【资料】情报分析的未来：人工智能对情报分析的影响（文末有新年福利）

人工智能对情报分析影响的任务级观点

一、未来已经到来

在过去的十年中，人工智能（AI）已经从科幻小说发展到一系列商业应用的共同现实。在情报分析中，人工智能(AI)已经用于标记图像，对大量数据进行排序，帮助人类看到噪声中的信号。但情报界（Intelligence Community）(IC)目前在人工智能(AI)方面所做的只是即将到来的一瞥。这些早期的应用表明，情报部门部署的人工智能（AI）将增强分析人员从信息中提取有价值线索的能力。

人工智能(AI)的采用不仅提高了计算能力和新算法，而且推动了现有数据的爆炸式增长。到2020年，世界经济论坛预计，数字数据的字节数比可观测宇宙中的恒星多40倍。对于情报分析，数据的快速增长扩散意味着信息的过载。人的分析根本无法处理那么多的数据，他们需要机器的帮助。

情报领导者知道，人工智能（AI）可以帮助应对这种数据泛滥，但他们也可能想知道人工智能（AI）会对他们的工作和劳动力产生什么影响。根据对私营部门公司的调查，引入人工智能(AI)与了解其影响之间存在重大差距。近20%的工人报告说，由于实施人工智能(AI)，他们的角色、任务或工作方式发生了变化，但近50%的公司尚未衡量工人是如何受到人工智能(AI)实施的影响的。 这篇文章提供了任务级别的视角，说明人工智能(AI)如何改变内部分析的工作。文章还将为那些寻求加快采用率、从试点向全面发展的组织提供思路。人工智能（AI）已经在这里了；让我们看看它将如何塑造情报分析的未来。

二、情报圈中的人工智能

情报通过专家、分析和管理在整个情报界开展的五个步骤“周期”流动：规划和指导；收集；处理；分析和制作；传播。整个周期的产出价值，包括交由决策者分析的最终情报，在很大程度上取决于所使用的技术和过程，包括利用人工智能(AI)的技术。

无人驾驶航空系统、远程传感器、先进的侦察机、互联网、计算机和其他系统等技术极大地推动了数据收集过程，以至于分析人员往往拥有超出他们处理能力的数据。更复杂的情况是收集到的数据通常存在于不同的系统和不同的介质中，这就要求分析人员在开始更深入的分析之前需要花费很多时间将相关信息拼凑起来或融合数据。

人工智能是什么意思?

根据语境的不同，“人工智能”一词可以有多种含义。为了帮助领导理解这一广阔的领域，区分AI的模型类类型和AI的应用是有帮助的。首先是基于AI的工作方式的分类;第二种是基于AI需要完成的任务分类。

人工智能:模型类别和样本应用程序

规则引擎

基于规则的软件，通常以if-then语句的形式出现，使预定义的过程自动化。

                                                      改变自己的程序                                                  

智能规则引擎

基于规则的软件，通常采用if-then语句的形式，它可以自动化预定义的过程，并且可以学习和适应。

机器学习

一套统计技术，使用从数据中学习而不需要显式编程的算法，自动建立分析模型。

深度学习

更复杂的机器学习形式，能形成多个隐藏的分析层来进行预测。

认知语言

一组统计技术，能够分析、理解和生成人类语言，以促进与机器的交互。

技术的例子

． 自然语言处理(NLP)

． 自然语言生成(NLG)

． 语义计算

． 语音识别

． 语音合成

潜在的用途

． 通过其他形式的报告评估人力资源的可靠性

． 分析社交媒体或其他帖子的语法，以确定可能是对手通信的异常值

计算机视觉

从单个图像或一系列图像中自动提取、分析和理解信息，这些图像可以模拟、复制并超越人类视觉。

技术的例子

． 图像识别

． 视频分析

． 手写识别

． 语音识别

． 字符光学识别

潜在的用途

． 在照片或视频中识别和跟踪车辆、物体和人

． 识别物体并连接到适当的群体和个人

RPA

通过模仿用户界面和应用程序之间的交互方式，并遵循简单的规则来做出决策，从而执行常规流程的软件。

技术的例子

． 流程和配置自动化

． 图形用户界面自动化

． 高级决策系统

潜在的用途

.   自动化任务相关和后台报告任务

． 填写通用表格

.   自动化平台调度/消除冲突

.   收集管理

预测分析

结合模型类分析数据，特别是机器学习，以预测结果和理解关键变量。

技术的例子

． 统计预测模型

． 朴素贝叶斯和其他概率模型

． 神经网络

潜在的用途

．分析对手的行动路线

．模拟敌方在核或其他技术水平上的进展

．为领导者提供实时决策支持

访问更多数据很困难

但是，通过融合和处理数据的能力，它可以让分析师把大量不连贯的数据拼凑起来。国家地理空间情报局(National Geospatial Intelligence Agency)局长表示，如果按照传统方式持续下去，情报机构可能很快就需要800多万名图像分析员，这是所有政府拥有最高机密许可的总人数的五倍多。在数字文明时代，战争的成功取决于一个国家比对手更快、更准确地分析信息的能力。但数据未经分析无法使用，海量的数据对情报运转的速度提出新的要求，这急需人工智能提供必要的支持。

情报机构已经利用人工智能（AI）的力量，对数据进行排序，找出关键的“知识”，以进一步分析。例如，各机构利用人工智能(AI)自动识别和标签车辆模式，以识别SA-21地对空导弹，或筛查数百万笔金融交易，以识别与非法武器走私相符的模式。

同样，联合人工智能中心（美国国防部人工智能协调中心）已经在致力于开发跨越“作战情报融合、联合全域指挥和控制、加速传感器对射击时间线、自主和群集系统、目标开发和作战中心工作流程”的产品。

分析显示，这些运作的人工智能（AI）可以节省分析师的时间，提高产出。虽然确切的时间节省将取决于所完成的工作类型，但拥有Al支持系统的全源分析师工作3天可以节省多达364小时或超过45小时的工作量。节省下来的时间可以让分析师有更多的时间去完成更重要的任务，或者培养技能，或者在其他活动中增加额外的能力。

由于大规模采用Al，全源情报分析师可能会有额外的工作时间

三、人工智能的真正价值

然而，人工智能（AI）的好处远远不止于节省时间。毕竟，情报工作永远不会结束，总会有另一个需要注意的问题。因此，用人工智能（AI）节省时间不会减少劳动力或情报预算。相反，人工智能（AI）的更大价值来自可能获得“自动化红利”的东西：在这些技术减轻工作量之后，分析师可以更好地利用更多时间。

事实上，对从银行到物流等行业的研究表明，自动化的最大好处来自于人类工人利用技术“向价值链上游移动”。换句话说，他们花更多的时间来执行对组织和/或客户有更大利益的任务。例如，当自动化将供应链工人从测量库存或填写订单等任务中解放出来时，他们可以重新分配时间，通过匹配特定的客户需求和供应商能力来创造新的价值。在情报分析方面，利用人工智能从混乱的数据中立即提取难以发现的迹象和预警(I&W)线索，可以让人工分析师进行更有价值的工作，确定给定的预警线索是否代表真正的威胁。

有两种主要的方法可以用额外的时间来创造额外的价值:分析师可以在他们已经完成的高价值任务上花更多的时间，或者他们可以添加新的高价值任务。

做更多:人类专注于人类的任务

然而，在实现这些好处之前，情报组织必须确定哪些是最有价值的任务，哪些是最适合人类工人执行的任务。首先，让我们将人类与计算机或其他机器进行比较。

关键是理解专业智能和普通智能的区别。即使是简单的袖珍计算器也能胜过某些任务中最好的数学能力。但是，虽然运算速度快、精确，但它是袖珍计算器能够执行的唯一任务。它有一个非常狭窄，专业化的智能。另一方面，在普通智能中，人类往往胜过甚至最先进的计算机。麻省理工学院教授托马斯·马龙解释说，“即使是5岁的孩子，其智力也比当今最先进的电脑程序要高。比起今天的任何计算机程序，一个孩子可以进行更明智的对话，讨论更广泛的主题，并且在不可预测的物理环境中更有效地运作。”

因此，虽然机器在处理大量数据或工作到极端的精确度方面比人类更好，但人类更擅长随上下文或涉及高水平人际互动的任务发生巨大变化。人类工人和人工智能（AI）工具可以共同合作，发挥各自的优势；人工智能（AI）处理大量数据，人类处理高度可变的任务。在情报组织内部，人类分析人员可以通过将许多重复的数据处理和开发相关任务转移到机器上来提升价值链。然后，他们可以把更多的精力投入到分析、规划和指导任务中，而这些任务往往需要更多的创造性、沟通以及与同事和决策者的协作。

我们的模型为情报分析师做出了类似的预测。利用人工智能（AI）完成诸如数据清理、标记或模式识别等任务，全源分析师都可以花费更多时间执行上下文敏感或独特的人工任务。因此，未来的分析师可能会花更多的时间与他人合作——比今天多58%。

在整个情报周期中，如何才能发挥更大的合作?例如，在传播阶段，分析师向决策者提供信息，与他们合作，使他们能够做出最好的决定。如果AI能承担更多在收集资源、创建图形甚至起草报告等准备工作中，人类分析师可以专注于决策者的需求和这种情况的影响上。在此场景中，分析师只需向Al提供即将发布的简报或成品的主题。从那里，Al可以自动生成一个相关报告列表，以便阅读，预选地图或图像，标记相关特征的简要介绍，甚至写简短的背景事件摘要。

情报机构必须确定哪些是最有价值的任务，哪些是最适合人类工作者执行的任务。

类似的转变已经发生在新闻业。人工智能(AI)正被用于自动生成简单《华盛顿邮报》，机器人在第一年发表了850篇文章，内容从奥运会到选举。美联社发现，通过将撰写公司收益报告等注重细节的任务自动化，使用机器人可以使记者的工作量减少20%，使他们能够专注于减少错误和发现更大的趋势。”因此，即使在产量增加的情况下，企业盈利报告中的错误也减少了。情报分析师也可以从类似的安排中受益:AI可以生成例行的情报总结或每日报告，让分析师专注于将这些报告合成成更大的趋势，或根据特定决策者的偏好定制报告。

做一些新的事情:探索可能性

正如我们所有的经验一样，新技术可以带来新的任务。因此，人工智能（AI）很可能也会给工人带来全新的任务。以采用其他先进技术为指导，我们期望许多新任务可能属于以下三类之一：

•提供新模型。

情报基本上是利用信息减少国家领导人的不确定性。现代决策的快速步伐是领导者面临的最大挑战之一。人工智能（AI）可以通过帮助提供新方法来更快、更有效地向决策者提供信息来增加价值。其中一个想法是转向实时决策支持。在过去，复杂的对手行为模型需要几个月来创建和更新，从而导致一个正式情报产品的长周期。

今天使用人工智能（AI）和大数据，分析可以更快地进行，通常只是缺乏实时性。现在这种情况现在发生在汽车比赛中。当赛车在跑道上比赛时，一支比赛队伍根据数千个数据点调整策略模型，天气的突然变化或对手的意外停站可以在几秒钟内触发车队计划的改变。在一级方程式赛车的例子中，情报分析师使用注入AI的模型，能够快速模拟甚至复杂的场景，从而能够回答决策方面的问题，而不是等待。我们的模式表明，在采用规模化人工智能（AI）后，分析师可能会花多达39%的时间为决策者提供咨询。­

­

•不断成长的员工

积极进取的员工队伍是一个生产力更高的劳动力队伍。提高员工幸福感或绩效的任务可能会为任何组织创造重要的新价值。在情报领域，要想表现得最好，分析师需要学习和成长的机会。他们需要与全球的新技术、新服务和新事件保持同步——不仅在年度培训课程中，而且要持续。人工智能（AI）可以通过推荐基于分析人员在日常工作中阅读或写作内容的课件，帮助尽可能广泛地持续学习。对于研究中国第五代战斗机发展的分析师来说，人工智能（AI）可以推荐他或她完成量子雷达的短期培训，或阅读中国航空史。人工智能（AI）还可能建议哪些分析师需要休息，哪些工作需要保持新鲜。

•维持科技本身

从蒸汽机到计算机，新技术都需要维护，人工智能可能也不例外。在情报工作等高风险情况下有效使用人工智能的一个重大挑战是对AI模型的输出有信心。除了跟踪Al生成的线索之外，组织可能还需要维护Al工具，并验证它们的输出，以便分析师在使用它们时能够有信心。在医学上,Al开始被应用于诊断工具，如MRI成像，根据已知的基准验证Al模型的输出正成为医院工作人员的一项常见新任务。在设计Al工具或选择训练数据时，可以执行大部分验证。但是，虽然癌症不会试图否认或欺骗医生，但外国特工可能会试图用对抗的例子来欺骗AI在情报上使用的方法。这意味着验证将需要是一项持续的任务，不仅对分析师，对IT人员也是如此。

四、避免陷阱

人工智能（AI）可能需要新的任务以确保其正确运行，这突显了潜在的危险：人工智能（AI）可能耗费比给分析师更多的时间。鉴于人工智能(AI)带来了如此大的变化，大规模采用人工智能(AI)的组织将经历一定程度的摩擦。您根本无法改变20%的员工任务，也无法增加价值数周的新任务，而不会使员工、业务流程和现有工具紧张。那些希望从人工智能（AI）中获取最大好处的智能组织需要识别这些陷阱，并找到减少这些陷阱的方法。

新技术是一个时间消耗器

也许最重要的陷阱是，AI最终没有创造新的价值，而是垄断分析师的时间。这种情况以前也出现过，如医疗保健行业实施电子健康记录(EHR)。虽然电子病历系统承诺减少卫生保健专业人员的工作量，但最近的研究表明，电子病历系统实际上增加了医生记录病人就诊的时间，使用电子病历的医生在探视病人时花更多的时间打字，这减少了他们与病人面对面交流的时间。总的来说，这种交流的减少在病人和医生中都产生了负面的看法。

有趣的是，电子健康记录（EHR）的例子可以帮助情报机构避免这个陷阱。虽然医生花费更多的时间记录电子健康记录（EHR）而不是纸质笔记，护士和文职人员实际上在他们的任务中节省了大量时间。因此，导致医生花费更多时间的电子健康记录（EHR）不一定是技术的失败；相反，它反映了组织的战略重点，基本上把一些账单和文职工作量从员工转移到医生。相反，它反映了需要重新评估导致它的业务和技术战略。

如果情报机构要避免大规模采用人工智能(AI)时出现类似问题，就必须明确其优先事项，以及人工智能(AI)如何符合其总体战略。组织专注于提高生产力的人工智能（AI）工具将会与寻求提高分析判断的准确性的人工智能工具截然不同。人工智能（AI）不是解决每一个问题的方法，对其价值有一个清晰的认识，可以帮助确保它适用于正确的问题。清楚人工智能（AI）工具的目标还可以帮助领导者向员工传达他们对人工智能（AI）的愿景，并减轻对工具使用方法的误解或不确定性。

第二，情报机构应该避免投资于“空技术”——使用人工智能（AI）而不能获得它需要成功的数据。人工智能（AI）有点像面粉厂：没有谷物喂养它，它就不会产生多大价值。

即使最先进的人工智能(AI)工具如果缺乏有效的培训数据或足够的输入数据，其效用也将有限。如果没有正确的数据，人工智能（AI）工具仍然可以吞噬分析尝试使用它们的时间，但是它们的输出将有限的效用。结果将是令人沮丧的分析，情报分析师会认为人工智能（AI）浪费了他们有限的时间。

分析师不信任

分析师的信任对于成功大规模采用人工智能（AI）至关重要。调查结果显示，与技术人员、管理层或高管相比，分析师对人工智能（AI）持最怀疑的态度。正如上文所述，如果员工看不到一种工具的价值，就不大可能使用它。

为了克服这种怀疑，从人工智能（AI）中获得最大利益，管理层需要集中精力教育员工并重新配置业务流程，将工具无缝地集成到工作流中。如果没有这些步骤，人工智能（AI）可能只是一个昂贵的事后思考。例如，一个联邦机构实施了人工智能(AI)试点，为其调查人员创造线索，以便采取后续行动。然而，调查人员也在同时生成自己的线索。由于跟踪时间有限，调查人员自然会优先考虑自己提出的线索，很少使用AI产生的线索。

克服分析师对给定人工智能(AI)工具的最初怀疑，归根结底是在分析师和工具之间建立信任。因为他们必须支持他们的评估，即使有权势的人可能不同意，分析师可能不情愿去相信他们无法解释和捍卫的东西。例如，拥有一个允许分析师轻松扫描支撑模拟结果的数据，或查看模型如何得出结论的表示的接口，将极大地有助于分析师将技术作为其工作流程的一部分纳入其中。这将使数据更加可靠、可信，并将向战士和决策者提供的更加可靠的分析产品。

虽然拥有一支对人工智能（AI）产出缺乏信心的劳动力队伍可能是个问题，但反过来也可能是一个关键的挑战。几十年来，情报部门领导人一直意识到这种现象，即在分析师的判断中增加数据，会增加分析师的信心，即他们的判断是正确的，而实际上却没有提高工作的整体准确性。换句话说，更多的数据助长了分析师的确认偏见——他们使用新的证据来支持他们先入为主的结论，而不是帮助创建更精确的分析。

这一观察结果的核心心理学实验使用了2到5倍的额外数据。AI将向分析师提供大量的数据，这可能会加剧分析师的确认偏见。例如，在金融服务行业，早期的经验表明，人工智能可以为分析师提供的数据量大约是现在的30倍。人类的认知会对如此庞大的数据做出怎样的反应还不得而知。由于信息超载，分析师对人工智能判断的信心可能会下降。或者反过来说，有这么多数据可供分析，分析师可能会变得过于自信，暗地里相信人工智能。后者可能尤其危险:许多航空事故表明，人类对自动化的信任与人类对自动化的理解和监督之间的不匹配可能导致悲剧。

相反地，人工智能（AI）可以有效的帮助分析师克服确认偏见和其他人类认知局限性。例如，人工智能(AI)可以被赋予一些任务，这些任务有助于检查评估是否正确，因为人类很难找到时间去做人工评估，或者人工评估很麻烦。机器将非常擅长持续进行关键资产检查、相互竞争的假设分析和信息检查的质量。高级分析经理还可以利用人工智能(AI)提醒他们进入的证据与其团队的评估不一致，使他们有机会指导分析线路审查，并将注意力集中在问题领域。

归根结底，人工智能（AI）可能对分析师的认知偏见产生的影响根本不为人知。领导者需要仔细关注分析师的自负，评估业务流程设计，并持续监控人工智能（AI）的性能，以帮助防止任何潜在的陷阱。

五、人工智能(AI)技术:现在如何开始

人工智能(AI)的最大好处在于，像电气化一样，它嵌入到组织的运作和战略的各个方面。尽管人工智能(AI)可以带来规模化或改变组织的陷阱，但立即启动的步骤却令人惊讶地熟悉。

在整个政府机构或组织中，成功的大规模采用将需要领导者协调战略、组织文化和业务流程。如果这些努力中的任何一个未对准，人工智能(AI)工具可能被拒绝或可能无法创建期望的值。领导者需要预先了解人工智能（AI）项目的目标，确保这些目标支持总体战略，并将指导传递给技术设计师和管理人员，以确保将其纳入工具和业务流程。

制定清晰的人工智能（AI）战略还可以帮助组织应用人工智能（AI）来解决从面向任务到后台的各种问题。这种战略可以制定关于哪些基础设施和合作伙伴需要为组织获取正确的人工智能工具的决定。有了83%的企业人工智能（AI）在云中，组织可以发现更容易在内部开发人工智能（AI）工具，从外部销售商那里购买，甚至找到已经在云中其他地方使用的现有解决方案。

在部门或团队一级，第一步从战略调整转向分析师的采用。应对分析师团队面临的一些重大非分析性挑战，可能是向分析师介绍人工智能（AI）并建立他们对人工智能信心的好方法。今天，分析师们已经掌握了各种各样的任务，每个课题都需要不同的技能、背景知识和与决策者沟通的能力。对于任何经理来说，在一组分析员之间分配分析任务而不使任何一个人超载或延迟关键产品可能令人生畏。人工智能（AI）可以帮助分析师正确的完成任务，这样分析师就能够更经常地发挥自己的优势，让工作比以前更好、更快地完成。

同样，人工智能(AI)可以帮助管理人员评估业绩，筛选求职者获得某一特定技能的能力，甚至识别全方位的佼佼者，就像特种作战司令部(SpecialOperations Command)正在对海军突击队(Marine Raider)求职者进行探索一样。人工智能(AI)的这些非分析用途的好处在于，当分析人士看到人工智能(AI)帮助他们开展工作时，他们可能会更愿意与人工智能合作。

人工智能（AI）还没有开始情报工作，就已经来了。但是，人工智能（AI）在情报界（IC）中的长期成功同样取决于员工们准备如何接收和使用它，就像任何让它起作用的员工和企业一样。

完整原文PDF及百分点机器翻译文档已上传小编知识星球

长按识别下面的二维码可加入星球

里面已有近千篇资料可供下载

越早加入越便宜哦

该酒是好朋友家里用在茅台镇订制的酱香酒再加上其知名中医父亲专利方法萃取的石斛精华液调制而成，市场价1499元/瓶，新年元旦之际厂家给丁爸粉丝团购价800/瓶。限量供应，先到先得。

本酒是将石斛、麦冬、山萸肉、牡丹皮、龟板、鳖甲、女贞子、菟丝子、肉桂、当归、桑椹等多种天然药物进行混合经过干燥、研磨、浸泡、发酵、蒸馏等程序萃取精华液后再与茅台镇出产的酱香酒进行混合勾兑并提取上层清液所得。

该酒味浓厚而不脂膏，养胃益液，却无清凉碍脾之虑，生津润喉，嗓音不衰。直白地说就是，第一对肠胃特别好，第二滋阴补肾，第三清热解毒！