神经形态计算技术应用于无人机领域

导读：很多人都喜欢比较装备。比什么？往往比你有我有，飞得多远多高多快，部分设备的极限指标。我们认为，这种比较方式越来越不能反映客观真实，越来越远离作战了。

诚然，这种比较仍然是需要，特别是因推进系统等技术相对落后，导致载重系数、航程航时等存在差距的情况。但是我们更想提出一个新问题：你认为，习惯了技术制胜、追求压倒性优势的美军，在如今多个国家和地区都在发展无人机、不少都能做出水平看上去貌似是差不多的无人作战飞机、察打一体无人机、无人侦察机等的情况下，会用什么方式，来追求无人机系统或者无人空中作战的压倒性优势呢？显然，如果你想认真地回答这个问题，你就需要抛弃过往那种主战装备、平台中心、有人机的比较思路（虽然即使对这些装备而言，传统的比较方式也正在过时），你需要重新认识无人机等所有航空装备，进而重新认识空中作战。你不能把无人机视为有人机的无人化。对它，你要扬弃平台中心的惯常思维，用信息、网络和智能时代的新视角看待无人机及其研制生产。在关注平台本身性能差距、弥补短板的同时，切不能因平台的貌似接近而自得，更须同样思考：如何用看上去差不多的平台节点，提供压倒性体系作战优势？我们认为：美军正从体系设计、信息网络智能、科研生产工具和关系模式、平台特征等多个方面同步着手，实现在无人机平台等节点平台特征相对接近的情况下，在未来空中作战中继续享有压倒性优势。

所以，本号从今天开始推出一个新的专门分类——“无人之境”。它只针对那些在无人机参与或承担的空中作战任务中，有可能显著提升优势的重要动向，而非所有的无人机相关动向。

在此想再次强调：无人机不是有人机的无人化。无人机之间的比较应放在一个任务体系中进行作战比较，过往的装备比较模式可能尤其不适合于无人机。是时候转变思维了。但是有可能，转变思维且知行合一，既是最容易明白的道理，同时又是最难以实现的实践。

2020年5月1日，美空军研究实验室（AFRL）表示其开发的神经形态计算技术有望在未来五年内率先应用于无人机。实验室拟通过人工智能、机器学习等技术提高空中平台数据处理能力，为作战人员直接提供数据分析结果，以加快战时决策速度。另外，美国防部国防高级研究计划局（DARPA）于2008年启动“神经形态自适应可塑可扩展电子系统”（SyNAPSE）计划，持续开展神经形态计算相关技术研究。

美空军研究实验室的“蓝鸦”超级计算机采用神经形态计算技术，拟用于机载环境运行人工智能和机器学习算法（美空军研究实验室图片）

作者观点：神经形态计算技术有望带来以下效益：1）不同于冯·诺依曼体系结构下的二进制逻辑，神经形态计算试图从硬件架构实现上对人脑的模拟，并基于此设计新的智能算法以应对真实世界中的不确定性、模糊和矛盾问题；2）在二进制计算机上运行现有的智能算法并不高效，硬件上对人脑的模拟可以在降低功耗的同时，极大提升算法的效率和复杂性；3）数据的传输要比计算昂贵得多，特别是在通信条件受限，时效要求较高的军事应用场景下，功耗低、性能优越的边缘计算模型的部署将带来极大的效益，因此神经形态计算这类技术最适合将智能应用部署在对载荷、时效、数据传输要求较高的无人机平台上。目前神经形态计算主要有两种技术路线，一种是完全颠覆现有计算机架构，在硬件上模拟大脑“神经元－突触”结构，另一种是采用全新的方式连接现有数字单元以打造类似大脑结构的效果。