イタリア研究所のFabioVanorioとFrancescoD'Arrigoによる「インテリジェンスハイパーループ-「ヒューマンインザループ」の概念の検討がスパイ活動のデジタル革命に不可欠である」からの抜粋を公開します。戦略的「NiccolòMachiavelli」
Human-In-The-Loopの概念は、データの可用性に制限がある場合、「NationalSecurityEnterprise」内でのテクノロジーの普及を妨げる可能性があります。
インテリジェンスコミュニティの現在の構成では、階層がデータへのアクセスを管理します。一般に、機密データ、特にHUMINTとSIGINTへのアクセスは制限されています。治療のコスト（人的および技術的）が高いことを考えると、アナリストは妥協の脅威のためにそれらにアクセスできないことがよくあります。これは、キャリアを優先するのが政治である場合、インテリジェンスの政治化でさらに起こります。機密データへのアクセスが制限されると、アナリストコミュニティが苛立ち、AIが役に立たなくなります。
他の原材料と同様に、データを収集、改良し、分析に利用できるようにする必要があります。データは更新可能で、自己生成され、事実上無制限です。 2025年までに、グローバルデータスフィアは、2018年の33ゼッタバイトと比較して175ゼッタバイトを超える予定です（Reinsel、Gantz、Rydning、2018）。 2020年までに、Internet of Things（IoT）は500億を超える接続されたデバイスで構成され、データをサイレントかつ絶え間なく生成および消費します（Davis2018）。近年、インテリジェンス分析は、生データと構造化データ（主に、すべてのビッグデータの95％を占めるテキスト、オーディオ、およびビデオデータ）の両方の量と速度の前例のない増加により、ますます困難になっています。流通中、Gandomi、Haider 2015）、分類されたオープンソースプラットフォームを通じて収集されました。構造化ビッグデータのクエリは比較的簡単です。一方、非構造化データは未加工の状態であり、まだ処理および解釈されていませんが、これらの理由から、非常に価値があります。例としては、ソーシャルメディア、メール、ブログ、マルチメディアコンテンツがあります（Sivarajah、Kamal、Irani、Weerakkody、2017年）。 「実用的なインテリジェンス」になる前にまだ処理されていない異常な量の情報は、すべてのアナリストとすべてのチームの認知能力を過負荷にしています。 1995年から2016年にかけて、優先度の低い国に専念する平均的なアメリカの諜報アナリストに必要な読書の量は、1日あたり20,000語から200,000語に増加しました。 2025年の予測は、現在のデジタルデータの量の約10倍です（Regens2019）。
データがコンテキスト化され、インテリジェンスに関連する可能性のある情報に変換されると、人間の認識がその解釈に不可欠になります。実際、人間の抽象化能力は、マシンよりもかなりの利点を保持しています。画像、テキスト、数字を覚えるには、人間はそれを機械のそれよりもかなり少ない回数見る必要があります（1950年のTuring）。
テクノロジーの力を効果的に使用して、機械が提供できる貢献で人間のスキル（認知的および身体的）を「養う」ことにより、インテリジェンスループでの人間のパフォーマンスを向上させ、の「生産可能性のフロンティア」を前進させることができます。コミュニティインテリジェンスと、それらのデータストリームに埋め込まれている重要な要素を集中、学習、特定する能力を低下させることなく、人間が処理できるデータの量を増やします。
インテリジェンスサイクルの重要な機能の「アウトソーシング」
Human-In-The-Loopの概念は、インテリジェンスループの技術タスクの「アウトソーシング」が存在する場合、国家安全保障企業内での技術の普及を妨げる可能性があります。
倫理的な理由により、「国家安全保障企業」に属さない請負業者（非開示協定によって条件付けられているが、国家安全保障を保護するという本質的な概念に感情的に無関心である）が戦争劇場の技術開発を拒否する可能性があります。
「ProjectMaven」に関するGoogleと米国国防総省のパートナーシップは、事例研究を提供します。 2017年4月、国防総省は、軍事運用レベルで機械学習とビッグデータを統合するために、「プロジェクトメイヴン」として知られる「アルゴリズム戦争クロスファンクショナルチーム」（AWCFT）を設立しました（作業2017）。
Googleは「ProjectMaven」で協力し、ドローンのターゲティング（Fang 2018）と撮影したショットの分析（Conger、Cameron）の両方で、人工知能ソリューションを無人航空機（UAV）のアクティビティに適用しました。 2018）。
アナリストが画像内のオブジェクトを調べるのを支援するために、Googleは、データ上のオブジェクトを認識するためにGoogleの機械学習アプリケーションで使用されるオープンソースAPI（Application Programming Interface、Pettey 2017）である「TensorFlow」をPentagonに提供しました（コンガー、キャメロン2018）。パートナーシップの最初の目標は、軍用ドローンの映像に定期的に存在する約38クラスのオブジェクトを自動的に検出する機能を開発することでした。
2018年4月、約3,100人のGoogle社員が、当時のCEOであるPichaiSundararajanに「ProjectMaven」を去るように促す手紙に署名しました。米軍航空がアナリストの作業負荷を軽減するのに役立つ、オブジェクト認識用のオープンソースソフトウェア（Googleクラウドクライアントで使用可能）の提供に限定されているというGoogleの経営陣による保証にもかかわらず、 、内部プッシュで、Googleは2019年の初めにプロジェクトを放棄しなければなりませんでした。
これは、Sun, 03 Jan 2021 06:29:49 +0000 の https://www.startmag.it/innovazione/perche-google-fu-costretta-ad-abbandonare-il-progetto-maven-del-pentagono/ で Start Magazine に公開された記事の自動翻訳です。