Название статьи:
Системы обработки больших данных для прогнозирования и предупреждения преступности
Авторы: Воронков Д.В., доктор юридических наук, доцент, заведующий кафедрой криминалистики имени И.Ф. Герасимова, заведующий лабораторией цифровых технологий в криминалистике, https://orcid.org/0000-0002-0869-601X, SPIN-код: 8301-7165, Scopus Author ID: 57208909117, ResearcherID: ABA-1494-2020, Уральский государственный юридический университет имени В.Ф. Яковлева, 620066, Российская Федерация, г. Екатеринбург, ул. Комсомольская, 21,
ae@crimlib.info,
Сосновикова А.М., кандидат юридических наук, https://orcid.org/0000-0002-1631-9265, SPIN-код: 7460-5805, ResearcherID: KDP-3525-2024, младший научный сотрудник, Центр содействия развитию криминалистики «КримЛиб», 620034, Российская Федерация, г. Екатеринбург, ул. Бебеля, 126; преподаватель, кафедра криминалистики имени И.Ф. Герасимова, Уральский государственный юридический университет имени В.Ф. Яковлева, 620066, Российская Федерация, г. Екатеринбург, ул. Комсомольская, 21,
at@crimlib.info В рубрике:
СОВРЕМЕННЫЕ ПРОБЛЕМЫ КРИМИНОЛОГИИ
Год: 2026 Том: 20 Номер журнала: 4
Страницы: 2-
Аннотация:
В статье акцентируется внимание на необходимости внедрения современных технологий в деятельность по раскрытию, расследованию и предупреждению преступлений, для чего предлагается предварительно реализовать следующий алгоритм: уяснить технико-технологические основы потенциального нововведения; выявить потенциальные риски и положительный эффект; определить и воплотить оптимальную модель правового регулирования технологии. Сквозь призму данного алгоритма рассматривается возможность разработки систем прогнозирования преступности, функционирующих на основе технологий искусственного интеллекта. Обосновывается, что данные системы могут обеспечить высокое качество прогнозов для определения личности неизвестного преступника, установления факта серийности, места и времени совершения следующего преступления (как единичного, так и входящего в серию), расчета риска рецидива и пр. Описывается отечественный и зарубежный опыт разработки подобных предиктивных комплексов. Подробно рассматриваются такие проекты, как CrimeSeriesLinkage, PorSerO, «ФОРВЕР», VALCRI, Dejaview, PredPol, Blue CRUSH, Palantir и пр. Анализируются как реальные (вариативность преступлений, отсутствие необходимых компетенций у сотрудников правоохранительных органов, вероятность ошибок автоматизированной системы, дороговизна ее внедрения и эксплуатации), так и мнимые (предвзятость, антигуманность) проблемы, которые не позволяют описанным экспериментальным разработкам выйти за рамки научных исследований. Предлагаются пути разрешения данных проблем (переход на модели обучения с частичным привлечением учителя, подготовка сотрудников правоохранительных органов к работе с подобными комплексами, создание всех систем на основе отечественного программного обеспечения, однозначное позиционирование комплексов на основе технологии искусственного интеллекта как инструментов (а не субъектов) и пр.). Констатируется, что для внедрения систем прогнозирования в практику борьбы с преступностью не потребуется менять действующее законодательство, однако может возникнуть необходимость дополнить отдельные подзаконные акты, регламентирующие вопросы обеспечения безопасности в общественных местах.
Ключевые слова: криминалистическое прогнозирование, цифровизация правосудия, предиктивные технологии, искусственный интеллект, машинное обучение, моделирование поведения преступника, выявление серийных преступлений, предупреждение молодежного терроризма, предупреждение молодежного экстремизма
Извините, полный текст статьи временно недоступен