據(jù)外媒報道，英國陸軍正加緊研發(fā)一款名為“阿斯加德”(Asgard)的AI目標(biāo)定位系統(tǒng)。該系統(tǒng)依托先進通信網(wǎng)絡(luò)和新型算法，可在幾分鐘內(nèi)完成威脅目標(biāo)監(jiān)測與鎖定，大幅提升遠程打擊效率。目前，該項目已獲得英國國防部超10億英鎊(約合13.45億美元)的資金支持。當(dāng)前，AI目標(biāo)定位系統(tǒng)憑借其高效、精準(zhǔn)的特點，已成為多國軍事技術(shù)研發(fā)的重點領(lǐng)域。
早在冷戰(zhàn)時期，就有關(guān)于目標(biāo)探測技術(shù)的相關(guān)研究。在當(dāng)時的技術(shù)條件下，這類技術(shù)主要依賴硬編碼規(guī)則和簡單模式匹配進行基礎(chǔ)探測識別，處理信息能力非常有限。比如，早期衛(wèi)星偵察識別系統(tǒng)僅能識別導(dǎo)彈發(fā)射井等大型、高對比度目標(biāo)，面對復(fù)雜環(huán)境或偽裝目標(biāo)時往往束手無策。
20世紀(jì)末至本世紀(jì)初，隨著機器學(xué)習(xí)技術(shù)的發(fā)展，AI目標(biāo)定位系統(tǒng)迎來重大突破。這一時期，這類系統(tǒng)開始具備從數(shù)據(jù)中學(xué)習(xí)目標(biāo)特征模式的能力。美軍在科索沃戰(zhàn)爭期間部署的相關(guān)系統(tǒng)已能結(jié)合可見光和紅外圖像，通過預(yù)先輸入的目標(biāo)特征進行概率性識別，一定程度上提升目標(biāo)識別的處理速度和情報輸出效率。然而，受限于當(dāng)時的算法和數(shù)據(jù)規(guī)模，這些系統(tǒng)的識別精度和泛化能力(機器學(xué)習(xí)算法對新數(shù)據(jù)的適應(yīng)能力)仍然有限，且很大程度上依賴人工輔助識別。
真正推動AI目標(biāo)定位系統(tǒng)發(fā)生革命性變化的轉(zhuǎn)折點，是21世紀(jì)初深度學(xué)習(xí)技術(shù)的突破性進展，其中又以其經(jīng)典算法——卷積神經(jīng)網(wǎng)絡(luò)技術(shù)的快速發(fā)展為代表。該算法可通過多層次提取圖像特征，使計算模型在一定范圍內(nèi)識別經(jīng)過偽裝或局部遮擋的目標(biāo)。同時，計算硬件的發(fā)展和大型標(biāo)注數(shù)據(jù)集(機器學(xué)習(xí)訓(xùn)練的重要資源，幫助機器通過海量數(shù)據(jù)學(xué)習(xí)提升模型性能和泛化能力)的出現(xiàn)，為訓(xùn)練復(fù)雜深度學(xué)習(xí)模型提供了基礎(chǔ)。在此階段，AI目標(biāo)定位系統(tǒng)開始從單純的信息提取逐步向智能決策轉(zhuǎn)變。
當(dāng)前，AI目標(biāo)定位系統(tǒng)的研究聚焦三大方向——多模態(tài)數(shù)據(jù)融合、邊緣計算及系統(tǒng)自主性提升。AI目標(biāo)定位系統(tǒng)不再局限于單一數(shù)據(jù)源的分析，而是通過融合可見光、紅外、合成孔徑雷達、電子信號、開源情報及聲學(xué)數(shù)據(jù)等多源信息，構(gòu)建全景式目標(biāo)態(tài)勢圖，為作戰(zhàn)決策提供支撐。例如，北約此前測試的AI目標(biāo)定位系統(tǒng)能將無人機視頻、無線電截獲信號和社交媒體信息進行關(guān)聯(lián)分析，實現(xiàn)對高價值目標(biāo)的精準(zhǔn)定位。
所謂邊緣計算，是指在靠近數(shù)據(jù)產(chǎn)生的源頭就近處理信息，這種分布式計算框架的發(fā)展使得信息處理從云端下沉至戰(zhàn)術(shù)邊緣(如無人機、戰(zhàn)車平臺)，實現(xiàn)從傳感器到射手鏈路的近實時化。如無人機在執(zhí)行任務(wù)時會實時收集數(shù)據(jù)，將數(shù)據(jù)傳至云端處理后再返回，可能會有延遲。邊緣計算讓無人機可利用機載設(shè)備直接處理數(shù)據(jù)并做出實時反應(yīng)。這樣不僅能提高反應(yīng)速度，還能減少數(shù)據(jù)傳輸?shù)膸捫枨蠛脱舆t，讓系統(tǒng)更高效可靠。
與此同時，多國科研團隊正致力于提升裝備系統(tǒng)的自主能力。例如，美國空軍研究實驗室正在推進“金帳汗國”(Golden Horde)自主協(xié)同制導(dǎo)彈藥項目。該項目通過網(wǎng)絡(luò)化技術(shù)，使無人機能夠自主協(xié)作，無需依賴人工干預(yù)，從而提升作戰(zhàn)效率和靈活性。
新技術(shù)的突破性應(yīng)用使得AI目標(biāo)定位系統(tǒng)正重構(gòu)傳統(tǒng)殺傷鏈。通過多源異構(gòu)數(shù)據(jù)的實時處理、邊緣計算的快速響應(yīng)、自主決策的深度嵌入，AI目標(biāo)定位系統(tǒng)可快速定位對手通信節(jié)點、雷達輻射源或關(guān)鍵網(wǎng)絡(luò)節(jié)點，為電子戰(zhàn)和網(wǎng)絡(luò)戰(zhàn)提供重要支持。其作戰(zhàn)流程從發(fā)現(xiàn)到?jīng)Q策再到打擊的環(huán)節(jié)被壓縮至分鐘級，較傳統(tǒng)模式提升數(shù)十倍效能。英國“阿斯加德”AI目標(biāo)定位系統(tǒng)正是這一趨勢的具體體現(xiàn)。
需要注意的是，當(dāng)前的AI目標(biāo)定位系統(tǒng)很大程度上依賴復(fù)雜的深度學(xué)習(xí)技術(shù)。由于深度學(xué)習(xí)算法架構(gòu)復(fù)雜，其決策過程難以被理解和追蹤，導(dǎo)致系統(tǒng)得出的結(jié)論缺乏透明度和可解釋性。這種情況易產(chǎn)生“黑箱”效應(yīng)，即AI的決策過程像一個神秘的黑匣子，人們無法了解其背后的邏輯和依據(jù)。比如指揮員無從得知系統(tǒng)如何認(rèn)定某一目標(biāo)為重要軍事設(shè)施而非民用建筑。
數(shù)據(jù)依賴性是AI目標(biāo)定位系統(tǒng)的另一個關(guān)鍵弱點。該系統(tǒng)嚴(yán)重依賴于多源異構(gòu)的訓(xùn)練數(shù)據(jù)，其識別準(zhǔn)確率需建立在大量高質(zhì)量且標(biāo)注精準(zhǔn)的特定場景數(shù)據(jù)基礎(chǔ)上。然而，實戰(zhàn)數(shù)據(jù)的稀缺性使得訓(xùn)練數(shù)據(jù)集難以全面覆蓋復(fù)雜的戰(zhàn)場環(huán)境。此外，數(shù)據(jù)標(biāo)注過程耗時費力，且難以統(tǒng)一標(biāo)準(zhǔn)，其復(fù)雜性也對標(biāo)注人員提出更高要求。
值得關(guān)注的是，數(shù)據(jù)質(zhì)量缺陷或標(biāo)注偏差可能引發(fā)系統(tǒng)模型失準(zhǔn)。敵方可通過數(shù)據(jù)污染、算法模型攻擊、通信干擾等手段，誘使系統(tǒng)生成虛假目標(biāo)熱力圖，導(dǎo)致指揮人員誤判戰(zhàn)場態(tài)勢。破解這一困局，需要同步推進戰(zhàn)場數(shù)據(jù)生成技術(shù)、算法能力提升和網(wǎng)絡(luò)安全防護體系的建設(shè)，確保AI目標(biāo)定位系統(tǒng)在復(fù)雜數(shù)據(jù)環(huán)境和對抗威脅中保持高效識別能力，成為未來戰(zhàn)場上的“火眼金睛”。
來源：中國軍網(wǎng)、解放軍報、中國國防報等綜合
