DOI:10.19486/j.cnki.11-1936/tj.2024.07.007

當前，坦克裝甲車輛的機動,、火力和防護性能所需的化學,、機械、材料科學等尚未出現(xiàn)完全意義上的革命性技術,，但基于神經網絡,、模糊控制、遺傳算法等人工智能技術賦能之后,，坦克裝甲車輛直瞄火力火控系統(tǒng)的性能提升,，仍將為裝甲部隊作戰(zhàn)能力帶來顛覆性變化,。美國陸軍正在進行的相關實踐就很能說明問題,。

前言

隨著軍事技術進步，現(xiàn)代戰(zhàn)場感知范圍急劇擴大,，反映戰(zhàn)場狀態(tài)的“信息熵”呈爆炸式增長,，信息熵的混亂已經成為“戰(zhàn)爭迷霧”的根本原因,，洞察“戰(zhàn)爭迷霧”背后的規(guī)律成為最為重要的制勝機理,，而戰(zhàn)斗力生成模式也由人與裝備結合轉變?yōu)槿伺c智能結合。雖然人工智能本身并不具備軍事屬性,，但是神經網絡具有“洞察數據規(guī)律”的能力,，賦能傳統(tǒng)裝備平臺能夠帶來“升維”優(yōu)勢。比如增強傳統(tǒng)坦克裝甲車輛火控系統(tǒng)的運作效能就是如此,。隨著現(xiàn)代數字化戰(zhàn)場對坦克等裝甲車輛需求的不斷提高和人工智能,、信息技術等新技術的廣泛應用，世界各國都在加強其主戰(zhàn)裝甲裝備的信息化和智能化建設,，并對適應未來戰(zhàn)場的新型火控系統(tǒng)或新型火力打擊系統(tǒng)進行研究,，使坦克具有信息化程度高、遠程火力打擊精度高,、智能化程度高的特點,。坦克作為地面戰(zhàn)爭的主要武器力量，是確保戰(zhàn)爭勝利的有力保障,，而坦克火控系統(tǒng)作為發(fā)揮坦克作戰(zhàn)火力的重要部分,，是完成目標搜索、目標瞄準,、火炮控制和目標打擊的系統(tǒng),。因此，坦克火控系統(tǒng)的優(yōu)劣直接影響到坦克裝甲車輛整體戰(zhàn)斗能力的強弱,。傳統(tǒng)現(xiàn)代坦克火控系統(tǒng)的任務及功能雖然在不斷增強,，但是高強度信息化戰(zhàn)場環(huán)境的復雜性也在呈指數級別增加，這就要求火控系統(tǒng)的系統(tǒng)結構,、態(tài)勢能力,、戰(zhàn)術決策、打擊效能等指標必須也同步提高,，如何提高火控系統(tǒng)的綜合作戰(zhàn)效能面對未來戰(zhàn)場的挑戰(zhàn),，已成為一個十分緊迫的問題。事實上在過去40年中,，坦克射手一直都使用手動操作方式來探測,、識別和打擊目標，并且每打擊一個目標就需要執(zhí)行一次手動操作流程,。目標搜索和跟蹤慢,，控制精度低，決策時間長,，且受人為因素以及戰(zhàn)場環(huán)境的影響較大,，嚴重制約現(xiàn)有坦克火控系統(tǒng)硬件性能發(fā)揮。即使是美國陸軍最新型的M1A2C型“艾布拉姆斯”主戰(zhàn)坦克,，從搜索,、識別,、鎖定、打擊的全流程也需要較長時間,。于是,，在應對大國競爭高烈度戰(zhàn)場環(huán)境的需求牽引下，美國陸軍開始研究利用人工智能技術來對現(xiàn)役裝甲作戰(zhàn)突擊平臺的火控系統(tǒng)進行增強,，并由此獲得顛覆性的戰(zhàn)術能力,。

背景

美國陸軍從2018年開始逐步進行陸軍轉型進程，通過系統(tǒng)對比“現(xiàn)有能力”與“任務能力”的差距,，在“全域戰(zhàn)爭理論”的頂層設計下,，對其作戰(zhàn)指導、部隊結構,、裝備體系進行重大革新與重構,，陸軍于2018年開始啟動了大規(guī)模現(xiàn)代化換裝計劃,。2021年美軍結束反恐戰(zhàn)爭,，正式轉向大國競爭，當前大國之間的競爭日趨白熱化,，“第三次抵消戰(zhàn)略”下的美軍“瘋狂而激進”，新興技術再次成為其“想要逆風翻盤”的救命稻草,。美軍此次改革既有2028短期目標,，也有2035、2050等中長期目標,，核心謀求“體系代差”,、“認知代差”的智能優(yōu)勢，成為其此次軍隊改革的核心主旨,。美國陸軍此次根據任務需求的轉型規(guī)模之大,、理念之新、變革之深,、影響之遠,，前所未有。特別是以人工智能為代表的新興技術與軍事領域的深度融合,，將對未來作戰(zhàn)產生翻天覆地的變化,。負責美國陸軍轉型技術革新的國防部官員曾指出：“顛覆性的創(chuàng)新必將產生顛覆性的技術，而顛覆性的技術也必將帶來顛覆性的影響”,。美國五角大樓的一位現(xiàn)役將軍也說：“美國陸軍正處于現(xiàn)代化的轉型之中,，并從中東轉向專注于中俄的威脅，對于這一點,，我們可以玩得開心,?！碑斎唬巴娴瞄_心”是建立在實力的基礎上,，而美國陸軍自信他們有這個實力,。當然，為此進行的資源投入也是可觀的,。目前,，美國陸軍為推進戰(zhàn)略轉型總計開展了近100個項目計劃，其中先期計劃包括35個優(yōu)先項目,。這項總計耗資將達到百億美元規(guī)模的計劃涵蓋作戰(zhàn)領域廣泛,，包括：新型地面車輛、遠程精確火力,、增強網絡工具,，這些現(xiàn)代化項目將大量應用人工智能、機器人,、新材料,、定向能等顛覆性的賦能技術。美國陸軍現(xiàn)代化進程的裝備發(fā)展工作主要由陸軍未來司令部（AFC）承擔,，該司令部為美國陸軍下屬司令部,，與美國陸軍司令部（FORSCOM）、美國陸軍訓練和條令司令部(TRADOC),、美國陸軍物資司令部（AMC）屬于同級的內設司令部,。此外，陸軍關鍵技術辦公室（RCCTO）主要承擔前沿尖端武器系統(tǒng)研發(fā),。這其中美國陸軍未來司令部（AFC）下屬的集成和同步團隊（IST）所承擔的任務之下,，就是將人工智能領域的技術成果進行轉化，為現(xiàn)役裝備進行賦能升級,。人工智能集成中心為集成和同步團隊（IST）下設機構,，負責美國陸軍人工智能技術應用的論證與研發(fā)，由其主導的“普羅米修斯”人工智能應用計劃,，其目的之一就是用于對美國陸軍現(xiàn)役坦克裝甲車輛等突擊平臺的火控系統(tǒng)進行技術增強性改進,。“普羅米修斯”項目的成果,，則由同屬集成和同步團隊（IST）的陸軍應用實驗室（AAL）進行實施,。陸軍應用實驗室（AAL）主要負責具體解決方案（尋找地方可用科研機構、生產廠商等）,，該機構不遵循國防部裝備采購合同流程,，主要目的是以最快的速度響應部隊實戰(zhàn)需求。

地面突擊平臺的智能化火控系統(tǒng)愿景與現(xiàn)實

如前所述,，目前坦克等使用直瞄火力的地面突擊平臺火控系統(tǒng)的操作大多采用人為操作,，目標搜索和跟蹤慢,，控制精度低，決策時間長,，且受乘員心理素質,、生理狀態(tài)以及戰(zhàn)場環(huán)境的影響較大，嚴重制約現(xiàn)有坦克火控系統(tǒng)首發(fā)命中率和射擊反應時間,，使火控系統(tǒng)的性能難以發(fā)揮,。隨著目標識別、智能控制,、威脅評估等技術的不斷成熟,，以及各類傳感器和智能武器自主技術在軍事裝備上的廣泛應用，坦克火控系統(tǒng)正呈現(xiàn)出智能化,、自主化的發(fā)展趨勢,，最后隨著智能無人技術和信息融合技術的不斷發(fā)展，將實現(xiàn)坦克無人化的作戰(zhàn)能力,。不過,，目前業(yè)界對火控系統(tǒng)的智能化和自主化沒有明確的定義和界限，普遍認為智能化火控系統(tǒng)是一個具有良好的人機交互性,，可以自主完成目標智能搜索,、目標識別、目標跟蹤,、信息共享,、智能輔助決策、智能火力打擊等功能,，能夠極大簡化坦克乘員操控復雜程度、減輕乘員負擔的火控系統(tǒng),。自主化火控系統(tǒng)則是在目標自主搜索和識別,、目標自主跟蹤、打擊優(yōu)化決策,、自動火力打擊實施等技術的基礎上,，利用人工智能、自主控制等技術,，實現(xiàn)目標火力打擊全過程無人化,、自主化的火控系統(tǒng)。自主化火控系統(tǒng)與智能化火控系統(tǒng)相比,，自主化火控系統(tǒng)更加強調在整個火控系統(tǒng)的工作過程中沒有人為因素的干預,，完全依靠系統(tǒng)本身實現(xiàn)在非結構戰(zhàn)場環(huán)境下的火力打擊。在自主化火控系統(tǒng)中,，人只起到環(huán)外的監(jiān)視作用,，不干預火控系統(tǒng)的行為,，實現(xiàn)坦克火控系統(tǒng)的自主化和無人化是必然的趨勢，但由于地面作戰(zhàn)環(huán)境復雜,，情況多變,，作戰(zhàn)任務多樣，突發(fā)狀況頻出,，仍有許多問題需要人為的決策解決,，且地面環(huán)境下目標易于遮擋和偽裝，對目標的自主識別難度遠大于空中和海上的目標辨識,，現(xiàn)階段實現(xiàn)坦克火控系統(tǒng)的無人化和自主化存在較大的困難,，所以只能以技術插入的方式實現(xiàn)現(xiàn)役地面裝甲突擊平臺火控系統(tǒng)的半智能化。具體來說,，半智能化坦克火控系統(tǒng)主要是為解決現(xiàn)有火控系統(tǒng)在功能上的不足和智能化水平較低的問題,，要在現(xiàn)役坦克現(xiàn)有火控部件和傳感器的基礎上，添加跟蹤主機,、系統(tǒng)主機,、控制主機和圖像獲取單元等軟硬件部件，構建一套人機協(xié)同的火控系統(tǒng),。在明確系統(tǒng)的人機分配問題和主要功能的分配問題基礎上,，以智能化的設備取代炮長進行目標跟蹤和火炮控制，輔助車長進行目標識別搜索和打擊決策,，實現(xiàn)火控系統(tǒng)的部分智能化,。技術插入型的智能化火控系統(tǒng)可以分解為兩個層次，第一層由三套主機部件組成,，第二層在第一層的基礎上繼續(xù)細分得到,，包括大視場戰(zhàn)場圖像獲取子系統(tǒng)、目標檢測與識別子系統(tǒng),、多目標跟蹤子系統(tǒng),、多目標信息管理子系統(tǒng)、智能輔助決策子系統(tǒng),、武器高精度伺服控制子系統(tǒng)和目標自主打擊子系統(tǒng),，所應用的技術主要包括態(tài)勢信息感知技術、戰(zhàn)場目標管理技術,、智能打擊決策技術和武器系統(tǒng)智能控制技術,。其工作流程主要是在保留原坦克火控系統(tǒng)光學通道的同時，通過圖像獲取單元實現(xiàn)對車,、炮長視場中的圖像采集,；系統(tǒng)主機負責多目標的管控，對多目標的威脅度進行評估，實現(xiàn)對目標打擊順序的排序,，并完成多目標的圖像位置解算和粗略方位指示,，同時作為整個設計系統(tǒng)的觸屏顯示模塊，實現(xiàn)目標類型輸入,、彈種選擇,、火控系統(tǒng)參數設置及狀態(tài)信息顯示、觸屏操控,、電子圖像放大等動作,；跟蹤主機負責進行目標的識別和跟蹤，并對目標打擊完成后情況進行毀傷評估,；最后依靠控制主機貫穿搜索-決策-跟蹤-打擊-毀傷評估整個流程,，實現(xiàn)對整個系統(tǒng)的控制。2014年雷聲系統(tǒng)公司研發(fā)的目標搜索新概念火控系統(tǒng)增強模塊（MTAS）,，雖然已經部分裝備美國陸軍部隊,，但是主要是以增強火控系統(tǒng)對目標的跟蹤和瞄準能力為核心功能，與半智能化火控系統(tǒng)還有本質的區(qū)別,。

美國陸軍先進瞄準和致命性半自動系統(tǒng)

著眼于現(xiàn)役裝備的升級改進,，美國陸軍計劃用于地面裝甲機動突擊平臺的火控系統(tǒng)智能化升級項目被稱為“先進瞄準和致命性半自動系統(tǒng)”（ATLAS）。ATLAS起源于美國陸軍“普羅米修斯”計劃,，系統(tǒng)核心算法由美國陸軍C5ISR中心和武器中心聯(lián)合研發(fā),。該系統(tǒng)能夠以比人類快得多的速度從大量的衛(wèi)星圖像和其他數據中發(fā)現(xiàn)目標，甚至是偽裝和隱藏的目標,。之前,，美軍主要依靠部署在本土的分析員團隊處理情報數據，依賴衛(wèi)星和海底光纜與幾千英里外的前線部隊共享數據,，這為敵方攻擊美軍通信系統(tǒng)創(chuàng)造了機會,。“普羅米修斯”系統(tǒng)可替代大型分析員團隊,，在戰(zhàn)區(qū)指揮總部的先進微型數據采集系統(tǒng)分發(fā)車（ADV）終端上運行,，將數據通過陸軍戰(zhàn)術網絡傳輸給前線部隊。該系統(tǒng)可使情報數據的傳輸距離大大縮短,，并將目標信息與武器系統(tǒng)進行無縫集成?；凇捌樟_米修斯”計劃發(fā)展的ATLAS本質上是一套用于圖像目標檢測的機器學習算法,，圖像目標檢測主要可以分為離線訓練和在線檢測階段兩個階段。在離線訓練階段,，首先根據待檢測目標的類型構建圖像樣本數據庫,，并將數據庫中的樣本圖像進行標注，以區(qū)分正樣本與負樣本；然后通過圖像特征提取方法提取樣本圖像的特征,；在提取目標特征之后,，建立目標檢測模型，并根據提取的目標特征對模型進行訓練,。在訓練過程中,，模型參數不斷調整，模型收斂到一定程度后,，停止訓練得到收斂后的模型,。在線檢測時，首先通過滑動窗口,、選擇性搜索,、顯著性檢測等待檢測區(qū)域提取方法提取圖像中的待檢測區(qū)域；然后通過特征提取方法得到待檢測區(qū)域的特征,；最后將特征送至目標檢測模型,，得到目標的類型以及在圖像中的位置。圖像目標檢測屬于被動式探測,，在隱蔽性,、抗電子干擾能力、功耗以及硬件平臺體積等方面具有較大優(yōu)勢,，而且圖像更符合人眼視覺觀察習慣,。與傳統(tǒng)的坦克火控系統(tǒng)相比，具備圖像目標自動檢測功能的坦克火控系統(tǒng)具有以下幾點技術優(yōu)勢：一是可以進一步提高坦克火控系統(tǒng)的戰(zhàn)場感知能力?，F(xiàn)代化戰(zhàn)爭中,，以戰(zhàn)場信息的獲取和處理為主要內容的戰(zhàn)場感知的地位與作用更加突出，已成為貫穿坦克裝甲車輛作戰(zhàn)過程中的一種基本行動,，同時也是進行各類戰(zhàn)斗行動的前提與基礎,。通過圖像目標檢測技術自動處理戰(zhàn)場圖像，搜索戰(zhàn)場中感興趣的目標,，可以提高戰(zhàn)場目標搜索效率,，從而進一步提高坦克火控系統(tǒng)的戰(zhàn)場感知能力；二是可以有效地提高系統(tǒng)的戰(zhàn)斗射速,。坦克火控系統(tǒng)可以根據圖像目標自動檢測模塊獲取的目標類型與位置信息,，自動選擇彈種并裝填彈藥以及自動控制瞄準線指向目標。當精確瞄準目標后,，系統(tǒng)可以自動測距并精確跟蹤目標,，獲取目標的距離以及目標相對于坦克的角速度等解算射擊諸元所需的參數。相對于傳統(tǒng)的坦克火控系統(tǒng),，具有自動檢測功能的坦克火控系統(tǒng)能夠自主完成裝彈,、測距、跟蹤等多項任務，從而能夠有效地降低系統(tǒng)的射擊反應時間,，提高系統(tǒng)的戰(zhàn)斗射速,；三是可以降低坦克乘員的工作負荷，提高持續(xù)作戰(zhàn)能力,。圖像目標檢測技術可以提高搜索效率,，并將檢測結果發(fā)送至火控計算機，由火控計算機自動操控火炮實現(xiàn)對敵方目標的自主打擊,。在這個火力打擊過程中,，乘員只需要對火控系統(tǒng)的自主打擊行為進行監(jiān)控，在火控系統(tǒng)出現(xiàn)異常時,，可以及時取消自主打擊行為,。與現(xiàn)有坦克火力打擊工作模式相比，這種工作模式能夠有效降低坦克乘員的操作難度與操作任務量,，提高其持續(xù)作戰(zhàn)能力,。

在具體的算法原理上，ATLAS主要是通過構建大規(guī)模的圖像數據集,，然后通過機器自動學習訓練獲取網絡參數,，從而更高效地表達樣本特征并精確檢測目標，具有較強的自學習能力,。直白地說,，ATLAS的核心目標是使用一系列人工智能、軟件平臺和自主系統(tǒng)將戰(zhàn)場環(huán)境中獲取的“威脅目標”（是否具有威脅,，例如識別平民,、敵人，取決于人工智能判斷的理論原則）,，進行自動檢測與分析識別,，再通過人工智能系統(tǒng)與戰(zhàn)斗人員協(xié)同交互，以極快的速度控制武器響應,。ATLAS使用人工智能輔助目標檢測與識別,，一旦“威脅”數據輸入到程序中，ATLAS會處理地形,、可用武器,、威脅距離、威脅數量等變量,，以確定適宜的射擊系統(tǒng)來應對給定的威脅,。操作員只需點擊按鈕，就可以評估并遵循智能系統(tǒng)的建議,，在識別出威脅的幾秒鐘內向武器系統(tǒng)發(fā)送射擊指令。美軍參與測試的人員評價：“這絕對是一項了不起的技術”。ATLAS能獲得如此高評價實際上是一件令人吃驚的事情,，因為這意味著美國陸軍在將人工智能應用于坦克等地面突擊平臺火控系統(tǒng)的實用化進程中,，對于很多困擾已久的問題取得了突破——比如，大規(guī)模的圖像數據庫是研究坦克火控系統(tǒng)圖像目標檢測技術的基礎,，坦克火控系統(tǒng)戰(zhàn)場目標數據庫與普通的數據庫有較大的區(qū)別,，當前主流的目標檢測數據庫，主要包含交通工具,、動物,、家具、電子產品等生活中常見的目標,，部分數據集中含有裝甲車輛,、人員以及無人機等目標，但數量較少,、種類不全且背景簡單,。坦克火控系統(tǒng)目標數據庫中的目標種類應該主要是坦克火力打擊的目標，如裝甲車輛,、武裝人員,、碉堡以及低空飛行器等能夠對坦克裝甲車輛或人員產生威脅的目標。同時,，還應該考慮光線,、氣候、遮擋,、偽裝,、目標大小、目標姿態(tài),、背景,、清晰度等各種因素。如果圖像數量少或其他因素考慮不足,，利用該數據庫訓練得到的檢測模型泛化能力不夠,，在實際應用時就容易出現(xiàn)漏檢、誤檢的情況,，實戰(zhàn)效果較差,。所以必須建立大規(guī)模的戰(zhàn)場圖像目標數據集，但由于數據集中目標種類繁多,、圖像數量多,，并涉及到微光、可見光以及紅外等不同波段的圖像,，建立如此大規(guī)模的數據集,，對于任何一家科研單位而言都是一個龐大的工作量,，難度較大。再比如,，模型是圖像目標檢測技術的核心,，利用相同的圖像數據庫訓練不同的模型，得到的檢測結果有較大差距,。隨著深度學習,、人工智能技術的不斷發(fā)展，相比于傳統(tǒng)的圖像目標檢測模型,，基于深度學習的目標檢測模型取得了突破性的進展,，已成為當前主流的研究方向。但由于地面戰(zhàn)場環(huán)境極其復雜,，以及較遠的觀測打擊距離,，在建模過程中，需要考慮目標類型,、目標尺寸以及目標信息不完整等因素,；同時，信息化戰(zhàn)場態(tài)勢瞬息萬變,，需要在保證圖像目標檢測精度的條件下,，盡可能地提高圖像目標檢測的速度。此外,，當前大部分圖像目標檢測方法主要針對靜態(tài)圖像,，而在實際作戰(zhàn)過程中，主要是視頻圖像,，但目前針對視頻圖像的目標檢測技術研究不足,。當前的各種基于深度學習的圖像目標檢測模型還存在許多不足，難以滿足實際需求,，這也是目前圖像目標檢測技術沒有在坦克火控系統(tǒng)應用的最主要原因,。同時還需要看到，基于深度學習的圖像目標檢測模型通常具有較多的模型參數以及較大的計算量,，但坦克,、步兵戰(zhàn)車等地面裝甲突擊平臺戰(zhàn)斗艙內空間狹小，電氣部件眾多,，因此,，對圖像處理平臺的體積、功耗以及計算能力具有較高的要求,，由于深度神經網絡具有多個隱藏層,，其內在的并行性要求硬件平臺必須具備大規(guī)模并行體系結構，以及優(yōu)秀的計算加速能力,。

顯然,，ATLAS能獲得美國陸軍的高度評價,，暗示著對于上述這些制約因素已經有了突破或是較好的解決辦法。目前,，除美國之外其他各國陸軍基于深度學習機器視覺的圖像檢測識別基本都處于起步階段,，這里不單純是人工智能技術的限制。機器學習訓練所需的實戰(zhàn)數據是除去算力和算法之外對人工智能融入主戰(zhàn)戰(zhàn)備效能影響最大的因素,，關鍵的是實戰(zhàn)數據并不能通過平時訓練或演習取得的數據能夠代替的，用于機器學習訓練的實戰(zhàn)數據集對于人工智能融入軍事領域在某些方面有著至關重要的影響,。美軍真正對于作戰(zhàn),、訓練數據的收集與運用始于越南戰(zhàn)爭時期，長達半個世紀的實戰(zhàn)數據分析與運用已經達到全球絕對領先的程度,，而其他國家對于實戰(zhàn)數據的收集與運用是在近些年才得到逐步重視,，普遍嚴重缺乏實戰(zhàn)圖像數據積累，屬于難以逾越的劣勢,。不過即便如此,，美國陸軍的ATLAS并非是完全自主的智能化火控系統(tǒng)，最終的武器指令需要通過人機交互實現(xiàn),，最終決策者還是人,，所以ATLAS只能被稱為半智能化火控系統(tǒng)。

真正智能化/自主火控系統(tǒng)的定義是：在目標自主搜索和識別,、目標自主跟蹤,、打擊優(yōu)化決策、自動火力打擊實施等技術的基礎上,，利用人工智能,、自主控制等技術，實現(xiàn)目標火力打擊全過程無人化,、自主化的火控系統(tǒng),，整個工作過程中沒有人為因素干預，完全依靠系統(tǒng)本身實現(xiàn)在非結構戰(zhàn)場環(huán)境下的火力打擊,，在自主化火控系統(tǒng)中人只起到環(huán)外的監(jiān)視作用不干預火控系統(tǒng)的行為,。當前，美國陸軍已經開始在最新版本的M2“布雷德利”步兵戰(zhàn)車上裝備ATLAS系統(tǒng),。新版本“布雷德利”步兵戰(zhàn)車加裝ATLAS后,，通過使用先進傳感器、機器學習算法和觸摸屏顯示器來實現(xiàn)目標搜索和打擊過程的自動化,，使作戰(zhàn)人員能夠以更快的速度響應威脅,。ATLAS系統(tǒng)利用人工智能算法對來自紅外攝像頭的圖像和視頻輸入進行搜索以識別潛在目標，并將識別結果高亮標注在顯示屏上,，從而為火控制系統(tǒng)提供詳細的目標瞄準數據,。ATLAS系統(tǒng)智能火控制系統(tǒng)通過觸摸屏顯示器,，替代傳統(tǒng)的操作臺，由士兵確定是否使用50毫米口徑的XM913機關炮打擊目標,。XM913機關炮比美國陸軍早期版本的“布雷德利”步兵戰(zhàn)車上使用的25毫米機關炮強大許多,，有效射程大幅增加，打擊效能提高275%,，并且具備使用可編制彈藥的能力,。如果士兵在觸摸屏上點擊步兵目標，系統(tǒng)會自動旋轉50毫米機關炮鎖定目標,，自動選擇適配彈藥,，連續(xù)向敵方目標發(fā)射短點射或長點射，系統(tǒng)甚至能夠根據敵方隊形調整爆炸點,。

除了新版本的M2“布雷德利”步兵戰(zhàn)車外,，美國陸軍還計劃在現(xiàn)役的M1A2SEPV2主戰(zhàn)坦克上應用ATLAS系統(tǒng)。2020年8月開始,，美國陸軍就組織現(xiàn)役坦克部隊測試ATLAS,，并為開發(fā)團隊提供反饋，目的是盡快改進系統(tǒng)以實現(xiàn)部署,。在美軍阿伯丁試驗場的測試中,，ATLAS系統(tǒng)識別的“威脅”目標被發(fā)送到觸摸屏顯示器，并被垂直排列在屏幕左側,，屏幕中間顯示坦克火炮當前瞄準的目標,，屏幕四周是不同的控制選項，包括彈藥,、火力類型,、攝像機設置等。用戶點擊屏幕左側的目標后,，坦克會自動旋轉火炮至該目標的擊毀點,，同時火力控制系統(tǒng)自動推薦適配彈藥。使用ATLAS系統(tǒng)的坦克從目標探測到打擊過程只需要幾秒,，一旦摧毀了目標,，用戶可點擊屏幕，選擇ATLAS推薦的下一個目標,。測試結果表明,，在相同的時間內使用ATLAS系統(tǒng)進行識別、瞄準和打擊的效率是傳統(tǒng)手動操作的3倍以上,。目前,，美軍通過一系列“融合計劃”演習，驗證了使用人工智能等新型技術將各種傳感器和武器結合起來的可行性,。盡管ATLAS目前尚不具備聯(lián)網能力,，但已經具備自動探測威脅并推薦打擊方案的能力,。ATLAS系統(tǒng)在一系列“融合計劃”演習中的出色表現(xiàn)，標志著人工智能技術正成為美陸軍戰(zhàn)場最前沿的制勝秘鑰,。

余論

人工智能在軍事層面的數據處理能力可以縮短決策時間,，是實現(xiàn)分布式智能作戰(zhàn)體系功能的核心技術，幫助識別現(xiàn)有模式難以探測的威脅,，機器賦能的洞察力可以幫助指揮員理解對手行為模式,，預測敵方未來可能采取的行動。人工智能為軍事領域帶來的能力是顛覆性,、革命性的,，要站在更高的維度審視這種能力帶來的巨大影響。美軍認為所有的軍事問題均為系統(tǒng)科學問題,，所以技術進步就必然會推動其作戰(zhàn)概念革新，這也是當前美國陸軍著力將ATLAS這類人工智能技術成果嵌入到現(xiàn)有地面突擊平臺裝備的深層原因,。通過對現(xiàn)有坦克火控系統(tǒng)部分功能的智能化改造和設計,，綜合運用智能控制、圖像處理,、優(yōu)化決策等技術以及計算機控制系統(tǒng)快速準確的優(yōu)勢,，實現(xiàn)坦克火控系統(tǒng)操控的部分智能化，不僅能夠簡化乘員的操控復雜程度,，縮短射擊反應時間,，而且能夠提高射擊精度，做到“先敵發(fā)現(xiàn),，先敵開火”,。技術插入型半智能化火控系統(tǒng)通過傳感器能夠自動獲取目標距離、圖像,、運動狀態(tài)等信息,，對多目標進行統(tǒng)一捕捉和跟蹤，依據智能輔助決策子系統(tǒng)對目標進行威脅度評估,，實現(xiàn)對目標的實施規(guī)劃和打擊決策,，與原火控系統(tǒng)中乘員依據平時作戰(zhàn)經驗和目標發(fā)現(xiàn)順序進行目標打擊的方式相比，具有更高的科學性和合理性,。

此外,，通過目標識別子系統(tǒng)、目標跟蹤子系統(tǒng)和目標自主打擊子系統(tǒng),，可以代替炮長自主完成對戰(zhàn)場目標的搜索,、跟蹤、瞄準和打擊,。新型火控系統(tǒng)采用“人機協(xié)同集中捕獲目標,，系統(tǒng)智能打擊”的打擊模式,，做到了“功能不減反增，性能不降反提”,。充分發(fā)揮計算機運算速度快,、精度高，反應時間短的優(yōu)勢,，采用目標自動跟蹤和自主打擊的方式,，克服在目標機動條件下人為操作誤差大、效率低,、命中精度低的缺點,，大大提高坦克對目標的快速瞄準和精確打擊，提高了火控系統(tǒng)的整體性能,?？傊粋€理想的技術插入型半智能坦克火控系統(tǒng)圖像目標檢測系統(tǒng),，應該是既能高效地實現(xiàn)對戰(zhàn)場目標的自動檢測,，同時又能與坦克火控系統(tǒng)的其他功能模塊相匹配，提高坦克火控系統(tǒng)的智能化與信息化程度,，并減輕坦克乘員的工作負荷,。在這一領域，美國陸軍已經走在了各國前列,。而包括我國在內的其他國家,，之所以在這一領域進展相對落后，則有著復雜的原因,。目前,，算法方面得益于民用領域自動駕駛、機器視覺,、無人機等技術的突飛猛進,，與國外發(fā)達國家差距并不明顯，甚至具備局部領先,；算力方面雖然高性能運算芯片受到美國限制,，但是現(xiàn)有技術完全可以滿足目前戰(zhàn)術層面的算力需求；但是,，實戰(zhàn)訓練數據集方面還遠遠無法滿足需求,，導致算法也不容易確定正確的升級演進方向。只有加大力度建立戰(zhàn)術圖像數據采集處理中心,，才有希望解決機器視覺算法與數據同步升級演進的問題,，這是實現(xiàn)數據方面彎道超車可行的途徑。

結語

得益于基于AI技術的機器視覺、機器學習,、目標識別等人工智能技術的日益成熟和廣泛應用,，對人工智能技術進行軍事應用領域轉化和系統(tǒng)集成的“智能火控增強系統(tǒng)”可顯著提升現(xiàn)役坦克裝甲車輛的作戰(zhàn)效能。事實上,，人工智能與傳統(tǒng)高新技術裝備“看得見,、摸得到”的性能提升，有著極其本質的不同,，智能自主武器裝備的“性能”核心體現(xiàn)在“認知力,、鏈接力、洞察力”等更高,、更深的維度層面,。人工智能雖然并不神奇，但是運用于軍事領域卻可以足夠強大,。美軍一直強調：絕對不能將人工智能和自主化等新興技術視為只是改善或彌補當前作戰(zhàn)體系的輔助手段,，而是要在新技術的基礎上創(chuàng)新新的作戰(zhàn)概念、新的戰(zhàn)術,、構建全新的作戰(zhàn)“體系”,。“戰(zhàn)術”將不再完全是官兵臨機發(fā)揮的智慧,，而是“算法的擬合”。新體系能夠提供更大的適應能力,，能夠動態(tài)抓取戰(zhàn)斗力,，快速形成分散、異構的部隊配置應對威脅,；能夠在瞬息萬變的戰(zhàn)場環(huán)境中給敵方制造更大的困境,，通過機器賦能的深刻洞察力，抓住敵方或其他對手轉瞬即逝的薄弱環(huán)節(jié)給予其“致命一擊”,。