本文共6703字，阅读需17分钟。
重点摘要：
-
情报组织可以利用人工智能 （AI）、高级传感器、云计算和高级分析等新兴技术来改进情报的收集、处理和利用方式。这些技术可以增强和自动化跨情报领域的各种核心收集和处理任务，并使收集能够更好地适应不断变化的对手行为和操作环境。 -
使用人工智能和云计算的“边缘”传感器和处理设备可以改变收集情报的地点、方式和速度，以推动运营和决策。 -
在争夺技术情报优势的竞争中，将需要加快获取和整合技术的速度和规模，并调整情报专业人员的技能和使命。
为决策者提供及时、准确和有见地的情报通常从情报收集开始。在传感器和大数据激增的世界中拥有前所未有的能力，可以在更多的地方，通过更多的方式，以更快的速度和规模收集信息。然而，虽然情报收集可用的工具和资源在不断增长，但挑战也在不断增加。
首先，数据不是情报，收集的数据量（机密和开源）远远超出了分析师处理并将其转化为有意义的情报和见解的能力。
其次，收集资产（人和机器）需要要求和优先级来指导收集。但是，情报目标和安全威胁的数量、多样性和快速变化使得确定优先次序变得困难，并可能迅速使精心设计的计划过时。
本文情报分析师小编将深入探讨这些新兴技术为情报工作带来的机遇与挑战，特别是对于地理空间情报（GEOINT）、信号情报（SIGINT）和人力情报（HUMINT）这三个重要领域的影响。
人工智能和机器学习技术，以其强大的数据处理和分析能力，正在为情报收集开辟全新的道路。传感器技术的不断进步，使得信息获取的效率和准确性大大提高。而云计算和数据分析技术，则为情报机构提供了海量的数据存储和强大的计算能力，为挖掘和分析情报提供了有力支持。
然而，新兴技术也带来了诸多挑战。如何确保数据安全、隐私保护以及技术伦理等问题，正逐渐成为情报领域关注的焦点。同时，技术的发展也要求情报人员不断更新技能和知识，以适应新的工作需求。
机会
情报工作组发现，利用尖端科技优化、提速及强化情报收集的方式大有可为。目前，已有部分应用软件成功融入到情报的搜集与处理流程中，未来它们还有望在情报组织内得到更广泛的应用与拓展。此外还发掘出一些具备巨大潜力的新兴技术，这些技术将在未来几年内对情报任务起到关键作用。
收集
新科技的大潮正席卷而来，其中尤以人工智能、高级传感器和大数据分析为翘楚。它们的力量，能为情报收集这一核心领域注入新的活力，使其更为强大、精准和迅速。
无论是收集管理、信号检测还是目标识别，这些技术都能大放异彩。借助自动化和机器学习，甚至能建立正常行为和活动的基准线。一旦出现任何异常，系统会立刻发出警报，使情报人员能够及时应对。同时，这些技术也能使情报收集工作紧跟对手行为的变迁，轻松应对各种复杂多变的情境。
对于自动化情报搜集学科，AI 工具可以帮助自动化收集平台的规划、调度和任务分配，并根据收集者的要求和目标类型优化资产选择。人工智能可以协助预测收集任务，为目标选择最佳资产，并根据任务频率、范围和范围安排任务。
“ 自动化和机器学习 （ML） 可以帮助人类建立正常行为和活动的基线，当这些模式偏离时提醒人类，并使收集适应不断变化的对手行为和操作环境。
”
信号检测和预警： 技术收集利用尖端传感器，能捕捉到更多类型的敌方信号，甚至察觉到目标环境中的微妙变化。它能感知异常情况或高风险行为，为情报分析人员提供早期预警，使他们有更多的时间做出反应。把这些智能传感器部署在关键位置，不仅能更好地穿透被封锁的区域，还能收集到难以触及的目标信息。此外，通过融合来自不同传感器和网络系统的数据，增强情报搜集的效率和准确性。利用热成像和声音变化等各种特征来检测目标，让情报收集工作更加精准。
在技术日新月异的今天，数据科学家和情报分析师已经可以利用强大的收集能力，构建、测试和优化AI模型，揭示潜在敌人的特点、模式和行动。这些智能模型能够在海量数据中精准搜寻，锁定关键目标。尤其在5G和物联网设备如雨后春笋般涌现，数据量呈指数级增长的今天，这种智能搜索能力显得尤为关键。这种拥有人工智能的信号检测和搜索模型，还能轻松融入自动化的“提示与警报”系统。
目标验证：人工智能和高级分析已经超越了单纯的识别目标，现在还能验证数据的真实性和来源。无论是技术还是人力收集的数据，AI都能确保其真实性。在军事侦察领域，人工智能和机器学习算法已经广泛应用于自动化空中侦察、监视和目标监测。它们不仅可以快速识别和确认目标，还可以从全动态视频中获取关键信息。
AI工具和分析也被用于支持人力情报工作。在传统的情报工作中，识别、招募和保护外国特工是核心任务。而现在，机器学习算法可以通过梳理和分析开源数据来“发现和评估”潜在的特工。这种方法的出现，使得情报人员能够更专注于他们的核心工作，而不是在数据收集和整理上花费大量时间。
而高级分析和面部识别技术，则可以帮助进一步深化对目标的了解。通过构建目标的“数字生活模式”，预测其可能的行动，并验证他们对所需信息的访问，情报人员可以更好地制定行动计划。
加工
在情报界的战场上，爆炸性的数据流常常让我们应接不暇。然而，有了人工智能和高级分析的加持，这些海量信息被巧妙地转化为我们能够消化和利用的情报瑰宝。
不仅如此，这些强大的工具还承担起简化、整理和优先级分析数据的重任，在纷繁复杂的信息中快速定位关键线索。以美国为例，计算机视觉技术已发展到能够处理图像和视频数据的第三阶段，而自然语言处理技术则以第四阶段从文本中提取出有价值的信息。这些技术进步极大地提升了处理复杂任务和一线分析工作的自动化程度。
任务自动化： 人工智能目前用于自动处理和前端分析传感器衍生的技术数据，但为分析师承担更多认知任务的潜力越来越大。对于地理空间情报来说，AI 协助处理和标记从卫星和空中平台收集的图像和全动态视频。
深度学习神经网络的进步可以帮助自动执行图像识别和分类中更复杂的任务，并为用户提供更高的精度和特异性，例如这不仅能识别坦克，而且识别其品牌、型号、来源，并结合特征确定定位活动部署等。
人工智能应用正在从语音到文本的转录、语音识别和截获通信的外语翻译发展到更复杂的类人功能，例如叙述文本摘要和情感检测。
建构与可视化： 在未来几年，情报分析师可以使用深度学习工具来识别数据流中的模式和趋势，对目标之间的关系进行推断，并可视化网络以提高清晰度和更深层次的含义。
专家们认为，分析以及将神经网络和其他机器学习技术应用于图数据（可以连接的数据，如人员、组织和位置，作为网络中的节点）是一个关键的开发领域。
算法，其实隐藏着无尽的力量。可以让数据按照特定的规则自动分类、聚类，甚至是描绘成一个个精致的节点。通过这些节点，算法可以洞察出数据之间的微妙联系，推断出它们之间的性质，并生成关键的模式和影响网络的可视化。
操作
技术革命进步正在悄无声息地重塑人力资源情报的招募和处理方式。借助人工智能和云计算的强大力量，那些隐藏在"边缘"的传感器和处理设备正在改变我们收集战术情报的速度和规模，能够迅速应对各种情况。
简而言之，科技的力量无比强大，它推动着战略与战术收集的进步，使我们有能力捕获那些硬性且时效性强的目标。同时，它也能降低对国家或更复杂系统的依赖，让一切变得更简单、更高效。
人力情报行动：人力情报的核心任务是招募间谍、收集情报和进行秘密行动。但新兴技术可能会改变执行这些任务的工具。虽然人际互动在源头通常至关重要，但今天可以通过虚拟方式发现、评估、开发、招募和处理。
随着加密技术的发展和设备计算能力的提升，如今能够将源处理程序的通信置于一个极短的压缩时间窗口内。这一改变不仅大大提高了通信的安全性，还增强了整个系统的稳定性。而当引入人工智能技术进行实时监控和分析时，便能更有效地应对安全和反间谍风险，为数据安全保驾护航。
技术工具与收集任务相融合，比如当人力情报官员巧妙运用这些工具时，他们能够进行更具洞察力的外国情报收集，以及更具创新性的秘密行动、政治战、进攻性反间谍和其他敏感的情报活动。这就像在战场上运用了先进的武器装备，不仅提升了效率，更增强了战斗力。
边缘收集：专用边缘设备和云计算的进步有助于改变在前向操作环境中收集、分析和处理数据的位置和速度。
当与先进的传感器和通信平台配对时，配备边缘设备的人工收集器可以进入恶劣、高风险或被拒绝的区域执行敏感的收集任务，并近乎实时地传输时间敏感的数据。
随着边缘能力的成熟，支持人工智能的处理工具可以应用于前沿区域甚至现场，为操作员和决策者快速生成可操作的情报。在扩大情报收集和行动的地点并加快情报收集和行动速度的同时，边缘设备可以帮助缓解对国家或战区级收集平台的运营需求。
利用和行动： 人工智能应用可以加快对捕获的敌方材料进行敏感站点开发的速度和精度，并缩短情报驱动的战术行动的处理、开发和传播 周期。
借助人工智能赋能的战术取证工具，能够应对来自各类捕获设备的海量数字材料，高效过滤，精准提取关键信息，如姓名、电话号码或特定人员的图像。
通过自动化流程能够将筛选出的数据快速传输给相应的接收方。这极大地提升了情报分析员的工作效率，使他们有更多精力进行深入分析，或迅速采取有效行动。
挑战
在科技飞速发展的时代，全球各国都在争相创新，力图将新兴技术融入情报收集行动中。开发、部署和利用技术驱动的情报工具，以削弱和阻止对手的情报工作。
然而，这场技术情报优势的角逐需要不断提升获取技术的速度和规模，采用先进的数据解决方案和架构，同时还要不断调整和提升情报收集人员的技能和任务分配。这是一场永无止境的竞争，也是一场关乎国家安全和技术发展的关键之战。
威胁
检测：加速使用智能传感器、监控和生物识别工具将把操作环境转变为“无处不在的监控”。随着高反间谍威胁区域的扩大，办案人员将难以保持掩护和秘密行动，面临持续的暴露风险。不断增长的公开信息与大数据分析和有针对性的黑客攻击相结合，可能使外国情报部门能够识别和揭露情报官员。
否定： 人工智能在网络安全和密码学方面的进步将帮助对手强化和加密他们的系统，并使渗透和收集其网络的努力复杂化。对于人力情报的收集者来说，提供持续、全面的覆盖，使传统的特工通信技术复杂化。
中断： 除了针对人力情报外，外国情报机构还将目光转向了技术平台，企图通过渗透、操纵等手段削弱网络防护能力。不仅如此，他们还会利用智能恶意软件，专门攻击我们的收集和通信平台，盗取、利用或破坏关键数据和情报。
一旦进入他国情报部门就可以利用“反人工智能”技术将“有毒”或虚假数据插入训练集中，以破坏基于机器学习的模型并导致人工智能系统表现不佳，例如深度神经网络图像分类器错误地将朋友识别为敌人。
欺骗：随着时间的推移，欺骗算法的欺骗技术越来越精湛，它们能够巧妙地将数据错误分类。与此同时，生成对抗网络也日益成熟，能够创建出逼真的图像、通信和情报报告，这些被称为“深度伪造”的技术，足以以假乱真，让人们难辨真假。
劳动力和工作流程
新技术虽好，却未必能轻易融入长期以来的使命与规范中。要想真正吸收和利用这些技术，需要重新审视和调整团队结构、工作流程以及绩效评估标准。只有这样才能实现技术与工艺的深度融合，让技术在我们的工作中发挥出最大的价值。
技能组合：要让AI和其他技术融入日常收集和处理任务，以及工作流程中，我们不得不重新审视并重塑在分析人员的技能。未来情报分析师将需要具备或获得重要的科学和技术技能，以便在数字收集和代理处理环境中有效运作。
有效分析师将需要继续掌握信号、图像和地理空间分析等高度专业化的技能，同时获得AI和分析工具方面的素养和基线技能，以集成到他们的分析工作中。
真实性： 情报分析师必须继续评估数据和情报的质量、准确性和实用性，但随着人工智能工具的采用，他们还必须学习如何测量、判断和考虑数据真实性等全新属性。
随着对抗性人工智能的日新月异，过去的认知被彻底颠覆。过去以为，即使情报收集不尽如人意，至少它是真实的。但现在，这一切正在发生改变。保障所收集图像、电子信号和通信的真实性，是能进行下去的关键，但在对手越来越擅长篡改数据的当下，这变得难以为继。
可解释性： 除了追求真实性，人工智能的融入也引入了一个新的考量因素——可解释性。当人工智能工具逐渐成为产品生成的得力助手，用户不再满足于仅仅接受结果，他们更希望了解背后的算法逻辑、假设和数据偏差。然而，这些信息有时清晰可见，有时却深藏不露。对于分析师来说，如何将复杂的算法逻辑、假设和数据偏差一一解读给用户，成为了一个亟待掌握的技能。
影响
新兴技术具有巨大的潜力，可以增强、加速和改进情报的收集和处理方式，以更好地服务于国家安全目标。虽然具有收集和处理应用的新技术数量不断增长，但获取、集成和利用它们的能力必须跟上步伐，但面临两个现实。
当工作组的暂时告一段落时，已深刻认识到情报收集在何处、如何以及收集何种信息的适应性需求。这些需求，在未来的岁月里将成为情报局坚守的核心原则，甚至可能上升为组织原则。
情报人员不仅要学会如何巧妙运用这些工具和技术，更要在概念化和执行任务方面展现出卓越的适应能力。利用开源资源的策略、以及紧跟下一代颠覆性技术的步伐。这不仅是一次技术挑战，更是一次智慧和勇气的较量。
未来
预测下一代技术对于情报收集和全球威胁环境具有至关重要的影响。这些技术将掀起一场颠覆性的变革，改变情报战的格局。谁能在这场技术竞赛中领先，率先掌握、理解和整合这些新兴技术，谁就能在情报战场上独占鳌头，赢得战略优势。
生物技术：生物学和生物技术将在未来几十年内中发挥核心作用。面临的挑战不仅是了解流行病和生物威胁的性质和影响，而且还要了解如何寻求利用生物技术来推进其战略利益。
生物学将是一个新的战争领域，因此需要情报来了解和威慑威胁。生物技术可以改变情报收集的本质，并催生一个新的生物情报领域。合成生物学、人工智能和计算能力的进步融合可以在生物传感、生物地理定位以及 DNA 数据存储和传输方面创造变革性的新收集能力。
5G 和物联网：情报收集的游戏规则正在发生颠覆性的变化。这不仅为情报收集者带来了前所未有的机会，也带来了前所未有的挑战。海量的数据涌入，处理负担激增，犹如压在心头的大石。在这个"无处不在的连接"时代，硬件的断开和边缘云计算让智能化的进程以前所未有的5G速度推进，几乎在任何角落都能迸发出新的智慧火花。
然而，数据量和数据种类随着5G技术的普及而爆炸性增长，同时物联网设备产生的信号和数据也成倍增加，使得在这片浩渺的"数字海洋"中淘金变得更加困难。现在情报收集不再仅仅是单一的、线性的过程，而是一个复杂、多维的网络。在这样的环境下，情报收集者需要灵活应对，适应并驾驭这种全新的、不断变化的挑战。
原文始发于微信公众号（情报分析师）：【春节特辑】如何利用新兴技术进行情报收集
- 左青龙
- 微信扫一扫
-
- 右白虎
- 微信扫一扫
-
评论