智能化指挥决策力生成研究

毛钦润 杜松廷 黄志成

中国人民武装警察部队警官学院 610213

摘要：意大利军事思想家杜黑说过：“想要制造一件好的战争工具，必须先问自己下次战争将是什么样子。”[1]当前，人工智能技术正在成为推动新一轮军事变革的强大动力，智能化战争已经悄然诞生。在作战指挥领域，利用人工智能技术可以有效缩短OODA环的时间，极大提升态势感知、情况研判、分析决策、方案生成等能力，确保指挥决策的科学性、时效性和正确性。揭示智能化战争指挥决策能力生成机理，探索智能化指挥决策力生成途径，具有十分重要的理论意义和现实意义；因此，笔者对其进行研究。

关键词：智能化；智慧系统

1 智能化指挥决策力生成机理

1.1 指挥决策系统一般性运行机理

在不考虑外界干扰对决策系统影响的情况下，决策系统内部各要素所构成的系统是极性为“正”的回路，即决策系统内各要素或变量不断趋于增强。系统运行所遵循的机理：决策主体通过建立恰当的决策机制、合理的组织决策活动、加工和利用决策信息，最终形成决策结果，交由决策对象执行并反馈到决策主体。

指挥决策能力的产生源自决策系统的运行过程：1)决策过程是通过决策主体主导，充分利用决策信息，运用科学的决策机制，设计合理高效的组织流程，最终体现于决策对象执行效果上的活动。决策主体的能力越强，决策信息越完备、越真实，决策依据越可信；决策机制运用的越科学合理，决策组织越严谨周密，决策结果越安全可靠，决策对象执行起来风险越小、越可控。2)在决策系统内，各要素都指向决策结果，决策结果与决策要素同向变化，从任意一个要素出发，指向其他任意一个要素，都可形成闭合回路。当然，在众多回路中，由“决策主体-决策机制-决策组织-决策信息-决策结果”构成的回路起主导作用。客观上，起主导作用的闭环相对可控，而决策对象及其执行作战计划后所产生的作战效果，往往会受到敌方干扰和阻挠。

需要注意的是，决策系统是有积累过程的闭合系统[2]，系统存在2类变量：1)决策系统状态变量，即决策主体、决策能力、决策信息、决策结果、决策对象；2)决策系统外部变量-敌方对抗和外部环境干扰。通常情况下，居于决策主回路做正功，而外部变量将产生负向功效，影响状态变量，系统状态变量会随着时间的推移增值或减值。

在真实的军事对抗环境下，受客观环境和敌方对抗的影响，决策主体、决策信息与决策对象都极易被敌方干扰与破坏，决策系统不可能不断趋于增强。由于决策系统具有寻优的特性，当负反馈回路为奇数个时，将通过正负反馈共同作用保持相对平衡稳定；因此，在实际作战中，敌我双方往往追求决策回路的相对稳定和相对高效，谁能使己方决策回路的运行效果压制住对方，谁就能够成为获胜者。

1.2 智能化指挥决策系统特殊性机理

智能化决策系统并没有违背一般性运行机理，而是将人工智能技术融入决策系统中，利用智能主体或智能辅助工具克服外部变量对系统正常工作的不良影响，变消极影响为积极影响，改善系统状态变量间的流率，促进决策回路循环，提高决策系统的总能量和功率。实战中，对于外部影响因子，主要利用智能化系统或武器平台，及时感知战场态势，准确判断敌方企图，及时预测敌方行动对己方作战行动可能产生的影响，制定并采取有效应对措施，降低或抵消外部环境所导致的负反馈作用效果；对于内部影响因子，则通过提高决策主体的决策能力，增加决策信息的真实度和利用率，加快决策回路运行速率，改善决策回路运行的时效性和稳定性。这正是人工智能技术在决策系统中所发挥的特殊作用，即如图3所示的智能化作战指挥决策的特殊性机理。

2 智能化指挥决策力生成途径

2.1 构建支撑决策的数据资源

数据是新时代战争的战略资源，是支撑战争预测、战争准备、战争决策的基石，正可谓“兵马未动，数据先行”。智能时代战争，要求决策者必须从海量、复杂、零散的数据中捕获热点，洞察关键契机，分析、挖掘有价值的数据信息，并将获取的信息快速整合、对比、分析，为态势感知和趋势预测提供可靠依据，为指挥员和决策机关拟制、优选作战方案提供参考。然而，由于大数据价值密度的稀疏性，支撑决策的关键信息获取就成为关键。

构建支撑决策的数据资源，可从以下3方面寻求突破：

1)提高数据侦测能力。在2011年美军“海王星之矛”行动中，美国通过“长曲棍球”和“锁眼KH-12”天基卫星监视追踪本·拉登，中情局情报分析师利用5年时间对所有线索进行分析串联，最终锁定本·拉登的位置。大数据时代要拓宽数据侦测、搜集渠道，既要沿用陆海空天电数据侦测手段，又要援引吸收大数据资源，克服数据来源单一、内容范畴狭窄的现象。由分析样本数据到分析痕迹数据，由追溯因果关系到嗅察相关关系，推动军民融合，实现数据获取从被动到主动、从主动到自动的转变。

2)推动数据结构化。数据结构化是为了使海量的数据便于存储和使用而采用的数据格式化、结构化技术。以往军事资料大多以文本、文件的形式存储，只能供人类阅读学习，而无法用于机器学习，加之存储量大、可视化效果差、机器读取困难等矛盾比较突出，很多有价值的数据被包裹在机器无法理解的逻辑“外衣”下。如何让机器能够“从战争中学习战争”，首先要让机器能够读懂战争，将文本信息转化为数据语言将是无法回避的问题。

3)建立分布式作战云。智能决策不是无源之水、无本之木，作战云是支撑算法的基石。所谓云，即分布式存储计算或云计算，与大数据就像是硬币的两面一样密不可分，是数据资源建设中最重要的一个环节。云计算主要基于分布式存储提供大容量的存储空间和提高计算效率，具有规模大、虚拟化、可用性强、成本低等优点，云计算可以将数据整体模块分解成若干子模块，通过自动调度数据模块执行作业和任务。过去考虑到军事数据的安全性和保密性，数据的规模、输入与输出始终受限。当前，应制定建立安全的保密协议与接口，引接民用、商用等领域的数据，充实作战云资源。

2.2 开发自主决策的智能系统

1)基于多源异构大数据的态势分析技术。战场大数据信息源于陆、海、空、天、电等多域空间，对信息的理解直接考验着指挥员的知识结构、认知水平和阅历经验，而通过机器智能技术对数据进行统一、标准的结构化表示，能客观、准确、动态地反映战场威胁、目标态势和行动效果。同时，对少量关键特征信息的抽取和分析，可以形成多源数据间的关联、互补和共享，有助于指挥员准确判断和全面掌握战场态势。

2)基于不完整信息条件下的自主决策技术。可以预见，未来战争允许指挥员进行决策的时间将十分紧迫，而指挥员掌握的战场信息又普遍是不完整的，即使是经验丰富的指挥员，也很难在错综复杂的博弈对局中给出最优的对策。基于不完全信息条件下的自主决策技术是利用战场大数据深度挖掘作战行为模式，从大量战争实践和训练中自主学习与进化，构建行为模式库，就像Alpha Go从数以万计的棋局中学习快速走子一样，帮助指挥员突破仅仅依靠有限经验的固定逻辑思维，提高决策的时效性和准确性。

2.3 建立人机协作的信任机制

建立有效的人机协作机制，提升人机信任度是确保智能化指挥决策高效运行的前提，也是推动实现自主决策的必然选择。真正的人机协作并不是以人为主或以人工智能为主，而是实现人机一体化：采用身份识别、语义识别、手势识别、行为识别、脑电识别及响应等方式，实现高效的人机交互，通过机器情感表达及作战决策过程可视化，建立人与机器之间的互信交流机制，实现有人/无人系统的高效互补、快速联动。

3 结束语

研究的指挥决策能力是打赢智能化战争的核心战斗力，研究智能化指挥决策需要与指挥体系、指挥方式等相结合，以理论引领实践、以技术推动革新。这既是军队自身发展的需要，又是未来战争的需要。

参考文献

[1] 杜黑.空权论[M].武汉:华中科技大学出版社,2016:125.

[2] 王其藩.系统动力学[M].上海:财经大学出版社,2009:25-50.

[3] 戴旭.不战之困[M].武汉:武汉出版社, 2011:35-47.

[4] 董连山.智能化作战基本问题[J].中国军事科学,2020(4):1-7.

[5] 胡晓峰.战争科学论[M].北京:科学出版社, 2018:52-69.
作者简介：
毛钦润，男，湖北咸宁（2001年6月23日）中国人民武装警察部队警官学院。
杜松廷，男，重庆江津（2001年8月20日）中国人民武装警察部队警官学院。
黄志成，男，江西宜春（2002年5月3日）中国人民武装警察部队警官学院。