大數據和人工智能是當前發展最為迅猛的技術，世界先進國家都紛紛將大數據和人工智能技術上升為國家戰略。2012年我國計算機學會編制了《中國大數據技術與產業發展白皮書》，2015年“大數據”寫入國家《政府工作報告》。自從AlphaGo戰勝圍棋世界冠軍李世石之后，人工智能技術得到了爆炸式的發展，美、歐、日等國家紛紛將人工智能上升到國家戰略層面。2017年7月國務院印發《新一代人工智能發展規劃》，人工智能正式上升為國家戰略，這是中國首個面向 2030 的人工智能發展規劃。大數據和人工智能加速應用于武器裝備體系，催生了新的武器裝備體系類型的誕生，并且其武器裝備體系的概念內涵、本質特征和內在規律等基礎研究也出現了全新特征。從目前技術發展狀態上看，在今后一段時間內武器裝備體系及其基礎研究主要有以下幾個方面。

大數據支持下武器裝備體系復雜性和不確定性研究展望

關于大數據的特征，2001年DougLaney最先提出“3V”模型，包括數量(Volume)、速度(Velocity)和種類 (Variety)，隨后又加入價值性(Value)特征。后來一些學者將變化性(variability)、復雜性(complexity)和準確性(veracity)也作為大數據的特征。目前從技術層面上看，大數據目前存在異構性和不完整性、規模、時效性、隱私性、人員協作、訪問與共享、數據管理政策等方面的挑戰，需要突破的基礎科學問題包括：大數據復雜性的內在機理，大數據的可計算性及新型計算范式，大數據處理系統的效能評價與優化等。

武器裝備體系具有很強的復雜性和不確定性，尤其是復雜戰場物理環境對武器裝備體系影響的復雜性與不確定性，對武器裝備體系作戰效能產生極其重要的影響。一直以來的做法是在物理環境因素與武器裝備性能之間建立具有因果關聯的數學物理模型，隨著技術的發展和時代的變遷，目前在很多情況下，這種方式遇到了瓶頸，無法獲得突破性進展。基于大數據技術和機器學習(尤其是深度)算法的發展，為有效處理武器裝備體系復雜性和不確定性提供機遇。事實上，武器裝備體系在復雜的作戰環境下實現對敵方目標的感知、探測、識別和定位，就是從低信噪比的數據中找到目標特性。而大數據和深度學習具有從大容量、高速率的數據中快速找到有價值信息的天然優勢。因此以武器裝備體系收集的巨量數據作為輸入，采用大數據和深度學習的方法，找到隱藏在其中的目標特性，是應對武器裝備體系復雜性和不確定性的一個重要研究課題。

無人智能武器裝備體系研究展望

當前人工智能正在加速向軍事領域轉移，這必將對信息化戰爭形態產生沖擊甚至是“顛覆性”的影響，人工智能的快速發展使得新的戰爭形態——“智能化戰爭”指日可待。

無人智能是人工智能的一個重點方向，在武器裝備層面上，各式各樣的空中無人智能機器(群)、陸上無人智能機器(群)、水面水下無人智能機器(群)等紛紛被推出，未來在陸、海、空、天各個領域將形成類似于“狼群”、“魚群”“蜂群”等各類無人集群，實施全域無人集群攻擊與防御的新作戰模式。立體化無人智能武器裝備體系基于群聚生物的協作行為與交互方式，通過多分布式集群傳感器的全方位偵察探測實現戰場感知優勢，通過智能自主決策與自動任務分配縮短OODA環周期獲得戰場速度優勢，通過多平臺自適應自優化的攔截、打擊、壓制、防護等有機性行動，獲得群體高度一致的協同優勢。因此，構建立體化無人智能武器裝備體系是應對未來智能化作戰的一個重要前提，也是未來需要重點開展研究的方向。

裝備體系生命力層次結構

面向集群作戰方式的立體化無人智能武器裝備體系具有去中心化、自主化、集群復原等新特征。目前無人智能武器(群)的技術研究主要集中在智能技術上，例如單機智能、多機智能協同、任務自主智能技術，以及面向集群的持續學習、對抗學習和魯棒決策等方法研究。從體系角度，對于立體化無人智能武器裝備體系在作戰使用過程中出現的復雜戰場環境自適應復雜性、自主決策飽和打擊的適用性和危害性、集群內部隱秩序以及外在表現的結構行為有機性等方面，是未來一段時間內無人智能武器裝備體系研究的一個重點方向。

智能增強的武器裝備體系研究展望

無人智能武器裝備體系是無人或極少有人干預(如決策是否攻擊可能需要人的干預)的情況下，無人集群具有全自主或絕大多數情況下自主行為。智能增強武器裝備體系則是無人與有人作戰裝備協同一體，以及基于人機智能共生的武器裝備構成的有機整體，實現人機功能互補、優勢互補增強作戰能力。無人與有人作戰裝備協同一體主要用于情報偵察探測與協同攻防，例如有人機與無人機協同、有人艦艇與無人艦艇協同等，2016年10月，美國海軍三架超級大黃蜂戰斗機總共投放 103 架山鶉小型無人機，進行組網通信和智能協同，以及自行完成編隊集結、搜索定位和攻擊任務等演示驗證。人機智能共生的武器裝備是人智慧和機器智能相結合，很大程度是通過機器超強的計算推理能力來增強人對戰爭的應對能力，主要應用于戰場認知與輔助決策上。在戰場認識上，主要通過人工智能對海量數據自動分析與識別的強大計算能力，極大提升信息處理速度和質量，最大程度撥開了“戰爭迷霧”，極大增強作為主導戰爭的人對戰場的認知能力。在輔助決策上，主要通過機器的快速推理能力和對戰效果高效評估反饋能力，形成高質量的輔助決策信息，加上人的“指揮藝術”的創造性和獨特性，增強復雜戰場環境下的決策指揮能力。因此，無人與有人裝備協同體系、基于人機智能共生的裝備體系將是未來一段時間內的重點發展方向。

目前對于智能化戰爭一個最大的爭議在于無人裝備的自主決策(尤其在自主決策攻擊上)上，有人認為這會帶來一些我們無法接受的風險，甚至有人認為會導致人類的滅亡。這也恰恰說明目前人工智能尚有很多的基礎難題尚未突破。2018年8月2011年諾貝爾經濟學獎獲得者Thomas J. Sargent在世界科技創新論壇上表示：“人工智能就是統計學，只不過用了一個很華麗的辭藻”。2017年丘成桐教授在CNCC大會上也指出，人工智能的理論基礎非常薄弱，需要一個可以被證明的理論作為基礎。李國杰教授指出目前人工智能存在莫拉維克悖論、新知識悖論和啟發式悖論。從體系角度，構建智能增強武器裝備相關技術層次結構和組成關系，梳理急需解決的關鍵技術難題，多方面綜合性地解決人工智能存在的悖論，這是未來智能增強的武器裝備體系急需要開展的工作。

武器裝備體系生命力理論研究展望

隨著武器裝備體系正朝著無人化與智能化方向發展。人們開始將目光投向自然界的復雜體系及其表現出來的整體特性，如蜂群和蟻群，通過類比的方法，用于指導武器裝備體系的設計。無論是蜂群、蟻群的智能或是人類的智能，都是通過低層次個體的自主性協同涌現出來的高層次的整體屬性，這是智能的本質。體系群體智能產生的條件是具有自主性個體之間的通信、形成網絡與計算，這些能力恰恰是武器裝備體系所具有的，因此武器裝備體系具備了產生出群體智能的基本條件，也就是形成了武器裝備體系的生命力。

但是群體智能只是自然界有機生命體系的一種重要屬性而已，武器裝備體系在物聯網、云計算、大數據分析與人工智能算法等新技術的支持下，具備了產生有機生命體系更多屬性的能力，稱為生命有機性，包括自感知、自決策、自恢復、自學習、自優化與自進化，這些屬性將傳統的武器裝備體系從無機體系改造成為有機體系，具有生命有機性。將體系生命力分為生存力、Cyber力、恢復力、學習力和進化力五個層次，這五個層次既代表了體系改進的難易程度，也代表了體系進化的遞進關系。在每一層次上都有其獲得的標志性有機特性。具有生命力的武器裝備體系將具備足夠的感知、決策和優化能力，成為具有一定獨立作戰能力的超級體系，大大提升作戰效能。如何實現并獲得體系生命力是一個需要開展研究的方向。