国内资讯

军民融合 互惠共赢 大数据构筑最强“军事大脑”

2018712548336130.jpg

  军事大数据成为世界各国科技竞争的战略制高点。 


  大数据技术具有军民通用的显著特点,军方应学习借鉴政府、企业在建设、应用和技术方面的成功经验,积极对接国家相关资源建设计划,在资源共享利用、技术协同创新、配套手段建设和人才合作培养等方面加强军民深度合作,推动形成优势互补、协同创新、互惠共赢的军事大数据发展生态环境。


  随着大数据时代到来,数据已经成为继物质、能源之后,各国竞相争夺的第三大战略资源。特别是在军事领域,大数据的应用正在前所未有地激发创新活力、助推转型发展,成为主要国家构筑军事优势的“造血增智”工程。


  7月5日~6日,由军事科学院主办,中国科学院、清华大学、中国指挥与控制学会等共同协办的第一届军事大数据论坛在京召开。论坛按照分组“主题报告+现场互动”的形式,由杨学军、梅宏、张钹、杨小牛、陈左宁、何友、陈志杰等两院院士就军事大数据相关战略、理论、技术、应用等作大会报告及主题交流。


  与会专家一致认为,大数据技术具有军民通用的显著特点,军方应学习借鉴政府、企业在建设、应用和技术方面的成功经验,积极对接国家相关资源建设计划,在资源共享利用、技术协同创新、配套手段建设和人才合作培养等方面加强军民深度合作,推动形成优势互补、协同创新、互惠共赢的军事大数据发展生态环境。


  从电商到国防


  当前,大数据热潮几乎席卷了人类社会的所有领域,由其电商阿里巴巴就是典型代表。


  “阿里巴巴用万物互联、云计算构建的数据智能商业基础设施,相对以人为核心的传统商业基础设施,有巨大的优势。”阿里云计算有限公司副总裁宋杰在会上表示,在基础设施落后、个体人员素质差的前提下,阿里巴巴靠数据和计算高效调动微商、快递员、车辆等,仅用13年就超越了沃尔玛用54年实现的规模,成为世界第一零售平台。


  在宋杰看来,从支付、售后、物流、商品到营销,数据智能几乎重塑了商业的各个环节。但重塑不止于此。对于城市治理体系,大数据也发挥着巨大作用。比如,实现对城市运营的监测预警、应急指挥、多网格化管理、智能决策、事件管理、城市仪表盘、协同联动等综合服务,为新时代智慧社会的可持续发展提供有力保障。


  如今,军事大数据也成为世界各国科技竞争的战略制高点。中国工程院院士、海军航空大学信息融合研究所所长何友表示,当前,国防领域的竞争正围绕认知优势和决策优势而展开,大数据则是确立竞争优势的基础,为掌握未来战争的主动权,各军事强国纷纷布局国防大数据研究,着力打造先进的数据汇聚和处理能力。


  北京理工大学计算机学院院长黄河燕也表示,通过互联网搜集挖掘情报大数据信息,已成为各国军事情报数据分析的重要手段。


  为增强学术交流的广度和深度,从今年4月份开始,军事科学院便面向社会公开征集军事大数据相关学术论文,最终收录论文121篇结集成册。从收录的论文中不难看出,其内容涵盖了大数据理论方法、标准规范、技术应用、建设实践、安全治理等多个方面,涉及作战训练、装备建设、后勤保障、军民融合和人才队伍等多个领域军事应用。


  面临技术挑战


  黄河燕表示,大数据时代最重要的三个理念就是,采集数据不是样本而是全体;获取数据不是精确而是混杂;分析数据不是因果关系而是相关关系。相比于本就复杂的民用大数据,军事大数据则要复杂得多。


  “除了军事数据,国防大数据还涉及天文、地理、社会、政治、经济、科技、文化、民族特性等方面。”何友表示,由于关乎国防安全,因此其需要更全面、更可靠、更有效的安全保障,保密性要求也远超民用大数据。


  何友还表示,占国防数据总量不到20%的小数据蕴含着80%的价值,而体量超过80%的大数据也蕴含着极其宝贵的20%的价值。随着科学技术的飞速发展,小数据的价值已经发挥出60%~80%,但大数据价值的挖掘却刚刚起步。


  “在未来的开发和应用中,小数据和大数据发挥的作用将互为补充,并且将长期共存,分别发挥不同的作用。”何友说。


  由于数据量巨大,军事大数据也面临着非常多的技术挑战。


  分析情报是社会重大决策规划和实施中的“耳目和尖兵”。黄河燕就以大数据情报分析为例指出,军事情报领域随着空间、空中、地面各种多维度、多角度、近程、远程信息获取手段逐步增多,各种监测手段不断丰富,各种装备与设备的日常检测与测试手段的完备,各种新闻媒体、互联网上产生的新闻信息都会产生越来越多的海量数据,数据来源复杂多样,聚合在一起将形成一个巨大的数据流。


  “虽然当前获取数据的渠道极大地拓宽了,但同时也带来了数据数量庞杂、冗余增大、分析不足等新问题。”黄河燕说,如何集成并融合多源多样化的数据,如何从海量数据中提炼出有价值的情报并预知变化,如何让机器像人一样掌握知识并深入理解情报数据,如何存储和管理以及有效分析和理解等,都是目前军事大数据应用面临的挑战。


  期待以“智”取胜


  军为民用,民为军需。在军民融合的大环境下,军需和民用成为拉动创新的两驾马车,军事大数据也期望从民用中寻找到突破口。


  凭借多年商业大数据的处理经验,宋杰认为,数据智能的迭代需要相应的数据智能生产装备,需要敏捷的开发前台、服务化数据中台、分布式全功能计算基础设施,组建数据部队,并选择自主可控、自主领先、有稳定商业模式的长期技术供应。还应采用“各业务域智能化+全域服务化”协同的发展路径。


  另外,国防大数据中含有大量不公开非合作数据,这些数据的真实性对决策过程和结果影响巨大,需要研究数据伪装、数据欺骗的机理与方法,识别不公开非合作数据中的数据伪装与数据欺骗,从伪装数据中探测获取真实数据。


  黄河燕表示,大数据方法与“事实数据+工具方法+专家智慧”情报方法的有效契合,是大数据情报分析的新需求。另外,对于信息挖掘,要根据应用需求和数据基础,构建应用模型。而对于情报信息挖掘的共性问题分析,也应减少人工干预,将情报信息挖掘方法与语义技术相结合,提升挖掘深度和准确度。


  黄河燕认为,军事大数据还应重视认知计算的应用。“情报学的分析方法将会从原来的计算机辅助分析为主体转变为计算机认知为主体的智能分析,形成类似于IBM Watson的大数据情报认知计算及分析平台。”


  《中国科学报》 (2018-07-12 第6版 前沿)