人工智能和机器学习助力情报界进行关键决策.doc

《人工智能和机器学习助力情报界进行关键决策.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、人工智能和机器学习助力情报界进行关键决策　　人工智能和机器学习将有助于提高未来情报分析人员的工作效率，增加获得和保持竞争优势或时间优势的机会。数字化转型、多域数据集成和算法战将是情报集团保持长期竞争优势的核心。　　　　2017年7月，参谋长联席会议主席发布了联合出版物JP1《美国武装部队条令》的修订版，将“信息”作为新的第7项联合职能。这一变化预示着联合部队计划和实施跨地区、多域和多职能行动的方式将发生重大变化。同样地，这为重新思考“联合军种”在21世纪战争中的内涵提供了机会。　　在可预见的将来，战争极有可能以前所未有的形式展开，武器和战术都让美国措手不及。今天的弹道导弹飞越海洋需要几

2、十分钟，但未来的高超音速武器可能只需要几分钟。城市战争可能在超连接的城市中爆发，天上的传感器也许只能提供有限的信息，而无处不在的地面传感器则可以为分析人员提供海量的数据供其挖掘。在网络领域，当操作员检测到一次“发射”时，那枚武器可能已经抵达了目的地，并收获了预期的效果。对卫星的攻击、经济攻击以及隐蔽的影响活动，都会在暗中进行，人们发现时已为时过晚。　　数据的向量、体积、速度、多样性和普遍性正在改变国家安全政策、军事行动和情报活动的传统工具和方法。影响范围只会越来越大并且变化速度也只会越来越快。在“信息就是力量”这一格言的指导下，社会创造的技术能够产生海量的结构化和非结构化的数据，其规模

3、之大足以颠覆以往所有的谍报分析技术和模式识别。2017年1月，美国国防创新委员会表示，不管是谁，只要收集并组织了最多有关美国及美国对手的数据，都将保持技术优势。如果我们不能将数据作为战略资产，就会把宝贵的时间和空间拱手让给竞争对手。　　　　美国情报界（IC），包括国防情报事业，都不光面临着纯粹规模上（数量和速度）上的挑战，还面临数据越来越复杂（多样性和准确性）的严峻挑战。情报界面临的挑战是获取、管理、关联、融合和分析各机构之间以及与盟国和伙伴之间不断增长的数据。在我们的经验中，情报界中的数据以太多不同的格式生成，在太多的不连接或不可访问的系统中生成，没有标准化的结构，也没有统一的本体。

4、这种情况有可能导致收集浪费、缺乏及时性、指示和警告漏报以及缺乏决策相关性等风险。其结果是，无法在情报周期早期融合数据构建多源情报，并尽可能接近收集点。分析师的任务太艰巨、太繁琐，而且还需要清除太多障碍，以向决策者和作战人员提供及时和相关的分析判断或可操作的情报。　　这些挑战可以用下列方法应对：　　使用能够解析数据、从数据中学习，然后做出响应的机器学习算法；　　鼓励情报专家的创造力和深度思考；　　设计策略、信息技术（IT）、敏捷获取和安全环境，使人机交互能够蓬勃发展。　　这些问题不可能只在任何一个机构、一个项目或情报部门内得到解决。我们认为，迫切需要以创造性的方式来适应这种新环境，其中必

5、须包括利用能够操纵和理解大数据的系统和机器来提高情报界的技术和操作优势，并推进人机和机器协作，这样情报分析人员就能够最好地利用他们的时间来处理最困难的问题。　　　　同时，机器学习“黑匣子”的不可预见性仍然存在严重问题，这种“黑匣子”能人类操作员无法解释的方式产生解决方案。人工智能（AI）系统创造它们自己的语言，并教会了自己如何使用人类没有教授也无法理解的策略来玩游戏。这些影响在国家安全系统中仍是未知且未经过检验的，而且其中大部分仍未得到研究。　　未来的战场　　未来的战斗空间不只由船只、坦克、导弹和卫星组成，还包括算法、网络和传感器。同历史上任何时期一样，未来的战争将在卫星系统、电网、通

6、信网络和运输系统的民用和军事基础设施以及人的网络内进行。这两个战场——电子战场和人类战场——都容易受到敌手算法的操纵。　　在电子环境中，算法已经被用于监测和控制大多数关键基础设施领域（电力、水、粮食、金融、通信等）。俄罗斯和中国已表示有兴趣测试美国这些系统的能力和弱点，情报机构需要能够融合多源数据，以了解对手活动和预期结果。　　为了破坏人际网络，人事管理办公室违规的政府工作人员会窃取个人数据，为对手提供了丰富的数据集，使其能够针对每一位军事领导人或决策者量身定制隐秘的影响活动。如果将这些数据与Equifax公司被盗的财务记录、雅虎的电子邮件记录、Anthemhealth保险公司的医疗信

7、息以及其他