人工智能在軍事對抗中的應(yīng)用進(jìn)展

張智敏，石飛飛，萬月亮，徐 陽，張 帆，寧煥生

1) 北京科技大學(xué)計算機(jī)與通信工程學(xué)院，北京 100083 2) 北京科技大學(xué)順德研究生院，佛山 528300 3) 北京銳安科技有限公司，北京100192 4) 北京市網(wǎng)絡(luò)空間數(shù)據(jù)分析與應(yīng)用工程技術(shù)研究中心，北京 100083

?通信作者，E-mail：ninghuansheng@ustb.edu.cn

1956 年，人工智能（Artificial intelligence, AI）一詞正式誕生，并逐漸對眾多領(lǐng)域產(chǎn)生深遠(yuǎn)影響；1997年，IBM的“深藍(lán)”在象棋比賽中戰(zhàn)勝卡斯帕羅夫，人工智能在經(jīng)過兩次低谷后重回大眾視線，但此時機(jī)器的良好表現(xiàn)更多要?dú)w功于超強(qiáng)的計算能力，它不能像人類一樣理解棋局所代表的含義；2006年，在Hinton的帶領(lǐng)下，深度學(xué)習(xí)領(lǐng)域取得重大突破[1]，人工智能進(jìn)入爆發(fā)期；2017年，擁有“深度學(xué)習(xí)”大腦的AlphaGo強(qiáng)勢來襲，擊敗世界圍棋冠軍柯潔，機(jī)器開始擁有“思考”能力；同年，只通過三天自我博弈與學(xué)習(xí)的AlphaGo Zero出師，不僅擊敗AlphaGo，還學(xué)會了三種不同的棋類游戲，機(jī)器開始擁有“洞察力”[2]. 人工智能特別是深度學(xué)習(xí)的不斷發(fā)展，使機(jī)器不再受限于特定的程序，轉(zhuǎn)而開始擁有思考能力，機(jī)器變得越來越“聰明”；而人類智慧是機(jī)器始終無法取代的，如何實現(xiàn)智慧與智能的融合，也就開啟了人工智能領(lǐng)域新的研究話題.

縱觀軍事領(lǐng)域，高科技化軍事裝備的出現(xiàn)，勢必會對作戰(zhàn)形勢以及取勝機(jī)制產(chǎn)生重大影響. 但從目前國內(nèi)外情況來看，部分先進(jìn)科技裝備不能有效、快速的投入到戰(zhàn)斗當(dāng)中，且面對復(fù)雜作戰(zhàn)環(huán)境時，可能會出現(xiàn)無法發(fā)揮正常作戰(zhàn)效應(yīng)的情況，這都會嚴(yán)重妨礙軍事力量發(fā)展.

隨著人工智能及其分支技術(shù)的不斷發(fā)展，軍事對抗的作戰(zhàn)形態(tài)已發(fā)生巨大變革，這將從根本上改變作戰(zhàn)方式和制勝機(jī)理，同時會演化出眾多新式武器，未來戰(zhàn)爭可能會實現(xiàn)由“人對人”到“機(jī)器自主殺人”的轉(zhuǎn)變[3]. 目前，眾多國家已經(jīng)開始投入到對人工智能在軍事領(lǐng)域的研究當(dāng)中，并取得了重大的進(jìn)展，這將加速推進(jìn)戰(zhàn)爭形態(tài)向智能化邁進(jìn).

人工智能下的軍事，從對抗策略角度進(jìn)行分析，需要解決在軍事攻擊、軍事檢測和軍事防御方面如何有效的將人工智能融入其中這一問題，同時為達(dá)到作戰(zhàn)一致性，協(xié)同配合也需要著重考慮.而若從物聯(lián)網(wǎng)三層架構(gòu)分析軍事對抗中的人工智能技術(shù)，需要解決軟硬件在感知層、網(wǎng)絡(luò)層和應(yīng)用層的對抗問題，從而形成完備的軍事攻防體系.

由于技術(shù)水平有限，在目前的軍事對抗中，還無法完全交由機(jī)器進(jìn)行實時響應(yīng)、緊急決策處理；在未來的一段時間內(nèi)，無法實現(xiàn)武器裝備完全自主控制. 這表明在執(zhí)行過程中，依舊需要人工操縱與控制，來確保整個作戰(zhàn)過程不出現(xiàn)偏差. 通過讓機(jī)器承擔(dān)操作性的任務(wù)，讓人承擔(dān)決策性的工作，從而實現(xiàn)人與機(jī)器的高度融合，優(yōu)勢互補(bǔ)，是未來軍事對抗的發(fā)展方向.

人機(jī)融合智能，是一種強(qiáng)人工智能，簡單來說就是可以將人與機(jī)器優(yōu)勢相互結(jié)合的一種智能形勢. 人類與機(jī)器在態(tài)勢感知、數(shù)據(jù)處理、決策分析等方面可以做到優(yōu)勢互補(bǔ)，是彌補(bǔ)人類與機(jī)器各自缺點的重要方式. 能否實現(xiàn)多種作戰(zhàn)方式，將取決于人機(jī)融合智能能否有效的應(yīng)用于軍事對抗中，也取決于人與機(jī)器在實際對抗中遇到各類突發(fā)情況時是否能夠默契配合.

人機(jī)融合智能在軍事對抗中的應(yīng)用，以人工智能在軍事對抗中的應(yīng)用為基礎(chǔ)，以如何在各類戰(zhàn)爭角色中實現(xiàn)人?機(jī)高度協(xié)同為主要研究內(nèi)容，在有人進(jìn)行監(jiān)督參與的情況下，使機(jī)器以不同方式配合實現(xiàn)在“防御?檢測?攻擊”的高效運(yùn)作，最終實現(xiàn)“1+1>2”的對抗效果.

在目前，人機(jī)融合智能在軍事對抗中仍有很多問題需要解決，這些問題主要有：

（1）賦予機(jī)器的假設(shè)條件是有限的，面對復(fù)雜的作戰(zhàn)環(huán)境，這種有限性限制了決策的多樣性；

（2）環(huán)境高度復(fù)雜化、高度不確定化，導(dǎo)致數(shù)據(jù)量急劇增加，但目前人機(jī)之間的信息傳遞效率低，具有滯后性，在不同編隊的情況下，如何實現(xiàn)數(shù)據(jù)高速共享也是需要思考的問題；

（3）由于作戰(zhàn)任務(wù)高度復(fù)雜且對時間精度要求較高，干預(yù)問題成為人機(jī)融合智能在軍事對抗中不可忽略的問題之一，何時由人獲得主控權(quán)，何時由機(jī)器獲得主控權(quán)，需要對人機(jī)融合系統(tǒng)進(jìn)行充分設(shè)計.

人機(jī)融合智能在軍事對抗中的應(yīng)用，可以認(rèn)為是智能系統(tǒng)與決策技術(shù)的高度融合，這將是多學(xué)科交叉的研究成果. 如何實現(xiàn)人機(jī)協(xié)同打擊工作，如何對人機(jī)承載能力進(jìn)行合理劃分，如何在人機(jī)協(xié)同時進(jìn)行態(tài)勢感知，如何對出現(xiàn)的突發(fā)事件進(jìn)行實時檢測與分析，如何協(xié)同處理好各項任務(wù)，是實現(xiàn)“1+1>2”作戰(zhàn)效果的關(guān)鍵.

1 人工智能在各國軍事發(fā)展中的應(yīng)用現(xiàn)狀

2008年，IBM公司開始進(jìn)行脈沖神經(jīng)網(wǎng)絡(luò)芯片的研制，隨后與美國空軍聯(lián)合進(jìn)行大腦啟發(fā)式超算系統(tǒng)的開發(fā)[4]；2014年，美國軍方提出“第三次抵消戰(zhàn)略”，將研究重心向機(jī)器學(xué)習(xí)、機(jī)器輔助作戰(zhàn)等方向轉(zhuǎn)移；2016年，評估通過了ALPHA智能超視距空戰(zhàn)系統(tǒng)，該系統(tǒng)主框架采用“模糊學(xué)習(xí)樹”技術(shù)，并搭載專家系統(tǒng)，可在協(xié)同空戰(zhàn)中迅速作出決策，但系統(tǒng)評估在相對固定的空戰(zhàn)環(huán)境進(jìn)行，與實際空戰(zhàn)環(huán)境有一定差距；2017年，美國國防部正式發(fā)布名為“Project Maven”的備忘錄，旨在進(jìn)一步發(fā)展人工智能等技術(shù)在戰(zhàn)爭中的重要作用[4]；2018年，美國戰(zhàn)略與預(yù)算評估中心發(fā)布《未來地面部隊人機(jī)編隊》報告，報告闡述的主要內(nèi)容有：發(fā)展未來地面部隊人機(jī)編隊的主要推動因素、可使未來地面部隊在戰(zhàn)爭中獲得競爭優(yōu)勢的三大人機(jī)編隊形式、發(fā)展未來人機(jī)編隊面臨的主要挑戰(zhàn)、以及通過人機(jī)編隊提高未來地面部隊作戰(zhàn)效能的戰(zhàn)略；2019年，美國空軍發(fā)布《2019年人工智能》戰(zhàn)略，特別強(qiáng)調(diào)出人工智能在目前軍事發(fā)展中的重要性，同時這也是針對國防部提出的人工智能戰(zhàn)略的細(xì)化，更加關(guān)注人工智能在軍事領(lǐng)域的應(yīng)用.

俄羅斯認(rèn)為未來軍事的主要競爭力將會圍繞人工智能展開，因此俄羅斯正在大力發(fā)展類人機(jī)器人、機(jī)器人部隊. 從2016年起，俄羅斯每年都會召開“俄羅斯聯(lián)邦武裝力量自動化”軍事科技會議；據(jù)國防部長謝依蓋·紹伊古稱，最近3年俄羅斯武裝力量成立了10個大型科研院所和中心，這些科研院所和中心正在研究人工智能等眾多領(lǐng)域；普京表示，人工智能不僅僅是俄羅斯，更是全世界的未來. 目前，俄羅斯軍事工業(yè)委員會已經(jīng)批準(zhǔn)，計劃于2030年從遠(yuǎn)程控制和人機(jī)智能機(jī)器人平臺上獲得30%的作戰(zhàn)力量.

以色列向來就有“初創(chuàng)國度”的美譽(yù)，其在軍事技術(shù)中的表現(xiàn)也成為該國科技創(chuàng)新的重要突破口. 2008年，為加強(qiáng)監(jiān)視加沙地區(qū)邊界，以色列開始在實戰(zhàn)中使用準(zhǔn)自動軍用車，這也是全球首個在實戰(zhàn)中使用準(zhǔn)自動軍用車的國家. 目前，在軍事部署中使用全自動機(jī)器人，是以色列軍方研究的重點領(lǐng)域；2016年7月，以色列軍方開始使用自主駕駛汽車進(jìn)行邊境巡邏. 在此基礎(chǔ)上，以色列國防軍準(zhǔn)備在汽車上安裝例如機(jī)關(guān)槍等武器，并準(zhǔn)備不斷部署到邊境地區(qū)；同時以色列軍方也在考慮如何將機(jī)器人與士兵進(jìn)行混合編隊，最終實現(xiàn)更好的對抗效果. 據(jù)了解，以色列正在研制一款具有智能功能的護(hù)目鏡，該護(hù)目鏡可以遠(yuǎn)程得到醫(yī)療指導(dǎo)，在戰(zhàn)爭環(huán)境中可以提供緊急援助功能. 不論是部署的攝像頭還是安裝在坦克上的傳感器，以軍通過大量裝備及多種途徑進(jìn)行數(shù)據(jù)的采集，這些信息可以實現(xiàn)共享，不僅指揮部與軍官可以使用，戰(zhàn)場上的作戰(zhàn)部隊也可以對數(shù)據(jù)進(jìn)行處理.2019年，拉斐爾公司的Spice炸彈又有了新的技術(shù)突破，在原有目標(biāo)自動識別的基礎(chǔ)上，又加入了人工智能與場景匹配技術(shù)，這也顯示出以色列軍方對人工智能的高度重視.

而我國也同樣重視人工智能在軍事中的發(fā)展.2017年7月，國務(wù)院公布了到2030年前把中國變成“人工智能領(lǐng)域的領(lǐng)先國家和全球創(chuàng)新中心”的詳細(xì)戰(zhàn)略. 該戰(zhàn)略表示會加大對人工智能在國防領(lǐng)域的研究與投資，并注重人工智能在自動化與預(yù)測中的應(yīng)用；2019年，我國發(fā)表《新時代的中國國防》白皮書，對戰(zhàn)爭形態(tài)、作戰(zhàn)方式在人工智能的推動下發(fā)生的巨大變革進(jìn)行進(jìn)一步的闡述. 此外，英國、日本等國家也十分重視人工智能與軍事對抗的融合與發(fā)展.

2 人工智能在軍事對抗中的技術(shù)發(fā)展現(xiàn)狀

本節(jié)首先從對抗策略對人工智能在軍事對抗中的發(fā)展進(jìn)行簡單闡述，隨后從物聯(lián)網(wǎng)三層架構(gòu)分析軍事對抗中的人工智能技術(shù).

2.1 對抗策略

2.1.1 智能防御

面對敵方的高強(qiáng)度打壓，如何進(jìn)行有效的防御是軍事對抗中需要重點考慮的問題. 而目前，戰(zhàn)爭形態(tài)越來越趨向于信息化、數(shù)字化，如何能提高數(shù)據(jù)樣本的抗干擾能力，在面對敵方擾動時如何采取有效的策略進(jìn)行應(yīng)對，是防御階段首要考慮的問題. Lecuyer等[5]將密碼學(xué)差分隱私用到對抗樣本的防御上，同時在原始深層神經(jīng)網(wǎng)絡(luò)（Deep neural networks, DNN）中加入噪聲層，可以有效達(dá)到防御對抗樣本的目的；Papernot等[6]基于DNN提出防御蒸餾模型，該模型在應(yīng)對對抗性樣本時具有良好的效果，相比于原先的蒸餾方法，該方法魯棒性和泛化性有所提升；除DNN外，也可以在其他的神經(jīng)網(wǎng)絡(luò)中加入防御特性：如新的防御算法ADV-BNN[7]，是以貝葉斯網(wǎng)絡(luò)為基礎(chǔ)對隨機(jī)性建模，并且通過構(gòu)造貝葉斯網(wǎng)絡(luò)中的最小極大值問題來學(xué)習(xí)在攻擊下的最優(yōu)模型分布，從而得到一個對抗訓(xùn)練的貝葉斯神經(jīng)網(wǎng)絡(luò)，在強(qiáng)攻擊下?lián)碛休^好的防御性能.

在現(xiàn)代技術(shù)的支撐下，僅憑一兩件先進(jìn)武器裝備進(jìn)行作戰(zhàn)是不現(xiàn)實的，必須綜合多個編隊進(jìn)行協(xié)同控制，通過相應(yīng)的信息處理技術(shù)，將多平臺互聯(lián)互通，以信息網(wǎng)絡(luò)為中心，進(jìn)行實時數(shù)據(jù)交互，最終協(xié)同完成作戰(zhàn)任務(wù). 在編隊方面，目前集中對多智能體（Multi agent）展開研究，因為具有自治性等眾多優(yōu)良的特點[8]，同時能夠根據(jù)外界環(huán)境的變化進(jìn)行自適應(yīng)并采取相應(yīng)行動，使其在分布式人工智能領(lǐng)域具有十分重要的作用. 早期多智能體協(xié)同編隊的研究以機(jī)器人為主，以設(shè)計可以融合跟隨領(lǐng)航者法的編隊模式[9]為目標(biāo)，為實現(xiàn)隊形的靈活變換，建立出多智能體編隊控制圖[10?11]，同時根據(jù)全向視覺的相關(guān)內(nèi)容，設(shè)計出多機(jī)器人編隊及隊形變換實驗[12]；多智能體的理論與方法也可以和生物免疫系統(tǒng)相結(jié)合，用來構(gòu)建免疫多智能體網(wǎng)絡(luò)（Immune multi-agent network, IMAN）模型[13]，可以為艦艇編隊協(xié)同防空體系研究提供一種新的范式；在多智能體中引入梯度估計，用于解決在多智能體的交換結(jié)構(gòu)和拓?fù)浣Y(jié)構(gòu)實現(xiàn)源搜索的問題，該過程可以有效尋找多智能體編隊中心[14]；分布式人工智能的發(fā)展也促進(jìn)了多智能體分布一致性理論的研究，如將分布式協(xié)同控制協(xié)議用在多智能體中[15]，這種協(xié)議不僅可以改變編隊結(jié)構(gòu)，還可以在固定的無人機(jī)拓?fù)浣Y(jié)構(gòu)下達(dá)成一致，運(yùn)用Lyapunov穩(wěn)定性理論還可以實現(xiàn)對編隊誤差系統(tǒng)的定義.

如何進(jìn)行智能規(guī)避，同樣是在防御中需要考慮的問題. 目前，越來越多的無人機(jī)參與作戰(zhàn)，但相比有人機(jī)，無人機(jī)進(jìn)行規(guī)避具有更高的難度性，需要大量傳感器的數(shù)據(jù)處理與交互和智能規(guī)避算法進(jìn)行支撐. 對大、中型無人機(jī)和小、微型無人機(jī)差異進(jìn)行分析，采用分層的感知與規(guī)避流程，提出針對不同體型無人機(jī)關(guān)于感知與規(guī)避方面的定義和架構(gòu)[16]，可以針對無人機(jī)規(guī)模設(shè)計合理的規(guī)避方案；有效結(jié)合視覺方法，也可實現(xiàn)較好的規(guī)避效果：如結(jié)合無人機(jī)光電平臺，將圖像閾值法與幀差法進(jìn)行融合，可以實現(xiàn)實時跟蹤的效果，并引入人工勢場法，實時計算航路點，實現(xiàn)對目標(biāo)的規(guī)避[17]；Li等[18]則使用到多傳感器信息融合技術(shù)，并利用多模態(tài)圖像，對無人機(jī)感知與規(guī)避進(jìn)行深入研究.盡管目前國內(nèi)外眾多學(xué)者致力于無人機(jī)規(guī)避研究，但目前仍有許多問題需要解決，如：如何使用傳感器收集到精確的數(shù)據(jù)并進(jìn)行有效的傳輸，面對復(fù)雜多變的環(huán)境形勢如何進(jìn)行自主決策等. 以上方法總結(jié)見表1.

表 1 智能防御方面典型方法總結(jié)Table 1 Summary of typical methods in intelligent defense

2.1.2 智能檢測

在作戰(zhàn)中，如何對危險進(jìn)行檢測并進(jìn)行風(fēng)險評估，是攻擊與防御階段的重要基礎(chǔ). 目前，戰(zhàn)爭愈發(fā)演變成信息化戰(zhàn)場，對信息安全風(fēng)險進(jìn)行全面評估是一項必不可少的環(huán)節(jié)，人工智能可以承擔(dān)起這項任務(wù). 在目標(biāo)威脅評估中，可結(jié)合模糊優(yōu)選理論[19]，根據(jù)影響目標(biāo)威脅評估的因素指標(biāo)，將模糊信息數(shù)值化，確定威脅程度優(yōu)選值；也可以在信息安全風(fēng)險評估中使用人工智能技術(shù)[20]，建立起基于知識和模糊邏輯的數(shù)據(jù)庫管理系統(tǒng)信息安全風(fēng)險評估模型，并對評估結(jié)果進(jìn)行改進(jìn)；在信息傳輸過程，有效使用遺傳算法和神經(jīng)網(wǎng)絡(luò)，同樣可以更敏感的察覺到可能存在的風(fēng)險[21].

智能裝備對環(huán)境感知的重要元件是傳感器，但單一類型傳感器只能反映出部分環(huán)境信息，面對復(fù)雜的作戰(zhàn)環(huán)境，為提高整個作戰(zhàn)團(tuán)隊的穩(wěn)定性，多傳感器進(jìn)行協(xié)作配合成為必然要求. 雷達(dá)經(jīng)過多年的發(fā)展，已成為無人作戰(zhàn)系統(tǒng)環(huán)境感知中的重要傳感器，但若直接使用雷達(dá)數(shù)據(jù)，可能無法精確的得到數(shù)據(jù)處理結(jié)果. 如果可以在這些數(shù)據(jù)中使用到人工智能的相關(guān)技術(shù)方法，可以在環(huán)境感知方面取得重大突破[22]；主流的研究思路主要是根據(jù)雷達(dá)生成的不同圖像，利用人工智能中的不同方法對圖像進(jìn)行處理，結(jié)合神經(jīng)網(wǎng)絡(luò)強(qiáng)大的自學(xué)習(xí)能力，來對環(huán)境進(jìn)行有效感知. 但是，一個性能表現(xiàn)優(yōu)良的神經(jīng)網(wǎng)絡(luò)需要大量數(shù)據(jù)進(jìn)行支撐，才能有效的完成分類任務(wù)，這與軍事領(lǐng)域時間短、信息少的作戰(zhàn)環(huán)境產(chǎn)生巨大沖突，導(dǎo)致人工智能難以融入環(huán)境感知中. 基于以上原因，一種新的觀點被提出，即認(rèn)知學(xué)識別在實時對抗復(fù)雜環(huán)境下可能會發(fā)揮巨大作用，可將認(rèn)知學(xué)識別理解為深度強(qiáng)化學(xué)習(xí)，是帶真正推理、反饋能力的強(qiáng)人工智能[23]，深入挖掘人工智能對電磁環(huán)境的認(rèn)知能力、推理能力，從而實現(xiàn)人工智能與軍事環(huán)境感知的高度融合. 以上方法總結(jié)見表2.

表 2 智能檢測方面典型方法總結(jié)Table 2 Summary of typical methods in intelligent detection

2.1.3 智能攻擊

進(jìn)行作戰(zhàn)攻擊時，需要在短時間內(nèi)確定攻擊對象，明確作戰(zhàn)武器，計算攻擊效果，為此，需要對攻擊行為進(jìn)行建模研究，來適應(yīng)戰(zhàn)爭突發(fā)性、不確定性的特點. 目前，多使用數(shù)學(xué)模型以及專家系統(tǒng)來進(jìn)行仿真，并使用分布式計算來均衡負(fù)載. 如在多智能體中部署的協(xié)同作戰(zhàn)系統(tǒng)行動規(guī)劃方法[24]，以編隊協(xié)同反艦作戰(zhàn)為背景，將多智能體（Multi agent system, MAS）理論引入決策過程，并將各個作戰(zhàn)平臺抽象為智能體，從而建立起基于多智能體的編隊協(xié)同模型，并以主從重疊結(jié)構(gòu)作為規(guī)劃方法，同時擁有集中與分布的優(yōu)點；或總結(jié)現(xiàn)代作戰(zhàn)仿仿真的不足，提出一種新的適用于現(xiàn)代戰(zhàn)爭的仿真方法——基于多智能體的復(fù)雜自適應(yīng)系統(tǒng)[25]，并結(jié)合實例說明在作戰(zhàn)中使用多智能體系統(tǒng)的優(yōu)勢.

當(dāng)前，軍事作戰(zhàn)多以集群為組織形式，為達(dá)到迅速確定攻擊對象、明確作戰(zhàn)武器的目的，如何進(jìn)行數(shù)據(jù)快速傳輸和信息按需共享與分發(fā)，實現(xiàn)數(shù)據(jù)的按需服務(wù)，成為軍事領(lǐng)域一項重要研究內(nèi)容. 早在1989年，就提出了人工智能與數(shù)據(jù)庫（Database, DB）兩大技術(shù)相融合的觀點，這將會成為未來信息系統(tǒng)的發(fā)展趨勢；通過兩者優(yōu)勢互補(bǔ)，將同時有利于兩者的發(fā)展，并會對計算機(jī)信息系統(tǒng)產(chǎn)生巨大的影響[26]；針對這一方面的研究主要包括：如何構(gòu)建智能數(shù)據(jù)庫系統(tǒng)，即將人工智能技術(shù)融入到數(shù)據(jù)庫中，而該使用怎樣的融合方法，需要在這一過程中詳細(xì)論述[27]；如何使用數(shù)據(jù)挖掘、數(shù)據(jù)融合等新興人工智能技術(shù)，提出我軍軍事信息中心構(gòu)建思路和基本架構(gòu)[28]；如何結(jié)合現(xiàn)代戰(zhàn)爭的特點，探討與研究對多傳感器進(jìn)行數(shù)據(jù)融合的方法，提出針對現(xiàn)代化戰(zhàn)場信息融合系統(tǒng)的作戰(zhàn)體系結(jié)構(gòu)與功能體系結(jié)構(gòu)[29]. 目前，AI與DB有效融合的研究還在繼續(xù)開展，同時，如何結(jié)合現(xiàn)代化戰(zhàn)爭的特點進(jìn)行數(shù)據(jù)快速交互也是目前的研究重點.

“細(xì)胞核——系統(tǒng)的控制中心”選自人教版高中生物《必修1·分子與細(xì)胞》。教材先以資料分析的形式從科學(xué)史推理出細(xì)胞核功能，再引入細(xì)胞核的結(jié)構(gòu)，滲透著“結(jié)構(gòu)與功能相統(tǒng)一”的生命觀念，并在真核細(xì)胞結(jié)構(gòu)模型的制作中體現(xiàn)模型與建模思維。

在軍事智能化中，經(jīng)常需要使用態(tài)勢感知進(jìn)行安全風(fēng)險評估. 可以從態(tài)勢感知的定義入手，針對網(wǎng)絡(luò)空間戰(zhàn)爭提出態(tài)勢感知的系統(tǒng)框架，并基于態(tài)勢感知對雷達(dá)網(wǎng)絡(luò)進(jìn)行設(shè)計[30]；也可以在態(tài)勢感知中引入注意力機(jī)制，為設(shè)計新型智能模型提供新的研究思路[31]. 以色列正在研發(fā)“蘭博”地面無人車，態(tài)勢感知、偵查等能力將在其中有所體現(xiàn)[32]. 以上方法總結(jié)見表3.

表 3 智能攻擊方面典型方法總結(jié)Table 3 Summary of typical methods in intelligent attack

2.2 從物聯(lián)網(wǎng)三層架構(gòu)分析軍事對抗中的人工智能技術(shù)

在目前的軍事對抗中，信息化是主要特點，為此，如何保證信息安全，成為現(xiàn)代化戰(zhàn)爭的一項重要任務(wù). 目前，有眾多學(xué)者針對物聯(lián)網(wǎng)三大層次進(jìn)行研究，致力于在各個層次中保證數(shù)據(jù)安全. 本節(jié)主要從物聯(lián)網(wǎng)三大層次出發(fā)，主要闡述在各個層次中實現(xiàn)數(shù)據(jù)安全的算法與協(xié)議，并進(jìn)行比較.

2.2.1 感知層

感知層位于整個物聯(lián)網(wǎng)的最底端，主要通過傳感器對周圍數(shù)據(jù)進(jìn)行采集，并需要同時考慮到傳感器自身、已采集數(shù)據(jù)以及傳感器網(wǎng)絡(luò)的安全問題. 傳感器作為數(shù)據(jù)收集的起點，其準(zhǔn)確性與安全性將直接影響后續(xù)數(shù)據(jù)的處理過程. 但在實際的對抗環(huán)境中，傳感器節(jié)點十分容易受到損壞與干擾，部署到敵方的傳感器可能并沒有進(jìn)行數(shù)據(jù)加密，容易造成數(shù)據(jù)的泄漏與篡改，因此，如何提升傳感器的安全性是需要考慮的問題. 盡快提升傳感器安全等級，保證數(shù)據(jù)安全，是目前業(yè)界的一致看法[33]；在保證數(shù)據(jù)安全方面，哈希（Hash）算法發(fā)揮著重要的作用：如使用基于Hash的對稱加密機(jī)制，在一定程度上可以保證節(jié)點中的數(shù)據(jù)安全[34]；使用單向Hash將節(jié)點的公鑰認(rèn)證進(jìn)行替換，通過所有傳感器的公鑰來建立Merkle樹森林，在保證傳感器數(shù)據(jù)安全的同時，還可以降低通信與計算開銷，節(jié)省傳感器電量[35].

在感知層中，傳感器網(wǎng)絡(luò)通過眾多傳感器之間的互聯(lián)操作共同實現(xiàn)數(shù)據(jù)傳輸. 為此，如何保證傳感器網(wǎng)絡(luò)安全，實現(xiàn)數(shù)據(jù)準(zhǔn)確無誤的傳輸，是搭建傳感器網(wǎng)絡(luò)需要設(shè)計的環(huán)節(jié). 這一方面的研究主要包括如下內(nèi)容. （1）從傳感器網(wǎng)絡(luò)安全協(xié)議方面進(jìn)行建模與分析：如根據(jù)目前無線傳感器網(wǎng)絡(luò)數(shù)據(jù)發(fā)現(xiàn)和分發(fā)協(xié)議的缺點，提出安全性更高的分布式數(shù)據(jù)發(fā)現(xiàn)和分發(fā)協(xié)議— —DiDrop協(xié)議[36]；（2）從入侵檢測角度，對傳感器網(wǎng)絡(luò)安全性進(jìn)行研究，同時針對目前的大多數(shù)技術(shù)只針對傳感器網(wǎng)絡(luò)的特定層進(jìn)行攻擊監(jiān)測，為實現(xiàn)跨層入侵檢測，可使用移動代理的手段[37]；（3）如何進(jìn)行有效的訪問控制，也是提升無線傳感器網(wǎng)絡(luò)安全性的重要方式之一，希望可以從是否對用戶授權(quán)等方面進(jìn)行安全性探究：如通過設(shè)計THC算法[38]，可以實現(xiàn)即便用戶移動也可使傳感器及時收到用戶認(rèn)證信息的機(jī)制，這使得對傳感器的訪問控制不僅適用于靜態(tài)用戶，也同樣適用于移動用戶；也可對無線傳感器網(wǎng)匿名性進(jìn)行研究，通過將Hash、消息驗證碼等多種技術(shù)相結(jié)合，在數(shù)據(jù)保持完整的前提下可對偽造數(shù)據(jù)進(jìn)行防御，從而增強(qiáng)整個物聯(lián)網(wǎng)感知層的安全性能[39]；（4）通過使用密碼與密鑰管理來設(shè)法增強(qiáng)網(wǎng)絡(luò)安全性：目前已有對對稱與非對稱加密在傳感器網(wǎng)絡(luò)中的應(yīng)用的詳細(xì)對比[40]，通過不斷研究，也有越來越多新的密碼算法應(yīng)用于無線傳感器網(wǎng)絡(luò)當(dāng)中，如在無線傳感器網(wǎng)絡(luò)數(shù)據(jù)聚合過程中實現(xiàn)數(shù)據(jù)和密鑰隱私保護(hù)[41]，改進(jìn)混沌序列密碼[42]等. 此外，還可以從安全路由、拒絕服務(wù)攻擊等多種角度展開研究，這都有助于發(fā)展無線傳感器網(wǎng)絡(luò)安全.

在目前信息化戰(zhàn)場中，只使用單一或某一類型傳感器進(jìn)行數(shù)據(jù)收集是遠(yuǎn)遠(yuǎn)不夠的，為此，許多研究側(cè)重在如何收集到多傳感器數(shù)據(jù)，并進(jìn)行多傳感器數(shù)據(jù)融合方面做出巨大的努力. 這些努力包括：（1）從提升數(shù)據(jù)融合精度進(jìn)行研究，如基于自回歸滑動平均（Auto-regressive and moving average,ARMA）信息模型和增廣狀態(tài)空間模型，結(jié)合誤差方差與互協(xié)方差公式，設(shè)計出精度更高的多傳感器信息融合預(yù)報器[43]；（2）針對特定武器裝備進(jìn)行研究，如提出在無人機(jī)傳感器方面中的數(shù)據(jù)融合設(shè)計要求[44]，結(jié)合無人機(jī)作戰(zhàn)中的狀態(tài)，有針對性的提出涉及高度及姿態(tài)角的算法，通過在多傳感器數(shù)據(jù)融合中加入高度通道和姿態(tài)通道，將更有利于在無人機(jī)飛行系統(tǒng)中實現(xiàn)；（3）從數(shù)據(jù)融合算法著手，如提出一種基于模糊方法的信息融合通用框架，并且特征的提取與融合是通過隸屬函數(shù)來實現(xiàn)的[45]；使用超光譜傳感器數(shù)據(jù)[46]，通過特征融合和決策融合兩個層面對數(shù)據(jù)進(jìn)行處理，并通過神經(jīng)網(wǎng)絡(luò)得以實現(xiàn). 與此同時，小波分析理論、主成分變換、圖像回歸算法、專家系統(tǒng)等方法都開始應(yīng)用于多傳感器數(shù)據(jù)融合當(dāng)中，這都會促進(jìn)信息化戰(zhàn)爭作戰(zhàn)模式的高速轉(zhuǎn)變. 感知層所述技術(shù)已在表4中進(jìn)行總結(jié).

表 4 感知層安全典型技術(shù)總結(jié)Table 4 Summary of typical technologies of perceptual layer security

2.2.2 網(wǎng)絡(luò)層

在目前的信息化戰(zhàn)場上，如何保證自身數(shù)據(jù)傳輸安全，實現(xiàn)遠(yuǎn)距離數(shù)據(jù)傳輸，是網(wǎng)絡(luò)層中不可小覷的問題. 目前，數(shù)據(jù)量急劇增加，在整個數(shù)據(jù)傳輸過程中，可能會導(dǎo)致網(wǎng)絡(luò)層負(fù)載過大的風(fēng)險；同時，隨著協(xié)議的不斷擴(kuò)充，數(shù)據(jù)間進(jìn)行格式轉(zhuǎn)換也同樣會帶來巨大開銷；如何能實現(xiàn)數(shù)據(jù)傳輸過程的動態(tài)分配、負(fù)載均衡，提高網(wǎng)絡(luò)層數(shù)據(jù)傳輸利用率，是目前眾多學(xué)者研究的熱門話題. 早在1999年，Bass與Gruber[47]就提出網(wǎng)絡(luò)態(tài)勢感知這一概念，并開始與網(wǎng)絡(luò)技術(shù)緊密結(jié)合，致力于全面加強(qiáng)網(wǎng)絡(luò)層安全防護(hù)等級；Bass認(rèn)為，當(dāng)前一代入侵檢測系統(tǒng)（IDSes）在技術(shù)上還不夠先進(jìn)，沒有辦法有效監(jiān)控和保護(hù)這些網(wǎng)絡(luò)所需的態(tài)勢知識；而下一代智能決策支持系統(tǒng)將對數(shù)據(jù)進(jìn)行融合，將短期傳感器與長期知識數(shù)據(jù)庫結(jié)合，創(chuàng)建出網(wǎng)絡(luò)態(tài)勢感知.

Tsochev等[48]根據(jù)多智能體系統(tǒng)并結(jié)合人工智能技術(shù)，提出針對網(wǎng)絡(luò)方面的安全模型，該模型由兩個主要的多智能體框架組成，分別是基于主機(jī)的監(jiān)控系統(tǒng)，用以對操作系統(tǒng)資源和用戶活動進(jìn)行監(jiān)控，以及網(wǎng)絡(luò)網(wǎng)關(guān)的監(jiān)控系統(tǒng)，用以監(jiān)測與防止TCP/IP攻擊；也可以將徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（Radial basis function neural network, RBFNN） 用于網(wǎng)絡(luò)安全態(tài)勢預(yù)測[49]，在神經(jīng)網(wǎng)絡(luò)中同時融合布谷鳥搜索算法、模擬退火算法和動態(tài)發(fā)現(xiàn)概率機(jī)制，預(yù)測精度得到明顯改善；還可以結(jié)合支持向量機(jī)的優(yōu)勢[50]，將支持向量回歸的預(yù)測方法用于網(wǎng)絡(luò)態(tài)勢感知時間序列預(yù)測中，在網(wǎng)絡(luò)態(tài)勢感知中引入支持向量回歸方法，通過網(wǎng)絡(luò)攻擊態(tài)勢預(yù)測訓(xùn)練模塊對實驗數(shù)據(jù)進(jìn)行建模與訓(xùn)練，并設(shè)計預(yù)測模塊，根據(jù)入侵檢測系統(tǒng)提供的新數(shù)據(jù)，完成對網(wǎng)絡(luò)態(tài)勢的預(yù)測，而使用支持向量回歸算法，可以達(dá)到更好的預(yù)測效果. 總結(jié)如表5所示.

表 5 網(wǎng)絡(luò)漏洞評估與安全態(tài)勢感知典型技術(shù)總結(jié)Table 5 Summary of typical technologies of network vulnerability assessment and security situation awareness

物聯(lián)網(wǎng)層次結(jié)構(gòu)的最頂級，即為應(yīng)用層. 面對海量數(shù)據(jù)，如何在時間緊張、任務(wù)繁重的工作環(huán)境中準(zhǔn)確無誤、高速快捷的得到滿意的實驗結(jié)果，是軍事對抗在應(yīng)用層中的一大訴求. 目前，很多人工智能技術(shù)都支持對海量數(shù)據(jù)處理，結(jié)合云計算等新興處理方式可以實現(xiàn)良好的效果. 一個已建立的海量小文件處理模型正是基于云計算技術(shù)[51]，并使用改進(jìn)的 K 最近鄰（K-nearest neighbor, KNN）算法實現(xiàn)對文件的分類，構(gòu)建基于可擴(kuò)展標(biāo)記語言（Extensile markup language, XML）和可同時映射多值的改進(jìn)MapReduce模型可以進(jìn)行快速數(shù)據(jù)處理，并通過改進(jìn)遺傳算法，可以實現(xiàn)云數(shù)據(jù)存儲的動態(tài)分配與負(fù)載均衡，從而有利于海量數(shù)據(jù)處理，這也利于在軍事中對海量小文件進(jìn)行快速分類與處理；目前，應(yīng)用層程序種類繁多，需針對特定應(yīng)用進(jìn)行方法設(shè)計，既要實現(xiàn)應(yīng)用層與人工智能的結(jié)合，也要很好的適應(yīng)信息化戰(zhàn)爭的作戰(zhàn)特點.

3 人工智能缺陷與人機(jī)融合智能的發(fā)展趨勢

盡管人工智能在軍事領(lǐng)域取得了長足的發(fā)展，但就目前而言，人工智能的一些缺陷還是限制了其在軍事對抗領(lǐng)域的發(fā)展，表6簡單羅列出人工智能的一般缺點和在軍事對抗中會出現(xiàn)的問題.

表 6 人工智能缺點及衍生在軍事對抗中的問題Table 6 Shortcomings of AI and the associated problems in military confrontation

目前，一種新型的人工智能— —人機(jī)融合智能正在快速發(fā)展，這將是人工智能新的發(fā)展趨勢，同時也更利于人工智能在軍事對抗中的應(yīng)用. 人機(jī)融合智能，是將人的智慧與機(jī)器智能相結(jié)合，從而在決策、態(tài)勢感知等方面實現(xiàn)優(yōu)勢互補(bǔ)的一種新型智能. 機(jī)器可以快速處理海量數(shù)據(jù)，并可以得到精度很高的運(yùn)算結(jié)果，但其在進(jìn)行重大問題抉擇方面就表現(xiàn)的差強(qiáng)人意；相反，人具有獨(dú)立性，在面對復(fù)雜多變的環(huán)境時可以快速準(zhǔn)確的做出反應(yīng)，但同時也需要計算機(jī)進(jìn)行輔助，由機(jī)器提供支撐數(shù)據(jù)，從而更好的輔助相關(guān)人員進(jìn)行決策. 在目前的軍事對抗體系中，機(jī)器無法完全脫離人類實現(xiàn)自主控制，在很多場景下，仍舊需要人工加以支持，隨著人機(jī)融合智能的應(yīng)用而生，兩者實現(xiàn)融合成為一種可能，并可能會帶來更好的收益.

2017年，DARPA局長認(rèn)為人機(jī)融合已經(jīng)開始，但他并不認(rèn)為人類已經(jīng)做好準(zhǔn)備；2019年2月，為促進(jìn)人機(jī)融合的發(fā)展，DARPA發(fā)布“智能神經(jīng)接口”和“人工智能科學(xué)和開放世界新奇學(xué)習(xí)”項目公告；2019年10月，第五屆中國（杭州）國際機(jī)器人西湖論壇召開，本次論壇的主題為“人機(jī)共融”，人機(jī)融合被認(rèn)為是機(jī)器人領(lǐng)域重要的發(fā)展趨勢；2019年11月，美國國防部收到名為《2050年機(jī)械戰(zhàn)士：人機(jī)融合與國防部的未來》的報告，美軍開始“Cybrog戰(zhàn)士”的研發(fā).

目前，人機(jī)融合智能的研究尚處于起步階段，在軍事對抗領(lǐng)域已經(jīng)開始展露鋒芒. 同時，人工智能在軍事對抗中出現(xiàn)的問題已經(jīng)顯現(xiàn)，只有攻克這幾個問題才可以實現(xiàn)更進(jìn)一步的發(fā)展. 以下部分將一一闡述人機(jī)融合智能如何解決當(dāng)前人工智能在軍事對抗中的缺陷.

3.1 人機(jī)融合智能可應(yīng)對復(fù)雜戰(zhàn)場環(huán)境

目前的人工智能，只能依靠輸入數(shù)據(jù)對指定類型進(jìn)行快速判斷與處理，這對于使用環(huán)境相對穩(wěn)定的場景足夠發(fā)揮人工智能的優(yōu)勢. 但是在信息化戰(zhàn)場中，戰(zhàn)場形勢總是在改變，不斷出現(xiàn)的新形勢將無法及時反饋給人工智能系統(tǒng)，造成人工智能系統(tǒng)無法給出準(zhǔn)確的裁決，從而無法在信息化戰(zhàn)場中發(fā)揮優(yōu)勢. 而人具有思考能力及應(yīng)急能力，在遇到新情況時可以及時作出判斷并進(jìn)行處理，這是機(jī)器所無法擁有的人所特有的優(yōu)勢，若能將兩者進(jìn)行優(yōu)勢互補(bǔ)，則可以充分發(fā)揮人–機(jī)聯(lián)動處理能力，從而在信息化戰(zhàn)場中獲得更大的收益. 為了實現(xiàn)人與機(jī)器優(yōu)勢互補(bǔ)，可以將人在回路系統(tǒng)融入到軍事對抗決策當(dāng)中，如圖1所示.

圖1 人在回路決策系統(tǒng)中的人機(jī)融合智能Fig.1 Hybrid human–artificial intelligence in loop decision system

軍事對抗中的人在回路系統(tǒng)主要分為兩個子系統(tǒng)，分別是機(jī)器自主系統(tǒng)與人工決策系統(tǒng)，在收到某一戰(zhàn)爭情形后，先由機(jī)器自主系統(tǒng)進(jìn)行自檢索，確定是否可以交由機(jī)器進(jìn)行處理，如若可以進(jìn)行處理，將需要判斷機(jī)器是否可進(jìn)行完全處理，是否需要借助人工處理；如若可以交由機(jī)器進(jìn)行處理，則給出最終的裁決結(jié)果；如若機(jī)器無法進(jìn)行處理或需要人工介入，則需將戰(zhàn)爭情形交給人工決策系統(tǒng)進(jìn)行處理，在人工決策系統(tǒng)中，由作戰(zhàn)人員對戰(zhàn)爭情形進(jìn)行詳細(xì)分析，在經(jīng)過縝密分析后給出決策結(jié)果，并將決策結(jié)果輸出；同時為增加人–機(jī)交互的聯(lián)動性，將此類戰(zhàn)爭情形和決策結(jié)果重新返回給機(jī)器自主系統(tǒng)，用以豐富機(jī)器自主系統(tǒng)知識庫，再次遇到相似情形時，可以由機(jī)器進(jìn)行自主處理，從而可以縮短處理周期，達(dá)到對戰(zhàn)爭情形快速處理的目的，這也是人機(jī)融合在軍事對抗中所需要實現(xiàn)的目標(biāo).

3.2 人機(jī)融合智能可實現(xiàn)數(shù)據(jù)快速交互

隨著戰(zhàn)爭形勢趨向于信息化方向發(fā)展，數(shù)據(jù)成為戰(zhàn)爭中需要重點保護(hù)的對象，在收集到眾多數(shù)據(jù)后，如何進(jìn)行海量數(shù)據(jù)的快速交互是軍事對抗中急需要解決的重要問題. 在目前的作戰(zhàn)集群中，主要使用綜合數(shù)據(jù)鏈進(jìn)行數(shù)據(jù)的快速傳輸與情報數(shù)據(jù)的快速交換，這是信息化戰(zhàn)爭發(fā)展的重要標(biāo)志. 但隨著研究的深入，不難發(fā)現(xiàn)綜合數(shù)據(jù)鏈也存在著一些弊端，如傳輸速率較低，在數(shù)據(jù)傳輸過程中容易被檢測與截取，這些都會對數(shù)據(jù)的傳輸造成干擾，造成數(shù)據(jù)傳輸?shù)牟环€(wěn)定，并容易產(chǎn)生數(shù)據(jù)滯后的問題. 為此，在軍事對抗中進(jìn)行數(shù)據(jù)傳輸時，需要盡量避免上述問題的產(chǎn)生，盡可能實現(xiàn)數(shù)據(jù)的快速流動. 為此，可以設(shè)計如圖2的方案，將賽博空間的電磁頻譜相關(guān)技術(shù)融入到機(jī)器自主系統(tǒng)和人工決策系統(tǒng)中.

在賽博空間中，由于使用電磁頻譜技術(shù)，各個節(jié)點數(shù)據(jù)傳輸速度快，甚至可以達(dá)到光速的傳播速度，極適合進(jìn)行數(shù)據(jù)快速傳輸與共享；并且在其中可以對節(jié)點進(jìn)行實時更新，具有高可靠性，在某一設(shè)備出現(xiàn)問題時，可以及時進(jìn)行判斷與修正，盡可能降低數(shù)據(jù)故障. 在軍事對抗中，可以將機(jī)器自主系統(tǒng)和人工決策系統(tǒng)通過電磁技術(shù)進(jìn)行數(shù)據(jù)鏈接，而不是使用傳統(tǒng)的有線或無線鏈路進(jìn)行數(shù)據(jù)傳輸，從而可以將賽博空間的優(yōu)勢充分融合到人機(jī)融合系統(tǒng)中，達(dá)到信息傳輸在軍事對抗中的要求. 同時，由于不受地域等因素的影響，賽博空間使用范圍更廣，并且，賽博空間具有很好的隱蔽性，在數(shù)據(jù)互聯(lián)互通的過程中，不容易受到數(shù)據(jù)攔截與泄漏的問題，使數(shù)據(jù)安全性有所提升.

圖2 數(shù)據(jù)高速處理中的人機(jī)融合智能Fig.2 Hybrid human–artificial intelligence in high-speed data processing

3.3 人機(jī)融合智能可實現(xiàn)負(fù)載動態(tài)分配

人機(jī)融合智能在軍事對抗中的設(shè)計，還需要考慮動態(tài)負(fù)載分配問題. 在高強(qiáng)度與高壓力的作戰(zhàn)環(huán)境下，何時將控制權(quán)交由機(jī)器進(jìn)行操縱，何時交由人工進(jìn)行操作，是實現(xiàn)人機(jī)高度融合過程中所必須考慮的問題. 為此，設(shè)計如圖3的基于人機(jī)融合的動態(tài)分配系統(tǒng)，用來實現(xiàn)控制權(quán)的自動化分配. 在機(jī)器自主系統(tǒng)進(jìn)行任務(wù)處理時，首先計算負(fù)載量，當(dāng)負(fù)載量沒有超過閾值，即可由機(jī)器進(jìn)行處理時，進(jìn)入機(jī)器處理階段，并將處理結(jié)果返回給機(jī)器自主系統(tǒng)，以便使用處理結(jié)果；當(dāng)負(fù)載量超過閾值時，可以實現(xiàn)控制權(quán)的轉(zhuǎn)移，將控制權(quán)轉(zhuǎn)給人工決策系統(tǒng)，由人工決策系統(tǒng)進(jìn)行接替處理，并將處理結(jié)果保存到人工決策系統(tǒng)以備使用；同樣，當(dāng)人工決策系統(tǒng)遇到諸如海量數(shù)據(jù)處理等實現(xiàn)較困難的情況，工作量明顯超過閾值，或由于人為因素（如情緒波動）需要將控制權(quán)進(jìn)行轉(zhuǎn)交時，由人工決策系統(tǒng)將控制權(quán)讓出，交給機(jī)器自主系統(tǒng)進(jìn)行處理，否則直接由人工決策系統(tǒng)自行處理并給出結(jié)果.

圖3 人機(jī)負(fù)載動態(tài)分配系統(tǒng)Fig.3 Dynamic distribution system based on hybrid human-artificial intelligence

采用基于人機(jī)融合的動態(tài)分配系統(tǒng)，可以實現(xiàn)控制權(quán)的動態(tài)轉(zhuǎn)移，從而使人與機(jī)器的協(xié)作更加密切，不至于出現(xiàn)任務(wù)配置不均勻?qū)е聼o法及時完成任務(wù)的局面. 同時，通過使用該系統(tǒng)，可以緩解人–機(jī)雙方工作負(fù)擔(dān)，利于實現(xiàn)可持續(xù)工作的目標(biāo).

人機(jī)融合智能的研究處在剛剛起步的狀態(tài)，但其明顯的優(yōu)越性得到了眾多國內(nèi)外學(xué)者的廣泛研究. 人機(jī)融合智能用于軍事對抗中，其優(yōu)勢十分明顯，但同時，需要克服的困難也并不僅僅只有以上列舉出來的情況，就比如人機(jī)融合智能在倫理中的問題，也是目前一直備受爭議的話題.

4 總結(jié)與展望

從人工智能在軍事對抗中的應(yīng)用作為切入點，論述了代表性國家對人工智能在軍事領(lǐng)域的應(yīng)用等方面的重視程度，并從兩大角度闡述現(xiàn)階段人工智能在軍事對抗中的應(yīng)用，展現(xiàn)出了人工智能強(qiáng)大的優(yōu)越性. 同時，針對目前的研究現(xiàn)狀提出人工智能在軍事對抗中的應(yīng)用限制，并引出人機(jī)融合智能這項新的發(fā)展趨勢，通過設(shè)計方案試圖解決人工智能在軍事領(lǐng)域無法解決的問題，并展現(xiàn)出了人機(jī)融合智能相比人工智能更顯著的優(yōu)勢. 有理由相信，在不久的未來，人機(jī)融合智能會在軍事領(lǐng)域占據(jù)越來越大的比重，人機(jī)融合智能也會敦促軍事領(lǐng)域新型技術(shù)的快速發(fā)展，實現(xiàn)高度人機(jī)融合，也將是軍事領(lǐng)域發(fā)展的必然要求.