大数据是当今媒体和政府讨论的主题。当大数据与人工智能相结合时,它被描述为一个 "简易按钮",可以减少人类的分析负担。一些人认为这是对秩序的潜在威胁,而另一些人则认为这是在大肆炒作,却鲜有惊天动地的成果。什么是大数据,为什么它对情报界(IC)和联合军事行动的未来至关重要?

在这篇文章中,作者认为,信息革命通过大幅增加情报采集器的数量和种类,从根本上改变了情报工作。基于采集器创建了一个由分析师和机器组成的全球网络,促进了数据和信息的快速共享。这一网络也使作战人员希望更快、更切合行动需要地评估威胁和目标定位的机会。此外,它还通过在赛博领域创建新的权力和收集中心重塑了威胁环境——在这里,对手可以招募成员、策划打击,并通过在线集体利用有命令的和受启发的攻击。在当前人力和资源有限的环境下,再加上这些因素,需要制定新的战略来规划和执行情报、监视和侦察(ISR)行动,并在组织、培训和装备分析人员方面进行投资,使其具备在现代信息环境中取得成功的工具。从概念上讲,大数据是这一环境的核心,它将推动了解未来如何收集、组织和分析数据、信息和情报。

拨开迷雾——什么是大数据?

顾名思义,大数据归根结底就是收集、存储和处理大量数据和信息。情报分析师很快就会指出,收集和存储大量信息并不是什么新鲜事,几个世纪以来,这一直是情报实体的核心目的。非军事分析人员会定期对大量数据进行分类,根据数以万计的跨多个变量的案例观察结果,对复杂的问题集进行定量评估。那么,是什么让大数据变得与众不同?这个短语最早出现在 2000 年代初,当时行业分析师 Doug Laney 将大数据定义为有别于以往模式的三个主要因素,称为 "三个 V":

  • 规模性:信息时代使数据和信息的获取和存储成为可能,这些数据和信息可以在前所未有的规模上进行保存、定期访问和分析。以前用于分析的大多数数据库可包含在一个数据库(如 Microsoft Excel 数据库)中,行数从几行到几万行不等。大数据可收集数百万至数十亿个数据点。

  • 高速性:以前所未有的速度获取大量数据和信息,必须及时处理。例如,Twitter 在 2013 年每天收到 5 亿条更新(推文);每条推文构成一个信息数据点。

  • 多样性:数据和信息的格式多种多样,来源各异。

过去,需要信息的分析师或实体可以决定收集的内容和存储的方式,但如今,由于数据量大、速度快,有必要建立系统来管理和整合以各种形式获取的数据;从图像到 Twitter 或 Facebook 条目,再到对话或演讲的副本。随着对大数据认识的加深,当今许多学者在这三个维度的基础上增加了其他维度,如可变性和复杂性。在美国空军和其他机构中,在此基础上增加了第四个 "V":

  • 真实性: 大数据可访问的数据量大、速度快、种类多,其中包括大量噪音和与问题集无关的数据。这可能会造成数据分析异常,并在选择哪些数据重要以及如何分析这些数据时产生分析偏差。大数据战略必须包括保持数据 "清洁 "的流程和对大数据工作危害的分析意识。

大数据出现后,一个新词--大数据分析--开始流行。这些术语经常被交替使用,但却代表了同一事物的两个不同侧面。大数据代表了一种快速编译、存储和访问大量数据和信息的流程,这些数据和信息来源众多,结构各异。大数据分析代表的是能够将大数据转化为洞察力的工具、技术和流程--从作战环境的情报准备到威胁预警,从预测性作战空间感知到目标选择。这些洞察力反过来又影响着从战略威慑行动到近实时(NRT)战术交战等各种军事和外交行动的决策。

关于大数据潜力与炒作的争论主要源于对大数据和大数据分析的误解。大数据的“啦啦队”历来对大数据有四种令人兴奋的说法,但这些说法充其量不过是乐观的过度简化:(1)数据分析产生的结果准确无误;(2)无需抽样,因为大数据允许捕捉所有可能的数据点;(3)大数据中的高度相关性使得关于因果关系的定性辩论成为过眼云烟;以及(4)统计模型同样无关紧要,因为 "数据自己会说话"。事实上,大数据并没有消除数据收集和数据分析中的传统挑战,但它确实从根本上改变了出现问题的地点和方式。主要的挑战源于最后的说法:数据永远不会为自己说话。收集、组织和处理数据的方式决定了数据向用户传递的信息。复杂的算法执行了其中的许多功能,从而实现了大数据分析,但这些算法,即使在机器学习的帮助下,也必须由人类编程,并为回答预先指定的问题而量身定制。这意味着大数据在收集、显示和分析过程中仍会出现偏差,分析人员必须对此有清醒的认识。大数据使数据点的访问量呈指数级增长,从而有助于从更多的数据点进行更快的分析,但糟糕的大数据分析也会带来糟糕的分析。

大数据如何重塑情报

在大数据的四个 "V "中,分析人员直到最近还主要面对第一个和第三个 "V",但规模较小,更易于管理。收集的速度、国家行为者构成的威胁的相对一致性,以及按照情报学科生产线(INTs--信号情报[SIGINT]、地理空间情报[GEOINT]、图像情报[IMINT]、人类情报[HUMINT]、开放源情报[OSINT]以及测量和信号情报[MASINT])进行的分析和分割,使得能够将工作划分为独立的数据问题,由专家对其进行分块分析,并通过将各组成部分结合起来得出所有源情报答案。

信息革命对美国空军情报核心能力(收集、分析、目标定位和整合)的影响首先集中在收集方面,其次是威胁分析和目标定位分析(见图 1)。可用的收集器和传感器急剧增加,全球一体化的 ISR 实现了 NRT 利用。与此同时,作战需求也将威胁分析和目标定位分析转向 NRT,以深入对手的 OODA 循环。在资源紧张的时代,近期内几乎没有大幅增加人力的迹象,要改变情报生产以满足当今的作战需求,不太可能通过进一步革新收集或分析来实现。如今,即使在国家情报局内部,数据和信息收集的数量、速度和种类也已增长到这样一个地步:如果没有计算机程序和自动化流程的帮助,分析人员再也无法对收集到的所有信息进行充分筛选,甚至无法对其进行存储,更不用说分析了。此外,赛博时代的到来改变了从公开来源收集信息的性质,使开源分析从一种辅助分析的信息源发展成为一门真正的情报学科--OSINT--围绕着收集、分析和生产的技术、管理和法律问题。

图 1. 信息革命对收集、分析和目标定位的影响

未来的发展方向是数据管理和情报规划,以促进以问题为中心而不是以需求为中心的美国空军情报工作。工业生产模式已跟不上信息环境的发展。正如美国国家地理空间情报局局长罗伯特-卡迪罗在今年早些时候指出的那样:"如果我们试图手动利用预计在未来 20 年内将获得的商业卫星图像,我们将需要 800 万名图像分析人员。即使是现在,每天仅在一个战区使用一个传感器,我们收集到的数据就相当于三个 NFL 赛季--每场比赛。而且是高清晰度的!" 分析人员比以往任何时候都能获得更多的信息,并拥有更多的工具来收集信息以填补知识空白。让这些分析人员为指挥官提供已知信息、评估信息和未知信息,并使用正确的工具回答剩余的情报问题,是在正确的时间向正确的决策者提供正确信息的途径。在规划和执行基于效果的 ISR 战役时,必须采用与进攻性空中行动相同的灵活多变的方式。

四个 V 与情报收集

反恐战争的特点,加上信息革命对精确目标定位的创新,使美国空军的工作重心从投放弹药量转向对 ISR 收集的需求。1943年10月14日,施韦因富特(Schweinfurt)空袭纳粹德国,293架轰炸机需要3小时的情报支持,而2006年阿布-穆萨布-扎卡维(Abu Musab al-Zarqawi)空袭,15分钟的出动需要600多个小时的情报支持。精确打击需要精确情报,这就将人力负担从飞行行动转移到处理、利用和分析上,以促进打击行动。由于认识到为提高打击能力而对情报的需求不断增加,因此收集平台、传感器和带宽都在稳步大幅增加,以支持 "后送 "行动,但人力却不一定相应增加,无法在规定时间内分析大量收集的情报,为行动提供便利。与此同时,重点转向 "后方 "作战,再加上信息时代作战的优势和弱点,进一步模糊了历史上对前方和后方作战区域的划分,使这一作战环境概念对现代兵力而言成为过时的概念。

对于 GEOINT 来说,最明显的表现是对全动态视频(FMV)收集的需求激增。在过去十年的大部分时间里,美国空军的 FMV 需求量一直居高不下,而这并不是美国空军一家的事情,因为陆军、特种作战部队和伙伴国都在不断扩大其机队规模,增加遥控飞机(RPA)的出动架次,并投资带宽以满足近乎贪得无厌的需求。与 "就地部署 "状态相关的高工作量导致情报界在 2015 年前不断掏空其员工队伍,图像分析师的流失速度超过了他们接受培训的速度。此后实施的几项提高生活质量的举措减少了工时,缓解了压力,但也导致能力下降。2015 年,美国空军将 RPA 巡逻次数从 65-60 次短暂减少,以帮助飞行员、传感器操作员和情报人员队伍健康发展,但作战现实迫使军方用承包商补充现役 RPA 兵力,以满足需求。

图 2. 信息革命对美国空军目标定位的影响

在情报界之外,FMV 获得了最多的关注,但即使在 GEOINT/ IMINT 领域,它也只是为满足行动需求而爆炸性增长的情报来源之一。包括伊拉克、叙利亚和阿富汗在内的许多作战地区对多光谱图像、超光谱图像和地面移动目标指示源的需求都在持续上升。专用传感器套件为美国空军提供了前几代产品无法比拟的收集能力。然而,这些传感器套件需要培训、人员配备和时间密集型的分析质量,这使得每个传感器都是人力密集型的,使有限的图像分析人员难以处理不断增加的收集任务。

如果不借助大数据解决方案,GEOINT 传感器和收集能力的爆炸式增长会给有效分析带来另一个重大挑战。以各种图形格式收集的各种数据信息对分析人员来说是 "无法发现的",有时被称为暗数据。已开发的 GEOINT 通常有文本摘要,可通过类似谷歌图像搜索的查询进行搜索,但如果没有文本提示分析人员,相关图像可能会一直埋藏在数据档案中,无法发现。大数据算法和自动开发模板可使 NRT 中的所有图像与地理坐标绑定,与已知位置对齐,并自动归档到可搜索的分层数据库中,并随时间推移提供相关图像。虽然当前的 ISR 模式以操作为中心,需要出动新的架次来收集地理空间信息(特别是针对生命模式等问题集),但大数据分析将为未来的分析人员提供访问历史数据资料库的途径,以及快速筛选可能成千上万张图像的工具,以查看随时间推移而发生的变化并分析其意义。

对收集和分析的需求呈指数级增长的不仅仅是 GEOINT。收集平台的增加也导致了包括 SIGINT 有效载荷在内的各情报学科收集器有效载荷的增加。随着收集机会数量的增加,以及信息时代全球网络化威胁的出现,收集信号的数量、速度和种类也在不断增加,其速度往往超过我们招募和培训分析人员的能力。如果没有大数据分析的前景来帮助分析人员找到分析收集的关键部分,那么 RPA 获取的数小时视频可能数年都得不到分析;如果没有自动化工具来对数百亿字节的收集信息进行分类,那么数小时的截获通信可能得不到分析。除 SIGINT 和 GEOINT 外,MASINT 的收集和生产需求也同样呈现出蓬勃发展的态势,合成孔径雷达和相干变化探测等能力的需求量越来越大。

开源情报

也许没有什么例子比 OSINT 作为一门真正的情报学科的诞生更能说明大数据四维收集的巨大变化了。当说 OSINT 是一门新学科时,许多冷战时期的分析师会告诫说:"不,我们一直都有 OSINT,中央情报局(CIA)的开源中心就是证明。事实上,从时任中央情报局局长艾伦-杜勒斯(Allen Dulles)的一句话开始,数十年来,一条常用的经验法则就是:超过 80% 的情报分析最终都来自于开放源代码。这些都是事实,但从条令上讲,将其定性为公开来源情报更为恰当。作为一门情报学科,OSINT 与互联网和社交媒体的普及直接相关,因此需要开发新的技术来搜索和发现信息,进行监督以确保情报界遵守保护公民和信息安全的相关法律和命令,并对这一过程进行管理。如果没有大数据分析解决方案,分析人员就不可能对现有的数十亿个数据点(数量、种类和速度)进行分类,不可能识别相关和不相关的数据(真实性),不可能保障公民的权利和遵守其他适用的法律法规,也不可能发现满足客户需求的相关情报见解。

信息革命带来了一种新的在线共享文化,许多人称之为过度共享。对情报界来说,好处是通过 Twitter、Facebook、Snapchat、博客和许多甚至尚未发明的社交媒体网站,情报部门可以接触到世界各地数以千万计的被动收集者。20 世纪 90 年代,分析人员面临的前景是,在他们有时间完成情报评估周期之前,CNN 就可能进行战损评估。如今,如果一架 RPA 失去连接并坠毁,很可能在确认飞机失联之前就会在 Twitter 上被多次报道和转发。学术研究和情报分析现在依赖于情感分析,其实质是推特上 "趋势 "的一个复杂和可定制的版本,以确定人群的情绪,作为未来活动(内乱等)的潜在预测因素。

行动的时间需求

在大多数关于大数据的商业讨论中,速度主要是指获取信息的速度。对于情报行动而言,速度同样适用于作战员、指挥官和其他决策者需要情报输出以促进行动的速度。对美国来说,打击 "伊斯兰国 "的行动主要是一场以空中为中心的行动,强调有意识地和动态地瞄准目标,以孤立和削弱一个固定基础设施有限的原生态国家,并使其很容易融入人群,以防御打击。这种组合,再加上必须尽量减少附带损害的风险,只会增加对 ISR 的需求。这包括寻找目标并确定其特征,保持对潜在目标地点的监视,以及了解居民的生活模式。联军兵力航空兵指挥官小查尔斯-布朗(Charles Q. Brown Jr.)中将在 2016 年 5 月明确提出了这一点,他说:"因为它能帮助我做的就是开发目标,这样我们就能在开发这些目标的同时进行打击。我拥有的 ISR 越多,我就能将平民伤亡的风险降到最低,并继续我们的精确空袭行动"。

在这种情况下,"更多 "既指数量,也指时间,因为在动态打击中,信息发挥作用的时间极短,尤其是与机场、指挥掩体或部分通信网络等传统目标相比。FMV 的 NRT 特性及其在行动的接战/收尾阶段的关键作用使许多观察家得出结论,如今更容易实时锁定目标,但实际上这只是促进打击的情报冰山一角。联军兵力需要一个全球同步的分析人员网络,迅速融合图像、电子截获情报和线人提供的线索,提示潜在的打击目标。全球一体化的 ISR 可通过及时获取更多的收集信息为这些网络提供便利,但随之而来的是严重的真实性问题。与此同时,这一系统也引起了人权组织对平民伤亡问题的关注,以及更多传统空袭行动支持者的批评,认为即使按照近期空袭行动的标准,打击目标的总数量也是不够的。ISR 团体以及更广泛的情报界必须面对分布式作战、分析质量控制和数据集管理等复杂的管理问题,以便让 ISR 和实时行动的作战人员充分了解目标开发的进展情况。

威胁性环境

伊拉克和叙利亚伊斯兰国(ISIS)经常呼吁通过所谓的数字哈里发进行 "独狼式 "恐怖主义,这凸显了互联网对西方安全构成的挑战。在此之前,像 4chan/"匿名者 "这样的网络集体利用网络的连通性建立了信息共享的无政府社区,最终促进了在一些问题上的集体行动。美国军事情报机构历来将常规军事优势视为其任务的重点,而在信息时代,武器化叙事正迅速成为国家安全行动的重点。只有获得并有效利用大数据解决方案,才能了解信息时代的威胁环境。虽然应对这一挑战的任务最终可能会落到美国国防部等非国防部实体的肩上,但美国空军的任务要求了解和防御赛博领域。因此,美国空军情报分析师必须站在分析和发现网络领域威胁的最前沿。

过去十年的反恐和反叛乱行动使美国空军情报分析员精通于监控和评估冲突地区的恐怖网络,特别是伊拉克的基地组织和阿富汗与塔利班有关联的组织。然而,赛博集体是一个独特的挑战。赛博集体缺乏集中的指挥结构,而是主要通过在线社区规范和价值观来运作。它们的成员是开放的,没有正式的招募或保留机制,其战略规划也微乎其微。大多数赛博集体倾向于抵制任何人成为其集体的领导者或发言人;有影响力的人可能会在有限的时间内出现,但成员的开放性和多样性使得任何人都无法在不分裂集体的情况下长期出现。由于成员人数有限,意识形态单一,小型社区可能会形成较强的内部等级制度,但这也限制了大型集体的全球覆盖面和影响力。图 3 简要说明了等级制度、网络和赛博集体之间的区别。

情报集体的特点是提供了一个可以被渗透的论坛,引发独狼或狼群攻击;信息同时在集体的一个圈子内传播,发起行动--想想快闪族--几乎没有预警。与此同时,集体的无政府主义特征往往使其理由也是无政府主义的;他们的工作方式通常是反对权威人物和滥用权力,而不是积极寻求以新的主流意识形态取而代之。因此,许多通过集体招募的个人发起的独狼和狼群袭击,即使受到具有特定意识形态的组织的启发,也不一定表现出对特定意识形态立场的亲近,而只是表现出其反动性。例如,奥兰多夜总会枪手奥马尔-马特恩可能并不了解伊斯兰国、基地组织和真主党之间的区别,尽管这些组织在教派和战略上有显著区别。然而,根据赛博集体的特点,这些组织因反西方情绪和对西方秩序的无政府主义观点而在网上联系在一起。煽动混乱以报复道德错误的呼声在这种环境中传播,而具体的意识形态信息和与特定团体更正式的结盟可能不会传播。

图 3 等级制度、网络和赛博集体。

这种新的分布式组织给情报机构带来的挑战是,作为多管齐下战略的一部分,对集体进行渗透的前景,其目的是同时通过深层国家的攻击破坏对手的稳定,同时通过网络和等级组织对地方政府集中式更有组织和战略性的暴力。图 4 说明了这种混合模式的可能形式,由一个中央战略领导核心指挥多个部门的行动,包括招募、宣传、培训、直接行动、与网络的协调以及对赛博集体的在线宣传渗透。由于这些网络广泛多样,传统的网络制图是不可能实现的,因为它们的变化速度非常快,信息通过赛博集体共享的速度也非常快。要识别网络中的影响者,需要大数据解决方案来跟踪信息流量,识别哪些主题可能成为趋势,哪些信息可能在哪些领域被接受,并识别这些信息中可能预示攻击策略变化(大规模枪击、撞车和下一次威胁演变)的趋势变化。这种对敌方组织和信息的了解程度对于在作战层面及以上直接打击敌方至关重要,但对于兵力保护的战术指示和警告可能更为重要。

正如对手可以利用赛博领域通过影响力开展行动一样,他们也可以利用赛博工具挫败情报并放大其信息。其中最突出的是机器人的使用;机器人软件旨在通过社交媒体和其他在线渠道自动传播信息。这些机器人可以扭曲数据进行情感分析,通过让舆论看起来更受欢迎的波段效应左右舆论,通过赛博自动传播虚假信息,并扩大招募范围。对俄罗斯在 2016 年大选中的潜在活动的调查重点不是传统意义上的黑客攻击威胁,而是由机器人针对特定集体发布信息的社交工程。展望未来,在复杂的多领域环境中工作的分析人员必须了解赛博领域威胁的新特性。只有更好地了解大数据分析并认识到其作为工具的威力及其脆弱性,才能保持基本的态势感知,更不用说获得行动上的理解。

图 4. 被渗透的赛博集体的混合威胁

工业时代的情报模式与信息时代的模式

大数据的三个 V 及其对敌我双方的影响,使得有必要重新思考情报生产的工业模式。所有情报操作人员从基础课程开始就接受五步情报周期的培训,即规划和指导;收集;处理、利用和传播(PED);分析和制作;以及传播(PCPAD)。这种结构化和可重复的程序确保了生产步骤的清晰度,并对分析过程进行制衡。这种结构化和可重复的过程确保了生产步骤的清晰,并对分析过程进行制衡。它还包含官僚因素,特别是对美国空军情报部门这样的大型组织而言,它将 PCPAD 周期的各个步骤与不同的单位/办公室联系起来。信息时代的情报模式必须找到超越官僚模式的方法(不是取代它,而是补充它),并促进分布式企业级的数据管理,以支持满足业务需求的决策质量情报。数据科学必须被视为信息时代情报界的核心能力,传统的情报分析师必须与熟练的计算机科学家和数据管理人员携手合作,促进情报的生产。

美国空军情报工作面临的另一个挑战/机遇是情报与 ISR 的混淆。美国国防部将 ISR 定义为 "为直接支持当前和未来行动,对传感器、资产以及处理、利用和传播系统的规划和操作进行同步和整合的活动。这是一种综合的情报和行动职能"。尽管它是情报与行动的结合,但它只是整个情报周期的一个子集。如图 5 所示,任务分配是规划过程的最后部分,通过 ATO 向各单位分配需求,而收集和 PED 则反映了 PCPAD 周期的这些阶段。

图 5. 情报生产的工业模式

这种模式建立了情报分析的基础设施,在评估国家行为者方面证明是有效的,但其时间顺序的特点实际上给空军的 ISR OODA 循环带来了限制因素。ISR 规划是通过 72 小时 ATO 任务分配周期执行的,并受收集管理流程的制约,根据该流程,在执行 ATO 任务之前,指挥官对收集目标(需要成像或以其他方式收集的地点)的优先级进行排序和堆叠,并通过董事会或裁判的优先级排序流程进行排序和堆叠。随后是分析流程,美国空军的作战级分析可能需要数天时间,而国家机构的全资源制作则需要数周时间。从 ISR 的角度来看,这与美国空军的灵活性原则相悖,该原则应使 ISR 操作人员能够将 ISR 效果集结并机动到作战环境的关键点,以便在时间、空间和目的上进行整合。此外,由于 ISR 来源日益复杂,基础情报数据和信息的储备也在增加,未来制定优先情报需求、指挥官关键信息需求和其他情报收集请求的传统模式不太可能继续成为确定收集资产优先次序的有效手段。

在 2005年前后,ISR 操作人员面临的挑战是如何向客户解释:"不要申请像'捕食者'这样的资产,而要申请像 FMV 这样的能力"。如今,这个问题变得更加复杂,因为收集资源更加专业化,数量也更多,这使得 ISR 战术人员最有能力确定哪种 ISR 资源最适合填补情报缺口。增加 OSINT 等被动传感器以及对现有 HUMINT、SIGINT、GEOINT 和 MASINT 数据进行可发现的大数据分析,可以在不需要额外收集的情况下迅速解决客户感知到的问题,其可信度足以证明不重新分配资产是合理的。虽然在近期内,绝大多数资产和收集分配将继续通过这一标准流程执行任务,但必须将一部分机载 ISR 资产和分析能力专用于信息时代的替代方案,以直接影响 NRT 的空袭行动。

信息时代的替代方案是由 ISR 兵力主导的以问题为中心的情报。ISR 流程的行动输入不应是收集任务,而应是感知到的情报问题,然后 ISR 专家可将其转化为细化的 ISR 问题、情报缺口,并在联合行动计划中确定 ISR 传感器的优先级,以填补这些缺口。ISR 兵力由单一指挥官授权,拥有有机的收集需求管理和收集行动管理权限,有权为指定的作战目标制定综合 ISR 计划。这是推进美国空军中央司令部 2009 年指令的下一步,该指令将 ISR 任务类型命令(MTO)编纂为支持作战应急行动的关键。如果没有一支特定的 ISR 特遣部队,拥有 ISR 资产的所有权和分配任务的权力,那么目前的 MTO 结构更像是用于重新分配任务的 ISR 协调卡,而不是《联合出版物 3-50:人员恢复》中定义的真正的任务类型命令。

图 6 所示的这种 ISR 兵力模式将有机机载 ISR 资产的规划流程重组为以问题为中心的模式,并结合大数据分析来细化任务 ISR 问题。“情报云”由整个情报部门中的国家情报局 OSINT 数据和完整的多情报分析数据库组成,使分析人员在流程的最初阶段就能为客户的问题提供答案,同时根据对情报部门实际已知情况的深入了解来完善他们的情报问题。然后,ISR 战术人员可以匹配最佳收集平台,以填补情报空白。然后,在指挥官的授权下,ISR 特遣部队可以通过 MTO 的意图随时重新分配 ISR 行动的任务;在实践中,指定的操作员拥有传感器任务分配权。这样,就能与 PED 和融合实体合作,对收集工作进行 NRT 改进,最大限度地发挥传感器的作用。然后,ISR 兵力产品可在 NRT 中同时分发给作战客户,供其做出规划和目标选择决策,并分发给更广泛的情报部门,供其进一步分析,并最终纳入情报云,供未来利用。

如图 6 所示,要在情报分析和 ISR 任务分配中采用这种大数据解决方案,还要求美国空军情报部门在今后的人员选择上有更大的考虑。迄今为止,除了情报军官和士兵外,情报部门还接受了许多科学领域的专家。为了使大数据在未来发挥作用,美国空军情报企业必须吸纳数据科学家、计算机程序员和具有赛博领域专业知识的社会科学家,以理解我们所获取数据的性质,并有效分析赛博领域的运行环境。

图 6. 机载情报、监视和侦察兵力模型。

结论

套用一句老话,你可能对大数据不感兴趣,但大数据对你感兴趣。大数据塑造了现代信息环境,通过信息共享和访问云,大数据已经在彻底改变分析人员获取和解读数据的方式。对手利用复杂的赛博环境招募人员、影响民众,并以只有通过大数据解决方案才能发现的方式对美国利益实施攻击。收集和存储原始数据的能力不断超越处理所收集数据的能力,这意味着在庞大的信息数据库中,很可能已经有了情报客户今天提出的问题和明天将提出的问题的答案。如果没有大数据解决方案来管理不断收集的数据和信息,并迅速将其提供给 ISR 规划人员,以促进更智能、更及时的收集工作,美国空军情报部门将面临信息过载,导致决策瘫痪。在正确的时间向正确的客户提供正确的信息意味着重新思考 ISR 规划,并采用大数据解决方案来应对面临的 ISR 挑战。

成为VIP会员查看完整内容
57

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《美陆军:将人工智能融入团队认知》47页报告
专知会员服务
91+阅读 · 2023年10月26日
《探索虚拟现实在军事决策训练中的作用》万字长文
专知会员服务
37+阅读 · 2023年10月23日
《无人海事系统:西方应用现状》万字长文
专知会员服务
30+阅读 · 2023年9月22日
《人工智能在军事武器系统中的崛起》
专知会员服务
128+阅读 · 2023年3月21日
《人工智能在作战规划中的应用》北约科技组织18页论文
专知会员服务
126+阅读 · 2022年11月15日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2014年12月31日
国家自然科学基金
28+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
35+阅读 · 2013年12月31日
Arxiv
145+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
362+阅读 · 2023年3月31日
Arxiv
128+阅读 · 2023年3月24日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2014年12月31日
国家自然科学基金
28+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
35+阅读 · 2013年12月31日
微信扫码咨询专知VIP会员