CC BY
11DOI 10.47643/1815-1337_2023_11 _433 УДК 343.1 + 343.8
ДОСТОВЕРНОСТЬ И ИНТЕРПРЕТАЦИЯ ДАННЫХ, ПОЛУЧЕННЫХ С ПОМОЩЬЮ СОВРЕМЕННЫХ МЕТОДОВ ЭКСПЕРТИЗЫ В УГОЛОВНОМ ПРОЦЕССЕ
RELIABILITY AND INTERPRETATION OF DATA OBTAINED THROUGH MODERN EXPERTISE METHODS IN CRIMINAL PROCEEDINGS
НЕМИРА Сергей Васильевич,
кандидат юридических наук, доцент кафедры уголовного процесса
ФГБОУ ВО «Кубанский государственный аграрный университет им. И.Т. Трубилина».
350044, Россия, Краснодарский край, г. Краснодар, ул. Калинина, 13.
E-mail: sergei.nemira@yandex.ru;
Nemira Sergey Vasilievich,
Candidate of Juridical Sciences, Associate Professor of the Department of Criminal Procedure, Kuban State Agrarian University named after I.T. Trubilin. 13 Kalinina str., Krasnodar Territory, 350044, Russia. E-mail: sergei.nemira@yandex.ru
Краткая аннотация. В данной статье акцентируется внимание на проблеме достоверности и интерпретации данных, полученных с помощью современных методов экспертизы в уголовном процессе. Автор отмечает, что современные методы экспертиз, которые уже используются в уголовном процессе, имеют свои преимущества и недостатки, их выбор зависит от конкретного уголовного дела и доступности ресурсов. Вместе с тем, в последнее время могут быть востребованы методы, которые находятся на переднем крае технологического прогресса и предлагают «новые» возможности для качественного производства по уголовным делам. Однако эти методы представляют и новые вызовы в плане достоверности и интерпретации данных, полученных с их помощью. В статье рассматриваются как положительные, так и отрицательные аспекты возможного применения алгоритмов машинного обучения, блокчейн-технологии, нейросетевого анализа. Приведены примеры развитых странах с высоким уровнем технологического развития, в которых в настоящее время в сфере уголовного судопроизводства уже проводятся экспертизы с применением новых методов, включая анализ больших данных, машинное обучение, блокчейн-технологии, интернет вещей (IoT), нейросетевой анализ, квантовые вычисления и др.
Abstract. This article focuses on the issue of reliability and interpretation of data obtained through modern methods of expertise in criminal proceedings. The author notes that modern methods of expertise, which are already being used in criminal proceedings, have their own advantages and disadvantages, and their selection depends on the specific criminal case and the availability of resources. At the same time, methods that are at the forefront of technological progress and offer "new" opportunities for quality criminal case proceedings are increasingly in demand. However, these methods also present new challenges in terms of the reliability and interpretation of the data obtained with their help. The article discusses both the positive and negative aspects of the possible application of machine learning algorithms, blockchain technology, and neural network analysis. Examples are provided from developed countries with a high level of technological advancement, where expertise is currently being conducted in the field of criminal proceedings using new methods, including big data analysis, machine learning, blockchain technology, Internet of Things (IoT), neural network analysis, quantum computing, and others.
Ключевые слова: экспертиза, уголовный процесс, современные технологии, достоверность, интерпретация данных.
Keywords: expertise, criminal proceedings, modern technologies, reliability, data interpretation.
Для цитирования: Немира С.В. Достоверность и интерпретация данных, полученных с помощью современных методов экспертизы в уголовном процессе // Право и государство: теория и практика. 2023. № 11(227). С. 433-435. http://doi.org/10.47643/1815-1337_2023_11_433.
For citation: Nemira S. V. Reliability and interpretation of data obtained through modern expertise methods in criminal proceedings // Law and state: theory and practice. 2023. No. 11(227). pp. 433-435. http://doi.org/10.47643/1815-1337_2023_11_433.
Статья поступила в редакцию: 04.10.2023
Одним из ключевых аспектов, затрагивающих проблематику экспертных заключений в уголовном процессе, выступает вопрос о том, насколько точными и надежными являются результаты, полученные с помощью современных научных методов при производстве экспертиз. Эксперты могут использовать различные инструменты и технологии для своих исследований, и важно убедиться, что эти методы являются точными и релевантными. Кроме того, критически значимо для обеспечения эффективного и справедливого уголовного судопроизводства умение правильно интерпретировать результаты экспертных исследований, сформулированные выводы на их основе, включая в себя понимание использованных научных методов и методик экспертиз1.
Термины "методы экспертизы" и "методика экспертизы" в некоторых теоретических работах используются взаимозаменяемо2, но, как представляется, они имеют разные значения. Методы экспертизы должны соответствовать конкретным технологическим или аналитическим процедурам, используемым для работы, анализа и интерпретации данных (материалов), представленных для экспертного исследования. Эти методы определяют, как именно будет проводиться экспертиза на техническом уровне. В свою очередь методика экспертизы имеет отношение к описанию систематических подходов к проведению экспертизы. Она включает в себя выбор подходящих методов, в том числе, учитывает юридические, этические и организационные аспекты. Методика экспертизы устанавливает, как методы будут применяться в конкретном экспертном
1 В теории можно встретить различные точки зрения, в основе которых выделяется современная проблематика экспертных исследований в уголовном судопроизводстве. См., например: Келарев А.В., Хайрусов Д.С. Современные проблемы экспертных исследований в уголовном судопроизводстве // Евразийский юридический журнал. 2022. № 11 (174). С. 249-251; Кошелев А.А., Ивченкова М.С. Экспертное знание как социальный феномен: теоретико-методологический анализ // Наука. Культура. Общество. 2022. Т. 28, № 4. С. 36-43.
2 См.: Российская Е.Р., Галяшина Е.И. Настольная книга судьи: судебная экспертиза. М.: Проспект, 2010. 464 с.; Майлис Н.П. Теория и практика судебной экспертизы в доказывании: спецкурс: учебное пособие для студентов магистратуры. 2-е изд., перераб. и доп. М.: ЮНИТИ: Закон и право, 2019. 255 с.; Зинин A.M., Майлис Н.П. Судебная экспертиза. Учебник. М.: Право и закон; Юрайт-Издат, 2002. 320 с.
ПРАВО И ГОСУДАРСТВО: теория и практика. 2023. № 11(227)
исследовании, какие стандарты должны быть соблюдены, и как результаты указанного исследования должны быть интерпретированы и представлены. Например, методом может быть использование ДНК-секвенирования для идентификации подозреваемого, а методика будет включать в себя процедуры сбора образцов, хранения, анализа, а также юридические гарантии и этические аспекты, которые должны быть соблюдены в ходе назначения и производства данного вида экспертизы. В итоге, методы экспертизы предоставляют инструменты, а методика экспертизы обеспечивает рамки для их эффективного юридического и этичного применения. При этом, как справедливо отмечается в науке, проблемным аспектом выступает оценка заключения эксперта как доказательства1.
К числу современных методов экспертиз, которые уже используются в уголовном процессе, относятся такие их разновидности, к примеру, как ДНК-экспертиза и цифровая форензика. Названные методы представляют собой лишь верхушку айсберга в области современных методов экспертизы, используемых при производстве по уголовным делам. Они имеет свои преимущества и недостатки, их выбор зависит от конкретного уголовного дела и доступности ресурсов. Вместе с тем, в последнее время обращают на себя внимание методы, которые находятся на переднем крае технологического прогресса и предлагают «новые» возможности для качественного производства по уголовным делам. Однако эти методы также представляют новые вызовы в плане достоверности и интерпретации данных, полученных с их помощью.
Так, возможное применение алгоритмов машинного обучения для рассмотрения больших объемов данных позволяет выявить, в том числе, закономерности, предиктивный анализ преступного поведения. Алгоритмы, работающие с большими данными, и машинное обучение представляют собой перспективные инструменты, предлагая новейшие методы для выявления закономерностей и прогнозирования преступного поведения. Однако эти технологии также порождают ряд серьёзных проблем, связанных с достоверностью и интерпретацией данных. В частности, могут возникнуть проблемы с достоверностью из-за качества исходных данных. Недостаточное качество или неполнота данных может привести к неверным выводам. Кроме того, модели машинного обучения могут быть чрезмерно адаптированы к исходным данным (переобучение) или недостаточно точными (недообучение), что снижает их применимость в уголовном процессе. Проблемы с интерпретацией получаемых данных обусловлены сложностью таких моделей, например, некоторые алгоритмы машинного обучения могут быть настолько сложными, что их решения зачастую становятся непонятными для человека. По нашему мнению, возможное использование алгоритмов анализа больших данных и машинного обучения в качестве современного экспертного метода в уголовном процессе предлагает революционные возможности для улучшения эффективности расследования и рассмотрения уголовных дел, однако для обеспечения их успешного применения необходим комплексный подход, включающий в себя строгий контроль качества данных, аудиты алгоритмов, а также разработку юридических и этических рамок.
В качестве другого современного метода экспертизы можно выделить блокчейн-технологии, которые предлагают новые возможности для обеспечения целостности, прозрачности и неизменности данных в уголовном процессе. Как и любая другая прогрессивная технология, блок-чейн имеет свои ограничения и проблемы, влияющие на достоверность и интерпретацию данных. Прежде всего, начальные данные, занесенные в блокчейн, должны быть абсолютно точными и надёжными, иначе их невозможно изменить впоследствии. Проблемой может стать так называемая «51% атака», при которой злоумышленник, контролирующий большую часть вычислительных ресурсов сети, может изменить исходные данные. Ещё одной трудностью может стать отсутствие квалифицированных экспертов и разработанных методик проведения экспертиз в области применения механизмов работы блокчейна. Поэтому несмотря на то, что возможное применение блокчейн-технологии способно значительно улучшить достоверность и целостность данных, используемых в экспертных исследованиях, требуется также приложить усилия по разработке комплекса мер, направленных на то, чтобы минимизировать риски и максимизировать полезность этой передовой технологии.
Нейросетевой анализ является одним из наиболее перспективных методов искусственного интеллекта, который может быть применён в ходе расследования и рассмотрения уголовных дел для анализа больших данных, распознавания образов и прогнозирования поведения. Нейросети способны к обучению на конкретных данных, однако это снижает их возможность к обобщению и может привести к неверным выводам. В настоящее время отсутствуют стандартизированные методы для проверки и валидации моделей нейросетей, также отсутствуют юридические нормы, которые регламентировали и допускали бы использование нейросетевого анализа в уголовном процессе. Хотя нейросетевой анализ позволяет обеспечить достоверность и правильную интерпретацию данных, полученных с помощью этой технологии, однако такая результативность и высокая точность требует больших вычислительных мощностей.
В сфере уголовного судопроизводства экспертизы с применением новых методов (например, компьютерное зрение, анализ больших данных, машинное обучение, блокчейн-технологии, интернет вещей (IoT), нейросетевой анализ, квантовые вычисления и др.) активно проводятся в развитых странах с высоким уровнем технологического развития. В США, которые являются лидером в области применения новых технологий в юриспруденции, включая уголовный процесс, широко используют методы машинного обучения и ДНК-секвенирование в судебной экспертизе. В Великобритании применяется блокчейн для учёта доказательств и машинное обучение для анализа данных. В Германии достаточно распространенно и внедрено использование технологий «компьютерного зрения» ("Computer Vision") и Интернет вещей для мониторинга и собирания доказательств. Канада применяет машинное обучение и анализ больших данных для оптимизации судебных процессов. Австралия использует блок-чейн для обеспечения целостности цифровых доказательств в уголовном судопроизводстве. В Сингапуре активно развиваются квантовые вычисления и их возможное применение в юриспруденции. Швеция и Норвегия используют Интернет вещей в ходе расследования экологических преступлений. Китай интенсивно развивает и применяет искусственный интеллект, включая нейросетевой анализ в уголовном судопроизводстве.
1 См.: Уманец И.В. Оценка заключения и показаний эксперта и специалиста как доказательств в уголовном судопроизводстве // Интернаука. 2021. № 28-2 (204). С. 13-14; Гусев Г.Ю., Сучков С.Л. Заключения эксперта как доказательства в уголовном судопроизводстве: проблемные аспекты реализации // Сборник научных трудов, Рязань, 1-
8 февраля 2022 г. Рязань: Московский университет МВД РФ им. В.Я. Кикотя, 2022. С. 609-613; Ивлиев А.Д. Оценка заключения эксперта судебной оценочной экспертизы // Законы России: опыт, анализ, практика. 2023. № 3. С. 39-44.
В Израиле применяется машинное обучение и анализ больших данных для расследования уголовных дел антитеррористического характера.
Указанные страны являются пионерами в применении новых и новейших технологий в сфере экспертных исследований в уголовном процессе, их опыт может быть полезен для других государств, стремящихся модернизировать свои правовые системы.
Библиография:
1. Гусев Г.Ю., Сучков С.Л. Заключения эксперта как доказательства в уголовном судопроизводстве: проблемные аспекты реализации // Сборник научных трудов, Рязань, 1-8 февраля 2022 г. Рязань: Московский университет МВД РФ им. В.Я. Кикотя, 2022. С. 609-613.
2. Зинин A.M., Майлис Н.П. Судебная экспертиза. Учебник. М.: Право и закон; Юрайт-Издат, 2002. 320 с.
3. Ивлиев А.Д. Оценка заключения эксперта судебной оценочной экспертизы // Законы России: опыт, анализ, практика. 2023. № 3. С. 39-44.
4. Келарев А.В., Хайрусов Д.С. Современные проблемы экспертных исследований в уголовном судопроизводстве // Евразийский юридический журнал. 2022. № 11 (174). С. 249-251.
5. Кошелев А.А., Ивченкова М.С. Экспертное знание как социальный феномен: теоретико-методологический анализ // Наука. Культура. Общество. 2022. Т. 28, № 4. С. 36-43.
6. Майлис Н.П. Теория и практика судебной экспертизы в доказывании: спецкурс: учебное пособие для студентов магистратуры. 2-е изд., перераб. и доп. М.: ЮНИТИ: Закон и право, 2019. 255 с.
7. Российская Е.Р., Галяшина Е.И. Настольная книга судьи: судебная экспертиза. М.: Проспект, 2010. 464 с.
8. Уманец И.В. Оценка заключения и показаний эксперта и специалиста как доказательств в уголовном судопроизводстве // Интернаука. 2021. № 28-2 (204). С. 13-14.
References:
1. Gusev G.Yu., Suchkov S.L. Expert Conclusions as Evidence in Criminal Proceedings: Problematic Aspects of Implementation // Collection of Scientific Works, Ryazan, February 1-8, 2022. Ryazan: Moscow University of the Ministry of Internal Affairs of Russia named after V.Ya. Kikot, 2022. Pp. 609-613.
2. Zinin A.M., Maylis N.P. Forensic Expertise. Textbook. Moscow: Law and Law; Yurait-Publishing, 2002. 320 p.
3. Ivliev A.D. Assessment of the Expert Conclusion of Judicial Valuation Expertise // Laws of Russia: Experience, Analysis, Practice. 2023. No. 3. Pp. 39-44.
4. Kelarev A.V., Khairusov D.S. Modern Problems of Expert Research in Criminal Proceedings // Eurasian Law Journal. 2022. No. 11 (174). Pp. 249-251.
5. Koshelev A.A., Ivchenkova M.S. Expert Knowledge as a Social Phenomenon: Theoretical and Methodological Analysis // Science. Culture. Society. 2022. Vol. 28, No. 4. Pp. 36-43.
6. Maylis N.P. Theory and Practice of Forensic Expertise in Evidence: Special Course: Educational Manual for Master's Students. 2nd ed., Revised and Expanded. Moscow: UNITY: Law and Law, 2019. 255 p.
7. Rossiyskaya E.R., Galyashina E.I. Judge's Handbook: Forensic Expertise. Moscow: Prospect, 2010. 464 p.
8. Umanets I.V. Assessment of the Conclusion and Testimonies of the Expert and Specialist as Evidence in Criminal Proceedings // Internauka. 2021. No. 28-2 (204). Pp. 13-14.
