Искусственный интеллект в противодействии преступности, ее прогнозировании, предупреждении и эволюции

Размещено на http://www.Allbest.Ru/

Байкальский государственный университет

Ассоциация юристов России

Искусственный интеллект в противодействии преступности, ее прогнозировании, предупреждении и эволюции

А.П. Суходолов

А.М. Бычкова

Иркутск, Российская Федерация

Аннотация

Прогнозирование преступности, ее предупреждение и противодействие ей с использованием современных технологий, по мнению авторов, должны стать приоритетной задачей государства наряду с развитием экономики, образования, медицины, усилением обороноспособности страны. В статье раскрыты понятия «искусственный интеллект», «машинное обучение», «большие данные», «глубинное обучение», «нейронные сети» с точки зрения их использования как преступностью, так и правоохранительными органами и судами. Рассмотрено применение технологий, основанных на искусственном интеллекте, высокотехнологичной преступностью (фишинг, дроны, фейковая информация, боты и др.). Охарактеризованы основанные на искусственном интеллекте современные программные решения, направленные на противодействие преступности: программы для анализа большого объема данных, обработки потокового видео, распознавания внешности, платформы контекстного поиска и т. д. Описаны существующие ресурсы, используемые для предиктивной аналитики (в частности, межведомственная экспериментальная программа «Искусственный интеллект в расследовании и оперативно-розыскной деятельности при совершении уголовных преступлений»; программа распознавания людей по фрагментам татуировок; программа распознавания по фотографиям и потоковому видео людей, осуществивших пластические операции, и выдачи вариантов их первоначальной внешности; платформа контекстного интеллекта Nigel; система Mayhem и др.), и их возможности в прогнозировании как преступности в целом, так и индивидуального преступного поведения. Обозначены этические дилеммы, связанные с принятием искусственным интеллектом правовых решений в отношении конкретных индивидов. Приведены примеры применения искусственного интеллекта для профилактики преступности (программа COMPAS, система прогнозной психометрики преступного сообщества, программа Harm Assessment Risk Tool, аналитический программный комплекс CEG, система прогнозирования преступлений PredPol, система ePOOLICE, программные продукты Palantir, российская система «Искусственный интеллект»). Обозначены индикаторы системы раннего предупреждения преступности: показатели совпадения, запаздывающие, циклические и контрциклические индикаторы. Констатировано отставание России от других стран в использовании искусственного интеллекта в правоохранительной сфере и предложено принять Современную стратегию противодействия преступности, ее прогнозирования и предупреждения. Указаны возможные направления данной стратегии.

Ключевые слова Искусственный интеллект; глубинное обучение; большие данные; цифровая криминология; современные технологии противодействия преступности

Abstract

Artificial intelligence in crime counteraction, prediction, prevention and evolution

A.P. Sukhodolov, A.M. Bychkova, Baikal State University, Association of Russian Lawyers, Irkutsk

Crime prediction, prevention and counteraction with the use of modernмtechnologies should, according to the authors, become a priority task for the state, along with the development of economy, education, medicine and the enhancement of defense capacity. The article describes the concepts of «artificial intelligence», «machine learning», «big data», «deep learning», «neural networks» from the standpoint of how they are used both by criminals and by law enforcement bodies and courts. The authors examine the application of technologies which use artificial intelligence, hi tech crime (fishing, drones, fake information, bots, and so on). They outline modern software solutions based on artificial intelligence and aimed at counteracting crime: software that analyzes big volumes of data, processing of stream videos, facial recognition, contextual searching platforms, etc. The authors also describe the existing resources for predictive analytics (in particular, inter-agency experimental software «Artificial Intelligence in Police Work and Investigation of Criminal Offences»; software for recognizing people based on fragments of their tattoos; facial recognition of people after plastic surgeries in pictures and stream videos, with the generation of variants of their original appearance; platform of contextual intelligence Nigel; system Mayhem and others) and how they can be used to predict both crimes in general and individual criminal behavior. The authors also outline ethical dilemmas connected with legal decisions made by artificial intelligence regarding specific people. They present examples of using artificial intelligence for crime prevention (software COMPAS, criminal community's psychometric prediction system, Harm Assessment Risk Tool, analytical software complex CEG, crime prediction system PredPol, ePOOLICE system, Palantir software, Russian system «Artificial intelligence»). They also outline the indicators of the early crime prevention system: indicators of matching, lagging, cyclical and counter-cyclical indicators. The authors state that Russia is lagging behind other countries in its use of artificial intelligence in law enforcement and suggest adopting the Modern Strategy of Crime Counteraction, Prediction and Prevention. Possible directions of this strategy are described.

Keywords: Artificial intelligence; deep learning; big data; digital criminology; modern technologies of counteracting crime

Начало информационно-цифровой революции связано с появлением электронно-вычислительных машин. Несмотря на то что человек вводит соответствующие программы и формулирует задачи, ЭВМ самостоятельно оперируют цифрами, накапливают, генерируют и передают новую информацию, в том числе такую, какую ни человек, ни человечество в целом не смогли бы получить своими силами.

Особенно заметно это проявилось с возникновением систем искусственного интеллекта: все большие классы задач ЭВМ ставят перед собой сами и решают их относительно автономно, без участия человека. «Как ребенок, овладевший грамотой, в дальнейшем умеет самостоятельно читать и писать, так и современные ЭВМ могут считывать, генерировать и передавать цифровую информацию как человеку, так и себе подобным, - отмечает экономист С.Ю. Глазьев. - Для общения с человеком они умеют преобразовывать цифру в звуки, слова и символы, сообщая и принимая информацию от человека. Общение с себе подобными идет на цифровом языке без участия человека, запрограммировавшего компьютерную систему на выполнение тех или иных функций или решение определенных задач» [1, с. 31].

Рождение искусственного интеллекта как научного направления связывают с 1940-ми гг., когда Норберт Винер опубликовал свои основополагающие работы по кибернетике. Собственно термин «искусственный интеллект» (англ. artificial intelligence) был предложен в 1956 г. в Дартмутском колледже (США) на семинаре с одноименным названием, где был выдвинут ключевой тезис: «Каждый аспект обучения или любая другая особенность интеллекта могут быть в принципе так точно описаны, что машина сможет сымитировать их» [2].

Система искусственного интеллекта - это программная система, имитирующая на компьютере процесс мышления человека. Искусственный интеллект представляет собой направление информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка [3, с. 5].

Информационные подразделения ФБР совместно с лабораторией искусственного интеллекта корпорации Google выработали следующее инженерное определение искусственного интеллекта: «Искусственный интеллект - это программно-аппаратный комплекс, обеспечивающий поддержку и/или принятие результативных решений в динамичной, неустойчивой среде в установленное время на основе заведомо неполной, нечеткой и не имеющей полной доказательственной базы информации».

В.С. Овчинский и Е.С. Ларина пишут, что именно данное определение положено в разработку концепции архитектуры и перечня программных решений ФБР [4, с. 15].

В последнее время понятие «искусственный интеллект» упоминается наряду с такими терминами, как «большие данные» (Big Data), «машинное обучение», «глубинное обучение» и «нейронные сети».

Большие данные, согласно терминологии ООН, представляют собой «накопление и анализ значительно возросшего объема информационных ресурсов, который повышает возможности их хранения и анализа с использованием созданных ранее аппаратных и программных средств» [там же, с. 129]. Появление больших данных стало возможным благодаря расширению возможностей хранения данных и круга имеющихся в наличии их источников, в число которых входят данные спутниковых изображений, сетей мобильной телефонной связи, социальных сетей и сканирующих устройств [там же, с. 130-132].

Машинное обучение - одно из направлений искусственного интеллекта, основной принцип которого заключается в том, что машины получают данные и «обучаются» на их основе. В настоящее время это наиболее перспективный инструмент для бизнеса, науки и сферы принятия важных управленческих решений. Системы машинного обучения позволяют быстро применять знания, полученные при обучении на больших наборах данных, за счет чего преуспевают в таких задачах, как распознавание лиц, речи, объектов, перевод, и многих других. В отличие от программ с закодированными вручную инструкциями для выполнения конкретных задач, машинное обучение дает системе возможность научиться самостоятельно распознавать шаблоны и делать прогнозы [2].

Глубинное обучение является подмножеством машинного обучения. Оно использует некоторые методы машинного обучения для решения реальных задач, применяя нейронные сети, которые могут имитировать принятие решений человеком.

Нейронные сети возникли в результате исследований в области искусственного интеллекта, в ходе которых появилась идея воспроизвести способность биологических нервных систем обучаться и исправлять ошибки, моделируя низкоуровневую структуру мозга. Теория искусственных нейронных систем зародилась в 1940-х гг., и спустя уже 20 лет были разработаны однослойные нейронные системы (перцептроны), которые в ряде случаев оказались способны обучаться, осуществлять предсказания и распознавать образы. К 1980-м гг. в этой области произошел прорыв благодаря революционным работам Джона Хопфилда и Тейво Кохонена. Многослойные нейронные сети нового поколения успешно справлялись с задачами, недоступными для перцептронов [3, с. 112-113].

Элементарная база позволила создать мощные нейрокомпьютеры и программные нейропакеты для распознавания образов, текстового поиска, поиска изображений, перевода, прогнозирования, обнаружения спама, мошенничества и решения ряда других задач, в которых входные данные были неполны, зашумлены и даже противоречивы.

Качество глубинного обучения зависит от величины массивов данных для обучения, так как существует огромное количество параметров, которые необходимо настроить для алгоритмов обучения, чтобы избежать ложных срабатываний. При недостаточности входных данных глубинное обучение может выдавать ошибочные результаты. Например, система распознавания лиц Google на первых этапах запуска помечала много темнокожих лиц как «гориллы». «Это пример того, что произойдет, если у вас нет афроамериканских лиц в вашем наборе обучения, - поясняла Anu Tewary, главный специалист по работе с данными Mint at Intuit. - Если у вас нет афроамериканцев, работающих над системой, если у вас нет афроамериканцев, тестирующих систему, то, когда ваша система сталкивается с афроамериканскими лицами, она не будет знать, как вести себя» [2].

Теоретические, практические и этико-правовые аспекты использования искусственного интеллекта в противодействии преступности широко освещаются в работах зарубежных авторовCrime in the Digital Age: Controlling Telecommunica-tions and Cyberspace Illegalities // International Criminal Justice Review. 2004. Vol. 14, iss. 1 [5-13], а с недавних пор - и в отечественных исследованиях [14-17]. Неоценимый вклад в познание возможностей современных технологий внесли В.С. Овчинский и Е.С. Ларина [4; 18-23], рассматривающие искусственный интеллект как технологию тройного назначения, которая может быть использована для гражданских, военных и криминальных целей [21, с. 374]. Отличительной особенностью современной преступности является ее способность брать на вооружение передовые технологические решения, что обусловлено как ее безграничными финансовыми возможностями, так и определенной прозрачностью научных достижений: «Злоумышленники могут беспрепятственно приобрести как программные, так и аппаратные компоненты самых мощных систем искусственного интеллекта. Широкое использование открытого кода позволяет преступникам без затрат получать доступ к последним разработкам ведущих компаний. В связи с тем, что над алгоритмами искусственного интеллекта работают не закрытые коллективы специалистов, а открытые сообщества программистов, преступники имеют возможность бесплатно получать новейшие разработки. Попытки Министерства внутренней безопасности США законодательно ограничить распространение определенных разработок в области искусственного интеллекта не привели к успеху, так как программисты просто отказались закрыть для себя возможность создавать системы с открытым программным кодом» [4, с. 34].

Изучение современной высокотехнологичной преступности позволяет выделить следующие способы и сферы использования преступниками искусственного интеллекта (табл. 1).

Фишинг (англ. fishing - рыбная ловля, выуживание) представляет собой вид интернет- мошенничества, целью которого является получение доступа к конфиденциальным данным пользователя - логинам и паролям. Массовые рассылки электронных писем от имени популярных брендов и личных сообщений внутри различных сервисов (чаще всего банков и социальных сетей) со ссылками на сайт, внешне неотличимый от настоящего, приводят к тому, что некоторые пользователи при переходе на поддельную страницу вводят свои логины и пароли, используемые для доступа к определенному сайту, в результате чего мошенники получают доступ к аккаунтам и банковским счетам своих жертв.

Таблица 1 / Table 1

Использование искусственного интеллекта в совершении преступлений и других противоправных действий / Using artificial intelligence to commit crimes and other unlawful acts

Создание комбинированных систем, объединяющих искусственный интеллект с роботизированным устройством, также в буквальном смысле слова взято на вооружение преступниками. К примеру, дроны, связанные с искусственным интеллектом, являющимся центром управления ими, применяются как государственными структурами (в ходе боевых действий и при выполнении других задач), так и преступными организациями (контрабанда наркотиков и иных запрещенных веществ, доставка различных предметов в места лишения свободы). Наркокартели из Мексики отправляют свой товар в США при помощи беспилотников с заранее введенными данными GPS, что полностью отменяет необходимость услуг не только курьера, но и оператора [4, с. 37]. Дроны со взрывчаткой использовались при покушении на убийство президента Венесуэлы Николаса Мадуро 4 августа 2018 г. [24].

Дроны стали применяться для слежки за агентами и сотрудниками правоохранительных органов, за свидетелями преступлений и членами конкурирующих преступных группировок, а также в поисках объектов для краж и ограблений, с целью слежения за контейнерами с контрабандным товаром и съемок интимных встреч для дальнейшего шантажа.

Прогресс в области искусственного интеллекта и новейшие технологии порождают новые угрозы, к примеру хакерские атаки, которыми будет управлять не человек, а искусственный интеллект, распространение дезинформации и фейков [25; 26].

Элементы искусственного интеллекта используются в качестве способа компенсации низкой квалификации людей: так, активное применение наводящихся с использованием искусственного интеллекта снайперских винтовок дальнего действия, имеющих джойстики для управления, заметно снижает требования к профессиональной подготовке боевиков [4, с. 45].

Наблюдается процесс автоматизации социальной инженерииСоциальная инженерия - совокупность психологических методов и технологий воздействия на со-беседника, максимально эффективно приводящих к необходимому результату [27; 28]., примером чего являются так называемые боты. Бот (сокр. от «робот») - это программа, способная по определенному алгоритму выполнять какие-либо действия через интерфейсы, предназначенные для людей, например вести диалог с посетителями форума либо в соцсети.

Беспрецедентная атака ботов, зазывающих пользователей в печально известные «группы смерти», была отмечена в 2017 г. в социальной сети «ВКонтакте». В марте 2017 г. руководитель отдела модерации «ВКонтакте» И. Коренев сообщил, что с начала января на сайте этой соцсети было сгенерировано около 3 млн сообщений с хештегами и стишками, возможно, призывающими к суициду. Подобные сообщения при этом постоянно менялись, размывались какими-либо символами. Руководство «ВКонтакте» увидело за таким всплеском «целенаправленную атаку ботов», что было очевидно, так как «в этот период появилось несколько тысяч страниц, созданных исключительно для того, чтобы публиковать такие хештеги» [29].

Специалисты Центра исследований легитимности и политического протеста провели анализ страниц, с которых пошла новая волна стихотворений с хештегом, выяснили время запуска стихов, а также использованные для этого аккаунты. Анализ аккаунтов позволил сделать вывод, что имела место автоматизированная рассылка стихов по страницам «ВКонтакте». Большинство рассылок выявлено на устройствах, работающих под операционной системой Android, программой рассылки оказалась VK iHA bot. Этот робот появился в Сети в 2014 г., его следы привели к жителю Киева, известному под ником Dr. Failov. Так как его программа написана для Android-устройств, то она была и на Google Play, где указаны почта и сайт разработчика, а также страна регистрации - Украина.

Dr. Failov известен как создатель вредоносных программ, к примеру программы вируса-вымогателя «Файло4кА». В зависимости от версии «Файло4кА» создает разное количество файлов, их типов и разрешений, захламляет операционную систему и вызывает неисправности компьютера. Потребителю предлагается использовать «Файло-4кУ» как, скажем, розыгрыш. В последних версиях программы все настолько автоматизировано, что при желании ее можно моментально удалить с компьютера, но только с помощью секретного кода, получить который можно за деньги.

Раскрытая схема ботов показала, что вовлечение подростков в «игру» производилось в автоматическом режиме программными средствами. Робот сам мог вести диалог с пользователями, отвечая на стандартные вопросы и распознавая сленг молодежной аудитории. Машина предлагала написавшему подростку сделать выбор («Если да, напишите 1, если нет, напишите 0»), таким образом отсеивая других ботов и допуская несовершеннолетнего на следующий уровень в «игре». В результате сначала один робот делал посев стиха, сам фильтровал его и находил посты реальных подростков. Все эти действия робот совершал через так называемое API VK (англ. application programming interface). Внутри API есть функция автоматического размещения записей, которую и использовал данный бот. Человек-куратор, купивший бота, подключался к работе с уже готовыми к серьезной «игре» подростками [30].

Продвинутым вариантом социальной инженерии является ситуация, когда человек, участвующий в диалоге с ботом, уверен, что общается с человеком, поскольку программа способна обратиться к пользователю-человеку и поддерживать с ним беседу, оперируя такими репликами, которые человек-собеседник сочтет естественными. То есть эта программа способна оправдать ожидания человека-собеседника, она «социализирована», ведет диалог в рамках, принятых в данном обществе, ориентирована разработчиками на побуждение человека к выполнению определенных действий, что и является критерием ее успешности. Так, на одном из закрытых форумов программисты поделились опытом создания двух ботов, один из которых должен был провоцировать женщин делиться с мнимым собеседником интимными фотографиями, а второй должен был убедить собеседника пожертвовать некую сумму (до 5 дол.), переведя ее на счет через систему PayPal. Целевой аудиторией первого бота выступили англоязычные белые жительницы Восточного побережья США в возрасте от 20 до 30 лет, из которых поделились с ботом интимными снимками 4%. В среднем уговоры занимали 16 тыс. знаков со стороны бота, причем уже после 5 тыс. знаков становилось понятно, будет ли достигнута цель, и заведомо неуспешные диалоги обрывались для экономии ресурсов. Программу обучили на выборке из 200 живых диалогов с реальными людьми, после чего она самообучилась еще на 2 тыс. диалогов и вышла на стабильный 4-процентный результат, что считается достаточно высоким достижением для программы-бота.

Бот, подготовленный для сбора «пожертвований», после запуска в Сеть собрал за сутки 15 тыс. дол. Создатели бота заявили, что сделали его не с целью наживы, а для проверки возможностей социального хакинга (перен. «взлом»), потому что, по сути, это и есть хакинг человеческого сознания, проводимый социальными методами [31].

Впрочем, человек, участвующий в диалоге с ботом, может и осознавать, что он общается с программой. Чаще всего боты используются при покупке-продаже наркотиков бесконтактным способом: бот отвечает, какие наркотики имеются в интернет-магазине, по какой стоимости реализуются, как произвести оплату и где можно «поднять закладку». В последнее время популярной площадкой для такого рода распространения становится Telegram.

Рассмотренные примеры свидетельствуют о том, что преступления, совершенные с использованием технологий искусственного интеллекта, отличает высокая степень анонимности, а иногда, как в случае с ботами, практически выводит личность правонарушителя из процесса преступных взаимодействий, что не может не порождать ощущения безнаказанности. К. Н. Евдокимов выделяет также такую характеристику технотронной преступности, как неконтролируемость, и выдвигает научную (частную) теорию «анекселенктотичной технотронной преступности» (avE-EAcyKioq, anexelenktos, в переводе с гр. - неконтролируемый, неуправляемый; технотронный в переводе с англ. - связанный с технотроникой, т. е. техникой с использованием электроники, оказывающей влияние на развитие общества), иначе говоря, возникновения «преступности нового поколения, основанной на использовании IT-технологий, пришедшей на смену традиционной компьютерной преступности и вышедшей из-под контроля личности, общества и государства в силу своей социальной латентности, технической сложности и многогранности» [32, с. 39].

В то же время нельзя говорить о том, что только преступность берет на вооружение современные программно-технологические достижения. Имеется немало примеров различных программных решений с использованием искусственного интеллекта, направленных на противодействие преступности и ее профилактику (табл. 2).

Таблица 2 / Table 2

Искусственный интеллект в противодействии преступности / Artificial intelligence in counteracting crime

В.С. Овчинский и Е.С. Ларина приводят данные Интерпола и Европола, согласно которым более чем в 70 странах мира полицейские на практике используют те или иные данные предиктивной аналитики, опираясь на программные средства более чем 25 корпораций-производи телей [4, с. 114]. Предиктивная, или предсказательная, аналитика представляет собой совокупность методов анализа данных, направленных на прогнозирование поведения людей (табл. 3). Принятие серьезных, нередко судьбоносных для человека решений в результате алгоритмических вычислений искусственного интеллекта вызывает немалые опасения.

Таблица 3 / Table 3

Искусственный интеллект в прогнозировании преступности Artificial intelligence in predicting crime

Так, В.С. Овчинский и Е.С. Ларина описали этическую проблему, связанную с внедрением в США программы с элементами искусственного интеллекта COMPAS. Она применяется во многих судах штатов для принятия решения, рекомендовать ли ожидающим суда присяжных тюремное заключение или освобождение под залог. Программа положительно зарекомендовала себя, и ее стали использовать также при решении вопросов об условно-досрочном освобождении. Однако, когда портал Propublica.org, который является площадкой сообщества ученых, негативно относящихся к искусственному интеллекту, расшифровал черный ящик системы COMPAS, выяснилось следующее. Оказалось, что система априори уменьшает шансы на освобождение под залог и условно-досрочное освобождение для лиц латиноамериканского происхождения, не имеющих легального статуса на территории США, а также для афроамериканцев с доходом выше прожиточного минимума, но ниже, чем у среднего класса. Если первый вывод был интуитивно понятен, то второй породил всеобщее недоумение, и эксплуатация системы после широкого общественного резонанса была приостановлена.

Создатели программы COMPAS предложили проекту Propublica создать независимую группу - своего рода первый в истории Америки алгоритмическо-статистический суд, которым руководил математический директор Google Абэ Гонга. В течение нескольких месяцев группа анализировала алгоритмы, выработанные нейронными сетями, и сравнивала их с массивами статистических данных о преступности. В сентябре 2016 г. группа вынесла решение, с которым согласились и создатели COMPAS, и экспертное сообщество Propublica. Абэ Гонг подтвердил, что алгоритмы COMPAS по построению нейронных сетей и глубокому обучению математически безупречны, как и сама программа в статистическом смысле. Статистическая безупречность означает, что нейронным сетям удалось установить наиболее точную зависимость между выходными данными и входными, т. е. между данными, представляющими профиль того или иного индивида, и критериями риска.

Все рекомендации COMPAS были верны в инженерном смысле этого слова: программа действительно минимизировала число условно-досрочных освобождений, после которых нарушители закона вновь совершали преступления, а также правильно определяла, в каких случаях перспективнее было бы отпустить человека под залог.

Таким образом, общество, правоохранительная и судебная система поставлены искусственным интеллектом перед серьезной морально-этической дилеммой, пути выхода из которой пока не обозначены. Не менее важные задачи ставятся в поисках возможностей искусственного интеллекта в предупреждении преступности (табл. 4).

В докладе SOCTA (Serious and Organized Crime Threat Assessment)Доклад «Оценка угрозы со стороны особо опасных говорится о том, что

искусственный интеллект правоохранительный преступность

Таблица 4 / Table 4

Искусственный интеллект в предупреждении преступности Artificial intelligence in preventing crime

* Planning Outline for the Construction of a Social Credit System (2014-2020)

Важнейшей задачей при создании прогностико-мониторинговых систем является разработка и проверка статистически обоснованной системы индикаторов раннего предупреждения преступности (EWS). К ним относятся:

- показатели совпадения - индикаторы, которые имеют высокую степень корреляции и (или) однонаправленную динамику;

- запаздывающие индикаторы - показатели, которые формируются после тех или иных изменений в изучаемом объекте;

- циклические индикаторы - показатели, которые с различной степенью опережения либо без нее характеризуют переход наблюдаемой системы из одной циклической фазы в другую;

- контрциклические индикаторы - показатели, улавливающие разнонаправленность системной динамики [4, c. 291-293].

Повсеместное внедрение и совершенствование информационных технологий побуждают и нашу страну принимать соответствующие правовые и управленческие решения, направленные на то, чтобы упорядочить эту сферу и обозначить вектор ее развития.

В 2013 г. была разработана «дорожная карта» развития информационных технологий; в 2014 г. и принята государственная программа Российской Федерации «Информационное общество (20112020 годы)»Об утверждении государственной программы Российской Федерации «Информационное общество (2011-2020 годы)»: постановление Правительства РФ от 15 апр. 2014 г. №313: (ред. от 12 авг. 2017 г.) // Собрание законодательства РФ. 2014. №18, ч. 2. Ст. 2159.; указом Президента РФ утверждена Стратегия развития информационного общества в Российской Федерации на 2017-2030 годыО Стратегии развития информационного общества в Российской Федерации на 2017-2030 годы: указ Президента РФ от 9 мая 2017 г. №203 // Там же. 2017. №20. Ст. 2901.; реализуются мероприятия программы «Цифровая экономика Российской Федерации»Об утверждении программы «Цифровая экономика Российской Федерации»: распоряжение Правительства РФ от 28 июля 2017 г. №1632-р // Там же. №32. Ст. 5138.. Основные направления обеспечения информационной безопасности в области государственной и общественной безопасности определены Доктриной информационной безопасности Российской Федерации, утвержденной указом Президента РФ от 5 декабря 2016 г. №646Собрание законодательства РФ. 2016. №50. Ст. 7074..

«В кратчайшие сроки нам необходимо создать передовую законодательную базу, снять все барьеры для разработки и широкого применения робототехники, искусственного интеллекта, беспилотного транспорта, электронной торговли, технологий обработки больших данных. Причем такая нормативная база должна постоянно обновляться, строиться на гибком подходе к каждой сфере и технологии», - заявил Президент Российской Федерации 1 марта 2018 г., обращаясь к Федеральному СобраниюРоссийская газета. 2018. 2 марта. форм организованной преступности» разрабатывается и публикуется Европолом в сотрудничестве с консультативной группой SOCTA, в состав которой входят государства - члены ЕС, агентства ЕС, Европейская комиссия и Генеральный секретариат Совета при поддержке европейских стран-партнеров и организаций Европола.

Об утверждении плана мероприятий («дорожной карты») «Развитие отрасли информационных технологий»: распоряжение Правительства РФ от 30 дек. 2013 г. №2602-р: (ред. от 5 дек. 2014 г.)..

В отраслевых документах обозначается значимость повышения эффективности противодействия преступности, использующей информационные технологии, но стратегическая задача применения информационных технологий в прогнозировании и предупреждении преступности не выдвигается.

В государственной программе «Обеспечение общественного порядка и противодействие преступности» предусмотрено «внедрение в служебную деятельность новых информационных технологий», однако можно предположить, что речь идет преимущественно о технологиях, направленных на фиксацию и раскрытие преступленийОб утверждении государственной программы Российской Федерации «Обеспечение общественного порядка и противодействие преступности»: постановление Правительства РФ от 15 апр. 2014 г. №345: (ред. от 30 марта 2018 г.) // Собрание законодательства РФ. № 18, ч. 4. Ст. 2188.. В сфере использования возможностей искусственного интеллекта в противостоянии преступности, и особенно в сфере профилактики, наша страна, увы, находится далеко не на передовых позициях.

Между тем происходящие изменения, обусловленные развитием цифровых технологий, отличаются такой характеристикой, как стремительность. В 2011 г. на Ганноверской выставке была изложена концепция четвертой промышленной революции («Индустрии 4.0»), которая, по мнению участников мероприятия, должна была привести к слиянию технологий и размыть границы между физической, цифровой и биологической сферами, а спустя совсем непродолжительное время под эгидой японской федерации крупного бизнеса «Кэйданрэн» были разработаны основы программы создания суперинтеллектуального общества, или «Общества 5.0». Стратегия «Общества 5.0» не ограничена только производственным сектором, она призвана решать социальные проблемы с помощью интеграции физического и киберпространства. «Кэйданрэн» объявляет, что «Общество 5.0» - это социально-экономическая и культурная система, основанная на передовых цифровых технологиях (большие данные, искусственный интеллект, дополненная реальность), с одной стороны, и обеспечивающая развитие науки и технологий на благо каждого члена общества, с другой стороны.

Старший генеральный менеджер подразделения внешних и правительственных связей корпорации Mitsubishi Electric Норицугу Уэмура обозначил «пять стен», которые, по его мнению, необходимо преодолеть для развития цифровой экономики. Первая из этих стен - стена министерств и ведомств, поскольку для движения вперед нужна четкая национальная стратегия и поддержка инициатив государством вплоть до создания новых органов власти. Вторая стена - законодательная система: на примере многих стран видно, как прогресс буксует, упираясь в устаревшие законодательные нормы. Третья стена - технологии (необходимо формирование базы знаний, чтобы каждый мог воспользоваться преимуществами цифровой экономики). Четвертая стена - человеческие ресурсы: требуется объяснять людям, как работает цифровая экономика, и обучать их, чтобы они были готовы творить. И, наконец, пятая стена - принятие обществом. «Если эти пять стен удастся преодолеть, плоды «Общества 5.0» сможет потреблять не только Япония, но и весь остальной мир. Ведь цифровая экономика во многом стирает физические границы», - пишет Н. Уэмура [33].

Полагаем, что обозначенные пять стен имеют быть и в сфере повсеместного внедрения искусственного интеллекта в систему противодействия преступности в нашей стране. Концепция пяти стен, которые нужно как можно скорее ликвидировать, может быть положена в основу Современной стратегии противодействия преступности, ее прогнозирования и предупреждения в Российской Федерации. Констатация отставания России в этой области диктует необходимость в кратчайшие сроки разработать «дорожную карту» внедрения технологий искусственного интеллекта в систему противодействия преступности, ее прогнозирования и предупреждения. Современная стратегия противодействия преступности, ее прогнозирования и предупреждения в Российской Федерации должна, на наш взгляд, предусматривать следующие направления:

1. Признание противодействия преступности, ее прогнозирования и предупреждения с использованием современных технологий приоритетной задачей государства наряду с развитием экономики, образования, медицины, усилением обороноспособности страны.

2. Инициирование общественной дискуссии по морально-этическим и правовым аспектам использования современных технологий в борьбе с преступностью в целях достижения общественного согласия относительно пределов вторжения современных программных решений в частную и частно-публичную жизнь граждан.

3. Опережающее развитие законодательной базы, исключающей наличие необоснованных правовых барьеров перед внедрением новейших технологических достижений.

4. Изучение зарубежного опыта по использованию искусственного интеллекта в сфере противодействия преступности, ее прогнозирования и профилактики, внедрение передовых технологий в деятельность российских правоохранительных органов.

5. Разработка современных моделей противодействия преступности, ее прогнозирования и предупреждения с использованием цифровых технологий и искусственного интеллекта.

6. Стимулирование разработки отечественных программных решений, направленных на противодействие преступности, ее прогнозирование и предупреждение, путем объединения возможностей государства, образовательных организаций, научных учреждений и частного бизнеса в реализации соответствующих тактических решений.

7. Создание и объединение мощных, доступных сотрудникам правоохранительных органов всех уровней баз данных, наполнение которых основано на едином стандарте технических и программных требований, повсеместное внедрение в штат специалистов в области аналитики больших данных.

8. Сплошное повышение квалификации сотрудников правоохранительных органов на курсах подготовки в области использования современных технологий.

9. Внедрение элементов профилактики вик- тимного поведения потенциальных жертв преступлений в информационном пространстве (в образовательных организациях всех уровней, на предприятиях, среди лиц пожилого возраста и др.).

Включение курсов «Цифровая криминалистика» и «Цифровая криминология» в образовательные программы подготовки специалистов уголовно-правовой специализации.

Список использованной литературы

1. Цифровая цивилизация. Россия и «электронный» мир XXI века / С.Ю. Глазьев [и др.]. - М.: Кн. мир, 2018. - 288 с.

2. Reese H. Understanding the differences between AI, machine learning, and deep learning [Electronic resource] / H. Reese.

3. Боровская Е.В. Основы искусственного интеллекта / Е.В. Боровская, Н.А. Давыдова. - М.: Лаборатория знаний, 2018. - 127 с.

4. Ларина Е.С. Искусственный интеллект. Большие данные. Преступность / Е.С. Ларина, В.С. Овчинский. - М.: Кн. мир, 2018. - 416 с.

5. Aiello M.F. Policing through social networking: Testing the linkage between digital and physical police practices / M. Aiello // The Police Journal. - 2018. - Vol. 91, iss. 1. - P. 89-101.

6. Chattoe E. It's not who you know - it's what you know about people you don't know that counts: extending the analysis of crime groups as social networks / E. Chattoe, E. Hamill // The British Journal of Criminology. - 2005. - Vol. 45, iss. 6. - P. 860-876.

7. Goodison S.E. Digital Evidence and the U.S. Criminal Justice System. Identifying Technology and Other Needs to More Effectively Acquire and Utilize Digital Evidence [Electronic resource] / S.E. Goodison, R.C. Davis, B.A. Jackson.

8. Hagen J. Protecting the Digitized Society - the Challenge of Balancing Surveillance and Privacy / J. Hagen, O. Lysne // The Cyber Defense Review. - 2016. - Vol. 1, №1. - P. 75-90.

9. Hannah-Moffat K. Algorithmic Risk Governance: Big Data Analytics, Race and Information Activism in Criminal Justice Debates / K. Hannah-Moffat // Theoretical Criminology. - 2018.

10. Powell A. Digital Criminology: Crime and Justice in Digital Society / A. Powell, G. Stratton, R. Cameron. - London: Routledge, 2018. - 210 p.

11. Revier K. «Now You're Connected»: Carceral Visuality and Police Power on MobilePatrol / K. Revier // Theoretical Criminology. - 2018.

12. Wilner A.S. Cybersecurity and its Discontents: Artificial Intelligence, the Internet of Things, and Digital Misinformation / A.S. Wulner // International Journal. - 2018. - Vol. 73, iss. 2. - P. 308-316.

13. Wood M.A. Algorithmic Tyranny: Psycho-Pass, Science Fiction and the Criminological Imagination / M.A. Wood // Crime, Media, Culture. - 2018.

14. Холостов К.М. Автоматизация процедур анализа оперативной обстановки / К.М. Холостов // Труды Академии управления МВД России. - 2014. - №1. - С. 22-26.

15. Осипенко А.Л. Новые технологии получения и анализа оперативно-розыскной информации: правовые проблемы и перспективы внедрения / А.Л. Осипенко // Вестник Воронежского института МВД России. - 2015. - №2. - С. 13-19.

16. Яковец Е.Н. Оперативно-разыскные меры полиции по обеспечению информационной безопасности Российской Федерации / Е.Н. Яковец // Труды Академии управления МВД России. - 2017. - №3. - С. 127-131.

17. Кравцов Д.А. Искусственный разум: предупреждение и прогнозирование преступности / Д.А. Кравцов // Вестник Московского университета МВД России. - 2018. - №3. - С. 108-110.