類ChatGPT大語言模型背景下計算機兵棋面臨的機遇、挑戰及未來展望

蔣旭豐

經歷200多年的歷史積淀，兵棋從研討型、手工型、到復雜的計算機系統支持，當前進入快速發展期。ChatGPT自2022年底推出以來，其強大的“人機對話”能力吸引了全球目光。2023年1月，美國防信息系統局（DISA）將類ChatGPT大語言模型（以下簡稱大語言模型）底層的“生成式A I技術”（AIGC）列入“技術觀察清單”。大語言模型的突破性發展，為計算機兵棋帶來新的建設和應用增長點。本文主要針對計算機兵棋發展中的痛難點問題，圍繞大語言模型帶來的機遇、挑戰和未來發展趨勢進行研討。

大語言模型掀起認知風暴

大語言模型已在人機對話中展現出一系列“無所不能”的能力，目前已得到驗證的應用場景包括：為用戶提供涵蓋廣泛領域的問題解答，幫助用戶撰寫文章、郵件等各種文本內容，根據用戶輸入的文本分析其情感傾向，為長篇文章生成簡潔摘要、幫助用戶快速了解關鍵信息，多語言間的機器翻譯，多種編程語言按需自動生成代碼，實時在線客戶服務等。在軍事領域，相關研究表明，對情報分析、軍事醫學、軍事后勤、戰場環境支持、導彈制導、通信和網絡安全、態勢感知和數據融合、人工智能衛星、單兵穿戴系統、軍事數據管理、軍事建模與作戰模擬仿真等建設，大語言模型均有巨大應用潛力。

人類與ChatGPT大語言模型通過電腦聊天

計算機兵棋是典型的人在回路作戰模擬系統和工具，因其模擬真實戰爭、擅于推演不確定復雜的局勢、輔助指揮決策方面的作用受到廣泛關注，能為軍事謀略訓練、作戰問題研究、作戰方案優化和評估等提供有利支撐，在美軍中已成為現代戰爭和作戰籌劃的關鍵環節，具有解決復雜軍事問題的能力。目前，大語言模型在計算機兵棋上的應用剛處于初步探索階段。“海空兵棋”社群組織開發了名為“AI軍事顧問”的大語言模型應用，擁有基礎的軍事語言理解和文本生成能力，比如：能基于文檔機器翻譯完成跨語言文本理解，實現中文對英文專業文檔的查閱；能對軍事專業術語進行查詢，提問“根據兵棋操作手冊，如何解釋DLZ？”時的回答，基本準確復述手冊中關于DLZ概念的描述；能對地形做解讀分析，詢問“兵棋中地形如何影響戰斗？”后的回答，能詳細解釋地形對作戰單位、視距、武器性能等方面的影響。目前，該應用已完成有限的互聯網開源情報和相關理論語料訓練，一定程度上能輔助計算機兵棋推演。

帶來的機遇

大語言模型的成功，在軍事領域引起廣泛關注，也將對計算機兵棋的設計和應用、兵棋推演的準備和評估等，帶來新的建設模式和應用創新。

多模態技術加持將帶來態勢感知新能力。計算機兵棋作為作戰模擬的高效工具，基本步驟是由參訓人員首先處理各種指控信息，計算機按照規則分析、計算、評估推演活動對整個戰爭的影響，模擬各種作戰實體在虛擬戰場環境中的行為操作，在保證訓練對抗可信的同時，能很好地加速戰爭經驗和演習數據的總結積累。通過兵棋系統界面，參訓參演人員感知戰場態勢，對推演環境進行認知、理解和狀態預測，是指控能力訓練的第一步。但參與實體往往多元異質、推演空間規模廣闊、協同問題多變復雜，在快節奏的作戰推演中，戰場環境瞬息萬變、戰機稍縱即逝，對抗環境下很難及時、全面掌握戰場形勢，很可能因關鍵信息錯漏缺失，誤導得出截然相反的錯誤判斷。大語言模型技術及應用將圖像、視頻、表格作為輸入輸出選項，支持與人更加直接的對話交互，開啟通往通用人工智能之路，已然構筑起生成式AI技術領域核心基石。大語言模型技術賦能兵棋態勢感知，意味著文字、圖像、視頻等不同語言格式的輸入輸出數據將得到良好管理，便于基于整體動態環境快速洞悉形勢、判斷風險利弊，為參訓人員提供和其角色、身份、任務相關的信息，幫助其指數級降低頭腦信息處理負荷，為后續有效決策奠定基礎。

美軍運用兵棋推演海灣戰爭

即問即得知識問答將帶來方案對比和兵棋推演新效率。兵棋推演分析能有效評估作戰方案，如美軍入侵伊拉克、活捉本拉登等軍事行動發起前，都在五角大樓兵棋系統推演了很多遍，各種軍演都要先行進行兵棋推演以進行作戰方案比較和行動計劃分析。美軍作戰條令中明確規定：在初步構想及開發多個作戰方案和行動計劃后，必須通過兵棋進行分析。輔助參演人員分析、評估、比較作戰方案和細化行動計劃，是計算機兵棋的顯著優勢。作戰計劃一般可分為概念性計劃、應急計劃、危機行動計劃、實時計劃等，但不同類型計劃對計算機兵棋的使用要求及兵棋對各類計劃的支持程度差異巨大。如概念計劃常以定性分析為主，兵棋推演往往不能獲得重復性統計結果；概念和應急計劃均需耗費大量時間構建相應數據庫；應急、危機、實時計劃都要求參演人員非常熟悉想定所有情況，這無疑都對計算機兵棋的使用效率帶來影響。大語言模型技術與兵棋結合，將成為兵棋推演和輔助參訓人員的“GPT參謀助手”，基于Prompt指令的即問即答能顯著深化參訓人員對兵棋想定和己方使命、意圖、任務、目標的理解，提速作戰行動方案比較分析，匯集多個作戰方案計劃的優點，加快現行的兵棋推演效率，甚至重寫兵棋推演模式。

大模型知識推理能力將賦予兵棋“新靈性”。棋盤、棋子和規則是兵棋的三要素。其中，棋盤指兵棋運行的基礎環境，棋子指行為交互的實體，而規則主要用于評判執行軍事行動的可行性與完成效果、采取軍事行動后對武器裝備的作用效果，以及武器裝備的效能評估，直接影響推演的組織模式和最終推演結果，是兵棋系統運行的核心。對兵棋規則進行優化，將使得兵棋適應不同的場景，但不管是建模更新、還是專家群體共識達成法，整體規則優化方法的效率總體較低，一定程度上使得兵棋表現較為“呆板”。大語言模型具有的常識推理能力，為活化兵棋規則帶來啟發，通過基于持續學習得到的軍事邏輯，立足現有的戰場態勢，利用外部的知識庫，解決與態勢前提和行動假設相關的問題，將賦予兵棋處理不確定性的能力，提升兵棋適應不同推演場景和需要做出調整變化的能力。在兵棋推演過程中，能夠幫助參訓人員動態預見和展現作戰中己方的行動、對方的行動及己方對敵方行動反應的對抗過程。

輔助構建通用智能體將推動兵棋推演新發展。計算機兵棋與人工智能技術結合，構建AI智能體是兵棋智能化的典型應用。以行為樹、自動機等知識引導技術構建AI智能體，已在基于墨子、廟算、CMO等國內外兵推人機對抗賽中體現出了一定的智能水平，在特定想定下的機機對抗賽中甚至達到了專業級選手能力。但在構建特定場景、通用AI智能體方面面臨復雜困難，主要是任何單一的知識引導、機器學習等技術都有其內在局限性，增加單一維度的空間也將使難度成幾何倍數的增長，無法完全解決計算機兵棋智能化發展的諸多問題。大語言模型對海量信息的融合和深度強化學習反饋機制，將使得AI智能體在與環境交互試錯中擁有更多的常識積累，使其在多任務、多想定、多輪次的兵棋對抗推演中，能夠更快速準確地推動OODA循環。特別是利用大語言模型微調技術，將使得針對性設計兵棋AI智能體專用優化目標變得更加容易，以適應不同規模的集群、群、分群的自博弈對抗。

兵棋推演納入美軍各軍種院校培訓科目

面臨的挑戰

在給軍事領域帶來可預期應用潛力的同時，也應看到，計算機兵棋智能化進程正快速發展，大語言模型從突破到與計算機兵棋相互融入，也將面臨諸多挑戰。

功能結合和深度耦合面臨諸多技術難題。模塊化功能結合和多種技術打破深度耦合，是大語言模型賦能計算機兵棋的兩種可能方式。模型化功能結合能在最大程度上保持兵棋和大語言模型各自建設和發展的基礎，賦能和影響計算機兵棋發展。一方面，計算機兵棋系統本身的復雜程度較大；另一方面，大語言模型建設和訓練的成本極高，甚至達到百億美元量級規模，每次調用花費不菲，從訓練到部署更是難上加難，且兩者都對工程能力有極高的要求，需要漫長的需求提出和滿足迭代過程。從概念模型、數學模型、程序模型等各個層面，打通兵棋和大語言模型間的多種技術環節，實現兵棋和大語言模型多種技術的深度耦合，是利用大語言模型、賦能計算機兵棋的根本途徑。但這需要對大語言模型和計算機兵棋技術進行充分解構，是學術界和產業界持續關注的開放性問題，以及計算機兵棋持續投入和未來發展的趨勢。

兵棋推演在美軍建設及作戰設計等方面發揮的作用越來越重要

“雙重迷霧”疊加更加凸顯“黑箱”困境。大語言模型是一堆神經網絡的參數，本身不包含具體意義，其行為由訓練數據決定，數據量越大、質量越高，模型的能力就越強。技術復雜性和不透明性造成的“黑箱”問題，無法清晰展示輸出與輸入之間的因果關系，難以闡明在特定條件下會輸出何種結果，使用者可能始終無法完全信任其輸出的結果，存在人機信任問題和挑戰。在大語言模型賦能的計算機兵棋中，回復可能是一本正經地胡說八道，態勢判斷貌似合理，作戰方案計劃看似可行，但實際上可能與現實情況大相徑庭。可解釋性人工智能技術正在持續發展，但當前大模型仍不能提供合理的證據進行可信性的驗證。因此，兵棋固有的“戰爭迷霧”和大語言模型“信息迷霧”雙重疊加，將更加凸顯兵棋的不可解釋性。兵棋推演中所獲經驗成果的有效性，在檢討反思和復盤評估中，可能會被進一步削弱。

高門檻下的特定應用轉化道阻且長。全生命周期自主可控，無法實時地融入新數據、新知識，明顯的可回答問題知識邊界，需要專業調教才能準確回答等，是大語言模型與計算機兵棋結合應用時需要持續推進解決的問題。目前，百度（文心大模型）、騰訊（HunYuan大模型）、阿里（通義大模型）、商湯、華為（盤古大模型）、科大訊飛（星火認知大模型）等國內企業，主要采取“模型+工具平臺+生態”三層共建模式加快大語言模型的建設應用。受限于大語言模型研發所需的算力、算法、數據、人才、資金儲備等建設的高門檻，其與計算機兵棋結合主要以“重后臺、輕前臺”的方式進行。同時，與大語言模型將全互聯網數據用于學習相比，軍事領域中結構化的作戰經驗、各類作戰場景演練等數據積累仍需持續迭代和專業構建，在計算機兵棋上的應用還受兵棋的普及程度和兵棋大數據建設的影響，借力國內自主可控的大語言模型，構建軍事大語言模型和兵棋大語言模型，需要跟進布局和長期投入。

未來展望

大語言模型的技術突破，無疑能更好地滿足信息化和智能化條件下的多專業、多指揮層級融合推演需求，給解決計算機兵棋現存的理論和技術問題帶來契機。未來，綜合包括大語言模型、大數據和其他人工智能技術最新發展成果，將為構建更復雜、動態調整、可配置的戰場環境，構建更為精確的作戰模型、更大范圍的推演區、更多樣的軍事作戰行為、更逼真的模擬與仿真推演，創造更快捷和便利的技術條件。特別是隨著大語言模型等技術的深入發展及其成果在軍事領域的轉化應用，將更好助力計算機兵棋的智能化進程，促進計算機兵棋系統與實戰演練及訓練的深度融合，為作戰決策、實戰訓練和軍事教育提供有力支撐。