智能技术在国防科技情报研究流程的应用分析

李晓松，王鑫运，彭欣然，雷 帅

(军事科学院军事科学信息研究中心，北京 100142)

0 引 言

1956年麦卡锡首次提出“人工智能”的概念，经过60多年发展，智能技术突飞猛进，不仅带来了技术变革，还在全社会引起了一场以“智能化”为主要特征的行业大革命。随着国防科技发展环境的日益复杂，以及科技活动越加丰富多样，传统国防科技情报研究已经无法满足实践发展的新要求和新挑战，很难真正达到精细化、快速化和细粒化的目标。未来智能技术将全面渗透到国防科技情报研究需求分析、数据挖掘、综合研判和服务反馈等各个环节，有效克服人类在脑容量、专业知识、计算效率等方面的局限，有效提升需求的理解度、数据采集广度深度、数据处理质量效率、综合研判智慧化程度，以及情报服务精准度，形成智能化研究范式，达到科技情报数据来源的多源化、分析研判的深度化、解决方案的精准化、产品服务高效化。为此，亟需开展智能技术在国防科技情报研究流程的应用分析，深入理解智能技术在国防科技情报研究流程中的主要作用方式和可能带来的效果，为科学推进国防科技情报研究智能化发展奠定基础。

1 基本认识

国防科技情报研究，是根据国防科技战略管理用户特定需求，围绕国防科技发展全局性或某一领域关键性问题，开展全面综合深入的情报搜集与分析研判，为国防科技战略管理、战略决策与规划计划制定提供支撑[1]。智能技术，是指模拟实现人的抽象思维和智能行为的技术，通常包括机器学习、语言识别、图像识别、自然语言处理、人机交互等[2]。智能技术是国防科技情报研究从信息化向数字化网络化智能化发展的催化剂，能够有力支撑以创新为核心要义的情报研究工作，将成为引领情报研究工作发展的新引擎，能够更好地服务于国防科技创新，以及国防科技战略管理与决策。文献[3]从业务模式、数据资源、技术手段、协同应用等角度阐述了构建数据密集型科技情报范式的构想。文献[4]提出了“智能科学家”理念，构想了科技信息驱动下的辅助科研创新、协助科研创新和自主科研创新等三个阶段。文献[5]分析了军事情报领域协同过滤推荐、基于内容的推荐和组合推荐等3种智能推荐算法。文献[6]提出美国情报领域的情报人员与智能技术的“人机关系”，以及智能技术在情报领域发展困境。文献[7]提出数据和知识双轮驱动是未来智能情报分析发展重要方向。文献[8-9]分析了智能技术在情报研究领域应用方式。文献[10]提出了军事科技信息智能技术体系，包括数据自动标注、知识自动构建、脉络自动综述、态势自动研判等核心关键技术。文献[11]提出了国防科技信息大数据开发利用的关键技术问题。

随着深度学习算法的突破、计算能力的大幅提升，以及数据量爆发式增长等，智能技术发展迎来了第三次发展浪潮，也为国防科技情报研究变革提供了重要战略机遇。通过智能技术能够全面获取、自动挖掘和有效分析数量巨大、种类多样、实时动态、高价值的国防科技情报数据，更加深入地了解和认识国防科技情报的本质规律，得到更加科学、更加可信、更加实用的国防科技情报研究结论。当然，智能技术无论如何发展，也不可能代替人的智慧和独特技术。因此，国防科技情报研究，可以说是人类智慧与智能技术深度融合、全面协同、迭代发展和不断强化的过程。基于此，本文认为智能技术在国防科技情报研究流程的应用，是指在国防科技情报研究过程中利用计算机模拟人的思维，采取人机协同方式，完成部分原本需要专家智慧才可能完成的研究工作，显著缩短国防科技情报研究流程，提升研究效果。

2 总体思路

借鉴文献[12]提出的“收集信息—揭示信息—综合研判—形成方案”方法和文献[13]提出的“机理分析—影响分析—政策分析—形成方案”逻辑层次法等理论方法。本文提出了国防科技情报研究流程，即“需求分析—数据挖掘—综合研判—服务反馈”(Requirements Data Judge Feedback，RDJF)循环[1]。当然，国防科技情报研究工作是兼具技术性和艺术性的高级脑力劳动，是专家经验和智慧的大集成，现在或将来智能技术也不可能完全替代人的情报价值判断、复杂逻辑推理和创造性。因此，智能技术在国防科技情报研究不同阶段作用方式有所不同，如图1所示。

图1 智能技术在国防科技情报研究流程应用示意图

1)需求分析阶段，具有创新性较强、可学习数据较少、重复性较低、主观性较强等特点。该阶段主要采取“人为主、技术为辅”方式，智能技术主要完成“增能”作用。

2)数据挖掘阶段，具有数据量大、规律性强、可学习样本较多、标准化程度较高等特点。该阶段主要采取“技术为主、人为辅”方式，智能技术主要完成“释能”作用。

3)综合研判阶段，不仅需要经验，更需要创新思维。该阶段主要采取“人机结合”方式，智能技术主要完成“赋能”作用。

4)服务反馈阶段，具有标准化程度较高、服务对象明确、规则较为简单等特点。该阶段主要采取“技术主导”方式，智能技术主要完成“全能”作用。

3 详细分析

3.1 智能技术在需求分析阶段应用方式

需求分析是国防科技情报研究工作“指挥棒”，是提高情报研究成果质量效益核心关键。当前，国防科技信息研究需求分析主要采取问卷调查、专家访谈、动态跟踪等以人为主的方式。随着用户行为感知、深度学习等智能技术快速发展，需求分析逐步向泛化、嵌入化和精准化转变。需求分析主要包括自上而下用户需求感知和自下而上需求挖掘等两个方面。

3.1.1用户需求感知

在用户需求感知方面，通过智能技术，学习用户行为和情感，建立用户画像，掌握用户偏好，能够有效协助研究人员快速获取用户的国防科技情报研究需求。如，中国银行的智慧金融服务机器人能够在与客户交流中挖掘用户的喜好与需求，以此为牵引介绍最新的营销业务，实现了目达耳通的效果。

3.1.2潜在需求挖掘

在挖掘识别潜在需求方面，通过智能技术，自动跟踪国外科技发展动态，自主发现、挖掘和识别“专家”无法感知的研究需求。如，大型互联网平台利用智能技术，通过用户浏览、检索和购买等行为，分析培养用户喜好和兴趣，挖掘引导用户产生新的需求。

3.2 智能技术在数据挖掘阶段应用方式

国防科技情报研究数据挖掘阶段主要包括数据采集和数据处理等工作。

3.2.1数据采集

国防科技情报研究数据采集，是指根据情报研究问题，广泛收集国防科技数据资源，为综合研判提供必要和可靠素材。据统计，有80%的情报是通过发掘公开资料获得。当前，数据采集主要通过研究人员根据问题采取信息搜索方式或特殊途径，获取数据资源。在智能时代，通过深度爬虫、事件跟踪等智能技术，让机器自动学习研究问题的主题和内容，能够深度获取不同来源、不同语种的文献、动态新闻、数据库等数据资源以及事件线索数据，显著提升数据采集质量效果。

1)在数据爬取方面，智能技术不仅能够实现基于主题和语义的开源数据快速爬取，还能实现源头数据深度穿透和访问。如，2018年兰德公司发布《第二代开源情报》，提出美在获取传统开源信息基础上，加强了灰色文献、社交媒体等渠道的数据抓取工作。美陆军通过智能技术扫描了40多个国家66种语言的社交网络，获取政治、经济、军事等领域开源信息。美国国防部高级研究计划局(DARPA)，开展了“主题探测与追踪”项目，在不需要人工干预的情况下，让计算机在新闻信息流中自动获取新闻主题及其发展趋势。DARPA的“暗网搜索引擎”项目，提供了互联网信息的智能化网络检索和抓取工具。

2)在事件跟踪方面，智能技术能够实现基于信息检索的跟踪、基于规则的跟踪、基于事件触发的跟踪等。如，美国防部“技术监视和地平线扫描”项目，通过专利、大学学报、研究性杂志等数据，有效跟踪研发初期的新技术。其中，“技术监视”通过跟踪高频的关键技术术语，获取了技术应用的领域和方向。

3.2.2数据处理

国防科技情报研究数据处理，是指在分析评估已采集情报数据基础上，开展数据加工处理，得到可用、可信、可参考的高质量信息。当前，大数据技术能够获取更加海量数据，但数据噪音也增加了数据处理效率。运用智能技术，通过学习以往高价值情报数据生成规则和内在联系，针对情报研究问题，对海量数据进行聚类分析、关联分析和规则研判等，从多个维度自动评估数据价值，并对数据进行标准化处理和关键要素提取。

1)在多源异构数据融合方面，智能技术能够对多个信息源数据进行组合或综合处理，共同揭示研究对象特征，得到比单一数据源更精确、更可靠的信息。如，DARPA的“洞察”项目，具有开放性、规模化以及即插即用等特征，可以快速整合已收集到的多源异构情报数据。DARPA的“自动知识获取”项目，利用语义识别和机器学习技术自动整合不同来源的数据，使机器在不需要人工干预的情况下执行数据融合集成工作。

2)在数据整编方面，智能技术能够实现获取数据的自动分类、标注、加工和处理。如，美国情报高级研究计划局(IARPA)的“科技论述中的预测和理解”项目，可以获取和整编大规模、多学科、不断增长、有噪音且多语种的科技文献，以及实时数据。DARPA的“文本深度发掘与过滤”项目，通过深度学习技术，帮助情报研究人员快速处理大量文本和语音数据，了解“人物、时间、地点、事由”等关键信息，并解读模糊说法或暗示。

3)在数据抽取方面，智能技术能够高质量完成数据关键要素提取、摘要自动归纳和知识提炼等工作。DARPA“自动化科学知识提取”项目，可以快速汇总多个复杂系统的科学数据，并自动识别新的数据和资源。谷歌运用智能技术实现了学术、故事、电子邮件、专利等不同文本数据摘要的自动归纳，且流畅性和连贯性达到了较高水平。美军“从数据到决策”项目能够从数据中高效地提炼出“知识”。美国防部“算法战跨职能小组”实施的“Maven”计划，能够快速处理如“扫描鹰”等小型无人机的视频数据，实现对人、车辆、建筑等目标的识别，并利用实战环境中的无人机视频作为训练数据，目标识别率从60%提升到80%。

3.3 智能技术在综合研判阶段应用方式

国防科技情报研究综合研判，是指在获取和处理科技情报数据基础上，开展深入细致的分析研究工作，得到高质量、高价值的研究结论。当前，综合研判主要利用专家经验和专业知识，以及创造性思维和逻辑推理能力，通过归纳总结和研究分析得到结论。智能技术既能够协助专家开展深度研究，也能够学习专家知识推演提出研究结论。

3.3.1弱智能阶段

在弱智能阶段，通过数据挖掘、机器学习、知识图谱、语义理解等智能技术，从不同数据之间的复杂关系中获得隐含的知识或规律，自动归纳总结多样化的研究观点与结论，计算得到各种结论的可能性、准确性和可信度等，并按照固定模板自动生成研究报告，也能够协助情报研究者获取更多差异化、规律性、精细化和趋势性的结论和线索。如，IARPA“聚合推理预测”项目，通过对众多情报研究人员作出的判断进行激活、权衡和联合，提高事件预测的准确性、精确度和时效性。DARPA的“知识导向的智能推理图谱”项目，通过分析多媒体信息，理解世界各地发生的事件，并根据上下文和时间推理，从看似无关的事件中，分析事件之间的关联性。DARPA“大机理”项目，通过构建因果关系模型，采取智能化的计算方法和逻辑推理工具，大幅度提高计算机从海量数据中提取有用情报的效率。2017年该项目发展为“世界建模”项目，建立了区域和全球范围内自然和人为系统的推理模型，模拟仿真复杂社会网络系统。美国水晶球公司开发的大数据分析“哥谭”平台，实现了智能算法与搜索引擎的深度融合，提出了人机共生的可视化大数据交互探索分析方法，能够对数据进行全面扫描、深度挖掘、关联分析和科学预测，为美军分析亚丁湾海盗活动热点区域等工作发挥了重要作用。

3.3.2强智能阶段

在强智能阶段，通过专家创造性思维和逻辑推理能力，引导计算机开展无监督深度学习，推动数据关联关系与专家因果推理的相互渗透融合，也可通过脑机接口方式，学习专家思维方式，从而得到高价值的综合研判结论。强智能阶段的最终形态是构建国防科技情报研究智能体，能够根据规则和外部环境开展逻辑推理，自主思考解决情报研究问题。如，DARPA“可解释性人工智能研究”项目，通过建立新的机器学习系统，使计算机能够解释自身逻辑、具备常识推理能力并能够让用户理解其行为。IARPA开展的“大脑皮层网络的机器智能”项目，通过神经学和计算机科学专家通力合作，开展大脑运作机制的逆向工程研究，从而创造新的机器学习算法，使计算机能够实现类似大脑的性能，达到“类似人类的熟练程度”。

3.4 智能技术在服务反馈阶段应用方式

国防科技情报研究服务反馈，是指根据用户需求提供情报研究产品，即把相应产品在恰当时间以合适方式传递给用户，并根据用户体验完善产品。当前，国防科技情报研究服务一般是以纸质或电子文档等方式交付给用户。智能技术能够以用户需求为牵引，实现广覆盖、差异化、一站式的服务，并通过数字工程协助用户嵌入国防科技情报产品生产全过程，产出个性化和定制化产品。

3.4.1产品生成

在国防科技情报产品生成方面，通过人机交互等智能技术，根据用户以往的习惯和兴趣，对产品进行碎片化组装，精准推送情报产品，使得产品发布速度更快，到达率更准，与用户的互动性更强。如，美国防部国防技术信息中心发展愿景之一就是缩短用户发现有价值信息的时间，确保向用户优先提供最相关的信息，该中心建立了国防部科技维基百科以及国防部技术空间，便于科学家、工程师和军事人员快速获取情报研究产品。美空军的“多源开发数字助理”项目，类似于苹果siri、谷歌助理、亚马逊Alexa等支持对话的虚拟助理，通过交互式问答软件，辅助用户开展军事情报分析和指挥控制决策。美“自动可视化定制分析报告”项目，通过对开源的作战需求数据进行挖掘，自动形成可视化分析报告，满足特种作战部队特定需求。

3.4.2产品推送

在国防科技情报产品推送方面，智能技术能够通过用户对产品使用体验及反馈数据，了解用户新需求和行为习惯，采取协同过滤、内容推荐、混合推荐和产品用户双向推荐等方式，向用户精准推荐情报产品。如，今日头条等新媒体平台，从内容、用户和环境等三个维度出发，对海量数据进行训练，得到用户特征，并向用户推荐个性化的产品。

3.4.3全过程参与

在国防科技情报产品生产过程体验方面，智能技术能够协助用户沉浸式了解国防科技情报研究需求生成、数据挖掘、综合研判等全过程，全面了解产品产出的全过程，为优化情报产品提供了支撑。如，美国防部正在推进的数字化工程，综合采用建模仿真、大数据分析、数字孪生等数字化方法，让管理人员深度融入装备建设管理全过程，支撑全寿命精细化管理。

4 结 语

随着大数据和智能技术的快速发展，国防科技情报研究原始数据的维度、量度、深度和精度等将大幅度提升，能够多方位、多角度、动态地描述解释研究对象，也能精准地探寻情报研究结论。基于此，智能技术在国防科技情报研究流程的应用，将重塑和再造传统研究流程、方法和范式，国防科技情报研究将逐渐从经验研究转向实证研究、个案研究转向全样本研究、因果研究转向关联分析、表现研究转向深度研究，从而推动建立“智能+数据+模型+专家”深度融合的新模式，提高国防科技情报研究鉴别力、认知力和创新力，提升情报研究成果的质量效果。下一步，建议通过加快推动形成智能时代国防科技情报研究范式、建立国防科技“数据池”、突破国防科技情报智能挖掘分析关键技术、聚合国防科技情报研究体系力量、建设国防科技情报研究智能分析平台等措施，有效推动智能技术在国防科技情报研究全流程的应用。