在本文中，我們討論了如何將人工智能(AI)用于政治-軍事建模、仿真和兵棋推演，針對與擁有大規模殺傷性武器和其他高端能力(包括太空、網絡空間和遠程精確武器)國家之間的沖突。人工智能應該幫助兵棋推演的參與者和仿真中的智能體，理解對手在不確定性和錯誤印象中行動的可能視角、感知和計算。人工智能應該認識到升級導致無贏家的災難的風險，也應該認識到產生有意義的贏家和輸家的結果可能性。我們將討論使用幾種類型的AI功能對建模、仿真和兵棋的設計和開發的影響。 我們在使用或沒有使用AI的情況下，根據理論和使用仿真、歷史和早期兵棋推演的探索工作，討論了基于兵棋推演的決策輔助。

1 引言

在本文中，我們認為（1）建模、仿真和兵棋推演（MSG）是相關的調查方法，應該一起使用；（2）人工智能（AI）可以為每個方法做出貢獻；（3）兵棋推演中的AI應該由建模和仿真（M&S）提供信息，而M&S的AI應該由兵棋推演提供信息。我們概述了一種方法，為簡潔起見，重點是涉及擁有大規模毀滅性武器（WMD）和其他高端武器的國家的政治-軍事MSG。第2節提供了我們對MSG和分析如何相互聯系的看法。第3節通過討論20世紀80年代的系統來說明這一點是可行的。第4節指出今天的挑戰和機遇。第5節簡述了結構的各個方面。第6節強調了在開發人工智能模型和決策輔助工具方面的一些挑戰。第7節得出了結論。在本文中，我們用 "模型"來涵蓋從簡單的數學公式或邏輯表到復雜的計算模型的范圍；我們用"兵棋"來包括從小型的研討會練習（例如Day-After練習）到大型的多天、多團隊的兵棋推演。

2 建模、仿真、推演和分析的集成視圖

MSG可以用于廣泛的功能，如表1所示。每種功能都可以由每個MSG元素來解決，盡管相對簡單的人類活動，如研討會兵棋和Day-After練習已被證明對后兩個主題具有獨特的價值。

通常形式的M&S和兵棋推演有不同的優勢和劣勢，如表2前三欄中的定型。M&S被認為是定量的、嚴格的和 "權威的"，但由于未能反映人的因素而受到嚴重的限制。M&S的批評者走得更遠，認為M&S的 "嚴格 "轉化為產生的結果可能是精確的，但卻是錯誤的。在他們看來，兵棋推演糾正了M&S的缺點。M&S的倡導者則有不同的看法。

我們確實認識到并長期批評了正常建模的缺點。我們也從兵棋推演中受益匪淺，部分是通過與赫爾曼-卡恩（P.B.）、蘭德公司和安德魯-馬歇爾的長期合作，但兵棋推演的質量從浪費時間甚至起反作用到成為豐富的洞察力來源。雖然這種見解在沒有后續研究的情況下是不可信的，但來自建模的見解也是如此。

我們本文的一個論點是，這種刻板印象不一定是正確的，我們的愿望（不加掩飾的崇高）應該是表的最后一欄--"擁有一切"，將建模、仿真和推演整合在一起。圖1顯示了一個相應的愿景。

這種理想化的活動隨著時間的推移，從研究、兵棋推演、軍事和外交經驗、人類歷史、人類學等方面開始（第1項），匯集關于某個領域（例如印度-太平洋地區的國際安全問題）的知識。這就是對棋盤、行動者、潛在戰略和規則書的定性。

兩項工作的進行是不同步的。如圖1的上半部分，兵棋推演在進行中，為某種目的而結構化。無論圖中的其他部分是否成功執行，這都可能獨立發生。同時，M&S以游戲結構化模擬的形式進行。隨著時間的推移，從M&S和兵棋推演中獲得的經驗被吸收，使用人工智能從M&S實驗中挖掘數據（第4項），以便為后續周期完善理論和數據（第5項）。在任何時候，根據問題定制的MSG都會解決現實世界的問題（第7項）。如同在淺灰色的氣泡中，人類團隊的決策輔助工具（項目6a）和智能體的啟發式規則（項目6b）被生成和更新。有些是直接構建的，但其他的是從分析實驗和兵棋推演中提煉出來的知識。有些智能體直接加入了人工智能，有些是間接的，有些則根本沒有。圖1鼓勵MSG活動之間的協調，盡管這種協調有時可能是非正式的，可能只是偶爾發生。

圖1的意圖可以在一個單一的組織中完成（例如，敏感的政府內工作）和/或在智囊團、實驗室、私營企業、學術界和政府中更開放的持續努力計劃中完成，就像圖2中的DARPA研究稱為社會行為建模實驗室（SBML）。在任何一種情況下，這種方法都會鼓勵多樣性、辯論和競爭。它也會鼓勵使用社區模塊來組成專門的MSG組件。這與專注于一個或幾個得天獨厚的單一模型形成鮮明對比。直截了當地說，這個愿景是革命性的。

3 歷史證明

圖1的愿景的一個靈感是20世紀80年代的蘭德公司戰略評估系統（RSAS）（附錄1指出了文件）。為了回應美國防部關于更好地利用兵棋推演進行戰略分析的要求，由卡爾-鮑爾領導的蘭德公司團隊提出了自動化兵棋推演，它將利用那個時代的人工智能、專家系統，但它將允許可互換的人工智能模型和人類團隊。這導致了一個多年的項目，我們中的一個人（P.K.D.）在1981年加入蘭德公司后領導這個項目。

該項目從深入設計開始，保留了可互換團隊和人工智能智能體的開創性想法，但也包括一個靈活的全球軍事模型；與人工智能有關的新概念，如替代的紅方和藍方智能體，每個都有彼此的模型；代表其他各方的綠方智能體，有簡單的參數化規則子模型；紅方和藍方智能體在做決定前做 "前瞻 "的能力；以及 "分析性戰爭計劃"--代表軍事指揮官的自適應插槽式腳本人工智能模型。該設計還預計：多情景分析，納入 "軟因素"，如定性的戰斗力，以及人工智能模型的解釋能力。圖3勾勒出高級RSAS架構。整個80年代都在實施。蘭德公司將RSAS用于國防部的研究，例如，歐洲的常規平衡和常規軍備控制的建議，并將其出口到各政府機構和戰爭學院。聯合參謀部收到了RSAS，但事實證明連續性是不切實際的，因為一旦有適當才能的官員學會使用它，他們就會被提升到其他任務。

盡管RSAS在技術上取得了成功，但它在某些方面還是領先于時代。一方面，其創新的全球作戰模型被廣泛接受并用于分析和聯合兵棋推演。它成為聯合綜合作戰模型（JICM），在過去的30年中不斷發展，現在仍在使用。另一方面，RSAS的人工智能部分除了用于演示外，很少在蘭德公司之外使用。大多數指導RSAS工作的政府辦公室對政治層面的問題沒有興趣，如危機決策、戰爭路徑或升級。少數人有興趣，這導致了蘭德公司的研究，但在大多數情況下，他們的需求可以通過相對簡單的兵棋推演來解決，包括事后演習（Roger Molander，Peter Wilson）。此外，完整的RSAS是昂貴、復雜和苛刻的。更為普遍的是，隨著蘇聯的解體，美國防部對兵棋推演的興趣驟然下降。

幸運的是，事實證明有可能實現 "去粗取精"：用人工智能智能體進行類似RSAS的模擬，可以通過非常簡單的模型和游戲獲得一些重要的見解，正如最近未發表的用對手的替代形象進行核戰爭的工作中所說明的。

RSAS在某種程度上納入了表2最后一欄的大部分想法，所以它顯示了可行性。也就是說，它可以作為某種存在的證明。然而，那是在冷戰時期，采用1980年代的技術。今天能做什么？

4 挑戰與機遇

4.1 國家安全挑戰

今天的國際安全挑戰遠遠超出了冷戰時期的范圍。它們呼喚著新的兵棋推演和新的M&S。新的挑戰包括以下內容。

• 1、多極化和擴散

現在的世界有多個決策中心，他們的行動是相互依賴的。從概念上講，這將我們置于n人博弈論的世界中。不幸的是，盡管諸如公地悲劇和食客困境等現象可以用n人博弈論的語言來描述，而且平均場理論有時也可以作為一種近似的方法來使用，但似乎n人博弈的復雜的解決方案概念還沒有被證明是非常有用的。由于種種原因，這種解決方案并沒有被廣泛采用。商學院的戰略課程很少使用這些技術，國防部的智囊團也很少將這些技術納入他們的M&S中。可能是現實世界的多極化太過復雜，難以建模，盡管在戰略穩定方面已經做出了一些努力。就像物理學中的三體問題一樣，n方系統的行為甚至可能是混亂的。我們還注意到，隨機混合策略在n人博弈中通常發揮的作用很小。同樣，在計算其他玩家的行動時，可能有很多內在的復雜性，以至于隨機化產生的一層額外的不確定性對我們理解未來的危機動態沒有什么貢獻。

與1980年代相比，有更多的國家擁有大規模殺傷性武器（即印度、巴基斯坦、朝鮮），甚至更多的國家擁有大規模破壞性武器。網絡作為一種戰略武器的加入，使問題進一步復雜化。在這里，人工智能可能有助于理解事件。作為一個例子，假設一支核力量受到攻擊，使其用于電子控制的電力系統癱瘓（由于分散和防御，這可能并不容易）。一支導彈部隊只能在短時間內依靠備用電力系統執行任務。大國肯定意識到自己和對手的這種脆弱性。在商業電力領域，人工智能對于在電力中斷后向需求節點快速重新分配電力資源變得非常重要，例如2021年發生在德克薩斯州的全州范圍內的冰凍溫度。

• 2、多維戰爭

武器裝備的變化擴大了高端危機和沖突的維度，如遠程精確打擊和新形式的網絡戰、信息戰和太空戰。這意味著卡恩很久以前提出的44級升級階梯現在必須被更復雜的東西所取代，正如后面6.3節中所討論的。

• 3、有限戰略戰爭的可行性

一個推論被低估了，那就是現在的世界比以前更加成熟，可以進行有限的高端戰爭--盡管更熱衷于威懾理論的人有相反的斷言--其中可能存在有意義的贏家和輸家。在考慮俄羅斯入侵波羅的海國家、朝鮮入侵韓國等可能性時，這一點變得很明顯。出現的一些問題包括俄羅斯對 "升級-降級 "戰略（北約冷戰戰略的俄羅斯版本）的依賴，以及網絡戰爭和攻擊空間系統的前景。因此，觀察到更多國家部署跨洋范圍的精確打擊武器也是麻煩的。即使是曠日持久的“有限”戰略戰爭現在也可能發生，盡管如第6.3節所討論的那樣，升級很容易發生。

• 4、盟友和伙伴之間的目標沖突

今天的美國安全伙伴有著不同的重要利益和看法。北約在整個冷戰期間表現出的非凡的團結，在現代危機或沖突中可能無法重現。在亞太地區，朝鮮和韓國、中國、日本、臺灣、印度和巴基斯坦之間的矛盾關系是危機中困難的預兆。所有這些國家都有通過使用太空、網絡空間或區域范圍內的精確武器進行升級的選擇。

這里的總體問題是，聯盟仍然非常重要，但今天的聯盟可能與冷戰時期緊繃的街區不同。我們可能正在進入一個類似于20世紀初的多極化階段。第一次世界大戰爆發的一個因素是，柏林認為倫敦不會與法國一起發動戰爭，在歐洲阻擊德國。這導致人們相信，戰爭將類似于1871年的普法戰爭--有限、短暫，而且沒有特別的破壞性。甚至法國在1914年8月之前也不確定英國是否會加入戰爭。這種對自己的盟友會做什么的計算，對穩定至關重要。這里的不確定性確實是一個具有巨大意義的戰略問題。

4.2 技術挑戰與機遇

在考慮現代分析性兵棋推演的前景時，新的技術機會比比皆是。下面的章節列出了一些。

• 1、基于智能體的建模

基于智能體的建模（ABM）已經取得了很大的進展，對生成性建模尤其重要，它提供了對現象如何展開的因果關系的理解。這種生成性建模是現代科學的革命性發展。與早期專家系統的智能體不同，今天的智能體在本質上通常是追求目標或提高地位的，這可能使它們更具有適應性。

• 2、人工智能

當然，更普遍的人工智能研究比ABM要廣泛得多。它提供了無限的可能性，正如現代文本中所描述的那樣。我們在本文中沒有多加討論，但是在考慮M&S的未來，以及兵棋推演的決策輔助工具時，最好能有長篇大論的章節來論述有時被確認的每一種人工智能類型，即反應式機器、有限記憶的機器、有限自動機、有自己的思維理論的機器，以及有自我意識的機器。這在這里是不可能的，這一限制也許會被后來的作者所彌補。

• 3、聯網

聯網現在是現代生活的一個核心特征，人與人之間、組織與組織之間都有全球聯系。數據是無處不在的。這方面的一個方面是分布式兵棋推演和練習。另一個方面是在線游戲，甚至到了大規模并行娛樂游戲的程度，對這些游戲的研究可能產生國家安全方面的見解。這類游戲并不"嚴肅"，但在其中觀察到的行為可能暗示了在更多的學術研究中無法認識到的可能性和傾向性。

• 4、模塊化和特制的模型構成

現在，建立獨立有用的模型（即模塊）并根據手頭問題的需要組成更復雜的結構是有意義的。這種組合與國防部歷史上對標準化的大型綜合單體模型的偏愛形成鮮明對比。在不確定因素和分歧普遍存在的情況下，這種標準化的吸引力要小得多，比如在更高層次的M&S或兵棋推演中。模塊化設計允許帶著對被建模的東西的不同概念。這可以打開思路，這對預見性是很有用的，就像避免驚訝或準備適應一樣。也有可能將替代模型與數據進行常規比較，部分用于圖2中建議的常規更新。另外，模塊化開發有利于為一個特定的問題插入專業性，這是2000年中期國防部研討會上建模人員和分析人員社區推薦的方法。

• 5、數據驅動的人工智能/機器學習

今天，AI一詞通常被用來指機器學習（ML），這只是AI的一個版本。ML已經有了很大的進步，ML模型通常可以準確地擬合過去的數據，并找到其他未被認識到的關系。一篇評論描述了進展，但也指出了局限性--提出了有理論依據的ML版本，在面向未來的工作中會更加有效，并強調了所謂的對抗性人工智能，包括擊敗對手的深度學習算法的戰術。

• 6、深度不確定性下的決策

規劃的概念和技術取得了根本性的進展，在深度不確定性下的決策（DMDU）的標題下討論。這從 "優化 "最佳估計假設的努力，轉向預期在廣泛的可能未來，也就是在許多不確定的假設中表現良好的戰略。在過去，解決不確定性問題往往是癱瘓的，而今天則不需要這樣。這些見解和方法在國防規劃和社會政策分析中有著悠久的歷史，應該被納入人工智能和決策輔助工具中。

設計"永遠在線"的系統，并不斷提高智能。從技術上講，大多數國防部的MSG都是人工智能界所謂的"轉型"。該模型或游戲有一個起點；它運行后會報告贏家和輸家。可以進行多次運行，并將結果匯總，以捕捉復雜動態中固有的差異。較新的人工智能模型的設計是不同的，它所模擬的系統是 "永遠在線的"。這被稱為反應式編程，與轉化式編程不同。這些系統永遠不會停止，并且不只是將輸入數據轉化為輸出數據。例子包括電梯系統和計算機操作系統。國防方面的例子包括網絡預警系統，導彈預警系統，或作戰中心。這些都不會"關閉"。防御系統正變得更加反應靈敏，所以必須用模型來表示它們。這一點在1980年代RSAS的更高級別的紅方和藍方智能體的設計中已經預見到了，它們會在事件發生后'醒來'，并對局勢和選項進行新的評估，而不是繼續按照腳本行事。

在轉換型模型中，環境中的事件可能會觸發程序按順序采取某種行動。反應式模型則不同。程序在環境中同時做出改變。他們一起改變，或幾乎一起改變。國防工作的一個有趣的例子涉及自主武器。人類和機器決策之間的界限已經模糊了，因為在一個反應式系統中人和機器之間的互動可能是連續和交織的。反應式系統是美國、中國和俄羅斯國防投資的一個主旨。無人機群和網絡預警系統將如何在M&S和兵棋推演中得到體現？除非表述恰當，否則相關人工智能模型在模擬中的價值可能會適得其反。

然而，這僅僅是個開始。隨著機器擁有更好的記憶和利用它們所學到的東西，以及它們納入世界理論，包括對手的思想理論，人工智能將如何變化？一個令人擔憂的問題是，正如Yuna Wong及其同事所討論的那樣，對人工智能的更多使用將增加快速升級的前景。這方面的風險對于專注于最大化某些相對量化措施，而不是更多的絕對結果及其定性評價的人工智能來說尤其高。以冷戰時期的經驗為例，執著于誰會在全球核戰爭中以較高的核武器交換后比率 "贏得"的分析是危險的。幸運的是，決策者們明白，結果將是災難性的，沒有真正的勝利者。即使是1983年電影《兵棋》中的計算機約書亞也明智地得出結論："核戰爭。一個奇怪的游戲。唯一的勝利之舉就是不玩。來一盤漂亮的國際象棋如何？無論約書亞體現的是什么人工智能，它都不只是關于如何通過數字贏得一場娛樂游戲的ML。

5 體系結構

5.1 功能要求

為現代分析性兵棋推演開發一個完整的架構超出了本文的范圍，但建議一些方向是可能的。圖4勾勒了一個頂層架構，表3則更詳細地提出了各種特征。圖4認識到，在考慮許多可能的危機和沖突時，需要深入關注至少三個主要的行為者，以解決當前時代的危機和沖突。一個例子可能是朝鮮、韓國、美國和中國。圖4還要求對軍事模擬采取模塊化方法。

如表3所示，1980年代RSAS的一些特征可能會延續到現代化的版本。然而，許多其他特征應該有很大不同。我們認為表3是討論的開端，而不是終點。

5.2 在巨大的不確定性和分歧中探索性分析的局限性

由于在我們的討論中，為大規模的場景生成、探索性分析和不確定性下的決策做準備是很突出的，因此需要強調兩個重要問題：

• 只有當模擬在結構上是有效的（即只有當模型本身是有效的），不同參數值的探索性分析才是有用的。

• 從探索性分析中得出的結論可能會有問題，當所研究的案例（情景）的可能性不一樣，它們的概率是相關的，但沒有很好的基礎來分配概率分布。

• 1、模型驗證

正如其他地方所討論的，模型的有效性和數據的有效性應該分別對描述、解釋、后預測、探索和預測進行定性。另外，必須根據特定的問題和背景來判斷它們。參數化方法有很長的路要走，但模型的不確定性常常被忽視，需要更多的關注，正如最近的一篇文章中所討論的那樣。攜帶目標和價值非常不同的對手模型只是這樣做的一個例子。

• 2、從探索性分析中得出結論

關于在不知道案件的相對概率的情況下如何使用探索性分析這個令人困擾的問題，我們建議探索性分析至少在表4中說明的目的上很可能有價值，這些目的都不需要概率。對于每一個例子，探索的目的是找到可能性（如脆弱性或機會），促使采取措施來防止它們，預測它們，或準備相關的適應措施。如果存在一個關鍵的漏洞，就應該修復它，無論它被利用的概率 "看起來 "是低還是高（如果它的概率被知道是很小的，那將是另外一回事）。

6. 決策輔助和人工智能

本節討論了在思考建模和兵棋推演的人工智能和決策輔助工具時出現的一些問題。首先討論了決策輔助功能。接下來討論了在設想使用人工智能的ML版本來利用大規模場景生成時的一個挑戰。最后一節討論了開發 "認知人工智能 "和相關決策輔助工具所涉及的基本挑戰之一。

6.1 兵棋推演的決策輔助

• 1、通用功能

如果我們根據我們所看到的對玩家的重要性，而不是對人工智能提供者的興奮點來詢問決策輔助工具的主要功能，那么一些關鍵的功能就會如表5所示。

從科幻小說中，我們可能期望現代游戲的決策輔助工具是高度計算機化的，并由人工智能以相對個性化的形式提供信息，就像艾薩克-阿西莫夫的機器人或電影《2001》中不那么邪惡的計算機哈爾9000。然而，作者迄今為止的經驗是，在游戲中 "幫助 "人類的努力往往被證明是適得其反的，阻礙了本質上人類的自由討論。事實上，這些努力有時會因為分散注意力而使玩家生氣。考慮到這一點，我們分別討論了實用的短期決策輔助工具和更具推測性的長期目標。

• 2、決策輔助工具的近期目標

表6提供了我們對第一欄所示的簡單決策輔助工具的價值的主觀估計，從低到高。這些都不涉及人工智能。相反，最有價值的輔助工具是具有簡潔的檢查表、信息表或圖表的簡單視圖。評估區分了不同類型的游戲或演習，也區分了玩家之前是否接受過決策輔助工具訓練的游戲。這些評價是在蘭德公司與韓國國防分析研究所合作進行的一些兵棋推演實驗后制定的。

關于簡單決策輔助工具的另一個數據點是蘭德公司同事開發的（但尚未出版）的 "奇怪的游戲"。這是一個關于核使用的高效兵棋推演，玩家代表一個戰區指揮官，通過選擇適當的卡片來進行游戲。該游戲建立了決策輔助工具，包括目標類別和評估選擇何種目標的簡單線性算術。

作為近期決策輔助工具的最后一個例子，最近的一個原型研究采用了一種低技術的方法來進行人類演習，考慮如何在危機和沖突中影響對手。該方法涉及一種定性的方法，即不確定性敏感認知模型（UCM），如圖5所概述。這些機制都是定性的，通過真實或虛擬的白板和互動軟件進行展示和討論。它們包括因素樹、表示有限理性的Red替代模型、影響圖以及戰略明顯優缺點的表格比較。沒有一個涉及人工智能。很明顯，人工智能甚至不會有幫助。也許這是一個重要的洞察力，也許這反映了想象力的不足。現在讓我們來看看長期的情況。

• 3、人工智能增強決策輔助工具的長期雄心

從長遠來看，可能會有更多的東西，我們應該從科幻小說、電子娛樂游戲、甚至主要電視網絡對新出現的選舉結果的實時討論中尋找靈感。僅僅舉例說明在不遠的將來可能出現的功能，在每一個功能中，人工智能系統都會對查詢作出反應。

• 一個團隊口頭命令對 "成功之路 "進行探索性分析，包括是否有某一盟友的堅定合作。

• 一個小組詢問，鑒于最近發生的事件，對手的哪些替代模型仍然是可信的。人工智能報告反映了依賴于主觀可能性函數的貝葉斯式分析，這些函數已被更新以反映最近的歷史。

• 一個考慮有限升級的團隊詢問了潛在的反應。人工智能幫助器顯示了在以前的兵棋推演中觀察到的反應，玩家被認為很好地代表了實際的決策人。它還確定了在模擬中反應不好的條件（在下一節中討論），從而強調了條件的哪些方面需要特別注意以避免災難。

這些猜測是最低限度的，只是為了激發人們對人工智能如何在決策輔助方面發揮作用的更多創造性思維。這個領域是開放的，從某些類型的人工智能的名稱中可以看出，從反應型機器到具有有限記憶、內置心智理論和自我意識的機器，這個領域是開放的，甚至更加明顯。一些主要人物，如珀爾和麥肯錫，自信地預計后者將包括意識本身。然而，那是未來的事了。佩爾將目前的機器人描述為 "像鼻涕蟲一樣有意識"。也就是說，蜂群武器很快就會像鳥群、魚群和昆蟲一樣有 "意識"。

讓我們接下來談談涉及人工智能與M&S的一些棘手問題。它們涉及到哪些人工智能決策輔助工具是可行的。

6.2 用于大規模場景生成的ML的問題

如前所述，機器學習類人工智能（AI/ML）有可能通過挖掘大規模場景生成的結果來尋找洞察力。然而，成功取決于（1）模擬的質量和（2）用于搜索結果的方法。

• 1、模擬的內容是否豐富到足以代表基本的復雜性？

大量場景生成的成果可能是有用的，也可能是反作用的，這取決于基礎模型是否足夠豐富，結構上是否符合探索的目的。在研究可能的高端危機時，如果基礎模型假設了完美的理性、認知、聯盟關系，并專注于例如核武器的交換后比率作為結果的衡量標準，那么一百萬種情景的數據庫有什么用呢？對于軍事技術目的，如部隊規劃，可能有價值，但對于威懾或預測實際沖突中的問題，甚至是嚴肅的精英兵棋推演，可能沒有價值。

模型建立者所面臨的挑戰的某些方面是眾所周知的，如認識到對決策者（性格、人格、健康）的替代概念的需要，認識到錯誤認知的可能性，以及允許卡尼曼和特沃斯基的前景理論和其他心理現象所描述的那種非理性決策。應對這些挑戰，至少可以說是困難重重，但至少挑戰是被認可的。

相比之下，軍事模擬和社會行為模擬的一個骯臟的小秘密是，工作場所的模型通常不會產生黑天鵝事件、不連續現象或各種突發現象，而這些現象是研究復雜適應性系統的核心要素，在現實世界和一些大型游戲中都會出現，比如20世紀50年代的 "精英 "高級冷戰兵棋推演。原因有很多，但通常是由于模型是 "腳本化的"，而不是基于智能體的，或者--即使它們確實有智能體--沒有給智能體足夠的多樣性、自由度和激勵來產生現實的適應性行為，以及不允許有長尾分布的隨機性。在這些問題上做得更好，對社會行為模擬來說是一個巨大的挑戰，特別是對那些打算與現實兵棋推演相聯系的模擬來說。一些成分包含在復雜的兵棋推演中，因此人們可以觀察到，例如，聯盟的解體和新集團的建立，在團隊看來，這更符合他們的國家利益。今天的模擬通常不允許這樣做。從推測上看，我們認為至少有兩條路可以做得更好。如果可以預見感興趣的突發現象（比如上面的聯盟問題），那么就可以建立適當的對象，模擬可能會識別出何時引導它們出現或消失。但是，最重要的突發現象（包括一些在兵棋推演中出現的現象）可能無法被預期。盡管我們并不聲稱知道什么是必要的，但我們從過去的復雜性研究的經驗中觀察到，突發現象的產生往往是因為復雜的自下而上的互動、多樣性和隨機事件。然而，傳統的高層政治軍事模擬并不具備這些特征。它們的價值在很大程度上是由于它們代表了更高層次的實體和過程，大致與系統動力學的模型相類似。我們的結論是，在前進的過程中，重要的是開發多分辨率的模型系列和將它們相互聯系的方法。例如，一個更高分辨率的基于智能體的模型可能有適應性的智能體，用于所有卷入危機或沖突的國家。仿真實驗可能會發現（就像人類游戲一樣）上面提到的那種突發行為，例如聯盟的偶爾解散、側翼切換和新的便利聯盟的出現。這將是''洞察力''，然后可以導致在更高層次的模型中添加新的智能體，根據模擬中的情況激活或停用的智能體。然而，這將需要類似于最近一本關于社會行為建模的書中所討論的 "自我感知的模擬"，特別是伊爾馬茲的那一章，他設想的計算可以監測自己的狀態，并在必要時改變自己的結構，還有一章是作者之間關于出現的辯論。

• 2、從大規模場景生成中提取洞察力

如果模擬足夠豐富，那么有意義的大規模場景生成是可能的。但然后呢？對模擬數據進行探索性分析的一個核心挑戰是了解如何評估不同情況的相對重要性。一種方法是分配主觀的概率分布，但哪里能找到能夠可靠地估計概率的專家，而不在前面加上諸如 "嗯，如果明天像過去一樣 "的評論。現實上，專家并不是預測或概率的好來源，Tetlock及其同事已經深入討論過了。

一種變通的方法是報告結果的頻率（以百分比計算），例如，好或壞。這可以通過全因子設計或使用蒙特卡洛抽樣來完成。不幸的是，存在著滑向討論"可能性"而不是百分比的趨勢，即使案例的可能性不一樣。另外，在MSG的背景下，這種類型的展示掩蓋了這樣一個現實，即行為者不斷尋找他們將獲得重大優勢的情景空間的模糊 "角落"。因此，在模擬中不經常觀察到的情況可能正是發展中的情況。

我們建議的方法是避開明確的概率分配，而是 "尋找問題"或 "尋找成功"。也就是說，當探索性分析產生的大量數據時，人們可能會尋求找到結果非常好、非常壞或其他的條件。這在關于穩健決策（RDM）和DMDU的文獻中被稱為情景發現。

更進一步，我們敦促人工智能以 "聚合片段"的形式得到提示，其動機來自理論、簡單模型和主題領域的專業知識。一個例子可能是 "沖突開始時的準備狀態"。對于戰略預警時間、戰術預警時間、領導層特征、先前的軍事準備狀態和動員率的巨大不同組合，其數值可能是相同的。也就是說，這個變量是許多微觀初始狀態的集合。另一個例子（假設有合適的智能體）可能是危機發生時的心理狀態，其值包括偏執狂、冷靜和理性以及自信的攻擊性。

鑒于足夠豐富的模擬和理論為人工智能在探索性分析中提供了提示，我們懷疑人工智能可以在識別 "完美風暴 "的情況等活動中完成大量工作--不是為了預測它們，而是為了注意要避免的條件，就像在簡單的兵棋推演中以低技術方式完成的那樣。

• 3、從大規模數據收集中提取洞察力

另一個ML應用可以從關于對手行動的大規模情報收集中為兵棋推演和M&S創建算法，例如那些潛艇或地面移動導彈。曾經需要幾個月或幾年的時間來收集和分析的東西，現在可能在很短的時間內就能得到，產生可用于兵棋推演或M&S的操作程序的算法。作為一個類比，考慮獲得關于駕駛安全的洞察力。今天最深刻的洞察力來自保險公司（Progressive, GEICO），它基于可下載的軟件，跟蹤個人操作者：他們的速度，左轉的數量，加速模式，等等。這些數據可以與信用評分和其他數據整合。其結果可以是個性化的保險費率。這樣的數據分析已經是今天的現實。應該有類似的軍事和MSG影響。當然，有一些必然是分類的，對于本文的政治軍事重點來說，其意義不如MSG的其他應用。

6.3 認知 AI 和相關決策輔助的問題

上面的討論集中在ML式的人工智能上，但所需要的豐富的模擬必須有智能體以更像人類的方式進行推理，這種東西可以被描述為認知型人工智能。在這一點上，決策邏輯使用的因素和推理與人類喜歡相信的東西相似，是他們實際行為的基礎。

1980年代RSAS的紅方和藍方智能體是早期的例子。他們利用廣泛接受的升級階梯結構來描述核危機和沖突中的情況、選擇和決策選擇。

今天，我們需要新一代的更高層次的決策模型，但不存在升級階梯的替代品。也許也不會找到替代品。當從兩方博弈到甚至三方博弈時，復雜性大大增加。一個替代的概念必然會更加復雜--更像是一個n維網格而不是一個階梯--因為升級可能不僅涉及核武器及其目標的數量，還涉及與網絡戰爭、太空戰爭和精確射擊的戰略使用有關的數量、強度和目標。

圖6簡單說明了這一概念，結合了幾個維度，以便人為地顯示只有三個維度的結果。它顯示了一個說明性的情景，開始是一場溫和的常規戰爭（第1項），但隨后依次過渡到嚴重的網絡攻擊（第2項），更廣泛地使用精確制導導彈（PGMs）（第3項），有限的核使用（如箭頭所示的核升級）（第4項），甚至更具破壞性的使用PGMs（如針對大壩和發電廠）。 例如，針對水壩和電網）（第5項），也許大規模殺傷性武器的水平略有提高（也許只是為了以牙還牙），以及全面核戰爭（第6項）。然而，今天，對于某種特定的攻擊會出現在某一軸線上，以及行為者是否會有相同的評估，并沒有共同的理解。不僅"客觀"的答案充其量是短暫的，認知很可能取決于路徑，取決于國家，并受到隨機影響。規劃的一個核心問題是核武近鄰國家之間的長期非核戰爭是否可信。由于常規戰爭和核戰爭的指揮和控制系統的糾纏，這些問題變得更加麻煩。似乎預測模型，無論是否基于人工智能，都不在考慮之列，盡管產生值得擔心的合理情況的模型應該在考慮之列。

對于那些尋求建立認知型人工智能模型以代表危機中的國家決策者的人來說，可能還會列出更多的挑戰，但我們希望我們的例子能吸引眼球。

7 結論與建議

本文的主要建議是推薦一個研究議程，將建模、模擬、游戲和分析視為相關的和相互交織的。在這樣一個綜合的觀點中，兵棋推演的人工智能將通過使用模型的分析來了解，這些模型包括包含了部分由兵棋推演提供的人工智能智能體。例如，這將導致具有類似于兵棋推演決策助手的人工智能智能體，以及更復雜的算法。它將導致基于兵棋推演的決策輔助工具，它將類似于將有理論依據的ML應用于由探索性分析產生的 "數據"，這些探索性分析來自于利用決策智能體形式的AI的M&S。

關于人工智能本身，我們對今天的ML中常見的一些做法提出警告。我們注意到缺乏關于未來危機和沖突的可靠的信息性經驗數據。此外，我們強調，在決策輔助工具和模型中使用的智能體中，都需要解釋。這表明我們更傾向于由認知模型構成的人工智能，即使ML被用來填充和調整該結構。

最后，我們敦促對兵棋推演（包括小規模的活動，如事后演習）和模型所提出的問題要非常謹慎。模型、模擬、游戲和分析仍然是不完美的，有時甚至是明顯不完美的，但我們有可能很好地利用它們來解決許多問題，也就是說，提高決策的質量。預測可能性有很大的潛力；可靠的預測則沒有。

俄羅斯國防部利用軍事預測為其長期規劃提供信息。自20世紀60年代以來，俄羅斯的軍事分析對一個國家發動戰爭的能力進行了全面評估，這些評估超越了武器和編隊。俄國防部利用這種預測來回答：（1）未來戰爭的可能性和特點是什么；（2）俄羅斯和其潛在對手之間的軍事潛力的相關性是什么？

在本報告中，作者利用一個既定的框架來研究與軍事預測有關的關鍵指標，以深入了解這些問題的答案。

本報告作者審查的俄羅斯軍事科學和學術研究發現，軍事潛力（國家權力）的相關性--一個包括政治、經濟、科學技術和常規武裝力量指標的廣泛衡量標準--現在和將來都會偏向于西方的美國和北大西洋公約組織（NATO）以及亞太地區的美國和日本。能夠改善俄羅斯競爭地位的因素是將中國納入軍事潛力的關聯中，以及美國以有利于其利益的方式管理國際體系的能力可能降低。

俄羅斯目前的軍事評估和預測沒有發現美國有對俄羅斯發動大規模戰爭的意圖的跡象。俄羅斯在什么條件下可能采取先發制人的軍事行動，冒著與軍事潛力超強的對手開戰的風險，仍然是一個沒有答案的問題。

##主要結論

• 鑒于雙方之間巨大的軍事潛力不平衡，北約聯盟的持續凝聚力將可能迫使俄羅斯在不對北約使用武力的情況下解決政治不滿。

• 北約的凝聚力至少給俄羅斯帶來了三個行動問題。首先，俄羅斯將不得不與一個共同擁有優勢軍事潛力的國家集團作戰，而這些國家在發生長期沖突時可能被證明是決定性的。第二，北約的凝聚力可能會迫使俄羅斯在整個歐洲發動攻擊，從而使聯盟的分裂更不可能發生。第三，北約的凝聚力可以暴露出俄羅斯相對有限的遠程常規彈藥庫存（戰略非核威懾潛力）。遠程常規能力對于排除利用大片歐洲領土流入更多部隊并對俄羅斯部隊發動攻擊至關重要。

• 在未來20年里，俄羅斯可能會尋求避免與中國和西方同時發生對抗關系，這可能會抑制其外交政策決策的靈活性。

• 俄羅斯軍事戰略的當前和未來發展將從相對于美國及其盟國的整體弱勢地位出發。

• 最后，本報告中使用的框架為評估對俄羅斯的威懾力提供了一個有用的方法。例如，由于該框架強調戰略非核能力的威懾價值，美國和盟國在遠程精確彈藥方面的優勢程度為衡量對俄羅斯軍事侵略的威懾水平提供了一個關鍵的輸入。

這本書回答了你可能從未想過要問的問題，比如說：

• 羅納德-里根和博比-肯尼迪有什么共同點？（他們都參加了最高機密的兵棋活動。）
• 珍珠港在周日早上被空襲過幾次？(至少三次；第一次是在1932年，由美國海軍在一次實戰演習中進行，然后在1941年10月由日本帝國海軍在一次作戰規劃兵棋中進行，最后在1941年12月7日由 "日本帝國的海軍和空軍"進行。）
• 文明和兵棋推演哪個先來？ (一個詭異的問題：文明和兵棋推演似乎在同一時間和地點開始。)

這篇序言回答了關于本書的三個重要問題：為什么要閱讀它，為什么寫它，以及它是如何創建的。

1 為什么要閱讀本書？

如果你只是想讀一些既有娛樂性又能 "節省時間 "的書，那就有足夠的理由去讀這本書。一路上，你將了解到H.G.威爾斯最不準確（或者，我們希望是最不成熟）的預測。你會遇到軍事上的特立獨行者，并了解你可能認為自己已經知道的歷史事件的其余部分。

如果你在軍隊中服役，并希望以較低的時間和財富成本履行你的職責，你應該閱讀這本書。如果你是一名新兵，一名高級將領，或一名政治任命者，你會在這本書中找到與你的水平相關的見解。

如果你是一位家長，關注電子游戲中暴力程度和你的孩子所處的競爭日益激烈的世界，這本書是為你準備的。我描述了父母如何利用兵棋推演來幫助他們的孩子發展戰略思維和有效競爭的能力。

如果你是一名選民，希望對國防有更好的了解，這本書告訴你許多關鍵決定是如何做出的。

如果你的業務是商業，這本書描述了類似兵棋的技術在這個世界上越來越廣泛的使用。當企業不僅要與街邊的公司競爭，還要與遠在地球另一端的政府擁有的公司競爭時，商人們需要他們能得到的一切優勢。本書中描述的技術可以提供一個重要的優勢。

如果你有興趣幫助建立一個更繁榮、更和平的世界，你會在我的結論中發現一個論斷：雖然兵棋長期以來被用來使勝利更有可能，但它們也有可能幫助使和平更持久。

2 為什么寫本書？

我開始寫這本書是出于一個功利性的原因：1997年，我需要一本空軍指揮和參謀學院選修課的兵棋推演教材。出于不同的原因，我一直在寫這本書。隨著我對兵棋推演歷史的研究，我越來越相信，兵棋是一個非常強大的工具。兵棋對我們今天所處的世界形態產生了巨大的影響，有好有壞。不幸的是，那些對兵棋推演本身產生重大影響的人不僅不為大眾所知，而且在很大程度上也不為今天的軍隊所知。這讓我覺得既不公正又危險。我還觀察到，兵棋推演的藝術、科學和應用并不總是能傳給下一代。歷史似乎表明，當有效使用時，兵棋推演提供了強大的優勢，而關于棋的健忘癥則造成了更大的傷亡。

這導致了另一個認識——僅僅講述兵棋推演的故事是不夠的。即使這個故事說服了讀者進行兵棋推演，游戲本身也不能確保成功。從我的研究中可以看出，兵棋已經成為全球性的，我們的對手幾乎不可避免地也會進行兵棋推演。我需要寫一本書，幫助我方從兵棋推演中獲得比對手更多的價值。

在我努力完成這本書的過程中，我產生了一個最終的動機。我開始相信，兵棋——或者更廣泛地說，模擬游戲技術--可以成為實現其他目的的寶貴工具。類似兵棋技術可以幫助我們在經濟上更有效地競爭，使我們能夠承擔更有效的防御。最終，兵棋還可以幫助培養致力于一個更加和平和繁榮的世界的戰略家。

3 如何創建本書？

如果成功有一千個父親，這本書應該是非常成功的。1990年，我在 "起源 "兵棋推演會議上首次發表了關于兵棋推演歷史的演講。我經常從我的聽眾那里獲得線索。

此外，從1997年到2005年，我在空軍指揮和參謀學院教授兵棋推演選修課。我的教員、客座講師和學生提供了許多杰出的見解，這些見解塑造了我目前對兵棋推演潛力和一般游戲技術的想法。

然而，我從兵棋推演社區的年度聚會"聯結"的參與者那里得到了最寶貴的見解和鼓勵。自1993年以來，"聯結"將來自美國和世界各地的學術和娛樂性兵棋推演從業者以及各軍種的軍事人員聚集在一起。最后，我在美國和盟國軍隊中的同事，特別是美國空軍總部、空軍物資司令部和空軍研究實驗室，教會了我很多關于兵棋推演及其應用的知識。這本書確實是兵棋推演界的作品。

4 本書內容

導言以描述一個近期的兵棋開始，這個游戲塑造了我們今天所處的世界。接下來是對"兵棋推演101"描述，以便對原則和詞匯有一個基本了解。最后是基于案例總結了系統的使用歷史。

第一部分，"兵棋推演的歷史"，占據了本書的大部分內容，是本書的核心。它追溯了兵棋推演對歷史的影響，從最早的文明到現在的寫作時間。介紹了對兵棋推演有影響的人，以及反過來影響歷史的兵棋推演。

第二部分是收益，如何從兵棋推演中獲得最大價值。它解釋了為什么兵棋推演是有效的，以及領導者、實踐者和參與者如何能夠提高這種有效性。最后，它描述了人們，從父母到總統，如何使用兵棋推演來支持他們的特定需求。

結論以簡短的回顧開始，然后問道：我們希望兵棋在未來如何發展？然后，提出了一種兵棋發展方式，即從幫助贏得戰爭的工具發展到幫助首先避免戰爭的工具。該書最后說明了兵棋推演的作為避免戰爭工具的用途，以幫助實現最高形式的勝利--公正和持久的和平。

簡介

人工智能或其他先進技術將對我們的戰斗方式產生什么影響？眾所周知，新技術很難被納入現有的軍事行動概念中。有些什么都不改變，有些則改變一切。如何確定像人工智能或其他先進技術的整體影響是一項非常適合兵棋推演的任務。畢竟，兵棋推演者經常面向未來，并提供一個空間來研究。正如多位作者所指出的，缺乏實際技術并不妨礙在戰爭期間對未來技術的研究。

然而，人工智能可能代表了對兵棋設計的一個重大挑戰。人工智能可能與其他類型的技術有根本的不同，因為它涉及到兵棋所要解決的核心問題：決策？如果人工智能在做決策，那么玩家又有什么貢獻呢？

與以前的技術突破相比，表示人工智能最具挑戰性的部分可能是人工智能使人類決策者感到驚訝的能力。雖然人工智能系統在做決策，但它們并不是在做人類的決策。它們使用不同的手段得出的答案可能與人類的決策大不相同。這種改變決策的基本敘述的能力是人工智能給現代兵棋設計師帶來的重大挑戰。

方法

因為我們發現越來越需要在兵棋推演中展現人工智能和新興技術，這個工作組開始識別和理解與此相關的挑戰。我們的目標是確定問題的框架并描述潛在的解決方案。

工作組成員被要求制定方法來解決兵棋中的先進技術。建議的方法包括以下每種方法：

• 抽象化：兵棋裁判員不知道一項新技術將如何工作，所以要對所有相關的骰子進行+2。

• 模擬：裁判員相信新技術將以特定方式工作，玩家可以以這種方式使用該技術。

• 玩家：裁判員要求玩家定義該技術的工作方式。

• 主題專家：裁決者依靠主題專家來定義新技術可能如何工作。

• 機制：裁判員依靠兵棋機制來抽象和引導游戲（例如，矩陣游戲或chit pulls、隨機化和其他棋盤游戲機制等機制）。

• 角色扮演者：裁判員依靠玩家的行為，就像他們是新技術一樣，例如，玩家填補了人工智能的角色。

工作小組的參與者被要求考慮如何將這些或其他方法納入游戲中。為此，與會者向谷歌驅動器提交了論文，并參與了相關谷歌小組的討論。在會議之前，與會者合作改進每篇論文，并對進一步研究的主題提供反饋。

在 "連接2020 "的虛擬研討會上，工作小組的三名成員向與會者介紹了臨時結果，以征求反饋意見。在討論中，與會者總結了解決人工智能在戰爭游戲中使用的三種方法。

1.對人工智能進行建模。這種方法要求通過游戲中的一些程序來表現人工智能。

2.抽象人工智能。這種方法是通過技術等級或類似的方法來表現先進的技術。技術水平的差異由一個特定的規則集來管理。

3.如果各方都有人工智能，就忽略它。在研討會上，一些與會者質疑，如果沖突中的所有各方都能獲得人工智能或其他先進技術，那么這些技術是否應該得到特殊對待。

這些反饋意見已經酌情納入了提交的每篇論文中。會議結束后，與會者完善了他們的每篇論文，并向工作組提交了最終版本。

高水平的收獲

本報告并沒有對一開始提出的問題提供完整的答案。研討會上的討論以及工作組內部的討論都強調了在兵棋推演中表現未來技術的挑戰。然而，有幾個共同的主題出現了。

• 設計師是有創造力的人，幾乎可以適應任何技術或環境。使用常見的設計套路，如抽象、表現或模擬，可以創造出幾乎任何技術的游戲。

• 關鍵的限制是，隨著技術的發展，玩家的角色會發生變化。一個可能的路徑是，在一場以毫秒級時間尺度進行的戰爭中，玩家將從積極的參與者變成被動的觀察者，而在人類能夠做出反應的時候，戰爭已經結束。在這場戰爭中，游戲將是關于計劃和腳本的，擁有最佳計劃的一方在整體執行的幾秒鐘內獲勝。

• 人工智能將帶來獨特的挑戰，因為它的偏見和決策方式顯然是 "非人類的"。如果是這樣的話，設計師將需要與技術專家密切合作，仔細考慮他們想在游戲中如何表現人工智能。

除了更高層次的收獲之外，我們還要求與會者解決如何在游戲中表現技術的具體問題。在下面的論文中，你會讀到每個設計師對如何處理人工智能的方法。一些人采取了務實的方法，即通過抽象化或用人來表示人工智能，而另一些人則通過使用游戲理論的方法來建立裁決工具，從而推動了對話的發展。

本報告的組織

本報告的其余部分組織如下。我們將提交的每篇論文作為一個具體的章節來介紹。在適當的地方，我們將討論組和會議的意見作為腳注加入，供讀者進一步考慮。

最初的幾章概述了在解決將人工智能和其他先進技術納入兵棋推演的具體方法中所固有的挑戰。在這一討論之后，接下來的幾篇論文提供了在兵棋推演中表現人工智能和其他先進技術的一系列方法的概述。最后，我們討論了一些數學上的考慮，這些考慮可能使我們能夠解決人工智能所帶來的挑戰。

因此，流程是從一般到具體，從抽象到具體，以及從理論到具體。

摘要

本文探討了人工矩陣和研討會兵棋推演的裁決、數據收集和分析方法，以便作為一份參考文件，為未來的兵棋推演設計提供參考。其目的是不僅記錄各種方法的優點和局限性，而且提出一個分析性兵棋推演可以利用的框架來探索的問題。本文所使用的數據來自于關于所探討的主題的現有文獻，以及對兵棋推演從業者的采訪。

對國防和安全的意義

兵棋推演是探索不利問題的有效途徑，如反叛亂（COIN）行動或未來武器系統的影響。這一點至關重要，因為這些問題由于缺乏相關知識，很難通過常規研究方法進行探討。兵棋推演可以通過進行游戲所產生的主題專家之間的互動，對最復雜的問題產生洞察力。然而，要使兵棋推演有效地做到這一點，就要求它們有有效的設計，本文試圖將其作為一個資源庫。

1 引言

兵棋推演是根據預先確定的規則、數據和程序模擬沖突的某些方面的人類行為練習，旨在提供決策經驗或決策信息[1, 2]。本文著眼于后一種目的，因為它支持加拿大國防研究與發展（DRDC）的任務，即支持基于證據的決策。

兵棋推演可用于培訓和教育，但本文重點關注其作為分析工具的效用，通過對假設沖突情景的研究，深入了解國防規劃中的不利問題[3, 4, 5]。特別是，我們試圖了解人類在面對這種挑戰時的決策，特別是所選擇的行動方案，因為很少有其他工具可以研究人類決策是一個關鍵組成部分的問題[6]。

兵棋推演允許通過利用現有的主題專家（SMEs）提供洞察力來探索贊助商對未來問題的疑問[6]；通過在游戲過程中產生洞察力來探索解決方案[6]；以及通過分析有關玩家在面對這些問題時如何行動的數據，以辨別他們決策背后的基本原理[7]。洞察力的產生可以使人們更加了解一個特定的問題在現實生活中是如何表現的，以及如何應對它。此外，對玩家決策背后的理由的理解被認為是對人類在現實生活中如何行動的良好預測，從而允許對決策中可能被證明是致命的潛在缺陷進行分析[7]。

也就是說，兵棋推演必須被專門設計，以有效地產生探索問題所需的洞察力和數據[8]。這可能很困難，因為每個兵棋推演都是專門為解決贊助商的問題而設計的[9]，但是，如果能夠了解當前裁決、數據收集和分析方法的最佳實踐，包括其內在的優勢和局限性，就可以幫助設計。因此，本文探討了與上述方法相關的方法論，以便提供一份可以在未來兵棋推演設計中利用的參考文件。目的是記錄各種方法的優點和局限性，同時也提出一個框架，讓未來的分析性兵棋推演可以利用這個框架來探索惡性問題。

本文來自于對現有學術文章、游戲報告和會議記錄的文獻回顧。它還得到了美國、英國和加拿大的兵棋推演從業者的訪談數據的補充。此外，本文并不是對DRDC--作戰研究和分析中心（CORA）或其他機構的現行做法的批評；相反，它只是代表了某種可以補充現行做法的分析性兵棋推演框架。

《軍事中的人工智能和自主:北約成員國戰略和部署概述》報告以及相關文件《附錄A -國家概況》提供了人工智能和自主技術在北約盟國軍事中的作用的高層視圖。這是第一個專門針對北約國家軍事人工智能的學術研究。

該報告概述了每個北約國家在軍事人工智能方面的觀點和雄心，并概述了它們目前對人工智能技術的使用。在附錄A中，報告探討了每個國家在軍事和國防背景下與人工智能的接觸程度，審查了國家人工智能戰略和當前人工智能技術使用的公開來源。

本研究的策略含義如下:

鼓勵負責任的人工智能規范:作為一個基于共識的聯盟，北約在促進安全和軍事人工智能討論方面處于獨特地位，并有機會協調成員國之間的規范建設活動。

人工智能的采用:北約是一個有價值的機制，通過該機制，可以按需向成員國提供能力建設指導和更廣泛的援助。

協作增強抵御能力:加強聯盟合作可能使各國能夠利用能力建設努力，更好地應對與人工智能技術相關的安全挑戰。

維持集體防御:人工智能技術的能力差距不斷擴大，可能導致一些成員國在應對更快的沖突環境方面裝備相對不足，在這種環境中，對手越來越多地利用人工智能和自主系統。

關注未來的互操作性: 豎井式創新為聯盟提出了未來的互操作性挑戰，例如在跨國運營中共享數據和AI應用。

?標題
 On games and simulators as a platform for development of artificial intelligence for command and control

期刊
Journal of Defense Modeling and Simulation (JDMS)
美國國防建模與仿真學報

作者 Vinicius G. Goecks, Nicholas Waytowich, Derrik E. Asher, Song Jun Park, Mark Mittrick, John Richardson, Manuel Vindiola, Anne Logie, Mark Dennison, Theron Trout, Priya Narayanan, Alexander Kott

機構
美國陸軍研究實驗室

摘要
游戲和模擬器可以成為一個有價值的平臺，可以執行復雜的多智能體、多人、不完善的信息場景，與軍事應用有很大的相似之處：多個參與者管理資源并做出指揮資產的決策，以保護地圖的特定區域或中和敵方部隊。這些特征通過支持開發具有復雜基準的算法和快速迭代新想法的能力，而吸引了人工智能 (AI) 團體。人工智能算法在《星際爭霸II》等即時戰略游戲中的成功也引起了軍事研究界的關注，旨在探索類似技術在軍事對應場景中的應用。
本文旨在架起游戲與軍事應用之間的橋梁，討論了過去和當前游戲和模擬器以及人工智能算法如何適應模擬軍事任務，以及它們如何影響未來戰場方面所做的努力。
本文還研究了虛擬現實和視覺增強系統的進步如何在與游戲平臺及其軍事相似之處的人機界面中開辟新的可能性。

關鍵詞
人工智能、強化學習、兵棋推演、指揮控制、人機交互、未來戰場

論文 //www.zhuanzhi.ai/paper/71654e42b8904571dd62407e18db2827

今天介紹的是美國蘭德公司、耶魯大學聯合發表于The Journal of Defense Modeling and Simulation: Applications, Methodology, Technology（國防建模與仿真學報:應用、方法、技術）期刊的論文“Artificial intelligence for wargaming and modeling”。

摘要：

在本文中，討論了如何將人工智能 (AI) 用于與擁有大規模殺傷性武器和其他涉及太空、網絡空間和遠程精確度的高端能力的國家發生沖突的政治軍事建模、模擬和兵棋推演武器。人工智能應該幫助兵棋推演的參與者和模擬中的代理人了解在不確定性和錯誤印象下作戰的對手的可能觀點、看法和計算。人工智能的內容應該認識到升級的風險，導致沒有贏家的災難，但也有可能產生有意義的贏家和輸家的結果。我們討論了對設計和發展的影響使用多種類型的 AI 功能的模型、模擬和兵棋推演。我們還討論了使用模擬、歷史和早期兵棋推演的理論和探索性工作為兵棋推演決策輔助工具，無論有無人工智能。

關鍵詞：

人工智能，兵棋推演，建模與仿真，認知建模，決策，深度不確定性下的決策，海量場景生成，探索性分析與建模