陳海鵬，鄭本昌，黃 虎

(中國運載火箭技術(shù)研究院，北京 100076)

0 引言

黨的十九大報告指出，要“加快軍事智能化發(fā)展，提高基于網(wǎng)絡(luò)信息體系的聯(lián)合作戰(zhàn)能力、全域作戰(zhàn)能力，有效塑造態(tài)勢、管控危機、遏制戰(zhàn)爭、打贏戰(zhàn)爭”。二十大報告中再次明確，“研究掌握信息化、智能化戰(zhàn)爭特點規(guī)律”，點明了未來軍事發(fā)展的重點方向，也就是信息化和智能化，軍事智能技術(shù)的應(yīng)用將成為未來軍事裝備智能化發(fā)展與戰(zhàn)爭決勝的核心驅(qū)動力之一。

1 軍事人工智能技術(shù)發(fā)展現(xiàn)狀

1.1 各國在國家頂層戰(zhàn)略層面堅決推進(jìn)軍事人工智能化應(yīng)用

以2016年AlphaGo的突破性進(jìn)展[1]為起點，人工智能技術(shù)圖像檢測識別、語音識別、個性化推薦、自動駕駛、游戲博弈[2-8]等民用方向蓬勃發(fā)展并落地應(yīng)用，也對軍事裝備智能化發(fā)展起到了技術(shù)推動作用。智能博弈和智能識別技術(shù)在感知認(rèn)知、智能決策方面的突破性進(jìn)展，展現(xiàn)出在軍事裝備及對抗上的應(yīng)用潛力，開始受到各方的高度關(guān)注[9-10]，尤其是以生成式人工智能技術(shù)(AI Generated Content，AIGC)為代表的大規(guī)模智能模型飛速發(fā)展，成為當(dāng)前人工智能技術(shù)研究的最新熱點。世界各國高度關(guān)注人工智能技術(shù)的戰(zhàn)略布局，各國紛紛推出國家頂層的人工智能發(fā)展戰(zhàn)略。近兩三年來，在基本完成國家頂層人工智能戰(zhàn)略政策布局的情況下，各國在戰(zhàn)略政策方面重點轉(zhuǎn)向推進(jìn)人工智能技術(shù)的全面落地實施[11-12]。2017年我國印發(fā)《新一代人工智能發(fā)展規(guī)劃》，提出了面向2030年新一代人工智能發(fā)展的指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點任務(wù)和保障措施，部署構(gòu)筑人工智能發(fā)展的先發(fā)優(yōu)勢，加快建設(shè)創(chuàng)新型國家和世界科技強國。美國國會、國防部、各軍種、戰(zhàn)略智庫等各機構(gòu)組織在2021年推出了系列法律、政策和研判報告，從立法推進(jìn)、確定戰(zhàn)略目標(biāo)、發(fā)展原則、組織管理創(chuàng)新、重點關(guān)鍵應(yīng)用技術(shù)領(lǐng)域、經(jīng)費投入等方面為人工智能的落地推廣尤其是軍事應(yīng)用奠定基礎(chǔ)。俄羅斯也效仿美國在國防部內(nèi)成立人工智能部門，從2022年起在俄羅斯國防部內(nèi)發(fā)揮效力，處理類似俄羅斯國防部高級跨學(xué)科研究部門權(quán)限的任務(wù)。英國瞄準(zhǔn)成為全球性的“人工智能超級大國”，提出人工智能10年遠(yuǎn)景報告和《人工智能路線圖》，設(shè)定了長期目標(biāo)。2022年6月15日，英國發(fā)布《國防人工智能戰(zhàn)略》，推動人工智能在英國國防軍事領(lǐng)域發(fā)展應(yīng)用。2021年10月21日，北約30個成員國的國防部長在比利時布魯塞爾總部舉行會議，正式通過北約首個人工智能戰(zhàn)略，明確了主要目標(biāo)和原則。

1.2 人工智能基礎(chǔ)理論與技術(shù)奠定堅實賦能基礎(chǔ)

美國重點聚焦可解釋人工智能、通用人工智能的理論和方法，計劃通過第三代人工智能理論突破推動人工智能發(fā)展新高潮。2019年2月，美國國防部DARPA設(shè)立SAIL-ON項目旨在研究和開發(fā)創(chuàng)建AI系統(tǒng)所需的基礎(chǔ)科學(xué)原理、通用工程技術(shù)和算法，目的是制定科學(xué)原則，以量化和表征人工智能系統(tǒng)，并在國防部選定的領(lǐng)域中對這項系統(tǒng)進(jìn)行演示驗證和評估。雷神公司針對DARPA牽頭開展的可解釋性人工智能研究XAI項目正在開發(fā)具有可解釋性的人工智能神經(jīng)網(wǎng)絡(luò)。美國在智能芯片、智能操作系統(tǒng)和機器學(xué)習(xí)框架軟件方面基礎(chǔ)好、發(fā)展快，意圖構(gòu)建一套通用的智能基礎(chǔ)軟硬件生態(tài)以獲得壟斷性優(yōu)勢。在智能芯片方面，以谷歌、英偉達(dá)為代表的公司開發(fā)的Cloud TPU、GPU互聯(lián)結(jié)構(gòu)NVIDIA NVSwitch等產(chǎn)品，代表了世界最強水平，可以輕易應(yīng)用于軍事領(lǐng)域。

1.3 人工智能賦能軍事裝備智能感知發(fā)展

當(dāng)前各國利用人工智能技術(shù)加速裝備智能化的主要思路是利用智能感知識別、智能規(guī)劃決策等較為成熟的人工智能技術(shù)，將其應(yīng)用在態(tài)勢信息處理和裝備的目標(biāo)感知、任務(wù)規(guī)劃、信息鏈路與協(xié)同決策過程中，以提升裝備的自主作戰(zhàn)效能。

1.3.1 提升單裝智能化水平

以美國為代表的各國加速實現(xiàn)智能導(dǎo)彈等單體裝備及作戰(zhàn)運用的智能化水平，以提升面對復(fù)雜對抗場景的自主作戰(zhàn)能力。對典型案例介紹如下：

(1)美軍裝備智能化

長距離反艦導(dǎo)彈(LRASM)采用智能化技術(shù)，執(zhí)行不同打擊任務(wù)，甚至可以在GPS和通信受限的情況下自動選擇目標(biāo)。美國戰(zhàn)斧導(dǎo)彈在攻擊目標(biāo)過程中，可自適應(yīng)目標(biāo)或任務(wù)變化，自主搜索和重新選擇攻擊目標(biāo)。美國的“黃蜂” 導(dǎo)彈，裝有一套先進(jìn)的探測、控制設(shè)備，可實現(xiàn)目標(biāo)偽裝設(shè)施的識別以及多任務(wù)目標(biāo)的智能化自主分配，從而達(dá)到最大的效費比和命中精度[13]。

(2)以色列“海上破壞者”遠(yuǎn)程導(dǎo)彈[14]

該導(dǎo)彈系統(tǒng)具備一個113 kg的彈頭，能一次摧毀護(hù)衛(wèi)艦大小的船只，配備先進(jìn)的紅外成像導(dǎo)引頭，適合在反介入/區(qū)域拒止環(huán)境中作戰(zhàn)，精確打擊射程達(dá)300 km。該系統(tǒng)的獨特功能包括計算機視覺和人工智能，以及任務(wù)規(guī)劃系統(tǒng)。其數(shù)據(jù)鏈支持實時人在回路決策和戰(zhàn)術(shù)更新、飛行中止和戰(zhàn)斗傷害評估 ，這種人工智能導(dǎo)彈更加適應(yīng)未來戰(zhàn)場中越來越多的GPS拒止和電子對抗環(huán)境。

(3)英國海軍“強大盾牌”演習(xí)[15]

英國海軍在“蘭開斯特”號護(hù)衛(wèi)艦和“飛龍”號驅(qū)逐艦上測試了Startle人工智能與Sycoiea機器學(xué)習(xí)應(yīng)用程序。Startle人工智能系統(tǒng)可減輕船員在指揮室中監(jiān)控空情圖的負(fù)擔(dān)，并能提供實時建議和告警。Sycoiea系統(tǒng)在此基礎(chǔ)上進(jìn)行威脅評估分配，確定距離最近的威脅，并提供應(yīng)對威脅的最佳建議。

1.3.2 賦能提升群體作戰(zhàn)效能

以美國、以色列、英國為代表的外軍在無人機集群、蜂群等典型空中自主無人裝備中開展大量虛、實技術(shù)驗證，部分裝備已在實戰(zhàn)中應(yīng)用，在智能自主協(xié)同作戰(zhàn)、人機協(xié)同作戰(zhàn)技術(shù)方面取得大量成果。對典型案例介紹如下：

(1)DARPA“空戰(zhàn)演進(jìn)”項目[16]

DARPA“空戰(zhàn)演進(jìn)”項目完成首次人工智能虛擬二對一混戰(zhàn)?！翱諔?zhàn)演進(jìn)”項目旨在攻克人機協(xié)同空中格斗難題，為空戰(zhàn)開發(fā)可信任、可擴展、人類水平、人工智能驅(qū)動的自主系統(tǒng)。2021年2月，“空戰(zhàn)演進(jìn)”項目算法開發(fā)團隊使用2架藍(lán)隊F-16戰(zhàn)斗機與1架紅隊?wèi)?zhàn)斗機，演示了人工智能二對一虛擬交戰(zhàn)。這標(biāo)志著“阿爾法空中格斗”試驗后首次人工智能虛擬混戰(zhàn)成功完成。

(2)“金帳汗國”自主彈藥蜂群項目

美空軍研究實驗室(AFRL)2021年先后完成“金帳汗國”自主彈藥蜂群項目兩次技術(shù)演示。在2月試驗中使用一架F-16戰(zhàn)斗機投擲了4枚“‘合作式’小直徑炸彈”(CSDB)，數(shù)量較首次飛行試驗增加2枚。CSDB即裝載了“網(wǎng)絡(luò)化、合作和自主”(NCA)技術(shù)載荷的GBU-39“小直徑炸彈”(SDB)。AFRL稱，4枚CSDB在試驗中建立了通信，識別了突然出現(xiàn)的目標(biāo)，并根據(jù)預(yù)設(shè)的交戰(zhàn)規(guī)則對多個目標(biāo)進(jìn)行了自主評估和分配，最終以“命中時間同步”模式完成打擊。在5月試驗中，項目成功完成雙機投放合作式彈藥組網(wǎng)打擊試飛，兩架F-16共投放了6枚CSDB，其中一架投放4枚，另一架投放2枚。這些炸彈在空中自組網(wǎng)，更新了打擊目標(biāo)，并實現(xiàn)了同步打擊。這6枚炸彈在天上組網(wǎng)，同時與地面站通信。地面站通過無線電網(wǎng)絡(luò)向飛行中的彈群發(fā)送最新指令，使彈群重新定向至最高優(yōu)先級的目標(biāo)。

(3)“天空博格人”(Skyborg)項目

此項目是美空軍先鋒計劃之一，目標(biāo)是實現(xiàn)有人/無人編隊飛行。2021年10月26日，兩架MQ-20無人機使用“天空博格人”自主核心系統(tǒng)進(jìn)行自主編組試飛，在美空軍愛德華茲空軍基地進(jìn)行了為期數(shù)小時的飛行測試活動。本次飛行試驗除了演示傳統(tǒng)的導(dǎo)航指揮響應(yīng)、地理柵欄反應(yīng)、遵循飛行包線等能力外，著重展示了自主核心系統(tǒng)成熟的能力，在控制兩架MQ-20無人機自主飛行的同時，保持?jǐn)?shù)據(jù)通信，以確保協(xié)調(diào)飛行。這是“天空博格人”項目首次進(jìn)行無人/無人編組飛行試驗。美空軍認(rèn)為，“對自主無人編組進(jìn)行的大型兵力試驗活動是向部隊交付未來作戰(zhàn)能力的必然趨勢”，并表示在未來的試驗中將測試有人機與多架由自主核心系統(tǒng)控制的無人機之間編組飛行能力[17]。

(4)智能無人機蜂群進(jìn)入實戰(zhàn)

2021年5月，以色列成為首個在實戰(zhàn)中使用人工智能無人機蜂群的國家。在以色列對加沙的哈馬斯組織發(fā)動空襲和導(dǎo)彈打擊期間，使用了人工智能輔助的無人機蜂群。這些部署在加沙上空的無人機蜂群可相互通信、精確定位目標(biāo)，甚至能夠指揮空襲，主要用于監(jiān)視火箭彈發(fā)射地點，通知以色列空軍或地面部隊打擊這些地點，并協(xié)助其他無人機對目標(biāo)實施攻擊。此次無人機實戰(zhàn)應(yīng)用使以色列成為首個整合人工智能技術(shù)來指揮無人機蜂群戰(zhàn)場作戰(zhàn)的國家[18]。

2022年2月，俄羅斯對烏克蘭發(fā)起的“特別軍事行動”中，雙方大量使用無人機集群，無人機已經(jīng)成為“明星”，俄烏戰(zhàn)爭的下半場，已經(jīng)進(jìn)入到以無人機為主的交鋒中。

1.4 人工智能提升戰(zhàn)場指揮決策技術(shù)優(yōu)勢

美軍提出“第三次抵消戰(zhàn)略”，不斷探索新式作戰(zhàn)概念，試圖利用人工智能技術(shù)形成針對競爭對手的新軍事優(yōu)勢[19]。

面向未來作戰(zhàn)概念和樣式，美軍對馬賽克戰(zhàn)等新式作戰(zhàn)概念持續(xù)開展深入研究，馬賽克戰(zhàn)的概念更加清晰，DARPA和美國空軍分別啟動了新的項目和開展了馬賽克戰(zhàn)的演習(xí)。圍繞聯(lián)合全域指揮控制作戰(zhàn)等實戰(zhàn)化需求，美軍持續(xù)開發(fā)人工智能工具，用于輔助作戰(zhàn)人員進(jìn)行戰(zhàn)場態(tài)勢處理、任務(wù)規(guī)劃決策等，通過大量實驗和演習(xí)驗證提升人工智能工具能力，面向未來軍事對抗，探索利用人工智能強化推進(jìn)聯(lián)合全域指揮控制(JADC2)的能力。

美國在2021年舉行了兩次“全球信息優(yōu)勢演習(xí)”(GIDE)[20]，測試?yán)酶鞣N基于人工智能/機器學(xué)習(xí)的決策輔助工具，提升指揮官的行動能力。這些工具包括雷達(dá)整合工具、可以聚合各種傳感器甚至社交媒體信息的“信息主宰”工具、可形成虛擬3D戰(zhàn)場的“跨指揮協(xié)同”工具。

2 軍事智能技術(shù)發(fā)展需求與挑戰(zhàn)

2.1 戰(zhàn)爭形態(tài)演進(jìn)及軍事裝備發(fā)展對人工智能技術(shù)提出了迫切需求

現(xiàn)代戰(zhàn)爭形態(tài)逐步由信息化向智能化演進(jìn)，戰(zhàn)場強對抗、高動態(tài)、跨域耦合、多域交織等特征日趨顯著，需要發(fā)展更靈活、更自主、更智能的裝備來有效應(yīng)對。

在戰(zhàn)場特征方面，面臨戰(zhàn)爭迷霧、信息海量、強干擾對抗等特點，需要運用戰(zhàn)場態(tài)勢快速感知認(rèn)知、快速準(zhǔn)確決策等技術(shù)，提升裝備的適應(yīng)性；在作戰(zhàn)空間方面，陸/海/空/臨/天等物理域和網(wǎng)絡(luò)/電磁/認(rèn)知等虛擬域?qū)⒔徊嫒诤希枰捎弥悄芴搶嵢诤霞夹g(shù)，提升裝備多域作戰(zhàn)能力；在作戰(zhàn)樣式方面，體系響應(yīng)時間極大加快，大量新裝備應(yīng)用使得作戰(zhàn)鏈條扁平化、OODA環(huán)被壓縮，需要充分發(fā)揮智能群體自主協(xié)同技術(shù)優(yōu)勢，實現(xiàn)即時打擊、快速變換作戰(zhàn)意圖和樣式，提升裝備集群作戰(zhàn)效能[21]。

2.2 應(yīng)用場景特點對軍事智能技術(shù)應(yīng)用提出了特殊挑戰(zhàn)

軍事領(lǐng)域的人工智能應(yīng)用場景與民用領(lǐng)域有著較大的不同，軍事應(yīng)用場景的特點也對智能技術(shù)的應(yīng)用帶來了特殊挑戰(zhàn)。

在決策空間方面，軍事對抗場景的狀態(tài)空間巨大，這不僅在算法層面上對更優(yōu)顆粒度的戰(zhàn)爭要素抽象建模提出了挑戰(zhàn)，而且對現(xiàn)有人工智能芯片的算力提出了更高的要求；在樣本易得性方面，軍事對抗場景無論是樣本的質(zhì)量還是樣本數(shù)量，都遠(yuǎn)遠(yuǎn)達(dá)不到深度學(xué)習(xí)、強化學(xué)習(xí)等主流AI應(yīng)用要求，造成了智能決策模型在沒有樣本或者小樣本條件下的訓(xùn)練難題；在信息完備性方面，軍事對抗場景除了對手態(tài)勢不完整外，還會存在由于受干擾導(dǎo)致己方信息不完整的情況，例如自身感知自己位置的誤差、群體伙伴通信受到干擾導(dǎo)致無法獲知信息等問題，這就需要采用其他手段補齊態(tài)勢信息，滿足博弈決策完整的態(tài)勢輸入要求。在環(huán)境變化程度上，不同的環(huán)境對作戰(zhàn)單元的影響，甚至于地形地貌也會產(chǎn)生非常重要的影響。作戰(zhàn)場景的千變?nèi)f化，對于智能體的泛化性帶來巨大的挑戰(zhàn)。

3 軍事智能應(yīng)用關(guān)鍵技術(shù)

3.1 可解釋人工智能理論與方法

裝備的試驗和使用存在著“高價值、一次性成敗”的特點，在影響成敗的環(huán)節(jié)上必須保證100%可信，一個原理機理不是100%可知、理論準(zhǔn)確率達(dá)不到100%的智能模型，是不能用到探測、制導(dǎo)控制等關(guān)鍵的感知和決策環(huán)節(jié)的，這將嚴(yán)重制約人工智能技術(shù)在航天裝備上的使用。開展基于可解釋理論的戰(zhàn)場態(tài)勢智能感知與計量技術(shù)研究，探索可解釋理論和數(shù)據(jù)自動提取方法，掌握態(tài)勢感知的可信機理，突破復(fù)雜環(huán)境特征規(guī)律和感知機制、分布式協(xié)作態(tài)勢智能感知的模糊理論和方法、智能感知模型數(shù)據(jù)計量等關(guān)鍵技術(shù)，構(gòu)建可解釋人工智能基礎(chǔ)理論體系，能夠為智能裝備的智能推理與決策提供可靠的基礎(chǔ)保障。

3.2 稀疏小子樣的智能目標(biāo)識別技術(shù)

在軍事領(lǐng)域，樣本獲取困難等挑戰(zhàn)導(dǎo)致數(shù)據(jù)稀疏問題，現(xiàn)有主流智能目標(biāo)識別技術(shù)無法在小樣本上取得良好的使用效果。為突破基于知識和小樣本的快速學(xué)習(xí)與認(rèn)知理論，需要研究零(少)樣本快速學(xué)習(xí)與認(rèn)知理論，形成針對零(少)樣本機器學(xué)習(xí)新范式，使用統(tǒng)一軍事數(shù)據(jù)標(biāo)準(zhǔn)協(xié)議構(gòu)建數(shù)據(jù)池，應(yīng)對小樣本帶來的挑戰(zhàn)，提高模型對環(huán)境適應(yīng)能力，在零樣本及個位數(shù)極端小樣本的條件即可適應(yīng)新環(huán)境，提升在軍事領(lǐng)域使用實戰(zhàn)價值。

3.3 不完全信息下智能博弈決策技術(shù)

加劇變化的國際形勢對軍事裝備體系提出了更高的要求，針對“博弈強對抗、態(tài)勢不確定、信息不完全、變化高動態(tài)”等典型場景特征，形成對抗態(tài)勢的快速高效評估，完成任務(wù)規(guī)劃和實時決策。為滿足軍事對抗體的智能博弈需求，需要開展不完全信息下智能體對抗演化機理研究，突破實時對抗條件下的基于深度強化學(xué)習(xí)的多約束博弈對抗策略、博弈對抗推理的性能加速等關(guān)鍵技術(shù)，完成基于深度強化學(xué)習(xí)等方法的博弈推理算法訓(xùn)練和優(yōu)化，實現(xiàn)對復(fù)雜戰(zhàn)場態(tài)勢數(shù)據(jù)的高效快速處理，具備更強的場景動態(tài)適應(yīng)能力，從而提升戰(zhàn)場指揮決策能力。

3.4 強對抗環(huán)境下智能無人集群協(xié)同技術(shù)

在無人化系統(tǒng)飛速發(fā)展的大趨勢下，低成本大規(guī)模的無人化裝備對集群協(xié)同技術(shù)提出了全新的要求，尤其是在獲取多局部態(tài)勢感知的情況下，如何形成全局態(tài)勢的共享與整合，以及協(xié)同與對抗環(huán)境下實現(xiàn)群體高效的資源調(diào)度與分配，是未來實現(xiàn)無人集群實戰(zhàn)能力的關(guān)鍵需求。需要針對OODA各環(huán)節(jié)作戰(zhàn)實際問題，開展多智能體集群協(xié)同基礎(chǔ)理論與算法研究，突破實時多目標(biāo)協(xié)同探測技術(shù)、分布式目指信息融合技術(shù)、多對多目標(biāo)在線分配技術(shù)、多約束條件下軌跡在線規(guī)劃等關(guān)鍵技術(shù)，完成仿真與試驗驗證，提升無人化系統(tǒng)在戰(zhàn)場中的效能。

3.5 支持智能自主學(xué)習(xí)的共性基礎(chǔ)研究平臺技術(shù)

智能算法模型的研究和應(yīng)用需要通過“設(shè)計、訓(xùn)練、驗證、優(yōu)化”等步驟的多次迭代，較傳統(tǒng)航天裝備研制流程存在較大的差異，在工具軟件上也提出不同的需求。我國大部門工業(yè)軟件都依賴進(jìn)口，尤其在面向智能算法設(shè)計、訓(xùn)練、驗證、優(yōu)化的基礎(chǔ)機器學(xué)習(xí)框架方面，目前主要依賴于TensorFlow/PyTorch等國外的成熟產(chǎn)品，缺乏自主可控能力，且難以針對軍事應(yīng)用特殊需求進(jìn)行定制化改造。針對各類航天器智能決策模型的設(shè)計與能力評估驗證需求, 開展海量自博弈訓(xùn)練與評估系統(tǒng)架構(gòu)、樣式可靈活定義的裝備模型架構(gòu)等技術(shù)研究，模擬航天裝備高動態(tài)、強對抗環(huán)境，具備航天器智能集群的設(shè)計、推演、訓(xùn)練和測試全流程仿真及任務(wù)能力評估驗證能力，解決傳統(tǒng)仿真推演速度慢、無法支持智能模型訓(xùn)練等問題，有效提升面向航天裝備的智能決策模型設(shè)計和開發(fā)效率。

4 后續(xù)發(fā)展思考

4.1 建立國家政策與規(guī)劃，牽引多學(xué)科跨領(lǐng)域智能技術(shù)的共生共進(jìn)

考慮人工智能技術(shù)數(shù)據(jù)驅(qū)動的本質(zhì)特征，不同學(xué)科領(lǐng)域人工智能技術(shù)的成熟程度與數(shù)據(jù)獲取的難易程度呈現(xiàn)一定相關(guān)性。建立國家政策與布局規(guī)劃，明確人工智能技術(shù)的重點發(fā)展領(lǐng)域和要求，通過數(shù)據(jù)易獲取、技術(shù)成熟度高的領(lǐng)域牽引數(shù)據(jù)難獲取的低技術(shù)成熟度領(lǐng)域，整合技術(shù)資源，在多學(xué)科跨領(lǐng)域的技術(shù)整合過程中，實現(xiàn)智能技術(shù)的共生共進(jìn)。

4.2 設(shè)立組織機構(gòu)和共享機制，統(tǒng)籌資源形成共建共用的開放共享生態(tài)

大規(guī)模的高質(zhì)量樣本數(shù)據(jù)是高水平智能技術(shù)應(yīng)用的前提條件。目前的樣本數(shù)據(jù)資源較為封閉，大多自建自用，孤立散布，尚未形成大型數(shù)據(jù)集規(guī)模，且不存在共享共用機制，既無法充分利用數(shù)據(jù)資源，又限制了智能技術(shù)在裝備中的落地應(yīng)用。設(shè)立軍事人工智能樣本數(shù)據(jù)管理與應(yīng)用中心，通過組織機構(gòu)的統(tǒng)一管理，統(tǒng)籌散布的樣本數(shù)據(jù)資源，開展規(guī)范化的樣本數(shù)據(jù)流轉(zhuǎn)治理，建設(shè)樣本數(shù)據(jù)流轉(zhuǎn)管理機制，在確保安全保密的前提下形成基礎(chǔ)樣本數(shù)據(jù)共研共建共用的開放共享生態(tài)。

4.3 建立統(tǒng)一的智能化測評標(biāo)準(zhǔn)規(guī)范，為軍事智能技術(shù)應(yīng)用安全性可信性提供基礎(chǔ)支撐

結(jié)合軍事智能技術(shù)及其系統(tǒng)發(fā)展需求，明確軍事智能系統(tǒng)測試測評標(biāo)準(zhǔn)規(guī)范研究范圍、分類規(guī)則，形成覆蓋軍事智能各方向、適應(yīng)和引導(dǎo)軍事智能技術(shù)發(fā)展的測試測評標(biāo)準(zhǔn)規(guī)范框架，加強軍事智能標(biāo)準(zhǔn)頂層設(shè)計，同時需要建立人工智能安全測評規(guī)范，量化安全使用標(biāo)準(zhǔn)，為后續(xù)軍事智能技術(shù)的可信性安全性評估提供支撐。

4.4 打造專用自主可控的設(shè)計、訓(xùn)練和驗證一體化平臺工具，為軍事智能技術(shù)應(yīng)用提供基礎(chǔ)支撐

航天裝備具有廣域、高速和高動態(tài)特點，而且應(yīng)用環(huán)境復(fù)雜多變且不確定，以TensorFlow、PyTorch等為代表的通用機器學(xué)習(xí)框架本地化能力還有所欠缺，將為后續(xù)移植應(yīng)用帶來影響，同時實現(xiàn)智能模型的訓(xùn)練和驗證需要與專業(yè)化的模擬對抗環(huán)境相結(jié)合。因此，必須加大科研投入力度，開發(fā)出具有自主知識產(chǎn)權(quán)的開源訓(xùn)練和驗證一體化平臺工具，支持智能化裝備的智能算法設(shè)計訓(xùn)練與驗證。

4.5 加快構(gòu)建智能化裝備研發(fā)的全鏈條布局，創(chuàng)新軍事智能技術(shù)應(yīng)用模式

圍繞面向未來智能化無人裝備研發(fā)和應(yīng)用的各個環(huán)節(jié)，加大技術(shù)力量和經(jīng)費投入、體系化布局，做好人工智能技術(shù)面向裝備賦能在技術(shù)指標(biāo)上的銜接，不斷迭代推進(jìn)技術(shù)成果，以集成落地形式，推動一些關(guān)鍵領(lǐng)域取得重要突破，實現(xiàn)人工智能技術(shù)成果的轉(zhuǎn)化應(yīng)用，賦能航天裝備升級換代，形成不斷迭代優(yōu)化、推陳出新發(fā)展的良好局面。