基于大数据的装备体系认知计算系统分析

王寿彪 李新明 裴忠民 刘东

随着军事领域大数据概念的深入认识与理解,在大数据环境下开展装备体系的体系结构描述、表示与建模,体系性能定性定量综合评估,体系动态演化现象描述与问题建模求解具有可行性和应用前景,成为复杂系统领域重要研究方向和热难点.目前,网络信息体系被认为是现有各种装备体系概念的更高层次理解,牵引作战体系和装备体系机制机理发生变化,更加重视网络中心、信息主导、体系支撑的辩证统一,因而,装备体系模型更应该体现信息在建模过程中的牵引作用,适应这种理论需求,有必要探索面向体系复杂性和复杂体系问题建模的大数据建模、大数据分析决策方法和技术.

网络信息体系在武器装备层次上的映像,并非综合电子信息系统,C4ISR系统,防空反导作战体系等既有装备体系概念定义模式基础上简单提升作为研究前提,更应该是以网络为信息作用的环境载体,信息为基本认知主线和主体,体系为根本技术特征的辩证统一的思考过程.网络信息体系观点下建模装备体系,更应该注重将武器装备客观物理世界与人类智能智慧、哲学思想、情感意志等主观意识世界的因素紧密结合起来.本文认为,深刻理解大数据的概念内涵,以认知为基本线索,建立数据、信息、情报、知识和智慧之间形成的内在联系主线和相互物化表达认识,对于探索大数据环境下的装备体系模型理论具有重要意义.

立足于网络信息体系发展理念下探讨大数据环境下可能的装备体系概念融合理论与体系认知计算为理论背景,讨论关于装备体系的大数据概念原理及其与装备体系建模仿真计算之间的联系,基于形式概念分析理论从数据背景中萃取不同层次的概念表示,采取形式概念粒计算系统思想构造装备体系认知计算的可能理论框架结构.

1 大数据概念应用与装备体系认知可计算的联系

1.1 大数据概念要义

数据与信息存在密切联系,知识是数据融合人类认知后产生的更高层次信息,贯穿这种转化过程的则是人类智能智慧思维方法,以人工智能框架为基础理论讨论大数据与体系问题研究的衔接,基于粒计算的大数据分析方法(Big Data Analytics Methodology,BDAM)有可能形成一种理论和技术桥梁.BDAM 主要包括统计学和计算智能(Computational Intelligence,CI)两大范畴,重点约简“大数据”规模到可管理数据规模,同时利用技术工具从杂乱原始数据材料中提取信息,从派生信息数据中建立知识基,最终建立面向大数据的非参数模型[1].这是区别于建模仿真第三研究范式的重要技术特征,而形成科学的BDAM,应该根据具体问题特性和研究目标选取合适的基于数据的建模与分析技术,甚至可能是多技术途径融合集成.

英国学者Jonathan Stuart做过大数据定义调查,大数据概念至少包含数据体量,多样性、动态性、数据价值密度低等表现出的数据本体复杂性,而信息与知识获取技术是其中重要要素.大数据的复杂性与可管理、可靠性、可表示、可计算等共性问题成为典型大数据问题[2].存在两类大数据观念：一类认为严格意义上第四科研范式只有数据量达到PB或EB之上才能成立,围绕此,数据密集型高性能信息处理平台技术取得重要突破进展[3]；另一类观点认为,大数据并非必须强调数据“大体量”才有意义,更应该关注数据思维方法,突出对数据复杂性和多样性的智能处理与应用.大数据概念是开放性的,数据规模和范围的可扩展性,数据持续积累,进而推动大数据分析理论和处理技术不断创新发展.

1.2 军事领域大数据应用模式分析

大数据对于加快装备智能化进程、获取战场情报优势、变革作战决策方式、推动指挥流程发展方面将发挥革命性作用[4].大数据为建模与仿真理论方法带来巨大挑战和发展机遇[5].军事大数据存在多层次多视角的认识和应用方式,应该根据实际背景和应用目标合理设计大数据解决方案.基于大数据的复杂系统研究方法是思考军事大数据应用的重要原则之一,应该重点关注两种大数据现象,一是诸如对地观测系统或者地(海)面传感器侦察预警探测系统持续获取的海量遥感遥测大数据,综合快速从大数据中获取情报信息,该范畴针对大数据“4V”特性重点研究数据密集型高性能信息处理；二是武器装备规划论证建设发展过程中积累的海量装备数据支持装备体系描述和分析方法的改进和创新,需要针对数据复杂多样性探索智能信息处理和复杂系统的人工智能理论方法,而并非单纯应付数据体量或模式挖掘等较低层次的困难挑战.第一类大数据现象属于复杂系统运行过程中产生的实时性信息源,从中能够抽取复杂系统状态描述信息,有益于刻画系统时空动态复杂性,第二类大数据现象属于复杂系统静态演化过程中产生的基础性静态数据,支撑体系结构描述信息需求,有益于刻画系统功能结构复杂性.整合两类数据,有益于描述体系整体的可扩展性、适应性、不确定性等开放的复杂系统规律,而且有望形成较为统一的系统模型框架.

利用大数据概念研究装备体系存在两种可能模式[6]：1)以云计算、物联网、大数据等技术内化的装备体系现实原型系统为载体,讨论现实世界中各种复杂装备系统组成的超复杂系统中各系统结点产生的具有实时特性的战场作战大数据,例如,基于大数据技术探索中继卫星系统数据中继任务执行优化,传感器网侦察大数据的情报快速处理分析,基于大数据技术探索指控系统自动化水平提升等,该模式需要重点考虑大数据的数据密集型高性能信息处理及分析,以提高战场情报获取效率和质量,增强指控效率,加速作战流转换,重点需要解决分布式数据中心建设；2)以装备体系模型仿真应用原型系统为基本载体,思考如何有效利用装备论证、规划计划、研制部署过程中产生而被采集积累的装备自然数据,体系结构描述数据,作战试验统计知识经验数据等离线静态数据,有效利用产生于武器装备作战仿真、作战试验、演习等模拟手段或真实战场环境获取的海量在线动态信息,该模式中数据中心是必要性信息系统基础设施,重点考虑面向基于数据建模与分析的装备体系描述、建模与推演、决策支持分析等网络化应用的大数据模型及模型分析技术.依靠演习、试验或仿真等途径获取数据,很难保证从整体性上提供体系完备的状态信息,很难实现数据完全优先模式.大数据概念及大数据分析技术将成为牵引装备体系人工智能模型创新的重要理论源泉.装备体系的两种大数据概念模式结合,就是装备体系建模仿真与大数据建模与分析方法融合,需要一种将在线数据与离线数据相结合,静态数据和动态数据相结合的数据思想运用到体系研究中,可以作为一种由仿真范式到大数据范式过渡的体系研究方法探索框架.

基于大数据的体系工程,系统级微观上采取大数据处理技术平台,能够有效从中捕获大量语义信息描述和表示战场战术事件,蕴含着各个阶段各个关键时间节点作战任务情境中网络化的智能作战主体产生的活动、行为、交互信息流等状态或关系结构要素,具有高维、多元、稀疏等特性；体系级宏观上利用大数据理念,需要体系仿真思想和静态与动态情境下分别形成的微观态大数据相结合,使得仿真系统能够利用大数据提供的大量知识更为精确地模拟战场智能体行为,以进行辅助判断与决策,做出面向体系整体目标的管理控制策略,进一步提高体系效能.因此,如何描述和表示这种大数据是开展基于大数据研究体系的关键问题之一.本体论为基于语义视角定义和描述复杂异构信息奠定了哲学基础,从不确定性视角设计体系问题模型是一种重要的思维途径,而粒度与不确定信息描述和表示存在密切联系,因此,采取粒度计算方法作为大数据分析的理论手段具有重要应用潜力[7].综合上述分析,大数据与装备体系研究之间联系与可能理论框架如图1所示.

2 装备体系概念语义粒度与认知粒计算系统建模

大数据从客观知识世界角度认识复杂事物,而形式概念分析理论为构造大数据与人主观思维知识世界的联结提供了一种桥梁.围绕数据,粒计算从粒结构和信息粒角度表示数据中蕴含的丰富信息和层次视角,将数据建模为多粒度层次粒空间,是一种潜在的大数据分析处理手段,成为一种利用大数据描述和建模装备体系的支撑方法论[8−9].以基于形式概念的粒计算系统模型为知识构造框架,信息粒根据信息动态获取情况转化为不同层次的形式概念,能够灵活挖掘和深度融合人类的认知因素和认知能力,促进人类大脑中概念空间的知识演化,进而指导现实世界实践演化[10−11].基于形式概念粒计算模型研究装备体系的方式可称为体系认知计算.本章讨论体系认知计算一般性框架结构.

2.1 体系语义粒度分析与形式概念建模策略

图1 大数据概念应用于装备体系建模的理论联系结构图

体系是由系统组成的系统,将系统视为基本构成对象,则体系在系统构成层次性上客观上具备粒度性.装备体系组成部分本身是集成的,独立运行和管理的,地理上分布存在的复杂装备系统组成部分.装备体系中存在的粒度语义可以从3个方面理解：1)任意一个具备独立功能的型号武器装备(包含型号信息系统设备)本身就是一种粒度的系统,可以定义为装备体系的原子粒度层次系统粒,不再继续分解,该层次系统粒在功能特征上一般只表示其单元性功能,例如,某型卫星的嵌入式操作系统；2)由原子性系统粒的单元性功能相互联系而耦合集成的若干型号装备单元组成的复杂装备系统属于一种粗粒度系统集成,定义为装备体系的基本粒度层次系统粒,该层次系统在功能特征上存在多元功能集成与复合特性,例如,空警-200预警探测系统是由预警机飞行器载机平台及配置于该平台级装备上各种型号预警雷达、数据链、通信设备等电子信息装备和相关任务控制信息系统设备等原子粒度系统构成的复杂装备系统,具有探测、通信、指控等功能集成特征,产生“网络对抗”复合功能等功能模式特征；3)信息流语义也存在粒度特性,例如,“探测”功能可能存在电磁信号信息、侦察图像信息、无人机测控信息等多维情报信息流和指控信息流的复合特征.

从体系概念形成的认识论上,人类认知过程固有的模糊性及其不断清晰的进化过程,导致体系概念描述具有粒度特性和演化性,因此,有必要引入粒化思维方法论讨论体系中概念层次性及概念形成机理.事实上,采取粒计算观点研究体系的优势已初露端倪.概念是人类重要的基础认知手段,结合装备体系的复杂系统建模与仿真理论发展历程,本体论框架下基于本体的复杂系统概念化建模成为一种重要技术手段引起广泛关注.然而,本体构建方法多数停留在一般本体工程方法框架内,本体的模糊性、粒度性、完整性和一致性表示能力尚需很多工作开展.而且本体自身的演化性也使得基于本体的体系静态模型产生明显局限性,难以适应体系的复杂性、动态性,对抗性和不确定性建模需求.已有研究工作主要体现在基于DoDAF的体系需求分析或体系结构描述中概念一致性推理,能力本体描述、能力空间定义等,本体方法论下如何深入讨论装备体系的体系对抗过程、如何讨论体系的任务推演等一系列应用问题建模与求解有赖于融合人类的认知因素和大数据.

概念不仅是人类认识现实世界的核心思维单元,更是人类认知复杂现象的根本手段,数据为背景基于形式概念的模型表达正在成为一种有效的开放性系统模型建模思想,基于形式概念分析理论的概念描述与表示成为一种有效的信息系统建模方法,具有扎实的哲学基础和数学基础.因此,从大数据中获取装备体系形式概念系统,能够建立一种以概念为基本模型单元,概念格结构为整体性框架核心结构特征的系统模型抽象,有望形成一种人工智能模型和开放系统模型思想的复杂系统研究方法.而如何结合体系特性和具体建模目标,探索完善的概念系统模型理论结构和详细方法技术成为重点,本文提出的体系的概念系统模型抽象原理如图2所示[12].

2.2 基于信息流不确定性形成机理的装备体系动态演化建模机制

面向体系对抗的装备体系动态演化是深入论证装备建设与发展水平能否有效应对军事威胁或突发事件的重要内容,也是装备体系综合能力评估、优化,发现体系能力缝隙的关键.目前主要针对面向装备体系发展的体系演化或者从作战任务推演角度展开相关研究,从装备体系主体内部,通过体系基本原理和体系动态演化机理机制的视角正向直接讨论装备体系演化规律还十分薄弱.面向体系对抗的一个基本前提就是假设装备体系已建设到具体的规模,结构,技术水平和体系潜在能力已经处在特定阶段,而关注的焦点则转化为战场环境下,体系能力的整体发挥和效能提升.该情境下体系的描述和建模,应该考虑以下3个方面原则：1)转变狭隘的装备系统对象主体视角,坚持包括体系能力要素在内的全面综合的整体性建模.体系能力由装备建设时期的目标需求转换为一种资源实体,同时对抗性的体系动态能力优化和体系效能提升成为体系演化的内在目标牵引.2)秉持一种关联性的连接视角和对象认知转化思维[13],应坚持包括效能等在内的广义组成对象之间的互相依赖互相依存作用的复杂性本质,全新审视由于连接而实现的信息基于网络的共享,连接不仅包含对象之间的连接,还应该考虑对象与人类智能体的连接.3)立足于战场客观存在的时空动态不确定性规律,坚持连接思维为核心的网络化思维,刻画信息主导体系演化机理的基本特性,以此为基点思考装备体系模型和模型分析方法.

图2 体系的概念系统模型抽象原理

基于上述认识,装备体系的本体观描述和表示模型应该从信息系统概念内涵来解释体系的系统构成外延,吸纳信息系统描述与抽象建模的思维方法规律,建立装备体系的广义复杂信息系统描述和体系结构表示模型.信息流是建模过程中的重要概念,已有研究侧重于描述信息流定义,对于信息流产生、形成与传播机制和机理没有引起足够重视,对于体系对抗下装备体系动态演化模型构造和基于演化的推理具有重要研究意义.现实装备体系中信息流交互抽象到认知高度的形式概念模型中,可以表达为概念之间的语义整合与传播,这种模型相似原理对于从人类认知视角分析和设计装备体系动态演化机理策略具有重要启发性.体系中概念之间的语义传播有望能够反映出体系的以下现象本质：1)借鉴概念关联逻辑和联想性等智能特性有能力表征战斗管理的自治性,协调分布式动态资源,分配杀伤链,以形成有利的能力-代价(损失)权衡；2)借鉴概念的信息过滤选择性吸收特性,采取概念系统开放系统模型思想有能力表征将任务功能系统自适应地集成到武器平台网络中.

2.3 数据驱动的装备体系演化建模架构

大数据与建模仿真两种研究范式之间的过渡性思想,则是大数据技术支撑的仿真系统预测与决策支持应用理论.动态数据驱动应用系统思想是比较成熟的理论方法[14].周云[14]立足于并行作战仿真系统实现,讨论了适应实时作战决策支持的动态数据驱动仿真应用系统高层架构,其研究情景侧重于作战过程中基于态势感知的辅助决策,初步探索了数据驱动仿真应用研究的科学性,但仅仅停留在一般的作战过程仿真.体系原理框架下,充分认识体系的支撑地位和价值,以装备体系为认知主体,深入挖掘动态数据驱动仿真应用研究思想在装备体系论证中的应用模式,有必要考虑大数据在弥补仿真先天不足方面催生的新理论.大数据为决策支持带来了新的发展机遇,大数据与建模仿真理论的结合为体系研究提供了有益的启发.例如,数据驱动的复杂网络识别与控制理论应用[15].苑盛成[16]等人将常态下大数据技术应用到应急态下大规模交通疏散模型.刘继伟[17]以现代工业生产过程中的大数据为基础,讨论了面向具有复杂多尺度特性的大系统状态监测问题,提出系统多尺度特性与大数据多尺度分析方法.郭旦怀[18]采取频繁项模式挖掘及其关联性分析,利用多领域大数据建立食源性疾病事件探测模型,将实时性数据与基础历史数据结合起来.文献[19]对比分析了大数据背景下跨多个领域数据集的数据融合与传统数据库框架下单一领域内数据集的数据融合之间的显著不同在于知识萃取与知识融合,依赖跨域数据集形成潜在对象的描述与计算,然后将数据融合理论划分为基于阶段的数据融合,基于特征层次的数据融合和基于语义意义的数据融合,并详细分析了各类型理论的典型数据融合技术原理.

科学把握大数据与体系联系,利用大数据思维方法探索装备体系模型建模与仿真,传统信息模式数据挖掘范型仅是体系中应对大数据的初级阶段,并不能有效满足体系深层次理论性问题的数据建模需求,应该将人工智能与大数据分析技术紧密结合起来,着重探索数据科学在体系模型设计与模型分析方面的应用前景.从大数据中获取知识并基于知识提高认识和改造世界的方法能力,被认为是实现大数据价值的高级目标.体系中大数据概念及其技术范畴存在不同应用层次：1)以体系中元系统产生的机器大数据为研究对象,基于云计算核心技术的大数据处理与分析平台相对体系而言,属于系统级的微观态大数据问题,有效提高了体系中数据信息处理效率与信息流转分发水平,支撑获取海量丰富战场情报信息的能力,但是其认知研究对象非体系而通常是微观上的实体对象目标；2)以体系为研究对象,应该充分考虑到科学利用微观态大数据概念产生的军事信息价值,思考一种动态数据驱动的装备体系认知计算系统建模与智能仿真决策支持应用理论框架,其核心是知识层面上的体系描述、表示和知识结构模型构造与认知计算智能.认知计算是近年来的热点,目前主要应用在信息检索、智能体机器等领域,涉及到知识表示与推理、语义搜索,机器学习等方面的信息处理方法技术[20−21].概念是重要的认知手段和智能形式,数据化描述的形式概念是当前有效发现知识的重要技术途径.本文给出一种作战视角下支持装备体系动态演化问题研究的数据驱动体系认知计算系统模型理论架构,包括数据驱动结构,数据信息到知识概念的萃取过程和基于概念系统模型语义融合与传播等知识处理过程的体系动态演化建模等阶段,从而形成完整的认知计算系统应用思想.该思想的基本原理如图3所示.

3 结论

大数据及其技术平台已经取得阶段性进展,在军事领域应用价值的认识正在深入,然而已有大数据研究主要围绕应对数据灾难问题而不断深化数据处理技术,大数据与复杂巨系统联结方面,概念逻辑和应用模式混乱模糊,面临全新的机遇和挑战.网络信息体系装备建设理念下认识装备体系和建模计算体系对引入大数据存在迫切需求.大数据与体系建模仿真范式存在过渡性理论间隙,初步构思了一种动态数据驱动的认知计算系统模型和基于概念粒计算框架进一步建模装备体系演化问题的研究方法思想.讨论了关于体系微观态、中观态和宏观态分别存在的3种大数据概念应用范型,阐述了体系认知计算基本思想.对于进一步认识大数据概念,建立装备体系大数据的人工智能系统模型理论与工程实践具有启发作用.

图3 数据驱动的体系认知计算系统模型与体系演化建模基本原理