祝學(xué)軍，趙長(zhǎng)見，梁卓，譚清科

中國運(yùn)載火箭技術(shù)研究院，北京 100076

縱觀人類歷史發(fā)展長(zhǎng)河，每一次科學(xué)技術(shù)的大革命必然會(huì)推動(dòng)裝備跨越發(fā)展，帶動(dòng)軍事革命，擴(kuò)展作戰(zhàn)域，改變作戰(zhàn)模式。第一次工業(yè)革命，促進(jìn)了以英國為代表的西方國家艦船裝備的快速發(fā)展，使得海軍力量從大西洋走向全球，海戰(zhàn)成為主要的作戰(zhàn)模式；第二次工業(yè)革命推動(dòng)了裝備機(jī)械化轉(zhuǎn)型發(fā)展，將戰(zhàn)場(chǎng)范圍由陸地、海洋拓展至空中，閃電戰(zhàn)成為重要的作戰(zhàn)模式；第三次工業(yè)革命引發(fā)了軍隊(duì)的信息化革命，信息化支持下的體系作戰(zhàn)成為新的作戰(zhàn)模式，感知-判斷-決策-行動(dòng)(Observation-Orientation-Decision-Action，OODA)理念應(yīng)運(yùn)而生，誰能夠更快地完成OODA環(huán)路循環(huán)，并阻滯敵方環(huán)路循環(huán)，誰就能贏得戰(zhàn)爭(zhēng)的主動(dòng)和勝算。

而戰(zhàn)場(chǎng)瞬息萬變、對(duì)抗復(fù)雜，戰(zhàn)場(chǎng)態(tài)勢(shì)到作戰(zhàn)策略的映射關(guān)系復(fù)雜，無論是作戰(zhàn)指揮還是戰(zhàn)斗機(jī)、導(dǎo)彈等裝備使用，都追求更短周期的OODA環(huán)。為有效適應(yīng)高烈度、強(qiáng)對(duì)抗的作戰(zhàn)任務(wù)需求，亟待提升OODA循環(huán)速率，降低人在回路的事務(wù)性腦力負(fù)荷，集中人在方向性決策的精力。人工智能技術(shù)為破解當(dāng)前難題提供了有效手段，智能化賦能OODA必將產(chǎn)生新質(zhì)戰(zhàn)斗力，將對(duì)戰(zhàn)爭(zhēng)產(chǎn)生革命性影響[1]。

近年來，國內(nèi)外學(xué)者對(duì)OODA智能化技術(shù)開展了探索研究。文獻(xiàn)[2]闡述了OODA的發(fā)展歷史和未來方向，從以“機(jī)動(dòng)為王”加快執(zhí)行(A)環(huán)節(jié)的OODA1.0到以“信息為王”加快觀察(O)環(huán)節(jié)的OODA2.0，再到以“智能為王”加快各個(gè)環(huán)節(jié)(OODA)的OODA3.0，體現(xiàn)了人工智能技術(shù)在提高OODA環(huán)快速性的重要推動(dòng)作用。文獻(xiàn)[3-4] 開展了基于人工智能算法提高態(tài)勢(shì)認(rèn)知速度、決策速度的研究，加快己方OODA環(huán)解算效率，阻滯敵方OODA環(huán)的形成。文獻(xiàn)[5]從作戰(zhàn)資源智能調(diào)度與動(dòng)態(tài)管控技術(shù)方面研究了OODA環(huán)結(jié)構(gòu)和組合方式的重構(gòu)，使得作戰(zhàn)方案上存在更多的選擇。文獻(xiàn)[6-15]分別從導(dǎo)彈武器系統(tǒng)體系相對(duì)貢獻(xiàn)率評(píng)估、武器裝備現(xiàn)代化推進(jìn)、空戰(zhàn)體系智能化發(fā)展、集群無人機(jī)電子戰(zhàn)等方面研究了OODA環(huán)的關(guān)鍵技術(shù)問題。

本文在闡述軍事領(lǐng)域人工智能應(yīng)用進(jìn)展的基礎(chǔ)上，分析了OODA面臨的挑戰(zhàn)及智能賦能OODA發(fā)展策略的可行性，并提出了OODA智能化亟待突破的關(guān)鍵技術(shù)發(fā)展思考。

1 人工智能在軍事領(lǐng)域的應(yīng)用進(jìn)展

隨著人工智能技術(shù)的蓬勃發(fā)展，學(xué)者普遍認(rèn)為人工智能技術(shù)是最有可能改變未來世界的顛覆性技術(shù)[16]。人工智能技術(shù)在軍事上的應(yīng)用將成為新軍事變革的核心驅(qū)動(dòng)力，軍事智能化引起了主要軍事強(qiáng)國的高度關(guān)注。各軍事強(qiáng)國加大了智能武器的研發(fā)投入，從戰(zhàn)術(shù)層面演進(jìn)到戰(zhàn)略層面，從武器裝備延伸到作戰(zhàn)樣式，人工智能的軍事應(yīng)用正在加速推進(jìn)。未來戰(zhàn)爭(zhēng)進(jìn)入智能化時(shí)代，戰(zhàn)爭(zhēng)的控制權(quán)在繼陸權(quán)、海權(quán)、空權(quán)、天權(quán)、信息權(quán)之后，正在向智權(quán)發(fā)展，智能化戰(zhàn)爭(zhēng)將成為新的戰(zhàn)爭(zhēng)形態(tài)。

美國在“第三次抵消戰(zhàn)略”中提出智能武器、自動(dòng)化無人武器系統(tǒng)等新概念武器以發(fā)展“改變未來戰(zhàn)局”的顛覆性技術(shù)，美國戰(zhàn)略與預(yù)算評(píng)估中心提出了“決策中心戰(zhàn)”，兵力運(yùn)用上采用物理上分散、邏輯上一體，通過智能技術(shù)加速?zèng)Q策的效率。在武器裝備方面，美軍在遠(yuǎn)程反艦導(dǎo)彈LRASM應(yīng)用了人工智能技術(shù)，可自主感知威脅，實(shí)現(xiàn)在線路線規(guī)劃，智能繞過威脅，提高OODA中感知和決策環(huán)節(jié)的效率；“戰(zhàn)術(shù)戰(zhàn)斧”巡航導(dǎo)彈配備了智能化實(shí)時(shí)再瞄準(zhǔn)系統(tǒng)，具備在線規(guī)劃飛行路線和根據(jù)毀傷情況重新選擇目標(biāo)的能力，縮短OODA中決策和行動(dòng)環(huán)節(jié)的時(shí)間；在人工智能技術(shù)的軍事應(yīng)用研究方面，DARPA與美國空軍研究實(shí)驗(yàn)室支持深度學(xué)習(xí)分析公司開展“對(duì)抗環(huán)境下的目標(biāo)識(shí)別與自適應(yīng)”研究項(xiàng)目，提高雷達(dá)目標(biāo)識(shí)別系統(tǒng)的感知能力，縮短感知用時(shí)；此外，DARPA先后支持洛馬公司、BAE系統(tǒng)公司等開展“行為學(xué)習(xí)自適應(yīng)電子戰(zhàn)”、“自適應(yīng)雷達(dá)對(duì)抗”等項(xiàng)目，提高雷達(dá)電子對(duì)抗過程中的快速分析、自主對(duì)抗策略生成等能力，提高OODA中感知環(huán)節(jié)的能力。2016年，美國辛辛那提大學(xué)開發(fā)的“阿爾法”空戰(zhàn)系統(tǒng)在模擬空戰(zhàn)中擊敗了美國空軍上校，體現(xiàn)了人工智能技術(shù)在空中格斗OODA環(huán)的快速性。

俄羅斯同樣將人工智能視為戰(zhàn)略競(jìng)爭(zhēng)的重要領(lǐng)域，加強(qiáng)人工智能在武器裝備的應(yīng)用。俄羅斯自主研發(fā)的無人駕駛履帶裝甲車可在遙控下完成巡邏、偵察、追蹤、阻截、攻擊等任務(wù)，提高OODA中感知和行動(dòng)環(huán)的能力； “波塞冬”核動(dòng)力潛航器可自主偵察水面下及海底環(huán)境并摧毀敵目標(biāo)，具備較高的智能化水平；俄羅斯軍隊(duì)裝備了先進(jìn)的自動(dòng)指揮系統(tǒng)，利用人工智能技術(shù)將各類情報(bào)整理分析，提出戰(zhàn)術(shù)建議輔助指揮者決策，縮短決策所需時(shí)間。

此外，英國和法國也加快研究人工智能的軍事應(yīng)用以謀劃軍事裝備的智能化改造及智能作戰(zhàn)應(yīng)用。英國成立人工智能實(shí)驗(yàn)室探索保持未來軍事優(yōu)勢(shì)的領(lǐng)域，開發(fā)SAPIENT系統(tǒng)，利用人工智能技術(shù)，可自主決定城市街道監(jiān)視的內(nèi)容和方式，減輕士兵的負(fù)擔(dān)、降低人為錯(cuò)誤風(fēng)險(xiǎn)，提高作戰(zhàn)感知的能力。歐洲空客公司與ANSYS將發(fā)布新型人工智能設(shè)計(jì)工具，為歐洲下一代空戰(zhàn)裝備系統(tǒng)研發(fā)項(xiàng)目“未來空戰(zhàn)系統(tǒng)(FCAS)”創(chuàng)建嵌入式飛行控制軟件，使用人工智能算法協(xié)調(diào)蜂群無人機(jī)為戰(zhàn)斗機(jī)導(dǎo)航、與戰(zhàn)斗機(jī)協(xié)同編隊(duì)飛行等。

中國亦高度重視人工智能技術(shù)在軍事領(lǐng)域的應(yīng)用。諸多學(xué)者也開展了以武器裝備為背景的人工智能方法研究，從武器裝備、作戰(zhàn)系統(tǒng)、指揮控制、后勤保障等方面研究軍事智能化發(fā)展的關(guān)鍵技術(shù)[17-22]，縮短作戰(zhàn)OODA環(huán)的時(shí)間。解放軍理工大學(xué)研發(fā)的軍事運(yùn)籌輔助決策系統(tǒng)基于模型庫、數(shù)據(jù)庫、知識(shí)庫、方法庫等生成作戰(zhàn)方案，進(jìn)行推演評(píng)估，生成輔助決策信息，縮短決策環(huán)節(jié)的時(shí)間[23]。軍事科學(xué)院研發(fā)的“進(jìn)攻一號(hào)”軍事專家支持系統(tǒng)，自動(dòng)生成作戰(zhàn)參考方案，輔助指揮者做出正確決策[23]。當(dāng)前，智能無人系統(tǒng)已經(jīng)初步應(yīng)用于戰(zhàn)場(chǎng)環(huán)境感知、遠(yuǎn)程精確打擊、軍事訓(xùn)練、作戰(zhàn)支援等方面，在蜂群無人機(jī)和指揮控制等方面取得了一定的突破。中國電子科技集團(tuán)分別于2016年10月、2017年5月、2017年11月實(shí)現(xiàn)了67架、119架、200架固定翼無人機(jī)集群飛行試驗(yàn)，驗(yàn)證了無人集群智能飛行控制、任務(wù)規(guī)劃、智能決策、動(dòng)態(tài)組網(wǎng)等技術(shù)，極大縮短了從決策到行動(dòng)的時(shí)間。

在可預(yù)見的未來，人工智能技術(shù)必然引領(lǐng)未來戰(zhàn)爭(zhēng)形態(tài)、作戰(zhàn)方式、制勝機(jī)理發(fā)生顛覆性改變。然而，人工智能在OODA各環(huán)節(jié)的技術(shù)應(yīng)用仍面臨困難挑戰(zhàn)。因此，面對(duì)規(guī)模更加宏大、協(xié)同更加復(fù)雜的未來全域作戰(zhàn)，亟待加快智能化技術(shù)在軍事上的應(yīng)用研究。

2 智能賦能面臨的挑戰(zhàn)

由于戰(zhàn)場(chǎng)態(tài)勢(shì)瞬息萬變、實(shí)時(shí)數(shù)據(jù)海量、對(duì)抗環(huán)境復(fù)雜，如何在高時(shí)變、高動(dòng)態(tài)、強(qiáng)對(duì)抗條件下實(shí)現(xiàn)OODA的快速循環(huán)是打贏信息化和智能化支持下的現(xiàn)代化戰(zhàn)爭(zhēng)的關(guān)鍵。為縮短導(dǎo)彈OODA循環(huán)周期，需突破感知-判斷-決策-行動(dòng)的一系列技術(shù)難題，實(shí)現(xiàn)態(tài)勢(shì)全維感知、信息高效處理、指令自主生成、戰(zhàn)力精準(zhǔn)釋放。

1) 需解決信息感知與快速處理問題，實(shí)現(xiàn)對(duì)多維空間多源異質(zhì)戰(zhàn)場(chǎng)數(shù)據(jù)的實(shí)時(shí)處理與融合，為預(yù)測(cè)提供系統(tǒng)準(zhǔn)確的數(shù)據(jù)輸入。未來戰(zhàn)爭(zhēng)中天基、空基、地基、?；脚_(tái)以及雷達(dá)、紅外等各類探測(cè)設(shè)備為信息支撐的態(tài)勢(shì)感知系統(tǒng)提供了大量偵察數(shù)據(jù)，信息量愈益增大，數(shù)據(jù)獲取速度加快，更新周期縮短，時(shí)效性愈益增強(qiáng)。此外，單源信息往往是不完備的、受到干擾的偵測(cè)數(shù)據(jù)，如何實(shí)現(xiàn)多種傳感器平臺(tái)的多時(shí)相偵測(cè)數(shù)據(jù)之間的匹配融合，發(fā)揮不同偵測(cè)數(shù)據(jù)源的優(yōu)勢(shì)，為導(dǎo)彈提供更精準(zhǔn)的目指信息和攔截區(qū)域信息，成為亟待解決的問題。

2) 需解決威脅精準(zhǔn)研判問題，基于實(shí)時(shí)感知信息對(duì)威脅源的屬性和位置進(jìn)行識(shí)別，實(shí)現(xiàn)對(duì)威脅等級(jí)及行為的快速研判。戰(zhàn)場(chǎng)海量信息的進(jìn)一步挖掘是對(duì)敵方威脅行為的提取、理解和預(yù)測(cè)，明確當(dāng)前威脅源位置及覆蓋半徑，從而評(píng)估戰(zhàn)場(chǎng)軍事態(tài)勢(shì)，為決策提供可信的依據(jù)。然而戰(zhàn)場(chǎng)環(huán)境中敵方威脅行為捷變，攔截威脅軌跡難以精準(zhǔn)預(yù)測(cè)，威脅精準(zhǔn)研判面臨諸多技術(shù)難題。

3) 需解決復(fù)雜環(huán)境下攻防對(duì)抗的自主決策問題，根據(jù)環(huán)境、任務(wù)的變化，實(shí)時(shí)優(yōu)化作戰(zhàn)模式，自適應(yīng)動(dòng)態(tài)地進(jìn)行智能化最優(yōu)決策。傳統(tǒng)程序化的彈道模式難以應(yīng)對(duì)瞬息萬變的戰(zhàn)場(chǎng)，固定的彈道程序易被敵方多層立體防御系統(tǒng)攔截，預(yù)定程序突防、電子干擾突防和誘餌干擾突防等突防方式存在突防策略程序化、機(jī)動(dòng)彈道固定化、難以隨機(jī)應(yīng)變的缺點(diǎn)，亟需導(dǎo)彈具備自主決策的能力，根據(jù)戰(zhàn)場(chǎng)態(tài)勢(shì)及任務(wù)的變化進(jìn)行推演決策，自適應(yīng)地調(diào)整彈道，實(shí)現(xiàn)“發(fā)射后不管”。

4) 需解決面向任務(wù)剖面的高效執(zhí)行問題。由于攔截系統(tǒng)能力的不斷升級(jí)，導(dǎo)彈不斷提升寬速域、大空域、大機(jī)動(dòng)的飛行能力需求，對(duì)控制系統(tǒng)、動(dòng)力系統(tǒng)、結(jié)構(gòu)材料等要求更加嚴(yán)苛，亟需解決控制、結(jié)構(gòu)、熱防護(hù)等面臨的難題。另一方面，體系作戰(zhàn)背景下，單個(gè)導(dǎo)彈難以滿足部分作戰(zhàn)需求。隨著導(dǎo)彈自主能力的不斷提升，集群協(xié)同成為發(fā)展趨勢(shì)，但高速導(dǎo)彈集群協(xié)同受到通信、控制、機(jī)動(dòng)能力等多方面約束，在寬速域、大空域、大機(jī)動(dòng)的飛行環(huán)境中存在較大技術(shù)挑戰(zhàn)。

3 OODA智能賦能發(fā)展思考及關(guān)鍵技術(shù)

3.1 發(fā)展思考

導(dǎo)彈70多年的歷史發(fā)展，在科技進(jìn)步推動(dòng)、戰(zhàn)略需求牽引、戰(zhàn)爭(zhēng)實(shí)踐催生下，不斷升級(jí)改進(jìn)：從執(zhí)行環(huán)節(jié)的提高射程、增強(qiáng)威力(OODA1.0)，到信息獲取環(huán)節(jié)的采用衛(wèi)星導(dǎo)航/慣性復(fù)合中制導(dǎo)與雙模/多模復(fù)合導(dǎo)引頭末制導(dǎo)，命中精度、目標(biāo)識(shí)別和抗干擾能力進(jìn)一步增強(qiáng)(OODA2.0)，體現(xiàn)了導(dǎo)彈從執(zhí)行環(huán)節(jié)到感知環(huán)節(jié)的能力提升。智能賦能OODA(OODA3.0)則是在已有能力的基礎(chǔ)上，對(duì)環(huán)中的4個(gè)環(huán)節(jié)分別引入智能技術(shù)，進(jìn)一步提高OODA環(huán)的準(zhǔn)確性、敏捷性和快速性。

針對(duì)OODA智能化賦能面臨的挑戰(zhàn)，面向復(fù)雜對(duì)抗任務(wù)剖面，為確保贏得戰(zhàn)爭(zhēng)的主動(dòng)，將智能技術(shù)融入OODA環(huán)各環(huán)節(jié)，促進(jìn)戰(zhàn)爭(zhēng)形態(tài)由 “以人為主”向“人機(jī)協(xié)同”再向“無人作戰(zhàn)”不斷升級(jí)發(fā)展。在可以預(yù)見的未來，OODA智能化賦能將推動(dòng)裝備體系自動(dòng)化-智能化發(fā)展，必將催生全新作戰(zhàn)理念、新質(zhì)作戰(zhàn)力量、新型作戰(zhàn)樣式。

從武器裝備層面，裝備的智能化可大幅增強(qiáng)裝備的信息運(yùn)用能力、拓展任務(wù)適應(yīng)能力及故障容錯(cuò)能力。通過將智能技術(shù)與感知識(shí)別技術(shù)相結(jié)合，可以提升弱目標(biāo)特征、小子樣下的目標(biāo)監(jiān)測(cè)與識(shí)別能力；將智能變形技術(shù)與飛控軟件智能重構(gòu)技術(shù)相結(jié)合，可在線基于任務(wù)的動(dòng)態(tài)變化，自適應(yīng)切換外形及飛控軟件，以滿足一平臺(tái)多用途任務(wù)需求；通過智能技術(shù)與狀態(tài)認(rèn)知相結(jié)合，實(shí)時(shí)基于監(jiān)測(cè)信息判斷自身健康狀況，及時(shí)識(shí)別故障，并對(duì)故障進(jìn)行智能隔離、修復(fù)，降級(jí)條件下亦能完成任務(wù)。

從體系對(duì)抗層面，體系的智能化發(fā)展主要體現(xiàn)在多約束復(fù)雜場(chǎng)景下的在線決策能力和集群智能協(xié)同能力。通過將智能技術(shù)與自主決策、指揮控制技術(shù)結(jié)合，基于人工智能強(qiáng)大的數(shù)據(jù)分析能力和演進(jìn)推理能力提升自主決策效率，為決策者提供更多的選擇。在集群協(xié)同方面，通過將智能技術(shù)與集群控制技術(shù)結(jié)合，達(dá)到“1+1?2”的集群能力涌現(xiàn)，在作戰(zhàn)中可以實(shí)現(xiàn)協(xié)同探測(cè)、協(xié)同干擾、協(xié)同突防等集群策略的自主執(zhí)行，根據(jù)戰(zhàn)場(chǎng)態(tài)勢(shì)選擇最佳的構(gòu)型執(zhí)行任務(wù)，而非人為設(shè)定的程序執(zhí)行；還可以實(shí)現(xiàn)集群配置的高低混搭，使用“一高多低”的集群策略達(dá)到低成本下的性能不減，通過智能技術(shù)實(shí)現(xiàn)集群的團(tuán)隊(duì)能力提升，而非一群節(jié)點(diǎn)聚在一起。

戰(zhàn)爭(zhēng)是科學(xué)技術(shù)和綜合國力的對(duì)抗，更是硬核科技、軍事裝備與作戰(zhàn)應(yīng)用的集中檢驗(yàn)。武器裝備和體系對(duì)抗逐步從“信息域”上升至“認(rèn)知域”。面向信息化、體系化和智能化支撐的高動(dòng)態(tài)、強(qiáng)博弈的未來戰(zhàn)爭(zhēng)，OODA智能化賦能對(duì)未來戰(zhàn)場(chǎng)、制勝未來戰(zhàn)爭(zhēng)、贏得未來挑戰(zhàn)將發(fā)揮不可替代的作用。

3.2 關(guān)鍵技術(shù)

基于以上對(duì)OODA面臨的挑戰(zhàn)及發(fā)展的思考，針對(duì)OODA的各個(gè)環(huán)節(jié)，分別從智能感知技術(shù)、智能研判技術(shù)、自主決策與指控技術(shù)、導(dǎo)彈智能飛行技術(shù)、導(dǎo)彈集群智能控制技術(shù)以及支撐智能技術(shù)實(shí)現(xiàn)的彈載AI芯片和集群智能操作系統(tǒng)等方面提出智能賦能OODA涉及的主要關(guān)鍵技術(shù)，如圖1所示。

圖1 智能賦能下的OODA關(guān)鍵技術(shù)框圖Fig.1 Diagram of key technology in OODA empowered with AI

3.2.1 智能感知技術(shù)

智能感知的目的是通過有效地接收、探測(cè)戰(zhàn)場(chǎng)環(huán)境信息，并進(jìn)行樣本積累和特征融合，經(jīng)過充分的學(xué)習(xí)、處理、分析，優(yōu)化產(chǎn)生可供導(dǎo)彈使用的信息，完成探測(cè)、跟蹤、識(shí)別等任務(wù)。未來戰(zhàn)爭(zhēng)態(tài)勢(shì)瞬息萬變，對(duì)態(tài)勢(shì)感知技術(shù)提出了更高的要求。傳統(tǒng)的態(tài)勢(shì)感知技術(shù)面對(duì)復(fù)雜多變的環(huán)境信息難以有效提取特征進(jìn)行目標(biāo)識(shí)別，而人工智能技術(shù)在人臉識(shí)別、棋牌對(duì)弈等領(lǐng)域的成功應(yīng)用，其能夠處理復(fù)雜信息的能力被廣泛關(guān)注。隨著人工智能研究的逐漸深入，具有復(fù)雜層次和獨(dú)特結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)先后被提出，使得計(jì)算機(jī)具有類腦的運(yùn)行模式，解決戰(zhàn)場(chǎng)的態(tài)勢(shì)感知和目標(biāo)識(shí)別問題。國內(nèi)外很多學(xué)者也研究了深度學(xué)習(xí)技術(shù)在軍事目標(biāo)識(shí)別中的應(yīng)用，文獻(xiàn)[24-28]分別研究了深度學(xué)習(xí)技術(shù)在艦船目標(biāo)、雷達(dá)輻射源、水下目標(biāo)和空中目標(biāo)等領(lǐng)域的識(shí)別應(yīng)用，屬于智能技術(shù)的高層次應(yīng)用，而在數(shù)據(jù)處理、信息融合等方面的智能技術(shù)應(yīng)用相對(duì)較少。未來戰(zhàn)爭(zhēng)遍及陸、海、空、天、網(wǎng)等復(fù)雜戰(zhàn)場(chǎng)，面臨著對(duì)手多層次多方式的博弈對(duì)抗，面臨著不同偵測(cè)平臺(tái)、不同載荷手段、不同數(shù)據(jù)格式以及不同分辨率的感知挑戰(zhàn)。應(yīng)突破多維多域環(huán)境態(tài)勢(shì)感知理論與方法，借助人工智能技術(shù)提升數(shù)據(jù)處理、信息融合感知、目標(biāo)快速識(shí)別等方面的能力。

1) 基于智能算法的數(shù)據(jù)處理技術(shù)。由于不同體制、不同來源的數(shù)據(jù)格式差異巨大，所包含的目標(biāo)屬性信息也不盡相同，戰(zhàn)場(chǎng)數(shù)據(jù)是在高對(duì)抗干擾、高實(shí)時(shí)響應(yīng)條件下得到，存在模糊或丟幀現(xiàn)象，導(dǎo)致偵測(cè)信息的威脅特征不明顯或在時(shí)間和空間維度上不連續(xù)，在信息融合前需對(duì)偵測(cè)數(shù)據(jù)進(jìn)行處理。人工智能算法在數(shù)據(jù)處理、數(shù)據(jù)理解等方面較傳統(tǒng)方法有更強(qiáng)的適應(yīng)性，如何將智能算法應(yīng)用在軍事偵測(cè)數(shù)據(jù)處理中以提升處理復(fù)雜偵測(cè)數(shù)據(jù)的能力，縮短從數(shù)據(jù)變?yōu)樾畔⒌闹芷?，是一個(gè)重要的研究方向。

2) 基于智能算法的信息融合感知技術(shù)。多種傳感器平臺(tái)的多時(shí)相偵測(cè)數(shù)據(jù)之間的信息融合能更好發(fā)揮不同偵測(cè)數(shù)據(jù)源的優(yōu)勢(shì)，彌補(bǔ)某一種偵測(cè)數(shù)據(jù)的不足之處。多維多源異質(zhì)數(shù)據(jù)中既有可量化的數(shù)值型偵測(cè)數(shù)據(jù)、圖像數(shù)據(jù)甚至視頻數(shù)據(jù)，可能還有很多屬于描述性的文字信息，信息融合的難度大。人工智能算法在大數(shù)據(jù)、數(shù)據(jù)挖掘等方面的研究已逐漸深入，深度神經(jīng)網(wǎng)絡(luò)在分析復(fù)雜事物關(guān)系時(shí)有其獨(dú)特的優(yōu)勢(shì)，研究基于智能算法的信息融合感知技術(shù)，從多源異質(zhì)信息中獲得全面、準(zhǔn)確、高效的目標(biāo)信息，是提升數(shù)據(jù)利用效率的關(guān)鍵。

3) 基于智能算法的目標(biāo)快速識(shí)別技術(shù)。人工智能在目標(biāo)識(shí)別中的應(yīng)用已深入到民用支付領(lǐng)域，具有很高的正確率和快速性，也是最有可能在軍事領(lǐng)域廣泛應(yīng)用的技術(shù)之一。然而戰(zhàn)場(chǎng)偽裝、誘餌等手段能模擬真實(shí)目標(biāo)的外形、溫度、電磁特性等有限特征，干擾成像偵察、紅外偵察以及電磁偵察等，但難以模擬目標(biāo)的全部特征。研究基于智能算法的目標(biāo)快速識(shí)別技術(shù)，結(jié)合目標(biāo)的眾多特征識(shí)別偽裝及誘餌的漏洞，有效避免偽目標(biāo)的干擾，縮短從觀察到判斷的時(shí)間，是亟需突破的關(guān)鍵技術(shù)之一。

3.2.2 智能研判技術(shù)

從感知到判斷是一個(gè)認(rèn)知的過程，在歷史的戰(zhàn)爭(zhēng)中這個(gè)過程是依靠人來實(shí)現(xiàn)的。未來戰(zhàn)場(chǎng)中“AI、云、網(wǎng)、群、端”成為全新作戰(zhàn)要素，傳統(tǒng)以人為主的判斷過程可能增大OODA環(huán)路的時(shí)間，面對(duì)捷變的戰(zhàn)場(chǎng)態(tài)勢(shì)，若仍由人來分析態(tài)勢(shì)捷變趨勢(shì)，不僅依賴人的判斷經(jīng)驗(yàn)，也容易貽誤戰(zhàn)機(jī)。未來戰(zhàn)場(chǎng)態(tài)勢(shì)的研判將被AI的模型和算法所替代。人工智能算法擁有特征逐層理解與自動(dòng)分析的能力，能夠以非線性的逼近能力實(shí)現(xiàn)感知信息到判斷結(jié)論的映射，從而實(shí)現(xiàn)感知信息的高級(jí)理解。文獻(xiàn)[29-31]分別基于深度神經(jīng)網(wǎng)絡(luò)研究了模擬指揮員戰(zhàn)場(chǎng)態(tài)勢(shì)高級(jí)理解的過程，實(shí)現(xiàn)了戰(zhàn)場(chǎng)態(tài)勢(shì)的優(yōu)劣判斷等。為了適應(yīng)未來捷變作戰(zhàn)環(huán)境，需要更快、更準(zhǔn)確的態(tài)勢(shì)研判技術(shù)，提升從行為理解、行為預(yù)測(cè)到態(tài)勢(shì)判斷的能力。

1) 基于智能算法的行為理解技術(shù)。未來新作戰(zhàn)條件下的目標(biāo)行為通常具有聚集性、群體性和多域性等特點(diǎn)。行為形式復(fù)雜多變，包括兵力調(diào)整、戰(zhàn)斗集結(jié)、突然襲擊等。在多域復(fù)雜環(huán)境下，元素規(guī)模龐大、行為單元密集、關(guān)系演進(jìn)詭變。當(dāng)前，人工智能技術(shù)在目標(biāo)識(shí)別方面有很大的進(jìn)展，但對(duì)行為識(shí)別仍面臨較大的挑戰(zhàn)，研究基于智能算法的行為理解技術(shù)，可以對(duì)信息進(jìn)行深入挖掘與利用，完成目標(biāo)狀態(tài)信息向行為理解的轉(zhuǎn)化，為行為預(yù)測(cè)提供支撐。

2) 基于智能算法的行為預(yù)測(cè)技術(shù)。戰(zhàn)場(chǎng)中目標(biāo)的行為數(shù)據(jù)是具有時(shí)空特征的，對(duì)一個(gè)或多個(gè)運(yùn)動(dòng)過程的采樣所形成的數(shù)據(jù)信息，如位置、速度等，蘊(yùn)含了目標(biāo)的時(shí)空序列特征，可以通過運(yùn)動(dòng)學(xué)模型預(yù)測(cè)未來可能的軌跡。但對(duì)于非軌跡的行為預(yù)測(cè)，需借助人工智能技術(shù)，在目標(biāo)行為理解的基礎(chǔ)上，對(duì)行為模式進(jìn)行學(xué)習(xí)，進(jìn)一步挖掘其行為與作戰(zhàn)行動(dòng)間的關(guān)聯(lián)關(guān)系，實(shí)現(xiàn)對(duì)其行為的預(yù)測(cè)。

3) 基于智能算法的態(tài)勢(shì)判斷技術(shù)。智能感知技術(shù)和智能行為理解及預(yù)測(cè)技術(shù)能夠支撐戰(zhàn)場(chǎng)態(tài)勢(shì)信息的獲取和理解，但難以支撐對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)的判斷。態(tài)勢(shì)判斷是做出相應(yīng)的評(píng)價(jià)，對(duì)于AI，則是做出相應(yīng)的態(tài)勢(shì)等級(jí)判斷，等級(jí)由軍事指揮者制定?；谥悄芩惴ǖ膽B(tài)勢(shì)判斷技術(shù)即根據(jù)戰(zhàn)場(chǎng)態(tài)勢(shì)快速做出判斷，輔助軍事指揮者做出決策。

3.2.3 自主決策與指控技術(shù)

決策是智能化戰(zhàn)爭(zhēng)對(duì)抗的核心和中樞。在無人化及其實(shí)戰(zhàn)化進(jìn)程中，自主決策與指控技術(shù)是比拼“智力”的重要領(lǐng)域。無人系統(tǒng)在戰(zhàn)術(shù)層面的自主決策和在戰(zhàn)略層面的受人指揮控制是“規(guī)則有人、行動(dòng)無人”的重要體現(xiàn)，即導(dǎo)彈作戰(zhàn)是受人指揮，但導(dǎo)彈發(fā)射后根據(jù)環(huán)境、任務(wù)的變化改變控制策略自適應(yīng)地調(diào)整彈道完成任務(wù)需要自主決策。但導(dǎo)彈自主決策面臨戰(zhàn)場(chǎng)態(tài)勢(shì)多變、敵方攔截手段多樣、對(duì)抗模型復(fù)雜的難題，從態(tài)勢(shì)到最優(yōu)策略的映射關(guān)系復(fù)雜，存在攻防博弈策略不確定、博弈對(duì)抗模型非線性強(qiáng)等特點(diǎn)，傳統(tǒng)方法在求解攻防博弈問題時(shí)存在較大瓶頸。AlphaGo在圍棋領(lǐng)域戰(zhàn)勝了人類選手，其深度強(qiáng)化學(xué)習(xí)的方法被迅速用到了決策領(lǐng)域。很多學(xué)者在軍事智能決策領(lǐng)域?qū)ι疃葟?qiáng)化學(xué)習(xí)技術(shù)的應(yīng)用進(jìn)行了研究，文獻(xiàn)[32-33]基于深度學(xué)習(xí)技術(shù)構(gòu)建智能指揮決策模型，實(shí)現(xiàn)了從態(tài)勢(shì)信息到?jīng)Q策結(jié)果的搜索匹配，但戰(zhàn)場(chǎng)博弈的信息是不確定、不完備的，需要決策模型針對(duì)場(chǎng)景的變化能靈活應(yīng)變，而非簡(jiǎn)單匹配。為了提高導(dǎo)彈在各種戰(zhàn)場(chǎng)環(huán)境的智能應(yīng)變能力，需研究基于人工智能的自主決策與指控技術(shù)，從戰(zhàn)前的規(guī)劃層面、作戰(zhàn)中的指控層面和導(dǎo)彈自主決策層面開展技術(shù)研究。

1) 智能任務(wù)規(guī)劃技術(shù)。美國蘭德公司在《通過機(jī)器學(xué)習(xí)實(shí)現(xiàn)空中優(yōu)勢(shì)：對(duì)人工智能輔助任務(wù)規(guī)劃的初步探索》中指出，人工智能任務(wù)規(guī)劃工具相比現(xiàn)有的人工或自動(dòng)規(guī)劃技術(shù)具有極大的速度優(yōu)勢(shì)。智能任務(wù)規(guī)劃技術(shù)就是以人工智能算法為基礎(chǔ)，利用數(shù)據(jù)、知識(shí)、場(chǎng)景等驅(qū)動(dòng)方式，根據(jù)復(fù)雜、多變的飛行環(huán)境和敵方的實(shí)時(shí)情況，預(yù)測(cè)敵方行為、籌劃飛行任務(wù)、制定最優(yōu)方案、優(yōu)化決策序列、調(diào)整飛行軌跡等，在任務(wù)規(guī)劃時(shí)就考慮導(dǎo)彈對(duì)各種不確定因素的適應(yīng)性，為執(zhí)行任務(wù)奠定有利條件。

2) 智能指揮控制技術(shù)。未來的指揮控制一是靠人類指揮員，二是靠虛擬智能指揮大腦。越是戰(zhàn)術(shù)層面的作戰(zhàn)，越需要發(fā)揮虛擬指揮大腦的作用，尤其在高動(dòng)態(tài)、強(qiáng)干擾、快響應(yīng)的作戰(zhàn)方面，越能發(fā)揮虛擬指揮大腦的優(yōu)勢(shì)。研究智能指揮控制技術(shù)，構(gòu)建具有體系開放、信息閉環(huán)、任務(wù)重構(gòu)、指揮綜合等能力特征的智能指揮控制體系，利用人工智能技術(shù)完成作戰(zhàn)信息和資源的動(dòng)態(tài)管理和分配，在復(fù)雜多變的信息環(huán)境下，實(shí)現(xiàn)指揮員與智能化指揮控制系統(tǒng)無縫鏈接。

3) 智能決策技術(shù)。導(dǎo)彈在執(zhí)行任務(wù)的過程中接收智能指揮控制系統(tǒng)的任務(wù)指令，但在復(fù)雜、不確定的作戰(zhàn)條件下，仍需要具備自主決策的能力，通過先驗(yàn)知識(shí)以及與環(huán)境交互得到的信息，進(jìn)行分析和決策。智能決策技術(shù)就是通過態(tài)勢(shì)信息及預(yù)測(cè)信息借助人工智能算法，針對(duì)攔截威脅和目標(biāo)特性，自主制定攻擊方式，以及在戰(zhàn)場(chǎng)突發(fā)情況下實(shí)時(shí)采取機(jī)動(dòng)、干擾等必要措施，調(diào)整攻擊方案，提高作戰(zhàn)效能。

3.2.4 智能飛行技術(shù)

由于攔截系統(tǒng)能力的不斷提升，對(duì)進(jìn)攻方提出了更高的要求，導(dǎo)彈需具備寬速域、大空域、大過載機(jī)動(dòng)飛行能力，從而提升裝備的格斗能力。對(duì)控制系統(tǒng)、動(dòng)力系統(tǒng)、導(dǎo)引系統(tǒng)、目標(biāo)識(shí)別系統(tǒng)等提出了更加嚴(yán)苛的條件，面臨彈道敏捷重構(gòu)、機(jī)動(dòng)精確控制、平臺(tái)熱防護(hù)等難題。傳統(tǒng)的飛行技術(shù)難以應(yīng)對(duì)復(fù)雜動(dòng)態(tài)環(huán)境，通常是“發(fā)射后不管”的程序化模式，為充分發(fā)揮導(dǎo)彈的機(jī)動(dòng)能力，需突破智能飛行技術(shù)，從彈道、控制和結(jié)構(gòu)、材料等方面提升智能水平，實(shí)現(xiàn)“發(fā)射后可變”的自主化。

1) 彈道智能在線重構(gòu)技術(shù)。傳統(tǒng)模式彈道相對(duì)固定，按照事先設(shè)計(jì)好的程序執(zhí)行飛行動(dòng)作。未來智能化戰(zhàn)場(chǎng)需要根據(jù)態(tài)勢(shì)信息靈活采取機(jī)動(dòng)的智能導(dǎo)彈。研究彈道智能在線重構(gòu)技術(shù)，借助人工智能算法實(shí)時(shí)進(jìn)行飛行評(píng)估與彈道敏捷重構(gòu)，面對(duì)多層防御系統(tǒng)的攔截，基于彈載傳感器感知到的攔截威脅，智能重構(gòu)彈道，采取躲避威脅區(qū)、壓縮攔截彈發(fā)射窗口、機(jī)動(dòng)擺脫等方式，實(shí)現(xiàn)突防后完成對(duì)目標(biāo)的精確打擊。

2) 智能飛行控制技術(shù)。未來導(dǎo)彈具有多飛行狀態(tài)、多任務(wù)模式、大飛行包線的特點(diǎn)，系統(tǒng)非線性強(qiáng)，時(shí)變性劇烈，單一的控制律難以滿足穩(wěn)定飛行的需求。針對(duì)典型、簡(jiǎn)單和復(fù)雜飛行模式，研究基于人工智能算法的制導(dǎo)控制技術(shù)，基于有限計(jì)算資源，突破主動(dòng)適應(yīng)控制、深度學(xué)習(xí)控制在控制上的瓶頸問題。

3) 支撐智能飛行的結(jié)構(gòu)、材料等基礎(chǔ)技術(shù)。綜合運(yùn)用空氣動(dòng)力學(xué)、氣動(dòng)彈性力學(xué)、飛行力學(xué)、智能材料結(jié)構(gòu)、現(xiàn)代機(jī)械工程和仿生學(xué)等學(xué)科技術(shù)，借助智能制造技術(shù)，滿足先進(jìn)發(fā)動(dòng)機(jī)、超性能復(fù)合材料等高效輕質(zhì)、高抗壓、高剛度、耐高溫、結(jié)構(gòu)功能一體化及高效低成本制造的技術(shù)需求。在智能變結(jié)構(gòu)方面，配合智能控制系統(tǒng)實(shí)現(xiàn)外形的自適應(yīng)變化，適應(yīng)寬速域和大空域，具備長(zhǎng)時(shí)間滯空、遠(yuǎn)距離飛行、高速機(jī)動(dòng)和超強(qiáng)突防打擊的作戰(zhàn)能力。

3.2.5 集群智能控制技術(shù)

信息化和智能化支撐下的未來戰(zhàn)爭(zhēng)將呈現(xiàn)出集群對(duì)抗集群的趨勢(shì)，高速集群作戰(zhàn)將成為戰(zhàn)斗力倍增的有效手段。在傳統(tǒng)模式下，即使采用多導(dǎo)彈共同完成打擊任務(wù)，導(dǎo)彈之間也相對(duì)獨(dú)立，按各自設(shè)定的程序完成任務(wù)，彼此之間不具備協(xié)同能力。集群智能控制技術(shù)基于通信/數(shù)據(jù)鏈技術(shù)的不斷發(fā)展以及自主能力的不斷提升，由“單體獨(dú)立”向“集群協(xié)同”發(fā)展，成為實(shí)施集群作戰(zhàn)的核心技術(shù)。國內(nèi)外學(xué)者掀起了對(duì)集群智能控制技術(shù)的研究熱潮，從集群體系結(jié)構(gòu)、通信網(wǎng)絡(luò)、編隊(duì)構(gòu)型、控制策略等方面進(jìn)行深入研究，對(duì)自主協(xié)同控制中的協(xié)同感知、編隊(duì)構(gòu)型設(shè)計(jì)、編隊(duì)控制、避障與避碰等技術(shù)研究較為深入[34-38]，但屬于自動(dòng)化層面的協(xié)同控制，并未實(shí)現(xiàn)集群的智能協(xié)同控制，可適用的任務(wù)場(chǎng)景較簡(jiǎn)單，難以適應(yīng)軍事作戰(zhàn)任務(wù)場(chǎng)景。戰(zhàn)場(chǎng)上集群智能系統(tǒng)應(yīng)呈現(xiàn)自發(fā)、有組織的任務(wù)行為過程，牽引出研究的集群技術(shù)涵蓋探測(cè)、偵察、通信、任務(wù)規(guī)劃、決策、構(gòu)型、控制、評(píng)估等領(lǐng)域。下面從集群的構(gòu)型設(shè)計(jì)、構(gòu)型控制到作戰(zhàn)過程中的目標(biāo)分配，思考通過人工智能技術(shù)提升集群協(xié)同作戰(zhàn)的能力。

1) 集群智能構(gòu)型設(shè)計(jì)技術(shù)。在不同飛行任務(wù)中，集群需要根據(jù)任務(wù)要求與環(huán)境約束，選擇最優(yōu)的集群構(gòu)型。利用優(yōu)化算法可以求解最優(yōu)編隊(duì)構(gòu)型的幾何參數(shù)，但是從集群作戰(zhàn)策略到最優(yōu)編隊(duì)構(gòu)型的決策難以用數(shù)學(xué)建模，借助人工智能技術(shù)可以求解集群策略到編隊(duì)構(gòu)型的最優(yōu)映射關(guān)系，得到適用于不同作戰(zhàn)任務(wù)的編隊(duì)構(gòu)型。

2) 集群編隊(duì)構(gòu)型智能控制技術(shù)。在集群執(zhí)行任務(wù)的過程中，根據(jù)飛行任務(wù)、戰(zhàn)場(chǎng)態(tài)勢(shì)和作戰(zhàn)環(huán)境的需求，集群需要適時(shí)地變換與保持構(gòu)型，既包括面向空間、時(shí)間和通信拓?fù)涞臉?gòu)型切換、構(gòu)型收縮、擴(kuò)張等，也包括編隊(duì)構(gòu)型的動(dòng)態(tài)調(diào)整和重構(gòu)，如編隊(duì)成員增加或減少時(shí)的構(gòu)型調(diào)整，以及作戰(zhàn)目標(biāo)改變、威脅環(huán)境變化等情況下的編隊(duì)重構(gòu)。集群編隊(duì)構(gòu)型智能控制技術(shù)可以在不同作戰(zhàn)場(chǎng)景中對(duì)集群進(jìn)行幾何構(gòu)型和組織結(jié)構(gòu)的調(diào)整，增強(qiáng)集群的環(huán)境與任務(wù)適用性。

3) 目標(biāo)智能分配技術(shù)。目標(biāo)分配即在滿足作戰(zhàn)任務(wù)要求和集群約束條件下，將不同位置、價(jià)值和威脅的目標(biāo)合理分配給集群中的作戰(zhàn)單元，使得集群作戰(zhàn)效能最優(yōu)。然而捷變的戰(zhàn)場(chǎng)態(tài)勢(shì)使得遠(yuǎn)程指揮控制難以合理分配目標(biāo)，需要更高實(shí)時(shí)性和準(zhǔn)確性的分布式目標(biāo)分配算法。研究目標(biāo)智能分配技術(shù)，通過各種群智能算法，根據(jù)威脅的判斷、目標(biāo)優(yōu)先權(quán)的排序及目標(biāo)分配等任務(wù)的動(dòng)態(tài)調(diào)度，智能協(xié)調(diào)非合作目標(biāo)群任務(wù)分配，實(shí)現(xiàn)基于態(tài)勢(shì)變化和集群?jiǎn)卧芰Φ闹悄苣繕?biāo)分配。

3.2.6 彈載AI芯片和集群智能操作系統(tǒng)

智能技術(shù)的應(yīng)用需以硬件設(shè)備的算力為基礎(chǔ)，海量數(shù)據(jù)的處理需要計(jì)算實(shí)現(xiàn)。加強(qiáng)硬件底層的架構(gòu)建設(shè)，支撐上層智能技術(shù)的應(yīng)用程序，還需要搭建連接底層硬件和上層應(yīng)用程序的橋梁——操作系統(tǒng)。未來戰(zhàn)爭(zhēng)中導(dǎo)彈不僅要具備目標(biāo)感知、在線規(guī)劃和智能控制等能力，還需要協(xié)同作戰(zhàn)，這就需要操作系統(tǒng)滿足智能算法實(shí)時(shí)性的需求、具備支持分布式協(xié)同處理的能力。為實(shí)現(xiàn)智能技術(shù)的彈載工程化應(yīng)用，需突破彈載AI芯片和集群智能操作系統(tǒng)技術(shù)，從智能AI芯片、集群智能操作系統(tǒng)和AI生態(tài)體系構(gòu)建三方面開展研究。

1) 國產(chǎn)智能AI芯片的應(yīng)用技術(shù)。當(dāng)前人工智能算法大都在計(jì)算機(jī)環(huán)境中實(shí)現(xiàn)，其環(huán)境與彈載計(jì)算環(huán)境有很大的不同，如何使人工智能算法在彈載AI芯片上實(shí)現(xiàn)成為亟待解決的問題。國產(chǎn)智能AI芯片的應(yīng)用技術(shù)就是基于神經(jīng)網(wǎng)絡(luò)架構(gòu)的智能AI芯片，實(shí)現(xiàn)CNN/RNN(Convolutional Neural Network/Recurrent Neural Network)等人工智能算法處理，為在線任務(wù)規(guī)劃、神經(jīng)網(wǎng)絡(luò)控制等智能算法的彈載應(yīng)用提供強(qiáng)大的算力支持，實(shí)現(xiàn)海量數(shù)據(jù)樣本的深度學(xué)習(xí)。

2) 集群智能操作系統(tǒng)研究。智能化賦能可以具有對(duì)環(huán)境的感知能力和一定的自主性，然而難以滿足集群多樣任務(wù)的需求。而通過集群智能操作系統(tǒng)技術(shù)的研究，可高效管理分布式軟、硬件資源，實(shí)現(xiàn)互連、互通、互操作。在資源管理層，設(shè)計(jì)分布式管理架構(gòu)和接口，支撐標(biāo)準(zhǔn)化、模塊化、平臺(tái)化；在行為管理層，設(shè)計(jì)面向作戰(zhàn)的集群操控支撐架構(gòu)，支撐集群感知、集群判斷、集群決策、集群控制等行為。

3) AI生態(tài)體系構(gòu)建。實(shí)現(xiàn)AI芯片、框架和自主操作系統(tǒng)深度耦合全生態(tài)發(fā)展，研究與彈載智能算法框架結(jié)合的AI生態(tài)體系結(jié)構(gòu)，構(gòu)建集芯片、操作系統(tǒng)和應(yīng)用于一體的軟硬結(jié)合技術(shù)體系，推進(jìn)智能技術(shù)在軍事武器裝備中的應(yīng)用，全面加速OODA循環(huán)效率，為確保高烈度、多維多域、強(qiáng)不確定性復(fù)雜戰(zhàn)場(chǎng)環(huán)境條件下取得對(duì)抗優(yōu)勢(shì)提供新質(zhì)動(dòng)力。

4 結(jié) 論

隨著攻防對(duì)抗的持續(xù)升級(jí)，強(qiáng)國之間的博弈將是高動(dòng)態(tài)、強(qiáng)烈度的全域體系的對(duì)抗，并呈現(xiàn)出常態(tài)化的發(fā)展趨勢(shì)。OODA全鏈路循環(huán)效率將成為支撐體系對(duì)抗效能發(fā)揮的關(guān)鍵，將影響戰(zhàn)爭(zhēng)勝負(fù)的走向。人工智能技術(shù)的發(fā)展為加速OODA循環(huán)注入新動(dòng)能，將促進(jìn)戰(zhàn)爭(zhēng)樣式的發(fā)展。當(dāng)前，人工智能技術(shù)在軍事領(lǐng)域的應(yīng)用已逐步開展，在圖像處理、目標(biāo)識(shí)別、無人集群控制等任務(wù)中有了初步應(yīng)用，但距離戰(zhàn)場(chǎng)應(yīng)用還有較大距離，存在訓(xùn)練數(shù)據(jù)少、模型適應(yīng)性有限、安全和可靠程度低等問題，仍需深入研究基于智能技術(shù)的感知研判、決策規(guī)劃、制導(dǎo)控制、集群控制等技術(shù)，縮短OODA中各環(huán)節(jié)的時(shí)間，提高感知的實(shí)時(shí)性、判斷的準(zhǔn)確性、決策的可信性、執(zhí)行的有效性，為智勝未來提供支撐。