Spionajul în viitorul nostru bazat pe inteligența artificială – De ce contează încă inteligența umană

Perspectiva ca inteligența artificială să poată transforma ­munca în domeniul informațiilor nu este nouă. În 1964, CIA era îngrijorată de progresele sovietice în domeniul „inteligenței artificiale” și de implicațiile acestora în domeniul securității naționale (CIA 1964).[1] Aceste cercetări timpurii în domeniul inteligenței artificiale au fost similare ca natură (deși, desigur, nu sofisticate) cu obiectivele și tehnicile contemporane, inclusiv recunoașterea tiparelor și învățarea automată. CIA a observat, de exemplu, că sovieticii foloseau învățarea automată supravegheată pentru a evalua rapid gravitatea arsurilor. Pe măsură ce tehnologia IA s-a maturizat și s-a răspândit în societatea noastră, s-a accelerat luarea în considerare a modului de îmbunătățire a inteligenței cu ajutorul acesteia. Această activitate s-a concentrat pe ramificațiile IA pentru analiza informațiilor.[2]

S-a acordat mult mai puțină atenție ramificațiilor pentru operațiunile de informații umane (HUMINT).[3] Însă inteligența artificială de frontieră (adică de ultimă generație) schimbă deja modul în care colectorii de date HUMINT – ofițerii de caz (CO) – își fac treaba. Și unii oameni cred că tehnologia emergentă, inclusiv inteligența artificială, amenință întreaga întreprindere HUMINT (f Ignatius 2025 ).

Deși IA va transforma HUMINT (împreună cu aproape orice altceva), aceasta, cea mai veche formă a noastră de colectare a informațiilor, va crește de fapt în importanță. În primul rând, pe măsură ce IA face colectarea de informații tehnice de înaltă calitate mai ieftină și mai accesibilă, aceasta sporește astfel valoarea HUMINT la marjă. IA va supraalimenta dezinformarea și fabricarea – iar acest lucru face ca capacitatea HUMINT de a construi și testa fiabilitatea surselor în timp și de a corobora colectarea tehnică să fie mai importantă ca niciodată. Și, pe măsură ce IA subminează securitatea ­comunicațiilor electronice, tehnicile de comerț pe care ofițerii de bord le-au folosit timp de milenii – cum ar fi „dead drops” și „brush passes” – vor căpăta o nouă relevanță, așa cum argumentez în acest articol.

1. Speculații despre viitorul nostru în domeniul inteligenței artificiale

Viitorul IA este extrem de incert. Oamenii au opinii diferite, apărate la diferite niveluri de rigoare, despre multe lucruri, cum ar fi modul în care vor crește capacitățile IA (exponențial? liniar? până la un anumit punct și nu mai departe?) și gradul de difuzare a IA. Lumea va arăta foarte diferit în funcție de locul în care vom ajunge și când, în funcție de aceste dimensiuni și de altele. Ne-am putea întreba, în care dintre aceste lumi viitoare se susțin argumentele acestei lucrări ?

Concluziile Secțiunii 2 sunt bazate pe tehnologii care sunt deja viabile sau se află în mod clar la granița tehnologică. Cititorii interesați de detalii tehnice pot consulta referințele furnizate. Desigur, ceea ce este acum evident ar putea fi un miraj. Poate că există o barieră neprevăzută în calea inteligenței artificiale extrem de persuasive.[4] ^Așadar , când vine vorba de capacități ale inteligenței artificiale care nu sunt deja viabile, presupun că dezvoltarea tehnologică relevantă ­va continua rapid.

În ceea ce privește Secțiunea 3 și concluzia sa despre relevanța continuă a HUMINT, lucrurile sunt mai speculative – deși nu cu atât mai mult. Nu știm dacă inteligența artificială
va submina, în cele din urmă, criptarea electronică. Dar reprezintă o amenințare la adresa criptării electronice, deoarece inteligența artificială este deja utilizată pentru a crea deepfake-uri, care, la rândul lor, amplifică atacurile cibernetice de tip phishing , care reprezintă o modalitate de a evita criptarea.

Presupun, pentru cea mai mare parte a Secțiunii 3[5],^, că nu se vor produce consecințe catastrofale (de exemplu, exterminarea umană/subjugarea totală ­sub influența inteligenței artificiale), iar în viitorul nostru bazat pe inteligență artificială, ființele umane vor păstra un anumit acces la informații cu valoare intelectuală. În rest, lucrarea nu se bazează pe presupuneri despre modul în care va continua dezvoltarea tehnologică sau socială ­.

Un alt punct în favoarea robusteții concluziilor Secțiunii 3 este faptul că cele trei argumente pe care le prezint acolo sunt în mare măsură independente.

Adevărul uneia nu necesită adevărul celeilalte. Și acestea sunt în mare parte separate de „cauze comune” (Reichenbach 1956), astfel încât, dacă una greșește, atunci probabil că și celelalte greșesc. De exemplu, să presupunem că IA ajunge să consolideze criptarea, în loc să ­o submineze. Acest lucru nu amenință deloc ideile conform cărora HUMINT poate oferi un avantaj marginal în fața democratizării tehnologice sau că poate depăși problema dezinformării. Adevăratele provocări la adresa concluziilor mele din această lucrare trebuie să provină, ­așadar, din scepticismul cu privire la temeinicia argumentelor mele, mai degrabă decât din speculațiile despre calea și amploarea ­dezvoltării tehnologice.

2. Implicații operaționale ale inteligenței artificiale de frontieră

Inteligența artificială a ­influențat deja operațiunile HUMINT, iar progresele viitoare le vor schimba și mai mult. Cinci considerații sunt importante.

2.1 Cerințe privind inteligența artificială

Pentru a-și face treaba, ofițerii de ordine trebuie să înțeleagă ce informații sunt valoroase pentru factorii de decizie și alți consumatori de informații . Bunul simț este de mare ajutor; toți ofițerii de ordine știu că, dacă dau peste informații despre terorism sau despre armata chineză, ar trebui să le transmită mai departe și că ar trebui să cultive sursele care au acest acces. Când vine vorba de subiecte mai specializate – să zicem, o ­tehnologie cu dublă utilizare obscură – există mecanisme pentru a împinge sarcinile de colectare către ofițerii de ordine din teren.

Aceste mecanisme sunt insuficiente ­pentru tehnologii dinamice, de ultimă generație, precum inteligența artificială. În plus, ele sunt fundamental reactive. Ca răspuns la atribuirea unei sarcini, un comandant poate căuta informațiile solicitate. Dar, în absența acestora, dacă se întâmplă să dea peste aceste informații, nu va recunoaște valoarea lor informativă și nu le va raporta.

Problema este acută când vine vorba de inteligența artificială din două motive. În primul rând, o mare parte din informații sunt tehnice și formulate într-un ­jargon nefamiliar. Urechile coordonatorilor ar trebui să fie ciulite dacă dau peste discuții despre rețele neuronale recurente, litografie ultravioletă extremă sau proiectare de proteine bazată pe inteligență artificială. Dar ar face-o?

În al doilea rând, există o diversitate enormă de informații legate de inteligența artificială ­cu valoare intelectuală. Această gamă largă de informații este greu de apreciat pentru o persoană neantrenată. Consumatorii de informații sunt (sau ar trebui să fie) interesați ­de subiecte precum:

• Lanțuri de aprovizionare cu semiconductori
• Utilizări militare ale IA
• Utilizarea modelelor lingvistice mari (LLM) în războiul biologic
• Politica industrială privind inteligența artificială
• Deepfake-uri și ­dezinformare
• Incidente de pierdere a controlului
• Performanța modelului Frontier
• Securitatea modelului
• Evadarea controlului exporturilor
• Surse noi de date de antrenament
• Integrarea inteligenței artificiale în ­infrastructura critică.

Ar fi util să existe câțiva ofițeri de comandă care să fie ­experți în inteligență artificială. Dar este mai important ca toți ofițerii de comandă – indiferent unde servesc sau pe ce misiune funcțională se concentrează – să aibă o pregătire de bază în domeniul inteligenței artificiale. Aceasta ar putea fi oferită la Cursul de Mecanicie pe Teren (cursul de bază de instruire/ certificare pentru ofițeri de comandă), la cerere pe teren sau – cel mai bine – în ambele .

Ofițerii de caz nu au nevoie de cunoștințe tehnice aprofundate pentru a fi colectori eficienți de ­date despre IA (cf. Katz 2020: 6). Aceștia au nevoie însă de familiarizare ­cu conceptele, terminologia și tehnologia legate de IA, precum și de cerințe actualizate periodic din partea consumatorilor. Acest lucru este suficient pentru a dezvolta și recruta noi surse de IA și pentru a recunoaște informațiile legate de IA atunci când apar. Atunci când este nevoie de expertiză tehnică , sediul ­central o poate furniza.

Coordonatorii ar trebui să fie conștienți de motivațiile neobișnuite pe care le-ar putea avea dezvoltatorii de inteligență artificială. Pilonii clasici ai banilor, ideologiei, compromisului și egoului (cunoscuți în cercurile de spionaj sub acronimul MICE) rămân. Există însă ­subtilități importante. Multe surse potențiale sunt contradictorii în ceea ce privește munca lor în domeniul inteligenței artificiale. Acest lucru este, în parte, rezultatul incertitudinii cu privire la dezvoltarea viitoare a inteligenței artificiale, pericolele pe care le poate reprezenta și modul în care aceasta ar putea transforma instituțiile umane fundamentale, cum ar fi munca și relațiile.

Unii specialiști în dezvoltare ar putea găsi convingătoare o prezentare tradițională („hai să ne asigurăm că Statele Unite și Occidentul – nu China – câștigă războiul IA”). Însă pentru alții, aceste considerații geopolitice sunt banale ­în lumina riscului existențial pe care îl prezintă IA. Aceștia vor dori să audă că numai Statele Unite pot asigura că IA viitoare este dezvoltată cu grijă și aliniată eficient cu valorile umane.

2.2 Fabricanți cu inteligență artificială

Există mai multe motive pentru care agenții ar putea fabrica, inclusiv pierderea accesului, teama de concediere, dorința de a primi o remunerație mai mare sau dublarea avantajelor față de serviciul care i-a recrutat.

Este posibil ca agenții să utilizeze deja ­inteligența artificială pentru a fabrica informații. Fabricarea nu este un fenomen nou, desigur, dar inteligența artificială face fabricarea mai ușoară și mai ­dificil de ^detectat .[6] Fabricatorii pot folosi LLM-uri pentru a genera idei și informații false, dar plauzibile, pe care să le transmită directorilor lor de proiect. Un agent poate introduce într-un LLM nume, structuri organizaționale, conținutul muncii colegilor și propriile rapoarte anterioare și poate obține povești plauzibile pe care să le prezinte drept informații autentice.[7]

Desigur, utilizarea unui astfel de LLM ar fi riscantă, mai ales pentru agenții care trăiesc într-o stare de supraveghere. Însă agenții pricepuți ar putea instala modele locale de inteligență artificială, le-ar putea ajusta pe baza informațiilor descrise mai sus și ar putea genera informații false ­înainte de a se întâlni cu ofițerii lor de ordine. Într-adevăr, prin furnizarea câtorva detalii despre tipurile tipice de întrebări și personalitatea ofițerilor de ordine, cei ­care le fabrică ar putea produce un produs și mai convingător (Secțiunea 2.5).

Problema nu se limitează la agenții existenți. Există o mulțime de străini care (i) lucrează pentru organizații ­de interes pentru informații, cum ar fi ministerele guvernamentale; (ii) au titluri care implică în mod plauzibil acces (de exemplu, manager de program); și (iii) ar dori o nouă sursă de venit. Un LLM poate genera o poveste de fundal pentru un fabricator întreprinzător și poate servi drept sursă de informații continue, nelimitate și false.

Există metode pentru detectarea fabricării ­, dar inteligența artificială face ca problema să fie mai răspândită și mai rezistentă la aceste metode. Nu mulți oameni au inteligența și abilitățile de povestire necesare pentru a adopta o personalitate cu scopul de a servi ca agent de informații; pentru a menține acea personalitate furnizând în mod regulat informații false; și pentru a depăși verificări. Cu inteligența artificială, obstacolele în calea acestui tip de comportament se micșorează.

Până acum, fabricatorilor le-a fost dificil să creeze fotografii, videoclipuri, documente și alte materiale media convingătoare care să-și susțină afirmațiile false. Atunci când s-a întâmplat ­, a fost cu sprijinul unei agenții de informații (adică atunci când fabricatorul a lucrat ca agent dublu). Însă ­modelele de inteligență artificială generativă, disponibile pe scară largă, pun această capacitate în mâinile fiecărui fabricator. Metodele de detectare a falsurilor profunde există și se îmbunătățesc, dar la fel se îmbunătățesc și ^{contramăsurile} .[8]

2.3 Meșteșugul transformat

Inteligența artificială va ­transforma munca de zi cu zi a directorilor de operațiuni – modul în care aceștia identifică, evaluează, dezvoltă, recrutează și gestionează agenții. Adică, IA va transforma meșteșugul. Într-adevăr, transformarea este deja în curs de desfășurare.

O provocare principală a operațiunilor HUMINT este supravegherea ­. Dacă un CO este descoperit efectuând un act operațional (de exemplu, întâlnirea cu un agent sau plasarea unui dispozitiv tehnic), există consecințe. Se confirmă că CO desfășoară activități de informații și, în cel mai bun caz, este expulzat. Cel mai blând rezultat pentru agent este închisoarea. Există efecte secundare geopolitice care afectează alte operațiuni și acțiuni. Așadar, CO sunt instruiți și practică tehnici de detectare și dejucare a supravegherii.

Supravegherea eficientă împotriva ofițerilor de informații bine antrenați este costisitoare. Aceasta poate fi organizată în mod regulat doar de cei mai capabili adversari ai noștri. Până acum, supravegherea eficientă a însemnat mai multe echipe de supraveghere, fiecare cu mai mulți supraveghetori; vehicule și alte echipamente; și multă observare și așteptare. Însă tehnologia – inclusiv inteligența artificială – reduce costul supravegherii, ­crescând în același timp amploarea și eficacitatea acesteia. Camerele video sunt un exemplu clar. Plasate în afara casei și a locului de muncă al ofițerilor de informații cunoscuți sau suspectați, precum și în centrele de transport, acestea monitorizează mișcările acestor ofițeri și ajută la modelarea comportamentului lor. Și pun orice se află în câmpul lor vizual în afara limitelor pentru acțiuni operaționale (un ofițer de informații nu se poate întâlni cu un agent dacă acea întâlnire va fi înregistrată).

Oficiile de Poliție (CO) s-au confruntat cu supravegherea tehnică timp de decenii. Au fost dezvoltate metode pentru a o învinge, care, la rândul lor, au dat naștere la contramăsuri, în modul tipic de joc de tipul „pisica și șoarecele”. Însă inteligența artificială amenință să realizeze ­visul contrainformațiilor despre o supraveghere cuprinzătoare și sufocantă.[9] Iată cum descrie David Ignatius (2025) problema cu care se confruntă Oficiile de Poliție:

„ Problema meșteșugurilor nu era doar supravegherea omniprezentă, ci faptul că datele existau dintotdeauna.

… acum, camerele ascunse puteau monitoriza traseul sinuos al unui ofițer de caz ­către un punct de colectare și locația sa, cu mult înainte și mult după. Agentul său putea colecta dosarul o săptămână mai târziu, dar mișcările sale ar fi înregistrate, înainte și după. Tiparele de deplasare și comportament puteau fi urmărite și analizate pentru anomalii revelatoare. Chiar și atunci când spionii nu erau prinși în flagrant, puteau fi prinși.”

Problema, însă, nu este doar amploarea sau persistența datelor. Problema este că inteligența artificială poate extrage rapid și automat aceste date – aproape toate fiind inofensive. Până acum, a fost o muncă intensivă (ca să nu spunem imposibilă) pentru serviciile de securitate să se confrunte cu avalanșa de date și să identifice puținele semnale de spionaj în mijlocul zgomotului.

Cu ajutorul recunoașterii faciale și a tiparelor bazate pe inteligență artificială, serviciile de securitate pot, fără intervenție umană, identifica potențiale activități de informații care să fie supuse verificării. Sunetul interceptat de pe dispozitive personale și microfoane fixe (poate ascunse) poate fi procesat rapid pentru utilizare în scopuri de contrainformații. (Deși, pe măsură ce tehnologia de citire a buzelor bazată pe inteligență artificială se maturizează, supravegherea audio poate deveni învechită în anumite situații.[10]

Drone miniaturale ieftine pot fi deja utilizate pentru a supraveghea fiecare CO cunoscut sau suspectat. Acestea sunt suficient de mici pentru a evita detectarea și, atunci când sunt controlate de inteligența artificială, pot opera non-stop, în roiuri coordonate, asigurând lipsa lacunelor în supraveghere. Când un CO intră într-o clădire, inteligența artificială poate identifica ­toate ieșirile posibile și poate desfășura drone pentru a le acoperi.

Noi tehnologii, precum nano-dronele, sunt la început de drum. Dronele de ordinul a aproximativ 1 centimetru nu ar trebui să aștepte afară; ele ar însoți pur și simplu, în mod clandestin, ­ofițerul de ordine în clădire. Tehnologia de supraveghere propriu-zisă este doar o parte a soluției de contrainformații. La fel de importantă este și inteligența artificială care automatizează și controlează drona.

Inteligența artificială poate fi utilizată pentru a identifica acțiuni operaționale. Pe măsură ce un CO supravegheat trece pe lângă o altă persoană, un sistem de inteligență artificială poate evalua evenimentul ca o potențială trecere prin apropiere.[11] Identitatea trecătorului poate fi stabilită prin recunoaștere facială, iar supravegherea suplimentară asupra acestuia poate începe imediat.[12]

Totuși, există limite. În fiecare zi, în fiecare oraș, zeci de oameni ­aruncă întâmplător pahare de hârtie pe jos. Aproape toți aruncă gunoi. Ocazional, unul dintre ei este un ofițer de poliție care ­efectuează o operațiune de supraveghere. Nu este clar cum ar putea vreun sistem de supraveghere – bazat pe inteligență artificială sau nu – să facă diferența între cele ^două.[13]

Există două lecții pentru ofițerii de ordine. În primul rând, va exista din ce în ce mai puțină toleranță față de meseriile neglijente. Mișcările imprecise și sincronizarea ­, care astăzi nu ridică probleme serioase de contrainformații (dar care, desigur, ar trebui evitate), ar putea fi în curând catastrofale. Dacă obiectul neclar este un card SD lipit într-un pahar de hârtie, atunci ofițerul de ordine trebuie să se asigure că cardul este fixat, astfel încât să poată arunca paharul ca pe gunoi. Nu poate așeza paharul cu grijă pe jos pentru a se asigura că nu cade cardul. Acest comportament este nefiresc – iar inteligența artificială își poate da seama. Marja de eroare dintre activitatea operațională și comportamentul civil pe care ar trebui să îl imite se îngustează.

În al doilea rând, acoperirea va crește în importanță. Un serviciu de securitate nu poate investiga fiecare act de aruncare a gunoaielor pentru a descoperi acele câteva cazuri de activitate operațională. Dar poate investiga fiecare act de aruncare a gunoaielor comis de un ­ofițer de informații cunoscut sau suspectat.

Aceasta sugerează un rol tot mai mare pentru ofițerii de acoperire neoficiali . De asemenea , înseamnă că protejarea acoperirii ofițerilor noștri va fi mai importantă ­ca niciodată. Harold Nicholson, instructor HUMINT ­, a vândut în mod infam numele stagiarilor CIA sovieticilor. O revelație dăunătoare, desigur, dar gestionabilă. Un compromis similar în era inteligenței artificiale ar putea fi catastrofal.

Ofițerii de caz ar trebui să ia în ­considerare și modul în care inteligența artificială ar putea îmbunătăți abilitățile lor comerciale. Inteligența artificială este deja utilizată pentru selecția amplasamentelor și, dacă poate ajuta o afacere să găsească o locație pentru un nou magazin (prin analizarea modelelor de trafic, a infrastructurii înconjurătoare, a comentariilor online și a altor aspecte), poate ajuta un ofițer de caz să selecteze un amplasament operațional și să planifice o rută de detectare prin supraveghere (SDR).

Avertismentul este că aceleași instrumente pot fi folosite de serviciile de securitate ­pentru a anticipa comportamentul ofițerilor de ordine și a le învinge ^SDR -urile. Soluția nu este să ignorăm aceste instrumente. Nici să avem încredere deplină în ele .­

Soluția este, mai degrabă, să se asigure că se exercită o judecată umană independentă, idiosincratică, la selectarea amplasamentelor și planificarea SDR-urilor.[14] Acest lucru poate rupe impasul dintre spionaj și contraspionaj în domeniul inteligenței artificiale.

2.4 Validarea agentului

Zachery Tyson Brown conjecturează ­că IA va ajuta la „identificarea microexpresiilor care pot servi drept indicii în timpul interviurilor sau interogatoriilor cu sursele” (2024: 4). Și au fost construite sisteme care, aparent, fac exact acest lucru: Yuan și colab. (2025) prezintă un model de IA capabil să distingă între mincinoși și  cei care spun adevărul cu o ­precizie de 98%. (Acest lucru se întâmplă într-un cadru de laborator; performanța pe teren ar fi, fără îndoială, mai puțin impresionantă.) Modelul se bazează pe mișcări de bază ale mușchilor faciali („unități de acțiune facială”), privirea ochilor, poziția capului și „microexpresii” (mișcări faciale tranzitorii, involuntare și aproape imperceptibile).

Aceleași instrumente care ne pot monitoriza ofițerii de conducere ne pot ajuta să verificăm și agenții noștri.

Este scump și periculos să efectuezi supraveghere umană oriunde ­, dar mai ales în străinătate, într-o țară ostilă. Dronele cu inteligență artificială pot urmări agenții noștri ieftin și cu o negare plauzibilă – asigurându-se că ­agenții lucrează acolo unde pretind, se întâlnesc cu oamenii pe care spun că îi au și au stilul de viață pe care pretind că îl au.

Stațiile pot deja folosi inteligența artificială pentru a gestiona inspecțiile fără programare, care reprezintă o dilemă. Pe de o parte, aceștia trebuie luați în serios. Mulți dintre cei mai valoroși agenți ai noștri (și ai altor țări) și-au început ­relația de clan prin inspecții fără programare. Pe de altă parte, majoritatea inspecțiilor fără programare sunt deranjați, fabricatori, incompetenți sau altfel nefolositoare. Am dori să ne expunem ofițerii de ordine doar inspectorilor fără programare de primul tip, dar, de obicei ­, nu există nicio modalitate de a determina cărui tip îi aparține un inspector fără programare, iar riscul de a respinge o sursă importantă este prea mare. Așa că ajungem
să ne expunem ofițerii de ordine unor oameni care sunt, într-un fel sau altul, periculoși.

Stațiile de poliție ar trebui să ia în considerare ca un ofițer de inteligență artificială să gestioneze contactul inițial cu persoanele fără programare. Chiar și tehnologia actuală poate ajuta la identificarea persoanelor fără programare problematice, care pot fi apoi întorse în siguranță de către personalul care nu este implicat în serviciile de informații. Pe măsură ce tehnologia se îmbunătățește, pot fi identificate persoane fără programare sofisticate, dar problematice – cum ar fi brățările. Un astfel de sistem ar putea, cel puțin, să ajute ofițerii de poliție să evalueze riscurile și beneficiile întâlnirilor față în față.

2.5 Persuasiune

O abilitate fundamentală a unui CO este persuasiunea. Un CO trebuie să fie capabil să convingă o țintă să o întâlnească, un dezvoltator să devină un agent și un agent să continue să ofere informații secrete ­. S-ar putea crede că persuasiunea este o abilitate umană prin excelență, inaptă pentru replicare artificială. De fapt, în contexte specifice, limitate, modelele de IA de frontieră rivalizează deja cu oamenii în capacitatea de a persuada.[15]  Așa cum descrie Matt Chessen lucrurile, „cogniția umană este un sistem complex, iar instrumentele IA sunt foarte bune la decodificarea sistemelor complexe … Atunci când li se oferă baze de date bogate în informații despre noi, mașinile ne vor cunoaște personalitățile ­, dorințele, nevoile, supărările și temerile mai bine decât le cunoaștem noi înșine.” (2017: 2).

O modalitate promițătoare de a îmbunătăți capacitatea ofițerilor de poliție de a dezvolta, recruta și gestiona agenți este prin micro- targetare îmbunătățită cu ajutorul inteligenței artificiale.[16] ^Aceasta constă în utilizarea informațiilor despre convingerile, personalitatea și preferințele unei persoane pentru a îmbunătăți eficiența comunicării cu aceasta.

Desigur, toți ofițerii de coordonare buni fac deja asta. O parte a faptului de a fi un bun comunicator este să înțelegi publicul și să-ți formulezi discursul în consecință. Dacă ofițerii de coordonare știu că un agent este un tip lipsit de emoții, logic, se vor baza mai mult pe argumente raționale și mai puțin pe apeluri la emoții. Țintirea (în acest sens) a fost până în acest moment un amestec de intuiție a ofițerilor de coordonare, instruire și îndrumare din partea sediului central.

Inteligența artificială poate ajuta. Imaginați-vă un LLM (Master în Learning) optimizat pentru putere de convingere. În pregătirea unei întâlniri cu agenții, un CO introduce în acesta date publice, cum ar fi rețelele sociale, informații confidențiale ( ­informații operaționale) și contextul relevant (fapte geopolitice). La rândul său, modelul oferă îndrumări despre cum să comunicați cu agentul: ce limbaj să folosiți; subiecte de evitat; obiecții pe care agentul este probabil să le ridice și cum să răspundeți la acestea; măsuri non-verbale, cum ar fi cum să vă îmbrăcați pentru întâlnire, locația aleasă și facilitățile; și multe altele.[17]

Un astfel de model ar putea fi ­util și în alte interacțiuni, cum ar fi întâlnirile cu personalul de dezvoltare. Coordonatorii ar trebui să ia în considerare utilizarea unui LLM (securizat corespunzător), așa cum îl folosesc și pe colegii lor din stație: ca o cutie de rezonanță pentru dezvoltarea și prezentarea surselor potențiale.

Este deja posibil ca ofițerii de ordine să acceseze îndrumări în timp real, generate de inteligența artificială, prin intermediul unei căști clandestine sau al unor ochelari de realitate augmentată. Și nu mai este ­fantastic să ne imaginăm ofițeri de ordine echipați cu o interfață creier-computer care îndeplinește acest rol. Ar recomanda, ca un joc video, opțiuni de dialog pe care ofițerii de ordine să le ia în considerare pe măsură ce își urmăresc obiectivul operațional (de exemplu, mementouri despre subiectele de debriefing).

3. Inteligența umană într-o lume artificială

Operațiunile HUMINT sunt un amestec demodat de artă și știință ­. Unele tehnici de meșteșug au fost folosite de milenii. Este tentant să credem că, într-o lume saturată de inteligență artificială, HUMINT va fi o relicvă.

Probabil că opusul este adevărat, din trei motive. În primul rând, IA va face ­colectarea de informații tehnice ieftină și accesibilă pe scară largă, crescând astfel valoarea colectării de informații HUMINT, cu barierele sale relativ mari la acces . În al doilea rând, IA va fi utilizată pentru a copleși mediile digitale  cu dezinformare. HUMINT va avea o capacitate unică de a găsi semnalul de informații valoros în mijlocul acestui zgomot. În al treilea rând, IA ar putea submina încrederea ­comunicațiilor electronice. Dacă se întâmplă acest lucru, vom avea nevoie de modalități non-electronice de comunicare care să fie simple și sigure. Tehnicile tradiționale de comunicare între agenți – interceptarea rapidă, trecerea rapidă prin perie, întâlnirile scurte – sunt exact asta.

3.1 HUMINT la margine

Tehnologia tinde să fie ­democratizantă. Difuzează rapid cunoștințe și capacități. Tipăritul este un exemplu clasic. Mai recent, am văzut acest lucru în cazul criptării. Odată, criptarea comunicațiilor electronice era costisitoare și dificilă. Doar guvernele și companiile cu resurse mari puteau gestiona acest lucru. Acum, oricine poate descărca gratuit programe de criptare practic indestructibile, precum Pretty Good Privacy.

O consecință este că criptarea electronică – deși este încă de o importanță vitală – nu mai oferă avantajul relativ pe care îl oferea odinioară.

Inteligența artificială va ­democratiza în mod similar colectarea de informații tehnice, făcând-o mai ușoară și mai ieftină. Eforturile de primă clasă vor fi mai frecvente. Am văzut deja acest lucru cu inteligența geospațială (GEOINT). Această disciplină de colectare (o parte importantă a acesteia, oricum) era odată disponibilă doar națiunilor capabile de zboruri spațiale. Dar acum, imagini de înaltă calitate sunt disponibile gratuit pe internet, la fel ca și software-ul (uneori folosind inteligența artificială) pentru a le procesa și analiza. Și dacă unele imagini dorite nu sunt disponibile ­, oricine poate solicita sateliților comerciali de înaltă rezoluție (~30 cm) să le obțină.

Ideea nu este că inteligența tehnică va fi neimportantă, ci că IA va facilita mult realizarea de colectări comparabile ­ca scară și calitate cu ale noastre. Va fi mai greu să obținem un avantaj față de adversarii noștri în aceste discipline de colectare, așadar valoarea relativă a HUMINT va crește.

Există o analogie în piețele de pariuri pentru cursele de cai. Acestea sunt piețe pari-mutuel în care nu există „avantajul casei”; pariorii concurează doar între ei. Prin urmare, este posibil să fii un câștigător pe termen lung.[18] În mod tradițional, cei mai buni pariori erau jucătorii de cai experimentați , care puteau ­evalua instinctiv cursele. Aceștia puteau detecta, de exemplu, când un cal era bolnav sau ușor accidentat. Dar în anii 1980, datele și metodele statistice legate de curse au proliferat. Jucătorii inteligenți au folosit aceste instrumente pentru a-și învinge concurenții, obținând profituri enorme.[19]

Vechile metode sunt redescoperite ­. Datele, modelele statistice și puterea de calcul sunt accesibile , ieftine și fac ­parte din repertoriul oricărui parior serios. Rezultatele lor sunt incluse pe piață, iar deținerea lor nu oferă pariorilor niciun avantaj față de concurenții lor. Cu alte cuvinte, informațiile generate de aceste metode sunt necesare, dar nu suficiente, pentru profitabilitate. Avantajul marginal – care, chiar dacă este mic , poate fi decisiv – provine din ­ce în ce mai mult din perspicacitatea oferită de instinct și alte capacități calitative .­

Brown (2024) afirmă că „indiferent cât de mare ar fi modelul dumneavoastră, acesta nu va cuprinde niciodată lumea… nu există nicio cantitate de date care să permită prognozarea ­unor evenimente noi într-un mediu competitiv din ce în ce mai complex, în care nenumărate fire, materiale și imateriale, simpatice și antagonice, sunt toate împletite într-un nod gordian al cauzalității.” (3). Chiar dacă IA poate îmbunătăți masiv cantitatea și calitatea informațiilor pe care le putem colecta și produce – așa cum pare probabil – va rămâne un reziduu critic pe care doar HUMINT îl poate obține.[20] ^Aceasta ar putea include informații stocate în sisteme cu spațiu liber; ­intențiile conducerii străine; și informații despre existența și funcționarea „întrerupătoarelor” IA, care ar fi ascunse IA-urilor, deoarece scopul lor este de a atenua incidentele de pierdere a controlului care implică aceste IA. Iar când vine vorba de competiția geopolitică – ca în cazul curselor de cai – un mic avantaj poate face diferența dintre bogăție și ruină.

3.2 Semnal uman, zgomot electronic

Inteligența artificială (IA) a viitorului va fi o sursă de dezinformare nelimitată și eficientă.[21]  Desigur, ne confruntăm deja cu această problemă, iar amploarea și severitatea acesteia sunt în creștere. Deși colectarea HUMINT nu este imună la dezinformarea bazată pe IA ­(Secțiunea 2.2), spre deosebire de disciplinele tehnice de colectare, aceasta nu va fi copleșită de aceasta. De exemplu, există îngrijorări cu privire la utilizarea IA într-o mașinărie de „ceață de război” care inundă spațiul de luptă ­cu dezinformare și face imposibile activitățile de informații, supraveghere și recunoaștere.[22] O astfel de mașinărie nu ar pune în ­pericol operațiunile HUMINT; dimpotrivă, le-ar ridica la rolul critic de a filtra informațiile din nefolositoarea generată de inteligența artificială.

Sau să presupunem că, în cadrul unei națiuni adverse, în fiecare zi există X apeluri telefonice cu valoare informativă. Ca măsură de contrainformații, adversarul nostru folosește inteligența artificială pentru a genera de 10 ori mai multe apeluri false zilnic. Indistinguabilă de apelurile reale și conținând ­dezinformări atent elaborate, inteligența artificială ar putea face ca eforturile de informații bazate pe semnale (SIGINT) să fie inutile, chiar contraproductive. Dar un agent uman poate ajuta la identificarea apelurilor autentice și a celor care nu.

Cele două eforturi de colectare ar funcționa, așadar, în tandem. SIGINT bazat pe inteligență artificială ar putea obține conținutul apelurilor telefonice, dar nu și informații despre care apeluri au fost reale și care au fost false. Un agent uman ar putea ști că a fost efectuat un apel, dar nu și ce s-a spus. HUMINT a fost folosit de mult timp pentru a corobora informațiile obținute prin metode tehnice. Având în vedere problema tot mai mare a dezinformării ­, acest rol va deveni mai important.

Problema ar putea fi chiar mai simplă. IA avansată ar putea crea o stare de supraîncărcare cognitivă, care ne face să ne dăm din cap în fața unui potop nesfârșit de informații aparent plauzibile.[23] Copleșiți de inteligența electronică – tot felul de suporturi media, care conțin un amestec indeterminat de adevăr și falsitate, derivate atât din date din lumea reală ­, cât și din date sintetice și așa mai departe – HUMINT ar fi, cel puțin, gestionabilă.

3.3 Comunicare securizată între oameni

Deși tehnologia contemporană ­a influențat modul în care ofițerii de conducere comunică cu agenții lor, ea a completat, mai degrabă decât a ­înlocuit , tehnicile tradiționale. Acest lucru va continua să fie adevărat.

În primul rând, inteligența artificială face deja dificilă discriminarea ­între adevăr și falsitate în comunicațiile electronice. Calitatea deepfake-urilor este de așa natură încât, pentru ochiul neantrenat (și din ce în ce mai mult pentru ochiul antrenat), este imposibil să diferențieze între imaginile, videoclipurile și sunetul autentice și echivalentele lor ^deepfake.[24]

Escrocii folosesc deepfake-uri pentru a defrauda și extorca oameni – de exemplu, prin generarea de înregistrări audio care sună ca un membru al familiei care imploră răscumpărare unor răpitori (inexistenți ­^{) . Aceste escrocherii au avut succes nu doar împotriva unor persoane credule, ci} și a unor afaceri sofisticate.[25]

În același timp, halucinațiile – prezentarea de informații false de către sistemele de inteligență artificială – persistă. Răspunsul rațional la aceste dinamici și la altele similare este de a trata mesajele mediate digital ca fiind implicit mai puțin încrezătoare. Dacă prietenul meu îmi spune, față în față, că are probleme și are nevoie de bani, pot fi sigur că este adevărat. Dar dacă mesajul respectiv este mediat de un sistem electronic – un e-mail, un apel telefonic, un atașament video – este mai probabil o înșelătorie decât o cerere de ajutor autentică.

O parte centrală și critică a tehnicii HUMINT implică comunicarea interumană ­neintermediată de electronice. O operațiune de deaddrop executată corect (i) transferă în siguranță informațiile de la agent la CO și (ii) îi oferă CO-ului încrederea că informațiile primite sunt, într-adevăr, furnizate de agentul său. Desigur, informațiile ar putea fi false deoarece agentul minte sau pur și simplu greșește. Dar aceasta este o preocupare categoric diferită de cea ridicată de deepfake-uri și alte dinamici ale inteligenței artificiale: injectarea unei noi și puternice surse de zgomot în semnalul trimis de la agent la CO.

Ideea de micro-targeting este înrudită. Luați în considerare următorul ­model simplu de comunicare: Diane are o oarecare credință B într-o propoziție p (care ar putea fi, de exemplu, propoziția că atacul va fi lansat mâine).[26] Diane ar putea crede că propoziția este adevărată, falsă, probabilă cu 30% sau orice altceva. Ea primește un discurs, S, de la un interlocutor care este relevant pentru adevărul lui p. Sarcina lui Diane, acum, este să ajungă la o credință justificată maxim despre p, date fiind B și S.

Discursul S al interlocutorului ei poate fi descompus într-o parte care este corelată cu adevărul lui p și o parte care este persuasiune pură. Diane primește însă doar S, care este suma celor două părți.

Întrucât S este dominat de partea sa pur persuasivă – exact ceea ce micro-targetarea este concepută să realizeze – Diane ar trebui, în mod rațional, să reducă măsura în care modifică B în lumina lui S. Intuitiv, Diane nu poate fi sigură dacă consideră S convingător pentru că reflectă adevărul fundamental sau pentru că interlocutorul ei are o limbă mai exagerată. Așadar, pe măsură ce micro-targetarea devine mai comună și mai eficientă, ar putea fi rațional să se reducă încrederea în orice comunicare care nu este în persoană.[27]

Tehnicile tradiționale HUMINT ­pot conta și dintr-un al doilea motiv: posibilitatea unor incidente de „pierdere a controlului” care implică viitoarea inteligență artificială. Imaginați-vă sisteme de inteligență artificială care rivalizează sau depășesc abilitățile umane,
dar care sunt nealiniate cu valorile sau obiectivele pe care am căutat să le insuflăm. Aceste sisteme ar putea reprezenta o amenințare – chiar una existențială – pentru ființele umane. Contemplarea acestor scenarii nu mai este o speculație marginală; este un subiect de interes crescând în rândul cercetătorilor serioși și ^al analiștilor de politici.[28]

În cazul unui incident de pierdere a controlului, ar fi o provocare ­pentru umanitate să coordoneze un răspuns. Metodele noastre standard (electronice) de comunicare – telefoane, e-mailuri și așa mai departe – ar fi compromise de inteligența artificială. Industria HUMINT ar rămâne viabilă.

În cele din urmă, este posibil ca inteligența artificială să submineze criptarea, reducând astfel – poate drastic – securitatea comunicațiilor electronice.[29] IA ar putea identifica ­defecte de implementare în protocoalele de criptare. Ar putea crește eficacitatea tehnicilor actuale, cum ar fi phishing-ul (de exemplu, prin utilizarea de deep fake-urilor). Ar putea chiar – poate în tandem cu progresele din domeniul calculului cuantic – să submineze criptarea la nivel teoretic.

Dacă se întâmplă oricare dintre acestea, atunci valoarea relativă a meșteșugului comercial HUMINT crește. Deoarece acesta asigură informațiile ­într-un mod categoric diferit, rezistent la acele evoluții tehnologice.

4. Concluzie

La început, am susținut că nu trebuie să ne facem griji cu privire la limita inferioară a tehnologiei necesare ­pentru concluziile acestei lucrări; tehnologia există deja sau va exista în curând. Dar ce putem spune despre o limită superioară? Ar putea IA să devină atât de puternică și răspândită încât judecata mea anterioară – că HUMINT va continua să fie relevantă – să nu fie valabilă? Atâta timp cât cele două ipoteze explicite din Secțiunea 1 sunt îndeplinite, chiar și în lumi futuriste de marginalizare umană – în care IA, mai degrabă decât oamenii, au din ce în ce mai mult acces la inteligență – concluzia Secțiunii 3 își păstrează forța.

Observați, de exemplu, că argumentul pentru ­valoarea marginală a HUMINT este compatibil cu scăderea ofertei generale de HUMINT (pe măsură ce oamenii sunt înlocuiți de inteligențe artificiale) și cu faptul că inteligența derivată din inteligență artificială este mai bună decât HUMINT. Într-adevăr, acesta este și ideea: valoarea nu este determinată de cererea și oferta totală, ci de cererea și oferta la marjă. Acea unitate marginală de HUMINT colectată de viitorul nostru CO, lucrând în umbrele singuratice ale unei lumi artificiale, ar putea face toată diferența.

Rolul HUMINT în eliminarea zgomotului sintetic este valabil atâta timp cât oamenii păstrează acces la informațiile relevante. Cu cât mai puțini oameni au acest acces, cu atât (toate celelalte condiții fiind egale) valoarea generală a efortului HUMINT este mai mică. Dar aceasta nu este o obiecție la argument ­, în sine; este o observație despre aplicabilitatea sa restrânsă într-o clasă de viitoruri ale inteligenței artificiale.

Considerațiile legate de tehnicile de comunicare HUMINT au o forță mai mare dacă ­se vor concretiza scenarii mai futuriste, care implică dominația inteligenței artificiale asupra ființelor umane. Oamenii obișnuiți nu folosesc tehnicile HUMINT pentru a comunica, nici măcar pentru informații sensibile ­. Există opțiuni mai bune. În cazul unui incident de pierdere a controlului, s-ar putea să nu existe.

Este dificil să ne exprimăm opiniile despre viitorul inteligenței artificiale. Dar, în cadrul unor viitoare plauzibile, trei puncte par solide:

IA este o tehnologie extraordinară, poate fără precedent istoric ­. Multe se vor schimba pe măsură ce va fi integrată în operațiunile HUMINT. Dar multe vor rămâne la fel și este puțin probabil ca IA să facă HUMINT redundant. Munca CO va rămâne recunoscută în viitorul nostru în domeniul IA.

Lucrări citate

Abbas, Fakhar și Araz Taeihagh, „Demascarea falsurilor profunde: o analiză sistematică a tehnicilor de detectare și generare a falsurilor profunde folosind ­inteligența artificială”, Expert Systems with Applications 252, partea B (2024): 1-38, https://doi.org/10.1016/|.eswa.2024.124260 .

Balafrej , Ismael și Mohamed Dahmane, „Îmbunătățirea caracterului practic și a eficienței detectării deepfake-urilor”, Scientific Reports 14 (2024): 1-11, https://doi.org/10.1038/s41598-024-82223-y .

Bao, Zhenzhen, Jian Gou, Meicheng Liu, Li Ma și Yi Tu, „Îmbunătățirea criptanalizei diferențial-neurale”, în Advances in Cryptology —ASIACRYPT 2022, eds. Shweta Agrawal și Dongdai Lin (Springer, 2022), 318-47.

Benamira , Adrien, David Gerault, Thomas Peyrin și Quan Quan Tan, „O privire mai profundă asupra criptanalizei bazate pe învățarea automată”, în Advances in Cryptology—EUROCRYPT 2021 , eds. Anne Canteaut și François-Xavier Sandaert (Springer, 2021), 805-835.

Borene , Alice B., „«Această lucrare a fost scrisă de o mașină»: Analiza, sinteza și automatizarea informațiilor”, Studies in Intelligence 67, nr. 4 (2023): 21-24.

Brown, Zachery Tyson, „«Elementul incalculabil»: Promisiunea și pericolul inteligenței artificiale”, Studies in Intelligence 68, nr. 1 (2024): 1-7.

Chessen, Matt, „Viitorul MADCOM: Cum inteligența artificială va îmbunătăți propaganda computațională, va reprograma cultura umană și va amenința democrația… și ce se poate face în această privință.” Consiliul Atlantic, 26 septembrie 2017. https://www.atlanticcouncil.org/ rapoarte-de-cercetare-aprofundate/raport/viitorul- madcom / .

CIA, „Cercetarea inteligenței artificiale în URSS”, raportul Biroului de Informații Științifice 64-37 (1964). https://www.cia.gov/readingroom/ documente/artificial%20intelligence%20r[154249231.pdf .

Dakalbab, Fatima, Manar Abu Talib, Omnia Abu Waraga , Ali Bou Nassif, Sohail Abbas și Qassim Nasir, „Inteligența artificială și predicția criminalității: o analiză sistematică a literaturii”, Social Sciences & Humanities Open 6, nr. 1 (2022): 1-23, https://doi.org/10.1016/|.ssa- ho.2022.100342 .

Diel, Alexander, Tania Lalgi, Isabel Carolin Schröter, Karl F. MacDorman , Martin Teufel și Alexander Bäuerle, „Human Performance in Detecting Deepfakes : A Systematic Review and Meta-analysis of 56 Papers”, Computer in Human Behavior Reports 16 (2024): 1-13, https://doi. org/10.1016/j.chbr.2024.100538 .

Ding, Fangyu , Quansheng Ge, Dong Jiang, Jingying Fu și Mengmeng Hao, „Înțelegerea dinamicii evenimentelor teroriste cu ajutorul seturilor de date multidisciplinare ­și a abordării învățării automate”, PLOS ONE 12 (2017): 1-11, https://doi.org/10.1371/journal.pone.0179057 .

Faqir, Raed SA, „Investigațiile criminale digitale în era inteligenței artificiale: o prezentare generală cuprinzătoare”, International Journal of Cyber Criminology 17, nr. 2 (2023): 77-94.

Galascione , John F., „Sfârșitul analizei inteligenței umane – mai bine începeți să vă pregătiți”, Studies in Intelligence 67, nr. 4 (2023): 17-20.

Gartin, Joseph W., „Viitorul analizei”, Studies in Intelligence 63, nr. 2 (2019): 1-5.

Geist, Edward. Descurajarea în condiții de incertitudine: inteligență artificială și război nuclear. Oxford University Press, 2023.

Gleeson, Dennis J., „Inteligența artificială pentru analiză: Drumul de urmat”, Studies in Intelligence 67, nr. 4 (2023): 11-15.

Gohr, Aron, „Îmbunătățirea atacurilor asupra Speck32/64 cu runde reduse folosind învățarea profundă”, în Advances in Cryptology—CRYPTO 2019, eds. Alexan ­dra Boldyreva & Daniele Micciancio (Springer, 2019), 150-79.

Heidari, Arash, Nima Jafari Navimipour , Hasan Dag și Mehmet Unal, „Detectarea deepfake-urilor folosind metode de învățare profundă: o analiză sistematică și cuprinzătoare”, WIREs Data Mining and Knowledge Discovery 14, nr. 2 (2024): 1-45, https://doi.org/10.1002/widm.1520 .

Hershkovitz, Shay, „Informații bazate pe crowdsourced ( Crosint ): Utilizarea mulțimilor pentru securitatea națională”, International Journal of Intelligence, Security, and Public Affairs 22, nr. 1 (2020): 42-55, https://doi.org/10.1080/23800992.2020.1744824 .

Huang, Guanxiong și Sai Wang, „Este inteligența artificială mai persuasivă decât oamenii? O meta-analiză”, Journal of Communication 73, nr. 6 (2023): 552-62, https://doi.org/10.1093/joc/jqad024 .

Hussain, Altaf, Samee Ullah Khan, Noman Khan, Mohammad Shabaz și Sung Wook Baik, „Cadru de biometrie comportamentală bazat pe inteligență artificială pentru recunoașterea robustă a activității umane în sistemele de supraveghere”, Aplicații inginerești ale inteligenței artificiale 127, partea A (2024): 1-15, https:// doi.org/10.1016/j.engappai.2023.107218 .

Ignatius, David, „O bandă de inovatori reimaginează jocul spionajului pentru o lume fără acoperire”, Washington Post, 10 iulie 2025. https://www. washingtonpost.com/opinions/interactive/2025/cia-ai-technology-spies/ .

Ionescu, Bogdan, Marian Ghenescu, Florin Rastoceanu, Razvan Roman, & Marian Buric, „Artificial Intelligence Fights Crime and Terrorism at a New Level”, IEEE MultiMedia 27, nr. 2 (2020): 55-61, https://doi.org/10.1109/MMUL.2020.2994403 .

Jones, Cameron R. și Benjamin K. Bergen, „Minciuni, minciuni blestemate și statistici distribuționale ale limbajului: Persuasiune și înșelăciune cu modele lingvistice mari”, arXiv , 2024, 37, https://doi.org/10.48550/arXiv.2412.17128 .

Katz, Brian, „The Collection Edge: Harnessing Emerging Technologies for Intelligence Collection” (Avantajul colectării: Valorificarea tehnologiilor emergente pentru colectarea de informații), CSIS Brief (2020). https://www.csis.org/ analiză/colecție-valorificarea-la-vantajului-tehnologiilor-emergente-inteligență-colecție .

Lahlou, Salem, „Atenuarea supraîncărcării cognitive societale în era inteligenței artificiale: provocări și direcții”, arXiv , 2025, 13, https://doi. org/10.48550/arXiv.2504.19990 .

Lucas, Jason S., Barani Maung Maung , Maryam Tabar, Keegan McBride și Dongwon Lee, „Impactul pe termen lung al inteligenței artificiale generative asupra ­informațiilor Dis: armonizarea perspectivelor dihotomice”, IEEE Intelligent Systems 39, nr. 5 (2024): 12-19, https://doi.org/10.1109/ MIS.2024.3439109 .

Matz, S. C., J. D. Teeny, SS Vaid, H. Peters, G. M. Harari și M. Cerf, „Potențialul inteligenței artificiale generative pentru persuasiunea personalizată la scară largă”, Scientific Reports 14: 1-16 (2024), https://doi.org/10.1038/s41598-024-53755-0 .

Moran, Christopher R., Joe Burton și George Christou, „Comunitatea de informații a SUA, securitatea globală și inteligența artificială: de la informațiile secrete la spionajul inteligent”, Journal of Global Security Studies 8, nr. 2 (2023): 1-18, https://doi.org/10.1093/jogss/ogad005 .

Mulligan, Thomas, „Epistemologia dezacordului: de ce nu și bayesianismul?”, Episteme 18, nr. 4 (2021): 587-602, https://doi. org/10.1017/epi.2019.28 .

Neuberger, Anne, „Spion vs. IA: Cum va reface inteligența artificială spionajul”, Foreign Affairs, 15 ianuarie 2025. https://www.foreignaf- fairs.com/united-states/spy-vs-ai .

O’Connor, Jack, „Algoritmul sub acoperire: Un capitol secret în istoria timpurie a inteligenței artificiale și a imaginilor din satelit”, International Journal ­of Intelligence and Counterintelligence 36, nr. 4 (2023): 1337-51, https://doi.org/10.1080/08850607.2022.2073542 .

Olabajo, Olusola A., Benjamin S. Aribisala, Manuel Mazzara și Ashiribo S. Wusu , „Un model de învățare automată ansamblu pentru prezicerea zonelor periculoase: către o combatere globală a terorismului”, Soft Computing Letters 3 (2021): 1-6, https://doi.org/10.1016/j.socl.2021.100020 .

Peterson, Andrew J., „IA și problema prăbușirii cunoașterii”, IA și societate 40, nr. 5: 3249-69 (2025), https://doi.org/10.1007/ s00146-024-02173-x .

Reichenbach, Hans. Direcția timpului. University of California Press, 1956.

Salvi, Francesco, Manoel Horta Ribeiro, Riccardo Gallotti și Robert West, „Despre persuasiunea conversațională a GPT-4”, Nature Human Behavior (2025): 1-12, https://doi.org/10.1038/s41562-025-02194-6 .

Schoenegger și colab., „Modelele lingvistice mari sunt mai persuasive decât persuasorii umani stimulați”, arXiv , 2025, 30, https://doi. org/10.48550/arXiv.2505.09662 .

SCSP (Proiectul de Studii Competitive Speciale), „Ofițerul de caz digital: Reimaginarea spionajului cu ajutorul inteligenței artificiale” (2025). https://www. scsp.ai/wp-content/uploads/2025/09/SCSP Ofițerul-de-caz-digital -Reimaginarea-spionajului-cu-inteligență-artificială.pdf .

Sengonul , Erkan, Refik Samet, Qasem Abu Al- Haija , Ali Alqahtani, Badraddin Alturki și Abdulaziz A. Alsulami , „O analiză a ­tehnicilor de inteligență artificială în detectarea anomaliilor video de supraveghere: un studiu cuprinzător”, Applied Sciences 13, nr. 8 (2023): 1-31, https:// doi.org/10.3390/app13084956 .

Simchon, Almog, Matthew Edwards și Stephan Lewandowsky, „Efectele persuasive ale microtargetingului politic în era ­inteligenței artificiale generative”, PNAS Nexus 3, nr. 2 (2024): 1-5, https://doi.org/10.1093/pnasnexus/pgae035 .

Singh, Laishram H., Panem Charanarur și Naveen Kumar Chaudhary, „Progrese în detectarea deepfake-urilor: algoritmul IA și perspectivele de viitor – o analiză”, Discover Internet of Things 5, nr. 53 (2025): 1-30, https://doi.org/10.1007/s43926-025-00154-0 .

Somani, Elika, Anjay Friedman, Henry Wu, Marianne Lu, Chris Byrd, Henri van Soest și Sana Zakaria, „Consolidarea pregătirii și răspunsului în situații de urgență pentru incidentele de pierdere a controlului cauzate de inteligența artificială”, Raport de cercetare RAND Europe (2025). https://www.rand.org/content/dam/rand/pubs/ rapoarte de cercetare/RRA3800/RRA3847-1/RAND RRA3847-1.pdf .

Spitale, Giovanni, Nikola Biller- Andorno și Federico Germani, „AI Model GPT-3 (Dis)informs Us Better than Humans”, Science Advances 9, nr. 26 (2023): 1-9, https://doi.org/10.1126/sciadv.adh1850 .

Syllaidopoulos , Ioannis, Klimis S. Ntalianis și Ioannis Salmon, „Un studiu cuprinzător privind inteligența artificială în combaterea terorismului și securitatea cibernetică: provocări ­și dimensiuni etice”, IEEE Access 13 (2025): 91740-64, https://doi.org/10.1109/ACCESS.2025.3572348 .

Yang, Shuang, Yuanhang Zhang, Dalu Feng, Mingmin Yang, Chenhao Wang, Jingyun Xiao, Keyu Long, Shiguang Shan și Xilin Chen,

„LRW-1000: Un benchmark la scară largă, distribuit natural, pentru citirea buzelor în mediul natural”, arXiv , 2019, 8, https://doi.org/10.48550/arX- iv.1810.06990 .

Yuan, Shusen , Zilong Shao, Zhongjun Ma, Ting Cao, Hongbo Xing, Yong Liu și Yewen Cao, „Detectarea înșelăciunii bazată pe microexpresie și metode de selecție a caracteristicilor”, EURASIP Journal on Image and Video Processing 8 (2025): 1-18, https://doi.org/10.1186/s13640-025- 00674-3 .

Zhang, Jing, „Învățarea cunoștințelor prin intermediul crowdsourcing-ului: o scurtă trecere în revistă și o perspectivă sistematică”, IEEE/CAA Journal of Automatica Sinica 9, nr. 5 (2022): 749-62, https://doi.org/10.1109/IAS.2022.105434 .

Zhou, Jiawei, Yixuan Zhang, Qianni Luo, Andrea G. Parker și Munmun De Choudhury, „Minciuni sintetice: Înțelegerea dezinformării generate de inteligența artificială ­și evaluarea soluțiilor algoritmice și umane”, în CHI ’23: Lucrările Conferinței CHI din 2023 privind factorii umani în ­sistemele de calcul, eds. Albrecht Schmidt, Kaisa Vaananen, Tesh Goyal, Per Ola Kristensson, Anicia Peters, Stefanie Mueller, Julie R. Williamson și Max L. Wilson (Asociația pentru Mașini de Calcul, 2023), 1-20.

Note

[1] Moran și colab. 2023 și O’Connor 2023 oferă un istoric al utilizării inteligenței artificiale de către Comisia Internațională.

[2] Vezi, de exemplu, Borene 2023, Galascione 2023, Gartin 2019, Gleeson 2023 și Neuberger 2025.

[3] Poate că acest lucru începe să se schimbe. În timp ce această lucrare era în curs de revizuire, a fost publicată lucrarea albă „The Digital Case Officer” (SCSP 2025) a Proiectului de Studii Competitive Speciale, care prezintă o abordare de tip „echipă om-mașină” augmentată de inteligența artificială pentru HUMINT și discută considerațiile de guvernanță aferente.

[4] Dacă ar fi să speculez, argumentul ar suna cam așa: limbajul derivat din IA va avea inevitabil o calitate non-umană recognoscibilă; va exista o reacție negativă împotriva IA din cauza efectelor sale negative, ceea ce va duce la o stigmatizare a utilizării sale; prin urmare, ¬conținutul „persuasiv” derivat din IA va face discursul mai puțin convingător – nu mai mult. [Un motiv pentru care cred că acest argument este nefondat este pentru că cred că prima premisă este falsă.]

[5] Secțiunea 3.3 nu necesită ultima presupunere (ii). Accentul este pus aici pe comerțul cu HUMINT, independent de utilizarea sa tipică, care este de a colecta informații din surse umane. Cu alte cuvinte, argumentul respectiv pentru relevanța durabilă a HUMINT este puțin mai general decât celelalte.

[6] Există mai multe motive pentru care agenții ar putea fabrica, inclusiv pierderea accesului, teama de concediere, dorința de a primi o remunerație mai mare sau dublarea avantajelor față de serviciul care i-a recrutat.

[7] Pentru utilizarea masteratelor de drept pentru a genera dezinformare în domeniul sănătății, vezi Zhou și colab., 2023.

[8] Vezi, de exemplu, Abbas & Taeihagh 2024, Balafrej & Dahmane 2024, Heidari et al. 2024 și Singh și colab. 2025

[9] Cf. Katz 2020: 5, Neuberger 2025, SCSP 2025 și Syllaidopoulos și colab. 2025.

[10] Vezi de exemplu, Yang și colab., 2019, conține 718.000 de mostre de vorbire în mandarină care pot fi folosite pentru a antrena modele de citire a buzelor bazate pe inteligență artificială.

[11] Cf. Hussain și colab., 2024 și Sengonul și colab., 2023.

[12] Cf. lonescu și colab., 2020.

[13] Poate că IA s-ar putea baza pe „informații colectate prin crowdsourcing” („CROSINT”) pentru a investiga. Dacă este ¬nevoie de o investigație la fața locului (o gunoi de inspectat, o fotografie de făcut etc.), aceasta ar putea fi anunțată oamenilor din zonă, care ar face treaba contra unei mici taxe. (Despre CROSINT, vezi, de exemplu, Hershkovitz 2020 și Zhang 2022.)

[14] Un caz analog ar putea fi utilizarea inteligenței artificiale pentru a prezice locația atacurilor teroriste. Vezi, de exemplu, Ding și colab. 2017 și Olabajo și colab. 2021.

[15] Vezi, de exemplu, Huang & Wang 2023, Schoenegger și colab. 2025, Spitale și colab., 2023 și https://www.anthropic.com/research/measuring-model-persuasiveness (accesat la 19 mai 2025). Despre utilizarea modelelor de persuasiune în general pentru persuasiune și dezinformare, vezi Jones & Bergen 2024.

[16] Vezi, de exemplu, Matz și colab. 2024, Salvi și colab. 2025, SCSP 2025 și Simchon și colab. 2024.

[17] Cf. SCSP 2025.

[18] Din punct de vedere tehnic, pentru a fi profitabili, pariorii trebuie nu doar să-și învingă concurenții, ci și să depășească „pariul pe pistă” (o parte din pariurile plasate care este extrasă pentru a plăti operarea curselor).

[19] Consultați https://www.bloomberg.com/news/features/2018-05-03/the-gambler-who-cracked-the-horse-racing-code (accesat la 13 mai 2025) pentru un exemplu proeminent în acest sens.

[20] Cf. SCSP 2025.

[21] Vezi, de exemplu, Lucas și colab. 2024.

[22] Vezi Geist 2023.

[23] Vezi, de exemplu, Lahlou 2025.

[24] Vezi, de exemplu, Diel și colab. 2024.

[25] Vezi, de exemplu, https://www.wired.com/story/youre-not-ready-for-ai-powered-scams/ (accesat la 24 iulie 2025) și https://www. cnn.com/2024/02/04/asia/deepfake-cfo-scam-hong-kong-intl-hnk ( accesat la 24 iulie 2025) .

[26] Tratamentele formale din epistemologia dezacordului pot fi adaptate pentru a modela acest tip de problemă de ponderare a sursei. Vezi, de exemplu, Mulligan 2021.

[27] Futuriștii au descris uneori această stare ca fiind una de „colaps epistemic ” sau „colaps al cunoașterii”. Vezi, de exemplu, Peterson 2025.

[28] Pentru o descriere sugestivă și informată din punct de vedere tehnic a modului în care acestea s-ar putea realiza, consultați https://ai-2027.com/ (accesat la 23 mai 2025). Vezi și Somani și colab. 2025.

[29] Despre această posibilitate, vezi, de exemplu, Bao și colab. 2022, Benamira și colab., 2021, și Gohr, 2019.

Sursa: Thomas Mulligan (2026). ”Espionage in Our AI Future – Why Human Intelligence Still Matters”, în Studies in Intelligence 70, No. 1, martie 2026. Traducere și adaptare: Nicolae Sfetcu

Thomas Mulligan este cercetător la RAND Corporation. A lucrat în cadrul CIA între 2008 și 2014, inclusiv ca ofițer de caz în America Latină.