梦见鞭炮声为深入贯彻习作出的“推动实施国家大数据战略”决策部署，加快军事智能化发展，我军上下已开始积极行动起来，军事大数据的创新应用必将前所未有地激发数据活力、数据价值、产生倍增效应，以未来制胜之门。
为积极适应新形势新要求，推进大数据与国防建设深度融合，促进军事大数据研究领域专家交流合作，由军事科学院主办、主题为“军事大数据推动军事智能化发展”的第二届军事大数据论坛，于今年8月22日至23日在京举行。来自军委机关、各战区、各军兵种、军事科学院、国防大学、国防科技大学等单位的500余名领导、专家和代表参加，围绕军事大数据发展的前沿、共性、热点问题进行了探讨交流。
论坛期间，解放军报记者就军事大数据的相关话题，采访了军事科学院军事科学信息研究中心主任刘林山研究员、副主任吕彬研究员、某研究室主任罗威副研究员。
记者：我国目前正在大力推进实施国家大数据战略。大数据正广泛应用于经济、、安全和社会管理等诸多领域，体现出前所未有的巨大价值。那么，与民用大数据相比，军事大数据有着怎样的内涵特征？
刘林山：随着大数据技术与应用的发展，军事大数据已突破过去军事数据的概念范畴，成为以海量军事数据资源为基础、以数据智能处理分析技术为核心、以军事领域广泛应用需求为牵引的一系列活动的统称。鉴于军事活动的特殊性，军事大数据除具有民用大数据典型的数据规模大、内容种类多、处理速度高、价值密度低等特征外，还具有“一超一高一强”的特性。
“一超”即超复杂性。指数据来源于陆、海、空、天、电、网等多个空间，信息维度更高，非结构化特征更明显，数据关系更复杂。“一高”即高安全性，指面临的复杂，包括敌方的侦察窃取，己方泄密失密、系统漏洞，遭敌“软”“硬”手段打击等，可用性削弱或风险更大。“一强”即强对抗性，指信息获取与反获取手段的博弈对抗、数据伪装现象普遍存在，数据错综交织，对数据辨别能力要求极高。
吕彬：在这里需要突出强调一下军事大数据“强对抗性”的特点。由于军事大数据是对抗下的数据，数据质量差，价值密度低，通常具有不确定性、不完全性和虚假性。我们知道，现阶段的人工智能主要是建立在数据驱动的机器学习之上的。而机器学习需要样本数据，但目前战争是小样本数据，未来战争甚至没有样本数据。此外，军事行动的特点是“人在回”，人的活动很难用大数据经典方习预测。这就使得军事大数据在应对小样本数据学习、不完全不确定信息下的博弈、复杂下的场景建模与理解等问题方面，比民用大数据要困难得多，遇到的挑战要大得多，必须采用新的理论、新的方法、新的技术去解决。
记者：党的十九大报告强调，要“加快军事智能化发展，提高基于网络信息体系的联合作战能力、全域作战能力”。对于军事大数据与军事智能化之间的关系，应该怎么理解？
刘林山：回顾人工智能的发展历程，自1956年达特茅斯会议首次提出以来，经历了推理期、知识期、学习期三次和两次低谷。科学家们曾试图通过逻辑推理、专家系统等方式来“制造”人类智能，但日本智能计算机的研制失败、美国斯坦福大学人类常识知识百科全书的没落等，使得这些径难以为继。而大数据的出现，给人工智能的发展提供了一条新道，人们开始从如何“制造”智能向如何“学习”智能转变。与传统的希望通过规则、逻辑和知识来实现推理学习不同，通过机器学习，从大数据中去洞悉海量数据隐藏的规律，可有效实现数据驱动下的人工智能。2016年3月，谷歌公司开发的“阿尔法狗”围棋机器人之所以能战胜世界冠军李世石，正是基于对3000万盘棋谱数据的神经网络深度学习。除此之外，大数据技术的发展还可以弥补人工智能在算法、算力方面的不足，显著提高其可迁移性和可解释性。可以说，大数据是新一代人工智能的赋能要素，对于推动人工智能发展至关重要。
吕彬：目前，人工智能技术正加速向军事领域渗透。军事智能化已经成为新一轮军事变革的核心驱动力，深刻改变着未来战争的制胜机理、力量结构和作战方式。军事智能化不仅仅是人工智能与军事的简单叠加，还是人、装备和作战方式在新的作战形态下协同运转的体系化描述。体系运转的关键离不开数据的高效获取、融合、研判、交互。未来，随着数据向军事领域全方位渗透，人机深度交互，机器智能与人类智慧深度结合，将实现以数据为中心、以分析处理数据为中枢的自主、自主分析、自主决策、自主打击。