面向人機融合的C4ISR系統(tǒng)架構(gòu)研究*

張兆晨，毛曉彬，周光霞

(1.中國電科集團第28研究所 信息系統(tǒng)工程重點實驗室，江蘇 南京 210007;2.軟件新技術(shù)與產(chǎn)業(yè)化協(xié)同創(chuàng)新中心，江蘇 南京 210000)

0 引言

C4ISR系統(tǒng)[1]是集指揮、控制、通信、計算、情報、監(jiān)視、偵察于一體的軍事信息系統(tǒng)，是作戰(zhàn)指揮的神經(jīng)中樞和戰(zhàn)場力量的倍增器。隨著第3次人工智能浪潮的到來，智能化技術(shù)滲透到作戰(zhàn)的每個環(huán)節(jié)[2]。如何構(gòu)建“類人化”系統(tǒng)，實現(xiàn)機器與作戰(zhàn)人員的相互理解、高效協(xié)作，是跨越式提升作戰(zhàn)能力的突破口。在此情況下，傳統(tǒng)C4ISR系統(tǒng)的形態(tài)和運行模式將發(fā)生顛覆性變化，人機融合系統(tǒng)應(yīng)運而生。

美軍已在戰(zhàn)略和技術(shù)層面開展人機融合系統(tǒng)研究。美軍在《人機系統(tǒng)科技發(fā)展路線圖》[3]中強調(diào)，人機系統(tǒng)集成(human-machine systems integration,HSI)是系統(tǒng)設(shè)計、研發(fā)和采辦的重要組成。美國戰(zhàn)略與預算評估中心(center for strategic and budgetary assessments,CSBA)在《未來地面部隊人機編隊》報告[4]中提出未來地面部隊人機編隊的三大形式。美國國防部高級研究計劃局(defense advanced research projects agency，DARPA)部署了一系列人機融合項目。人工智能探索(artificial intelligence exploration，AIE)[5]計劃提出人機共生的設(shè)想，探索讓機器適應(yīng)不斷變化的戰(zhàn)場情況的新理論和應(yīng)用。靈活編隊(agile teams)[6]項目致力于實現(xiàn)高度靈活的人機混合編組的最優(yōu)化設(shè)計，以更好地將人的認知優(yōu)勢與機器智能結(jié)合。知識導向的人工智能推理模式(knowledge-directed artificial intelligence reasoning over schemas，KAIROS)[7-8]項目通過研發(fā)新型半自動化人機融合智能系統(tǒng)，提升態(tài)勢洞察、預警探測、情報處理和戰(zhàn)爭理解的能力。成功團隊的人工社會智能(artificial social intelligence for successful teams,ASIST)項目[9-10]旨在開發(fā)具備社交技能的智能體，能夠與人編組協(xié)同作戰(zhàn)。人機探索軟件安全(computers and humans exploring software security，CHESS)[11]項目研究人與機器協(xié)作推理、識別并修復高威網(wǎng)絡(luò)漏洞。

架構(gòu)決定系統(tǒng)能力[12-13]，構(gòu)建面向人機融合的C4ISR系統(tǒng)，其首要環(huán)節(jié)是系統(tǒng)架構(gòu)設(shè)計。文本提出人機混合增強智能的C4ISR系統(tǒng)的架構(gòu)設(shè)計原理模型，設(shè)計了系統(tǒng)組成與運行機制，實現(xiàn)對系統(tǒng)架構(gòu)的靜態(tài)特征和動態(tài)屬性的描述，形成人機融合的C4ISR系統(tǒng)架構(gòu)設(shè)計范式，并通過在下一代C4ISR系統(tǒng)設(shè)計中的典型作戰(zhàn)案例驗證其有效性和可行性。

1 設(shè)計理念

人機融合需要將人的認知能力與機器的強大算力實時有效融合，以應(yīng)對瞬息萬變的戰(zhàn)場環(huán)境。在作戰(zhàn)指揮中，人機融合智能貫穿感知、判斷、決策、控制環(huán)節(jié)。因此，人機融合系統(tǒng)設(shè)計必須打通從任務(wù)環(huán)境到作用對象的OODA全過程。建立人機融合系統(tǒng)架構(gòu)的原理模型，如圖1所示。

圖1 人機融合系統(tǒng)架構(gòu)的原理模型Fig.1 Principle model of human computer fusion system architecture

(1) 感知層：將各類戰(zhàn)場傳感器采集的客觀探測數(shù)據(jù)與指揮員、參謀、士兵等感官獲取的主觀信息進行融合，形成一種新的情報獲取方式。

(2) 思維層：通過機器的計算能力，讓機器學習指揮員、參謀的思維模式，實現(xiàn)人的認知能力向機器遷移，構(gòu)建一種新的機器學習模式。

(3) 應(yīng)用層：將人的判斷、決策和控制信息與機器的運算結(jié)果匹配、比較，發(fā)現(xiàn)機器在決策中問題缺陷，由人驅(qū)動機器進行算法模型優(yōu)化，以作出更加精準、可靠的決策。

人機融合系統(tǒng)架構(gòu)設(shè)計的核心是如何使得人的智能向機器智能遷移，塑造“互理解、互信任、互啟發(fā)”的人機共生指揮控制模式。本文創(chuàng)新提出博弈對抗推演的手段，將人腦中的知識、經(jīng)驗逐步轉(zhuǎn)化為機器的知識網(wǎng)絡(luò)，教會機器在類似情況甚至從未出現(xiàn)的情況下如何決策。最終打造強大的“機器大腦”，實現(xiàn)真正的機器人戰(zhàn)爭。人只需要在作戰(zhàn)環(huán)路外監(jiān)控戰(zhàn)場局勢，在關(guān)鍵節(jié)點調(diào)控戰(zhàn)場走向。

2 系統(tǒng)組成

將人機融合系統(tǒng)架構(gòu)設(shè)計的原理模型映射到人機融合的C4ISR系統(tǒng)，構(gòu)建系統(tǒng)組成，如圖2所示。原理模型的感知層映射成為人腦感知系統(tǒng)、機腦情報感知系統(tǒng)，思維層映射成為人腦知識網(wǎng)絡(luò)、機腦知識網(wǎng)絡(luò)，應(yīng)用層映射成為人腦應(yīng)用功能、機腦應(yīng)用系統(tǒng)，“人智能向機器智能遷移”則通過博弈對抗推演環(huán)境實現(xiàn)。

圖2 面向人機融合的C4ISR系統(tǒng)組成Fig.2 C4ISR system composition for human computer fusion

可以看到，面向人機融合的C4ISR系統(tǒng)與傳統(tǒng)智能處理系統(tǒng)相比，人腦與機腦處于對等地位。新增的博弈對抗推演環(huán)境支持人腦在作戰(zhàn)業(yè)務(wù)中與機腦無縫對接，適時將人腦的智慧融入機器的業(yè)務(wù)流程中。逐步驅(qū)動機器提煉知識，提升認知和決策能力，解決以往基于傳統(tǒng)人工智能算法無法求解的問題。

(1) 人腦感知系統(tǒng)：是人通過感官獲取任務(wù)和環(huán)境信息的途徑，包含視覺、聽覺等功能。

(2) 機腦感知系統(tǒng)：通過各類型、廣域分布的傳感器采集目標狀態(tài)、戰(zhàn)場環(huán)境等信息，并進行初步綜合處理，形成服務(wù)化的情報信息。

(3) 人腦知識網(wǎng)絡(luò)：人腦知識網(wǎng)絡(luò)包含指揮員、參謀大腦中具備的業(yè)務(wù)領(lǐng)域知識，如基于經(jīng)驗獲得的目標特征、戰(zhàn)術(shù)戰(zhàn)法等知識，人腦的思維過程就是對這些知識關(guān)聯(lián)推理，支撐其作出判斷決策。

(4) 機腦知識網(wǎng)絡(luò)：機腦知識網(wǎng)絡(luò)是將知識進行模型化表征，標記知識之間的關(guān)聯(lián)關(guān)系，構(gòu)建形成知識圖譜，對機腦應(yīng)用系統(tǒng)提供知識服務(wù)。一方面，機腦知識網(wǎng)絡(luò)能夠自主進行隱含規(guī)律的挖掘，擴充知識圖譜；另一方面，通過人機博弈對抗，不斷從人腦中獲取經(jīng)驗知識，實現(xiàn)知識演化更新。

(5) 博弈對抗推演環(huán)境：包括仿真推演引擎、虛擬戰(zhàn)場博弈對抗平臺和虛實結(jié)合的戰(zhàn)場博弈對抗平臺，其中，虛擬戰(zhàn)場博弈對抗平臺支持人-人、人-機、機-機博弈對抗學習訓練。博弈對抗推演環(huán)境是實現(xiàn)人腦知識向機腦知識遷移的關(guān)鍵，它在數(shù)字空間構(gòu)建了一個虛擬戰(zhàn)場，既支持特定任務(wù)場景下的人與人、人與機器、機器與機器的全數(shù)字仿真推演，也能夠接入真實戰(zhàn)場情報數(shù)據(jù)，進行虛實結(jié)合的仿真推演。

(6) 人腦應(yīng)用功能：是指揮員、參謀憑借經(jīng)驗、認知實施指揮控制的業(yè)務(wù)功能，能夠在關(guān)鍵節(jié)點為機器提供重要決策方向的指導。

(7) 機腦應(yīng)用系統(tǒng)：是機器在機腦知識網(wǎng)絡(luò)和博弈對抗推演環(huán)境的支持下，實現(xiàn)快速、可信、精準的指揮控制的業(yè)務(wù)功能。

3 運行機制

基于面向人機融合的C4ISR系統(tǒng)組成，建立其運行機制，描述其動態(tài)屬性。“人智能向機器智能遷移”是通過博弈對抗實現(xiàn)的，其過程是分階段的，包括人與人、人與機器、機器之間自主博弈對抗3個階段。只有在平時基于博弈對抗推演環(huán)境，由人驅(qū)動機器開展學習訓練，獲得人的認知能力，才能在戰(zhàn)時保證機器作出準確決策。

3.1 戰(zhàn)前博弈對抗訓練

戰(zhàn)前博弈對抗推演環(huán)境構(gòu)建了一個虛擬戰(zhàn)場，通過人人和人機對抗，促進人腦知識向機腦遷移。在此基礎(chǔ)上，通過機機自主對抗，不間斷產(chǎn)生供機器學習的樣本數(shù)據(jù)，驗證、優(yōu)化模型，自主提升系統(tǒng)能力。

(1) 人-人博弈對抗訓練

依據(jù)歷史作戰(zhàn)案例，由博弈對抗推演環(huán)境構(gòu)建一個虛擬任務(wù)和作戰(zhàn)環(huán)境。由指揮員、參謀分別扮演紅藍雙方，在虛擬戰(zhàn)場中開展博弈對抗。在人腦知識網(wǎng)絡(luò)的支撐下，所有判斷、決策、控制信息均由指揮員、參謀下達至虛擬戰(zhàn)場，虛擬戰(zhàn)場產(chǎn)生紅藍雙方的推演數(shù)據(jù)發(fā)送給機腦知識網(wǎng)絡(luò)，機腦知識網(wǎng)絡(luò)進行分析、關(guān)聯(lián)，獲取指揮員、參謀的目標識別經(jīng)驗、戰(zhàn)術(shù)戰(zhàn)法、決策規(guī)律等知識，初步構(gòu)建形成知識圖譜。人-人博弈對抗訓練的運行機制如圖3所示。

圖3 人-人博弈對抗訓練的運行機制Fig.3 Operational mechanism of game confrontation training (human to human)

(2) 人-機博弈對抗訓練

機器學習獲取了一定的決策知識后，就可以開展人與機器的博弈對抗訓練。同樣，由博弈對抗推演環(huán)境構(gòu)建一個虛擬任務(wù)和作戰(zhàn)環(huán)境，由指揮員、參謀指揮紅方兵力，機器指揮藍方兵力進行博弈對抗。紅方的決策信息由指揮員/參謀下達至虛擬戰(zhàn)場。藍方的指揮決策則基于機腦知識網(wǎng)絡(luò)中的知識圖譜和知識服務(wù)下達至虛擬戰(zhàn)場。虛擬戰(zhàn)場產(chǎn)生紅藍雙方的推演數(shù)據(jù)發(fā)送給機腦知識網(wǎng)絡(luò)，機腦知識網(wǎng)絡(luò)的知識圖譜進一步擴展，挖掘深層次、隱含的規(guī)律，發(fā)現(xiàn)決策中的缺陷和薄弱環(huán)節(jié)，驗證算法的有效性，優(yōu)化決策模型，實現(xiàn)機腦知識網(wǎng)絡(luò)的演化生長。人-機博弈對抗訓練的運行機制如圖4所示。

圖4 人-機博弈對抗訓練的運行機制Fig.4 Operational mechanism of game confrontation training (human to computer)

(3) 機-機博弈對抗訓練

當機器的知識網(wǎng)絡(luò)趨于完善，具備與人進行博弈對抗的能力后，就可以開展機器自主的博弈對抗訓練。由機器扮演對抗的紅藍雙方，在機腦知識網(wǎng)絡(luò)的支撐下，所有判斷、決策、控制均由機器作出，并將信息下達至虛擬戰(zhàn)場，實現(xiàn)機器全天候不間斷的博弈對抗訓練，不斷積累樣本數(shù)據(jù)，優(yōu)化知識網(wǎng)絡(luò)，并探索人腦無法設(shè)想到的復雜場景下的決策模式，實現(xiàn)機器能力的自主提升。機-機博弈對抗訓練的運行機制如圖5所示。

圖5 機-機博弈對抗訓練的運行機制Fig.5 Operational mechanism of game confrontation training (computer to computer)

3.2 戰(zhàn)中平行仿真推演

戰(zhàn)前的博弈對抗訓練已實現(xiàn)機器獲取人的認知能力，形成了能夠自主決策的“機器大腦”。在真實作戰(zhàn)過程中，博弈對抗推演環(huán)境接入傳感器的真實情報數(shù)據(jù)，機器作為“虛擬指揮員”或“參謀”，運用“機器大腦”實現(xiàn)與對手的全自主作戰(zhàn)，指揮員、參謀只需監(jiān)控機器的作戰(zhàn)執(zhí)行過程，在關(guān)鍵節(jié)點作出重要決策，掌控戰(zhàn)場態(tài)勢走向。平行仿真推演的運行機制如圖6所示。

圖6 平行仿真推演的運行機制Fig.6 Operational mechanism of parallel simulation deduction

4 應(yīng)用實例

在本文提出的架構(gòu)范式的指導下，結(jié)合智能目標識別與攔截的作戰(zhàn)場景，采用美國國防部體系結(jié)構(gòu)框架 2.0 版(department of defense architecture framework，DoDAF2.0)[14]的系統(tǒng)接口描述模型(SV-1)和系統(tǒng)狀態(tài)轉(zhuǎn)移描述模型(SV-10b)，運用自主研發(fā)的體系架構(gòu)開發(fā)工具ModelDesigner，分別開展典型系統(tǒng)組成和運行流程設(shè)計，對面向人機融合的C4ISR系統(tǒng)架構(gòu)范式進行實例化。

4.1 系統(tǒng)組成設(shè)計

以紅方指揮所發(fā)現(xiàn)藍方不明目標并采取行動應(yīng)對的場景為例，設(shè)計紅方的人機融合目標識別與武器控制系統(tǒng)。紅方機腦已通過戰(zhàn)前人-人、人-機、機-機的博弈對抗學習訓練，積累了目標識別、武器控制等相關(guān)知識，形成一定的自主判斷、決策與控制能力。

首先，紅方雷達發(fā)現(xiàn)藍方空中一批不明目標，由紅方參謀初步判斷，假設(shè)目標屬性，紅方機腦進行關(guān)聯(lián)印證，驗證參謀的判斷。紅方指揮員決策是否對藍方目標采取反制措施，以及采用的武器平臺，由紅方機腦接入真實目標情報，進行平行推演，預測紅藍雙方對抗態(tài)勢，并控制紅方武器行動。

設(shè)計SV-1并細化到第2層系統(tǒng)組成，系統(tǒng)組成模型如圖7所示，系統(tǒng)組成描述如表1所示。

圖7 系統(tǒng)組成模型Fig.7 Systems composition model

表1 系統(tǒng)組成描述Table 1 Systems composition description

針對7個系統(tǒng)組成，設(shè)計SV-1的系統(tǒng)組成之間的關(guān)系模型，如圖8所示。

圖8 系統(tǒng)組成關(guān)系模型Fig.8 Systems composition relationship model

通過以上設(shè)計，建立了人機融合的目標識別與武器控制系統(tǒng)的SV-1模型，基于機腦知識網(wǎng)絡(luò)和博弈對抗推演環(huán)境，實現(xiàn)對參謀假設(shè)的印證，并自主預測敵方行動路線，提前發(fā)現(xiàn)指揮員意想不到的敵情，實現(xiàn)機器“智力”與指揮員和參謀“謀略”共生共長。該模型為下一代智能化C4ISR系統(tǒng)詳細設(shè)計、驗證、研制提供了重要支持。

4.2 系統(tǒng)運行流程設(shè)計

采用泳道圖的方式設(shè)計SV-10b系統(tǒng)狀態(tài)轉(zhuǎn)移描述模型，任務(wù)場景分為2個階段，分別是目標識別階段和平行推演階段，如圖9所示。

圖9 系統(tǒng)狀態(tài)轉(zhuǎn)移描述模型Fig.9 Systems state transition description model

在目標識別階段，紅方機腦情報感知系統(tǒng)的雷達發(fā)現(xiàn)藍方空中一批不明目標，將融合后的航線上報給參謀，參謀觀察航線信息，根據(jù)與大腦中的目標畫像知識匹配，初步假設(shè)目標為2架A型偵察機；為了驗證參謀假設(shè)的正確性，并獲得更準確的目標屬性，機腦知識網(wǎng)絡(luò)在知識圖譜中調(diào)取A型偵察機的典型航線，并進行匹配；同時，為進一步確認目標的國別、意圖，機腦知識網(wǎng)絡(luò)調(diào)取機腦情報感知系統(tǒng)收集的熱點事件，發(fā)現(xiàn)近期B國在該區(qū)域開展軍事演習的事件，由此，機腦應(yīng)用系統(tǒng)確認目標的型號、國別、意圖的基本屬性。

在平行推演階段，紅方指揮員依據(jù)人腦知識網(wǎng)絡(luò)中的戰(zhàn)法經(jīng)驗，決策采用3架C型殲擊機對藍方偵察機進行攔截和驅(qū)逐。博弈對抗推演環(huán)境構(gòu)建一個虛實結(jié)合的戰(zhàn)場，機腦情報感知系統(tǒng)實時收集紅藍雙方武器平臺的真實情報信息。一方面，機腦應(yīng)用系統(tǒng)能夠基于機腦知識網(wǎng)絡(luò)的武器控制模型計算，實現(xiàn)對紅方殲擊機的自主行動控制，并超前規(guī)劃多條行動路線；另一方面，機腦知識網(wǎng)絡(luò)對藍方偵察機典型航線匹配，支撐機腦應(yīng)用系統(tǒng)對藍方偵察機航線的預測，從而實現(xiàn)紅藍雙方行動的超實時、多分支博弈對抗推演。在推演過程中，指揮員監(jiān)視虛實戰(zhàn)場中紅藍雙方的行動，當推演到關(guān)鍵分支節(jié)點時，指揮員可對紅方行動方向進行選擇決策，掌控戰(zhàn)場局勢。

通過以上設(shè)計，形成了人機融合的目標識別與武器控制系統(tǒng)的SV-10b模型，描述了系統(tǒng)基本業(yè)務(wù)流程?；跈C器自主博弈推演的方式，實現(xiàn)對抗性開放復雜決策問題搜索求解，突破指揮員腦力極限，為指揮員提供多條分支行動路線選擇，并探索人腦意向不到的結(jié)果，指揮員只需在關(guān)鍵節(jié)點進行決策，從而顛覆傳統(tǒng)機器作為計算工具的輔助決策方式，解決指揮藝術(shù)與機器智能有效融合的難題。該模型為智能化系統(tǒng)業(yè)務(wù)流程運轉(zhuǎn)提供了理論指導。

5 結(jié)束語

未來智能化戰(zhàn)爭中，只有將人腦的創(chuàng)造力、思維力與機器的計算力相結(jié)合，優(yōu)勢互補，形成人機互理解、互啟發(fā)的指揮控制模式，才能應(yīng)對超出人腦生理極限的高速、復雜、多變、持久的戰(zhàn)場環(huán)境。本文為人與機器智能深度融合的C4ISR系統(tǒng)架構(gòu)提供了指導性的設(shè)計范式，并以應(yīng)用實踐驗證其有效性，從而改變傳統(tǒng)機器作為輔助工具的人機協(xié)同作戰(zhàn)模式，塑造人與機器的混合增強智能[15]，發(fā)揮1+1>2的體系作戰(zhàn)效能。