人工智能在军事对抗中的应用进展

工程科学学报 Chinese Journal of Engineering 人工智能在军事对抗中的应用进展 张智敏石飞飞万月亮徐阳张帆宁焕生 Application progress of artificial intelligence in military confrontation ZHANG Zhi-min,SHI Fei-fei.WAN Yue-liang.XU Yang,ZHANG Fan,NING Huan-sheng 引用本文： 张智敏，石飞飞，万月亮，徐阳，张帆.宁焕生.人工智能在军事对抗中的应用进展.工程科学学报，2020,42(9)：1106-1118. doi10.13374j.issn2095-9389.2019.11.19.001 ZHANG Zhi-min,SHI Fei-fei,WAN Yue-liang.XU Yang,ZHANG Fan,NING Huan-sheng.Application progress of artificial intelligence in military confrontation[J].Chinese Journal of Engineering,2020,42(9):1106-1118.doi:10.13374/j.issn2095- 9389.2019.11.19.001 在线阅读View online:https::/oi.org10.13374.issn2095-9389.2019.11.19.001 您可能感兴趣的其他文章 Articles you may be interested in 改进人工鱼群算法及其在时滞系统辨识中的应用 An improved artificial fish swarm algorithm and its application on system identification with a time-delay system 工程科学学报.2017,39(4：619htps:/ldoi.org10.13374.issn2095-9389.2017.04.018 面向物联网业务绿色接入的异构蜂窝网络优化 Heterogeneous cellular network optimization for green access of loT traffics 工程科学学报.2020,42(4：483 https::/1doi.org/10.13374斩.issn2095-9389.2019.09.15.009 基于逐层演化的群体智能算法优化 Optimization for swarm intelligence based on layer-by-layer evolution 工程科学学报.2017,393：462 https::/doi.org10.13374j.issn2095-9389.2017.03.020 混沌人工鱼群的鲁棒保性能控制权值矩阵优化方法 A weighting matrix optimization method for robust guaranteed cost control based on chaos artificial fish swarm algorithm 工程科学学报.2018,40(4：500 https:/1doi.org10.13374j.issn2095-9389.2018.04.014 一种改进的人工蜂群算法—粒子蜂群算法 An improved artificial bee colony algorithm:particle bee colony 工程科学学报.2018,40(7)：871hps:/oi.org/10.13374.issn2095-9389.2018.07.014 基于GPR反射波信号多维分析的隧道病害智能辨识 An intelligent identification method to detect tunnel defects based on the multidimensional analysis of GPR reflections 工程科学学报.2018,40(3：293 https::/1doi.org10.13374.issn2095-9389.2018.03.005

人工智能在军事对抗中的应用进展 张智敏 石飞飞 万月亮 徐阳 张帆 宁焕生 Application progress of artificial intelligence in military confrontation ZHANG Zhi-min, SHI Fei-fei, WAN Yue-liang, XU Yang, ZHANG Fan, NING Huan-sheng 引用本文: 张智敏, 石飞飞, 万月亮, 徐阳, 张帆, 宁焕生. 人工智能在军事对抗中的应用进展[J]. 工程科学学报, 2020, 42(9): 1106-1118. doi: 10.13374/j.issn2095-9389.2019.11.19.001 ZHANG Zhi-min, SHI Fei-fei, WAN Yue-liang, XU Yang, ZHANG Fan, NING Huan-sheng. Application progress of artificial intelligence in military confrontation[J]. Chinese Journal of Engineering, 2020, 42(9): 1106-1118. doi: 10.13374/j.issn2095- 9389.2019.11.19.001 在线阅读 View online: https://doi.org/10.13374/j.issn2095-9389.2019.11.19.001 您可能感兴趣的其他文章 Articles you may be interested in 改进人工鱼群算法及其在时滞系统辨识中的应用 An improved artificial fish swarm algorithm and its application on system identification with a time-delay system 工程科学学报. 2017, 39(4): 619 https://doi.org/10.13374/j.issn2095-9389.2017.04.018 面向物联网业务绿色接入的异构蜂窝网络优化 Heterogeneous cellular network optimization for green access of IoT traffics 工程科学学报. 2020, 42(4): 483 https://doi.org/10.13374/j.issn2095-9389.2019.09.15.009 基于逐层演化的群体智能算法优化 Optimization for swarm intelligence based on layer-by-layer evolution 工程科学学报. 2017, 39(3): 462 https://doi.org/10.13374/j.issn2095-9389.2017.03.020 混沌人工鱼群的鲁棒保性能控制权值矩阵优化方法 A weighting matrix optimization method for robust guaranteed cost control based on chaos artificial fish swarm algorithm 工程科学学报. 2018, 40(4): 500 https://doi.org/10.13374/j.issn2095-9389.2018.04.014 一种改进的人工蜂群算法——粒子蜂群算法 An improved artificial bee colony algorithm: particle bee colony 工程科学学报. 2018, 40(7): 871 https://doi.org/10.13374/j.issn2095-9389.2018.07.014 基于GPR反射波信号多维分析的隧道病害智能辨识 An intelligent identification method to detect tunnel defects based on the multidimensional analysis of GPR reflections 工程科学学报. 2018, 40(3): 293 https://doi.org/10.13374/j.issn2095-9389.2018.03.005

工程科学学报.第42卷.第9期：1106-1118.2020年9月 Chinese Journal of Engineering,Vol.42,No.9:1106-1118,September 2020 https://doi.org/10.13374/j.issn2095-9389.2019.11.19.001;http://cje.ustb.edu.cn 人工智能在军事对抗中的应用进展 张智敏2，石飞飞)，万月亮34，徐阳)，张帆，宁焕生4☒ 1)北京科技大学计算机与通信工程学院，北京1000832)北京科技大学顺德研究生院，佛山5283003)北京锐安科技有限公司.北京 1001924)北京市网络空间数据分析与应用工程技术研究中心.北京100083 ☒通信作者，E-mail:ninghuansheng@ustb.edu.cn 摘要人工智能特别是近几年深度学习的飞速发展，深刻的影响着军事领域，并赋予现代战争智能性、交叉性和破坏性的 新特点.要想在军事对抗中取胜，不仅需要机器智能，同样需要人类智慧，能在军事作战中达到人机高度协同.是实现人与机 器取长补短的重要途径，也是在愈发复杂的战争形势中取得胜利的关键.本文将军事对抗中人工智能的应用作为切入点，罗 列了代表性国家在军事领域对人工智能的重视程度，从对抗策略和物联网三层架构两大角度对发展现状进行总结，同时指出 在目前军事领域使用人工智能存在的不足，对人机融合智能在军事对抗中的发展趋势进行分析，并给出可能实现的技术方 案，对未来的研究方向作出展望.如何实现高度的人机融合，从而获得“1+1>2”的良好效果，是人工智能在军事对抗中的下一 步研究工作 关键词人工智能：军事对抗：物联网；人机融合智能：技术方案 分类号TG142.71 Application progress of artificial intelligence in military confrontation ZHANG Zhi-min2,SHI Fei-fei)WAN Yue-liang,XU Yang ZHANG Fan.NING Huan-sheng 1)School of Computer Communication Engineering,University of Science and Technology Beijing,Beijing 100083,China 2)Shunde Graduate School of University of Science and Technology Beijing,Foshan 528300,China 3)Run Technologies Company,Ltd.,Beijing 100192,China 4)Beijing Engineering Research Center for Cyberspace Data Analysis and Applications,Beijing 0008,China Corresponding author,E-mail:ninghuansheng@ustb.edu.cn ABSTRACT Artificial intelligence (AI),especially the rapid development of deep learning,has a profound impact on various industries and has continuously changed the traditional production methods and lifestyles.From passive learning with computing power to autonomous learning and enhanced learning,the development of machine intelligence is largely due to the innovation of the AI theory and practice.AI has also had a far-reaching impact on the military field,as it has provided modern warfare with new features such as intelligence,interconnectedness,and destructiveness.Winning in a military confrontation requires not only machine intelligence but also human wisdom.Therefore,human-machine collaboration would combine the strengths and complement the weaknesses of human and machine,which is the key to victory in the increasingly complex war environment.How to achieve a high degree of hybrid human-artificial intelligence to obtain a good result of1+1>2"is also a problem that needs to be further explored in military confr- ontation.This paper reviewed the application of Al in military confrontation as the starting point and highlighted the important measures and achievements of representative countries in the use of Al technology in the military development process.Moreover,we analyzed the development status from the two perspectives of confrontation strategy and the three-tier architecture of the Internet of Things, 收稿日期：2019-11-19 基金项目：国家自然科学基金资助项目(6182038)：国家自然科学基金民航联合基金资助项目(U1633121):北京科技大学顺德研究生院 科技创新专项资金资助项目(BK19CF010)

人工智能在军事对抗中的应用进展 张智敏1,2)，石飞飞1)，万月亮3,4)，徐    阳1)，张    帆1)，宁焕生1,4) 苣 1) 北京科技大学计算机与通信工程学院，北京 100083    2) 北京科技大学顺德研究生院，佛山 528300    3) 北京锐安科技有限公司，北京 100192    4) 北京市网络空间数据分析与应用工程技术研究中心，北京 100083 苣通信作者，E-mail：ninghuansheng@ustb.edu.cn 摘    要    人工智能特别是近几年深度学习的飞速发展，深刻的影响着军事领域，并赋予现代战争智能性、交叉性和破坏性的 新特点. 要想在军事对抗中取胜，不仅需要机器智能，同样需要人类智慧，能在军事作战中达到人机高度协同，是实现人与机 器取长补短的重要途径，也是在愈发复杂的战争形势中取得胜利的关键. 本文将军事对抗中人工智能的应用作为切入点，罗 列了代表性国家在军事领域对人工智能的重视程度，从对抗策略和物联网三层架构两大角度对发展现状进行总结，同时指出 在目前军事领域使用人工智能存在的不足，对人机融合智能在军事对抗中的发展趋势进行分析，并给出可能实现的技术方 案，对未来的研究方向作出展望. 如何实现高度的人机融合，从而获得“1+1>2”的良好效果，是人工智能在军事对抗中的下一 步研究工作. 关键词    人工智能；军事对抗；物联网；人机融合智能；技术方案 分类号    TG142.71 Application progress of artificial intelligence in military confrontation ZHANG Zhi-min1,2) ，SHI Fei-fei1) ，WAN Yue-liang3,4) ，XU Yang1) ，ZHANG Fan1) ，NING Huan-sheng1,4) 苣 1) School of Computer & Communication Engineering, University of Science and Technology Beijing, Beijing 100083, China 2) Shunde Graduate School of University of Science and Technology Beijing, Foshan 528300, China 3) Run Technologies Company, Ltd., Beijing 100192, China 4) Beijing Engineering Research Center for Cyberspace Data Analysis and Applications, Beijing 100083, China 苣 Corresponding author, E-mail: ninghuansheng@ustb.edu.cn ABSTRACT    Artificial  intelligence  (AI),  especially  the  rapid  development  of  deep  learning,  has  a  profound  impact  on  various industries and has continuously changed the traditional production methods and lifestyles. From passive learning with computing power to autonomous learning and enhanced learning, the development of machine intelligence is largely due to the innovation of the AI theory and practice. AI has also had a far-reaching impact on the military field, as it has provided modern warfare with new features such as intelligence, interconnectedness, and destructiveness. Winning in a military confrontation requires not only machine intelligence but also human wisdom. Therefore, human-machine collaboration would combine the strengths and complement the weaknesses of human and machine,  which  is  the  key  to  victory  in  the  increasingly  complex  war  environment.  How  to  achieve  a  high  degree  of  hybrid human–artificial intelligence to obtain a good result of “1+1>2” is also a problem that needs to be further explored in military confr￾ontation. This paper reviewed the application of AI in military confrontation as the starting point and highlighted the important measures and achievements of representative countries in the use of AI technology in the military development process. Moreover, we analyzed the  development  status  from  the  two  perspectives  of  confrontation  strategy  and  the  three-tier  architecture  of  the  Internet  of  Things, 收稿日期: 2019−11−19 基金项目: 国家自然科学基金资助项目（61872038）；国家自然科学基金民航联合基金资助项目（U1633121）；北京科技大学顺德研究生院 科技创新专项资金资助项目（BK19CF010） 工程科学学报，第 42 卷，第 9 期：1106−1118，2020 年 9 月 Chinese Journal of Engineering, Vol. 42, No. 9: 1106−1118, September 2020 https://doi.org/10.13374/j.issn2095-9389.2019.11.19.001; http://cje.ustb.edu.cn

张智敏等：人工智能在军事对抗中的应用进展 ·1107· revealed the shortcomings of using Al in the current military field,and analyzed the development trend of hybrid human-artificial inte- lligence in military confrontation.We also presented three possible technical schemes and detailed explanations and finally proposed future research directions.We believe that the future development trend of intelligent military may be based on the hybrid human-artificial intelligence,which will further improve the adaptability of machines to the combat environment and reveal the merits of the integration of human wisdom and machine intelligence;this integration may be the next step of Al research in military confrontation. KEY WORDS artificial intelligence:military confrontation:Internet of Things:hybrid human-artificial intelligence:technical schemes I956年，人工智能(Artificial intelligence,AI)一 由于技术水平有限，在目前的军事对抗中，还 词正式诞生，并逐渐对众多领域产生深远影响； 无法完全交由机器进行实时响应、紧急决策处理； 1997年，BM的“深蓝”在象棋比赛中战胜卡斯帕 在未来的一段时间内，无法实现武器装备完全自 罗夫，人工智能在经过两次低谷后重回大众视线， 主控制.这表明在执行过程中，依旧需要人工操纵 但此时机器的良好表现更多要归功于超强的计算 与控制，来确保整个作战过程不出现偏差.通过让 能力，它不能像人类一样理解棋局所代表的含义； 机器承担操作性的任务，让人承担决策性的工作， 2006年，在Hinton的带领下，深度学习领域取得重 从而实现人与机器的高度融合，优势互补，是未来 大突破山，人工智能进入爆发期：2017年，拥有“深 军事对抗的发展方向. 度学习”大脑的AlphaGo强势来袭，击败世界围棋 人机融合智能，是一种强人工智能，简单来说 冠军柯洁，机器开始拥有“思考”能力：同年，只通过 就是可以将人与机器优势相互结合的一种智能形 三天自我博弈与学习的AlphaGo Zero出师，不仅击 势.人类与机器在态势感知、数据处理、决策分析 败AlphaGo,还学会了三种不同的棋类游戏，机器 等方面可以做到优势互补，是弥补人类与机器各 开始拥有“洞察力”☒人工智能特别是深度学习的 自缺点的重要方式.能否实现多种作战方式，将取 不断发展，使机器不再受限于特定的程序，转而开 决于人机融合智能能否有效的应用于军事对抗 始拥有思考能力，机器变得越来越“聪明”：而人类 中，也取决于人与机器在实际对抗中遇到各类突 智慧是机器始终无法取代的，如何实现智慧与智能 发情况时是否能够默契配合 的融合，也就开启了人工智能领域新的研究话题. 人机融合智能在军事对抗中的应用，以人工 纵观军事领域，高科技化军事装备的出现，势 智能在军事对抗中的应用为基础，以如何在各类 必会对作战形势以及取胜机制产生重大影响.但 战争角色中实现人一机高度协同为主要研究内容， 从目前国内外情况来看，部分先进科技装备不能 在有人进行监督参与的情况下，使机器以不同方 有效、快速的投入到战斗当中，且面对复杂作战环 式配合实现在“防御-检测-攻击”的高效运作，最 境时，可能会出现无法发挥正常作战效应的情况， 终实现“1+1>2”的对抗效果 这都会严重妨碍军事力量发展. 在目前，人机融合智能在军事对抗中仍有很 随着人工智能及其分支技术的不断发展，军事 多问题需要解决，这些问题主要有： 对抗的作战形态已发生巨大变革，这将从根本上改 (1)赋予机器的假设条件是有限的，面对复杂 变作战方式和制胜机理，同时会演化出众多新式武 的作战环境，这种有限性限制了决策的多样性； 器，未来战争可能会实现由“人对人”到“机器自主 (2)环境高度复杂化、高度不确定化，导致数 杀人”的转变)目前，众多国家已经开始投入到对 据量急剧增加，但目前人机之间的信息传递效率 人工智能在军事领域的研究当中，并取得了重大的 低，具有滞后性，在不同编队的情况下，如何实现 进展，这将加速推进战争形态向智能化迈进. 数据高速共享也是需要思考的问题； 人工智能下的军事，从对抗策略角度进行分 (3)由于作战任务高度复杂且对时间精度要求 析，需要解决在军事攻击、军事检测和军事防御方 较高，干预问题成为人机融合智能在军事对抗中不 面如何有效的将人工智能融入其中这一问题，同 可忽略的问题之一，何时由人获得主控权，何时由机 时为达到作战一致性，协同配合也需要着重考虑 器获得主控权，需要对人机融合系统进行充分设计. 而若从物联网三层架构分析军事对抗中的人工智 人机融合智能在军事对抗中的应用，可以认 能技术，需要解决软硬件在感知层、网络层和应用 为是智能系统与决策技术的高度融合，这将是多 层的对抗问题，从而形成完备的军事攻防体系. 学科交叉的研究成果.如何实现人机协同打击工

revealed the shortcomings of using AI in the current military field, and analyzed the development trend of hybrid human–artificial inte￾lligence in military confrontation. We also presented three possible technical schemes and detailed explanations and finally proposed future  research  directions.  We  believe  that  the  future  development  trend  of  intelligent  military  may  be  based  on  the  hybrid human–artificial intelligence, which will further improve the adaptability of machines to the combat environment and reveal the merits of the integration of human wisdom and machine intelligence; this integration may be the next step of AI research in military confrontation. KEY  WORDS    artificial  intelligence； military  confrontation； Internet  of  Things； hybrid  human –artificial  intelligence； technical schemes 1956 年，人工智能（Artificial intelligence, AI）一 词正式诞生，并逐渐对众多领域产生深远影响； 1997 年，IBM 的“深蓝”在象棋比赛中战胜卡斯帕 罗夫，人工智能在经过两次低谷后重回大众视线， 但此时机器的良好表现更多要归功于超强的计算 能力，它不能像人类一样理解棋局所代表的含义； 2006 年，在 Hinton 的带领下，深度学习领域取得重 大突破[1] ，人工智能进入爆发期；2017 年，拥有“深 度学习”大脑的 AlphaGo 强势来袭，击败世界围棋 冠军柯洁，机器开始拥有“思考”能力；同年，只通过 三天自我博弈与学习的 AlphaGo Zero 出师，不仅击 败 AlphaGo，还学会了三种不同的棋类游戏，机器 开始拥有“洞察力” [2] . 人工智能特别是深度学习的 不断发展，使机器不再受限于特定的程序，转而开 始拥有思考能力，机器变得越来越“聪明”；而人类 智慧是机器始终无法取代的，如何实现智慧与智能 的融合，也就开启了人工智能领域新的研究话题. 纵观军事领域，高科技化军事装备的出现，势 必会对作战形势以及取胜机制产生重大影响. 但 从目前国内外情况来看，部分先进科技装备不能 有效、快速的投入到战斗当中，且面对复杂作战环 境时，可能会出现无法发挥正常作战效应的情况， 这都会严重妨碍军事力量发展. 随着人工智能及其分支技术的不断发展，军事 对抗的作战形态已发生巨大变革，这将从根本上改 变作战方式和制胜机理，同时会演化出众多新式武 器，未来战争可能会实现由“人对人”到“机器自主 杀人”的转变[3] . 目前，众多国家已经开始投入到对 人工智能在军事领域的研究当中，并取得了重大的 进展，这将加速推进战争形态向智能化迈进. 人工智能下的军事，从对抗策略角度进行分 析，需要解决在军事攻击、军事检测和军事防御方 面如何有效的将人工智能融入其中这一问题，同 时为达到作战一致性，协同配合也需要着重考虑. 而若从物联网三层架构分析军事对抗中的人工智 能技术，需要解决软硬件在感知层、网络层和应用 层的对抗问题，从而形成完备的军事攻防体系. 由于技术水平有限，在目前的军事对抗中，还 无法完全交由机器进行实时响应、紧急决策处理； 在未来的一段时间内，无法实现武器装备完全自 主控制. 这表明在执行过程中，依旧需要人工操纵 与控制，来确保整个作战过程不出现偏差. 通过让 机器承担操作性的任务，让人承担决策性的工作， 从而实现人与机器的高度融合，优势互补，是未来 军事对抗的发展方向. 人机融合智能，是一种强人工智能，简单来说 就是可以将人与机器优势相互结合的一种智能形 势. 人类与机器在态势感知、数据处理、决策分析 等方面可以做到优势互补，是弥补人类与机器各 自缺点的重要方式. 能否实现多种作战方式，将取 决于人机融合智能能否有效的应用于军事对抗 中，也取决于人与机器在实际对抗中遇到各类突 发情况时是否能够默契配合. 人机融合智能在军事对抗中的应用，以人工 智能在军事对抗中的应用为基础，以如何在各类 战争角色中实现人‒机高度协同为主要研究内容， 在有人进行监督参与的情况下，使机器以不同方 式配合实现在“防御‒检测‒攻击”的高效运作，最 终实现“1+1>2”的对抗效果. 在目前，人机融合智能在军事对抗中仍有很 多问题需要解决，这些问题主要有： （1）赋予机器的假设条件是有限的，面对复杂 的作战环境，这种有限性限制了决策的多样性； （2）环境高度复杂化、高度不确定化，导致数 据量急剧增加，但目前人机之间的信息传递效率 低，具有滞后性，在不同编队的情况下，如何实现 数据高速共享也是需要思考的问题； （3）由于作战任务高度复杂且对时间精度要求 较高，干预问题成为人机融合智能在军事对抗中不 可忽略的问题之一，何时由人获得主控权，何时由机 器获得主控权，需要对人机融合系统进行充分设计. 人机融合智能在军事对抗中的应用，可以认 为是智能系统与决策技术的高度融合，这将是多 学科交叉的研究成果. 如何实现人机协同打击工 张智敏等： 人工智能在军事对抗中的应用进展 · 1107 ·

·1108 工程科学学报，第42卷.第9期 作，如何对人机承载能力进行合理划分，如何在人 驾驶汽车进行边境巡逻.在此基础上，以色列国防 机协同时进行态势感知，如何对出现的突发事件 军准备在汽车上安装例如机关枪等武器，并准备 进行实时检测与分析，如何协同处理好各项任务， 不断部署到边境地区：同时以色列军方也在考虑 是实现“1+1>2”作战效果的关键 如何将机器人与士兵进行混合编队，最终实现更 1人工智能在各国军事发展中的应用现状 好的对抗效果.据了解，以色列正在研制一款具有 智能功能的护目镜，该护目镜可以远程得到医疗 2008年，IBM公司开始进行脉冲神经网络芯 指导，在战争环境中可以提供紧急援助功能.不论 片的研制，随后与美国空军联合进行大脑启发式 是部署的摄像头还是安装在坦克上的传感器，以 超算系统的开发：2014年，美国军方提出“第三 军通过大量装备及多种途径进行数据的采集，这 次抵消战略”，将研究重心向机器学习、机器辅助 些信息可以实现共享，不仅指挥部与军官可以使 作战等方向转移；2016年，评估通过了ALPHA智 用，战场上的作战部队也可以对数据进行处理 能超视距空战系统，该系统主框架采用“模糊学习 2019年，拉斐尔公司的Spice炸弹又有了新的技术 树”技术，并搭载专家系统，可在协同空战中迅速 突破，在原有目标自动识别的基础上，又加入了人 作出决策，但系统评估在相对固定的空战环境进 工智能与场景匹配技术，这也显示出以色列军方 行，与实际空战环境有一定差距：2017年，美国国 对人工智能的高度重视 防部正式发布名为“Project Maven'”的备忘录，旨在 而我国也同样重视人工智能在军事中的发展 进一步发展人工智能等技术在战争中的重要作用，： 2017年7月，国务院公布了到2030年前把中国变 2018年，美国战略与预算评估中心发布《未来地面 成“人工智能领域的领先国家和全球创新中心”的 部队人机编队》报告，报告阐述的主要内容有：发 详细战略.该战略表示会加大对人工智能在国防 展未来地面部队人机编队的主要推动因素、可使 领域的研究与投资，并注重人工智能在自动化与 未来地面部队在战争中获得竞争优势的三大人机 预测中的应用：2019年，我国发表《新时代的中国 编队形式、发展未来人机编队面临的主要挑战、 国防》白皮书，对战争形态、作战方式在人工智能 以及通过人机编队提高未来地面部队作战效能的 的推动下发生的巨大变革进行进一步的阐述.此 战略；2019年，美国空军发布《2019年人工智能》战 外，英国、日本等国家也十分重视人工智能与军事 略，特别强调出人工智能在目前军事发展中的重 对抗的融合与发展 要性，同时这也是针对国防部提出的人工智能战 2人工智能在军事对抗中的技术发展现状 略的细化，更加关注人工智能在军事领域的应用 俄罗斯认为未来军事的主要竞争力将会围绕 本节首先从对抗策略对人工智能在军事对抗 人工智能展开，因此俄罗斯正在大力发展类人机 中的发展进行简单阐述，随后从物联网三层架构 器人、机器人部队.从2016年起，俄罗斯每年都会 分析军事对抗中的人工智能技术 召开“俄罗斯联邦武装力量自动化”军事科技会 2.1对抗策略 议；据国防部长谢依盖绍伊古称，最近3年俄罗斯 2.1.1智能防御 武装力量成立了10个大型科研院所和中心，这些 面对敌方的高强度打压，如何进行有效的防 科研院所和中心正在研究人工智能等众多领域： 御是军事对抗中需要重点考虑的问题.而目前，战 普京表示，人工智能不仅仅是俄罗斯，更是全世界 争形态越来越趋向于信息化、数字化，如何能提高 的未来.目前，俄罗斯军事工业委员会已经批准， 数据样本的抗干扰能力，在面对敌方扰动时如何 计划于2030年从远程控制和人机智能机器人平台 采取有效的策略进行应对，是防御阶段首要考虑 上获得30%的作战力量. 的问题.Lecuyer等间将密码学差分隐私用到对抗 以色列向来就有“初创国度”的美誉，其在军 样本的防御上，同时在原始深层神经网络(Deep 事技术中的表现也成为该国科技创新的重要突破 neural networks,.DNN)中加入噪声层，可以有效达 口.2008年，为加强监视加沙地区边界，以色列开 到防御对抗样本的目的；Papernot等基于DNN 始在实战中使用准自动军用车，这也是全球首个 提出防御蒸馏模型，该模型在应对对抗性样本时 在实战中使用准自动军用车的国家.目前，在军事 具有良好的效果，相比于原先的蒸馏方法，该方法 部署中使用全自动机器人，是以色列军方研究的 鲁棒性和泛化性有所提升；除DNN外，也可以在 重点领域：2016年7月，以色列军方开始使用自主 其他的神经网络中加入防御特性：如新的防御算

作，如何对人机承载能力进行合理划分，如何在人 机协同时进行态势感知，如何对出现的突发事件 进行实时检测与分析，如何协同处理好各项任务， 是实现“1+1>2”作战效果的关键. 1    人工智能在各国军事发展中的应用现状 2008 年 ，IBM 公司开始进行脉冲神经网络芯 片的研制，随后与美国空军联合进行大脑启发式 超算系统的开发[4] ；2014 年，美国军方提出“第三 次抵消战略”，将研究重心向机器学习、机器辅助 作战等方向转移；2016 年，评估通过了 ALPHA 智 能超视距空战系统，该系统主框架采用“模糊学习 树”技术，并搭载专家系统，可在协同空战中迅速 作出决策，但系统评估在相对固定的空战环境进 行，与实际空战环境有一定差距；2017 年，美国国 防部正式发布名为“Project Maven”的备忘录，旨在 进一步发展人工智能等技术在战争中的重要作用[4] ； 2018 年，美国战略与预算评估中心发布《未来地面 部队人机编队》报告，报告阐述的主要内容有：发 展未来地面部队人机编队的主要推动因素、可使 未来地面部队在战争中获得竞争优势的三大人机 编队形式、发展未来人机编队面临的主要挑战、 以及通过人机编队提高未来地面部队作战效能的 战略；2019 年，美国空军发布《2019 年人工智能》战 略，特别强调出人工智能在目前军事发展中的重 要性，同时这也是针对国防部提出的人工智能战 略的细化，更加关注人工智能在军事领域的应用. 俄罗斯认为未来军事的主要竞争力将会围绕 人工智能展开，因此俄罗斯正在大力发展类人机 器人、机器人部队. 从 2016 年起，俄罗斯每年都会 召开“俄罗斯联邦武装力量自动化”军事科技会 议；据国防部长谢依盖·绍伊古称，最近 3 年俄罗斯 武装力量成立了 10 个大型科研院所和中心，这些 科研院所和中心正在研究人工智能等众多领域； 普京表示，人工智能不仅仅是俄罗斯，更是全世界 的未来. 目前，俄罗斯军事工业委员会已经批准， 计划于 2030 年从远程控制和人机智能机器人平台 上获得 30% 的作战力量. 以色列向来就有“初创国度”的美誉，其在军 事技术中的表现也成为该国科技创新的重要突破 口. 2008 年，为加强监视加沙地区边界，以色列开 始在实战中使用准自动军用车，这也是全球首个 在实战中使用准自动军用车的国家. 目前，在军事 部署中使用全自动机器人，是以色列军方研究的 重点领域；2016 年 7 月，以色列军方开始使用自主 驾驶汽车进行边境巡逻. 在此基础上，以色列国防 军准备在汽车上安装例如机关枪等武器，并准备 不断部署到边境地区；同时以色列军方也在考虑 如何将机器人与士兵进行混合编队，最终实现更 好的对抗效果. 据了解，以色列正在研制一款具有 智能功能的护目镜，该护目镜可以远程得到医疗 指导，在战争环境中可以提供紧急援助功能. 不论 是部署的摄像头还是安装在坦克上的传感器，以 军通过大量装备及多种途径进行数据的采集，这 些信息可以实现共享，不仅指挥部与军官可以使 用，战场上的作战部队也可以对数据进行处理. 2019 年，拉斐尔公司的 Spice 炸弹又有了新的技术 突破，在原有目标自动识别的基础上，又加入了人 工智能与场景匹配技术，这也显示出以色列军方 对人工智能的高度重视. 而我国也同样重视人工智能在军事中的发展. 2017 年 7 月，国务院公布了到 2030 年前把中国变 成“人工智能领域的领先国家和全球创新中心”的 详细战略. 该战略表示会加大对人工智能在国防 领域的研究与投资，并注重人工智能在自动化与 预测中的应用；2019 年，我国发表《新时代的中国 国防》白皮书，对战争形态、作战方式在人工智能 的推动下发生的巨大变革进行进一步的阐述. 此 外，英国、日本等国家也十分重视人工智能与军事 对抗的融合与发展. 2    人工智能在军事对抗中的技术发展现状 本节首先从对抗策略对人工智能在军事对抗 中的发展进行简单阐述，随后从物联网三层架构 分析军事对抗中的人工智能技术. 2.1    对抗策略 2.1.1    智能防御 面对敌方的高强度打压，如何进行有效的防 御是军事对抗中需要重点考虑的问题. 而目前，战 争形态越来越趋向于信息化、数字化，如何能提高 数据样本的抗干扰能力，在面对敌方扰动时如何 采取有效的策略进行应对，是防御阶段首要考虑 的问题. Lecuyer 等[5] 将密码学差分隐私用到对抗 样本的防御上，同时在原始深层神经网络（Deep neural networks, DNN）中加入噪声层，可以有效达 到防御对抗样本的目的；Papernot 等[6] 基于 DNN 提出防御蒸馏模型，该模型在应对对抗性样本时 具有良好的效果，相比于原先的蒸馏方法，该方法 鲁棒性和泛化性有所提升；除 DNN 外，也可以在 其他的神经网络中加入防御特性：如新的防御算 · 1108 · 工程科学学报，第 42 卷，第 9 期

张智敏等：人工智能在军事对抗中的应用进展 ·1109· 法ADV-BNN?,是以贝叶斯网络为基础对随机性 分布式人工智能的发展也促进了多智能体分布一 建模，并且通过构造贝叶斯网络中的最小极大值 致性理论的研究，如将分布式协同控制协议用在 问题来学习在攻击下的最优模型分布，从而得到 多智能体中，这种协议不仅可以改变编队结构， 一个对抗训练的贝叶斯神经网络，在强攻击下拥 还可以在固定的无人机拓扑结构下达成一致，运 有较好的防御性能 用Lyapunov稳定性理论还可以实现对编队误差系 在现代技术的支撑下，仅凭一两件先进武器 统的定义 装备进行作战是不现实的，必须综合多个编队进 如何进行智能规避，同样是在防御中需要考 行协同控制，通过相应的信息处理技术，将多平台 虑的问题.目前，越来越多的无人机参与作战，但 互联互通，以信息网络为中心，进行实时数据交 相比有人机，无人机进行规避具有更高的难度性， 互，最终协同完成作战任务.在编队方面，目前集 需要大量传感器的数据处理与交互和智能规避算 中对多智能体(Multi agent)展开研究，因为具有自 法进行支撑.对大、中型无人机和小、微型无人机 治性等众多优良的特点⑧，同时能够根据外界环境 差异进行分析，采用分层的感知与规避流程，提出 的变化进行自适应并采取相应行动，使其在分布 针对不同体型无人机关于感知与规避方面的定义 式人工智能领域具有十分重要的作用.早期多智 和架构，可以针对无人机规模设计合理的规避 能体协同编队的研究以机器人为主，以设计可以 方案；有效结合视觉方法，也可实现较好的规避效 融合跟随领航者法的编队模式为目标，为实现 果：如结合无人机光电平台，将图像阈值法与帧差 队形的灵活变换，建立出多智能体编队控制图-山， 法进行融合，可以实现实时跟踪的效果，并引入人 同时根据全向视觉的相关内容，设计出多机器人 工势场法，实时计算航路点，实现对目标的规避； 编队及队形变换实验以多智能体的理论与方法 Li等⑧1则使用到多传感器信息融合技术，并利用 也可以和生物免疫系统相结合，用来构建免疫多 多模态图像，对无人机感知与规避进行深入研究 智能体网络(Immune multi--agent network,IMAN)模 尽管目前国内外众多学者致力于无人机规避研 型)，可以为舰艇编队协同防空体系研究提供一 究，但目前仍有许多问题需要解决，如：如何使用 种新的范式；在多智能体中引入梯度估计，用于解 传感器收集到精确的数据并进行有效的传输，面 决在多智能体的交换结构和拓扑结构实现源搜索 对复杂多变的环境形势如何进行自主决策等.以 的问题，该过程可以有效寻找多智能体编队中心： 上方法总结见表1. 表1智能防御方面典型方法总结 Table I Summary of typical methods in intelligent defense Research angle of Method/structure Main technology Citation intelligent defense number PixelDP DNN Adding noise layer to the original DNN; introducing cryptography differential privacy [) Data anti- Redesign of the DNN;new architecture based on defensive distillation, interference Defense distillation model flexible setting of distillation temperature [句 ADV-BNN Modeling randomness in Bayesian neural network; constructing minimax problem [7 Leader-follower strategy formation Leader-follower strategy [9] Arbitrary switching of multi-agent formation Multi-agent formation control chart 10-11 Intelligent Multi-robot formation and formation Omnidirectional vision switching [12] cooperative formation Immune multi-agent network Combining biological immune system mechanisms with multi-agent approaches [13] Switching formation and topology in Gradient estimation cooperative multi-agent source seeking [14 Distributed cooperative control for UAV Distributed cooperative control protocol and implementation of error system [15] The definition and framework of UAV perception and avoidance Layered perception and avoidance process [16 Intelligent Vision-based UAV perception and Target detection combining image threshold method and frame difference method avoidance avoidance system and based on the artificial potential field method to avoid target [17刀 UAV perception and avoidance based on multi-source information fusion Multi-sensor information fusion technology;multi-modal image technology [18)

法 ADV-BNN[7] ，是以贝叶斯网络为基础对随机性 建模，并且通过构造贝叶斯网络中的最小极大值 问题来学习在攻击下的最优模型分布，从而得到 一个对抗训练的贝叶斯神经网络，在强攻击下拥 有较好的防御性能. 在现代技术的支撑下，仅凭一两件先进武器 装备进行作战是不现实的，必须综合多个编队进 行协同控制，通过相应的信息处理技术，将多平台 互联互通，以信息网络为中心，进行实时数据交 互，最终协同完成作战任务. 在编队方面，目前集 中对多智能体（Multi agent）展开研究，因为具有自 治性等众多优良的特点[8] ，同时能够根据外界环境 的变化进行自适应并采取相应行动，使其在分布 式人工智能领域具有十分重要的作用. 早期多智 能体协同编队的研究以机器人为主，以设计可以 融合跟随领航者法的编队模式[9] 为目标，为实现 队形的灵活变换，建立出多智能体编队控制图[10−11] ， 同时根据全向视觉的相关内容，设计出多机器人 编队及队形变换实验[12] ；多智能体的理论与方法 也可以和生物免疫系统相结合，用来构建免疫多 智能体网络（Immune multi-agent network, IMAN）模 型[13] ，可以为舰艇编队协同防空体系研究提供一 种新的范式；在多智能体中引入梯度估计，用于解 决在多智能体的交换结构和拓扑结构实现源搜索 的问题，该过程可以有效寻找多智能体编队中心[14] ； 分布式人工智能的发展也促进了多智能体分布一 致性理论的研究，如将分布式协同控制协议用在 多智能体中[15] ，这种协议不仅可以改变编队结构， 还可以在固定的无人机拓扑结构下达成一致，运 用 Lyapunov 稳定性理论还可以实现对编队误差系 统的定义. 如何进行智能规避，同样是在防御中需要考 虑的问题. 目前，越来越多的无人机参与作战，但 相比有人机，无人机进行规避具有更高的难度性， 需要大量传感器的数据处理与交互和智能规避算 法进行支撑. 对大、中型无人机和小、微型无人机 差异进行分析，采用分层的感知与规避流程，提出 针对不同体型无人机关于感知与规避方面的定义 和架构[16] ，可以针对无人机规模设计合理的规避 方案；有效结合视觉方法，也可实现较好的规避效 果：如结合无人机光电平台，将图像阈值法与帧差 法进行融合，可以实现实时跟踪的效果，并引入人 工势场法，实时计算航路点，实现对目标的规避[17] ； Li 等[18] 则使用到多传感器信息融合技术，并利用 多模态图像，对无人机感知与规避进行深入研究. 尽管目前国内外众多学者致力于无人机规避研 究，但目前仍有许多问题需要解决，如：如何使用 传感器收集到精确的数据并进行有效的传输，面 对复杂多变的环境形势如何进行自主决策等. 以 上方法总结见表 1. 表 1 智能防御方面典型方法总结 Table 1 Summary of typical methods in intelligent defense Research angle of intelligent defense Method/structure Main technology Citation number Data anti￾interference PixelDP DNN Adding noise layer to the original DNN; introducing cryptography differential privacy [5] Defense distillation model Redesign of the DNN; new architecture based on defensive distillation; flexible setting of distillation temperature [6] ADV-BNN Modeling randomness in Bayesian neural network; constructing minimax problem [7] Intelligent cooperative formation Leader-follower strategy formation Leader-follower strategy [9] Arbitrary switching of multi-agent formation Multi-agent formation control chart [10−11] Multi-robot formation and formation switching Omnidirectional vision [12] Immune multi-agent network Combining biological immune system mechanisms with multi-agent approaches [13] Switching formation and topology in cooperative multi-agent source seeking Gradient estimation [14] Distributed cooperative control for UAV Distributed cooperative control protocol and implementation of error system [15] Intelligent avoidance The definition and framework of UAV perception and avoidance Layered perception and avoidance process [16] Vision-based UAV perception and avoidance system Target detection combining image threshold method and frame difference method and based on the artificial potential field method to avoid target [17] UAV perception and avoidance based on multi-source information fusion Multi-sensor information fusion technology; multi-modal image technology [18] 张智敏等： 人工智能在军事对抗中的应用进展 · 1109 ·