CC BY
7Государственная служба и кадры. 2023. № 4. С. 264—266. State service and personnel. 2023;(4):264—266.
Научная статья УДК 343.985.7
https://doi.org/10.24412/2312-0444-2023-4-264-266 NIION: 2012-0061-04/23-248
EDN: https://elibrary.ru/FZNKGH MOSURED: 77/27-008-2023-04-448
К вопросу о возможностях искусственного интеллекта в решении задач криминалистической науки
Андрей Николаевич Сретенцев
Орловский юридический институт МВД России имени В.В. Лукьянова, Орел, Россия, pronsimo@gmail.com
Аннотация. В статье проводится анализ опыта применения технологий машинного обучения для решения теоретических и прикладных задач в различных отраслях науки. Рассматриваются возможности систем искусственного интеллекта в решении криминалистических задач в условиях интенсивного роста объема научной информации.
Ключевые слова: искусственный интеллект, расследование преступлений, криминалистическая характеристика преступления, машинное обучение, система поддержки принятия решений, алгоритм.
Для цитирования: Сретенцев А.Н. К вопросу о возможностях искусственного интеллекта в решении задач криминалистической науки // Государственная служба и кадры. 2023. № 4. С. 264—266. https://doi.org/10.24412/ 2312-0444-2023-4-264-266 EDN: https://elibrary.ru/FZNKGH
Original article
To the question of the possibilities of artificial intelligence in solving the problems of forensic science
Andrey N. Sretentsev
Orel Law Institute of the Ministry of internal affairs of Russia
named after V.V. Lukyanov, Orel, Russia, pronsimo@gmail.com
Abstract. The article analyzes the experience of using machine learning technologies for solving scientific problems and applied problems in various branches of science. The possibilities of artificial intelligence systems in solving forensic problems, under conditions of intensive growth in the volume of scientific information, are considered.
Keywords: artificial intelligence, crime investigation, forensic characterization of a crime, machine learning, decision support system, algorithm.
For citation: Sretentsev A.N. To the question of the possibilities of artificial intelligence in solving the problems of forensic science // State service and personnel. 2023;(4):264—266. (In Russ.). https://doi.org/10.24412/2312-0444-2023-4-264-266 EDN: https://elibrary.ru/FZNKGH
Еще в 2001 г. в своей статье «Криминалистика на пороге XXI века» P.C. Белкин отмечал, что в результате «информационного взрыва» и стремительного роста числа публикаций по криминалистике использование содержащейся в них информации существенно осложнилось [1, с. 24]. За прошедший с момента данной публикации временной период указанная ситуация еще более обострилась.
Лавинообразное нарастание массы информации — общемировая тенденция, которая в зна-
© Сретенцев А.Н. М., 2023.
чительной степени характерна и для научной информации. Так, анализ общего количества научных публикаций российских исследователей в наиболее известных международных наукометрических базах данных Web of Science и Scopus за период с 2016 г. по 2020 г. показал, что оно увеличилось c 49 069 до 66 206 и с 58 724 до 78 908 соответственно, что в процентном выражении составляет 34,9% (Web of Science) и 34,4% (Scopus) [3, с. 575].
Общее количество публикаций, посвященных криминалистике, отображаемых в российском ин-
№ 4/2023
Уголовно-правовые науки
дексе научного цитирования (ЕИЬгагу) за период с 2016 г. по 2022 г., также весьма внушительно — 109 623 наименования. Количество серьезной публикуемой литературы (диссертации, монографии, статьи в рецензируемых изданиях) также многократно возросло. Показательным является и число диссертационных исследований по данной тематике.
Так, информация об открытых защитах диссертаций, размещенная на официальном сайте ВАК Минобрнауки (по научной специальности 12.00.12 — криминалистика; судебно-экспертная деятельность; оперативно-розыскная деятельность) за период с 1 января 2013 г. по 1 января 2023 г., содержит упоминания о защитах 341 кандидатской и 42 докторских диссертаций1.
В соответствии с методологическим принципом соответствия новые научные знания должны опираться на результаты уже имеющихся исследований и, более того, новая теория, претендующая на более глубокое описание реальности, должна включать старую теорию как свою составляющую. В связи с этим можно констатировать тот факт, что процесс получения нового научного знания, в условиях многократно возросших объемов научной информации, становится более трудоемким.
Перед учеными-криминалистами возникает задача по изучению все возрастающего объема имеющегося криминалистического знания. Узким местом при этом является человеческое мышление, которое в состоянии оперировать лишь весьма ограниченным объемом информации. При этом исследователи, особенно начинающие, ввиду указанных ограничений иногда вынуждены фокусировать свое внимание на выборках научных источников, касающихся относительно узкого диапазона вопросов, отражающих далеко не весь спектр закономерностей, в рамках поля изучаемой проблемы, что в итоге отражается на качестве сформулированных выводов.
В связи с этим интересны возможности использования систем искусственного интеллекта в роли вспомогательного инструмента научного исследования. В некоторых сферах науки применение технологий машинного обучения уже позволяет достигать значительных результатов.
Например, Д.В. Бахтеев отмечает, что в 2019 г. был опубликован научный доклад (в области материаловедения. — Курсив авт.), описывающий результаты анализа 3,3 млн публикаций (как в виде аннотаций, так и полных текстов) при помощи программной среды на основе машинно-
1 Офиц. сайт Высшей аттестационной комиссии при Министерстве науки и высшего образования РФ / / URL: https://vak.minobrnauki.gov.ru/adverts_list#tab=_tab:advert~
го обучения. Система на основе исключительно лингвистического анализа и составления словаря из 500 тыс. терминов, формул и экспериментальных данных смогла заново воссоздать периодическую таблицу Менделеева и предсказать появление новых материалов [4, с. 68].
Аналогичные метаисследования с применением систем искусственного интеллекта в области криминалистики и судебной экспертизы могут оказаться эффективными как при аккумулировании ценной научной информации, так и для получения нового научного знания о закономерностях, входящих в предмет криминалистической науки.
Однако следует учитывать тот факт, что далеко не всегда подобные проекты оканчиваются безоговорочным успехом. Примером может служить система поддержки принятия решений IBM Watson Health, которая была анонсирована более десяти лет назад [5, с. 12].
Данная система обучалась, читая медицинскую литературу (включая все медицинские журналы и важнейшие медицинские блоги), и, по заявлениям создателей, должна была стать специалистом по диагностике и консультантом по медицинским вопросам.
Позднее указанная программа была внедрена в медицинскую практику в ряде лечебных учреждений США и начала применятся в качестве системы поддержки принятия решений при диагностике онкологических заболеваний. Однако уже в 2018 г. появилась информация о ее бесполезности в качестве источника рекомендации по лечению рака у реальных пациентов, что было связано с ошибкой в обучении нейросети, которая заключалась в том, что обучение происходило не на данных настоящих пациентов, а на искусственно смоделированных учеными случаях злокачественных состояний.
В настоящее время идет этап переобучения указанной нейросети с использованием данных реальных пациентов. При этом Watson показала достаточную эффективность в другой роли, в качестве системы мониторинга новой научной медицинской информации, что помогает практикующим врачам ориентироваться в «море» постоянно обновляющейся информации и оперативно получать сведения о новых методах терапии2.
Как показал данный пример, эффективность использования подобных технологий во многом зависит от правильности обучения системы. При этом очевидно, что подходы, применяемые для обу-
2 Информационный медтех-портал «Здравэксперт» // URL:https://zdrav.expert/index.php/% D0% 9F% D1% 80% D0 % BE% D0% B4% D1% 83% D0% BA% D1% 82: IBM_Watson_ Health
№ 4/2023
чения искусственного интеллекта, ориентированного на решение задач в конкретных областях науки, могут кардинально отличаться друг от друга.
Важным аспектом для внедрения указанных методов в криминалистическую сферу является наличие у исследователей квалификации, необходимой для применения технологий искусственного интеллекта в расследовании преступлений.
Как справедливо отмечает A.A. Бессонов, «Проблема внедрения алгоритмов искусственного интеллекта в криминалистическое изучении преступной деятельности заключается в том, что единицы криминалистов-исследователей обладают знаниями и навыками их использования, а специалисты в сфере обработки и анализа данных (Data Mining, Data Science) не являются одновременно специалистами в области криминалистики и расследования преступлений» [2, с. 52].
Резюмируя, следует отметить, что в настоящее время у ученого-исследователя есть возможности по применению в научных изысканиях инструментария, недоступного ранее. Так, возможности машинного и глубокого обучения интеллектуальных систем, при наличии правильно сформированной базы данных (Dataset), а также грамотно подобранной методологии исследования, позволят автоматизировать поиск неизвестных закономерностей и взаимосвязей, отражающих отдельные элементы преступной деятельности, а также деятельности правоохранительных органов по раскрытию и расследованию преступлений.
Список источников
1. Белкин P.C. Криминалистика: проблемы сегодняшнего дня. Злободневные вопросы российской криминалистики. М.: Норма, 2001. 240 с.
2. Бессонов A.A. Использование алгоритмов искусственного интеллекта в криминалистическом изучении преступной деятельности // Вест-
ник Университета им. О.Е. Кутафина. 2021. № 2. С. 45—53.
3. Бородик К А., Дику cap К.С., Богатое В.В. Тренды публикационной активности российских исследователей за период 2016 — 2020 гг. по данным международных баз цитирования Web of Science Core Collection и Scopus // Управление наукой и наукометрия. 2021. Т. 16. № 4. С. 571—595.
4. Использование искусственного интеллекта при выявлении, раскрытии, расследовании преступлений и рассмотрении уголовных дел в суде: Монография / Под ред. С.В. Зуева, Д.В. Бахтее-ва. М.: Юрлитинформ, 216 с.
5. Ray Kurzweil. How to create a mind: the secret of human thought revealed. 2012 / Пер. с англ. Т.П. Мосоловой. М.: Эксмо, 2018. 448 с.
References
1. Belkin R.S. Criminalistics: problems of today. Topical issues of Russian criminalistics. M., Norma, 2001. 240 p.
2. Bessonov AA. The use of artificial intelligence algorithms in the forensic study of criminal activity // Bulletin of the O.E. Kutafin. 2021. № 2. Pp. 45—53.
3. Borodik KA., Dikusar K.S., Bogatov V.V. Trends in the publication activity of Russian researchers for the period 2016 — 2020 according to international citation databases Web of Science Core Collection and Scopus // Management of science and scientometrics. 2021. V. 16. № 4. Pp. 571—595.
4. The use of artificial intelligence in detecting, solving, investigating crimes and considering criminal cases in court: Monograph / Ed. S.V. Zueva, D.V. Bakhteev. Moscow: Yurlitinform Publishing House, 216 p.
5. Ray Kurzweil. How to create a mind: the secret of human thought revealed. 2012 / Translation from English. T.P. Mosolova. Moscow: Eksmo, 2018. 448 p.
Информация об авторе
Сретенцев А.Н. — кандидат юридических наук
Статья поступила в редакцию 07.08.2023; одобрена после рецензирования 08.1 1.2023; принята к публикации 14.11.2023.
Information about the author
Sretentsev A.N. — candidate of legal sciences
The article was submitted 07.08.2023; approved after reviewing 08.11.2023; accepted for publication 14.11.2023.
№ 4/2023
