CC BY
12Государственная служба и кадры. 2023. № 5. С. 250 — 254. State service and personnel. 2023;(5):250 — 254.
Научная статья
УДК 343.1 ББК 67.410.2
https://doi.org/10.24412/2312-0444-2023-5-250-254 NIION: 2012-0061-05/23-309
EDN: https://elibrary.ru/VJUNEI MOSURED: 77/27-008-2023-05-509
Искусственный интеллект в оценке достоверности заключения эксперта по уголовным делам. Постановка проблемы
Сергей Васильевич Немира
Кубанский государственный аграрный университет имени И.Т. Трубилина, Краснодар, Россия, sergei.nemira@yandex.ru
Аннотация. В настоящей статье автор формулирует проблему возможного использования искусственного интеллекта в ходе оценки достоверности заключения эксперта по уголовным делам. Обращается внимание на то, что искусственный интеллект может предложить ряд инновационных алгоритмов для оценки достоверности заключений экспертов, но его применение требует комплексного и многоуровневого подхода. Эффективность применения искусственного интеллекта в этом контексте в значительной степени зависит от качества экспертных данных, выбора экспертных методик и алгоритмов, а также от учёта этических и юридических норм, и многих других факторов. В статье рассматриваются несколько вариантов возможного использования различных алгоритмов искусственного интеллекта в оценке достоверности заключения эксперта по уголовным делам.
Ключевые слова: искусственный интеллект, оценка достоверности, заключение эксперта, уголовный процесс Для цитирования: Немира С.В. Искусственный интеллект в оценке достоверности заключения эксперта по уголовным делам: Постановка проблемы // Государственная служба и кадры. 2023. № 5. С. 250—254. https://doi.org/10.24412/2312-0444-2023-5-250-254 EDN: https://elibrary.ru/VJUNEI
Original article
Artificial intelligence in assessing the reliability of expert opinions in criminal cases. Problem formulation
Sergey V. Nemira
Kuban State Agrarian University named after I.T. Trubilin, Krasnodar,
Russia, sergei.nemira@yandex.ru
Abstract. In this article, the author formulates the problem of the potential use of artificial intelligence in assessing the reliability of expert opinions in criminal cases. Attention is drawn to the fact that artificial intelligence can offer a range of innovative algorithms for assessing the reliability of expert opinions, but its application requires a comprehensive and multi-level approach. The effectiveness of using artificial intelligence in this context largely depends on the quality of expert data, the choice of expert methodologies and algorithms, as well as the consideration of ethical and legal norms, among many other factors. The article discusses several options for the possible use of various artificial intelligence algorithms in assessing the reliability of expert opinions in criminal cases.
Keywords: artificial intelligence, reliability assessment, expert opinion, criminal procedure
For citation: Nemira S.V. Artificial intelligence in assessing the reliability of expert opinions in criminal cases: Problem formulation // State service and personnel. 2023. (5):250—254. (In Russ.). https://doi.org/10.24412/2312-0444-2023-5-250-254 EDN: https://elibrary.ru/VJUNEI
Теория искусственного интеллекта предполагает, что могут быть созданы технологии, способные выполнять задачи, которые в настоящее время выполняются людьми. Искусст-
© Немира С.В., 2023
венный интеллект становится всё более распространенным в различных областях, требующих использования человеческого интеллекта. Поэтому вопрос применения возможностей искусственного интеллекта в сфере уголовного правосудия
№ 5/2023
является предметом активных научных исследований. Только за последнее время можно выделить ряд научных работ в этой сфере [2, 4, 5, 6, 9].
Одним из возможных способов применения искусственного интеллекта в уголовно-процессуальном доказывании может быть его приложение для оценки достоверности доказательств. Так, искусственный интеллект посредством обработки большого количества данных и выявления закономерностей, которые могут быть незаметны для судей, прокуроров, следователей и дознавателей, способствует принятию ими обоснованных и справедливых решений по уголовному делу. Кроме того, использование искусственного интеллекта сокращает время, необходимое для расследования и рассмотрения уголовного дела, поскольку он обрабатывает большой объём информации гораздо быстрее, чем человек.
Однако, использование искусственного интеллекта в уголовно-процессуальном доказывании для оценки достоверности доказательств, и, в частности, заключений экспертов также может вызывать ряд вопросов технологического, этического и юридического характера. Поэтому важно обратить внимание на указанную проблематику возможности использования искусственного интеллекта в оценке достоверности заключения эксперта по уголовным делам с названных точек зрения.
Применение искусственного интеллекта в оценке достоверности заключений экспертов по уголовным делам является сложным и неоднозначным вопросом. Искусственный интеллект может предложить ряд инновационных алгоритмов для оценки достоверности заключений экспертов, но его применение требует комплексного и многоуровневого подхода. Эффективность применения искусственного интеллекта в этом контексте в значительной степени зависит от качества экспертных данных (сведений, основанных на специальных знаниях), выбора экспертных методик и алгоритмов, а также от учёта этических и юридических норм, и многих других факторов.
Современная наука предлагает несколько вариантов того, каким образом и в каких аспектах представляется возможным использование алгоритмов искусственного интеллекта в оценке достоверности заключения эксперта по уголовным делам. Наряду с таким инновационным подходом к оценке достоверности заключения эксперта, как использование алгоритмов искусственного интеллекта, предметом традиционных доктри-нальных подходов по-прежнему остаются уже имеющиеся методы и методология, используемые в оценке этого вида доказательств [1, 3, 8, 7].
Прежде всего, стоит отметить, что одним из основных методов, используемых в искусственном интеллекте, является машинное обучение. Машинное обучение позволяет "учиться" искусственному интеллекту на основе данных, которые обрабатываются, и использовать эту информацию для принятия решений. В контексте оценки достоверности заключений эксперта, машинное обучение может быть использовано для анализа большого количества данных, таких как результаты экспертиз, показания свидетелей и другие доказательства, чтобы определить, является ли конкретное заключение эксперта достоверным. В целом, теория машинного обучения предполагает, что искусственный интеллект может «обучаться», чтобы делать более точные прогнозы и принимать более обоснованные решения.
Так, достаточно результативным в оценке достоверности заключения эксперта по уголовным делам могут быть статистический анализ и машинное обучение, которые применяются алгоритмами искусственного интеллекта. Одним из них является Байесовский классификатор, который основан на теореме Байеса и предполагает независимость признаков. Этот метод позволит классифицировать заключения экспертов на основе их предыдущей истории, качества работы и других параметров. При производстве по уголовным делам Байесовский классификатор проанализирует текст заключений экспертов и сравнит их с данными по аналогичным случаям. В результате применения этих алгоритмов анализу можно подвергнуть различные аспекты заключения эксперта, такие как использованная научная методология, полученные выводы, и классифицировать их как достоверные или недостоверные. Эти алгоритмы анализируют различные аспекты заключения эксперта и принимают решение о его достоверности на основе набора правил. Они могут выступать действенными инструментами для оценки достоверности заключений экспертов в уголовных делах. Однако их использование требует компетентного применения, включая предварительную обработку данных, выбор подходящих способов и интерпретацию результатов в контексте уголовно-процессуального законодательства.
Возможности искусственного интеллекта позволяют осуществлять семантический анализ, который существенно важен при оценке достоверности заключения эксперта по уголовным делам. Прежде всего, это алгоритмы обработки естественного языка ^ЬР) как подраздела искусственного интеллекта, который фокусируется на анализе, понимании и генерации человеческого языка. В ходе оценки заключений экспертов с точки зрения их достоверности NLP может ис-
№ 5/2023
пользоваться для анализа содержания заключения эксперта с целью выявления неоднозначностей, противоречий или неточностей. Указанный алгоритм (NLP) автоматически обрабатывает большие объёмы данных, однако проблемой может стать распознание и понимание профессиональной терминологии.
Другим методом выступает тематическое моделирование посредством статистического анализа текста для выявления скрытых тем. Этот алгоритм анализирует ключевые темы в заключении эксперта и сравнивает их с общепринятыми стандартами и практиками в конкретной экспертной области.
Применение искусственным интеллектом семантического анализа способно оценить глубину и точность текстовых данных в заключениях экспертов. Это особенно полезно для выявления неявных проблем, таких как предвзятость, неоднозначность или противоречия в содержании заключения эксперта. Вместе с тем, эффективность данного метода потребует специализированных знаний и ресурсов.
Ещё одним подходом к применению искусственного интеллекта в оценке достоверности заключений экспертов является использование нейронных сетей. Нейронные сети, как алгоритмы машинного обучения, представляют собой модели, вдохновлённые структурой мозга, которые могут обрабатывать сложные данные и делать прогнозы на основе этой информации. Они способны моделировать сложные функциональные отношения. При производстве по уголовным делам нейронные сети могут использоваться для анализа данных, связанных с экспертизой, и определения, является ли заключение достоверным или нет. К примеру, специализированные архитектуры, такие как LSTM (Long Short-Term Memory), могут быть применены для анализа временных рядов данных о прошлых заключениях эксперта.
Нейронные сети могут быть интегрированы в экспертные системы для обработки сложных нелинейных отношений. Эти сети способны анализировать большие объемы данных из различных источников для оценки достоверности заключений экспертов.
Недостатком использования нейронных сетей является необходимость постоянного совершенствования технологий, требующих больших вычислительных ресурсов. Также может вызывать трудность интерпретация результатов применения нейронных сетей.
Отдельно следует сказать о возможностях искусственного интеллекта в работе с базами данных (знаний), применяемых в экспертной деятельности. Системы с базами знаний позволяют
использовать предварительно определённые правила и логические структуры для оценки необходимой информации. В контексте оценки достоверности заключений экспертов базы знаний могут содержать критерии, стандарты и методологии, которые считаются общепринятыми в данной сфере деятельности.
Вместе с тем, при рассмотрении вопроса применения возможностей искусственного интеллекта для оценки достоверности заключений экспертов по уголовным делам нельзя весь основной фокус дискуссий сводить на технической эффективности и точности алгоритмов. Этические аспекты такого применения искусственного интеллекта представляют собой критически не менее важную проблематику.
Так, алгоритмы искусственного интеллекта могут допускать неосознанно воспроизводство социальных и культурных предвзятостей, присутствующих в обучающих данных. Если алгоритмы основаны на данных, собранных от экспертов с определённой предвзятостью, то это может привести к дискриминационным оценкам, ставящим под сомнение выводы о достоверности.
Кроме того, многие алгоритмы искусственного интеллекта, особенно глубокие нейронные сети, действуют как «черные ящики», результаты которых довольно сложно интерпретировать. Это создает дополнительные проблемы в обеспечении прозрачности и объяснимости применяемых методов. Поэтому может потребоваться аудит алгоритмов, предполагающий их независимую проверку и оценку с целью выявления и решения возможных проблем, в том числе, проблемы прозрачности и объяснимости. При этом, аудит, с одной стороны, повышает доверие к системе используемых алгоритмов искусственного интеллекта, но, с другой стороны, может быть трудоёмким и дорогостоящим.
Этические аспекты применения искусственного интеллекта в оценке достоверности заключений экспертов по уголовным делам затрагивают также проблемы соблюдения прав участников уголовного судопроизводства. Алгоритмы искусственного интеллекта могут требовать доступа к персональным данным, что создает риски нарушения приватности и конфиденциальности этих данных. К тому же не все участники могут быть согласны с применением искусственного интеллекта, либо не иметь равный доступ к технологиям.
Этическая сторона использования возможностей искусственного интеллекта в оценке достоверности заключений экспертов по уголовным делам включает в себя обязанность соблюдения и уважения прав участников, предусмотренных действующим уголовно-процессуальным законодательством.
№ 5/2023
Возможность применения искусственного интеллекта в оценке достоверности заключений экспертов по уголовным делам открывает новые перспективы, но также представляет собой юридическую «серую зону», поскольку УПК РФ и другие нормативные акты не содержат предписаний, регламентирующих использование искусственного интеллекта в этой сфере.
Таким образом, вопрос о возможном использовании искусственного интеллекта в ходе оценки достоверности заключения эксперта по уголовным делам имеет следующее значение.
Во-первых, при возможном использовании искусственного интеллекта происходит автоматизация и ускорение оценки достоверности заключения эксперта, что особенно важно в условиях больших данных в сложных и объёмных уголовных делах, и ограниченных временных ресурсов.
Во-вторых, повышается качество расследования и правосудия, поскольку возможное использование искусственного интеллекта для оценки достоверности заключений экспертов способствует, в том числе, принятию обоснованных решений на основе более полной и точной информации.
В-третьих, возможное использование искусственного интеллекта для оценки достоверности заключений экспертов позволит минимизировать человеческие факторы, такие как предвзятость или ошибки. Сложные алгоритмы машинного обучения и семантического анализа выявляют скрытые паттерны, аномалии или противоречия, которые могут быть упущены при традиционной («человеческой») оценки доказательств с точки зрения достоверности.
В-четвёртых, алгоритмы искусственного интеллекта способны быстро адаптироваться к изменяющимся условиям, новым методам исследования или юридическим нормам, что делает их гибким инструментом для оценки достоверности любых видов доказательств, в том числе и заключений экспертов.
В-пятых, искусственный интеллект может интегрировать информацию из различных источников, обеспечивая более комплексную и многоуровневую оценку достоверности заключений экспертов по уголовным делам. При правильном применении и соблюдении этических и юридических норм, искусственный интеллект может значительно повысить доверие к результатам оценке достоверности.
Список источников
1. Гвоздев Г.А. О некоторых методах оценки заключения эксперта в уголовном судопроизводстве // Следственная деятельность: проблемы, их
решение, перспективы развития: Материалы V Всероссийской молодёжной научно-практической конференции. Москва, 3 декабря 2021 г. М.: Московская академия Следственного комитета РФ, 2022. С. 307—312.
2. Гришина Е.П., Тасаков С.В. Цифровые технологии в сфере правосудия по уголовным делам / / Вестник Казанского юридического института МВД России. 2022. Т. 13, № 4 (50). С. 77—85.
3. Жукова К.И. Вопросы достоверности заключения эксперта в уголовном процессе // Актуальные вопросы развития научных исследований: теоретический и практический взгляд: Сборник статей Международной научно-практической конференции, Ижевск, 12 апреля 2023 г. Уфа: ООО "ОМЕГА САЙНС", 2023. С. 118—120.
4. Зуев С.В. Основные направления сближения физики и права в уголовном процессе в условиях цифровизации // Технологии XXI века в юриспруденции: Материалы четвёртой международной научно-практической конференции, Екатеринбург, 20 мая 2022 г. / Отв. ред.: Д.В. Бах-теев. Екатеринбург: ФГБОУ ВО "Уральский государственный юридический университет", 2022. С. 19—26.
5. Иншакова А.О. Уголовно-процессуальное право на этапе современной цивилизации: методологические и технологические подходы // Правовая парадигма. 2023. Т. 22, № 1. С. 6—12.
6. Короленко И.И., Украинцев В.Д. Цифро-визация уголовного процесса: pro et contra // Наукосфера. 2022. № 10-2. С. 467—471.
7. Носкова Е.В., Путинцева Ю.А. Использование специальных знаний при оценке достоверности показаний в уголовном судопроизводстве: ретроспективный, доктринальный и практический подход // Правосудие. 2020. Т. 2, № 3. С. 165—196.
8. Россинская Е.Р. Факторы, определяющие результативность и доброкачественность заключений судебной экспертизы в уголовном судопроизводстве // Вестник Московского университета МВД России. 2019. № 1. С. 89—93.
9. Чукланова Э.М. Цифровизация процесса доказывания в уголовном процессе // Теоретические аспекты юриспруденции и вопросы правоприменения: сборник статей по материалам LXVI международной научно-практической конференции, Москва, 02 декабря 2022 г. Том 12 (66). М.: ООО "Интернаука", 2022. С. 177—181.
References
1. Gvozdev G.A. On Some Methods of Assessing the Expert's Conclusion in Criminal Proceedings // Investigative Activity: Problems, Solutions, Development Prospects: Proceedings of the V All-
No 5/2023
Russian Youth Scientific and Practical Conference, Moscow, December 3, 2021. Moscow: Moscow Academy of the Investigative Committee of the Russian Federation, 2022. Pp. 307—312.
2. Grishina E.P., Tasakov S.V. Digital Technologies in the Sphere of Justice in Criminal Cases // Bulletin of the Kazan Law Institute of the Ministry of Internal Affairs of Russia. 2022. Vol. 13, No. 4 (50). Pp. 77—85.
3. Zhukova K.I. Issues of the Reliability of the Expert's Conclusion in the Criminal Process // Current Issues of the Development of Scientific Research: Theoretical and Practical View: Collection of Articles of the International Scientific and Practical Conference, Izhevsk, April 12, 2023. Ufa: LLC "OMEGA SCIENCE", 2023. Pp. 118—120.
4. Zuev S.V. Main Directions of Convergence of Physics and Law in the Criminal Process in the Context of Digitalization // Technologies of the 21st Century in Jurisprudence: Proceedings of the Fourth International Scientific and Practical Conference, Yekaterinburg, May 20, 2022 / Ed. D.V. Bakhteev. Yekaterinburg: FSBEI HE "Ural State Law University", 2022. Pp. 19-26.
5. Inshakova A.O. Criminal Procedural Law at the Stage of Modern Civilization: Methodological and Technological Approaches // Legal Paradigm. 2023. Vol. 22, No. 1. Pp. 6—12.
6. Korolenko I.I., Ukrainstev V.D. Digitalization of the Criminal Process: Pro et Contra // Science Sphere. 2022. No. 10-2. Pp. 467—471.
7. Noskova E.V., Putintseva Y.A. Use of Special Knowledge in Assessing the Reliability of Testimonies in Criminal Proceedings: Retrospective, Doctrinal, and Practical Approach // Justice. 2020. Vol. 2, No. 3. Pp. 165—196.
8. Rossinskaya E.R. Factors Determining the Effectiveness and Quality of Forensic Expertise Conclusions in Criminal Proceedings // Bulletin of the Moscow University of the Ministry of Internal Affairs of Russia. 2019. No. 1. Pp. 89—93.
9. Chuklanova E.M. Digitalization of the Evidence Process in Criminal Proceedings // Theoretical Aspects of Jurisprudence and Issues of Law Enforcement: Collection of Articles Based on the Materials of the LXVI International Scientific and Practical Conference, Moscow, December 2, 2022. Vol. 12 (66). Moscow: LLC "Internauka", 2022. Pp. 177—181.
Информация об авторе
С.В. Немира — доцент кафедры уголовного процесса Кубанского государственного аграрного университета имени И.Т. Трубилина, кандидат юридических наук.
Information about the author S.V. Nemira — Associate Professor of the Department of Criminal Procedure Kuban State Agrarian University named after I.T. Trubilin, Candidate of Legal Sciences.
Статья поступила в редакцию 24.11.2023; одобрена после рецензирования 27.1 1.2023; принята к публикации 28.11.2023.
The article was submitted 24.11.2023; approved after reviewing 27.1 1.2023; accepted for publication 28.11.2023.
№ 5/2023
