从作战体系升级谈“智胜”机理：体系进化快者

　　●体系进化快者胜

　　从作战体系升级谈“智胜”机理

　　■袁 艺 朱 丰

　　要点提示

　　●未来战争中，制智权将上升为核心关键制权。夺取制智权的关键，是保持我作战体系进化并阻碍敌作战体系进化的自由。

　　●战争时间越持久，作战体系进化速度快的一方就越有利，在马太效应的作用下，最终结果将是体系进化快者胜。

　　●对于智能化作战体系而言，初始能力固然重要，但进化能力同样重要。应把是否具备自学习和自进化能力，作为衡量智能化作战体系优劣的重要指标。

　　当前，新一代人工智能技术正在引发链式突破并迅速向军事领域拓展应用，推动作战体系由信息化向智能化加速跃升。新一代人工智能技术能够赋予作战体系自学习、自进化的能力，使得作战体系性质从无机系统向有机系统迈进。这种以往只有生物界有机体才具有的能力，成为未来智能化作战体系区别于传统作战体系的显著特征。

　　智能化作战体系进化不同于生物进化

　　智能化作战体系的进化，是指在体系工程、软件定义和新一代人工智能等技术的赋能支撑驱动下，作战体系通过自学习、自适应、自协同、自组织，随着时间的推移，其组织结构动态演进、作战功能逐步拓展、作战能力持续增强的能力、过程和现象。这种进化的特点概括起来，就是“主动进化、全局进化、无级进化和连续进化”。

　　“主动进化”，即人为设计引导控制下积极主动的人工进化。生物界的自然进化，是通过生物器官的用进废退和获得性遗传，使微小的变异逐渐长期积累而成的。这一过程，基因突变是随机的、不定向的，由物竞天择来不断淘汰不适应环境的类型，由自然选择主导着生物进化的方向，对于生物来说完全是一种被动进化。智能化作战体系作为一种特殊的人造工程系统，其进化的方向与目标、方式与途径，都是一开始就由人主动设计赋予的，因而是一种主动进化。

　　“全局进化”，即人、武器、人与武器的结合三者同步进化，个体与群体同步进化的全方位全要素进化。严格说来，传统作战体系也是有进化的。因为在训练和实战中，士兵作战技能越来越娴熟，指挥员指挥经验越来越丰富，都可视为一种进化。但传统作战体系中武器更新换代较慢、组织编制也相对固定，整体进化幅度小且速度慢，更多体现为人的局部进化。智能化作战体系进化则是要素全覆盖的全局进化，如通过虚拟现实、增强现实等技术，可使作战人员能力素质快速提升;通过智能算法的自学习，可持续提升装备性能;通过智能化的分布式作战管理和体系集成技术，可实现体系组织结构的动态演进和快速升级等。

　　“无级进化”，即代际进化和代内进化并存的平滑进化。传统作战体系中，装备发展是按代际或改进型号来进行的，升级时间较长，是一种阶跃式间断进步。当前，“载荷优先于平台、软件优先于硬件”的装备发展趋势日益明晰，装备划代的概念将逐渐模糊。未来作战体系进化方式，既有升级软件版本提升体系能力的代际进化，又有同一版本智能算法通过自学习方式提升体系能力的代内进化。通过软件与算法的快速迭代升级，使得作战体系在全寿命周期内，均可像汽车无级变速一样顺畅连续地进化。

　　“连续进化”，即平时进化和战时进化相衔接的不间断进化。平时，智能化作战体系可通过非战争军事行动、作战模拟仿真与试验、军事训练等，进行脱离实际交战的“离线进化”，以及在“灰色地带”与潜在对手进行侦察与反侦察、摩擦与反摩擦等大量“软接触”，不断积累数据并学习获取对抗“经验”而进化。战时，智能化作战体系可通过在大量的“刺激-观察-打击”作战循环中，获取爆发性增长的实战海量数据进行自适应快速学习，这种“在线进化”的针对性更强、进化质量更高、进化速度更快。

　　智能化作战体系具有多种进化模式

　　从复杂自适应系统角度看，智能化作战体系是一种人造的“活系统”或“超有机体”，一旦具备了进化的内驱力，就能产生自下而上、由内而外的进化方式和途径，形成多种多样的进化模式。从技术发展趋势看，未来至少有以下几种基本进化模式。

　　“经验共享、群体进化”模式。在边缘计算与云计算协同的工作环境中，智能化作战体系中的智能无人装备，在不同环境下执行不同类型的作战任务后，将习得的“经验”以数据的形式，通过网络上传至“作战云”中，而后将这些“经验”以在线升级的方式分享至其他个体，从而实现个体单独学习、群体共同受益的群体进化。这种进化理念已经在一些国外科研项目中得到体现。如国外科学家公布的“机器人大脑”计划，决定制造巨型“中央知识处理器”以支持世界各地的无数机器人。“机器人大脑”可以将互联网资源、计算机模拟以及机器人试验中得到的技能知识，逐步形成一套持续完善的技能知识库。世界各地的机器人可与之联网，直接按需获取技能，而不用从头学起。在军事领域，以往人的作战经验和指挥艺术过于抽象，因而只可意会不可言传、难以共享。运用这一进化模式，可以将作战经验和指挥艺术蕴含于作战数据之中，并以数据形式通过网络共享，为作战经验和指挥艺术的传承问题提供了解决方案。

　　“数字孪生、并行进化”模式。借助数字孪生技术，在虚拟的网络空间对实际作战体系进行智能化仿真模拟，建立“数字镜像”并对其不断迭代进化，最后再将进化结果适时映射到实际作战体系中，从而实现虚实联动的并行进化。

　　“左右互搏、对抗进化”模式。针对和平时期战争实践机会少、实战对抗数据特别是对手真实数据获取困难的问题，可运用深度学习、强化学习等手段，生成高逼真度的虚拟对手，并在试验环境下与虚拟对手反复对抗。通过这种战争预实践方式获取积累战争经验，以此不断改进完善作战体系，推进作战体系不断进化。例如，作为一种非常有潜力的深度学习模型，生成对抗网络采用博弈论中二人零和博弈思维，通过生成器和判别器的互相博弈，可把有限的小样本作战数据扩充为高可信度的大样本作战数据。再例如，运用强化学习，可反复进行基于基本作战规则的虚拟对抗，自动产生作战经验，自我创新升级战法，推进作战体系的进化。在这些“左右互搏”的虚拟对抗过程中，也增强了虚拟对手的潜力，反过来又促进了己方作战体系的进化，对解决对抗演练中“蓝军不强”等问题提供了新的解决方案。

　　智能化作战体系不断进化，将颠覆体系对抗观念

　　未来战争仍然是体系与体系的对抗，但对抗的主体由组织结构相对固化的传统作战体系，转变为可以自学习、自成长、自进化的智能化作战体系。这一重大转变对未来战争制胜机理、战场制权、作战体系构建、军事训练模式等方面，均将产生深刻影响。

　　催生了“体系进化快者胜”的战争制胜新机理。未来战争中，作战体系智能化程度高、进化能力强的一方，能够在激烈对抗中快速学习，不仅智能化装备在持续升级，组织结构也在不断动态优化调整，从而迅速适应对手、适应环境、适应任务，表现出极强的弹性韧性，在体系对抗中始终占据优势。随着战争进程的推移，双方作战体系进化的速度差带来的整体能力差将越来越大。也就是说，战争时间越持久，强者更强、弱者愈弱，作战体系进化速度快的一方就越有利。在马太效应的作用下，最终结果将是体系进化快者胜。

　　催生了以体系进化自由为核心的制智权。未来战争中，制智权将上升为核心关键制权。夺取制智权的关键，是保持我作战体系进化并阻碍敌作战体系进化的自由。未来战争中，作战双方都将采取各种手段、创造适宜条件，努力加快自身作战体系进化，同时通过误导进化方向、增大进化阻力等方式方法，压制敌作战体系进化，在进化速度和质量上始终压敌一头，才能夺取和保持制智权。

　　催生了进化能力与初始能力并重的体系构建理念。传统作战体系的构建，强调一开始就要尽量建立一个能力压倒对手的强大作战体系。对于智能化作战体系而言，初始能力固然重要，但进化能力同样重要。应把是否具备自学习和自进化能力，作为衡量智能化作战体系优劣的重要指标。在作战体系构建之初，就要运用体系工程、软件定义和人工智能等技术，赋予作战体系各个要素和组织结构以类生命的“活力”，夯实自学习、自进化的技术基础。平时，应善于进行大量的战争预实践活动，创造作战体系快速进化的条件与环境。战时，应通过数字孪生、平行世界等手段和理念，充分获取并利用实战数据，克服进化阻力，引导控制作战体系向正确方向快速进化。

　　催生了人装同训、人机共进的军事训练模式。在传统作战体系中，只有人是存在训练价值和能力提升潜力的要素。在智能化作战体系中，由于智能化装备具有了一定的自学习、自进化能力，军事训练的对象将由人拓展为人和装备，训练方式由人训练人为主，转变为人训练人、人训练装备、装备自训练等多种方式并存，形成了人装同训、人机共进的智能化军事训练模式。

　　(作者单位：军事科学院战争研究院)

　　相关链接

　　2016年，学习了16万盘围棋棋谱的AlphaGo一举战胜世界围棋名手李世石。2017年，依托无监督学习框架的AlphaGo Zero采取“无师自通”的“自我对弈”学习模式，在不读取前人棋谱的情况下自学，从围棋基本规则入手，自学3小时后开始具备人类初学者水平，自学19小时后总结出一些“经验”和“技巧”，自学3天后就战胜了AlphaGo，自学40天后即战胜2017年击败柯洁的AlphaGo Master。AlphaGo通过自学习不断提升对弈能力的现象，正是人工智能驱动下复杂系统持续进化的典型例子。

　　延伸阅读

　　●以暗胜明 以完胜缺 以快胜慢 以序胜乱

　　换个角度看“智胜”机理

　　■毛炜豪

　　要点提示

　　●智能决策系统的核心要素是数据、算法、通信和传感器。如果把智能决策系统看作是一个人，那么数据就代表经验，算法代表智商，通信代表神经系统，传感器则代表感官。

　　●相对于传统作战样式所强调的兵力、火力、机动力等要素，智能化战争更加注重态势感知能力、敌情分析能力、信息流转能力和集群控制能力等。

　　用前瞻性的目光构想智能化战争场景，研究其总体运行特征，洞察其内在制胜机理，有助于加速战争理念转变，推动现阶段智能化装备与体系建设实现跨越发展。

　　从RPD决策模型说起

　　智能化的核心是“自主决策”。探寻智能化战争制胜机理，需要深入分析决策的核心要素以及其对作战行动的影响。目前，人类是地球上智能化程度最高的生物，所有智能决策系统的本质都是对人类决策机制的模拟。因此，我们首先需要了解人类决策的机制。

　　认知心理学家指出，人类决策的主要模式是“直觉决策”。研究者基于此，构建了模拟人类决策过程的决策模型，称作“识别启动决策”(简称RPD)。所谓RPD决策模型，就是在某些决策场景中，大脑根据一些熟悉或似曾相识的线索，自动从经验和知识“数据库”中识别出最匹配的“模式”，从而激活或生成行动方案;然后通过“心理模拟”建立“心理模型”，即在头脑中想象方案运行和实施的场景，然后及时发现疏漏并予以修正，最终优化并确定行动方案;如果发现问题无法解决，大脑就会果断放弃这一方案，然后审视下一个选项。这一流程完全颠覆了我们通常所认为的“大脑会在几个方案中相互比较并优选出最佳方案”这一观念。

　　基于人类RPD决策机制，智能化系统的自主决策流程如下：

　　第一步，启动模式识别。所谓模式识别，就是根据战场上敌军的部署方式、装备特点、行动样式等，区分敌军的类型，判断敌方的意图。具体识别过程中，需要提取若干“线索”，如敌军的战斗队形、装备的外形特征、炮弹的弹道轨迹等。通过这些信息片段，从数据库中提取出最符合当前态势的敌军作战模式。

　　第二步，激活行动方案。当确认对方的作战模式后，就要针对性地制订应对方案。如：对方兵力较少，可采取包围战术;对方正面防御较强，可采取迂回战术;对方雷达探测能力较强，可采取低空突防;等等。事实上，行动方案也需要提前建立数据库，里面存储非常具体的战术级行动的实施细节。智能系统所做的，就是把这些战术细节进行优化组合，形成一套相对合理的行动方案，经过快速检验评估后将其激活。

　　第三步，控制作战行动。激活行动方案后，智能化作战系统还要通过稳定有效的机制，来调控作战行动的实施，确保作战行动忙而不乱、有序推进。这种机制包括：调整战斗队形、建立防御机制、切换加密信道、激活紧急预案等。

　　第四步，评估结果并循环运行。当行动方案实施后，智能系统要运用各类传感器平台，对行动结果进行评估。如敌方的火力毁伤效果、战斗队形变化、攻防样式调整等。尔后针对上述动态情况，再次启动模式识别、激活行动方案、评估行动结果。

　　智能决策系统的核心要素

　　智能化系统的决策流程之外，还有两个条件需要满足：一是前期的“建库”，即“建立知识数据库”。RPD决策模型主要依据的是个体经验和专业知识，对于“门外汉”而言，这个模型根本无法运转。因此，RPD决策模型一般适用于经验丰富者或某领域的专家。这就意味着，战场上智能作战系统要进行自主决策，必须在系统内建立庞大的“知识数据库”，以确保能够启动RPD决策模型。二是后续的更新，即在战斗结束后更新数据库。当对敌人的打击达到预期目的后，智能系统结束战斗，退出战场，并将战斗中出现的新情况以特定格式存储在数据库内。这样做，才能够确保基于人类RPD决策机制的智能化决策不断迭代升级，像人类指挥员一样，在战争中学习战争，持续提升战争决策能力。

　　通过对智能化决策流程的描述，可以发现，智能决策系统的基本流程包括：建库、识别、应对、控制、评估等。其中，建库是其他流程的前提和基础，建立的数据库越科学，识别、应对的质量和效率就越高，而建库的关键是对数据信息的处理;识别、应对的核心是模式匹配算法，算法越科学，识别能力就越强、应对方案就越合理;控制的基础是通信和算法，即通过若干核心节点的控制，借助天基、空基、陆基等通信中继平台，将所有作战单元联成网络化拓扑结构，实现一体化作战;评估的核心是基于神经网络的自学习算法，通过深度学习，使智能作战系统“打一仗进一步”，实现作战决策水平的迭代升级。

　　对智能化决策流程涉及的关键能力进行归纳，可发现智能决策系统的核心要素是数据、算法、通信和传感器。如果把智能决策系统看作是一个人，那么数据就代表经验，算法代表智商，通信代表神经系统，传感器则代表感官。基于这种认识，两个相对独立的智能决策系统之间的对抗，就像是两个拳击手之间的搏击。除了身高、力量、速度等基本要素，有经验的拳击手更加注重观察能力、预判能力、反应速度和身体协调性。以此类推，相对于传统作战样式所强调的兵力、火力、机动力等要素，智能化战争更加注重态势感知能力、敌情分析能力、信息流转能力和集群控制能力等。

　　通过上述分析和推导，我们可以将智能化战争制胜机理归纳为四点：态势感知以暗胜明、敌情分析以完胜缺、信息流转以快胜慢、集群控制以序胜乱。

　　对智能化战争制胜机理的解读

　　态势感知以暗胜明。所谓暗胜明，是指在总体兵力趋于一致的条件下，在“暗处”的一方比在“明处”的一方拥有更高的获胜概率。此处的“明”“暗”，主要用来形容兵力部署、作战行动等信息暴露的程度。在暗处，则暴露得少;在明处，则暴露得多。因此，暗胜明的本质，是交战时自身信息暴露得越少，对敌方情况掌握得越多,则获胜概率越大。《孙子兵法·计篇》指出：“兵者，诡道也。故能而示之不能，用而示之不用，近而示之远，远而示之近。”强调不能轻易暴露自己的真实实力和企图，从而使敌我态势始终处于“敌明我暗”的状态。这将使敌人的作战资源消耗在错误的时间和方向，提高对方的战争成本。以无人作战集群为例。无人化集群在搭载智能化作战系统后，可利用无人装备不受天候、地形、人类生理极限等因素的限制，遂行持续跟踪、多维探测、低空突防、抵近侦察等有人装备难以遂行的任务，大幅提高隐匿自身行踪和探测敌情的能力，从而为后续作战行动创造有利条件。

　　敌情分析以完胜缺。所谓完胜缺，是指作战中自身防御机制更加完备的一方，有更大概率战胜另一方。此处的“防御机制”泛指所有作战行动中对自身起到防护作用的机制，也可将其理解为“生存”机制或“安全”机制。因此，完胜缺原理并非单纯应用于防御作战行动，它适用于所有样式的作战行动。孙子曰：“昔之善战者，先为不可胜，以待敌之可胜。”指出善战者，首先会确保不被敌人打败，然后再等待机会打败敌人。因此，所谓“完胜缺”，“完己”是基础和前提，“胜缺”是目的和方向。如果己方防御体系有明显缺陷，那么大概率会被对手利用，别说打败敌人，可能连保存自己都很难做到。拿破仑也曾说过：“整个战争的艺术就是首先建立了一个合理而周密的防御，然后继之以迅速而大胆的攻击。”也就是说，攻击敌人的前提是确保自身的安全。智能化战争中，智能决策系统可通过预设算法建立周密的动态防御机制，并通过快速循环式自我检验评估，确保己方第一时间发现和修复漏洞，并通过持续追踪战场态势，在电光石火间快速捕捉敌作战体系的缺陷和漏洞，进而发起精准攻击行动。

　　信息流转以快胜慢。所谓快胜慢，是指战争中“速度更快”的一方拥有更大的获胜概率。这里的速度指的主要是信息流转速度。信息流转速度，就是作战各要素在侦察、指控、打击、评估、保障作战链路上传递、交换、共享战场态势信息的速度。信息流转速度越快，各级作战分队在单位时间内获取的敌人信息量就越大，战场态势的不确定性就越小，此时越有利于提升决策优势和对敌火力打击的精度。反之，如果信息流转速度慢，“战争迷雾”的能见度就差，自然不利于决策和火力毁伤效能。智能化战争中，信息带宽变大、信息流速加快，信息的流量、流速大大提高，战场“态势更新频率”越来越快。此时，战场可形成连续“信息流”，针对目标特点和性质，引导火力“能量流”集优聚能精确释放，从而显著提升对于敌作战体系中关键目标和节点的打击精度和毁伤效果。

　　集群控制以序胜乱。所谓序胜乱，是指作战体系内部更加“有序”的一方，有更大概率战胜另一方。著名军事理论家约米尼曾说过：“一群乌合之众的勇士，虽然武装到牙齿，也还不能形成一支精良的军队。”智能化战争时代，无人作战集群由于缺乏人类自主意识，很难实现意识和思想层面的融合，因此其基于自组织算法的内部有序协同就显得更加重要。从信息论的观点来看，作战行动就是有序与无序相互转化的过程。集群控制的实质，就是通过控制作战进程中的各种“战斗参数”，向战斗集群各系统输入信息，调控行动，保持作战体系的稳定性和有序性。在战斗中，随着作战单元、武器装备和作战物资的损耗，会出现协同失调、指挥中断、后续不继等情况，使得本来有序的组织结构逐渐向无序状态转化。集群控制的核心节点可通过一切可能的途径实施不间断的控制，并且穷尽一切路径算法尽快恢复被破坏的协同。通过正确及时的指挥控制，充分贯彻上级意图，协调集群作战行动，统筹运用作战资源，发挥最大作战效能。