Institut Zhiyuan de stratégie et de défense Mu Jian / Compilé
De: le site Web du Center for American Strategic and International Studies
[Guide Zhiyuan] Le rédacteur en chef de cet article a été sélectionné à partir d'un article rédigé par le Groupe de recherche spécial sur la technologie et le renseignement du Centre d'études stratégiques et internationales (SCRS) utilisant des technologies émergentes pour améliorer les capacités d'analyse du renseignement stratégique des analystes du renseignement. Analytic Edge: Tirer parti des technologies émergentes pour transformer l'analyse de l'intelligence. Cet article étudie d'abord la nouvelle méthode d'intégration de la technologie dans le processus d'analyse de l'intelligence, puis discute des principaux obstacles et limites de l'intégration de l'intelligence artificielle et d'autres technologies dans l'analyse stratégique, et enfin aborde l'analyse de l'intelligence à l'ère de l'IA et du big data. Comment le personnel devrait-il améliorer sa propre valeur stratégique et fournir aux décideurs la valeur maximale du renseignement, ainsi que le sens de la construction d'un futur système de renseignement?
Si les États-Unis investissent maintenant dans la transformation technologique, les analystes du renseignement en 2030 regarderont leurs homologues en 2020 avec des yeux incroyables, même sympathiques et compatissants. Grâce à l'intelligence artificielle de pointe au monde, à l'analyse de données de pointe et aux capacités illimitées de cloud computing, les futurs analystes pourront appréhender leur environnement de combat cible presque en continu. Dans tous les domaines de l'information, de l'intelligence open source à l'intelligence hautement confidentielle, ils pourront rapidement extraire, intégrer, visualiser et utiliser des données de haute qualité dans toutes les informations. Ils seront en mesure de fournir rapidement des conseils de haut niveau et riches en données aux décideurs. En ce qui concerne les techniques d'analyse opportunes adoptées par les prédécesseurs et le processus d'analyse obsolète de «lire, écrire, penser», les futurs analystes peuvent hausser les épaules, pensant qu'il s'agit de l'héritage de l'époque passée, ainsi que de la vitesse et de l'échelle de l'ère du big data. incompatible.
Cependant, les analystes du renseignement en 2020 n'ont ni le temps ni l'intérêt d'envisager ce scénario futur fantastique. À mesure que la quantité de données augmente de façon exponentielle, leur capacité à traiter les données augmentera légèrement. Leurs moniteurs regorgent d'arrangements de renseignement multiples, de lecteurs partagés isolés, de feuilles de calcul et de bases de données gérées manuellement, de fichiers kmz sujets aux erreurs et d'aucune interface pour synthétiser les données. Ils ont été submergés par les nombreux «nouveaux outils» et «solutions d'intelligence artificielle» qui leur ont été fournis, et ont été déçus par leur caractère pratique et leur facilité d'utilisation pour l'analyse stratégique. Dans le cas d'exigences et de calendriers ininterrompus des clients, les analystes utiliseront par défaut le petit ensemble de sources d'informations isolées fiables et de technologies de renseignement éprouvées par le temps pour lesquelles ils sont utilisés pour collecter des informations, et fourniront un "assez bon "Des produits d'information plus ou moins ponctuels."
Bien que la situation actuelle ne soit pas aussi sombre que celle mentionnée ci-dessus et que l'avenir ne soit peut-être pas aussi brillant que ce qui précède, les analystes du service de renseignement sont en effet complètement en retard sur la courbe du niveau technologique en 2020. La croissance explosive des données et des technologies de rupture, l'évolution et l'émergence rapides de nouvelles menaces mondiales et l'accélération du cycle de prise de décision des décideurs politiques sont susceptibles de perturber le processus d'analyse du renseignement. La manière dont le service du renseignement intègre rapidement la technologie de pointe dans l'analyse du renseignement à la source complète sera très importante pour sa capacité à rivaliser dans le futur environnement du renseignement et à fournir des produits d'analyse opportuns, précis et pertinents. Tout en envisageant et en façonnant les futurs analystes du renseignement, les agences de renseignement peuvent et doivent utiliser les technologies émergentes pour améliorer les capacités des analystes.
Limites des nouvelles technologies dans le travail d'analyse du renseignement
Pour les analystes, bien que les avantages de l'intelligence artificielle et des technologies associées puissent être énormes, les agences de renseignement sont confrontées à certains obstacles et limitations clés dans l'application de ces outils à une analyse complète. Les grands défis de l'acquisition de technologies, de l'infrastructure numérique et de l'architecture des données identifiés par l'équipe de recherche au cours de la première phase entravent les tâches de collecte et de traitement du renseignement, ce qui affectera également les tâches d'analyse du renseignement. Mais les obstacles structurels ne sont ni le seul obstacle ni le principal obstacle. Les principales raisons qui entravent l’adoption des technologies d’analyse émergentes sont les limites de la technologie à répondre aux normes d’intelligence et d’interprétabilité des analystes, ainsi que les préférences culturelles et institutionnelles des analystes et des institutions sur leurs méthodes traditionnelles d’intelligence et d’analyse.
Acquisition et fusion de données
Des applications d'intelligence artificielle précises et perspicaces doivent capturer, organiser et gérer certaines données. La quantité même de renseignements et de données potentiellement pertinents utilisés pour l'analyse peut dépasser les capacités de traitement, de filtrage et d'absorption d'un analyste hautement technique. Les défis de la normalisation et de la fusion des ensembles de données compliqueront encore davantage l'utilisation des données, qui sont à la fois obtenues par des méthodes confidentielles et collectées auprès de sources publiques.
Suivez le rythme du développement des données
La rapidité et l'ampleur de la fusion des outils de renseignement et de traitement des données du service de renseignement doivent suivre le nombre et la diversification toujours croissants des renseignements et des données. Même si l'intelligence artificielle est optimisée et rationalisée, la prolifération des capteurs, des flux d'intelligence et des données d'intelligence open source (les réseaux 5G et les appareils IoT accélèrent ce processus) submergera toujours la puissance de traitement des analystes. L'incapacité de capturer et d'analyser les données en temps réel placera les analystes du renseignement derrière la courbe standard en fournissant une connaissance de la situation aux décideurs.
La fusion des données
Pour les analystes, les meilleures applications d'intelligence artificielle pourront utiliser à la fois des données de renseignement secrètes et open source pour former des algorithmes et obtenir des informations, mais une architecture et des barrières de sécurité incompatibles peuvent entraver les données «bas de gamme» et «haut de gamme». La fusion. Comme pour les données, les algorithmes d'apprentissage automatique et les modèles open source peuvent rencontrer des obstacles similaires lors du portage vers des systèmes confidentiels et de leur intégration dans des flux de travail analytiques.
Étiquette de données
Les meilleures applications d'intelligence artificielle nécessitent également beaucoup de données, et ces données nécessitent beaucoup d'étiquettes et de balises - c'est une tâche longue, chronophage et principalement manuelle1. Contrairement au secteur privé, qui peut crowdsourcer et embaucher des étiqueteurs «gig economy», les ensembles de données confidentielles du service de renseignement doivent être marqués en interne, et la plupart du travail est effectué manuellement par des analystes. Bien qu'il ne soit pas impossible d'accomplir ces tâches à court terme, étant donné que les données continuent de croître de manière exponentielle, l'étiquetage et le marquage manuels seront débordés2.
Limitations de l'algorithme
L'analyse repose sur des techniques de renseignement rigoureuses et sur une explication / un raisonnement clair de la logique, des preuves, des hypothèses et des inférences utilisées pour tirer des conclusions. La complexité de l'analyse stratégique, des normes et des exigences en matière de transparence et d'assurance de l'intelligence, ainsi que les défis inhérents aux processus et fonctions de modélisation et d'analyse, imposeront des limites théoriques et pratiques à l'utilisation actuelle des flux de travail d'analyse de l'intelligence artificielle.
Modélisation d'analyse stratégique
La technologie de l'intelligence complexe et les compétences cognitives d'analyse stratégique sont par nature difficiles à définir, normaliser et reproduire, et donc difficiles à modéliser, ce qui impose des limites pratiques aux applications de l'intelligence artificielle. Mettre le sens de la nouvelle intelligence dans l'environnement et l'identifier, peser et connecter les données pour former un graphique d'intelligence, organiser l'intelligence de manière logique et convaincante démontrer et évaluer - ce processus d'analyse combine l'art et la science, et la normalisation L'application de la technologie de l'information et l'intelligence et le savoir-faire des chercheurs en renseignement, ainsi que des jugements tirés de données concrètes, du raisonnement déductif, de l'expertise culturelle et de l'intuition analytique perfectionnée à long terme. Si la tâche d'analyse ne peut pas être numérisée, la capacité d'appliquer l'intelligence artificielle sera limitée3.
déviation
Les informations générées par l'intelligence artificielle nécessitent que les analystes aident à façonner, améliorer et guider les algorithmes et les modèles, mais les analystes auront des écarts dans la manière de conceptualiser les problèmes d'intelligence, de concevoir des modèles et de sélectionner les données d'entrée, ce qui entraînera des biais et peut-être inexact. Le résultat de. La transparence des biais inhérents aux données, la manière dont les modèles sont utilisés et leur impact sur les conclusions et les niveaux de confiance seront essentiels, mais cela peut ne pas être facile à comprendre pour les clients4.
Interprétabilité
Afin d'appliquer les résultats de l'intelligence artificielle, les analystes doivent comprendre la logique, les écarts, les hypothèses et les inférences des algorithmes et des modèles qui produisent ces résultats - ceux-ci peuvent être connus ou inconnaissables. La plupart des applications d'intelligence artificielle et des informations sur les machines les plus complexes sont dérivées d'algorithmes de «boîte noire» dans lesquels la logique et les processus de la machine sont difficiles à définir (voire impossibles). Le manque de transparence dans la chaîne de preuve, où et comment l'intelligence artificielle est utilisée, et les conditions de validité, etc., signifient que les conclusions tirées par la machine peuvent être indignes de confiance et inutilisables5.
Authenticité
Les analystes doivent constamment évaluer la qualité, l'exactitude et la pertinence de l'intelligence, tout en apprenant à mesurer un nouveau facteur qui était autrefois pris pour acquis: l'authenticité. Les techniques de classification erronée des données au moyen d'algorithmes de tromperie et les techniques qui utilisent des réseaux génératifs hostiles 6 pour falsifier profondément les données confidentielles et open source peuvent semer la confusion chez les analystes, entraînant des erreurs d'analyse et des erreurs de décision politique7. À mesure que les adversaires deviennent plus habiles à falsifier les données et à lancer des opérations de tromperie frauduleuse ciblées à une vitesse et à une échelle plus rapides, garantir l'authenticité des données et des renseignements ne deviendra que plus difficile.
sécurité
Les analystes devront également faire face à des contre-mesures agressives et ciblées en matière d'intelligence artificielle de la part des agences de renseignement des pays hostiles. Ces agences de renseignement sont conçues pour infiltrer et perturber les systèmes d'intelligence artificielle et affecter ainsi la confiance des analystes dans les outils et les résultats de l'intelligence artificielle. La précipitation à adopter l'intelligence artificielle peut entraîner des vulnérabilités à une série de menaces «anti-intelligence artificielle» au détriment de normes de sécurité, de protocoles et d'exigences de test strictes en matière d'intelligence artificielle. Ces menaces comprennent des données «toxiques» injectées dans des modèles d'intelligence artificielle, et Système complètement piraté et manipulé 8. Même si l'adversaire ne peut pas accéder à ce niveau et convaincre les analystes que leur système d'intelligence artificielle est endommagé et inutilisable, le même effet peut être obtenu9.
Réforme de la haine analytiquement
Bien que les obstacles techniques soient énormes et réels, le plus grand obstacle à l'application de l'intelligence artificielle peut être l'analyste lui-même. Dans le domaine de l'analyse du renseignement, les préférences institutionnelles, bureaucratiques et culturelles sont profondément enracinées, ainsi qu'une préférence pour les techniques et les compétences éprouvées du renseignement qu'ils considèrent comme l'étalon-or mondial. Le sous-investissement dans l'intelligence numérique, l'incertitude sur la valeur de l'intelligence artificielle et des tâches d'intelligence open source, et l'aversion culturelle pour le risque et le changement peuvent empêcher les analystes et services les plus innovants d'intégrer les technologies émergentes dans leurs tâches.
Littératie numérique
Les analystes doivent posséder des compétences numériques de base pour utiliser efficacement l'intelligence artificielle et les outils analytiques dans l'analyse, et pour expliquer les informations tirées de l'intelligence artificielle aux clients politiques qui ne maîtrisent même pas la technologie numérique. Pour développer ces compétences, les analystes ont besoin non seulement d'une formation professionnelle, mais également d'un soutien en leadership et en gestion. Cependant, les dirigeants institutionnels doivent trouver un équilibre entre l'investissement dans les compétences numériques et la technologie traditionnelle du renseignement, la langue et d'autres formations régionales, qui seront également essentielles pour les capacités analytiques des agences de renseignement.
Obstacles bureaucratiques
L'investissement en IA nécessite des années d'engagement dans la mise en œuvre et l'intégration, les dépenses de gestion du capital social pour obtenir un soutien institutionnel et l'acceptation par les dirigeants des risques et des défaillances occasionnelles. Cependant, les cadres moyens et supérieurs ont tendance à rester en poste pendant seulement 2 à 3 ans. Ils ne sont peut-être pas disposés à consacrer leur temps et leurs ressources déjà limités à de nouvelles technologies avec des rendements incertains et des risques d’échec, surtout si Leurs chefs du renseignement et leurs agences de surveillance découragent ce genre de propos aventureux.
Valeur de la tâche
Si les analystes et les gestionnaires ne voient pas les «avantages de mission» clairs et substantiels de la technologie, la formation, la motivation et le soutien au leadership peuvent encore ne pas suffire à stimuler l'enthousiasme pour l'adoption de la technologie. Les avantages marginaux des connaissances et de la productivité peuvent ne pas justifier le temps, les dépenses et les coûts d'opportunité nécessaires pour acquérir des capacités d'intelligence artificielle et d'analyse. Les analystes peuvent également disposer d'un trop grand nombre d'outils techniques pour voir la valeur de tout outil, en particulier les outils qui ne sont pas spécifiquement conçus et personnalisés pour répondre à leurs besoins d'analyse uniques. Les analystes qui ont confiance dans les technologies de renseignement traditionnelles sont plus susceptibles d'abandonner et de ne pas adopter de nouvelles technologies auxquelles ils ne peuvent pas s'adapter.
Faites confiance aux méthodes non traditionnelles
L'utilisation des capacités d'intelligence artificielle nécessite une intelligence open source comme une source importante d'analyse et d'apprendre comment gagner la confiance dans les résultats dérivés de la machine. Les obstacles à l’adoption de nouvelles technologies sont la préférence des agences de renseignement pour les rapports secrets qui constituent des jugements, la suspicion d’intelligence open source comme données de diagnostic (cette suspicion ne fera qu’augmenter avec la falsification et la falsification profondes), les préoccupations concernant la sécurité de l’intelligence artificielle, et Faites confiance à la technologie du renseignement qui a fait ses preuves plutôt qu'aux procédures de la boîte noire. La préférence pour les rapports secrets peut être compréhensible, car l'interception d'un renseignement de signalisation ou d'une source d'intelligence humaine peut être le seul moyen de distinguer les plans et les intentions. Cependant, en attendant que des informations confidentielles soient collectées et traitées, le fait de ne pas tenir compte des informations opportunes et pratiques en matière de renseignement open source entraînera un retard des analystes par rapport aux besoins d'informations et aux cycles de prise de décision des décideurs.
La valeur stratégique des analystes du renseignement professionnel à l'ère des nouvelles technologies
De toute évidence, en évaluant ses avantages et ses limites, les technologies émergentes telles que l'intelligence artificielle, le cloud computing et les analyses avancées peuvent automatiser les tâches d'analyse clés et créer une bande passante plus stratégique pour les analystes. Mais quelle valeur la technologie crée-t-elle pour l'analyse elle-même? L'analyse de haut niveau doit répondre à des questions complexes pour les décideurs (par exemple, quelle est la perspective d'un conflit entre un allié et une force hostile? Une manifestation à grande échelle dans le pays X évoluera-t-elle en guerre civile)? Pour répondre à ces questions, vous devez répondre à une série de sous-questions interdépendantes. Ces sous-questions doivent être liées dans un récit analytique cohérent, à savoir: ce qui s'est passé, pourquoi, son impact, ses perspectives et quels avantages pour les États-Unis. influences. Alors, de quelle manière les nouvelles technologies peuvent-elles aider à résoudre ces problèmes?
La valeur directe de la technologie réside dans sa capacité à résoudre les problèmes de capture, d'organisation, de corrélation et de compréhension d'énormes quantités de renseignements et de flux de données. Ces données sont liées au pays, au problème ou à l'objectif de l'analyste. La technologie peut également aider les analystes à évaluer l'impact - détecter et mesurer l'impact des problèmes ou des acteurs sur l'environnement de combat. Le retard de l'intelligence artificielle et des technologies associées répond à la raison. Comprendre les facteurs moteurs, les intentions et les motivations des acteurs étrangers, ainsi que l'histoire, les antécédents et la personnalité qui façonnent leur comportement, sont principalement du domaine des experts en anthropologie. À mesure que la technologie de l'intelligence artificielle progresse, elle peut devenir de plus en plus capable d'identifier ces facteurs déterminants, contribuant ainsi à prédire les perspectives du problème. Mais pour l'instant, expliquer l'impact du renseignement sur les décideurs politiques américains restera l'unique avantage des analystes humains.
Bien que les technologies émergentes apportent une valeur immense à l'analyse des agences de renseignement, une autre question se posera dans les prochaines années: quelle est la valeur de l'analyse des agences de renseignement pour la politique américaine? Bien que les agences de renseignement bénéficieront encore de nombreux avantages, tels que En savoir plus sur la collecte de renseignements, mais la combinaison d'intelligence open source de haute qualité, d'intelligence géospatiale et d'intelligence de signal qui peuvent être obtenues à partir de canaux commerciaux, et l'analyse de données rendra la concurrence d'analyse du renseignement plus intense. Toute organisation bien formée et bien équipée sera en mesure de mener une analyse complète des événements actuels à une vitesse plus rapide et à un coût moindre, et la qualité est comparable à celle des analystes du service du renseignement. Dans le futur environnement de capteurs et d'informations de détection continue de plus en plus courants, le taux d'adoption de la technologie plus rapide du secteur commercial et les installations de renseignement open source supérieures peuvent lui donner un avantage sur le secteur du renseignement pour évaluer les événements mondiaux en évolution rapide.
L'avantage concurrentiel des analystes du renseignement pourrait diminuer en fournissant des renseignements sur les menaces et les événements des prochaines années aux décideurs politiques américains. Cependant, comme l’objectif de l’agence de renseignement est de se distinguer du renseignement open source, sa valeur pour la politique américaine ne viendra pas d’une analyse légèrement meilleure des affaires courantes «CNN». Bien que le service du renseignement puisse et doive fournir une analyse en temps opportun pour maintenir sa pertinence pour les décideurs, la force du service du renseignement doit toujours être l'expertise de ses analystes expérimentés et l'analyse qu'ils peuvent fournir aux seuls décideurs. C'est-à-dire qu'ils ont des connaissances uniques et inégalées sur les causes et les perspectives des événements mondiaux ainsi que sur leur impact sur les intérêts américains et les menaces émergentes.
Bien sûr, les nouvelles technologies seront toujours très importantes. Un analyste du service du renseignement qui maîtrise l'intelligence artificielle et les compétences en intelligence open source peut rapidement comprendre ce qui se passe, comprendre l'intelligence secrète et le contexte historique, comprendre les raisons et fournir des informations sur les menaces mondiales, les scénarios futurs et leur impact sur la politique américaine. Insights. La combinaison des technologies émergentes, de l'expertise anthropologique et de la technologie du renseignement placera les analystes du service du renseignement dans une position unique pour répondre à diverses questions délicates, généralement axées sur la technologie, que les décideurs pourraient soulever au cours des prochaines années, telles que :
Lesquelles sont nouvelles?
Alors que les concurrents américains utilisent de plus en plus des méthodes non conventionnelles, indirectes et secrètes pour obtenir un avantage stratégique, les analystes doivent être en mesure de découvrir de nouvelles et de plus en plus nombreuses dans les domaines politique, paramilitaire, de l'information et économique. Zone grise "Activité 10. Les analystes ayant une expertise dans la détection de signaux d'intelligence artificielle, la découverte de modèles et les outils de visualisation, ainsi que les stratégies, les campagnes et les principes opérationnels de l'ennemi seront les mieux placés pour découvrir de nouvelles actions et identifier les actions croissantes mais significatives dans l'environnement de combat. Les changements fournissent une alerte précoce aux décideurs politiques américains et réduisent le risque de surprises stratégiques.
Lesquelles sont vraies?
Alors que les activités de désinformation et d'influence étrangères s'accélèrent (qui sont plus rapides, plus importantes, plus complexes et semblent plus réelles), les décideurs américains auront besoin d'agences de renseignement pour aider à distinguer le «réel» Et la fiction ". Les analystes devront disposer de capacités d'intelligence artificielle, telles que la détection de fraudes profondes synthétiques et irréelles dans un réseau de confrontation générative, et l'analyse des sentiments pour mesurer les facteurs qui affectent les actions. Les analystes possédant des compétences techniques de base et une expertise nationale seront très appropriés pour évaluer les stratégies de guerre de l’information des adversaires et les actions futures potentielles.
Que faire dans le futur?
Le renseignement stratégique anticipatif ne consiste pas à prévoir des menaces spécifiques, mais à envisager et à évaluer correctement la possibilité d'événements et d'hostilités potentiels. La modélisation, la déduction de guerre et l'analyse de scénarios basées sur l'intelligence artificielle peuvent aider les analystes à identifier et à découvrir un plan d'action potentiel, à prédire les points de décision de l'ennemi et à découvrir toutes sortes de situations avant un impact faible mais important sur les intérêts américains. signe.
Autonomisez les analystes du renseignement actuels et futurs
La capacité de l’agence de renseignement à intégrer et à utiliser des technologies innovantes dans l’analyse stratégique est essentielle pour générer et maintenir les avantages décisionnels des décideurs face à des ennemis et des concurrents de plus en plus complexes. Afin de conserver son avantage analytique, le service du renseignement doit simultanément commencer à envisager, planifier et investir dans de futures tâches analytiques, et adopter et absorber rapidement les technologies émergentes dans les technologies du renseignement d'aujourd'hui.
Ce seront les analystes du renseignement eux-mêmes qui relieront les besoins d'analyse actuels et futurs. En raison du quota de recrutement limité, du temps de formation long, de la faible mobilité du personnel et du taux de rétention élevé, il n'est pas facile pour le personnel du service du renseignement d'être remplacé par des talents dotés de nouvelles technologies11. En effet, comme l'a affirmé Joseph Gartin, ancien chef de la formation de la Central Intelligence Agency, «la main-d'œuvre du futur est déjà là». Les analystes en 2020 pourraient devenir de futurs dirigeants et gestionnaires. Pour beaucoup Pour les gens, ils seront toujours analystes d'ici 2030. Le leadership du renseignement et les parties prenantes importantes - décideurs politiques, Congrès, départements de technologie et de recherche - doivent fournir à ces analystes la technologie et la formation afin qu'ils puissent prospérer aujourd'hui et établir les chiffres de la réussite future. Fondation, avantages institutionnels et normes culturelles. Alors, que devons-nous faire maintenant?
Utilisez l'intelligence open source
En termes de fourniture d'informations et de promotion de l'analyse et du jugement, ainsi que de la nécessité stratégique à l'ère du big data, les agences de renseignement doivent redéfinir le renseignement open source comme une sorte de renseignement de base avec l'intelligence secrète traditionnelle. En outre, le renseignement open source peut non seulement être utilisé comme une information de référence importante pour l'évaluation du renseignement secret, mais il peut également être utilisé comme une tâche d'analyse. La combinaison d'intelligence open source de haute qualité, d'intelligence géospatiale commerciale et de renseignement électromagnétique signifie que l'analyse du renseignement de toutes les sources peut désormais être effectuée à un niveau non confidentiel. Plutôt que de la traiter comme de la concurrence, l'agence de renseignement pourrait tout aussi bien considérer "l'intelligence open source finie" comme une opportunité d'élargir la couverture du renseignement et d'avoir un impact sur les nouveaux clients et parties prenantes susceptibles de valoriser l'intelligence Technologie du renseignement du Département et informations obtenues par des moyens non confidentiels, y compris les forces de l'ordre nationales, les gouvernements étrangers, la technologie et l'industrie, et le grand public américain.
Faites attention aux informations scientifiques et technologiques
Les informations sur les systèmes d'intelligence artificielle étrangers et les capacités, plans et intentions scientifiques et technologiques doivent également être considérées comme une tâche de renseignement de base, collectée et analysée, qui est vitale pour la planification et les ressources des futures tâches des agences de renseignement. Les agences de renseignement doivent être en mesure de comprendre et de prédire les technologies émergentes - en particulier l'intelligence artificielle, la biotechnologie et l'informatique quantique - et leurs applications dans la politique étrangère, la compétitivité économique, les opérations militaires et de renseignement. Pour ce faire, il est nécessaire de collecter secrètement les capacités technologiques et les applications des opposants, ainsi que des informations open source formelles sur les sources des innovations technologiques étrangères (y compris les brevets, les partenariats, les acquisitions et les extensions). Les analystes ont besoin de plus de connaissances techniques et tactiques pour comprendre les systèmes d'intelligence artificielle étrangers, ainsi que de leurs propres capacités et limites d'intelligence artificielle pour collecter, localiser et obtenir des données.
Technologie intégrée
Les analystes du renseignement doivent développer un certain degré d'intelligence numérique en science des données et en intelligence artificielle. Cependant, travailler avec de vrais experts techniques, tels que des scientifiques des données, des ingénieurs en apprentissage automatique et des concepteurs de produits, peut révéler la véritable nature de l'analyse de l'intelligence artificielle. potentiel. L'intégration des data scientists dans le département d'analyse aidera les data scientists à comprendre et analyser les ensembles de problèmes, aidera les analystes à comprendre l'intelligence artificielle associée, à construire et personnaliser conjointement des modèles, à appliquer les bons outils à l'ensemble de données correct et à générer Donner des résultats significatifs 12. Les ingénieurs en apprentissage automatique et les concepteurs de produits doivent contacter les utilisateurs finaux des analystes pour comprendre comment concevoir, créer et ajuster des logiciels, des outils et des interfaces pour répondre aux besoins uniques des analystes.
Diffusez les succès sporadiques
Tout en créant une infrastructure numérique et des incitations institutionnalisées pour l'adoption de la technologie à l'échelle du système, les chefs de service du renseignement devraient également autoriser les superviseurs et les centres de travail individuels à obtenir, tester et adopter des outils analytiques qui répondent à leurs besoins de mission uniques. Certaines tâches d'analyse, en particulier celles qui se concentrent davantage sur l'intelligence pratique comme la lutte contre le terrorisme, seront plus adaptées à l'utilisation de l'intelligence artificielle / l'apprentissage automatique. Mais les dirigeants du département du renseignement devraient déterminer les attributs, les normes et les meilleures pratiques de l'unité de transformation technologique et chercher à diffuser les leçons apprises pour inspirer des méthodes créatives dans tout le département.
Décideur de la politique de l'éducation
La valeur de l'analyse des renseignements découle en fin de compte de l'impact du produit sur les clients politiques, ainsi que de la confiance des clients dans la qualité, la clarté et la transparence de l'interprétation de leurs jugements. Alors que les agences de renseignement intègrent l'intelligence artificielle et l'analyse de données dans leurs produits, les analystes doivent être en mesure d'expliquer clairement et de manière convaincante aux décideurs comment ces technologies sont appliquées, leur poids relatif dans la formation des évaluations et leur impact. L'impact du niveau de confiance des jugements clés. Les analystes doivent devenir des éducateurs de l'intelligence artificielle et des applications analytiques, et apprendre à établir la confiance avec les leaders stratégiques qui prennent des décisions politiques et d'action clés basées sur l'analyse de l'intelligence artificielle.
En termes d'enrichissement et de promotion de l'analyse et du jugement, et en termes de nécessité stratégique à l'ère du big data, les agences de renseignement doivent redéfinir l'intelligence open source comme une intelligence de base, tout comme l'intelligence secrète traditionnelle.
【1】 Entretien de recherche avec une entreprise de technologie et de cloud computing aux États-Unis.
【2】 Entretien de recherche avec une firme américaine de technologie et d'analyse.
【3】 Paul R. Dougherty et H. James Wilson, Human + Machine: Reimagining Work in the Ageof AI (Cambridge, MA: Harvard Business Review Press, 2018),
【4】 Joseph Gartin, «Thinking About theIC's Talent Management Issues in an AI / ML Environment», débat approfondi, 8 juillet 2020, https://elevateddebate.com/thinking-about-the-ics-talent-management-issuesin- an-ai-ml-environnement /.
【5】 Service de recherche du Congrès, intelligence artificielle et sécurité nationale (Washington, DC: CRS); PatrickTucker, «Ce que le directeur technique de la CIA veut de l'IA», Defence One, 6 septembre 2017, https://www.defenseone.com/technology/2017/09/cia-technology-director-artificial-intelligence/140801/.
【6】 «Deux réseaux de neurones sont formés en tandem: l'un est conçu pour être un réseau génératif (le faussaire) et l'autre un réseau discriminant (le détecteur de faux). L'objectif est que chacun se forme et s'améliore de l'autre, réduisant ainsi le besoin de données de formation de grande taille. » Voir Commission de sécurité nationale sur l'intelligence artificielle, rapport intérimaire.
【7】 ODNI, l'Initiative AIM; CRS, intelligence artificielle et sécurité nationale; ErikLin-Greenberg, «Alliés et intelligence artificielle», Texas National Security Review 3, no. 2 (printemps 2020): 56-76.
【8】 Entretien de recherche auprès d'une entreprise de logiciels de sécurité et d'analyse de l'USAI, entretien avec le groupe de travail sur le renseignement et la technologie du SCRS, juillet 2020.
[9] Idem que ci-dessus.
【10】 Pour plus d'analyses sur la concurrence dans la «zone grise», voir le projet de la zone grise du SCRS à https://www.csis.org/grayzone.
【11】 Gartin, «Réflexion sur les problèmes de gestion des talents du CI».
【12】 Entretien de recherche avec une firme américaine de technologie et d'analyse.
1. Analysez l'impact de «l'interprétabilité» sur l'intelligence artificielle d'un point de vue embarqué!
2. Registre [MCU], bibliothèque standard, bibliothèque HAL, bibliothèque LL, tant de bibliothèques! Comment me demandez-vous de choisir?
3. Combien d' étapes y a-t-il pour développer des projets embarqués avec Linux?
5. L'environnement de développement intégré national aide le RISC-V national à briser le monopole des géants étrangers de la technologie des puces
6. Lors du développement intégré, comment réalisez-vous un écran LCD?
Avis de non-responsabilité: cet article est reproduit en ligne et le droit d'auteur appartient à l'auteur original. Si vous êtes impliqué dans les problèmes de droits d'auteur de l'œuvre, veuillez nous contacter, nous confirmerons le droit d'auteur sur la base des matériaux de certification de droit d'auteur que vous fournissez et paierons la rémunération de l'auteur ou supprimerons le contenu.