В современной экспертной практике специальные психофизиологические исследования (СПФИ), реализуемые с применением полиграфа, традиционно базируются на анализе комплекса физиологических показателей — кожно-гальванической реакции, параметров дыхания, сердечно‑сосудистой активности и иных индикаторов функционального состояния организма. В последние годы наблюдается тенденция к интеграции в данную область технологий искусственного интеллекта (ИИ), что обусловливает необходимость научно-методологического осмысления возможностей, ограничений и рисков их применения.
Для начала необходимо разобраться, что же такое искусственный интеллект. Согласно пункту 5 указа президента Российской Федерации от 10.10.2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации» искусственный интеллект — комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые с результатами интеллектуальной деятельности человека или превосходящие их. Комплекс технологических решений включает в себя информационно-коммуникационную инфраструктуру, программное обеспечение (в том числе в котором используются методы машинного обучения), процессы и сервисы по обработке данных и поиску решений [1].
На этапе сбора и предварительной обработки эмпирических данных алгоритмы машинного обучения демонстрируют высокую эффективность в устранении артефактов, искажающих регистрируемые сигналы. К числу типичных артефактов относятся двигательные реакции испытуемого, резкие изменения позы, эпизоды кашля или чихания, а также технические помехи, связанные с нестабильностью работы измерительного оборудования. Автоматизированная фильтрация и сегментация временных рядов позволяют повысить чистоту исходных данных и обеспечить их сопоставимость в рамках серийных измерений.
Ключевым направлением использования ИИ выступает выявление устойчивых паттернов физиологических реакций, потенциально коррелирующих с состояниями когнитивной нагрузки, эмоционального напряжения либо поведенческой децепции. Применение методов кластерного анализа, классификации и регрессионного моделирования даёт возможность обнаруживать нелинейные зависимости между различными параметрами, которые могут оставаться вне поля зрения эксперта при визуальной интерпретации полиграмм. При этом следует учитывать, что отсутствие универсального физиологического маркера лжи предопределяет вероятностный характер любых выводов, получаемых как традиционными, так и автоматизированными методами.
Существенное значение имеют методологические ограничения, связанные с применением ИИ в СПФИ. Во‑первых, проблема «чёрного ящика», характерная для ряда нейросетевых моделей, затрудняет интерпретируемость промежуточных и итоговых выводов, что противоречит требованиям научной обоснованности и проверяемости экспертных результатов. Во‑вторых, валидность ИИ‑алгоритмов напрямую зависит от репрезентативности обучающих выборок, которые должны учитывать широкий спектр демографических, психофизиологических и ситуативных факторов. В‑третьих, гетерогенность существующих полиграфных методик и отсутствие унифицированных протоколов проведения СПФИ осложняют стандартизацию и сравнительный анализ эффективности различных ИИ‑решений.
К числу преимуществ внедрения технологий искусственного интеллекта в полиграфные проверки относятся: минимизация влияния субъективных факторов за счёт исключения эффектов утомления и неосознанной предвзятости эксперта; существенное сокращение временных затрат на обработку массивов полиграмм с высокой частотой дискретизации; обеспечение стандартизации критериев интерпретации и сопоставимости результатов в различных исследовательских контекстах; автоматизация процедур предварительной обработки данных, включая фильтрацию артефактов, сегментацию временных рядов и формирование первичных отчётов; выявление нелинейных зависимостей и нетривиальных корреляций между физиологическими параметрами посредством методов машинного обучения; возможность накопления и систематизации репрезентативных обезличенных датасетов для последующей валидации и совершенствования алгоритмов; реализация функции «второго мнения» с целью выявления противоречий и неоднозначных эпизодов в интерпретации данных.
К недостаткам и рискам применения ИИ в указанной сфере причисляют: неразрешённость фундаментальной проблемы отсутствия универсального физиологического маркера децепции, вследствие чего автоматизация не устраняет вероятностный характер выводов; низкую интерпретируемость ряда нейросетевых моделей (эффект «чёрного ящика»), препятствующую верификации и воспроизводимости экспертных заключений; зависимость точности алгоритмов от репрезентативности обучающих выборок и потенциальное возникновение систематических смещений (bias) в отношении отдельных демографических или психофизиологических групп; риск формирования когнитивной иллюзии повышенной достоверности автоматизированных результатов, снижающей критичность экспертной оценки; отсутствие унифицированных методологических и технических стандартов валидации, сертификации и сопоставления различных ИИ‑решений; существенные правовые и этические ограничения, обусловленные отнесением физиологических данных к категории персональных данных особой чувствительности и непризнанием результатов полиграфных проверок самостоятельным доказательством в российском правовом поле; ограниченную изученность эффективности ИИ в условиях целенаправленного противодействия и применения испытуемыми техник саморегуляции; недостаточную адаптивность универсальных алгоритмов к индивидуальным особенностям реагирования, повышающую вероятность ложноположительных и ложноотрицательных классификаций; высокие инфраструктурные требования и необходимость привлечения специалистов междисциплинарной квалификации для настройки, валидации и контроля работы ИИ‑систем.
Таким образом, применение технологий искусственного интеллекта в специальных психофизиологических исследованиях представляет собой междисциплинарную задачу, требующую комплексного подхода, сочетающего достижения информатики, физиологии, психологии и юриспруденции. Эффективность и легитимность использования ИИ в данной области могут быть обеспечены только при условии разработки единых методологических стандартов, прозрачной валидации алгоритмов и сохранения ключевой роли квалифицированного эксперта в формировании итоговых выводов.
Литература:
- Президента Российской Федерации от 10.10.2019 г. № 490 «О развитии искусственного интеллекта в Российской Федерации». — Текст : электронный // kremlin.ru : [сайт]. — URL: http://www.kremlin.ru/acts/bank/44731 (дата обращения: 26.06.2026).
