分布式智能化作战的概念、内涵与未来发展

时间: 2024-06-20 18:08:39 |   作者: 工会活动

  格式:胡志强,刘永普,姜松,等. 分布式智能化作战的概念、内涵与未来发展[J]. 指挥信息系统与技术,2023,14(5):62-68.

  为适应未来分布式、无人化、智能化战争形态,在现代技术和作战概念基础上,总结了现代分布式智能化作战的内涵和特点,分析了分散部署、机动作战、协同控制和智能赋能4个方面内容。在此基础上,提出了未来分布式智能化作战的发展趋势。

  作战概念是对作战思想、作战理念和作战方式等的高度概括和浓缩。新型作战概念对作战理论和作战体系的建设和发展具有重大引领作用。20世纪80年代以来,随着人工智能(AI)、云计算、自主控制、5G/6G通信和区块链等技术的发展,以美国为首的一些国家不断提出新的作战概念,特别是美军为重获军事优势,其海陆空军、国防部和美国国防部高级研究计划局(DARPA)先后提出了空地一体战、有人无人协同作战、网络中心战、赛博作战、认知电子战、云作战、分布式杀伤、多域战、马赛克战和联合全域作战等全新的作战理论和概念。这些作战理论和概念都有各自提出的背景,有各自特点,但在本质上,都是利用智能化时代的新技术实现对战场态势信息的有效感知和对作战资源的灵活应用,从某一种意义上都属于分布式智能化作战。

  本文从战争演变的角度详细阐述分布式智能化作战的概念和具体内涵,从技术发展前途分析了该类作战可能的发展趋势。

  从古代到近代和现代,从冷兵器时代到热兵器时代直至机械化时代,“集中优势兵力,各个歼灭敌人”的指导思想一直受到尊崇。这是因为在物质和能量占据主导作用的时代,该思想很符合战争的暴力美学原理,即以最大的物质资源(包括人力)集中和能量输出、在某一方面或某一方向上压倒对方。同时,在网络通信不发达的时代,这种物理空间上的集中更有助于战场实时指挥与控制,从而有利于发挥部队整体的作战力量。

  随信息时代的到来,在物质、能量和信息3要素中,物质和能量这2个要素逐渐退居从属地位,信息逐渐占据主导位置。随之,作战理论和作战方式也发生巨变。2014年,美国海军战争学院进行的一次兵棋推演表明,即使是装备反舰导弹的中小型舰艇也能使对手难以应付,由此提出了分布式杀伤(distributed lethality)概念。随后,美国海军通过成立专项工作组、兵棋推演和海上试验等方式对分布式杀伤概念进行深化论证。2018年12月,美海军在《维持海洋优势的设计2.0》文件中正式将分布式杀伤更名为分布式海上作战,旨在将分布式杀伤由反舰向防空、对陆和反潜等多个作战方向上拓展。分布式杀伤在战略和战术上具有灵活性和机动性。它将各种有人无人作战平台和作战功能在陆、海、空、天、潜、网、电的全域范围内进行疏解;通过在多个平台间组建分布式通信网实现网络化作战指挥和观察-判断-决策-行动(OODA)的自组织协同,共同完成作战使命任务;可在提升己方资产作战效能的同时,对敌方资源形成数量上的压倒性优势,迫使敌人从果断行动转为被动防御。

  其实战争无非是保存自己、消灭敌人。随着信息时代的发展和AI时代的到来,战场信息化、装备无人化、通信网络化、作战指挥与控制智能化以及战争的形态和特点均发生了天翻地覆的变化。兵力更加分散,作战域和作战空间大大拓展,作战指挥更加智能化,在体系对抗的基础上更强调利用信息网络、大数据、云计算和AI技术实现对战场态势信息的智能感知和对作战资源的高效利用。由此,分布式杀伤发展成为当前更广泛意义上的分布式智能化作战概念。

  分布式智能化作战基于智能赋能技术和分布式协同控制技术,利用互联网互联共享上级指令、战场态势和作战资源,实现自主共同决策和行动。传统“以兵力集中实现火力集中”的作战方式转向“兵力分散火力仍集中”的作战方式,垂直授权的决策线转向基于信息的分布式协同决策平面。

  兵力分散和跨域协同是分布式智能化作战的2个显著特征,保证了分布式智能化作战以使命任务为中心,形散而神不散。

  同所有新生事物一样,分布式智能化作战是适应时代发展的产物。其内涵也在持续不断的发展、丰富和变化。从制胜机理上,其主要内涵包括分散部署、机动作战、协同控制和智能赋能4个方面。

  所谓分散,是相对于集中而言,通常指体系组成的各个平台/实体和功能在不同物理空间和作战域进行非集中式部署和配置,同时通过任务从逻辑上联系起来的一种组织方式。就军事而言,在过去信息技术和通信技术不发达的时代,在物理空间和作战域上,集中兵力有利于战场指挥和作战力量的集中。随信息技术和高新武器装备的发展,战争无一例外强调信息与火力的有机结合,即信息提供目标位置和武器导引,火力提供目标毁伤。特别是随着20世纪末以来,随着陆、海、空、天、潜的精确制导中远程打击武器的出现,传统集中部署的兵力和集中式指挥控制体系容易被对方火力团灭。

  海上分布式杀伤概念示意图如图1所示。分布式杀伤通过分布式指挥控制、通信协同等能力和手段,实现作战单元(作战平台/实体)以分散部署、融合一体的形式形成分布式火力态势,进行多域/跨域联合作战,旨在提高己方战场生存能力,克服传统集群式兵力易被发现和摧毁的问题,同时大幅度的增加攻击方向和作战范围,提升体系的作战效能和灵活性,进而加大敌方应对的难度。

  分布式杀伤实质是在广域的作战空间,将原来集中的多要素高度集成的作战平台,以作战要素形式进行作战资源分散部署,改变当前由复杂、高价值、多用途综合平立完成作战任务的状态,即将一些核心作战能力打散并分散部署到大量异构、低成本、功能单一、结构相对比较简单的平台上,由这一些平台联合形成灵活的作战体系共同达成目标。在强化作战体系韧性的同时,确保了可靠生存。作战平台/实体及其OODA功能节点在广域作战空间分散部署示意图如图2所示。

  与分散部署相对应的是部队编制体制改革,即将作战单位小型化、指挥体系扁平化和信息化。以陆军为例,当前多数国家以合成营为基本作战单位做去中心化的部队编制体制改革,连、排、班均可独立作战。每个作战小分队均有独立决策权,甚至每个单兵也有自由决策的行动权。最高指挥部可以直接指挥小分队甚至单兵,作战小分队和单兵可以直接上报最高指挥部。这就是将军士兵,或者说士兵将军。这种完全赋权的扁平化作战体制是现代部队编制体制改革的一个重大成果。它使得作战相比过去更为灵活、高效。

  机动作战是一种作战方式,也是一种克敌制胜的战法,包括物理空间上的机动作战和功能意义上的机动作战2个方面。

  在物理空间,现代主战平台的机动性能慢慢的变好。以坦克为例,陆上机动坦克装甲车辆速度可达90 km/h,20 min可以机动到30 km外;当前海上舰船的航行速度可达30 kn(1 kn=1.852 km/h)以上,一支航母战斗群一天可以机动1 300 km以上。现代战斗机速度更可超音速飞行。在作战半径范围内或者在空中加油机的配合下可以在数分钟至数十分钟内从一个地点飞到另一个地点实施空中作战。物理空间上的机动作战,即根据敌情快速实施机动调动敌人,在运动中集中优势兵力各个击破敌人。以“海马斯”(HIMARS)高机动火箭炮系统为例,其有效载荷5 t,战斗全重10 t,可使用C-130运输机远距离空运。作战时,“海马斯”高机动火箭炮既可一次发射6枚227 mm GPS精确制导火箭弹,也可发射一枚射程达300 km陆军战术导弹。完成对目标精确打击后,凭借可装载性和自身高机动越野性迅速撤离到下一个地点,让对方防不胜防,难以反击。图3为“海马斯”高机动火箭炮系统在无人机、卫星和信息网络支持下实施“滴滴打车”式的现代高机动游击战。

  功能意义上机动作战指高度分散部署的作战平台能够准确的通过任务的需要灵活组合、动态重构自适应杀伤网,以灵活多样的行动应对不同程度和不同方面的威胁。2019年9月,DARPA在《马赛克战:恢复美国的军事竞争力》报告中首次阐述了基于“马赛克”拼图思想的机动作战构想。马赛克战概念示意图如图4所示,即在复杂高对抗的战场环境下,根据作战任务和可用资源,通过分布式自适应的指挥控制方式,将战场上各种有人无人低成本的、低复杂度的作战单元进行动态、灵活和快速的重新组合,构成面向任务的协同自主的作战体系,以自身复杂性降低对手对己方作战态势的感知判断能力,以期形成和获取不对称作战优势。

  这种功能意义上的机动马赛克战体现了美军对当前大国竞争战略局势和现代战争形势的深刻理解,对现代作战理论和作战方式产生重要影响。

  分散部署和机动作战是分布式智能化作战的基本内涵,但其内在运行机制是分布协同控制,简称协同控制。协同控制可使分散部署在广阔空间中的作战兵力和在不同作战域作战的各种力量协同行动、协同作战,共享资源,最终完成使命任务,使得兵力分散部署和机动作战“形散而神聚”。

  不同于集中控制有一个集中式控制中心,分布协同控制是去中心化的,即没有一个集中式协同控制中心。这是一种基于任务的分布、自主、协同控制模式。在该模式下,所有作战平台(作战实体或作战单元)都是自主的,具有相对的运行独立性和管理独立性。

  分布协同控制组织运行模型如图5所示。所有分布的作战平台和实体机构都工作在一个虚拟的使命任务空间,并作为一个个节点工作在互连互联网空间。各个自主作战平台和实体机构都配备统一的指挥控制单元和协同控制器,通过分布式自组织网和数据链共享统一的、时空一致的战场态势信息。战时,各个自治的自主作战平台和实体机构通过对目标、环境和战场态势的获取、认知、理解和运用,在统一的目标使命下,分散执行各自的作战任务。其中,分布协同控制涉及作战平台、实体机构之间各种逻辑上和物理上的指挥关系、控制关系和信息关系,以及行为、信息和控制等要素在整个分布式作战体系中的时空分布模式,是分布式智能化作战组织、协调、规划、控制、执行以及学习等功能得以实现的基础。其组织运行机制可分为协同交互层、规划调度层、战术层和执行层。

  战术层和执行层指自治的自主作战平台和实体机构通过协同交互和任务分配,自主进行目标、环境探测和战场态势感知,自主完成作战筹划和任务规划,包括协同定位、协同探测以及协同跟踪,自主完成传感器控制、姿态控制和载荷(武器)控制,分配和交换传感器、武器等信息进行航路规划,从而完成作战任务。

  规划调度层和协同交互层主要解决信息共享(如公共作战图(COP))、作战资源分配和作战样式等问题。在多任务和多作战空间环境下,还需明确各任务间的关系、作战域和作战空间间的关系,主要职能有协调规划、消解冲突、反馈信息和效果评估。

  智能赋能是分布式智能化作战的核心内涵,指在作战行动的各个层面和环节大范围的应用人工智能(AI)等智能技术赋能,从而提升作战能力,具体表现在观察(Observe)-判断(Orient)-决策(Decide)-行动(Act)的各个层面和环节上,形成智能感知、智能判断、智能决策和智能行动。

  分布式智能化作战OODA环如图6所示。针对复杂、激烈的战场环境,分布式智能化作战充分的利用AI、大数据和网络通信等现代技术,完成分布式态势感知和自适应的智能决策与控制。

  1) 智能感知(intelligent observe)。现代战场态势瞬息万变,传统的态势感知技术面对复杂多变的战场环境信息难以有效、自动地提取特征进行目标识别跟踪;智能感知是应用各种智能感知系统和装备智能地感知目标战场环境信息和目标信息,通过有效地接收、探测战场环境信息,应用大数据深度学习等AI技术,发现、识别和跟踪作战使命任务要求掌握的战场环境、战场空间和战场目标。2016年,美军宣布成功攻克大数据目标识别技术,建立了相关的理论模型。其核心是利用深度学习网络分析处理多源的海量信息,来获取战场环境目标的特征信息。通过大数据对战场环境和目标的真实性进行研判,能够准确、完整地反映战场态势,从而为作战提供依据。

  2) 智能判断(intelligent orient)。随着AI技术的发展,现代作战系统的各种信息获取和确认能力有了很大提高。在OODA的判断作战行动中,利用AI技术和各种AI算法可智能化完成目标检测、分类、识别和评估等工作。2007年,美国DARPA启动了“DeepGreen(深绿)”计划,研究通过对未来敌我可能行动及态势进行自动生成、评估和预判,帮助指挥员快速掌握战场态势。2017年,美国防部成立算法战跨智能小组,目标是利用AI技术,将国防部的海量数据信息快速、准确地转变为可用情报。

  3) 智能决策(intelligent decide)。指挥决策过程通常包括确定目标、制定方案、选择方案和制定计划等部分,其复杂性、困难性大多体现在态势认识、判断和策略选择的不确定性上,而现代信息化战争使得这种不确定性十分严重。在作战筹划和任务规划层面,即应用AI、大数据分析和云计算等技术,围绕作战使命和任务,在战场态势博弈推演基础上,基于目标、效果和约束条件,智能协调并管理各种作战实体和作战资源,筹划作战方案,优化配置作战资源,进行任务规划和战法设计,包括智能化兵力组合与重组、智能航路规划和智能化协同打击等。在指挥决策层面,通过深度强化学习等智能决策技术,在战场态势实时共享基础上,对战场大数据进行智能分析处理,应用平行仿真推演,形成对对手下一步可能的军事行动和战场演进趋势的智能预测,自动匹配最佳的行动策略。

  4) 智能行动(intelligent act)。随着武器平台自主控制水平、智能定位和智能决策水平的提高,进行智能化机动,完成智能化资源调配和智能化协同打击等作战行动。

  随着人类社会逐步由信息化社会迈向智能化社会,人类战争形态也将逐步由信息化战争迈向智能化战争,即以能量机动和信息互连为基础,以网络通信和分布式云为支撑,以数据计算和模型算法为核心,以认知对抗为中心,多域融合、跨域攻防,无人为主、集群对抗,实现虚拟与物理空间一体化交互的智能化作战。与此相对应的分布式智能化作战概念和作战样式也将进一步深入发展,具体而言:

  1) 分布将由作战平台分布转向所有作战功能要素分布,由单一作战域和作战空间的分布拓展到所有作战域和作战空间的分布。

  目前的分布主要是作战平台在陆、海、空、天、潜等物理空间上的分布。随着未来分布式智能化作战的发展,基于平台的各种探测、侦察、通信、指挥、控制、打击和后勤等作战功能也将分散部署,由此彻底实现去平台化、去中心化的作战思想。

  同时,由于电磁空间、互联网空间重要性逐步的提升,各国将更看重将一些作战功能部署到电磁空间和互联网空间,以充分的发挥其作战效能。如美军提出的“电磁机动”概念实际上就是将一些作战功能部署到电磁空间和互联网空间,充分的发挥电磁空间和互联网空间的作战功能。如对敌进行电子战以对抗敌方侦察系统,通过干扰、欺骗敌方侦察监视及目标指示网络,降低己方被对方发现和瞄准的概率,通过发展电磁或定向能武器毁伤敌方的杀伤链路各环节等。目前,美军的网络攻击已具备入侵、欺骗、干扰和破坏等作战能力并已应用于实战。

  2020年,美国空军在陆军2016年提出的多域战(MDOs)概念基础上,进一步提出了联合全域作战(JADO)的概念。未来单一作战域和作战空间的平台与功能分布将拓展到包括陆、海、空、天、潜、网外加电磁频谱的全域实施,经整体筹划并协同实施作战行动。

  2) 将更多地使用无人作战平台和无人作战装备,分布式无人化协同作战将成为分布式智能化作战的基本形态。

  相对于有人作战,无人作战平台和作战装备在一些作战功能和作战效率方面具有非常明显优势。随着自主控制技术、“人在回路”技术和各种作战载荷的加快速度进行发展,未来作战将慢慢的变多地使用无人机(UAV)、无人艇(USV)、无人潜航器(UUV)及无人预置系统等无人作战平台和无人作战装备。大量的、具有各种功能的UAV、USV、UUV及无人预置系统与装备将在陆、海、空、天、潜等作战空间分散部署,在网络赋能、大数据赋能和AI赋能下,这些无人作战平台和有人作战平台可以自由组合,根据不同的作战任务需求,形成一个多域融合、跨域攻防的分布式智能化作战体系。分布式无人化作战将更多以无人化协同对抗的形态呈现,成为未来分布式智能化作战的基本形态。

  因此,在装备发展上,要加快研究与开发各类系列化无人作战平台,特别是要研究和开发长航时、可自主控制、具备模块化载荷功能的大中型无人作战平台,促进多功能模块化无人作战平台和装备早日落地,形成足以支撑分布式智能化作战的新质战斗力。

  随着无人作战平台和无人作战装备成为战斗力倍增的有效手段,当前基于各类无人作战平台和装备构成的各种“蚁群”“蜂群”“鱼群”等无人集群正处于快速发展阶段,后续还将发展同类异形、跨域异构的无人作战平台和装备“族群”,形成全域分布式无人自主攻防集群。

  技术上,分布式无人集群作战可视作多个智能体(agent)间的协同作战。通过相邻无人作战平台和装备间的信息交互,设计无人作战平台和装备间的协同控制协议,使得无人作战集群中所有成员对全局一致、方向趋同和期望队形等达成一致,实现集群的分布式作业。其中,集群智能控制技术基于通信/数据链技术的持续不断的发展以及自主能力的不断的提高,成为无人作战平台和装备由单体独立向集群协同发展、进而实现集群作战的核心技术。随着协同作战能力重要性增加,无人集群作战将是未来分布式智能化作战的主要形式之一。

  群体智能(swarm/collection intelligence)指无智能或仅具有简单智能的主体通过协作表现出更高的整体智能,具有层次性、涌现性和不确定性,如“蚁群”“蜂群”“鱼群”等群居性生物集体反映出来的智能行为。在群体中,所有控制都是分布的,不存在中心控制。群体中每个个体遵循的行为规则均较简单,但通过合作实现共赢。在研究群体智能蚁群优化(ACO)算法和粒子群优化(PSO)算法时,应着重关注临近、品质、多样性反应、稳定性和适应性各项原则。

  随着AIECO的一直在升级,拥有群体智能的分布式无人作战集群可发挥其环境适应能力强、部署灵活、功能集成、小型高效的优势,实现智能组网、协同作战与博弈对抗,以决策为中心,形成侦-抗-打-评的作战闭环,在未来多域多维智能战中克敌制胜。从美军的“小精灵”(Gremlins)、“灰山鹑”(Perdix)等无人机集群协同作战试验效果来看,依托群体智能开发的UAV、USV和UUV等无人作战集群,可在短时间内通过机间信息共享,形成探测、感知、识别、通信和攻击能力,可将分布式无人作战平台数量优势转化为不对称作战优势。

  随着“蚁群”“蜂群”“鱼群”等无人集群系统逐渐进入战场,有人无人协同问题日渐成为关注重点。人机混合增强智能是一种能让人类和AI一起工作以实现预期结果并相互学习的方法。

  与人相比,目前以大数据、深度学习和算力为基础的AI在语音识别和图像识别等以模式识别为特点的应用上已较为成熟,但对需要专家知识、逻辑推理或领域迁移的复杂性任务,AI系统的能力还相对不足。与此同时,基于统计的深度学习注重相互关系,缺少因果分析,使得当前AI系统的结论可解释性差,处理动态性和不确定性能力较弱,在一些敏感应用中容易带来安全性问题及伦理风险[17-18]。相对地,人在处理抽象化、情绪化和非逻辑性等问题上具有天然优势,在图像理解、综合推理和自我意识等认知智能领域,人类智能亦明显强于AI。

  因此,在分布式智能化作战中,要将人的作用或人的认知模型引入AI系统,通过人机互补、人机协同和人机融合实现更高级、更鲁棒、更增强的智能。

  在人机协同的混合增强智能中,重点是研究在哪些领域和哪些作战环节能发挥人机混合增强智能的作用。如将人的作用引入机器智能系统的回路中,可将人对模糊、不确定问题的分析和响应机制与机器智能系统紧密耦合,使两者相互适应,协同工作,形成双向的信息交流与控制,使人的综合感知、高级认知能力与计算机强大的运算和存储能力相结合,构成“1+1>2”的智能增强形态;或者,在机器智能系统中引入受人脑启发的智能计算模型,通过模仿人类大脑功能构建基于人类认知计算的混合增强智能,可更准确地建立像人脑一样的感知、推理、决策和应激响应的智能计算模型。所有这些人机混合增强智能方法将极大的提升分布式有人无人协同作战能力。

  随着21世纪大数据、AI和信息网络各项技术的发展,未来的分布式智能化作战不仅体现在分布式智能化作战平台和作战装备上,还体现在天地一体的网络化信息链接上,即利用卫星、无人作战平台、电子战系统和AI算法,可以组成一个分布式智能战(DIO)系统。

  在天地一体DIO系统中,一方面能够运用大数据分析、模式识别和深度学习等算法,智能地处理多源的战场环境、空间和目标等的电磁、文本、视频和图像等数据,从中吸取有用的特征信息,并对其进行属性分类和可视化呈现,生成实时的敌我战场态势图;另一方面,应用先进的信息化网络体系使得现代化有人无人作战部队和作战单元实现互连、互通和互操作,信息和战场态势高度共享,构成分布式作战智能协同打击链。

  纵观人类战争史,战争形态的演变总是和社会形态的演变一致。正如恩格斯所说:人类以什么样的方式生产,就以什么样的方式作战。从冷兵器时代、热兵器时代到机械化时代的战争都是如此。本文针对当前战争形态的发展变化,分析总结了现代分布式、无人化和智能化战争的主要内容和发展的新趋势,旨在为未来作战系统、作战平台和武器装备技术的研发提供参考。

  张维明,黄松平,肖卫东,等. 高端战争的指挥控制应对之策[J]. 指挥信息系统与技术,2023,14(4):1-7.

  方冰,王政伟,陈奡,等. 智能化作战管理技术[J]. 指挥信息系统与技术,2023,14(3):18-24.

  蒋明鹏,李荣宽,王金泉,等.基于分布式事务的数据跨网交换技术[J].指挥信息系统与技术,2023,14(2):91-94.

  张子龙,田少鹏,孔令涛. 空中计算在指挥控制数据链中的应用[J]. 指挥信息系统与技术,2022,13(6):55-62.

  汪霜玲,李宇飞,黄凯鹏,等. 指挥信息系统智能化水平评估方法[J]. 指挥信息系统与技术,2022,13(5):55-59.

  周海瑞,姜枫. 美军空降作战及其指挥控制管理系统[J]. 指挥信息系统与技术,2022,13(2):6-13.

  朱允帅,张昕. 美军空中支援作战及其指挥控制管理系统[J]. 指挥信息系统与技术,2022,13(1):7-15.

  董凯,修建娟,丁自然. 无人机集群目标智能化跟踪技术[J]. 指挥信息系统与技术,2022,13(1):45-50.

  许莺,姜志平. 基于边缘计算的指挥控制管理系统信息传输优化模型与设计[J]. 指挥信息系统与技术,2021,12(4):47-51.

  张维明,黄松平,朱承,等. 指挥控制的新范式:边缘指挥控制[J]. 指挥信息系统与技术, 2021,12(1):1-7.