国外军事情报分析领域人工智能应用分析

在2022年6月举办的Eurosatory 2022国防展览会上，法国Preligens公司展示了其将人工智能技术应用于军事情报分析的多款产品，这些产品汇总了来自多个情报、监视和侦察(ISR)数据来源的信息，包括卫星图像、红外图像、全动态视频和文本，使用人工智能来加速分析过程，其工作流、流程和输出符合北约标准化协议(STANAG)和其他标准格式。到2022年底，Preligens公司的软件将在法国多达20个地点安装，到2023年，将具备可部署的能力，早期的例子是法国航空母舰戴高乐号。

最新应用情况

近年来，以大数据、机器学习、自然语言处理为核心的人工智能技术取得显著进步。

美国方面，美国情报界和国防部对开发和部署人工智能系统支持情报分析十分重视，认为这既是利用新兴技术的机会，也是应对数据过剩的解决方案。为此，美国先后成立了的情报高级研究计划局(IARPA)。近年来，IARPA大量投资于情报分析方面的人工智能系统，尤其是在分析、预测和收集等情报研究领域。此外，美军早在2015年就成立了算法战跨职能小组，其将国防部的大量数据快速转换为具有实际价值的情报，提升战术无人机及中控全动态视频的分析处理，使其实现自动化，提高海上作战支援能力。经过多年的改进，加载特殊算法的解译系统，在深度学习技术的支持下，人工智能系统在复杂环境下的自动识别率已经超过80%，下一步，美国还将在更多无人机平台上测试这项技术。

法国方面，法国Preligens公司开发了两种AI产品ROBIN和ZEBRA，用来搜索文本，不仅可以搜索特定的参考，还可以在特定的上下文、关系或含义中找到这些参考。它搜索图像以检测、分类和识别感兴趣的军事对象。ROBIN是一种符合NATO STANAG 3596标准的光学卫星图像监控工具，可以利用商业或主权数据。ZEBRA是一种用于军事测绘的自动AI解决方案，可以从卫星图像中检测和矢量化道路和建筑物，并创建城市和农村地区的地图。法国Preligens公司的软件目前已被法国、日本、英国、美国以及其它北约或欧盟国家使用。在2021年，法国军事情报局的Preligens和联合部队图像形成和解释中心(JFIFIC)建立了TAIIA项目(人工智能图像处理和分析)，打算在选定的感兴趣的站点上构建一个量身定制的自动活动检测工具。该平台接收来自法国新空客D&S建造的Composante Spatiale Optique三卫星高分辨率电光/红外星座的图像。Preligens AI使用其算法和图像数据库识别感兴趣的对象，特别是在特定的感兴趣站点上，使分析师能够专注于那些提供最大价值的任务，并根据分析师设定的规则发出警报通知。

英国方面，Systematic公司为英国陆军设计了SitaWare战斗管理系统总部，这将在营级及以上提供全面的态势感知和指挥与控制(C2)能力。SitaWare套件经过操作验证，已交付给30多个国家/地区。该软件在战场空间的各个层面提供全面的C2能力，从使用SitaWare Edge的地面指挥官到使用SitaWare Frontline的骑兵部队和使用SitaWare Headquarters的更高级别的指挥。人工智能可以通过多种方式支持指挥官和参谋人员的角色。它可以比人类更快、更一致、更准确地处理大量信息，从而减轻认知负担并减少工作量。这尤其适用于情报分析，作为态势感知的主要贡献者，情报分析是C2过程的基本组成部分。

人工智能应用于军事情报的优势分析

人工智能应用于军事情报领域可以为战场带来的五个优势。

• 人工智能处理大量复杂数据的能力将简化和加速跨越各级指挥的决策过程，可以作为指挥官的力量倍增器，特别是在多域战的新兴需求下。
• 人工智能可以为运营规划支持做出贡献。该技术不仅使指挥官能够快速访问和考虑比目前更广泛的数据，还能进一步提供智能和细致入微的支持，如地形分析和考虑广泛规划因素的能力。
• 人工智能可以使指挥官专注于执行行动而不是管理系统，特别是在战术层面。例如，指挥官可以访问和分析有关先前攻击、可能的敌人战术或通信黑点的数据集的人工智能工具，这样指挥官可以更好地了解在计划[或实施]行动时需要考虑什么。
• 人工智能最终将在模仿人类能力而不仅仅是人类大脑能力的情况下产生最大的影响。也就是说，它能够以与人类相同的方式评估信息。
• 人工智能进行传感器融合和跟踪相关性的能力(利用广泛的输入并且比人类操作员快得多)将带来能力上的一步变化。这在战术层面可能特别有益，生活模式分析工具可以极大地增强态势感知。通过分析被动收集的视频片段和传感器数据，软件可以提醒指挥官异常情况(例如环境变化或潜在战斗人员数量的增加)并推断是否可能发生攻击。

人工智能应用于军事情报领域面临的挑战

目前国外的军事情报机构大多数流程已经数字化，并且数据源的数量不断增加。分析和理解所有接收到的数据将有助于实现信息优势，这就是人工智能的基础。但不可能对所有数据进行人工处理。然而，人工智能可以模仿许多“人类”的认知技能，并且可以无限地更快、更一致地做到这一点。虽然AI可以预测轨迹、识别模式并应用理论来提供威胁分析和预测，但这是一个迭代过程，因为AI从用于改进模型的强化学习技术的经验中学习。所以，数据的可用性可能是训练AI模型的一个挑战，这需要大量特定于国防的数据，而收集和分类限制会使这变得困难。

此外，由于人类的“解释能力”，人工智能情报系统需要保持人类参与十分有必要。这可以允许人工智能在其后果被充分理解的情况下做出决定，尤其是在不确定性较低的情况下，如在涉及动态活动的情况下，更加需要人类参与。这对于人类情报员和人工智能系统是双向的考验，人工智能系统需要更加合理、可靠的分析决策能力，这依赖于了解相关知识和策略的指挥人员对情报分析过程进行计划、监督和调节，而拥有高度智能水平的军事情报分析系统，又需要人工智能需要能够理解复杂性、解决问题并提出适合情况的正确问题的指挥官来正确使用。总的来说，未来情报人员及人工智能军事情报系统将构成一种新的人机关系。(北京蓝德信息科技有限公司 研究员 张杰)

主要参考文献

[1] Giles Ebbutt. Beyond human endeavour:The application of artificial intelligence in command-andcontrol. [OL]. .janes.com. 12 SEPTEMBER 2022.

[2] John Keller. Wanted: artificial intelligence (AI) and machine learning to help humans and computers work together. [OL]. militaryaerospace.com. Sept. 20, 2022.

[3] Jack Richardson. Systematic’s SitaWare Headquarters for British Army. [OL]. euro-sd.com. 12. November 2020.

[4] DA Reporter. New Features Launched for Systematic SitaWare Suite. [OL]. defenseadvancement.com. 23 Aug 2022.

[5] AARON MEHTA. Military metaverse firm Improbable shuts down US defense arm. [OL]. breakingdefense.com. December 12, 2022.

[6] Dr. Lisa Porter. Intelligence Advanced Research Projects Activity (IARPA). [J]. IARPA. May 2008.