新一代指揮信息系統的知識中心是通過知識引擎與服務，從全球傳感器采集海量和異構數據，學習生成知識網絡，并向軍事人員提供可信的決策知識服務，形成不斷演化的智能化決策能力。從應用需求與技術驅動2個方面介紹了知識中心建設的迫切性，提出了知識中心自主學習與推理的概念內涵，闡述了知識中心在變革數據治理方式、溯源事物本質、挖掘隱含關系及提供可解釋依據等方面的認知優勢與創新性，通過運行機理分析、關鍵技術剖析及典型知識問答應用分析，闡述了知識中心建設的可行性和意義。
0
引言
現代軍事指揮信息系統已實現了視頻、圖像、雷達和網絡等多源異構數據的匯集，數據專家分別針對這些縱向數據流，設計了各類處理系統，制定了不同模型流程，以人為主通過漏斗方式將這些數據傳遞給指揮決策層，但數據流的橫向交互未得到有效提煉，因此無法實現聚焦同一對象的多維知識互補，使得決策依據不充分、決策結論受質疑。新一代指揮信息系統可接入全球的傳感器，搜集衛星圖像、無人機視頻、雷達信號、電偵信息、通信信號、輿情新聞和法律法規文本，每年接收到的數據總量可達到100TB。這些泛在數據量遠遠超出了人們的想象，已成為新一代信息系統的瓶頸。數據過載、非結構化、質量不高、可信度低和共享受限等問題，使得大量信息淹沒了工作人員，導致重要內容無法辨識，嚴重影響了決策人員的判斷。例如，無人機操作員需要不斷監視無人機反饋信息以便發現異常，每天需通過全球監視網絡核查1000h的視頻、1000張的高空間諜衛星圖片及數百小時的通信情報，當決策人員處于劇烈的時間壓力下時，極易引發錯誤或誤差。針對這些問題，亟需對象事實、方法規則和目標模型等軍事領域知識填補信息和決策間的縫隙。相對于數據，知識能更直接地指導人的決策和行動，彌補缺失，實現信息優勢到決策優勢的轉變。自然語言處理、知識圖譜、跨媒體融合和因果推理等智能化技術的不斷發展，為信息到知識以及知識到決策提供了可行性。從內/外部的文本、圖像、視頻和雷電等多模態數據中自動提煉知識，跨領域融合，形成知識體系；面向任務，通過復雜多態環境下知識過濾、溯源、定位和匯聚，給出可解釋的證據，支撐面向任務的有效應用，使得知識成為信息優勢到決策優勢的橋梁。美國帕蘭提爾（）大數據公司研制的分析平臺、IBM公司研制的沃森（）系統等均是以知識為核心的智能系統，其應用已體現出了超越人類的知識廣度。國內，特別是軍事領域中，目前尚未有一套類似認知系統以輔助軍事人員進行研判決策。知識中心研究如何以知識網絡形態構建類似軍事決策人員大腦中的知識體系，實現知識的自學習和自演進以及智能化輔助決策。
1
概念內涵
知識是人類通過觀察、學習和思考有關客觀世界的各種現象而獲得并總結出的所有概念、事實、規則或原則。知識網絡是從大數據和人類經驗中提取出的概念、對象和方法，形成多源融合、動態關聯和自主演化的知識和關系。知識網絡是基于知識及關系的組織系統，也是知識創造和共享的工作系統。新一代指揮信息系統的知識中心是通過知識引擎與服務，從全球傳感器采集海量和異構數據，自學習及自演進形成跨時空、跨領域和跨任務的知識網絡，通過面向任務的知識籌劃，形成基于知識網絡持續演化的知識優勢，不斷提升指揮決策能力，知識內涵階梯圖如圖1所示。
圖1 知識內涵階梯圖知識中心是新一代指揮信息系統記憶、理解和推理的基石，是各種力量進行協同指揮控制及最大化效能的核心樞紐，主要包括以下4個方面的優勢：1）知識中心以知識網絡為主要存儲形態，變革了軍事數據的組織方式，利用知識網絡完成軍事數據的邏輯保存，以實體為中心的存儲索引架構，語義互連各類型數據。其中，實體為中心的實體包括目標和事件2類。以目標為中心存儲過程中，如存儲關于美軍A型戰斗機相關信息時指揮信息系統概念，可構建一個A型戰斗機的實體節點，將A型戰斗機裝載的B型雷達、B型雷電磁頻譜特性及A型戰斗機飛行速度等作為節點和關系屬性存入知識網絡，A型戰斗機的衛星圖像、雷達航跡數據和戰法模型規則等仍可保存于傳統型知識庫中，通過統一資源標識符（URI）方式鏈接入知識網絡。以事件為中心存儲過程中，如某日，美軍A型戰斗機編隊在某區域進行演習，作為事件節點，將相關的事件觸發詞、發起者、發生時間和發生地點等存入知識網絡，而事件相關的輿情新聞、視頻和音頻等源數據同樣可以存放于傳統數據庫中，鏈接入知識網絡。2）事物真相往往被許多現象遮掩，通過知識網絡的追根溯源，可以幫助決策人員厘清現象背后的本質。以2014年馬航墜機事件為例，分析事件的始作俑者。
2014年7月17日，馬來西亞一架波音客機在烏克蘭靠近俄羅斯邊界被不明導彈擊中，墜毀在烏克蘭反政府區域，機上280名乘客和15名機組人員全部喪生。通過知識網絡將當日發生的幾件事情關聯在一起，如轉運導彈事件、墜機事件、人員傷亡事件及導彈車駛離事件，梳理出它們之間存在的順承和因果關系，挖掘出轉運的導彈和撤離導彈車事件中的主角均為山毛櫸導彈，且事件均發生在烏克蘭反政府控制區域內（隸屬于烏克蘭反政府組織），最終基于該知識網絡溯源確認烏克蘭反政府組織為幕后主角。由于烏克蘭反政府力量是親俄組織，因此破除了外界包括俄政府關于擊落M17是烏克蘭政府所為的猜想。由飛機墜毀和人員傷亡等現象，通過知識網絡的追根溯源，挖掘出現象背后的本質，找出擊落事件的始作俑者。3）世界關系錯綜復雜且動態變化，通過知識網絡對各類關系進行邏輯推理，可挖掘隱含關系，使得決策人員透析局勢的分布和體系的脈絡。以美軍某力量分布為例進行分析，從一年一度的美軍某力量報告中提煉出圖、文和表等非結構化數據中關于某裝備分布的知識，更新知識網絡。其中，從報告中的一張表格得到以下關系：第91聯隊隸屬于位于美北達科他州的米洛特空軍基地；從報告上的文字中得到以下信息：北達科他州某聯隊擁有某裝備，為民兵X系列，數量為350個。
人在思考推理時，會聯想到第91聯隊擁有民兵X系列裝備，數量為350 個。同樣通過知識網絡中的基于數據查詢語言（）的關系推理引擎，可以自動分析出第91聯隊擁有民兵X系列裝備，數量為350個。這種隱含關系的挖掘，使得分析人員可獲得透明的關聯關系，從而讓局勢更加清晰。4）知識中心在提供應用服務時，通過知識網絡找到關聯路徑，給予證據，使得決策結果可解釋和可信任。例如，對目標進行識別分析時，可利用知識網絡上與該目標實體相關聯的形狀、位置、速度、雷達散射截面（RCS）和輻射等屬性，以及與該目標實體關聯的研判規則進行計算分析。整個研判過程中，使用的算據、判據和算法均有依據且可溯源，其結果可解釋并令人信服。此外，知識中心可以計算機理解的形式表達出軍事領域的各類知識，讓計算機從視頻、圖像、語音和文本中提煉出不同類型卻適合表達的知識，并進行推理計算，提供應用服務，提升新一代指揮信息系統的反應速度和決策水平。
2
基本原理
縱觀人類的思維模式，既需要具備龐大知識儲備的記憶，又需要強大的推理思維能力。新一代指揮信息系統知識中心的設計則模擬人類思維模式，以數據和經驗為基礎，通過學習和推理形成分析研判。知識中心系統能夠實現規模化學習和有目的推理，并能與人類進行自然交互，無需精確編程即可從機器和環境互動中進行學習和推理。傳統基于硬編碼的信息系統是決定論的，而知識中心驅動系統是概率論的，它不僅能夠回答大量問題指揮信息系統概念，還能對復雜并有意義的數據提出假說、推理和論述。知識中心涵蓋概念、對象和方法3大類知識：1）概念知識：由領域知識體系形成的知識，在軍事特定領域內建立類、類上下位間關系以及復雜類關系，關聯其他2類知識，例如，飛機作為父類，戰斗機、電子偵察飛機和預警機等屬于飛機子類；2）對象知識：通過多模態數據提煉生成的知識，包括軍事文本中挖掘的具體目標和事件對象，例如，美軍某編號的A型戰斗機、B型電子偵察飛機，它們均為概念知識的實例；3）方法知識：通過軍事規則提煉由目標模型挖掘形成的知識，例如A型戰斗機與B型電子偵察飛機如何協同，這類知識會與對象知識間形成映射關系。知識引擎從結構化、半結構化和非結構化數據中提煉出3大類知識，通過知識的融合補齊，將3大類知識關聯對齊，形成知識網絡。知識中心基本原理圖如圖2所示。
圖2 知識中心基本原理圖知識中心不僅關注上述3大類知識的獲取，還包括對不同來源的海量信息進行有效共享、管理和利用，通過知識推理與知識服務為業務系統提供有力保障，以滿足軍事人員決策支持和行動需要，真正將信息優勢轉化為知識優勢、決策優勢和行動優勢。知識中心以大數據為驅動，知識工程為引導，人工智能方法為基礎，提供知識引擎和知識服務。知識中心通過應用知識獲取、融合演化和知識籌劃等關鍵過程，實現知識價值的最大化。知識中心運作機理如圖3所示。輸入的衛星圖像、無人機視頻、音頻和文本等非結構化數據信息通過語義理解獲取相關知識，獲取的知識通過語義空間或傳統知識表示方式形成計算機可理解的形式。語義理解包括實體抽取、事件抽取和模式規律挖掘等。使用增量知識的實時捕獲，異構圖譜等價實體發現，對知識進行融合集成與補齊，從而構建知識網絡。此外，面向任務的知識籌劃可向指揮決策應用系統提供知識服務，生成決策內容。
圖3 知識中心運作機理知識中心的形態將是未來軍事人員的貼身智庫，是一種區別于專家系統的新的形態，能夠與人進行自然交互，完成知識搜索、關鍵信息問答和推理輔助決策等復雜任務；根據實時情況，出謀劃策，增強指揮效能，同時使知識中心不斷演進更新和擴展完善。
3
技術架構
知識中心將從數據中提煉知識，以可溯源、可解釋和跨領域融合為重點，依據運行機理形成知識中心技術架構圖，其中的技術層由運行環境、數據支撐、知識獲取、知識存儲與表示、知識融合演化及決策應用6個部分組成。知識中心技術架構如圖4所示，其中，運行環境包括Linux與操作系統、云環境以及學習環境等組成，用于大數據處理的平臺部署；數據支撐包括影像數據、領域文本和法律法規等非結構化數據，值班記錄和方法規則等半結構化數據，以及領域基礎數據庫等結構化數據，利用和MySQL數據庫進行原始數據存儲；知識獲取以各類異構數據的知識提取引擎為主，文本處理工具包括長短記憶模型（LSTM）和BERT（語義表示模型）等，圖像視頻處理工具和模型包括圖片文字識別（OCR）、圖像文件處理庫（）和卷積神經網絡（CNN）等，領域規則處理，通過聚類方法、模式分類挖掘規則，工具模型包括自動機器學習（）和（序列模式挖掘）等；方法規則包括，TASK（中數據處理工具），ILP（中自然語言處理工具）等；目標模型包括KRL（任務框架構建工具）。知識獲取還包括部分多模態關聯融合組件，實現不同類型數據提取出的知識的時空、實體和任務關聯，最終形成領域知識體系；知識存儲與表示，包括概念、對象知識的存儲與表示，主要通過Neo4j（圖數據庫）、 DB（文檔-圖形數據庫）實現，表示形式以資源描述框架（RDF）三元組為主；方法知識主要通過MySQL數據庫存儲，以KRL、產生式和RDF表示形態。知識融合演化，主要通過Cupid（模式匹配算法）、知識融合模型（GLUE）、知識融合模型（LIMES）和（ 知識融合工具）等工具實現知識網絡中3大類知識的映射分類、語義近似度計算、指代消歧及知識對齊等。最后，決策應用以推理引擎為主要功能，包括模糊推理（JESS）、知識機器（KM）、解釋機制推理（LPMLN）和本體推理（JENA）等主流推理引擎，實現關聯、類化及演繹推理。支持頂層的語義搜索、知識問答及決策應用。
圖4 知識中心技術架構綜上，知識中心原型系統以自然語言處理、機器學習和神經網絡等智能技術為基礎，構建知識引擎與知識服務框架，在通用技術基礎上，重點實現知識生成和知識籌劃2類核心技術。知識中心關鍵技術體系如圖5所示。
圖5 知識中心關鍵技術體系知識生成部分通過偵聽語音理解、偵察影像識別和領域文本抽取等實現對象類知識的提取；采用軌跡規律挖掘、法律法規提取和方法規則模式學習等實現方法類知識的提煉；采用語義空間知識的建模、多模態知識的表示、小樣本增量知識學習和領域知識沖突檢測實現知識的關聯融合；通過增量知識實時捕獲、等價實體發現、增量知識融合集成和知識推理補齊實現領域知識的更新與演化；知識籌劃主要以面向任務建模、任務匹配計算、知識溯源聚合和知識可解釋性推理等技術支持語義搜索、知識問答和決策支持等知識服務。知識中心關鍵技術包括以下內容：1）方法規則模式學習技術：以外軍空戰戰術知識為基礎，研究方法規則的知識建模與機器理解表示，從圖像、文本和表格等非結構化多模態數據中提煉規則，演化更新知識網絡，通過半自動化驗證方式，學習生成方法類知識的更新模式，通過提取的方法規則知識，支持重要目標識別、關系預測識別和策略推薦等軍事應用。2）增量知識實時捕獲技術：為了避免重新抽取所有數據帶來的資源浪費，采用機器學習模型對實體特征進行建模，并捕獲軍事實體特征的變化趨勢，以判斷給定實體的相關信息是否需要重新抽取，從而在所有給定軍事數據中直接定位新實體與已更新實體，使得軍事知識圖譜能夠實時進行快速更新，輔助軍事知識圖譜的自適應擴展與演化，為動態軍事知識應用提供有力支撐。綜上，知識中心原型系統既可學習和理解自然語言和跨媒體等非結構化數據，又可實現與人類的自然交互。
4
典型任務應用
與軍事領域典型業務場景相結合，知識中心通過語義搜索、智能推薦、知識問答及決策支持等應用模式，實現指揮決策能力的有效輸出。語義搜索與智能推薦是2類具有鮮明特點的不同應用，但從系統服務用戶目標看，兩者可視為一體，即向用戶準確提供其希望獲取的知識。決策支持可通過與軍事領域具體應用相結合的方式進行知識推理，生成輔助決策信息。知識問答通過人機自然語言交互方式，幫助軍事人員從知識中心獲取答案，并給予決策支持。無論是語義搜索、智能推薦還是決策支持，均可通過知識問答方式實現。基于不同的知識源和溯源推理方式，知識問答類型多種多樣，本文側重于以知識網絡為支撐的問答，稱KBQA。依據知識網絡中不同的知識和推理方式，問答類型分為以下4種：1）溯源類問答：通過知識網絡多級多跳的搜索幫助挖掘事物的根源，透過現象辨清本質，幫助軍事人員深入了解環境和背景。例如：對于“A型飛機的電磁輻射參數是多少？”這個問題。通過圖6給出的目標屬性對象類知識網絡，將問句轉化為查詢語言，經子圖搜索可查找A型飛機裝載B型雷達，雷達上的電磁信號分別為是載頻、脈寬和重復頻率等具體參數。溯源類問題是知識中心支持的軍事領域中的基礎問題，可幫助軍事人員減少繁瑣的記憶，快速獲得信息參數。
圖6 目標屬性對象類知識網絡2）關系挖掘類問答：在關系復雜和動態變化的環境中，通過知識網絡中復雜關系推理，挖掘出隱含關系，便于軍事人員透析態勢形勢和體系布局。例如：對于“空中的A型飛機與B型飛機之間是否有關系，關系是什么？”的問題，圖7給出了通過某編隊行動規則建立的目標空中陣位關系網，當出現A型、B型和C型目標時，可依據目標特性判斷出A型飛機為某攻擊機、B型飛機為電子偵察以及C型飛機為電子干擾飛機，再通過知識網絡中目標陣位規則關系，判斷出空中看似獨立目標間的隱含關系，B型和C型飛機進行協同電子偵察和干擾的目的是為A型、D型和E型飛機開辟空中走廊。
圖7 某編隊行動關系3）模式預測類問答：在存在眾多不確定因素的情況下，通過事件復現次數歸納總結模式規律，再依據模式預測可能發生的事件，例如，對于“某事件是否可能發生？”的問題，圖8給出了從多傳感器、歷史記錄和新聞輿論中提取事件，并通過歸納學習生成事件模式，當新事件發生時，可通過該模式預測將會出現什么現象？也可通過出現的結果溯源推理曾經出現過什么現象？
圖8 事件模式預測4）綜合認知類問答：是所有問答類型中較難的一種問題，它不僅需借助知識網絡的溯源查詢、推理關聯和模式發現等，還需針對具體問題構建任務機制，將知識網絡中的相關模式進行組合并配以量化模型，形成任務應用機制，綜合推理出答案，例如：對于“預測某區域危機等級？”的問題，需要將知識網絡中關于該區域安全級別判別的所有事件模式進行組合，并提取知識網絡中情感計算、產量產值和行為計算等量化模型，生成綜合應用機制，并通過計算每個節點的影響因素后驗概率矩陣，最終判斷出情況等級。應用機制綜合認知如圖9所示。
圖9 應用機制綜合認知軍事知識問答是知識中心原型系統的重要應用之一，它將取代傳統關鍵詞搜索，成為人機交互的主要方式，知識問答跨越人機語義的鴻溝，通過計算機明確的和結構化的表達形式，克服了人類自然語言表達的模糊、多樣和不準確等難點，成為檢驗機器智能的重要方式之一。
5
結束語
新一代指揮信息系統的知識中心能夠理解結構化和非結構化的數據，與現代軍事領域巨量、復雜和不可預測的信息保持同步，也將不依賴于固化的和不靈活的預定義程序，讓人與計算機能夠協作決策。知識中心系統可以讀文本、看圖像和聽語音，同時挖掘潛藏在結構化與非結構化數據中的模式和洞察，通過推理和溯源回答大量問題，對復雜且有意義的數據提出假說、論述和建議，從而輔助軍事人員更明智地做出決策。
