《基于人工智能平台的战术兵棋推演试验》

研究人员通过两个兵棋推演试验探索了未来武器系统结合人工智能和机器学习（AI/ML）的能力和局限性。研究人员修改并增强了商业桌面兵棋推演中使用的规则和交战统计，以启用（1）遥控操作和完全自主的战车和（2）具有人工智能/机器学习态势感知功能的机器，从而展示这两类战车在蓝（美）红（俄）军连级交战中的表现。这些规则力求真实地反映出这些系统的能力和局限性，包括易受选定敌方反制措施（如干扰）影响的程度。未来的工作可以提高游戏的逼真度和人工智能/机器学习系统的表现力。

在本试验中，参与者玩了两个游戏：一个基准游戏和一个人工智能/机器学习游戏。在两个游戏场景的整个游戏过程中，双方玩家讨论了遥控操作和完全自主系统的能力和局限性，以及它们对使用此类系统进行战斗的影响。通过这些讨论，玩家们改变了使用系统的方式，并观察到在指挥官可能接受某个系统之前，哪些限制因素应予以减少，以及指挥官需要充分了解哪些能力才能适当地使用系统。

这项研究表明，通过将操作员和工程师聚集在一起，需求和采购部门可以利用这种游戏来为人工智能/机器学习系统制定可实现的需求和工程规范。

主要发现

• 遥控机器人战车（RCV）具有明显的劣势，相对于完全自主的 RCV 和载人战车，这些劣势很容易被利用。
• 遥控战车被用作武装侦察，而且经常被明确用作诱饵。
• 相对有限的情报、监视和侦察能力以及间接火力使 “红队”保持静止不动。
• 可以将推测的人工智能/机器学习能力纳入战术地面作战兵棋推演。
• 此类游戏可将操作员和工程师聚集在一起，供需求和采购部门使用，为人工智能/机器学习系统制定可实现的需求和工程规格。