CC BY
26УДК 343.1 ББК 67.410
Максим Алексеевич Пешков
доцент кафедры уголовного права и процесса Российского государственного гуманитарного университета (РГГУ) кандидат юридических наук, доцент
maxim.peshkov2011@mail.ru
125047, Россия, Москва, Миусская площадь, д. 6
ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В УГОЛОВНОМ СУДОПРОИЗВОДСТВЕ: ПЕРСПЕКТИВЫ И АКТУАЛЬНЫЕ ПРОБЛЕМЫ
Аннотация. Рассматривая различные типы нейронных сетей, автор анализирует потенциальные последствия их использования в правовой системе, предлагает разработать рамки для их применения, чтобы уравновесить потенциальные выгоды с необходимостью защиты прав и интересов всех вовлеченных сторон. Особое внимание уделяется сфере уголовного процесса, где наиболее ярко проявляются обозначенные выше тенденции. Рассматривая все стадии уголовного процесса, на конкретных примерах, автор отмечает важность обеспечения прав всех лиц, вовлеченных в уголовное судопроизводство, и чтобы выходные данные самой нейронной сети были справедливыми, непредвзятыми и соответствовали принципам справедливого судебного разбирательства.
Ключевые слова: нейронная сеть, алгоритм использования нейронных сетей в правовой системе, уголовный процесс, процессуальные действия с использованием нейросети, защита прав и интересов сторон, справедливость судебного разбирательства.
M.A. PESHKOV,
associate professor of criminal law and procedure Cand. of Sci. (Law), associate professor Russian State University of Humanities (RSUH), maxim.peshkov2011@mail.ru 6, Miusskaya square, Moscow, 125047, Russia
THE USE OF ARTIFICIAL INTELLIGENCE IN CRIMINAL PROCEEDINGS: PROSPECTS AND CURRENT PROBLEMS
Annotation. Considering various types of neural networks, the author examines the potential consequences of their use in the legal system, suggests developing a framework for their use in order to balance the potential benefits with the need to protect the rights and interests of all parties involved. Particular attention is paid to the area of criminal procedure, where the trends outlined above are most clearly manifested. Considering all stages of the criminal process, using concrete examples, the author notes the importance of ensuring the rights of all persons involved in criminal proce edings, and that the output data of the neural network itself is fair, unbiased and consistent with the principles of fair trial.
Key words: neural network, algorithm for the use of neural networks in the legal system, criminal proceedings, procedural actions using a neural network, protection of the rights and interests of the parties, the fairness of the trial.
Активное развитие цифровых технологий в последние несколько десятилетий способствуют формированию новой информационной реальности. Цифровые технологии проникли во все административные процессы, в том числе и в правоохранительную деятельность государства. Однако сегодня на повестке дня уже не просто компьютеры и прикладные программы, а искусственный интеллект и нейронные сети.
Нейронные сети — это разновидность алгоритма искусственного интеллекта (ИИ), который основан на структуре и функциях человеческого мозга. Они способны извлекать уроки из данных, делать прогнозы и выполнять такие задачи, как классификация и регрессия [2].
Компьютерная система с искусственным интеллектом способна самостоятельно находить закономерности в исходных данных и накапливать знания. Она уже широко применяется в некоторых сферах человеческой деятельности (обнаружение мошеннических действий при банковских операциях, спама, категоризация документов, распознавание образов, жестов, речи; техническая и врачебная диагностика). Следует отметить, что в некоторых сферах эффективность решения задач компьютерной программой уже превосходит возможности людей, например в медицине, точность диагностики некоторых заболеваний оказывается выше, по сравнению с врачами-специалистами.
В целом, нейронные сети — это мощные алгоритмы, которые обладают способностью извлекать уроки из данных и выполнять сложные задачи. Однако важно тщательно рассмотреть ограничения этих алгоритмов, а также потенциальную предвзятость и необходимость прозрачности при принятии
решений1.
Использование нейронных сетей в сочетании с правовым регулированием деятельности человека, в том числе и в сфере уголовной юстиции — это область, которая в настоящее время обсуждается и изучается экспертами по правовым и этическим вопросам. С увеличением интенсивности использования искусственного интеллекта растет вероятность противоправной деятельности. Соответственно, развитие систем искусственного интеллекта влечет необходимость реструктуризации правоохранительной системы. Существует несколько потенциальных последствий этой технологии, которые вызывают озабоченность с точки зрения регулирования [5].
Во-первых, существует опасение, что использование нейронных сетей в правовой системе может привести к необъективному принятию решений.
Во-вторых, существует озабоченность по поводу подотчетности и прозрачности при использовании нейронных сетей в правовой системе.
Наконец, существует озабоченность по поводу защиты персональных данных и неприкосновенности частной жизни при использовании нейронных сетей в правовой системе [6].
Чтобы устранить эти опасения, регулирующим органам будет важно тщательно рассмотреть потенциальные последствия использования нейронных сетей в правовой системе и разработать рамки для их использования, которые уравновешивают потенциальные выгоды с необходимостью защиты прав и интересов всех вовлеченных сторон.
Рассмотрим перспективы использования нейросети в уголовном процессе. Здесь наиболее ярко проявляются обозначенные выше тенденции.
Использование нейронных сетей в уголовном судопроизводстве — это развивающаяся область, которая потенциально может повлиять на различные аспекты системы уголовного правосудия. Вот несколько способов использования нейронных сетей в системе уголовного правосудия.
Досудебные стадии (полицейское расследование).
Использование нейронных сетей в полицейских расследованиях потенциально может быть полезно для оказания помощи полицейским в выявлении подозреваемых, анализе улик и раскрытии преступлений. Например, нейронную сеть можно было бы обучить на большом наборе данных о предыдущих местах преступлений, чтобы идентифицировать закономерности
1 Самый известный пример такой нейросети, доступный практически любому пользователю сети Интернет — это ChatGPT — языковая модель на базе искусственного интеллекта, обученная на огромном количестве текстовых данных из Интернета, и которая может генерировать текстовые ответы, подобные человеческим, на заданную тему. Способна отвечать на вопросы, вести беседы на самые разные темы и генерировать творческие тексты.
или факторы, которые обычно ассоциируются с определенными типами преступлений [3].
Однако важно отметить, что использование нейронных сетей в полицейском расследовании поднимает ряд этических и юридических вопросов. Нейронные сети — это алгоритмы машинного обучения, которые могут делать прогнозы или принимать решения на основе входных данных, но они не способны понимать нюансы человеческого поведения или намерений. Существует также риск того, что выходные данные нейронной сети могут быть предвзятыми или несправедливыми, особенно если данные обучения являются предвзятыми.
В этом контексте важно, чтобы права всех вовлеченных лиц были защищены, и чтобы к ним относились справедливо. Использование нейронных сетей в полицейских расследованиях потенциально может поставить под угрозу эти права, если выходные данные алгоритма используются для принятия решений, которые имеют серьезные последствия для отдельного лица, такие как арест или уголовное преследование.
Кроме того, важно убедиться, что нейронная сеть была обучена на большом и разнообразном наборе данных и что ее производительность была тщательно оценена, прежде чем она будет использована в полицейском расследовании. Это поможет свести к минимуму риск предвзятых или несправедливых результатов и гарантировать, что алгоритм функционирует должным образом.
Таким образом, хотя нейронные сети потенциально могут помочь в полицейских расследованиях, важно тщательно продумать этические и юридические последствия их использования. Также важно обеспечить защиту прав всех вовлеченных лиц, и чтобы результаты работы нейронной сети были справедливыми, непредвзятыми и соответствовали принципам справедливого судебного разбирательства [1].
По мнению А.В. Сибильковой сферу применения искусственного интеллекта необходимо распространить и на обеспечение работы следователя. Направления такого обеспечения автору видятся следующими: — разработка перечня необходимых следственных действий, которые нужно провести в зависимости от следственной ситуации по конкретному уголовному делу, а также определение правильной их последовательности, поскольку она существенно может повлиять на результаты расследования как в положительную, так и в отрицательную сторону; — оценка достаточности собранных доказательств. Решение этой и предыдущей задач должно основываться на машинном обучении искусственных нейронных сетей результатам расследования уголовных дел определенной категории, при этом
особое внимание должно быть уделено возвращенным для дополнительного расследования уголовным делам, а также тем, по которым судом вынесен оправдательный приговор, т.е. искусственные нейронные сети должны получить информацию о том, чего не хватило для вынесения обвинительного приговора; — моделирование неизвестного преступника. Оно может производиться на основе криминалистически значимой информации, получаемой в результате изучения различных следов, обнаруживаемых в процессе расследования, как материальных, так и идеальных, а также на основе обработки искусственными нейронными сетями большого объема информации по уголовным делам аналогичной категории; — выявление признаков серийности по уже имеющимся в базе данных раскрытым и нераскрытым уголовным делам, построение на основании этого прогноза дальнейшего поведения преступника.
Таким образом, мы видим, что в настоящее время сложилась благоприятная обстановка для применения методов искусственного интеллекта в работе следователя [7].
Рассмотрим возможное использование нейронных сетей для производства типичных следственных действий, присущих любому расследованию.
Использование нейронных сетей при допросе свидетелей — это развивающаяся область, которая может повлиять на методику допроса свидетелей и предоставляемую ими информацию. Рассмотрим несколько возможных способов, которыми нейронные сети можно было бы использовать при допросе свидетелей.
Выбор вопросов. Нейронные сети могут быть использованы для анализа данных предыдущих допросов свидетелей и определения наиболее эффективных вопросов, которые следует задавать, на основе таких факторов, как эмоциональное состояние свидетеля и тип информации, которой они, вероятно, располагают.
Обнаружение лжи. Нейронные сети могут быть обучены на данных предыдущих допросов свидетелей и других источников для выявления паттернов, связанных с ложью, которые могут быть использованы для обнаружения обмана в показаниях свидетелей.
Анализ показаний. Нейронные сети могут быть использованы для анализа показаний свидетелей и выявления несоответствий или других факторов, которые могут указывать на обман или наличие дополнительной информации.
Однако использование нейронных сетей при допросе свидетелей также вызывает ряд опасений, включая потенциальную предвзятость, отсутствие прозрачности при принятии решений и необходимость обеспечения защиты
личных данных и неприкосновенности частной жизни. Кроме того, возникают вопросы о надежности и точности этих технологий в выявлении обмана, а также об их потенциальном влиянии на право хранить молчание и право против самообвинения. Эти вопросы необходимо будет тщательно рассмотреть и решить по мере того, как использование этих технологий при допросе свидетелей станет более распространенным.
Использование нейронных сетей при допросе подозреваемых (обвиняемых). Вот несколько способов, с помощью которых нейронные сети можно было бы использовать при допросе.
Выбор вопросов: Нейронные сети могут быть использованы для анализа данных предыдущих допросов и определения наиболее эффективных вопросов для постановки, основываясь на таких факторах, как эмоциональное состояние подозреваемого (обвиняемого) и тип информации, которой он, вероятно, располагает.
Обнаружение лжи: Нейронные сети могут быть обучены на данных предыдущих допросов и других источников для выявления паттернов, связанных с ложью, которые могут быть использованы для обнаружения обмана в показаниях подозреваемых.
Анализ ходатайств и жалоб: Нейронные сети могут быть использованы для анализа заявлений подозреваемых и выявления несоответствий или других факторов, которые могут указывать на обман или наличие дополнительной информации.
Однако использование нейронных сетей при допросе подозреваемых также вызывает ряд опасений, включая потенциальную предвзятость, отсутствие прозрачности при принятии решений и необходимость обеспечения защиты личных данных и неприкосновенности частной жизни. Кроме того, возникают вопросы о надежности и точности этих технологий в выявлении обмана, а также об их потенциальном влиянии на право хранить молчание и право против самообвинения. Эти вопросы необходимо будет тщательно рассмотреть и решить по мере того, как использование этих технологий, при допросе подозреваемых становится все более распространенным.
Судебное разбирательство (рассмотрение уголовных дел в суде).
Использование нейронных сетей при рассмотрении уголовных дел в суде общей юрисдикции потенциально может быть использовано для оказания помощи судьям в принятии решений о виновности или невиновности подсудимого, суровости приговора или других аспектах уголовного дела. Например, нейронную сеть можно было бы обучить на большом наборе данных предыдущих уголовных дел для выявления закономерностей или факторов, которые обычно ассоциируются с конкретными результатами.
Однако важно отметить, что использование нейронных сетей в правовой системе поднимает ряд этических и юридических вопросов. Нейронные сети — это алгоритмы машинного обучения, которые могут делать прогнозы или принимать решения на основе входных данных, но они не способны понимать нюансы человеческого языка, мотивов или намерений. Существует также риск того, что выходные данные нейронной сети могут быть предвзятыми или несправедливыми, особенно если данные обучения являются предвзятыми.
В суде важно, чтобы права ответчика были защищены, и чтобы к ним относились справедливо. Использование нейронных сетей при рассмотрении уголовных дел потенциально может поставить под угрозу эти права, если выходные данные алгоритма используются для принятия решений, которые имеют серьезные последствия для обвиняемого, таких как определение его вины или невиновности или определение приговора, который он получит.
Кроме того, важно убедиться, что нейронная сеть была обучена на большом и разнообразном наборе данных и что ее производительность была тщательно оценена, прежде чем она будет использована в суде. Это поможет свести к минимуму риск предвзятых или несправедливых результатов и гарантировать, что алгоритм функционирует должным образом [4].
В заключение отметим, что хотя нейронные сети потенциально могут помочь в рассмотрении уголовных дел, важно тщательно продумать этические и юридические последствия их использования. Также крайне важно обеспечить защиту прав ответчика, и чтобы выходные данные нейронной сети были справедливыми, непредвзятыми и соответствовали принципам справедливого судебного разбирательства.
БИБЛИОГРАФИЯ:
1. Аверинская, С.А. Создание искусственного интеллекта с целью злонамеренного использования в уголовном праве Российской Федерации / С.А. Аверинская, А.А. Севостьянова // Закон и право. — 2019. — № 2. — С. 9496.
2. Баррат, Д. Последнее изобретение человечества: искусственный интеллект и конец эры Homo sapiens / Джеймс Баррат; [пер. с англ. Наталья Лисова]. — 2-е изд. — Москва: АНФ, 2019. — 396 с.
3. Барсуков, Д.А. Создание робота-ищейки / Д.А. Барсуков, Т.М. Волосатова // Мехатроника, автоматика и робототехника. — 2019. — №2 3. — С. 6-9.
4. Воронцов, С.А. О проблемах, порождаемых использованием искусственного интеллекта в правоохранительной деятельности /
С.А. Воронцов, А. Г. Михайлов // Ростовский научный журнал. — 2019. — №2 3. — С. 189-195.
5. Кибальник, А.Г. Искусственный интеллект: вопросы уголовно-правовой доктрины, ожидающие ответов / А.Г. Кибальник, П.В. Волосюк // Юридическая наука и практика: Вестник Нижегородской академии МВД России. — 2018. — № 4 (44). — С. 173-178.
6. Львович, И.Я. Проблемы создания интеллектуальных систем / И.Я. Львович, Н.Е. Кравцова, Ю.Л. Чупринская // Вестник Воронежского института высоких технологий. — 2018. — № 2 (25). — С. 13-15.
7. Сибилькова, А.В. Искусственный интеллект на службе у следователя / А. В. Сибилькова // Российский следователь. — 2019. — № 3. — С. 68-70.
