详细内容或原文请订阅后点击阅览
人工智能能否帮助美国情报部门结束数十年来对非机密数据的厌恶？
在这篇专栏文章中，Joshua Haecker 解释了人工智能和法学硕士如何帮助情报界使用非机密信息（通常是未开发的来源）。
来源:美国防务快讯网五角大楼锁定安全防御概念图（Getty Images）
生成式人工智能和大型语言模型 (LLM) 的快速发展为美国情报界创造了一个机会，使其能够摆脱长期以来不愿使用非机密信息的局面——这种不情愿迄今为止在很大程度上关闭了整个情报和信息收集渠道，使美国及其盟友更容易受到战略或战术突袭。
情报界但是，虽然国家安全机构采用人工智能模型和 LLM 可能会带来技术变革，但必须以正确的方式进行，不能转移长期以来对机密信息比非机密信息的偏见，否则将错失大幅提高美国情报能力的机会。
政府机构长期以来一直在监控新闻报道和网上言论，最早是外国广播信息服务 (Foreign Broadcast Information Service)，但它们在很大程度上忽视了（或充其量是将其孤立起来）来自其他知名来源的大量公开信息。现在有大量此类数据。例如，就在去年 10 月哈马斯突然袭击以色列的前几天，有关哈马斯随后瞄准的许多地点的阿拉伯语网络内容的访问量激增。经过适当训练的 AI 模型可以检测到这些并提供关键的预警。
PDF这是一个关键时刻。现在有机会解决情报界每个人都认识到的预先存在的、适得其反的偏见。然而，如果他们不小心，负责训练模型的情报分析师最终可能会将偏见问题置于“技术石头”上，并使其变得更加棘手。
Joshua Haecker 是 FiscalNote Global Intelligence 的产品主管。他曾是美国陆军的情报专家。