0 引言

在十二屆全國人大五次會議上，國務院總理***在作政府工作報告時表示，要“全面實施戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃，加快新材料、人工智能、集成電路、生物制藥、第五代移動通信等技術研發(fā)和轉(zhuǎn)化”，這也是“人工智能”這一表述首次出現(xiàn)在政府工作報告中。

近年來，物聯(lián)網(wǎng)、大規(guī)模并行計算、大數(shù)據(jù)和深度學習算法這四大催化劑的發(fā)展，以及計算成本的降低，使得人工智能技術突飛猛進。2016年12月，升級版“AlphaGo”化名“master”在60場互聯(lián)網(wǎng)棋局車輪大戰(zhàn)中連勝柯潔九段、陳耀燁九段、樸廷桓九段、羋昱廷九段、唐韋星九段等高手，取得全勝戰(zhàn)績，引起各界對人工智能的廣泛關注與討論。

1 人工智能的四大先決條件

1.1 物聯(lián)網(wǎng)

隨著攝像頭、麥克風、各種類型傳感器的發(fā)展，基于物聯(lián)網(wǎng)技術的智能設備得到了飛速提升，而大量智能設備的出現(xiàn)則進一步加速了傳感器領域的繁榮。這些傳感器負責采集數(shù)據(jù)、記憶、分析、傳送數(shù)據(jù)，將外部世界數(shù)字化，為智能系統(tǒng)提供了多維度的數(shù)據(jù)輸入，成為數(shù)字世界與物理世界交互、反饋的接口和手段。

1.2 大規(guī)模并行計算

并行計算（Parallel Computing）指同時使用多種計算資源解決一個計算問題的過程，能夠有效的提高計算速度和處理能力的一種有效手段。海量的分布式計算資源和超高速計算能力，令快速處理大量數(shù)據(jù)、訓練復雜模型、用知識體系代替人類常識成為可能。這些知識和模型為人類和機器人提供智能的輔助決策，讓人工智能成為現(xiàn)實。

1.3 大數(shù)據(jù)

大數(shù)據(jù)具備Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）的5V特點。在過去，要盡可能全面地認識某項事物，必須合理設計抽樣調(diào)查的策略，使樣本能夠盡量覆蓋全集特征。隨著計算能力的提升，可以不再采用隨機分析法這樣的權衡之策，而采用所有數(shù)據(jù)進行分析處理。大數(shù)據(jù)需要特殊的技術，以有效地處理大量的容忍經(jīng)過時間內(nèi)的數(shù)據(jù)。海量的數(shù)據(jù)為人工智能的學習和發(fā)展提供了資源。通過知識挖掘，可以從大量有噪聲的隨機實際應用數(shù)據(jù)中，提取人們事先不了解但是隱藏在數(shù)據(jù)中的有價值的信息和知識。這種對隱性信息的挖掘是大數(shù)據(jù)價值的核心，也是實現(xiàn)人工智能的關鍵。

1.4 深度學習算法

深度學習算法作為機器學習的一個分支，由Hinton等人于2006年提出，是人工智能迎來新一輪飛速發(fā)展最重要的核心技術［1］。深度學習算法用非監(jiān)督式或半監(jiān)督式的特征學習和分層特征提取高效算法來替代手工獲取特征，其中最廣為使用的算法包括卷積神經(jīng)網(wǎng)絡（convolutional neural networks，CNN）、循環(huán)神經(jīng)網(wǎng)絡（recurrent neural network，RNN）長短期記憶網(wǎng)絡（long short-term memory，LSTM）等，需要根據(jù)具體應用場景和數(shù)據(jù)特征加以選擇。深度學習是對人類思維方式的建模，讓機器能夠理解人的行為，并將知識運用到與用戶的交互中，達到機器“人性化”的終極目標，實現(xiàn)人工智能技術在商業(yè)中的落地。

2 人工智能的細分領域

2.1 圖像識別

通過結(jié)合大數(shù)據(jù)的訓練，人工智能可以對圖像進行預處理、圖像分割、特征提取和判斷匹配。在圖像識別的技術框架中，人臉識別應用非常廣泛。人臉識別是基于人的臉部特征信息進行身份識別的一種生物識別技術。目前國內(nèi)領先企業(yè)曠視科技的人臉識別準確率已高達99.999%。此外，在產(chǎn)品生產(chǎn)質(zhì)量檢驗上，圖像識別技術應用也非常廣泛，例如：機械類產(chǎn)品的裂紋自動識別檢測。

2.2 語音/語義識別

利用特征提取技術、模式匹配準則及模型訓練技術，語音識別能夠讓機器對采集到的語音信息進行識別和理解，轉(zhuǎn)化為文本或命令。例如在軍事上，可通過語音識別確認說話人的身份、偵聽情報內(nèi)容、或下發(fā)操作指令，具有非常重要的價值。目前，針對中小詞匯量非特定人的語音識別系統(tǒng)識別精度已超過98%，針對特定人的識別精度甚至更高。

2.3 自然語言處理

語言是人類區(qū)別其他動物的本質(zhì)特性，因此理解語言也是人工智能的一個核心方向。綜合語言學、計算機科學、數(shù)學等多種科學，自然語言處理研究能實現(xiàn)人與計算機之間有效通信的各種理論和方法，以一種智能高效的方式，對文本數(shù)據(jù)進行系統(tǒng)化分析、理解與信息提取。通過使用自然語言處理技術，可以管理大塊的文本數(shù)據(jù)，或執(zhí)行大量的自動化任務，并且解決如自動摘要，機器翻譯，命名實體識別，關系提取等語言相關任務［2］。

2.4 無人駕駛

無人駕駛的核心技術是即時空間建模和人工智能技術。低成本高效率的感知解決方案是無人駕駛的基礎，高精度底圖的建立是無人駕駛的關鍵，具有深度學習的算法芯片是無人駕駛的核心。在過去六年內(nèi)，谷歌無人駕駛汽車在公路上安全行駛220多萬公里，僅發(fā)生17起交通以外，而且均是由人類失誤引發(fā)的。

2.5 智能機器人

智能機器人融合了幾乎所有人工智能分支技術，它至少需要具備感覺要素、反應要素和思考要素。它能夠理解人類語言，感知、分析周圍環(huán)境信息并調(diào)整自己的動作。目前已發(fā)展出多樣化的機器人種類，從智能水平較低的工業(yè)機器人，到智能陪護機器人再到高級智能機器人。

3 人工智能在中國航天上的應用前景

3.1 更自主的任務規(guī)劃

航天飛行任務規(guī)劃是一個典型的知識處理過程，其中涉及較為復雜的邏輯推理和眾多的約束條件，這種問題適合采用人工智能的方式加以解決，實現(xiàn)“人工智能+”。

3.1.1 “人工智能+運載火箭”——高容錯飛行

運載火箭的飛行入軌面臨的是一個地面難以復制和仿真等效的全新環(huán)境，飛行階段程序轉(zhuǎn)彎、發(fā)動機關機、級間分離、再次點火、姿態(tài)修正、載荷分離諸多環(huán)節(jié)中數(shù)百個零部件任一失效偏差都可能給火箭帶來不可挽回的損失，是運載火箭成敗與否的核心一環(huán)。高機動性、短飛行周期、惡劣環(huán)境都意味著人無法有效干預，因此，發(fā)動機推力下降、姿控極性接反均直接造成了任務失敗，飛行風險居高不下。

目前的箭載計算機大多不具備重新規(guī)劃飛行任務的能力，或需要地面人工計算制導諸元后，通過測量系統(tǒng)進行了上行注入，一定程度上實現(xiàn)彈道的重規(guī)劃，將衛(wèi)星送入軌道［3］。

未來，將運載火箭設計階段梳理的飛行過程故障模式與傳感器參數(shù)相結(jié)合，研究基于人工智能的運載火箭飛行階段故障自診斷以及深度學習訓練方法，在分秒必爭的運載火箭飛行段完成故障預測、故障定位與故障隔離工作，并通過軌跡彈道重規(guī)劃、制導姿控模型重生成，有效隔離局部故障，規(guī)避失敗風險，最優(yōu)化飛行軌跡與姿態(tài)控制，有效挖掘潛在運力資源［4］。

除此之外，在運載火箭發(fā)動機關機、級間分離后，分離的艙部段通過自主感知和自主控制技術，與衛(wèi)星定位信息、地形布局信息動態(tài)匹配，通過發(fā)動機再次點火，實現(xiàn)艙部段自主飛行、平穩(wěn)下落、精準落地以及主動防護，通過艙部段及各級發(fā)動機的回收再利用，顯著壓縮運載火箭任務周期，降低運載火箭制造成本。

3.1.2 “人工智能+深空探測器”——自主規(guī)劃

現(xiàn)有行星探測器的主要前進方式為：拍攝前方照片通過遙測發(fā)回地面站，操作人員根據(jù)圖像確定前進路線，再通過上行通道上注行動指令，實現(xiàn)探測車的行駛操作。這種模式過于依賴地面測試人員，效率較低，很多時候由于行星表面環(huán)境較為惡劣，或者由于距離的確過于遙遠，遙測控制信號也比較微弱，或者由于地球自轉(zhuǎn)引起相對位置改變，無法實現(xiàn)遙測遙控，更難以實現(xiàn)探測器的實時控制?；谌斯ぶ悄?、視覺計算、監(jiān)控裝置的自動駕駛將大幅提高探測、地形勘測的效率。根據(jù)視頻攝像頭、雷達傳感器以及激光測距器來了解周圍的地形狀況，利用圖像識別等智能感知技術、智能決策和智能控制技術可以實現(xiàn)行星探測車的自主行動，選取最優(yōu)探測路線，智能避開障礙物體，以最小的代價、最高的效率采集有用信息，大大輔助深空探測應用。

深空探測應用中，復雜航天器是由大量元器件和軟件組成，長期的在軌運行，元器件的故障和軟件的不完善在所難免，由于太空環(huán)境的特殊性，當某部分損壞時，難以通過人員進入太空進行判別和修復，利用人工智能技術結(jié)合空間高精度、高靈敏度機械臂，通過智能分析航天器數(shù)據(jù)，實現(xiàn)故障的自主定位、自動識別和在軌自主修復，在軌操作、組裝、拆卸、管理。

3.1.3 “人工智能+武器裝備”——智能作戰(zhàn)

通過多維度偵查探測系統(tǒng)，智能感知、發(fā)現(xiàn)、定位、跟蹤敵方動態(tài)、電磁頻譜信息、作戰(zhàn)行動等戰(zhàn)場態(tài)勢信息，以最少的人員、更少的代價、最大化地獲取戰(zhàn)場情報數(shù)據(jù)，輔助智能判別與智能決策應用。如利用覆蓋紅外、可見光、微波雷達等多種技術手段，實現(xiàn)一體化、集成化的多模融合探測裝置，智能感知多維度、多層次、多類型數(shù)據(jù)，然后應用數(shù)據(jù)配準、智能去噪等預處理手段獲取高質(zhì)量多源數(shù)據(jù)，再利用深度學習、模糊推理、專家系統(tǒng)等智能技術，建立目標識別和威脅判別模型，實現(xiàn)武器裝備作戰(zhàn)環(huán)境中目標智能探測感知和識別。

通過給武器裝備各類傳感器、探測器，智能探測感知飛行空間信息、攔截彈信息等，數(shù)據(jù)傳輸給彈載智能“大腦”，設定相應的優(yōu)化準則、目標等，通過數(shù)據(jù)分析，智能自主決策，規(guī)劃調(diào)整飛行彈道，通過動力學氣動調(diào)整，改變飛行軌跡，增強突防性能［5］。

人工智能使無人機個體具備較高的智能水平，協(xié)同作戰(zhàn)能力顯著提高，從而形成低成本的無人機蜂群戰(zhàn)術。目前，以美國國防高級研究計劃局（DARPA）為首的眾多機構(gòu)，都投入了大量經(jīng)費就無人機集群在空中的協(xié)同作戰(zhàn)理論和技術展開研究，包括無人機的快速編隊、多機間通信協(xié)同，自主戰(zhàn)術決策與下達作戰(zhàn)命令等，構(gòu)建多無人飛行器的任務自組織系統(tǒng)分布式體系結(jié)構(gòu)。

3.2 更高效的地面測試

運載火箭的測試發(fā)射同樣是一個多學科交叉，多專業(yè)耦合的復雜系統(tǒng)工程，是運載火箭成敗與否的關鍵一環(huán)。狀態(tài)準備、測試操作、預案決策、數(shù)據(jù)判讀，每一環(huán)都是技術能力的保障，都是知識經(jīng)驗的考驗，同樣每一步都離不開人的參與，成敗維系在每一名人員身上，高水平人員的稀缺造成測試發(fā)射無法多任務并舉，以及連續(xù)疲勞帶來的風險造成測試發(fā)射周期無法進一步壓縮，通過應用人工智能技術，可顯著提升測試效率，降低發(fā)射成本［6］。

3.2.1 采集層

通過多樣化的手段代替?zhèn)鹘y(tǒng)的傳感器采集或人工直接觀測，基于視頻語音識別技術的應用可以大大減少火箭本身測點的布置。例如：發(fā)動機工作狀態(tài)，可以通過對其工作時的聲音進行頻譜分析；一些機構(gòu)的動作，可以通過非接觸的攝像機直接觀察；儀器儀表的指示燈狀態(tài)監(jiān)控，可以通過攝像頭攝錄信息，之后在后臺用圖像識別的方式的進行自動判斷。

3.2.2 處理層

人工智能技術極大的提升了設備的數(shù)據(jù)處理與故障診斷的能力。對地面測試數(shù)據(jù)進行統(tǒng)一管理和應用，除了完成流程自閉環(huán)的反饋判斷，還能夠?qū)?shù)據(jù)的趨勢、關聯(lián)進行綜合分析，設備不但可以掌握自身的運行狀態(tài)，實現(xiàn)故障檢測與隔離，啟用合適的故障預案，還能夠想設計操作人員提供輔助決策和任務規(guī)劃建議。

3.2.3 執(zhí)行層

前端無人值守是未來火箭發(fā)展的必然趨勢。電測過程中的脫查脫拔等人為操作、異常故障時的搶險操作，可以采用帶視覺定位系統(tǒng)的機械臂來完成。此外，后端的人機交互也可以加入語音識別、手勢感知等新型指揮手段，提高測試效率。

3.3 更全面的設計保障

3.3.1 智能設計

引入人工智能技術，可以將目前的半智能化計算機輔助設計系統(tǒng)升級為智能化計算機輔助設計系統(tǒng)，整合現(xiàn)有的海量資料及資源，模擬人腦思考的過程，徹底解決上述三類問題。采用人工智能技術的“航天大腦”可以根據(jù)型號需求提供總體文件的初稿，總體設計師進行決策修改后，“航天大腦”將系統(tǒng)需要的文件自動下發(fā)至系統(tǒng)級，并形成系統(tǒng)級文件的初稿，系統(tǒng)設計師進行決策修改后，“航天大腦”再將單機需要的文件下發(fā)至單機。在進行具體設計時，設計師僅需將設計輸入文件提交至“航天大腦”，系統(tǒng)則會根據(jù)需求以及所學習的設計文件完成設計工作。如設計電纜網(wǎng)圖時，設計師僅需將電纜的幾何尺寸、點位定義等提交至“航天大腦”，“航天大腦”會自動繪制出電纜網(wǎng)圖的模板，并自動給出諸如線纜型號推薦、連接器型號推薦等輔助決策信息，設計師將不需逐個翻閱廠家的手冊即可完成設計，設計效率將大大提高。此外，由于“航天大腦”能夠在很短的時間內(nèi)完成大量文件的學習工作，并從中找出最優(yōu)方案，設計的標準化和設計水平也能夠得到保證。

3.3.2 智能制造

智能制造是一種由智能機器和人類專家共同組成的人機一體化智研制造系統(tǒng)，通過人與智能機器的合作共事，擴大、延伸和部分地取代人類專家在制造過程中的腦力勞動。它把制造自動化的概念更新，擴展到柔性化、智能化和高度集成化。

利用大數(shù)據(jù)技術，對于運載火箭制造裝配需要的物資、工具、生產(chǎn)線、場地、工裝、人員、運輸車輛都統(tǒng)一進行編碼采集與實時定位管理，將散布在全國各地的運載火箭制造裝配資源條件，進行投籌管理，真正做到全國一盤棋。并與運載火箭發(fā)射任務計劃有機對接，通過態(tài)勢分析與智能預測，實現(xiàn)生產(chǎn)規(guī)模進度的最優(yōu)化預測管理，成本進度最優(yōu)化，并能夠?qū)崿F(xiàn)突發(fā)風險的動態(tài)應變處置，實現(xiàn)成本最優(yōu)化管理。

在生產(chǎn)過程中，也完成了對火箭全生命周期信息的收集與保障。建立火箭的綜合檔案履歷資料庫，收集制造、裝配、測試各個過程的數(shù)據(jù)與知識，構(gòu)建大數(shù)據(jù)分析中心，作為智慧火箭的數(shù)據(jù)支撐與健康診斷的依據(jù)，降低設計和研制成本、提升測發(fā)效率、提升火箭的可靠性［7］。

3.3.3 遠程支持

隨著在運載火箭高密度發(fā)射、零窗口點火變得常態(tài)化，靠大量人力在靶場保障發(fā)射任務的模式已難以適應未來的發(fā)展需求。發(fā)射中心將從逐步從靶場向遠程后方遷移，以日本epsilon火箭為例，科研人員遠程使用兩臺筆記本就可實現(xiàn)火箭發(fā)射控制。

遠程支持中心能夠統(tǒng)一接收、存儲各靶場各型號發(fā)回的測試數(shù)據(jù)并存儲，并通過智能搜索引擎隨時搜索查看關心的數(shù)據(jù)及相關文檔；針對當發(fā)測試數(shù)據(jù)，結(jié)合歷史數(shù)據(jù)進行大數(shù)據(jù)分析，提前識別出可能有質(zhì)量隱患的關鍵節(jié)點；當靶場出現(xiàn)故障時，遠程支持中心通過多媒體、虛擬現(xiàn)實等手段開展協(xié)同排故工作。

4 中國航天發(fā)展人工智能的對策建議

4.1 聚焦航天 “大腦”技術體系，做好戰(zhàn)略規(guī)劃和頂層設計

基于對大數(shù)據(jù)與人工智能的探索和積累，提出以技術-產(chǎn)品-服務為核心的航天“大腦”，其技術體系設想如圖1所示。

4.1.1 技術層

智能感知是為機器裝上觸覺、視覺、聽覺、神經(jīng)和運動機構(gòu)等智能硬件，使其具備感知世界的能力。通過集群和虛擬化技術實現(xiàn)對海量數(shù)據(jù)的快速預處理、分布式存儲、并行計算等，為智慧大腦提供強大的記憶”和“計算”能力。

4.1.2 產(chǎn)品層

智慧產(chǎn)品包括智慧院所、智慧火箭、智慧裝備和智慧民用產(chǎn)業(yè)。其中，智慧院所是所有智慧產(chǎn)品研制的基礎，其可以充分激發(fā)員工創(chuàng)新創(chuàng)業(yè)熱情，并為員工提供高效便捷的管理方式；智慧火箭指的是為火箭裝上“觸覺”和“大腦”，降低測發(fā)控對人的依賴，提升火箭可靠性；智慧裝備指的是通過全壽命周期的健康管理，實現(xiàn)裝備自主保障；智慧民用產(chǎn)業(yè)指的是通過軍民融合方式，將軍用技術轉(zhuǎn)向民用領域，如智能健康監(jiān)測、智慧家電遠程測控、智慧照明、智慧安防等領域。

4.1.3 服務層

未來應全力推動大數(shù)據(jù)人工智能等技術與航天裝備的結(jié)合，實現(xiàn)裝備信息智能采集、遠程保障、智能決策的完美集成，發(fā)展模式也將由提供產(chǎn)品向提供全方位解決方案的服務轉(zhuǎn)變。

4.2 打造航天“大腦”系列產(chǎn)品，快速形成專業(yè)的能力和隊伍

4.2.1 智慧院所

以創(chuàng)新為驅(qū)動、以信息化為基礎、以知識為載體，利用智能科學理論、技術、方法和信息及自動化技術工具，充分有效地整合和優(yōu)化利用各類內(nèi)外部資源，保證能夠持續(xù)創(chuàng)新，不斷開發(fā)新產(chǎn)品、新服務，為航天單位的發(fā)展提供智能決策。

4.2.2 數(shù)據(jù)銀行

建立航天大數(shù)據(jù)中心，成立“航天數(shù)據(jù)銀行”，對產(chǎn)品研制、生產(chǎn)等多環(huán)節(jié)的數(shù)據(jù)進行統(tǒng)一管控、統(tǒng)一挖掘，實現(xiàn)數(shù)據(jù)挖掘效果的最大化，創(chuàng)造服務價值。智慧管理通過實現(xiàn)產(chǎn)品全壽命周期的統(tǒng)一管控，建立基于數(shù)據(jù)信息驅(qū)動的智能化研制模式，提升工作效率。智慧決策基于大數(shù)據(jù)技術，將先進管理理念、業(yè)務流程和管理模式等融合，實現(xiàn)管理信息化和智能化，達到“降本增效”的目的。

4.2.3 智能裝備

通過大數(shù)據(jù)與互聯(lián)網(wǎng)等高新技術，實現(xiàn)火箭的高度信息化與智能化。包括智慧的遠程發(fā)射支持平臺，智慧的測發(fā)指控平臺，智慧的全壽命周期綜合保障平臺。智慧的遠程發(fā)射支持平臺通過大數(shù)據(jù)技術，訓練后方的智能機器大腦，提升異地協(xié)同保障能力，減免專家到一線協(xié)助排故，解決問題。智慧的測發(fā)指控平臺依托于語音識別、圖像識別、大數(shù)據(jù)等技術，實現(xiàn)自主的測發(fā)指控過程。智慧的全壽命周期綜合保障平臺利用大數(shù)據(jù)技術保障數(shù)據(jù)統(tǒng)一化規(guī)范，完成自主健康評估、精準的壽命預測和數(shù)據(jù)驅(qū)動的視情維修［8］。

4.2.4 智慧產(chǎn)業(yè)

依托剩余載荷和末級監(jiān)控，實現(xiàn)對地觀測等服務，依托遠程測控、健康監(jiān)測、大數(shù)據(jù)、新一代信息應用技術，通過融合智慧城市中的多源數(shù)據(jù)，在智慧城市和智慧產(chǎn)業(yè)中，提升城市的精細化管理水平，同時為航天單位軍民融合開拓增收，鍛煉隊伍。

4.3 分布落地執(zhí)行，拓展航天“大腦”的服務

未來，應全力推動大數(shù)據(jù)人工智能等技術與航天裝備的結(jié)合，實現(xiàn)裝備信息智能采集、遠程保障、智能決策的完美集成，航天企業(yè)的發(fā)展模式也將由提供產(chǎn)品向提供全方位解決方案的服務轉(zhuǎn)變，如智慧的發(fā)射服務、全面的體系作戰(zhàn)服務和智慧的軍民融合服務。智慧發(fā)射最終要實現(xiàn)輸入一個指定的位置坐標，為其精準、快速、智能、高效、低廉地發(fā)射到指定地點。全面的體系作戰(zhàn)服務基于大數(shù)據(jù)和人工智能技術，能夠?qū)崿F(xiàn)裝備的自主保障、戰(zhàn)時智能決策和一體化的體系作戰(zhàn)。智慧的軍民融合服務結(jié)合現(xiàn)有的技術和民用產(chǎn)業(yè)，開展更多的智慧產(chǎn)業(yè)服務，通過信息和通信技術的應用，提升城市的管理水平，提高市民的生活質(zhì)量，令城市運行和市民生活更加智能。