图文：兰德报告—技术创新与空军情报分析的未来

喜欢就关注我吧，订阅更多最新消息

2021年，兰德公司发布了系列专题研究报告《技术创新与空军情报分析的未来》的第1卷和第2卷，对美国空军情报分析的现状与未来革新方向进行深入调查研究，提出了改进建议。以下简要介绍项目和研究报告内容。

美国空军分布式通用地面系统（AF DCGS）负责从美国空军各种平台收集的数据中为世界各地的作战人员制作和分发可采取行动的情报。在过去二十年中，情报收集和对情报产品的需求呈指数级增长，导致分析能力紧张。与此同时，情报分析员往往忙于执行常规的处理、利用和传播（PED）任务，无法专注于应对《2018国防战略》设想的未来威胁所需的更大战略分析。2012年的一份“兰德空军项目”（PAF）报告提出，人工智能（AI）有朝一日将能够帮助自由分析师完成更好地利用人力情报的任务。自该报告发表以来，人工智能和机器学习（ML）已经取得了巨大的进步，我们预见到在未来几年将有进一步的创新。

第1卷封面

第2卷封面

2017年，空军/A2要求“兰德空军项目”分析当前和潜在的未来技术如何帮助空军分布式通用地面系统变得更加有效、高效、善于利用人力资本和灵活。我们还被要求考虑最佳利用这些技术所需的流程、培训和组织改进。该研究项目名为“缩小PED差距”，于2018财年在“兰德空军项目”的军力现代化和部署计划中进行。该研究在三份配套报告中进行了讨论：

·《技术创新和空军情报分析的未来》，第1卷，结论和建议，RR-A341-1，2021年。第一卷为包括空军决策者在内的广大受众提供了基本结论和建议。

·《技术创新和空军情报分析的未来》，第2卷，技术分析和辅助材料，RR-A31-2，2021（本报告）。第二卷对项目方法进行了更深入的讨论；对人工智能和机器学习进行了初步介绍；对关键建议进行了更详细的讨论；以及专家、利益相关者和专家会感兴趣的其他信息。

·《技术创新和空军情报分析的未来》，第3卷，数据流图的技术评估，即将出版，不向公众提供。第3卷提供了额外的限制性细节。

这份报告应该会引起空军和更广泛的情报界的决策者的兴趣。

本报告的研究受美国空军/A2委托，在兰德空军项目的军力现代化和部署计划范围内进行，作为2018财年填补PED缺口项目的一部分。

空军分布式通用地面系统操作层

兰德空军项目

兰德项目空军（PAF）是兰德公司的一个部门，是美国空军部（DAF）联邦资助的研究和分析研发中心，为美国空军和美国航天部队提供支持。兰德项目空军为DAF提供影响当前和未来空中、太空和网络部队的发展、部署、战备和支持的政策选择的独立分析。

研究分为四个项目：战略和条令；部队现代化与部署；人力、人事和训练；以及资源管理。此处报告的研究是根据合同FA7014-16-D-1000编制的。

本报告记录了最初于2018年10月3日与美国空军部共享的工作。该报告草案于2018年9月26日发布，由正式的同行评审员和美国空军主题专家审查。

欺骗机器视觉

《第2卷，技术分析和辅助材料》摘要

问题

空军分布式通用地面系统（AF DCGS）分析传感器数据的需求日益增长。随着数据量的增加和时间的缩减，在正确的时间将正确的情报提供给正确的人是越来越困难。利用所有收集的需求限制了分析师解决更高级别情报问题的能力。目前的工具和数据库不便于获取所需信息。

方法

空军/A2要求兰德空军项目（PAF）分析新工具和技术如何帮助满足这些需求，包括人工智能（AI）和机器学习（ML）如何集成到分析过程中。兰德空军项目评估了空军分布式通用地面系统工具和流程，调查了AI/ML方法的最新技术，并研究了鼓励创新和纳入新工具的最佳实践。

结论

· 许多分析任务可以完全或部分自动化，尽管在更复杂的任务中仍然需要人工参与。

· AI/ML可以让分析师专注于解决情报问题和开发支持技术，从而提高分析效率。

· 分析师将需要新的技能，以促进AI/ML的使用，并利用机会进行更先进的分析。

通用数据流图——未来技术的潜在改进

建议

空军分布式通用地面系统：

· 利用现有的技术，使一些分析和报告任务自动化，并使档案情报更容易访问。

· 在有条件的情况下，利用AI/ML技术进行早期阶段的分析任务（例如，识别和标记图像、发布威胁警告、重新分配收集器任务）。

· 组织人员平衡三种能力：支持任务、支持分析和解决情报问题。

· 招募并培训具有数据科学、编程和其他技能的分析师。

· 遵循开发、实施和维护新工具的最佳实践。

扫码关注我们

每天有最新消息