情报侦察领域人工智能技术的应用与发展

doi: 10. 15908/j. cnki. cist. 2019. 05. 002情报侦察领域人工智能技术的应用与发展\"熊朝华吕望晗吴蔚徐建平李晓冬(信息系统工程重点实验室 南京210007)摘要：人工智能技术可作为人脑的辅助和延伸，突破人脑的生理，显著提升情报人员分析综

合的科学性和效率。首先，从人工智能的3波浪潮入手，对人工智能技术的应用现状进行阐述，并

基于现状提出了情报侦察领域的3个发展阶段；然后，从人工智能信息采集、算法、认知和保障等角

度，梳理了情报侦察的发展思路；最后，针对人工智能在情报侦察领域的未来发展方向给出了 C点 建议。关键词：人工智能；情报侦察；深度学习中图分类号：TP391

文献标识码：A 文章编号：1674-909X(2019)05-0008-06Application and Development of Artificial Intelligence Technology

for 1ntelligence Reconnaissance Fie!XIONG Zhaohua LYU Wanghan WU Wei XU Jianping LI Xiaodong

(Science and Technology on Information System Engineering Laboratory, Nanjing 210007, China)

Abstract: Used as a supplement and extension of human brain, the artificial intelligence technolo-

gycanbreakthroughthephysiologicalrestrictionsofthehumanbrain,andthescientificityand the efficiency of intelligence personnels analysis and synthesis are significantly enhanced. First­

ly, started with the three tides of the art ificial intelligence, the application s tatus of the ar ti ficial int elligence t echnology is expounded, and t hen t hree s t ages of developmen t in t he int elligence re- connaissancefieldareproposed.Then, from/heaspec/sofcolecion, algori/hm, cogniionand

securiyfor/hear/ificialin/eligenceinforma/ion, /hedevelopmen/ideasof/hein/eligencerecon- naissance are summarized. Finally, the suggestions on the future development direction of the ar-

tifici)linteligenceintheinteligencereconn)iss)ncefield)regiven.Key words : artificial intelligence； intelligence reconnaissance； deep learningo引言随着作战空间向全球及社会域延伸，作战体系 向多域协同联动转变，作战手段向多样化灵活运用

力的要求。人工智能(AI)技术可作为人脑的辅助和

延伸,突破人脑的生理，显著提升情报人员分析 综合的科学性和效率。自20世纪五六十年代以来， 人工智能一直是世界各国的一个研究热点，到目前为

发展，未来战争的复杂性更强、速度更快且持续性更 止,人工智能技术经历了 3波浪潮。第1波次为描

突出，让情报人员的大脑逐渐跟不上规模、速度和耐述，侧重于开发采用基于规则系统的平台；第2波次

\"基金项目：国家自然科学基金(617014)和江苏省自然科学基金(BK20160147和BK20160148)资助项目。收稿日期=2019-08-05引用格式：熊朝华，吕望晗，吴蔚，等.情报侦察领域人工智能技术的应用与发展指挥信息系统与技术，2019,10(5)：

8-13;XIONG Zhaohua, LYU Wanghan, WU Wei, et al Application and development of artificial intelligence technol­

ogy for intelligence reconnaissance field[J) Command Information System and Technology,2019,10(5) ：8-13.第10卷第5期熊朝华，等：情报侦察领域人工智能技术的应用与发展9为识别，由当今流行的机器学习系统组成;第3波次 为解释，为人工智能的现阶段重点发展方向，重点是 为人工智能平台增加背景和信任(1C)。当前，世界主要发达国家已将发展人工智能上 升为国家战略，从导向、战略规划和资金预算层

面予以大力支持，力图在新一轮科技竞争中掌握主

导权'美国在迎接人工智能新未来的过程中一马当 先。2019年2月，美国总统特朗普签署行政命令， 正式启动了“美国人工智能计划”。次日，美国国防

部发布了《人工智能战略概要：利用人工智能促进安

全与繁荣》报告，明确表示人工智能是保持美事

优势的关键，详细分析了美军在人工智能领域面临 的战略形势以及借助人工智能加快提升美军战力的

途径和方法，并进一步阐述了美国国防部对于人工 智能的战略定位、战略部署及重点领域。事实上，早 在2007年，美军就启动了 “深绿(Deep Green)”计

划，开始探索人工智能技术在军事领域的应用。从世界范围看，世界各国尤其是军事强国均在 抢先布局人工智能，俄罗斯始于2008年的“新面貌

改革”将人工智能作为重点投资领域,强调人工智能 系统将成为决定未来战争成败的关键要素。日前，

俄罗斯总统网站公布文件称，俄罗斯将制定并发布

人工智能领域的国家战略，其中军用人工智能得到 特别关注。欧盟在2013年提出为期10年的“人脑

计划”，斥资12亿欧元进行人类大脑研究。2018年

6月欧洲委员会提出了一项数字欧洲计划，预算为

2021—2027年的9. 2亿欧元。该计划的重点是推

进人工智能技术，并确保在整个经济和社会中使用

人工智能中国在人工智能的发展上也进行了积极部署。

中国已经将人工智能提升为国家战略，作为新一轮 科技的重要代表之一，人工智能正由科技研发

走向行业应用。2017年7月，颁布了《新一

代人工智能发展规划》,描绘了我国新一代人工智能 发展蓝图，确立了“三步走”目标，提出到2030年我 国人工智能理论、技术与应用总体达到世界领先水

平的目标。在军事领域，各国也在加速推进人工智能技术

的部署与应用，情报侦察是其中一个重要应用方向。 在情报侦察领域，人工智能技术为指挥员准确掌握

复杂战场情况、快速高效处置各类战场问题以及深 度认知战略形势等提供了可能。1应用现状人工智能技术可以服务于指挥自动化系统的情

报收集管理、军事决策和火力打击各个阶段,覆盖观 察一判断一决策一行动(OODA)环的各个环节。

在情报侦察领域，人工智能在自动目标识别、情报分

析与理解、社情舆情分析、情报检索与分发以及战术 边缘的情报服务等方面将发挥重要作用，当今世界

的主要军事力量均认识到人工智能技术的重要价 值，积极部署、规划和发展人工智能技术。下面以美 国为代表对人工智能在情报侦察领域中的应用情况

进行分析与介绍。美军很早就开始探索人工智能技术在军事领域

的应用。近年来，美国在情报侦察相关领域部署了 一系列人工智能技术研究项目，主要方向有：海量数

据理解、情报深度分析和智能情报服务。美国国防 高级研究项目署(DARPA)先后启动了大量基础技

术研究项目，探索发展从文本、图像、声音、视频和传

感器等不同类型多源数据中自主获取、处理信息、提 取关键特征和挖掘关联关系的相关技术。美国情报

高级研究计划署(IARPA)正努力通过多个研究计 划在人工智能领域取得突破。美国情报局

(CIA)正在开发人工智能技术，助其提升数据收集

分析能力，中情局正在研发137个使用人工智能收 集情报的项目。1)战场情报理解近年来，随着卫星和无人机侦察平台广泛使用

和情报传输能力不断提高，情报侦察监视数据呈爆 炸式增长。以美国为代表的世界军事强国计划通过

大数据技术使用来大幅提升各类目标分析处理能

力，情报系统面临着从大规模图像数据中快速并准 确地提取感兴趣的军事目标问题，以解决当前情报

系统对海量情报侦察监视数据的快速处理与分类识 别问题，支撑情报侦察、目标监视和毁伤评估等方面 的典型应用。近年来，美军使用人工智能技术在战

场情报理解方面开展的典型项目如表1所示。DEFT项目数据流如图1所示。该项目旨在提

升自然语言的处理能力。自然语言处理(NLP)技

术具备人工智能属性，并已有一些实用经验,可帮助 国防分析人员大幅提升海量文档调查的工作效率, 并从中发现一些表达隐晦且可能付诸行动的信息。

DARPA希望这种技术能够帮助情报分析人员扫描

更多的文本文档和语音文件，并从中发现一些人物、

事件、地点和时间等关键信息。10指挥信息系统与技术2019年10月表1战场情报理解典型项目项 目名 称 启 动 时间

主 要 内容 主 要 技 术DARPA-DEFT

文本数据的深度处

（文本深度探索

2012 年 理，实现文本信息的

自然语言、深度学习 及过滤）中期自动化提取、加工和

和计算语言对话

相关操作分析机器学习、多层建

IARPA-DIVA 2016 年针对多摄像头流视

模、深度学习、物体/（深度联合视频发布申

频致力于活动检测

人体检测、人类行为 分析） 请指南和安全性，实现自动

提醒告警识别、视频活动检测

和视频三维重构DARPA-帮助军事分析人员机器学习、深度学

MAVEN （算法 2017 年 处理传感器和无人习、图像目标检测和

战跨职能小组）机收集的海量数据视频数据处理融合不同来源的多,ARPA-Janus 2017 年个视图中丰富的空 机器学习、深度学习 间、时间和背景信息和图像处理 实现面部识别背景知识- 文本层级注释存亦法与报窃非推理结| 提醒 构化知识基础|仪表检测|输入|用户分析法| 一

不确定性管理|其他分析法|图1 DEFT项目数据流2）情报深度分析当前美军情报处理系统主要通过人工实现多源 异构目标情报要素的关联分析，对战场实体关联关 系和目标行为意图的分析能力不足。通过自动构建

情报各业务领域的知识图谱以及情报知识的自主演 化更新，实现多源战场情报的深度关联分析与知识 推理，大幅提升战场情报智能分析预测与认知能力。

美军使用人工智能技术在情报深度分析方面开展的 典型项目如表2所示。表2情报深度分析典型项目项目名称 启动时间 主要内容 主要技术Palantir 数据 2009 年 进行特定的人、位

分析产品起美军 置、实体和活动进行

本体构建、知识图谱

使用关联分析和关系推理DARPA-Big-从海量的多源数据

自然语言处理、管理

Mechanism2014 年中构建抽象但具有

与本体、表达与推理 （大机制）预测性的模型以及大规模随机网

络的可视化生成可解释的模型, DARPA-XAI同时保持预测的高

（可解释的人工2016年

度准确性，让人类用 机器学习和认知

智能）户得以理解、适当信 推理任及有效管理新一 代人工智能DARPA-利用人工智能辅助Compass（“罗2018年 情报分析人员决策情报分析盘”项目） “灰色地带”Palantir公司成立于2004年，为客户提供数据

挖掘与分析的平台产品。2009年，美军开始使用

Palantir公司的数据分析工具进行深度情报分析,

其核心目标是将多个军事情报领域的海量数据进行 融合和关联分析转化为可操作的决策指挥能力，多 情报领域数据的集成和融合是需解决的关键问题,

包括非结构化和结构化数据流，如链接图、电子表

格、电话、文档、网络数据和传感器数据，甚至动态视

频和图像等。Palantir的核心技术包括：敏捷大数据架构、全

量数据融合和关联存储、分析模型的动态组合和快 速定制以及以人为中心的可视化技术。在模型推理方面，DARPA于2014年启动了

Big Mechanism项目，旨在开发自动搜索技术阅读

研究论文与摘要，通过先进大数据分析来发现因果

关系模型。Big Mechanism项目架构如图2所示。图2 Big Mechanism项目架构3）智能情报服务美国将大数据视为“未来的新石油”，作为战略

性技术大力推动其发展。美军在智能信息问答技

术、情报高效检索和信息智能汇聚技术方面进行攻

关，期望形成知识赋能的信息智能服务能力。美军 使用人工智能技术在智能情报服务方面开展的典型 项目如表3所示。表3智能情报服务典型项目项目名称 启动时间

主要内容 主要技术针对特定领域进行DARPA-Memex复杂的信息图表搜元数据、信息抽

（扩展存储器）2014年索并对大量信息进取、内容发现和信

行关联分析形成关息关联 系网络在不增加步兵班组

DARPA-边缘情报服务、班（班组X） 核心技术Squad X ?2 年年 物理和认知负担情

况下，拓展其态势感组 感 知 和 自 主 性

知和交战能力技术IPARA- 可将机器学习用于MATERIAL （信2017年 多种语言的翻译和

机 器 学 习 和 自 然

息检索机器翻译） 知识发现语言处理美空军-MEADE 开发交互式问答软自然语言处理、信（数字企业多源开2018年 件工具帮助进行军 息抽取、知识发现 发助手） 事情报分析和决策和语音处理第10卷第5期熊朝华，等：情报侦察领域人工智能技术的应用与发展112016年，DARPA实施Squad X项目，旨在加 速开发新型、轻型和集成的系统，使地面在复杂 环境中具有前所未有的感知力、适应性和灵活性，并

使所属士兵能够更直观地理解和控制复杂任务环 境。2019年，DARPA再次开展项目战场试验，积 极推进项目发展。2发展思路及关键技术人工智能发展的3大基石是数据+算力+算

法。其中，计算和数据是基础；算法是核心。当前， 在情报侦察领域，可用的传感器数据急剧增加，产生 了海量情报数据，数据采集的数量、速度和种类已远 远超过分析人员处理能力；同时，当前计算机硬件处

理能力不断提升，新的架构计算方法不断涌现。海

量的情报数据、持续提升的计算能力以及深度学习 等智能算法的不断成熟，为情报侦察领域人工智能

技术应用奠定了基础「1（＞11）。在实现对海量数据军事情报数据有效处理后，

需进一步提升军事情报系统的处理能力，形成知识 驱动的情报理解能力。基于以上理解，本文提出了情报侦察领域人工

智能技术发展的3个阶段，如图3所示。第1阶段 实现数据驱动、深度学习的智能情报处理，重点突破 战场目标认知技术;第2阶段实现知识驱动、自主学 习的智能情报处理,重点实现跨域、跨媒体全维情报 的深度分析能力；第3阶段实现泛在网络、人机融合 的智能情报处理，构建一种情报无限共享和无限互

连的未来情报体系，该体系基于云平台和智能端群， 形成云端一体和互连共享的知识网络环境，提供智

能应用服务和体系韧性能力，具有无处不在、无时不 在且难以摧毁的情报服务能力o第3阶段泛在网络，人机融合第2阶段知识驱动，自主学习第1阶段数据驱动，深度学习图3情报侦察领域人工智能技术发展阶段第1阶段主要发展自然语言处理、知识图谱和 深度学习等技术。自然语言处理的具体表现形式包

括机器翻译、文本摘要、文本分类、文本校对、信息抽

取、语音合成和语音识别等。知识图谱技术在军事 情报处理上有广泛的应用前景，可支撑数据关

联分析，实现对目标的身份识别与意图推理。深度 学习技术在海量非结构化情报处理（如文本、图像和 视频等数据的识别、检索、语义分析和实体抽取等）

方面取得了显著成果，有效提升了情报处理系统的 处理能力与处理效率。今后，应着重突破无监督学

习和强化学习方面的研究，实现在无标签或小样本 条件下的情报智能处理。第2阶段主要发展认知计算（CC）与自主智能 等技术。这也是当前人工智能所处的发展阶段。认

知计算源于模拟人脑的计算机系统的人工智能，是

通过人与自然环境的交互及不断学习，帮助决策者 从不同类型海量数据中揭示非凡的洞察，以实现不

同程度的感知、记忆、学习和其他认知活动。自主智 能系统感知一智能一操控闭环示意图如图4所示。图4自主智能系统感知一智能一操控闭环示意图第3阶段主要发展混合智能与人机协作等技

术。军事智能中的人机合一，不是简单的人心+机 脑，而是人（单人、多人或敌我）+机（机器装备+机 制管理）+作战环境（真实+虚拟）体系的交互统

一「12）。人机融合智能示意图如图5所示。图5人机融合智能示意图在情报侦察领域发展人工智能涉及的关键技术 主要包括自然语言处理、知识图谱、认知计算与自主 智能以及混合智能与人机协作。第1阶段主要发展 自然语言处理和知识图谱等技术；第2阶段主要发

展认知计算与自主智能等技术；第3阶段主要发展 混合智能与人机协作等技术。在军事情报处理方面，自然语言处理技术具体

应用包括人机交互系统能够使用户通过自然口语与 复杂的计算机系统进行交互，包括语音识别、语言理

解、语言生成、语音合成、对话管理和知识库等模块o 目前在军事情报领域，基于自然语言处理技术的软

件主要有语义识别、翻译和语音分析软件等。其中 语义识别软件能够对文本进行标注，以使情报分析人

员抽取关于特定实体的关键信息；翻译软件可以实现 军事技术文件的自动翻译;语音分析软件可快速识别 人物身份，对语音数据进行快速识别与分类等。12指挥信息系统与技术2019年10月知识图谱技术在军事情报处理方面实现对目标 的身份识别与意图推理;可支撑情报知识问答，有效

辅助参谋人员高效检索情报数据与知识；可支撑实 现机器翻译与文书生成等业务。当前应结合具体的

情报侦察领域应用，基于情报大数据构建面向情报 领域知识图谱，并逐步实现领域知识突破的自主构 建与演化更新，支撑各情报的深度分析。认知计算与自主智能技术指情报系统像人一样 进入自然环境并实现自主智能，感知系统获取环境

信息，获得的数据通过智能系统分析决策后借助动 作操控系统对环境进行改变，再通过感知系统判断 智能系统的动作效果是否符合规则或规定。如此循

环往复地与环境产生交互，便可达到自主学习效果。在混合智能与人机协作技术中，人工智能将逐 步向人类智能靠近，模仿人类综合利用视觉、语言和

听觉等感知信息，实现识别、推理、设计、创作和预测 等功能。在人机交互智能系统中，系统将朝着自动 推荐、自主学习、自然进化和自身免疫4个方向 发展。3重点发展方向情报侦察领域需要的核心业务能力包括情报搜 集、处理、分析与分发，人工智能技术可提供感知、学

习、抽象和推理能力，在上述业务能力方向上均有广 泛的应用前景。未来战争中，数量庞大的各类传感 器遍布整个战场空间，无人平台等高技术手段广泛

应用，战场形势瞬息万变。在此背景下，亟需依托人 工智能技术实现对战场情报的自主采集、对军事目

标的全面感知、对战场态势的清晰理解、对战略形势

的准确判断以及对各级作战单位提供精确的情报 保障(1314)。1)基于自然语言处理和知识图谱等人工智能

技术发展自主侦察装备，有效采集情报数据。快速

增长的战场传感器数据，日益复杂的战场环境，已大 大超出情报分析员执行情报分析任务的能力。机 载、地面、海上和高空的情报、监视和侦察平台获得 的图像和视频等非结构化情报数据，得不到有效处

理与利用，导致更长的收集时间、错失警告和缺少时 敏性，会将不相关信息提供给决策者,这种情况在未 来会更加恶劣。语音/图像识别、自然语言处理和知

识图谱技术等已逐渐成熟，可用于情报侦察领域，提 升文本情报的机器处理、环境感知、声音识别和图像

目标识别能力。机器学习提供了一种弥补可用资源 和当前紧迫需求间差距的方法，可完成对海量战场

数据的高效处理，实现对战场目标的稳定跟踪与准 确识别，不断提高战场透明度。2) 研发先进算法，实现人机融合智能下的战场

目标认知。未来战争干扰、欺骗和隐藏等对抗手段 的应用使得战场环境变得越来越复杂。尽管机器智

能会获得大幅度发展，但应用也难以精准理解 复杂多变的战场环境，需结合人类智能形成混合智 能，研发高效先进的人工智能算法，发挥机器智能和 人类智能各自的优势。突破人机融合信息处理技

术，对于常态情况的战场环境可以通过机器智能精 准理解，对于非常态和机器智能尚未考虑到的战场 环境可以通过人类智能精准理解，还可利用机器智

能和人类智能进行交互理解和印证，以达到战场环

境的精准理解，更好地支撑战场环境情报保障(15)。3) 破解人类认知机制，研究新的认知计算方法

与自主智能技术，实现情报深度认知。基于类脑计 算的情报认知推理，破解人类认知机制，进而突破人 类认知的，建立脑知识图谱、认知脑模拟计算、

类脑自主感知学习模型，深度描述客观世界中的概

念、实体及之间的关系，构建面向战场情报深度分析 与推演的情报脑,情报脑不同于人机融合智能，前者

基于云脑赋能，从快速积累数据，演变为对分散的数 据建立关联形成知识，实现对各种应用智能赋能，包

括情报数据增量式挖掘、分析模型的自演化和情报

知识的自学习能力，完成比人类操作员更快速、更深 入和更准确的广义战场情报分析推理[1618] &后者强 调以机器辅助向人在回路的混合增强智能及人机智 能共生方向发展。4措施与建议人工智能将推动新一轮军事变革，在情报侦察

领域也会得到越来越广泛的应用，成为军事变革的

重要推手，催生新的战争样式，改变战争制胜的内在 机理。各类智能化无人系统与作战平台将在地面、

空中、水面、水下、太空、网络空间以及人的认知空间 获得越来越多的应用，深刻改变着现代战争人工智能

的技术比重。在情报侦察领域的具体措施建议如下：1)构建智能情报处理生态。通过智能情报创

新平台、数据积累、知识积累、指标体系和标准规范

等方面的建设，构建完整的智能情报处理生态环境， 该生态包含有利的配套条件、高性能情报处理 硬件以及高效的情报处理软件和人工智能算法，提

供支撑情报侦察系统的智能化发展。重点建设支持

知识推理、概率统计和深度学习等人工智能范式的 统一人工智能计算框架平台，形成促进人工智能软

件、硬件和智能云之间相互协同的生态链，同时开展

第10卷第5期熊朝华，等：情报侦察领域人工智能技术的应用与发展13情报业务领域数据集、知识集、智能情报处理评价体 系和评价标准的建设与制定，全面支撑智能侦察系 统建设需求。2) 注重智能算法研究。算法、数据和计算能力

是当前主流人工智能的3大要素，其中算法是人工

智能的“大脑”。在先进算法、超算能力和大数据技 术的共同推动下，近年来，人工智能取得了巨大进 展，在海量军事情报的高速、高效和精准处理方面也 取得了重大突破。应注意的是，人工智能不是万能

的，其表现受算法和数据的双重制约。一方面，需通

过智能情报处理生态的构建加强数据工程建设，为 智能情报系统提供规范且可信的数据;另一方面，需

加强智能算法研究，提升对情报数据的处理能力和 处理效率，同时提高对数据的适应性和辨别能力，对 海量数据中隐藏的错误信息，甚至是由人工智能制 造的虚假情报加以有效应对，提升智能情报系统的

适应性和鲁棒性。3) 重视对开源情报采集与分析。当前情报资

料来源有从传时谍报秘密手段转向开源情报的 搜集整理的趋势。情报界每天使用的情报中，大约

80%的情报是公开的。加强对全球多个国家和多种

语言的开源信息的采集与分析，针对开源情报存在

的信息量大、信息过载和真实性难以保证等特点，在

多语言翻译系统等方面积极开展研究、互联网情报分析和数据关联' 4) 军民融合同步发展。在数据处理方面，图像

智能识别、语音识别和自然语言处理等技术在商业 领域已取得良好应用效果&在军事情报处理领域，充 分利用上述成果，结合军用情报数据的特点，突破非

结构化情报处理关键技术，提升情报保障能力。例 如，建立军事文本分词、词性标注、依存分析、实体识 别、关系抽取和事件识别等相关语料库，推动机器学 习等人工智能技术在军事情报领域的发展应用。5结束语人工智能将推动新一轮军事变革，在情报侦察

领域也会得到越来越广泛的应用，成为军事变革的

重要推手，催生新的战争样式，改变战争制胜的内在 机理。各类智能化无人系统与作战平台将在地面、

空中、水面、水下、太空和网络空间以及人的认知空

间获得越来越多的应用，深刻改变着现代战争人工 智能的技术比重。参考文献(References):[1]新华社.构筑人工智能先发优势把握新一轮科技战略主动[EB/OL]. ( 2017-07-21 ) [2019-08-11 ],http：//www. gov. cn/zhengce/2017-07/21 /content.52 12404. html.(]赵旭，袁玮.人工智能正在到来现代电信科

技，2016,46(3)：65-68(]孙浩林.德国人工智能战略重点概述科技中国，

2019(2):84-86(]陈映村，程鹏飞.人工智能的发展现状及应用信

息与电脑(理论版)，2019(2):136137.(]蔡华悦，未志元.人工智能在各军事强国的发展国防科技，2017,38(5):711.(]尹昊智，刘铁志.人工智能各国战略解读:美国人工智

能报告解析电信网技术,2017(2) = 52-57.(]胡晓峰.军事指挥信息系统中的机器智能：现状与趋

势(].人民论坛・学术前沿，2016(15):2234.(]崔雍浩，商聪，陈總奇，等.人工智能综述：AI的发展

(].无线电通信技术，2019,45(3):225231.(]邱志明，罗荣，王亮，等.军事智能技术在海战领域应

用的几点思考(].空天防御，2019,2(1)15.[0]张晓林.类脑智能引导AI未来(].自然杂志，2018,

40 5):343-348[11] 曾毅，刘成林，谭铁牛.类脑智能研究的回顾与展望

(].计算机学报，2019,39(1):212223.[12] 刘伟，张玉坤，曹国熙.有关军事人机混合智能的几点

思考(].火力与指挥控制，2018,43(10)17.[13] 马红丽，邹士宝.人机融合是人工智能的发展方向

(].中国信息界，2017(6)4446.[14] 刘大学，殷广川，黄元洁.基于人机混合智能的无人平

台设计[].控制与信息技术，2018(6):2731.[15] 李平，杨政银.人机融合智能：人工智能3.0[J].清华

管理评论，2018(Z2)：73-81.[16] 梅发国，戴大伟，张冀.基于知识图谱的战场目标关系

融合技术[].指挥信息系统与技术，2017,8(5)

81-86[17] 陈伟宏，安吉尧，李仁发，等.深度学习认知计算综述

[].自动化学报，2017,43(11)188617.[18] 黄凯奇，谭铁牛.视觉认知计算模型综述[].模式识

别与人工智能，2013,26(10):951958.作者简介：熊朝华，男(1965—),研究员级高级工程师，研究方

向为大型指挥信息系统总体和信息融合。吕望晗，男(1991—),工程师，研究方向为多源情报

处理和知识推理。吴蔚，女(1980—),高级工程师，研究方向为分布

式信息融合和大数据处理。徐建平，男(1972—),高级工程师，研究方向为情报 综合处理和信息融合技术。李晓冬，男(1986—),工程师，研究方向为智能问答

和语音识别。(本文编辑：李素华)