Еще несколько лет назад искусственный интеллект в правоохранительной сфере в основном ассоциировался с экспериментами по "прогнозированию преступлений". Алгоритмы анализировали статистику и пытались определить районы или время, когда вероятность правонарушений будет выше. Об этом пишет 24 Канал.
Так действительно ли ИИ уже может ловить преступников?
Сегодня ситуация изменилась. ИИ все чаще используют не для абстрактного прогнозирования, а как практический инструмент расследования.
Например, полиция может загрузить огромные массивы видео с камер наблюдения, данные об автомобилях, телефонные звонки, вызовы в экстренные службы или материалы уголовных дел. Алгоритм способен значительно быстрее человека обнаружить повторяющиеся связи, передвижения или другие закономерности.
В Великобритании это уже переходит на государственный уровень. В июне 2026 года правительство запустило PoliceAI – национальный центр, который должен разрабатывать, тестировать и масштабировать системы искусственного интеллекта для полиции Англии и Уэльса. На его создание выделено 75 миллионов фунтов стерлингов в течение трех лет.
Британские власти заявляют, что в ходе первых испытаний ИИ помог сократить время анализа 800 часов видеозаписей по делу об угоне с 800 часов до примерно трех часов. В другом случае автоматизированный перевод огромного массива документов помог выйти на след организованной преступной группировки.
То есть ответ на вопрос, может ли ИИ уже помогать ловить преступников, однозначен – да. Но это еще не означает, что машина самостоятельно определяет, кто является преступником.
ИИ может найти человека, которого человек мог бы не заметить
Один из самых интересных примеров сейчас разворачивается в США. Как пишет WIRED, компания Flock Safety разработала систему OS Investigate, которая значительно расширяет возможности автоматизированного анализа данных с камер. Журналисты издания получили доступ к коду системы и выяснили, что она может работать не только с номерными знаками автомобилей.
Система получает информацию из сети камер, охватывающей более 6000 населенных пунктов, и может сопоставлять ее с полицейскими делами, записями вызовов 911 и коммерческими базами данных. В результате номер автомобиля можно связать с конкретным человеком, его адресом, родственниками или другими контактами.
При этом полицейскому не обязательно знать имя подозреваемого или номер его автомобиля.
По данным WIRED, система позволяет задавать поисковые запросы на обычном языке. Например, можно искать людей, чьи автомобили чаще всего появлялись в определенном районе в течение определенного времени. Среди заготовленных запросов есть и такие, что позволяют искать потенциальных свидетелей по автомобилям, которые чаще всего находились в конкретном месте.
Один из экспертов, с которым поговорил WIRED, описал это изменение так: раньше камера фактически отвечала на вопрос "разыскивается ли этот автомобиль?", а теперь алгоритм может получать задания типа "найди людей, которые соответствуют определенной модели поведения".
Это уже очень близко к тому, что традиционно называли predictive policing – прогнозированием преступности. И здесь возникает главная проблема.
Может ли ИИ предсказать преступление, как в фантастических фильмах?
Нет – по крайней мере, пока не в том смысле, что часто показывают в кино. Современный ИИ не может достоверно сказать, что конкретный человек завтра в 19:00 совершит ограбление. Зато он может определить статистические закономерности: в каком районе, в какое время или при каких обстоятельствах риск того или иного правонарушения может быть выше.
В феврале 2026 года исследователи Университета Южной Флориды совместно с полицией Сарасоты запустили пилотный проект AI-системы прогнозирования преступности. Алгоритм должен прогнозировать возможные модели преступности и помогать планировать размещение патрулей в режиме реального времени. Важно, что это именно пилотный проект – его цель также заключается в проверке того, насколько такая система вообще пригодна для практического использования.
Но проблема прогнозирования преступлений заключается в самих данных. Если алгоритм обучается на исторической статистике полиции, он может изучить не только реальные закономерности преступности, но и особенности работы самой полиции.
Например, если определенный район в течение десяти лет патрулировали значительно чаще, там могли выявлять больше правонарушений. Алгоритм увидит: "в этом районе много преступлений". Но он может не учесть, что значительная часть этой статистики возникла именно из-за повышенного внимания правоохранителей.
Это создает замкнутый круг: полиция направляет больше патрулей в район, где алгоритм прогнозирует преступность, патрули выявляют больше правонарушений, новые данные снова попадают в систему – и алгоритм получает подтверждение собственного прогноза. Именно из-за этого предыдущие системы predictive policing уже подвергались серьезной критике.
Старые ошибки могут вернуться в новой форме
Как пишет The Verge, современная индустрия полицейских технологий активно продвигает алгоритмы, способные объединять данные с камер, вызовов 911, автомобильных номеров и других источников.
В то же время издание напоминает об опыте систем CompStat и PredPol, которые в свое время также обещали сделать полицейскую работу более объективной благодаря данным. На практике алгоритмы могли воспроизводить предубеждения, которые уже присутствовали в исторической статистике.
"Использование систем прогнозирования преступности может сделать будущее очень похожим на прошлое", – объясняет Анджел Диас, доцент юридической школы Лойолы, которого цитирует The Verge. Поэтому проблема не обязательно заключается в том, что ИИ "плохо считает". Наоборот, он может очень хорошо находить закономерности – просто закономерность в данных не всегда означает причинно-следственную связь.
А что, если ИИ просто ищет уже известного преступника? Это гораздо более реалистичный и уже применяемый на практике сценарий.
Например, британская полиция активно расширяет использование систем распознавания лиц. В ходе пилотного проекта лондонской полиции в Кройдоне системы live facial recognition помогли арестовать более 170 разыскиваемых людей. Среди них были лица, разыскиваемые по делам о похищениях, изнасилованиях и тяжких сексуальных преступлениях.
В августе 2026 года аналогичную технологию начала использовать полиция Западного Йоркшира в Хаддерсфилде. Камеры сравнивали лица людей в толпе со списком разыскиваемых. По данным полиции, технология уже помогла задержать людей, разыскиваемых за преследование, кражи и другие правонарушения. Важно, что срабатывание системы перед дальнейшими действиями проверяют специально обученные полицейские.
Здесь ИИ не "угадывает будущего преступника". Он выполняет гораздо более конкретную задачу – сравнивает то, что запечатлела камера, с уже имеющейся информацией.
Именно такой подход сегодня выглядит гораздо более надежным.
Но даже найти преступника ИИ может ошибочно. Показательный случай произошел совсем недавно в Великобритании.
Как пишет The Guardian, сеть Sainsbury's временно приостановила использование системы распознавания лиц Facewatch в одном из лондонских магазинов после того, как технология привела к ложному обвинению покупателя в краже.
46-летний Мэтт Арнольд пришел в магазин, чтобы купить товары для комедийного мероприятия. После сканирования покупок и карты лояльности к нему подошли менеджеры и сообщили, что он не может быть обслужен из-за якобы произошедшего ранее инцидента. На экране камеры он увидел красный кружок вокруг своего лица.
Sainsbury's заявила, что причиной стала человеческая ошибка, а не сама технология. Компания также утверждает, что Facewatch обладает точностью 99,98%, а каждое срабатывание проверяет обученный менеджер. Facewatch также заявила, что система отправила корректное предупреждение, но его неправильно обработали сотрудники магазина.
И это важный момент: даже очень точная система не является безошибочной. Если она анализирует миллионы лиц, даже доля ложных срабатываний может означать большое количество невиновных людей, которых придется дополнительно проверять.
Самая большая проблема – не сам ИИ, а решения людей
Парадоксально, но самым опасным может быть не алгоритм, который ошибся, а человек, который без проверки поверил алгоритму. В случае с Sainsbury's именно это и произошло: система подала сигнал, а сотрудники восприняли его как достаточное основание для действий.
The Guardian цитирует самого Арнольда, который предупреждает об опасности ситуации, когда люди просто выполняют решения машины без критической оценки.
Подобные вопросы возникают и в полиции. Если алгоритм сообщает, что автомобиль связан с другими машинами, которые часто появляются рядом, это еще не означает, что водители являются сообщниками. Если система определяет район как потенциально опасный, это не означает, что каждый человек в нем представляет угрозу.
Именно поэтому современный подход постепенно смещается от идеи "ИИ решает" к модели "ИИ находит информацию, а человек принимает решение".
Что же ИИ действительно умеет в борьбе с преступностью?
По состоянию на 2026 год можно выделить несколько задач, в которых технология уже выглядит практически полезной.
Во-первых, это поиск людей и автомобилей в огромных массивах видео и данных. Алгоритм может за считанные минуты сделать то, на что человеку потребовались бы часы или дни. Во-вторых, распознавание лиц. Оно уже используется полицией для поиска людей, находящихся в розыске. В-третьих, анализ доказательств. Британская компания PoliceAI планирует использовать ИИ для сортировки, анализа и обобщения цифровых материалов, которые могут содержать сотни тысяч документов. В-четвертых, поиск связей между различными событиями. Именно здесь потенциал современных моделей очень большой. Человек может не заметить, что один автомобиль регулярно появлялся возле нескольких мест преступлений, тогда как алгоритм может выявить эту закономерность автоматически.
И, наконец, прогнозирование мест и времени повышенного риска. Такие системы уже тестируются, но именно здесь остается больше всего вопросов относительно точности и справедливости.
Станет ли ИИ "полицейским будущего"?
Похоже, что так – но не в том виде, как это показывает фантастика. ИИ вряд ли в ближайшее время сможет достоверно определять, кто именно станет преступником. Зато он все лучше работает как огромный аналитический слой над полицейскими данными.
Проблема в том, что почему больше данных получает система, тем шире становятся ее возможности – и тем серьезнее могут быть последствия ошибки. WIRED обращает внимание именно на этот переломный момент: современные системы уже могут начинать поиск не с конкретного подозреваемого, а с места, времени или определенной модели поведения. The Verge, в свою очередь, подчеркивает, что индустрия ИИ-решений для полиции стремительно растет, а вместе с ней возникают вопросы о прозрачности алгоритмов, контроле над частными компаниями и ответственности за ошибки.
Поэтому наиболее реалистичное будущее выглядит не как "робокоп", самостоятельно ловящий преступников. Скорее это будет полицейский, получающий от ИИ подсказку, где искать, какие данные связать между собой и какие улики стоит проверить в первую очередь.
И именно от человека будет зависеть, останется ли эта подсказка полезным инструментом – или превратится в автоматизированное обвинение.