摘要

不确定性是混合冲突的一个核心概念。许多混合冲突是隐蔽的、可否认的，并在正常的国家间关系和武装冲突之间的灰色地带进行。此外，混合冲突的信号可能来自于在很长一段时间内收集的大量公开和秘密来源，并且具有不同程度的可靠性。这些因素加在一起，对混合冲突的决策构成了重大挑战。处理高层次的不确定性要求在情报分析和评估方面有创新的解决方案。在这方面，一个有希望的方法是对不确定性的明确估计。在这项研究中，我们借鉴了统计学、情报分析和人工智能的知识，提出了一种新的方法，并为量化和系统地估计不确定性开发了一个统计模型。该模型考虑了情报分析中不确定性的几个重要因素：来源可靠性、信息可信度、概率语言和及时性。我们使用标记的和模拟的数据测试了我们的方法，并讨论了使用人工智能和数据科学实现这一过程自动化的机会和挑战。通过这样做，这项研究向智能分析工具迈出了一步，以减轻混合冲突决策中的不确定性挑战。

引言

不确定性是情报分析中的一个基本概念。几乎所有的情报评估都应该用不确定性来表达。这是因为评估要么试图从不完整的或往往是模糊的数据中做出推断，要么试图预测未来的事件（Mandel & Irwin, 2020）。混合冲突的几个特点1增加了情报分析和评估的不确定性。许多混合冲突是隐蔽的、可否认的，并在正常的国家与国家之间的关系和武装冲突之间的灰色地带进行，导致新出现的威胁的信号很弱，而且往往不完整（Monaghan, Cullen & Wegge, 2019）。此外，混合冲突的信号可能来自于长期收集的大量公开和秘密来源，并具有不同的可靠性。这些问题因日益数字化而被放大，数字化导致了公开来源信息的爆炸性增长，而这些信息越来越容易被误传或假传（Treverton, 2021）。

混合冲突的这些特点给情报分析人员带来了一些挑战：不确定性增加、模糊性、不可捉摸性、低于检测阈值的活动、信息过载和数字来源的爆炸（Cullen，2018）。这些挑战反过来又加剧了情报界对不确定性的系统和定量估计的呼吁。在混合冲突的情报分析中，需要创新方法来处理这些前所未有的不确定性和模糊性。这反过来将支持决策者制定应对复杂的混合威胁的政策。这些呼吁得到了实证研究的响应，实证研究显示有可能减少分析偏差，改善合作，促进分析透明度，并为实现（半）自动化的情报分析过程铺平道路（TR-SAS-114，2020）。

尽管各国情报组织之间存在定性标准，并且已经提出了改进不确定性估计的方法，但据我们所知，没有任何情报组织采用系统的不确定性估计方法（Friedman & Zeckhauser, 2012）。换句话说，不确定性的估计或多或少地隐含在 "分析者的头脑中"。此外，不确定性最常以定性方式（如 "极有可能"）而非定量方式（如 "75%可能"）来表达。尽管对不确定性的量化存在一些不情愿的态度--担心涉及到对 "最佳估计 "的判断的虚幻的具体感（有 "硬数字"）--数值有可能缓解语言障碍，解决不确定性词汇中的语义差异，并鼓励分析者的责任感（Dhami & Mandel, 2020）。

这项研究试图解决这些差距，并提出一种系统地、定量地估计和表达不确定性的方法。这项工作的新颖之处在于，它提出并测试了一种从情报报告本身提取不确定性信息的方法，而不是严重依赖分析员的判断（例如，Lesot, Pichon & Delavallade, 2013；Schum & Morris, 2007）。因此，我们的方法也旨在对不确定性进行更客观和可重复的估计。另一个主要贡献是，我们考虑了这个过程自动化的步骤、机会和挑战（使用数据科学和人工智能的技术）。毕竟，系统地手工估计不确定性将极大地增加分析者的工作量。通过这样做，这项工作向更快、更系统、更客观的不确定性判断迈出了一步，减轻了混合冲突中决策支持的挑战。

成为VIP会员查看完整内容