張進(jìn)，徐國亮 ，郭浩

（1. 北京理工大學(xué) 自動(dòng)化學(xué)院，北京 100081；2. 江蘇自動(dòng)化研究所，江蘇 連云港 222061）

0 引言

人工智能（artificial intelligence，AI）是研究用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的學(xué)科，它試圖了解智能的實(shí)質(zhì)，實(shí)現(xiàn)對人的意識、思維的信息過程模擬，并研制出一種能以與人類智能相似的方式作出反應(yīng)的機(jī)器。近年來，人工智能技術(shù)得到了迅猛發(fā)展，在諸多領(lǐng)域都得到了廣泛應(yīng)用［1-3］，其中不乏艦載武器系統(tǒng)領(lǐng)域的相關(guān)研究［4］，但目前其研究成果都處于零散狀態(tài)，缺乏系統(tǒng)的歸納和總結(jié)。國內(nèi)外艦載武器系統(tǒng)具有相同的架構(gòu)，一般是由艦載火控系統(tǒng)和艦載武器組成，其中艦載火控系統(tǒng)是指裝載在艦艇上控制艦載武器對目標(biāo)實(shí)施攻擊或攔截的火力控制系統(tǒng)，從功能系統(tǒng)上，艦載武器系統(tǒng)又可以分為探測識別功能系統(tǒng)、指揮控制功能系統(tǒng)及火力打擊功能系統(tǒng)［5］。

本文在充分調(diào)研國外文獻(xiàn)的基礎(chǔ)上，分別從艦載武器系統(tǒng)三大功能系統(tǒng)角度出發(fā)，闡述人工智能技術(shù)在其中的具體應(yīng)用情況，以期為國內(nèi)人工智能技術(shù)在艦載武器系統(tǒng)領(lǐng)域內(nèi)的應(yīng)用和發(fā)展提供一定的參考。

1 AI 技術(shù)在探測識別功能系統(tǒng)中的應(yīng)用

探測識別功能系統(tǒng)主要負(fù)責(zé)艦載武器系統(tǒng)的敵對目標(biāo)捕獲與識別，為指揮控制功能系統(tǒng)提供全局態(tài)勢和較為準(zhǔn)確的目標(biāo)信息。當(dāng)前在探測識別功能系統(tǒng)中，目標(biāo)識別與分類、雷達(dá)濾波、航跡關(guān)聯(lián)等方面都有AI 技術(shù)的相關(guān)應(yīng)用。

1.1 目標(biāo)識別與分類

2017 年以來，美國軍方一直在努力將人工智能整合到現(xiàn)有的偵察和目標(biāo)識別系統(tǒng)中，例如Maven項(xiàng)目在伊拉克、阿富汗和敘利亞作戰(zhàn)中正式應(yīng)用于探測和攻擊目標(biāo)［6］。探測識別功能系統(tǒng)中一般包括雷達(dá)、光電、聲吶等目標(biāo)探測跟蹤設(shè)備，探測跟蹤設(shè)備在識別目標(biāo)過程中涉及特征提取、圖像處理、匹配分類等問題，而神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、支持向量機(jī)等人工智能技術(shù)對以上問題又有著出色的處理能力［7］，因此得到了有效應(yīng)用。

2009 年，文獻(xiàn)［8］使用多層感知器反向傳播神經(jīng)網(wǎng)絡(luò)對雷達(dá)原始信號進(jìn)行特征提取，然后進(jìn)行分類處理，結(jié)論表明，神經(jīng)網(wǎng)絡(luò)可以有效地應(yīng)用于雷達(dá)分類。2014 年，文獻(xiàn)［9］基于雷達(dá)獲取的運(yùn)動(dòng)學(xué)屬性，針對不同防空彈道導(dǎo)彈特征，利用神經(jīng)網(wǎng)絡(luò)和隱馬爾可夫模型對彈道導(dǎo)彈進(jìn)行動(dòng)態(tài)分類，分類準(zhǔn)確率在95%以上。2017 年，文獻(xiàn)［10］利用卷積神經(jīng)網(wǎng)絡(luò)對聲吶圖像進(jìn)行特征提取，然后利用人工標(biāo)記數(shù)據(jù)訓(xùn)練的支持向量機(jī)對水下UUV（unmanned underwater vehicle）進(jìn)行分類，結(jié)果表明，與使用其他特征提取技術(shù)（例如定向梯度直方圖和局部二值算法）相比，深度學(xué)習(xí)特征提取技術(shù)目標(biāo)識別和分類準(zhǔn)確率更高。2020 年，文獻(xiàn)［11］基于Copula 統(tǒng)計(jì)多元建模方法和加權(quán)稀疏表示分類，提出了新的雷達(dá)圖像目標(biāo)識別方法，相比于當(dāng)前常見的其他識別算法，該算法具有更高的分類準(zhǔn)確率。

1.2 跟蹤雷達(dá)濾波器

艦載跟蹤雷達(dá)最常用的目標(biāo)跟蹤濾波器是基于數(shù)值方法的卡爾曼濾波器（Kalman filter，KF）或基于卡爾曼濾波改進(jìn)的其他濾波器，例如擴(kuò)展卡爾曼濾波器［4］，具體的濾波器原理和應(yīng)用方法，可以參考文獻(xiàn)［12］。除數(shù)值方法外，人工神經(jīng)網(wǎng)絡(luò)在目標(biāo)跟蹤濾波器領(lǐng)域也取得了不少成果，例如，2008 年，文獻(xiàn)［13］比較了基于廣義回歸神經(jīng)網(wǎng)絡(luò)（generalized regression neural network，GRNN）的神經(jīng)網(wǎng)絡(luò)濾波器與傳統(tǒng)數(shù)值濾波器在實(shí)際雷達(dá)跟蹤中的應(yīng)用效果，結(jié)果表明，基于GRNN 的神經(jīng)網(wǎng)絡(luò)濾波器已經(jīng)可以和傳統(tǒng)數(shù)值濾波器相媲美，但同時(shí)研究也發(fā)現(xiàn)，針對不同運(yùn)動(dòng)特征的目標(biāo)，GRNN 的參數(shù)取值差異較大，因此后續(xù)又有研究提出了用于雷達(dá)和聲吶跟蹤的多模型神經(jīng)過濾器。2012 年，文獻(xiàn)［14］基于GRNN 建立了多模型濾波器，多模型濾波器中由一些基本的神經(jīng)濾波器組成，不同的神經(jīng)網(wǎng)絡(luò)代表著不同的目標(biāo)運(yùn)動(dòng)狀態(tài)。2018 年，文獻(xiàn)［15］對卡爾曼濾波器進(jìn)行改進(jìn)，提出了GRNN+KF 和GRNN+UKF*（unscented Kalman filter）2 種濾波器算法，以應(yīng)對更為復(fù)雜情形下的跟蹤濾波問題。2021 年，俄羅斯等歐洲國家的超視距雷達(dá)正在應(yīng)用人工智能進(jìn)行賦能，支撐其對數(shù)百個(gè)各種類型的空中目標(biāo)進(jìn)行快速濾波和個(gè)體識別，并實(shí)現(xiàn)了對無人機(jī)等小型目標(biāo)的自動(dòng)探測與識別［6］。

1.3 航跡關(guān)聯(lián)

通常情況下，艦載武器系統(tǒng)需要配備不止一種探測跟蹤設(shè)備，當(dāng)多種探測跟蹤設(shè)備同時(shí)探測到同一目標(biāo)時(shí)，會出現(xiàn)多條航跡，但決策者只需要最正確的一條航跡，因此就涉及航跡關(guān)聯(lián)。航跡關(guān)聯(lián)最常見的解法是數(shù)值解法，但近年來也有嘗試使用神經(jīng)網(wǎng)絡(luò)進(jìn)行航跡關(guān)聯(lián)的研究。

2017 年，文獻(xiàn)［16］利用神經(jīng)網(wǎng)絡(luò)方法將合成孔徑雷達(dá)與自動(dòng)識別系統(tǒng)探測到的目標(biāo)信息進(jìn)行航跡融合，通過與數(shù)值方法的比較，表明神經(jīng)網(wǎng)絡(luò)航跡關(guān)聯(lián)可以成為替代數(shù)值方法的有效途徑。2020年，文獻(xiàn)［17］提出了一種基于分布式概率最大似然估計(jì)的分布式航跡融合方法，并通過5 個(gè)傳感器的航跡融合實(shí)例，驗(yàn)證了該算法在各種測量噪聲條件下的有效性。

通過以上分析可知，AI 技術(shù)在探測識別功能系統(tǒng)的應(yīng)用主要集中于對目標(biāo)的識別與分析上，但在實(shí)際作戰(zhàn)過程中，除了對目標(biāo)進(jìn)行準(zhǔn)確識別和分類外，重點(diǎn)還需要對目標(biāo)的來襲意圖進(jìn)行判斷，尤其是當(dāng)前聯(lián)合作戰(zhàn)已成為未來趨勢的背景下，空、海及水下等多域目標(biāo)存在同時(shí)來襲的可能。來襲意圖判斷需要在態(tài)勢集成基礎(chǔ)上進(jìn)行態(tài)勢理解，這也是未來研究需要重點(diǎn)突破的方面。

2 AI 技術(shù)在指揮控制功能系統(tǒng)中的應(yīng)用

指揮控制功能系統(tǒng)主要負(fù)責(zé)對來襲目標(biāo)進(jìn)行威脅判斷，快速生成武器-目標(biāo)打擊方案，并根據(jù)全局態(tài)勢的改變，不斷更新打擊方案。當(dāng)前主要應(yīng)用于輔助決策系統(tǒng)，包括其中的指控系統(tǒng)、威脅評估、目標(biāo)分配等方面，都有AI 技術(shù)的相關(guān)應(yīng)用。

2.1 輔助決策系統(tǒng)——指控系統(tǒng)

面對速度越來越快的飛機(jī)和導(dǎo)彈，留給艦載武器系統(tǒng)指揮決策的時(shí)間越來越短，為滿足現(xiàn)代戰(zhàn)爭對快速決策的需求，美國國防部高級研究計(jì)劃署于2007 年開啟了“深綠（darle green）”計(jì)劃，如圖1 所示。旨在將人機(jī)交互、語音識別、混合仿真等關(guān)鍵技術(shù)嵌入指揮控制系統(tǒng)，輔助指揮官快速準(zhǔn)確地作出決策。迄今為止，“深綠”已經(jīng)攻克了部分關(guān)鍵技術(shù)并取得了成果，例如軍事場景定義語言（military scenario definition language，MSDL）［18］、美國新一代計(jì)算機(jī)生成兵力系統(tǒng)——OneSAF 仿真系統(tǒng)等［19］。

圖1 “深綠”計(jì)劃結(jié)構(gòu)概覽Fig. 1 Overview of “dark green” program structure

“深綠”計(jì)劃的核心技術(shù)基礎(chǔ)是MSDL，MSDL 旨在提供能夠被各種各樣計(jì)算機(jī)模擬接口所兼容的一個(gè)標(biāo)準(zhǔn)化結(jié)構(gòu)，用于捕獲軍事場景中的復(fù)雜內(nèi)容。2009 年，美國仿真互操作性標(biāo)準(zhǔn)組織（simulation interoperability standards organization，SISO），已經(jīng)完成了軍事場景定義語言標(biāo)準(zhǔn)化工作的1.0版［18］。2010 年，文 獻(xiàn)［20］將 聯(lián) 盟 作 戰(zhàn) 管 理 語 言（coalition-battle management language，C-BML）集成到MSDL 中，實(shí)現(xiàn)了C4I 系統(tǒng)設(shè)備之間相互交流等軍事場景。2019 年，SISO 開發(fā)了指揮控制系統(tǒng)與仿真系統(tǒng)的互操作（C2SIM）標(biāo)準(zhǔn)，用于替代現(xiàn)有的MSDL和C-BML 標(biāo)準(zhǔn)，C2SIM 標(biāo)準(zhǔn)在兼 容MSDL 和C-BML標(biāo)準(zhǔn)的基礎(chǔ)上，可操作性更強(qiáng)，適用場景也更為廣泛［21］。

2021 年，洛克希德·馬丁公司、哈里斯公司和Alphabet 公司正在開發(fā)一種基于人-機(jī)混合智能的戰(zhàn)略指揮與作戰(zhàn)控制系統(tǒng)，在現(xiàn)實(shí)世界的戰(zhàn)爭中，除了傳統(tǒng)的指控任務(wù)外，該系統(tǒng)還被用于在無交互情況下實(shí)現(xiàn)自主指揮控制［6］。在指揮中心應(yīng)用時(shí)，在決策層個(gè)別元素失效后能夠自動(dòng)創(chuàng)建一個(gè)新的指揮節(jié)點(diǎn)，以保持其兵力的可管理性。與此同時(shí)，俄羅斯也正在開發(fā)新的基于人工智能的指控系統(tǒng)，通過在航空航天部隊(duì)、地面部隊(duì)和艦艇部隊(duì)之間，應(yīng)用一套跨平臺的目指、火力和電子壓制手段的打擊鏈路閉合控制系統(tǒng)，協(xié)調(diào)組織軍種間合作，提高協(xié)同作戰(zhàn)能力［22］。

2.2 輔助決策系統(tǒng)——威脅評估

艦載武器系統(tǒng)面臨的是來自空中、水面、岸基及水下的多層次、多批次目標(biāo)威脅，因此必須要對來襲的多批目標(biāo)進(jìn)行威脅評估，優(yōu)先攻擊威脅程度大的目標(biāo)，以最大化艦船生存概率。目前常見的威脅評估方法包括貝葉斯網(wǎng)絡(luò)、層次分析法、模糊集理論等［23-25］。

2008 年，文獻(xiàn)［23］基于貝葉斯網(wǎng)絡(luò)方法建立了威脅評估系統(tǒng)，該威脅評估系統(tǒng)可以處理參數(shù)觀測不完整時(shí)的情形。2015 年，文獻(xiàn)［24］利用模糊集理論對威脅評估進(jìn)行了精準(zhǔn)描述，并引入與目標(biāo)威脅度相關(guān)的參數(shù)來提高算法精度，通過動(dòng)態(tài)防空場景的應(yīng)用，驗(yàn)證了該威脅評估方法的正確性和可靠性。2020 年，文獻(xiàn)［25］利用深度學(xué)習(xí)計(jì)算雷達(dá)和光電等傳感器捕獲到目標(biāo)的特性，并將這些特性作為參數(shù)輸入貝葉斯網(wǎng)絡(luò)中進(jìn)行目標(biāo)威脅評估，該方法最大的優(yōu)勢是計(jì)算速度快且精度高。

總體而言，威脅評估方法首先都需要找到與目標(biāo)威脅相關(guān)的若干參數(shù)作為算法輸入，然后不同算法通過內(nèi)在機(jī)制對參數(shù)進(jìn)行計(jì)算評估，最后得到該目標(biāo)的威脅度。

2.3 輔助決策系統(tǒng)——目標(biāo)分配

目標(biāo)分配與威脅評估緊密相關(guān)，艦載武器系統(tǒng)一般配備了多種軟硬武器，各軟硬武器對目標(biāo)的毀傷或拒止概率不一樣，威脅評估工作完成后，如何將敵對目標(biāo)合理地分配給各軟硬武器，以最大化作戰(zhàn)效能，這其實(shí)是一個(gè)非線性整數(shù)規(guī)劃問題，近年來，被許多學(xué)者采用各種智能算法求解［26-28］。例如，文獻(xiàn)［26］利用遺傳算法或改進(jìn)遺傳算法求解武器-目標(biāo)分配問題，文獻(xiàn)［27］利用粒子群優(yōu)化（particle swarm optimization，PSO）算法求解武器-目標(biāo)分配問題，另外還有其他智能優(yōu)化算法的應(yīng)用等［28］。

通過以上分析可知，AI 技術(shù)在指揮控制功能系統(tǒng)中的應(yīng)用主要集中于智能輔助與決策，智能輔助與決策的技術(shù)基礎(chǔ)是自然語言處理、語義理解以及決策規(guī)則數(shù)據(jù)庫。在實(shí)際作戰(zhàn)過程中，戰(zhàn)場態(tài)勢瞬息萬變，美國及俄羅斯等國家由于長期參與現(xiàn)代化局部戰(zhàn)爭，已經(jīng)積累了豐富的實(shí)戰(zhàn)決策規(guī)則，這一點(diǎn)需要引起我們的重視。在缺乏實(shí)戰(zhàn)的情況下，應(yīng)重點(diǎn)開展模擬實(shí)戰(zhàn)訓(xùn)練等，以此積累豐富的實(shí)戰(zhàn)決策規(guī)則，智能輔助決策才能更好地發(fā)揮其作用。

3 AI 技術(shù)在火力打擊功能系統(tǒng)中的應(yīng)用

火力打擊功能系統(tǒng)主要依據(jù)武器—目標(biāo)打擊方案，對來襲目標(biāo)進(jìn)行有效打擊，摧毀目標(biāo)。

3.1 彈道外推

彈道外推一般采用基于運(yùn)動(dòng)學(xué)建模法和基于動(dòng)力學(xué)建模法?；谶\(yùn)動(dòng)學(xué)建模法通常利用一段實(shí)測數(shù)據(jù)擬合多項(xiàng)式參數(shù)來外推彈道曲線，基于動(dòng)力學(xué)建模法通過分析目標(biāo)的運(yùn)動(dòng)和受力實(shí)際情況，建立微分方程求解彈道軌跡，以此外推彈丸落點(diǎn)［29］。但以上2 種方法求解較為復(fù)雜，國外有學(xué)者利用神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等人工智能技術(shù)進(jìn)行彈道外推，其目的在于提高彈道外推速度與精度。例如，文獻(xiàn)［30］為了預(yù)測彈丸落點(diǎn)，建立了一種基于多模型極大似然估計(jì)（multiple models-maximum likelihood estimate，MM-MLE）進(jìn)行彈道外推的方法，并用蒙特卡羅模擬方法進(jìn)行了驗(yàn)證，結(jié)果表明該方法具有較高的落點(diǎn)預(yù)測準(zhǔn)確率。

3.2 智能彈藥

20 世紀(jì)80 年代前，常見的引信可分為觸發(fā)引信、非觸發(fā)引信和時(shí)間引信3 種基本類型，此時(shí)的引信系統(tǒng)對目標(biāo)的特征信息無法進(jìn)行處理，沒有達(dá)到智能化程度。80 年代以后，隨著計(jì)算機(jī)技術(shù)、電子技術(shù)和數(shù)字技術(shù)的不斷發(fā)展，新型智能引信系統(tǒng)開始出現(xiàn)，例如基于微機(jī)電系統(tǒng)技術(shù)的智能侵徹引信，該引信采用單片微型計(jì)算機(jī)等處理器對獲取的信號進(jìn)行處理，通過對比彈體侵徹過程中和預(yù)先設(shè)置的加速度值、目標(biāo)侵徹層數(shù)、目標(biāo)侵徹空穴數(shù)、目標(biāo)侵徹深度值等信息，從而控制彈丸戰(zhàn)斗部的起爆時(shí)機(jī)。

近年來，以色列拉斐爾先進(jìn)防御系統(tǒng)公司開發(fā)一了種現(xiàn)代智能彈藥，即Spice 250 精確制導(dǎo)防區(qū)外滑翔彈藥，該彈藥被放置在航空運(yùn)載器的機(jī)翼下，它擁有75 kg 的彈頭［6］。由于部署了分離后機(jī)翼釋放裝置，可自主攻擊100 km 以內(nèi)的目標(biāo)。在訓(xùn)練過程中，支持人工智能的光電瞄準(zhǔn)器配備了移動(dòng)或固定目標(biāo)的三維圖像和軟件，可以檢測并決定是否與之交戰(zhàn)，根據(jù)給定標(biāo)準(zhǔn)選擇最佳攻擊目標(biāo)。2019年，洛克希德·馬丁公司和雷神公司為美國研發(fā)了更復(fù)雜的智能彈藥，形成針對帶有多彈頭的洲際彈道導(dǎo)彈的對抗措施，利用發(fā)射井發(fā)射助推器，一個(gè)或多個(gè)配備智能制導(dǎo)系統(tǒng)的專用摧毀元件末端攔截空間目標(biāo)。該彈藥經(jīng)測試能夠成功攔截多彈頭洲際彈道導(dǎo)彈。與此同時(shí)，俄羅斯軍火制造商也在研究生產(chǎn)智能彈藥，已知應(yīng)用包括“Krasnopol”型制導(dǎo)炮彈、多管導(dǎo)彈系統(tǒng)的遠(yuǎn)程引信和帶有智能自導(dǎo)頭的巡航導(dǎo)彈等產(chǎn)品［22］。

通過以上分析可知，AI 技術(shù)在火力打擊功能系統(tǒng)中的應(yīng)用主要集中于智能化彈藥方面，這將大大提高彈藥的毀傷概率，從而提升武器系統(tǒng)的作戰(zhàn)效能。2020 年，伊朗圣城旅司令蘇萊曼尼被刺殺事件，也證實(shí)了智能化彈藥可以與無人機(jī)圖像配準(zhǔn)技術(shù)相結(jié)合，從而發(fā)揮更大的作用。通過將無人機(jī)實(shí)時(shí)獲取的圖像與衛(wèi)星圖像進(jìn)行配準(zhǔn)，獲取目標(biāo)的實(shí)時(shí)位置，為智能化彈藥提供精確目指，實(shí)現(xiàn)遠(yuǎn)程精準(zhǔn)打擊，這也將是未來重點(diǎn)研究方向。

4 其他應(yīng)用

人工智能技術(shù)除了在艦載武器系統(tǒng)三大功能系統(tǒng)中有相關(guān)應(yīng)用外，在整個(gè)艦載武器系統(tǒng)使用過程中，還存在著其他應(yīng)用，例如武器系統(tǒng)故障診斷。

武器系統(tǒng)各分系統(tǒng)之間、分系統(tǒng)與各設(shè)備之間以及各設(shè)備之間存在著復(fù)雜的關(guān)系，當(dāng)系統(tǒng)出現(xiàn)某一故障時(shí)，診斷過程往往比較復(fù)雜和困難。因此，近年來國外涌現(xiàn)了利用故障樹、專家系統(tǒng)等人工智能技術(shù)，用以輔助工程技術(shù)人員進(jìn)行武器系統(tǒng)故障診斷的應(yīng)用［31］。

另外，近年來隨著無人裝備的發(fā)展，無人機(jī)、無人艇及無人水下航行器都被應(yīng)用到艦載武器系統(tǒng)中，用于豐富探測手段、擴(kuò)大探測范圍、增強(qiáng)打擊能力等方面?，F(xiàn)代攻擊型無人機(jī)XQ-58“女武神”，由美國Kratos Defense & Security Solutions 公司研發(fā)。據(jù)了解，該型無人機(jī)在2019—2020 年進(jìn)行了相對成功的試驗(yàn)，被定位為人類控制的戰(zhàn)斗機(jī)的“僚機(jī)”。同時(shí)，美國海軍正在研發(fā)一種大排量無人水下航行器，其自主航行至少為70 天，可獨(dú)立制導(dǎo)，避開各種障礙物并識別水下和水面目標(biāo)。俄羅斯也在開發(fā)相關(guān)的跨域無人系統(tǒng)，包括用于偵察、巡邏、掃雷和火力支援的“Uran-9”和“Soratnik”陸基機(jī)器人設(shè)備、“Galtel”水下/海底探測系統(tǒng)、“獵人”攻擊型無人潛航器和“波塞冬”核動(dòng)力的潛航器［6］。

5 分析與總結(jié)

5.1 應(yīng)用總結(jié)

從以上分析可知，AI 技術(shù)在艦載武器系統(tǒng)三大功能系統(tǒng)都取得了有效應(yīng)用，技術(shù)本身并無優(yōu)劣勢差異，但應(yīng)用側(cè)重點(diǎn)略有不同，整體概略表如表1所示。

表1 AI 技術(shù)在艦載武器系統(tǒng)中的應(yīng)用概略表Table 1 Overview of application of AI technology in shipborne weapon system

AI 技術(shù)在探測識別功能系統(tǒng)應(yīng)用的基礎(chǔ)技術(shù)主要包括圖像處理、分類識別以及關(guān)聯(lián)分析等，在指揮控制功能系統(tǒng)中應(yīng)用的基礎(chǔ)技術(shù)主要包括自然語言處理、知識圖譜以及智能推薦等，在火力打擊功能系統(tǒng)中應(yīng)用的基礎(chǔ)技術(shù)主要包括回歸分析、自適應(yīng)算法等。

人工智能技術(shù)通過提升目標(biāo)識別率、指揮控制效率以及彈藥毀傷概率等，有效提升了艦載武器系統(tǒng)整體作戰(zhàn)效能。

5.2 發(fā)展趨勢

美國將人工智能戰(zhàn)略作為美國國防戰(zhàn)略的一部分，并明確指出：未來人工智能“將改變社會，最終改變戰(zhàn)爭的性質(zhì)”。俄羅斯也非常重視人工智能技術(shù)發(fā)展，第490 號俄羅斯總統(tǒng)令《2030 年前國家人工智能發(fā)展戰(zhàn)略》中給出了如下定義：“人工智能是一套能夠模仿人類認(rèn)知功能（包括自我學(xué)習(xí)和沒有預(yù)定算法的方案搜索）的技術(shù)解決方案，在執(zhí)行特定任務(wù)時(shí)獲得至少與人類智力相當(dāng)?shù)慕Y(jié)果?！彪S著人工智能技術(shù)的不斷深入，其在艦載武器系統(tǒng)中將呈現(xiàn)以下幾點(diǎn)發(fā)展趨勢：

（1） 深化信息融合

隨著美國海軍體系化發(fā)展思路，艦載武器系統(tǒng)將會逐步融入更多體系中，所獲取的傳感器資源也會越來越多。人工智能技術(shù)將會在信息融合領(lǐng)域進(jìn)一步深化應(yīng)用，為艦載武器系統(tǒng)提供更為準(zhǔn)確、更為連續(xù)的目標(biāo)特征信息。

（2） 加強(qiáng)數(shù)據(jù)利用

數(shù)據(jù)對于掌握戰(zhàn)場態(tài)勢、有效指揮決策至關(guān)重要，艦載武器系統(tǒng)中也存在著大量有價(jià)值的數(shù)據(jù)，但目前尚未被利用，相信在可預(yù)見的未來，人工智能技術(shù)將會挖掘價(jià)值數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的按需服務(wù)，讓數(shù)據(jù)“說話”，助力艦載武器系統(tǒng)的發(fā)展。

（3） 智慧健康管理

目前，利用專家系統(tǒng)實(shí)現(xiàn)裝備的診斷、預(yù)測、評估、決策等任務(wù)仍是主要模式，專家系統(tǒng)可有效解決時(shí)空障礙等問題，但沒有充分利用大量的現(xiàn)場數(shù)據(jù)等有效信息，因而無法實(shí)現(xiàn)智能預(yù)測等功能。近年來，智慧健康管理、智能客服等技術(shù)發(fā)展迅速，憑借其細(xì)粒度知識管理模式、良好智能交互過程以及多渠道接入方式，被普遍應(yīng)用于各行業(yè)的產(chǎn)品咨詢、售后服務(wù)以及統(tǒng)計(jì)分析等當(dāng)中，專家系統(tǒng)和智能客服技術(shù)的有效結(jié)合，將會是發(fā)展趨勢之一。

（4） 可解釋性研究

當(dāng)前的人工智能技術(shù)，存在“黑盒子”效應(yīng)，無法徹底解釋其中的原理，也很難進(jìn)行重構(gòu)，這在軍事應(yīng)用中將削弱其可靠性，未來將進(jìn)一步研究人工智能技術(shù)的可解釋性，從而提高其可靠性。

6 結(jié)束語

本文通過充分調(diào)研人工智能技術(shù)在國外艦載武器系統(tǒng)中的應(yīng)用現(xiàn)狀，證明人工智能技術(shù)已經(jīng)逐步應(yīng)用到了艦載武器系統(tǒng)各個(gè)領(lǐng)域內(nèi)，而且都取得了一定的成果，是助推國外艦載武器系統(tǒng)技術(shù)發(fā)展的又一大新動(dòng)力。隨著人工智能的不斷突破，其在艦載武器系統(tǒng)中的應(yīng)用將會越來越廣泛和深入，需要不斷地跟進(jìn)和研究。