• 應用

    技術

    物聯網世界 >> 物聯網新聞 >> 物聯網熱點新聞
    企業注冊個人注冊登錄

    中國在太空實驗人工智能反衛星技術

    2022-07-25 15:30 晨楓老苑

    導讀:6月13日《南華早報》報導,《上海航天》4月25日刊發西北工業大學和上海航天工程研究所聯合團隊的論文,描述用人工智能實現反衛星對抗的研究

    狗追耗子是不干正事,但太空中的阿爾法狗追阿爾法耗子,確實在干意味深遠的大事。

    6月13日《南華早報》報導,《上海航天》4月25日刊發西北工業大學和上海航天工程研究所聯合團隊的論文,描述用人工智能實現反衛星對抗的研究,研究表明,經過大量深度學習計算后,被追蹤的大衛星學會識別敵對反衛星的意圖,自主躲避,但3顆小型的反衛星最終在人工智能的指引下,用回馬槍“抓住”了目標衛星,并在不到10米遠的距離用捕獲裝置“俘虜”了目標衛星。

    這個研究有意思的地方在于攻防雙方都使用人工智能,追蹤和捕獲不是靠速度、機動性等硬性能,而是靠誘騙、迂回等戰術。這是攻擊武器的新高度,也是設防目標智能化和硬性能差別縮小化后的必然要求。

    image.png

    反衛星作戰以大型衛星為主要目標,一般假定是大型衛星目標大、機動性差,所以反衛星是捕獲目標、跟蹤和追擊的問題,也就是說,是動力學問題。這是防空導彈、空空導彈制導原理的基礎,只是延伸到地球軌道上去了。

    當然,這不是一句“只是延伸到地球軌道上去了”那么輕飄飄,上了軌道,導彈相對于飛機常見的動力學優勢(速度、加速度、機動性)沒有了,小衛星根本沒有多少變軌機動能力,幾下就燃料耗盡了,速度差也沒有多大。

    更大的問題是,主要大國都有完備的空間監控系統,圖謀不軌的反衛星剛發射,就能猜個八九不離十,在反衛星還在上升到足夠軌道高度之前,可能就命令目標衛星變軌機動,躲開攻擊。反衛星還沒有開始追擊,已經要為了追上新的軌道而消耗大量燃料。

    這和在反潛中用遠程魚雷攻擊一樣的問題。魚雷一下水,目標潛艇就知道了。假定理論上魚雷射程為30公里,最高航速50節,潛艇為30節,魚雷在10公里距離上發射,似乎擊中十拿九穩。假定潛艇朝背離魚雷的方向全速瘋跑,兩者的速度差為20節,忽略所有轉彎、加速因素,也忽略魚雷捕獲目標需要的時間和可維持最高速度的時間限制。在最簡化的情況下,魚雷需要16.2分鐘才能消除這10公里,而在這段時間里,魚雷需要航行35公里,也就是說,超出射程了,沒有追上就沒勁追了。

    image.png

    魚雷減速可以大大增加射程,追擊時間延長,但反而追得上了。假定魚雷速度降低到40節,能把射程延長到60公里,追擊時間要延長到32.4分鐘,但剛好能追上目標潛艇,理論上可以實現有效攻擊。

    這當然是簡單化的場景,帶來的問題是,速度差減小,動能差就減小,即使追上了,目標潛艇不再靠瘋跑甩掉追擊魚雷,還是有可能靠機動甩掉,這就回到“智能追擊”的問題了。

    對于高超音速攔截,問題類似。高超音速飛行本來就是極限飛行,高超音速攔截彈難以保持足夠低的成本前提下,做到速度、機動性全面高于高超音速目標,否則攔截作戰的成本是不可承受之重。

    即使對于常規防空導彈、空空導彈,降低動力學性能要求,可以大大降低成本、延長射程,只要發射就迫使對方開始機動躲避,就在功能上破壞了對方完成任務,前提是智能攔截能確?!斑t到但親密的接觸”。

    也就是說,西工大的“智能攔截”具有遠比反衛星更加廣泛地應用前景。但智能攔截并不容易做到,尤其在目標也有智能規避功能的時候,或者目標是有人操縱的。

    image.png

    從人工智能角度來看,反衛星與下圍棋沒有本質區別,都是對抗。深度學習通過大量“棋局”訓練,提高“棋藝”。阿爾法狗從人機互博開始,用3000局精選人類棋局作為初始“經驗”,以后過渡到人工智能自己“左右互搏”,最終“訓練”出人類難以戰勝的圍棋大師。西工大一步到位,用人工智能“左右互搏”,“訓練”出反衛星智能攔截大師。不光要“贏”,還不能花時間太長,不能反衛星之間互相撞到一起或者互相擋路,不能浪費星載燃料。

    這是需要超強算力的研究。最初10000個回合里,攻防雙方都打得很糟糕,雙方都是失分遠遠超過得分,不及格。

    可能由于反衛星“人多勢眾”,深度學習的進展更快,到20000個回合時,反衛星開始占上風。但目標衛星也琢磨出道道來了,開始“看透”反衛星的簡單戰術,規避機動更加有效。

    反衛星在失敗增加后,通過深度學習改進戰術,不再傻追,成功率再次提高。到22萬個回合后,反衛星戰術和技術接近完美,從假裝漫不經心地渡步到目標衛星周圍再突然發難,到目標衛星機動規避后假裝放棄再反戈一擊,各種花招確保目標衛星基本上“死路一條”了。

    這樣的超級算力裝上每一枚反導彈、反衛星是不可能的,但深度學習需要超級算力,學習完成后的控制算法實施并不需要超級算力,這就是人工智能武器化可怕的地方。當然,西工大的算法只是針對衛星和反衛星的特定動力學特性設定,擴大到更廣泛的應用需要重新進行深度學習,但基本方法是相似的,可以舉一反三。

    美國在呼吁中國參加軍控會談,不僅包括導彈核武器,也包括為人工智能武器化設立護欄,但中國并未積極響應。在很大程度上,這是很難限制發展的地方,也有大量民用應用,不宜控制發展。參加軍控會談,與其說能建立可靠的護欄,不如說雙方以透明化為名互相摸底。在嚴重缺乏互信的情況下,很難說這樣的透明化有多大意義。

    另一方面,中國走到前面,或者至少并跑,才談得上有意義的人工智能軍控,但這是另外一個話題了。


    欧美一级高清片在线观看