图:一名士兵戴着虚拟现实眼镜;前景是一副国际象棋的图案。

商业上可行的生成式人工智能(AI)的兴起有可能改变众多领域。这种变革对当代军事教育的影响尤为深远。

生成式人工智能将从根本上重塑兵棋推演(在战术、作战或战略层面模拟战争各方面的分析游戏),使高级军事和政治领导人能够寻求更好的战术解决方案来应对突发危机,解决更复杂的后勤和作战挑战,并深化他们的战略思维。

兵棋推演的艺术

兵棋推演从一开始就旨在为指挥官提供只有通过实战才能获得的逼真训练。

兵棋推演最初是由普鲁士参谋在 19 世纪初发起的,涉及高度详细的比例模型和计算伤亡的复杂图表,通常作为一种教育练习,旨在让指挥官获得与真实对手作战的经验。

兵棋推演迫使指挥官适应对手的战术,并依靠自己的直觉来应对突发情况,是一种反映人类作战经验的尝试。

兵棋推演还提供了一种测试作战计划的方法,让领导者获得规划大规模行动的经验,并克服复杂的后勤挑战。

通过在一块棋盘上可视化广阔的距离,作战兵棋推演可以在大多数专业军事部队无法复制的规模上检验条令。

从主要利用兵棋推演进行演练和计划的日本中途岛袭击,到北约长期进行的系列海上兵棋推演,此类演习往往是作战计划的关键部分。

最后,兵棋推演为一国军事和国家安全机构内部形成共同的战略文化奠定了基础。由于这些演习往往反映的是高级军事和政治领导人最有可能面临的危机,因此兵棋推演为军官们提供了分享观点的机会。

生成式人工智能

人工智能已被用于当前的冲突局势中,包括以色列在加沙地带。生成式人工智能的崛起还将深刻改变兵棋推演的做法,因为兵棋推演是训练人类指挥官、完善作战计划和条令以及发展更强大的战略文化的一种练习。

与国际象棋、风险和围棋等其他战略游戏一样,生成式人工智能将有能力挑战指挥官对战场战术的处理。

人工智能指挥官将不再依赖人类的直觉,而是能够几乎完美无瑕地模拟对手的战术,让对方军官几乎不花一分钱就能与一系列当代部队进行对抗训练。

鉴于人工智能系统的定制化程度越来越高,指挥官们还可以针对自己的摹拟体进行训练,帮助他们克服自身的弱点。

这一过程最终甚至可能扩展到人机互动。人工智能的进步可以让军事领导人在处理复杂的军事人工智能方面获得更多能力,并从更广泛的角度获得战术建议。

在训练指挥官面对未来战场的同时,人工智能增强型兵棋推演也可能刺激作战计划的重大改进。借鉴商业行业的经验,人工智能可能有能力指挥设备和人员支持特定的战役目标,同时优化灵活性以应对突发威胁。

鉴于其强大的计算能力,人工智能兵棋推演还将允许专业军事规划人员针对几乎无穷无尽的可能突发事件测试他们的假设,从而加强内部决策过程并微调预先存在的模型。

最后,生成式人工智能将使兵棋推演融入更多战略,为军事和政治领导人提供宝贵的见解和经验。

为不确定性做好准备

通过生成更广泛的基本场景来指导游戏,人工智能还能让参与者考虑到多种可能的发展,每种发展都有近乎无限的可能性。

这将使参与者能够适应每个玩家战略计算的变化,包括联盟结构、经济因素、政治发展和社会趋势,所有这些都会对现实世界的军事战略产生压力。

人工智能有能力在兵棋推演中引入新的事态发展,包括通过其错误的假设,这将迫使指挥官为不确定性和 “战争迷雾 ”做好准备,这在当代复杂的作战环境中是一项越来越必要的技能。

人工智能增强的战略兵棋推演还将增加高级领导人被迫与对自身战略条令的怀疑作斗争的可能性,促进各自组织内部更深入的讨论。

军事科学革命

自第一次世界大战以来,将兵棋推演作为战术、作战和战略演练一直是先进军队的标志,它使政治和军事领导人能够进行拥有复杂性的战争,而这些复杂性仅在一代人之前是无法想象的。

生成式人工智能的兴起及其对兵棋推演的贡献很可能会促使军事科学领域的又一次革命。这些游戏将提高训练演习的逼真度,让领导者为未来的冲突做好准备,解决复杂的后勤挑战,并为总体军事战略带来新的创新。

随着当代战斗日益混乱和复杂,正确传授战争艺术变得更加重要。

参考来源:The Conversation

成为VIP会员查看完整内容
22

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。
军事训练变革:人工智能与未来士兵
专知会员服务
23+阅读 · 6月28日
无人机与大型语言模型:现状与未来之路
专知会员服务
87+阅读 · 6月16日
生成式人工智能:塑造国防工业的现在与未来
专知会员服务
33+阅读 · 6月8日
任务战备的未来:国防知识图谱和情境人工智能
专知会员服务
60+阅读 · 5月28日
人工智能改变战场:增强军事战略的实时洞察力
专知会员服务
38+阅读 · 5月12日
变革航空航天与国防:人工智能革命
专知会员服务
52+阅读 · 1月9日
释放战略潜能: 电子战中的人工智能
专知会员服务
88+阅读 · 2023年10月5日
有关军事人机混合智能的再再思考
人工智能学家
16+阅读 · 2019年6月23日
深度学习人体姿态估计算法综述
AI前线
23+阅读 · 2019年5月19日
国家自然科学基金
5+阅读 · 2017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
0+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
3+阅读 · 2015年12月31日
国家自然科学基金
6+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
1+阅读 · 2014年12月31日
国家自然科学基金
14+阅读 · 2013年12月31日
Arxiv
148+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
375+阅读 · 2023年3月31日
Arxiv
63+阅读 · 2023年3月26日
Arxiv
133+阅读 · 2023年3月24日
Arxiv
19+阅读 · 2023年3月17日
VIP会员
相关VIP内容
军事训练变革:人工智能与未来士兵
专知会员服务
23+阅读 · 6月28日
无人机与大型语言模型:现状与未来之路
专知会员服务
87+阅读 · 6月16日
生成式人工智能:塑造国防工业的现在与未来
专知会员服务
33+阅读 · 6月8日
任务战备的未来:国防知识图谱和情境人工智能
专知会员服务
60+阅读 · 5月28日
人工智能改变战场:增强军事战略的实时洞察力
专知会员服务
38+阅读 · 5月12日
变革航空航天与国防:人工智能革命
专知会员服务
52+阅读 · 1月9日
释放战略潜能: 电子战中的人工智能
专知会员服务
88+阅读 · 2023年10月5日
相关基金
国家自然科学基金
5+阅读 · 2017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
0+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
3+阅读 · 2015年12月31日
国家自然科学基金
6+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
1+阅读 · 2014年12月31日
国家自然科学基金
14+阅读 · 2013年12月31日
微信扫码咨询专知VIP会员