盧新來(lái)，杜子亮，許赟

航空工業(yè)發(fā)展研究中心，北京 100029

人工智能作為一類戰(zhàn)略性的新興技術(shù)在近年來(lái)取得了舉世矚目的成功。隨著美軍“阿爾法”空戰(zhàn)格斗比賽、“融合計(jì)劃2020”等一系列標(biāo)志性的演示驗(yàn)證項(xiàng)目取得圓滿成功，人工智能在軍事領(lǐng)域的巨大應(yīng)用潛力得到證實(shí)，圍繞這一顛覆性技術(shù)主動(dòng)權(quán)的爭(zhēng)奪也在如火如荼地開(kāi)展。

2019年2月，在美國(guó)總統(tǒng)簽署行政令發(fā)布美國(guó)國(guó)家人工智能戰(zhàn)略——《美國(guó)人工智能倡議》[1]的第2天，美國(guó)國(guó)防部就公布了其人工智能戰(zhàn)略——《2018年國(guó)防部人工智能戰(zhàn)略總結(jié)》[2]，美國(guó)空軍緊隨其后也于2019年9月公布了其人工智能發(fā)展戰(zhàn)略——《2019年空軍人工智能戰(zhàn)略》[3]。這一系列戰(zhàn)略文件的發(fā)布，以及近年來(lái)密集的預(yù)算投入，標(biāo)志著美軍已正式將人工智能作為未來(lái)保持非對(duì)稱軍事優(yōu)勢(shì)的關(guān)鍵核心所在。公開(kāi)資料顯示，美國(guó)國(guó)防部的人工智能投資從2016財(cái)年的6 000萬(wàn)美元迅速提升至2021財(cái)年的25億美元(包括在自主領(lǐng)域的投資)，并且據(jù)國(guó)防部宣稱其目前有超過(guò)600個(gè)人工智能項(xiàng)目正在進(jìn)行當(dāng)中[4]。

一種不可忽視的全球技術(shù)生態(tài)系統(tǒng)發(fā)展態(tài)勢(shì)顯示[5]，以人工智能為代表的信息技術(shù)在數(shù)據(jù)、網(wǎng)絡(luò)和計(jì)算能力等多個(gè)維度上呈現(xiàn)出指數(shù)級(jí)增長(zhǎng)的態(tài)勢(shì)，與此同時(shí)通信技術(shù)也迎來(lái)質(zhì)變的發(fā)展機(jī)遇期?；诖耍环N常見(jiàn)的觀點(diǎn)認(rèn)為相比軍用系統(tǒng)物理屬性上的提升幅度而言，信息和通信技術(shù)將為軍用系統(tǒng)帶來(lái)數(shù)量級(jí)上的增益。雖然這一觀點(diǎn)還有待討論和驗(yàn)證，但人工智能領(lǐng)域激烈的競(jìng)爭(zhēng)和快速發(fā)展的態(tài)勢(shì)給航空領(lǐng)域帶來(lái)重大機(jī)遇的同時(shí)也帶來(lái)了前所未有的挑戰(zhàn)。為此，本文圍繞人工智能定義、智能等級(jí)劃分以及人工智能航空應(yīng)用等方面的議題開(kāi)展了一些基礎(chǔ)性的研究工作，以期在人工智能賦能航空的初始階段闡明一些基本概念和基本認(rèn)識(shí)。

1 關(guān)于人工智能定義的討論

1.1 不同視角下人工智能定義的討論

眾所周知，公認(rèn)的人工智能(Artificial Intelligence, AI)概念最早于1956年的達(dá)特茅斯會(huì)議被正式提出，經(jīng)過(guò)2個(gè)多月的研究，麥卡錫、明斯基、羅切斯特、香農(nóng)等10人共同給出了對(duì)人工智能的預(yù)期目標(biāo)：“制造一臺(tái)機(jī)器，該機(jī)器可以模擬學(xué)習(xí)或者智能的所有方面，只要這些方面可以被精確地描述”[6]。這一預(yù)期目標(biāo)在誕生之初就將復(fù)制人的才能，如創(chuàng)造性、自我改進(jìn)和語(yǔ)言應(yīng)用等，納入人工智能的研究范疇，使其從根本上區(qū)別于控制論、運(yùn)籌學(xué)等，從而成為一門獨(dú)立的研究學(xué)科[7]。該預(yù)期目標(biāo)在誕生之后，也曾被作為人工智能的定義使用，對(duì)該領(lǐng)域的發(fā)展起到了舉足輕重的作用[8]。

經(jīng)過(guò)60多年的發(fā)展，人工智能幾經(jīng)起落，已形成幾千種不同的技術(shù)路線[9]，其中的主流方法根據(jù)基本思想的不同大致可以劃分為三大流派：符號(hào)主義、連接主義和行為主義。人工智能技術(shù)路線的多種多樣部分造就了目前人工智能沒(méi)有學(xué)界公認(rèn)定義的現(xiàn)狀[4]，這也從一個(gè)側(cè)面反映出如何實(shí)現(xiàn)60多年前達(dá)特茅斯會(huì)議上關(guān)于人工智能的預(yù)期目標(biāo)依然是未知的。因此，不管具體內(nèi)容如何，人工智能往往采用概括性術(shù)語(yǔ)(Umbrella Term)的范式來(lái)進(jìn)行定義。

Russell和Norvig[7]按照2個(gè)維度將歷史上一些具有代表性的人工智能定義進(jìn)行分類，這一分類方法按照關(guān)注思維過(guò)程還是強(qiáng)調(diào)行為，關(guān)注與人類表現(xiàn)的逼真度還是強(qiáng)調(diào)合理性將人工智能的定義歸納為4類。這種分類方式的好處是可以高度概括和直觀展示歷史上學(xué)術(shù)界為實(shí)現(xiàn)人工智能而進(jìn)行的4種不同途徑的嘗試。

與學(xué)術(shù)界不同，國(guó)防和工業(yè)部門作為人工智能技術(shù)的應(yīng)用方，對(duì)人工智能的定義也有自己的理解。美國(guó)2019財(cái)政年度國(guó)防授權(quán)法案(NDAA)[10]第238章要求其國(guó)防部長(zhǎng)在2019年8月13日以前給出人工智能的定義。在上述國(guó)防授權(quán)法案頒布之后，美國(guó)國(guó)防部在其《2018年國(guó)防部人工智能戰(zhàn)略總結(jié)》[2]中對(duì)人工智能的內(nèi)涵進(jìn)行了描述：“無(wú)論以數(shù)字或自主物理系統(tǒng)內(nèi)嵌智能軟件的形式，機(jī)器具備執(zhí)行通常需要人的智能才能執(zhí)行的任務(wù)的能力，如識(shí)別模式、從經(jīng)驗(yàn)中學(xué)習(xí)、下結(jié)論、做出預(yù)測(cè)、采取行動(dòng)等”。從這一描述可以看出，美國(guó)國(guó)防部對(duì)人工智能實(shí)現(xiàn)途徑的認(rèn)知與圖1中“合理地行動(dòng)”這一途徑更為貼合，理性論者的途徑更多地涉及到基礎(chǔ)研究與工程應(yīng)用的結(jié)合，這也與美國(guó)國(guó)防部作為人工智能技術(shù)應(yīng)用方的角色相匹配。

雷宏杰如姚呈康[11]針對(duì)人工智能在軍用航空領(lǐng)域的應(yīng)用特點(diǎn)，對(duì)軍用航空人工智能的概念進(jìn)行了描述：“軍用航空人工智能是針對(duì)航空軍事任務(wù)場(chǎng)景，面向作戰(zhàn)需求，研究和制造在人類給定的具體目標(biāo)下，能夠通過(guò)感知、認(rèn)知、決策、執(zhí)行過(guò)程達(dá)成給定目標(biāo)的航空裝備及其相關(guān)產(chǎn)品的科學(xué)與工程”。這一定義在軍用航空背景下對(duì)場(chǎng)景、需求和目標(biāo)進(jìn)行了限定，是對(duì)圖1中“合理地行動(dòng)”這一途徑在特定領(lǐng)域應(yīng)用背景下的細(xì)化。

圖1 人工智能的4類定義Fig.1 Four types of artificial intelligence definitions

從美國(guó)國(guó)防部及國(guó)內(nèi)航空領(lǐng)域?qū)＜覍?duì)人工智能定義的認(rèn)識(shí)上可以看出，作為技術(shù)的應(yīng)用方，他們對(duì)人工智能實(shí)現(xiàn)的途徑有著相同的認(rèn)知傾向。這就像在萊特兄弟和其他人停止模仿鳥(niǎo)并開(kāi)始使用風(fēng)洞且開(kāi)始了解空氣動(dòng)力學(xué)后，對(duì)“人工飛行”的探索才得以成功；航空科學(xué)與工程領(lǐng)域的教材也不會(huì)把其領(lǐng)域目標(biāo)定義為制造“能完全像鴿子一樣飛行的機(jī)器，以致它們可以騙過(guò)其他真鴿子”[7]。與這一思辨過(guò)程類似，黃鐵軍等[12]在論述從人類大腦出發(fā)研究更強(qiáng)的機(jī)器智能乃至通用人工智能時(shí)指出，理解意識(shí)現(xiàn)象和功能行為背后的內(nèi)在發(fā)生機(jī)理是人類的終極性問(wèn)題，而制造類似人腦的具有自我意識(shí)和智能功能的智能機(jī)器是工程技術(shù)領(lǐng)域的重大挑戰(zhàn)。一種直觀而常見(jiàn)的看法是“制造智能”的前提是“理解智能”，這實(shí)際上是把問(wèn)題的解決建立在解決另一個(gè)更難問(wèn)題的基礎(chǔ)上，犯了本末倒置的錯(cuò)誤[12]。

雖然美國(guó)國(guó)防部在人工智能戰(zhàn)略中對(duì)人工智能的內(nèi)涵進(jìn)行了解釋，但值得注意的是，目前仍然不存在美國(guó)政府正式的官方人工智能定義[4]。其中部分原因是這段描述中依然涉及到了2個(gè)未明確定義的概念，一個(gè)是“人”，一個(gè)是“智能”。如何定義“人”或者“智能”？到目前為止依然沒(méi)有清晰公認(rèn)的答案。實(shí)際上，維特根斯坦在1953年出版的《哲學(xué)研究》中明確指出，日常生活中使用的概念如人是沒(méi)有經(jīng)典概念定義的。

Nilson[13]給出了一種在人工智能定義中將未明確的概念減少到一個(gè)的答案：人工智能是關(guān)于知識(shí)的科學(xué)——也即怎樣表示知識(shí)以及怎么獲得知識(shí)并使用知識(shí)的科學(xué)?；谶@一認(rèn)識(shí)，人工智能希望發(fā)現(xiàn)可以不受領(lǐng)域限制、適用于任何領(lǐng)域的知識(shí)，包括知識(shí)表示、知識(shí)獲取以及知識(shí)應(yīng)用的一般規(guī)律、算法和實(shí)現(xiàn)方式等。這一定義在某種程度上揭示了人工智能具有普適性、遷移性和滲透性的原因。

為了使航空人工智能的研究范圍和關(guān)注重點(diǎn)更加清晰聚焦，雷宏杰和姚呈康[11]從軍用航空人工智能視角出發(fā)對(duì)航空人工智能技術(shù)的范疇進(jìn)行了界定，即“主要面向作戰(zhàn)，以軍事應(yīng)用為背景，基于人機(jī)混合智能系統(tǒng)的任務(wù)執(zhí)行想定，通過(guò)不斷提升機(jī)器的智能水平，使航空裝備在強(qiáng)實(shí)時(shí)、高動(dòng)態(tài)、不確定態(tài)勢(shì)和不完備信息條件下，能夠逐步實(shí)現(xiàn)對(duì)人的輔助、協(xié)同以及融合，不斷提升人機(jī)混合智能系統(tǒng)的任務(wù)執(zhí)行效能”。此外，還依據(jù)運(yùn)行環(huán)境和層內(nèi)承擔(dān)的主要功能差異，將航空人工智能的運(yùn)行分為體系層、平臺(tái)層、平臺(tái)子系統(tǒng)層和設(shè)備層4個(gè)層次。

1.2 關(guān)于不確定性與確定性的思辨

從1.1節(jié)關(guān)于人工智能定義的論述中可以看出，目前甚至是今后相當(dāng)長(zhǎng)的一段時(shí)間里人工智能依然難以存在公認(rèn)的定義，這種不確定性給投資者、管理者和應(yīng)用者帶來(lái)了一定困擾，比如不同機(jī)構(gòu)、組織和個(gè)人對(duì)人工智能項(xiàng)目的理解不同，容易帶來(lái)對(duì)項(xiàng)目發(fā)展預(yù)期見(jiàn)解的差異；再比如將成本差異化較大的低端技術(shù)包裝成高端應(yīng)用或產(chǎn)品，使智能成為不可或缺的廉價(jià)廣告詞。

事實(shí)上，比起前沿基礎(chǔ)研究的高風(fēng)險(xiǎn)和不確定性，比起工業(yè)或軍事應(yīng)用落地過(guò)程中可能面臨的種種問(wèn)題和困難，現(xiàn)有人工智能技術(shù)本身的確定性是最高的。一種認(rèn)識(shí)是，本輪智能技術(shù)升級(jí)的窗口期只有10～15年，而一代新技術(shù)從誕生到成熟往往需要幾十年，所以本輪智能技術(shù)升級(jí)所依靠的人工智能技術(shù)，將主要是現(xiàn)有人工智能技術(shù)的工程化落地，而不是等待下一代新技術(shù)的成熟[14]。

這就如設(shè)計(jì)一款飛機(jī)一樣，當(dāng)發(fā)動(dòng)機(jī)的主要性能參數(shù)框定之后，飛機(jī)平臺(tái)飛行性能指標(biāo)的上限也就基本確定了。而得益于大數(shù)據(jù)可用性改善、計(jì)算機(jī)處理能力提高、機(jī)器學(xué)習(xí)方法改進(jìn)這三要素融合匯聚的人工智能，其現(xiàn)有特性也決定了它在航空領(lǐng)域應(yīng)用落地的方式、形態(tài)及能力邊界。

2 關(guān)于智能等級(jí)劃分的討論

隨著人工智能的快速發(fā)展和研究投入的持續(xù)提升，一種自然而然的想法是對(duì)智能系統(tǒng)的智能等級(jí)進(jìn)行劃分，從而引導(dǎo)關(guān)鍵技術(shù)發(fā)展，為戰(zhàn)略規(guī)劃和預(yù)算制定等工作提供必要的指導(dǎo)。這種想法在航空領(lǐng)域內(nèi)反映為對(duì)航空裝備進(jìn)行智能等級(jí)劃分的需求。然而，目前并沒(méi)有專門性的權(quán)威研究成果公之于眾。在一些關(guān)于人工智能分類的描述中，隱含著某種等級(jí)劃分的意味。2016年Hintze[15]將人工智能分為單一反應(yīng)型(Reactive Machines)、有限記憶型(Limited Memory)、具有心智型(Theory of Mind)和自我意識(shí)(Self-awareness)4類。2017年海牙戰(zhàn)略研究中心在其《人工智能與未來(lái)防務(wù)》報(bào)告中認(rèn)為人工智能分為弱人工智能(Artificial Narrow Intelligence，ANI)、強(qiáng)人工智能(Artificial General Intelligence，AGI)、超人工智能(Artificial Superintelligence，ASI)3個(gè)層級(jí)[16]。2018年中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)在其發(fā)布的《人工智能標(biāo)準(zhǔn)化白皮書(shū)(2018版)》中將人工智能分為弱人工智能和強(qiáng)人工智能[17]。

在發(fā)展相對(duì)成熟的自動(dòng)駕駛領(lǐng)域，國(guó)內(nèi)外權(quán)威機(jī)構(gòu)先后對(duì)自動(dòng)駕駛汽車的自動(dòng)化等級(jí)(Automation Levels)進(jìn)行了劃分。2013年，美國(guó)高速公路安全管理局(NHTSA)將駕駛自動(dòng)化分為0～4級(jí)[18]。由于該劃分對(duì)最高等級(jí)的駕駛自動(dòng)化界定過(guò)于寬泛，無(wú)法滿足正確引導(dǎo)和規(guī)范行業(yè)與技術(shù)發(fā)展的需要，美國(guó)機(jī)動(dòng)車工程師協(xié)會(huì)(SAE)又于2016年提出了0～5級(jí)的駕駛自動(dòng)化劃分指導(dǎo)[19]，將NHTSA分級(jí)中的等級(jí)4細(xì)化為等級(jí)4和等級(jí)5。2020年，中國(guó)工業(yè)和信息化部在其提出的《汽車駕駛自動(dòng)化分級(jí)(報(bào)批稿)》國(guó)家標(biāo)準(zhǔn)中基于駕駛自動(dòng)化系統(tǒng)能夠執(zhí)行動(dòng)態(tài)駕駛?cè)蝿?wù)的程度，根據(jù)在執(zhí)行動(dòng)態(tài)駕駛?cè)蝿?wù)中的角色分配以及有無(wú)設(shè)計(jì)運(yùn)行條件限制，將駕駛自動(dòng)化功能分為0～5級(jí)。該標(biāo)準(zhǔn)將駕駛自動(dòng)化(Driving Automation)定義為車輛以自動(dòng)的方式持續(xù)地執(zhí)行部分或全部動(dòng)態(tài)駕駛?cè)蝿?wù)的行為。值得注意的是，自動(dòng)駕駛領(lǐng)域并沒(méi)有基于人工智能的視角去評(píng)價(jià)自動(dòng)駕駛汽車的能力,雖然有一些研究試圖建立自動(dòng)駕駛汽車智能等級(jí)劃分的方法，但均未被廣泛認(rèn)可和接受。

與自動(dòng)駕駛領(lǐng)域相似，航空領(lǐng)域也未見(jiàn)被廣泛接受的智能等級(jí)劃分方法。不過(guò)，一些研究試圖建立無(wú)人機(jī)的智能等級(jí)劃分方法或從航空人工智能技術(shù)體系構(gòu)建的角度給出智能等級(jí)劃分。雖然有關(guān)航空領(lǐng)域智能等級(jí)劃分的研究較少，但關(guān)于自主性(Autonomy)和自主等級(jí)(Autonomous Levels)的研究卻有著悠久的歷史，對(duì)無(wú)人機(jī)系統(tǒng)自主等級(jí)劃分的認(rèn)知過(guò)程也是本文剖析航空領(lǐng)域智能等級(jí)劃分的最佳切入點(diǎn)。

自1965年摩爾定律被提出以來(lái)，隨著計(jì)算機(jī)處理能力在相當(dāng)長(zhǎng)的時(shí)間里穩(wěn)定快速提升，無(wú)人系統(tǒng)尤其是無(wú)人機(jī)的能力也快速提升，隨之而來(lái)的是針對(duì)無(wú)人系統(tǒng)的自主性和自主等級(jí)劃分的熱烈討論。這些研究從無(wú)人系統(tǒng)本身、任務(wù)執(zhí)行以及人機(jī)交互等不同角度出發(fā)，試圖理解自主性及其等級(jí)劃分，并隨著人工智能的引入而帶來(lái)全新的見(jiàn)解。值得注意的是，與第1節(jié)中“人工智能”的概念類似，自主性也沒(méi)有公認(rèn)的定義[20]，人們對(duì)自主性和自主等級(jí)的認(rèn)識(shí)隨著無(wú)人系統(tǒng)的發(fā)展而不斷演化。本文并不打算像第1節(jié)一樣討論自主性的概念，而是希望從自主等級(jí)劃分的發(fā)展歷程中尋找對(duì)論證智能等級(jí)劃分的意義或方法有幫助的觀點(diǎn)。

公認(rèn)最早的關(guān)于自主等級(jí)的研究來(lái)自Sheridan[21]，他基于人或機(jī)器誰(shuí)來(lái)做決策以及如何執(zhí)行決策將自主分為10個(gè)等級(jí)，劉樹(shù)光等[22]將其譯為自動(dòng)裝置等級(jí)。2000年，Parasuraman等[23]基于信息獲取、信息分析、決策與行動(dòng)選擇以及行動(dòng)執(zhí)行這4類功能，在Sheridan工作的基礎(chǔ)上提出了修改版的自主等級(jí)。上述自主等級(jí)劃分方法基于人機(jī)交互視角，并不針對(duì)特定平臺(tái)或系統(tǒng)。

隨著無(wú)人系統(tǒng)尤其是無(wú)人機(jī)的機(jī)載處理能力的不斷提升，無(wú)人系統(tǒng)迎來(lái)快速發(fā)展期，評(píng)估無(wú)人系統(tǒng)的自主等級(jí)也變得越來(lái)越重要。伴隨著美國(guó)海軍研究辦公室(ONR)自主作戰(zhàn)(Autonomous Operations，AO)未來(lái)海軍能力倡議的提出以及美國(guó)空軍研究實(shí)驗(yàn)室(AFRL)傳感器飛機(jī)項(xiàng)目的進(jìn)行，AFRL制定了一套具有1～10共10個(gè)等級(jí)劃分的自主控制等級(jí)(Autonomous Control Level, ACL)，作為用于衡量研究進(jìn)展的標(biāo)準(zhǔn)。2001年，美國(guó)國(guó)防部公開(kāi)發(fā)布的《無(wú)人機(jī)路線圖2000-2025》中直接引用了上述ACL劃分方法，并對(duì)當(dāng)時(shí)美軍一些無(wú)人機(jī)的自主等級(jí)和預(yù)期要達(dá)到的自主等級(jí)進(jìn)行了評(píng)估[24]。2002年，AFRL借鑒了衡量人類效能的方法，結(jié)合OODA環(huán)的原理，對(duì)《無(wú)人機(jī)路線圖2000-2025》中的ACL進(jìn)行了較大修改，構(gòu)建了0～10級(jí)共11個(gè)級(jí)別，分別針對(duì)OODA環(huán)中觀察(Observe)、調(diào)整(Orient)、決策(Decide)和行動(dòng)(Act)4個(gè)環(huán)節(jié)進(jìn)行自主等級(jí)劃分的ACL度量圖(ACL Metrics Chart)[25]。Proud等[26]在充分參考Sheridan、Parasuraman和AFRL工作的基礎(chǔ)上，也基于OODA環(huán)的概念，將自主分為8個(gè)等級(jí)，并分別對(duì)OODA環(huán)中4個(gè)環(huán)節(jié)進(jìn)行了自主等級(jí)劃分，并將這種方法應(yīng)用于美國(guó)國(guó)家航空航天局(NASA)的航天器任務(wù)評(píng)估與重規(guī)劃工具項(xiàng)目(SMART)。值得注意的是，在美國(guó)國(guó)防部接下來(lái)發(fā)布的《無(wú)人機(jī)路線圖2002-2027》[27]和《無(wú)人機(jī)系統(tǒng)路線圖2005-2030》[28]中，并沒(méi)有采納AFRL對(duì)ACL的改進(jìn)，而是仍然沿用了第1版路線圖中自主等級(jí)的劃分方法。

隨著美國(guó)陸軍現(xiàn)代化的主要項(xiàng)目——未來(lái)作戰(zhàn)系統(tǒng)(Future Combat Systems, FCS)的開(kāi)展，國(guó)防部聯(lián)合計(jì)劃辦公室(JPO)、陸軍機(jī)動(dòng)支援中心、美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院(NIST)分別開(kāi)展了描述機(jī)器人行為等級(jí)的研究。為了集成各領(lǐng)域的研究成果，達(dá)成一致的標(biāo)準(zhǔn)共識(shí)，NIST成立了無(wú)人系統(tǒng)自主等級(jí)(Autonomy Levels for Unmanned Systems, ALFUS)特別工作組，并于2004年首次公布用于描述無(wú)人系統(tǒng)自主等級(jí)的ALFUS框架[29-30]。該框架從任務(wù)復(fù)雜度、環(huán)境復(fù)雜性和人機(jī)交互強(qiáng)度3個(gè)維度切入來(lái)衡量無(wú)人系統(tǒng)的自主等級(jí)，隨著任務(wù)復(fù)雜度不斷提升、環(huán)境復(fù)雜性不斷增強(qiáng)、人機(jī)交互強(qiáng)度不斷降低，無(wú)人系統(tǒng)的沿著單驅(qū)動(dòng)器/子功能—單一功能—單無(wú)人系統(tǒng)—編隊(duì)的發(fā)展路徑形成0～10級(jí)或1～10級(jí)(0～1級(jí)均為遠(yuǎn)程遙控)的自主等級(jí)劃分。

隨著無(wú)人機(jī)系統(tǒng)在伊拉克的軍事行動(dòng)中大放異彩，其使用也達(dá)到了前所未有的強(qiáng)度。截至2010年5月，美軍在當(dāng)年度就累計(jì)完成了100萬(wàn)飛行小時(shí)的無(wú)人機(jī)任務(wù)。伴隨著任務(wù)量的激增和經(jīng)費(fèi)的削減，飛行員資源短缺成為美軍面臨的重要問(wèn)題之一。于是，美軍在其2011版的《無(wú)人系統(tǒng)綜合路線圖》中將無(wú)人系統(tǒng)的主要矛盾定位到任務(wù)中人的參與程度，按照人力資源需求的不同，將自主分為人操作(Human Operated)、人授權(quán)(Human Delegated)、人監(jiān)督(Human Supervised)和完全自主(Fully Autonomous)4個(gè)等級(jí)[31]。

美國(guó)國(guó)防科學(xué)委員會(huì)在其2012年發(fā)布《自主性在國(guó)防部無(wú)人系統(tǒng)中的地位》報(bào)告中認(rèn)為[32]，國(guó)防部范圍內(nèi)對(duì)自主性的錯(cuò)誤認(rèn)知正在阻礙其發(fā)展：① 需要明確的是所有的自主系統(tǒng)都在某種程度上受到人類操作員監(jiān)督；② 國(guó)防部資助的自主等級(jí)研究成果對(duì)自主系統(tǒng)設(shè)計(jì)過(guò)程無(wú)益，它們太多的關(guān)注無(wú)人系統(tǒng)/計(jì)算機(jī)本身，而對(duì)人機(jī)協(xié)同實(shí)現(xiàn)功能和完成任務(wù)關(guān)注不夠；③ 無(wú)人系統(tǒng)離散的自主等級(jí)劃分以及在整個(gè)任務(wù)過(guò)程的不同階段只能屬于單一自主等級(jí)的劃分方式不符合認(rèn)知科學(xué)以及實(shí)戰(zhàn)經(jīng)驗(yàn)。該報(bào)告建議國(guó)防部放棄定義自主等級(jí)的嘗試，并提出了一套從認(rèn)知梯次(Cognitive Echelon)、任務(wù)時(shí)間線(Mission Timelines)、人-機(jī)系統(tǒng)權(quán)衡空間(Human-machine System Trade Spaces)3個(gè)方面認(rèn)識(shí)自主系統(tǒng)的認(rèn)知框架。

美國(guó)空軍在其2015年發(fā)布的《自主地平線》[33]系列報(bào)告第1卷中從人與自主系統(tǒng)編隊(duì)的角度出發(fā)提出了靈活自主性(Flexible Autonomy)的概念，指出靈活自主性應(yīng)提供飛行員與系統(tǒng)之間順利、簡(jiǎn)單和無(wú)縫的功能交接，報(bào)告將自主系統(tǒng)的功能分為任務(wù)執(zhí)行、監(jiān)視與信息融合、選項(xiàng)生成和決策4種，并按照功能的不同，認(rèn)為自主等級(jí)(Level of Autonomy, LOA)分別處于完全手動(dòng)、執(zhí)行輔助、態(tài)勢(shì)感知支持、決策輔助、監(jiān)督控制和完全自主這6種不同層次。從之后業(yè)界的反應(yīng)來(lái)看，這種自主等級(jí)劃分方法影響有限。2017年，海軍分析中心(CNA)發(fā)布《人工智能、機(jī)器人和蜂群》報(bào)告[20]，贊同了2012年《自主性在國(guó)防部無(wú)人系統(tǒng)中的地位》報(bào)告中對(duì)自主等級(jí)的看法，同時(shí)也指出截至報(bào)告發(fā)布之日，對(duì)自主等級(jí)依然不存在具有操作意義的概念架構(gòu)。

隨著美軍戰(zhàn)略重心轉(zhuǎn)移到大國(guó)競(jìng)爭(zhēng)，以及以人工智能為代表的信息科學(xué)進(jìn)入快速發(fā)展賦能期，美軍對(duì)自主以及自主等級(jí)的認(rèn)知進(jìn)入了全新時(shí)期。美國(guó)空軍在其2019版《自主地平線》[34]中并沒(méi)有試圖去定義自主性或人工智能，也沒(méi)有去定義自主等級(jí)或智能等級(jí)的想法。而是認(rèn)為，在以任務(wù)為中心的環(huán)境中，在與相互依賴的伙伴和下級(jí)合作時(shí)，更需要讓自主系統(tǒng)知道：① 做什么(WHAT to do)，即在任務(wù)目的/目標(biāo)以及總體任務(wù)背景下做什么；② 不做什么(WHAT NOT to do)，即限定了作戰(zhàn)約束或交戰(zhàn)規(guī)則；③ 可能的一些原因(WHYs)，即規(guī)定了上級(jí)的目標(biāo)或指揮官的意圖；④ 但不(NOT)要求提供關(guān)于如何執(zhí)行任務(wù)的細(xì)節(jié)(HOW)，比如執(zhí)行任務(wù)的方法或如何處理意外情況。該報(bào)告認(rèn)為用WHAT, WHAT NOT, WHY and NOT-HOW的模型描述自主系統(tǒng)的交互能力和工作預(yù)期更為清晰，并且給出了針對(duì)特定軍事組織和任務(wù)，描述自主行為核心的3組屬性——熟練屬性、信任原則和靈活原則，如圖2所示。

圖2 自主行為的3組屬性Fig.2 Three groups of attributes of autonomous behavior

從上述一系列研究中可以得到一些有趣的發(fā)現(xiàn)：① 與人工智能的認(rèn)知過(guò)程相仿，美軍對(duì)自主性的認(rèn)知越來(lái)越具有基于特定組織或任務(wù)而“合理地行動(dòng)”的傾向；② 經(jīng)過(guò)20多年的研究，美軍依然沒(méi)有建立起具有實(shí)操意義的自主等級(jí)劃分方法，對(duì)自主性、人工智能、自主等級(jí)等概念的認(rèn)知依然處于不斷深化的過(guò)程當(dāng)中，或許這就是當(dāng)前認(rèn)知深度的真實(shí)寫(xiě)照；③ 當(dāng)前數(shù)據(jù)驅(qū)動(dòng)的人工智能，促使美軍在認(rèn)識(shí)自主行為時(shí)把信任提升到了前所未有的高度；④ 對(duì)于在特定背景下特定組織中，執(zhí)行特定任務(wù)的自主/智能系統(tǒng)而言，往往使用自主等級(jí)評(píng)估其系統(tǒng)特性，本文認(rèn)為對(duì)智能等級(jí)的劃分在所處的情境下沒(méi)有必要。

對(duì)于上述第4點(diǎn)認(rèn)識(shí)，一些研究可以提供部分佐證。美國(guó)國(guó)防科學(xué)委員會(huì)在2016年的《自主性夏季研究》中指出，為特定目的而探索范圍有限的自主能力已經(jīng)可以為軍事帶來(lái)高價(jià)值的應(yīng)用，因此不一定需要去解決那些通用人工智能所面臨的長(zhǎng)期問(wèn)題[35]。Clough[25]在其提出ACL度量圖的研究中指出，“我們想知道的是一架無(wú)人機(jī)完成任務(wù)的好壞，我們并不關(guān)心它有多智能，我們關(guān)心的是它完成了分配給它的任務(wù)。因此，對(duì)智能水平的衡量并不一定能告訴我們更多關(guān)于任務(wù)的情況”。美國(guó)國(guó)會(huì)研究服務(wù)局(CRS)在其3個(gè)版本的《人工智能與國(guó)家安全》[36-37,4]報(bào)告中對(duì)人工智能等相關(guān)概念的認(rèn)識(shí)經(jīng)歷了如圖3所示的變遷，不管是基于哪種認(rèn)識(shí)，人工智能總會(huì)涵蓋到為完成特定軍事任務(wù)的而非必須具備內(nèi)涵或特性。

圖3 美國(guó)國(guó)會(huì)研究服務(wù)局對(duì)人工智能 相關(guān)概念認(rèn)識(shí)的變遷Fig.3 Congressional Research Service’s perception of artificial intelligence and other related terms

3 航空人工智能應(yīng)用

人工智能是關(guān)于知識(shí)的科學(xué)——也即怎樣表示知識(shí)以及怎么獲得知識(shí)并使用知識(shí)的科學(xué)。而航空科學(xué)與技術(shù)是以數(shù)學(xué)、物理學(xué)以及現(xiàn)代技術(shù)科學(xué)為基礎(chǔ)，以飛行器設(shè)計(jì)、推進(jìn)理論與工程、制造工程、人機(jī)與環(huán)境工程等專業(yè)為主干的高度綜合的學(xué)科體系。人工智能與航空科學(xué)與技術(shù)2個(gè)體系龐雜、精妙無(wú)比的學(xué)科之間的交叉融合難免千絲萬(wàn)縷，紛繁復(fù)雜。本研究并不試圖描繪航空人工智能應(yīng)用的全貌或搭建航空人工智能的關(guān)鍵技術(shù)體系，而是從總體歷史沿革、機(jī)載導(dǎo)彈、機(jī)載系統(tǒng)及可信4個(gè)方面分別圍繞一些具有代表性的研究方向闡述航空人工智能應(yīng)用的發(fā)展特點(diǎn)和態(tài)勢(shì)。

3.1 總體歷史沿革

在早期的人工智能研究投入中，政府和軍方的投資占比較高，伴隨著人工智能技術(shù)路線本身的發(fā)展演化，以技術(shù)制勝而著稱的美國(guó)空軍一直努力將最前沿的技術(shù)轉(zhuǎn)化為戰(zhàn)斗力。

20世紀(jì)80年代，隨著計(jì)算機(jī)知識(shí)獲取、推理能力的提升，第1個(gè)成功的商用專家系統(tǒng)R1[38]開(kāi)始為其部署機(jī)構(gòu)節(jié)省大量的運(yùn)營(yíng)成本。專家系統(tǒng)的發(fā)展熱潮引起了DARPA的注意，并于1986年在其戰(zhàn)略計(jì)算倡議(Strategic Computing Initiative)中發(fā)起了飛行員助手項(xiàng)目(Pilot’s Associate，PA)[39]。該項(xiàng)目旨在探索使用實(shí)時(shí)的、可協(xié)作的基于知識(shí)的智能系統(tǒng)來(lái)提升下一代戰(zhàn)斗機(jī)的效能和生存能力，從而幫助單座戰(zhàn)斗機(jī)飛行員在日益復(fù)雜的戰(zhàn)場(chǎng)環(huán)境下駕駛性能更高的戰(zhàn)斗機(jī)更好地完成任務(wù)。在該項(xiàng)目的設(shè)想中，智能系統(tǒng)包括態(tài)勢(shì)評(píng)估系統(tǒng)、系統(tǒng)狀態(tài)評(píng)估系統(tǒng)、戰(zhàn)術(shù)規(guī)劃系統(tǒng)、任務(wù)規(guī)劃系統(tǒng)以及包括語(yǔ)音在內(nèi)的人機(jī)交互系統(tǒng)共5個(gè)子系統(tǒng)。這一設(shè)想在當(dāng)時(shí)的條件下對(duì)機(jī)載處理器的功耗、空間和實(shí)時(shí)計(jì)算能力等都提出了非凡的要求，并且當(dāng)時(shí)對(duì)人機(jī)交互的研究也并不足夠深入，不過(guò)在該項(xiàng)目的研究推動(dòng)下，許多關(guān)鍵技術(shù)在以后的X-45無(wú)人機(jī)、美國(guó)陸軍未來(lái)作戰(zhàn)系統(tǒng)的人機(jī)接口設(shè)計(jì)等項(xiàng)目中得到了較好地繼承和應(yīng)用。

為解決未來(lái)攻擊/偵查旋翼機(jī)飛行員面臨的任務(wù)種類繁雜、信息負(fù)載過(guò)重的問(wèn)題，美國(guó)陸軍于1994年在借鑒飛行員助手等一系列項(xiàng)目研究成果的基礎(chǔ)之上，啟動(dòng)了旋翼機(jī)飛行員助手項(xiàng)目(Rotorcraft Pilot’s Associate，RPA)[40]，該項(xiàng)目還是當(dāng)時(shí)世界上最大的智能用戶界面項(xiàng)目(Intelligent User Interface，IUI)。RPA包括2個(gè)主要組成部分，第1部分基于先進(jìn)任務(wù)裝備組件(AMEP)提供包括先進(jìn)傳感器、通信系統(tǒng)和瞄準(zhǔn)系統(tǒng)在內(nèi)的復(fù)雜自動(dòng)化系統(tǒng)，該部分在嚴(yán)格意義上并非是智能的；第2部分是包括數(shù)據(jù)融合、外部態(tài)勢(shì)評(píng)估、內(nèi)部狀態(tài)評(píng)估、實(shí)時(shí)規(guī)劃系統(tǒng)以及座艙信息管理系統(tǒng)5個(gè)模塊在內(nèi)的認(rèn)知決策輔助系統(tǒng)(CDAS)。經(jīng)過(guò)5年的研究和試驗(yàn)，該項(xiàng)目在紅外和夜視圖像增強(qiáng)的傳感器集成方面以及路徑規(guī)劃方面取得成功，但在需求捕獲、總體性能、意圖推斷等方面并不成功。

隨著仿真和計(jì)算能力的不斷增強(qiáng)，美國(guó)軍方越來(lái)越多地在訓(xùn)練、分析和采辦中使用仿真技術(shù)，為了在大型的、基于實(shí)體的仿真訓(xùn)練中提升個(gè)體的自主行為能力，Jones等[41]于1992年開(kāi)始研發(fā)用于模仿固定翼飛行員在執(zhí)行任務(wù)時(shí)的行為的軟件系統(tǒng)，這一努力最后產(chǎn)生了基于規(guī)則的智能系統(tǒng)——TacAir-Soar。在1997年舉行的戰(zhàn)爭(zhēng)綜合演練場(chǎng)(STOW)仿真演習(xí)中，TacAir-Soar能夠成功完成722種固定翼飛行任務(wù)中的95%。1998年，它還展示出了在仿真環(huán)境中與人類飛行員協(xié)作和對(duì)抗的能力。TacAir-Soar最大的創(chuàng)新在于為支持實(shí)時(shí)、復(fù)雜條件下的自主和智能行為集成了一系列能力，大大提升了美軍大型仿真演練能力。

2016年，一個(gè)名為“阿爾法”(ALPHA)的模擬空戰(zhàn)程序在模擬環(huán)境中以快于人類250倍的決策速度完勝美國(guó)空軍退役上校基恩·李，這一標(biāo)志性事件再次引起航空領(lǐng)域?qū)θ斯ぶ悄艿臒崆嘘P(guān)注。ALPHA屬于波音公司為AFRL開(kāi)發(fā)的“仿真、集成和建模高級(jí)框架”(Advanced FrameworkforSimulation，Integrationand Modelling，AFSIM)項(xiàng)目的一部分，旨在于AFSIM環(huán)境中改善假想敵算法。ALPHA使用遺傳模糊樹(shù)的方法訓(xùn)練模糊推理系統(tǒng)[42]，這種方法可以創(chuàng)建一系列有效的規(guī)則，并在復(fù)雜問(wèn)題中產(chǎn)生確定性的控制指令。該程序只需在價(jià)值35美元的“樹(shù)莓派”計(jì)算機(jī)上運(yùn)行，對(duì)計(jì)算資源的要求并不高。

ALPHA的成功大大激發(fā)了美軍的興趣，伴隨人工智能強(qiáng)勁的發(fā)展態(tài)勢(shì)，DARPA于2019年啟動(dòng)“空戰(zhàn)進(jìn)化”(ACE)項(xiàng)目，旨在通過(guò)人工智能來(lái)處理視距內(nèi)空中格斗問(wèn)題，增強(qiáng)飛行員對(duì)戰(zhàn)斗機(jī)自主性的信任，加速飛行員從平臺(tái)操縱者向任務(wù)指揮官的轉(zhuǎn)變。在2020年舉辦的“阿爾法”空戰(zhàn)格斗比賽中，蒼鷺系統(tǒng)公司的智能空戰(zhàn)代理“隼”(Falco)憑借凌厲的攻勢(shì)以5：0的成績(jī)戰(zhàn)勝了頂尖的F-16人類飛行員，標(biāo)志著自主空戰(zhàn)迎來(lái)深度強(qiáng)化學(xué)習(xí)時(shí)代。該方法在較短時(shí)間內(nèi)，通過(guò)至少40億次仿真訓(xùn)練，使Falco相當(dāng)于擁有30年的F-16駕駛經(jīng)驗(yàn)。接下來(lái)按照ACE項(xiàng)目計(jì)劃，自主空戰(zhàn)將由局部行為向全局行為演進(jìn)，由仿真環(huán)境向全尺寸實(shí)體發(fā)展。圖4為ACE項(xiàng)目的技術(shù)發(fā)展路線。

圖4 ACE項(xiàng)目的技術(shù)發(fā)展路線Fig.4 Technology roadmap for Air Combat Evolution program

2020年，美空軍第9偵察聯(lián)隊(duì)的一架U-2偵察機(jī)在試飛中對(duì)一種新型機(jī)載人工智能算法——ARTUμ進(jìn)行了測(cè)試，在飛行過(guò)程中ARTUμ在使用U-2的機(jī)載雷達(dá)執(zhí)行導(dǎo)彈搜索任務(wù)還是執(zhí)行自衛(wèi)任務(wù)的選擇中做出了最終的決策，這在美軍歷史悠久的人工智能研發(fā)中尚屬首次，在某種意義上標(biāo)志著部分戰(zhàn)術(shù)決策權(quán)讓渡給人工智能成為現(xiàn)實(shí)可能。ARTUμ源自谷歌AlphaZero的升級(jí)版本MuZero，該成果于2019年11月才首次公開(kāi)發(fā)表相關(guān)論文[43]，對(duì)算法的開(kāi)源工作可能更為滯后，美軍對(duì)開(kāi)源算法的改造和部署能力著實(shí)驚人。此外，得益于商業(yè)DevSecOps軟件實(shí)踐以及容器技術(shù)和容器云技術(shù)(如Kubernetes)的引入，ARTUμ的可移植性和部署能力得到極大提升，從在云端完成訓(xùn)練到實(shí)際任務(wù)部署只用了一個(gè)多月。

3.2 機(jī)載導(dǎo)彈

人工智能在航空領(lǐng)域的快速滲透融合，為機(jī)載導(dǎo)彈帶來(lái)了新的發(fā)展契機(jī)。樊會(huì)濤和閆俊[44]指出，在機(jī)載導(dǎo)彈的第一次技術(shù)革命解決了精準(zhǔn)攻擊問(wèn)題，第二次技術(shù)革命解決了“打遠(yuǎn)”問(wèn)題之后，人工智能技術(shù)可能會(huì)通過(guò)極大增強(qiáng)機(jī)載導(dǎo)彈的自主能力而引發(fā)第三次技術(shù)革命。

在強(qiáng)博弈、高動(dòng)態(tài)、強(qiáng)對(duì)抗的機(jī)載導(dǎo)彈領(lǐng)域，國(guó)內(nèi)外在總體上正處于智能化的概念研究和單項(xiàng)技術(shù)攻關(guān)階段[45]。一些綜述研究[45-47]指出，未來(lái)機(jī)載導(dǎo)彈智能化發(fā)展的關(guān)鍵技術(shù)方向包括智能感知與識(shí)別技術(shù)、多源信息智能處理技術(shù)、智能自主規(guī)劃與決策技術(shù)、多彈協(xié)同作戰(zhàn)技術(shù)等,這些技術(shù)的應(yīng)用將極大增強(qiáng)機(jī)載導(dǎo)彈的自主能力，從而影響未來(lái)的空戰(zhàn)模式。一些更為聚焦的研究[48-49]將智能機(jī)載導(dǎo)彈的技術(shù)切入點(diǎn)定位到雷達(dá)導(dǎo)引頭信息處理，并結(jié)合工程應(yīng)用實(shí)際，識(shí)別出微弱特征目標(biāo)智能檢測(cè)技術(shù)、智能干擾對(duì)抗技術(shù)、智能雜波抑制技術(shù)等潛在應(yīng)用突破方向。本節(jié)以強(qiáng)化學(xué)習(xí)為例，希望通過(guò)列舉一些該技術(shù)在導(dǎo)彈領(lǐng)域的研究成果，展示該技術(shù)在航空領(lǐng)域較強(qiáng)的融合滲透能力。

Gaudet和Furfaro[50]于2012年首先提出一種在自動(dòng)尋的階段基于強(qiáng)化學(xué)習(xí)設(shè)計(jì)導(dǎo)彈制導(dǎo)律的方法，其研究表明該方法展現(xiàn)出了優(yōu)于比例導(dǎo)航制導(dǎo)方法的性能。該研究旨在向?qū)椦芯繄F(tuán)體展示利用強(qiáng)化學(xué)習(xí)設(shè)計(jì)導(dǎo)彈導(dǎo)引控制器的可能性，Gaudet還指出強(qiáng)化學(xué)習(xí)也可以用于其他導(dǎo)彈問(wèn)題，比如發(fā)射制導(dǎo)和高超聲速再入階段的控制等，強(qiáng)化學(xué)習(xí)的一個(gè)明顯優(yōu)勢(shì)是控制器可以在虛擬環(huán)境下使用從高分辨率模擬器中學(xué)習(xí)得到的隨機(jī)模型來(lái)進(jìn)行優(yōu)化。自Gaudet提出這種想法以來(lái)，利用強(qiáng)化學(xué)習(xí)設(shè)計(jì)導(dǎo)彈制導(dǎo)律的工作一直在不斷的完善中[51-53]。

Lei等[54]基于行動(dòng)者-評(píng)論家(Actor-Critic)深度強(qiáng)化學(xué)習(xí)方法就導(dǎo)彈智能突防開(kāi)展研究，依托武器裝備作戰(zhàn)效能仿真系統(tǒng)WESS[55]搭建了導(dǎo)彈突防場(chǎng)景的訓(xùn)練環(huán)境，并且設(shè)計(jì)了一種多樣本協(xié)同訓(xùn)練方法，從而構(gòu)建了一套導(dǎo)彈智能突防訓(xùn)練系統(tǒng)框架?；谶@套框架智能體未來(lái)能夠根據(jù)多傳感器數(shù)據(jù)判斷戰(zhàn)場(chǎng)態(tài)勢(shì)并快速做出決策，輔助新戰(zhàn)術(shù)的開(kāi)發(fā)。

為克服飛行器氣動(dòng)設(shè)計(jì)費(fèi)時(shí)費(fèi)力，初始設(shè)計(jì)方案嚴(yán)重依賴專家領(lǐng)域知識(shí)，方案選型空間較小的不足，Yan等[56]設(shè)計(jì)了一種全新的方法首次將強(qiáng)化學(xué)習(xí)和遷移學(xué)習(xí)用于導(dǎo)彈的氣動(dòng)設(shè)計(jì)。在這種方法中，一種名為深度確定性策略梯度(DDPG)的算法被用來(lái)從半經(jīng)驗(yàn)方法中在高精度連續(xù)空間中提煉設(shè)計(jì)規(guī)律，遷移學(xué)習(xí)則用來(lái)在CFD環(huán)境中加速學(xué)習(xí)過(guò)程。實(shí)驗(yàn)結(jié)果表明該方法在收斂速度和搜索能力上均展現(xiàn)出較好的性能從而為高效氣動(dòng)設(shè)計(jì)帶來(lái)潛在價(jià)值。

3.3 機(jī)載系統(tǒng)

智能機(jī)載系統(tǒng)往往扮演著航空平臺(tái)眼睛、耳朵和大腦的重要角色，隨著人工智能、認(rèn)知科學(xué)等的發(fā)展，越來(lái)越多的機(jī)載系統(tǒng)有望具備先驗(yàn)知識(shí)儲(chǔ)備、學(xué)習(xí)、認(rèn)知和自適應(yīng)等能力，從而大大增強(qiáng)平臺(tái)綜合性能，降低飛行員任務(wù)負(fù)擔(dān)，其中認(rèn)知雷達(dá)就是一個(gè)很好的例子。

現(xiàn)代雷達(dá)系統(tǒng)不僅要面對(duì)電子干擾、低空/超低空突防、高速反輻射導(dǎo)彈、隱身飛機(jī)四大傳統(tǒng)威脅，還要具有多工作模式、多目標(biāo)處理、多任務(wù)執(zhí)行的多功能特性[57]?？焖賱?dòng)態(tài)變化的環(huán)境對(duì)現(xiàn)代雷達(dá)系統(tǒng)提出了高魯棒性、高適應(yīng)性和高性能的要求?；谶@一現(xiàn)狀，隨著控制論、波形分集以及知識(shí)輔助的信號(hào)處理等方向的協(xié)同發(fā)展，在模仿和引入人類認(rèn)知過(guò)程的機(jī)理后，認(rèn)知雷達(dá)的概念逐漸形成，并在過(guò)去的十幾年里快速發(fā)展。

公認(rèn)的認(rèn)知雷達(dá)概念最早由加拿大學(xué)者Haykin[58]提出，他認(rèn)為認(rèn)知雷達(dá)包含3個(gè)基本要素：① 智能信號(hào)處理能力，這一能力通過(guò)雷達(dá)在與外界環(huán)境交互的過(guò)程中不斷學(xué)習(xí)得來(lái)；② 從接收機(jī)到發(fā)射機(jī)的反饋，這是一個(gè)提升雷達(dá)自適應(yīng)能力的促進(jìn)過(guò)程；③ 對(duì)雷達(dá)回波信息的保留和記憶，不斷更新雷達(dá)知識(shí)結(jié)構(gòu)。金林將認(rèn)知雷達(dá)的3個(gè)基本要素總結(jié)提煉為3個(gè)能力：① 雷達(dá)系統(tǒng)具備基于當(dāng)前數(shù)據(jù)的自適應(yīng)能力，即構(gòu)建環(huán)境感知通道和處理反饋系統(tǒng)；② 雷達(dá)系統(tǒng)需要具備自適應(yīng)調(diào)整能力，即具有可重構(gòu)性；③ 雷達(dá)系統(tǒng)具備基于知識(shí)自適應(yīng)能力，即實(shí)現(xiàn)信息分選、存儲(chǔ)和更新[59]。圖5為認(rèn)知雷達(dá)的示意框圖。

圖5 認(rèn)知雷達(dá)的示意框圖Fig.5 Block diagram of cognitive radar

在Haykin提出認(rèn)知雷達(dá)概念的論文中并沒(méi)有出現(xiàn)“人工智能”一詞，彼時(shí)Hinton剛剛在深度學(xué)習(xí)的基礎(chǔ)理論方面獲得突破[60]，直到Krizhevsky等在2012年使用深度卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別上得到質(zhì)的飛躍后[61]，人工智能才開(kāi)始得到更多的關(guān)注，不過(guò)這并不影響認(rèn)知雷達(dá)的研究投入和快速發(fā)展。

在過(guò)去十幾年的研究工作中，該領(lǐng)域的研究人員重點(diǎn)圍繞收發(fā)器體系架構(gòu)與機(jī)理、雷達(dá)資源管理、目標(biāo)探測(cè)、來(lái)波方位估計(jì)、目標(biāo)跟蹤、雷達(dá)網(wǎng)絡(luò)和頻譜共享等方面開(kāi)展研究[62]，廣泛使用了貝葉斯決策理論、信息論、決策理論(包括模糊邏輯、基于規(guī)則的系統(tǒng)、元啟發(fā)式算法和馬爾科夫決策過(guò)程等)、動(dòng)態(tài)規(guī)劃、優(yōu)化算法、博弈論等方法。

國(guó)外防務(wù)機(jī)構(gòu)圍繞認(rèn)知雷達(dá)也開(kāi)展了一系列研究項(xiàng)目?；谧尷走_(dá)具備先驗(yàn)知識(shí)的認(rèn)識(shí)，AFRL和DARPA先后啟動(dòng)了基于知識(shí)的雷達(dá)(KB-Radar)、知識(shí)輔助的傳感器信號(hào)處理與專家推理(KASSPER)和知識(shí)輔助雷達(dá)(KA-Radar)項(xiàng)目。隨著深度學(xué)習(xí)的大放異彩，DARPA又于2013年啟動(dòng)了雷達(dá)與通信共享頻譜(SSPARC)和自適應(yīng)雷達(dá)對(duì)抗(ARC)2個(gè)研究項(xiàng)目。其中ARC項(xiàng)目旨在開(kāi)發(fā)短時(shí)間內(nèi)對(duì)抗敵方新型、未知雷達(dá)威脅的能力，這是第一次將認(rèn)知雷達(dá)的原理應(yīng)用到了雷達(dá)電子戰(zhàn)領(lǐng)域，標(biāo)志著雷達(dá)電子戰(zhàn)開(kāi)始進(jìn)入了認(rèn)知雷達(dá)電子戰(zhàn)時(shí)代。美國(guó)雷神公司于2019年在一篇題為《未來(lái)的智能化網(wǎng)絡(luò)化雷達(dá)正在建造中》的官方新聞中宣稱包括SPY-6在內(nèi)的多型在研新一代雷達(dá)均采用了開(kāi)放式架構(gòu)和智能化技術(shù)，雷神公司認(rèn)為“可以相互交談、思考、學(xué)習(xí)和做出決策，更好地適應(yīng)復(fù)雜世界需要”的智能化網(wǎng)絡(luò)化多功能雷達(dá)將迅速發(fā)展。歐洲防務(wù)局于2020年宣布將啟動(dòng)“在復(fù)雜對(duì)抗電子戰(zhàn)環(huán)境中應(yīng)用的基于人工智能強(qiáng)化的雷達(dá)/通信系統(tǒng)”研究項(xiàng)目，旨在基于人工智能改善和提升復(fù)雜對(duì)抗環(huán)境中已列裝的雷達(dá)和通信系統(tǒng)的性能。

盡管引入人類認(rèn)知過(guò)程的方法為雷達(dá)能力提升帶來(lái)了巨大前景，但完全實(shí)現(xiàn)這一設(shè)想仍然面臨著一些重要挑戰(zhàn)[62]。研發(fā)方面，認(rèn)知雷達(dá)面臨評(píng)估評(píng)價(jià)工具和試驗(yàn)測(cè)試方法相對(duì)不足的問(wèn)題；采辦方面，傳統(tǒng)的采辦流程中對(duì)非認(rèn)知雷達(dá)性能的定義方法不再適用；知識(shí)方面，認(rèn)知雷達(dá)仍需要評(píng)估和確認(rèn)知識(shí)源可靠性的方法；法規(guī)方面，認(rèn)知雷達(dá)的自適應(yīng)特性仍受不可忽視的國(guó)家和國(guó)際法律約束。為了克服新技術(shù)的引入帶來(lái)的全新問(wèn)題，有必要以一種全新的視角來(lái)系統(tǒng)地看待人工智能航空應(yīng)用需要解決的整體性問(wèn)題——可信。

3.4 可信航空人工智能

在人工智能的應(yīng)用潛力得到廣泛認(rèn)可的同時(shí)，大量研究也同時(shí)指出“可信”(Trustworthiness)是人工智能賦能行業(yè)應(yīng)用的必要前提，其重要性和全新特質(zhì)值得特別關(guān)注。而航空作為安全性要求極高的領(lǐng)域，可信的重要性尤為突出。

為解決人工智能在應(yīng)用過(guò)程中存在的固有安全可信問(wèn)題，DARPA在其下一代人工智能計(jì)劃中啟動(dòng)了諸如可解釋人工智能、確保人工智能對(duì)欺騙的魯棒性、理解群體偏見(jiàn)、更少的標(biāo)注數(shù)據(jù)學(xué)習(xí)等一系列基礎(chǔ)研究項(xiàng)目。何積豐[63]指出，當(dāng)前的人工智能主要基于機(jī)器學(xué)習(xí)理論，而非傳統(tǒng)軟件理論，人工智能的關(guān)鍵安全問(wèn)題包括：第一，盡量避免人工智能的副作用；第二，避免獎(jiǎng)勵(lì)條件的錯(cuò)誤解讀；第三，分布轉(zhuǎn)變的穩(wěn)定性；第四，探索的安全性；第五，可拓展的監(jiān)管。在2020年中國(guó)計(jì)算機(jī)學(xué)會(huì)召開(kāi)的“第三代人工智能演進(jìn)路徑”論壇上，與會(huì)專家認(rèn)為人工智能的可信需要解決邊界性問(wèn)題、可回溯問(wèn)題和可驗(yàn)證問(wèn)題等[64]。

隨著航空領(lǐng)域人工智能應(yīng)用探索的深入，可信也作為一個(gè)越來(lái)越重要的議題而得到關(guān)注。2015版《自主地平線》[33]指出具有學(xué)習(xí)能力的智能算法在自主系統(tǒng)中的使用將在可理解性(Understandability)、確認(rèn)(Validation)和標(biāo)準(zhǔn)化(Standardization)等方面帶來(lái)不同于以往的全新挑戰(zhàn)。2016年美國(guó)國(guó)防科學(xué)委員會(huì)《自主性夏季研究》[35]報(bào)告將自主性面臨的可信問(wèn)題作為報(bào)告的第二章，指出人工智能應(yīng)用技術(shù)的復(fù)興在輔助解決諸多難題的同時(shí)也為可信問(wèn)題帶來(lái)了更多難點(diǎn)。2019版《自主地平線》[34]將熟練性屬性、信任原則和靈活性原則作為自主系統(tǒng)的3個(gè)主要行為維度，指出設(shè)計(jì)自主系統(tǒng)時(shí)需要從一開(kāi)始就考慮四方面的信任原則：① 認(rèn)知一致性與透明；② 態(tài)勢(shì)感知；③ 人 與多系統(tǒng)集成；④ 人與系統(tǒng)的協(xié)同與訓(xùn)練，這些信任原則對(duì)當(dāng)前的人工智能方法提出了可解釋、可回溯、透明等新要求。DARPA將其“空戰(zhàn)進(jìn)化”項(xiàng)目的主要目標(biāo)之一定位在提升近距格斗的人機(jī)協(xié)同過(guò)程中飛行員對(duì)自主的信任。

歐洲航空安全局(EASA)在其2020年發(fā)布的《人工智能路線圖——以人為中心的航空人工智能方法》[65]中認(rèn)為航空領(lǐng)域人工智能應(yīng)用應(yīng)優(yōu)先重點(diǎn)解決安全可信問(wèn)題，在歐盟委員會(huì)人工智能高級(jí)別專家小組(AI HLEG)制定的《人工智能道德準(zhǔn)則》指導(dǎo)下[66]，EASA根據(jù)人工智能的技術(shù)特點(diǎn)和航空領(lǐng)域的特色提出了由人工智能可信度分析(AI Trustworthiness Analysis)、學(xué)習(xí)認(rèn)證(Learning Assurance)、可解釋人工智能(AI Explainability)和人工智能安全風(fēng)險(xiǎn)消減(AI Safety Risk Mitigation)4部分組成的可信人工智能架構(gòu)。隨后，EASA又在其發(fā)布的《神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)認(rèn)證的概念(CoDANN)》[67]報(bào)告中提出了將神經(jīng)網(wǎng)絡(luò)用于安全攸關(guān)的航電系統(tǒng)設(shè)計(jì)時(shí)所必需考慮的安全準(zhǔn)則，并針對(duì)新技術(shù)的引入帶來(lái)的新問(wèn)題提出了一種學(xué)習(xí)認(rèn)證的W-型研發(fā)周期(W-shaped Development Cycle for Learning Assurance)，用于作為傳統(tǒng)研發(fā)認(rèn)證框架的針對(duì)性改進(jìn)。圖6為EASA可信人工智能架構(gòu)與W-型學(xué)習(xí)認(rèn)證流程。

圖6 EASA可信人工智能架構(gòu)與W-型學(xué)習(xí)認(rèn)證流程Fig.6 EASA trustworthy AI building-blocks and W-shaped learning assurance process

對(duì)于可信航空人工智能而言，其在總體上可能會(huì)面臨的問(wèn)題有：① 傳統(tǒng)的研發(fā)認(rèn)證框架不再適用于以機(jī)器學(xué)習(xí)為代表的人工智能技術(shù)；② 難以對(duì)預(yù)期的功能進(jìn)行精確的綜合描述；③ 對(duì)智能系統(tǒng)的行為難以做出預(yù)測(cè)和解釋；④ 缺乏對(duì)魯棒性的保證；⑤ 可能會(huì)出現(xiàn)非預(yù)期的結(jié)果或功能；⑥ 缺乏評(píng)估智能應(yīng)用運(yùn)行效能的標(biāo)準(zhǔn)化手段；⑦ 智能應(yīng)用可能存在偏見(jiàn)和偏差；⑧ 框架和算法的復(fù)雜性；⑨ 自適應(yīng)學(xué)習(xí)過(guò)程帶來(lái)的復(fù)雜性;干擾、對(duì)抗帶來(lái)的影響；小樣本問(wèn)題等?；谝陨系臄⑹?，建議將可信航空人工智能作為航空人工智能應(yīng)用落地過(guò)程中一個(gè)重要的議題開(kāi)展專門性研究。

4 結(jié) 論

本文圍繞人工智能定義、智能等級(jí)劃分以及人工智能航空應(yīng)用等問(wèn)題進(jìn)行了初步探討，得到一些見(jiàn)解：

1) 歷史總是過(guò)高估計(jì)技術(shù)進(jìn)步帶來(lái)的短期效益，而嚴(yán)重低估其長(zhǎng)期效益，工業(yè)界需辯證地看待人工智能的不確定性和確定性，做好預(yù)期管理，基于現(xiàn)有人工智能技術(shù)的特性，結(jié)合行業(yè)實(shí)踐，探索現(xiàn)有技術(shù)應(yīng)用落地的方式、形態(tài)和能力邊界等。

2) 在針對(duì)特定任務(wù)的軍事應(yīng)用背景下，試圖建立智能等級(jí)劃分的努力很可能是不必要的。

3) 對(duì)人工智能和自主性的認(rèn)知依然處于不斷深化的進(jìn)程當(dāng)中，但它們都有著向“合理地行動(dòng)”這一方向發(fā)展的態(tài)勢(shì)。

4) 人工智能的爆發(fā)式發(fā)展從根本上得益于大數(shù)據(jù)可用性改善、計(jì)算機(jī)處理能力提高、機(jī)器學(xué)習(xí)方法改進(jìn)這3個(gè)要素的融合匯聚，而人工智能賦能航空的速度和程度也在很大程度上受到航空領(lǐng)域內(nèi)3個(gè)要素積累匯聚的制約，這在某種程度上為行業(yè)內(nèi)頂層設(shè)計(jì)明確方向的同時(shí)，也表明人工智能賦能航空是一個(gè)漸進(jìn)發(fā)展的過(guò)程，而非一蹴而就的技術(shù)應(yīng)用。

5) 當(dāng)前人工智能的技術(shù)特點(diǎn)決定了其特殊性，建議將可信航空人工智能作為一個(gè)重要的方向提前開(kāi)展研究和攻關(guān)。