智能化作战研究值得关注的几个问题

胡晓峰 荣明

以深度学习为代表的机器学习技术取得了重大突破,“智能化作战”也被提上概念研究的议事日程.虽然大多数专家认为,即使是能够自主完成特定任务的初级人工智能全面实现,还至少需要15∼20年的时间,但从作战概念开发的角度来看,从提出概念、研究实验,直至概念成熟,也至少需要5∼8年时间.因此,展开智能化作战概念研究,恰逢其时.在这里,有几个问题特别值得关注.

1 平台无人化不是智能化作战的目的

近些年来,无人平台在一些战争中开始成为作战行动的重要平台.2015年,美军无人机数量已经超过有人机,无人机飞行员数量也已经超过了有人机飞行员.其他无人平台发展也非常迅猛,在作战中已经大有普及之势.而且,无人平台也不仅限于像飞机、车船这样的有形硬平台,也包括在网络空间中运用的如赛博飞机、逻辑大炮等无形软平台.那么,是不是用无人平台替换有人平台,让智能化平台“代人参战”,就是智能化作战了呢？

很显然不是.平台“无人化”并不是目的,由平台改变带来的作战理念和方式创新,才是关键.由于智能化装备的使用,有些人以为只是有了更好的装备,这就很容易落入传统换装的经验主义误区,会导致新问题的产生.比如,美军研究已经证实,“无人系统减少了致命性,会导致更冒险的战术,更轻易的开火决定”,就成为当前无人平台作战突出的问题.因此,研究无人平台作战对作战理念和方式带来的改变,应该成为最值得关注的重要问题之一.

1.1 超量化运用

低成本平台的超量化运用,超越了传统集中兵力的概念.有专家估计,一架F-22隐身飞机的价格相当于大约10000架中小型无人机的价格.但对这些低成本平台通过集中超量使用,可能会取得意想不到的作战效果.这种作战运用方式,不能简单地归结为只是“以数量换质量”,由于智能技术可以将精确化与大数量结合起来,就创造出了全新的作战行动概念,取得全新的作战效果.例如,美军试验新的“饱和式突防”作战概念,当8架无人机突防宙斯盾防御系统时,至少1架成功;但如果是10架突防时,则会有3架获得成功.“消耗式防御”作战概念则是利用大量低成本无人机先行突防,大量消耗敌方防空导弹后,再由有人机成功突防.美国海军还构想了一种“掩护式机动”的作战概念,就是利用大量“蝉”式微型无人机进行短时覆盖,掩护大型海上平台在敌方攻击时机动.

1.2 蜂群式行动

蜂群式作战的核心是多平台之间的集群协同.由于蜂群不是集中控制的,而是通过间接通信、自组织、互动式决策方式实现协同,所以会涌现出许多新的自组织作战模式,比如蜂群分布式感知与协作攻击.美国陆军研究实验室ARL提出的“固定区域掩护”作战概念,就是利用无人集群对加油点、补给点等保障设施进行集群式掩护;“智能微瞄准”作战概念,将精确作战中的单一目标锁定,改变为智能分工目标锁定作战.所以,有专家说,“散开来的智能武器可能更令人恐惧”,就说明了这一点.如何利用好蜂群的这个特点,就是作战概念研究中的关键.美国DARPA提出研究蜂群无人系统使能战术系统(OFFSET),目的就是为了能够将作战能力分布到不同类型的作战平台上,从而创新出新的集体作战战术与行动.

1.3 人机智能协同

人机智能协同,是无人平台作战的核心与难点.它完全不同于蜂群协同,是有人/无人平台之间的合作,因而更具难度也更具实用性.人机协同的优势,体现在有人/无人平台的不同特点上.比如,美军的“忠诚僚机”计划,就是期望利用两到三架自主无人机充当僚机,协助长机完成作战任务,必要时甚至可以“牺牲”自己.兰德公司研究的“B52+无人机突防”战法,就是利用无人机目标小的特点,协助B-52实现防区外对地突击的任务,作战效能大大提高.美空军曾对这种有人/无人机协作的空战方式,利用人工智能飞行员与真人飞行员进行过对抗模拟,结果大获全胜,大大超出预料.

1.4 体系化支撑

无人作战需要“作战云”及体系化的支撑.美国空军上将德普图拉提出的“作战云”概念,使得分布式自主作战成为可能.这是一种类似云计算的概念,可以整合作战力量,达到增强无人平台作战能力的效果.DARPA这些年进行的“体系集成及实验”(SoSITE)项目,就是为了探索如何形成包括无人平台在内的复杂作战体系.但是,这种方式既可以是体系的“强点”,但也可能是体系的“弱点”,因为它需要强大的全球化战争体系基础设施的保障,而且还要防护敌人的攻击导致体系能力的坍塌.

从上面这几个方面就可以看出,智能无人平台的作用不仅仅是“代人参战”这么简单,必须要理解智能无人平台参战带来的本质性变化.我们必须要思考,无人平台之间、有人/无人平台之间、低成本与昂贵平台之间,对作战会带来什么影响？当我们的武器装备比对手落后时,又应该如何应对？如果你了解了其真正的作战机理,就可以找到有效的针对手段.比如对付蜂群攻击,就可以针对其短板如留空时间短、协同难、信息依赖大的特点,采取有针对性的不对称措施.因此,我们必须有针对性地提前研究智能化作战的作战理论、编制体制和武器装备发展规划,才能更好地应对未来智能化作战带来的变化.

2 自主性决定了武器装备智能水平的高低

智能化作战的核心在于自主性,而自主性水平则决定了武器装备智能的高低.所谓“自主性”,就是“将决策权赋予智能武器或系统,使其能在特定范围内自由采取行动”,也即智能武器装备在多大程度上可以自己决策.

一般说来,有3类无人系统可以通过自主性进行区分.一是遥控系统,它完全受控于人的操作,虽然可以有少量程序自动执行.二是自动化系统,系统受预先确定的规则支配且不许背离,因此,只能适应有限多的情况,比如空间站飞船对接.三是自主化系统,可以依据知识主动学习,制定方案并完成任务,因而可以适应无限多的情况,比如“阿尔法狗元”(AlphaGo Zero)自己从海量棋局中总结出致胜途径.很显然,自主性越高的系统或装备,其智能化水平就越高.

目前尚没有公认的自主化水平度量标准,但美军关于无人机自主化水平的标准可供参考.在这个标准中,无人机的自主性可以分为10个等级,从低到高分别是:遥控引导、实时故障诊断、故障自修复及环境自适应、机载航路重规划、多机协调、多机战术重规划、多机战术目标、分布式控制、集群策略目标、全自主集群等.前3个属于“单机自主”范畴,中间4个属于“多机自主”范畴,而后4个则属于“集群自主”范畴.全球鹰、捕食者等无人机只具有第2、第3等级左右的自主性,而UCAR(Unmanned Combat Armed Rotorcraft)则达到了第8个等级的自主性水平.后来,美军在此基础上,又提出了“无人作战系统自主性标准”,也包括10个等级,从低到高分别是:姿态控制、任务执行、任务调整、故障反应、临机决策、感知融合、系统协作、作战预测、任务协同、蜂群认知等.很显然,自主性水平越高,实现起来就代价越高,越困难.

即使是自主性武器,也不意味着完全不需要“人”的控制.一般有3种控制模式.一是全部控制,比如遥控,这就是“人在回路中”,是人对物的控制关系;二是局部控制,比如开火控制,即“人在回路上”,相当于上对下的领导关系;三是完全不控制,这就是全自主武器,即“人不在回路”,这时人与机器就形成了合作关系.全自主武器才能达到真正的全面自主,这时就出现了“合作机器人”(Cobot:Collaboration Robot).按照美国陆军研究实验室ARL的研究,2035年前,“人在回路上”监督将是主要形式,比如监督开火;而在2050年左右,才能实现“人不在回路”的全自主形式,实现人、武器、作战云的融合.

人类监督的作用将决定自主武器的使用形式.“人在回路中”的方式实际上是由人决定行动限制范围和内容,而“人在回路上”则可以在一定程度上拓展行动限制范围,或者拓展行动内容.而这些拓展,就是智能化的学习能力带来的结果.从作战指挥控制角度来说,以自主化为特征的未来作战,可以表现为处于“指挥之中,控制之外”,就是要让智能武器在指挥员许可范围内,能够自由决策.

但不同的作战行动,对自主化的要求也不太相同.比如,在需要决策速度比较高时,对自主性要求就较高,如网络作战、导弹防御等.再比如情报侦察、图像情报分析,则在数据异质性高、数据量大时对自主性要求较高.同样,行动复杂性、任务危险性、持久性、数据链接质量要求高时,对自主性的要求也会相应较高.因此,不能简单地对各种系统和任务,都提出一样的自主性要求.

美军科技委报告《自主性》对自主性技术运用现状及未来发展进行过分析.目前,在全频谱探测方面,时敏目标的定位成功率已经达到90%,未来要向视觉、嗅觉、高保真方向发展;在学习推理方面,已可以实现以任务为导向、以规则为基础的决策,比如可以做到业务大幅度增长,而人员需求无增长;在运动及控制方面,已经实现了路线规划式导航,可以实现人机、机机基于规则的协调,以及防空与导弹拦截自主发射,未来将实现自主蜂群作战.应该说,武器装备的自主化已经取得了很大进展,但仍有许多问题需要解决.

第1个问题,自主化武器如何运用？一般说来,自主化智能武器趋向于“预授权”运用.比如网络作战由于其以光速行动,所以只能预授权,平时休眠式存在,必要时唤醒自主攻击.要实现预授权运用,关键在于判定自主智能武器的作战启动条件,而战场态势的认知和理解,目标的精准识别和判定,就是其中最关键的技术.

第2个问题,自主化武器可以信任吗？一是自主武器是否可靠,能否保证完成使命任务.比如我们能够相信“铁穹”系统能够拦截所有火箭弹吗？作战规划中还需要对它们的不可靠情况采取相应补救措施吗？二是自主武器会不会犯错,以致于对自己人开火？即使自主武器有人监督,但监督也很难保证是否总是有效.尤其是作战环境恶劣,即使只是部分损坏,亦可能导致很大灾难.再加上黑客主动攻击,也会导致系统会为敌人所控,从而成为对手.

第3个问题,自主武器研制难在哪里？其实,从智能实现的角度来说,告诉自主武器“能干什么”很不容易,但告诉它“不能干什么”更难.一般说来“可以干什么”靠大数据训练,“不能干什么”则是靠规则约束,但一些“道德”类规则并不那么容易被智能武器理解.

理解和解决这些问题,关键要理解“自主化”这个最核心的本质.特别要注意的是,在人机智能系统中,是有两个智能个体的:“人”与“机”.这与传统人机系统不同,“有智能”就意味着“能自主”,就要将智能体当成有思维的对手看待.克劳塞维茨曾经说过:“必须承认对手有思维,因为他们不会按我们的脚本行动”.这是对敌人而言的,其实对智能武器装备也是一样,我们需要理解它是怎么“想”的,才能有效地合作或对抗.只有这样,才能找到与智能武器协作的合适方法,而其中的关键,是把智能武器当成机器,还是当成“伙伴”或“对手”？这就意味着,我们的许多作战理论和条令,在智能化自主作战条件下,都需要进行重新思考.

3 态势认知速度将决定智能化作战的胜负

未来战场态势会越来越趋于复杂.信息化战场边界不断扩大,参与作战的要素也越来越多,因而导致对战场态势的认知和理解变得越来越困难.在这种情况下,态势认知速度就成为了作战胜负的关键.从OODA环(观察、判断、决策、行动环)上就可以看出,更快的态势认知,可以更快地形成作战行动闭环.加快己方OODA环的形成,就可以打断敌方OODA环的形成,使得敌方难以采取及时的行动,从而在作战行动中占据主动.所以,态势智能认知,就成为智能化作战最关键的作战技术之一.

认知的关键在于对敌人意图的准确判断和对战场变化的迅速理解,从而才能做出准确的预测和决策,并规划和实施有效的作战行动.作战就是一个与时间赛跑的过程,在这里认知速度是第一位,所以态势认知技术将起到决定性作用.这就是智能化作战制胜的关键,也是制胜机理之所在.美国布鲁金斯学会在研究报告《人工智能改变世界》中,就提出了“极速作战”(Hyperwar)的概念,认为在智能技术的支持下,赛博作战的快速行动,将从过去的“0 day” (零日)行动,发展为 “0 Sec.” (零秒)行动.而人工智能飞行员“阿尔法AI”以快取胜12:0战胜空军王牌教官,其实快就快在态势认知速度上,因为它比人快了大约250倍.

但是,要想实现对作战态势的智能认知并不容易.对格斗态势、分队战术层态势理解相对容易,但对战役层的态势理解就比较困难.态势认知的难点主要表现在4个复杂性方面:一是空间复杂性,作战实体多样,空间连续、虚实交错;二是时间复杂性,它属于动态微分博弈,而不是棋类的序贯决策;三是信息复杂性,信息不完全、不完美、不对称、不确定,效果滞后,充满迷雾;四是表示复杂性,多种信息综合,属性种类繁多.

这些复杂性在联合作战态势上显得就更为突出.它是多重复杂性的综合作用结果,使得战场认知的差距,已经不是可以用计算能力与数据量多少就可以衡量的了.有人做过计算,围棋的各种情况共有10的170次方左右,这个数字已经是个天文数字,超过了地球上所有沙粒数量的总和.但是,4机对2机小型空战的情况数可以达到10的7022次方,一个具有200左右作战单位的中型战役,其可能的情况数居然高达10的86000000次方.可想而知这是多么巨大的数字,是任何现有计算机都无法完成计算任务的.由此可见联合作战态势认知,是最复杂的战场认知活动.

多年发展起来的态势认知(感知、理解、估计)方法,包括基于知识的专家系统、战场势能图、D-S证据理论、模糊逻辑、层次分析、贝叶斯网络等,虽然都取得了一定进展,但在战役层面仍无法突破.近年来出现的大数据挖掘、复杂网络分析、遗传算法、数据耕耘等,将态势认知研究大大推进了一步,但对复杂态势理解仍感困难.但是,为什么指挥员可以理解复杂的战场态势呢？这是因为,一是基本条件上,指挥信息系统为指挥员提供了所有可能获得的态势数据;二是主观认知上,指挥员具备了作战基本知识,以及丰富的经验和直觉,而这些经验和直觉,往往成为对态势理解和判断的关键.如何在态势智能认知中,引入人的认知作用,就成为研究的重点.

“阿尔法狗”的方法给态势认知很大的启发.“阿尔法狗”采用深度增强学习方法,不仅在围棋上战胜了人类,而且揭示了一种复杂系统认知建模的可能.对“阿尔法狗”方法既不能过高估计,以为它是万能的;但也不能低估,忽视它在智能认知方法上取得的突破和其中隐含的颠覆性意义.它的突破主要体现在利用深度学习得到神经元网络,实现对经验直觉的捕捉与表达上面.而深度学习就是其核心技术.通过建立起多层神经元网络,形成对概念、规律等知识的理解,因为人脑认知具有深度结构,需要逐层训练才能逐步抽象得到认知.但理解的概念越复杂,需要的层次越多,运算量越大,数据越多.所以,建立神经元网络需要大规模计算能力.在这个意义上看,“深度学习”就等于是“大数据+高性能计算+神经网络算法”.

深度学习下的认知是什么呢？这是一种非常接近人类认知的学习方式.传统知识大多是以理性化抽象方式学习得到的,比如牛顿定律、运动方程等.而深度学习是通过反复试错、直觉地感性学习的,比如伸手去接抛过来的球.这是一种比较符合复杂系统的认知方式,比较适应作战指挥这一类情况.因为很多情况下,在复杂系统中很难定义因果关系和进行形式化表达,只能依据感觉、直觉和经验,高手和低手的差别也就在经验和感觉等方面.这就启示了我们对态势智能认知可以采用的新机理:通过捕获经验、直觉及记忆等知识,将规则、约束等形式化知识,与大局、意图等非形式化知识结合起来,构建战场态势认知模型,实现对态势的深度理解、想象、判断和预测.事实上,解决了态势智能认知问题,就解决了一大半智能化作战系统的问题.

4 知识较量将成为智能化作战的主角

有人说,人工智能的出现,颠覆了传统战争是“意志、恐惧、决策乃至人类直觉、经验较量”的论断,因为无人平台的广泛运用,大幅度减少了伤亡,从而可以“无畏亦无惧”.事实上,智能化作战并没有从根本上改变战争残酷性的本质,但却大幅度提升了“软力量”与“硬力量”的相对性比重,从而使得作战效能及武器效率趋向极限.并且开始出现以“知识”为中心的武器装备、软件系统乃至作战行动,比如网络作战中的“自主挖掘漏洞,休眠方式存在,关键时点攻击”.这是过去从未出现过的现象.

由于人工智能的出现,战争的较量,从过去的物理空间、信息空间,已经扩大到了认知空间,而认知空间是一个全新的作战领域,有着其自己的作战规律.所以美国军事思想家辛格就说过:“5000年来战争一直是人类的独角戏,而现在,这个局面已经结束了”.人工智能开始登上战争舞台,并将扮演极为重要角色.

知识较量可以体现在作战规划上.作战规划的运用,使科学方法显现出核心作用.它的出现,使得战争第一次不是通过增加武器,而是通过增加“知识”而大幅提高作战效能.智能化作战会使知识的力量显得更加突出.比如,美军传统空中行动作战规划,每次需要40∼50人花费12h才能完成;而采用自主性智能规划系统,现在要求必须在1h之内完成.对战役规划进行评估,美军则要求在6min内完成.

知识较量的实质是作战算法的较量.智能化作战双方对抗的是算法的质量.从“阿尔法狗”发展到“阿尔法狗元”,体现的也是算法和算力的进步.所以,智能化作战新能力的产生关键不在平台,而在算法、算力和数据.而算法质量的核心在于对科学原理和技术方法的理解力,包括对战争及体系复杂性的理解,对复杂网络、大数据、深度学习、博弈论等先进方法的理解.但算法的决定性地位也可能带来新的问题,比如产生出“学习能力越强,更容易导致偏见”这样的问题.在这种情况下,很多问题会被迅速放大,导致的后果也会不堪设想.

知识较量也体现在大数据情报挖掘上.美国密苏里大学利用人工智能技术和卫星地图数据分析寻找防空导弹阵地,准确率达到98.2%,比人工提高效率81倍.采用的方法就是深度学习中的“深度卷积神经网络”,大大提高了作战效能.但反过来说,如果我们能够理解这个方法的技术含义,实际上也意味着可以找到新的防护伪装办法.对重大情报的智能挖掘和预测,也会带来两方面的影响.比如兰德公司对未来核武器风险进行研究后得出结论,提高情报的准确性,有利于减少误判,因为人工智能可以比人类少犯错误;但也可能会导致核战争风险反而加大,这是因为情报更准确时,会使某一方追求采取先发制人的行动.

兵棋博弈是另一个智能较量的重点.“阿尔法狗”的突破,最自然的推论就是兵棋人机对抗.事实上,国内外许多公司和单位也开始了诸如“星际争霸”等战争游戏的研究,并且取得了一定进展.由于其与实际战争有很多相似之处,因而对作战智能博弈有一定参考价值.但是,战争复杂性告诉我们,如果你想解决某个问题,最好直接从想要的层次行动.战斗战术层的人机博弈相对容易,但其方法并不能直接叠加到战役层,就像下五子棋再好也不会成为围棋大师一样.而最需要的战役层兵棋博弈却非常困难,因为在态势理解技术上还存在巨大差距.所以,兵棋智能博弈的核心要从态势理解入手推进,通过研发“智能参谋”“智能蓝军”,解决兵棋演习智能推演的老大难问题.其成果也可以为作战规划、作战模拟、指挥控制系统的升级换代,提供基础性的支撑.

特别需要指出的是,较量的本质在于对“智能”的理解上.复杂系统的智能算法不是简单或复杂的“公式”,它与“公式”最大的不同,在于它不会一成不变.每个智能系统都将展现其自己的“个性”,因为它们都在不断学习和演化.所以,我们不能把智能装备当成简单机器,只有了解了其个性,才能更好地利用或对抗.正确理念决定正确做法,算法必须作为核心战斗力出现,树立“算法=战法”的理念,并从基础上就加以重视.而在这里,人才队伍是第一位的,但人才不等于人力,特殊的人才必须要有特殊的选拔和培养机制才行.

5 智能化过程会引起战斗力生成方式的变革

新的作战概念开发其实并不容易.美军的作战概念开发流程一般包括“提出概念、改进概念、实现功能”3个阶段,以及“概念分析、建模仿真、演示验证、作战实验、实兵演习”等5个步骤.只有经过这些复杂的过程,才算完成了从新作战概念到新作战功能的整个流程,其成果包括作战理论及条令、规划方案、编制体制、指挥控制、人力资源、后勤保障、训练教育、武器装备等,最终完成新作战概念的开发.比如“网络中心战”的产生就是如此.这不是写几个研究报告就可以完成的.

但智能化的独特性质,会导致作战概念开发中出现新规律.这是因为“智能”不同于其他能力,具有很强的自学习、自成长特性,因而“智能战斗力”必须在概念开发过程中逐步成长出来,不仅包括智能武器,也包括智能化作战部队.因此,必须抛弃传统的从需求、设计、研发,到运用及维护的瀑布式系统工程概念,而采用信息时代新的迭代式系统工程模式,使得智能化部队能在不间断的迭代过程中逐步成长,完成对“智能战斗力”的生成.这实际上就是智能化过程引起战斗力生成方式的一次变革.

5.1 智能化作战的核心关键在认知算法的进步

因为认知的“反身性”会导致系统演化,也即自身的认知变化会影响自身所在的系统,因此,必须把握认知算法会不断演进这个本质,促进认知算法的进步.人工智能在作为工具的同时,亦会改进自己这个工具.这是智能工具与其他工具最大的不同,因为智能也会成长.因此,与其他武器不同,智能武器也必须经常进行训练,以符合其成长的特性.如果方法合适,可能它还会高速进化,比如“阿尔法狗元”从零开始,训练3天就超过了人类.

5.2 智能化作战概念的形成靠作战实验完善

建立相应的战争实验室,对作战概念进行充分试验和研究,是完成作战概念研究的必要条件.在这里“有应用”“有平台”“有数据”的单位将占有极大的优势地位.而且,建模与仿真将发挥重要作用,因为可以在仿真试验中不断试错,为系统研发和作战运用全寿命周期提供循环的试错和改进回路.

5.3 智能化作战部队能力的生成靠作战试验演化

通过建立合适的作战试验环境,靠不断试验“成长”为合格的战斗力.但首先要信任智能系统,在信任中才能不断完善.若不信任智能系统,会导致智能化作战概念的发展周期变慢.这里既有系统问题,也有指挥控制、人机协同、文化法律等方面问题,需要综合加以解决.

5.4 智能化作战系统的研发靠合适的生态环境促成

开放环境,众智支持,系统快速迭代,是智能系统研发的最合适条件.这里必须处理好与保密的关系,关起门只能保落后,而落后没有任何意义.可以快速迭代更新的环境,会使智能系统快速成长,包括各种智能化武器平台,也包括智能化系统,如作战规划、指挥信息系统等.

6 结论

我们离“智能化作战”还有多远？第1个回答是:还有很远.目前的智能技术还远远达不到要求,自主技术、态势认知、作战算法等才刚刚上路.第2个回答是:但会很快！智能技术的发展速度往往出人意料,2015年底绝大多数人认为计算机在围棋上战胜人类还需100年时间,但100天后就被证明是错误的.而且智能学习技术本身,还会加快自己的进化速度.因此,“智能化作战”肯定会很快走上战争舞台,谁先占据谁就将占据有利地位.

我们差距在哪里？一般认为,差距在3个方面:一是在战争理念上,以为智能化战争只是传统战争的线性发展,而忽视了战争换代的巨大跳跃;二是在技术理解上,认为智能技术只是信息技术的升级,而忽视了其在本质上的不同;三是在作战运用上,认为智能化武器只是更好的装备,而忽视了作战制胜机理也将会重大改变.其实,更大差距在于我们缺乏以创新性思维去思考未来战争的想象力.爱因斯坦曾经说过,“逻辑可以带你从A到B,而想象力则可以将你带到任何地方”.说的就是想象力的重要性.而未来的智能化战争研究,一个极为重要的方面,就是需要丰富的战争想象力.

我们怎么办？英国军事理论家富勒100年前的观点极有启示.在机械化战争即将登上战争舞台之际,他说:“我们使用的机械化装备越多,头脑中的机械化思维就应该越少”.他强调的是战争思维不能被机器所取代.所以,正确的科学思维,将会主导我们对智能时代的认知.智能化战争时代即将来临,我们既要跟随潮流,顺势而为,及早准备,不被时代所淘汰;也要善于引导,以人的智慧引导自主化智能系统的开发,引导智能化作战理论的研究.但这一切,都要从扎扎实实的基础性工作开始,从理解“智能”的本质开始.