机器学习(ML)的核心是一个由算法训练的复杂模式识别系统。机器学习的进步提供了有希望的方法，帮助指挥和控制分析师找到决策所必需的新见解(来自数据的模式)。将ML方法应用于传感和处理可能对情报分析产生重大影响，特别是对开发知识、实现理解和产生预测评估的情报功能。然而，也可以使用演绎推理来开发知识和实现理解，这是ML的补充方法。数学(演绎)推理——即用于自动演绎的逻辑规则，类似于目前用于证明数学定理的逻辑规则——可以增强或取代用于分析数据湖的常识推理。形式演绎推理，一个不增加不确定性的过程，可以产生新的知识，我们称之为形式智能。这种类型的智能不受人类操作员在分析过程中引入的认知偏差的影响，可以直接用于决策制定，也可以间接作为ML方法的输入。这篇概念论文的目标是激发形式智能的引入，并给出一些例子。