【編者按： 為什么美軍的“深綠系統”不好用？并常常被指揮員所詬病。但這是指控系統智能化的關鍵之所在！你也許會簡單地說：“是人、機、環境系統失調造成的”，若進一步問“那是怎樣失調的呢？”、“為什么會失調呢？”……這就會涉及到一些更深層次的機制機理問題。那會是什么呢？】

什么是深綠系統？大家可百度一下此概念。 如何打造指揮員們認可的該系統將是人機融合智能研究的最難點之一。

一、關于指揮控制系統的討論

指揮控制系統實質上是一類用于信息和資源的動態管理和分配的人機系統的統稱，它的任務是信息的收集與評估和資源的管理與分配，其處理問題的主要手段是信息的采集和處理，它的目的是在動態信息和資源環境下，提供最合適的決策方案并監督實施。

指揮控制系統中的信息處理過程，按其對一個具體情況的處理看，可以分成：信息采集，數據合成，態勢評估，方案生成，方案評價，方案確定，監視控制等步驟。其信息和信息處理過程具有處理信息量大、處理速度快、信息和處理過程中廣泛存在著不確定性和人的主觀性占據主導作用等幾個明顯的特點。

指揮控制系統的目標是在復雜多變的信息環境下，對各種各樣的情況做出正確的判斷和分析。提供出現情況下最為有利的決策方案，據此方案控制其作用對象的變化和發展，并不斷地根據其作用對象和環境的發展變化以及決策人員的意圖和要求修正決策方案和指揮控制的策略，以爭取獲得最大的整體效益。

從指揮控制系統的目標和信息處理的過程看，指揮控制系統要從多種不同類型的傳感器上采集大量的、不同類型的、不同精度的、含義各異的信息，這些信息代表著不同的傳感器所觀測到的系統要指揮和控制的對象及其環境的不同側面的特征，其中也包含著許多雜波和假象。指揮控制系統接收到這些信息后，要對它們進行必要的處理，并利用它們合成一個完整的關于指揮控制對象及其環境的信息，即態勢。指揮控制系統對其建立的態勢要做多方面的評估，評估的目的是為產生指揮控制的決策方案提供依據。從態勢的評估到指揮控制決策方案的生成、評價和選擇的過程實際上是一個決策過程，對于一個應用于海軍作戰指揮控制的指揮控制系統來說，不論該系統是用于單艦指揮控制還是用于編隊指揮控制甚至一個特定戰區的指揮控制，這樣的一個信息處理過程都是很復雜的，都是在復雜信息環境下對于非結構化問題的決策過程，是對抗條件下的決策過程。既可能是一種對抗雙方的對策過程也可能是多方的對策或者協商對策過程。傳統的計算機程序對于解決此類問題已經顯得無能為力，人工智能技術已經在這一領域得到了一些實際應用，在某些方面也取得了相當令人矚目的成績，但是。人工智能技術在指揮控制系統中應用的范圍、深度和廣度都需要加深和拓寬，其技術和實現方法也需要針對指揮控制系統的要求做出進一步的完善和發展。本文針對人工智能技術在指揮控制系統中面臨的挑戰做簡要的討論。

二、關于自然智能與人工智能的討論

1、自然智能與人工智能：

自然智能是指人的智力和能力的總和。智力是人的智慧和聰明才智’，能力是人的本領和由此產生的行為。人的智能也可以說是人認識自然的認識能力和改造自然的本領的綜合表現。自然智能或者稱人的智能的重要特征就是人類所獨有的創造性的認識能力，這種創造性的認識能力是在自然界生物進化的漫長歲月中逐步產生的，是生物進化到人類，人類通過在自然界中不斷進行的對主客體關系的調節活動，即，實踐活動，并依賴于人腦這一特殊物質而產生的。這種由一般的認識能力上升到創造性的認識能力的過程至今仍未停止，人的智能今天仍在發展，甚至其發展的速度遠遠超出了人類自身其它能力的進化速度。人的智能在當今的社會實踐中起著絕對的主導作用。

人類百誕生時起就有著強烈的利用人工裝置拓展自身能力的欲望。機械延展了人的體力行為，計算機可以延展人的腦力行為。人類期望著人工智能能夠拓展其身的思維和認識能力。人工智能的目的就是要建立智能模型，研究智能機制，進而制造智能機器，替代特定環境下的人。

2、對人工智能的再認識

2.2.1純粹邏輯的實現方法不是人工智能的唯一途徑

純邏輯的實現方法束縛了人工智能的發展，因為人的智能并不僅僅表現為一種純粹的邏輯思維活動。聯想、形象思維、靈感、直覺等等，共同構成了人類智能活動的整體。

人工智能自誕生起，在其實現方法上就存在著兩種途徑：一是符號主義，認為智能的基本單元是符號，思維活動是符號表示下的符號運算;一是聯結主義，認為智能的基本單元是神經元。思維與認識是神經元網絡的建立和重組。人的思維活動決不僅僅是一些純粹的符號邏輯運算，人工智能技術也應該擺脫純粹邏輯方法的束縛，利用一些聯結主義的方法，如：人工神經網幾聯想思維等技術，拓寬實現的途徑，將人的智能中非邏輯的部分用人工智能的方法逐步予以實現，以提高人工智能技術的批體水平，進而提高其實用性和適用性。

2.2.2人類思維和人腦本身的運行機制仍有待于深人研究

人類思維括動的本質并沒有十分毋確飽展現在我們面前。火腦在思維過程中的運行方式和作用并不是一個邏輯推理模型和一套人工神經網能夠完全描述的。真正揭示思維活動的本質，揭開人腦在思維活動中的運行機制，才有可能真正通過技術手段為人工系統賦予可以與人類自身相媲美的智能。關于人類思維和人腦本身的運行機制的研究仍然是人工智能技術的基礎，其重要程度決不低于計算機技術本身的研究。

2.2.3并行處理技術應廣泛應用于人工智能系統

以基于知識、利用啟發式知識推理、解決非結構化問題為主要特點的人工智能方法，與以基于數值計算、利用公式推演、解決結構化問題為主要特點的傳統數學方法有著明顯的區別。計算機在解決傳統數學意義下的問題時，表現出極高的效率，但在解決包含搜索、推理等算法的人工智能問題時，其運行效率往往不能令人滿意，尤其是用于解決實際問題時更是如此，究其原因有算法問題，也有計算機本身的問題。提高芯片本身的速度或縮短元件間的距離可以提高計算機的運算速度，但這種提高只能是“量變”，這種方法所能達到的速度終究要受到電子運動速度的限制，或者說是無法突破“光障”。提高人工智能系統的運行效率，就計算機系統本身來說，最根本的方法是改變馮·諾曼式的基于串行處理的系統結構，建立適合人工智能系統的并行處理的系統結構。

人工智能由于以模擬人的智能為主要目的，其算法中包含了大量的搜索、匹配、排序等基本算法，而它要解決的問題又決定了解決問題的方法中潛在著大量的并行性，這些并行性特征有許多是與人類思維活動中潛在著的并行性相對應的。一個可以串行解決的人工智能問題一般是可以用并行方法解決的，這種并行性特征為應用并行處理技術提高人工智能系統的運行效率提供了前提條件，現代材料科學技術的發展和電子技術的進步也為并行處理技術的應用提供了物質條件。利用并行處理技術，從系統結構的角度解決人工智能系統的效率問題，其潛力可以認為是沒有限制的。

2.2.4模糊方法對于模擬人類思維過程具有相當重要的作用

模糊性是人類思維的重要特性，它的奧秘在于既提供了一種符合人類認知能力的普遍適用的描述問題的方法，又提供了一種在信息不完全、不確定的環境下進行推理手段，而這些方法和手段則被證明是符合人類的思維過程的。

三、指揮控制過程中的自然智能與人工智能

3.1人工智能增強了人的作用

人在指揮控制系統中最重要的作用是發揮其主觀能動性，利用其特有的創造性思維的能力，解決指揮控制過程中需要人的聰明才智去解決的問題。人的這種創造性思維的能力是人工智能系統所無法替代的，指揮控制系統中的智能必定是自然智能與人工智能的綜合，人工智能與自然智能在系統中是功能互補的。人工智能技術的應用會人火增強人在指揮控制過程中的作用。建立一個人機共棲的指揮控制系統是人工智能技術應用于指揮控制系統的根本目的。

3.2人工智能面臨的挑戰

人工智能技術在指揮控制系統中已經有了一些成功應用的實例，但它的廣泛應用正面臨著挑戰，其中有人工智能技術本身的原因，更多的則是指揮控制系統的使命和任務對人工智能技術提出了更高的要求：

（1）思維活動是人腦的高級智力活動，它本身所固有的特征、如模糊性、并行性和聯想能力，是目前人工智能系統所無法比擬的。指揮控制系統要完成復雜的指揮控制，對人的智能要求很高，同樣對人工智能的要求也很高，不僅需要模擬一般的邏輯推理能力，還需要模擬人的思維中的對模糊信息的處理能力、對相關信息的聯想處理能力和人的神經網絡的并行處理能力，以使指揮控制系統達到增強人的指揮控制能力的目的。

（2）對人的思維活動的運行過程、思維活動的基本工具和思維活動的加工對象的描述能力仍無法滿足實現人工智能系統的功能的需要。同樣對于指揮控制過程中的信息和指揮控制方法的描述手段也難以滿足指揮控制系統對信息和知識的需求、如對信息中的不確定性的表示、對指揮控制方法的可信度和適用性的表示、對指揮控制過程的描述等，都不僅僅是一些規則和一些數學模型所能充分表示出來的，需要針對指揮控制過程、方法和信息的特點，結合人工智能的新技術研究適合使用的描述手段。

（3）廣泛存在于指揮控制過程所需要的輸人信息、處理方法和控制策略中的不確定性仍然是實現智能化指揮控制系統的一個無法回避的難題。這些不確定性主要來自信息不完全、度量不精確、信號不清晰、情報不一致、欺騙、干擾、指揮控制過程的解題路徑的不確定性以及人的主觀意向與客觀實際的差異等，’它們代表了指揮控制系統面對的真實環境。對于這些不確定性，不能完全用確定性的假設來解決，必須用處理不確定性的方法處理，如模糊方法、概率方法等。應該研究適合指揮控制系統的近似推理和不確定性信息表示方法，有效地利用這些包含不確定性的信息和方法。

（4）知識獲取技術和自動學習技術的緩慢發展是制約人工智能技術在指揮控制系統中廣泛應用的重要因素。人工智能無法在創造性思維上超過人的智能，人工智能系統如果不在知識、解決策略等方面不斷補充修正，終究會被人的智能系統擊破，智能化的指揮控制系統也面臨同樣的問題。知識獲取技術和自動學習技術是智能系統擴充修正其知識和銀題策略的關鍵技術手段，但是這些技術本身還并未成熟，還不能直接應用于指揮控制系統中。

（5）人工智能系統，主要是基于知識的系統，存儲和使用的知識一般局限于解決二個范圍狹窄的指定領域中的問題，系統既不能大量存儲常識性知識，又缺乏對知識的融匯貫通能力，因此，這種系統在解決問題時往往表現出相當嚴重的脆弱性（或稱不穩定平衡性），問題一旦稍微超出系統指定的約束，系統提供的方案就可能根本不具備實用性、甚至是完全錯誤的。指揮控制系統面臨的問題的范圍是很廣泛的，處理這類問題的系統應該具有很強的健壯性，才能適應實際應用的需要。

（6）人的主觀能動作用是指揮控制過程的主導因素，人的因素如何反映到指揮控制系統中。指揮控制系統如何跟上指揮人員的思路，如何滿足不同的指揮人員的決策偏好，使指揮控制系統和指揮人員融為一體，發揮人機大系統的綜合效益，達到指揮徑制系統的目的，是人工智能應用與指揮控制系統要認真解決的問題。

（7）人與指揮控制系統的交互技術對于實現一個優秀的指揮控制系統是十分重要的，但人機交互對于一個人工智能系統來說又是十分復雜的，它包括：緊迫實時任務時的人機交互。系統輸出方案和對方案的解釋，人輸人自己的設想、意見、提示等。人機界面的研究工作，對于人工智能技術在指揮控制系統中的應用是十分重要的。

（8）人工智能系統的運行速度往往難以滿足指揮控制過程的需要。

人工智能技術在不斷地發展到，近年來尤其在模糊推理與軟計算、并行處理技術的應用和人工神經網絡等方面取得了許多新成果，這些成果無疑為人工智能技術在指揮控制系統中應用提供了更為廣闊的前景，隨著人工智能技術的不斷成熟和發展，人工智能技術必將在指揮控制系統中得到越來越多的應用，也必將為提高指揮控制系統的整體性能提供越來越多的手段。

責任編輯：Ct