《人工智能在军事情报分析中的应用：实验研究》

本研究探讨人工智能（AI）辅助军事情报分析工作的潜力。专用AI工具集成文本检索、自动摘要及命名实体识别（NER）功能。研究表明，在时间压力下，使用AI功能的实验组分析质量优于对照组，且其概率估计更接近专家评估值。尽管实验组分析结果与概率估计均显著更优，但未发现其对分析任务所使用信息来源的信心更高。最后，本文指出AI在军事情报应用中的局限性，尤其体现在处理模糊矛盾信息时的分析能力。

当前可获取的数据规模表明，军事情报领域必须应用人工智能（AI）（Gartin, 2019）。AI的效益源于多维度优势，需明晰其潜在附加值（Vogel等, 2021）。军事情报的核心职能是收集与分析信息，辅助军事决策者制定策略。从学术视角看，军事情报是融合政治学、经济学、社会学与心理学等多学科的交叉研究领域（Albrecht等, 2022；Svendsen, 2017）。

军事情报旨在通过信息采集与分析构建全面态势图景，包括他国武装力量数据收集、作战计划研判，以及影响本国安全态势的动向监测（Sadiku与Musa, 2021）。分析师承担情报数据收集、分析与呈现职责。AI技术发展为分析工具集成提供了多维支持可能（Cho等, 2020），预期将减轻分析师负担，使其聚焦于核心分析评估工作（Hare与Coghill, 2016）。需强调的是，AI应作为辅助而非替代工具，确保分析师始终理解评估依据信息（Blanchard与Taddeo, 2023）。

本研究基于专有AI工具deepCOM开展实验。该工具依托大语言模型（LLM），核心功能包括：语义搜索（支持直接提问并标注来源）、自动摘要（生成短句摘要定位相关文献）及命名实体识别（NER）自动标注（标记时间、地点、组织与人名）（Devlin, 2018）。当前AI已渗透几乎所有军事领域（Rashid等, 2023），人机交互成为关键研究方向，涉及多媒介信息传递与对话形式优化，旨在提升个体创造力、生产力与决策效能（Dell'Acqua等, 2025）。信任构建（McNeese等, 2021）与协同态势感知（Gorman等, 2017）亦是本研究重点。

相较于既有研究聚焦AI在大数据管理中的作用（Horlings, 2023），本文关注AI对人类分析评估的辅助价值。通过实验验证，探讨AI在军事情报分析中的增效机制，重点分析人机交互信任提升与AI透明度优化的路径。

全文结构如下：第二章基于情报周期理论解析军事情报分析流程；第三章阐释实验AI功能及其对分析师的支撑机制；第四章详述实验设计；第五章呈现实验结果；第六章讨论研究发现；第七章总结结论。

deepCOM演示器中支持军事情报的AI功能

deepCOM演示器是一款集成AI功能的军事情报分析工具，旨在辅助分析师工作。其实验性测试的AI功能如下：三项AI功能中，AI搜索与自动摘要基于大语言模型（LLM），第三项为命名实体识别（NER）。尽管德国情报机构因北约、联合国与欧盟等国际架构需使用英语工作，但其自产情报以德语生成，故deepCOM的界面与输出均为德语。

文本数据库的智能搜索
传统文本数据库搜索基于词频匹配（即“词袋模型”，BOW），搜索结果排序取决于关键词出现次数，而非语义关联（Qader等, 2019）。用户需将问题拆解为多个关键词输入（Bohne等, 2011），而非直接输入完整问句。此类搜索效率较低：首先，强制简化为关键词导致信息丢失（如介词、格位、数字与变位形式的省略可能影响结果）；其次，流程不直观（无法像互联网搜索引擎直接输入完整问句）；最后，仅依赖词频易返回含关键词但无关的文档。

AI搜索可解决上述问题：其能解析完整问句，减少信息损失。deepCOM的AI搜索基于LLM实现，根据问题复杂度呈现系统生成答案或直接引用原文。基于LLM的AI搜索答案不受问句措辞限制，且能处理同一实体的不同拼写（如阿拉伯专有名词的多种音译形式）。答案始终附带全文引用，提升可靠性并降低LLM“幻觉”（即生成看似合理但虚构的信息）风险。

命名实体识别
命名实体识别（NER）指从非结构化文本提取实体并分类至预定义类别（Lample等, 2016）。deepCOM的NER基于谷歌发布的Transformer双向编码器模型（Devlin, 2018; Yadav与Bethard, 2019）德语再训练版本，可自动识别时间、地点、组织与人名实体（无需针对特定语料库优化）。由于文本中实体常以变格形式出现，系统通过词形还原将其转换为基本形式以增强可比性（如Mittelmeers、Mittelmeere→Mittelmeer）。该功能整体运行准确，但偶见罕见实体分类错误或词形还原失误。军事情报中NER应用详见Nitzl等（2024a）。

NER可显著提升分析效率：自动标注替代耗时的手工标注，帮助分析师快速筛选有价值文献；阅读时颜色标注加速关键信息定位；提取的实体可在地图界面可视化，辅助事件定位与态势整合（支持热力图显示区域事件聚类）。