Использование систем искусственного интеллекта в построении следственных версий

Цифровая трансформация затронула практически все сферы государственного управления, и правоохранительная деятельность не стала исключением. В последние годы вопросы применения технологий искусственного интеллекта в расследовании преступлений обсуждаются не только в специализированных технических изданиях, но и в юридической литературе, причём интенсивность этой дискуссии возрастает. Указ Президента Российской Федерации от 10 октября 2019 года № 490, утвердивший Национальную стратегию развития искусственного интеллекта на период до 2030 года, обозначил повышение эффективности государственного управления в качестве одного из приоритетных направлений внедрения соответствующих технологий. Распоряжение Правительства Российской Федерации от 19 августа 2020 года № 2129-р, которым утверждена Концепция развития регулирования отношений в сфере технологий искусственного интеллекта и робототехники, дополнительно подтвердило курс государства на системное освоение данных технологий.

Вместе с тем криминалистическая наука подходит к этой проблематике с определённой осторожностью, и такая осторожность представляется оправданной. Расследование преступлений, это деятельность, в которой каждое решение потенциально затрагивает права и свободы личности, а ошибка способна повлечь необратимые последствия. Построение следственных версий, составляющее интеллектуальную основу расследования, традиционно рассматривается как творческий процесс, неразрывно связанный с профессиональным опытом, интуицией и аналитическими способностями следователя. Вопрос о том, в какой мере этот процесс допускает автоматизацию и алгоритмизацию, до настоящего времени не получил исчерпывающего ответа.

Степень научной разработанности темы неоднородна. Общетеоретические вопросы построения следственных версий исследованы в трудах Р.С. Белкина, А.Г. Филиппова.

Проблематика информатизации расследования в разные годы рассматривалась Е.Р. Россинской, П.С. Пастуховым, В.Б. Вехов ым. Однако публикации, непосредственно посвящённые использованию технологий искусственного интеллекта в версионной деятельности следователя, пока немногочисленны и носят преимущественно постановочный характер.

Зарубежные разработки в данном направлении, напротив, продвинулись значительно дальше, однако их адаптация к условиям российской правовой системы требует самостоятельного научного осмысления.

Целью настоящей статьи является определение возможностей и пределов применения систем искусственного интеллекта при построении следственных версий в рамках действующего отечественного законодательства. Достижение указанной цели предполагает решение следующих задач: раскрытие криминалистической сущности следственной версии как объекта потенциальной алгоритмизации; анализ существующих технологических решений, применимых к версионной деятельности; выявление правовых и методологических ограничений внедрения подобных систем; формулирование рекомендаций по определению допустимых форм использования искусственного интеллекта в расследовании.

Методологическую основу исследования составили общенаучные методы анализа, синтеза, сравнения, а также частнонаучные методы: формально-юридический, сравнительно-правовой, системно-структурный. Эмпирическую базу образовали данные о функционировании автоматизированных информационных систем правоохранительных органов, опубликованные результаты зарубежных проектов по внедрению технологий искусственного интеллекта в деятельность полиции, а также нормативные правовые акты Российской Федерации.

Р.С. Белкин определяет

криминалистическую версию как криминалистическое, обоснованное предположение относительно отдельного факта или группы фактов, имеющих или могущих иметь значение для дела, указывающее на наличие и объясняющее происхождение этих фактов, их связь между собой и содержание, служащее целям установления объективной истины [1, с. 31]. А.А. Топорков также подчёркивал её логическую природу: версия представляет собой разновидность гипотезы, конструируемой по правилам логического мышления и проверяемой в ходе практической деятельности [2]. А.Г. Филиппов указывал, что построение версий неразрывно связано с анализом исходной информации, её сопоставлением с криминалистическими характеристиками соответствующих видов преступлений, а также с личным профессиональным опытом следователя [3].

Процесс построения версии

включает несколько этапов: собирание и оценку исходных данных, формулирование предположения, выведение из него логических следствий, планирование и осуществление проверочных действий, оценку результатов проверки. Каждый из перечисленных этапов обладает определённой степенью формализуемости. Этап формулирования самого предположения традиционно считается наименее формализуемым, поскольку требует творческого осмысления неполной и нередко противоречивой информации. Как следствие, в процессе построения версии интеллектуальное осмысление полученной информации, дополняется в сознании следователя его воображением, а логически сконструированные выводы содействуют с интуитивными догадками [4, с. 4].

Мы считаем, что именно в этой точке возникает центральный вопрос исследуемой темы: может ли искусственный интеллект заменить творческое мышление следователя при формулировании версий или его роль объективно ограничивается вспомогательными функциями? Для ответа на этот вопрос необходимо обратиться к анализу тех технологий, которые в настоящее время объединяются понятием искусственного интеллекта.

Согласно Национальной стратегии развития искусственного интеллекта до 2030 года, под искусственным интеллектом в контексте настоящей статьи понимается совокупность технологических решений, позволяющих программным системам выполнять задачи, которые при их решении человеком требуют когнитивных способностей, включая распознавание закономерностей, классификацию объектов, прогнозирование и принятие решений в условиях неопределённости. Среди технологий, потенциально применимых к построению следственных версий, следует выделить несколько направлений.

Первое, машинное обучение, в том числе методы классификации и кластеризации данных. Алгоритмы машинного обучения способны анализировать массивы ранее расследованных уголовных дел, выявлять в них устойчивые взаимосвязи между исходными данными и установленными обстоятельствами преступления. [5, с. 75] Е.Р. Россинская отмечала, что применение информационных технологий и методов обработки больших данных позволяет выйти за рамки ограниченной выборки и обобщать значительно более масштабные массивы следственной информации, выявляя устойчивые закономерности совершения преступлений [6]. Второе направление, обработка естественного языка и интеллектуальный анализ текстов. Материалы уголовных дел существуют преимущественно в текстовой форме: протоколы допросов, заключения экспертов, рапорты оперативных сотрудников, объяснения.

Технологии обработки естественного языка позволяют извлекать из неструктурированных текстов значимую информацию, выявлять противоречия между показаниями различных лиц, обнаруживать закономерности [7, с. 440]. В.Б. Вехов в своих работах справедливо подчёркивает, что в настоящее время невозможно представить криминалистическую технику без средств электронно-вычислительной техники и соответствующего программного обеспечения. Самыми перспективными для целей раскрытия, расследования, предупреждения преступлений являются именно информационные системы [8, с. 9].

Третье направление, сетевой анализ и визуализация связей. При расследовании преступлений, совершённых группой лиц, важным является установление структуры связей между участниками. Алгоритмы сетевого анализа позволяют строить графы взаимосвязей на основании данных о телефонных контактах, финансовых транзакциях, совместном присутствии в определённых местах. [9, с. 67]. Таким образом, полученные результаты могут послужить основанием для выдвижения версий о ролевом распределении внутри преступной группы, об организаторе преступления, о неустановленных соучастниках.

В ряде зарубежных государств правоохранительными органами используются системы предиктивной аналитики для прогнозирования мест и времени совершения преступлений. Система PredPol, применявшаяся полицейскими департаментами нескольких городов Соединённых Штатов Америки, анализировала данные о ранее совершённых преступлениях и генерировала прогнозы относительно зон повышенного риска.

Система VALCRI, разрабатывавшаяся при поддержке Европейской комиссии, была ориентирована непосредственно на содействие аналитикам полиции в изучении материалов дел и формулировании гипотез о механизме преступления, а также анализе допросов подозреваемых, фотографий с места преступления и иных данных [10, с. 66].

В Российской Федерации разработки в данном направлении находятся на более ранней стадии. Функционируют автоматизированные информационные системы, используемые в деятельности органов внутренних дел:

АИПС «Папилон» для дактилоскопической идентификации, система «Портрет» для идентификации по чертам лица, АИПС «Оружие», «Автотранспорт» и другие [11]. Однако перечисленные системы решают задачи идентификационного и справочного характера и не предназначены для содействия в аналитической работе следователя, в том числе в построении версий.

П.С. Пастухов в своих исследованиях указывал на необходимость создания в Российской Федерации единой цифровой среды уголовного судопроизводства, которая позволила бы интегрировать разрозненные информационные ресурсы и обеспечить следователю доступ к аналитическим инструментам нового поколения [12]. Мы разделяем эту позицию и считаем, что без формирования такой среды внедрение технологий искусственного интеллекта в версионную деятельность останется фрагментарным и малоэффективным.

Среди отечественных научных разработок следует отметить исследования, направленные на создание экспертных систем в области криминалистики. Ещё в 1990-х годах предпринимались попытки формализовать процесс построения версий при расследовании отдельных категорий преступлений и представить его в виде алгоритма, пригодного для программной реализации. Т.С. Волчецкая, разрабатывая ситуационный подход в криминалистике, обосновывала возможность типизации следственных ситуаций и соответствующих им наборов версий, что само по себе создаёт предпосылки для алгоритмизации версионной деятельности [13].

Внедрение систем искусственного интеллекта в процесс построения следственных версий сопряжено с рядом ограничений, которые имеют как правовую, так и методологическую природу. С правовой точки зрения центральной является проблема субъекта принятия процессуальных решений. Уголовно-процессуальный кодекс Российской Федерации наделяет следователя процессуальной самостоятельностью. Согласно статье 38 данного Кодекса, следователь уполномочен самостоятельно направлять ход расследования, принимать решения о производстве следственных и иных процессуальных действий. Построение версий, хотя и не оформляется отдельным процессуальным актом, лежит в основе планирования расследования и непосредственно определяет направление и содержание следственных действий. Следовательно, передача этой функции программной системе, даже частичная, ставит вопрос о сохранении процессуальной самостоятельности следователя [14].

Мы полагаем, что ответ на этот вопрос зависит от того, какая модель взаимодействия между следователем и системой искусственного интеллекта будет избрана. Если система выступает исключительно в качестве аналитического инструмента, предлагающего варианты, но не принимающего решений, процессуальная самостоятельность следователя формально не нарушается. Окончательный выбор версии, определение порядка её проверки и принятие всех процессуальных решений остаются за человеком. Однако здесь возникает проблема иного рода, которую можно обозначить как проблему «алгоритмической зависимости». Исследования в области когнитивной психологии свидетельствуют о том, что человек, систематически получающий рекомендации от автоматизированной системы, с течением времени склонен доверять этим рекомендациям в большей степени, нежели собственному суждению. Применительно к деятельности следователя это означает риск постепенной утраты самостоятельности мышления и превращения из субъекта принятия решений в лицо, формально утверждающее выводы алгоритма.

Методологические ограничения связаны прежде всего с качеством данных, на которых обучаются системы искусственного интеллекта. Алгоритмы машинного обучения выявляют закономерности в тех массивах информации, которые используются при их обучении.

Если эти данные содержат систематические ошибки, отражают предвзятость или являются неполными, результаты работы алгоритма будут воспроизводить и усиливать эти недостатки [15, с. 36].

Другое методологическое ограничение обусловлено природой самой следственной версии. Как отмечал Р.С. Белкин, версия строится не только на основании типичных закономерностей, но и с учётом индивидуальных, нередко уникальных особенностей конкретного расследуемого события [1]. Алгоритмы машинного обучения ориентированы на обнаружение повторяющихся закономерностей и по своей природе хуже справляются с атипичными ситуациями. Между тем именно в таких ситуациях помощь следователю нужна более всего. Преступление, совершённое необычным способом или в нехарактерных условиях, с наименьшей вероятностью будет корректно интерпретировано алгоритмом, обученным на типичных случаях.

Помимо правовых и методологических, существуют этические ограничения, которые не могут быть оставлены без внимания. Версионная деятельность следователя непосредственно затрагивает судьбы конкретных людей.

Выдвижение версии о причастности определённого лица к совершению преступления влечёт за собой производство в отношении него следственных действий, ограничивающих его права и свободы. Если основанием для выдвижения такой версии послужила рекомендация алгоритма, возникает вопрос об ответственности за возможную ошибку.

Действующее законодательство Российской Федерации не содержит норм, регулирующих ответственность за вред, причинённый вследствие ошибочных рекомендаций системы искусственного интеллекта в сфере уголовного судопроизводства. Статья 1064 Гражданского кодекса Российской Федерации устанавливает общие основания ответственности за причинение вреда, однако их применение к рассматриваемой ситуации сопряжено с серьёзными затруднениями, связанными прежде всего с определением субъекта ответственности. Является ли таковым разработчик системы, орган, принявший решение о её внедрении, или следователь, воспользовавшийся её рекомендацией, вопрос, который отечественным законодательством пока не разрешён.

Представляется возможным

предположить, что разрешение данного вопроса невозможно без введения в законодательство специальных норм, определяющих правовой режим использования систем искусственного интеллекта в уголовном судопроизводстве. Такие нормы должны, во-первых, закрепить принцип, согласно которому рекомендация системы искусственного интеллекта ни при каких обстоятельствах не может являться единственным основанием для принятия процессуального решения. Во-вторых, они должны установить обязанность фиксации в материалах дела факта использования подобной системы и содержания полученных рекомендаций, что обеспечит возможность последующего контроля. В-третьих, необходимо предусмотреть механизм сертификации и периодической верификации алгоритмов, используемых в расследовании, аналогичный тому, который существует для средств измерений в судебной экспертизе. Проведённый анализ позволяет сформулировать ряд выводов, нуждающихся в обсуждении. Прежде всего, следует сказать, что технологии искусственного интеллекта в их нынешнем состоянии не способны заменить следователя в процессе построения версий. Ни одна из существующих технологий не обладает тем сочетанием аналитических, интуитивных и оценочных способностей, которое требуется для полноценной версионной деятельности. Вместе с тем было бы ошибкой отвергать возможность их вспомогательного использования.

На наш взгляд, наиболее продуктивной моделью является такая, при которой система искусственного интеллекта выступает в роли аналитического ассистента следователя. В рамках этой модели система выполняет три основные функции. Первая - информационная: оперативный поиск, систематизация и визуализация данных, релевантных для расследования, включая сведения из баз данных ранее расследованных дел, криминалистических учётов, открытых источников. Вторая - аналитическая: выявление закономерностей, корреляций и аномалий в имеющихся данных, которые могут ускользнуть от внимания следователя в силу их объёма или неочевидности. Третья - генеративная: формирование перечня возможных версий на основании анализа исходных данных и их ранжирование по степени соответствия имеющимся доказательствам.