缐珊珊

(1.中国电科发展战略研究中心,北京 100041;2. 中国电子科学研究院， 北京 100041)

0 引 言

2021 年1月13日，美国战略与国际问题研究中心(CSIS)发布了《保持情报优势：通过创新重塑情报》的报告，报告中对人工智能(AI)做出了定义。其在国家安全领域更多的被定义为：一种能够替代人脑智慧，解决和执行任务的计算机系统，例如识别模式、从经验中学习、分析得出结论以及做出预测等。而商业部门对于其定义更常见的为：通过感知、理解、行动和学习来扩展人类能力的系统。同年8月，美国智库兰德公司发布《衡量人工智能系统在情报分析中的有效性》，报告从国家安全的角度，评估了人工智能系统在被用于识别、验证、测试和评估(VVT&E)情报时的有效性。该报告指出人工智能技术在情报领域的应用不仅仅取决于技术或系统本身，更取决于系统的使用方式，并结合情报周期的概念，创新性地提出了人工智能情报系统。

美智库认为目前美国情报界可能面临着历史上最严重和最迅速的威胁。从战略对手到全球恐怖主义和极端主义运动，再到网络战和信息战，以及新的全球威胁，情报界不仅必须预测和准确评估这种威胁形势，而且还必须对其合理性进行评估[1]。人工智能等新兴技术的在情报任务中的集成使用，将对情报界执行这些任务时的能力起着决定性作用。

从国外智库不断推出的相关报告可以看出，美国认为在目前大国竞争的时代，增加或保持战略情报优势，是确保美国安全利益的关键，而能够做到保持战略情报优势的核心是在情报体系中采用和吸收AI等新兴技术，并将其用于向决策者提供智能化分析的能力。随着未来战争形态逐步由信息化转变为智能化，战略情报体系也在加速推进人工智能、大数据、云计算等高新技术的一体化融合发展，试图将人工智能等技术转变为国防战略情报优势，争取掌握战争主动权[2]。

1 人工智能等新兴技术带来的巨大挑战

人工智能、大数据和其他变革性技术的出现，迫使美国情报界重新设计其构想、优先次序和执行其任务的方式，并帮助其优化战略伙伴和利益相关者之间的关系，以保持优于竞争对手的战略优势。人工智能技术对美国情报界的冲击主要体现在以下三个方面。

1.1 领导能力

人工智能等新兴技术带来的变革冲击力非常强大，而且这种革新从高层开始，需要整个情报界机构的坚定推进才能使得新兴技术等这些变革，突破障碍并顺利得以应用。美国情报界的高级领导者必须授权董事会、任务中心甚至团队级别的领导者抓住利用新兴技术开展创新的机会以获得相关任务，并在如何集成和应用技术方面激励创造力、速度和开展实验。对中高级情报界管理人员进行时间、培训和教育投资，以了解新兴技术协助情报任务的能力，有助于减少他们不愿意接受这些技术，并改变对情报创新的看法和态度。

1.2 技术风险

在技术采用方面，美国情报界决策过于重视行动的风险，但未能认真评估人工智能等新兴技术应用风险，也没有认真获取新技术并将其纳入情报任务的机会。情报界不应忽视与新技术和数据流相关的网络、对抗性人工智能和情报应用中的关键威胁和风险。风险是决定分析技术能否采用的核心，但不能仅基于这些理由做出决策,美国情报界领导者必须优先考虑风险规避。在这种情况下，冒险、实验和创新将得到鼓励，当遇到不可避免的失败时，创新者不应受到不适当的惩罚。事实上，美国情报界领导人可以将美国情报界企业的核心部分作为一个已经接受风险并将风险纳入决策的任务的例子，美国中央情报局作战指挥部将严格的安全和情报风险监控与大胆和创造性的任务执行方法相平衡[3-4]。

1.3 敏捷性和适应性

考虑到新技术的快速变化、技术突袭的可能性和创新的对抗方法，没有任何一套新兴技术能够决定性地为情报界提供情报优势，也没有任何优势能够长期保持。更确切地说，可能起决定性作用的是情报界领导人和组织对集成和利用新技术的创造性和承诺，以及适应技术变革的速度和紧迫性。这种灵活性和适应性无法单独实现，需要战略合作伙伴的支持，特别是在美国商业领域[5]。SOFWERX和AFWERX等孵化器可以作为情报界私营部门整合的模式，更好地将情报用户与具有开发能力的用户联系起来，促进新技术更快的采用。除了尖端技术外，美国创新者还可以为情报界提供最佳实践，帮助其改进组织流程、风险文化和商业模式。美国认为，这些技术本身并不是革新的障碍，因为不缺乏可直接应用于情报界任务的新兴技术，也不缺乏愿意提供这些技术的商业伙伴,那么障碍或许就是对风险和变革的文化抵制。应建立一种激励结构，优先考虑可以固化形成标准的方法，而不是风险承担和创新成败。克服文化障碍必须有强有力的领导手段，一支充满活力、多样化和精通数字的技术队伍，以及政策组织、国会、工业界、研究界和外国资本利益相关者的支持。

2 国外人工智能技术应用情况分析

2.1 情报周期内的人工智能技术作用分析

2.1.1情报收集获取

当需要收集情报信息时，情报界可以充分利用新兴技术，如人工智能、多模式传感器、云计算和高级分析，以自动化选择和分配平台的方式，锐化和指定收集的内容，并根据用户需要定制处理任务。人工智能工具可以帮助自动化收集平台计划、调度和分配任务，并优化资产选择。深度学习方法的运用可以使收集资产的任务分配更加快速、适应性更强，而对人类参与的需求有限。技术收集可以利用机器学习和传感器的进步来检测更多类型的敌方信号，识别目标环境中不可察觉的变化，感知异常或高风险行为。这种人工智能的信号检测和搜索模型可以集成到自动“提示和线索”收集的指标和预警系统中[6-7]。技术分析人员可以采用深度学习算法来识别数据流中的模式和趋势，对目标之间的关系进行推断，并将网络可视化以增强清晰度和更深层的含义。随着人工智能工具的发展，采用更好的数据处理方法可能会带来更好的后端结果。

2.1.2情报自动分析

自动分析主要是针对海量科技情报数据中隐藏的知识进行提取的过程。人工智能可以帮助自动化、加速和简化处理成倍增长的收集数据。对于地理空间情报，计算机视觉可帮助处理图像和视频数据流，并执行更复杂的人类任务，如图像识别和分类。自然语言处理可以转换多种信号情报(SIGINT)处理人工任务，包括语音到文本的转录、语音识别、文本摘要和截获通信的语言翻译。同时，人工智能还可以对情报界的海量数据和信息流进行“分类”和排序，以供信息采集和分析，使分析人员能够将更多的时间花在需要更高层次思考的任务上。机器学习算法可以不断进行优化学习，以梳理大型数据集，如从图像和SIGINT收集，优先提供信息特定分析。人工智能工具还可以接受培训，以发现和标记指定为关键的信息，并向分析师和决策者发送自动警报。

2.1.3情报评估支持[8]

情报评估支持系统主要是用于监控智能评估的过程，确定其运行情况，并确定可以改进的地方。例如，2016年国家情报总监办公室白皮书指出，“出于可行性和有效性的原因，这些方法侧重于仔细定义标准的审核。可以将这个环节想象成为辅助或者自动化完成对情报产品的审查，比如使用自然语言处理(NPL)对每个完成的情报产品客观性进行评分。该系统对情报界进行改进、改革和再投资的反馈回路具有重要的意义。一旦评估出现错误，将可能会对扩大或削减项目投资、人员评定以及对新项目创新的价值点判断产生影响。

2.2 典型应用案例分析

2.2.1人工智能技术在情报获取领域的应用

(1)“忠诚僚机”(Loyal Wingman)项目

美国空军研究实验室在2015年启动的“忠诚僚机”(Loyal Wingman)项目，旨在通过为F-16“战隼”战斗机设计和研制一种人工智能模块，增加无人机自主作战能力，这种自主技术可以有效地增强空军在对抗环境下的作战能力。在2020财年，该项目将实现根据作战需求对当前路径、目标等进行再规划和调整，并具备作战效果评估的能力。人工智能技术的应用，使其具备了自动感知、辨别和定位的能力，同时也可以独自或编队参与有人/无人电子战，自主技术的应用将会直接提升有人/无人编队的作战能力，将会是未来开发的重点。

(2)“拒止环境协同作战”(CODE)计划

美国国防部高级研究计划局(DARPA)在2015年开展了“拒止环境协同作战”(CODE)计划，通过美国军方对该项目大量的投资可以看出，该项目对执行从情报、监视和侦察到战术打击的任务具有很高的价值。该项目旨在通过针对现有无人飞机开发新算法和软件来克服需要众多遥测技术支持的问题，扩展无人机的任务能力并提高美军在被拒止或竞争的空域进行作战行动的能力。据英国航空与防务分析网站“思普德媒体”(Shephard Media) 2020年3月25日报道，“拒止环境协同作战”计划已经实现预期目标，当前正处于收尾结束阶段，并将该计划移交给美国海军。

(3)“进攻性蜂群使能战术”(OFFSET)

为解决城市地区高层建筑、狭小空间和有限的视线造成的严重受限的通信、传感、机动性和自主作战问题，提高小规模部队在城市环境中的作战效力，扭转美军部队缺乏管理无人蜂群并与之交互的技术,同时，也缺乏快速形成并共享各种蜂群战术以适应不同城市环境的方法。2017年，DARPA启动了“进攻性蜂群使能战术”(OFFSET)项目，通过人工智能技术的应用，利用蜂群系统的独特属性来实现战术优势，提升部队的防御、火力、精确打击效果以及情报、监视与侦察能力。2020年1月，该项目进行了第三次野外实验，演示验证该项目在城市地区的突袭能力。

2.2.2人工智能技术在情报分析领域的应用

(1)“终身学习机器”(L2M)项目

为解决当前的机器学习系统无法不断学习或适应新的情况，2017年3月，DARPA启动“终身学习机器”(L2M)项目，该项目从生物系统中汲取灵感以开发一套全新的机器学习机制，使系统在执行过程中不断学习并能运用以前学到的信息，能够在新环境下具备类似于生物智能系统自主持续学习能力，打造了一种具备持续学习、适应新任务、目标感知、选择性可塑、安全可监控等核心能力的新型机器学习机制。2019年3月，来自塔夫茨大学的研究人员在《自然·机器智能》杂志发表了其有关人工智能算法的研究结果，介绍了由类似动物肌腱驱动的人工智能控制机器人肢体，意味着该项目在生物启发算法控制机器人肢体方面取得重大进展。

(2)远征城市环境适应性作战测试平台原型(PROTEUS)

2021年6月23日，美海军陆战队完成了远征城市环境适应性作战测试平台原型(PROTEUS)的测试，测试过程中，海军陆战队利用智能算法对电磁轨迹进行可视化显示和操控，实时获取对部队战术部署有效性的定量分析。该软件算法于2017年开始研发，包括可视化软件和实验工具。美海军陆战队希望通过对电磁轨迹信息的可视化跟踪分析，实现后勤支持自动化能力。

(3)5G网络技术解决方案

美国雷声公司2021年6月2日报道称，旗下情报与空间公司团队正在开发一种解决方案，使全球的美空军飞行员可通过5G网络技术对数据进行共享和访问，并安全运行应用程序。该技术能为作战人员或空中管制人员提供战场实时数据，并在下载后，通过人工智能/机器学习筛选来自传感器、数据库和其他来源的数据，以便在信号丢失时可快速访问数据图像，缩短任务决策流程，从而降低人员伤亡风险，提高作战执行力。

(4)“敏捷秃鹰”吊舱

“敏捷秃鹰”是美空军研究实验室开发的一种高性能嵌入式吊舱解决方案，采用神经形态计算系统,运行DARPA“行家”计划开发的机器学习算法。2020年9月,美国防部宣布,具备智能情报处理能力的“敏捷秃鹰”吊舱完成在MQ-9“死神”察打一体无人机上的演示验证。该智能情报处理系统增强了无人情报数据获取效率及态势感知能力，提高了无人机的整体作战能力。

2.2.3人工智能技术在情报评估领域的应用

赛博网络情报评估是人工智能技术在情报评估中应用的体现，项目是赛博空间内和通过赛博空间的指挥和控制，包括指挥官在完成任务时对所分配和连接部队的权力行使和指挥。联合部队指挥官对联合部队提供作战前景、指导和指挥。在履行职责提供通信通道、规划和决策支持辅助，和与赛博空间相关的情报、监视和侦察时，赛博空间作战能够提供及时的关键信息获取，并能够在任务结束时对作战情况进行复盘评估，使联合部队指挥官比对手更快地制定并执行决策，使指挥官更好地控制作战的时间和节奏[9]。用于赛博空间的一个通用作战视图(COP)有利于赛博空间作战的指挥控制和实时综合SA。通用作战视图应包括从全球网络传感器迅速熔断、关联和显示数据的能力，来提供友好、中性以及对手网络的可靠图像，包括它们的物理位置和活动。此外，通用作战视图应该支持来自国防部、情报界、私营企业和国际伙伴等各种来源的实时威胁和事件数据，并提高指挥官的能力，以识别、监测、描述特性、跟踪、定位并采取行动以应对赛博空间的活动。

3 未来发展方向分析

3.1 情报任务将更加注重人工智能系统效能的评估方法

随着评估支持智能的人工智能系统的有效性的需求越来越高，亟需进一步加强基础研究，以便在所有与情报任务有关的系统和部署环境中提供人工智能技术的应用，以便能够判断其对情报任务产生的重要作用。评估旨在确保用于国防和智能应用和人工智能系统的完整性和可靠性，除了能够确保这些系统不会在关键时刻突然停止工作外，还必须能够严格评估这些系统是否能提高它所支持的任务的效力，根据他们提供的实际价值而不仅仅是根据他们的任务来下定义。换句话说，除了如何防范负面影响外，还需要深入研究才能真正理解这类系统的正面轮廓[10]。目前，特别是在情报方面，在评估这些系统向用户提供的实际价值的方法方面仍有改进的余地。

3.2 神经形态计算成为人工智能未来的重要发展方向

神经形态的芯片可以模仿人脑活动，不断地进行学习。由于人脑在神经传递过程中，只会释放一小部分的电量，只有当累积的电量超过设定的限制时，信号才会通过。所以利用其类生物的本质特征，神经形态芯片只需要维持在一个低水平的能耗。除了低功耗的优势，神经形态设备还擅长在除了超级计算之外的需要模式匹配的任务，即那些需要模拟人脑思考或者认知计算的应用，而不是简单的更强能力的复杂计算，更聚集于源头大量浮点向量单元和更高并行度的架构，并且能给以相当统一的方法处理高度分层记忆。神经形态计算曾被称作第五代人工智能，主要通过互连来并行化机器学习的任务，在未来人工智能领域有着巨大的发展潜力。

3.3 人工智能技术将朝着改变未来战争形态方向迈进

随着大国竞争时代的来临，阻止人工智能等新兴技术应用于军事是不可能的。新的世界技术竞赛将导致最新的技术革命延伸至军事情报领域。所有主要世界大国都将如此，因为任何落后于对手的情况都可能导致薄弱环节的出现，而使用常规类型武器很难对其进行弥补。此外，新技术的出现可能导致战略、武装力量活动的计划和组织出现明显变化[11]。

4 结 语

不可否认，人工智能和机器学习领域仅在过去几年中取得了显着的进步，并将继续向前跨越式发展。但其未来还是具有一定的不确定性。一方面，大量通用人工智能技术参与的系统和平台，展示出了无与伦比的智能行为，如果各国竞相投入可能会发生颠覆性事故。另一方面，人工智能安全的发展可以减轻人工智能国家安全使用所带来的一些风险。人工智能领域的大部分创新都是由商业部门推动的，但政府有能力通过研究投资来影响进展的方向，也可以通过规划布局改善国家安全环境中可靠人工智能系统使用和评估。