Аналитики RAND в новой статье "Mitigating Emerging Human Intelligence Challenges with Forecasting" пытаются проанализировать OSINT тенденции

Аналитики RAND в новой статье "Mitigating Emerging Human Intelligence Challenges with Forecasting" пытаются проанализировать OSINT тенденции в США

Агентурная разведка США (HUMINT) долгое время была основой для получения разведданных с точки зрения национальной безопасности, но с течением времени столкнулась со значительными трудностями

По данным недавней статьи в The Washington Post, возможности ЦРУ по вербовке и использованию источников за рубежом ослабевают, а это в свою очередь создает определенные риски для CША

В условиях, когда традиционный шпионаж становится все более сложным, аналитики корпорации RAND предлагают компенсировать пробелы в подходах за счет активного внедрения разведки по открытым источникам (OSINT) и методов прогнозирования

В штатах роль OSINT претерпела изменения от "второстепенного инструмента" до одного из ключевых центральных элементов современной разведки 21 века (ODNI), который сейчас усиливается технологиями машинного обучения и обработкой естественного языка

Современные алгоритмы способны анализировать огромные массивы данных, выявлять кампании по дезинформации, отслеживать перемещение товаров и персонала практически в реальном времени, предоставляя бесценную информацию на основе анализа взаимосвязей

Утверждается, что Разведывательное сообщество США пока ещё недостаточно использует потенциал OSINT из-за отсутствия стандартизированных методик оценки достоверности источников и институционального скептицизма, но со временем ситуация должна измениться

Решением проблемы доверия к разведке по открытым источникам (OSINT) аналитики видят в синергии с вероятностным прогнозированием (probabilistic forecasting)

OSINT должен перейти из плоскости субъективных экспертных оценок в сторону математически обоснованных моделей

Комбинация OSINT+probabilistic forecasting позволит делать более точную количественную и качественную оценку вероятности будущих событий, включая оценку геополитических конфликтов и конкретных военный действий

Применение прогностических моделей к массивам открытых данных не только помогает предвидеть угрозы, но и придает разведывательным продуктам OSINT необходимую верифицируемость и обоснование для большого начальства

Каждый вывод подкрепляется прозрачной моделью и исходными данными, что напрямую решает проблему скептицизма

Использование прогностических моделей поможет превратить информационный хаос в структурированные, верифицируемые выводы, где каждая оценка вероятности, например, эскалации конфликта, подкреплена математическим аппаратом

Как утверждает RAND, практическая эффективность OSINT+прогнозирование является доказанным фактом

Якобы это подтверждается результатами проекта RAND Forecasting Initiative (RFI)

В рамках инициативы прогностические модели уже успешно применялись для решения сложных задач национальной безопасности

Среди них мониторинг российских информационных кампаний, оценка рисков и отслеживание политической нестабильности

Например, широко известный проект "The Good Judgment Project", финансируемый IARPA (Агентство передовых исследований в сфере разведки), показал что команды обученных волонтеров-"суперпрогнозистов" способны делать прогнозы на 30 % точнее, чем штатные аналитики разведки с доступом к секретной информации

Правильно организованная работа с открытыми данными и коллективный "мозговой штурм" дают измеримо лучший результат

По мнению аналитиков, прогнозирование не является заменой агентурной разведки (HUMINT), а лишь выступает мощным асимметричным инструментом, способным эффективно компенсировать ослабевающие её возможности

Разработка HUMINT-операций, скорее всего, станет более точечной и дорогой

В RAND поддерживают идею того, чтобы в США начались фундаментальные институциональные изменения, включая формирование новой культуры работы с информацией, требующие разработки четких профессиональных стандартов для OSINT-аналитиков