人工智能在无人作战飞机上的应用与展望*

车继波

(中国西南电子技术研究所，成都 610036)

1 引 言

1956年首次被提出的人工智能(Artificial Intelligence,AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，与原子能、空间科学并称21世纪三大前沿科技，是可能改变世界的颠覆性技术之一。目前，AI技术和智能化武器装备已成为各国装备建设中的重点。特别是美国已将AI做为“第三次抵消战略”的核心技术内容，大力推进其向军事领域转化应用。无人作战飞机(Unmanned Combat Aerial Vehicle，UCAV)的概念最早出现在20世纪90年代中期，是一种集侦察、监视、作战以及其他多项功能的空中作战平台。与有人作战飞机相比，UCAV的最大优势就是实现了零伤亡。目前，UCAV已开展了一系列项目，如美国的X-47B已演示了在航母上着舰的能力，欧洲持续推进未来航空作战系统(Future Combat Air System,FCAS)，俄罗斯的“鳐鱼”也在不断完善。虽然这些项目有的已变更，有的还处于试验验证阶段，但许多先进的技术正得到稳步推进[1-2]。

随着第五代战斗机——最先进的有人驾驶作战飞机的发展，如美国的F-22“猛禽”、F-35“闪电Ⅱ”以及俄罗斯的苏-57，航空作战能力得到了极大提升，但费用昂贵，且项目不断推迟，因此价格便宜、技术更先进的无人作战飞机将成为未来各国军方应对未来高对抗环境的重要选择。然而，在UCAV替代传统有人驾驶空战飞机前，还需进一步开发、研究诸多技术，如先进的材料与结构工艺、人工智能、飞行作战中的完全自主能力以及航空电子技术等，这些都将成为提升UCAV性能和可靠性的重点发展领域。其中，人工智能技术作为无人作战飞机未来发展的颠覆性技术之首，必将成为重点攻关对象[2]。

本文综述并展望了AI在UCAV上的应用，以期为该领域相关人员提供参考。

2 AI对UCAV的作用与意义

自20世纪90年代开始，无人机(Unmanned Aerial Vehicle,UAV)进入高速发展时期，各种类型和不同用途的无人机相继面世，并在实战中取得了良好的效果。以阿富汗战争、叙利亚战争、反恐作战为代表的实战经验验证了无人机的重要作用，特别是在情报、监视与侦察和精确打击作战中效果明显。然而，从当前无人机的能力来看，现役无人机尚不足以完成有人驾驶战斗机的空中作战任务。但随着技术的发展，将来UCAV加入空战可实现飞行员“零伤亡”，并且UCAV还将拥有一些目前普通UAV还不具备的特征和能力，能在复杂、对抗环境中作战。因此，未来需要的是新一代的完全自主UCAV设备，而不是当前部署的“传统”UAV系统。未来用于空战的完全自主系统极具诱惑，必须引起重视。相对于有人驾驶作战飞机，UCAV可通过机器学习技术，添加新的战术动作。此外，UCAV没有生理和心理的限制，并且机动能力可以达到几十重力加速度的过载，这使得UCAV在空战中非常敏捷。有人驾驶作战飞机的飞行员与UCAV的人工智能能力对比如表1所示[3]。

表1 有人驾驶飞机飞行员与UCAV人工智能能力对比Tab.1 AI capability comparison between manned aircraft and UCAV

根据无人系统自主控制技术能力，可将其划分为10个等级，如图1所示。作为高度自主的无人作战系统，UCAV将像有人驾驶战斗机一样担负起对空-空、空-地目标打击任务，自主完成观察、判断、决策、行动[4]，是未来空战的主要参与者。

图1 自主等级分类Fig.1 Classification of autonomy levels

目前，AI被看作是飞行员操作/决策辅助手段。在诸如空战之类的复杂任务环境中，飞行员的分析和决策能力始终被认为是必不可少的，但这一观念未来将逐步转变。美国、欧盟、以色列、日本和俄罗斯目前正在评估下一代战斗机是无人平台的可能性。大部分研究结果断定，2030年以后，空中作战将逐渐由无人系统统治，当然首先是从有人-无人编队协同作战开始，然后再逐步转向依赖UCAV进行空战。AI的未来重大变革在于系统将从战场上的倍增器或作战支持转变成真正的人类替代者。

3 UCAV相关的AI项目研究进展

美国国防高级研究计划局(Defense Advanced Research Projects Agency，DARPA)在20世纪70年代开始人工智能技术的研究。受益于人工智能技术的不断推进，按计划，机器人和无人系统可用于几乎任何类型的军事作战。未来，UCAV将更快并且可携带大量武器。目前，UCAV短期内不可能替代战斗机，但随着技术的进步，其占比将越来越大。受益于人工智能技术的发展，UCAV将能互相通信，共享并分析信息，进行自身修复，如果事先接收到确切指令，就可对目标进行精确打击。目前，已展开了一系列的AI项目，其中典型的军用AI项目如表2所示[5-6]，本文主要介绍其中与UCAV密切相关的几个项目。

表2 AI重点项目及其研究内容Tab.2 Main AI projects and research contents

3.1 EYERISS

尽管任何一项技术都非常重要，但新的AI概念是全自主战斗机研发的关键。为了实现AI目标，麻省理工学院(Massachusetts Institute of Technology,MIT)和DARPA联合研究团队正在研究在新一代微芯片中重现人类的分析、学习和判断能力——即众所周知的EYERISS。该新型芯片基于神经系统，是一种基于典型人脑运作机制的数字存储网络。EYERISS将囊括所有的空战知识，同时还为UCAV提供实时空战学习能力并进行再现，针对威胁和战术态势作出调整。所有这些甚至不需要人类任何远程干预。

在现代作战环境中，装备一款具备复杂分析/介入能力的UCAV是一项艰巨的挑战，特别是要考虑UCAV具有绝对的自主能力和可靠性。尽管如此，EYERISS取得的进展仍令人振奋。该技术首次实现将微设备安装到小型系统内，允许UCAV、卫星和武器系统有效工作，不需要人类干预。据研究人员报道，EYERISS的效率是目前处理单元的10倍，而且不需要从外部存储单元载入数据。这有助于加快其应用，因为微芯片能促进并加速与武器系统的对话，传输相关指令。典型的AI学习特性还考虑了全新的和开创性的用途，如目标识别——对目标选择至关重要，机器能力的主要挑战是像人类认知一样进行感知判决(比如射击时)。判决信息来自多源传感器，如机载传感器，可通过模拟人类经验的专家系统来弥补[7-8]。

3.2 NEURODYNAMIC

比较有名的AI系统还有MIT多年前研发的NEURODYNAMIC。该系统在空战中能快速学习如何机动，并确定合适的射击时机。MIT的研究表明UCAV作出自主判决是切实可行的，未来有望将该能力从实验环境应用到复杂的飞行和作战环境中。但高清观察、复杂对话认知和综合以及机器学习方面的问题仍需要进一步解决。这些技术因软件算法中知识转换准则的复杂性以及处理器的速度而受到限制。事实上，随着系统的复杂度增加，专家系统可能会需要大量的计算资源，因而处理速度会变得非常慢。其结果是为满足功能和处理速度，目前的专家系统应用范围相对有限[7，9]。

3.3 MAVEN

2017年4月美国防部算法战跨职能小组(Algorithmic Warfare Cross-Functional Team,AWCFT)公布的MAVEN项目是国防部针对防御领域的问题提出的人工智能和机器学习解决方案。目前的工作重点是察打一体无人机平台的全动态视频传感器数据，任务包括文件开发、采集管理、战争博弈、建模和仿真以及指示和告警。

4 UCAV相关的AI智能算法

在UCAV中，软件编写的学习算法必须非常有效并具备安全装置，可优化各级处理，提升整个系统的效率。当前研究的重点是先进的学习和快速通信软件解决方案，包括处理顺序以及降低成本。软件连续长时间工作可能引起性能下降，出错概率增加，这可能是由软件运行时存储减少或文件变换引起的。目前正在研究以预防维护形式为主的“软件恢复”技术，即采用算法“清除”软件以避免系统崩溃或功能损毁[7]。

4.1 ANN

神经网络提供了一种完全不同的解决复杂问题的方法，该方法不需要传统编程。在图像感知、分析和综合能力、目标和形状认知、语言理解、协调等方面，人工神经网络(Artificial Neural Network，ANN)的诞生再现了人类大脑的典型机能。人类大脑就像一台复杂的计算机，尽管由相对简单的单元(神经元)组成，但可以执行复杂运算并提供比计算机更精密的性能。因此，致力于寻求人工复制人脑学习/分析机制的计算机工程被认为是完全合理的。尽管神经网络出现相对较晚，但已用于预测、分类、控制、认知和学习，取得了显著的效果。神经网络是解决复杂问题的关键方法，未来的UCAV需要一套能自主学习新观念并进行判断的系统，因此ANN被认为是绝对关键所在。神经网络的诸多应用可归纳为以下几类：

预测——利用输入数据预测进展和变化；

分类——针对各种分类和认知类型采用不同输入数据；

关联数据——错误数据和/或冲突指令的认知；

数据概念化——通过分析，推断具有相似特征的数据组；

过滤数据——隔离错误信号、背景噪声和干扰。

绝大多数军事应用要求具备实时能力，因此具有充足的处理能力是关键。此外，新硬件的研发，如石墨烯基纳米电路(grapheme-based nano-circuits)，是未来神经系统发展的关键。一旦这些技术问题得到解决，神经网络就能解决大量传统处理器不能解决的问题。目前，ANN已在目标识别和多传感器数据采集上取得了重大进展。此外，软件必须满足特定需求：系统不能提供实时态势分析或者不能了解或解决复杂战术态势是无法接受的。鉴于这些原因，ANN必须具备以下能力：

(1)向中央处理器提供连续的态势感知；

(2)识别并区分敌友；

(3)确定威胁与目标的优先次序；

(4)提供完善的进攻/防御选项；

(5)全天候昼夜作战能力；

(6)详细描述和平时期与冲突时的交战规则。

4.2 MAVEN实现的算法

计算机算法使无人作战飞机承载更加广泛的功能，如感知、定位、武器校准等，且无需人工干预，算法将成为武器系统的一个关键要素。算法无时无刻不在工作，将成为整个武器生态系统的大脑。在计算能力的支持下，数据可视化、机器学习将会时时更新，为其创造一个不断学习的环境。

未来，AWCFT计划完成总共38种对象的学习与识别算法。38种对象代表了目前战场上要处理的38类物品，基本涵盖了所有战场要素。编码也不仅仅是图像识别，并且现在正在设计算法来进行逻辑表达和场景识别。这些算法在测试验证之后，未来可用于改进UCAV的能力[10]。

5 UCAV的未来发展趋势

根据美国一系列无人系统发展规划，2035年，无人自主系统技术将发展成熟，无人机具备完全兼容的感知和规避能力，在极具挑战的战场环境中探测率超过75%，能进行全自主作战，具备很强的协同作战能力。未来执行战斗任务的无人作战飞机，必然会引起空中作战的组织编制、作战原则、战术思想乃至装备采购策略等方面的变革。目前，美国和俄罗斯都在酝酿发展第六代战斗机，其中无人驾驶已成为争论的选项。人工智能作为UCAV未来已被确定的关键技术，将成为下一步发展的颠覆性技术之首，一旦取得突破，UCAV的智能协同、智能任务、智能飞行能力将变成现实，成为未来空战的主力[10-11]。

5.1 智能协同

UCAV在执行任务过程中，涉及到协同指挥控制、协同态势生成与评估、协同语意交互等。从控制系统角度来看，人工智能是将来扩展操作员控制无人平台能力的一个重要方面。

DARPA在智能协同方面进行了长期的技术储备，“小精灵”和战略能力办公室的微型无人机集群项目，均已开展了原型测试，在不久的将来可望实现集群作战。美国海军研究办公室于2015年公布了“低成本无人机蜂群”(Low Cost UAV Swarming Technology，LOCUST)项目，发展在特定区域一起执行掩护、巡逻和攻击地面目标任务的无人机蜂群。美国空军研究实验室2015年启动了“忠诚僚机(Loyal Wingman)”项目，计划于2018年展开F-16武装无人机与F-35战斗机配对测试，以实现有人/无人的无缝配合和协同作战。2017年1月27日，DARPA公布了“进攻性蜂群战术”(Offensive Swarm Enabled Tactics,OFFSET)项目，希望研究复杂的蜂群战术和人机编组。一旦蜂群技术成熟，将深刻改变战场规则，甚至会带来无人机技术构架模式的一种变革。此外，DARPA主持的自主协商编队(Autonomous Negotiating Teams,ANTS)工程研究了基于自主协商的多UCAV协同控制在对敌防空压制(Suppression of Enemy Air Defenses，SEAD)任务的应用，以实现UCAV在计划和不同任务层次上的协同。

随着人工智能技术的发展，UCAV的自适应性将极大提高，可使系统在不需要人干预的条件下自动感知、判断、决策、协同、行动，以最优的方式对快速变化的战场情况作出实时、灵活和准确的反应，实现智能化武器平台的编队作战[12-13]。

5.2 智能任务

未来战争中，UCAV除了能够承担传统无人机所承担的常规任务外，还可执行以下任务：

(1)武器打击任务(基本任务)；

(2)敌方防空系统压制(SEAD)、纵深打击等高对抗环境下的危险任务；

(3)在危险作战环境中替代有人驾驶飞机；

(4)作为空中情报、监视与侦察以及通信中继平台；

(5)配合有人作战飞机协同作战。

未来，作战节奏快，场景变化快，UCAV将面临更为严峻的实时威胁，在此情况下任务规划的实时性就成为了作战制胜的关键点。通过提升UCAV的实时任务规划功能，强化UCAV规避各种突发威胁的能力，确保作战任务的完成。任务的自主智能，其最终目标是不需要人的参与。尤其在有限的人力资源条件下，寻求方法来提高操作效能是UCAV系统要努力解决的问题。一方面，提高处理能力和信息存储能力，尤其是机载预处理能力，这是有可能改变UCAV运作方式的一种解决途径；另一方面，自主技术减少了人在操作系统中的工作量，优化了人在系统中的作用，使人的决策集中在最需要的地方。此外，UCAV可以自主判断下一步需要做什么，然后自己给自己下达命令，其中涉及的关键技术包括语音、文字和图像的模式识别控制，人工神经网络的神经控制和模糊集合的模糊控制，等[14]。

5.3 智能飞行

飞行作战环境通常是动态变化、不确定的，系统必须能够实时地进行动态调整以适应环境变化。感知和规避已成为UCAV智能飞行的关键。灵活容错、目标跟踪、路径规划等具体功能，涉及到的技术关键在于飞行时的智能控制、空域的灵活整合和完备的环境适应。为确保UCAV的智能飞行，人工智应确保UCAV具备以下能力[4，14]：

(1)自主识别预编程任务之外的潜在威胁；

(2)自主搜寻并评估识别目标；

(3)在飞行过程中，因气象条件导致系统偏离任务计划路径时，UCAV适时自主修正路径规划；

(4)传感器探测到可能被敌方拦截时，自动更新任务计划；

(5)根据传感器突发数据，自动更新任务计划，自主改变飞行路径；

(6)当雷达告警接收机(Radar Warning Receiver,RWR)或导弹逼近告警(Missile Approach Warning,MAW)系统激活，系统自主规避飞行。

实现智能飞行的核心是智能感知与规避技术，具体技术包括侦察、干扰、探测、通信一体化设计，多源/多模信息融合处理技术，位置信息共享技术，以及环境自适应技术和新型传感器技术。

6 结束语

未来，以无人机为代表的智能机器战争将完全改变传统机器战争的形式，无人作战飞机将成为空战的主宰。在复杂、对抗的智能机器战争环境中，新一代具有完全自主能力的机器人设备将发挥极大的作战效力。例如，辛辛那提大学(University of Cincinnati)所开发的人工智能程序“阿尔法(Alpha)”在空战模拟器当中击败了有着丰富经验的退役美国空军上校Gene Lee。因此，从长远看，人工智能将成为UCAV能力的重要推手。随着人工智能技术、机载处理技术以及空中飞行管理技术等的发展，下一代的空优战斗机有可能逐渐被无人作战飞机替代，从而真正发展为零伤亡的智能无人战争[15-17]。