国家安全危机中的概率性预警：重访珍珠港
人工智能
2018-02-15 v1 机器学习
摘要
设想这样一种情形：一群对手正准备对美国或美国利益发动攻击。一名情报分析人员已观察到某些信号，但局势正在快速变化。该分析人员面临决策：是警告主要决策者攻击迫在眉睫，还是等待对局势有更多了解。这一预警决策基于分析人员对信号（独立或相关）的观测与评估，以及其对可能情景及其结果的先验概率的更新。预警决策还取决于分析人员对危机动态的判断、对主要决策者偏好的认知，以及适当响应所需的提前期。本文提出一个支持该分析人员动态预警决策的模型。与大多数涉及预警的问题一样，关键在于给定两类情报失败的概率与后果下，管理误报与漏报之间的权衡。该模型通过重访1941年12月珍珠港袭击事件加以说明。它表明，日本舰队的无线电静默承载了相当可观的信息（阿瑟·柯南·道尔爵士的“夜间之犬”问题），而当时被误解。尽管不同攻击的概率相对较低，但其后果之重使得此处所述的贝叶斯动态推理本可为关键决策者提供有价值的信息。
引用
@article{arxiv.1802.04887,
title = {Probabilistic Warnings in National Security Crises: Pearl Harbor Revisited},
author = {David M. Blum and M. Elisabeth Pate-Cornell},
journal= {arXiv preprint arXiv:1802.04887},
year = {2018}
}