Публикации автора

В статье рассматривается профессиональный путь и научные достижения профессора Надежды Павловны Майлис, выдающегося ученого в области криминалистики и судебной экспертизы. Автор анализирует основные вехи становления Н. П. Майлис как эксперта и ученого, начиная с получения образования и заканчивая созданием собственной научной школы. Особое внимание уделяется вкладу Н. П. Майлис в развитие криминалистической трасологии: она предложила принципиально новое понимание трасологии как фундаментальной теории, применимой в различных видах экспертиз. В статье также освещается ее значительный вклад в развитие общей теории судебной экспертизы, включая методологические основы, классификацию экспертиз и диагностические исследования. Значительная часть работы посвящена анализу педагогической деятельности Н. П. Майлис, созданию первого учебника по судебной экспертизе и формированию научной школы. Автор подчеркивает роль Надежды Павловны как в популяризации профессии судебного эксперта, так и в наставлении молодых ученых и практиков. Статья представляет интерес для криминалистов, судебных экспертов, преподавателей и студентов юридических вузов, а также всех, кто интересуется историей развития криминалистической науки в России. Работа демонстрирует не только профессиональные достижения ученого, но и раскрывает ее человеческие качества как мудрого наставника и отзывчивого коллеги. Исследование основано на документальных материалах, научных публикациях и личном опыте многолетнего сотрудничества автора с Н. П. Майлис.

В статье с позиций судебной экспертологии рассматривается система частной теории цифровизации судебно-экспертной деятельности. Описаны предмет, объекты, задачи теории, ее место в судебной экспертологии. Показано, что теория цифровизации судебно- экспертной деятельности может быть отнесена к ряду частных теорий, положения которых в равной степени распространяются как на процесс экспертного исследования в целом, так и на экспертные исследования отдельных родов экспертиз. Обозначены два раздела в системе теории: судебно-экспертное исследование цифровых следов и информационно-компьютерное обеспечение судебно-экспертной деятельности. В первом разделе представлены и рассмотрены природа цифровых следов, механизм следообразования, их свойства и признаки; формы представления и классификации цифровых следов и их носителей как объектов судебных экспертиз; общие задачи экспертного исследования цифровых следов. Второй раздел посвящен технологиям алгоритмизации и цифровизации методов и методик судебно- экспертного исследования, в нем рассматриваются перспективы внедрения нейронных сетей в судебную экспертизу и возникающие при этом актуальные проблемы. Автор отмечает изменения в методологии и технологиях разработки экспертных методик в связи с внедрением алгоритмов искусственного интеллекта. В этом разделе обозначены и сферы применения нейронных сетей для решения задач судебной экспертизы, проанализированы причины, по которым использование нейронных сетей может привести к ошибочным заключениям. Особое внимание уделено источникам модельного риска. Для разработки методик решения типичных экспертных задач на основе нейросетей предлагается создание судебно-экспертных датасетов и репозиториев для последующего проведения анализа и машинного обучения по различным родам (видам) судебных экспертиз. В статье также обоснована необходимость введения новых экспертных компетенций: аналитик экспертных данных, инженер экспертных данных и инженер машинного обучения.

В статье с позиций теории цифровизации судебно-экспертной деятельности как частной теории судебной экспертологии рассматриваются перспективы внедрения нейронных сетей в судебную экспертизу и возникающие при этом актуальные проблемы. Автор отмечает изменения в методологии и технологиях разработки экспертных методик в связи с внедрением алгоритмов искусственного интеллекта - нейронных сетей. Обозначены сферы применения нейронных сетей для решения разнообразных задач науки и практической деятельности. На конкретных примерах продемонстрированы возможности использования алгоритмов контролируемого обучения нейросетей в судебно-экспертной практике. Дан подробный анализ причин, по которым использование нейронных сетей в судебной экспертизе может привести к ошибочным заключениям. Особое внимание уделено галлюцинациям нейронных сетей глубокого обучения на больших языковых моделях. Существует опасность, что эксперт, всецело полагаясь на нейросеть, может сделать неправильный вывод, поскольку самообучаемые генеративные нейросети не дают объяснения, почему приняли то или иное решение. Для разработки методик решения типичных экспертных задач на основе нейросетей предлагается создание баз данных (Dataset) для анализа и машинного обучения по различным объектам судебной экспертизы. Для хранения Dataset необходимо организовать репозитории, которые могут содержать наборы данных по родам (видам) судебных экспертиз. Dataset и репозитории обеспечат контроль качества данных и верификацию моделей. В статье обоснована необходимость новых компетенций специалиста Data Scientist, который формирует инструменты для решения судебно-экспертных задач при внедрении нейросетей и других алгоритмов искусственного интеллекта в судебную экспертологию, а также работающего с ним в контакте инженера по машинному обучению.