（一）智脑发展及技术谱系研究

1、智脑定义及主要功能

智脑，也称智能云脑，是智能作战谱系的中枢神经，智能云脑按照分布式作战理念将作战单元链接起来。它是作战对抗的核心，既是物理信息、生理信息及心理信息中心，也是军事指控中心，同时也是颠覆性军事技术研发中心、战争设计中心，等等。

图片

智脑

智脑主要功能包括：①形势研判，通过对边缘传感器借助网络传递的大量信息的自动化处理，构建囊括政治、经济、文化及军事等要素的复杂巨系统模型，提取关键性事件，进行语义分析，通过不断迭代形成趋势性变化曲线，从而预测外围了发展态势，有效解决人工判断无法覆盖全域数据的局限性问题；②情报处理，可以采取普适的图像识别、语音识别处理、自然语言处理等基本方法，解决情报初步处理问题。在此基础上，还可以通过构建军事领域知识图谱，采取人工介入策略，实现情报分析的智能生成；③目标识别，采用人工智能技术，通过对样本特征提取和大量学习训练，形成目标最优模板。当发现新目标时，通过比对分析，可快速给出判别结果，再辅以人工介入，就可以更快地确定目标；④筹划决策，采取人机高度混合的方式，构建伴随决策人群的“决策云”，实现快速决策，而人的决策结果作为“决策云”的样本输入，促进云的“智能”生长。通过这种良性循环机制的不断运行，“决策云”将在不断地学习中提供智能支持，任务规划将逐步实现快速、高效和精准；⑤行动控制，可通过人工智能随时分析战场变化，自动比对计划，随时告警异常，并在预定的计划方案中匹配合适的解决方案，为指挥人员快速决策提供支持。

2、智脑分类及组成

智脑的分类方式有很多，按作战任务和环节分，主要包括数据分析和处理智脑、作战任务规划和决策智脑、精准打击和可控毁伤智脑、网络电子对抗智脑、大数据资源管理智脑、仿真智脑、智能防御智脑和综合保障智脑；按形态分，主要包括嵌入式智脑、云端智脑和平行系统的智脑；按作战要求分，主要包括强中心、弱中心、无中心等不同形式的分布式智脑；按技术发展，主要包括辅助决策智脑、人机混合决策智脑、机器完全自主决策智脑。

典型智脑采用“资源层-服务层-应用层”3个层次的开放式的架构设计，资源层支持资源随时扩展，服务层支持服务即插即用，应用层支持应用按需组合。①资源层，智脑资源层主要对资源进行统一管理调度的资源管理服务。资源管理服务主要包含了资源注册、资源发现、资源调度以及资源监控等功能；②服务层，服务层介于资源层和应用层之间，是一序列功能解耦的信息服务集合，基于资源层，为应用层提供各类信息服务支撑，包含提供共性资源服务的资源服务层、提供知识的抽取、表达、处理等智能增值服务的类脑智能服务层，以及支持应用系统快速重构和集成的通用业务服务层；③应用层，应用层是运行在云平台层上的应用软件集合。应用层是在资源层、服务层的支持下，围绕各种典型应用需求，通过集成共性资源服务、类脑智能服务、通用业务功能服务，基于数据、运用知识，实现情报的精准分发、态势的敏锐感知、作战资源的实时监控、调度，以及智能化的辅助决策乃至自主化的无人作战等作战应用。

3、智脑相关智能技术群

智脑功能众多、谱系庞大、系统复杂，涉及多项基础理论、核心技术、关键软硬件技术，其涉及的主要智能技术谱系图如下： 

图片

智脑涉及的主要智能技术谱系图

上图中不同理论、技术、智件的有机组合可以物化产生种类繁多、功能迥异的智脑装备。下图对两种典型智脑（数据分析与处理“智慧云”平台和智能决策支持系统）的组合情况进行了对比分析，如下图所示，虽然两种典型智脑在理论、技术、智件各领域都存在较大的重合，但两者在重合领域的应用方向、重点仍有所差异，加上两者非重合区的不同，共同塑造了两种智脑的独特功能。

图片

两种典型智脑理论、技术、智件组成对比

4、典型系统及案例

分析典型智脑——智能决策支持系统（IDSS）发展现状。智能决策支持系统是指在计算机的辅助下，综合运用现代决策理论和人工智能技术，结合了管理决策科学、信息科学与运筹学等学科，依托人类知识库，通过逻辑推理来帮助解决现实问题的决策支持系统。在军事领域，智能决策支持系统主要应用于辅助决策，实现对情报处理、态势分析、方案确定和计划拟制的辅助支持。

智能决策支持系统组成结构如下图所示，主要模型库、数据仓库、OLAP技术、数据挖掘及交互接口集成在一起的。其中数据仓库能够实现对决策主题的存储和综合；OLAP实现多维数据分析；数据挖掘用以挖掘数据库和数据仓库中的知识；模型库实现多个广义模型的组合辅助决策；知识库（专家系统）利用知识推理实现定性分析。它们相互补充、相互依赖、发挥各自的辅助决策优势，实现更有效的辅助决策。

图片

IDSS组成结构

美军是最早提出军事智能决策支持系统这一概念的，美军设想通过各种技术的实现，辅助指挥员做出及时和正确的判断并实施决策控制。比如，美国防空混成旅射击指挥辅助决策系统可通过捕捉图像､控制管理传感器，实现分析战场态势､制定计划､作战模拟等功能，具有决策快速､准确客观的特点；美军于2004年开展的实时作战智能决策制定计划（Real-time Adversarial Intelligence and Decisionmaking，RAID），希望能够实时根据战场态势自动生成可行的行动方案；2007年，美国防部DARPA机构启动了“深绿”计划（Deep Green，DG），致力于对未来可能发生的各种情况做出预测，为指挥决策提供支持。“深绿”起初的目标是用于旅级作战，其核心技术是实时态势仿真，而战场复杂态势的不确定性所导致的组合爆炸问题则成了难以攻克的瓶颈，该项目于2011年暂停。

2009年至2014年，DARPA启动了一系列面向作战的研究项目，如Mind’s Eye计划研发一种根据视觉信息进行态势认知和推理系统；TRACE计划采用智能算法解决对抗条件下态势目标的识别判断；DBM则面向空中战场的辅助决策，主要解决战场态势认知､行动决策生成以及僚机的无人驾驶等现实难题；TEAM-US利用机器的优势帮助人类做出最佳选择，从而大大提升认知的速度和精度。2016年6月，美国辛辛那提大学开发的人工智能系统“阿尔法”，在空战模拟对抗中，战胜了经验丰富的空军上校。该系统从传感器的信息搜集､分析处理到做出正确的判断和选择，整个过程不到1毫秒，这使其在战斗中大大提高了战斗机的生存能力和指挥协调能力。2016年底，美军启动Commander’s Virtual Staff项目，用以应对大数据和复杂战场态势，从而为指挥员提供作战全过程的辅助决策。

我国军事智能决策支持系统发展较晚，目前军事决策支持系统主要以专家系统、多智能体系统（MAS）等为主，普遍存在知识处理能力差、协调统一性差、适应能力差、人机交互差等问题。

问题：目前，智能决策支持系统仍面临诸多问题，如决策环境的不确定性，信息的不完全、不精确性，决策信息的分布性等。

趋势：①智能决策方法的综合和知识融合，不同智能决策方法有其特点和适用范围，方法的综合成为提高系统决策能力的重要途径；②深入研究，加强对决策过程的理解，决策过程的理解是建立智能决策支持系统的基础。目前，对人类决策过程的理解还仅限于具有明确过程性和可计算性的部分，对更高级的人类决策过程还缺乏明确的认识；③时空与多维决策过程，目前，决策支持系统的研究大多集中在决策问题的求解过程方面，而决策行为总是与决策过程和决策环境的各个方面相联系在决策过程中引入时间、空间等多维准则，可以突破时空限制，优化和改进决策过程，提高支持决策效果；④分布式并行化决策求解，分布式数据仓库、分布式决策处理的研究以及分布式人工智能技术的应用、并行决策计算等已成为新的研究热点；⑤基于知识的人机交互决策支持系统强调决策过程的交互性，对人机对话系统有较高的要求，近年来，基于知识的交互方式是目前研究的方向，采用multi-agent等技术实现多通道界面的研究成为IDSS对话系统的一个发展方向。

一 END 一

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。