Taktikai elemzések, kommunikációelmélet

I. Összefoglaló

A három, 2024-ben megjelent írás közös kérdése az, hogyan alakítható át a gyorsan növekvő adatmennyiség olyan közös tudássá, amely a katonai szervezet alkalmazkodását és a felelős emberi döntést valóban támogatja. Az összefoglalás a GRIN nyilvános absztraktjaira, tartalomjegyzékeire és előnézeteire épül [1–3].

Közös elméleti mag

Dombrádi megközelítésében a hadviselés nem pusztán eszközök és fegyvernemek egyidejű alkalmazása, hanem kommunikációs rendszer: érzékelés, információkiválasztás, értelmezés, koordináció, cselekvés és visszacsatolás időben összekapcsolt láncolata. A döntési előnyt ezért nem önmagában az adatfölény teremti meg, hanem az, hogy a szervezet a különböző forrásokból származó jeleket mennyire gyorsan képes közös, cselekvésre alkalmas tudásmintává rendezni. A rendszerelméleti háttér a belső önmegfigyelés, a környezetre vonatkozó megfigyelés és a visszatérő kommunikáció jelentőségét emeli ki.

A kombinált fegyvernemi hadviselés kommunikációelmélete [1]. A tanulmány a combined arms működését koordinációs és tudástranszfer-problémaként írja le. A különböző képességek csak akkor alkotnak valódi rendszert, ha a magasabb szinten rendezett tudás helyi szinten értelmezhető, a feladatok időben összehangoltak, a visszajelzések pedig beépülnek a következő cselekvésbe. Ennek megfelelően a kiképzés célja nem csupán eljárások begyakorlása, hanem közös tudásminták, kommunikációs rutinok és adaptív együttműködés kialakítása.

A mesterséges intelligencia szerepe a katonai döntésben [2]. Az „információs hurrikánban” az MI gyorsan, következetesen és nagy tömegben képes mintákat összevetni, de a szerzők különbséget tesznek e lineáris mintafelismerés és az ember szocializációból, tapasztalatból, jelentésadásból és önreflexióból felépülő tudásmintái között. Az MI legerősebb szerepe így a döntés-előkészítés: összefüggések, hiányok, ellentmondások, időbeli függések és alternatívák feltárása. A kontextus értelmezése, a célok és értékek mérlegelése, valamint a felelősség továbbra is az emberi döntéshozóé.

Természetes és mesterséges neurális hálózatok, valamint a légierő kiképzése [3]. A harmadik írás a kétféle tanulás eltérő erősségeiből indul ki. A mesterséges rendszer skálázható, ismételhető és nagy adathalmazokon hatékony; az emberi tanulás ugyanakkor testesült, társas, jelentésérzékeny és váratlan helyzetekhez rugalmasabban alkalmazkodik. A kiképzés megújításának iránya ezért a szimulációk, hadijátékok és gyakorlatok adatainak MI-alapú elemzése, majd az eredmények visszaforgatása az elméletbe, a kiképzési helyzetekbe és a következő kísérleti ciklusba.

Összegző tézis: a korszerű katonai döntéstámogatás alapegysége nem az önálló algoritmus, hanem az ember, a szervezet és az MI közös tanulási ciklusa: adat → szintézis → jelentés → döntés → cselekvés → visszacsatolás.

II. Új kutatási terv

Adaptív döntés-előkészítő és adatszintézis-rendszer – emberközpontú MI többforrású, bizonytalan és ellentmondásos katonai információk feldolgozására.

Cél: olyan auditálható kutatási prototípus létrehozása, amely a heterogén adatokból nem automatikus parancsot, hanem forrásokkal, bizonytalansággal és alternatív magyarázatokkal ellátott döntés-előkészítő képet állít elő.

Kutatási kérdés és hipotézis

Milyen mértékben csökkenti a többforrású, forráskritikai és bizonytalanságot megjelenítő MI-adatszintézis a döntés-előkészítés idejét úgy, hogy közben megőrzi vagy javítja a pontosságot, az ellenőrizhetőséget és az emberi helyzetértelmezést? A hipotézis szerint a gép a nagy volumenű összehasonlításban, az ember a kontextus és a felelős választás terén erősebb; strukturált együttműködésük jobb eredményt ad, mint bármelyik önmagában.

A prototípus öt modulja

• Adat- és eredetkezelés: nyílt, szintetikus vagy engedélyezett adatok egységesítése; időbélyeg, forrás, minőség és bizonytalanság megőrzése.
• Szemantikai szintézis: események, szereplők és függések tudásgráfba rendezése; az egymást erősítő és ellentmondó állítások elkülönítése.
• Hipotézis- és alternatívagenerálás: több értelmezés és döntési változat előállítása, feltételezésekkel, következményekkel és bizonytalansági sávokkal – automatikus végrehajtás nélkül.
• Ember–MI együttműködési felület: magyarázható összefoglalók, visszakereshető források, információhiány-jelzések és a döntéshozó visszakérdezését segítő vizualizáció.
• Gyakorlat–tanulás ciklus: szimulációk és hadijátékok naplóinak elemzése; a hibák, meglepetések és sikeres minták visszaforgatása a következő kiképzési és modellfejlesztési körbe.

Módszer és értékelés

Forgatókönyv-alapú kísérletekben azonos feladatot végző csoportok hagyományos és MI-vel támogatott munkáját kell összevetni. Mérőszámok: döntés-előkészítési idő, lényeges információk felidézése, hibák és ellentmondások felismerése, bizonyosság kalibráltsága, mentális terhelés, bizalom, forráshasználat és csoportszintű reziliencia. A tesztek hiányos, késleltetett és félrevezető adatokat is tartalmazzanak.

Nemzetközi kapcsolódás és eredmény

A terv a NATO STO MI-, big data-, vizualizációs és döntéstámogatási irányaihoz [4], a NATO federált adatmegosztási stratégiájához [5] és a JWC ember–MI hadijáték-kísérleteihez [6] kapcsolódik. A DARPA ITM az emberi döntési értékekhez való igazodást [7], az Army Research Laboratory HAT a feladatmegosztást és küldetések közötti tanulást [8], a Dstl az adat-mérnökséget, ember–gép együttműködést és ellenőrzést [9], a RAND a modellezés, szimuláció és hadijáték együttes használatát hangsúlyozza [10]. A NATO ACT 2026-os iránya a gyorsabb adatszintézis mellett is megőrzi az emberi döntési jogkört [11].

Várt eredmény: zárt, auditálható demonstrátor; forrás- és bizonytalanságtudatos adatmodell; szintetikus tesztkészlet; ember–MI kísérleti protokoll; kiképzési ajánlás. A rendszer nem hozhat önálló műveleti vagy fegyveralkalmazási döntést: a végső mérlegelés és felelősség minden esetben kijelölt emberi döntéshozónál marad.

III. Forrásjegyzék

Dombrádi Krisztián hadtudományi művei

• Dombradi, K. (2024). The Communication Theory of Combined Arms Warfare. Munich: GRIN Verlag. 13 p. Catalog No. V1488108. ISBN 978-3-389-04519-0. MTMT rekord
• Varga, A. & Dombrádi, K. (2024). The Role of AI in Decision Making for Military Operations. Munich: GRIN Verlag. 21 p. Catalog No. V1495581. ISBN 978-3-389-05378-2. MTMT rekord
• Dombrádi, K. (2024). Transdisciplionarity Practical Comparison of Natural and Artificial Neural Networks. Thoughts on the Air Force Renewing Training System. Munich: GRIN Verlag. 11 p. Catalog No. V1498397. ISBN 978-3-389-06117-6. MTMT rekord

Kapcsolódó nemzetközi kutatási irányok

• NATO Science and Technology Organization (2025). Collaborative Programme of Work 2025. Information Systems Technology Panel: AI, big data, visualization, decision support and human–machine teaming.
• NATO (2025). Data Strategy for the Alliance. Federated data spaces, metadata, data-centric security and data-driven decision-making.
• NATO Joint Warfare Centre (2025). From Strategy to Code: How AI Is Reshaping Military Wargaming. Human–AI wargaming experiment and structured evaluation of LLM support.
• Defense Advanced Research Projects Agency. In the Moment (ITM). Human-aligned AI decision-making in high-stakes, ambiguous domains.
• DEVCOM Army Research Laboratory. Human Autonomy Teaming (HAT). Resource allocation, human-guided machine learning, team assessment and mission-to-mission learning.
• Defence Science and Technology Laboratory (updated 2024). AI and Data Science: Defence Science and Technology Capability. Data engineering, analytics, visualization, human–machine teaming and assurance.
• Davis, P. K. & Bracken, P. (2022). Artificial Intelligence for Wargaming and Modeling. Journal of Defense Modeling and Simulation. doi.org/10.1177/15485129211073126
• NATO Allied Command Transformation (2026). Next Generation Targeting Project. Federated AI and data management for faster synthesis with human judgment retained.

Forráskritikai megjegyzés: a Dombrádi-művek összegzése a GRIN szabadon elérhető bibliográfiai adataira, absztraktjaira, tartalomjegyzékeire és nyilvános előnézeteire épül.