2023年深度学习技术主要发展动向分析

深度学习已成为人工智能领域的研究热点和主流发展方向之一,为诸多重要应用领域带来了革命性的进步。对2023年深度学习技术热门领域的主要发展动向进行了综合评述。首先介绍了深度学习技术发展现状,其次探讨了深度学习技术的军事应用任务和挑战,最后盘点了深度学习技术的未来重点发展方向。综述表明,大语言模型是深度学习领域在2023年最突出的亮点,世界模型框架下的自监督学习技术、强化学习框架下的人工智能智能体技术等也呈现加速发展态势;环境恶劣与强干扰复杂条件下的高鲁棒性深度学习、面向实时流数据高效处理与内在逻辑关联的深度学习、面向多变作战场景自主决策与快速决策的深度学习、面向跨域数据协同感知与协同推理的深度学习等,是深度学习技术未来重要的发展方向。     

联合战役兵棋AI体系框架设计及关键技术分析

深度强化学习在游戏智能决策领域取得了令人瞩目的突破。多智能体深度强化学习、分层深度强化学习等领域的研究工作正将深度强化学习研究引向深入。由于联合战役兵棋博弈复杂的问题构成难以仅依靠深度强化学习方法解决,因而需要将人的知识经验有机融入强化学习过程中。对深度强化学习算法进行综合分析,并系统总结梳理联合战役兵棋AI的军事运用需求,在此基础上设计联合战役兵棋AI的体系框架并就框架中的相关技术进行探讨。     

军事智能辅助决策的理论与实践

本文简要阐述了军事智能辅助决策的理论基础以及若干军事智能辅助决策系统的实践。认为用军事运筹学与现代人工智能技术相结合来研制军事决策系统 ,已成为一个重要的研究方向 ,其主要特点是定量与定性研究相结合 ,数学模型与知识模型相结合     

导师带徒式智能指挥决策应用模式及关键技术

指挥决策智能化需求日益迫切,而近年来国内外军事智能方面的成就较少涉及这一领域。缺数据、缺知识、缺模型的现状,导致该领域智能化发展相对滞后。基于对领域问题的理解,创新提出导师带徒的指挥决策领域智能化发展思路,并基于近年来知识图谱、强化学习、大型语言模型等前沿技术的发展,构想了“学徒式知识提炼”“授徒式博弈推演”2套导师带徒式指挥决策应用模式,并指出了其中需要突破的关键技术,对指挥决策智能化攻坚具有一定指导意义。     

基于深度学习的战场态势高级理解模拟方法

当今军事领域问题的研究已步入了信息化主导的大数据时代,传统的智能辅助指挥员完成战场态势理解已遇到了瓶颈,亟需探索突破。认知智能中深度学习的提出可为该问题的突破提供契机。通常,指挥员进行战场态势理解是分层次的。其中的高级理解则需要深度学习来模拟。就此,展开了探索性研究。概述了战场态势评估的相关概念,分析了指挥员理解战场态势的思维模式,掌握了指挥员理解战场态势时的主要步骤,并结合深度学习运行原理,提出了一种基于深度学习的指挥员战场态势高级理解思维过程(以判断敌方对我方可能的主攻方向为例)模拟方法,该方法利用认知智能中的深度学习(以CNN为例)对指挥员战场态势高级理解过程进行非线性拟合处理,从而达到探索性模拟的目的,仿真实验结果验证了该方法的有效性。     

对军事信息系统军民融合深度发展若干问题思考

推进军事信息系统军民融合深度发展,必须以习主席关于军民融合深度发展的一系列重要论述为指导,研究军事信息系统军民融合深度发展的战略目标和体制机制,论证军事信息系统军民融合建设发展和拓展保障领域,探讨军事信息系统军民融合建设运用的方法、模式等基本理论问题.     

融合锚节点和三元关系向量的军事知识图谱表示学习

知识图谱是一种用于表示和推理知识的图结构,对于军事领域的决策支持和智能化应用具有重要意义。现有的军事知识图谱多面临着大量三元组缺失的问题,对辅助决策任务造成极大的影响。为此,提出一种融合锚节点和三元关系向量的军事知识图谱表示学习模型。通过NodePiece构建固定大小的锚节点词汇表,以实现对任何实体的引导性编码和嵌入;利用TripleRE综合关系向量的投影与平移特征表示,实现对实体间语义相似度和关系强度的深层捕捉。实验结果表明,该方法在军事知识图谱单跳推理任务上取得了优异的性能,证明其有效性和可行性。     

军事目标打击的辅助决策系统设计研究

现代战争中“目标”已经成为现代指挥作战的“核心”。文章从研究“目标”出发,根据目标选择与打击的特点和辅助决策任务,提出了军事目标打击辅助决策系统设计的初步设想,阐述了该系统的系统结构、系统实现的流程和系统功能,并做了可行性分析。该系统在信息化条件下,较好地为指挥员进行军事目标打击提供了有效的决策工具,更好地加快了军队指挥自动化的步伐。     

基于深度学习的战场态势评估综述与研究展望

适用于大数据复杂系统的人工智能研究水平,已成为制约战场态势评估技术发展的瓶颈问题.2006年提出的人工智能新研究领域——深度学习,具备多层感知的深度网络模型,体现出非线性表达、多层学习、自主提取等优势,为研究大数据战场态势评估问题提供了技术支持.美军将机器学习作为重点发展的基础研究和应用开发领域,自2007年以来启动多个项目;我军应用与研究领域中,深度学习也得到重视并取得一些有益探索.展望未来,可从空间、时间角度研究大数据战场态势特征,并基于此构建基于深度学习的战场态势评估模型.     

信息化战场下军事指挥决策的人机交互技术与方式研究

人机交互环境是影响信息化战场下军事指挥决策能力与效率的一个重要因素。文章分析了未来信息化战场军事指挥决策面临的挑战,对军事指挥决策人机交互技术与方式的理论、技术与实践进行了深入探讨,研究了我军军事指挥决策人机交互技术与方式的发展思路和方向,提出了信息时代提升我军军事指挥决策能力的建议和对策。