|
6月13日《南华早报》报导,《上海航天》4月25日刊发西北工业大学和上海航天工程研究所联合团队的论文,描述用人工智能实现反卫星对抗的研究,研究表明,经过大量深度学习计算后,被追踪的大卫星学会识别敌对反卫星的意图,自主躲避,但3颗小型的反卫星最终在人工智能的指引下,用回马枪“抓住”了目标卫星,并在不到10米远的距离用捕获装置“俘虏”了目标卫星。
1 m# V3 ~: l" p+ Z B! j4 T( F8 I' q* \! {
这个研究有意思的地方在于攻防双方都使用人工智能,追踪和捕获不是靠速度、机动性等硬性能,而是靠诱骗、迂回等战术。这是攻击武器的新高度,也是设防目标智能化和硬性能差别缩小化后的必然要求。* y4 H! }# t! h/ w$ b- Y+ o% @
: D! E- }7 n. R反卫星作战以大型卫星为主要目标,一般假定是大型卫星目标大、机动性差,所以反卫星是捕获目标、跟踪和追击的问题,也就是说,是动力学问题。这是防空导弹、空空导弹制导原理的基础,只是延申到地球轨道上去了。* e. ?1 ?4 t/ b' Y$ a8 w p
/ a& U' s0 v3 p, z# o3 i$ q
当然,这不是一句“只是延申到地球轨道上去了”那么轻飘飘,上了轨道,导弹相对于飞机常见的动力学优势(速度、加速度、机动性)没有了,小卫星根本没有多少变轨机动能力,几下就燃料耗尽了,速度差也没有多大。9 h$ H. h: ] ]# M3 g3 B
1 J! A9 U" M1 a2 R, L更大的问题是,主要大国都有完备的空间监控系统,图谋不轨的反卫星刚发射,就能猜个八九不离十,在反卫星还在上升到足够轨道高度之前,可能就命令目标卫星变轨机动,躲开攻击。反卫星还没有开始追击,已经要为了追上新的轨道而消耗大量燃料。
u" |8 b7 I' P, H: X# V; A" b2 y$ k: S
这和在反潜中用远程鱼雷攻击一样的问题。鱼雷一下水,目标潜艇就知道了。假定理论上鱼雷射程为30公里,最高航速50节,潜艇为30节,鱼雷在10公里距离上发射,似乎击中十拿九稳。假定潜艇朝背离鱼雷的方向全速疯跑,两者的速度差为20节,忽略所有转弯、加速因素,也忽略鱼雷捕获目标需要的时间和可维持最高速度的时间限制。在最简化的情况下,鱼雷需要16.2分钟才能消除这10公里,而在这段时间里,鱼雷需要航行35公里,也就是说,超出射程了,没有追上就没劲追了。9 t. a3 m" u$ x/ M) j3 L- r' U3 G% A
* j$ g3 e" y& {% t" A3 J鱼雷减速可以大大增加射程,追击时间延长,但反而追得上了。假定鱼雷速度降低到40节,能把射程延长到60公里,追击时间要延长到32.4分钟,但刚好能追上目标潜艇,理论上可以实现有效攻击。
$ G4 @; [) z5 y
3 j K6 d! O" w3 K9 i. a这当然是简单化的场景,带来的问题是,速度差减小,动能差就减小,即使追上了,目标潜艇不再靠疯跑甩掉追击鱼雷,还是有可能靠机动甩掉,这就回到“智能追击”的问题了。2 U3 B/ s: O; q5 Q
. h9 u+ y( i; P& S% ~) P8 t1 a对于高超音速拦截,问题类似。高超音速飞行本来就是极限飞行,高超音速拦截弹难以保持足够低的成本前提下,做到速度、机动性全面高于高超音速目标,否则拦截作战的成本是不可承受之重。
9 P# ^7 @8 Q- b3 x! R6 l3 Y; B" Y" j% g/ N
即使对于常规防空导弹、空空导弹,降低动力学性能要求,可以大大降低成本、延长射程,只要发射就迫使对方开始机动躲避,就在功能上破坏了对方完成任务,前提是智能拦截能确保“迟到但亲密的接触”。5 r9 W3 U7 A3 {: z0 K! q
9 P a7 x. c# Z" T8 l0 c也就是说,西工大的“智能拦截”具有远比反卫星更加广泛的应用前景。但智能拦截并不容易做到,尤其在目标也有智能规避功能的时候,或者目标是有人操纵的。
6 |. T; h. W/ T4 N0 b( o/ S, h2 M! \0 X5 i9 l( }3 @4 d
从人工智能角度来看,反卫星与下围棋没有本质区别,都是对抗。深度学习通过大量“棋局”训练,提高“棋艺”。阿尔法狗从人机互博开始,用3000局精选人类棋局作为初始“经验”,以后过渡到人工智能自己“左右互搏”,最终“训练”出人类难以战胜的围棋大师。西工大一步到位,用人工智能“左右互搏”,“训练”出反卫星智能拦截大师。不光要“赢”,还不能花时间太长,不能反卫星之间互相撞到一起或者互相挡路,不能浪费星载燃料。0 o- c: z' D9 ~6 t
3 ` I) H9 P, B' A
这是需要超强算力的研究。最初10000个回合里,攻防双方都打得很糟糕,双方都是失分远远超过得分,不及格。
( T+ L' y, l! A8 [
" T3 Y6 H/ v4 {+ a+ x+ l; X可能由于反卫星“人多势众”,深度学习的进展更快,到20000个回合时,反卫星开始占上风。但目标卫星也琢磨出道道来了,开始“看透”反卫星的简单战术,规避机动更加有效。$ N4 i C! k: T1 ^. C$ K
! `: ^. M& x v! w反卫星在失败增加后,通过深度学习改进战术,不再傻追,成功率再次提高。到22万个回合后,反卫星战术和技术接近完美,从假装漫不经心地渡步到目标卫星周围再突然发难,到目标卫星机动规避后假装放弃再反戈一击,各种花招确保目标卫星基本上“死路一条”了。
X8 k4 @4 @, x0 j8 V& F$ t. w; J3 m# o+ Q) y
这样的超级算力装上每一枚反导弹、反卫星是不可能的,但深度学习需要超级算力,学习完成后的控制算法实施并不需要超级算力,这就是人工智能武器化可怕的地方。当然,西工大的算法只是针对卫星和反卫星的特定动力学特性设定,扩大到更广泛的应用需要重新进行深度学习,但基本方法是相似的,可以举一反三。7 [% D3 T! b2 |
+ ^" |" A( g7 h" H美国在呼吁中国参加军控会谈,不仅包括导弹核武器,也包括为人工智能武器化设立护栏,但中国并未积极响应。在很大程度上,这是很难限制发展的地方,也有大量民用应用,不宜控制发展。参加军控会谈,与其说能建立可靠的护栏,不如说双方以透明化为名互相摸底。在严重缺乏互信的情况下,很难说这样的透明化有多大意义。! W" S& g/ M$ J! m
: l0 b& _$ D, G1 n3 V9 b另一方面,中国走到前面,或者至少并跑,才谈得上有意义的人工智能军控,但这是另外一个话题了。0 ?* O# D. B8 L% s# T) c; O H
|
评分
-
查看全部评分
|