(中國西南電子技術(shù)研究所，成都 610036)

1 引 言

21世紀以來，網(wǎng)絡(luò)信息技術(shù)、基礎(chǔ)元器件技術(shù)和并行運算技術(shù)的快速進步促進了數(shù)據(jù)處理算法和人工智能算法的實例化應(yīng)用。特別是近10年來，移動數(shù)字通信技術(shù)的突飛猛進帶來的電子商務(wù)和互聯(lián)網(wǎng)經(jīng)濟的大規(guī)模興起，進一步從需求層面拉動了數(shù)據(jù)分析和智能處理技術(shù)的突破，并形成了一門嶄新的數(shù)據(jù)處理學(xué)科——大數(shù)據(jù)[1-2]。由于大數(shù)據(jù)在很多基礎(chǔ)處理如數(shù)據(jù)清洗、聚類和關(guān)聯(lián)等方面需要人工智能技術(shù)的支撐，特別是神經(jīng)網(wǎng)絡(luò)與機器學(xué)習(xí)(包含深度學(xué)習(xí))的支持，可以說大數(shù)據(jù)與人工智能密不可分。

另一方面，人工智能技術(shù)目前關(guān)注度極高?；厮?0年前，自IBM“深藍”和卡斯帕羅夫的國際象棋大賽之后，該技術(shù)就受到廣泛關(guān)注，但基礎(chǔ)理論并未出現(xiàn)重大原理性突破。只是由于網(wǎng)絡(luò)信息技術(shù)和分布式計算理論的高速發(fā)展，全球可用計算能力呈指數(shù)提高，才再一次誕生了“AlphaGo”這樣超越人類的“圍棋高手”和摩根大通“COIN”可以代替股票分析師和合同律師的金融合同智能解析軟件。而隨著上述代表系統(tǒng)造成的轟動效應(yīng)和互聯(lián)網(wǎng)經(jīng)濟“智能推送”等應(yīng)用的普及，人工智能再次成為了跨越各界的熱門話題。

當前，人工智能和大數(shù)據(jù)成為舉世矚目的焦點，其在醫(yī)療、教育、經(jīng)濟、工業(yè)、科技、軍事等各領(lǐng)域取代人的工作已是不可逆轉(zhuǎn)的趨勢。深入到軍事領(lǐng)域，首當其沖的便是情報分析和裝備(武器)控制子領(lǐng)域，基于大數(shù)據(jù)的智能情報分析和智能無人作戰(zhàn)已成為各國關(guān)注的焦點。另一方面，詳細研究人的思維模式和人工智能行為模式差別及相關(guān)分析的內(nèi)容卻很少引起關(guān)注；深入到情報分析領(lǐng)域，歷次引起情報分析失誤的問題和原因是不是通過大數(shù)據(jù)和人工智能就能解決或部分解決，也沒有人做深入的分析和理論推導(dǎo)。

本文將對美國情報界長期研究得出的情報分析面臨的主要問題進行分析。

2 現(xiàn)代情報分析的工作目標和主要問題

2.1 現(xiàn)代情報分析的基本內(nèi)涵與工作目標

現(xiàn)代情報分析的理想狀態(tài)如圖1所示。采用以目標為中心、以事件為驅(qū)動的情報分析方法，通過人工智能、大數(shù)據(jù)等技術(shù)手段和管理模式調(diào)整，在滿足保護情報搜集、分析和反情報安全需求的前提下，將決策者(用戶)、搜集者、分析者和管理者等利益相關(guān)方均納入情報生產(chǎn)體系，實時反饋相關(guān)意見和建議，并根據(jù)意見建議快速調(diào)整搜集和分析策略[3-6]。

圖1 以目標為中心的情報生產(chǎn)多層視角Fig.1 Multi-layer view of target oriented intelligence production

相對經(jīng)典的中情局情報分析環(huán)(如圖2)而言，現(xiàn)代情報分析在一個階段的情報生產(chǎn)流程結(jié)束前，反饋即可有效作用，而不只是在階段結(jié)果獲得后指導(dǎo)下一次的改進。

圖2 中情局視角Fig.2 The view of Central Intelligence Agency(CIA)

根據(jù)現(xiàn)代情報分析對大數(shù)據(jù)和人工智能技術(shù)在業(yè)務(wù)層面的需求，下面簡要介紹其基礎(chǔ)技術(shù)模型和特點。

2.2 現(xiàn)代情報分析面臨的主要問題

情報分析的結(jié)果是將直接面對最終用戶的各類情報產(chǎn)品，情報產(chǎn)品的質(zhì)量將直接關(guān)系到用戶決策的正確性，因此，情報分析也是整個情報流程中最關(guān)鍵的一環(huán)[7]。但是，各國情報界對情報分析的關(guān)注程度遠遠不如情報搜集，而且，一旦出現(xiàn)情報研判失誤，首當其沖的均為情報分析機構(gòu)和人員，矛頭總是指向人和流程，而很少有人分析技術(shù)和體制問題，這也是大數(shù)據(jù)和人工智能技術(shù)在軍政界的應(yīng)用首先被想到的就是情報分析方面的原因——“只要信息足夠，只要分析過程按規(guī)則進行，只要除去人的主觀因素和偶然錯誤，就能減少情報分析失誤”。

“責(zé)任重、權(quán)利小，關(guān)注少、責(zé)罰多”使得情報分析在各國情報界都存在著或多或少的問題。以美國情報界為例，現(xiàn)代情報分析主要面臨以下六方面的問題[8]：

第一，情報搜集能力遠遠大于情報分析能力。

以美國情報界組成為例，情報分析部門主要是中央情報局情報分局、國防情報局情報分局、國務(wù)院情報研究局和各軍兵種各戰(zhàn)區(qū)各部門情報處理機構(gòu)。情報搜集部門則種類多樣、數(shù)量繁多且編制巨大(如美國國防部下屬國家安全局信號情報搜集及處理人員就超過3萬人)，無論從數(shù)量還是規(guī)模上都遠遠高于情報分析部門，從20世紀70年代開始，情報搜集能力就已遠超情報分析能力。

雖然類似圖像比對系統(tǒng)、聲紋比對系統(tǒng)、信號查詢比對系統(tǒng)等情報處理與分析系統(tǒng)也在逐步服役，減輕了情報分析人員的部分壓力，但是越來越多的情報關(guān)聯(lián)與融合需求(特別是技術(shù)情報與人工情報的關(guān)聯(lián)，技術(shù)情報內(nèi)圖像情報、測量與特征情報和信號情報的融合，前后不同時間多種同類情報的關(guān)聯(lián)分析等)以及在此基礎(chǔ)上的征候預(yù)測都需要大量情報分析人員的介入。上述情況使得情報分析部門與人員更加不堪重負，情報搜集能力和分析能力差距進一步拉大。因此，后續(xù)還需對大數(shù)據(jù)和人工智能技術(shù)如何有效應(yīng)用于情報分析系統(tǒng)、縮小搜集與分析間的能力差距做深入研究。

第二，情報搜集數(shù)量與重要性存在較大矛盾。

隨著科技發(fā)展，雖然情報搜集系統(tǒng)技術(shù)能力有了大幅度提高，但是，目標安保能力也在同步提高。特別在信號情報領(lǐng)域，先進加密技術(shù)和低截獲概率技術(shù)的使用，使得搜集系統(tǒng)獲取關(guān)鍵信息的能力隨著技術(shù)的提升處于持續(xù)下降狀態(tài)。另一方面，出于經(jīng)費爭取和業(yè)績考慮，美國情報界對于讓“外行”領(lǐng)導(dǎo)者覺得非常直觀和“有成效的”情報搜集系統(tǒng)投入了大量資金重復(fù)建設(shè)，如天基/空基圖像偵察系統(tǒng)、空基綜合偵察系統(tǒng)和國家信息基礎(chǔ)設(shè)施偵察系統(tǒng)。對于具備極大難度但可能帶來情報搜集能力跨代提升的技術(shù)發(fā)展和裝備建設(shè)卻視而不見，并極力回避類似需求，使得隱蔽目標情報獲取和高強度密碼破譯依然是情報搜集系統(tǒng)面臨的兩大難題，也使得分析人員進行情報關(guān)聯(lián)更多依賴基于個人經(jīng)驗積累的推測。

情報搜集系統(tǒng)建設(shè)方式造成了目前情報界普遍存在的一種情況——“冗余更多、短板未補，注重表象、忽視內(nèi)涵”。能獲取的信息能夠從更多的相似渠道和更多的類似手段獲取，造成大量信息冗余，情報分析人員并不能從中獲得更多有用信息，還會占用大量人力物力，而情報拼圖上最重要的“盲點”依然靠情報分析人員的推斷與假設(shè)。另外，還造成一系列證據(jù)假象——不同情報搜集系統(tǒng)對同一對象同一屬性進行反復(fù)搜集，得出某種分析結(jié)論證據(jù)確鑿的虛假表征。

第三，全源情報分析從人員、技術(shù)和管理上均存在較大缺失。

現(xiàn)代情報分析的目的是以目標為中心找到何人(關(guān)鍵人物)、何時(關(guān)鍵時間點)、何地(事件區(qū)域)、何事(發(fā)生什么)、為何(為什么會發(fā)生)以及將來會如何(事件演進的趨勢)。那么，若只基于一個情報來源進行分析則難看清目標全貌，即使某一個情報來源(如關(guān)鍵通信線路的有效監(jiān)聽)非常重要。因此，情報界對全源情報分析的需求基本已達成共識。但是，分析人員是根據(jù)專業(yè)進行招聘、訓(xùn)練和使用的，從事信號情報分析的人員很難從事人力情報分析，要使分析人員由其熟悉的領(lǐng)域向其他領(lǐng)域全面擴展難度極大；其次，分析技術(shù)也與搜集系統(tǒng)緊密關(guān)聯(lián)，信號情報分析技術(shù)和圖像情報分析技術(shù)就截然不同，與錄音、筆錄或轉(zhuǎn)述等人力情報分析更是千差萬別；另外，上述分析人員分別屬于情報界不同部門，信號情報由國家安全局進行分析，圖像情報根據(jù)來源不同分別由中央情報局情報分局、國家地理空間情報局進行分析，人力情報分析的主角為中央情報局情報分局和國防情報局情報分局。要進行全源情報分析，必須將上述人員集中起來進行協(xié)同工作，甚至將情報搜集人員也加入其中。但是，由于部門利益、對搜集系統(tǒng)的保護、反情報保護等原因，實現(xiàn)難度極大，即使各自的情報產(chǎn)品取得授權(quán)對情報界中其他成員進行共享都存在一定阻力，除非總統(tǒng)或國會介入成立專項中心。

第四，情報分析的“煙囪”問題、“競爭性分析”問題和“集體迷失”問題。

美國情報界每個情報分析部門都由上級部門直接領(lǐng)導(dǎo)，而與其他分析部門之間沒有任何強制的“硬連接”，這樣導(dǎo)致分析部門之間交流較少、競爭激烈。因此，幾乎所有分析部門的情報產(chǎn)品都“夾帶”自己的利益，有時為自身利益不惜犧牲情報的準確性與中立性?！案偁幮苑治觥睘闆Q策者就同一問題聽到不同的分析結(jié)果提供了更多的選擇，但是，有時候卻變?yōu)榱朔治霾块T間為了利益而刻意反對。另一方面，為解決該問題的而成立的專項聯(lián)合分析中心，由于必須拿出一個大家都認可的結(jié)論，陷入“集體迷失”式的妥協(xié)，達成共識的原因不是找到了最接近真相的結(jié)論，而是因為“你同意我所以我同意你”。如何在兩者間找到一個平衡點也是各國情報界關(guān)注的問題。

第五，長期評估(戰(zhàn)略情報)與動態(tài)評估(戰(zhàn)術(shù)情報)無法有效關(guān)聯(lián)。

一個國家或地區(qū)的戰(zhàn)略意圖和戰(zhàn)略規(guī)劃必然影響其“政軍外安經(jīng)科文教”等各方面的具體行動，但是決策者更急于解決眼前的棘手問題，因此，對動態(tài)評估的關(guān)注度要遠高于中長期評估，造成情報界對中長期評估等戰(zhàn)略情報分析投入嚴重不足。當面對某些突發(fā)情況時，無法將事件與對方戰(zhàn)略意圖關(guān)聯(lián)，僅以事件本身和最近相關(guān)項進行分析，而近30年的情報分析實例來看，根據(jù)此類分析最初的決策一般不能取得預(yù)期效果，甚至適得其反。

第六，反情報措施使情報分析更加復(fù)雜化。

戰(zhàn)略佯動、虛假目標、身份掩護、頻率管理和地下設(shè)施構(gòu)建等欺騙、隱藏和拒止等反情報措施的使用讓情報分析難度急劇上升。大數(shù)據(jù)技術(shù)能否從多個維度降低反情報措施影響，也是情報界關(guān)注的焦點。

3 大數(shù)據(jù)和人工智能用于情報分析面臨的主要挑戰(zhàn)和所需關(guān)鍵技術(shù)

大數(shù)據(jù)技術(shù)主要由互聯(lián)網(wǎng)經(jīng)濟和商業(yè)數(shù)據(jù)分析需求推動，關(guān)鍵點就在于分析目標的各類數(shù)據(jù)要盡量全部獲取，并主要根據(jù)各類數(shù)據(jù)的相關(guān)關(guān)系對事件發(fā)展趨勢和關(guān)聯(lián)事件進行預(yù)測，如遇到刻意數(shù)據(jù)欺騙、信息隱藏造成數(shù)據(jù)量極少和必須尋找因果關(guān)系的場景，分析預(yù)測效果將急劇下降。人工智能已可以將人類已知和穩(wěn)定的行為模式完整的再現(xiàn)(如日常對話與規(guī)則事務(wù)處理)，還可以將模式一定且可選擇最優(yōu)路徑的行為模式進行窮舉，并根據(jù)算法優(yōu)選其中最合適的行為，但是醫(yī)學(xué)界和科學(xué)界依然沒有找到人類情緒產(chǎn)生的根源以及關(guān)鍵時刻“靈機一現(xiàn)”的原因，人工智能本質(zhì)上依然只是“循規(guī)蹈矩”的高級“教條主義者”。

下面簡要介紹大數(shù)據(jù)和人工智能用于情報分析面臨的主要挑戰(zhàn)。

3.1 主要挑戰(zhàn)

3.1.1大數(shù)據(jù)面臨的挑戰(zhàn)

大數(shù)據(jù)技術(shù)應(yīng)用于情報分析面臨以下三大挑戰(zhàn)：

第一大挑戰(zhàn)是情報搜集面臨的對抗性環(huán)境。即使在和平時期，搜集系統(tǒng)也面臨著目標對象的欺騙、隱藏和拒止，搜集到的數(shù)據(jù)可能只是少量零碎的片段，根本無法滿足大數(shù)據(jù)分析的樣本需求。特別是在反情報措施綜合使用的場景中，搜集到的大量數(shù)據(jù)極容易造成證據(jù)假象，即目標想讓搜集系統(tǒng)拿到的會經(jīng)常采集到，刻意隱藏的則很難獲取，最后依據(jù)判決原則生成了錯誤的情報產(chǎn)品。以信號情報系統(tǒng)偵收目標雷達參數(shù)為例，日常掃描狀態(tài)的脈沖參數(shù)容易獲得，但是作戰(zhàn)狀態(tài)的多種工作模式切換、戰(zhàn)術(shù)捷變頻圖案、組網(wǎng)配合方式從信號搜集途徑基本無法獲取，若以日常參數(shù)直接推斷作戰(zhàn)參數(shù)，在戰(zhàn)時對于平臺安全和電子對抗而言可能會帶來災(zāi)難性后果。

第二大挑戰(zhàn)是類似突變干擾等常規(guī)條件下需要被過濾的“曇花一現(xiàn)”般的數(shù)據(jù)反而是情報分析關(guān)注的重點，即“不變中的變化”和被稱為具備極高情報價值的“不易察覺的精確小數(shù)據(jù)”。這些數(shù)據(jù)往往和各種干擾噪聲相伴且不存在于同一搜集系統(tǒng)之中，需采用多種技術(shù)手段過濾各種干擾并采用多源情報協(xié)同分析手段才能找出其中的關(guān)聯(lián)，而常規(guī)大數(shù)據(jù)處理，此類數(shù)據(jù)一般會被清洗。

第三大挑戰(zhàn)是在情報分析中的“時空統(tǒng)一、數(shù)據(jù)規(guī)范”問題。目前大數(shù)據(jù)的絕大多數(shù)應(yīng)用存在于網(wǎng)絡(luò)空間，搜集系統(tǒng)則主要是互聯(lián)網(wǎng)上各種終端，本質(zhì)上屬于單一來源，時空統(tǒng)一、數(shù)據(jù)規(guī)整比較容易實現(xiàn)，如一段時間內(nèi)監(jiān)控某一區(qū)域內(nèi)某些商品的銷售量以及其他商品關(guān)聯(lián)銷售量，由此推測未來的商業(yè)趨勢。但是，情報搜集及分析系統(tǒng)由于歷史、管理和安全原因，并不完全是統(tǒng)一的標準、接口和數(shù)據(jù)管理方式，部分高價值目標對象的時敏特點又遠超商業(yè)對象，對時空統(tǒng)一的需求還更高。

綜上所述，大數(shù)據(jù)技術(shù)若要成功應(yīng)用于情報分析領(lǐng)域必須找到合適的技術(shù)和方法應(yīng)對三大挑戰(zhàn)。

3.1.2人工智能面臨的挑戰(zhàn)

人工智能應(yīng)用于情報分析領(lǐng)域面臨以下三大挑戰(zhàn)：

第一大挑戰(zhàn)是利用已知規(guī)則應(yīng)對未知規(guī)則。與下棋不同，目標對象不僅不會像棋類比賽運動員在歷次比賽中幾乎將所有行為模式暴露且受棋盤限制(國際關(guān)系場、地理環(huán)境場和戰(zhàn)場雖也受限制，但其可變維度遠超棋盤)，而且還會采用反情報措施掩蓋其行為模式和規(guī)則——棋譜可以公開，軍事行動計劃卻是絕密。在情報分析活動中，目標規(guī)律只能靠屢次行為積累進行推斷和研判，而這些規(guī)律都和各種背景密切相關(guān)(如兩國目前關(guān)系、地理空間環(huán)境和背景事件)，可以說這些規(guī)則推斷是使用已知量和推斷規(guī)則，采用“鏡像思維”或“自認透視”方法，利用線性或非線性技術(shù)手段推測未知量和未知規(guī)則，預(yù)測準確度無法判斷。

第二大挑戰(zhàn)是沒有感情的機器對抗有情感因素的人。人的思維模式受其文化、教育、宗教和信仰的影響，在不同時刻往往會做出旁人不可理解乃至自己可能事后都無法相信的舉動。在這種條件下，受太多變量影響，壓縮函數(shù)很難量化或參數(shù)化表達，無法實現(xiàn)行為模式的數(shù)學(xué)化或邏輯化，機器學(xué)習(xí)基本無法模擬人的行為狀態(tài)。而在戰(zhàn)略決策、戰(zhàn)場指揮控制以及關(guān)鍵情報分析方面，國家領(lǐng)導(dǎo)人、指揮官和高級情報官員作出判斷和完成決策是多種現(xiàn)實因素、背景因素乃至個人因素的疊加，維度遠高于目前人工智能所能處理的維度，按現(xiàn)有人工智能技術(shù)的運算能力評估，即使只具備比較關(guān)鍵的部分能力，實時性和效費比也是現(xiàn)在所無法接受的。

第三大挑戰(zhàn)是沒有足夠的利益驅(qū)動人工智能技術(shù)在情報分析領(lǐng)域的落地。人工智能由于需要不斷地學(xué)習(xí)和人工修正，投入不僅巨大而且具有持續(xù)性。目前人工智能運用比較好的領(lǐng)域是語言與信息領(lǐng)域、娛樂與游戲領(lǐng)域、股票期貨領(lǐng)域、互聯(lián)網(wǎng)商業(yè)領(lǐng)域、加工制造領(lǐng)域和工業(yè)控制領(lǐng)域。上述領(lǐng)域市場容量較大且從技術(shù)角度具備較強的邏輯連續(xù)性，技術(shù)和邏輯突變點較少。而在情報界的各方面，由于情報與反情報對抗一直存在，技術(shù)和邏輯突變點極多，且市場容量相對較小，要讓情報分析專家與人工智能技術(shù)專家花費極大的精力建設(shè)可能需要頻繁重大技術(shù)更改和邏輯更新或者持續(xù)進行各種相關(guān)性不強的學(xué)習(xí)的人工智能情報分析系統(tǒng)，其性價比將讓國家投資人謹慎行事。

綜上所述，大數(shù)據(jù)和人工智能技術(shù)要廣泛應(yīng)用于情報分析領(lǐng)域，還有一系列技術(shù)和管理上的問題需要解決，管理問題可參考其他相關(guān)文獻，下面將簡要介紹必須解決的關(guān)鍵技術(shù)[9～13]。

3.2 關(guān)鍵技術(shù)

3.2.1大數(shù)據(jù)的關(guān)鍵技術(shù)

將大數(shù)據(jù)技術(shù)應(yīng)用于情報分析領(lǐng)域，需要以下關(guān)鍵技術(shù)：

首先，需要持續(xù)提升的技術(shù)是基于數(shù)據(jù)類型和質(zhì)量的數(shù)據(jù)清洗技術(shù)?，F(xiàn)在普遍的數(shù)據(jù)清洗主要基于數(shù)據(jù)質(zhì)量，而類型相似的數(shù)據(jù)如果都質(zhì)量較好，即使同類型數(shù)據(jù)都會送入后續(xù)處理，在一定程度上加重了同類型數(shù)據(jù)的權(quán)值，造成證據(jù)假象。因此，在數(shù)據(jù)清洗方面不僅應(yīng)基于質(zhì)量，還應(yīng)基于類型和來源等其他因素，對于同類型數(shù)據(jù)采用一定算法取質(zhì)量最好的或各種加權(quán)平均值作為一種證據(jù)數(shù)據(jù)送至后端處理。

其次，是異常值搜索與處理技術(shù)?，F(xiàn)代情報分析一項關(guān)鍵工作就是在不變中尋找變化，另外，異常極可能是一種信息征候，因此，開發(fā)技術(shù)手段在海量數(shù)據(jù)中有效搜索并處理異常值，也是大數(shù)據(jù)技術(shù)應(yīng)用于情報分析的關(guān)鍵。有可能經(jīng)過處理的少數(shù)異常數(shù)據(jù)形成的情報價值權(quán)重在全源情報分析中遠超其他更多更高質(zhì)量的數(shù)據(jù)。

第三是時空基準技術(shù)在情報搜集、處理和分析系統(tǒng)中按需求并考慮效費比的分類全面應(yīng)用。時空基準技術(shù)廣泛應(yīng)用于各個領(lǐng)域，但是不考慮效費比和實用性，全部采用最高精度的基準系統(tǒng)代價太大。因此，什么樣的情報系統(tǒng)需要何種精度的時空基準需要深入研究。

第四是自適應(yīng)接口和數(shù)據(jù)轉(zhuǎn)換技術(shù)(語義網(wǎng)技術(shù))。語義網(wǎng)是以語義為基礎(chǔ)的智能接口轉(zhuǎn)換、數(shù)據(jù)格式轉(zhuǎn)換與信息翻譯網(wǎng)絡(luò)。要在情報界不同的業(yè)務(wù)部門所有情報系統(tǒng)之間做到接口數(shù)據(jù)規(guī)范完全統(tǒng)一不具備可行性，因此，如何增加相應(yīng)的接口和數(shù)據(jù)轉(zhuǎn)換硬軟件則是未來研究的重點，特別是基于人工智能的數(shù)據(jù)信息轉(zhuǎn)換技術(shù)將是發(fā)展重點，也是人工智能目前最廣泛的應(yīng)用之一。由此可見，大數(shù)據(jù)和人工智能技術(shù)協(xié)同發(fā)展、息息相關(guān)。

3.2.2人工智能的關(guān)鍵技術(shù)

人工智能技術(shù)能夠運用于情報分析的核心則在于，需努力設(shè)計其行為模式和計算推理模式能夠盡量類似于受過嚴格訓(xùn)練的情報分析專家，具備非線性推導(dǎo)能力和多源情報跨域關(guān)聯(lián)能力，而不僅僅是擁有大量資料，能夠按照既定規(guī)則快速做出統(tǒng)計分析并得出可能結(jié)果的機器“情報秘書”。

首先，值得關(guān)注的是半監(jiān)督學(xué)習(xí)技術(shù)。目前人工智能實用技術(shù)依然以監(jiān)督學(xué)習(xí)為主，如果輸入發(fā)生較大改變，除非更改監(jiān)督學(xué)習(xí)策略，不然機器則無法適應(yīng)，而非監(jiān)督學(xué)習(xí)由于以聚類為主，則不太適應(yīng)于需大量跨域關(guān)聯(lián)的情報分析。因此，如何讓機器能夠根據(jù)部分情報專業(yè)知識和數(shù)據(jù)進行半監(jiān)督學(xué)習(xí)，逐步具備在不同領(lǐng)域間像人一樣“舉一反三”的能力，將是未來研究的重點。

其次，值得大力發(fā)展的是新型人機接口(含腦機接口)技術(shù)。由于人的感情因素是機器無法真正實現(xiàn)的，近20年內(nèi)在情報界最可行的應(yīng)用模式將是“機器處理、人在回路”。因此，如何快速實現(xiàn)人機乃至腦機直接交互，特別是生物電信號與數(shù)字信號的快速轉(zhuǎn)換與交換將是科學(xué)界跨學(xué)科技術(shù)研究的熱點。

第三則是量子計算技術(shù)。目前的計算機系統(tǒng)不適合實現(xiàn)多維度多路徑并行處理，基礎(chǔ)理論不適用于情報分析領(lǐng)域計算量不大但變化較大、相互影響嚴重和非線性因素較多的場景，時效性和效費比太低。只有使用理論上就具備實時多維度處理能力的量子計算技術(shù)，才能從根本上解決目前情報界面臨的非線性多變量交互影響和多分枝預(yù)測的難題。

綜上所述，在大數(shù)據(jù)和人工智能時代的情報分析體系架構(gòu)都將發(fā)生較大的變化，“目標中心、事件驅(qū)動，全源分析、按規(guī)共享”將是其典型需求特征。下面，將對滿足上述特征的新型情報體系架構(gòu)模型進行初步探索和研究。

4 大數(shù)據(jù)和人工智能基礎(chǔ)上的新型情報分析體系架構(gòu)探索

以典型需求特征為牽引，大數(shù)據(jù)和人工智能基礎(chǔ)上的新型情報分析體系架構(gòu)應(yīng)該遵循以下五個方面的原則：

第一，以大數(shù)據(jù)和人工智能在民用和商業(yè)領(lǐng)域的技術(shù)發(fā)展為支撐，梳理情報分析流程，找到流程中改造后適應(yīng)大數(shù)據(jù)和人工智能技術(shù)運用的關(guān)鍵節(jié)點，充分集成民用和商業(yè)領(lǐng)域廣泛應(yīng)用并具備持續(xù)發(fā)展?jié)摿Φ南嚓P(guān)技術(shù)，不標新立異另起爐灶，加強軍民融合，以龐大的社會資源結(jié)合情報界特殊應(yīng)用，促進情報分析領(lǐng)域的問題解決和跨越式發(fā)展。

第二，“人工智能+人在回路”是數(shù)據(jù)化、智能化情報分析體系必須采用的基本思路，關(guān)鍵節(jié)點必須有人介入，經(jīng)驗豐富的情報專家依然是不可或缺的寶貴財富。機器可以幫助情報專家完成基于常規(guī)思維模式的情報分析，減輕情報專家的工作壓力并將更多可能性更快的展現(xiàn)在其面前，輔助情報專家生產(chǎn)關(guān)鍵情報產(chǎn)品，先進人機(腦機)接口可以幫助情報專家加快這一過程。

第三，具有較強線性度的大運算量和重復(fù)性搜集分析工作均應(yīng)該交給機器完成，只有異常點才檢出并交給人進行分析。

第四，數(shù)據(jù)搜集與共享應(yīng)打破部門界限，建立分層分級的數(shù)據(jù)管理機制。在條件允許的情況下，盡可能搜集更加全面的數(shù)據(jù)，并協(xié)調(diào)搜集策略；在授權(quán)和安全確認的情況下，可在情報流程有效期內(nèi)，向情報界其他成員共享各層數(shù)據(jù)和情報產(chǎn)品。

第五，建立搜集者、分析者、管理者和決策者聯(lián)合完成以目標為中心分布式情報分析的技術(shù)環(huán)境，利用技術(shù)手段和管理機制將利益相關(guān)方緊密聯(lián)系在一起。

根據(jù)上述設(shè)計原則，并結(jié)合情報分析理想狀態(tài)，初步考慮大數(shù)據(jù)和人工智能時代的新型情報分析技術(shù)體系架構(gòu)如圖3所示，在此架構(gòu)下情報處理全流程如圖4所示。

圖3 新型情報搜集分析技術(shù)體系架構(gòu)Fig.3 New intelligence collection and analysis architecture

圖4 以廣義目標為中心的情報處理流程Fig.4 Information processing process centered on generalized target

由圖3可以看出，構(gòu)建新型情報分析體系若要建立，需在情報界建立根據(jù)不同權(quán)限可開放、可共享、可聯(lián)合的良好生態(tài)環(huán)境。數(shù)據(jù)、接口和信息基礎(chǔ)設(shè)施的統(tǒng)一，為全源情報分析提供了必要支撐條件，大數(shù)據(jù)和人工智能將大大減輕情報生產(chǎn)所有利益相關(guān)方的工作強度，并提高情報產(chǎn)品的生產(chǎn)效率和準確性。另一方面，除數(shù)據(jù)標準、接口標準、數(shù)據(jù)轉(zhuǎn)換設(shè)備和共用信息基礎(chǔ)設(shè)施需統(tǒng)一之外，應(yīng)鼓勵各搜集系統(tǒng)、分析系統(tǒng)在頂層標準的統(tǒng)一指導(dǎo)下差異化發(fā)展，保持情報搜集和分析的多樣性，避免“群體迷失”和“證據(jù)假象”，同時，也能有效促進情報搜集和分析技術(shù)的發(fā)展。第三，本地情報處理必須保留，以滿足中心系統(tǒng)無法提供服務(wù)和信息傳輸被拒止等特殊條件下的情報保障需求。

由圖4可以看出，在該體系下情報分析流程將利益相關(guān)方全部緊密聯(lián)系在一起，增加了實時反饋過程和聯(lián)合討論環(huán)境，使需求、搜集和分析能夠同步開展、同步修正和同步完善。當出現(xiàn)如戰(zhàn)場實時情報保障等反饋速度要求較高的需求，多個階段的聯(lián)合研討可以簡化甚至裁剪，特別是戰(zhàn)術(shù)情報更多基于圖像、信號和航跡等實時比對分析，人工智能處理輔以少量人工介入可以有效完成相關(guān)任務(wù)。

5 結(jié) 論

在每個技術(shù)變革期，技術(shù)的發(fā)展總會牽引需求的轉(zhuǎn)變和工作模式的改革，由此也帶來跨代產(chǎn)品和全新服務(wù)。緊隨近10年大數(shù)據(jù)和人工智能技術(shù)的高速發(fā)展，以美國情報界為例詳細梳理在網(wǎng)絡(luò)信息時代情報分析的主要問題，本文分析了大數(shù)據(jù)和人工智能運用于情報分析面臨的挑戰(zhàn)和關(guān)鍵技術(shù)，并嘗試提出大數(shù)據(jù)和人工智能背景下的新型情報搜集分析技術(shù)體系架構(gòu)和處理流程模型，可對我國未來情報界頂層體系、相關(guān)裝備和工作流程建設(shè)起到一定的參考和借鑒作用。

：

[1] CLAUSER J,GOLDMAN J.An introduction to intelligence research and analysis[M]//Security and Professional Intelligence Education Series.New Jerse:Scarecrow Press,2008:67-74.

[2] LOWENTHAL M M. 情報:從秘密到政策[M].杜效坤,譯.北京：金城出版社,2015.

[3] CHEN H,CHIANG R H L,STOREYV C. Business intelligence and analytics:from big data to big impact[J].Society for Information Management and The Management Information Systems Research Center,2012,36(4):1165-1188.

[4] 蔣盤林.大數(shù)據(jù)通用處理平臺及其在ISR領(lǐng)域的潛在軍事應(yīng)用[J].通信對抗，2013，23(3)：1-5.

JIANG Panlin. Common big data processing platform and its potential military applications in ISR[J].Communication Countermeasures,2013，23(3)：1-5.(in Chinese)

[5] PORCHE I R I,WILSON B,JOHNSON E E,et al.The authors explore options for solving the Navy's big data challenge,considering changes across four dimensions:people,tools and technology,data and data architectures,and demand and demand management[J].Archives of Orthopaedic and Trauma Surgery,2014,122(5):291-4.

[6] 王良剛,梁德文. 外軍一體化聯(lián)合戰(zhàn)場情報、監(jiān)視與偵察系統(tǒng)的發(fā)展[J].電訊技術(shù),2004,44(2):1-6.

WANG Lianggang,LIANG Dewen. Foreign army' s integrated joint battlefield intelligence,surveillance and reconnaissance system:an overview[J].Telecommunication Engineering,2004,44(2):1-6. (in Chinese)

[7] CLARK R M. 情報分析:以目標為中心的方法[M].北京：金城出版社,2013.

[8] 唐文亞,單潔,趙震.基于改進層次分析法的美軍空基情報、監(jiān)視與偵察系統(tǒng)作戰(zhàn)能力分析[J].電子對抗,2015(5):21-26.

TANG Wenya,SHAN Jie,ZHAO Zhen. Operational capability analysis on U.S. airborne intelligence,surveillance and reconnaissance system based on improved AHP[J].Electronic Warfare,2015(5):21-26.(in Chinese)

[9] 寧克儉. 戰(zhàn)場多源情報信息仿真評估系統(tǒng)的設(shè)計與實現(xiàn)[J].電訊技術(shù),2016,56(6):612-617.

NING Kejian. Design and implementation of a battlefield multi-source intelligence information simulation and evaluation system[J].Telecommunication Engineering,2016,56(6):612-617. (in Chinese)

[10] 戴禮燦. 面向作戰(zhàn)的偵察情報數(shù)據(jù)仿真系統(tǒng)設(shè)計[J].電訊技術(shù),2017,57(7):806-812.

DAI Lican. Design of an operation-oriented reconnaissance and intelligence simulation system[J].Telecommunication Engineering,2017,57(7):806-812.(in Chinese)

[11] 馬世龍,烏尼日其其格,李小平.大數(shù)據(jù)與深度學(xué)習(xí)綜述[J].智能系統(tǒng)學(xué)報,2016,11(6):728-742.

MA Shilong,WUNIRI Qiqige,LI Xiaoping. Deep learning with big data:state of the art and development[J].CAAI Transactions on Intelligent Systems,2016,11(6):728-742. (in Chinese)

[12] 章毅,郭泉,王建勇.大數(shù)據(jù)分析的神經(jīng)網(wǎng)絡(luò)方法[J].四川大學(xué)學(xué)報(工程科學(xué)版),2017,49(1):9-18.

ZHANG Yi,GUO Quan,WANG Jianyong.Big data analysis using neural networks[J].Advanced Engineering Sciences,2017,49(1):9-18. (in Chinese)

[13] 白亮,郭金林,老松楊.基于深度認知神經(jīng)網(wǎng)絡(luò)的跨媒體情報大數(shù)據(jù)智能處理技術(shù)[J].指揮與控制學(xué)報,2016,2(4):345-349.

BAI Liang,GUO Jinlin,LAO Songyang. Cross-media intelligence processing based on deep cognition neural networks[J].Journal of Command and Control,2016,2(4):345-349. (in Chinese)