השפעת הבינה המלאכותית על ניתוח הבינה

נחזור לדיון, שהוזכר רק במאמר קודם, הנוגע לתפקיד הבינה המלאכותית בתחום ניתוח הבינה. 

השאלה שאנו שואלים את עצמנו ואליה ננסה לענות היא כדלקמן: מה ההשפעה של בינה מלאכותית על ניתוח בינה?

ראשית, אנו נזכרים, לטובת הכל, בהגדרת האינטליגנציה כ "המוצר הנובע מאיסוף, עיבוד, אינטגרציה, ניתוח, הערכה ופרשנות של מידע (ונתונים) הקיים בנוגע למדינות או אזורים זרים, או מידע וידע על יריב המתקבל באמצעות תצפית, חקירה, ניתוח או הבנה". 

כמובן, להגדרה זו יש את תקינותה גם בתחומים אחרים מלבד העימות בין צדדים (מבחינה צבאית או פוליטית), למעשה אפשר ולעתים קרובות שימושי ליצור מודיעין על אלמנט "ידידותי" או על עצמך, מה שחשוב היא להגדיר נכון את האלמנטים אותם יש לחקור.

שוב כדי להקל על הדיון, הבה נזכור מה הכוונה ב"בינה מלאכותית ". מכיוון שאין הגדרה מוכרת באופן חד -חברתי, אתייחס לזה של פרופסור ג'ון מקארתי, מאוניברסיטת סטנפורד שעבורו בינה מלאכותית "הוא המדע וההנדסה של ייצור מכונות אינטליגנטיות, במיוחד תוכנות מחשב אינטליגנטיות. זה קשור למשימה דומה של שימוש במחשבים להבנת האינטליגנציה האנושית, אך AI לא צריך להסתפק בשיטות הניתנות לצפייה ביולוגית".

מכיוון שקל להבין, זו לא ממש הגדרה להגדרת הבינה המלאכותית, היא משתמשת במונח "אינטליגנציה". לכן, פרופסור מקארתי מוסיף אפוא כי ב"אינטליגנציה "אנו מתכוונים ל: "החלק החישובי ביכולת להשיג מטרות בעולם. סוגים ורמות אינטליגנציה משתנים מתרחשים אצל אנשים, בעלי חיים רבים וכמה מכונות", ומזהיר כי אין הגדרה ברורה ומוכרת ל"אינטליגנציה ", המסבירה שכאשר התנהגות (אנושית במקרה שלנו) ידועה היטב ניתן ליצור מכונות המתנהגות בצורה כזו שתחקה את ההתנהגות. עם זאת, כאשר אין הבנה ברורה של התהליך הנדון, קשה לבנות מכונה המחקה התנהגות אנושית.

לכן נראה לי הגיוני לחשוב שכדי להבין כיצד בינה מלאכותית יכולה לסייע בתהליך ניתוח האינטליגנציה, יש קודם כל להבין ממה מורכב תהליך זה. רק מאוחר יותר ניתן יהיה לזהות אזורים אפשריים בהם AI יכול איכשהו לעזור.

אחד הדגמים הידועים (והמשומשים) בעולם המודיעין הוא מה שמכונה "מחזור המודיעין", המבוסס על חמישה שלבים:

- תכנון והכוונה. בשלב זה יש צורך לזהות את הצרכים הראשוניים מבחינת הנתונים לאסוף ואת מוצרי הביון הסופיים הדרושים למקבלי ההחלטות לתמוך בהם בהחלטותיהם. בדרך כלל ניתנים הכוונה על ידי מקבלי ההחלטות או גופים ממשלתיים, לרוב בצורה של שאלות.

- אוספים. הוא מורכב באיסוף נתונים גולמיים ומידע, הדרוש להפקת מודיעין, תוך שימוש בכל המקורות האפשריים (בין אלה הזמינים או המורשים למקרה הספציפי). בין המקורות הנפוצים ביותר הם מקורות פתוחים, אך הם אינם היחידים. הפיתוח הטכנולוגי איפשר למעשה איסוף נתונים באמצעות מכשירי מעקב אלקטרוניים (חיישנים), למשל באמצעות צילום לוויין או איסוף אותות רדיו או תעבורת אינטרנט.

- תהליך. שלב זה מורכב מהמרה ונורמליזציה של מידע גלם ומידע לא סטנדרטיים לצורה שיכולה לשמש את האנליסטים. לדוגמה, שלב האיסוף עשוי לכלול עיתונים הכתובים בשפות שאינן ידועות על ידי האנליסטים, במקרה זה, בשלב העיבוד, יש לבצע את התרגום לשפה אחת או יותר מוכרות. 

- ניתוח והפקה. בשלב זה הנתונים והמידע הופכים למודיעין. על האנליטיקאי (או ליתר דיוק, האנליסטים), מומחה בתחום, לשקול את מהימנות מקור המידע, תוקפו ורלוונטיותו בהתאם למטרה (ההקשרות) וההשלכות העתידיות (להשתתף בדרך זו למימוש מודעות מצבית חלקית). 

- הֲפָצָה. השלב האחרון של המחזור מורכב בהפצת המוצרים המוגמרים למי שביקשו אותם (או הזקוקים להם), באופן עקרוני מקבלי ההחלטות הללו הם אותם אנשים שהתחילו את המחזור באמצעות הבקשות הראשוניות. 

לפעמים קורה שמקבלי ההחלטות עדיין לא מסוגלים לקבל החלטות כדי שיוכלו להתחיל מחזור חדש. 

כעת, בהיות יותר ברור ממה מורכב מעגל המודיעין (הגנרי), אפשר לנסות להבין היכן וכיצד AI יכול לעזור. אני מוסיף גם שלכל ארגון יש את הספציפיות שלו והמחזור המודיעיני המשמש לא תמיד זהה לחלוטין לזה שמוצג. המשמעות היא שאם נרצה ללמוד כיצד בינה מלאכותית יכולה לסייע לארגון ספציפי בתחום ניתוח האינטליגנציה, עלינו ללמוד תחילה את התהליכים הפנימיים שלהם ולוודא את מעגל האינטליגנציה שלהם בכל פרט.

במקרה שלנו אנו יכולים לומר, במבט ראשון, כי AI יכול לתמוך במעגל האינטליגנציה בשלבים של אוספים e תהליך. בשלב של אוספים, ניתן להשתמש בכלי AI לבחירה וזיהוי מקורות נתונים והנתונים לאסוף. בשלב של תהליך, AI יכול לסייע בתיוג, קטלוג ואינדקס נתונים. השימוש במערכות המבוססות על טכנולוגיות של למידת מכונה, שכבר קיימים, יכולים להיות יעילים יותר ככל שכמות הנתונים לאסוף, לעבד ולתאם אותם גדולה יותר ולשחרר את המפעיל מביצוע משימות שחוזרות על עצמן ופשוטות יחסית, זמן שניתן להשתמש בו בצורה שימושית יותר לניתוח אמיתי שלו או לשיפור הכנת האנליסטים, כפי שצוין גם במחקר Deloitte "העתיד של ניתוח מודיעין".

עם שימוש בטכנולוגיות כגון למידת מכונה ובפרט עם למידה עמוקה, אפשר לעשות צעד נוסף קדימה. עם ה למידה עמוקה למעשה ניתן להשתמש במערכות AI גם בשלבים של ניתוח והפקה וכנראה גם עובר הֲפָצָה, במיוחד. כוחו של למידה עמוקה מורכב מעיבוד והתאמה ביעילות של טקסט, תמונות, וידאו ושמע מבלי בהכרח לבצע המרות טקסטואליות. יתר על כן ה למידה עמוקה מאפשר לנו לגשת ליכולות ניבוי, שכפי שראינו במאמר הקודם הן החלק האחרון של מודעות מצבית.

במאמר הבא ננסה להבין כיצד.

אלסנדרו רוגולו, ג'ורג'יו ג'יאטינטו

_{מידע נוסף:}

_{- קוואסי מיטשל, ג'ו מריאני, אדם רות ', אקאש קיאל ואלכס מירקוב. עתיד ניתוח הבינה מבט ברמת המשימות על ההשפעה של בינה מלאכותית על ניתוח אינטל. מרכז DELOITTE לתובנה ממשלתית. 2019.} 

_{- מהי בינה מלאכותית (AI)? | IBM}

_{- JP 2-0, מודיעין משותף (jcs.mil)}

_{- whatisai.dvi (unimi.it)}

_{- פרופסור ג'ון מקארתי | סטנפורד מדעי המחשב}

_{- מעגל המודיעין (fas.org)}

_{- מודעות מצבית, בינה מלאכותית, אבטחת סייבר ומערכות הסתגלות - הגנה מקוונת}

_{- מערכות הסתגלות ומודעות מצבית - הגנה מקוונת}