智能化系统“自主决策”，本质上是未来智能化作战系统建设 “人在回路中”抑或“人在回路外”的发展路径选择问题。在现有人工智能机理与技术体系下，智能化系统自主决策的实现难度大、应用范围窄，应该慎重考虑其实现的可能性、必要性。

人工智能技术原理先天不足。大数据、超级计算能力与深度学习算法结合是当代人工智能基本原理。其中，深度学习本质是对海量数据用概率学习的处理方法来寻找规律，它只能寻找到重复出现的模式并作为成功的经验。在这种模式下，系统只能学习获取既往战争胜利的经验知识，却无法预测下一场战争的发展方向，新的作战思想与方法很可能因与学习到的既有知识冲突而被当成错误信息排除。二战爆发前，戴高乐已经认识到坦克带来的战术革命性创新，提出组建单独装甲机械化部队并实践运用的构想，却因与法军从一战中总结出的阵地防御胜利经验冲突而被压制。智能化作战系统数据不仅需要学习装备技战术参数等有形数据，更需要学习战争制胜机理、作战理论等无形数据。但是，作战行动对抗激烈，欺骗性强、不透明程度高，是双方博弈而非单方推演。虽然战前可搜集作战对手情报信息、总结对手作战思想与理论、研判对手战术战法，为系统学习提供参考，但是无法保证战争爆发后敌人能按照己方设定剧本行动。一旦敌人的作战行动跳出系统学习范围，系统就难以有效应对。

人工智能支撑技术有待突破。超级计算能力是人工智能基础支撑技术之一。但是，复杂激烈的军事对抗行动计算需求，远远超出现有超级计算机计算能力。比如，有人曾计算过，围棋对弈的可能情况数是10的170次方，而4机对2机小型空战的情况数是10的7022次方，一个具有200个左右作战单位的中型战役可能情况数则高达10的86000000次方，现有技术框架下的超算技术根本无法完成。此外，物联网、云平台、5G通信等社会、经济建设中运转良好的人工智能基础支撑技术，是否适用于对抗环境复杂、干扰欺骗激烈的实战环境，恐怕还得打个问号。比如，信息化战争形态已经成熟的今天，战术通信的有效性、稳定性、可靠性尚未得到有效解决，而无人平台的作战运用必须以可靠的战场通信作保障。通过总结近期局部战争实践，可发现无论是美军的无人飞机，还是俄军的“机器人连”，现有无人装备平台都是处于非对称作战环境、己方拥有绝对的战场制电磁权时才能成功运用。一旦对抗双方装备的代差不明显，无人装备就无法取得预期成效。

智能系统运用场景还很受限。清华大学人工智能研究院院长张钹院士指出，现代人工智能的应用场景必须满足确定性信息、完全信息、静态、单任务和有限领域等5个条件，是完全信息博弈，军事智能系统概莫能外。比如，深入分析美军“Alpha AI”智能空战系统完胜人类飞行员的案例，可发现智能空战系统执行任务单一，装备、环境与对手应对措施等信息清晰可见，交战规则清楚明确，参加模拟的人类飞行员只有1人，符合完全信息博弈的基本条件。但是，实际空战中系统需面对敌机、友机、地面火力，甚至可能不明飞行物等多方动态信息，是典型的不完全信息博弈，已超出系统运用场景，智能化系统无法“自主决策”。因此，美军并未将单一无人飞机作为未来空战发展方向，而是推出“忠诚僚机”项目，以“有人+无人”混合编队方式执行空中作战任务。由此可见，智能化作战系统运用场景受到极大限制，不能脱离人类的引导与控制。

战争是严肃而残酷的对抗活动，容错程度低，一旦失误，需要用鲜血与生命去弥补。在当前人工智能机理、技术与应用场景条件限制下，研究智能化作战，应该把重点放在智能化系统辅助人、补位人，提高人类决策效率、降低人为错误上，以“人+智能系统”的人机混合增强智能作为智能化系统的发展方向，机脑辅助人脑、人脑利用机脑，实现“人在回路中”的智能指挥。

（延伸阅读：《慎谈智能化指挥“自主决策”》《也谈智能化指挥“自主决策”》，见本报3月26日、4月18日七版）