国防领域大数据应用的先决条件及注意事项(2)

明确的大数据应用目的，还能够成为 “项目是否达成第一阶段目标、后续项目是否有必要”的判断标准。如果通过大数据分析生成的预测模型，达到符合项目目的的预测准确度等级，那么作为与政策决策相关的单个项目，可做出项目结束的决定。如果未达到目标水平，还有一些改进要求，并为此提出提高预测准确度方案，那么可考虑进一步收集数据等的后续项目。

大数据应用是否有副作用和危险？

大数据分析的终极目的是通过分析，揭示海量数据中的隐藏模式，并加以正确运用。不过，通过大数据分析得到的预测模型等生成物，即便遵循了伦理规则，也不能完全排除被误用、滥用或恶用的可能性。如果基于大数据分析制成的一定的模型是不透明、不公开的，严重威胁人们的生命安全，且存在众多领域使用的扩张性，那么这种高危险甚至也可以被称为大规模杀伤数学武器(WMD:Weapons of Math Destruction)。正因为如此，在大数据应用项目的计划及实施过程中，需高度警惕真实性风险，并要从源头起建立风险评估机制。

下面围绕韩国国防部组织实施的大数据应用前期研究工作中的“军营安全预测模型开发”项目展开分析。该项目的目的是基于国防研究院（KIDA）新兵人格调查(NMPI:New Military Personality Inventory)的调查数据、陆军团行政信息系统中的生活信息、陆军宪兵队调查资料中的事故信息、调查本部国防帮助热线的谈话内容等，提供各部队的各阶段军营安全指数，以此来防范重大恶性事故的发生。问题是对于这一预测模型的过度自信及对统计数据的滥用和误用，有可能会带来很多副作用。举例来讲，拿到军营安全指数危险报告的部队指挥官，有可能会将工作重点放在筛查危险人物上，从而忽略打仗这一部队的根本职能。此外，为了歪曲和控制军营安全指数，有可能对不适应军营生活的新兵重新进行人格调查，或向团行政信息系统输入与实际情况完全不同的生活信息。这种对数据的随意歪曲和篡改，势必会酝酿更大的事故或更大的灾难。

我们还可以假设一下针对个别官兵危险性的预警预测模型。通常，这种预测模型准确度能达到90%，就可以认为是相当优秀。包括大数据在内的所有预测模型，预测实现100%的准确率是根本不可能的。被预警预测模型识别为事故隐患的个人，往往会因模型的准确性难以消除危险烙印，这反过来又可能会引发部队内部新的矛盾或使矛盾加深。

基于大数据的预测模型生成物是一种可能性高的科学预测。即便如此，我们也不应全盘接受这一结果。特别是当预测的对象是“人”这种情况时，尤其需要谨慎。大数据分析及基于此的预测模型可能带来的副作用，应该通过“制订对大数据分析/应用全过程的管理制度及政策上的管控手段”予以防范。不但如此，需积极适应大数据发展趋势，持续改进大数据相关制度与政策。

相关阅读：

贵阳高新区大数据教育实训基地创新培训模式

京津冀医疗大数据试验田，探索医疗大数据赋能医疗新路径

（编辑：ASP站长网）