作者：龙坤，国防科技大学
导 读
2020年3月，北约科技组织（NATO Science & Technology Organization）发布《2020-2040科技发展趋势：探索科技前沿》（Science & Technology Trends 2020-2040：Exploring the Edge)，阐明了北约重视的八大新兴颠覆性技术（Emergent Disruptive Technologies, EDTs)，具体包括数据科学、人工智能、自主性、量子技术、太空技术、高超声速技术、生物科技与人类增强技术以及新型材料与制造技术，并指出未来20年的科技发展趋势将呈现出智能化、互联化、分布式化和数字化四大特点。本系列文章将其主要观点进行编译总结，并做简要评析。本文是该系列的第一期文章，主要聚焦数据科学、人工智能与自主技术对军事领域的影响。
图：北约科技组织《2020-2040科技发展趋势：探索科技前沿》报告
01
数据科学（Data Science）
关键词：大数据（Big Data）；优化（Optimisation ）；分析技术（Analytics）；第五代移动通信网络技术（5G） · Operations Research（运筹学）；决策科学（Decision Science) ；数据科学（Data Science）；AI（人工智能）；人因工程 （Human Factors）；Predictive Analytics（预测性分析）；商业分析（ Business Analytics）；商业智能（Business Intelligence）
图：大数据应用的三大目标
大数据与高级分析技术（Big Data and Advanced Analytics，简称BDAA）是北约科技组织这份报告中提到的第一项颠覆性技术。根据麦肯锡全球研究所的定义，大数据是指一种“规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征”。其中，Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性）这五大特征是通常区别大数据与传统数据的主要标准。数字化程度的提高、新型传感器、新型通信模式、物联网以及社会认知空间(如社交媒体)的虚拟化，都对大数据的发展做出了重要贡献。高级数据分析（Advanced Analytics）则是指用于理解和可视化大量信息的高级分析方法，涵盖了来自数据和决策科学研究领域的多种方法，包括人工智能、优化、建模和仿真(M&S)、人因工程学（human factors engineering）和运筹学。
图：大数据应用未来畅想
北约科技组织报告认为，大数据与高级分析技术将有望显著提高作战效率、降低成本、改善后勤、实时监测资产和预测评估作战计划。同时，它将有助于提升在战略、战术和战役层面的态势感知能力。通过使用廉价的广泛分布的传感器(作为物联网的一部分)，通过新的通信协议(如5G)连接，建立在实时分析和传播关键信息的基础上，有望显著影响北约的动态和非动态目标有效性。具体而言，大数据和高级分析技术对军事领域的影响包括：
1.情报、监视和侦查（ISR）。先进传感器的扩散和自主系统的增加将极大地提高北约探测、分类、识别和应对物理和虚拟作战领域威胁的能力。自适应固态功率放大器和优化波形将支持同时搜索和跟踪机载目标的能力，从而实现更快、更准确的ISR和多智能源分析的开发。无源雷达降低了系统对电子对抗的脆弱性，提高了对隐身目标的探测能力。利用先进的传感器本身进行处理，将降低对带宽要求，更短的“传感器至武器”的传递时间和更可靠的数据传输。应用于支持社交媒体的设备所固有的功能，如视频、音频、文本、GPS、邻近检测等，将改变传统的ISR功能。在传统传感器数据融合中加入社交网络感知可以进行多模态内容过滤和总结、事件检测数据融合、事件跟踪、社会动态分析、异常监测等任务。
2.态势感知（Situational Awareness）。大数据技术可以通过为规划、准备以及演练环境改进任务区域绘制精确地图，从而支持业务规划和增强态势感知(SA)能力。这种增加的态势感知包括改进的生活模式、人类活动区域异常检测。这种意识将进一步通过增强低功耗士兵显示系统能力、嵌入式分析(如Al)和增加战术和指挥级别之间的信息流来实现。士兵地理标记系统和社交媒体数据也将被用来生成越来越精确的环境信息。在互联网内容解密中使用的深度学习具有通过互联网上的社会行为与来自多个文本文档的内容提取(即使没有明确引用特定的意图)来识别安全相关信息的潜力。将社交媒体数据与更传统的传感器数据融合，可以提供更有活力、更精确的人类地形测绘和常见的作战图片。
3.训练和战备（Training and Readiness）。虚拟环境和生物信息学将用于支持改进业务培训。生理和心理状态监测将通过加强健康和安全监测以及伤害保护，使作战个体和团队的整体表现和战备状态最优化。
4.业务管理（Enterprise Management）。北约的基本业务流程、政策制定和战略规划都将受益于日益成熟和基于证据的方法，包括通过先进的M&S实时监测决策的影响和对选项的预测评估。
5.后勤保障（Logistics）。武器系统健康监测传感器、实时库存监测和数字孪生技术（digital twins）等大数据分析技术的集成可以大大提升军事物流系统的效率和有效性，减少生命周期的成本，还可以通过集成弹药健康管理模型（Integrated Munition Health Management models），加强相对安全、可靠性和性能风险，更好地了解弹药的现状及其实现任务目标的能力。
6.作战支持（Support to Operation)。大量的传感器数据(ISR、后勤、生物信息学、作战人员活动范围等)将支持对作战环境的更全面的理解和方法。与人工智能相结合，这将使作战规划、行动过程分析和目标瞄准更加全面。改进对抗性群体行为的理解和建模将有助于制定破坏其目标和活动的行动方针。
7.国防科技（S&T）。通过对现有科技知识的元分析（meta-analyses），大数据分析技术将对国防科技领域产生重大影响。这一荟萃分析进而将导致新材料的创造、新传感器和更好传感器的开发、新基础科学的发现等，这些都将有助于发展新的作战能力。
8.信息管理（Information Management）。情境编程（Contextual programming）技术将使搜索引擎超越简单的关键字搜索，识别搜索背后的意图，并提供更多有针对性的信息。这种方法可以通过对个人联系、社交网络行为和位置信息的深入分析来预测安全风险。
▲技术发展趋势
大数据与高级分析技术的研究是高度跨学科的，有强大的商业和开源基础，未来研发的主要领域将会集中在以下几个方面。
1.工程防御（Engineering Defence）。反社会工程和网络智能体(即机器人)，自动识别、破坏和调查由机器人参与的社会和网络攻击。
2.优化通信（Optimised Communications）。为分布式应用或传感优化网络资源、数据吞吐量和(认知)频谱管理的新技术。该研究将包括探索新的通信模式(如5G)、网状网络、量子后加密方法和增加使用的认知方法。
3.分析（Analytics）。新颖的数学、计算和人因工程方法，用于分析复杂和复杂的军事社会技术系统的系统(如作战指挥)，包括噪声和不确定数据的融合和作战决策。这包括建模和模拟复杂的多尺度物理、信息和工程系统。数据驱动的发现模型的开发将是一个重要研究方向，因为人类参与预测模型的开发是一个重要的限制因素。新的分布式计算架构(边缘计算)，以及搜索和评估技术，将是发现、组织和呈现多领域内容所必需的。
4.传感器（Sensors）。新的、分布式、低功耗和敏感的传感器，能够大规模的网格行为和自组织(无处不在的感知)。这包括分析、融合和评估来自无源源(例如生物工程)的信号、生物社会传感器、多传感器/多域源和边缘计算的发展。
5.信任（Trust）。分布式账本技术、网络代理、改进的可视化和预测分析，以支持可信的信息交换和增强对人类决策的支持。这包括用于识别和归因恶意社会或网络行为者的工具，以及开发“红队”网络代理，以帮助网络安全运营商确定网络物理-人类弱点。
02
人工智能（Artificial Intelligence)
关键词：Artificial Intelligence；Machine Intelligence；Deep Learning - Neural Networks - Machine Learning -Expert Systems - Semantic Analysis ；Supervised Learning ；Unsupervised Learning；Reinforcement Learning；Clustering - Deep Fakes；Machine Vision - Chat-bot；Decision Trees - Data Science ；Genetic Algorithm - Autonomy
一般而言，人工智能是指机器执行通常需要人类智能才能完成的任务的能力，这种能力通常包括模式识别、从经验中学习、得出结论、做出预测或采取行动等。
图：人工智能的三次发展浪潮
该报告认为，人工智能将显著影响北约的军事能力。这种影响将主要通过在其他相关技术(如虚拟/增强现实)中嵌入人工智能来实现，这些相关技术具体包括量子计算、自主、建模与仿真、太空、材料研究、制造和物流、大数据分析等。此外，人工智能还将对核、航天、网络、材料和生物技术产生变革性影响。有研究者指出，这些影响将可能与核武器刚刚诞生之际产生的战略影响相似。此外，过度依赖人工智能系统也会带来新的重大漏洞，并引发一场对抗性的人工智能军备竞赛。未来的20年内，人工智能军事领域可能产生影响的方面包括:
1. 指挥信息系统（C4ISR）。作战单位将采用受信任的、支持人工智能的自主系统，能够执行那些被认为枯燥、肮脏、危险或昂贵的（dull, dirty, dangerous or dear）任务。一些潜在的应用领域预计包括虚拟助理(类似于谷歌Home、苹果Siri或亚马逊Alexa)，对战争游戏的智能决策支持，以及智能推荐行动指南(COA)等。人工智能在增强数据融合、分类和基于效果的评估(或目标)方面有相当大的潜力。例如，情报分析人员将能够利用可信系统，在整个可用传感器和相关档案数据范围内执行任务、收集、处理、利用、传播(tasking, collecting, processing, exploiting, disseminating , TCPED)和检索信息。人工智能集成的其他领域将包括增强的指示和警告、信息和知识管理工具，以及支持更严格和强大的情报分析的决策辅助。这将包括建立生活模式、人类活动区域测绘、社会网络分析，以及目标的决策支持。超高速、低功耗的神经形态电子元件为自主系统和计算机架构提供了可能性，这些系统和计算机架构可以在极低功耗下与人类的感知能力相匹敌，使嵌入式传感器处理能够用于场景识别、目标识别等。
2.武器和效果（Weapons and Effects）。人工智能被认为在交叉线索、轨迹规划、避撞、集群、武器选择、战斗伤害评估和效果协调方面具有潜在的应用价值。
3.无人作战装备（UxV）。人工智能在轨迹规划、避撞、集群辅助人类作战(例如一个操作人员控制多个无人作战装备)方面也拥有很大的应用前景。此外，自主系统的动态任务规划(例如导航、数据收集、环境特征和自适应感知)，将深度学习系统集成到移动平台中，可以增强机器人在枯燥、危险、肮脏或昂贵环境中的导航能力。人工智能还可以在城市地区实现完全自主的爆炸物处理，智能自主将使长时间的无人水下航行器等能力成为可能。
4. 能力规划（Capability Planning）。人工智能可以支持分析解决方案的开发，协助北约内部的长期规划，包括支持跨越传统内部边界的复杂决策、协助决策者评估复杂的因素和影响链等。
5. 化生放核（CBRN）。北约需要一套能够提供快速探测、识别和监测化学、生物、放射性或核（chemical, bacteriological, radiological, or nuclear , CBRN）威胁/危害的能力和集成技术，在任何任务期间和所有的作战环境中，提供必要的行动方针，以减轻威胁/危害。人工智能可以支持提高执行检测、传感器集成和数据融合的自主性。人工智能被视为减轻人类参与确定传感器位置、启动数据融合和数据解释的负担的一种手段。使用人工智能将增强命令的态势感知能力，并通过新的自我组织能力提供支持，并采用所需的最佳姿势来实现所需的最终状态。最终，这将增加现有的和潜在的控制机器纳入软件套件的知识，增加在远距离平台危险管理能力。
6. 医疗（Medical)。现代军事力量需要临床相关和经验验证的医疗干预和相关程序。人工智能有望帮助开发基于证据的临床知识、基于证据的诊断和治疗最佳方式，以减少发病率和死亡率，并在面临来自整个任务范围的危险时维持/恢复基本功能。此外，人工智能将提供自动决策支持和诊断支持工具，以帮助在该领域处理新创伤情况。
7. 业务管理（Enterprise Management）。北约要求业务资源管理(投资和业务规划、项目绩效和风险管理、战略转型和改进计划、战略准备管理和战略管理实践)基于先进的分析和基于证据的决策制定，采取更高效和有效的流程。在财务方面，人工智能可以帮助进行成本分析、评估经济影响和驱动因素，并提供及时的基于证据的决策支持。
8. 物流（Logistics）。人工智能系统(尤其是与数字孪生技术结合时)有潜力在最小化设备停机时间、最小化系统故障、改善库存和维修管理等领域发挥重要价值。这类问题与商业领域遇到的问题类似，因此，北约很可能会提前采取行动。
9. 网络和信息空间（Cyber & Info-space）。智能(即支持人工智能)的自主性可拓展移动平台。对于有弹性的自主网络和网络战，系统必须在人类能够理解形势之前，就能很好地探测、评估和响应。桌面应用程序将评估和解释大量的传感器和智能数据。这些系统和虚拟代理将有能力做出独立的决定，并根据这些决定迅速采取行动，同时作为人工智能团队的一部分。可以预期，网络和信息系统将由支持人工智能的自主代理进行配置、维护和保护。
10. 军事训练（Training）。人工智能系统(尤其是与虚拟/增强现实系统相结合时)有潜力通过对人类行为的实时适应和定制培训环境或场景的生成来改善个性化和定制化军事训练。
此外，北约的这份报告认为，人工智能对于敌对方也可能带来一定机遇，具体包括以下几个领域。
1. 网络攻击(Cyber Attack)。人工智能系统尤其容易受到网络攻击，因此，微小的、蓄意的改变可能会导致错误的建议或次优的行动。
2. 信息战(Information Warfare)。语音处理和合成技术的进步可能会让友军和敌军人员通过通信链路和广播媒体进行逼真的模拟。与推特机器人（twitter-bots）和其他社交媒体黑客相结合，更有效的人工智能(如生成式对抗网络，GANs))将大大增加混合攻击的规模和有效性，无论是通过近同级还是非对称威胁。
图：人工智能图像识别中出现的失误
3. 异常行为(Aberrant Behaviour)。在人工智能系统中，意料之外的行为同时也是一种优势(例如创造全新的策略)。通过法律、伦理和政策考虑施加的限制对同级或接近同级的对手可能会更宽松。一个不受人体生理限制的武器系统，其行为往往是不可预测和无法解释的，可能构成一个强大的挑战。
4. 简易爆炸装置（IEDs）。越来越智能的学习系统将使新一代的简易爆炸装置（improvised explosive devices，IEDS)更容易受到传统反制手段的影响。
▲技术发展趋势
人工智能未来的研究发展趋势主要包括以下几个方面：
1. 高级算法（Advanced Algorithms）。提高人工智能的有效性和普遍性。在机器学习、深度学习、对抗性人工智能系统，以及神经网络形态和概率计算领域，继续研究将是必要的。
2. 人机共生（Human-Machine Symbiosis）。人机界面、以人为中心的人工智能、可视化、可解释性和社会技术影响方面的进步。
3. 人工智能应用（AI Application）。人工智能是一种基础技术，能够支持预测、规范和认知数据分析，可以将结构化数据和非结构化数据转换为决策者的洞察力和远见，从而应用于重大的国防和安全挑战，例如:
心理-社会-技术（Psycho-Socio-Technical）：利用人工智能使M&S中的人类、社会或复杂系统代理能够支持更现实的分析和个性化培训。
适应性（Adaptation）：适应性技术将在诸如电子战等领域超越当前的情报周期。可能需要发展一种新的智力模式。
赛博（Cyber）：开发用于防御赛博攻击的人工智能代理(例如生物启发的免疫系统细胞)和进攻性赛博操作(例如渗透和漏洞寻求代理)。
信息空间（Infospace）：通过人工智能(如深度仿真)和发展混合战争对策(如维持信任和对抗弱点)来实现信息武器化。
图：人工智能应用未来畅想
03
自主技术(Autonomy)
关键词：Autonomous Vehicles - Automated - U(A/U/CA/x)AV - Man-Machine Interface - Autonomy ；(in/out/on)-the-loop - RAS (Robotics and Autonomous Systems) ；Human-Machine Teaming
自主性（Autonomy)是一个系统应对不确定情况的能力，它通过在不同的行动过程中独立地组合和选择，以实现基于知识和对世界、自身和现实情境的理解这一目标。自主性的特征是自主行为的程度(自主水平)，可以分为从完全人工操作到完全自主操作这一频谱。机器人技术是一门研究设计和构建跨越所有自主级别(包括完全的人类控制)的自主系统的学科。无人驾驶车辆可以由人远程控制，也可以根据任务自主行动，具体应用包括允许进入无法到达的区域，持续的监视、耐力、支持士兵的机器人，以及更便宜的自动化物流配送等。不同大小和自主程度的无人机已经被用于ISR和打击任务。当在一段时间内执行任务时，无人机的长航时类型对监视特别重要。然而，增加使用小型无人机群为ISR以及进攻和防御行动提供了相当大的优势。未来的20年中，预计自主系统将在以下方面带来变化：
1.力量结构（Force Structure）。无人作战装备（UxV）和自主软件代理将取代在单调、肮脏、危险或昂贵的作战/战术工作环境中的人员(例如CBRN、EOD、侦察等)。因此，更多地使用自主系统将对适当的军事技能、组织/部队结构和训练的发展构成挑战。
2.效能（Effectiveness）。如果把一个战士作为一个系统概念将会看到下一代网络和先进的人工智能无缝地将不同的“技术-人类”系统集成到统一和集中的能力中，允许每个士兵作为一个小队，每艘船作为一个任务组，每架飞机作为一个中队。此外，敏捷制造(如3D/4D混合材料打印)也可以按需提供任务定制系统。
3.反制手段（Counter-Measures）。如果各国在战场上广泛使用无人作战装备和无人蜂群作战，那么针对无人蜂群的反制措施就变得尤为重要，包括电子对抗、网络、动能杀伤、定向能武器、拦截蜂群和欺骗等。反制手段对于保护军队的关键资产免遭无人蜂群破坏至关重要，其中每个节点在蜂群中都具有高机动性、适应性和难以检测性。因此，反蜂群技术需要非常迅速而有效地利用每个节点来击败蜂群。
4.无人蜂群（Swarming）。无人蜂群将为军队提供新的感知和攻击模式。一种方法是使用无人蜂群作为可消耗的资产，例如通过饱和攻击渗透到防御区域，或者通过大量的牺牲蜂群哨兵保护蓝方的关键资产。最终，对于红方而言，防御一个蜂群要比战胜它花费更多的时间、精力和金钱。
5.后勤（Logistics）。无人作战装备可以将乘客和货物运送至战场上，特别是对于战术情况的相对较小数量的情境下尤其适用。目前的技术水平可能足以制造出远程操控或自主的无人装备，能够在规则确定的条件下为战场部队运送补给和弹药。自主技术在物流和运输系统中更广泛的应用将减少浪费，增加操作可用性及支持仓储操作。
6.态势感知（Situational Awareness）。通过广泛分散、持久、低可观测的传感器/哨兵，采用广泛的低功率传感器(EO/IR、雷达、电磁等)，可以改善ISR和态势感知能力。未来，自主技术预计在空间、网络和城市环境等领域的态势感知将有很大的应用前景。以城市环境为例，由士兵可在城市环境中通过手持设备接收微型无人机所搜集的信息。不同大小和自主程度的无人机已经被用于ISR，利用无人机长时间游弋的特点，可以将其灵活地定位在潜在目标附近。超长续航时间的无人作战装备对于在数天至数年期间进行的监视尤为重要。自主技术也将越来越多地用于维护网络等虚拟空间中的态势感知，以及协助识别威胁或漏洞。
7.杀伤力（Lethality）。大量的低成本系统和改进的人机协作，将大大提升部队的杀伤能力，可以使得部队在广阔的地理区域内比以往都要细致的方式持续搜集可靠的信息。一架武装无人机将提供空中作战能力，而不会让飞行员面临风险。弹药可以由无人机携带，或者无人机本身可以以类似于空中发射的巡航导弹的方式集成到飞机中，可用于攻击军事行动中的高价值、海上或地面目标。通过“忠诚僚机”( loyal wingman)概念设计所述，当前的空中、陆地或海上部队可以作为指定无人作战装备的“牧羊人”（shepherd），特别是在反介入/区域拒止(A2/AD)环境中。
8.机动性（Manoeuvrability）。通过增加数量(蜂群)和减少后勤需求，可以有效提高部队战术和作战的灵活性。自主系统将能够迅速捕捉与作战方向一致的战术机会。
9.生存能力（Survivability）。由于较小的人员部队，更快速的医疗护理和更大的作战效能，自主系统在军事领域的应用可以有效减少人员伤亡。不难预见，未来无人机将执行战斗搜索和救援任务，进一步提高部队的生存能力。
10.可持续性（Sustainability）。敏捷制造和自主系统的结合可能使自动化物流支持在危险或孤立的操作环境中成为可能。减少人员配备也可大大减少费用，并优化训练方式和部队编成。
11.城市作战（Urban Operations）。微型无人机将提高复杂城市地区的态势感知能力。这些无人装备也适用于非常规和/或非对称威胁环境中的常规或特殊作战，在复杂和复杂的作战中提供ISR和目标捕获能力。这种车辆可以提供实时数据，直接支持指挥决策过程，并将降低作战人员的风险。
12.网络（Cyber Operations)。自主技术在未来将越来越多地用于网络(进攻和防御)作战。
▲技术发展趋势
未来值得注意的研究领域涵盖了系统设计、传感、接口、对策、人类控制和应用等方面的挑战，具体包括：
1.系统（Systems）。下一代低可观测车辆和系统；太空和高超音速系统；低功率、低成本和高灵敏度的传感器；网格优化分布式ISR集合；新的网络-物理免疫系统；进攻性和防御性网络；社会机器人；以及在物理(空气、海洋、陆地、空间)、人类(社会)和信息(网络)领域的复杂动态环境中的应用。
2.人机编组（Human-Machine Teaming）。提升人机编组的协同能力;社会技术集成优化；以及新的接口和控制设计(包括微电子学)。
3.反制手段（Counter-Measures）。定向能武器(DEW)；电磁；诱饵；网络；蜂群拦截；以及反无人机和反蜂群作战的动能武器防御。
4.自主行为（Autonomous Behaviour）。大规模集群；嵌入式智能；精确导航以及数字控制。
图：自主技术未来军事应用畅想
主要参考文献
1. NATO Science & Technology Organization，Science & Technology Trends
2020-2040，Exploring the S&T Edge，March 2020,
https://www.nato.int/nato_static_fl2014/assets/pdf/2020/4/pdf/190422-ST_Tech_Trends_Report_2020-2040.pdf
2. CRS In Focus IF11105, “Defense Primer: Emerging Technologies,” by Kelley M. Sayler, https://crsreports.congress.gov/product/pdf/IF/IF11105
3. CRS Report R45178, Artificial Intelligence and National Security, by Kelley M. Sayler
4. CRS Report R44466, Lethal Autonomous Weapon Systems: Issues for Congress, by Nathan J. Lucas
▲感谢国防科技大学战略研究俱乐部马钺为本文编译及评论提供的专业建议，如有错漏欢迎批评指正。
军事高科技在线授权转载