Криминалистические исследования всегда базировались на новейших технологиях, которые могли способствовать выявлению и раскрытию преступлений. Проблема применения технологий искусственного интеллекта (ИИ), основанных на применении искусственных нейронных сетей (ИНС) в криминалистике является очень актуальной.
Системы искусственного интеллекта в настоящее время находят повсеместное применение. Совершенствование систем ИИ, разработка программных комплексов на его основе находится на переднем крае развития цифровых технологий. Одним из перспективных методов моделирования когнитивных задач является использование ИНС.
Под ИНС понимают комплекс взаимосвязанных довольно простых процессоров, имитирующих деятельность нейронов головного мозга человека. Каждый процессор ориентирован на прием и передачу отдельных периодически получаемых сигналов, однако система таких искусственных нейронов может быть довольно разветвленной и позволяет решать сложные многопараметрические задачи.
Для эффективного применения ИНС должны проходить адаптивное ситуационное обучение на основе заложенных в программу общих алгоритмов анализа данных. По мнению Бахтеева эффективность ИНС обусловлена тем, что она основана «на интеллектуальном эвристическом анализе данных, что позволяет выявлять скрытые, неочевидные связи и закономерности» [1].
Процесс формирования ИНС включает в себя определённые этапы, во-первых, необходимо собрать данные для обучения, нормализовать их, определиться топологией сети. Важным этапом является экспериментальный подбор характеристик сети и параметров обучения. На конечном этапе проходит обучение ИНС, проверка работоспособности сети, корректировка параметров и окончательное обучение.
Можно сформулировать основные направления использования ИНС в криминалистике [2].
— ИНС могут быть использованы для первоначального анализа, информации по уголовному делу с целью разработки всех вероятных версий и определения направлений расследования.
— Моделирование на основе имеющихся данных обстоятельств преступления.
— Выявление признаков серийности на основе анализа большого массива уголовных дел.
— Восстановление частично утраченных объектов.
— Повышение эффективности почерковедческих и габитоскопических исследований.
— Прогнозирование криминологической обстановки в регионах на основе анализа больших данных.
Технологии Искусственного интеллекта имеют серьезные перспективы при раскрытии и расследовании преступлений, связанных с дикими животными. В наше время криминалисты изучают достаточно много различных следов, но не менее важную роль занимают следы диких животных, которые надо изучать более углубленно.
Количество преступлений, где присутствуют следы диких животных, как показывает практика не уменьшается. К тому же животные сами являются объектами преступления. Примерами таких преступлений будут являться: процветание браконьерство на редких животных, либо же кража редких и дорогостоящих животных. Некоторые животные проходят процесс чипирования или имеют таврения, но бывают случаи, когда браконьеры при снятии шкуры избавляются от чипов для того, чтобы в дальнейшем их не могли найти, либо чипы не приживаются у животных, или же при снятии шкуры следов от таврения не остается, и как после этого можно найти животное и опознать его? Именно для этого нужно более подробно изучить индивидуальные признаки и особенности лап, рисунка на шерсти диких животных, а также попробовать применить специальную технику для изъятия следов животных, чтобы их можно было заносить в базу, по которой в дальнейшем можно будет без проблем определить какому именно животному принадлежит след.
Для идентификации полосатых хищников, используют алгоритмы компьютерного зрения и сверточные нейронные сети. Автоматизированная система идентификации амурского тигра — система способна идентифицировать и вести учет особей амурского тигра, прослеживать их родственные связи и определять индивидуальные участки обитания по снимкам с фотоловушек. Такая система имеет ряд задач:
— Отсортировать снимок с тигром с фотоловушки.
— Распознать всех особей присутствующих в кадре.
— Выделить контур каждого тигра на фотографии на фоне местности и естественных укрытий для дальнейшей идентификации.
— После прохождения всех этапов, тигр должен быть сравнен с имеющейся базой и идентифицирован.
Для комплексного решения задач применяется сверточная нейронная сеть, которая выделяет на снимках контуры искомых объектов для присвоения каждому пикселю на фотоснимке определенного класса. После обработки ИНС в конечном итоге получается картотека из запечатленных на территории тигров, каждого из которых следующим этапов требуется идентифицировать.
В данный момент система проходит тестовые испытания силами специалистов, осуществляющих фотомониторинг амурского тигра на территории федеральных и региональных ООПТ в Приморском крае, а также в Еврейской автономной области, где реализуется программа реинтродукции амурского тигра на границе исторического ареала.
СИАТ — это не просто система по распознаванию тигров, но и база данных, позволяющая хранить огромный массив информации о тиграх и к тому же важное направление изучения популяции амурского тигра на отдельных участках его ареала.
Подводя итог, следует отметить, что применение технологий ИИ имеют серьезные перспективы при раскрытии и расследовании преступлений, а также хранении информации. Однако, необходимо далее проводить комплексные исследования по разработке методов ИНС в криминалистике, проводить и их апробации с привлечением широкого круга специалистов. Важной задачей является разработка правовых механизмов применения таких методов в криминалистике, начиная с нормативного закрепление как терминологии, сама возможность применения ИНС в экспертных исследованиях должна быть закреплена в уголовно-процессуальном законодательстве.
Можно предположить, что, прогрессируя и развиваясь, искусственная нейронная сеть вскоре будет выступать атрибутом передовых криминалистических методов расследования и раскрытия преступлений. Но и следует не забывать, что нейронная сеть является лишь методом и инструментом в руках сотрудников правоохранительных органов, и ИИ не должен вытеснить человека.
Литература:
- Бахтеев Д. В. Искусственный интеллект в криминалистике: состояние и перспективы использования// Уголовный процесс и криминалистика 2018. № 2 С.3
- Василова Д. И. Искусственный интеллект в криминалистике// Электронный источник: https://s.econf.rae.ru/pdf/2018/12/7401.pdf.
- Электронный источник https://eaomedia.ru/news/1008077/
