美国如何利用人工智能重塑军事训练？
美国如何利用人工智能重塑军事训练？
美国陆军司令部少校 Robert A. Coombs 在美国陆军杂志《军事评论》（Military Review）刊文《AI集成在场景开发中的应用：全面提升部队训练》（AI Integration for Scenario Development：Training the Whole-of-Force），本文探讨了美国国防部如何利用人工智能（AI）技术进行训练场景开发，以应对复杂战斗环境中的新威胁。分析了研究背景、国家战略指导，面临的挑战与机遇以及未来前景等方面内容。
图源：Army UniversityPress
一、当前局势概览
在当前高度城市化的复杂战斗环境中，美国面临着前所未有的威胁。设想一种情境：美国面临叛乱者威胁，敌方装备尖端武器、先进的电子战设备和无人系统，并对美国资产进行太空攻击，此时要求军事力量直接介入，并需美国国务院为美军旅级战斗队（BCT）分配政治顾问，以确保有效应对。在此背景下，美国国防部（DOD）指示作战训练中心指挥部（CTCD）在二十天内开发一个完整的训练场景，以帮助部队进行有效作战。该场景需涵盖新型武器、多元文化、民事考虑、太空战、电子战及沿海作战中的非常规战争。然而，军方在迅速开发具备足够深度和广度的训练场景方面，面临着显著挑战。
相关专家预测，巡飞弹、人工智能控制的无人水下航行器和无人机群等将成为未来大规模冲突中的常态。然而，当前研究尚未充分重视人工智能驱动的未来战争建模所需的理论和技术，这可能导致军事训练方式显著滞后于新武器装备和作战模式。因此，当前作战环境中的一大挑战是确保作战方式与技术的高速发展保持同步。
美国国防分析研究所专家指出，未来的军事训练需要“一场创新而严谨的训练和实验活动”，以便能支持开展大规模的联合/综合全域行动。为实现这一目标，最佳方案是采用人工智能，提升任务规划和效果评估的效率与智能化水平。本文指出，美国国防部已准备好利用人工智能强大的能力进行场景开发，这不仅适用于作战训练中心，还将扩展至整个部队的部署。同时，美国商业部门已开始利用AI提供基于场景的培训，这将成为美国国防部军事训练的重要补充。
二、美国国家战略指导
人工智能已成为现代美国国防领域的热门词汇，其应用将进一步提升军事力量。美国《2022年国家安全战略》指出，DOD需在“网络和太空领域、导弹打击能力、可信赖的人工智能和量子系统”方面增加投资，以确保在作战能力上超越竞争对手。
美国国防部《2023年数据、分析和人工智能应用战略》指出，美国政府以实现“作战空间感知和理解”以及“自适应部队规划和应用”为目标。该战略指出，人工智能技术将在未来广泛应用，新一代士兵将把基于人工智能的装备融入日常作战活动之中。
《2023年数据、分析和人工智能应用战略》（图源：DOD官网）
然而，《国家安全战略》和《国家防御战略》中并未明确提及人工智能在支持军事训练方向的应用。目前，美国国防部人工智能的应用重点主要在自动驾驶车辆和后勤保障领域，赋能场景开发用于军事训练并非核心优先事项。此外，关于人工智能的使用指导仍处于起步阶段。
三、NTC与训练环境
国家训练中心（NTC）在三个月的时间里，为作战部队开发了两个新的训练场景，并创建了一个适合大规模作战行动（LSCO）的训练场景。这些场景有效调整了BCT的机动战训练，使其在武力冲突和防御行动中能够胜任关键任务。然而，这些场景暂时没有考虑到外交战、信息战和经济战等因素，从而导致BCT在进攻阶段难以实行有效应对。
场景设计人员为部队开发力量对抗环境付出了大量努力，但创建所需数据是一项艰巨的任务。此外，构建一个沉浸式的训练环境既耗时又繁琐，尽管设计者努力整合情报和民事事务等领域的知识，但信息缺失仍然会影响其有效性，无法满足指挥官的情报需求。以往，国家训练中心需要大量专家花费时间分析和更新场景，但随着美国重新聚焦于大国竞争，场景开发亟需更高的敏捷性和针对性，以适应复杂的现代战斗环境。
四、NTC初步测试人工智能辅助场景开发
2023年，国家训练中心（NTC）与Scale AI合作，将人工智能平台Donovan整合到NTC训练操作中。Donovan展示了三项与研究相关的独特能力：利用多语言模型的能力；在政府批准的系统上创建可检索的独立数据库的能力；以及在类似约束条件下重复查询生成预制数据表的能力。这些基本要求展示了在有限资源条件下提升场景开发和工作效率的可行性。
Donovan平台截图（图源：Scale AI）
在初始阶段，针对该平台的测试首先使用非机密场景数据，以实现场景开发的自动化并支持基于研究的心理行动系列文档。人们迅速发现，这些场景文档足够强大，能够支持BCT在大规模作战环境中开展进攻行动，但场景数据量不足，生成式人工智能无法完成任务。为填补训练数据中的空白，使用条令库作为人工智能的参考资料，并对数据库进行查询，以识别场景中的信息缺口。在一个实例中，人工智能指出，场景中城镇在排水、供水、电力、教育、垃圾处理、医疗和安全等领域的信息深度不足，这影响了部队进行民事事务和战后整合活动的能力。人工智能基于军队教义，引用数据集，识别了信息的局限性，并建议针对这些信息缺口进行补充。Donovan在这一任务中展示了其在场景开发中识别局限性并提出数据集与场景创建的能力。
平台测试的第二项能力是生成项目设计表，允许用户以可复用的方式设置请求参数。该模型使用户能够为特定主题设置查询指南、制定研究方法，并通过人工智能生成的报告提供完善的设计方案。为了验证这一能力，研究人员设定了通过人工智能生成心理战目标受众评估工作表，以实现80%的解决方案。该工作表由10个小节组成，评估目标受众的易感性、脆弱性、可接触性，以确保行为画像的有效性。在识别出适合的查询词汇后，研究人员发现人工智能生成的内容占解决方案内容的70%。然而，人工智能的局限性体现在无法定义社会科学术语和理解某些教义文件的上下文。尽管存在局限性，人工智能减少了大约10个小时的工作量，并提高了研究人员的工作效率。
NTC对人工智能的应用引起美军的高度关注。如果当前美国国防部的指导方针和预测保持一致，人工智能将应用到场景开发中，帮助BCT量身定制训练场景，并根据地理和外交变化实时调整。这种能力对于需要在各种不同环境执行任务的特种作战部队尤为重要。人工智能能够突破人员限制，为复杂多变的环境提供演练场景，从而推动任务的顺利执行。
图源：美国陆军研究实验室
五、当前的局限与机遇
尽管人工智能系统具有潜在用途，但其能力仍处于初级阶段。“废料进，废品出”，这一短语描述了某些人工智能生成程序的现状。对人工智能生成图像的测试结果显示，在手写文字和手绘图案方面存在较大挑战，而文本输出也缺乏应有的深度和清晰度。此外，在测试各种人工智能语言模型时，发现其在生成“创造性”信息方面存在局限，通常套用固定的描述框架生成类似的参考信息。目前，在试图利用人工智能产生假设性问题或场景时，如果缺乏强大的示例数据库，创造力不足便是严重问题，此时，人工智能必须结合独立数据，通过上下文线索进行关联分析。
当前人工智能模型缺乏创造力和上下文线索理解的问题，为图书馆学专业人士提供了机遇。一些人工智能公司已经意识到需要图书管理员作为“提示工程师”，即精通语言建模和数据库系统的专业人员，能够识别数据库的“提示”请求。提示工程师负责识别适当的研究模型、术语和提示链，以使人工智能能够得到正确的回应。图书馆学专业人士在填补军事未来人工智能使用需求方面具备独特优势，是将人工智能平台与能力需求对接的潜在人才来源。
六、人工智能辅助场景开发的前景
随着人工智能的普及，人们将从“数字原住民”时代过渡到“人工智能原住民”时代。人工智能在训练场景开发中的应用将为部队快速适应多样化的训练情境提供重要机遇。一旦建立了大量的数据集，人工智能将成为强大的训练辅助工具，不仅支持CTCD操作，还可辅助学校训练新士兵。领导者可以创建强大的模拟环境，将BCT行动与政治和社会环境条件相连接。当前人工智能的局限性不应妨碍军方采纳这一技术，反而应强调国防部应在此领域加大投资。对美国而言，随着技术的进步，不断改进的场景开发对于在全球竞争中保持优势至关重要，因此应大力推动人工智能的发展。
本文原文来自美国陆军研究实验室