【问题】

情报界(IC)能多好、多快地将新兴技术整合到全源分析中，对于其产生及时、相关和准确的战略洞察的能力，以及维持决策者相对于有能力的竞争对手的决策优势至关重要。

人工智能(AI)和相关技术不能复制战略分析的所有复杂性，但可以自动化、增强和实现分析过程的关键部分，并用于解锁新的见解，为分析判断提供信息。

人工智能可以帮助分析人员精简和分析指数级增长的情报数据。有了更少的任务、更好的数据和机器得出的见解，分析师将有更多的战略带宽来应用他们的专业知识，并向政策制定者提供高水平的分析。

为了利用先进的技术，情报界(IC)分析师必须克服一系列的挑战、障碍和限制——在底层数据、算法，最终是分析师本身。

情报界(IC)领导者和利益相关者(政策制定者、国会、技术和研究部门)必须为分析人员提供技术和培训，以使其在今天蓬勃发展，同时为未来的成功奠定数字基础、制度优先事项和文化规范。

简介

如果美国现在投资于技术改造，2030年的情报分析师在回顾2020年的分析师时，将会感到难以置信甚至是遗憾。凭借世界领先的人工智能、尖端的数据分析和无限的云计算能力，分析师几乎可以持续了解其目标运营环境。他们将快速地在信息范围内(从开源到高度机密)显示、融合、可视化和处理高质量数据。他们将为保单客户提供高水平、数据丰富、快速转变的见解。分析师们会对他们的前辈们对技术的临时采用和过时的“读、写、想”分析过程不屑一顾，认为这是过去时代的遗迹，与大数据的速度和规模不兼容。

2020年的分析师既没有时间也没有兴趣去思考这个看似幻想的未来。随着数据呈指数级增长，它们处理数据的能力却在小幅增长。他们的显示器上布满了多个情报队列、孤立的共享驱动器、手动管理的电子表格和数据库，以及错误百出的.kmz文件，没有接口来合成数据。他们被现在提供给他们的无数新工具和“人工智能解决方案”搞得不知所措，却对这些工具在战略分析方面的实用性和适用性印象不深。面对无情的客户需求和时间表，分析师默认使用他们的一小部分可信的分隔来源和经过时间考验的谍报技术来收集证据，并或多或少按时提供“足够好”的情报产品。

虽然目前的前景并不黯淡，未来也可能不像上面所说的那样优化，但2020年情报分析师的表现明显落后于技术曲线。数据和颠覆性技术的爆炸式增长，新的全球威胁的快速演变和出现，以及政策制定者决策周期的加速，可能会颠覆情报分析过程。情报界(IC)能将先进技术集成到全源分析中的效果如何、速度如何，对于其在未来情报环境中的竞争能力以及提供及时、准确和相关的分析产品至关重要。

在展望和构建未来分析师的同时，情报界(IC)能能够而且必须利用新兴技术来增强今天的分析师的能力。在其三相研究的第二部分，战略与国际研究中心技术与情报工作组探讨了AI及其子集机器学习(ML)、云计算和数据分析等技术如何增强情报分析能力。在研究的第一阶段(重点是情报收集)的基础上，指导第二阶段的核心研究问题是新兴技术在战略情报分析方面的机会和局限性是什么?为了回答这个问题，工作组召集了来自情报、技术、政策和研究界的利益相关者和专家进行了一系列讨论。

这份战略与国际研究中心的研究摘要总结了工作组第二阶段的主要发现。该简介首先研究了技术可以集成到分析过程中的近期方式。然后评估将人工智能和其他技术整合到战略分析中的主要障碍和限制。该简报最后探讨了技术和分析人员将在哪些方面为政策制定者提供最大价值，以及构建未来集成电路的影响。

机会:创造战略带宽

正如ODNI AIM Initiative所描述的那样，“IC的工作”是“分析数据，连接不同的数据集，将上下文应用于数据，从数据中推断意义，并最终根据所有可用数据做出分析判断。然而，对今天的分析师来说，问题是“数据产生的速度，无论是通过收集数据还是通过公开信息，都呈指数级增长，而且在很久以前就超过了我们理解数据或找到最相关的数据来做出分析判断的集体能力。”如果分析师不能处理、吸收和整合正确的数据，他们就不能为客户将数据转化为连贯的、有洞察力的和令人信服的分析。

人工智能和相关技术不能复制制定战略分析的所有复杂性，但可以自动化、增强和实现过程的关键部分，并用于解锁新的见解，为分析判断提供信息。这些技术可以帮助优化情报流程，使普通但重要的处理任务自动化，增强分析师的推理和批判性思维技能，甚至执行某些类型的分析。简而言之，新兴技术可以为分析师创造更多的战略带宽，让他们进行战略性思考和写作。有了更多的时间、更少的任务、更好的数据和产生见解的新方法，分析师们将更有能力应用他们独特的专业知识，为政策制定者提供高水平、快速转向、增值的分析。

优化情报流量:进入分析师“流量”队列的情报数量和种类——从传感器数据到信号拦截，再到外交电报到社交媒体——远远超过了他们的处理能力。人工智能和分析工具可以帮助优化信息流，并增强和丰富它们，以便在短时间内从更少的数据中获得更多的见解。

•优先级:人工智能功能可以应用于分类和显示分析师优先考虑的最相关和最有用的信息，自动化情报流量管理的时间密集型任务人工智能工具还可以被训练来扫描、发现和标记被指定为关键或异常的信息，并在队列中优先考虑这些信息，为分析师提供早期指标和新发展预警，以提醒政策制定者。

•个性化:随着人工智能流量模型学习分析师的偏好，人工智能预测工具和推荐算法可用于根据分析师的投资组合和搜索历史发现和标记感兴趣的报告(例如，“如果您喜欢对手Y的SIGINT拦截，那么您可能会喜欢X站的这份HUMINT报告”)。随着时间的推移，ML模型可以得到更好的定制，了解分析师如何通过数据和评估某些报告属性，从而产生更好的建议。这种强化学习可以在团队和机构之间扩展，利用云和协作过滤。

•总结:机器学习的进步，特别是自然语言处理(NLP)，可以使算法理解和总结情报流量中大量和不断增长的非结构化文本——HUMINT报告、处理过的SIGINT和图像报告、外交电报和开源——以修剪和简化流量。ML工具可以帮助压缩甚至组成报告摘要，同时识别和聚类感兴趣的主题或实体，使分析师能够在时间允许的情况下扫描或深入研究报告。

•丰富:人工智能工具不仅可以用来总结智能，还可以用来增强和丰富它，使用自动化来嵌入元数据，如时间、位置、演员和事件。数据丰富可以使分析人员从每个报告中获得更多信息和上下文，并在所有报告中建立联系。

人工智能和分析工具可以帮助优化信息流，并增强和丰富它们，以便在短时间内从更少的数据中获得更多的见解。

更智能和组织的搜索:在管理分析师的日常流量后，人工智能工具可以帮助分析师搜索、组织并开始理解相关报告。技术可以帮助分析人员提出最佳问题，搜索正确的数据集，并自动化数据的整理和编目。通过自动化平凡但至关重要的分析任务，以及更好地筛选“噪声中的信号”，人工智能工具可以使分析师更快地从数据结构转向意义构建。

•智能查询:有了人工智能，分析师可以针对给定的情报问题提出更智能的问题和搜索算法，在数据集上建立更广泛、更有效的网络，将关键但通常不明确的信息拼凑在一起(例如，对手X对Y的策略是什么?)分析人员可以与数据科学家合作，调整数据的标记方式(例如，与“策略”相关的单词)以及查询的排序方式，以使算法能够学习并启动更复杂或间接的搜索NLP应用程序可以根据特定的分析需求帮助总结和构建搜索结果。

•有针对性的筛选和过滤:通过人工智能定制的查询，分析师应该能够利用ML工具在大量和各种各样的数据集和报告流中搜索和筛选，以显示有价值的情报。随着结果的筛选，NLP工具可以帮助检测、提取、总结和收集优先级信息和主题——例如人员、位置、组织和事件。这种筛选和显示能力可以增强日常交通监控和搜索，但在危机时期至关重要，有助于分析人员集中情报流，找到最佳数据，并对政策制定者的需求迅速做出反应。

•自动整理和编目:在收集了正确的情报后，分析人员可以利用ML工具来自动编目和组织该情报。分析师可以利用NLP来生成“知识库”，将报告聚集、整理并填充到分析师独特的框架和本体中，而不是手动地填充和集成分布在电子表格、数据库和.kmz文件中的数据。知识库可以进一步自动化，以不断分析和自我更新新的情报报告。

增强意义构建和检测:随着情报的筛选和精简，人工智能工具和高级分析可以帮助分析师理解它，增强他们实时识别和可视化目标环境中的模式、关系和变化的能力。分析人员可以利用人工智能和云来保持对目标的增强、持久和机器更新的态势感知。

模式和网络:通过将数据集集中并集成到基于云的数据湖中，可以部署深度学习算法来发现模式、趋势和关系，这是分析师手动审查数据所无法识别的。分析师和数据科学家可以合作开发和指导ML模型，利用神经网络对数据进行分类、聚类，并将数据连接到节点和网络中。将ML应用于图形数据(可以连接的数据，如人、组织、位置和事件，作为网络中的节点)，可以使分析人员不仅能够识别关系和网络，还可以推断出对关键影响因素和连接性质的判断，揭示新的见解或验证最初的评估。

•知识可视化:在识别模式和网络后，分析师可以利用人工智能对其进行可视化，以增强清晰度、意义，并将其集成到分析中。人工智能工具从多个数据流和分析师的内部知识库中综合数据，可以直观地捕获目标环境中的新情报和变化有了分析师友好的界面，分析师可以以引人注目和可操作的格式“看到”他们的智能，并将其集成到为消费者提供的创造性产品中。

•增强态势感知:人工智能和数据可视化可使分析人员最终能够在多个领域保持对手活动的近实时图像，提供与作战环境变化保持同步的通用作战图像(COP)。在一个接口中自动化和编排来自各种传感器、收集流和开源情报(OSINT)的数据显示，可以使分析人员捕捉和监控新活动的信号和数据，并建立常规和正常的模式和基线。随着时间的推移，加强缔约方会议可以为政策制定者提供美国、友好、中立和敌对活动的整体、动态核算，并持续评估变化。

•检测异常和增量变化:随着分析师和机器团队建立对手活动的基线和预期，人工智能工具可以发现异常行为，并检测微弱但重要的信号和偏差，以标记和指导分析重点。通过将分析“绊线”集成到监控框架中，分析人员可以利用人工智能实时监控有意义的增量变化，否则在日常情报变动中就会错过这些变化，而这些变化后来可能会导致战略意外和情报失败。

外包分析和利用OSINT:人工智能工具不仅可以自动化和增强分析的处理和意义构建任务，还可以执行某些类型的分析。IC分析师可以利用这些工具以及OSINT日益增长的可用性、质量和相关性，为他们的分析生成输入和机器衍生的见解，以及转移或外包机器出色或更好地完成的分析工作。

地缘政治和战场更新:分析人员被要求制作每日“情报”产品，向政策制定者更新冲突地区的政治和军事发展，这些产品只是媒体和其他OSINT报告的摘要，因为机密收集滞后。分析师可以利用人工智能，特别是NLP，来挑选相同的数据，总结发现，并生成书面摘要，供分析师更新、微调和额外的上下文。

•稳定性和危机监测:分析人员可以利用人工智能支持的数据挖掘、情绪分析和地理定位工具来帮助监测和预测破坏性事件(从大规模抗议到大流行病爆发)，以早期预警潜在的危机和不稳定。当与数据筛选、可视化和NLP国外翻译工具相结合时，先进的OSINT功能可以为分析人员提供对全球爆发点和关键指标的快速准确的初步评估，以指导机密收集。

•政治和经济预测:在预测分析和长期地缘政治和经济预测等领域，先进的OSINT可以补充甚至取代IC的全源分析，这些领域的业绩记录参差不齐，比较优势不明确分析人员可以利用他们对对手的历史和机密知识以及机器建模和计算能力来生成复杂的场景分析，识别高影响但以前无法预见的场景和预测。

磨练分析线:当分析师建立他们的分析线，收集关键证据并形成初步判断时，他们可以利用云计算、人工智能和数据分析来改进和测试他们的分析，以对抗机器衍生的和ic范围内的见解。虽然人工智能无法复制分析师的认知、背景知识和批判性思维，但它可以通过显示相反的数据、测量历史准确性和提出替代假设来测试和加强分析师的分析。

• 扩展情报协作：云和人工智能工具可以让分析师在分析过程中从头到尾更有效地协调和协作，从共享和开发数据集和算法到共同创作产品。分析师可以重新设想从简单的产品审查到 扩展情报的协作过程，利用分布式人类专业知识和机器能力来产生洞察力。协作不仅可以扩展到整个美国 IC，还可以扩展到与外国联络伙伴的合作。

• 测试分析线：在构建评估时，分析师可以使用人工智能和高级分析来根据大数据和算法得出的结果来测试假设、假设和初步判断。确证可以加强分析线，而替代发现会促使分析师重新审视他们的证据、逻辑和结论。随着对算法的信心增强，分析师不仅可以使用机器衍生的发现来审查他们的分析，还可以利用数据中的新见解来为分析提供信息。

• 克服分析师偏见：机器知识和对过去分析线的判断、来源的准确性和相互竞争的假设可以增加分析过程的严谨性，同时帮助分析师面对偏见和集体思维。人工智能可能会发现异常的、被低估的和反补贴的报告，这些报告是相信一个小的、分隔的源基础的分析师可能已经错过或低估了。相反分析可以帮助分析师克服对既定分析线的确认和锚定偏见，并提高分析师信心水平的透明度。

启用分析学科和任务：人工智能和高级分析可以直接应用并集成到核心分析学科和任务中。这些技术可以为反恐 (CT)、军事和政治分析以及科学、技术和信息战分析的重要性迅速上升的长期贸易技术提供信息和加强。

目标定位和网络分析：人工智能、数据分析和情报融合工具可以实现针对目标作战的高级网络分析，以及对反恐和其他作战情报至关重要的“大海捞针”分析的异常检测。ML 和图形分析可以增强任何以网络为中心的分析任务，例如打击武器采购和扩散、非法贩运、逃避制裁和跨国犯罪。

• 军事分析：人工智能和多情报融合和可视化工具可以让军事分析人员建立外国军队的动态战斗序列和近乎实时的战斗跟踪，增强对对手战略能力和当前行动的洞察力，包括秘密行动人工智能和云可以为更先进、更逼真的战争推演和模拟提供支持。深度学习和 NLP 可以整合关于对手决策变量的各种数据集——从地理空间和后勤数据到政治情报和军事条令——并整合到决策模型和行动方案中。高级模拟和建模可以增强未来情景的战争游戏，但也可以增强未来的军事演习。- 对对手近期行为和行动方案的日常评估。

• 政治和领导力分析：机器学习、图形分析和数据可视化工具可以帮助政治分析师构建和理解影响力网络、“内部圈子”和外国政府领导人的决策过程。情绪分析的进步可以让分析师更好地预测政治趋势和影响外国决策的影响者，而个人属性建模可以帮助预测领导人对各种美国政策的潜在反应。

• 科技分析：正如分析师长期以来分析外国武器系统和国防工业一样，在可预见的未来，了解国外科技创新和融入军事和情报任务将成为 IC 分析和政策客户的首要任务。随着 IC 分析师对 AI 和其他新兴技术的应用越来越了解和熟练，他们的专业知识可以对对手的 S&T 计划、意图、能力和威胁进行更深入的洞察和分析。技术素养对于评估外国网络、虚假信息和影响活动以及下一代技术（如生物技术和量子计算）的影响至关重要。

完整原文及机器翻译已上传知识星球

长按识别下面的二维码可加入星球


里面已有6000多篇资料可供下载

越早加入越便宜

续费五折优惠