魯御新 李宗一 張傳良

人工智能具有巨大的潛力。美國家人工智能安全委員會提出：“與人類相比，機器有著更加快速高效的觀察、決定和行動能力，這在任何一個領(lǐng)域都能提供改變世界的競爭優(yōu)勢”。關(guān)于將人工智能技術(shù)應(yīng)用到兵棋推演領(lǐng)域的優(yōu)點，美智庫相關(guān)研究認(rèn)為，“人工智能系統(tǒng)不僅實現(xiàn)了兵棋推演中許多流程的自動化，提高了效率，它們還使人和機器能夠以新穎的方式協(xié)同工作”。人工智能的崛起為兵棋推演帶來了前所未有的機遇，也將使兵棋推演發(fā)生顛覆性的變化。

人工智能在兵棋推演中的應(yīng)用案例

目前，人工智能技術(shù)已經(jīng)在部分方向上實現(xiàn)了成熟的應(yīng)用，但將人工智能應(yīng)用于兵棋推演這一垂直領(lǐng)域仍是一片藍(lán)海，相關(guān)研究大部分處在理論層面，同時也有小部分的實踐探索。

蘭德公司利用人工智能、仿真模擬技術(shù)支撐戰(zhàn)略戰(zhàn)役級兵棋推演。本次推演旨在探究以美國為主的北約如何在歐洲方向上應(yīng)對來自俄羅斯等主要戰(zhàn)略對手的威脅，聚焦作為北約成員國的波羅的海諸國，假設(shè)該地區(qū)在近未來（10年或更長時間后）出現(xiàn)威脅升級或沖突，并在這樣的背景下，通過人工智能、模擬仿真等技術(shù)進(jìn)行定量分析，測試北約相關(guān)作戰(zhàn)概念。其推演結(jié)論是：基于概率推理方法的人工智能技術(shù)，可在決策制定過程中向?qū)﹃噯T提供預(yù)估行動方案的成功率，有利于對陣員做出正確的決策。

美國聯(lián)合軍事職業(yè)教育計劃使用人工智能增強戰(zhàn)略級兵棋推演實驗。本次推演旨在驗證將人工智能模型應(yīng)用于戰(zhàn)略級兵棋推演的可行性，探究應(yīng)用人工智能進(jìn)行推演與傳統(tǒng)人工推演相比具有何種優(yōu)勢，探索將人工智能應(yīng)用于戰(zhàn)略兵棋推演對職業(yè)軍事教育具有怎樣的影響。本次推演基于一個城鎮(zhèn)供電系統(tǒng)遭受網(wǎng)絡(luò)攻擊而中斷的突發(fā)性事件，通過限制決策時間的方式，模擬現(xiàn)實中處置突發(fā)情況短暫的時間窗口。其推演結(jié)論是：第一，人工智能模型能夠與人類密切協(xié)作，在兵棋推演中輔助人類決策；第二，人工智能模型具備快速進(jìn)行決策推薦、全面分析場景要素、良好適應(yīng)動態(tài)問題的優(yōu)勢；第三，人工智能模型可以讓決策者更好地適應(yīng)復(fù)雜的網(wǎng)絡(luò)環(huán)境，從而在面對危機之前做好準(zhǔn)備。

蘭德公司戰(zhàn)術(shù)兵棋推演中配備人工智能情況下的雙方部隊初始配置

人工智能可以輔助創(chuàng)設(shè)更加擬真的推演情景

蘭德公司基于人工智能平臺開展戰(zhàn)術(shù)兵棋推演實驗。2020年9月，蘭德公司的研究人員推演了一場藍(lán)軍（美國）和紅軍（俄羅斯）連級作戰(zhàn)單元，利用由遙控/無自主能力戰(zhàn)斗車輛，以及具有人工智能與機器學(xué)習(xí)能力的AI使能戰(zhàn)斗車輛參與的戰(zhàn)術(shù)行動。推演嘗試了在桌面戰(zhàn)術(shù)兵棋推演中運用具體的、有代表性的人工智能和機器學(xué)習(xí)技術(shù)，并通過一系列的推演、分析和測試來全面研究人工智能和機器學(xué)習(xí)技術(shù)，初步洞察人工智能和機器學(xué)習(xí)技術(shù)運用于作戰(zhàn)車輛的潛能和局限性。推演設(shè)置了基準(zhǔn)場景及人工智能和機器學(xué)習(xí)場景，兩個場景的區(qū)別在于車輛的指揮與控制方式。其推演結(jié)論是：第一，與自主機器人戰(zhàn)車和有人車輛相比，遙控機器人戰(zhàn)車存在容易被利用的明顯劣勢；第二，人工智能和機器學(xué)習(xí)能力可以集成到戰(zhàn)術(shù)級地面作戰(zhàn)兵棋推演；第三，這種操作員和工程師聯(lián)合參與的兵棋推演，有利于需求方和采購方充分明確開發(fā)人工智能和機器學(xué)習(xí)系統(tǒng)的需求和工程指標(biāo)。

人工智能應(yīng)用于兵棋推演的優(yōu)勢特點

為何要在兵棋推演中應(yīng)用人工智能技術(shù)？將人工智能應(yīng)用于兵棋推演會呈現(xiàn)出什么樣的優(yōu)勢？為回答這些問題，國外各科研部門、高校、智庫進(jìn)行了廣泛、深入的研究與實踐。

人工智能可以輔助創(chuàng)設(shè)更加擬真的推演情景。在設(shè)計兵棋推演情景時，設(shè)計人員通常需要添加增強情景擬真度的元素，但通過人工或預(yù)設(shè)算法進(jìn)行添加耗時費力，且在復(fù)現(xiàn)復(fù)雜情景時效果欠佳。將人工智能技術(shù)應(yīng)用于兵棋推演情景設(shè)計，能夠?qū)崿F(xiàn)更為優(yōu)良的擬真度。一是利用人工智能針對指定的情景快速生成內(nèi)容。目前ChatGPT（一種自然語言處理人工智能模型）、Stable Diffusion（一種人工智能繪畫模型）等一系列人工智能模型的出現(xiàn)，證明了人工智能生成內(nèi)容的技術(shù)已較為成熟，人工智能生成內(nèi)容的風(fēng)格高度類似人類創(chuàng)作，因此可以依托人工智能深化、補充兵棋推演相關(guān)情景，進(jìn)一步強化參與者的沉浸感，使參與者能夠做出更貼合現(xiàn)實的決策。二是依托人工智能實現(xiàn)情景的自動化運行。推演情景中，部分無須人工控制的實體可交由人工智能自主運行，保證推演高效、連貫的同時，還能實現(xiàn)更為豐富的變化，進(jìn)一步還原真實作戰(zhàn)環(huán)境的復(fù)雜程度。

人工智能可以賦能人類對陣員的計算和決策。人工智能技術(shù)為處理模糊和不確定性問題提供了全新可能性，這使得計算機強大的算力可以更有機地融入兵棋推演中，大幅提升推演效率，節(jié)約對陣員的時間和精力，從而讓對陣員能夠推演更多的內(nèi)容，或?qū)⒆⒁饬性陉P(guān)鍵問題上。一方面，人工智能依托計算機技術(shù)，在兵棋推演中可以進(jìn)行毫秒級的分析，輔助對陣員決策；另一方面，人工智能能夠直接識別計算機的語言，能夠不依賴專業(yè)技術(shù)人員，讓對陣員做到與計算機直接交互，從而提高推演整體的運行效率。

人工智能能夠提供更高質(zhì)量的決策建議。人工智能的內(nèi)在邏輯和算法基礎(chǔ)有助于生成更高質(zhì)量的策略，在兵棋推演中，人工智能在某些方面能夠媲美一名經(jīng)驗豐富的顧問，為人類對陣員提供高質(zhì)高效的決策建議。一是大量訓(xùn)練數(shù)據(jù)為人工智能決策提供了大樣本量。相較于一般經(jīng)驗水平的人類對陣員，人工智能在進(jìn)行決策時具備顯著的樣本量優(yōu)勢，這一優(yōu)勢為人工智能生成的策略帶來了更高的可推廣性，往往能更好地反映真實的作戰(zhàn)情況。二是算法機理賦予了人工智能先天優(yōu)勢?，F(xiàn)階段運用到兵棋推演的人工智能算法中，普遍運用到了蒙特卡洛樹搜索方法（MCTS），算法的循環(huán)包含4個步驟，即選擇－擴展－模擬－回溯，其中“選擇”“擴展”的步驟提供了多方案交叉比較、擇優(yōu)選用的機制，“模擬”的步驟提供了單方案反復(fù)模擬、精細(xì)打磨的機制，兩種機制相輔相成，不但提高了決策的質(zhì)量，更能夠及時發(fā)現(xiàn)可能的風(fēng)險。

蒙特卡洛樹搜索方法

人工智能能夠考慮到更全面的要素和細(xì)節(jié)。人工智能可以依托計算機多線程、高速率處理問題的優(yōu)勢，在兵棋推演中比人類考慮到更全面的信息，帶來更廣闊的視角或產(chǎn)生令人驚奇的結(jié)論。一方面，人的注意力是有限的，心理學(xué)家丹尼爾·卡尼曼曾提出“資源限制理論”，認(rèn)為人類的注意力是一種有限的認(rèn)知資源，同時進(jìn)行的任務(wù)所需要的認(rèn)知資源之和不能超過人的認(rèn)知資源總量，而人工智能基于計算機技術(shù)，其短時間內(nèi)處理大量信息的能力遠(yuǎn)高于人類，在兵棋推演中應(yīng)用人工智能可以在短時間內(nèi)獲得全局性、系統(tǒng)性的視角，對陣員決策時能夠更加充分地考慮風(fēng)險、后果和成本，從而制定更高質(zhì)量的決策。另一方面，人工智能因為技術(shù)特點往往能夠發(fā)現(xiàn)人類意想不到的策略，人工智能使用的算法蒙特卡洛樹搜索方法在數(shù)學(xué)原理上鼓勵對每一個分支進(jìn)行充分模擬，以盡可能確保不遺漏任何可行的策略，因此可以“帶領(lǐng)”對陣員跳出人的思維定勢。

人工智能能夠構(gòu)建更深層次的人機協(xié)作模式。兵棋推演離不開人的參與，而人工智能在人類和計算機之間建立了合作的橋梁。關(guān)于如何依托人工智能技術(shù)構(gòu)建人機協(xié)作模式，從而將人類處理模糊、不確定信息的優(yōu)勢和計算機的強大算力進(jìn)行有機結(jié)合，相關(guān)研究基本可歸納為兩大方向。一是“人在回路中”方向上。前美國防部副部長鮑勃·沃克提出了一種名為“半人馬”的人機協(xié)作模型，旨在建立一種人機高度耦合的協(xié)作關(guān)系，但關(guān)鍵的決策仍然由人類完成，美國關(guān)于構(gòu)建兵棋推演中的人機協(xié)作模式研究實踐大都深受這一模型的影響。二是“人在回路外”方向上。相關(guān)人機協(xié)同模式或是側(cè)重于訓(xùn)練人工智能對陣員，用來磨練人類對陣員的決策技能，或是應(yīng)用人工智能自動制定一些簡單、低風(fēng)險的決策，從而提高整體推演效率，例如2020年5月，DARPA啟動了名為“建設(shè)性機器學(xué)習(xí)對抗對手策略（COMBAT）”項目，旨在建立由人工智能對陣員組成的紅方小組，在兵棋推演中與藍(lán)方進(jìn)行對抗。

應(yīng)用人工智能可為兵棋推演對陣員減輕工作負(fù)擔(dān)

人工智能應(yīng)用于兵棋推演的矛盾和局限

盡管將人工智能技術(shù)應(yīng)用于兵棋推演好處多多，然而相關(guān)研究實踐證明，人工智能并非兵棋推演的“萬能靈藥”，二者的結(jié)合應(yīng)用仍然存在一定的局限。

人工智能的黑箱效應(yīng)與推演結(jié)果可驗證之間存在矛盾。充分理解人工智能做出決策的機理，需要相當(dāng)高的專業(yè)門檻，這帶來了嚴(yán)重的黑箱效應(yīng)。人工智能介入到兵棋推演的過程之中，非專業(yè)人員既難以理解人工智能的決策邏輯，又難以核查訓(xùn)練數(shù)據(jù)的全面性，嚴(yán)重影響了結(jié)論的可信度。

人工智能技術(shù)的高成本與兵棋推演通用性要求之間存在矛盾。人工智能目前作為一項高新技術(shù)，仍具有較高的應(yīng)用成本。從兵棋系統(tǒng)開發(fā)的慣例來看，高成本的系統(tǒng)往往需要具備一定的通用性。然而目前的人工智能技術(shù)在通用性上表現(xiàn)欠佳，主要因為人工智能模型的發(fā)揮依賴于訓(xùn)練數(shù)據(jù)，而訓(xùn)練數(shù)據(jù)又不可能做到包羅萬象，這就導(dǎo)致一旦推演規(guī)則的變化超出了訓(xùn)練數(shù)據(jù)集的覆蓋范圍，人工智能模型就必須重新訓(xùn)練才能夠適用。成本高、通用性差的兵棋系統(tǒng)需要占用大量的預(yù)算，又難以通過適配多個項目來分?jǐn)偝杀?，不利于推廣使用。

應(yīng)用人工智能過度追求高擬真、大系統(tǒng)，與控制推演復(fù)雜度之間存在矛盾。人工智能為兵棋設(shè)計提供了一種高質(zhì)高效的途徑，不但情景元素可以更豐富，兵棋系統(tǒng)也可以涵蓋更多的戰(zhàn)爭要素。但一方面，人工智能自動生成大量情景元素會令對陣員接收到過多的信息，這不但會導(dǎo)致兵棋的上手難度飆升，而且推演時對陣員的注意力難以集中在關(guān)鍵問題上；另一方面，人工智能的強大能力會“誘導(dǎo)”兵棋設(shè)計人員嘗試設(shè)計更大、更包羅萬象的兵棋推演系統(tǒng)，但更復(fù)雜的系統(tǒng)不僅具有更高的開發(fā)難度，后續(xù)運維、迭代的成本也將更為高昂。

應(yīng)用人工智能為對陣員過度減負(fù)，與兵棋推演體現(xiàn)“人的因素”之間存在矛盾。人工智能提供的決策輔助能夠節(jié)約對陣員的時間和精力，從而推演更多問題或聚焦于關(guān)鍵問題，然而，不恰當(dāng)?shù)脑O(shè)計會導(dǎo)致人工智能參與決策程度過高。美兵棋推演大師彼得·波拉在其著作《兵棋推演藝術(shù)》中提出，“只有當(dāng)對陣員做出決定并必須處理后果時，兵棋推演的效果才能達(dá)到最好”。若缺乏限制機制，對陣員做決策時可能會過于依賴人工智能的輔助，導(dǎo)致對陣員將“做出決定并處理后果”的權(quán)柄轉(zhuǎn)移給機器，這樣一來，難以達(dá)到兵棋推演訓(xùn)練決策者的目的，也將不能很好地模擬現(xiàn)實中的決策壓力，影響推演有效性。