《未来情报分析：美澳人工智能与人机协作项目》最新42页报告

自 2022 年末以来，人工智能（AI）技术的发展突飞猛进，特别是由大型语言模型（LLM）驱动的生成式人工智能（GenAI）聊天机器人的部署，表明人工智能有可能彻底改变国家开展情报工作的方式。鉴于私营部门和国家的大量投资，人工智能技术很有可能继续快速发展。一些专家预测，到本十年末，将看到人工通用智能（AGI）的出现--一种在学习、感知和认知灵活性方面达到或超过人类水平的人工智能。即使这一宏大目标不能完全实现，未来三年内出现的 LLM 也可能远远超过现在使用的系统的能力，它们将能够解决复杂的问题，采取行动收集和整理数据，并大规模、快速地提供有理有据的评估。

人工智能的影响可能会波及情报企业的各个层面，包括收集工作，但据评估，影响最早的领域将是所有来源的分析任务，因为人工智能能够快速处理大量数据，GenAI 能够从中产生有意义的见解。

能够有效、安全地将 GenAI 纳入其工作流程的情报机构可以在分析工作的广度和深度方面实现大幅提升，并显著加快向决策者提供重要见解的速度。如果将目前可用的 GenAI 工具集成到情报分析工作中并加以调整，那么这些工具将加快和加强分析工作流程的几个阶段，从搜索和发现新数据，到构思分析产品，再到应用分析技术和进行分类检查。

未来的系统将具备更强的能力，能够承担更多的分析工作量；首先是自主处理日常任务，如外语翻译、数据库和数据可视化，最终是更直接地应用情报分析技术来回答决策者的问题，并提供独特的增值见解。
尽管美国和澳大利亚情报社区（IC）对人工智能已非常熟悉，并已跟踪其发展多年，但它们对人工智能的部署仍持谨慎态度。他们之所以犹豫不决，是因为对现有 GenAI 系统的一些技术局限性以及如何将这些系统用于国家安全目的缺乏明确的法律和政策指导感到担忧--目前这种担忧是有根据的。此外，人们还对该技术相对于训练有素、具有深厚学科专业知识的人类分析师的附加值持怀疑态度。这导致分析管理人员禁止或严格限制 GenAI 的使用，并将 GenAI 工具的部署限制在狭窄的用途上，如文件摘要，这完全在当前 LLM 的能力范围内，但将远远落后于未来系统所能提供的功能。
他们的犹豫不决也反映了分析从业者的一种观点，即人工智能 “只是另一种软件工具”，分析师需要学习如何使用，现有的技术应用方法已经足够。然而，未来的人工智能能力将如此强大，以至于它们将改变情报分析业务，情报社区现在需要采取更紧迫的行动，为它们的到来和有效部署做好准备，特别是预计对手将成功利用这些工具的力量。

澳大利亚和美国的领导者现在就应开始为即将到来的GenAI未来奠定基础。为避免永远落后于人工智能技术发展的步伐，分析管理人员应将注意力从 GenAI 目前能做什么转移到 GenAI 在未来 3-5 年内能提供什么上，并做出合理的押注。除了敦促本国机构获取和整合人工智能相关基础设施（特别是先进的计算能力、获取尖端的商业化 GenAI 模型和算法以及安全的数据存储）之外，还为美国和澳大利亚的分析管理人员提出了以下建议：

1.设计持续改进的人工智能模型。随着 LLM 的预期指数级增长，情报社区不能只着眼于当前的技术水平，还必须预测 GenAI 在未来五年、十年或二十年的发展轨迹。他们必须在快速、安全地部署这些工具与明确确保适当整合人类分析师的专业知识和技能之间取得平衡。这将包括考虑更大的 LLM、上下文长度的扩展，以及复合系统和智能体系统等更复杂系统的进一步发展。

2.坚持分析工作流程部分自动化。管理者应全面解构分析流程的所有关键要素，着眼于利用人工智能能力缩短向决策者提供见解所需的时间，同时保持严格的质量、准确性和分析技术标准。目前存在大量冗余人力的环节，如分析审查流程，或许可以提高效率。

3.建立人机分析团队。考虑到人工智能系统日益强大，情报社区领导者应建立分析团队，有目的地融合人类和机器的相对优势。这将需要为人类负责的工作制定期望和规则，同时建立新的技术标准。

4.为分析人员创建人工智能就绪的培训和激励结构。要有效整合这些系统，需要一支做好准备并善于充分发挥这些工具潜力的员工队伍。情报社区将需要通过招聘训练有素的人才和提高现有劳动力的技能，对数字敏锐度进行投资。

美国和澳大利亚的情报社区领导人有机会在开发和负责任地部署用于情报分析的人工智能方面开展合作。潜在的合作领域包括阐明使用人工智能系统的道德和分析标准，交流人工智能测试和评估项目的结果，分享人机团队管理的最佳实践，以及在共享的高端数据云上试点使用人工智能解决离散情报分析问题。