人工智能和機器學(xué)習(xí)將有助于提高未來情報分析人員的工作效率，增加獲得和保持競爭優(yōu)勢或時間優(yōu)勢的機會。數(shù)字化轉(zhuǎn)型、多域數(shù)據(jù)集成和算法戰(zhàn)將是情報集團(tuán)保持長期競爭優(yōu)勢的核心。

2017年7月，參謀長聯(lián)席會議主席發(fā)布了聯(lián)合出版物JP1《美國武裝部隊條令》的修訂版，將“信息”作為新的第7項聯(lián)合職能。這一變化預(yù)示著聯(lián)合部隊計劃和實施跨地區(qū)、多域和多職能行動的方式將發(fā)生重大變化。同樣地，這為重新思考“聯(lián)合軍種”在21世紀(jì)戰(zhàn)爭中的內(nèi)涵提供了機會。

在可預(yù)見的將來，戰(zhàn)爭極有可能以前所未有的形式展開，武器和戰(zhàn)術(shù)都讓美國措手不及。今天的彈道導(dǎo)彈飛越海洋需要幾十分鐘，但未來的高超音速武器可能只需要幾分鐘。城市戰(zhàn)爭可能在超連接的城市中爆發(fā)，天上的傳感器也許只能提供有限的信息，而無處不在的地面?zhèn)鞲衅鲃t可以為分析人員提供海量的數(shù)據(jù)供其挖掘。在網(wǎng)絡(luò)領(lǐng)域，當(dāng)操作員檢測到一次“發(fā)射”時，那枚武器可能已經(jīng)抵達(dá)了目的地，并收獲了預(yù)期的效果。對衛(wèi)星的攻擊、經(jīng)濟(jì)攻擊以及隱蔽的影響活動，都會在暗中進(jìn)行，人們發(fā)現(xiàn)時已為時過晚。

數(shù)據(jù)的向量、體積、速度、多樣性和普遍性正在改變國家安全政策、軍事行動和情報活動的傳統(tǒng)工具和方法。影響范圍只會越來越大并且變化速度也只會越來越快。在“信息就是力量”這一格言的指導(dǎo)下，社會創(chuàng)造的技術(shù)能夠產(chǎn)生海量的結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，其規(guī)模之大足以顛覆以往所有的諜報分析技術(shù)和模式識別。2017年1月，美國國防創(chuàng)新委員會表示，不管是誰，只要收集并組織了最多有關(guān)美國及美國對手的數(shù)據(jù)，都將保持技術(shù)優(yōu)勢。如果我們不能將數(shù)據(jù)作為戰(zhàn)略資產(chǎn)，就會把寶貴的時間和空間拱手讓給競爭對手。

美國情報界（IC），包括國防情報事業(yè)，都不光面臨著純粹規(guī)模上（數(shù)量和速度）上的挑戰(zhàn)，還面臨數(shù)據(jù)越來越復(fù)雜（多樣性和準(zhǔn)確性）的嚴(yán)峻挑戰(zhàn)。情報界面臨的挑戰(zhàn)是獲取、管理、關(guān)聯(lián)、融合和分析各機構(gòu)之間以及與盟國和伙伴之間不斷增長的數(shù)據(jù)。在我們的經(jīng)驗中，情報界中的數(shù)據(jù)以太多不同的格式生成，在太多的不連接或不可訪問的系統(tǒng)中生成，沒有標(biāo)準(zhǔn)化的結(jié)構(gòu)，也沒有統(tǒng)一的本體。這種情況有可能導(dǎo)致收集浪費、缺乏及時性、指示和警告漏報以及缺乏決策相關(guān)性等風(fēng)險。其結(jié)果是，無法在情報周期早期融合數(shù)據(jù)構(gòu)建多源情報，并盡可能接近收集點。分析師的任務(wù)太艱巨、太繁瑣，而且還需要清除太多障礙，以向決策者和作戰(zhàn)人員提供及時和相關(guān)的分析判斷或可操作的情報。

這些挑戰(zhàn)可以用下列方法應(yīng)對：

使用能夠解析數(shù)據(jù)、從數(shù)據(jù)中學(xué)習(xí)，然后做出響應(yīng)的機器學(xué)習(xí)算法；

鼓勵情報專家的創(chuàng)造力和深度思考；

設(shè)計策略、信息技術(shù)（IT）、敏捷獲取和安全環(huán)境，使人機交互能夠蓬勃發(fā)展。

這些問題不可能只在任何一個機構(gòu)、一個項目或情報部門內(nèi)得到解決。我們認(rèn)為，迫切需要以創(chuàng)造性的方式來適應(yīng)這種新環(huán)境，其中必須包括利用能夠操縱和理解大數(shù)據(jù)的系統(tǒng)和機器來提高情報界的技術(shù)和操作優(yōu)勢，并推進(jìn)人機和機器協(xié)作，這樣情報分析人員就能夠最好地利用他們的時間來處理最困難的問題。

同時，機器學(xué)習(xí)“黑匣子”的不可預(yù)見性仍然存在嚴(yán)重問題，這種“黑匣子”能人類操作員無法解釋的方式產(chǎn)生解決方案。人工智能（AI）系統(tǒng)創(chuàng)造它們自己的語言，并教會了自己如何使用人類沒有教授也無法理解的策略來玩游戲。這些影響在國家安全系統(tǒng)中仍是未知且未經(jīng)過檢驗的，而且其中大部分仍未得到研究。

未來的戰(zhàn)場

未來的戰(zhàn)斗空間不只由船只、坦克、導(dǎo)彈和衛(wèi)星組成，還包括算法、網(wǎng)絡(luò)和傳感器。同歷史上任何時期一樣，未來的戰(zhàn)爭將在衛(wèi)星系統(tǒng)、電網(wǎng)、通信網(wǎng)絡(luò)和運輸系統(tǒng)的民用和軍事基礎(chǔ)設(shè)施以及人的網(wǎng)絡(luò)內(nèi)進(jìn)行。這兩個戰(zhàn)場——電子戰(zhàn)場和人類戰(zhàn)場——都容易受到敵手算法的操縱。

在電子環(huán)境中，算法已經(jīng)被用于監(jiān)測和控制大多數(shù)關(guān)鍵基礎(chǔ)設(shè)施領(lǐng)域（電力、水、糧食、金融、通信等）。俄羅斯和中國已表示有興趣測試美國這些系統(tǒng)的能力和弱點，情報機構(gòu)需要能夠融合多源數(shù)據(jù)，以了解對手活動和預(yù)期結(jié)果。

為了破壞人際網(wǎng)絡(luò)，人事管理辦公室違規(guī)的政府工作人員會竊取個人數(shù)據(jù)，為對手提供了豐富的數(shù)據(jù)集，使其能夠針對每一位軍事領(lǐng)導(dǎo)人或決策者量身定制隱秘的影響活動。如果將這些數(shù)據(jù)與Equifax公司被盜的財務(wù)記錄、雅虎的電子郵件記錄、Anthem health保險公司的醫(yī)療信息以及其他來源的數(shù)據(jù)結(jié)合起來，算法可能會生成針對美國的高度復(fù)雜、個性化且隱秘的影響活動。北大西洋公約組織軍事部隊最近報告說，在一個不那么復(fù)雜的戰(zhàn)役中，俄羅斯在軍事訓(xùn)練演習(xí)期間竊聽了美國士兵的電話，以“獲取作戰(zhàn)信息、衡量部隊兵力和恐嚇士兵”。

融合來自不同數(shù)據(jù)集的大量數(shù)據(jù)并提供有意義的答案正是人工智能和機器學(xué)習(xí)的用途所在。只要商業(yè)部門能夠找到使用數(shù)據(jù)預(yù)測消費者可能購買的汽車或牙刷品牌的方法，供應(yīng)商就會出售識別用戶偏好和弱點的功能，情報人員可以在心理層面發(fā)現(xiàn)用戶的精確偏好和弱點。

美國面臨著讓對手加速并竊取競爭優(yōu)勢的風(fēng)險。中國為人工智能制定了一項國家戰(zhàn)略，承諾今后5年在人工智能技術(shù)上投資數(shù)十億美元。中國研究人員發(fā)表的關(guān)于人工智能的期刊文章也比美國同行更多。中國人民解放軍的戰(zhàn)略家正在為一個人類無法跟上戰(zhàn)場決策腳步的世界做準(zhǔn)備。

在美國，最近公布的《國家安全戰(zhàn)略》和《國防戰(zhàn)略》都提到了人工智能和自主系統(tǒng)對國家安全和戰(zhàn)爭的重要性。然而，除了2016年《國家人工智能研究和發(fā)展戰(zhàn)略計劃》（主要側(cè)重于研究和開發(fā)），美國目前還沒有一個全面的人工智能國家戰(zhàn)略。

前Alphabet(谷歌母公司)CEO兼國防創(chuàng)新咨詢委員會主席埃里克·施密特描述了中國與美國相比在人工智能方面取得的進(jìn)展：“到2020年，中國將趕上美國。到2025年，中國將比美國做得更好。到2030年，中國將主導(dǎo)這個行業(yè)?！?/p>

面臨失敗風(fēng)險的情報工作

未來的情報技術(shù)將取決于數(shù)據(jù)訪問、圍繞數(shù)據(jù)塑造正確的企業(yè)架構(gòu)、開發(fā)基于人工智能的能力，通過人機協(xié)同工作極大加快對數(shù)據(jù)的語境理解，以及不斷增長的能夠在海量數(shù)據(jù)中操作和定位的分析技能。情報界需要開發(fā)用于訪問、安排和分析數(shù)據(jù)的諜報技術(shù)和方法，包括結(jié)構(gòu)化分析技術(shù)和用于機器智能的分析諜報技術(shù)標(biāo)準(zhǔn)。新技術(shù)的發(fā)展速度超過了國防部和情報界實施、培訓(xùn)和有效利用這些技術(shù)的能力。

在國防情報事業(yè)中，對收集器和傳感器的投資正在大幅提升傳感器收集數(shù)據(jù)的能力。美國國防部為無人系統(tǒng)描述了一個藍(lán)圖，為數(shù)以千計的無人空中、海上和地面系統(tǒng)制定了一個計劃，但還沒有明確的路徑來確定如何分析這些系統(tǒng)中的所有數(shù)據(jù)，從而創(chuàng)造出價值。這是對空間系統(tǒng)和公開可用的非機密系統(tǒng)的補充。收集能力的提升，包括高度機密的精密傳感器的應(yīng)用，不一定等同于更多或更好的情報和方向，尤其是在面對那些可能同樣善于適應(yīng)信息環(huán)境的競爭者時。

由香農(nóng)（Shanahan）中將領(lǐng)導(dǎo)的國防部項目Maven的目標(biāo)是，克服人類情報分析員無法有效地處理各個領(lǐng)域的大量收集活動的有限性，這一困境被稱為“成功的災(zāi)難”。作為一個起點和探索性項目，前國防部副部長羅伯特·沃克委托Maven團(tuán)隊尋找人工智能和計算機視覺的解決方案，以增強、放大和自動利用無人飛行系統(tǒng)的全動態(tài)視頻。

目前的情報工作涉及從大量的跨學(xué)科（跨情報）信息集中提取有價值的信息——就像找一根藏在草堆里的針。在收集和儲存的大量干草里，希望最終能找到所有藏在里面的針。在一個更加以數(shù)據(jù)為導(dǎo)向的時代，越來越有可能從總體數(shù)據(jù)（例如時間和地理空間行為模式）中提取價值情報。這可能導(dǎo)致一個具有諷刺意味的兩難局面，即人類有太多的數(shù)據(jù)而無法有效地搜索那一根“針”，同時又沒有足夠的可獲取的數(shù)據(jù)來獲取和驗證有用的情報。

下一個問題是，一旦獲得情報，該如何處理它。軍事部門正在開發(fā)和采購對數(shù)據(jù)和情報的渴求比以往更加強烈的作戰(zhàn)系統(tǒng)，并且情報任務(wù)數(shù)據(jù)必須在采購周期中以可攝取的數(shù)據(jù)結(jié)構(gòu)和作戰(zhàn)系統(tǒng)能夠處理的分類層次盡早被轉(zhuǎn)移到這些系統(tǒng)中，然后要頻繁更新并盡快用于作戰(zhàn)。同時，在政策界，當(dāng)機密情報來得太慢或過于機密而沒有用處時，決策者會越來越多地依賴非機密的開源信息。

美國空軍上校約翰·博伊德在關(guān)于觀察、調(diào)整、決策和行動（OODA循環(huán)）的開創(chuàng)性研究中，強調(diào)了以一種對手無法理解或跟得上的節(jié)奏作戰(zhàn)的重要性。在對手的OODA循環(huán)內(nèi)進(jìn)行操作，可以通過擾亂或扭曲對手的心理圖像來幫助實現(xiàn)這些目標(biāo)，這樣他就不能評估或應(yīng)對周圍發(fā)生的一切。在當(dāng)今快節(jié)奏和不斷變化的數(shù)據(jù)驅(qū)動時代，“信息領(lǐng)先”或“信息優(yōu)勢”這兩個術(shù)語是不現(xiàn)實的；相反，“時間優(yōu)勢”可能產(chǎn)生最好的結(jié)果。然而，即使這樣，如果美國作戰(zhàn)人員可以留在對手的OODA循環(huán)中，同時以富有想象力的方式使用數(shù)據(jù)來扭曲對手的方向的話，這也足以占上風(fēng)。

人工智能和機器學(xué)習(xí)通過在數(shù)據(jù)到達(dá)時實時地了解數(shù)據(jù)，以毫秒為單位評估選項并啟動一個動作，從而為加速OODA循環(huán)的每個步驟提供了機會。此類決定可包括在操作人員有時間閱讀警報或在預(yù)先確定的一組經(jīng)批準(zhǔn)的參數(shù)內(nèi)啟動響應(yīng)之前對指示和警告作出響應(yīng)。機器學(xué)習(xí)為縮小OODA循環(huán)的前兩個階段提供了機會，極大地增加了人類加速決策和采取行動的潛力。

我們很可能會面臨一個算法與算法進(jìn)行對決未來，這讓我們質(zhì)疑21世紀(jì)的作戰(zhàn)人員是否會把幾分鐘的決策時間看作是過去的奢侈遺物。

可及范圍內(nèi)的解決方案

情報機構(gòu)能夠而且應(yīng)該投資于跨領(lǐng)域、跨項目和跨學(xué)科的機器學(xué)習(xí)能力，并要求情報人員最大限度地利用這些能力。在隔離區(qū)、專有數(shù)據(jù)庫和算法無法到達(dá)的機密領(lǐng)域中，保留的任何數(shù)據(jù)都需要情報人員進(jìn)行人工整合、延遲情報評估、并創(chuàng)建受保護(hù)的數(shù)據(jù)氣泡，以防情報分析人員無法看到內(nèi)部全貌，導(dǎo)致在情報分析時無法考慮所有情報來源。這一情景威脅到“按需知密”（need to know）的原則，并將迫使收集和分析部門，包括反間諜和安全辦公室，將來自外部的威脅和來自內(nèi)部的威脅調(diào)和起來。數(shù)據(jù)保護(hù)策略可以讓算法訪問人類分析人員無法查看的數(shù)據(jù)字段，不過這也取決于人類對機器的信任程度以及如何對機器工作的漏洞（包括自然發(fā)生的和敵人制造的）進(jìn)行審計。

要達(dá)到這種終結(jié)狀態(tài)，應(yīng)該考慮幾件事情。

首先，要找到任何情報問題的答案，必須先提出這樣的主張：每個分析員都需要來自各種可能來源的所有潛在相關(guān)數(shù)據(jù)。這意味著要在經(jīng)典演繹法（尋找已知的未知數(shù)）和歸納（綜合發(fā)現(xiàn)未知數(shù)）分析方法之間找到一個不同的平衡點。它還要求采取不同的收集方法，因為所有數(shù)據(jù)在收集之后的很長時間內(nèi)都可能是相關(guān)的，并且應(yīng)能夠在可發(fā)現(xiàn)的檔案中被查閱；這樣做的過程在很大程度上取決于數(shù)據(jù)集是否包括有關(guān)美國人和其他受保護(hù)實體的信息，同時數(shù)據(jù)控制和數(shù)據(jù)質(zhì)量保證也是必不可少的功能。

機器學(xué)習(xí)和人工智能的廣泛融合將為欺騙行為提供新的機會，而欺騙行為則來自于被改變或操縱的數(shù)據(jù)。反人工智能的言論將甚囂塵上，而影響行動將在新的尚未被理解的層面進(jìn)行，這都需要重新強調(diào)以進(jìn)攻和防御認(rèn)知為中心的行動。情報分析人員需要被培訓(xùn)，以了解如何識別對手篡改或操縱數(shù)據(jù)的企圖，其中還包括了解如何最大限度地利用人工智能，以防止甚至更為復(fù)雜的影響行動達(dá)到其預(yù)期的行動結(jié)果。

第二，數(shù)據(jù)不會被視為IT問題；相反，IT系統(tǒng)應(yīng)該由它們所解決的操作問題組成。這就需要從封閉的專有架構(gòu)和不可持續(xù)的數(shù)據(jù)標(biāo)準(zhǔn)的缺乏，轉(zhuǎn)向開放架構(gòu)和敏捷方法（開放的架構(gòu)和新技術(shù)和應(yīng)用程序的快速瞬時采用），任何分析師都可以隨時查找和獲取任何來源的任何數(shù)據(jù)。更常見的情況是，算法被移動到數(shù)據(jù)中，而不是試圖將數(shù)據(jù)移動到算法中。全局云解決方案對于集成、針對人工智能的所有方面進(jìn)行優(yōu)化都必不可少的，而不再是僅僅用于數(shù)據(jù)存儲或搜索。我們必須掌握數(shù)據(jù)訪問，以便為機器學(xué)習(xí)和人機合作提供動力。反過來，快速的數(shù)據(jù)訪問需要有效的數(shù)據(jù)管理，這就需要新的技能和專門知識，例如數(shù)據(jù)架構(gòu)師和數(shù)據(jù)科學(xué)家?？缢邪踩虻木W(wǎng)絡(luò)訪問、對所有相關(guān)數(shù)據(jù)類型的訪問以及對顛覆性技術(shù)的敏捷集成是實現(xiàn)和保持決策優(yōu)勢的關(guān)鍵。

第三，公開可用的信息和開源信息將為我們的情報知識提供第一層基礎(chǔ)。這就需要從“認(rèn)為最高機密情報是最可靠的”到“接受和整合非傳統(tǒng)和非機密來源”的重大轉(zhuǎn)變。從所有其他情報學(xué)科中收集的精準(zhǔn)資料將增強基礎(chǔ)情報，并填補現(xiàn)有知識空白。當(dāng)機密性不再是信息具有情報價值的必要條件，這就顛覆了60年的范式并對“情報”概念提出了挑戰(zhàn)。

第四，將聯(lián)合和組合的分析人員隊伍從工業(yè)時代生產(chǎn)線處理和利用單一的數(shù)據(jù)收集流程，轉(zhuǎn)變?yōu)橐粋€信息時代的企業(yè)模式，在這種模式下，一些分析人員與聯(lián)盟、國家和國際伙伴充分結(jié)合，進(jìn)行多源和全源的關(guān)聯(lián)和融合。將情報數(shù)據(jù)分層是一個不錯的開始，但這還不夠。更要為決策提供時間和空間，這既需要人的決策，也需要人工智能系統(tǒng)的決策。這樣還引入了更廣泛的問題，即分析工作隊伍未來的廣度和深度的平衡。培訓(xùn)需要更加注重分析中的綜合與創(chuàng)新能力。

最后，上述解決辦法將需要對人力資本、預(yù)算編制、收購以及研、發(fā)的情報界生命周期進(jìn)行一次革命。持續(xù)2年甚至更長時間的雇用和安全審批流程將導(dǎo)致2年前（在一個數(shù)據(jù)驅(qū)動的世界中，這就意味著一個時代）處于行業(yè)領(lǐng)先地位的雇員入職，而對于事業(yè)中期雇員的招聘，職位要求具有政府的價值經(jīng)驗，而不是商業(yè)和學(xué)術(shù)部門的科學(xué)、技術(shù)和分析經(jīng)驗。在最好的情況下，國防部和情報界面臨著在4年規(guī)劃、方案擬訂、預(yù)算編制和執(zhí)行過程中制定多年預(yù)算戰(zhàn)略的挑戰(zhàn)，而在今天這個長期持續(xù)決議的環(huán)境中，制定預(yù)算戰(zhàn)略只是一種美好的愿望，并不會經(jīng)常發(fā)生。情報機構(gòu)一再嘗試使用一小部分預(yù)算和“創(chuàng)新辦公室”來創(chuàng)建創(chuàng)新的收購改革，但當(dāng)這些解決方案在跨國家或軍事情報項目中會停滯不前。

改變情報界傳統(tǒng)的采購程序，需要一代訂約官員，他們擁有培訓(xùn)經(jīng)驗和資源來管理對合同程序的全面改革，他們要將重點放在質(zhì)量、結(jié)果和相關(guān)性的速度上，而不是被技術(shù)上可接受的最低價格所桎梏。采用敏捷方法將有助于加快技術(shù)開發(fā)、實施和改進(jìn)的步伐。最后，每項改革都將創(chuàng)造一個環(huán)境，讓研發(fā)（R&D）辦公室（在情報界機構(gòu)和軍事服務(wù)部門）能夠蓬勃發(fā)展。研發(fā)機構(gòu)需要最優(yōu)秀的技術(shù)專家在收集者、分析者和行業(yè)供應(yīng)商之間建立伙伴關(guān)系，他們需要來自訂約官員的積極主動的支持和有效的預(yù)算環(huán)境，以取得成功，最終助力于形成一種可用于人工智能的原型戰(zhàn)爭文化。

結(jié)語

我們的提議至少有一個致命弱點，美國應(yīng)該為其做準(zhǔn)備并減輕其影響：對技術(shù)的過度依賴。即使在自主系統(tǒng)的時代，戰(zhàn)爭仍將是人類的主場。如果國家要與技術(shù)落后的敵人作斗爭，例如在阿富汗的山區(qū)或非洲的叢林，作戰(zhàn)人員和情報官員就面臨著過于依賴需要大量數(shù)據(jù)的系統(tǒng)的風(fēng)險。另一種情況是，有朝一日，美國可能會與一個發(fā)現(xiàn)并利用我們技術(shù)弱點的敵人作戰(zhàn)，他能蒙蔽我們的作戰(zhàn)人員，或以新的和有創(chuàng)意的方式使用數(shù)據(jù)來對付我們。鑒于這兩種情況，美國仍將重視在低技術(shù)測試和可靠的諜報技術(shù)和解決方案方面熟練的情報分析員和作戰(zhàn)人員的價值。

最好的情報分析來自藝術(shù)與科學(xué)的恰當(dāng)融合。今天，情報的藝術(shù)可能和2000年前一樣。然而，不同的是，有必要大大加快以數(shù)據(jù)為中心的諜報技術(shù)的發(fā)展速度。分析人員必須具備處理大量信息所需的工具，使他們能夠縮小情報差距，以數(shù)據(jù)速度取得更好的作戰(zhàn)成果。

人工智能和機器學(xué)習(xí)將有助于提高未來情報分析人員的工作效率，增加獲得和保持競爭優(yōu)勢或時間優(yōu)勢的機會。數(shù)字化轉(zhuǎn)型、多域數(shù)據(jù)集成和算法戰(zhàn)將是情報集團(tuán)保持長期競爭優(yōu)勢的核心。這既是戰(zhàn)略創(chuàng)新，也是戰(zhàn)術(shù)或分析師層面的創(chuàng)新，二者缺一不可。

情報界正在利用人工智能和機器學(xué)習(xí)進(jìn)行關(guān)鍵決策。盡管在16年間的持續(xù)反恐和反叛亂行動中存在一些固有不利因素，但國際反恐怖主義委員會建立了一支經(jīng)驗豐富、訓(xùn)練有素的分析人員隊伍，與世界上任何其他機構(gòu)都不同。情報界最大的潛在非對稱優(yōu)勢仍然是它能夠快速理解數(shù)據(jù)并保持在對手的OODA循環(huán)中。美國和它的對手會不會放慢他們機器的速度，以人類思維的速度來維持在一個OOAD循環(huán)中？或者每個國家都會盡最大可能追求人工智能，并擔(dān)心如果不這么做它的對手就會取得先機么？是時候讓情報界來決定如何回答這些問題了。