“算法战”项目的进展与分析

作战概念

随着人工智能技术的迅猛发展以及智能武器装备的应用，新一轮军事变革已拉开大幕，传统信息化战争的核心技术是通信技术和先进的传感器技术，智能化战争的核心技术则是算法和依靠数据构建作战系统。“算法战”是以应对信息化战争中复杂作战问题为目标，以各种信息系统、武器平台中的软件为载体，通过大数据、机器学习、优化决策等智能技术，通过代替、辅助作战人员，实现更加精准、高效、可靠地完成作战任务的作战理念和技术手段。“算法战”作战概念由以下内容组成：

（1）“算法战”的主体是软件，强调信息化作战中软件的重要性，以软补硬、算法致胜，通过灵活、敏捷、智能等算法特征抵消和拉大与作战对手在硬件上的差距。

（2）“算法战”的客体是体系，体系的作用域涵盖了物理、信息、社会等方面，既包括武器装备、信息系统、保障系统等，也包括人员、基础设施以及社会舆论等方面。

（3）“算法战”的基础是智能，以海量战场数据和强大的计算能力为支撑，通过挖掘智能算法在态势感知、情报分析、指挥决策、精确打击等方面的巨大潜力，用智能技术破解战争攻防问题。

作战模式

兵棋推演

兵棋推演作为战争推演、方案评估、作战分析等活动的重要分析手段，用于作战问题研究、战法创新以及作战概念开发。随着未来新军事革命从信息化向智能化转型，人工智能、无人系统、网络化指挥控制、兵棋推演相结合将成为未来作战体系的重要组成部分。智能算法作为大数据和云计算的核心，将其与兵棋推演有机结合，能够充分发挥二者优势。“算法战”以兵棋推演的数据资源作为支撑，以智能算法作为手段，对敌我对抗演习的实时数据进行分析处理，挖掘能够提升战法策略的高价值经验，并以此不断地对电子态势进行复盘分析、查漏补缺，在反复推演中修正、完善、提高原有战法策略，达到推动军事智能化发展和提升部队战斗力的目的。

美军历来高度重视兵棋推演的建设和运用，并将其作为创新作战概念的重要工具。美军将“算法战”与兵棋推演深度融合，计划在下一代兵棋推演中融入人工智能、信息栅格、云计算、空间地理信息等内容，不断增强兵棋推演的科学性、精准性，并利用“算法战”验证已有战法和作战计划，为最终的作战方案提供重要的经验支撑。美军参谋长联席会议计划通过兵棋推演检验人工智能技术，美国空军举行的“未来能力演习”“施里弗太空演习”“联合作战演习”已经将兵棋推演与作战需求紧密结合，实现了近似实战背景下的作战模拟。兰德公司开展基于“算法战”技术的兵棋推演如图1所示。

战场感知

军事智能技术的飞速发展和广泛应用，已经引起作战理论、战争模式、作战方式、作战力量以及军队组织形态的深刻变革。战场感知作为实施全域作战的共性基础技术，其核心在于汇集多域和多元情报信息，将目标分析和打击决策等作战任务与作战需求融合处理，并通过多维关联、分析挖掘和预测评估，生成能够保障全域作战的态势图。

“算法战”已经成为战场感知、战场决策、指挥和协同的重要支撑。2016年8月，美国国防科学委员会向国防部建议设立机载自主传感器系统项目，以满足无人机系统全动态、高分辨率视频数据的搜集和处理需求。2020年4月，美国国防部预研局（DARPA）与美国陆军和空军合作开展了ASTARTE项目，该项目能在高度拥挤的作战空间中消除友军间的空域活动冲突，实现高效的空域作战。ASTARTE项目不仅可为美军提供持续更新的战场动态图，而且还可利用其传感器网络系统探测、绘制敌方位置，从而提高在反介入/区域拒止（A2/AD）环境下的战场感知能力。ASTARTE不同于动态空域通用作战地图，能够与美军各军种目前及将来使用的指挥与控制系统兼容，能够自动将最新空域信息推送给所有联合作战单位。ASTARTE项目专注于三个重点技术领域：理解和决策算法，该算法能够自动识别和预测空域冲突，确定限制的飞行区域，提出风险评估及空域冲突解决方案；能够实时检测和跟踪飞机（有人驾驶和无人驾驶）、机载武器和可能存在安全隐患的传感器；虚拟实验室测定平台的开发，对联合作战空域管理系统、操作系统和ASTARTE技术进行仿真。ASTARTE项目战场态势感知如图2所示。

辅助决策

美军“算法战跨职能小组”借助人工智能技术，开展了情报领域的机器学习、视觉算法等技术的研究，研发了快速处理数据软件，该软件能够对目标实现探测、分类和预警，为美军提供高质量、强时效性的战场情报，快速支撑战场决策。采用“算法战”之前，情报分析作战人员在分析海量视频数据时，会将大量时间花费在视频查看、寻找异常点等低效的活动上，难以对实时传输、多方来源、体量庞大的数据信息进行分析，辅助战场决策的时效性弱。与之形成鲜明对比的是，利用“算法战”收集情报高速、高效、精准，能够为战场决策提供实时的参考，通过战场实时情报的反馈，算法能够不断地修正战场情报分析结果，辅助战场决策的时效性强。

20世纪80年代开始，美国国家航空航天局、美国国防部预研局、美国国防部相继开展了神经网络计算项目的研究，这些项目通过模拟人脑神经元信息处理机制，不断提高神经网络技术与计算机“类脑计算”技术的融合能力。采用了“算法战”的“类脑”计算系统成为未来战争中增强现有作战系统对抗能力的关键，“算法战”在人机协同作战中能够帮助机器学习人类成功经验，为战场指挥员在选择战争时机、计算战争规模、预测战争持续时间、谋划战争布局等方面发挥积极作用。

无人机蜂群是由大量可以互相通信、自动感知、自主决策的无人机系统组成的集群系统，该系统具有战场生存能力强、遂行作战任务多样、指挥控制迅速、作战费效比低、智能协同程度高等作战优势，是智能化战争中重要的新质作战力量。无人机蜂群由特定投送平台（如特种车辆、飞机或舰艇等）在作战区域外投放，按照作战要求搭载各类载荷的无人机系统通过云计算、大数据、人工智能算法等关键技术形成自主协同的无人作战蜂群，无人蜂群依靠“算法战”建立的决策辅助系统在任务规划指令的引导下遂行侦察预警、诱骗干扰、集群攻击、智能协同等作战任务。基于“算法战”有人-无人协同作战辅助决策系统如图3所示。

国外项目研究进展

为了保持战略、战术优势，美军自上个世纪以来先后制定了三次“抵消战略”。第一次“抵消战略”是在20世纪50年代，当时美国依靠核技术优势，构建起庞大的核武库，以抵消苏联强大的常规力量；第二次“抵消战略”是在20世纪70年代，美军启动“长期研究与规划”项目，以精确制导武器应对美苏之间可能发生的战争，为赢得对苏作战优势奠定基础；2014年11月15日，美国国防部发布《国防创新倡议》（Defense Innovation Initiative，DII）提出第三次“抵消战略”概念，美军将着眼于筹划面向未来的“算法战争”，通过智能化转型，抵消中俄等国在装备规模和硬件技术等方面与美军的差距，加大武器装备在智能技术方面与对手的代差，从而谋求和维持美军未来军事优势。机器自主学习、人机协作、机器辅助作业、有人-无人作战以及网络自主化作战能力五大技术领域是实现第三次“抵消战略”的重要技术支撑。“算法战”既是实现“第三次抵消战略”的关键，也是实现“第三次抵消战略”的重要技术保障。2017年4月26日，美国国防部副部长罗伯特·沃克签署备忘录，授权建立“算法战跨职能小组”（Algorithmic Warfare Cross-Functional Team，AWCFT），如图4所示。AWCFT旨在将美国国防部拥有的海量数据迅速转变为可用情报，有效促进人工智能、大数据、机器学习等技术在军事情报领域的应用，AWCFT的成立标志着美国国防部正式提出和认可“算法战争”的作战概念。

美国国防部考虑将“算法战”应用于“反介入/区域拒止（A2/AD）”作战、反恐作战、城市战、网络战、电子战以及指挥控制等其他作战领域。“反介入/区域拒止”作战方面，“算法战”可以有效提升有人-无人协同作战能力，实现蜂群作战系统的智能化管理。反恐作战方面，“算法战”通过运用大数据、计算机视觉及模式识别技术，提升战术无人机系统获取视频数据的自动化水平，为反恐作战提供有力技术支撑。2017年底“算法战跨职能小组”开发的算法首次在中东部署作战，该算法可对“全球鹰”无人机系统所拍摄的视频进行目标识别，对人员、车辆、建筑等物体的识别准确率提升到80%，该算法后续还将陆续部署到“捕食者”和“死神”等无人机系统的相关应用上，首批算法的成功应用标志着“算法战跨职能小组”步入正轨，也意味着美军智能化建设逐步进入“快进模式”。目前，美军“算法战跨职能小组”已并入联合人工智能中心，如图5所示。

“终身学习机器”项目

DARPA于2017年3月启动了“终身学习机器（Lifelong Learning Machines，L2M）”项目，该项目将研发先进的机器学习算法和神经网络技术，以增强机器对新环境的适应能力，使得下一代机器学习技术能像智能生物一样具备自主学习的能力，进而以此为基础推动未来人工智能（AI）技术的发展。L2M项目重点关注两个技术领域：一是开发具备提高自我学习能力的系统及其组件，建立可以持续从过往经验中学习并将所学知识应用于新情况的机器学习机制，从而不断提升“终身学习机器”能力；二是建立类似智能生物的学习机制，重点关注智能生物如何学习并获得自适应学习的能力，研究智能生物学习的原理和技术是否能够应用于机器学习系统。L2M项目团队预计这两个技术领域的研究成果将有助于形成新的方法论，使得AI能够在执行任务过程中不断提高学习能力，并将先前学习的技术和知识应用于新情况，从而增强自动化作业的安全性。

L2M项目研究进展迅速，加州大学欧文分校研究小组开展了海马和大脑皮层的双重记忆结构的研究；塔夫茨大学研究小组分析了蝾螈再生机制，研究了能够在执行任务过程中通过改变其结构和功能来适应环境变化的柔性机器人；怀俄明大学研究小组根据生物记忆重组方法研发了一种计算系统，该系统使用语境来甄别新的模块化记忆，从而具有快速适应新情况的能力；哥伦比亚大学研究小组构建了能够自我复制的神经网络系统。

DARPA将以L2M项目为基础推动第三次AI技术浪潮。DARPA认为，第三次AI技术浪潮将以“适应环境”为特征，AI能够理解环境并发现逻辑规则，从而进行自我训练并自主建立决策系统，L2M项目与第三次AI技术浪潮的“适应环境”特征相契合，通过研发新一代机器学习技术，使机器具备能够从环境中不断学习，不断总结的能力。

“小精灵”项目

2014年底，美国防部开始制定第三次“抵消战略”，并把与中、俄等大国对抗定为美军的主要使命任务。美军认为，以上假想敌的综合一体化防空系统对其现役空中装备的威胁极大，导致B-2在“反介入/区域拒止（A2/AD）”作战环境中面临生存威胁，从而严重削弱了美军空中作战能力。因此，美国国防部考虑以全新作战概念牵引出更低成本、更高战力的作战装备，以维持对主要假想敌压倒性的军事优势。

在此背景下，DARPA于2015年9月启动了“小精灵”（Gremlins）项目，DARPA认为在没有可靠陆基或海基降落地点的情况下，对于大作战半径的小型无人机系统来说，空基回收无人机平台将是最简单和最低成本的回收方案，同时具有再次快速发射优势。“小精灵”项目的作战模式为在敌防区外由包括运输机、轰炸机和战斗机在内的各类平台将小型无人机平台集群发射，无人机系统在渗透到敌防区内针对特定目标共同执行情监侦、电子攻击或地理空间定位等作战任务，任务完成后由C-130运输机进行空中平台回收。“小精灵”项目能支撑分布式空中作战概念，加强小型无人机系统集群智能算法、自主学习算法、空中发射和回收等关键技术研究，提高美军无人机系统与有人机协同作战能力，大幅降低作战成本。

“小精灵”项目目标是评估无人蜂群策略的有效性，并将最佳蜂群策略运用到实战中。项目分成四个阶段进行：第一阶段，开展概念研究，研究内容包括发射与回收技术、低成本设计与风险降低技术等；第二阶段，完成全尺寸验证系统初步设计，进一步优化飞行平台方案，开展回收系统飞行试验；第三阶段，开展大量低成本、可重复使用无人机平台的发射与回收系统研究，达到能在30min内完成4次回收的目标；第四阶段，提高项目的作战能力，通过约两年的时间完成X-61A自主性测试，使其具备执行压制/摧毁敌防空的能力，并使X-61A无人机系统能够与XQ-58A无人机系统产生“分层效应”，实现有人-无人协同作战，在未来的作战环境中减少对跑道的依赖。“小精灵”项目无人机系统作战示意如图6所示。

“拒止环境协同作战”项目

DARPA于2015年1月启动“拒止环境协同作战”（Collaborative Operations in Denied Environment，CODE）项目，该项目帮助美军的无人机系统（UAVS）在拒止环境或有争议的电磁空域中能够远距离执行对地、对海作战任务。CODE项目具备抗“带宽限制”以及“通信中断”功能，能够提高无人机系统的自主协同能力，多架采用CODE技术的无人机系统可以在一名任务人员的操作下，协同完成探测、跟踪、识别以及攻击任务。

CODE项目重点技术领域主要由自主化协同作战、航空器自主化、监控界面、适用于分布式系统的开放式架构组成。CODE项目分成三个阶段进行。第一阶段，模拟验证无人机系统自主战术协同，确定大约20个可以大大提升UAVS任务能力的自主行为，这些自主行为使得UAVS能够在拒止或复杂环境中执行作战任务；第二阶段，以RQ-23“虎鲨”无人机系统为测试平台，配装相关硬件和软件，开展平台飞行试验，验证开放架构、自主协同等技术指标；第三阶段，在复杂环境下引入更多的无人机系统开展自主协同飞行测试，通过一系列飞行试验验证无人机系统的协同作战能力、生存力和灵巧性，减少未来作战系统的开发时间和成本。无人机系统在协同拒止环境下的作战架构如图7所示。

“驾驶舱机组成员自动化系统”项目

DARPA于2014启动了“驾驶舱机组人员自动化系统（AircrewLabor InCockpit Automation System，ALIAS）”项目，该项目为直升机和固定翼飞机开发自动驾驶技术。ALIAS项目不仅能自主完成从起飞到着陆的航路规划、避障、着陆点选择、自主起降等各种复杂任务，而且也能自主处理飞机系统故障、空中紧急情况等意外事件，从而降低驾驶舱机组人员的工作负荷。ALIAS目标是研发一个感知系统，该系统可以模拟复杂算法，监测任务中的关键参数，提高任务的有效性和安全性，通过使用机器人臂控制飞行来减少机组人员数目。ALIAS项目不是用复杂昂贵的自动飞行系统改造飞机，而是设计一种适应性很强的解决方案，该方案能支持机组人员舱内自动驾驶，并能在人工驾驶与自动驾驶之间建立一种紧密的联系。

ALIAS项目采用模块化设计，能够完全依托于现有的飞行系统，这些模块能执行飞行管理和系统分析程序，容易安装、调试和拆除。ALIAS有飞机起降、巡航操控、任务规划、飞行紧急情况处置、飞机系统故障排除、飞行状态监控、操作过程回放等功能模块。ALIAS人机界面采用易操作的触控和声控模式，不仅能有效提高驾驶员与系统的交互水平，而且还能为某些特定任务提供额外的自动操作或自治飞行服务。ALIAS项目具有快速获取各种数据并归纳汇编的能力，能够向机组人员提供各种预选方案和执行飞行效果评估。

ALIAS项目分为三个阶段进行。第一阶段，开展概念设计，在飞行模拟器上验证系统架构；第二阶段，完成相关飞行试验，使ALIAS具备自主处置飞行中出现紧急状况的能力；第三阶段，完成ALIAS原型机演示验证，开展包括起飞、着陆、紧急状况处置在内的全自动化飞行试验，验证ALIAS移植到其他飞机上的可行性。目前，ALIAS已经分别在“钻石”DA42、塞斯纳208“大篷车”、UH-1直升机，以及DHC-2飞机上进行了飞行验证。极光飞行科学公司在波音737飞机模拟器上运用ALIAS成功地进行了自主飞行验证，如图8所示。

结束语

“算法战”的出现，拉开了智能化战争的序幕，颠覆了机械化时代的“平台中心战”和信息化时代的“网络中心战”的作战模式。“算法战”就是将算法运用于战争领域，通过挖掘人工智能算法在态势感知、情报分析、指挥决策和火力打击等方面拥有的巨大潜力，用算法方式破解战争攻防问题，从而达到在战争中出奇制胜的目的。

“算法战”三大核心要素：算法、数据和计算能力，已成为各国军事能力建设的关键。随着“算法战”在军事智能技术上的推广应用，各类无人机系统的自主感知决策能力、集群协同作战等能力将得到显著提升，人与机器将会动态分配共享功能，呈现出功能角色的互换性与流动性，并由此催生出新的战场法则，从而实现更高形态的人机智能一体作战方式。