其实数据库数据是推演中基本不需要关注的事情 ——致CMO玩家们以及关注CMO的朋友们的一封信

亲爱的各位CMO玩家们以及关注CMO的朋友们:

你们好!首先感谢各位对于我个人以及我们这些CMO玩家们长期的关注!但最近,或者是一直以来,对于CMO这一款推演软件都有一个声音:就是数据库的“强美”或者是单纯对解放军武器的“贬低”。在前段时间的论坛以及C大新一期的兵棋夜话当中提到了这一个问题。诚然,M社对于解放军的一些武器有一些歧视,例如歼-15就是苏-33的copy,歼-16就是苏-30MKK的copy。从实际的角度来说这都是不对的。就如C大所说,把别人的作业原封不动地抄过来才是copy,而显然歼-15和歼-16都明显不符合“copy”的字样:无论是从机载设备还是气动设计,都无疑是一种全新的飞机。我认同这种“歧视”是存在的。

我经常在有关CMO介绍的相关视频的弹幕或者是评论当中,都会有人拿这个数据库来说CMO这一款软件的数据库有多么的偏心有多么的不真实,而后否定CMO这一款软件的一切价值。这对于CMO这一款软件本身以及利用CMO软件进行相关演示以及研究的人来说是不公平的。而我为什么这么说?我就从我的角度开始,给大家聊一聊我了解到的一些信息,以及我本人和一些想定的作者交流之后的一些心得。

回看我本人所写的战报或者是一些战术战略分析,其实都会依附在一个或者多个想定上进行。需要知道,我所写的每一个想定推演结果,都不是靠人-人对抗完成的,而是靠人-机对抗完成的。目前CMO民用版本当中因为有了IKE插件的介入,使得人-人对抗成为可能,但是我个人的看法是:目前的PBEM对战的模式下的想定实际上和平时这些想定作者做制作的想定差别是非常大的。PBEM的想定似乎更像是两位骑士在公平竞争的前提下在桌子上下国际象棋,并不能为推演人或者玩家体验到在一些新的战术之下所产生的决策焦虑,例如分布式海上行动的想定,分布式海上行动的魅力之一就是通过信息差来干扰对手的决策,将其把弹药释放的主要方向给判断错误。当然对于这一类情况也不必过分苛责,尽管IKE插件似乎在去年2月份就已经出现,但是目前仍旧因为CMO受众群体较小等原因没有能够发展的更好,我也期望IKE插件在未来的日子当中能够发挥更大 的作用——尤其在验证新的战术方法的方面。

回到人机对抗的想定的讨论当中,我们还是可以这么说:目前的机器决策水平还是比较低,那么给想定作者以及推演指挥所能够做的“小动作”就更多。每一个想定,从制作开始,想定作者就会开始考虑想定平衡性的问题。一般来说,想定作者会先在脑内构想出一个大致的推演结果,而后才是制作想定的对抗双方所进行的部署。例如我在和次世代复合打击群想定的作者sanyr经常交流。在sanyr制作次世代复合打击群在刚开始的时候,他给了一个版本较早的想定给我,这个最初的版本,是可以通过集中全部火力,将解放军的003击沉的。但是对于sanyr来说是不能够接受的,因为他想定制作的大致推演结果就是:F-18不能够通过这种程度的火力来击沉或者击伤解放军主力舰艇。因此在后来的版本,也就是我写战报以及相关分析的版本当中,北部的003舰群得到了很大程度的加强:在003的外围放置了更多的防空单位。当然这一段是我纯粹凭借印象来写的,具体如果有什么不对的地方还需要sanyr来进行补充。那么这其实就是一个比较典型的例子:在推演结果不能够让想定作者满意的时候,就可以出此策略,加强AI方的实力。但是这样的调整实际上最后对于我个人的战报或者是我早就在6月初就写了一些有关于美国海军的航空母舰是未来是会继续充当打击核心还是保持制空的观点是没有任何影响的。

那么在sanyr的这一想定当中,即使是到了最后的版本,想定当中会蕴含着什么样的“歧视”呢?最重要的就是数据链的歧视:E-2D以及所有的制空飞机都配备了双向交互并具有A射B导能力的AIM-120数据链,并且E-2D同时拥有能够单独引导标准-6进行超地平线截击的数据链(AEGIS Datalink)。这类数据链在CMO当中,海红旗-9和PL-15是不具有的。此外如果关注了我近一篇文章的读者应该知道,我对于歼-20、F-22、F-35三种典型飞机的续航能力进行了一系列测试,歼-20的表现是最差的。但是大家并不知道的是,我所采用测试的这一款歼-20,是在CMO数据库当中配备了涡扇-15的超巡版本。按道理说一款新的发动机是能够达到更省油的效果的,但是CMO这款软件的制作组显然并不想这么认为。

在这样的情况下,双方的空中对抗是否就出现了一边倒的情况?在之前的版本当中,也就是CMO的v493版本,尚未对于空空导弹的运作模式进行调整的时候,双方隐形飞机的交换比大致在1比1到1比1.3,当然这是可以接受的。虽然歼-20稍显劣势,但这并不影响歼-20对于F-18的降维打击——即使F-18E/F再怎么吹嘘自己是多么多么牛逼的四代半战斗机。当然在v495的重大更新当中,M社对于空空导弹的运作方式进行了更加真实以及细致化的拟真,调整了几乎所有空空导弹的飞行方式:即空空导弹不能够在最大射程位置发射,并且全程保持最大速度来击中敌机。在空空导弹以全速飞行一段时间之后(动力段),速度就会逐渐降低。就意味着,如果想要保持相当的命中率,空空导弹的发射距离需要调整。在CMO当中的常规做法就是通过调整空空导弹的发射条令(WRA)的发射距离到原本的百分之六十或者七十。但是戏剧性的一幕出现了:M社调整了几乎所有空空导弹唯独没有调整AIM-120的,那么意味着AIM-120将会比其他所有导弹都要强上一大截。在测试当中,sanyr就发现了这一件事,就强行将AIM-120的发射距离通过条令减少到百分之六十,而我在后来推演以及撰写战报的时候也不会把它调整回百分之百。这样一个想定作者和推演玩家之间的默契就已经达成了。

而除此以外,想定作者也可以在已有的数据库中做一些把戏:比如预想当中有歼-20和F-22的对抗,那么双方数量相当但是并不期望歼-20落入下风的话,可以使用一个办法,当然这个办法是我自己在调整一些其他的想定当中所悟出来的:就是选取歼-20的2025版本来对抗F-22的2013版本,这也就有利于促进两种五代机交战时的平衡。

相信读者们在我说了一些有关于我和想定作者之间为了创造一个CMO推演当中的交流过程以及交流方式之后,对于我们如何重新将CMO数据库当中的“不平衡”的数据来迫使其回到正轨的方式有了一定了解。或许有读者就会问,当我们无法与想定作者建立起如此密切的交流而致使玩家或者推演指挥无法深入了解到推演的方方面面时,又该如何将不平衡的想定强迫其变为平衡?
其实很简单。在这里就可以搬出一个绝世武功,正所谓要练此功必先自宫的CMO独门秘技——微操。
和空投命令将机枪阵地向左平移5厘米的光头式微操不同,我本人采取的微操仍旧需要基于一些基本方法。比如说,AAW区域之内的战机,无论打的多惨,我都是不会去进行操作的,因为无论AAW区域当中出现了什么样的交换比,都是可以接受的。虽然在一些比较小型的想定当中,由于飞机数量比较少,可能就会出现由于在判定投色子的过程当中非常倒霉而导致最终的想定推演结果出现非常大偏差的情况,但是参与的飞机数量够多,那么这样的可能性就会非常小。因此我才会在前文当中提到其实歼-20对F-35B/C,1比1或者1比1.3的交换比我都是不奇怪并且是可以接受的。在拒绝管理AAW区域内的操作之后,我平时推演如果想让推演的结果更加好看,更加利于我这一方,我所要做的就是强行给对手制造信息差,或者阻止对手给我制造信息差。

而如何达成上面的目的?举个例子,在想定Carrier Hunt 2021当中,如果我期望让美国海军的推演结果更加好看,让航空母舰免遭DF-21D的打击,我要做的就很简单——将原本设定为20节的舰队速度降低到5节。这样在整个任务时间当中,舰队都不会进入到DF-21D的射程当中。再例如,在人-机对抗想定当中,我们如果要对付有机器控制的轰炸机,其实都不用考虑威胁轴线之外的任何地方,无论是多大的航程,有机器控制的一方的轰炸机航线一定会沿着威胁轴线过来,并且这个时间是能够在重复的推演当中了解到的。也因为这个,我才能在sanyr的另一个想定,阿留申群岛保卫战当中“准确”预估图-22M的袭击时间。如果把这种“预估”放到历史上的任何一场海战当中,我都会犹如天神下凡。而这也是人-机对抗人一方的最大优势,也是想定作者或者是数据库几乎无法扳回的优势:例如假如我知道了轰炸机进入到反舰导弹发射射程的确切时间,那么我就可以指挥战斗机在一个“正好”的时间,在“正好”的位置出现在轰炸机面前将其击落。

当然这样的手法我本人运用的较少,毕竟是一门杀伤力非常大的,能够在一定程度上影响平衡的秘技。而想定大致结果的构想,仍旧是要交给想定作者来确定,玩家所能够做到的,就是在想定作者做指定的规则之下,最大程度地发挥这些战斗机、军舰、导弹的作用。玩家或者推演指挥就像一个饭店厨子,而想定作者更像是饭店里的经理,你的上司,上司负责采购了今天的食材。食材有好有坏,但厨子的任务并不是去抱怨这一个茄子有多么多么不好,为什么一个番茄炒鸡蛋要变成了茄子炒鸡蛋,或者是抱怨你的上司不懂得去邻县的大型农贸市场去购买口感更棒的食材而是在本地的小市场购买。尽管这些问题,厨子可以和经理进行交流,但是绝对是不能“抱怨”的。经理买了茄子和鸡蛋说明经理知道今天的客人并不想吃番茄炒鸡蛋,是炒茄子加炒鸡蛋。而厨子的任务,就是把茄子和鸡蛋都要炒好,至少完成自己在这一情况之下的最好发挥,而这往往就已经足够了,这也能够达到这些“经理”的设想。

总的来说,在我列举出了这些个例子里边,有想定作者对于推演平衡性调整的一些办法,也有玩家对于平衡性调整的一些办法,无可置疑的是平衡性的最终掌握权还是在想定作者的手里,而玩家所能够做的是比较少的。而我们在steam创意工坊上也能看到一些老外在制作有关于中美冲突的一些想定的时候,他们甚至把歼-7歼-8这样的老飞机摆在一线机场来恶心中国玩家,这样的情况也是存在的,并且在一些live当中也有这种情况。虽然我在之前的一些这种类型战报当中通过反复探索得到了比较好解决方法,在想定作者没有意识到的地方出招下重拳,取得了想定作者意料之外的结果,其中最典型的就是live想定激战萨赫勒。其实能够看得出来,想定作者是想把苏丹港口旁的机场的所有中国战斗机通过阵风-M发射暴风阴影巡航导弹来摧毁,但是给苏丹港口的中国战斗机从一开始就换上了PL-15,那么就可以粉碎阵风-M的进攻,为后续突击法国航母创造条件。但那之后我很少再写国外想定作者所制作的有关于中美冲突的想定以及官方的live想定。就像我前边提到的,想定作者往往会先“预想”出一个大致的推演结果,而后再根据这个结果进行双方的排兵布阵,因此想定作者制作的“平衡”是玩家很难突破的。如果要做一个比喻,就是每一个想定,都是想定作者所绘制的“迷宫”,这个迷宫的难度有多大,有多少种解法,最终能不能解开,都与想定作者具体怎么去画这一个迷宫是密切相关的。而数据库中的歧视性数据,无非就是导致这个迷宫当中的路窄一些罢了。
所以,数据库里边的歧视性数据,还重要吗?
此致
敬礼

                                                                    晚星
                                                               2022年8月16日
7 个赞

这种歧视,估计只有到真的我们的装备实战过,打下几架不可一世的西方飞机后,才会有所改善,也仅仅是有所改善而已。

2 个赞

这种只有靠打仗拿脑袋挂裤腰的活才能满足军迷“改善歧视”的期望,有这样的硬气话,自己开发一款CMO不是更好。既不用仰人鼻息,也不用死人死老百姓死韭菜,不是皆大欢喜 :smile:

4 个赞

如果能玩到国内自己开发成熟的电子兵棋作战系统就好了 :crying_cat_face:

3 个赞

兵棋推演的基础是数据,关系到推演是否可行,推演分析的结果是否可信。你这个意见写得很好——尽管我的意见跟你完全相反,这说明一个问题,即国内对待推演分析的主观认识仍然停留在定性分析上,缺乏行之有效并且得到普遍认可的定量分析方法,进行决策分析和数据挖掘。定量分析是什么样子?首先必须要有合适的数学工具,然后才能有所谓的战报和报表供以讨论。在兵棋的决策分析和数据挖掘方面,国内十年前就有论文了,但是到现在一样缺少兵棋人的关注,这种现象不应该,也不正常,不是良序。我这里给出两篇,知网都有,大家可以找来看看,一篇是《面向作战推演的博弈与决策模型及应用研究》,一篇是《基于数据挖掘的兵棋推演数据分析方法研究》。数据问题反映的是理论问题,要首先有完全适用于兵棋的理论总结,目前我在公司数据建模与决策分析部的工作计划包括撰写《兵棋推演的决策分析101》,审校之后会公开发布,希望能为解决这个问题抛砖引玉。

以上是在知乎回复的,下面再多说几句。

兵棋推演的理论工作,大家可能普遍以为就是已经出版的一些兵棋书籍,比如杨南征老师的《虚拟演兵》、何昌其老师的《桌面战争》、彭希文老师的《从实验室走向战场》以及国外重要论著,这些论著的大部分篇章是对兵棋设计经验的总结,一部分是对兵棋推广经验的总结,而对兵棋推演的经验,特别是分析方法与技术的总结是非常少的。

所以,以上研究只是理论研究工作的第一个阶段,如果我们只停留在这里,那么只会不停仿制兵棋,只会不停在定性分析上费一番周折,但对于国内兵棋发展来说,设计就不再有发展空间了,新的棋不过就是把旧的技术拿来拼贴。这是因为我们不去挖掘推演数据到底能对决策者有何种辅助作用所致。

兵棋推演的目的是要通过兵棋设计和推演过程,发挥出决策者的主观能动性,通过兵棋推演体现出决策者的军事素养、谋略水平和指挥能力,体现人的主导作用。兵棋之所以能够达成这个目的,本质上说,兵棋推演的运行是在给定数据的基础上,通过决策者各种作战指令的下达和模型的运算而不断对相关实体的状态进行改写的过程。我想,美国联合战区级仿真系统JTLS之所以有效,与它具备事后分析客户端工具AARC有着密不可分的联系,因为复盘评估要比推演过程重要得多。

传统方法上,我们会使用数理统计进行分析,但要知道这种方法是初级的、单一的,不能撑起全部决策分析和数据挖掘工作,几乎快见不到有人用决策树,见不到有人用数据挖掘。20个月前,我提出一种“作战框架分析法”,是对分析和挖掘的初次尝试,然后用了10个月的时间为之找到数学工具,但直到最近我才有了突破性的认识。从当初的尝试和后来的《论兵棋推演的人才培养》,到现在的101计划,其实一以贯之,国内的兵棋推演必须向前一步走,不要停留在定性分析上。

4 个赞

首先我对于你的想法是赞同的。
我所提出的“数据库数据是推演中基本不需要关注的事情”并不代表着我个人不希望数据库的数据能够更加贴近现实。正相反,我也非常希望能够有一款拟真度比较高的软件来作为我个人的分析或者是演示软件。而关于这个定性分析的问题,我也有过自己的思考。在我综合了一些原因之后我认为是没有办法进行超越定性分析的分析的。
第一个原因,我个人的学识暂时没有办法支持我去做超越这类定性分析的分析。
第二个原因,我认为目前也很难通过CMO以及类似的软件没有办法做超越定性分析的分析。
其中第二个原因,展开来说就是CMO在民用版本方面的局限性,尽管目前的beta版本已经十分接近PE版本,但仍旧不能欧股通过实时联机来实现更高层级的推演。或者说,没有办法通过联机来实现复杂想定下的推演,来能够为推演指挥从现实层面精进自己的决策判断能力。
就是尽管目前CMO是只能通过人-机对抗来实现相对较高效率的推演,我作为一个经常只做推演解析不做想定制作的人来说,每一次推演过后我都会拿着我的推演录像去复盘,然后在复盘的同时去写战报,也把一些想法给记下来,我认为即使是目前的这个情况,我也能够获得非常多的启发。但是其实不用想的太远,就是想一下CMO的PE版本,PE版本所能够实现的多人协同操作,就是一个非常好的发展方向,通过相互协作来制定决策,在推演之后复盘也会变得更有价值,但是目前国内的软件似乎是连这个高度都达不到。话说回来,我也十分期盼能够实现体验更加复杂决策的的推演软件以及想定出现。
但是我还是想和老哥你聊一聊关于国内对待推演分析的这个问题,我写这一篇文章就是为了来了聊这类问题,我也非常不愿意在知乎的评论区来聊这个话题。
就是在我的观察当中,无论是B站还是知乎,其实比我做的流量更大的推演博主是有的,而且似乎还不少,他们当中有一些人所采用的是国内的推演软件,然后在一个漏洞非常大的想定当中,所采用的数据甚至比我平时用的想定的数据更加离谱,但是却能够得到数百倍甚至千倍于我的播放量/阅读量。而我们的一些小伙伴在评论区或者是其他地方在推荐CMO这款软件的时候,就基本都会有人对“歧视的数据库”一类的问题抓住不放。我个人认为国内的推演软件的开发是一个比较好的开始,但是不应该出现类似于这种“捧一踩一”的情况。这其实才是我自己的对于这篇讨论的文章的灵感来源。我的意思就是,老哥你想把我们国内的兵棋推演的高度再往上推1到2个等级我认为是非常好的,是必须要得到支持的,但是从我个人的眼里,我的角度来说,我认为国内的兵棋推演的分析的等级,以及普罗大众(甚至是某一些兵棋人)对于兵棋推演的认识的水平或许比你想的更低,而我认为这一点是比较致命的,也是比较麻烦的。
当然我并不是电子兵棋行业内的相关人士,如果老哥你想做的这一套分析方法或者是推演软件的受众人群就是肩膀上带星星的人,那么我想如何去解决他们这一群人能不能够接受你的分析方法或者是推演软件,那是我这样水平不能够说得上话的。但是如果说老哥你的分析方法的受众人群是普罗大众的话,我想这条路会非常长非常难走,当然如果我能够帮的上忙并且老哥需要的话,我也愿意帮忙。
最后我非常期待并且衷心期盼,在未来的某一天,能够真正通过能够进行更复杂推演、能够进行定量分析的软件来获得更好的数据,来充实我未来的文章。

感谢你中肯的讨论!

其实你的第一个原因是一个普遍的原因,第二个原因和第一个原因也是相关的,CMO民用版没有开放或者加入定量分析工具,墨子加了,但是大环境还没有解决第一个原因,所以墨子就算加了也是曲高和寡。

我在《论兵棋推演的人才培养》里展开做了研究(这篇文章是在论坛暂时关闭期间写的,所以没发在这里,放一个链接),其实从目前的中小学课程标准来说,数理统计的内容已经贯穿了整个六年小学,也就是说,当下从小学高年级到大学,人们是可以用定量分析的方法来学习兵棋的,但是缺少这样的教材。我曾经为女儿编写过初级教材,当然她九月才小二,眼下我只让她用我的兵棋自己编故事,这项试验也没有正式开始。

现在大家可以做的事,是专门写一份提纲,把概率论和数理统计、运筹学、博弈论、数据挖掘循序渐进改编成兵棋的版本,削足适履,所有的例题都是以兵棋推演为中心,所有的计算和证明不超过推演规则。

我能够接触到专业领域的需求,但这个环境里也只有很少一部分人能够掌握决策分析方法,大部分参加集团式/分组式推演的组训人员,其实程度上并没有比民间人士高出1到2个等级,甚至并不是每一个人都能做到像你一样了解部分武器装备的战技术性能。所以无论专业环境还是民间环境,都需要想办法向定量迈进一步。

为什么一定要迈进一步?这是由于复盘评估比推演过程重要而决定的。我国专业领域对兵棋的需求量很大,每一项业务都想要一套兵棋系统,而有大约十年的时间,兵棋系统的数量疯狂地增长,其实都是在拿已有技术复用。这样的系统大多只给出了复盘评估的基本功能,统计战损、消耗这种基本计算量。数值和数值计算仅仅是定量分析的一种表现形式,只是小学数学甚至算术的主要任务。难道我们要用小学数学去击败敌人?如果军队停留在这个程度,那就等于是停留在解放战争年代的军事教育水平。如果民间玩家停留在这个程度,那么兵棋也就不能真正成为一种方法论而只停留在游戏水平。

过去十年间,涌现了太多宝贵的研究,对兵棋人来说,第一阶段的研究已经很充实了。如果想学习我军的军事理论,有军事科学出版社的硕士研究生系列教材第二版,2013年出版;在兵棋设计上,有2012年的《陆军武器装备体系作战运用兵棋推演技术与方法》,2013年的《兵棋从实验室走向战场》,刘源的两本黑皮书都是2013年的,其他的还有很多,我之前举的两篇论文也是这十年间。因为早于前十年,正是中国兵棋著作破土而出的时间,才有了前十年的雨后春笋。特别是2013年李璟的《战斗力解析》,以前在论坛里讨论过,我是14年在国图看到的,但当时我忽视了这本书,直到我开始从事兵棋设计和开发的专业工作以后,在认真分析各种兵棋的底层核心之后,我才真正意识到这本书的价值——所有的研究不还原到理论上,就是空中楼阁、水中望月、雾里看花。而今天的兵棋人,应该跨过入门阅读,迈向深层学习。与一般的游戏玩家不同,像你一样的玩家是有这个内驱力的。

2 个赞

非常赞同,我也将继续为之努力。

数据库的问题是游戏里的很小的问题。真正的大问题是游戏运行过程中内存大量占用堆积导致系统崩溃,bug一大堆的问题。这游戏真的是我玩过bug最多的游戏。老是出现的话很搞人心态

2 个赞

数据库的问题大家都各执一词,老外说俄罗斯数据库中的远程防空导弹的拦截率 中国的空射反舰导弹的命中率/突防率也高得出奇 把这个当一个游戏玩而已就好

兵棋推演还有一个很重要的方向就是与人工智能决策相结合,不知道楼主有没有关注过这方面?

数据不重要,那新武器也没发展的必要了。

导弹射程远点近点有什么关系吗 :upside_down_face:

我的专业方向是兵棋设计,研究领域是兵棋推演的作战结构理论,所以并不试图直接进入人工智能领域.深度学习技术偏黑盒,可解释性不高,目前只适合战斗场景.在大规模战斗乃至战役层面,无论是军事教育训练还是指挥,人类都不可能接受不可解释的分析.我并非不看好兵棋推演的人工智能,有的人致力于技术进展,也需要有的人另辟蹊径.所以我更多关注可解释性更高的技术,同时聚焦于中国军事思想的可计算性研究.

其实兵棋推演的目的还是对真实战争的模拟,兵棋推演的发展方向应该是更真实的反映真实战争环境,同样能够在瞬息万变的战场中准确感知战场态势并作出正确的决策是克敌制胜的关键。人工智能在这方面展现出了自己的潜力。美军也开展过相关的研究探索。兵棋推演实际上也是OODA循环。
关于数据库不真实的问题,我是比较认同楼主的观点。数据库的真实性没有大家想象中的那么重要,可以通过各种技术手段来“修正”这种“不真实”。话又说回来,美军公布的武器性能参数我们又怎样去证实它的真实性呢?CMO这个游戏本身就是民版的游戏而已。
另外,我们能不能自己修改数据库呢?

AI对这种有大量黑箱数据又只发生一次的情景,基本用处不大。

助智“战颅”起惊霆(强军路上)这个是国防科技大学开发的用于指挥控制的IA系统,AI的优势在于绝对理性,以及远高于人脑的解算、记忆能力。如果我没记错,alphago在与人类的比赛中出现了一些之前我们没有见过的落子策略,这些策略也被证明是有效的。难道就因为AI是我们开发的,我们就不能反过来学习AI的策略与方法了么?

你有没有想过,数据库"不真实",又怎么保证对真实战争进行模拟呢?这里面此消彼长的关系,是不是根本在于我们要如何理解战争,换句话说要辩证地看待战争,那么是不是又进一步可以问我们要怎样才能在兵棋中体现军事辩证法?这个问题再向前一步,是不是又变成了我们怎么通过兵棋去学习和理解军事辩证法,以及包含军事辩证法的战略学、战役学和战术学?那么我们究竟凭借什么来复盘评估我们是否达到目的了呢?归根结底,推演经验要通过推演数据来总结,兵棋理论要通过推演经验来建立.我写过一篇文章来论述其中的缘由,发在论坛叫作《 B4M人机对战机器蓝方先手首轮推演分析》.

同样,在我上一次回答中说了,依靠战场感知进行单兵/单装/集群的战术决策是有成效的,甚至可能接触到小规模战斗,但大规模战斗以上还是不够成功.就像AlphaGo,虽然可以穷举突破人类棋手,但由于深度学习是低可解释性的,这就决定了依靠深度学习的大规模战斗以上的兵棋人工智能要“牵着人类的鼻子”走,这在军队高层是不可能被接受的事情,否则美军各部队和院校也不会年年花钱培养军人手推兵棋.

总结来说,推演数据重要,因为它蕴含着推演者主观能动性的行动结构,而武器装备数据只是推演数据中的一部分,行动的数据比装备数据重要,当装备数据在进行抽象时会根据推演及行动的需要而服务于推演,服务于推演的意思就是可以修正数据,这种修正也会朝着装备论证的方向演进.

1 个赞

反过来学习的前提是AI首先理解得了人类的指挥,目前做不到.

AI推演策略的低可解释性或者说黑盒性,并不影响我们对有效推演策略的使用啊。就像意识在人脑中的运行机制也是黑盒,但是它妨碍我们思考了么?或者说两条腿走路,一方面使用推演策略,另一方面继续研究AI策略的形成原理,或者说研究如何去解释AI的策略。如果说人工智能推演的低可解释性限制了人工智能推演的运用,那么人工智能推演研究的意义在哪呢?
另外,我们需要注意的是我们现在使用的这个软件是以游戏的面目出现在Steam平台的,而不是专业软件。并且它是面向民用市场,而不是美军、德军招标的那个版本,那么就注定了它的数据只能来自于公开的报道,甚至是臆造。
还记得那个在游戏论坛上发豹二坦克操作手册的家伙么?真实数据的代价就是刑事责任的追究。。。。。。如果不想被查水表就不要再追求啥真实数据了。
数据真实性在这个版本的游戏框架下根本就是一个伪命题。当然如果你真的知道真实数据,发帖之前记得回忆一下保密守则。别被网特忽悠了!!!!

人的因素在战争中起主导作用,如果不能统一认识如何指挥打仗?既然要统一认识,就要"提供关于数据或模型的可以理解的信息,有助于我们更充分地发现知识、理解问题和解决问题的方法,都可以归类为可解释性方法".这句话出自《现代决策树模型及其编程实践》一书,是对决策方法的基本认识.

民间兵棋往往因为无法有效组织多人分组对抗,所以很多人容易忽视统一认识的问题.在商业领域,企业一直要求其组织做到数据建模与决策分析,从来没有一家大型企业真正做到不要活生生的人构成的董事会,而只用人工智能进行决策.因此,如果人工智能决策不够可解释性,就不能作为决策者统一认识的一方面依据,这是毋庸置疑的.你可以坚持它是有效推演策略,但不能服众,也不能御众,那么它就不能在指挥中发挥作用.

人工智能推演现在仍然处在提出技术的阶段,没有发展到总结推演经验的阶段,也就没有建立起兵棋推演理论.打个比方说,过去我们对战争的认识和对兵棋的认识,恰似数万年来人类积累出天象与农业的关系,现在要开始摸索天文学,发明了角度,提出了测算技术,正在等待总结出行星运动经验定律,然后再用万有引力定律和牛二定律证明这个经验定律,至此才能完成经典天文学理论的建立.人工智能推演的意义在于它首先提高了人类的效率,可以更加精确地计算推演中反映行动关系的数量变化过程,为人们总结推演经验提供报表式结论.并且在这一个意义未能达成的情况下,人工智能推演就不能够在兵棋推演的技术中占据主要的地位,发挥重要的作用.