马赛克战概念分析和未来陆战场网信体系及其智能对抗研究

李强 王飞跃

1．陆军研究院科技创新中心北京100012 2.中国科学院自动化研究所复杂系统管理与控制国家重点实验室北京100190 3.青岛智能产业技术研究院山东青岛266100

随着人类逐步迈入“智能+”时代,国家安全增加了新的威胁和挑战.全球化影响和技术扩散等原因,导致常规战争与非常规战争的界限日渐模糊,传统意义的“大规模常规战争”和“小规模非常规战争”正逐步演变为作战模式更趋融合的“混合战争” 或“灰色地带”冲突,涵盖了物理域、信息域、认知域等多个维度.近年来发生的中东颜色革命、2014年俄乌冲突、2019年香港暴乱等一系列事件已表明,战争这个时代产物其内涵已悄悄发生深刻改变.信息与智能技术催生的“智能+”时代下的战争正呈现出物理、网络和社会系统虚实互动、协同共生的发展态势,即:“明战”、“暗战”、“观战”跨域合一的常态化与一体化[1].“三战合一” 主要表现为在物理域以常规武器特别是无人化等高科技装备为核心的“明战”,在信息域以网电对抗等为核心的“暗战”和在认知域以社会媒体网络等博弈对抗为核心的“观战”的一体化战略组合与运用.

为有效应对新时代的“下一场战争”,准确洞悉战争致胜机理,可借鉴美军互补演进方式推进“多域作战”和“马赛克战”概念的理念:即以“多域作战”概念为牵引,以作战任务为中心,以“马赛克战”提供技术和基础设施支撑,为“多域作战”实施提供更多、更快的选项之思路.以“三战合一”为牵引,以塑造有利态势为目标,以平行智能为基础支撑,加速推进军事无人化、网络化、智能化转型,从未来网络信息体系构建到体系层指挥与控制、认知域“观战”博弈等典型智能对抗领域寻求突破,以期为未来网络信息体系建设,尤其是指挥控制、侦察情报的智能对抗发展提供更多选项与借鉴.

1 马赛克战概念分析

2017年以来,马赛克战概念先后在美国DAPAR的一系列研究项目中部分显现和验证,如“体系综合技术与试验”,它是跨作战域的有人/无人平台异构组合分解效果链的功能集合(如查找、修复、定位、跟踪、交战等).

2019年9月,美军正式提出重塑竞争力的马赛克战概念[2].试图打造一个由先进计算传感器、多样化集群、作战人员和决策者等组成的具有高度适应能力的弹性杀伤网络,将观察、判断、决策、行动等阶段分解为不同力量结构要素,以要素的自我聚合和快速分解的无限多种可能性来降低己方脆弱性,并使对手面临的问题复杂化,从而制造新的战争“迷雾”.这一理念汇集了作战云基础设施、多域指挥与控制、忠诚僚机等多个作战概念,体现了美军应对大国博弈的最新作战理念与思想.

2020年2月,美国战略与预算评估中心发布了《马赛克战:利用人工智能和自主系统实施决策中心战》的研究报告[3],旨在为应对中俄等大国对手挑战,美国防部通过比对手更快更好的决策而不是消耗对手来取得作战成功.马赛克战是实现决策中心战的一种有效途径,对美军作战概念和部队发展具有重要意义.

图1 马赛克战概念及其演变

深入分析表明,马赛克战描述了如何对拥有精确打击能力的对手进行多域机动,与海军竞争环境中的沿海作战、陆军多域作战等概念不同的是,马赛克战的核心思想是廉价、快速、灵活且功能可扩展,它把作战过程视为一个快速、复杂的系统,将先前那种为实现特定目的而开发一种昂贵、精致弹药的做法,替换为将小型无人系统与现有能力进行创造性、持续动态组合,利用不断变化的战场条件和快速响应资源建立连接,使用低成本无人蜂群编队以及其他电子、网络等手段来击溃对手,马赛克战概念及演变见图1所示.在常规战争中,杀伤链是由“OODA 环” (即观察(Observe)— 判断(Orient)— 决策(Decide)—行动(Act))定义,但在马赛克作战结构中,点对点的连接被传感器节点网络所取代,这些节点都能够收集、处理和共享数据,并将其融合到一个不断更新的通用作战图中.经过初步探索,美军发现马赛克战概念是发展21世纪多域编队和能力的可行途径.下一步,美军将联合更多军种、盟国及科学家,进行战争游戏和实地实验,将马赛克战概念转变为新的装备和战术,并重新定义美国如何作战.

马赛克战概念的提出还考虑了美军应对大国博弈时存在的问题和短板,主要包括:高端多功能平台使美军作战架构太脆弱,继续采购这些高端平台效率低下且无法提供大国冲突所需兵力,主要新武器系统研发和部署缓慢,很难在冲突过程中灵活扩展当前部队设计,以及现有部队无法承受消耗和生存能力等.总的来看,马赛克战概念有以下4 个特点:

1)高度关注对手,对抗性强.美军高度关注瘫痪对手作战系统时面临的威胁,它假想对手优先通过动能或非动能方式攻击其关键节点或高价值目标,包括:链路关键节点,指挥与控制系统、侦察情报系统和火力平台等,降低或干扰其作战系统中的信息流,使作战系统要素“信息孤立”,降低或破坏其作战系统架构,破坏系统各要素之间协作,欺骗或制造节点故障,造成网络和数据链路中断,在其决策或杀伤链的任意循环阶段中“制造麻烦”,扭曲或延长其作战节奏,从而诱发各种冲突和混乱.

2)设计敏捷灵活,适应性强.马赛克战旨在解决未来战略环境的需求和现有部队短板.马赛克反映了更小部队结构元素如何被重新排列成许多不同配置或部队的理念,像艺术家创作任意数量图像的小块、不同颜色瓷砖一样,马赛克部队设计采用多种多样、分类的平台,与现有部队协作来打造一个作战系统.这种设计确保了美国军队在竞争环境中的有效性,以及由此产生的部队在整个军事行动中的高度适应性.

3)技术底蕴深厚,创新性强.马赛克战通过采用高弹性的冗余节点网络来获得多条杀伤路径,使整个系统更具生存性.通过将高性能、高端系统的特性与更小、成本更低、数量更多的部队元素所提供的体积和灵活性结合起来,确保了这些部队元素可以重新排列成许多不同的配置.当这些小元素组合成一个马赛克部队时,通过创造能够有效针对对手系统的软件包,就好像搭起乐高积木一样,支撑完成作战OODA 循环和杀伤链.为此,马赛克战提供了一种新的部队设计,以优化美国部队和未来系统战的作战概念.

4)注重效果累积,目的性强.马赛克战在致胜机理上是从整体上塑造态势,接受每步不那么完美的解决方案,强调各个环节和要素的协调高效运行,通过灵活的无人系统和人机混合智能协作,可从多个方向、多个维度向对手同时进攻,给对手产生一系列“迷雾”和决策困扰,以期不断累积作战效果,直至达成最终效果或对方系统崩溃.

综上,为重新获得和保持对大国对手的优势甚至“代差”,美军正在寻求新的国防战略与作战概念,旨在通过更好整合陆地、海洋、空中、太空、赛博空间的行动来提高美军领先能力,突破以往延长线式的发展思路,以确保未来能够在与大国博弈中获得对抗优势和成本优势.“马赛克战” 概念为“多域作战”的实施提供了更多技术选项与支撑,为有效应对“马赛克战”这种复杂性科学支撑下的新作战概念带来的威胁挑战,破解“复杂性悖论”,需要从复杂性科学、系统科学角度出发,探求能够将系统复杂性、多样性和不确定性,有效转化为灵捷、聚焦和收敛的新思路与新体系,平行智能理论与ACP 方法值得期待.

2 平行智能网信体系架构研究

随着大数据、云计算、人工智能、物联网、区块链等技术的快速发展,未来陆战场空间将从物理域、信息域逐步向认知域、社会域、生物域等拓展[4],呈现出“云、网、边、群”的新型体系架构,其中“云”是作战云,“网”是智联网,“边”是边缘设备,“群”是无人集群,如图2所示.对这样一个要素多、节奏快、流程复杂的陆战场网络信息体系实施有效管理与控制本身就极具挑战,更何况还要同时考虑对抗“马赛克战”这类复杂系统,其不确定性、多样性、复杂性可见一斑,探究该难题的解决思路正是本文的重点.

图2 未来陆战场网络信息体系构想

平行智能理论是复杂系统理论和复杂性科学的延展,平行系统基于人工虚拟场景,利用自适应演化等方法驱动实验,评估各类参数配置、技术方案的效果,实现系统演化建模.通过实际系统与人工虚拟系统协同演化、闭环反馈和双向引导,实现对实际系统的目标优化[5],如图3所示.

图3 平行系统架构示意图

平行系统的核心是ACP 方法,主要由人工虚拟系统(A)、计算实验(C)和平行执行(P)3 部分组成.第1 步,针对实际系统中的各类问题,以实际系统数据驱动,构建可计算、可编程的软件定义的对象、流程和关系等,并将其组合成软件定义的人工虚拟系统(A),利用人工虚拟系统对复杂系统问题建模;第2 步,在人工虚拟系统中开展计算实验(C),通过设计各类智能体的组合及其交互规则,运行产生完备场景数据,借助机器学习、动态规划等手段,计算求得各类场景下的最优策略;第3 步,将人工虚拟系统和实际系统虚实互动,以平行执行方式(P)引导实际系统趋向人工虚拟系统.通过实际系统与人工虚拟系统之间的行为比对与分析、预测与评估,完成对各自系统未来状况的“借鉴”与预估,并相应地调节各自现有管理与控制策略和方式,以实现对未来状态的有效引导和管控目标.

以平行智能理论和ACP 方法为基础,把陆战场网络信息体系中难以认知的“虚”和“软”的部分,尤其是“虚” 的认知系统,通过可定量、可实施、可重复、可实时的计算实验使之“硬”化,构建平行智能网信体系,如图4所示.对人工网信体系开展各种关于性能、可靠性、方案鲁棒性及正确性等同一条件下短时间内大量反复的“加速”实验、“压力”实验和“极限”实验等,对各种可能的体系对抗场景进行“试错”实验,对人工网信体系涌现出的复杂系统行为和系统现象进行标定与统计分析,按照一定指标体系对各种解决方案进行学习与评估,进而拓展系统“想象力”,逐步拨开战场复杂性“迷雾”,得到对复杂系统问题准确、及时、量化的“最优”控制方案,从而解决实际复杂网信体系中不可准确预测、难以拆分还原、无法重复实验等难题.

对于平行智能网信体系这类复杂巨系统来说,基于复杂系统不可分、不可知的特点,严格地讲,已经无法对其传统有机组成部分如侦察情报、指挥控制、通信传输、网络安全等作出严格还原拆分,我们只能通过信息化、自动化、智能化一体融合方式,将面临的各种不确定性、多样性和复杂性,转化为具有深度情报支撑的灵捷、通过计算实验解析的聚焦和能够反馈互动的自适应收敛.同时,必须正视复杂系统研究中的主观性和心理作用影响,认清主观性倾向在网络信息体系研究中无法消除的本质,将人的主观性因素纳入网络信息体系研究中一并考虑,而非相反的人为忽视,即从CPS (信息物理系统)向CPSS(信息物理社会系统)范式转移.下面从指挥控制、情报博弈的智能对抗角度进行深入分析.

3 体系层指挥与控制的PREA 环智能对抗研究

指挥与控制的核心要素是人、信息及其组织结构与过程,随着5G 移动通信和人工智能技术的快速发展及应用,指挥与控制系统呈现出指挥、控制、管理一体化的新范式[6].文献[7]提出韧性指挥与控制系统概念,旨在面对系统故障或遭遇人为干扰情况下,韧性指挥与控制系统具备自主感知自身和环境变化、主动建立调整适变机制且完成核心作战任务的能力.文献[8]提出指挥与控制本质上是一个复杂性科学与工程问题,不存在一劳永逸的解决方案,只能不断根据新问题、新情况重新认识指挥与控制的要素、过程与对象,才能实现对指挥与控制的变革,使之能够有效遂行各种复杂战争与非战争军事行动,特别是跨域作战行动.

图4 平行智能网络信息体系数字四胞胎架构

目前,关于指挥与控制描述使用最多的仍是20世纪50年代由博伊德基于空战平台对抗的优劣势分析提出的OODA 循环.文献[9] 指出从作战平台上升为作战体系以后,指挥对抗活动的基本属性更多体现在认知域、社会域,而非平台对抗涉及的物理域、信息域,如感知与理解问题、混合决策问题、行动控制问题等,都涉及多个主体间的有效协同,包括共享感知、协同决策与协同控制等,会面临物理域上的规模尺度变化、信息域上的障碍与“迷雾”,以及认知域上的理解偏差和决策冲突等深层次机理改变,并提出了体系层指挥对抗的“PREA 循环” (即筹划(Planning)— 准备(Readiness)— 执行(Execution)—评估(Assessment))这一全新思路框架,填补了体系层指挥控制活动的机理模型空白[10],如图5所示.

图5 体系层指挥与控制的PREA 环

PREA 环理念给经典OODA 环“以快致胜”的致胜机理在体系层赋予了新的内涵,即:接受不那么完美的解决方案;强调各个环节与要素的协同高效运行;突出效果的持续累积并“以稳致胜”等.在未来大量无人平台(无人机/无人车/无人艇或无人集群等)参与的陆战应用场景中,单纯追求加速OODA 循环这种“以快制胜”的平台级作战致胜机理,已并非放之四海而皆准的圭臬,认知域、社会域的迫切需求对指挥与控制有效实施带来了新的挑战:1)多个主体对战场态势的共同感知与共同理解.2)多个主体对同一情况的协同决策.3)多个主体在分布式作战环境中的协同行动.4)在上述过程中的人机混合智能协同.5)在上述过程中智能体(人人/人机/机机)之间的高效联结与知识协作.在此情况下,过分强调“察打一体”、刻意追求每一环节的结果最优等,对于体系层指挥对抗活动已非制胜之道,甚至有可能对全局目标产生负面影响,要把理念性、科学性与工程实践相结合,寻求新的解决思路.

借鉴PREA 环研究思路,在平行智能网信体系架构下,开展体系层指挥与控制的平行PREA 环智能对抗研究,引入软件定义的人工虚拟组织与系统,把Cyberspace 变成新的资源空间,构建与实际PREA环伴生的描述、预测和引导PREA 环数字四胞胎,如图6所示.通过知识工程解决陆战场各作战要素的知识精细处理与协作难题,实现作战实体之间的高效“智联”;通过人机混合智能解决人机协同决策难题,提升各层级智能机器对战场的“想象力”,实现人机协同对各层级指挥员的认知“扩脑”;通过己方各层级PREA 环的循环嵌套稳定运行,给对手持续施加认知和决策障碍与压力,使得每个任务周期内己方的执行效果持续正向累积,而造成对手出现类似指挥失当、行动紊乱甚至体系崩溃等情况,最终达到塑造于我有利态势的任务目标,实现人机混合高效协同的指挥与控制智能对抗.

4 基于情报博弈的认知域智能对抗研究

情报系统先后经历了HUMINT、SIGINT、IMGINT、OSINT,即将迈入平行情报体系[11].近年来,随着Web2.0 和移动互联网的快速发展,围绕社交媒体的交锋日益成为冲突焦点,从利比亚到伊拉克,从乌克兰到叙利亚,社交媒体网络已经成为冲突各方激烈博弈的新战场.2019年,美陆军在大力推进“多域作战” 概念深化研究时,重点围绕抢夺“竞争” 阶段主动权、寻求创新信息战样式等问题进行试验验证[12].其中,抢夺“竞争” 阶段主动权主要指在冲突发生前采取经济施压、特种作战、网络窃密、社交媒体发布假消息等多种手段.2019年8月1日,英国陆军高级将领也宣称其陆军将直接参与社交媒体战行动,以确保获得行动主动权.基于社交媒体的开源情报在现代战争和非战争军事行动中的“观战”作用日益凸显,逐渐成为未来战争中不可或缺的关键力量和作战样式.

图6 体系层指挥控制的平行PREA 环数字四胞胎

图7 “三战合一”的跨域行动

为有效应对“三战合一” 带来的现实威胁挑战,如图7所示,尤其是有效履行全域作战的“认知域”博弈对抗任务,通过社交媒体的草莽“绿林”好汉和“大V”意见领域或各类知识机器人等组成的“绿林军”,建立智能“观战”系统刻不容缓[13].开源情报的应用研究包括信息域、认知域、社会域3 个维度:

1)信息域维度.通过对社交媒体的文字、图片、视频等开源信息挖掘分析,能够判明发布者位置信息和活动规律等,进而实施精确打击;通过人肉搜索、网络众包等方式[14],可以快速、准确刺探获取敏感人物、事件等多方位信息,有力促进对战场环境、敌情、地形、气象水文等情报获取;通过开源情报与闭源情报的比对印证,能够及时、多渠道识别虚假情报,避免形势误判,有利于对未来复杂战场态势的准确预测与预警.

2)认知域维度.通过开源情报的对抗博弈,在复杂对抗交互中解析个人信息、兴趣、行为特征等因素,再叠加人与人之间的社会关系,可有针对性地推送感兴趣商品、投放“虚假”消息等,用于散布极端思想、招募极端分子、震慑威胁目标甚至影响政治大选投票意向等.

3)社会域维度.针对开源情报的跨媒体、跨网络、跨空间等特性,除了影响个体认知判断外,对社会舆情、群体认知判断等也会造成重大干扰和影响.分析挖掘热点地区的敏感情报信息,持续开展相关地区地理环境与人文社会研究,建立分级分类预警机制,深度挖掘分析舆情事件和源头,助力监测敏感事件及其传播动向,为分析、预测并最终引导敏感事件发展走向等提供支撑.

为高效获取有用、可信的开源情报,需解决情报的描述、预测和引导等技术难题.其中,描述解析基于现有开源数据的挖掘分析,开展现有数据产生原因、情报规律研究,从而精准刻画敏感人物,准确把握敏感事件发展全貌;预测解析通过基于人工情报系统的计算实验,了解敏感事件发展规律,预测敏感人物网络行为及敏感事件发展动态;引导解析通过引导网络中的人员互动,从而将隐性知识显性化,刺探并获取所需情报知识,引导敏感事件向于我有利态势发展[15].

特别地,要高度重视开源情报的假消息识别与智能对抗.除了根据情报信息来源的权威可信度,采用基于领域知识库及已有的或历史的可靠情报信息比对方法,完成对情报信息的语义相关性计算,实现对情报信息内容的一致性、完整性程度判别之外,还需要在对开源情报的人工社会分析建模与计算实验后,进一步对特定事件态势进行有效评估.采用演化博弈方法对动态网民群体(Cyber movement organizations,CMO)间的博弈过程进行分析,然后基于综合的情报分析结果研究实现对事件走向的预测、引导方法与机制.事件动态预警与多层次引导策略方法,可通过针对事件传播过程中所涉及到的网民个体行为特征、情感特征,以及影响力特征等网络群体行为特征,结合信息可信度的分类与度量,实现对敏感和热点事件的提前预测预警与有效引导.基于演化博弈的事件引导机制,可借鉴种群生态学的种群入侵理论,将宏观情报传播和情报博弈过程建模为持有特定观点和情感的微观人工用户群体之间的入侵对抗及其高层涌现,通过安全博弈论研究单次情报博弈的静态Stackelberg 最优策略,并据此选择理想状态人工“绿林军”投放至实际社会媒体,以最终影响和引导实际社会事件走向,如图8所示.

此外,利用情报系统和计算实验得到的大数据,将各类军事作战想定、规则和参数迁移到类似“星际争霸”“魔兽世界” 等即时军事战略游戏,平时可将智能指挥对抗系统打造成指挥员的“私人教练”,通过不断迭代升级进行人机博弈式推演,训练各级指挥员的战场认知大局观和临机思维反应,将极大提升指挥对抗训练的效率和水平.可通过VR/AR/MR 等技术,训练士兵战术素养,让士兵平时即沉浸式融入各种作战场景,不断面对战场中可能发生的爆炸、冲突、宗教、社情、装备、故障等常规和突发情况,以期让士兵快速获得战场经验认知和装备操控技能体验,从而不断提高战场实际临战反应[16].

5 结论

图8 开源情报的智能博弈对抗

本文借鉴美军以互补演进方式推进“多域作战”和“马赛克战”的发展理念,从有效应对“马赛克战”概念的“威胁挑战出发,以“三战合一”为牵引,以塑造未来战场有利态势为目标,以平行智能为核心基础,提出了涵盖“云、网、边、群”的未来陆战场平行智能网络信息体系架构,并分别对体系层指挥与控制、认知域情报博弈等关键领域的智能对抗研究进行了积极探索,提出了解决思路和基本流程框架,为未来陆战场网络信息体系建设及其智能对抗发展提供了借鉴与参考.

特别感谢中国工程院费爱国院士在论文研究和撰写过程中给予的指导和帮助.感谢武汉大学张俊教授在指挥与控制智能对抗研究中的研讨和帮助.