人工智能技术在美军情报领域中的应用研究.pdf

6Feb.20242024年2 月Vol.50 No.1信息化研究Informatization Research期第50 卷第人工智能技术在美军情报领域中的应用研究李子，程悦（中国电子科技集团第2 8 研究所，南京，2 10 0 0 7）摘要：美军积极发展下一代人工智能技术，并在情报领域布局智能化战场应用于未来战争，谋求军事优势。本文对人工智能技术在美军情报领域中的研究现状进行分析梳理，结合美军在情报领域的典型项目、人工智能战略分析情报领域内人工智能的发展趋势，提出我军情报领域人工智能技术应用的一些针对性和实用性建议，有效提升我军对战场的认知、态势理解和决策、战场研判和预测、人机协同等情报分析能力。关键词：人工智能；情报分析；战场认知中图分类号：TP180引言面对战场环境日趋复杂、作战领域日益融合以及国防战略的转变，美军相继提出“马赛克战”“联合全域作战”等新型作战概念，积极将人工智能等新兴技术应用于未来战争，寻求在与大国对手的竞争中取得胜利。美军正在开展下一代人工智能技术研究，增强人工智能的可解释性、稳健性和安全性，进一步提升持久感知、战场空间理解和决策速度等能力，建立作战优势。当前，我国所面临的安全形势愈发体现紧张性与不确定性，呕需大力推动人工智能技术在我军事领域的应用。为此可以借鉴美军在人工智能领域的技术与经验，重点提升态势理解和决策能力，辅助指挥人员高效作业和分析决策，力争在关键领域实现与强敌大国的追赶、比肩、超越。本文主要针对美军情报领域，简述其近期人工智能技术研究情况，并对其发展趋势进行简要分析，提出我军情报领域人工智能技术未来发展与应用的一些建议。1技术应用现状美军积极开展人工智能研究，将人工智能、认知计算应用于态势的智能认知理解和预测生成，收稿日期：2 0 2 3-0 6-2 7提升指挥人员理解态势、料敌先机的能力。美国防部和各军种近年发布国防部人工智能战略2 0 19美国空军人工智能战略空军科技战略等文件，强调将人工智能应用于指挥控制领域，解决美军在未来复杂战场环境中面临的关键问题，提升感知、决策和控制能力。美军运用深度学习、强化学习、认知计算等方法，发展快速制定行动方案并开展行动方案推演的工具，辅助指挥官快速高效决策。通过长时间研究建设，美军已初步形成了“数据十智能”战略体系，帮助情报工作保持世界领先的技术优势。美、俄、英、法、日等国已将发展军事信息化智能化上升为国家战略大力推动 1-2。近年来，外军就深度态势认知、可解释性人工智能进行初步研究取得了一定进展，比较重要的研究方向或项目包括“第三代人工智能”计划、可解释人工智能（ExplainableArtificialIntelligence，XA I）、人-机器代理知识融合(Human-Agent Knowledge Fusion,HAKF)等 3 个方面。1.1“第三代人工智能”计划美军第一代人工智能系统出现于2 0 世纪50 70年代，主要基于手工化处理知识或狭义任务规则 3-4,在严格定义的问题上具有较强的推理能力，但无学习能力且难以处理不确定性问题，导致系统脆弱和应用范围有限，专家系统是其典型代表。第二代人工智能系统诞生于2 0 10 年，主要依托数据和综述与评论李期能技术在美军情报领域中的应用研究第50 卷第统计学习方法，以深度学习为核心特征。系统依赖大量高质量的训练数据，但结果解释能力相对有限，缺乏情境联想推理能力，难以适应不断变化的复杂环境 5-6。第三代，即下一代人工智能系统，由中国科学院张院士 7 全面阐释，致力于融合第一代的知识驱动和第二代的数据驱动的系统，克服前两代智能系统的局限性，融入情境模型来感知、学习、抽象和推理8，更好地适应不同的情境。第三次人工智能浪潮推动着能够进行类似人类交流和逻辑推理的人工智能工具的出现，军事任务规划的改进，战场“智慧”的提高，作战面临的棘手问题得以解决。美国国防部高级研究计划局（DARPA）于2 0 18年9月设立了“人工智能科学和开放世界新奇学习”(SAIL-ON)项目，启动第三代系统的研制工作，通过机器学习、计划识别、知识表征、异常检测、故障诊断和恢复、概率编程等技术实现预测统计学习、描述符号推理、解释语境适应等战备能力9。“第三代人工智能”相关技术已融入情报信息系统中，在时间紧迫的复杂战场环境中，理解分析大量不完整和矛盾的信息，提高情报人员决策效率及自主执行关键任务 10 1.2XAI2016年10 月，DARPA发布XAI项目的公告，聚焦研究可解释机器学习技术，让新一代人工智能系统变得可解释。通过创新机器学习的方法以产生可解释性更强的模型。该项目目标就是创建一套能够生成可解释模型的新的或优化的机器学习技术，能够让最终用户理解、信任并有效管理新一代人工智能系统 1。XAI能够向最终用户解释单个决策，让用户能够理解系统的整体优势和弱点，展示出系统在未来将如何表现，以及可能的话如何纠正系统的错误。可解释人工智能在美军信息系统的运用主要包括3个方面：生成可解释性更强的模型，实现情报分析过程的全面可视、可理解。促进可解释界面设计，在情报分析系统中实现先进的人-机交互(Human-Computer Interaction,HCI)技术（如可视化、语言理解、语言生成与对话管理等）。应用与有效解释指挥员的心理需求，更好促进机器与人的交互过程。2 0 17 年，DARPA启动的“不同来源的主动诠释”（Active Interpretation of Disparate Alter-natives，A ID A)项目采用人工智能、机器学习、自然语言理解、计算机视觉、神经网络等技术，通过处理相互矛盾、混乱的数据，生成多种对真实世界事件现状和趋势的主动解释，辅助分析员和决策者分析事态，提高对事态的理解和感知能力 12 1.3HAKFHAKF概念最早由美国和英国联合开展的分布式分析和信息科学国际技术联盟计划提出。该模型解释了如何将人与机器代理集成到动态团队中，从而提高制定决策的信心和能力。作为人与机器代理之间的对话程序,HAKF能够支持可解释性和可述性，从而使AI代理能够对复杂的机器学习任务产生的结果进行解释，并获得修改其模型或知识库的知识，有望改进作战人员的决策过程。人机协同人机融合是当前人工智能前进的主要方向，双重优势的发挥能够高效地解决复杂、疑难问题，具有深刻的科学意义和巨大的军事应用前景 132019年，DARPA启动基于自然语言处理、深度学习、神经网络、逻辑推理与关联分析等技术的“知识导向人工智能推理图谱”（Knowledge-directedArtificial Intelligence Reasoning Over Schemas,KAIROS)项目研发工作，该项目致力于情报领域的因果关系智能推理，以时序信息和事件模式为主线，使机器具备事件模式的理解能力，辅助指挥员在大量彼此孤立且分散存在的信息片段中，及时发掘得到战场事件背后隐藏的真正有价值的知识1412021年2 月2 4日，DARPA启动“觉知赋能的任务指导(Perceptually-enabled Task Guidance,PTG)项目，该项目结合机器深度学习技术和自动推理技术完成战场环境中音视频的分析及作战任务和计划的监视，配合增强现实技术优化人机交互界面，全面提升作战人员的战时执行能力152人工智能发展趋势结合美军规划、智库报告，目前美军大力发展数据战略、人工智能战略，致力形成“数据十智能”战略体系，帮助情报工作保持其技术优势 16，其人工智能发展趋势主要包括过程透明、人机融合、数据训练、机器认知等方面。2.1从黑盒到透明，着力发展可解释的人工智能自主系统的有效性因为机器无法向人类用户解82024年2 月信息化研究综述与评论释自身的决策和行动而受到了极大的限制。可解释人工智能是用户能够理解、适当信任并有效管理新一代人工智能伙伴的关键所在。美军着力运用机器学习以模型自身具有的内部表征来构建真实世界的模型 17，采用可解释性推理方法，解析复杂逻辑知识，透明化智能算法的决策机制，可视化展示机器认知推理过程。可解释学习技术当前发展重点旨在提高机器学习技术的可解释性，同时保持较高的学习性能，在机器学习性能与解释能力之间取得平衡。通常，性能最高的方法可解释性最差（如深度学习），可解释性最好的方法正确性较差。目前有3种方法可以继续研究：深度解释、解释性模型、模型归纳。目前，美军研究团队创新性地让人工智能系统阐述其工作基本原理 17，系统会从数据集中自动找到一些样本，然后给出简短的解释；研究团队还针对图形识别系统设计了一些方法，通过标注图片上最重要的部分来揭示图形识别系统的判断逻辑。可解释学习系统已经初步实现，该系统由机器学习和人机界面软件模块组成，可用于开发未来可解释的人工智能系统。2.2从执行到协同，推动人机融合进一步发展美军持续研究缩小机器和人类“思考”方式的基本差异。推进第三代人工智能技术的开发，解决机器和人类“思考”方式的基本差异，促进人机融合与团队合作，使人工智能系统成为“解决问题的合作伙伴”，在网络安全、数据和图像视频分析、无人机群操作以及灾难援助等工作中，起到增强人类能力的作用 18-19美军正在教授AI系统如何面向战场进行学习和做出适当反应，而无需利用大型数据集进行重新训练。该项目将奠定机器赋能技术基础，使它无论在哪个领域都能自主开展军事“观察、适应、决策和行动”循环过程，即观察情况、适应观察到的情况、确定最佳行动方案、然后采取行动。同时要求研究团队在开放世界中表征和量化新颖特性的类型和程度，以开发一种能够生成选定领域不同程度新颖层级新情况的软件，并开发能够识别和响应多个开放世界领域的新奇特性的算法和系统2.3从感知到认知，加速机器学习技术发展如何应对瞬息万变的战场态势，实现相对智能化的战场态势认知，以辅助指挥员实时、高效、科学地进行决策，已成为认知研究的关键问题。美军开展了大量相关研究项目，并取得较为瞩目的成果 2 0（1）研究终身学习机器，能够自行调整适应新情况。机器系统能在预先设定的限制范围内，从新环境中学习并加以应用，从而变得更完善更可靠。研究一种全新的机器学习机制，使系统能够从实际的经验中不断学习和进步 2 1。建立具备在具体与特定环境下积累普遍性的经验教训从而真正地从经验中进行改善的机器。美军启动“终身学习机器”(Lifelong Learning Machines,L2M)项目 2 2,旨在开发能够在任务执行过程中不断学习并变得越来越专业的系统，在将以前的技能和知识应用于新情况的同时，不会忘记之前的学习内容，并能够根据历史积累经验决策新情况、新问题，提高行动的自主性，增强环境适应能力 1（2）让机器具备像人类一样的常识推理。主要目标是为机器开发像人类一样的常识推理能力。该项目将建立能够从经验中学习并可模拟物体、行为和空间的计算模型，构建人类常识基础的试验环境，训练人工智能应用程序从网络阅读中学习。项目成果将为向通用人工智能系统发展奠定基础。近几年，机器常识在许多方面取得了重大进展。机器学习，特别是深度学习的快速发展，为半监督、自我监督和无监督学习提供了创新技术，使机器常识问题的解决成为可能。机器常识（MachineCommonSense,MCS)项目 2 3将研究机器常识领域的创新技术，使人工智能能够理解新的情况，监控自身行为的合理性，更有效地与人交流，并将前期学习成果应用到新领域。3对我军的启示美国情报界的技术战略重点和发展趋势是迅速采用数字技术和信息技术，构建“数据十智能”的战略体系，统一情报界内对于数据技术和人工智能技术的认知，改变情报界传统封闭的文化 2 4。情报态势认知系统不仅需要提供原始数据，更要得出高质量的决策知识和对战场空间的理解，增强作战时的可预测性和快速反应能力 2 5。美军在技术上大力发展人机结合的态势智能认知能力，通过增强人机9综述与评论李期子，等：人工智能技术在美军情报领域中的应用研究第50 卷第深度协作程度，提升战场态势的实时、高效、科学认知能力。我国应结合当前人工智能技术发展，着重提升决策端的情报理解和高效决策能力、行动端的自主协同能力，构建情报分析系统智能学习训练及应用环境，提升工程化开发智能化情报分析系统与应用的能力，加快人工智能技术对我国情报分析系统的赋能。3.1加强机器辅助决策，提升信息系统自动化水平美国空军于2 0 18 年利用自然语言处理、语义分析、关键词抽取技术设计并实现一种开放交互式情报问答系统“数字企业多源开发助手”（MEADE)项目，辅助情报人员分析海量数据 2 6。美国国防情报局运用大数据、云计算以及机器学习等技术构建一种针对外军情报数据采集实时共享融合分析的MARS云数据管理系统 2 7。加强机器辅助决策和提升信息系统自动化水平是实现战场情况快速研判的重要手段，可以采取以下措施实现：（1）文本信息抽取和归纳。当前战场信息数量巨大且格式各异，信息的多样性使得处理和分析信息格外困难。战场环境的动态性和不确定性会使信息出现穴余和关联关系的弱化，关联信息可能分布在不同时间、不同类型、不同语言的战场信息中。信息处理时不仅需要考虑当前的信息，还要考虑到与之相关的其他信息，来自互联网资源的大量信息均需要人工大量阅读、抽丝剥茧筛选出重要信息，为进一步应对海量信息过载，提升决策优势，可以运用自然语言帮助我们理解文本的含义，包括文本的情感、语境、逻辑关系等，完成文本的分类；运用关键词提取技术提取文本中的主题、核心观点或者是最重要的事实，清理干扰数据，完成文本的阅读；运用主题分析识别出文本的主要话题或者主题，运用关键词检索帮助我们在大量的文本中找到与特定主题相关的信息，从而实现文本异构信息的多维度抽取、归纳。整合后为决策者提供全面的情况分析。（2）信息实时共享和融合。不同来源、不同形式、不同领域的文本信息间的共享和融合可以多视角、跨时空地整合信息。避免单一视角导致的偏见和误导，有助于提高决策的准确性和可靠性。时空限制的突破有助于更好地理解历史背景、现状和未来趋势，为决策者提供更全面的信息支持。文本、图像、语音等多类信息的融合，如地理信息系统（Geo-graphic Information System,GIS)中地图数据与文本描述的融合，具现的地形、气候、敌我力量对比等更全面深入地帮助实现决策者理解战场环境，同时避免信息不对称导致的决策失误。信息的实时共享及融合，有助于提升观察、判断动态情报的能力，有效获取作战场景中用于决策的相关信息，提升信息获取效率。3.2应用智能化技术，加强面向复杂环境的情报应用能力美国国防部于2 0 17 年启动的梅文计划（Pro-jectMaven)利用深度学习、图像识别、计算机视觉处理技术实现战场无人机数据的收集、分析、预警和分发 2 8 1。2 0 17 年起美国空军分布式通用地面系统利用人工智能发现与利用（AIDE)的深度学习技术实现信息的自动推送 12。美国海军“宙斯盾”（A E G IS)作战系统于2 0 2 0 年起计划利用基于人工智能技术的自主战场空间监视智能体（SABM)综合运用交战级航迹数据、不同传感器源的识别数据、从编制内/非编制数据库获取的敌平台传感器或武器能力数据以及战场空间内各战术实体观测到的行为数据等来生成通用作战图，以此为“宙斯盾作战系统的值班人员提供完整的态势认知能力 2 9。未来战场的高度动态性和不确定性要求作战计划和决策能够快速适应变化，仅依靠战前规划已无法适应未来作战行动的要求。运用机器学习、动态规划等技术加快作战计划制定速度，提高作战节奏势在必行。（1）实时战场环境威胁识别与任务分配调整。实时处理、分析收集、获取战场环境中的实时情报数据，识别跟踪敌方潜在威胁目标和评估我方力量。基于历史数据和实时情报，利用智能化技术建立预测规划模型和智能决策支持系统，对战场环境中的威胁和我方力量的变化进行预测和规划。结合实时情报和预测结果，自动生成多个可行的决策方案，并根据当前的战场环境变化和目标威胁优先级推荐最佳的决策，动态调整任务分配和资源调配。（2）智能辅助态势分析。发展辅助态势智能聚10综述与评论2024年2 月信息化研究焦分析能力，智能聚焦指挥人员的关注点，分析关联关系，提示敏感事件，呈现出更加易于理解的态势图。战场环境中各个要素相互关联相互作用，使用关联规则挖掘算法挖掘要素集中的模式和关联关系并量化。基于战场环境数据，系统自动检测潜在的敏感事件和异常情况，警示并为指挥人员提供详细、准确的情报分析和及时、实用的处置建议。根据指挥人员的历史决策和关注点，建立个性化的关注点模型，基于推荐系统技术智能推荐指挥人员关注的信息，减少信息过载和干扰，提供更加相关和有针对性的情报支持。运用地图、图表、热力图等形式将战场环境中的战局、敌我情况、发展态势、敌方意图等分析结果以直观、易于理解的态势图呈现给指挥人员。3.3加强智能化的数据治理与运用美国的海军陆战队大学的“雅典娜”采用人机对抗技术迭代升级 30。2 0 15年，DARPA启动的对抗环境下目标识别与自适应（TRACE)项目期望利用有限数量的训练数据实现新目标的快速学习。数据赋能已成为智能化战争的本质规律和显著特征。通过数智化手段对军事数据进行治理和运用，将有助于提升军事指挥决策的效率和准确性。（1）知识表征与计算。通过知识表征与计算，理解指挥员经验意图，实现战场研判经验的数字化表征与计算。通过自然语言处理技术分析指挥员的语言表达，利用知识图谱等技术结构化表示指挥员的经验和意图，基于地理信息、敌我兵力部署、作战计划等战场数据分析研判的模式，构建研判模型，自主推理优化模型，实现研判的模拟和复制。（2）机器对抗。采用模拟仿真驱动方式，进行战场情况研判过程对抗训练，实现经验知识样本的数量提升。设计虚拟仿真战场环境，具备一定的自主学习和决策能力的机器对抗学习模型根据战场数据进行研判决策，人类指挥员通过评估引导模型表现调整和优化模型，积累正确的经验知识样本。通过不断地迭代和更新，积累经验知识样本，并将它纳入到模型中，以进一步提升模型的性能，机器对抗学习模型的经验知识样本数量将逐渐提升。（3）少数据学习。采用基于微调和数据增强的少数据学习方法，实现基于小样本数据不充分、不完备素材信息的分析处理，实现有限数据的充分运用。在大规模数据集上训练一个普适模型，运用迁移学习技术，将预训练模型的知识迁移到特征性更强的小样本数据集上，适当调整模型参数和结构能够提高模型在小样本数据集上的泛化能力。数据增强技术变换扩充原始数据，生成新的训练样本，如图像翻转、旋转、缩放、裁剪等图像样本增强和文本同义词替换、句子重组、反义等文本样本增强，增加训练数据的多样性，提高模型的泛化能力。3.4建立人机互提升的技术生态人机协同可以实现人类和机器的优势互补。人类可以利用自身的创造力和想象力进行战略决策和战术规划，而机器则可以利用强大的计算能力和数据处理能力提供全面、准确的情报支持和辅助决策，实现更高效、更准确的作战。人机互提升的技术生态的建立可以从以下两方面考虑：（1）人机协同认知。基于机器自学习模型驱动，构建人机协同的认知信息空间，将人类指挥员在历史战役中的成功经验和战术策略转化为机器可理解的形式向机器赋能，让机器模仿人类思维逻辑透视战场，实现机器计算向机器仿人智能认知转变。建立多模态人机交互模式，加强人和机器之间的互理解水平，提升人机融合的深度。通过将人工智能技术应用于指挥控制系统中，实现人机协同工作。指挥员可以通过语音、图像、手势等交互方式与系统进行沟通和协作，共同制定决策和任务分配。系统可以提供实时的战场态势分析和建议，帮助指挥员更好地理解和应对战场环境中的威胁和变化。（2）知识演化与增量学习。自学习模型通过不断收集、整理和归纳战场数据和专家经验，自动提取和发现数据中的模式和规律，持续地学习和更新认知模型，适应不断变化的战场环境和需求，同时利用增量学习，引人新知识调整和优化模型参数，实现认知模型和知识的自主增长，反哺支撑人对战场的分析研判，促进人、机的相互协作及相互提升，形成良性生态系统。4结束语本文主要介绍了美军人工智能技术在情报领域中的应用，首先从“第三代人工智能”计划、XAI、HAKF等3个方面介绍了美军人工智能技术研究11综述与评论李智能技术在美军情报领域中的应用研究第50 卷第1期现状；其次，从可解释性、人机融合、机器学习3个方面分析了美军情报领域人工智能技术发展趋势；最后分析了我军智能化技术在情报分析系统中的应用现状，提出我军情报领域人工智能技术未来发展与应用的一些建议。参考文献1蔡华悦，未志元.人工智能在各军事强国的发展.国防科技,2 0 17,38(0 5):7 11.2尹昊智，刘铁志.人工智能各国战略解读：美国人工智能报告解析.电信网技术，2 0 17（0 2）：52-57.3陈健苹.算法战：DARPA下一代人工智能计划初见成效J.中国航空报，2 0 19,35（12）：2.4 Yasmin.Algorithmic Warfare:DARPAsAI Next Pro-gram Bearing FruitJJ.National Defense,2019,104:8-9.5吴彤.关于人工智能发展与治理的若干哲学思考 J.学术前沿,2 0 18(10)：18-2 5.6熊朝华，吕望晗，吴蔚，等.情报侦察领域人工智能技术的应用与发展J.指挥信息系统与技术，2 0 19,10（0 5）：8-13.7 张铵，朱军，苏航.迈向第三代人工智能 J.中国科学：信息科学，2 0 2 0,50(0 9)：12 8 1-130 2.8李若尘，李梦薇.人工智能技术发展与主要国家技术布局J.全球科技经济瞭望，2 0 2 1，36（0 6）：13-18.9 DARPA.Science of Artificial Intelligence and Learning forOpen-world Novelty(SAIL-ON)EB/OL.(2019-10-05)2023-05-05.http:/www.darpa.mil.10符小辉，张锐.美国政府确定人工智能研发八大战略及启示 J.军民两用技术与产品，2 0 2 0（0 6）：2 3-2 7.11周光霞.人工智能技术军事应用若干问题浅析 C.中国指挥与控制学会.2 0 19第七届中国指挥控制大会论文集，2019:180-184.12 DARPA.Active Interpretation of Disparate Alternatives(AIDAE B/O L J.（2 0 17-0 4-0 6)2 0 2 3-0 5-0 5.http:/www.darpa.mil.13郭大宇，王鑫，欧阳小叶.人机混合智能技术主要发展动向分析 J.无人系统技术，2 0 2 3（0 6）：95-10 3.14张慧，张骁雄，丁鲲美，等.军智能数据情报KAIROS项目分析 J.指挥信息系统与技术，2 0 2 1,12(0 1)：45-49.15 DARPA.Perceptually-Enabled Task Guidance（PT G)EB/OL.(2021-2-24)2023-05-05.http:/www.darpa.mil.16 王振宇.美国情报界“数据十智能”战略体系初探 J.军事文摘，2 0 2 2(0 3）：33-37.17J DARPA.Broad Agency Announcement:Explainable Arti-ficial Intelligence(XAI)EB/OL.(2019-04-08)2023-05-05.http:/www.darpa.mil.18 郝英好.人工智能安全风险分析与治理 J.中国电子科学研究院学报，2 0 2 0，15（0 6）：50 1-50 5.19张俊辉，张欢欢.2 0 2 0 年人机混合智能技术发展综述 J.无人系统技术，2 0 2 1,4（0 2）：2 0-2 5.20孙晓磊。基于领域知识的多无人平台自主协同规划技术研究及应用 D.长沙：国防科技大学，2 0 2 2.2 1赵林.美军为何成为人工智能“最强王者”J.军事文摘，2019(11):22-25.22 DARPA.Broad Agency Announcement:Lifelong LearningMachines(L2M)EB/OL.(2019-04-06)2023-05-05.http:/www.darpa.mil.23 DARPA.Broad Agency Announcement:Machines Com-mon Sense(MCS)EB/OL.(2019-04-06)2023-05-05.http:/www.darpa.mil.24李智军，石光明，杨辰光，等.人机混合智能专题简介 J.中国科学：信息科学，2 0 19，49（0 5）：6 46-6 48.2 5冯秋燕，朱学芳.人工智能在情报工作中的应用研究 J.理论与探索,2 0 19(11):2 7-33.26 Dfetech.Multi-Source Exploitation Assistant for the Digit-al Enterprise（M E A D E）E B/O L J.（2 0 2 2-0 2 -0 4)2023-05-05.https:/deftech.nc.gov.27 Office USGA.Defense Intelligence Comprehensive PlanNeeded to Improve Stakeholder Engagement in the Devel-opment of New Military Intelligence System 2020EB/OL.（2 0 2 0-11-19)2 0 2 3-0 5-0 5.h ttp s:/w w w.gao.gov/products/gao-21-57.28 Govexec.Establishment of an Algorithmic Warfare Cross-Functional Team(Project Maven)EB/OL.(2017-04-26)2023-05-05.https:/.29 Navysbir.Artificial Intelligence Software-Based Autono-mous Battle-space Monitoring Agent for a DistributedCommon Operational Picture Software Subsystem EB/OL.（2 0 2 0-0 1-14)2 0 2 3-0 5-0 5.h ttp s:/w w .3oJ Jensen B,Cuomo S,Whyte C.Wargaming with Athena:How to Make Militaries Smarter,Faster,and More Effi-cient with Artificial Intelligence EB/OL.（2 0 19-0 4-06)2023-05-05.https:/.31J Wright-Patterson AFB.Ohio DARPA TRACE ProgramUsing Advanced Algorithms,Embedded Computing forRadar Target Recognition EB/OLJ.(2015-07-24)2023-05-05.https:/.李子（198 4一），男，高级工程师，主要研究方向为情报处理与人工智能等。12上接第5页）2024年2 月综述与评论信息化研究Research on the Application of Artificial IntelligenceTechnology in the Field of US IntelligenceLi Zi,Cheng Yue(The 28th Research Institute of China Electronics Technology Group Corporation,Nanjing 210007,China)Abstract:The US military is actively developing next-generation artificial intelligence technology and de-ploying intelligent battlefields in the intelligence field for future wars,seeking military advantages.This articleanalyzes and sorts out the current research status of artificial intelligence technology in the US militarys intelli-gence field,and combines typical projects in the intelligence field of the US military and the development trendof artificial intelligence in the intelligence field through strategic analysis of artificial intelligence.It puts for-ward some targeted and practical suggestions for the application of artificial intelligence technology in the intel-ligence field of our military,effectively improving our militarys understanding of the battlefield,situational un-derstanding and decision-making,battlefield analysis and prediction Intelligence analysis capabilities such as hu-man-machine collaboration.Key words:artificial intelligence;intelligence analysis;battlefield cognitionmore effectively commanding electronic equipment in combat.This article addresses the modern electronicwarfare threats in complex electromagnetic environments,extensively examining the concept and technologyof cognitive electronic warfare.It analyzes the importance of artificial intelligence in cognitive electronicwarfare,discusses the current status of electronic warfare research in various countries,and focuses on keytechnologies in cognitive electronic warfare,including machine learning,electronic jamming,situationalawareness,and dynamic spectrum.The paper proposes an intelligent cognitive electronic warfare frame-work and,based on the analysis of electronic warfare cases,validates the feasibility of this framework forthe development of electronic warfare systems.It effectively enhances operational efficiency and betteraddressesthe dynamic battlefield environment,providing a profound theoretical foundation for the futuredevelopmentof cognitive electronic warfare.Key words:electromagnetic environment;artificial intelligence;cognitive electric warfare欢迎投稿：