美第38任司令官在他的《司令官規劃指南》中，責成美海軍陸戰隊在教育和訓練中更多地采用兵棋推演。鑒于其他類型的決策游戲，如戰術決策游戲（TDG）和決策強制案例（DFC），往往不清楚為什么需要使用這種技術來練習決策。雖然這些其他決策教育工具在磨練估計、命令和相應理由的溝通方面有其優勢，但兵棋推演的主要優點在于玩家必須在不斷展開的情況下做出更多的決策。

關鍵詞：專業軍事教育，PME，嚴肅游戲，嚴肅戰爭游戲，教育游戲，軍事判斷，決策，機動戰爭

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。

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。

簡介

"贏得戰斗的將軍在戰斗開始前做了許多計算。戰敗的將軍事先幾乎沒做什么計算"。來自：孫子《孫子兵法》（【夫未戰而廟算勝者，得算多也；未戰而廟算不勝者，得算少也。多算勝，少算不勝，而況于無算乎？吾以此觀之】）

兵棋推演

"兵棋推演是一個有規律的過程，它的規則和步驟試圖將行動的流程可視化，考慮到部隊的力量和部署、威脅、能力和可能的COA、作戰區平民的影響和要求以及局勢的其他方面。" 來自：戰地手冊（FM）6-0 《指揮官和參謀部組織與行動》，2014年5月5日。

本手冊的目的不是要重復關于COA分析的條令。本手冊側重于三個項目。第一，如何改進和發展可視化的認知技能，這是COA分析（兵棋推演）的一個關鍵組成部分；第二，利用現成的兵棋推演改進COA分析的行動、反應和反行動裁決的方法和行為；第三，關于培訓工作人員的想法。

為什么要關注COA分析？在所有的作戰訓練中心（CTCs）和其他訓練活動中，它被認為是軍事決策過程（MDMP）中工作人員最困難的一個步驟。此外，將現成的兵棋推演納入參謀部培訓有助于更好地理解如何運用規則和判斷，在行動、反應和反擊過程中真實地裁定結果。

COA分析（兵棋推演）是MDMP的第四步，可以說是最關鍵的一步，因為它將指揮官的計劃從概念變為細節，并使部隊的戰斗力與行動同步。最近對多個單位執行決定性行動訓練環境輪換和任務指揮訓練計劃（MCTP）的作戰人員演習（WFXs）的觀察表明，從營到師的參謀部都沒有有效地進行兵棋推演。參謀部在將事件在時間和空間上可視化方面受到挑戰。另外，在MDMP方面，缺乏對參謀人員的堅實培訓計劃。這導致了向下屬單位發布不完整的計劃，整個陸軍作戰職能部門缺乏共同的理解，以及行動中所有機動和支援要素的同步性差。

以下是來自機動部隊CTC、MCTP WFXs和培訓的觀察：

• 參謀人員在到達CTC后沒有接受過MDMP的培訓。通常情況下，參謀人員在輪換前只進行過一到兩次MDMP的培訓。相反，離開指揮和總參謀部學院（CGSC）的少校在畢業前已經進行了8至14次MDMP的反復訓練。這個重復次數可以成為部隊在部署前的一個現實目標。

• 批判性思維只能在客觀分析中獲得--在這種情況下是基于理論的分析（兵棋推演）--并將這種分析應用于戰術問題。在參謀部演習、指揮所演習、計劃演習等方面進行更多的重復訓練和套路是有幫助的。然而，參謀們認為他們沒有時間進行重復訓練。因此，反恐委員會的輪訓成為他們唯一的學習環境。單位沒有足夠的重復訓練來建立一個有經驗的參謀團隊。

• 邏輯、推理和視覺化是工作人員進行COA分析所需的關鍵認知技能。在時間和空間上對戰斗進行可視化是至關重要的。一般來說，友軍和敵軍有相同的物理限制。通過理解這一概念，參謀部可以從邏輯上推斷出完成任務需要哪些部隊，以及指揮官必須做出的決定。

• 只有有限的參謀部成員了解COA分析的過程（XO、S-2、S-3和火力支援官）。不幸的是，許多工作人員不了解他們在COA分析中的作用，這又與MDMP培訓有關。

• COA遠遠不夠完整，因此，很難分析。大多數進入分析步驟的工作人員都不了解敵方和友方的COA。一般來說，往往只有S-2和S-3參與這些產品的創建。它們不是工作人員同步的產品。

• 參謀長、負責戰略計劃的副參謀長（G-5）和XO并沒有分配足夠的時間來進行COA分析。根據理論，三分之一的規劃時間應專門用于COA分析（與任務分析的時間分配相同）。

• 參謀部在進行COA分析之前要努力 "收集工具"。最有價值的工具是指揮官決策產品、決策支持矩陣和決策支持模板。

• 參謀部缺乏執行兵棋推演的理論基礎。只有XO或S-3可能知道COA分析（戰爭演習）的理論基礎，因為他們是軍事教育4級。參謀部沒有一個規劃標準操作程序（SOP）來解決每個作戰功能（WfF）/工作人員代表的規劃要求。指揮官不經常參與規劃時間表，以確保他們的工作人員執行兵棋推演。旅級工作人員也在當前行動、未來行動和計劃單元之間糾結。因此，規劃的范圍變得模糊不清，參謀們四處奔波，把兵棋推演留給了一個骨干團隊。參謀部的軍士們沒有參與到兵棋推演中，但他們是寶貴的資產，應該接受培訓并融入到這個過程中。在分析COA時，參謀軍士在尋找現場分歧方面有很多貢獻。

問題在于培訓和教育單位的工作人員，使他們成為高性能的團隊。實戰中的共識是，從CGSC畢業的戰地級軍官了解MDMP的學術步驟，包括COA分析（兵棋推演）。然而，建立任何團隊的困境是整合個人成員，使他們了解他們在團隊中的位置和方式，以及他們如何為共同目標做出貢獻。例如，M240機槍手個人了解如何用他的M240裝彈、清理、照顧和攻擊目標。然而，他不知道這種武器是如何在小隊中被使用以支持整體任務和目的的。機槍手必須了解他的班長是如何思考和行動的，火力小組是如何行動的，以及SOP和戰斗演習是什么，這樣他就知道什么時候應該解除或轉移火力等。只有在學習了SOP和戰斗演習后，并在多次實戰問題中進行練習，先不使用實彈，然后使用實彈，他才會成為團隊中不可或缺的一員。

這對參謀部來說也是一樣的。像任何單位一樣，參謀部必須對其成員進行單獨和集體的培訓和教育，"......幫助指揮官了解情況，作出決定，并將這些決定同步納入一個全面發展的計劃或命令......在COA開發和COA比較期間，參謀部提供建議，支持指揮官選擇COA "。

除了培訓之外，還有重復或練習的成分，這有助于將工作人員磨練成一個高績效的團隊。觀察表明，由于時間的關系，COA分析往往是匆忙的，或者根本沒有做。就像 "實踐出真知 "這句格言一樣，一個經常演練MDMP并不斷優化他們計劃和發出命令條件的工作人員，將更有可能滿足大規模作戰行動的高操作節奏。COA分析類似于任何集體技能，如果不進行持續的訓練和演練，是容易消亡的。因此，本手冊的目的是提供關于如何發展個人和工作人員的想法，以便他們能夠在MDMP期間更好地進行COA分析。

本手冊包括提供額外信息的補充資源，以協助教育和培訓工作人員。

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。

目的

1.《兵棋推演手冊》的目的是為兵棋推演提供背景和指導。它的設計主要是為了介紹這個主題；它不是一本詳細的手冊或從業人員的技術指南。

內涵

2.最近的作戰挑戰促使人們重新關注兵棋推演在國防決策和創新中可以發揮的作用。世界各國都在進行兵棋推演，并對自己的兵棋推演能力進行投資。《兵棋推演手冊》旨在解釋兵棋推演對各級國防部門的重要性。

范圍

3.《兵棋推演手冊》描述了如何利用兵棋推演來探討國家戰略、戰略、作戰和戰術層面以及所有領域和環境中的問題。它討論了如何將兵棋推演應用于教育和培訓、規劃和行政決策。

受眾

4.《兵棋推演手冊》面向所有國防人員，特別是將兵棋推演作為其職責一部分的人員、兵棋推演發起人以及負責設計和執行兵棋推演的人員。次要受眾是其他政府部門、相關非政府組織和私營部門的成員，國防人員可能會與他們合作。

結構

5.《兵棋推演手冊》由四章和兩個附件組成。

• 第1章--介紹兵棋推演，簡要介紹了兵棋推演的歷史，并解釋了其效用和關鍵術語及定義。

• 第2章--兵棋推演的基本原理，介紹了有效兵棋推演的準則以及關鍵人員的作用和責任。

• 第3章--兵棋推演的類型、變體和背景討論了兵棋推演的不同變體以及如何分類。

• 第4章--兵棋推演過程描述了提供兵棋推演所需的步驟，從設計到執行再到總結經驗。

• 附件A包含了最近的案例研究，說明兵棋推演是如何被應用于國防問題的。

• 附件B提供了建議的進一步閱讀和與兵棋推演有關的機構的鏈接。

【標 題】

Wargaming in Professional Military Education: Challenges and Solutions

職業軍事教育中的兵棋推演：挑戰與解決方案

【作 者】

美國海軍陸戰隊埃里克·沃爾特斯（Eric M. Walters）上校（退役）

【摘 要】

鑒于強調在專業軍事教育中使用兵棋推演，學校、作戰部隊和支持機構的教官——尤其是那些本身沒有經驗的兵棋推演者——如何去做呢？本文解釋了在經驗豐富專家的幫助下，為選定、修改或內部設計的嚴格兵棋式推演制定理想的學習成果的必要性。總結了最近的相關學術成果，它提供了促進協作對話的基本術語和概念，并就這種動態和沉浸式教學方法的常見但可避免的陷阱提供了建議。

【正 文】

對于那些認為兵棋推演不僅僅是一種娛樂消遣的人來說，商業兵棋推演曾經是——而且可以說仍然是——一種小眾愛好。在 20 世紀和 21 世紀初的歷史中，只有相對較小比例的軍人和學者經常進行所謂的嚴格式兵棋推演。過去，這一想法受到制度性的抵制，在職業軍事教育（PME）中使用一些人認為是兒童游戲的東西；雖然最近這種恥辱感有所減輕，但對于外行來說，兵棋推演的學習障礙仍然很高。兵棋推演可能很難學習，甚至更難戰勝有能力的對手。然而，我們已經到了 2021 年，軍事兵棋推演似乎正在 PME 學校、作戰部隊甚至支持機構中復活。海軍陸戰隊司令大衛 H. 伯杰將軍在他的指揮官規劃指南中，強調了在 PME 中練習軍事決策的必要性，這是教育兵棋推演的主要目的。但一個事實仍然存在。對于那些有興趣使用和設計兵棋推演來教授軍事判斷力的人來說，這種教學方法似乎很難有效實施。學術界的成功案例涉及作戰部隊中已經是兵棋推演者的教授、教官和海軍陸戰隊領導人。不是兵棋推演者但教軍事決策的人如何弄清楚要使用什么兵棋推演？如何使用它？各種可用游戲的優點和局限性是什么？整合兵棋推演和課程有哪些挑戰，如何克服這些挑戰？本文旨在幫助那些不熟悉兵棋推演的人定位，并就在教授決策中的軍事判斷時使用它們的經過驗證的最佳實踐提供建議。

提 綱

1 教育者如何使用游戲來教學生？
1.1 了解戰術、作戰和戰略中力量、空間和時間之間的關系
?1.2 在兵棋推演中模擬現實“決策環境”以解決決策困境
?1.3 在兵棋推演環境中體驗摩擦、不確定性、流動性、無序和復雜性的交互動力學
1.4 鍛煉創造性和批判性思維：準備、參與和分析兵棋推演活動

2 哪種類型的兵棋推演最適合學習目標？
?2.1 角色扮演游戲 (RPG)
? ?2.2 研討會矩陣游戲
2.3 系統游戲
?2.4 紙牌游戲

3 哪種情況最適合使用——歷史情景還是假設情景？

4 兵棋推演教學——挑戰與解決方案
?4.1 克服設計偏見
?4.2 時間和復雜性的挑戰
?4.3 對教師要求的考慮
?4.4 兵棋推演支持單位教育和凝聚力

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