这份材料涉及到人工智能在工业、行业和社会发展各个领域和方向的应用情况和能力，以及在军事领域的应用前景。

在未来的武装冲突中，获胜将不是在火力和侦察装备制造技术上占优势的一方，而是在指挥控制系统制造技术上占优势的一方。将人工智能技术迅速和大规模地引入防空反导部队自动化设备综合系统是对抗世界大国未来高科技空天袭击兵器的最有效解决方案。这种技术的研发可以从引进其他技术领域中解决类似问题的专家系统（Expert system）开始。

人工智能技术在外国武器中的应用

人工智能技术目前在世界各地广泛用于各个行业。人工智能技术的基础是机器学习、人工神经网络和大数据技术（超大型异类数据集）。人工智能可以应用于所有用途的复杂技术系统。它的突出特点是高适应性和自学习。人工智能的理论基础包括概率论、数学统计学、人工神经网络、模糊逻辑、心理学、语言学和计算机技术。

应该说，在解决需要直觉的任务时，人工智能已经超越了人类，包括预测其他人的行为，因为直觉可以被看作是对情况“映像”的无意识辨识。人工智能对于管理和监控非常快或非常慢的过程是不可或缺的。数学分析也表明，有些任务从根本上说是无法只用计算算法得到解决的。

在商业经济中，人工智能技术已经在诸如以下任务中找到了广泛的应用：

噪声条件下的多语言语流的识别和翻译；

文本识别，识别文本中的情感，预测一句话的延续，文本翻译；

从大量的数据中创建自然语言的原始文本；

密码学（文本判读），破译生物的基因组；

将二维图像组合成三维图像（如制图、断层照相、X射线学）；

人脸识别、情绪识别、照片认证、手写文字识别、地形图像识别；

预测建筑物和结构的强度；

智能学习系统；

财务规划、销售、炒股、有价证券总存量管理、贷款发放可行性评估（评估申请人的偿付能力和贷款额度）；

物流（订购和管理货物和部件的流动）；

医学系统中复杂数据的分析，安排诊断和治疗，药物的选择，心理状态的预测；

搜索恶意软件；

寻找网络漏洞；

游戏，包括可以投机的纸牌游戏；

技术系统的诊断；

法律咨询和刑事诉讼，包括预测某位法官的判决；

在三种物理环境中的自主和自动导航（车辆交通控制）；

灵活的道路交通管制（控制交通信号灯）；

证明定理，形成假设，形成专家系统的知识库；

复杂物品的合成：新药品的合成，具有指定特性的复杂有机化合物的合成，新生物体基因组的合成。

以上每一项的软件产品总数都非常多。表1给出了一些采用人工智能技术的商业软件产品的例子。

一般来说，所有的世界和俄罗斯大型IT公司（谷歌、Facebook、亚马逊，VK、Mail集团公司、Yandex）都在其商业产品（社交网络、在线服务）中使用了人工智能技术服务（文本翻译、图像识别、用户偏好识别、垃圾邮件和恶意程序识别、地形图像识别），这些服务程序或者公开运行，或者对用户进行了隐瞒。

 

斯坦福大学2021年的报告分析了过去五年人工智能的发展，指出在语音、文本、视觉图像识别以及基因组破译和蛋白质功能识别技术方面，还有新的氨基酸序列或具有指定功能的化学品合成（例如制药）中取得的进步最大。现在，人工智能在人脸识别方面特别成功，无论是医用面罩还是特殊涂饰都不会影响成功识别。这并不奇怪，因为COVID-19的大流行使得这一功能成为最需要的功能。这里应该补充的是，从广义上讲，神经网络的功能始终可以认为是在特定“情况”下的“对象识别”。

目前，人工智能技术在外国武器系统中的普及程度尚不如商业领域，然而在这些武器系统，包括在防空反导武器指挥控制系统中，这些技术的普及呈爆炸性增长趋势。

对人工智能技术采用最多的是美国、以色列和英国军队。例如，美国国防部（DoD）已经建立了JAIC联合人工智能中心和A-AITF（“陆军人工智能任务部队”）人工智能专项小组。卡内基梅隆大学已经成为美国国防部人工智能技术的主要开发单位。

此外，2014年11月15日，美国国防部长查克·哈格尔在宣布国防创新倡议（Defense

Innovation Initiative，DII）时，提出了第三次抵消战略（Third Offset Strategy）--通过在武器系统中大规模使用人工智能确保在世界上的军事主导地位（第一次抵消战略：发展核武器；第二次抵消战略：发展精确制导非核武器）。

美国国防部专家对武装斗争领域采用人工智能的评价是如同火药和核武器的发明一样，是能够完全改变武装斗争模式的因素。

据预测，人工智能能够打破一个国家的人口数量和经济实力与武装力量战斗力之间的联系。

通过引进人工智能技术来改进武器系统是使其现代化的最廉价和最具成本效益的方法：这种方法可以省略或大大降低材料、配件、电子元器件、模拟和原型机制造的费用，试验经费也会降低，因为需要的测试较少。此外，这些技术不依赖外国供应材料、电子元器件和生产设备。美国的经验表明，人工智能可以为现有的武器，甚至是老旧武器赋予新的性能。

人工神经网络是上述国家武器系统中使用的几乎所有人工智能技术的基础。基于神经网络的专用人工智能应用于以下领域：

自主式（无人）运输工具（用于空中、水中和陆地环境）；

导弹防御系统（“萨德”“爱国者”）的控制系统和正在开发的定向能武器系统，人工智能可以通过快速决策来应对目标的高超声速飞行；

用于飞行员训练的飞行模拟器，人工智能有稳步超越胜过飞行员的趋势，特别是在机动空战中；

查找各型号武器中的恶意软件和网络漏洞。

人工智能技术在防空反导部队自动化设备综合系统中可能的应用方向

目前，防空反导部队兵团、部队和分队列装的自动化设备综合系统主要使用经典的计算算法。同时，有一些问题是在战斗过程中只能由防空反导兵团和部队指挥所战勤人员解决的，或者根本不能解决。

例如，考虑到（下级）部队战勤班的训练水平，根据雷达图像来识别目标的类别，以及预测目标轨迹和确定目标的战术目的（除了一些“明显”的目标，如弹道目标）的任务并不能自动解决。在靶场上对测试目标射击或作战训练目标射击时，指挥员很少决定选择自动化设备综合系统和作战指挥所的自动工作模式，这也间接证实了这一点。

然而，战勤人员容易受到压力、疲劳的影响，训练水平各异，这就不可能保证稳定解决上述任务。此外，人工智能系统与军人不同，彼此之间或与操作人员之间不存在心理相容性问题，而且容易进行再训练。

同样值得认真关注的是，美国和其他一些世界主要大国正在大力投资制造使用人工智能技术的完全自主式攻击型无人机，能够在没有外部支援的情况下在有争议的空间开展行动（表2）。因此，在不远的将来，防空反导部队将面临这样一种情况：自主式无人机将结合有人平台的智能化和无人平台的机动特性，这将大大增加防空战斗的动态变化，并使其性质复杂化。防空反导部队指挥所战勤人员将无法在这种情况下做出实时决策。

尽管俄罗斯武器在人工智能领域明显滞后，但应该注意到，如今美国军队武器的人工智能普及率也是远远落后于商业软件领域，这缩小了俄罗斯和国外军事装备在这一领域的距离，有可能减少上述差距。

人工智能可以在解决以下主要问题中得到应用，这些问题是防空反导部队自动化设备综合系统的传统计算算法所不能解决或能够完全解决的：

通过信号特征识别目标类别和类型，在干扰背景下选择目标（解决无线电频率范围内的图形识别任务）；

通过轨迹特征识别目标类型和类别；

根据全部的目标特征、地形和保卫对象相关信息，识别出目标或目标群的战术目的（揭示敌人的打击意图）；

跟踪积极机动和分离目标，包括那些释放各种假目标、诱饵、使用智能干扰的航空杀伤兵器的目标；

解决战勤人员、所控制的火力和侦察装备准备程度评估任务（既包括实时评估，即直接在战斗期间进行评估，也包括累积式评估--根据以往战斗经验结果）；

解决目标分配和目标指示任务，既要考虑到根据目标的类别和战术目的对其运动和行动进行预测，又要考虑到下级战勤人员的训练水平。

人工智能在视觉图像识别方面的成功使利用这些技术来根据信号和干扰特征识别目标类型和类别看起来特别有前途，因为这些任务中的所有差异都归结于电磁波频谱的不同范围。

此外，配备人工智能的自动化设备综合系统可以执行以下辅助任务：

指导性文件为战勤班不同人员在典型情况下规定的行动算法的自动化（例如，作战值班人员在探测到入侵飞机时的行动，转入高级战备状态的行动，等等）；

创建不同的训练突击方案（协助生成突击方案和实现打击的意图），实现训练目标的互动动作（相对于受训战勤班的行动）；

协助战勤人员识别自动化设备综合系统本身的故障单元，以及根据作战过程中的行动结果评估下属兵器的完好状态。

这样的自动化设备综合系统不仅可以在训练和进行防空作战时，而且可以在防空战斗值班时有效解决任务。

在武器系统发展的下一阶段，人工智能技术可以在解决以下任务中得到应用：

在干扰背景下识别目标；

战斗行动的自学习和仿真（包括仿真中的自学习）；

在战斗训练和作战行动中自动提取知识（积极经验）；

在自动化设备综合系统使用范围内积累和使用敌方行动战术特点相关知识；

在具有大量异类信息的信息空间内解决问题（大数据技术），这些异类信息包括：气象情况、昼夜时间和季节、地形，工程情况、辐射、化学和生物情况、非雷达（无线电和无线电技术、光学、谍报）侦察信息相关数据。

因此，配备人工智能的自动化设备综合系统可以是可训练的（即它可以额外接受其他指挥所的战勤班获得并进行系统化整理的新作战经验）和自学习的（即它可以根据自己的作战经验调整启发式算法，同时考虑到具体地形、敌人、协同兵力和下属兵器的特点）。

 

人工智能技术将允许使用最有经验的战勤班的经验、实战经验，并推广到防空反导部队的所有班组。

在其发展过程中，配备人工智能的自动化设备综合系统可以帮助形成与空天敌人斗争的全新战术，类似于人工智能技术其他应用领域的情况，如国际象棋，它可以被视为双边战争一个最简单的模式。

例如，2017年12月7日，谷歌公司的AlphaZero软件击败了2016年计算机软件的世界冠军Stockfsh 8。Stockfsh 8获得了人类数百年的国际象棋经验，以及数十年的国际象棋软件数据。它每秒钟可以分析7000万个国际象棋布局。而AlphaZero的计算速度只有每秒8万次运算，而且程序的开发者并没有教它国际象棋策略，甚至连标准开局都没有。在学习国际象棋的过程中，AlphaZero使用了最先进的机器学习技术自己跟自己比赛。尽管如此，在与Stockfsh 8对局的100盘棋中，AlphaZero赢了28盘，平局72盘。AlphaZero花了四个小时来学习如何下棋并为与Stockfsh 8的比赛进行准备。AlphaZero在四个小时内从完全无知到技能的巅峰，没有人类的任何帮助。换句话说，AlphaZero在四小时内找到的游戏策略比全人类几千年来发现的还要有效。

为防空反导部队自动化设备综合系统创造的人工智能技术及其研发经验在未来很容易推广到俄罗斯武装力量各军兵种其他部队的指挥和控制系统。

鉴于俄罗斯研发单位在人工智能系统领域的经验有限，最好是从旨在确定（选择）先进的人工智能自动化设备综合系统制造技术的开创性科学研究工作（或预案）来启动用于防空反导部队的相关人工智能技术研发。

 

在第一阶段，为了减少研发风险，最佳的解决方案可以是具有形式逻辑的、基于启发式算法的人工智能自动化设备综合系统（含有利用现有电子控制论基础创建的知识库的专家系统）。这种方法将更经济，更容易实施。

随着专门的电子控制论基础和技术的发展，自动化设备综合系统的进一步发展可能是引入基于人工神经网络的人工智能技术。