当阿尔法狗玩到太空

晨枫

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。

& b7 @* ^+ G$ I- a' S8 N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。
2 W7 I0 y8 |) C9 Y& {( l! k3 T
& M" Q9 [, S# H; Y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。

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。
% G. z, m( m# N* a
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。

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。

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。
1 A; Y: l8 t5 E+ ^7 a$ Y- z/ X
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。
; y- v! y& Z5 }" u
) A$ J* s6 _( v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。
) V4 x' n+ I  ~4 U4 m# s' {6 ~' {
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”。
" A1 V: l& U/ M' I/ t- u6 N
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。

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。
% k: |: ]& N0 N/ @' p' c: n
3 {+ O$ q( Q! }0 o. m% \/ [9 j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。

& k, |# j( L* B* `; z/ y8 }" v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。
% o) |+ Y5 K- y! |3 ~
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。

6 _' n# Q5 m2 {% q4 H# w3 ^4 S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。
4 m5 i. @2 K$ b9 T2 w
, V- \# G+ c, _) K5 |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。
, }# x* m* u" m  T
. E9 b- s+ [( u. R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。

征久仁

当年美苏核军控的前提是美苏拥有了摧毁对方几十次的能力，继续扩大核武库已经没有意义并且是国防投资中的无效成分。人工智能既是军事斗争的制高点更是未来经济的增长点，人工智能军用化应还能进一步能反哺民用，在这种情况下限制人工智能在军事领域的运用根本不现实。

晨枫

征久仁 发表于 2022-6-14 20:12
当年美苏核军控的前提是美苏拥有了摧毁对方几十次的能力，继续扩大核武库已经没有意义并且是国防投资中的无 ...

真是。美国号称要建立护栏，确保人工智能的“符合道义”的应用，我看做不到。制导炸弹可以杀人，人工智能有什么差别？