人工智能技術(shù)在航天裝備領(lǐng)域應(yīng)用探討 *

姚保寅，毛磊，王智斌

（航天科工集團智能科技研究院有限公司，北京 100041）

0 引言

大數(shù)據(jù)、云計算、人工智能（artificial intelligence，AI）等高新技術(shù)促進了航天事業(yè)飛速發(fā)展，加速了可回收火箭、智能遙感衛(wèi)星、新型載人飛船、太空機器人等一系列新型高科技航天裝備落地應(yīng)用，初步展現(xiàn)了人工智能技術(shù)+航天的時代雛形［1-6］。自2006 年深度學習取得突破以來，人工智能因可感知或認知外界環(huán)境并產(chǎn)生交互，可自我學習，有望進一步提升航天裝備可靠性、快速性及自主性，實現(xiàn)航天活動能力質(zhì)的飛躍［7-8］。人工智能在航天裝備領(lǐng)域的應(yīng)用，涉及運載火箭、衛(wèi)星、載人飛船、太空態(tài)勢感知裝備等方面［9-12］。本文重點討論人工智能在軍事航天裝備領(lǐng)域的應(yīng)用。

世界各主要強國均大力推進航天裝備的智能化戰(zhàn)略，人工智能技術(shù)在航天裝備領(lǐng)域的應(yīng)用成為國內(nèi)外研究熱點。Gianluca Furano 重點探討了人工智能技術(shù)在遙感、導(dǎo)航以及航天器健康監(jiān)測等航天裝備原位測量中的應(yīng)用［13］。郝曉龍等分析了智能航天體系的概念內(nèi)涵及架構(gòu)［14］。然而，當前研究大多從航天裝備的某幾個具體應(yīng)用點展開討論，從進入太空、利用太空、控制太空維度，系統(tǒng)全面分析人工智能在航天裝備領(lǐng)域應(yīng)用的較少。

本文在簡要分析航天裝備領(lǐng)域?qū)θ斯ぶ悄芗夹g(shù)需求、人工智能技術(shù)發(fā)展態(tài)勢以及人工智能航天裝備應(yīng)用發(fā)展態(tài)勢的基礎(chǔ)上，對應(yīng)進入/利用/控制太空，從運載火箭、衛(wèi)星遙感、衛(wèi)星通信、載人飛船、太空態(tài)勢感知等方面，系統(tǒng)研究人工智能在航天裝備領(lǐng)域應(yīng)用場景，探討人工智能在航天裝備領(lǐng)域應(yīng)用發(fā)展趨勢。

1 需求分析

智能化戰(zhàn)爭條件下，航天任務(wù)復(fù)雜度將進一步增加，特別是長時間、遠距離探測以及多航天器編隊協(xié)同等，對航天裝備可靠性、快速性及自主性等提出了很高要求。航天裝備領(lǐng)域人工智能技術(shù)發(fā)展需求體現(xiàn)在以下幾方面（圖1）。

圖1 人工智能航天裝備領(lǐng)域應(yīng)用的需求分析Fig. 1 Demand analysis of AI applications in space equipment

一是運載火箭快速低成本發(fā)射的需求。構(gòu)建快速響應(yīng)空間體系，要求運載火箭在緊急情況時，不受發(fā)射環(huán)境影響，快速部署、增強、重構(gòu)、補充、維護空間系統(tǒng)。借助人工智能技術(shù)，實現(xiàn)快速低成本發(fā)射，是提高進入空間能力的必然要求。二是衛(wèi)星數(shù)據(jù)處理和多星編隊協(xié)同的需求。借助人工智能技術(shù)，提高衛(wèi)星數(shù)據(jù)利用率和星群自適應(yīng)能力，是未來衛(wèi)星在太空環(huán)境執(zhí)行任務(wù)的必然要求。三是航天員降低人身安全意外風險的需求。借助人工智能技術(shù)，實現(xiàn)載人飛船和空間站等的智能決策和控制，是降低載人航天風險的必然要求。四是航天器長期可靠運行的需求。復(fù)雜航天器是由大量元器件和軟件組成，在長期運行中，難免出現(xiàn)元器件故障和軟件不完善，借助人工智能技術(shù)，實現(xiàn)航天器智能診斷和維護，是提高航天器可靠性的必然要求。五是隨著太空微小目標的日漸增多，對現(xiàn)有空間監(jiān)視系統(tǒng)的探測精度、搜索覆蓋率以及探測速度提出了更高的要求。借助人工智能技術(shù)，提高探測水平，是提高太空感知能力的要求。

2 發(fā)展態(tài)勢

2.1 技術(shù)發(fā)展態(tài)勢

人工智能概念自1956 年首次被提出，至今已經(jīng)歷了3 次發(fā)展浪潮，并在自然語言理解、類腦計算、機器學習、人機交互、運動控制等多項關(guān)鍵技術(shù)方面取得豐碩成果，并呈現(xiàn)出向自主無人化方向發(fā)展、向人機結(jié)合方向發(fā)展、向分布式群體智能方向發(fā)展、向多語言處理等跨媒體方向發(fā)展等態(tài)勢［15］。

雖然主流人工智能仍處于依賴大量數(shù)據(jù)、基于統(tǒng)計方法、適用于特定任務(wù)的弱人工智能階段，但是強人工智能布局已初現(xiàn)端倪。美國國防高級研究計劃局（DARPA）于2018 年啟動“下一代人工智能”（AI Next）項目，開啟強人工智能探索，計劃5 年內(nèi)投資20 億美元，旨在構(gòu)建具備自我意識和邏輯推理能力的人工智能工具［16］。此外，美國等發(fā)達國家積極開展類腦科學研究，通過開發(fā)類腦新型計算芯片等硬件手段，和使智能計算模型在結(jié)構(gòu)或認知/學習行為上更加類腦等軟件手段，推動強人工智能探索。

2.2 應(yīng)用發(fā)展態(tài)勢

主要強國紛紛加強頂層規(guī)劃，促進人工智能在航天裝備領(lǐng)域應(yīng)用［17］。美國前國防部代理部長沙納漢2019 年強調(diào)太空發(fā)展局應(yīng)利用人工智能機器學習技術(shù)發(fā)展獨立作戰(zhàn)能力，建立彈性太空體系架構(gòu)等［18］，而太空司令部2021 年則進一步表示將利用人工智能維持“數(shù)字優(yōu)勢”，奪取制天權(quán)［19］。加拿大2019 年3 月發(fā)布的新版太空戰(zhàn)略強調(diào)建設(shè)基于人工智能的太空機器人等［20］。日本根據(jù)《防衛(wèi)白皮書》要求，于2020 年正式建立太空部隊，強調(diào)利用人工智能技術(shù)發(fā)展無人裝備［21］。

人工智能技術(shù)在航天裝備領(lǐng)域預(yù)算投入集中在衛(wèi)星和航天器，以圖像處理最為活躍。從人工智能應(yīng)用于航天裝備領(lǐng)域的技術(shù)途徑來看，有機器學習、類腦計算、人機交互等，目前以機器學習尤其是深度學習、強化學習為主，且應(yīng)用最為成熟，可使航天裝備從大量原始數(shù)據(jù)中提取深層次特征，并提升決策能力。類腦計算［22-23］和人機交互等人工智能關(guān)鍵技術(shù)在航天裝備領(lǐng)域應(yīng)用尚處于探索階段。

3 典型應(yīng)用場景

按照進入太空、利用太空和控制太空的維度，人工智能在航天裝備領(lǐng)域的應(yīng)用主要體現(xiàn)在運載火箭、衛(wèi)星、載人飛船和太空態(tài)勢感知等方面（圖2）。

圖2 人工智能技術(shù)在航天裝備領(lǐng)域應(yīng)用體系Fig. 2 Application architecture of AI in space equipment

3.1 人工智能在運載火箭領(lǐng)域的應(yīng)用

人工智能技術(shù)在運載火箭中的應(yīng)用包含一次性運載火箭的發(fā)射支持、子級落區(qū)控制［24］以及重復(fù)性運載火箭的著陸相關(guān)輔助裝備。以日本的“艾普斯龍”（Epsilon）三級固體運載火箭［25］（圖3）的自動發(fā)射操作技術(shù)和“獵鷹”-9 火箭的著陸技術(shù)為代表。

圖3 “艾普斯龍”自動/自主檢測系統(tǒng)Fig. 3 Automatic/autonomous checking system of Epsilon rocket

3.1.1 一次性運載火箭的快速發(fā)射

日本“艾普斯龍”三級固體運載火箭采用人工智能自動檢測技術(shù)以及高速網(wǎng)絡(luò)，提高發(fā)射操作自動化水平，大幅縮短火箭發(fā)射準備時間，從接到發(fā)射命令到完成火箭發(fā)射僅需6 天。其基于人工智能的自動檢測技術(shù)包括：自動執(zhí)行程序、判斷閾值、記錄作業(yè)的功能；進行動態(tài)模擬數(shù)據(jù)趨勢評價、確定故障部位等的功能。這些技術(shù)未來在洲際彈道導(dǎo)彈中也具有潛在的應(yīng)用價值。

此外，也有研究人員基于加法標度的變可信度（variable-fidelity model，VFM）模型和分層Kriging 模型（Hierarchical Kriging，HK）的氣動特性人工智能預(yù)測方法，應(yīng)用于低成本和快速的運載火箭子級柵格舵落區(qū)控制中［26-27］。

3.1.2 重復(fù)性運載火箭的自主降落

美國SpaceX 公司在“獵鷹”-9 系列火箭中，利用人工智能強化學習技術(shù)和蒙特卡羅方法，結(jié)合反饋控制器，指導(dǎo)火箭選擇最優(yōu)彈道方案著陸，完成自動轉(zhuǎn)向等操作，大幅減少了地面專家操控的工作量。

研究人員首先設(shè)置了一個與“獵鷹”-9 火箭降落環(huán)境交互的“代理”，它的初始狀態(tài)對環(huán)境一無所知。初始輸入是火箭的水平、垂直速度、角速度以及與垂直軸的夾角等。評估函數(shù)是火箭在下落過程是否以垂直姿態(tài)、較小速度降落和較小燃料消耗等，還需考慮火箭是否損毀和接近著陸點。通過不斷訓練迭代約20 萬次，形成高度智能化的控制算法（圖4）。

圖4 “獵鷹”-9 系列火箭應(yīng)用強化學習技術(shù)實現(xiàn)著陸智能控制Fig. 4 Reinforcement learning for SpaceX’s self-landing rocket Falcon 9

此外，美國桑迪亞國家實驗室（Sandia）還將人工智能模式識別等技術(shù)用于高超聲速飛行器的路徑規(guī)劃和飛行控制。

3.2 人工智能在衛(wèi)星中的應(yīng)用

人工智能技術(shù)在衛(wèi)星中的應(yīng)用包括衛(wèi)星圖像等數(shù)據(jù)的智能處理，大幅提高分析速度；衛(wèi)星通信中智能頻譜分配，實現(xiàn)高可靠通信和頻譜資源的高效利用；衛(wèi)星編隊協(xié)同任務(wù)的智能控制，完成復(fù)雜航天任務(wù)等。

3.2.1 對地觀測數(shù)據(jù)的快速處理

人工智能對地觀測應(yīng)用涉及光學和合成孔徑雷達（synthetic aperture radar，SAR）等多種手段，其中以光學對地觀測應(yīng)用更為普遍［3-4，28-30］。其具體的應(yīng)用場景包括開發(fā)先進圖像處理算法，高效分析靜態(tài)目標；推動對地觀測視頻分析，快速識別動態(tài)目標；探索地面站人機交互［31-32］，促進流程管理自動化；探索多星協(xié)同作業(yè)，提升對地觀測效率；探索單星原位數(shù)據(jù)處理，實現(xiàn)智能圖像分發(fā)等［5］。

密蘇里大學曾于2017 年基于深度學習算法，45 min 內(nèi)在9 萬km2區(qū)域搜索到90 個地空導(dǎo)彈基地，是傳統(tǒng)人類視覺搜索效率的80 多倍，定位準確度可達90%，與人工視覺搜索相同。除深度學習外，類腦計算是人工智能應(yīng)用于對地觀測的另一項關(guān)鍵技術(shù)，具有超低功耗和超低延時特性。美國空軍授予IBM 合同，研發(fā)“真北”類腦計算芯片（圖5），可幫助衛(wèi)星等更智能地識別坦克或防空系統(tǒng)等車輛，而功耗不到原來的1/5［33-35］。

圖5 “真北”類腦芯片及其組成的系統(tǒng)Fig. 5 Brain-like TrueNorth chip and its system

運用人工智能技術(shù)直接在太空中對衛(wèi)星對地觀測數(shù)據(jù)進行原位處理，可以減少傳回地面的數(shù)據(jù)量，降低成本。ESA 于2020 年9 月成功發(fā)射歐洲首顆對地觀測6U 立方星Phi-sat-1。該星搭載英特爾Myriad 人工智能視覺處理器（圖6），功耗僅1 W，基于深度學習算法，可實現(xiàn)在軌數(shù)據(jù)處理并自動過濾不可用數(shù)據(jù)。

圖6 英特爾Myriad 人工智能視覺處理器Fig. 6 Intel Myriad vision processing unit using AI

3.2.2 衛(wèi)星通信的智能頻譜分配及抗干擾

NASA 正探索將人工智能技術(shù)（包括認知無線電）用于航天器之間以及地面站之間的通信。認知無線電技術(shù)，通過感知外界環(huán)境、使用人工智能技術(shù)從環(huán)境中學習，實時改變傳輸功率、載波頻率和調(diào)制技術(shù)等操作參數(shù)，使其內(nèi)部狀態(tài)適應(yīng)接收到的無線信號統(tǒng)計變化，從而實現(xiàn)任何時間、任何地點的高可靠通信以及頻譜資源高效利用。其本質(zhì)即通過頻譜感知和系統(tǒng)學習能力，實現(xiàn)動態(tài)頻譜分配和頻譜共享。

認知無線電無須人類干預(yù)即可發(fā)現(xiàn)電磁頻譜中未得到充分利用部分或者“白空間”向地面?zhèn)鬏斂茖W和探索數(shù)據(jù)。搭載在國際空間站的NASA 空間通信與導(dǎo)航（SCaN）試驗臺（圖7）旨在為研究人員在空間環(huán)境測試認知無線電提供試驗平臺。國際空間站目前搭載有各種天線、設(shè)備儀器以及3 臺軟件定義無線電臺。

圖7 NASA 空間通信與導(dǎo)航（SCaN）試驗臺Fig. 7 Space communications and navigation （SCAN）testbed of NASA

此外，隨著衛(wèi)星頻段的日益擁擠，衛(wèi)星通信干擾也越來越多。為此，研究人員擬將人工智能用于衛(wèi)星-地面網(wǎng)絡(luò)中的移動終端和基站，提出綜合運用不同人工智能方法的框架，包括在衛(wèi)星選擇、天線指向和跟蹤中，采用無監(jiān)督學習、深度強化學習（deep reinforcement learning，DRL）和 支 持 向 量 機（support vector machine，SVM）等。常用的信號探測分類方法包括長短期記憶（long short-term memory，LSTM）和深度神經(jīng)網(wǎng)絡(luò)自編碼器（DNN AE）等。

長短期記憶［36-37］人工智能方法是一種自動實時干擾探測的方法，在歷史無異常頻譜上進行訓練，以預(yù)測將要接收的后續(xù)信號頻譜。隨后，基于設(shè)計好的度量機制，比較實際接收信號和預(yù)測的頻譜，以探測異常。

深度神經(jīng)網(wǎng)絡(luò)自編碼器人工智能方法使用無干擾信號對自編碼器進行訓練，并在無干擾情況下與其他信號進行測試，以獲得實際閾值。之后，利用有干擾和無干擾信號間的誤差差異來探測干擾［38］。

3.2.3 衛(wèi)星導(dǎo)航系統(tǒng)的頻譜監(jiān)測和威脅探測

人工智能在導(dǎo)航系統(tǒng)的應(yīng)用集中體現(xiàn)在對導(dǎo)航頻譜信號的監(jiān)測，以及對干擾欺騙威脅的高效應(yīng)對。

使用人工智能的優(yōu)化全球衛(wèi)星導(dǎo)航系統(tǒng)（global navigation satellite system，GNSS）頻譜監(jiān)測網(wǎng)絡(luò)的區(qū)塊盒（Block-box）項目是歐空局導(dǎo)航創(chuàng)新與支持計劃（navigation innovation and support program，NAVISP）下的子項目，基于GNSS 頻譜采樣器，利用人工智能和機器學習技術(shù)監(jiān)測和清除信號，其具備調(diào)諧、監(jiān)控和實時信號處理功能，并基于人工智能算法檢測和分類信號，檢測系統(tǒng)異常和干擾。該項目主要任務(wù)包括基于人工智能的先進信號監(jiān)測和清除技術(shù)；明確用例、環(huán)境和業(yè)務(wù)概念；設(shè)計、開發(fā)和制作區(qū)塊盒的模型和軟件算法；驗證和演示基本功能性能。

此外，美國陸軍授予諾斯羅譜·格魯曼公司研發(fā)合同，利用人工智能和機器學習開發(fā)GPS 威脅探測軟件，在對抗戰(zhàn)場環(huán)境下應(yīng)對導(dǎo)航系統(tǒng)干擾和欺騙威脅。該軟件將部署到各種軟件定義無線電和其他類型嵌入式系統(tǒng)上，可快速檢測傳統(tǒng)上很難觀測到的低功耗GPS 威脅并對其進行分類。目前該技術(shù)已在美國陸軍地面車輛上進行了現(xiàn)場演示，展示了威脅檢測方面的重大改進。

這種GPS 威脅探測軟件掃描射頻信號環(huán)境，使用機器學習在海量數(shù)據(jù)中搜索威脅特征。一旦檢測到并識別出威脅，威脅檢測器將與更大的用戶網(wǎng)絡(luò)共享其了解到的威脅類型和位置，然后用戶可以決定如何對威脅作出反應(yīng)。該算法還使用威脅數(shù)據(jù)自動更新自己的已知威脅列表，以便在射頻環(huán)境的后續(xù)掃描中查找，支持現(xiàn)場快速修改、重新訓練和重新部署。

3.2.4 衛(wèi)星編隊飛行的集群控制

作為人工智能領(lǐng)域的分支之一，群體運動控制集人工智能感知、決策和反饋于一體，聯(lián)合多個具有有限傳感能力的個體，實現(xiàn)整體智能的突破，主要應(yīng)用于機器人和無人系統(tǒng)。群體控制可使星座或編隊實現(xiàn)自主運行，建立起自控的協(xié)同分工體系，充分發(fā)揮群體的互補優(yōu)勢，大幅提高任務(wù)執(zhí)行效率［39-40］。

DARPA 的“黑杰克”（Blackjack）衛(wèi)星星座，由90～100 顆衛(wèi)星組成，旨在研發(fā)具有較低尺寸、質(zhì)量、功耗及成本的低軌軍事通信與監(jiān)視衛(wèi)星。每顆衛(wèi)星均配有名為“賭場老板”（Pit Boss）的人工智能系統(tǒng)，內(nèi)含高速處理器和加密裝置，可用作通用的網(wǎng)絡(luò)和電氣接口，并提供任務(wù)層面的自主功能，可實現(xiàn)星座級和節(jié)點級指揮與控制、健康監(jiān)測與修復(fù)、星間和星內(nèi)數(shù)據(jù)管理以及在軌資源調(diào)度等（圖8）［41-42］。

圖8 Pit Boss 人工智能系統(tǒng)用于“黑杰克”低軌衛(wèi)星星座集群控制Fig. 8 Pit Boss in Blackjack program for low-earth-orbit satellite constellation control

3.3 人工智能在載人飛船中的應(yīng)用

人工智能技術(shù)在載人航天領(lǐng)域的應(yīng)用，可有效降低航天員的人身風險，為空間任務(wù)提供極大的便利，集中體現(xiàn)在宇航員的交互伴侶及載人飛船的自主控制［43-44］。

世界上首款人工智能宇航員“ 西蒙”-1（CIMON-1）于2018 年由“獵鷹”-9 火箭送入國際空間站，用作宇航員的交互式移動伴侶。CIMON 是一個無手腳的圓形機器人（圖9），其麥克風和攝像機可識別宇航員聲音和面部表情，與任何喚其名字的宇航員進行語音交互，并輔助宇航員進行科學實驗?！拔髅伞?2 于2019 年飛往國際空間站，在“西蒙”-1 基礎(chǔ)上進行了多項改進，具有更靈敏的對講器、更先進的定位能力、更穩(wěn)定的應(yīng)用程序和更先進的人工智能算法，壽命延長至3 年。“西蒙”-2 采用的人工智能技術(shù)可分析語調(diào)變化，評估航天員的情緒并作出合適反應(yīng)，未來可用于陪伴航天員。

圖9 首款人工智能宇航員“西蒙”-1Fig. 9 The first AI astronaut CIMON-1

軍事空間站依然是人工智能在載人航天領(lǐng)域的應(yīng)用重點。美國國防部國防創(chuàng)新單元（defense innovation unit，DIU）于2019 年啟動研發(fā)“軌道前哨”小型低軌自主軍事空間站（圖10）。

圖10 美國防部提出的低軌小型軍事自主空間站概念圖Fig. 10 Self-contained and free-flying orbital outpost proposed by the Department of Defense，the United States

該空間站利用人工智能自主控制技術(shù)，可實施自主在軌維護、軌道轉(zhuǎn)移和運行控制，利用機械臂和標準化接口實施在軌裝配，還可與其他模塊化“前哨”臨時或永久連接，最終擴大作戰(zhàn)人員活動范圍。該空間站容積1 m3，最多可載1 人，載荷80 kg，持續(xù)供電系統(tǒng)功率1 kW，通信速率100 kb/s，氣壓0～101 kPa 之間可調(diào)。

對于長期生活在空間站的航天員來說，長期微重力環(huán)境會對航天員肌肉組織和骨骼組織造成傷害，導(dǎo)致骨質(zhì)流失和肌肉萎縮等癥狀?？墒褂没谀X機交互和肌電圖結(jié)合的人體外骨骼裝置，幫助航天員進行恢復(fù)訓練。

3.4 人工智能在空間態(tài)勢感知領(lǐng)域的應(yīng)用

人工智能技術(shù)可用于空間監(jiān)視網(wǎng)絡(luò)，提高態(tài)勢感知能力。

美國空軍授予Stottler Henke 公司研發(fā)合同，利用人工智能技術(shù)開發(fā)出先進算法（圖11），提高空間監(jiān)視網(wǎng)絡(luò)（space surveillance network，SSN）的性能，包括提高基于越來越多互補跟蹤的空間目錄的準確性，提升實時變化響應(yīng)度，以及通過有效利用傳感器，更高效地跟蹤低地球軌道上的小碎片、更有效地處理日益增多的檢測對象和新型傳感器，并利用改進的通信和控制技術(shù)實現(xiàn)SSN 調(diào)度的全球優(yōu)化。

圖11 基于人工智能的天基監(jiān)視網(wǎng)絡(luò)調(diào)度算法架構(gòu)Fig. 11 Allocation algorithm of space surveillance network

此外，美國空軍太空及導(dǎo)彈系統(tǒng)中心于2019 年授予彈弓航天（Slingshot Aerospace）研發(fā)合同，研發(fā)“軌道神”（Orbital Atlas）預(yù)測性太空態(tài)勢感知軟件，應(yīng)用人工智能技術(shù)對來自衛(wèi)星等平臺的數(shù)據(jù)進行分析，使作戰(zhàn)人員從關(guān)注太空目錄維護的傳統(tǒng)太空態(tài)勢感知解脫出來，有更多精力注重戰(zhàn)術(shù)層面、更具預(yù)測性的解決方案。軟件可提供每一個圍繞地球的太空目標的細節(jié)信息，并充當一個預(yù)測性引擎，將機器學習用于海量的太空觀察數(shù)據(jù)以及其他的背景數(shù)據(jù)流，如天氣數(shù)據(jù)等。該系統(tǒng)可描繪數(shù)據(jù)特征，可預(yù)測事件、碰撞及碎片軌道等。

4 發(fā)展展望

4.1 向強太空對抗方向發(fā)展

美軍已明確將“下一代太空體系架構(gòu)”作為未來聯(lián)合全域作戰(zhàn)的指控中樞，可以預(yù)見，未來太空對抗將日益白熱化。各主要軍事強國將著力推動人工智能航天裝備的應(yīng)用向強對抗方向發(fā)展。人工智能強化學習等技術(shù)在運載火箭的應(yīng)用，將進一步降低進入太空的成本和時間間隔，在己方太空裝備遭受攻擊時，可快速補充力量，增強太空對抗體系彈性；人工智能深度學習、類腦計算、人機交互、群體運動控制等技術(shù)在遙感、通信、導(dǎo)航衛(wèi)星以及星群的應(yīng)用，將進一步提高衛(wèi)星數(shù)據(jù)處理速度、戰(zhàn)區(qū)情報實時投送能力，增強運行鏈路抗欺騙和抗干擾能力；人工智能人機交互、自主控制等技術(shù)在軍事空間站的應(yīng)用，將使太空對抗具備天基指揮中樞；美軍積極推動人工智能機器學習等技術(shù)在太空態(tài)勢感知方面的應(yīng)用，將使太空域日益成為各強國軍事對抗的焦點。

4.2 向強人工智能方向發(fā)展

當前人工智能在航天裝備應(yīng)用的技術(shù)途徑主要以機器學習，尤其是深度學習為主。在技術(shù)上存在如數(shù)據(jù)依賴性強、算力依賴性強、可解釋性差、易受電子欺騙等難點，主流人工智能仍處于弱人工智能階段，尚不具有知覺和自主意識。而強人工智能，又名通用人工智能，是達到人類水平的、能夠自適應(yīng)地應(yīng)對外界環(huán)境挑戰(zhàn)的、具有自我意識和思維能力的人工智能。DARPA 于2018 年啟動“下一代人工智能”（AI Next）計劃，開啟強人工智能探索序幕，并擬在5 年內(nèi)投資20 億美元。未來，以類腦智能等為代表的強人工智能探索將在航天裝備中得到廣泛應(yīng)用，并具備小樣本、抗欺騙和可解釋等特征。

4.3 向集群智能及人機混合智能方向發(fā)展

未來人工智能在航天裝備的應(yīng)用將向集群化和人機混合化方向發(fā)展，以最大程度發(fā)揮智能化航天裝備的作戰(zhàn)效能。一是美國加快研發(fā)“黑杰克”等基于人工智能的低軌小衛(wèi)星星座，支撐下一代太空體系架構(gòu)，通過把復(fù)雜大衛(wèi)星功能化整為零，實現(xiàn)太空作戰(zhàn)能力躍升和體系增強，滿足未來全域戰(zhàn)和馬賽克戰(zhàn)等需求。同時星上認知與自主決策能力也將進一步提高，實現(xiàn)深度學習在軌應(yīng)用、強化學習在軌進化控制決策，為航天群智能的個體智能實現(xiàn)奠定基礎(chǔ)。二是以人機交互、人機協(xié)同等“人在回路”的人機混合智能將更廣泛應(yīng)用于航天裝備，類似“軌道前哨”軍事空間站的航天裝備，未來將充分發(fā)揮人對不確定問題的高級認知機制和機器智能的各自優(yōu)勢，形成增強智能形態(tài)，進一步發(fā)揮航天裝備效能，構(gòu)建天地一體，全域聯(lián)合的作戰(zhàn)體系。

5 結(jié)束語

人工智能在航天裝備領(lǐng)域的應(yīng)用將構(gòu)建精確、快速、可靠、彈性且低成本的天基對抗體系，將更好地適應(yīng)未來體系化、信息化、智能化戰(zhàn)爭，尤其是聯(lián)合全域一體化作戰(zhàn)要求。當前，人工智能在航天裝備領(lǐng)域的應(yīng)用仍然存在數(shù)據(jù)依賴性強、可解釋性差、抗欺騙性弱等技術(shù)問題，以及數(shù)據(jù)共享等應(yīng)用問題。未來隨著以自我意識和思維能力為特征的強人工智能相關(guān)技術(shù)的不斷取得突破，以及數(shù)據(jù)戰(zhàn)略、云戰(zhàn)略等政策的實施，人工智能在航天裝備中的應(yīng)用范圍將越來越廣，并向強對抗方向演進，并呈現(xiàn)星座集群和人機混合等特征。