要點(diǎn)提示

　　●基礎(chǔ)研究對應(yīng)用研究起主導(dǎo)和支撐作用，推進(jìn)軍事智能化不僅要關(guān)注技術(shù)應(yīng)用研究，更應(yīng)重視基礎(chǔ)研究。

　　●人工智能技術(shù)是柄“雙刃劍”，既要抓住千載難逢的歷史機(jī)遇，又要客觀理性地看待面臨的風(fēng)險和挑戰(zhàn)。既要看到人工智能的“能”，更應(yīng)看到人工智能還有許多“不能”，科學(xué)選擇發(fā)展路徑，理性確定發(fā)展目標(biāo)。

　　目前，人工智能技術(shù)正加速向軍事領(lǐng)域滲透，軍事智能化既面臨千載難逢的發(fā)展機(jī)遇，也面臨前所未有的挑戰(zhàn)。如何加強(qiáng)風(fēng)險研究和預(yù)判，防范重大風(fēng)險，已經(jīng)客觀而現(xiàn)實(shí)地擺在我們面前。當(dāng)前，尤其應(yīng)該厘清人工智能發(fā)展脈絡(luò)，把握人工智能發(fā)展規(guī)律，妥善處理好基礎(chǔ)研究與應(yīng)用研究、人工智能與人類智能、面臨機(jī)遇與風(fēng)險挑戰(zhàn)的關(guān)系，科學(xué)選擇發(fā)展路徑，做好安全風(fēng)險管控，推動軍事智能化科學(xué)穩(wěn)步發(fā)展。

　　把握人工智能發(fā)展量變質(zhì)變規(guī)律，處理好基礎(chǔ)研究與應(yīng)用研究的關(guān)系

　　從1956年美國達(dá)特茅斯會議誕生以來，人工智能經(jīng)歷了推理期、知識期、學(xué)習(xí)期三次高潮和兩次低谷，逐漸從“不能用”“不好用”發(fā)展到“可以用”的技術(shù)拐點(diǎn)，遵循了事物發(fā)展從量變到質(zhì)變的客觀規(guī)律?，F(xiàn)代人工智能之所以發(fā)展到目前技術(shù)拐點(diǎn)，并不是平地冒出來的，而是多年基礎(chǔ)研究的積累和突破。厚積多年，一朝薄發(fā)，在嚴(yán)謹(jǐn)?shù)目茖W(xué)領(lǐng)域，所謂的“彎道超車”是不太現(xiàn)實(shí)的。推進(jìn)軍事智能化發(fā)展，首先就是要深刻把握人工智能發(fā)展量變質(zhì)變規(guī)律，妥善處理好基礎(chǔ)研究與應(yīng)用研究之間的關(guān)系。

　　牢固樹立基礎(chǔ)研究的戰(zhàn)略地位?；A(chǔ)研究對應(yīng)用研究起主導(dǎo)和支撐作用，推進(jìn)軍事智能化不僅要關(guān)注技術(shù)應(yīng)用研究，更應(yīng)重視基礎(chǔ)研究。應(yīng)把原創(chuàng)性理論研究和突破作為重點(diǎn)，以核心和關(guān)鍵技術(shù)為主攻方向，傾力打造多層次人才培養(yǎng)平臺，夯實(shí)軍事智能化發(fā)展的基礎(chǔ)。美國國防高級研究計劃局從20世紀(jì)60年代就開始介入人工智能的發(fā)展和應(yīng)用，一直非常重視人工智能基礎(chǔ)性研究，培養(yǎng)了一批高端人才，從而奠定了目前美國人工智能領(lǐng)域的領(lǐng)先優(yōu)勢。

　　充分挖掘基礎(chǔ)研究的集成優(yōu)勢。人工智能是一個多學(xué)科、高綜合的行業(yè)，我們在突出理論創(chuàng)新、技術(shù)創(chuàng)新和體制創(chuàng)新的同時，應(yīng)注重基礎(chǔ)研究的集成和運(yùn)用?！鞍柗ü贰?016年橫空出世，引起世人震驚，但其基礎(chǔ)框架即“蒙特卡洛樹搜索”算法及卷積神經(jīng)網(wǎng)絡(luò)均成形于20世紀(jì)，其引入的強(qiáng)化學(xué)習(xí)也發(fā)展了數(shù)十年，通過結(jié)構(gòu)重組和集成，使系統(tǒng)功能出現(xiàn)“涌現(xiàn)”。最近，美國知名人工智能專家安德魯·穆爾在談到人工智能發(fā)展方向時認(rèn)為，人工智能的研究或?qū)⑥D(zhuǎn)向，重點(diǎn)應(yīng)該致力于現(xiàn)有基礎(chǔ)理論成果的運(yùn)用和轉(zhuǎn)化。

　　加強(qiáng)人工智能領(lǐng)域的統(tǒng)籌融合。人工智能是一個通用性強(qiáng)、應(yīng)用面廣的學(xué)科，幾乎所有商業(yè)人工智能項(xiàng)目都能在軍事應(yīng)用上找到發(fā)力點(diǎn)。但人工智能是一個高投入、慢產(chǎn)出的行業(yè)，沒有幾年甚至幾十年持續(xù)投入，難以看到真正的成果。應(yīng)充分發(fā)揮好我國的體制優(yōu)勢，充分發(fā)揮好信息產(chǎn)業(yè)科技巨頭的投資和人才優(yōu)勢，充分發(fā)揮我國海量數(shù)據(jù)和巨大市場應(yīng)用規(guī)模優(yōu)勢，規(guī)劃主導(dǎo)，科學(xué)分工，梯次發(fā)展，有序融合，防止一哄而上和重復(fù)建設(shè)。

　　立足人工智能初級階段的現(xiàn)實(shí)，處理好人工智能與人類智能的關(guān)系

　　現(xiàn)代人工智能之所以取得技術(shù)上的突破，主要得益于2006年辛頓提出的深度學(xué)習(xí)方法。像其他任何算法一樣，深度學(xué)習(xí)也有其不足，主要表現(xiàn)在：適用場景限制多、泛化能力差、數(shù)據(jù)量要求高等。正是由于深度學(xué)習(xí)方法的局限性，現(xiàn)代人工智能只是大數(shù)據(jù)推動的初級智能，屬于限制領(lǐng)域人工智能，也稱弱人工智能。加快軍事智能化發(fā)展，應(yīng)立足“初級智能”這個現(xiàn)實(shí)，處理好人工智能和人類智能的關(guān)系，準(zhǔn)確定位，既要看到人工智能的“能”，更應(yīng)看到人工智能還有許多“不能”，科學(xué)選擇發(fā)展路徑，理性確定發(fā)展目標(biāo)。

　　認(rèn)清現(xiàn)代人工智能在軍事指揮控制決策領(lǐng)域應(yīng)用的技術(shù)瓶頸?！鞍柗ü贰睉?zhàn)勝人類后，再一次激發(fā)了人們對人工智能的熱情，但軍事對抗和棋類對弈最本質(zhì)的不同是作戰(zhàn)行動的不確定性，這些不確定性主要來自信息不完全、情報不一致、度量不準(zhǔn)確等，它代表了軍事智能化所要面對的真實(shí)環(huán)境?？藙谌S茨說過，戰(zhàn)爭是不確定性的王國。對于這些不確定性，不可能用確定性的假設(shè)來解決。目前，人工智能系統(tǒng)雖然是基于海量信息或知識的系統(tǒng)，但這些信息或知識仍局限在特定區(qū)域范圍內(nèi)，且缺乏對信息或知識的常識應(yīng)用和融會貫通能力，因而無法解決作戰(zhàn)過程中所面臨的諸多不確定性問題。一旦問題超出系統(tǒng)約束，系統(tǒng)決策就可能出現(xiàn)失誤甚至完全錯誤，加上戰(zhàn)爭謀略、欺騙、示假等因素的綜合影響，人工智能走進(jìn)軍事指揮控制決策領(lǐng)域仍然面臨不少難題。

　　認(rèn)清人工智能和人類智能的辯證關(guān)系。當(dāng)前，推進(jìn)軍事智能化的目標(biāo)不是要替代人類智能，而是使人工智能與人類智能有機(jī)融合，功能互補(bǔ)，相得益彰，以進(jìn)一步增強(qiáng)人類智能，幫助人類在作戰(zhàn)行動中處理不擅長的工作，使人類從繁雜的重復(fù)性工作中解放出來，轉(zhuǎn)而專注于作戰(zhàn)謀劃、行動協(xié)同、方案決策等工作上，從而更高效地完成作戰(zhàn)任務(wù)。

　　認(rèn)清人類智能在戰(zhàn)爭中不可替代的地位。不管是宏觀上的戰(zhàn)爭指導(dǎo)，還是微觀上的軍事指揮，它們既是一門科學(xué)，更是一門藝術(shù)。高超的指揮藝術(shù)，往往源于指揮員靈感或直覺，而直覺本身是不可度量和傳遞的，正如愛因斯坦所述，直覺是無法描述的。所以我們無法訓(xùn)練機(jī)器人產(chǎn)生直覺。因此，未來戰(zhàn)爭中，人工智能和人類智能之間有可能存在一道無法逾越的鴻溝，除了場景和目標(biāo)非常單一的作戰(zhàn)環(huán)境，人工智能不一定比自然人做得更好。

　　著眼人工智能引領(lǐng)新一輪產(chǎn)業(yè)變革的趨勢，處理好機(jī)遇與挑戰(zhàn)的關(guān)系

　　人類近代史上歷次科技革命和產(chǎn)業(yè)變革，都對軍事領(lǐng)域產(chǎn)生了顛覆性影響，直至改變戰(zhàn)爭形態(tài)。正如恩格斯所說：“用什么方式生產(chǎn)，就會用什么方式打仗。”目前，世界各軍事強(qiáng)國紛紛加大人工智能應(yīng)用的投入力度，致力于打造具有常識、情景感知和效能更高的軍事系統(tǒng)，搶占未來軍事競爭制高點(diǎn)。然而，人工智能技術(shù)是柄“雙刃劍”，既要抓住千載難逢的歷史機(jī)遇，又要客觀理性地看待面臨的風(fēng)險和挑戰(zhàn)。風(fēng)險處理不好，小則造成經(jīng)濟(jì)損失，大則影響未來戰(zhàn)爭成敗。全球性人工智能投資熱潮越高漲，我們越是應(yīng)著眼防范國家安全重大風(fēng)險，重視軍事智能化的潛在風(fēng)險研究，實(shí)行對應(yīng)用技術(shù)、應(yīng)用成果的有效管控。

　　算法風(fēng)險。作為人工智能的主流算法，深度學(xué)習(xí)本身是一個復(fù)雜系統(tǒng)，隨著算法層級的增多，對這個生成和反饋數(shù)據(jù)的“黑盒子”里為什么能夠給出有效輸出、何時能夠給出有效輸出？算法專家也無法用逆向工程來分析并給出答案，可能在不知不覺中失去了發(fā)現(xiàn)錯誤、糾正錯誤的機(jī)會。美軍F-35戰(zhàn)機(jī)控制系統(tǒng)的智能化程度非常高，擁有幾千萬條代碼，最近幾年暴露出來的200多個問題幾乎都與其智能軟件的算法高度關(guān)聯(lián)。任何一個問題的出現(xiàn)，不但影響戰(zhàn)機(jī)的作戰(zhàn)性能，甚至連安全起降都成問題。國際人工智能協(xié)會主席迪特里奇在前年發(fā)表的主席報告中，針對人工智能技術(shù)缺少穩(wěn)健性，提出了“穩(wěn)健人工智能”的發(fā)展目標(biāo)。

　　投向風(fēng)險。基礎(chǔ)研究是應(yīng)用研究的源泉和基礎(chǔ)，應(yīng)用研究是基礎(chǔ)研究的延伸和拓展，兩者相互聯(lián)系，相互交錯，協(xié)調(diào)好兩者的關(guān)系，對推進(jìn)軍事智能化十分關(guān)鍵。但長期以來，由于人工智能技術(shù)具有高門檻的特點(diǎn)，使純粹基礎(chǔ)研究的學(xué)術(shù)價值和應(yīng)用前景非一般人所能洞察，也很難進(jìn)行評判和衡量，這就給投資決策帶來了較大風(fēng)險。近幾十年，人工智能原創(chuàng)性理論突破多在國外，如何克服基礎(chǔ)研究這塊“短板”，實(shí)現(xiàn)基礎(chǔ)研究和應(yīng)用研究兩者之間的平衡，對于我們推進(jìn)軍事智能化發(fā)展是一個不容忽視的挑戰(zhàn)。

　　設(shè)計風(fēng)險。設(shè)計風(fēng)險是指由于人工智能應(yīng)用的設(shè)計目的與實(shí)際結(jié)果不相符帶來的風(fēng)險。所有人工智能產(chǎn)品的設(shè)計功能和參數(shù)都是設(shè)計者賦予的，其算法及數(shù)學(xué)模型凝聚著設(shè)計者的心血和智慧。但應(yīng)當(dāng)承認(rèn)，由于設(shè)計者知識、素養(yǎng)、習(xí)慣及利益驅(qū)動等因素，包括所采用算法自身的不完備性，所設(shè)計出來的產(chǎn)品可能會存在缺陷和隱患。美軍第三機(jī)步師就曾發(fā)生過機(jī)器人把槍口對準(zhǔn)操作員最后被擊毀的事件。設(shè)計的安全性風(fēng)險恐怕是軍事智能化發(fā)展初級階段難以回避的問題。（王春富）