4. Моделирование информационно- психологических операций

Масштабные и локальные информационно-психологические операции (ИПО) неизбежно носят стохастический характер, что естественно обуславливает необходимость использования соответствующих математических моделей. Дискретность объектов ИПО очевидно требует применения одномерных дискретных распределений вероятности.

Допустим для группы из n объектов информационно-управляющего воздействия (ИУВ) успех данного воздействия для каждого объекта наступает с вероятностью p₀. Тогда в первом приближении (p₀>0,1) вероятность успеха данного ИУВ в k объектах группы будет равна (биномиальный закон распределения)

P=C^k_np^k₀(1-p₀)^n-k,

а матожидание случайной величины составит np₀, т.е. в среднем [np₀] объектов группы будут подвержены воздействию, где [.] – целая часть.

Соответственно для нескольких групп ИУВ n_i, i=1(1)N мы будем иметь свои элементарные вероятности p_0i. Такой разбивкой множества объектов управления мы можем существенно повысить точность описания процесса ИУВ. Матожидание при таком разбиении будет равно сумме

M=

при мощности множества объектов воздействия

N= .

Рис. 5.53. Граф локальной информационной операции селективного(выборочного) негативного информирования аудитории

Рис. 5.54. Граф локальной информационной операции выборочного адресного информирования аудитории

Рис. 5.55. Граф локальной информационной операции выборочного адресного информирования аудитории с управляющей обратной связью

Рис. 5.56. Граф локальной информационной операции селективного контринформирования аудитории

Рис. 5.57. Граф срыва локальной информационной операции селективного негативного информирования аудиторииза счет переадресации респондентов

Рис. 5.58. Граф срыва локальной информационной операции селективного негативного информирования аудитории за счет коррекции критериев селекции

Эффективность ИУВ в этом случае можно оценить следующим отношением

Э_ИУВ= ,

которое заведомо меньше единицы.

Нетрудно заметить, что эффективность будет почти пропорционально зависеть от элементарной вероятности p_0i, которая, в свою очередь, складывается из интенсивности ИУВ и подверженности объектов ИУВ.

Вышеприведенные выкладки описывают первичный эффект ИУВ. Однако структура пространства ИУВ зачастую носит иерархический характер, когда объекты, в которых достигнут успех ИУВ на первичном уровне, становятся вторичными источниками ИУВ по отношению к вторичным объектам их влияния. В этом случае вышерассмотренную модель следует далее также применить для стохастического анализа процесса ИУВ на вторичном уровне. Если на первичном уровне матожидание составит M₁, а для каждого вторичного ИУВ матожидание успеха составит M_j, j=1(1)M₁, то суммарное матожидание с учетом вторичного эффекта будет равно

М₂ = М₁ + .

По аналогии, эффект s-порядка принесет в среднем успех в следующем количестве случаев

М_s = М_s-1 + .

Таким образом, формируется соответствующий ряд, описывающий цепную реакцию ИУВ.

Критерием успеха ИУВ очевидно является рост М и здесь просматриваются, по крайней мере, две стратегии реализации ИУВ.

Первая из них делает ставку на первичный эффект, за счет использования некой мощной информационной инфраструктуры (N весьма велико) и высокой интенсивности воздействия, значительно повышающей p₀. Ярким примером тому является политическая борьба за информационное управление общественным мнением. Контроль средств массовой информации (СМИ) становится в ней краеугольным вопросом из-за величины N и существенной внушаемости клиентов СМИ (p₀ может превышать значение 0,5). Имея в своих руках такое мощное информационное оружие, вторичному эффекту можно уделять гораздо меньшее внимание.

Вторая стратегия ориентирована на многоуровневую цепную реакцию эффектов высших порядков. Здесь рост М обеспечивается за счет наращивания s. Зачастую такую технологию используют неформальные организации, лишенные доступа к СМИ. В этом случае вербовщики выискивают социально и духовно неудовлетворенные (проблемные) объекты, превращая их с помощью ИУВ в своих адептов – вторично агитаторов декларируемой идеологии. Вероятностно эту ситуацию можно описать гипергеометрическим распределением

P= ,

где рассматривается вероятность выявления k проблемных объектов в выборке объема m, взятой из социума объема n, который содержит l проблемных объектов. Матожидание базы для дальнейшей вербовки составит в данном случае

М_Б= .

Для увеличения М_Б вербовщик стремится обратиться к группам с высоким l, что соответственно повышает шансы на дальнейшее ИУВ и получение желаемого М₁.

Как при первой, так для второй стратегии интерес представляет успешность ИУВ, которое зачастую представляет собой последовательность элементарных (единичных) информационных ИУВ. Здесь вероятность успеха после k-ой атаки будет равна

P=p₀(1-p₀)^k,

а матожидание (1-p₀)/p₀ естественно определяется элементарной вероятностью успеха от единичного ИУВ p₀. При этом вероятность появления k успешных ИУВ после n элементарных ИУВ на объект может быть оценена следующим образом

P = C^k-1_n+k-1p^k₀(1-p₀)^k.

Матожидание k(1-p₀)/p₀ также зависит от p₀.

Задачу возможно детализировать далее, имея ввиду, что объекты располагают ограниченными коммуникационными возможностями. Допустим, что в пространстве из N объектов каждый из них имеет возможность передавать ИУВ в среднем к N₀ иным объектам данного пространства. Вброс ИУВ на первой итерации даст матожидание успеха в следующем количестве объектов

M₁=p_BN₀

или с учетом частичной нейтрализации успеха

M₁=p_BN₀ (1-p_H),

где: p_B – вероятность восприятия ИУВ единичным объектом пространства;

p_H – вероятность нейтрализации успеха ИУВ в единичном объекте пространства.

Вторая итерация, когда объекты М₁ выступают вторичными источниками распространения ИУВ, очевидно даст матожидание

M₂=M₁[p_BN₀(1-p_H)](1-p_H)

или с учетом того факта, что коммуникации могут быть как с уже подверженными ИУВ объектами, так и с пока ободными от него, имеем

M₂=M₁² (1-p_H)(1- )

с поправкой на вероятность первичных контактов с ИУВ.

Рассмотрим вторую стратегию в приложении к информационным технологиям неформальных организаций – вербовка адептов. Число адептов первичного уровня воздействия (первая итерация) равно

,

где - количество адептов, утративших влияние ИУВ в результате нейтрализации мер (противодействия) и некой естественной убыли.

При этом только N₁₂ из них способны выполнять роль проводников ИУВ (вторичных источников ИУВ) на вторичном уровне (вторая итерация)

N₁₂ = k₁₂N₁,

где k₁₂ – некий коэффициент активности адептов множества N₁. Вероятность успеха их воздействия p₀₂ зачастую бывает ниже, чем у первичного источника p₀₁, где M₁=p₀₁N.

Вторичный эффект дает нам матожидание

M₂=p₀₂(N-N₁)N₁₂.

В результате имеем

N₂=N₁+p₀₂(N-N₁)N₁₂

или

,

где - результат противодействия на вторичном уровне.

Очевидно, что в данном случае мы имеем уже уравнение второго порядка относительно N – базовой численности социума, подверженного ИУВ, т.е.

Полагая = =0 (без учета потерь в результатах ИУВ), получаем несколько упрощенную модель

N₂=p₀₁N+p₀₁p₀₂k₁₂N².

Рассмотрим социум с учетом ИУВ и мер его нейтрализации, для чего введем следующие обозначения:

p_B – вероятность успеха ИУВ на единичный объект социума;

p_Н – вероятность успешного противодействия (нейтрализации) ИУВ в единичном объекте социума;

N – численность социума, подверженного ИУВ и соответствующим мерам противодействия.

Отсюда количество адептов на первом уровне будет равно

N₁=p_BN–p_H(p_BN)=p_BN(1-p_H)

на втором уровне имеем

N₂=[N₁+N₁p_B(N-N₁)](1-p_H)=(N₁+p_BN₁N-p_BN₁²)(1-p_H)=Np_B(1-p_H)²(1+Np_Bp_H).

По аналогии на уровне (k+1)

N_k+1= [N_k+N_kp_B(N-N_k)](1-p_H),

где N_k – количество адептов, полученных в результате ИУВ на уровне k.

По аналогии для k-ой итерации можно записать следующее выражение матожидания

,

где M_k-1 – матожидание (k-1)-ой итерации. Пользуясь вышеприведенными рекурсивными выражениями, можно найти матожидание успеха ИУВ на любом этапе его распространения.

В связи с вышеизложенным уместно сделать следующие выводы:

1. При жесткой иерархии пространства и передаче ИУВ от вышестоящего объекта к нижеситоящему (отсутствии перекрестных ИУВ) поправочный коэффициент может быть исключен из рассмотрения.

2. Устанавливая соотношения между M_k и N, скажем, M_k=mN, задавая тем самым степень их близости и успеха ИУВ в пространстве N, можно получить уравнения, которые уместно разрешить из относительно p_B или p_Hпри заданных остальных параметрах. Параметры m и k фактически определяют эффективность ИУВ, которая может управляться через p_B и p_H.

3. Развивая средства ИУВ и меры противодействия, мы фактически наращиваем p_B и p_H, а рост коммуникабельности пространства (увеличение N₀) открывает перспективу для успеха ИУВ.