在不確定的情況下評估和選擇最合適的國防能力組合，一直是軍隊面臨的一個挑戰。這一戰略決策過程面臨著許多挑戰性的困難。它涉及到長期承諾、具有不同目標的多個利益相關者，以及廣泛的相互依賴的替代方案。盡管有現有的實踐，我們仍然缺乏一種能夠在不確定情況下評估和選擇武器系統和軍事人員組合的綜合方法。本科學報告開發了一種新的經濟方法，為戰略組合選擇提供信息。該方法得出了每項國防能力的平均經濟價值和將其納入國防組合的概率。進行了一個組合風險分析，以顯示結果對主要的不確定性來源有多敏感。一個假想的例子被用來說明這個方法。建議的方法在經濟上是合理的，在組合選擇上也是實用的。它將使決策者和國防分析人員能夠評估、優先考慮和選擇最佳的能力組合。

軍事組合決策涉及（1）多個目標，（2）復雜的替代方案，以及（3）許多不確定的變量。盡管有現有的實踐，但仍缺少一種在不確定情況下評估和選擇武器系統和軍事人員組合的綜合方法。為了最大限度地提高國防組合的整體價值并改善部隊結構組成，加拿大國防部（DND）已經開始開發企業成本模型（ECM）。ECM將使用建議的方法來評估候選能力的價值，對其進行優先排序，并確定加拿大武裝部隊可能采用的關鍵能力。至少確定了ECM的三個潛在用戶：助理副部長（財政）（ADM[Fin]）、助理副部長（物資）（ADM[Mat]）和盟國。通過使用ECM，這些社區也將從這項工作中受益。

引言

1.1 背景

選擇項目清單或武器系統組合的過程是一個戰略決策過程。它使軍隊能夠發展使未來部隊在戰略上具有相關性、在行動上具有響應性、在戰術上具有決定性的能力。在這個過程中，最合適的未來部隊選項是由應該實現的目標倒推到需要的目標來設計的。然而，選擇最合適的國防組合面臨著幾個復雜和極具挑戰性的困難（DND，2014）[1]。困難的主要來源包括但不限于：（Kangaspunta等人，2012 [2]；Tate和Thompson, 2017 [3]；Harrison等人，2020 [4]）。

多重目標--這些目標涉及多個利益相關者，他們有不同的偏好和相互沖突的目標。籌資決策不僅影響投資成本，還影響犧牲其他項目的機會成本。隨著關鍵利益相關者立場的不斷變化，通常不容易將這些與環境相關的目標減少到一個單一的維度，并找到一個共識的解決方案。目標和約束條件之間也存在著持續的二元性。決策者可能希望確定實現某一特定能力水平的最低成本，或者相反，在預算約束下確定可能的最高能力水平。

風險和不確定性--組合決策涉及長期承諾，其中許多變量是不確定的。這種不確定性的關鍵驅動因素是成本、進度和運營需求過程的結果。這些驅動因素之間的相互依賴使得風險分析更加困難。例如，一個項目執行中的任何變化都會對成本和進度的不確定性產生直接影響。任何成本的降低或進度的收緊都會增加結果的不確定性。此外，這樣的決定同時將生命、美元和時間置于風險之中，導致了對風險的復雜和不一致的態度。這種不確定性通常與其他幾個不確定性的來源結合在一起，如能力要求、預算和地緣政治局勢。

復雜的替代方案--選擇一個最佳的投資組合以達到預期效果或緩解特定的能力差距，在軍事部門不是一件容易的事。軍事投資組合決策涉及廣泛的相互依賴和重疊的備選方案。它們的影響往往是非線性的，并且取決于環境。它們的相互依賴程度一般很難描述。軍事選擇也是離散的和非二元的，這使得稀缺資源的優化更加困難。這些特點往往與既非線性也非加法的復雜成本函數結合在一起。

到目前為止，還缺少一種評估和選擇國防能力組合的綜合方法。為了在最有效地利用資源的情況下構建最合適的能力組合，首席財務官（CFO）責成加拿大國防研究與發展中心（DRDC）-運營研究與分析國防經濟團隊（DET）開發ECM（Morrisey, 2021）[5]。作為這項工作的一部分，我們進行了兩項研究以支持該項目。在第一個研究中，我們提供了一個評估和選擇能力組合的二元反應模型[6]。第二項研究通過能力組合風險分析[7]補充了最初的工作。這種新的隨機方法將蒙特卡洛模擬技術應用于二元反應模型。

1.2 目的

這項工作的目的是綜合參考文獻[6]和[7]中提出的前兩種能力組合評估和選擇方法。它有兩個相互關聯的主要目標：

• 開發一個完整的方法，該方法在理論上是合理的，并與國防能力組合建設實際相關；以及

• 說明該方法并演示其過程實現。

1.3 方法

建議的方法結合了或然估值法（CVM）的一個變種和投資組合風險分析來選擇能力組合。1963年，CVM在哈佛大學的一篇經濟學博士論文中得到實施。包括美國陸軍工程兵團在內的許多組織都使用了這種方法，并對所采用的方法的發展做出了貢獻（Hanemann, 1984 [8]; Cameron, 1988 [9]; Sokri, 2012 [10]）。我們的方法包括四個主要步驟，如圖1中的流程圖所總結的。首先是選擇能夠比較能力的主題專家（SMEs），最后是對備選方案進行排名并進行組合風險分析。

圖 1：主要方法步驟的示意圖。

1.3.1 選擇主題專家

這種方法成功的關鍵在于選擇有經驗的主題專家。正如過去所做的那樣，他們應該來自整個國防組織，并在分析能力的性質方面擁有廣泛的專業經驗。他們應該能夠比較能力并回答調查問題。這些問題將取決于每套能力（飛機、艦艇等）的性質。它們的范圍可以從戰略防御目標（例如，保衛國家及其盟友）到能力的技術措施（例如，規模、生存能力、范圍、持久性、響應性和互操作性）。

1.3.2 評估備選方案

如附件A所示，每個主題專家要求從每個標準的角度對每個備選方案進行0-100分的評分。每個主題專家還被要求(1)以0-100的尺度對每個備選方案進行總體評價，(2)決定該備選方案是否應被納入防御組合。如果主題專家決定將其納入，該替代方案將被賦予1的數值，否則為0。

1.3.3 估計回歸模型

分析師將從每個標準的角度使用0-100分的比率作為解釋變量。對于因變量，分析者有兩種選擇：（1）他/她可以使用一個非線性回歸模型，其中因變量只能取兩個值（即每個主題專家的決定），（2）他/她可以使用每個備選方案在0-100等級上的總體評價來計算 "提供的幾率"（而不是預測的幾率）。在這種情況下，分析員將估計一個線性回歸，其中因變量是賠率的自然對數（即對數）。

1.3.3.1 對備選方案進行排名

可以使用三種預測措施（產出）之一，對備選方案從最好到最差進行排名。(1) 它們被納入防御組合的概率，(2) 它們的幾率，(3) 它們的量化經濟價值。賠率是列入概率的一個增加函數。它們將提供相同的結果。經濟價值應該與它們呈正相關關系。這些衡量標準是根據專家們的評價進行統計推斷的。

1.3.3.2 進行組合風險分析

為了評價結果的穩健性，可以進行能力組合風險分析。進行這種風險分析可采用三種互補技術：（1）通過評估每個預測因素的邊際效應，（2）通過估計每個結果的三點估計值（樂觀、最可能和悲觀），以及（3）通過使用計算機模擬得出每個備選方案的風險狀況。關于這個方法步驟的更多細節，請讀者參考附件A。

建議的方法為能力組合的評估和選擇提供了更多的機會：

• 嚴謹性（基于合理的理論基礎）。
• 可靠性（以正確的評估為基礎）。
• 可復制性（明確的程序，而不是黑箱）；以及
• 一致性（方法步驟的一致性）。

由此產生的科學報告將為分析人員和決策者提供一個共同的基礎：

• 以一致的方式匯總若干評價標準。
• 用它們的價值來描述替代品。
• 對它們進行排名；和/或
• 將它們歸入預先確定的類別。

本報告分為七個部分。導言之后，第2節概述了能力組合分析領域的最新進展。第3節建立了所采用的二元模型，并指出其數學推導。它還說明了如何對一組候選能力進行估值和排序。第4節介紹并討論了一種新的能力組合風險分析方法。第5節提供了一個說明性的例子，使形式主義更容易被理解。第6節展示了建議的方法與一些傳統方法和投資規劃的聯系。最后一節提出了一些結論性意見。

基于場景的兵棋推演

歷史上的微型兵棋推演是一個多方面的愛好；甚至在實際游戲本身發生之前就已經投入了大量的研究和工藝。正如一位記者在采訪一位戰爭專家時敏銳地觀察到的那樣，這種愛好似乎與其說是玩兵棋，不如說是為玩兵棋做準備。需要購買和繪制一些圖案，需要建造地形，需要購買、研究和學習規則。即使在所有這些都完成之后，但在一個游戲回合可以進行之前，必須有一個場景...這里我指的不是那種游戲，玩家在桌子的對面排好價值XXX點的單位，向中間進軍，然后擲骰子，直到有人跑掉或時間用完。我說的是一種類似于歷史上的指揮官可能發現自己所處的情況，以及所有隱含的戰術問題，在這種情況下，玩家可以通過敘述來做出相關的指揮決策，并觀察這些決策的結果。對我和一小部分兵棋愛好者來說，這就是歷史兵棋的縮影。如果你是那種喜歡探索歷史沖突的指揮方案和可能性的玩家，或者喜歡模仿歷史的虛構環境的玩家，那么希望你能在這篇文章中找到有用或有趣的東西。即使你不是這樣的玩家，也請繼續閱讀：你可能會發現并有深刻見解對早在軍隊名單或積分系統出現之前就已經存在的游戲風格。

許多（如果不是大多數）兵棋都是圍繞著競爭思想展開的，對立雙方的力量大致相等，并以決定勝負為目的進行比賽。基于場景的兵棋推演與這一標準的不同之處在于幾個方面。首先，不一定要有一個明顯的 "贏家"，才會有一個令人滿意的結果。雖然在戰術的輝煌中擊潰對手無疑是令人欣慰的，但在人數嚴重不足的情況下進行巧妙的撤退，或者以名義上的劣勢力量進行頑強但注定失敗的防御，也同樣令人欣慰。第二，雖然地形在競技游戲中主要是作為運動的障礙，或作為力量的倍增器，但在基于場景的游戲中，它也打破了視線以創造戰爭迷霧，并且（也許更重要）作為行動的時間和地理背景，鼓勵玩家沉浸在事件發生的歷史環境中。第三，它創造了一個類似于歷史部隊的程式化指揮結構，伴隨著溝通和合作困難的所有機會，這是歷史上軍事行動的一個重要組成部分，而在競爭式的兵棋推演中，這些困難在很大程度上是不存在的，每個玩家通常是完全獨立的，只關心如何打敗他在桌子對面的對手。

兵棋愛好者中最受歡迎的一些工具是場景書。在這些書中，作者做了很多工作，為你準備了一個基于場景的兵棋推演，研究一場歷史戰役或創造一個虛構的戰役，布置所需的地形、戰斗順序以及每一方的目標或勝利條件。然而，也有一些缺點；作者不知道你已經擁有什么人物或你使用什么規則，所以你可能不得不為一些單位使用智能體，或從事一些冗長和昂貴的準備工作，為一個特定的場景繪制部隊，但發現它們并不是你在任何其他場景中所需要的，或者，如果你沒有足夠的單位用于某個特定場景，那么你可以創造性地“洗浴”，用你已經擁有的單位去創造游戲。(所謂的 "洗浴"是指用一個較小的單位來代表一個大得多的單位；例如，把八個營放在桌子上，重新打一場實際上是由八個旅或八個師打的仗。盡管這能讓游戲以最少的數字上桌，但這很少能產生令人滿意的結果，因為營的戰斗方式與旅的戰斗方式不一樣，所以游戲看起來不對，玩起來也不對）。已出版的場景的另一個限制是，它們往往是為了使用一個特定的比例或一套規則，這可能與你打算使用的規則不一致，因此需要一些 "轉換"，以適應你想運行的游戲。自己設計場景的好處是，它們總是適合你已有的地形和人物，而且你可以定制選擇你和/或你的戰友們認為有趣的特定類型的戰術態勢。

場景設計者的目標是創造一個類似于歷史上實際發生的情況，或者一個與歷史相似的情況。玩家扮演歷史上的指揮官，面對與他們的目標相沖突的其他玩家的反對，他們必須利用現有的資源來實現目標和克服挑戰。如果將這些行動置于更大的背景中，那么這些目標的實現對玩家來說就會更有意義，這類似于19世紀初馮-賴斯維茨的 "Kriegsspiel "提出的 "通用想法"，它被廣泛認為是現代歷史兵棋的鼻祖；也就是說，應該向玩家提供一個圍繞桌面上所描繪的特定情況的后果框架，為他們的決策提供背景。對于那些能夠構成可行合理歷史場景的情況類型，一個很好的資源是赫爾穆特-馮-毛奇的《1858年至1872年的戰術問題》。

在設計兵棋場景時，需要記住，它的目的是成為一個社會活動的綱要，參與者將在其中合作創造一個敘事。雖然玩家將參與友好的競爭，涉及智力挑戰，并通過精心制作的微縮模型和地形來強調，但應該記住，活動的最重要特征將是它所講述的故事。

創建一個兵棋場景，就像兵棋推演本身一樣，有許多方面，并提出了許多問題。我應該選擇什么樣的部隊？我如何想出一個戰術態勢？地形應該如何安排？我如何讓所有的玩家都參與進來？局勢是否必須 "平衡"，我又如何做到這一點？在這篇文章中，我將嘗試把我三十多年來在設計兵棋場景中所學到的經驗提煉成基本原則，供你在自己的場景式兵棋中使用。(作為免責聲明，我應該指出，我的絕大多數場景設計都是針對馬和火槍時代的游戲，但通用原則可能適用于其他時代）。

我甚至不會試圖掩飾這樣一個事實，即這可能需要大量的工作......閱讀、計劃、編寫和組織......但我可以告訴你，看到你的場景被你的朋友們使用，并分享他們試圖解開你為他們設計的戰術問題，這也是極大的滿足感。這種風格的兵棋推演的另一個結果是，游戲創造了充滿戲劇性和幽默感的敘事，其事件將被參與者在游戲后的歡慶中深情地回憶和復述，直到未來的許多年。

建立一個場景

第一步是確定一個有趣的戰術形勢，一個涉及到每個玩家某種可實現的目標，而又不太容易用現有的力量完成的戰術。最直接的方法就是從歷史戰役中提取一個實際情況。當然，這也有一些與使用場景書相同的缺點。盡管如此，對于玩家來說，探索自己身處歷史上的某個指揮官的職位，并試圖完成與他們在相同情況下所做的一樣多或更多的事情，會非常令人著迷。對于那些真正實現這些目標的人所面臨的挑戰，沒有比這更好的方法了。我可以根據個人經驗肯定，按照此方法執行后，當你在歷史中再次遇到那場戰役時，你將永遠不會再遇到此種挑戰。

這需要盡可能多地涉獵你感興趣的那個時期的歷史，直到某個特定情況讓你覺得是一個吸引人的場景。這可能很耗費時間（但作為一個歷史兵棋手，你無論如何都要進行這種涉獵）。一個好的捷徑是查閱一本關于你感興趣時期的戰役和行動的說明性資料，有足夠的戰斗指令和地圖，你可以從一個單一的來源得出你的場景。通常情況下，參考更詳細的作品可以填補更多一般歷史中缺少的信息。如果現有的信息是粗略的，不要害怕用合理的推理或猜測來填補空白；畢竟，這是一個兵棋推演的場景，而不是一篇論文。(一個有用的單一資料來源特別好的例子是迪比-史密斯的《拿破侖戰爭資料手冊》，它按時間順序列出了從小規模沖突到全面戰役的數千次行動，并按戰役進行了鏈接，還附有參與部隊的名單；我把它簡單地稱為 "我的方案書"）。也有可能從一場戰爭中借用一個場景，通過完全替換另一場戰爭中的同等兵力，創造出一個可使用的場景，其來源對參與者來說是隱蔽的，從而防止 "20/20后見之明 "影響玩家的決決策。

不過，我通常更喜歡想出一個虛構的情況，通常是基于一場實際的戰斗，并根據我的桌子尺寸大小、我有的時間和我能得到的圖案來調整它。這對沒有做過的人來說可能有點令人生畏，而我的大部分評論都是針對這種類型的場景設計。

在我談及具體細節之前，還有一點需要注意的是，我很少關注 "平衡"，或者給每一方平等的機會去 "贏"。即使是近似平衡的情況在歷史戰役中也是罕見的，在歷史兵棋推演中也應該是這樣。一個兵棋推演指揮官的成功，就像他的歷史對手一樣，應該由他如何很好地利用他所分配的資源來判斷，而不是由被摧毀的對方單位的數量或任意分配的勝利點數來判斷。基于場景的兵棋推演最重要的部分之一是 "事后總結"......在游戲結束后討論哪些地方做得好，哪些地方做得不好，哪些地方可以用不同的方法，以及為什么。正是玩家之間的這種討論，將揭示出是否取得了勝利，或者結果是不確定的。而且，畢竟決定性的勝利在歷史上并不常見，一些戰役的勝利者在幾個世紀的討論之后仍然存在爭議。在我們的歷史兵棋推演中也應該是這樣的。

場景的類型

有幾種通用類型的戰術情況適合于可行的場景，我將在下面討論其中一些。這份清單并不詳盡，但它涵蓋了歷史戰役中發生的許多主要交戰類型。你應該記住，這些都不是 "排好隊，打倒他們 "類型的場景，這些場景開始時，所有的人物都在桌子上排好隊，而且大多數都涉及某種大的戰術行動。對這種場景中的預接觸行動的常見反對意見之一是，它占用了本來可以用來擲骰子的時間。這只有在一個非常有限的時間窗口內進行游戲時才有意義，比如一個只有幾個小時的商店或俱樂部場地。直接切入槍戰的游戲忽略了戰爭和將領的幾個重要方面。首先，從行軍隊列到戰斗編隊的大部隊部署是一項與了解軍事歷史有關的技能，而許多兵棋推演玩家沒有機會練習。這就是重要的、難以捉摸的 "運籌帷幄 "發揮作用的地方，判斷各種地形特征的價值，評估有效部署所需的空間，以及在哪里放置儲備。在你的兵棋推演中這樣做可以讓你對歷史上的戰役發展的原因形成有趣的見解；其次，預接觸行動可以對后來的行動產生重大影響。當部隊全部部署完畢并進入遠距離火炮射程時，許多最重要（和有趣）的決策已經做出。戰斗后期階段的開始也意味著跳過了對手犯錯誤的額外機會，如果你明智地部署了你的部隊，你就可以利用這些機會（或者你犯錯誤的機會，你的對手可以利用這些機會，而你可以學會在未來的游戲中不重復這些錯誤）。

大多數規則（好的規則）都包括某種類型的加速的大型戰術移動機制，或者作為一個單獨的模塊，或者作為對遠在交戰范圍之外的單位或編隊的運動。這種加速移動的幾個回合通常就足以使部隊接觸，并且只占用與單回合戰術戰斗差不多的時間，因為沒有耗時的戰斗決議，以及隨之而來的計算、圖表咨詢和擲骰子。

下面是對我發現的有用和有趣的主要場景類型的一般描述，以及對每種類型的地形和戰斗指令的一些說明。在本文后面的章節中會有更多關于這些主題的細節。

1. 會議的約定。這在兵棋推演中一般比在歷史上要常見得多。通常情況下，在歷史戰役中，一方被形勢所迫，不得不向敵人發起戰斗，要么是為了限制敵人的行動，要么是為了保衛戰略資產，因此一方通常會部署并等待敵人將他們趕出他們選擇的陣地。然而，偶爾，兩支部隊都在進行機動，在意想不到的地方發現了接觸的元素。這可能會導致一場自由競爭，讓附近地區盡可能多的部隊盡快到達接觸點，以獲得局部的數量優勢。

這種類型的場景應該涉及到規模大致相同的部隊從不同的角度進入桌面，并試圖在他們的對手能夠做同樣的事情之前識別和奪取重要的地形特征，然后在敵人的所有部隊到達之前機動地壓倒敵人的一部分。這種類型場景的危險在于，指揮晚到部隊的玩家可能會被擋在游戲之外，直到結論已經達成，或者可用的時間過期。這種危險可以通過以下方式來緩解：給每個玩家一個單獨的進入點，并安排進入時間表，使每個部隊的主要成員在彼此的幾個回合內到達桌面；或者，如果場景的戰斗順序足夠大，可以讓每個玩家在其他玩家的部隊指揮結構中扮演一個小的從屬角色。讓他們都在第一回合到達，也可以緩解這個問題，但它也可以通過創造一個過于均衡的競爭環境來減少不確定性的因素，退化成一個正面的比賽，與所有太常見的 "排好隊，擊倒他們（line 'em up and knock 'em down）"的兵棋沒有什么不同。在這種情況下，我曾用過一種方法來稍微錯開到達時間，那就是讓玩家每回合擲一個骰子，把骰子放在他們的進入點，當骰子的總數達到某個預先確定的數字時，他們的部隊就進入。這比簡單地在擲骰子產生某種結果時進入更有效，因為后者有可能使一些部隊很晚才進入，或者根本就不進入。擲出累積的骰子總數可以確保所有部隊在一定的時間窗口內進入；例如，使用六面骰子，目標總數為6，這意味著一些縱隊可能在第一回合進入，但所有部隊將在第六回合到達。

這種類型的場景在相當密集的、阻擋視線的地形下效果很好，因此各縱隊需要在看到敵方縱隊并被迫部署之前，進入桌面參與幾個回合。

2. 攻擊場景。在這個場景中，一支部隊部署在桌面上，要么在明處，要么用象征性的部隊或盲注來表示基本部署，同時向攻擊者隱藏詳細信息。然后，進攻方計劃其進入和部署，游戲開始時，他們會采取宏大的戰術行動，直到接觸和防守方被揭露。與這種類型的場景相關的目標是非常基本的，不需要太多微妙的東西；進攻方必須將防御方從他們選擇的地面上移開，造成盡可能多的損害，同時自己盡可能少地遭受傷害。或者，可以給進攻方一個特定的地形目標，他必須占有這個目標；防守方不需要事先知道這個目標是什么，或者可以接到指令，保衛一個完全不同的目標。

攻擊方的力量應該比防守方的力量大得多，也許是兩到三倍，這樣才能使這種情況順利進行。我所說的 "力量"不一定是指原始數量；一支由低質量部隊組成的大得多的部隊攻擊一支較小但質量較高的部隊，會給雙方帶來一些有趣的戰術問題。

攻擊場景的地形應該包括防御者可以部署的明顯防御位置；山脊、河床、成片的粗糙地面、樹林或建筑區，或類似的地方。

3. 戰斗撤軍場景。這涉及到一支稍小的部隊，也許比進攻方更精銳，在游戲開始時部署在桌面上，目標是盡可能多地將他們的部隊撤出桌面，同時拖延敵人的推進，并在符合他們其他目標的情況下盡可能少地造成傷亡。攻擊部隊可以以縱隊行進的方式進入桌面，這將使撤退部隊有機會在戰術接觸之前對他們的部署進行小的調整，或者，可以讓較大的攻擊部隊在桌面上部署，與撤退部隊的位置保持一定距離的戰術接觸。負責撤退的玩家可以以任何對他們的目標最有利的方式部署他們的部隊。

這個場景的地形安排應該為連續的后退陣地提供機會，即分散的樹林或村莊，當防守部隊被擊潰、被包抄或被逼退時，可以利用這些陣地。

4. 部隊偵查場景。這是我最喜歡的場景之一，它涉及到一方對一支部署好的小部隊發動大規模進攻，目標是找到并接觸盡可能多的防守部隊，但不允許他們的部隊被卷入一場激戰，然后撤退。較小的部隊不斷地逐漸加強，直到它的人數超過攻擊者，目標是在不暴露任何超過成功所需的實力的情況下趕走攻擊者。

這個場景需要一個良好的防御陣地，其地形可以阻擋臨近的視野，與攻擊場景類似，但整個地形不應限制到抑制機動性的程度。

5. 對岸渡河場景。這個場景可能是最難平衡的（也是進攻方最難成功的），它要求一支規模大得多、火炮裝備好得多的進攻部隊，選擇一個渡河點并接近河道，目的是讓足夠的部隊渡河以建立一個安全的橋頭堡。

為了使這一場景奏效，河流應該橫跨整個桌面，并有多個間隔較遠的渡口（無論是渡口還是橋梁）。防守方必須有足夠大的兵力來觀察所有可能的過河點，同時要有足夠強大的機動預備隊來驅趕進攻方部隊。

6. 運輸隊防御場景。這個場景假定在戰場上的某個地方存在一個有價值的、流動性不強的補給來源；例如，一列補給車或一列攻城車。車隊所屬的寡不敵眾的防御者，必須拖延和抵擋攻擊者占有它的任何企圖，使其有足夠的時間離開桌面或到達指定的安全地點，如堅固的城鎮或固守的營地。

在這種情況下，唯一特定的地形要求是車隊必須沿著道路行駛才能到達安全地帶。如果它被迫離開道路，它的行動就會受到嚴重的阻礙。

通過結合各種類型場景的目標，可以創造一些真正迷人的情況。這可以創造出雙方都可能實現其目標并取得勝利的情況。例如，進攻方可能正在執行渡河任務，而防守方則試圖掩護被圍困的火車逃跑。在這種情況下，阻礙渡河，只要能把火車送到安全地帶，就符合防御者的利益，而攻擊者由于專注于建立橋頭堡，可能會忽視奪取寶貴戰利品的機會。

戰斗的順序

在歷史微縮戰爭游戲中，使用實際歷史交戰中的作戰順序是很自然的。偶爾，在將實際的作戰順序轉換到桌面上時，可能需要做一些改變。如果現有的微縮模型與當時的單位不完全匹配，你可以用不同的、盟國的同等單位來代替，甚至改變整個部隊的國籍。歷史記錄并不總是非常清晰或完整的，有時只提供（例如）旅的實力，而不是單個單位的數量和身份。快速瀏覽一下其他來源的當代作戰計劃會讓你對典型的旅的組成有一個很好的了解，用旅或師這樣的大型編隊的兵力除以該類型的單個單位的典型戰地兵力（對于大多數馬槍時期，這意味著每個中隊大約有100名騎兵，每個步兵營有500-700人）會給你的游戲作戰計劃的單位數量一個可行的近似值。這類信息的一個很好的起點是美國聯合武器研究圖書館的納夫齊格文集，網址是//usacac.army.mil/cac2/cgsc/carl/nafziger.asp，其中包含了從十七世紀中期到二十世紀中期的所有詳細的作戰計劃。

如果你為你的場景所選擇的部隊沒有被特定的歷史戰役所概括，你將需要根據你所擁有的數字創建你自己的戰斗順序。你應該考慮到每支部隊的相對實力、你所使用的一套規則所指定的部隊的能力、將參加的玩家人數以及你的桌子的大小。

總的來說，每一方部隊的部署正面應該限制在比桌子的寬度小一些的范圍內。這將最大限度地減少 "桌子邊緣綜合癥 "對游戲流程的干擾，增加機動的機會，并迫使玩家對陣型的部署和預備隊的位置做出選擇。我通常會將可用的桌子空間的三分之二左右作為目標。用盡可能多的微型模型填滿桌子，不可避免地會導致重復的、令人難以忘懷的頭對頭的比賽，在這種情況下，運氣而不是玩家的選擇成為主導因素。

分配給每個玩家的部隊應該保持在一個范圍內，其低端是執行場景所處歷史時期典型的戰術演習所需的最小單位數量（歷史上作戰指令中單位的實際分組方式就是一個很好的說明），高端是在不影響玩家認知能力的情況下可以輕松處理的單位數量。心理學家一般認為這個數字在7左右，加或減2。如果單位被編入兩個或三個較大的編隊，可以作為單一的、銜接的單位來操縱，那么這個數字可以推到十幾歲；因此，兩個營各六個連，或三個旅各四個營，將比十二個獨立單位更容易管理，更不容易被操縱。

雖然在這種游戲風格中，保持盡可能的平衡并不是一個高度優先事項，但通過使一方的全部或部分部隊比對方的部隊能力更強或更弱來調整部隊的相對實力是可能的。當然，這取決于所使用的規則集給予不同質量的部隊的優勢，以決定其有效性。軍隊名單和點數系統正是為了達到這種效果，但并不是每個人都同意它們能準確地做到這一點，甚至是非常好。根據你對有關時期的了解和對規則的經驗，自己憑直覺去做，可能會產生和遵守規則作者對各種兵種屬性的判斷一樣好的結果。使用一個特定的規則集的軍隊名單或 "國家差異 "可以給你一個很好的起點，但你可以自由地以任何你認為能使你的場景發揮作用的方式來調整這些數字，因為不是每個特定國籍和類型的單位都是平等的，而且瞬息萬變的條件（如行軍長度、食物供應、最近事件的道德影響等）可以大大改變一個特定單位在戰斗當天的表現。

地形

我見過太多的兵棋，除了拋出幾棵樹和一兩座建筑外，幾乎沒有考慮到地形的設置。稍微考慮一下地形的視覺和功能效果，就能使你的場景變得有趣和令人難忘。

正如我之前提到的，為游戲設置的地形有多種功能。首先是確定行動發生的地理位置和時間段。如果你不是在再現一個特定的戰場，那么像山丘和河道這樣的地貌，至少應該來自于你設定的場景所在的世界的那些實際的主要地形。林區的樹木類型和建筑風格可以為行動提供舞臺，并將玩家吸引到戰斗背景的時間和地點中。雖然人物本身的制服總是歷史微縮模型游戲的核心，但如果為他們提供一個能喚起那個時期和地點的環境，效果會大大增強。

在這張美國內戰游戲的圖片中，即使沒有人物，建筑物和柵欄的風格（更不用說背景中的火車引擎）也會讓你猜到背景是19世紀的北美。

許多兵棋玩家使用地形板作為他們的桌子的基礎。這樣做的好處是，在游戲中布置路網和水道的方式有一定的靈活性，因為它們可以重新排列以適應不同的場景和地理位置。我有一套地形互鎖的泡沫橡膠地磚，在過去的二十年里，我在許多游戲中使用過，如本例所示。

與基于中密度纖維板或絕緣板的地磚的直邊相比，接縫在一定程度上不那么礙眼，而且互鎖的邊緣可以防止在游戲過程中板與板之間出現空隙。然而，我更喜歡使用地形布作為我的兵棋桌面的基礎。它們提供了一個無縫的、比僵硬的地形方塊更自然的外觀。缺點是，它們需要更多的時間和精力來設置，而且它們對道路和水道的布局有一些限制，盡管經驗告訴我，它們并不像大多數游戲者認為的那樣具有限制。

我的大部分地形布都是在6英尺9英尺的帆布上制作的，這使得它們足夠大，可以滿足一個好的會議游戲。由于我自己的游戲桌通常是4'或5'乘6'，我可以通過將布的不同部分從桌子邊緣垂下，在一塊布上得到幾種不同的地形安排，如下圖所示，布在桌子上的部分用虛線標出。

盡管我只有三種不同的地形布，但我從來都能在其中找到適合我想玩的場景的部分。

桌子上的地形元素的安排也可以對行動的方式產生重大影響。精心布置的樹林和村莊可以引導行動并為行動提供焦點。雖然作為入口的道路的位置肯定會決定部隊的部署方式，但位于桌子中間的道路的位置就不那么關鍵了，因為當部隊到達那里時，他們通常已經部署好戰斗，不再能夠利用路網。

大多數兵棋都是在桌子上正交排列的；也就是說，兩條較長的邊作為敵對部隊的基線，而行動大多是沿著桌子的長方向一分為二的線進行的。這就很好地利用了桌子的可用空間，但你應該考慮安排地形的額外好處，使戰斗或多或少地在桌子上的對角線上發生，利用其最長的尺寸。在對角線上設置進入點會使棋手進入一個越來越寬的場地，這為棋手創造了更多的機動機會和更有趣的戰術問題。用困難的地形特征（如城鎮或多石、多木的山丘）填滿橫向角落，會將行動引向桌子中間的寬闊地帶，并將桌子邊緣的影響降到最低。

舉個例子，在下圖中，我在一張5'x6'的桌子上運行的拿破侖場景中，法國軍隊從左上方進入，而盟軍從右下角進入。右上角的城鎮和左下角的森林山丘導致行動沿著這兩個主要地形特征之間的對角線發展。一些部隊能夠同時穿過城鎮和樹林，這使得側翼不至于像桌子邊緣那樣被封閉，并且利用了整個7.5英尺的對角線尺寸的桌子。

如果有大量的騎兵部隊參與，提供大面積的開闊地讓他們部署和行動，將使玩家能夠最好地利用他們。如果一方的騎兵力量比另一方大得多，這也可以作為一個力量平衡的因素，因為騎兵優勢的有效性會因為缺乏良好的騎兵地形而被削弱。這同樣適用于為具有炮兵優勢的部隊提供良好的火力場。

制勝條件

戰士們很自然地希望在游戲結束時，能對他們是否取得了勝利有一定的了解。傳統的方法是計算傷亡人數，或者給桌上的各種地形目標分配分數值。雖然這對于純粹的游戲目的來說很簡單，也很充分，但它并不能讓人信服地看到歷史上是如何決定勝利的。一個將軍可以拿下并守住地形特征，但仍然會輸掉一場戰斗；或者像皮魯斯一樣，遭受可怕的傷亡，但仍然 "勝利"。

地形目標的勝利點數的問題在于，歷史戰場上的地形特征實際上沒有內在的價值；它們的價值完全在于它們在多大程度上幫助特定的部隊實現其戰斗目標，而這種價值在行動的過程中會根據戰場上的事件而發生變化。

歷史兵棋推演在幫助玩家獲得對歷史沖突的洞察力方面的部分效用，在于它使玩家像歷史上的指揮官一樣思考。如果他們想的是 "我要守住這個村子，因為它值3個勝利點數"，那么他們就不會想 "如果我守住這個支撐我側翼的村子，我的對手就會花很長時間來奪走它，我就有足夠的時間來增援了"。如果他們想的是 "我要拿下那個十字路口，因為它值2個勝利點數"，那么他們就不會想 "擁有這個十字路口就可以把我的騎兵預備隊迅速轉移到兩翼。"

與其通過計算損失來決定勝負，或者給地形特征分配一個任意的數值，不如讓玩家評估他們在多大程度上實現了劇情所描述的目標。如果他們可以的話。如果他們不能，就允許結果的模糊性成為他們在玩游戲的過程中了解歷史的一部分。如果他們只是為了得分而玩，那么他們所學習的就是如何贏得比賽。雖然這在某些圈子里可能被認為是一種有價值的技能，但這并不是歷史。

一個案例

為了更好地說明其中的一些要點，請允許我帶領大家了解一個示例場景的發展。第一步是選擇一個戰術情況。在這個例子中，我將使用一個基本的戰斗撤退類型。雖然這些步驟是按照特定的順序進行的，但每個步驟都有相互依存的方面，因此在選擇戰術形勢和地形時應考慮到可用的單位類型，反之，在選擇單位的數量、力量和等級時應考慮到地形和戰術形勢。

我打算把這個場景設定在1810年的半島，即英葡兩國在布薩科之后的撤退期間。聯軍的兵力大約是法軍的一半，但有些部隊的質量會稍高一些，以略微抵消其數量上的劣勢。將有三個法國玩家，其中一個比另外兩個高級；每個人將指揮兩個質量一般的步兵旅和一個炮兵連，還有一個由兩個團組成的輕騎兵旅，法國總指揮官可以把這兩個團作為一個旅保留下來，或者作為單獨的團分配給不同的指揮。盟軍的一位指揮官將擁有兩個質量一般的葡萄牙步兵旅，以及一個炮兵連和一個質量一般的輕騎兵團。另一位將指揮預備隊，包括一個英國步兵老兵旅，帶一個炮兵連和一個重裝龍騎兵老兵旅。

法軍的目標將是盡可能多地夾擊和摧毀盟軍的部隊，而盟軍的目標則是在不造成嚴重損失的情況下盡可能地拖延法軍的前進，同時從桌子上撤下來。

有了場景，下一步就是考慮地形。由于我使用地形布作為戰棋桌的底座，所以我看了看我有哪些選擇，以找到最合適的布（或布的一部分）。我在尋找一塊能讓進攻部隊有多個入口的地形，包裹著其中一個角。在桌子中間附近應該有一個可以放置第一道防線的區域，比如一排低矮的山脊或樹林，也許還有一個小村莊。在攻擊者入口的另一個角落，應該有一個城鎮或營地，防御者的增援部隊可以從那里發出。

看著我最初為Historicon 2002的白蘭地站戰役制作的地形布，我在西南角選擇了一個6英尺×5英尺的區域，這里用紅色勾勒出來。

樹林、建筑和鐵路被移走后，戰場看起來會是這樣:

右下角的道路將為進攻部隊提供入口，所以主要的防線應該是大致從右上角到左下角的斜線。我將增加一排低矮的山丘和幾片樹林，其中一片是為了掩蓋法國人的幾個進入點。一個村莊將被放置在山丘之間的一個通道中，以提供一個防御的焦點，并阻礙法國人的前進。在左上角的一個十字路口的第二個村莊，距離后方約一英里，將是盟軍預備隊的位置。

在下面的插圖中，藍色箭頭表示進攻者可能的進入點。法國指揮官將在不知道對方部隊的確切兵力和位置的情況下計劃他的前進；只知道他們在山脊線的大致附近，而且他的人數超過他們。葡萄牙人將沿著和/或在長虛線的左邊部署，只放置一個標記或指揮臺來指示每個單位的位置，直到法國人進入桌面并獲得對單位位置的視線。英國預備隊將部署在較短的虛線后面，在收到葡萄牙指揮官的信息或聽到其前方的炮火之前，不得移動。

縱觀全局和我的微縮模型收藏，我將決定把法國旅定為每旅三到五個營，每個旅至少有一個軍營。法國騎兵將有八個中隊；四個輕騎兵中隊和四個騎兵中隊。葡萄牙旅將各由三個線隊營和一個卡卡多營組成，騎兵團將是四個輕騎兵中隊。英軍步兵旅將由四個線列步兵營組成，并附有兩個步槍連，騎兵團將由六個重裝龍騎兵中隊組成。

請注意，地形的安排將傾向于把行動集中到桌子的中心，同時仍然允許在側翼有一些移動的可能性。在對對手的部署和具體意圖了解有限的情況下，允許玩家在部署部隊時有盡可能多的自由度，這將使結果在很大程度上受到玩家的決定而不是運氣的影響，使游戲有可能成為一種更令人滿意的體驗。

以這種方式構建我自己的場景，使我有可能為我的玩家提供具有挑戰性和滿足感的游戲體驗，同時豐富他們對歷史對手所面臨的問題的理解；在我看來，這是歷史戰爭游戲所能提供的最好的東西。

本報告是“飛行決策和態勢感知”項目的第一個成果。該項目的總體目標是提供系統評估新興技術的方法建議，這些技術可能會影響或促成決策，并提高美國陸軍未來垂直升降機（FVL）飛行員的態勢感知（SA）。

這第一份報告的目標是：（1）回顧描述決策和SA的主要理論方法，以及（2）確定在美陸軍航空兵環境中，新技術對決策和SA的影響，及替代理論對作戰評估方法的影響。

為了理解FVL航空環境下的決策，我們采用了以下決策的定義：決策包括形成和完善一個信念或行動方案所涉及的認知活動。

回顧了人的因素和自然決策（NDM）研究界最突出的與FVL航空有關的決策模型。對于每一個模型，我們都簡要地總結了對評估決策的方法和措施的影響，以及新技術對個人和團隊決策的影響。審查的模型包括 "雙系統 "模型（Kahneman，2011）、識別-判斷（RPD）模型（Klein，1989）和SA模型（Endsley，1995）。我們還回顧了OODA循環模型，這是一個在軍事上很有影響力的模型，由一名戰斗機飛行員開發（Boyd, 1987），以及從過程控制界產生的決策階梯模型（Rasmussen, 1976），以及最近從NDM界出現的決策宏觀認知模型系列。我們還描述了兩個高度專業化的數學模型，它們在分析和評估新技術對人類決策的影響方面被證明非常有用--信號檢測理論和LENS模型。

我們包括一個題為 "把它放在一起 "的部分，綜合了我們審查的一系列模型，以(1)確定各模型的核心概念，這些概念對描述FVL環境中的決策特點很重要；(2)總結來自不同決策模型傳統的方法和措施，它們與評估新技術對FVL環境中決策的影響有關；以及(3)提出一個與FVL有關的決策綜合框架。這個框架綜合了我們所審查的各種決策模型中常見的核心概念，這些概念對于FVL背景下的建模和支持決策非常重要。

各個模型所確定的核心概念包括：

• 決策可以產生于直覺過程、審議過程或兩者的結合。

• 專家的表現往往是基于更直觀的、以識別為基礎的過程。

• 決策是一個動態的、循環的過程，與其他認知活動密不可分，而這些活動又反過來影響著決策（如感知、感性認識、計劃）。

• 感知包括自上而下（即根據預期搜索信息）和自下而上的過程（即檢測環境中的突出信息，然后影響理解并進一步反饋預期）。

• 人們積極嘗試了解當前的情況（即感覺），這種了解是決策的核心。

• 人們隨著對當前形勢的理解的發展而制定、修改和調整計劃。

• 有效的團隊合作需要對當前形勢和目標有共同的理解，有時稱為共同的SA或共同點。

這些核心概念為我們開發的綜合框架提供了基礎，以指導我們接下來的工作。

我們審查的決策模型為評估新技術對個人和團隊決策的影響提供了重要的觀點、方法和措施。最特別的是，我們審查的所有決策模型都強調了在現實條件下研究決策的重要性，這些條件反映了在感興趣的現實世界中出現的挑戰。許多模型對設計和進行評估決策的研究做出了方法上的貢獻。最重要的是，他們強調需要創造研究條件（例如，通過設計評價情景），以便觀察和測量決策的重要方面。許多模型還激發了用于評估決策的新措施。關于SA的文獻記載最多，使用最廣泛，但其他決策模型也導致了更多的新措施。這些都在報告中進行了總結，并將在項目的下一階段進行更充分的探討。

在本階段研究中開發的綜合框架強調了使有效決策得以實現的宏觀認知活動，以及它們是如何相互關聯的。它特別強調了感覺認知功能（對態勢的理解），這種功能產生的期望反過來又會驅動感知、注意和工作量管理（期望循環）。感知也會產生目標，反過來驅動決定和計劃，以及有效的團隊工作所需的溝通和協調（目標到行動的循環）。綜合框架為下一組任務的執行提供了基礎，最終確定了可用于評估新技術對動態陸軍航空決策的各種認知活動的影響的方法和措施。

圖11. 一個表征決策的綜合框架

現代戰術戰爭需要迅速而有效的決策和行動，以便在經常是高度動態和復雜的戰區保持競爭優勢。需要考慮的因素的數量因不確定性、事件的快速發展和人為錯誤的風險而放大。自動化、人工智能和博弈論方法的潛在應用可以為作戰人員提供認知支持。這項研究以自動兵棋推演輔助決策的形式探索了這些應用。該團隊為這個未來的系統開發了一個概念設計，并將其稱為兵棋推演實時人工智能輔助決策（WRAID）能力。

頂點項目的目標是探索自動化、人工智能和博弈論的應用，作為支持未來WRAID能力的方法。該團隊為WRAID能力開發了需求、概念設計和操作概念。該小組確定并探索了可能對未來實施WRAID能力構成障礙的挑戰性領域。該小組調查了與使用人工智能來支持戰爭決策有關的倫理挑戰和影響。

本報告首先對與WRAID能力相關的主題進行文獻回顧。文獻回顧從人工智能的回顧開始，提供了一個關于人工智能如何工作以及它能夠完成什么類型任務的概述。文獻綜述探討了人機協作的方法，以支持未來指揮官和人類用戶與WRAID系統之間的互動。需要翻譯指揮官的意圖，并讓WRAID將有意義的輸出傳達給指揮官，這需要一個強大的界面。審查包括傳統的兵棋推演，以研究目前的模擬兵棋推演是如何進行的，以便深入了解，未來的WRAID能力如何能夠實時復制兵棋推演的各個方面，并認為以前的兵棋推演可以為人工智能和機器學習（ML）算法的發展提供訓練數據。ML算法的訓練需要大量的代表性數據。文獻回顧研究了人類的認知負荷，以深入了解人類大腦的認知技能和上限；并確定人類思維的極限，以顯示人工智能可能提供的支持。文獻綜述中涉及的最后一個主題是，傳統的計劃和決策，以了解目前在軍事上如何制定戰術行動方案。

該小組進行了需求分析和利益相關者分析，探索WRAID能力如何支持作戰人員。該小組在需求分析的基礎上為WRAID系統開發了一套需求。這些要求被歸類為：硬件/軟件，人機界面，和道德規范。第一階段的分析結果包括 (1)戰爭的復雜性需要發展一種未來的WRAID能力，這種能力利用自動化方法，包括人工智能、ML和博弈論，(2)WRAID能力需要大量的計算能力和復雜的軟件算法，(3)實現未來WRAID系統的挑戰將是技術和道德的。

未來WRAID系統的概念設計是基于需求分析的。概念設計被記錄在一套系統模型中，包括背景圖、系統視圖、功能工作流程圖和操作視圖。該團隊開發了一個作戰場景，以支持對WRAID能力如何在作戰中使用。

在開發WRAID的過程中，預計會有一些路障。開發WRAID系統的技術是存在的，然而，研究小組發現數據挑戰、人工智能訓練、程序限制和當前系統工程的局限性將是需要解決的障礙。數據挑戰指的是獲得足夠的數據集的能力，這些數據集代表了訓練ML算法所需的真實世界的戰術行動和兵棋推演分析。程序性挑戰包括國防部實施網絡安全、機密數據、數據庫訪問和信息分配協議的能力。系統工程方面的障礙是需要新的方法來設計安全和可靠的人工智能系統，如WRAID能力。將需要SE方法來處理不可預見的故障模式，并在系統生命周期的早期確定根本原因。

對像WRAID能力這樣的人工智能系統的倫理考慮是系統發展的一個重要因素。開發系統以取代倫理學，將使系統更有可能被部署。有幾個有道德問題的自主武器系統被拉出來作為WRAID能力的道德對話的基礎。通過一個示例場景，對道德狀況進行定性分析，以了解在部署WRAID能力時可能出現的道德問題。倫理學在未來的技術中發揮著巨大的作用；從一開始就考慮到倫理學，建立技術是很重要的。

未來的重點需要放在繼續對想象中的WRAID系統采取正規的系統工程方法。WRAID系統需要一個強大的數據集，需要收集和注釋；收集的定性兵棋推演數據越多，WRAID系統的可行性和準確性就越高。與軍事部門的合作對于最大化WRAID的利益至關重要，例如情報和偵察組織。WRAID的模擬將是完善系統要求和創建現實模型的關鍵。關于如何使用WRAID的培訓和文檔應該同時開發，所以利益相關者，特別是指揮官已經準備好，知道如何使用這個新工具。未來的研究領域包括認知工程、基于正式模型的系統工程和人機協作。

隨著目前技術進步的速度和外國的目標，人工智能將在未來的沖突和戰爭中發揮作用。自上而下的指令將需要設計和實施WRAID能力：提供大量的資源，解決操作和文化變化，重組系統工程，并確保網絡安全和收購變化。實現未來的WRAID能力并不是一個微不足道的任務。然而，它對確保現在和未來的戰斗空間優勢至關重要。

摘要

在21世紀，人工智能侵入了我們生活的各個方面。它通過獲取、存儲和回憶信息，幫助用戶建立對周圍世界的更好理解。最令人震驚的是，每個手機擁有者隨時可以獲得的處理能力超過了第一代計算機的能力。在這種計算能力在私營企業中如此普遍的情況下，軍隊如何將這種技術融入其規劃方法，即軍事決策過程？這項研究探討了人機合作，因為它與陸軍師級的規劃有關。

這項研究解構了MDMP，并提出了與現有人工智能技術及其計算能力，以及人類理解和創造能力相結合的建議。這項分析闡明了通過伙伴式理解的概念獲得的一些流程效率；隨著人工智能學會如何為用戶處理信息，用戶對他們的操作環境獲得了更深的認知理解。這方面的工作也探討了這種整合的成本。

1 簡介

1.1 背景/概述

• "2025年5月21日，為應對一場新出現的危機，該師司令部啟動了一個作戰計劃小組（OPT）。就在幾個小時前，這個陸軍師收到了即將在未來幾周內部署的通知。這種情況發生在初夏，伴隨著一系列獨特的人事挑戰--夏季永久換崗（PCS）季節。由于即將離任的主要工作人員即將離開，而替代人員尚未到達，工作人員的人手并不充足。在剩下的成員中，有些人在所分配的職位上經驗有限，或者從來沒有在陸軍師一級進行過規劃。這個OPT需要審查作戰命令（OPORD），同時還要補充必要的細節，使計劃可以執行。他們沒有足夠的時間向組織的領導者和決策人--司令部提出可行的方案。在審查OPORD、指導團隊新成員、更好地了解作戰環境之外，OPT還必須了解不斷變化的危機的動態，并提出適當的、有效的反應。"

上面的例子在作戰人員的世界里并不是很少發生的。作戰計劃小組必須利用他們的現有資源，最重要的是他們的專業軍事判斷和時間，制定一個計劃供指揮官批準。他們的許多計算、估計和評估將完全取決于他們的集體經驗、理論知識和一些最佳猜測。根據這些計劃和整個陸軍和更大的美國國防部的作戰計劃小組的估計而調整的國家資產，主要是由數據驅動的。將這些數據關聯起來，以更及時的方式提供更精確的人員估計，無疑可以幫助工作人員適應作戰環境，并創造出更多高質量的行動方案、分支和續篇。此外，隨著戰斗的步伐和復雜性的不斷增加，由于通過技術的相互聯系，人類反應、計劃和執行持久行動的認知能力將難以跟上。人工智能技術，總體而言，可能提供了最好的機會，以加強和增強計算解決問題的任務，并減少作戰級規劃人員目前經歷的認知過載。這項技術有可能影響美國陸軍部隊規劃和執行戰爭的方式。

研究的意義

這項研究之所以重要，主要有兩個原因。美國陸軍使用相同的基本規劃方法，即軍事決策過程（MDMP），開展軍事行動已有46年。然而，隨著人工智能在社會應用中的增加，陸軍尚未確定人工智能技術如何在智能任務指揮系統（如XXI部隊旅及以下戰斗指揮系統（FBCB2））之外幫助決策。

其次，思想的全球化已經將人工智能推到了下一次技術革命的前沿。正如20世紀對太空主導權的爭奪刺激了世界主要大國的國家投資一樣，人工智能在21世紀也開始有同樣的投資優先權。人工智能的任何一個領域的重大突破都可能創造出一個在短期內證明不可能克服的優勢。最重要的是，由于我們在政府和私營企業中的信念與敵對國家背道而馳，陸軍和美國處于不利地位。只要專注和精確，軍隊可以從人工技術和軍事規劃的融合中大大受益。

術語的定義

由于本討論的技術性質，術語表是最合適的。以下術語貫穿本專著，為參考提供了基礎。

認知計算--利用各種人工智能技術進行大規模學習、有目的的推理并與人類自然互動的系統

知識庫--精心策劃的數據集或數據體，用作機器學習和認知計算系統的基線。

策劃的數據集--深度學習網絡的基礎知識數據集。

深度學習 - 人工智能的一個方面，涉及模仿人類用來獲得某些類型知識的學習方法。

專家系統 - 人工智能的一種形式，在一個特定的研究領域或專業領域內保持知識。

攝取 - 人工智能系統接收數據的過程。

自然語言處理 - 計算機系統的能力，使用世界知識，通過口頭輸入或書面/打字文本來處理和操作語言，與人類對話。

神經網絡 - 一組處理單元，結構上受人腦啟發，在深度網絡學習中結合一組輸入值產生一個輸出值。

機器學習 - 一個統計過程，從一組數據開始，推導出解釋數據的規則或程序，同時預測未來數據。

伙伴式理解--用戶和人工智能系統之間的迭代對話，其中用戶從系統中獲得更深入的理解，而人工智能系統則獲得對其數據集使用的理解。

強人工智能/通用人工智能--人工智能系統能夠在廣泛的認知任務中表現出明顯的智能行為，至少與人類一樣先進。

弱人工智能/狹義人工智能--人工智能系統能夠成功完成簡單或高度具體的應用。

限制因素

人工智能技術正在通過私營行業的研究和開發迅速發展。因此，某些技術的許多能力和規格都是專有性質的。這種知識產權的發布對這項研究來說是非常有限的。

假設

本研究假設陸軍師的帶寬分配不會因為作戰人員信息網絡--戰術（WIN-T）的取消而大幅減少或增加。本研究還假設陸軍師在理論上與《戰地手冊》3-94戰區陸軍、軍團和師級行動以及陸軍訓練出版物3-91師級行動的雇傭、組成和能力保持一致。本研究假設在本研究涵蓋的未來五年內，人工智能技術不會有重大突破。最后，本研究假設美國陸軍師提供更強大的網絡帶寬、人員冗余以及與戰場前沿的距離，這將優化人工智能技術的實施。

專著的組織

本專著將直接對人工智能歷史和理論進行簡要概述，以提供對該技術的基礎性理解。隨后，技術系統和軍事規劃的歷史整合將提供與建議在未來應用的相關背景。對MDMP的分析將確定人工智能技術是否可以利用私人產業中的應用進行整合。本專著將討論將人工智能技術納入作戰計劃的潛在權衡和副作用。最后，結論提供了進一步研究和應用的結果和建議。

（第2-3章關于AI的發展綜述請查看原文）

4 戰役層面的規劃

軍事規劃是指令性行動的結果。國家指揮機構指示解決沖突的選項，而軍隊則尋求完成所需的狀態。從本質上講，軍事規劃是一種確定和實施解決方案的手段。在介紹的例子中，相對于應急計劃中完成的研究和規劃工作，作戰規劃小組需要提供與當前作戰環境相關的選擇。技術革命從根本上增加了全球環境的互動復雜性，影響了作戰環境中的區域行為者。美國陸軍學說，特別是陸軍學說參考出版物（ADRP）5.0作戰過程，將規劃定義為 "理解的藝術和科學，設想一個理想的未來，并制定有效的方法來創造這個理想的未來。"對于作戰層面的戰爭，在本專著的其余部分，這被稱為作戰規劃。

在聯合出版物或美國陸軍理論中沒有關于戰役層面規劃的具體定義。然而，作戰水平是國家軍事戰略目標和部隊戰術運用之間的聯系，重點是設計、計劃和使用作戰藝術執行行動。AJP-5將戰役層面的規劃定義為 "在戰役層面進行軍事規劃，以設計、實施和維持戰役和主要行動，從而在特定的戰場或行動區完成戰略目標"。

在這個層次的戰爭中，規劃將戰略轉化為行動。戰役層面的規劃也是概念性規劃和指揮藝術與詳細規劃和控制科學的結合點。這一層次的規劃也最專注于軍事解決方案，在很大程度上擺脫了與戰爭政治相關的模糊性。贖罪日戰爭后的主要行動更關注于實現軍事目標，而不是參與戰爭政治。此外，行動的重點是奪取、保留或利用主動權。例如，在 "沙漠風暴 "戰役的規劃階段，由高級軍事學院培訓的戰役層面的規劃人員不太關心其計劃的政治影響，而是關心如何利用行動藝術來實現軍事目的。

作戰藝術是一種產生理解的工具。因此，戰役規劃在很大程度上依賴于指揮官正確構思問題并將一系列可能的解決方案可視化的能力。陸軍理論指出，作戰藝術是指揮官和參謀部制定戰略、戰役和行動的認知方法，通過整合目的、方式和手段來組織和運用軍事力量。通過對戰術行動在時間和空間上的排序，指揮官和參謀部可以組織系統地擊敗敵對勢力，或在戰役級別規劃開始時確定的戰略目標。與任何級別的規劃一樣，參謀部的經驗對于建立共同的理解尤為關鍵，而且隨著戰爭領域內的行動隨著時間的推移不斷擴大，參謀部的價值將繼續增加。

參謀部很重要，因為他們提供了必要的洞察力，使指揮官能夠做出明智的決定。通過批判性思維、知情分析和經驗，參謀部協助指揮官了解情況，做出并實施決策，控制行動，并評估進展。這些職能推動了行動過程，這是美國陸軍行動層面規劃的基礎框架。

美國陸軍有三種規劃方法，能夠對部隊的使用進行規劃。陸軍設計方法（ADM）和軍事決策程序（MDMP），分別作為戰爭戰略和戰役層面的渠道，而部隊領導程序（TLPs）則只在戰術層面上實現行動。指揮官和參謀部根據問題的復雜性、可利用的時間和參謀部的可用性來決定和使用這些方法的適當組合。沿著規劃的連續性，行政管理的性質大多是概念性的。行政管理的抽象性主要是由于它要解決的業務問題的復雜性。MDMP通過技術還原和基于系統方法的解決方案，很容易解決結構良好的問題。然而，當問題變得更加模糊和不可預測，或結構不良時，軍隊設計方法學提供了批判性和創造性思維的工具，以理解、可視化和描述不熟悉的問題和解決它們的方案。ADM幫助指揮官和參謀部匯總最相關的事實，并提供一種操作方法，以幫助過渡到更詳細的規劃方法，MDMP。雖然概念性規劃需要一些數據來確定進入戰區的力量流動，但MDMP創造了規劃中的大部分詳細行動（圖6）。

圖6. 美國陸軍的規劃方法。美國陸軍，FM3-0，1-20。

軍事決策過程是詳細規劃的起點。MDMP是迭代的、更加明確的規劃方法，建立了將ADM的解決方案框架中表達的概念操作化的框架。MDMP是協作性的，使指揮官和參謀部能夠理解、可視化和描述作戰環境，推進制定執行行動方案的進程。它由一系列的步驟組成，有獨立的輸入和輸出。產出導致了對作戰環境的進一步理解，并促進了MDMP的下一步工作。MDMP在很大程度上是有順序的，這證明了這個過程的嚴格性。MDMP可能是非常耗時的，而且高度依賴于工作人員的知識水平、熟練程度和客觀性。

4.1 MDMP的人為因素

與任何組織一樣，該部門的工作人員都會帶有無意識的偏見、別有用心的動機和由每個人的經驗所形成的判斷。這些內部動態和戰爭本身一樣，都是人類的屬性。在規劃和決策中，人類的認知偏差是不可避免的，除非工作人員制定了審慎的、客觀的策略來確認假設和調整范式。偏見主要是由于直覺判斷造成的，作者丹尼爾-卡尼曼稱之為系統1思維。利用自然發展的啟發式方法或經驗法則，軍事規劃人員建立了匆忙的認知 "框架"，在其中對信息進行分類和處理，從而提高認知效率。 雖然不是所有的偏見都是壞事，但在規劃世界各地的軍事行動時，如果沒有意識到自己的心理傾向，就可能是負面的。

指揮官和參謀人員需要了解作戰環境，以實現共同理解，不僅是為了開展軍事行動，而且是為了敘事，這些軍事行動將向更大的受眾傳播。人工智能可以支持更多的知情決定，同時盡量減少人類的一些明顯的認知偏差。最近在阿富汗使用的人工智能 "瑪文項目 "在減少人類偏見方面被證明是有希望的。算法跨功能團隊讓我們看到了人機合作的潛力。

5 人工智能用于“戰役層面的規劃”

新興技術與戰爭的結合是一種歷史上出現的現象。自從從長矛和劍過渡到箭和手炮以來，先進的技術不斷提高戰爭的殺傷力和破壞力。然而，并非所有的技術創新都與 "前線戰斗"有關。例如，當普魯士陸軍總司令赫爾穆特-毛奇（Helmuth Moltke）將復雜的鐵路系統納入普魯士的動員計劃時，這項技術主要支持他的后勤和人員補充，積極影響他的作戰范圍。這種 "前線背后 "的技術與機槍的發展和使用不同，機槍直接促進了第一次世界大戰期間塹壕戰的殺傷力的增加。未來的戰爭也呼應了同樣的觀點。

從概念上講，過渡到一個多維的戰場，人工智能技術可以作為 "傳感器"、"戰斗機 "和 "規劃者"，或其中的組合來使用。每種角色都對軍事手段的實施和應用有促進作用--在 "前線"，或在 "后方"。無人駕駛飛行器（UAV）提供了一個前線傳感器和戰斗能力的例子，這取決于其變體和有效載荷。致命自主武器（LAW）是使用人工智能技術作戰的另一個例子。

直到最近，用于感知和戰斗的人工智能技術是最常見的就業建議。然而，規劃中的人工智能正開始作為 "第三次抵消戰略"的一個要素重新出現，利用新興技術來增強技術優勢。從美國國防高級研究計劃局（DARPA）的戰略計算倡議開始，到當代的機器人和自主系統戰略，美國國防部正在繼續努力將技術融入軍事行動。

DARPA戰略計算倡議

美國國防部高級研究計劃局（DARPA）于1983年制定了戰略計算計劃，作為資助和開發日益有效的人工智能軟件的一種手段。該計劃將智能機器作為一個由相互關聯的子系統組成的單一問題來處理。通過大學和工業界的合作開發子系統，戰略計算計劃可以規劃出這些系統與現有技術的連接和接口。從一開始，戰略計算計劃就有很高的雄心壯志；預測在計劃結束時能實現完全自動化的機器智能，而這是在十年后。該計劃試圖分析和回答有關規劃任務的支持或自動化的關鍵問題。研究后來發現，開發完全自動化的規劃軟件既不可能，也不被軍方認為是可取的，但一個支持人類能力的系統是可行的。

這個時代的兩個擬議的軍事應用以專家系統和自然語言理解為中心。通過創建一個有能力解決問題、提供建議、預測并在狹窄的考慮范圍內提供理由的專家系統，開發者試圖為軍事規劃者創建一個知識體系。這種能力將與自然語言理解協同運作，使機器有能力理解自然語言作為一種交流界面。然而，20世紀80年代的計算機技術無法解釋本地語言，也無法可靠地對該信息采取行動。相反，用戶必須使用一種風格化的、正式的計算機語言和非常有限的關鍵詞來向計算機發出命令。雖然當時的技術不支持這一概念，但這一努力所產生的對話將落實到其他具有意義的項目中。

DARPA后來與MITRE公司和卡耐基梅隆大學合作開發了動態分析和重新規劃工具（DART），以分析智能規劃系統的可行性。作為一個基于人工智能的決策支持系統，它在波斯灣戰爭期間被用來確定在世界各地運輸軍事物資的物流要求。美國運輸司令部和歐洲司令部報告了這個項目的成功，因為它抵消了DARPA之前30年的資金使用。在接下來的20年里，這個項目將發展成為聯合發展和執行助理（JADE），一個支持在最短的時間內（一小時）制定大規模、復雜的部署計劃的規劃工具。JADE與聯合行動規劃和執行系統（JOPES）對接，產生今天仍然使用的時間階段性部隊部署數據（TPFDD）。DART和JADE是非常實用的程序，因為它們使軍事規劃人員能夠在問題發生之前就識別和預測。這些系統卸載了人類操作的認知任務，"提示 "這些規劃者計劃中的摩擦點。不幸的是，這些系統采用的人工智能水平高于操作水平，使戰術規劃人員無法使用它們。

ARES項目

美國陸軍通信電子司令部（CECOM）進行了平行的努力，建立了ARES項目，這是一個使軍團級規劃者能夠進行決策的助理系統。ARES項目是一項基礎研究和探索性開發，調查1986年陸軍軍團級組織對人工智能方法和工具的應用。ARES的目標是展示一個基于人工智能的輔助系統，為未來的行動進行規劃并控制正在進行的行動。使用地形分析、形勢分析和行動方案生成工具，該系統以最大限度地提高人機界面為導向。這些能力支持了規劃人員，減少了對緊張環境的認知壓力。

然而，作戰研究發現，當規劃人員必須考慮具有不同能力的若干執行機構的同時行動時，人工智能規劃理論有一個重大問題，即過于復雜。雖然ARES項目未能完成其最初的目標，但其對地形分析和士兵-機器互動的關注將未來的研究重點轉移到智能系統上，刺激了XXI部隊系統的創建。雖然這些系統是有用的，但它們只是提供態勢感知，而不是人工智能系統所要的任務自動化。此外，這些系統為先進的電子戰產生了一個可瞄準的信號，這是復雜戰場的一個缺點。

第三次抵銷戰略

第三次抵消戰略是一項克服對手均勢、減少軍事力量結構和下降的技術優勢的計劃。這項多年的努力為一系列的重點領域提供了方向和資金。這些領域包括反介入和區域拒止（A2AD）、制導彈藥、海底戰、網絡和電子戰、人機合作以及兵棋推演和概念開發。第三個抵消戰略解決的主要問題之一是，美國有可能危險地落后于那些在先進技術上投入大量資金且沒有自我約束的潛在對手。隨著該戰略繼續在一個概念下調整目的、方式和手段，諸如機器人和自主系統戰略等附屬倡議有非常集中的努力來支持該戰略。

機器人和自主系統戰略

為了應對近似競爭對手的全球部隊現代化努力，美國陸軍在2017年制定了機器人和自主系統戰略（RAS），在一段時間內對投資和能力重點進行優先排序。RAS有五個能力目標：提高態勢感知，減輕士兵負擔，維持部隊，促進運動和機動，以及保護部隊。該戰略的重點是人機協作，也被稱為 "有人-無人協作"（MUM-T）。這一概念將人與自主系統或人工智能結合起來，以提高決策速度--這是當代戰場上急需的屬性。這一戰略應對了未來OE中的挑戰：戰場上行動速度加快，對手越來越多地使用RAS，以及競爭環境的復雜性擴大。

雖然這些目標是第三個抵消戰略的一個子集，但它們提供了一個新的戰術層面的重點。然而，這一戰略需要在更高層次上的補充技術。例如，RAS建議增加營級及以下級別的無人駕駛飛機和地面系統的數量。然而，營級人員的班、排和連的系統的大幅增加可能意味著收集和處理的數據量的指數級增長。如果高層沒有人工智能系統，師部工作人員將無法跟上同步行動的步伐。更糟糕的是，這些工作人員可能會在認知上被傳輸的大量數據所淹沒，使他們無法有效管理整體作戰環境。正如毛奇將軍通過補充性的鐵路運營官員（一種早期的人機合作形式）將鐵路運輸的復雜性引入到戰爭中，這一戰略需要在更高層次上做出平行努力。

人機組隊

人機合作是指系統和人的配對，以抵消兩者的弱點。美國陸軍的無人機系統和AH-64阿帕奇直升機采用了這種概念，稱為人機合作（MUM-T）。通過這一過程，陸軍AH-64阿帕奇飛行員能夠在被認為對載人航空過于危險的環境中使用和控制無人系統。MUM-T使無人系統能夠利用其優勢、對峙距離和目標獲取，以最大限度地發揮飛行員的優勢、殺傷力和反應能力。這一概念可作為人工智能人機協作的基礎。

在人工智能的范圍內，人工思維和人類思維的配對就是這個概念。人類提供目標、創造力和道德思維，而人工智能頭腦提供自學的經驗、直覺和預測能力。這種能力存在于目前的人工智能技術中。例如，通過算法，AlphaGo系統擊敗了世界上最好的圍棋選手，這個游戲估計比國際象棋復雜300倍。前面提到的深藍所使用的技術，對于下圍棋的計算機來說是不切實際的。因此，通過機器和人的合作，軍方可以保持 "人在回路中"，同時獲得提示性反應和加強對情況的了解的好處，類似于前面提到的阿帕奇直升機飛行員。

總結

綜上所述，人工智能和軍事應用的融合并不是一個新概念。不幸的是，在最初構想時，這種人工智能系統和人類規劃者的愿望遠遠超過了那個時代的技術能力。計算速度和計算機科學技術在過去三十年中取得了指數級的進步。鑒于私營企業的進步，人工智能的使用成為一種社會規范，并擴散到日常生活的所有其他方面，在過去幾十年里曾經被認為是不可思議的愿望現在可能即將實現。

6 研究方法

這項研究確定了MDMP從自動化中受益的地方，同時考慮到與這種行動相關的權衡。此外，軍事決策過程在陸軍總部的各級戰爭中都有使用，但基本分析將以陸軍師為參考框架。在師一級，工作人員將足以通過各種規劃范圍管理多項規劃工作。這項研究將首先對軍事決策過程進行分析，研究一些步驟的具體投入和產出。然后，研究分析最相關的輸出，以確定人工智能是否可以提供輸出或增強人類工作人員的能力，同時也確定目前是否存在這種技術。該研究還將討論在這些下屬流程中獲得成功的基本技術要求。本節還將探討軍事和商業應用中類似的現有技術。最后，研究將討論在該過程中使用人工智能的權衡，提供與一些模擬過程的相似之處，這些過程隨著人類對技術過程的日益依賴而萎縮。

7 分析

軍事決策過程由七個步驟組成，整合了被稱為作戰功能的專業領域。MDMP有獨立的輸入和輸出，能夠增加對形勢的理解。MDMP是陸軍作戰過程中 "規劃"步驟的基礎，隨后是軍事行動的準備、執行和評估。如下所述，每個步驟都有子過程，在人工智能技術的支持下，這些子過程可能更有效，也可能更及時。那些最好由人工智能支持的子流程如下：

接收任務

接到任務是MDMP的第一步。這一步涉及剖析上級總部的行動命令，同時使計劃得以啟動。它需要提醒工作人員和其他關鍵參與者，收集必要的工具，并對可用于規劃的時間進行初步評估。接收任務還涉及到建立規劃的計劃--更廣泛的陸軍行動過程的一部分。通常情況下，師部工作人員在上級部門建立行動區域時進行平行規劃，并將產出產品過渡到MDMP中使用。MDMP包含了陸軍設計方法的要素（如作戰方法），ADM過程的概念性需要人類的創造力和批判性思維。作戰方法通過建立上級總部、作戰、規劃門路和敵方時間線之間的時間線來設定過程的節奏和軌跡。第一步的產出是指揮官對規劃方法的初步指導和發布第一個警告命令。

圖7. 任務協助計算（MAC）系統的圖形描述。

在MDMP中，人工智能將利用認知計算方法為該過程提供補充支持，實現深度學習。正如任務指揮系統在MDMP第一步的 "收集工具 "子步驟中被準備和吸收一樣，人工智能系統，任務協助計算或MAC，將被提供一個由高級總部行動命令/附件組成的精心策劃的數據集。這個攝取過程將支持對第一步中產生的最新人員估計進行交叉分析，同時允許與用戶互動，在系統的神經網絡中建立更好的聯系。使用由FM6-0和參謀部生成的預先格式化的警告令模板，系統會自動將來自上級總部的信息填充到警告令中。基于對聯合和機構間系統冗余網絡的漸進式訪問，該系統將對信息進行關聯，以便在MDMP的第二步與參謀部進行分析和討論。(見圖7)

任務分析

MDMP的第二步是任務分析。這是MDMP中最重要的一步，因為它定義了包含問題的環境背景。通過對形勢的繼續評估，任務分析確定了作戰環境的框架，以產生問題和任務陳述，以及指揮官的意圖，從而推動作戰行動。如果問題陳述、任務陳述或指揮官的意圖從一開始就沒有被充分理解，任務成功的可能性就會大大降低。因此，每一個子步驟在計劃中都是重要的和相關的。下面的插圖討論了這些子步驟。

在一個師的規劃人員的 "整合單元 "中，無論是規劃、未來行動還是當前行動單元，都會有來自每個作戰職能小組的成員負責一個任務分析子步驟。在某些子步驟中，每個職能小組都需要審查、分析并向小組提交相關信息。例如，每個作戰職能部門都必須識別、分析和評估上級指揮部下達的指定的、隱含的和基本的任務。通過其他子步驟，如戰場情報準備（IPB），每個作戰職能部門都要對各自的對抗職能進行分析（如友軍火力資產與敵軍火力資產），但情報作戰職能部門負責管理這一過程。隨著各職能小組在每個子步驟中的工作，集體產品在任務分析簡報中向指揮官傳達了結論（子步驟14）。研究人員選擇了任務分析的第1-3、4和6個子步驟來整合人工智能。這些步驟是數據驅動的，為人工智能提供了最佳用途。

美國陸軍，ATTP 5-0.1，4-6。

分析上級總部的計劃或命令

在收到上級總部的行動命令和附件后，MAC將被加載數據。這一行動使系統能夠在作戰命令數據之間建立聯系，為與用戶結成伙伴式的理解做準備。當陸軍規劃人員需要信息時，MAC準備好提供答案，以及其回應背后的原因。例如，MAC會根據用戶的要求提供高級指揮部的行動概念，以及在命令中發現的任何其他文本信息。隨著用戶對命令越來越熟悉，并需要參考整個附件中的具體措辭，MAC將能夠根據要求提供頁面和其他背景信息，從而使各梯隊人員之間更好地同步。當信息發生變化時，MAC可以進行更新，并提醒下級參謀部注意這一變化，同時也將變化記錄下來，供以后參考。隨著任務分析進入戰場情報準備（IPB），MAC在匯總有關環境的數據以幫助增強參謀部對形勢的了解方面將是至關重要的。

實施戰場的初步情報準備

戰場情報準備（IPB）是分析敵人、地形、天氣和民事因素等任務變量的系統過程，以確定它們對敵方和友方部隊行動的影響。IPB通過事實和假設深入了解友方和威脅部隊的互動。通過識別計劃中的關鍵差距，IPB也推動了指揮官的情報收集工作。這些工作產生了情報知識，并進一步完善了行動圖景，為指揮官提供了一個更強大的理解基礎來做出決策。IPB包括四個步驟。界定作戰環境，描述環境對作戰的影響，評估威脅，以及確定威脅的行動方案。用于執行這些步驟的數據從廣泛的來源收集。一旦策劃的地理空間數據、敵方模型數據、基礎設施數據和氣候學數據被上傳，這就允許MAC對數據進行匯編，并提供一些規劃者無法立即看到的關聯性。這種人機合作，或者說是拴住的自主權，支持工作人員通過迭代對話和伙伴式學習，對環境有更深入的了解。

與亞馬遜Echo、Alexa或Google Home技術類似，MAC會回答有關其數據庫內任何內容的問題。例如，"MAC，告訴我關于Atropia的人口中心"。該系統將提供有關人口的文化和人口屬性的信息，以及其中的基礎設施狀況。通過查詢近乎實時的社交媒體數據，該系統可以提供大氣，從而為行動方案的規劃提供依據（例如，敵對與中立的人類地形）。通過自然語言處理（NLP）和問題解答技術（QA），系統可以與用戶進行對話，以促進更好的理解。在這些互動中，用戶將完全控制對話，將對話從數據到信息再到理解的認知層次提升。在本研究中，人類和機器之間這種級別的對話在商業行業中存在。

美國境內的許多家庭已經部署了自然語言處理技術。這項技術的下一步發展是使系統能夠提出探索性的問題，對用戶的詢問提供更好的答復。QA技術也是存在的，最新的例子是IBM的Watson，它利用這項技術贏得了Jeopardy節目。與任何系統一樣，其改進在很大程度上取決于反饋，MAC也不例外。該系統將就提供給用戶的答案征求反饋意見，作為互動的質量保證機制。這些反饋將使數據管理人在必要時對數據集進行調整，同時也對算法進行微調。

在IPB完成后，MAC將提供機動性數據以告知友好和敵對的COA。這將包括通過衛星圖像分析和來自機構間來源的其他數據饋送的實時移動條件，這些屬性在過去幾年中通過人工智能進行了證明。隨著規劃的繼續，除了向用戶發出任何其他正式要求的警報外，MAC將提示規劃者驗證或證明是無效的假設。這種能力擴展了Project Maven所采用的現有技術，Maven項目是2018年部署在阿富汗的人工智能技術，用于支持圖像情報（IMINT）的情報分析員。

用戶和MAC將共同生成整個MDMP中使用最多的IPB產出，即事件模板、初始信息要求、決策支持矩陣和決策支持模板。在協助用戶的過程中，MAC將提供建議的條目，以便進行編輯或完全修改。隨著時間的推移和對已批準產品的觀察，MAC將改進其對用戶的建議，特別是對問題陳述和任務陳述的建議。

確定特定的、隱含的和基本的任務

任務是指由士兵、單位、組織完成的明確界定和可衡量的活動，可支持任務。特定的任務在上級總部的命令或指導中明確指出。隱含任務必須完成指定任務，盡管這些任務可能沒有明確說明。最后，為完成任務必須完成基本任務。基本任務是特定的或隱含的任務，但在行動中始終是任務說明的一部分。參謀部必須找到、理解并說明每一項必要的任務，以便更好地計劃和執行行動。

通常情況下，參謀部的規劃人員會仔細研究上級總部的行動命令和附件，有時會超過50頁的文本，試圖找出與特定作戰功能相關或涉及的任何任務。雖然這種方法很繁瑣，但它可以提取任何可能對開展行動至關重要的特定和隱含任務。這種方法還能通過在指揮層之間產生澄清來加強工作人員的理解。然而，在更高的層次上，行動命令可能有幾百頁，并有許多附件，處理所有任務的能力可能是壓倒性的。更糟糕的是，這個過程需要時間，很少有工作人員真正閱讀所有的命令來理解，從而導致計劃的失誤。

使用文本掃描軟件，MAC將掃描命令、附件和書面指導，以提供一個與被查詢單位和作戰功能相關的任務的綜合。例如，一名維持計劃人員會問："MAC，請從第十八軍團第12-345號命令中提取與第一裝甲師和維持作戰功能相關的所有任務。" 然后MAC將顯示結果，同時口頭上提供任務數量的整體描述。在參考了所提供的源網頁的維持計劃確認后，相關的任務會填充到維持運行的估計中。這個過程同時在每個作戰功能中反復進行，將工作人員的精力從無數個小時的閱讀和搜索轉移到分析和綜合知識上，以便進行下一階段的規劃。

提出問題/任務說明

問題陳述提供了阻礙實現預期目標或目的的問題或障礙。盡管行政部門為問題的制定提供了參考，但任務分析的次級步驟為行動環境和行動問題提供了適當的框架。問題陳述幫助指揮官和參謀部制定解決方案以實現預期目標。

任務說明是描述組織的基本任務、目的和行動的簡短句子或段落。根據單位的基本任務，參謀部提出任務說明供指揮官批準。上級總部的行動命令和指揮官的指導為一個單位的任務提供了信息，使任務說明變得公式化，從而可由人工智能程序計算出來。

雖然，人工智能有能力匯總、識別和回憶數據，但它仍然缺乏獨立創建問題陳述所需的抽象思維能力。盡管如此，由于任務陳述是公式化的，使用單位指定和隱含任務的具體輸入，MAC可以提出一個任務陳述。使用軍事規劃人員使用的相同方法，該系統將提供建議并不斷接收用戶反饋，從而通過深度學習技術實現長期改進。MAC還將有能力檢查、分析和分類用戶生產的產品之間的因果關系，允許其深度強化學習存儲并為未來的應用產生建議。

發布警告令

該系統將能夠根據任務分析簡報中批準的數據和以前的警告令草案制作最新的警告令。用戶將批準警告令草案的數據字段，根據需要為下屬單位編輯任何信息。此外，系統將為未來行動命令（第7步）提供最新的輸入數據，隨著計劃的制定和完善，更新數據字段。系統還將提示用戶從上級指揮部處理的分片命令中獲得新的信息。例如，如果上級指揮部批準了一個單位邊界的改變以調和戰斗空間，MAC將更新COA開發小組，并建議更新作戰命令模板，提醒計劃人員注意該信息和計劃中受影響的部分。

行動方案的制定

行動方案的制定是為指揮官提供選擇的方法。使用下屬單位之間同步的戰術行動，行動方案是對所確定的問題的廣泛的潛在解決方案。行動方案的制定包括七個下屬步驟：評估相對戰斗力、產生選擇、排列部隊、制定一個廣泛的概念、分配總部、制定行動方案和草圖、進行行動方案簡報。人類規劃者仍然是完成這些步驟的主要代理人。今天的人工智能技術還沒有展示出協調行動方案的能力，考慮到計劃火力、同步情報資產和安排運動隊列所需的細節水平。MAC將通過使用地形數據、氣候數據和特定車輛的機動性數據，提供隨時間變化的運動分析，來支持每個子步驟。這項技術類似于谷歌地圖，但包含了一個更強大的算法，以考慮到跨國流動性、編隊規模、移動走廊和車輛類型。來自MAC的分析將使時間線的準確性更加鮮明，并為整個計劃提供更好的同步性。當計劃人員為每個行動方案制定同步矩陣時，MAC將按作戰功能將COA小組的投入填充到COA聲明中，以實現協作。一旦選定的行動方案進入下一步，即戰爭博弈，MAC就會協助確定減員和隨時間推移的相對戰斗力。

行動方案分析（兵棋推演）

兵棋使指揮官和參謀部能夠確定與所考慮的作戰行動相關的困難和協調問題。通過對計劃中的假設和行動進行現實測試，各組織可以預見潛在的風險、摩擦點以及會阻礙任務完成的行動（友軍和敵軍）。這一步也影響了指揮官對作戰問題的理解，確定所提議的解決方案是否會帶來所提議的最終狀態。如果提議的作戰行動方案不可行、不可接受、不合適、不完整或無法區分，那么作戰行動方案將回到發展過程中進行完善。

通過這一步驟，MAC將提供兩種功能。最重要的工作是為每個COA建立計算機輔助的模型和模擬。考慮到COA數據需要更新，這個方案非常耗費時間。用戶必須驗證從系統輸入中收集到的數據（如總部、特遣部隊組成等），以便正確地排列部隊和作戰計劃。第二個功能的強度較低，涉及計算每次交戰的結果。這個功能很重要，因為它提供了對一段時間內戰斗力的分析。它還提供了對戰術行動有效性的評估，保留了足夠的戰斗力以實現任務和期望的最終狀態。MAC將考慮到技術武器數據；殺傷概率和車輛軍備數據來提供結果。人類規劃者仍將負兵棋推演方法和兵棋簡報。這一步的產出將不涉及人工智能。

命令生產、傳播和過渡

MDMP的最后一步是命令生產、傳播和過渡。在這個步驟中，計劃過渡到行動過程的執行階段。第7步包括制作和傳播行動命令、附件和附錄。在這一過程中，工作人員負責核對由于疏忽或基本計劃的變化而造成的規劃差距。此外，參謀部還與上級指揮部進行聯絡，適當反映作戰環境和軍事計劃的關鍵變化。每個作戰職能部門都有一個指定的部分來完成作戰命令，所有部分都必須確保集體產品的連貫性、全面性和完整性。在一個陸軍師中，單元有一個指定的人負責編寫作戰命令的輸入，同時還有一個指定的人將所有的部分編入最后的命令。

MAC，使用整個過程中的數據輸入，將是在這個任務中執行的主要代理。例如，該系統將從批準的COA草圖中讀取COA聲明，并將此文本作為行動部分概念的基礎。由于系統攝取了上級總部的情況和行動概念的段落，它將提供這些作為對師部命令的建議，并在數據集中進行核算修訂。

同樣的活動將發生在每個作戰功能的附件和附錄中。此外，系統將對照已經提交的支持性文件審查新輸入的數據，提示用戶文件之間的差異或規劃的差距，類似于一個更強大的拼寫和語法檢查，像Grammarly程序。一旦調和，用戶將提交該部分，讓指定的編譯人員完成項目。被指定的匯編者將是批準、編輯和審查計算機上轉寫的數據的系統用戶。這項技術是對谷歌應用目前所使用的智能回復技術的改編。使用能夠編寫電子郵件的深度神經網絡，這種形式的人工智能分析電子郵件的內容，并應用一套復雜的編程規則來構建一個回復。人類沒有參與這個過程；算法正在通過機器學習和接觸內容繼續處理自然語言。

隨著MDMP的完成和訂單的打包分發，MAC將繼續支持工作人員，在附件和附錄中推薦文本條目。隨著整個行動過程中的變化，MAC將繼續為集體工作人員提供提示，以便從更高的命令中進行修改。此外，隨著后續MDMP的發生，MAC將建議對行動環境的演變進行修改。這種迭代過程將持續到該司部署完成，在這種情況下，數據集被分析并適應未來的系統。策劃的數據集將被適當地分類細化，以考慮到以前用戶的反饋，隨著時間的推移創造一個更好的系統。

技術權衡

隨著任何技術的使用，人類從根本上適應于更好地發揮其效用。人類與現今移動設備的互動和依賴最能證明這種認知適應。在尼古拉斯-卡爾的著作《淺灘》中，他討論了由于我們與個人計算設備的互動，人類的注意力持續時間更短，專注能力受阻。隨著人工智能和戰役層面規劃的融合，軍事規劃人員有可能變得依賴技術提供的速度和易用性。這種可能性類似于世界上對谷歌查找信息的依賴（速度和易用性）與深入思考和記憶信息的技能萎縮之間的相關性。在任何一種情況下，美國陸軍都面臨著規劃人員在師級高度競爭和嚴酷環境中適應能力下降的風險。然而，使用退化的系統進行訓練可以減輕這種風險。此外，規劃人員在較低層次上仍將使用沒有人工智能的MDMP，從而保留了模擬規劃的技能。另一個風險是計劃人員各梯隊之間面對面的合作可能減少，因為系統以電子方式拉動和存檔OPORD信息。這種影響類似于電子郵件通訊的增加和實際通訊的減少之間的關聯。這些影響都是不可避免的，但并不嚴重妨礙軍事規劃的進行。事實上，這些風險是值得的，因為將人工智能整合到作戰層面的規劃中，可以提高效率、速度和準確性。

8 結論

人工智能比以往任何時候都更傾向于社會規范。這項技術幾乎伴隨著人類生活的每個方面。深度強化學習和專家系統技術的進步正在使私人企業激增。然而，美國軍隊只是見證了人工智能力量的一小部分。隨著其他發達國家對人工智能技術的投資成倍增長，美國正在落后于創新曲線。如果不增加、逐步將人工智能納入軍事規劃單元和作戰規劃團隊，那么作戰過程將不會對未來產生有利影響。此外，美國陸軍站在見證一個戰場，讓我們的認知能力無法規劃、準備和執行，適應使用MDMP的行動。

通過人工智能的能力來分析MDMP，這項研究確定了通過部分融合獲得的潛在效率和積極表現。人工智能技術應逐步整合到陸軍師級MDMP中，以發揮其能力。目前的人工智能技術可以支持MDMP的某些方面，但只有在為軍事用途做了具體的調整之后。未來的研究應該調查目前在戰斗環境中使用人工智能技術的陸軍跨職能小組的擴展情況，以便將規劃過程納入其范圍。最后，研究應該調查人工智能在所有作戰功能中的好處。

該研究項目的目標是開發高效的大規模非線性優化算法，以解決通信和導航方面的數據分析問題。這些問題被公認為在數學上具有挑戰性，并與空軍的利益直接相關。

在資助期間，我們成功研究了兩個研究方向。首先，我們設計了大規模非線性優化問題的最佳一階方法。在這個方向上，我們提出了兩個一階方法，可以對決策變量進行近似梯度更新。這兩種方法都可以解決分散通信的多Agent優化所產生的非線性優化問題。通過將多代理優化重新表述為約束性問題，我們開發的方法可以以最佳梯度/操作者評估復雜度來解決問題。我們開發的方法也可用于解決圖像重建問題。

第二，我們分析了機器學習模型中的解決方案質量和安全問題。在這個方向上，我們完成了兩個研究結果。我們的第一個成果是關于在多集群環境下，從二元結果的條件邏輯回歸模型中計算出來的估計值的屬性。我們表明，當每個單獨的數據點被無限次復制時，來自該模型的條件最大似然估計值漸進地接近最大似然估計值。我們的第二個結果是關于安全的矩陣乘法問題，我們設計了一種準確和安全地進行分布式矩陣乘法的方法。我們的安全協議可以確保在進行這種矩陣乘法的通信過程中沒有任何信息被泄露。

兩名博士生作為研究生研究助理得到支持，并在執行期間接受培訓。擬議項目的成果包括四篇學術期刊論文。一篇論文已經發表，另一篇正在進行第二輪審查，另外兩篇正在準備，不久將提交發表。[1-3]

全球正在積極努力實現足夠大的可控量子處理器。這些量子設備是通過量子算法指定量子信息的操作來進行編程的。這項博士研究為量子加速器架構的設計要求提供了一個應用角度。早期的量子算法特別關注通過利用量子現象在計算資源成本方面的優勢的理論研究。隨著小規模的量子處理器的出現，現在的重點是應用量子算法來開發在社會、工業和科學領域具有高影響力的應用。目前還沒有可以執行量子算法的量子設備，可以為現實世界的用例展示可證明的優勢。然而，一個概念驗證的應用管道可以在一個模擬器框架上展示。本論文的研究問題是確定量子計算高影響的長期應用，并制定相應的邏輯。研究了三個具體的用例。

用例1涉及 "量子加速的基因組序列重建"。更快的測序管道將促進新的下游應用，如個性化醫療。研究了兩種不同的重建方法，即從頭參考比對和從頭讀取組裝，以確定計算的瓶頸。在量子搜索和啟發式量子優化的基礎上，分別提出了相應的量子技術。明確設計了一種新的算法，即量子索引雙向關聯存儲器（QiBAM），以解決DNA序列的近似比對要求。我們還提出了量子加速序列重建（QuASeR）策略來進行新的組裝。這被表述為一個QUBO，并在門模型模擬器上使用QAOA解決，以及在量子退火器上解決。

用例2涉及 "算法信息的量子自動機"。一個基于算法生成模型的因果推理框架被開發出來。這種量子加速實驗算法信息理論（QEAIT）的技術可以普遍地應用于不同領域。具體到基因組分析，提出了識別能夠自我復制的比特串的問題。我們開發了一種新的量子電路設計，即量子并行通用線性有界自動機（QPULBA）模型。這使得經典模型/程序的疊加可以被執行，并且可以探索它們的特性。該自動機將普遍分布準備為量子疊加狀態，可以查詢到該狀態以估計因果模型的算法特性。

用例3涉及 "量子環境中的通用強化學習"。這個理論框架可以應用于自動科學建模。提出了一個通用的人工智能形式體系，可以對量子過程進行建模。所開發的量子求知智能體（QKSA）是一個用于遞歸自我改進的進化的通用強化學習模型。它使用資源約束的量子過程層析算法的算法復雜性。決定最優策略的成本函數被實現為量子內部的變異基因。個體智能體的效用函數是基于預測和感知環境之間選定的量子距離測量。

這篇論文研究了量子計算和算法信息的基礎技術并開發了創新應用。這些具體應用于基因組學和強化學習的因果模型。對這些跨學科概念之間的協同作用的進一步探索將提高我們對計算、智能、生命和宇宙學等各種科學學科的理解。

量子技術將量子物理學的原理轉化為技術應用。總的來說，量子技術還沒有達到成熟的程度；然而，它可能對未來的軍事傳感、加密和通信，以及對國會的監督、授權和撥款有重大影響。

1 量子技術的關鍵概念

量子應用依賴于一些關鍵概念，包括疊加、量子比特（qubits）和糾纏。疊加是指量子系統同時存在于兩個或多個狀態的能力。量子位是一種利用疊加原理來編碼信息的計算單元。(經典計算機用比特編碼信息，這些比特可以代表0或1的二進制狀態，而量子計算機用量子比特編碼信息，每個比特可以同時代表0、1或0和1的組合。因此，量子計算機的功率隨著每個量子比特的增加而呈指數級增長）。

美國國家科學院（NAS）將糾纏定義為 "一個系統中的兩個或更多的量子對象可以有內在的聯系，從而使對一個對象的測量決定了對另一個對象可能的測量結果，無論這兩個對象相距多遠"。糾纏是量子技術的一些潛在軍事應用的基礎。然而，由于量子狀態的脆弱性，疊加和糾纏都很難維持，它們可能會被微小的運動、溫度變化或其他環境因素所破壞。

2 量子技術的軍事應用

美國國防科學委員會（DSB），一個獨立的國防部（DOD）科學顧問委員會，已經得出結論，量子技術的三種應用對國防部來說最有希望：量子傳感，量子計算機，和量子通信。DSB的結論是，量子雷達，假設能夠識別物體的性能特征（例如，雷達截面，速度）--包括低可觀察性，或隱形飛機--"不會為國防部提供升級的能力"。

2.1 量子傳感

量子傳感在傳感器內使用量子物理學原理。根據國防部的說法，這是量子技術最成熟的軍事應用，目前 "準備用于任務"。量子傳感可以提供一些增強的軍事能力。例如，它可以提供替代性的定位、導航和計時選項，理論上可以使軍隊在GPS退化或GPS否認的環境中繼續全力以赴地工作。

此外，量子傳感器有可能被用于情報、監視和偵察（ISR）的作用。這種傳感器的成功開發和部署可能會導致潛艇探測的重大改進，并反過來損害海基核威懾力量的生存能力。量子傳感器還可以使軍事人員探測地下結構或核材料，因為它們預計 "對環境干擾極其敏感"。量子傳感器的敏感性同樣有可能使軍事人員探測到電磁輻射，從而增強電子戰能力，并有可能協助定位隱蔽的對手部隊。

2.2 量子計算機

根據美國國家航空航天局的說法，"量子計算機是唯一已知的計算模型，可以提供比今天的計算機更高的指數級速度。" 雖然量子計算機處于相對早期的發展階段，但其中許多進展是由商業部門推動的，可能對人工智能（AI）、加密和其他學科的未來產生影響。

例如，一些分析家認為，量子計算機可以使機器學習（人工智能的一個子領域）取得進展。這種進步可以刺激改善模式識別和基于機器的目標識別。這反過來又能促成更精確的致命自主武器系統的發展，或能夠選擇和打擊目標的武器，而不需要人工控制或遠程操作。啟用人工智能的量子計算機有可能與量子傳感器配對，以進一步加強軍事ISR應用。

此外，量子計算機有可能解密存儲在加密媒體上的機密或受控非機密信息，使對手能夠獲得有關美國軍事或情報行動的敏感信息。一些分析家指出，要打破目前的加密方法，可能需要在量子計算方面取得重大進展。他們的估計表明，要破解目前的加密方法，需要一臺具有約2000萬個量子比特的量子計算機；然而，目前最先進的量子計算機一般不超過256個量子比特。

量子計算機的實際應用可能只有在錯誤率提高和新的量子算法、軟件工具和硬件開發之后才能實現。雖然正如NAS所指出的，"不能保證[這些技術挑戰]將被克服"，但一些分析家認為，能夠破解當前加密方法的初始量子計算機原型可能在2030至2040年的時間框架內開發出來。出于這個原因，NAS得出結論："后量子密碼學的開發、標準化和部署對于最大限度地減少潛在的安全和隱私災難的機會至關重要"。(在部署后量子密碼學之前截獲的信息將不會受到保護)。

2022年5月，拜登政府發布了《關于促進美國在量子計算方面的領導地位，同時減少對脆弱的密碼系統的風險的國家安全備忘錄》（NSM-10），其中 "指示各機構在美國開始將脆弱的計算機系統遷移到抗量子密碼學的多年過程中采取具體行動"。NSM-10指出，國家標準和技術研究所所長和國家安全局局長正在制定并預計在2024年之前公開發布抗量子密碼學的技術標準，此外還列舉了一個國家 "在2035年之前盡可能多地緩解量子風險的目標"。

2.3 量子通信

量子通信--不包括量子密鑰分配（[QKD]，將在下文中討論）--正處于一個新興的發展階段。量子通信在理論上可以實現量子軍事傳感器、計算機和其他系統的安全聯網，從而提高單個量子系統或經典通信網絡的性能。聯網還可以加強這些系統在射程上的穩健性，從而擴大它們可以部署的潛在環境（即在維持脆弱的量子狀態通常需要的實驗室環境之外）。這可以大大擴展量子通信的軍事用途。

量子密鑰分配是量子通信的一個子集，它利用量子物理學原理對信息進行加密，然后通過經典網絡發送。QKD實現了安全通信，在傳輸過程中不能被秘密截獲。(然而，QKD通信可以在目前長距離傳輸所需的中繼站被截獲）。據報道，中國正在大力投資QKD，并在2016年完成了北京-上海約1250英里的量子網絡的建設。然而，DSB的結論是："QKD的實施還沒有足夠的能力或安全性來部署給國防部的任務使用。"

3 資金和最近的立法活動

國會已經考慮了量子技術的管理和影響。例如，2019財年國防授權法（NDAA）（P.L. 115-232）第234條指示國防部長--通過國防部研究與工程副部長行事--與私營部門和其他政府機構協調，執行量子技術研究和開發計劃。

此外，FY2020 NDAA（P.L. 116-92）第220條要求國防部制定使用量子技術的道德準則，以及支持量子勞動力和減少與量子技術相關的網絡安全風險的計劃。它還授權每個軍事部門的部長建立量子信息科學（QIS）研究中心，可以 "與適當的公共和私營部門組織合作"，以推進量子研究。迄今為止，海軍已指定海軍研究實驗室作為其QIS研究中心，而空軍已指定空軍研究實驗室作為空軍和太空部隊的QIS研究中心。陸軍說它目前不打算建立一個QIS研究中心。

2021財年NDAA（P.L. 116-283）第214條指示各部門編制并每年更新一份量子計算機在未來一到三年內可能解決的技術挑戰清單。該清單目前包括量子化學、優化和機器學習。第214條還指示各部門與中小型企業建立項目，為政府、工業和學術研究人員提供量子計算能力，以應對這些挑戰。第1722條指示國防部對量子計算機帶來的風險以及當前的后量子密碼學標準進行評估。

最后，2022財年NDAA（P.L. 117-81）第105條指示總統通過國家科學技術委員會建立量子信息科學的經濟和安全影響小組委員會，而第229條指示國防部長 "建立一套活動，以加速開發和部署雙重用途的量子能力"。

國防部在最近的預算請求中沒有提供量子研究的細目；然而，根據數據分析公司Govini，國防部在2021財政年度要求為量子技術和研究提供約6.88億美元。

4 給國會的潛在問題

• 目前量子技術軍事應用的成熟度需要多少資金？如果有的話，美國政府應該在多大程度上投資和研究能夠實現量子軍事應用的技術（例如，材料科學、制造技術）？

• 量子技術的商業進展在多大程度上（如果有的話）可以被用于軍事應用？

• 美國競爭者在開發量子技術的軍事應用方面的努力有多成熟？如果有的話，這種努力在多大程度上可以威脅到美國的先進軍事能力，如潛艇和隱形飛機？

• 正在采取哪些措施來開發抗量子加密技術和保護用現有方法加密的數據？

• 如果有的話，美國應該采取什么措施，以確保量子勞動力足以支持美國在量子技術方面的競爭力？