人工智能技术助力空中作战平台现代化应用

人工智能技术助力空中作战平台现代化应用

随着航空业的不断发展,各国对航空领域的技术水平要求以及航空飞行器任务性能需求不断提升。主要航空强国通过不断探索空中平台的智能化发展,为满足未来多元需求提供支持。近期,美空军首次通过人工智能技术控制XQ-58A“女武神”无人机飞行,标志着人工智能技术在航空领域的成功应用。人工智能技术或将成为提升新一代空中作战平台全生命周期性能的重要推手,引领空战模式变革。

一、人工智能技术为增强空中感知和数据管理能力提供支持

人工智能技术使空中作战平台多系统综合交联的场景更便于管理。美空军打造“先进作战管理系统”(ABMS)多域一体智能化作战网络,旨在将空域作战单元与陆、海、天、网络等其他作战领域作战单元进行多信源融合,基于人工智能学习算法提供虚拟现实型战场感知能力,为“联合全域指挥控制”(JADC2)提供支持。美国通用原子公司的MQ-9B“天空卫士”(SkyGuardian)无人机基于人工智能技术实现了多平台系统集成,为美特种作战部队、空军和联合部队提供跨域作战能力。DARPA研发“综合任务规划和空域控制工具”(IMPACT)智能飞行路径规划软件,可在用户层面协调和整合服务,提高程序响应速度,在对抗性空域中减少被友军武器误伤的可能性,并提升规避敌方火力的能力。俄罗斯“自动控制系统”(ACS)军事指挥控制自动化系统以“金合欢”-M(Akatsiva-M)系统为基础,实现分布式计算、异构数据处理、数据库权级访问、子系统信息供给等多平台信息源融合管理功能,为俄指挥官实时感知战场态势提供支持。

随着现代化空战装备有人/无人机协同、雷达探测、武器装载等多系统交互性增强,空战平台系统后台指挥控制对计算能力、数据搜集能力以及算法能力的需求正在以指数速度增长。为此,人工智能技术正在迅速融入指挥控制系统,成为世界各国军队建设的重要领域。相较于传统空战平台,基于人工智能技术的空战管理平台将具备以下优势:一是使用智能化方法和手段研究自主态势判断、自主规划、自主控制等问题,实现智能管理、协同制导、多发故障应急等能力。二是有效避免作战人员操控单独系统时引起的多系统级联响应,为优化空中指挥控制提供支持。

二、人工智能技术为提升空中操作人员决策效率提供帮助

人工智能技术应用于空战作战平台将缩短作战人员决策周期,并提高决策有效性和准确性。美空军研究实验室改进“情报系统基础设施、工具增强”(InSITE)人工智能解决方案,提升情报信息收集、共享和分析能力以支持快速决策。美国麻省理工学院和DARPA联合研发基于人脑运作机制的EYERISS机载数字存储微芯片,通过智能感知航行中的空间信息进行实时空战态势推演,针对威胁辅助作战人员作出决策调整。俄罗斯人工智能舰载无人机拟于2025年首次试飞,将具备紧急环境下事态预警和判断等能力,为作战人员决策提供支持。

随着作战形态日益智能、作战环境日趋复杂、作战进程日渐加快,战场对抗的深度与广度朝向逐步扩大的趋势发展,对作战人员应变决策能力提出更高的要求。空战人员利用人工智能技术进行辅助决策,将带来如下优势:一是通过智能感知、侦察、定位和跟踪多维度、多层次、多类型敌方动态、电磁频谱波段、作战行动等战场态势信息,以更少的人员和代价,最大化获取战场数据,辅助智能判别与智能决策。二是通过实时或近实时获取海量战时数据,对数据进行高速整理、筛选、归纳和分析,提炼有效情报信息,完成对态势的及时预警和风险判断,提升时效性决策准确程度。三是通过及时预测、判断、告警战场态势走向,为作战人员规划多决策路径。人工智能技术可基于学习算法,根据战场实时态势做出多种预警决策,并对各情况下多决策路径进行合理分析,预判后续事态发展,将显著缩短作战人员决策周期。

三、人工智能技术为加快新型装备研发落地提供动力

前沿技术领域的发展离不开先进技术持续提供支持。军事航空科技属于前沿技术领域,为人工智能、数字孪生等先进前沿技术提供了宽广的应用场景。人工智能技术将为新型空战科技装备研究和发展开辟道路,形成各层次、各领域的智能化新需求,催生新技术、新产品和新模式。美国洛马公司“可变飞行模拟测试机”(VISTA)作战飞机首次应用人工智能技术,基于快速学习能力实现战时自主更新,以加快新型飞机对练仿真实战时的性能测试进程。美空军与RealNetworks公司合作研发军用无人机人工智能面部识别技术,以支持美军执行点对点打击和刺杀任务。美空军研究实验室成功演示“人工智能增量金属成型系统”(AI-FORGE)原型,可在无操作员情况下自主制定成型决策,为军用飞机小批量制造零部件,提升美空军飞机战备能力。美空军AFWERX创新中心启动“自主至上”项目,计划建立一个试验场,用于测试数字孪生、人工智能技术与建模仿真系统的耦合性,推动航空等军用自主化平台的快速应用。韩国国防发展局计划开发基于人工智能技术的先进战术飞行训练系统,用于增强新型空战平台模拟测试的真实性,并改善其测试效果。

人工智能技术正在影响军事航空科技不断进步,将成为未来军事航空科技跨越发展的重要引擎。一是人工智能推动战场态势感知、自适应自主学习、推演预测等领域加速发展,使生物特征识别、智能空中平台、智能情报监视和侦察等装备逐步进入实际应用,给予军事航空科技无限潜能。二是人工智能基于云计算、自主学习算法等技术,可对空战平台装备设计、制造和实际应用情况等信息进行整理、分析和处理,为军事航空系统小型化、轻量化、智能化、低功耗及自主可控的需求提供系统解决方案和设计思路。三是人工智能基于数字孪生技术、增强现实技术等技术,使航空装备工程与虚拟现实相互耦合,大大提升新型空战平台的应用潜力,并降低研发成本和研制难度。

四、人工智能技术为促进作战战术多样性提供助力

随着人工智能技术与空战平台的耦合程度逐步提升,人工智能空战平台在空中复杂环境、不可预测威胁、不确定因素较多的场景下,将使战术更具灵活性、多样性和可控性。一是在面向空中格斗、超视距作战、反介入/区域拒止(A2/AD)等场景中,人工智能协助飞行使空战平台在一定程度上可摆脱人工操控的固定模式,有效降低人为生理、心理等因素对执行指令效果的影响,提高即时性战术指令的可行性和变通性。二是人工智能技术将进一步提升空战平台的航程和巡航速度、战场态势感知等能力,实现“一机多用”,为战术灵活配置提供支持。三是为全域一体化作战提供支持。自主化系统对于战术部署可实现杀伤链末端的跨域协同以及多域效能聚合,系统运转也将由逐渐传递向按需联动发展。

五、结语

目前,美国等航空强国已在后勤保障、自主目标识别等军事领域进行了人工智能技术规模运用,指挥控制、自主作战等领域正处于着手研究或推广应用阶段。人工智能技术在未来作战场景中的广泛应用或将对作战模式和作战水平产生深远影响,对于未来空中作战模式具有重要意义。但欲真正使人工智能技术成为航空科技发展的核心力量,各国在享受人工智能释放技术红利的同时,应对伦理道德、数据安全、治理监管等技术外溢问题予以高度重视,并制定透明和负责任的国际人工智能应用准则,适应人工智能技术带来的重大机遇和不确定性,为维护良好的国际秩序和生存环境提供支持。

参考文献:

[1]车继波.人工智能在无人作战飞机上的应用与展望.[J].电讯技术,2018,58(07):859-864.

THE END
1.算法原理与代码实例讲解:自主学习自主学习算法随着人工智能技术的不断发展,自主学习成为了人工智能领域的一个重要研究方向。自主学习是指机器能够自主地从数据中学习知识和技能,而不需要人类的干预。这种学习方式可以让机器更加智能化,能够更好地适应不同的环境和任务。 在自主学习中,深度学习是一种非常重要的技术。深度学习是一种基于神经网络的机器学习方法,它可https://blog.csdn.net/m0_62554628/article/details/139816417
2.OpenAI发布人工智能新算法,糅合VR技术“教”会机器人自主学习首先,收集真实世界中的图像不仅费时费力,而且花费的成本也将是天文数字。反观模拟数据,可以更快、更有效率的达到相同的学习效果。也正因此,OpenAI为最新的人工智能算法提供的都是有着不同风格背景和纹理的虚拟图像。 另外很重要的一点,相较于真实世界的图像,人工智能算法在对虚拟图像进行分析的时候可以不用考虑现实场https://m.sohu.com/a/676462821_121687414
3.人工智能的自主学习技术人工智能的自主学习技术 人工智能(Artificial Intelligence,简称AI)的自主学习技术是指通过算法和模型,使机器能够从大量的数据中自动学习和提取知识,从而能够在面对新的任务和问题时做出准确的判断和决策。自主学习技术是AI领域的一项核心技术,已经在许多领域取得了重大的突破和应用。 自主学习技术的核心在于机器的自动学习https://wenku.baidu.com/view/f2f868986ddb6f1aff00bed5b9f3f90f77c64d05.html
4.人工智能A算法:引领智能化发展的未来之路随着科技的发展,人工智能已经成为了当今社会的热门话题。而人工智能A算法的出现无疑将推动智能化发展的未来之路。人工智能A算法是一种基于大数据和深度学习的算法,通过对复杂问题进行模拟和推理,实现了人工智能的自主学习和智能决策。 人工智能A算法在各个领域都有着广泛的应用。在医疗领域,它可以通过分析病例和医学数据http://chatgpt.kuyin.cn/article/3534398.html
5.从算法到硬件平台,人工智能大潮下的Intel做了什么极客公园目前英特尔的人工智能芯片产品分为四个种类,分别为至强可扩展处理器系列、Nervana 神经计算处理器、Movidius、以及 FPGA。 在英特尔中国研究院院长宋继强看来,人工智能的演进,将由机器学习逐渐过渡到自然智能,人工智能芯片需要逐渐具备处理歧义、场景推理以及自主学习的能力。 https://www.geekpark.net/news/224501
6.通过算法的治理——人工智能语境下的法律转型而对于这种弱人工智能的界定,去除了简单的拟人式想象,只将其看作一种基于算法设计通过数据自主学习以优化数据处理的计算机制,本质在于算法和数据。 效率导向推动下人工智能在法律活动中的应用 从将人工智能作为优化数据处理的计算机制出发,对于人工智能与法律的关联,很容易将其作为一种法律活动的辅助工具加以理解。事实https://www.cdstm.cn/theme/khsj/khzx/khcb/201902/t20190221_909208.html
7.李书恒算法共谋的反垄断规制研究在人工智能学习达到一定成熟度后,尽管双方的算法系统各不相同,也可能在机器的自主学习下达成共谋,实现垄断的结果。可以预见,在未来人工智能之间共谋的实现不需要算法间交流或与经营者保持一致的意图便可能达成,这将放大算法作为执行合意的工具的效果,从而使得不受干涉的自由经营与竞争走向垄断。https://www.jfdaily.com/sgh/detail?id=1054994
8.孙保学:人工智能的伦理风险及其治理当前,我们正身处以人工智能技术为核心的第三次信息技术浪潮之中。它的突破性变革表现在:一方面,从技术(软件和硬件)的演进和发展的角度看,不仅计算机的运算能力较几十年前取得了飞速提升,而且以深度学习为代表的人工智能算法使人工智能的自主学习能力大大增强。学习算法具备了更强的自主能力,能够自行学习和编程,处理https://aiethics.hunnu.edu.cn/content.jsp?urltype=news.NewsContentUrl&wbtreeid=1147&wbnewsid=2002
9.人工智能六大领域拓展阅读 人工智能新观察:中国需要怎样的人工智能创新生态? 打破人工智能算法黑箱 人工智能需要自主学习https://36kr.com/p/1480310728667913