深度学习技术在辅助决策中的应用研究

郭宝宝 杨章勇 张自翔 张佳宁

摘  要：众所周知，深度学习是机器学习领域的一个新的研究方向，近年来随着深度学习技术的不断创新与升级，其发展成就令人瞩目。与此同时，深度学习技术的应用范围不断扩张，对众多行业、产业都起到了积极推动作用，在军事领域同样也占据着重要地位，受到了广泛关注。文章深入分析深度学习技术在辅助决策中的具体应用，探讨研究其遇到的挑战与应用前景，为深度学习技术在未来军事领域的加速发展与应用提供参考。

关键词：深度学习技术;辅助决策;应用研究

中图分类号：E926 文献标志码：A         文章编号：2095-2945（2020）22-0175-02

Abstract： As is known to all， Deep Learning is a new research direction in the field of machine learning. In recent years， with the continuous innovation and upgrading of Deep Learning technology， its development achievements are remarkable. At the same time， the scope of application of Deep Learning technology is constantly expanding， which has played a positive role in promoting many industries and industries and occupied an important position in the military field， thus receiving public attention. This paper deeply analyzes the specific application of Deep Learning technology in auxiliary decision-making， and discusses the challenges and application prospects of Deep Learning technology， so as to provide reference for the accelerated development and application of Deep Learning technology in the military field in the future.

Keywords： Deep Learning technology; auxiliary decision-making; applied research

辅助决策是军事领域中的重要内容，直接影响到后續的作战进程和作战效果，现阶段，辅助决策水平有限，规划结果可信度不高。随着高新技术在军事领域的应用，深度学习技术逐步被引入到任务规划工作中，从实际效果看，能够有效协助指挥员分析战场局势、做出正确判断、进行有效决策、实施精准指挥。

1 深度学习技术概述

深度学习这个概念最早是由多伦多教授提出，他于2006年开启了深入学习与研究，掀起了一定热潮。其论述中阐明了两个观点，一个是利用计算机模拟人类大脑的神经元进行工作，另一个是采用逐层训练方法对神经网络参数进行训练，这两种观念在当时具有一定先见性。

深度学习项目于2010年开始被逐渐重视并投入资金进行深入研究与开发，2011年在语音识别方面取得重大突破，能够大大降低语音识别领域语音识别的出错率。2012年，在图像识别方面取得了惊人成就，接下来又陆续在其他自然领域取得了重大突破，将深度学习技术推向了新的高潮，受到了更多的瞩目和追捧。

深度学习技术发展至今，愈发成熟和先进，又与网络技术、信息技术等多项技术进行了拓展融合，提升了工作效率，较好地服务于各行各业，且在军事领域也做出了不小的贡献。

2 深度学习技术在辅助决策中的具体应用

深度学习技术是伴随智能化发展而崛起的一项创新技术，具有一定前瞻性、先进性和智能性，是军事领域特别是辅助决策中不可或缺的工具和手段，其具体应用如下：

2.1 借助目标识别功能掌握情况分析任务

深度学习技术是一项颠覆传统人工智能系统运行规则的技术，可以模拟人类大脑，可以通过多层卷积神经网络学习抽象识别模式，提高目标识别速度和识别效率。战场局势的了解与掌控至关重要，可以借助深度学习技术中的目标识别功能实现目标的快速定位、快速识别和威胁程度判断，有利于指挥员对整个战场局势的掌握，加深对战场情况的理解。除此之外，深度学习技术还可在海量数据中筛选有用情报，并进行智能化处理和分析，为指挥员提供全方位的可靠情报。在国外，比较有名的是电磁频谱感知与“对抗环境中的目标识别与适应”技术，该技术主要是在飞机驾驶舱引入深度学习高级算法，从而提高识别准确度和实时性，很大程度解决了以往智能设备自主认知难的问题。国内研究人员设计了一款基于卷积神经网络的舰船目标融合识别方法，该方法对可见光、中波红外线和长波红外线三波段进行特征提取，并利用信息的方法将采集到的波线进行分析，从而对舰船目标进行精准识别。深度学习技术中目标识别功能不仅可以协助指挥员迅速掌握战场情况，还可结合收集到的战场信息对任务进行智能分析与处理，确保始终把握战争主动权。

2.2 借助感知理解功能设计任务制定方案

在信息采集、信息传输、信息共享、信息存储技术不断发展的背景下，战场也产生了大量不完备、不确定的复杂结构信息，使得战争中的评估工作变得非常困难，以往简单线性模型的智能方法呈现出一定的局限性和滞后性，深度学习技术中的理解感知功能被逐步应用到评估环节中。深度学习技术中的感知功能与人脑感知和学习相似，采用多层感知器模型有机组合，拥有强大的记忆功能、存储功能、理解功能与自动分析功能，利于在瞬息万变的战场中认清形势、把握时局，指挥员在了解战场情况后可对战场环境与形势进行准确评估与任务设计，围绕任务进行处理分析。深度学习技术中高级理解功能更为强大，能够在态势感知理解过程中实现战场态势预估，还可以通过收集以往实战数据、对抗数据和推演数据等多方面的数据，并借助深度网络模型，提取出最具参考性的数据，有助于指挥员掌握战争的全局信息，抓住战争走向，调整完善方案。

2.3 借助认知决策功能做出判断正确指挥

深度学习技术的发展仅用了短短数十年，就可在图像与语音识别领域进行识别理解，一些智能功能甚至超出了人类水平，其应用前景非常广阔。其中，决策功能是近些年取得的最重要成果，通过训练，机器可直接实现对人类直觉思维特性的模拟，简单来说，就是可以实现如人类一般的思考，在一些比赛中甚至可以超过人类的智慧与技巧，证明其决策功能的强大。实践表明，认知决策功能可以很好的适应复杂多变的战场环境，可对不确定性因素进行推理计算，一定程度上取代人力计算，在辅助决策中的应用优势较为明显。近年来，越来越多的学者参与到深度学习技术的决策功能研究中，发现智能决策技术能够辅助指挥员进一步认清局势，在复杂的局势中制定出最合理、最科学的计划，并可协助指挥员迅速赢得战争先机，做出更准确判断，更有效调动部队，从而做出更精准而严谨的指挥。

3 深度学习技术在辅助决策中的应用挑战与应用前景

3.1 深度学习技术在目标识别领域的应用挑战与应用前景

虽然当下的深度学习技术已经在目标识别领域有所突破，并显现出突出优势，但也面临着诸多挑战。首先，民间领域深度学习方法均是立足于海量样本数据，而由于军事目标的高度保密性，易造成认知样本数据的稀有或缺失，需要目标识别技术针对稀缺认知样本处理能力的提高与突破;其次，由于军事领域的窃密与反窃密斗争愈演愈烈，加重了传感器采集数据的难度，数据的不完整性、模糊性特性逐渐加强，客观上要求不确定性信息条件下的目标识别技术的改进提高;最后，现代战场局势瞬息万变，战争节奏越来越快，需要及时了解战场信息，对深度学习技术目标识别的实时性提出了更高要求。

3.2 深度学习技术在感知领域的应用挑战与应用前景

现代战争的复杂性明显加剧，使得以往技术不能完全适应当下需求和未来發展，亟需做出调整与改变。一方面，基于深度学习的战场大数据分析技术是未来发展的方向，能够更好地描述战场态势，有利于指挥员及时了解现状并作出预判和指挥;另一方面，战场态势理解技术也是未来发展重点，以往态势理解与评估是基于简单的指标树，利用线性叠加不同权重的方法完成的，虽然具有一定优势和作用，但是越来越不适应不确定性、非线性的现代战争，因此，感知理解技术的发展是其在军事领域应用的必然要求，旨在全面了解战场态势，提高评估工作的准确性，更加深刻理解战争。

3.3 深度学习技术在决策领域的应用挑战与应用前景

首先，深度学习可理解性有待提高，虽然当下的深度学习技术已经可以实现识别、理解、认知与决策，其决策能力有时甚至优于人类，但是机器无法向用户解释观点依据与决策结论，用户也无法利用自身思维深入理解学习方法的决策过程，因而得出的结论有可能存在偏差;其次，深度强化学习的多实体联合决策技术有待突破，联合作战是现代战争发展的必然趋势，需要实现多元化、多实体联合决策;最后，不确定、不健全信息条件的推理决策技术有待深入研究，现代战争不确定的因素越来越多，多种因素交织互联，牵一发而动全身，要有效应对挑战降低风险，推理决策技术需要有更大的创新与突破。

4 结束语

综上所述，深度学习技术是一项具有智能化特征的创新技术，已经应用于众多行业、较多领域，优势明显、效果显著。其在军事领域辅助决策中同样充当了重要角色、发挥了重要作用，目标识别技术有利于战场信息的全面搜集，感知技术可以做出战局预判与评估，决策技术支持方案计划的制定与实施。挑战与机遇并存下，深度学习技术未来在军事领域的发展前景更为广阔。

参考文献：

[1]鲜勇，李扬.人工智能技术对未来空战武器的变革与展望[J].航空兵器，2019，26（05）：26-31.

[2]蔡云骧，李林，杨圣勤.人工智能技术在作战保障领域的应用与发展[J].国防科技，2019，40（04）：45-49.

[3]杨萍，毕义明，肖海波，等.复杂约束下的导弹作战任务规划模型和算法研究[J].指挥控制与仿真，2009，31（02）：14-17+41.