无处不在,搜你所想

深度态势感知的含义是“对态势感知的感知，是一种人机智慧，既包括了人的智慧，也融合了机器的智能（人工智能）”， 是能指+所指。既涉及事物的属性（能指、感觉），又关联它们之间的关系（所指、知觉）；既能够理解弦外之音，也能够明白言外之意。它是在以美国空军前首席科学家Endsley为主体的态势感知（包括信息输入、处理、输出环节）的基础上，加上人、机（物）、环境（自然、社会）及其相互关系的整体系统趋势分析，具有“软/硬”两种调节反馈机制；既包括自组织、自适应，也包括他组织、互适应；既包括局部的定量计算预测，也包括全局的定性算计评估，是一种具有自主、自动弥聚效应的信息修正、补偿的期望—选择—预测—控制体系。

数据驱动的人工智能大多都可归结为一个最优化问题。例如，有监督的分类判别学习就是要使分类器在代表集的训练数据上取得某个最小的错误率。一般我们会假设，训练数据可以适当地反映出总体分布，否则训练出来的分类器的泛化能力就很值得怀疑。然而在实践中，人们很少去检验这个假设是否成立，尤其在高维样本的情况下，数据在空间中的分布相对稀疏，假设检验难以实现，“维度诅咒”则司空见惯。

假定不知道总体分布如何，不了解数据的产生机制，也不确定观测样本是否“有资格”代表总体，那么即便有大量的样本可用来训练学习机器，总难免会产生偏差。所以纯数据驱动的机器学习总是包含一定的风险，特别地，当我们对数据的产生机制有一些先验知识却受限于机器学习方法而无法表达时，我们对模型缺乏可解释性和存在潜在数据攻击的担忧就会进一步加剧。模型无论好坏，我们都不知道其背后的原因，对模型的泛化能力、稳健性等也都无法评价。所以人类的思维应位于数据之上，尤其是因果关系的理解应该先于数据表达。

近期深度学习的爆发很大程度上得益于算力的提升。例如，深度学习就是人工神经网络借助算力“卷土重来”，把数据驱动的方法推向一个巅峰，人们甚至产生一种幻觉，以为所有科学问题的答案都藏在数据之中，有待通过巧妙的数据挖掘技巧来揭示。

数据固然重要，但它并不是推断的唯一来源，那些承载着知识或经验的“因果”模型，才是帮助机器人从“普通人工智能”走向军事反人工智能的关键。大数据分析和数据驱动的方法仅仅处在因果关系之梯的第一层，军事反人工智能还需要干预和反事实推理。唯有如此，才可能让机器具备自由意志。利用“干预让人类和机器摆脱被动观察，转向主动去探索因果关系，利用反事实推理”扩展了想象的空间，摆脱了现实世界的束缚。

军事反人工智能在因果推理的基础上，对战场进行深度态势感知，它不仅仅是信息的获取和处理，还可以去伪存真，利用对对方人工智能处理结果的分析，从对方想要掩盖的信息中，获取对方的真实目的。在“灰色地带”，人工智能无法处理的地方，军事反人工智能可以利用先验知识与当时情况下的态势感知做出最优的解决方案。

当前，人机环境系统工程发展迅猛，其定义为：人机环境系统工程，是研究在人、装备和环境系统之间，实现最优匹配的一个领域，涉及信息的输入、处理、输出和控制，以及反馈，人、机、环境系统的整体设计及其优化等方面的研究，研究的目的，是使整个系统更加高效、安全、健康、和谐、敏捷等。

当前这一领域的研究出现了很多分支，例如，人机交互、普适计算、情感计算等，并产生了很多相应的关键技术，如多模感知、上下文感知、情感智能、环境智能、认知智能、多模界面、感性界面，这些技术都是用来实现一个最基本的目标，即自然的人机交互。在自然的人机交互中，数据是非常重要的。所有军事反人工智能的产生与刺激都与数据密切相关。所谓刺激，就是人感知到的外部的映射。所谓数据，就是机器接触到的外部的输入。通过这两者产生相应的融合、理解，进而进行相应的反应和规划。

未来的反人工智能系统，至少是人机环境系统的自主耦合，形成了一个认知智能环路系统。认知的意思就是信息的流动过程，包括输入、处理、输出和反馈等环节。反人工智能的重要发展方向，是人机混合智能。强人工智能、迁移人工智能、通用人工智能，及类人人工智能，实现还相对较遥远，当前相对较易实现的途径就是人机混合智能。人机混合智能是研究如何在人、机及环境系统之间，实现最优的智能匹配，人的辨识能力加上机器的博弈智能设置；涉及人、机、环境系统的整体设计，及其优化等方面的研究，研究的目的包括使其更加可靠、高效和敏捷等方面。它主要涉及两个基本问题：人的意向性和机器的形式化问题。所谓意向性，就是意识的指向。机器难以处理涉及灵活、可改变的，甚至带有矛盾悖论性的事物，但是它不会疲劳，且存储大、擅计算，并且能够准确及时地处理形式化、符号化的东西，这是人类所不擅长的。所以，如何把机器的长处和人类的一些优点充分结合起来，这是一个很重要的命题，也是人机混合智能的一个瓶颈。其中两者之间何时/如何相互介入及介入的反应时、准确率是瓶颈中的关键问题。

目前反人工智能与人机融合的发展还处于初级阶段，反人工智能与人机融合智能的第一个关键问题，也是最重要的问题，在于如何将机器的反人工智能的能力与人的认识、辨别能力结合起来。目前处于应用阶段的人机融合中人与机器分工明确，没有产生有效的结合。人类在后天的学习中不断拓展认知能力，所以能够在复杂环境下更为精准地理解态势的发展。通过联想，人类能够产生跨领域结合的能力，但这种认知联想能力却是反人工智能欠缺的。如何使机器产生这种能力是实现反人工智能与人机融合的突破口。朱利奥•托诺尼的整体信息论（Integrated Information Theory，IIT）表明，一个有意识的系统必须是信息高速整合的。同时，进化出有模仿认知能力的机器，保证人与机器之间拥有共同意识。所以，人和机器之间必须建立高速、有效的双向信息交互关系。认知的基本在于抽象，对于机器来说，抽象能力决定了问题的限制环境，越是抽象的思维表征，越能够适应不同的情境。同时，高抽象能力也会带来更普适的迁移能力，从而突破思维的局限性。