Применение механизмов искусственного интеллекта как метода превенции преступлений

Развитие современного высокотехнологичного общества в нашей стране и мире в целом повсеместно сопровождается использованием в жизнедеятельности человека возможностей, предоставляемых глобальной сетью Интернет и информационно-телекоммуникационными технологиями. Вместе с тем, указанные ресурсы находят свое применение и в процессе совершения преступной деятельности [1; 2; 3]. На основании этого у правоохранительных органов появляется определенное количество аспектов проблемного характера, связанных с их раскрытием и расследованием, а сама исследуемая тематика получает повышенную актуальность в современном мире. Например, в научной литературе и в правоприменительной практике активно рассматриваются вопросы, связанные с проблемными аспектами расследования мошенничеств, совершаемых с использованием информационнотелекоммуникационных технологий [4].

Материал и методы

В статье использована специальная литература, посвященная особенностям использования и применения механизмов искусственного интеллекта как метода превенции преступлений. Проанализированы научные исследования, рассматривающие затрагиваемую проблематику. В качестве специальных исследовательских методов использованы: сравнительно-правовой, формально-юридический, статистического анализа, системный, структурно-функциональный и герменевтический подходы, методы логического познания (анализ, синтез, дедукция, обобщение, абстрагирование), а также формально-юридический метод исследования.

Описание исследования

Одним из важных направлений деятельности правоохранительных органов является предупреждение преступлений. Оно представляет собой определение будущего состояния преступности или отдельных ее показателей в целях оказания противодействия потенциальным правонарушениям до их непосредственного совершения. На сегодняшний день существует множество программ, внутренние процессы которых основаны на технологиях искусственного интеллекта (далее по тексту — ИИ), однако не все они задействованы в полной мере. Например, ряд авторов рассматривают возможности использования ИИ в рамках обеспечения транспортной безопасности [5]. Также в литературных источниках затрагиваются вопросы внедрения программных средств с элементами искусственного интеллекта в деятельность по профилактике, раскрытию и расследованию преступлений [6].

Следует разделить высказываемое в литературных источниках мнение о том, что потенциал искусственного интеллекта при обеспечении безопасности государства, общества и личности способен свести до минимума возможности преступных элементов нанести непоправимый ущерб (физический, материальный, моральный и даже репутационный) [7].

В рамках деятельности правоохранительных органов технологии ИИ зачастую используются в различных комбинациях, однако существует некоторое отношение к групповым классификациям по конкретным основаниям. Так, например, технологии, основанные на машинном обучении. Развитие машинного обучения и технологий искусственного интеллекта делает возможным разработку и внедрение новых методов предупреждения преступлений. В этой деятельности большую роль играет использование математических вычислительных методов, что позволяет осуществлять аналитику предыдущей активности преступлений в целях прогнозирования вероятной потенциально преступной деятельности в определенной области. В качестве основных опорных точек для анализа используются конкретные признаки преступлений, на которые влияют различные переменные, такие как тип преступления, место совершения и прочие характеристики. Учитывают также показатели об общем состоянии жизни в том ли ином регионе: уровень безработицы, средний размер доходов населения, численность и особенности социальной стратификации [8].

К технологиям, функционирующим на основе машинного обучения, относится предсказательная аналитика. Это наиболее распространенное применение ИИ в этой области. Алгоритмы машинного обучения анализируют исторические данные о преступлениях (местоположение, время, тип преступления, погодные условия и т. д.) для прогнозирования вероятности совершения преступлений в будущем, что способствует оптимизации размещения патрулей и распределения ресурсов. При этом используются различные методы машинного обучения, такие как регрессия, классификация и кластеризация.

На основе машинного обучения функционируют и системы распознавания лиц, которые способны сравнивать полученные изображения интересующих лиц с теми, что имеются в базе данных подозреваемых, тем самым позволяя идентифицировать лиц, совершивших правонарушение. Однако эта технология вызывает много споров из-за проблем с точностью, потенциальной предвзятостью и вопросами конфиденциальности.

Другой современной технологией, способствующей предупреждению преступлений, является следующий этап развития системы распознавания лиц — технология распознавания эмоций. Выражение лица человека связано с его эмоциональным состоянием, которое испытывает мозг. При этом само состояние зачастую является ключом к мыслям человека, его планам, что особенно важно в случае предупреждения действий преступника.

Пол Экман, один из экспертов в области мимики, выделил шесть универсальных проявлений эмоций, присущих всем человеческим обществам: страх, печаль, отвращение, гнев, удивление и счастье. Благодаря ему была создана система, с помощью которой стало возможно кодировать лицевые движения и отслеживать работу всех 44 мышц лица. Каждое выражение лица имеет свои признаки, которые система учится распознавать, например, злость проявляется на лице через опущенные и закрытые брови, напряженный взгляд, поднятый подбородок, удивление — опущенная челюсть, поднятые брови, широко раскрытые глаза, страх — открытый рот, широко раскрытые глаза, нахмуренные брови 1. Деятельность по распознаванию эмоций представляет сложность в связи с тем, что выражения на лице очень быстро меняются, некоторые из них проявляются лишь на несколько секунд. Подобные микровыражения являются своеобразными «утечками данных» о подавленных состояниях мозга. Чаще всего они являются бессознательными и их обнаружение позволяет определить внутренние переживания и скрытые эмоции человека [9].

Наряду с анализом эмоциональных проявлений человека происходит анализ больших объемов текстовой информации, содержащейся в социальных сетях, текстовых файлах и сообщениях в целях выявления угроз, планов совершения преступлений или настроений, предвещающих насилие. Аналогично, анализ речи может помочь в распознавании потенциальной агрессии или угроз.

Применение технологий «Умный город» / «Безопасный город» позволяет анализировать данные с камер видеонаблюдения для выявления подозрительной активности (например, оставленная сумка, человек, бегущий от места происшествия). Может использовать- ся для автоматического обнаружения и оповещения о потенциальных инцидентах. Система видеонаблюдения, предназначенная для поддержания правопорядка в обществе, основывается на двух составляющих: во-первых, комплексном видеонаблюдении, во-вторых, системе распознавания лиц и идентификации личности посредством видео [10, с. 53]. Функциональная составляющая данной системы достаточно проста, но при этом эффективна. Видео с уличных камер наблюдения, непосредственно связанных с системой, передаются на сервера, затем алгоритм моментально делает выборку похожих лиц с теми, что имеются в базе Министерства внутренних дел Российской Федерации, если изображение совпадает, данные передаются правоохранительным органам с конкретным указанием локации, данных о личности и фото.

Посредством методов интеллектуального видеонаблюдения может быть выявлено подозрительное поведения людей, например, резкое изменение действий, траектории движения при совершении умышленных противоправных действий, а именно, насилия, нападения или избиения другого человека или же умышленного оставления подозрительного предмета в местах массового скопления людей. Так, например, практике Следственного комитета РФ известен случай, при котором молодая пара прогуливалась в вечернее время, затем девушка вышла на дорогу, упала и умерла. Благодаря криминалистической обработке видеозаписи, снятой уличными камерами, удалось понять «природу» происходящего, а интегрированная система распознавания лиц в систему видеонаблюдения поспособствовала оперативному изобличению виновного в совершении преступления, автоматизировав при этом процесс его поиска [11, с. 88].

При этом применение системы распознавания лиц вызывает обсуждения в области этики и конфиденциальности. С одной стороны, они эффективны для предотвращения и расследования преступлений, с другой — поднимают вопросы о конфиденциальности личных данных и надзоре за гражданами, поскольку технологии, используемые в рамках программы «Умный город», направлены на сбор информации, содержащей биометрические данные, сведения об их перемещениях, что вызывает опасения возникновения опасности ограничения конституционных прав и свобод.

На основе машинного обучения также функционирует обработка естественного языка (NLP — Natural Language Processing). Данная технология машинного обучения включает в себя характеристики общей направленности искусственного интеллекта и математической лингвистики. NLP позволяет решать ряд задач технической направленности. Так, например, возможно распознать речь в случае, если это голосовое сообщение, и в последующем проанализировать с точки зрения эмоционального окраса речи и установления наличия потенциальных признаков агрессии. Также возможен анализ имеющихся текстовых сообщений и определение смысла конкретного слова в контексте, в случае выявления негативной направленности или наличия побуждающего жестокого окраса.

Наряду с названными технологиями, на период 2025 года Министерство внутренних дел РФ запланировало разработку и последующее внедрение двух программ, функционирующих на основе ИИ. Первая система получила предварительное название «Конъюнктура», в задачи которой входит прогнозирование чрезвычайных ситуаций, негативных происшествий и последующее моделирование сценариев реагирования, а вторая система — «Клон», направленная на обнаружение фактов подделки имеющихся видеоизо бражений в инт ересах правоохранительных органов ¹.

В отечественной практике данные технологии являются уникальными, их аналоги присутствуют только на территории зарубежных стран.

Заключение

Резюмируя изложенное, необходимо отметить, что концепция предиктивной полиции стала широко используемой благодаря ИИ и аналитике данных. Технологии ИИ значительно упрощают деятельность правоохранительных органов там, где допустима механическая работа. Благодаря обучаемости ИИ и способности анализировать большие объемы данных, существует возможность предсказать потенциальные места и время совершения преступления, что позволит сосредоточить там ресурсы правоохранительных органов в целях предупреждения преступлений.