情报侦察领域人工智能技术的应用与发展 .pdfVIP

情报侦察领域人工智能技术的应用与发

展

摘要：随着人工智能技术发展水平的提升，人工智能技术能够突破人脑的运

算限制，提升军事情报人员的综合效率和决策科学性，已经广泛运用到情报侦察

领域中，呈现出多样化发展状态。因此情报侦察领域需要合理运用人工智能技术，

注重提高人工智能技术在情报侦察方面的应用效果，从而全面提高我国情报侦察

能力。本文首先分析人工智能技术在情报侦察领域的应用现状，其次分析了深度

学习应用在情报侦察领域面临的挑战，以期对相关研究产生一定的参考价值。

关键词：情报侦察领域；人工智能技术；应用与发展

1人工智能技术在情报侦察领域的应用现状

人工智能技术可以为军事情报采集管理、决策管理提供服务，将其运用在军

事的观察环节、判断环节、决策环节，覆盖观察-判断-决策-行动（OODA）环的

各个环节。在情报侦察领域，人工智能在目标识别与检测、文本分析等方面将发

挥重要作用，很多国家已经意识到人工智能技术在情报侦察方面的应用价值，开

始积极部署安排、发展人工智能技术。

目标识别与检测。军事领域的目标自动识别研究始于20世纪中期[1]。军事

目标自动识别技术涉及多个学科的交叉，既包含计算机视觉、人工智能、机器学

习，又要将目标自动识别技术与特定的军事应用场景相结合起来，形成一套完整

的系统。近年来，深度学习算法在雷达目标识别领域、图像处理领域具有较多的

应用研究，国外军事目标识别已经从理论研究逐渐发展到实际应用。

文本分析。美国在俄乌战争中对全球主流新闻媒体、网站实行实时监测，利

用监测Twitter、Facebook等社交媒体上的用户评论精准预测俄军下步动向。但

是，文本分析必须突破从“信息过载”的数据中精准获悉有价值的情报信息这一

难题，才能使文本分析这一利器在军事领域有所作为。自然语言处理技术中的信

息抽取技术、命名实体识别技术便是解决这一问题的重要方法。

在卫星技术、无人机侦察技术广泛发展的今天，情报传输与通信能力获得有

效提升，情报侦察监视数据呈现出爆炸式增长状态。世界上很多军事强国已经开

始使用大数据技术和人工智能技术提高侦察目标分析能力、处理能力，情报侦察

系统可以从海量图纸数据中迅速而又精准地提取出军事目标识别信息，从而解决

目前军事情报系统对于海量军事情况侦察、监视数据的迅速处理和分类识别，可

以在情报侦察方面、目标监视方面、毁伤评估方面发挥出明显优势。通过创建情

报知识图谱和自主演化更新系统，能够对多源战场的军事情报信息展开深度关联

分析，有助于提高侦察情报的智能分析水平、认知能力。

2人工智能在情报侦察领域面临的挑战

人工智能在军事领域的应用受到了世界各国的重视。以美国为例：美国于

2014年发布了“第三次抵消”战略，意图寻求在人工智能领域与其他国家拉开

代差。

进入21世纪后，美国国防部高级研究计划局（DARPA）及各军兵种先后启

动了多个人工智能研究项目，以探索人工智能技术在情报处理、态势感知、威胁

评估等方面的应用。

DARPA于2007年启动了“深绿”（DeepGreen）计划，将人工智能引入作

战辅助决策，将智能和仿真嵌入指挥控制系统；2010年3月，DARPA启动了心灵

之眼项目，旨在为机器建立视觉的智能，可对视频信息进行形象推理；2022年，

DARPA发布“人工智能增强”（AIR）计划，要求开发用于作战管理和传感器融合

的新型人工智能与机器自主技术，以在作战中实现战术自主性，包括实现集成传

感器的战术自主性、适应大规模交战的可扩展性、对变化环境的适应性，以及机

器学习能力。

虽然人工智能技术为一些军事问题的求解提供了新的解决思路，但是受限于

深度学习的自身发展阶段，以及军事问题自身的复杂性和特殊性，人工智能在军

事领域的落地仍然面临诸多挑战[2]。

2.1数据获取困难，训练样本少

由于军事目标的高度必威体育官网网址特性，数据集的获取以及数据样本标注困难成为了

目标识别等神经网络训练头等重要问题。一般来说，在模型训练时需要大量的数

据，目前大部分的深度学习模型，都是有监督学习的方式进行的，需要海量的数

据支持。例如ImageNet数据集就拥有1400多万的图片。而数据集样本过少会

产生严重的过拟合问题，从而导致模型的泛化能力急剧下降。

针对样本量不足导致神经网络模型的训练受到阻碍，可基于现有数据进行数

据扩充和模型优化等。一种方法是