情報工作可能比你想象中無聊得多，所以美國情報部門開始用算法代替人工了。

“在特殊時刻我會派人坐在一間小黑屋里，盯著顯示屏從事重要的國家安全工作，”美國國家地理空間情報局局長 Robert Cardillo 在接受 Foreign Policy 采訪時說，“這非常的低效。”

Cardillo 最近采用新的辦法，引入人工智能算法，幫助他們分析數(shù)量龐大的圖像和錄像，找出規(guī)律、發(fā)現(xiàn)可疑情況。比如找到隱秘的導彈基地。

為此 Cardillo 招聘了一位科技界人士 Anthony Vinci，他此前創(chuàng)辦一家叫做 Findyr 的大數(shù)據(jù)公司。

在圖像的情報分析上，美國政府的確不如科技公司掌握的能力多。Facebook 現(xiàn)在已經(jīng)能夠利用深度學習算法分析衛(wèi)星圖像，識別的精確度達到 5 米之內(nèi)。這些數(shù)據(jù)被用于 Facebook 的無人機項目，該項目旨在在未來用無人機充當基站，把互聯(lián)網(wǎng)覆蓋到更多的地方。

Google 同樣具備這樣的能力，去年他們和斯坦福大學合作開辟了一個新的項目，用圖像和算法識別貧困地區(qū)。他們利用機器學習結合衛(wèi)星圖片的方式，成功標識了非洲五個國家的經(jīng)濟狀況。

這是一個復雜的技術，根據(jù)論文的描述，研究者采用了一種被稱為“遷移學習”的算法分兩步判斷和標識貧困現(xiàn)狀。首先讓算法學習白天時間的高清衛(wèi)星圖像，這包含大約 4096 個與經(jīng)濟有關的指標比如道路和水道。

建立模型后再結合人口衛(wèi)生組織以及世界銀行已有的研究對模型進行修正，完成對貧困情況的標識。

這些其實都完全可以用到情報分析上。除了識別圖像，美國中央情報局早在 2015 年就創(chuàng)建了名叫數(shù)字創(chuàng)新局（Directorate for Digital Innovation）的新部門，開發(fā)用于情報工作的新技術。

目前他們有能力去預測社會動蕩事件，在事件發(fā)生的前五天就作出預測。這個模型已經(jīng)用在了 2016 年美國各州針對警察的暴力事件中。

這些算法都在靠大數(shù)據(jù)驅動來達成某種結論，但這件事本身依然還有爭議，算法到底能有多大的決定權？美國警方已經(jīng)使用算法幫助從海量的圖像中識別罪犯——輸入了數(shù)據(jù)，等待輸出結果，但當中機器是怎么識別的，即使是算法的設計者也不能肯定。盡管從大數(shù)據(jù)的方法論來看無可辯駁，但這樣的“以貌取人”似乎并不值得過分依賴。