本研究(jiu)探(tan)討(tao)人(ren)(ren)工(gong)(gong)(gong)智能（AI）在決策(ce)過程中不斷(duan)(duan)演變(bian)的(de)(de)角色，聚(ju)焦AI賦能技術如何與人(ren)(ren)類決策(ce)者互動(dong)(dong)及其影響(xiang)。AI系統(tong)正加速融(rong)(rong)入(ru)商業(ye)管(guan)理至(zhi)信息(xi)系統(tong)等各行(xing)業(ye)，或(huo)輔(fu)助(zhu)或(huo)替代人(ren)(ren)類判斷(duan)(duan)。現有文(wen)獻(xian)強調AI融(rong)(rong)入(ru)生(sheng)活與工(gong)(gong)(gong)作帶來(lai)的(de)(de)變(bian)革潛力與挑戰：以ChatGPT為(wei)代表(biao)的(de)(de)大語言(yan)模(mo)型憑(ping)借數據(ju)驅(qu)動(dong)(dong)洞察、效率提(ti)升(sheng)與決策(ce)一致性(xing)等優(you)勢被廣泛應(ying)用，但研究(jiu)亦揭示需深(shen)(shen)入(ru)理解(jie)的(de)(de)領域——AI復(fu)制或(huo)放大人(ren)(ren)類偏見(jian)的(de)(de)風(feng)險(xian)、自主(zhu)決策(ce)的(de)(de)倫理影響(xiang)、人(ren)(ren)機(ji)交(jiao)互的(de)(de)復(fu)雜性(xing)。盡(jin)管(guan)AI輔(fu)助(zhu)、增強或(huo)替代人(ren)(ren)類決策(ce)已獲廣泛關注(zhu)，但通過提(ti)示工(gong)(gong)(gong)程與情(qing)境(jing)應(ying)用賦予AI的(de)(de)角色如何影響(xiang)決策(ce)結果、行(xing)為(wei)模(mo)式與建議生(sheng)成，學(xue)界仍缺乏深(shen)(shen)入(ru)探(tan)索。

本論文包含四項研(yan)究，探討角(jiao)色(se)(se)定(ding)義與(yu)目標設定(ding)對AI決(jue)策(ce)行(xing)為的影響，揭示(shi)精確定(ding)義AI角(jiao)色(se)(se)如何(he)在不(bu)同情境中塑造決(jue)策(ce)結果(guo)與(yu)人(ren)類決(jue)策(ce)流程。

研究1 通過系統性文獻(xian)綜述，論證(zheng)機器學習與AI工具(ju)（如(ru)ChatGPT）結合(he)(he)提升文獻(xian)分析效率與深度的(de)有效性。研究識別(bie)AI整(zheng)合(he)(he)關鍵領域，揭示研究空白，指出高影響力期刊(kan)與主(zhu)題，為(wei)未來研究繪制路線圖。該研究強調跨學科方(fang)法(fa)對全面理(li)解與發揮AI潛力、應對倫(lun)理(li)復雜性的(de)重要(yao)性。

研究(jiu)2 采(cai)用"人在回路"（HITL）框架分(fen)(fen)析AI賦能招聘流程，通過某(mou)國(guo)際(ji)招聘公司(si)18個月質(zhi)性(xing)案例(li)研究(jiu)，揭示AI工具、招聘專員與(yu)尋源分(fen)(fen)析師(shi)協作(zuo)塑造招聘結果的合(he)作(zuo)模式。研究(jiu)表明：AI系統實施需平衡效率與(yu)倫理及人本(ben)考量，人類判斷、監督與(yu)適應力不可或缺；組織(zhi)領(ling)導力、方案適應性(xing)與(yu)人類自主權是成功關鍵要素。

研(yan)(yan)究(jiu)3 通(tong)過(guo)系(xi)列(lie)實驗探究(jiu)AI系(xi)統（以(yi)ChatGPT為(wei)(wei)例）被賦(fu)予(yu)的角色(se)如何影響信息系(xi)統（IS）語境(jing)下的決(jue)策(ce)(ce)結(jie)果。研(yan)(yan)究(jiu)發現(xian)：當(dang)ChatGPT被賦(fu)予(yu)人類角色(se)時，其(qi)決(jue)策(ce)(ce)行為(wei)(wei)高度復現(xian)人類偏見；而作為(wei)(wei)AI角色(se)時則表現(xian)出更高一致(zhi)性與(yu)客觀(guan)性。研(yan)(yan)究(jiu)揭示(shi)提(ti)示(shi)工(gong)程對引(yin)導AI系(xi)統符合預期決(jue)策(ce)(ce)流程的重要(yao)性——無論(lun)是(shi)模擬(ni)人類判斷還是(shi)提(ti)升決(jue)策(ce)(ce)客觀(guan)效率。

研(yan)究4 探索AI系(xi)統中的(de)"算(suan)法厭惡"現(xian)象，測(ce)試GPT類(lei)(lei)模型(xing)在不同版本與(yu)溫度參數下對人(ren)工建議與(yu)算(suan)法輸入的(de)響應差異。研(yan)究發現(xian)：GPT模型(xing)表(biao)現(xian)出類(lei)(lei)似(si)人(ren)類(lei)(lei)的(de)算(suan)法厭惡傾向，更偏好(hao)人(ren)工建議，但(dan)其表(biao)現(xian)形式與(yu)人(ren)類(lei)(lei)存在差異。該(gai)研(yan)究將算(suan)法厭惡概念擴展至AI系(xi)統，強調理解AI如何(he)處理人(ren)機建議對設(she)計決(jue)策支持(chi)系(xi)統的(de)重要性(xing)，確(que)保AI既(ji)能(neng)獨立(li)運(yun)作(zuo)又能(neng)與(yu)人(ren)類(lei)(lei)協作(zuo)。

總體貢獻

本研究在四方面(mian)深化對AI決(jue)策角色的理(li)解：

1. 方法論創新：引入結合AI工具與機器學習的計算文獻綜述方法，識別商業管理領域趨勢、空白與高影響力期刊；
2. 人機協作洞見：通過招聘案例實證HITL原則，強調人類賦權、自主權與持續適應對有效協作的關鍵作用；
3. 角色效應驗證：證明大語言模型角色設定顯著影響決策行為——模擬人類角色時復現偏見，AI角色時更趨理性；
4. 理論邊界拓展：將算法厭惡延伸至AI系統，揭示AI對人機建議的差異化處理機制。

綜上，這些研究為理解(jie)AI與人類決策者動態互(hu)動提供洞見，強調情境與角(jiao)色設定(ding)對優化AI決策貢獻的(de)重要性，為未來探索(suo)AI融入更復雜(za)重大決策場景奠定(ding)基礎。

表1.1 研究綜述

研究編號	研究重點	研究路徑、理論基礎與方法論	主要發現	理論貢獻	實踐貢獻
研究1	商業與管理學者如何應對AI在組織中的興起？研究熱點與空白領域為何？	采用結構化主題建模與機器學習方法進行系統性文獻綜述（CLR），結合ChatGPT輔助分析	- 識別44個AI研究熱點（如客戶營銷、AI倫理） - 揭示體育、應急響應與智慧城市等領域的空白	提出"計算文獻綜述"方法論，結合AI工具提升文獻分析效率	指導研究者鎖定高影響力期刊，優化文獻檢索路徑
研究2	AI賦能的招聘決策中如何平衡效率與倫理？人在回路（HITL）原則如何應用？	對國際招聘機構開展18個月質性案例研究，基于社會技術系統理論與HITL框架	- 發現協作型HITL配置模式 - 揭示行政負擔加重、權力重構等挑戰	拓展HITL理論在AI招聘場景的應用	提出AI招聘實施指南：強效領導力、系統適應性與人本考量
研究3	ChatGPT在信息系統中多大程度能復現人類決策行為？角色設定如何影響決策輸出？	通過提示工程實驗，測試ChatGPT在不同角色設定（人類/AI）下的決策行為	- 人類角色設定下復現決策偏見 - AI角色設定下展現更高客觀性	提出"角色中心決策框架"，揭示大語言模型角色工程對決策的影響機制	為提示工程提供設計準則，優化AI決策支持系統的角色配置策略
研究4	AI系統是否存在算法厭惡？GPT模型對人類建議與算法輸入的響應差異如何？	復現經典算法厭惡實驗范式，測試GPT不同版本（3.5/4.0）在多種溫度參數下對建議來源的偏好	- GPT表現出類人算法厭惡傾向 - 對人工建議的偏好強度與溫度參數呈負相關	首次將算法厭惡理論拓展至AI系統，建立"元算法厭惡"概念	為AI協同決策系統設計提供新視角，優化人機建議權重分配機制

本研(yan)(yan)究探(tan)討超(chao)視(shi)距（BVR）環(huan)境下的(de)2v2空(kong)戰機(ji)動(dong)問題（ACMP）。通(tong)過(guo)構建(jian)離散(san)時間(jian)、無限(xian)視(shi)野的(de)馬爾可夫決(jue)策(ce)過(guo)程（MDP）模型對BVR-ACMP進行(xing)(xing)(xing)(xing)建(jian)模，旨在為雙機(ji)協同的(de)自(zi)主飛(fei)行(xing)(xing)(xing)(xing)器確定(ding)執(zhi)行(xing)(xing)(xing)(xing)戰術(shu)機(ji)動(dong)與(yu)火力決(jue)策(ce)的(de)高(gao)質量策(ce)略。高(gao)級仿真(zhen)、集成與(yu)建(jian)模框架（AFSIM）被用(yong)于表征復雜的(de)六自(zi)由度（6-DOF）飛(fei)行(xing)(xing)(xing)(xing)器動(dong)態，涵蓋運動(dong)學、傳(chuan)感器與(yu)武器系統(tong)特性(xing)。鑒于狀(zhuang)態與(yu)決(jue)策(ce)變(bian)量的(de)高(gao)維度和連續性(xing)特征，研(yan)(yan)究采用(yong)深(shen)度強(qiang)化學習（RL）解決(jue)方法，通(tong)過(guo)神經(jing)網絡（NN）實現(xian)價值函數近似。研(yan)(yan)究內容包括設計中(zhong)(zhong)立初(chu)始(shi)狀(zhuang)態場景(jing)用(yong)于訓練(lian)，并評估對抗行(xing)(xing)(xing)(xing)為與(yu)導(dao)彈特性(xing)對決(jue)策(ce)策(ce)略的(de)影響。通(tong)過(guo)三階(jie)段超(chao)參數調優實驗獲取高(gao)質量策(ce)略，并開(kai)展多案(an)例研(yan)(yan)究驗證深(shen)度RL方法在空(kong)戰行(xing)(xing)(xing)(xing)為建(jian)模中(zhong)(zhong)的(de)有效性(xing)，論證了該方法為基(ji)于AFSIM的(de)空(kong)戰仿真(zhen)研(yan)(yan)究生成飛(fei)行(xing)(xing)(xing)(xing)器行(xing)(xing)(xing)(xing)為模型的(de)可行(xing)(xing)(xing)(xing)性(xing)。

人工智能（AI）方法論的(de)(de)持續發(fa)展，包括強(qiang)(qiang)化(hua)學(xue)習（RL）的(de)(de)進(jin)(jin)步(bu)，對全球軍事力量而言既(ji)是(shi)(shi)復雜(za)化(hua)的(de)(de)挑戰(zhan)，也是(shi)(shi)戰(zhan)略機(ji)遇。2022年美(mei)(mei)國(guo)《國(guo)家國(guo)防(fang)(fang)戰(zhan)略》明確指出AI技術(shu)進(jin)(jin)步(bu)帶來(lai)的(de)(de)復雜(za)性，強(qiang)(qiang)調美(mei)(mei)國(guo)對手可能引入復雜(za)的(de)(de)升級動(dong)(dong)態(tai)，并對美(mei)(mei)國(guo)戰(zhan)略穩定性構成(cheng)新(xin)型挑戰(zhan)。尤(you)其是(shi)(shi)受這些技術(shu)飛(fei)躍(yue)推動(dong)(dong)的(de)(de)自主系統廣泛擴(kuo)散，使軍事力量面(mian)臨來(lai)自非國(guo)家行為體(ti)(ti)與政府實體(ti)(ti)通過技術(shu)削弱其優(you)勢的(de)(de)潛在(zai)脆弱性。針對這些已識別的(de)(de)威脅，美(mei)(mei)國(guo)空(kong)軍（USAF）認識到AI在(zai)增強(qiang)(qiang)自身(shen)能力、決策流程與作戰(zhan)效能方面(mian)的(de)(de)潛力。隨著聯合(he)部隊作戰(zhan)日益(yi)依賴數據驅動(dong)(dong)技術(shu)，美(mei)(mei)國(guo)國(guo)防(fang)(fang)部（DoD）計劃實施機(ji)構改革，通過提供競(jing)爭性激勵與更靈活的(de)(de)任(ren)務分配(pei)來(lai)強(qiang)(qiang)化(hua)AI研發(fa)。此(ci)外，推動(dong)(dong)強(qiang)(qiang)化(hua)學(xue)習領(ling)域的(de)(de)國(guo)內(nei)進(jin)(jin)展可為美(mei)(mei)國(guo)空(kong)軍的(de)(de)一項核心任(ren)務——獲(huo)取對對手的(de)(de)空(kong)中優(you)勢——提供支持力量。自主載(zai)具系統領(ling)域，尤(you)其是(shi)(shi)空(kong)中領(ling)域的(de)(de)自主系統，對美(mei)(mei)國(guo)空(kong)軍具有重大戰(zhan)略意義。隨著該研究(jiu)領(ling)域的(de)(de)技術(shu)突破，美(mei)(mei)國(guo)軍方必須正視AI對實現(xian)空(kong)中優(you)勢的(de)(de)潛在(zai)威脅與利(li)益(yi)。

美國空(kong)軍正(zheng)與(yu)國防高級研究(jiu)計(ji)劃局(ju)（DARPA）合作推(tui)進(jin)自主無人戰(zhan)(zhan)斗(dou)飛行(xing)器（AUCAVs）領域的技術發(fa)(fa)展。DARPA“空(kong)戰(zhan)(zhan)演進(jin)”（ACE）項目下開發(fa)(fa)的AI算(suan)法(fa)已(yi)成功完(wan)成概念驗(yan)證，展示了AI指揮全尺寸戰(zhan)(zhan)斗(dou)機并在(zai)模擬視(shi)距內（WVR）環境(jing)中超越經驗(yan)豐富的F-16戰(zhan)(zhan)斗(dou)機飛行(xing)員的能力。然而，在(zai)視(shi)距內學(xue)習算(suan)法(fa)取得進(jin)展的同時(shi)，雷達制導導彈的進(jin)步使得從超視(shi)距（BVR）發(fa)(fa)起攻擊成為(wei)可能，為(wei)空(kong)戰(zhan)(zhan)策略(lve)帶來(lai)了新挑戰(zhan)(zhan)。

超視(shi)距（BVR）空(kong)(kong)戰(zhan)(zhan)(zhan)(zhan)的(de)(de)(de)(de)(de)起源可(ke)追溯至(zhi)第二(er)次(ci)世(shi)界大戰(zhan)(zhan)(zhan)(zhan)后(hou)，其標志(zhi)性事件(jian)是(shi)1946年美(mei)(mei)國(guo)海軍研發的(de)(de)(de)(de)(de)AIM-7“麻雀”導(dao)(dao)(dao)彈(dan)的(de)(de)(de)(de)(de)問世(shi)。在冷戰(zhan)(zhan)(zhan)(zhan)的(de)(de)(de)(de)(de)緊張態(tai)勢中(zhong)，蘇聯轟炸(zha)機(ji)(ji)或戰(zhan)(zhan)(zhan)(zhan)斗機(ji)(ji)可(ke)能配(pei)(pei)備(bei)新(xin)興(xing)BVR導(dao)(dao)(dao)彈(dan)技(ji)術(shu)被視(shi)為對(dui)美(mei)(mei)國(guo)國(guo)家安(an)全(quan)利益的(de)(de)(de)(de)(de)重(zhong)大威(wei)(wei)脅(xie)(xie)。盡管這(zhe)一威(wei)(wei)脅(xie)(xie)從未(wei)真正實(shi)(shi)現，但隨著冷戰(zhan)(zhan)(zhan)(zhan)接近尾聲(sheng)，戰(zhan)(zhan)(zhan)(zhan)斗機(ji)(ji)領域(yu)先(xian)進機(ji)(ji)動(dong)(dong)性與導(dao)(dao)(dao)彈(dan)技(ji)術(shu)的(de)(de)(de)(de)(de)融合顯著推動(dong)(dong)了BVR空(kong)(kong)戰(zhan)(zhan)(zhan)(zhan)活動(dong)(dong)的(de)(de)(de)(de)(de)發展(zhan)(zhan)。與受(shou)光照條件(jian)、目標尺寸、視(shi)覺敏銳度(du)及目標方位(wei)等因(yin)素高(gao)度(du)影響的(de)(de)(de)(de)(de)視(shi)距內空(kong)(kong)對(dui)空(kong)(kong)（A2A）作(zuo)戰(zhan)(zhan)(zhan)(zhan)不同，現代(dai)BVR空(kong)(kong)戰(zhan)(zhan)(zhan)(zhan)的(de)(de)(de)(de)(de)機(ji)(ji)制主要圍繞遠(yuan)程(cheng)制導(dao)(dao)(dao)導(dao)(dao)(dao)彈(dan)的(de)(de)(de)(de)(de)使用展(zhan)(zhan)開。在實(shi)(shi)際作(zuo)戰(zhan)(zhan)(zhan)(zhan)場景(jing)中(zhong)，配(pei)(pei)備(bei)先(xian)進雷達系(xi)統(tong)的(de)(de)(de)(de)(de)技(ji)術(shu)優(you)勢戰(zhan)(zhan)(zhan)(zhan)斗機(ji)(ji)通過此類高(gao)精度(du)遠(yuan)程(cheng)導(dao)(dao)(dao)彈(dan)實(shi)(shi)現對(dui)敵機(ji)(ji)的(de)(de)(de)(de)(de)壓制。BVR空(kong)(kong)戰(zhan)(zhan)(zhan)(zhan)的(de)(de)(de)(de)(de)性質帶來了獨特挑(tiao)戰(zhan)(zhan)(zhan)(zhan)：由于缺乏成熟的(de)(de)(de)(de)(de)戰(zhan)(zhan)(zhan)(zhan)斗機(ji)(ji)戰(zhan)(zhan)(zhan)(zhan)術(shu)與敵我識別（IFF）技(ji)術(shu)，飛(fei)行(xing)員常面臨有(you)效運用此類武器的(de)(de)(de)(de)(de)局限(xian)性。為解(jie)決這(zhe)些難題(ti)，基(ji)于強(qiang)化學習(xi)（RL）的(de)(de)(de)(de)(de)人工智能方法有(you)望(wang)突(tu)破這(zhe)些限(xian)制，提升美(mei)(mei)國(guo)空(kong)(kong)軍（USAF）及其作(zuo)戰(zhan)(zhan)(zhan)(zhan)人員在BVR場景(jing)下(xia)的(de)(de)(de)(de)(de)能力。

自主載具(ju)訓練的(de)(de)(de)傳統策略通常采用基于規(gui)則(ze)的(de)(de)(de)邏輯，即自主智(zhi)能(neng)體(ti)根(gen)據(ju)預定義標準做(zuo)出(chu)決策。然而，該方(fang)法(fa)已被證明易(yi)受挫(cuo)敗，且無法(fa)為此復雜問(wen)題(ti)提供新穎的(de)(de)(de)智(zhi)能(neng)解(jie)決方(fang)案。針對(dui)基于規(gui)則(ze)邏輯的(de)(de)(de)局限性(xing)，強化(hua)學習（RL）提供了一種解(jie)決途徑，其核心在于考慮目標導向型(xing)智(zhi)能(neng)體(ti)在不確定環境(jing)中的(de)(de)(de)整(zheng)體(ti)交(jiao)互(hu)問(wen)題(ti)。RL具(ju)備運用先進搜索技術的(de)(de)(de)能(neng)力，例(li)如AlphaZero算法(fa)在象棋等復雜游(you)戲中實現超越人類水平的(de)(de)(de)性(xing)能(neng)即為明證。空(kong)對(dui)空(kong)作戰(zhan)(zhan)固有的(de)(de)(de)復雜性(xing)與不確定性(xing)要求開發(fa)獨特且具(ju)有挑戰(zhan)(zhan)性(xing)的(de)(de)(de)戰(zhan)(zhan)略方(fang)法(fa)。

強化學習已展現(xian)出(chu)為(wei)這一多(duo)維度問題(ti)設計(ji)制勝(sheng)策略的(de)(de)能力(li)，泰勒(le)（Taylor）、波(bo)普（Pope）等人(ren)、麥格(ge)魯(lu)（McGrew）等人(ren)、樸（Piao）等人(ren)以(yi)及克倫帕(pa)克（Crumpacker）等人(ren)早期(qi)的(de)(de)研(yan)究均對此進(jin)行(xing)了(le)驗證(zheng)。麥格(ge)魯(lu)等人(ren)開創性地采用(yong)基(ji)于模型的(de)(de)方(fang)(fang)法解決空戰(zhan)(zhan)(zhan)(zhan)機(ji)動(dong)問題(ti)（ACMP），為(wei)后續ACMP的(de)(de)無(wu)模型研(yan)究奠定了(le)基(ji)礎。在麥格(ge)魯(lu)等人(ren)工作(zuo)的(de)(de)基(ji)礎上，樸等人(ren)提出(chu)了(le)一種端到端的(de)(de)基(ji)于RL的(de)(de)競爭性空戰(zhan)(zhan)(zhan)(zhan)智(zhi)能體訓練方(fang)(fang)法。泰勒(le)則致力(li)于以(yi)獨(du)特方(fang)(fang)法填補超視(shi)距空戰(zhan)(zhan)(zhan)(zhan)機(ji)動(dong)問題(ti)（BVR-ACMP）研(yan)究領域的(de)(de)空白，其利用(yong)Q-Learning對1v1 BVR作(zuo)戰(zhan)(zhan)(zhan)(zhan)場景(jing)中的(de)(de)自主無(wu)人(ren)戰(zhan)(zhan)(zhan)(zhan)斗飛行(xing)器（AUCAV）進(jin)行(xing)建模，以(yi)優化其作(zuo)戰(zhan)(zhan)(zhan)(zhan)機(ji)動(dong)與武器運(yun)用(yong)能力(li)。

本研究(jiu)(jiu)主要(yao)擴展(zhan)泰勒（Taylor）的(de)(de)研究(jiu)(jiu)成果，旨在(zai)(zai)設計與(yu)評估一種基于強化學習（RL）的(de)(de)方法(fa)，以解(jie)決雙(shuang)機對抗（2v2）超視距空(kong)戰(zhan)機動問(wen)題（BVR-ACMP），并通(tong)(tong)(tong)過概念驗證填補文獻空(kong)白——該驗證不僅評估潛在(zai)(zai)新型武器(qi)能力，還探索(suo)兩(liang)架自主無人戰(zhan)斗飛行(xing)器(qi)（AUCAV）因交互(hu)與(yu)通(tong)(tong)(tong)信(xin)產生的(de)(de)涌現行(xing)為。本研究(jiu)(jiu)通(tong)(tong)(tong)過多種通(tong)(tong)(tong)信(xin)方案及其實施(shi)路徑的(de)(de)探究(jiu)(jiu)，確定雙(shuang)AUCAV在(zai)(zai)空(kong)戰(zhan)中高效(xiao)協同與(yu)通(tong)(tong)(tong)信(xin)的(de)(de)最優模式。

本研(yan)究將2v2 BVR-ACMP概念化為(wei)馬爾(er)可夫決策過(guo)(guo)程(cheng)（MDP）。求解MDP需(xu)(xu)要(yao)在既定策略(lve)集中(zhong)(zhong)識(shi)別(bie)出能(neng)夠優(you)化該MDP對(dui)應準則的(de)最優(you)策略(lve)。泰勒的(de)研(yan)究聚(ju)焦于(yu)1v1場景，其模型(xing)負責控(kong)制一架(jia)飛(fei)(fei)行(xing)器相(xiang)對(dui)于(yu)被稱(cheng)為(wei)敵機(ji)的(de)對(dui)抗目(mu)標進(jin)行(xing)定位。本研(yan)究中(zhong)(zhong)引入的(de)2v2場景顯(xian)著增加了環(huan)境模型(xing)的(de)復雜性(xing)。為(wei)模擬(ni)真實戰(zhan)場條件，研(yan)究在概念驗(yan)證(zheng)中(zhong)(zhong)引入第二架(jia)敵機(ji)實施(shi)監(jian)視，要(yao)求每個智(zhi)能(neng)體在機(ji)動(dong)過(guo)(guo)程(cheng)中(zhong)(zhong)追蹤三(san)架(jia)飛(fei)(fei)行(xing)器。除(chu)了每個智(zhi)能(neng)體需(xu)(xu)追蹤敵我雙方戰(zhan)斗機(ji)的(de)復雜性(xing)外，友方戰(zhan)斗機(ji)之間還需(xu)(xu)一定程(cheng)度的(de)協同合(he)(he)作，以在空戰(zhan)中(zhong)(zhong)實現最優(you)結果(guo)。這種合(he)(he)作體現為(wei)友方戰(zhan)斗機(ji)在機(ji)動(dong)與導彈部(bu)署方面的(de)戰(zhan)略(lve)協調，從而有效壓制敵方編(bian)隊。

為應對2v2 BVR-ACMP帶來的(de)(de)更高復(fu)雜(za)度，本研究(jiu)采用深度Q學習（DQN）算法(fa)的(de)(de)能(neng)力(li)。DQN作(zuo)為Q學習算法(fa)的(de)(de)進(jin)階版本，通過神經網(wang)絡優(you)化(hua)長(chang)(chang)期累積獎(jiang)勵。研究(jiu)中使用的(de)(de)RL方法(fa)依托政(zheng)府所有的(de)(de)C++仿真(zhen)框(kuang)架——高級(ji)(ji)仿真(zhen)、集(ji)成與(yu)(yu)建(jian)模(mo)框(kuang)架（AFSIM）構(gou)建(jian)空戰(zhan)環(huan)境。AFSIM專為開發與(yu)(yu)實施(shi)交戰(zhan)級(ji)(ji)、任務級(ji)(ji)分(fen)析仿真(zhen)及虛擬實驗設計，具備空戰(zhan)戰(zhan)術(shu)建(jian)模(mo)、武器運動學模(mo)擬與(yu)(yu)傳感器系(xi)統仿真(zhen)的(de)(de)能(neng)力(li)。作(zuo)為研究(jiu)的(de)(de)基礎平(ping)臺，AFSIM支持RL解決方案的(de)(de)實現，并協(xie)助生成效(xiao)能(neng)指(zhi)標(biao)（MOE）。這些指(zhi)標(biao)（如任務成功率（友方成功交戰(zhan)次(ci)數）與(yu)(yu)交戰(zhan)時長(chang)(chang)）為評(ping)估RL算法(fa)性能(neng)提供了(le)量化(hua)依據。

本研究的剩余章(zhang)節(jie)分為四部(bu)分，分別聚焦2v2 BVR-ACMP的不同(tong)維度。第二章(zhang)系統綜述(shu)現有BVR-ACMP相關文獻，深入解(jie)析1v1 BVR-ACMP并探討其他潛在解(jie)決方案。第三章(zhang)闡述(shu)本研究針(zhen)對(dui)2v2 BVR-ACMP的RL方法，詳細(xi)解(jie)釋構建(jian)的模型框架。第四章(zhang)展示(shi)模型運行(xing)結果及基于(yu)AFSIM環境生成(cheng)(cheng)的效能指標。第五章(zhang)總結研究成(cheng)(cheng)果，提(ti)出未來研究方向，并給出2v2 BVR-ACMP研究的最終(zhong)結論(lun)。

美國陸軍(jun)作戰能力發展司令(ling)部（DEVCOM）陸軍(jun)研(yan)究實驗室（ARL）利用(yong)高分辨率傳(chuan)(chuan)感器(qi)、實驗室儀器(qi)和軟件(jian)技術，開發了(le)電力測量(liang)和分析工具。為支持這些(xie)傳(chuan)(chuan)感器(qi)的(de)使(shi)用(yong)，開發了(le)一(yi)套可(ke)擴展的(de)軟件(jian)模(mo)(mo)塊，用(yong)戶(hu)界面只(zhi)需(xu)一(yi)個網(wang)絡瀏覽器(qi)。ARL 開發的(de)用(yong)于 "嵌入式研(yan)究系統的(de)可(ke)視化(hua)(hua)和處理 "的(de)軟件(jian)框架(jia)和模(mo)(mo)塊稱為 ARL-ViPERS。這種(zhong)基于傳(chuan)(chuan)感器(qi)的(de)軟件(jian)提(ti)供了(le)一(yi)種(zhong)方法，用(yong)于配置(zhi)傳(chuan)(chuan)感器(qi)以及與(yu)傳(chuan)(chuan)感器(qi)產生的(de)數據進(jin)行交互并使(shi)其(qi)可(ke)視化(hua)(hua)，而無需(xu)在終端用(yong)戶(hu)設(she)備上安裝(zhuang)任何軟件(jian)。

引言

美國陸(lu)軍作戰能力(li)(li)發展司令部（DEVCOM）陸(lu)軍研究實驗室（ARL）的(de)(de)(de)幾個傳(chuan)感器(qi)(qi)(qi)系(xi)統原型建立在通(tong)用(yong)的(de)(de)(de)模塊化數(shu)據采(cai)集、存儲、處理和通(tong)信(xin)硬件(jian)上，稱為(wei) ARL 的(de)(de)(de)自主(zhu)實時電力(li)(li)測量和儀(yi)器(qi)(qi)(qi)系(xi)統（ARL-ARTEMIS）。ARL 的(de)(de)(de)移動(dong)式無人值守地面傳(chuan)感器(qi)(qi)(qi) (ARL-MUGS) 和移動(dong)式功(gong)率(lv)計 (ARL-MPM) 就(jiu)是其中的(de)(de)(de)兩個例子(zi)（圖 1）。這些系(xi)統配備的(de)(de)(de)軟件(jian)可用(yong)于傳(chuan)感器(qi)(qi)(qi)配置，以及對電力(li)(li) (EP) 系(xi)統收集的(de)(de)(de)數(shu)據進行實時和后處理分(fen)析。ARL 開發的(de)(de)(de) "嵌入式研究系(xi)統可視化和處理 "軟件(jian)框架稱為(wei) ARLViPERS。以下將 ARL-ARTEMIS 和 ARL-ViPERS 分(fen)別稱為(wei) ARTEMIS 和 ViPERS。

ViPERS 包(bao)括嵌入(ru)式(shi)網絡(luo)(luo)應用(yong)(yong)程(cheng)序（可(ke)通過用(yong)(yong)戶(hu)(hu)設備，如手機、平板電腦或個人電腦上(shang)的網絡(luo)(luo)瀏覽器(qi)訪問(wen)）和(he) Dataserver 應用(yong)(yong)程(cheng)序（用(yong)(yong)于(yu)運(yun)行自定義處理(li)代碼）。網絡(luo)(luo)應用(yong)(yong)程(cheng)序和(he) Dataserver 都在(zai)傳感器(qi)上(shang)運(yun)行，共同提(ti)(ti)供用(yong)(yong)戶(hu)(hu)界面(mian)(mian) (UI)，方便用(yong)(yong)戶(hu)(hu)配置傳感器(qi)，并提(ti)(ti)供多種數據可(ke)視化工具，方便用(yong)(yong)戶(hu)(hu)進(jin)行 "邊緣 "數據分析(xi)。Dataserver 的主要職責是(shi)在(zai)后臺管理(li)正在(zai)進(jin)行的數據處理(li)任務(wu)，而(er)(er)網絡(luo)(luo)服(fu)務(wu)器(qi)則用(yong)(yong)于(yu)為(wei)用(yong)(yong)戶(hu)(hu)提(ti)(ti)供相應的用(yong)(yong)戶(hu)(hu)界面(mian)(mian)。Dataserver 可(ke)以看作(zuo)是(shi) ViPERS 的 "大腦"，而(er)(er)網絡(luo)(luo)服(fu)務(wu)器(qi)則是(shi) "臉面(mian)(mian)"。

所有需要的 ViPERS 軟(ruan)(ruan)件都在(zai)(zai) ARL 傳感器硬件上(shang)運行；因此，用戶無需在(zai)(zai)用戶設備上(shang)安裝(zhuang)任何(he)軟(ruan)(ruan)件。ViPERS 還(huan)考(kao)慮到了模塊化(hua)(hua)。它包括幾個用于 EP 分(fen)析(xi)的基礎模塊，用戶可以輕松擴展軟(ruan)(ruan)件，加入自(zi)己的模塊。用戶還(huan)可以上(shang)傳定制的處理(li)代碼(ma)和可視化(hua)(hua)程序，這些程序將在(zai)(zai)傳感器上(shang)實時運行；詳見第 3.18 節。

本《ViPERS 用(yong)(yong)(yong)戶指(zhi)南(nan)(nan)》逐步介紹了(le)通過網絡(luo)應用(yong)(yong)(yong)程序向(xiang)用(yong)(yong)(yong)戶提供(gong)(gong)的各(ge)項(xiang)功能。第 2 部分(fen)(fen)提供(gong)(gong)了(le)連接和(he)使(shi)用(yong)(yong)(yong) ViPERS 所需的基本信息。第 3 部分(fen)(fen)包(bao)括 ViPERS 網絡(luo)應用(yong)(yong)(yong)程序各(ge)模塊(kuai)的詳(xiang)細信息；第 4 部分(fen)(fen)提供(gong)(gong) ViPERS 數(shu)據服務器的信息。有關添加新模塊(kuai)和(he)可用(yong)(yong)(yong)應用(yong)(yong)(yong)編程接口(kou)（APIs）的說明，請參閱配套的《ViPERS 實(shi)施(shi)指(zhi)南(nan)(nan)》 和(he)《ViPERS 編程手(shou)冊(ce)》。

ViPERS基礎

ViPERS 軟件(jian)框架包括以下內容：

1. 嵌入式網(wang)絡(luo)服(fu)務器，提供與傳(chuan)感器交互的用(yong)戶界面；

2. Dataserver 應用(yong)程序，用(yong)于在(zai)傳感(gan)器后臺運(yun)行處理模塊；以及(ji)

3. 用于(yu)長期數據存(cun)儲的(de)嵌(qian)入式(shi)實時(shi)時(shi)間序列數據庫。用戶可將本節作為 ViPERS 的(de)基本 "快速入門 "指南(nan)。

由(you)于(yu)多種因素(su)的(de)(de)影響(xiang)，自(zi)動機(ji)(ji)器(qi)(qi)學(xue)習(xi)（AutoML）這些年一直(zhi)在快速發(fa)展(zhan)，數(shu)據科學(xue)家需(xu)(xu)要創(chuang)(chuang)(chuang)建機(ji)(ji)器(qi)(qi)學(xue)習(xi)管(guan)道(dao)原型來(lai)決(jue)定(ding)如何進行(xing)解決(jue)，并(bing)為非專業(ye)人士提供解決(jue)方案。已經創(chuang)(chuang)(chuang)建了一些AutoML框(kuang)(kuang)架(jia)，但它們受(shou)到能(neng)解決(jue)的(de)(de)問(wen)題類(lei)型、機(ji)(ji)器(qi)(qi)學(xue)習(xi)原語的(de)(de)數(shu)量、管(guan)道(dao)表示(shi)語言(yan)和嚴(yan)格(ge)數(shu)據描述(shu)的(de)(de)限(xian)制。這些限(xian)制大(da)(da)(da)多是由(you)相當大(da)(da)(da)的(de)(de)工(gong)程(cheng)量造成(cheng)的(de)(de)。D3M項目旨在擴大(da)(da)(da)AutoML的(de)(de)范(fan)圍，提供創(chuang)(chuang)(chuang)建AutoML系統所需(xu)(xu)的(de)(de)工(gong)具(ju)，使其能(neng)夠解決(jue)超(chao)出大(da)(da)(da)部(bu)分框(kuang)(kuang)架(jia)的(de)(de)問(wen)題類(lei)型，并(bing)為用戶提供工(gong)具(ju)，使機(ji)(ji)器(qi)(qi)學(xue)習(xi)工(gong)具(ju)不需(xu)(xu)要太多的(de)(de)專業(ye)知識(shi)。此外，該項目還(huan)致力(li)于(yu)實現AutoML組件的(de)(de)標準化，以便對不同(tong)的(de)(de)框(kuang)(kuang)架(jia)進行(xing)公平的(de)(de)比較，并(bing)通過開源共享該項目期間(jian)創(chuang)(chuang)(chuang)建的(de)(de)基礎設施(shi)來(lai)幫助研發(fa)界(jie)改善該領(ling)域。

本文在(zai)(zai)(zai)(zai)D3M上的(de)(de)工(gong)(gong)作(zuo)主(zhu)要集(ji)中在(zai)(zai)(zai)(zai)兩個(ge)方面：在(zai)(zai)(zai)(zai)D3M小組內創建(jian)標準(zhun)化AutoML工(gong)(gong)具，以(yi)及創建(jian)具有不同目的(de)(de)的(de)(de)AutoML系統(tong)和框架。在(zai)(zai)(zai)(zai)這份報(bao)告中，將介紹對該項(xiang)目的(de)(de)主(zhu)要貢獻以(yi)及AutoML系統(tong)的(de)(de)演(yan)變。在(zai)(zai)(zai)(zai)該項(xiang)目中，創建(jian)了(le)評(ping)估AutoML系統(tong)的(de)(de)工(gong)(gong)具，開(kai)發(fa)(fa)了(le)三個(ge)AutoML系統(tong)，開(kai)發(fa)(fa)了(le)被多個(ge)系統(tong)廣(guang)泛(fan)使(shi)用的(de)(de)原型，設計了(le)測(ce)試原型的(de)(de)自動(dong)化框架，并通過創建(jian)AutoKeras對AutoML研發(fa)(fa)界產生了(le)巨大(da)影響(xiang)。

這本開放存取的書介紹了機器人的關鍵概念在一個易于理解的語言使用一個引人入勝的項目為基礎的方法。它涵蓋了機器人領域的當代主題，為所有主要領域的基礎提供了一個可訪問的入口點。有一部分專門介紹使用Python的編程概念，Python已經成為機器人和人工智能領域的首選語言。本書還向讀者介紹了機器人操作系統(ROS)，這是研究人員和業界使用的無處不在的軟件和算法框架。本書以多種形式提供了關于機器人的啟發、最新和多學科的介紹，包括與機器學習、倫理、人機交互和設計思維有關的新興主題。這本書還包括對行業專家的采訪，為了解機器人世界提供了一個額外的層面。本書通過Kinova Robotics的慷慨支持開放獲取。本書適合作為本科相關工程課程的教科書。它也適用于藝術和設計專業的學生，高中生，以及想要探索機器人基本概念的自學者。 //link.springer.com/book/10.1007/978-981-19-1983-1

最(zui)近小型無人(ren)(ren)駕(jia)駛飛行器（UAV）技術的(de)(de)(de)進(jin)步(bu)重新激發了(le)對民用(yong)和(he)(he)(he)(he)軍用(yong)廣域搜(sou)(sou)索(suo)(suo)(suo)（WAS）算(suan)(suan)(suan)(suan)法(fa)的(de)(de)(de)額外研(yan)究需(xu)(xu)求。但(dan)由于(yu)無人(ren)(ren)機(ji)環(huan)境和(he)(he)(he)(he)設計(ji)的(de)(de)(de)差(cha)異性(xing)極大，利(li)用(yong)數(shu)字(zi)(zi)工程(cheng)（DE）來減少推進(jin)這(zhe)(zhe)項技術所需(xu)(xu)的(de)(de)(de)時間、成本和(he)(he)(he)(he)精(jing)力(li)。數(shu)字(zi)(zi)工程(cheng)還允許快(kuai)速設計(ji)和(he)(he)(he)(he)評估(gu)利(li)用(yong)和(he)(he)(he)(he)支(zhi)持WAS算(suan)(suan)(suan)(suan)法(fa)的(de)(de)(de)自主系統。現代WAS算(suan)(suan)(suan)(suan)法(fa)可以(yi)大致分為(wei)基(ji)于(yu)決(jue)策(ce)的(de)(de)(de)算(suan)(suan)(suan)(suan)法(fa)、統計(ji)算(suan)(suan)(suan)(suan)法(fa)和(he)(he)(he)(he)人(ren)(ren)工智(zhi)能(neng)（AI）/機(ji)器學習（ML）算(suan)(suan)(suan)(suan)法(fa)。這(zhe)(zhe)項研(yan)究繼續了(le)Hatzinger和(he)(he)(he)(he)Gertsman的(de)(de)(de)工作(zuo)，創建了(le)一(yi)個(ge)(ge)基(ji)于(yu)決(jue)策(ce)的(de)(de)(de)算(suan)(suan)(suan)(suan)法(fa)，該(gai)算(suan)(suan)(suan)(suan)法(fa)將(jiang)(jiang)搜(sou)(sou)索(suo)(suo)(suo)區(qu)(qu)(qu)域細分為(wei)被稱(cheng)為(wei)單(dan)元(yuan)的(de)(de)(de)子區(qu)(qu)(qu)域，決(jue)定一(yi)個(ge)(ge)最(zui)佳的(de)(de)(de)下(xia)一(yi)個(ge)(ge)單(dan)元(yuan)進(jin)行搜(sou)(sou)索(suo)(suo)(suo)，并(bing)將(jiang)(jiang)搜(sou)(sou)索(suo)(suo)(suo)結(jie)果(guo)(guo)分配給(gei)其他合(he)作(zuo)搜(sou)(sou)索(suo)(suo)(suo)資(zi)產(chan)。每(mei)個(ge)(ge)合(he)作(zuo)搜(sou)(sou)索(suo)(suo)(suo)資(zi)產(chan)將(jiang)(jiang)存儲(chu)以(yi)下(xia)四個(ge)(ge)關(guan)鍵數(shu)組，以(yi)決(jue)定搜(sou)(sou)索(suo)(suo)(suo)哪(na)個(ge)(ge)單(dan)元(yuan)：每(mei)個(ge)(ge)單(dan)元(yuan)的(de)(de)(de)當(dang)前(qian)估(gu)計(ji)目(mu)標(biao)密(mi)度(du)；一(yi)個(ge)(ge)單(dan)元(yuan)中的(de)(de)(de)當(dang)前(qian)資(zi)產(chan)數(shu)量；每(mei)個(ge)(ge)合(he)作(zuo)資(zi)產(chan)的(de)(de)(de)下(xia)一(yi)個(ge)(ge)搜(sou)(sou)索(suo)(suo)(suo)單(dan)元(yuan)；以(yi)及任何資(zi)產(chan)在一(yi)個(ge)(ge)單(dan)元(yuan)中的(de)(de)(de)總時間。一(yi)個(ge)(ge)基(ji)于(yu)軟件(jian)的(de)(de)(de)模擬環(huan)境，即模擬、集(ji)成和(he)(he)(he)(he)建模高級框架（AFSIM），被用(yong)來完成驗證過程(cheng)，創建測試環(huan)境和(he)(he)(he)(he)被測系統（SUT）。此外，該(gai)算(suan)(suan)(suan)(suan)法(fa)針對各(ge)種分布(bu)的(de)(de)(de)威脅進(jin)行了(le)測試，以(yi)模擬目(mu)標(biao)的(de)(de)(de)集(ji)群。最(zui)后，從人(ren)(ren)工智(zhi)能(neng)和(he)(he)(he)(he)ML中引入了(le)新的(de)(de)(de)有(you)效性(xing)措施（MOEs），包(bao)括精(jing)確度(du)、召回率和(he)(he)(he)(he)F分數(shu)。使用(yong)方差(cha)分析（ANOVA）和(he)(he)(he)(he)協方差(cha)矩陣對Hatzinger和(he)(he)(he)(he)Gertsman的(de)(de)(de)新的(de)(de)(de)和(he)(he)(he)(he)原(yuan)始的(de)(de)(de)MOEs進(jin)行了(le)分析。這(zhe)(zhe)項研(yan)究的(de)(de)(de)結(jie)果(guo)(guo)顯示，該(gai)算(suan)(suan)(suan)(suan)法(fa)對原(yuan)始MOEs或新MOEs沒有(you)明(ming)顯的(de)(de)(de)影響，這(zhe)(zhe)可能(neng)是由于(yu)與Hatzinger和(he)(he)(he)(he)Gertsman相比，網絡化協作(zuo)自主彈藥（NCAM）的(de)(de)(de)傳播情況(kuang)相似(si)。該(gai)結(jie)果(guo)(guo)與目(mu)標(biao)分布(bu)標(biao)準差(cha)的(de)(de)(de)減少即目(mu)標(biao)聚類呈負(fu)相關(guan)。這(zhe)(zhe)第二個(ge)(ge)結(jie)果(guo)(guo)更(geng)令人(ren)(ren)驚訝，因為(wei)更(geng)緊密(mi)的(de)(de)(de)目(mu)標(biao)分布(bu)可能(neng)會導(dao)致更(geng)少的(de)(de)(de)搜(sou)(sou)索(suo)(suo)(suo)區(qu)(qu)(qu)域，但(dan)NCAM繼續分布(bu)它們的(de)(de)(de)位(wei)置(zhi)，而不管(guan)確定的(de)(de)(de)集(ji)群。

研究集成人類推理、機器學習和因果學習的重要性

• 專注于人類推理的可視化和因果推理方面
• 提供可信賴和安全的自動化和人工智能工具
• 為人類操作員提供可解釋和可操作的信息
  • AI/ML模型和仿真模型：
    • 一致
    • 可解釋，沒有黑盒性
    • 在廣泛的應用中為一系列用戶測試理論，如
      • 戰役/任務規劃
      • 未來作戰概念的設計和模擬
      • 戰士培訓等，允許提出不同的問題很容易
• 與ML/AI的發展，以及圖靈測試相聯系
  • 對研究人工智能、認知和元認知的重要性
  • 人工通用智能（AGI）：一個知識系統總是和我們在一起，自我學習并幫助我們學習

浮動航天器模擬器（FSS）是模仿衛星在空間運動的機器人載體。使用FSS可以在地球上對制導、導航和控制算法進行實驗驗證，然后再將其應用于空間，因為空間的錯誤是災難性的。此外，FSS是空間系統工程課程中大學生的一個重要研究和教育工具。然而，目前使用的所有FSS都是定制開發和昂貴的項目。本論文涵蓋了用于教學和研究目的的新型浮動航天器模擬器的開發、組裝和測試過程，該模擬器被命名為MyDAS，代表微型動態自主航天器模擬器。通(tong)過介紹(shao)MyDAS，一個(ge)小型的(de)(de)、簡單的(de)(de)和(he)(he)低成本的(de)(de)FSS，使(shi)FSS在(zai)大學(xue)和(he)(he)中(zhong)學(xue)階(jie)段的(de)(de)研究和(he)(he)教育(yu)中(zhong)得到更廣泛的(de)(de)利用。討(tao)論了MyDAS的(de)(de)不同推進配(pei)置及(ji)其相應的(de)(de)運動方(fang)程(cheng)。對(dui)于一個(ge)特(te)定的(de)(de)配(pei)置，選(xuan)擇(ze)并測試了現(xian)成的(de)(de)氣(qi)動和(he)(he)電子組件。一個(ge)模塊(kuai)化和(he)(he)標(biao)準化的(de)(de)3D打印(yin)框架將所有部件固(gu)定在(zai)一起(qi)，形成一個(ge)最終的(de)(de)剛性(xing)載體。最后(hou)，MyDAS在(zai)各(ge)種(zhong)實(shi)驗中(zhong)被測試，完成了全部的(de)(de)硬件功能。

1 引言

本(ben)(ben)(ben)論(lun)文進行小型化(hua)和(he)簡化(hua)的浮動航天器模擬器（FSS）工作。本(ben)(ben)(ben)章簡要介紹了這(zhe)項工作的動機和(he)目標，以及(ji)本(ben)(ben)(ben)論(lun)文的結(jie)構。

1.1 動機

未來空間(jian)任(ren)(ren)務中(zhong)的(de)(de)(de)(de)航天器需(xu)(xu)要(yao)靈活、自主(zhu)的(de)(de)(de)(de)制導、導航和(he)控制（GNC）算法(fa)，如對接(jie)、接(jie)近或清除(chu)碎片(pian)的(de)(de)(de)(de)操縱[1], [2], [3]。用(yong)(yong)(yong)硬件在回(hui)路中(zhong)驗(yan)證GNC算法(fa)的(de)(de)(de)(de)一種(zhong)(zhong)方法(fa)是使用(yong)(yong)(yong)FSS，而無需(xu)(xu)將(jiang)測試對象送入太空。盡管不向太空發(fa)射任(ren)(ren)何東西而大(da)大(da)降低了成本，但(dan)目(mu)前(qian)的(de)(de)(de)(de)FSS仍然需(xu)(xu)要(yao)大(da)量的(de)(de)(de)(de)經濟(ji)和(he)費(fei)時的(de)(de)(de)(de)工作來建造和(he)操作，這只有專門的(de)(de)(de)(de)機構或公司才可能做到。除(chu)此之外，目(mu)前(qian)的(de)(de)(de)(de)FSS都(dou)是獨特的(de)(de)(de)(de)設計(ji)，沒有標準化。引(yin)入一種(zhong)(zhong)新的(de)(de)(de)(de)、負擔得起的(de)(de)(de)(de)、小而簡單的(de)(de)(de)(de)FSS可以(yi)(yi)使本科生甚至高中(zhong)生以(yi)(yi)及業余用(yong)(yong)(yong)戶能夠使用(yong)(yong)(yong)FSS工作。提供這種(zhong)(zhong)機會可以(yi)(yi)增(zeng)加為未來空間(jian)任(ren)(ren)務創造更好的(de)(de)(de)(de)GNC算法(fa)的(de)(de)(de)(de)成功機會。

1.2 目標

先(xian)前工作提(ti)出(chu)了一個更便宜、更小、更簡(jian)單(dan)的(de)(de)FSS的(de)(de)概念(nian)[4]，稱為(wei)MyDAS，代表微(wei)型(xing)(xing)動(dong)(dong)態(tai)自主航天(tian)器(qi)模(mo)擬器(qi)。提(ti)出(chu)了初步(bu)的(de)(de)計算(suan)機(ji)輔助(zhu)設(she)計（CAD）模(mo)型(xing)(xing)、材(cai)料清單(dan)、氣(qi)動(dong)(dong)圖(tu)、接(jie)線(xian)圖(tu)、兩種浮動(dong)(dong)配置(zhi)(zhi)和(he)(he)三種推(tui)(tui)進(jin)配置(zhi)(zhi)。本(ben)論文的(de)(de)目(mu)的(de)(de)是(shi)建(jian)立一個MyDAS的(de)(de)物理工作實(shi)例。為(wei)此，所(suo)有定制(zhi)(zhi)設(she)計的(de)(de)部件(jian)(jian)(jian)應與購買的(de)(de)現成部件(jian)(jian)(jian)一起制(zhi)(zhi)造和(he)(he)組(zu)裝。所(suo)有的(de)(de)功(gong)能(neng)(neng)部件(jian)(jian)(jian)應先(xian)單(dan)獨測(ce)試(shi)，然后再組(zu)合(he)。最(zui)終的(de)(de)裝置(zhi)(zhi)必須能(neng)(neng)夠使(shi)用壓縮空(kong)氣(qi)供應漂浮和(he)(he)推(tui)(tui)動(dong)(dong)自己。如果可能(neng)(neng)的(de)(de)話，在不使(shi)用推(tui)(tui)進(jin)系(xi)統(tong)的(de)(de)空(kong)氣(qi)的(de)(de)情況下(xia)，漂浮時間應超過5分鐘。此外，推(tui)(tui)進(jin)系(xi)統(tong)必須由機(ji)載(zai)計算(suan)機(ji)和(he)(he)機(ji)載(zai)電池控制(zhi)(zhi)。該裝置(zhi)(zhi)的(de)(de)硬(ying)件(jian)(jian)(jian)和(he)(he)軟件(jian)(jian)(jian)應是(shi)開源的(de)(de)，以使(shi)其可重復使(shi)用。作為(wei)其中的(de)(de)一部分，將(jiang)提(ti)出(chu)一個成本(ben)估(gu)算(suan)。在未來的(de)(de)工作中，希望MyDAS能(neng)(neng)被積極用于驗(yan)證和(he)(he)改進(jin)GNC算(suan)法。

1.3 結構

如(ru)上所述(shu)，本(ben)論文(wen)(wen)是基(ji)(ji)于(yu)以(yi)(yi)(yi)前的(de)(de)(de)工作，其(qi)中(zhong)介紹(shao)了(le)(le)關于(yu)FSS的(de)(de)(de)理論基(ji)(ji)礎和(he)技術(shu)現狀(zhuang)[4]。理論基(ji)(ji)礎和(he)技術(shu)現狀(zhuang)同樣適用于(yu)本(ben)論文(wen)(wen)，這就是為什么(me)它(ta)們在本(ben)文(wen)(wen)件中(zhong)沒有(you)明確重復(fu)。在第(di)(di)2章(zhang)運(yun)動(dong)方程(cheng)中(zhong)，以(yi)(yi)(yi)前工作中(zhong)的(de)(de)(de)簡(jian)化運(yun)動(dong)方程(cheng)被指定用于(yu)其(qi)中(zhong)一個(ge)推(tui)進(jin)(jin)配置。第(di)(di)3章(zhang)氣動(dong)系(xi)統討論了(le)(le)MyDAS的(de)(de)(de)氣動(dong)系(xi)統。第(di)(di)4章(zhang)電(dian)子學中(zhong)解釋了(le)(le)MyDAS的(de)(de)(de)電(dian)路以(yi)(yi)(yi)及所有(you)的(de)(de)(de)電(dian)子元(yuan)件。第(di)(di)5章(zhang)框(kuang)架(jia)設計的(de)(de)(de)主要(yao)內容(rong)是構建和(he)制(zhi)造一個(ge)定制(zhi)的(de)(de)(de)、3D打印的(de)(de)(de)框(kuang)架(jia)，該(gai)(gai)框(kuang)架(jia)將所有(you)的(de)(de)(de)部(bu)件固(gu)定在一起。第(di)(di)6章(zhang)設置和(he)測試(shi)描(miao)述(shu)了(le)(le)在組裝MyDAS的(de)(de)(de)過(guo)程(cheng)中(zhong)對(dui)(dui)單個(ge)和(he)組合部(bu)件的(de)(de)(de)若干測試(shi)。在第(di)(di)7章(zhang)實驗(yan)中(zhong)，全功(gong)能(neng)的(de)(de)(de)FSS被用在一個(ge)花(hua)崗巖(yan)試(shi)驗(yan)臺上，以(yi)(yi)(yi)證明其(qi)功(gong)能(neng)，以(yi)(yi)(yi)及描(miao)述(shu)某些(xie)推(tui)進(jin)(jin)方面的(de)(de)(de)特征。最(zui)后一章(zhang)的(de)(de)(de)結論是對(dui)(dui)工作的(de)(de)(de)總結以(yi)(yi)(yi)及對(dui)(dui)未來工作的(de)(de)(de)建議。復(fu)制(zhi)MyDAS的(de)(de)(de)基(ji)(ji)本(ben)信息(xi)，如(ru)技術(shu)圖紙(zhi)、材料清單和(he)Python列表，可以(yi)(yi)(yi)在附錄中(zhong)找到(dao)。此外(wai)，該(gai)(gai)代碼與CAD文(wen)(wen)件和(he)更(geng)多不能(neng)打印在紙(zhi)上的(de)(de)(de)數據一起在網上提供(gong)。

美國(guo)缺(que)乏(fa)一套專(zhuan)門的(de)(de)(de)(de)(de)(de)(de)人工(gong)智(zhi)能(neng)(neng)（AI）戰(zhan)(zhan)(zhan)爭(zheng)的(de)(de)(de)(de)(de)(de)(de)理論(lun)(lun)。這導致了在(zai)戰(zhan)(zhan)(zhan)爭(zheng)的(de)(de)(de)(de)(de)(de)(de)作戰(zhan)(zhan)(zhan)層面上缺(que)乏(fa)對人工(gong)智(zhi)能(neng)(neng)影響的(de)(de)(de)(de)(de)(de)(de)討論(lun)(lun)。人工(gong)智(zhi)能(neng)(neng)的(de)(de)(de)(de)(de)(de)(de)定義通(tong)常采用技術(shu)視角(jiao)，不考慮對作戰(zhan)(zhan)(zhan)藝術(shu)的(de)(de)(de)(de)(de)(de)(de)影響。提議的(de)(de)(de)(de)(de)(de)(de)作戰(zhan)(zhan)(zhan)藝術(shu)的(de)(de)(de)(de)(de)(de)(de)新要(yao)素(su) "抓(zhua)手（Grip）"解(jie)釋了人工(gong)智(zhi)能(neng)(neng)和(he)人類在(zai)兩個方面的(de)(de)(de)(de)(de)(de)(de)基(ji)本關系：自主性和(he)角(jiao)色交換。“抓(zhua)手”為人工(gong)智(zhi)能(neng)(neng)戰(zhan)(zhan)(zhan)爭(zheng)的(de)(de)(de)(de)(de)(de)(de)理論(lun)(lun)奠定了基(ji)礎，除了揭示(shi)改(gai)變任務指(zhi)揮理論(lun)(lun)的(de)(de)(de)(de)(de)(de)(de)必要(yao)性外，還提出了作戰(zhan)(zhan)(zhan)的(de)(de)(de)(de)(de)(de)(de)假(jia)(jia)設。美國(guo)空軍陸(lu)戰(zhan)(zhan)(zhan)隊(dui)的(de)(de)(de)(de)(de)(de)(de)發(fa)展以及由此(ci)產(chan)生的(de)(de)(de)(de)(de)(de)(de)戰(zhan)(zhan)(zhan)爭(zheng)作戰(zhan)(zhan)(zhan)水平（和(he)作戰(zhan)(zhan)(zhan)藝術(shu)）在(zai)歷史上有(you)類似(si)的(de)(de)(de)(de)(de)(de)(de)案(an)例(li)，說明關鍵假(jia)(jia)設如何影響戰(zhan)(zhan)(zhan)場的(de)(de)(de)(de)(de)(de)(de)可視化。去除“人在(zai)回路中”的(de)(de)(de)(de)(de)(de)(de)人工(gong)智(zhi)能(neng)(neng)戰(zhan)(zhan)(zhan)爭(zheng)的(de)(de)(de)(de)(de)(de)(de)假(jia)(jia)設，揭示(shi)了需要(yao)一種新的(de)(de)(de)(de)(de)(de)(de)作戰(zhan)(zhan)(zhan)藝術(shu)元素(su)來安排(pai)部(bu)隊(dui)的(de)(de)(de)(de)(de)(de)(de)時間(jian)、空間(jian)和(he)目的(de)(de)(de)(de)(de)(de)(de)，此(ci)外，美國(guo)陸(lu)軍任務指(zhi)揮理論(lun)(lun)需要(yao)調整，以使指(zhi)揮官能(neng)(neng)夠在(zai)各(ge)種形式(shi)的(de)(de)(de)(de)(de)(de)(de)控制(zhi)之間(jian)移動。

簡介

“機(ji)器人和人工智能可(ke)以從根本上改(gai)變戰(zhan)爭(zheng)的性質......誰先到達(da)那里，誰就能主宰戰(zhan)場。”- 美國陸軍部長馬克(ke)-埃斯佩(pei)爾博士，2018年

預計(ji)人(ren)(ren)工(gong)智(zhi)(zhi)能(neng)（AI）將極大地改變21世(shi)紀(ji)的(de)(de)(de)戰(zhan)(zhan)爭(zheng)特征。人(ren)(ren)工(gong)智(zhi)(zhi)能(neng)的(de)(de)(de)潛(qian)在(zai)(zai)應用只受到(dao)想象力和(he)(he)(he)公共政(zheng)策的(de)(de)(de)限制。人(ren)(ren)工(gong)智(zhi)(zhi)能(neng)擁有縮短決策周期(qi)的(de)(de)(de)潛(qian)力，超過了(le)人(ren)(ren)類(lei)的(de)(de)(de)理論極限。人(ren)(ren)工(gong)智(zhi)(zhi)能(neng)也有望執行人(ren)(ren)類(lei)、機器和(he)(he)(he)混合編隊(dui)的(de)(de)(de)指揮和(he)(he)(he)控(kong)制功(gong)能(neng)。人(ren)(ren)工(gong)智(zhi)(zhi)能(neng)在(zai)(zai)自(zi)主武(wu)器系統（AWS）中的(de)(de)(de)潛(qian)力同樣(yang)是(shi)無(wu)限的(de)(de)(de)：分布式制造、蜂群(qun)和(he)(he)(he)小型(xing)化的(de)(de)(de)先(xian)(xian)進(jin)傳感(gan)器為(wei)(wei)未來(lai)(lai)的(de)(de)(de)指揮官創造了(le)大量的(de)(de)(de)配置變化。與圍繞(rao)人(ren)(ren)工(gong)智(zhi)(zhi)能(neng)的(de)(de)(de)技(ji)術、倫理和(he)(he)(he)概(gai)念(nian)問題相(xiang)關的(de)(de)(de)無(wu)數問題，為(wei)(wei)如何將這項技(ji)術整(zheng)合到(dao)戰(zhan)(zhan)爭(zheng)的(de)(de)(de)戰(zhan)(zhan)術層(ceng)面上蒙(meng)上了(le)陰影。現代軍隊(dui)幾(ji)個世(shi)紀(ji)以來(lai)(lai)一直(zhi)在(zai)(zai)為(wei)(wei)正確(que)整(zheng)合進(jin)化（和(he)(he)(he)革(ge)命）的(de)(de)(de)技(ji)術進(jin)步而奮斗。美國(guo)(guo)內戰(zhan)(zhan)期(qi)間的(de)(de)(de)鐵(tie)路技(ji)術對 "鐵(tie)路頭 "軍隊(dui)和(he)(he)(he)格(ge)蘭特將軍在(zai)(zai)維克斯(si)堡戰(zhan)(zhan)役中的(de)(de)(de)勝利都(dou)有貢獻。25年后，法國(guo)(guo)人(ren)(ren)忽(hu)視(shi)了(le)普魯(lu)士(shi)的(de)(de)(de)鐵(tie)路試驗，給(gei)第三(san)帝國(guo)(guo)帶(dai)來(lai)(lai)了(le)危(wei)險(xian)，同時也沒能(neng)把(ba)握(wo)住小口(kou)徑(jing)步槍的(de)(de)(de)優勢。卡(ka)爾-馮-克勞(lao)塞維茨(ci)在(zai)(zai)《論戰(zhan)(zhan)爭(zheng)》中指出，每(mei)個時代都(dou)有自(zi)己的(de)(de)(de)戰(zhan)(zhan)爭(zheng)和(he)(he)(he)先(xian)(xian)入為(wei)(wei)主的(de)(de)(de)觀念(nian)。本(ben)專著(zhu)將探討當(dang)前的(de)(de)(de)先(xian)(xian)入為(wei)(wei)主的(de)(de)(de)觀念(nian)和(he)(he)(he)人(ren)(ren)工(gong)智(zhi)(zhi)能(neng)在(zai)(zai)戰(zhan)(zhan)爭(zheng)的(de)(de)(de)操(cao)作(zuo)層(ceng)面的(de)(de)(de)出現。

對作(zuo)戰(zhan)(zhan)層面(mian)(mian)的(de)(de)(de)(de)討論(lun)側重于(yu)作(zuo)戰(zhan)(zhan)藝(yi)術(shu)，以(yi)(yi)及指揮官和(he)(he)他們的(de)(de)(de)(de)參謀人(ren)員如何(he)通過整合(he)目(mu)的(de)(de)(de)(de)、方式和(he)(he)手段，以(yi)(yi)及在(zai)時間(jian)、空間(jian)和(he)(he)目(mu)的(de)(de)(de)(de)上(shang)安(an)排(pai)部(bu)隊來發(fa)展戰(zhan)(zhan)役。在(zai)作(zuo)戰(zhan)(zhan)藝(yi)術(shu)中缺乏以(yi)(yi)人(ren)工(gong)(gong)智(zhi)(zhi)能(neng)(neng)為主題的(de)(de)(de)(de)討論(lun)，增(zeng)加了不適當地部(bu)署裝備(bei)和(he)(he)以(yi)(yi)不充(chong)分的(de)(de)(de)(de)理論(lun)進行(xing)戰(zhan)(zhan)斗的(de)(de)(de)(de)風險(xian)；實質上(shang)是(shi)在(zai)邦(bang)聯(lian)的(de)(de)(de)(de)火車(che)上(shang)與追兵(bing)作(zuo)戰(zhan)(zhan)。美國(guo)的(de)(de)(de)(de)政策(ce)文(wen)件和(he)(he)技(ji)術(shu)路線圖主要集中在(zai)能(neng)(neng)力發(fa)展和(he)(he)道(dao)德影響上(shang)，而沒有(you)描述一(yi)個(ge)(ge)有(you)凝(ning)聚力的(de)(de)(de)(de)人(ren)工(gong)(gong)智(zhi)(zhi)能(neng)(neng)戰(zhan)(zhan)爭(zheng)的(de)(de)(de)(de)理論(lun)。但美國(guo)和(he)(he)中國(guo)在(zai)自主行(xing)動方面(mian)(mian)的(de)(de)(de)(de)實驗(yan)趨于(yu)一(yi)致；這引(yin)起了沖突的(de)(de)(de)(de)可能(neng)(neng)性，其特(te)點(dian)是(shi)越來越多的(de)(de)(de)(de)被授(shou)權的(de)(de)(de)(de)人(ren)工(gong)(gong)智(zhi)(zhi)能(neng)(neng)和(he)(he)AWS沒有(you)得到(dao)實際理論(lun)框架(jia)的(de)(de)(de)(de)支持。這個(ge)(ge)問題導致了幾個(ge)(ge)問題。美國(guo)軍(jun)隊的(de)(de)(de)(de)人(ren)工(gong)(gong)智(zhi)(zhi)能(neng)(neng)戰(zhan)(zhan)爭(zheng)理論(lun)是(shi)什么？大(da)國(guo)競爭(zheng)者的(de)(de)(de)(de)人(ren)工(gong)(gong)智(zhi)(zhi)能(neng)(neng)戰(zhan)(zhan)爭(zheng)理論(lun)是(shi)什么？有(you)哪些關(guan)于(yu)顛覆性技(ji)術(shu)的(de)(de)(de)(de)歷史案例？理論(lun)應該如何(he)改變以(yi)(yi)解釋顛覆性技(ji)術(shu)？

本專著(zhu)旨在回(hui)答上述(shu)問題。它還提(ti)出(chu)了兩個(ge)(ge)概念，以(yi)使指揮官(guan)(guan)能(neng)(neng)夠在戰(zhan)(zhan)場上可(ke)視(shi)化(hua)和(he)(he)運用人工(gong)智(zhi)能(neng)(neng)；一個(ge)(ge)被暫時(shi)稱為 "抓手"的(de)(de)(de)(de)(de)(de)(de)作戰(zhan)(zhan)藝(yi)術(shu)(shu)(shu)的(de)(de)(de)(de)(de)(de)(de)新(xin)(xin)元素和(he)(he)一個(ge)(ge)任務(wu)指揮理(li)論(lun)(lun)(lun)(lun)的(de)(de)(de)(de)(de)(de)(de)延伸。該論(lun)(lun)(lun)(lun)點(dian)將(jiang)(jiang)(jiang)(jiang)分(fen)(fen)三(san)(san)個(ge)(ge)主(zhu)要(yao)部分(fen)(fen)進行闡述(shu)。第(di)一節(jie)(jie)(jie)(jie)（理(li)論(lun)(lun)(lun)(lun)）將(jiang)(jiang)(jiang)(jiang)證明人工(gong)智(zhi)能(neng)(neng)需(xu)要(yao)一個(ge)(ge)認知工(gong)具來(lai)(lai)在時(shi)間(jian)、空間(jian)和(he)(he)目的(de)(de)(de)(de)(de)(de)(de)上安排(pai)部隊，方(fang)法(fa)是(shi)：綜合(he)美國(guo)的(de)(de)(de)(de)(de)(de)(de)人工(gong)智(zhi)能(neng)(neng)戰(zhan)(zhan)爭理(li)論(lun)(lun)(lun)(lun)，描(miao)述(shu)中(zhong)國(guo)的(de)(de)(de)(de)(de)(de)(de)人工(gong)智(zhi)能(neng)(neng)戰(zhan)(zhan)爭理(li)論(lun)(lun)(lun)(lun)，以(yi)及揭示當前(qian)文獻中(zhong)的(de)(de)(de)(de)(de)(de)(de)“抓手”理(li)論(lun)(lun)(lun)(lun)。第(di)二節(jie)(jie)(jie)(jie)（歷史）是(shi)對1973年(nian)為應對技術(shu)(shu)(shu)轉變(bian)(bian)而(er)從(cong)主(zhu)動防御演(yan)變(bian)(bian)而(er)來(lai)(lai)的(de)(de)(de)(de)(de)(de)(de)空地(di)戰(zhan)(zhan)（ALB）的(de)(de)(de)(de)(de)(de)(de)案例研究。第(di)二節(jie)(jie)(jie)(jie)將(jiang)(jiang)(jiang)(jiang)重點(dian)討(tao)論(lun)(lun)(lun)(lun)戰(zhan)(zhan)場維度的(de)(de)(de)(de)(de)(de)(de)思想、任務(wu)指揮理(li)論(lun)(lun)(lun)(lun)的(de)(de)(de)(de)(de)(de)(de)演(yan)變(bian)(bian)以(yi)及相關的(de)(de)(de)(de)(de)(de)(de)作戰(zhan)(zhan)藝(yi)術(shu)(shu)(shu)的(de)(de)(de)(de)(de)(de)(de)正式出(chu)現(xian)。第(di)三(san)(san)節(jie)(jie)(jie)(jie)（新(xin)(xin)興(xing)理(li)論(lun)(lun)(lun)(lun)）提(ti)出(chu)了作戰(zhan)(zhan)藝(yi)術(shu)(shu)(shu)的(de)(de)(de)(de)(de)(de)(de)新(xin)(xin)要(yao)素，作為一種認知工(gong)具，幫助指揮官(guan)(guan)和(he)(he)參謀(mou)部將(jiang)(jiang)(jiang)(jiang)21世(shi)紀的(de)(de)(de)(de)(de)(de)(de)戰(zhan)(zhan)場可(ke)視(shi)化(hua)。第(di)三(san)(san)節(jie)(jie)(jie)(jie)將(jiang)(jiang)(jiang)(jiang)把以(yi)前(qian)的(de)(de)(de)(de)(de)(de)(de)章節(jie)(jie)(jie)(jie)整合(he)成一個(ge)(ge)有凝聚力的(de)(de)(de)(de)(de)(de)(de)模型，讓指揮官(guan)(guan)和(he)(he)參謀(mou)部在時(shi)間(jian)、空間(jian)和(he)(he)目的(de)(de)(de)(de)(de)(de)(de)方(fang)面可(ke)視(shi)化(hua)他們與AI和(he)(he)AWS的(de)(de)(de)(de)(de)(de)(de)關系(xi)。第(di)三(san)(san)節(jie)(jie)(jie)(jie)還將(jiang)(jiang)(jiang)(jiang)提(ti)供一個(ge)(ge)任務(wu)指揮理(li)論(lun)(lun)(lun)(lun)的(de)(de)(de)(de)(de)(de)(de)建議擴(kuo)展(zhan)，以(yi)說(shuo)明人機互動的(de)(de)(de)(de)(de)(de)(de)情(qing)況(kuang)。

主要研究成果

人工(gong)智(zhi)(zhi)(zhi)能(neng)(neng)的(de)(de)復雜性(xing)導(dao)致了(le)正式的(de)(de)戰(zhan)爭(zheng)(zheng)理(li)(li)(li)論(lun)的(de)(de)缺乏(fa)；然而(er)，在美國(guo)的(de)(de)政策和(he)發展(zhan)(zhan)文件中(zhong)存(cun)在著(zhu)一個(ge)初步的(de)(de)美國(guo)人工(gong)智(zhi)(zhi)(zhi)能(neng)(neng)戰(zhan)爭(zheng)(zheng)理(li)(li)(li)論(lun)。人工(gong)智(zhi)(zhi)(zhi)能(neng)(neng)戰(zhan)爭(zheng)(zheng)理(li)(li)(li)論(lun)必須解釋(shi)人類和(he)人工(gong)智(zhi)(zhi)(zhi)能(neng)(neng)之(zhi)間(jian)的(de)(de)關系，這樣才能(neng)(neng)完整。通過(guo)作(zuo)戰(zhan)藝術(shu)和(he)任(ren)務(wu)指揮的(de)(de)視(shi)角來看待人工(gong)智(zhi)(zhi)(zhi)能(neng)(neng)，揭示了(le)自主(zhu)性(xing)和(he)角色互換的(de)(de)兩個(ge)頻譜，通過(guo)不同的(de)(de)組合創造了(le)人工(gong)智(zhi)(zhi)(zhi)能(neng)(neng)戰(zhan)爭(zheng)(zheng)理(li)(li)(li)論(lun)的(de)(de)維(wei)度。這些維(wei)度，或者說掌(zhang)握的(de)(de)形式，代表了(le)作(zuo)戰(zhan)藝術(shu)的(de)(de)一個(ge)新元素。同樣，需要將任(ren)務(wu)指揮理(li)(li)(li)論(lun)擴(kuo)展(zhan)(zhan)到一個(ge)過(guo)程-產(chan)出模型中(zhong)，以實(shi)現掌(zhang)握形式之(zhi)間(jian)的(de)(de)移動。

方法論

綜(zong)合美國(guo)(guo)目前(qian)的(de)人(ren)(ren)工智(zhi)能政(zheng)(zheng)策和(he)AWS的(de)發(fa)展(zhan)路(lu)線(xian)圖，提供(gong)了(le)一幅戰略領導人(ren)(ren)如何看待人(ren)(ren)工智(zhi)能的(de)圖景，允許發(fa)展(zhan)一個暫定(ding)的(de)戰爭理(li)論。由于缺乏(fa)關于武(wu)器化人(ren)(ren)工智(zhi)能的(de)歷史數據，政(zheng)(zheng)策和(he)發(fa)展(zhan)路(lu)線(xian)圖是必需的(de)，因此本專著中(zhong)提出(chu)的(de)理(li)論是由提煉出(chu)來的(de)概(gai)念產(chan)生的(de)。由于中(zhong)國(guo)(guo)的(de)工業(ye)和(he)技術基礎的(de)規模(mo)(mo)，中(zhong)國(guo)(guo)被選為(wei)對抗模(mo)(mo)式，預計在10到15年內，中(zhong)國(guo)(guo)將超(chao)越俄羅斯成為(wei)美國(guo)(guo)最大的(de)戰略競(jing)爭對手。

圖文并(bing)茂(mao)的(de)(de)(de)案(an)(an)例研究方(fang)法將被用(yong)來分(fen)(fen)析主動防(fang)御和(he)(he)空地(di)戰(zhan)之間(jian)的(de)(de)(de)過渡(du)。該案(an)(an)例研究將整合(he)技術、政(zheng)策(ce)和(he)(he)戰(zhan)爭理(li)論(lun)(lun)(lun)，以喚(huan)起人們(men)對(dui)多域作(zuo)戰(zhan)（MDO）和(he)(he)人工智(zhi)能(neng)在21世紀(ji)戰(zhan)爭中(zhong)作(zuo)用(yong)的(de)(de)(de)疑問。第二(er)節(jie)的(de)(de)(de)批判性分(fen)(fen)析側重(zhong)于(yu)理(li)論(lun)(lun)(lun)的(de)(de)(de)發展(zhan)，而不是其應(ying)用(yong)。第二(er)節(jie)的(de)(de)(de)詳(xiang)細程(cheng)度是有限(xian)制(zhi)的(de)(de)(de)，因(yin)(yin)為它(ta)仍然是一個更大（和(he)(he)有限(xian)）整體(ti)的(de)(de)(de)一部分(fen)(fen)，因(yin)(yin)此重(zhong)點應(ying)繼續(xu)揭示戰(zhan)場可視化和(he)(he)認知輔助工具之間(jian)的(de)(de)(de)聯系。第三節(jie)通(tong)過作(zuo)戰(zhan)藝(yi)術的(de)(de)(de)新元(yuan)素和(he)(he)任(ren)務(wu)(wu)指(zhi)揮(hui)(hui)理(li)論(lun)(lun)(lun)的(de)(de)(de)調整來回答每(mei)一節(jie)中(zhong)發現(xian)的(de)(de)(de)問題(ti)，從而將前幾節(jie)連接(jie)起來。人工智(zhi)能(neng)缺乏(fa)歷史(shi)，考慮到人們(men)不能(neng)直接(jie)分(fen)(fen)析以前的(de)(de)(de)沖突，以獲得(de)教(jiao)訓或原則。在這種情況下，任(ren)務(wu)(wu)指(zhi)揮(hui)(hui)理(li)論(lun)(lun)(lun)提(ti)供(gong)了一種間(jian)接(jie)的(de)(de)(de)方(fang)法來理(li)解使(shi)人類能(neng)夠集中(zhong)式和(he)(he)分(fen)(fen)布式指(zhi)揮(hui)(hui)和(he)(he)控制(zhi)功(gong)能(neng)的(de)(de)(de)機(ji)(ji)制(zhi)，以及為什么人工智(zhi)能(neng)缺乏(fa)相應(ying)的(de)(de)(de)機(ji)(ji)制(zhi)會(hui)抑制(zhi)我們(men)感知機(ji)(ji)會(hui)的(de)(de)(de)能(neng)力(li)。第三節(jie)將把(ba)美國現(xian)行政(zheng)策(ce)和(he)(he)路線圖中(zhong)的(de)(de)(de)幾個抓手成(cheng)分(fen)(fen)匯總到任(ren)務(wu)(wu)指(zhi)揮(hui)(hui)理(li)論(lun)(lun)(lun)提(ti)供(gong)的(de)(de)(de)框(kuang)架(jia)中(zhong)。

范圍和限制

本(ben)專著存在于美國陸軍多域作戰概(gai)(gai)念的(de)框架內，其理解是解決(jue)方案(an)是聯合(he)(he)性質的(de)，因為(wei) "陸軍不能單(dan)獨解決(jue)問題，概(gai)(gai)念發展必須在整個聯合(he)(he)部隊中保持一(yi)致，清晰(xi)的(de)語言(yan)很重要(yao)。"本(ben)專著不能被理解為(wei)對MDO中提出的(de)問題的(de)單(dan)一(yi)解決(jue)方案(an)，而(er)是一(yi)種幫助實現戰斗力聚合(he)(he)的(de)方法。

關于(yu)人(ren)工智能(neng)的討論(lun)充滿了倫理、法律和道德方面的考慮(lv)，本(ben)專著不(bu)會涉及這些方面。本(ben)專論(lun)的假設是(shi)(shi)，人(ren)工智能(neng)的軍(jun)事(shi)用途(tu)在政治(zhi)上仍然是(shi)(shi)可(ke)行(xing)的，而(er)且 "戰(zhan)略前提(ti) "允許(xu)該(gai)技術的軍(jun)事(shi)應用走向成熟。由于(yu)運用的變化幾乎是(shi)(shi)無限(xian)的，人(ren)工智能(neng)的戰(zhan)術實(shi)施將(jiang)不(bu)會被(bei)詳細討論(lun)，而(er)重(zhong)點是(shi)(shi)在作戰(zhan)層面上的概念整合。一(yi)般(ban)能(neng)力將(jiang)被(bei)限(xian)制在與作戰(zhan)藝術和作戰(zhan)過(guo)程有(you)關的具(ju)體趨勢上。

摘要

人們不(bu)斷地推動人工(gong)智(zhi)能(neng)(neng)(neng)(neng)（AI）盡(jin)可(ke)能(neng)(neng)(neng)(neng)地像人類(lei)智(zhi)能(neng)(neng)(neng)(neng)一(yi)樣(yang)；然(ran)(ran)而，這是一(yi)項艱巨(ju)的(de)(de)(de)(de)(de)(de)(de)任務，因(yin)(yin)為它(ta)無法(fa)學習(xi)超(chao)(chao)出(chu)其目前的(de)(de)(de)(de)(de)(de)(de)理(li)(li)解(jie)能(neng)(neng)(neng)(neng)力。類(lei)比(bi)推理(li)(li)（AR）已被提議作為實現這一(yi)目標(biao)(biao)的(de)(de)(de)(de)(de)(de)(de)方法(fa)之一(yi)。目前的(de)(de)(de)(de)(de)(de)(de)文(wen)獻缺乏對心理(li)(li)學啟發的(de)(de)(de)(de)(de)(de)(de)和(he)自然(ran)(ran)語言處理(li)(li)產(chan)生的(de)(de)(de)(de)(de)(de)(de)AR算法(fa)的(de)(de)(de)(de)(de)(de)(de)技術比(bi)較，這些算法(fa)在(zai)基(ji)于單詞的(de)(de)(de)(de)(de)(de)(de)多選題(ti)類(lei)比(bi)問題(ti)上具有(you)一(yi)致的(de)(de)(de)(de)(de)(de)(de)指標(biao)(biao)。評估是基(ji)于 "正確(que)性(xing)(xing) "和(he) "良(liang)好(hao)性(xing)(xing) "指標(biao)(biao)的(de)(de)(de)(de)(de)(de)(de)。對于所(suo)有(you)的(de)(de)(de)(de)(de)(de)(de)文(wen)本(ben)問題(ti)，并沒有(you)一(yi)個通用的(de)(de)(de)(de)(de)(de)(de)算法(fa)。作為視覺(jue)類(lei)比(bi)推理(li)(li)的(de)(de)(de)(de)(de)(de)(de)貢獻，卷積(ji)神經網絡（CNN）與AR矢量(liang)(liang)空間模(mo)型Global Vectors（GloVe）在(zai)擬議的(de)(de)(de)(de)(de)(de)(de)Image Recognition Through Analogical Reasoning Algorithm（IRTARA）中被整合。IRTARA結(jie)果質量(liang)(liang)是通過定義、類(lei)比(bi)推理(li)(li)和(he)人為因(yin)(yin)素(su)評估方法(fa)來衡量(liang)(liang)的(de)(de)(de)(de)(de)(de)(de)。研(yan)究表明，AR有(you)可(ke)能(neng)(neng)(neng)(neng)通過其在(zai)文(wen)本(ben)和(he)視覺(jue)問題(ti)空間中理(li)(li)解(jie)超(chao)(chao)出(chu)其基(ji)礎知識概念的(de)(de)(de)(de)(de)(de)(de)能(neng)(neng)(neng)(neng)力，促進更多類(lei)似人類(lei)的(de)(de)(de)(de)(de)(de)(de)人工(gong)智(zhi)能(neng)(neng)(neng)(neng)。

1 前言

在整(zheng)個(ge)娛樂界，人(ren)(ren)們都認(ren)為機(ji)器人(ren)(ren)是(shi)人(ren)(ren)工(gong)智能(neng)(neng)（AI）的(de)(de)(de)(de)(de)化身，幾乎(hu)可(ke)(ke)以(yi)(yi)立即識(shi)別和探(tan)測物(wu)體(ti)(ti)。然而(er)(er)，對于今天(tian)的(de)(de)(de)(de)(de)人(ren)(ren)工(gong)智能(neng)(neng)來(lai)說(shuo)，現實是(shi)明顯不(bu)同的(de)(de)(de)(de)(de)。運行(xing)(xing)中的(de)(de)(de)(de)(de)人(ren)(ren)工(gong)智能(neng)(neng)被訓練(lian)成能(neng)(neng)夠理(li)解、識(shi)別或(huo)對幾個(ge)已(yi)知(zhi)的(de)(de)(de)(de)(de)實例(li)采取行(xing)(xing)動(dong)；然而(er)(er)，像(xiang)人(ren)(ren)類(lei)一樣，對人(ren)(ren)工(gong)智能(neng)(neng)可(ke)(ke)能(neng)(neng)遇到的(de)(de)(de)(de)(de)每個(ge)場景(jing)進行(xing)(xing)訓練(lian)是(shi)不(bu)可(ke)(ke)行(xing)(xing)的(de)(de)(de)(de)(de)，所以(yi)(yi)它有(you)一些未知(zhi)的(de)(de)(de)(de)(de)場景(jing)，圖1-1的(de)(de)(de)(de)(de)行(xing)(xing)數。當付諸實踐時，人(ren)(ren)工(gong)智能(neng)(neng)可(ke)(ke)以(yi)(yi)觀察到或(huo)接觸到它知(zhi)道(dao)或(huo)不(bu)知(zhi)道(dao)的(de)(de)(de)(de)(de)東西（情況(kuang)、物(wu)體(ti)(ti)等）。其結(jie)果(guo)是(shi)，人(ren)(ren)工(gong)智能(neng)(neng)的(de)(de)(de)(de)(de)交互涉及圖1-1所示的(de)(de)(de)(de)(de)四類(lei)可(ke)(ke)能(neng)(neng)的(de)(de)(de)(de)(de)結(jie)果(guo)之一，基(ji)于實體(ti)(ti)是(shi)已(yi)知(zhi)的(de)(de)(de)(de)(de)（庫(ku)內）還是(shi)未知(zhi)的(de)(de)(de)(de)(de)（庫(ku)外），從正確分類(lei)（已(yi)知(zhi)的(de)(de)(de)(de)(de)已(yi)知(zhi)）、錯誤分類(lei)（未知(zhi)的(de)(de)(de)(de)(de)已(yi)知(zhi)）或(huo)各種庫(ku)外情況(kuang)（已(yi)知(zhi)的(de)(de)(de)(de)(de)未知(zhi)和未知(zhi)的(de)(de)(de)(de)(de)未知(zhi)）（Situ, Friend, Bauer, & Bihl, 2016）。

圖(tu)1-1. 已知(zhi)(zhi)和(he)未知(zhi)(zhi)矩陣

在(zai)圖(tu)1-1的(de)三個類別(bie)中，至少有一(yi)個部(bu)分是已(yi)知(zhi)的(de)，然(ran)而，人們對探索如(ru)何 "學(xue)習 "未(wei)知(zhi)的(de)未(wei)知(zhi)數有很大的(de)興趣。未(wei)知(zhi)數的(de)例子(zi)是試圖(tu)識別(bie)一(yi)個機器學(xue)習（ML）算(suan)法以(yi)前沒有訓練過的(de)物體。探索這(zhe)一(yi)領域的(de)動機包括(kuo)自(zi)動化系統的(de)不斷增(zeng)長，以(yi)及無法產生能夠在(zai)已(yi)知(zhi)-未(wei)知(zhi)情(qing)況下評估問題的(de)模型數量(liang)（Bihl & Talbert, 2020）。

現代娛樂(le)業(ye)將(jiang)人(ren)(ren)工(gong)智能(neng)展示為能(neng)夠幾乎立即解決未(wei)(wei)(wei)知(zhi)的(de)未(wei)(wei)(wei)知(zhi)問題，正如2004年和2008年的(de)電(dian)影《iRobot》和《Wall-E》所展示的(de)那樣。雖然這(zhe)(zhe)兩(liang)部(bu)電(dian)影都發(fa)生在(zai)(zai)比(bi)現在(zai)(zai)更(geng)晚的(de)未(wei)(wei)(wei)來(lai)，但它們(men)給人(ren)(ren)留下的(de)印象是(shi)人(ren)(ren)工(gong)智能(neng)比(bi)它的(de)真實情(qing)況要(yao)自(zi)如得多(duo)(duo)(duo)。在(zai)(zai)這(zhe)(zhe)兩(liang)部(bu)電(dian)影中，人(ren)(ren)工(gong)智能(neng)可以識別極(ji)其廣泛(fan)的(de)物體和情(qing)況，而觀察所需的(de)時間(jian)似乎是(shi)最少的(de)。這(zhe)(zhe)項任(ren)務本質(zhi)上(shang)是(shi)復(fu)雜的(de)，涉及多(duo)(duo)(duo)個人(ren)(ren)工(gong)智能(neng)過程，包括圖(tu)像識別、未(wei)(wei)(wei)知(zhi)事物的(de)識別和分(fen)(fen)類，以及復(fu)雜的(de)推理邏輯。在(zai)(zai)這(zhe)(zhe)種(zhong)情(qing)況下使(shi)用的(de)人(ren)(ren)工(gong)智能(neng)俗(su)稱包括許多(duo)(duo)(duo)涉及模式識別或ML的(de)方法(fa)和領(ling)域；雖然ML是(shi)人(ren)(ren)工(gong)智能(neng)的(de)一個子集，但俗(su)稱的(de)人(ren)(ren)工(gong)智能(neng)/ML可以用來(lai)包括許多(duo)(duo)(duo)能(neng)力，從分(fen)(fen)類和圖(tu)像處理到(dao)完全(quan)機(ji)器(qi)意識的(de)計算(suan)機(ji)。

為了更好地(di)說明人(ren)工智(zhi)能在圖像識(shi)別方面的狀(zhuang)況，圖1-2.a所示的圖像由人(ren)類（即作者(zhe)）和谷歌(ge)云的Vision AI進(jin)行評估。如(ru)圖1-2.b所示，人(ren)類會很容易地(di)識(shi)別出天空中的許多(duo)(duo)煙花(hua)，然后，識(shi)別出煙花(hua)下面的水。對(dui)人(ren)類觀(guan)察(cha)者(zhe)來說，這幅(fu)圖像顯然包含了多(duo)(duo)個物體(ti)；然而(er)，視(shi)覺人(ren)工智(zhi)能對(dui)這一(yi)結論感(gan)到(dao)掙扎。

圖1-2. 煙花圖像

Vision AI包括Vision API，可以對(dui)圖(tu)像中的(de)(de)(de)各(ge)種物體(ti)/特(te)征進行分類、識(shi)別(bie)和(he)檢測（Google, 2021）。使用他(ta)們的(de)(de)(de)工具(ju)的(de)(de)(de)網絡演(yan)示(shi)，圖(tu)1-2.a所(suo)示(shi)的(de)(de)(de)同一圖(tu)像被通過，并(bing)在兩(liang)種不同的(de)(de)(de)情況下被評估，物體(ti)識(shi)別(bie)和(he)圖(tu)像標簽。Vision AI只(zhi)對(dui)物體(ti)進行識(shi)別(bie)，圖(tu)1-3中的(de)(de)(de)綠框(kuang)表示(shi)的(de)(de)(de)是閃電，得(de)(de)分是51%（其中 "得(de)(de)分 "是一個從無(wu)信(xin)心，0%到(dao)高信(xin)心，100%的(de)(de)(de)值（Google, 2021））。

圖1-3. 由谷(gu)歌云視覺AI分(fen)解的煙花圖像（谷(gu)歌，2021年）

然而，當(dang)試圖(tu)(tu)只給整個(ge)(ge)(ge)圖(tu)(tu)像(xiang)貼上標(biao)簽而不是(shi)搜索特(te)定(ding)的(de)(de)(de)物體時，Vision AI明顯(xian)改善了其預測結(jie)果。這(zhe)(zhe)些結(jie)果，即排(pai)(pai)名(ming)、標(biao)簽和分(fen)數(shu)(shu)，都顯(xian)示在(zai)表(biao)1-1中。開頭用(yong) "t-"表(biao)示的(de)(de)(de)排(pai)(pai)名(ming)代表(biao)得分(fen)相(xiang)同。在(zai)排(pai)(pai)名(ming)的(de)(de)(de)頂(ding)部，這(zhe)(zhe)些標(biao)簽似(si)乎適(shi)合(he)于(yu)該圖(tu)(tu)像(xiang)，特(te)別(bie)是(shi) "煙(yan)花 "以96%的(de)(de)(de)分(fen)數(shu)(shu)出現(xian)在(zai)頂(ding)部。有(you)幾個(ge)(ge)(ge)標(biao)簽激起了人們對該算法如(ru)(ru)何(he)工作的(de)(de)(de)好(hao)奇(qi)心。盡(jin)管 "地標(biao) "和 "空(kong)間 "的(de)(de)(de)得分(fen)是(shi)77%，但(dan)如(ru)(ru)果從圖(tu)(tu)像(xiang)的(de)(de)(de)表(biao)面(mian)價值來看，它們是(shi)不準確的(de)(de)(de)。有(you)幾個(ge)(ge)(ge)標(biao)簽似(si)乎很(hen)難被普遍可視化，如(ru)(ru) "午夜"、"事件 "和 "假日"。最后(hou)，有(you)些標(biao)簽可能是(shi)準確的(de)(de)(de)，也可能是(shi)不準確的(de)(de)(de)，這(zhe)(zhe)取決于(yu)標(biao)簽的(de)(de)(de)使用(yong)環(huan)境（例如(ru)(ru)，同音字，如(ru)(ru) "光(guang) "的(de)(de)(de)亮度或重(zhong)量，這(zhe)(zhe)兩(liang)個(ge)(ge)(ge)詞(ci)在(zai)這(zhe)(zhe)里都很(hen)合(he)適(shi)），以及圖(tu)(tu)片的(de)(de)(de)拍攝環(huan)境（例如(ru)(ru)，"除夕"、"排(pai)(pai)燈 "和 "中國新(xin)年"）。

表1-1. 谷歌云端視(shi)覺AI標簽預測

退一(yi)(yi)步講(jiang)，這(zhe)很(hen)可能(neng)是(shi)一(yi)(yi)個已知的(de)(de)(de)情況；然(ran)而，除了表1-1中的(de)(de)(de) "煙花(hua) "標(biao)簽外(wai)，其余的(de)(de)(de)頂級分(fen)類(lei)（得(de)分(fen)大于(yu)或等(deng)于(yu)90%）都在不(bu)描述圖像的(de)(de)(de)類(lei)別上，例(li)如 "水(shui)"、"光 "或 "自(zi)然(ran)"。這(zhe)就是(shi)圖像分(fen)類(lei)由于(yu)其對它(ta)所知道的(de)(de)(de)類(lei)/標(biao)簽的(de)(de)(de)限制而提供了非常(chang)狹窄的(de)(de)(de)結(jie)果。能(neng)夠(gou)準確地(di)解釋或識別這(zhe)些(xie)未知的(de)(de)(de)東西，是(shi)目前文獻中非常(chang)感興趣的(de)(de)(de)。解決未知數的(de)(de)(de)一(yi)(yi)個建議是(shi)通過(guo)應用類(lei)比(bi)推理（AR），從而通過(guo)類(lei)比(bi)進行推理/學習。

1.1 技術動機

許(xu)多圖(tu)(tu)像分(fen)類算法(fa)是為(wei)2010-2018年(nian)的(de)(de)(de)(de)ImageNet大(da)規模視覺(jue)識別挑戰賽(sai)（ILSVRC）創(chuang)建的(de)(de)(de)(de)（Russakovsky, et al., 2015; Stanford Vision Lab, 2020）。ILSVRC主(zhu)要(yao)(yao)關注三個(ge)(ge)不同的(de)(de)(de)(de)任務：圖(tu)(tu)像分(fen)類、單一(yi)(yi)(yi)(yi)物體(ti)定(ding)位和(he)物體(ti)檢測（個(ge)(ge)別年(nian)份有一(yi)(yi)(yi)(yi)些(xie)變化）（Russakovsky, et al., 2015）。數據集包括1000個(ge)(ge)不同的(de)(de)(de)(de)類別，有超過一(yi)(yi)(yi)(yi)百萬張(zhang)(zhang)訓(xun)練圖(tu)(tu)像、五萬張(zhang)(zhang)驗證(zheng)圖(tu)(tu)像和(he)十萬至十五萬張(zhang)(zhang)測試圖(tu)(tu)像（Russakovsky, et al.） 2010年(nian)和(he)2011年(nian)的(de)(de)(de)(de)獲勝者使用(yong)了 "淺(qian)層(ceng) "人工神經網絡（ANNs）；然(ran)而(er)，從(cong)2012年(nian)開始，比賽(sai)出(chu)現了第一(yi)(yi)(yi)(yi)個(ge)(ge)使用(yong)深(shen)層(ceng)ANNs的(de)(de)(de)(de)作品，在(zai)比賽(sai)的(de)(de)(de)(de)生命(ming)周期(qi)內，深(shen)層(ceng)ANNs一(yi)(yi)(yi)(yi)直很受(shou)歡(huan)迎（Russakovsky, et al., 2015）。這(zhe)些(xie)深(shen)度ANNs在(zai)圖(tu)(tu)像分(fen)類領域是成(cheng)功的(de)(de)(de)(de)，但需要(yao)(yao)大(da)量(liang)的(de)(de)(de)(de)時(shi)間和(he)高(gao)性能的(de)(de)(de)(de)計(ji)算資源。這(zhe)些(xie)算法(fa)，如應用(yong)于ILSVRC的(de)(de)(de)(de)ANNs，是在(zai)一(yi)(yi)(yi)(yi)定(ding)數量(liang)的(de)(de)(de)(de)熟悉的(de)(de)(de)(de)實(shi)例上(shang)訓(xun)練出(chu)來的(de)(de)(de)(de)，因此可以處理(li)已(yi)知的(de)(de)(de)(de)已(yi)知事物。然(ran)而(er)，當遇(yu)到意(yi)想不到的(de)(de)(de)(de)查詢時(shi)，即一(yi)(yi)(yi)(yi)個(ge)(ge)在(zai)最初發布時(shi)沒有提出(chu)的(de)(de)(de)(de)新圖(tu)(tu)像類別時(shi)，這(zhe)種(zhong)算法(fa)要(yao)(yao)么(me)完(wan)全不能勝任，要(yao)(yao)么(me)表現不佳。

此(ci)類問題正是AR在改善人(ren)工智能結(jie)果方(fang)面的(de)巨大潛力。AR可以(yi)(yi)根據算(suan)(suan)法已(yi)經(jing)知道(dao)的(de)信息(xi)(xi)，從一(yi)個意(yi)外的(de)查詢(xun)中(zhong)提取信息(xi)(xi)。模(mo)仿(fang)人(ren)類使用類比學(xue)習的(de)方(fang)式，算(suan)(suan)法也可以(yi)(yi)做(zuo)到這(zhe)一(yi)點，而不需要額外的(de)訓練場景，更(geng)多的(de)計算(suan)(suan)資源，和/或不合(he)理地延長所需的(de)運行時(shi)間(jian)。因此(ci)，令人(ren)感興(xing)趣(qu)的(de)是現有的(de)不同類型(xing)的(de)AR算(suan)(suan)法，以(yi)(yi)及它們如何已(yi)經(jing)或可以(yi)(yi)與當前最(zui)先(xian)進的(de)圖像(xiang)識別程序(xu)相結(jie)合(he)。

現有的(de)(de)許(xu)多(duo)(duo)AR算法(fa)都專注(zhu)于(yu)(yu)語(yu)言和視覺(jue)領(ling)域(yu)的(de)(de)各種任務。然(ran)而(er)，這(zhe)(zhe)些算法(fa)往往局(ju)限于(yu)(yu)語(yu)言或視覺(jue)問(wen)題，在(zai)利用(yong)兩者的(de)(de)信息(xi)方面幾乎沒(mei)有重疊。此外，許(xu)多(duo)(duo)視覺(jue)AR算法(fa)都集中在(zai)基于(yu)(yu)幾何的(de)(de)問(wen)題上，例如（Polya, 1990; Sadeghi, Zitnick, & Farhadi, 2015），這(zhe)(zhe)并(bing)不適用(yong)于(yu)(yu)上面提出(chu)的(de)(de)圖(tu)像(xiang)(xiang)分(fen)類問(wen)題。因(yin)此，感興(xing)趣的(de)(de)是在(zai)圖(tu)像(xiang)(xiang)識別的(de)(de)背景下使用(yong)AR來處理涉及未知數的(de)(de)問(wen)題。

1.2 應用動機

圖(tu)像識別只是人(ren)(ren)工(gong)(gong)智能研究(jiu)的(de)(de)(de)(de)(de)(de)一小(xiao)部(bu)分；然而，它對日常生活的(de)(de)(de)(de)(de)(de)影響是最大的(de)(de)(de)(de)(de)(de)之一。一些例子包括用于(yu)解(jie)鎖(suo)手(shou)機的(de)(de)(de)(de)(de)(de)面部(bu)身份識別，圖(tu)像到文本(ben)的(de)(de)(de)(de)(de)(de)自(zi)動字幕生成器，自(zi)動駕駛汽車(che)，以及(ji)其他許多例子。在(zai)這些場景中，不(bu)準(zhun)確和未(wei)知的(de)(de)(de)(de)(de)(de)后果大體上從輕微的(de)(de)(de)(de)(de)(de)不(bu)便(bian)（即不(bu)得不(bu)手(shou)動解(jie)鎖(suo)手(shou)機）到可能危(wei)及(ji)生命的(de)(de)(de)(de)(de)(de)事件（即，自(zi)動駕駛汽車(che)沒有檢測到行人(ren)(ren)）。隨著人(ren)(ren)工(gong)(gong)智能的(de)(de)(de)(de)(de)(de)日常使用的(de)(de)(de)(de)(de)(de)增加和后果的(de)(de)(de)(de)(de)(de)擴大，對能夠處理未(wei)知因素的(de)(de)(de)(de)(de)(de)精(jing)確人(ren)(ren)工(gong)(gong)智能的(de)(de)(de)(de)(de)(de)需(xu)求也在(zai)增加。

具體(ti)到(dao)自駕車場景，圖像識(shi)別(bie)算法需要識(shi)別(bie)許多不(bu)同(tong)的(de)(de)東西、物(wu)體(ti)和/或人(ren)，而且越(yue)來越(yue)不(bu)可(ke)能(neng)為所有可(ke)能(neng)的(de)(de)現實(shi)世界情況收(shou)集(ji)數(shu)(shu)據(ju)。例如，考(kao)慮到(dao)一個停(ting)車標志，在查看一個停(ting)車標志時，各種因素會改變它的(de)(de)表(biao)現，如眩光、照明、遮蔽、損壞、陽光角(jiao)度、背景、油漆(qi)質量(liang)、外觀角(jiao)度、安(an)裝(zhuang)高度等等。由(you)于(yu)不(bu)可(ke)能(neng)為每(mei)一種可(ke)能(neng)的(de)(de)情況收(shou)集(ji)數(shu)(shu)據(ju)，更(geng)不(bu)用說為其(qi)他物(wu)體(ti)收(shou)集(ji)數(shu)(shu)據(ju)了，所以能(neng)夠通(tong)過類比推理(li)，認為觀察到(dao)的(de)(de)油漆(qi)褪色的(de)(de)停(ting)車標志與已知的(de)(de)停(ting)車標志的(de)(de)樣子相似，然后判斷這可(ke)能(neng)是一個停(ting)車標志，然后指(zhi)揮汽車停(ting)車。

1.3 研究貢獻

自1954年Polya的(de)(de)工作開始，算法的(de)(de)AR方法首先(xian)在(zai)1964年Evan的(de)(de)ANALOGY程序中(zhong)得到發(fa)展（Polya, 1990）。從那時起，AR的(de)(de)許多(duo)途徑都(dou)被探(tan)索出來(lai)了。與作者的(de)(de)貢獻最相關的(de)(de)技術領域列舉如下

表1-2，列(lie)舉(ju)了最近(jin)的前期工作（2000年(nian)及以(yi)后）以(yi)及作者在本(ben)論(lun)文(wen)（Combs, 2021）或(huo)單獨文(wen)章（Combs, Bihl, Ganapathy, & Staples, 2022）中(zhong)進(jin)行的研究(jiu)的實(shi)例參(can)考。

表1-2. 以前的(de)技術貢獻和目(mu)前的(de)研究貢獻之間的(de)關系圖（在 "重(zhong)點 "欄中用(yong)X表示(shi)）。

1.4 研究目標

了解了技術和應用(yong)動機，以(yi)便更好地嘗試意外(wai)的(de)查詢，本論(lun)文的(de)目標(biao)是(shi)通過開發(fa)一個類比(bi)推理(li)-增強(qiang)的(de)框(kuang)架，在存在未(wei)知的(de)未(wei)知因素的(de)情況下提高(gao)圖(tu)(tu)像識(shi)(shi)別(bie)。圖(tu)(tu)像識(shi)(shi)別(bie)的(de)發(fa)展有(you)很多方(fang)式(shi)；然而，它們在解釋 "已知 "語料庫之外(wai)的(de)能力(li)方(fang)面是(shi)有(you)限的(de)。由于其結構圍(wei)繞著熟悉和不熟悉的(de)場景，AR以(yi)前被用(yong)來，也將被用(yong)來從以(yi)前不熟悉的(de)場景中產生信息。為了達到這些目標(biao)，研究和開發(fa)過程被分成了四個部分。

首(shou)先，在第(di)(di)二(er)章中(zhong)，為了(le)了(le)解AR的(de)(de)(de)(de)(de)現(xian)狀，需要(yao)對(dui)AR的(de)(de)(de)(de)(de)算法(fa)有一(yi)個(ge)(ge)全面(mian)的(de)(de)(de)(de)(de)了(le)解，包(bao)括(kuo)以文(wen)(wen)本和(he)(he)視覺問(wen)題為中(zhong)心的(de)(de)(de)(de)(de)算法(fa)。由(you)于(yu)(yu)(yu)(yu)這是在圖(tu)(tu)像分(fen)(fen)類(lei)問(wen)題的(de)(de)(de)(de)(de)背(bei)景(jing)(jing)下(xia)進(jin)行的(de)(de)(de)(de)(de)，所以這里也有一(yi)個(ge)(ge)簡(jian)短的(de)(de)(de)(de)(de)部(bu)分(fen)(fen)專(zhuan)門討(tao)論圖(tu)(tu)像識別和(he)(he)卷積(ji)神經網絡（CNN）的(de)(de)(de)(de)(de)研究。其次，在第(di)(di)三章中(zhong)，由(you)于(yu)(yu)(yu)(yu)文(wen)(wen)獻中(zhong)的(de)(de)(de)(de)(de)AR算法(fa)種(zhong)(zhong)(zhong)類(lei)繁多，我們進(jin)行了(le)廣(guang)泛的(de)(de)(de)(de)(de)比較(jiao)，以選(xuan)擇AR中(zhong)的(de)(de)(de)(de)(de)最佳品種(zhong)(zhong)(zhong)，進(jin)一(yi)步用于(yu)(yu)(yu)(yu)基于(yu)(yu)(yu)(yu)圖(tu)(tu)像的(de)(de)(de)(de)(de)問(wen)題。六(liu)種(zhong)(zhong)(zhong)基于(yu)(yu)(yu)(yu)文(wen)(wen)本的(de)(de)(de)(de)(de)AR算法(fa)，包(bao)括(kuo)混合算法(fa)和(he)(he)連接(jie)主(zhu)義算法(fa)，在評估正確性和(he)(he)良好(hao)性的(de)(de)(de)(de)(de)兩(liang)個(ge)(ge)指標上(shang)進(jin)行了(le)比較(jiao)。接(jie)下(xia)來(lai)，在第(di)(di)四章中(zhong)，詳細(xi)描述了(le)一(yi)種(zhong)(zhong)(zhong)新的(de)(de)(de)(de)(de)AR集成(cheng)算法(fa)，用于(yu)(yu)(yu)(yu)對(dui)未(wei)知(zhi)的(de)(de)(de)(de)(de)未(wei)知(zhi)事物進(jin)行圖(tu)(tu)像分(fen)(fen)類(lei)。這一(yi)節談到了(le)用于(yu)(yu)(yu)(yu)測試算法(fa)的(de)(de)(de)(de)(de)數據集，算法(fa)的(de)(de)(de)(de)(de)工作原理（技術描述和(he)(he)3個(ge)(ge)步驟的(de)(de)(de)(de)(de)演練），最后是算法(fa)產生的(de)(de)(de)(de)(de)結(jie)果。最后，在第(di)(di)五章中(zhong)，在選(xuan)定的(de)(de)(de)(de)(de) "未(wei)知(zhi)數 "背(bei)景(jing)(jing)下(xia)，討(tao)論了(le)用于(yu)(yu)(yu)(yu)評估結(jie)果的(de)(de)(de)(de)(de)兩(liang)種(zhong)(zhong)(zhong)自動化方法(fa)以及作為基線(xian)的(de)(de)(de)(de)(de)第(di)(di)三種(zhong)(zhong)(zhong)基于(yu)(yu)(yu)(yu)人(ren)類(lei)的(de)(de)(de)(de)(de)分(fen)(fen)析。第(di)(di)六(liu)章是論文(wen)(wen)的(de)(de)(de)(de)(de)結(jie)尾，一(yi)般性地(di)討(tao)論了(le)在圖(tu)(tu)像分(fen)(fen)類(lei)問(wen)題上(shang)的(de)(de)(de)(de)(de)研究的(de)(de)(de)(de)(de)新穎性，以及未(wei)來(lai)關于(yu)(yu)(yu)(yu)AR如何在其他未(wei)知(zhi)情況下(xia)使用的(de)(de)(de)(de)(de)工作。