智能化情报处理可以这样做

随着智能化技术的快速发展，军事情报处理逐渐迈向智能化。所谓智能化情报处理，主要是指为有效处理浩如烟海的战场情报信息，运用知识图谱、机器学习、文本挖掘等人工智能技术，对纷繁复杂的各类异构数据、海量信息智能化处理，以提高情报处理效率。由于人工智能只是一种工具，其本身并不具备自主意识、指挥艺术、自主创新能力等，对一些隐含发现型、思维创新型情报处理问题仍需“人在回路”进行补充完善，建立“智能+人工”的情报处理模式，增强情报处理工作的针对性、可靠性。

一是智能识别+人工干预。情报识别是对原始战场情报信息的初步处理，主要包括目标识别、分类归档、去重删假等。信息化智能化战争中，随着战场情报信息的收集手段和获取途径不断完善，信息不断呈指数级增长，包括视频信息、音频信息、影像信息、图表信息、文字信息等，但是这些信息多数是零散的、模糊的甚至是表象的、矛盾的。就像克劳塞维茨在《战争论》中指出：“战争中得到的情报，很大一部分是互相矛盾的，更多的是假的，绝大部分是相当不确定的”。

为此，在情报信息处理与加工的过程中首先需要“去粗取精、去伪存真”的智能识别。建立目标数据库，对侦察所获战场目标情报信息进行特征匹配、模糊识别，实现情报信息的自动分类归档、冗余剔除、属性判别。在智能识别的过程中，对航天、航空、地面遥感影像等情报信息的处理，由于目前人工智能技术不完善、格式化多样本图像缺乏，导致战场伪装目标难以识别，这就要求必须依赖人工干预。借助人工实践的经验、知识、思维等，通过对目标的属性添加、航迹拼接、批号消除等，发挥人的智力优势，实现战场情报信息的精准识别。

智能识别和人工干预相互结合，有效解决了人工或粗放技术处理等工作效率低下的问题，同时弥补了计算机自动识别能力的不足，从而最终依赖人的实践经验与知识储备得出可靠识别结论。

二是智能融合+人在旁路。情报融合是指计算机根据一定算法，按照统一时空基准和数据格式，对所获多源异构、纷繁复杂的情报信息实行特征提取、对象判证和关联处理等。智能融合实际上是利用计算机的快速运算优势，运用深度神经网络法、卡尔曼滤波法、最小二乘法等融合算法，对所获情报信息进行关联处理、消除冗差，实现对多源异构情报信息的相互补充、相互印证和目标属性、敌情态势的完整描述，融合生成战场情报产品。进入21世纪后，各国军队为提高战场信息处理能力，都试图利用先进算法将人与机器有机融合，探索从不同类型信息载体中自主获取、科学处理多源情报信息的方法。

通过机器学习方法训练好的情报信息处理模型，能够比人工更快速、更准确的分析、对比、融合各种格式的多源情报信息。当太空侦察数据被实时传输至地面站之后，内置机器学习算法情报处理系统的地面站，将接收到的各种卫星情报信息，智能融合为可读可用的目标数据清单，然后再将目标清单匹配给需要的用户。该融合方式无法对所得出的结论进行检验验证，需要人在旁路并行监督。人工不直接参与情报融合过程，关键时刻可随时介入，对一些思维性、创新性、关键性的融合结论可根据需要组织人工印证、调整、论证。

智能融合和人在旁路相互结合，有效利用了计算机强大的算法优势与人在旁路验证、调整的灵活性，避免了由于某些人为因素导致情报信息融合的偏差，又弥补了计算机思维不足，提高了融合的速度和精度。

三是智能分析+人工研判。分析研判是情报信息处理过程中形成情报产品的关键环节，也是挖掘情报价值的核心要义。其主要任务是分析情报信息来源确定其真伪性、弄清情报信息来龙去脉判断其意图、影响及发展趋势等，即根据已发生的客观事实推测未来可能发生的情况。智能分析通过利用数据挖掘、大数据分析等技术，对海量情报信息进行深度分析，挖掘隐藏在数据信息背后的敌方作战行动特征、规律、趋势等高价值情报信息，并将某一时刻战场上敌方指挥机构、兵力分布、装备部署等各类目标的空间关系、时序关系、网络关系、关联关系，通过二维或三维形式直观展现出来，形成不同层级作战单元表述的聚合态势。2021年，美海军信息战中心（NIWC）组建了兵棋推演智能化研究团队，重点研究如何使用机器学习分析预判战场发展态势。在俄乌冲突发生前，美国将通过卫星、网络、社交媒体以及其他各种途径获取的情报信息输入智能推演系统，并对俄军力量部署、兵力调动、装备抢修，以及弹药、油料等后勤补给储备情况进行智能推演，再结合相关军事专家研判，最终得出俄军即将发动战争的结论。

由于人工智能的程度和数据资料、实践经验的限制，机器分析研判结论有时是初步的、表象的、间接的，只有借助人工研判，才能“透过现象看本质”，使指挥员快速全面了解战场态势，做出科学决策。通过人的联系思维、抽象思维、逻辑推理等能力，把诸多融合生成的情报信息加以周密过滤、细致研究，推理出有价值的、真实的结论。这种智能分析和人工研判相互结合使分析方法更加科学、分析结构更加准确、逻辑推理更加清晰，能够挖掘出具有更高价值的战场情报信息。