来源:人机与认知实验室
【编者按:为什么美军的“深绿系统”不好用?并常常被指挥员所诟病。但这是指控系统智能化的关键之所在!你也许会简单地说:“是人、机、环境系统失调造成的”,若进一步问“那是怎样失调的呢?”、“为什么会失调呢?”……这就会涉及到一些更深层次的机制机理问题。那会是什么呢?】
什么是深绿系统?大家可百度一下此概念。如何打造指挥员们认可的该系统将是人机融合智能研究的最难点之一。
一、关于指挥控制系统的讨论
指挥控制系统实质上是一类用于信息和资源的动态管理和分配的人机系统的统称,它的任务是信息的收集与评估和资源的管理与分配,其处理问题的主要手段是信息的采集和处理,它的目的是在动态信息和资源环境下,提供最合适的决策方案并监督实施。
指挥控制系统中的信息处理过程,按其对一个具体情况的处理看,可以分成:信息采集,数据合成,态势评估,方案生成,方案评价,方案确定,监视控制等步骤.其信息和信息处理过程具有处理信息量大、处理速度快、信息和处理过程中广泛存在着不确定性和人的主观性占据主导作用等几个明显的特点。
指挥控制系统的目标是在复杂多变的信息环境下,对各种各样的情况做出正确的判断和分析.提供出现情况下最为有利的决策方案,据此方案控制其作用对象的变化和发展,并不断地根据其作用对象和环境的发展变化以及决策人员的意图和要求修正决策方案和指挥控制的策略,以争取获得最大的整体效益。
从指挥控制系统的目标和信息处理的过程看,指挥控制系统要从多种不同类型的传感器上采集大量的、不同类型的、不同精度的、含义各异的信息,这些信息代表着不同的传感器所观测到的系统要指挥和控制的对象及其环境的不同侧面的特征,其中也包含着许多杂波和假象。指挥控制系统接收到这些信息后,要对它们进行必要的处理,并利用它们合成一个完整的关于指挥控制对象及其环境的信息,即态势。指挥控制系统对其建立的态势要做多方面的评估,评估的目的是为产生指挥控制的决策方案提供依据。从态势的评估到指挥控制决策方案的生成、评价和选择的过程实际上是一个决策过程,对于一个应用于海军作战指挥控制的指挥控制系统来说,不论该系统是用于单舰指挥控制还是用于编队指挥控制甚至一个特定战区的指挥控制,这样的一个信息处理过程都是很复杂的,都是在复杂信息环境下对于非结构化问题的决策过程,是对抗条件下的决策过程.既可能是一种对抗双方的对策过程也可能是多方的对策或者协商对策过程。传统的计算机程序对于解决此类问题已经显得无能为力,人工智能技术已经在这一领域得到了一些实际应用,在某些方面也取得了相当令人瞩目的成绩,但是.人工智能技术在指挥控制系统中应用的范围、深度和广度都需要加深和拓宽,其技术和实现方法也需要针对指挥控制系统的要求做出进一步的完善和发展。本文针对人工智能技术在指挥控制系统中面临的挑战做简要的讨论。
二、关于自然智能与人工智能的讨论
1、自然智能与人工智能:
自然智能是指人的智力和能力的总和。智力是人的智慧和聪明才智’,能力是人的本领和由此产生的行为.人的智能也可以说是人认识自然的认识能力和改造自然的本领的综合表现.自然智能或者称人的智能的重要特征就是人类所独有的创造性的认识能力,这种创造性的认识能力是在自然界生物进化的漫长岁月中逐步产生的,是生物进化到人类,人类通过在自然界中不断进行的对主客体关系的调节活动,即,实践活动,并依赖于人脑这一特殊物质而产生的。这种由一般的认识能力上升到创造性的认识能力的过程至今仍未停止,人的智能今天仍在发展,甚至其发展的速度远远超出了人类自身其它能力的进化速度。人的智能在当今的社会实践中起着绝对的主导作用.
人类百诞生时起就有着强烈的利用人工装置拓展自身能力的欲望。机械延展了人的体力行为,计算机可以延展人的脑力行为.人类期望着人工智能能够拓展其身的思维和认识能力。人工智能的目的就是要建立智能模型,研究智能机制,进而制造智能机器,替代特定环境下的人.
人工智能技术自五十年代诞生以来,在模式识别、知识表示、自动推理、机器视觉等诸多方面取得了许多成绩,大量的人工智能系统被应用于各种各样的实际应用的系统中,在不同的橄面发挥着越来越大的作用.但是人工智能技术发展到今天的水平,并没有实现创立这一技术领域的人的最初构想.甚至一些阶段性的目标也未实现,人上智能技一术真正走出实验室走进实际应用领域的道路仍然不平坦。指挥控制系统,做为人与计算机结合的一个典型领域,人工智能技术在其中的应用,在取得了一些成绩的同时正面临着更大的挑战。
2、对人工智能的再认识
2.2.1纯粹逻辑的实现方法不是人工智能的唯一途径
纯逻辑的实现方法束缚了人工智能的发展,因为人的智能并不仅仅表现为一种纯粹的逻辑思维活动。联想、形象思维、灵感、直觉等等,共同构成了人类智能活动的整体。
人工智能自诞生起,在其实现方法上就存在着两种途径:一是符号主义,认为智能的基本单元是符号,思维活动是符号表示下的符号运算;一是联结主义,认为智能的基本单元是神经元.思维与认识是神经元网络的建立和重组。人的思维活动决不仅仅是一些纯粹的符号逻辑运算,人工智能技术也应该摆脱纯粹逻辑方法的束缚,利用一些联结主义的方法,如:人工神经网几联想思维等技术,拓宽实现的途径,将人的智能中非逻辑的部分用人工智能的方法逐步予以实现,以提高人工智能技术的批体水平,进而提高其实用性和适用性.
2.2.2人类思维和人脑本身的运行机制仍有待于深人研究
人类思维括动的本质并没有十分毋确饱展现在我们面前.火脑在思维过程中的运行方式和作用并不是一个逻辑推理模型和一套人工神经网能够完全描述的。真正揭示思维活动的本质,揭开人脑在思维活动中的运行机制,才有可能真正通过技术手段为人工系统赋予可以与人类自身相媲美的智能。关于人类思维和人脑本身的运行机制的研究仍然是人工智能技术的基础,其重要程度决不低于计算机技术本身的研究。
2.2.3并行处理技术应广泛应用于人工智能系统
以基于知识、利用启发式知识推理、解决非结构化问题为主要特点的人工智能方法,与以基于数值计算、利用公式推演、解决结构化问题为主要特点的传统数学方法有着明显的区别。计算机在解决传统数学意义下的问题时,表现出极高的效率,但在解决包含搜索、推理等算法的人工智能问题时,其运行效率往往不能令人满意,尤其是用于解决实际问题时更是如此,究其原因有算法问题,也有计算机本身的问题。提高芯片本身的速度或缩短元件间的距离可以提高计算机的运算速度,但这种提高只能是“量变”,这种方法所能达到的速度终究要受到电子运动速度的限制,或者说是无法突破“光障”.提高人工智能系统的运行效率,就计算机系统本身来说,最根本的方法是改变冯·诺曼式的基于串行处理的系统结构,建立适合人工智能系统的并行处理的系统结构。
人工智能由于以模拟人的智能为主要目的,其算法中包含了大量的搜索、匹配、排序等基本算法,而它要解决的问题又决定了解决问题的方法中潜在着大量的并行性,这些并行性特征有许多是与人类思维活动中潜在着的并行性相对应的.一个可以串行解决的人工智能问题一般是可以用并行方法解决的,这种并行性特征为应用并行处理技术提高人工智能系统的运行效率提供了前提条件,现代材料科学技术的发展和电子技术的进步也为并行处理技术的应用提供了物质条件。利用并行处理技术,从系统结构的角度解决人工智能系统的效率问题,其潜力可以认为是没有限制的。
2.2.4模糊方法对于模拟人类思维过程具有相当重要的作用
模糊性是人类思维的重要特性,它的奥秘在于既提供了一种符合人类认知能力的普遍适用的描述问题的方法,又提供了一种在信息不完全、不确定的环境下进行推理手段,而这些方法和手段则被证明是符合人类的思维过程的。
三、指挥控制过程中的自然智能与人工智能
3.1人工智能增强了人的作用
人在指挥控制系统中最重要的作用是发挥其主观能动性,利用其特有的创造性思维的能力,解决指挥控制过程中需要人的聪明才智去解决的问题。人的这种创造性思维的能力是人工智能系统所无法替代的,指挥控制系统中的智能必定是自然智能与人工智能的综合,人工智能与自然智能在系统中是功能互补的。人工智能技术的应用会人火增强人在指挥控制过程中的作用。建立一个人机共栖的指挥控制系统是人工智能技术应用于指挥控制系统的根本目的。
3.2人工智能面临的挑战
人工智能技术在指挥控制系统中已经有了一些成功应用的实例,但它的广泛应用正面临着挑战,其中有人工智能技术本身的原因,更多的则是指挥控制系统的使命和任务对人工智能技术提出了更高的要求:
(1)思维活动是人脑的高级智力活动,它本身所固有的特征、如模糊性、并行性和联想能力,是目前人工智能系统所无法比拟的。指挥控制系统要完成复杂的指挥控制,对人的智能要求很高,同样对人工智能的要求也很高,不仅需要模拟一般的逻辑推理能力,还需要模拟人的思维中的对模糊信息的处理能力、对相关信息的联想处理能力和人的神经网络的并行处理能力,以使指挥控制系统达到增强人的指挥控制能力的目的。
(2)对人的思维活动的运行过程、思维活动的基本工具和思维活动的加工对象的描述能力仍无法满足实现人工智能系统的功能的需要。同样对于指挥控制过程中的信息和指挥控制方法的描述手段也难以满足指挥控制系统对信息和知识的需求、如对信息中的不确定性的表示、对指挥控制方法的可信度和适用性的表示、对指挥控制过程的描述等,都不仅仅是一些规则和一些数学模型所能充分表示出来的,需要针对指挥控制过程、方法和信息的特点,结合人工智能的新技术研究适合使用的描述手段。
(3)广泛存在于指挥控制过程所需要的输人信息、处理方法和控制策略中的不确定性仍然是实现智能化指挥控制系统的一个无法回避的难题。这些不确定性主要来自信息不完全、度量不精确、信号不清晰、情报不一致、欺骗、干扰、指挥控制过程的解题路径的不确定性以及人的主观意向与客观实际的差异等,’它们代表了指挥控制系统面对的真实环境。对于这些不确定性,不能完全用确定性的假设来解决,必须用处理不确定性的方法处理,如模糊方法、概率方法等。应该研究适合指挥控制系统的近似推理和不确定性信息表示方法,有效地利用这些包含不确定性的信息和方法。
(4)知识获取技术和自动学习技术的缓慢发展是制约人工智能技术在指挥控制系统中广泛应用的重要因素.人工智能无法在创造性思维上超过人的智能,人工智能系统如果不在知识、解决策略等方面不断补充修正,终究会被人的智能系统击破,智能化的指挥控制系统也面临同样的问题。知识获取技术和自动学习技术是智能系统扩充修正其知识和银题策略的关键技术手段,但是这些技术本身还并未成熟,还不能直接应用于指挥控制系统中。
(5)人工智能系统,主要是基于知识的系统,存储和使用的知识一般局限于解决二个范围狭窄的指定领域中的问题,系统既不能大量存储常识性知识,又缺乏对知识的融汇贯通能力,因此,这种系统在解决问题时往往表现出相当严重的脆弱性(或称不稳定平衡性),问题一旦稍微超出系统指定的约束,系统提供的方案就可能根本不具备实用性、甚至是完全错误的。指挥控制系统面临的问题的范围是很广泛的,处理这类问题的系统应该具有很强的健壮性,才能适应实际应用的需要。
(6)人的主观能动作用是指挥控制过程的主导因素,人的因素如何反映到指挥控制系统中.指挥控制系统如何跟上指挥人员的思路,如何满足不同的指挥人员的决策偏好,使指挥控制系统和指挥人员融为一体,发挥人机大系统的综合效益,达到指挥径制系统的目的,是人工智能应用与指挥控制系统要认真解决的问题。
(7)人与指挥控制系统的交互技术对于实现一个优秀的指挥控制系统是十分重要的,但人机交互对于一个人工智能系统来说又是十分复杂的,它包括:紧迫实时任务时的人机交互.系统输出方案和对方案的解释,人输人自己的设想、意见、提示等。人机界面的研究工作,对于人工智能技术在指挥控制系统中的应用是十分重要的。
(8)人工智能系统的运行速度往往难以满足指挥控制过程的需要。
人工智能技术在不断地发展到,近年来尤其在模糊推理与软计算、并行处理技术的应用和人工神经网络等方面取得了许多新成果,这些成果无疑为人工智能技术在指挥控制系统中应用提供了更为广阔的前景,随着人工智能技术的不断成熟和发展,人工智能技术必将在指挥控制系统中得到越来越多的应用,也必将为提高指挥控制系统的整体性能提供越来越多的手段。
未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。
未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。
如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”