作战决策辅助向何处去—“深绿”计划的启示与思考

胡晓峰 荣明

作战决策辅助是指挥控制领域难点问题,也是世界主要军事强国的关注点.随着新一代人工智能的兴起,作战决策辅助再次引起世人关注.美军进行了多项辅助决策研究计划,比如从2004年到2008年美军开展了一项叫实时作战智能决策制定(Real-time Adversarial Intelligence and Decisionmaking,RAID)的计划,能够为战术指挥员提供行动方案路线.2009年开展的战术推演生成器计划(Tactical Inference GenE Rator,TIGER),该计划试图让决策系统像军事专家那样分析战场情况并将其分类.但是其中最有代表性的当属“深绿”计划(Deep Green,DG)[1−2].

“深绿”是美国国防部高级研究计划局(Defense Advanced Research Projects Agency,DARPA)从2007年起开始支持的一项指挥控制领域的研究项目.它是能够嵌入到美国陆军现有旅级C4ISR之上的战时指挥决策支持系统.通过预测战场中未来可能发生的各种分支和可能情况,从而为指挥员作战决策提供辅助支持.“深绿”计划的名称,源于IBM的“深蓝”.在2007年的人机国际象棋大赛中,“深蓝”一举击败人类棋手卡斯帕罗夫,在全世界引起轰动,也引起了美国军方的高度关注.“深蓝”能根据对手走的每一步棋,计算出下一步对手所有可能的走法.“深绿”计划的核心思想就是借鉴“深蓝”,预判敌人的可能行动,从而提前做出决策.但作战辅助决策与棋类的对弈完全不同,因而结果也就大相径庭.本文将以“深绿”计划为例,分析作战辅助决策中遇到的难题,并探讨未来可能的解决途径.

1 “深绿”计划简介

1.1 “深绿”计划概述

“深绿”的目标是将人工智能引入作战辅助决策,预测战场上的瞬息变化,帮助指挥员提前进行思考,判断是否需要调整计划,并协助指挥员生成新的替代方案.通过将“OODA”中的“OO”部分即观察、判断进行多次计算机模拟,演示出不同作战方案可能产生的分支结果,对敌方行动进行预判,协助指挥员做出正确决策.将指挥员的注意力集中在决策选择上,而非方案细节制定上.它由4部分组成,分别是“指挥官助理”、“闪电战”、“水晶球”以及系统集成等[3−4].

DARPA于2007年7月发布“深绿”技术竞标书,计划3年完成,但是实际上到2014年该项目仍未完全结束,共投入经费6537.5万美元(根据DARPA2012年度预算公布).该项目主要有两家一级承包商BAE公司和SAIC公司承建.大致分工如下,SAIC负责系统总体开发,Adapx公司负责语音及手写输入,南加州大学负责水晶球,Charles River公司负责未来视图可视化,BAE公司负责测试验证.验收方部门,主要有海军水面武器研究中心印第安霍德分部、通信电子研发中心、装备研发和工程中心、美国陆军空间和导弹防御司令部、美国陆军研究、开发与工程司令部仿真训练中心等.

1.2 “深绿”的特点

一是采用基于草图交互,最大限度地符合指挥员的决策分析与操作习惯.这个模块“深绿”称之为“指挥官助手”,由计划草图和决策草图组成.从战场态势感知、目标价值分析、作战方案制定、指挥员决策,一直到作战行动执行、作战效果评估,都遵循这样一条“基于草图决策”之路.

二是通过模型求解与态势预测,最大限度实现自动决策优化.“草图到计划”将草图和语音输入到计划中,“闪电战”对未来的多种可能进行快速多轨仿真,“水晶球”利用战场实时信息不断更新所做的估计,“草图到决策”向指挥员提供未来可能的选择和更新;尽量多地提供自动化工具支持.例如,自动地进行推演和命令下达,提升指挥决策的速度和质量,使得指挥命令的下达更加有效;更小、更机动、更灵巧的指挥结构等.

自动决策优化的核心是“闪电战”和“水晶球”.“闪电战”是分析引擎,通过利用定性与定量分析工具,可以迅速地对指挥官提出的各种决策计划进行模拟,从而生成一系列未来可能的结果.它可以识别各个决策分支点,从而预测可能结果的范围和可能性,然后沿着各个决策路径(即轨迹)进行模拟.“水晶球”是决策总控,负责收集各种计划方案、更新战场当前态势、控制快速模拟、向指挥员提供可能的选择,并提醒指挥员决策点的出现.它能辨识未来态势发展的潜在关键临界点,并能对未来作战方案选项进行排序,从而实现对未来可能态势的生成、评估和监视.还可以根据战场实际情况,不断进行调整修正;通过不断修正推演,来预测未来的变化.

三是与指挥系统集成,即将决策辅助系统集成进未来指挥所中.“深绿”项目的负责人苏杜尔说：“我猜想,深绿就是未来指挥所屏幕上的一个图标或工具.”未来指挥所(Command Post of Future,CPoF),是DARPA推出的先进指挥控制系统.始于1997年,至今仍在进行,作为子系统已融入美国陆军战斗指挥系统ABCS 6.4+,该系统在伊拉克战争中反响良好.它的主要技术包括：人－机交互技术、协作和工作流程管理技术、决策支持和情报应用技术、战场信息空间管理技术、网络管理技术.目标是缩短指挥员的决策周期,确保能在敌人之前快速做出反应.

“深绿”通过对决策各要素的汇聚 (Convergence)和综合集成,从而提高指挥员的快速决策能力.第一,“信息汇聚”,通过获取我军、友军、敌军、中立方和非战斗地点的准确信息,向指挥员提供有价值的态势信息;第二,“职能汇聚”,将原先由军事和技术人员担负的大量职能,转化为自动化的、以指挥员为中心的作战决策过程;第三,“过程汇聚”,通过“预见性计划”和“适应性执行”两大概念,对OODA的时间维和空间维进行大幅度压缩.综合集成技术采用“军事想定描述语言”(Military Scenario Def i nition Language,MSDL)、“联合指挥控制与咨询交换数据模型”(Joint Command Control Communications Information Exchange Data Model,JC3IEDM)、“美军陆军通用任务清单”(Army Universal Task List,AUTL),与外部系统互操作则采用“应用程序接口”(Application Program Interface,API)等.

2 “深绿”面临的困难和挑战

“深绿”所追求的理想效果是,只要能提供我方、友方和敌方的兵力数据和可预期的计划,“深绿”的推演就会很精确,可以辅助指挥员做出正确决定;将这个系统嵌入到指挥系统之中,可以大大提高指挥效率;不仅要在连级试验,而且还要推广到旅级,甚至更高层.结果是：“理想很丰满,但现实很骨感”.到2014年,在“深绿”验收时,最后只保留了最成熟的“草图到计划”(Sketch to Plan,STP),其他都不见了.事实上,我们也曾试图做类似这样的事情,但往往事与愿违.“深绿”面临的困难和挑战主要有以下几个方面：

2.1 态势与决策的输入输出问题

战场“态势”计算机能否理解？战场态势与棋类态势的理解有着本质区别,棋类规则、棋盘、行动全开放,而战场态势则是单方认知下的理解.部署、状态、趋势、优劣如何判断？层次越高,对态势的认知越具主观性,可量化的程度越低.另外,在不完全信息条件下如何判断态势？如果态势信息有真有假有缺,怎么办？往往是低层的分队战术态势理解相对容易,而越是高层的战场态势计算机越难理解.计算机对态势的理解能力还远远达不到人的水平.

决策“想法”的输入是分析评估的前提,对态势的判断表达和输入,需要一组标准化的图形符号.面临一系列难题,比如,行动决心的描述,是细好还是粗好？采用哪种图表方式表达？不同的决策分支反映的决策周期多长,决策点多少？简单分支、短周期行动决策相对可行,但随着时间的推移是否会产生组合指数爆炸？最困难之处还是对敌方的决策如何假定.

2.2 对“未来”的仿真问题

“闪电战”的功能是对未来多种可能进行仿真,推演出可能的结果,供指挥员决策时参考.这个“未来”时间有多远？过于长程的推演,会由于复杂性传递导致偏离过大;推演多长时间(或多少个关键“节点”)合适.越复杂的行动推演,涉及要素和变化越多,如何处理.对敌方决策的判定也很有挑战性,任何推演都是对抗的,敌方都是不合作的,如何取舍.敌方的决策应由谁做出,指挥员假定还是系统得出.是否需要跟进一个推演系统与决策辅助系统挂钩？修正模型需要在不完全信息条件下不平衡地推演.涉及的核心问题是谁来对战场实体建模,并且如何修正.

2.3 数据的决定性作用问题

人们总是认为,系统之所以做不出正确决策,是因为所提供的数据不够或不准确.这是片面的和不正确的,也是典型的“决定论”观点：初始条件足够,就可以预测一切.但战争是典型复杂系统,敌人也不是合作者;永远也不会有“足够的”条件,不完全信息条件下决策是作战指挥的本质特点.决策需要根据情况不断变化,数据要求会不断发生改变.复杂性会导致“决策”本身不唯一,也就无法确定哪个“正确”.层次越低,决策越接近简单系统,数据才越具有决定性.能否采集到足够的数据,往往就成为关键,这也是“深绿”为什么要集成进指挥系统的原因.“数据是否具有决定性”在不同层次,会有不同回答.这也许就是“深绿”最大的困惑.

2.4 计算机与人的比较

计算机做出的决策是不是一定优于“人”？米勒定律[3]认为大多数人同时只能考虑7至9个因素.如果计算机能够同时考虑10个以上,在分析能力上就肯定超过人.RAID系统中步兵连与叛乱分子对抗实验表明,步兵连分为30∼35个小组,由斯特瑞克装甲车和武装直升机加强火力.叛乱分子由30个规模不一的小组组成.用OneSAF实验36次.结果RAID表现像人类的有16次,占44%;决策超过人的在18组中有16组,占78%.但如果放到营级甚至旅级,这个结论就很难说了.因为层次越高,艺术成分越高,技术成分越弱;反之亦然.在人机协同中,人做什么,计算机做什么,人与计算机应该如何分工显得尤为重要.

2.5 陆军的难题

“深绿”主要是针对陆军部队的,但是陆军指挥决策比海、空军更困难,因为陆军作战行动中每个人更自由,陆军的作战规划也缺乏更多规范.只有将部队行动规范化,才能适合使用“深绿”.“深绿”方法更合适的可能应用领域包括：陆军车载的战术级作战指挥辅助系统;海、空军部队的战术级辅助决策作战规划系统;二炮部队的战役战术级作战规划及指挥系统.网络作战可能更适合于“事先规划”的方式;战前依托系统辅助制定决策,战时依托数据自动决策.

“深绿”计划的悖论在于,它只能用在分队战术层,而最应该得到辅助的是高层指挥官,而非连长.这是因为“深绿”的智能问题没解决,层次越高,作战决策越复杂,越难以描述和处理,如态势理解、决策描述、模型仿真、数据获取等;在更高层次会带来很多的困难和问题,不仅仅是部队多少、数据多少、运算多少的问题,而是复杂性带来的问题质变,如不确定性、指数爆炸等;对“对手”意图的把握等对抗博弈问题是非纯理性的.

3 作战辅助决策的未来—发展进步的关键是什么

作战决策辅助未来发展进步的关键在于,必须在智能辅助方面有所突破,才能真正解决问题,这也是指挥信息系统未来上升一个新台阶的重要条件.

3.1 智能技术发展带来机遇

“深蓝”、“更深的蓝”连续战胜卡斯帕罗夫,是通过输入前人积累的无数棋谱,通过自学习发展自身的能力.但作战方案分析却没有标准化的“棋谱”,历史的参考也不大.新一代人工智能系统“沃森”战胜人类,使得人工智能面临重大拐点.“沃森”的秘籍就是“机器学习”,即从过去的经验中总结规律、提高水平能力.研究人员对“沃森”进行了题海战术训练,以成批的方式对“沃森”进行大规模测试,使其参透各类问题模式并不断更新算法.正是大数据的支撑和机器学习,使得“沃森”采用了更接近人类的思考方式.但人工智能要用于理解作战文书还缺乏实际作战文书大数据的支撑.

3.2 “深度学习”技术是突破的关键

深度学习建立能模拟人脑进行分析学习的机制,理解概念.通过多层神经网络学习来解释获得的数据.人脑的认知具有深度结构,需要逐层训练,逐步抽象得到认知.Google X从Youtube 1000万幅图片中得到“猫”的概念.通过多层神经网络深度学习方法来理解和解释作战态势,应该是一个可以尝试的途径.事实上,理解作战态势更为困难.需要通过对历次演习的数据进行逐层训练,逐步抽象得到认知.首先确认若干标准概念模板,然后逐层训练,最终识别战场态势.对态势可以借用已有的数据进行综合分析,对各个实体的数据进行采集和计算,得出统计结果;采用实时数据库进行时间趋势判别,形成势图.但是,越高层的态势往往主观性越强、越难理解,因而在不同层次会有不同的方法.

3.3 从数据到决策技术成为可能

美军空军上将A德普图拉提出作战云的新概念,即作战云—基于大数据作战,采用信息时代技术的情报、监视与侦察、打击、机动和维持的复合体,以使高度互联的分布式作战行动可行.类似云计算的概念,通过所有可能得到的数据,整合各个作战力量,从而达到增强作战效能且获得规模效益.“从数据到决策”使得决策走向自动化、自主化.“深绿”只能为指挥员“辅助决策”起作战伴侣作用.利用大数据及网络可以实现“从数据到决策”,使得作战加快！特别适合未来多类无人化作战的趋势.例如美军网络作战的“X Plan”、网络战的“秒杀”,以及战术行动决策,如导弹突袭拦截决策、无人机自动决策等.

4 结论

“深绿”及其他计划的尝试具有参考价值.尝试总比不试好,有的取得进展,有的尚未突破.很多问题在全世界都是共同的难题.不能急功近利,关键是要搞好基础性研究.要真正实现有效的作战辅助决策取决于两点,一是未来的进步取决于人工智能技术的突破,尤其是深度学习技术值得探究,其核心在态势理解、行为模拟、决策选择和结果反馈等;二是对不同类型和层次的决策辅助找到不同方法,如火力战、平台战、网络战等不同类型,战术、战役、战略等不同层次.