（《指揮與控制學報》刊文精選）
引用格式 劉帥，劉亞飛，尹璐. 偵察情報領域智能化信息系統建設相關問題思考 [J]. 指揮與控制學報，2024，10（2）：250-254
LIU S, LIU Y F, YIN L. Thoughts on the construction of intelligent information system in the field of reconnaissance and intelligence[J]. Journal of Command and Control, 2024, 10（2）: 250-254
摘要
“軍事智能化”強軍主題大背景下，如何發揮智能化技術在偵察情報領域信息系統中的賦能增效作用是亟需解決的問題。結合使用需求和技術成熟度分析了人工智能技術在偵察情報領域的3個典型應用場景，即情報處理與融合、情報研判與告警分析、行動計劃擬制與優化；考慮偵察情報領域特點、人工智能技術的缺陷等因素，剖析了智能化實踐過程中可能面臨的風險與挑戰；最后從可行性、實用性出發，對智能化信息系統建設提出了建議，以期為相關論證開發工作提供思路。
隨著人工智能、 區塊鏈、 物聯網、 5G網絡、 量子通信、 云計算、 大數據等信息技術的飛速發展， 傳統的戰爭樣式正在被顛覆[1-3]。尤其以智能化為核心的作戰概念持續演進， 推動軍事領域不斷邁向新的階段， 無人化、 集群化、 自主化、 智能化將成為未來戰場的主要特征[4-5]， 制勝的機理將取決于“制智權”的角逐。因此， 各軍事強國不但將人工智能技術列為國防和軍隊建設的戰略重點， 把軍用人工智能視為“改變游戲規則”的顛覆性技術， 更是在演習演訓、 實戰檢驗方面緊前探索實踐[6-7]。美國在其“第三次抵消戰略”中， 將人工智能技術作為核心， 認為以智能化軍隊、 自主化裝備和無人化戰爭為標志的軍事變革風暴正在來臨， 加緊構成改變未來戰局的技術群， 謀求形成軍事優勢[8]。
習近平主席在十九大報告中明確指出， “加快軍事智能化發展， 提高基于網絡信息體系的聯合作戰能力、 全域作戰能力”。因此， 著眼設計智能化戰爭概念、 理論， 推進軍事智能化在我軍各領域的頂層規劃、 落地見效既是時代的召喚， 又是統帥的要求。偵察情報領域作為指揮鏈條上的重要一環， 是C4ISR系統體系的重要組成部分， 涵蓋了從數據采集、 信息處理到分發共享的各環節， 與人工智能領域有著天然的契合點。
1、偵察情報領域智能化信息系統應用場景分析
無論是指揮所還是情報處理中心， 人工智能技術在偵察情報領域的賦能增效， 要始終圍繞情報的多手段印證、 重要目標的意圖判斷與威脅評估、 偵察力量的組織協同等核心業務需求， 在具有一定成熟度的技術基礎上， 結合專業領域要求開展信息系統建設， 確保應用系統的生命力。以下按照技術成熟度和實際業務需求總結3類可行的應用場景， 如圖所示。
典型應用場景
Fig. 1 The typical application scenarios
1.1 人工智能支撐的情報處理與融合
隨著陸海空天電網多維空間偵察手段的補充完善， 情報分析人員面臨海量異構數據帶來的數據過載、 專業壁壘問題， 單純依靠人力進行情報整編， 依靠規則進行態勢融合， 已不能滿足聯合作戰情報保障需求， 尤其在智能化信息時代， 戰場的瞬息萬變對情報保障效率提出了更高要求。當前， 人工智能技術在強大的算力、 大規模數據集以及復雜模型的支撐下， 已經在一些數據密集型、 計算密集型應用場景中提供有效的解決方案。比如， 今年以來， 媒體陸續曝光我國吉林一號高分衛星對美F-22在空飛行過程、 P-8A反潛機起飛、 航母進港等動態監視畫面， 其背后就是計算機視覺技術的支撐。未來， 在統一的時空框架和標準體系下， 利用計算機視覺、 自然語言處理、 語音識別、 知識圖譜等人工智能技術， 以目標為中心統一融合數據流、 文本、 語音、 視頻、 圖像等多模態情報數據， 以事件或任務為中心靈活組織各類主題數據， 將成為現實而緊迫的需求， 也將構成態勢“一張圖”基礎條件。為情析人員及時準確研判提供便捷高效的資源檢索入口， 完成各類情報源的有效聚能。
1.2 人工智能輔助的情報研判與告警分析
情報研判與告警分析是結合當前戰場態勢與歷史規律， 對未來戰場走勢和敵作戰意圖進行識別與預判， 形成支撐作戰決策的意見建議。需要綜合計算機固化存儲的知識、 人類經驗知識以及人類直覺等， 屬于知識密集型任務， 短期內難以完全依托人工智能技術實現。可借助人機結合的方式， 通過人工智能技術實現情報知識的高效獲取與處理， 大幅減少情析人員的工作量：對于文字類情報， 可利用信息抽取、 文本分類等自然語言處理技術快速獲取文本的關鍵信息， 經人工校核后建立可靠的、 語義高度一致的知識網絡或知識圖譜， 結合領域專家知識、 常識類知識， 通過高置信度的推理引擎實現情報的關聯關系發現及推理[9]， 自動完成數據沖突檢測告警、 報文主題告警等功能；對于實時目標類數據， 利用專家領域知識、 機器學習技術、 仿真模型等從多源數據中提取出關聯信息， 結合目標歷史軌跡和能力數據， 建立目標的行為模型， 開展活動異常發現、 自動分群、 意圖判斷等任務， 最終在情析人員干預下， 實現目標威脅評估與告警；對于生成的情報研判結論和告警信息， 自動化推送至相關用戶、 關聯到系統平臺、 匹配出情況應對預案， 最終完成情報的強力釋能。
1.3 人工智能增效的偵察行動計劃擬制與優化
偵察行動是組織情報生產活動的基礎。傳統的“以人為中心”的偵察行動計劃擬制與修訂流程， 對于未來智能化信息化戰爭而言， 將顯得低效、 繁瑣， 難以適應快變的、 充滿博弈對抗的戰場節奏， 會嚴重制約戰爭中觀察-判斷-決策-行動（observe-orient-decide-act， OODA）環的高速運行。而基于人工智能技術的智能情報參謀將可緩解此矛盾。一是提高行動計劃的擬制效率， 包括按照真實參謀人員需求快速提供各類數據資源以及數據轉換功能， 提供友好的人機界面接收參謀人員指令， 自動糾正參謀人員語法語義錯誤， 及時獲取偵察手段資源狀態， 自動消解資源調度沖突等；二是實現行動計劃的圖文轉化， 利用語義一致的知識庫做支撐， 通過計算機視覺、 自然語言處理等技術， 實現將行動計劃文書自動轉化為軍事標圖， 或基于軍事標圖自動生成行動計劃文書， 并可根據行動計劃文書、 軍事標圖生成行動控制指令供指揮及參謀人員選用；三是增強行動計劃迭代完善的自動化水平， 根據參謀人員指示或當前戰場態勢智能匹配計劃庫中已有計劃， 能夠在計劃執行過程中檢測各類資源變化情況， 并針對性提供修改建議。
2、偵察情報領域智能化面臨的風險與挑戰
2.1 情析人員自身與所用技術工具的不確定性可能產生差異疊加放大效應
報產品生產通常帶有情報業務人員的個人色彩， 受限于個人的專業領域、 知識儲備、 工作經歷及 對選情原則的把握程度不同， 這甚至身心狀態不同都會對情報產品質量產生一定影響， 構成了情報業務人員自身的不確定性因素。而人工智能所依賴的標注數據通常是清洗整理后的樣本數據， 不能充分覆蓋實際業務場景的所有數據類型和取值空間， 比如日常戰備、 演習演訓收集的數據與實際作戰情況下的數據會有較大差異， 一些數據指標的量化取值差異等， 構成了數據層面的不確定性。無論是統計學習模型還是深度學習模型， 都需要概率論的支撐， 都不同程度受樣本數據、 模型復雜度、 訓練迭代次數和調參方法等因素影響， 構成了模型算法層面的不確定性。當這些不確定性在“數據-模型-人員”的作用鏈中傳播時， 誤差或錯誤會進一步放大， 產生錯情漏情等情況。
2.2 情報數據多源異構、 質量數量參差不齊增加了人工智能技術路線選型難度
偵察情報領域的數據有著典型的多源異構特性。從時間維度上， 涵蓋了準靜態的基礎數據、 實時的海空目標運動數據以及動態的文字報文數據等；從數據格式上， 有存儲于關系型數據庫中的格式化數據， 有以txt、 word、 PDF等形式存在于文檔中， 以圖像、 視頻等形式存在的非格式化數據；從數據質量上， 匯集自各手段的不同數據因渠道、 業務人員素質、 情報產品要求等的不同， 客觀上造成了數據屬性不對齊、 取值有沖突、 描述不一致等現象；從類別體量上， 有的類別數據可達到TB、 PB字節規模， 有的總量則以M字節計， 有的甚至處于空白。這種數據自身的時空尺度不一、 樣本不均衡、 小樣本等特征， 使得嚴重依賴于訓練數據的人工智能模型算法難以直接應用， 會面臨冷啟動等現實困難， 將構成技術選型的重要影響因素。
2.3 人工智能系統計算結果缺乏可解釋性會影響研判結論的可信度
軍事情報活動的本質是消除或減輕“戰爭迷霧”的影響， 為指揮員決策提供可靠支撐， 需要情報分析人員在大量信息缺失情況下， 付諸復雜的知識加工活動。當前， 以深度神經網絡為代表的新一代人工智能技術雖然在部分領域取得了成功應用， 但也因其“黑箱”式運行機理飽受詬病[10-13]。軍事情報活動的強對抗性、 不確定性結合這類“黑箱”模型特點， 將加劇情報研判結論的不確定性、 不可信度。因此， 以“算法+算力+數據”為支撐的人工智能技術， 要在軍事情報領域推廣使用， 需要向“算法+算力+數據+知識”的第三代人工智能持續改進[14]。
2.4 開源情報價值的體現將受人工智能技術成熟度的制約
開源情報涵蓋了軍事科技新聞報道、 社交媒體、 期刊/會議文獻、 研究報告、 發明專利以及機構開放數據等， 包含了大量信息， 作為秘密情報的重要補充手段， 其重要意義已經是各國共識[15]。2017年， 美戰略情報官在《由木見林：開源情報對于美國海軍的價值》中分析了美國開源情報發展歷程及趨勢， 指出開源情報將對美軍未來作戰能力產生重大影響。我軍對開源情報亦高度重視， 在應急處突、 搶險救災、 國際維和等非戰爭軍事行動中進行了有益探索， 但仍有較大提升空間。如何有效、 安全地打開開源情報的“潘多拉魔盒”， 根據情報人員特定需求， 從大量數據噪聲中甄別有價值情報信息， 從數據海洋中挖掘發現征候規律， 將對大數據、 人工智能技術成熟度提出挑戰。
3、偵察情報領域智能化信息系統建設有關建議
3.1 遵循人機協同路線
情報生產活動既需要信息系統的計算、 存儲能力， 提供數據采集、 傳輸、 處理等輔助支撐， 更需要發揮人類在常識、 直覺、 知識綜合運用等認知層面的優勢。因此， 智能化信息系統將是人與機器高度鉸鏈、 互相配合的開放式系統。要求情報從業人員要具備情報專業知識和情況處置技能， 也要具備一定的信息化、 智能化素養， 以及時甄別錯誤、 降低風險， 避免盲目依賴模型算法；要求信息系統能夠提供友好的人機界面， 強大的知識表示和語義理解能力， 助力情析人員克服信息過載、 專業壁壘問題。
3.2 做好數據標注積累
數據是人工智能技術的基礎， 數據的質量直接影響著應用的效果[16]。偵察情報領域專業數據量大， 但數據的真實性、 準確性、 規范性參差不齊， 人工智能應用亟需的標注數據更是匱乏。因此， 要盡早制定規范的標注體系， 避免重復建設， 防止出現數據煙囪、 語義孤島， 以降低后期實體鏈接、 語義消歧、 知識融合等知識處理的成本；要建立術語辭典、 情報百科， 規范日常行文用語， 增強用語的語義一致性；要構建友好便捷的標注平臺， 便于普及和推廣建設， 減少人工作業成本；要持續更新標注數據集， 對數據集開展持續的質量評價和獎勵機制， 確保數據集的新鮮、 高質量和全覆蓋。
3.3 注重技術落地效果
以深度學習模型為代表的人工智能技術， 在安防、 生活服務、 金融風控等領域得到了有效應用， 在學術界更是受到廣泛關注， 有力推動了其發展進步， 但模型臃腫、 泛化能力弱、 可遷移性差的缺點也很明顯， 尤其在面對小樣本、 樣本不均衡、 冷啟動問題時尤為突出。就軍事情報領域， 應該避免過度追求新概念、 新技術， 而是要從實際業務需求、 基礎條件、 技術成熟度等綜合考慮， 以打牢基礎、 落地見效、 解決實際問題為基本準則， 循序漸進， 適當前瞻探索新技術的應用。從實踐來看， 基于規則、 基于模板的方法在系統建設初期可以發揮較好作用。待樣本規模到一定程度后， 引入統計機器學習、 神經網絡等方法， 結合專家知識庫可起到提質增效的效果。
3.4 優化成果共享形式
偵察情報成果的分發共享要滿足可靠性、 實時性和復雜性需求[17]。亟需改進現有情報產品點對點式的共享方式， 堅持組件化、 服務化、 網絡化建設思路， 形成分級分類、 不同主題、 不同格式的情報產品倉庫， 用戶根據自身需求和權限拉取或訂閱產品數據， 同時， 可以基于崗位職責、 行為記錄、 瀏覽歷史等建成用戶畫像， 利用人工智能技術自動推薦相關情報產品， 最終實現情報的按需保障、 靠前保障、 精細保障；完善情報共享技術機制， 將各單位積累的用戶字典、 熟語料、 預訓練模型、 規則庫、 分布式表示向量等數字成果共享， 實現優勢互補；豐富現有情報產品推送內容， 可借鑒語義網的概念， 利用人機結合的方式， 在通報文本基礎上， 增加通報的數據標注項， 實現內容層面通報情況， 技術層面流通數據， 達成系統之間互操作。
3.5 具備智能靈活接口
偵察情報信息系統縱向上是打通各類偵察情報監視裝備到裝備體系運用的紐帶中樞， 橫向上是服務于作戰、 服務于指揮決策的能力提供方。在聯合作戰背景下， 全域情報的需求呈現由指揮所外溢到戰術單元、 武器裝備的新特點。因此， 信息系統要具備能夠泛在接入多信源、 自動識別多協議、 開放支持多任務、 靈活嵌入多平臺的能力， 從體系架構、 技術路線、 應用形態上消除軍種、 領域、 手段、 平臺等因素的制約和影響。
3.6 完善保底措施建設
智能化應用有效縮短了OODA環周期的同時， 對網絡、 設備、 數據依賴性更高。強對抗條件下， 設備性能、 系統功能降級不可避免。因此， 在建設信息系統的同時要預想去智能化、 數據欺騙等最壞情況， 將網絡對抗作為重要考慮因素， 充分吸收借鑒大型互聯網企業的成熟解決方案， 從數據交換、 模塊接口再到模型開發直至系統集成， 都要具備足夠的彈性和敏捷性， 具備安全隱患的主動識別能力， 充分做好運行測試、 保活備份， 防止出現“多米諾骨牌”式退化、 崩潰。
4、結論
軍事智能化已經成為強軍路上的時代主題， 偵察情報領域無論在數據積累、 條件基礎上， 還是在應用場景、 任務牽引上都有著先天的優勢， 為人工智能技術的賦能增效提供了平臺。但也必須清醒地認識到， 軍事情報領域充斥著斗爭與對抗， 要始終尊重“戰爭迷霧”的存在， 相對于民用開放領域也更加嚴肅敏感， 在推進智能化信息系統建設的同時， 要以實際需求為導向， 不能為智能而智能、 本末倒置。
References
[1] 王飛躍, 袁勇, 王帥, 等. 軍事區塊鏈: 從不對稱的戰爭到對稱的和平 [J]. 指揮與控制學報, 2018, 4（3）: 176-182.
WANG F Y, YUAN Y, WANG S, et al. Military blockchain: from asymmetric war to symmetric peace[J]. Journal of Command and Control, 2018, 4（3）: 176-182. （in Chinese）
[2] 王彬, 李海巖, 王玉林. 未來空天領域中的人工智能技術展望 [J]. 指揮與控制學報, 2020, 6（4）: 349-355.
WANG B, LI H Y, WANG Y L. Prospect of artificial intelligence technology in the future aerospace field[J]. Journal of Command and Control, 2020, 6（4）: 349-355. （in Chinese）
[3] 陳赤聯, 唐政, 胡軍鋒, 等. 數據鏈 2.0: 智能化戰爭的制勝利器 [J]. 指揮與控制學報, 2020, 6（1）: 5-12.
CHEN C L, TANG Z, HU J F, et al. Data Link 2.0: the victory maker of intelligent war[J].Journal of Command and Control, 2020, 6（1）: 5-12. （in Chinese）
[4] 劉嵩, 王學智. 新時代軍事智能化發展的幾點思考 [J]. 國防科技, 2018, 39（3）: 15-18.
LIU S, WANG X Z. Some thoughts on the development of military intelligence in the new era[J]. National Defense Science and Technology, 2018, 39（3）: 15-18. （in Chinese）
[5] 楊健, 柏祥華. 美軍人工智能技術動態研究 [J]. 航天電子對抗, 2020, 36（2）: 8-12.
YANG J, BAI X H. Dynamic research on artificial intelligence technology of US army[J]. Aerospace Electronic Countermeasures, 2020, 36（2）: 8-12. （in Chinese）
[6] 胡薈, 吳振齊. 人工智能技術在美國軍事情報工作中的當前應用及發展趨勢探析 [J]. 國防科技, 2020, 41（4）: 15-20.
HU H, WU Z Q. Current application and development trend of artificial intelligence technology in U.S. military intelligence work[J]. Defense Science and Technology, 2020, 41（321）: 15-20. （in Chinese）
[7] 曾子林. 美軍推進人工智能軍事應用的舉措, 挑戰及啟示 [J]. 國防科技, 2020, 41（4）: 106-110.
ZENG Z L. Measures, challenges and enlightenments of the U.S. army to promote the military application of artificial intelligence[J]. National Defense Science and Technology, 2020, 41（4）: 106-110. （in Chinese）
[8] 陶九陽, 吳琳, 胡曉峰. AlphaGo技術原理分析及人工智能軍事應用展望 [J]. 指揮與控制學報, 2016, 2（2）: 114-120.
TAO J Y, WU L, HU X F. Analysis of alphago technology principle and prospect of AI military application[J]. Journal of Command and Control, 2016, 2 （2）: 114-120. （in Chinese）
[9] 朱玥, 劉揚, 戴煒. 人工智能在軍事國防領域應用分析 [J]. 互聯網天地, 2019, 12: 34-37.
ZHU Y, LIU Y, DAI W. Application analysis of artificial intelligence in military and national defense[J]. Internet World, 2019, 12: 34-37. （in Chinese）
[10] 張鈸. 人工智能進入后深度學習時代 [J]. 智能科學與技術學報, 2019, 1（1）: 4-6.
ZHANG B. Artificial intelligence enters the post-deep learning era[J]. Journal of Intelligent Science and Technology, 2019, 1（1）: 4-6. （in Chinese）
[11] 王天堯, 吳素彬. 邁向智能化的美國軍事情報工作發展研究 [J]. 情報雜志, 2020, 39（3）: 1-8.
WANG T Y, WU S B. Research on the development of US military intelligence towards intelligence[J]. Intelligence Journal, 2020, 39（3）: 1-8. （in Chinese）
[12] 何華燦. 重新找回人工智能的可解釋性 [J]. 智能系統學報, 2019, 14（3）: 393-412.
HE H C. Rediscovering the interpretability of artificial intelligence[J]. Journal of Intelligent Systems, 2019, 14 （3）: 393-412. （in Chinese）
[13] 張鈸,朱軍, 蘇航. 邁向第三代人工智能 [J]. 中國科學:信息科學, 2020, 50（9）: 7-28.
ZHANG B, ZHU J, SU H. Towards the third generation of artificial intelligence[J]. Science in China: Information Science, 2020, 50（9）: 7-28. （in Chinese）
[14] 栗琳, 孫敏. 數據智能技術驅動的情報全流程變革及發展 [J]. 情報理論與實踐, 2020, 43（10）:7-12.
LI L, SUN M. The change and development of the whole process of intelligence driven by data intelligence technology[J]. Intelligence Theory and Practice, 2020, 43（10）: 7-12. （in Chinese）
[15] 陳奇偉, 代科學, 計宏亮, 等. 關于聯合情報體系建設的幾點認識 [J]. 中國電子科學研究院學報, 2015, 10（1）: 1-5.
CHEN Q W, DAI K X, JI H L, et al. Some opinions on the construction of joint intelligence system[J]. Journal of China Academy of Electronic Sciences, 2015, 10 （1）: 1-5. （in Chinese）
[16] 李永波. 基于數據挖掘的軍事情報分析系統研究 [D]. 重慶: 重慶大學, 2005.
LI Y B. Research on military intelligence analysis system based on data mining[D]. Chongqing: Chongqing University, 2005. （in Chinese）
[17] 胡曉峰, 榮明. 智能化作戰研究值得關注的幾個問題 [J]. 指揮與控制學報, 2018, 4（3）: 195-200.
HU X F, RONG M. Several issues worthy of attention in intelligent combat research[J]. Journal of Command and Control, 2018, 4 （3）: 195-200. （in Chinese）
