政工推演的基本原理

符第四

兵棋推演的目的是考察指挥员的认知态度，解决从认识来源、认识过程的发展规律来研究主客观相符合的问题。从根本上说，政工推演的基本原理应当遵循动态认知逻辑和群体信念动态变化。

对我个人而言，政工推演的全部研究在兵棋推演基础科学中的优先级不高，只有在构建基本的数学空间以后才会腾出手来考察它，但不妨简单来说一说。

若想考察指挥员的认知态度，需要具有手段去做意图分析。作为类比，在强化学习中，主体的目标被形式化表征为一种特殊信号，称为收益，它通过环境传递给主体。而在主动推理中，主体的目标被形式化表征为另一种特殊信号，称为偏好状态，同样是通过环境传递给主体。主体的偏好状态反映了主体的生存条件，在与环境的互动中偏好状态会发生偏离，这就反映出主体生存条件的变化。而主体的意图，或者说军事行动企图，是控制环境状态再次向偏好状态转移的驱动力。

在主动推理中，状态的转移是通过主体行动完成的，所以问题的关键不在于如何理解世界，而在于如何改造世界。我方与敌方的意图交织在一起共同对战场进行作战塑造，必然有的行动直接反映了敌我各自的意图，而有的行动扭曲地反映了敌我各自不真实的意图（也就是欺骗）。但对于环境状态，我们并不会直接区分出哪些是真实的，哪些是虚伪的，这样环境所提供的线索充满了不确定性。正是出于此原因，在主动推理中，我们称之为隐藏状态，主动推理的目的，或者说意图分析的目的，就是识别隐藏状态背后真实的目的。

从这个角度来看，考察指挥员认知态度的方法其实就是一种意图分析论。

在主动推理中，意图分析的核心是找到反映指挥员构造作战过程的证据，这是数学术语，它对应的军事术语即征候，也就是可供判断军事行动企图的各种迹象，而我们使用信念来衡量证据的可信度或者强度。因为要推演反事实的情况，就必须要求对兵棋推演的叙述（叙述学使命）必须符合可能世界语义学，则对信念的解释为：

在世界w上主体u相信命题φ，当且仅当，在所有u-认为最合理的世界上φ都是真的。

无论是政治思想教育，还是政治心理战，首先要抽象掉它们的外在形式。我们姑且将军队当中人与人交往的空间，称作军事社会网络，其中每个军人（主体）通过各种职务之间的关系与其他主体相互连接，并借由这些关系通道展开信息交流与互动。一个主体观念的形成、信念的改变、行为方式的选择等都会受到周遭战友或指挥员的影响。

从逻辑学角度探讨军事社会网络，主要是研究信息及其流动的规律。在认知方面，研究主体如何在军事社会网络中接收信息、形成自己的信念；在行为方面，研究主体行为方式的选择如何受到周遭战友或指挥员的影响。由此逐步使用量化模型对信念修正进行研究，将主体相互之间的影响看作一个不断动态变化的过程，对这个过程本身的性质进行研究，理解在军队中主体政治心理的信念变化规律。

这项工作有三个关键因素：第一，关于信念的表征；第二，关于群体中主体之间军事社会关系的表征；第三，关于对动态变化部分的建模。

对于信念，采用在阈值模型上针对一个命题φ，主体相信φ时值为1，不相信φ时值为0，并称之为二元质化信念。由此得到一个包含有n个主体的初始信念状态，即n×1的列向量。

而将军事社会关系抽象成主体之间的信任度，使用信任矩阵来表征。由此得到一个n×n的方阵，每一行的信用度是主观概率，表示主体下一步相信命题φ的概率，值域为[0,1]，每一行之和为1，表示一个主体对包括自己在内的n个主体的信任分布。

从数学上看，主体信念在军事社会关系影响下的变化，就是初始信念状态与信任矩阵的乘积，结果仍是一个n×1的列向量，每一行是对应主体相信命题φ的客观概率，值域为[0,1]，即客观的多大程度上主体会在下一步相信φ。

于是，给定群体成员当下的信念状态、群体内部的信念矩阵，每一轮更新可以给出每个主体下一步的信念状态。对主体而言，每一轮更新都是一次观点的聚合，每次执行聚合都决定主体下个阶段的信念。

由于一个主体相信命题φ的可能性与其他主体相信该命题的可能性无关，可以通过把每个主体相信和不相信给定命题的对应概率，与其他所有主体的信念状态（每个都取值为1和0）分别相乘，得到该主体的二元信念，进而组成一个2ⁿ×2ⁿ的方阵，每个数字的值域为[0,1]，每一行之和为1，即该群体从初始信念状态开始不断演化的转换矩阵，又称迭代矩阵。

上述过程乃是建立军事单位或者军事力量（在定远 Notebook中称作规模点）的二元信念模型，进而可以定义群体信念概念，即群体的潜在信念。

我们这里略去严格的数学定义。所谓政工的积极结果，就是该群体对于给定命题具有潜在的信念，当且仅当，在足够多的转换次数中，初始信念状态迭代为相信命题的概率＞0.5。

群体信念是军事社会影响的结果，主体之间的相互影响在群体信念形成过程中至关重要。定义群体信念的关键是高概率趋于共识，群体成员的信念变化都是基于客观的转换概率，要求信念高于阈值0.5的群体趋向达成共识。而“在足够多的转换次数中”则反映了达成共识的稳定性。

这就是信念在马尔可夫链中的迭代，并使用迭代矩阵描述“给定当前的信念状态，k步之后马尔可夫链转换到其他信念状态的概率分布”。当然，可以证明，在特定的约束下，迭代矩阵会收敛到一个极限矩阵。收敛，自然意味着稳态的出现，存在一个流形上的不动点，有助于我们做临界分析。

顺着这条分析路径走下去，可以考察一个局部“先进”的有穷群体，是否可以在迭代中共同习得真理，比如“为谁打仗”或者“任务在全局中的地位”等命题，这就是党小组或者士兵委员会的作用。对这个问题持消极态度的有穷群体，存在一个群体外的主体，能够采取措施使得群体内部成员朝着真理的方向学习，这就是政策制定者或政委、政治指导员的作用。

最终，迭代矩阵将成为一个参数，被纳入到主动推理框架，与其他参数共同构成指挥员对于作战指挥的生成模型。当遇到与“实现组织持存”原则相矛盾的牺牲问题时，主动推理框架和结构因果模型能够涵盖“牺牲局部换取全局胜利”的极端偏好状态，而习得真理的群体会将“避免组织消亡”这个辩证逻辑反项调整为它的对立，即“接受组织消亡”，以确保极端偏好状态具备贝尔曼最优性。只有这样的生成模型才能回答在西方兵棋体系中“士气崩溃论”推演不出的战争结局。