人工智能技术在美国军事情报工作中的当前应用

近年来，随着科学技术的发展，在战争需求的强大推动下，战争形态正在发生深刻演变，同时也强烈牵引着军事情报工作相关技术的创新发展。 人工智能技术作为被人们普遍认为是最有可能改变未来世界的颠覆性技术，在美国军事情报工作中已经有了一定的应用。 研究其在军事情报工作中的当前运用及发展趋势，可为我国军事情报领域人工智能技术快速发展提供借鉴与参考。

人工智能技术的快速发展

人工智能技术发展速度迅猛，在机器翻译、无人驾驶、医疗诊断、物流配送、军事作战等应用领域均取得了实质性进展。随着以 “阿尔法狗”为代表的人工智能系统在人机围棋大战中多次战胜世界顶级高手， 人工智能技术再次引起全世界的广泛关注，被普遍认为是最有可能改变未来世界的颠覆性技术。全球掀起了新一轮人工智能技术发展浪潮，各世界大国纷纷发布人工智能技术战略文件来进行顶层设计，谋划抢占新一轮科技革命的制高点。 随着技术的快速进步，人工智能技术的使用必将更加普及，更加显著地影响人类的生产生活方式。

什么事军事情报人工智能化

智能化是指事物在网络、大数据、物联网和人工智能等技术的支持下， 所具有的能动地满足人的各种需求的属性。尽管军事智能化成为当下研究热点， 但却很少有学者对“军事智能化”进行明确的定义。石海明等认为， 从动态来看， 军事智能化是指从武器装备智能化向军事理论智能化、军队组织形态智能化及军事人员智能化不断演进的过程。

军事情报工作智能化是一个动态过程， 指军事情报装备向军事情报理论智能化、军事情报体制智能化及军事情报人员智能化的演进过程。从情报工作的具体实践层面看， 如果说传统意义上的“自动化”是为了使机器解放人类双手， 代替人类进行体力劳动， 那么军事情报工作智能化的目标就是在军事情报领域实现人类脑力劳动的自动化，即在合理的情景之下实现由“智能主体”代替情报工作人员做出分析和决策。由于科学技术发展遵循“螺旋式上升”的规律， 智能化目标的实现不可能是一蹴而就的， 可以按照由低级到高级的角度， 将军事情报工作智能化的目标分解成几项具体表现来研究。具体而言， 军事情报工作智能化突出表现在无人化、自主化、协同化、智慧化四个方面。

无人化

军事情报工作无人化， 即在情报工作的某些环节中大幅减少人类参与， 依靠机器代替人力，实现“减员增效”的目的， 这集中表现在军事情报搜集处理中。事实上， 在整个智能化作战体系中， 无人化只是一种侧面表征， 代表着作战体系智能化发展的初级阶段。对于军事情报工作而言，无人化是实现军事情报工作的途径而非最终目的。然而， 在现有的技术基础之， 追求无人化成为可行方案的重要目标。在人工智能的 3 个层次计算智能、感知智能和认知智能中， 由于计算机的快速计算和记忆存储能力已远超人类， 计算智能在多个领域的应用表现已远超人类心理阈值且发展已较为成熟; 认知智能强调“能理解、会思考”， 现有认知智能技术仍未成熟， 还无法使机器具备匹敌人类的理解能力， 发展任重道远; 而感知智能， 如计算机视觉技术、语音识别技术等， 是当前人工智能在军事情报领域相对较多的应用， 而感知智能在改善军事情报工作中的最突出作用就是实现无人化。

世界许多国家正加快探索实现军事情报工作无人化的方式方法。以色列军队已启用基于人工智能的面部识别系统， 以简化巴勒斯坦工人经过边境进入以色列境内工作的安检程序， 并在全国范围内实时共享采集到的视频图像。日本新版《防卫计划大纲》明确提出灵活运用人工智能等先进技术、引进无人化装备、发展人工智能武器， 其中包括研发能在海中自动航行并搜集情报的大型无人潜水器等。

自主化

军事情报工作自主化， 即机器通过自身的“智能”， 主动发现、预测和评估战场态势， 对相关数据进行初步分析， 从而为情报工作者的人工分析提供重要参考， 是军事情报工作智能化所追求的重要目标。以美军为例， 2018 年 3 月， 美国国防高级研究计划局战略技术办公室提出了“指南针”( COMPASS) 计划， 全称为“通过规划主动的情景想定进行情报收集和监视”， 其目标就是凭借人工智能( 特别是机器学习) 技术， 结合博弈论思想， 通过建模和评估的方法，主动、有针对性地刺激环境， 并自发衡量对手对刺激的反应以识别对手意图， 减少对手行动的不确定性， 从而为战区级指挥官提供强大的决策支持， 以应对介于和平与战争之间的“灰色地带”威胁。机器的自主发现、预测和评估能力成为该计划运行的核心能力。提高情报工作的自主化水平是美军迈向情报工作智能化的重要一步， 将使美军更快、更准确地知彼”， 提高应对充满不确定性与风险的复杂环境的能力， 在与对手的情报博弈中赢得主动。

协同化

协同化是自主化之上的进阶阶段，“智能主体”在自主分析的基础上能够实现与人类的互动和交流， 从而达到人机协同的目标。实现协同化的必要性在于: 人工智能的快速发展使机器在诸如数据计算、信息处理和耐力等方面的能力远超人类， 在计算机视觉和语言处理等领域的表现远超人类心理阈值。同时， 人类的抽象思维、常识系统和情感、道德、直觉等在较长时间内很难被机器所取代。要赢得未来战争胜利， 就必须充分发挥人类与机器各自的优势。因此， 人机协同必然成为军事情报工作的重要发展方向。使“智能主体”更好地配合人类、实现人与机器智能的最优匹配， 从而协同完成如挖掘更精准的情报需求、提供更加定制化的决策支持等任务， 成为军事情报工作追求的重要目标。

智慧化

“智慧”是对事物能迅速、灵活、正确地理解和解决的能力， 一般指从感觉到记忆再到思维的过程。智慧化是升级版的智能化， 就是人机环境系统之间的交互作用最优化 。对于军事情报工作而言， 智慧化的“智能主体”不仅要具备自主和协同能力， 还要具备与人脑类似的“思维”能力， 即解释其“思维”过程的能力。

由于当前机器学习技术的局限和有效解释技术的缺乏， 机器难以向人类解释其具体想法和行动， 造成人类在理解机器行为、辨别人工智能系统背后逻辑方面存在非常大的难度， 因此“可解释、可理解”已成为人工智能研究的主攻方向。美国国防高级研究计划局( DAＲPA) 目前正在开展或拟启动多个项目探索提高人工智能技术水平， 将军事情报工作向智慧化推进， 项目主要包括“可解释性人工智能研究”( XAI) 、“下一代人工智能”( AI Next) 和“基于图式的知识导向人工智能推理系统”( KAIＲOS) 。

“可解释性人工智能研究”( XAI) 项目由 DAＲPA自 2016 年起牵头开展， 通过探索解决生成可解释模型、设计解释接口、理解用户心理需求等挑战， 以寻求建立新的机器学习系统， 使之能够解释自身逻辑、具备常识推理能力并使用户理解其行为。“基于图式的知识导向人工智能推理系统”项目旨在创建可以识别无数复杂事件和媒体片段之间联系并预测事件未来发展的人工智能推理系统， 以增强人工智能理解力 。

“下一代人工智能”项目于 2018 年 8 月启动， 计划在未来 5 年投资 20 亿美元， 以构建能够进行类似人类交流和逻辑推理的人工智能工具， 通过增强人工智能系统的情境推理能力和环境适应能力提高其鲁棒性、可靠性与灵活性， 使机器从工具真正变成值得人类信赖的合作伙伴显示出世界主要国家将智慧化作为军事情报工作前沿创新方向的趋势。

2 、美国军事情报工作智能化发展途径

军事智能化建设是一个庞大复杂的系统工程， 加快推进军事智能化发展需要在理论支撑、技术突破、体制保障和人才队伍等诸多因素共同作用 。从军事情报工作发展的角度看， 其创新必须包含理论、技术、体制和人员四个要素。可以看出， 军事智能化与军事情报工作创新的要素组成具有内在一致性。

由于目前军事情报工作智能化的相关理论尚未成熟， 美国主要通过优化顶层设计为其军事情报工作提供方向指导。同时， 从技术支撑、体制变革和人才建设等方面加快推动军事情报工作智能化发展。“中央情报局之父”威廉·多诺万曾说， “没有情报作依据的战略是无用的战略， 没有战略作指导的情报是无用的情报” 。军事情报工作智能化是一项复杂的系统工程， 涉及诸多问题要素， 需要从顶层设计上建立方向性的指导以集中优势资源， 加速军事情报工作向智能化的方向发展。分析发现， 美国的相关情报战略中越来越重视建立军事情报工作的智能化导向。

首先是在 2019 年《国家情报战略》中突出人工智能技术和军事情报工作的重要性。战略在分析美国情报界面临的全球战略背景中， 特别提到了“人工智能、自动化和高性能计算等新兴技术提升了竞争对手们的军事和情报能力”， 并在所列举的美国国家情报战略的 7 个任务中把军事情报摆在突出位置。《国家情报战略》每 4 ～ 5 年出台一次， 为美国情报界的最高指导性文件。在战略环境部分特别提到人工智能， 显示了美国情报界对未来智能化情报工作的高度关注， 也为其军事情报工作建立了鲜明的导向。其次， 美国国家情报总监办公室于 2019 年 1 月发布《AIM 倡议: 利用机器的情报增强战略》 ， 认为 AIM ( Augmenting Intelligence using Machines) 中的“AAA”技术( 人工智能 Artificial Intelligence、过程自动化 Process Automation 和情报人员增强 IC Officer Augmentation) 是情报界未来任务成功和提高效率的关键。该战略体现了美国情报界追求前沿科技创新， 通过智能技术提高情报界任务能力的工作方向， 将有力推动其军事情报工作向智能化发展。无论是《国家情报战略》还是《AIM 倡议: 利用机器的情报增强战略》， 都与美国国防部于2014 年提出的第 3 次“抵消战略”和特朗普上台后发布的新版美国《国家安全战略》相呼应， 形成“推动军事情报工作智能化—加速美国军事智能化—形成非对称优势—维护美国国家安全”的内在逻辑。在维护美国家安全的目标指引下， 美国军事情报工作正按照新的顶层设计要求， 逐步迈向智能化。

关注前沿科技， 树立强大技术支撑 人工智能

技术是军事情报工作智能化的重要技术基础， 前沿科技创新是美国军事情报工作迈向智能化的重要驱动力。军事情报工作智能化需要人工智能技术的支撑，大力发展先进人工智能技术也成为美国重点关注和投资的领域。美国军事情报智能化主要应用以下人工智技术:

计算机视觉。计算机视觉是研究怎样让计算机具备识别能力的一种高新技术， 目的是利用摄像机和电脑代替人的眼睛及大脑， 使机器具备感知智能， 主要括数字图像处理技术和神经网络模型训练等。上文提到的“算法战跨职能小组”是利用计算机视觉提高报感知能力的典型实践。此外， 美国情报高级研究计划局( IAＲPA) 于 2016 年启动了“深度多模式视频活动( DIVA) ”项目， 该项目“旨在开发多摄像机流媒体视频环境中的强大自动活动检测能力” ， 运用计算机视觉迅速定位视频中危害公共安全的威胁并检测安全政府设施潜在威胁。这些项目和系统通过计算机觉技术的运用， 彻底变革了传统单纯依靠人力的目标搜寻方式， 成为军事情报搜集的“力量倍增器”。人机交互。人机交互指人与系统之间使用某种对话语言完成信息交换， 其技术领域通常包含自然语言处理、语义分析和理解、语音识别、多媒体技术和虚拟现实技术等。人机交互技术在美国军事情报工作智能化发展的应用主要体现在多项美军指挥控制系统和情报辅助分析系统项目中。

一是 DAＲPA 于 2007 年启动的“深绿”项目。美军在该项目中设计了人机接口“指挥官助手”， 由计划草图和决心草图两部分组成。依靠多模态人机交互技术， 计划草图可以通过指挥官的笔势或语言输入对其徒手图进行识别并自动生成行动方案选项， 还可以就草图生成对话， 向指挥官提问。决心草图可将“水晶球”输入的决策点转为未来态势图并提供给指挥官，时可以与指挥官进行对话， 最终下达决策指令。

二是美陆军于 2016 年启动的“指挥官虚拟参谋”项目。该项目通过认知计算等技术提供持续的作战预测方案， 评估作战流程， 为陆军指挥官和参谋制定与修改决策提供建议与预警， 使其更快做出决策， 应对未来更加复杂的战场环境 。

三是美空军研究实验室( AFＲL)研发的“数字企业多源开发助手”( MEADE) 。该项目括在云环境中运行的会话式问答系统， 通过自然语言处理等技术实现与用户的交互式分析， 以帮助指导报人员找到答案。另外， 美军正寻求人机交互方式的创新。美国国防高级研究计划局于 2017 年开展了神经工程系统设计项目( NESD) ， 通过脑机接口系统“Wetware”将大脑神经元所用的电化学信号转换为二进制机器语言， 这将实现人类大脑与计算机之间的精确通信。人机交互技术的运用使计算机系统成为情报工作人员的强大助手， 减轻了情报分析者的脑力负担， 大幅提高了军事情报工作效率。

c．机器学习。机器学习是人工智能的一个分支，是人工智能的主要实现方法之一。简言之， 机器学习可以理解为从一类数据中自动分析获得规律， 并利用律对未知数据进行预测的算法。Deepmind 公司的“AlphaGo”对弈系统先后战胜人类棋手李世石和柯洁， 其主要工作原理就是机器学习下的深度学习。上文提到的“通过规划主动的情景想定进行情报搜集和监视”项目的核心技术就是机器学习。该项目的一大创新在于改进了传统的“OODA”循环， 通过机器学习和建模仿真的综合运用增加了“探测”( Probing) 环节，相当于为“OODA”循环增加了一个动态的自适应要素。“探测”环节可以帮助理解对手利用“灰色地带”活动展开的潜在行动和可能做出的响应， 从而提高态势感知能力。

另外， 美国正寻求不断改进和增强机器学习， 提高军事情报工作能力。IAＲPA 于 2015 年开展了“源于皮质网络的机器智能”( MICＲONS) 项目 ， 通过神经学和计算机科学专家通力合作， 试开展大脑运作机制的逆向工程研究， 从而创造新的机器学习算法， 使其能够实现类似大脑的性能， 在设计复杂信息处理解决方案达到“类似人类的熟练程度”。一旦该项目取得突破， 将彻底革新机器学习， 大幅提高军事情报处理效率。

变革情报体制， 提供有力体制保障

没有顺畅、高效的情报体制， 军事情报工作智能化的实现就会成为“镜中月”。近年来， 美国正加紧变革情报体制为其军事情报工作智能化提供了制度保障。为实现军事情报工作智能化， 美国进行了较大规模的情报工作体制调整， 主要呈现以下特征。

情报业界一体化 “9·11”事件血淋淋的教训使美国情报界加快以一体化为目标的情报改革。改革的关键环节主要包括: 成立国家情报总监办公室作为情报界最高“首脑”; 打造从“基于责任而提供”的情报界新文化以替代“基于需要而知道”的旧文化， 实现情报界的文化一体化; 成立以任务而非职能为中心的国家级情报中心， 包括国家反恐中心、国家反扩散中心、国家秘密行动部和公开来源中心， 打破“烟囱式”的情报工作模式， 实现情报界的实体一体化等。情报一体化改革很大程度上改变了各情报机构和部门间互相独立、分割的局面， 促进了各机构间协作与共享， 这为军事情报智能化过程中技术的共享流动扫除了体制障碍。

情报信息融合化

美国在吸取“9．11”事件教训的过程中， 逐步设立并扩展起覆盖全国的情报融合中心网络， 形成了通过信息共享环境 ( Information sharing environment) 连接的“联邦政府( 国土安全局及其他政府机构) —州级政府—地方机构”三层树状结构。该网络囊括了各界情报人员， 有利于不同领域情报人员之间的交流， 从而提高整个体系的情报融合能力。同时， 信息共享环境( ISE) 实现了相同和不同层级间、不同类别间的情报双向甚至多向互通， 从而实现多源情报融合， 打破情报界的条块化分割的工作状态。

需要说明的是， “融合”不仅仅是多源情报的汇集与共享， 还包括将情报或信息转化成可用知识的含义。美国情报融合中心网络的实践颠覆了传统的情报工作模式， 为其情报工作向智能化的趋势发展奠定了基础。

情报分析计算化

2015 年， 时任中情局局长约翰·布伦南对中情局进行了史上最大规模的改革重组， 其核心举措就是除原有的 4 个指挥部外， 创建数字革新指挥部， 以总管中情局的数字化发展， 并加强中情局的数字化创新能力。在智能时代即将到来和科学研究范式转移的背景下， 情报分析计算化趋势逐渐显现 。而情报分析计算化的主要特点就是“用数据说”、注重分析的客观性以及机器可处理。中情局的改革举措将为其情报分析工作建立“数据为先”的导， 扩展智能化计算方法与分析技术的应用， 推动情报分析计算化， 增强情报分析的客观性与准确性。

在推动情报信息融合化、情报分析计算化的过程中， 美国情报体制不断变革， 通过设立新的组织机构、改革传统情报工作体系等方式， 为美国军事情报工作智能化提供了制度保障。

本期编辑：SXS

如有侵权，请联系管理员删除