Ook bij het voorspellen van oorlog geldt: resultaten uit het verleden bieden geen garanties voor de toekomst

De Noorse professor Håvard Hegre, verbonden aan de Universiteit van het Zweedse Uppsala, gelooft dat het kan: oorlog voorspellen. 

Oorlogen hebben vaak veel gemeen, zoals een gewelddadig verleden, de aanwezigheid van olie, armoede of een hoge kindersterfte, zegt hij telefonisch. Als je maar genoeg data verzamelt, erachter komt wat hun invloed is op het ontstaan van oorlog en uitvindt hoe ze elkaar beïnvloeden, worden vanzelf patronen zichtbaar die iets kunnen zeggen over de kans op nieuwe geweldsuitbarstingen. 

In 2017 begint Hegre met een groep onderzoekers aan een monsterklus om zijn theorie te testen. Daarvoor delen ze het continent Afrika op in blokken van 2.500 vierkante kilometer. Per blok identificeren ze zo veel mogelijk factoren die het ontstaan van gewapend politiek geweld kunnen beïnvloeden. Deze factoren voorzien ze van waarden voor verschillende voorspellers. Vervolgens zoeken computergestuurde statistische modellen in die gegevens naar patronen, die de onderzoekers associëren met een verhoogd risico op gewapend politiek geweld. 

Die uitkomsten analyseren ze nauwkeurig, om vervolgens nieuwe tests uit te voeren. Telkens halen ze data weg en voegen nieuwe data toe. Zo proberen ze te achterhalen hoe sterk de invloed van de verschillende gebeurtenissen en factoren is op het ontstaan van geweld en hoe ze elkaar beïnvloeden. Dat proces herhalen ze keer op keer, zodat het model steeds nauwkeuriger staat afgesteld.

De eerste resultaten zijn indrukwekkend: het model zit in 96 procent van de gevallen goed

De eerste resultaten van de pilotversie zijn indrukwekkend. Daarin doet het model voorspellingen voor de periode tussen 2015 en 2018, de zogenaamde testdataset, waarin het december 2014 is. Het model voorspelt per land de kans dat er in de komende maand minimaal één dode door gewapend politiek geweld valt. In 96 procent van de gevallen zat het model goed.

In een andere test waarschuwt het model voor het uitbreken van een gewapend conflict in Zuid-Kameroen op basis van een reeks krantenberichten over oplaaiende protesten. Het model pikte deze berichten op en voegde ze toe aan de andere risicofactoren in de relatief stabiele regio. Het model krijgt gelijk: de protesten bleken de aanzet naar een burgeroorlog.

Nieuwe technologie, een berg data en krachtige computers

Mensen zijn slechte voorspellers, schrijven Philip E. Tetlock en Dan Gardner in hun bestseller Superforecasting uit 2015. Of het nou om oorlog, aandelenkoersen of een voetbalwedstrijd gaat: zelfs de meest gelauwerde experts zitten er voortdurend naast. (Sterker, Tetlock ontdekte dat experts er vaker dan andere groepen die hij onderzocht naast zitten. )

Maar sinds de opkomst van nieuwe technologieën is er hoop op betere tijden. De hoeveelheid data die voorhanden is, is groter en gedetailleerder dan ooit. De computers die deze data analyseren, waren nog nooit zo sterk.

Dus investeren inlichtingendiensten, overheden, hulporganisaties, legers, bedrijven en onderzoekers fors in allerlei technologieën die met complexe algoritmes locatiespecifieke risicoanalyses maken over bijvoorbeeld politiek geweld of genocide.

Computers leren zichzelf dialecten om radiozenders automatisch te analyseren op haatpreken

Alles halen ze daarbij uit de kast: satellieten en drones die droogte documenteren, computers die zichzelf dialecten aanleren om radiozenders automatisch te analyseren op haatpreken en gewelddadig extremisme, of computermodellen die geautomatiseerd nieuwsberichten, beurskoersen of berichten op sociale media doorlichten op aanwijzingen van toenemende spanningen. 

Toch konden al deze ontwikkelingen niet voorkomen dat de grootste uitbarstingen van geweld van de afgelopen jaren niet werden voorzien: de Arabische Lente (2011), Mali (2011) en Oekraïne (2013). Deze landen werden in de maanden voordat het misging als midden- tot laag risicogebied ingeschat.

De afgelopen maanden onderzocht ik hoe dat kan. Kunnen we oorlog voorspellen of is dat een hoax? En als we er beter in worden, wordt de wereld daar veiliger van?

Factoren bekend, maar niet wanneer het misgaat

‘Het is alsof we naar een tenniswedstrijd kijken, maar dan met honderd spelers en tien ballen’, zegt Lars-Erik Cederman, hoogleraar International Conflict Research aan de ETH in Zürich, over het voorspellen van oorlogen. 

De meeste gewapende conflicten hebben veel gemeen en er zijn vaak terugkerende patronen te zien, zegt hij. ‘Wat het zo moeilijk maakt, is dat je niet precies kunt zeggen wanneer een conflict uitbarst.’

Dat zet ook het aantal juiste waarschuwingen door Hegre’s model in een iets ander perspectief. Veruit het meeste geweld dat het model juist voorspelde, vond plaats in landen waar al eerder geweld was. Dat is een vaak terugkerend patroon, en daarmee een belangrijke voorspeller van nieuw geweld. Soms vond er in een onrustig land geen geweld plaats, maar gaf het model toch een waarschuwing af. 39 procent van de waarschuwingen bleek achteraf vals alarm. 

Uitbarstingen van dodelijk geweld in landen die voorheen vreedzaam waren komen veel minder voor, maar zijn ook moeilijker te voorspellen. Want ook al nemen de spanning in een vreedzaam land toe, waardoor ook de waarschijnlijkheid dat daar geweld losbarst toeneemt, het is heel moeilijk te voorspellen of het ook echt mis zal gaan, laat staan wanneer dat gebeurt.

Dat leidt tot een ongemakkelijke spanning tussen hen die het verleden proberen te verklaren en hen die de toekomst willen voorspellen

Thomas Chadefaux, universitair docent politieke wetenschappen aan Trinity College Dublin, vergelijkt het voorspellen van oorlog daarom vaak met een aardbeving. ‘We weten heel goed waarom aardbevingen plaatsvinden: twee tektonische platen schuiven tegen elkaar aan, en die druk komt een keer vrij. Maar we zijn heel slecht in het voorspellen wanneer dit gebeurt. Met oorlog is dat een beetje hetzelfde.’

Dat leidt tot een ongemakkelijke spanning tussen mensen die het verleden proberen te verklaren, en mensen die zich bezighouden met het voorspellen van de toekomst, vervolgt hij. ‘Dat is niet noodzakelijkerwijs hetzelfde. Een goed begrip van de onderliggende processen die in het verleden tot oorlog leidden, helpt niet noodzakelijkerwijs bij het voorspellen van oorlogen in de toekomst.’

Een algoritme is geen glazen bol

Neem bijvoorbeeld de Arabische Lente. Met terugwerkende kracht kun je zeggen dat die het gevolg was van jarenlange opgebouwde onvrede, een jonge bevolking, hoge werkloosheid, onderdrukking en vergaande corruptie. De vonk die de regio in vlam zette, kwam eind 2010 vrij toen een jonge straathandelaar zichzelf uit protest in brand stak. 

Maar vooraf is het vrijwel onmogelijk te bepalen welke vonk de regio in brand zet, laat staan wanneer. De situatie in Tunesië verschilde in 2010 niet veel van de vijf of tien jaar daarvoor. En waarom de protesten losbarstten in Tunesië en niet in bijvoorbeeld Marokko, waar de omstandigheden niet veel anders waren, is ook vrijwel onmogelijk te voorzien.

Algoritmes moeten vertrouwen op gebeurtenissen uit het verleden

Dit soort unieke, specifieke momenten, die ontwikkelingen in gang zetten die de loop van de geschiedenis ingrijpend veranderen, maar zo zeldzaam zijn dat ze logischerwijs niet te voorspellen zijn, heten ‘Zwarte Zwanen’. De impact van dit soort gebeurtenissen is zo groot dat veel onderzoekers zich afvragen of de toekomst überhaupt wel te voorspellen is.

Ook zelflerende algoritmes zijn niet in staat om dit soort unieke gebeurtenissen te voorzien, zegt hoogleraar Cederman. Zulke algoritmes moeten vertrouwen op regelmatigheden en gebeurtenissen uit het verleden. Maar als je op historische ervaringen leert bouwen, is het heel moeilijk om gebeurtenissen die daarvan juist afwijken te voorspellen.

Hij vervolgt: ‘Al hadden we alle data ter wereld, dan nog kunnen we nooit een soort glazen bol maken waarmee we met precisie in de toekomst kunnen kijken. Daarvoor is de veelzijdigheid waarop die data combinaties kunnen vormen te complex.’

Toch investeren overheden in voorspellingsmodellen 

Ondanks deze kanttekeningen investeren overheden en inlichtingendiensten overal ter wereld fors in statistische modellen die uitbarstingen van politiek geweld voorspellen. 

In de Verenigde Staten verzamelt de Political Instability Task Force (PITF), onderdeel van de CIA, sinds 1994 wereldwijd data om te achterhalen waar de volgende conflicten zullen ontstaan. De door de Europese Commissie gefinancierde Global Conflict Risk Index (GCRI) berekent het statistische risico van gewelddadige conflicten in een bepaald land tot vier jaar vooruit. Nederland loopt voorop in het gebruikmaken van statistische modellen en werkt daarbij nauw samen met andere gelijkgestemde landen, zoals Duitsland, de VS, en Frankrijk.

Onder het mom ‘voorkomen is beter dan genezen,’ is conflictpreventie een nadrukkelijk doel van het huidige kabinet. De Nederlandse ‘Geïntegreerde Buitenland- en Veiligheidsstrategie 2018-2022’, waarin de internationale aanpak voor de veiligheid van Nederland staat beschreven, is daar een goed voorbeeld van. In het 25 pagina’s tellende document, komt het woord ‘preventie’ 34 keer voor.

Goede voorspellingen dienen ook een strategisch belang

Preventie voorkomt niet alleen veel menselijk leed, het voorkomt ook veel kosten, zegt Bas Bijlsma, beleidsmedewerker bij het ministerie van Buitenlandse Zaken. Oorlog voeren is duur en de bijeffecten zijn kostbaar, zoals bedreiging van handelsbelangen, migratie- en vluchtelingenstromen naar Europa, miljarden investeringen aan noodhulp, opvang in de regio en wederopbouw. 

Goede voorspellingen dienen ook een steeds groter strategisch belang. De oorlog in Oekraïne, de vluchtelingencrisis en de oorlog in Mali raakten ook Nederlandse belangen en deden beleidsmakers beseffen dat ze er eerder bij moeten zijn. Dat besef zorgde voor een omslag in de manier waarop veiligheidsbeleid wordt vormgegeven, zegt Bijlsma. In plaats van ‘reageren’ veranderde de focus naar ‘anticiperen’.

Maar goede voorspellingen alleen zijn niet genoeg om beleid te kunnen maken, benadrukt Bijlsma. Het blijven vooral prognoses. Op basis van die prognoses nemen medewerkers van verschillende ministeries mogelijke scenario’s door, waarbij zij ook informatie meenemen van ambassades, experts en inlichtingendiensten. Steeds staat de Nederlandse veiligheidspositie centraal. Hoe ziet het eruit als het misgaat? Wat kunnen we doen om dat te voorkomen?

Voorspellen is één, beleid uitvoeren is twee

Hoewel preventief beleid wenselijk is, is het vaak lastig uit te voeren, erkent Bijlsma. ‘Voor de politiek is het niet altijd even gemakkelijk voldoende draagvlak te verkrijgen om iets aan te pakken dat nog moet gebeuren.’

Want hoe weet je of dit beleid effectief is? Hoe meet je dat? Pikken kiezers dat wel? Zijn bondgenoten bereid mee te helpen? Bij een missie tegen bijvoorbeeld IS is de noodzaak duidelijk zichtbaar, terwijl dat bij preventief ingrijpen vaak veel minder het geval is, zegt hij. 

Daardoor is het vooral belangrijk om de doelen scherp te stellen, staat in de veiligheidsstrategie. Die doelen lijken niet heel veel te verschillen van de doelstellingen van eerdere kabinetten, zoals: het tegengaan van de grondoorzaken van terrorisme, armoedebestrijding, civiele missies, ontwapening, opbouw van legitieme militaire capaciteiten en het verbeteren van mensenrechten. 

Het is niet meteen duidelijk of regio's waar preventief beleid wordt uitgevoerd ook echt stabieler worden

Het is alleen niet meteen duidelijk of en hoe preventief beleid die doelen dichterbij brengt, laat staan dat de regio’s waar preventief beleid wordt uitgevoerd ook echt stabieler worden.

Vanwege de gevoeligheid van die informatie kan Bijlsma niet specificeren wat er precies gebeurt, bijvoorbeeld tijdens militaire operaties. Voorbeelden die hij wel kan noemen: Nederlandse hulp bij de start van conflictbemiddeling in een Afrikaans land waar uitstel van verkiezingen dreigde te ontaarden in grootschalig geweld, en hulp bij het bewaken van grenzen om te voorkomen dat terrorisme vanuit buurlanden overslaat en nieuwe burgeroorlogen veroorzaakt.

Ook met preventief beleid kan het misgaan

Hoe complex het is om voorspellingen om te zetten in preventief beleid bleek in Hongarije. Daar droeg het Hongaarse ministerie van Defensie in 2013 een groep analisten op een strategische prognose te maken van bedreigingen en mogelijkheden voor de periode 2015-2030.

De analisten waarschuwden voor toenemende migratie uit het Midden-Oosten en groeiende dreiging uit Rusland. Achteraf goed gezien, maar de voorspelling leidde niet tot beleid. Toen de vluchtelingenstroom Hongarije bereikte, was het land niet goed voorbereid en werd in allerijl het leger ingezet om de grenzen te bewaken en een grenshek te bouwen. Te laat: vertraging bij het bouwen van dat grenshek kostte de Hongaarse minister van Defensie in 2015 uiteindelijk de kop.

Dr. Bence Nemeth, onderzoeker aan King’s College London, leidde niet alleen het Hongaarse onderzoek, hij onderzocht ook wat er misging met de voorspellingen. Hoewel hij benadrukt dat het moment van de uitbarstingen niet exact was, zag hij ook dat de voorspellingen verkeerd werden gebruikt door het ministerie van Defensie.

In de militaire manier van denken was er maar één toekomst, voor onderzoekers zijn er verschillende 

Nemeth: ‘Onze belangrijkste conclusie is dat de manier van denken binnen een organisatie een veel grotere rol speelt bij de totstandkoming van beleid dan de voorspellingen zelf. Hoe een organisatie denkt over de toekomst, bepaalt het beleid van de toekomst.’

Die overtuiging leidde er in Hongarije toe dat de voorspellingen hun waarde verloren, vervolgt hij. ‘Voor militairen is de toekomst voorspelbaar als je maar de juiste informatie hebt. In hun manier van denken was er één toekomst, en daar bereidden ze zich op voor. Voor onderzoekers die voorspellingen maken, zijn er verschillende toekomsten, waarbij nooit zeker is welke het wordt.’ 

Nemeth en zijn team accepteerden dat er verschillende scenario’s mogelijk zijn, met als doel de opvattingen van een organisatie te verbreden en gevestigde overtuigingen te bevragen. Hun boodschap was: er zijn ook minder voor de hand liggende scenario’s mogelijk, en voorspellingen kunnen helpen je daarop voor te bereiden.

Niet alleen troffen ambtenaren van het Hongaarse ministerie van Defensie die voorbereidingen niet, ze wuifden de aanbeveling ook weg vanwege de mentaliteit binnen de organisatie. Omdat het tijdens de prognose niet de verantwoordelijkheid van het ministerie van Defensie was om de grens te bewaken, redeneerden defensie-ambtenaren dat het niet in hun belang was om zich voor te bereiden op een mogelijke migratiecrisis. Daardoor schoot de studie zijn doel voorbij.

Nemeth is sceptisch over de waarde van voorspellingen op beleid: ‘Voorspellingen spelen een rol bij de totstandkoming van beleid, maar ze zijn niet de invloedrijkste factor. Een veel grotere impact hebben factoren als politieke belangen, de invloed van lobbygroepen, de cultuur binnen een organisatie of de vrees om kiezers te verliezen. Soms worden voorspellingen gebruikt als het uitkomt, en genegeerd als het niet uitkomt.’

Model voor een vreedzamere toekomst 

Die scepsis wordt gedeeld door onderzoeker Hegre. Een van de deprimerendste uitkomsten van zijn onderzoek naar Afrika is dat conflictpatronen vrij statisch zijn, zegt hij. ‘De plekken waar we de komende twee, drie jaar het meeste geweld verwachten, zijn ook de plekken waar al jaren oorlog is, zoals: Oost-Congo, Mali, noordoostelijk Nigeria, Somalië, Darfur en Zuid-Soedan.’

Toch gelooft hij dat zijn modellen kunnen bijdragen aan een vreedzamere wereld. In de eerste plaats om nieuw geweld te voorkomen op plekken waar al oorlog is. Om hulpverleners te helpen die nieuwe uitbarstingen van geweld proberen te voorkomen, hulpgoederen beter en sneller toe te wijzen als het ergens mis dreigt te gaan of om een beter beeld te krijgen van de mogelijke scenario’s als ergens een vredesmissie wordt ingezet, zegt hij.

Zelfs sommige zwarte zwanen zijn door betere data en technologische innovaties beter te voorspellen

Betere data en toekomstige technologische innovaties maken voorspellingen over veelvoorkomende patronen van geweld steeds beter mogelijk. Waardoor het ook steeds beter mogelijk wordt om ons daarop voor te bereiden, meent hij.

Minder vaak voorkomende patronen van geweld, zoals het ontstaan van conflicten op plekken waar het voorheen vreedzaam was, of zelfs sommige Zwarte Zwanen, worden door die ontwikkelingen mogelijk ook beter te voorspellen, denkt hij.

Daarvoor is het vooral belangrijk om zorgvuldig te kiezen wat het model voorspelt, om die resultaten vervolgens te gebruiken om te achterhalen op welke manier ze veelzeggende patronen beïnvloeden. De protesten in Zuid-Kameroen die de aanzet bleken naar een burgeroorlog dienen daarbij als inspiratie.

Hegre: ‘Door voort te bouwen op dat soort kleine gebeurtenissen, proberen we grotere gebeurtenissen te voorspellen. Daarvoor delen we het programma op in kleine delen, zoals een serie protesten of een moord, en trainen het model in verschillende scenario’s om te achterhalen wat er dan gebeurt. Daar worden we steeds beter in. Ik geloof dat we die grens nog een stuk kunnen verleggen.’

Hij vervolgt: ‘Sommige grote politieke omslagmomenten kunnen we misschien nooit voorspellen, maar als we erin slagen onze modellen steeds een stukje te verbeteren, ben ik ervan overtuigd dat dit dodelijk geweld kan voorkomen. Dat is voor mij genoeg om door te gaan met mijn onderzoek.’

Correctie: 31-07-2019: In een eerdere versie stond dat 30 procent van de waarschuwingen vals alarm bleek. Dat moet zijn: 39 procent.

Verder lezen: