人工智能技術現已進入到一個新的高速增長期,是公認最有可能改變未來世界的顛覆性技術。從“深藍”戰勝卡斯帕羅夫，到機器學習技術在語音識別、圖像識別、自然語言處理等諸多領域取得突破，再到AlphaGo戰勝李世石，機器智能已經從計算智能、感知智能發展到了認知智能，達到了一個前所未有的新高度。以美國為代表的世界軍事強國，預見到人工智能技術在軍事領域的廣闊應用前景，認為未來的軍備競賽是智能化的比拼，并已提前布局了一系列研究計劃，發布第三次抵消戰略，力求在智能化上與潛在對手拉開代差。落后即意味著受制于人，為避免因喪失發展先機而造成巨大代差，我國亟待迎頭趕上，大力發展人工智能技術的軍事應用研究。
人工智能技術的發展經歷了60年的歷程，幾起幾落之后進入到一個新的高速增長期。2016年，AlphaGo戰勝李世石，代表人工智能進入到一個新紀元。接下來，人工智能在各領域中取得的突破可能會呈現出爆發式的增長，機器智能水平也將呈現出指數型提升。專家預測的平均數據表明，2045年將是奇點到來之年，屆時機器的智能水平將超過人類。
從智能化水平上來看，人工智能大體可以分為計算智能、感知智能和認知智能三類
計算智能——超越人類：以科學運算、邏輯處理、統計查詢等形式化規則化運算為核心。在這方面計算機早已經超過人類，比如超級巨型機“天河”的科學計算和“深藍”基于規則的暴力搜索。但也還有很多事情做不好，比如像集合證明、數學符號證明一類的復雜邏輯推理，仍需要直覺的輔助。
感知智能——接近人類：以圖像理解、語音識別、語言翻譯為代表。近期由于深度學習方法的突破，取得了重大進展，開始逐步趨于實用水平。比如科大訊飛的語音識別準確率97%，微軟語音識別錯誤率5.9%，已等同于普通人的水平。自然語言處理方面，谷歌已經能夠做到大段文字的翻譯，覆蓋十多個語種。蘋果Siri、微軟小冰、小娜等已經能夠與人進行聊天。圖像處理方面，谷歌能夠讓機器從成千上萬的圖片中準確識別貓。此外，人臉、性別、年齡、情緒等識別也日趨實用化。在運動方面，波士頓動力的機器“大狗”反應非常靈活，不僅可以適應各種地形，還可以經受突然的沖擊力而保持不倒。
認知智能——剛剛起步：以理解、推理和決策為代表，強調會思考、能決策等。因其綜合性更強，更接近人類智能，研究難度更大，長期依賴一直進展緩慢。IBM的問答智能程序“沃森”及谷歌的無人車等，就是比較接近此類智能的典型。沃森戰勝人類使得人工智能面臨重大拐點，它采用專家系統方式，以大數據的關聯分析和統計特征進行推理。谷歌無人駕駛領取駕照標志著無人平臺開始融入社會，這其中涉及到道路識別、行車監視、態勢理解、情況判斷、準確決策等智能化問題。
上世紀70年代，決策支持系統（Decision Support System）被提出，希望借助計算機，基于模型庫、數據庫、知識庫、方法庫等，為決策人員提供幫助。基于該模式，美軍研制了JOPES、CEM、CAMPS、JMPS、SPADS等一系列指揮控制決策支持系統。這些系統在實際軍事行動中得到了應用，例如90年代初的沙漠風暴行動，從最簡單的貨物空運到復雜的行動協調都由專家系統完成。但這類系統大多采用人在回路的方式，指揮員仍是指揮決策的關鍵，目標分析、方案擬定等關鍵步驟主要由指揮員完成，機器只是提供計算層面的支持。現在看來，屬于“計算智能”，沒到“認知智能”。
美軍很早就開始探索人工智能技術在軍事領域的應用。DARPA于2007年啟動了“深綠(Deep Green)”計劃，目的是將仿真嵌入指揮控制系統，提高指揮員臨機決策的速度和質量。其核心技術是平行仿真，在指揮作戰過程中，基于實時戰場態勢數據，通過計算機多次模擬仿真，推演出敵我采用不同作戰方案可能產生的結果，預測敵方可能采取的行動和戰場形勢可能的走向，引導指揮官做出正確的決策，縮短制定和調整作戰計劃的時間。雖因主管領導更迭和經費削減等原因于2011年暫停，但其提出思路和方法值得借鑒。雖然項目中沒有使用機器學習等最新技術，但通過平行仿真預測敵方行動和態勢變化的方法，是在當時人工智能水平下的一大創新，代表了美軍在推進指揮控制向智能化發展的先期探索性研究。
圖1 美軍“深綠”系統
2009年至2014年間，DARPA先后啟動了Insight、XDATA、Big Mechanism、Deep Learning、DEFT、PPAML等大量基礎技術研究項目，探索發展從文本、圖像、聲音、視頻、傳感器等不同類型多源數據中自主獲取、處理信息、提取關鍵特征、挖掘關聯關系的相關技術。同時，DARPA還布局了一系列面向實際作戰任務背景的項目。例如Mind’s Eye計劃用于探索一種能夠根據視覺信息進行態勢認知和推理的監視系統；TRACE計劃嘗試用機器學習、遷移學習等智能算法解決對抗條件下態勢目標的自主認知，幫助指揮員快速定位、識別目標并判斷其威脅程度；DBM計劃發展戰場決策助手，幫助飛行員在對抗條件下理解戰場態勢、自主生成行動建議并能夠管理無人駕駛的僚機；TEAM-US計劃嘗試將人與機器深度融合為共生的有機整體，讓機器的精準和人類的可能性完美結合，并利用機器的速度和力量讓人類做出最佳判斷，從而提升認知速度和精度。
2015年12月，美國防部提出了第三次抵消戰略，圍繞智能化、自主化提出了5大關鍵技術領域。其中，自主學習技術與人機交互技術，利用人工智能技術綜合利用人的洞察力與計算機的高靈敏度，提升指揮員的決策效力。美國防部副部長沃克說“利用上述技術，可以壓縮指揮員在觀察、判斷、決策、行動（OODA）循環中的時間，實現多域聯合作戰指揮和控制的目標，以取得未來戰爭的制勝權。”
2016年6月，美國辛辛那提大學開發的人工智能系統“阿爾法”，在模擬空戰模擬器中100%擊敗了經驗豐富的美退役空軍上校。該上校表示：“這是我見過的最具侵略性、敏捷性、變化性和可靠性的AI。”據稱，阿爾法在空中格斗中快速協調戰術計劃比人類快了250倍，從傳感器搜集信息、分析處理到作出正確反應，整個過程不到1毫秒，可同時躲避數十枚導彈并對多目標進行攻擊，還能協調隊友、觀察學習敵人戰術，而硬件成本僅為售價500美元的普通PC機。該技術是AI在交戰控制領域應用的重大突破，未來可用于訓練人類飛行員，甚至可在通信條件不佳的情況下接管無人機的行動控制。
圖2 “阿爾法”AI空戰系統
2016年10月-12月期間，美國總統辦公室發布《為人工智能的未來做好準備》和《美國國家人工智能研究與發展策略規劃》、《人工智能、自動化和經濟》三份重要報告，對人工智能技術及相關產業的發展進行了全面規劃，目的是確保美國AI的領先地位。
2016年底，美軍啟動指揮官虛擬參謀（Commander’s Virtual Staff）項目，旨在通過綜合應用認知計算、人工智能等技術，來應對海量數據源及復雜戰場態勢，提供主動建議、高級分析及自然人機交互，從而為指揮官及其參謀制定戰術決策提供從規劃、準備、執行到行動回顧全過程的決策支持。
分析認為，美軍“深綠”的失敗說明傳統的人工智能方法存在瓶頸，而阿爾法AI的成功，讓人們看到以機器學習+大數據為代表的現代人工智能技術，可以突破瓶頸，創出一條新的途徑。而第三次抵消戰略、三份白宮報告，以及剛啟動的一系列創新研究項目，都表現出美軍的雄心壯志，未來將掀起全世界智能化裝備競賽。
