Научно-техническая мысль, находящаяся в непрерывном прогрессивном развитии, с каждым днем предоставляет новые возможности для криминалистической и судебно-экспертной деятельности. Появляются и совершенствуются технологии, в том числе использующие отдельные способности искусственного интеллекта (далее – ИИ), которые позволяют облегчить труд человека, сделать его более эффективным. Однако при этом возникают сложности и проблемы, связанные с законными возможностями использования широкого массива данных, правильностью работы заложенных в технологию алгоритмов, рамками обучения такой системы, точностью восприятия и распознавания, а в итоге – с доказательственным значением результатов, полученных на основе применения таких технологий.
Технологии ИИ – это совокупность математических функций, реализуемых в процессах поиска, собирания, накопления, регистрации, хранения, ввода / вывода, приема / передачи, анализа, преобразования, отображения, обработки информации и получения результатов такой обработки, распространения и уничтожения информации, осуществляемая посредством применения отдельных способностей естественного интеллекта (распознавание, обучение, запоминание и некоторых других) в работе программно-аппаратных комплексов, функционирующих во взаимодействии с человеком или автономно, но под его контролем.
В рамках данной статьи речь пойдет только о технологии ИИ по распознаванию лиц, применяемой в оперативно-розыскной, регистрационно-поисковой и судебно-экспертной деятельности.
Проблема анализа признаков внешнего облика человека при сравнении его изображений является актуальной со времен разработки системы регистрации человека А. Бертильоном. Она была адаптирована для розыскной деятельности Р.А. Рейссом в конце XIX века. Сопоставление признаков внешности человека предполагалось результативным при владении этой методикой словесного портрета.
Однако на результат сопоставления влияла ранее и продолжает влиять проблема сходства разных лиц, что обусловило возникновение судебно-портретной экспертизы.
Основу методики судебно-портретной экспертизы составляют приемы сопоставления одноименных признаков внешнего облика человека, запечатленных на изображениях лиц, поступающих к специалисту в области портретной идентификации. В его задачу входит и выявление различий, и анализ причин сходства таких лиц, поскольку оно может быть обусловлено не только принадлежностью к одной и той же кровно-родственной группе, но и сходством разных лиц, в том числе, относимых к так называемым двойникам.
Таким образом, задача сопоставления внешнего облика лиц в ходе функционирования регистрационных систем предполагает процесс от поиска в базе данных похожих лиц до формирования той совокупности признаков, которая считается индивидуальной для конкретного человека. Эта задача решается по двум направлениям: выявление совокупности групповых по своему значению признаков и поиск совокупности признаков, индивидуальных для данного конкретного человека.
Первое направление реализуется посредством регистрационно-поисковой деятельности, второе – судебно-экспертной: «Необходимо различать оперативную идентификацию по признакам внешнего облика человека с экспертным отождествлением человека. Оперативная идентификация предшествует процессу установления личности путем сопоставления различных данных, характеризующих проверяемых, и, прежде всего, дактилоскопической идентификации».
В обоих случаях осуществляется последовательное сопоставление признаков элементов внешности. При этом необходимо выяснение причин совпадений и различий, то есть знание динамики изменения признаков внешности. Поиск индивидуального конкретного тождества – это задача, которую решает эксперт, выполняющий судебно-портретную экспертизу.
Процесс сопоставления признаков внешности предполагает их анализ в аспекте возможности / невозможности их включения / не включения в индивидуализирующую данного индивида совокупность признаков, что и является конечной целью идентификационного исследования.
Таким образом, сопоставление признаков внешности, входящих в систему тех, которые образуют индивидуализирующую совокупность, требуют знания их характеристик, чтобы можно было быстро решать вопрос о тождестве человека, запечатленного на сравниваемых изображениях или отрицать его, но при этом формулировать основания сделанного вывода.
Очевидно, что процесс сравнительного исследования изображения человека в оперативно-розыскном и судебно-экспертном аспектах требует формулирования двух совокупностей признаков – совпадающих, но групповых по своему значению, и индивидуальных, образующих индивидуализирующую совокупность.
Оперативно-розыскная деятельность требует принятия решения об отнесении наблюдаемого человека к тем, которые подлежат розыску и задержанию. Регистрационная деятельность также имеет задачей выделить изображение тех лиц, которые будут представлять так называемый оперативный интерес. И тот, и другой вид деятельности связан с решением вопроса о сходстве разных лиц и принятии решения о необходимости проверки их причастности к исследуемому событию. Результаты регистрационной и оперативно-розыскной деятельности носят предварительных характер, в то время как результаты деятельности эксперта имеют характер окончательный, то есть укладываются в систему доказательств.
С учетом этого процесс сопоставления признаков внешности в рамках оперативно-розыскной и следственной деятельности требует углубленного изучения причин сходства и различия сравниваемых лиц. Он опирается на совокупность специальных знаний о причинах совпадения и различия признаков, умение эксперта проверить вывод на основе системы приемов и методов, накопленных судебно-портретной экспертизой.
В связи с этим, выдвигаемый в последние годы тезис о возможности заменить деятельность судебного эксперта применением технологии ИИ вызывает сомнения в допустимости использования его результатов в процессе отождествления человека по признакам внешнего облика, запечатленных на различных видах изображений. Сторонники такого подхода апеллируют к возможности технологии ИИ быстро сравнивать изображения в разных массивах и приходить к выводу о сходстве или различии.
В качестве индивидуализирующих человека маркеров приводится исследование об индивидуальном строении радужной оболочки глаза и твердого нёба, которые должны идти по пути индивидуализации человека по типу строения папиллярных линий пальцев рук человека. Однако программное обеспечение, использующее технологии ИИ, осуществляет прежде всего сопоставление объектов и не анализирует причины сходства и различия лиц. Понимание этих причин требует базовых знаний в области тех наук, которые не входят в орбиту специальных знаний, которыми обладают создатели технологии ИИ и программного обеспечения.
Иными словами, осуществляемый в рамках использования технологии ИИ перебор совокупности признаков не может включать систему знаний, которые необходимы для принятия решения о тождестве разных лиц, чему предшествует анализ причин их сходства. Решение вопроса о тождестве разных лиц по их изображениям требует не перебора признаков, а их изучения с точки зрения, какое место они занимают в той совокупности, которая характеризует индивида как биологическую особь.
В связи с этим представляется необходимым кратко рассмотреть методы и технологии ИИ по распознаванию лиц по изображению. Зародившись в 1960-х гг., когда были проведены первые эксперименты в области машинного распознавания лиц, постоянно совершенствуясь, технология распознавания лиц достигла довольно высоких результатов и используется в различных видах деятельности: в быту (камеры смартфонов), коммерческой деятельности, а также правоохранительной, для нужд оперативно-розыскной, регистрационной и судебно-экспертной деятельности.
Распознавание лиц осуществляется с применением различных методов и средств. Ученые в области инженерии, исследователи ИИ, проводят эксперименты в целях совершенствования существующих методов и определения наилучшего, когда будут сведены к минимуму недостатки, который сможет с максимальной точностью выполнять свою функцию по установлению лица на изображении.
Выделяют следующие методы и алгоритмы распознавания лиц:
- Анализ геометрических характеристик лица (один из первых методов), построенный на применении простых алгоритмов, не требующий больших аппаратных мощностей.
- Метод сравнения эталонов, который «заключается в выделении областей лица на изображении и последующем сравнении этих областей для двух различных изображений».
- Метод Виолы-Джонса, являющийся одним из лучших по соотношению показателей эффективность распознавания / скорость работы: «Также этот детектор обладает крайне низкой вероятностью ложного обнаружения лица. Алгоритм хорошо работает и распознает черты лица под небольшим углом, примерно до 30 градусов. При угле наклона больше 30 градусов процент обнаружений резко падает».
- Метод главных компонент (алгоритм Eigenface). Как отмечают исследователи, основными недостатками этого алгоритма являются «отсутствие устойчивости к изменению условий освещенности и отсутствие инвариантности к аффинным преобразованиям», а также «высокие требования к условиям съемки изображений, которые должны быть получены в близких условиях освещенности и одинаковом ракурсе, при проведении качественной предварительной обработки, приводящей изображения к стандартным условиям».
- Алгоритм Fisherface (линейный дискриминантный анализ) предполагает наличие множества фотографий при разных условиях освещенности у каждой персоны в базе данных. За счет множества фотографий каждой персоны алгоритм получается устойчивым к изменениям условий освещенности, но сохраняет недостаток алгоритма Eigenface.
- Алгоритм LBP (локальный бинарный шаблон) используется для классификации в компьютерном зрении и является «эффективным средством формирования локальных признаков цифрового изображения», но также не лишен недостатков.
- Метод гибкого сравнения с графом лица работает за счет перебора, производя сравнение с базой данных, где для каждого вида объектов имеются всевозможные модификации отображения: «Эффективность распознавания при наличии различных эмоциональных выражений и изменении ракурса лица до 15 градусов составляет 90…95 %. А недостатками является высокая вычислительная сложность процедуры распознавания, низкая технологичность при запоминании новых эталонов, линейная зависимость времени работы от размера базы данных».
- Сверточная нейронная сеть входит в состав технологий глубокого обучения, использует некоторые особенности зрительной коры: «Достоинствами применения такого метода является точность распознавания (более 90 %) и устойчивость к шумам входных данных. А недостатками – трудная реализация, а также проблемы переобучения при добавлении эталонного лица в базу данных». Исследователи отмечают, что «для обучения каждому новому представлению приходится тщательно подбирать вручную параметры обучения и другие характеристики сети, что, однако, не гарантирует сходимости». Но в 2018 г. применение FindFace Security от компании NTechLab позволило органам внутренних дел задержать более 180 правонарушителей на Чемпионате мира по футболу (часть задержанных находилась в федеральном розыске).
Большая часть методов сводится к успешному анализу изображений, полученных в одинаковом ракурсе с изображений анфас. Однако при использовании измененного ракурса, различных видов освещения, изображении с невысокой разрешающей способностью применение методов оказывается мало результативным.
Как отмечают О.Ю. Цурлуй и В.А. Мещеряков, «современные технологии позволяют интегрировать систему распознавания лиц в сложные аналитические системы»: «информация передается в единый центр, где по результатам обработки формируется справка о произошедшем событии с указанием места, времени, участников»; «сведения, обработанные с использованием методов искусственного интеллекта, выступают в качестве оснований для задержания лица».
Точность выявления лиц при розыске с применением технологий ИИ зависит от многих критериев. Среди них особое значение отводится базе данных, к которой обращается технология для поиска. Формирование такой базы – технически трудоемкий процесс, балансирующий между получением достоверных и качественных изображений определенных лиц и соблюдением положений законодательства об охране персональных данных граждан. Так называемое обучение нейросети основано именно на использовании сформированных баз данных, к которым обеспечивается ее доступ. Но ответственность за качественное формирование возлагается на человека. И в практике, к сожалению, уже встречаются случаи, когда применение технологии ИИ привело к негативным последствиям.
Так, в известном из средств массовой информации деле ученого-гидролога А. Цветкова, обвиненного в совершенных совместно с другим лицом более 20 лет назад убийствах четырех человек, имеются сведения о совпадении фоторобота убийцы, составленного в 2003 г., с биометрическими данными А. Цветкова. Именно это, по данным СМИ, стало основанием для задержания и последующего ареста подозреваемого. Фоторобот был составлен со слов гражданина С., который привел словесное описание со слов обвиняемого А., на тот момент уже задержанного. Изображение на фотороботе нейросеть признала совпадающим на 55 % с изображением А. Цветкова, полученным с камер наблюдения в аэропорту. Составление субъективного портрета в рамках допроса, что иногда происходит на практике, не выходит за пределы процессуальной формы, но информация, которую несет субъективный портрет (приложение к протоколу) имеет ориентирующее, а не доказательственное значение. В приведенном выше случае к этому обстоятельству присоединяется использование столь низкого результата распознавания лица, выданного нейросетью.
При всех негативных аспектах использование технологии ИИ по распознаванию лиц является перспективным. Но представляется важным не зацикливаться на применении одного метода или технологии ИИ, поскольку их совокупность, создание и последующее применение гибридного метода способно повысить точность распознавания, минимизировать риск ошибки. Применение технологий ИИ по распознаванию лиц при проведении судебно-портретной экспертизы оправдано, может повысить визуализацию, четкость восприятия объекта и в определенной мере позволит сэкономить эксперту время на проведение исследования. Но практика применения технологий ИИ при распознавании лиц в судебно-портретной экспертизе показала, что их использование оптимально при предварительном сопоставлении изображений, а окончательный вывод должен формулироваться судебным экспертом по результатам изучения причин такого совпадения.
Ни одна из существующих технологий ИИ по распознаванию лиц на сегодняшний день не является совершенной, несмотря на высокий уровень точности распознавания у некоторых из них. Совершенно исключить ошибки при применении технологий ИИ невозможно. Именно поэтому эксперт должен подвергать сомнению и проверять полученные с применением технологий ИИ результаты.