来源：桌面战争
作者：泰克
初，美战略预算与评估中心（CSBA），发布了《⻢赛克战争：利⽤⼈⼯智能和⾃治系统实现以决策为中⼼的⾏动》的研究报告，该报告运用了兵棋推演的方法，评估了马赛克作战概念，为该作战概念提供了有力地论证。
CSBA是独立的研究机构，与兰德公司一样，非常注重兵棋推演的方式展开研究，如12月，该研究机构发布的关于台海问题的报告《坚固台湾2.0版——阻碍敌人以形塑威慑》，就曾用兵棋推演的方式。7月中旬，湾湾的防务部门整评室曾邀请CSBA，进行为期5天的“台湾防卫替代性战略能力评估(不对称战力)研讨会”。
研讨会中，参与人员分成蓝军与红军，进行兵棋推演。这次研讨会的编组方式，由湾湾国防大学教官组担任”红军“，退役将领与民间学者教授分别搭配成立“蓝军一”，“蓝军二”，以及“白队”的裁判组，而美国CSBA智库的退役校级军官，依其研究专业的领域不同，分别加入红军，“蓝军一”，“蓝军二”，以及“白队”的裁判组中的混合编组，针对台湾正规的联合作战防卫模式之外，所谓替代性战略能力（不对称作战），在现有预算与资源之下，从不同的产官学角度，分组就不同议题去进行可行性的评估与讨论。
马赛克作战的概念是由美国防先进技术研究局（DARPA）提出的，此次报告也是DARPA委托CSBA做的研究。马赛克战与多域作战、分布式杀伤等概念不同，DARPA更加关注新兴技术，尤其是人工智能技术掘起对作战的影响，特别重视将战争视为新兴的复杂系统，并使用低成本的无人驾驶编队以及其他电子和网络特效来压倒敌人。其中心思想是低成本、快速、致命、灵活和可扩展。DARPA认为与其建造一种针对特定目标进行了优化的昂贵，精确的弹药，不如将小型无人系统与现有功能创造性的、不断发展的武器相结合，以利用不断变化的战场条件和紧急情况所带来的优势。
在过去的两年中，DARPA的战略技术办公室，海军陆战队大学、美国陆军预备役第75创新司令部和CSBA之间合作进行了一系列兵棋推演来检验这一概念。3月，CSBA的研究员哈里森·施拉姆（Harrison Schramm）、布莱恩·克拉克（Bryan Clark）和丹·帕特撰写了《马赛克作战系列兵棋推演——将AI的战术应用评估为主要组成部分》一文，介绍了CSBA组织以人工智能（AI）为主要组成部分的兵棋推演进展情况。作者谈到：人们对系列兵棋推演的需求源于一种理解，即仅凭技术不足以在战争或商业中获得优势。为了充分利用技术进步，“作战概念”在作战中转化为面向外部的观点和案例，需要以与技术本身相称的速度成熟。因此，马赛克作战兵棋推演的目的是同时完善两者。在系列兵棋推演的早期，我们决定要使用人类AI模拟器从推演者那里引出新的概念。随着思想的发展，我们最终构建了自己的简单控制器。
图1：军事创新中的概念和技术
如上图描述了一种设想技术与作战概念之间关系的方法。如图所示，颠覆性技术与革命性概念的结合可以一次实现，就像在美国使用第三方目标进行精确打击理论一样，如震慑战理论。颠覆性技术也可以首先部署以支持进化概念，例如将航母用作战舰的侦察平台，或者像其前身F-16一样将F-35用作打击战斗机。破坏性技术也可以在以后支持革命性的作战构想，从而创建一种新的竞争体制，例如将航空母舰作为多用途武器系统，或者将F-35用作指挥、控制、通信、计算机、情报、监视和侦察（C4ISR）平台。
注：有时候技术发展过快，而概念跟不上，表现在军事思想过于保守，而有时候则是概念过于超前，而技术跟不上，表现为冒进，如同美军未来战斗系统（FCS）一样。所以技术与概念必须相得益彰，互相促进。
作者认为，技术与概念的融合可以互相促进。在文中，他引入了商业领域技术发展的“S曲线”概念。他认为成功的商业创新的成熟度，或新产品和用例的组合，可以使用“ S曲线”来描述，该曲线显示了创新的绩效如何随着时间的推移在相关指标上得到改善。通常，创新首先会缓慢改进，随着技术和作战概念的成熟而加速，最终在技术被充分利用以服务于特定用例或作战概念时达到逐渐成熟。该模型有助于说明某些商业创新，例如智能手机在一段时间内发展似乎是无限的，但最终达到了极限。
图2：军事优势历史趋势的S曲线，每条曲线都是由技术事件触发的，然后达到成熟状态，因此需要进一步发展。S曲线模型也可以应用于革命性军事概念和颠覆性技术的组合。这些组合中最有影响力的组合建立了新的竞争机制，并被描述为军事革命。在第二次世界大战和冷战期间，美国领导人利用新的竞争体制作为总体战略的一部分来获得长期优势，如上图所示。
作者认为，军事力量通常在中型到大型模拟建模环境中进行评估，以包括战役分析或环环相扣的兵棋推演中进行评估。通常，兵棋推演使用相对固定的编成和装备来开发新概念。在传统的兵棋推演中，参与者区分为交战双方（此后称为“蓝队”和“红队”），而另一方充当“白方”或称裁判。马赛克系列兵棋推演很新颖，因为它们着重于建议对蓝方的指挥机构进行更新，部队结构及指挥与控制（C2）流程很特别，优其是引入了伪AI系统。在兵棋推演中使用的马赛克控制器（此后称为“ C”控制器）不是真正的AI，而是一种包含AI某些属性的启发式方法。它用于为（人类）推演者提供名义上的指挥控制（C2）流程，以此探索在实际控制器中所需的属性。这是上面介绍的创新框架中的关键，因为它允许同时开发有关技术和作战概念，从而加快沿AI“ S曲线”的发展。兵棋推演中使用的C2流程依赖于蓝方团队的人工指挥和“C”控制器的机器控制。在推演中，“C”控制器接受推演者的高层命令，并以“菜单”的形式返回一组特遣队使用选项。这些选项称为“行动路线”，是蓝方每回合行动的起点。这些行动方针为在大范围内不同地点发生的多次战斗分配了可用的力量。通过设计，来自用户的输入数量很小，以模拟无法访问指挥过程的每个细节的推演方。请记住，研究问题不是建立一个完美的控制器，而是发现控制器中最好的属性，并且有时可以通过反例来发现这些问题。
从技术角度来看，“C”控制器的任务是一个分配问题，具有多目标效用标准和一系列附带条件，其中一些是非线性的。已知这类问题在计算上很困难。在开发兵棋推演控制器时，必须在两种基本方法之间进行选择。第一种方法，我们很快就放弃了，它是建立数学编程分配问题，它具有很多约束，包括每个特遣队都必须足够，并且没有一个元素可以同时分配给多个特遣队，以及“首选项”输入到目标，例如推演方对有人/无人组合和风险承受能力的渴望。我们采用了另一种方法，在这种方法中，我们将部队名单的已知属性与指挥官（蓝方）的偏好和优先级结合使用。在决策空间中评估每个部队要素的存在程度，以进一步提高（人类）指挥官的期望属性。这种方法使我们可以为我们的工具增加任意的复杂性，而不必担心运行时间，因为该问题是通过遗传方式解决的，并且经过专门设计以始终返回可行的解决方案。给定蓝方推演员的（不完美的）信息，对每个部队分量计算基于兰彻斯特模型的有效性度量。将这些组合起来，并作为绩效指标（FOM）呈现给推演方。
图3：使用“ Shiny”工具包以R语言构建的马赛克控制器仪表板示例。总体任务分为三个，在列表中分配了部队。每个部队列表下方的图表中显示了根据兰切斯特方程式进行的假设战斗轨迹描述。“任务重要性”滑块确定每次战斗对整体功绩指标的相对贡献。
