凡事皆有度，无处不讲度。指挥活动之度，最难以把握，也最需要把握。当前，智能化战争形态加速演进，智能成为指挥决策提质增效的关键“催化剂”。指挥决策的时效性，要求指挥员在有限时间内做出相对最优决策，而非绝对最优决策，以谋求先敌决策优势，赢得战争主动。因此，并不是数据越全越好，算法越优越好，算力越强越好。要把握好智能决策的“度”，处理好全量数据与关键数据、最优算法与次优算法、决策需求与算力能力三种关系。

　　处理好全量数据与关键数据的关系。数据是智能决策的基础。大规模、多样化的全量数据能够涵盖战场全域信息，具有广度优势，决定了算法能够获得的知识范围和泛化能力，是深度态势感知的基础，是智能决策的前端支撑。然而，数据并非越多越好。数据越多，数据获取、分析、处理的难度越大，耗时越长，智能决策的时效性越难以保证。即使决策再优，也可能因错失先机变得毫无意义。关键数据是指挥决策的核心依据，具有高价值密度和强针对性，能够快速聚焦战场核心矛盾，但也存在难识别、难挖掘的困难，一旦关键数据确定错误，则容易陷入片面性误区。盲目追求全量数据，会陷入“数据沼泽”，导致决策滞后，贻误战机;而过度依赖关键数据可能因信息片面导致决策错误。处理好全量数据与关键数据的关系，就要正确认识其各自的优九游体育官方网站缺点，辩证予以把握和运用。要基于指挥决策需求，利用知识图谱、关联分析等技术，动态筛选、准确识别关键数据，特别是对于实时性要求高的关键数据，应优先处理，以确保决策的及时性。与此同时，科学运用全量数据，挖掘潜在的决策风险点，以验证关键数据的准确性，提高决策质量。

　　处理好最优算法与次优算法的关系。算法是智能决策的核心。最优算法追求理论上的决策最优解，如深度学习中的强化学习算法，可通过大量数据训练生成复杂战场环境下的最优决策方案，但计算复杂度高、训练周期长，对算力要求极高。而次优算法则以牺牲部分精度换取效率，如启发式算法、遗传算法，能够在短时间内输出可行解，适用于实时决策、快速决策场景。不同的算法适用于不同的任务场景。在开展决策活动时，如一味追求最优算法，则可能因计算耗时过长导致决策滞后;而单纯强调次优算法快的优势，则可能因精度不足造成决策适用性下降，招致行动失败。处理好最优算法与次优算法的关系，关键在于动态适配算法，注重算法协同。要根据决策层级、时效性和精准度等需求动态适配算法。如，战略战役级的作战计划拟制可采用最优算法，而战术级的火力规划则优先使用次优算法。为了提高智能决策算法适配效率，可探索构建“次优算法—最优算法”两级决策模型。先运用次优算法生成初步方案，快速缩小决策空间;再基于初步方案，调用最优算法细化完善，实现效率与精度的平衡。

　　处理好决策需求与算力能力的关系。算力是智能决策的基础。再优的算法、再好的数据，没有足够的算力支撑也是“巧妇难为无米之炊”。但决策需求无限，而算力资源有限。若算力配置不足，将导致算法模型无法运行或结果失真;若过度投入算力，则会产生资源浪费，造成其他决策的算力真空。此外，智能决策活动对算力的需求具有多样性与动态性。态势感知、方案拟制、任务规划、推演验证等各决策环节具有多样化的决策需求;不同阶段、不同时节、针对不同对象的决策活动，对算力的需求也是动态变化的。处理好决策需求与算力能力的关系，就是要强化“量需用力”的意识，合理分配算力，灵活调用算力。应确立以需求为导向的算力分配机制，运用智能决策算力需求评估模型，结合决策复杂度和时效性要求，采取定量定性分析相结合的方式，科学测度算力需求。在此基础上，采取“云计算中心集中处理复杂决策+边缘节点快速响应战术决策+终端设备支持单兵决策”三级算力协同模式，实现算力资源的合理分配与高效利用。在保障算力的过程中，还应根据战场态势和决策需求的动态变化，运用算力资源管理云平台，灵活调用闲置算力，提升算力资源的整体运用效能。

　　度者，事物的本质界限和平衡节点也。马克思主义认为，事物都是矛盾运动并随之发展变化的。在事物发展变化过程中，度的界限、度的节点等无处不在、无时不在，一旦超出这些界限和节点，事物就可能九游体育官方网站发生质的改变。战争领域充满着辩证法，度的问题无处不在，战争制胜机理也饱含着辩证制胜原理。如何适度作战、以度制胜，这是一个充满魅力的永恒课题，值得我们认真研究、深入实践和不断发展。把握智能决策的度，关键还是要处理好人力决策和智能赋能的关系，充分发挥好人的主观能动性。要牢牢扭住人这一指挥决策核心，准确把握信息化智能化战争特点规律，深刻认识智能赋能指挥决策的内在机理与方法路径，既要敢于运用智能支撑指挥决策，又要合理明确人智职能分工，既要强化智能赋能，又要避免智能依赖，以智赋能、人智融合，智胜未来战争。