作者:CPT David Tillman

发展和管理战术层面的信息需求是一个具有挑战性的动态过程,它得到了稀缺原理,甚至偶尔是相互冲突的理论支持。本文将专门讨论优先情报需求(PIRs)的发展,当它与友军情报需求(FFIR)结合在一起时,就形成了总指挥的关键情报需求。

虽然PIRs通常由旅S-2管理,并将任务下达到旅级信息收集(IC)管理员,但它们最终由旅长批准和拥有。因此,PIR的开发是一个由指挥官驱动的过程,并且是长期存在的。它需要对过去和现在的理论有一个基本的了解,但更重要的是,它需要对指挥官如何在一个联合竞争环境中对旅战斗队有一个整体的了解。

PIRs被定义为与敌人或作战环境有关的信息要求,被认为对(1)达到指挥官的决策点(DP)或(2)实现一个特定预期效果至关重要。这个定义最终为PIR的开发方法提供了一个范围。这个定义的第一部分是情报专业人员最头疼的问题--将PIR与梯队的决策点直接联系起来。

然而,定义的第二部分往往被火力和目标群体以外的人所忽视。这就是指挥官的行动可视化发挥作用的地方,直接影响到他认为在该特定阶段最有效的PIR类型。

为了在复杂的作战环境中支持动态的指挥官,有效的PIR将提供三种共生功能:推动指挥官的DPs,通过启用目标定位周期和应用经典博弈论来支持工作。

决策点(DP)战术师

你会看到那些喜欢使用DP战术的指挥官,在足球比赛中这相当于运行一个选项战术。指挥官指示参谋部在行动的每个确定的DP上,制定一个由多个分支和续篇组成的单一强有力的规划。其目的是为指挥官提供最大的行动灵活性,同时也最大限度地提高节奏。

例如,指挥官可能会指示旅级参谋部规划一次进攻行动,预期的最终状态是成功包围第111旅战术组(BTG)剩余的两个机械化步兵营(MIBn)。作战环境将影响这些进攻行动的发生时间和地点,但敌人也会影响。敌人的组成、能力、阵列和上级指挥部期望的最终状态等因素都会对蓝军作战方案的制定产生一些影响。

这第一个DP1也将作为作战计划中的第一个分支,它最终将为指挥官提供两个可区分的选择。两个方案中的每一个都将包括三个战术任务,每个任务都将由一个步兵营同时执行。

图1. DP 1A

图2. DP 1B

这两个分支规划的主要区别在于指定的路径(AoA)。DP 1A包括一个步兵营在南部的AoA上固定敌人,同时投入一个步兵营进行渗透。另一个营作为主要力量,对北面的敌人进行包围。方案1B包括一个步兵营在北面AoA上固定敌人,同时投入一个步兵营进行渗透,另一个营作为主要力量在南面AoA上进行包抄。

虽然这两个方案都是可行的,但根据当时支持的PIR的回答方式,只有一个方案是最佳的。

两个拟议的分支规划都需要独特的作战条件,由PIR和FFIR来回答,必须满足这些条件才能实现该DP。与敌人和地形具体相关的信息要求将最终成为旅级PIR。

由于天气和地形是永恒的考虑因素,这个例子将用一个以敌人为重点的PIR来驱动DP1。要做到这一点,我们需要准确了解我们的BCT能够施加给敌人的相对战斗力--FFIR。同时,我们必须知道,根据力量和手段的相关性,实现每项战术任务所需的最低兵力。

经典的力量相关性理论认为,处于蓄意防御中的敌人可以有效地防御多达三倍于其战斗力的力量。根据一个标准的步兵营(IBCT)的任务组织,我们能够投入一个步兵营来固定敌人,一个步兵营来穿透敌人的防御阵地,第三个步兵营来包围敌人。

在考虑了前面所有的信息后,我们现在知道,敌人有可能用任何大于两个机械化步兵连(MIC)的编队在复杂的障碍带支持下对渗透和包围进行成功防御。支持这一DP有效PIR的一个例子是:第111BTG的残余部队是否会投入并保留少于或等于两个MIC的兵力来保卫任何单一的路径?

通过将这一最低兵力要求纳入PIR的开发,我们可以更精确地定义实现该指挥官的DP所需的信息要求,这将使信息收集规划和同步。由于每个梯队的指挥官都对DP 1A和1B有共同的理解,旅长就能发出声音(与前面的足球例子保持一致),然后他的下属指挥官就能迅速执行,同时保持高的行动节奏。

使用军事决策过程中产生的最重要的产品之一:决策支持矩阵(表1)最能说明这一概念。

表1. DPs 1A和1B的决策支持矩阵

条件设定者

指挥官们更喜欢更主动塑造工作,运用重心分析来系统地瓦解敌人的战斗秩序。他们倾向于选择由大量基于条件的触发器和创新方式组成的规划,旨在通过加快传感器到射手的顺序来扁平化杀伤链。

与其利用收集资产来确定敌人的组成和部署,他们更倾向于利用这些资产来通过敌人的关键弱点瞄准敌人的关键能力。这有效地使指挥官通过成功地减少敌人的相对战斗力,人为地达到最低兵力要求。

在这种情况下,PIR的目的是直接促成目标定位过程,塑造战斗空间,并为机动部队迅速夺取相对优势的位置创造条件。一个这样的例子是,在前面的规划中,用一个触发器取代DP1,将主要精力投入到北部的行动区。这个基于条件的触发器与DP1不同,因为它是一个预先确定的行动,与敌人的部队阵列无关。通过深思熟虑的目标选择过程,参谋部确定了满足这一触发条件所需的具体条件。

与其试图通过瞄准敌人的机动编队来直接削弱其总战斗力,参谋部建议瞄准敌人的反机动资产(地雷层、挖沟资产等)。瞄准这些工兵部队将通过使那些被认为对防御行动至关重要的资产失效来降低敌人的相对战斗力--这就是预期效果。

这些预期效果是我们对PIR定义的后半部分。如果成功的话,实现这些预期效果将剥夺敌人建立有障碍物支持的蓄意防御的能力,并迫使敌人建立有最小障碍物的仓促防御。如果所有其他变量保持不变,从蓄意防守到仓促防守的转变,会使最低兵力要求从3:1降至2:1。

一旦确定需要消灭这些关键保护资产,它们将在目标工作组中得到分析,被添加到高回报目标(HPTs)清单中,并由旅长在目标审批委员会上进行验证。

为了使收集规划有效地支持决定、探测、交付和评估目标的周期,HPT(很像DP)必须得到PIR的直接支持。支持这些HPT的PIR的一个例子是。敌人将在哪里使用其主要的反机动性资产?

在这个例子中,PIR中的反机动资产一词将把收集工作特别集中在敌人的MDK-2M(挖沟车)和GMZ-2(布雷器)上。由于高度的特殊性,将PIR细化为基本信息要素(EEI)、指标和具体信息要求的IC矩阵将更加简明。

图3. 具体信息要求(SIR)与指标、EEI和PIR的关系。(改编自图4-5,FM 3-98)

博弈理论家

战略推理的科学,通常被称为经典博弈论,可以追溯到20世纪50年代,当时它首次被用来研究零和博弈中理性参与者的决策过程。从那时起,历史为我们提供了多个军事案例研究,在这些案例中,博弈论可以被回顾应用:中途岛战役、斯麦战役和1914年俄罗斯与德国之间的坦能堡战役,等等。

将博弈论,以其最初的零和形式,应用于PIR的发展,这一概念似乎很新颖,但事实远非如此。与目前的学说不同,历史上的学说将这种战略推理的框架纳入了PIR的发展。回顾一下1994年左右的《陆军野战手册》(FM)34-2,收集管理和同步规划,可以看到几个辅助的例子,说明经典的博弈论可以用来发展PIR。

这种战略推理框架在每个有效的PIR例子中都得到了很好的体现,而在以下摘自FM34-2附录D的无效的PIR例子中却依然没有体现出这一点。

不良PIR的例子

  • "敌人会进攻吗?如果是的话,在哪里,什么时候,以什么兵力?"

  • 这种PIR显然不是参谋部作战的结果。我们可以提出几个具体的批评意见。这个PIR实际上包含四个明显不同的问题。这四个问题中哪个是优先考虑的?除非得到更多的指导,否则收集资产必须自己决定针对PIR的哪一部分来收集。

  • 它假定情报人员对敌人的情况完全一无所知。实际上,他们对局势的了解可能多于 "敌人可能在某个时候、某个地方、以某种力量发动攻击"。利用战场的情报准备过程,他们可以提供比这更有针对性的PIR。

  • 最后,在对潜在的友军和敌军CoA进行战争演练时,工作人员应该发现这个PIR的某些方面与友军CoA无关。例如,你的防御可能完全有能力击败敌人,而不管他们何时真正发动攻击。也许重点只需要放在他们将攻击的地方,以支持对友军预备队的使用的决定。

良好的PIR实例

正如没有标准的情况模板或友好的CoA适用于所有情况一样,也没有一套标准的PIRs。然而,好的PIRs有一些共同点:

  • 它们只问一个问题。

  • 它们专注于一个特定的事实、事件或活动。

  • 它们提供支持一个单一决定所需的情报。例如。"敌人是否会在我们的后备部队离开Jean-Marie作战区之前对其使用化学制剂?" "敌人是否会使用前坡防御来保卫Kevin目标?" "第43师是否会沿AoA 2发出主攻?"

正如你所看到的,所有好的PIR的例子都被设定为 "是 "或 "不是 "的问题,将信息要求简化为一个独立变量的积极或消极存在(类似于FM3-98图4-5中定义的EEI)。最初,这种方法对于复杂的作战环境来说似乎过于二元化,但进一步的分析表明,如果使用得当,它可以成为战术层面上的一种有效方法。当指挥官无法获得达成目标或实现预期效果所需的关键信息时,这一点尤其明显。

在我们前面的设想中,这意味着该旅及时回答PIR的能力已经受到环境限制或资源限制的影响。换句话说,蓝军没有能力确定敌人在北部和南部AoA沿线的构成(针对DP1),也没有能力探测和瞄准行动区内所有剩余的反机动资产(基于条件的触发)。为了将经典博弈论应用于这一情景,工作人员必须首先确定前面行动的四种可能结果。

为简单起见,让我们假设这两个对立的编队之间在梯队上存在绝对的战斗力均等(1:1)。在其最基本的形式中,每个指挥官基本上都有两个选择。对于蓝军指挥官来说,第一个选择是将主要精力投入到北部的AoA,第二个选择是将主要精力投入到南部的AoA。对于敌对势力(OPFOR)的指挥官来说,选项1是将防御性的主要力量投入到北部的AoA,选项2是将防御性的主要力量投入到南部的AoA。

为了计算这个零和博弈中的概率和回报,我们还必须应用一个通用的积分系统。一个点将被授予以主要精力达到对立的最小兵力的指挥官,第二个点将被授予将主要精力投入到对该特定要素具有有利地形的交战区的指挥官。该情景假设蓝军IBCT对两个OPFOR MIBn进行进攻行动。南部的AoA严重受限的地形对于主要是骑马的蓝军人员来说是理想的。相反,北部的两个高速机动走廊对OPFOR的主要机械化编队是有利的。

图4和图5是对四种潜在选择的图形描述,以及对指挥官在四种结果中的每一种所获积分的回报矩阵。

图4. 四个博弈理论CoA。

图5. 博弈论方法的记分卡。

在这些例子中,双方都有一个明确的主导战略,在回报矩阵的左下角有一个明显的纳什均衡。蓝军指挥官的主导战略是将主要精力投入到南部的行动区。使用这种策略,蓝军肯定会有有利的地形,可以进行下马式编队,并有50%的机会通过其主要努力达到最低兵力要求。

作战部队指挥官的主导战略是将防御性的主要力量投入到北部走廊。通过这一战略,作战部队将拥有有利的地形,并将通过其主要努力达到最低兵力要求。

考虑到这一点,参谋部能够确定对每个指挥官最有利的选择,以及蓝军如何能够以其主导战略增加实现最低兵力的概率。

我们最后的PIR将综合所有前面的要素(DPs、目标定位和经典博弈论),以支持动态指挥官的作战可视化:敌人是否会将两个或更多的反机动资产投入到南部的行动区?

这个PIR是理想的,因为它在支持BCT塑造努力和指挥官的DPs的同时,也为蓝军提供了通过其主要努力实现最小兵力要求的最大可能性。如果能够在南部区域消灭敌人的反机动资产,最低兵力要求将有效地从3:1减少到2:1,这将使图5右下角的分数从 "1,1 "变为 "2,0",进一步改善蓝军指挥官已经占优势的战略。

结论

在前面的例子中,我为指挥官和他们的参谋提供了一个框架,以产生在复杂作战环境中有效的战术级PIR。这个框架是基于过去和现在的理论,以及我在两次作战训练中心轮换期间担任IC经理时学到的经验。

大规模的作战行动需要指挥官和参谋人员采取动态、流动和综合的作战方式。在进行作战可视化时,有活力的指挥官很可能会在行动的不同阶段展示所有三种智力特征:

  • 最初,博弈论者会在信息有限的时候寻求减少行动变量的数量。

  • 接下来,条件设定者将旨在减少敌人产生战斗力的能力,同时也保留自己的能力。

  • 最后,DP战术师将通过对被削弱的敌人和较少的作战变量进行规划,最大限度地提高作战灵活性。

为了支持这种动态发展,参谋部必须确保在整个计划过程中体现有效的PIR的所有三个共生功能。这样一来,这种方法将产生最终能够相互支持DP、目标定位周期和经典博弈论的概念应用的PIR。

图6. DPs, targeting, game-theory nexus.

戴维-蒂尔曼(David Tillman)中士是美国肯塔基州坎贝尔堡101空降师(空中突击)第1BCT "巴斯通 "的旅级IC经理。之前的任务包括:科罗拉多州卡森堡第4步兵师第3装甲营(ABCT)的IC排长和旅级IC经理;以及卡森堡第4步兵师第3装甲营第10骑兵团第4中队的助理S-2和情报、监视、侦察经理。蒂尔曼中尉的军事学校包括美国国防情报局(DIA)收集管理员基础课程;信号情报/电子战官员课程;DIA主要、备用、应急和紧急基本课程;DIA联合中级目标课程;情报、监视、侦察经理课程;以及军事情报基本官员领导课程。他拥有南伊利诺伊大学的刑事司法学士学位,目前他是东北大学专业研究学院的研究生,攻读战略情报和分析专业的硕士学位。提尔曼中尉已经完成了在国家训练中心的轮换,在联合战备训练中心的轮换和支持斯巴达盾牌行动的部署。

成为VIP会员查看完整内容
112

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
使用博弈论进行国防资源分配管理
专知会员服务
79+阅读 · 2022年5月6日
人工智能: 国防部应改进战略、库存流程和协作指导
专知会员服务
39+阅读 · 2022年4月11日
国家自然科学基金
21+阅读 · 2014年12月31日
国家自然科学基金
50+阅读 · 2014年12月31日
国家自然科学基金
40+阅读 · 2013年12月31日
国家自然科学基金
42+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
91+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
11+阅读 · 2018年4月8日
VIP会员
相关VIP内容
使用博弈论进行国防资源分配管理
专知会员服务
79+阅读 · 2022年5月6日
人工智能: 国防部应改进战略、库存流程和协作指导
专知会员服务
39+阅读 · 2022年4月11日
相关资讯
相关基金
国家自然科学基金
21+阅读 · 2014年12月31日
国家自然科学基金
50+阅读 · 2014年12月31日
国家自然科学基金
40+阅读 · 2013年12月31日
国家自然科学基金
42+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
91+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员