文章总结： 文章通过用AI重写1960年关于计算机的旧文，对比AI与计算机的异同，发现机构反应具有连续性：培训、工作流、组织变革等问题依然相似。AI带来可访问性、速度、覆盖面和防御性等新差异。建议重视培训、基础设施和冷静管理变化，避免夸大或否定AI。 综合评分： 75 文章分类： ai安全,安全意识,实战经验,其他

【资料】我们以前来过这里

丁爸 情报分析师的工具箱

2026年8月31日 23:19 四川

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

美国中央情报局的分析师用AI对1960年一篇探讨计算机的文章进行了重写，测试当初讨论计算机的文章对于现在讨论人工智能是否有所启迪。

文章来自中央情报局（CIA）的期刊《情报研究》70 第2期（2026年6月）

在约瑟夫·贝克尔为《情报研究》撰写《计算机》文章时，DEC PDP-1计算机代表了当时的最高水平。这个重新存储的实例现收藏于加利福尼亚州芒廷维尤的计算机历史博物馆。（阿列克谢·科马罗夫/维基媒体）

我们以前来过这里

约瑟夫·贝克尔的计算机与人工智能问题

作者肯尼思·马尔弗斯是美国中央情报局高级分析服务的成员。

数字计算机真正独特之处在于其所谓的“逻辑”，即它能够根据先前计算的结果，自行从若干种备选程序中选择一种。这一特性是人们认为数字计算机具有近乎人类甚至超人类特质的主要原因。计算机从业人员所使用的术语也助长了这种奇思妙想：你用计算机自身的“语言”来“指令”和“查询”机器；它会“接受”、 “区分”、 “搜索内存”、 “分析”，甚至“评估”。一位经验丰富的计算机操作员有时甚至会争辩说，这台机器拥有自己的个性，而他与机器之间的情感联系之深，以至于目前已有研究在进行……

人机关系，以找到合适的人因组合，实现与机器作为同事或下属的愉快而高效的合作。然而，尽管人类确实能够开发出一些方法，使数字计算机执行与人类思维极为相似的操作；尽管机器能够处理比人类更多的信息，并且速度更快、更准确，但这种与人类技能的类比不应被过度延伸，沦为牵强附会的比喻。机器并不会“思考”；它只是按照预先设定的一系列操作步骤运行。

    ——约瑟夫·贝克尔，《计算机》，《智能研究》第4卷第4期（1960年冬季）

1960年冬季，《情报研究》发布文章“该计算机—能力，前景与启示”，作者：约瑟夫·贝克，一位从事内部技术研究的先驱。这篇文章现在读起来大部分像一次旅行。通过一家技术博物馆，与贝克尔在文章中谈到了穿孔卡片、磁带以及占用专用空间并需要专业操作员的机器，但这篇文章真正的主题并非硬件本身，而是新工具可能对情报工作产生的影响。

今天读到贝克的文章，其确实更进一步说明了某种自动化东西的早期阶段；它还引人注目的是，一种如今已令人熟悉的论点浮出水面。贝克尔关注的是计算机在存储、检索、传播、翻译和分析方面可能发挥的作用，但他同样关注引入这些技术后将面临的种种困难：将记录转化为可用形式、培训人员、重组工作，以及抵制将机器辅助与机器判断混为一谈的诱惑。

由人工智能生成的贝克尔文章的重写版本，其中“人工智能”取代了“计算机”，而周围的语言则尽可能少地改动。重点并非玩弄文字技巧；而是想看看这种比较会揭示什么。

结果足够清楚：该类比并非处处适用，也不应强行套用，但其适用性足够高，足以派上用场。情报此前曾面临颠覆性的技术变革，尽管当前的情况与贝克尔的并不完全相同，但在一个重要的方面却颇为相似：许多最棘手的问题与其说关乎机器本身，不如说更关乎打算使用它的机构。

贝克的文章依然言简意赅

贝克从正确的地方开始。他写道，计算机并不是可以省去情报官员的思考麻烦的魔法装置；它们只是工具，其价值取决于如何使用。尽管这一点在激动人心的时期往往最先被淡忘，但它的力量丝毫未减。新技术总是吸引着同样多的鼓吹者和批评者，但贝克尔却既不鼓吹，也不批评。他写作时仿佛机器只是一种需要评估的东西：在有用时加以采纳，必要时加以约束。

那种心态使……文章比其技术更耐用技术细节。贝克尔的例证如今听起来已有些过时，但其根本的问题依然清晰可见。在文章中最令人难忘的警示之一中，他写道：计算机并非“供我们悠闲躺卧时随心所欲地使唤的炫酷阿拉丁神灯”，而是“人类技能的延伸”。在另一处，一段文字经重写后几乎未作任何改动便保留了下来，他在其中描述了通过将收到的报告或电报与由精选词语和短语构成的分析师“画像”进行匹配来实现情报传播的方式。他对翻译与抽象化的讨论则显得更为谨慎，但即便如此，其方向依然清晰可辨：机器正逐步介入此前一直由人工完成的情报处理环节。

文章变得更有趣的是，当贝克尔离开了机器本身时，转而关注其周围的组织，因为那里的文字几乎未曾过时。他预见到了转换、人员配置、培训、并行运行以及工作重新安排等方面的问题；他主张必须将组织视为一个“整体的、综合的、功能性的系统”；他还把变革的规划周期定在五到七年，预计成本可能高达数千万。此外，他还指出，人们会抵制机器“接管”的前景，并且坚持认为，情报部门应制定一项“与其余变革工作同步协调的开明培训计划”。这些并非适用于所有职业的永恒真理，但它们非常接近我们职业再次提出的问题。

因此，贝克值得正在阅读，不是因为他预先——告诉了人工智能，但因为本文捕捉到了一种模式，这种模式在当前案例中再次显现。最初的论点往往被夸大，而后来的问题通常都很平常。机器究竟能做什么？哪些内容必须重新格式化或重写，才能让它胜任？谁来接受培训？谁来检查输出结果？哪些工作因此而改变形态？这些正是贝克尔提出的问题，它们已经足够接近了为了使我们的比较不仅仅是一种好奇。

重写很粗鲁但有用

贝克尔艺术作品的AI重写，该文本故意写得粗糙。并没有要求人工智能以自己的风格写出一篇现代论文；而是要求它对一篇1960年关于计算机的文章进行尽可能小的修改，使其成为一篇看似合理的关于人工智能的文章。这种简单的替换竟然比人们预想的更具启发性。

一些段落幸存下来，几乎没有损坏，而且该专利-生存的困境本身便具有启发意义。贝克尔警告说，机器并非“阿拉丁神灯”，他坚持认为它会延伸而不是取代人类能力，他对感知、再培训和工作重新分配的讨论，在重写后的版本中都显得合情合理。同样，传播部分也是如此——其中将新报告与分析师档案进行比较；在重写后的版本中，这听起来非常像一种当代对警报或推荐的描述，其核心在于将新报告传递给最有可能需要它们的人。贝克尔关于计算机的制度性影响——组织颠覆、并行处理、人员配置和培训——所作的论述也是如此，如今读来只觉略显过时。

其他段落没有保存下来如此干净，而那些失败是同样有用。硬件通过-智者们，一旦“计算机”变成了“人工智能”，文章便显得笨拙或荒谬，这也在意料之中。更耐人寻味的是贝克尔的那番话：机器并不会思考，而只是执行预先设定的操作。在原文中，这句话是描述性的；而在改写后的版本中，它却成了带有论辩色彩的句子，因为当代读者会将其置于一场关于如何界定那些能够生成语言、总结文档、编写代码以及进行看似合理的对话的系统的激烈辩论之中。尽管句子本身并未改变，但围绕它的论点却发生了变化。翻译部分则又是一个发人深省的例子。贝克尔写道：流畅的散文式机器翻译尚未成为现实”且“可能不会”在未来许多年里都将如此。

在重写后的版本中，单独那行不再读作谨慎；它也被视为一种预测其时间表被证明太慢了。比成功更重要替换，正是它使练习有用。它表明机构反应的连续性，该术语并不意味着相同性技术身份。人工智能不仅仅是旧机器换了个新名字。实验所表明的是，这种现象更加狭窄，而且在某些方面也更有趣：贝克尔的制度语言即使在其底层技术发生重大变化时，往往仍能保持可读性。夸张、焦虑、管理混乱、采用不均衡以及实施不当，并非同一性的证据，但却是组织在面对那些它们认为可能改变工作方式的工具时，反复出现的特征。

今天有何不同

差异很大并且应明确说明。

第一个是可访问性。贝克尔撰写了专家、操作员、专业人员语法学家和稀缺的设备，而人工智能已通过普通语言进入办公室。没有程序员，一个分析师可以直接尝试一个系统，一场歌剧，或参观一个机房，而这改变了模式。采用的同时也使得控制更难。机构无法决定——仅考虑是否引入一个工具；在许多情况下，它们是去-决定如何管理一个已经在用的工具。

第二个是速度，尽管即使在这里，事情也不那么简单。比当前的言辞所暗示的要多。新的人工智能系统可以迅速传播，迅速地遍布整个员工队伍，以及曾经会有的能力从实验室缓慢地转移到办公软件，现在可以短时间内出现在常见使用的工具中。但广泛可用性不应与广泛集成混为一谈。计算成本高昂，安全限制依然存在，数据往往组织得不够完善，而且工作流程很少从一开始就考虑到这些工具。因此，人工智能的可见普及可能很快，而机构的吸收却依然缓慢。

第三是覆盖面。贝克尔写道关于翻译和抽象作为艰难的前景。当前系统-这些工具能够总结、起草、分类、翻译、审阅长篇文本，比较文档，并跨语言搜索，从而让它们直接接触到过去被认为超出了机器能力范围的工作形式。这并不意味着机器已经成了分析师，但确实表明，一些过去被视为完全属于人类的任务如今已能借助技术手段获得帮助，而贝克尔当初仅能对此做出大致的设想。

第四，问题是现在既具有防御性，又富有生产力。贝克尔撰文探讨了计算机在情报工作中的作用，但人工智能也必须被视为一种可供对手、诈骗分子、宣传者和普通机会主义者使用的工具。那些支持搜索、审查、翻译和起草的系统，同样也能支持大规模的欺骗、冒名顶替、网络钓鱼、恶意软件制造以及公共信息操纵。任何严肃的推广计划都必须同时考虑这一账本的两面。

这些差异很重要，并且他们保持比较的诚实。它们不会取消历史性的点。

练习所揭示的关于人工智能作为写作辅助工具的情况

我的实验有了第二个目的：本意是测试什么一个人工智能系统实际上可以……向这篇作品进行某种致敬。答案，总之至少在这一点上，它能做很多事情，而且速度很快。它可以阅读贝克的文章，识别最有可能延续至今的主题，将这些主题与当前关于人工智能的论点进行比较，完成替换练习，并以恰当正式的语气起草一篇可用的论文。在比较、综合和初步写作阶段，这些都具有显著优势，即使它们还远未达到独立创作的水平。

它的弱点也同样普通。独自一人时，它倾向于使一切听起来稍微更比实际更完整。它泛化，其中具体性是需要，喜欢平滑的过渡，并生成平衡的句子即使这种想法所要求的一个更硬的边缘。它更像——听起来很舒服的权威性比承认不确定性更甚。在这方面，它表现得像一位博学多才的起草人，阅读广泛、写作迅速，却尚未领悟克制的价值。

这种组合使其有用，但仅限在监督下使用。对于写作而言，目前的最佳用途并非完全意义上的作者身份；而是作为辅助工具：总结资料来源、比较文本、提出语言表达、测试表述方式，或生成一份初稿，供人类写作者拆解并重新构建。这项技术最擅长的是那些准备性或比较性的工作，而最不擅长的则是需要决定何为关键、哪些内容应予省略，或者当论点需要变得更精确而非仅仅更流畅时。至少目前是这样。

这种区别是值得的牢记，因为散文是人工智能所涉及的领域之一，最容易产生一种虚假的感觉的掌握。条理清晰的段落，合理的转换，以及一种氛围自信很容易被误认为是判断。它们是并不相同事情。

制度课

贝克最后呼吁规划、实验和系统级分析，这仍然似乎是正确的回应。对于一个读者试图清晰地思考情报领域的AI，这正是贝克尔如今的价值所在：他帮助区分技术中真正新颖之处与机构反应中习以为常的部分。对于AI的理性态度既非传教士般的狂热，也非轻率的否定；而是要审视具体工作本身：哪些任务能从这些系统中受益，哪些任务在引入这些系统后反而更容易出错，以及如果要负责任地使用这些工具，就必须在数据、收藏、访问规则、工作流程、监督和培训等方面做出哪些改变。

三个实际结论由此跟进。首先，培训不能被视为一种事后想法。访问并非能力。认真使用这些系统的官员需要对模型行为、来源、检索、验证以及常见的故障模式有一定的了解。他们还需要更清楚地知道在什么情况下不应使用该工具。

其次，基础设施很重要不仅仅是演示。一个好而无序数据、无法访问的存储或糟糕的工作流程相绑定的模型会令人失望。同样，一个成功的试点项目如果在遇到安全规则、记录要求和办公室工作的常规架构时崩溃，也会令人失望。机构的问题很少是模型本身。它是模型与引入它的过程之间的契合。

第三，变化——包括工作中的巨大转变——应被预期并冷静地描述。一些任务会收缩，另一些将会增长，一些角色将会朝着审查、更正的方向前进，或编排，而非首先生产。新专业将出现，较旧的边界将削弱。这些都不是前所未有的凹陷。这就是当一种职业获得了一种工具，改变了劳动、信息和时间之间的关系。

贝克尔1960年的文章仍然存在有用，原因很简单：它有助于澄清什么是，什么不是在本次讨论中是新的。该过时的机械是显而易见的够了。不那么明显，直到一个仔细阅读这篇文章或运行替换练习，就是如何大部分争论都围绕着仍然与我们同在的事物——训练、工作流、转换将信息转换为可用形式，组织性破坏，以及要么夸大其词的诱惑机器或从它那里后退。从这个意义上说，这篇文章值得奖励那些对流程有清晰思考并惩罚将新颖性误认为战略的机构。

从这个意义上说，之前我们一直……在这里。不是在相同的机器，不是在相同条件下，但在相同专业问题：如何吸收一种强大的新仪器而不着迷于超越标准的能力，训练和判断。那是贝克尔的计算机的真实情况。如今人工智能也是如此。该决定性的问题不是这台机器是否令人印象深刻。是使用它的机构是否是准备好管理这种工具使用带来的变化。

该文中使用人工智能进行评论和重写是实验的一部分。在准备本文稿期间，人工智能也被用作起草辅助工具。论点、证据的选择以及最终文本均由作者自行完成。

我是如何在撰写本文时使用人工智能的

我一开始做的是一个非常具体的实验，而非笼统的要求：我向前沿人工智能模型提供了约瑟夫·贝克尔的原始文章，并请该模型完成三项任务：评述贝克尔的论述与当今关于人工智能的讨论之间的异同；在尽可能少改动其他内容的情况下，将文章中的“计算机”替换为“人工智能”并重新撰写；然后对比这两个版本。正是这一初始练习，为本文提供了核心洞见。在此之后，我更多地将人工智能视作一位协作伙伴，而非单纯的代笔人。我请它围绕这个实验起草一篇文章，随后便与它反复沟通，就文章结构、标题、语气、论据、句子节奏以及结尾等细节展开讨论。这种做法让我能够更集中精力，专注于自己真正想表达的内容及其呈现方式。实际上，我是在管理一个过程：检验论点，力求区分更加清晰，摒弃那些感觉不恰当的措辞，尝试比独自撰写时更多的表达方式。尽管如此，我依然对文章进行了最后的仔细审校，并亲自进行了手动修改。因此，人工智能并未取代写作本身的工作，而是让整个创作过程更具迭代性、更加快速，也更加聚焦于项目的整体目标——即它的主旨、目的和影响力。

资料原文已上传知识星球

长按识别下面的二维码可加入星球

里面已有万余篇资料可供下载

续费五折优惠

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：丁爸 情报分析师的工具箱 《【资料】我们以前来过这里》