一種面向聯合全域戰場的三重態勢認知架構研究

劉巍，張斌，陳靜

（軍事科學院，北京 100091）

“聯合全域作戰（Joint All-Domain Operation，JADO）”是美軍近幾年提出的一種新的作戰概念，目前發展前景較好、參與度較高。其本質是聯合作戰在信息化智能化條件下的深度發展，也是美軍一直以來聯合作戰指導理論的創新研究成果。

類似于“馬賽克戰”［1］，聯合全域作戰的核心愿景是將所有傳感器與射手末端實時聯通，融合所有領域的戰場要素，快速實施指揮控制。其主要思路是以美空軍的“ 先進作戰管理系統（Advanced Battle Management System，ABMS）”為基礎，發展聯合全域指揮與控制（Joint All-Domain Command and Control，JADC2）的核心能力，依托“信息優勢”生成面向聯合全域作戰的“決策優勢”，相比對手能夠更快地掌握信息、完成決策、實施行動。

近幾年，無人集群自主技術［2］、5G 寬帶信息鏈技術［3］、有人/無人機協同技術［4］、邊緣計算技術［5］等新技術不斷涌現，既增加了感知手段的多樣性和數據獲取的數量級，又提高了信息處理的時效性和決策空間的多維性，對態勢感知與認知技術的發展產生深刻影響。

盡管當前態勢感知系統具有信息匯聚及時、獲取手段多元、末端泛在跨域等技術優勢，但是對高價值信息的自主分析、時敏性情況的智能研判，以及對認知決策的支撐能力仍存在短板，亟需一個更加有效的態勢認知架構。殷來祥等人［6］針對聯合作戰兵棋推演提出了一種綜合分析評估架構，孫光明等人［7］提出了一種聯合作戰方案信息交換模型，但是仍無法滿足戰場理解水平的需求，在強調“認知優勢”的背景下，如何構建一個有效的態勢認知架構，既能夠支撐感知信息的“快速組織”，同時能夠“認知賦能”，增強戰場理解水平，并像人的思考過程一樣持續“深化學習”，是當代聯合全域態勢領域研究的重要課題。

1 聯合全域戰場認知問題

2020年12月，美國前北方司令部和北美防空司令部司令、退役空軍上將Terrence J.O’ Shaughnessy 提出 了“ 全域通用作戰 圖（All-Domain Common Operating Picture，ACOP）”的概念，這也是美軍“通用作戰圖（Common Operational Picture，COP）”在聯合全域作戰概念下的進一步發展和深化。

其實美軍早就提出了“戰場感知”（Battlespace Awareness，BA）的職能概念，在其聯合能力域（Joint Capability Areas，JCA）和COP中都有相關論述?！皯饒龈兄敝饕私鈶饒鲋小坝惺裁础焙汀笆鞘裁础?，是對特定時刻作戰空間的實況描述，而“戰場認知”是對“戰場感知”的“感知”，主要分析背后深層次的“為什么”，除了“感知”的范圍，還具有印證、分析、判斷、理解等一系列活動，是對戰場的整體認識。

但是ACOP更加強調“基于認知目的的自定義可視化效果”，允許操作人員自由定制查看關注的數據，支持在同一個框架內實現多種可視化效果的自由切換，以更好地增強戰場認知，從而輔助指揮員做出正確決策。同時，ACOP 要借助先進的處理能力、機器學習和人工智能等智能技術，通過技術優勢保證決策優勢，在信息流通上具備分層與融合的能力，以便關聯目標軌跡、減少不確定性和提高評估速度。

正如美軍Terrence 上將提到的ACOP 概念，在智能化信息化條件下，對“戰場感知”的傳統認識如COP，已經無法滿足“強調認知、聚焦理解”的未來戰場形勢，態勢認知面臨新的挑戰和新的發展，主要表現在以下幾個方面。

1.1 感知信息爆炸，但認知增值不強

2021年，加拿大皇家空軍專家Brendan Cook 提出，每天都有大量的情報數據需要快速處理，其不斷增長的海量規模對數量有限的作戰分析人員來說，逐漸成為一種無法承受的負擔。美國蘭德公司在2014 年的一份研究報告中也曾指出，經過分析人員處理的數據不足全部情報數據的6%，且有些分析結果無法滿足情報官的使用需求。

在信息化智能化背景下，聯合全域戰場信息的匯聚處理就像一個不停運轉的復雜巨系統，數據來源和形式日趨復雜，感知手段和途徑日益多樣，服務對象和方式日漸豐富，末端傳感器的無人智能化平臺大量涌現，未來戰場是一個感知信息爆炸的數字海洋。盡管能夠“感知”到大量的信息，但是信息冗余、細節淹沒、流量過載等問題也日顯突出，如果沒有經過“認知”分析、篩選處理，對信息進行有效組織，不會產生真正有價值的“基于認知目的”的“新知識”。

1.2 感知手段多元，但認知自主不足

2020 年5月，美太空發展局宣布正在開發新一代的“ 國家安全太空架構（National Security Space Architecture，NDSA）”，計劃依托該架構連接各軍種的指揮網絡和低軌衛星，實時聯通所有作戰域的傳感器與末端射手，助力構建“聯合全域指揮控制”體系，具備高速跟蹤、實時導航與定位、超視距目標瞄準等能力。

隨著多維感知手段的不斷完善，戰場信息的透明度已經得到明顯提高，當前智能化裝備普遍配置了豐富多樣的傳感器，寬帶化網絡增強了實時信息的傳輸當量，全域高效的感知手段能夠掌握最新動態。但是發達的感知網絡是一把雙刃劍，欺騙、干擾、壓制、隱藏等反制手段也同樣顯著提升，快捷獲取的信息情報可能存在不完備或者錯誤引導，造成“只見樹木、不見森林”的戰場認知迷霧。信息時代的這一特點要求利用多元感知手段的同時，具備態勢信息的邏輯判斷和自我反省能力，既能通過基本判斷規避易被欺騙和隱藏的不利因素，又能不斷學習、積累知識逐步提升認知體系對虛假信息和復雜環境的適應能力。

1.3 感知實時多域，但認知時效滯后

2020年4月，美國防高級研究計劃局DARPA公布了美陸軍和空軍合作開展的“用于快速戰術執行的空域全面感知（ASTARTE）”項目，目標是在未來反介入/區域拒止（A2/AD）環境中支撐多軍種的高效動態空域作戰，將最新的相關空域信息實時推送給指揮網絡中的所有聯合部隊，力圖打造一個實時多域的戰場感知網絡體系。

不同于感知網絡強調的“實時掌握”，戰場認知是一個強調“理解”、從原始觀察到形勢分析的“再造”過程。在前信息時代，這個過程更多的是由人來主導、計算機輔助完成，但是隨著信息化戰場節奏急劇加快，“人工+智能”的自動處理過程開始大量采用，面向未來智能化戰爭的技術革新和樣式顛覆，計算機主導的“智能增強”可能成為日常。為應對上述挑戰，美DARPA在2018年啟動了“下一代人工智能（AI Next）”的研究計劃，核心思路是探索機器學習和腦認知科學的深度融合，用以構建類似人類思考和邏輯推理的人工智能工具。面對未來戰場的廣域海量實時數據，如何構建一個態勢認知架構，將戰場理解的活動合理分解，整合人的思考過程和機器的智能輔助，是從機理上提高戰場認知時效水平的重要途徑。

2 三重態勢認知架構

近幾年，隨著機器學習、神經網絡、人機融合和虛實沉浸等各種智能算法［8］和高新技術的快速發展，態勢認知技術也找到了很多新的發力點［9］，但是如何讓一系列的新技術新算法嵌入到戰場認知問題中，迭代實現算法賦能和知識驅動，需要從認知架構的機理上做一些探索。

2.1 通用態勢感知架構

在態勢感知/認知架構研究中，當前認可度較高、應用范圍較廣的是美國心理學家M.Endsley［10］在1995年提出的一種通用態勢感知架構。

Endsley結合飛行員執行空戰任務的OODA環，從“人的活動”的角度對態勢感知過程進行了分解和定義，第一層是覺察（Perception），主要獲取當前態勢的重要信息；第二層是理解（Comprehension），主要融合處理并理解所獲取的信息；第三層是預測（Prediction），主要基于當前態勢分析未來狀態和發展趨勢，形成預測態勢。

國內外很多學者后來都以Endsley 提出的通用態勢感知架構為基礎，做出了進一步的深化和發展。王永利等人［11］調研了國內外的態勢感知、理解、預測與復盤的研究現狀，結合Endsley 提出的“覺察-理解-預測”三級結構，設計了一種面向態勢認知的總體技術框架。王闖等人［12］針對防空反導戰場的態勢估計過程，探討了防空反導態勢的構成要素，基于通用態勢感知架構設計了一種防空反導智能戰場態勢估計的系統模型。呂學志等人［13］分析了戰役級態勢認知的概念要素和構成特點，基于“態勢察覺-態勢理解-態勢預測”結構構建了戰役級態勢認知框架，描述了框架各個組成部分的功能、作用和主要模型。

上述學者對態勢感知/認知模型的研究，基本上以Endsley提出的通用態勢感知架構作為理論基礎，呈現“察覺-理解-預測”的三級結構。但是，通用態勢感知架構強調“人的感知活動”，沒有考慮“人類心智”“自我學習”等“認知活動”，需要做出一定改進。

2.2 三重態勢認知架構設計

受人工智能研究領域“認知智能”的啟發，本文考慮了人的“心智模型”在態勢認知中的機理作用，通過調研，優選了2 種有助于態勢認知架構設計的心智模型供大家探討。

美國心理學家Daniel Kahneman［14］在2012 年提出了一種描述人的認知推理過程的“雙系統理論”，即人腦在思考的時候，會有2 個系統“System 1”和“System 2”，其中System 1 為直覺系統，負責快速匹配，它具有無意識性，會根據刺激不經過思考直接做出反饋；System 2為理性系統，負責邏輯分析，它帶有意識的生產，會經過大腦規劃推理做出慎重決策。2 個系統的特點如表1所示。

表1 Kahneman提出的雙系統理論Tab .1 The dual system theory introduced by Kahneman

另一方面，加拿大心理學教授Keith E.Stanovich在1989年提出了一種三重心智模型［15］，將人的認知過程和認知能力分為自主心智、算法心智和反省心智3個層級，用以解決心理學研究中的“理性障礙”問題，其特點如表2所示。

表2 Stanovich提出的三重心智模型Tab.2 The threefold mental model introduced by Stanovich

受到Kahneman 提出的雙系統理論和Stanovich 提出的三重心智模型的啟發，本文對Endsley 提出的“覺察-理解-預測”三級態勢感知架構進行改造，引入“注意”和“學習”模塊，簡化“預測”模塊到“理解”中，提出了一種涵蓋“快系統（喚醒匹配）”和“慢系統（覺醒處理）”2種處理機制，包括“內在自主驅動-邏輯算法心智-自我反省審視”等模塊的三重態勢認知架構，如圖1所示。

圖1 面向聯合全域戰場的三重態勢認知架構Fig.1 The threefold situation awareness architecture of joint all-domain battlespace

下面詳細闡述三重態勢認知架構中，不同處理機制及各種功能模塊的主要內涵和運行機理。

2.2.1 “內在自主驅動”模塊

該模塊最核心的是“感知”過程，因為按照心理學對“感知”的定義，該模塊是對物理戰場的初始探測，基于一定的知識與經驗對信息進行加工并賦予意義。該模塊可以按照嚴格的“輸入-輸出”直接做出選擇，并且相關加工信息只需要存儲為“短期工作記憶”，處理完即可釋放，提前擬定預案以應對需要快速處理的問題，總體上是一種“快進快出”的匹配系統。

2.2.2 “邏輯算法心智”模塊

該模塊主要包含“注意”和“理解”2 個部分。其中“注意”部分基于注意力機制，對待處理的問題進行識別判斷，采取正確的處理策略和執行技能，相關信息伴隨問題處理過程存儲為“工作過程記憶”?！袄斫狻辈糠只凇白⒁狻背橄蠛蟮目陀^問題，依托算法模型、推理準則和聯想機制，借助計算機模型多、算力大、邏輯強、魯棒高等優勢，最優解可以經過“學習”模塊的提煉以“描述長期記憶”補充到“知識庫中”，后續類似問題可采用快系統直接處理。

2.2.3 “自我反省審視”模塊

該模塊的核心功能是“學習”，基于美國心理學家Wolfgang Kohler提出的“完形-頓悟”學說，“學習”是認知系統在處理具體問題的情景中加深認識，對主體關系經過理性反思后，抽象出一個類似方法論的領域知識。這些經過“學習”提煉的領域知識，一方面在“邏輯算法心智”運行過程中發揮監視、調度和及時修正的作用，另一方面補充到“內在自主驅動”模塊的“知識庫”中，更新完善知識。

3 認知架構優勢分析

在態勢認知研究領域，Endsley從“人的感知活動”角度建立了“覺察-理解-預測”的通用態勢感知架構，此后成為該領域研究的通用架構和理論基礎。但是Endsley提出的三級通用架構是以20世紀90年代的空戰飛行員戰術活動為背景，是一種關注個體感知、強調有序行為，且沒有考慮智能輔助的有限感知架構。

隨著信息化智能化水平的不斷提高，聯合全域戰場強調多樣群體的自主認知，既考慮有序行為又面對復雜情況，需要采用智能輔助的人機融合方式進行處理?；谏鲜隹紤]，本文提出了一種三重態勢認知架構，下面詳細闡述其正確性和先進性。

3.1 雙系統認知機制

不同于通用態勢感知架構的逐級遞進結構，三重態勢認知架構從“人的認知活動”出發，借鑒Kahneman提出的“雙系統理論”，采用“雙系統認知機制”處理態勢認知的信息加工過程。

三重態勢認知架構融合了不同的信息處理機制，能夠針對常規情況和復雜狀況，分別采取快、慢2 種處理機制，平衡了處理效率和資源消耗的矛盾。一種是面對常規情況，基于預設好的處理流程和處理規則，根據明確的“輸入-輸出”自動匹配知識庫，采用“喚醒匹配”的快系統進行反應和選擇；另一種是面對復雜狀況，快系統確認無法處理后主動激活“覺醒處理”的慢系統，調動邏輯運算和聯想推理，指導行為發生和實施決策，反復刺激強化后變成快系統的規則和知識。

3.2 深化三重心智模型

通用態勢感知架構采用“覺察-理解-預測”3 個主要模塊，強調“人的感知活動”，沒有考慮“人的心智”、“理性障礙”等認知活動。三重態勢認知架構從不同認知能力出發，將態勢認知活動映射分解為“自主心智、算法心智和反省心智”3 個層級，采用三重心智模型提高認知架構的理性水平。

三重態勢認知架構考慮了人的“心智模型”在態勢認知中的機理作用，將當前通用的“覺察-理解-預測”三級結構，深化為“內在自主驅動-邏輯算法心智-自我反省審視”。具體而言，“內在自主驅動”模塊類似于人類自主心智，是刻畫在基因深處的一種本能反應，是一種基于預設規則的直接反應，涵蓋了通用架構的“覺察”模塊；“邏輯算法心智”模塊類似于人類算法心智，依托大腦理性思考來應對現實世界的種種考驗，是一種基于邏輯準則的理性反應，涵蓋了通用架構的“理解-預測”模塊；“自我反省審視”模塊類似于人類反省心智的“吾日三省吾身”，是一種基于有意識反饋的主動控制。

3.3 新增拓展“學習”模塊

相比于通用架構，三重態勢認知架構新增拓展了“學習”模塊，形成了認知活動的一個自我循環，能夠對原有的三級結構不斷完善和增長，在機理上擴充了當前通用架構的自我演化能力。

在應用過程中，三重態勢認知架構能夠通過注意力機制和機器智能輔助，采用“學習”模塊作為整個系統的評估員和監察者，不停地在問題空間內抽象出領域知識，監視調度戰場認知活動，修訂補充規則知識，優化三重態勢認知架構的各個模塊，在機理上使其具備自主智能的可能。

綜上所述，三重態勢認知架構是一個雙系統“分工協作、循環演化”的機制，不僅深化了心智模型對認知架構的理性增益，而且新增拓展了“學習”能力，相比通用態勢感知架構更符合“人的認知活動”，能夠提高戰場認知活動的有效性、自主性和時效性。

4 結語

聯合全域指揮與控制是支撐聯合全域作戰概念走向現實的關鍵一環，當前對態勢認知能力的需求越發強烈。態勢認知本質上是對真實戰場的符號抽象和知識表征，而心智模型理論是與知識表征緊密相關的理論之一?？紤]人的“心智模型”在態勢認知中的機理作用，提出了一種涵蓋“快系統（喚醒匹配）”和“慢系統（覺醒處理）”2種處理機制，包括“內在自主驅動-邏輯算法心智-自我反省審視”等模塊的三重態勢認知架構。具體而言，“內在自主驅動”模塊是一種發自直覺的感知進程，是態勢認知系統的本能自主心智；“邏輯算法心智”模塊是一種慢速思考的運算進程，是態勢認知系統的邏輯算法心智；而“自我反省審視”模塊是一種迭代反思的修正進程，是態勢認知系統的理性反省心智。

在智能化背景下，態勢認知系統應該具備“認知智能”的學習能力，能夠對感知信息進行縱向和橫向的多維度組織，最大程度地像人一樣思考、像自然一樣生長，在一個持續循環下“突出認知、強化理解”，支撐實現“認知優勢、即時決策”。