中文版 | 生成式AI正成为美军的情报参谋

在一次试验性部署中，美军太平洋某部的海军陆战队不仅利用生成式AI收集情报，更实现情报解析。日常情报工作仅为初级应用。

去年大部分时间，美国海军陆战队第15远征队的约2,500名官兵乘坐三艘舰艇游弋太平洋，在韩国、菲律宾、印度及印尼海域开展训练演习。与此同时，舰载情报部门正进行一项开创性试验：负责整理境外情报、向高层预警潜在威胁的海军陆战队员，首次使用五角大楼资助的前沿生成式AI工具执行任务。

两名军官透露，他们借助新系统分析在驻地国搜集的数千条开源情报（包括非机密文章、报告、图像、视频），处理速度远超传统人工模式。例如，克里斯汀·恩泽瑙尔上尉使用大语言模型翻译并摘要外媒新闻；威尔·洛登上尉利用AI撰写呈交指挥层的每日与每周情报简报。

"我们仍需验证信源准确性，"洛登坦言。但该部指挥官鼓励大语言模型应用，因其"能在动态局势中显著提升效率"。

此次使用的生成式AI工具由国防科技企业Vannevar Labs研发。2023年11月，该公司获得五角大楼旗下"国防创新部门"价值9900万美元的生产合同，旨在将该技术推广至更多作战单位。这家由中情局及美情报界背景人士于2019年创立的公司，与Palantir、Anduril、Scale AI共同成为美军AI转型的领跑者——转型不仅涉及无人机与自动驾驶车辆等硬件技术，更涵盖革命性软件系统重构美军数据采集、管理与解析模式。

尽管美军自2017年"Project Maven"起持续开发计算机视觉识别模型等AI工具，但生成式AI（如Vannevar开发的类人化交互工具）应用仍属前沿突破。Vannevar集成OpenAI、微软等现有大语言模型及自主开发模型，分析其自2021年建立的庞大开源情报数据库。其数据采集规模超乎想象（亦是产品核心竞争力所在）：每日在180个国家收集80种语言的TB级数据。

公司宣称可分析社交媒体账号，甚至穿透别国的网络防火墙获取稀缺信息。同时利用线下特工搜集的稀缺非机密数据，以及监测无线电波追踪非法航运的物理传感器报告。通过类ChatGPT的交互界面，Vannevar的AI模型实现即时翻译、威胁识别与舆情分析，为客户提供多维情报。

"公司核心使命是采集数据、解读书据、助力美国决策优化。"首席技术官斯科特·菲利普斯表示。

这种模式对美情报界极具吸引力。长期以来，海量数据超出人类分析极限，促成了估值超2000亿美元的帕兰泰尔公司崛起。2019年，Vannevar捕捉到大语言模型技术机遇，将AI从数据采集提升至交互式分析层次。

在太平洋部署中，Vanevar工具展现了实用价值。尽管恩泽瑙尔与洛登被要求始终人工复核AI输出，但他们表示未发现重大错误。恩泽瑙尔常用该工具跟踪外媒对其部队演习的报道，并执行情绪分析——识别文本中的情感倾向与观点导向。此类任务过往需全人工完成。

"过去纯靠手工操作——研究、翻译、编码、分析，"她回忆道，"相比使用AI，效率提升显著。"但受舰船网络信号不稳影响，AI处理图片与视频情报时偶有卡顿。

首轮测试完成后，指挥官肖恩·戴南上校在2月记者会上透露将扩展生成式AI应用规模，称此次试验仅触及"冰山一角"。这契合美军全速推进的AI转型战略。五角大楼宣布未来两年投入1亿美元专项支持生成式AI试点，除Vanevar外，微软与Palantir的涉密数据AI联合项目也获重点扶持。（注：以色列在加沙战争中运用AI筛选目标清单引发广泛争议）

学界对此不乏警示之声。AI Now研究所首席AI科学家海蒂·克拉夫曾领导AI安全审计工作，她指出军方急切采纳生成式AI忽视技术本质缺陷："大模型的不可靠性已广为人知，尤其在要求精准的安全关键领域。"

克拉夫强调即便引入人工复核机制，也难以确保捕获全部错误："人为监督并不总能有效缓解缺陷。"当AI依赖数千数据点推导结论时，"人类实际上无力核查海量中间数据以判断AI输出正确性。"

情绪分析功能尤其令其担忧，因其"属高度主观评价，仅凭文本媒介即使人类也难以准确判断"。若AI过高估计对美军的敌意或遗漏实际威胁，可能导致误判局势、不当升级风险。

菲利普斯承认公司开发专用模型评估文章亲美倾向，但MIT科技评论无法验证其性能。兰德公司高级工程师克里斯·莫顿近期测评显示，包括GPT-4在内的主流模型在识别隐蔽宣传内容方面逊于人类专家，但在其他分析任务中仍具价值。

克拉夫另指出开源情报可靠性存疑——相比侦察截获的机密情报，其更易受假信息、僵尸网络及人为操纵污染。莫顿则认为开源数据可展示非凡洞察，但承认主观分析依赖度问题是核心争议。

各方共识在于：生成式AI提供的人机交互式情报解析开创了前所未有的可及性；但效率至上的名义下，AI缺陷的可接受底线仍无定论。

参考来源：technologyreview