Статья доктора юридических наук, доктора филологических наук, профессора, почетного работника сферы образования Российской Федерации, заведующего кафедрой криминалистики Московского государственного юридического университета имени О.Е. Кутафина (МГЮА), члена Президиума Международного союза криминалистов, Советника по молодежной политике при Председателе Международного союза криминалистов, члена Российского профессорского собрания, члена Международной общественной организации «Союз криминалистов и криминологов» Елены Игоревны Галяшиной «Криминалистическое речеведение как отрасль криминалистической техники», опубликованная во втором номере журнала Следственного комитета Республики Беларусь «Предварительное расследование» за 2024 год

Аннотация: В статье рассматривается криминалистическое речеведение как отрасль криминалистической техники, изучающая закономерности механизма образования речевых следов преступной деятельности, на основании которых разрабатываются методы их поиска, обнаружения, фиксации и исследования. Криминалистическое речеведение включает в себя систему знаний о продуктах речи в условиях естественного и искусственного речепорождения, а также об особенностях поиска, обнаружения и исследования естественных и генерированных искусственным интеллектом речевых следов. В структуру криминалистического речеведения как отрасли криминалистической техники предложено включить в качестве основных разделы: общие положения криминалистического речеведения, криминалистическое исследование речевого следа как продукта речевой деятельности человека, криминалистическое исследование речевого следа, генерированного с помощью технологий искусственного интеллекта, особенности собирания ориентирующей и доказательственной информации о преступлениях, совершаемых с помощью речевых действий.

Ключевые слова: криминалистика, криминалистическая техника, речевые следы, криминалистическое речеведение, генеративный искусственный интеллект.

ВВЕДЕНИЕ

Робототехническая революция, экспоненциально развивающиеся информационно-телекоммуникационные технологии, в том числе искусственного интеллекта (далее – ИИ), создают предпосылки для использования достижений научно-технического прогресса не только в благих, но и в криминальных целях, в том числе для фальсификации текстовых сообщений в мессенджерах, искусственного создания вербальных доказательств в интернет-переписке, голосового подлога в аудио- и видеозаписях и других злоупотреблений речевыми технологиями с использованием современных программных продуктов. Наблюдается активное внедрение в преступную деятельность технологий машинной обработки текста, глубокого обучения, с помощью которого генерируются сообщения, тексты, изображения, аудиои аудиовизуальный контент в ответ на запрос пользователя. Технически опосредованная коммуникация позволяет преступнику скрывать свою личность, фальсифицировать доказательства. Компьютерные программы и специализированные устройства могут до неузнаваемости менять голос, стиль и манеру речи, подражать голосу и речи конкретного человека, синтезировать речь, клонировать голос, производить компьютерный монтаж с использованием средств анимации и технологий глубокого обучения и производить иные манипуляции с вербальными доказательствами.

С помощью генеративных технологий ИИ сегодня в мире совершается множество так называемых речевых преступлений (преступлений, совершаемых посредством речевых действий, криминализированных в национальном законодательстве), которые до недавнего времени не предполагали возможности подмены вербального продукта в рамках естественного человеческого общения ложным контентом, созданным ИИ, чат-ботами и прочими роботизированными устройствами. К числу таковых можно отнести большинство преступлений, совершаемых посредством речевых действий (вымогательство, шантаж, клевета, оскорбление, призывы к противоправным действиям, словесный экстремизм, призывы и подстрекательство к насилию, угрозы, оправдание и обоснование терроризма и т. п.).

Так, например, в Уголовном Кодексе Республики Беларусь (далее – УК) насчитывается множество составов, связанных с речевыми преступлениями. К ним относятся: пропаганда войны (ст. 123 УК), разжигание расовой, национальной, религиозной либо иной социальной вражды или розни (ст. 130 УК), клевета в отношении Президента Республики Беларусь (ст. 367 УК), оскорбление Президента Республики Беларусь (ст. 368 УК), оскорбление представителя власти (ст. 369 УК), дискредитация Республики Беларусь (ст. 369.1 УК) и др.

Следы речевой деятельности, запечатленные на материальном носителе, выступают в качестве объектов разнообразных экспертиз (лингвистической, автороведческой, фоноскопической, психологической и др.). Поэтому сегодня приоритетными становятся криминалистические речеведческие знания, позволяющие не только выявлять в интернет-среде следы речевых преступлений, но и осуществлять их исследование в целях установления обстоятельств, подлежащих доказыванию по уголовному делу.

Следует признать, что закономерности возникновения и распространения искусственно генерированных с помощью компьютерных технологий речевых сообщений в сравнении с естественными продуктами речевой деятельности человека в криминалистике изучены слабо. Научные публикации по данному вопросу носят либо сугубо технический, либо гуманитарный (в основном филологический) характер.

В то же время разработка новых криминалистических технологий, унификация и стандартизация научно-методических подходов криминалистического исследования речевых следов в условиях угрозы бесконтрольного распространения технологий ИИ жизненно необходимы для обеспечения безопасности любого национального государства и в целом мирового сообщества. Вопросы о сущности и значении речевого следа как материального носителя криминалистически значимой информации, специфики объектов речеведения, соотношения фоноскопической, автороведческой и лингвистической экспертиз, а также многие другие заслуживают самостоятельного глубокого изучения.

ОСНОВНАЯ ЧАСТЬ

Развитие криминалистической техники и появление в ней новых отраслей (разделов) тесно связаны с разработкой и внедрением новых криминалистических технологий, формированием частных криминалистических теорий за счет творческого использования достижений фундаментальных и прикладных наук.

Как раздел науки криминалистическая техника едина, представляя собой систему теоретических положений и практических рекомендаций по разработке и применению технических средств для обнаружения, фиксации, изъятия и использования криминалистически значимой информации в борьбе с преступностью. В ее основу положен предметный принцип – изучение механизма образования следов преступления, который путем отраслевого деления криминалистической техники позволяет целенаправленно разрабатывать инструментарий для работы с определенными группами следов на основе изучения механизма их образования.

Информация о преступлении как мера связи события и вызванных этим событием изменений в окружающей среде не может существовать без материальной основы, вне информационного сигнала. Реализуя преступный замысел, злоумышленник действует в конкретной обстановке, оставляя определенные следы. Следы преступления – любые изменения среды, возникшие в результате совершения в этой среде преступления, т. е. все следы преступления являются материальными. Криминалисты выделяют три группы следов преступления.

Для рассматриваемой нами проблематики особый интерес представляют так называемые знаковые следы, составляющие вторую группу в классификации. Знаковые следы (вторая группа) для непосредственного восприятия недоступны, так как требуют раскодирования в силу того, что знак для получателя информации является условным обозначением какого-либо предмета, объекта или явления. Знаковые системы состоят из однообразно интерпретируемых сигналов, которыми можно обмениваться как по естественным, так и по техническим каналам связи. К знаковым следам относятся и сведения, передаваемые с помощью машинного кода (языка программирования), с использованием информационно-телекоммуникационных систем, в том числе интернета.

Сложность понимания сути знака состоит в том, что в его определение должны входить предмет обозначения, адресат, отношение знака к ним. Знак – это материальный, чувственно воспринимаемый предмет, явление, действие, которые замещают другой предмет, явление или действие. Знаки выступают как средство абстрагирования и средство мышления, а значения знаков обусловлены общественной практикой и развиваются исторически.

Как отметила Я.В. Комиссарова, если значимая для дела информация изначально представлена в кодированном виде, то следы, посредством которых она фиксируется, относятся к числу знаковых. Очевидно, что форма фиксации криминалистически значимой информации, учитывая скорость научнотехнического прогресса (сегодня при передаче информации по оптическим каналам связи используются не только электронные, но и квантовые технологии), в данном случае не имеет значения.

Можно согласиться с мнением профессора В.А. Мещерякова: «В искусственной специально созданной для решения конкретных задач электронно-цифровой среде процесс отражения происходит не напрямую, … а опосредованно, через целую иерархию формализованных (математических) моделей, используемых для описания реальных физических явлений. В результате записанная на соответствующем материальном (магнитном, оптическом, электронном, а также каком-либо ином) носителе совокупность цифровых значений представляет собой лишь параметры формализованной модели, используемой в конструкции и соответствующих режимах работы регистрирующего устройства».

Таким образом, в криминалистике на первый план выходит изучение закономерностей порождения криминалистически значимой информации в кодированном виде и следов, посредством которых она фиксируется, относящихся к числу знаковых.

Среди знаковых следов особую группу составляют речевые следы, выраженные в форме устного высказывания, письменного или поликодового сообщения (включающего в себя как вербальный, так и невербальный компоненты), связанные с событием преступления, служащие источником криминалистически значимой информации при раскрытии, расследовании и предупреждении.

Речевые следы фиксируются на материальном носителе, в качестве которого может выступать любой материальный объект (аналоговый, электронно-цифровой), пригодный для запечатления речевых следов в буквенной или звуковой форме. Для криминалистики интерес представляет не только содержательная сторона (содержащаяся в речевом следе информация), но и формальная, отражающая языковую, функционально-стилистическую характеристику сообщения. Для криминалистического исследования речевых следов (в фоноскопической, автороведческой, лингвистической экспертизах) необходимы специальные речеведческие знания. Они также востребованы для поиска, обнаружения, фиксации и анализа криминалистически значимой информации о расследуемых речевых преступлениях в информационно-телекоммуникационной среде.

Криминалистическое исследование речевых следов опирается на положение о том, что письменная и устная речь человека представляет собой значимый источник информации о разнообразных признаках, характеризующих говорящего или пишущего, об условиях и обстоятельствах речепорождения, необходимых для раскрытия, расследования и предупреждения преступлений.

Приоритетная потребность криминалистики в речеведческих знаниях, позволяющих устанавливать факты и логические взаимосвязи расследуемого коммуникативного события, объясняется развитием информационных технологий, применение которых трансформирует продукты речевой деятельности человека в знаковые следы сложной человеко-машинной природы, изучение которых возможно только на основе синтеза естественно-научных знаний о речемыслительной деятельности человека, об алгоритмах машинного обучения, о закономерностях отражения в речевых следах свойств личности, динамической устойчивости, вариативной изменчивости признаков речевой индивидуализации человека. Знания в области криминалистического речеведения позволяют оптимизировать экспертные методики фоноскопической, автороведческой, лингвистической экспертиз, входящих в класс речеведческих экспертиз, особенно при изучении машинно-генерируемых речевых объектов, имитирующих естественную речь человека, для их диагностики.

Появление в последние годы новых речевых объектов, генерируемых ИИ, фигурирующих в судопроизводстве под видом продуктов естественной речевой деятельности человека, обусловило, по нашему мнению, необходимость введения в учебники по криминалистике нового раздела «Криминалистическое речеведение». ИИ – свойство технических или программных систем выполнять творческие функции, которые присущи человеку. Одна из основных задач ИИ – понимание человеческого интеллекта.

Речевые следы могут быть запечатлены на любом материальном носителе в виде письменного (печатного, электронного, рукописного) текста, звучащей речи на аудио-, видеофонограмме, приобщаемым к материалам уголовного дела в качестве вещественного доказательства.

Однако не все ученые и практики осознают сложность изучения речевой деятельности человека в аспекте ее криминальной имитации, в том числе с использованием современных компьютерных технологий. Часто криминалисты упоминают только технические аспекты выявления подделок изображения или голосового подлога, не отдавая должного отражению в речевых следах когнитивных навыков речемыслительной деятельности человека, наиболее сложных для подражания как другим человеком, так и с помощью ИИ.

Криминалистическое речеведение как отрасль криминалистической техники изучает закономерности механизма образования речевых следов преступной деятельности, на основании которых разрабатываются методы их исследования в целях раскрытия, расследования и предупреждения преступлений. Криминалистическое речеведение включает в себя систему знаний о продуктах речи в условиях естественного и искусственного (машинного) речепорождения, а также особенностях поиска, обнаружения и исследования генерированных ИИ речевых следов, имитирующих естественную речь человека.

В структуру криминалистического речеведения как отрасли криминалистической техники представляется необходимым включить следующие основные разделы: общие положения криминалистического речеведения; криминалистическое исследование речевого следа как продукта речевой деятельности человека; криминалистическое исследование речевого следа искусственного происхождения (синтезированная речь), в том числе генерированного с помощью технологий ИИ (генеративный ИИ).

Под генеративным ИИ понимается тип технологии ИИ, с помощью которой можно создавать различные типы контента, включая текст, изображения, аудио-, видеозапись и т. д. При помощи генеративных технологий можно изготовить подложный документ, возможна фальсификация вещественного доказательства с целью создания ложного представления о зафиксированном в устной или письменной форме коммуникативном (речевом) событии. В данном случае принято говорить об имитации речевого события при помощи компьютерного моделирования (синтеза голоса и (или) речи), поведенческих характеристик реального или вымышленного участника коммуникативного события. Частным случаем такой имитации с использованием технологий ИИ выступает так называемый голосовой или видеодипфейк, т. е. имитация изображения и (или) голоса человека (человек, изображенный на видеоряде, слов с таким содержанием, как на звуковой дорожке, не произносил). Такую имитацию с целью выдать себя за другого человека путем подмены его голоса техническими средствами называют также спуфингом.

С появлением генеративно-состязательных сетей (GAN – Generative Adversarial Network) – типа алгоритма машинного обучения – генеративный ИИ смог создавать убедительно похожие изображения, видео и аудио реальных людей. Поскольку дипфейки становятся не только проще и дешевле в производстве, но и более реалистичными, то все труднее определить, являются ли они поддельными, а вероятность их использования в злонамеренных целях быстро растет.

Фейковые новости в интернете уже стали огромной проблемой, которая привела к серьезным опасениям по поводу подлинности цифровых медиа и их влияния на общественный дискурс. В случае с генеративным ИИ эта тенденция будет только ухудшаться, поскольку новые инструменты продолжают развиваться и становятся доступными для всех. Многие системы генерации контента сегодня осуществляют полный цикл создания текста, изображения или видео без вмешательства в процесс человека. С развитием технологий и повышением их доступности растет и качество контента, создаваемого генеративными нейронными сетями. Системы ИИ, использующие технологии нейронных сетей глубинного обучения, вывели синтез речи на более высокий уровень, имитируя не только стиль и манеру речи человека, но и его когнитивные способности. Это улучшило качество перцептивной узнаваемости говорящего, естественность и разборчивость речи, ее интонационную выразительность, эмоциональность. При этом традиционными методами экспертных исследований (технического исследования) выявить признаки синтезированного голоса не представляется возможным.

Более того, существующие экспертные методики не позволяют с достаточной степенью надежности отличить искусственно генерированную устную речь от естественной, особенно это касается монологических голосовых сообщений, пересылаемых в мессенджерах.

Признаки синтезированной речи тем не менее вполне возможно обнаружить при помощи речеведческого исследования (комбинацией лингвистических и инструментальных методов визуализации и исследования звучащей речи).

Изображения и видео на данный момент также еще содержат часть артефактов, выявляемых визуально, но количество таких признаков стремительно падает. Существующие исследования по обнаружению дипфейков предполагают, что в ближайшем будущем будет найдено решение для идентификации подделок с помощью машинного обучения.

Тем не менее компьютерные технологии обнаружения дипфейков нуждаются в постоянном совершенствовании с учетом разработок новых приложений и обученных моделей.

Наибольшую сложность для криминалистического исследования составляют письменные тексты, написанные при помощи ИИ. В ноябре 2022 г. компания OpenAI презентовала бесплатный чат-бот ChatGPT на базе более совершенной версии алгоритма (GPT-3.5), который представляет собой третье поколение алгоритмов обработки текстов на естественном языке (NLP – Natural Language Processing).

Нейросеть ChatGPT является примером функционирования GAN, которая использует набор готовых текстов, а также может создавать абсолютно новые, которые схожи с реальными. В результате этого формируются такие тексты, которые максимально подходят под пользовательские запросы. Помимо имитации разговора ChatGPT выполняет различные задачи, такие как сочинение стихов, музыки, эссе и многое другое.

Однако обученная языковая модель не опирается на те аналитические подходы, которые были разработаны в лингвистике для изучения естественного языка. Это позволяет выявлять ошибки, допускаемые ИИ при генерации письменного текста, так как ИИ не способен с точностью передать смысл высказывания с учетом культурно-региональных, национально-специфических нюансов. Модели ИИ, работающие с языками, должны понимать и интерпретировать смыслы и контекст, а такой подход означает переход к мультимодальности и, следовательно, увеличение самой модели. Семантический анализ применяется, например, для создания чат-ботов, поисковых систем и в задачах анализа тональности текста. В ходе семантического анализа с помощью векторного представления слов также может осуществляться поиск смысловых копий как между отдельными предложениями, так и между текстами. В частности, большие языковые модели (LLM – Large Language Models) открывают новые возможности для изучения человеческого языка и когнитивистики. Это предполагает понимание разницы между формой, коммуникативным намерением, значением и пониманием; использование языка в реальной жизни требует его интеграции в более широкую когнитивную структуру. Когнитивные функции, необходимые для понимания и воспроизведения языка, не являются специфическими для языка и поддерживаются другими нейронными связями, отличающимися в свою очередь от тех, которые необходимы для прослушивания, чтения и создания предположений. Это означает, что модели, которые обладают значительным словарным запасом и знанием грамматических правил, тем не менее не смогут использовать язык по-человечески. То есть они не способны приобрести всестороннее и последовательное знание мира, отслеживать отношения и события в наборах входных данных, делать выводы о коммуникативных намерениях на основе языкового ввода. Криминалистическая техника как часть науки криминалистики – это не застывшая, а динамически развивающаяся на основе процессов интеграции и дифференциации область научных знаний, нацеленная прежде всего на разработку приемов, методов, средств обнаружения, фиксации, изъятия и исследования следов преступления. Поэтому появление речевых следов, создаваемых с использованием ИИ, обусловило необходимость изучения криминалистикой тех закономерностей, которые объективно и закономерно связаны с речевыми, языковыми и информационными технологиями, используемыми в преступных целях. В качестве оснований для признания нового направления криминалистической техники сформировавшимся общепризнанными считаются следующие критерии: решение специфических криминалистических задач, которые не ставятся при исследовании подобных объектов в других сферах человеческой деятельности; специфика объектов исследования и в то же время их распространенность применительно к сфере раскрытия, расследования и профилактики преступлений; методологическая и методическая разработанность нового направления. Представляется, что в эпоху мегавызовов и трансформационных процессов, затрагивающих все сферы общественной жизни, криминалистическое речеведение как отрасль криминалистической техники в полной мере отвечает данным критериям, так как основано на специальных речеведческих знаниях; речевые следы преступлений, совершаемых с помощью речевых действий, широко распространены, а методы и методики их криминалистического исследования в достаточной мере разработаны.

ЗАКЛЮЧЕНИЕ

В заключение хочется отметить, что хотя формат данной статьи не позволяет подробно описать криминалистические технологии поиска, обнаружения, фиксации и изъятия криминалистически значимой речевой информации в интернете, тем не менее описание этих технологий также должно быть отражено в одном из разделов «Криминалистического речеведения» как отрасли криминалистической техники. Важно подчеркнуть, что при изъятии речевых следов принципиально значимым является корректное определение границ исследуемого объекта, так как коммуникация может носить длящийся характер и содержать интертекстуальные включения и гиперссылки. В то же время фрагментарность информации, обусловленная вырезанием части контента из общего контекста коммуникативной ситуации, чревата ошибками смыслового понимания и неверной интерпретацией при производстве фоноскопических, автороведческих и лингвистических экспертиз.

Исследование выполнено в рамках программы стратегического академического лидерства «Приоритет-2030». Центр компетенций «Киберправо».

Список использованных источников

1. Асадуллина, А. В. Глобальные тренды в развитии и регулировании технологий искусственного интеллекта / А. В. Асадуллина, В. С. Белоусов // Вопросы инновационной экономики. – 2023. – Т. 13, № 2. – С. 727–748.
2. 2023 Инструменты ИИ в руках злоумышленников – классификация угроз и способы противодействия // Искусственный интеллект Российской Федерации. – URL: https://ai.gov. ru/knowledgebase/etika-i-bezopasnost-ii/2023_ instrumenty_ii_v_rukah_zloumyshlennikov_ klassifikaciya_ugroz_i_sposoby_protivodeystviya_ roskomnadzor_glavnyy_radiochastotnyy_centr/ (дата обращения: 01.09.2024).
3. Галяшина, Е. И. Судебное речеведение : учебник / Е. И. Галяшина. – М. : Норма; ИНФРА-М, 2020. – 320 с.
4. Галяшина, Е. И. Речеведческие экспертизы: от теории к практике / Е. И. Галяшина // Эксперт-криминалист. – 2015. – № 2. – С. 28–31.
5. Криминалистика : учеб. пособие / О. Ю. Антонов, А. И. Бастрыкин, А. А. Бессонов [и др.] ; под ред. А. И. Бастрыкина, Е. П. Ищенко, Я. В. Комиссаровой. – 2-е изд., перераб. и доп. – М. : Проспект, 2024. – 544 с.
6. Белкин, Р. С. Криминалистическая энциклопедия / Р. С. Белкин. – М. : БЕК, 1997. – 342 с.
7. Комиссарова, Я. В. Понятие и классификация следов в криминалистике / Я. В. Комиссарова // Вестник Ун-та им. О. Е. Кутафина (МГЮА). – 2019. – № 3 (55). – С. 131–141.
8. Соломоник, А. Философия знаковых систем и язык / А. Соломник. – Минск : МЕТ, 2002. – 402 с.
9. Комиссарова, Я. В. Современные подходы к подготовке учебников по криминалистике / Я. В. Комиссарова // Криминалистическая тактика: история, современное состояние и перспективы развития (к 85-летию со дня рождения профессора В. И. Комиссарова) : материалы Междунар. науч.-практ. конф., г. Москва, 14 марта 2024 г. / Москов. гос. юрид. ун-т им. О. Е. Кутафина ; редкол.: Я. В. Комиссарова (отв. ред.) [и др.]. – М. : РГ-Пресс, 2024. – С. 90–96.
10. Мещеряков, В. А. Теоретические основы механизма следообразования в цифровой криминалистике : монография / В. А. Мещеряков. – М. : Проспект, 2022. – 176 с.
11. Барщевский, Е. Г. Использование искусственного интеллекта / Е. Г. Барщевский // Восточно-Европейский научный журнал. – 2023. – № 3-2 (88). – С. 56–58.
12. Зубов, Г. Н. Фальсификация звуковой информации с использованием технологий искусственного интеллекта. Особенности технического исследования / Г. Н. Зубов, П. И. Зубова // Вестник криминалистики. – 2023. – № 3 (87). – С. 5–26.
13. Бастрыкин, А. И. Криминалистика : учебник : в 2 т. / А. И. Бастрыкин. – 3-е изд., испр. и доп. – М. : Юрид. центр, 2023. – Т. 1. – 2023. – 528 с.
14. Криминалистика : учебник / Т. В. Аверьянова, Р. С. Белкин, Ю. Г. Корухов [и др.] ; под ред. Р. С. Белкина. – 3-е изд., перераб. и доп. – М. : Норма, 2008. – 990 с.