Rand Strategy Assessment Center

The RAND Strategy Assessment Center was first conceived in 1979 with the goal of developing “new methods for strategic analysis that combine the best features or war gaming and analytical modeling.”^[1] Work began in April 1980. The initial request for the center came from the Department of Defense while the funding was provided by the Defense Nuclear Agency.^[1] The interactive, computer supported, war-gaming system uses Red (Soviets) and Blue (United States) force models (also known as Agents).^[2] These represent the two superpowers primarily being researched. There is also a Scenario Agent, which represents non-superpower countries, and a Force Agent, which simulates the results of military operations and combat.^[2] The significance of this program was that humans were no longer needed to run these complex simulations. It was now possible for the computer to almost single-handedly run iteration after iteration.^[1] Humans could step in and change the scenario, variables, or even take over completely if they so desired, although it was not necessary.^[1] The goal was to capture the human-expert contribution and inject that knowledge into the artificial intelligence controlling the computer models.^[1]

The need for this arose during the late 1970s when current US strategic-nuclear analysis wasn't in depth enough. The current thinking in the US at the time was heavily revolving around the idea of Mutual Assured Destruction (MAD).^[1] Many believed that it would be one all-or-nothing nuclear attack or retaliation that would determine the fate of the two superpowers. The idea was to expand on this thinking, more concurrent with the Soviet ideal that bringing nuclear weapons into a war, wouldn't be the end.^[1] The U.S.S.R. had contingencies for a variety of scenarios, whereas the US really only had the one.^[1]

The RSAC's objective was to improve the United States’ strategies in both nuclear and non-nuclear war.^[1] Each superpower was given an automated decision making model based on the best knowledge the US had at the time.^[2] The scientists also wanted to include a third Agent which would represent the non-superpower countries both militarily and politically.^[2] Previous simulations had been relatively shallow and had not taken into account how third parties could affect each scenario, whether it is the permission to use their airspace, or actual military forces.^[1] Now, the RSAC would be able to run “efficient, rigorous, and analytical” war gaming from beginning to end.^[1] This could be repeated at will, in a timely fashion, and with all data being recorded for reference later.

Below are some of the RSAC objectives put forth in the paper by Paul K. Davis and James A. Winnefeld titled “An Overview and Interim Conclusions about Utility and Development Options.”

• To create an Integrated Framework – a means to analyze and discuss military strategy in all conflicts, including a prolonged nuclear war, anywhere in the world.
• To develop the capability for Multiscenario Analysis – an increased capability would “…test sensitivities to key variables…” including superpower strategy, behavior patterns, operational art, battle outcomes, and non-superpower countries involvement.
• To increase Analysis Realism – including factors that are normally ignored. Examples include operational constraints, asymmetries in the US and Soviet objectives, attitudes and military styles, and third country decisions and/or actions.
• Provide tools to improve understanding of Strategic Dynamics- these include interrelationships, possible cascade effects and decision points.

Las Fuerzas o Agentes del Programa son modelos basados ​​en reglas que se utilizan dentro del sistema RSAC. Para su diseño, se debían cumplir algunos requisitos necesarios. Los agentes debían ser capaces de tomar decisiones operativas y estratégicas, incluyendo, entre otras, el diseño de un plan de guerra, la asignación de fuerzas y la decisión de entrar o no en batalla según el riesgo y el beneficio. ^{[ 1 ]} También debían basar sus decisiones en proyecciones futuras del conflicto, no solo en el futuro inmediato. Por ejemplo, el Agente Azul debe evaluar primero la situación actual entre él y el Agente Rojo, luego considerar el estado del Agente de Escenario y, finalmente, realizar una posible predicción de un escenario futuro que involucre a los tres. ^{[ 1 ]} Los Agentes también pueden ajustarse y corregir el rumbo en función de los resultados del conflicto y la cantidad de inteligencia disponible. Por último, se incorporan algunos "factores blandos". Un Agente también debe intentar determinar la voluntad e intenciones del oponente, la moral de las tropas y del país, y la fuerza de las alianzas actuales , si procede. ^{[ 1 ]} A continuación se muestran los agentes involucrados en el sistema RSAC.

Agente Rojo : Esta es la superpotencia opositora en la simulación. Generalmente se trata de la Unión Soviética o de los países unidos bajo el Pacto de Varsovia . ^{[ 2 ]}

Agente Azul : Esta es la superpotencia nacional en la simulación. Generalmente está representada por los Estados Unidos de América o los países de la OTAN . ^{[ 2 ]}

Agente del escenario : esta es la fuerza que representa a todas las demás naciones que no son superpotencias. ^{[ 2 ]}

Agente de Fuerza : Esta fuerza realiza un seguimiento de otras fuerzas de Agente a escala global y también simula el resultado de batallas y operaciones militares. Además, actúa como cronometrador para la simulación. ^{[ 1 ]}

Por muy omniscientes que parezcan, una de las características más importantes de estos autómatas es su capacidad para cometer errores y desarrollar modelos falsos. Azul podría decidir que una batalla militar sería su mejor opción, aunque podría tener información tardía o incompleta sobre Rojo. ^{[ 1 ]} Otro escenario podría implicar que ambos bandos calculen una victoria en la batalla utilizando diferentes criterios. Rojo podría decidir luchar contra Azul, incluso sabiendo que no «ganará» la batalla. Su objetivo podría ser simplemente debilitar las fuerzas de Azul lo suficiente como para retrasarlas unas semanas o meses. Así, Azul calcularía una victoria, pero Rojo también. ^{[ 1 ]} Los diferentes cálculos de victoria y la capacidad de cometer errores realistas solo aumentan la fidelidad de esta simulación.

• https://www.rand.org/pubs/reports/R2945
• https://www.rand.org/pubs/papers/2008/P7195.pdf