王振宇

近年來(lái)，隨著“深度學(xué)習(xí)”“強(qiáng)化學(xué)習(xí)”等人工智能技術(shù)的飛速發(fā)展，人工智能技術(shù)已經(jīng)發(fā)展出諸多面向軍事情報(bào)領(lǐng)域的應(yīng)用?，F(xiàn)代人工智能技術(shù)已經(jīng)徹底突破傳統(tǒng)人工智能所展現(xiàn)出來(lái)的局限，并在數(shù)據(jù)處理、模式識(shí)別，機(jī)器人技術(shù)、博弈、數(shù)據(jù)挖掘、機(jī)器輔助分析、網(wǎng)絡(luò)空間安全等方面發(fā)揮巨大作用。對(duì)于美國(guó)情報(bào)界而言，發(fā)展能夠直接應(yīng)用于情報(bào)工作的人工智能技術(shù)，是改進(jìn)情報(bào)識(shí)別、情報(bào)搜集、數(shù)據(jù)處理、情報(bào)分析、情報(bào)共享與協(xié)作的重點(diǎn)。

信息化時(shí)代背景下，美國(guó)情報(bào)機(jī)構(gòu)在應(yīng)對(duì)傳統(tǒng)安全威脅的同時(shí)，也注重對(duì)于非傳統(tǒng)安全威脅的識(shí)別、控制。整個(gè)國(guó)家社會(huì)創(chuàng)造了大量的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，這些數(shù)據(jù)規(guī)模之大，足以壓垮此前的情報(bào)分析模式和威脅識(shí)別方式。美國(guó)防創(chuàng)新委員會(huì)斷言：“無(wú)論誰(shuí)收集和組織最多關(guān)于我們自己和對(duì)手的數(shù)據(jù)，都將保持技術(shù)優(yōu)勢(shì)。如果不能將數(shù)據(jù)視為戰(zhàn)略資產(chǎn)，將把寶貴的時(shí)間和空間拱手讓給競(jìng)爭(zhēng)對(duì)手或?qū)κ??！?/p>

關(guān)于全源情報(bào)數(shù)據(jù)量增長(zhǎng)現(xiàn)象，思科公司在2007年一份報(bào)告中做出如下判斷，“到2021年，預(yù)估全球網(wǎng)絡(luò)流量產(chǎn)生的數(shù)據(jù)將達(dá)到3.3ZB/年。同時(shí)，全球人均持有3.5臺(tái)網(wǎng)絡(luò)設(shè)備”。與此同時(shí)，美國(guó)家地理空間情報(bào)局局長(zhǎng)公開估計(jì)，“在目前收集速度加快的情況下，到2037年，我們將需要800多萬(wàn)圖像分析員來(lái)處理所有圖像數(shù)據(jù)”。

美國(guó)防情報(bào)局集成分析與方法負(fù)責(zé)人特里·布希指出建設(shè)軍事情報(bào)大數(shù)據(jù)項(xiàng)目的四個(gè)難題分別是：數(shù)據(jù)一致性差、數(shù)據(jù)存儲(chǔ)與訪問廣泛、數(shù)據(jù)解釋力低下、數(shù)據(jù)系統(tǒng)不兼容。以上四個(gè)難題是情報(bào)大數(shù)據(jù)的難題，也是實(shí)現(xiàn)統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)，發(fā)揮情報(bào)數(shù)據(jù)價(jià)值的方式。

為了解決上述問題，美國(guó)情報(bào)界積極引用人工智能技術(shù)來(lái)推進(jìn)情報(bào)數(shù)據(jù)管理工作。通過(guò)智能傳感器、監(jiān)視器和生物識(shí)別技術(shù)能夠?qū)崿F(xiàn)關(guān)鍵目標(biāo)自動(dòng)識(shí)別、鎖定。利用計(jì)算機(jī)視覺（CV）、模式識(shí)別技術(shù)能夠使得情報(bào)分析人員實(shí)現(xiàn)視頻、語(yǔ)音的自動(dòng)提取和分析，從而大大提升情報(bào)搜集和處理能力。

以軍事情報(bào)技術(shù)數(shù)據(jù)庫(kù)為例，2018年，美國(guó)防情報(bào)局經(jīng)過(guò)實(shí)驗(yàn)研究和論證后，決定開發(fā)機(jī)器輔助分析快速存儲(chǔ)系統(tǒng)（MARS）作為實(shí)驗(yàn)研究示范項(xiàng)目。該系統(tǒng)的建設(shè)目的是將當(dāng)下存儲(chǔ)基礎(chǔ)軍事情報(bào)的數(shù)據(jù)庫(kù)（美國(guó)防部MIDB綜合數(shù)據(jù)庫(kù)）轉(zhuǎn)化成一個(gè)多維、靈活和嚴(yán)格的數(shù)據(jù)環(huán)境。MARS的最終設(shè)計(jì)目的是連接到數(shù)以百計(jì)的國(guó)防部情報(bào)、規(guī)劃和基于作戰(zhàn)的工具和系統(tǒng)。該系統(tǒng)由五個(gè)模塊構(gòu)成，分別是基礎(chǔ)設(shè)施、戰(zhàn)斗命令、情報(bào)任務(wù)數(shù)據(jù)、網(wǎng)絡(luò)空間、空間和對(duì)抗空間。

情報(bào)分析是情報(bào)工作的核心。美國(guó)情報(bào)界認(rèn)為，人工智能技術(shù)有望推動(dòng)情報(bào)分析轉(zhuǎn)型。長(zhǎng)久以來(lái)，情報(bào)分析采用以人為核心的工作模式。情報(bào)分析受分析人員經(jīng)驗(yàn)、閱歷、受教育程度等多方面因素影響。同時(shí)，情報(bào)分析學(xué)者認(rèn)為，當(dāng)前的情報(bào)分析工作模式主要有兩種：觀念驅(qū)動(dòng)分析與數(shù)據(jù)驅(qū)動(dòng)分析，兩者均被分析人員的認(rèn)知能力所影響。同時(shí)，情報(bào)分析常常伴隨著對(duì)手的誤導(dǎo)與欺騙，這使得情報(bào)分析難度較高。

近年來(lái)，隨著非傳統(tǒng)安全威脅的升級(jí)，美國(guó)決策者對(duì)于情報(bào)分析的需求不斷提升。決策者對(duì)于一件事情不僅想知道“是什么”“為什么”，還想知道事物“未來(lái)會(huì)怎樣”。此外，伴隨著全球突發(fā)事件頻發(fā)，情報(bào)分析效率的提升也是情報(bào)轉(zhuǎn)型的重中之重。

美國(guó)情報(bào)界認(rèn)為，首先，利用深度學(xué)習(xí)技術(shù)的數(shù)據(jù)工具可對(duì)情報(bào)數(shù)據(jù)流的背后現(xiàn)象和趨勢(shì)進(jìn)行推斷，判斷事物的因果關(guān)系。通過(guò)人工智能技術(shù)構(gòu)建的情報(bào)可視化網(wǎng)絡(luò)有助于挖掘事件深層脈絡(luò)與潛在含義。其次，利用圖形分析技術(shù)和機(jī)器推理能夠有效規(guī)避分析人員的認(rèn)知偏見，通過(guò)對(duì)情報(bào)目標(biāo)（人員、建筑物、組織網(wǎng)絡(luò)）等數(shù)據(jù)進(jìn)行自動(dòng)化關(guān)聯(lián)、自動(dòng)篩選，有利于形成對(duì)整體形勢(shì)與態(tài)勢(shì)的掌握。再次，通過(guò)人工智能算法對(duì)數(shù)據(jù)進(jìn)行清洗、聚類、關(guān)聯(lián)、描繪節(jié)點(diǎn)，能夠有效過(guò)濾相互沖突的情報(bào)數(shù)據(jù)，有效抵制情報(bào)欺騙。最關(guān)鍵的是，通過(guò)人工智能技術(shù)的情報(bào)數(shù)據(jù)處理、輔助分析系統(tǒng)能夠提升情報(bào)分析自動(dòng)化水平，提升情報(bào)分析效率。

基于計(jì)算機(jī)視覺的人臉比對(duì)功能

數(shù)據(jù)不能揭示所有的事情，比如危機(jī)中對(duì)手的決策。美國(guó)情報(bào)學(xué)者杰克·戴維斯認(rèn)為：預(yù)警屬于情報(bào)分析領(lǐng)域，是對(duì)敵方行為的預(yù)判，需要不斷對(duì)敵方行為進(jìn)行持續(xù)評(píng)估和改進(jìn)。有學(xué)者認(rèn)為，實(shí)現(xiàn)有效預(yù)警的方式是建構(gòu)指標(biāo)群。但由于戰(zhàn)略對(duì)手通過(guò)隱真示假、思維誤導(dǎo)等戰(zhàn)略互動(dòng)行為導(dǎo)致情報(bào)預(yù)警成功率低下，因此情報(bào)預(yù)警要解決的兩個(gè)關(guān)鍵性問題是預(yù)警時(shí)效性問題和預(yù)警真實(shí)性問題。

以美情報(bào)高級(jí)研究計(jì)劃局（IARPA）開展的知識(shí)發(fā)現(xiàn)與傳播項(xiàng)目為例，該項(xiàng)目通過(guò)信息提取/聚類、自然語(yǔ)言處理（NLP）、社會(huì)網(wǎng)絡(luò)分析等技術(shù)，能夠幫助情報(bào)分析者從多個(gè)大型異類的數(shù)據(jù)源中有效獲取預(yù)警關(guān)鍵信息。同時(shí)，該機(jī)構(gòu)開發(fā)的KRNS項(xiàng)目通過(guò)知識(shí)發(fā)現(xiàn)、神經(jīng)系統(tǒng)科學(xué)、決策論、數(shù)據(jù)訓(xùn)練等人工智能技術(shù)幫助情報(bào)分析人員克服情報(bào)預(yù)警分析的認(rèn)知偏見。綜上，通過(guò)應(yīng)用人工智能技術(shù)構(gòu)建的自動(dòng)化情報(bào)預(yù)警系統(tǒng)能夠有效提升情報(bào)預(yù)警效率，從而為決策留有充足的余地。

美國(guó)情報(bào)界智能化轉(zhuǎn)型的核心任務(wù)是引進(jìn)民間成熟的人工智能技術(shù)服務(wù)現(xiàn)實(shí)情報(bào)任務(wù)需求。為迎合情報(bào)任務(wù)需求，實(shí)現(xiàn)人工智能技術(shù)與情報(bào)工作的無(wú)縫銜接，IARPA設(shè)置四個(gè)相對(duì)應(yīng)的辦公室：智能搜集辦公室、深入分析辦公室、安全運(yùn)行辦公室和意外預(yù)測(cè)辦公室。這四個(gè)下屬辦公室分別對(duì)應(yīng)人工智能技術(shù)增強(qiáng)的情報(bào)搜集、數(shù)據(jù)處理、情報(bào)分析、計(jì)算能力等方面。

人工智能技術(shù)發(fā)展的核心資源是數(shù)據(jù)、算法與算力，IARPA開展的人工智能項(xiàng)目就圍繞著上述三個(gè)方面展開。其中智能搜集辦公室開展的人工智能項(xiàng)目與智能化情報(bào)搜集相關(guān)，涉及地理空間情報(bào)（Amon-Hen項(xiàng)目）、身份識(shí)別信息（Odin項(xiàng)目、BEST項(xiàng)目）。深入分析辦公室所開展的項(xiàng)目與情報(bào)分析有所聯(lián)系，但更多的是對(duì)數(shù)據(jù)和信息進(jìn)行分析，而不是常規(guī)所認(rèn)為的情報(bào)分析，所開展的項(xiàng)目涉及語(yǔ)言數(shù)據(jù)處理（BETTER項(xiàng)目、MATERIAL項(xiàng)目、BABEL項(xiàng)目、KDD項(xiàng)目、SCIL項(xiàng)目）、視頻數(shù)據(jù)處理（ALADDIN項(xiàng)目）、圖像數(shù)據(jù)處理（Janus項(xiàng)目）等。安全運(yùn)行辦公室所開展的項(xiàng)目大多與人工智能技術(shù)并不直接相關(guān)，而是側(cè)重于提升計(jì)算能力，能夠從側(cè)面提升人工智能技術(shù)的計(jì)算能力，所開展的項(xiàng)目涉及高性能計(jì)算，包括C3項(xiàng)目、HECTOR項(xiàng)目、LogiQ項(xiàng)目、SuperTools項(xiàng)目等。意外預(yù)測(cè)辦公室所開展的項(xiàng)目與機(jī)器推理、自動(dòng)化分析相關(guān)，涉及網(wǎng)絡(luò)安全自動(dòng)檢測(cè)（CAUSE項(xiàng)目）、機(jī)器輔助分析（ACE項(xiàng)目、ForeST項(xiàng)目、OSI項(xiàng)目等）、自動(dòng)政治事件預(yù)測(cè)（Mercury項(xiàng)目）等。

Python算法編寫

創(chuàng)新人工智能技術(shù)開發(fā)模式是美國(guó)情報(bào)界關(guān)注的重點(diǎn)。在引進(jìn)成熟的美國(guó)防高級(jí)研究計(jì)劃局（DARPA）項(xiàng)目經(jīng)理負(fù)責(zé)制外，美國(guó)情報(bào)界采用來(lái)自民間信息技術(shù)產(chǎn)業(yè)界的敏捷開發(fā)方法。

敏捷開發(fā)方法指基于現(xiàn)實(shí)開發(fā)進(jìn)度，允許項(xiàng)目用戶頻繁的參與項(xiàng)目開發(fā)進(jìn)程，對(duì)開發(fā)進(jìn)程進(jìn)行反饋，并將反饋意見并入后續(xù)開發(fā)當(dāng)中。敏捷開發(fā)方式能夠在開發(fā)過(guò)程中控制開發(fā)進(jìn)度，控制成本和風(fēng)險(xiǎn)。該方式能夠通過(guò)迭代增量的方式來(lái)不斷改進(jìn)產(chǎn)品特性，逐步產(chǎn)生理想的解決方案，先建立局部再拓展到整體，將風(fēng)險(xiǎn)分散并盡早得到反饋以改進(jìn)人工智能產(chǎn)品。

美國(guó)政府問責(zé)局認(rèn)為，通過(guò)采用敏捷開發(fā)方法能夠充分調(diào)動(dòng)人工智能項(xiàng)目全體利益相關(guān)者的積極性，最大限度了解用戶的需求。同時(shí)，通過(guò)敏捷開發(fā)方法能夠設(shè)置項(xiàng)目開發(fā)優(yōu)先級(jí)和參與度指標(biāo)，降低人工智能項(xiàng)目開發(fā)風(fēng)險(xiǎn)。

時(shí)任負(fù)責(zé)人力資源的國(guó)家情報(bào)副總監(jiān)黛博拉·克徹爾指出，“未來(lái)幾十年，情報(bào)界面臨加速的技術(shù)變革…情報(bào)界勞動(dòng)力戰(zhàn)略管理勢(shì)在必行”。情報(bào)界認(rèn)為，發(fā)展能夠適應(yīng)信息化智能化時(shí)代的變革，需要對(duì)現(xiàn)有勞動(dòng)力進(jìn)行培養(yǎng)和升級(jí)。對(duì)現(xiàn)有勞動(dòng)力的培養(yǎng)和升級(jí)并不意味著情報(bào)界所有人員都要學(xué)習(xí)Python算法編寫，而是每個(gè)情報(bào)界人員都要了解智能化時(shí)代情報(bào)界所面臨的挑戰(zhàn)和情報(bào)界所需要做出的改變。

美國(guó)情報(bào)界認(rèn)為，應(yīng)用人工智能技術(shù)，能夠重塑情報(bào)界的人力資源構(gòu)成，更新情報(bào)流程，并最終改變情報(bào)界的文化。人力資源是情報(bào)界共同事物的重要構(gòu)成，情報(bào)界認(rèn)為需要對(duì)人力資源進(jìn)行專業(yè)化。

在人力資源政策方面，情報(bào)界未來(lái)將最大限度的提高權(quán)限和政策優(yōu)惠，以確保人工智能人才在情報(bào)界招聘、雇傭、培訓(xùn)等領(lǐng)域受到優(yōu)待。人力資源政策支持情報(bào)界發(fā)展人工智能的戰(zhàn)略，并降低使用人工智能人才的障礙。同時(shí)，情報(bào)界將通過(guò)“教育服務(wù)協(xié)議”擴(kuò)大情報(bào)界的博士后實(shí)習(xí)計(jì)劃，這樣有助于在博士畢業(yè)前與同行業(yè)進(jìn)行人才競(jìng)爭(zhēng)。此外，情報(bào)界將支持臨時(shí)的民間人才至官方機(jī)構(gòu)進(jìn)行實(shí)習(xí)輪換。最后，情報(bào)界希冀通過(guò)調(diào)整政策和資金配比，提高美國(guó)國(guó)內(nèi)和國(guó)外人工智能技術(shù)領(lǐng)域畢業(yè)生的保留率和吸引力，并允許人工智能領(lǐng)域?qū)＜以讷@得許可前即進(jìn)行一定的工作。

人工智能技術(shù)

總結(jié)美國(guó)情報(bào)界發(fā)展人工智能技術(shù)的戰(zhàn)略規(guī)劃的路徑，可以將其稱之為情報(bào)界投資策略。這種投資以商業(yè)項(xiàng)目孵化為主，輔以人力資源改革、盟友合作優(yōu)化。美國(guó)情報(bào)界將人工智能項(xiàng)目孵化視作戰(zhàn)略規(guī)劃的重點(diǎn)，從短期看是確實(shí)可行的，因?yàn)檫@一成熟的技術(shù)轉(zhuǎn)化方式已經(jīng)被“DARPA模式”證實(shí)是行之有效的。以“阿拉丁視頻”項(xiàng)目、“巴別塔語(yǔ)音”項(xiàng)目為代表的人工智能項(xiàng)目已經(jīng)結(jié)項(xiàng)，對(duì)情報(bào)工作的幫助亦是直觀的。

但是，美國(guó)情報(bào)界對(duì)于人工智能技術(shù)基礎(chǔ)研究領(lǐng)域的投資遠(yuǎn)低于對(duì)應(yīng)用領(lǐng)域成果轉(zhuǎn)化的投資。美國(guó)情報(bào)界對(duì)人工智能技術(shù)成果轉(zhuǎn)化的模式是一種風(fēng)險(xiǎn)投資的商業(yè)模式，該商業(yè)模式在商業(yè)界已經(jīng)被證實(shí)是極具效率的。但美國(guó)情報(bào)界與商業(yè)界不同的一點(diǎn)是，商業(yè)項(xiàng)目風(fēng)險(xiǎn)投資通過(guò)商業(yè)市場(chǎng)作為“篩選器”，將投資回報(bào)率低、市場(chǎng)兼容性差、適應(yīng)性差的項(xiàng)目淘汰了。而美國(guó)情報(bào)界是官僚組織，沒有商業(yè)市場(chǎng)的淘汰環(huán)節(jié)，缺少了商業(yè)模式中最重要的“物競(jìng)天擇”環(huán)節(jié)。而美國(guó)情報(bào)界的投資預(yù)算是有限的，且只能接受風(fēng)險(xiǎn)相對(duì)較低，前景較為明朗的人工智能項(xiàng)目。這就導(dǎo)致在未來(lái)，情報(bào)界只能采用商業(yè)界較為成熟的人工智能技術(shù)。

同時(shí)，美國(guó)情報(bào)界內(nèi)數(shù)據(jù)共享和內(nèi)部協(xié)作一直以來(lái)都存在較為突出的問題。在發(fā)生重大情報(bào)失誤之前，徹底改變這一現(xiàn)狀具有較大難度。情報(bào)制度、文化和采辦的慣性將持續(xù)至下一次重大情報(bào)失誤和丑聞。

責(zé)任編輯：侯??琳