除此之外，自然语言处理在不少国家的医学、互联网监控、执法部门的犯罪预防以及大数据反恐应用等领域也很受欢迎，极大地提升了任务执行效率。

自主学习，让智能机器“蜕变”成长

婴儿刚出生时，只会用眼神、哭泣、欢笑与周围的人交流。随着一天天长大，他们不断扩大接触观察范围，学会了走路、说话、做游戏等，慢慢建立起自己的思维体系。这就是人类的一个自我学习成长过程。人类大脑拥有860亿个神经元、数万亿个传递信息的结构——神经突触。神经突触的重要特征是具有可塑性，即允许神经元对记忆进行编码、学习和自我修复。

人工智能的自主学习技术，就是让机器人像拥有人类大脑、甚至超越人类大脑一样，可以通过思考学习实现自我完善。在很多人眼里，自主学习能力是人工智能与人类智能的天然鸿沟。当前，伴随该项技术的发展，这一鸿沟正在被逐渐填平。

2019年11月，在捷克布拉格召开的第二届计算机视觉与模式识别国际会议上，评分第一的论文主要贡献就是为智能机器提供了自主学习反馈机制，让其自主导航时能够实时询问自己的知识储备。

“这条路对吗？”“到目的地了吗？”……拥有学习反馈机制的智能机器，根据预设环境信息与实际对比，在行动过程中形成“是非”观念，让智能机器真正变成有思想的“机器人”。

究其根本，智能机器“是非观”的形成，离不开强化学习，这种学习方式是当今人工智能最热门的研究领域之一。

说到这里，我们不能不提无师自通的“围棋高手”阿尔法元（AlphaGo Zero），它的一鸣惊人也正是利用了新的强化学习方式。从一个对围棋“零”储备的神经网络开始，接着与强大的搜索算法相结合，神经网络在博弈中不断被调整更新后，与搜索算法再次重新组合，循环往复，系统性能经过每一次迭代持续提高，使得神经网络预测越来越精准，阿尔法元也拥有了“战无不胜”的本领。可以说，它也让人工智能离“像人类一样”更近了一步。

如果把自主学习技术应用于军事无人装备上，并按照战斗力水平划分等级，那么自主学习级和智能对抗级应该属于“王者”级别。自主学习级，就是不再局限于人为提供的学习样本，可以边执行任务边组织学习，并且遇强更强，灵活应对任务过程中出现的未知事件；智能对抗级，是指无人装备在具备自主学习智能水平的基础上，形成自身的核心价值，能够短时间内适应未知的任务环境，迅速理解周围局势并做出判断，完成作战任务。

从近几年的技术突破来看，智能机器感知环境、识别语言、自主学习的能力越来越强大。这些能力的提升，不仅使智能机器成为人类分担任务的得力帮手，也或将让它成为未来战场的主角。