人工智能及其在電子對抗上的應用概述

劉鵬，涂彥君，張毅，周霞

（中國電子科技集團公司第二十九研究所，四川成都，610036）

0 引言

1950 年，阿蘭·圖靈發表論文《Computing Machinery and Intelligence》，討論了“智能機器”的可能性，人工智能（Artificial Intelligence，AI）的研究從此拉開序幕。現階段還沒有人工智能的權威定義，人們普遍認為人工智能是計算機科學的分支，其主要研究用于模擬人類智能的理論、方法、技術和應用等，該領域的研究包括機器學習、專家系統、進化計算、模糊邏輯、計算機視覺、自然語言處理、推薦系統等[1]。

1 人工智能研究現狀

人工智能中的“智能”主要歸功于機器學習，機器學習是運用多種算法分析數據，并且不斷進行學習，進而做出判斷和預測。研究人員通過大量的數據和“訓練”機器，讓機器學會執行任務。機器學習的類型一般通過學習方式進行區別，一般分為有監督學習，半監督學習，無監督學習和強化學習，也可根據是否使用了神經網絡分為深度學習和其他機器學習。

機器學習的理論基礎涉及人工智能、統計學、腦模型、適應性控制理論、心理學模型、進化模型[2]。機器學習領域內已形成多種并行研究，如歸納學習(Inductive Learning)、神經網絡(Neural Networks)、聚類(Clustering)、類比學習(Learn by Analogy)、遺傳算法(Genetic Algorithms)以及學習理論(Theories of Learning)等[3]，并且己經取得了豐富的研究成果。機器學習已經成為人工智能的研究熱點，其應用已遍及專家系統、自動推理、自然語言理解、模式識別、計算機視覺、智能機器人等[4]。

2 人工智能在電子對抗方面的應用

從美國頒布的一系列戰略與規劃文件可以看出，美國一直以來重點關注和大力發展人工智能技術。如美國國防部為加速人工智能在電子對抗領域的應用，設立首席信息官、成立聯合人工智能中心并發布《人工智能戰略》，美國國防高級研究計劃局（DARPA）不斷將投資重點轉向人工智能技術，并資助一系列關于人工智能的項目，美國的其他軍兵種也在各種裝備和系統中開展人工智能的相關研究，并積極進行試驗應用。下文將重點介紹美國在不同領域發展的人工智能項目。

2.1 認知電子戰

自2010 年以來，美國重點圍繞提高裝備認知能力，持續進行了認知電子戰技術的研究。美國防部高級研究計劃局（DARPA）的“自適應雷達對抗”（ARC）、“行為學習自適應電子戰”（BLADE）以及美空軍研究實驗室的“認知電子戰精確參考感知”（PRESENCE）等項目都是美國進行認知電子戰研究的典型。從“認知”電子戰這一概念被明確提出以來，認知電子戰將電子對抗活動中機器智能的能力描述提升至了前所未有的高度，極大地推動了智能化電子對抗系統的研究與開發[5]。認知電子戰系統是一種智能、動態的閉環系統，可以通過先驗知識及自主交互學習來感知并改變周圍局部電磁環境，并且可以在實時感知電磁環境的基礎上，高效、自主地對干擾發射機與接收機進行調整，以達到適應電磁環境變化的效果，從而提升干擾的快速反應能力與可靠性。具備認知性能的電子戰裝備是認知電子戰的基礎，結合自主交互式的電磁環境學習能力與動態智能化的對抗任務處理能力的電子戰作戰行動，將電子戰從 “人工認知” 提升至機器 “自動認知” 。其中，裝備認知能力的提升作為認知電子戰的根本屬性與顯著特點，是其與傳統電子戰的重要區別。

2.2 智能化無人平臺

無人系統本身就是具備人工智能的機器，可自主行動并規劃路徑，是未來作戰的重要組成部分，美國正在提高人機編組能力，有人無人協同、跨域協同將成為重要的作戰樣式[3]。在無人飛機方面，美國近年來提出了2025－2035 年形成無人機蜂群作戰能力的目標，全面開展了頂層設計和關鍵技術攻關，多個項目推進至飛行演示驗證，包括美國防部 “灰山鶉”無人機蜂群項目、海軍的“郊狼”無人機和國防高級研究計劃局（DARPA）的“小精靈”項目等。在有人-無人協同方面的項目包括DARPA 牽頭的聯合無人空戰系統（J-UCAS）項目、“分布式作戰管理”（DBM）項目和“忠誠僚機”計劃。在無人水面艇方面，美國海軍無人水面艇在開放水域完成遠航程自主航行測試，希望將現有小艇改造成海上集群艇，與大型艦艇聯合執行監視、護航、攔截、反水雷等任務。同時其還在技術演習中驗證了水下—水面—空中人機編組跨域協同作戰能力，將無人機作為通信中繼平臺，實現潛艇、水面艦及無人潛航器的跨域協同。

2.3 決策為中心

基層指揮官利用人工智能支持決策輔助的能力可以控制分散的部隊，以適應環境的變化以及對手的行動，并將復雜性強加給對手。將人類的指揮和機器控制相結合，優勢互補，以提高美國部隊對對手施加多重困境的能力。人類提供靈活性并運用創造性洞見，機器提供了速度和規模。2016 年3 月，美國陸軍通信電子研發與工程中心展示“虛擬參謀”項目成果，該項目運用自動化和認知計算技術研發出了一款輔助決策工具，指揮官通過該工具可以進行更好的知情決策。2016 年5 月，DARPA 展示“用于情報數據分析的非傳統信號處理（”UPSIDE）項目成果，將“細胞神經網絡”計算體系結構與低功耗量子隧穿晶體管結合，使圖像處理能力提高3 個量級。

另一方面，傳統遠程制導武器需要中繼平臺提供目標指示信息，容易遭到敵軍電子戰、網絡戰攻擊，使武器致盲。為此，DARPA 和美國海軍聯合研制的遠程反艦導彈（LRASM）是首型半自主武器，采用無源射頻傳感器定位，實現智能導航和路徑規劃，擺脫了對GPS 導航的依賴，能應對敵方電子戰和網絡戰攻擊，同時具備自主目標識別能力，可從多艘艦艇目標中自主選擇打擊對象。

2.4 情報應用

現代戰爭已全面進入信息化作戰，情報信息越來越受到重視，但另一方面，情報資源數據量大、信息多源異構等特點，限制了其作用效果。隨著人工智能技術的發展，利用人工智能促進情報信息更及時的、有效的為戰爭服務已成為可能，因此，人工智能在軍事情報領域的應用，受到美國等軍事強國的重點關注。

美軍在科索沃、阿富汗、伊拉克等戰爭中，先后投入多種無人平臺，如“全球鷹”、“捕食者”、“龍眼”、“陰影200”等，對戰場情報偵察起到了不可代替的作用。此外，美軍還進行了無人偵察車、無人潛航器等無人化作戰平臺的研究與實踐，這些無人化作戰平臺體積小，不易被發現，可以適用于多種復雜的作戰場景，進行全天候的情報搜集偵察，彌補了人在回路的偵察方式以及航天器偵察的局限性，拓寬了情報來源，在現代戰爭軍事情報領域有著至關重要的作用。

在拓寬情報來源的同時，更重要的是從海量情報信息中挖掘出有效成分，這就涉及到數據的分類、關聯、融合等，需要大量的搜索、計算，人工智能算法在這些方面有著得天獨厚的優勢。美軍情報機構廣泛應用的Gotham 平臺，則是人工智能算法在情報數據搜索、挖掘方面的成功案例。Gotham 平臺可以根據用戶提供的關鍵詞，準確的判斷用戶意圖，在數據庫中，對海量數據進行搜索、標注、關聯，挖掘出潛在的情報數據，并提供多種方式共用戶來快速的瀏覽情報成果。此外，Gotham 平臺還可以對不同來源的孤立數據進行分析、關聯，在看似孤立的數據之間建立聯系，從而分析出數據所蘊含的意義，甚至可以結合數據場景、目標行為習慣，得出數據背后的意圖趨勢，從而達到預測的效果。

在情報分析方面，由于分析過程專業性較強，所以，很多時候，情報分析在很大程度上過于依賴分析專家的經驗，因此，傳統的情報分析主要通過人工來完成，這就導致情報分析工作效率低，時效性不強，而人工智能深度學習算法的應用，則可以大幅提升分析效率，典型的應用案例是軍事專家系統。軍事專家系統是通過模擬人類專家進行情報分析的思維邏輯來構建系統自身的處理架構，并對專家經驗進行學習，將專家經驗轉化為系統的情報分析規則。此外，系統還能進行自我學習，在大量樣本的處理過程中，不斷完善自身能力。

另一個就是情報欺騙，人工智能可以通過分析受騙方的行為特性、習慣等，做到“有的放矢”、“投其所好”，將虛假情報包裝成受騙方容易接受的形式，精準投送，達到以假亂真，迷惑對手的作用。

3 思考與建議

人工智能技術正在高速發展，同時以美國為首的歐美強國也正在積極實踐人工智能相關的項目，未來智能化武器裝備將在戰場中取得關鍵作用，我們一方面需要重視人工智能技術的發展和應用，另一方面需要著手培養相關人才，為未來的智能化戰爭進行提前布局。