摘要：在分析智能设备新特性的基础上，本文总结并提出了智能设备测试中的两个挑战：一方面，单元中存在“有用且易于使用”的测试和测试挑战。另一方面，在智能设备的实际应用中使用的智能算法存在“大胆而实用”的测试和测试挑战；应对测试和测试智能设备挑战的建议，包括关注测试和测试智能设备的新特性研究，探索适合测试和测试智能设备的新技术，根据不同领域智能设备的特点，建立和完善评估数据集和测试标准规范，搭建新的测试环境和测试平台，进行有效可靠的智能设备评估。
圆机罗纹关键词：智能装备；试验与测试；挑战；对策
如今，人工智能正在加速向军事领域的转移，这将不可避免地对战争的形式产生影响，甚至是颠覆性的影响。人工智能的快速发展创造了一种新的战争形式，智能战争“指日可待”。人工智能是目前发展最快的技术。世界先进国家已将人工智能技术提升为国家战略。
1智能装备试验与测试存在的主要挑战
1.1智能装备硬件实体及其控制系统
对于不同的智能装备，由于其承担的任务、所处的环境和所应用的领域均不同，故其硬件实体和组成机构差异性很大。例如无人机、无人坦克、无人舰艇等的硬件实体、组成机构、结构形状完全不同。智能装备硬件实体的控制系统集中体现其智能度，主要是通过人工智能技术的赋能，面向特定任务，在自身模型、外部干扰和非致命故障等各种不确定和扰动情况下，使装备具有在复杂作业环境下执行多变任务的自主控制能力，并可通过主动学习、不断进化，使装备性能持续提升。目前知识推理、粒子算法、蚁算法、ＲBF/BP神经网络、深度学习和强化学习等方法都纷纷应用到智能装备硬件实体和组成机构的制导和控制中，以便实现智能装备在复杂作业环境下的自适应控制。
1.2智能装备实际应用的智能算法
智能算法和软件是智能装备的核心。智能算法和软件以试验、仿真数据和工程数据为基础，以智能计算体系架构和芯片实现算力为依托，通过智能软件框架、智能操作系统和智能算法，实现装备在复杂环境下的智能化应用。其内涵主要包括智能计算算力、操作系统、软件框架、大数据、智能算法与系统平台。智能装备实际应用主要包括三个大方向，分别是智能感知、智能识别和智能决策。可以预见未来一段时间内，智能感知、智能识别
应用最为广泛的是深度学习算法，其他的算法还包括神经网络、SVM、模糊K均值算法等。在智能决策方面，未来多倾向于强化学习算法，其他方法还有基于知识图谱、专家系统的方法，以及博弈算法、决策树模型、贝叶斯网络模型等。智能装备主要包括硬件实体及其控制系统、实际应用的智能算法两大部分。由此可见，智能装备的核心是智能算法。目前能够支持智能装备及其应用的算法很多，归结起来可以分为三方面：①支持智能集形成整体编队或队形的控制算法，以及应对复杂场景的优化算法；②复杂战场环境下实施作战自主决策或辅助决策的智能决策算法；③支持目标智能检测与识别的智能算法。
金属丝的杨氏模量彩硒鼓
1.3硬件实体及其控制系统存在“可用、好用”的试验与测试挑战玻璃毛细管
为了适应复杂战场环境，世界各国部队不仅装备了无人机、无人坦克战车、无人舰艇等，而且不断推出直立机器战士、机器鱼、机器狗，以及软体机器墨鱼等各式各样的智能装备。首先，需要为这些智能装备设计出能够适合复杂作业环境的各种智能硬件机构，并形成可以根据内部条件或外部条件进行改变的组合结构和运动模态等。其次，硬件实体通过人工智能赋能其控制系统，在自身硬件、外部干扰和非致命故障等各种不确定和扰动情况下，使智能装备具有在未知复杂作业环境下自主执行多变任务的能力，这就要求智能装备
的硬件实体及其控制系统能够进行自动监控、自诊断、自治愈的智能健康管理，同时要具有智能自主制导、控制与优化等方面的自适应性。
1.4智能装备实际应用智能算法存在“敢用、实用”的试验与测试挑战
智能装备最终需要在复杂战场环境下实现作战应用，要求有直接面向作战应用的智能算法支持，发挥出智能装备“大脑”的作用。智能装备“大脑”主要作用为：①对战场态势的智能感知理解；②智能决策指挥。这两点对于智能装备的应用智能算法来说，都是以输出决策判断为目标。不论是智能感知理解还是智能决策指挥，都存在可解释性的问题。智能装备的“大脑”应该是“可信赖”的，这就要求智能装备做出的决策是可解释的。可解释性是指人类能够理解决策原因的程度。智能决策模型的可解释性越高，人们就越容易理解为什么做出某些决定或预测。智能决策模型的可解释性包括对模型内部机制的理解和对模型结果的理解。然而，目前运用于以输出决策判断为目标的智能算法，包括深度学习和强化学习等，不论从模型内部机制和模型结果上，都是不可解释的。
戒烟牙膏2应对智能装备试验与测试挑战的对策思考
智能装备试验与测试存在的主要挑战分别是硬件实体及其控制系统的“可用、好用”和实际应用智能算法的“敢用、实用”。目前随着人工智能、大数据和高性能计算技术的高速发展并向军事领域快速转移，智能装备取得突飞猛进的发展，由于试验与测试处于装备研制的后期阶段，因此，从目前来看智能装备相应的试验与测试技术发展相对滞后，为了避免试验与测试成为智能装备发展和实战化应用的瓶颈问题，需要超前布局，谋划长远，注重智能装备试验与测试新特性、新要求研究，探索适应智能装备试验与测试新技术，构建能够对智能装备进行高效、可信测评的新试验环境与测试平台。为此需要开展以下工作。
2.1并行推进前沿创新与基础研究课题
相对于传统装备试验与测试技术，智能装备的试验和测试技术出现了许多新要求、新特性，需要全新试验与测试技术的支持。同时试验与测试技术本身属于基础研究范畴。因此，为了加快推进智能装备试验与测试技术的创新性和灵活性，快速捕捉智能装备相关动态并推动相应试验与测试技术发展，以基金类项目的形式快速支持基础前沿、原始创新的项目。同时重点在智能装备试验与测试基础技术研究上发力，以便能够快速跟上智能装备的发展步伐。
2.2智能装备试验与测试大数据积累
从目前的智能装备的技术内涵来说，大部分智能装备的功能和性能是在大量数据支持情况下获得的，以神经网络、深度学习和强化学习等为核新技术的智能装备更是如此。因此要对智能装备进行高效、可信测评，需要积累各种复杂环境下贴合实战的各类大体量数据，并面向陆、海、空、天、潜、电、网等领域智能装备特征，构建成长式测评数据集和试验标准规范。
2.3智能装备试验环境与测试平台建设
智能装备与传统装备在试验与测试方法、测试规程、数据分析处理和通过准则等方面有很大的差距，尤其在无人智能装备方面表现得更为突出。目前试验环境和试验平台对于智能装备的高效、可信测评支撑能力不足已经开始显现。因此，需要针对空天、陆上、水面和水下不同领域智能装备形态和应用模式，加强智能装备试验环境与测试平台建设，以匹配智能装备的快速发展以及实战化的急需。
3结束语
目前随着人工智能、大数据和高性能计算技术的高速发展并向军事领域快速转移，智能装备取得突飞猛进的发展，由于试验与测试处于装备研制的后期阶段，因此，从目前来看智能装备相应的试验与测试技术发展相对滞后。人工智能加速应用于武器装备，催生了新的武器装备类型的诞生，并且武器装备的概念内涵、本质特征、内在规律和作战使用等也出现了全新特征。
参考文献：
背胶橡皮布
［1］霍兰JH．隐秩序：适应性造就复杂性［M］．周晓枚，韩晖，译．上海：上海科技教育出版社，2000．
［2］冯肖雪，潘峰，梁彦，等．体智能优化算法及其应用［M］．北京：科学出版社，2018．
［3］柴园园，贾利民，陈钧．大数据与智能计算［M］．北京：科学出版社，2017．
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议