Камери, алгоритми й поліція: наскільки далеко ШІ зайшов у боротьбі зі злочинністю

Ще кілька років тому штучний інтелект у правоохоронній сфері здебільшого асоціювався з експериментами з "прогнозування злочинів". Алгоритми аналізували статистику та намагалися визначити райони або час, де ймовірність правопорушень буде вищою. Про це пише 24 Канал.

То чи справді ШІ вже може ловити злочинців?

Сьогодні ситуація змінилася. ШІ все частіше використовують не для абстрактного прогнозу, а як практичний інструмент розслідування.

Наприклад, поліція може завантажити величезні масиви відео з камер спостереження, дані про автомобілі, телефонні дзвінки, виклики на екстрені служби або матеріали кримінальних справ. Алгоритм здатний значно швидше за людину знайти повторювані зв'язки, пересування чи інші закономірності.

У Великій Британії це вже переходить на державний рівень. У червні 2026 року уряд запустив PoliceAI – національний центр, який має розробляти, тестувати та масштабувати системи штучного інтелекту для поліції Англії та Уельсу. На його створення передбачили 75 мільйонів фунтів стерлінгів протягом трьох років.

Британська влада заявляє, що під час перших випробувань ШІ допоміг скоротити аналіз 800 годин відео у справі про викрадення з 800 годин до приблизно трьох годин. В іншому випадку автоматизований переклад величезного масиву документів допоміг вийти на слід організованого злочинного угруповання.

Тобто відповідь на питання, чи може ШІ вже допомагати ловити злочинців, однозначна – так. Але це ще не означає, що машина самостійно визначає, хто є злочинцем.

ШІ може знайти людину, яку людина могла б не помітити

Один із найцікавіших прикладів зараз розгортається у США. Як пише WIRED, компанія Flock Safety розробила систему OS Investigate, яка значно розширює можливості автоматизованого аналізу даних з камер. Журналісти видання отримали доступ до коду системи та з'ясували, що вона може працювати не лише з номерами автомобілів.

Система отримує інформацію з мережі камер, яка охоплює понад 6000 громад, і може поєднувати її з поліцейськими справами, записами викликів 911 та комерційними базами даних. У результаті номер автомобіля можна пов'язати з конкретною людиною, її адресою, родичами або іншими контактами.

Причому поліцейському не обов'язково знати ім'я підозрюваного або номер його автомобіля.

За даними WIRED, система дозволяє задавати пошукові запити звичайною мовою. Наприклад, можна шукати людей, чиї автомобілі найчастіше з'являлися у певному районі протягом певного часу. Серед заготовлених запитів є й такі, що дозволяють шукати потенційних свідків за автомобілями, які найчастіше перебували в конкретному місці.

Один із експертів, з яким поговорив WIRED, описав цю зміну так: раніше камера фактично відповідала на питання "чи розшукується цей автомобіль?", а тепер алгоритм може отримувати завдання на кшталт "знайди людей, які відповідають певній моделі поведінки".

Це вже дуже близько до того, що традиційно називали predictive policing – прогнозуванням злочинності. І тут виникає головна проблема.

Чи може ШІ передбачити злочин, як у фантастичних фільмах?

Ні – принаймні поки що не в тому сенсі, який часто показують у кіно. Сучасний ШІ не може достовірно сказати, що конкретна людина завтра о 19:00 здійснить пограбування. Натомість він може визначити статистичні закономірності: у якому районі, у який час або за яких обставин ризик певного правопорушення може бути вищим.

У лютому 2026 року дослідники Університету Південної Флориди запустили разом із поліцією Сарасоти пілотний проєкт AI-системи прогнозування злочинності. Алгоритм має прогнозувати можливі моделі злочинності та допомагати планувати розміщення патрулів у реальному часі. Важливо, що це саме пілотний проєкт – його мета також полягає у перевірці того, наскільки така система взагалі придатна для практичного використання.

Але проблема прогнозування злочинів полягає в самих даних. Якщо алгоритм навчається на історичній статистиці поліції, він може вивчити не лише реальні закономірності злочинності, а й особливості роботи самої поліції.

Наприклад, якщо певний район протягом десяти років патрулювали значно частіше, там могли виявляти більше правопорушень. Алгоритм побачить: "у цьому районі багато злочинів". Але він може не врахувати, що значна частина цієї статистики виникла саме через підвищену увагу правоохоронців.

Це створює замкнене коло: поліція направляє більше патрулів у район, де алгоритм прогнозує злочинність, патрулі виявляють більше правопорушень, нові дані знову потрапляють у систему – і алгоритм отримує підтвердження власного прогнозу. Саме через це попередні системи predictive policing уже зазнавали серйозної критики.

Старі помилки можуть повернутися у новій формі

Як пише The Verge, сучасна індустрія поліцейських технологій активно продає алгоритми, здатні об'єднувати дані з камер, викликів 911, автомобільних номерів та інших джерел.

Водночас видання нагадує про досвід систем CompStat і PredPol, які свого часу також обіцяли зробити поліцейську роботу більш об'єктивною завдяки даним. На практиці алгоритми могли відтворювати упередження, які вже були присутні в історичній статистиці.

"Використання систем прогнозування злочинності може зробити майбутнє дуже схожим на минуле", – пояснює Анджел Діас, доцент юридичної школи Лойоли, якого цитує The Verge. Тому проблема не обов'язково полягає в тому, що ШІ "погано рахує". Навпаки, він може дуже добре знаходити закономірності – просто закономірність у даних не завжди означає причинно-наслідковий зв'язок.

А якщо ШІ просто шукає вже відомого злочинця? Це набагато реалістичніший і вже практично застосовуваний сценарій.

Наприклад, британська поліція активно розширює використання систем розпізнавання облич. Під час пілотного проєкту лондонської поліції у Кройдоні системи live facial recognition допомогли заарештувати понад 170 розшукуваних людей. Серед них були особи, яких розшукували у справах про викрадення, зґвалтування та тяжкі сексуальні злочини.

У серпні 2026 року аналогічну технологію почала використовувати поліція Західного Йоркширу в Гаддерсфілді. Камери порівнювали обличчя людей у натовпі зі списком розшукуваних. За даними поліції, технологія вже допомогла затримати людей, яких розшукували за переслідування, крадіжки та іншими правопорушеннями. Важливо, що спрацювання системи перед подальшими діями перевіряють підготовлені поліцейські.

Тут ШІ не "вгадує майбутнього злочинця". Він виконує набагато конкретніше завдання – порівнює побачене камерою з уже наявною інформацією.

Саме такий підхід сьогодні виглядає значно надійнішим.

Але навіть знайти злочинця ШІ може неправильно. Показовий випадок стався зовсім недавно у Великій Британії.

Як пише The Guardian, мережа Sainsbury's тимчасово призупинила використання системи розпізнавання облич Facewatch в одному з лондонських магазинів після того, як технологія призвела до помилкового звинувачення покупця у крадіжці.

46-річний Метт Арнольд прийшов до магазину купити товари для комедійного заходу. Після сканування покупок та картки лояльності до нього підійшли менеджери й повідомили, що він не може обслуговуватися через нібито попередній інцидент. На екрані камери він побачив червоне коло навколо свого обличчя.

Sainsbury's заявила, що причиною стала людська помилка, а не сама технологія. Компанія також стверджує, що Facewatch має точність 99,98%, а кожне спрацювання перевіряє навчений менеджер. Facewatch також заявила, що система надіслала коректне попередження, але його неправильно обробили співробітники магазину.

І це важливий момент: навіть дуже точна система не є безпомилковою. Якщо вона аналізує мільйони облич, навіть частка помилкових спрацювань може означати велику кількість невинних людей, яких доведеться додатково перевіряти.

Найбільша проблема – не сам ШІ, а рішення людей

Парадоксально, але найнебезпечнішим може бути не алгоритм, який помилився, а людина, яка без перевірки повірила алгоритму. У випадку з Sainsbury's саме це і сталося: система подала сигнал, а працівники сприйняли його як достатню підставу для дій.

The Guardian цитує самого Арнольда, який попереджає про небезпеку ситуації, коли люди просто виконують рішення машини без критичної оцінки.

Схожі питання виникають і в поліції. Якщо алгоритм повідомляє, що автомобіль пов'язаний з іншими машинами, які часто з'являються поруч, це ще не означає, що водії є спільниками. Якщо система визначає район як потенційно небезпечний, це не означає, що кожна людина в ньому становить загрозу.

Саме тому сучасний підхід поступово зміщується від ідеї "ШІ вирішує" до моделі "ШІ знаходить інформацію, а людина ухвалює рішення".

То що ШІ реально вміє у боротьбі зі злочинністю?

Станом на 2026 рік можна виділити кілька завдань, де технологія вже виглядає практично корисною.

По-перше, це пошук людей і автомобілів у величезних масивах відео та даних. Алгоритм може зробити за хвилини те, на що людині знадобилися б години або дні. По-друге, розпізнавання облич. Воно вже використовується поліцією для пошуку людей, які перебувають у розшуку. По-третє, аналіз доказів. Британська PoliceAI планує використовувати ШІ для сортування, аналізу та узагальнення цифрових матеріалів, які можуть містити сотні тисяч документів. По-четверте, пошук зв'язків між різними подіями. Саме тут потенціал сучасних моделей особливо великий. Людина може не помітити, що один автомобіль регулярно з'являвся біля кількох місць злочинів, тоді як алгоритм може виявити цю закономірність автоматично.

І, нарешті, прогнозування місць і часу підвищеного ризику. Такі системи вже тестуються, але саме тут залишається найбільше питань щодо точності та справедливості.

Чи стане ШІ "поліцейським майбутнього"?

Схоже, що так – але не в тому вигляді, як це показує фантастика. ШІ навряд чи найближчим часом зможе достовірно визначати, хто саме стане злочинцем. Натомість він дедалі краще працює як величезний аналітичний шар над поліцейськими даними.

Проблема в тому, що чим більше даних отримує система, тим ширшими стають її можливості – і тим серйознішими можуть бути наслідки помилки. WIRED звертає увагу саме на цей переломний момент: сучасні системи вже можуть починати пошук не з конкретного підозрюваного, а з місця, часу або певної моделі поведінки. The Verge, своєю чергою, наголошує, що індустрія AI-рішень для поліції стрімко зростає, а разом із нею виникають питання щодо прозорості алгоритмів, контролю за приватними компаніями та відповідальності за помилки.

Тому найбільш реалістичне майбутнє виглядає не як "робокоп", який самостійно ловить злочинців. Швидше це буде поліціянт, який отримує від ШІ підказку, де шукати, які дані пов'язати між собою та які докази варто перевірити першими.

І саме від людини залежатиме, чи залишиться ця підказка корисним інструментом – чи перетвориться на автоматизоване звинувачення.