人工智能技能推动情报生产流程优化

人工智能技能提升情报搜集、数据处理能力。
信息化时期背景下，美国情报机构在应对传统安全威胁的同时，也看重对付非传统安全威胁的识别、掌握。
全体国家社会创造了大量的构造化和非构造化数据，这些数据规模之大，足以压垮此前的情报剖析模式和威胁识别办法。
美国防创新委员会断言：“无论谁网络和组织最多关于我们自己和对手的数据，都将保持技能上风。
如果不能将数据视为计策资产，将把宝贵的韶光和空间拱手让给竞争对手或对手。
”

关于全源情报数据量增长征象，思科公司在2007年一份报告中做出如下判断，“到2021年，预估环球网络流量产生的数据将达到3.3ZB/年。
同时，环球人均持有3.5台网络设备”。
与此同时，美国家地理空特工报局局长公开估计，“在目前网络速率加快的情形下，到2037年，我们将须要800多万图像剖析员来处理所有图像数据”。

美国防情报局集成剖析与方法卖力人特里·布希指出培植军事情报大数据项目的四个难题分别是：数据同等性差、数据存储与访问广泛、数听说明力低下、数据系统不兼容。
以上四个难题是情报大数据的难题，也是实现统一数据标准，发挥情报数据代价的办法。

为理解决上述问题，美国情报界积极引用人工智能技能来推进情报数据管理事情。
通过智能传感器、监视器和生物识别技能能够实现关键目标自动识别、锁定。
利用打算机视觉（CV）、模式识别技能能够使得情报剖析职员实现***、语音的自动提取和剖析，从而大大提升情报搜集和处理能力。

以军事情报技能数据库为例，2018年，美国防情报局经由实验研究和论证后，决定开拓机器赞助剖析快速存储系统（MARS）作为实验研究示范项目。
该系统的培植目的是将当下存储根本军事情报的数据库（美国防部MIDB综合数据库）转化成一个多维、灵巧和严格的数据环境。
MARS的终极设计目的是连接到数以百计的国防部情报、方案和基于作战的工具和系统。
该系统由五个模块构成，分别是根本举动步伐、战斗命令、情报任务数据、网络空间、空间和对抗空间。

人工智能推进情报剖析转型。
情报剖析是情报事情的核心。
美国情报界认为，人工智能技能有望推动情报剖析转型。
长久以来，情报剖析采取以人为核心的事情模式。
情报剖析受剖析职员履历、阅历、受教诲程度等多方面成分影响。
同时，情报剖析学者认为，当前的情报剖析事情模式紧张有两种：不雅观念驱动剖析与数据驱动剖析，两者均被剖析职员的认知能力所影响。
同时，情报剖析常常伴随着对手的误导与欺骗，这使得情报剖析难度较高。

近年来，随着非传统安全威胁的升级，美国决策者对付情报剖析的需求不断提升。
决策者对付一件事情不仅想知道“是什么”“为什么”，还想知道事物“未来会若何”。
此外，伴随着环球突发事宜频发，情报剖析效率的提升也是情报转型的重中之重。

美国情报界认为，首先，利用深度学习技能的数据工具可对情报数据流的背后征象和趋势进行推断，判断事物的因果关系。
通过人工智能技能构建的情报可视化网络有助于挖掘事宜深层脉络与潜在含义。
其次，利用图形剖析技能和机器推理能够有效规避剖析职员的认知偏见，通过对情报目标（职员、建筑物、组织网络）等数据进行自动化关联、自动筛选，有利于形成对整体形势与态势的节制。
再次，通过人工智能算法对数据进行洗濯、聚类、关联、描述节点，能够有效过滤相互冲突的情报数据，有效抵制情报欺骗。
最关键的是，通过人工智能技能的情报数据处理、赞助剖析系统能够提升情报剖析自动化水平，提升情报剖析效率。

人工智能技能实现情报早期预警。
数据不能揭示所有的事情，比如危急中对手的决策。
美国情报学者杰克·戴维斯认为：预警属于情报剖析领域，是对敌方行为的预判，须要不断对敌方行为进行持续评估和改进。
有学者认为，实现有效预警的办法是建构指标群。
但由于计策对手通过隐真示假、思维误导等计策互动行为导致情报预警成功率低下，因此情报预警要办理的两个关键性问题是预警时效性问题和预警真实性问题。

以美情报高等研究操持局（IARPA）开展的知识创造与传播项目为例，该项目通过信息提取/聚类、自然措辞处理（NLP）、社会网络剖析等技能，能够帮助情报剖析者从多个大型异类的数据源中有效获取预警关键信息。
同时，该机构开拓的KRNS项目通过知识创造、神经系统科学、决策论、数据演习等人工智能技能帮助情报剖析职员战胜情报预警剖析的认知偏见。
综上，通过运用人工智能技能构建的自动化情报预警系统能够有效提升情报预警效率，从而为决策留有充足的余地。

总结美国情报界发展人工智能技能的计策方案的路径，可以将其称之为情报界投资策略。
这种投资以商业项目孵化为主，辅以人力资源改革、盟友互助优化。
美国情报界将人工智能项目孵化视作计策方案的重点，从短期看是确实可行的，由于这一成熟的技能转化办法已经被“DARPA模式”证明是行之有效的。
以“阿拉丁***”项目、“巴别塔语音”项目为代表的人工智能项目已经结项，对情报事情的帮助亦是直不雅观的。

但是，美国情报界对付人工智能技能根本研究领域的投资远低于对运用领域成果转化的投资。
美国情报界对人工智能技能成果转化的模式是一种风险投资的商业模式，该商业模式在商业界已经被证明是极具效率的。
但美国情报界与商业界不同的一点是，商业项目风险投资通过商业市场作为“筛选器”，将投资回报率低、市场兼容性差、适应性差的项目淘汰了。
而美国情报界是官僚组织，没有商业市场的淘汰环节，短缺了商业模式中最主要的“物竞天择”环节。
而美国情报界的投资预算是有限的，且只能接管风险相对较低，前景较为明朗的人工智能项目。
这就导致在未来，情报界只能采取商业界较为成熟的人工智能技能。

同时，美国情报界内数据共享和内部协作一贯以来都存在较为突出的问题。
在发生重大情报失落误之前，彻底改变这一现状具有较大难度。
情报制度、文化和采办的惯性将持续至下一次重大情报失落误和丑闻。

免责声明：本文转自军事文摘，原作者王振宇。
文章内容系原作者个人不雅观点，本"大众年夜众号转载仅为分享、传达不同不雅观点，如有任何异议，欢迎联系我们！

转自丨军事文摘

作者丨王振宇

编辑丨郑实