关于在KSA部队中人工智能的可能应用领域
人工智能技术在外国武器中的应用
当前，人工智能（AI）技术已在世界范围内广泛使用。
人工智能技术基于机器学习，人工神经网络和大数据技术（异构数据的超大型数组）。 AI可以在任何复杂的技术系统中用于各种目的。 它的鲜明特征是高度适应性和自学习能力。 人工智能的理论基础包括：概率论，数理统计，人工神经网络，模糊逻辑，心理学，语言学和计算机技术。
由于直觉被证明是无意识的模式识别[1]，因此在解决需要直觉的问题（包括与预测他人行为有关）方面，人工智能已经超越了人类。 人工智能对于管理和监视非常快或太慢的流程必不可少。 数学分析还表明，仅使用计算算法就存在根本无法解决的问题[2]。
在经济的商业领域，人工智能技术被广泛用于解决以下问题：
-在有干扰的情况下识别和翻译多语言语音流；
-文本识别，文本情感识别，短语继续预测，文本翻译；
-从大量数据中以自然语言创作原始文本；
-密码术（文本解密），生物体基因组解码；
-将二维图像合并为三维图像（例如，制图，断层扫描，放射学）；
-人脸识别，照片情感识别，照片真实性识别，手写文本识别，区域图像识别；
-预测建筑物和构筑物的强度；
-智能培训系统；
-财务计划，销售，股市博弈，证券投资组合管理，评估发放贷款的可能性（评估申请人的信誉度和贷款额度）；
-物流（订购和管理货物和部件的运输）；
-分析医疗系统中的复杂数据，诊断和治疗，药物选择，精神状态预测；
-搜索恶意软件；
-搜索网络漏洞；
-游戏，包括可能有虚张声势的纸牌游戏；
-技术系统的诊断；
-法律咨询和刑事诉讼，包括对特定法官的法院判决的预测；
-在3种物理环境中的自主和自动导航（车辆交通控制）；
-灵活的交通管制（交通灯控制）；
-定理的证明，假设的形成，专家系统的知识库的形成；
-合成复杂物体：合成新药，合成具有所需特性的复杂有机化合物，合成新生物的基因组。
每个职位的软件产品总数非常大。 表1列出了一些商业AI软件产品的示例。
表1
一般而言，所有主要的全球性（Google，Facebook，Amazon）和俄罗斯（Vkontakte，Mail.group，Yandex）的IT公司都在其商业产品（社交网络，在线服务）服务中采用AI技术（文本翻译，图像识别） ，用户偏好设置，垃圾邮件和恶意软件以及该区域的图片），这些信息会明确或秘密地由用户使用。
AI技术在国外武器系统中的普及程度目前不及经济商业领域；但是，在这些系统中，包括防空和导弹控制系统在内的此类技术的使用呈爆炸性增长防御系统。
在美国，以色列和英国的军队中发现了AI技术的最广泛采用。 例如，美国国防部（DoD）建立了AIIC联合JAIC中心和AI特遣队A-AITF。
卡内基梅隆大学已成为国防部AI技术的主要开发商。
此外，15年2014月3日，美国国防部长查克·黑格尔（Chuck Hagel）在国防创新计划（DII）的声明中宣布了第三次偏移战略（CK-3），旨在通过大规模使用来确保世界军事优势在武器系统中的人工智能[XNUMX]。 国防部专家以与火药和核武器发明相同的方式评估将AI引入战争领域的方法 武器：这是一个可以完全改变武装斗争范式的因素[4]。
预计人工智能一方面可以打破国家人口与经济实力之间的联系，另一方面可以打破武装力量之间的联系。
通过引入AI技术来改进武器系统是使它们现代化的最便宜，最具成本效益的方式：这种方法不包括材料，组件，电子组件库（EEE），模型和原型的生产成本，测试成本减少了，因为它们的体积较小。 此外，这些技术不依赖于国外材料，电子元件和生产设备的供应。 美国的经验表明，人工智能可以为现有武器甚至是过时的武器增加新的品质。
在先前命名的国家的武器系统中，几乎所有的AI技术都基于人工神经网络。 使用基于它们的专业AI：
-在自动驾驶（无人驾驶）车辆中（用于空中，水和陆地环境）；
-在导弹防御系统的控制系统（THAAD，爱国者）和已开发的定向能量武器系统中，人工智能使反对目标的超音速与决策速度成为可能；
-在 飞机 用于训练飞行员的模拟器，尤其是在可操纵的空战中，AI相对于飞行员具有稳定的优势[5]；
-搜索武器中的恶意软件（软件）和网络漏洞。
表2中显示了为国防部开发的AI武器设计的一些示例。
表2
AI技术在防空防御部队CSA中的可能应用领域
迄今为止，防空防御部队的编队，军事单位和子单位（以下简称防空防御部队）的自动化设备（KSA）系统主要使用经典的计算算法。 同时，在战斗过程中，有许多任务只能由航空航天防御指挥所的战斗队人员来解决，或者根本无法解决。
因此，例如，目标分配任务不会自动解决，但要考虑到较低军事编队的作战人员的训练水平，雷达肖像对目标类别的识别以及目标轨迹预测和目标战术指定（许多“显而易见”的目标（例如弹道目标）。 间接证实这一事实的事实是，当在控制目标上进行工作或在远距离进行训练和战斗射击时，机组指挥官很少做出选择选择KSA和战斗控制点（PBU）的自动操作方式的决定。
同时，战斗人员承受压力，疲劳并接受不同程度的训练，这不能确保解决上述任务的质量的稳定性。 此外，与军事人员不同，人工智能系统不存在彼此或与操作员之间的心理兼容性问题，并且也易于重新训练。
值得认真关注的事实是，美国和许多其他世界领先大国正在大力投资开发具有AI的完全自动攻击无人飞行器（UAV），这种无人驾驶飞行器能够在有争议的空间中运行而无需外部支持（表格1）。 因此，在不久的将来，防空和导弹防御部队将面临自主无人机将结合载人平台的情报和无人平台的可操纵特征的局面，这将大大增加防空作战的动力并使它复杂化。自然。 在这种环境下，防空导弹防御部队指挥所的作战人员将无法实时做出决策。
尽管俄罗斯武器的AI领域明显落后，但有必要取消这样一个事实，即AI在当今美国陆军武器中的普及程度也明显不及软件产品的商业领域，这缩短了两者之间的距离。该细分市场中的国内外军事装备，并有可能减少这种中断。
人工智能可以找到解决以下主要任务的应用，这些主要任务是防空导弹防御部队的KSA的传统计算算法无法解决且不能完全解决的：
-通过信号标志识别目标的类别和类型，在干扰背景下识别目标（解决了射频范围内的图像识别问题）；
-通过轨迹特征识别目标的类型和类别；
-通过结合目标标志，有关地形的信息和防御对象来识别目标和一组目标的战术名称（揭示敌人的打击意图）；
-利用“智力”干扰，积极追踪机动目标，包括发射各种诱饵，陷阱，飞机武器的目标；
-解决评估受控制的火力和侦察手段的战斗人员的准备水平的问题（基于先前的战斗经验，在真实规模上，即直接在战斗中，以累积规模评估）；
-解决目标分配和目标指定的问题，同时要根据目标的类别和战术目的以及对下属战斗队的训练水平，同时预测目标的运动和动作。
此外，带有AI的KSA可以解决以下辅助任务：
-在管理文件确定的典型情况下，各种计算编号的动作算法的自动化（例如，当值官在检测入侵飞机时的动作，使战斗准备达到最高水平等）；
-创建各种培训突击行动（协助开展突击行动和执行罢工计划），实现互动的（与受训者计算行动有关的）培训目标行为；
-协助进行计算，以识别KSA本身的故障单位，并根据其在作战行动中的行动结果评估下属资产的可使用性。
这样的KSA不仅可以有效地解决防空战斗的准备和进行任务，而且可以有效地解决防空作战任务。
在武器系统开发的下一阶段，人工智能技术可以找到其在解决问题中的应用：
-在干扰背景下进行目标识别；
-作战行动的自学和模拟（包括模拟过程中的自学）；
-在训练战和作战行动中自动提取知识（积极经验）；
-在KSA的应用领域中积累和应用有关敌方战术特点的知识；
-在具有大量异构信息的公共信息空间中解决问题（大数据技术）：有关气象条件，一天和一年中的时间，地形，工程，辐射，化学和生物条件，非雷达（无线电和无线电）的数据工程，光学，情报）情报信息。
因此，具有AI的CSA可以训练（换句话说，它可以另外吸收其他战斗人员在其他控制点获得并系统化的新战斗经验）和自学习功能（即，它可以基于其自身来修正启发式算法）自己的战斗经验，并考虑到特定地形，敌人，相互作用的部队，从属手段的特殊性）。
人工智能技术将使最有经验的战斗人员的经验的应用和传播，以及向所有防空导弹防御部队的实际战斗经验的自动化传播成为可能。
在其发展过程中，具有AI的KSA能够从根本上帮助制定新的战术来应对航空航天敌人，这与AI技术在其他应用领域（例如国际象棋）中的情况类似被认为是双方作战的简单模型。
因此，例如，在7年2017月8日，Google的AlphaZero软件击败了2016年计算机程序世界冠军Stockfsh 6 [8]。 Stockfsh 70获得了数百年来下象棋所获得的人类经验以及数十年来国际象棋计划中的数据。 她每秒可以分析80万个国际象棋位置。 AlphaZero的计算速度仅为每秒8万次操作，该程序的创建者并未教授她的象棋策略-甚至没有标准的开口。 在精通国际象棋时，AlphaZero使用了最现代的机器学习方法，自己玩耍。 尽管如此，在与Stockfsh 28进行的一百场比赛中，AlphaZero赢得了72并吸引了8名。AlphaZero花了四个小时来学习如何下棋并为与Stockfsh 4的比赛做准备。 在四个小时内，无需任何人工帮助，AlphaZero程序就从完全的无知变成了精通巅峰。 换句话说，几千年来，AlphaZero在XNUMX小时内发现了比全人类更有效的游戏策略。
为防空导弹防御部队的KSA创建的AI技术及其发展经验很容易在将来扩展到其他控制系统，这些控制系统包括：俄罗斯。
在防空防御部队的CSA中实施AI技术的可能方法
由于俄罗斯开发人员在使用AI创建系统方面经验有限，因此建议通过主动研发（或初步项目）着手开发用于防空导弹防御部队CSA的AI技术的任务。确定（选择）使用AI创建有前途的CSA的技术。
似乎在第一阶段，为了降低开发风险，最佳解决方案可能是使用基于AI的CSA，该CSA基于带有形式逻辑的启发式算法（具有知识库的专家系统），并使用现有的ECB构建。 这种方法将更便宜且更易于实施。
随着特殊ECB和技术能力的发展，KSA的进一步发展将是引入基于人工神经网络的AI技术。
在拟议的研究工作的框架内，建议设置以下任务来解决：
1.从各种来源（信息网络，期刊，书籍）收集有关现有商业和军事外国信息和技术系统以及使用AI技术的俄罗斯经济商业领域中类似系统的信息。 信息系统化。 搜索AI所解决的商业和军事部门的任务与防空导弹防御部队在敌对行动期间产生的任务的对应关系。
2.建立领域本体。 选择和论证在KSA中使用防空导弹防御部队的最佳AI技术。 通过人工智能解决问题的最佳自动化水平的选择和证明。
3.选择和证实建立具有AI的CSA知识库的最佳方法。
4.选择和证实从作战人员中提取必要知识和经验的最佳方法，以及构成作战行动现有经验的方法。
在执行这项研究工作期间获得的科学技术成果应在将来在创建新一代CSA的开发工作过程中应用。
发现
在未来的中期武装冲突中，重心将转移到武器控制与侦察系统之间的对抗，因为为了确保在世界上的军事优势，美国选择了大规模使用人工智能的战略在武器系统中，如图所示 历史的 追溯，将迫使其他国家走同样的道路。
看来，应对领先世界大国有前途的高科技智能防空导弹系统的可能有效解决方案之一可能是将AI技术引入防空导弹防御部队的指挥和控制系统。
此类CSA的创建应从其他技术领域的专家系统技术的选择和实施开始，在这些领域中，解决其算法本质上相似的任务。
参考文献：
1. Brian D. Ripley。 模式识别和神经网络。 剑桥：剑桥大学出版社，2011年。
2.罗杰·彭罗斯（Roger Penrose）。 大，小和人的思想。 剑桥大学出版社，1997年。
3.URL：http：//archive.defense.gov/pubs/OSD013411-14.pdf
4.网址：https：//www.csis.org/analysis/assessing-third-offset-strategy
5. Nicholas Ernest等人，基于遗传模糊的人工智能，用于模拟空战任务中的无人作战飞机控制，《国防管理杂志》 6：1（2016），1-7。
6. Google的AlphaZero在100场比赛中摧毁了Stockfsh，Chess.com，6年2017月100日，URL：https://www.chess.com/news/view/google的alphazero在11.02.2018场比赛中摧毁了鱼类，访问日期XNUMX/XNUMX/XNUMX 。
信息