MétaCan
Menu
Retour à la cohorte
Enregistrement W3168957553 · doi:10.21810/jicw.v4i1.2566

Why HAL 9000 is not the future of intelligence analysis

2021· article· en· W3168957553 sur OpenAlexvenueno aff
Giangiuseppe Pili

Notice bibliographique

RevueThe Journal of Intelligence Conflict and Warfare · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIntelligence, Security, War Strategy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIntelligence analysisFunction (biology)Action (physics)Position (finance)Business intelligenceProcess (computing)Human intelligenceIntelligence cycleCore (optical fiber)MissileRisk analysis (engineering)Computer scienceOperations researchPolitical scienceArtificial intelligenceComputer securityMilitary intelligenceKnowledge managementBusinessEngineeringLawTelecommunications

Résumé

récupéré en direct d'OpenAlex

Intelligence analysis is a core function of the intelligence process, and its goal is to synthesize reliable information to assist decision-makers to take a course of action toward an uncertain future. There is no escape from uncertainty, friction, and the fog of war. Since the dawn of human history, the present moment has been experienced as unpredictable, and the challenge of determining the right future through sound decisions has always existed. Investing in new technology, continually touted as the answer for analytic troubles, seems far less difficult in the short run than trying to find consensus about a long-term vision. It is easier to develop a nuclear missile, for example, than to give a universal definition of peace, and this is what the history of the XX century was all about. While intelligence analysis is still a necessary tool for decision-makers, it is unclear who or what will perform this function in the future. Though the solution cannot be only technological, the current trajectory tells a different story whereby the human analysts are removed from their central position to make way for Artificial Intelligence.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,395
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,331
Écart entre enseignants0,291 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Intelligence Conflict and WarfareMême sujetIntelligence, Security, War StrategyTravaux en français237 207