Были выявлены также и отрицательные индикаторы.


  • Банковские счета обычно не использовались для покрытия нормальных бытовых расходов, таких как арендные платежи, коммунальные услуги, страхование и тому подобное.
  • В операциях по зачислению и снятию средств не наблюдалось последовательности от месяца к месяцу.
  • Они не пользовались сберегательными счетами или депозитными ящиками.
  • Доля снятия денег наличными по отношению к выписываемым чекам была чрезвычайно высокой.
  • Разумеется, гораздо проще создать ретроактивный профиль банковской деятельности террориста, вина которого доказана, чем построить профиль, способный выявить террористов до того, как они начнут свою деятельность. И очевидно, что профиль девятнадцати террористов — иностранцев, живших на территории США и учившихся угонять самолеты, — не всегда соответствовал профилю британского террориста, родившегося и прожившего всю жизнь в Лондоне.
    Более того, когда данные используются для оценки неправомерных действий в прошлом (в «Фрикономике» мы приводили примеры действий обманывающих учителей и сговоров между борцами сумо), обычно доля

    мошенников в общем числе подозреваемых является довольно высокой. Но в нашем случае общее число было гигантским (у одного только банка, где работал Хорсли, несколько миллионов клиентов), а число потенциальных террористов — крайне малым.
    Однако давайте предположим, что нам удалось разработать алгоритм, точный на 99 процентов. Допустим, что в Великобритании имеется 500 террористов. Алгоритм позволит с высокой точностью выявить 495 из них, что и составляет 99 процентов. Однако в Великобритании проживает примерно 50 миллионов взрослых, не имеющих ничего общего с терроризмом, и этот алгоритм ошибочно отнесет к террористам 1 процент из них, то есть 500 тысяч человек. Иными словами, этот замечательный алгоритм, работающий с точностью 99 процентов, выдает слишком много положительных результатов — полмиллиона человек будут вполне справедливо возмущаться, если их обвинят в пособничестве террористам.
    Кроме того, власти не смогут справиться с нагрузкой и проверить всех подозреваемых.
    Подобная проблема существует и в области здравоохранения. Недавнее исследование в области онкологии показало, что у половины из 68 тысяч участников присутствовал хотя бы один положительный (и недостоверный) результат после прохождения 14 тестов38. Поэтому, несмотря на убедительность аргументов множества сторонников системы повсеместных и широкомасштабных исследований, в реальности такая система будет приводить к возникновению множества неточных положительных заключений, в то время как некоторые действительно больные люди будут упускаться из внимания. Бейсболист Майк Лоуэлл, недавний победитель \Л/огЮ 5епе5, упомянул сходную проблему, возникновение которой возможно при повсеместном тестировании игроков Высшей лиги на наличие у них гормона человеческого роста. «Если эта система точна на 99 процентов, то по итогам проверки команд появится не менее семи положительных тестов (не имеющих отношения к действительности), — говорит он. — Но что если такой неверный

    диагноз будет поставлен ведущему игроку, например Кэлу Рипкену? Что это, как не черная метка для его карьеры?»39
    Аналогичным образом, если вы хотите поймать террористов, 99-процентная точность совершенно недостаточна.
    Ранним утром 7 июля 2005 года четыре исламских террориста-смертника взорвали свои бомбы в Лондоне: один сделал это в переполненном пассажирами автобусе, а трое других — в метро. Погибло пятьдесят два человека. «Лично я был просто убит этими новостями, — вспоминает Хорсли. — В то время мы только начали работу по выявлению террористов, и я никак не мог отделаться от мысли о том, что, начав работу всего на пару лет раньше, мы могли бы предотвратить случившееся».
    Смертники, взорвавшие себя в Лондоне, оставили после себя кое-какие банковские данные, но их было немного. Тем не менее в течение последовавших нескольких месяцев в рамках контртеррористических мероприятий было выявлено и арестовано множество подозрительных личностей. Стоит отметить, что никто из них в результате не оказался террористом; против большинства из них не были выдвинуты никакие обвинения40. Однако если они напоминали террористов настолько сильно, что их арестовывали, то, возможно, изучение их методов общения с банками могло бы помочь в создании практического алгоритма. К счастью, более сотни таких подозреваемых были клиентами банка Хорсли.


    Процедура состояла из нескольких этапов. Для начала необходимо было собрать данные по этим ста подозреваемым и разработать некий алгоритм, основанный на признаках, по которым эти люди отличались от сообщества в целом. После надлежащей настройки этого алгоритма он мог быть использован для детального поиска по всей базе данных банка и выявления других потенциальных преступников.
    Если учитывать, что Великобритания сражалась с исламскими фундаменталистами и при этом практически закончила воевать с ирландскими повстанцами, то очевидно, что у арестованных подозреваемых были мусульманские имена. Это становилось одним из

    важнейших демографических маркеров для алгоритма. Шансы на то, что потенциальным террористом окажется человек, ни имя, ни фамилия которого не являются мусульманскими, составляют примерно 1 к 500 ООО.
    Шансы на то, что террористом окажется человек, имя или фамилия которого являются мусульманскими, составляют около 1 к 30 ООО. Для человека, имя и фамилия которого являются мусульманскими, шансы оказаться террористом составляют 1 к 2000.
    Потенциальные террористы являлись в основном мужчинами, обычно в возрасте от двадцати шести до тридцати пяти лет. Более того, эти люди чаще всего обладали следующими характеристиками:


    • владели мобильными телефонами;
    • были студентами;
    • арендовали дом или квартиру, а не владели ими. Разумеется, все эти факты сами по себе не могут служить

    основанием для ареста (этим характеристикам соответствуют практически все помощники, которые когда-либо были у авторов этой книги; при этом мы уверены, что никто их них не является террористом). Однако в совокупности с маркером мусульманского имени даже такие простые факты способны придать нашему алгоритму дополнительную силу.
    Приняв эти факты к сведению, разработчики смогли определить, что несколько других характеристик являлись нейтральными, то есть на их основании было практически невозможно определить, является человек террористом или нет. К ним относились:

    • тип занятости человека;
    • семейное положение;
    • степень близости жилья к мечети.

    Итак, вопреки сложившемуся мнению, молодой безработный мужчина в возрасте двадцати шести лет, живший по соседству с мечетью, с точно такой же вероятностью может оказаться террористом, как женатый мужчина тридцати шести лет, имеющий постоянную работу и проживающий в пяти милях от мечети.

    Были выявлены также и отрицательные индикаторы. Данные позволили с большой определенностью сказать, что потенциальный террорист, скорее всего, не будет:

    • открывать сберегательный счет;
    • снимать наличные в банкоматах в пятницу вечером;
    • страховать жизнь.

    Показатель, связанный с неиспользованием банкоматов пятничными вечерами, связан с обязательным посещением мечети правоверными мусульманами в это время. Вопрос со страхованием жизни представляется чуть более интересным. Давайте предположим, что вы двадцатишестилетний человек, женатый и имеющий двоих детей.

    Видимо, для вас имеет смысл покупать страховку жизни, позволяющую вашей семье выжить в случае вашей смерти в молодом возрасте. Однако страховая компания не производит выплаты, если ее клиент кончает жизнь самоубийством. Поэтому двадцатишестилетний глава семейства, планирующий в один прекрасный день взорваться вместе с бомбой, скорее всего, не будет тратить деньги на страховку, по которой невозможно получить возмещение.
    Все это дает основания полагать, что если потенциальный террорист хочет замести следы, то ему стоит направиться в банк и сменить свое имя в заявлении на открытие счета на немусульманское, например Иан. Он также не должен отказываться от покупки страховки жизни. Банк, в котором работает Хорсли, предлагает полисы для новичков, стоящие всего несколько фунтов в месяц.
    Все эти показатели, вместе взятые, позволили создать отличный алгоритм, способный выявить в общей базе данных банка небольшую группу потенциальных террористов.
    Но хотя сеть и была создана, она затягивалась недостаточно туго. Довести алгоритм до совершенства позволил еще один показатель. В интересах национальной безопасности мы вынуждены воздержаться от рассказа о его деталях; назовем его «переменная X».
    Что же делает переменную X особенной? Прежде всего, этот показатель не демографический, а поведенческий. Спецслужбы всего

    мира, борющиеся с террористами, мечтают стать небольшой мухой, сидящей на стене в комнате, где террористы проводят свои переговоры. И переменная X позволяет это делать, причем простым способом. В отличие от остальных показателей в составе алгоритма, отвечающих на вопрос «да» или «нет», переменная X рассчитывает интенсивность определенной банковской операции.

    Подавляющее большинство населения проводит эту операцию крайне редко, однако люди, соответствующие остальным показателям отбора потенциальных террористов, делают это значительно чаще.



    Содержание раздела