基于深度学习的任务型对话系统在国防军事领域的应用

◆孙伟博 张斌

（1.清华大学计算机科学与技术系 北京 100084；2.中国电子科技集团公司第五十四研究所 河北 050081）

1 人工智能与任务型对话系统

人工智能作为当前世界最前沿的科学技术，正在引领新一轮的科技革命，随着越来越多的专家学者持续不断对人工智能进行深入的研究，人工智能的定义及产业框架也愈发清晰，人工智能的产业框架可以分为三层，分别是：基础层、技术层、应用层，其中基础层主要指的数据的获取和处理、人工智能芯片、人工智能算法等人工智能发展的基石。技术层主要是指人工智能技术发展的方向，主要有三个方向：机器学习、自然语言处理、计算机视觉。应用层主要是指人工智能技术的应用领域，主要包括：金融、安防、医疗、教育、机器、自动驾驶、国防军事等，随着人工智能技术的发展，各行各业都在探索怎样使用人工智能技术推动行业的进步和发展，中国在人工智能技术的应用方面，呈现全面爆发的趋势。

人工智能的技术层主要包括机器学习、自然语言处理及计算机视觉。其中自然语言处理是当前人工智能技术研究的一个重要方向。对话系统是自然语言处理的一个重要的应用方向，对话系统是将人工智能赋能计算机，使其成为一个具有认知能力的主体，然后通过文本等方式与人类进行正常对话交互的程序系统。对话系统的应用方向有两个，分别是任务型对话系统和非任务型对话系统。非任务型对话系统主要面向的是开放域，根据用户输入的信息，经过人工智能技术去处理和判断用户的意思，然后通过多种形式的开放内容，给用户合理的解答和反映，很多人工智能助手就是非任务型对话系统。任务型对话系统面向的是特定的领域，通过用户输入信息，帮助用户完成某项具体的任务，例如客服对话系统可以根据客户的输入信息，帮助其完成商品咨询、售后服务等工作，任务型对话系统可以大大提高工作效率，越来越多的行业开始应用任务型对话系统。

2 深度学习应用于任务型对话系统的必要性

由于任务型对话系统的超高工作效率，所以应用的单位与企业试图将所有可能的对话资料全部集成入任务对话系统，随着对话系统关联的资料越来越多，导致任务型对话系统的复杂程度越来越高，由于对话系统的各个工作模块是相互独立的，为了实现对话系统功能的完善，每个模块需要标注的数据也越来越多，特别是跟特定领域相关的数据，模块相互独立虽然能保证系统的安全性，但底层模块的错误可能会影响上层模块，例如如果系统对客户输入的信息语言理解错误，就会影响后续与客户对话的效果。同时，随着对话系统越来越庞大，需要人工设计的流程规则也越来越复杂，系统规则复杂性提高，则维护难度加大，维护成本变高，同时复杂的流程规则也限制了对话系统的扩展性。

图1 深度学习与人工智能的关系

深度学习是通过人工智能技术和算法，建立一种模拟人类大脑进行分析的神经网络，并模仿人脑的运行机制来解释数据，最终达到对数据的准确理解和判断。深度学习的最终目的就是模仿人类大脑神经元的信息传递过程以及处理信息的模式。深度学习建立起来的神经网络中包含很多隐含层的神经网络结构，这些网络结构中的每一个神经元接收到信息之后，像人类脑神经一样进行多层次的分析和计算，并最终得到一个模拟人脑思考的计算结果。随着深度学习的发展，人们将深度学习大量应用于自然语言处理领域，同时由于任务型对话系统是自然语言处理的一个重要的应用方向，所以在任务型对话系统中也大量应用深度学习技术。人们可以利用深度学习技术所构建的模型，自动学习自然语言的表达，同时利用神经网络去学习对话生成的策略，从而取代技术人员手工设计对话的规则，最终弥补任务型对话系统的弊端，使系统更准确的理解用户输入的信息，并根据信息作出正确的应对。

3 在国防军事领域的应用

3.1 人机智能交互系统可以提高战斗效率

在智能战场上，对于陆、海、空、天气、电、磁力和互联网等多维空间的监测方法将产生大量信息。因此，在智能战争时期，战场信息将呈现爆炸性增长趋势。战场上信息的增加将增大智能化战争对信息的依赖。

现代战争的战场形势错综复杂，战机转瞬即逝，在当前的军事人员与计算机对话系统的交互过程中，大量的战场形势、战斗信息没有得到及时而有效的传递和表达，人机交互系统不能准确理解指挥官的需求，自然也不能依据指挥官的需求及时分配战斗所需的信息，这样就导致了指挥官不能及时针对战场的形式进行分析，不能及时分析就很有可能会造成对战场的错误判断，进而导致指挥决策的效率较低，这在未来战场中是非常致命的。同时，现行的人机交互主要是以较为精确的按键单通道操控为主，这种操控对于指挥员的操作准确性提出了较高的要求，在激烈战场中，由于各种各样原因，指挥员并不能每次都能进行精确操控，所以这种交互方式对于战斗的效率影响很大。

而基于深度学习的任务型人机交互系统可以改善这些弊端，首先，应用深度学习的人机交互系统拥有多种交互方式，除了传统交互的文本及按键等方式之外，他还能通过指挥员的表情、动作手势、视线、语音及生理等特征，智能判断对象的需求，从而精准的为指挥员提供所需要的信息。例如，战场上指挥输入系统被敌方破坏，深度学习人机交互系统可以通过指挥官的语音来进行战场信息的传达和处理，甚至语音系统被破坏之后，可以通过对指挥官的嘴部动作进行识别，准确判断指挥官的意图。随着虚拟现实技术和增强现实技术的发展，战场信息可以通过任务型对话系统进行准确的信息理解、信息挖掘及处理，然后通过沉浸式的显示设备及时呈现给指挥官。同时基于深度学习的人机交互系统拥有多种交互通道，并且可以进行非精确交互信息的判断，可以大大提高交互效率，从而提高作战效率。

图3 人机交互系统组成结构

3.2 人机智能交互系统联合决策能促进高效指挥

现代战争中随着攻击武器速度的提升以及空天立体化作战模式的应用，战场变得更为迅速和多变，多变的战场环境对于指挥官的指挥反应时间提出了更高的要求，提高指挥决策的速度是现代战争的一个必然要求。而现代战争中过于庞大的数据量，不能单纯依靠作战人员进行人工处理、分析并作出决策，

基于深度学习的智能人机交互程序通过模拟人类脑神经进行多层次的分析和计算，可以在信息的搜索、战场数据的存储、敌我双方形式的计算、决策的优化等方面协助指挥官进行决策，可以大大缩减数据处理和分析的时间，机器相对于人类而言具有精准性和快速性，并且不受生理极限及认知偏差等因素的影响，可以大大缩减决策所需时间同时还可以提供最优解决方案。

3.3 智能人机交互促进不同语言的战场交流

近些年，国与国之间的军事交流越来越频繁，不论是军事领域的互访学习还是不同国家之间的联合演习活动都愈发频繁，在与别国进行军事交流活动中，存在着很严重的语言问题，虽然在军事互访、人道主义救援、联合国框架下的维和任务以及联合军事训练过程中都有实时翻译，但是在翻译过程中由于军事的保密性及敏感性，翻译的质量很难做到绝对的准确。这种翻译的不足在普通的军事交流活动中的影响可以通过信息的再次确认等方式来优化，但是在真实的战场中，对于作战双方而言，交流信息的准确性是极其重要的，但是由于外语的种类繁多，每一个指挥员掌握外语的数量和水平都参差不齐，所以对战场信息做到及时准确的翻译是极其重要的，基于深度学习的智能交互系统可以进行跨语言的信息检测，然后对外语信息进行准确分析，对输入信息中的关键词、句进行提取，最终实现对信息的准确翻译。军事指挥员可以通过这些准确的翻译信息，进行准确的情报收集和作战指挥。

4 总结

现代武器系统正向智能发展，人机交互的效率将直接影响武器系统的作战性能。目前，人机交互技术在我国军队武器系统中相对落后，需要不断发展和应用新的人机交互技术，以满足新时代的需求。