به گزارش کارگروه فناوری اطلاعات خبرگزاری سایبربان، هدف از آزمایشگاه جدید جنوار (GenWar) که قرار است در سال ۲۰۲۶ در «آزمایشگاه فیزیک کاربردی دانشگاه جانز هاپکینز» در لورلِ مریلند افتتاح شود، بهبود رزمایش‌های رومیزی از طریق استفاده از سرعت و سهولت استفاده مدلهای زبانی بزرگ (LLM) است؛ مدل‌هایی که شامل چت‌بات‌های شناخته‌شده‌ای همچون چت جی پی تی (ChatGPT) نیز می‌شوند.
با دسترسی به هوش مصنوعی در طول رزمایش، بازیکنان انسانی می‌توانند به‌سرعت استراتژی‌های مختلف را آزمایش کنند.
هم‌زمان، شرکت‌کنندگان انسانی با ایجنت‌های هوش مصنوعی کمک می‌شوند که در نقش مشاوران ستادی یا حتی فرماندهان نیروهای دشمن ظاهر می‌شوند.
اما آزمایشگاه جنوار امکانات بسیار جذاب‌تری نیز ارائه خواهد کرد.
یکی از آن‌ها این است که بازیکنان انسانی بتوانند به‌طور مستقیم با مدلهای رایانشی پیچیده‌ای که پشت صحنه رزمایش‌ها عمل می‌کنند، تعامل داشته باشند.
امکان دیگر، برگزاری بازی‌های جنگی است که در آن هر دو طرف به‌طور کامل توسط عامل‌های هوش مصنوعی اداره شوند.
کوین مَدر، رئیس آزمایشگاه جنوار، به خبرگزاری دیفنس نیوز (Defense News) گفت:
حامیان ما به‌طور جدی خواستار این بوده‌اند که بازی‌های جنگی سریع‌تر انجام شود. توانایی بررسی عمیق‌تر، توانایی گنجاندن مدل‌سازی و شبیه‌سازی و انجام تحلیل‌های «چه می‌شود اگر»، از نیازهای اساسی است.
از زمانی که ارتش پروس در قرن نوزدهم از «کریگ‌اشپی‌ل» برای آموزش افسران ستادی استفاده کرد، رزمایش‌های رومیزی عملاً نیروهای آبی را در برابر نیروهای قرمز قرار می‌دهد و داوری توسط یک ناظر انجام می‌شود.
مشکل اینجاست که این نوع بازی‌های جنگی طراحی و داوری بسیار زمان‌بَر و دشوار دارند و برای بازپخش یا افزودن درس‌های آموخته‌شده انعطاف کافی ندارند.
اما هوش مصنوعی می‌تواند امکان اجرای نسخه‌های متعدد یک بازی یا بازآفرینی یک سناریو را فراهم کند.
برای مثال، ممکن است بازیکنان یک استراتژی را انتخاب کنند، اما یک کارشناس خبره حکم کند که این ایده واقع‌بینانه نیست.
کِلی دیاز، مدیر برنامه آزمایشگاه جنوار، در توضیح یک مثال فرضی به دیفنس نیوز گفت:
بیایید بازی را یک نوبت به عقب برگردانیم. می‌خواهیم همان حرکت را دوباره امتحان کنیم. و از آنجا که همه‌چیز دیجیتالی است، گزارش کامل خواهیم داشت. بعداً برای تحلیل‌های پساجنگ می‌توانیم گام‌به‌گام روندِ اتخاذ تصمیم‌ها را بررسی کنیم.
برای تسهیل این قابلیت‌ها، آزمایشگاه جنوار از مجموعه‌ای از ابزارها استفاده می‌کند.
جنوار تی تی اکس (TTX)، محیط دیجیتال و ایجنت‌های هوش مصنوعی را برای رزمایش ایجاد می‌کند.
جنوار سیم (Sim) که بر پایه چارچوب دولتی AFSIM ساخته شده، به بازیکنان اجازه می‌دهد با مدلهای فیزیک‌محور مورد استفاده برای داوری تعامل کنند.
به این ترتیب، جنوار سیم نقش یک «مترجم» را ایفا می‌کند که به انسان‌ها اجازه می‌دهد با مدلهای ریاضی پشت صحنه، با زبان ساده ارتباط برقرار کنند.
مَدر توضیح داد:
شما به‌عنوان یک انسان فرمان می‌دهید: "می‌خواهم اینجا حمله کنم، آنجا دفاع کنم." ما کدهایی در موتور مدل‌سازی و شبیه‌سازی ساخته‌ایم که این فرمان‌ها را از لایهٔ داده می‌خواند و به‌طور خودکار اجرا می‌کند.
در مقابل،مدلهای زبانی بزرگ (LLM) نیز می‌توانند با انسان‌ها در زبان روزمره صحبت کنند.
البته تصور بازیکنان هوش مصنوعی ممکن است برخی افراد را نگران کند.
هر کس بازی‌های استراتژی رایانه‌ای را تجربه کرده باشد می‌داند که بازیکن‌های کامپیوتری همیشه بهترین تصمیم‌ها را نمی‌گیرند.
مَدر اظهار داشت:
ما اصلاً ادعا نمی‌کنیم که آن‌ها تصمیم‌های ایده‌آل می‌گیرند. با این حال، امید بر این است که تصمیم‌های آن‌ها به اندازه کافی واقع‌گرایانه باشد تا روند بازی تسهیل شود و بازیکنان بتوانند استراتژی‌های مختلف را آزمایش کنند.
مَدر و دیاز تأکید می‌کنند که هوش مصنوعی جایگزین روش‌های سنتی بازی جنگی نخواهد شد.
مَدر عنوان کرد:
این روش به‌هیچ‌وجه به اندازه یک تحلیل عملیاتی سنتی یا یک مطالعه مدل‌سازی و شبیه‌سازی عمیق نیست. اما هوش مصنوعی می‌تواند راه‌حل‌های ۷۰ تا ۸۰ درصدی ارائه کند؛ راه‌حل‌هایی که پاسخ نهایی نیستند، اما فرایند یادگیری انسانی را به‌شدت سرعت می‌بخشند.
با توجه به اینکه هوش مصنوعی در تار و پود جامعه ادغام می‌شود، اجماع عمومی این است که این فناوری ناگزیر بخشی از بازی‌های جنگی خواهد شد.
پرسش این است که آیا هوش مصنوعی در این حوزه مسلط خواهد شد یا خیر.
بنجامین جنسن، پژوهشگر مرکز بین‌المللی و استراتژیک، معتقد است هوش مصنوعی می‌تواند بازی‌های جنگی را تقویت کند؛ به شرط آنکه مستندسازی و ارزیابی مناسب انجام شود.
او به خبرگزاری دیفنس نیوز گفت که خطر این است که تحلیل استراتژیک تقلیل پیدا کند به این جمله که: این چیزی است که یک مدل زبانی گفت.
همچنین روشن نیست که این مدل‌ها تا چه اندازه با سیاست امنیت ملی تناسب دارند.
جنسن توضیح داد:
چالش بزرگ‌تر این است که اغلب مدلهای پایه که امروز استفاده می‌شوند، به‌طور کافی در حوزه استراتژی و کشورداری ارزیابی نشده‌اند. بنابراین استفاده از هوش مصنوعی برای پشتیبانی از طراحی، توسعه و اجرای بازی‌ها ایده بسیار خوبی است. پرسش این است که این استفاده تا کجا پیش می‌رود و چقدر خوب مستند می‌شود تا از خطاهای رایج جلوگیری شود.
