生成式人工智能视域下情报分析算法风险多重治理机制研究*

刘晓丽 崔文波 张 涛

doi:10.11968/tsyqb.1003-6938.2024060

图书与情报 >

2024 , Vol. 44 >Issue 05: 77 - 84

DOI: https://doi.org/10.11968/tsyqb.1003-6938.2024060

人工智能治理

生成式人工智能视域下情报分析算法风险多重治理机制研究*

展开

（1.东北农业大学经济管理学院黑龙江哈尔滨 150030）
（2.华东师范大学经济与管理学院信息管理系上海 200062）
（3.华东师范大学国家教育宏观政策研究院上海 200062）
（4.黑龙江大学信息管理学院黑龙江哈尔滨 150080）

刘晓丽，女，东北农业大学经济管理学院讲师，研究方向：计量经济学；崔文波，男，华东师范大学经济与管理学院、国家教育宏观政策研究院博士研究生，研究方向：科技情报与信息分析；张涛，男，黑龙江大学信息管理学院教授，研究方向：数据与算法安全治理。

收稿日期: 2024-09-08

网络出版日期: 2024-12-13

基金资助

*本文系国家社会科学基金一般项目“数智环境下情报分析算法风险治理路径研究”（项目编号：22BTQ064）研究成果之一。

收起

Research on Multi-layer Governance Mechanism for Algorithmic Risk in Intelligence Analysis under Generative Artificial Intelligence

Expand

Received date: 2024-09-08

Online published: 2024-12-13

Fold

摘要

随着进入生成式人工智能时代，算法的快速发展和应用颠覆了传统的情报分析模式，成为情报信息采集和分析重要的工具。但随着算法在军事情报等重要领域的广泛应用，不仅引发了一系列挑战和严重的安全风险，也引起全球范围的担忧。文章聚焦生成式人工智能视域下情报分析算法，在系统阐释算法风险产生的内外部因素的基础上，通过有机融合协同治理、敏捷治理以及精准治理理论，构建情报分析算法风险的多重治理机制框架。内容包括：事前治理：情报分析算法风险的源头治理；事中治理：情报分析算法风险的敏捷治理；事后治理：情报分析算法风险的精准治理。以期为有效防范和应对生成式人工智能视域下情报分析算法风险提供参考，使情报分析能够更好地服务于国家战略需要。

关键词： 生成式人工智能; 算法赋能; 情报分析; 风险治理; 治理机制

本文引用格式

刘晓丽崔文波张涛 . 生成式人工智能视域下情报分析算法风险多重治理机制研究*[J]. 图书与情报, 2024 , 44(05) : 77 -84 . DOI: 10.11968/tsyqb.1003-6938.2024060

Abstract

With the emergence of generative artificial intelligence, the rapid advancement and application of algorithms have fundamentally transformed traditional models of intelligence analysis, establishing themselves as crucial tools for collecting and analyzing intelligence information. However, with the increasing application of algorithms in critical domains such as military intelligence, they have engendered a plethora of challenges and great security risks, thereby eliciting global apprehensions. This paper focuses on algorithmic risks in the context of intelligence analysis facilitated by generative artificial intelligence, systematically elucidating both internal and external factors that contribute to such risks. By seamlessly integrating theories on collaborative governance, agile governance, and precise governance into a cohesive framework, it establishes a multi-layered mechanism for governing algorithmic risk in intelligence analysis. This framework encompasses: Pre-event governance: source control over algorithmic risk in intelligence analysis; Mid-event governance: agile management of algorithmic risk in intelligence analysis; Post-event governance: precise handling of algorithmic risk in intelligence analysis. The objective is to provide guidance for effectively preventing and addressing algorithmic risks associated with intelligent analysis within the realm of generative artificial intelligence so that it may better serve national strategic requirements.

Key words： Generative Artificial Intelligence; Algorithm Enablement; Intelligence Analysis; Risk Management; Governance Mechanism

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

Abstract