ЧАТ GPT ДЛЯ АНАЛІЗУ МЕРЕЖІ СПІВУЧАСНИКІВ ЗЛОЧИНІВ

Анотація

У складній структурі глобального суспільства злочинність залишається стійкою проблемою. Вона суттєво загрожує національній безпеці та перешкоджає соціальному й економічному прогресу. Сьогодні активно розвиваються технології штучного інтелекту (ШІ) для прогнозування можливих правопорушень та дослідження структур кримінальних мереж шляхом аналізу кримінальних даних. У статті представлено новий підхід до вивчення соціальних зв’язків у злочинних мережах за допомогою інструментів GPT-4. Розроблено методологію візуалізації кримінальних даних за допомогою графів для виявлення структур злочинних груп. Створено візуальні моделі мереж співучасників злочинів з використанням даних 2 113 кримінальних проваджень щодо незаконного заволодіння транспортними засобами, грабежів та розбійних нападів, скоєних у Тернопільській області протягом 2013-2024 років. За допомогою мультимодальної моделі GPT-4 було проведено обробку даних та побудовано графи, що відображають структуру соціальних зв’язків між злочинцями. Аналіз виявив суттєві відмінності у структурі кримінальних взаємодій для різних видів злочинів: викрадення транспортних засобів демонструє складні взаємопов’язані мережі з високим ступенем централізації та наявністю ключових фігур-координаторів; у грабежах домінують малі стійкі групи з 2-3 осіб, що пояснюється специфікою виконання цих злочинів; розбійні напади характеризуються формуванням більших (4-6 осіб) та структурованих злочинних груп з визначеним розподілом ролей, що обумовлено необхідністю застосування насильства та забезпечення контролю над жертвами. Запропонована методологія може надати правоохоронним органам інформаційну підтримку для ефективної протидії організованій злочинності у сучасних умовах. Отримані результати мають практичну цінність для прийняття оперативних та стратегічних рішень правоохоронними органами, оскільки дозволяють ідентифікувати ключових учасників злочинних мереж та прогнозувати їхню потенційну злочинну діяльність.