Текст книги "Искусственный интеллект. Большие данные. Преступность"

§ 9. Основные направления дальнейших исследований по использованию ИИ в сфере безопасности

По мнению экспертов, будут активизированы научные и программные исследования в области рисков, связанных с использованием ИИ в сфере цифровой безопасности. Это важно по трем причинам.

Во-первых, логика цифровой среды ведет к постоянному повышению уровня автономности технических устройств, оснащенных ИИ.

Во-вторых, успешные атаки на системы с использованием ИИ могут привести к непоправимому – перехвату противником, злонамеренным государством или террористической группировкой управления ИИ.

В-третьих, большую опасность представляют негосударственные разработки в области синтетических медиа, связанных с формированием поддельного мира новостей. В этой сфере могут сойтись интересы субъектов из различных государств и, соответственно, может произойти неконтролируемый переток технологий.

Огромной проблемой является широкое распространение и популярность среди разработчиков решений с открытым кодом. Представьте на секунду, что Э. Ферми и Р. Оппенгеймер опубликовали в бульварной газете чертежи атомной бомбы в 1945 г. Вы скажете, что это – безумие, и будете правы. Однако именно таковы реалии сегодняшнего мира. Самые совершенные разработки программ двойного назначения, включая ИИ, выкладываются в депозитарии – хранилища открытого кода. Более того, в глобальном научно-исследовательском сообществе машинного обучения открытый код стал преобладающей нормой. Большая часть новых исследований публикуется в интернете, причем степень детализации документов такова, что можно просто брать фрагменты программ и создавать на их основе законченные решения.

Открытый код стал сегодня своего рода преобладающим подходом в программистской среде. Отказ человека присоединиться к этому движению не многим отличается от профессионального самоубийства. Однако, открытый код в сфере ИИ, синтетической биологии, производства синтетической информации и т. п. – это коллективное самоубийство.

Сегодня не очень понятно, как решить эту проблему, причем не вообще, а в достаточно сжатые сроки. Существуют отдельные прецеденты, например, в такой области как компьютерная безопасность, где разработчики не выкладывают коды до тех пор, пока не будут устранены те или иные уязвимости, позволяющие произвести эксплойты. В определенной степени результаты передовых исследований в сфере ИИ не стали достоянием широкой общественности по соображениям, связанным с интеллектуальной собственностью корпораций. Основными разработчиками ИИ и инвесторами в него являются не правительства, а крупнейшие корпорации. Беда, однако, в том, что глобальное программистское сообщество, поддержанное масс-медиа, постоянно нападает на Google, IBM, Amazon и т. п. за то, что они ведут тайные разработки в области ИИ. В итоге эти нападки вынудили крупнейшие корпорации открыть для свободного доступа программные разработки в области ИИ предпоследнего поколения.

В приведенных далее предложениях имеется в виду отказаться во многих случаях от открытого кода. Предстоит решать ключевую проблему, как сделать так, чтобы обеспечить доступ к ИИ граждан и малого бизнеса без угроз для национальной безопасности, без риска стать беззащитными перед террористами.

Наиболее вероятным способом решения проблемы является широкое распространение опыта IBM с ее моделью лицензирования центрального доступа. IBM, используя платформу Watson, реализовала модель «ИИ как услуга». Пользователи не получают доступ непосредственно к программному обеспечению, а загружают на портале IBM Watson данные, позволяющие осуществлять им анализ настроений, распознавание образов, прогнозирование статистических рядов и т. п. без доступа непосредственно к системе. В итоге, взаимодействие сводится к тому, что клиент загружает данные и получает на выходе законченные результаты расчетов.

Отдельный вопрос – это использование ИИ в уголовных расследованиях и борьбе с терроризмом. ИИ уже достаточно широко используется правоохранительными органами в основном в сфере мгновенного распознавания лиц, силуэтов и т. п. в потоковом видео и для мониторинга социальных сетей. Таким образом, растущая способность государств обнаруживать и пресекать преступные действия на основе использования ИИ является одной из важнейших тенденций в среднесрочной перспективе.

Скотланд-Ярду и полиции Франции в 2017 г. удалось документально установить одну чрезвычайно важную особенность нынешней киберпреступности. Если в низкоуровневой киберпреступности, ориентированной на вымогательство денег у населения, незаконное проникновение в частные компьютеры и т. п., более 60 % хакеров имеют среднее, либо начальное высшее образование, то в высокоуровневой киберпреступности, связанной с банковскими ограблениями, взломом критической инфраструктуры и т. п. занимаются совершенно иные кадры. Неожиданно главной проблемой стал не столько их высокий образовательный уровень, сколько то, что две трети из них рассматривают высокотехнологичное хакерство как дополнительный приработок.

В основное же рабочее время они работают в легальных, в том числе в крупнейших компаниях.

По мере распространения ИИ в государственных учреждениях, в крупном и среднем бизнесе, увеличивается риск, что члены преступных группировок, находящиеся внутри корпорации, и занятые, как правило, в IT отделах, будут использовать ресурсы и возможности корпоративного ИИ для проведения преступных акций.

Большинство экспертов ожидают, что использование ИИ в злонамеренных целях будет увеличиваться как в масштабах планеты, так и всех ее регионов, включая развитые и развивающиеся страны.

Поскольку злонамеренное использование ИИ в одинаковой мере угрожает всем, мы полагаем, что в ближайшие годы в различных странах мира появятся инициативы по профилактированию и пресечению злонамеренного использования ИИ, в которых будут участвовать как государственные органы, так и бизнес, и гражданское общество. С учетом бюджетного кризиса в большинстве западных стран, мы полагаем, что наиболее эффективной формой такого взаимодействия станет государственно-частное партнерство, с привлечением к его работе гражданского общества.

Государство может предоставить таким партнерствам имеющиеся у него информационные базы, а также установить прямую связь между партнерствами и правоохранительными органами, имеющими монополию на применение силы. В свою очередь бизнес, располагающий значительными финансовыми, технологическими и кадровыми ресурсами, может оперативно создать инфраструктуру таких партнерств, и обеспечить их качественную работу.

Несмотря на неопределенное турбулентное глобальное развитие, можно сделать вывод, что ИИ будет в центре технологического прогресса, а его возможности открывают простор как для позитивного, так и для деструктивного использования. ИИ, цифровая и физическая безопасность, политическая стабильность уже сегодня тесно связаны, а в будущем будут еще более сильно переплетаться между собой.

Применительно к киберфизическим системам, уже сегодняшние возможности ИИ позволяют использовать его как для наращивания деструктивного потенциала, атак против киберфизических систем, так и для защиты от киберпреступности.

По мере того, как ИИ увеличит свои возможности, произойдет постепенное формирование сфер, где потенциал ИИ будет выше человеческого. Уже сегодня это можно однозначно сказать относительно любых комбинаторных игр, вождения автомобилей в сложной ситуации и арбитражных сделок на фондовом рынке. Нет оснований считать, что список областей, где ИИ превосходит человеческих, закрыт. Более того, подавляющее большинство исследователей и практиков полагают, что этот список будет непрерывно расширяться.

Поскольку системы ИИ распространяются в области, которая обычно считается исключительной прерогативой людей, например, социальное взаимодействие, мы неизбежно увидим развитие и повсеместное использование поведенческих технологий на основе соединения социальной инженерии с возможностями ИИ. Едва ли не главной опасностью для общества станут недорогие по стоимости, но разрушительные по последствиям целенаправленные кампании со стороны злонамеренных государств или террористических сетей по разрушению и деструкции смыслового информационного пространства за счет стирания границы между реальностью и виртуальностью, правдой и ложью на основе синтетических информационных потоков.

Наибольшей опасностью для развитых стран в интервале пяти лет является сплошная автоматизация инфраструктур различного типа – от жилищной до оборонной. Автоматизация предполагает скачкообразное повышение связанности этих критических инфраструктур, превращение их в своего рода единую инфраструктуру государства. Как показывают наблюдения, наиболее важные фрагменты информационных систем инфраструктуры, например, в США, включая национальную энергетическую систему, национальную водную систему и даже ядерную систему, неоднократно взламывались хакерами, которые пребывали там месяцами.

Главный риск состоит в том, что вполне вероятно общество перешло границы информационной сложности, которой она может эффективно управлять и защищать. В таких системах даже одиночный отказ может вызвать эффект домино. Решить проблему топологии сверхсложных сетей и их защиты может только ИИ.

Большие масштабы и качественное совершенствование автономных субъектов программного обеспечения, ориентированных на общение – так называемых ботов, в политической сфере, технически возможно только на основе использования методов ИИ. Принципиально новым решением в сфере поведенческих воздействий является использование ИИ для генерации в автоматическом режиме текстов. С одной стороны эти тексты, построенные на основе достижений психолингвистики и суггестии[27]27
  Суггестия – психологическое воздействие на сознание индивида с целью внушения ему желательных установок.


[Закрыть], могут оказывать подсознательное влияние на читателей, а с другой – строго соответствовать их когнитивному уроню и поведенческим инстинктам. В настоящее время монополия на подобные решения принадлежит США, Великобритании и Израилю.

Помимо чат-ботов и генерирования целевого контента, ИИ, соединенный с новыми методами цифровых аудио– и видеопотоков, позволяет уже в настоящее время поставить буквально на конвейер производство высококачественных поддельных видеоматериалов, где известные политики или бизнесмены будут говорить или даже делать ужасающие невероятные вещи. В конце 2017 г. в Израиле состоялась демонстрация технологии синтетической реальности. При ее создании в качестве модели с его согласия был использован нынешний премьер-министра страны Нетаньяху. В ролике он предлагал передать весь Иерусалим арабам в обмен на подписание вечного мирного соглашения между Израилем и арабскими странами. Аудио– и видеозапись была предоставлена в распоряжение группы судебных экспертов Европола. После трех дней изучения они не смогли достоверно идентифицировать запись как подлинную, либо поддельную.

В ближайшем будущем такого рода цифровые продукты, которые невозможно создать без использования ИИ, не только станут мощнейшим пропагандистским оружием, но и позволят буквально за несколько лет полностью дискредитировать в глазах широких масс любые доказательства и возможность отделения реальности от фейка. Мы можем оказаться в мире, где нефальсифицированными будут только текущая финансовая и спортивная отчетность. Поскольку производство высококачественных подделок на основе цифрового дизайна ИИ и достоверных заготовок станет прерогативой немногих субъектов, именно они станут хозяевами в новом мире пропаганды, где ложь нельзя будет отличить от правды.

Еще одно направление, которое развивается быстрыми темпами, – это использование ИИ для производства на естественном языке сообщений, предназначенных для тех, кто наиболее восприимчив к ним. Мы вступаем в мир пост-рекламы. Если реклама ориентирована на привлечение внимания, восприятие и лишь потом на действие, то пост-реклама изначально ориентируется на социальные инстинкты, психофизиологический уровень личности и введение масс населения в состояние, которое наиболее пригодно для суггестии.

Так называемый эриксонианский гипноз, т. е. гипноз в сознании, наиболее широко применяется в классической психотерапии при измененных состояниях сознания или когда личность находится в депрессии. Депрессия и суггестия не разделимы. Соответственно можно ожидать, что на основе комбинации психотехнологий, сложных систем ИИ и колоссальных баз данных на людей и группы, в ближайшие годы появятся синтетические информационные продукты, которые по своему характеру будут похожи на модульный вредоносный софт. Однако действовать они будут не на неодушевленные вещи, сети и т. п., а на человека и массы, как психобифизические существа.

В подобном синтетическом информационном продукте будут содержаться программные модули, которые подталкивают массы людей к депрессии. После введения в депрессию наступит черед скрытого действия суггестивных программ, которые апеллируя к привычкам, стереотипам и даже психофизиологии побуждают людей выполнять строго определенные действия. Такие технологии являются особо зловещими в применении к политике, а конкретно к голосованию. Их широкое распространение покончит с традиционной демократией.

Еще одним перспективным направлением является нейрокомпьютерный интерфейс – то, о чем давно мечтают фантасты. Основанная Илоном Маском компания Neuralink работает над такой технологией, чтобы в будущем люди смогли общаться с компьютером при помощи мыслей. Ее сотрудники ищут способы связи в центральной нервной системе, а инженеры MIT воспользовались субвокализацией, чтобы уже сейчас воплотить невидимое взаимодействие.

Субвокализация – мысленное простраивание текста. Человек представляет определенное слово, а мозг уже получает сигналы в мышцы, которые готовятся его произнести. Обычно субвокализация проявляется при немом чтении. Эта особенность организма положена в основу прибора под названием AlterEgo.

Устройство состоит из пары наушников с костной проводимостью и четырех электродов, которые считывают нервно-мышечные сигналы лица. ИИ их обрабатывает и определяет, что хотел сказать пользователь.

Исследователи долгое время испытывали и совершенствовали прибор. Сначала они накладывали на лица испытуемых 16 электродов, чтобы определить, какие из мышц лица соответствуют субвокализации. Когда активная область прояснилась, изобретатели уменьшили количество электродов до четырех. Поскольку лица у всех разные, инженерам пришлось научить алгоритм подстраиваться под индивидуальные особенности носителя.

Прототип тестировали на десяти добровольцах. Каждому из них потребовалось 15 минут, чтобы персонализировать устройство. Так как количество слов в наборе алгоритма ограничено, создатели начала с чисел и попросили провести арифметические операции. Полтора часа участники эксперимента работали с прототипом, заставляя его решать различные уравнения. В итоге средняя точность распознавания составила 92 %.

Инженеры утверждают, что точность повысится с увеличением числа пользователей, так как ИИ нужно больше данных для верной интерпретации.

В 2017 г. команда ученых из Университета Карнеги-Меллона (CMU) разработала способ, который позволяет «вытаскивать» из головы человека целые предложения[28]28
  См.: Команда из MIT создала прибор, читающий мысли. // NaKed Science, № 3, апрель 2018.


[Закрыть].

Нет сомнения, что в ближайшие годы нас ждет все большее число открытий в сфере ИИ, которые могут быть использованы в сфере обеспечения безопасности. При этом определяющим будет тренд, который отметил известный популяризатор науки, основатель журнала Wired Кевин Келли: «Самыми важными мыслительными машинами будут не те, которые способны думать быстрее и лучше человека, а те, которые научатся думать так, как человек никогда не сможет»[29]29
  Келли Кевин. Неизбежно. 12 технологических трендов, которые определяют наше будущее. М., 2017, с. 61.


[Закрыть].

Раздел II
Большие данные (БД) и аналитика безопасности

§ 1. БД как основа новой технологической революции

Согласно терминологии ООН, «Большие данные» (далее – БД) – накопление и анализ значительно возросшего объема информационных ресурсов, который превышает возможности их хранения и анализа с использованием созданных ранее аппаратных и программных средств. Появление БД стало возможным благодаря расширению возможностей хранения данных и круга имеющихся в наличии источников данных[30]30
  Комиссия ООН по науке и технике в целях развития, 2014 год, Использование информационно-коммуникационных технологий для инклюзивного социально-экономического развития, Доклад Генерального секретаря ООН, с. 10.


[Закрыть].

О каких элементах БД идет речь в документах ООН?

Статистическая комиссия Экономического и Социального Совета ООН в 2014 году учредила Глобальную рабочую группу по использованию больших данных для целей официальной статистики.

Рабочая группа имеет в своем составе активные целевые группы по вопросам использования данных спутниковых изображений, данных сетей и мобильной телефонной связи, данных социальных сетей и данных сканирующих устройств, а также целевую группу по вопросам профессиональной подготовки, повышения квалификации и наращивания потенциала.

Данные спутниковых изображений

Целевая группа по спутниковым данным завершила работу над своим справочником, в котором содержится информация об источниках данных наблюдения Земли, методиках подготовки статистики учета урожая сельскохозяйственных культур и других статистических данных с использованием получаемых со спутников изображений; краткий обзор экспериментальных проектов данной целевой группы и общие инструкции для статистического сообщества с описанием возможностей использования данных наблюдения Земли для статистических целей.

Данные сетей мобильной телефонной связи

Целевая группа по данным сетей мобильной телефонной связи завершила первый полный проект своего справочника по использованию данных, поступающих из сетей мобильной телефонной связи, для целей официальной статистики, в котором содержится подробное описание прикладных программ, источников данных и методов. Справочник также содержит бизнес-модели партнерств между национальными статистическими органами и one-раторами мобильной связи в целях доступа к данным сетей мобильной телефонной связи.

Рабочая группа подробно остановилась на технических аспектах подготовки данных, обработки данных и моделирования данных, используя практические примеры, такие как прикладные программы моделирования движения населения, маршрутов миграции, мобильности и перемещения населения в результате заболеваний, туризма, а также программы картирования перемещения больших групп людей в режиме реального времени. Данные в этих областях можно получать очень быстро, в некоторых случаях в режиме реального времени, от операторов мобильной телефонной связи. Доступ к таким данным варьируется в зависимости от страны с учетом различных правовых и политических систем.

Данные социальных сетей

Целевая группа по данным социальных сетей также подготовила справочник по использованию данных, получаемых из социальных сетей, для оценки показателей общественного мнения и индикаторов настроения общества. Он содержит описание различных источников данных социальных сетей (таких, как Twitter и Facebook), разъяснение методов и приемов анализа этих источников данных и описание способов их прикладного использования.

Группа готовит модели анализа мобильности, настроений общества и субъективной оценки масштабов нищеты с использованием данных в основном из сетей Twitter и Facebook. Инструкторы дали пояснения по процессу получения данных из социальных сетей и веб-извлечения данных посредством интерфейсов прикладного программирования, программного обеспечения и программных языков, используемых для очистки и обработки данных, а также по новейшим методикам анализа данных, включая машинное обучение.

Большое значение для такого анализа имеет понимание масштабов, характера и сферы охвата данных социальных сетей. Не все платформы социальных сетей пользуются одинаковой популярностью среди различных возрастных групп. Аналитики должны иметь представление о числе пользователей и их социально-экономическом положении, т. е. они должны понимать статистическую совокупность, являющуюся предметом исследования. Поведение пользователей (например, частота размещения постов) и сфера охвата постов (как общественных, так и частных) также могут влиять на выражаемые мнения.

Данные сканирующих устройств

Целевая группа по данным сканирующих устройств была создана в апреле 2017 года. Она опубликовала код программного обеспечения и статистические методы, разработанные в целях использования данных, получаемых со сканирующих устройств, для расчета индексов потребительских цен. Эти статистические методы и программный код выпущены в открытое пользование и хорошо задокументированы. Данные методы были проанализированы и опубликованы в качестве прикладных программ с открытым кодом с использованием программного пакета R[31]31
  Доклад Глобальной рабочей группы по использованию Больших данных для целей официальной статистики. ООН, E/CN.3/2018/8, 6–9 марта 2018 г.


[Закрыть].

Как можно было убедиться, архитектура БД, используемая ООН, представляет значительный интерес для целей анализа и прогноза преступности.

Термин «Большие данные» превратился из мало кому известного за пределами IT сферы словосочетания в расхожее понятие. Сегодня заголовки СМИ пестрят упоминанием о БД как нефти XXI века, цифрового золота и т. п. Общей точкой зрения, разделяемой представителями бизнеса, науки и государственного управления, стал тезис: большие данные совершили революцию во всех сферах человеческой деятельности и обеспечили их невиданный прогресс.

Отчасти это справедливо. Действительно, нынешнюю рекламу, маркетинг, PR и как показали последние события политической жизни Соединенных Штатов, Франции и Великобритании, выборный процесс невозможно представить без БД и предиктивной аналитики. Сложился стереотип: достаточно создать систему сбора, хранения, обработки и анализа БД, и жизнь наладится. В подтверждение этому приводятся примеры из сфер, прежде всего, розничной торговли, здравоохранения, финансов и т. п. Данная логика предполагается верной и для полиции. Достаточно наладить сбор БД и создать эффективную систему их обработки, и полиция, в том числе на низовом уровне, перестроит свою работу и добьется невиданных успехов в борьбе с организованной преступностью.

В дружном хоре славящих БД теряются результаты немногочисленных академических исследований относительно эффективности БД в различных отраслях за пределами сферы обращения, а также непосредственного воздействия на потребителя. Несмотря на то, что исследования выполнены в ведущих британских, американских, японских и голландских университетах, им не нашлось места в ведущих СМИ и на телевизионных каналах.

Между тем исследователи обнаружили поразительную вещь. Колоссальные вложения в БД действительно приносят огромный экономический эффект в сфере обращения, т. е. в рекламе, маркетинге, торговле, финансах, а также в политической сфере. Т. е. там, где можно воздействовать на поведение людей. БД крайне эффективны в борьбе за внимание – главный коммерческий ресурс XXI века[32]32
  См.: Стивенс-Давидович Сет. Все лгут. Поисковики, BigData и Интернет знают о Вас все. М., 2018.


[Закрыть].

В то же время БД мало что дали с точки зрения роста эффективности производства и производительности труда в промышленности, сельском хозяйстве, строительстве и т. п. Приведенные факты позволяют сделать вывод, что на сегодняшний день БД – это в первую очередь сырье для различного рода поведенческих технологий, ориентированных на группы достаточно большой размерности, таких как покупатели тех или иных товаров, избиратели, поклонники того или иного бренда, лица, ориентированные на те или иные банковские продукты и т. п.

Работа с БД коренным образом меняет деятельность, которая традиционно именуется как «аналитика».

Эволюция аналитики интересно отражена в концепции Аналитики 3.0 разработанной Международным институтом аналитики (International Institute for Analytics, ПА)[33]33
  Фрэнкс Б. Революция в аналитике: Как в эпоху BigData улучшить ваш бизнес с помощью операционной аналитики. М., 2017, с. 37–64.


[Закрыть], В соответствии с этой концепцией можно зафиксировать следующие три этапа развития аналитики.

Аналитика 1.0 (традиционная):

• преимущественно описательная и отчетность;

• данные из внутренних источников, относительно небольшие и структурированные;

• «закулисные» команды аналитиков;

• поддержка внутренних решений.

Аналитика 2.0 (БД):

• сложные неструктурированные источники данных;

• новые аналитические и вычислительные возможности;

• появление «исследовательских данных»;

• продукты и услуги онлайновых фирм, основанные на данных.

Аналитика 3.0:

• целостное сочетание традиционной аналитики и БД;

• аналитика как неотъемлемый компонент конкретной деятельности организации;

• быстрое и гибкое обеспечение решений;

• аналитические инструменты доступны в точке принятия решений;

• интеграция аналитики в процесс принятия решений и операционные процессы.

Иными словами, аналитика 3.0 становится сердцевиной стратегии организации.

Как будет показано ниже, именно к созданию такой системы аналитики стремятся полицейские структуры в разных странах.

По прогнозам компаний IDC и ЕМС, мировой объем данных достигнет 40 зеттабайт к 2020 году, причем согласно исследованию компании Veritas 85 % от этого объема будут составлять Dark Data и ROT. Dark Data – неструктурированные данные (почта, изображения, аудио), которые компании хранят, но не используют. ROT – электронные документы, которые организации держат «на всякий случай» и тоже никак не задействуют.

Ученые Исследовательского центра британской полиции по вопросам использования больших данных в 2017 году попытались разобраться в содержании концепции БД применительно к полиции, а также определить конкретные способы, с помощью которых большая аналитика данных может позволить полицейским силам лучше использовать собранные или переданные им сведения, позволяя сотрудникам, особенно в поле («на земле»), действовать более эффективно и эффектно[34]34
  См.: Big Data and Policing: Assessment of Enforcements, Expectation and Priorities. Royal United Services Institute, September 2017.


[Закрыть].

Особое внимание уделено возможностям использования БД для перехода от расследовательской полицейской деятельности к преимущественно предиктивной, профилактической деятельности, как основному направлению совершенствования полицейской работы на ближайшие годы.

Технологический прогресс дает в руки террористов и организованной преступности, а также молодежи, демонстрирующей девиантное поведение, уникальные по возможностям сокрытия и беспрецедентные по разрушительной мощи различного рода вооружения – от боевых вирусов до биологического оружия. Это делает малопродуктивным с позиций интересов общества и государства традиционный подход к полицейской деятельности, нацеленной на скорейшее раскрытие преступлений и наказание виновников. Цена уже совершенного преступления может оказаться неприемлемо высокой для общества. Поэтому общество заинтересовано в пресечении правонарушений еще на стадии подготовки.

Уже в ближайшие несколько лет можно ожидать, что малые группы или одиночки будут способны к совершению преступлений масштаба, затрагивающего не отдельных граждан, а целые города. Это в корне меняет саму философию полиции. Полицейские обязаны не столько раскрыть преступление или разыскать преступника, сколько на основе достоверных данных спрогнозировать возможность совершения преступления и пресечь его еще на подготовительной стадии. Предиктивная полицейская деятельность невозможна без БД, которые являются основой предиктивной аналитики, становящейся в центр практической полицейской деятельности.

«Мы сидим на совершенно монументальных объемах информации, собранной в различных форматах из самых различных источников. Однако вся эта информация пропадает, поскольку нам не хватает технологических возможностей для ее эффективной обработки» – это обобщенное мнение полицейских-практиков, с которыми авторы доклада Центра британской полиции по вопросам использования больших данных провели интервью по всей территории Англии и Уэльса.

При том, что полицейские высказывали различные мнения относительно важности источников информации о соотношении централизованно получаемой и лично накопленной информации, о методах подготовки и переподготовки, у них присутствовал четкий консенсус по основополагающему факту: у полиции пока нет возможности для эффективного анализа собранных данных, а тем более для предиктивной аналитики на их основе.

Полицейские в подавляющем большинстве говорили, что использование информационных технологий в их работе можно свести к трем информационным революциям. Первая – в начале XXI века британские полицейские освоили офисный пакет Windows и стали ежедневно использовать его в практической работе, что они продолжают делать и по сегодняшний день. Для типичного британского полицейского информационные технологии сегодня – это, прежде всего, ежедневная работа в электронном офисе Windows. Вторая информационная революция произошла в середине нулевых, когда британские полицейские смогли в онлайн режиме пользоваться централизованными базами данных по ОПГ, физическим, юридическим лицам ит.п. Третья информационная революция произошла в начале десятых годов XXI века, когда все возможности офисных компьютеров удалось упаковать в мобильный телефон, а затем в смартфон, с которыми полицейские не расстаются.

Отвечая на вопрос, какие изменения произошли за последние три-четыре года, полицейские на земле отметили широкое использование ими при расследованиях материалов социальных сетей и социальных медиа. Некоторые, принимая во внимание, что интервью велись анонимно, ответили, что купили и эффективно применяют целый ряд шпионских программ для смартфонов (официально программы-шпионы запрещены в Великобритании).

Только 12 % опрошенных отметили, что в их подразделениях последние три года реализованы проекты, связанные с БД. Никто из опрошенных 1700 полицейских не рассказал о практическом использовании предиктивной аналитики на основе БД. По состоянию на весну 2017 г. предиктивная аналитика в полицейской работе является темой исследовательских работ, а также экспериментов в МВД и учебных центрах британской полиции.

В настоящее время немногие организации Великобритании собирают данные в том же масштабе и детализации, что и полиция. Еще меньше имеют такие же широкие полномочия для получения данных из сторонних источников. Однако полиция использует лишь очень небольшую часть этих данных. Более того, как показали данные интервью, полицейские все шире используют в практической работе не закупленные за огромные бюджетные деньги программно-аппаратные платформы, а различного рода коммерческий софт, приобретенный за счет поощрительных фондов полицейских управлений и местных бюджетов.

В настоящее время анализ полицейских данных является трудоемкой задачей. Притом что британская полиция располагает уникальными по качеству данными, у нее отсутствуют сколько-нибудь сложный и эффективный инструментарий интеллектуального анализа данных. Если бы полиция смогла, например, использовать интеллектуальный софт, применяемый британским, а тем более американским разведывательным сообществом, это бы резко повысило операционную эффективность борьбы с преступностью.