近日，美国防部发布《数据、分析和人工智能采用战略》，该战略整合了2018年的《国防部人工智能战略》和2020年的《国防部数据战略》，在分析美国防部当前的战略环境和目标后，提出了六项具体战略。

2018《国防部人工智能战略》强调为人工智能开发集中建立基础设施，为美国防部研究和工程界人工智能技术的发展牵线搭桥，并在军事道德和人工智能安全方面发挥国际领导作用。2020《国防部数据战略》将美国防部设想为一个以数据为中心的组织，以VAULTIS目标框架为方向开展数据管理活动，利用数据提高技术能力，获得作战优势，提高部署效率。

这两个战略为美国防部的数字化转型起到了关键推动作用。《数据、分析和人工智能采用战略》（后称《战略》）吸收并取代了这两个战略，重点关注数据、分析和人工智能技术的采用，以期将数据、分析和人工智能技术集成在更广泛的美国政府政策、促进创新的私营部门和合作伙伴关系以及全球生态系统中。

实施《战略》，美国防部领导人和作战人员将能够通过专业地利用高质量数据、先进分析和人工智能技术，推动持续性结果驱动的开发、部署和反馈，作出快速、明智的决策。

《战略》提出采用灵活方法来扩大决策优势。灵活的采用方法，即在开发人员、用户、专家之间创建有效的迭代反馈循环，提升反馈效率，强调交付速度和持续改进。

图1：采用灵活方法来扩大决策优势（图片来源：美国防部）

美国防部将战略工作重点放在支持美国防部人工智能需求层次结构的几个相互依赖的目标上。

人工智能需求层级是一个以高质量数据为基础的金字塔，因为所有分析和人工智能能力都需要可靠的高质量数据来支持决策者。金字塔的下面是分析和数据，美国防部领导人了解其领域所需的基础模型和可视化技术，以及影响这些领域的关键变量。金字塔顶端是可靠的人工智能。金字塔之外则是有助于维持需求层次的推动者，即六项具体战略。

图2：战略目标和人工智能需求层次（图片来源：美国防部）

《战略》继续肯定数据的重要性，指出美国防部的所有数据都是资源。为提高数据质量，《战略》提出了“将数据视为产品”的路径。美国防部将继续提高数据的可视性、可访问性、可理解性、关联性、可信赖性、可互操作性和安全性（VAULTIS）。通过将数据视为一种产品，美国防部各部门可以在适当的情况下激发数据共享和再利用，从而打破数据孤岛，促进跨职能协作。以产品为导向确保了数据获得正确的管理与支配，以及明确的问责制、质量和接口标准以及访问控制。虽然这种数据管理方法不会改变美国防部组织的复杂性特征，但随着时间的推移，它将提高作战与分析数据质量，减少数据积压，降低数据存储成本，并减少数据冗余。这些改进将使美国防部能够更好地利用其数据产品，并做出更有效、数据驱动的决策。

美国防部将继续专注于推进数据分析技术，通过不断提高数据质量，为美国防部人员提供更全面的信息，以更好地进行反应和作出主动决策。美国防部将与利益相关者、企业和作战人员一起设计和测试分析和人工智能解决方案，以应对不同的作战环境。美国防部将持续进行实验，并进行综合多边演习。倡导各部门加大数据、分析和人工智能投入，以提升技术能力。这些经过严格测试后的能力将获得更多支持，并被大规模采用。

《战略》指出，当前政策环境复杂，达成共识和合作对于消除政策障碍、调整技术接口、加快可靠性采用至关重要。一是确定领导者，明确优先关键领域，包括数据管理、网络安全等，加强问责制。针对既有政策，提高灵活性、部署速度和可扩展性。二是减少体制障碍，铲除不必要的集体研发、规划、互用、情报和信息共享障碍，为技术和信息发布流程提供信息，促进交流。

数据、分析和人工智能能力的发展需要巨大的计算能力，而且计算需求将随着使用规模的扩大而呈指数级增长。在适当的情况下，该基础设施将实现自动化，包括实施美国防部技术政策的措施（如持续授权操作）、状态报告，以及关键的用户访问任务相关数据、分析以及人工智能平台。尽管由政府主导和设计，但美国防部基础设施将采用面向行业和值得信赖合作伙伴的开放合作架构，美国防部集中研究部分决策和服务，而其他决策和服务任务则继续分散，解决独特的任务需求。

《战略》指出，美国防部不可能独自取得成功，需要推动建立强大的国家和国际生态系统，改善政府间、学界、产业界和国际在数据、分析和人工智能技术方面的合作，继续出口关键技术，并共享数据，以确保同盟国和合作伙伴保持敏锐度，能够快速采用先进分析技术和进行人工智能创新。

美国防部将尽力识别和雇用人才，将资源集中在吸引、招聘、培训和留住数字人才工作岗位上真正创新的员工队伍，发掘和培训非技术人员，他们将领导和监督创新文化，促进数据、分析和人工智能能力被负责任地使用和应用。一方面通过提高技能和再培训来增强现有劳动力的技术能力，一方面扩大渠道，灵活吸引、招聘和雇佣数字人才。

附件A：

本附件为改进美国防部的基础数据管理提供了额外的指南，以提高美国防部数据的质量及可用性。用户需求和位置要求是数据质量的基础。因此，各组成部分和下属组织将制定数据质量实施指南和相关指标。由于本附件保留了VAULTIS框架，基于2020年数据战略的现有部门级实施计划仍然健全。但随着时间的推移，各部门将改进其数据管理计划，更紧密地与本战略保持一致。

随着各部门制定并实施其数据质量计划，需改进的数据集将建立在元数据之上，以便进行数据检索与分析；优先考虑相关性及任务价值；采取行动，以便为改进工作提供适当的资源；对优先数据集进行监测，以衡量和报告其生命周期数据的质量水平；并通过循环过程进行校正，从而能持续解决数据质量的下降问题。

数据质量维度、VAULTIS框架是用于数据管理规划的两项工具。这些工具代表了相互关联和相互支持的概念，适用于从创建到清除的整个数据生命周期。低质量数据将不可避免地破坏数据的可信度，引发安全问题，并破坏VAULTIS框架的实用性。另一方面，不符合VAULTIS框架的高质量数据，对分析和人工智能工作进程的价值也十分有限。

1、数据质量维度

随着时间的推移，数据所有者可能会依据寿命、优先级、初始条件和其他因素对不同质量水平的数据集进行分类。因此，数据质量维度是相对的，所有者将在数据的生命周期中进行评估。下表提供了每个维度的评估问题示例。

2、VAULTIS框架

2020年美国防部《数据战略》讨论的VAULTIS框架仍然是各部门组织、监控其数据管理计划的有用工具。关键维度和相关评估问题包括：

这些准则为组织以有效并高效的方式提升高优先级数据集数据质量提供了基础指导。若缺乏基于测试标准的有序方法，各部门将在提升数据质量水平以满足分析和人工智能开发需求时面临重大挑战。因此，组织将通过协作论坛，如CDAO委员会及其支持论坛，进行平面化通信，增强可见性，并确保数据质量改进和维护的方法之间的一致性。

来源： CAICT互联网法律研究中心

作者：

• 王雅蓉，中国信通院互联网法律研究中心研究员
• 欧阳语卓，中国信通院互联网法律研究中心实习生