2024年4月26日发(作者：)

第2卷第1期

2016年3月

指挥与控制学报

Vol

. 2,

No

. 1

March

, 2016

JOURNAL

OF

COMMAND

AND

CONTROL

作战决策辅助向何处去一“深绿”计划的启示与思考

胡晓峰

*1

荣明夂

2

“深绿”计划是美国国防部高级研究计划局支持的一项面向美国陆军、旅级的指挥控制领域的研究项目.“深绿”采

用基于草图交互、模型求解与态势预测和指挥系统集成等关键技术，通过信息汇聚、职能汇聚、过程汇聚，将人工智能集成到

作战辅助决策中.但由于面临态势与决策的输入输出问题、对“未来”的仿真问题、数据的决定性问题、计算机与人协同问题

和陆军的难题等，导致“深绿”没有达到预期效果.作战辅助决策未来发展要依靠智能技术的进步、深度学习技术和从数据到

决策技术，核心在态势理解、行为模拟、决策选择和结果反馈等，要对不同类型和层次的决策辅助找到不同方法.

摘要

关键词

作战，辅助决策，人工智能，战场态势

引用格式

胡晓峰，荣明.作战决策辅助向何处去一“深绿”计划的启示与思考[J].指挥与控制学报，2016, 2(1): 22-25

DOI 10.3969/.2096-0204.2016.01.0022

Where

Do

Operation

Decision

Support

Systems

Go

:

Inspiration

and

Thought

on

Deep

Green

Plan

HU Xiao-Feng1 RONG Ming1'2

Abstract Deep Green is a C&C project supported by DARPA, which is a brigade level system used for USA Army.

Deep Green use AI in operation decision support systems by convergence of information, function and procedure, which

is supported by some key technologies such as sketch to plan, model solving and situation forecasting, system integration

technology. But Deep Green doesn’t reach the expected effect, it encounters many difficulties, for example input and

output of situation and decisions, simulation of future, data problems, coordination between human and computer, Army

difficulties. The future of decision support system is dependent on technology of AI, deep learning and data to decision,

finding the way to solve different problems. The key point lies in awareness of battlefield situation, behavior modeling,

decision selection and feedback.

Key words operations, decision support system, artificial intelligence, battlefield situation

Citation Hu Xiao-Feng, Rong Ming. Where do operation decision support systems go: inspiration and thought on deep

green plan [J]. Journal of Command and Control, 2016, 2(1): 22-25

作战决策辅助是指挥控制领域难点问题，也是

世界主要军事强国的关注点.随着新一代人工智

能的兴起，作战决策辅助再次引起世人关注.美军

进行了多项辅助决策研究计划，比如从2004年到

2008年美军开展了一项叫实时作战智能决策制定

(Real-time Adversarial Intelligence and Decision­

making, RAID)的计划，能够为战术指挥员提供行

动方案路线.2009年开展的战术推演生成器计划

(Tactical Inference GenERator, TIGER),该计划

试图让决策系统像军事专家那样分析战场情况并将

其分类.但是其中最有代表性的当属“深绿”计划

(Deep Green, DG) [1-2].

收稿曰期

2016-01-05

Manuscript received January 5, 2016

1.

国防大学信息作战与指挥训练教研部北京

100091 2

.国防大学

研究生院北京

100091

1. The Department of Information Operation & Command

Training, NDU of PLA, Beijing 100091, China 2. Graduate

School, National Defense University of PLA, Beijing 100091,

China

“深绿”是美国国防部高级研究计划局（Defense

Advanced Research Projects Agency, DARPA)从

2007年起开始支持的一项指挥控制领域的研究项

目.它是能够嵌入到美国陆军现有旅级C4ISR之上

的战时指挥决策支持系统.通过预测战场中未来可

能发生的各种分支和可能情况，从而为指挥员作战

决策提供辅助支持.“深绿”计划的名称，源于IBM

的“深蓝”.在2007年的人机国际象棋大赛中，“深

蓝”一举击败人类棋手卡斯帕罗夫，在全世界引起轰

动，也引起了美国军方的高度关注.“深蓝”能根据

对手走的每一步棋，计算出下一步对手所有可能的

走法.“深绿”计划的核心思想就是借鉴“深蓝”，预

判敌人的可能行动，从而提前做出决策.但作战辅助

决策与棋类的对弈完全不同，因而结果也就大相径

庭.本文将以“深绿”计划为例，分析作战辅助决策

中遇到的难题，并探讨未来可能的解决途径.

1期胡晓峰等：作战决策辅助向何处去一“深绿”计划的启示与思考

23

1 “深绿”计划简介

1.1 “

深绿

”

计划概述

“深绿”的目标是将人工智能引入作战辅助决

策，预测战场上的瞬息变化，帮助指挥员提前进行思

考，判断是否需要调整计划，并协助指挥员生成新的

替代方案.通过将“OODA”中的“OO”部分即观

察、判断进行多次计算机模拟，演示出不同作战方案

可能产生的分支结果，对敌方行动进行预判，协助指

挥员做出正确决策.将指挥员的注意力集中在决策

选择上，而非方案细节制定上.它由4部分组成，分

别是“指挥官助理”、“闪电战”、“水晶球”以及系统

集成等4].

DARPA于2007年7月发布“深绿”技术竞

标书，计划3年完成，但是实际上到2014年该项

目仍未完全结束，共投入经费6 537.5万美元（根据

DARPA2012年度预算公布).该项目主要有两家一

级承包商BAE公司和SAIC公司承建.大致分工

如下，SAIC负责系统总体开发，Adapx公司负责

语音及手写输入，南加州大学负责水晶球，Charles

River公司负责未来视图可视化，BAE公司负责测

试验证.验收方部门，主要有海军水面武器研究中心

印第安霍德分部、通信电子研发中心、装备研发和

工程中心、美国陆军空间和导弹防御司令部、美国

陆军研究、开发与工程司令部仿真训练中心等.

1.2 “

深绿

”

的特点

一是采用基于草图交互，最大限度地符合指挥

员的决策分析与操作习惯.这个模块“深绿”称之为

“指挥官助手”，由计划草图和决策草图组成.从战场

态势感知、目标价值分析、作战方案制定、指挥员决

策，一直到作战行动执行、作战效果评估，都遵循这

样一条“基于草图决策”之路.

二是通过模型求解与态势预测，最大限度实现

自动决策优化.“草图到计划”将草图和语音输入到

计划中，“闪电战”对未来的多种可能进行快速多轨

仿真，“水晶球”利用战场实时信息不断更新所做的

估计，“草图到决策”向指挥员提供未来可能的选择

和更新；尽量多地提供自动化工具支持.例如，自动

地进行推演和命令下达，提升指挥决策的速度和质

量，使得指挥命令的下达更加有效；更小、更机动、

更灵巧的指挥结构等.

自动决策优化的核心是“闪电战”和“水晶球”.

“闪电战”是分析引擎，通过利用定性与定量分析工

具，可以迅速地对指挥官提出的各种决策计划进行

模拟，从而生成一系列未来可能的结果.它可以识别

各个决策分支点，从而预测可能结果的范围和可能

性，然后沿着各个决策路径（即轨迹）进行模拟.“水

晶球”是决策总控，负责收集各种计划方案、更新战

场当前态势、控制快速模拟、向指挥员提供可能的

选择，并提醒指挥员决策点的出现.它能辨识未来态

势发展的潜在关键临界点，并能对未来作战方案选

项进行排序，从而实现对未来可能态势的生成、评估

和监视.还可以根据战场实际情况，不断进行调整修

正；通过不断修正推演，来预测未来的变化.

三是与指挥系统集成，即将决策辅助系统集

成进未来指挥所中.“深绿”项目的负责人苏杜尔

说：“我猜想，深绿就是未来指挥所屏幕上的一个

图标或工具.”未来指挥所（Command Post of

Future，CPoF)，是DARPA推出的先进指挥控制

系统.始于1997年，至今仍在进行，作为子系统已融

入美国陆军战斗指挥系统ABCS 6.4+，该系统在伊

拉克战争中反响良好.它的主要技术包括：人一机交

互技术、协作和工作流程管理技术、决策支持和情

报应用技术、战场信息空间管理技术、网络管理技

术.目标是缩短指挥员的决策周期，确保能在敌人之

前快速做出反应.

“深绿”通过对决策各要素的汇聚（Conver­

gence) 和综合集成， 从而提高指挥员的快速决策

能力.第一，“信息汇聚”，通过获取我军、友军、敌

军、中立方和非战斗地点的准确信息，向指挥员提供

有价值的态势信息；第二，“职能汇聚”，将原先由军

事和技术人员担负的大量职能，转化为自动化的、以

指挥员为中心的作战决策过程；第三，“过程汇聚”,

通过“预见性计划”和“适应性执行”两大概念，对

OODA的时间维和空间维进行大幅度压缩.综合集

成技术采用“军事想定描述语言” (Military Scenario

Definition Language，MSDL)、“联合指挥控制与咨

询交换数据模型”(Joint Command Control Com­

munications Information Exchange Data Model，

JC3IEDM)、“美军陆军通用任务清单”(Army Uni­

versal Task List， AUTL)， 与外部系统互操作则采用

“应用程序接口”（Application Program Interface，

API) 等.

2 “深绿”面临的困难和挑战

“深绿”所追求的理想效果是，只要能提供我方、

友方和敌方的兵力数据和可预期的计划，“深绿”的

推演就会很精确，可以辅助指挥员做出正确决定；将

这个系统嵌入到指挥系统之中，可以大大提高指挥

效率；不仅要在连级试验，而且还要推广到旅级，甚

至更高层.结果是：“理想很丰满，但现实很骨感”.

到2014年，在“深绿”验收时，最后只保留了最成熟

的“草图到计划”(Sketch to Plan，STP)，其他都不

见了.事实上，我们也曾试图做类似这样的事情，但

24

指挥与控制学报

2卷

往往事与愿违深绿”面临的困难和挑战主要有以

下几个方面：

2.1

态势与决策的输入输出问题

战场“态势”计算机能否理解？战场态势与棋类

态势的理解有着本质区别，棋类规则、棋盘、行动全

开放，而战场态势则是单方认知下的理解.部署、状

态、趋势、优劣如何判断？层次越高，对态势的认知

越具主观性，可量化的程度越低.另外，在不完全信

息条件下如何判断态势？如果态势信息有真有假有

缺，怎么办？往往是低层的分队战术态势理解相对容

易，而越是高层的战场态势计算机越难理解.计算机

对态势的理解能力还远远达不到人的水平.

决策“想法”的输入是分析评估的前提，对态势

的判断表达和输入，需要一组标准化的图形符号.面

临一系列难题，比如，行动决心的描述，是细好还是

粗好？采用哪种图表方式表达？不同的决策分支反

映的决策周期多长，决策点多少？简单分支、短周期

行动决策相对可行，但随着时间的推移是否会产生

组合指数爆炸？最困难之处还是对敌方的决策如何

假定.

2.2

对

“

未来

”

的仿真问题

“闪电战”的功能是对未来多种可能进行仿真,

推演出可能的结果，供指挥员决策时参考.这个“未

来”时间有多远？过于长程的推演，会由于复杂性传

递导致偏离过大；推演多长时间（或多少个关键“节

点”）合适.越复杂的行动推演，涉及要素和变化越

多，如何处理.对敌方决策的判定也很有挑战性，任

何推演都是对抗的，敌方都是不合作的，如何取舍.

敌方的决策应由谁做出，指挥员假定还是系统得出.

是否需要跟进一个推演系统与决策辅助系统挂钩？

修正模型需要在不完全信息条件下不平衡地推演.

涉及的核心问题是谁来对战场实体建模，并且如何

修正.

2.3

数据的决定性作用问题

人们总是认为，系统之所以做不出正确决策，是

因为所提供的数据不够或不准确.这是片面的和不

正确的，也是典型的“决定论”观点：初始条件足够，

就可以预测一切.但战争是典型复杂系统，敌人也不

是合作者；永远也不会有“足够的”条件，不完全信

息条件下决策是作战指挥的本质特点.决策需要根

据情况不断变化，数据要求会不断发生改变.复杂性

会导致“决策”本身不唯一，也就无法确定哪个“正

确”.层次越低，决策越接近简单系统，数据才越具

有决定性.能否采集到足够的数据，往往就成为关

键,这也是“深绿”为什么要集成进指挥系统的原因.

“数据是否具有决定性”在不同层次，会有不同回答.

这也许就是“深绿”最大的困惑.

2.4

计算机与人的比较

计算机做出的决策是不是一定优于“人”？米勒

定律[3]认为大多数人同时只能考虑7至9个因素.

如果计算机能够同时考虑10个以上，在分析能力上

就肯定超过人.RAID系统中步兵连与叛乱分子对

抗实验表明，步兵连分为30〜35个小组，由斯特瑞

克装甲车和武装直升机加强火力.叛乱分子由30个

规模不一的小组组成.用OneSAF实验36次.结

果RAID表现像人类的有16次，占44%;决策超过

人的在18组中有16组，占78%.但如果放到营级

甚至旅级，这个结论就很难说了.因为层次越高，艺

术成分越高，技术成分越弱；反之亦然.在人机协同

中，人做什么，计算机做什么，人与计算机应该如何

分工显得尤为重要.

2.5

陆军的难题

“深绿”主要是针对陆军部队的，但是陆军指挥

决策比海、空军更困难，因为陆军作战行动中每个人

更自由，陆军的作战规划也缺乏更多规范.只有将部

队行动规范化，才能适合使用“深绿”.“深绿”方法

更合适的可能应用领域包括：陆军车载的战术级作

战指挥辅助系统；海、空军部队的战术级辅助决策

作战规划系统；二炮部队的战役战术级作战规划及

指挥系统.网络作战可能更适合于“事先规划”的方

式；战前依托系统辅助制定决策，战时依托数据自动

决策.

“深绿”计划的脖论在于，它只能用在分队战术

层，而最应该得到辅助的是高层指挥官，而非连长.

这是因为“深绿”的智能问题没解决，层次越高，作

战决策越复杂，越难以描述和处理，如态势理解、决

策描述、模型仿真、数据获取等；在更高层次会带来

很多的困难和问题，不仅仅是部队多少、数据多少、

运算多少的问题，而是复杂性带来的问题质变，如不

确定性、指数爆炸等；对“对手”意图的把握等对抗

博弈问题是非纯理性的.

3作战辅助决策的未来一发展进步的关键

是什么

作战决策辅助未来发展进步的关键在于，必须

在智能辅助方面有所突破，才能真正解决问题，这也

是指挥信息系统未来上升一个新台阶的重要条件.

3.1

智能技术发展带来机遇

“深蓝”、“更深的蓝”连续战胜卡斯帕罗夫，是

通过输入前人积累的无数棋谱，通过自学习发展自

1期胡晓峰等：作战决策辅助向何处去一“深绿”计划的启示与思考

25

身的能力.但作战方案分析却没有标准化的“棋谱”,

历史的参考也不大.新一代人工智能系统“沃森”战

胜人类，使得人工智能面临重大拐点.“沃森”的秘

籍就是“机器学习”，即从过去的经验中总结规律、

提高水平能力.研究人员对“沃森”进行了题海战术

训练，以成批的方式对“沃森”进行大规模测试，使

其参透各类问题模式并不断更新算法.正是大数据

的支撑和机器学习，使得“沃森”采用了更接近人类

的思考方式.但人工智能要用于理解作战文书还缺

乏实际作战文书大数据的支撑.

3.2 “

深度学习

”

技术是突破的关键

深度学习建立能模拟人脑进行分析学习的机制,

理解概念.通过多层神经网络学习来解释获得的数

据.人脑的认知具有深度结构，需要逐层训练，逐步

抽象得到认知.Google X从Youtube 1000万幅图

片中得到“猫”的概念.通过多层神经网络深度学习

方法来理解和解释作战态势，应该是一个可以尝试

的途径.事实上，理解作战态势更为困难.需要通过

对历次演习的数据进行逐层训练，逐步抽象得到认

知.首先确认若干标准概念模板，然后逐层训练，最

终识别战场态势.对态势可以借用已有的数据进行

综合分析，对各个实体的数据进行采集和计算，得出

统计结果；采用实时数据库进行时间趋势判别，形成

势图.但是，越高层的态势往往主观性越强、越难理

解，因而在不同层次会有不同的方法.

3.3

从数据到决策技术成为可能

美军空军上将A德普图拉提出作战云的新概

念，即作战云一基于大数据作战，采用信息时代技

术的情报、监视与侦察、打击、机动和维持的复合

体，以使高度互联的分布式作战行动可行.类似云计

算的概念，通过所有可能得到的数据，整合各个作战

力量，从而达到增强作战效能且获得规模效益.“从

数据到决策”使得决策走向自动化、自主化.“深绿”

只能为指挥员“辅助决策”起作战伴侣作用.利用大

数据及网络可以实现“从数据到决策”，使得作战加

快！特别适合未来多类无人化作战的趋势.例如美

军网络作战的“X Plan”、网络战的“秒杀”，以及战

术行动决策，如导弹突袭拦截决策、无人机自动决策

等.

4结论

“深绿”及其他计划的尝试具有参考价值.尝试

总比不试好，有的取得进展，有的尚未突破.很多问

题在全世界都是共同的难题.不能急功近利，关键是

要搞好基础性研究.要真正实现有效的作战辅助决

策取决于两点，一是未来的进步取决于人工智能技

术的突破，尤其是深度学习技术值得探究，其核心在

态势理解、行为模拟、决策选择和结果反馈等；二是

对不同类型和层次的决策辅助找到不同方法，如火

力战、平台战、网络战等不同类型，战术、战役、战

略等不同层次.

References

1 Surdu J R. The Deep Green Concept[C]// Processing of the

2008 Spring Simulation Multiconference. SpringSim 2008,

Ottawa, Canade, 2008: 623—631.

2 Surdu J R, James S, Jim L. The Gaming Debate[J]. Training

& Simulation Journal 2010(12): 46—48.

3 Surdu J R, Pooch U W. Simulations During Operations[J].

Military Review, 2001, 81: 38—45.

4 Surdu J R, Kevin K. Deep Green: Commander's tool for

COA's Concept[C]//Computing, Communications and Con­

trol Technologies 2008, Orlando, 2008.

胡晓峰

（1957—)，男，教授，博士生导师，少将，研

究方向为战争模拟、军事运筹、军事信息系统工程.

荣明

（1978—)，男，讲师，博士生，研究方向为

战争模拟、战略兵棋.本文通信作者.E-mail:

rong_ming@