руководитель Управления;
профессор кафедры криминалистики,
доктор юридических наук, доцент, полковник юстиции,
105005, г. Москва, Технический пер., д. 2
Head of the Department;
Professor of Department of Criminalistic,
Dr. Sсi. (Law), Associate Professor, Colonel of Justice,
105005, Moscow, Tekhnicheskij per., 2
Поскольку технологии искусственного интеллекта прочно вошли во многие сферы современной жизни, пришло время детально исследовать их возможности в криминалистике при изучении преступной деятельности. В статье описан опыт разработки с использованием алгоритмов искусственного интеллекта цифровых моделей серийных преступлений, совершенных по сексуальным мотивам. Эмпирической базой исследования стали данные о 1 068 серийных преступлениях, включая убийства. Для обработки данных применялись методы математической статистики и ряд алгоритмов искусственного интеллекта: градиентный бустинг, нейронные сети, логистическая регрессия и др.
В результате выявлены типичные признаки преступлений и закономерные связи между ними, использованные для обучения моделей, представленные алгоритмами искусственного интеллекта. Полученные системы поддержки принятия решений позволяют прогнозировать расстояние от места преступления до места жительства преступника (точность 88,3—93,5 %), возраст преступника (точность 80,3 %, доверительный интервал ± 6 лет), наличие у него психического заболевания (точность 81,5 %) и судимости (точность 82 %), а также некоторые другие характеристики. По итогам проведенного исследования сделан вывод о возможности применения методов математической статистики и искусственного интеллекта в ходе расследования преступлений, а также в криминалистике.
Since artificial intelligence technologies are firmly embedded in many areas of modern life, it is time to explore in detail their capabilities in criminology in the study of criminal activity. The article describes the experience of developing digital models of serial crimes committed for sexual reasons using artificial intelligence algorithms. The empirical basis of the study was data on 1068 serial crimes, including murder. Methods of mathematical statistics and a number of artificial intelligence algorithms were used for data processing: gradient boosting, neural networks, logistic regression, etc. As a result, typical signs of crimes and natural connections between them, used for training models, presented by artificial intelligence algorithms, are revealed. The obtained decision support systems allow predicting the distance from the crime scene to the place of residence of the offender (accuracy 88.3—93.5 %), the age of the offender (accuracy 80.3 %, confidence interval ±6 years), the presence of a mental illness (accuracy 81.5 %) and criminal record (accuracy 82 %), as well as some other characteristics. According to the results of the study, it is concluded that the methods of mathematical statistics and artificial intelligence can be used in the investigation of crimes, as well as in criminalistics.
The authors declare that there are no conflicts of interest present.