卷 首語:讓機器具備人一樣的智能，賦予機器思考和推理的能力，是人類最偉大的夢想之一。早在 1948 年， 圖靈在題為《智能機器》的論文里，第一次勾勒出了人工智能領域的輪廓。隨后，他設計了一個被后人稱為圖靈測試的思想實驗。在很長一段時間內，圖靈測試都是較為公認的人工智能判斷標準。自圖靈測試提出以來，人工智能有了很大發展，我們正處于人工智能快速發展的新時代。

構筑智能機器是研究智能的最終目的，智能機器本質上是機器智能的物化表現形式。研究智能機器的目的是在感知、認知和行為三方面探求智能的機理及本質。人工智能為無人系統的發展提供了新的動能，而無人系統是人工智能研究的重要抓手和極佳的驗證平臺。人們對無人系統的應用場景與自主能力需求越來越強烈，要使無人系統具備復雜場景下的自主作業能力，強烈依賴人工智能技術的發展。

強泛化通用人工智能算法。目前，無人系統應用場景往動態非結構化方向發展，傳統針對特定任務與樣本所訓練的算法難以適應新數據與任務需求，泛化能力弱、適應任務單一，使得無人系統只能夠在特定限制條件下自主作業，難以賦予無人系統真正的智能性。因此，如果要使無人系統真正具有類人自主性，必須 開發強泛化能力的通用人工智能算法。

低功耗、高性能邊緣計算芯片。由于無人系統通常是移動作業模式，其只能搭載有限的能源設備，難以部署大規模計算設備 / 學習服務器，對一些依賴計算資源的算法需采取云端技術，這將大大依賴大寬帶實時通信，給實際應用帶來不便與挑戰，而采用邊緣計算或云邊協同的計算方式可以有效解決這一困局。在人工智能技術創新的推動下，無人系統迎來了突飛猛進的發展。

人工智能提升環境感知效率。環境感知旨在從復雜場景或圖像中定位大量預定義類別的物體，是人工智能領域熱門的研究方向，也是無人系統開展各項作業任務的基礎。針對目標識別，R-CNN、YOLO、SSD 等一系列經典框架被提出，使得無人系統能夠模擬人大腦的運行方式，通過多層卷積神經網絡學習識別，大大提升了無人系統的環境感知能力。

人工智能強化自主規劃決策能力。規劃決策旨在依據無人系統感知得到的動態環境信息，開展自主決策、路徑規劃等控制，使無人系統實現特定的作業任務。人工智能技術的迅速發展大大提升了無人系統規劃決策的自主性，基于強化學習、深度強化學習等算法能夠較好地解決無人系統的運動規劃問題，諸如CANN、RNN、LSTM、SNN 等一系列網絡結構也被提出用于決策任務，使得無人系統能夠適應高復雜、高動態、強對抗環境開展作業任務。

人工智能增強多機協同能力。人工智能技術的迅速進展能大大提升無人作戰系統的協同作戰能力?；?/span> AI 的智能化生態系統，以“能量機動和信息互聯”為基礎，以“數據計算和模型算法”為核心，以“認知對抗”為中心，多域融合、跨域攻防，無人為主、集群對抗，虛擬與物理空間一體化交互的智能化作戰，已成為未來戰爭的主要形式。

人工智能提升作戰指揮體驗。作為人與無人系統之間的交互接口，指揮控制系統能夠實現控制指令與狀態反饋的傳遞。引入人工智能技術后，一方面指揮控制系統能夠通過自然語言、手勢、體勢等多模態人機交流方式獲取指揮官意圖并給出擬人化反饋，大大提升了指揮效率；另一方面，利用人工智能技術能夠彌補操作者在速度、注意力等方面的局限，加速“觀察—調整—決策—行動”環路速度，協助指揮官做出正確指令。人工智能技術使得人機協作下的指揮控制能夠適應未來戰場上日益增大的信息流通規模和速度，讓戰場指揮轉變為信息化的算法戰爭。

 類腦芯片實現人工智能算法實體化。數據、算法和算力是人工智能發展的 3 駕馬車，大量傳感器的引入為無人系統帶來了海量的數據，人工智能技術提升了無人系統感知與行動能力，而類腦芯片作為終端實現人工智能算法的載體，已成為人工智能技術創新的重要基礎。無人系統的信息處理單元架構正按照大腦結構仿生學的指引，朝著“存算一體”類腦芯片的方向發展。而在“存算一體”類腦芯片底層，非易失性核心器件也正逐步替代易失性核心器件，以便于更好地執行復雜人工智能計算功能。

人工智能為無人系統賦能，未來在人工智能從感知智能向認知智能演進、人機協同混合智能提升無人系統自主性、機器學習微型化推動 AI 與無人系統加速融合方面具有更為廣闊的前景和更多的發展機遇。隨著科學研究的不斷深入，人工智能驅動的無人系統設備將大規模普及，并走進我們的生活。