ПРОБЛЕМА РАННЕГО РАСПОЗНАВАНИЯ УГРОЗ НАЦИОНАЛЬНОЙ БЕЗОПАСНОСТИ США

Проблема

Соединённые Штаты оказались не готовы к террористической атаке от 11 сентября 2001 года. Не готовы, в первую очередь, интеллектуально. Атака потому оказалась неожиданной, что она не была предсказана аналитиками. Их методы предсказания продемонстрировали тогда свою неэффективность. Конфликт назревал достаточно давно, но он не был своевременно распознан.

Но почему? Да потому, что существующая методология предсказания не давала оснований ожидать такой атаки, на такие цели, в такое время.

Однако исследования, финансируемые Правительством США, и сейчас продолжают развивать те же самые или подобные им подходы. Речь идёт об исследованиях политической нестабильности в мире, которая потенциально способна угрожать национальной безопасности США.

Целью указанных исследований является распознавание угроз ещё на ранних стадиях формирования, их классификация и оценка интенсивности.

Рассмотрим, насколько адекватны текущей реальности финансируемые Правительством США методология и выводы исследований в этой области.

В данном рассмотрении будем опираться на следующие актуальные и репрезентативные источники, содержащие терминологию и ссылки по теме (по отношению к событиям от 11.09.2001 источники приходится располагать по группам, чётко делящимся на “до” и “после”).

К первой группе отнесём классические работы по конфликтологии. По ним имеется обзор [1], представленный совместным научным отчётом двух, возможно, наиболее авторитетных в мире организаций по данной проблеме: Центра исследования проблем мира (PCR) Университета Упсала (Швеция), а также Международного института исследования проблем мира (PRIO), Осло (Норвегия). Сошлёмся [2] ещё на фундаментальный проект Гейдельбергского Университета под названием KOSIMO (Konflikt-Simulations-Modell), в базе данных которого сосредоточена информация о 693 вооружённых конфликтах в мире, проходивших с 1945 по 1999 гг. и описываемых по 28 показателям. В проекте KOSIMO доступен также “Барометр конфликтов”, но он, надо отметить, несколько запаздывает. Так, сейчас, во второй половине 2003 года, на указанном сайте доступен пока лишь Konfliktbarometer 2002.

Ко второй группе может быть отнесено огромное количество тех работ, которые появились “на волне” известных событий. Для объективности будем анализировать лишь те, которые являются продолжением исследований, уже развивавшихся до сентября 2001 года, в частности, [3,4]. С одной стороны, эти разработки были выполнены после событий 11.09.2001, с другой же они имеют достаточно длительную предысторию. Кроме того, в силу того, что заказчиком и коспонсором исследований выступало Правительство США, то данная разработка отчасти позволяет судить о базовом методическом уровне анализа Правительством США политических процессов в современном мире.

Проект ACTOR

Итак, смысл исследовательской задачи [3,4], решаемой методологией [5] анализа данных, именуемой FASE (Fuzzy Analysis of Statistical Evidence), состоит в том, чтобы по заданному вектору данных для ряда стран оценить уровень их политической нестабильности. Размерность задаваемого вектора и его элементы для анализируемых стран одинаковы. В качестве конечного результата вырабатывается комплексная оценка уровня угрозы для интересов США, порождаемая нестабильностью анализируемых стран. Постановка [3,4] такой задачи достаточно типична, а описанный в указанных работах проект ACTOR (Analyzing Complex Threats for Operations and Readiness) развивается, насколько можно судить по тем публикациям, которые доступны в открытых изданиях, примерно с 2000 года и является исследованием, финансируемым Правительством США и аффилированных с ним структур, в частности, DoD.

Охарактеризуем элементы вектора данных (Таблица 1) и методологию, по которой обрабатываются указанные данные с целью получения оценок нестабильности для анализируемых стран, а также уровня той потенциальной угрозы, которую несёт безопасности США нестабильность в этих странах.

Таблица 1. Переменные, являющиеся элементами вектора данных

Переменная	Описание переменной	Источник данных
Country	Анализируются только страны с численностью населения, превышающей 500 тысяч человек. В сего принималась к анализу 171 страна.
Year	Рассматривается интервал времени 1975-2015 гг. Данные наблюдений в интервале 1975-2000 гг. Интервал прогноза составляет 1997-2015 гг.
MaxKOSIMOLevel	Максимальный уровень тех внешних/внутренних вооружённых конфликтов, в которые вовлечена страна, определяется по следующей градации: 4=война, 3=серьёзный кризис, 2=кризис, 1=норма.	Pfetsch and Rohloff (2000), KOSIMO Data Project www.hiik.de
Calories	Потребления числа калорий на человека в день	http://apps.fao.org
IMR	Смертность детей до 1 года на 1 тысячу рождений	U.S. Bureau of the Census, International Database www.census/gov/ipc/www
LifeExpectancy	Ожидаемая текущая продолжительность жизни, обобщённая для мужчин и для женщин	ibid.
YouthBulge	Отношение численности населения в возрастах 15-29 лет к его численности в возрастах 30-54 лет	ibid.
PolRights	Уровень прав населения на свободное участие в политическом процессе определяется 7 градациям: от 1=свобода до 7=свободы нет	Freedom House http://www.freedomhouse.org
CivilLiberties	Уровень свободы личности на выражение точки зрения, занятий и независимости от государства определяется семью градациями: от 1=свобода до 7=свободы нет	ibid.
GDP98	Текущий ВВП в ценах 1998 года, долларов США	World Bank 2001 Development Indicators
BigReligion	Процентное отношение численности крупнейшей религиозной общины к численности населения	1. CIA World Fact book, www.cia.gov 2. Country Indicators of Foreign Policy (CIFP) 3. Ellingsen (1996) 4. Handbook of the Nations 5. Britannica Book of the Year 6. Demographic Yearbook
BigEthnic	Процентное отношение численности крупнейшей этнической группы к численности населения	ibid.
Democracy	Уровень демократии в стране, оцениваемый в рангах: от –10 (минимум) до 10 (максимум)	Polity IV project, Marshall and Jaggers (2000)
Openness	Открытость страны для международной торговли (отношение объёма импорта и экспорта к ВВП)	World Bank 2001 Development Indicators
%Hist(75-99)	Процентное соотношение времени, которое было проведено страной в конфликтах в 1975-1999 гг.	Pfetsch and Rohloff (2000), KOSIMO Data Project www.hiik.de
%Hist(75-94)	Процентное соотношение времени, которое было проведено страной в конфликтах в 1975-1994 гг.	ibid.
%Hist(75-89)	Процентное соотношение времени, которое было проведено страной в конфликтах в 1975-1989 гг.	ibid.
%Hist(75-84)	Процентное соотношение времени, которое было проведено страной в конфликтах в 1975-1984 гг.	ibid.

Результаты, полученные в рамках проекта ACTOR, характеризуются в [3,4] как неплохо согласующиеся с реальностью. Так, в частности, показатели оправдываемости этих прогнозов, по [4] довольно высоки, см., в частности, показатели сводного прогноза для 171 страны мира, предлагаемого в выводах [3,4]

Фактические результаты исследований сводятся в [3,4] к политической карте мира, на которой прогнозируемая нестабильность для каждой из стран задаётся цветом: красный – высокая, жёлтый умеренная, зелёный – низкая. Белым цветом представляются страны, для которых нет результатов анализа (например, по США), светло-голубым – те страны, для которых анализ не дал однозначных результатов (например, по Саудовской Аравии). Все результаты даны для трёх интервалов прогноза, построенного по “обучающим” данным с 1975 по 2000 гг. Прогнозам на 5, 10 и 15 лет, т.е. до 2005, 2010 и 2015 гг., соответственно, отвечают следующие карты:

http://www.geocities.com/seanob88/JCR/figure_6.html Прогноз-2005,

http://www.geocities.com/seanob88/JCR/figure_7.html Прогноз-2010,

http://www.geocities.com/seanob88/JCR/figure_8.html Прогноз-2015.

Критический анализ проекта ACTOR

Рассмотрим результаты прогноза через призму известных событий от 11 сентября 2001 в США
, руководствуясь исключительно здравым смыслом.

Итак, известные на 2000-й год данные, по которым строился прогноз в проекте ACTOR, не обеспечили возможность дать прогноз нестабильности до 2005 года, по крайней мере, для двух стран – для США и для Саудовской Аравии. В прогнозе-2005 территория США обозначена на соответствующей карте белым цветом, в то время как территория королевства закрашена светло-голубым. И если первое означает просто отсутствие комментариев, то второе, по сути дела, является ничем иным, как фатальным “отказом” методологического аппарата.

Допустим, что прогноз нестабильности для США считается секретным результатом, а посему соответствующие результаты исследований проекта не публикуются. Корректировка результатов исследований по политическим соображениям и ограничение распространения информации являлись хорошо известными признаками неблагополучия общества в бывшем СССР. Однако не станем фиксировать внимание на политических мотивах, т.к. наша задача состоит в объективном анализе адекватности методологии проекта ACTOR, а не принципов распространения его результатов.

Обратим внимание на следующий факт: если для прогноза-2005 данные по Саудовской Аравии оказались неоднозначными, то для более отдалённых горизонтов прогноза (до 2010 и 2015 гг.) анализ нестабильности по данному государству не только получается вполне однозначным, но он также гласит о стабильности: Саудовская Аравия на этих картах окрашена зелёным цветом.

Законный вопрос: почему по одним и тем же исходным данным и на базе одной и той же методологии прогнозирования на близкую перспективу прогноз получить нельзя, а на отдалённую перспективу всё-таки можно?

На одном только “здравом смысле” на данный вопрос ответить трудно. Был ли этот “отказ”, произошедший в самый неподходящий и ответственный момент, дефектом методологии или же сбой произошёл уже в интерпретации результатов? Повторим, дать ответ на этот вопрос без исследования данных и алгоритма невозможно. Однако факты таковы: в известных событиях в США, произошедших уже после презентации прогноза, наиболее активное участие приняли выходцы именно из той страны, оценка нестабильности для которой отчего-то не заладилась в прогнозе. Национальной безопасности США тогда был нанесён один из тяжелейших ударов в её истории, но на источник этой реализовавшейся опасности ничто в прогнозе ACTOR не указывало.

Можно, конечно, красить политическую карту в любые цвета, но факты таковы, что 16 из 19 террористов-смертников, а также руководитель акции от 11 сентября 2001 года, явились выходцами из Саудовской Аравии. Проценты точности прогнозов нестабильности в [4] на фоне столь отчётливых событий смотрятся неубедительно. Также неубедительными кажутся теперь исходные предпосылки проекта ACTOR, смысл которых сводится к логической связи типа: “нестабильная страна – угроза национальной безопасности США”.

Так, Индия, которая на карте прогноза-2005 окрашена в красный цвет, является, согласно выводам проекта ACTOR, нестабильной страной. Но если из Саудовской Аравии в США был осуществлён “экспорт нестабильности”, то из Индии в США в те же сроки был осуществлён “экспорт стабильности”. Речь идёт о фундаментальном математическом результате в области теории числе, полученном в 2002 году проф. М.Агравалом [6] из Индии. Значение этого результата чрезвычайно велико: это не только решение математической задачи, теория которой исследуется уже 2300 лет, но также ценный результат в прикладном смысле, в частности, в обеспечении безопасности информации с использованием криптографического кодирования. Для США, экономика и политика которых в значительной степени определяется информационными потоками и, соответственно, безопасностью этих потоков, данный результат равноценен укреплению национальной безопасности и стабильности.

Зафиксируем появившиеся в процессе критического анализа понятия “экспорт/импорт нестабильности”. Вообще говоря, указанных понятий нет ни в тексте, ни в результатах проекта ACTOR. Данный факт подтверждает [7] и автор разработки [4]. Именно на базе этих понятий попытаемся выстроить конструктивные предложения в развитие проекта раннего распознавания тех источников угрозы для национальной безопасности США, которые несут в себе политические и экономические процессы в глобализующемся мире.

Впрочем, не обязательно только США, смысл настоящих предложен

ий является, как будет показано ниже, универсальным.

Конструктивные предложения по развитию проекта ACTOR

Чтобы размежеваться, будем иметь в виду, что настоящие предложения по развитию проекта отнюдь не претендуют на радикальную модификацию ACTOR, но предполагают лишь развитие “ветви” данного проекта, которую в дальнейшем будем именовать, для более чёткого отличия смысла “ветви”, FACTOR (Functional Analysis of Complex Threats for Operations and Readness).

Появление новой “ветви” развивающегося проекта объективно вызвано необходимостью ответа на вызов такого явления, как глобализация. Самым ощутимым фактором глобализации является интенсификация всех процессов обмена в мировой экономике – товаров, услуг, информации, знаний и людей. В широком смысле – всё это процессы перераспределения энтропии в мире. Так, США стремятся направить за пределы своей национальной территории потоки с высокой энтропией. Это отработанное топливо ядерных реакторов, продукты сгорания органических энергоносителей, устаревшие технологии, незаконные иммигранты, социально не адаптированные в США, избыточная долларовая масса, порождающая инфляцию в стране, и т.п. Одновременно, США стремятся привлечь на свою территорию потоки высокой негэнтропии. Это энергоносители, носители высокого ума, образования и морали, новые знания, ценная информация и перспективные технологии. Аналогично США поступают и другие государства, стремящие к социальному прогрессу.

Решение проблем, возникающих в связи с перераспределения энтропии в мире, и составляет суть мировой политики в условиях глобализации.

Многолетние действия политиков приводят к установлению мирового порядка, который определяется взаимодействием указанных потоков. Важно понимать, что именно потоки энтропии и негэнтропии определяют мировой порядок, а не только и не столько факторы, которые приводятся в Таблице 1. Переменные, характеризующие внутренние состояния стран, будем называть эндогенными, равно как и сам подход, принятый в проекте ACTOR. Однако необходимо иметь в виду, что внутренние состояния тех или иных стран ещё не есть фактор их угрозы конкретно для США (или третьих стран). Фактором угрозы такое состояние становится лишь когда и если данная страна является экспортёром своей нестабильности в США (или третью страну). Например, Колумбия является традиционным экспортёром в США кокаина, а, например, Афганистан является отправной точкой наркотраффика в Европу. Экспорт из указанных государств тяжёлых наркотиков в США и Европу сопровождается потоками “грязных денег”, а также потоками международной преступности, организационно сопровождающей наркотраффик. Можно также говорить о потоках террористических идей и фундаменталистских религиозных учений, удивительным образом сочетающихся с оборотом наркотиков и оружия. Эти потоки логично трактовать как экспорт нестабильности в США из стран типа Колумбии или Афганистана. Физически экспорт нестабильности есть потоки энтропии, берущие начало и имеющие конец в хорошо известных точках по всему миру. Одновременно с потоками энтропии в мире функционируют и потоки негэнтропии. Например, потоки brain drain из стран “третьего мира” в США или пути транспортировки нефти и прочих энергоносителей. Иногда потоки энтропии и негэнтропии являются встречными, иногда они совпадают по направлениям, иногда нет. Главное, что все они давно и хорошо известны, их можно нанести на политическую карту мира и сделать объектом изучения. Потоки, в отличие от статистических по природе эндогенных показателей, характеризуются направленностью от одной точки на карте к другой, а также набором качеств типа интенсивности и устойчивости. Устойчивость потоков имеет уже совсем иной смысл, чем это же понятие, но относящееся к набору эндогенных переменных. Начать с того, что всякий поток непременно связан с функциональным назначением (перемещением информации, энергии и т.п.) и потому носит функциональный, объективный характер. Но эта характерная особенность потоков как объекта изучения исключает статистический метод, на использовании которого основан ACTOR. Для анализа потоков требуются иные, нестатистические подходы, в частности, теория динамических систем.

Что требуется, чтобы перейти от изображений потоков на карте мира к оценкам реальной опасности для конкретной страны, в данном рассмотрении, для США? В принципе немного. Требуется перейти от статистического по смыслу анализа эндогенных переменных в ACTOR к функциональному по смыслу анализу динамикиэкзогенных переменных (потоков) в FACTOR.

Что означает в данном контексте “функциональный анализ”?

Будем понимать под этим термином анализ переменных, которые сами являются функциями, а потому к ним неприложимы статистические методы, например, усреднение. Тем не менее, поведение траффика потоков энтропии требует наглядного, желательно, визуального анализа – такого, который был бы понятен, в том числе и в первую очередь, лицам, принимающим решения в высших эшелонах государственного управления. Методологическая основа такого анализа существует и хорошо развита теоретически и в прикладном смысле. Так, в частности, изучением паттернов, кластеров и волн в траффике занимается гидродинамика и ряд смежных дисциплин. Классические работы [8,9,10] посвящены, например, так называемым “шоковым волнам” – таким ситуациям, которым, например, в автомобильном траффике на шоссе в часы пиковой нагрузки отвечает возникновение “пробок”. Особый интерес теории вызывают, естественно, развитие критических ситуаций, которые связанны с эволюцией тех или иных потоков. Ключевым является термин “эволюция”. В проекте ACTOR изменения прослеживались, но они рассматривались в плане экстраполяции трендов, но не как эволюция. Новая ветвь проекта FACTOR в методическом плане отличается от исходного проекта именно тем, что будет фиксировать не состояние, а эволюцию. Эволюционные кризисы, вызванные взаимодействием потоков, являются объектами особого внимания в анализе. Точкам эволюционных кризисов отвечают ситуации социальных катастроф типа террористических актов и/или аварийного разрушения инфраструктур. Именно потому, что основой методологии анализа взаимодействия потоков является математическая модель эволюции с её кризисами, особенностями, перестройками, катастрофами и бифуркациями, она и способна дать прогноз развития критической ситуации – то, чего лишён статистический подход.

Обсуждение

Менеджмент потоков миграции является, по сути дела, единственным пока способом контроля социальной нестабильности в стране. Национальные квоты иммиграции в США, визовый контроль на границах, биометрический контроль доступа в закрытые организации, личный досмотр в аэропортах, прочие меры управления людскими потоками, будут в целом неэффективны до тех пор, пока они не будут связаны в единую систему функционального анализа людских, информационных и материальных потоков. Та самая грань, которая в условиях глобализации отделяет личную свободу передвижения от личной безопасности, определяется в терминах социальной нестабильности. В свою очередь, социальная нестабильность есть функция потоков. Реакция потоков друг на друга и на среду, в которой они реализуются, и есть модель социальной нестабильности. Эта модель хорошо известна в многочисленных приложениях и носит название “реакция-диффузия”. Эта фундаментальная методология была предложена Аланом Тьюрингом [11] и в настоящее время она представляет собой классическую теорию с обширными приложениями. Любая модель представляет собой алгоритм (функциональная информация). Действия, которые планируют и реализуют ЛПР, руководствуясь алгоритмом (прагматическая информация), есть результат моделирования. Между собой эти два вида информации связаны данными (структуральной информацией). Именно в их типе главная проблема. Модель “реакция-диффузия” позволяет перейти от данных, заданных на качественном уровне (неточно, нестрого) к решениям, которые можно проследить в эволюционном развитии, включая те точки особенностей, которые наиболее интересны ЛПР. В чём-то даже роль модели “реакция-диффузия” в подходе FACTOR подобна роли методологии FASE в подходе ACTOR. Только, отметим, те кластеры и паттерны, которые выявляются моделью “реакция-диффузия” в данных о потоках, в отличие от оценки состояния, выявляемой моделью “fuzzy sets” по данным статистики, являются функциональными: они несут в себе информацию о фазе развития так называемой “самоорганизованной критичности” [12] системы потоков. Именно в этом состоит перспективность данного направления исследований.

Таким образом, придать смысл проблеме раннего распознавания угроз национальной безопасности США возможно не за счёт увеличения объёмов данных о нестабильности в мире, а за счёт изменения характера этих данных и, соответственно, методологии их анализа. Фактически проблемы анализа, как таковой, попросту не существует: все методические проблемы в данном направлении анализа давно решены. Однако существует совершенно иная и отнюдь не менее сложная психологическая проблема – проблема выбора. Она сводится к решению альтернативы “статистика – динамика” на уровне ЛПР. Как известно, решения в высших звеньях политического управления вначале принимаются, а уж затем им ищутся обоснования. Так, дело эксперта Келли, которого правительство Блэра вынуждало корректировать выводы экспертиз, является достаточно типичной иллюстрацией мышления ЛПР. Статистика в подобных случаях даёт практически неограниченные возможности для того, чтобы интерпретировать полученные результаты в нужном смысле. Совсем по-другому ведут себя результаты модели динамики: да, изменить их можно (и то не всегда), но лишь изменив всю модель, а не только исходные данные.

И потому, когда привычно цитируют изречение Наполеона о том, что “есть ложь, есть большая ложь и есть статистика”, часто забывают о том, что политик прибегает к статистическим методам отнюдь не только из любви к точному знанию.

Однако в любом случае проект ACTOR не может и далее развиваться так, как развивался [3,4] до сих пор. Без учёта факторов глобализации подход к анализу угроз безопасности США является, в целом, бесперспективным.

Автор благодарен за дискуссии проблемы анализа угроз национальной безопасности д-ру Ш.О’Брайену, д-ру Р.Джонсу и д-ру М.Цыпкину.

Библиография

1. Armed Conflict 1946–99: A New Dataset by Nils Petter Gleditsch & Håvard Strand, International Peace Research Institute, Oslo (PRIO), Department of Sociology and Political Science, Norwegian University of Science and Technology (NTNU),
   Mikael Eriksson, Margareta Sollenberg & Peter Wallensteen, Department of Peace and Conflict Research (PCR), Uppsala University.
   Paper prepared for session WB08 ‘New Data on Armed Conflict’, 42^nd Annual Convention of the International Studies Association, Chicago, IL, 20–24 February 2001.
2. KOSIMO: A Databank on Political Conflict // Journal of Peace Research, 2000, v.37, nr.3, pp.379-389.
3. Analyzing Complex Threats for Operations and Readiness by Dr. Sean P. O’Brien // Presented to Fourth Nuclear Stability Roundtable, Co-sponsored by the U.S. Department of State, U.S. STRATCOM, Los Alamos National Laboratory, and the Defense Threat Reduction Agency, March 12-13, 2002.
4. Anticipating the Good, the Bad, and the Ugly: An Early Warning Approach to Conflict and Instability Analysis by Dr. Sean P. O’Brien // Journal of Conflict Resolution (in print), 2002, June 3.
5. Ссылку из [3,4] на методологию FASE разыскать не удаётся. Однако и по контексту можно судить, что это алгоритм, основанный на использовании так называемой теории “нечётких множеств” (fuzzy sets), предложенной в начале 1970-х годов Лотфи Заде (Zadeh), и с тех пор получившей большее развитие, в том числе, и в приложениях, см., в частности, обзор: Kauffmann A. (1983), “Advances in Fuzzy Sets – An Overview”, in: Wang P.P. (Ed.) Advances in Fuzzy Sets, Possibility Theory and Applications, Plenum Press.
6. Agrawal, M.; Kayal, N.; and Saxena, N. “Primes Is in P.” Preprint, Aug. 6, 2002. http://www.cse.iitk.ac.in/primality.pdf
7. Dr. Sean P. O’Brien, частное сообщение.
8. Lighthill, M. J. and Whitham G. B. (1955) On kinematic waves: II. a theory of traffic flow on long crowded roads // Proc. Roy. Soc. London A229, pp.317–345.
9. Richards, P. I. (1956) Shock waves on the highway // Operations Research 4, pp.42–51.
10. Boris S. Kerner and P. Konhäuser (1994) Structure and parameters of clusters in traffic flow // Physical Review E50, pp.54–83.
11. Turing, A.M. (1952) The chemical basis of morphogenesis // Phil. Trans. Roy. Soc. Lond. B237, pp.37-72.
12. Bak, P., Tang, C., and Wiesenfeld, K. (1988) Self-organised criticality // Phys. Rev. A38, 364.