Искусственный интеллект в судебной экспертологии

Чеснокова Е.В., Усов А.И., Омельянюк Г.Г., Никулина М.В. Искусственный интеллект в судебной экспертологии. 2023. Т. 18. № 3. С. 60–77. https://doi.org/10.30764/1819-2785-2023-3-60-77

Введение

В жизни современного общества искусственный интеллект прочно занял особое место. Технологии ИИ внедрены в том числе в навигацию, приложения для смартфонов, рекламу, «умные» дома и автомобили, сферы безопасности, наблюдения, финансы. Общеупотребительными стали такие словосочетания, как «цифровая экономика», «цифровая школа», «цифровая криминалистика» и т. п.

Феномен искусственного интеллекта достиг планетарных масштабов. Переход общества на новый технологический уровень обусловил появление четвертой платформы правопорядка – информационно-технологической или цифровой [1]. Кроме очевидного удобства и комфорта технологии ИИ обуславливают появление новых видов преступлений и новые вызовы для правоохранительных органов различных государств; для судебной экспертизы это свидетельствует о появлении новых объектов исследования. С другой стороны, единство проблематики по интеграции технологий искусственного интеллекта в различные сферы жизни дает основание утверждать о наличии единого типичного (общего) объекта экспертного исследования как на национальном, так и на международном уровне.

В нашей стране разрабатывается правовая платформа для внедрения и использования технологий ИИ. Так, Указом Президента Российской Федерации от 10.10.2019 № 490 утверждена Национальная стратегия развития искусственного интеллекта на период до 2030 года. Это основной программный документ, направленный на развитие и внедрение отечественных решений, формирующих внедрение инноваций во все сферы экономической деятельности и повседневной жизни граждан. В нем отражено, что ИИ – это комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека.

В развитии Национальной стратегии был утвержден федеральный проект «Искусственный интеллект» сроком реализации до конца 2024 года под руководством Министерства экономического развития Российской Федерации.

В паспорте указанного Проекта вопросы СЭД не нашли своего отражения. Вместе с тем судебная экспертиза, пройдя долгий путь развития, в настоящее время является самостоятельной сферой деятельности федеральных органов исполнительной власти, осуществляющих функции по выработке и реализации государственной политики, нормативно-правовому регулированию, надзору и контролю в области внутренних дел в различных сферах (обеспечении пожарной безопасности, обороне, юстиции, безопасности государства, здравоохранении, таможенном регулировании, осуществлении полномочий федерального государственного органа в сфере уголовного судопроизводства).

При этом СЭД является самостоятельным наукоемким практическим направлением, которое динамически развивается в методическом и производственном плане, укрепляет свои позиции в сфере правоприменения и системе научного познания.

Судебная экспертология – сформировавшаяся синтетическая наука, интегрирующая положения юридических отраслей знания, иных гуманитарных и естественных наук, теория которой является фундаментом практической деятельности по обеспечению защиты прав, свобод граждан и интересов государства посредством проведения объективных научно обоснованных судебных экспертиз. Стремительное расширение границ специальных знаний с учетом цифровых трансформаций, используемых при производстве судебной экспертизы, позволило выйти этому виду профессиональной деятельности на новую ступень своего развития и играть существенную, а зачастую определяющую роль в современном судопроизводстве при реализации принципа верховенства права.

Исходя из существующего предмета судебной экспертологии, модель ее общей структуры включает следующие составляющие: общую теорию судебной экспертологии; правовое обеспечение СЭД; организационное обеспечение СЭД; судебно-экспертные технологии [2].

С учетом трендов развития в современных условиях и целого ряда исследований, выполненных в ФБУ РФЦСЭ при Минюсте России, обоснованным представляется расширение системы судебной экспертологии дополнительным разделом, посвященным системе менеджмента судебно-экспертной деятельности [3] в целях дальнейшего совершенствования общей парадигмы данной науки как модели рациональной научно-практической деятельности в сфере судопроизводства.

Раздел системы менеджмента СЭД имеет синтетический характер, поскольку содержит составляющие компоненты предыдущих четырех разделов, предметным образом формируя категорию «система менеджмента судебно-экспертной деятельности». Он включает все инновации, связанные с процессами разработки и внедрения механизмов управления качеством СЭД с учетом современных трендов цифровой трансформации. При этом уровень интеграции специальных знаний и комплексирования профессиональных компетенций требуют особого мультимодального механизма регулирования. Важная роль в указанном механизме, безусловно, будет отведена ИИ в СЭД.

Статус ИИ в судебной экспертизе: техническое средство или искусственный разум?

Тема ИИ при расследовании преступлений [4, 5], производстве судебных экспертиз [6–8] и в целом в СЭД приобретает все большую актуальность.

В настоящее время в мировой практике произошли значительные изменения в области понимания использования и обучения искусственного интеллекта для целей СЭД [7–9].

В литературе отмечается, что ИИ применяется в том числе для следующих судебно-экспертных задач: обработки больших объемов текстовых данных, таких как сообщения в социальных сетях [10], электронные письма; расшифровки чатов; в системах распознавания лиц [11], ускоренного анализа больших массивов [7] данных (например, образцов ДНК, отпечатков пальцев, следов выстрела и иных объектов баллистических экспертиз), данных с различных «умных» устройств, используемых в повседневной жизни (треккеров [12], колонок [14]), браузеров [13], выявления вредоносного программного обеспечения [15], следов наркотических веществ [16].

ИИ – это продукт времени, научно-технического прогресса, компетентное использование и исследование которого возможно путем применения комплекса заимствованных из компьютерно-технической области методов и технических средств. Для определения оптимального направления развития соответствующих судебно-экспертных технологий необходимо прежде всего определиться с основополагающими понятиями, статусом ИИ.

Рассмотрим имеющиеся положения, сформулированные в правовых актах, а так же позиции современных авторов, специализирующихся на реализации технологий ИИ в криминалистике и судебной экспертизе.

Базовым понятием можно считать определение ИИ в федеральном законе от 24.04.2020 № 123-ФЗ – «комплекс техно- логических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые, как минимум, с результатами интеллектуальной деятельности человека».

В Указе Президента РФ от 10.10.2019и№ 490 (вместе с «Национальной стратегией развития искусственного интеллекта на период до 2030 года») обозначены основные цели, задачи и направления в области развития систем ИИ, ряд основных понятий в сфере ИИ, а также принципы развития и использования технологий ИИ в Российской Федерации.

В приказе Минэкономразвития России от 29.06.2021 № 392 представлена классификация технологических задач, на реализацию которых может быть направлен проект в сфере ИИ. И наконец, в Распоряжении Правительства РФ от 19.08.2020 № 2129-р перечислены основные направления и идеи регулирования ИИ-систем, а именно их разработка и применение в различных отраслях. В документе указаны общие направления, такие как соблюдение прав и свобод человека, этических норм и т. п.

А.А. Бессонов в рамках деятельности по расследованию преступлений рассматривает ИИ и как орудие преступлений, и как инструмент их расследования [4, с. 25]. Л.И. Беляева считает, что механизм, содержащий ИИ, всего лишь помощник, техническое средство, позволяющее оптимизировать, ускорить, усовершенствовать работу [17, с. 40]. А.И. Хмыз, отмечая риск подмены решения или вывода, полученного экспертом, решением или выводом, полученным ИИ, выражает свое мнение таким образом, что ИИ в судебной экспертизе должен всегда быть вспомогательным средством на пути к получению достоверного и обоснованного решения (вывода) [6, с. 226].

В литературе обсуждается проблема признания ИИ субъектом права, в частности допускается возможность такого признания на основе вида искусственного интеллекта [18, с. 32].

Выделяют «сильный» и «слабый» ИИ (рис. 1) [8, 19]. Первый «способен мыслить логически и творчески, осознавая себя при этом отдельной личностью…». «Слабый (также используют термины прикладной или узкий) предназначен для решения какой-либо одной интеллектуальной задачи или их небольшого множества; его технологии позволяют решать рутинные задачи, например распознавание образов, речи, и не подразумевают наличия у компьютера подлинного сознания» [20].

Представляется, что на текущем этапе в судебной экспертологии целесообразно использовать возможности слабого искусственного интеллекта. При этом возможно рассматривать ИИ в СЭД в двух качествах: как полезное техническое средство, интеллектуальный помощник для решения различных, в большинстве рутинных, экспертных задач, а также как объект экспертного исследования. Так, в настоящее время объектами судебной экспертизы становятся различные «умные» устройства и программы с внедренным искусственным интеллектом [13, 14, 21].

Вероятно, что в качестве исключительно полезного технического средства технологии ИИ в СЭД будут функционировать до момента формирования системного знания хотя бы по одному виду экспертизы, поскольку ИИ способен к самообучению, а также решению рутинных и многомерных задач по обработке больших данных. Этот функционал несомненно будет полезен для сокращения трудозатрат экспертов и оптимизации экспертного производства.

Как справедливо отмечают многочисленные авторы, в том числе Ф.Г. Аминев [22, с. 172], Л.И. Беляева [17, с. 38], А.А. Бессонов [4, с. 24], в интеграции ИИ в правоохранительную деятельность и судопроизводство имеют место организационно-правовые [23–28], этические [29, 30] и технологические [31–33] проблемы. И судебная экспертиза не является исключением: на пути внедрения и использования ИИ в этой области также возникает ряд проблем.

Обеспечение доверия к технологиям ИИ в СЭД

Одним из наиболее важных вопросов при внедрении ИИ в судебно-экспертную деятельность является обеспечение доверия и возможности проверки получаемых ИИ результатов.

Применительно к СЭД термин «доверие», как правило, трактуется как «достоверность». При этом в судебной экспертологии понятие достоверности многогранно: это и вопросы достоверности результатов экспертного исследования, и проблема перехода вероятного знания в достоверное; отдельной темой является оценка достоверности заключения эксперта.

При раскрытии темы перехода вероятного знания в достоверное применительно к экспертному исследованию Ю.К. Орлов подчеркивал, что «именно категории достоверности и вероятности дают возможность исследования процесса получения истинного знания, механизма перерастания знания недостоверного в достоверное, поскольку в процессе доказывания, как известно, почти не встречается знаний, истинность которых постулируется, и всякое достоверное знание выступает обычно на первых этапах познания как проблематичное» [34, с. 130, 132].

При рассмотрении вопросов достоверности предварительных результатов экспертного исследования В.Ф. Орлова отмечала: «В процессе исследования эксперт не только сознательно контролирует складывающиеся промежуточные оценки, но и подвергает их сомнению, критике, пересмотру. Он обязательно должен уметь сомневаться, не стремясь убедить себя, подвести базу под сложившееся мнение. Ему следует проверять объективную достоверность своей аргументации на каждом узловом этапе и отбрасывать то, что не выдерживает строгой критики» [35, c. 236]. В данной цитате представляет особый интерес словосочетание «объективная достоверность»: сумма терминов предопределяет необходимость проверки, как подтверждения объективности.

В действительности, в самом существе достоверности [36, c. 70] изначально заложены характеристики, которые дают ясное представление о ней: проверяемость, соответствие знаний реальности, относительность, когнитивная вера, верифицируемость, возможность сомнения. Следовательно, постоянная проверка собственных решений на различных уровнях познания свойств объекта исследования при помощи объективных свидетельств, то есть аргументированных подтверждений какого-либо спорного результата и критичность в отношении собственных действий, может придать большую уверенность в постановке предварительных и окончательных выводов. Вместе с тем в структуре вероятного вывода В.Ф. Орлова выделяет две составляющие вероятности: достоверное и вероятное суждение. Единство мнений отечественных ученых в отношении формулирования вероятных выводов проявилось в том, что они предлагали разработать их последовательность по степени приближения к достоверности.

Достоверность выводов эксперта – важнейшая категория судебной экспертологии, определяющая основные качества, которыми должен обладать вывод эксперта, сформулированный в заключении. На основе анализа понятий «достоверность» в Энциклопедическом словаре судебной экспертизы определено, что оно может использоваться в том случае, когда истинность вывода определена детальным анализом объектов, корректно использованными методами, логично построенной схемой исследования [37, с. 100].

Достоверность результатов судебно-экспертной деятельности входит в комплексное понятие современной парадигмы обеспечения качества СЭД помимо объективности, всесторонности и полноты экспертных исследований. Развитие СЭД должно быть основано на конкуренции и стремлении к повышению качества выполняемых работ; в условиях отсутствия самокритики, обособленности в экспертном производстве и дефицита коммуникации между экспертами происходит стагнация и ослабление роли судебно-экспертного учреждения как компетентного субъекта СЭД.

В свете внедрения положений межгосударственного стандарта ГОСТ ISO/IEC 17025-2019 «Общие требования к компетентности испытательных и калибровочных лабораторий», который отражает идею о необходимости самокритики в осуществляемой деятельности и критичном отношении к действиям коллег, а также позволяет подтвердить техническую компетентность СЭЛ, вышеприведенная цитата как нельзя лучше демонстрирует устойчивость и схожесть взглядов на достоверность результатов экспертного исследования.

Таким образом, достоверность в судебной экспертизе представляет собой достоверность входных данных (материалов, вещественных доказательств, сравнительных образцов), достоверность при осуществлении процесса экспертного исследования, достоверность при интерпретации полученных результатов и при получении выводного знания. В настоящее время обеспечение со стороны технологий ИИ такой многосторонней достоверности технологически представляется достаточно сложной задачей.

Для обеспечения доверия к использованию ИИ в судопроизводстве предлагается при разработке и эксплуатации его систем придерживаться следующих рекомендаций [38, с. 257]:

1) построение систем ИИ на базе этических принципов и стандартов, в которых приоритет отдается справедливости, прозрачности и подотчетности;

2) проведение тщательного тестирования и проверки систем ИИ для обеспечения гарантии их точности и надежности;

3) проведение постоянного контроля и оценки системы ИИ для определения их влияния на правосудие и общественную безопасность;

4) разработка систем ИИ с учетом уважения прав человека и укрепления доверия к системе правосудия;

5) осуществление независимого надзора и регулирования систем ИИ с помощью сочетания механизмов внутреннего и внешнего аудита для обеспечения их соответствия этическим стандартам и требованиям законодательства.

Данные рекомендации перекликаются с требованиями ГОСТ ISO/IEC 17025-2019, направленными на настройку системы менеджмента. Управление процессами в СЭД в целом может быть реализовано посредством использования цикла PDCA, который применим и ко всем процессам судебно-экспертной деятельности.

P (plan) – планируйте: устанавливайте цели СЭД и ее процессов, а также ресурсы, необходимые для достижения результатов, соответствующих требованиям потребителей, выявляйте риски и возможности и реагируйте на них.

D (do) – делайте: реализуйте то, что было запланировано.

С (check study) – проверяйте: проводите мониторинг и (где это применимо) измерение процессов, а также получаемой продукции и предоставляемых услуг по отношению к политикам, целям и требованиям, и сообщайте о результатах.

А (act) – действуйте: осуществляйте действия по улучшению показателей по мере необходимости.

По нашему мнению, внедрение ИИ будет наиболее оптимальным в аккредитованных лабораториях, где уже используется система менеджмента.

Порядок внедрения ИИ в СЭД

Начальным шагом в интеграции ИИ в судебно-экспертную деятельность является определение направления его применения, круга решаемых проблем (организационных, управленческих, методологических), начиная базовыми задачами и заканчивая рутинными. Данный этап определяет правильность всей последующей деятельности.

По-видимому, для судебной экспертизы необходимо начать с разработки методологии внедрения ИИ в СЭД. Исходя из определения методологии СЭД как учения о структуре, логической организации, методах и средствах этой деятельности, включающей в качестве необходимых элементов методы и методики судебной экспертизы [2, с. 98], можно предположить, что методология внедрения ИИ в судебно-экспертную деятельность должна представлять собой учение, включающее и общий мировоззренческий (верхний), и прикладной (нижний) уровни.

Верхний уровень содержит основные понятия, принципы внедрения и использо- вания технологий ИИ в СЭД, вопросы ор- ганизационно-правового регулирования, в том числе нормативно-технического, а так- же этические положения. Нижний уровень включает разнообразные применяемые в СЭД технологии ИИ (от многомерных до разработанных для решения отдельных ру- тинных вопросов). Даже при условии, что в настоящий момент в экспертном и научном сообществах не будет проводиться таких научных исследований, то в последующем, при накоплении и развитии различных тех- нологий ИИ, а также результатов их исполь- зования, формирование единой методоло- гии интеграции ИИ станет необходимым.

Рассматривая прикладной уровень интеграции ИИ в СЭД, при выборе направления его использования необходимо учитывать совокупность критериев, в том числе: уровень теоретической и методической разработанности рода или вида судебной экспертизы, уровень компетентности персонала СЭЛ, готовность к внедрению новшеств, понимание поставленной цели и ожидаемого эффекта от реализации как для всего процесса производства судебной экспертизы/исследования, так и при решении отдельных (рутинных) экспертных задач.

Следующим шагом в интеграции ИИ в СЭД является обеспечение ответственного, прозрачного и подотчетного использования. При этом возникают не только вопросы выбора и обработки значимых (релевантных) данных, но и учет вопросов этики.

И.А. Кубасов справедливо утверждает, что точность получаемых ИИ результатов зависит от качества и количества данных, используемых для его обучения. Поэтому важно выбрать соответствующие данные, которые являются релевантными и объективными. Перед обучением модели ИИ необходимо предварительно обработать данные, чтобы убедиться, что они чистые, актуальные и беспристрастные [38, с. 257]. В СЭУ Минюста России для оценки пригодности методического обеспечения применяется валидация – подтверждение путем исследования и представления объективных доказательств того факта, что конкретные требования к специфическому целевому использованию методик выполняются. Проведение валидационных экспериментов предполагается в нескольких случаях: в соответствии с планом аккредитации СЭЛ; в порядке внутреннего (самоконтроля лаборатории) и внешнего (инспекционных проверок аккредитующего органа) аудитов. Таким образом, порядок внедрения и использования технологий ИИ в части обеспечения ответственного, прозрачного и подотчетного использования схож с алгоритмом оценки пригодности методик судебной экспертизы в системе менеджмента судебно-экспертных учреждений.

Следующим шагом в интеграции ИИ в СЭД является определение модели его обучения. Для получения точных и надежных прогнозов модели должны быть обучены на достоверных специально подобранных для решения экспертной задачи данных. В этом случае возникает проблема обеспечения качества обучения ИИ.

А.И. Хмыз справедливо утверждает, что «при необходимости решения новой задачи необходим довольно большой объем данных, основанный на реальных примерах решения этой задачи» [39, с. 288]. Другими словами, прежде чем начать обучать ИИ, важно не только определить оптимальный объем необходимых данных, но и провести их ревизию, оценку пригодности или валидацию. Кроме того, необходимо предусмотреть риски внедрения ИИ в СЭД.

Пример. При решении задачи судебной экспертизы маркировочных обозначений транспортных средств о наличии/отсутствии изменения идентификационного номера автомобиля требуется определить, какие конкретные объекты будут представлены на исследование. В качестве такого объекта может выступать идентификационный номер на металлической поверхности кузова автомобиля; маркировочная табличка с идентификационным номером; маркировочная табличка с производственным номером. Дополнительными конкретными объектами могут стать маркировочные таблички с номерами даты производства, спецификации автомобиля, номера двигателя, номера коробки переключения передач. Важным этапом является установление признаков наличия/отсутствия демонтажа или замены всех перечисленных объектов. Таким образом, для решения вышеуказанной задачи необходимы комплексы информационных данных, а также соответствующие методические материалы.

В качестве комплекса информационных данных наиболее оптимальны следующие:

• о внешнем виде и конструкции различных марок моделей автомобилей с учетом времени производства (обновления модельного ряда);

• о внешнем виде, свойствах металлических, чугунных, полимерных материалов;

• о способах нанесения номерных идентификационных обозначений с учетом времени производства и фирмы-производителя;

• о внешнем виде и конструкции отдельных деталей и узлов автомобиля с учетом различных марок и моделей.

Методические материалы должны включать стандартные алгоритмы исследования, наиболее успешную экспертную практику, в том числе реальные примеры решения задачи о наличии/отсутствии изменения идентификационного номера автомобиля.

Валидационные эксперименты необходимы для проверки правильности применения методических материалов для установления факта изменения идентификационного номера автомобиля и его первоначального содержания. В качестве объектов при валидации могут выступать как образ цы маркировочных табличек из внутренней коллекции лаборатории, подвергшиеся изменению, но свойства которых заранее известны (эти образцы исследовались ранее при производстве судебной экспертизы или прошли комиссионное исследование), так и образцы, не подвергавшиеся изменению (закупленные/полученные у фирмы-производителя). Оптимальные схемы валидации подбирают в зависимости от специфики методики судебной экспертизы маркировочных обозначений транспортных средств. Технологии искусственного интеллекта можно применять для выявления подозрительных объектов на этапе оценки их пригодности к исследованию (например, для выбраковки почерковых объектов в судебной почерковедческой экспертизе), для выявления цифровых трансформаций (например, при компьютерной имитации подписи с использованием высокотехнологичных графопостроителей) и цифровых имитаций [41] (например, электронных носителей с бухгалтерской и финансовой отчетностью). Экспертная практика разнообразна, каждая экспертная ситуация (при их внешней схожести) по своей сути обладает индивидуальными признаками, поэтому базовой системой знаний для определения возможностей применения технологий ИИ может стать именно экспертная ситуация.

В судебной экспертологии под экспертной ситуацией понимается «система факторов, определяющая на различных этапах исследования структуру решения экспертной задачи. На подготовительном этапе это факторы, содержащиеся в исходных данных. Система факторов, образующих экспертную ситуацию, служит основанием для выдвижения наиболее вероятных версий (гипотез) эксперта, выбора методов их проверки (исследования), планирования исследования» [42, с. 496]. Таким образом, для обучения ИИ необходимо создавать модели изучаемого объекта/ситуации, включающие в себя комплекс входных данных, отражающих конкретную ситуацию; комплекс данных, формирующих предварительное решение задачи; комплекс необходимых для окончательного решения дополнительных данных; комплекс необходимых для формулирования выводов данных.

После обучения модели ИИ ее можно применять в судебно-экспертной практике. При этом ее использование должно тщательно контролироваться, чтобы гарантировать, что модель ИИ работает по назначению и не причиняет вреда. Следовательно, решение задачи по разработке подходов к проверке корректности работы и дальнейшей регулярной оценке производительности ИИ становится насущной необходимостью. Применительно к СЭД это означает проверку правильности результатов, полученных с помощью ИИ.

В этом случае важно, чтобы разработчики технологий ИИ «говорили на одном языке» с судебными экспертами, а не рассматривали задачи разработки определенных алгоритмов лишь с технической точки зрения. Ш.Н. Хазиев отмечает, что использование биометрических систем только на основе математических подходов при игнорировании положений и рекомендаций криминалистики значительно ограничивает их потенциал [43]. Таким образом, создание эффективных технологий ИИ в СЭД возможно лишь при совместной работе IT-специалистов и судебных экспертов определенной специализации. В этом ключе актуальным представляется обучение специалистов, обладающих знаниями в смежных областях.

В литературе отмечается необходимость обладания алгоритмами проверки корректности работы ИИ. А.А. Бессонов раскрывает возможности некоторых из них: «Модель с доказательственными переменными была протестирована на точность выявления серийных преступлений с помощью наивного байесовского классификатора, логистической регрессии градиентного бустинга» [44, с. 97]. Автор выделяет алгоритм на основе наивного байесовского классификатора как самый точный.

Невозможно не согласиться с тезисом, что понимание основ математической модели и способов реализации технологий ИИ в СЭД, с одной стороны, и глубокие знания криминалистики и судебной экспертологии, с другой, является базой для проведения экспертных исследований с использованием ИИ. Необходимы такие знания и на более ранней стадии, при формулировании технического задания для разработчиков. Однако вопрос о проверке правильности и корректности работы технологии ИИ в СЭД остается открытым.

Алгоритмы для проверки модели выявления серийных преступлений могут оказаться неэффективными применительно к моделям ИИ, работающим для решения задач судебной экспертизы. Поэтому, на наш взгляд, постоянная проверка результатов, полученных с применением ИИ, экспертами путем самостоятельного решения поставленной задачи и сравнения полученных результатов представляется наиболее целесообразным «алгоритмом». Для проверки результатов ИИ полезным может стать использование контрольных образцов, межлабораторное и слепое тестирование.

Заключительным этапом интеграции ИИ в судебно-экспертную деятельность является налаживание постоянной работы по улучшению модели.

Рассуждая на тему построения механизмов мониторинга и проверки корректности получаемых результатов с помощью технологий ИИ в СЭД, можно обратиться к модели системы менеджмента в СЭЛ, аккредитованных на соответствие международному стандарту. Согласно основополагающему документу «Руководство по качеству», постоянное улучшение – обязательный процесс деятельности таких лабораторий.

При этом крайне актуальной является «необходимость разработки стандартов контроля уровня доверия и защищенного исполнения ИИ в судебной и правоохранительной деятельности» [38, с. 253]. Соответственно, система менеджмента, отдельные элементы которой были представлены выше, могут быть предложены для интеграции ИИ в СЭД. Положения ГОСТ ISO/IEC 17025-2019, систематизирующие деятельность лабораторий по продвижению к качеству, становятся образцом при создании стандартов интеграции ИИ в СЭД и в правоохранительную деятельность.

Применение технологий ИИ в сфере стандартизации СЭД

На современном уровне развития судебной экспертизы все большее значение приобретают разнообразные нормативно-технические документы (НТД), включая стандарты различного уровня. При этом даже самый многогранный стандарт способен регулировать лишь отдельную сторону какой-либо деятельности, только объединенные в определенную систему стандарты способны оказывать комплексное регулирующее и унифицированное воздействие на элементы СЭД.

В случае аккредитации у судебно-экспертных организаций возникает новая функция – управление стандартами, и часто, помимо отсутствия обзоров о появлении новых, а также о возможности их приобретения (осведомленности персонала), актуальной проблемой является трудоемкость поиска определенных стандартов при решении конкретных экспертных задач.

Среди документов по стандартизации особое место занимают основополагающие стандарты терминов и определений, устанавливающие базовые принципы СЭД, а в аккредитованных лабораториях – стандарты в области управления (системы менеджмента).

В глобальном масштабе стандартизацию в СЭД можно условно разделить на три уровня:

1. Международный уровень (система стандартов ISO).

2. Национальный уровень (система стандартов ГОСТ Р).

3. Стандартизация на уровне конкретного рода (вида) судебной экспертизы.

На каждом уровне приоритетными для использования являются стандарты, разработанные для судебно-экспертной деятельности.

Производство различных родов и видов судебных экспертиз, в частности связанных с технологиями производства или эксплуатации исследуемых объектов, требует использования широкого спектра НТД, в том числе и стандартов. Это особенно актуально для экспертиз, в рамках которых исследуются высокотехнологичные объекты (например, жилые здания – в строительно-технической экспертизе, автотранспортные средства – в автотехнической, промышленные товары – в товароведческой). Так, А.Ю. Бутырин указывает, что жилые здания «…с экспертной точки зрения носят мультиатрибутивный характер; и все эти свойства регламентированы действующей нормой или правилом» <…> «…многоаспектность и подробность нормативно-технической регламентации вопросов, связанных с созданием и использованием жилья» формирует четко выраженный нормативистский характер исследований [45, c. 70].

Существуют различные схемы систем стандартов для определенных родов (видов) экспертиз. В качестве примера можно привести иерархию стандартов в области судебной компьютерно-технической экспертизы, представленную коллегами из Китайской Народной Республики [46].

Согласимся, что система стандартов для любого рода (вида) экспертизы долж- на включать основополагающие стандарты (например, термины и определения), стандарты системы менеджмента, а также нормативно-техническую документацию, имеющую отношение к производству данной экспертизы. Как правило, это достаточно объемный массив данных. Для качественного и оперативного производства судебных экспертиз требуется обеспечение удобного доступа к этому массиву, а также его актуальность и полнота.

Поиск, хранение, доступ и актуализация нормативно-технической информации затруднительны без использования баз данных. Для оптимизации времени производства судебной экспертизы подобные базы данных должны быть интегрированы с интеллектуальными системами с машиночитаемыми инструментами, одной из основных задач которых является внедрение текстов стандартов, а в будущем – их машинный анализ.

В результате пользователь (эксперт) по ключевым словам, сформированным как запрос к системе, может получить готовый ответ с подборкой актуальной нормативно-технической документации, обработанной, например, с учетом терминологических различий в текстах стандартов.

Наличие проблемы множества стандартов, посвященных различным областям деятельности, имеющих различное определение одних и тех же терминов, отмечается специалистами как на международном, так и на национальном уровнях. Такая неоднозначность определений может привести к результату (в виде продукции, работ или услуг) низкого качества как у производителя промышленной продукции, так и у судебно-экспертной организации, осуществляющей производство судебных экспертиз.

Международная организация по стандартизации ИСО (ISO) несколько лет назад выявила данную проблему и разработала документ ИСО/МЭК Часть 2 «Правила построения и формулирования международных стандартов», интегрированный в правовое поле государства и принятый в виде национального стандарта Российской Федерации ГОСТ Р МЭК 62023-2016 «Структурирование технической информации и документации».

На наш взгляд, рутинную задачу по поиску необходимых для решения задач судебной экспертизы НТД (согласно заданным фильтрам) и представление пользователю в удобном виде способна выполнить технология ИИ по распознаванию текстов.

На создание и внедрение таких систем требуется время, которое по оценкам зарубежных специалистов, работающих в области цифровых технологий стандартизации, составляет не один десяток лет. В то же время подобные технологии по распознаванию текстов уже разработаны отечественными компаниями и успешно применяются в других областях.

Актуальной для судебно-экспертных организаций является цифровизация. Эффективное управление стандартами занимает одно из центральных мест в деятельности по цифровизации СЭД. Представляется, что для достижения этой цели можно использовать ИИ, при этом ставятся следующие задачи: своевременное обновление стандартов (новые, с поправками, отмененные); обеспечение бесперебойного доступа к стандартам (на надежном носителе, с лицензией, с соблюдением авторских прав). Это будет способствовать экономии времени и повышению эффективности деятельности организации.

Для размещения в новой системе стандартов, количество которых исчисляется сотнями, требуется соответствие формата их записи на информационных носителях техническим требованиям (машиночитаемый документ формата XML). Рассмотрим классификацию стандартов по способности их интеграции в современные базы данных [46].

Уровень 0. Стандарт на бумажном носителе; не подлежит размещению в БД.

Уровень 1. Открытый цифровой формат PDF может быть размещен только в автоматизированных базах данных, в то же время позволяет производить поиск и чтение на экране компьютера.

Уровень 2. Машиночитаемый документ формата XML, для которого характерно структурированное содержание стандартных документов; подлежит размещению в базы, к которым применяются цифровые и семантические требования, а также требования по визуализации обрабатываемых данных.

Уровень 3. Машиночитаемый контент; характерно семантическое обогащение содержания для селективного (избирательного) доступа.

Уровень 4. Машинно-интерпретируемый контент; возможно информационное моделирование, самообучающийся анализ, онтология.

Актуальность внедрения систем цифровых стандартов в СЭД обусловлена получением следующих преимуществ: удобства и простоты внедрения стандартов, способности лучше оценивать их соответствие стандартам других уровней (международных, межгосударственных, национальных, обязательных регламентов и т. п.), возможности сочетать требования к внутренней документации и нормативными требованиями, обеспечении соблюдения положений стандартов со стороны следственных и судебных органов при назначении судебных экспертиз.

Перспективы развития технологий искусственного интеллекта при осуществлении СЭД

Будущее использования технологий ИИ в судебно-экспертной деятельности видится в реализации планов комплексных мероприятий: организационно-правовых, методологических, этических. Одним из элементов комплексного решения представляет собой деятельность по разработке системы стандартов, регулирующих на нормативно-техническом уровне возможности внедрения ИИ в СЭД. Как утверждает А.В. Кокин: «…одним из способов системного технического решения проблемы предвзятости алгоритмов ИИ является разработка стандартов, направленных на минимизацию неоправданной предвзятости в алгоритмических решениях» [3, с. 30]. В настоящее время уже разработаны национальные стандарты, посвященные ИИ, в частности ГОСТ Р 52633.0-2006 и ГОСТ Р 52633.5-2011. Они входят в комплекс стандартов, устанавливающих требования к разработке и тестированию средств высоконадежной биометрической аутентификации. В ГОСТ Р 52633.5-2011 описан алгоритм обучения, который одновременно обладает высокой устойчивостью и обеспечивает достаточно высокое качество обучения с учетом специфических требований к нейросетевым преобразователям – «биометрия – код доступа», сформулированным в базовом стандарте ГОСТ Р 52633.0.

Таким образом, при интеграции вышеуказанных технологий ИИ в СЭД для решения ее специфических задач необходимо также разрабатывать комплекс стандартов. Он должен выстраиваться согласно принципу иерархии, от общего к частному, включать базовый стандарт, устанавливающий универсальную терминологию, принципы и классификации, а также комплекс стандартов, направленных на использование ИИ в узких областях судебной экспертизы.

В 2021 году Правительство Российской Федерации и несколько компаний, а также научно-исследовательских организаций подписали Кодекс этики в сфере искусственного интеллекта, который устанавливает общие этические принципы и стандарты поведения в этой сфере. Первый заместитель председателя Комитета Совета Федерации по конституционному законодательству и государственному строительству И.В. Рукавишникова справедливо заметила, что «это пока декларативный документ, имеющий добровольный характер для отечественных и зарубежных разработчиков, которые хотят к этой декларации присоединиться. Но уже абсолютно очевидно, что пришло время придавать ему обязательное значение».

Крупнейшие российские компании, образовательные и научно-исследовательские учреждения, в том числе МФТИ, Сбербанк, Яндекс, МТС, Ростелеком, Российский фонд прямых инвестиций, Газпромнефть присоединились к Кодексу этики в рамках первого международного форума «Этика искусственного интеллекта: начало доверия» в октябре 2021 года. Кодекс станет частью федерального проекта «Искусственный интеллект» и Стратегии развития информационного общества на 2017–2030 годы. Кодекс устанавливает общие этические принципы и стандарты поведения, которыми следует руководствоваться участникам отношений в сфере искусственного интеллекта. Кодекс распространяется на отношения, связанные с этическими аспектами создания (проектирования, конструирования, пилотирования), внедрения и использования технологий ИИ на всех этапах жизненного цикла, которые в настоящее время не урегулированы законодательством РФ или другими актами регулирования. Документ содержит два раздела, куда входят в том числе темы стимулирования развития ИИ, повышения осведомленности об этике применения ИИ, идентификации ИИ в общении с человеком и в целях информационной безопасности.

Это обуславливает актуальность учета указанного Кодекса на всех стадиях внедрения ИИ в СЭД, поскольку уже сегодня в ФБУ РФЦСЭ при Минюсте России развернута многопрофильная работа по определению наиболее целесообразных направлений при разработке технологий ИИ, планированию трудозатрат, определению объема финансового обеспечения данной деятельности, а также формированию на учно-практических заделов для реализации пилотных проектов.

Заключение

Технологии искусственного интеллекта в настоящее время в той или иной степени проникают во все области современного общества.

Проведенное исследование показало, что на текущем этапе развития судебной экспертологии (до окончательного решения вопроса о статусе ИИ) целесообразно использовать возможности слабого искусственного интеллекта. При этом возможно рассматривать ИИ в СЭД в двух качествах: как полезное техническое средство, интеллектуальный помощник для решения различных, в большинстве рутинных, экспертных задач, а также как объект экспертного исследования. Решающая же роль в интерпретации окончательных результатов, полученных с помощью технологий ИИ, должна оставаться за судебными экспертами.

В ближайшее время использование искусственного интеллекта будет способствовать решению ряда ключевых проблем СЭД: автоматизации решения исследовательских задач, унификации в оформлении заключения эксперта, созданию и использовании различных информационно-справочных, информационно-поисковых систем, а также подготовке оптимальных рекомендаций по применению инструментальных методов и соответствующего оборудования, в том числе с учетом условий импортозамещения.

Одним из направлений использования ИИ является создание экспертных систем нового поколения для решения различных задач: идентификации, диагностики, интерпретации, мониторинга, проектирования, прогнозирования, планирования, обучения и т. п. Искусственный интеллект способен объединить разрозненные и объемные информационные и методические ресурсы различных ведомств по отдельным видам судебных экспертиз в единую интеллектуальную систему экспертного назначения, что положительно скажется на уровне информационного обеспечения как отдельно взятого экспертного учреждения, так и всего судебно-экспертного сообщества.

Для этого в базу знаний ИИ необходимо внести все имеющиеся методики экспертного исследования, научную, учебную, методическую и иную литературу, содержащую информацию о различных объектах исследования и возможных экспертных ситуациях. Интеграция экспертной информации об объектах судебной экспертизы в единой интеллектуальной системе позволит перейти на новый уровень эффективности производства комплексных экспертных исследований, в том числе при использовании эвристических методов, при применении которых границы специальных знаний имеют условный характер.

Целесообразной представляется постановка вопроса о создании системы искусственного интеллекта судебно-экспертной деятельности в рамках Федеральной программы «Искусственный интеллект» либо инициация принятия новой федеральной программы «Искусственный интеллект в судебной экспертизе».

Считаем, что в проекте паспорта указанной ФП необходимо предусмотреть комплекс многопрофильных задач судебно-экспертной деятельности, включающий судебно-экспертный исследовательский блок, нормативное регулирование, комплекс образовательных проектов, предусматривающий поддержку разработчиков, взаимодействие с правоприменителями, выполнение целевых функций системы менеджмента.