本文介绍了美国和巴西陆军指挥与总参谋学院之间的兵棋合作。

图:2023 年 5 月至 6 月,美国陆军和巴西陆军学生军官进行的第一阶段兵棋推演基于商业模拟软件 "决定性行动"。(摄影:理查德-A-麦康奈尔)

由于变化的速度和规模,以及预计未来世界的模糊和混乱,有效的组织必须具备兵棋技能,以确定其规划的质量,发现特殊信息,并预测导致其规划失败或成功的原因。该项目的研究人员注意到,有效兵棋规划所需的技能与从事实验的科学家所需的技能有相似之处。

军事规划过程可能就是以科学方法为蓝本的。有些人可能会说,军事规划不仅类似于科学思维,而且是按照科学思维的形象创造出来的。科学方法与军事规划过程有许多相似之处。它们都涉及观察与分析、提出假设、实验/测试、反馈/调整、决策以及执行/评估。如果军事规划流程以科学方法为蓝本,那么建议规划人员在规划过程中表现得更像科学家。在评估计划质量时,这种态度将鼓励适应性。例如,尽管军事规划人员意识到自己的计划并不完美,但他们可能并不知道自己的计划到底有多不完美。科学家对他们的实验采取务实的态度,试图推翻他们的假设。与此相反,军事规划人员往往将计划作为 80% 的解决方案,试图证明自己的假设,因此不愿改变计划。例如,从药物研究中,科学家们认识到,随着时间的推移,成功的概率会随着科学方法的迭代而上升,因此最初的临床试验通常是错多于对。军事规划人员可以从对自己制定的计划采取更科学的态度中获益,调整自己以识别出现的特殊信息。将科学方法的隐喻应用于军事规划时,兵棋推演就成了实验室。在兵棋推演实验室中,就像科学方法一样,假设会被检验,计划会被实验,经验教训会被总结并反复应用于改进计划。

美国和巴西陆军之间的一次合作采用了科学方法,研究了应用于陆地军事场景的兵棋推演方案,并解决了不确定性和模糊性下的复杂问题。这项实验从计算机模拟开始,然后调整模拟手段,如美国陆军指挥与总参谋学院(CGSC)进行的兵棋推演研究,研究可视化的有效方法。因此,这次合作是对科学方法的一次实践,它建立在以前的学术研究基础之上,而以前的学术研究发现模拟可以有效地提高可视化效果。

本文是美国和巴西合作的结果。文章描述了有效运用兵棋、可视化和特殊信息识别的军事规划思维模式。研究人员探索了一种类似于科学方法的军事规划方法,并将两者相提并论。兵棋推演实验室可以帮助军事规划人员在实际测试前科学地检验计划的可行性。将就潜在的兵棋推演方案提出建议,以改进规划和支持规划的类科学思维。

本文末尾的简要文献综述包括对科学方法的历史及其与军事规划的联系的讨论。这些资料专门讨论了作为军事规划基础的科学思维。美军的兵棋推演历史参差不齐,这在兵棋推演研究中有所引证。有时,军事决策过程中的兵棋推演要么被跳过,要么被轻视。因此,改进兵棋推演是许多作战训练中心经验教训报告的重点。巴西陆军在兵棋推演方面也有类似的历史,其领导人对改进陆军的兵棋推演很感兴趣。此次合作就是试图通过改进教育方法来满足美国和巴西陆军改进兵棋推演的需求。

有效兵棋推演的关键概念

与兵棋推演相关的几个概念:特殊信息、可视化、企业可视化和兵棋推演。

  • 特殊信息。解决问题时出现的意外威胁和机遇。

  • 可视化。一种富有想象力和创造力的技能,用于解释环境中观察到的线索,预测异常信息的出现,并首先采取行动。

  • 体系可视化。在整个组织内共享可视化信息,以实现适应性复原,向对手提供特殊信息。

  • 兵棋推演。一种思想实验,利用模拟或数字手段加强可视化,调整玩家识别特殊信息的能力,并预测计划如何失败或成功。这项兵棋推演的混合方法研究为之后的许多研究奠定了基础。

接下来介绍的是美国总参谋部指挥学院(CGSC)与巴西陆军士官学校(ECEME,相当于美国总参谋部指挥学院)将兵棋推演作为实验室的情况。

模拟仿真讨论

尽管计算机模拟通常非常出色和有用,但它们也很昂贵,而且需要专业培训。模拟仿真往往成本低廉、简单易学,而且适合学习者的需求。本节将重点讨论如何建立可用于有效改善可视化的成本效益高的简单模拟。在 2023 年 5 月至 6 月的交流中,美国陆军 CGSC 和巴西陆军 ECEME 学生经历的一些过程可以从文章中的照片中看到。学生们从计算机模拟开始,然后在计算机模拟的基础上开发模拟仿真,最后在刚刚完成的基础上发明一种新的模拟仿真。这一过程是一种科学的方法,它将模拟重构为最简单的形式,以发现有效性的任何变化。一天内使用了三个模拟,其中两个是学生发明的。

图:在 "决定性行动 "模拟软件第一阶段计算机产品的基础上,学生们继续使用基于地图的 "陆地力量 "模拟软件进行兵棋推演。

美国陆军当前的条令保留了使用不同形式兵棋推演的可能性。这些形式包括从简单的手工方法到高度复杂的计算机辅助模拟。有时,成本较低、并不复杂的方法可以为军事规划人员提供充分的机会,让他们通过更科学的视角来审视计划的适用性、可行性和可接受性。CGSC 和 ECEME 学生在上一次两组织交流项目中的经验就是一个很好的例子,说明了简单兵棋推演作为军事规划者实验室的用途和好处。

2023 年 5 月,在美国军官访问 ECEME 期间,CGSC 教员组织并开展了一次演习,以提高两校学生的可视化能力和计划质量。最初,这项活动是在计算机平台上使用商业模拟软件 "决定性行动"(Decisive Action)进行的。演习模拟了一个旅级行动,其中一个旅隶属于一个师,正在执行进攻行动,以夺取关键地形作为支援。另一个旅则对这次进攻进行防御,以防止敌人控制这一有利阵地。通过 "决定性行动 "软件进行的互动持续了几个小时。之后,演习方向将重点从基于计算机的方法转变为基于地图的方法。这一转变开始了演习的第二阶段。

在第二阶段,教员将学生分为三组,前两组代表对立的两个旅,第三组负责演习的运行(白方)。在这一阶段,学生们使用了陆地力量模拟器。它包括地图、计数器和一套规则。经过短暂的适应期后,学生们熟练地恢复了兵棋推演。在 "白方"的指导和监督下,行动、反应和反击循环进行,并取得了很好的效果,对计划进行了一系列改进。随后,教师改变了练习的方向,从学生手中拿走地图,要求他们另辟蹊径,继续进行行动方案分析。出乎意料的是,美国和巴西学生很快就想出了解决问题的办法。他们利用一些可用的白板,重新组织了房间,并在很短的时间内恢复了兵棋推演。

在这种不那么传统的方法中,兵棋推演的动态基本保持不变,各方在白方的监督下扮演各自的角色。双方人员将棋盘转向对方视线以外的地方,绘制地形草图,进行规划和评估。白板上保留着评估对抗的地图。兵棋推演以 "陆地力量 "规则为基准,按照行动、反应和反击的正常顺序轮流进行。每个回合结束后,白格用骰子图计算摩擦。

图:第二阶段完成后,学生们不得不在没有地图的情况下继续进行第三阶段,转而设计了另一种模拟方法,利用白板完成兵棋推演练习。

这种方法最有趣的地方在于,演习指导员和学生们都没有发现在演习过程中产生的见解质量有任何明显下降。他们观察到的情况恰恰相反;使用白板而不是地图和计算机提高了他们理解、形象化和描述作战环境和任务的能力。学生们被迫在白板上使用手工书写的板书来描绘作战区域以及友军和敌军,并使用这些手段来进行兵棋推演,他们对态势的理解达到了令人满意的水平,在某些情况下甚至更胜一筹。学生们不再使用为他们制作的产品,而是必须适应制作自己的地图和产品,从水平的游戏场地转换到垂直的白板--这是一种重新构思的形式。这不仅是物理视角的转变,也是将已创建的代币转移到他们的作品中的转变。这一观察结果与最近发表的研究成果相吻合,后者显示了手工记笔记如何提高记忆力和学习能力--而这正是有效兵棋推演所需的技能。

这次经历对学生们大有裨益,它提供了一种以最少的准备和几乎零成本测试课堂上制定的计划的方法。这种兵棋推演方法对预算紧张或资源稀缺时期的陆军和组织很有帮助。要在巴西陆军内部更广泛地实施,只需稍作调整。其中包括根据巴西陆军的估计规划数据开发模拟算法和相关图表。根据巴西陆军的情况对 "陆地力量 "进行调整,可以改进学习过程,特别是在欧洲军事教育与培训中心,军官们可以在这里磨练自己作为规划者的能力。此外,这种兵棋推演和模拟方法还可应用于作战行动之外的人道主义援助和支持以及流离失所者/难民行动。模拟所带来的创造性和灵活性有可能极大地改进美国和巴西 CGSC 的规划和准备工作。

结论

陆军必须在一个日益混乱和充满不确定性的世界中开展行动。变化的速度在加快,变化的幅度在增大。对兵棋推演的需求从未如此迫切。兵棋推演是军事规划人员发现哪些因素会导致计划失败以及必须采取哪些措施确保计划成功的实验室。以科学家的敏感性来制定计划,可以鼓励领导者在制定计划时更加尽职尽责,从而在现实世界中取得成功。我们鼓励领导者利用模拟来提高其单元制定计划的严谨性和质量。

成为VIP会员查看完整内容
51

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。
利用兵棋推演重塑军事力量概念
专知会员服务
38+阅读 · 5月2日
将人工智能有效融入战斗
专知会员服务
47+阅读 · 4月26日
利用生成式人工智能普及兵棋推演
专知会员服务
38+阅读 · 4月23日
美国空军:人工智能改进兵棋推演
专知会员服务
32+阅读 · 4月13日
《兵棋在作战规划过程中的作用》21页报告
专知会员服务
98+阅读 · 1月21日
克服国防中的数据分析惯性以赢得未来战争
专知会员服务
20+阅读 · 1月20日
《将兵棋推演用作海军概念探索工具》
专知会员服务
60+阅读 · 2023年12月24日
大型语言模型被称为太空部队的 “游戏规则改变器”
专知会员服务
30+阅读 · 2023年12月15日
【英国国防部】《兵棋推演手册》112页PDF
专知
20+阅读 · 2022年8月25日
金融领域自然语言处理研究资源大列表
专知
13+阅读 · 2020年2月27日
情感计算综述
人工智能学家
32+阅读 · 2019年4月6日
Auto-Keras与AutoML:入门指南
云栖社区
16+阅读 · 2019年2月9日
新任务&数据集:视觉常识推理(VCR)
专知
50+阅读 · 2018年12月1日
进攻机动作战中的机器人集群
无人机
21+阅读 · 2017年12月4日
鲍捷 | 知识表示——面向实战的介绍
开放知识图谱
11+阅读 · 2017年10月23日
国家自然科学基金
106+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
15+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
41+阅读 · 2014年12月31日
国家自然科学基金
0+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
4+阅读 · 2014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
36+阅读 · 2013年12月31日
A Survey of Large Language Models
Arxiv
399+阅读 · 2023年3月31日
Arxiv
66+阅读 · 2023年3月26日
Arxiv
139+阅读 · 2023年3月24日
Arxiv
20+阅读 · 2023年3月17日
VIP会员
相关VIP内容
利用兵棋推演重塑军事力量概念
专知会员服务
38+阅读 · 5月2日
将人工智能有效融入战斗
专知会员服务
47+阅读 · 4月26日
利用生成式人工智能普及兵棋推演
专知会员服务
38+阅读 · 4月23日
美国空军:人工智能改进兵棋推演
专知会员服务
32+阅读 · 4月13日
《兵棋在作战规划过程中的作用》21页报告
专知会员服务
98+阅读 · 1月21日
克服国防中的数据分析惯性以赢得未来战争
专知会员服务
20+阅读 · 1月20日
《将兵棋推演用作海军概念探索工具》
专知会员服务
60+阅读 · 2023年12月24日
大型语言模型被称为太空部队的 “游戏规则改变器”
专知会员服务
30+阅读 · 2023年12月15日
相关资讯
【英国国防部】《兵棋推演手册》112页PDF
专知
20+阅读 · 2022年8月25日
金融领域自然语言处理研究资源大列表
专知
13+阅读 · 2020年2月27日
情感计算综述
人工智能学家
32+阅读 · 2019年4月6日
Auto-Keras与AutoML:入门指南
云栖社区
16+阅读 · 2019年2月9日
新任务&数据集:视觉常识推理(VCR)
专知
50+阅读 · 2018年12月1日
进攻机动作战中的机器人集群
无人机
21+阅读 · 2017年12月4日
鲍捷 | 知识表示——面向实战的介绍
开放知识图谱
11+阅读 · 2017年10月23日
相关基金
国家自然科学基金
106+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
15+阅读 · 2015年12月31日
国家自然科学基金
7+阅读 · 2015年12月31日
国家自然科学基金
41+阅读 · 2014年12月31日
国家自然科学基金
0+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
4+阅读 · 2014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
36+阅读 · 2013年12月31日
微信扫码咨询专知VIP会员