【智庫聲音】人機融合：洞察智能化海戰製勝關鍵

來源：大柳樹防務 中國艦船研究

1 智能化海戰與艦艇裝備

隨著軍事智能技術在海戰領域的持續深度發展，智能化海戰呈現出人機主導、虛實結合、腦網爭奪的全新海戰形態。典型的作戰樣式為有人與無人協同作戰，製勝關鍵要素從信息域轉向了認知域，從爭奪“信息優勢”向獲取“認知優勢”轉變[1]。

美國在“第三次抵消戰略”最新論述中，明確提出“人工智能和自主性技術等嵌入信息化作戰，以確保技術領先優勢”、“人機協同作戰編組是第三次抵消戰略的首要因素”。美國國防先進研究計劃局（DARPA）先後開展了“深綠”、“洞察”、“心靈之眼”、對抗環境中目標識別與適應計劃、分布式戰場管理、阿爾法空戰系統和指揮官虛擬參謀、進攻性蜂群技術、反潛戰持續追蹤無人艇、無人潛航器等大量基礎性技術研究與工程實踐項目，研究從傳感器、文本、音頻、圖像、視頻等多源異構數據中自動獲取並智能處理信息，自動提取關鍵特徵並挖掘隱藏的關聯關係與規律，通過用強化學習、遷移學習、對偶學習、對抗學習等智能算法解決敵我對抗與反對抗條件下的作戰態勢智能認知、威脅判斷、行動建議生成等問題。

最近，美國國防部正在部署人工智能和自主系統方面的工作，重點是改變兵力設計和作戰方法，通過採用新技術、作戰概念和戰略的組合，建立新的競爭機制來獲取軍事優勢。“馬賽克戰”采取以決策為中心的軍事行動方法，其將人工智能與自主系統相結合，通過迅速組建和重組一支更分散的軍隊來為美軍創造複雜的適應能力，依賴決策優勢，通過將不確定性強加於對手，而不是通過消耗來實現軍事目標[2]。

未來艦艇裝備將呈現智能化、少人化、輕量超載化等特徵。傳統的航母、驅護艦、潛艇等作戰平台將在機械化、信息化的基礎上，深度融合人工智能技術，在操縱、武器使用、指揮決策等方面實現智能化，從而使其具備高效搭載無人平台的能力和出動回收保障能力，大幅縮減人員編制，降低高烈度戰爭下的人員死亡率[3]。

2人機融合智能（部分摘錄自《追問人工智能：從劍橋到北京》，詳見引文標注[4]）

艦艇裝備人機協同關係發生了根本的變革，由人機混合編組共同承擔作戰任務。由於大量的無人系統在前沿局部自主交戰，使得人在旁路調控成為主要攻防模式。人由前置轉為後置，由體力變為智慧，由具體執行變為指揮控制，然而，其中涉及複雜的人機互動及相互關係問題，單純的人工智能與人類智能都不能發揮最大效能，人機融合智能才是其重要的發展方向[4]。

人機融合智能是由人-機-環系統相互作用而產生的新型智能系統：在智能輸入端，將設備傳感器客觀采集的數據與人主觀感受到的信息結合起來，形成新的輸入方式；在智能數據/信息中間處理過程中，將機器數據計算與人的信息認知融合起來，構建獨特的理解途徑；在智能輸出端，將機器運算結果與人的價值決策相互匹配，形成概率化、規則化有機協調的優化判斷[4]。反應時和準確率是評價人機融合智能的關鍵指標。

在人機融合過程中，通常存在一些管理缺陷和技術故障難以區分的問題，例如：如何進行動態人機功能分配？當人、機的反應速度不匹配時，以人的速度為準還是機的速度為準；如何通過前/後（剛性、柔性）反饋系統把人的失誤/錯誤降至最小，同時把機、環的有效性提高到最大等。由此可見，作為物理和生物混合的複雜系統，人機融合的瓶頸不是簡單的互動問題，而是認知與計算的結合問題[4]。

目前，在主流人工智能學派中，聯接主義（connectionism）的代表形式是人工神經網絡，主要處理數據；行為主義（actionism）的代表形式是強化學習方法，主要處理信息（獎懲後有價值的數據）；符號主義（symbolicism）的代表形式是知識圖譜和專家系統，主要處理知識和推理（有限的知識和推理）。三者分別從腦結構、身體和思維過程方面開展研究，將人工智能作為數學邏輯語言智能，雖然在特定場景、既定規則統計且既定輸出的條件下可以極大地提升工作效率，但在解釋認知和建構方面，尤其是情感化表征、非公理性判斷和直覺決策等方面，機器與人相比差距仍然很大[4]。人的學習、推理和判斷可隨機應變，而機器是設計者為特定的時空任務擬定或選取的，與當前時空任務中使用者的意圖往往不一致，可變性較差。另外，人與機以何種方式（或平滑或迅速）相互介入，尤其是在歧義點或關鍵閾期間介入的反應時、準確率，也是當前關注的難點[4]。

正如陳霖院士所言：“認知和計算的關係問題不能單靠物理或計算的分析來解決，根本上只有通過實驗來回答。”從技術角度看，人機融合智能絕不僅僅歸結為數學仿真建模問題，而應該是實驗統計體驗擬合問題[5]。通過構建典型的特定作戰任務場景，開展多模式、多方案的人因測評研究，通過大量實測數據統計分析，揭示艦艇新型智能裝備人機界面複雜要素之間的關聯模型和動態機制，可為作戰任務、艦員能力與裝備人機互動的耦合設計提供科學依據。

3 深度態勢感知（部分摘錄自《追問人工智能：從劍橋到北京》，詳見引文標注[4]）

智能化海戰的指揮控制將主要面向戰場態勢模型展開，作戰節奏顯著加快，面對數千噸量級以上的數據量以及諸多不確定、不完全的複雜因素，指揮決策人員必須在越來越短的時間內快速果斷地做出指揮決定，使其面臨的指揮問題變得更加艱巨。因信息獲取速度高、打擊摧毀節奏快，使得傳統單純依賴人力的指揮方式處於完全被動的地位。迫於形勢要求，在未來的軍民科技發展趨勢中，以硬體機構為主導的製造加工領域將讓位於以軟體智慧為主題的指揮控制體系，而指控系統的核心之一是態勢感知技術。

美國空軍首席女科學家Mica R. Endsley提出的態勢感知模型是從環境感知環境理解預測規劃，逐步實現從低級到高級的信息加工處理過程。第1級是對環境中各成分的感知，即信息輸入；第2級是對目前情境的綜合理解，即信息處理；第3級是對隨後情境的預測和規劃，即信息輸出[4，6]。營造良好的態勢感知具有較大的挑戰性，其原因歸結為由人類信息處理系統、複雜裝備系統兩特徵相互作用形成的“態勢感知惡魔”，主要包括：1）需要注意的隧道效應；2）無法避免的記憶瓶頸；3）工作負荷、焦慮、疲勞和其他壓力；4）數據過載；5）複雜性蠕變；6）錯誤的心理模型；7）人不在環，環路異常[4]。

人機融合的深度態勢感知是在以Endsley為主體的態勢感知（包括信息輸入、處理、輸出環節）基礎上，加上人（單人+多人+敵我）、機（機器裝備+機制管理）、環（真實+虛擬作戰環境）及其相互關係的整體系統趨勢分析，具有“軟/硬”兩種調節反饋機制；既包括自組織、自適應，也包括他組織、互適應；既包括局部的定量計算預測，也包括全局的定性計算評估，是一種具有自主、自動彌散效應的信息修正、補償的期望-選擇-預測-控制體系[4]。

由於深度態勢感知系統涉及的面較廣，極易產生非線性、隨機性和不確定性，導致系統建模面臨較大困難。借鑒諾貝爾經濟學獎得主H. A. Simon提出的“有限的理性”思想：將無限範圍中的非概念、非結構化成分延伸，作為有限時空中可操作的柔性概念、結構化成分處理，就可以把非線性、不確定的系統線性化、滿意化處理[4，7]（即不追求在大海中撈一根針，而隻滿意在一碗水中撈針）。將跨領域、有時間和任務壓力的情境，轉化為小尺度時空情境的序列組合，採用基於離散規則和連續概率的態勢感知綜合決策模型，準確把握臨界點，刺激客體的關鍵信息特徵，從多批量、多目標、多任務的複雜環境中搜索，並選擇特定目標信息進行處理，從而使指揮控制智能感知和預測變得更加智慧，也更容易在工程應用化和技術化實踐中落地。

4 人機互動設計新範式

軍事智能將改變未來海戰作戰技術和能力，將由自動信息技術升級為智能洞察技術，由OODA環（觀察、調整、決策、行動）迭代能力進化為人機融合的深度態勢感知能力[4]。多模式智能人機協同互動技術、人機分工與協同決策技術、智能驅動的任務集成及人力規劃等基礎共性技術的突破，可為海戰裝備智能化發展掃除障礙，在新型艦艇研製過程中日益得到重視。探討智能化時代人機互動設計新範式，並落實到艦艇總體設計工作中，具體體現如下：

1）研究實戰化條件下內/外部環境的變化因素對艦載智能系統的感知、傳遞及決策的影響機制，充分了解人的生理/心理、機的物理/數理、環境的哲理/地理等特徵和需求，為人機界面參數優化提供輸入和邊界約束。

2）研究由於智能系統內/外部信息采集和控制參數多、反應速度快，使操作人員注意力高度集中、精神緊張且疲勞速度加快而導致的人機空間和時間矛盾激化，開發基於動態機制的人機功能分配方法、基於離散規則和連續概率的態勢感知綜合決策模型等，優化人機融合智能接口設計，降低艦員工作負荷。

3）研究VR/AR、語音、觸控、手勢等沉浸式人機互動技術的工程應用模式，構建典型工況特定作戰任務場景的艦員腦、眼等生理及感知信號數據庫，提出新型智能化人機界面集成標準規範，用於指導艦載智能系統設計改進，提升艦員信息獲取體驗。

4）研究因在艦船操縱、武器使用、指揮決策等方面實現智能化而導致的人員編制精簡，並在智能化條件下開展基於任務集成的戰位及人力規劃論證和仿真推演，分析人員編制與空間、重量等總體資源的統籌關係，確定多任務剖面典型戰位作業更製和編制規模。

參考文獻

[1]邱志明. 軍事智能技術在海戰領域應用的幾點思考[J]. 空天防禦，2019，2（1）：1-5.

[2]BRYAN C, DAN P, HARRISON S, Mosaic warfare: exploiting artifical intelligence and autonomous system to implement decision-centric operations [C]//CSBA Center for Strategic and Budgetary Assessments，2020.

[3]徐青. 未來海戰與智能化裝備發展[C]//海洋防務創新論壇——遠望論壇：首屆“未來海上作戰”研討會，2018.

[4]劉偉. 追問人工智能：從劍橋到北京[M]. 北京：科學出版社，2019.

[5]陳霖. 新一代人工智能的核心基礎科學問題：認知和計算的關係[J]. 中國科學院院刊，2018，33（10）：1104-1106.

[6]ENDSLEY M R. Toward a theory of situation awareness in dynamic systems[J]. Human Factors: The Journal of the Human Factors and Ergonomics Society, 1995, 37(1): 32-64.

[7]郝伯特•A•西蒙. 關於人為事物的科學[M]. 北京：解放軍出版社，1987.