美军目前花费大量时间和资源来规划行动并培训人员，这种准备对于任务成功至关重要。加快美国武装部队的战备需要更有效、更高效的任务规划方法。生成式人工智能(GenAI)和数字孪生技术结合使用，可以重塑整个战术任务生命周期——从规划和演练到行动后评估。数字孪生让作战人员可以在逼真的虚拟环境中训练和演练行动。GenAI 通过快速分析任务参数与目标和其他信息，并为每个关键决策点生成和评估优化的行动方案，改进了规划流程。从本质上讲，现代飞轮效应可以应用于此，以加速美国武装部队的战备。

作战人员可以模拟和训练他们在战场上可能遇到的无数场景，使他们在战略、作战和战术层面上做好更充分的准备，以安全有效地执行任务。在虚拟环境中进行规划和训练既省时又省钱。

一、数字任务规划环境的层次

数字任务规划环境由来自作战环境、作战人员本身和军事理论的大量数据构建而成。其基础是数字孪生：技术上精确的虚拟复制品，即对象、流程或系统。使用全动态视频、光检测和测距扫描，通过现有地图和无人机飞行收集的数据，在几个小时内即可创建数字孪生。其结果是对军事任务将要发生地点的高保真渲染。

下一层是数据，它嵌入在数字孪生中，以便于查看关键变量和其他参数。这包括用于创建数字孪生的数据以及被拉入系统的有关军事理论、单兵作战准备、武器、天气以及开源情报和信号情报的数据。通过部署传统的人工智能和数学优化工具，在嵌入层进行分析和测量。例如，传统的数学优化模型可以为携带特定设备的四人单位确定在A点和B点之间的最快路线。人工智能模型可以使用陆军OAKOC的类别来分析地形：障碍物、进近路线、关键地形、观察和火力范围以及掩护和隐蔽。

除了复制任务环境外，数字孪生还可以生成超出无人机传感器可以捕获的数据。数字孪生可以编程来模拟不同的天气条件、战斗场景和其他变量。这种模拟的价值是双重的：作战人员可以在各种条件下测试自己并评估自己的表现，而人工智能优化工具可以根据这些额外的数据进行训练以改进其功能。

二、增强人类分析和洞察力

引入生成式人工智能(GenAI)助手可将数字任务规划环境转变为下一代能力。GenAI 模型不仅能预测结果，还能生成新的内容和见解。它可以利用从庞大数据集中收集到的信息和模式推荐最佳行动方案，还能根据指挥官实时提供的其他变量和反馈调整推荐方案。在任务规划方面，以广泛的开源信息为基础训练的GenAI模型将得到未公开的特定任务信息的补充，如军事理论和程序、制服和装备规格、对手的典型作战战术以及特定任务的机密信息。

GenAI还能监控单个作战人员的表现。如今，作战人员可配备可穿戴技术，生成有关心率、呼吸、睡眠模式、压力水平、姿势、运动速度、步幅和其他指标的信息。这些生物识别数据可对身体和心理准备情况进行重要评估，并与显示屏中每个作战人员的三维全息图相结合，显示屏还包括战术装备模型和要穿越的地形信息。在显示屏上，规划人员可以将不同的装备“拖放”到作战人员身上，以确保每个作战人员都能有效管理分配给他们的负荷。

使用智能代理AI的编排软件是实现这一切运作的核心。当指挥官输入查询时，一个“指挥官”编排器代理会解析请求，并向下级代理分配任务。每个代理将查阅其核心军事程序，以确定回答问题的具体步骤。随后，基于现有分析工具，这些代理会依次执行每个步骤，或指出可用数据与能力中存在的缺口，最终将响应返回给‘指挥官’代理进行审核、整合并回复用户。

这一系列过程中的每一步都会被记录下来，供用户调查，以确保透明度和可审计性，并提供质量控制，防止人工智能生成的任何潜在 “幻觉”对行动产生不利影响。

重要的是，这种方法不会剥夺指挥官的决策权。相反，它提供了更多的工具和更多的硬数据，指挥官可以运用自己的经验、知识和判断力做出更好的决策。此外，人类在审查建议时必须注意道德原则、情境细微差别和现实条件，这些可能超出了当前人工智能模型的理解范围，因此人类必须利用自己的经验和专业知识。

三、高保真虚拟环境

进行演练是任务规划生命周期的下一步。以地形模型和一维地图为中心的演习要求参与者简单地想象自己身处一个从未见过的地方，推测山丘的陡峭程度或丛林的密集程度。即使是典型的数字地形模型也缺乏现实生活中的逼真度，限制了参与者看到他们将面临的地形和条件的能力，而且这些模型也没有纳入其他重要信息，如天气和潜在威胁。

有了数字孪生系统，作战人员可以边作战边训练，在真实的三维模拟环境中反复演练计划，沉浸在实际的作战区域中。他们可以看到地形、海拔、植被、村庄、建筑等。在执行实际任务之前，该任务都可以演练无数次，包括行动方案以及医疗后送、车辆回收和人员控制计划。

生成式人工智能可以在作战人员演练时动态改变场景。人工智能可以评估作战活动的有效性和精确性，以及作战人员在行动期间的生理和心理系统，以加强学习和准备。

先进的电子设备包使模拟环境与真实的实体武器在射击演练中融为一体成为可能。士兵在体验360度虚拟体验的同时，还能与代理武器接触，从而获得逼真的战术和运动感觉。电子设备包包括一个微处理器和一个陀螺仪，前者用于收集武器的传感器输入，如扳机和保险，后者则像一个运动传感器，跟踪武器的运动。

在向士兵展示模拟场景时，屏幕上会显示他们的动作和表现。他们可以通过武器的光学系统查看目标、测量射程、执行射击、感受后坐力并评估伤害。这种在虚拟环境中进行的强大的混合现实演练可以让士兵反复练习射击，形成必要的肌肉记忆，并学会如何控制情绪，在紧张的情况下保持冷静。人工智能可以准确找出射击演练失败背后的因素，例如由于压力或缺乏训练而导致的失误，从而让每个作战人员及其指挥官实时了解是什么阻碍了他们的表现，以及如何加以克服。

四、重新设计行动后评估

所有计划都会在接触中发生变化，因此，对实际发生的情况进行行动后评估对于优化未来绩效至关重要。传统的行动后评估主要是领导者和参与者对行动和任务执行情况与预期结果的比较进行个人观察。

数字孪生和生成式人工智能(GenAI)为行动后评估注入了无可争议的数据。性能测量与GenAI助手融合在一起，后者会建议更改计划路线，以加快到达目标的时间。同样，任务分析测量和演练期间捕获的生物识别数据可帮助我们深入了解部队和个人的表现，以及可做出哪些改变来改进任务计划和执行。绩效衡量标准可包括班组编队准确性、行进速度以及个人压力和精力水平。可穿戴设备提供的数据可以帮助指挥官根据个人优势和能力信息，将合适的士兵分配到合适的岗位上，例如，与只关注前方几米远的人相比，天生会观察环境的人是否会成为更好的尖兵。在每次演练演进之后，都可以进行这种以数据为依据的事后分析，以进一步优化计划。在数字化环境中进行培训和演练时，评估和分析也可以集成到演练中，这样受训人员就可以在演练过程中及时纠正错误，而这在实战演习中是不可能实现的。

五、典型案例

美国陆军研究实验室在战争游戏中测试了OpenAI的GPT-4 Turbo和GPT-4 Vision模型，用于生成地形分析、敌我力量对比评估及攻防策略建议。在实验过程中，研究人员给所有AI模型设定了相同的目标：摧毁所有敌军并占领指定目标点。随后AI系统快速生成多种行动方案，并在指挥官要求下优化方案。实验结果显示，虽然OpenAI的GPT模型在方案生成和优化方面表现出色，但在完成任务时导致的虚拟伤亡也相对较高。

美国海军研究生院(NPS)与海军水面作战中心达尔格伦分部、洛克希德·马丁公司、波音公司和空军研究实验室 (AFRL)合作开发了一套结合数字孪生与生成式AI的反无人机激光武器训练系统。研究人员使用“死神”无人机的微型模型训练了人工智能系统，通过3D打印无人机模型生成高精度数字孪生体，并利用红外和雷达扫描构建了全尺寸无人机在能见度不理想的情况下从不同角度和距离通过望远镜观察到的包含10万张图像的合成数据集。生成式AI通过分析这些数据，模拟不同角度、距离和大气条件下的目标识别与瞄准流程，优化激光束的瞄准点选择。该系统的AI模型在真实数据训练中误差最小，未来将用于半自动激光武器对真实目标进行雷达和光学跟踪。

在五角大楼的联合全域指挥控制(JADC2)框架下，美军开发了跨域联合作战模拟系统。数字孪生技术整合陆、海、空、天等全域的实时数据，生成高保真虚拟战场环境;生成式AI(如Scale AI的Donovan系统)则基于历史战例和实时情报，自动生成作战方案并模拟推演结果。例如，空中任务指令周期从3天缩短至几小时，显著提升多域协同效率。该系统已应用于“红龙”等演习，支持危机响应与战术调整。

小结

生成式人工智能(GenAI)技术正朝着实时和近实时的方向发展，以不断获取新的威胁数据，使领导者能够根据当前信息和GenAI的最新建议调整决策。当与数字孪生搭配使用时，它可以极大地改善作战人员和指挥官为执行任务做好准备的方式。此外，这些技术还可用于优化供应链和物流。在训练中应用这些技术可以节省与实战环境相关的时间和成本，显著提高通过率。因此人工智能在战术和战略层面都可改善决策。