大数据、人工智能与军事决策

李子   李晓露

 

摘要  本文介绍了大数据的概念、来源，提出建设国家军事指挥系统博弈多方信息的大数据。军事信息大数据是能自动识别命题种类（二值、多值、虚值），自动判断信息真假的人工智能军事判断、决策系统，能根据大数据的判断，自动进行快速、准确的军事决策，为打赢未来的现代战争奠定基础。

关键词   大数据  人工智能 

1．前言

  由百度百科“大数据”可得：最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。” “大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。

进入2012年，大数据（big data）一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。

正如《》2012年2月的一篇专栏中所称，“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。

哈佛大学社会学教授加里·金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。” 

大数据是高科技时代的产物。 随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。

大数据带给我们的三个颠覆性观念转变：是全部数据，而不是随机采样；是大体方向，而不是精确制导；是相关关系，而不是因果关系。 

不是因果关系，而是相关关系：我们不再热衷于找因果关系，寻找因果关系是人类长久以来的习惯，在大数据时代，我们无须再紧盯事物之间的因果关系，而应该寻找事物之间的相关关系;相关关系也许不能准确地告诉我们某件事情为何会发生，但是它会提醒我们这件事情正在发生。

大数据是如此重要，以至于其获取、储存、搜索、共享、分析，乃至可视化地呈现，都成为了当前重要的研究课题。

数据量大（Volume）

第一个特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。

类型繁多（Variety）

第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。

价值密度低（Value）

第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。

速度快、时效高（Velocity）

第四个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。

既有的技术架构和路线，已经无法高效处理如此海量的数据，而对于相关组织来说，如果投入巨大采集的信息无法通过及时处理反馈有效信息，那将是得不偿失的。可以说，大数据时代对人类的数据驾驭能力提出了新的挑战，也为人们获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。 

大数据是信息通信技术发展积累至今，按照自身技术发展逻辑，从提高生产效率向更高级智能阶段的自然生长。无处不在的信息感知和采集终端为我们采集了海量的数据，而以云计算为代表的计算技术的不断进步，为我们提供了强大的计算能力，这就围绕个人以及组织的行为构建起了一个与物质世界相平行的数字世界 。

大数据虽然孕育于信息通信技术的日渐普遍和成熟，但它对社会经济生活产生的影响绝不限于技术层面，更本质上，它是为我们看待世界提供了一种全新的方法，即决策行为将日益基于数据分析做出，而不是像过去更多凭借经验和直觉做出。

 “大数据”可能带来的巨大价值正渐渐被人们认可，它通过技术的创新与发展，以及数据的全面感知、收集、分析、共享，为人们提供了一种全新的看待世界的方法。更多地基于事实与数据做出决策，这样的思维方式，可以预见，将推动一些习惯于靠“差不多”运行的社会发生巨大变革。

《大数据时代》是国外大数据研究的先河之作，该书作者维克托•迈尔•舍恩伯格被誉为“大数据商业应用第一人”，拥有在哈佛大学、牛津大学、耶鲁大学和新加坡国立大学等多个互联网研究重镇任教的经历，早在2010年就在《经济学人》上发布了长达14页对大数据应用的前瞻性研究。

维克托•迈尔•舍恩伯格在书中前瞻性地指出，大数据带来的信息风暴正在变革我们的生活、工作和思维，大数据开启了一次重大的时代转型，并用三个部分讲述了大数据时代的思维变革、商业变革和管理变革。

维克托最具洞见之处在于，他明确指出，大数据时代最大的转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道“是什么”，而不需要知道“为什么”。这就颠覆了千百年来人类的思维惯例，对人类的认知和与世界交流的方式提出了全新的挑战。

该书认为大数据的核心就是预测（属多值命题）。大数据将为人类的生活创造前所未有的可能...。

2．阿尔法狗与人工智能

在2017年开年，化身Master的阿尔法狗风卷残云完成60胜，唯一一场平局还是因为对弈者掉线。

由百度“阿尔法狗”可得：作者：佚名 来源：绿茶软件园 2016-03-11。 阿尔法围棋(AlphaGo)其实是一款围棋人工智能程序，由Google旗下DeepMind公司的戴维·西尔弗、艾佳·黄和戴密斯·哈萨比斯与他们的团队开发，这个程序利用“价值网络”去计算局面，用“策略网络”去选择下子。

“深度学习”是指多层的人工神经网络和训练它的方法。一层神经网络会把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就像生物神经大脑的工作机理一样，通过合适的矩阵数量，多层组织链接一起，形成神经网络“大脑”进行精准复杂的处理，就像人们识别物体标注图片一样。

　　虽然神经网络在几十年前就有了，直到最近才形势明朗。这是因为他们需要大量的“训练”去发现矩阵中的数字价值。对早期研究者来说，想要获得不错效果的最小量训练都远远超过计算能力和能提供的数据的大小。但最近几年，一些能获取海量资源的团队重现挖掘神经网络，就是通过“大数据”技术来高效训练。

　　两个大脑

　　AlphaGo是通过两个不同神经网络“大脑”合作来改进下棋。这些大脑是多层神经网络跟那些Google图片搜索引擎识别图片在结构上是相似的。它们从多层启发式二维过滤器开始，去处理围棋棋盘的定位，就像图片分类器网络处理图片一样。经过过滤，13 个完全连接的神经网络层产生对它们看到的局面判断。这些层能够做分类和逻辑推理。

这些网络通过反复训练来检查结果，再去校对调整参数，去让下次执行更好。这个处理器有大量的随机性元素，所以我们是不可能精确知道网络是如何“思考”的，但更多的训练后能让它进化到更好。

　　第一大脑: 落子选择器(Move Picker)

　　AlphaGo的第一个神经网络大脑是“监督学习的策略网络(Policy Network)” ，观察棋盘布局企图找到最佳的下一步。事实上，它预测每一个合法下一步的最佳概率，那么最前面猜测的就是那个概率最高的。你可以理解成“落子选择器”。

　 团队通过在KGS(网络围棋对战平台)上最强人类对手，百万级的对弈落子去训练大脑。这就是AlphaGo最像人的地方，目标是去学习那些顶尖高手的妙手。这个不是为了去下赢，而是去找一个跟人类高手同样的下一步落子。AlphaGo落子选择器能正确符合57%的人类高手。(不符合的不是意味着错误，有可能人类自己犯的失误)

　　更强的落子选择器

AlphaGo系统事实上需要两个额外落子选择器的大脑。一个是“强化学习的策略网络(Policy Network)”，通过百万级额外的模拟局来完成。你可以称之为更强的。比起基本的训练，只是教网络去模仿单一人类的落子，高级的训练会与每一个模拟棋局下到底，教网络最可能赢的下一手。 

Sliver团队通过更强的落子选择器总结了百万级训练棋局，比他们之前版本又迭代了不少。

　　单单用这种落子选择器就已经是强大的对手了，可以到业余棋手的水平，或者说跟之前最强的围棋AI媲美。这里重点是这种落子选择器不会去“读”。它就是简单审视从单一棋盘位置，再提出从那个位置分析出来的落子。它不会去模拟任何未来的走法。这展示了简单的深度神经网络学习的力量。

　　更快的落子选择器

　　AlphaGo当然团队没有在这里止步。下面我会阐述是如何将阅读能力赋予AI的。为了做到这一点，他们需要更快版本的落子选择器大脑。越强的版本在耗时上越久-为了产生一个不错的落子也足够快了，但“阅读结构”需要去检查几千种落子可能性才能做决定。

　　Silver团队建立简单的落子选择器去做出“快速阅读”的版本，他们称之为“滚动网络”。简单版本是不会看整个19*19的棋盘，但会在对手之前下的和新下的棋子中考虑，观察一个更小的窗口。去掉部分落子选择器大脑会损失一些实力，但轻量级版本能够比之前快1000倍，这让“阅读结构”成了可能。

阿尔法狗是围棋下棋机器决策系统。是一种全信息判断、决策系统，其信息的来源来自棋盘面，是真实信息的决策系统。下面的机器人小度更厉害。

3．最强大脑小度与人工智能

由百度“最强大脑”可得：金力维2017年02月04日15:08  来源：北京晚报。昨晚，在江苏卫视播出的《最强大脑》中， “人机大战”中“水哥”王昱珩“意外”以0比2负于小度，令不少观众难以接受，昨晚节目中“水哥”明确表示要与小度再战一场。

三场人类选手和人工智能的比拼后，人工智能以两胜一平的战绩进入最终的“脑王”决赛，“人机大战”暂时落下帷幕。

机器人小度的人脸识别系统，从上千人中以概率百分之72，根据十几年前的儿时像片，将双胞胎人选之一正确识别出来，已具备多值信息判断能力。

要注意的是：大数据是所有已知的信息数据，不一定具有因果关系。如机器人小度的人脸识别系统，是以概率百分之72，选出的答案，并不具有必然性。这与用具有因果关系的DNA检测选出的答案是完全不同的。最近发生的“金正南”事件，依靠小度的人脸识别系统显然与具有因果关系的DNA检测的可靠性是不相同的。

在2017年2月25日中央电视台播出的“挑战不可能”节目中，王英梅博士根据一个人的声音准确找出其人，由声音判断人的外貌，揭示了声音与外貌存在某种必然的因果关系。当然，这里的声音必须是自然真实的。

本文作者不认同大数据创建者将大数据与因果关系对立的作法。认为大数据与因果关系并不矛盾，完全可以在全部真实信息大数据中寻找具有必然性的因果关系。

4．大数据人工智能军事决策系统

现代战争已经是一场需要处理海量数据的战争。单纯依靠军事指挥员的（经验和直觉）判断、决策将会过时。因为靠单个或集体军事指挥员的（经验和直觉）判断、决策，已无法同大数据人工智能军事决策系统相抗衡。建立大数据系统已经是各大国的战略决策。

现代战争战场（包括股市、期货市场、外汇市场、日常用品市场等）的信息瞬息万变，信息真假掺杂，复杂多变。其复杂性和信息真假识别难度，远远超过围棋的博弈和人脸、声音的识别。并且物理学、数学、宇宙学、医学等科学的所有主观信息，都存在真假识别问题，各学科的客观信息（如海市蜃楼信息）也有是否失真、变异、虚假等问题。

军事上的决策有“兵不厌诈”。 战场上的主观、客观信息很多是虚假信息。在虚假信息基础上的军事判断和决策，大量的事实证实其成功的概率低，军事行动失败的概率高。

大数据人工智能军事决策系统，需要能对信息真假进行自动判断和选择取舍、自动进行准确且快速的军事决策。

大数据人工智能军事决策系统首先要解决的是如何识别信息的真假。所谓的大数据只能是真实信息数据。

4．1 逻辑学与信息真假的计算

德国数学家、逻辑学家莱布尼兹是微积分创建者之一，在逻辑学提出过逻辑论证的充足理由律，最早提出用数学计算来解决人们的争论问题，为符号逻辑（数理逻辑）和电子计算机的诞生打下了理论基础。

美国国家科学院院士、量子色动力学奠基人之一，当代弦理论专家，大卫·格罗斯在2004年10月7日卡维利理论物理研究所25周年庆祝会议上所作的演讲（曾在中国科学院理论物理研究所和浙江大学作相近演讲），提出了25个问题，其中第21个问题是：计算机将会替代物理学的分析技术吗？

李子逻辑学^[10]目前是世界上唯一具有论证命题真假方法的基础理论。能实现由已知真假的命题计算（论证）未知其值命题的真假。并且二值命题的论证具有必然性。

李子逻辑学不仅能证明（计算）物理命题的真假，如证明了狭义相对论的相对质量公式是假命题；广义相对论的等效原理是假命题；及证明了狭义相对论、量子力学、广义相对论和现代宇宙学自相矛盾，是包含假命题（定理）、真假信息掺杂的理论等。还证明了数学的哥德尔不可证命题是悖论，是虚值命题；黎曼几何是假的理论；四色命题是真命题；欧几里德几何学是真实的理论 ^{[1]- [14]}等。

可以预测：未来识别海量真假信息，人工智能系统将发挥主导作用。

 在第一次世界大战期间，德军一指挥人员发现，法军阵地上有一只金丝猫，连续几天在同一地点晒太阳。根据这一已知的事实，他们逻辑的证明：“该地很可能有法军的一个高级指挥所”此命题为真。证明过程如下：

因为一只金丝猫连续几天在同一地点悠然地 晒太阳（a），可证这是一只家猫（b），而附近没有村庄（c），可证不会是居民的家猫（d），必定是法军带来的家猫（e）；因下级军官和士兵不会带家猫上阵地（f），所以必定是高级军官带来的（g），高级军官连续几天在同一地点（h），可证该地可能有法军的一个高级指挥所（i）。根据此证明，德军对该地进行了炮轰，果然摧毁了法军的一个旅指挥所。

可将上面的逻辑证明符号计算如下：

    由已知的事实，判定法则一^[11]可得┣aT ，┣cT，┣fT。

    由逻辑蕴涵命题^[11]为真的定义及判定法则一可得：

    ┣（a→b）T，┣（c→d）T，┣（b∧d→e）T，┣（e∧f→g）T，┣（a∧g→h）T，┣（h→i）T。

    证明：（1）由┣ aT ，┣（a→b）T及参考文献论文 ^[11]的定理规则可得┣ bT。

    （2）由┣ cT，┣（c→d）T可得┣ dT。

    （3）由（1）、（2），┣（b∧d→e）T可得┣ eT。

    （4）由┣ fT，┣ eT，┣（e∧f→g）T可得┣ gT。

    （5）由┣ aT，┣ gT，┣（a∧g→h）T可得┣ hT。

    （6）由┣ hT，┣（h→i）T可得┣ （i）T。

    （ i）T即证明命题i：“可能有法军的一个高级指挥所”是真命题，其命题内容与事实相符。

将金丝猫逻辑证明法军高级指挥所的过程，给予了符号化。虽然符号计算看似复杂、繁琐，但在未来将逻辑论证系统设计成软件后，证明过程将由计算机完成。解决人们的任何争辩，甚至法官的结论，只要对计算机输入已知的事实，即可得出未知的事实。由本例论证的符号化事实，说明任何论证在李子逻辑学中均可化归为符号计算。以此可实现莱布尼茨设想的将人们的任一争论化归为符号计算这一理想。并回答了格罗斯教授的第21个问题：能！

如在李子、李晓露《弦理论和M理论的真实性—科学的基础不能建立在假设上（4）》^[15]中，弦理论十维坐标系的真实性，没有任何直接的证据证实其存在，根据李子逻辑学三大判定法则，因无确凿证据证实十维坐标系的内容与其相对应的事实是否相符，所以十维坐标系不能确定其为真。以十维坐标系为基础推出的超弦理论其真实性不能确定，不能确认为真理。

如果事实上宇宙空间是十维空间，则任何一个现实中的物品必然是十维的。按照宇宙空间是十维空间的理论，因3D打印机能生产出的立体产品，该产品必然具有十维。然而，已知的事实是：3D打印机只有欧几里得三维直角坐标数据，并没有四维、五维和其他维数据，则3D打印机不可能生产出十维、十一维的产品（正如普通（二维）打印机无法打印出三维立体产品一样）。

然而3D打印可以打印任何几何形状的物品的事实充分证明：3D打印机生产的三维数据的产品，根本就没有四维、五维和其他维数据，3D打印机产品的空间不可能有十维数据的空间。因此，超弦理论、M理论的高维空间与事实完全不符，都是假的理论。如果将该证明符号化，就可以计算弦理论、M理论为假。

识别任一信息的真假，需要清楚信息的来源，命题信息相关内容的证据，确认其对应的事实，判断其真假。人工智能系统只输入已确定为真的信息。

4．2  逻辑学与人工智能

在李子逻辑学基础上，有望开发人工智能信息真假识别功能，能自动识别、计算信息（命题）的真假，推导新的真实信息（结论），并能自动过滤掉虚假信息，建立真实信息大数据。这不仅可以开发人工智能审判案件系统，而且可以开发科研论文人工智能审稿系统，并且能为人工智能决策系统提供大数据真实信息。

大数据人工智能军事决策系统，能根据战场真实信息的大数据，自动进行数据计算，快速作出战场现局势及未来发展的预测性判断，确定最佳行动方案，供军事决策者决策。

与个人决策相比，人工智能的优势是电脑可存储海量战场真实信息，而人脑无法做到。电脑可快速定量计算、推理、论证，人脑凭经验、直觉判断和逻辑论证，速度慢且不准。信息量越大，时间越紧，人工智能的优势越明显。决策中的快、准、狠在阿尔法狗和机器人小度与人类顶尖直觉高手的较量中，已有答案。世界上最优秀的军事决策者也不过是军事博弈局中人中的一个顶尖高手，我们不可高估、迷信某个人的判断、决策能力。在信息大爆炸时代，军事指挥员的个人决策在未来将面临人工智能博弈决策系统的挑战。

当然，大数据人工智能军事决策系统需要在实践中不断完善和升级提高，这是必然要经过的一个过程。

5．结束语

近年来，人工智能的发展速度远远超出人类的想象，就连著名的物理学家霍金都感到一丝危机，霍金发出预言称，根据现在人工智能的发展来看，未来100年内人工智能会比人类更聪明，机器人将会控制人类。

大数据人工智能决策系统可以战胜很多甚至全部人类博弈高手，不能因此说机器人会战胜人类。毕竟大数据人工智能决策系统是人类专家研制出来的，人类可以让机器人胜，还可以让机器人败。没有必要恐惧人工智能发展的未来，而是要高度重视人工智能的发展，消除人工智能的缺陷，为人类提供更好的服务，建设人类美好的未来。

在军事上，要增强“科研敏感”。如果还按以前的个人决策模式按部就班，而不增强科研敏感，就可能与重大科技创新机遇擦肩而过。成功永远属于那些能正确判断现在和未来、有远见并付之行动的人和国家。

希望我国走在世界前列，到时才可说“厉害了，我的国！”。

 

参考文献

[1] 狭义相对论专题辩论赛（1）-（13），李子、李晓露

[2] 广义相对论专题辩论赛（1）-（13），李子、李晓露

[3] 黎曼几何专题辩论赛（1）-（6），李子、李晓露

[4]宇宙学的危机（1）-（16），李子、李晓露

[5]量子力学的危机，李子、李晓露

[6]李子宇宙学（1）-（7）李子、李晓露

[7]《第四次数学危机及其影响》（1）-（18）李子、李晓露

[8]哥德尔不可证命题的真假，李子、李晓露

[9]元数学与元物理学（1）-（10），李子、李晓露

[10]事实决定真假-李子逻辑学，李子、李晓露

[11]二值命题论证公理系统I，李子、李晓露

[12]多值命题论证公理系统II，李子、李晓露(暂不发表)

[13]虚值命题论证公理系统III，李子、李晓露(暂不发表)

[14]四色定理、Hajos猜想和Hadwiger猜想成立的证明，李子 、李晓露

[15]弦理论和M理论的真实性—科学的基础不能建立在假设上（4），李子 、李晓露

[16]决策决定成败，李子 、李晓露