美國DARPA有關“算法戰”項目的發展分析與認識

刁聯旺，王曉璇，李婷婷

（中國電子科技集團公司第二十八研究所　信息系統工程重點實驗室，南京　210007）

基金項目：十三五國防裝備預研項目資助。

作者簡介：刁聯旺（1965—），男，安徽蚌埠人，研究員，工學博士，主要研究領域為信息處理與指揮控制技術。E-mail：diaolw@sina.com

摘　要：討論了美國國防高級研究計劃局有關“算法戰”新興技術發展分析，主要闡述了“終身學習機器”項目、“小精靈”項目、“拒止環境協同作戰”項目、“駕駛艙人員作業自動化系統”項目等有關重點項目的背景、概況、進展情況以及認識，可為研究人員進行相關科研項目的研究提供技術參考、啟發研究思路。

關鍵詞：人工智能；算法戰；新興技術；軍事革命

中圖分類號：E866　文獻標識碼：A

Analysis and Understanding of the Development of DARPA Algorithm War Projects in the US

Diao Lianwang，Wang Xiaoxuan，Li Tingting

（S & T on Information System Engineering Lab.，The 28th Research institute of CETC，Nanjing 210007，China）

Abstract：This paper discusses the development and analysis of new algorithm war technologies in the US Defense Advanced Research Projects Agency（DARPA）.It mainly expounds the background，research situation，latest progress and some understandings of key projects such as Lifelong Learning Machines（L2M）Project，Gremlins Project，Collaborative Operations in Denied Environments（CODE）Project and Aircrew Labor In-Cockpit Automation System（ALIAS）Project.It can provide technical reference and inspiration for researchers to conduct research on related research projects.

Key words：AI；algorithm war；Emerging technology；military revolution

0　引言

算法戰概念由美國國防部前副部長羅伯特·沃克（Robert Work）于2017年4月首次提出[1]。算法在軍事領域并非新事物，自制導武器出現以來，算法一直發揮著關鍵性的賦能作用。從坦克裝甲車輛的主動防護系統到軍用飛機的自主控制系統，再到“愛國者”防空導彈的防空反導系統，算法如今已成為軍事大國主戰裝備的標配。算法本身的使用價值是有限的，只有與超算能力和大數據技術相結合才能產生力量倍增器的作用[2]。另外，算法、數據和計算能力是當前主流人工智能的三大要素，其中算法更是人工智能的“大腦”。因此，算法戰的實質是基于人工智能的“智能+”戰爭。為了籌劃“算法戰”，美國國防高級研究計劃局（DARPA）推出了一系列與人工智能算法相關且軍事背景十分明確的科研項目[3]，旨在推動人工智能算法在分布式作戰能力、輔助指揮決策等方面的應用，搶占未來軍事競爭的主動權。

美軍在籌劃“算法戰”方面所推出的相關項目既涉及機器學習等基礎技術領域，也注重應用人工智能算法提升分布式作戰、人機交互、輔助指揮決策等相關作戰能力的提升。本文對DARPA啟動的四個與“算法戰”相關的重要項目及其研究進展進行重點分析[4，5]。

1　“終身學習機器”項目

DARPA于2017年3月啟動了“終身學習機器（Lifelong Learning Machines，L2M）”項目[1，3]。該項目研發先進的機器學習算法和神經網絡技術，增強機器對新環境的適應能力，旨在發展類似生物智能的具備自主學習能力的下一代機器學習技術，并以其為基礎推動未來人工智能（AI）技術發展。目標是創建一臺可以像生物體一樣思考并能像人一樣持續學習的計算機，通過把之前未預料的問題考慮在內和具有的動態適應能力，計算機將能夠像人一樣根據具體情景推斷更多的答案，可以更好地做出決策。

1.1　項目背景

人工智能以機器學習技術為核心，并依賴于精巧的編程和龐大的數據支撐[4]。但真實世界充滿了偶然性，編程者無法預知所有可能出現的元素或面對的情景，而當這些機器學習系統遇到程序和數據中并未包含的特殊情形時就會不知所措。要擴展機器學習系統在該新環境下的能力，必須停止其服務并利用額外的數據對其進行再訓練，但這種做法依賴于人類的介入且效率較低。

與此不同，生物系統則能夠實現自主訓練，從過往的經歷中不斷汲取經驗，即使面對全新的環境也能根據具體情景做出適應性的調整。正因為如此，即使現階段最先進的人工智能系統與具備自適應能力的生物智能相比依舊相差甚遠，這也是DARPA開展L2M項目的初衷。

1.2　項目概況

L2M項目重點關注兩個技術領域：一是開發可以持續從過往經驗中學習并將所學知識應用于新情況的機器學習機制，不斷擴展自身能力并提高可靠性，致力于開發完整的系統及其組件。例如，這種新技術可使無人駕駛汽車能夠從行駛過程中遇到的交通事故、視覺盲點等情形中學習相關經驗，從而在遇到從未面對的新路況時能夠應用學到的經驗有效應對，使無人駕駛車輛更加安全可靠。二是關于生物智能的學習機制，重點關注生物如何學習并獲得自適應能力，目標是將其轉化為計算過程。同時研究這種生物學習的原理和技術是否能夠應用于機器學習系統以及如何應用的問題。預計這兩個技術領域的發現將有助于形成新的方法論，使AI系統能夠在任務過程中不斷學習和改進，將先前的技術和知識應用于新情況，整合先天的系統局限性，增強自動化作業的安全性。

1.3　最新進展

目前L2M項目研究團隊的研究進展情況良好。加州大學歐文分校的研究小組開展了海馬和大腦皮層的雙重記憶結構的研究。該團隊試圖創建一種能夠通過對比現有記憶輸入來預測潛在結果的ML系統，這將使系統在保留之前學習內容的同時變得更加具有適應性。塔夫茨大學研究小組正在研究在蠑螈（所有有尾兩棲動物的統稱）等動物中觀察到的再生機制，以研究能夠在任務過程中通過改變其結構和功能來適應環境變化的柔性機器人。懷俄明大學的研究小組將根據生物記憶重組方法研發一種計算系統。該系統使用語境來甄別可與新的感覺輸入進行重組的、合適的模塊化記憶，以快速形成適應新情況的行為。哥倫比亞大學的研究小組最近發現并解決了與構建和訓練自我復制的神經網絡相關的挑戰。雖然神經網絡可以通過訓練產生幾乎任何一種模式，但矛盾的是訓練一個網絡來復制其自身的結構卻很困難。隨著網絡的不斷學習，它會發生變化，目標也會不斷變化。該團隊正致力于開發一種可利用其自身結構進行適應和改進的系統。

1.4　幾點認識

DARPA將以L2M項目為基礎推動第三次AI技術浪潮。DARPA認為，AI技術發展的第三次技術浪潮將以“適應環境”為特征，AI能夠理解環境并發現邏輯規則，從而進行自我訓練并建立自身的決策流程。可見，AI的持續自主學習能力將是第三次AI技術浪潮的核心動力，L2M項目的目標恰與第三次AI技術浪潮的“適應環境”特征相契合。通過研發新一代機器學習技術，使其具備能夠從環境中不斷學習并總結出一般性知識的能力，L2M項目將為第三次AI技術浪潮打下堅實的技術基礎。

人工智能革命是從弱人工智能通過強人工智能，最終到達超人工智能的旅途。專有人工智能已在社會許多領域獲得應用并產生價值。如購物助手、身份信息識別等。但是如何讓通用人工智能也產生價值還要走很長的一段路。讓機器學會像人一樣思考并持續學習，具備人類的推斷和決策能力，具備解決不同種類問題的適應性，打造一臺依據經驗做出決策的自適應計算機。這些對機器學習模型的靈活性、經驗的存儲等在線技術都提出了新要求。

2　“小精靈”項目

DARPA于2016年3月啟動了“小精靈”（Gremlins）項目[1，6]。該項目研發小型無人機集群先進的群體智能算法、自主學習算法和空中發射和回收等關鍵技術，增強無人機與有人機的協同作戰能力，支撐美軍為著眼大國對抗而大力發展的分布式空中作戰概念。該作戰概念不但將顛覆當前以F-35、B-2等大型多功能平臺為核心的作戰樣式和裝備發展思路，給敵防御帶來重大挑戰，也將是大幅降低作戰成本的重要途徑。

2.1　項目背景

2014年年底，美國防部開始制定第三次“抵消戰略”，并把與中、俄等大國對抗定為美軍的主要使命任務。美方認為，以上假想敵的綜合一體化防空系統對其現役空中裝備的威脅極大，2020年左右，B-2將在反介入/區域拒止環境中面臨生存威脅。經過長研制周期推出的高成本現役裝備如被大量擊落，必將嚴重削弱美空中作戰能力。因此，美國防部正在考慮以全新作戰概念牽引出更低成本、更高戰力的作戰裝備，以維持對主要假想敵壓倒性的軍事優勢。近年來，以機器學習、自主作戰為代表的人工智能技術在軍事領域取得了快速發展，在此背景下，DARPA開展“小精靈”項目，尋求解決小型無人機空中發射和回收、經濟可承受機體平臺設計等技術的創新性方案。

2.2　項目概況

DARPA認為，在沒有可靠陸基或海基降落地點的情況下，對于大作戰半徑的小型無人機來說，空基回收將是最簡后勤和最低成本的解決方案，另外還具有對無人機性能影響最小和再次發射迅速等優勢。因此，“小精靈”項目的主要目標便設定為探索小型無人機集群空中發射和回收的可行性，并開展演示驗證試驗。根據DARPA的設想，“小精靈”無人機集群將在敵防區外由包括運輸機、轟炸機和戰斗機在內的各類平臺發射，在滲透到敵防區內之后針對特定目標共同執行情偵監、電子攻擊或地理空間定位等作戰任務。任務完成后退出敵防區，并由C-130運輸機完成空中回收。為此需要突破諸如創新的空中發射和回收技術、自動的發射波次策略、精確相對導航、精確戰位保持、發射和回收平臺低成本改裝技術等。

2.3　最新進展

“小精靈”項目最新進展情況：第1階段，美國復合材料公司、Dynetics公司、通用原子航空系統公司和洛克希德·馬丁公司進行了概念驗證，研究內容包括發射與回收技術、低成本設計與風險降低等。第2階段，Dynetics公司、通用原子航空系統公司完成了全尺寸技術驗證系統的初步設計，發展了噴氣動力低成本無人機，并進一步優化平臺設計，對安裝在C-130運輸機上的回收系統開展風險降低飛行試驗，達到了合同要求。第3階段，Dynetics公司將開展發射和回收大量低成本、可重復使用的無人機系統研究，在C-130運輸機下方安裝穩定的捕獲設備，一旦無人機連接到該設備并關閉發動機，無人機將被提升到C-130運輸機中，并進行機械固定。該公司的目標是在30min內完成4次回收。理想情況下，該方案將減少對空軍基地的依賴，以便開展作戰行動。

2.4　幾點認識

分布式空中作戰概念促使裝備發展思路發生重大轉變。分布式能力是美軍未來發展的重點，其內涵是指未來作戰中有人和無人系統組成團隊，通過分散組網能力發揮作用，增強適應能力，提高對手成本。把作戰能力分散部署到多個聯網平臺上，而不是把所有的功能集中在單一的高成本平臺上，可以提高作戰部署的靈活性、規模和調節性，以及單元專業化程度。因此，用人工智能技術武裝機體廉價化、平臺智能化、載荷小型化的空戰平臺產生新質作戰能力，成為美軍重塑復雜軍用系統的重要途徑，并形成了分布式空中作戰概念。該概念的內涵是，大量功能單一的小型低成本無人機分解傳統大型多功能平臺的各項能力，在空戰管理員有限介入和人工智能技術的支持下，各平臺協同配合，以群體形式完成作戰任務。

創建載荷散布能力以這個切實可行的解決方案克服平臺問題帶來的挑戰。空中發射和回收先進無人航空器，其投入作戰的規模可調，其作戰效應多樣，其經濟可行性高。這種基于載荷散布聯網化的作戰能力，雖然最主要的也最具挑戰性的用途是對敵人的多層防御實施飽和作戰，它還能在其他各種沖突環境中提高作戰資源利用效率。例如，在F-22、F-35等有人機有限的指揮下，小型無人機集群依據敵情和自身損失實時組合出最優的作戰能力，以群體方式完成任務，作戰十分靈活。另外，以小型無人機率群為特征的分布式空中作戰與當前的空中作戰樣式大相徑庭，如未來美軍大規模踐行此概念，其空中作戰裝備發展必將改變，低成本無人機、巡飛彈、導彈相關的關鍵技術將得到重視，空戰裝備體系中將出現越來越多的低端平臺，自主協同的集群作戰可提供執行各種任務所需的多種能力組合與協同，將促使空戰平臺的人工智能水平快速提升。

3　“拒止環境協同作戰”項目

DARPA于2015年1月啟動“拒止環境協同作戰”（Collaborative Operations in Denied Environments，CODE）項目[1，7-10]。該項目研發先進的自主化算法和監督控制技術，增強無人機或尖端導彈在拒止環境中的作戰能力。CODE研究者旨在開發一個模塊化的軟件架構，該架構與現有標準相比，可以抗“帶寬限制”以及“通信中斷”，并且在現有無人機平臺上安裝具備經濟可承受性。

3.1　項目背景

無人機在從情報、監視、偵察（ISR）到打擊等方面都發揮著重要作用，但大部分無人機都需要專門的遠程飛行員、傳感器操作人員以及數據分析人員。對人員的需求將限制無人機作戰應用的擴展，以及無人機作戰使用的成本效益，而且在激烈的電磁對抗環境中，針對遠程高機動目標使用無人機將非常困難。CODE項目主要目標是提高無人機的協同自主能力，多架采用CODE技術的無人機將在一名任務人員操作下，協同探測、跟蹤、識別并攻擊目標。這些無人機將能夠：①連續評估自身及周邊環境，并為任務操作人員反饋無人機組行動建議；②發現目標，并根據確立的交戰法則同目標交戰；③在盡量減少人員參與的情況下，調動附近裝備有CODE系統的無人機，并根據戰場動態情況隨時進行調整；④適應與友軍之間的摩擦或意想不到的敵方威脅等突發情況。CODE項目將通過發展新型軟件，使得無人機在最少人員參與的條件下進行協同作戰。這些算法和軟件將擴展現有無人機執行任務的能力，超越目前無人機的最高水平，提高美軍在拒止或對抗空域的作戰能力。

3.2　項目概況

CODE項目旨在幫助美國軍方的無人機系統（Unmanned Aircraft System，UAS），執行針對在拒止環境或有爭議的電磁空域中的高機動地面或海上目標的動態、遠距離作戰，同時降低所需的通信帶寬和對人類監視的認知負擔。CODE項目特別注重協同自主領域技術的提升，使得無人機組可以在一個操作人員的管理下協同工作。無人機將不斷判斷其自身和周邊環境，并為任務操作者反饋無人機組行動建議。操作者可以允許、不允許或讓無人機組收集更多數據。CODE項目研發工作以四個技術領域為重點：協同作戰自主化，航空器層面自主化，監控界面，適用于分布式系統的開放式結構。關鍵的技術發展注重傳感、打擊、通信和導航等方面的自主化協同作戰，以減少所需的通信帶寬和人工系統界面。

3.3　最新進展

CODE項目第一階段合同授予了丹尼爾·瓦格納協會、科學系統公司、智能信息流技術有限責任公司、飛騰科技公司、SRI國際公司、Vencore實驗室管理員應用通信科學公司6家公司。第一階段已成功模擬驗證了無人機系統戰術協作自主性的潛在價值，并同合作者共同完成了可向未來作戰系統轉變的過渡計劃草案。在兩個團隊之間，DARPA已經選擇了大約20個自主行為，它們將可以大大提升這些UAS的任務能力，并使得這些UAS能夠在拒止或爭議環境中執行復雜任務。CODE項目第二階段的系統集成合同授予了洛馬公司和雷神公司。第二階段，DARPA計劃在兩個開放式架構團隊內均實施一種初始行為子集，并使用那些架構通過一個或兩個真實UAS協同幾個虛擬飛機執行真實的飛行測試。CODE項目第三階段合同授予了雷神公司。第三階段將引入更多無人機在更復雜的場景下開展自主協同飛行測試，進一步開發CODE的能力，并通過一系列飛行試驗計劃對能力進行驗證。一旦得到充分驗證，CODE軟件的可擴展能力就會大大提高現有空中平臺的可生存性、靈活性和有效性，并減少未來系統的開發時間和成本。

3.4　幾點認識

未來無人機集群作戰技術將呈現以下三大發展趨勢：裝備系列化——形成以十克級、百克級、千克級、10千克級、100千克級等系列化平臺為基礎的作戰系統序列；應用多樣化——預警探測、廣域監視、抵近偵察、電子對抗、飽和攻擊、主動防御、特種作戰等；覆蓋全域化——陸、海、空、天全域，形成“蜂群”“魚群”“星群”等作戰概念。與無人機集群作戰的優勢特點相對應，這一新概念技術和作戰運用在發展過程中，仍面臨一些亟待解決的問題和矛盾，諸如傳統理念與技術創新之間的矛盾：如果減少了人在無人機系統中的控制權限，無人機系統可能成為未來戰場上的威脅。

智能彈藥具有信息感知與處理、推理判斷與決策、執行某種動作與任務等功能。其廣泛應用不僅是信息化戰爭形態變化的重要標志之一，也是決定戰爭雙方最終勝負的關鍵因素之一。美國為確保其在空中、海上、地面、太空和網絡空間等各作戰域內的優勢，DARPA加快人工智能/自主技術向武器裝備的轉化進程。人工智能/自主技術將成為提升導彈武器作戰效能的重要手段，使具有自主探測、自主處理情報、監視和偵察、自主識別敵我、自主靈活采用彈藥載荷等多種功能，并可自毀和回收，實現對目標更加快速的跟蹤與打擊，促進武器裝備的智能化發展。

4　“機組人員作業自動化系統”項目

DARPA于2015年1月啟動了“機組人員駕駛艙工作自動化系統”（Aircrew Labor In-Cockpit Automation System，ALIAS）項目[1，3，7]。該項目研發一個感知系統，可以模擬任何復雜的計算機算法，測量和監測任務中所有關鍵的參數，例如空速、高度、燃料狀態、方位、分析系統狀態和飛行器性能等，提高任務有效性和安全性，通過使用機器人臂控制來減少軍用和民用小型飛機的機組人員需求，進一步發展人機協作的有效方法和機器自主學習能力。

4.1　項目背景

平臺研發僅是發展分布式能力的眾多挑戰之一，與作戰人員的有效結合也十分重要。飛機越來越先進，也變得越來越難以駕馭。飛行員和機組人員需要接受密集培訓訓練，才能在最新的飛機上試飛，甚至在緊急情況下會被飛行系統的復雜性所壓倒。DARPA認為，ALIAS可以提供解決方案。ALIAS不是用復雜昂貴的自動飛行系統改造飛機，而是設計為一種適應性強的解決方案，以減輕飛行員的負擔。雖然它是全新的，但系統的根源在于DARPA以前的工作是自動化系統和無人駕駛車輛方面。當它開始完全運行時，ALIAS應該能夠處理從起飛到著陸的復雜軍事任務。它還應該能夠處理空中的緊急情況，基本上通過讓計算機處理每分鐘的飛行而降低飛行員的任務。

4.2　項目概況

ALIAS采用模塊化設計，能夠完全依托于現有的飛行系統，非常容易安裝、調試和拆除。該項目最重要的部分是提供飛行管理和系統分析的智能處理核心。大致原理為，通過知識獲取系統，將信息饋入ALIAS系統。知識獲取系統使用真實語言處理來消化正常文本，并把它拆分為可由處理核心查詢的邏輯框架。這樣，機器可以快速獲取關于某個主題的所有知識，例如執行各種飛行動作的確切程序。ALIAS的功能主要包括飛機起降、巡航操控、任務規劃、飛行緊急情況處置、飛機的系統故障排除、飛行狀態監控、操作過程回放等，界面采用簡便的觸控和聲控模式，可有效提高系統的交互水平，還能為某些特定任務提供額外的自動操作或自治飛行服務。

ALIAS系統還可以由專業演示人員授教，吸納學到的知識。饋入數據按質量優劣排列順序，數據中的矛盾將由專業人員通過人工操作解決。這種快速獲取各種數據并作歸納匯編的能力具有革命性，其應用將遠遠超出這個項目的范圍。可以設想利用這個項目研發的流程精簡情監偵數據分析，或者根據作戰準則的應用制定實時指揮與控制建議。ALIAS系統可以分析各種預選方案，向機組人員提供任務效果反饋。這樣，機組人員可以起到任務協調員的作用，專注于高端執行，而不是一般的技術操作。除此之外，智能處理核心將能處理發動機故障等系統緊急情況。它會調閱合適的檢查清單，甚至可以激活相應的開關，界定任務效果，向機組人員提供各種預選方案。

4.3　最新進展

ALIAS項目計劃分為3個階段，第1階段合同授予了美國極光飛行科學公司（Aurora Flight Sciences），要求該公司開發“自主輔助起飛與著陸能力，自動執行必要的飛行任務和飛行階段的相關活動，并正確檢測和響應突發事件。同時，駕駛員會通過一個直觀的界面監視操作的自動化執行過程，必要的時候可采取控制操作。”第2階段ALIAS項目合同授予了西科斯基公司及極光飛行科學公司，目前已經成功完成了飛行演示以及能應對飛行中出現的緊急情況。DARPA表示，在這兩種情況下，ALIAS在沒有對適航性產生不利影響的情況下發揮了作用。第3階段ALIAS項目合同授予了洛克希德·馬丁、西科斯基公司和極光飛行科學公司，ALIAS最初配置涉及一些諸如賽斯納208“大篷車”、鉆石DA42和貝爾UH-1直升機之類的小型飛機。ALIAS系統能夠學習以及在單發和雙發飛機中運行，同時也能在固定翼飛機和直升機中運行，如B-52系列和大型客機等。洛克希德·馬丁公司和極光飛行科學公司都已經開發并演示了ALIAS原型機。

4.4　幾點認識

隨著算法程序逐步發展成為越來越強的人工智能，日益網絡化和具有快速處理器的計算機能夠自行組織、收集、提取并呈現信息，這也使更高效、可降低飛行員“認知負擔”的人機交互技術成為可能。目前某些現有的傳感器、導航系統以及所謂的“遙控自動駕駛”技術能夠讓飛機自行執行某些特定的任務。而ALIAS系統能夠大幅提升電腦的獨立活性度，進而自動化系統和人機交互達到一個全新的水平。

ALIAS系統的設計意圖是能夠直接操縱飛機飛行，移動開關，并且像人工操作員一樣執行作戰行動。該系統設計成便攜式，可以從一架飛機拆卸插接到另一架飛機中，通常以套件形式體現，只是根據目標飛機的具體制約條件而在組配方面略有差別。ALIAS項目以解決模糊不清的人機團隊組合概念為直接目標，今后，人工操作員將與半自主化無人駕駛機和打擊航空器協同作戰。與這些散布資產協同作戰，需要有合適的算法程序，把人的意圖演化成經協調的半自主化行動。由于未來戰爭可能在射頻和全球定位系統（GPS）抗衡環境中進行，實現這種演化的難度可能會更大。人機團隊組合和抗衡環境中的半自主化協同作戰對于實現這個愿景起著絕對關鍵的作用，而DARPA的拒止環境協同作戰項目將提供這個核心能力。

5　結束語

“算法戰”就是將算法運用于戰爭領域，通過挖掘人工智能算法在態勢感知、情報分析、指揮決策和火力打擊等方面擁有的巨大潛力，用算法方式破解戰爭攻防問題，從而達到在戰爭中制勝的目的。如今人工智能在軍事中的應用不斷被強調，其三大核心要素：算法、數據和計算能力，也成為各國軍事能力建設的關鍵。而在智能化戰爭形態中，人與機器不再角色分明。隨著軍事智能技術的發展，各類無人、人機協同作戰平臺的自主感知決策能力、集群協同作戰能力將顯著提升，并逐漸成為戰場新主角，人與機器將會動態分配共享功能，呈現出功能角色的互換性與流動性。他們之間的協同配合將視任務性質而定，并隨任務進程而變化，最終實現更高形態的人機智能一體作戰。可以預見，隨著智能在作戰體系中地位的不斷提高，將最終實現對未來戰場信息流、能量流、物質流的全方位驅動，通過以智馭能實現“智驅”作戰，并催生出新的戰場制勝法則。未來的“算法戰爭”將既精于計算，又善于算計；既能做計劃、定方案，又能出戰法、生謀略，是智能型軍隊必須搶占的戰略制高點。

參考文獻

[1]龍坤，朱啟超.算法戰爭的概念、特點與影響[J].國防科技.2017，38（6）：36-43

[2]陳航輝.戰爭算法從幕后走向前臺妙用將改變戰爭規則[N].解放軍報，2017-7-14

[3]Major Paul Calhoun，USAF.DARPA emerging technologies.Air& Space Power.2016：10

[4]朱啟超.人工智能與新一輪軍事變革[J].中國計算機學會通訊，2017（8）：40-44

[5]金欣.“深綠”及AlphaGo對指揮與控制智能化的啟示[J].指揮與控制學報，2016（3）：202-207

[6]袁成.美國國防高級研究計劃局“小精靈”項目[J].兵器知識，2016（9）：37-39

[7]吳洋，葛悅濤.從DARPA研究項目評析精確打擊武器及其關鍵技術發展[J].戰術導彈技術，2017（6）：1-8

[8]王俐云，孫亞楠，鐘選明.俄對敘的遠程精確打擊作戰及天基信息應用探析[J].飛航導彈，2016（1）：6-11

[9]周德云，楊振.多UCAV超視距協同空戰中的交接制導方法[J].彈道學報，2017，29（2）：1-7

[10]程曉雪.對海遠程精確打擊體系[J].指揮信息系統與技術，215，6（2）：16-21