基于深度學習的任務型對話系統在國防軍事領域的應用

◆孫偉博 張斌

（1.清華大學計算機科學與技術系 北京 100084；2.中國電子科技集團公司第五十四研究所 河北 050081）

1 人工智能與任務型對話系統

人工智能作為當前世界最前沿的科學技術，正在引領新一輪的科技革命，隨著越來越多的專家學者持續不斷對人工智能進行深入的研究，人工智能的定義及產業框架也愈發清晰，人工智能的產業框架可以分為三層，分別是：基礎層、技術層、應用層，其中基礎層主要指的數據的獲取和處理、人工智能芯片、人工智能算法等人工智能發展的基石。技術層主要是指人工智能技術發展的方向，主要有三個方向：機器學習、自然語言處理、計算機視覺。應用層主要是指人工智能技術的應用領域，主要包括：金融、安防、醫療、教育、機器、自動駕駛、國防軍事等，隨著人工智能技術的發展，各行各業都在探索怎樣使用人工智能技術推動行業的進步和發展，中國在人工智能技術的應用方面，呈現全面爆發的趨勢。

人工智能的技術層主要包括機器學習、自然語言處理及計算機視覺。其中自然語言處理是當前人工智能技術研究的一個重要方向。對話系統是自然語言處理的一個重要的應用方向，對話系統是將人工智能賦能計算機，使其成為一個具有認知能力的主體，然后通過文本等方式與人類進行正常對話交互的程序系統。對話系統的應用方向有兩個，分別是任務型對話系統和非任務型對話系統。非任務型對話系統主要面向的是開放域，根據用戶輸入的信息，經過人工智能技術去處理和判斷用戶的意思，然后通過多種形式的開放內容，給用戶合理的解答和反映，很多人工智能助手就是非任務型對話系統。任務型對話系統面向的是特定的領域，通過用戶輸入信息，幫助用戶完成某項具體的任務，例如客服對話系統可以根據客戶的輸入信息，幫助其完成商品咨詢、售后服務等工作，任務型對話系統可以大大提高工作效率，越來越多的行業開始應用任務型對話系統。

2 深度學習應用于任務型對話系統的必要性

由于任務型對話系統的超高工作效率，所以應用的單位與企業試圖將所有可能的對話資料全部集成入任務對話系統，隨著對話系統關聯的資料越來越多，導致任務型對話系統的復雜程度越來越高，由于對話系統的各個工作模塊是相互獨立的，為了實現對話系統功能的完善，每個模塊需要標注的數據也越來越多，特別是跟特定領域相關的數據，模塊相互獨立雖然能保證系統的安全性，但底層模塊的錯誤可能會影響上層模塊，例如如果系統對客戶輸入的信息語言理解錯誤，就會影響后續與客戶對話的效果。同時，隨著對話系統越來越龐大，需要人工設計的流程規則也越來越復雜，系統規則復雜性提高，則維護難度加大，維護成本變高，同時復雜的流程規則也限制了對話系統的擴展性。

圖1 深度學習與人工智能的關系

深度學習是通過人工智能技術和算法，建立一種模擬人類大腦進行分析的神經網絡，并模仿人腦的運行機制來解釋數據，最終達到對數據的準確理解和判斷。深度學習的最終目的就是模仿人類大腦神經元的信息傳遞過程以及處理信息的模式。深度學習建立起來的神經網絡中包含很多隱含層的神經網絡結構，這些網絡結構中的每一個神經元接收到信息之后，像人類腦神經一樣進行多層次的分析和計算，并最終得到一個模擬人腦思考的計算結果。隨著深度學習的發展，人們將深度學習大量應用于自然語言處理領域，同時由于任務型對話系統是自然語言處理的一個重要的應用方向，所以在任務型對話系統中也大量應用深度學習技術。人們可以利用深度學習技術所構建的模型，自動學習自然語言的表達，同時利用神經網絡去學習對話生成的策略，從而取代技術人員手工設計對話的規則，最終彌補任務型對話系統的弊端，使系統更準確的理解用戶輸入的信息，并根據信息作出正確的應對。

3 在國防軍事領域的應用

3.1 人機智能交互系統可以提高戰斗效率

在智能戰場上，對于陸、海、空、天氣、電、磁力和互聯網等多維空間的監測方法將產生大量信息。因此，在智能戰爭時期，戰場信息將呈現爆炸性增長趨勢。戰場上信息的增加將增大智能化戰爭對信息的依賴。

現代戰爭的戰場形勢錯綜復雜，戰機轉瞬即逝，在當前的軍事人員與計算機對話系統的交互過程中，大量的戰場形勢、戰斗信息沒有得到及時而有效的傳遞和表達，人機交互系統不能準確理解指揮官的需求，自然也不能依據指揮官的需求及時分配戰斗所需的信息，這樣就導致了指揮官不能及時針對戰場的形式進行分析，不能及時分析就很有可能會造成對戰場的錯誤判斷，進而導致指揮決策的效率較低，這在未來戰場中是非常致命的。同時，現行的人機交互主要是以較為精確的按鍵單通道操控為主，這種操控對于指揮員的操作準確性提出了較高的要求，在激烈戰場中，由于各種各樣原因，指揮員并不能每次都能進行精確操控，所以這種交互方式對于戰斗的效率影響很大。

而基于深度學習的任務型人機交互系統可以改善這些弊端，首先，應用深度學習的人機交互系統擁有多種交互方式，除了傳統交互的文本及按鍵等方式之外，他還能通過指揮員的表情、動作手勢、視線、語音及生理等特征，智能判斷對象的需求，從而精準的為指揮員提供所需要的信息。例如，戰場上指揮輸入系統被敵方破壞，深度學習人機交互系統可以通過指揮官的語音來進行戰場信息的傳達和處理，甚至語音系統被破壞之后，可以通過對指揮官的嘴部動作進行識別，準確判斷指揮官的意圖。隨著虛擬現實技術和增強現實技術的發展，戰場信息可以通過任務型對話系統進行準確的信息理解、信息挖掘及處理，然后通過沉浸式的顯示設備及時呈現給指揮官。同時基于深度學習的人機交互系統擁有多種交互通道，并且可以進行非精確交互信息的判斷，可以大大提高交互效率，從而提高作戰效率。

圖3 人機交互系統組成結構

3.2 人機智能交互系統聯合決策能促進高效指揮

現代戰爭中隨著攻擊武器速度的提升以及空天立體化作戰模式的應用，戰場變得更為迅速和多變，多變的戰場環境對于指揮官的指揮反應時間提出了更高的要求，提高指揮決策的速度是現代戰爭的一個必然要求。而現代戰爭中過于龐大的數據量，不能單純依靠作戰人員進行人工處理、分析并作出決策，

基于深度學習的智能人機交互程序通過模擬人類腦神經進行多層次的分析和計算，可以在信息的搜索、戰場數據的存儲、敵我雙方形式的計算、決策的優化等方面協助指揮官進行決策，可以大大縮減數據處理和分析的時間，機器相對于人類而言具有精準性和快速性，并且不受生理極限及認知偏差等因素的影響，可以大大縮減決策所需時間同時還可以提供最優解決方案。

3.3 智能人機交互促進不同語言的戰場交流

近些年，國與國之間的軍事交流越來越頻繁，不論是軍事領域的互訪學習還是不同國家之間的聯合演習活動都愈發頻繁，在與別國進行軍事交流活動中，存在著很嚴重的語言問題，雖然在軍事互訪、人道主義救援、聯合國框架下的維和任務以及聯合軍事訓練過程中都有實時翻譯，但是在翻譯過程中由于軍事的保密性及敏感性，翻譯的質量很難做到絕對的準確。這種翻譯的不足在普通的軍事交流活動中的影響可以通過信息的再次確認等方式來優化，但是在真實的戰場中，對于作戰雙方而言，交流信息的準確性是極其重要的，但是由于外語的種類繁多，每一個指揮員掌握外語的數量和水平都參差不齊，所以對戰場信息做到及時準確的翻譯是極其重要的，基于深度學習的智能交互系統可以進行跨語言的信息檢測，然后對外語信息進行準確分析，對輸入信息中的關鍵詞、句進行提取，最終實現對信息的準確翻譯。軍事指揮員可以通過這些準確的翻譯信息，進行準確的情報收集和作戰指揮。

4 總結

現代武器系統正向智能發展，人機交互的效率將直接影響武器系統的作戰性能。目前，人機交互技術在我國軍隊武器系統中相對落后，需要不斷發展和應用新的人機交互技術，以滿足新時代的需求。