隨著谷歌2016年推出 alphago 以擊敗圍棋高手，人工智慧已成為最熱門的技術領域。 那麼什麼是人工智慧？ 簡單地說，人工智慧就是賦予機器或計算機模擬人類智能行為的能力。
人工智慧起源於20世紀50年代，曾經歷過兩次發展高潮，最後因技術等原因又跌入低谷，直到GPU和雲計算技術發展起來，才引發以深度學習技術為代表的第三次，也就是本次人工智慧高潮的再次爆發。
人工智慧對軍事發展的影響是什麼？？人工智慧在軍事領域的應用價值可以從以下幾個方面來說明：
人工智慧對軍事發展的影響是什麼？？人工智慧在軍事領域的應用價值可以從以下幾個方面來說明：
作戰數據分類與預測
作戰活動中往往會產生大量數據，例如敵軍作戰單元的活動軌跡、武器毀傷範圍、通信系統覆蓋範圍等等。受自然環境影響，這些數據和理論計算數據差距往往較大，不利於指導作戰。人工智慧系統通過分類和預測功能得出的數據，則非常接近真實值。準確的數據能催生出戰鬥力，大大增強武器的命中概率，部隊和武器的作戰效能也會隨之增加。
敵我目標識別
隨著信息技術的發展，「觀察 - 判斷 - 決策 - 打擊」作戰活動的速度繼續增加。但由於系統本身是不夠的情報信息，對象識別是不是很有效。在海灣戰爭中，美國龐大的軍事地面部隊的損失造成誤傷。而到了敵方目標識別圖像識別為基礎的學習深度的代表可以提供一個解決這個問題。
例如，在反恐行動中，我們可以使用安裝在全市的攝像頭，根據恐怖分子的面部特徵和身體特徵來識別他們。在地空武器平臺上，雷達、攝像機等傳感器一旦使用該算法，就能快速識別敵機、艦、坦克等作戰單位，特別是對具有一定偽裝能力的敵方作戰單位。
作戰數據生成模擬
數據生成模擬是指人工智慧系統利用歷史數據和已建立的規則生成大量與真實數據一致的模擬數據，這種模擬可以如此真實，以至於人工智慧系統本身甚至無法分辨其中的差別。
軍事上最早使用的作戰數據生成仿真技術是欺騙系統，比如應用甘某製造新型電子幹擾器，可以根據對手的雷達信號產生其雷達接收機無法識別的假信號，從而達到最小幹擾功率和最大幹擾效果。到電子幹擾器流行的時候，世界各地基於雷達的防空系統已經幾乎過時了。這種欺騙制度的軍事意義是不言而喻的。
操作數據生成仿真技術在軍事上的第二個用途是創建一個虛擬的局面。該技術可以統治戰場還是真實的數據，對其稍加修改，我們將繼續產生不同的作戰情況，訓練，作戰能力和指揮藝術的戰鬥指揮官直接的分布。
智能作戰決策
我們能建造一個強大的坦克和像阿爾法狗一樣的無人機嗎。這一想法在過去10年裡不大可能實現。現實世界遠比過去複雜。單純利用圖像識別技術來識別戰場上敵方的身份和行動意圖需要大量的計算，大大超過了alpha dog的計算能力，更不用說複雜的自然戰場環境和戰術背景了。而且，機器人沒有「常識」，經常遇到意想不到的「意外」。
面對智能決策的話題，深度學習並非束手無策。阿里巴巴人工智慧實驗室採用雙向循環神經網絡，讓遊戲《星際爭霸》中的戰鬥單元學習人類玩家的攔截、包圍等戰術。其內部算法是將深度學習和強化學習相結合，設計出一個智能價值函數。通過與人的結合，玩家的反覆戰鬥使AI總是尋求價值函數的最大值，以實現學習策略的目的。
但遊戲不同於現實世界，現實戰爭世界中的戰術效能，傷害評估是非常複雜的，遠遠不是一個簡單的價值函數可以解決的。但這樣的方法至少會顯示出深度強化學習對智能決策的巨大潛力。
無人作戰平臺
咱們是指無人機器人劑，汽車，飛機擁有自主決策，自我追求，自我越野能力探測目標。在軍事領域方面，允許無人駕駛戰車，無人坦克，無人水下航行器，無人駕駛飛行器和其他作戰裝備打戰場上發揮重要作用。
無人駕駛技術的主要領域是無人定位、圖像識別、自動控制、路徑規劃等，但無人駕駛平臺無法處理所有的「意外」問題，因此無法完全脫離人的控制無人駕駛「無人駕駛」協同作戰系統是無人作戰平臺現有戰場作戰模式，未來的發展方向有待觀察。