uk

Юридичний часопис Національної академії внутрішніх справ

  • Головна
  • Том 15, № 2, 2025

  • Напрями застосування штучного інтелекту в правоохоронній діяльності: тенденції, виклики та перспективи

  • Отримано 11.02.2025,
  • Доопрацьовано 01.05.2025,
  • Прийнято 27.05.2025
Завантажити статтю Завантажити статтю
Том 15, № 2, 2025
  • інформація; цифрова криміналістика; протидія кримінальним правопорушенням; кіберзлочини; цифровізація
  • https://doi.org/10.63341/naia-chasopis/2.2025.09
  • Сторінки 9-21

Загострення безпекових викликів в умовах цифрової трансформації актуалізує необхідність систематизованого огляду сучасних практик, ризиків і потенціалу впровадження штучного інтелекту в діяльність правоохоронних органів. Метою роботи було узагальнення наукових підходів щодо застосування штучного інтелекту в правоохоронній сфері з фокусом на етапи його розвитку, ключові напрями досліджень і недостатньо вивчені аспекти. Використання методів аналізу й синтезу наукових джерел, контент-аналізу, порівняльного аналізу, класифікації наявних підходів надало можливість оцінити поточний стан наукових досліджень щодо тенденцій, викликів і перспектив залучення штучного інтелекту. Встановлено, що науковий інтерес до застосування штучного інтелекту в правоохоронній сфері суттєво посилився впродовж останнього десятиліття. Стрімкий розвиток технологій штучного інтелекту відкрив нові можливості для автоматизації аналітичних і оперативних функцій, що спонукало науковців до вивчення можливостей та загроз штучного інтелекту. Основну увагу дослідники зосереджують на таких напрямах, як відеоаналітика, прогнозування злочинності, розпізнавання образів й обробка великих даних. Водночас спостерігається брак ґрунтовних міждисциплінарних досліджень, що враховували б етичні, правові та соціальні наслідки використання таких технологій. Констатовано розрізненість у підходах до класифікації ризиків і стандартизації практик упровадження. Засвідчено потребу у формалізації досліджень, що сприятиме збалансованому розвитку штучного інтелекту в правоохоронній діяльності з огляду на безпекові, правові й гуманітарні чинники. Отримані результати можуть бути використані керівниками правоохоронних органів, аналітичними підрозділами та фахівцями із цифрової трансформації для визначення пріоритетних напрямів розвитку й урахування можливих ризиків

Використані джерела

[1] Arrieta, A.B., et al. (2020). Explainable artificial intelligence (XAI): Concepts, taxonomies, opportunities, and challenges toward responsible AI. Information Fusion, 58, 82-115. doi: 10.1016/j.inffus.2019.12.012.

[2] Ben-Israel, I., Matania, E., & Friedman, L. (Eds.). (2020). The national initiative for secured intelligent systems to empower the national security and techno-scientific resilience: A National strategy for Israel. Special report to the Prime Minister. Retrieved from https://www.researchgate.net/publication/361844383.

[3] Berk, R.A. (2021). Predictive policing: Artificial intelligence, predictive policing, and risk assessment for law enforcement. Annual Review of Criminology, 4, 209-237. doi: 10.1146/annurev-criminol-051520-012342.

[4] Bohdanova, T. (2023). How Ukrainians use crowdsourcing to document the war. Exposing the Invisible. Retrieved from https://exposingtheinvisible.org/en/articles/crowdsourcing-evidence-ukraine-war/.

[5] Center for War Crimes Documentation. (2025). Submit evidence on war crimes in Ukraine. Retrieved from https://warcrimescenter.org/en/.

[6] Dang, N.C., Moreno-García, M.N., & De la Prieta, F. (2020). Sentiment analysis based on deep learning: A comparative study. Electronics, 9(3), article number 483. doi: 10.3390/electronics9030483.

[7] Daniel, L. (2024). The alarming “Pig Butchering” cyber scam costing victims billions – are you at risk? Retrieved from https://www.forbes.com/sites/larsdaniel/2024/10/30/this-halloween-beware-the-pig-butcher/.

[8] European Research Council. (2023). Towards an evidence-based model for big data policing: Evaluating the statistical-methodological, criminological and legal and ethical conditions. doi: 10.3030/101088156.

[9] Europol. (2024). AI and policing: The benefits and challenges of artificial intelligence for law enforcement. doi: 10.2813/0321023.

[10] Farooq, U. (2024). Police departments are turning to AI to sift through millions of hours of unreviewed body-cam footage. Retrieved from https://www.propublica.org/article/police-body-cameras-video-ai-law-enforcement.

[11] Glaser, V.L., Pollock, N., & DʼAdderio, L. (2021). The biography of an algorithm: Performing algorithmic technologies in organizations. Organization Theory, 2(2). doi: 10.1177/26317877211004609.

[12] Hacker, P. (2023). The European AI liability directives – critique of a half-hearted approach and lessons for

the future. Computer Law & Security Review, 51, 105871. doi: 10.1016/j.clsr.2023.105871.

[13] Hardyns, W. (2024). Big data policing in Europa. Retrieved from http://hdl.handle.net/1854/LU-01JCZD1HKATKKX7R10QFEN7HXS.

[14] Hattenstone, S. (2025). Deletion of “gang matrix” database will destroy evidence against police, say campaigners. Retrieved from https://www.theguardian.com/uk-news/2025/feb/02/deletion-of-gang-matrix-database- will-destroy-evidence-against-police-say-campaigners.

[15] Hickey, S. (2025). “Dear, did you say pastry?”: Meet the “AI granny” driving scammers up the wall. Retrieved from https://www.theguardian.com/money/2025/feb/04/ai-granny-scammers-phone-fraud.

[16] Huang, K., Hu, Z., & Ma, H. (2021). Big data and predictive policing: A review and research agenda. IEEE Access, 9, 131536-131548. doi: 10.1109/ACCESS.2021.3114481.

[17] Javaid, M., Haleem, A., Singh, R.P., & Suman, R. (2022). Artificial intelligence applications for Industry 4.0: A literature-based study. Journal of Industrial Integration and Management, 7(1), 83-111. doi: 10.1142/ S2424862221300040.

[18] Klosterkamp, S., & Jeffrey, A. (2024). The intimate geopolitics of evidence gathering in war crime investigation in Ukraine. Political Geography Open Research, 3, article number 100008. doi: 10.1016/j.jpgor.2024.100008.

[19] Lee, Y., Bradford, B., & Posch, K. (2024). The effectiveness of big data-driven predictive policing: Systematic review. Justice Evaluation Journal, 7(2), 127-160. doi: 10.1080/24751979.2024.2371781.

[20] Liberty. (2022). Met to overhaul “racist” Gangs Matrix after landmark legal challenge. Retrieved from https://surli.cc/whsazj.

[21] Ludwig, J., & Mullainathan, S. (2021). Fragile algorithms and fallible decision-makers: Lessons from the justice system. NBER Working Paper No. w29267. doi: 10.2139/ssrn.3926948.

[22] Matulienė, S., Shevchuk, V., & Baltrūnienė, Yu. (2022). Artificial intelligence in law enforcement and justice bodies: Domestic and European experience. Theory and Practice of Forensic Science and Criminalistics, 4(29), 12-46. doi: 10.32353/khrife.4.2022.02.

[23] Mayorʼs Office for Policing and Crime. (2021). Review of the metropolitan police service gangs violence matrix – update. London: Greater London Authority.

[24] McDaniel, J., & Pease, K. (Eds.). (2021). Predictive policing and artificial intelligence (1st ed.). London: Routledge. doi: 10.4324/9780429265365.

[25] Mizhvukhamy Cultural Institute. (2023). Wall Evidence: An open archive of the inscriptions of the Russian occupiers in Ukraine. Retrieved from https://wallevidence.mizhvukhamy.com/.

[26] National Center for State Courts. (2023). Use of natural language processing (NLP) in civil case processing: Proof of concept projects. Williamsburg, VA: National Center for State Courts.

[27] OECD.AI. (2021). Database of national AI policies [Data set]. Powered by EC/OECD. National AI Policies & Strategies. Retrieved from https://oecd.ai/en/dashboards/overview.

[28] Office of the Prosecutor General of Ukraine. (n.d.). WarCrimes.gov.ua. Retrieved from https://warcrimes.gov.ua/.

[29] Palantir technologies: A leader in data analytics innovation. (2024). Retrieved from https://jejefinance.com/palantir-technologies/?utm.

[30] Polis Solutions. (n.d.). TrustStat™: The worldʼs first multimodal AI system for the analysis of body-worn camera video. Retrieved from https://www.polis-solutions.ai/services/truststat.

[31] Raja, A. (2023a). Model selection and training: Choosing the right model for your data. Retrieved from https://alizahidraja.medium.com/model-selection-and-training-choosing-the-right-model-for-your-data-b44958d1b4be.

[32] Raja, A. (2023b). The machine learning process: From data collection to model deployment. Retrieved from https://alizahidraja.medium.com/the-machine-learning-process-from-data-collection-to-model-deployment-afbf1bdf8729.

[33] Raji, I., & Sholademi, D.B. (2024). Predictive policing: The role of AI in crime prevention. International Journal of Computer Applications Technology and Research, 13(10), 66-78. doi: 10.7753/IJCATR1310.1006.

[34] Rotaru, V., Huang, Y., Li, T., Evans, J., & Chattopadhyay, I. (2022). Event-level prediction of urban crime reveals a signature of enforcement bias in US cities. Nature Human Behaviour, 6, 1056-1068. doi: 10.1038/s41562- 022-01372-0.

[35] Sangher, K.S., Singh, A., Pandey, H.M., & Kumar, V. (2023). Towards safe cyber practices: Developing a proactive cyber-threat intelligence system for dark web forum content by identifying cybercrimes. Information, 14(6), article number 349. doi: 10.3390/info14060349.

[36] Schuilenburg, M., & Soudijn, M. (2023). Big data policing: The use of big data and algorithms by the Netherlands Police. Policing: A Journal of Policy and Practice, 17(5), article number paad061. doi: 10.1093/police/paad061.

[37] Scott-Davis, S. (2023). The gangs matrix, where are we now? Retrieved from https://www.stop-watch.org/news-opinion/the-gangs-matrix-where-are-we-now/. 

[38] Sholademi, D.B. (2024). Drones and AI in urban security: Monitoring and mitigating threats. International Research Journal of Modernization in Engineering Technology and Science, 6(10), 195-214. doi: 10.56726/IRJMETS61992.

[39] Tarasenko, O. (2020). The application of the science and technology achievements in law enforcement activities. Legal Science, 6(108), 424-432. doi: 10.32844/2222-5374-2020-108-6-1.50.

[40] Tarasenko, O. (2021). Features of conducting a search during the investigation of crimes related to illegal content on the internet, with signs of organized crime. Scientific Bulletin of Public and Private Law, 5(2), 154-157. doi: 10.32844/2618-1258.2021.5.2.26.

[41] Tosi, D., Kokaj, R., & Roccetti, M. (2024). 15 years of big data: A systematic literature review. Journal of Big Data, 11, article number 73. doi: 10.1186/s40537-024-00914-9.

[42] UK Government Office for Science. (2023). Future risks of frontier AI. Retrieved from https://assets.publishing.service.gov.uk/media/653bc393d10f3500139a6ac5/future-risks-of-frontier-ai-annex-a.pdf.

[43] Vincze, E.A. (2016). Challenges in digital forensics. Police Practice and Research, 17(2), 183-194. doi: 10.1080/15614263.2015.1128163.

[44] Vozniuk, A., & Tytko, A. (2019). Cryptocurrency: Present-day challenges and prospects of development. Economic Annals-XXI, 176(3-4), 49-55. doi: 10.21003/ea.V176-05.

[45] Vozniuk, A., Savchenko, A., Tarasevych, T., Dudorov, O., & Klymenko, O. (2020). Electronic money and payments as means of committing crimes. Academic Journal of Interdisciplinary Studies, 9(4), 150-159. doi: 10.36941/ajis-2020-0069.

[46] Wickramasekara, A., Breitinger, F., & Scanlon, M. (2025). Exploring the potential of large language models for improving digital forensic investigation efficiency. Forensic Science International: Digital Investigation, 52, article number 301859. doi: 10.1016/j.fsidi.2024.301859.