美国陆军智能化指挥控制系统发展问题研究*

王远航

（陆军炮兵防空兵学院 郑州 450052）

1 引言

纵观人类战争史，已经历了数千年漫长的冷兵器时代，数百年的热兵器时代，近百年的机械化时代，半个多世纪的热核时代，和几十年的信息化时代。伴随着人类科学技术水平的不断进步和持续发展，人类战争制胜的机理和法则越来越科技化，打上了不同时代科技发展的烙印。科技催生战争形态的演变和质变，并且随着科技的发展而加速前行，周期越来越短，强度越来越大，科技含量越来越高，科技主导的作用越来越强，科技已经成为决定未来战争胜负的主导因素。未来影响战争发展形态的因素多种多样，其中，人工智能科技领域的影响是战略性和全局性的，并直接影响和参与其他所有因素。

随着人工智能技术的快速发展，对作战的样式和形态提出了新的挑战，各种智能化装备层出不穷，战场智能化也已经成为各国的发展趋势。指挥信息系统作为现代战争的神经中枢，在作战中扮演着极其重要的角色，装备的智能化发展在对指挥信息系统的发展起着促进作用的同时，也对指挥信息系统的智能化提出了新的课题。指挥信息系统智能化发展是装备智能化发展的重中之中，是各国竞相争夺的战略制高点。美国在指挥信息系统智能化作战应用方面取得到不错的发展，具有良好的示范效应。本文以美国陆军指挥信息系统为例，全面剖析指挥信息系统的发展脉络，为我国陆军指挥信息系统的发展指明方向。

2 美国陆军在智能化指挥控制系统的初步探索

在经历了半自动化指挥控制系统、自动化指挥控制系统和一体化指挥控制系统后，大数据和人工智能技术的发展让美国陆军发现了指挥控制系统新的发展契机。比如，2004年～2008年美军开展的“实时作战智能决策制定”（Real-time Adversarial Intelligence and Decision-making，RAID），能够为战术指挥员提供行动方案路线；2009年开展的战术扮演生成器计划（Tactical Inference GenERator，TIGER），该计划试图让决策系统像军事专家那样分析战场情况并将其进行分类。下面将以几种美军在指挥控制系统智能化方面的尝试为例，分析美国陆军智能化指挥控制系统的发展方向。

2.1 “深绿”辅助决策系统

“深绿”计划是美国国防部高级研究计划局（DARPA）在21世纪初支持的一项指控领域研究项目，其名字是根据IBM公司的“深蓝”（Deep Blue）计算机项目而来的。1997年，一场国际象棋界的人机大战在IBM公司的“深蓝”计算机系统和卫冕冠军棋手卡斯帕罗夫之间展开，出乎所有人的意料，在这场比赛中“深蓝”一举将卡斯帕罗夫击败，在全世界范围内引起了巨大轰动，也引起了美国国防部的高度关注[1～2]。“深绿”计划的本意是要模仿“深蓝”能够根据对手的行动而预测下一步行动的能力，在指挥员进行决策前，根据对手的行动意图，结合预先设定的战场规则，生成多套可供指挥员选择的行动方案，指挥员所做的工作就是从诸多方案中遴选最优的方案进行执行，而不必关心每个方案的具体细节。“深绿”计划主要有四个部分组成，分别是“闪电战”、指挥官助手、系统集成和“水晶球”[3～4]。“闪电战”部分主要用来实现“深绿”的分析功能，该功能是通过自动化的分析工具对采集的战场数据进行定量和定性的分析，同时利用一定的模型对指挥员的决策方案进行模拟，经过系统的推演，输出指挥员的决策方案可能导致的结果。指挥官助手主要为指挥员提供可视化的指挥界面，让指挥决策从草图中来到草图中去，该界面的最大优点在于用可视化的界面对决策信息进行展示，让指挥员更容易理解决策信息的具体含义，符合人们对事物认识的习惯，同时界面化显示也方便指挥员进行操作。“水晶球”部分则是用来实现系统的总控功能，主要功能包括三个方面，一是信息的采集，负责对战场信息的收集；二是战场态势的更新，根据采集的战场信息，对战场的实时态势进行更新；三是决策提醒，用来在关键决策点出现的时候，提醒指挥员做出决策。“深绿”计划的初衷是，将原来由参谋人员担负的大量计算和预测工作转化为自动化，对OODA的时间维和空间维进行大幅度的压缩。令人遗憾的是，到2014年验收的时候，“深绿”计划仅保留了STP（草图到计划）。尽管如此，“深绿”计划也是美军在智能化指挥控制系统方面向前迈出的成功的第一步[5～6]。

2.2 一体化防空反导作战指挥系统（IBCS）

美国一体化防空反导作战指挥系统（IBCS）的目的是将武器发射装备、雷达和操作人员之间的通信整合在一起，使得诸如受国者之类的防空单元能够使用另一个雷达提供的信息而发射拦截器。在一定程度上，这种整合将使陆军防空部队能够保卫更大的区域，因为该部队需要保护的区域将不会受到本作战单元雷达的限制，实现了雷达间的空情共享。2020年8月13日，美国陆军在新墨西哥州白沙导弹靶场成功完成了迄今为止最复杂的IBCS实弹试验，7个“一体化火控网络”（IFCN）中继器连接至IBCS，在2部“爱国者”雷达、2部“哨兵”雷达、3个“爱国者”发射器、2个连级交战指挥中心和1个营级交战指挥中心之间实现了数据共享[7]。试验中，在IFCN中继器受到干扰的情况下，IBCS综合传感器实时数据并生成火控方案，指挥发射2枚“爱国者”-3导弹拦截了2枚靶弹[8]。

2.3 指挥官虚拟参谋（CVS）

人工智能技术的发展大致可以分为三个阶段，从最早提出的计算智能阶段，侧重于算法和数据处理，紧接着发展成为感知智能阶段，重点研究信息的采集和模拟，最后发展到今天为认知智能阶段[9]。强化学习属于人工智能的第三个阶段——认知智能阶段。强化学习由于其本身具有的信息处理能力，在提高现代战争决策效率中发挥着越来越重要的作用，尤其是在战场情报收集、敌我双方交战信息处理、战场环境分析和作战效果评估等方面，可以很大程度的提高指挥员的决策效率。美国陆军CVS就是一种基于强化学习的智能指控系统，该项目于2016年启动，由美国陆军通信电子研究、开发与工程中心下设的指挥、力量和集成局（CP&I）主导，目的是采用工作流和自动化技术帮助营级指挥官和参谋监控作战行动、同步人员处理、支持实时行动评估，在复杂的环境中为指挥员的指挥决策提供有用的信息[10]。该项目将提供以下几方面的能力：一是任务指挥中的任务分析，确定可自动化的任务基本组成清单，增强指挥员和参谋人员的决策制定能力；二是行动作战方案评估，可用于持续任务监控并比较可选作战方案的软件算法和模型，提示指挥员和参谋人员做出决策或修正行动；三是评估可视化，能够将数据和流程固化为可执行的信息，对分散的低级别评估结果进行检查。

3 存在的主要困难和亟需破解的难题

美国陆军在智能化指制系统方面进行了大量的尝试，虽然取得的效果不尽如人意，但也勇敢地迈出了第一步，预示着未来战争的发展方向，为各国智能化指挥控制系统的发展指明了方向，提供了借鉴。在智能化指挥控制系统的探索过程中，美国陆军也走了很多弯路，当前还有很多方面的难题亟待破解，主要有以下几个方面。

3.1 对战场态势的识别和理解问题

在现代战争中，各种作战力量交相融合，武器装备种类繁多，多种打击方式相互配合，战场环境日趋复杂，战场态势瞬息万变，战争的节奏也逐渐向分秒级靠拢。面对如此复杂的战争态势，如何将各种相互关联的因素进行量化，将指挥员的作战意图、作战方案进行模型化，成为各国在智能指控系统发展过程中必须要面对的问题。美军智能化指挥控制系统在起步阶段发展不顺利，在很大程度上的原因可以归结于缺乏标准化、规范化的定量方法。同时，随着战争层次越高，指挥员的指挥艺术化程度越高，决策的模糊性更大，可以量化的成分越低，导致计算机越来越难理解战场的态势。如何去伪存真，在海量的数据中提取中决定作战走向的核心参数，并且对参数赋予合适的比例，量化影响战场态势发展的各个因素，同时将指挥艺术、装备战技性能合理地表示成具体战斗力测评数值，是智能化指挥控制系统亟待解决的问题。

3.2 计算机和人的互动问题

计算机在进行作战行动方案模拟之前，需要了解指挥员对当前态势的理解和判断，战场层次越高，指挥员对战场的理解在决策中所占的比重就越高。美军曾在实时敌情与决策（RAID）系统中进行步兵连与叛乱分子对抗性试验，用半自动兵力生成系统进行试验模拟，试验结果中，计算机89%的决策优于人类。但如果将模拟的级别提高到连级以上单位，比如说营级或者是旅级，该结论就会出现很大偏差，因为指挥的层级越高，指挥就越体现决策者的艺术性，装备的参数和技术指标所起的作战就越弱。因此，如何让计算机更好的理解指挥员的行动决心，如何对敌方指挥员的进行描述等等这些人的主观感受，是摆在指挥员和计算机之间的一个难题。

3.3 信息共享和决策问题

信息化条件下的联合作战，其基础是信息的共享。当前美军各军兵种的不同装备间所使用的数据格式还存在一定程度的差异性，各军兵种间还存在一定的技术壁垒，打通军兵种间的信息流还有很长的路要走。

3.4 计算机的决策问题

我们知道，在实际的作战指挥过程中，指挥员需要根据战场形势的变化不断的调整自己的指挥策略，而计算机的决策则是一次性的，这种战场的实时动态性与计算机决策的一次性之间的矛盾也制约着智能化指挥控制系统效能的发挥，必须大力研究计算机决策优化模型，让计算机能够利用实时变化的战场态势进行滚动决策。

4 对我国陆军指挥控制系统发展的启示

4.1 强化顶层设计

在我国陆军指挥信息的发展过程中，曾经一度出现过“烟囱”式发展的现状，比如：各型号的发展不成体系、不成规模，究其原因就是顶层设计不够，缺乏一个统一有效的规划。这方面我们可以借鉴美国国防部高级研究计划局（DAPPA），DAPPA的基本任务是专事于“科技引领未来”，开拓新的国防科研领域，为解决中、远期国家安全问题提供高技术储备，研究分析具有潜在军事价值、高技术和新技术在军事上的应用。

4.2 大力发展军事建模技术

军事模型是智能化指挥控制的基础，也是让计算机理解战争的前提。在实际的作战过程中，影响战争胜负的因素多如牛毛，其中任何一个因素的变化，都可能对战场的发展趋势作出影响，如何构建一个合理的、完整的战场影响因子评价体系是智能化指挥控制首先要解决的问题。因此，必须大力发展军事建模技术，只有把这些基础性的工作做好，才能让计算机更精准地理解战争，更准确地做出判断。

4.3 推进定性定量技术的发展。

军事水平的发展，需要依托先进的技术创新，同时将军事需求与技术创新紧密结合，促进最新的技术理论成果向军事应用转化。当前，人工智能的算法研究和指控系统的基础技术大部分都集中在民用领域，虽然军事专家们已经嗅到了人工智能技术在军事领域应用的巨大前景，但其实质的军事转化还不够。为实现指指控系统的弯道超车，我军加大人工智能技术在指控系统方面的军事化应用。我军军事定量分析技术起步较晚，部分还停留在模仿阶段，对于系统、效能的评估方法还停留在主观决策层面，以会议表决、专家打分为主。当然，这些手段在实际的评估过程中也是十分必要的，但会议表决、专家打分的主观性太强，评估结果的可靠性不强，容易受到人为因素的干扰。因此，有必要进一步推进定性定量方法与测试评估技术的发展，为指控系统的发展奠定基础[11～12]。

4.4 加强军事领域人工智能人才的培养

人才是技术进步的根本动力，要想在智能化指控系统发展上取得突破，人才的培养与使用是第一位的。我国强大的教育体系为人工智能技术的发展提供了巨大的人才储备，为在指挥控制系统发展与应用方面建立优势，我国需要加大人才的引进力度，尤其是算法研究和模型构建方面的人才，并加强人才的训练力度，培养一支有向心力、有上进心、有技术优势的人才队伍，同时建立相应的人才管理模式和综合评价手段，通过以奖励为主的奖惩措施、优胜劣汰的机制，激发人才队伍的活力，保证人才长时间不流失，提升我军在智能化指控系统方面的人才优势。

5 结语

随着时代的发展和科技的进步，指挥控制的智能化是战争发展的必然趋势，谁能在指挥控制智能化的道路上先敌一步，就能在未来的战场上谋求先机。目前，我国在人工智能的民用领域已经取得了长足的进步，甚至在某些领域处于领先地位，但在人工智能向军事应用的转化方面还有很多工作要做，应该鼓励支持多样化和多方位的人工智能向军事应用转化的创新研究。