大数据在促进军事装备和决策智能化中的应用

，

随着数据采集、处理、存储技术的发展，收集数据已经成为一种自动化的行为。数据的采集没有明确目的，并且数据体量巨大、类型繁杂，经过长期积累就形成了“大数据”。这些大数据通常都是随着事物运行自动采集和存储的，其中隐藏的有用信息并非显而易见，需要研究人员去挖掘和分析数据特征和内涵，发现事物运行的规律，为准确判断和预测事物发展趋势提供依据。因此，大数据及数据挖掘技术能够帮助我们在不易弄清事物运行原理的场景下，从大量的历史数据中总结出规律和经验，让计算机或装备能够基于此进行自主判断，从而获得智能。

1 大数据与当前人工智能技术的关系

“大数据”是1980年由托夫勒在其所著的《第三次浪潮》中首先提出的。经过30多年的发展，它已经在生物学、物理学、金融学、军事学等学科中得到广泛应用。近年来，人工智能技术发展迅猛，大数据作为其底层技术，再一次迎来了发展高潮[1]。2011年，麦肯锡全球研究给出的“大数据”的定义：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，主要具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低等特征[2]。

起初的数据都是针对特定的目的采集的，但随着数据的加速积累，有效信息经常会淹没在浩如烟海的数据中。由于数据的低价值密度属性和对信息存储空间的要求越来越大，大数据一度为我们带来了很大的困扰。近年来兴起的机器学习技术为人们挖掘大数据信息提供了有效的手段，使发现数据相关性、规律性成为可能，在此基础上发展出的预测能力是大数据的真正价值之所在。

大数据中包含的信息类型多样、来源广泛。如对一种装备的使用，我们通过装备管理、油料保障、装备维修等部门都可能获得其信息。这些信息相互联系、互为佐证，能够完善我们对事物的多方面认知，是我们做决策时的重要依据。将这些数据结构化、代码化，让机器去学习、去发现事物之间的相关关系，从而达到预测的目的，便形成了当前的热门技术——人工智能。可以说，基于大数据的人工智能是目前为止大数据最有前途的应用之一，它必将为科技发展、社会进步带来更加深刻的变革。

2 基于大数据实现人工智能的技术途径

以往，我们一直试图模拟人脑的思考模式实现人工智能，以期基于对事物本质的了解进行预测，然而这方面的理论很难突破。进入大数据时代，我们可以通过对呈现出的数据进行分析，去发现各种现象的相关关系，并据此建立模型进行预测，其核心就是变智能问题为数据问题。基于大数据的人工智能的实现过程如图1所示。

图1 基于大数据的人工智能的实现过程

2.1 筛选出大数据中的有用数据并提取特征

统计学又称为数理统计，是在概率论基础上，收集、处理和分析数据，找到数据内在的关联性和规律性。根据契比雪夫不等式：

我们知道，n(也就是样本量)越大，则预测得越准确；当n趋于无穷大，即覆盖全部样本的时候，预测结果完全准确。

当今的大数据潮流使我们能够轻易获得海量的数据，虽然全面但会有很多冗余，呈现“一方面数据很丰富，另一方面有用信息又很匮乏”的现象。统计学的意义体现在对于具有价值的数据进行专业化的处理，即在样本几乎等于总体的情况下，选取具有代表性的数据，去冗分类，去粗取精，科学总结并发现其中蕴藏的规律和模式，并结合源源不断的动态数据去预测事物未来的发展趋势。但是对于复杂系统的运行预测，是非常困难的。因为每个现象的影响因素极多，假如出现一个故障，需在成百上千的因素中找到主要原因。因此，发展出许多基于高维、大数据的统计方法，如包括CURE算法、ROCK算法、CHAMELEON算法等的层次聚类算法；包括DBSCAN算法、DENCLUE算法等的分割聚类算法；包括概率聚类算法、K-Means算法、SVM算法、主成分分析算法等的基于平方误差的迭代重分配聚类算法[3]，都为从大数据中去粗取精提供了手段。

2.2 利用机器学习算法从大数据中挖掘事物运行规律

数据的作用自古有之，而到近年来才发挥出巨大作用。其原因首先是积累数据所需时间太长，其次是有效信息与数据之间通常是间接关系，需要通过不同数据之间的相关性才能体现出来。之前要想了解事物运行的规律一直依赖其内在的因果关系，如果找不出确定的因果关系，则无法进行推测。并且，事物内部运行往往错综复杂，造成一个事件的原因通常不是显而易见，尤其是复杂系统的运行机制就像一个黑箱，我们很难把握其原理，只能通过观察到的现象进行猜测。进入大数据时代，我们可以采用机器学习的方法通过分析数据的相关性，从以往的数据中找出各种现象的相关关系，这对于我们在无法摸清事物运行原理的情况下，了解事物的运行具有很强的现实意义。将这些相关关系进行总结归纳，就可以形成事物的运行规律，这将作为先验经验存储起来用于构建预测模型。

目前的机器学习算法主要分为监督式学习、非监督式学习、半监督式学习、深度学习、宽度学习等等，都是在有限的数据样本上发掘尽可能多的数据相关性，找到人们直观上不易发现的潜在规律[2-3]。

2.3 根据以上规律拟合预测模型

经过以上对大数据的处理，已经在庞杂的数据中提取了许多有用、可靠的先验数据，这为拟合数学模型提供了条件。基于大数据去拟合数学模型和模型参数的方法得益于计算机技术的进步。尽管在一开始数据量不足、计算能力不够时，显得有点粗糙，但是随着时间推移计算机的计算能力、对数据的存储和处理能力呈指数增长，如摩尔定律所显示，当价格不变时，集成电路上可容纳的元器件的数目，约每隔18～24个月便会增加一倍，性能也将提升一倍。因此，这种由数据驱动模型的方法将越来越准确。

目前，各行各业都在争相发展人工智能技术，并取得了很大的经济利益和社会价值。我们在军事应用中也应借助先进技术，提高军事理论、军事装备、管理体制的现代化、智能化水平。

3 人工智能技术在装备发展和智能化决策中的应用设想

大数据、人工智能技术的进步和应用必将催生出新的作战理论、智能化的装备，并对现代战争形式、战场环境产生深刻的影响。在可以预见的未来，随着人工智能技术进入军事领域，装备的自动化水平和军事决策效率将显著提高，人类在战争中将由前台转向幕后，战争形态可能发展为人类设计战争，智能装备执行作战任务，人与智能装备互相辅助完成任务。智能化是当前人工智能技术发展的大势所趋，将为国防事业带来极大的经济和军事效益[4]。

3.1 人工智能技术使装备管理更加科学便捷

装备管理工作直接关系到装备的完好率和作战效能，涉及装备的采购、入库、领用、使用、维修、报废等多个环节，加上未来装备日趋复杂，对装备进行精益管理是非常困难的，且耗时费力。大数据和人工智能技术能够为改善装备管理水平、降低管理成本提供有效的解决方案。未来随着智能装备投入使用，其自动化的信息采集技术能够采集其自身方面的信息和其他非智能装备的信息，从而实现对装备的动态监控，使管理人员能够及时、准确地掌握所有装备的使用情况和状态[5]。其具体应用有以下3方面。

一是装备的全寿命智能化管理。每个智能装备在全寿命周期中会产生大量的数据，再综合其他智能装备产生的数据，应用机器学习算法分析这些数据挖掘出装备管理和使用中的各种潜在规律，可用于指导其他装备的全寿命管理。二是实时动态监管。智能装备的信息采集技术可以实时监控查询装备数量、使用情况等，便于维护补充，使装备时刻保持最佳作战状态。三是精细化维护保养。装备可实现智能化的日常检查，根据大数据分析结果制定保养计划并监督实施，降低装备在使用过程中的故障率。此外，智能装备还可以从大数据中学习其他装备的使用经验，进行预防性维修提示，可最大限度延长各种装备的使用年限，降低装备的购置、维护、使用和管理费用。

3.2 人工智能技术使故障诊断更加准确快速

以往的故障诊断主要基于机械的运行过程，基于出现的故障反向找出具体原因。这非常依赖维修人员的经验，对单一过程、单一故障和渐发性故障有较好的诊断效果，而对于复杂系统、多过程、突发性故障的诊断则效率低下，甚至无法找出故障原因[6]。此时，基于大数据的人工智能为快速准确的故障诊断提供了解决方案。首先，积累故障类型，分析故障特征，建立故障示例集合；其次，根据装备系统中各传感器收集到的装备各个组成部分的状态信息，与故障类型和特征进行相关性分析；第三，经过机器学习归纳形成故障规则，并结合维修人员的经验制定故障维修策略；最后，形成装备的智能化故障诊断模型，用于对其他装备进行故障诊断(图2)。

图2 基于人工智能的故障诊断模型

基于人工智能技术的故障诊断可以将各类信息采集技术、信号处理技术和故障诊断方法有效融合，而不需要我们完全掌握故障形成的具体过程，只需要在相关性分析中得到形成故障的最可能原因。此外，我们可以根据需要，随意扩大数据相关性分析的范围。这不仅有利于找出故障的直接原因，还可以得到故障的潜在影响因素，以便于及时采取维修策略，进行预防性维修[5-6]。

3.3 人工智能技术使作战行动更加安全高效

基于目前的装备和作战样式，作战人员一方面需要熟练掌握装备操作技能，另一方面需要接收、处理大量战场信息，快速分析判断并迅速做出决策。面对复杂的装备和瞬息万变的战场环境，作战人员很难兼顾，因此存在决策失误的风险。进入大数据时代，各种传感器实时收集大量战场和装备信息，再利用人工智能技术对大数据进行分析利用，将极大地提高作战效能。其优势表现在以下3 个方面。

一是作战人员能够充分借鉴以往的经验。通过对以往大数据的相关性分析，作战人员能够充分发掘决策成功或失败的影响因素和不容易直接观察到的潜在影响因素，并归纳出规律。对于多方案决策能够通过数学运算，很快选取出最优方案，从而有利于快速做出科学、可行、成功率高的决策。

二是提高装备自主作战效能。随着大数据、人工智能技术在装备中的应用，未来装备势必能够像人一样相互协作完成任务。其模式识别、容错控制、协同作业、智能伪装、识别雷达、战场数据挖掘等功能使装备具有了自主决策、智能毁伤的能力，极大地扩展了装备的作战效能。

三是突破作战人员生理、心理极限。基于人工智能的决策系统和装备可以创造一个避免敌我作战人员直接接触的作战环境，从而降低作战人员生理和心理限制的影响，减少由于作战人员体力不济、精神疲倦、情绪波动、判断失误等造成的致命性影响。

3.4 人工智技术能使军事决策更加客观全面

目前我军已配备了智能决策支持系统，充分发挥了专家系统以知识推理形式定性分析问题的优势，以及计算机系统以作战模拟形式定量分析问题的优势，使解决问题的能力得到了较大的提高。但是随着作战数据、训练数据、战场环境数据的积累，需利用更多的信息去做出更全面、客观、科学的决策。通过对多种来源数据的挖掘和分析，我们的决策不再仅依赖于经验和模拟，在现实中真实发生的事物之间的强相关关系也被充分发掘，加之各个渠道数据的互相印证，有利于去伪存真，将最有价值的信息筛选出来，将这些关键信息加入决策，必将使决策更加客观全面、更加符合战场实际情况。

4 小结

从人工智能的优势和军事需求来看，将日益成熟的人工智能技术应用于军事领域是大势所趋。装备和决策的智能化、自主化水平的提高必将影响甚至主导未来陆、海、空各个战场的作战方式和作战效能。由于大数据技术是现阶段人工智能技术的基础，因此它是军事装备和军事决策走向智能的必经之路。我们应该从顶层谋划大数据的采集、存储，形成全面的、可读性强的数据库；借助先进的数据挖掘技术，深入挖掘数据中蕴含的大量信息，形成知识库；针对各种应用建立相应的数学模型，利用从数据中发现的规律指导我们的决策。