從情報智能分析與軍事指揮決策方面,梳理總結了人工智能在軍事情報工作中的發展與應用現狀。基于情報工作流程,分析了人工智能技術下的軍事情報服務模型。系統梳理了美國智能情報系統典型項目研究發展狀況,并對人工智能在軍事情報領域重點發展趨勢及技術難點進行了探析。

人工智能(Artificial Intelligence,AI)概念最早是由美國學者約翰·麥卡錫在1956年的達特矛斯會議上提出來的,自被正式提出至今,人工智能的發展經歷了多次高峰與低谷。人工智能是一門具有前沿性的多領域交叉學科,其目的在于模擬、延伸和擴展人類的智慧,以實現機器的智能化。人工智能的發展過程大體經歷了三個階段,依次為計算智能、感知智能和認知智能。目前人工智能技術處于較初級的認知智能階段,隨著大數據、圖像識別、自然語言處理、深度學習等人工智能技術的不斷發展與進步,機器智能系統逐漸開始具有人類的自主理解、思考與決策能力。 近年來,以深度學習為代表的人工智能技術在商業諸多領域取得了突破性研究進展,并逐漸向情報分析、指揮決策等軍事領域滲透。目前,世界各軍事強國都將人工智能上升到國家發展戰略性的重要地位,各國都在加緊推動人工智能技術在國防、軍事等領域的部署與應用進程,力求在未來多域協同聯動等新型作戰體系中占領信息對抗的“制高點”,以增加贏得最終戰爭決勝權的籌碼。本文首先對人工智能在軍事情報領域的應用現狀進行梳理總結,其次基于情報工作流程分析了人工智能技術下的軍事情報服務模型,最后對人工智能在軍事情報領域重點發展趨勢及技術難點進行了討論探析,對于未來基于人工智能技術在軍事情報領域開展相關探索研究具有一定的借鑒與參考價值。

1 äººå·¥æ™ºèƒ½æŠ€è¡“在軍事情報領域的應用背景

1.1 人工智能技術的快速發展

人工智能作為人類智慧的輔助和延伸,突破了人類認知效率低、考慮因素有限等生理限制。目前,人工智能技術在自然語言處理、圖像識別、無人駕駛、醫學診斷、軍事智能化等領域取得了許多突破性的研究進展,例如在圖像識別領域,部分基于人工智能技術開發的應用系統的識別率可達95%以上,其準確性已遠超人類的平均水平。

隨著大數據、云計算和深度學習等新興技術的快速應用與發展,人工智能技術在情報分析、軍事決策等領域的優勢日益凸顯。世界各軍事強國紛紛加緊制定、部署人工智能未來發展戰略計劃,試圖占領新一輪科技革命高地。人工智能技術正不斷改變著未來戰爭形態,催生新的作戰模式。軍事情報領域也由過去完全依靠人力進行情報分析轉向了高度人機協同的新的工作模式,人工智能技術必將成為情報工作人員強有力的幫手。

1.2 è»äº‹æƒ…報領域對智能化的需求

當前,戰場形勢日趨復雜,各類智能化無人系統、智能傳感器遍布整個戰場環境。現代化軍事情報數據具有海量、異構、多維度等特點,導致情報數據處理過程更加復雜化。但因受到人類本身認知效率低、考慮因素有限等生理機能的限制,單靠情報分析人員無法直接處理像圖像、語音、視頻等非結構化數據,這就使得情報數據背后隱藏的大量有價值的信息不能被及時地發現,不能對戰場態勢進行實時、精準的預測,從而嚴重影響指揮員決策的效率和準確性。

隨著各類智能化感知設備、大數據處理技術在戰場環境全維度的部署與使用,使得大部分的智能決策系統具有自主感知復雜環境的能力,極大壓縮了各環節的反應與運行時間。同時,考慮計算機的大存儲和超強算力是人類無法相比的先天優勢,基于數據挖掘、深度學習技術對海量戰場環境數據進行智能化分析、戰場態勢研判,輔助指揮員快速決策,進而達到提升作戰裝備打擊精度的目的。目前,美軍通過在海、陸、空等多域空間上布置大量的智能傳感器和自動識別系統,來實現對戰場環境、敵情動態的實時掌控,在一定程度上可以縮短“OODA”環的周期,提升軍事決策的效率。

1.3 åŸºäºŽäººå·¥æ™ºèƒ½æŠ€è¡“的軍事情報工作流程

情報工作是指情報人員通過運用一定的技術手段對采集的信息進行處理分析,并為用戶提供決策服務的過程。人工智能技術與情報的交叉融合發展,從本質上提升了情報搜集、數據挖掘分析能力,并不斷推動情報工作向著更加自主、智能化的方向轉型發展。圖1是基于人工智能技術下的情報工作流程,該流程按照時間順序大致可分為四個階段:數據采集、數據組織和存儲、情報分析、決策支持。

1)數據采集階段:在軍事情報工作中,該階段采集的信息主要分為兩大類,即公開的互聯網資源和內部數據庫。其中內部數據庫資源主要包括像單位內部電子化的內部圖書、研究報告、項目檔案資料和長期積累的相關實驗數據以及情報信息部門通過長期跟蹤搜集的大量情報資料等信息。互聯網資源是利用如網絡爬蟲、文檔解析、智能搜索引擎等網絡技術采集來的開源情報數據。隨著數據挖掘、智能分析技術在情報領域中的廣泛應用,多以專業數據采集器結合智能分析算法作為實現數據快速、高質量采集的基礎技術手段,目前互聯網公開信息成為軍事情報重要的數據來源。

2)數據組織和存儲階段:采集的數據經過清洗和去重等預處理操作后,進入數據組織和存儲階段。充分運用深度學習、神經網絡等人工智能技術超強的數據融合、信息提取及特征學習能力實現異構多模態數據的高效組織與存儲工作。例如利用卷積神經網絡(Convolutional Neural Networks, CNN)強大的表征學習和深層網絡語義抽取能力來實現對圖像、視頻類非結構化數據的組織和存儲。

3)情報分析階段:情報分析是整個情報工作流程的核心,主要是利用自然語言處理、強化學習、知識圖譜等人工智能技術來實現多層次、多維度的知識表示和語義解析,以及挖掘隱藏在大數據背后有價值的戰略情報信息。如利用長短時記憶神經網絡(Long Short Term Memory Network, LSTM)對文本類數據的長時記憶能力可以實現對上下文語義信息的最大限度的學習和特征抽取任務。利用遷移學習(Transfer Learning, TL)具有的超強自學習相近知識表達能力,來實現不同領域相近任務的知識學習和遷移。

4)決策支持階段:軍事情報的目的主要是為指揮者提供決策支持服務。人工智能具有強大的記憶存儲、知識推理以及超強的運算能力,這些是普通人類所無法相比的,充分利用好人工智能技術這些優勢特征,不斷修正優化策略,力求在情報工作最終生成的決策達到全局最優。在決策支持階段通過情報人員與決策者間服務與反饋的良性互動機制,不僅提升了決策者在情報生產過程中的參與度,并且在一定程度上達到了優化情報產品質量與增強情報服務保障的目的。

2 äººå·¥æ™ºèƒ½æŠ€è¡“在軍事情報領域的應用現狀

人工智能相關研究在2016年前后迎來爆發式增長,美、俄等國家政府部門相繼出臺了一系列戰略性文件,并積極推進人工智能在國防、軍事等領域項目的應用與研究工作。

2.1 人工智能實現情報的深度分析

2014年,美國國防部提出了“第三次抵消戰略”,其核心是利用大數據、人工智能等新興技術,實現未來新型作戰概念、作戰樣式的突破與創新,重點發展智能化、無人化的顛覆性先進技術裝備和武器。事實上,早在2007年,美軍就開啟了人工智能技術在軍事指揮控制領域的研究探索之路。2017年,美國國防部戰略能力辦公室提出了“專家計劃”,旨在利用美軍早先在中東和非洲多個秘密基地部署的“掃描鷹”和MQ-9“死神”等多架無人機,通過人工智能技術對前方無人機系統傳回的大量ISR(情報、監視、偵察)圖像、視頻等數據進行智能挖掘、分析,從中提取感興趣、有價值的情報。人工智能技術實現了對無人機集群采集的海量戰場視頻數據智能分類,極大提升了復雜戰場環境中情報分析處理能力,同時大大降低了情報獲取的成本。

2019年,DARPA啟動了“知識導向人工智能推理圖譜”(KAIROS)項目研發工作,該項目基于作戰事件和時序信息運用人工智能技術挖掘隱藏在大數據背后的重要事件關聯關系,進而實現智能情報輔助分析和戰場態勢研判,全面提升了態勢洞察與情報理解能力。2018年,美國國防情報局(DIA)啟動了“機器輔助分析快速存儲系統”(MARS)項目的研發工作,該項目旨在運用大數據、云計算以及機器學習等技術構建一種針對外軍情報數據采集分析的云數據管理系統。在2021年3月,DIA發布了該項目的第二個最小化可行性產品,該產品可以實現多情報數據庫數據共享并從海量數據中提取有價值的情報信息,基于數據庫現有軍事情報數據可以成功推理出敵方作戰部隊的指揮層級與兵力部署。

2.2 äººå·¥æ™ºèƒ½åŠ©åŠ›æ™ºèƒ½è»äº‹æ±ºç­–

美國在2007年啟動了深綠(Deep Green)項目的研制,該項目旨在利用模擬仿真技術對獲取的實時戰場態勢數據進行快速計算,并通過計算結果來預判對手下一步可能采取的作戰行動,為指揮官制定決策提供參考,從而提升戰場軍事決策的速度和準確性。2013年8月,DARPA開啟了洞察(Insight)項目的第二研究階段工作,該項目旨在將部署在戰場環境中各類傳感器采集到的信息,利用人工智能技術進行特征發現、威脅識別、算法預測,對情報分析人員進行輔助工作。

2016年,IARPA啟動了眾包證據、議論、思維和評估開發結構化分析技術工具(CREATE)項目研究工作,該項目旨在利用人工智能技術實現結構化情報分析與推理,幫助情報分析人員更好地理解和評估數據,同時達到一定的訓練效果。2018年6月,美國國防部正式成立聯合人工智能中心,該中心積極組織不同軍種、高校以及學術研究領域的協同合作,不斷加快人工智能技術在軍事領域的應用發展進程。2021年,DARPA發布了“像素級智能處理”(IP2)項目招標書,該項目旨在運用神經網絡、深度學習、計算機視覺等人工智能算法將情報融入邊緣級傳感器數據流中,以提升圖像、視頻信息的偵察精度和情報數據的分析處理效率,從而達到增強戰場環境態勢感知與指揮控制能力。表1是本文梳理、歸納的近幾年美國基于人工智能技術研發的軍事智能情報分析典型項目。

ChatGPT(Chat Generative Pre-trained Transformer)是由美國OpenAI公司研發的基于人工智能技術實現的生成式自然語言處理模型,自2022年11月發布以來在學術界和商界都受到了高度關注,并且在智能問答、圖像生成和任務規劃等諸多領域的性能表現遠超現有其他機器學習模型。

近期,部分學者針對ChatGPT應用到軍事情報領域進行了積極探索與展望,例如,利用自然語言處理技術從語音和文本中提取情報,實現對多模態數據的處理與分析操作,輔助決策和作戰方案的制定;利用快速處理大量情報信息的能力,提升戰場人機交互效率,為實現部隊作戰過程中人員和裝備動態信息共享提供技術支撐;利用對多源異構情報數據分析處理實現知識圖譜關聯關系分析和實體特征提取,提升戰場態勢感知和情報洞察能力。ChatGPT具有超強的語言理解、數據生成和自我學習能力,這些都由其強大能力背后的關鍵技術支撐,相信未來ChatGPT在軍事情報領域會有更多的應用潛力。

3 åŸºäºŽäººå·¥æ™ºèƒ½çš„情報服務模型

3.1 é—œéµæŠ€è¡“及分析

人工智能技術,特別是自然語言處理、知識圖譜以及大數據處理等技術在軍事情報領域的廣泛研究與應用,增強了情報偵察的自主性和智能性,提升了對多源異構情報數據的深度分析與高效處理能力,為在未來復雜多變的戰場環境中快速、準確地研判敵方作戰意圖,清晰掌握戰場態勢以及科學軍事決策提供了技術基礎支撐。

1)基于自然語言處理技術構建更加自主、智能的情報偵察裝備,增強戰場環境的數據采集能力。目前圖像識別、語音處理、信息檢索等自然語言處理技術已逐漸成熟,在軍事情報領域均有廣泛應用。未來戰爭中的情報更多是以電磁、圖像和音頻等非結構化數據形式呈現,指揮人員無法在短時間內全面、準確地掌握戰場情報信息。在軍事情報偵察領域,可利用圖像識別和語音處理技術,提升戰場環境感知和精準理解能力。同時可以達到增強戰場透明度,掌握戰場主動權的目的,更好地為軍事決策者提供情報支撐保障服務。

2)依托知識圖譜與數據可視化技術,提高戰場態勢感知能力。隨著作戰空間向多維全域不斷擴展延伸,各類智能化無人系統、智能傳感器遍布整個戰場環境,使得戰場形勢日趨復雜。在軍事情報分析方面,利用知識圖譜、關聯分析與數據可視化技術實現對孤立、碎片情報數據的多維深度分析,對不同來源的情報信息進行整合分析,動態呈現戰場態勢全景圖,使得戰場變得更加清晰、透明,及時準確地研判敵方的戰略企圖,真正做到“知己知彼”。

3)利用大數據和信息融合技術實現情報的深度分析,有效提升軍事決策的科學與高效性。大數據技術在現代網絡化、智能化戰爭中的地位日益增強,基于深度學習的圖像識別、視頻處理技術在軍事情報領域的廣泛應用極大提升了戰場情報的全面追蹤和信息捕獲能力。信息融合和數據挖掘技術實現了對多源異構的復雜情報數據的深度分析與快速處理能力。從海量數據中發現有價值的情報,在環境復雜多變的戰場環境中最大限度縮短作戰指揮人員在戰場上軍事決策與指揮控制的時間,以提升作戰取勝的籌碼。

3.2 åŸºäºŽäººå·¥æ™ºèƒ½æŠ€è¡“的軍事情報服務模型分析

人工智能技術與情報的交叉融合發展,從本質上提升了情報搜集、數據挖掘分析能力,并不斷推動情報工作向著更加自主、智能化的方向轉型發展。本節根據文獻中構建的人工智能情報體系,分析了基于人工智能技術下的軍事情報服務模型。圖2是基于人工智能技術的軍事情報服務模型,該模型主要包含四部分,自下而上依次為基礎設施層、數據資源層、情報分析核心層以及情報服務應用層。

4 重點發展趨勢分析

隨著大數據、深度學習等技術的快速應用與發展,人工智能技術在軍事情報領域的廣泛應用已是大勢所趨,人工智能正在深刻改變未來戰爭面貌,不斷催生新型戰爭樣式,將會成為推動新一輪軍事變革強有力的抓手,在未來的戰場環境中人工智能所占的技術比重勢必會越來越大。

4.1 æ³¨é‡äººæ©Ÿèžåˆç™¼å±•

隨著軍事武器智能化的快速發展與廣泛應用,當今的戰爭形態早已從過去的機械化、信息化演變為智能化、無人化。人工智能技術的出現催生了以“人機協作”為戰場基本模式的新指揮決策方式。2022年俄烏沖突爆發,以無人機為代表的各型無人智能化作戰平臺在現代戰爭中扮演著重要角色,其重要的戰術地位日益凸顯,無人機在戰爭中主要擔負情報偵察、火力攻擊等任務,基于情報數據共享機制實時將收集到的圖片、視頻等情報信息回傳給地面作戰指揮人員,然后利用機器學習等人工智能技術對大量情報數據進行關聯挖據、深入分析,在確保人員安全的前提下,輔助作戰指揮員快速、準確地制定軍事決策,在指揮員與無人機的配合下以極低的成本實現較高的作戰效能。但目前現有人工智能系統進行情報綜合分析、輔助決策的智能程度還不夠高,還需要依靠指揮者對戰場整體布局以及復雜的軍事動態情況進行分析、研判。“人機協作”模式將人對復雜戰場態勢的快速決策能力與機器系統的超強情報分析能力進行完美結合,增強了戰場動態感知能力,真正實現“1+1>2”的戰場效果。

4.2 æ³¨é‡å¤šæ¨¡æ…‹æƒ…報智能分析研究

隨著軍事智能化的發展和多域空間協同作戰體系的不斷推進,各類智能傳感器、自動識別系統遍布整個戰場環境。現代戰爭涉及的情報信息不再是某一種單一的數據形式,異構多模態逐漸成為當前軍事數據的固有特征之一。軍事情報呈現出多源、異構等復雜數據特點,主要原因是軍事情報來源較廣并且數據形式復雜多樣,有的情報信息是戰術無人機利用智能傳感器采集來的戰場地形地貌、兵力部署等圖片、視頻形式數據;有的情報信息來自于情報偵察系統收集來的有關戰場環境圖像和語音等形式數據;有的情報信息則是內部資料庫存儲的有關對手最新武器裝備性能、技術參數及編制信息等文本結構化數據。利用語義解析、知識推理、實體自動識別等人工智能技術對軍事情報實現跨模態數據綜合分析與深度分析,從多模態數據中挖掘更豐富的有價值情報,同時快速生成戰場全局態勢圖,為作戰指揮人員提供及時、科學的決策支撐服務,為實現“發現即摧毀”精確打擊的作戰目標可能性提供技術支持。

4.3 åŠ å¼·è»æ°‘技術融合發展

美國等軍事強國尤其注重人工智能技術在軍民融合中的發展應用。應從頂層設計入手,鼓勵高校、民營企業積極參與軍民融合項目。同時結合當前軍事情報領域新變革,加快構建軍地情報共享技術與機制,實現軍民創新實力優勢互補。2017年,國務院辦公廳發布了《關于推動國防科技工業軍民融合深度發展的意見》,著重強調軍民技術基礎資源共享和協同創新的國家發展戰略性意義。近年來,人工智能技術獲得了突破性進步,并在商業應用領域取得了很好的效果。以實際作戰需求為牽引,將語義解析、圖像識別、機器翻譯等人工智能技術應用于軍事情報領域,結合本領域數據特點,解決跨模態情報數據融合等關鍵技術難題,提升情報服務保障能力。例如,構建軍事術語、命名實體識別、詞性標注和武器裝備知識圖譜等相關語料庫,積極推動人工智能技術在軍事情報領域的發展應用。

人工智能技術與軍事情報領域相互融合發展已是未來必然趨勢。人工智能技術將會成為新一輪軍事變革強有力的推手,但在推動軍事情報領域智能化的發展過程中,機遇與挑戰往往是并存的。雖然人工智能在軍事領域應用得到廣泛應用并取得了一定成果,但我們應該清醒地認識到,想要達到真正的實用性還任重道遠。現階段的人工智能仍處于弱智能化階段,只有在特定領域、特定任務中人工智能系統優勢才能完全展現出來,目前絕大部分的軍事智能系統存在系統通用性差以及高度依賴訓練數據的問題。如何讓人工智能系統具有人類舉一反三的思考、學習能力以及決策能力,在未來很長的時期內還需要研究人員不斷進行理論、技術創新,這也將是人工智能領域需要一個長期探索的課題。

5 çµæŸèªž

人工智能作為新興技術正在深刻改變著未來的作戰環境,不斷催生新型戰爭樣式,也將成為推動新一輪軍事變革強有力的推手。美、俄等世界軍事強國很早就開始了人工智能技術在軍事情報領域的探索,并取得了一定的研究成果。目前我國已將人工智能技術列入未來國家重點發展戰略,并加緊了人工智能技術在軍事相關領域的研發與應用進程,力求在新一輪的軍用前沿科技競爭中占據主導地位。我們應充分學習、借鑒他國在軍事情報領域的有益經驗,如利用大數據挖掘、數據融合等技術,不斷提升情報分析處理效率;同時,基于深度學習和圖像識別等人工智能技術研發更加智能的情報理解、輔助決策等無人化平臺,最大限度發揮人工智能在軍事情報工作中的潛力,更好地為軍事斗爭做準備。