人工智能主导的公共安全情报“人机协同研判”——基于仿真模拟的风险识别机制OACHSSCD

[目的]针对AI主导公共安全情报研判易出现的误判扩散问题,本文旨在揭示人机协同的稳健性相变边界,并进一步识别驱动策略反转的支配性可控变量,回答噪声上升时系统应优先调什么、如何调。[方法]构建包含“被控对象—误差观测器—反馈律”的协同控制模型,引入分歧指数(DI),并且结合多智能体仿真、相变邻域局部扰动、标准化主效应估计与边界平移识别,对θ_DI、verify_strength、θ_conf与η_expl进行排序。[结果/结论]当噪声压力越过阈值时,最优策略由S2转向S4。θ_DI的标准化主效应最高(0.648),贡献率为41.8%,是唯一能够稳定改变ΔLS4-S2符号并推动边界移动的第一杠杆;verify_strength为次级增益变量。下调θ_DI可使S4稳健区向更高噪声侧扩展。公共安全情报治理因此应遵循“先调阈值、后加强度、再做局部微调”的顺序,在不升级模型的前提之下降低期望损失。