美国的人工智能情报系统，已经走到这一步
0分享至手机：13363832368固话：010-88430281微信：lhcq6666邮箱：lhcqzk@126.com点击进入，招募ing......编译：谭惠文、林启明2021年8月26日，美国兰德公司发布研究报告《评估人工智能系统在情报分析中的效用》（EvaluatingtheEffectivenessofArtificialIntelligenceSystemsinIntelligenceAnalysis）。报告介绍了人工智能系统在情报分析方面的作用，划分出该系统的四个功能类型，并强调AI技术在情报分析中的效用不仅取决于技术系统本身，更取决于系统的使用方式。因此，情报分析师在其中的作用非常重要。此外，还介绍了评估AI系统性能的几个指标，最后为该系统的进一步研发与应用提出建议。随着新技术的迅速发展普及以及信息社会带来的数据过剩，美国军方和情报界都非常关注如何将人工智能（AI）系统应用于情报分析，该系统的开发和部署也正在计划与筹备中。然而，在国家安全背景下，在情报分析中部署AI系统首先需要确认系统本身的能力，才能更有效地为情报与决策提供服务。报告主要内容一览1.人工智能情报系统的四个主要系统类型：自动分析、收集支持、评估支持和信息优先化；2.从用户使用与系统本身两个方面对“信息优先化系统”进行性能评估，认为：该系统功效不仅取决于系统本身的性能，还取决于系统的使用方式；3.为人工智能情报系统的设计、使用与发展提出意见和建议。内容主要编译自外文网站相关资料仅供学习参考，欢迎交流指正！文章观点不代表本机构立场1、情报周期情报周期指的是情报分析的环节与过程，每个情报分析环节都对应着相应的AI系统的性能，不同分析层次的情报任务所适用的AI系统也有所不同。本研究发现，传统的情报周期理论与人工智能参与的情报分析实践之间存在着不可避免的鸿沟。然而机遇与挑战并存，可以通过系统地分析情报分析师使用人工智能操作的具体过程，找到二者的融合点，进而改进情报分析模型，不断提升人工智能系统在情报分析中的效用。经Johnston改编的Treverton的“真实情报周期”示意2、AI系统分类人工智能情报系统的四个功能类别研究以情报周期作为AI情报分析系统的基本模型，并将AI情报分析系统的功能分为四类：自动分析、收集支持、评估支持和信息优先化（如下图所示）。在此基础上，研究定性分析了在该系统每一种功能类别所对应的子系统在运行中的影响因素。人工智能情报分析系统功能类别与情报周期的关系2.1自动分析系统自动分析（AutomatedAnalysis）系统指的是可在无人监督的情况下自动转换或丰富数据的工具，如：可转录、翻译和总结信号情报（SIGINT）的工具。通俗地说，任何可以对情报数据做出结论的系统都可以归到这一类别。这类系统的关键特征是，可以根据具体需求、以特定的方式将数据进行重组并以新的形式展示数据，而不是简单将全部情报数据进行罗列。2.2收集支持系统收集支持（CollectionSupport）功能为：可在已有可用信息基础上，优化指导未来情报收集的功能。该功能对应的系统如：利用信号情报发现或跟踪目标的系统。这类系统对摄像机的指向、情报、监视和侦察机的飞行位置，或哪条新线索被转发给相关人员的问题都有影响。2.3评估支持系统评估支持（EvaluationSupport）系统主要对应情报周期中的“评估”步骤，用于监控情报处理过程、评估情报产品的质量、判断情报产品是否符合该情报分析的优先事项。例如：根据国家情报优先框架（NIPF）对报告进行分类，并跟踪其中的优先事项。2.4信息优先化系统信息优先化（InformationPrioritization）系统旨在获取可用信息和分析师偏好，并将二者有效关联，从而提升情报分析师的工作效率。例如：将情报分析师的历史搜索或分析重点进行评级，为所有情报源进行标记，并推送适合该分析师情报。3、性能评估以信息优先化系统为例3.1从用户角度评估评估人工智能情报系统的性能，需要首先从用户、情报分析师的角度出发，有以下两个评估要点：一是，该系统是否存在浪费时间的现象，即占用了分析师的时间，却没有提供应有的情报分析效果。二是，该系统是否存在“错过有用信息”的现象，即没有收集到分析师需要的报告，导致情报产品出现缺失。这种现象相比前者更难量化。为此，本研究提出了一个定量模型，将信息优先化系统的性能与其影响联系起来，通过使用系统所投入的资源和错过检测所导致的风险来衡量系统性能。然而在实际工作中，情报的“有用性”并非是一个绝对的二元变量，而是反映一种程度或者表现为呈趋势分布。就是说，两份情报报告可能都有用，只是其中一份非常重要，另一份只是提供信息。这一特点，也为性能评估带来了更大的难度。3.2从系统性能角度评估人工智能情报系统的性能本身直接决定了用户的时间回报，即可以定量评估：分析师面对的情报数量增加两倍的时候，有效情报信息是只增加一倍，还是可以增加三倍。4、结论与建议4.1结论①人工智能情报系统评价标准若与实际优先级不匹配，会直接影响该系统的性能及其优化。因此，应在系统构建之前确定好评价指标。②系统的有效性及其衡量标准，不仅取决于系统本身的属性，还取决于如何使用系统。因此，决策者要考虑的一个关键问题是，在用于建立人工智能情报系统的资源外，用于情报分析任务的资源到底有多少。4.2建议①选择恰当的评价指标。这需要详细了解人工智能情报系统的使用方式，并选择能够反映这种使用成功的指标。②定期进行评估与调整。由于人工智能情报系统的分析环境即使在部署后还会继续变化与发展，因此系统评估必须作为定期维护的一部分继续进行。③发展并使用特定的专业术语。人工智能情报系统设计师拥有一套完善的衡量该系统性能的指标，将这些指标传播普及将有助于专家在设计新系统或维护现有系统的过程中的相互交流。④继续深入研究评估人工智能情报系统有效性的方法。学术plus授权转载回复关键字，获取相关主题精选文章热点专题：军民融合|一带一路|电磁武器|网络战|台海局势|朝鲜半岛|南海问题|中美关系大政方针：十三五|两会|国家战略|经济|军事|科技|科研|教育|产业|政策|创新驱动|信息化建设|中国制造|政策法规|产业快讯军民融合：民参军|协调创新|成果转化|军工混改|重大项目|国防工业|第三方评估前沿技术：人工智能|颠覆性技术|无人系统|机器人|虚拟现实|脑机接口|可穿戴设备|3D/4D打印|生物科技|精准医疗|智能制造|云计算|大数据|物联网|5G通讯|区块链|量子通信|量子计算|超级计算机|新材料|新能源|太赫兹|航天|卫星|北斗|航空发动机|高性能芯片|半导体元器件|科技前沿应用|创新科技装备发展：航空母舰|潜航器|水面舰艇|无人机|新型轰炸机|先进雷达|新型导弹|新型坦克|反导|高超声速武器|武装直升机|装备强军动态：军队改革|军事战略|人才培养安全纵横：综合安全|经济安全|军事安全|科技安全|信息安全|太空安全|发展安全|网络安全其他：未来战争|大国博弈|贸易战|国际新秩序|习近平|马化腾|马斯克|DARPA|兰德研究报告|潘建伟|梅宏|吴曼青|李德毅|施一公|金一南|顾建一|卢秉恒|邬江兴|王凤岭|邬贺铨|沈昌祥|名家言论|国防建设|外军动态其他主题文章陆续整理中，敬请期待······特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端2023 ，携手走向智能情报新阶段
威胁情报在国内已经发展了几个年头，但在明眼人看来，和国际的差距却越来越大。从市场空间看，国内情报市场在全球市场的占比，远小于NGFW、IDPS、EPP等产品；从使用场景看，国内最成熟的还是威胁检测，而从欧美看，报警分级、威胁狩猎、事件响应、安全预警、投资策略，情报已经在更广阔的空间内发挥越来越大的价值。作为国内威胁情报中的一份子，期望能和同行、同事携手，推动国内市场进入一个新阶段：智能情报。
为了便于区分，把情报利用能力分解成3个阶段：信誉情报、富化情报、智能情报。如果考虑到关基防护、APT对抗需要的弹性防御能力构建，对应到情报方向还需要提供本地化的情报分析和生产能力（情报基础设施），这就是另一个更大的话题了。
当前国内的情报应用，基本上停留在信誉情报、富化情报的阶段。跨越到智能情报阶段，就需要解决三个关键难点：
场景化的情报生产运营在通常批量化情报生产过程中，情报运营偏重的是现象，而非本质，这样对使用情报分析研判实际风险是不够的。譬如仅从一个传感器收到报警数据，了解某个IP发出的Web攻击相关Payload，但不清楚对方的实际意图：资产测绘、恶意扫描、良性扫描、蠕虫感染、定向攻击等等，这种情况下即使有上下文信息，也无法推断企业面临的真实风险，并针对必要的事件做出响应。因此情报需要的不仅是上下文，而且应该是及时、清晰、可指导行动的上下文，以便在应对安全挑战时做出快速、明智的决策并采取有效的行动。
场景化分析知识模型当前安全运营的痛点之一是普遍缺失具备分析和响应专业知识的安全专家，大多数情况下，即使提供了分析决策所需要的信息和知识，往往也难以保障在实际运营中解决问题。因此需要考虑针对不同的场景，不但提供相应的情报内容，还能提供分析的知识模型。如何把分析专家、响应专家脑中的知识分解成不同场景的分析模型，固化到标准产品中，是国内安全企业真正追赶国际水平最大的挑战。
自动化分析具备了不同场景化分析需要的多维度的情报信息，以及对应的分析知识模型，剩下的就是通过什么样的产品形式，使其可以集成到实际的安全运营过程中。无论是云端SaaS服务，或者本地化平台功能，都需要提供一定形式的高速、自动化分析能力，以应对每日的海量报警日志数据，这步的关键是能力和既有安全产品间的协同联动，让人和机器更好地合作，以提升整体效率。
智能情报，将是情报在国内市场提供更大价值的里程碑。通过前期的预研和客户验证，我们越发清楚地认识到：只有智能情报，才能让检测更及时、响应更高效、决策更智慧。
年终之际，透露当前团队做的一部分工作内容。我们还在不断前行，相信前路有更多发现、更多惊喜，这探索的旅程也许是人生中最难忘的经历，不懈的努力就是照亮前路的那束光。
人工智能产业链技术与产业情报（第6期）
近日，复旦大学计算机学院研发了新闻推荐生态系统演化模拟平台SimuLine。SimuLine基于预训练语言模型和逆倾向得分从真实数据中构建了一个反映人类行为的潜在空间，然后通过基于代理模型的仿真模拟出新闻推荐生态系统的演化动态。SimuLine支持在单服务器（256G内存，消费级显卡）上对10000+名读者和1000+名创作者进行100+轮次的创作-推荐-交互模拟，同时提供包括定量指标、可视化和文本解释在内的综合分析框架。广泛的仿真实验表明SimuLine在理解社区演化过程、测试推荐算法等方面具有巨大潜力。
产业动向
6.AIGC领域最大收购：Databricks13亿美元买下MosaicML
6月27日，美国大数据巨头Databricks宣布已签署最终协议，将以13亿美元的价格，收购位于旧金山的人工智能初创公司MosaicML。该收购之后，MosaicML将成为DatabricksLakehouse平台的一部分，MosaicML的整个团队和技术都将纳入Databricks旗下，为企业提供统一的平台来管理数据资产，并且能够使用自己的专有数据来构建、拥有和保护自己的生成式AI模型。
Databricks公司成立于2013年，总部位于美国旧金山，由美国伯克利大学AMP实验室成员联合创立，专注于大数据和AI人工智能，致力于提供基于Spark的云服务及开放统一的数据平台。MosaicML是一家非常年轻的生成式AI公司，2021年成立于旧金山，目前只公开披露过一轮融资。
7.海信发布“数字智能体”引领智慧城市发展
6月25日，2023全球人工智能产品应用博览会在苏州开幕，海信网络科技公司现场展示并发布了“数字智能体”。数字智能体为下一代智慧城市技术架构，是以云为基础，以AI为核心，构建立体感知、全域协同、精确决策和持续进化的一体化智能系统。在应急处置领域，城市智能体可根据事态快速提供处置方案、智能数据研判模拟预测事态发展，处置方案建议生成时间由20分钟缩短到5分钟，模拟预测事态发展时间由30分钟缩短到3分钟。
8.长虹发布全球首款多模态交互电视
9.商汤科技发布元萝卜AI下棋机器人围棋版
6月14日，商汤科技宣布推出“元萝卜SenseRobot”AI下棋机器人围棋版。该产品融合了商汤领先的AI和机械臂技术，可在真实棋盘上实现围棋练习和对弈，内置大量专业的AI习题，还拥有丰富的人机对弈及线上人人对弈功能。
10.AMD发布新款AI芯片—GPUMI300X
6月13日，超威半导体（AMD）推出了一款AI芯片GPUMI300X，该芯片专为大型语言模型和其他尖端AI模型设计，拥有192GB的HBM3内存、5.2TB/秒的带宽和896GB/s的InfinityFabric带宽，晶体管数量达到1530亿个。该芯片可以加快ChatGPT和其他聊天机器人使用的生成式人工智能的处理速度，单个MI300X可以运行一个参数多达800亿的模型。目前AI模型常用的英伟达H100仅有800亿个晶体管，支持120GB内存。
11.ChatGPT正式进入车载系统：梅奔车辆将测试AI语音助手
6月16日，梅赛德斯-奔驰和微软共同宣布，两家公司正在合作扩大人工智能的使用，计划将AI技术整合到车辆的语音控制系统中。梅奔表示，这项合作将通过微软的AzureOpenAI服务为车主带来聊天机器人ChatGPT的体验。车载ChatGPT能支持更动态的对话，不仅可以理解车主的语音命令，还可以进行交互式对话，对话范围可以涵盖地点信息、菜谱、甚至是一些更加复杂的问题，进而让驾驶员的眼睛更专注于路况。返回搜狐，查看更多