数智时代情报学与情报工作的发展透视

许鑫，叶丁菱

（华东师范大学经济与管理学部信息管理系，上海 200241）

1 引言

伴随大数据、云计算、人工智能等现代信息技术的发展，数智时代已然到来。作为以数据信息为对象、以信息技术为手段、以决策服务为目标的情报学与情报工作，每一发展阶段都伴随着信息技术的突破助推，现代化信息技术的创新发展与深入应用不可避免地对其产生重大影响。正如曾建勋等[1]所指出的，信息技术的变革发展，是情报学研究与实践迈向新高度的重要推动力，是情报学具体内涵、理论体系与分析方法不断完善的有效支撑。

数智时代以数字化与智能化的融合为驱动，可以概括为以数为基，以智为能，即在大数据、云计算、人工智能、区块链、5G等数字技术或智能技术的支持下，逐步实现从小数据到大数据再到智慧数据的智能进阶，融合多元数据构建动态、智能的决策机制或模型，实现智能化分析与应用。情报研究与情报工作则在数智赋能中，一方面走向综合化、专深化与多元化，逐渐由信息分析与知识服务拓展加深为智慧服务与智能决策；另一方面不断探索如何有效融合先进信息技术，变革固有模式，凸显情报本质，充分实现情报学与情报工作的深度发展与广度扩张。基于此，本文将梳理数智时代背景下，新一代信息技术与情报学和情报工作的融合应用，以期阐明数智时代下情报学与情报工作的发展实际，为新时代情报学与情报工作的生产力变革提供技术支持。

2 数据智能技术对社会和情报领域的影响

伴随数据量的暴涨、算力的提升和算法的突破，数据智能技术得以快速发展，为数字中国建设和社会发展带来深刻的变革。以服务国家和社会发展为宗旨的情报领域，在新技术机遇中，同样发生了不凡的改变。

（1）赋能国家战略的数据智能技术。2020年国务院政府工作报告中正式提出，重点支持“新型基础设施建设”[2]。国家发展改革委明确指出，新基建是“以新发展理念为引领、以技术创新为驱动、以信息网络为基础，面向高质量发展需要，提供数字转型、智能升级、融合创新等服务的基础设施体系”，包含“以5G、物联网……人工智能、云计算、区块链……数据中心……为代表”的信息基础设施，“深度应用互联网、大数据、人工智能等技术”的融合基础设施，以及“支撑科学研究、技术开发、产品研制”等的创新基础设施[3]。可以看到，伴随数字化、智能化与高速化发展，以大数据—云计算—人工智能—区块链—5G为代表的数据智能技术在新基建中得到广泛应用与深度扶持，新一代信息技术正以其泛在数据化、泛在信息化与泛在网络化打造经济发展新引擎，赋能国家发展战略。

（2）变革社会发展的数据智能技术。Gartner定义的战略技术是指具有巨大颠覆性潜力、在未来三年可能为企业带来重大影响并具有重要战略意义的技术[4]。Gartner将战略性技术趋势中人、设备、技术与内容分为三部分，即智能、数字和网格。智能是以人工智能为代表，通过人工智能与其他技术的结合形成的新的技术或服务；数字是物理世界与数字世界的融合，并从数字世界感知物理世界；网格是将人、企业、设备、内容和服务等连接起来的共有网络[4]。Gartner 2019—2021年的战略性技术趋势基本以超级自动化、数字体验、分布式云、区块链、数据安全等为主要发展趋势。通过人工智能和机器学习等技术，增强智能驱动，加强流程自动化和机器自主性；通过拓扑结构的数据收集与处理，映射物理世界，增强虚拟感知与交互；通过5G网络布局构成分布式移动边缘云，增强智能驱动，推进区块链实用发展；注重数据安全与隐私，加强数据信任。数据智能技术持续性地在社会发展中发挥深刻影响，推动社会智能创新，迎来数据智能时代。

（3）融入情报体系的数据智能技术。情报学是以情报为核心对象，以数据、信息、知识、智能、情报从产生到利用的理论、技术与方法为主要内容，并为情报工作提供服务支撑的学科[5]；情报学与情报工作以服务国家发展战略、满足社会发展需求为宗旨[6]。因而，数据智能技术与情报体系的融合，一方面缘于学科自身和数据智能技术存在密切关联，另一方面与数据智能技术在国家战略和社会发展中具有显著影响相关。数据智能技术的深度应用为情报学与情报工作带来了全局性和根本性的影响[7]，海量数据、深度学习、分布计算等工具或技术正在以多角度、深层次应用于情报生产与情报分析的各个环节，促成情报研究与情报工作思维、方法、内容等的革新与迭代升级。情报研究与情报工作在新一代信息技术环境下逐渐形成“ABCD5”的技术支撑体系，即Artificial intelligence（人工智能）、Blockchain（区块链）、Cloud computing（云计算）、big Data（大数据）和5G技术[8]。

3 新技术环境赋能的情报学与情报工作

3.1 基于大数据环境的情报变革范式

情报学作为一个注重挖掘复杂数据中知识和规律的学科[9]，大数据时代的到来，不可避免地对该学科产生巨大的影响。在大数据的驱动下，情报学与情报工作的内涵和内容更加丰富化，大数据特质以及由其带来的多元聚合性特征越发凸显，数据驱动模式逐渐成为情报研究与情报工作动态进阶的基本参考。通过梳理和综合分析诸多学者对大数据环境下情报学发展特征的研究可以发现，情报学者普遍认为，在大数据环境下，情报研究的应用范式和情报工作的思维模式都产生了实质性变革[9-14]。

（1）大数据范式下的情报学研究。大数据环境和技术的发展，促进数据密集型科学研究范式的广泛应用，带来情报学研究要素的全面变革。如表1所示，情报学研究要素可以概括为研究数据、研究工具、研究内容和研究方法四个层面。研究数据是情报学研究内容的基本来源，也是探索情报事物真实要素的基础保障；研究工具是研究数据提取、处理、分析与呈现的技术依托；研究内容是情报学探索事物本质与规律、实现情报学科创新的关键；研究方法是研究内容的重要支撑，也是情报学科成熟与专深的标志[12]。在研究数据层面，大数据范式下数据的获取渠道、获取方式、数据规模和数据质量从以往基于小规模、客观的数据转向海量、实时的复杂非正式渠道数据，为以往小样本的情报研究提供有力的数据补充。在研究工具层面，数据采集依据不同数据源采用不同类型爬取、传感方式，数据存储由关系型数据库存储转向分布式云存储方式，数据分析通过算法迭代和人工智能技术实现多元非结构化数据的抽取与挖掘，数据呈现向高维度、智能化的信息可视化技术发展，实现情报研究数据高效率、低成本的处理分析。在研究内容层面，情报学研究介质从传统纸质文献转向数字资源，继而向全数据资源转变，信息链更是发生直接性变化，从以往的“事实—数据—信息—知识—情报”，拓展延伸出“数据—情报”的直接过程，数据跳过信息和知识环节，直接转化成情报[10]；情报学研究空间从固定、有限的物理空间转向互联网络、通信网络和传感网络交织的虚拟空间；研究场景从文献资源的检索、组织和分析转向知识集成的智库服务、用户生成内容的行为分析等；研究理论从布拉德福等文献分布、检索、传播理论转向泛在智慧服务理论、大数据流程理论、智慧感知理论等。这些对于全面分析情报学研究介质、深入挖掘情报学发展规律、真实解释情报对象本质而言，无疑是深刻而科学的。在研究方法层面，情报学研究的参与方式从情报人员介入性研究转向复杂网络式的无监督计算，思维方式从部分事物的深入因果挖掘转向事物整体性的相关探索分析，计算方式从人工主导计算转向计算机挖掘分析，分析方式从演化、规律性探究转向融合、预测性分析。新的研究方法扩展了情报学研究的思维边界，为情报学科发展注入了新的活力。

表1 大数据范式下的情报学研究变化

（2）大数据思维下的情报工作。苏新宁[15]认为，“情报工作是社会发展的需要，也是科技进步的必然，它是将决策支持、高效管理和咨询服务融为一体的智慧活动，是情报学研究成果实践的场所”，因而，与情报学研究类似，情报工作的用户需求、数据基础、组织方式、分析方法、服务手段等层面也在大数据思维下不断扩展，如图1所示。但不同于情报学研究更为注重研究内容的变革，情报工作更强调用户需求和服务手段的变化。在用户需求层面，从利用传统的定性、定量和实验研究方法向全源数据的深层次挖掘拓展，从基于小样本数据的分析转向细粒度数据的抽取计算和全样本数据的相关分析，通过多方位把握和持续性跟踪预判用户需求的发展态势，有效增强需求分析的精准性；在数据基础层面，从传统文献信息转向不同类型、不同维度、不同形式的全面数据采集和集成，与此同时，大数据自有的多源数据融合理念，有利于情报工作一方面在同一数据集中洞察不同的对象特性，另一方面反映同一对象在不同数据集中的表征；在组织方式上，从传统的信息集成、组织与整合转向语义化、关联化和碎片化的知识组织，实现数据内在特征的共现和关联；在分析方法上，从以往的链接分析、文献计量、内容分析转向以大数据技术为核心的算法与挖掘计算、复杂数据平台分析，为决策支持、趋势预测等提供数据分析支撑；在服务手段上，从传统的演化分析与规律探索、查新服务、竞争分析转向跨地域、跨平台的知识融合共享服务和决策咨询与预测机制，通过整合感知和认知技术，挖掘数据资源，实现数据到知识、知识到决策、决策到服务的智慧转换。

图1 大数据思维下的情报工作变化

大数据所带来的研究范式变革和思维方式的改变，促使情报研究与情报工作面向更为复杂的数据结构、更为深层的组织处理、更为智慧的分析方法、更为精准的用户需求、更高质量的服务方式，情报研究与情报工作的开展、分析、管理以及利用，离不开大数据的支撑与保障，大数据为情报学与情报工作提供泛在数据支撑平台。

3.2 基于云计算的情报资源集成

在大数据环境下，海量数据资源爆炸式地增长，数据集成和分析工具的需求日益增多，情报学与情报工作所涉及的技术工具也需不断提升。“工欲善其事，必先利其器。”先进的信息技术既是情报资源获取、分析和管理的关键性要素，也是情报分析与服务质量提高的重要护航手段。正如美国中央情报局（Central Intelligence Agency，CIA）数字创新副主任Sean Roche所言，“利用云计算技术，CIA可以采集和聚合海量资源用于工作之中，并促进CIA内部优化和创新”[16]。

云计算是通过互联网的快速连接和传输，将数据的存储与处理过程从单独的计算机或服务器转向云端虚拟的数据中心，并通过超强的计算能力实现资源的分散、聚合、获取与服务。不同于部分领域注重利用云计算实现对海量数据的高度并行运算和实时分布响应，情报领域更为注重运用云计算实现数据资源在语义层面自下而上的深度聚合与知识发现，以便全面揭示资源间的深度联系，促进情报资源的融通应用，提升情报学与情报工作的知识计算能力和精益服务能力。

（1）资源聚合下的情报学与情报工作。分布式存储和超强计算能力的云计算环境为情报学与情报工作的资源聚合带来了全新的变化。云计算利用形式概念分析、标签聚类、主题模型等技术发掘情报资源的内容语义和关联语义[17]，有效促进情报学与情报工作的资源整合能力。例如，在安全情报中，通过云计算可以实时存储和迁移海量社会舆情数据，分析提取舆情信息元数据，实现标签创建和管理，提升情报资源的存储、处理和检索效率；在军事情报中，美国国防部积极推动“军事云”建设，试图构建可以存储、整合与传感大量未加密和加密军事数据的云计算系统，以提升军事决策和作战能力[18-19]。从“快速访问计算环境”（rapid access computing environment，RACE）到“Forge.Mil”、到“全球信息栅格内容传输服务”（global information grid content delivery service，GCDS）、到“联合信息环境”（joint information environment，JIE），再到“联合作战人员云能力”（joint warfighter cloud capa‐bility，JWCC），“军事云”试图构成相互链接的网络军事资源池，一方面通过云端分布式存储功能，实现实时地面、空中、海域、太空的数据资源的传输和获取，进行资源的动态按需分配，另一方面通过云计算的超级算力，实现军事情报信息的有效融合和管控，根据实时军事需求，云端优化资源配置，大为缩减“探测—跟踪—侦查—评估—决策”的周期，提升军事谋划和决策能力，加强协同作战效能[18-19]。

（2）一站式服务下的情报学与情报工作。云计算环境所集成的一站式服务是指在情报资源聚合的基础上，依托云计算的基础设施即服务、平台即服务和软件即服务，形成情报资源的系统化应用平台。此类平台有效减轻了系统开发、调试和搭建的工作量，利于帮助用户快速开展情报业务，提高情报资源共建、共享与共用能力。例如，在竞争情报中，企业借助云计算平台的集成服务功能，可以有效改进业务运营模式，加速企业创新升级。在生产环节，通过云上构建实时全量的企业数据湖，实现海量生产数据的交互分析以及生产设备的预测分析，提高企业生产效率；在制造环节，借助云平台开展边缘计算等应用，通过分析和反馈实时生产数据来改进关键制造流程和加强质量监控，实现敏捷制造；在售后环节，通过云上软件平台，收集用户反馈数据，挖掘用户需求，定制用户产品，提升用户体验。在安全情报中，美国国防部高级研究计划局（Defense Advanced Research Projects Agency，DARPA）开展的XDATA项目就利用云计算架构搭建情报服务平台[20]。该项目基于云计算架构实现了系列软件和方法的集成互操，开发出涵盖基础公共数据资源采集和存储、处理和分析、管理和检索、可视和应用、交互和反馈的情报服务系统，有效加强数据资源的重复流动应用，实现情报业务的云上按需配置和调取，提升情报服务支撑水平。

云计算聚合了数据资源、存储资源、网络资源和计算资源，通过其虚拟化、并行化、自动化和集成化的情报资源进行存储、整合、管理与共享的方式，极大地增强了情报资源的组织性和情报应用的交互性，为情报学与情报工作提供泛在组织支撑平台。

3.3 基于区块链的情报组织方式

在情报研究与情报工作中不可避免地存在数据资源的共建共享问题，如数据安全性差、数据可追溯性低、数据信任困难、数据共享程度低等。与云计算类似，区块链技术也可对数据资源的共建共享问题加以解决，甚至相比于云计算，区块链技术具有更加安全可靠、隐私保护、去中心化等特点[21]，能够有效提高情报机构与情报工作者的协同共享能力，促进情报分析与服务的提能升级。

区块链是基于互联网的分布式账本技术，其本质是一个去中心化的共享数据库[22]，链上的数据具有防篡改、去中心化、可溯源、共同维护等特征。Collins[23]指出，区块链技术是数字内容的新形式，利于保障数据安全、透明和私有化，在图书情报领域应用区块链技术将利于创新。丁晓蔚等[24]指出，“数据孤岛”和“信息孤岛”问题会妨碍情报分析、影响情报预测，而区块链的信任大数据、不可篡改、集体维护等特点可以在一定程度上弥补此类缺陷。Manley[25]着点于数据安全问题，提出利用智能合约技术实现具有约束力的数字化协议，限制使用者的使用内容，从而有效保障知识产权。

（1）助推资源安全的情报学与情报工作。情报资源的安全性一直是情报学界十分关注和致力解决的问题，区块链技术中的不可篡改、加密算法和共识机制等特性利于建立情报资源安全体系，提升数据的安全性和完整性。此类问题在各国正得到积极的探索。例如，俄罗斯国防部ERA-Kaspersky研究实验室探索如何使用区块链技术识别网络攻击，以有效保护关键军事基础设施；澳大利亚金融情报局尝试使用区块链和智能合约执行资金转移；美国国防部高级研究计划局（DARPA）通过购买区块链应用程序Guardtime，构建无钥匙签名的基础设施（keyless signature infrastructure，KSI），来验证数据完整性监控系统，以便应用于军事领域，增强关键武器系统的安全性[26]。在军事情报中，美国空军在区块链技术上的探索更为深刻，其利用Fluree区块链数据库平台将区块链技术融于数据管理。首先通过不可篡改技术把链上数据组合为防篡改的时间戳块，再利用高加密算法锁定每一时间戳块，随后通过授权公钥或私钥来限制用户的访问权限，并利用打开或关闭链上某些功能来使用和管理不同类型数据库，从而确保数据的完整性和数据流通的安全性。美国空军计划在内部测试基于此项区块链技术的图形数据库，随后在国防部或盟国间利用此技术实现文档的共享[27]。

（2）实现资源共享的情报学与情报工作。区块链技术的高可靠性、安全性和溯源性促使情报机构以及情报用户间的信任关系发生变化。伴随溯源性能的建立，用户更为信任地进行情报资源的提供；伴随数据安全性的提高，用户更为积极地进行情报资源的交流与共享，有力促进了情报资源的共建共享。传统情报资源的共建共享主要由各情报机构或情报学者通过点对点或组成联盟而实现，并且存在资源可追溯性能差、资源交换延迟滞后、资源协同共享性较差等问题。在区块链技术下，情报资源共建共享的实现主要通过去中心化这一特性来实现，基于共识机制，链中所有参与者的地位平等，各情报机构或情报工作者作为链上的节点同步拥有所有数据，确保了数据获取的一致性和即时性。同时，对于云计算中情报资源的共享存在一定篡改风险的问题，区块链将各数据区块按照时间节点进行相接，完整记录情报资源的交互历史，有效规避情报资源的篡改和伪造风险。在数据不可篡改、安全性高、可靠性强的基础上，情报用户降低信任成本，增强情报资源共享频率与范围，促进不同机构或学者间的交流协作，加强情报资源的挖掘速度和使用频率，促进情报研究与情报工作的广泛化、协同化和知识化，实现真正意义上的情报资源共建共享。

区块链作为特定的去中心化和分布式存取数据技术，主要应用于数据资源的处理[28]。区块链确保情报资源在交流共享过程中的透明性、安全性和可控性，实现情报资源的全生命周期管理，增强多元主体间的相互信任和相互操作，既可为情报分析与服务的开展提供安全广泛的资源基础，又可为情报分析的基础设施架构带来坚实的支撑，从而构成情报学与情报工作中的泛在组织支撑平台。

3.4 基于人工智能的情报服务模式

2017年，我国在《新一代人工智能发展规划》中指出，“到2020年……人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径”，推动社会经济向智能化加速发展[29]。人工智能通过算法等技术实现机器对人类活动或者人类行为过程的智能模拟[9]，感知智能、计算智能和认知智能被认为是人工智能的三个关键层面[30-31]，这与情报研究和情报工作需要利用人类智慧对数据或信息进行判读、研究与呈现具有相关性。

人工智能技术融于情报研究与情报工作的众多环节，贯穿情报服务流程，促进情报服务智慧化发展，如图2所示。在智能数据感知方面，利用感知智能自主发现和采集用户环境数据、用户行为数据、知识经验数据、用户反馈数据等，实现从情境到内容再到态势的全源感知，构成多源感知数据库，为智能决策提供数据基础和先验依据。在智能数据组织方面，利用计算智能和认知智能预先筛选与识别有效的异构情报来源，提炼和抽取异构情报来源中的高层次知识片段，将隐性知识转化为机器可读取和可处理的结构化知识，实现多模态知识的映射、关联、聚类和融合，建立多维模型、方法和工具储备库，大幅度降低情报研究与情报工作对数据资料的认知负担，有效提升情报分析效率。

图2 基于人工智能的情报服务模式

（1）智能信息分析下的情报学与情报工作。人工智能技术促进边缘计算、机器学习、智能传感等技术实现深入发展和广泛应用，通过数据映射和技术构建，构成与现实世界相对应的虚拟世界，让“平行情报系统”成为现实[32-33]。“平行情报系统”的发展为情报领域有效开展智能信息分析提供了新的路径，基于决策情境，利用感知智能和计算智能表征语义和投影语义，实现现实世界和虚拟世界的精确对应，通过在虚拟世界中映射出现实世界情报对象的关键特征数据，形成对问题情境的同步分析、交叉验证和智能匹配，构成对复杂情报情境可智能化、客观化和交互化分析的仿真空间。同时，通过对现实情报系统进行动态演化模拟，发掘其中的内在关联和运动趋势，利于增强情报决策能力和情报预见能力。例如在安全情报中，通过仿真模拟突发公共事件，提取突发事件知识元，挖掘突发事件演化规律，可以有效提升突发事件应急管理能力。

（2）智能决策服务下的情报学与情报工作。情报分析的本质是通过各种资源、方法、技术分析出形成决策所需要的情报[34]。人工智能应用于情报服务流程，可以有效促进情报向决策的智慧转换，提升情报研究与情报工作中的决策保障能力。通过高度整合感知智能、计算智能和认知智能，可以实现对问题情境的主动监测和全面感知，结合沉浸式逼真虚拟环境、专家知识库、人机交互系统等自动对知识推理形成新的情报，感知、凝练和推断情报对象的发展路径和发展态势，构建科学的情报价值感知模型和决策预判模型，形成自下而上的决策分析过程和决策生成方案。在人工智能技术的应用下，情报服务突破浅层次的信息整合和推断，转向基于知识和智慧的比较与评估，预测决策生成效果和发展影响，实现超前性和科学性的决策预判和优化，有效提升情报人员的决策服务、决策支持和决策解决能力。

人工智能拓展了情报资源自动化处理、知识化生成、智慧化转型的边界，为情报学与工作带来的影响是全局性和根本性的[35]，既实现了从数据到情报的直接过程，也实现了从知识决策到智慧决策的过程。通过数据感知分析决策所需情报，利用智能处理技术挖掘情报内涵，采用智能分析技术实现智慧决策，为情报学与情报工作构成泛在服务支撑平台。

3.5 基于5G技术的情报融合展现

海量数据的爆炸式增长，加重了数据资源传输、共享、应用等压力。伴随大数据、云计算、区块链、人工智能等信息技术的发展，5G技术的出现与结合，促使海量数据资源的挖掘、应用和服务能力明显提升，情报用户可以无障碍地实时在线传输数据，加快其共享效率，促使原有的数据、信息、知识和情报管理向高层次的协同、交互、智慧的管理方式转变。

5G技术是第五代移动通信技术，具有高速度、高可靠、高并发、低延时等特点。伴随大规模互联网、增强移动网络的深入应用，5G技术将变革网络运营模式，深入影响情报用户的网络行为[36]。阿里达摩院在《达摩院2020十大科技趋势》中指出，5G网络将实现全新技术赋能，催生平行虚拟网络，加速多智能体间的协同，释放群体智能价值[37]。王陶冶等[36]认为，在高频传输技术、新型多天线传输技术和密集网络的支持下，5G技术对大数据环境和技术的支撑性日益提升，人工智能趋于人类智能，促使各领域的深度智能融合成为现实。Simsek等[38]认为利用5G的高频传输、虚拟现实等技术可以实现充分实现虚实交互，有效提升用户的感知能力。

（1）万物互联下的情报学与情报工作。5G技术的高速度、高并发、高兼容等网络构建特征带来了普遍连接，为海量数据的协同传输提供了强大的计算能力，促使情报研究与情报工作的全量数据挖掘和分析成为可能。一方面，5G技术通过高频段毫米波、厘米波等进行数据信息的输出，实现高速度短距离的通信，促使海量数据的传输容量和传输速率得到较大的提高[36]；另一方面，通过增强网络运营能力，加快情报资源从云计算系统或区块链的高速调取，实现快速有效的情报资源交流共享。同时，利用人工智能技术提高数据分析效率，实现高效的情报资源分析过程。例如，在安全情报中，通过5G技术实现实时信息传输和异常信息预警，再通过人工智能技术识别异常信息要素，随后高速分发异常原因，协同各部门工作，实现异常信息的快速响应和处理，提高情报工作效率。

（2）应用感知下的情报学与情报工作。5G技术的低延时、高可靠、高并发等特征打破了时间与空间的限制、线上与线下的阻隔，实现现实与虚拟的交互，为情报研究与情报工作的可视化呈现带来全新模式。可视化呈现和交互是情报研究与情报工作对外交流和应用的重要窗口，对于用户理解情报服务具有深刻意义。5G技术结合VR/AR等技术通过感知交互、场景交互、渲染处理、网络传输、内容制作等[36]，逼真复制出在视觉、听觉、触觉等方面高度接近现实的虚拟世界，通过虚实结合促使用户身临其境般体验高度沉浸式的可视化内容和交互服务，促使数字孪生成为现实，实现用户对情报研究与情报工作的立体、全面和深度理解，如通过5G技术实现多维立体的知识图谱构建，开展数字人文的多模态实物感知体验等。5G技术在情报应用中实现的泛在虚拟、模拟仿真、孪生协同，为情报研究与情报工作带来了多形态化的分析展示和高智能化的服务模式。

5G技术利用其高网络速度、高安全性和低延迟性等特征，弱化时空限制和物理限制，实现万物互联，改善情报资源的利用与分析环境，带动情报分析和服务向智能化、感知化、协同化与互动化趋势发展，为情报研究与情报工作提供了泛在网络支撑平台。

4 面向数智技术集成的情报学与情报工作

钱学森先生认为，情报工作是对知识的激活和活化，情报系统是转化知识、产出情报、增值情报的智能系统[39]。情报学与情报工作的重要技术之一即是情报分析技术，不论人工主导的分析方式还是智能化的分析模式，其最终目标都是形成决策所需要的情报。但是，不同的情报分析方法和手段，会带来不同的情报转化效率，形成不同的情报转化结果。

情报学与情报工作的分析流程可以概括为情报需求和规划阶段、数据检索和采集阶段、数据融合和组织阶段、数据分析和凝练阶段以及数据呈现和传递阶段[40]。传统的情报学与情报工作分析流程如图3所示。在情报需求和规划阶段，主要以问题为导向，一般通过定性、定量、实验等方式探索用户需求，或依据现实社会环境探讨情报工作；在数据检索和采集阶段，依靠情报人员手工或使用简单机器从一定数据库或搜索引擎对异构的数据信息资源进行检索、下载和自保存；在数据融合和组织阶段，通过元数据、分类法、主题法等分类工具进行半结构化或非结构化数据的处理与融合，通过简要软件处理工具进行情报资源的组织；在数据分析和凝练阶段，通常基于扎根理论、文献综述、德尔菲法等进行情报资源的定性分析，或者通过文献计量的定量分析方法实现情报演化、态势分析等；在数据呈现和传递阶段，通过撰写专业文献、研究报告、简报等，或开发情报产品进行展示和流通。

图3 传统情报学与情报工作分析

数智集成下的情报学与情报工作分析流程如图4所示。在情报需求和规划阶段，大数据环境与技术导致海量多源异构的数据资源异常丰富，为情报研究与情报工作提供了交互数据、感知数据、交易数据等全面数据资源和数据挖掘工具，从而促使情报学与情报工作一方面基于显性数据确定分析问题，另一方面基于隐形数据挖掘数据间的内在关联，来确定深度性或预测性的研究问题；在数据检索和采集阶段，对大数据环境下生成的网络数据和物理数据，基于分布式存储的云计算技术和保障数据安全的区块链技术，实现海量数据的云端一站式并行检索和调用；在数据融合和组织阶段，基于虚拟化的云计算技术、去中心化的区块链技术和感知计算的人工智能技术，自动清洗半结构化或非结构化数据，并发掘数据间的语义关联，揭示数据间的深层联系，融合构成广泛关联的情报资源体系；在数据分析和凝练阶段，发挥人工智能的感知智能、计算智能和认知智能，采用自动信息抽取技术、自然语言处理技术、深度学习、知识推理、仿真模拟等技术实现情报资源的知识发现、决策生成和预测分析，促使情报决策服务的智慧化发展；在数据呈现和传递阶段，通过人工智能技术实现知识图谱等智能可视化工具，通过5G技术的高频传输、增强现实、人机交互等为情报决策的可视化提供多维立体的沉浸式体验。

图4 数智技术集成下的情报学与情报工作分析

数据智能技术为情报研究与情报工作带来智能化的分析工具，有效解决数据爆炸带来的认知负担和管理难题，充分变革对海量多源数据的采集、处理、利用和分析方式，实现情报分析与服务从数据到信息到知识再到智慧的转化，拓宽了情报分析与服务的广度与深度，促使情报学与情报工作向智慧化升级。

5 结语

数据智能时代并非简单的信息技术时代，而是实现颠覆性和战略性技术的时代。在此数智环境下，情报学与情报工作面临着坚定情报学的定位和坚守情报学的核心的考验。数智技术和情报学与情报工作应构成何种关系？数智技术会向何种方向发展？伴随数智技术与情报领域的深入融合，情报学该如何增强理论支撑？这些问题都是值得并且亟待情报学界探究和解决的问题。

在数智技术和情报学与情报工作的关系上，我们应把握好其中的核心要点，即情报学与情报工作为数智技术的发展提供实践温床，数智技术助力情报学与情报工作实现智慧决策。情报学与情报工作需要支持国家战略需要，满足社会发展需求，实现智慧决策是其中的重要路径，情报分析则是智慧决策实现的必要过程，而数智技术正是情报分析的应用手段。因而，情报学与情报工作要审视数智技术的应用空间和范围，守好数智技术的应用界限，避免学科发展一味向技术发展倾斜，进而模糊学科界限，丢失学科特色，偏离学科内核。

在数智技术的发展上，一方面，大数据、云计算、人工智能、区块链和5G技术在实践应用过程中越发密切，技术之间相辅相成，相互促进，大数据是资源基础，云计算是资源存储和计算设施，人工智能是智慧化推力，区块链是资源安全与共享的保障，5G是技术互联升级的网络支撑，技术之间的边界不断削弱，技术的深度交叉和集成将是未来的创新路径；另一方面，审视Gartner的战略技术趋势可以发现，安全和隐私技术作为实现数据资源共建共享的信任基础，将成为未来技术发展的关键方向之一。同时，结合国家发展战略可以看到，量子计算将是战略技术发展的又一大趋势，虽然该技术的研究和应用尚处于新兴状态，何时能够实际应用于情报学与情报工作尚未可知，但情报领域可以开展量子计算的应用部署，以在未来适应甚至成为量子计算战略发展的关键部分。

在情报学理论发展上，数智技术的应用带来情报学与情报工作的提能升级，情报学理论也必须实现适应性发展，为情报学与情报工作提供机理支撑，避免情报学理论与实践间的脱轨。数智技术应用于情报领域的每一个分析流程，因而情报领域的理论发展一方面需要契合情报分析流程的变化，另一方面需要在原有基础理论的支撑上，吸收跨学科技术理论，包括自然科学领域的信息论、计算机科学的机器学习理论、信息安全领域的网络信息安全服务理论、通信科学领域的用户交互理论等。同时，用户作为情报学与情报工作的主体，情报学理论的发展也必须重视人文价值和人文伦理，做好技术与人文的理念融通。