人工智能5：0大胜顶级人类飞行员，战机飞行员何去何从？

8月18-22日期间，美国国防先进研发项目局（DARPA）组织了一场人工智能对顶级美国空军飞行员的模拟空战格斗。模拟格斗是在F-16飞行模拟器上进行的，双方都只能使用航炮，结果人工智能以5：0大胜。消息传出后，“无人战斗机时代到来了”，“战斗机飞行员过时了”，各种预言不绝于耳。实际上，这不是人们第一次听到这样的预言了，也不会是最后一次，因为人工智能会不断发展，而人类飞行员并不会淡出。

8月18-22日期间，美国DARPA组织了一场人工智能对人类飞行员的模拟格斗，人工智能5：1大胜

还在50年代，空战自动化就是热门话题，当时的代表是F-102的全自动防空拦截

早在50年代，雷达初步成熟，空空导弹也崭露头角，各国就在琢磨全自动截击。战斗机从进入巡航到搜索、捕获目标、发射导弹，全程自动。实际上，起飞和着陆也可以自动，机上的飞行员更多的是监测飞机和机上系统的工作状态，只有在系统故障时才需要接管，相当于人力备用系统。

这是最早的自动化代替飞行员。在反恐战争中，无人机大量使用，无人机发射导弹也屡屡取得战果。这又是F-35的研发困难重重的年代，“F-35将是最后一代有人战斗机”的说法一时甚嚣尘上，欧洲也果然“放弃”研发与F-22或者F-35对标的第四代战斗机，直接研制无人作战飞机了。

当然，有人战斗机并没有过时。不仅美国空军和海军分别开始下一代战斗机的研制，欧洲也开始了英国宇航“暴风”和达索NGF的研制。这不是飞行员顽固守旧，而是必然。

绝密飞行的无人机机

曾经有一个时期，战斗机靠速度和高度就能摆脱空空导弹的追击。导弹的速度和机动性好，但发动机工作时间短，工作很短时间后，就靠惯性飞行。所以只要发现足够早，距离足够远，战斗机是可以靠爬高、加速和适当机动甩掉导弹的。

导弹技术也在进步，引头拦射的话，需要战斗机更早、更远、更大幅度的机动才能甩掉导弹，但在典型战术距离上，战斗机的持续机动性还是有可能“拖死”越来越慢的导弹的。

曾经有一个时候，飞机是可能依靠机动性甩掉空空导弹的

空空导弹进入双脉冲和冲压发动机时代后，能量不再是问题，一旦进入必杀区，战斗机单靠速度和机动已经不再可能甩掉导弹了

但导弹发动机采用双脉冲甚至冲压发动机后，能量问题大大缓解，而导弹抗过载能力天然高于飞行员的生理极限，靠机动是不大可能甩掉导弹了。于是各种电子和红外对抗越来越重要。但导弹也越来越“聪明”，对“突然”出现的新的假目标无动于衷，并用高分辨率的主动电扫雷达或者凝视阵列红外对目标精确测绘和识别，滤除“亮点”干扰，通过模式识别来精确追踪，甚至用雷达、红外、紫外等多频谱技术互相对比，排除对方单一或者不同步的干扰。雷达-红外双模制导是下一代空空导弹的标配。

在最新空空导弹面前，一旦进入必杀区，战斗机已经很难摆脱了。在战术上，需要通过先进预警、电子与红外干扰和先进战术，避免进入对方的必杀区；在技术上，需要采用硬杀伤技术，击杀来袭空空导弹。

激光是很热门的硬杀伤手段。直接用高能激光烧毁来袭导弹是最彻底的，激光还具有光束瞬时击中和无弹道弯曲的优点。对于反空空导弹来说，射击距离不需要很远，在几百、上千米距离上击毁（包括严重弱化导弹结构，使其在高机动中自我解体）就足够了，避免了光束在大气中的散射和吸收问题。

用激光直接摧毁空空导弹是最理想的，但始终难以突破实用化难关

更加传统的是微型空空导弹，如MSDM

像抛射曳光弹那样抛射智能反导飘雷是另一个思路，在导弹追来路过的时候引爆击杀

但这依然要求较高的能量。退而求其次，用激光损毁导弹的红外传感器，用高能微波摧毁导弹的雷达制导头，也足以使导弹失能。在近距离上，对于“一根筋”直追过来的目标，稳定瞄准相对容易，难点反而是战斗机自身的不规则逃逸机动。好处是战斗机往哪里机动是可以通过飞控与火控联动而自动补偿的，操作动作作为前馈信号输入激光和高能微波的火控系统，在战斗机开始机动时就自动补偿所造成的瞄准偏移，而不需要等到发现光束偏移目标了再反馈补偿。

更加传统的是用微型空空导弹，由于目标小，射程要求不高，可以守株待兔，有机载火控系统帮助指引目标，专用于反导弹的微型空空导弹的技术要求比“全规格”空空导弹要低，成本和重量也低。美国已经在研制这样的微型空空导弹了，长度只有典型近程空空导弹的1/3，重量更是只有不到30公斤。

智能反导飘雷是另一个思路。在来袭导弹逼近的时候，像红外曳光弹一样抛射若干带近炸引信和定向战斗部的智能反导飘雷，在来袭导弹穿过飘雷“走廊”的时候引爆击杀，也能达到反导作用。成本比微型空空导弹还低，只不过需要迫使来袭导弹转入尾追状态才能有效拦截。在大多数情况下，这是做得到的。

在某种意义上，导弹追击战斗机就是人工智能与有人战斗机的较量

在某种意义上，导弹追击战斗机，这就是人工智能与有人战斗机对抗的前奏。在DARPA的最新模拟格斗中，只是把导弹换成用人工智能控制的战斗机，移除了导弹的速度和机动性优势，但把导弹的直接撞击或者近炸改成用航炮射击。这当然在技术上比导弹追击更加复杂，也增加了限制条件，但在本质上是一样的。

人工智能是个很热门的话题，也前途无量。但人工智能也是很松散的话题，常常并无精确定义，有时候说是人工智能，实际上是传统的自动化问题。但这不重要，重要的是机器是否能战胜人类。

人类一直在焦虑“机器吃人”的问题，“阿尔法狗”大胜李世石后，人们的焦虑加深了

自从工业革命开始，人们就一直在焦虑“机器吃人”的问题。进入电脑时代后，尤其是“阿尔法狗”大胜李世石后，人们的焦虑加深了：“不仅体力上拼不过机器，脑力上也要拼不过机器了，机器真的要吃人了。”这不会是终极焦虑，还会有更进一步版，因为人还是在“吃”机器，还会一直吃下去，而不是机器吃人。

从ENIAC出现开始，人类算数字的速度就拼不过计算机了，但人类还以计算机需要人类编程自慰，“计算机只是在做人类指定的事情”。现在出现某种程度的自动编程，人工智能也具有一定的学习功能，似乎这一最后的自慰也要破灭了。其实不然。

人类对自身的认识很肤浅，比如说，谁也说不清智慧到底是什么，遑论精确描述和记录，所以人工智能是否能超过人类智能与其说是科学问题，不如说是玄学问题，因为根本无法精确定义智能

人工智能说到底是数学。更加确切地说，是用数学工具描述和逼近人类的知识和思维。但人类的知识和思维本身是远未有科学定论的东西，在很多方面甚至还很初浅，比如说，对于很多“只可言传不可意会”的东西，连人类都无法精确描述和记录，就更谈不上转化为人工智能可以处理的数学表述了。这正是人工智能无法取代有人战斗机的关键。

无人战斗机最大的问题一直是：

1、战争伦理

2、战争之雾

战争伦理不是不着边际的空谈。军事是政治的延伸，战争的胜利从不取决于胜利者的优势，而是取决于失败者承认失败。违反战争伦理的行动只能刺激对方不计代价、不择手段的殊死抵抗。战争之雾则是另一个战场上绕不过去的问题。战斗越激烈，情报和信息的不定性、不完整性问题越大。战争伦理最后可以归结为一系列交战规则，但规则适用条件的判别到头来必定和某种形式的战争之雾交织在一起，这是现代技术没法解决的问题，人工智能也是一样。

人工智能并不神秘，大名鼎鼎的神经元和深度学习在本质上基于S形的符号函数

人工智能并不神秘，当前最火热的深度学习基于神经元，这在本质上是基于S形的符号函数。调整S形函数的参数，可以拉伸、挤压S形。拉伸了接近直线，挤压后则接近阶梯。这很重要。连续的线性对应于数值运算，像1+1=2、3.4*4.5=15.3；断续的阶梯则对应于逻辑运算，像“今天是好天，所以我们出门吧”、“特朗普不靠谱，所以不能选他”。冯·诺伊曼最大的贡献就是用二进制作为计算机的数学基础。二进制的基本单元是0和1，很多0和1组合起来可以表述任意数值（任何有理数都可用足够多位数的二进制表述），但0和1本身又是逻辑表述（坏/好，关/开，倒退/前进，等等），这样的统一是数字计算机获得巨大成功的数学基础。

但在二进制架构下，逻辑运算用IF……THEN语句，数值运算用x=y+z这样的表达式，还是两股道上跑的车，在程序中也导致了不同的计算路径。但由于神经元和S形函数，数值运算和逻辑运算置于统一构架之下，两者之间无缝衔接和过渡，为表述和运算的高度复杂化创造了条件，便于表述高度复杂的现象和规律。将神经元组成网络，进一步增加表述和运算的复杂性，而深度学习在本质上就是多层神经元网络，复杂性不言而喻。

深度学习还有自学习能力。这是在实际使用中，比较基本预估模型与实际观测的差别，自动调整模型参数（甚至结构）以消除差别，以使得后续的模型输出更加精确，以模型为基础的决策更加精准有效。

具体到人工智能战胜战斗机飞行员的问题，战争之雾所代表的信息不确定性和不完整性是人工智能迈不过去的坎

但在本质上，不管浅度深度的学习，都还是针对确定的、完整的信息。阿尔法狗大胜李世石也好，DARPA人机模拟格斗也好，都是这样的情况。对于不确定、不完整的信息，模型的可靠性极大降级，以模型为基础的决策只能“宁缺毋滥”，用更保守的决策避免信息和模型误差导致的损害，极大地降低决策的有效性。

在这方面，人类并不一定总是走保守路线的。背水一战、空城计都是有算计的冒险，算计的基础在于经验和判断，而经验与判断正是 “只可意会不可言传”的。更重要的是，在战场情况高度复杂多变时，有一个“按指挥意图相机行事”的说法，这是军人主动积极和发挥英雄本色的时候，根据基本的指挥意图和战场实际，当机立断，改变行动预案，甚至改变作战目标，以取得更大的战果。李作鹏在辽沈战役中，顶着东野的直接命令，反而调动了整个东野，抓住战机，最后消灭了廖耀湘兵团，就是深刻理解指挥意图的例子。但“指挥意图”是更不精确、不确定、具有某种“只可意会不可言传”因素的东西，人都不是谁都能做到的，人工智能则是肯定做不到的。

这不是说DARPA的模拟格斗没用了。在进入格斗后，或者空情明确后，人工智能的计算比人类更快、更精确，反应更敏捷、更果断。高级人工智能还能自学习，根据过去几分钟里的实际对抗，对对方飞行员的习惯和能力进行学习和适应，以更好地在未来几分钟里的对抗中提高胜算。作为互联的计算机，人工智能还能更加迅速、精确地“交流经验”，把在战斗中学到的经验快速散布到其他无人战斗机甚至更多的战斗平台。因此，在适当的时候，飞行员向人工智能有所“交权”是完全合理的。事实上，现代格斗已经很少用完全依赖飞行员技术的航炮，而是用空空导弹，这就是在向初级的人工智能“交权”。有人机-无人机组队战斗是另一种形式的“交权”。

在不远的将来，空空导弹的发射也可能向人工智能“交权”。飞行员的使命从瞄准和射击的操作员转为战术指挥官，用隐身、机动、干扰、战术放大自己的必杀区，缩小敌机的必杀区；在把敌机套入自己的必杀区的同时，避免进入敌机的必杀区。敌机被套入必杀区后，剩下的事情就可以交给人工智能了；自己被敌机套入必杀区后，就等着跳伞吧。

即使在导弹能量水平大大提高的现在，必杀区依然是有限的，但也是相对于敌我态势动态变化的。追击到近距离时，必杀区较大，敌机已经不可能通过机动甩掉导弹，干扰和隐身的作用也都降低；在远距离上对飞时，必杀区较小，相对速度使得机动的作用放大，前向隐身的作用也较好，干扰相对于真实目标特征更加显著，效果也较好。像T字一样自己“顶着”敌机，则是最大限度地扩大自己的必杀区和缩小敌机必杀区的方法。通过隐身、机动、干扰的巧妙结合，是有可能做到把敌机套入自己的必杀区而自己避开敌机的必杀区的。人工智能在这里依然可以起到决策辅助作用，提供参考方案，但考虑到信息的不定性和不完整性，还是需要飞行员做决定。

人工智能是人类的帮手，不是代替人类的恶魔

因此人工智能只是飞行员的有力补充，但不是代替。扩大到更加一般的日常生活，自动化、机器人、人工智能将取代确定性、重复性、信息完整的工作场景，什么时候发生只是成本问题。人们只有发挥优势，用创造性思维永远领先一步，才能避免被“机器后浪”赶上和淹没。但这是另外一个话题了。