Использование предиктивной аналитики в прогнозировании преступности

Опыт США и отечественные практики

Аннотация

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.