情报研究的思考与探索

来源:用户上传      作者:

　　摘要：作为新兴的交叉领域学科，情报学融合了诸多学科的概念，使得多层次的发展成为可能。从传统情报分析到大数据潮流下的数据分析，再到利用心理学、社会学认知框架和计算机科学进行情报分析、感知的认知情报学。当前情报学的发展赶上了信息发展的顺风车，新科技的应用也会为情报学带来新的机遇。
　　关键词：情报分析;情报流程;大数据;情报感知
　　中图分类号：G350 文献标识码：A
　　古往今来，人类对情报的利用从未停止过，情报涉及的范围之广远超过人们的想象，对人们的生活更有着直接的影响。因为一切能够交流的、利用到的甚至是可以感知到的信息都可以被称之为情报，而情报研究即是对情报进行科学化的分析处理。
　　1情报学概述
　　情报学的形成与发展同个人和组织的情报需求扩大，情报工作大规模展开，情报事业日益壮大的外部环境息息相关。也就是说正是第二次世界大战期间不断膨胀的需求催动了现代化情报理论的发展。而随着战后科技的发展，产生了香农、维纳提出的信息论和控制论理论作为基础，在20世纪60年代，欧美国家的科学家们率先提出了情报学这个概念，并成立了相关的学科进行研究。
　　虽然作为一个新兴学科，内部尚没有形成严格统一的学科定义，但情报学仍在逐步完善和发展，其综合性也愈来愈强。随着信息化时代的到来，人们对情报学的重视程度进一步上升，对于现代化通信科学、系统科学、知识综合化等学科的发展可以说是不可或缺的交叉领域。情报学的主要研究方向包括：情报产生、交互的规律，情报检索，情报传输等等。目的是使得情报能高效流通，以高效能利用情报提升效率。当然在不同领域中也有着不同的观察角度，不同的分析方法，同时起到不同的作用。
　　2情报流程
　　情报流程，就是将情报活动归纳为不同的步骤。现在很多学者对于具体流程提出了不同的观点，像是美军和美国联邦调查局就分别提出了五阶段模型和六阶段模型两种不大相同的情报流程。但是本质上流程中的基本步骤都是相近相同的，大致上可分为情报规划、情报采集、情报加工、情报分析、情报服务（应用及反馈）等几个步骤。
　　2.1情报规划
　　情报规划可以说是情报工作的起始点，以需求或目标为导向，为之后的工作划定大致方向，使得情报工作可以形成一个首尾衔接的闭合回路，从目标出发，最终达成目标要求。根据需求明确下来的规划可以有更强的指向性，便于情报人员寻找到更为针对性的目标以及更为可靠的情报源。
　　2.2情报采集
　　情报采集是情报工作的基础，也是情报工作的基本内容。情报采集在情报流通中起到源头的作用，是一个从各情报源获取信息，将处于分散状态的情报通过各种不同的方法途径集中起来的过程。同时，情报的采集要遵循针对性、完整性、时限性和预见性的原则，争取能保质保鲜、保证时效，充分还原事实，还原背景环境，为之后的处理分析提供充足的依据。
　　2.3情报处理
　　情报处理的目的是理清上一步中搜集的错乱纷杂的情报，依据相关性或是重要性进行分类筛查，并将原始的情报素材例如语音、图像等进行前期处理，为以后的归档、整编、报送、贮存和检索提供前置条件，为之后的情报分析做好基础。特别是当今这个信息爆炸化增长的时代，通过情报处理过滤掉冗余的信息对情报的流通有着重大的意义。
　　2.4情报分析
　　情报分析便是情报研究的核心所在，通过前期所得到的基本情报信息，以进一步的信息选择、评价分析、综合评估、推断预测等系列化的加工，形成对现状、形势的评估和判断，产生更为有价值的情报产品，并根据决策者的需要以不同表现形式来提供决策服务。
　　2.5情报服务
　　情报服务是指情报人员或情报部门利用其所得到的分析来满足其用户需要的过程，通过使所得到的情报产品进行流通，为用户便于利用提供充分有效的条件。根据不同用户的决策需求、外部因素、情报反馈构建不同的服务体系，可以促进效率的提高，避免重复劳动，为决策提供更为可靠参考。
　　3情报发展
　　3.1传统情报分析
　　传统情报分析一般依照两种逻辑进行，一是按照定量的方式进行分析，就是把收集到的情报进行逻辑化的解析模式进行处理，依据情报的分类、远近、轻重进行分析，相较而言强调情报的客观准确性，比较适合处理相关联、相类似的情报材料，要求应用工具的准确性。二是按照定性的方式进行分析，与定量方式相比模式更为活络，带有更强的主观性，依据研判人员对材料的把握来确定情报的走向，要求情报人员有丰富的知识储备和经验积累。
　　在实际使用中，两者很难分割开使用，两者相辅相成，各自处置适用的情报材料，整合处理，互相支持，相互印证。但定性分析受重视程度一般高于定量分析，因为定量分析一般作为辅助措施，而定性分析一般作为导向。
　　3.2大数据下的情报分析
　　3.2.1大数据分析的现状
　　随着互联网的快速发展，我们已经进入了大数据的时代，以前看来数量庞大且毫无头绪的数据，只要具有真实性就都可以成为分析研究的对象。对于情报工作者而言，其与情报研究在很多方面也都有千丝万缕的联系，大数据分析完全可以成为一个获取信息的关键途径。因为大数据环境下通过分析来得到销售受众的定位和需求量的预测已经成为趋势，不少企业单位已经把大数据分析的结果作为对下一步工作的预测放入计划安排中，现今大数据分析的准确性和适用性在一定程度上已经得到了人们的认可。
　　3.2.2大數据分析的优势
　　第一，大数据分析的第一个优点就是分析量大，所能分析的是全部数据而不是以往的抽样数据，减少了样本数量对于数据分析的限制，可以跨越小层面的局限，以更为宏观的视角分析问题，更准确地把握问题发展的方向，对于整体具有更好洞察力。
　　第二，大数据分析可以通过对表面看似没什么关联的数据进行分析，找出其中的相关关系，可能是其中未知的内部联系，或者是事物运行的隐藏模式，可以准确地获知某件事正在发生，为人们的决策提供辅助和凭据。举例而言，华尔街可以通过对民众情绪的大数据分析感知股市的风吹草动来选择合适时机抛售股票。 　　第三，大数据分析的结果一般是以可视化的形式进行展示，将客观的事物或某种现象抽象为数量、趋势、模型等可量化的信息，并利用虚拟现实或者现实增强等技术向用户进行展示，相比传统的展示方式更加直观、形象也更容易让用户理解接受。
　　3.3大数据分析的不足
　　进行情报分析的方法很多，但是没有一种方法能够十全十美，大数据分析也并不例外。
　　大数据分析是以数据为主要驱动力，通过计算机的归纳出力来可以得到事物问的相关关系。而如果我们希望依据情报的需求来寻得事物问的因果关系，大数据分析就会显得力不从心。因为事物问的因果关系需要传统情报研究中的情报假说和演绎来支撑，在归纳的过程中不断的反复进行验证、修正，寻找原因，充实归纳内容，最终提出最为合理的假说。大数据分析只能被数据牵引，发现的相关性或者建立的模型，虽然随着具体数据变化也会有所变化，但是大致的方向依旧无法被更改，也就是说只能关注数据问客观的相关性，无法得到带有主观性质的因果关系。
　　在情报分析中，大数据分析的分析方式和分析模型相对较为单一，推理范式主要以证实或证伪为主，对于使用辩证法来进行推论或者使用非逻辑的处理方式支持性较低。另外，在一些秘密情报的收集处理中，由于数据量的不足，大数据分析也无法发挥优势，甚至可能无法正常完成分析处理。
　　3.4认知情报分析
　　情报学作为一门交叉学科，随着不断的发展不断渗入包括心理学类、社会科学类、计算机科学类在内的其他学科，“认知情报学”也正是在这样的背景下所提出的。认知本是一个心理学的概念，是一种转化知识、理解知识的过程。心理学在研究认知中主要考虑的是人们如何获取、处理信息，并将其转化为知识、经验，以及探索人们是如何利用已有的知识和经验通过“1+1>2”来获取新知识，而认知情报学正是借鉴了心理学中的这一概念。早在2002年，美国便正式提出了认知情报这一说法并明确了具体概念和相关研究领域。
　　认知情报学中一个比较有代表性的模型——IME模型，也代表着认知情报学一直探索的一个方向。它所阐述的是自然世界由信息、物质、能量所构成，三者之间可以在满足条件时互相转化。物质即是客观不变的，对于所有人来说都是一样的，能为所有人都提供相同的信息源，但是每个人对相同的物质也会有不同的认识，每个人眼中的世界都是不同的。每个人主观感知到的抽象世界决定了他们对客观世界的看法。
　　科学家们为了探索人们上述的这个认知过程，建立了大脑的6个层次分层参考模型，并细化分为37个认知子过程，探讨其在认知计算中的工程应用，并利用计算机技术模拟大脑的认知过程，结合云计算等技术进行认知计算。
　　通过认知计算，程序会模拟人的认知过程，并具有一定程度上的推理、语言处理、声音或图像的识别能力，人机交互的能力。而这些能力的实现可以使得计算机很好地在情报服务领域有所作为，例如智能化的收集不同信息源的信息，深入挖掘信息价值，实现依照语义进行检索和图像、物件识别等，为用户提供更有价值的信息，也可以对更为复杂的数据进行处理，建立其中的联系。
　　人机交互在认知计算的加持下，交互深度可以进一步增加。例如，认知计算可以在用户阅读论文时自动发现整理文章内容结构，迅速生成脉络纲要，归纳出研究目的、研究方法、应用工具、最终结论等，帮助用户高效获取信息。
　　现在对人机推理网络的探索已有进展，人机推理已经可以根据用户的实际情况自动调整，为用户定制服务，可以辅助情报分析的方向，以客观中立的认知使用户尽量规避非理智的决策。
　　4未来情报学发展趋势
　　现今社会的发展日新月异，随着计算机网络的普及，网络上信息传输的迅捷性也使得我们所能接触到的信息快速增长。传统上的情报采集方式面对当今爆炸增长的情报信息已经有些望洋兴叹，所以我们需要结合目前科技发展的新形势，以当前新的眼光来看待情报工作。
　　虽然大数据和认知情报还仅仅处于萌芽期，仍然无法取代情报人员的自然智能，但是随着时代的发展，大数据一定会更多的进入各行各业，而认知情报的發展也将会使得机器产生与人思维相近的人工智能，具有学习、理解、推理、判断、应激的能力。单独的大数据分析虽然存在着很多局限性，尤其缺乏“主观能动性”，只能被动跟随数据导向，但是与认知算法相结合就可以主动按类、按需进行数据抓取，进行更为复杂的关系判断以及分析研判，也可以从数据中挖掘出潜在的、新颖的见解，完全可以完善大数据分析在情报分析领域的不足。将大数据分析、认知计算和情报分析交差融合并行发展是大势所趋，也是未来情报发展的方向。
转载注明来源:https://www.xzbu.com/3/view-14998714.htm