来源：体系工程 作者：韦正现 王桐

当前人工智能正在加速向军事领域转移，这必将对信息化战争形态产生冲击甚至颠覆性的影响，人工智能的快速发展使得新的战争形态——“智能化战争”指日可待。人工智能是当前发展最为迅猛的技术，世界先进国家都纷纷将人工智能技术上升为国家战略。2017年7月国务院印发《新一代人工智能发展规划》，人工智能正式上升为国家战略，这是中国首个面向 2030 的人工智能发展规划。人工智能加速应用于武器装备，催生了新的武器装备类型的诞生，并且其武器装备的概念内涵、本质特征、内在规律和作战使用等也出现了全新特征。从目前技术发展状态上看，在今后一段时间内智能化武器装备及其作战使用主要有以下两个方面，分别为无人智能武器装备及其智能化作战和智能增强的武器装备及其智能化作战。

自从AlphaGo战胜围棋世界冠军李世石之后，人工智能技术得到了爆炸式的发展，并且加速在武器装备和战争上的应用后，在世界范围内产生了智能化武器及其智能作战是否最终能够战胜人类的焦虑。由于世界各国都在发展智能化武器，并应用于战场上实施智能作战。因此，反人工智能和反智能化作战成为了各国面临的一个难题。由于智能化武器和智能化作战近几年才得以迅猛发展，属于起步阶段，反智能化武器和智能化作战更是属于萌芽阶段，在世界范围内基本没有研究先例和研究资料。本文首先对智能化武器装备及其智能化作战进行分析，将其分为无人智能武器装备及其智能化作战和智能增强武器装备及其智能化作战两个方面，然后，根据无人智能作战和智能增强作战的特征，分析了在今后一段时间内智能化武器装备及其作战使用的特征和趋势，提出了 “硬方式反智能作战”(硬反)和“软方式反人工智能”(软反) 两种反智能作战方式，指出了反智能的核心是需要建立反智能的智能算法，提出了反智能算法建立的一般过程和需要解决的基础科学难题。然后，从技术和战术两个层面上，给出了反智能作战的对策思考。

1. 智能化武器装备和智能化作战

从目前技术发展状态上看，在今后一段时间内智能化武器装备及其作战使用主要有以下两个方面，分别为无人智能武器装备及其智能化作战和智能增强武器装备及其智能化作战。

1）无人智能武器装备及其智能化作战

无人智能是人工智能的一个重点方向，在武器装备层面上，各式各样的空中无人智能机(群)、陆上无人智能机(群)、水面水下无人智能机(群)等纷纷被推出，未来在陆、海、空、天各个领域将形成类似于“狼群”、“鱼群”、“蜂群”等各类无人集群，实施全域无人集群攻击与防御的新作战模式。立体化无人智能集群装备基于群聚生物的协作行为与交互方式，通过多分布式集群传感器的全方位侦察探测实现战场感知优势，通过智能自主决策与自动任务分配缩短OODA环周期获得战场速度优势，通过多平台自适应自优化的拦截、打击、压制、防护等有机性行动，获得群体高度一致的协同优势。

面向无人集群智能作战方式具有去中心化、自主化、集群复原等新特征。目前无人智能武器(群)的技术研究主要集中在智能技术上，例如单机智能、多机智能协同、任务自主智能技术，以及面向集群的持续学习、对抗学习和鲁棒决策等方法研究。对于无人集群作战在作战使用过程中出现的复杂战场环境自适应复杂性、自主决策饱和打击的适用性和危害性、集群内部隐秩序以及外在表现的结构行为有机性等方面，是未来一段时间内无人智能武器装备研究的一个重点方向。

目前无人智能集群武器装备主要有无人机组成的“蜂群”、无人潜器组成的“鱼群”、无人战车或坦克组成的“狼群”等。它们共同的特点是模拟生物群体的行为特征，将生物群体原理应用于机器人称为无人集群机器人(简称为无人智能集群)，是为成千上万的小型机器人的群体行动建立模型和算法，使它们能够一起执行任务，每个机器人只具有相当简单的功能，但组成集群之后成为一个具有生物集群的、能够完成复杂任务的超级有机体。

生物集群行为(Swarm behavior)、或者群行(Swarming)是一种生物的集体行为，最典型的例子是外观上看起来一群实体聚集在一起兜圈或朝特定方向行动。生物界中的昆虫、鸟类、鱼类、水生动物、人与细菌都会出现集群行为。群体行为是大量自驱动粒子系统的集体运动。从数学模型的角度来看，它是一种突现(Emergence)行为，即个体遵循简单的运动和逻辑规则，不需要任何有中心的中央协调，而又能自然而然地呈现群体特征。

生物集群具有四个明显特点：

(1)控制是分布式的，不存在中心控制，因而它具有较强的鲁棒性，即不会由于某一个或几个个体出现故障而影响群体对整个问题的求解；(2) 群体中的每个个体都能够改变环境(共识主动性, Stigmergy)，这是个体之间间接通信的一种方式，集群智能通过非直接通信进行合作，因而随着个体数目的变化，通信开销的增幅较小，使集群具有较好的可扩充性；(3) 群体中每个个体的能力或遵循的行为规则非常简单，因而集群智能的实现比较方便；(4) 群体表现出来的复杂行为是通过简单个体的交互过程突现出来的智能(Emergent Intelligence)，因此，群体具有自组织性。

基于生物集群的无人智能集群在陆、海、空、天各个领域将形成类似于“狼群”、“鱼群”、“蜂群”等各类无人智能集群，实施全域无人集群攻击与防御的新作战模式，它们基于群聚生物的协作行为与交互方式，通过多分布式集群传感器的全方位侦察探测实现战场感知优势，通过智能自主决策与自动任务分配获得战场速度优势，通过多平台自适应自优化的拦截、打击、压制、防护等有机性行动，获得群体高度一致的协同优势。美军认为无人智能集群作战将改变未来的作战模式，而将无人智能集群作为一种“Game-Changing”的颠覆性技术。有模拟试验表明，在同等条件下，装有传感器和武器的100架无人机集群摧毁了63个目标并探测到91%的敌军部队，而现有的可部署火力单位只消灭了11个目标，探测到33%的敌军部队。

2016年4月，美军发布了《小型无人机系统路线图2016-2036》，该路线图凸显了小型无人蜂群系统的重要意义。国防高级研究计划局(DARPA)、战略能力办公室(SCO)，以及空军、陆军和海军等都已经开展了大量的研究和论证工作，启动了多个项目，其中最具影响力的项目包括：DARPA主导自治编队混合主动控制项目(MICA)、拒止环境下协同作战计划(CODE)、“小精灵”项目、进攻性蜂群使能战术项目(OFFSET)，美国海军研究局(ONR)负责的低成本无人机蜂群技术(LO-CIST)，以及战略能力办公室支持的“灰山鹑”微型无人机项目等。美国海军正在研制将无人巡逻艇联成“群”的系统，这就是CARACaS(机器人代理指挥和感知控制架构)技术。我国完成了119架固定翼无人机集群飞行试验。另外还有由1024个机器人组成的Kilobot，奥地利CoCoRo自主水下航行器集群等。

无人智能集群的主要目的是为了使用由简单个体组成群体所具有独特的涌现性来高效完成各种复杂的任务。无人智能集群根据所执行任务特征、所处环境情景，以及期望达到的效果不同，无人智能集群的形状构成、行为动作和适应演化也有所差异。例如鸟群面向迁徙、觅食和避敌等不同情况下的集群形状和过程变化有很大的不同，但却能够实现无缝衔接。同样无人机群在进行航行、侦察、攻击和防御等行动的群体队形、行为模式差距也是很大的。在生物集群中，个体能力弱、抗风险能力有限，通过多个个体组成群体来具备强大的抗拒外界破坏的能力(鱼群躲避对抗天敌的攻击，蜂群攻击入侵者等)。目前在无人智能集群中，无人机群是研究最为深入，用途最为广泛，也是成果最多的。在无人机群，要求将造价低的多架无人机实现对敌目标的高效侦察和攻击。然而目前无人智能集群的理论基础也很薄弱，研究最多的无人机群作用机理的研究仅限于4种形式即：近战(Melee)、聚合(Massing)、机动(Maneuver)和群集(Swarming)。相关的技术研究有机群编队控制技术、路径规划技术、任务规划技术、集群控制算法、通信组网、动态自愈合等方面。

2） 智能增强的武器装备及其智能化作战

无人智能武器装备体系是无人或极少有人干预(如决策是否攻击可能需要人的干预)的情况下，无人武器(如察打一体无人机)或无人智能集群的具有全自主或绝大多数情况下自主行为。智能增强武器装备体系则是无人与有人作战装备协同一体，以及基于人机智能共生的武器装备构成的有机整体，实现人机功能互补、优势互补增强作战能力。无人与有人作战装备协同一体主要用于情报侦察探测与协同攻防，例如有人机与无人机协同、有人舰艇与无人舰艇协同等，2016年10月，美国海军三架超级大黄蜂战斗机总共投放 103 架山鹑小型无人机，进行组网通信和智能协同，以及自行完成编队集结、搜索定位和攻击任务等演示验证。

人机智能共生的武器装备是人智慧和机器智能相结合，很大程度是通过机器超强的计算推理能力来增强人对战争的应对能力，主要应用于战场认知与辅助决策上。在战场认知上，主要通过人工智能对海量数据自动分析与识别的强大计算能力，极大提升信息处理速度和质量，最大程度拨开了“战争迷雾”，极大增强作为主导战争的人对战场的认知能力。在辅助决策上，主要通过机器的快速推理能力和对战效果高效评估反馈能力，形成高质量的辅助决策信息，加上人的“指挥艺术”的创造性和独特性，增强复杂战场环境下的决策指挥能力。因此，无人与有人装备协同体系、基于人机智能共生的装备体系将是未来一段时间内的重点发展方向。

目前对于智能化战争一个最大的争议在于无人装备的自主决策(尤其在自主决策攻击上)上，有人认为这会带来一些我们无法接受的风险，甚至有人认为会导致人类的灭亡。这也恰恰说明目前人工智能尚有很多的基础难题尚未突破。2018年8月，2011年诺贝尔经济学奖获者Thomas J. Sargent在世界科技创新论坛上表示：“人工智能就是统计学，只不过用了一个很华丽的辞藻”。2017年丘成桐教授在CNCC大会上也指出，人工智能的理论基础非常薄弱，需要一个可以被证明的理论作为基础。李国杰教授指出目前人工智能存在莫拉维克悖论、新知识悖论和启发式悖论。从体系角度，构建智能增强武器装备相关技术层次结构和组成关系，梳理急需解决的关键技术难题，多方面综合性地解决人工智能存在的悖论，这是未来智能增强的武器装备体系急需要开展的工作。

2. 智能化作战核心算法

事实上，智能化作战的核心是智能算法，也就是现在说的算法战争。目前能够支持智能化战争的算法包含的种类很多，但主要体现在两个方面，一方面是支持无人智能集群形成整体的编队或队形控制算法，以及应对复杂场景的优化算法；另一方面，是复杂战场环境下实时作战决策或辅助决策的智能算法，如图1所示。

图1 主要的智能算法

模拟生物群体的算法主要有蚁群算法(Ant Colony Optimization, ACO)、蜂群算法(Artifical Bee Colony, ABC)、粒子群算法(Particle Swarm Optimazation, PSO)，以及鱼群算法和狼群算法等。群体正是通过简单智能个体的合作，表现出复杂有机行为的特性，实现群体可以超越最优秀个体能力的突破。

在生物群体中，许多个体层面上行为模式简单的生物个体，在形成群体之后却体现出复杂而有序地种群自发行为。例如，鸟群在空中飞行时自动地调整队形；蚁群能够分享信息，协同工作，优化到实物源的最短路径；鱼群聚集最密集的地方通常是水中食物集中的地方。在仿生学的基础上，学者们对此类现象概述为：不存在中央控制机制的条件下，群体中所有个体都遵循某种特定的行为模式，通过个体之间的相互影响和相互作用，在群体整体层面涌现出来的复杂系统行为。集群行为鲁棒性强，并行性好，实现相对简单，无需中央控制机制。生物群体协作的有机模拟形成的群体智能中，个体必须能够在环境中表现出自主性、反应性、学习性和自适应性等特征。生物群体协作的核心是由众多简单个体组成的群体能够通过相互之间的简单合作来实现某一功能，或者完成某一任务。

模拟种群进化类中最具代表性的是遗传算法。生物群体的生存过程普遍遵循达尔文的物竞天择、适者生存的进化准则。种群中的个体根据对环境的适应能力而被大自然选择或淘汰。遗传算法是模仿生物遗传学和自然选择机理，通过人工方式构造的一类优化搜索算法。遗传算法与传统数学模型截然不同，它为那些难以找到传统数学模型的难题找到一种解决方法。遗传算法是一类以Darwin自然进化论和Mendel遗传变异理论为基础的求解复杂全局最优化问题的仿生型算法。遗传算法的具体流程可简述如下：模拟自然界优胜劣汰的进化现象，把搜索空间映射为遗传空间，把可能的解编码成一个向量——染色体，向量的每个元素称为基因。通过不断计算各染色体的适应值，选择最好的染色体，获得最优解。

生物个体具有目的的行为、合理的思维，以及有效的适应环境的综合性能力。生物个体在给定任务或目的下，能根据环境条件制定正确的策略和决策，并能有效地实现其目的的过程或能力。自然界中智能水平最高的生物就是人类，人类不但具有很强的生存能力，而且具有感受复杂环境、识别物体、表达和获取知识以及进行复杂的思维推理和判断的能力。因此对生物个体的模拟更多的是对人类的模拟。

基于个体的模拟大致有以下几个分支算法：模糊计算——模拟人对客观世界认识的不确定性；神经网络——模拟人脑神经元；支持向量机——基本思想是通过非线性变换将输入空间变换到一个高维空间，然后在这个新的空间中求取最优分类超平面；免疫计算——借鉴和利用生物免疫系统的信息处理机制发展的各类信息处理技术；人工生命——通过人工方法建造具有自然生命特征的人造系统以及DNA计算。

3. 反智能化作战的研究启示

反智能化作战首先需要弄清楚两个问题，就是“反什么”和“怎么反”。从智能化装备的形态和作战方式，以及智能化作战的核心——智能算法，这两个方面的发展上看，从反智能作战的形式上可以分为两种，分别为“硬方式反智能作战”(硬反)和“软方式反人工智能”(软反)。

1）硬方式反智能作战(硬反)

硬反——硬方式反智能作战，顾名思义就是通过硬杀伤、捕获、摧毁或电磁破坏等方式，实现对敌方无人机(群)、无人坦克战车(群)、无人艇(群)等无人武器装备在物理(包括电磁和通信)上实现破坏，使其丧失继续作战的功能和能力。这种方式一部分是传统作战方式在智能战争或对智能武器作战上的延伸使用(包括传统的电子战或水声对抗等)；另一部分是需要建立专门智能化武器和智能算法来实施对敌方智能武器的物理破坏。例如，专门研制用于围捕敌方无人机的有人或无人的装备，研制更加先进、性能更好的无人机来对抗敌方无人机等等。这种方式主要针对敌方的智能装备硬实体，也可以称为反智能装备(反装备)。

2） 软方式反人工智能(软反)

软反——软方式反人工智能，是在作战过程通过实施故意的欺骗、无规则的动作行为或刻意制造针对性的战场态势、释放迷惑性数据等方式，使得敌方的智能核心算法效率降低甚至失效，达到战而胜之的目的。这是一种针对战争智能算法的一种全新的思路和手段。例如，为了敌方降低侦察无人机群的侦察效果，通过对敌方无人集群侦察行为的观测，如果知道敌方无人机群采用蚁群觅食算法进行侦察搜索，由于蚁群算法中信息素是决定算法效果的核心部分，那么可以有针对性地制造战场态势，使得敌方无人机群中蚁群算法中的信息素不起作用或降低作用，从而降低侦察搜索效率的目的。又如，在双方性能相当的无人战斗机(或无人战斗机群)实施对抗过程中，如果通过观察能够知道对方决定飞行动作的自主决策是主要基于强化学习的决策机制，那么可以通过我方飞机的无规则或反常的飞行动作，使得对方智能算法中奖励机制(强化学习的关键部分)发挥不出它应有的作用，从而达到获胜的目的。

软反的基本前提条件是智能武器在硬件实体性能上相当，在作战对抗过程中，想方设法来使支持对方作战的智能算法效率降低或失效，达到反智能作战的目的。从这个角度来说，软方式反人工智能是全新的方式，这是急需开展研究的一个重要方向。

3）反智能作战研究启示——反智能智能

以硬方式、软方式进行对抗智能作战，诞生了对抗智能化战争的一种全新样式和需求——反智能智能，其核心思想就是在战场上利用智能的方法来对抗智能。根据天下没有免费午餐的定理，任何智能算法都不可能解决所有的智能问题，它只能在某类智能问题上具有良好的效果。例如战胜围棋世界冠军李世石的AlphaGo，如果没有大量数据支持(棋谱)，不满足确定性信息、完全信息、静态的、单任务和有限领域这5个条件，它也是无能为力。因此就将来可能应用于智能作战的人工智能算法来说，完全有可能根据特定战场环境和智能算法，有针对性地建立有效的反智能算法的装备和算法。

实际上反智能智能的核心也是一种智能算法，它是根据需要在战场上对抗智能算法而建立的，具有很强的针对性，反智能作战的智能算法(简称反智能算法)形成的一般过程如图2所示。

图2 反智能算法建立的一般过程

在智能化作战过程中，装备的智能算法会根据战场态势和对方行为动作来确定自身的动作和行为，并通过观察对方的行为动作和战场态势的变化，不断进行智能计算和决策，来调整自身的行为和动态，以寻求达到最佳效果的目的。而在反智能作战过程中，反智能算法首先需要观察对方动作和行为，迅速反演出对方智能算法类型和框架，并找到对方智能算法的弱点，然后，自动生成能够有效降低对方智能算法效率甚至使其失效的方法、策略和具体实施方案，并生成相应的能够迷惑、干扰对方装备的动作行为或战场态势，从而形成有效反击对方智能作战的手段。

从上述分析上看，反智能算法是一个全新的方向，它需要解决以下基础科学难题：

(1) 基于外在行为的智能算法快速反演问题。智能算法的一个突出特点是在特定的环境条件下速度快、效率高。要对抗对方智能算法，首先必须知道该算法的类型和基本架构，这是反智能的基本前提。然而在反智能过程中，是无法直接获取对方智能算法的类型、架构和内部参数的，只能通过对改装备外在表现出来的行为动作 (或有意的使它表现出一定的行为动作)来快速判断其内在智能算法的类型、基本框架和部分参数等，要达到这个目的是十分困难的。

(2) 智能算法的弱点分析与对策问题。要对抗智能算法的一个基本条件就是要知道该智能算法的关键弱点，才能有针对性地采取有效的技术措施。然而不同的算法类型、基本架构和实现途径所形成智能算法的弱点是有所差异的，所采取的对策也有很大的差别。例如，都是战术动作的决策问题，基于规则的算法和基于强化学习的算法，两者之间的弱点和可能采取的对策就完全不同。因此，如何基于智能算法的反演，迅速找到智能算法的弱点，并自动形成行之有效的对策，是十分关键的基础性科学问题。

(3) 反智能算法的自主生成与运行问题。从目前智能技术在战争中的应用情况分析和预测，运用于智能作战的算法种类是能够分析预测出来的，然而算法的具体实现方式和参数特性的差别就十分巨大，完全无法获知和预测。同时反智能算法需要根据对方行为和智能算法特征来构建，才能具有针对性并达到一个比较好的效果，因此反智能算法的建立生成具有很强的自主性和适应性。这是区别于智能算法的一个重要方面，也是最难的一个方面。

4. 反智能作战的对策思考

在复杂的战场环境下，智能和反智能是“魔”与“道”的关系，需要从技术和战术两个层面来应对。

1）反智能作战的技术对策思考

如果说目前人工智能的基础理论十分薄弱，那么反智能的基础理论更是处于空白状态。因此为了推动反智能作战的基础理论、关键技术和核心算法的发展，需要开展以下工作：

(1) 引导前瞻性课题研究。反智能作战的技术上有其特殊性，各个部队机关和技术管理部门应该有意识地设置一些相关反智能作战的前沿研究课题，以便推动反智能基础理论和核心算法的研究进程；

(2) 推动智能化武器的实际应用。目前智能化武器和智能算法的研究如火如荼，然而真正在战场上投入使用的在世界范围内都很少。要反智能化作战，必须先了解智能化作战是什么，才能知道“怎么反”。因此，只有真正实施智能化作战，才真正知道如何从技术手段上实现反智能化作战。因此，推动智能化武器的实际应用并实施智能化作战，是一项要求尽快开展的工作；

(3) 将反智能置于军民融合中。人工智能兴起于民用技术，同样反人工智能技术也完全有可能兴起于民用技术，因此，将反智能作战置于军民融合中，可能会产生意想不到的效果。

2）反智能作战的战术对策思路

反智能作战不仅需要从技术手段上实施，更需要从战术、战法上进行对抗。为了能够创新反智能化作战的战术和战法，需要开展以下工作：

(1) 广大官兵、指战员必须理解智能化作战的本质。就目前智能技术而言，如果在战场上满足确定性信息、完全信息、相对静态的、单任务和有限领域这5个条件，人根本无法和智能武器对抗。如果上述5个条件中有2个以上不能满足，那么人的战术、战法就能发挥巨大作用，而智能武器的发挥就会受到极大限制。因此，理解智能化战争的本质，是没有参与作战的士兵、军官等全体人员必须具备的基本知识。

(2) 有针对性地进行反智能化的作战训练。在有规则的条件下，人是无法战胜机器的，这已经从“深蓝”战胜国际象棋大师、“AlphaGo”战胜世界围棋冠军中得到证明。同时从古至今，没有任何一条必胜的作战规则，可以说“战争唯一规则就是没有规则”。对于未来的智能化战争更是如此。因此，在部队进行反智能化作战训练中，注重“没有规则”的作战训练，这可能是未来部队训练的一个重要组成部分。

注：原文来源网络，文中观点不代表本公众号立场，相关建议仅供参考。