0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

人工智能(AI)辅助指控系统决策支持

AI智胜未来 来源:智汇杰瑞 2023-11-25 14:56 次阅读

引言:人工智能AI)是机器表现出的智能行为。AI的关键问题包括推理、规划和学习。在军事应用中,AI可应用于从战斗级别到战术和作战级别的场合,如应用在营级和旅级决策支持系统中。

本文探讨如何在指挥控制系统中使用AI,讨论了如何利用AI方法辅助作战指挥决策。在指挥控制系统中应用AI系统,可以快速获取准确信息,更快地做出决策,并在作战中获得优势。

01AI对指挥控制的影响

随着近年来AI技术的不断进步,在某些任务上它超越了人类,特别是在深度学习(DL)领域。 所谓深度学习是指由多层非线性处理单元组成的机器学习模型。所有基于人工神经网络的深度学习系统被称为深度神经网络(DNN)。大量数据的获取与强大计算机的结合,再加上一系列创新(如初始化策略和数据归一化),使得这些大容量网络的训练取得了成功。使用DL和DNN,将使人们不再需要手动创建特定任务所需要的特征。取而代之的是,在DNN的训练过程中自动学习和识别特征。 需要强调的是,DNN并不是解决所有AI问题的灵丹妙药,根据具体场景和任务,还需要结合其他AI概念和机器学习模型。 战场致胜的关键在于比敌人更快速进行指挥控制,迫使敌人做出反应而不是采取行动。实现这一目标的先决条件是能够快速处理大量信息,并对不确定因素进行有效建模。 对于军事部门来说,将AI纳入指挥控制系统的好处在于,当时间紧迫或选项过多、人们无法分析备选行动方案时,AI可以提供关键的系统支持。因此,在战术和作战层面使用AI的战略重要性不言而喻。与以往的军事能力变革一样,AI有可能极大地改变军事战略平衡。

02指挥控制系统的OODA环

对于特定的军事任务而言,指挥控制过程是一个高度动态的过程,可在一定程度上将其建模为一个动态的观察、定位、决策和行动环(即OODA环)。如图1所示,传感器会对效果进行观察,一起收集传感器数据与系统内部状态数据(如任务进度)。在推理/感知过程中,一起确定对任务至关重要的事件,同时确定任务、资源和限制条件。

baab9b1a-8ad2-11ee-939d-92fbcf53809c.png

图1 OODA环

最后,确定计划、分配资产、评估风险。这个循环过程一直持续到任务完成、失败或撤销。整个OODA 环中的所有阶段都与指挥控制系统必须考虑的不确定性有关。

03AI的发展机遇

目前,民用部门正在推动着AI创新。其开发的AI技术和概念也适用于军事系统。要实现良好的指挥决策支持,目前最重要的是为要解决的问题构建适当的知识体系。这种知识体系为AI方法的运用提供了框架。构建知识体系是一个智力问题。如果能很好地完成这项工作,指挥决策支持的剩余工作就是在体系框架内进行数学运算,并为决策者提供良好的演示。

3.1 AI分析

在分析阶段,人们要处理和组合信息,构建一个通用的通用作战图(COP)。包括对接收到的信息进行分类、识别当前态势、构建动态更新的COP,以及检查自身系统是否被欺骗。 使用信息融合技术可以根据接收到的一系列情报报告自动生成战术共同行动计划。因此,分析阶段本身就很重要,但它还有一个目的,即所分析的结果可输入后续的规划和执行阶段,辅助决策支持。

3.2 AI任务规划

对于任务规划而言,需要规划军事行动的人进行“假设”,尽可能真实地模拟军事行动将产生的不同影响,评估不同计划的预期效果。这既包括对战场态势的影响,也包括对道德、后勤和难民等其他因素的影响。 同样重要的是,在演习中获得的军事知识可以作为规划决策支持系统的辅助手段。在制定计划时,需要这些知识来确定要实现的目标,有效地分配资源;在执行任务时,需要这些知识来监测任务的进程,并根据需要提出重新规划任务的建议。 在计划执行过程中和执行前,可以使用定性或定量方法进行分析。在分析行动方案(COA)的定性方法中,可以使用一个突出论证模型之间异同的框架来选择和完善军事行动方案。 另一种方法是使用定量方法。其中一个例子是将AI和多代理系统结合起来。如在红蓝对抗系统训练中,蓝队代表我方的目的、目标和利益,而敌方则由红队代表。假定红队在军事规划和决策中有着悠久的传统,通过让红队模仿敌方的动机、意图、行为和预期行动,己方就可以测试和评估行动方案,找出利用敌方弱点的机会,并学习了解蓝红双方的互动动态。这里,AI和多代理系统可以结合起来,为决策和规划提供支持。它使决策者能够探索可能影响目标的事件发展情况,发现和评估自身的弱点,学习了解敌人的行为,并找到获胜的策略。

3.3 AI参与作战任务

AI看法基于他们对当前局势的看法以及可以采取的替代行动。该模型可用于高级模拟,以评估决策支持系统框架内的行动。 DARPA最近开展了一个名为“实时对抗智能与决策”(RAID)的研究项目,利用预测分析、AI和模拟来分析对手的行动。RAID开发的技术可协助战术指挥官评估敌对部队的位置、兵力和目的,并预测其可能的战术行动,从而有效实施打击对手的行动。这包括识别对手的意图、预测对手的战略、发现欺骗行为、规划己方的欺骗行为、生成战略规划等。这些问题出现在军事行动计划、行动执行、情报分析等方面。为此,RAID将AI规划与认知建模、博弈论、控制论和机器学习相结合。 机器学习还可用于制定作战战术。Q-learning是一种强化学习算法,已成功用于空战目标分配。AI还有助于让工作人员更高效地工作,其中一个应用是自动生成报告总结。这种需求来自于层级式的组织结构。在这种结构中,每个上层人员都会收到来自下层人员的报告。因此,如果不进行总结,向上传递的信息量可能会呈指数级增长。过去,自动文本摘要属于提取类型,即从原始文档中剪切和粘贴相关的完整句子。最近,随着序列到序列建模的深度学习技术的发展,出现了用于摘要的抽象方法。抽象方法能够生成摘要。 另一个应用是将语音转录为文本。自计算机兴起以来,机器学习一直是语音识别系统的基础。当今最先进的算法都基于深度学习技术。

04AI的可行性

当前,基于AI的后勤规划工具“部署与执行联合助理”(JADE)已被美国军方使用,美海军JADE也已应用了很长时间。美军研究实验室开发了一种名为Sniper-RT3的任务规划和培训工具,以三维地形数据为基础,这些信息在布置传感器或部队防卫时至关重要。 AI的自动语音识别技术也已经日渐成熟。微软、谷歌、亚马逊公司都有利用最新深度学习技术的产品,用于语音对话系统。 正如AI领域的最新进展所证明的那样,海量数据的可用性是实现强大AI系统的基础。在不同的场景或应用中,特别是在某些军事环境中这可能是一项挑战。在数据稀缺的情况下,迁移学习等技术将对许多军事应用非常重要。在迁移学习中,针对类似但不同的应用所训练出来的机器学习模型将可以被重复使用并适应新的问题。例如,军事报告和摘要不同于民用报告和摘要,然而,考虑到两者的相似性,可以预期,在非军事文本上训练总结算法将是机器学习模型学习特定军事用例总结的良好起点。

05结论

本文介绍了如何利用AI来增强未来指挥控制系统的决策支持功能。指出了AI可以发挥作用的领域。从指挥控制系统建模的角度来看,本文指出了指挥控制流程中需要考虑AI功能的三项主要活动,即:感知决策、规划、军事活动。为促进感知决策过程,可以利用各种不同的智能信息处理工具实现信息优势。在规划方面,用于处理战术数据库(地形、后勤、理论等)的工具可与决策支持工具相结合,使指挥官能够在不同的抽象层次上评估不同的行动方案。最后,AI对执行的支持内容包括为指挥官评估备选行动,以及在执行行动期间为不同类型的参谋工作提供便利,例如使用语音转文字工具快速、正确地传达不同的简报。 从最终用户的角度看,有些AI工具,如语音到文本工具、地形分析功能等智能工具,已经非常成熟;而在其他领域,如推理对手的博弈论工具,还需要进一步进行深入研究才能实现其实际功能。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 控制系统
    +关注

    关注

    41

    文章

    6497

    浏览量

    110363
  • 数据库
    +关注

    关注

    7

    文章

    3750

    浏览量

    64217
  • 人工智能
    +关注

    关注

    1789

    文章

    46566

    浏览量

    236890

原文标题:人工智能(AI)辅助指控系统决策支持

文章出处:【微信号:AI智胜未来,微信公众号:AI智胜未来】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    AI for Science:人工智能驱动科学创新》第6章人AI与能源科学读后感

    幸得一好书,特此来分享。感谢平台,感谢作者。受益匪浅。 在阅读《AI for Science:人工智能驱动科学创新》的第6章后,我深刻感受到人工智能在能源科学领域中的巨大潜力和广泛应用。这一章详细
    发表于 10-14 09:27

    AI for Science:人工智能驱动科学创新》第4章-AI与生命科学读后感

    很幸运社区给我一个阅读此书的机会,感谢平台。 《AI for Science:人工智能驱动科学创新》第4章关于AI与生命科学的部分,为我们揭示了人工智能技术在生命科学领域中的广泛应用和
    发表于 10-14 09:21

    AI for Science:人工智能驱动科学创新》第二章AI for Science的技术支撑学习心得

    非常高兴本周末收到一本新书,也非常感谢平台提供阅读机会。 这是一本挺好的书,包装精美,内容详实,干活满满。 关于《AI for Science:人工智能驱动科学创新》第二章“AI
    发表于 10-14 09:16

    AI for Science:人工智能驱动科学创新》第一章人工智能驱动的科学创新学习心得

    的发展机遇。同时,这也要求科研人员、政策制定者和社会各界共同努力,构建一个健康、包容的AI科研生态系统。 总之,《AI for Science:人工智能驱动科学创新》的第一章为我打开了
    发表于 10-14 09:12

    risc-v在人工智能图像处理应用前景分析

    、RISC-V在人工智能图像处理中的应用案例 目前,已有多个案例展示了RISC-V在人工智能图像处理中的应用潜力。例如: Esperanto技术公司 :该公司制造的首款高性能RISC-V AI处理器旨在
    发表于 09-28 11:00

    人工智能ai 数电 模电 模拟集成电路原理 电路分析

    人工智能ai 数电 模电 模拟集成电路原理 电路分析 想问下哪些比较容易学 不过好像都是要学的
    发表于 09-26 15:24

    人工智能ai4s试读申请

    目前人工智能在绘画对话等大模型领域应用广阔,ai4s也是方兴未艾。但是如何有效利用ai4s工具助力科研是个需要研究的课题,本书对ai4s基本原理和原则,方法进行描诉,有利于总结经验,拟
    发表于 09-09 15:36

    名单公布!【书籍评测活动NO.44】AI for Science:人工智能驱动科学创新

    ! 《AI for Science:人工智能驱动科学创新》 这本书便将为读者徐徐展开AI for Science的美丽图景,与大家一起去了解: 人工智能究竟帮科学家做了什么?
    发表于 09-09 13:54

    报名开启!深圳(国际)通用人工智能大会将启幕,国内外大咖齐聚话AI

    8月28日至30日,2024深圳(国际)通用人工智能大会暨深圳(国际)通用人工智能产业博览会将在深圳国际会展中心(宝安)举办。大会以“魅力AI·无限未来”为主题,致力于打造全球通用人工智能
    发表于 08-22 15:00

    FPGA在人工智能中的应用有哪些?

    定制化的硬件设计,提高了硬件的灵活性和适应性。 综上所述,FPGA在人工智能领域的应用前景广阔,不仅可以用于深度学习的加速和云计算的加速,还可以针对特定应用场景进行定制化计算,为人工智能技术的发展提供有力支持
    发表于 07-29 17:05

    人工智能辅助编程工具的定义和工作原理

    随着人工智能(Artificial Intelligence, AI)技术的飞速发展,其在各行各业的应用日益广泛。在编程领域,人工智能辅助编程工具作为一种创新的技术解决方案,正逐渐改变
    的头像 发表于 07-05 18:00 1012次阅读

    5G智能物联网课程之Aidlux下人工智能开发(SC171开发套件V2)

    ://t.elecfans.com/v/27185.html *附件:语音对话机器人案例.pdf 人工智能 AI泛边缘:智能安防实训 31分38秒 https://t.elecfans.com/v/25509.html
    发表于 05-10 16:46

    5G智能物联网课程之Aidlux下人工智能开发(SC171开发套件V1)

    平台使用指导B:AidLux平台使用 13分04秒 https://t.elecfans.com/v/25506.html *附件:AidLux平台使用介绍.pdf 人工智能 软件平台使用指导C:辅助
    发表于 04-01 10:40

    人工智能AI芯片的概述

    人工智能AI)技术的快速发展已经成为当今科技领域的热点话题。
    的头像 发表于 02-29 09:10 5095次阅读

    嵌入式人工智能的就业方向有哪些?

    。 国内外科技巨头纷纷争先入局,在微软、谷歌、苹果、脸书等积极布局人工智能的同时,国内的BAT、华为、小米等科技公司也相继切入到嵌入式人工智能的赛道。那么嵌入式AI可就业的方向有哪些呢? 嵌入式
    发表于 02-26 10:17