深度學(xué)習(xí)技術(shù)對偵察情報(bào)的影響研究

孟春寧

(武警海警學(xué)院,浙江 寧波 315801)

0 引 言

以深度學(xué)習(xí)為代表的人工智能技術(shù)帶來的軍事智能革命正主導(dǎo)著戰(zhàn)爭形態(tài)的演變，對軍事偵察情報(bào)領(lǐng)域造成顛覆性影響，促使技術(shù)偵察快速向自主化、集群化方向發(fā)展，大幅提升了情報(bào)處理分析的效率和精度，引發(fā)偵察情報(bào)工作模式的深刻變革。在未來智能化戰(zhàn)爭中，偵察情報(bào)將作為作戰(zhàn)行動的重要組成部分，在深度學(xué)習(xí)等技術(shù)的支撐下所發(fā)揮的作用將不亞于指揮決策和火力打擊。

1 深度學(xué)習(xí)技術(shù)概述

深度學(xué)習(xí)是一種通過多層次組合結(jié)構(gòu)從經(jīng)驗(yàn)和數(shù)據(jù)中獲取新知識或技能的機(jī)器學(xué)習(xí)技術(shù)。作為實(shí)現(xiàn)人工智能的核心技術(shù)，以深度神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù)在GPU、TPU的算力加持下，高效地利用信息化社會積累的海量數(shù)據(jù)，掀起一場席卷全球的人工智能革命。2006年Hinton等人提出的深度信念網(wǎng)絡(luò)解決了深層次網(wǎng)絡(luò)的訓(xùn)練難題，拉開了深度學(xué)習(xí)技術(shù)發(fā)展浪潮的序幕。2012年深度卷積神經(jīng)網(wǎng)絡(luò)模型AlexNet以明顯優(yōu)勢贏得ImageNet視覺識別挑戰(zhàn)賽，從此深度學(xué)習(xí)技術(shù)發(fā)展進(jìn)入爆發(fā)期[1]。2016年采用深度強(qiáng)化學(xué)習(xí)模型的AlphaGo，在學(xué)習(xí)了數(shù)百萬棋譜后橫掃人類頂尖棋手，而它的進(jìn)化版本AlphaGo Zero摒棄了人類幾千年積累的經(jīng)驗(yàn)知識，通過自我進(jìn)化輕松碾壓AlphaGo，至此，在曾被譽(yù)為人類智力游戲皇冠上的明珠的圍棋領(lǐng)域，人類已無力與機(jī)器競爭。2018年OpenAI Five 在Dota2游戲中打敗人類隊(duì)伍，隨后深度學(xué)習(xí)模型陸續(xù)在多個(gè)競技游戲領(lǐng)域擊敗人類。2020年8月，在美國國防部高級研究計(jì)劃局(DARPA)舉辦的“阿爾法狗斗試驗(yàn)”(AlphaDogfight)決賽中，采用深度學(xué)習(xí)模型的蒼鷺系統(tǒng)經(jīng)過40多億次仿真學(xué)習(xí)后，能夠理解人類纏斗的伎倆，并擬定應(yīng)對策略，然后憑借超人類的速度和精度進(jìn)行大偏角射擊，完勝人類。人工智能應(yīng)用浪潮正以摧枯拉朽之勢波及人類社會的方方面面。

2 深度學(xué)習(xí)技術(shù)在偵察情報(bào)領(lǐng)域的應(yīng)用優(yōu)勢

2.1 感知能力與情報(bào)智能化處理

在視覺領(lǐng)域，早在2015年ResNet網(wǎng)絡(luò)模型就在視覺識別挑戰(zhàn)賽中取得3.57%識別錯(cuò)誤率，超越人類的識別水平(5.1%)；到2017年深度學(xué)習(xí)模型在圖像分類、物體檢測及識別等競賽項(xiàng)目中均超越人類。用于視覺感知的深度學(xué)習(xí)模型可直接應(yīng)用于軍事目標(biāo)檢測識別，實(shí)現(xiàn)圖像類情報(bào)的智能、實(shí)時(shí)處理，革命性地提高航空影響情報(bào)的處理速度以及開源圖像、視頻大數(shù)據(jù)的利用率，為無人偵察平臺自主偵察預(yù)警奠定技術(shù)基礎(chǔ)。

在聽覺領(lǐng)域，語音識別技術(shù)可以將人類語音轉(zhuǎn)換成文本，2016年微軟采用卷積神經(jīng)網(wǎng)絡(luò)結(jié)合長短時(shí)記憶(LSTM)網(wǎng)絡(luò)的模型在標(biāo)準(zhǔn)語音識別任務(wù)測試中的錯(cuò)字率降至5.9%，超過普通人的表現(xiàn)，達(dá)到人類專業(yè)速記員水平。2020年谷歌助手提出的基于遞歸神經(jīng)網(wǎng)絡(luò)變換器(RNN-T)的深度學(xué)習(xí)模型，將多人語音識別的錯(cuò)誤率降至2%[2]。對語音的感知能力應(yīng)用在音頻情報(bào)挖掘領(lǐng)域，可通過智能處理識別語音，設(shè)計(jì)輔助指揮官的智能語音助手。

2.2 學(xué)習(xí)能力與智能情報(bào)分析

圖像和視頻是典型的高維非結(jié)構(gòu)化數(shù)據(jù)，偵察衛(wèi)星和偵察機(jī)的航拍圖像動輒幾千萬像素，采用大規(guī)模深層次網(wǎng)絡(luò)結(jié)構(gòu)的深度學(xué)習(xí)模型善于從海量非結(jié)構(gòu)化數(shù)據(jù)中學(xué)習(xí)特征和規(guī)律，且可以直接輸出最終結(jié)果，這種端到端的學(xué)習(xí)能力能夠?qū)崿F(xiàn)特定目標(biāo)或場景的智能情報(bào)分析。

人類具備在任務(wù)間遷移知識的能力，即可通過已知知識解決相關(guān)的未知問題。共享采用大規(guī)模通用公開數(shù)據(jù)集訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，經(jīng)微調(diào)可使其他缺乏訓(xùn)練數(shù)據(jù)的視覺任務(wù)達(dá)到相當(dāng)高的性能，這種遷移學(xué)習(xí)能力可用于提升軍事目標(biāo)的識別效果，文獻(xiàn)[3]采用參數(shù)遷移的方式，在小樣本情況下取得了較高的艦船識別率，為目標(biāo)情報(bào)智能分析提供了可行技術(shù)方案。

更接近生物學(xué)習(xí)本質(zhì)的深度強(qiáng)化學(xué)習(xí)模型可在不斷與環(huán)境的交互中學(xué)習(xí)，通過感知環(huán)境狀態(tài)、反饋獎懲刺激，調(diào)整策略，實(shí)現(xiàn)特定目標(biāo)。各類競技游戲中擊敗人類的深度學(xué)習(xí)模型都用到強(qiáng)化學(xué)習(xí)思想，深度強(qiáng)化學(xué)習(xí)模型可以應(yīng)對多種復(fù)雜場景，可用于建模情報(bào)評估、態(tài)勢預(yù)測等復(fù)雜分析系統(tǒng)。

2.3 認(rèn)知能力與獲情模式變革

以深度學(xué)習(xí)為核心的人工智能系統(tǒng)已經(jīng)在推理、理解、解決問題、計(jì)劃、決策等認(rèn)知領(lǐng)域有了突飛猛進(jìn)的發(fā)展。在自然語言處理領(lǐng)域， 2018年微軟亞洲研究院設(shè)計(jì)的SOTA集成深度學(xué)習(xí)系統(tǒng)在斯坦福問答挑戰(zhàn)賽中首次超越人類表現(xiàn)，2019年DeBERTa深度學(xué)習(xí)模型在SuperGLUE人工智能基準(zhǔn)測試中超越人類基準(zhǔn)線，這標(biāo)志著開源情報(bào)搜集將不再僅依靠簡單的模式匹配，而是可以實(shí)現(xiàn)自動提取文章觀點(diǎn)、理解文本含義、智能預(yù)警監(jiān)控、輿情自動分析、情報(bào)產(chǎn)品自動生成等應(yīng)用。在人機(jī)博弈領(lǐng)域，深度學(xué)習(xí)技術(shù)通過學(xué)習(xí)大量數(shù)據(jù)，獲取推理及規(guī)劃計(jì)劃能力，實(shí)現(xiàn)博弈目標(biāo)，陸續(xù)碾壓各類競賽的人類頂級選手，深度學(xué)習(xí)技術(shù)加持的無人機(jī)可通過實(shí)時(shí)感知戰(zhàn)場環(huán)境、自行規(guī)劃偵察路線實(shí)現(xiàn)自主偵察。

知識圖譜被認(rèn)為是從感知智能通往認(rèn)知智能的重要基石，圖神經(jīng)網(wǎng)絡(luò)可以很好地匹配知識圖譜中帶標(biāo)記的有向?qū)傩詧D數(shù)據(jù)及相關(guān)學(xué)習(xí)任務(wù)，在知識推理、推薦系統(tǒng)、影響預(yù)測、事件檢測、反欺騙以及實(shí)體關(guān)系分析等方面展示出非凡的認(rèn)知能力[4]。將基于異質(zhì)圖神經(jīng)網(wǎng)絡(luò)的消息傳遞與基于強(qiáng)化學(xué)習(xí)的路徑查找和約減相結(jié)合，將成為一種可行的處理復(fù)雜推理的思路，有望在偵察規(guī)劃及態(tài)勢預(yù)測領(lǐng)域發(fā)揮重要作用。

2.4 復(fù)雜問題的普適能力與智能技術(shù)普及

深度神經(jīng)網(wǎng)絡(luò)可依靠已有數(shù)據(jù)調(diào)整網(wǎng)絡(luò)連接權(quán)重(相當(dāng)于函數(shù)參數(shù))，以最優(yōu)解逼近真實(shí)的復(fù)雜函數(shù)。根據(jù)通用近似定理，只要隱藏層神經(jīng)元數(shù)量足夠，深度神經(jīng)網(wǎng)絡(luò)可以近似任意給定的連續(xù)函數(shù)，而利用函數(shù)可以對物理世界的關(guān)系、規(guī)律進(jìn)行建模，因此可以說，深度學(xué)習(xí)技術(shù)可作為解決復(fù)雜系統(tǒng)問題的普適性方法。谷歌大腦2021年1月份公布的一種深度學(xué)習(xí)模型—Switch Transformer[5]參數(shù)量可達(dá)16 000億，訓(xùn)練數(shù)據(jù)集文本量達(dá)到750 G，在自然語言處理領(lǐng)域號稱“無所不能”，可廣泛應(yīng)用于文本類情報(bào)的處理分析。

深度學(xué)習(xí)技術(shù)的特點(diǎn)還決定了其非常易于在新的領(lǐng)域普及。首先，端到端的學(xué)習(xí)模式繞過了特征工程，無需明確劃分不同模塊功能，便可使模型迅速適應(yīng)各種任務(wù)，直接輸出優(yōu)化的任務(wù)總體目標(biāo)；其次，訓(xùn)練好的深度學(xué)習(xí)模型在不同應(yīng)用場景具有很好的可遷移性，可以在目標(biāo)任務(wù)上復(fù)用預(yù)訓(xùn)練模型的部分組件；最后，TensorFlow、Keras、Caffe等通用框架極大地簡化了深度學(xué)習(xí)模型的構(gòu)建，減少了重復(fù)勞動，降低了開發(fā)使用門檻，提高了應(yīng)用效率，極大地方便了深度學(xué)習(xí)技術(shù)在偵察情報(bào)領(lǐng)域的應(yīng)用。

3 深度學(xué)習(xí)技術(shù)對偵察情報(bào)的影響分析

深度學(xué)習(xí)技術(shù)憑借卓越的感知、學(xué)習(xí)及認(rèn)知能力，在偵察情報(bào)工作流程中的各個(gè)環(huán)節(jié)取得成功應(yīng)用，典型深度學(xué)習(xí)模型及其在偵察情報(bào)中的應(yīng)用情況如圖1所示，對軍事偵察情報(bào)領(lǐng)域產(chǎn)生深遠(yuǎn)影響。

圖1 深度學(xué)習(xí)技術(shù)在偵察情報(bào)中的應(yīng)用

3.1 技術(shù)偵察樣式迎來智能化變革

無人化的偵察監(jiān)視平臺實(shí)現(xiàn)了全天候、長航時(shí)、大范圍、多場景的偵察監(jiān)視能力，智能化是在無人化的基礎(chǔ)上具備類似人類的感知、思維及決策能力，實(shí)現(xiàn)自主感知、自主判斷、自主決策。以深度學(xué)習(xí)技術(shù)為核心算法的無人偵察監(jiān)視平臺將具有強(qiáng)大的目標(biāo)自動識別和自主規(guī)劃能力，只需賦予任務(wù)，即可實(shí)時(shí)感知戰(zhàn)場環(huán)境、自行規(guī)劃偵察路線、自主集群協(xié)同、自主完成偵察監(jiān)視任務(wù)等[6]。

美軍特別重視對深度學(xué)習(xí)技術(shù)的培育，DARPA早在2009年就開始資助利用深度學(xué)習(xí)進(jìn)行軍用目標(biāo)識別的技術(shù)，2018年DARPA研發(fā)的新一代遠(yuǎn)程反艦導(dǎo)彈實(shí)現(xiàn)完全自主導(dǎo)航、智能目標(biāo)識別，在加利福尼亞州穆古角附近海域成功擊中了測試目標(biāo)，支撐其脫離外界信息依賴，實(shí)現(xiàn)場景圖像中目標(biāo)識別的核心算法即深度學(xué)習(xí)技術(shù)；在對抗環(huán)境下的目標(biāo)識別與自適應(yīng)項(xiàng)目中，深度學(xué)習(xí)技術(shù)被用于準(zhǔn)確識別雷達(dá)目標(biāo)；在適應(yīng)性雷達(dá)對抗(ARC)項(xiàng)目中，深度神經(jīng)網(wǎng)絡(luò)被用于感知、學(xué)習(xí)、適應(yīng)敵方相控陣?yán)走_(dá)系統(tǒng)，以有效規(guī)避敵方雷達(dá)探測；在強(qiáng)對抗環(huán)境下的目標(biāo)識別和適應(yīng)項(xiàng)目(TRACE)中，深度學(xué)習(xí)技術(shù)被用于解決復(fù)雜戰(zhàn)場環(huán)境下目標(biāo)的低虛警率、提高有限訓(xùn)練樣本下的目標(biāo)識別能力等問題。

深度學(xué)習(xí)技術(shù)使得大規(guī)模自主集群成為可能。2019年也門胡賽武裝僅出動10架無人機(jī)的“蜂群”，對沙特石油加工設(shè)施的襲擊癱瘓了其近一半的石油加工能力，對全球經(jīng)濟(jì)造成嚴(yán)重影響。2020年納卡沖突中，阿塞拜疆運(yùn)用由人控制的無人機(jī)“蜂群”對亞美尼亞地面裝甲部隊(duì)及火箭發(fā)射系統(tǒng)造成毀滅性打擊。這兩個(gè)戰(zhàn)例中無人機(jī)集群規(guī)模較小，由地面人員操控即可實(shí)現(xiàn)協(xié)同，但集群協(xié)同發(fā)揮的戰(zhàn)斗力令人生畏。在以深度學(xué)習(xí)為代表的智能算法加持下，自主集群可依靠規(guī)模產(chǎn)生非線性的涌現(xiàn)效應(yīng)。2020年美海軍宣布正在開發(fā)規(guī)模達(dá)100萬架的超級“蜂群”，超級“蜂群”的偵察情報(bào)能力及作戰(zhàn)能力將達(dá)到前所未有的高度，由人來控制如此規(guī)模的集群將是不可完成的任務(wù)，依托深度學(xué)習(xí)技術(shù)的自主態(tài)勢感知、目標(biāo)識別、情報(bào)融合及智能決策將成為支撐蜂群戰(zhàn)術(shù)的基礎(chǔ)。例如，將無人機(jī)的動作、坐標(biāo)、速度等狀態(tài)參數(shù)構(gòu)成高維狀態(tài)矩陣，作為輸入數(shù)據(jù)，將監(jiān)視面積覆蓋率、目標(biāo)圖像清晰度、隱身效果等作為獎勵函數(shù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，是解決無人機(jī)智能協(xié)同和航路規(guī)劃問題的可行方案。未來的“蜂群”在深度學(xué)習(xí)技術(shù)加持下，將成為改變戰(zhàn)場態(tài)勢的決定性力量。

3.2 人力情報(bào)模式受到顛覆性影響

基于深度學(xué)習(xí)的人臉識別、語音識別及行為識別技術(shù)已經(jīng)普遍用于身份認(rèn)證，基于出行、購物、訪問等數(shù)據(jù)的各類深度學(xué)習(xí)推薦系統(tǒng)可輕而易舉地獲取一個(gè)人的行動軌跡、工作情況乃至生活及健康狀態(tài)，互聯(lián)網(wǎng)用戶的個(gè)人經(jīng)歷數(shù)據(jù)將無法抹去，通過深度神經(jīng)網(wǎng)絡(luò)可對個(gè)人或特定群體大數(shù)據(jù)進(jìn)行學(xué)習(xí)建模，用于監(jiān)測個(gè)體或群體異常行為，相關(guān)數(shù)據(jù)包括位置信息、通訊信息、上網(wǎng)記錄以及無處不在的攝像頭捕捉到的個(gè)人信息等。傳統(tǒng)掩護(hù)方式在大數(shù)據(jù)時(shí)代無所遁形，以往靠“打入”方式獲取情報(bào)的模式將很容易被對方反情報(bào)部門偵獲，而“拉出”的對象表現(xiàn)出的異常也很容易被察覺。

科幻劇《西部世界》中的“雷荷波”系統(tǒng)在學(xué)習(xí)了足夠的人類歷史和行為數(shù)據(jù)后可以預(yù)測出每個(gè)人的人生軌跡。在現(xiàn)實(shí)世界中，針對高價(jià)值人物，通過專門搜集掌握的個(gè)人工作生活、社會關(guān)系乃至性格特點(diǎn)等數(shù)據(jù)建立的人類行為計(jì)算模型，可以預(yù)測一個(gè)人的時(shí)空軌跡。美國在追蹤本·拉登過程中就運(yùn)用了帕拉蒂爾公司的大數(shù)據(jù)關(guān)聯(lián)分析技術(shù)和人類行為計(jì)算模型，通過鎖定其信使艾哈邁德，定位了拉登藏身之地。2021年1月， 伊朗“圣城旅”指揮官蘇萊曼尼被美國斬首，對其時(shí)空軌跡的掌握離不開數(shù)年前就啟動的對其個(gè)人及相關(guān)人員的行為計(jì)算模型，可能囊括了蘇萊曼尼本人及關(guān)系人的各種來源的情報(bào)。這類預(yù)測模型需要從大量多源異構(gòu)數(shù)據(jù)中學(xué)習(xí)建模，深度學(xué)習(xí)技術(shù)是目前解決這一問題的最有效算法。

融合深度神經(jīng)網(wǎng)絡(luò)和概率圖模型的生成對抗網(wǎng)絡(luò)可擬合復(fù)雜高維的數(shù)據(jù)分布，通過對抗訓(xùn)練的方式生成服從真實(shí)數(shù)據(jù)分布的逼真樣本，采用該模型可生成逼真的人臉圖像或戰(zhàn)場環(huán)境，成為解決部分應(yīng)用場景中訓(xùn)練數(shù)據(jù)缺乏問題的利器?；谏蓪咕W(wǎng)絡(luò)的深度偽造技術(shù)使電子偵察、反情報(bào)和情報(bào)對抗模式發(fā)生深刻變革，將生成對抗網(wǎng)絡(luò)用在干擾機(jī)中可生成逼真的電子信號，可使對方受擾雷達(dá)飽和過載或誤判目標(biāo)位置；采用該技術(shù)制作并發(fā)布虛假音視頻信息變得很容易，逼真的假情報(bào)不僅可以誤導(dǎo)敵方，還可用于發(fā)動網(wǎng)絡(luò)心理戰(zhàn)[7]。2019年香港“修例風(fēng)波”中，境外勢力就曾使用深度學(xué)習(xí)等技術(shù)偽造視頻，將“抗議者”投擲汽油彈的視頻偽造成警察投擲汽油彈，造成惡劣影響。

3.3 情報(bào)處理能力得到跨越式提升

基于深度學(xué)習(xí)的自然語言處理、視覺識別以及數(shù)據(jù)挖掘技術(shù)可直接用于海量多源異構(gòu)數(shù)據(jù)的處理分析。數(shù)以EB的公開來源數(shù)據(jù)中蘊(yùn)含著大量有價(jià)值的情報(bào)，深度學(xué)習(xí)技術(shù)是目前開采開源“金礦”的最有效工具，深度學(xué)習(xí)技術(shù)從海量數(shù)據(jù)中挖掘情報(bào)、發(fā)現(xiàn)規(guī)律的能力是人類難以比擬的，強(qiáng)大的情報(bào)處理能力使開源情報(bào)作用更加凸顯[8]。

美軍處理一架“捕食者”無人機(jī)一天搜集的視頻數(shù)據(jù)就需要19名情報(bào)分析人員，美國國家地理空間情報(bào)局表示在20年內(nèi)將需要雇傭800萬人才能處理所獲取的衛(wèi)星影像數(shù)據(jù)。SSD、YOLO等單階段區(qū)域卷積神經(jīng)網(wǎng)絡(luò)模型在兼顧精度的同時(shí)可大幅提高檢測速度，非常適用于航拍圖像中的多尺度目標(biāo)檢測及實(shí)時(shí)圖像識別。DARPA“專家計(jì)劃”成果已于2017年4月在美軍非洲司令部試用，能將無人機(jī)獲取的原始監(jiān)視數(shù)據(jù)轉(zhuǎn)變?yōu)榭芍苯庸┲笓]官參考的情報(bào)。密蘇里大學(xué)針對遙感圖像訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)可以在42 min內(nèi)定位中國東南部的防空導(dǎo)彈基地，準(zhǔn)確率達(dá)到90%，而沒有經(jīng)驗(yàn)的圖像分析人員完成這項(xiàng)任務(wù)需要大約60 h，準(zhǔn)確率與該算法相當(dāng)。DARPA 于2021年1月啟動的ASTARTE項(xiàng)目作為“馬賽克戰(zhàn)”計(jì)劃的一部分，旨在利用深度學(xué)習(xí)等技術(shù)快速處理各種傳感器獲取的海量數(shù)據(jù)。針對音頻數(shù)據(jù)，基于深度神經(jīng)網(wǎng)絡(luò)的語音識別錯(cuò)誤率已經(jīng)低于2%；針對文本數(shù)據(jù)，基于深度學(xué)習(xí)的自然語言處理能力更是一日千里，從循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)、LSTM到Transformer模型，參數(shù)數(shù)量呈指數(shù)級增長，模型性能跨越式提升， Switch Transformer模型參數(shù)量達(dá)到16 000億，可輕松學(xué)習(xí)上萬億單詞量的開源文本信息，可用于實(shí)時(shí)回答指揮員需要的知識性問題，可基于海量開源數(shù)據(jù)生成針對某一專題的解釋說明類情報(bào)產(chǎn)品，實(shí)現(xiàn)超大規(guī)模文本情報(bào)資料的關(guān)聯(lián)、聚類、分類、信息抽取、摘要提取以及情報(bào)挖掘結(jié)果可視化等功能。

3.4 情報(bào)分析方式實(shí)現(xiàn)革命性蛻變

傳統(tǒng)的情報(bào)分析人員花費(fèi)大量時(shí)間精力從圖像或視頻中尋找目標(biāo)，這種極其耗費(fèi)精力但任務(wù)目標(biāo)明確的分析工作是深度學(xué)習(xí)最擅長的。美軍相關(guān)專家研究認(rèn)為，大數(shù)據(jù)技術(shù)可以幫助其提高100倍情報(bào)分析和自主決策能力。這種說法并不夸張，數(shù)據(jù)的規(guī)模和維度是限制人腦分析情報(bào)的重要因素，單靠人力很難在海量的數(shù)據(jù)中尋找規(guī)律和線索，而深度學(xué)習(xí)技術(shù)正是基于大數(shù)據(jù)的分析技術(shù)，深度神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的特征提取能力，特征提取的本質(zhì)就是過濾冗余信息、挖掘出有用信息的過程，這和情報(bào)分析的目標(biāo)不謀而合。按照流形分布定律，自然界中同一類別的高維數(shù)據(jù)往往集中在某個(gè)低維流形附近，深度神經(jīng)網(wǎng)絡(luò)只需猜測流形的存在性和大致維數(shù)就能夠自動學(xué)習(xí)數(shù)據(jù)的流形結(jié)構(gòu)，以此發(fā)現(xiàn)人類難以找到的共性，這種學(xué)習(xí)數(shù)據(jù)的低維特征表示的能力非常適用于目標(biāo)探測、分類識別和聚類分析。基于深度學(xué)習(xí)的智能系統(tǒng)可將各類偵察監(jiān)視裝備獲取的海量多源異構(gòu)數(shù)據(jù)加工成可理解的初級情報(bào)產(chǎn)品，這不僅大幅提高了情報(bào)分析效率，還將情報(bào)分析人員從高強(qiáng)度低水平勞動中解放出來，全身心致力于發(fā)揮人類的思考及創(chuàng)造能力優(yōu)勢，提高綜合研判及預(yù)測評估水平。

DARPA于2018年3月啟動了“羅盤”項(xiàng)目，旨在通過搜集大量情報(bào)，為作戰(zhàn)人員提供強(qiáng)大的情報(bào)分析和決策支持工具，2020年3月，項(xiàng)目測試了雷聲公司、系統(tǒng)技術(shù)研究公司和洛克希德·馬丁公司提供的三種原型系統(tǒng)，展示了利用人工智能提升情報(bào)分析效果的能力。2021年5月，以色列在“護(hù)墻行動”中使用了福音情報(bào)分析系統(tǒng)，其核心技術(shù)就是學(xué)習(xí)了大量涉及加沙地帶恐怖組織的聲像情報(bào)、通信信號等數(shù)據(jù)的深度學(xué)習(xí)模型，該系統(tǒng)可以自動分析出高質(zhì)量的打擊目標(biāo)，幫助以軍對作戰(zhàn)目標(biāo)實(shí)施了密集精確的打擊，以色列軍方稱先進(jìn)技術(shù)及新的作戰(zhàn)方法使其作戰(zhàn)能力倍增。

3.5 偵察情報(bào)效率趨近體系化極限

從偵察、監(jiān)視及情報(bào)工作方案制定到情報(bào)獲取、處理、分析，再到情報(bào)產(chǎn)品生成、上報(bào)分發(fā)，深度學(xué)習(xí)技術(shù)的引入，提高了各環(huán)節(jié)的智能化程度，在體系作戰(zhàn)中，近實(shí)時(shí)的處理、分析、傳輸使偵察情報(bào)工作運(yùn)轉(zhuǎn)效率趨近極限。

美軍分布式通用地面系統(tǒng)可快速處理、分發(fā)從各種偵察監(jiān)視平臺傳送來的情報(bào)，在2003年伊拉克戰(zhàn)場上，第一代DCGS系統(tǒng)(分布式通用地面系統(tǒng))從對接偵察傳感器到完成目標(biāo)定位僅需幾分鐘，而海灣戰(zhàn)爭中偵察衛(wèi)星情報(bào)傳送到前線需要12～24 h。整合各類型情報(bào)系統(tǒng)增強(qiáng)了情報(bào)共享和融合能力，但增加了數(shù)據(jù)量，海量數(shù)據(jù)的處理分析需要深度學(xué)習(xí)技術(shù)的支撐，新一代的分布式通用地面系統(tǒng)陸軍版(DCGS-A)[9]在各環(huán)節(jié)深度融入深度學(xué)習(xí)技術(shù)，旨在為所有層次的指揮官和情報(bào)分析人員按需、實(shí)時(shí)提供準(zhǔn)確的情報(bào)產(chǎn)品。2017年4月，美國國防部專門成立“算法戰(zhàn)跨職能小組”，旨在將將大量數(shù)據(jù)快速轉(zhuǎn)換為有價(jià)值的情報(bào)，其中專門提到加快深度學(xué)習(xí)技術(shù)的應(yīng)用。2020年9月，美軍天基情報(bào)處理系統(tǒng)在深度學(xué)習(xí)技術(shù)加持下，在“融合計(jì)劃2020”演習(xí)中實(shí)現(xiàn)了偵察衛(wèi)星數(shù)據(jù)的快速處理，并將目標(biāo)信息實(shí)時(shí)傳遞給火控單元，將“發(fā)現(xiàn)-打擊”周期從15 min縮短到1 min以內(nèi)，基本實(shí)現(xiàn)“發(fā)現(xiàn)即摧毀”。在智能化主導(dǎo)的體系作戰(zhàn)中，各類察打一體、情指一體平臺凸顯了偵察情報(bào)的作戰(zhàn)屬性，一體化的偵察情報(bào)系統(tǒng)輔以基于深度學(xué)習(xí)的輔助分析決策系統(tǒng)，使OODA環(huán)中觀察、判斷、決策環(huán)節(jié)快速提升，直至達(dá)到近實(shí)時(shí)的狀態(tài)，將偵察情報(bào)與作戰(zhàn)行動融為一體；另一方面，戰(zhàn)爭的主要形式可能由熱戰(zhàn)轉(zhuǎn)變?yōu)榫W(wǎng)絡(luò)戰(zhàn)、認(rèn)知戰(zhàn)和輿論戰(zhàn)，屆時(shí)偵察情報(bào)將成為未來戰(zhàn)爭的主體。

4 基于深度學(xué)習(xí)技術(shù)的偵察情報(bào)樣式展望

(1)自主偵察監(jiān)視

依托基于深度學(xué)習(xí)的圖像分割和場景理解技術(shù)判斷戰(zhàn)場環(huán)境，利用目標(biāo)檢測識別技術(shù)確定關(guān)鍵目標(biāo)，只需賦予任務(wù)，便可根據(jù)任務(wù)特點(diǎn)、地形、地圖、目標(biāo)歷史軌跡、氣象等數(shù)據(jù)自主規(guī)劃航路，發(fā)現(xiàn)目標(biāo)自動預(yù)警、自主規(guī)避，記錄盲區(qū)和特殊事件并重新規(guī)劃偵察路線。

(2)集群協(xié)同偵察

利用無人偵察單元的動作、坐標(biāo)、速度等狀態(tài)數(shù)據(jù)，加上監(jiān)視視場、目標(biāo)清晰度、隱身效果等性能參數(shù)以及臨近單元的狀態(tài)和性能數(shù)據(jù)訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，可以進(jìn)行實(shí)時(shí)情報(bào)融合、自主態(tài)勢感知，以完成設(shè)定任務(wù)為目標(biāo)，依據(jù)態(tài)勢信息自主決策、科學(xué)分工、互通信息、協(xié)同互補(bǔ)，實(shí)現(xiàn)超大規(guī)模智能集群協(xié)同偵察。

(3)智能批量處理

針對遙感圖像、航空圖像以及開源情報(bào)，依據(jù)任務(wù)要求訓(xùn)練基于深度學(xué)習(xí)的目標(biāo)識別、實(shí)例分割及自然語言處理等模型，能夠大幅壓減智能偵察平臺或公開來源獲取的冗余數(shù)據(jù)，降低存儲、傳輸及后續(xù)處理壓力；依托后臺大數(shù)據(jù)處理中心對特定目標(biāo)、事件或主題的提取無需人工干預(yù)，可實(shí)現(xiàn)聲像情報(bào)的結(jié)構(gòu)化，文本類情報(bào)的深度挖掘，以及快速查找和自動分類。

(4)智能輔助分析

深度學(xué)習(xí)技術(shù)能夠?qū)W到海量高維數(shù)據(jù)的流形結(jié)構(gòu)，提取數(shù)據(jù)中蘊(yùn)含的本質(zhì)特征。這種能力使基于深度學(xué)習(xí)的智能輔助分析工具可以在海量數(shù)據(jù)中挖掘出人力難以企及的規(guī)律和線索，針對某些特定需求(如長期關(guān)注的某個(gè)專題)訓(xùn)練的深度學(xué)習(xí)模型可以直接生成初級情報(bào)產(chǎn)品，輔以自然語言理解、場景理解、回歸預(yù)測等技術(shù)，甚至可以生成為決策提供支撐的重要情報(bào)產(chǎn)品。

(5)人物行為評估

針對特定任務(wù)，搜集所有關(guān)系人的位置、行為軌跡、通信記錄、網(wǎng)絡(luò)瀏覽記錄等信息，利用這些信息訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型，可用于發(fā)現(xiàn)行為規(guī)律、可疑線索或異常行為。針對關(guān)鍵重要人物，通過積累與其相關(guān)的所有可用情報(bào)信息，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型可用于評估其性格特點(diǎn)，預(yù)測其可能的行為或決策。

(6)超級情報(bào)參謀

學(xué)習(xí)了數(shù)萬億字文本的深度學(xué)習(xí)模型能夠理解消化人類文明積累的海量知識，能夠歸納綜合各類情報(bào)資料的內(nèi)容，實(shí)時(shí)精確回答指揮員的知識性問題，全面監(jiān)控網(wǎng)絡(luò)輿情態(tài)勢，深度評估多源情報(bào)，客觀生成可能結(jié)果的概率，科學(xué)預(yù)測戰(zhàn)場態(tài)勢變化，快速評估作戰(zhàn)方案的效果，是名副其實(shí)的“超級情報(bào)參謀”。

(7)深度戰(zhàn)術(shù)欺騙

從雷達(dá)信號、通信信號到音視頻及圖像情報(bào)，都是深度學(xué)習(xí)模型可以偽造的對象?；谏疃葘W(xué)習(xí)的深度偽造技術(shù)顛覆了“眼見為實(shí)”的傳統(tǒng)認(rèn)知，低廉的欺騙成本和高度逼真的偽造效果使得“欺騙”在戰(zhàn)術(shù)層面無處不在，同時(shí)，同樣基于深度學(xué)習(xí)的防偽鑒定技術(shù)則成為各級指揮員鑒定真?zhèn)伪貍涞摹盎鹧劢鹁Α薄?/p>

(8)實(shí)時(shí)按需分發(fā)

不僅能滿足針對預(yù)設(shè)支援關(guān)系的分發(fā)需求，基于深度學(xué)習(xí)技術(shù)的智能分發(fā)系統(tǒng)可以通過理解情報(bào)內(nèi)容，結(jié)合各需求單元的職責(zé)任務(wù)、當(dāng)前狀態(tài)及打擊能力，實(shí)現(xiàn)按需實(shí)時(shí)分發(fā)，最大限度地縮短“發(fā)現(xiàn)-打擊”周期，提升體系作戰(zhàn)能力。

(9)情指深度融合

深度學(xué)習(xí)技術(shù)可以用在偵察情報(bào)計(jì)劃制定、情報(bào)獲取、處理、分析以及情報(bào)產(chǎn)品生成、上報(bào)分發(fā)等各環(huán)節(jié)，大幅提高偵察情報(bào)過程的智能化程度和處理時(shí)間，各類察打一體、自主協(xié)同、實(shí)時(shí)感知及智能決策平臺在體系作戰(zhàn)中發(fā)揮著越來越重要的作用，情指深度融合趨勢不可阻擋，最終將促成觀察、判斷、決策、打擊融為一體。

5 結(jié) 語

深度學(xué)習(xí)技術(shù)的快速發(fā)展推動智能化時(shí)代加速到來，戰(zhàn)爭形態(tài)加速演變，對軍事偵察情報(bào)領(lǐng)域產(chǎn)生深遠(yuǎn)影響。深度學(xué)習(xí)技術(shù)卓越的感知、學(xué)習(xí)及認(rèn)知能力非常契合偵察、監(jiān)視及情報(bào)處理分析等應(yīng)用需求，世界主要軍事強(qiáng)國均非常重視深度學(xué)習(xí)相關(guān)技術(shù)的應(yīng)用，特別是美軍依托專門機(jī)構(gòu)精準(zhǔn)投入大量研發(fā)經(jīng)費(fèi)的做法，有效引導(dǎo)了深度學(xué)習(xí)技術(shù)的研究及軍事應(yīng)用。立足深度學(xué)習(xí)的技術(shù)特點(diǎn)及外軍的研發(fā)應(yīng)用情況，分析深度學(xué)習(xí)技術(shù)對軍事偵察情報(bào)領(lǐng)域的影響，展望基于深度學(xué)習(xí)技術(shù)的偵察情報(bào)行動樣式，對我國發(fā)展智能化偵察情報(bào)體系具有重要的參考借鑒意義。