【编者按】人工智能、云计算、数字加密等一系列新兴技术的发展对全球政治、经济和社会都产生了重大影响。美国战略与国际问题研究中心（CSIS）的技术和情报工作小组就新兴技术对美国情报界产生的影响进行了为期一年的项目研究，并于4月17日发布报告《智能优势：新兴技术对美国情报的机遇与挑战》（The Intelligence Edge: Opportunities and Challenges from Emerging Technologies for U.S. Intelligence），认识到人工智能等新兴技术将对美国情报界带来极大的变革和赋能，但同时情报界也将面临新兴技术本身和竞争对手带来的巨大挑战。该报告主要围绕三部分进行阐述，首先，介绍新兴技术融入情报工作的潜在机会；其次，阐明新兴技术运用于情报工作带来的风险和挑战，最后提出关于新兴技术赋能情报工作还有待思考的核心问题。
1、突破性的技术变革为美国情报界带来新机遇
新兴技术已经开始重塑情报收集、储存和处理的方式，但在未来几十年中，它还可能会改变智能情报工作中情报收集、分析和上报等关键环节。推动这一变化的主要原因是四大技术的融合趋势：
● 网络化多模态（networked multimodal）传感器的广泛部署
● 大数据体量的激增（包括机密和非机密数据）
● 智能算法和应用程序的不断优化改进
● 处理数据和人工智能系统算力的指数级增长
美国私营部门在推动这些新兴技术发展的同时，美国情报界开始将商业化的人工智能技术与特有的情报数据和应用相结合，为改进情报工作中收集、处理、分析、上报提供了前所未有的机会。
采集：新兴技术赋能情报收集
在一个满是传感器、信息数据和算力超强的世界，人工智能技术可以帮助自动化的情报收集、简化数据处理过程以及优先识别和采集各类源信息。这些源信息包括地理情报(GEOINT)，主要指从地理空间采集到的情报信息，如卫星航空拍摄采集；信号情报(SIGINT)，主要指从信号中截获到的情报信息；人工情报(HUMINT)，主要指通过人获得的情报；开源情报(OSINT)，主要指从开源信息中获取到的情报。人工智能应用程序可以帮助情报分析人员获取、可视化和利用这些源信息，从而为决策者提供决策基础。
赋能技术采集：人工智能特别适合于需要多种技术手段的信息采集，如将信号情报与地理情报相结合，帮助处理和分析海量传感器数据。对于地理情报而言，计算机视觉等人工智能可以帮助自动处理大量的图像数据，执行关键且耗时的任务，如图像识别和分类。对于信号情报而言，人工智能可以自动处理电子信号数据（ELINT），如语言文本翻译、自然语言处理将有利于信息的破解。
赋能人工操作：人工智能技术能够在人工情报中赋能秘密操作。人工操作者最核心的任务是招募和获取国外特工的情报。人工智能算法可以通过梳理开源数据“发现和评估”潜在可用特工和情报。高级分析可以建立目标信息的“数字生活模式”，预测其活动，验证他们对所需信息的访问。此外，这些工具还可以用来监控特工招募前后的安全和反情报风险。
赋能商业协作：新兴技术在支持机密情报收集的同时也将转变开源情报,为情报提供高质量的数据流和情报收集平台。外太空的商业化和卫星传感器的普及将大大提高图像信息收集的覆盖率和质量。大数据使用和开源情报所能提供的全球安全、政治和经济趋势分析也有助于减轻情报分析的人力负担，让情报人员能更专注于收集核心机密信息。
分析：创造更多的“战略性选择”
新兴技术可以增强情报分析师的分析能力，帮助其理解和洞察不断增长的数据，利用机器学习向决策者提供建议。分析师可以利用人工智能技术更有效地发现和过滤证据，用机器佐证证据精确化其判断，并将简单耗时的任务自动化处理，从而能使分析具有更强的战略性选择。
更智能的搜索、融合和数据可视化。分析师可以利用人工智能技术如深度学习来帮助筛选报告，识别和可视化数据中蕴含的模式、趋势和威胁，并将其整合到分析中。通过人工智能，战略分析师可以和数据科学家合作，改进智能查询的搜索的算法，建立更广泛、更有创意、更高效的数据集网络，把关键但不明确的信息拼凑在一起。
优化分析线。专业情报人员通常通过建立分析线将收集来的关键信息进行初步判断，数据分析可以通过大数据和机器运算得出初步结果。经过多次的验证可以加强分析线的可信度，若发现相互矛盾的结果可以帮助分析师重新审视其推理和假设。从而增强分析判断的严谨性，避免个人偏见、群体思维，并能保持一定的透明度。
分担分析任务。除了为分析提供输入，人工智能工具还可以执行某些类型的分析，从而使分析师能够将更多的技巧性和时间密集型任务移至机器上完成。即使当前人工智能技术已经能够挑选出同样的数据（主要是开源数据），分析师仍然要花时间在一般的情报收集上。人工智能带来的智能情报机器可以补充、汇总分析或在一些事务上替代分析师。
传播：更快、更智能的分享和传递
新兴技术在情报工作中的应用可以在时间、地点和级别上改变情报上报方式。云计算和人工智能技术能够帮助分析师、情报组织和联盟之间更广泛地共享和传递情报，为决策者提供更有价值的信息。
定制化：云计算和人工智能技术在情报和决策机构中的使用，使分析师能够根据特定需求提供更好的应对策略。如人工智能技术可以帮助情报分析师处理相关数据并对其优先排序，也可以为其定制日常“读物”，满足当前政策和实际需求。全球的云能力能够为全球军事、外交和情报需求者提供定制化的情报信息。
协作：云计算和人工智能可以使分析人员更有效的跨区域协作。通过利用公共或可访问的数据架构来共享数据集、进行培训和测试算法，并联合使用人工智能工具进行分析传递，在多元化的分析师之间建立协调分析线。
共享：云计算和人工智能能够改善情报和信息共享。在美国政府内部，多层级逻辑和云架构可以使情报信息在政策、军事、执法机构不同层级间交流共享。在美国政府外部，云计算和数据清洗工具可以帮助情报与私营部门共享敏感但非机密的重要信息。在美国以外，可以改善美国盟友和合作伙伴之间的情报开发与共享。
2、新兴技术对美国情报带来的颠覆与挑战
新兴技术为美国情报界带来了巨大的好处，但他们的发展并不是在地缘政治的真空中。美国的竞争对手如中国和俄罗斯，也在迅速开发将人工智能技术运用于情报工作中。同时，美国情报机构自身的组织官僚和技术障碍也削弱了新技术为情报带来的红利。进一步的挑战将来自私营部门的竞争和开源情报质量的提高，私营部门的情报可能比机密情报界的情报更及时准确。
战略：智能情报战
随着人工智能和相关技术渗透到情报工作中，战场将超越军事领域，进入情报领域。中国和俄罗斯在开发和使用人工智能技术方面军民融合。这一资源优势将被用来加强他们对美国情报行动的防御，并使他们能够采取更具针对性和侵略性的攻击。
更快的战斗：中国、俄罗斯和其他国家有能力将人工智能研发军民结合起来，将商业部门的创新应用于军事和情报领域，这使他们能够集结国家资源和专业知识，更快地调整技术，以适应不断变化的作战环境。中国在5G和物联网方面的持续发展，将使其更好的将人工智能技术用于情报工作，做好防御和进攻。
更强大的防御：网络安全、密码学和量子计算方面的发展将使得对手能够加强加密系统，从而阻止对网络情报的渗透和收集。欺骗技术和欺骗算法使其对数据进行错误分类，并利用生成式对抗网络，对图像、通信和情报报告进行伪造，这可能导致美国情报分析人员被误导，决策失误。
侵略性的攻击：人工智能可能加速网络攻击，如利用智能恶意软件访问，盗用或破坏关键数据和情报，一旦网络攻击成功可以毁坏整个情报分析体系。此外，人工智能技术可以将虚假信息进行广泛的传播，扰乱分析人员对有效信息的获取以及对政策制定者制造混乱。
组织：官僚化和技术安全
未来十年新兴技术将会为美国情报工作提供大量的技术支持，但美国组织官僚化以及情报数据架构的技术安全可能会阻碍新兴技术用于情报。新兴技术采购和整合的官僚化流程可能会使其错过最佳使用期，高质量的数据若不能被分析师共享和访问，就无法转化为实际的分析和行动。
采购和适用：美国情报相关的技术采购一年一次，而商业领域的技术创新周期往往几个月内就可能过时。情报所需要的漫长研究、开发、测试和评估周期反映了其独特的要求，但这将阻碍其快速获取、集成和吸收人工智能技术的能力。
数据孤岛：人工智能技术的运用需要交叉访问大量的数据集，让有权限的访问者能够快速高效的访问，但实际上很多重要的数据常常隐藏在组织和无法访问的数据架构中，从而阻碍了实际操中的信息共享。
信任和可解释：虽然情报工作者能够通过大数据技术收集大规模的数据，但仍然需要商业性数据来训练和驱动人工智能应用程序。然而，情报分析师和数据科学家不能轻易的开放其平台获取数据标签，对于商业性数据的真实性依旧存疑，对从机器分析黑箱中直接得到的结论也可能存疑。
人员和任务：转变还是淘汰
新兴技术推动下使飞速发展的商业化情报成为政府情报机构有力的竞争者，将对政府情报的人员、组织和整个情报体系带来挑战。
组织机构：人工智能技术的进步，导致混合型的情报任务可能使传统的情报作业不再合适。此外，商业界提供的大量情报也吞噬着传统的情报市场。
情报人员：对于非技术型的情报工作者如何在智能情报时代工作，曾花了十年时间研究阿拉伯语、中东和情报技术的情报官员也需要学习如何编码吗？情报专业人员的基本素质和工作内容可能会发生巨大变化。
情报自身：人工智能的开源收集和数据分析能力确实能为美国的决策者提供全球视野下的高质量威胁分析，但面对情报搜集平台面临的网络攻击和泄密风险，需要衡量其技术带来的收益和安全成本。
3、技术与情报工作组对新兴技术用于情报作业进一步需探讨的问题
● 哪些新兴技术可能对情报作业产生最大的影响？
● 如何优化“分析机器”的性能，最大限度的收集数据、简化处理、优先处理相关信息，为分析人员提供更好的战略选择？
● 如何利用人工智能和云计算等新技术改善合作和协调，并向政策界、军方和盟友提供情报？
● 在全信息源分析的环境中，数据科学家和技术人员应该采用哪种正确模型？战略性分析师应该掌握哪些必备技能？
● 情报界应该将技术投资集中在哪里？给商业部门留下怎样的最佳选择？情报如何更灵活地获取和使用？
● 与全球竞争对手相比，将新兴技术纳入美国情报机构的成功或失败对美国国家安全有什么影响?
新兴技术的发展为优化情报的收集、分析和上报提供了巨大的动能，但要真正实现技术带来的收益还需要对情报机构的人员、流程和组织进行变革。虽然机器学习和商业应用使一些情报任务和职能岗位变得过时，但专业情报人员的独特技能和专业知识仍然是美国的一个独特优势。
编译 | 杨乐/赛博研究院研究员
本文由赛博研究院出品，转载请注明：本文来源于赛博研究院公众号。
更多精彩内容请关注“赛博研究院”公众号。
