数据挖掘模式：破解“战争迷雾”的有效路径

信息化战争与机械化战争有着本质区别。为探寻信息化战争规律，人们曾提出众多科学研究理论和方法，总体上可归纳为四种范式：

实验科学，被称为探寻战争规律的第一科学研究范式。依据这种方法，人们会投入巨资，在战前通过反复的实兵对抗实验来论证和改进作战方案。这种研究范式组织实施困难，花费巨大且周期较长，并常常难以对作战方案的众多细节实施推演。

第二科学研究范式是用定律描述战争规律的理论科学。一些学者曾采用类似牛顿定律的数学公式来描述交战过程，最为经典的当属兰彻斯特方程。但这种研究范式难以描述包括信息对抗、战斗精神等复杂因素，而这些因素又恰恰是信息化战场上各级指挥员关注的重点。

计算科学被称为第三科学研究范式，它是对第一科学研究范式的改进与升华。诸军兵种的作战编组及作战方法更加灵活多样，为减轻经济压力，提高对抗实验的效率，人们基于计算机开发出作战模拟系统，从而可以无限地模拟成千上万个不同作战单元间的交战场景。但这种研究范式只能使人们感知交战的过程和结果，难以准确描述诸如诸军兵种协同行动的交互作用等信息化战争深层机理。

以大数据为核心技术的数据挖掘模式被称为第四科学研究范式。该技术由计算机科学图灵奖得主吉姆·格雷提出后，近年来在人工智能和模式识别等领域得到广泛应用。2009年10月，微软公司发布了《e-Science：科学研究的第四范式》。2012年3月，美国国防部高级研究计划局启动了“X数据”计划。二者不约而同地将数据挖掘视为大数据战略在国防安全领域贯彻的核心功能加以重点发展。

在战争中起决定作用的不是武器装备而是人，但人的思维和行为很难被精确预测，正是人的主观能动性制造了克劳塞维茨所说的“战争迷雾”。因此，自有战争以来，人们虽努力探寻战争的深层机理却收效甚微。但通过对大数据的有效开发，几乎所有这些决策问题都可以得到相对精确和令人信服的回答。只要提供的数据量足够庞大真实，通过数据挖掘模式，就可以较为准确地把握诸如敌方指挥员的思维规律，预测对手的作战行动、战场态势的发展变化等复杂问题，从而在某种程度上破解甚至消除“战争迷雾”。