn)確率與人工目視基本相當(dāng)?shù)那闆r下，識(shí)別效率提高了81倍;在精確制導(dǎo)方面，美國的“心眼”項(xiàng)目聚焦自動(dòng)接收并解讀真實(shí)場(chǎng)景影像，可實(shí)現(xiàn)快速自動(dòng)識(shí)別潛在威脅，為目標(biāo)打擊提供依據(jù);在電子認(rèn)知方面，美國行為學(xué)習(xí)自適應(yīng)電子戰(zhàn)和自適應(yīng)雷達(dá)對(duì)抗項(xiàng)目均重點(diǎn)研究了如何將智能目標(biāo)識(shí)別應(yīng)用于雷達(dá)電子對(duì)抗過程，以便于可以快速識(shí)別出敵方新的、未知的無線電威脅。

智能目標(biāo)識(shí)別是打贏

未來戰(zhàn)爭的關(guān)鍵一環(huán)

算法是人工智能技術(shù)的核心，掌握更強(qiáng)算法的一方可快速準(zhǔn)確預(yù)測(cè)戰(zhàn)場(chǎng)態(tài)勢(shì)，創(chuàng)造出最優(yōu)戰(zhàn)法，實(shí)現(xiàn)“未戰(zhàn)先勝”。智能目標(biāo)識(shí)別作為一項(xiàng)面向探測(cè)預(yù)警、情報(bào)偵察、態(tài)勢(shì)感知、精確制導(dǎo)等多個(gè)軍事應(yīng)用領(lǐng)域的關(guān)鍵使能技術(shù)，是打贏戰(zhàn)爭智能化進(jìn)程中算法戰(zhàn)的重要手段之一。

一方面，智能目標(biāo)識(shí)別是奪取學(xué)習(xí)優(yōu)勢(shì)、認(rèn)知優(yōu)勢(shì)、決策優(yōu)勢(shì)的關(guān)鍵。一是能夠通過知識(shí)積累和優(yōu)化，精準(zhǔn)提取目標(biāo)特征規(guī)律，縮短個(gè)體“學(xué)習(xí)曲線”;二是能夠及時(shí)有效處理海量情報(bào)數(shù)據(jù)，促使數(shù)據(jù)處理水平快速增長，有效解決“信息迷霧”;三是具備自適應(yīng)能力，可為指揮決策提供強(qiáng)有力支撐。

另一方面，智能目標(biāo)識(shí)別是適應(yīng)作戰(zhàn)空間拓展、作戰(zhàn)時(shí)間壓縮的關(guān)鍵。在現(xiàn)代戰(zhàn)場(chǎng)，作戰(zhàn)空間拓展到陸、海、空、外層空間和電磁網(wǎng)絡(luò)空間，其遍布的各種傳感器產(chǎn)生的情報(bào)偵察與監(jiān)視預(yù)警信息呈爆炸式增長，導(dǎo)致戰(zhàn)場(chǎng)信息收集不及時(shí)、有效信息產(chǎn)出時(shí)效性低、反饋失誤等嚴(yán)重問題。同時(shí)，無人機(jī)蜂群等新式智能化武器裝備與新型作戰(zhàn)樣式的提出，對(duì)指揮員決策的時(shí)效性、準(zhǔn)確性、靈敏性提出了更高要求。

智能目標(biāo)識(shí)別可將人從生理極限中解放出來，基于自主學(xué)習(xí)、智能推理、在線升級(jí)等技術(shù)優(yōu)勢(shì)，綜合不同數(shù)據(jù)來源，提升數(shù)據(jù)處理和數(shù)據(jù)挖掘效率，縮短觀察、判斷、決策、行動(dòng)（OODA）環(huán)的反應(yīng)時(shí)間，減少戰(zhàn)場(chǎng)態(tài)勢(shì)感知的不確定性，在智能決策、指揮協(xié)同、情報(bào)分析以及電磁網(wǎng)絡(luò)攻防等關(guān)鍵作戰(zhàn)領(lǐng)域發(fā)揮作用。

迎接智能目標(biāo)識(shí)別

帶來的挑戰(zhàn)和機(jī)遇

未來戰(zhàn)爭的智能目標(biāo)識(shí)別發(fā)展趨勢(shì)，既是重大挑戰(zhàn)，更是難得機(jī)遇。近年來，美國等國積極探索智能目標(biāo)識(shí)別在物理域、信息域和認(rèn)知域等戰(zhàn)爭空間中的創(chuàng)新運(yùn)用，我方若想謀求建立新高地的軍事優(yōu)勢(shì)，必須冷靜、客觀、全面地分析智能目標(biāo)識(shí)別的適用邊界、科學(xué)問題和技術(shù)短板，既推動(dòng)理論創(chuàng)新，也避免盲從追趕;既大力發(fā)展推進(jìn)智能目標(biāo)識(shí)別研究，也積極探索非對(duì)稱反制戰(zhàn)法和力量手段。

智能目標(biāo)識(shí)別絕非萬能。一是脆弱性。智能目標(biāo)識(shí)別優(yōu)良的表現(xiàn)，并不意味著其完美無瑕、毫無漏洞。以圖像智能目標(biāo)識(shí)別為例，當(dāng)攻擊者利用智能目標(biāo)識(shí)別算法模型的漏洞，在裝備目標(biāo)上加裝特定偽裝圖案后，便可對(duì)衛(wèi)星、無人飛行器和各類智能裝備背后所依賴的軍事圖像識(shí)別系統(tǒng)進(jìn)行攻擊，使其無法正常識(shí)別視頻圖像內(nèi)容。為應(yīng)對(duì)新形勢(shì)，一方面需要利用智能目標(biāo)識(shí)別技術(shù)研發(fā)新型軍事裝備;另一方面要了解對(duì)手可能采用的智能對(duì)抗技術(shù)和裝備，并尋找其中的算法漏洞，研發(fā)相應(yīng)的防御和反制措施，使智能目標(biāo)識(shí)別在攻與防的環(huán)境中不斷發(fā)展。

智能對(duì)抗案例

二是透明性。智能目標(biāo)識(shí)別模型的復(fù)雜性為其帶來了非凡預(yù)測(cè)能力，然而若其提取的深層特征不直觀，無法理解算法決策過程，難以分辨某個(gè)具體行動(dòng)背后的邏輯，就會(huì)導(dǎo)致識(shí)別風(fēng)險(xiǎn)不可控，無法準(zhǔn)確估計(jì)識(shí)別算法的適應(yīng)性。

2016年10月，DARPA發(fā)布“可解釋的人工智能”項(xiàng)目（XAI）的廣泛機(jī)構(gòu)公告，其目標(biāo)是建立一套新的或改進(jìn)的機(jī)器學(xué)習(xí)技術(shù)，生成可解釋的模型，結(jié)合有效的解釋技術(shù)，使最終用戶能夠理解、一定程度上信任并有效管理未來的人工智能系統(tǒng)。通過該項(xiàng)目，新的機(jī)器學(xué)習(xí)系統(tǒng)將能解釋自身邏輯原理，描述自身的優(yōu)、缺點(diǎn)，并解釋未來的行為表現(xiàn)。

智能目標(biāo)識(shí)別實(shí)戰(zhàn)化之路坎坷艱辛。目前，智能目標(biāo)識(shí)別還不適于強(qiáng)雜波的、擁擠的、復(fù)雜的、快速變化的軍事應(yīng)用場(chǎng)景。以美國為代表的軍事強(qiáng)國早在40年前就期望實(shí)現(xiàn)精確制導(dǎo)系統(tǒng)的智能化，但目前大多數(shù)導(dǎo)彈系統(tǒng)并沒達(dá)到智能目標(biāo)識(shí)別的預(yù)期目標(biāo)，這包含智能目標(biāo)識(shí)別在數(shù)據(jù)、算法、理論方法等層面遇到的應(yīng)用瓶頸和科學(xué)問題。

DARPA 的XAI項(xiàng)目總體框架

一是數(shù)據(jù)的充分性、有效性難以保證。數(shù)據(jù)的充分性、有效性將直接影響智能目標(biāo)識(shí)別的性能。然而在實(shí)際作戰(zhàn)中，戰(zhàn)場(chǎng)環(huán)境的復(fù)雜性、目標(biāo)特性的不確定性和對(duì)抗條件導(dǎo)致的信息不完全性，將會(huì)帶來目標(biāo)特征的不可重復(fù)性、復(fù)雜多變的雜波背景環(huán)境、低對(duì)比度、遠(yuǎn)距離、存在偽裝、遮掩與干擾、外界場(chǎng)景的多變性（不同的地理區(qū)域、戰(zhàn)場(chǎng)條件和氣象條件）等問題。當(dāng)提供的是稀疏、不完全、分布不均、質(zhì)量不足的數(shù)據(jù)集時(shí)，許多智能算法將無法展現(xiàn)良好性能。

二是現(xiàn)有算法的局限性亟待突破?，F(xiàn)有的許多商用智能目標(biāo)識(shí)別算法的一個(gè)重要限制，是它們對(duì)訓(xùn)練數(shù)據(jù)集的批處理。采用批處理時(shí)，需要一次得到所有的訓(xùn)練數(shù)據(jù)，使學(xué)習(xí)算法構(gòu)建一個(gè)可運(yùn)行在實(shí)際應(yīng)用場(chǎng)景中的模型。當(dāng)積累數(shù)據(jù)的體量無法達(dá)到訓(xùn)練要求時(shí)，就需要深度網(wǎng)絡(luò)實(shí)現(xiàn)在線學(xué)習(xí)與現(xiàn)場(chǎng)訓(xùn)練。然而，如何設(shè)計(jì)穩(wěn)健的在線學(xué)習(xí)方法，仍然是目前軍事應(yīng)用中的棘手問題。同時(shí)，針對(duì)復(fù)雜戰(zhàn)場(chǎng)環(huán)境下無法獲取數(shù)量充足、分布全面、質(zhì)量優(yōu)秀的樣例數(shù)據(jù)的實(shí)際問題，需要將無監(jiān)督、半監(jiān)督、有監(jiān)督方法相結(jié)合，借鑒先驗(yàn)知識(shí)和關(guān)鍵特征，降低對(duì)數(shù)據(jù)的依賴，探索對(duì)噪聲不敏感，并能采用稀疏標(biāo)注或者完全沒有標(biāo)注的數(shù)據(jù)集的學(xué)習(xí)方法。

三是智能目標(biāo)識(shí)別缺乏理論支撐。由于缺乏科學(xué)理論的支撐，沒有建立信息論測(cè)度來確定智能目標(biāo)識(shí)別系統(tǒng)的性能邊界，難以理解和預(yù)測(cè)智能目標(biāo)識(shí)別系統(tǒng)的性能。同時(shí)，軍用領(lǐng)域的智能目標(biāo)識(shí)別缺少對(duì)試驗(yàn)測(cè)試領(lǐng)域的研究，特別是試驗(yàn)、驗(yàn)證、測(cè)試、評(píng)估、鑒定的核心技術(shù)體系，及基本支撐理論、綜合試驗(yàn)環(huán)境、評(píng)估指標(biāo)體系等關(guān)鍵基礎(chǔ)性問題尚未有實(shí)質(zhì)性突破，尚無法回答智能目標(biāo)識(shí)別在軍事應(yīng)用領(lǐng)域的準(zhǔn)確性、可用性、有效性。

責(zé)任編輯：葛??妍