CC BY
64
Теория и практика общественного развития. 2023. № 4. С. 122-127. Theory and Practice of Social Development. 2023. No. 4. P. 122-127.
Научная статья УДК 342.9
https://doi.org/10.24158/tipor.2023.4.16
Применение искусственного интеллекта в рамках реализации административной функции правоохранительных органов:
опыт, перспективы, регламентация
Атабек Рустамович Атабеков
Российский университет дружбы народов, Москва, Россия, atabekov-ar@rudn.ru
Аннотация. Статья посвящена анализу применения искусственного интеллекта в сфере деятельности правоохранительных органов. Определены базовые функции его использования в административной практике полиции, установлены потенциальные зоны регламентации. В рамках проведенного анализа выявлены общие тренды в области развертывания системы искусственного интеллекта для нужд правоохранительных органов в контексте публичного права, в том числе на примерах зарубежного опыта (Китай, Испания, США). Отмечается, что в России полноценное правовое оформление интеграции искусственного интеллекта в деятельность полиции еще не завершено. Предлагается обратить внимание разработчиков регламентирующих документов на предиктивные возможности использования систем искусственного интеллекта в целях предупреждения правонарушений граждан. Отмечается, что определение правового статуса технологий искусственного интеллекта необходимо для обеспечения возможности внесения изменений в законодательство РФ для введения дополнительных норм его применения.
Ключевые слова: искусственный интеллект, сравнительно-правовое исследование применения искусственного интеллекта, публичное право, административное право, правоохранительные органы, предик-тивное реагирование, информационное право, безопасный искусственный интеллект
Для цитирования: Атабеков А.Р. Применение искусственного интеллекта в рамках реализации административной функции правоохранительных органов: опыт, перспективы, регламентация // Теория и практика общественного развития. 2023. № 4. С. 122-127. https://doi.org/10.24158/tipor.2023.4 16.
Original article
Artificial Intelligence Application in the Implementation of the Administrative Function of Law Enforcement Agencies: Experience, Prospects, Regulation
Atabek R. Atabekov
Peoples' Friendship University of Russia, Moscow, Russia, atabekov-ar@rudn.ru
Abstract. The article analyzes the artificial intelligence application in the field of law enforcement. The basic functions of its application in the administrative practice of the police are defined, and potential zones of regulation are established. As part of the analysis, general trends in the deployment of an artificial intelligence system for the needs of law enforcement agencies in the context of public law were identified, including examples of foreign experience (China, Spain, USA). It is noteworthy that in Russia, the full legal registration of the integration of artificial intelligence in police work has not yet been completed. Attention is offered to the creators of regulatory documents on the predictive capabilities of usage of artificial intelligence systems in order to prevent citizens' offenses. It is emphasized that the definition of the legal status of artificial intelligence technology is necessary to ensure the possibility of amendments to the legislation of the Russian Federation for the introduction of additional rules of its application.
Keywords: artificial intelligence, comparative legal study of artificial intelligence applications, public law, administrative law, law enforcement, predictive response, information law, secure artificial intelligence
For citation: Atabekov, A.R. (2023) Artificial Intelligence Application in the Implementation of the Administrative Function of Law Enforcement Agencies: Experience, Prospects, Regulation. Theory and Practice of Social Development. (4), 122-127. Available from: doi:10.24158/tipor.2023.4.16 (In Russian).
Цифровые технологии интенсивно развиваются, проникая во все сферы человеческой жизни, в том числе профессиональную, обеспечивая их новыми возможностями и расширяя функциональный потенциал.
Цель исследования в рамках указанной статьи - провести сравнительный анализ действующих подходов к применению искусственного интеллекта (ИИ) в сфере правоохранительной деятельности в России и зарубежных стран с точки зрения административного права.
© Атабеков А.Р., 2023
Методология исследования базируется на сравнительно-правовом, формально-юридическом (догматическом) и других методах познания.
Рассматривая феномен искусственного интеллекта в публичных правоотношениях, необходимо отметить широту его применения во всех действующих ветвях власти зарубежных стран. На уровне национальных стратегий (например, Китай, США, Испания, Россия) происходит фиксация областей применения ИИ как потенциально универсального разрабатывающего, реализующего и оценивающего алгоритма1.
Следует отметить значимую роль ИИ в осуществлении предиктивного правосудия и преследования в рамках административной функции правоохранительных органов. Так, в США искусственный интеллект активно и успешно применяется для прогнозирования правонарушений и преступлений (Perry et al., 2013) - цифровые технологии позволяют сделать алгоритмизированное предположение времени и локации их реализации на основе «криминологии места» (Weisburd et al., 2004). Пространственные границы предполагают указание на возможную территорию правонарушения, причем иногда она может быть более или менее конкретной, например, определенный угол улицы. Точно так же временные единицы могут существенно различаться: месяц, неделя, день или даже определенное время суток. Например, легко предсказать резкое увеличение числа административных и средней тяжести уголовных преступлений в определенном квартале в субботу вечером, сразу после закрытия баров, или спрогнозировать рост количества краж со взломом жилых домов вдоль основных автобусных маршрутов в будние дни сразу после окончания учебного дня.
Следует отметить, что вопрос выборки данных также может включать в себя неявные знания, которые слабо поддаются оцифровке, - опыт сотрудника, советы информаторов, жалобы населения, профессиональные знания и простые процедуры картирования для прогнозирования полицейской деятельности. Ретроспективное исследование горячих точек преступности помогает обосновать этот подход, хотя доказуемое снижение преступности, как правило, скромное (Braga et al., 2014: 633).
Системное использование данных и их анализ (COMPSTAT2), используемые главным образом в качестве внутреннего инструмента для повышения результативности деятельности полиции, являются хорошим ориентиром на раннем этапе прогнозирования (Weisburd et al., 2004). Данные, полученные с применением искусственного интеллекта, показывают эффективность управления ситуацией на конкретной территории с учетом контроля уровня преступности на основе базы статистической отчетности.
Ученые США отмечают, что цифровые технологии в виде программного обеспечения, осуществляющего прогнозирование, не предоставляют доказательств сделанного анализа. По их мнению, и сами пользователи из числа представителей правоохранительных органов, не зная технических особенностей функционирования ИИ, могут неправильно организовывать свою последующую надзорную деятельность, неверно истолковав полученные результаты (Moses, Chan, 2018: 807). Данные, на которых строятся алгоритмы, не всегда достоверны, поэтому правонарушения могут быть некорректно идентифицированы. Дополнительно отмечается, что эмпирические закономерности в области правоохранительной деятельности могут иметь существенный социальный отклик, требующий упреждающих мер со стороны полиции и реализацию ее сотрудниками функций предиктивного преследования (Kaufmann et al., 2019: 676; Ferguson, 2017: 2-4).
Рассматривая феномен предиктивного преследования в США, нельзя не отметить кейс Штата Висконсин против Эрика Л. Лумиса, в судебном деле которого использовалась программа Компас3. Данное дело интересно тем, что с точки зрения административного и уголовного права ИИ в нем стал отправной точкой для принятия обвинительного решения в отношении человека, т.е. судебное решение было принято на базе алгоритма ИИ, а подсудимый не воспользовался возможностью обжалования процедуры оценки доказательств, которая была произведена программой, а не человеком, и, возможно, опиралась на некорректную выборку данных для анализа риска рецидива.
1 О развитии искусственного интеллекта в Российской Федерации : Указ Президента Российской Федерации от 10.10.2019 № 490 [Электронный ресурс]. Доступ из справ.-правовой системы «КонсультантПлюс» ; China's New Generation Artificial Intelligence Development Plan (2017) [Электронный ресурс] // Digichina. URL: https://digichina.stanford.edu/work/full-translation-chinas-new-generation-artificial-intelligence-development-plan-2017/ (дата обращения: 13.03.2023) ; Estrategia Nacional de Inteligencia Artificial [Электронный ресурс] // oEcD. URL: https://wp.oecd.ai/app/uploads/2022/01/Spain_National_AI_Strategy_2020.pdf (дата обращения: 13.03.2023) ; U.S. National Ai Strategy Documents [Электронный ресурс] // AI. URL: https://www.ai.gov/strategy-documents/ (дата обращения: 13.03.2023).
2 CompStat 2.0 [Электронный ресурс] // New York City Police Department. Citywide Crime Statistics. URL: https://www.nyc.gov/site/nypd/stats/crime-statistics/compstat.page (дата обращения: 13.03.2023).
3 Loomis v. Wisconsin [Электронный ресурс] // Wikipedia. The Free Encyclopedia. URL: https://clck.ru/34BQdk (дата обращения: 14.04.2023).
В контексте правоприменительной практики в области организации безопасного дорожного движения нельзя не отметить опыт Китая, где функционирует специальный ИИ, который не только генерирует локальные правила дорожного движения, но и занимается контролем их исполнения (Solum, 2014: 69). Он способен идентифицировать нарушителя, вывести его из общего транспортного потока (путем выдвижения заградительных барьеров), выписать административный штраф и сформировать базовый комплект доказательств для последующего возбуждения уголовного дела. В особых случаях при нарушении правил дорожного движения ИИ может преследовать нарушителя правил дорожного движения, объезжающего транспортный поток по обочине. Эффективность указанного локального решения автоматизации функции правоохранительной деятельности очевидна: оно позволило значительно улучшить ситуацию с трафиком на тестовых площадках1.
В рамках обеспечения внутренней процедуры комплаенса и совершенствования механизмов безопасности нельзя не отметить опыт правоохранительных органов Испании, которые внедрили ИИ в практику выявления недостоверных и фиктивных полицейских отчетов по фактам совершенных оперативно-розыскных и иных мероприятий2. Данный ИИ (VeriPol) был создан в рамках процедуры кооперации науки и полиции. В ходе тестовой обработки данных и последующей калибровки систем обработки анализа естественного языка и алгоритмов машинного обучения VeriPol показал высокую эффективность выявления фиктивных отчетов, предоставляемых полицейскими Испании (более 85 %) (Quijano-Sanchez et al., 2018: 159).
Нельзя не отметить, что комплексное применение ИИ в сфере правоохранительной деятельности также эффективно для интеллектуального противодействия наркотрафику (Monaghan, Terzi, 2012), классификации доказательств (Amiruzzaman et al., 2021: 3), подтверждения фактов правонарушений и реализации процесса их анализа (Agrawal et al., 2019: 145).
Рассматривая административную деятельность полиции в России, необходимо отметить, что она включает в себя исполнительно-распорядительные мероприятия по организации функционирования подразделений органов внутренних дел - практическому осуществлению охраны общественного порядка, обеспечению безопасности граждан и борьбе с преступностью (Моргунова, Устич, 2017: 73).
К общим функциям административной деятельности полиции специалисты относят планирование, организацию, регулирование, учет, контроль (Афанасьев, Репин, 2016: 164); перечень специальных задач зафиксирован в положении ч. 1 ст. 2 Федерального закона «О полиции» от 07.02.2011 № 3-ФЗ3.
Отечественные ученые отмечают положительный эффект от применения технологии ИИ в правоохранительной деятельности в различных ее аспектах (уголовно-процессуальном, административном).
Д.В. Бахтеев в своем диссертационном исследовании комплексно акцентирует внимание на преимуществах и недостатках полностью автономного применения ИИ для целей криминалистики, в том числе в условиях влияния внешних и внутренних факторов на анализ большого массива данных4.
Д.А. Степаненко и ее коллеги в своих работах отмечают базовый фокус использования искусственного интеллекта для целей правоохранительных органов в разрезе трех элементов (Степаненко и др., 2020: 212-213):
1. Распознавание субъекта потенциального правонарушения (рост, вес, пол и т. д.).
2. Предсказание (прогнозистика) - подразумевает сбор большого количества данных, выявление базовых закономерностей и определение состава потенциальных участников правонарушения.
3. Классификация, например, анализ подписей субъектов и последующий их учет.
В.Ю. Дроздов считает, что действующая правоохранительная практика применения ИИ нацелена на фиксацию правонарушения, а не на профилактику и предиктивное реагирование (Дроздов, 2021: 117). В контексте косвенного подтверждения последнего тезиса необходимо отметить, что
1 China's Xi'an Deploys AI-Based Intelligent Traffic Management System [Электронный ресурс] // RCRWireless News. URL: https://www.rcrwireless.com/20200729/smart-cities/china-xian-deploys-ai-based-intelligent-traffic-management-system (дата обращения: 13.03.2023).
2 Artificial Intelligence Tool Used to Catch People Who Lie to the Police [Электронный ресурс] // SNEWS. URL: https://snews.news/2019/01/artificial-intelligence-tool-used-to-catch-people-who-lie-to-the-police/ (дата обращения: 13.03.2023).
3 О полиции : Федеральный закон от 07.02.2011 № 3-ФЗ (последняя редакция) [Электронный ресурс]. Доступ из справ.-правовой системы «КонсультантПлюс».
4 Бахтеев Д.В. Концептуальные основы теории криминалистического мышления и использования систем искусственного интеллекта в расследовании преступлений : дис. ... д-ра юрид. н. Екатеринбург, 2022. 504 с.
правоприменительная практика правоохранительных органов в России в сфере дел об административных правонарушениях реализуется судами в отношении правонарушений, посягающих на общественный порядок и общественную безопасность, а также в области дорожного движения1. При этом обвинительная динамика дел в рамках судебного рассмотрения составляет более 80 %. Указанный сегмент правонарушений в сфере административного права, как правило, очень легко регистрируется стационарными и передвижными средствами фото-, видеофиксации. Однако эти же возможности могли бы быть использованы для профилактики правонарушений.
Тезис о глубокой цифровой интеграции средств наблюдения в сферу общественных отношений и эффективности фиксации наружными средствами наблюдения правонарушений в сфере дорожного движения также находит свое отражение на уровне доктринальных исследований административной практики правоохранительных органов в контексте визуальной аналитики для целей пресечения правонарушений в области дорожного движения (Хисматуллина и др., 2021: 2-3; Куракин, 2021: 15-20).
Кроме того, отмечается перспективность развития цифровых технологий, благодаря которой искусственный интеллект в ближайшее время самостоятельно сможет упредительно реагировать на правонарушения, действуя в контексте автономных транспортных средств (Жихорева, 2020: 91-92; Попова и др., 2019: 35-36).
Следует отметить, что на уровне практического применения искусственного интеллекта значение имеют отдельные его функции (распознавание лиц, которое чрезвычайно важно для раскрытия преступлений и принятия административных предупредительных мер к потенциальным нарушителям закона2, предиктивная аналитика3) и смежные технологии (блокчейн4).
Полноценное правовое оформление и регламентация действий ИИ, в том числе для целей правоохранительной деятельности, на текущий момент находится в стадии разработки, так как базовый срок завершения данного процесса, установленный Указом Президента России5, приходится на 2024 и 2030 гг., что находит свое отражение также в ведомственных планах правоохранительных органов (в том числе МВД России6).
По нашему мнению, имеет смысл поддержать возможное предиктивное использование ИИ в целях анализа действий граждан на предмет потенциальных правонарушений, представленных в КоАП РФ7, при помощи систем наружного наблюдения, речевого анализа и изучения активности их в Сети. В рамках сказанного возможно предупредительное реагирование ИИ на обнаруженную опасность в виде оповещения гражданина о классификации его действий по законодательству еще до момента совершения преступления или нарушения, информирования об альтернативных способах достижения цели субъектом в рамках правового поля и предоставления иных рекомендаций, призванных не допустить совершения субъектом противоправных действий.
Кроме того, искусственным интеллектом может быть выполнена кратковременная блокировка сервисов индивидуума до оперативного вмешательства профильного сотрудника. В данном случае речь идет о практике запрета доступа к банковским счетам (это активно применяют правоохранительные, налоговые и финансово-надзорные учреждения), средствам передвижения (как личным, так и общественным), блокировки в ограниченном пространстве и т.д. с последующим оповещением сотрудника правоохранительных органов.
1 Административные правонарушения. Показатели по отдельным правонарушениям [Электронный ресурс] // Судебная статистика РФ. URL: https://stat.xn—7sbqk8achja.xn--p1ai/stats/adm/t/31/s/1 (дата обращения: 13.03.2023).
2 Система распознавания лиц в Москве помогла раскрыть 3 тысячи преступлений [Электронный ресурс] // Российская газета. URL: https://rg. ru/2019/11/04/reg-cfo/sistema-raspoznavaniia-Nc-v-iTioskve-poiTiogla-raski"yt-3-tysiachi-prestuplenij.html (дата обращения: 13.03.2023) ; Система распознавания лиц втрое увеличила количество задержаний в Москве [Электронный ресурс] // Новые известия. URL: https://newizv.ru/news/2021-06-07/sistema-raspoznavaniya-lits-vtroe-uvelichila-kolichestvo-zaderzhaniy-v-moskve-328016 (дата обращения: 13.03.2023).
3 РАНХиГС представил свои исследования на конференции «Искусственный интеллект на службе полиции» [Электронный ресурс] // Президентская академия. URL: https://clck.ru/34BQjm (дата обращения: 13.03.2023).
4 В России запустили и тестируют в правоохранительных органах «прозрачный блокчейн» [Электронный ресурс] // Интерфакс. URL: https://www.interfax.ru/russia/890318 (дата обращения: 03.04.2023).
5 О развитии искусственного интеллекта в Российской Федерации : Указ Президента Российской Федерации от 10.10.2019 № 490 [Электронный ресурс]. Доступ из справ.-правовой системы «КонсультантПлюс».
6 Об утверждении Ведомственной программы цифровой трансформации МВД России на 2021-2023 годы : распоряжение МВД России № 1/15065 от 29.12.2020 [Электронный ресурс]. Доступ из справ.-правовой системы «КонсультантПлюс».
7 Кодекс Российской Федерации об административных правонарушениях от 30.12.2001 № 195-ФЗ (ред. от 03.04.2023) [Электронный ресурс]. Доступ из справ.-правовой системы «КонсультантПлюс».
Указанные предложения потребуют введения дополнительных норм в КоАП РФ и разработки сопутствующих нормативно-правовых документов с точки зрения определения отягчающих и смягчающих обстоятельств при рассмотрении дел об административных правонарушениях с применением технологий ИИ, а также установления дополнительных правовых инструментов предиктивного реагирования, определения правового статуса ИИ (как квазисубъекта или агента органа власти), регламентации осуществления профилактики активности правонарушителей с фиксацией их действий на уровне нормативно-правовых и подзаконных актов профильных правоохранительных органов.
Список источников:
Афанасьев А.Ю., Репин М.Е. Административная деятельность полиции: от формы к содержанию // Наука. Мысль. 2016. № 8-1. С. 162-167.
Дроздов В.Ю. Использование искусственного интеллекта для предупреждения преступности // Закон и право. 2021. № 9. С. 114-117. https://doi.org/10.24412/2073-3313-2021-9-114-117.
Жихорева Р.Е. Особенности внедрения технологий искусственного интеллекта в сферу обеспечения безопасности дорожного движения // Искусственный интеллект (большие данные) на службе полиции. М., 2020. С. 88-93.
Куракин А.В. Вопросы административного принуждения // Административное и муниципальное право. 2021. № 2. С. 10-24. https://doi.org/10.7256/2454-0595.2021.2.34111.
Моргунова Н.В., Устич О.В. Административная деятельность полиции // Современные технологии в мировом научном пространстве : в 3 ч. Уфа, 2017. Ч. 3. С. 72-76.
Попова А.В., Горохова С.С., Азнагулова Г.М. К вопросу о необходимости определения цели и задач правового регулирования в сфере искусственного интеллекта, киберфизических систем, роботов и объектов роботехники // Правовое государство: теория и практика. 2019. № 3 (57). С. 31-36.
Степаненко Д.А., Бахтеев Д.В., Евстратова Ю.А. Использование систем искусственного интеллекта в правоохранительной деятельности // Всероссийский криминологический журнал. 2020. Т. 14, № 2. С. 206-214. https://doi.org/10.17150/2500-4255.2020.14(2).206-214.
Хисматуллина Ю.Р., Ильина В.В., Симонова О.В. Искусственный интеллект в полиции // Актуальные вопросы права, экономики и управления. Чебоксары, 2021. С. 255-257.
Agrawal A., Gans J., Goldfarb A. Economic Policy for Artificial Intelligence // Innovation Policy and the Economy. 2019. Vol. 19, iss. 1. Р. 139-159. https://doi.org/10.1086/699935.
Amiruzzaman M., Curtis A., Zhao Y., Jamonnak S., Ye X. Classifying Crime Places by Neighborhood Visual Appearance and Police Geonarratives: A Machine Learning Approach // Journal of Computational Social Science. 2021. Vol. 4, iss. 2. Р. 813-837. https://doi.org/10.1007/s42001-021-00107-x.
Braga A.A., Papachristos A.V., Hureau D.M. The Effects of Hot Spots Policing on Crime: An Updated Systematic Review and Meta-Analysis // Justice Quarterly. 2014. Vol. 31, iss. 4. Р. 633-663. https://doi.org/10.1080/07418825.2012.673632.
Ferguson A.G. Rise of Big Data Policing. N. Y., 2017. 259 р. https://doi.org/10.2307/j.ctt1pwtb27.
Kaufmann M., Egbert S., Leese M. Predictive Policing and the Politics of Patterns // The British Journal of Criminology. 2019. Vol. 59, iss. 3. Р. 674-692. https://doi.org/10.1093/bjc/azy060.
Monaghan G., Terzi S. The Metropolitan Police Service Central Drug-Trafficking Database: Evidence of Need // Intelligent Data Mining in Law Enforcement Analytics: New Neural Networks Applied to Real Problems. Dordrecht, 2012. Р. 89-117. https://doi.org/10.1007/978-94-007-4914-6_6.
Moses L.B., Chan J. Algorithmic Prediction in Policing: Assumptions, Evaluation, and Accountability // Policing and Society. 2018. Vol. 28, iss. 7. Р. 806-822. https://doi.org/10.1080/10439463.2016.1253695.
Perry W., McInnis B., Price C., Smith S., Hollywood J. Predictive Policing: The Role of Crime Forecasting in Law Enforcement Operations. Rand Corporation, 2013. 186 р. https://doi.org/10.7249/rr233.
Quijano-Sanchez L., Liberatore F., Camacho-Collados J., Camacho-Collados M. Applying Automatic Text-Based Detection of Deceptive Language to Police Reports: Extracting Behavioral Patterns from a Multi-step Classification Model to Understand How We Lie to the Police // Knowledge-Based Systems. 2018. Vol. 149. Р. 155-168. https://doi.org/10.1016/j.knosys.2018.03.010.
Solum L.B. Artificial Meaning // Washington Law Review. 2014. Vol. 89. Р. 69-86.
Weisburd D., Mastrofski S.D., Greenspan R., Willis J.J. The Growth of Compstat in American Policing Washington, 2004. 18 р.
References:
Afanas'ev, A. Yu. & Repin, M. E. (2016) Administrativnaya deyatel'nost' politsii: ot formy k soderzhaniyu [Administrative Activities of the Police: from Form to Content]. Nauka. Mysl'. (8-1), 162-167. (In Russian).
Agrawal, A., Gans, J. & Goldfarb, A. (2019) Economic Policy for Artificial Intelligence. Innovation Policy and the Economy. 19 (1), 139-159. Available from: doi:10.1086/699935.
Amiruzzaman, M., Curtis, A., Zhao, Y., Jamonnak, S. & Ye, X. (2021) Classifying Crime Places by Neighborhood Visual Appearance and Police Geonarratives: A Machine Learning Approach. Journal of Computational Social Science. 4 (2), 813-837. Available from: doi:10.1007/s42001-021-00107-x.
Braga, A. A., Papachristos, A. V. & Hureau, D. M. (2014) The Effects of Hot Spots Policing on Crime: An Updated Systematic Review and Meta-Analysis. Justice Quarterly. 31 (4), 633-663. Available from: doi:10.1080/07418825.2012.673632.
Drozdov, V. Yu. (2021) Use of Artificial Intelligence to Prevent Crime. Zakon i pravo. (9), 114-117. Available from: doi:10.24412/2073-3313-2021-9-114-117. (In Russian).
Ferguson, A. G. (2017) Rise of Big Data Policing. New York. 259 р. Available from: doi:10.2307/j.ctt1 pwtb27.
Kaufmann, M., Egbert, S. & Leese, M. (2019) Predictive Policing and the Politics of Patterns. The British Journal of Criminology. 59 (3), 674-692. Available from: doi:10.1093/bjc/azy060.
Khismatullina, Yu. R., Il'ina, V. V. & Simonova, O. V. (2021) Iskusstvennyi intellekt v politsii [Artificial Intelligence in the Police]. In: Aktual'nye voprosy prava, ekonomiki i upravleniya. Cheboksary, рр. 255-257. (In Russian).
Kurakin A. V. (2021) The Questions of Administrative Enforcement. Administrativnoe i munitsipal'noe pravo. (2), 10-24. Available from: doi:10.7256/2454-0595.2021.2.34111. (In Russian).
Monaghan, G. & Terzi, S. (2012) The Metropolitan Police Service Central Drug-Trafficking Database: Evidence of Need. In: Intelligent Data Mining in Law Enforcement Analytics: New Neural Networks Applied to Real Problems. Dordrecht, рр. 89-117. Available from: doi:10.1007/978-94-007-4914-6_6.
Morgunova, N. V. & Ustich, O. V. (2017) Administrativnaya deyatel'nost' politsii [Administrative Activities of the Police]. In: Sovremennye tekhnologii v mirovom nauchnom prostranstve. Ch. 3. Ufa, рр. 72-76. (In Russian).
Moses, L. B. & Chan, J. (2018) Algorithmic Prediction in Policing: Assumptions, Evaluation, and Accountability. Policing and Society. 28 (7), 806-822. Available from: doi:10.1080/10439463.2016.1253695.
Perry, W., Mclnnis, B., Price, C., Smith, S. & Hollywood, J. (2013) Predictive Policing: The Role of Crime Forecasting in Law Enforcement Operations. Rand Corporation. 186 р. Available from: doi:10.7249/rr233.
Popova, A. V., Gorokhova, S. S. & Aznagulova, G. M. (2019) To the Issue of the Necessity to Define the Purpose and Objectives of Legal Regulation in the Field of Artificial Intelligence, Cyber-Physical Systems, Robots and Robotics. The Rule-of-Law State: Theory and Practice. (3 (57)), 31-36. (In Russian).
Quijano-Sanchez, L., Liberatore, F., Camacho-Collados, J. & Camacho-Collados, M. (2018) Applying Automatic Text-Based Detection of Deceptive Language to Police Reports: Extracting Behavioral Patterns from a Multi-step Classification Model to Understand How We Lie to the Police. Knowledge-Based Systems. 149, 155-168. Available from: doi:10.1016/j.knosys.2018.03.010. Solum, L. B. (2014) Artificial Meaning. Washington Law Review. 89, 69-86.
Stepanenko, D. A., Bakhteev, D. V. & Evstratova Yu. A. (2020) The Use of Artificial Intelligence Systems in Law Enforcement. Russian Journal of Criminology. 14 (2), 206-214. Available from: doi:10.17150/2500-4255.2020.14(2).206-214. (In Russian).
Weisburd, D., Mastrofski, S. D., Greenspan, R. & Willis, J. J. The Growth of Compstat in American Policing. Washington. 18 р. Zhikhoreva, R. E. (2020) Osobennosti vnedreniya tekhnologii iskusstvennogo intellekta v sferu obespecheniya bezopasnosti dorozhnogo dvizheniya [Features of the Introduction of Artificial Intelligence Technologies in the Field of Road Safety]. In: Iskusstvennyi intellekt (bol'shie dannye) na sluzhbe politsii. Moscow, рр. 88-93. (In Russian).
Информация об авторе А.Р. Атабеков - кандидат экономических наук, доцент кафедры административного и финансового права Российского университета дружбы народов, Москва, Россия. https://www.elibrary.ru/author_items.asp?authorid=903288
Information about the author A.R. Atabekov - PhD in Economics, Associate Professor, Department of Administrative and Financial Law, Peoples' Friendship University of Russia, Moscow, Russia. https://www.elibrary.ru/author_items.asp?authorid=903288
Статья поступила в редакцию / The article was submitted 14.03.2023; Одобрена после рецензирования / Approved after reviewing 04.04.2023; Принята к публикации / Accepted for publication 25.04.2023.
