|
本文来源：兵推天下 在过去一年，生成人工智掀起一股热潮。而兵棋推演在美国海军陆战队大学占有一席之地。该学校的兵棋专家凯文·威廉森（Kevin Williamson）就大语言模型能否增强兵棋推演并促进专业军事教育展开了研究。研究报告具体内容如下。 01 前言 生成AI正在成为全球诸多行业关注的重点。像CHatGPT-4等大语言模型，已经在增强劳动力方面展示了巨大的前景。 尽管生成AI能够为机构提供价值，但其主要争论点是访问这些模型时的数据和网络安全问题。
本报告旨在做两项工作：
02 下一代战斗伙伴 假设你是美国海军陆战队的一名上尉，你刚调任到匡提科MCB，并奉命前往远征战争学院（EWS）。按专业来讲你是一名海军陆战队步兵军官，而在空闲时间是一名学者。最近你被告知将在第二天参加一场兵棋推演，使用的兵棋是“指挥：专业版”（Command: Professional Edition），你已经被安排好为学员小组控制空域。 你非常有信心，但有一个问题，你不知道自己不了解哪些情况。 这种情况在一般的兵棋推演中很常见，不仅是海军陆战队大学这样。你无法控制参与人员的专业和背景。作为兵棋主题专家，确保学习目标得以实现，并寻找不断改进这一过程的方法，是一项重要职能。 现在，我们假设远征战争学院的这位上校对于如何实施空中战役知之甚少，他将资产、预期目标输入了大语言模型，LLM不仅能够提供打击编队建议，还能告诉他为什么选择该行动方案。
03 教育价值（专业军事教育） 提高学习效果 让生产AI成为学员使用的工具，能够让学员沉浸于想定中，减少学员感到不知所措，或者一直盯着兵棋机制的机会，进而提高总体学习效果。 跨域训练 将生产AI整合到兵棋中，为学员提供了参与教学内容，并了解到所有领域的威胁、能力和考量。 教学机会 通过提供兵棋“沙盒”学习环境，生成AI能够为整个机构的教职工提供教学机会。在兵棋推演过程中，学员往往会犯错误或者忘记一些事情，就像搜集AAR笔记进行讨论一样，我们也可根据这些笔记，围绕发现的错误点，制定未来兵棋想定。 可能你希望生成一个兵棋想定，来考察存在争议环境中的持续保障问题。生成AI可以做到这一点。 也许某个学术班在某些方面有些落后，或者没有重视规划过程中的某个概念，可以创建一些专门针对已发现的重点问题的想定。 04 概念验证 作为美国海军陆战队大学的兵棋主题专家，我和当时的许多其他人一样，觉得必须为ChatGPT找到一个用武之地。最终，我尝试利用其分析从专业软件中导出的CSV数据，但发现并不可靠，最终我认为这不值得投入大量时间。听了很多关于 ChatGPT 的讨论，发现也并不适合我。我并不认为我们离 '天网 '很近，也不认为人工智能是坏的，不值得我们在兵棋领域花费时间。 我的情况很特殊。我的任务是加强海军陆战队大学的专业军事教育，要在这方面使用人工智能，需要向前迈出一小步。我前面提到的 '下一代战斗伙伴'就是生成人工智能。 一款用于国防部兵棋推演应用的生成AI正在从头开始设计，它的联合创建者曾在美国海军陆战队担任过5年军官，给了我访问该AI的权限。 我决定通过该模型来验证在兵棋推演中应用生成式AI想法的可行性，因为与我见过的其他模型不同，它能为所提供的材料提供来源。除其他兵棋推演功能外，它还能创建虚假媒体插入，重现实时信息环境。
本研究中的概念验证很简单。在“指挥：专业版”中创建一个基本想定，看看该模型是否不仅能为我创建一个任务以嵌入到兵棋中，还能解释为什么要选择某些弹药或飞机等。 要取得成功，模型首先要能提供教育价值，然后才是兵棋效果。在兵棋推演中取得成功只是锦上添花，重要性低于为学生提供信息。 为了进行更严格的审查，我收集了用户提交的想定信息，以便与模型在兵棋中的成功程度进行比较。大语言模型任务运行了200 次，每 50 次为一组，每组都有不同的武器释放授权（WRA）和理论设置。 05 想定
蓝方拥有12x12x F-35A, 12x F-22A 以及 4x EA-18G。红方拥有12x J-20B，正在执行战斗空中巡逻任务，2x SA-21 炮组以及1x HQ-16雷达，这生成AI打击包的主要目标。 我们将以用户提交的想定资料为基准，判断在“指挥：专业版”兵棋中生成AI执行基本任务的有效性。 通过内部因素衡量生成AI迭代成功与否。
尽管这不能完全衡量任务是否成功，但将生成AI成功输入兵棋中，考虑其在兵棋推演中的附属优势时，这是非常有用的方法。下文提供了用户提交的想定资料，一些生成AI提示示例，最后是生成AI方案在“指挥：专业版”中的有效性。 用户提交的想定资料
生成AI提示 请使用下述信息为虚拟想定生成一个打击编队。在N27o03’24’’ E27o58’31’’ ，你拥有12xF-22A猛禽战斗机、12xF-35A闪点II战斗机、4xEA-18G电子战机。你的目标是N24o49’47’’的SA-21防空导弹系统，N24o49’39’’ E125o08’46’’的HQ-16A搜索雷达以及N24o49’39’’ E125o08’47’’的SA-21防空导弹。你可预计大约12xJ-20敌机在执行巡逻任务。
战机和战术方面的教育价值
弹药方面的教育价值
生成AI任务--“指挥：专业版”中的蒙特卡洛方法
06 概念结果 因为生成AI没有与Command软件进行具体整合，其给出的提示存在一些问题，但总体而言，从教育角度来看，在人在环中的情况下，其仍然是非常强大的工具。考虑到用户提交的想定资料在事情发生时能够对其进行修改，我相信生成AI模型在规划用于“指挥：专业版”的打击包时表现得很好。虽然我还有更多的研究和测试工作要做，但我相信在兵棋推演和专业军事教育中使用生成AI是加快学习进程下一步要做的事情。
|
|
|
