美国DARPA有关“算法战”项目的发展分析与认识

刁联旺，王晓璇，李婷婷

（中国电子科技集团公司第二十八研究所　信息系统工程重点实验室，南京　210007）

基金项目：十三五国防装备预研项目资助。

作者简介：刁联旺（1965—），男，安徽蚌埠人，研究员，工学博士，主要研究领域为信息处理与指挥控制技术。E-mail：diaolw@sina.com

摘　要：讨论了美国国防高级研究计划局有关“算法战”新兴技术发展分析，主要阐述了“终身学习机器”项目、“小精灵”项目、“拒止环境协同作战”项目、“驾驶舱人员作业自动化系统”项目等有关重点项目的背景、概况、进展情况以及认识，可为研究人员进行相关科研项目的研究提供技术参考、启发研究思路。

关键词：人工智能；算法战；新兴技术；军事革命

中图分类号：E866　文献标识码：A

Analysis and Understanding of the Development of DARPA Algorithm War Projects in the US

Diao Lianwang，Wang Xiaoxuan，Li Tingting

（S & T on Information System Engineering Lab.，The 28th Research institute of CETC，Nanjing 210007，China）

Abstract：This paper discusses the development and analysis of new algorithm war technologies in the US Defense Advanced Research Projects Agency（DARPA）.It mainly expounds the background，research situation，latest progress and some understandings of key projects such as Lifelong Learning Machines（L2M）Project，Gremlins Project，Collaborative Operations in Denied Environments（CODE）Project and Aircrew Labor In-Cockpit Automation System（ALIAS）Project.It can provide technical reference and inspiration for researchers to conduct research on related research projects.

Key words：AI；algorithm war；Emerging technology；military revolution

0　引言

算法战概念由美国国防部前副部长罗伯特·沃克（Robert Work）于2017年4月首次提出[1]。算法在军事领域并非新事物，自制导武器出现以来，算法一直发挥着关键性的赋能作用。从坦克装甲车辆的主动防护系统到军用飞机的自主控制系统，再到“爱国者”防空导弹的防空反导系统，算法如今已成为军事大国主战装备的标配。算法本身的使用价值是有限的，只有与超算能力和大数据技术相结合才能产生力量倍增器的作用[2]。另外，算法、数据和计算能力是当前主流人工智能的三大要素，其中算法更是人工智能的“大脑”。因此，算法战的实质是基于人工智能的“智能+”战争。为了筹划“算法战”，美国国防高级研究计划局（DARPA）推出了一系列与人工智能算法相关且军事背景十分明确的科研项目[3]，旨在推动人工智能算法在分布式作战能力、辅助指挥决策等方面的应用，抢占未来军事竞争的主动权。

美军在筹划“算法战”方面所推出的相关项目既涉及机器学习等基础技术领域，也注重应用人工智能算法提升分布式作战、人机交互、辅助指挥决策等相关作战能力的提升。本文对DARPA启动的四个与“算法战”相关的重要项目及其研究进展进行重点分析[4，5]。

1　“终身学习机器”项目

DARPA于2017年3月启动了“终身学习机器（Lifelong Learning Machines，L2M）”项目[1，3]。该项目研发先进的机器学习算法和神经网络技术，增强机器对新环境的适应能力，旨在发展类似生物智能的具备自主学习能力的下一代机器学习技术，并以其为基础推动未来人工智能（AI）技术发展。目标是创建一台可以像生物体一样思考并能像人一样持续学习的计算机，通过把之前未预料的问题考虑在内和具有的动态适应能力，计算机将能够像人一样根据具体情景推断更多的答案，可以更好地做出决策。

1.1　项目背景

人工智能以机器学习技术为核心，并依赖于精巧的编程和庞大的数据支撑[4]。但真实世界充满了偶然性，编程者无法预知所有可能出现的元素或面对的情景，而当这些机器学习系统遇到程序和数据中并未包含的特殊情形时就会不知所措。要扩展机器学习系统在该新环境下的能力，必须停止其服务并利用额外的数据对其进行再训练，但这种做法依赖于人类的介入且效率较低。

与此不同，生物系统则能够实现自主训练，从过往的经历中不断汲取经验，即使面对全新的环境也能根据具体情景做出适应性的调整。正因为如此，即使现阶段最先进的人工智能系统与具备自适应能力的生物智能相比依旧相差甚远，这也是DARPA开展L2M项目的初衷。

1.2　项目概况

L2M项目重点关注两个技术领域：一是开发可以持续从过往经验中学习并将所学知识应用于新情况的机器学习机制，不断扩展自身能力并提高可靠性，致力于开发完整的系统及其组件。例如，这种新技术可使无人驾驶汽车能够从行驶过程中遇到的交通事故、视觉盲点等情形中学习相关经验，从而在遇到从未面对的新路况时能够应用学到的经验有效应对，使无人驾驶车辆更加安全可靠。二是关于生物智能的学习机制，重点关注生物如何学习并获得自适应能力，目标是将其转化为计算过程。同时研究这种生物学习的原理和技术是否能够应用于机器学习系统以及如何应用的问题。预计这两个技术领域的发现将有助于形成新的方法论，使AI系统能够在任务过程中不断学习和改进，将先前的技术和知识应用于新情况，整合先天的系统局限性，增强自动化作业的安全性。

1.3　最新进展

目前L2M项目研究团队的研究进展情况良好。加州大学欧文分校的研究小组开展了海马和大脑皮层的双重记忆结构的研究。该团队试图创建一种能够通过对比现有记忆输入来预测潜在结果的ML系统，这将使系统在保留之前学习内容的同时变得更加具有适应性。塔夫茨大学研究小组正在研究在蝾螈（所有有尾两栖动物的统称）等动物中观察到的再生机制，以研究能够在任务过程中通过改变其结构和功能来适应环境变化的柔性机器人。怀俄明大学的研究小组将根据生物记忆重组方法研发一种计算系统。该系统使用语境来甄别可与新的感觉输入进行重组的、合适的模块化记忆，以快速形成适应新情况的行为。哥伦比亚大学的研究小组最近发现并解决了与构建和训练自我复制的神经网络相关的挑战。虽然神经网络可以通过训练产生几乎任何一种模式，但矛盾的是训练一个网络来复制其自身的结构却很困难。随着网络的不断学习，它会发生变化，目标也会不断变化。该团队正致力于开发一种可利用其自身结构进行适应和改进的系统。

1.4　几点认识

DARPA将以L2M项目为基础推动第三次AI技术浪潮。DARPA认为，AI技术发展的第三次技术浪潮将以“适应环境”为特征，AI能够理解环境并发现逻辑规则，从而进行自我训练并建立自身的决策流程。可见，AI的持续自主学习能力将是第三次AI技术浪潮的核心动力，L2M项目的目标恰与第三次AI技术浪潮的“适应环境”特征相契合。通过研发新一代机器学习技术，使其具备能够从环境中不断学习并总结出一般性知识的能力，L2M项目将为第三次AI技术浪潮打下坚实的技术基础。

人工智能革命是从弱人工智能通过强人工智能，最终到达超人工智能的旅途。专有人工智能已在社会许多领域获得应用并产生价值。如购物助手、身份信息识别等。但是如何让通用人工智能也产生价值还要走很长的一段路。让机器学会像人一样思考并持续学习，具备人类的推断和决策能力，具备解决不同种类问题的适应性，打造一台依据经验做出决策的自适应计算机。这些对机器学习模型的灵活性、经验的存储等在线技术都提出了新要求。

2　“小精灵”项目

DARPA于2016年3月启动了“小精灵”（Gremlins）项目[1，6]。该项目研发小型无人机集群先进的群体智能算法、自主学习算法和空中发射和回收等关键技术，增强无人机与有人机的协同作战能力，支撑美军为着眼大国对抗而大力发展的分布式空中作战概念。该作战概念不但将颠覆当前以F-35、B-2等大型多功能平台为核心的作战样式和装备发展思路，给敌防御带来重大挑战，也将是大幅降低作战成本的重要途径。

2.1　项目背景

2014年年底，美国防部开始制定第三次“抵消战略”，并把与中、俄等大国对抗定为美军的主要使命任务。美方认为，以上假想敌的综合一体化防空系统对其现役空中装备的威胁极大，2020年左右，B-2将在反介入/区域拒止环境中面临生存威胁。经过长研制周期推出的高成本现役装备如被大量击落，必将严重削弱美空中作战能力。因此，美国防部正在考虑以全新作战概念牵引出更低成本、更高战力的作战装备，以维持对主要假想敌压倒性的军事优势。近年来，以机器学习、自主作战为代表的人工智能技术在军事领域取得了快速发展，在此背景下，DARPA开展“小精灵”项目，寻求解决小型无人机空中发射和回收、经济可承受机体平台设计等技术的创新性方案。

2.2　项目概况

DARPA认为，在没有可靠陆基或海基降落地点的情况下，对于大作战半径的小型无人机来说，空基回收将是最简后勤和最低成本的解决方案，另外还具有对无人机性能影响最小和再次发射迅速等优势。因此，“小精灵”项目的主要目标便设定为探索小型无人机集群空中发射和回收的可行性，并开展演示验证试验。根据DARPA的设想，“小精灵”无人机集群将在敌防区外由包括运输机、轰炸机和战斗机在内的各类平台发射，在渗透到敌防区内之后针对特定目标共同执行情侦监、电子攻击或地理空间定位等作战任务。任务完成后退出敌防区，并由C-130运输机完成空中回收。为此需要突破诸如创新的空中发射和回收技术、自动的发射波次策略、精确相对导航、精确战位保持、发射和回收平台低成本改装技术等。

2.3　最新进展

“小精灵”项目最新进展情况：第1阶段，美国复合材料公司、Dynetics公司、通用原子航空系统公司和洛克希德·马丁公司进行了概念验证，研究内容包括发射与回收技术、低成本设计与风险降低等。第2阶段，Dynetics公司、通用原子航空系统公司完成了全尺寸技术验证系统的初步设计，发展了喷气动力低成本无人机，并进一步优化平台设计，对安装在C-130运输机上的回收系统开展风险降低飞行试验，达到了合同要求。第3阶段，Dynetics公司将开展发射和回收大量低成本、可重复使用的无人机系统研究，在C-130运输机下方安装稳定的捕获设备，一旦无人机连接到该设备并关闭发动机，无人机将被提升到C-130运输机中，并进行机械固定。该公司的目标是在30min内完成4次回收。理想情况下，该方案将减少对空军基地的依赖，以便开展作战行动。

2.4　几点认识

分布式空中作战概念促使装备发展思路发生重大转变。分布式能力是美军未来发展的重点，其内涵是指未来作战中有人和无人系统组成团队，通过分散组网能力发挥作用，增强适应能力，提高对手成本。把作战能力分散部署到多个联网平台上，而不是把所有的功能集中在单一的高成本平台上，可以提高作战部署的灵活性、规模和调节性，以及单元专业化程度。因此，用人工智能技术武装机体廉价化、平台智能化、载荷小型化的空战平台产生新质作战能力，成为美军重塑复杂军用系统的重要途径，并形成了分布式空中作战概念。该概念的内涵是，大量功能单一的小型低成本无人机分解传统大型多功能平台的各项能力，在空战管理员有限介入和人工智能技术的支持下，各平台协同配合，以群体形式完成作战任务。

创建载荷散布能力以这个切实可行的解决方案克服平台问题带来的挑战。空中发射和回收先进无人航空器，其投入作战的规模可调，其作战效应多样，其经济可行性高。这种基于载荷散布联网化的作战能力，虽然最主要的也最具挑战性的用途是对敌人的多层防御实施饱和作战，它还能在其他各种冲突环境中提高作战资源利用效率。例如，在F-22、F-35等有人机有限的指挥下，小型无人机集群依据敌情和自身损失实时组合出最优的作战能力，以群体方式完成任务，作战十分灵活。另外，以小型无人机率群为特征的分布式空中作战与当前的空中作战样式大相径庭，如未来美军大规模践行此概念，其空中作战装备发展必将改变，低成本无人机、巡飞弹、导弹相关的关键技术将得到重视，空战装备体系中将出现越来越多的低端平台，自主协同的集群作战可提供执行各种任务所需的多种能力组合与协同，将促使空战平台的人工智能水平快速提升。

3　“拒止环境协同作战”项目

DARPA于2015年1月启动“拒止环境协同作战”（Collaborative Operations in Denied Environments，CODE）项目[1，7-10]。该项目研发先进的自主化算法和监督控制技术，增强无人机或尖端导弹在拒止环境中的作战能力。CODE研究者旨在开发一个模块化的软件架构，该架构与现有标准相比，可以抗“带宽限制”以及“通信中断”，并且在现有无人机平台上安装具备经济可承受性。

3.1　项目背景

无人机在从情报、监视、侦察（ISR）到打击等方面都发挥着重要作用，但大部分无人机都需要专门的远程飞行员、传感器操作人员以及数据分析人员。对人员的需求将限制无人机作战应用的扩展，以及无人机作战使用的成本效益，而且在激烈的电磁对抗环境中，针对远程高机动目标使用无人机将非常困难。CODE项目主要目标是提高无人机的协同自主能力，多架采用CODE技术的无人机将在一名任务人员操作下，协同探测、跟踪、识别并攻击目标。这些无人机将能够：①连续评估自身及周边环境，并为任务操作人员反馈无人机组行动建议；②发现目标，并根据确立的交战法则同目标交战；③在尽量减少人员参与的情况下，调动附近装备有CODE系统的无人机，并根据战场动态情况随时进行调整；④适应与友军之间的摩擦或意想不到的敌方威胁等突发情况。CODE项目将通过发展新型软件，使得无人机在最少人员参与的条件下进行协同作战。这些算法和软件将扩展现有无人机执行任务的能力，超越目前无人机的最高水平，提高美军在拒止或对抗空域的作战能力。

3.2　项目概况

CODE项目旨在帮助美国军方的无人机系统（Unmanned Aircraft System，UAS），执行针对在拒止环境或有争议的电磁空域中的高机动地面或海上目标的动态、远距离作战，同时降低所需的通信带宽和对人类监视的认知负担。CODE项目特别注重协同自主领域技术的提升，使得无人机组可以在一个操作人员的管理下协同工作。无人机将不断判断其自身和周边环境，并为任务操作者反馈无人机组行动建议。操作者可以允许、不允许或让无人机组收集更多数据。CODE项目研发工作以四个技术领域为重点：协同作战自主化，航空器层面自主化，监控界面，适用于分布式系统的开放式结构。关键的技术发展注重传感、打击、通信和导航等方面的自主化协同作战，以减少所需的通信带宽和人工系统界面。

3.3　最新进展

CODE项目第一阶段合同授予了丹尼尔·瓦格纳协会、科学系统公司、智能信息流技术有限责任公司、飞腾科技公司、SRI国际公司、Vencore实验室管理员应用通信科学公司6家公司。第一阶段已成功模拟验证了无人机系统战术协作自主性的潜在价值，并同合作者共同完成了可向未来作战系统转变的过渡计划草案。在两个团队之间，DARPA已经选择了大约20个自主行为，它们将可以大大提升这些UAS的任务能力，并使得这些UAS能够在拒止或争议环境中执行复杂任务。CODE项目第二阶段的系统集成合同授予了洛马公司和雷神公司。第二阶段，DARPA计划在两个开放式架构团队内均实施一种初始行为子集，并使用那些架构通过一个或两个真实UAS协同几个虚拟飞机执行真实的飞行测试。CODE项目第三阶段合同授予了雷神公司。第三阶段将引入更多无人机在更复杂的场景下开展自主协同飞行测试，进一步开发CODE的能力，并通过一系列飞行试验计划对能力进行验证。一旦得到充分验证，CODE软件的可扩展能力就会大大提高现有空中平台的可生存性、灵活性和有效性，并减少未来系统的开发时间和成本。

3.4　几点认识

未来无人机集群作战技术将呈现以下三大发展趋势：装备系列化——形成以十克级、百克级、千克级、10千克级、100千克级等系列化平台为基础的作战系统序列；应用多样化——预警探测、广域监视、抵近侦察、电子对抗、饱和攻击、主动防御、特种作战等；覆盖全域化——陆、海、空、天全域，形成“蜂群”“鱼群”“星群”等作战概念。与无人机集群作战的优势特点相对应，这一新概念技术和作战运用在发展过程中，仍面临一些亟待解决的问题和矛盾，诸如传统理念与技术创新之间的矛盾：如果减少了人在无人机系统中的控制权限，无人机系统可能成为未来战场上的威胁。

智能弹药具有信息感知与处理、推理判断与决策、执行某种动作与任务等功能。其广泛应用不仅是信息化战争形态变化的重要标志之一，也是决定战争双方最终胜负的关键因素之一。美国为确保其在空中、海上、地面、太空和网络空间等各作战域内的优势，DARPA加快人工智能/自主技术向武器装备的转化进程。人工智能/自主技术将成为提升导弹武器作战效能的重要手段，使具有自主探测、自主处理情报、监视和侦察、自主识别敌我、自主灵活采用弹药载荷等多种功能，并可自毁和回收，实现对目标更加快速的跟踪与打击，促进武器装备的智能化发展。

4　“机组人员作业自动化系统”项目

DARPA于2015年1月启动了“机组人员驾驶舱工作自动化系统”（Aircrew Labor In-Cockpit Automation System，ALIAS）项目[1，3，7]。该项目研发一个感知系统，可以模拟任何复杂的计算机算法，测量和监测任务中所有关键的参数，例如空速、高度、燃料状态、方位、分析系统状态和飞行器性能等，提高任务有效性和安全性，通过使用机器人臂控制来减少军用和民用小型飞机的机组人员需求，进一步发展人机协作的有效方法和机器自主学习能力。

4.1　项目背景

平台研发仅是发展分布式能力的众多挑战之一，与作战人员的有效结合也十分重要。飞机越来越先进，也变得越来越难以驾驭。飞行员和机组人员需要接受密集培训训练，才能在最新的飞机上试飞，甚至在紧急情况下会被飞行系统的复杂性所压倒。DARPA认为，ALIAS可以提供解决方案。ALIAS不是用复杂昂贵的自动飞行系统改造飞机，而是设计为一种适应性强的解决方案，以减轻飞行员的负担。虽然它是全新的，但系统的根源在于DARPA以前的工作是自动化系统和无人驾驶车辆方面。当它开始完全运行时，ALIAS应该能够处理从起飞到着陆的复杂军事任务。它还应该能够处理空中的紧急情况，基本上通过让计算机处理每分钟的飞行而降低飞行员的任务。

4.2　项目概况

ALIAS采用模块化设计，能够完全依托于现有的飞行系统，非常容易安装、调试和拆除。该项目最重要的部分是提供飞行管理和系统分析的智能处理核心。大致原理为，通过知识获取系统，将信息馈入ALIAS系统。知识获取系统使用真实语言处理来消化正常文本，并把它拆分为可由处理核心查询的逻辑框架。这样，机器可以快速获取关于某个主题的所有知识，例如执行各种飞行动作的确切程序。ALIAS的功能主要包括飞机起降、巡航操控、任务规划、飞行紧急情况处置、飞机的系统故障排除、飞行状态监控、操作过程回放等，界面采用简便的触控和声控模式，可有效提高系统的交互水平，还能为某些特定任务提供额外的自动操作或自治飞行服务。

ALIAS系统还可以由专业演示人员授教，吸纳学到的知识。馈入数据按质量优劣排列顺序，数据中的矛盾将由专业人员通过人工操作解决。这种快速获取各种数据并作归纳汇编的能力具有革命性，其应用将远远超出这个项目的范围。可以设想利用这个项目研发的流程精简情监侦数据分析，或者根据作战准则的应用制定实时指挥与控制建议。ALIAS系统可以分析各种预选方案，向机组人员提供任务效果反馈。这样，机组人员可以起到任务协调员的作用，专注于高端执行，而不是一般的技术操作。除此之外，智能处理核心将能处理发动机故障等系统紧急情况。它会调阅合适的检查清单，甚至可以激活相应的开关，界定任务效果，向机组人员提供各种预选方案。

4.3　最新进展

ALIAS项目计划分为3个阶段，第1阶段合同授予了美国极光飞行科学公司（Aurora Flight Sciences），要求该公司开发“自主辅助起飞与着陆能力，自动执行必要的飞行任务和飞行阶段的相关活动，并正确检测和响应突发事件。同时，驾驶员会通过一个直观的界面监视操作的自动化执行过程，必要的时候可采取控制操作。”第2阶段ALIAS项目合同授予了西科斯基公司及极光飞行科学公司，目前已经成功完成了飞行演示以及能应对飞行中出现的紧急情况。DARPA表示，在这两种情况下，ALIAS在没有对适航性产生不利影响的情况下发挥了作用。第3阶段ALIAS项目合同授予了洛克希德·马丁、西科斯基公司和极光飞行科学公司，ALIAS最初配置涉及一些诸如赛斯纳208“大篷车”、钻石DA42和贝尔UH-1直升机之类的小型飞机。ALIAS系统能够学习以及在单发和双发飞机中运行，同时也能在固定翼飞机和直升机中运行，如B-52系列和大型客机等。洛克希德·马丁公司和极光飞行科学公司都已经开发并演示了ALIAS原型机。

4.4　几点认识

随着算法程序逐步发展成为越来越强的人工智能，日益网络化和具有快速处理器的计算机能够自行组织、收集、提取并呈现信息，这也使更高效、可降低飞行员“认知负担”的人机交互技术成为可能。目前某些现有的传感器、导航系统以及所谓的“遥控自动驾驶”技术能够让飞机自行执行某些特定的任务。而ALIAS系统能够大幅提升电脑的独立活性度，进而自动化系统和人机交互达到一个全新的水平。

ALIAS系统的设计意图是能够直接操纵飞机飞行，移动开关，并且像人工操作员一样执行作战行动。该系统设计成便携式，可以从一架飞机拆卸插接到另一架飞机中，通常以套件形式体现，只是根据目标飞机的具体制约条件而在组配方面略有差别。ALIAS项目以解决模糊不清的人机团队组合概念为直接目标，今后，人工操作员将与半自主化无人驾驶机和打击航空器协同作战。与这些散布资产协同作战，需要有合适的算法程序，把人的意图演化成经协调的半自主化行动。由于未来战争可能在射频和全球定位系统（GPS）抗衡环境中进行，实现这种演化的难度可能会更大。人机团队组合和抗衡环境中的半自主化协同作战对于实现这个愿景起着绝对关键的作用，而DARPA的拒止环境协同作战项目将提供这个核心能力。

5　结束语

“算法战”就是将算法运用于战争领域，通过挖掘人工智能算法在态势感知、情报分析、指挥决策和火力打击等方面拥有的巨大潜力，用算法方式破解战争攻防问题，从而达到在战争中制胜的目的。如今人工智能在军事中的应用不断被强调，其三大核心要素：算法、数据和计算能力，也成为各国军事能力建设的关键。而在智能化战争形态中，人与机器不再角色分明。随着军事智能技术的发展，各类无人、人机协同作战平台的自主感知决策能力、集群协同作战能力将显著提升，并逐渐成为战场新主角，人与机器将会动态分配共享功能，呈现出功能角色的互换性与流动性。他们之间的协同配合将视任务性质而定，并随任务进程而变化，最终实现更高形态的人机智能一体作战。可以预见，随着智能在作战体系中地位的不断提高，将最终实现对未来战场信息流、能量流、物质流的全方位驱动，通过以智驭能实现“智驱”作战，并催生出新的战场制胜法则。未来的“算法战争”将既精于计算，又善于算计；既能做计划、定方案，又能出战法、生谋略，是智能型军队必须抢占的战略制高点。

参考文献

[1]龙坤，朱启超.算法战争的概念、特点与影响[J].国防科技.2017，38（6）：36-43

[2]陈航辉.战争算法从幕后走向前台妙用将改变战争规则[N].解放军报，2017-7-14

[3]Major Paul Calhoun，USAF.DARPA emerging technologies.Air& Space Power.2016：10

[4]朱启超.人工智能与新一轮军事变革[J].中国计算机学会通讯，2017（8）：40-44

[5]金欣.“深绿”及AlphaGo对指挥与控制智能化的启示[J].指挥与控制学报，2016（3）：202-207

[6]袁成.美国国防高级研究计划局“小精灵”项目[J].兵器知识，2016（9）：37-39

[7]吴洋，葛悦涛.从DARPA研究项目评析精确打击武器及其关键技术发展[J].战术导弹技术，2017（6）：1-8

[8]王俐云，孙亚楠，钟选明.俄对叙的远程精确打击作战及天基信息应用探析[J].飞航导弹，2016（1）：6-11

[9]周德云，杨振.多UCAV超视距协同空战中的交接制导方法[J].弹道学报，2017，29（2）：1-7

[10]程晓雪.对海远程精确打击体系[J].指挥信息系统与技术，215，6（2）：16-21