一種基于人機(jī)融合的態(tài)勢(shì)認(rèn)知模型

王玉虎 劉 偉

1．北京郵電大學(xué)人工智能學(xué)院 北京 100876

現(xiàn)代戰(zhàn)爭(zhēng)已從機(jī)械化、信息化時(shí)代發(fā)展到智能化時(shí)代,已呈現(xiàn)出從計(jì)算機(jī)智能到感知智能再到認(rèn)知智能的發(fā)展趨勢(shì)[1]. 隨著信息技術(shù)和人工智能的不斷進(jìn)步,軍事科技水平不斷提升,可以預(yù)見(jiàn)戰(zhàn)爭(zhēng)模式將在未來(lái)迎來(lái)新一輪變革,作戰(zhàn)態(tài)勢(shì)呈現(xiàn)出作戰(zhàn)節(jié)奏快、反應(yīng)時(shí)間短、兵力部署分散、火力超視距等系統(tǒng)性新特點(diǎn). 現(xiàn)代戰(zhàn)爭(zhēng)的精準(zhǔn)性、快速性和全局性的特點(diǎn),使得指揮員更難根據(jù)人類(lèi)的思維來(lái)規(guī)劃作戰(zhàn).在快節(jié)奏、高強(qiáng)度的對(duì)抗環(huán)境中,指揮員僅靠人力很難深入分析戰(zhàn)場(chǎng)形勢(shì)[2]. 過(guò)去單純根據(jù)指揮員經(jīng)驗(yàn)進(jìn)行決策的方法已經(jīng)難以適應(yīng)現(xiàn)代戰(zhàn)爭(zhēng)的需要,利用人工智能輔助作戰(zhàn)決策將是必然趨勢(shì)[3].

雖然機(jī)器智能在很多方面已經(jīng)超越人類(lèi),但目前的機(jī)器智能不足以獨(dú)立完成指揮控制決策任務(wù).首先目前的機(jī)器智能尚不夠完善. 在面對(duì)諸如信息不完全、不確定和開(kāi)放環(huán)境、動(dòng)態(tài)復(fù)雜、強(qiáng)對(duì)抗、小樣本和具有欺騙性的軍事場(chǎng)景,機(jī)器智能還無(wú)法與人類(lèi)智能相提并論,在經(jīng)驗(yàn)、反思、直覺(jué)等多個(gè)方面,人工智能依然難以達(dá)到人類(lèi)的水平[4]. 機(jī)器智能可以根據(jù)數(shù)據(jù)作出判斷,但無(wú)法像人類(lèi)一樣思考事物的價(jià)值. 在不同的時(shí)間和環(huán)境,人即使處理相同的事物,也會(huì)根據(jù)經(jīng)驗(yàn)和實(shí)時(shí)態(tài)勢(shì)對(duì)事實(shí)作出不同的價(jià)值判斷[5]. 其次在倫理方面,機(jī)器智能自主進(jìn)行軍事指揮控制決策過(guò)程必須要有人的參與. 具有自主功能的軍事指揮控制決策系統(tǒng)中,必須要有人的參與且要起到?jīng)Q定性作用,且該機(jī)器的所有者或操作員應(yīng)該為該系統(tǒng)的行為負(fù)一切責(zé)任,否則機(jī)器的自主性將對(duì)社會(huì)造成有害且深遠(yuǎn)的負(fù)面影響[6].

基于上述問(wèn)題中的人機(jī)關(guān)系現(xiàn)狀,為了在現(xiàn)代戰(zhàn)爭(zhēng)的場(chǎng)景下更好地完成戰(zhàn)場(chǎng)指揮控制任務(wù),提出一種基于人機(jī)融合的態(tài)勢(shì)認(rèn)知模型,其旨在結(jié)合指揮員的人類(lèi)智能與機(jī)器智能的優(yōu)點(diǎn),綜合利用機(jī)器智能對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)的快速準(zhǔn)確處理能力,和人類(lèi)智能對(duì)態(tài)勢(shì)的理解推理判斷能力,使人的智能和機(jī)器智能合理融合,作出價(jià)值性和事實(shí)性統(tǒng)一的判斷決策.

1 人機(jī)功能特點(diǎn)分析

人類(lèi)習(xí)慣于模糊性和靈活性的知識(shí)表征邏輯及經(jīng)驗(yàn)性和直覺(jué)性的推理決策,這與機(jī)器精確性和固定性的數(shù)據(jù)結(jié)構(gòu)及公式化推理和邏輯決策機(jī)制有很大的不同,如果無(wú)法將人機(jī)合理地進(jìn)行融合,兩者反而會(huì)互相掣肘,進(jìn)而降低人機(jī)融合戰(zhàn)場(chǎng)態(tài)勢(shì)認(rèn)知系統(tǒng)和指揮控制決策的效率. 因此,洞悉人機(jī)功能特點(diǎn)是必要的,要在掌握人機(jī)各自認(rèn)知功能特點(diǎn)的基礎(chǔ)上,進(jìn)行人機(jī)協(xié)作優(yōu)化分工和人機(jī)融合機(jī)制的研究.

人的認(rèn)知具有綜合認(rèn)知能力、選擇性和理解性較強(qiáng)等特征,同時(shí)也具有統(tǒng)一性差、精確度低等特征. 人認(rèn)知的具體特點(diǎn)如下：

1）綜合認(rèn)知能力強(qiáng). 人在認(rèn)知外界事物時(shí),常常把具有許多部分或多種屬性的對(duì)象看作一定結(jié)構(gòu)的統(tǒng)一整體,也善于將多模態(tài)信息進(jìn)行加工處理融合使用. 在理解態(tài)勢(shì)環(huán)境的過(guò)程根據(jù)部分信息進(jìn)行概括性地綜合認(rèn)知,如指揮員在戰(zhàn)場(chǎng)中掌握了某些區(qū)域的作戰(zhàn)情況,就可對(duì)整個(gè)戰(zhàn)場(chǎng)態(tài)勢(shì)進(jìn)行評(píng)價(jià)概括.人同時(shí)也善于認(rèn)知并整合利用多模態(tài)信息,如指揮員可同時(shí)處理視頻、音頻和圖表數(shù)據(jù)等多種信息,并綜合利用這些信息進(jìn)行下一步的指揮控制.

2）信息認(rèn)知范圍有限. 相較于機(jī)器,人的各種感知器官都具有非常有限的認(rèn)知范圍. 比如一般人的聽(tīng)覺(jué)范圍是20 Hz～20 kHz,而普通雷達(dá)的常用頻率在220 MHz～35 000 MHz. 在現(xiàn)代戰(zhàn)場(chǎng)環(huán)境下,視野、各類(lèi)聲波等各類(lèi)信息的接受方面,人類(lèi)各種器官的認(rèn)知范圍遠(yuǎn)不如機(jī)器.

3）認(rèn)知信息模糊性. 人對(duì)外界事物的認(rèn)知具有模糊性,例如人的認(rèn)知中會(huì)產(chǎn)生“比較、非常、相對(duì)、很、最”等模糊性的形容. 一方面,這種模糊性會(huì)對(duì)精準(zhǔn)計(jì)算帶來(lái)難以量化的不利,但另一方面,這種模糊性有利于人對(duì)信息進(jìn)一步的理解和處理.

4）認(rèn)知精確度低甚至錯(cuò)覺(jué). 在科學(xué)技術(shù)發(fā)達(dá)的現(xiàn)代,人的認(rèn)知精確度與機(jī)器認(rèn)知的差距可謂天差地別. 相較于機(jī)器認(rèn)知極低的產(chǎn)生錯(cuò)誤概率,人產(chǎn)生錯(cuò)覺(jué)的概率較高. 人的錯(cuò)覺(jué)是人對(duì)外界事物不正確的認(rèn)知,這是人的主觀認(rèn)知對(duì)客觀世界的歪曲. 在戰(zhàn)場(chǎng)環(huán)境中,不論高層指揮控制人員還是底層情報(bào)收集人員的錯(cuò)覺(jué)都有可能成為戰(zhàn)場(chǎng)中的致命因素.

5）個(gè)體認(rèn)知差異性大. 面對(duì)相似甚至相同的場(chǎng)景和態(tài)勢(shì),在接受同樣信息的條件下,不同的人會(huì)產(chǎn)生不同的認(rèn)知結(jié)果. 由于不同人的經(jīng)歷、經(jīng)驗(yàn)、知識(shí)水平、性格等差異,在同一場(chǎng)景下對(duì)相同信息的認(rèn)知結(jié)果會(huì)有所不同. 比如不同的指揮員在相同的環(huán)境和已知信息條件下會(huì)作出不同的指揮決策判斷,這也是本文后續(xù)所提及的個(gè)性化.

與人相比,機(jī)器認(rèn)知具有精確性強(qiáng)、環(huán)境適應(yīng)性強(qiáng)、范圍廣等特征,同時(shí)也具有綜合認(rèn)知能力差等特征. 機(jī)器認(rèn)知的具體特點(diǎn)如下：

1）綜合認(rèn)知困難. 機(jī)器在認(rèn)知單一信息時(shí),可以做到測(cè)量精確度高、認(rèn)知范圍廣,但是當(dāng)面對(duì)綜合信息時(shí),機(jī)器在多模態(tài)數(shù)據(jù)融合問(wèn)題上并不便利,因?yàn)闄C(jī)器并沒(méi)有價(jià)值性的對(duì)信息的理解和認(rèn)知能力,即無(wú)法篩選出有用信息. 至于戰(zhàn)場(chǎng)感知中對(duì)敵方的偽裝、隱蔽和欺騙的識(shí)別和模擬人的思維推理認(rèn)知能力更是機(jī)器難以實(shí)現(xiàn)的[7].

2）信息認(rèn)知范圍廣. 機(jī)器能夠探測(cè)的各類(lèi)信息范圍遠(yuǎn)遠(yuǎn)超過(guò)人的認(rèn)知范圍. 比如,對(duì)于人所看不到的超出認(rèn)知的信號(hào),機(jī)器傳感器能夠輕易感知探測(cè).隨著科學(xué)技術(shù)的不斷進(jìn)步,機(jī)器能夠認(rèn)知的信號(hào)范圍會(huì)更加廣泛,可以說(shuō)在現(xiàn)代戰(zhàn)場(chǎng)環(huán)境下,機(jī)器認(rèn)知范圍才是對(duì)戰(zhàn)方真正的感知范圍,如果一方在戰(zhàn)場(chǎng)受到打擊或干擾失去機(jī)器認(rèn)識(shí),那這一方無(wú)異于失去了眼睛和耳朵.

3）認(rèn)知信息精確性. 通過(guò)某種預(yù)設(shè)的程序算法,幾乎所有通過(guò)機(jī)器認(rèn)知獲得的數(shù)據(jù)都是在某種精度下以數(shù)字形式精確存儲(chǔ)的. 由于設(shè)備本身的不穩(wěn)定性或環(huán)境因素,機(jī)器認(rèn)知獲取的信息有時(shí)也會(huì)出現(xiàn)錯(cuò)誤或異常數(shù)據(jù)的情況,這種情況可以通過(guò)一些算法或人為地將這些不良數(shù)據(jù)剔除或更正.

4）精確度高、反應(yīng)速度快. 傳感器可對(duì)相關(guān)的物理量以一定精確度進(jìn)行定量檢測(cè),當(dāng)下各類(lèi)物理量的測(cè)量都已經(jīng)到達(dá)了較高精確度,且會(huì)隨著時(shí)間愈加進(jìn)步. 在反應(yīng)速度上,機(jī)器的快速感知能力滿足現(xiàn)代戰(zhàn)爭(zhēng)的需要,這點(diǎn)是人的認(rèn)知不能比擬的.

5）數(shù)據(jù)統(tǒng)一性較好. 在相同環(huán)境下,探測(cè)相同物理量的機(jī)器傳感器所獲取的數(shù)據(jù)是相同或極接近的,不會(huì)出現(xiàn)個(gè)體差異. 在數(shù)據(jù)方面,傳感器的設(shè)計(jì)可以設(shè)置某種統(tǒng)一的標(biāo)準(zhǔn),且由于機(jī)器的認(rèn)知精確性,傳感器所檢測(cè)出的數(shù)據(jù)便于利用且客觀直接,可以通過(guò)明確的算法對(duì)傳感器的數(shù)據(jù)進(jìn)行利用.

綜上所述,總結(jié)人機(jī)認(rèn)知特征在各方面的差異如表1 所示.

表1 人機(jī)認(rèn)知特征比較Table 1 Comparison of human and machine cognitive characteristics

2 人機(jī)融合概念及軍事應(yīng)用

自20 世紀(jì)60年代以來(lái),信息系統(tǒng)的快速發(fā)展促進(jìn)了人機(jī)交互（human-computer interaction,HCI）研究的廣泛發(fā)展,旨在設(shè)計(jì)出具有人機(jī)工程學(xué)特性的人機(jī)界面,如友好性、可用性、透明性等[8]. 這同樣促進(jìn)了指揮控制系統(tǒng)和模型向著人機(jī)交互的方向發(fā)展. 近年來(lái),在指揮控制系統(tǒng)人機(jī)交互認(rèn)知行為建模方面,對(duì)單方面因素進(jìn)行建模有以下典型模型：在感知方面的信號(hào)檢測(cè)模型（signal detection theory,SDT）[9-10],針對(duì)認(rèn)知方面的視覺(jué)搜索注意力模型[11]、ITTI 視覺(jué)顯著性模型[12]、顯著性努力期望值模型（salience effort expectancy and value,SEEV）[13-14]和美國(guó)國(guó)家航空航天局任務(wù)負(fù)荷指數(shù)量表（NASA task load index,NASA-TLX）[15-16],針對(duì)決策方面,有透鏡模型（lens model,LM）[17-19],針對(duì)行為方面,Fitts 法則模型較為典型[20].對(duì)多個(gè)方面進(jìn)行建模的有以下典型模型：集成任務(wù)網(wǎng)絡(luò)的系統(tǒng)分析（security administrator’s integrated network tool,SAINT）、改進(jìn)的性能研究集成工具（improved performance research integration tool,IMPRINT）[21]、目標(biāo)算子方法和選擇規(guī)則（goals operators methods and selection rules,GOMS）[22]和理性思維的自適應(yīng)控制（adaptive control of thought-rational,ACT-R）[23]. 在這些方法中,ACT-R和GOMS 與人機(jī)交互關(guān)系密切,更適合模擬軍事物聯(lián)網(wǎng)建模指揮控制系統(tǒng)的人機(jī)交互任務(wù). Leong-Hwee提出了基于GOMS 和ACT-R 的CogTool 模型,可以輸出典型任務(wù)的完成時(shí)間[24-25]. LI 等構(gòu)建了基于改進(jìn)的視覺(jué)聽(tīng)覺(jué)認(rèn)知心理運(yùn)動(dòng)的軍事物聯(lián)網(wǎng)建模指揮控制系統(tǒng)的心理負(fù)荷（mental workload,MW）預(yù)測(cè)模型[26].

可以看出,人機(jī)在系統(tǒng)中都發(fā)揮著不可或缺的作用,而如何將二者更高效的結(jié)合是提高指揮控制系統(tǒng)性能的重點(diǎn),人機(jī)交互指揮控制系統(tǒng)的下一步發(fā)展方向是人機(jī)融合. 機(jī)器在計(jì)算、存儲(chǔ)、反應(yīng)速度等方面具有人類(lèi)無(wú)法比擬的優(yōu)勢(shì),然而在歸納、學(xué)習(xí)、推理判斷等方面遠(yuǎn)不如人類(lèi)智能. 為實(shí)現(xiàn)既智能又高效的指揮決策,需要結(jié)合機(jī)器智能和人類(lèi)智能的優(yōu)勢(shì),將人的認(rèn)知屬性和機(jī)器計(jì)算屬性進(jìn)行融合. 結(jié)合前人提出的混合智能層次化概念框架,以及對(duì)人機(jī)融合的思考和理解,給出人機(jī)融合的概念：人機(jī)融合就是研究在給定環(huán)境和任務(wù)條件下,人機(jī)如何分工、交互以及人機(jī)數(shù)據(jù)如何整合的一門(mén)學(xué)科,如圖1 所示.

圖1 人機(jī)融合示意圖Fig.1 Schematic diagram of human-machine fusion

人機(jī)融合的目的是互補(bǔ)地將人機(jī)兩者的優(yōu)勢(shì)充分合理結(jié)合. 在現(xiàn)代軍事對(duì)抗環(huán)境下,人機(jī)融合的意義是在高動(dòng)態(tài)、極復(fù)雜、富欺騙、強(qiáng)對(duì)抗、小樣本、不確定等戰(zhàn)場(chǎng)條件下,能夠形成快速、準(zhǔn)確、有效的戰(zhàn)場(chǎng)態(tài)勢(shì)認(rèn)知并完成合適的指揮控制決策. 復(fù)雜場(chǎng)景中決策的關(guān)鍵在于如何破解人機(jī)融合決策的機(jī)理. 在多域異構(gòu)信息和知識(shí)中,人在方向性處理方面十分重要,提前縮小問(wèn)題域的范圍,接著機(jī)器就可以更好地發(fā)揮其快速、準(zhǔn)確和結(jié)構(gòu)化計(jì)算的優(yōu)勢(shì)[27]. 機(jī)器也可以先把復(fù)雜的數(shù)據(jù)、信息和知識(shí)初步劃分到對(duì)應(yīng)的領(lǐng)域,人再根據(jù)實(shí)時(shí)場(chǎng)景做進(jìn)一步細(xì)化. 在不同的場(chǎng)景中,人和機(jī)器的數(shù)據(jù)整合方式也不盡相同,需要將人的決策和機(jī)器的決策合理整合,才能夠達(dá)到人機(jī)融合決策優(yōu)于僅人決策或機(jī)器決策的更優(yōu)決策效果.

2007年,美國(guó)陸軍開(kāi)發(fā)了深綠系統(tǒng),期待能像深藍(lán)系統(tǒng)那樣窮盡敵軍所有可能行動(dòng),為指揮員指揮與控制提供輔助決策. 但該項(xiàng)目由于戰(zhàn)場(chǎng)復(fù)雜態(tài)勢(shì)的不確定性導(dǎo)致出現(xiàn)組合爆炸問(wèn)題而被擱淺. 2014年,美軍制定第三次抵消戰(zhàn)略,實(shí)現(xiàn)其在作戰(zhàn)概念、技術(shù)創(chuàng)新、組織形態(tài)和國(guó)防管理等方面的創(chuàng)新突破,以恢復(fù)并保持傳統(tǒng)遏制力. 此次戰(zhàn)略抵消重點(diǎn)發(fā)展的五大技術(shù)領(lǐng)域包括自主學(xué)習(xí)系統(tǒng)、人機(jī)協(xié)作系統(tǒng)、人類(lèi)作戰(zhàn)行動(dòng)輔助系統(tǒng)、有人/無(wú)人作戰(zhàn)編隊(duì)和網(wǎng)絡(luò)賦能自主武器系統(tǒng)等,均以人工智能為核心. 2018年8月,美國(guó)國(guó)防部公開(kāi)新版的《無(wú)人系統(tǒng)綜合路線圖（2017—2042）》. 該路線圖聚焦未來(lái)全域作戰(zhàn)所需的技術(shù)支撐,圍繞互操作性、自主性、安全網(wǎng)絡(luò)、人機(jī)協(xié)同等主題,指導(dǎo)軍用無(wú)人機(jī)、無(wú)人潛航器、無(wú)人水面艇、無(wú)人地面車(chē)輛等的全面發(fā)展,加快顛覆性技術(shù)的發(fā)展和運(yùn)用,為確保軍種的無(wú)人系統(tǒng)發(fā)展目標(biāo)與國(guó)防部規(guī)劃保持一致提供頂層戰(zhàn)略指南. 同年,美國(guó)戰(zhàn)略與預(yù)算評(píng)估中心發(fā)布《未來(lái)地面部隊(duì)人機(jī)編隊(duì)》報(bào)告,報(bào)告闡述的主要內(nèi)容有:發(fā)展未來(lái)地面部. 對(duì)人機(jī)編隊(duì)的主要推動(dòng)因素、可使未來(lái)地面部隊(duì)在戰(zhàn)爭(zhēng)中獲得競(jìng)爭(zhēng)優(yōu)勢(shì)的三大人機(jī)編隊(duì)形式、發(fā)展未來(lái)人機(jī)編隊(duì)面臨的主要挑戰(zhàn),以及通過(guò)人機(jī)編隊(duì)提高未來(lái)地面部隊(duì)作戰(zhàn)效能的戰(zhàn)略.

3 基于人機(jī)融合的態(tài)勢(shì)認(rèn)知模型

3.1 模型組成

在指揮控制決策方面,指揮員的風(fēng)格千差萬(wàn)別,能夠?qū)崿F(xiàn)高效人機(jī)協(xié)作的智能系統(tǒng)一定是個(gè)性化的智能系統(tǒng). 個(gè)性化的智能系統(tǒng)不是簡(jiǎn)單的機(jī)器對(duì)指揮員習(xí)慣的適應(yīng)和遷就,而是應(yīng)該建立一種有效的人機(jī)交互的框架和機(jī)制. 系統(tǒng)的輔助建議有可能是對(duì)指揮員思路的補(bǔ)充,也有可能與指揮員的指揮風(fēng)格完全相反,通過(guò)不斷實(shí)踐獲得反饋,人機(jī)融合認(rèn)知能力獲得迭代發(fā)展,最終實(shí)現(xiàn)個(gè)性化的人機(jī)融合認(rèn)知系統(tǒng),達(dá)到人與機(jī)器的最優(yōu)匹配.

面向戰(zhàn)場(chǎng)智能化、高復(fù)雜、強(qiáng)對(duì)抗環(huán)境下目標(biāo)識(shí)別、威脅估計(jì)、行為預(yù)測(cè)等戰(zhàn)場(chǎng)指揮控制態(tài)勢(shì)認(rèn)知問(wèn)題,本文基于人機(jī)認(rèn)知特點(diǎn)分析、人機(jī)融合優(yōu)化分工與人機(jī)數(shù)據(jù)合理整合、彈性知識(shí)庫(kù)的知識(shí)與數(shù)據(jù)表征融合、個(gè)性化人機(jī)交互機(jī)制等研究工作,形成有效的知識(shí)與數(shù)據(jù)聯(lián)合表征方式,實(shí)現(xiàn)多層次信息交互和反饋,為全面提升戰(zhàn)場(chǎng)指揮控制能力和人機(jī)融合態(tài)勢(shì)認(rèn)知水平建立理論模型. 以人機(jī)功能特點(diǎn)和人機(jī)融合概念為基礎(chǔ),構(gòu)建如圖2 所示基于人機(jī)融合的態(tài)勢(shì)認(rèn)知機(jī)制,其主要包括3 個(gè)部分：一是基于人機(jī)特點(diǎn)的任務(wù)分工；二是基于彈性知識(shí)庫(kù)的人機(jī)交互；三是人機(jī)最佳決策生成.

圖2 基于人機(jī)融合的態(tài)勢(shì)認(rèn)知機(jī)制Fig.2 Situation cognition mechanism based on human-machine fusion

在現(xiàn)代戰(zhàn)場(chǎng)環(huán)境條件下,基于人機(jī)認(rèn)知特點(diǎn),通過(guò)某種給定機(jī)制對(duì)任務(wù)進(jìn)行分工,大體上遵從將判斷決策等任務(wù)交給指揮員處理,將態(tài)勢(shì)獲取、輔助計(jì)算等任務(wù)交給機(jī)器處理. 接著通過(guò)傳感器對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)的探測(cè)能夠獲得當(dāng)前作戰(zhàn)環(huán)境下的地形、敵我人員以及作戰(zhàn)裝備等部署情況. 作戰(zhàn)輔助決策系統(tǒng)（如彈性知識(shí)庫(kù)）結(jié)合傳感器探測(cè)得到的信息、已有的歷史作戰(zhàn)信息和軍事知識(shí)、指揮員的輸入信息,對(duì)敵我雙方的意圖及態(tài)勢(shì)發(fā)展進(jìn)行分析,并將戰(zhàn)場(chǎng)態(tài)勢(shì)及分析結(jié)果呈現(xiàn)給指揮員. 輔助決策系統(tǒng)將結(jié)合指揮員的戰(zhàn)術(shù)指導(dǎo)、指揮員個(gè)性化作戰(zhàn)風(fēng)格、我方當(dāng)前作戰(zhàn)任務(wù)等與指揮員進(jìn)行個(gè)性化人機(jī)交互,通過(guò)不斷學(xué)習(xí)指揮員個(gè)性化信息以及新知識(shí),以提高人機(jī)交互的質(zhì)量. 在進(jìn)行一系列人機(jī)交互后,作戰(zhàn)輔助決策系統(tǒng)將給出系統(tǒng)計(jì)算最優(yōu)的指揮控制決策. 將指揮員的決策與機(jī)器決策同時(shí)輸入最佳決策生成方法模塊中,以某種給定的方式進(jìn)行策略選取. 通過(guò)反饋機(jī)制,輔助決策系統(tǒng)將此次學(xué)到的新知識(shí)寫(xiě)入彈性數(shù)據(jù)庫(kù),更新個(gè)性化知識(shí)庫(kù)便于下次使用,提高知識(shí)的重復(fù)利用率.

3.2 基于人機(jī)特點(diǎn)的任務(wù)分工

基于人機(jī)功能特點(diǎn),以往的人因工程學(xué)、認(rèn)知心理學(xué)、知識(shí)驅(qū)動(dòng)的人工智能和倫理人工智能等學(xué)科,在人機(jī)分工問(wèn)題上已有數(shù)個(gè)經(jīng)過(guò)檢驗(yàn)的原則和可行的辦法. 本節(jié)先對(duì)各學(xué)科人機(jī)分工原則進(jìn)行簡(jiǎn)要介紹,基于這些原則和對(duì)戰(zhàn)場(chǎng)態(tài)勢(shì)實(shí)際需要的考慮,選擇了動(dòng)態(tài)調(diào)整的分工方法,以確保能夠滿足復(fù)雜多變的現(xiàn)代戰(zhàn)場(chǎng)態(tài)勢(shì)任務(wù)分配需求.

在人因工程學(xué)方面,宜人性原則是指設(shè)計(jì)功能分配方案時(shí)以人為核心因素,以最大程度上降低人生理和腦力的工作負(fù)荷為目標(biāo),能使人掌控機(jī)器自動(dòng)化的功能變化[28]；單項(xiàng)績(jī)效最優(yōu)原則是指從工作績(jī)效的評(píng)定出發(fā),若機(jī)器執(zhí)行某項(xiàng)任務(wù)的績(jī)效高于人,則將此項(xiàng)任務(wù)分給機(jī)器[29]；自動(dòng)化程度與信任、風(fēng)險(xiǎn)相匹配的原則是指功能分配對(duì)應(yīng)的自動(dòng)化水平,應(yīng)當(dāng)動(dòng)態(tài)地與任務(wù)風(fēng)險(xiǎn)（包括任務(wù)本身的關(guān)鍵性和風(fēng)險(xiǎn)性）及人對(duì)機(jī)器的信任程度相匹配,該原則提出的出發(fā)點(diǎn)是：自動(dòng)化雖然可以降低人的工作負(fù)荷并提高例行性任務(wù)的工作績(jī)效,但由于人對(duì)高能力的自動(dòng)化有過(guò)度信任的傾向,同時(shí)會(huì)導(dǎo)致人態(tài)勢(shì)感知能力下降和損失,進(jìn)而導(dǎo)致人進(jìn)行自動(dòng)化系統(tǒng)故障管理的績(jī)效下降,因此,在例行性任務(wù)績(jī)效與故障管理績(jī)效的矛盾中存在一個(gè)最優(yōu)的自動(dòng)化水平程度[30].

在認(rèn)知心理學(xué)方面,區(qū)分事實(shí)/價(jià)值類(lèi)任務(wù)的原則是指單任務(wù)按預(yù)期結(jié)果可以分為事實(shí)類(lèi)、價(jià)值類(lèi)兩類(lèi),事實(shí)類(lèi)的任務(wù)分給機(jī)器,而價(jià)值類(lèi)的任務(wù)由人類(lèi)來(lái)承擔(dān),至少要人類(lèi)來(lái)監(jiān)督?jīng)Q策[31].

在知識(shí)驅(qū)動(dòng)人工智能方面,區(qū)分單一/綜合類(lèi)問(wèn)題的原則是指解決單一類(lèi)問(wèn)題的任務(wù)分配給機(jī)器,解決綜合類(lèi)問(wèn)題的任務(wù)分配給人. 單一與綜合的劃分可以從數(shù)據(jù)模態(tài)、所需要使用的推理方法等方面去判斷；區(qū)分封閉/開(kāi)放類(lèi)問(wèn)題的原則是指解決封閉類(lèi)問(wèn)題的任務(wù)分給機(jī)器,解決開(kāi)放性問(wèn)題的任務(wù)分給人的原則. 封閉與開(kāi)放的劃分可以從數(shù)據(jù)空間、知識(shí)空間、問(wèn)題空間和解空間等方面進(jìn)行判斷. 在初始分工后,可能存在問(wèn)題在封閉的數(shù)據(jù)、知識(shí)空間中無(wú)解的情況,因此,需要相應(yīng)的分工動(dòng)態(tài)調(diào)整機(jī)制,使得任務(wù)的執(zhí)行者可以由機(jī)器追溯到人,從更高的目標(biāo)出發(fā)更靈活地解決問(wèn)題.

在倫理人工智能方面,目標(biāo)準(zhǔn)確表達(dá)與價(jià)值可評(píng)判原則是指當(dāng)一個(gè)任務(wù)的目標(biāo)不能以合理的效用定義并表達(dá)給機(jī)器,或無(wú)法判斷機(jī)器執(zhí)行任務(wù)的價(jià)值,即評(píng)判智能系統(tǒng)做的“對(duì)不對(duì)”的問(wèn)題,則應(yīng)謹(jǐn)慎考慮把這項(xiàng)任務(wù)交給機(jī)器；透明可控原則是指如果完成任務(wù)的智能系統(tǒng)不能做到故障透明和追責(zé)透明,即引起的損害有辦法查明原因和可以為價(jià)值判斷及對(duì)設(shè)計(jì)者與建設(shè)者的問(wèn)責(zé)提供有說(shuō)服力的解釋,則應(yīng)謹(jǐn)慎地引入智能系統(tǒng)完成該項(xiàng)任務(wù)[32].

基于上述原則,結(jié)合表1 所述人機(jī)認(rèn)知特征,認(rèn)為動(dòng)態(tài)調(diào)整分工方法比較適合現(xiàn)代作戰(zhàn)場(chǎng)景指揮控制下的態(tài)勢(shì)認(rèn)知系統(tǒng)人機(jī)任務(wù)分工,原因有兩點(diǎn)：一是此類(lèi)分工方案的優(yōu)劣可以通過(guò)8 項(xiàng)指標(biāo)來(lái)確切度量[33]（工作負(fù)荷、工作環(huán)境的穩(wěn)定性、責(zé)任和權(quán)限的不匹配度、分工方案中的不連貫性、自動(dòng)化的中斷度、自動(dòng)化的邊界條件、分工方案對(duì)人適應(yīng)場(chǎng)景變化的限制、任務(wù)完成的績(jī)效）,這為分工任務(wù)提供了具體可用的抓手,可以較客觀地分析某次分工的優(yōu)劣；二是分工初始由強(qiáng)制分配,運(yùn)行中動(dòng)態(tài)調(diào)整完成,這樣可以滿足處理現(xiàn)代戰(zhàn)場(chǎng)復(fù)雜多變環(huán)境的需求.

動(dòng)態(tài)調(diào)整分工辦法中有許多具體計(jì)算方法和模型,其中,較成熟的方法有基于決策準(zhǔn)則的Sheffield法[34]、基于自動(dòng)化分類(lèi)和等級(jí)分工方法[35]、基于場(chǎng)景的York 法[36]、Pritchett 法[33]等. Sheffield 法在分配過(guò)程中共需要考慮8 組中的100 多項(xiàng)決策準(zhǔn)則,其包括人機(jī)能力特性,人因工程角度的人員的作業(yè)設(shè)計(jì)等因素,還包括自動(dòng)化的精度和費(fèi)用等. 其優(yōu)點(diǎn)是考慮的因素比較全面,且包含了系統(tǒng)的靜態(tài)和動(dòng)態(tài)功能分配過(guò)程,同時(shí)還考慮了艦艇操作人員之間的功能分配,但缺點(diǎn)是考慮過(guò)多、分配粒度過(guò)小,導(dǎo)致復(fù)雜系統(tǒng)難以實(shí)現(xiàn)[37]. 自動(dòng)化分類(lèi)和等級(jí)設(shè)計(jì)對(duì)獲取、分析、決策、行動(dòng)4 個(gè)過(guò)程進(jìn)行分類(lèi)并進(jìn)行自動(dòng)化程度評(píng)級(jí),使任務(wù)按照對(duì)應(yīng)的自動(dòng)化程度運(yùn)行. York法則是基于場(chǎng)景要素動(dòng)態(tài)地對(duì)任務(wù)進(jìn)行分配,以任務(wù)的緊急程度和自動(dòng)化分配方案的效費(fèi)比等條件給任務(wù)進(jìn)行自動(dòng)化程度劃分.

Pritchett 法是基于功能分配建模的計(jì)算框架,該方法指出一個(gè)好的功能分配的需求包含幾個(gè)可觀察到的保證度量的方面. 這些指標(biāo)分為8 類(lèi): 1）來(lái)自所有來(lái)源的工作量/任務(wù)負(fù)載；2）責(zé)任和權(quán)威之間的不匹配；3）人工作環(huán)境的穩(wěn)定性；4）功能分配的一致性；5）中斷；6）自動(dòng)化邊界條件；7）系統(tǒng)成本和性能；8）人適應(yīng)情景的能力.每種類(lèi)型都解決了一個(gè)重要的功能分配問(wèn)題,這些指標(biāo)不僅針對(duì)特定問(wèn)題,而且共同使設(shè)計(jì)人員能夠?yàn)橹笜?biāo)之間的權(quán)衡進(jìn)行功能分配.

該方法在實(shí)驗(yàn)中演示了在飛行的進(jìn)近和到達(dá)階段,如何從航空運(yùn)輸飛行甲板的計(jì)算模擬中評(píng)估某些功能分配指標(biāo). 在任何設(shè)計(jì)中,都要明確或隱式地檢查全套功能分配. 提出了建立功能分配模型時(shí)需要考慮的4 個(gè)關(guān)鍵因素,包括:

1）跨越實(shí)現(xiàn)工作目標(biāo)所需職能的集體團(tuán)隊(duì)任務(wù)工作.

2）分配任務(wù)工作職能,創(chuàng)造額外的團(tuán)隊(duì)工作職能的需要. 這導(dǎo)致了智能體之間的協(xié)調(diào).

3）能夠預(yù)測(cè)當(dāng)分配的功能相互依賴(lài)或交錯(cuò)時(shí)出現(xiàn)的緊密耦合代理交互的動(dòng)態(tài)方面.

4）在工程設(shè)計(jì)中支持功能分配評(píng)估.

實(shí)驗(yàn)創(chuàng)建經(jīng)過(guò)選擇的場(chǎng)景,以建立預(yù)計(jì)會(huì)對(duì)功能分配施加壓力的非標(biāo)稱(chēng)條件. 采取了機(jī)會(huì)主義的、戰(zhàn)術(shù)的和戰(zhàn)略的3 種模式,評(píng)估了8 個(gè)指標(biāo)之間的權(quán)衡,以確定它們之間存在的潛在權(quán)衡和沖突,對(duì)航空運(yùn)輸駕駛艙在下降過(guò)程中的工作和動(dòng)力學(xué)的計(jì)算模擬揭示了一種權(quán)衡,即通過(guò)為自動(dòng)飛行系統(tǒng)分配更多功能來(lái)減少機(jī)組人員的工作量,以需要更多監(jiān)控和降低機(jī)組人員的能力為代價(jià),預(yù)測(cè)即將發(fā)生的行動(dòng),獲得最佳功能分配方案.

隨著機(jī)器學(xué)習(xí)的發(fā)展,也可以看到一些新興的通過(guò)神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)等機(jī)器計(jì)算方法用于輔助任務(wù)分工. 比如一些算法通過(guò)分類(lèi)的方法進(jìn)行,這些方法以任務(wù)指標(biāo)作為輸入,自動(dòng)化等級(jí)數(shù)值分類(lèi)或人機(jī)二元分類(lèi)作為輸出,通過(guò)一定已有樣本訓(xùn)練后,該機(jī)器學(xué)習(xí)模型可以根據(jù)新任務(wù)的指標(biāo)輸入直接得到任務(wù)分配結(jié)果；還有一些算法通過(guò)聚類(lèi)算法進(jìn)行計(jì)算,通過(guò)對(duì)已有人機(jī)的任務(wù)分配情況,對(duì)未知任務(wù)按照指標(biāo)距離的計(jì)算進(jìn)行人機(jī)任務(wù)分配劃分. 這些機(jī)器學(xué)習(xí)方法存在兩個(gè)問(wèn)題：1）性能表現(xiàn)良好的規(guī)模較大的模型訓(xùn)練需要大量甚至海量樣本,而戰(zhàn)場(chǎng)數(shù)據(jù)難以支持規(guī)模龐大的網(wǎng)絡(luò)學(xué)習(xí)；2）機(jī)器學(xué)習(xí)得到的結(jié)果缺乏可解釋性,分工結(jié)果缺少依據(jù),若想投入使用,后續(xù)仍然需要人的檢驗(yàn)和反復(fù)處理,這導(dǎo)致了不必要的浪費(fèi). 對(duì)于第1 個(gè)問(wèn)題,機(jī)器學(xué)習(xí)方法可以通過(guò)借鑒小樣本學(xué)習(xí)方法的原理或使用一些小樣本學(xué)習(xí)模型；對(duì)于第2 個(gè)問(wèn)題,則需要機(jī)器學(xué)習(xí)的可解釋性研究進(jìn)一步發(fā)展. 相信隨著機(jī)器學(xué)習(xí)方法的不斷發(fā)展,越來(lái)越多計(jì)算性的問(wèn)題被交給機(jī)器管理,而在機(jī)器輔助下人只需要進(jìn)行價(jià)值判斷,這將大幅減少現(xiàn)場(chǎng)指揮員的工作負(fù)荷.

3.3 基于彈性知識(shí)庫(kù)的人機(jī)交互

面對(duì)現(xiàn)代作戰(zhàn)場(chǎng)景,人機(jī)交互是人機(jī)融合過(guò)程中的主要部分,在大多數(shù)時(shí)候也是最重要的部分. 機(jī)器的優(yōu)勢(shì)在于其能夠根據(jù)歷史作戰(zhàn)場(chǎng)景,通過(guò)其強(qiáng)大的計(jì)算能力,對(duì)于新的作戰(zhàn)場(chǎng)景能夠?qū)崿F(xiàn)快速學(xué)習(xí),但其學(xué)習(xí)的知識(shí)可能與人類(lèi)對(duì)于作戰(zhàn)場(chǎng)景的理解存在巨大的鴻溝. 人類(lèi)由于具備完備的軍事理論知識(shí)以及豐富的作戰(zhàn)經(jīng)驗(yàn),對(duì)于新作戰(zhàn)環(huán)境的理解往往更加準(zhǔn)確,但也可能忽略一些信息,且人類(lèi)的信息處理速度相對(duì)機(jī)器來(lái)說(shuō)比較慢,很可能耽誤最佳戰(zhàn)機(jī). 因而如何做好人機(jī)交互部分對(duì)于整個(gè)系統(tǒng)都至關(guān)重要.

一個(gè)由歷史作戰(zhàn)場(chǎng)景學(xué)習(xí)到的知識(shí)、現(xiàn)實(shí)作戰(zhàn)場(chǎng)景學(xué)習(xí)到的新知識(shí)以及根據(jù)指揮員風(fēng)格、現(xiàn)實(shí)作戰(zhàn)任務(wù)不斷學(xué)習(xí)到的新知識(shí)等組成的彈性知識(shí)庫(kù),對(duì)于適應(yīng)新的作戰(zhàn)場(chǎng)景具有重要的意義. 圖3 為彈性知識(shí)庫(kù)的架構(gòu)框圖,其主要有兩部分組成,分別是公共知識(shí)庫(kù)和個(gè)性化知識(shí)庫(kù). 其中對(duì)于公共知識(shí)庫(kù),主要由歷史作戰(zhàn)場(chǎng)景知識(shí)和軍事理論知識(shí)等公共知識(shí)組成；對(duì)于個(gè)性化知識(shí)庫(kù),主要包括不斷根據(jù)現(xiàn)實(shí)作戰(zhàn)場(chǎng)景學(xué)習(xí)的新知識(shí)以及指揮員根據(jù)當(dāng)前作戰(zhàn)任務(wù)和自身的作戰(zhàn)經(jīng)驗(yàn)形成的主觀意識(shí)知識(shí). 機(jī)器將認(rèn)知到的態(tài)勢(shì)信息和對(duì)當(dāng)前態(tài)勢(shì)的預(yù)測(cè)結(jié)果傳遞給指揮員,指揮員根據(jù)具體的作戰(zhàn)任務(wù)、以往的作戰(zhàn)經(jīng)驗(yàn)、自身作戰(zhàn)風(fēng)格等,對(duì)接收到的新知識(shí)進(jìn)行處理,給出戰(zhàn)術(shù)指導(dǎo)信息,也可以給出某項(xiàng)具體任務(wù)交給機(jī)器處理. 機(jī)器接收處理指揮員提供的信息,并匯聚公共知識(shí)庫(kù)的知識(shí)和現(xiàn)實(shí)世界作戰(zhàn)場(chǎng)景的信息,給出指揮員所需要的新知識(shí). 通過(guò)學(xué)習(xí)最佳決策的反饋,進(jìn)一步了解指揮員的決策風(fēng)格和當(dāng)下態(tài)勢(shì)所需信息. 重復(fù)該過(guò)程,對(duì)指揮員的風(fēng)格進(jìn)行學(xué)習(xí),達(dá)到人機(jī)深度結(jié)合,實(shí)現(xiàn)指揮員風(fēng)格的遷移. 通過(guò)該個(gè)性化人機(jī)交互機(jī)制,實(shí)現(xiàn)機(jī)器和人之間相互學(xué)習(xí)、知識(shí)共享,從而作出既能匹配當(dāng)前作戰(zhàn)任務(wù),也能匹配當(dāng)前指揮員風(fēng)格的最佳個(gè)性化人機(jī)融合態(tài)勢(shì)認(rèn)知.

圖3 彈性知識(shí)庫(kù)架構(gòu)Fig.3 Flexible knowledge base architecture

該彈性知識(shí)庫(kù)架構(gòu)的特點(diǎn)主要有以下兩個(gè)方面：一是能夠?qū)崿F(xiàn)傳感器數(shù)據(jù)和指揮員及歷史數(shù)據(jù)的融合；二是能夠?qū)崿F(xiàn)基于多注意力機(jī)制知識(shí)遷移的態(tài)勢(shì)認(rèn)知.

在傳感器數(shù)據(jù)和指揮員及歷史數(shù)據(jù)的融合方面,由圖3 彈性知識(shí)庫(kù)的架構(gòu)可知,彈性知識(shí)庫(kù)表征的關(guān)鍵在于彈性知識(shí)庫(kù)的時(shí)空多特征表征. 傳感器數(shù)據(jù)是多源異構(gòu)數(shù)據(jù),指揮員數(shù)據(jù)即指揮員的作戰(zhàn)先驗(yàn)知識(shí)和戰(zhàn)術(shù)等可表示或轉(zhuǎn)化為文本數(shù)據(jù),軍事理論知識(shí)大部分也可表示為文本數(shù)據(jù). 因此,傳感器數(shù)據(jù)、指揮員信息、軍事理論知識(shí)按數(shù)據(jù)類(lèi)型可分為兩大類(lèi)：一是多源異構(gòu)傳感器數(shù)據(jù)；二是文本數(shù)據(jù).因此,可根據(jù)數(shù)據(jù)類(lèi)型分別進(jìn)行時(shí)空多特征表征. 需要解釋的是,這里的多特征是指語(yǔ)意多特征,例如:作戰(zhàn)環(huán)境的地形特征、敵我雙方人員的特征、敵我雙方作戰(zhàn)裝備特征等.

面對(duì)多源異構(gòu)傳感器數(shù)據(jù)的時(shí)空多特征表征問(wèn)題,通過(guò)對(duì)作戰(zhàn)環(huán)境進(jìn)行空間建模對(duì)于感知作戰(zhàn)地形、敵我人員配置、敵我雙方軍事裝備配置情況等具有重要的意義,由于傳感器獲取的作戰(zhàn)環(huán)境數(shù)據(jù)是時(shí)間序列數(shù)據(jù),如何在時(shí)間和空間維度上充分理解敵我雙方的意圖具有重要的意義.

根據(jù)戰(zhàn)場(chǎng)需求采取一系列合適的支持多模態(tài)融合計(jì)算機(jī)視覺(jué)方法,一種可行的方案是采用雙流卷積神經(jīng)網(wǎng)絡(luò)對(duì)彈性知識(shí)庫(kù)進(jìn)行時(shí)空多特征表征,如圖4 所示. 對(duì)于空間流,基于傳感器獲取的RGB 圖像數(shù)據(jù),采用空間流卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行空間特征表征；對(duì)于時(shí)間流,基于傳感器獲取的RGB 視頻數(shù)據(jù),計(jì)算其光流信息,獲取其動(dòng)態(tài)圖像信息,然后基于光流圖像,采用時(shí)間流卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行時(shí)間動(dòng)態(tài)信息的表征. 對(duì)于其他類(lèi)型的傳感器數(shù)據(jù),采用與視頻數(shù)據(jù)的同時(shí)發(fā)生為約束以及共同語(yǔ)義約束進(jìn)行嵌入.最后融合空間特征以及時(shí)間動(dòng)態(tài)特征,獲取魯棒的時(shí)空多特征表示,從而完成彈性知識(shí)庫(kù)的時(shí)空多特征表征,以輔助個(gè)性化智能決策系統(tǒng)的構(gòu)建.

圖4 時(shí)空多特征表征框圖Fig.4 Space-time multi-feature representation block diagram

面對(duì)文本數(shù)據(jù)的知識(shí)表征問(wèn)題,文本數(shù)據(jù)主要包括指揮員數(shù)據(jù)以及軍事理論知識(shí)等,這些知識(shí)包括了以往指揮員在作戰(zhàn)及決策領(lǐng)域積累的豐富經(jīng)驗(yàn)與教訓(xùn),同時(shí)也是指揮員進(jìn)行戰(zhàn)場(chǎng)知識(shí)表征的重要手段,因此,文本知識(shí)的表征對(duì)于彈性知識(shí)庫(kù)的構(gòu)建,有效的人機(jī)交互以及輔助作出最優(yōu)的作戰(zhàn)決策具有重要意義. 為實(shí)現(xiàn)這一目的,如何將人的先驗(yàn)知識(shí)、軍事理論知識(shí)等轉(zhuǎn)化為機(jī)器可以理解的語(yǔ)言是知識(shí)表征與建模的關(guān)鍵.

可以根據(jù)戰(zhàn)場(chǎng)需求采取一系列合適的具有戰(zhàn)場(chǎng)語(yǔ)料庫(kù)的自然語(yǔ)言處理方法,一種可行的方案是利用某種已經(jīng)過(guò)軍事語(yǔ)料訓(xùn)練的語(yǔ)義理解系統(tǒng)對(duì)文本信息進(jìn)行處理和理解,然后利用知識(shí)圖譜對(duì)歷史知識(shí)庫(kù)進(jìn)行檢索,給出與當(dāng)前態(tài)勢(shì)相符的歷史數(shù)據(jù)相關(guān)信息,并根據(jù)當(dāng)下態(tài)勢(shì)給指揮員提出預(yù)測(cè)和決策意見(jiàn),如圖5 所示.

圖5 文本信息的處理和信息輸出Fig.5 Text information processing and information output

彈性知識(shí)庫(kù)的另一個(gè)特點(diǎn)在于基于多注意力機(jī)制知識(shí)遷移的態(tài)勢(shì)認(rèn)知. 圖6 為基于多注意力機(jī)制知識(shí)遷移的態(tài)勢(shì)認(rèn)知框圖. 對(duì)于環(huán)境認(rèn)知部分,機(jī)器將通過(guò)多源異構(gòu)傳感器獲取新的作戰(zhàn)場(chǎng)景信息,以多源異構(gòu)數(shù)據(jù)的同時(shí)發(fā)生為約束,對(duì)多源異構(gòu)傳感器數(shù)據(jù)進(jìn)行融合,將融合后的新的作戰(zhàn)場(chǎng)景知識(shí)傳遞給機(jī)器,以供機(jī)器對(duì)新的作戰(zhàn)場(chǎng)景進(jìn)行理解. 機(jī)器將從場(chǎng)景類(lèi)別、地形、人員情況、軍事裝備等方面對(duì)新的作戰(zhàn)場(chǎng)景進(jìn)行理解,對(duì)敵我雙方的態(tài)勢(shì)進(jìn)行分析. 在此過(guò)程中通過(guò)彈性知識(shí)庫(kù)的知識(shí)共享,機(jī)器結(jié)合新的作戰(zhàn)場(chǎng)景更好地對(duì)新的作戰(zhàn)場(chǎng)景進(jìn)行理解并獲取新作戰(zhàn)場(chǎng)景的知識(shí). 若獲取到的知識(shí)為新知識(shí),則將新知識(shí)記憶到彈性知識(shí)庫(kù)便于下次使用. 通過(guò)彈性知識(shí)庫(kù)的連續(xù)知識(shí)流動(dòng)更新機(jī)制,該模型實(shí)現(xiàn)的系統(tǒng)能夠很好地適應(yīng)復(fù)雜的戰(zhàn)場(chǎng)環(huán)境.

圖6 基于多注意機(jī)制知識(shí)遷移的態(tài)勢(shì)認(rèn)知Fig.6 Situation cognition based on knowledge transfer based on multi-attention mechanism

采用多注意機(jī)制知識(shí)遷移進(jìn)行認(rèn)知,可以實(shí)現(xiàn)歷史作戰(zhàn)場(chǎng)景或新的作戰(zhàn)場(chǎng)景的知識(shí)萃取和知識(shí)更新,對(duì)于網(wǎng)絡(luò)的每一個(gè)分支,注意部分任務(wù),通過(guò)多損失函數(shù)進(jìn)行反饋,不斷優(yōu)化網(wǎng)絡(luò)的性能. 以精確的認(rèn)知環(huán)境信息,輔助作出最優(yōu)的作戰(zhàn)決策. 在環(huán)境認(rèn)知的過(guò)程中,不斷地與公共知識(shí)庫(kù)進(jìn)行信息交換,通過(guò)提取歷史作戰(zhàn)舊知識(shí)輔助網(wǎng)絡(luò)進(jìn)行新知識(shí)的遷移學(xué)習(xí),并將網(wǎng)絡(luò)學(xué)習(xí)到新知識(shí)記憶到公共知識(shí)庫(kù),從而提高彈性知識(shí)庫(kù)的重復(fù)利用以及更新彈性知識(shí)庫(kù).通過(guò)對(duì)新的作戰(zhàn)環(huán)境的認(rèn)知,充分地熟悉地形、敵我人員配置情況、軍事裝備等,并對(duì)敵我雙方人員進(jìn)行姿勢(shì)識(shí)別. 綜合環(huán)境認(rèn)知獲取的所有信息,對(duì)敵我雙方意圖進(jìn)行理解與分析.

3.4 人機(jī)最佳決策生成

需要指出的是,當(dāng)前人工智能的決策選取和決策生成能力都不夠成熟,其不可解釋性使得機(jī)器的決策生成難以真正運(yùn)用于軍事決策中的最終判斷.因此,基于現(xiàn)代戰(zhàn)場(chǎng)復(fù)雜多變的態(tài)勢(shì)和需要決策者經(jīng)驗(yàn)算計(jì)能力的事實(shí),當(dāng)下人機(jī)最佳決策生成的最好方式是在現(xiàn)場(chǎng)指揮員對(duì)比人的決策和機(jī)器決策后進(jìn)行最佳決策生成. 因?yàn)樵趫?chǎng)的指揮員是最了解當(dāng)前戰(zhàn)場(chǎng)態(tài)勢(shì)信息的人,且經(jīng)驗(yàn)豐富的指揮員既可以充分發(fā)揮人的智能,也能夠利用機(jī)器提供的各類(lèi)信息,最重要的是人的決策具有可靠性和可解釋性,其既給戰(zhàn)場(chǎng)態(tài)勢(shì)中的實(shí)時(shí)復(fù)雜對(duì)抗需求給予保障,又符合倫理道德等方面的要求. 在心理學(xué)上,進(jìn)行策略評(píng)價(jià)時(shí),對(duì)不同的評(píng)價(jià)主體而言,評(píng)價(jià)的結(jié)果可能具有較大的差異. 從策略復(fù)用的目的出發(fā)去評(píng)價(jià)策略,同類(lèi)策略中真正會(huì)被選擇的是決策者,亦即評(píng)價(jià)主體認(rèn)為滿意的策略[38]. 這說(shuō)明由指揮員自身來(lái)作出最佳決策生成是符合應(yīng)急決策心理學(xué)的.

實(shí)際上,人機(jī)決策生成不外乎兩種方式,一種方式是決策選取即決策評(píng)價(jià),另一種方式是融合決策.決策選取實(shí)際上就是選取若干個(gè)決策中最優(yōu)的一項(xiàng),而為了評(píng)價(jià)哪個(gè)決策最優(yōu),決策選取問(wèn)題就會(huì)轉(zhuǎn)變成為決策評(píng)價(jià)問(wèn)題,為了評(píng)價(jià)決策性能,通常會(huì)先設(shè)定幾個(gè)用于評(píng)價(jià)的指標(biāo),然后通過(guò)某些數(shù)學(xué)方法對(duì)各類(lèi)指標(biāo)賦權(quán)后計(jì)算一個(gè)總體評(píng)分,最后選取分?jǐn)?shù)最高者作為最佳決策,此類(lèi)方法有層次分析法[39]、TOPSIS 法[40]等. 但這類(lèi)決策評(píng)價(jià)方法運(yùn)用于戰(zhàn)場(chǎng)將出現(xiàn)一些問(wèn)題,首先在于指標(biāo)難以選取,在不同的戰(zhàn)場(chǎng)態(tài)勢(shì)條件和任務(wù)下評(píng)價(jià)指標(biāo)也將不同,而在緊張的時(shí)間內(nèi)很難找到幾個(gè)合適的評(píng)價(jià)指標(biāo)投入使用；其次在于權(quán)重難以衡量,在戰(zhàn)場(chǎng)上很難準(zhǔn)確評(píng)價(jià)某項(xiàng)指標(biāo)相對(duì)于另一項(xiàng)指標(biāo)重要多少. 第2 種方式融合決策目前研究較少,因?yàn)闄C(jī)器欠缺綜合認(rèn)知能力、價(jià)值判斷能力和創(chuàng)造能力,綜合考慮各種決策最后作出新決策是人擅長(zhǎng)的領(lǐng)域. 由于決策內(nèi)容的復(fù)雜性,單純地拆分策略后從各項(xiàng)指標(biāo)選取最優(yōu)再組成一種融合決策會(huì)導(dǎo)致自相矛盾的問(wèn)題,因此,機(jī)器很難實(shí)現(xiàn)融合決策,而人則可以借鑒各個(gè)決策的優(yōu)點(diǎn),甚至以此為靈感想出更好的新決策.

綜上,在現(xiàn)代戰(zhàn)場(chǎng)條件下,人機(jī)最佳決策生成的最好方式是在現(xiàn)場(chǎng)指揮員對(duì)比人的決策和機(jī)器決策后進(jìn)行最佳決策生成. 這種生成可以是從指揮員決策和機(jī)器決策中選取,也可以是指揮員綜合考慮兩者后做出的新決策.

4 結(jié)論

本文基于人機(jī)融合思想對(duì)現(xiàn)代戰(zhàn)場(chǎng)指揮控制中的態(tài)勢(shì)認(rèn)知問(wèn)題進(jìn)行建模,模型的組成符合人機(jī)融合定義中的3 個(gè)主要部分. 在具體實(shí)現(xiàn)上,本文利用彈性知識(shí)庫(kù)框架、動(dòng)態(tài)調(diào)整分工等技術(shù)路線,搭建起了一套可行的態(tài)勢(shì)認(rèn)知模型,使得模型在合理表征指揮控制態(tài)勢(shì)認(rèn)知的前提下,結(jié)合人與機(jī)器的優(yōu)勢(shì),從而達(dá)到指揮控制條件下人與機(jī)器的有效協(xié)同,增強(qiáng)了現(xiàn)代戰(zhàn)場(chǎng)環(huán)境下的指揮控制作戰(zhàn)能力.

在人的思維能得以通過(guò)模型的方式完善的表征之前,僅靠當(dāng)前的各類(lèi)機(jī)器學(xué)習(xí)技術(shù)手段還遠(yuǎn)不能勝任復(fù)雜多變的戰(zhàn)場(chǎng)指揮控制任務(wù),因此,未來(lái)仍需要更完善的人機(jī)融合智能理論來(lái)應(yīng)對(duì)荊棘密布的前路. 按照本文給出的人機(jī)融合概念,更合理的人機(jī)分工方法、更先進(jìn)人機(jī)交互手段和更科學(xué)的人機(jī)數(shù)據(jù)融合機(jī)制,也許能夠成為未來(lái)解決問(wèn)題的關(guān)鍵.