14 февраля 1929 года боевики, работающие в Аль-Капоне, замаскировавшись под полицейских, вошли на склад конкурирующей банды и застрелили семерых своих соперников. Резня в День Святого Валентина известна не только в летописях истории банд, но и в истории криминалистики. Капоне отрицает свою причастность, но ранний судебно-медицинский эксперт по имени Келвин Годдард связал пули с местом преступления с пушками Томми, найденными в доме одного из людей Капоне. Хотя дело так и не дошло до суда, и участие Капоне так и не было доказано в суде, освещение в СМИ познакомило миллионы читателей с Годдардом и его странно выглядящим микроскопом.
Этот микроскоп имел разделенный экран, который позволял Годдарду сравнивать пули или гильзы, металлические гильзы, которые пистолет выбрасывает после выстрела, бок о бок. Если отметки на пулях или гильзах совпадали, это указывало на то, что стреляли из одного и того же пистолета. Эксперты по огнестрельному оружию и сегодня используют тот же метод, но у него есть важное ограничение: После визуального сравнения двух пуль или гильз эксперт может предложить экспертное заключение о том, совпадают ли они. Но они не могут выразить силу доказательств численно, как это может сделать эксперт по ДНК при даче показаний о генетических доказательствах.
В настоящее время группа исследователей Национального института стандартов и технологий (NIST) разработала статистический подход к баллистическим сравнениям, который может позволить давать показания в числовом выражении. В то время как другие исследовательские группы также работают над этой проблемой, преимущества подхода NIST заключаются в низком уровне погрешности при проведении первоначальных тестов и в том, что его относительно легко объяснить присяжным. Исследователи описали свой подход в журнале «Forensic Science International».
При сравнении двух гильз метод NIST дает численную оценку, которая описывает, насколько они похожи. Он также оценивает вероятность того, что случайные эффекты могут привести к ложноположительному совпадению — понятие, аналогичное совпадению вероятностей для ДНК-доказательств.
«Ни один научный метод не имеет нулевого коэффициента ошибок», — сказал Джон Сонг, инженер-механик из NIST и ведущий автор исследования. «Наша цель — дать эксперту возможность оценить вероятность такого рода ошибки, чтобы жюри могло принять это во внимание при решении вопроса о виновности или невиновности».
Новый подход также направлен на преобразование идентификации огнестрельного оружия из субъективного метода, зависящего от опыта и суждений эксперта, в метод, основанный на объективных измерениях. В докладе Национальной академии наук за 2009 год и в докладе Совета советников по науке и технике при президенте за 2016 год содержится призыв к проведению исследований, которые приведут к этой трансформации.
Теория за судебной баллистикой
Когда пистолет выстреливает, и пуля выстреливает вниз по стволу, она наталкивается на гребни и канавки, которые заставляют ее вращаться, повышая точность выстрела. Эти гребни копаются в мягком металле пули, оставляя полоски. В то же время, когда пуля взрывается вперед, гильза патрона взрывается назад с одинаковой силой против механизма, поглощающего отдачу, называемого затыльником. При этом оттиск казенной части патрона попадает в мягкий металл в основании гильзы, который затем выбрасывается из пистолета.
Теория, лежащая в основе идентификации оружия, заключается в том, что микроскопические полоски и оттиски, оставленные на пулях и гильзах патронов, уникальны, воспроизводимы, а значит, подобны «баллистическим отпечаткам пальцев», которые могут быть использованы для идентификации оружия. Если следователи извлекают пули или гильзы с места преступления, судебно-медицинские эксперты могут дать показания по огнестрельному оружию подозреваемого, чтобы выяснить, имеются ли на нем баллистические отпечатки пальцев, совпадающие с уликами.
Однако пули и гильзы, выпущенные из разных пистолетов, могут иметь схожую маркировку, особенно если пистолеты были изготовлены последовательно. Это повышает вероятность ложноположительного совпадения, которое может иметь серьезные последствия для обвиняемого.
Статистический подход
В 2013 году Сонг и его коллеги из НИСТ разработали алгоритм, который сравнивает трехмерные поверхностные снимки отпечатков лица ягодиц на гильзах патронов. Их метод, называемый Congruent Matching Cells, или CMC, делит одну из сканируемых поверхностей на сетку клеток, а затем ищет другую поверхность на предмет совпадения клеток. Чем больше совпадающих ячеек, тем больше похожих поверхностей, и тем больше вероятность, что они произошли от одного и того же пистолета.
В своем недавнем исследовании исследователи отсканировали 135 гильз, которые были выпущены из 21 различного 9-миллиметрового пистолета. В результате получилось 433 совпадающих пары изображений и 4812 несопоставимых пар. Чтобы еще больше усложнить испытание, большинство пистолетов было изготовлено последовательно.
Алгоритм СМС правильно классифицировал все пары. Более того, почти все несовпадающие пары имели нулевые совпадающие ячейки, а горстка — одну или две из-за случайных эффектов. Все совпадающие пары, с другой стороны, имели не менее 18 совпадающих клеток. Другими словами,
совпадающие и несовпадающие пары попадали в сильно разделенные распределения, основанные на количестве совпадающих ячеек.
«Это разделение указывает на то, что вероятность возникновения случайных эффектов, вызывающих ложноположительное совпадение с помощью метода СМС, очень мала», — говорит соавтор и физик Тед Ворбургер.
Лучший способ подтвердить
Используя хорошо зарекомендовавшие себя статистические методы, авторы построили модель для оценки вероятности того, что случайные эффекты приведут к ложноположительному совпадению. Используя этот метод, эксперт по огнестрельному оружию сможет дать показания о том, насколько близко совпадают две патронные гильзы, основываясь на количестве совпадающих клеток, а также о вероятности случайного совпадения, аналогично тому, как судмедэксперты дают показания о ДНК.
Хотя это исследование не включало в себя достаточное количество показаний для расчета реалистичных коэффициентов ошибок в реальных делах, оно продемонстрировало эту концепцию. «Следующим шагом является расширение масштаба с помощью гораздо более крупных и разнообразных наборов данных», — сказал Йоханнес Сунз, инженер-механик NIST и соавтор исследования.
С помощью более разнообразных наборов данных исследователи смогут создавать отдельные модели для различных типов оружия и боеприпасов». Это позволит оценить случайные коэффициенты совпадения для различных комбинаций, которые могут быть использованы в преступлении».
Другие группы исследователей работают над способами цифрового выражения силы доказательств, причем не только для огнестрельного оружия, но и для отпечатков пальцев и других видов типовых доказательств. Во многих из этих усилий для сравнения закономерностей в уликах используются алгоритмы машинного обучения и искусственного интеллекта. Однако бывает трудно объяснить, как работают алгоритмы машинного обучения.
«Метод СМС можно легко объяснить присяжным», — сказал Сонг. «Он также, похоже, производит очень низкий процент ложноположительных ошибок».
