兰德人工智能/机器学习桌面战术兵棋介绍

Posted 2021-04-03 兵推天下

兰德公司研究人员为研究支持人工智能和机器学习（AI / ML）的未来武器系统的能力和局限性，基于一款商业兵棋（FFT3）开发了人工智能/机器学习桌面战术兵棋，以实现以下三个目标：

1. 试验如何利用桌面战术兵棋具体呈现人工智能/机器学习。为实现该目的，兰德人员选择将人工智能/机器学习（AI / ML）能力应用到地面车辆中，这与模糊表现人工智能的方式--让其不切实际地分散在战场上形成了鲜明对比。
2. 初步了解大概战车人工智能/机器学习能力（在21世纪30年代投入使用）的潜在价值和局限性，这可以通过后续兵棋推演、分析和测试实现。
3. 了解参与人员如何与AI / ML系统交互。
   

该兵棋主要设定在21世纪30年代，主要内容为具备人工智能/机器学习能力的自主平台（地面车辆和无人机）与相匹敌对手进行对抗。推演人员被要求根据以下两个想定进行战术级（连级）地面战斗推演。

• 基准想定：机器人战车只能由蓝方人类操作员远程控制，这与美国陆军于21世纪20年代将机器人战车（RCV）投入使用的计划一致。
• 人工智能/机器学习想定：蓝方机器人战车具备完全自主作战能力，这可在21世纪30年代实现。本想定中使用与基准想定相同的机器人战车平台，这是因为研究重点是两种情况下战车指挥控制的差异，而不是平台本身造成的战车性能方面的不同。

在两个兵棋想定中，除了蓝方具备人工智能/机器学习能力，红蓝方兵力在其他方面没有差异（参见图1-4）。为检验蓝方能力，红方的兵力和能力在两个想定中保持不变。

图1 蓝方战斗系统

在兰德进行的研究中，共六名人员参与了推演，其中红方小组由两名兰德分析师（前美国陆军军官）组成，蓝方小组包括四名对阵员（一名兰德分析师（（前美国陆军军官）），两名AI/ML和作战试验技术专家以及一名美国陆军将级军官）。因此，在兵棋推演中每个小组最好至少配备一名技术专家和一名作战人员，同时各个小组应该至少有一名兵棋推演经验非常丰富的对阵员。

除了地图上的兵力算子（图2），蓝方的火力支援小组（FIST）战车能够获得一个营的155-mm榴弹炮支援。红方能够获得的火炮支援为一个营的152-mml榴弹炮，支援请求需要火炮侦察哨或无人机系统（UAS）发出（参见图3和图4）。对于红方和蓝方来说，火力请求行动的执行有一个回合的延迟。

图2 蓝方兵力战斗顺序

图3 红方战斗系统

图4 红方兵力战斗顺序

各个想定中，蓝方连级机械化特遣部队对红方拉脱维亚古尔班附近的连级摩步特遣部队实施攻击，并穿过该区域向东部机动（参见图5）。

两个想定使用的地图相同，蓝方计划一支兵力通过东西向公路到达红方北侧区域，另一支兵力沿公路和开阔地机动至红方南侧区域。这两条道路是蓝方的近敌通道。红方将南部开阔区域设为击杀区。

图5 推演地图

本兵棋主要基于想定展示机器人战车和自主战车的行动，想定的其他力量主要代表美国和俄罗斯在2030波罗的海国家冲突中可能使用的地面战斗力量。兵棋中选择的战术态势主要是如果该冲突发生时可能发生的情况。蓝方扮演攻击方，是为了突出控制机器人战车和自主战车所需的指挥控制能力。

蓝方和红方连队对于敌方兵力是否已经进入或正在穿过目标区域有大概的了解。在基准兵棋想定中，蓝方机器人战车由人类操作员远程控制，由两辆可选有人驾驶战车（OMFV）各控制一辆机器人战车，其他处于跟随模式的机器人战车紧随有人驾驶战车之后。

因此，在基准兵棋中，12辆机器人战车中只有4辆可能在特定时间参与战斗（即独立机动或发射火力）。在AI / ML兵棋中，蓝方机器人战车具备AI / ML能力，能够自主行动，所有12辆机器人战车均可参与到战斗中。自主能力主要包括在没有人类干预的情况下，自主侦查、识别红方目标并与其作战的能力。