當阿爾法狗在太空追逐阿爾法耗子
狗追耗子是不幹正事，但太空中的阿爾法狗追阿爾法耗子，確實在幹意味深遠的大事。
6月13日《南華早報》報導，《上海航天》4月25日刊發西北工業大學和上海航天工程研究所聯合團隊的論文， 描述用人工智能實現反衛星對抗的研究，研究表明，經過大量深度學習計算後，被追蹤的大衛星學會識別敵對反衛星的意圖，自主躲避，但3顆小型的反衛星最終在人工智能的指引下，用回馬槍“抓住”了目標衛星， 並在不到10米遠的距離用捕獲裝置“俘虜”了目標衛星。
這個研究有意思的地方在於 攻防雙方都使用人工智能，追蹤和捕獲不是靠速度、機動性等硬性能，而是靠誘騙、迂迴等戰術。這是攻擊武器的新高度，也是設防目標智能化和硬性能差別縮小化後的必然要求。
反衛星作戰以大型衛星爲主要目標，一般假定是大型衛星目標大、機動性差，所以反衛星是捕獲目標、跟蹤和追擊的問題，也就是說，是動力學問題。這是防空導彈、空空導彈制導原理的基礎，只是延申到地球軌道上去了。
當然，這不是一句“只是延申到地球軌道上去了”那麼輕飄飄，上了軌道，導彈相對於飛機常見的動力學優勢（速度、加速度、機動性）沒有了，小衛星根本沒有多少變軌機動能力，幾下就燃料耗盡了，速度差也沒有多大。
更大的問題是，主要大國都有完備的空間監控系統，圖謀不軌的反衛星剛發射，就能猜個八九不離十，在反衛星還在上升到足夠軌道高度之前，可能就命令目標衛星變軌機動，躲開攻擊。反衛星還沒有開始追擊，已經要爲了追上新的軌道而消耗大量燃料。
這和在反潛中用遠程魚雷攻擊一樣的問題。魚雷一下水，目標潛艇就知道了。假定理論上魚雷射程爲30公里，最高航速50節，潛艇爲30節，魚雷在10公里距離上發射，似乎擊中十拿九穩。假定潛艇朝背離魚雷的方向全速瘋跑，兩者的速度差爲20節，忽略所有轉彎、加速因素，也忽略魚雷捕獲目標需要的時間和可維持最高速度的時間限制。在最簡化的情況下，魚雷需要16.2分鐘才能消除這10公里，而在這段時間裡，魚雷需要航行35公里，也就是說，超出射程了，沒有追上就沒勁追了。
魚雷減速可以大大增加射程，追擊時間延長，但反而追得上了。假定魚雷速度降低到40節，能把射程延長到60公里，追擊時間要延長到32.4分鐘，但剛好能追上目標潛艇，理論上可以實現有效攻擊。
這當然是簡單化的場景，帶來的問題是，速度差減小，動能差就減小，即使追上了，目標潛艇不再靠瘋跑甩掉追擊魚雷，還是有可能靠機動甩掉，這就回到“智能追擊”的問題了。
對於高超音速攔截，問題類似。高超音速飛行本來就是極限飛行，高超音速攔截彈難以保持足夠低的成本前提下，做到速度、機動性全面高於高超音速目標，否則攔截作戰的成本是不可承受之重。
即使對於常規防空導彈、空空導彈，降低動力學性能要求，可以大大降低成本、延長射程，只要發射就迫使對方開始機動躲避，就在功能上破壞了對方完成任務，前提是智能攔截能確保“遲到但親密的接觸”。
也就是說，西工大的“智能攔截”具有遠比反衛星更加廣泛的應用前景。 但智能攔截並不容易做到，尤其在目標也有智能規避功能的時候，或者目標是有人操縱的。
從人工智能角度來看，反衛星與下圍棋沒有本質區別，都是對抗。深度學習通過大量“棋局”訓練，提高“棋藝”。阿爾法狗從人機互博開始，用3000局精選人類棋局作爲初始“經驗”，以後過渡到人工智能自己“左右互搏”，最終“訓練”出人類難以戰勝的圍棋大師。西工大一步到位，用人工智能“左右互搏”，“訓練”出反衛星智能攔截大師。不光要“贏”，還不能花時間太長，不能反衛星之間互相撞到一起或者互相擋路，不能浪費星載燃料。
這是需要超強算力的研究。最初10000個回合裡，攻防雙方都打得很糟糕，雙方都是失分遠遠超過得分，不及格。
可能由於反衛星“人多勢衆”，深度學習的進展更快，到20000個回合時，反衛星開始佔上風。但目標衛星也琢磨出道道來了，開始“看透”反衛星的簡單戰術，規避機動更加有效。
反衛星在失敗增加後，通過深度學習改進戰術，不再傻追，成功率再次提高。到22萬個回合後，反衛星戰術和技術接近完美，從假裝漫不經心地渡步到目標衛星周圍再突然發難，到目標衛星機動規避後假裝放棄再反戈一擊，各種花招確保目標衛星基本上“死路一條”了。
這樣的超級算力裝上每一枚反導彈、反衛星是不可能的，但深度學習需要超級算力，學習完成後的控制算法實施並不需要超級算力，這就是人工智能武器化可怕的地方。當然，西工大的算法只是針對衛星和反衛星的特定動力學特性設定，擴大到更廣泛的應用需要重新進行深度學習，但基本方法是相似的，可以舉一反三。
美國在呼籲中國參加軍控會談， 不僅包括導彈核武器，也包括爲人工智能武器化設立護欄，但中國並未積極響應。在很大程度上，這是很難限制發展的地方，也有大量民用應用，不宜控制發展。參加軍控會談，與其說能建立可靠的護欄，不如說雙方以透明化爲名互相摸底。在嚴重缺乏互信的情況下，很難說這樣的透明化有多大意義。
另一方面，中國走到前面，或者至少並跑，才談得上有意義的人工智能軍控，但這是另外一個話題了。