Wyślij tekst przez e-mail 
Wpływ sztucznej inteligencji na kryminalistykę. Aspekty techniczne i prawne
Streszczenie w języku polskim
Sztuczna inteligencja (AI) przekształca kryminalistykę, zwiększając szybkość i dokładność prowadzonych badań. Celem artykułu jest zbadanie, w jaki sposób AI przyczynia się do ulepszania wybranych dziedzin kryminalistyki, jakie są kierunki regulacji oraz jak silna powinna być symbioza między AI a normami prawnymi. Wyniki badań wskazują, że kryminalistyka ulega znaczącej poprawie dzięki zastosowaniu AI, ale istnieje wysokie ryzyko błędów, jeśli nie są przestrzegane określone zasady. Jedną z najważniejszych zasad jest to, że decyzje w sprawach prawnych nie powinny opierać się wyłącznie na AI i zawsze konieczna jest weryfikacja wniosków przez eksperta. W zakresie regulacji AI istnieje międzynarodowy konsensus, że przepisy dotyczące AI powinny zapewniać przejrzystość, ochronę praw człowieka, bezpieczeństwo oraz odpowiedzialność. Państwa jednak różnią się w podejściu do stopnia rygorystyczności tych regulacji w zależności od swoich interesów. Ogólnie rzecz biorąc, przeprowadzone badania dowodzą, że pomimo istniejących zagrożeń wykorzystanie AI w kryminalistyce jest bardzo istotne, dlatego należy podjąć wszelkie niezbędne działania, aby zapewnić jej stosowanie w jak najlepszych warunkach, umożliwiając jednocześnie dalszy rozwój AI.
Słowa kluczowe
Pełny tekst:
PDF (English)Bibliografia
LITERATURE
Abraham T.M., Wen T., Wu T., Chen Y., Leveraging Data Analytics for Detection and Impact Evaluation of Fake News and Deepfakes in Social Networks, “Humanities & Social Sciences Communications” 2025, vol. 12. DOI: https://doi.org/10.1057/s41599-025-05389-4
Arrieta A.B., Díaz-Rodríguez N., Del Ser J., Bennetot A., Tabik S., Barbado A., Garcia S., Gil-Lopez S., Molina D., Benjamins R., Chatila R., Herrera F., Explainable Artificial Intelligence (XAI): Concepts, Taxonomies, Opportunities and Challenges Toward Responsible AI, “Information Fusion” 2020, vol. 58. DOI: https://doi.org/10.1016/j.inffus.2019.12.012
Can M., Işık C., Cengiz M., AI-Based Quantitative Handwriting and Signature Feature Analysis: Development and Validation of a Mobile Application for Forensic Document Examination – A Preliminary Study, “Forensic Sciences” 2026, vol. 6(2). DOI: https://doi.org/10.3390/forensicsci6020041
Cao K., Jain A.K., Automated Latent Fingerprint Recognition, “IEEE Transactions on Pattern Analysis and Machine Intelligence” 2019, vol. 41(4). DOI: https://doi.org/10.1109/TPAMI.2018.2818162
Chowdhury A.M.M., Imtiaz M.H., Contactless Fingerprint Recognition Using Deep Learning – A Systematic Review, “Journal of Cybersecurity & Privacy” 2022, vol. 2(3). DOI: https://doi.org/10.3390/jcp2030036
Crown D.A., The Development of Latent Fingerprints with Ninhydrin, “Journal of Criminal Law, Criminology, & Police Science” 1969, vol. 60(2). DOI: https://doi.org/10.2307/1142254
Dror I.E., Bloodstain Pattern Analysis (BPA): Validity, Reliability, Cognitive Bias, and Error Rate, “Science & Justice” 2025, vol. 65(3). DOI: https://doi.org/10.1016/j.scijus.2025.02.002
Guo G., Ray A., Izydorczak M., Goldfeder J., Lipson H., Xu W., Unveiling Intra-Person Fingerprint Similarity via Deep Contrastive Learning, “Science Advances” 2024, vol. 10(2). DOI: https://doi.org/10.1126/sciadv.adi0329
Herke C., Automated Fingerprint Identification: The Role of Artificial Intelligence in Crime Scene Investigation, “Forensic Sciences” 2026, vol. 6(1). DOI: https://doi.org/10.3390/forensicsci6010006
Jacquet M., Champod C., Automated Face Recognition in Forensic Science: Review and Perspectives, “Forensic Science International” 2020, vol. 307. DOI: https://doi.org/10.1016/j.forsciint.2019.110124
Jeffreys A.J., The Man Behind the DNA Fingerprints: An Interview with Professor Sir Alec Jeffreys, “Investigative Genetics” 2013, vol. 4. DOI: https://doi.org/10.1186/2041-2223-4-21
Kaliisa R., Baker R.S., Wasson B., Prinsloo P., The Coming but Uneven Storm: How AI Regulation Will Impact AI and Learning Analytics Research in Different Countries, “Journal of Learning Analytics” 2025, vol. 12(2). DOI: https://doi.org/10.18608/jla.2025.8495
Kaplan J., Ling S., Cuellar M., Public Beliefs about the Accuracy and Importance of Forensic Evidence in the United States, “Science & Justice” 2020, vol. 60(3). DOI: https://doi.org/10.1016/j.scijus.2020.01.001
Kaur A., A Comprehensive Analysis of Types of Artificial Intelligence: Classification, Applications, and Future Directions, “International Journal of Advanced Research in Computer and Communication Engineering” 2025, vol. 14(2). DOI: https://doi.org/10.17148/IJARCCE.2025.14221
Ketsekioulafis I., Filandrianos G., Katsos K., Thomas K., Spiliopoulou C., Stamou G., Sakelliadis E.I., Artificial Intelligence in Forensic Sciences: A Systematic Review of Past and Current Applications and Future Perspectives, “Cureus” 2024, vol. 16(9). DOI: https://doi.org/10.7759/cureus.70363
Kumar Sharma B., Walia M., Chander Sharma S., Dhillon D., Ishant, Kumar Mishra N., Fingerprint Science: A Review on Historical and Contemporary Forensic Perspectives, “Bulletin of Environment, Pharmacology and Life Sciences” 2002, no. 5 (Special Issue).
Lilkov D., Regulating Artificial Intelligence in the EU: A Risky Game, “European View” 2022, vol. 20(2). DOI: https://doi.org/10.1177/17816858211059248
Lu Y., Yao N., A Fake News Detection Model Using the Integration of Multimodal Attention Mechanism and Residual Convolutional Network, “Scientific Reports” 2025, vol. 15. DOI: https://doi.org/10.1038/s41598-025-05702-w
Mani R.T., Palimar V., Pai M.S., Shwetha T.S., Nirmal Krishnan M., An Evolution of Forensic Linguistics: From Manual Analysis to Machine Learning – A Narrative Review, “Forensic Science International: Reports” 2025, vol. 11. DOI: https://doi.org/10.1016/j.fsir.2025.100417
Marasco E., Ross A., A Survey on Antispoofing Schemes for Fingerprint Recognition Systems, “ACM Computing Surveys (CSUR)” 2014, vol. 47(2). DOI: https://doi.org/10.1145/2617756
Nayerifard T., Amintoosi H., Ghaemi Bafghi A., Dehghantanha A., Machine Learning in Digital Forensics: A Systematic Literature Review, “Computer Science” 2023. DOI: https://doi.org/10.48550/arXiv.2306.04965
Odén S., Hofsten B. von, Detection of Fingerprints by the Ninhydrin Reaction, “Nature” 1954, vol. 173. DOI: https://doi.org/10.1038/173449a0
Predescu S., Reconstrucția Tridimensională a Locului Faptei, “Analele Universității de Vest din Timișoara – Seria Drept” 2025, vol. 1.
Rafique R., Gantassi R., Amin R., Frnda J., Mustapha A., Alshehri A.H., Deep Fake Detection and Classification Using Error-Level Analysis and Deep Learning, “Scientific Reports” 2023, vol. 13. DOI: https://doi.org/10.1038/s41598-023-34629-3
Singla N., Kaur M., Sofat S., Automated Latent Fingerprint Identification System: A Review, “Forensic Science International” 2020, vol. 309. DOI: https://doi.org/10.1016/j.forsciint.2020.110187
Tsai M.-J., Tao Y.-H., Yuadi I., Deep Learning for Printed Document Source Identification, “Signal Processing: Image Communication” 2019, vol. 70. DOI: https://doi.org/10.1016/j.image.2018.09.006
Turk Ž., Regulating Artificial Intelligence: A Technology-Independent Approach, “European View” 2024, vol. 23(1). DOI: https://doi.org/10.1177/17816858241242890
Ureche B.A., Inteligența artificială în cercetarea locului faptei: Garantarea drepturilor omului în era tehnologiei, [in:] Protecția Drepturilor Omului în Dreptul Public și Dreptul Privat. Studii doctorale, ed. G.L. Gîrleșteanu, vol. 7, Craiova 2025.
Weyermann C., Roux C., A Different Perspective on the Forensic Science Crisis, “Forensic Science International” 2021, vol. 323. DOI: https://doi.org/10.1016/j.forsciint.2021.110779
Yang M., Li S., Zeng J., The Effects of AI-Driven Face Restoration on Forensic Face Recognition, “Applied Sciences” 2024, vol. 14(9). DOI: https://doi.org/10.3390/app14093783
Yu Y., Niu Q., Li X., Xue J., Liu W., Lin D., A Review of Fingerprint Sensors: Mechanism, Characteristics, and Applications, “Micromachines” 2023, vol. 14(6). DOI: https://doi.org/10.3390/mi14061253
Zhao H., Li H., Handwriting Identification and Verification Using Artificial Intelligence-Assisted Textural Features, “Scientific Reports” 2023, vol. 13. DOI: https://doi.org/10.1038/s41598-023-48789-9
ONLINE SOURCES
Council of Europe, Chart of Signatures and Ratifications of Treaty 225, https://www.coe.int/en/web/conventions/full-list?module=signatures-by-treaty&treatynum=225 (access: 15.3.2026).
FBI, FBI Testimony on Microscopic Hair Analysis Contained Errors in at Least 90 Percent of Cases in Ongoing Review, 20.4.2015, https://www.fbi.gov/news/press-releases/fbi-testimony-on-microscopic-hair-analysis-contained-errors-in-at-least-90-percent-of-cases-in-ongoing-review (access: 16.3.2026).
Powers B., Do Prints from Two Different Fingers Belong to the Same Person? AI Can Tell, 12.1.2024, https://www.science.org/content/article/do-prints-two-different-fingers-belong-same-person-ai-can-tell (access: 14.3.2026).
Toobin J., The CSI Effect, 30.4.2007, https://www.newyorker.com/magazine/2007/05/07/the-csi-effect (access: 2.3.2026).
LEGAL ACTS
Council of Europe Framework Convention on Artificial Intelligence and Human Rights, Democracy and the Rule of Law, adopted at Vilnius on 5 September 2024, CETS no. 225.
Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence and amending Regulations (EC) No. 300/2008, (EU) No. 167/2013, (EU) No. 168/2013, (EU) 2018/858, (EU) 2018/1139 and (EU) 2019/2144 and Directives 2014/90/EU, (EU) 2016/797 and (EU) 2020/1828 (Artificial Intelligence Act) (OJ L 2024/1689, 12.7.2024).
DOI: http://dx.doi.org/10.17951/g.2026.73.1.23-38
Data publikacji: 2026-09-22 15:20:36
Data złożenia artykułu: 2026-03-20 12:53:26
Statystyki
Wskaźniki
Odwołania zewnętrzne
- Brak odwołań zewnętrznych
Prawa autorskie (c) 2026 Ancuța Elena Franț
Powyższa praca jest udostępniana na lcencji Creative Commons Attribution 4.0 International License.