人工智能技术在军事领域的应用思考

2022-07-13李博骁李奇峰郑明心

中国电子科学研究院学报 2022年3期

李博骁, 张峰, 李奇峰, 郑明心

(1.中国电子科学研究院，北京 100041; 2. 清华大学，北京 100084)

0 引言

随着深度学习、机器视觉等核心技术的大发展和大突破，人工智能迎来新一轮的发展热潮，并迈入“黄金时期”。如今，人工智能技术已经深入交通、服务、医疗健康、教育、就业、公共安全与防护等民用领域[1]，代替“懒人”完成部分体力和脑力工作。

当前，智能技术正不断颠覆信息化时代下的军事理论、作战规则和作战方法，有力推进新军事体制变革，逐渐改变未来战争的形态[2]。美军将人工智能视为“改变游戏规则”的颠覆性技术，并已经在无人作战平台、电子战、辅助指挥决策等技术领域中对人工智能技术进行尝试和应用。

加快军事智能化发展，提高基于网络信息体系的联合作战能力、全域作战能力[3]。智能技术对我们来说，既有挑战也存在机遇。面临新形势下的威胁态势，面向新时期军事作战需求，我们要找准定位、明确目标、奋勇攻关，有效应对内外环境变化带来的风险挑战，努力抓住科技进步创造的发展机遇，实现“弯道超车”。

1 人工智能技术的发展

1.1 人工智能发展脉络

自1956年“人工智能”概念首次提出至今已历经近70年。其发展历程可划分为6个阶段[4]。

起步发展期：1956年—20世纪60年代初。人工智能概念在1956年的达特茅斯会议上被提出后，迎来了领域发展的第一个高潮。随着机器定理证明、跳棋程序等一批技术成果的面世，人工智能技术取得了令人瞩目的成绩。

反思发展期：20世纪60年代初—70年代初。伴随着人工智能技术研究的逐步深入，科学家们开始尝试利用人工智能技术解决一些更具挑战性的问题，但迎来的却是越来越多的困难和失败。例如，消解法(归结法)无法证明微积分的简单定理、机器翻译未成功实现词到词的简单映射翻译等。在一系列的失败之后，人工智能的发展进入了低谷。

应用发展期：20世纪70年代初—80年代中。虽然面临巨大的困难和压力，科学家们依旧不断推进人工智能的研究。在这一时期，专家系统取得重大突破，通过其内部存储的大量特定领域的知识和经验，实现了人类专家决策过程的模拟，成为早期人工智能发展的重要分支和应用领域，研究成果在生物、化学、医学等多个领域内得到了广泛应用。人工智能再次步入高速发展期。

低迷发展期：20世纪80年代中—90年代中。人工智能应用规模不断发展之后，同样遇到了一定的挫折。专家系统具备专业化求解问题的特点，但同样存在数据库兼容性不足、系统可移植性和灵活性较差、求解方法单一等缺陷。

稳步发展期：20世纪90年代中—2010年。随着互联网技术的飞速发展，再次促进了人工智能技术的进步。各国不断加大对人工智能科技创新方面的投入，进一步扩大了人工智能的应用领域，推动了技术的实用化。例如，IBM建造的深蓝超级计算机于1997年击败人类国际象棋冠军[5]，及其2018年提出“智慧地球”概念[6]，成为这一时期的标志性事件。

蓬勃发展期：2011年至今。进入21世纪，人工智能技术取得了突破性进步。1)以深度学习、强化学习为代表的人工智能算法的突破；2)以大数据、云计算、分布式计算、图形处理器等为代表的计算能力的突破；3)泛在互联、物联网等技术保障了算法具有了充足的训练数据。这些突破极大地提高了智能化水平，拓展了应用范围。人工智能技术在图像识别、语音识别、自动驾驶、个性推送、智慧城市等领域得到了广泛应用，逐渐将理论以现实科技产品的方式呈现在大众眼前。人工智能领域迎来新一轮的发展高潮。

1.2 人工智能发展趋势

未来，应是从弱人工智能(ANI)朝着强人工智能(AGI)、直至超人工智能(ASI)的方向发展，逐步实现取代人类工作、开拓认知荒地、直至解决人类世界所有问题的目标。

弱人工智能：需要人的参与，让计算机获得“意识”“思维”或是非凡的计算能力，例如语音识别、图像识别和翻译，多是以统计数据为基础建立的算法模型，只能在某一特定的领域内发挥作用。而以Watson[7]和AlphaGo[8]为代表的“弱人工智能”虽然具备优秀的信息处理能力，但是同样存在处理问题较为单一、智能化水平不高等问题，从而仍被归纳为人类的“工具”。

强人工智能：使计算机灵活自主地获得“意识”“思维”或是非凡的计算能力，能独立思考，具备处理多领域、突发性问题等“弱人工智能”不具备的能力，其在学习、规划、思考、推理和解决问题等多方面均可与人类比肩。强人工智能不再仅仅是“工具”，而被定义为类人的人工智能，即人类能完成的脑力工作机器同样能够完成，成为真正意义上的人工智能。

超人工智能：将会超越人工智能这个范畴，在完全没有人类的干涉下，拥有意识与记忆，其感知与认知能力是通过自我学习而得。在超人工智能阶段，人工智能已经跨过“人类智能水平”这个“奇点”，实现了智能爆炸。其将以远超人类的计算能力和异于人类的思维能力，在各领域内实现对人类的全面超越。

1.3 人工智能在民用领域的应用现状

当前，人工智能技术已在语音识别、图像识别、无人驾驶、生命科学等民用领域应用上开花结果。

语音识别方面，Nuance、IBM、微软、Google、科大讯飞等厂商[9-13]具有较强竞争力，能够通过利用语音特征提取与匹配、语音识别模型训练等技术，实现将语音信息向文本信息和计算机指令的转变，已在家居控制、口语测评、优化病例业务流程等方面得到了广泛应用。

图像识别方面，亚马逊、Intel、商汤科技、阿里巴巴、腾讯等厂商[14-18]走在了前列，能够让机器在图片或视频中辨识及检测出物件、任务、地点、文字内容、举止行为等特征，已在人脸识别、车牌识别、临床医学影像分析、食品品质检测等方面得到了较好应用。

无人驾驶方面，Momenta、特斯拉、百度等知名厂商[19-21]研制的自动驾驶汽车，能够通过多种车载传感系统实现对车辆周边环境的动态感知和识别，并基于当前状态信息完成自主精确快速的规划路线，控制车辆安全稳定地抵达目的地。生命科学方面，iCarbonX、天智航、万里云等厂商[22-24]，致力于利用人工智能技术对临床试验患者数据进行分析，辅助癌症等疾病诊断；帮助制药公司通过分析制造过程数据来优化生成，加快药物生产速度等。

除了全球知名企业，我国各大高校、研究院也在积极推动人工智能技术的应用。比如，清华大学专门成立智能产业研究院[25]，以生命科学、绿色计算、自动驾驶作为重点方向，推动人工智能技术赋能各产业。

2 军事领域对人工智能的需求

2.1 军事作战特点

按照克劳塞维茨《战争论》的定义，战争无非是扩大了的搏斗，是迫使敌人服从我们意志的暴力行为[26]。千百年来战争形态和手段及样式虽历经变迁，但战争本质核心却始终如一，这就是消灭敌人，保存自己。军事作战特点主要包括以下三点。

1)非友好、非合作、不可控。战争的成败可能决定了对抗双方的生死存亡，使得对抗双方尽其所能地欺骗对方、尽可能地隐瞒自己的真实意图、尽可能地利用对方所有可能漏洞，从而使得对抗双方都无法全面有效地掌握战争的真实状态，导致战场局势不可控。正如丘吉尔所说：“一旦开了第一枪或引爆第一颗炸弹，政治领导人就失去了对战争的掌控权，战争本身成为了主导者。”

2)不确定性大。作战是敌我双方持续对抗的过程，然而，复杂战场环境、指挥决策、对抗手段等多种不确定性因素必然会产生作战空间、作战力量、作战规则、作战流程等要素的不确定性。由此，要求指挥员要善于未雨绸缪，周密制定计划，创造有利于我而不利于敌的战机，能够基于瞬息万变的战场情报数据及时调整作战行动。

3)作战规律难以掌握。一方面，由于“战争迷雾”的存在，在战场环境下对作战数据的获取往往是不完整的、不完备的、甚至是虚假的，使得军事装备自身难以自己学习训练，从而无法掌握作战客观规律继而变成军队可用装备。另一方面，随着各种侦察探测手段引入现代战争中，各种信息充斥战场，数据的过剩、超载、盈余、膨胀使得很多有价值的信息淹没在数据海洋中，导致不可靠、不相关、模棱两可和互相矛盾的信息呈指数级的增加，进而增加判断的复杂性。

伴随一批新兴技术理论的不断突破和技术应用范围的持续扩大，多种新质武器的相继问世，未来战争将会是在陆、海、空、天、电、网上进行的全维战争，是战场信息处理能力、辅助决策能力、快速打击能力的比拼。未来战争空间多维、力量多元、样式多样、节奏加快等突出趋势，对战场信息的接收与认知、对战场态势的评估与预测、对作战行动的快速应变等能力要求将远远超出作战人员的思维能力，必然需要依靠具有超强计算、学习和理解能力的机器进行威胁研判和作战辅助决策。

2.2 人工智能的优势

人工智能自诞生之日起即被赋予了一项崇高使命，即代替人类完成繁重、危险和重复性工作。面对这些工作，人工智能具有速度更快、精度更高以及抗疲劳性更强等显著优势。随着人工智能的发展，其对军事调度、战场行动认知与决策的能力将逐渐超越人类。

1)人工智能善于解决复杂信息认知问题。人工智能技术能够打破现有作战规则，使得机器像人一样对复杂问题进行认知，积累经验，解决问题。通过对战场大数据的有效开发，提高指挥员对多个战场空间情报的发现和深度认知能力，利用数据挖掘分析方法从海量多源异构信息中得到高价值军事情报信息，大幅度提高情报分析处理能力，从而能够把握战场发展动向，预估敌我态势变化，破除“战场迷雾”。

2)人工智能善于解决复杂状态空间问题。人工智能技术在继承机器优势的同时，具备针对复杂任务进行高效率的信息搜索和优化处理能力，是解决不确定性和复杂性的有力武器。围棋在走法上有10170种可能，比全宇宙的原子数1080都要多，然而相比于围棋，战争要更加的复杂多变。战争具有更强的战场开放性、攻防隐蔽性、作战多维化等特点。如今，人工智能已经攻破围棋的堡垒，正在向复杂度更高的“星际争霸”游戏发起挑战。

3)人工智能善于自我学习实现能力升级。人工智能技术可以通过系统后台进行无监督学习和机器博弈，从而达到系统性能的自我提升和优化的目的。以围棋为例，AlphaGo只花了几个月的时间，学习人类对弈的三千万棋局，在通过海量的历史棋谱学习参悟人类棋艺的基础之上，进行自我训练，击败了人类顶尖棋手。而AlphaGo Zero与AlphaGo有着本质的不同，它不需要通过学习历史棋谱从而掌握人类的先验知识，而仅靠了解围棋对弈的基本规则，通过自我博弈和自我进化，迅速提升棋艺，实现对AlphaGo的百战百胜[27]。

可以预见，应用人工智能技术，能够在很大程度上提升作战指挥活动的观察、判断、决策、行动等关键过程的作战能力。人工智能技术将成为军事变革的重要推手，必将催生新的战争样式，推动战争形态的加速转变。

3 人工智能军事应用方向

3.1 军事智能技术体系框架

未来战争，从能力上我们希望具备更加透彻的感知、更加高效的指挥、更加精确的打击和更加自由的互联。由此带来的众多跨作战空间装备之间数据互联、任务协同及海量战场异构数据实时处理等问题必须由更加深入的智能才能得到有效的解决，继而对感知、指挥、打击、互联等作战能力产生催化剂的作用，形成一体化智能作战链条，颠覆性提升体系作战效能。

军事智能技术体系框架如图1所示，包括赋能体系、军事智能系统、作战体系等三个方面。

图1 军事智能技术体系框架

赋能体系：以机器学习、人机交互、计算机视觉等人工智能算法为依托，形成面向军事应用的人工智能优化算法引擎，实现人工智能技术在军事领域的赋能。

军事智能系统：应用赋能技术，面向军事作战需求，依托作为人工智能算法“倍增器”的基础支撑，实现感知、指挥、打击、互联形成的OODA作战链路的智能化。

作战体系：在空中作战、反导反临作战、太空对抗、陆海作战等行动中，作战部队利用军事智能系统，与人协同，提升作战效能，形成对敌方的非对称优势。

3.2 更加透彻的感知，实现信息优势

在探测感知领域，主要可在目标信息获取、战场数据分析等方面应用自然语言处理、元学习、随机森林等职能技术，实现信息优势，如图2所示。

1)应用于目标信息获取。综合利用微波辐射、可见光、多光谱、红外、声学、磁力等多种探测手段，实现对战场目标信息的高效准确采集和获取；应用多谱段-多体制协同探测、多源数据智能融合等技术，提高对目标的多维特征提取，精确解算目标位置，实现对目标属性、类型、国别、身份、敌我等快速准确识别，实现目标信息的所见即所得[28]。美国防部高级研究计划局(DARPA)2010年启动了“心灵之眼”项目[29]，旨在研发视觉智能系统，通过无人作战平台观察目标作战信息，并为作战人员及时提供应对手段。该项目主要通过运用智能图像处理和机器视觉等技术，对视频信息中物体的动作和行为进行辨别和分析，通过对物体动态行为信息的准确感知，以实现复杂作战环境中对潜在威胁进行识别和认知。无独有偶，美国防部于2017年成立了“算法战跨职能小组”[30]，旨在解决美军在中东地区对ISIS进行反恐作战过程中遇到的海量情报分析困难问题。该项目通过运用深度学习、计算机视觉等技术，利用数台计算机代替数以千计的情报分析人员，提高情报提取的效率和精度，以支撑更及时有效的决策[31]。

2)应用于战场数据分析。综合利用大数据、机器学习、数据挖掘等技术，寻找在复杂作战过程中产生的海量数据之间的内在关联关系，快速高效分析战场作战行动和态势变化，将侦测到的战斗力量分布与活动和作战环境、敌作战意图及机动性有机联系起来，分析并推理事件发生的原因，得到敌方兵力结构和使用特点的估计，通过已知事件推测将来可能发生的事件[32]。DARPA于2011年设立“洞悉”项目[33]，旨在研发一套情报分析系统，将操作员的知识和推理能力融入到系统当中，从而提高快速应对网络威胁和非常规战争的能力。该项目主要运用异构信息关联、多源智能融合等技术，通过分析和综合多源传感器探测信息和不同资源情报数据，辅助增强情报分析人员的信息处理与共享能力。DARPA于2019年设立了“以知识为导向的人工智能推理模式”项目[34]，旨在研发一套半自动化的人工智能推理系统，将通过语言和常识推理得到的知识库应用于复杂现实事件的理解中，解决多源信息阻碍事件理解的问题。该项目运用知识图谱等技术，通过对复杂事件内部组成元素和时间线进行推理和预测，快速识别不同事件之间的关联性，提升事件理解能力。

图2 态势感知+AI技术的应用

3.3 更加高效的指挥，实现决策优势

在指挥控制领域，主要可在作战方案推演、远程指挥控制等方面应用平行仿真推演、脑机融合等智能技术，实现决策优势，如图3所示。

1)应用于作战方案推演。通过深度学习技术，训练智能体对战场交战规则、作战指挥决策、事件认知推理等知识进行学习和模拟，提升智能体认知的智能性、实时性与科学性。在战场态势实时共享的基础上，对战场数据进行智能化处理，通过平行仿真推演作战方案，形成对对手下一步可能的军事行动和战场演进趋势的智能预测，自动匹配最佳行动策略[35]。2007年，DARPA安排了名为“深绿”的系统研发项目[36]，旨在建造一套人工智能作战辅助决策系统。该系统利用平行仿真、动态博弈等技术，基于战场实时数据，可动态模拟战场敌我双方作战行动，并预测战场态势走向，帮助指挥官提前思考，缩短决策时间。DARPA于2018年启动了“指南针”项目[37]，该项目主要通过利用大数据分析、博弈对抗等方法对战场数据进行分析，构建敌方作战行动与路径模型，帮助作战人员确定敌方真实作战意图，制定并选取我方最有效的行动方案。

2)应用于智能化远程指挥控制。应用“元宇宙”概念，利用人工智能技术构建与真实战场平行的虚拟作战空间，采用语音识别、手势识别、脑机接口等智能人机交互技术，使指挥员、作战人员有沉浸式的体验，实现人与机器之间，指挥单元、精确打击武器与信息应用系统之间的无障碍沟通[38]。2021年8月，在美国海军年度最大规模活动“海-空-天博览会”上[39]，海军信息战系统司令部首次验证了“周边环境智能谈话接口”项目开发的能力，展示了智能化、自然交互技术如何实现未来信息战。该项目旨在为海军指挥控制引入下一代数字助手，通过使用人工智能和机器学习来理解说话的人是谁、谈话的内容是什么，谈话可被决策者当作一种获取所需信息的直接途径，帮助决策者获得及时的、合成后的资讯。

图3 指挥控制+AI技术的应用

3.4 更加精确的打击，实现力量优势

在武器打击领域，主要可在单武器平台自主作战、作战编组分布式杀伤等方面应用计算机视觉、多智能体协同等智能技术，实现力量优势，如图4所示。

1)应用于单武器平台自主作战。以人工智能技术为核心，综合多种嵌入人工智能算法的武器装备平台为手段，在多重维度实时精确打击，实现武器的单体智能[40]。美国战斧导弹在攻击目标过程中，如果目标或任务发生变化，便根据指令在战区上空盘旋，然后自主搜索和重新选择、确定合适的攻击目标。美国研制的“黄蜂”导弹，装有一套先进的探测、控制设备，可实现目标伪装设施的识别以及多任务目标的智能化自主分配，从而达到最大的效费比和命中精度。

2)应用于作战编组分布式杀伤。借鉴自然界生物群体行为的智能集群与协同技术，通过去中心化提高了系统抗毁伤性以及任务成功率；通过简单作战单元间的信息高效交互提升系统的整体效应和群体智能水平，从而最终实现复杂战场条件下任务的自主分解、作战单元的自主协同、作战方案的自主规划和作战对象的自主打击[41]。DARPA于2014年设立了“拒止环境中的协同作战”项目[42]，旨在研发一套自主协同作战系统，实现一名操作人员对多架无人机进行指挥。该项目通过先进算法和模块化软件架构，解决无人机集群在复杂干扰条件下无法完成作战任务的问题，提升无人机集群完成任务的能力。DARPA于2015年设立了“小精灵”项目[43]，旨在建立一套可回收重复使用的无人机作战集群，实现一种稳定可靠、经济实惠的作战方式。该项目通过运用一体化设计、自主协同规划等技术，完成战前对战场区域的大规模快速侦查和欺骗干扰等作战任务。

图4 武器打击+AI技术的应用

3.5 更加自由的互联，实现网络优势

在战场互联领域，主要可在战场网络韧性通联、网络攻防等方面应用认知计算、博弈对抗等智能技术，实现网络优势，如图5所示。

1)应用于战场网络韧性通联。利用人工智能技术敏捷感知网络环境、灵活加载通信波形、自主管控网络资源，提升战场通信网络体系韧性。近年来，为了不断适应新的军事战略和作战形势，美军一直在探索如何在反介入/区域拒止作战环境中确保灵活、敏捷、弹性的有保障通信系统。美国空军实验室与加拿大国防研发中心通信研发中心开展了“挑战与对抗性环境中有保障通信”项目研究[44]，主要针对未来作战人员可能面临的恶劣通信条件，特别是在偏远与服务欠缺条件下以及动态与对抗环境中，通过开发新的概念与技术，实现灵活与自适应频谱接入，保证鲁棒而可靠的通信能力。2017年，DARPA启动了“无线电频谱机器学习系统”项目[45]，通过人工智能理解无线电信号，改善推广频谱共享技术，增强无线通信能力。

图5 网络互联+AI技术的应用

2)应用于网络攻防。以人工智能为武器，使恶意攻击行为可以自我学习，并根据目标防御体系的差异自适应地“随机应变”，通过群招潜在的漏洞达到攻击的目的。同时，采用人工智能技术可以改善网络安全现状，能更快地识别已知或未知威胁并及时响应。美国斯坦福大学和Infinite初创公司于2017年联合推出了一型自主网络攻击系统，该系统的核心处理单元是一种定制的人工智能处理芯片[46]。该新型网络攻击系统能够在特定的网络中运行，完成信息的自主采集、学习和攻击程序的自主编写，并且可以对攻击程序进行自适应动态调整，具备较强的隐蔽性和破坏性。2018年DARPA启动了“利用自主系统对抗网络对手计划”项目[47]，旨在建立安全可靠的网络代理，实现对僵尸网络的有效遏制。该项目通过开发定量框架和算法，完成对僵尸网络的精确识别、推断存在的漏洞以及生成软件补丁，减少对系统的不良影响。

3.6 更加坚实的支撑，实现赋能优势

1)具有智慧的人工智能系统为军事智能化提供“新动能”。传统机器学习方法需要在系统部署前，利用数据集对系统进行训练。一旦完成训练智能体所应对的场景和问题将被固化从而无法应对新场景，而再次训练效率低下且工作量大。在执行军事作战行动时，需要人工智能系统能够在任务中自我学习和改进，将先前的技能和知识应用于新的情况，以应对各类作战场景[42]。2017年，DARPA安排了名为“终身学习机器”的项目[48]，通过利用目标驱动感知进行持续学习，形成对新情景的自主适应，改变当前智能体无法应对未训练场景的情况。

2)低功耗、强算力、易扩展的智能芯片为军事智能化提供“新基建”。作为人工智能技术的重要物理基础，当前主流人工智能芯片存在功耗大、内存带宽不足、框架固化等瓶颈。为更好支撑人工智能的军事领域应用，下一代人工智能芯片应具备低功耗、强算力、易扩展等特点。2020年，英伟达公布了其用于超级计算任务的人工智能芯片[49]，算力提升20倍以上。2020年10月，英特尔宣布获批一项与美国军方合作项目的第二阶段合同[49]，旨在帮助美国军方在国内生产更先进的人工智能芯片原型，这种封装技术能够将来自不同供应商的“小芯片”集成到一个封装中，从而实现把更多功能整合进一个更小的成品中，同时降低其功耗。

4 挑战与思考

4.1 面临挑战

虽然人工智能技术在军事领域有广阔的应用前景，但是目前并没有在军事作战中得到广泛应用。其原因在于，以机器学习为主流的人工智能技术需要大量可信的带标签数据样本进行有监督训练，才能对知识进行学习和认知，这给军事领域应用带来了巨大挑战。

1)缺样本数据。在当今和平年代，所能产生的作战数据主要来自日常值班、作战演练。由于日常值班中博弈对抗的规模和激烈程度很低，难以获取有效的作战数据。实兵演练耗资大、耗时长、安全风险高，不可能大批量开展，因此积累的数据样本量远不满足机器学习对训练数据的要求。

2)缺可信的带标签数据。由于战争是非合作的且存在“战争迷雾”，在战场上获取的数据是不完整不透明的，而且很可能收到对手通过欺骗手段产生的数据。战场环境的复杂性、目标特性的不确定性、对抗条件带来的信息不完全性等，使得无法对战斗进行准确的复盘，因此难以对作战数据进行准确的标注。

3)缺验证手段。在军事领域中应用人工智能算法的效果，往往需要通过一个兵力体系的综合行动来体现，并且要放到对抗的环境中去检验。对于人工智能算法，通常需要做大样本实验，测试其泛化能力和可靠性，这样的实验放到真实环境中成本代价太大以致无法实现。

4.2 应对思考

通过人工智能技术在民用领域和军用领域应用的特点对比，如表1所示，针对人工智能在军事领域应用面临的挑战，提出三点思考。

表1 民用领域和军用领域应用特点对比

1)亟待突破现有智能算法的局限性。摒弃现有机器学习技术以大数据为关键之匙的延长线思维，不能简单地认为现有人工智能技术都可以直接拿来应用，而是应结合军事领域的特点和挑战，进行有针对性的理论突破和方法创新。比如，针对军事作战数据样本少的问题，由于缺乏有相似作战任务的预训练模型，不能直接应用迁移学习技术，而是应探索不依赖大量可信带标签数据样本的创新技术，应用于军事领域以解决无标签的小样本甚至零样本数据训练和迁移的问题。

2)加快军事作战验证环境构建。构建与真实作战场景平行的高置信度仿真验证环境，采用仿真聚合建模方法，进行模型的动态组合，动态加载至平行仿真系统中。一方面，可加载设计的各种作战场景，驱动仿真模型开展大量仿真作战推演，以验证人工智能算法性能和适用性。另一方面，平行仿真系统可加载作战过程中实装指挥控制系统获取的动态变化的态势信息、兵力资源信息，实现与作战行动保持一致的平行推演，进一步验证和迭代优化人工智能算法。

3)加强军事智能人才队伍培养。用人工智能技术解决具体应用问题，需要有一个人同时对问题域和技术有着深刻领悟。然而，同时对军事作战和人工智能技术有深刻领悟的人少之又少，在人工智能应用选点方面能够提出的指导意见也很有限。随意选点开展研究是有风险的，没有找到正确的发力点和正确的方法，会拖延成果产出的时间周期，过长的等待或过多的反复会让人失去信心。因此，需要加强培养既熟悉军事理论又通晓人工智能技术的人才，有针对性地开展军事领域智能技术应用。