郭寶寶 楊章勇 張自翔 張佳寧

摘? 要：眾所周知，深度學(xué)習(xí)是機器學(xué)習(xí)領(lǐng)域的一個新的研究方向，近年來隨著深度學(xué)習(xí)技術(shù)的不斷創(chuàng)新與升級，其發(fā)展成就令人矚目。與此同時，深度學(xué)習(xí)技術(shù)的應(yīng)用范圍不斷擴張，對眾多行業(yè)、產(chǎn)業(yè)都起到了積極推動作用，在軍事領(lǐng)域同樣也占據(jù)著重要地位，受到了廣泛關(guān)注。文章深入分析深度學(xué)習(xí)技術(shù)在輔助決策中的具體應(yīng)用，探討研究其遇到的挑戰(zhàn)與應(yīng)用前景，為深度學(xué)習(xí)技術(shù)在未來軍事領(lǐng)域的加速發(fā)展與應(yīng)用提供參考。

關(guān)鍵詞：深度學(xué)習(xí)技術(shù);輔助決策;應(yīng)用研究

中圖分類號：E926 文獻標志碼：A? ? ? ? ?文章編號：2095-2945（2020）22-0175-02

Abstract： As is known to all， Deep Learning is a new research direction in the field of machine learning. In recent years， with the continuous innovation and upgrading of Deep Learning technology， its development achievements are remarkable. At the same time， the scope of application of Deep Learning technology is constantly expanding， which has played a positive role in promoting many industries and industries and occupied an important position in the military field， thus receiving public attention. This paper deeply analyzes the specific application of Deep Learning technology in auxiliary decision-making， and discusses the challenges and application prospects of Deep Learning technology， so as to provide reference for the accelerated development and application of Deep Learning technology in the military field in the future.

Keywords： Deep Learning technology; auxiliary decision-making; applied research

輔助決策是軍事領(lǐng)域中的重要內(nèi)容，直接影響到后續(xù)的作戰(zhàn)進程和作戰(zhàn)效果，現(xiàn)階段，輔助決策水平有限，規(guī)劃結(jié)果可信度不高。隨著高新技術(shù)在軍事領(lǐng)域的應(yīng)用，深度學(xué)習(xí)技術(shù)逐步被引入到任務(wù)規(guī)劃工作中，從實際效果看，能夠有效協(xié)助指揮員分析戰(zhàn)場局勢、做出正確判斷、進行有效決策、實施精準指揮。

1 深度學(xué)習(xí)技術(shù)概述

深度學(xué)習(xí)這個概念最早是由多倫多教授提出，他于2006年開啟了深入學(xué)習(xí)與研究，掀起了一定熱潮。其論述中闡明了兩個觀點，一個是利用計算機模擬人類大腦的神經(jīng)元進行工作，另一個是采用逐層訓(xùn)練方法對神經(jīng)網(wǎng)絡(luò)參數(shù)進行訓(xùn)練，這兩種觀念在當時具有一定先見性。

深度學(xué)習(xí)項目于2010年開始被逐漸重視并投入資金進行深入研究與開發(fā)，2011年在語音識別方面取得重大突破，能夠大大降低語音識別領(lǐng)域語音識別的出錯率。2012年，在圖像識別方面取得了驚人成就，接下來又陸續(xù)在其他自然領(lǐng)域取得了重大突破，將深度學(xué)習(xí)技術(shù)推向了新的高潮，受到了更多的矚目和追捧。

深度學(xué)習(xí)技術(shù)發(fā)展至今，愈發(fā)成熟和先進，又與網(wǎng)絡(luò)技術(shù)、信息技術(shù)等多項技術(shù)進行了拓展融合，提升了工作效率，較好地服務(wù)于各行各業(yè)，且在軍事領(lǐng)域也做出了不小的貢獻。

2 深度學(xué)習(xí)技術(shù)在輔助決策中的具體應(yīng)用

深度學(xué)習(xí)技術(shù)是伴隨智能化發(fā)展而崛起的一項創(chuàng)新技術(shù)，具有一定前瞻性、先進性和智能性，是軍事領(lǐng)域特別是輔助決策中不可或缺的工具和手段，其具體應(yīng)用如下：

2.1 借助目標識別功能掌握情況分析任務(wù)

深度學(xué)習(xí)技術(shù)是一項顛覆傳統(tǒng)人工智能系統(tǒng)運行規(guī)則的技術(shù)，可以模擬人類大腦，可以通過多層卷積神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)抽象識別模式，提高目標識別速度和識別效率。戰(zhàn)場局勢的了解與掌控至關(guān)重要，可以借助深度學(xué)習(xí)技術(shù)中的目標識別功能實現(xiàn)目標的快速定位、快速識別和威脅程度判斷，有利于指揮員對整個戰(zhàn)場局勢的掌握，加深對戰(zhàn)場情況的理解。除此之外，深度學(xué)習(xí)技術(shù)還可在海量數(shù)據(jù)中篩選有用情報，并進行智能化處理和分析，為指揮員提供全方位的可靠情報。在國外，比較有名的是電磁頻譜感知與“對抗環(huán)境中的目標識別與適應(yīng)”技術(shù)，該技術(shù)主要是在飛機駕駛艙引入深度學(xué)習(xí)高級算法，從而提高識別準確度和實時性，很大程度解決了以往智能設(shè)備自主認知難的問題。國內(nèi)研究人員設(shè)計了一款基于卷積神經(jīng)網(wǎng)絡(luò)的艦船目標融合識別方法，該方法對可見光、中波紅外線和長波紅外線三波段進行特征提取，并利用信息的方法將采集到的波線進行分析，從而對艦船目標進行精準識別。深度學(xué)習(xí)技術(shù)中目標識別功能不僅可以協(xié)助指揮員迅速掌握戰(zhàn)場情況，還可結(jié)合收集到的戰(zhàn)場信息對任務(wù)進行智能分析與處理，確保始終把握戰(zhàn)爭主動權(quán)。

2.2 借助感知理解功能設(shè)計任務(wù)制定方案

在信息采集、信息傳輸、信息共享、信息存儲技術(shù)不斷發(fā)展的背景下，戰(zhàn)場也產(chǎn)生了大量不完備、不確定的復(fù)雜結(jié)構(gòu)信息，使得戰(zhàn)爭中的評估工作變得非常困難，以往簡單線性模型的智能方法呈現(xiàn)出一定的局限性和滯后性，深度學(xué)習(xí)技術(shù)中的理解感知功能被逐步應(yīng)用到評估環(huán)節(jié)中。深度學(xué)習(xí)技術(shù)中的感知功能與人腦感知和學(xué)習(xí)相似，采用多層感知器模型有機組合，擁有強大的記憶功能、存儲功能、理解功能與自動分析功能，利于在瞬息萬變的戰(zhàn)場中認清形勢、把握時局，指揮員在了解戰(zhàn)場情況后可對戰(zhàn)場環(huán)境與形勢進行準確評估與任務(wù)設(shè)計，圍繞任務(wù)進行處理分析。深度學(xué)習(xí)技術(shù)中高級理解功能更為強大，能夠在態(tài)勢感知理解過程中實現(xiàn)戰(zhàn)場態(tài)勢預(yù)估，還可以通過收集以往實戰(zhàn)數(shù)據(jù)、對抗數(shù)據(jù)和推演數(shù)據(jù)等多方面的數(shù)據(jù)，并借助深度網(wǎng)絡(luò)模型，提取出最具參考性的數(shù)據(jù)，有助于指揮員掌握戰(zhàn)爭的全局信息，抓住戰(zhàn)爭走向，調(diào)整完善方案。

2.3 借助認知決策功能做出判斷正確指揮

深度學(xué)習(xí)技術(shù)的發(fā)展僅用了短短數(shù)十年，就可在圖像與語音識別領(lǐng)域進行識別理解，一些智能功能甚至超出了人類水平，其應(yīng)用前景非常廣闊。其中，決策功能是近些年取得的最重要成果，通過訓(xùn)練，機器可直接實現(xiàn)對人類直覺思維特性的模擬，簡單來說，就是可以實現(xiàn)如人類一般的思考，在一些比賽中甚至可以超過人類的智慧與技巧，證明其決策功能的強大。實踐表明，認知決策功能可以很好的適應(yīng)復(fù)雜多變的戰(zhàn)場環(huán)境，可對不確定性因素進行推理計算，一定程度上取代人力計算，在輔助決策中的應(yīng)用優(yōu)勢較為明顯。近年來，越來越多的學(xué)者參與到深度學(xué)習(xí)技術(shù)的決策功能研究中，發(fā)現(xiàn)智能決策技術(shù)能夠輔助指揮員進一步認清局勢，在復(fù)雜的局勢中制定出最合理、最科學(xué)的計劃，并可協(xié)助指揮員迅速贏得戰(zhàn)爭先機，做出更準確判斷，更有效調(diào)動部隊，從而做出更精準而嚴謹?shù)闹笓]。

3 深度學(xué)習(xí)技術(shù)在輔助決策中的應(yīng)用挑戰(zhàn)與應(yīng)用前景

3.1 深度學(xué)習(xí)技術(shù)在目標識別領(lǐng)域的應(yīng)用挑戰(zhàn)與應(yīng)用前景

雖然當下的深度學(xué)習(xí)技術(shù)已經(jīng)在目標識別領(lǐng)域有所突破，并顯現(xiàn)出突出優(yōu)勢，但也面臨著諸多挑戰(zhàn)。首先，民間領(lǐng)域深度學(xué)習(xí)方法均是立足于海量樣本數(shù)據(jù)，而由于軍事目標的高度保密性，易造成認知樣本數(shù)據(jù)的稀有或缺失，需要目標識別技術(shù)針對稀缺認知樣本處理能力的提高與突破;其次，由于軍事領(lǐng)域的竊密與反竊密斗爭愈演愈烈，加重了傳感器采集數(shù)據(jù)的難度，數(shù)據(jù)的不完整性、模糊性特性逐漸加強，客觀上要求不確定性信息條件下的目標識別技術(shù)的改進提高;最后，現(xiàn)代戰(zhàn)場局勢瞬息萬變，戰(zhàn)爭節(jié)奏越來越快，需要及時了解戰(zhàn)場信息，對深度學(xué)習(xí)技術(shù)目標識別的實時性提出了更高要求。

3.2 深度學(xué)習(xí)技術(shù)在感知領(lǐng)域的應(yīng)用挑戰(zhàn)與應(yīng)用前景

現(xiàn)代戰(zhàn)爭的復(fù)雜性明顯加劇，使得以往技術(shù)不能完全適應(yīng)當下需求和未來發(fā)展，亟需做出調(diào)整與改變。一方面，基于深度學(xué)習(xí)的戰(zhàn)場大數(shù)據(jù)分析技術(shù)是未來發(fā)展的方向，能夠更好地描述戰(zhàn)場態(tài)勢，有利于指揮員及時了解現(xiàn)狀并作出預(yù)判和指揮;另一方面，戰(zhàn)場態(tài)勢理解技術(shù)也是未來發(fā)展重點，以往態(tài)勢理解與評估是基于簡單的指標樹，利用線性疊加不同權(quán)重的方法完成的，雖然具有一定優(yōu)勢和作用，但是越來越不適應(yīng)不確定性、非線性的現(xiàn)代戰(zhàn)爭，因此，感知理解技術(shù)的發(fā)展是其在軍事領(lǐng)域應(yīng)用的必然要求，旨在全面了解戰(zhàn)場態(tài)勢，提高評估工作的準確性，更加深刻理解戰(zhàn)爭。

3.3 深度學(xué)習(xí)技術(shù)在決策領(lǐng)域的應(yīng)用挑戰(zhàn)與應(yīng)用前景

首先，深度學(xué)習(xí)可理解性有待提高，雖然當下的深度學(xué)習(xí)技術(shù)已經(jīng)可以實現(xiàn)識別、理解、認知與決策，其決策能力有時甚至優(yōu)于人類，但是機器無法向用戶解釋觀點依據(jù)與決策結(jié)論，用戶也無法利用自身思維深入理解學(xué)習(xí)方法的決策過程，因而得出的結(jié)論有可能存在偏差;其次，深度強化學(xué)習(xí)的多實體聯(lián)合決策技術(shù)有待突破，聯(lián)合作戰(zhàn)是現(xiàn)代戰(zhàn)爭發(fā)展的必然趨勢，需要實現(xiàn)多元化、多實體聯(lián)合決策;最后，不確定、不健全信息條件的推理決策技術(shù)有待深入研究，現(xiàn)代戰(zhàn)爭不確定的因素越來越多，多種因素交織互聯(lián)，牽一發(fā)而動全身，要有效應(yīng)對挑戰(zhàn)降低風(fēng)險，推理決策技術(shù)需要有更大的創(chuàng)新與突破。

4 結(jié)束語

綜上所述，深度學(xué)習(xí)技術(shù)是一項具有智能化特征的創(chuàng)新技術(shù)，已經(jīng)應(yīng)用于眾多行業(yè)、較多領(lǐng)域，優(yōu)勢明顯、效果顯著。其在軍事領(lǐng)域輔助決策中同樣充當了重要角色、發(fā)揮了重要作用，目標識別技術(shù)有利于戰(zhàn)場信息的全面搜集，感知技術(shù)可以做出戰(zhàn)局預(yù)判與評估，決策技術(shù)支持方案計劃的制定與實施。挑戰(zhàn)與機遇并存下，深度學(xué)習(xí)技術(shù)未來在軍事領(lǐng)域的發(fā)展前景更為廣闊。

參考文獻：

[1]鮮勇，李揚.人工智能技術(shù)對未來空戰(zhàn)武器的變革與展望[J].航空兵器，2019，26（05）：26-31.

[2]蔡云驤，李林，楊圣勤.人工智能技術(shù)在作戰(zhàn)保障領(lǐng)域的應(yīng)用與發(fā)展[J].國防科技，2019，40（04）：45-49.

[3]楊萍，畢義明，肖海波，等.復(fù)雜約束下的導(dǎo)彈作戰(zhàn)任務(wù)規(guī)劃模型和算法研究[J].指揮控制與仿真，2009，31（02）：14-17+41.