Криминалистическое обеспечение использования технологии искусственного интеллекта в раскрытии и расследовании преступлений
- Авторы: Хамидуллин Р.С.1
-
Учреждения:
- Уральский Государственный юридический Университет им. В.Ф. Яковлева
- Выпуск: № 1 (2024)
- Страницы: 55-74
- Раздел: Статьи
- URL: https://ogarev-online.ru/2409-7810/article/view/367568
- EDN: https://elibrary.ru/CBMNNY
- ID: 367568
Цитировать
Полный текст
Аннотация
Предметом исследования являются возможности использования систем искусственного интеллекта в целях раскрытия и расследования преступлений. Автор на примере GPT (Generative Pre-trained Transformer) архитектуры нейросети, придуманной исследователями Google, показывает возможности искусственного интеллекта по анализу ситуаций, возникающих в ходе раскрытия и расследования преступлений и выдвижение на их основе обоснованных версий по обстоятельствам совершения противоправного деяния. В ходе исследования демонстрируется возможность на основе таких версий составлять программы (планы) расследований уголовных дел. Объектом исследования выступают общественные отношения, возникающие в ходе использования систем искусственного интеллекта в правоохранительной деятельности. Особое внимание уделяется процессу обучения нейросети использованию современных криминалистических средств и методов в выявлении, раскрытии и расследовании. В качестве основного метода исследования выступает диалектический метод познания, выявление проблемных вопросов и предложения их решения. Кроме того, в исследовании используется математический метод статистики, а также логические методы анализа, синтеза и эксперименты использования искусственного интеллекта в криминалистическом обеспечении раскрытия и расследования преступлений. Основными выводами проведенного исследования являются необходимость обучения и использования нейросетей в правоохранительной деятельности не только в целях выявления, раскрытия и расследования преступлений и административных правонарушений, но и их предупреждении и пресечении. Особым вкладом автора в исследование темы является выявление закономерностей, возникающих в процессе обучения и использования в прикладных целых возможностей нейросети в оказании помощи субъектам правоохранительной деятельности. Новизна работы заключается в впервые проведенном эксперименте по обучению и использованию отдельной нейросети GTP в криминалистической аналитической работе по выдвижению версий и планированию расследования. В работе даны рекомендации по подготовке сотрудников правоохранительной деятельности по эффективному использованию нейросети в практической деятельности в рамках криминалистического обеспечения раскрытия и расследования преступлений.
Об авторах
Руслан Сибагатуллович Хамидуллин
Уральский Государственный юридический Университет им. В.Ф. Яковлева
Email: sledgsugu@mail.ru
независимый исследователь
Список литературы
Бахтеев Д.В. Искусственный интеллект в следственной деятельности: задачи и проблемы // Российский следователь. 2020. № 9. С. 3-6. Тарасов А.В., Темзоков А.В. Криминалистические аспекты использования искусственного интеллекта в раскрытии и расследовании преступлений // Теория и практика общественного развития. 2023. № 10 . С. 256-261. Колычева А.Н. Перспективы внедрения искусственного интеллекта в раскрытие и расследование преступлений // Научный вестник Орловского юридического института МВД России имени В.В. Лукьянова. 2022. № 3 С. 172-177. Искусственный интеллект и математическая статистика в криминалистическом изучении преступлений / Под общ. ред. А.А. Бессонова. М.: Проспект, 2021. Васюков В.Ф., Шеметов А.К. Возможности искусственного интеллекта в раскрытии преступлений // Вестник Академии Следственного комитета Российской Федерации. 2022. № 1. С. 82-87. Дремлюга Р.И. Системы искусственного интеллекта в расследовании преступлений // Информационное право. 2019. № 1. С 21-25. Завьялов И.А. Зарубежный опыт использования искусственного интеллекта в раскрытии преступлений // Вестник Московского университета МВД России. 2021. № 3. С. 228-236. Кустов А. М. Искусственный интеллект в расследовании тяжких и особо тяжких преступлений // Теория и практика расследования преступлений: материалы IX Международной научно-практической конференции. Краснодар. 2021. С. 16-25. Андреев В.К. Динамика правового регулирования применения искусственного интеллекта // Журнал российского права. 2020. № 3. С. 58-68. Bakhteev D.V. Pre-expert verification of signatures using the nsp dataset // The Vth khmyrovsky criminalistic readings. Geneva, 2022. Pp. 115-122. Афанасьев А.Ю. Искусственный интеллект или интеллект субъектов выявления, раскрытия и расследования преступлений: что победит? // Библиотека криминалиста. 2018. № 3. С. 28-34. Хамидуллин Р.С. Криминалистическое обеспечение раскрытия и расследования преступлений, предусмотренных ст. 210.1 УК РФ «Занятие высшего положения в преступной иерархии». Вопросы безопасности. 2023. № 3. С. 63-70. Hasson, U. Direct Fit to Nature: An Evolutionary Perspective on Biological and Artificial Neural Networks // Neuron. 2020. Vol. 105. № 3. Pp. 416-434. Kriegeskorte, N. Cognitive computational neuroscience // Nature Neuroscience. 2018. № 21. Pp. 1148-1160. Williams R. M. Optical Illusions Images Dataset // INSAM Journal of Contemporary Music, Art and Technology. 2019. Issue 2. Pp. 127-139. Tshitoyan V. Unsupervised word embeddings capture latent knowledge from materials science literature // Nature. 2019. Vol. 571. Pp. 95-98. Ullman S. Using neuroscience to develop artificial intelligence // Science. 2019. Vol. 363. № 6428. Pp. 692-693. Porter M. D. A Statistical Approach to Crime Linkage // The American Statistician. 2016. Vol. 70. Pp. 152-165. Pogarsky G. Heuristics and biases, rational choice, and sanction perceptions // Criminology 2017. Vol. 55. Pp. 85-111. Pakkanen, T. The Effects of Coding Bias on Estimates of Behavioural Similarity in Crime Linking Research of Homicides // Journal of Investigative Psychology and Offender Profiling. 2012. Vol. 9. Pp. 223-234.
Дополнительные файлы
