Nel vasto e mutevole mondo della sicurezza globale, gli analisti di intelligence affrontano un problema antico quanto la navigazione stessa: come dare un senso a un oceano caotico di informazioni. Le navi si muovono, il carico cambia mano e le persone viaggiano, lasciando dietro di sé una scia di osservazioni che sono spesso frammentate, contraddittorie o nascoste in piena vista. Per decenni, gli esperti hanno cercato di risolvere questo problema costruendo "tracce semantiche", che sono essenzialmente cartelle digitali che raccolgono ogni fatto noto su una specifica nave, persona o pezzo di carico. L'idea è che se si riesce a collegare una domanda di visto a una rotta di volo e a una transazione finanziaria, si potrebbe vedere un modello che suggerisce un pericolo prima che accada. Tuttavia, questi sistemi sono stati storicamente troppo difficili da usare. Richiedevano che gli operatori umani parlassero un linguaggio rigido, esclusivamente informatico, scrivendo manualmente regole complesse per ogni singola osservazione. Questo collo di bottiglia significava che, sebbene la tecnologia esistesse per collegare i puntini, le persone sul campo non potevano usarla abbastanza velocemente da essere utili in tempo reale.

Un nuovo approccio, dettagliato in un articolo di Frederick Roth, propone un modo per rimuovere completamente questa barriera, permettendo agli esseri umani di parlare naturalmente mentre i computer si occupano del lavoro pesante di traduzione. Il nucleo di questo metodo si basa su un cambiamento semplice ma potente: invece di costringere gli analisti a codificare i dati in formati logici rigidi, possono ora digitare o parlare le loro osservazioni in un inglese comune. Un modello linguistico di grandi dimensioni (large language model), un tipo di intelligenza artificiale addestrata su vasti quantitativi di testo umano, ascolta questi rapporti e li converte istantaneamente in record strutturati e organizzati. Questi record, chiamati record di asserzione semantica, agiscono come cartelle etichettate che catturano un evento completo — come una cassa caricata su una nave in un momento specifico da una persona specifica — in un'unica unità compatta. Questo sistema non si limita a memorizzare i fatti; li collega in un modo che permette al computer di ragionare su di essi, individuando combinazioni insolite che un essere umano potrebbe ignorare.

I ricercatori hanno testato questa architettura con due scenari dettagliati per vedere se potesse funzionare nella pratica. Nel primo esempio, hanno ricreato una situazione storica che coinvolgeva un gruppo di individui che sarebbero stati successivamente noti per un attacco importante. Il sistema ha ricevuto rapporti separati da diverse agenzie: uno notava che uno studente stava imparando a volare ma si interessava solo al decollo e al volo di crociera, non all'atterraggio; un altro menzionava la sua storia di viaggi in paesi specifici; un terzo segnalava che lo stato del suo visto non corrispondeva al suo addestramento al volo a lungo termine. Singolarmente, ciascun rapporto sembrava un dettaglio amministrativo minore. Tuttavia, quando il sistema ha tradotto queste note in linguaggio naturale nei suoi record strutturati e le ha collegate tra loro, ha riconosciuto un modello pericoloso. La combinazione di un addestramento al volo parziale, l'interesse per la capacità di carburante degli aeromobili e una specifica storia di viaggi indicava fortemente un piano per utilizzare un aereo commerciale come arma. Il sistema non ha avuto bisogno che un essere umano scrivesse una regola dicendo "questa combinazione è cattiva"; l'intelligenza artificiale ha riconosciuto il modello perché aveva appreso dal suo addestramento cosa significano solitamente questi dettagli specifici quando compaiono insieme.

In un secondo scenario, più immediato, il team ha applicato lo stesso metodo a un incidente di sicurezza marittima che coinvolgeva una nave da carico. Sono arrivati rapporti da ispettori portuali, agenti doganali e monitor finanziari. Un rapporto notava che il sigillo di un container era stato manomesso e che una cassa era scomparsa. Un altro rapporto segnalava che un membro dell'equipaggio era svanito dalla nave. Un terzo rapporto mostrava che una persona che usava un alias aveva appena acquistato fertilizzante e filo elettrico in un negozio di ferramenta. Anche in questo caso, si trattava di fili separati di informazione. Il sistema ha tradotto ciascun rapporto nel suo formato strutturato e ha collegato la cassa mancante al membro dell'equipaggio scomparso, e il membro dell'equipaggio all'acquisto sospetto. Ha poi classificato le possibili spiegazioni, concludendo con una probabilità di 0,68 che l'ipotesi principale fosse corretta: il membro dell'equipaggio aveva rimosso la cassa durante il transito per costruire un ordigno esplosivo ed era probabilmente ancora nelle vicinanze. Il sistema ha suggerito passi successivi specifici, come localizzare immediatamente l'individuo, poiché tale azione avrebbe fornito le informazioni più preziose per confermare o smentire la minaccia.

Ciò che rende questo lavoro significativo non è solo l'uso di un'intelligenza artificiale avanzata, ma come esso cambi il flusso di lavoro per gli operatori umani. I ricercatori sostengono che il precedente requisito per gli analisti di apprendere complessi linguaggi di programmazione sia stato il motivo principale per cui questi potenti sistemi di tracciamento non sono mai stati pienamente adottati. Permettendo l'input in linguaggio naturale, il sistema diventa accessibile a chiunque sappia scrivere un rapporto. L'intelligenza artificiale gestisce la traduzione, assegnando livelli di confidenza a ogni informazione e fondendo diversi rapporti sulla stessa persona o oggetto, anche quando i nomi o i dettagli sono leggermente differenti. Ciò crea una mappa viva di connessioni che si aggiorna in tempo reale. Il sistema è progettato per filtrare le informazioni di routine che confermano ciò che è già noto, concentrandosi invece sulle connessioni rare e insolite che suggeriscono una nuova e pericolosa possibilità.

L'articolo dimostra che questo approccio è tecnicamente fattibile con la tecnologia attuale e non richiede di attendere scoperte future. L'autore ha reso pubblico il vocabolario e i metodi specifici utilizzati, assicurando che questo modo di organizzare l'intelligence non sia chiuso dietro mura proprietarie. Fondando il sistema su un quadro teorico che tratta queste connessioni come modelli geometrici in uno spazio ad alta dimensionalità, i ricercatori mostrano come l'intelligenza artificiale possa rilevare anomalie che escono dal comportamento normale. Il risultato è uno strumento che permette alle agenzie di sicurezza di condividere le informazioni in modo più efficace, trasformando un flusso di rapporti disgiunti in un quadro chiaro e azionabile di ciò che sta accadendo sul campo. La barriera all'uso di questi modelli sofisticati è stata rimossa, rendendo possibile applicarli immediatamente per proteggere le rotte marittime e altre infrastrutture critiche.