情报领域因果推理智能项目概览：以DAPAR为例

美国国防高级研究计划局（Defense Advanced Research Projects Agency），简称DARPA，提出了旨在从推进人工智能常识推理能力发展、深化机器学习理论研究和推进国防部复杂问题中应用人工智能、深化美军对人工智能的研究和应用的“的下一代人工智能”计划。具体包括有：知识导向的“人工智能推理图谱”（KAIROS ）、“世界建模者”（World Modelers ）、“大机制”（Big Mechanism ）、“复杂作战环境中的因果探索”（Causal Exploration ）、“不同来源主动阐释”（AIDA ）、“数据驱动的模型发现”（D3M ）、“不完全信息博弈复杂军事决策中的串行交互”（SI3-CMD ）等，这些项目旨在自动化地利用呈指数增长的数据信息，将复杂系统的建模与推理相结合，从而辅助国防部快速认识、理解甚至是预测复杂国际和军事环境中的重要事件。

本期围绕“情报领域因果推理智能项目”这一主题，选择“复杂作战环境中的因果探索”（Causal Exploration ）、不同来源主动阐释”（AIDA ）、知识导向的“人工智能推理图谱”（KAIROS ）三个项目展开调研，从而加强对情报领域因果推理的认识。

一、Causal Exploration：

复杂作战环境中的因果探索项目

美国印太司令部与DARPA合作开展了一个名为“因果探索”的人工智能项目。该项目旨在 “建立一种工具，利用人工智能来增强机器所擅长的研究大量数据和模式识别等工作的效能并将其与人类相结合，允许人类发挥特有的专长，如提出新想法等。”DARPA网站称，该项目旨在建立一个“建模平台，以帮助军事规划者理解和解决导致复杂冲突局势的潜在因果因素。”这一工作，能够揭露出敌方防御的弱点，甚至是致命的漏洞。这些弱点可能是雷达覆盖的漏洞、关键防御系统的软件漏洞、机动中的空档，或者是敌方没有意识到、但可能通过大量的雷达数据和其他数据暴露出来的其他漏洞。

1、项目研究目标
该项目旨在开发一个建模平台，用于帮助军事规划者理解和解决导致区域混合冲突的潜在原因。平台具有以下根据作战环境（OE）快速创建和维护因果模型；探索影响作战环境的因果动力学；深入全面地了解作战环境等功能。该项目的成果可直接用于支持并告知规划工作，以解决由政治、种族或宗教紧张等因素主导的复杂人类层面的冲突、低强度冲突、经济侵略、或网络恐吓。

2、项目研究构成
该项目在技术构成上涉及“知识组织”、“因果模型装配”、“人机交互”、“模型评估”以及“系统集成”几个研究内容。

首先，在知识组织阶段，需要操作多种多样的异构和语义多样的文本及数字信息源，具体包括：军事和情报文件（如情报报告、作战评估、军事信息）、开源文本（如新闻媒体、基于Web的内容）、政府或非政府组织数据（如人口统计和经济等报告和数据库分析），以此作为输入源，提取出有关实体（参与者、条件、事件等）和关系的知识，并将实体和关系映射到公共本体中。这个阶段存在包括广泛变化的源材料、源信息的偏差或不可靠性、不符合清晰句法模式的因果关系、对因果关系特征（如置信度、强度、延迟）的一致估计等在内的多个挑战。

其次，在因果模型装配阶段，需要从知识组织阶段输出的数据集（以及可能的其他来源，