сотрудник
Волгоградская академия Министерства внутренних дел Российской Федерации (Кафедры исследования документов УНК ЭКД, Начальник кафедры)
сотрудник с 01.01.2020 по настоящее время
Волгоградская область, Россия
В статье рассмотрены возможности и перспективы применения технологий искусственного интеллекта для выявления лиц, склонных к совершению насильственных преступлений. Содержится описание примеров успешного использования нейронных сетей для оценки признаков внешности человека, выявления сложных взаимосвязей между различными параметрами внешности, поведения и психического состояния человека. Изложен алгоритм, позволяющий проверить гипотезу о зависимости морфологии лица от нейробиологических особенностей, связанных со склонностью человека к насильственному поведению, применяемые для этого методы. Для выявления статистически значимых различий в антропометрических параметрах лица между группами лиц с типичным развитием и с диагностированными отклонениями в социальном поведении и психическом развитии приведена разработанная программа автоматизации процесса кодирования, расстановки антропометрических точек, апробация которой позволила выявить слабые места проведенного исследования и сформулировать предложения по организации дальнейшей работы над проектом.
искусственный интеллект, технологии искусственного интеллекта, насильственные преступления, серийные преступления, признаки внешности, антропометрические параметры, диагностические исследования, психическое развитие, криминалистическая габитоскопия.
1. Теоретические исследования по созданию комплекса технологических решений (искусственный интеллект) для обработки больших данных в сфере внутренних дел : отчет о научно-исследовательской работе (заключительный) шифр: «Семантика». М., 2021. 237 с.
2. Clark EA, Kessinger J, Duncan SE, Bell MA, Lahne J, Gallagher DL and O'Keefe SF (2020) The Facial Action Coding System for Characterization of Human Affective Response to Consumer Product-Based Stimuli: A Systematic Review. Front. Psychol. 11:920. doi:https://doi.org/10.3389/fpsyg.2020.00920. URL: https://www.frontiersin.org/journals/psychology/articles/https://doi.org/10.3389/fpsyg.2020.00920/full (дата обращения: 28.04.2025).
3. Wang Y, Wang J, Liu X and Zhu T (2021) Detecting Depression Through Gait Data: Examining the Contribution of Gait Features in Recognizing Depression. Front. Psychiatry 12:661213. doi:https://doi.org/10.3389/fpsyt.2021.661213. URL: https://translated.turbopages.org/journals/psychiatry/articles/10.3389/fpsyt.2021.661213/full (дата обращения: 28.04.2025).
4. Гашкаримов В.Р., Султанова Р.И., Ефремов И.С., Асадуллин А.Р. Использование методов машинного обучения в диагностике и прогнозировании клинических особенностей шизофрении: нарративный обзор литературы // Consortium Psychiatricum. 2023. Том 4. № 3. С. 43–53. DOI:https://doi.org/10.17816/CP11030, ISSN: 2712-7672 / 2713-2919. doi:https://doi.org/10.1177/0886260520913641. URL: https://pubmed.ncbi.nlm.nih.gov/32306866/ (дата обращения: 28.04.2025).
5. Сверхточную нейросеть научили распознавать преступников. URL: https://naked-science.ru (дата обращения: 28.04.2025).
