120智融AI 开启反恐决策新范式（第3页）

，通过分析社交媒体数据、新闻报道，预判文化习俗的演变方向。

例如，算法通过监测某非洲国家年轻人的社交动态，提前6个月预测到当地传统禁忌的弱化趋势，及时数据库，确保ai决策的时效性。

赵阳负责的“极端场景决策韧性”

研发，同样面临严峻挑战。

在模拟“台风叠加地震”

的复合型极端场景中，ai因传感器数据紊乱，多次出现决策停滞。

传统ai依赖稳定的数据输入，而极端环境下的信号中断、数据失真，恰好击中其短板。

“古代军队在恶劣天候下作战，常依靠经验判断和简易信号传递决策，这种‘去数据依赖’的韧性值得借鉴。”

赵阳说道。

他带领技术组研究《孙子兵法·九地篇》中“衢地合交，绝地无留”

的极端环境应对策略，提出“双轨决策机制”

：常规状态下，ai以数据驱动决策；极端状态下，自动切换为“经验驱动模式”

。

该模式以古代极端环境作战案例为基础，构建“决策经验库”

，收录“暴雨天扎营选址”

“浓雾中行军路线”

等1000余条经验规则。

例如，当台风导致卫星信号中断时，ai根据“近山避水”

的古代扎营经验，自动选择地势较高的山体背风处部署装备。

为提升经验驱动模式的准确性，赵阳借鉴《考工记》中“工欲善其事，必先利其器”

的理念，升级装备的“环境感知冗余系统”

：在主传感器外，加装红外、气压、震动等辅助传感器，即使主传感器失效，仍能通过辅助数据判断环境状态。

同时，参考古代“烽火传信”

的冗余通信思路，为装备配备“多模通信备份”

，在极端环境下自动切换为无线电、声波等简易通信方式，保障基础指令传递。

在“暴雪+电磁干扰”

的模拟测试中，ai成功切换双轨决策机制：主传感器因暴雪覆盖失效后，辅助传感器通过监测温度、地形坡度判断环境；通信信号中断时，启用声波通信传递简易指令。

最终，装备在无卫星数据支持的情况下，仍按计划完成了目标搜索任务。

但测试也暴露出经验库覆盖不足的问题，针对“火山喷发周边区域”

等罕见极端场景，ai因缺乏对应经验，决策效率大幅下降。

为弥补这一短板，赵阳启动“极端场景联合推演计划”

，联合全球15家极端环境研究机构，模拟“火山灰覆盖”

“冰川消融洪水”

等50种罕见场景。

本章未完，点击下一页继续阅读