面向仿真推演的認(rèn)知不確定性仿真建模范式?

（中國人民解放軍91550部隊(duì) 大連 116023）

1 引言

近年來，人工智能技術(shù)迅速發(fā)展，不僅影響和改變著人們的生產(chǎn)生活方式，也催生了智能無人集群作戰(zhàn)、有人/無人協(xié)同作戰(zhàn)、認(rèn)知網(wǎng)電戰(zhàn)、“算法戰(zhàn)爭”等新作戰(zhàn)樣式［1］。這些新作戰(zhàn)樣式對面向仿真推演的軍用仿真系統(tǒng)建設(shè)提出了新挑戰(zhàn):作為一種典型復(fù)雜系統(tǒng)，仿真推演中存在大量關(guān)于直覺、經(jīng)驗(yàn)、想象、靈感等無法用形式化方法表示的特性，僅依賴傳統(tǒng)基于相似性原理及形式化知識的仿真建模方法，難以構(gòu)建反映復(fù)雜系統(tǒng)特征的模型；同時(shí)態(tài)勢要素的多樣性、作戰(zhàn)對抗性、對手的隱蔽性和欺騙性等也會導(dǎo)致不確定性。因此，加強(qiáng)面向仿真推演的不確定性仿真建模研究具有重要意義和應(yīng)用前景［2］。不確定性包含內(nèi)部不確定性和外部不確定性，既包括系統(tǒng)內(nèi)部知識與信息的不確定性建模推理；也包括對系統(tǒng)外部和對手（如多智能體系統(tǒng)，非完全信息博弈等）的不確定性建模推理［3］。

隨著人工智能2.0的提出與發(fā)展［4］，認(rèn)知智能在感知智能的基礎(chǔ)上獲得了快速進(jìn)步［5］，在此基礎(chǔ)上文獻(xiàn)［6］提出了認(rèn)知仿真的概念和內(nèi)涵，探討了經(jīng)驗(yàn)直覺捕捉對復(fù)雜系統(tǒng)建模的重要意義。人工智能技術(shù)的進(jìn)步推動(dòng)了認(rèn)知不確定性仿真建模的發(fā)展，相對于傳統(tǒng)的仿真建模方法，認(rèn)知不確定性仿真建模在建模原理、規(guī)則、工具、“生態(tài)”等方面發(fā)生了全面遷移和改變［7］，如它研究多源異構(gòu)數(shù)據(jù)的統(tǒng)一表示和直覺、經(jīng)驗(yàn)、想象、靈感等的形式化方法；它研究因果推理而不僅僅是相關(guān)性，增加大數(shù)據(jù)建模和深度學(xué)習(xí)的可解釋性［8］；它研究知識圖譜和圖神經(jīng)網(wǎng)絡(luò)等，增加了建模方法的語義表達(dá)［9］；它研究集知識學(xué)習(xí)、數(shù)據(jù)驅(qū)動(dòng)和經(jīng)驗(yàn)學(xué)習(xí)于一體的智能學(xué)習(xí)與仿真模型等。上述研究可能引起一個(gè)新理論框架替代舊理論框架，進(jìn)一步完善理解世界的概念和互動(dòng)方式，因此，我們基于研究成果和仿真推演需求，擬探討面向仿真推演的認(rèn)知不確定性仿真建模范式，豐富基于機(jī)器學(xué)習(xí)的仿真建模新方法。

近來，AlphaGo及其演進(jìn)型號AlphaGo Zero、AlphaGo Star等通過深度強(qiáng)化學(xué)習(xí)等人工智能技術(shù)實(shí)現(xiàn)自學(xué)習(xí)、捕捉經(jīng)驗(yàn)、發(fā)現(xiàn)創(chuàng)新等能力，揭示了一種不確定性仿真建模的可能。DeepMind還將深度強(qiáng)化學(xué)習(xí)用于刀塔、“星際爭霸II”等游戲的模擬對抗中，取得了超過人類高級玩家的水平［10］。不論AlphaGo、AlphaGo Star還是“深綠”，其邁向智能化的基礎(chǔ)都是知識，將人類的領(lǐng)域知識、隱性經(jīng)驗(yàn)和高質(zhì)量數(shù)據(jù)應(yīng)用于深度強(qiáng)化學(xué)習(xí)，能夠從稀疏的、有噪聲的和延遲的獎(jiǎng)勵(lì)信號中去學(xué)習(xí)，并提高學(xué)習(xí)效率，降低學(xué)習(xí)難度，成為基于機(jī)器學(xué)習(xí)的不確定性仿真建模方法研究的熱點(diǎn)［11］。因此，需要以機(jī)器學(xué)習(xí)理論為基礎(chǔ)，構(gòu)建認(rèn)知不確定性仿真建模范式，研究面向仿真推演的自主智能化與認(rèn)知不確定性建模仿真新方法，形成包括因果推理機(jī)器學(xué)習(xí)算法、不確定性認(rèn)知、元數(shù)據(jù)結(jié)構(gòu)等具有認(rèn)知推理功能的仿真建模方法，提升復(fù)雜環(huán)境態(tài)勢認(rèn)知的智能化水平。

本文針對態(tài)勢感知與理解中的不確定性復(fù)雜多樣、自主智能化不足的問題，提出構(gòu)建面向仿真推演的認(rèn)知不確定性仿真建模范式，對范式的含義進(jìn)行了界定，梳理了范式的5個(gè)特征:遵循科學(xué)原理、態(tài)勢要素和知識的表示方式、不確定性認(rèn)知模型、不確定性推理機(jī)制、范式的影響，歸納了構(gòu)建范式的核心研究內(nèi)容。該范式及其關(guān)鍵技術(shù)的深入研究能增強(qiáng)態(tài)勢智能認(rèn)知的準(zhǔn)確性和軍事指揮決策的精準(zhǔn)性。

2 認(rèn)知不確定性仿真建模范式定義

科學(xué)研究的范式是指在一段時(shí)間內(nèi)為科學(xué)家集團(tuán)所共同接受的科學(xué)信念，是一組假說、理論、準(zhǔn)則和方法的總和，用于指導(dǎo)現(xiàn)實(shí)科學(xué)研究［12］。近年來，隨著大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)、5G等技術(shù)的快速發(fā)展，科學(xué)研究的“第四范式”被提出，即從以數(shù)學(xué)模型計(jì)算為中心的方式，轉(zhuǎn)變?yōu)閷Ａ繑?shù)據(jù)處理為中心的方式。這波人工智能技術(shù)興起的推動(dòng)技術(shù)——深度學(xué)習(xí)，也是通過“數(shù)據(jù)+算法+算力”的組合實(shí)現(xiàn)了“大力出奇跡”［13］。它開辟了機(jī)器學(xué)習(xí)和智能科學(xué)研究的新途徑，通過大數(shù)據(jù)挖掘、基于多源數(shù)據(jù)認(rèn)知分析，促進(jìn)了認(rèn)知科學(xué)、仿真建模等發(fā)展，擴(kuò)展了智能化應(yīng)用，徹底改變?nèi)藗兩睢⑸a(chǎn)及戰(zhàn)爭模式［14］。

所有這些也促進(jìn)了軍事仿真建模的發(fā)展，為解決面向仿真推演的態(tài)勢智能認(rèn)知中的不確定性仿真建模難題（如態(tài)勢要素多樣導(dǎo)致難以統(tǒng)一知識化；因果關(guān)系挖掘難；直覺、經(jīng)驗(yàn)等難以形式化等）提供了機(jī)會。因此，我們構(gòu)建認(rèn)知不確定性仿真建模范式，具體定義為:1）基于整體論和機(jī)器學(xué)習(xí)理論，通過統(tǒng)一的數(shù)據(jù)格式:元數(shù)據(jù)結(jié)構(gòu)，綜合視覺、聽覺、文字等多種媒體的語義，構(gòu)建融合賽博—物理—人類（cyber-physics-human，CPH）三元空間的統(tǒng)一態(tài)勢要素表示形式，捕獲人類經(jīng)驗(yàn)、直覺、想象、靈感等非形式化知識，與形式化知識一起，構(gòu)建能夠反映復(fù)雜系統(tǒng)特征的認(rèn)知模型；2）基于認(rèn)知智能，幫助機(jī)器跨越模態(tài)理解數(shù)據(jù)，學(xué)習(xí)到最接近人腦認(rèn)知的“一般表達(dá)”，主動(dòng)了解事物發(fā)展的背后規(guī)律和因果關(guān)系，通過密集計(jì)算與密集數(shù)據(jù)的集成，實(shí)現(xiàn)復(fù)雜系統(tǒng)因果規(guī)律的發(fā)現(xiàn)，數(shù)據(jù)密集方法從整體上分階段發(fā)現(xiàn)涌現(xiàn)性、演化機(jī)制下的結(jié)果，計(jì)算密集方法在部分時(shí)段或部分區(qū)域（空間）上滿足相似性研究的需要；3）同時(shí)融合深度神經(jīng)網(wǎng)絡(luò)的注意力、記憶、強(qiáng)化學(xué)習(xí)等認(rèn)知機(jī)制，將人類先驗(yàn)與知識巧妙引入數(shù)據(jù)驅(qū)動(dòng)計(jì)算框架，模擬人的思維模式和常識認(rèn)知，通過有機(jī)協(xié)調(diào)知識引導(dǎo)下的演繹、數(shù)據(jù)驅(qū)動(dòng)中的歸納、經(jīng)驗(yàn)學(xué)習(xí)內(nèi)的規(guī)劃等方法，最終實(shí)現(xiàn)面向軍事系統(tǒng)仿真推演的自主智能化與認(rèn)知不確定性仿真建模。面向仿真推演的認(rèn)知不確定性仿真建模范式示意如圖1所示。

認(rèn)知不確定性仿真建模范式將對態(tài)勢認(rèn)知理念和仿真建模研究方式產(chǎn)生革命性影響，引發(fā)仿真推演技術(shù)的變革，并逐步形成理論、方法、技術(shù)的完整研究體系，最終提升復(fù)雜環(huán)境態(tài)勢認(rèn)知的準(zhǔn)確性和軍事指揮決策的精準(zhǔn)性，“加快軍事智能化發(fā)展，提高基于網(wǎng)絡(luò)信息體系的聯(lián)合作戰(zhàn)能力、全域作戰(zhàn)能力”。

圖1 面向仿真推演的認(rèn)知不確定性仿真建模范式示意圖

3 認(rèn)知不確定性仿真建模范式的特征

面向仿真推演的認(rèn)知不確定性仿真建模范式有以下特征。

3.1 遵循科學(xué)原理

認(rèn)知不確定性仿真建模范式基于整體論和機(jī)器學(xué)習(xí)理論，一是仿真推演系統(tǒng)不可分解，其整體性質(zhì)不具備局部可加性，必須進(jìn)行整體性建模；二是大數(shù)據(jù)的統(tǒng)計(jì)學(xué)理論，態(tài)勢智能認(rèn)知包括態(tài)勢感知、理解與預(yù)測、決策，貫穿著四個(gè)過程的核心技術(shù)便是大數(shù)據(jù)，而統(tǒng)計(jì)學(xué)則是理解、分析大數(shù)據(jù)的基礎(chǔ)；三是機(jī)器學(xué)習(xí)理論，無論是以計(jì)算機(jī)邏輯為基礎(chǔ)的搜索、比對、排序、溯源等算法，或是分析數(shù)據(jù)之間是否具有共性結(jié)構(gòu)等的聚類、分類、回歸等算法，還是深度學(xué)習(xí)算法都是機(jī)器學(xué)習(xí)理論的重要組成部分；四是因果推理等理論，態(tài)勢認(rèn)知的關(guān)鍵在于推理算法，仿真推演等“高風(fēng)險(xiǎn)”領(lǐng)域，往往需要知曉算法所給出結(jié)果的依據(jù)，因此因果推理依然很重要，還有對經(jīng)驗(yàn)、直覺、想象、靈感等的建模，需要經(jīng)驗(yàn)直覺和理性推理的融合建模理念；五是認(rèn)知智能，它將從認(rèn)知心理學(xué)、腦科學(xué)及人類社會歷史中汲取靈感，并結(jié)合擴(kuò)領(lǐng)域知識圖譜、因果推理、持續(xù)學(xué)習(xí)等技術(shù)，建立穩(wěn)定獲取和表達(dá)知識的有效機(jī)制，讓知識能夠被機(jī)器理解和運(yùn)用，實(shí)現(xiàn)從感知智能到認(rèn)知智能的關(guān)鍵突破。

面向仿真推演的認(rèn)知不確定性仿真建模范式將數(shù)據(jù)驅(qū)動(dòng)和知識引導(dǎo)相結(jié)合，將知識的向量表示與符號表示相結(jié)合，將推理模型與深度學(xué)習(xí)相結(jié)合，經(jīng)過一段時(shí)期的發(fā)展與研究，將逐步形成理論、方法、技術(shù)的完整研究體系。

3.2 態(tài)勢要素和知識的表示方式

態(tài)勢主要由敵我等交戰(zhàn)方的使命任務(wù)及其約束條件、能力、意圖及作戰(zhàn)相關(guān)的環(huán)境等組成。隨著人工智能技術(shù)的迅速發(fā)展，催生了新的作戰(zhàn)樣式，作戰(zhàn)態(tài)勢的敵情、我情、戰(zhàn)場環(huán)境等要素變得更加復(fù)雜，態(tài)勢數(shù)據(jù)有結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化等形式，再加上經(jīng)驗(yàn)、直覺、想象、靈感等形式化比較困難的要素，導(dǎo)致不同模態(tài)的數(shù)據(jù)難以統(tǒng)一表示。

為了增強(qiáng)推理及捕捉經(jīng)驗(yàn)、直覺等能力，將數(shù)據(jù)驅(qū)動(dòng)和知識引導(dǎo)相結(jié)合，通過統(tǒng)一的數(shù)據(jù)格式:元數(shù)據(jù)結(jié)構(gòu)，構(gòu)建融合賽博—物理—人類三元空間的統(tǒng)一態(tài)勢要素表示形式，捕獲人類經(jīng)驗(yàn)、直覺、想象、靈感等非形式化知識，與形式化知識一起，構(gòu)建基于元數(shù)據(jù)結(jié)構(gòu)的領(lǐng)域知識圖譜，實(shí)現(xiàn)指揮決策規(guī)則、非結(jié)構(gòu)化數(shù)據(jù)、多模態(tài)知識等的聯(lián)合表示，并進(jìn)行融合規(guī)則與圖神經(jīng)網(wǎng)絡(luò)的知識圖譜推理。

隨著網(wǎng)絡(luò)空間（cyberspace）、物理世界、人類社會組成的人機(jī)物三元世界CPH的深度融合，三元世界CPH成為新型計(jì)算模型，任何物體之間的智能交互均成為計(jì)算形態(tài)，人和設(shè)備作為智能部件存在于萬物互聯(lián)的計(jì)算系統(tǒng)中。同時(shí)知識圖譜以結(jié)構(gòu)化的形式描述客觀世界中概念、實(shí)體及其關(guān)系，將多元異構(gòu)的信息表達(dá)成更接近人類認(rèn)知世界形式，提供了一種更好的組織、管理和理解海量信息的能力［14］。

3.3 不確定性認(rèn)知模型

傳統(tǒng)的不確定性認(rèn)知方法包括貝葉斯網(wǎng)絡(luò)、模糊認(rèn)知圖、影響圖、D-S證據(jù)理論、動(dòng)態(tài)因果圖等，而AlphaGo利用策略網(wǎng)絡(luò)模擬了人類在思維廣度上的直覺估計(jì)能力，找到了一種捕捉圍棋高手經(jīng)驗(yàn)，即“棋感直覺”的方法。認(rèn)知不確定性仿真建模借鑒AlphaGo的思路，在深度學(xué)習(xí)中引入注意力機(jī)制和記憶結(jié)構(gòu)，可有效利用當(dāng)前數(shù)據(jù)以外的數(shù)據(jù)和知識，克服了僅依賴于輸入數(shù)據(jù)進(jìn)行驅(qū)動(dòng)學(xué)習(xí)的不足；序列學(xué)習(xí)機(jī)制和深度強(qiáng)化學(xué)習(xí)也能為戰(zhàn)場態(tài)勢認(rèn)知模擬提供很好的思路。因此，基于多注意力卷積神經(jīng)網(wǎng)絡(luò)、時(shí)序增強(qiáng)的知識記憶網(wǎng)絡(luò)和情節(jié)性元強(qiáng)化學(xué)習(xí)等模擬人的注意力、記憶、強(qiáng)化學(xué)習(xí)等機(jī)制，捕獲人類經(jīng)驗(yàn)、直覺、想象、靈感等非形式化知識，構(gòu)建不確定性認(rèn)知模型實(shí)現(xiàn)對具有多樣性、復(fù)雜性與不確定性的指揮員思維模式、常識、推理過程等的模擬。

態(tài)勢智能認(rèn)知的高度復(fù)雜性和不確定性，需要多種方法混合使用，如AlphaGo就采用策略網(wǎng)絡(luò)、快速走子、估值網(wǎng)絡(luò)、蒙特卡洛樹搜索等技術(shù)，是蒙特卡洛樹搜索、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)的融合。認(rèn)知不確定性仿真建模還融合了知識圖譜和知識推理、因果推理等，需要“多管齊下”。

3.4 認(rèn)知不確定性推理機(jī)制

態(tài)勢認(rèn)知的關(guān)鍵在于推理算法，傳統(tǒng)的推理方法依托知識庫和推理機(jī)進(jìn)行符號規(guī)則推理，雖然研究了貝葉斯網(wǎng)絡(luò)、D-S證據(jù)推理和模糊推理等方法，但對不確定性的應(yīng)對能力仍然不足。大數(shù)據(jù)技術(shù)的發(fā)展一度用相關(guān)性替代因果性，但軍事指揮與決策等“高風(fēng)險(xiǎn)”領(lǐng)域，要求數(shù)據(jù)驅(qū)動(dòng)決策的推理機(jī)制應(yīng)由數(shù)據(jù)相關(guān)性向因果關(guān)系轉(zhuǎn)變，讓機(jī)器同人一樣具備小樣本數(shù)據(jù)學(xué)習(xí)能力，因此，需要加強(qiáng)基于因果推理機(jī)器學(xué)習(xí)算法的不確定性仿真建模方法。

同時(shí)記憶、注意力、強(qiáng)化學(xué)習(xí)等驅(qū)動(dòng)的推理機(jī)制能模擬人腦的認(rèn)知機(jī)理，捕獲人類經(jīng)驗(yàn)、直覺、想象、靈感等非形式化知識，能夠?qū)崿F(xiàn)對指揮員思維模式、常識、推理過程等的模擬，更好地邁向認(rèn)知智能和類人常識的范式轉(zhuǎn)換?；谥R的推理機(jī)制中，知識的表示形式?jīng)Q定了推理機(jī)制，因此知識表示方法很重要。基于元數(shù)據(jù)結(jié)構(gòu)的仿真建模技術(shù)在構(gòu)建領(lǐng)域知識圖譜的基礎(chǔ)上，采用圖神經(jīng)網(wǎng)絡(luò)進(jìn)行知識推理，將知識的向量表示與符號表示相融合，進(jìn)一步增強(qiáng)知識的推理能力。

3.5 認(rèn)知不確定性仿真建模范式的影響

為了應(yīng)對仿真推演中的不確定性，認(rèn)知不確定性仿真建模范式從以數(shù)學(xué)模型計(jì)算為中心轉(zhuǎn)變?yōu)橐院Ａ繑?shù)據(jù)處理為中心，再轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動(dòng)、知識引導(dǎo)、經(jīng)驗(yàn)學(xué)習(xí)等相結(jié)合，知識的向量表示與符號表示相融合的賽博—物理—人類三元空間計(jì)算模型，仿真建模范式發(fā)生從“量變”到“質(zhì)變”的根本性轉(zhuǎn)變，對仿真建模方法、態(tài)勢認(rèn)知、軍事指揮決策、指揮信息系統(tǒng)建設(shè)等產(chǎn)生深遠(yuǎn)影響。

認(rèn)知不確定性仿真建模范式將催生由結(jié)構(gòu)相似性轉(zhuǎn)變?yōu)橐?guī)律相似性、經(jīng)驗(yàn)直覺和理性推理相融合等仿真建模方法與理念，成為一種新的科研范式。同時(shí)會推動(dòng)態(tài)勢智能認(rèn)知技術(shù)的發(fā)展，仿真建模態(tài)勢的各種不確定性，形式化建模指揮員的經(jīng)驗(yàn)、直覺、想象、靈感等并經(jīng)自動(dòng)推理得出認(rèn)知結(jié)果，破解復(fù)雜多變、信息多源戰(zhàn)場環(huán)境的信息過載問題，降低指揮員的認(rèn)知負(fù)荷；同時(shí)突破指揮員主觀認(rèn)知的局限，彌補(bǔ)不足，更正錯(cuò)誤，以自主智能、人機(jī)融合的方式增強(qiáng)指揮員的認(rèn)知能力，輔助指揮員獲得更快、更全、更準(zhǔn)、更深的戰(zhàn)場態(tài)勢認(rèn)知［5］。認(rèn)知不確定性仿真建模范式指導(dǎo)下的指揮信息系統(tǒng)建設(shè)可以引入平行仿真的理念［16］，將仿真推演系統(tǒng)嵌入進(jìn)指揮信息系統(tǒng)，根據(jù)歷史、現(xiàn)實(shí)的真實(shí)數(shù)據(jù)，采用實(shí)時(shí)仿真推演得到“未來”的結(jié)果，幫助指揮員進(jìn)行戰(zhàn)場態(tài)勢的提前預(yù)測和處理。

4 認(rèn)知不確定性仿真建模范式關(guān)鍵技術(shù)

構(gòu)建認(rèn)知不確定性仿真建模范式，需要進(jìn)行基于機(jī)器學(xué)習(xí)的不確定性仿真建模新方法研究，包括因果推理機(jī)器學(xué)習(xí)算法、不確定性認(rèn)知、元數(shù)據(jù)結(jié)構(gòu)等具有認(rèn)知推理功能的仿真建模方法，具體相關(guān)技術(shù)如下。

4.1 基于因果推理機(jī)器學(xué)習(xí)算法的不確定性仿真建模方法

因果推理是一種強(qiáng)有力的建模工具，可用于解釋性分析，其可能幫助機(jī)器學(xué)習(xí)尤其深度學(xué)習(xí)算法做出可解釋的預(yù)測。

因果推理機(jī)器學(xué)習(xí)算法主要研究包括:1）從觀察數(shù)據(jù)中發(fā)現(xiàn)事物間的因果結(jié)構(gòu)和定量推斷，需要研究基于因果發(fā)掘的仿真建模方法，直接從態(tài)勢要素和數(shù)據(jù)中提取因果知識來幫助理解和預(yù)測；2）針對戰(zhàn)場態(tài)勢實(shí)時(shí)、動(dòng)態(tài)變化的特點(diǎn)，研究基于立體動(dòng)態(tài)不確定因果圖的仿真建模方法，在動(dòng)態(tài)不確定因果圖（Dynamic Uncertain Causality Graph，DUCG）的基礎(chǔ)上擴(kuò)展其時(shí)序因果表達(dá)和推理方法；3）針對小數(shù)據(jù)集條件下的不確定性仿真建模問題，研究基于記憶單元和深度生成模型的貝葉斯網(wǎng)絡(luò)，即深度學(xué)習(xí)貝葉斯網(wǎng)絡(luò)。

4.2 基于不確定性認(rèn)知的仿真建模方法

基于不確定性認(rèn)知的仿真建模方法主要解決仿真推演中存在大量關(guān)于直覺、經(jīng)驗(yàn)、想象、靈感等無法用形式化方法表示的問題，借鑒機(jī)器學(xué)習(xí)理論中的注意力、記憶、強(qiáng)化學(xué)習(xí)等機(jī)制，針對將注意力機(jī)制和Long-Short Term Memory（LSTM）等序列性輸入網(wǎng)絡(luò)相結(jié)合的網(wǎng)絡(luò)模型訓(xùn)練時(shí)間長、且無法對態(tài)勢要素進(jìn)行平行化輸入等問題，提出一種基于多注意力卷積神經(jīng)網(wǎng)絡(luò)的特定思維模式仿真建模方法；提出基于時(shí)序增強(qiáng)的知識記憶網(wǎng)絡(luò)的仿真建模方法，設(shè)計(jì)時(shí)序增強(qiáng)知識記憶網(wǎng)絡(luò)，同時(shí)利用經(jīng)典戰(zhàn)例和指揮員經(jīng)驗(yàn)積累等構(gòu)成的知識庫提高對態(tài)勢理解的準(zhǔn)確性；提出基于情節(jié)性元強(qiáng)化學(xué)習(xí)的仿真建模方法，融合情節(jié)性深度強(qiáng)化學(xué)習(xí)和元強(qiáng)化學(xué)習(xí)，協(xié)同加快強(qiáng)化學(xué)習(xí)速度。

4.3 基于元數(shù)據(jù)結(jié)構(gòu)的不確定性仿真建模方法

基于元數(shù)據(jù)結(jié)構(gòu)的不確定性仿真建模方法主要通過建立元數(shù)據(jù)結(jié)構(gòu)和元數(shù)據(jù)結(jié)構(gòu)逐層實(shí)例化，實(shí)現(xiàn)形式化數(shù)據(jù)與經(jīng)驗(yàn)、直覺、想象、靈感等形式化比較困難要素的統(tǒng)一表示。基于元數(shù)據(jù)結(jié)構(gòu)，將半結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)等加工轉(zhuǎn)化為有序、可用、標(biāo)準(zhǔn)的結(jié)構(gòu)化知識，設(shè)計(jì)知識計(jì)算引擎，構(gòu)建面向仿真推演的領(lǐng)域知識圖譜，從而具備知識深度計(jì)算能力和認(rèn)知推理功能，加速態(tài)勢認(rèn)知過程。仿真推演中的態(tài)勢認(rèn)知需要嚴(yán)格按照一定的規(guī)則，即基于規(guī)則組成的知識庫，而領(lǐng)域知識圖譜可以從態(tài)勢要素中挖掘新知識，因此提出融合規(guī)則與圖神經(jīng)網(wǎng)絡(luò)的知識圖譜推理方法。

5 結(jié)語

本文在分析態(tài)勢感知與理解中的不確定性表現(xiàn)形式、自主智能化不足的基礎(chǔ)上，構(gòu)建了認(rèn)知不確定性仿真建模新范式，給出了認(rèn)知不確定性仿真建模范式的定義，梳理了認(rèn)知不確定性仿真建模范式的五個(gè)特征，歸納了構(gòu)建范式需要進(jìn)行的基于機(jī)器學(xué)習(xí)的不確定性仿真建模新方法的研究內(nèi)容，包括因果推理機(jī)器學(xué)習(xí)算法、不確定性認(rèn)知、元數(shù)據(jù)結(jié)構(gòu)等具有認(rèn)知推理功能的仿真建模方法。該范式能解決態(tài)勢智能認(rèn)知模擬中的多模態(tài)知識聯(lián)合表示與推理、不確定性認(rèn)知、因果推理等核心問題，提升復(fù)雜環(huán)境態(tài)勢感知與理解的準(zhǔn)確性，為軍事指揮決策的精準(zhǔn)性提供基礎(chǔ)性支撐。