Размещено на http://www.allbest.ru/

Содержание

Введение

1. Теоретические основы использования систем искусственного интеллекта в уголовном производстве

1.1 Сущность и содержание систем искусственного интеллекта

1.2 Отечественная и зарубежная практика использования систем искусственного интеллекта в уголовном процессе

1.3 Алгоритм создания и использования системы искусственного интеллекта в деятельности по выявлению и расследованию преступлений

2. Потенциал систем искусственного интеллекта в деятельности по выявлению и расследованию преступлений

2.1 Формы использования систем искусственного интеллекта в деятельности по выявлению и расследованию преступлений

2.2 Возможности экспертных систем при версионном анализе криминальной ситуации и анализе следовой информации о преступной деятельности

2.3 Система поддержки принятия тактических решений при производстве по уголовному делу

Заключение

Список литературы

Введение

В настоящее время не существует единого определения, которое однозначно описывает эту научную область. Почти два десятка лет определение, предложенное в 1989 году А. Барром и Е. Фейгенбаумом, не оспаривается никем: «Искусственный интеллект (ИИ) -- это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, т. е. систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, -- понимание языка, обучение, способность рассуждать, решать проблемы и т. д.». Другая формулировка этого определения предлагается в учебном пособии Т. А. Гавриловой: «Искусственный интеллект -- направление информатики, цель которого -- разработка аппаратно программных средств, позволяющих пользователю непрограммисту ставить и решать свои традиционно считающиеся интеллектуальными задачи, при этом общение ведется на ограниченном подмножестве естественного языка». Третья точка зрения основана на том, что в результате исследований, проводимых в области ИИ, появляется множество прикладных систем, способных решать задачи, для которых ранее создаваемые системы были непригодны. Эти определения очень хорошо обозначают область знаний, связанных с задачами искусственного интеллекта. Теория искусственного интеллекта тесно связана с лингвистикой, психологией и логикой, которые изучают явления, относящиеся к познанию, пониманию и умозаключениям.

Цель ИИ - лучше понять функционирование человеческого разума, способного управлять большим объемом элементарных составляющих информации и решающего три фундаментальные проблемы: сформулировать -- запомнить -- использовать. Задачи искусственного интеллекта обладают двумя характерными особенностями: используется информация в символьной форме и предполагается наличие выбора между многими вариантами, иногда в условиях неопределенности.

Цель работы - рассмотреть искусственный интеллект в деятельности по выявлению и расследованию преступлений.

Задачи:

- раскрыть сущность и содержание систем искусственного интеллекта

- изучить отечественную и зарубежную практику использования систем искусственного интеллекта в уголовном процессе

- исследовать алгоритм создания и использования системы искусственного интеллекта в деятельности по выявлению и расследованию преступлений

- изучить формы использования систем искусственного интеллекта в деятельности по выявлению и расследованию преступлений

- исследовать возможности экспертных систем при версионном анализе криминальной ситуации и анализе следовой информации о преступной деятельности

- проанализировать систему поддержки принятия тактических решений при производстве по уголовному делу

Объектом в работе является искусственный интеллект. Предметом - искусственный интеллект в уголовном процессе.

Структурно работа состоит из введения, двух глав, заключения и списка литературы.

1. Теоретические основы использования систем искусственного интеллекта в уголовном производстве

1.1 Сущность и содержание систем искусственного интеллекта

Искусственный интеллект (ИИ) представляет собой научное направление, которое находится на стыке целого ряда дисциплин, таких как: информатика, философия, кибернетика, психология, математика, физика, химия и др. Изучение вопросов искусственного интеллекта стало возможным лишь к середине XX века, после того, как был накоплен необходимый объем знаний в соответствующих научных сферах. Инициирующим фактором к бурному развитию ИИ можно считать создание первых компьютеров, которые послужили базой для дальнейших исследований. Возможности новых машин в плане точности и скорости вычислений оказались больше человеческих, что открыло широкие перспективы в создании разумных машин, общественность охватила эйфория. В учёном сообществе возник такой вопрос: каковы границы возможностей компьютеров и достигнут ли машины уровня развития человека? Ответ на этот вопрос тесно переплетается с понятием уровня интеллекта.

Одной из классических оценок интеллектуальности машины является тест, который предложен известным английским учёным Аланом Тьюрингом и опубликован им в 1950 году. Его смысл состоит в следующем -- компьютер можно будет считать наделенным интеллектом сравнимым с человеческим тогда, когда взаимодействующий с ним человек не сможет определить с кем именно он разговаривает, с другим человеком или компьютерной программой. При этом предполагалось, что всё общение происходить лишь по средствам передачи текстовых сообщений, для того, чтобы человек мог целиком сосредоточиться на содержании разговора. Человек, в свою очередь, мог задавать любые вопросы, которые, по его мнению, смогут раскрыть сущность собеседника.

Искусственный интеллект на сегодняшний день -- одна из передовых областей исследований ученых. В самых различных областях науки и техники необходимо выполнение машинами тех задач, которые ранее были под силу только человеку.

Системы, как программные, так и аппаратные, созданные на основе искусственного интеллекта находят все большее применение в технике. Системы ИИ неотъемлемы на производстве. Именно они собирают и обрабатывают диагностическую информацию о процессе производства. Такой поток данных не в силах обработать ни один человек. Без множества интеллектуальных устройств невозможно представить современный автомобиль. Датчики дождя и парковки, автозатемнение зеркал, распознавание наличия пассажиров и препятствий [4]. Интеллектуальные системы всё плотнее входят в повседневную жизнь -- элементы ИИ можно встретить даже в бытовых приборах.

Отдельно стоит отметить программные средства. К ним в первую очередь относятся экспертные системы и системы распознавания образов. Экспертные системы могут воплощать в себе огромные объемы знаний и навыков, присущих эксперту-человеку или группе специалистов. Эти системы, даже с присущими им ограничениями, представляют большую ценность, в частности, в геологии, в медицинской диагностике, а также в некоторых других областях [4].

Особое место ИИ-системы занимают в химической промышленности. Их применяют для идентификации структур молекул по опытным данным, прогнозирования реакционной способности и физических свойств химических соединений, планирования сложного синтеза, планирования сложных физико-химический экспериментов.. Интеллектуальные системы помогают при планировании работы в сложных ситуациях, например, составлении графиков функционирования и циклограмм химико-технологических систем и сборочно-конвейерных линий [3].

Можно выделить несколько направления развития ИИ:

1. Нисходящее (семиотическое) -- создание экспертных систем, систем логического вывода и баз знаний, которые имитируют высокоуровневые психические процессы: мышление, рассуждение, эмоции, речь, творчество и т. д.;

2. Восходящее (биологическое) -- изучение нейронных сетей и эволюционных вычислений, моделирующих интеллектуальное поведение на основе биологических элементов, а также создание соответствующих вычислительных систем, таких как биокомпьютер или нейрокомпьютер.

Проведение любых исследований в области ИИ связано с рядом трудностей. Во-первых, присутствует отсутствие полного и однозначного представление о принципах функционирования человеческого мозга, процессах, протекающих в нем. Это преподносит затруднения в использовании восходящего подхода. Во-вторых, между естественным и искусственным интеллектами существует принципиальное отличие. Человеческий мозг оперирует структурными, неделимыми единицами -- «образами», представляющими из себя сжатый поток сенсорной информации, в то время как искусственный интеллект сегодня реализует противоположный подход, используя только «нуль» и «единицу». Поэтому формализация «образов» представляет сложную задачу. Этим обусловлены трудности в применении нисходящего подхода [2].

При проведении экспериментов установлено, что нейронная структура мозга, с точки зрения способа проведения вычислений, устроена принципиально иначе, чем техническая среда. Вид преобразований мозговых сигналов зависит не только от способа изменения некоторых частотно-временных параметров, как это выполнено в технических устройствах, но и от пространственного положения участвующего в выполнении операции обработки данных нейрона. В нейронной среде реализован детекторный принцип обработки данных, когда каждый нейрон отвечает за строго определенные признаки процесса или явления. Именно поэтому мозг нуждается в таком огромном количестве нейронов [2].

Ответ на вопрос: может ли компьютер мыслить, зависит сегодня только от того, какой смысл вкладывается в понятие «мышление». Если имеется ввиду способность к формальному логическому мышлению или выполнению сложных математических операций, то ответ будет положительным. Если же под мышлением понимают процесс создания новых понятий, которые выходят за рамки формальных математических и логических операции, состоящих в сопоставлении нескольких областей знаний и нахождении существенных аналогий между ними, то для современных интеллектуальных систем ответ будет отрицательным.

Существует несколько наиболее часто встречающихся мнений о будущем искусственного интеллекта.

Сторонники первого взгляда придерживаются концепцию компьютерного агностицизма и утверждают, что технические устройства никогда не смогут достигнуть уровня человеческого сознания и между ними стоит непреодолимая стена. В качестве доказательств отсутствия возможности процессов мышления, протекающих в живом мозге, приводятся экспериментальные данные, которые свидетельствуют о чрезвычайно сложной системной организации нейронных связей в структурах мозга.

Последователи второй концепции считают, что достижение результатов, которые сопоставляются с деятельностью человеческого разума, лишь вопрос времени и будет связано, в основном, с увеличением быстродействия электронно-вычислительных устройств.

Для таких высказываний сегодня присутствуют некоторые основания. На сегодняшний день созданы огромные базы знаний и мощные экспертные системы, которые содержат тысячи правил и которые способны решать некоторые задачи лучше, чем человек. Существуют компьютерные системы, которые читают газетный шрифт человеческим голосом в режиме реального времени и выполняют переводы технической литературы высокого качества. Эти и многочисленные другие факты лежат в основе мнения, что трудности на пути создания искусственного интеллекта, превосходящего по мощи и творческим возможностям человеческий, носят временный характер и связаны лишь с техническими проблемами.

Наиболее развивающимися на сегодня направлениями в познании ИИ, счиаются нейронные сети, эволюционные вычисления, экспертные системы.

Исследования вопросов искусственного интеллекта являются одними из наиболее важных и перспективных в современной науке. На реализации технологий искусственного интеллекта уже сейчас имеется большой спрос, который в дальнейшем будет лишь увеличиваться. За тот относительно небольшой интервал со времён первых разработок, ИИ-технологии прошли огромный путь, внеся колоссальный вклад в социальную жизнь. Например, дали возможность упростить управление сложными устройствами, снизив требования к техническому уровню потенциальных пользователей. Так же ИИ-технологии нашли широкое применение в науке.

1.2 Отечественная и зарубежная практика использования систем искусственного интеллекта в уголовном процессе

Юридические отделы ведущих компаний России уже сегодня выполняют множество рутинных операций с помощью специально разработанного программного обеспечения. Государственные органы также активно переходят на электронный документооборот. В ближайшем будущем юридическая деятельность без автоматизированных программ будет также неэффективна, как и бухгалтерия в Excel.

Как хорошо известно, компьютерная отрасль развивается невероятными темпами и некоторые иностранные компании разработали виртуальных юридических помощников. Так весной 2016 года первый робот-программа c именем Ross "заступил" на работу в крупную зарубежную юридическую компанию и выполняет операции, связанные с поиском наиболее релевантной информации. Сегодня уже несколько юридических компаний внедрили программу и отметили ее эффективность.

Также активно используются самообучающиеся программы для сканирования контрактов и прочей документации с выявлением необходимых данных по заданным критериям. Эксперты утверждают, что с помощью данного софта экономия во времени работы юристов составляет от 20 до 90%. Но, самое главное, что растет качество выполняемой работы за счет сокращения ошибок.

Подобные изменения неизбежно окажут влияние на работу юристов. Многие рутинные операции уйдут в сферу деятельности специализированных программ, а сами юристы смогут сосредоточиться на более интересной и сложной части своей работы.

Искусственный интеллект (ИИ) всё чаще оказывается задействован в самых разных областях деятельности. Теперь результаты работы ИИ начали использовать и в американских судах.

Судебная система США предполагает, что задержанный предстаёт перед судьёй вскоре после ареста. Судья назначает дату суда -- иногда до неё должно пройти несколько недель или месяцев. Кроме того, судья должен решить, следует ли подозреваемому оставаться под стражей в ожидании суда -- или его можно отпустить, например, под подписку о невыезде.

Во многих судах США практикуется система залога, причём сумму, которую задержанный должен уплатить, чтобы не сидеть в тюрьме в ожидании суда, также определяет судья. Если, по мнению судьи, шансы, что подозреваемый попытается сбежать, высоки, сумма также будет немаленькой.

В некоторых судах США судьи начали использовать ИИ, чтобы упростить процесс принятия решений. Теперь искусственный интеллект «помогает» решить, в каких случаях -- и на сколько -- подозреваемых следует задерживать.

Чтобы создать такой ИИ, специалисты загрузили в компьютер данные тысяч уголовных дел. Эти данные используются, чтобы оценить вероятность, с которой подозреваемый совершит новое преступление или попытается сбежать от суда.

Одна из таких систем искусственного интеллекта получила название «Система оценки общественной безопасности» (Public Safety Assessment, PSA). PSA была разработана частным Фондом Лауры и Джона Арнольдов (Laura and John Arnold Foundation). По словам создателей системы, этот ИИ был разработан таким образом, чтобы обеспечить судей объективной информацией и помочь им в принятии адекватных решений относительно подозреваемых.

Судьи штата Нью-Джерси и некоторых других штатов уже начали использовать PSA в своей работе.

Процесс «оценки» задержанного начинается уже в тот момент, когда полицейские снимают отпечатки пальцев. Информация о подозреваемом поступает в централизованную систему, а на первом слушании судье предоставляется оценка риска. Задержанных, набравших небольшое число баллов, обычно отпускают до следующего слушания.

Судья Эрнест Капосела (Ernest Caposela) рассказал Associated Press, что поддерживает усилия властей штата по обеспечению судей возможно более полной информацией, способной помочь судьям в принятии адекватных решений.

Некоторые эксперты оценили способность новой системы одновременно убирать опасных людей с улиц и отпускать тех, кто не представляет угрозу общественной безопасности. Также утверждается, что использование ИИ в судебной системе поможет преодолеть стереотипы, связанные с расовой принадлежностью, полом или внешностью подозреваемого. При оценке рисков ИИ берёт в расчёт такие факторы, как возраст и криминальное прошлое -- но не пол, расу или место жительства.

Критики же обеспокоены тем, что ИИ в конце концов может заменить решения самих судей в том, что касается предварительного заключения. Действительно, по мнению Кристиана Хаммонда (Kristian Hammond) из Северо-Западного университета (Northwestern University), сооснователя компании, разрабатывающей ИИ, опасность в том, что судьи могут отказаться от критического мышления в погоне за готовыми ответами.

Хаммонд рассказал Associated Press, что решение -- «перестать создавать коробки, выдающие ответы». Вместо этого судьям нужны «коробки, дающие ответы и пояснения, а также задающие вопрос, нужно ли что-либо изменить».

Фонд Арнольдов подчёркивает, что PSA разработан только для помощи в вынесении приговоров по предварительному заключению, а не для определения реальных сроков.

1.3 Алгоритм создания и использования системы искусственного интеллекта в деятельности по выявлению и расследованию преступлений

В некоторых сферах человеческой деятельности отдельные системы искусственного интеллекта уже активно используются или начинают внедряться, к примеру в банковской сфере1, военных технологиях2, рекламной, страховой деятельности и т. д. Криминалистика всегда отличалась высокой восприимчивостью к технологиям, потенциально полезным в выявлении и раскрытии преступлений, так что рассмотрение перспектив использования искусственного интеллекта должно представлять для нее интерес.

Под искусственным интеллектом традиционно понимают компьютерные программы, программные комплексы, способные не просто действовать по заранее заданному алгоритму, но и реализовывать такие имманентные человеку творческие функции, как прогнозирование, оценка рисков, работа с неполными данными и т. д.

Известный исследователь искусственного интеллекта Дж. Коупленд предлагает два подхода к его пониманию: «нисходящий» (Top-Down) и «восходящий» (Bottom-Up) [Copeland 2000]. В рамках первого подхода речь идет о прикладном моделировании отдельных компонентов (процессов) человеческого мышления в целях решения узкоспециализированных, частных задач. Применительно к вопросам обеспечения деятельности по раскрытию и расследованию преступлений такой подход к пониманию искусственного интеллекта уже активно используется при разработке и внедрении экспертных систем, автоматизированных баз данных и пр. С точки зрения восходящего подхода к пониманию искусственного интеллекта последний предполагает уже полноценное поведение или мышление, т. е. комплексную оценку входящих сообщений и принятие на их основе взвешенных решений в условиях неполной, фрагменти-рованной информации.

У истоков криминалистического программирования и компьютеризации расследования стояли Г. А. Густов [Густов 1993], Л. Г. Видонов [Видонов 2003], В. Ф. Робозеров [Робозеров 1991], А. С. Шаталов [Шаталов 2000], посвятившие свои работы как общим методам программирования деятельности следователя, так

и частным криминалистическим алгоритмам расследования отдельных преступлений, в основном насильственного характера.

Современной криминалистике известны разные проекты, компьютеризирующие решение некоторых задач, возникающих в процессе раскрытия и расследования преступлений. Наиболее известными являются проект ученых Нижегородского университета им. Лобачевского «ФОРВЕР», позволяющий формировать наиболее перспективные версии о личности преступника [Фесик 2011], и реляционная база данных, которую создал по материалам следственной практики К. А. Нелюбин и в которую в систематизированной форме были занесены основные элементы криминалистической характеристики

Программы по выдвижению следственных версий могут вполне справляться с типичными версиями, однако при необходимости выдвижения нетипичных версий их потенциал значительно уменьшается

убийств, обеспечивающие эффективность расследования убийств на территории Свердловской области [Нелюбин 2014]. Преимуществом этих проектов можно считать их ориентированность на выдвижение обоснованных высоковероятных версий, определяющих, как верно заметил И. М. Лузгин, «вероятностный характер перспективного моделирования, возможный круг источников и содержание доказательств» [Луз-гин 1981: 88].

Помимо этого в практике раскрытия и расследования преступлений активно используются автоматизированные информационно-поисковые системы, позволяющие получать информацию о возможных направлениях расследования: система «Блок», обеспечивающая информационное криминалистическое сопровождение расследования экономических преступлений;

система «Маньяк», обеспечивающая получение информации при расследовании серийных убийств на сексуальной почве;

система «Спрут», помогающая установить контактные связи преступников;

система «Сейф», в которой систематизируется информация о хищениях денежных средств из хранилищ;

географическая информационная система «Зеркало», оперирующая пространственными (фактографическими и статистическими) данными, и др.

Указанные базы данных и программные комплексы основаны на «нисходящем» подходе к пониманию искусственного интеллекта, поскольку ориентированы на решение либо одной конкретной задачи, либо группы однородных задач. К примеру, программы по выдвижению следственных версий могут вполне справляться с типичными версиями, однако при необходимости выдвижения нетипичных версий их потенциал значительно уменьшается. Деятельность следователя, в свою очередь, может быть представлена в качестве нелинейного комплекса операций по решению задач раскрытия и расследования преступлений, характеризующегося динамичностью и претерпевающего воздействие случайных и псевдослучайных факторов, которые затрудняют быстрое и эффективное познание обстоятельств, составляющих предмет доказывания. Соответственно актуален вопрос создания программных комплексов, чьи возможности сложной эвристической обработки информации максимально приближены к возможностям криминалистического мышления следователя.

Человеческое мышление и его специализированные типы, к которым относится и криминалистическое мышление, основаны на электромагнитном или химическом перемещении ионов между синапсами, представляющими собой точки контактного взаимодействия нейронов головного и спинного мозга. Закономерно, что на ранних этапах создание искусственного интеллекта может заимствовать архитектуру построения способа обработки информации человеческим мозгом. В настоящее время наиболее эффективный способ организации искусственного интеллекта - искусственные нейронные сети. Несмотря на существование математических методов решения многих следственных задач, пока превосходящих возможности искусственных нейронных сетей, последние «благодаря универсальности и перспективности для решения глобальных задач, например построения искусственного интеллекта и моделирования процесса мышления... являются важным направлением исследования, требующим тщательного изучения» [Лабинский, Подружкина 2015: 59].

Для целей правовых отраслей знания, в том числе криминалистики, искусственные нейронные сети можно рассматривать как программные или аппаратные комплексы простых обработчиков данных, способных обмениваться друг с другом сигналами и при достаточно развитой структуре и настроенной логике взаимодействия решать сложные задачи. Специфику искусственных нейронных сетей обусловливают простота каждого их элемента (искусственного

нейрона), их взаимозаменяемость и взаимосвязь. Каждый кластер информации, загружаемый в сеть, сопоставляется с другими кластерам, на основе чего генерируется решение задачи. Рабочая искусственная сеть может содержать десятки и сотни слоев (уровней оценки и проверки), обеспечивающих комплексное рассмотрение любых факторов, что позволяет решать крайне сложные задачи, в том числе по раскрытию и расследованию преступлений.

Основным качеством искусственных нейронных сетей, выгодно отличающим их от большинства более привычных программных комплексов, является их способность к адаптивному ситуационному обучению. Это выражается в том, что создатель сети задает общие правила анализа данных и предоставляет данные для обучения. Последние должны быть непротиворечивыми и предельно достоверно отображать характеристики анализируемого процесса или явления. К таким данным можно отнести сведения о раскрытых и нераскрытых преступлениях, механизме и обстановке их совершения, наличию и характеристике связей между преступником и потерпевшим и т. д.

Работа искусственной нейронной сети основана на интеллектуальном эвристическом анализе данных, который гораздо более эффективен, чем методы математической статистики, используемые в большинстве криминалистических программных комплексов. В этом отношении искусственные нейронные сети гораздо ближе к человеческому мозгу, поскольку способны выявлять скрытые, неочевидные связи и закономерности, подобно тому как талантливый следователь может связать в единую картину разрозненные обстоятельства совершения преступления, известные следствию.

Следующее качество искусственных нейронных сетей, закономерно вытекающее из предыдущего, заключается в их устойчивости к информационным шумам, в том числе дезинформации, за счет комплекса эвристических операций по обработке загружаемых сведений. Этим же фактором обусловлено низкое число ошибок и его дальнейшее снижение по мере наращивания информации в сети (обучения) и уточнения алгоритмов обучения и извлечения данных.

Обучаемость может рассматриваться одновременно как достоинство и недостаток искусственных нейронных сетей. Преимущество заключается, как уже было сказано, в поступательном снижении числа ошибок и накапливании сетью «опыта» решения разнообразных задач. Однако оборотной стороной медали выступают низкая скорость обучения и необходимость загрузки в сеть большого объема информации. Для создания подобной системы «должна быть проведена значительная работа по обработке материалов уголовных дел по отдельным видам преступлений с целью их анализа и выделения исходной информации, включающей: обстановку совершения преступления, способ совершения преступления, типовые следы, обстоятельства, подлежащие установлению, информацию о личности потерпевшего и преступника» [Грицаев, Помаза-нов, Заболотная 2015: 496]. Информация, загружаемая в сеть, должна быть проверенной и внутренне непротиворечивой. Кроме того, необходима тщательная разработка системы приоритетов (весов), согласно которым искусственная ней-

Искусственные нейронные сети способны выявлять скрытые, неочевидные связи и закономерности, подобно тому и как талантливый следователь может связать в единую картину разрозненные обстоятельства совершения преступления ронная сеть будет осуществлять моделирование и оценку разнообразных вариантов решения поставленных задач. Для определения направления поиска разумным представляется использование математического аппарата байесовского поиска, позволяющего рассчитывать множество переменных и их зависимостей, к примеру вероятность правдивости отдельных показаний в зависимости от сложившейся следственной ситуации и других показаний, имеющихся в деле.

Процесс создания искусственной нейронной сети состоит из ряда этапов.

На первом этапе происходят сбор и обобщение данных, которые впоследствии будут использованы для обучения сети. При этом необходимо загружать данные в сеть таким образом, чтобы несвязанные кластеры информации нельзя было перепутать. В частности, искусственная нейронная сеть в процессе обучения должна четко различать орудие непосредственного совершения преступления (например, при убийстве - нож) и средство обеспечения совершения преступления (например, веревка, с помощью которой ограничивалось сопротивление потерпевшего). В противном случае возможна неверная интерпретация данных и, как следствие, ошибка при анализе ситуации.

Значительные сложности могут возникнуть именно на этом этапе, поскольку для создания достаточного массива данных требуются анализ и трансформация в цифровую форму предель- но детализированных материалов по сотням (а желательно тысячам и десяткам тысяч) схожих уголовных дел, что к настоящему времени является трудновыполнимой, хотя и решаемой задачей.

На втором этапе осуществляется выбор топологии (внутренней архитектуры) искусственной нейронной сети и подбор параметров обучения; формируется «скрытый слой». К примеру, сеть, ориентированная на поиск признаков серийности или объединение разнородных эпизодов преступления, должна содержать правила синтеза или дифференциации информационных кластеров. Также сеть может быть настроена либо на постоянное обновление алгоритмов обучения путем вмешательства оператора сети (разработчика), либо на самостоятельное развитие по заранее заданным параметрам. В основе «скрытого слоя» искусственной нейронной сети, обученной или обучаемой решать криминалистические задачи, должны быть учтены основные методы криминалистического мышления: как чисто логические (анализ, синтез, традукция, индукция и т. д.), так и психологические и эвристические (сомнение, уверенность и пр.).

На третьем, заключительном, этапе подготовки искусственной нейронной сети происходит непосредственно обучение, за которым следует проверка его адекватности, т. е. соответствия целям создания сети. Проверка должна основываться на примерах, не включенных в массив для обучения, поскольку работоспособность искусственной нейронной сети можно оценить только в «полевых» условиях.

2. Потенциал систем искусственного интеллекта в деятельности по выявлению и расследованию преступлений

2.1 Формы использования систем искусственного интеллекта в деятельности по выявлению и расследованию преступлений

Переход от традиционной индустриальной эпохи в эпоху информационных технологий стал закономерным последствием повсеместного оцифровывания человеческой жизнедеятельности и тотальной информатизации и компьютеризации общественных отношений. Указанная тенденция коснулась и криминальной сферы. Значительная часть совершаемых преступлений прямо или косвенно основывается, как бынесообразно это не звучало, на последних разработках науки и техники. Так, согласно официальным данным за 2017 год, преступлений, совершенных с использованием компьютерных и телекоммуникационных технологий, насчитывается 90587 [19].

На этом фоне остается крайне низкими основные показатели деятельности субъектов выявления, раскрытия и расследования преступлений. В частности, до 43% снизился общий уровень раскрываемости преступлений, где на самом низком уровне находится раскрываемость преступлений против собственности, совершаемых именно с использованием компьютерных и телекоммуникационных технологий [12]. Подобная ситуация не может оставаться не замеченной не только уполномоченными государственными органами, но и представителями научного сообщества. Наша задача найти своевременное научно-обоснованное решение создавшейся проблемы.

И в данных условиях, на первый взгляд, предложения о замене традиционной фигуры следователя на определенного программиста, специалиста по информационной безопасности (профессионального «анти-хакера»), расследующего уголовные дела не следственным путем звучат не совсем абсурдно [11]. Но до тех пор, пока не задумываешься о том, что разве может цифровизация служит аргументом для полного отказа от следственной власти? На наш взгляд, не допустимо цифровизацию уголовного процесса ставить в противовес следственной деятельности, поскольку это не взаимоисключающие, а взаимодополняющие понятия. Причем вопрос снижения качества расследования и низкого уровня раскрываемости не может строиться на подобных манипуляциях с человеческими ресурсами и требует более системного решения, нежели элементарного приспосабливания уголовно-процессуального механизма к цифровой реальности.

Так называемую цифровую реальность следует понимать не как веяние моды, не как некий тренд, а как закономерное явление, разрастающееся вне зависимости, желаем ли мы его наступления или нет. Причем субъекты преступной деятельности в этой сфере по умолчанию будут опережать субъектов выявления, раскрытия и расследования преступлений, поскольку их стимулирует нечто большее, чем показатели раскрываемости.

По нашему мнению, имеющаяся система показателей, по которым оценивается деятельность правоохранительных органов, в частности, органов предварительного следствия, изначально дефектна: она заставляет следователей стремиться не к восстановлению нарушенных прав и свобод или защите от необоснованного ограничения прав и свобод, а к направлению уголовного дела с обвинительным заключением сначала к прокурору, а после - в суд. Такая практика негативно сказывается на всей системе правосудия. Исходя из этого, полагаем, что требуется пересмотреть направления оценки деятельности субъектов расследования. На это обращалось внимание и на расширенной коллегии МВД России, где в ходе своего выступления Президент РФ отметил, что «…сложилась практика оценивать работу дознавателя, следователя по количеству дел, переданных в суд, в том числе дел, которые должны быть прекращены по нереабилитирующим основаниям. Таких дел - около четверти от всех, что оказались или оказываются в суде, и фактически уже на стадии следствия ясно, что они не имеют перспективы для вынесения приговора, не имеют судебной перспективы» [12]. Достаточно существенный аргумент для реформирования системы отчетности в органах предварительного расследования.

Однако нецелесообразная система показателей не единственная проблема, которая лежит в основе низкой раскрываемости. Слабый уровень подготовки правоприменителей, следственная и судебная волокита, зависимое положение субъектов расследования, коррупционные риски уголовно-процессуальной деятельности и уголовно-процессуального закона и многие другие факторы влияют на качество деятельности по выявлению, раскрытию и расследованию преступлений. Достаточно ли для этого наличие таланта и профессионализма у сотрудников? Считаем, что нет. Более того, полагаем, что указанная деятельность не может обеспечиваться исключительно интеллектуальными возможностями отдельных оперуполномоченных, дознавателей, следователей, руководителей следственного органа и т.д. Для построения эффективной системы защиты прав и свобод личности от преступных посягательств не стоит рассчитывать лишь на самого себя или же на глупость преступника. Учитывая сложность противодействия преступлениям, совершаемым с использованием компьютерных и телекоммуникационных технологий, надеется на ошибки или некомпетентность криминала просто не разумно. Необходима качественно новая система интеллектуального обеспечения оперативно-розыскной и уголовно-процессуальной деятельности, в том числе основанная на возможностях искусственного интеллекта.

«Искусственным интеллектом, или ИИ (Artificial Intelligence - AI), называют процесс создания машин, которые способны действовать таким образом, что будут восприниматься человеком как разумные» [13, с. 15]. Данная система представляет собой направление разработки компьютерных функций, связанных с человеческим интеллектом, таких как: рассуждение, обучение и решение проблем. Иными словами, искусственный интеллект - это перенос человеческих возможностей мыследеятельности в плоскость компьютерных и информационных технологий, но уже без свойственных человеку пороков.

Потенциал искусственного интеллекта успешно реализовывается в различных сферах: образование, медицина, робототехника, экономика, в особенности банковская деятельность, промышленность, сельское хозяйство, а также человеческий быт и многие иные сферы человеческой жизнедеятельности. В последние годы весьма активно заговорили о возможностях искусственного интеллекта и в юриспруденции. В частности, был проведен эксперимент по сравнению интеллекта юристов (профессоров юриспруденции из Стэнфорда и университета Южной Калифорнии) и искусственного интеллекта, разработанного юридической ИИ-платформой LawGeex, которая способна читать и интерпретировать сложные юридические документы. По результатам люди набрали в конкурсе 85%, но их полностью обставил искусственный интеллект, который набрал 95%. К тому же в среднем людям понадобилось 92 минуты для анализа контрактов, тогда как искусственный интеллект справился за 26 секунд [15]. Разумеется, подобные результаты не стоит воспринимать однозначно, поскольку использованный в эксперименте искусственный интеллект производил лишь контекстный поиск и не способен оценивать документ в совокупности и в соотношении с иными данными. Однако это не самые продвинутые системы искусственного интеллекта, которые возможны в принципе. Следует признать, что в целом потенциал подобных систем крайне высок и имеются основания рассуждать об определенном преимуществе над человеческимиресурсами. Все это связано с тем, что человеческая мыследеятельность несовершенна и реализуется не в полном объеме. С.Б. Вепрев и С.А. Нестерович полагают, что «…ограниченные возможности человеческого мозга принуждают его осуществлять вербальное перекодирование исходной информации в сгустки насыщенной информации, при использовании уникальных возможностей человеческой речи. Человеческие рассуждения по своей природе, в большинстве случаев, являются приближенными» [10, с. 990-991]. Если говорить непосредственно о правоприменительной деятельности, то справедливо можно заметить, что «среднестатистический правоприменитель интеллектуально не успевает за изменениями в законодательстве и, к тому же, у него так и не сформировалась мотивация к точному исполнению закона» [16, с. 88].

В этой связи здесь необходимо оговориться относительно будущего самих субъектов выявления, раскрытия и выявления преступлений в случае обширного введения систем искусственного интеллекта в правоохранительную среду: наша позиция состоит в том, что искусственный интеллект - это атрибут современной и эффективной оперативно-розыскной и уголовно-процессуальной деятельности, а не основание для отказа от должностных лиц. Несмотря на то, что, как указывает С.В. Власова, «цифровые технологии вытесняют людей из целого ряда сфер деятельности, включая некоторые сегменты юридической, уголовно-процессуальной деятельности, доказывания - «интеллектуальными агентами» [11], мы считаем, что потенциал искусственного интеллекта должен использоваться в той степени, которая позволит успешно реализовывать возложенные функции, а не в противовес имеющейся системе.

В частности, по мнению О. Бяхова, в юриспруденции это будет происходить по принципу «robots will take your work, not your jobs», то есть роботы будут брать на себя рутинные операции, но не отнимать рабочие места у людей. Речь идёт о роботизации таких процессов, как управление затратами на приобретение доступа к информации, поиск правильной внешней экспертизы для получения доказательной юридической базы и определение соответствия документов нормативным требованиям. Иными словами, искусственный интеллект возьмет на себя то, что приносит юристам наименьшее профессиональное удовлетворение, позволяя им креативно заняться бесчисленными новыми вызовами, которые возникнут с приходом искусственного интеллекта в юриспруденцию [9].

На сегодняшний день справедливо можно говорить о таких формах использования возможностей искусственного интеллекта как системы поддержки решений, экспертные системы, нейросети, интеллектуальные производственные системы и т.д. [17, с. 41-42]. Причем каждая из этих систем уже получила соответствующее развитие в юридической сфере. Например, экспертные системы в уголовно-процессуальной деятельности получили свое воплощение еще с середины прошлого века [7; 8]. Полагаем, что экспертные системы обрели широкое распространение и применение в правоохранительной деятельности в силу способности данных систем распознавать криминальную ситуацию, находить возможные варианты ее расследования, давать практические рекомендации [10, с. 988]. Известны такие экспертные системы как «Наркоэкс» (экспертиза наркотических веществ), «Балэкс» (баллистическая экспертиза), «Кортик» (экспертиза холодного оружия), «Маньяк» (поддержка принятия решений при раскрытии серийных убийств, совершенных на сексуальной почве), «Спрут» (установление связи субъектов преступного формирования на основании знаний о преступных формированиях, связей между лицами, экономических составляющих и фактов, представляющих оперативный интерес), «Мясо» и «Полюс» (компьютерная поддержка версионного анализа и принятие решений о проверке версий при расследовании хищений мясной и молочной продукции) и др. искусственный интеллект уголовный преступный

Подобные экспертные системы способствуют повышению эффективности управления путем автоматизации деятельности и функционирования правоохранительных органов, позволяют значительно снизить временные затраты на принятие решений в рамках конкретной ситуации, связанной с правом, обеспечивают улучшение качества и проработанности принимаемого решения [10, с. 986]. Это становится возможным благодаря тому, что любая интеллектуальная система есть результат аккумулирования всех имеющихся знаний в определенной сфере. Вэкспертных системах человеческий интеллект используется в концентрированном виде для решения стандартных ситуаций в различных областях знаний и что при этом выдаваемые машиной рекомендации носят консультативный характер, принятие решения остается за человеком, хотя эти решения представляют собой качественно новый, более высокий уровень [20, с. 29-30].

Применительно к деятельности по выявлению, раскрытию и расследованию преступлений данные системы получают новое дыхание, поскольку принятие уголовно-процессуальных и организационных решений предполагает оптимизацию всех наличных сил и средств, в том числе консультационно-справочного и рекомендательного характера. Считаем, что экспертные системы могут вполне успешно использованы в процессе доказывания и принятия решений. Знания, содержащиеся в экспертных системах и выраженные в форме правил типа «Если существует такой факт, то, вероятно, произошло такое действие или существовал такой мотив этого действия», пригодные для автоматизированной обработки и позволяют имитировать процесс оценки следователем ситуации расследования и обеспечивать в режиме диалога консультационную поддержку принятия им решений. Ключевыми задачами, выполняемыми с помощью таких систем, могут выступить: определение возможных направлений расследования (формирование версий о событиях с учетом, по возможности, различных источников получения информации), выбор наиболее вероятных направлений; предоставление пользователю рекомендаций относительно дальнейших действий (назначение экспертиз, проведение оперативно-поисковых мероприятий, проверочные и следственные действия и т.д.).

Необходимо также иметь в виду, что решение этих задач невозможно без наличия таких дополнительных элементов, как: система типовых моделей следственных действий; система тактических приемов, обеспечивающих оптимальность проведения следственного действия; система логических методов, оптимизирующих в традиционных формах решение стандартных следственных задач; система эвристических методов решения следственных задач. Кроме этого следует учесть, что эффективность конкретной экспертной системы зависит от числа и качества типовых программ, введенных в память компьютерной техники, логических и эвристических методов их преобразования, а также числа продукций, содержащихся в ее базе знаний [14, с. 117-118].

Несмотря на некоторые сложности, связанные с разработкой систем, основанных на искусственном интеллекте, и последующим применением в профессиональной деятельности оперуполномоченного, дознавателя, следователя, их значение нельзя соизмерить. С помощью указанных систем последовательно решаются такие задачи как: оптимизация уголовно-процессуальной деятельности, уменьшение нагрузки субъектов расследования, сокращение следственных ошибок, повышение уровня защищенности прав и свобод личности от противоправных деяний… Реальные возможности искусственного интеллекта в уголовном процессе только предстоит раскрыть.

Успешность данной идеи, главным образом, зависит от той системы координат, в которую она встраивается. По нашему мнению, внедрение в уголовный процесс разработок, основанных на искусственном интеллекте, необходимо производить в рамках теории интеллектуального обеспечения уголовного процесса. Новаторской является не только сама идея создания теории интеллектуального обеспечения уголовно-процессуальной деятельности, но и формулировка: ранее в одном контексте указанные понятия не встречались. Хотя имеется ряд работ, содержащих предпосылки для создания данной теории. Например, М.М. Бабаев и В.Ю. Пудовочкин в последние годы значительно продвинулись в исследовании проблем интеллектуального обсечения уголовной политики [3; 4; 5; 6] (хотя М.М. Бабаев еще в 2000 году заложил основы этим разработкам [2]). Более масштабнее исследования коснулись интеллектуального обеспечения иных сфер, в особенности экономики [1; 18]. Однако неизвестны подобные работы в уголовно-процессуальной науке, допуская при этом наличие отдельных разработок, косвенно охватывающих указанное направление. По нашему мнению, систему интеллектуального обеспечения уголовного процессанеобходимо представить из следующих взаимосвязанных и взаимодополняющих элементов:

- профессиональная подготовка субъектов выявления, раскрытия и расследования преступлений;

- законодательное обеспечение уголовного процесса;

- научно-исследовательское обеспечение уголовно-процессуальной деятельности;

- информационно-техническое обеспечение уголовного судопроизводства;

- обеспечение уголовного процесса системами искусственного интеллекта.

При этом первое направление реализуется в рамках системы высшего профессионального образования, преимущественно в специализированных ВУЗах, осуществляющих подготовку специалистов по выявлению, раскрытию и расследованию преступлений. Второе направление содержит положения интеллектуального оснащения с помощью нормативных правовых актов, регламентирующих уголовно-процессуальную деятельность, главным образом, уголовно-процессуального закона. Третье направление строится на основе передовых научных разработок, в том числе инновационных, по отраслям криминального цикла и носящих как теоретический, так и прикладной характер. Четвертое направление находит свою реализацию через информационные и технические ресурсы, в частности, с помощью различных автоматизированных информационных баз данных, информационных систем обработки данных, технических средств, информационно-телекоммуникационных технологий, используемых в правоохранительной деятельности, и т.д. Пятое направление раскрывается в использовании систем искусственного интеллекта в деятельности по выявлению, раскрытию и расследованию преступлений. Каждый из этих элементов не может быть исключен из системы интеллектуального обеспечения, напротив допускается дополнение новыми, неизученными формами и видами интеллектуальных подсистем.

Первые три направления практически полностью подвластны человеческому интеллекту, четвертое - является промежуточным плодом ранней стадии информационной революции. А системы искусственного интеллекта в этой эволюционной цепочке занимают вершину. Хотя и создаются они человеком, но после разработки способны самостоятельно производить процессы, свойственные человеческому мозгу. Нисколько не принижая значимость в интеллектуальном обеспечении уголовного процесса предыдущих элементов, следует заметить, что именно за системами искусственного интеллекта кроется перспектива развития уголовного судопроизводства.

2.2 Возможности экспертных систем при версионном анализе криминальной ситуации и анализе следовой информации о преступной деятельности

Экспертная система -- это интеллектуальная вычислительная система, в которую включены знания опытных специалистов (экспертов) о некоторой предметной области, и в пределах этой области она способна принимать экспертные решения (давать советы, ставить диагноз).

Экспертная система позволяет накапливать, систематизировать и сохранять знания, профессиональный опыт тех экспертов, которые решают конкретные задачи наилучшим образом. Накопленные в экспертной системе знания могут быть использованы на практике неограниченное число раз6.

Работа экспертных систем основана на алгоритмах искусственного интеллекта и предполагает использование информации, заранее полученной от специалистов-экспертов. Таким образом, экспертная система -- это электронный эксперт (советник), помощник.

Экспертные системы используются там, где нет твердо устоявшейся теории, в тех предметных областях, где слишком много переменных величин (факторов, показателей, симптомов), затрудняющих создание полной теории, точной математической модели. В этих предметных областях искусные практики при решении задач опираются на свой опыт, навыки и интуицию.

Экспертная система объединяет возможности компьютера со знаниями и опытом эксперта в такой форме, что система может предложить разумный совет или осуществить разумное решение поставленной задачи.

Экспертные системы решают реальные проблемы, которые обычно встают перед специалистом - экспертом. Поэтому для формирования экспертной системы сначала необходимо извлечь подходящее знание из человека - эксперта. Извлечение этого знания из эксперта в таком виде, в котором оно может использоваться компьютером - очень трудная задача, потому что эксперту вообще очень трудно выразить точно, какое знание или правила он использует для решения проблемы. Многое выполняется почти подсознательно или кажется настолько очевидным, что он даже не упоминает об этом. Сбор знания для экспертных систем - большая область исследования с широко разработанными разнообразными методами. Однако при проектировании важно разработать первоначальный прототип, основанный на информации, извлеченной благодаря интервью с экспертом, а затем последовательно совершенствовать прототип, основываясь на обратной связи как с экспертом, так и с потенциальными потребителями экспертной системы.

Для выполнения такой работы важно, чтобы экспертная система была написана таким образом, что ее можно легко изменять. Система должна быть способна квалифицированно объяснять свои рассуждения (эксперту, потребителю и т.д.) в процессе получения решения. Модифицикация системы должна включать только добавление или удаление ограниченного количества знания.

Для представления знаний в экспертных системах наиболее широко используются правила. Если правила содержат условия применимости, то они могут не иметь вполне определенных заключений, а имеется только некоторая степень уверенности, с которой выводится заключение. Системы, основанные на правилах, легко поддаются изменению и облегчают создание подсистемы объяснений.