Магистральные направления зарубежных научных исследований в сфере криминологического прогнозирования

Исследование возможностей применения информационных технологий, включая искусственный интеллект, в области прогнозирования преступности приводит к необходимости изучения зарубежного опыта․ Во многих государствах декларируется использование интеллектуального анализа для оценки региональных рисков совершения преступлений, в целях предупреждения рецидивной преступности․ Рациональный подход к изучения этого опыта требует обратиться к истокам развития зарубежных научных подходов к прогнозированию в сфере уголовно-правового регулирования․

Прежде всего, следует сказать, что для обозначения прогнозирования в зарубежной науке используются два термина: forecasting [прогнозирование — англ․] и prediction [предсказание — англ․]․

В одном из исследований находим дифференцированный анализ этих понятий․ Если forecasting трактуется как объективный, научный, воспроизводимый и свободный от индивидуальных предубеждений процесс, то prediction, напротив, — субъективный, интуитивный, невоспроизводимый и предвзятый [15, c․ 40, 41]․

Однако четкая дифференциация понятий все-таки отсутствует, и в большинстве работ они используются как синонимы․ Представляется, что схожая ситуация сложилась с употреблением понятий «борьба», «предупреждение» и «профилактика» в отечественной криминологии․ Научные подходы к их трактовке менялись существенным образом по прошествии десятилетий, одновременно с этим они использовались и зачастую употребляются как синонимичные, особенно в законодательстве․

Материал и методы

В статье использованы материалы ключевых научных работ зарубежных ученых, посвященных различным аспектам прогнозирования в сфере уголовно-правового регулирования США, Великобритании и Канады, представляющих собой единое научное пространство․ Основу исследования составили общенаучные и частнонаучные методы научного познания․

Описание исследования

Исторически инструменты прогнозирования за рубежом были востребованы для целей пенитенциарной системы, прежде всего, для принятия решений об условно-досрочном освобождении․ С этой областью связаны и публикации соответствующей тематики․

Одним из первых и самых ранних исследований в сфере разработки статистически обоснованных инструментов для прогнозирования рецидива, повторного ареста или повторного осуждения принято считать исследование Э․ Берджесса (E․ W․ Burgess) 1928 г․ [6]․

Последний, основываясь в свою очередь на работе С․ Уорнера (S․ B․ Warner) [24], которая была посвящена факторам условно-досрочного освобождения, создал шкалу прогнозирования результатов такого освобожде-ния․ Шкала включала 21 позицию, каждой из которых присваивалось единичное или нулевое значение при наличии или отсутствии того или иного обстоятель-ства․ Возможности использования шкалы анализировались опытным путем применительно к осужденным․

Считается, что «метод Берджесса» заложил основу для последующего распространения, так называемых, актуарных методов прогнозирования в системе уголовного правосудия [18, с․ 1145]․ Другими словами, тех же методов, что и в актуарной математике․

Изначально актуарные расчеты являлись основой сферы страхования и финансовой безопасности․ Как за рубежом, так и в Российской Федерации актуарные методы получили практическое применение для оценки будущих рисков и определения размеров процентных ставок страхования․

К примеру, для целей страхования сельскохозяйственных культур и животных с использованием актуарных методов рассчитаны предельные размеры ставок, которые различны для каждого субъекта Российской Федерации1․ Кроме того, Социальным фондом России осуществляется актуарное оценивание размеров тарифов страховых взносов1․

Актуарная математика определяется как математическая дисциплина, охватывающая методы расчетов и оценивания применительно к различным видам финансовых услуг, где обязательства по осуществлению платежа зависят от наступления события, имеющего вероятностную природу [1, с․ 4]․

Зарубежные исследователи в качестве теоретической модели в системе уголовного правосудия, построенной на методах актуарной математики, выделяют, так называемое, актуарное правосудие [16]․ Сторонниками актуарного подхода оцениваются возможные риски правонарушаемости, которые находятся в основе стратегии предупреждения рецидивной преступности․

К числу ранних публикаций в этой области относятся работы Ш․ Глюка, Э․ Глюк (S․ Glueck, E․ T․ Glueck) 1950 г․ и Г․ Мангейма, Л․ Уилкинса (H․ Mannheim, L․ T․ Wilkins) 1955 г․

Объектом исследований Ш․ Глюка и Э․ Глюк стала преступность несовершеннолетних․ Авторами была разработана таблица прогноза совершения правонарушений детьми 6–7 лет на основе оценки показателей, касающихся условий воспитания (участие отца и матери, наличие привязанности к родителям, сплоченность семьи) [10]․

С опорой на указанное исследование Г․ Мангеймом и Л․ Уилкинсом была создана шкала прогнозирования рецидивного поведения с использованием материалов исправительных учреждений Великобритании для несовершеннолетних Борстал (Borstal) [13, 20]․

В 1960–1980 гг․ последовали попытки более широкого применения методов прогнозирования․ При этом большинство криминологических исследований в этой области были посвящены установлению тех групп осужденных, которые в перспективе могут быть осуждены повторно, существенно меньшую часть составляли исследования, направленные на прогнозирование совершения преступлений в первый раз․ В иных исследованиях за основу были взяты следующие критерии: вероятность неявки в суд лица, освобожденного под залог; вероятность попыток совершения побега лиц, находящихся в тюрьме; прогнозирование показателей арестов и тюремного заключения в аспекте демографических или пенитенциарных изменений [9, с․ 2, 3]․

В течение 1980-х годов для оценки результатов условно-досрочного освобождения получили распространение актуарные методы [18], изначально используемые для расчета продолжительности жизни (коэффициент дожития)․

П․ Шмидтом (P․ Schmidt) и Э․ Витте (A․ D․ Witte) [19] были представлены разработки, предполагающие не только вероятность повторного осуждения, но и его времени на основе выборки следующих сведений об освобожденных из тюрем: 1) отбытый срок в месяцах; 2) возраст в месяцах; 3) количество предыдущих тюремных заключений; 4) количество нарушений тюремных правил; 5) количество лет школьного образования на момент ареста; 6) раса; 7) пол; 8) алкогольная зависимость; 9) наркотическая зависимость; 10) участие в программе освобождения; 11) совершение тяжкого преступления; 12) совершение преступления против личности․

Интересно, что в данной модели раса (6) и пол (7) были определены как наиболее значимые факторы с точки зрения вероятности повторного осуждения, в то время как совершение тяжкого преступления (11) и преступления против личности (12) рассматривались как ключевые показатели для прогнозирования времени вероятного совершения преступления․

Информатизация сферы управления не могла не затронуть интересующую область․

С конца 1990 г․ во многих судах США стало использоваться программное обеспечение COMPAS (Correctional Offender Management Profiles for Alternative Sanctions), в основе которого шкала риска рецидивной преступ-ности․ Это вызвало научную дискуссию как о допустимости использования данной программы, так и, в более широком смысле, об этичности автоматизированного принятия решений в судебной системе [7]․

Следующее направление использования инструментов прогнозирования за рубежом также охватывается пенитенциарной сферой․ Речь идет о прогнозировании численности заключенных․ Периоды активизации исследований в данной области были связаны с необходимостью решения проблемы переполненности тюрем․

Среди значимых исследований выделяют работы С․ Столлмака (S․ Stollmack) 1973 г․ [21], А․ Блумштейна (A․ Blumstein) 1980 г․ [4], А․ Барнетта (A․ Barnett) 1987 г․ [3]․

Предлагаемые модели строились на основе сведений о демографической ситуации, арестах, продолжительности тюремного заключения, составе тюремного населения․

Это имело практическое применение в работе соответствующих ведомств․ Так, например, по заказу Департамента исправительных учреждений штата Калифорния в 2009 г․ опубликовано теоретическое обоснование имитационного моделирования численности заключенных и условно-досрочно освобожденных, используемого в соответствующем программном обеспечении․ Прогнозирование вероятного поведения заключенных и освобожденных условно-досрочно моделировалось программой исходя из всей имеющейся совокупности индивидуальных данных о них на конкретную дату․ Показатели прогнозов включали даже возможность смерти с учетом возраста [12]․

Представленные направления прогнозирования в криминологии касались, прежде всего, судебной и пенитенциарной систем․ Одновременно с этим на ведомственном уровне предпринимались попытки прогнозирования преступности с использованием статистического и геопространственного анализа, методов картирования (картографирования) преступности․ Прежде всего, в целях управления распределением ресурсов полиции и пространственной кластеризации преступлений․

В то же время публикации, касающиеся прогнозирования преступности с помощью пространственных методов, начинают появляться в достаточном количестве лишь в 1990-х годах, когда в деятельность полиции начинает внедряться специальное программное обе-спечение․ В научный оборот вводится понятие предиктивной полицейской деятельности (Predictive Policing), которая трактуется как применение аналитических методов, для определения вероятных целей полицейского вмешательства и пресечения преступлений, а также их раскрытия, в том числе путем составления статистических прогнозов [15, с․ 41]․

Интерес к методам картирования и прогнозирования преступности в научной сфере возникает после успешного внедрения в Департаменте полиции Нью-Йорка программного обеспечения CompStat․ Данная программа представляет собой многогранную систему, используемую для управления полицейскими операциями, в которой аккумулируется, оцифровывается и картографируется статистика преступности․ Результаты перманентно доводятся до уполномоченных лиц [17, с․ 1]․

Ранее подобные программы использовались в деятельности полиции, однако именно CompStat приобрела широкую известность․ Руководством полиции декларировалось двукратное снижение преступности практически всех категорий в одном из самых криминальных городов США, что получило широкую огласку в средствах массовой информации․ Судя по всему, достижения в сфере противодействия преступности в городе были обусловлены не столько неким исключительным функционалом программного обеспечения, сколько реальной оптимизацией конкретных подразделений полиции․

Еще более подстегнули научные исследования в сфере предиктивной аналитики события, связанные с террористическими актами 11 сентября 2001 г․ в Нью-Йорке․ Стали выделяться гранты на разработку современных вычислительных систем для оценки рисков и пространственно-временного анализа в целях противодействия терроризму․ В частности, Министерство внутренней безопасности выделило гранты на разработку прогностических инструментов для выявления людей и мест, которые могут быть вовлечены в будущие террористические заговоры на территории США [18]․

В одном из таких исследований анализируется применение классификаторов в целях прогнозирования возможной активности международных террористических групп по разработке химического, биологического, радиологического и ядерного оружия [22]․ На основе имеющихся данных о террористических организациях авторами определены группы индикаторов, среди них технический потенциал (материалы, оборудование и др․), организационный потенциал (финансы, иерархия), идеология (оправдание насильственных действий) и др․ Проведено сравнительное исследование подходов к построению соответствующего классификатора в целях установления наиболее предпочтительного, в том числе деревья классификации и дискриминантный анализ, применены корреляционные матрицы․

По мере увеличения масштабов и степени детализации доступных правоохранительным органам данных, автоматизации процесса их получения, совершенствования программного обеспечения стало появляться больше научных изысканий, касающихся предиктивной полицейской деятельности․ В первую очередь они касались оценки риска возникновения очагов преступности в целях организации патрулирования и использования полицейских ресурсов, сбора данных, выявления аналогичных преступлений [5]․

Многие работы были посвящены разработке многомерных моделей с учетом сведений о происшествиях по районам, а также географических и демографических данных для установления пространственно-временных закономерностей преступности и ее прогноза․

Так, например, в статье С․ Ванга (X․ Wang) и Д․ Брауна (D․ Brown) учтены три набора данных:

• 1)    взломы и проникновения за четыре года в конкретном населенном пункте с координатами и временем совершения конкретного происшествия;

• 2)    информация о географии города, а именно расположении дорог, крупных магистралей, предприятий, школ;

• 3)    демографические данные по районам, включая численность населения, расу, семейное положение и прочее [23]․

На основе этого разработаны новые модели криминальных инцидентов, прогнозирования будущих инцидентов и предотвращения преступлений, в том числе террористических актов и автомобильных аварий․

Отметим, что для разработки алгоритмических методов оценки риска возникновения очагов преступности зачастую применяется, так называемая, модель последовательности афтершоков эпидемического типа (ETAS)․ Моделирование и прогнозирование афтершоковых процессов является важнейшим направлением сейсмического прогнозирования․ Учеными выявляются свойства афтершокового процесса для установления его временного и пространственного диапозона [2]․

Применяя в криминологии модели, заимствованные из вулканологии и сейсмологии, зарубежные ученые исходят из того, что конкретное преступление является как бы основным толчком землетрясения, которое неминуемо вызывает афтершоковые процессы в виде аналогичных преступлений на данной территории․ В частности, исследователями сопоставлялись модели ETAS с картами очагов преступности в подразделениях департаментов полиции в США и Великобритании․ Сделан вывод о том, что прогнозирование преступности на основе данной модели имеют ряд преимуществ [14]․ Она нашла свое применение в повседневной работе полицейских подразделений на территории двух государств․

В то же время применение модели является предметом научной дискуссии [11]․ В целом современная научная дискуссия за рубежом охватывает проблематику использования больших данных для прогнозирования в целях пенитенциарной системы и полицейской дея-тельности․ В качестве проблемных вопросов отмечаются предубеждение, в том числе по расовому признаку, этичность получения огромного объема персональных данных, излишняя алгоритмизация деятельности․

Заключение и вывод

Категория прогнозирования преступности разрабатывается за рубежом не одно десятилетие․ Причем научные изыскания имеют непосредственное практическое воплощение и реализацию в целях полицейской деятельности, пенитенциарной и судебной систем, а именно, для принятия решений об условно-досрочном освобождении, рационального распределения ресурсов полиции, определения целей вмешательства правоохранительных органов․

В качестве основных направлений научных изысканий можно назвать:

• — прогнозирование рецидивной преступности и повторных арестов;

• — прогнозирование численности заключенных или тюремного населения;

• — прогнозирование преступности по районам․

Методы и подходы в интересующей сфере отличались разнообразием․ Использовались методы актуарной математики, методы оценки риска возникновения очагов преступности, имитационное моделирование, разрабатывались различные классификаторы․ Применение отдельных методов зачастую становилось предметом научной дискуссии, что подвигает к избирательному использованию результатов зарубежных исследований․ В то же время зарубежный опыт может быть востребован в современных условиях в целях обеспечения дальнейшей разработки категории прогнозирования преступности в отечественной криминологии․