摘要：近年来，北约科技组织一直在研究如何将人工智能、机器学习、大数据、沉浸式AR/VR/XR、5G和通过云计算和面向服务架构提供服务的新方法运用在建模与仿真（M&S)系统中。2022年9月，该组织MSG-189专家组发布技术报告《人工智能增强在军事训练和决策过程行动分析中的沉浸式仿真》，介绍了创新的M&S系统参考架构以及与之相关的技术、应用研究。本文将依据该报告解析MSG-189参考架构。文章分为上下两篇，上篇介绍当前仿真系统在军事训练和决策领域的应用局限以及新兴技术对此的改进，还有参考架构的基本情况，下篇介绍参考架构相关产品的主要功能和界面。
关键词：人工智能，北约科技组织，建模与仿真，军事训练和决策，仿真系统
仿真系统在军事领域的应用现状
报告认为，当前军事训练和决策领域的仿真系统能力与运用人工智能等新兴技术后预计能力间存在一定的差距。
1.战术训练
在战术训练领域，战术等级可分为高战术等级（指挥层级）和低战术等级（前线/下级）。其中针对高战术等级的理论、程序、任务训练以及针对较低战术等级的任务训练最能从新兴技术的应用中获益。
1.1高战术等级训练
在高战术等级训练方面，目前基本没有用于训练高级指挥官的仿真系统。高级指挥官一般通过参与课程和以书面形式规划行动方案的方式进行训练，这一方法的缺点是难以得知规划结果。另一种方式是进行兵棋推演，但由于其十分费时且需召集人员，所以指挥官也很难有机会参与。另外，指挥官的级别越高，他们受训的机会就越少，还伴随同伴压力和对尝试新策略的厌恶。
已有的战术训练方式有：一是指挥与参谋培训(CAST) 系统。该数字系统可以训练军官及其部队进行训练，局限性在于每个实体都是由人类控制的，因此指挥官需要数百名低级玩家来模拟中等规模的行动。二是手动兵棋（棋盘游戏或桌面游戏）。这些是人工主持的游戏，通常使用自定义规则来解决战斗或由领域专家来裁决，但也可以基于商业棋盘游戏。三是现场演习/演练兵棋推演。这些是现场作战，部队将按照预先设定的作战计划进行战斗。适合于练习如何让大型编队在设定时间移动到某个位置，然而在学习战术和战略方面并无实际用处，指挥官也未真正进行决策。具体用例如下：
用例：地面作战指挥和参谋培训
迄今为止，军事建模与仿真（M&S）主要应用于面向基层的军事训练。M&S大量用于培训前线人员，且许多训练的目标是培训技能和程序，而不是战术。与广泛使用的较低战术水平训练相比，使用兵棋推演等M&S应用程序来协助高级战术指挥官做出更好决策的训练十分有限，主要是由于这类应用需要大量人力和预算才能执行，而人工智能等新技术将帮助更高级别的军事人员更好、更频繁地接受训练。
目前数字化支持的指挥参谋培训系统是计算机仿真和培训人员的结合，上级指挥官发出指令后，下级操作员会将指令转换成模拟器可执行的命令，受训者据此进行训练。未来运用人工智能技术和（当前可用的）游戏模拟器后，指挥官可以在业余时间进行训练，而不需要全体参谋人员来支持该训练。有助于缩小当前与理想状况之间差距的三个自动化示例如下：
- 军事合作/对抗游戏的自动化：下级和侧翼部队以及更高指挥部的角色目前由人类完成，人工智能未来可以扮演这类角色。最初可以使用复杂的系统和基于规则的人工智能来完成，然后再适应机器学习方法。机器学习方法可以运用强化学习以学习优化行为的策略，或者基于数据驱动方法，记录专家的数据并与运用模仿学习技术一起使用来模仿专家行为。
- 教育支持：演练控制模块可以结合HICON模块，根据受训者的进度为受训者定义场景和命令。LOCON模块可以确定将受训者的命令转换为下级命令的最佳方式，而 FLANCON模块可以发挥侧翼部队的作用。
现有指挥参谋培训系统中的HICON、FLANCON、LOCON模块
- 通信自动化：受训者目前接收和下达命令的方式是通过有机的沟通方式。未来，语音技术可以为受训者提供一种与现实相近的交流方式。
未来系统面临的挑战有：
- 仿真保真度：上文曾提及不必过度运用VR和3D等技术手段，以免指挥官因战场信息过多而分散注意力，但从另一方面讲，在进行战术训练或程序训练时，模拟器中的战斗分辨率水平仍应足够高以确保行为真实。VR和3D也可用于总结报告，以了解事件缘由，但在运行时用途有限。
- 边打边练：“边打边练”范式意味着作战人员应尽可能使用他的操作系统，而不是被动地使用代理模拟界面。在实训中，C2 信息系统必须与模拟器/游戏接口。接下来的挑战是C2的使用——模拟互操作标准或创建可复制此行为的工具，可以创建中间件工具，允许用户在熟悉的流程中工作，并且工具将此输入转换为模拟器可以理解的语言。从中长期来看，甚至有可能使用人工智能助手将口头或书面指令转换为模拟器可解析格式。
1.2低战术等级训练
在低战术等级训练方面，近年来，仿真训练和虚拟现实大量应用于前线人员的任务训练。最初的重点是飞行员，教他们如何起飞和降落，如何在模拟器中进行空战，然后再在实时平台上进行尝试。之后，越来越多的技术被用于步兵、坦克操作员和水手，以训练类似的战术技能。具体用例如下：
用例1：在飞行模拟器中针对 AI 进行兵棋推演
目前，大多数兵棋模拟器都有基于规则的智能体，操作几次后即可预测行为。这些智能体在经过强化学习训练后具备类似人类的决策和行动能力，并且其行为可能超出了传统的模式和原则。因此，每场比赛都变成了具有不同战术挑战的不同场景，适用于从前线到总部各个层级。在总部级别，与AI指挥官对战更具挑战性，因为AI指挥官已经针对同一战区用不同的条件、战术和演习训练了自己。该方法具有挑战性的部分是训练所有前线AI智能体担任不同的角色以及训练指挥官使用其新AI部队。
基于AI的培训也可能具有适应受训者能力的灵活性。培训应该处于知识领域的前沿，在与人工智能的战争中提供适当的挑战。如果任务太具挑战性，将妨碍受训者处理这种情况并学习所需的正确技能。如果任务太过简单，受训者将无法学到任何新技能，而只会重复容易获得的技能。人工智能还应该从经验中不断学习，以评估受训者的能力并在兵棋推演期间提出与之能力相当的新挑战。
用例2：飞行模拟器中的智能训练场景生成
与AI战斗最有益的部分是从它们的行动中学习新的战术和策略，并将其用于下一场对抗AI的比赛。另外，拥有系统后不需为不同场景编写太多规则，因此场景生成的时间减少。
2.战术决策
在战术决策领域，由于该领域十分广泛，包括海陆空（或多领域）以及在不同战术层面的各种新技术，但本文篇幅有限，所以仅从较低和较高的战术决策等级介绍三个用例。具体用例如下：
较低战术级决策用例：飞行员决策支持系统
强化学习可用于支持飞行员做决策。主要优点一是能适应不断变化的环境，二是合成难以人为复制的智能动作的潜力。在数字领域接受长时间培训后，可以在不更换人类飞行员的情况下将相关知识转移到真实领域。人类和人工智能智能体可以一起工作并合作实现共同的目标，例如，决策支持系统可以在作战期间为经验丰富的飞行员提供即时行动建议。在飞行员因心理和生理压力导致判断或电机控制效率低下时，支持系统可以与飞行员的动作相结合，以便在作战时保持最佳状态。
较高战术级决策用例1：海事监督的决策支持
未来的战场空间将有更多的传感器，所有这些传感器都在多个域中传送数据，带来海量的数据。此外，敌军也将提供大量的虚拟和诱饵数据。最重要的是，未来战争将以高超音速导弹和隐形技术这一前所未有的速度进行，这意味着决策时间将缩短至几秒钟，需要人工智能的大量支持来消除噪音并将相关的注释数据呈现给决策者。这些工具可以在仿真系统中构建并且与实际使用工具非常相似甚至相同。
较高战术级决策用例2：地面作战军事决策过程的决策支持
目前在地面作战规划中制定军事战术决策的的七个步骤为：接收任务→任务分析→行动方案开发→行动方案分析（兵棋推演）→行动方案比较→通过行动方案→下达命令。AI可以应用于其中多个步骤，但最获益的两个重要步骤是行动方案开发和行动方案分析（兵棋推演）。在行动方案开发中，人工智能可以支持考虑许多选项，以提出“最佳”解决方案。在行动方案分析（兵棋推演）中，人工智能可以通过呈现逼真的敌人战术来支持敌军。以上内容正在一个名为COSMOS（具有建模和仿真的作战行动支持）的项目中研究。
MSG-189参考架构介绍
参考架构的目标是创造一个有效且全面的环境，该环境能集成理论和程序准备、综合环境仿真以及传统动力学操作，为人员提供培训和决策服务。这部分将首先介绍参考架构在不同级别的军事行动中的应用及其在军事行动的不同阶段中的操作设想，然后介绍参考架构的核心能力和基础设施。
1.处于不同运行阶段的系统
在处于不同的操作级别时，系统架构应该是灵活的和模块化的，以支持在不同级别（分为技术、后勤、战术、作战和战略级别）操作的军事人员的培训和决策。不同级别代表着与决策类型相关的不同需求和质量。因此，不同级别的决策者对其运营环境有不同的看法。例如，与决策者相关的地理范围；决策者必须注意的实体及其交互（人、平台和设备）的数量，以及它们的详细程度和抽象程度；更高级别通常在更长时间跨度的环境中运行的关键任务时间，这与更高程度的不确定性、误差和任务动态的准确性相关。
在做决策时，架构的灵活性意味着它必须支持用户在整个操作的各个阶段运用系统。专业知识维度（单人、团队或集体任务培训）中定义的与任务相关的培训能力最能说明这一点。任务操作的各个阶段如图所示，大箭头表示从计划到汇报的典型顺序流程，虚线箭头表示可行的转换，以促进整体或部分过程的循坏。
任务规划各阶段
表1：转换说明
在训练时，架构应提供拥有广泛的培训范围，包括理论、程序、任务（个人、团队和集体）和战略培训。
任务训练步骤
参考架构的主要模块
中间的蓝色矩形代表根据实况-虚拟-构造（LVC) 原则定义的仿真环境，可以混合所有类型的仿真。该环境包含核心模块和专用模块，以满足培训、决策支持、概念开发和实验的不同需求。右侧矩形代表专用模块，在技术和功能方面为补充所有级别的主要环境提供了新的可能性。左侧是用户界面，展示了一些可能运用的新技术和功能示例，突出了扩展现实和安全，特别是网络安全，这是在分布式仿真中相当敏感的点。
1.1核心能力：仿真环境
参考架构中的仿真模块
图中有三个水平区域，大致属于实况、虚拟和构造仿真，三者区分并不明确，存在“渗透”。一般而言，所有模块都围绕“网络和仿真基础设施”展开，包括网络软件模块、分布式仿真执行、网络保护模板、传统模拟器/系统的界面。模拟器可以通过合成环境进行连接。“合成环境”是根据特定需求提供地形、气象、建筑、道路等真实环境模型来刺激其余模块，计算机生成兵力将在这个环境中进行训练和演习。“仿真控制”负责监控、记录和再现任何网络活动，可用于仿真系统、在虚拟级别运行的系统、现实世界中向仿真平台发送数据的系统和减轻操作者使用负担的所有工具。“平台”负责提供标准的预设平台，例如海上、陆地。其中包含对象行为以及基础设施、传感器和设备等复杂系统。因此，这个模块专用于需要更专业和准确仿真的特定对象，其中的每一个都可以是完整的软件模型，或者包含实体模型、仿真器或真实部件。“通信”是通过混合模拟有线和无线通信的合成和真实分段来制作，还需要能配备真实设备。“系统”表示可以合并其他简单或复杂的系统，包括实际零件。在这种情况下，合成环境用于模拟真实设备。
综上，整个仿真环境是通过虚拟世界和真实世界的连接完成的，双箭头表示在合成世界中注入来自现实世界的信息和刺激。从理论上而言，所有访问仅受实施的MSaaS（建模和仿真即服务）提供的服务数量、连接数据库网络（云基础设施）的完整性、相关硬件的能力（基于云计算）的限制。
1.2模拟与仿真基础设施：系统界面、MSaaS、基础资源
建模和仿真即服务 (MSaaS) 将提供将传统云基础架构与以下功能结合起来的服务：一是扩展传统虚拟环境，用于能够具象化的（基于云的）动态环境的实验、测试和培训活动；二是扩展物理和虚拟网络，用于模拟非电缆通信的活动，例如模拟无线、无线电或卫星网络；三是管理所有虚拟资产（例如，传统模拟器和虚拟模拟器、容器化M&S服务）。
为MSaaS准备的M&S基础架构逻辑块
图片描述了一个典型的模拟与仿真基础设施，其组件既可作为单个模块独立运行，也可用于支持更复杂的协作中心网络。“Web门户”代表外部接口，涵盖与用户(HCI)和其它系统的交互，以阻止未经授权的访问，确保系统的一致性并阻止可能的系统故障。进入门户后，用户被授权访问不同的数据库，比如包含各种仿真资源的“软件库”，其中有仿真对象（人工制品、模型、产品信息、地形、合成环境资源等）、基本虚拟机（配置操作系统）等；“知识库”，其中的专业知识可用于培训或支持用户，还可用于存储在使用大数据或人工智能技术时所需的知识；“数据库”集群，用户可以在其中使用多个管理功能（例如，保存特定的仿真会话，以便重启或重复仿真）。用户还可以访问计算机和网络方面的硬件资源（物理或虚拟），这些资源可用于潜在的整个互连网络。此外，还有一个可用于备份或专门存储资源的本地数据库。
1.3M&S基础设施：MSaaS层
北约建模与仿真小组设想了一个真正的面向服务的架构，其中的服务和仿真资源将可用于实现 M&S服务的自动组合（编排）。
MSaaS 的 M&S 基础设施软件层
如图所示，最底层是构成最基本结构的物理设备，上一层是专用于虚拟网络和虚拟机管理。再上一层是专门用于云管理和其他共享资源，最后是MSaaS的核心——编排平台，提供前面提到的服务发现、会话组合、会话执行等主要功能。