1 引言

军事信息系统的目的是构建功能强大的栅格化网络信息体系，提高智能化评估和辅助决策能力。美、俄等军事大国自20世纪50年代以来不断发展指挥控制自动化系统，追求比对手更强的信息优势和决策优势。如美军在20世纪90年代“军事信息高速公路”建设基础上研发出指挥、控制、通信、计算机、情报与侦察监视系统（C4ISR），2001年以来又基于“网络中心战”概念建设并升级全球信息栅格，构建联合作战信息环境。近年来，美军建立网络司令部，大力加强网络攻防能力，重点是基于云计算、大数据分析等技术的研发，针对网络入侵的智能诊断信息系统。该系统能够自动诊断网络入侵来源、己方网络受损程度和数据恢复能力。

近几年来，以美国为首的西方国家早已把军事人工智能作为国家战略推动，做了很多战略布局。美军智能化发展具备完整体系和自上而下的规划，既有体系化系统层面，又有单点突破，涉及面涵盖人工智能的所有领域。2014年，美军首次提出“第三次抵消战略”，意在重点发展能够改变未来战局的颠覆性技术优势，包括五个关键技术领域（深度学习系统、人机协作、人机战斗编队、辅助人类操作、网络使能及网络加强的武器）。2016年，美国国防部高级研究计划署（DARPA）又启动了“可解释的人工智能”项目，以机器自主学习和人机交互为主要研究方向，研究具备理解、学习和独立行动能力的自动武器系统。以期让机器代替人进入战场，减少伤亡，甚至直接不让人上战场，打“机器代理人”战争。

作战任务规划系统是军事信息系统的核心。美军从1980年开始装备计算机辅助任务规划系统（Computer Aided Mis-sion Planning System,CAMPS），1983年完成基于Unix的任务支持系统1（Mission Planning Sys-tem, MSS1）的开发，1989 年完成基于PC的任务支持系统2（MSS2）的开发，1992年研制成功空军任务支持系统（Air Force Mission Support System, AFMSS），1996年完成Windows环境下的便携式飞行规划软件（Portable Flight Planning System, PFPS），1998年12月完成海军任务规划系统（Navy Mission Planning System, Nav MPS)。为实现三军协同规划，1999 年开始研发用于陆海空三军的联合任务规划系统（Joint Mission Planning System, JMPS)。在智能化战争时代，由于战场环境的复杂性，人机融合的趋势愈发明显，联合作战任务规划面临新的问题和挑战。

2 联合作战任务规划的概念内涵和特点

2.1 概念内涵

联合作战是依托网络化的信息系统，把陆海空天电网等作战单元和情报信息、指挥控制、火力打击、综合保障等作战要素连结起来，构成分散配置又无缝衔接的作战力量体系，以实施高度协调的作战行动。在智能化战争形态中，联合作战呈现出军队规模精干化、力量结构一体化、指挥体制灵活化、作战编组自主化等特点，对联合作战指挥控制和任务规划提出新的要求。目前，作战任务规划涵盖作战计划、作战辅助决策和任务规划等概念，在战略战役层，称为作战规划，在战术层以下称为任务规划，统称作战任务规划。作战任务规划是针对作战任务，综合分析我方作战资源、作战能力、作战环境和敌方对抗措施，对打击目标、毁伤要求、使用部队、作战地域、武器装备、打击时机、协同保障、行动路线、飞行航迹等作战要素及作战活动进行筹划设计的过程。

在智能化战争形态中，整个作战体系是通过网络信息系统链接陆、海、空、天、电、网多维战场空间的各类作战单元，融合各种作战要素，实现数据、信息、知识、智慧高效流动，使传感器、决策者和武器形成有机协同的整体。通过各作战单元的互联，实现各作战要素的融合，作战要素广泛存在于各类基础设施和作战单元中，既包括通常所说的通信网络、计算存储、数据信息等资源，也包括感知、兵力、平台、火力等资源，也就是说，参与作战行动的所有人、机、物等要素，都通过网络信息系统联结成为一个协同运作的有机整体。联合作战任务规划系统通过网络信息基础设施实现感知、决策、交战、保障等资源网络化、服务化、智能化协同运用，支持各指挥机构作战筹划、任务规划，对各类作战力量进行精准控制和协同运用。

2.2 主要特点

智能化战争形态下，联合作战任务规划呈现出以下特点：

（1）数据主导

数据是驱动联合作战体系运行的核心。现代智能化联合作战，感知、决策、交战、支援各环节均是在数据的驱动下展开，数据流决定指挥流、作战流，数据的快速流动、按需共享、高效使用，是促使作战要素高效聚合和释能，实现作战体系效能倍增的决定性因素。坚持以数据为主导，就是依据作战活动的内在规律和对信息支援保障的需求，合理配置各类数据资源，优化信息服务流程，支撑各类作战资源动态高效聚合，形成以联合作战任务规划为核心的体系作战能力。

（2）模型驱动

模型、策略和算法是人工智能的核心要素。在智能化战争形态中，凭借人工神经网络、大数据、云计算等技术，人工智能具有强大的信息感知和处理能力，而智能化评估决策技术、无人机、机器人等的应用，将使得战争博弈更加精准、快速而冷酷。军事系统技术复杂性的提高必然带来新的系统不确定性，系统复杂性与系统不确定性是运用人工智能开展联合作战任务规划需要考虑的主要难题。

（3）自主学习

人工智能的发展和进步很大程度上都要归功于模仿人脑工作方式的技术，如人工神经网络，其中的训练算法是神经网络不可缺少的。利用学习算法构建的神经网络已经可以执行我们以前无法完成的任务，在特定领域，甚至可以战胜人类。例如，阿尔法围棋（AlphaGo）是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能机器人，其主要工作原理是“深度学习”。正是因为人工智能强大的学习能力，在联合作战任务规划中，将利用人工智能的自主学习能力，将信息优势转化为知识优势和智能优势。

（4）谋略制胜

人工智能并不能改变战争残酷对抗的本质，人工智能并不能取代人类智能，人工智能只能在规则确定、信息完备的封闭系统中有可能比人类做得更好，比如围棋博弈、特定路线的无人平台操控等，而对于开放复杂、瞬息万变的智能化战争形态中，除了依靠人工智能提供决策支持外，还必须依靠人类的敏锐洞察、战略判断和随机应变能力等，关键在特定的问题背景下找到人工智能和人类智能的最优组合，发挥好人机耦合的综合优势，才能在军事对抗中最大限度地发挥人工智能的作用。

3 智能化任务规划应突破的关键技术

（1）战场环境自主适应性规划技术。以数据采集和人工智能算法模型为重点，基于作战规则和实时态势，研究战时临机规划与处置决策方法与模型。

（2）多维度资源动态规划调度技术。基于网络化、栅格化信息基础设施和实时战场环境，以及多尺度信息需求，研究多维度作战资源动态调度策略和方法。

（3）联合作战目标智能化选择技术。针对智能化联合作战背景和作战对象，研究打击目标体系分析建模技术，准确分析不同作战目的和作战样式下的目标价值。

（4）高动态目标快速精准打击技术。针对复杂战场环境下高动态作战目标的特点，在目标识别和探测感知系统的支持下，研究时间敏感目标的作战任务管控。

（5）分布式联合作战任务规划技术。根据联合作战对于分布式协同任务规划需求，研究相关的智能模型、规划算法、功能接口以及系统运行机制。

（6）联合作战方案评估与优化技术。主要包括基于大数据的规划方案挖掘、规划方案适应性评估，以及基于深度学习的规划方案优化等技术。

4 结束语

人工智能技术的发展，为联合作战任务规划研究和系统建设提供了新的思路。作为联合作战指挥控制的核心关键，任务规划系统建设需要遵循流程化、数据化、标准化和智能化的要求，以大数据、人工智能等新兴技术为支撑，大力发展联合作战任务规划系统，从而优化作战指挥流程，推动作战组织管理变革。