人工智能辅助决策系统的发展与技术原理

徐晓晗，古华栋

1 人工智能辅助决策系统的含义

人工智能辅助决策系统是将人工智能引入作战辅助决策，分析判断战场态势变化，对比敌我可能行动方案，经过模拟推演和自动评估高效更新作战方案。对传统的OODA环路进行改进，将“OO”部分即观察、判断进行快速推演，展现出多分支作战方案可能产生的不同结果，预测敌方意图和行为，形成作战方案动态规划。

其重要意义在于建立多维作战效能估计标准，实现作战方案自动枚举、优化搜索和面向博弈论的序贯规划滚动更新，使作战任务规划活动能主动适应作战任务和战场环境，有效应对战争迷雾和多种临机不确定性。使指挥员注意力集中于宏观判断决策，而非细节制定上。同时基于知识数据混合驱动的决策能力，即利用大样本推演数据归纳知识，经过学习构建态势分析和策略决策的直觉映射，从而使决策走向自主进化的高度智能化，大幅提高决策效率和质量。

2 发展历程

20世纪70年代，决策支持系统（Decision Support System）被提出，希望借助计算机，为决策人员提供帮助。典型代表为美军战术级任务规划系统JMPS和战区战役级任务规划系统联合作战规划与执行系统JOPES，用以解决诸如态势研判、方案评估、计划生成、综合保障等一系列具体问题。

DARPA于2007年启动了“深绿(Deep Green)”计划[1]，目的是大大缩短临机决策时间，计划嵌入旅级指挥控制系统，使得作战计划制定缩短到25%，大大提高指挥员临机决策的速度。其核心技术是通过人机交互获取指挥员意图，形成作战方案备选集合，通过红蓝双方高速模拟对抗和结果分析，形成对未来作战空间的深入了解，提供关键事件和决策点的概率模型，并通过人机交互可视化方式给与呈现。“深绿”代表了人工智能辅助决策的发展方向。

2009年至2014年间，DARPA先后启动了洞察力、指南针、X数据、大机制、深度学习等基础研究项目[2]，探索发展从视频、图片、文本、语音等跨媒体数据中提取关联关系、提取高价值深度情报信息。同时，近几年DARPA布局了一系列面向实际作战任务背景的项目。洞察力项目开发新人工程序来帮助增强情报分析人员对海量信息分析处理的能力，大大提高分析效率，同时有利于对时间敏感作战行动提供及时情报支持。指南针项目——“通过规划主动的情景想定进行情报收集和监视”（Collection and Monitoring via Planning for Active Situational Scenarios），旨在开发一款高级软件来帮助作战人员通过衡量对手对各种刺激手段的反应来弄清对手的意图。该项目将利用先进的人工智能技术、博弈论以及建模和评估方法来甄别尽可能暴露对手意图的刺激手段，并为决策者制定相应措施提供高保真情报，为每种行动方案提供正负两面的权衡。

2015年12月，美国防部提出了第三次抵消战略[3]，重点强调了人工智能技术，并提出了五大关键技术：自主学习机器、人机行动协作、作战辅助系统、有人/无人混合编组、网络赋能自主武器等。其中三项就与人机协同混合作战相关，代表了人工智能辅助决策技术将成为未来世界军事强国的发展重点。

2016年6月，美国辛辛那提大学研制了空战人工智能程序——阿尔法，在模拟空战中击败了美军空军王牌训练教官李上校。李上校表示：阿尔法可以快速判断对手动机，具有超乎寻常的观察能力和反应能力，即时对飞机机动和导弹威胁进行反应，可以有效进行导弹规避，在攻防转换方面灵活机动。据称，阿尔法在空中格斗中快速协调战术计划比人类快了250倍，可以在1ms内完成多机作战计划更新，并通过自我学习完善决策能力。该技术是AI在交战控制领域应用的重大突破，未来可用于训练人类飞行员。为AI辅助决策提供了新的发展方向。

2016年底，美军启动指挥官虚拟参谋（Commander’s Virtual Staff）项目[4]，旨在通过综合应用认知计算，高效处理实时战场数据，自动确定任务清单，可灵活介入军事决策流程，行动方案动态评估，进行态势预判，给方案建议，在复杂环境下提供有用的决策信息，协助营级指挥员完成临机战术决策。

3 人工智能辅助决策的技术原理

3.1 态势评估技术

对抗态势是指对抗各方通过作战力量对比、部署和行动等形成的状态和趋势，态势的评估为后续对抗策略生成与优化提供了依据。主要技术挑战：1）存在战争迷雾，有些敌方信息无法获得；2）高层态势比较抽象，难以获取；3）态势评估的信息众多，有效融合多维信息困难。

针对上述挑战，根据任务，对地形、敌情、我情进行详细分析，态势评估包括3个层面静态特性、演进特性、动态特性。态势评估技术是辅助决策的重要环节，最重要和复杂的是敌情分析。需要的计算包括：敌方位置估计：不完全信息条件下的敌方位置估计；敌方威胁评估：敌方火力覆盖区域分析；敌方行为企图估计：敌方行为和企图的预测；过程预测：战局走向预判。

3.2 决策计划技术

决策计划技术主要涉及多兵种协同的任务规划，解决编队与单体的机动火力计划问题。主要挑战在于：1）宏观决策收益需要长时间才能显现，决策行为与效益难以直接映射；2）多兵种战术组合空间巨大，寻找优化方案困难；3）分布式群体行为协同规划容易出现任务冲突，分层任务分解缺乏有效手段。

针对上述挑战，构建决策计划的实施方案：作战构想自动枚举，完成作战意图、作战目标、主要作战方向、兵力分配、主要战法自动枚举；作战方案自动推演；建立多维度分层方案评价准则，完成多种方案比较评估；根据优化准则形成决心建议；构建分层任务分解与任务协同机制，实现作战方案到作战计划的自动生成；针对策略能力需要自主提升的问题，构建博弈策略的评价机制和学习型策略演进机制，实现博弈策略的自主进化与能力提升。

3.3 人机交互技术

人机交互技术是实现辅助决策的重要环境，不仅要指挥员意图有效导入，同时也要将态势预测和方案计划有效呈现，并接受指挥员的修改完善。主要挑战：1）基于多通道人机交互手段的指挥员意图高效导入；2）态势、方案、计划的可视化有效表达；3）人机融合的有效介入，决策计划的高效修改。

针对上述挑战，构建人机交互的实施方案：基于语音和手写平板的作战草图导入方案；基于分层态势和多维语义态势图的可视化通用态势表达模型；基于分层任务网络的方案计划可视化表达；基于自然语言和手写草图的方案计划修正模式。

4 未来展望

随着人工智能技术的迅猛发展，未来辅助决策系统主要发展趋势如下：

1）人机融合下的辅助决策。人类由于感知与决策能力的生理局限性而无法驾驭未来战争，由人来控制整个战场因素的传统做法已经无法应对瞬息万变的高强度未来战场环境。人类战士将不得不逐渐跳出作战链，在多数情况下作为计划员、管理员和指挥员的角色配合机器智能以把控整个战争的进程，从而推动战争从人类之间的战争转变为人机协同作战的全新形态，包括精准感知、临境自然交互、人机协同感知、人机融合计算。

2）辅助决策的人机智能演进。机器智能可能会颠覆传统人类战争决策逻辑。以深度强化学习、大数据、超级计算为基础的新型博弈对抗策略，展示了全新的数据驱动最优博弈策略生成方式，表现了强大的博弈对抗能力和自学习进化能力。未来以知识数据混合驱动的学习进化型战争决策逻辑，将全面取代传统单纯以运筹学基础军事博弈决策逻辑。不断演进的新型人工智能技术成为未来军事博弈决策的颠覆性力量。机械化战争思维将被全新智能化战争思维取代，非人类传统战法的机器智慧大大延伸了人类智慧，这是人类对战争规律探索与人机混合增强智能的最新认知。