Информационное обеспечение представляет важнейший фактор политики безопасности: информационные воздействия предшествуют военной операции или идут параллельно с ней, имеют психологическую (дезинформация, пропаганда) и техническую составляющие (кибератаки) и влияют на основные управляющие системы противника.
В результате уже появилась военная стратегия «нелинейного ведения войны». С началом эры искусственного интеллекта многие эксперты заговорили даже о революции в военном деле.
По мере того как растет процент людей, использующих смартфоны и социальные сети, увеличивается и информационная база. Порой эта общедоступная информация стала использоваться в целях обеспечения безопасности и ведения разведки. Получая новый инструмент ведения войны (такой как информация), экспертному сообществу необходимо понять, каков потенциал применения лингвистического анализа больших объемов данных, учитывая стремительный рост объемов, числа источников и скорости устаревания данных.
На сегодняшний день можно выделить основные направления, в которых в последнее время развиваются военные исследования и разработки, включающие:
- Управление данными и контентом (речевые, текстовые, видео-, графические данные), их очистка и хранение, использование;
- Обработка естественного языка (распознавание, преобразование);
- Семантический мультиязычный поиск;
- Видео- и речевые технологии сбора и распознавания информации.
Основа этих разработок была заложена еще в 1990-х годах в США в исследованиях Агентства перспективных оборонных исследовательских проектов (DARPA), выполненных совместно со Стэндфордским университетом, Университетом Джона Хопкинса, Университетом Южной Калифорнии и Колумбийским университетом.
Большие языковые данные
Еще в 1998 году агентство DARPA запустило проект TIDES, который был направлен на автоматическое обнаружение, извлечение и перевод многоязычной информации. Затем, в конце 2006 года, был запущен проект GALE, целью которого стала разработка ПО для сбора, анализа и интерпретации большого количества многоязычного текста и голосовой информации. Затем последовали проект MADCAT для анализа и перевода изображений, проект RATS для распознавания речи и транскрипции текста, а также системы TRANSTAC для устного общения и перевода. Исследования в тот период были сосредоточены в основном на языках с относительно малым объемом данных, накопленных для анализа, таких как арабский, пушту и китайский, для создания системы машинного перевода в интересах военной разведки.
В 2012 году правительство США заинтересовалось использованием больших языковых данных для обучения искусственного интеллекта: DARPA и исследовательская лаборатория ВВС США запустили проект DEFT для определения семантики текста, изучения взаимосвязей, обнаружения текстовых аномалий. Затем в 2014 году в рамках проекта LORELEI была разработана система, позволяющая военнослужащим в короткие сроки получать важную информацию о заданных темах и событиях, отслеживать отношения к тем или иным событиям и настроения и т.д.
А в 2017 году агентство DARPA запустило проект AIDA для анализа и обработки информации из различных источников, подразумевающий исследования многоисточниковой, потенциально противоречивой и вводящей в заблуждение информации для интерпретации событий и тенденций.
Проекты DARPA в области работы с информацией и их цели представлены в табл. 1.
Таблица 1. Основные проекты агентства DARPA в области работы с большими языковыми данными
|
Проект |
Цель |
|
TIDES |
обнаружение, извлечение и перевод многоязычной информации |
|
GALE, RATS |
распознавание речи, анализ и перевод голосовой информации |
|
MADCAT |
анализ и перевод изображений |
|
DEFT |
изучение взаимосвязей, обнаружение текстовых аномалий |
|
LORELEI |
семантический анализ по темам, событиям, эмоциям |
|
AIDA |
интерпретация реальных событий, текущих ситуаций и тенденций |
|
BABEL |
применение восточных языков для мультиязычного поиска по ключевым словам |
В целом, проведенные исследования можно разделить на два этапа. Первый: сбор информации, ее распознавание, преобразование и перевод (причем фокус был сделан на восточные языки). Целью исследований на втором этапе стало получение оперативной информации для помощи в принятии решений – постепенный переход к инженерии знаний для минимизации принятия неверных решений. Исследования в основном были сосредоточены на русском, японском, корейском, вьетнамском, группе индо-иранских и малайском языках.
Соцсети: потенциал для разведки
Развитие технологий обработки мультиязычной информации привело к тому, что в последнее время стал широко использоваться метод анализа на основе открытых источников (OSINT – Open Source INTelligence). Методы сбора информации, ранее доступные только военным, теперь возможно применять через поисковые системы с открытым доступом. Анализ помогает получить представление о проблемах, часто сложных и многоуровневых, за счет сбора данных из открытых источников, таких как социальные сети, СМИ, чат-боты, Интернет вещей и проч. Среди разработок для проведения OSINT-анализа особый интерес предоставляют собственные программные решения Veracint OS и LM WISDOM американских компаний Leidos и Lockheed Martin Corporation. Leidos (ранее – Science Applications International Corporation) – американская компания, работающая в области обороны, авиации, информационных технологий и биомедицинских исследований; Lockheed Martin Corporation – американская военно-промышленная корпорация в сфере авиастроения, авиакосмической техники, судостроения.
Разработанные программные решения представляют собой автоматизированные платформы для анализа угроз, объединяющие социальные сети с полным набором данных PAI (текст, изображения, видео).
Принцип действия обеих платформ следующий: сначала данные автоматически поступают в систему из открытых источников (в работе также могут быть использованы и внутренние данные компании). Полученные и собранные данные автоматически обрабатываются с помощью различных алгоритмов. Осуществляется анализ настроенческих паттернов – семантический анализ, фиксируются настроения, применяются индикаторы увеличения или уменьшения для выявления реакции общества на нестабильность, а также недовольства ситуацией в конкретном регионе или по определенной тематике. Аналитик может быстро отследить тенденции и аномалии, увидеть индикаторы нестабильности и угроз для компании, отдельных лиц или событий.
В регионах, представляющих наибольший интерес для разработчиков (исходя из реальных языковых запросов специалистов-аналитиков), распространены преимущественно следующие языки и диалекты:
- Арабский клас