军事情报是作战指挥的关键因素。在未来智能化战争中,作战节奏快,战机稍纵即逝,战场态势变化急剧，迫切需要军事情报获取分析适应战场节奏，如何在人工智能技术的支持下，将情报侦察系统与指挥控制系统高度集成，为作战指挥提供准确、快速、持续、高效的情报信息支持，将成为现代战场制胜的关键。人工智能技术的发展将对军事情报信息处理方式产生巨大的影响。
大数据时代，人们身边充斥着各种各样的数据和信息，如何充分运用这些重要的情报信息，是每个指挥员关心的和作战息息相关的问题。而现代战争数据信息海量增长，仅靠人力完成数据收集整理工作难以完成。人工智能在数据采集整理方面应用主要有以下三个方面。一是人工智能运用于收集和整理战场情报信息。随着战术互联网数据传输带宽的扩容和战场技术侦察手段的发展，智能设备采集的战场情报信息数据量急剧增加。然而，面对这些海量的数据和信息，单靠人力效率低下无法及时完成情报整理工作，此时运用人工智能、大数据和机器学习等关键技术，可以根据作战指挥的需要，将分散的情报数据快速分类成标准材料，便于情报数据的系统分析研究。以美国为例，阿富汗和伊拉克战争时期，国防部购买并部署了大量高分辨率摄像无人机，广泛应用于战场情报收集，以便更好地掌握作战对手的战场态势。为了解决这些收集的海量情报数据整理问题，美国国防部于2017年4月成立了一个跨职能算法作战小组，研究这些人工智能技术在数据整理过程中的应用，减轻全动态视频分类整理的负担，将情报工作人员从大量机械和重复的识别、分类和查询工作中解放出来。二是人工智能运用于收集和整理社交网络信息。社交网络的突发信息传播十分激烈,在政治、经济、心理学等方面都产生了巨大的社会影响。有效地收集和整理社交网络中的日常信息是未来城市作战的一项基础工作。基于人工智能算法，不仅可以通过关键词过滤有用信息，还可以分析隐藏数据的规则及其与其他事件的相关性，不断改进检测方法。通过人工智能，我们可以拓宽社交网络信息收集整理的手段和范围，从零碎的信息中整理出有价值的情报信息。美国中央情报局CIA充分利用人工智能技术提高数据收集和整理能力，特别是在社交媒体数据方面，收集大量社交媒体信息，这种方式改变了美国情报部门对情报工作人员经验的过度依赖，提高了人工智能社交媒体收集整理效率。三是人工智能运用于收集和整理网络舆情信息。舆论是“社会的皮肤”，是反映社会形势的晴雨表。而舆情信息收集整理是根据特定需要，针对社会舆论问题对于相关数据进行信息采集，按标准规范分类整理的过程。网络是当下社会舆论的主要载体之一，在互联网时代，尤其是移动互联网时代，每天都会产生大量的信息，这使得收集整理舆论信息变得非常困难。而大数据时代舆情进入雪崩状态的时间更短，网络舆情越早掌握越主动，一般事发后的12小时是一个关键的时间节点。因此，在大数据时代，要不断提高舆情信息处理的时效性。借助人工智能及大数据技术，实现对互联网上所有舆情数据的动态跟踪，利用文本挖掘、自然语言和图像分类等整理技术，实现了网络舆情收集整理的自动化、智能化、标准化，做到研判快、预警快、决策快。
目前，人工智能技术在情报信息分析处理中发挥着明显的作用，主要体现在分类预警、分析时效性及信息呈现方式三个方面。一是完善情报信息分类和预警功能。在指挥控制过程中，情报分析通常涉及多种类型的武器、多种控制系统，具有不同的形式和内容。获取区情报信息后，将零散的情报资料按照作战指挥的需要进行分类，转换成标准化的文字资料、相关的态势图等，以便对作战情报资料进行系统的分析和研究。人工智能可以对各种数据和信息进行智能分类，根据需要自动排序要执行的任务，提高智能数据检索能力，标记关键信息，自动发送警告信息。美国水晶球公司开发的大数据分析哥谭（Gotham）平台在阿富汗战场上发挥了重要作用。该平台将人工智能算法与强大的引擎相结合，形成一个具有精确搜索和挖掘功能的智能搜索引擎，能够对信息进行深度挖掘，然后通过人工智能算法进行数据之间的关联分析，进而实现战场动态数据检索和预警。二是提高情报分析时效性。情报分析研究是对情报材料的综合分析、推理、判断和提炼，是“去粗取精、去伪存真、由此及彼、由表及里”的分析过程。认真分析和研究情报是正确使用情报的关键步骤。现代战争中获取的情报信息，仅靠传统的人工眼看、手算等方法，难以及时、准确地处理大量的情报信息。人工智能可以实现传感器数据处理和预分析的自动化，承担更多的信息分析任务。编辑和标记来自各种信息源的图片和视频。自动识别图像并对复杂的任务进行分类处理。这将有助于减少相关人员分析动态视频的工作量，获得更多有价值的情报，进而提高军事决策水平。在2017年美军打击“伊斯兰国”的行动中，其利用人工智能的深度学习算法和神经网络技术开发了用于目标辨别和预警的计算机视觉算法，显著提高了无人机情报分析能力。三是提高情报信息的可视化程度。情报信息可视化是一个相对较新的研究领域，它将数据的交互式可视化和基于智能算法的数据分析相结合。面对海量、复杂、结构化和非结构化的信息，智能情报信息可视化技术能够以简单易懂的方式快速、方便地将信息呈现给研究者和决策者。智能算法允许将图形数据作为节点进行处理、分类、聚合和描述，评估节点之间的连接属性并创建可视化网络，这些数据最终都以某种图形化的形式直观的呈现给指挥员。美军在阿富汗战场使用的广域运动图像处理系统，通过在MQ-1捕食者无人机和MQ-9收割者无人机提供基于人工智能的算法，将无人机采集到的情报信息送到图像处理系统，能按战斗需要智能呈现无人机采集到的动态视频信息。
就作战指挥的关键要素而言，情报信息管理仍然是智能化作战指挥的基础，运用人工智能技术确保网络和信息系统运行快速、准确、畅通是智能作战指挥重要前提。情报信息管理包括分类建立情报信息数据索引，高效组织情报分发和态势共享，及时组织错误反馈和信息更新，以及情报信息网络安全管理等。这里重点介绍人工智能在情报信息数据和知识结构化处理、数据协议识别转换以及信息网络数据安全三个方面应用。一是人工智能解决情报数据和知识非结构化问题。许多情报信息数据和知识都是非结构化的。非结构化情报信息数据和知识以不同的语言、不同的格式来表示，由不同的来源提供，只有经过处理，才能进一步快速准确地检测、提取和应用。运用人工智能技术的智能结构化处理，是管理数据和非结构化信息知识的有效方法。它将大量重要的非结构化信息按照一定的规则实时分类，便于查找和使用。使用关键字和布尔表达式进一步定义更复杂的主题。统计软件系文档之间的基本统计相似性，将包含大量关键字或短语的文档分组，每个组成为代表一组特定主题实例的抽象概念。根据特定分类规则建立主题之间的关系。通过多组模型的学习和交互，知道文档放在哪里，什么时候需要添加新的分类，什么时候需要去除某些分类。通过这种智能化的数据和知识处理方式，实现数据和知识结构化，进而提高情报信息处理效率。二是人工智能实现异构系统协议的识别和转换。由于协议不兼容，异构系统很难在异构系统应用进程之间进行交互。在情报信息更新过程中，情报机构应最大限度地在各个阶段实现情报信息处理的自动化，以提高情报信息处理效率。情报产品也应该各指挥控制平台自动传播，这意味着它们必须是各平台可读的格式，整个情报机构的系统必须能够在无人干预的情况下接收和使用它们。因此，异构系统协议集成是现代情报系统面临的挑战之一。异构协议转换是连接异构系统的一项重要技术。这时，运用人工智能类人的思维能力，对不同平台网络数据进行协议智能识别转换，确保信息在不同平台的有效流转，有效解决情报系统异构协议。IBM的阿尔马登（Almaden）研究中心研制推出了一种系统软件，能够在不改变数据的前提下集成DB2、Oracle等传统数据库、可检索Web数据和文本数据等。三是人工智能有效保障指挥信息系统网络安全。在战场上现代、快速和持续的网络信息冲突的背景下，隐藏的、复杂的、有针对性的各种攻击的威胁正在增加，如多路径恶意软件、漏洞、后门、分布式拒绝服务攻击和敌对命令等。基于人工智能技术代理、神经网络应用、专家系统、深度学习的人工智能技术安全工具已广泛用于网络防御，并发挥了积极作用。IBM开发的雷达顾问（QRadarAdvisor）智能软件能够自动调查网络上的信息事件，通过认知推理提供重要见解，识别高优先级风险，加快响应周期，可以大大提高指挥信息系统的网络安全系数。斯诺登公布了由美国国家安全局开发的名为“怪兽大脑”（MonsterBrain）的秘密网络战防御系统。这种武器实际上是一种智能软件操作系统，当特定网络受到攻击时，可以无需人工操作，自主执行反击。
