В статье исследуются вопросы, связанные с возможностью алгоритмизации признаков преступления (общественная опасность, уголовная виновность, наказуемость, противоправность) и преступности (количественные и качественные). Анализируются различные программные решения предиктивной аналитики, используемые как в Российской Федерации, так и в США в целях прогнозирования возможных преступлений и правонарушений. На основе анализа научных работ были выявлены наиболее обсуждаемые проблемы, связанные с применением таких систем. К ним относятся нарушение права человека на конфиденциальность и вероятность дискриминационных решений, принимаемых системами предиктивной аналитики. В статье сделан вывод, что проблема нарушения конфиденциальности может варьироваться в зависимости от алгоритмов, используемых в системах, и целей их применения. В случае прогнозирования преступности и правонарушений, обойти проблему нарушения конфиденциальности невозможно, поскольку методы анализа, в зависимости от алгоритмов их реализации, могут использовать конечный набор характеристик сообществ, данных о преступности, преступниках, поведении людей, времени и местах совершения преступлений или правонарушений, криминологической информации и других данных. Хотя существуют методы математического моделирования, которые позволяют избежать нарушения конфиденциальности данных о человеке во время их сбора и анализа, например, это метод Байеса. Но, этот метод, как и другие, имеет свои ограничения в решении задач.
Идентификаторы и классификаторы
- SCI
- Информатика
В целях предотвращения преступлений было бы весьма полезно заблаговременно располагать сведениями о готовящихся правонарушениях и своевременно принимать необходимые меры. Но пока такое развитие событий возможно в фантастическом произведении, несмотря на то что с каждым годом появляются различные инструменты алгоритмизации разработанных математиками теоретических моделей прогнозирования событий и точность их решения увеличивается. Прогнозная (предиктивная) аналитика – это способ автоматизированного анализа данных для прогнозирования и планирования событий, который осуществляется с использованием реализованных информационных технологий на базе различных математических моделей. Существуют различные модели и инструменты предиктивной аналитики. Например, технология машинного обучения, является одним из возможных инструментов прогнозного моделирования, позволяет выявить скрытые закономерности в данных, что помогает улучшить точность прогнозов и принимать более информированные решения [1]. Кроме того, алгоритмы машинного обучения способны непрерывно самосовершенствоваться и своевременно адаптироваться к малейшим изменениям внутренних и внешних факторо
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Жарова, А. К. Нейронные сети для обеспечения общественной безопасности и снижения уровня преступности. Опыт США / А. К. Жарова // Информационное общество. - 2023. - № 6. - С. 86-91. EDN: QOQJHB
2. Ромова Е.А., Феррейра Д.Б., Бегишев И.Р. Искусственный Интеллект, Justtech и процессуальное право // Вестник гражданского процесса“. 2024. № 2.
3. Justice by algorithm: AI predicts the results of Supreme Court trials better than a human // https://www.dailymail.co.uk/sciencetech/article-4476718/Machine-learning-algorithm-predicts-Supreme-Court-outcomes.html.
4. Кабытов П.П., Назаров Н.А. Обеспечение объяснимости и прозрачности автоматизированного принятия решений в государственном управлении // Информационное общество. 2024, No 6, С.44-53. DOI: 10.52605/16059921_2024_06_44 EDN: PFYMMF
5. Are robot police officers racist? Artificial intelligence predicts crime a WEEK in advance with 90 per cent accuracy - but can also perpetuate human bias, study shows // https://www.dailymail.co.uk/sciencetech/article-10972437/AI-predicts-crime-week-advance-90-cent-accuracy-perpetuate-racist-bias.html.
6. Клон и Конъюнктура: МВД РФ анонсировало внедрение ИИ в правоохранительную деятельность к 2025 году // https://www.securitylab.ru/news/545135.php.
7. Шутова, А. А. Обеспечение цифровой безопасности системы здравоохранения уголовно-правовыми средствами / А. А. Шутова // Russian Journal of Economics and Law. - 2024. - Т. 18, № 4. - С. 936-953. DOI: 10.21202/2782-2923.2024.4.936-953 EDN: SHZTFY
8. Harcourt, Bernard E. Against Prediction: Profiling, Policing, and Punishing in an Actuarial Age, Chicago: University of Chicago Press, 2006. DOI: 10.7208/9780226315997
9. Редкоус, В. М. О новых требованиях, предъявляемых к должностным лицам, уполномоченным осуществлять контрольно-надзорную деятельность в условиях ее реформирования / В. М. Редкоус // Государственная служба и кадры. - 2019. - № 3. - С. 206-208. DOI: 10.24411/2312-0444-2019-10158 EDN: UXTHAD
10. Дейнеко, А. Г. Публичное право в киберпространстве: публично-правовое регулирование информационных отношений / А. Г. Дейнеко. - Москва: Общество с ограниченной ответственностью “Проспект”, 2025. - 248 с. ISBN: 978-5-392-42996-7 EDN: SBSONL
11. Чурикова, А. Ю. Информационные технологии в уголовном судопроизводстве / А. Ю. Чурикова. - Москва: ДМК Пресс, 2024. - 308 с. ISBN: 978-5-93700-339-3 EDN: XUXICA
12. Редкоус, В. М. Современные направления правого обеспечения государственной безопасности в Российской Федерации / В. М. Редкоус // Пенитенциарная система и общество: опыт взаимодействия: сборник материалов VIII Международной научно-практической конференции, Пермь, 06-08 апреля 2021 года. Том 1. - Пермь: Пермский институт Федеральной службы исполнения наказаний, 2021. - С. 67-69. EDN: CUTPJC
13. Walter L. Perry, Brian McInnis, Carter C. Price, Susan Smith, John S. Predictive Policing. The Role of Crime Forecasting in Law Enforcement Operations // https://www.rand.org/pubs/research_reports/RR233.html.
14. Predictive Policing: Using Technology to Reduce Crime // https://leb.fbi.gov/articles/featured-articles/predictive-policing-using-technology-to-reduce-crime.
15. Zharova, A. The Bayes model for the protection of human interests / A. Zharova, V. Elin, M. Levashov // International Journal of Electrical and Computer Engineering. - 2023. - Vol. 13, No. 6. - P. 6419-6425. DOI: 10.11591/ijece.v13i6.pp6419-6425 EDN: CFNXXA
16. Кургузкина, Е. Б. К вопросу о криминологической характеристике преступности / Е. Б. Кургузкина // Научный портал МВД России. - 2008. - № 2. - С. 55-59. EDN: KDNEYZ
17. Преступность. Большая российская энциклопедия // https://bigenc.ru/c/prestupnost-266c60.
18. Шиханов, В. Н. Исследование количественных и качественных характеристик преступности: базовые положения: Учебное пособие по дисциплине “Криминология” / В. Н. Шиханов. - Иркутск: Иркутский юридический институт (филиал) федерального государственного казенного образовательного учреждения высшего образования “Университет прокуратуры Российской Федерации”, 2018. - 67 с. EDN: KKZLZS
19. Акутаев, Р. М. Криминологический анализ латентной преступности: специальность 12.00.08 “Уголовное право и криминология; уголовно-исполнительное право”: диссертация на соискание ученой степени доктора юридических наук / Акутаев Расул Магомедович. - Санкт-Петербург, 1999. - 358 с. EDN: NLSUUR
20. Фомин, С. А. Криминологические характеристики преступности и основные показатели характеристик преступности, ее отдельных групп и видов на современном этапе / С. А. Фомин // Вестник Сибирского юридического института МВД России. - 2018. - № 1(30). - С. 94-103. DOI: 10.51980/2542-1735_2018_1_94 EDN: YXIARZ
21. Астраханцева, Е. Ю. Латентная преступность: состояние и проблемы выявления / Е. Ю. Астраханцева, Е. Н. Гордеева // Правовая мысль. - 2022. - № 1(4). - С. 10-14. DOI: 10.55000/MCU.LegTh.2022.4.1.002 EDN: JJFHTE
22. Теохаров, А. К. Понятие и природа латентной преступности / А. К. Теохаров // Журнал правовых и экономических исследований. - 2023. - № 4. - С. 132-139. DOI: 10.26163/GIEF.2023.32.13.020 EDN: IBURCY
23. Иванова, Е. О. Латентная преступность: понятие и критерии классификации / Е. О. Иванова // Современное право. - 2015. - № 5. - С. 119-123. EDN: TUHKEJ
24. Петрушенков, А. Н. Современные проблемы реализации признака наказуемости преступления в Общей и Особенной части Уголовного кодекса Российской Федерации / А. Н. Петрушенков // Пробелы в российском законодательстве. - 2018. - № 5. - С. 137-142. EDN: YCNBJJ
25. Ситникова А.И. Глава “Неоконченное преступление” УК РФ и ее законодательно-текстологическое обоснование // Lex russica. 2015. № 11. С. 83 - 95. EDN: VUQRQJ
26. Баев О.Я. Криминалистические методики в реализации доказывания по уголовным делам и совершенствование основ их конструирования // Законы России: опыт, анализ, практика. 2017. № 5. С. 21 - 29. EDN: YPLXBP
27. Cisco Secure Endpoint (AMP for Endpoints) // https://www.cisco.com/c/en_hk/products/security/amp-for-endpoints/index.html.
28. Завьялов, И. А. Зарубежный опыт использования искусственного интеллекта в раскрытии преступлений / И. А. Завьялов // Вестник Московского университета МВД России. - 2021. - № 3. - С. 228-236. DOI: 10.24412/2073-0454-2021-3-228-236 EDN: MWOJZD
29. O’Sullivan, C. (2019). Using Machine Learning to Predict Judicial Decisions.
30. Bokolo, B.G., Onyehanere, P., Ogegbene-Ise, E., Olufemi, I., Tettey, J.N.A. (2024). Leveraging Machine Learning for Crime Intent Detection in Social Media Posts. In: Zhao, F., Miao, D. (eds) AI-generated Content. AIGC 2023.Communications in Computer and Information Science, vol 1946. Springer, Singapore. DOI: 10.1007/978-981-99-7587-7_19
31. Дремлюга Р. И., Решетников В. В. Правовые аспекты применения предиктивной аналитики в правоохранительной деятельности // Азиатско-Тихоокеанский регион: экономика, политика, право. 2018. № 3. С. 133-144. EDN: WOKVQQ
32. Жарова, А. К. Интеллектуальные системы распознавания образов и смысла в системе предупреждения правонарушений, совершаемых с использованием Сети / А. К. Жарова // Russian Journal of Economics and Law. - 2024. - Т. 18, № 2. - С. 469-480. DOI: 10.21202/2782-2923.2024.2.469-480 EDN: TDLSUJ
33. Жарова, А. К. Интеллектуальные системы распознавания образов и смысла в системе предупреждения преступлений / А. К. Жарова // Труды по интеллектуальной собственности. - 2024. - Т. 49, № 2. - С. 16-23. DOI: 10.17323/tis.2024.21708 EDN: IFJRJA
34. Predictive Policing: Using Technology to Reduce Crime // https://leb.fbi.gov/articles/featured-articles/predictive-policing-using-technology-to-reduce-crime.
35. Shah, N., Bhagat, N. & Shah, M. Crime forecasting: a machine learning and computer vision approach to crime prediction and prevention. Vis.Comput. Ind. Biomed. Art 4, 9 (2021). DOI: 10.1186/s42492-021-00075-z EDN: MKWUSB
36. Grace Thomas. Politicians Move to Limit Predictive Policing After Years of Controversial Failures // https://www.techpolicy.press/politicians-move-to-limit-predictive-policing-after-years-of-controversial-failures.
Выпуск
Другие статьи выпуска
Современные информационные технологии государственного управления являются итогом развития идей и методов ручной обработки информации, которые зародились в далеком прошлом. В статье обращено внимание на политические и экономические факторы, оказавшие влияние на развитие учетных технологий в государственных учреждениях России во второй половине XVIII века. Авторами статьи введены в научный оборот архивные документы, свидетельствующие о первых попытках русских счетоводов внедрить метод «двойной бухгалтерии», а также разработать оригинальную технику «тройной регистрации» при учете затрат на строительство дворцовых зданий в 1774-75 гг. Использованная в Московской дворцовой конторе оригинальная учетная техника не имеет аналогов в отечественных и зарубежных публикациях по истории бухгалтерского учета
Настоящее исследование посвящено изучению использования FMCG-компаниями Казахстана цифровых технологий как фактора, способствующего повышению их конкурентоспособности. Эмпирическая база исследования состояла из результатов онлайн-анкетирования, проведенного в 2024 году среди представителей 50 компаний FMCG, функционирующих в сферах производства, доставки и ритейла. В результате исследования получены новые данные о процессах цифровой трансформации в казахстанских компаниях. В частности, было установлено, что наибольший интерес среди всех категорий компаний представляют такие технологии как Business Intelligence, искусственный интеллект и нейросети, чатботы, облачные вычисления. Результаты исследования свидетельствуют о стремлении компаний ритейла и доставки к приоритетному использованию возможностей Индустрии 4.0, связанных с управленческим аспектом, в то время как компании-производители в первую очередь сфокусированы на использовании цифровых решений в технологическом и производственном аспектах деятельности
В статье рассматривается роль цифровых технологий в формировании профессиональных компетенций демографа на основе положений профессионального стандарта «Демограф». Раскрываются направления использования цифровых решений в аналитике, прогнозировании, экспертизе и консультировании в демографической сфере. Особое внимание уделено цифровым инструментам как неотъемлемой составляющей современного научного и управленческого инструментария, обеспечивающего эффективное решение задач демографического развития в условиях цифровой трансформации общества
The goal is to model the behavior of primitive organisms and transfer the results to human life. A human choice process has been implemented, based on an ant algorithm that simulates the procedure for laying out an optimal, shorts route
В статье рассматривается развитие информационного моделирования и его применение в строительном проектировании на современном этапе. Описаны особенности разработки трехмерных информационных моделей при проектировании зданий. Приведена классификация BIM-моделей по стадиям проектирования. Отмечена актуальность информационного моделирования в эпоху цифровизации, преимущества моделирования в разработке строительных проектов
Статья посвящена предпосылкам создания системы интеллектуального анализа больших текстоводокументных данных (БТДД) для поддержки стратегической аналитики в рамках научно-технического сотрудничества стран БРИКС. Предлагается решение задачи преодоления разрыва между развитием технологий и существующими цифровыми инструментами, ограничивающими эффективность стратегического анализа. Предлагаемая концепция акцентирует внимание на использовании технологий обработки естественного языка (NLP) и семантического анализа для повышения точности и надежности управленческих решений. Результаты формируют основу для разработки концепции Системы автоматизации и аугментации (усиления) стратегической аналитики путем информационноаналитического обеспечения
В статье представлены результаты исследования, посвященного репрезентации параметров локальной идентичности в рекламных материалах и на информационных ресурсах объектов жилой недвижимости. Для исследования выбраны районы Москвы, входящие в различные кластеры в зависимости от социальноэкономических показателей. Проведен контент-анализ баннеров наружной рекламы и сайтов жилых комплексов, расположенных в этих районах. По итогам анализа определены доминирующие в каждом кластере параметры локальной идентичности
Одним из наиболее актуальных вызовов для современных медиа стал искусственный интеллект. В 2024 году он уже способен генерировать тексты для нетребовательных читателей и иллюстрации, которые сложно отличить от реальных фотографий. Использовав в качестве методики несколько опросов и экспертных интервью, авторы представили общие тенденции развития в данном направлении. Помимо генерации текстов и иллюстраций, нейросети используются журналистами при выполнении целого ряда задач: транскрибация, поиск информации, переводы и пр. При этом нововведения быстрее внедряются медиафрилансерами, чем штатными журналистами. Авторы предполагают, что это лишь начало, и в дальнейшем процент медиаспециалистов, использующих нейросети, будет расти
Blockchain in Russia is the key end-to-end digital technology, based on which the digital ruble is launched as fiduciary digital national money. Purpose: to explore the role of blockchain, quantum technologies and computers in building up cyber immunity in Russia. Results: the peculiarity of using blockchain in Russian financial sector is the creation of the fiat digital ruble, rather than cryptocurrencies. Conclusions: the original hypothesis of ensuring blockchain ecosystems and platforms cybersecurity, in response to increasing cybercrime, in view of Russian financial sector cyber immunity development, is proposed; Russia, like other countries, hasn’t developed cyber immunity – “Quantum inoculation” is required
В статье представлено описание интеллектуальных систем оповещения населения при чрезвычайных природно-техногенного и террористического характера, основанные на использовании технологий искусственного интеллекта и аппаратно-программных комплексов домофонной связи для оперативного оповещения жильцов многоквартирных домов. Рассмотрены особенности и преимущества отмеченных выше систем оповещения населения при чрезвычайных ситуациях
В данной работе рассматриваются руководящие принципы Хартии «О сохранении цифрового наследия», рекомендованные ЮНЕСКО как основа для обеспечения культурного суверенитета государств-участников. Культурный суверенитет – это право стран на защиту и развитие своего культурного наследия, включая современные цифровые формы. В международном акте подчеркивается важность сохранения объектов цифрового культурного наследия в глобальном информационном пространстве государствами в условиях стремительного технологического прогресса, процессами цифровой трансформации, что особенно актуально для российского сегмента глобальной сети Интернет. Ключевые проблемы для России – сохранение национальной идентичности и защита от внешних псевдокультурных влияний.
В статье представлен анализ закономерностей и проблем негосударственного цифрового сохранения культурного наследия в условиях происходящей цифровой трансформации, даны примеры различных предметных инициатив, связанных с деятельностью лиц, осуществляющих частную инициативу по созданию и продвижению культурно-исторического контента. Рассмотрены вопросы социальной кооперации лиц, заинтересованных в создании и продвижении культурного наследия в цифровом пространстве, в том числе, среди молодежи. Обобщен 15-летний эмпирический опыт проекта «Сохраненная культура» и представлены его идеи и методология, которые могут быть использованы заинтересованными лицами
В статье рассматриваются вопросы этического регулирования искусственного интеллекта (ИИ). Анализируются проблемы эффективности применения разных этических концепций для ИИ; оптимального выбора раздела этики, соответствующего исследованиям регулирования ИИ; перспективы взаимодействия профессиональной этики и поведенческой экономики; уточнения некоторых ключевых понятий ИИ. Делаются выводы о необходимости преодоления разрыва между академическим сообществом и сообществом практиков-управленцев, разрабатывающих и внедряющих в жизнь механизмы этического регулирования ИИ.
Мировой финансово-экономический кризис (2007–2009 гг.) продемонстрировал все несовершенство существующей финансовой системы. Именно в этот период появился новый вид денег – неподконтрольные государству криптовалюты, которые получили бурное развитие и представляют собой угрозу мировой финансовой системе. В исследовании выделяются основные риски, к основным из которых следует отнести – несовместимость с существующей финансовой системой; противоречие между финансовой архитектурой и глобальной валютой; отток капитала, высокая волатильность криптокурса; неравномерность внедрения криптовалют по странам и регионам мира; возможности использования криптовалют в качестве криптопирамид, невозможность вывода средств в случае криптокризиса. В ходе проведенного исследования автором предлагается минимизировать риски внедрения криптовалют в финансовую сферу путем формирования эффективного крипторегулирования и/или создания Цифровых валют центральных банков (далее – ЦВЦБ).
Статья содержит рецензию на монографию, которую подготовил коллектив ЦЭМИ РАН под руководством известного экономиста чл.-корр. РАН, главного научного сотрудника ЦЭМИ РАН Г. Б. Клейнера: «Интеллектуальные технологии в микро- и мезоэкономике / под ред. чл.-корр. РАН Г. Б. Клейнера; предисл. чл.-корр. РАН А. Р. Бахтизина; ЦЭМИ РАН. М.: ИД «Научная библиотека», 2025. 324 с.». Злободневность обсуждаемых в книге вопросов потребовала от авторов использования инновационной терминологии и неожиданных ракурсов рассмотрения.
Всё течет, всё меняется (древнегреч. Πάντα ῥεῖ καὶ οὐδὲν μένει) – эта мудрость знакома нам с детства. Принадлежит она Гераклиту Эфесскому, а сохранил её для истории Платон: «Гераклит говорит, что всё движется и ничего не стоит, и, уподобляя сущее течению реки, прибавляет, что дважды в одну и ту же реку войти невозможно»
Издательство
- Издательство
- ИРИО
- Регион
- Россия, Москва
- Почтовый адрес
- 101000, Москва, Армянский переулок, дом 9 стр. 1, офис 310-1
- Юр. адрес
- 117312, г Москва, Академический р-н, пр-кт 60-летия Октября, д 9, кв 716
- ФИО
- Ершова Татьяна Викторовна (ГЕНЕРАЛЬНЫЙ ДИРЕКТОР)
- E-mail адрес
- info@iis.ru
- Контактный телефон
- +7 (495) 9122229
- Сайт
- http:/www.iis.ru