《军事模拟 AI 的概率密度：战争迷雾场景中的功能和影响》最新89页

尽管技术取得了长足进步，但战争迷雾--战场上的不确定性和不完整信息--仍对军事行动构成挑战。由于缺乏定量支持工具，在这种条件下进行有效决策仍然是一个关键问题。本文通过将军事人工智能（AI）融入美海军开发的六边形战场模拟环境（即 Atlatl 平台）来弥补这一不足。研究重点是开发和评估各种人工智能算法，包括脚本人工智能、分层和非分层人工智能以及强化学习（RL）模型。这些模型利用概率分布来加强战争迷雾场景下的导航和战略规划。通过模拟多次战斗迭代，人工智能模型在战争迷雾中定位和跟踪敌方阵地的精确性和作战效率方面表现出明显的优势，可帮助指挥官做出决策。此外，本研究获得的见解不仅有助于完善战争迷雾场景中的行动方案（COA）决策，还可实际应用于反潜战（ASW）和海上搜救（SAR）行动。本文强调了利用概率分布的人工智能支持决策的有效性。

战争迷雾中的决策辅助工具

美国国防部（DOD）开发了各种模型和模拟，供各分支和部门使用。表 1 列出了国防部内使用模拟和兵棋的组织名单。这些工具通过不同的方法为指挥官的决策过程提供支持。采用的方法包括定制开发的软件；商业游戏的改编；研讨会、系统和混合等各种形式的战争游戏；以及电子表格的使用。每种模拟都是针对特定情况设计的，并为其所针对的特定梯队提供支持。因此，并非所有模拟都能实现定量战争迷雾（精确到足以用数字表示不确定性）；有些模拟可能根本不包括战争迷雾，而有些模拟可能实现的战争迷雾过于宽泛。此外，即使实施了战争迷雾，由于需要大量启发式干预，其为指挥决策提供定量支持的效果也可能有限。

提纲

解决 “战争迷雾 ”问题的研究已在游戏行业等多个商业领域展开，但在军事领域的探索却相对有限。因此，本研究旨在为最大限度地减少军事领域的 “战争迷雾 ”做出重大贡献，主要是帮助指挥官做出明智决策。此外，在应用人工智能、自动化作战行动（COA）开发和评估方面，正如 “2035 年战争的特征研讨会”（2020 年 11 月）所讨论的那样，本研究将为开发由机器支持的快速决策和人机协作做出贡献（Taliaferro 等人，2021 年）。

为了拓宽视野，本文采用了 “战争迷雾 ”的概念来描述情报仅限于目标定位的状态。这种情况与海军反潜战以及海上搜救行动中普遍存在的基础条件极为相似。因此，这项研究可应用于具有类似条件的各种情况，包括海军行动、反潜战和海上失踪人员搜索行动。

本论文分为五章。第一章介绍了研究的主要课题和总体范围。第二章 “背景和文献综述 ”解释了对本研究至关重要的概念，如模拟、战争游戏、认知行为人工智能和强化学习（RL）的基础知识，以及如何在研究中应用这些概念。第三章 “方法论 ”详细介绍了研究中使用的代码结构、代码实现以及所进行的实验。随后，第四章 “情景和结果 ”将重点介绍这些实验的结果并讨论其性能。第五章 “结论与未来工作 ”回顾了第四章的讨论，总结了研究的主要发现，并概述了该领域未来研究的潜在方向。