Page 20 - 《国际安全研究》2020年第1期

人工智能时代背景下的国家安全治理：应用范式、风险识别与路径选择

①
ACAMS）就高度肯定了人工智能技术在反洗钱领域的应用价值。 目前，摩根士
丹利、汇丰银行和高盛等多家金融机构已将人工智能技术应用于风险评估、交易筛
②
查、交易监控等具体金融风险控制场景。 另一方面，人工智能还有助于构建金融
知识图谱或关联网络，从而提升金融预测的效能与延展金融风控的覆盖范围。针对
这一点，金融稳定理事会（FSB）认为，监管部门可以将人工智能技术运用于监测
流动性风险、资金压力、房价和失业率等市场变化趋势，从而更为准确地把握当下

③
的经济形势与金融环境。
总的来看，人工智能基于进化赋能的实践应用在国家安全治理中存在着一定的
技术发展正循环。这一广域治理的特征不仅意味着人工智能将成为保障国家安全的
重要驱动力，而且也将进一步拓展国家安全治理的理念、方式与界域。实际上，由

于传统安全与非传统安全往往是相互影响的，因此科技在两者之间的应用也存在着
一定的交叉。人工智能技术在国家安全治理中的应用也具有这一特性，并且人工智
能所具有的通用性更是模糊了其在传统安全与非传统安全中的应用边界。例如，在

传统安全中的无人机“蜂群”可以用于遥感测绘、森林防火、电力巡线、搜索救援
等非传统安全类活动，而用于标记照片和识别商品的图像识别算法也被用于分析作
④
战单元所捕获的战场信息。 因此，人工智能在传统安全与非传统安全两个领域之
间存在着相互支持的作用。当然，由于受到数据样本的不完全、算法优化的高要求

以及模型构建的复杂性等要素的限制，人工智能在现阶段的实际应用过程中仍存在
⑤
着明显的缺陷。 而我们对于人工智能在国家安全治理中应用的认知，多数还是建
立在当前已知技术应用的基础上的，尚且只能根据现有和能大致预见到的人工智能

① Gurjeet Singh, “How AI is Transforming the Anti-Money Laundering Challenge,” Compliance,
August 10, 2017, https://www.corporatecomplianceinsights.com/ai-transforming-anti-money-laundering-
challenge/.
② Aline Dima and Simona Vasilache, “Credit Risk Modeling for Companies Default Prediction
Using Neural Networks,” Journal for Economic Forecasting, Vol. 19, No. 3, 2016, pp. 127-143.
③ Financial Stability Board, “Artificial Intelligence and Machine Learning in Financial Services:
Market Developments and Financial Stability Implications,” November 1, 2017, http://www.fsb.
org/wp-content/uploads/P011117.pdf.
④ Michael Mayer, “The New Killer Drones: Understanding the Strategic Implications of
Next-Generation Unmanned Combat Aerial Vehicles,” International Affairs, Vol. 91, No. 4, 2015,
p. 778.
⑤ 董青岭：《机器学习与冲突预测——国际关系研究的一个跨学科视角》，载《世界经济
与政治》2017 年第 7 期，第 116 页。

· 18 ·