人工智能推进指挥控制辅助决策智能化
2024-10-28
智能化军事指挥，指控系统是作战体系的中枢神经，是战争制胜规则的核心部分，指挥控制方式智能化，能克服人性弱点困扰，提升指挥决策的正确性。在体系对抗中需要智能化指挥控制系统。网络中心战最终将变为作战双方网络体系的对抗。哪一方的反应速度快、抗毁能力强，谁就能获得最后的胜利。在体系对抗中将不再拘泥于现有的指挥方式，一些全新的方式如互访式指挥、非分层式指挥等将逐渐在实战中应用，依靠高联通性的网络和高效的智能化处理系统，使指挥员随时随地全面掌握战况，制定作战方案并下达命令，及时捕捉战机，实现快速反应和决策。各国军队通过开发各种辅助决策系统，构建功能强大的栅格化网络信息体系。
美军很早就开始探索人工智能技术在指控决策系统中的应用。DARPA于2007年启动了“深绿(Deep Green)”计划，目的是将仿真嵌入指挥控制系统，提高指挥员临机决策的速度和质量。其核心技术是平行仿真，在指挥作战过程中，基于实时战场态势数据，通过计算机多次模拟仿真，推演出敌我采用不同作战方案可能产生的结果，预测敌方可能采取的行动和战场形势可能的走向，引导指挥官做出正确的决策，缩短制定和调整作战计划的时间。虽因主管领导更迭和经费削减等原因于2011年暂停，但其提出思路和方法值得借鉴。虽然项目中没有使用机器学习等最新技术，但通过平行仿真预测敌方行动和态势变化的方法，是在当时人工智能水平下的一大创新，代表了美军在推进指挥控制向智能化发展的先期探索性研究。2009年至2014年间，DARPA先后启动了Insight、XDATA、Big Mechanism、Deep Learning、DEFT、PPAML等大量基础技术研究项目，探索发展从文本、图像、声音、视频、传感器等不同类型多源数据中自主获取、处理信息、提取关键特征、挖掘关联关系的相关技术。同时，DARPA还布局了一系列面向实际作战任务背景的项目。例如Mind’s Eye计划用于探索一种能够根据视觉信息进行态势认知和推理的监视系统；TRACE计划尝试用机器学习、迁移学习等智能算法解决对抗条件下态势目标的自主认知，帮助指挥员快速定位、识别目标并判断其威胁程度；DBM计划发展战场决策助手，帮助飞行员在对抗条件下理解战场态势、自主生成行动建议并能够管理无人驾驶的僚机；TEAM-US计划尝试将人与机器深度融合为共生的有机整体，让机器的精准和人类的可能性完美结合，并利用机器的速度和力量让人类做出最佳判断，从而提升认知速度和精度。2015年12月，美国防部提出了第三次抵消战略，围绕智能化、自主化提出了5大关键技术领域。其中，自主学习技术与人机交互技术，利用人工智能技术综合利用人的洞察力与计算机的高灵敏度，提升指挥员的决策效力。美国防部副部长沃克说“利用上述技术，可以压缩指挥员在观察、判断、决策、行动（OODA）循环中的时间，实现多域联合作战指挥和控制的目标，以取得未来战争的制胜权。”
DARPA启动了一项名为“洞察力”的研究项目，开发新的自动化程序来帮助增强分析师信息分析处理的效率和能力和准确度，同时有利于分析师为战场上时间紧迫的军事行动提供及时有效的数据信息支持。该系统具有开放、标准规模化以及即插即用等特征，可以快速整合已收集到和新出现的情报信息、现有和新兴监视侦查技术与软件源，以及用于增进了解合作和快速决策制定能力的直观多用户软件。“洞察力”已在美国海陆空三军中得到广泛的应用，为研发新一代分布式通用地面系统—军队（美军正式的情报收集系统）所需的融合技术的开发奠定了良好的基础。这将会极大地简化美军分析员们从多个渠道收集信息，再将所收集的信息整合整理从而得出有用的分析结果的过程，并将帮助分析员利用上述分析结果发现识别危险行为模式和行动路线。同时，美国空军的国家航空航天情报中心也采用了“洞察力”这一技术来加强该中心的情报收集和分析能力以适应该中心特殊需求。
美国陆军全球指挥控制系统（GCCS-A），是陆军的战略和战区指挥控制系统，它能为战略级指挥员提供战备、计划、动员和部署能力信息，为战区指挥员提供共用作战图像和敌我状态信息、部队部署计划和执行手段（部队接纳、集结、战区计划、战备、部队移动、执行状态）以及与联合/联盟部队和战术陆军作战指挥系统的互操作。GCCS-A是一个面向用户的系统，它保障了从国家指挥当局、战区总司令到联合特遣部队司令员对陆军部队的支持，为陆军从战略联合GCCS系统到军及军以下各级提供无缝扩展。GCCS-A主要部署：美国陆军司令部、驻欧洲陆军、太平洋陆军、南方司令部、陆军各指挥部、中央司令部等。
上一篇：
下一篇：
相关资讯
