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人工智能时代情报学的危机及对策
江苏南通市质量技术和标准化中心3206021989121****0 王月莹 226001
摘要：新形势下，随着人工智能技术的不断发展，情报学也开始秉承科学发展观的主要思想，加大与人工智能的有效融合。人工智能时代下情报学的转型发展，需要结合学科的走向，保持科学的发展动力，明确情报学实务之现实意义，力图审视人工智能时代情报学的科学未来走向。在人工智能洪流中找准情报学定位，重视“人”在情报学中的价值，完成跨学科融合和应用发展。因此，本文首先提出了需要探究的主要问题，之后，分析当前存在的危机，结合现状，针对性的构建出科学的延伸路径。关键词：人工智能时代；情报学；危机 一、问题的提出 互联网+大数据背景下，工智能技术得到了快速的发展，并逐渐向着更高的层次实施发展和建设。例如：阿尔法围棋（AlphaGo）是第一个击败人类职业围棋选手人工智能机器人。以4比1的总比分挑落世界围棋冠军李世石，一跃成为了而实际顶尖的围棋高手，并且被大家亲切的称之为“大师狗”[1]。之所以大师狗可以成为冠军，主要的成因就是它具备了较高的分析能力。本身围棋就属于复杂的系统，内容形式多样，很难得到确定[2]。随着人工智能的崛起，情报学发展道路中也出现了新的危机，此时就需要总结经验，使用人工智能分析信息的优势性，进一步破解情报学的危机，为以后的发展奠定良好的基础。人工智能时代随着信息的不断迭代，科学思维方式升级，科学方法论升级，信息系统的不确定性消除。鉴于此，人工智能时代情报学的危机是哪些？主要的对策如何？就成为了当前状态下，需要探究的主要问题和内容。 二、人工智能时代情报学的危机 （一）没有统一的研究方法论 在当前的形势上看，情报学的有效建设，需要在有序的运行基础上，合理的整合基础，增加相关人员的规律能力建设，根据不一样的层次与规律，探究综合性的发展路径，加大情报信息的获取力度。关注定量的问题，在多元数据的融合下，将数据的对象和数据的规模，分析任务、时机等有机的结合起来。信息论不仅是一个通信的理论，也是科学的方法论[3]。在智能时代之前都是使用确定的方法论。情报活动的对象属于社会性的组织，具备较强的复杂性，带有不确定的属性。确定性科学研究和情报活动相互对比，计量概率不同。缺少对应的引导性，在长期的建设中，缺少对应的突破性。 （二）没有统一的情报概念 在当前的状态中，信息不等于信息，智慧也不等于智慧。在属性的角度看，知识和情报之间出现了转化，需要根据各种的情报职员，完成分析过程的建设，找到情报没活动的本质。虽然可以在多维的视角对内容部实施阐明，但是不一样的情报之间还是存在着一定的不兼容性[4]。需要在长期的演变中，分析基本的学科内核，缺少坚实的情报理论学支撑，这样就会让不一样的学科智能存在各自的发展。 （三）情报分析能力面临挑战 在当前的状态中看，情报活动主要包含了情报搜集、整理、分析、传递和用户的使用等几个重要的组成部分。在现有的情报分析技术中，存在一定的局限性。一方面是确定科学的研究方式，分析能力的短板问题。另外一方面，对于大量性或者是多维性的数据很难的实施处理。情报分析能力在实施分析的时候，部分的代替危机或者是挑战需要净化基础，探究闭合的单位状态，在不确定的研究对象中，提升优势性。 三、人工智能时代情报学的对策 （一）不确定性科学方法论指导情报学发展 从目前的形势上看，随着人工智能的不断发展，已经为各个领域注入了新鲜的“血液”。情报新旧危机的危机出现，但是，可以在人工智能的基础上实施合理化的破解。
期刊文章分类查询,尽在期刊图书馆在具体的思维上，保持行为的规范性，探究决定性的方向，并不是形成一套科学的系统体系，需要在方法论的基础上，呈现出承上启下的重要作用和价值。在正确的匹配中，需要合理的使用情报研究，形成完整的逻辑链条，一旦成立就具备了因果关系，形成完整的链条。不确定科学的方法论，如果不能形成关系，那么就会导致推导性的问题出现，需要加大优化，保持科学的发展路径。不确定的科学研究，需要和情报活动对象展现较大的复杂性，分析其中很难测量的问题，找到合适的价值性建设，消除不确定的信息，分析所在的需求量大小。不确定的研究可以对复杂系统实施整合，加大核心概率的思维方式[5]。在不确定的科学方法论中，找到情报研究的正确方式。在复杂的系统中，都是由不同的简单系统共同组建而成的，只有有效的在复杂的系统中，找到适合的科学论方式，那么才可以解决矛盾，完成确定科学方法论的升级。从另外一个视角看，不确定的科学方法可以和情报学的其他分支相互联系，并且在整合中，寻找与用户需求，找到类似的文献。例如：公安机关就可以使用情报的本质，找到犯罪案件的犯罪嫌疑人，和不确定的科学方法论保持有效的兼容性，为以后的发展奠定良好的基础。 （二）统一的情报概念推动情报学科整合 在统一的规划中，基本上不能确定情报的正确性，提高实践的范围，提高实践的深度，加大认知的程度。情报活动的对象属于复杂的系统，可以消除不确定的科学方法论，结合对象和目标，消除不确定对象的情况报告。在有机的整合中，找到客观的事实。整合规划，探究不一样的观点和内容。例如：军事机构A分支机构是L，在情报对象B的收集中，意外发现了B国的重大军事行动，此时，A就开始全力对B实施情报收集和反馈[6]。在掌握了这些信息的时候，L的情报就属于不确定的维度，需要消除目标的不确定性，加大基础建设，保持合理的整合，找到行动可能的目的，但是也不是完全的不确定，需要进行情报的验证，再一次的完成不确定消除。 （三）人工智能技术提高情报分析能力 从本质上看，情报分析中融入人工智能就可以在合理的范畴中，加大基础建设，强化新工具。提高情报人员的主动性，扩大自身的专业水准。根据不确定的研究方法论，引入智能，找到合适的方法[7]。顺应时代的发展基础，有效的将情报危机转变为机遇。在实践中，还可以使用网络的方式对情报进行收集，提升信息分析的能力，在人工智能信息收集的方式下，探究智能化的方法，找到可以解决的路径。在实践中，可以以当前的人力分析，向着人工智能的发展路径实施转变。并且在金融、情报机构、图书馆等地方都会使用此种方式，保持科学的发展路径，为以后的人工智能辅助奠定良好的基础。 总结：随着社会的进步，工智能技术逐渐的成熟，一切不确定的问题都可以在“人工智慧”的基础上，引发的观念变革。让人工智能技术更好地服务于情报用户，观察到用户的需求，提升用户的体验。在认知、情感、意志和行为等内容的基础上，合理的将情报学和其他的学科相互融合到一起，加大基础建设，满足人性的需求，在更高层面保持独立性。将不确定性科学方法融合其中，借助新工具发展，为情报学的健康延伸奠定良好的基础。参考文献：[1]王晰巍,李玥琪,刘宇桐,等.大数据及人工智能时代背景下国外图书情报专业研究生人才培养趋势研究[J].图书情报工作,2019,063(011):5-14.[2]王世伟.关于人工智能与图书馆服务重塑的五个问题——再论人工智能与图书馆的服务重塑[J].图书与情报,2019,000(001):80-90.[3]王林旭,严承希.情报学领域人工智能相关研究的文献计量分析及探析[J].图书情报知识,2020.(001):17-18.[4]王世伟.关于人工智能与图书馆服务重塑的五个问题——再论人工智能与图书馆的服务重塑[J].图书与情报,2019,000(001):80-90.[5]马晓悦,薛鹏珍.人工智能与大数据背景下再论情报学与传播学的交叉协作发展路径[J].农业图书情报,2020,032(003):P.37-43.[6]张军国,谢将剑.人工智能时代"物联网技术及应用"研究生课程教学改革[J].中国林业教育,2020,v.38(S1):52-55.[7]吕东霞.替代,融合与提升:人工智能在全民阅读推广中的三重作用[J].大学图书情报学刊,2020(2):99-102.