[研究目的]算法是人工智能进步的基石,算法武器化正在改变传统的情报决策模式。针对情报领域的算法武器化机制和实践的全面研究,有助于在人工智能军事化大趋势下,探索维护我国情报安全的政策工具箱。 

[研究方法]研究综合运用文献梳理与案例分析的方法,探索了算法武器化对大国情报决策体系的变革性影响。

[研究结论]算法武器化扩展情报能力的主要表现包括情报信息源的多样化、开源情报地位上升、多模态信息融合、情报流程的复合化等方面。同时,算法武器化进程正在加速重塑大国情报竞合关系,在情报竞争方面主要表现在加强情报威胁监测、支撑秘密行动、加剧战略欺骗和认知诱导等;在情报合作方面主要表现在情报共享一体化,加强情报获取的即时性和流动性、提升情报平台互操作性以及加强情报共同体身份等。

关键词:人工智能;算法武器化;国家安全;情报决策;情报竞争;情报合作

中图分类号:D815;G359

【引言】

近年来,人工智能技术发展迅猛并深刻影响了国家安全的各个领域。其中,人工智能算法与大国情报决策的深度融合,正在使传统的线性、分步骤的情报处理逐步转变为更为动态、集成化的过程。在俄乌冲突中,美国私营公司帕兰提尔(Palantir)提供的“元星座”(MetaConstellation)智能情报系统,帮助乌克兰在战争初期获得了显著的情报优势,其运作机制的关键在于运用人工智能算法整合分析各类商业卫星数据、无人机实时数据和政府数据,从而提供及时、准确、高质量的战场情报。实际上,美西方正在系统地将人工智能算法运用于情报决策领域,中情局开源企业部门(Open-SourceEnterprise)负责人兰迪·尼克松(RandyNixon)表示,中情局正在研发类似于ChatGPT的人工智能聊天机器人,该项目将帮助情报人员从海量开源信息中获取情报,并计划在短期内提供给中央情报局(CIA)、国家安全局(NSA)、联邦调查局(FBI)和军方的各个情报机构使用。正如彭博社提到“中央情报局在与中国的竞争中提升自己的人工智能力量”,中国被视作美西方展开情报竞争的主要对象。可以看到,美西方正在通过人工智能算法的武器化强化情报能力,这给我国国家安全造成了显著挑战。

算法、数据和算力是人工智能的三驾马车,但相较而言,不同于数据和算力,算法在情报决策上的跨领域应用需要进一步的场景迁移才能实现。换言之,由于算法是为解决特定问题而设计的规则指令,因此当问题焦点或目标任务从日常场景向情报场景转变时,要求对具体任务的深入理解和相应的场景适配调整。这种调整不仅体现在技术层面,更体现在人工智能算法与情报工作流程、决策逻辑和战略目标的深度融合。因此,将用于解决日常问题和处于民用领域的强大算法迁移应用于情报决策领域,是各国提高情报能力、重塑情报系统、加强态势感知、提升决策科学性的主要路径。情报是治国方略的重要方面,决策者只有掌握真实全面的信息、塑造科学化的决策体系,才能在国家治理、大战略的推进中游刃有余。本文意在探索情报领域算法武器化的基本逻辑及其对国家安全的变革性影响,以此探讨应对美西方情报联合围堵趋势的策略。

1.情报领域的算法武器化

人工智能算法正成为国家的一种新型权力来源。从工业生产和商业效率的提升,到社会风险态势感知和治理能力的培育,乃至军事外交决策的科学化等层面,人工智能算法的赋能效应正不断凸显。算法作为驱动人工智能发展的“三驾马车”之一,是实现数据价值的重要动能和智能化转型的关键要素,这意味着人工智能算法具备改革情报决策模式的潜力。具体而言,算法是一组数学指令或代码,是对计算过程的抽象、形式化描述,本质上可视为解决问题的工具,是用系统的方法描述解决问题的决策机制,是一种能够将输入数据转换为期望输出的计算机程序,通常可运用于决策制定、方案选择、预测事件结果等。这些特性意味着,算法的权力资源属性让其与国家安全深度互嵌,加速情报系统的改革成为国家安全体系建设必不可少的一环。

“决策”是为达到预期结果而从众多备选方案中做出选择的过程。由于算法可视作问题解决的决策机制,人工智能算法在智能化、自动化和决策能力等方面的显著提升,将使国家在情报分析和决策制定中可资利用的工具进一步丰富。情报决策模式以情报分析为主导线索,通过问题发现、选择评估、选择优化、选择确定、选择完善及最终的选择有效性评估的动态过程,做出基于相关情报信息的战略政策决定。人工智能算法的自动化、智能化特性冲击了传统的情报决策模式,降低了决策动态过程中的不确定性和风险性,赋予决策更强的理性属性。换言之,人工智能算法可能促进情报收集、分析、处理和预测等环节实现跨越式发展,通过高效的信息挖掘、数据结果汇聚、分类与关联分析、行为预测和定位等实现正确决策。

基于此,大国推进情报决策模式变革的核心路径是将算法武器化。这一过程在军事情报中体现最为明显,帕兰提尔首席执行官亚历克斯·卡普(Alex Karp)提到:“先进算法战系统(Algorithmic Warfare Systems)的力量现在非常强大,相当于在拥有战术核武器的情况下对付只有常规武器的对手”,可以看到,人工智能算法的武器化提升了情报决策在战略制定和实践中的地位。早在2017年4月,美国国防部副部长鲍勃·沃克(Bob Work)签署的一份备忘录中就计划将算法融入情报系统之中,提出建立“算法战跨职能(Cross-Functional)小组”,也即被人们熟知的“Maven”项目,其基本目标是利用人工智能算法“将大数据快速转换为可用于实际行动的情报和见解”。在乌克兰战场上,除了帕兰提尔科技公司的深度参与,微软、亚马逊、谷歌和星链等大型民用科技巨头也深度融入了乌克兰的网络防御、政府数据云端建设和网络连接保障等领域。这些科技巨头正利用人工智能算法改造战争形态,将乌克兰打造成一个“人工智能战争实验室”,这也预示着历史上以国家主导投资推动军事科技发展的常规逻辑,正在转变为以国家联合私营科技公司将商业技术转化并应用于军事领域的全新逻辑。

算法战争的概念比较广泛,包括了将先进算法集成到军事行动中以增强决策的行动,比如情报、后勤、网络战、舆论战等各个方面。但上述界定更多是领域范围的规定,缺乏对算法融入逻辑的探讨。本文聚焦于人工智能算法集成对国家安全体系的变革性影响,进而将算法武器化界定为将使用先进人工智能算法集成到国家安全体系各个环节的过程。同时在应用过程中,诸多人工智能算法是私营公司而非国家所掌握,且由民用领域迁移至国家安全领域的,因此将这一进程视作一种武器化的过程。算法武器化在情报中意味着,人工智能算法与情报工作流程、处理链条和战略目标深度融合,进一步重塑情报系统和决策逻辑。

具体而言,情报领域的算法武器化正在世界主要大国加速推进,呈现出以下三种趋势:第一,大数据挖掘与人工智能算法融合。将人工智能算法融入情报数据管理工作,有利于从海量数据中提取有价值信息。例如,美国国防高级研究计划局(DARPA)在2021年发布了“像素级智能处理”(IP2)项目招标书,该项目旨在运用神经网络、深度学习、计算机视觉等人工智能算法将情报融入传感器数据流中,以提升图像、视频信息的侦察精度和情报数据的分析处理效率,从而增强战场环境态势感知与指挥控制能力。通用动力公司在2019年设计的信号之眼(SignalEye)软件可以通过机器学习算法加快信号检测和分类中的自动化,最终实现比人力处理更高的效率。总之,利用大数据挖掘、机器学习、自然语言处理等算法,可以同时对结构化和非结构化数据进行高效处理,实现数据的清洗、整合、分类、聚类、关联、推理等操作,从而使得情报的获取、分析和利用更加迅速、精确。

第二,提升跨部门情报信息共享与联通水平。人工智能国家安全委员会(NSCAI)于2021年发布的《最终报告中》强调,美国情报界必须加速智能化进程,基于人工智能算法提高情报搜集效率、识别虚假情报的作用,计划在2025年前实现全面智能化的目标。为了匹配这一目标,国安委正在推进情报总监办公室将情报主导地位授权给情报共同体,推进建设融合不同领域和来源的智能专用情报信息系统,促进与国防部的情报信息共享。同时,为了提高情报共同体的协同效能和智能化水平,美国国家地理空间情报局(NGA)成立了“数字、数据和创新理事会”,负责整个情报界和国防部关于人工智能发展成果的管理和共享。2022年5月,美国又设置了提升情报共享工作的专门办公室,美国国务院情报与研究局(INR)设立“战略开源协调办公室”,其将成为围绕开源情报的政策、培训和贸易技术“中心联络点”,并负责测试和采购开源工具。

第三,加强算法实战应用以融入国家安全实践。先进算法嵌入情报系统在俄乌冲突、巴以冲突中的实战应用,深刻体现了人工智能算法对情报作战和决策能力的强化。首先,人工智能算法起到了加强战场态势感知、辅助战场指挥的关键作用。早在2021年2月,来自美国的国际安全研究团队就利用谷歌地图,发现了俄军队在俄乌边境集结的迹象,结合商业卫星图像,创建了战场数字模型,预测了俄军队的进攻路线和时间。其次,自动化数据收集和处理算法在战场中起到的作用愈发显著,通过密集部署高机动性、隐身性、低成本特性的无人机,军队可以大幅提升其情报、监视和侦察(ISR)能力,指挥官可以获得实时战场信息,增强战场指挥的灵活性和针对性。再次,人脸识别相关算法的应用,正成为推进心理战的重要方面。乌克兰国防部已经使用ClearviewAI公司提供的面部识别技术来识别和确认伤亡士兵、战俘、间谍等的身份,结合网络媒体平台公开发布和传播,可以成为发动心理战的重要方式。

总体而言,随着人工智能算法逐渐成为战争情报收集与分析、战略决策指挥的技术底座,算法作为一种权力资源已经介入了地缘政治冲突。2022年12月,美国情报高级研究计划局(IARPA)发布“快速解释、分析和在线采购”(REASON)项目,试图利用人工智能开发软件,实现对各类报告文稿的自动分析。随后,美国在2023年1月将生成式AI技术列入“技术观察清单”,并于8月宣布成立国防部生成式人工智能工作组。俄罗斯总统普京认为“无论谁成为(人工智能)的领导者,都将成为世界的统治者”,并于2023年11月宣布了一项支持人工智能发展的国家战略计划,承诺将投入更多资源用于超级计算机的开发,以帮助加强俄罗斯的人工智能研究。可以看到,主要大国正在基于智能算法应用重塑国家安全,从战略规划、机构建设、技术突破与实践应用等方面实现情报体系的智能化转型。同时,美西方国家鼓励本国私营公司在俄乌冲突等战场环境应用、测试智能情报工具,人工智能算法对情报的赋能作用开始突破实验阶段,进入深度部署和变革阶段。

2.算法赋能与大国情报能力延伸

人工智能算法深度融入,对传统的情报决策模式产生了显著的冲击作用。算法赋能下,情报机构能够处理和分析的数据量和复杂性已经达到了前所未有的水平。情报部门有能力从海量的开源数据中快速识别和提取信息,社交媒体、新闻报道、卫星图像等都可以成为情报分析对象,情报的覆盖面和时效性得到大幅度提升。同时,运用机器学习、模式识别等人工智能算法,能够揭示数据之间隐秘的联系和趋势,帮助情报部门实时更新威胁评估,赋予国家强大的态势感知能力,为大国的战略部署提供即时的情报支持。总体而言,在人工智能算法赋能下,大国在情报收集、分析、处理和预测等环节呈现了一系列新特征,表现在情报信息来源、开源情报地位、情报收集与处理模式、情报流程等多个方面的变革。

首先,人工智能算法赋能情报信息源的多样化发展。人工智能算法助力计算能力的提升,使得以往无法成为情报的素材纳入分析范围。第一,人工智能算法应用有助于挖掘新的数据源。运用智能算法集成分析各领域的舆情数据、卫星数据、商业动态数据等,可以帮助决策者了解政治局势、把握国际合作的机会、评估潜在的威胁等。例如,通过文本分析、数据挖掘类算法可以监测社交媒体上的用户评论和反馈数据,从用户需求和意见中归纳有价值的情报信息。对社交媒体、论坛、博客等来源的数据进行情感分析,可以有效了解公众对某一话题的态度和看法,获得情感倾向以及舆论动态方面的有效情报。基于无监督训练模型的遥感图像分类算法运用于地理信息搜集领域,有助于从环境变化的相关信息中获得生产动态、基础设施建设、军队部署等关键信息。第二,传统情报收集模式忽视的边缘情报可能被人工智能算法纳入进来。由于环境恶劣或较高的敏感性,边缘情报收集往往面临高风险或高代价,而利用先进智能通信设备、集成智能传感器与通信平台的情况下,情报收集人员就可以深入条件恶劣的敏感区域获得高时效性的情报信息,这大大降低了情报收集难度、扩展了情报收集范围。

其次,人工智能算法提升开源情报地位。人工智能算法的运用为开源情报的获取带来了极大的便利性和成本优势,使得开源情报的地位进一步上升。美国负责情报工作的国务卿助理布雷特·霍姆格伦(BrettM.Holmgren)在一次演讲中,说明了美国在人工智能时代如何使用开源情报提升外交工作的,他认为人工智能带来了一场开源情报革命,使开源情报上升到了至少与人力收集、通信拦截或高空侦察等来源的传统情报同等重要的地位[24]。具体而言,第一,人工智能算法赋能下的开源情报处理具有自动化的特点,降低因人力不足或信息遗漏等造成的风险。通过数据挖掘、信息抽取和结构化等人工智能算法的综合运用,对规模庞大且复杂的开源情报数据进行自动分类、聚类、关联分析,可以帮助情报人员快速发现隐藏其中的目标对象、行动计划以及社会动态等关键情报信息。第二,人工智能算法大大提高了情报机构的数据理解能力与意图识别能力。通过对文本进行深层次的语义分析和情感分析,人工智能可以自动判断文本的情感倾向、主题以及潜在意图等信息,可以帮助情报人员更加准确地理解目标对象的真实意图和情感状态。

再次,人工智能算法催生多模态融合情报模式。人工智能算法赋能下的自动化、多模态海量数据分析,可以对文字、声音、图像、视频等多样性信息来源的进行整合分析,形成能够处理、关联、融合多模态信息的情报模型。第一,通过组合面向不同任务的人工智能算法,可以实现不同模态之间的转换和生成。多模态融合情报模式的最大挑战在于对不同模态的数据和信息进行跨模态匹配,而通过特定的算法设计,可以将文本和图像进行匹配以发现语义联系,也可以将音频和文本进行匹配以发现主题联系,还可以快速将纸质或音频情报转化为更易处理的数字格式。第二,人工智能算法的融入使得不同领域情报之间的界限逐步消失,商业经济、政治外交、军事安全等不同领域情报信息出现交叉融合的新趋势。例如,在人工智能更擅长的图像识别领域,针对情报目标的图像分类、图像检测、图像分割、图像标注等,可以无缝迁移到关键目标自动识别、军事医学影像分析、安防监控等领域,这一类算法正对国家安全与情报产生巨大影响。

最后,人工智能算法推动情报流程复合化。人工智能算法使得情报数据采集、处理、分析、决策和行动等环节紧密联系,推进了情报流程的复合化发展,提高了国家情报工作的整体效能。第一,人工智能算法促进数据采集和处理的复合化。在情报搜集的初始阶段,人工智能算法可以自动进行数据清洗、去重等预处理操作,并对数据进行深度分析和特征提取,以实现数据的高效组织和存储。第二,人工智能算法推动情报决策与预测行动的复合化。人工智能算法通过数据挖掘和关联性分析等手段将数据和实际行动进行关联,帮助决策者做出更加科学、合理的决策,实现情报指导行动的目标。第三,人工智能算法推动情报流程一体化发展。人工智能算法通过对数据挖掘、构建决策树模型等方式进行分类或预测,可以获得更加全面的信息控制,增强情报主体对复杂场景的覆盖能力与预测能力,提高反应速率、降低危害程度。美国的反恐情报形成过程是情报复合化的典型例子:首先收集国际恐怖组织在网站、论坛、聊天室、博客、视频等网络空间中产生的网络内容,然后通过多语言数据挖掘、文本挖掘等数据挖掘算法对网络空间内海量信息进行关联分析,进而在行动层面即时反应,预测和破获了近百起恐怖主义袭击。

3.算法嵌入与大国情报竞合关系重塑

算法赋能下的情报能力扩展已成为情报领域竞争与合作的关键变量。算法的迁移不仅仅是技术层面的简单搬迁,而是对情报工作流程、方法论乃至战略思维的深刻重塑。就大国情报竞争而言,人工智能算法的广泛应用,充分体现了算法对情报竞争的加剧趋势。战争参与者可以通过识别敏感地点的社交媒体照片、无人机视频片段和卫星图像的关联分析提取动态情报,地理空间信息、战场侦测信息和数字媒体平台的融合运用,使得网络攻击、秘密行动、认知欺骗等成为情报行动的核心,这也是西方通过技术手段援助乌克兰提升情报能力的重要方面。就大国情报合作而言,人工智能算法的广泛应用,大大加速了情报伙伴国内部的情报一体化进程。在美国联盟体系中,各国长期面临情报数据的流动共享与维护情报秘密之间的矛盾,然而,人工智能算法融入情报系统将很大程度上改善解决这一问题:通过促进数据共享加强情报获取的即时性和流动性,通过提升情报技术互操作性推动情报一体化发展,通过建立情报共同体身份加强情报获取的协同性和安全性。

3.1算法嵌入与大国情报竞争

首先,人工智能算法嵌入情报系统可能增强大国威胁态势感知。人工智能算法嵌入赋予情报部门分析和处理大量情报数据的能力,进而有利于深入理解威胁环境,识别威胁来源和攻击模式。美国情报界正在利用人工智能算法实现“端对端的数据管理”,规范和统一各个情报机构的情报管理活动。尤其在网络安全领域,智能情报系统的作用愈发凸显,情报人员可以利用更丰富便捷的数字网络工具提升关于外部威胁事件的归因分析能力,进而提升国家对潜在威胁的检测与预测能力。当潜在的安全事件被检测出来后,人工智能系统能够自动执行应对措施,阻止攻击的进一步扩散。这种自动化的威胁响应减少了对人工干预的依赖,提高了反应速度和效率。总之,人工智能算法在情报威胁监测和态势感知方面的应用,不仅提高了预警和响应的效率,而且增强了对复杂威胁环境的理解和处理能力,这可能进一步加剧国家间情报竞争。谷歌地图在2022年4月公布俄军事设施高分辨率卫星图就是情报竞争加强的典型例子,通过公布俄罗斯洲际弹道导弹发射井、指挥所、秘密靶场等设施,美西方试图对俄罗斯形成情报威慑。

其次,人工智能算法嵌入大国情报系统可能起到支撑隐蔽行动的作用。隐蔽行动是一国为影响他国的政治、经济或军事活动而采取的非公开行动,传统上主要依赖人力情报手段进行,比如美国进行隐蔽行动的主要方式有支持或资助敌国国内反政府团体进行有利美国的活动,派遣准军事力量参与同敌国作战,以及通过资助他国亲美记者、无线电广播等方式开展宣传战等。然而,人工智能算法工具与情报任务的融合,大幅提升了情报人员进行国外情报行动的效率和渗透力,并正在改变通过间谍等人力手段进行隐蔽行动的传统模式。一方面,通过大数据分析,可以有效地识别出可疑活动和异常行为,这扩展了传统人力情报的能力边界,为隐蔽行动的策划和执行提供重要线索和预警信息。另一方面,网络空间为隐蔽行动提供更适宜的土壤,各国在网络空间的情报竞赛愈发激烈。大国可以利用各类黑客算法以极低成本向敌国开展破坏性行动,比如通过盗取敏感信息开展心理战,或者发起网络攻击打击高价值目标,或者操纵社交媒体干预别国内政等,而这些方式相比人力情报行动更加难以被追踪。

最后,人工智能算法嵌入大国情报系统可能起到加剧战略欺骗的作用。人工智能算法不仅增强了国家情报欺骗的能力,更重要的是加强了情报欺骗的意愿。尽管情报欺骗在人类社会早期就已存在,但生成式人工智能的深度嵌入正在彻底改变国际信息环境,意味着情报欺骗模式正发生重大变化。一方面,人工智能算法可能融入情报误导。“深度伪造”可以精准学习、模仿人类的面部表情、语言习惯,进而制作出极其逼真的虚假视频和音频,为情报欺骗提供了良好的工具。在情报领域,这些工具可能被用于制造假新闻、伪造政治人物言论,甚至生成敏感事件的虚假证据。例如,通过让政治任务在视频中“说”或“做”一些从未发生过的事情,这种做法可能误导公众舆论、破坏个人声誉、影响决策过程甚至引发政治危机。另一方面,人工智能算法可能加剧认知对抗。通过自动化生成以假乱真的新闻文章或社交媒体帖子,经由计算传播、社交机器人等手段在社交媒体广泛传播,进而可能造成公众认知混乱、影响社会稳定。俄乌冲突中就出现了显著的战略欺骗和认知对抗案例,乌克兰广播新闻媒体遭到黑客攻击,发布了一段泽连斯基呼吁士兵“放下武器投降”的深度伪造视频,相应的,有用户在X平台上发布了关于普京宣布停战的深度伪造视频,并以俄语配文“俄罗斯联邦领导人宣布停战。俄国士兵趁你们还活着,赶紧放下武器回家去”。

3.2算法嵌入与大国情报合作

首先,人工智能算法嵌入情报合作系统促进跨国数据共享,加强情报获取的即时性和流动性。情报数据是情报共享的核心,数据流通有助于盟国之间更加深入地理解彼此的情报需求和优先事项,从而更有效地协调行动。例如,在美国军方看来,数据是一种“战略资产”,在人工智能开发和运营中居于核心位置,而促进情报数据在北约框架内有效流动是提升整体作战能力的关键一环。在智能化时代,大国之间开展集体军事行动的能力依赖于数据共享,以此推进人工智能系统的训练。例如,在识别地对空导弹阵地时,人工智能图像分类器必须先通过学习大量已有导弹阵地图像并进行训练,才能准确区分导弹阵地和其他设施,而这需要高水平的数据共享才能实现。然而,出于国家政治安全的考虑,情报联盟成员国担心共享敏感数据可能会泄露关键情报、危害国家利益,比如用于支撑军事人工智能系统的敏感数据泄露,可能进一步曝光本国军事部署、军力构成等机密信息。因此,为了最大限度减少这类风险,最常见的措施是共享成品情报而非技术数据,比如整合了各类不同信息源的简报或报告等。

人工智能算法嵌入情报合作系统将很大程度上降低敏感数据的泄露风险、改善数据不兼容和数据壁垒问题。从技术角度而言,盟国间的敏感情报数据共享存在两方面的显著挑战:一方面,情报数据分散存储在数千个不同的存储库中且缺乏统一的标准化格式,这增加了数据整合的复杂性,阻碍了信息的快速流通和有效利用。另一方面,由于武器和传感器系统的数据往往被设计和维护的承包商视为专有资产,这些数据被锁定在原始的收集系统中,“解锁”过程耗时耗力且存在法律风险。通过自动识别和格式转换的标准化处理,人工智能算法将多种专有系统信息源的数据整合成共享数据集,因此可以在一定程度上回避数据敏感性风险,为情报伙伴国之间的共享使用创造了条件。进一步而言,最好的办法可能是设计情报数据共享协议算法,允许交换可用于模型训练和系统操作的敏感数据,并逐步扩大共享协议程序所容纳的数据范围。

其次,人工智能算法嵌入情报合作系统提升情报技术互操作性(Interoperability),推动情报一体化发展。美国电气与电子工程师协会(IEEE)将互操作性定义为“两个或多个系统组成部分之间交换信息及使用已交换信息的能力”。在情报领域,面对异构系统如何共享信息、协同合作的问题是国家间情报合作中的经典难题,人工智能算法嵌入有助于提升不同情报系统之间的互操作性。实际上,情报技术互操作性不足的困扰早已有之,美英之间在1946年就制定了共享信号情报的正式规则,并在协议中阐明了两国如何在信号情报的收集、分析和传播方面进行合作,同时提供了有关通信的详细技术和程序指导。近年来,英美情报系统的互操作性正在迅速加强,美国战略与国际问题研究中心(CSIS)与英国皇家联合军种国防研究所(RUSI)于2022年3月联合发布的调查报告显示,通过探索加强系统架构、软件和数据管理的共享方法,协同政策指南、双边协议和法律框架,可以大幅度促进双方情报领域的互操作性。实际上,美国国防部正通过“开发—安全—运营”(DevSecOps)相关战略加速建立软硬件系统互操作性的底层技术开发,在2021年3月发布的《国防部企业DevSecOps战略》指南中,美国防部推进建立多个“软件工厂”,将不同的文化、技术和安全逻辑进行整合,促进快速开发和部署新的一体化系统。

提升情报技术互操作性可视作情报一体化的“基础设施建设”,而人工智能算法正是实现这一点的技术底座。美国战略界已经开始推动人工智能算法与现有基础设施融合,在美国务院2023年11月发布的《人工智能战略》中,明确提出要将人工智能集成到现有的基础设施和数据管道中。在情报领域,美国及其盟友正在将人工智能算法融入各类情报组织的技术架构之中,以建立实时共享的智能化情报网络。美国国防部建设的联合全域指挥与控制(JADC2)系统,正在加强与美国“伙伴国”共享,该系统聚焦于消除军种之间和不同国家军队之间的信息鸿沟、加强全面的态势感知,人工智能算法在其中起到了处理数据、识别目标、辅助决策等关键作用。北约、五眼联盟、奥库斯(AUKUS)等组织也在尝推动情报智能化以加强情报一体化,其最终可能形成一张监控全球、即时反应的情报联盟网络。比如,北约在2021年10月通过了首部人工智能战略,计划为人工智能系统的采用提供“共同的政策基础”,尤其强调要在人工智能能开发和交付使用中增强联盟内部的互操作性。尽管受到成员国对于人工智能协同开发的不同步以及军事使用安全性担忧的挑战,但随着人工智能的飞速发展,北约加强互操作性的进程将会加速推进。

第三,人工智能算法嵌入情报合作系统有助于情报共同体身份的建立,加强情报获取的协同性和安全性。情报共同体是大国情报合作的最高层次,涉及到情报各环节流程协同、规范共享与风险共担。首先,情报共同体的形成有利于情报操作模式、情报规范和情报文化的同步,具体包括确保情报伙伴国之间在情报的收集、处理、分析和使用等方面遵循一致的原则,以及在情报需求分析、任务指派、报告审核等方面按照共同认可的文化规范行动。这不仅提升了情报工作的规范化水平,还加强了情报伙伴国之间的相互理解、减少了各环节上可能的误解。其次,情报共同体的形成有利于情报安全保障和风险管理,具体包括建立严密的安全措施以及制定风险管理策略,防止情报失败导致信任危机。

一方面,将人工智能融入成员国情报技术创新的实践,加强了成员国的情报共同体身份。根据美国战略与国际研究中心(CSIS)报告,奥库斯(AUKUS)提出成员国在与安全和国防相关的科学技术、工业基地(NTIB)等方面将深入一体化,强调联合技术开发对于技术竞争的重要性,成员国将分享包括人工等方面的核心技术,进而促进情报搜集系统、情报通信网络和情报处理中心等方面的耦合程度,最终巩固情报共同体身份。另外,一些人工智能算法本身可以解决情报传输中的不信任问题,加强成员国之间的身份归属。正如医疗和金融领域为了防止违反隐私法规而设置的安全多方计算(SecureMultipartyComputation)算法规则,可以在不泄露敏感信息的前提下,计算得到结果并向所有授权用户公开,盟友间的情报共享也可以采用此类智能算法系统,实现共享敏感数据的同时保护输入信息的属性不被泄露。在卫星侦察、隐蔽行动等相关的军事任务中,如果将敏感情报数据输入基于安全多方计算的系统,就可以在确保不泄露隐私的情况下输出潜在目标的信息,这将在很大程度上提高情报共同体成员之间的信任度,进一步加强对情报共同体的身份认同。

4.结论

随着人工智能的迅猛发展及其与国家安全的融合,算法武器化正在颠覆传统情报搜集、分析和共享模式。将人工智能算法融入情报系统,可以在准确性、及时性、可靠性、安全性和多样性等方面给情报工作带来更显著的优势,这也是大国着力推进智能化情报系统的根本原因。目前,算法赋能情报收集、分析、处理和预测呈现了的四大新特征趋势,即人工智能算法赋能情报信息源的多样化发展、提升开源情报地位、推动情报收集与处理走向多模态融合以及推动情报流程的复合化发展。人工智能算法对于决策模式变革的影响,将会重塑大国间情报竞争与合作态势。在大国情报竞争方面,人工智能算法的嵌入增强了大国对潜在威胁的监测能力,提高战略欺骗、认知诱导、秘密行动等敌对情报行动的效能。在大国情报合作方面,人工智能算法的融入促进了盟友间的情报共享一体化,有利于实现情报伙伴国的情报机构之间无缝协作。这种一体化不仅体现在情报技术和基础设施的共享,更在于情报成员国间情报共享的加强、互操作性的提升以及情报共同体身份的建立。

本文初步探索了情报领域的算法武器化逻辑及其对大国情报竞争和合作的影响,可以发现,人工智能算法赋能情报变革的趋势是不可逆的,如何在此种趋势下维护我国情报安全将是一个关键问题。一方面,中国应积极参加限制算法武器化的国际规范制定。第一,通过制定科学规范、完善相关法律法规,明确人工智能算法的开发、使用和治理标准,加强对人工智能算法的监管和审查,避免技术滥用和误用。第二,建立和推广可信任、可解释的人工智能算法伦理规范,坚持人工智能算法的运用不侵犯他国的主权、人权和隐私权,形成具有中国特色、世界关怀的人工智能风险治理体系。第三,联合反对将算法武器化的国家,形成广泛的人工智能治理国际共同体,并在联合国框架下发挥应有的作用。

另一方面,中国应进一步加强应对算法武器化的情报工具箱建设,以适应人工智能对国家安全与情报体系的冲击。第一,加强军民两用技术协同创新,加强应对美西方智能化情报网络的技术基础。大型科技公司与国家情报体系的接轨是不可逆的趋势,必须打破制度和人才壁垒,着力构建应对美西方情报包围的技术工具。第二,建立包容性的情报生态,探索数据隐私安全与情报能力的平衡路径。情报能力的提升与数据隐私的保护往往是矛盾的,这也是影响情报能力建设的主要原因之一,因此一要加强可信任、可解释的人工智能情报系统的建设,二要建立科学规范的法规制度防止情报滥用,三要形成技术、制度、人才、工业生产等多层次有机联动的国家安全体系。第三,在情报实践中加强智能工具的开发和应用,建构有效的情报工具箱。只有在情报行动实践中才能测试智能工具的有效性,因此要加强智能情报和反情报工具的开发应用,同时也要注意利用人工智能算法加强情报一体化系统的建设,以实现更高的安全态势感知和敏捷的情报行动能力。

文章来源：《情报杂志》网络首发论文

引用格式：李宏洲，欧阳竹萱．算法武器化与大国情报决策模式变革[J/OL]．情报杂志.https://link.cnki.net/urlid/61.1167.G3.20240528.1538.011