通过人工智能军事演习一窥未来战场

在电影《复仇者联盟：无限战争》（2018）中，超级英雄们奋力拯救宇宙，抵抗反派灭霸的攻击。当他们努力寻找打败灭霸的方法时，奇异博士谈到了他的时间旅行：“我穿越到了未来。看到了不同的未来。看到了即将到来的冲突的所有可能结果。”他瞥见了 14,000,605 个未来，发现了通往胜利的唯一道路。

奇异博士预见未来的能力不再只是虚构。嵌入人工智能的建模模拟可以完成类似的工作：虽然它们无法看到未来，但它们可以预测未来。

通过人工智能生成的战场模拟，海军可以与敌军进行一百万次以上的战斗，以找到赢得战斗的关键。凭借庞大的各种场景数据库，海军可以随时应对任何试图取代传统海上规则秩序的企图。

基于计算机的模拟/战争游戏

传统的基于计算机的模拟和战争游戏在国防部 (DoD) 有着悠久的历史。国防部在 20 世纪 80 年代采用了冲突模拟模型 Janus。Janus 是 1989 年正义事业行动（入侵巴拿马）和一年后的沙漠风暴行动的作战规划工具。

在见证了其影响后，国防部扩大了对基于计算机的模拟的采用，如今包括洛克希德马丁公司的战士模拟 (WarSim)、陆军的 One 半自动化部队 (OneSAF)、海军陆战队的 MAGTF 战术战争模拟 (MTWS) 和空军的高级模拟、集成和建模框架 (AFSIM)。

然而，现代模拟也有局限性。它们严重依赖预先设定的场景，需要大量的人类启发式决策和参与，这限制了模拟大量场景和场景的尝试。人工智能的进步和计算能力的显著提高为缓解这些限制提供了机会。

人工智能模拟与传统计算机模拟的区别在于，它能够在短时间内模拟数百万场战斗。通过数百万次自我演练，它可以自主生成场景，针对给定场景制定大量行动方案，并为决策者提供多种选择。它还可以评估或生成针对敌方部队的最佳行动，并制定对策来击败敌方部队。

模拟和人工智能的进步及其对海军的影响

人工智能非玩家角色。在过去的几十年里，游戏图像的分辨率有了显著的提高，让用户在几秒钟的游戏过程中就能完全沉浸其中。另一个让游戏变得有趣的元素是非玩家角色 (NPC)，即“电脑游戏中由电脑而不是玩家控制的角色”。2即使玩家独自玩游戏，这些虚拟角色也会让他们感觉好像在与真人对战。

但有些游戏中的 NPC 行为并不像人类。他们会在相同的情境下重复做相同的事情。这些重复的动作很容易让玩家猜到接下来会发生什么，他们很快就会觉得游戏很无聊。

有几种方法可以让 NPC 的行为更像人类。过去，开发人员使用简单的基于规则的行为算法。然而，随着神经网络的进步，NPC 变得更具动态性，更能适应对手的行为。

2005 年，德克萨斯大学奥斯汀分校的三位计算机科学家证明，嵌入神经网络的 NPC 可以在用户玩游戏时实时接受训练。这要求玩家与更像人类的智能对手竞争。NPC 开发中最令人印象深刻的成就之一是 DeepMind 与 Atari 游戏的合作。

通过采用深度神经网络与强化学习（机器学习的一个领域），NPC 在仅进行了 2,600 次迭代自我游戏后就超越了人类的表现。如果将嵌入神经网络的 NPC 应用于军事训练，它们可以帮助训练个人完成复杂的任务。

将 NPC 集成到军事应用中，为加强不同海军领域（太空、空中、水面、海底和网络）的战斗训练和作战策略开辟了一条创新途径。

例如，通过设计 NPC 在详细地图上以不同难度级别（专家、普通、新手等）执行岛屿防御、反水面战和水下作战等特定任务，舰船可以为一系列关键场景做好准备，并通过与设置为适当技能级别的 NPC 进行虚拟战斗来确定实现目标的最有效策略。

目前，研究正在开发这些专门的 NPC，其中来自几家与军事相关的机构做出了显著的努力。海军研究生院正在研究 NPC 的认知 AI，以处理军事特征，例如层次结构、战争迷雾或 ATLATL 平台内的特定场景。在南加州大学创意技术研究所，研究人员正在快速集成和开发环境中研究自适应 NPC，专门用于军事训练目的。

这些机构的研究具有超出其初始范围的潜在应用，包括战略决策过程，例如确定最佳行动方案。此外，它可以为开发能够自主思考和决策的无人驾驶车辆铺平道路，这可能会改变未来战场的格局。

用于模拟/战争游戏的生成式人工智能。生成式人工智能 (GenAI) 擅长创建与其学习内容相似的新内容。这种能力使其在各个行业中得到广泛应用，并已成为我们日常生活的一部分，例如 ChatGPT。

GenAI 的主要优势在于它能够解决作战经验或训练数据有限的问题。从这个角度来看，一个值得注意的应用是生成场景。给定敌方海军的估计规模、舰船类型和数量等基本参数，GenAI 可以生成大量现实场景。这使作战规划人员能够探索和试验各种可能超出人类思维但又可行的场景。

GenAI，例如由 Vinicius Goecks 和 Nicholas Waytowich 开发的 COA-GPT，也可以通过与指挥和控制人员互动来建议行动方案，以支持决策。海军可以使用这种方法来制定行动方案，从简单场景（例如在公海中找到最有效的编队或定位）到复杂场景（例如沿海地区和岛屿附近的战斗情况）。

GenAI 实施的另一个方面是场景生成。根据历史经验和已知的敌人战术、目标和任务，GenAI 可以根据创建的场景生成合成敌人行为。这种能力将使海军能够通过模拟各种潜在对手行动来应对意外情况，从而提高其对海上动态威胁的应对能力。

数字孪生。数字孪生将现实转化为数字形式。工业领域的当前先锋是工业 4.0，它集成了云计算、物联网、人工智能和数字孪生等技术，以收集和分析制造过程中产生的数据，从而增强决策能力。

想象一个智能工厂，生产线上的每台机器都有自己的传感器，不断收集数据并与整个系统共享。无论是哪种数据，人工智能都会对其进行分析，并想出让制造过程更顺畅、更高效的方法。

美国宇航局于 2010 年推出了数字孪生，它是“对飞行器或系统进行多物理场、多尺度、概率模拟的综合体，利用最佳的物理模型、传感器更新、机队历史记录等来反映其飞行孪生的生命”。

数字孪生的优势在于，它不仅能够在设计阶段可视化整个系统，还能预测问题、优化解决方案、加速原型设计，并在实际实施之前促进培训。模拟和人工智能、机器学习（使系统能够从经验中学习而无需明确编程）和强化学习（使系统能够实现最有价值的结果）等核心组件对于促进对未来结果的预测可见性至关重要。

数字孪生使决策者能够看到决策结果并修改选择。他们可以预测可取之处，规避可预测的不良行为，并减轻不可预测的不良行为的影响。这种双层方法不仅限于船舶设备的预测和生命周期管理；它显著增强了各种运营场景中的战略规划和实时决策。

通过使用全面的数据分析和模拟，数字孪生可以加深对维护系统的了解，使舰队能够优化船舶性能，提高可靠性，并更有信心地作战。此外，数字孪生在风险管理中发挥着至关重要的作用，它提供了一个安全的环境，可以在其中测试假设并评估潜在的干预措施，而无需物理地改变实际系统。

因此，数字孪生不仅具有优势，而且对于在当今迅速挑战的海上运营形势下保持竞争力和实现卓越运营至关重要。

可能的平台

创建虚拟战场需要投入大量的资金和精力。不过，有些前景光明的平台可以用于军事用途。游戏行业提供了许多军事主题的游戏，其中一些游戏具有逼真的数据输入或允许用户修改输入以满足特定要求。虽然这些游戏平台目前可能不具备 AI 和机器学习 (ML) 应用的功能，但它们有可能成为创建 AI/ML 环境的基础。

通过利用这些平台的物理引擎或地形生成器功能等先进的模拟功能，无需从头开始就可以为军事应用开发复杂的训练和战略规划工具。这种方法不仅节省了资源，而且还加速了先进虚拟战场技术的开发和部署。此类游戏和模拟平台的示例包括：

Command: Modern Operations（由 Slitherine Ltd 发行）：这款游戏提供了现代战争的多领域模拟，提供了跨陆、海、空的详细规模军事行动。它的优势在于其复杂的场景编辑器，允许用户制作特定的作战场景。通过整合 ML 算法，军方可以增强这些场景的预测能力，从而改善虚拟演习中的决策和战略规划。

现代海战（由 Slitherine Ltd 出版）：该平台专注于高保真模拟海军作战，包括潜艇战、水面舰艇交战和防空。通过将其调整为 ML 使用，海军可以开发算法来模拟和分析海军战略，提供前所未有的训练机会，并为海军作战战术和战略优化提供见解。

现代空战环境（由 BSI 开发）：MACE 是一款高度详细的空战场景模拟工具，可提供飞机、导弹系统和雷达跟踪的真实模型。它能够模拟复杂的空中交战，是 ML 适应的绝佳候选者；算法可以分析交战情况，提供战术和战略见解，从而有可能彻底改变空战训练和规划。

VR Forces（由 MAK Technologies 开发）：VR Forces为陆、空、海作战创建详细的虚拟环境。它的优势在于能够模拟大规模军事演习和行动。集成 ML 功能可以使平台提供实时战术调整和预测，从而提高训练演习的真实性和有效性。

进化的时间

2022 年国家安全战略指出，“后冷战时代已彻底结束，各大国之间正在进行一场竞争，以决定未来的发展。” 13这意味着战场环境将从相对可预测转变为不可预测。因此，迫切需要开发和实施尖端技术，以有效管理和减少不确定性。就像奇异博士一样，海军决策者在人工智能的帮助下，将能够穿越无数场景，找到能够在不确定的战场上确保胜利的战术和战略。

奇异博士的超能力远见卓识体现在人工智能模拟和战争游戏中。未来的征程可能会面临挑战，但只要果断谨慎地致力于创新，海军就能将自己提升到一个新的水平。