美国国防部在建模和仿真技术方面投入了大量资金,以提供有价值且具有成本效益的训练和兵棋推演。然而,现有的兵棋推演平台主要侧重于动能效应和常规作战。在此,介绍了开发的 "平原(Pineland)"兵棋推演平台,旨在填补这一空白。该平台提供了一个强大、用户友好的解决方案,支持影响行动、非正规战争和其他超出常规动能行动范围的行动的场景生成、管理和培训受众评估。作为其中的一部分,介绍了一个系统的概念背景和实施细节,该系统利用社会认同理论自动生成和 "白方小组"管理信息环境中兵棋推演行动的强大场景,包括详细的人口、文化和政治数据及传播。进一步讨论了人工智能系统的实施,该系统能够处理物理层、网络层和认知层中的数千个角色,并配有用户友好型编辑器和演示系统。最后,将讨论该平台如何弥补面向国防的兵棋推演平台在影响力-作战方面的不足,以及陆军和海军陆战队如何利用该项目加强对影响力专家、指挥官和技术研究人员的培训。

什么是 Pineland 及其重要性

美国国防部在建模、模拟和兵棋推演技术方面投入巨资,旨在以更低的成本为部队提供更有效的训练。然而,现有的兵棋推演平台主要侧重于动能效应和常规作战;因此,影响力作战和非正规战争的实践者无法像传统作战部队的同行那样充分利用建模和仿真技术带来的好处。

在此详细介绍的 "平原 "战争游戏平台旨在填补这一空白,并为旨在认知领域产生影响的行动的军事实践者提供可行的培训工具。该平台对陆军和海军陆战队尤为重要,因为这两支部队都在进行重大的兵力重新设计,着眼于威慑和战略竞争。这样一个平台可以让这两个军种的人员对心理作战、民政任务和公共事务问题进行战棋推演,而且成本效益高,几乎不需要额外的人力,还能充分利用现有的软件和硬件。

更广泛的研究结果

在研究方面,这项工作的核心问题--是否有可能在现有防御平台允许的范围之外,创建一个解决信息环境中作战问题的兵棋推演平台--在这里得到了肯定的回答。

从更广泛的意义上讲,该平台的开发表明,利用陆军或海军陆战队的人员创建这样一个量身定制的兵棋推演平台是有可能的,而且开发本身在软件和硬件方面的额外成本都很低,这有可能加强各军种在训练和教育中对增加兵棋推演的推动,并提高部队在兵棋推演设计方面的熟练程度。另一个值得关注的发现是,开放源代码、现成的游戏软件现在已经可以提供为军事应用开发可靠的战争游戏工具所需的显示、输入和网络功能,从而为陆军和海军陆战队开发自己的战争游戏和模拟中心和能力节约成本。

改进以防御为重点的兵棋推演的现有技术水平

Pineland 的一些关键技术特点弥补了这一差距,是国防部现有兵棋推演平台的进步:

  • 自动生成和 "白方"管理用于信息环境中兵棋推演行动的强大场景,包括详细的人口、文化和政治数据。

  • 实施一个人工智能(AI)系统,该系统能够在物理和认知领域处理数千名行动者,并配有用户友好型编辑器和演示层。

  • 利用社会认同理论建立一个可扩展的模型,模拟知识、态度和行为在人群中的传播。

整合与应用建议

Pineland 平台在各种应用案例中都大有可为。特别建议进一步开展工作,测试该平台与以下三个领域的整合:

  • 为影响专家培训提供 "白方"支持。Pineland 的明确目标是为陆军心理作战学校等课程提供用户友好型情景管理工具。心理作战培训人员提出的具体需求在 Pineland 中得到了明确解决,包括自动建模信息传播、生成合成互联网流量,以及执行其他情景支持工作,否则教员将需要管理白板、地图和电子表格,而不是对学生进行评估和指导。

  • 军种或联合专业军事教育。Pineland 的信息环境视角相对较高,易于培训受众和培训人员使用,加上其零价格和有限的硬件要求,使其在向非专业受众介绍信息环境中作战的基本概念方面大有可为。海军陆战队的 "指挥与参谋课程 "或陆军的 "上尉职业课程 "等学校已经包含了信息环境下作战模块,作为更广泛地接触各种作战功能和领域的一部分。

  • 计算机科学及相关领域的技术技能培训。由于 Pineland 采用了以可用性为中心的架构和开源软件栈,因此该平台为机器学习和基于智能体的人工智能方法的技能培训提供了一个易于使用的基础。用户可以使用现有的基于 Python 的脚本环境和图形实用工具系统,而不需要配置环境,也不需要构建或调整兵棋推演环境,就能尝试基于智能体行为的算法。

成为VIP会员查看完整内容
54

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。
《先进规划辅助工具的情报数据模型》2023最新91页论文
专知会员服务
78+阅读 · 2023年8月28日
《预测战术部队的未来目的地》2023最新55页论文
专知会员服务
42+阅读 · 2023年8月28日
《反潜战中波浪滑翔机的最佳位置》2023最新85页论文
专知会员服务
39+阅读 · 2023年5月7日
国家自然科学基金
34+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
11+阅读 · 2014年12月31日
国家自然科学基金
47+阅读 · 2011年12月31日
Arxiv
158+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
408+阅读 · 2023年3月31日
Arxiv
68+阅读 · 2023年3月26日
VIP会员
相关资讯
相关基金
国家自然科学基金
34+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
11+阅读 · 2014年12月31日
国家自然科学基金
47+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员