注：海军战争学院兵棋系要求海军分析中心（CAN）举办一个“兵棋推演结构内在战略联系”项目，探讨典型的战略、作战和战术三层级演习活动中两个或多个层级中重要活动的设计与执行新概念。项目团队就此目的访谈了其他国防部机构和民间承包商以及顾问人员，了解了他们对相关话题的看法以及处理措施。本报告记录了我们在探求兵棋活动内在战略联系的相关话题时，与一些兵棋专家之间的交流。报告也详细记录了我们在这些谈话期间确定的一些重要概念和观点。关于整个研究活动的成果和建议则另外记录在一份海军分析中心的研究备忘录之中。为了给进一步讨论做铺垫，我们借以下内容来表述项目内容和我们的目标。
空军研究实验室与我们进行讨论的人员包括计划和项目指挥部兵棋政策与计划分部主管马休•卡弗里上校和模拟部首席工程师特里•克里斯汀先生。
卡弗里上校一开始提及了他在90年代和21世纪初的工作，当时他负责整理被他称作“第三代兵棋”的活动规则。这一概念来源于约翰•沃登上校和其他剖析系统级别战争等相关人员的工作，以及“沙漠风暴”概念和经验。第三代兵棋概念的一个关键内容是对约翰•博伊德战争概念重要性的认可，特别是对OODA循环（观察、确定方向、做出决定、行动）的认可。
卡弗里上校也认可我们的结论，认为多层级兵棋的一个根本问题是战争不同层级上的行动要求不同的OODA循环速度。在最低的战术层级，这个循环可以短到几秒，而最好的战略层级可能会持续几天或几个月。用“成千上万”来形容的多层级演习人员构成并不能解决这种问题，反而可能会让这种问题更加恶化。你如果想要多层级指挥结构中的全部或大部分角色由人来担任，那么这种问题就不会有简单的技术性解决方法。正如卡弗里上校所说，这不是技术问题，这是运作性的问题。
一、空军研究实验室的方法
在空军研究实验室的一次称作“未来长期挑战”的演习活动中，出现了一种用以缓解这种难题的方法。这次演习活动包括两个显然不同的阶段。在第一阶段期间，参与者注重详尽的计划，他们可能比演习指定的时间提前几年就开始准备处理可能出现的紧急情况所需的系统和兵力请求。在第二阶段期间，同样是这些参与者扮演类似或相同的角色，但是他们必须执行危机行为计划和反应。多阶层的演习设计概念可以让多层级的演习按照各自决策循环速度来发展，而不需要外力作用下的互动，这样可以避免很多与决策循环差异相关的问题。这种方法可以让所有人在同一时间和同一地点活动，而在不同的演习阶段需要处理不一样的问题。
另外一种方法是将多层级的演习看作多地点演习进行管理，在这种环境下，不同的参与者在不同的地点活动。此外，演习还可以异步进行，不同地点、群组或个体可以按照自己的时间幅度活动，不同与那种所有参与者必须按照同样的时间幅度行动。这种方法可以让较低层级如战术层级的参与者将大部分时间用以自己的更周密的行动，同时可以让较高层级的指挥官们在更短的时间内“融入”演习，接收简报和更新报告。在某种程度上，这种方法比那些让所有参与者在相同时间幅度内活动的演习更加真实。例如在联合部队空军司令部行动期间，空中任务指令(ATO)策划者一般都是在持续不断地建立和更新空中任务指令，但是联合部队空军指挥官本身在此期间却只会收到一到两次简报。
在使用这种多地点异步活动方式时，高层级的参与者一般会提供更加真实的指导给较低层级的参与者。此类指导的形式可以是详尽的交战规则、指挥官意图或其他政策指示。较低层级的参与者需要在这些命令的限制范围内活动，一直到他们向上级指挥部门提出请求才可能有所减缓。
二、人工智能（AI）
卡弗里上校认为这种多层级演习问题的最终解决方法就是建立某种模式，可以利用人工智能取代较低层级的战术指挥官。利用这种人工智能技术至少有三个好处：
•首先，这种让参与者亲自为人工智能建立某些关键参数的设计方法，可以提高参与者对AI行为的信赖，毕竟AI只是简单地跟进参与者自己所建立的命令和优先处理顺序。
•第二，因为AI可以像计算机一样高速运行，而且可以与计算机驱动的评估系统直接交流，所以高级指挥层的运作速度可以大幅提高。与那种参与者接收高层命令，然后在战术层级执行活动的情况不同，AI可以近乎同步地执行和完成相关动作。
•第三，取代了较低层级的参与者之后，利用AI还可以提高引进和控制伪装、隐蔽和欺骗效果的可能性。这些效果可以加入计算机模式本身的评估活动之中，只为AI提供设计者认为合适的信息。
卡弗里上校对这个方面越来越快的发展持乐观态度，之所以如此的部分原因是他意识到了这种技术可以提供两种创新的可能性。首先，这种技术可以让我们更加有效地进行控制和评估。第二，它让我们看到了一种新型的兵棋模式。因为AI技术可以比人类更加迅速地执行决定，所以就有可能在实际行动期间建立和开展演习活动，而不必非要在战斗开始以前进行。他利用了惯性引导系统的类比：一旦开始演习，你可以持续地观察活动轨迹并根据现实世界的发展做出改动，因此可以在采取行动之前追踪和测试多种计划。
计算机人工智能辅助带来的另外一个好处，就是可以比以人为主的演习进行更长时间的探索。利用设计完善的人工智能系统，夜间和周末也可以用作活动时间，在这种情况下，人控制能可以更彻底地探发战场空间，也可以让演习的时间跨度得以延长或探索不同的战术和战略。
如果用标准的时间序列方法来完成同样的活动会面临危险，如美国空军查尔斯•林克少将在讲述自己参加的一次大型计算机模拟应急事件时所提到的。在某天活动结束之时，空中部队让控制者继续打击敌人的某个地点。当空中部队扮演者返回时，他们发现演习控制者做出了一个长达数周的时间跳跃。更糟糕的是，在此期间敌人的活动将他们原有的优势逆转了过来。当问及蓝方空军里了在此期间执行了何种行动之时，控制者称，在收到参与者的战略指示之后，他们开始执行相关动作，但是敌人此时已经撤离了袭击目标。如果是设计完善的人工智能环境，那么就可以在敌人的情况发生变化时及时改变目标，从而可以避免这种问题的发生。
如卡弗里上校提出的那样，这种利用人来提供战略和作战层级的政策、战略和方向指导，而让计算机人工智能执行战术层级一定限度内的战斗行动的综合性的方法，可以将计算机模拟的封闭循环和传统的涉人循环演习技术加以整合。这种方法可以让人力为人工智能系统建立关键参数，从而提高这些系统的可靠性。战术层级人工智能的执行速度也可以让联合性人力与人工智能团队在演习活动中挖掘得更深、看得更远。
这种方法对教育性和研究性演习活动都非常有利。卡弗里上校认为，在教育性环境下开展此类演习可以最终提高演习机构的名誉和支持研究环境的能力。利用教育性演习活动来模拟系统运作，可以在教育环境开始阶段发现开发问题和漏洞等危险。学员可以在分析员和执行员执行更重要的作战和战略性国家研发课题之前，发现问题、制定解决方案和生成新作战概念。这种方法带来的另一个好处就是，在用以作战和研发环境的软件准备好之前，就已经存在知道如何使用它和了解其价值的学员精英。
三、当前的发展水平
但目前的演习活动人工智能能够支持这种活动吗？卡弗里上校认为这种概念在20多年前就已经出现了，例如80年代和90年代澳大利亚计算机游戏公司 “战略研究组”（SSG）创建的兵棋，“航母大战”（Carriers at War）和“烽火欧洲”（Europe Ablaze）就在所有的指挥层级中用到了在当时来说相当复杂的人工智能系统。参与者可以选择担任指挥链中的任何角色，而计算机来担任指挥链中的其他角色。你也可以在各种指挥职位上在人和计算机之间来回转化。遗憾的是这些游戏已经绝版而且踪迹难觅。
Carriers at War
卡弗里上校也提到，在三到四年前他曾与美国陆军演习代表讨论过这个话题，后者非常有信心在连级或更低单位规模上利用现有技术建立战术层级的人工智能系统。他们对于我们建立营级或以上单位人工智能的能力不是很乐观。其原因是较低层级的复杂程度也较低，大部分决策都是集中在火力和活动的执行方面，一旦考虑了营级或以上单位的后勤、工程和协调等问题，人工智能的能力和速度就难以令人满意了。但是卡弗里上校推测，随着这么多年陆军和商业游戏的科技发展，我们在未来或许可以利用这些技术来有所成就。
克里斯汀先生对于人工智能系统的可靠性发表了一条非常有趣的建议。我们把这个概念归纳为一种“图灵检测”式兵棋。克里斯汀先生的概念是使用人员和人工智能相结合的方法，后者作为支持性单位活动。这样可以评估人工智能在战术环境下的性能和作为另一种人力决策的能力。
卡弗里上校指出，国家训练中心已经在朝这个方向发展了。国家训练中心的能力已经不再是每次只能为一个营级单位服务了，目前它可以同时操作两个营级单位以及一个控制它们的旅级总部。此外，还可以通过连接到国家训练中心演习场地的虚拟系统加入第三支旅级单位。最后，建制性单位可以同旅级单位的两翼整合来模拟邻近单位。这种将人力、虚拟和建制性演习单位相结合的创新方法很容易让人了解为什么想要立刻执行所有三种活动。过去美国陆军把这种方法仅仅看作是省钱的途径。但是未来或许可以创造性地利用这些技术，让各种单位针对某些超过国家训练中心管理能力的任务进行训练。
