CC BY
432
ТЕОРИЯ ПРАВА
001: 10.17803/1994-1471.2022.145.12.025-038
Е. А. Березина*
Использование искусственного интеллекта в юридической деятельности
Аннотация. В статье рассматриваются вопросы использования технологии искусственного интеллекта в юридической деятельности. Раскрывается проблема выделения слабого и сильного искусственного интеллекта, акцентируется внимание на возможности создания в будущем суперинтеллекта, что порождает уже сейчас необходимость пристального внимания ученых к вопросам внедрения системы этических ценностей в искусственный интеллект. Отдельное место в работе отводится проблемам создания датасетов, необходимых для обучения нейронных сетей, предназначенных для использования в юридической практике, а также их качеству. Анализируются конкретные примеры применения систем искусственного интеллекта в отечественной и зарубежной юридической практике. Обосновывается возможность рассмотрения использования искусственного интеллекта как отдельного вида правовой технологии. Делается вывод, что несмотря на большое количество успешно используемых в юридической практике разработок, основанных на системах искусственного интеллекта, все они являются примерами слабого искусственного интеллекта и выступают лишь как средство повышения эффективности деятельности юриста, но не заменяют его. Будущее юридической деятельности будет связано с эффективным сочетанием функционала искусственного интеллекта с творческими экспертными профессиональными способностями юриста.
Ключевые слова: правовая технология; искусственный интеллект; слабый искусственный интеллект; сильный искусственный интеллект; суперинтеллект; датасет; использование искусственного интеллекта в юридической практике; использование искусственного интеллекта в юридической деятельности; использование искусственного интеллекта как правовая технология.
Для цитирования: Березина Е. А. Использование искусственного интеллекта в юридической деятельности // Актуальные проблемы российского права. — 2022. — Т. 17. — № 12. — С. 25-38. — DOI: 10.17803/19941471.2022.145.12.025-038.
The Use of Artificial Intelligence in Juridical Activities
Elena A. Berezina, Cand. Sci. (Law), Associate Professor, Department of Theory of the State and Law,
Yakovlev Ural State Law University
ul. Komsomolskaya, 21, Yekaterinburg, Russia, 620137
helalex@mail.ru
Abstract. The paper discusses the use of artificial intelligence technology in legal activities. The author examines the problem of differentiating between weak and strong artificial intelligence. Attention is focused on the possibility
© Березина Е. А., 2022
* Березина Елена Александровна, кандидат юридических наук, доцент, доцент кафедры теории государства и права Уральского государственного юридического университета имени В.Ф. Яковлева Комсомольская ул., д. 21, г. Екатеринбург, Россия, 620137 helalex@mail.ru
of creating a superintelligence in the future, which already creates the need for scientists to pay close attention to the issues of introducing a system of ethical values into artificial intelligence. The paper highlights the problems of creating datasets necessary for training neural networks intended for the use in legal practice, as well as their quality. The author analyzes specific examples of the use of artificial intelligence systems in domestic and foreign legal practice. The author also justifies the possibility of considering the use of artificial intelligence as a separate type of legal technology. It is concluded that despite the large number of developments successfully used in legal practice based on artificial intelligence systems, they are all examples of weak artificial intelligence and act only as a means of increasing the efficiency of a lawyer, but do not replace it. The future of legal activities will be associated with an effective combination of artificial intelligence functionality and creative expert professional skills of a lawyer. Keywords: legal technology; artificial intelligence; weak artificial intelligence; strong artificial intelligence; superintelligence; dataset; use of artificial intelligence in legal practice; use of artificial intelligence in legal activity; use of artificial intelligence as legal technology.
Cite as: Berezina EA. Ispolzovanie iskusstvennogo intellekta v yuridicheskoy deyatelnosti [The Use of Artificial Intelligence in Juridical Activities]. Aktual'nyeproblemy rossijskogo prava. 2022;17(12):25-38. DOI: 10.17803/19941471.2022.145.12.025-038. (In Russ., abstract in Eng.).
Процессы информатизации, цифровизации, диджитализации права прочно вошли в нашу жизнь. «Мы вступаем в так называемую цифровую эпоху, которая может изменить и уже серьезно меняет наш мир»1. Эти изменения оказывают сильное влияние на правовую сферу жизни общества. Стремительное развитие цифровых, информационных технологий влечет за собой и изменение правовых технологий. Появляются новые подходы к пониманию правовых технологий, разрабатываются новые классификации, которые позволят учесть влияние на правовую действительность процесса цифровизации, создаются новые юридические конструкции, принимаются нормативные правовые акты, которые упорядочивают новые виды общественных отношений, существенно меняются пределы правового регулирования.
Одним из наиболее интересных и перспективных направлений развития правовых технологий является применение искусственного интеллекта для решения различных юридических задач.
За более чем полувековой срок исследований в области искусственного интеллекта отечественными и зарубежными авторами сформулированы различные определения данного термина, отражающие позиции ученых и подходы к его изучению. Проблемы искусственного интеллекта затрагивались еще в прошлом веке такими известными исследователями, как Н. Винер2, Р. Беллман3, А. Тьюринг4.
В настоящее время в РФ существует легальное определение искусственного интеллекта, закрепленное в Федеральном законе от 24.04.2020 № 123-Ф3 «О проведении эксперимента по установлению специального регулирования в целях создания необходимых условий для разработки и внедрения технологий искусственного интеллекта в субъекте Российской Федерации — городе федерального значения Москве и внесении изменений в статьи 6 и 10 Федерального закона "О персональных данных"»5. Искусственный интеллект рассматривается как «комплекс технологических решений, позволяющий имитировать когнитивные
1 Корнев А. В. Дигитализация права: проблемы и перспективы // Актуальные проблемы российского права. 2019. № 6. С. 11.
2 Wiener N. Cybernetics: Or Control and Communication in the Animal and the Machine. 2nd revised ed. Paris : Hermann & Cie, Camb. Mass. (MIT Press), 1961.
3 Bellman R. An Introduction to Artifical Intelligence: Can Computer Think? San Francisco : Boyd and Fraster Publishing Company, 1978.
4 Turing A. Computing machinery and intelligence // Mind. 1950. № 59. P. 433-460.
5 СЗ РФ. 2020. № 17. Ст. 2701.
функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, сопоставимые как минимум с результатами интеллектуальной деятельности человека».
В 1980 г. американский психолог Джон Сёрль предложил выделять два типа искусственного интеллекта: слабый и сильный6.
Слабый искусственный интеллект, для которого также используются такие термины, как узкий, осторожный, поверхностный, уже достаточно давно реализован в виде различных компьютерных программ, основное назначение которых заключается в решении определенных задач в какой-то предметной области. Например, к слабому искусственному интеллекту относятся программы управления беспилотными автомобилями, системы распознавания текстов и изображений, программы-генераторы музыки и стихов, голосовые помощники и т.д. Большинство современных программ искусственного интеллекта используют в своей основе нейронные сети, представляющие собой реализованную алгоритмически математическую модель человеческой нервной системы. Эквивалентность модели достигается за счет использования в ней нескольких слоев множества нейронов, каждый из которых является отдельным вычислительным элементом и имеет свои параметры. Данные, которые поступают в нейронную сеть, обрабатываются на каждом слое — подобно человеческой нервной системе. Как и человеческая нервная система, нейронная сеть способна к самообучению на основе предыдущего опыта. Для начального обучения нейронной сети используется датасет (dataset) — структурированная информация с размеченными данными. В датасете в табличном формате содержится выборка элементов, для каждого из которых уже указано, к какому классу он относится. В настоящее время программным разработчикам доступно большое количество датасетов для различных профессиональных сфер деятель-
ности. Смысл машинного обучения нейронной сети заключается в том, чтобы в дальнейшем на основе входных параметров она смогла их классифицировать и предсказать возможные исходы.
Среди большого количества готовых датасетов крайне мало датасетов для обучения нейро-сетей, предназначенных для использования в юридической практике. Основная причина недостаточности обучающего материала заключается в самой предметной области, в частности в специфичности юридических текстов, для которых характерно наличие сложных синтаксических конструкций и формализм. Существующие датасеты, как правило, созданы и размечены на основе текстов из художественной и деловой литературы. Для обучения же нейронной сети, которая сможет анализировать юридические документы и как функция искусственного интеллекта осуществлять прогнозирование, требуются датасеты, в которых содержатся тысячи проанализированных и размеченных юридических документов как нормативного, так и индивидуального характера. И если с доступом к нормативным правовым актам особых проблем не возникает, то с доступом к большим объемам актов правоприменения, а тем более актов реализации права, обнаруживаются сложности. Во-первых, получить подобные юридические тексты в необходимых количествах — достаточно трудная задача, так как возникают вопросы конфиденциальности информации, что влечет за собой ограниченность или недостаток исходных данных. Во-вторых, при формировании такого датасета требуется участие юриста высокой квалификации, так как 1Т-разработчики, имеющие, как правило, техническое образование, не обладают специальными юридическими знаниями правовых принципов, юридических конструкций, классификаций, не владеют понятийно-категориальным аппаратом юриспруденции, не имеют юридического мышления и достаточных профессиональных компетенций, не знают особенностей российской юридической
6 Впервые в журнале: The Behavioral and Brain Sciences. 1980. № 3. P. 417-424.
СёрльДж. Сознание, мозг и программы / пер. А. Л. Блинова // URL: https://gtmarket.ru/library/articles/6661 (дата обращения: 04.07.2022).
теория права
практики7, что может повлечь неадекватность представлений разработчика об особенностях конкретной юридической ситуации, а также возможность субъективной ошибочной интерпретации правовой информации. Недостаточность квалификации может привести к появлению «грязного» датасета, содержащего неверно размеченные примеры, что, в свою очередь, обусловит некорректную работу нейронной сети при дальнейшем использовании в юридической практике. Кроме того, дополнительным препятствием для машинного обучения юридических нейронных сетей, созданных отечественными разработчиками, является отсутствие возможности полноценного использования иностранных датасетов, не отражающих особенностей российской правовой системы в целом, а также особенностей российского законодательства и правоприменительной, правоинтерпретацион-ной и правореализационной практик.
На важность формирования датасетов для обучения нейросетей, предназначенных для использования в юридической практике, уже обратили внимание и юристы-практики, и отечественные правоведы. Так, на прошедшем в Санкт-Петербурге юридическом форуме в рамках экспертной сессии по искусственному интеллекту АНО «Цифровая экономика» были обсуждены проблемы формирования датасетов, содержащих общедоступную информацию. Была подчеркнута ведущая роль государства в процессе создания датасетов и обеспечения доступа к ним: «Возможность создать единую фабрику данных делает государство уникальным оператором, который имеет в своем распоряжении практически неограниченное количе-
ство датасетов и их комбинаций»8. Эти датасеты смогут стать базой для машинного обучения нейросетей, отметили в Минцифре РФ.
Получение же качественного юридического отечественного датасета с последующим машинным обучением нейронной сети приблизит нас к построению искусственного интеллекта, с помощью которого можно, например, автоматизировать формулирование и проверку гипотез, анализировать судебные материалы и предсказывать исход гражданских и уголовных дел. Так, И. И. Черных полагает, что нейронные сети могут эффективно использоваться в работе судов, так как они обрабатывают «информацию, не лишенную субъективного элемента»9.
Следует заметить, что машинное обучение нейронной сети и искусственный интеллект часто отождествляют между собой, хотя это не совсем верный подход. Различие между машинным обучением и искусственным интеллектом заключается в том, что последний представляет собой гораздо более широкую область информационных технологий, частью которой, пусть и очень существенной, являются нейронные сети10. В качестве примера можно привести шахматный суперкомпьютер Deep Blue, разработанный компанией IBM, который в 1997 г. обыграл чемпиона мира Г. Каспарова. Аппаратная часть суперкомпьютера включала в себя 480 микропроцессоров, каждый из которых перебирал от 2 до 2,5 млн шахматных позиций в секунду. Программная часть вела расчет на несколько ходов вперед, для выбора окончательного хода использовалась оценочная функция11. В суперкомпьютере Deep Blue, который считается одной из первых реализаций
7 Постный И. Искусственный интеллект в области юриспруденции // Хабр. 09.06.2020. URL: https://habr. com/ru/post/506086/ (дата обращения: 04.07.2022).
8 Минцифры разработает концепцию доступа к госданным // Право. Новости. Практика. 2021. 18 мая. URL: https://pravo.ru/news/231679/?desc_search= (дата обращения: 04.07.2022).
9 Черных И. И. Правовое прогнозирование в сфере гражданского судопроизводства в условиях развития информационных технологий // Актуальные проблемы российского права. 2019. № 6 (103). С. 58-72. С. 66.
10 McClelland С. The Difference Between Artificial Intelligence, Machine Learning, and Deep Learning // loT for all. 2017. 4 Dec. URL: https://medium.com/iotforall/the-difference-between-artificial-intelligence-machine-learning-and-deep-learning-3aa67bff5991 (дата обращения: 04.07.2022).
11 Feng-hsiung Hsu. Behind Deep Blue — Building the Computer that Defeated the World Chess Champion. Princeton University Press, 2004. 328 p.
искусственного интеллекта, не использовались нейронные сети, он не обучался в ходе своей работы, в нем был реализован лишь перебор возможных решений на основе стандартных алгоритмов. Недостаточность алгоритмического подхода и необходимость машинного обучения проявились при создании суперкомпьютера для игры в го на доске 19 х 19 линий. Неэффективность применения алгоритмов перебора решений была обусловлена их большим количеством, экспоненциально растущим с развитием партии. Если в шахматах существует 20 возможных вариантов первого хода в начальной позиции, а после четвертого полухода число возможных позиций оценивается как 100 000 вариантов, то в игре го при 55 вариантах начального хода после четвертого полухода насчитывается уже 16 млрд возможных позиций12. В 2015 г. компанией Google DeepMind была разработана программа AlphaGo, которая была полностью основана на машинном обучении многоуровневых нейронных сетей. Программа искусственного интеллекта анализировала сыгранные ранее партии профессиональных игроков и, основываясь на накопленном опыте, сама принимала решение при выборе очередного хода. Еще более продвинутой версией является программа AlphaGo Zero, представленная теми же разработчиками в 2017 г. В данной версии вообще не использовались партии, ранее сыгранные профессионалами, а в качестве базового обучения нейронной сети сообщались лишь правила игры в го. Далее программа искусственного интеллекта играла сама с собой, анализируя полученный опыт. После 21 дня обучения программа AlphaGo Zero достигла уровня предыдущих версий, а к 40-му дню превзошла их, обыграв со счетом 89:11 программу AlphaGo Master13.
Несмотря на очевидную полезность и эффективность компьютерных программ, способных имитировать некоторые когнитивные функции человека в определенной предметной области, ценность слабого искусственного интеллекта состоит лишь в предоставлении широких средств и возможностей для изучения сознания.
Сильный искусственный интеллект не является средством изучения сознания, поскольку он сам может быть отождествлен с сознанием, а значит, компьютер с заложенной программой сильного искусственного интеллекта способен к пониманию и когнитивной деятельности. Кроме того, в качестве свойств сильного искусственного интеллекта могут рассматриваться восприимчивость к окружению, осознание себя как субъекта, принятие решений в условиях неопределенности и т.д.
В научной литературе встречается точка зрения, что существует третий тип искусственного интеллекта — суперинтеллект. Шведский философ Ник Бостром рассматривает его как разум высшего порядка, который значительно превосходит когнитивные способности человека практически во всех областях14. Развивая в работе «Искусственный интеллект. Этапы. Угрозы. Стратегии» свою мысль, шведский автор приходит к выводу, что «машины, наделенные сверхразумом, будут способны к разработке и конструированию еще более мощных машин. Таким образом, человеческий разум окажется отброшен далеко назад»15. Н. Бостром в своих работах поднимает проблему открытости разработки сильного искусственного интеллекта и суперинтеллекта, считая, что открытость может существенно повысить скорость совершенствования данной технологии, а это повлечет за собой утрату человеком контроля над искусственным интеллектом. Но этого нельзя допустить,
12 Silver D., Hassabis D. AlphaGo: Mastering the ancient game of Go with Machine Learning // Google Research Blog. 2016. 27 Jan. URL: https://ai.googleblog.com/2016/01/alphago-mastering-ancient-game-of-go.html (дата обращения: 04.07.2022).
13 Mastering the game of Go without human knowledge // Nature. 2017. 19 October. Vol. 550. No. 7676. P. 354359. URL: https://www.nature.com/articles/nature24270 (дата обращения: 04.07.2022).
14 Бостром Н. Искусственный интеллект. Этапы. Угрозы. Стратегии / пер. с англ. С. Филина. М. : Манн, Иванов и Фербер, 2016. С. 149.
15 Бостром Н. Указ. соч. С. 18.
поскольку некоторые области применения искусственного интеллекта «вызывают особую озабоченность (включая военное применение, приложения для социального контроля и системные риски, связанные с возросшей зависимостью от сложных автономных процессов), и они должны обсуждаться соответствующими заинтересованными сторонами и контролироваться»16 компетентными органами, поэтому открытость должна быть характерна прежде всего для разработок в области контроля за развитием искусственного интеллекта. На закономерный вопрос: «Что делать?» — автор отвечает, что «нам следует сосредоточить силы на проблемах не просто важных, но неотложных в том смысле, что их нужно разрешить раньше, чем произойдет взрывное развитие интеллекта»17. Нужно прежде всего оставаться людьми, считает Бостром, сам того не замечая, приходя к выводу, который был сформулирован еще Платоном, что управлять должны лучшие, ученые, носители лучших человеческих качеств. У него даже один из последних параграфов называется «Всё лучшее в человеческой природе — шаг вперед!». Заканчивает Бостром свое исследование выводом, что «высший этический приоритет имеют такие вопросы, как снижение экзистенциального риска и выход на цивилизационную траекторию, которая ведет к лучшему исходу — на благо всего человечества»18.
Данный подход можно отнести к футуристическим вопросам в теории искусственного интеллекта, его возможному развитию в будущем.
Несмотря на активную деятельность ведущих научных лабораторий и многочисленные исследования ученых, на сегодня не известно ни одной реально существующей и использующейся на практике системы сильного искусственного интеллекта. В то же время отсутствуют доказательства того, что создание такой системы невозможно. Согласно проведенному в 2015 г. опросу ведущих мировых разработчиков, появление системы сильного искусственного интеллекта возможно не ранее чем через 45-50 лет19. Это дает возможность человечеству подготовиться к таким кардинальным изменениям, оценив все риски создания искусственного суперинтеллекта и выработав конкретные предложения по их минимизации и надежному контролю за развитием технологий, основываясь прежде всего на гуманистических и морально-этических нормах и ценностях. Например, технология Quixote, разработанная директором Лаборатории интеллектуальных развлечений Технологического института Джорджии Марком Ридлом и его коллегой Брентом Харрисоном, учит роботов, как вести себя при взаимодействии с людьми, и является частью более масштабного проекта по внедрению системы этических ценностей в искусственный интеллект. Исследователи, используя Quixote, оснастили искусственный интеллект множеством поучительных рассказов, которые позволяют ему сформировать представления об общепринятых социальных нормах20.
В настоящее время не существует эффективного способа оценки степени развития искус-
16 Bostrom N. Strategic Implications of Openness in AI Development / Future of Humanity Institute, University of Oxford, Oxford, United Kingdom // Global Policy. 2017. 9 February. P. 10. URL: https://nickbostrom.com/ papers/openness.pdf (дата обращения: 04.07.2022).
17 Бостром Н. Указ. соч. С. 386.
18 Бостром Н. Указ. соч.
19 Experts Predict When Artificial Intelligence Will Exceed Human Performance // MIT Technology Review. 2017. 31 May. URL: https://www.technologyreview.com/2017/05/31/151461/experts-predict-when-artificial-intelligence-will-exceed-human-performance/ (дата обращения: 04.07.2022).
20 Riedl M. O., Harrison B. Using Stories to Teach Human Values to Artificial Agents // Georgia Tech. 2016. 12 Feb. URL: https://faculty.cc.gatech.edu/~riedl/pubs/aaai-ethics16.pdf (дата обращения: 04.07.2022) ; Quixote — технология, способная снабдить искусственный интеллект общепринятыми моральными принципами // Информационные технологии / Робототехника. 2016. 25 февраля. URL: https://dailytechinfo.org/infotech/ 7863-quixote-tehnologiya-sposobnaya-snabdit-iskusstvennyy-intellekt-obscheprinyatymi-moralnymi-principami. html (дата обращения: 04.07.2022).
ственного интеллекта. «Эталоном междисциплинарных дискуссий по изучению базовых принципов создания, функционирования и применения в обществе компьютеров, которым приписывается (атрибутируется) "интеллект", принято считать тест Тьюринга»21. Но даже разные варианты теста Тьюринга оценивают лишь способность к имитации человеческого поведения, но не наличие у машины интеллекта22.
Проанализируем системы искусственного интеллекта в юридической сфере. Как уже отмечалось выше, на практике используются только системы слабого искусственного интеллекта, способные к решению задач в узких и заранее ограниченных областях человеческой деятельности. Практически каждый человек уже имел опыт общения с такими системами, в частности с виртуальными собеседниками (чат-ботами) при работе в банковских и прочих сервисных приложениях, с системами распознавания лиц и отпечатков пальцев. Кроме того, слабый искусственный интеллект применяется в сфере управления беспилотными автомобилями, финансовой сфере, медицине и т.д. Все подобные системы представляют собой компьютерную реализацию алгоритмов, заранее заложенных разработчиками. Ряд таких интеллектуальных систем имеет функцию самообучения, основанную на использовании программных возможностей и средств современных нейронных сетей.
Актуальной темой научных исследований, на наш взгляд, является анализ проблемы использования систем искусственного интеллекта в юридической практике, которое может быть рассмотрено как разновидность правовой технологии. Использование искусственного интеллекта в юридической практике может быть отнесено к правовым технологиям в случае, если конечной целью его применения является достижение конкретного правового результата.
При этом можно выделить различные классификации правовых технологий. Например, по
сферам юридической деятельности можно говорить о правотворческих правовых технологиях (технологиях законотворчества и технологиях подзаконного правотворчества), правосисте-матизационных правовых технологиях, право-интерпретационных технологиях, правореализа-ционных и правоприменительных технологиях.
В зависимости от используемых субъектом — правовым технологом — средств можно классифицировать правовые технологии на три вида. Во-первых, правовые технологии, в которых используются собственно специально-юридические средства (правовые нормы, юридические факты, акты реализации и применения права, юридические конструкции, регулятивные модели, правовые понятия и др.). Во-вторых, правовые технологии, при осуществлении которых используются неюридические средства (например, компьютерные технологии). В-третьих, правовые технологии, связанные с использованием смешанных средств (и специально-юридических, и неюридических) для достижения правового результата.
К последним и будет относиться использование систем искусственного интеллекта в юридической практике, так как в этом случае, с одной стороны, применяются цифровые технологии, с другой стороны, использование этих цифровых технологий урегулировано правовыми нормами, то есть применены технологии правового регулирования, в частности технологии правотворчества, в которых использованы легальные дефиниции понятий «искусственный интеллект», «технологии искусственного интеллекта» и др., юридическая конструкция правоотношения, модели нормативного регулирования общественных отношений, связанных с использованием искусственного интеллекта, правовая технология экспериментального правового режима.
Таким образом, сам искусственный интеллект, используемый в юридической практике,
21 Алексеев А. Ю. Философия искусственного интеллекта: концептуальный статус комплексного теста Тьюринга : дис. ... д-ра филос. наук. М., 2015. С. 9.
22 Малышева Д. С., Касимов А. В. Технические и философские основания для создания сильного искусственного интеллекта (ч. I) // Вестник Пермского национального исследовательского политехнического университета. Культура. История. Философия. Право. 2016. № 3. С. 77.
не является правовой технологией, выступая в качестве цифровой, информационной технологии, но его использование субъектами права для достижения определенного правового результата может быть рассмотрено как правовая технология.
Исследуем, опираясь на отечественный и зарубежный опыт, конкретные примеры использования современных систем искусственного интеллекта, применяемых в юридической практике.
В сентябре 2021 г. международная ассоциация юристов IBA (International Bar Association) опубликовала отчет, в котором юридические организации различных стран дали ответы на вопросы, касающиеся практического применения систем искусственного интеллекта в собственных юрисдикциях23. Английский юрист Трэйси Кэлверт, президент консультационной фирмы Oakalls Consultancy, выделила шесть направлений, в которых задействованы интеллектуальные системы: автоматизация юридической практики, правовое прогнозирование, конструирование юридических документов, юридические исследования и аналитика, распознавание голоса и роботизированные системы общения (чат-боты). Использование систем искусственного интеллекта во всех областях, за исключением чат-ботов, контролируется организацией SRA (Solicitors Regulation Authority). Отметим, что основным аргументом целесообразности применения систем искусственного интеллекта, с позиции английского юриста, считается в первую очередь удешевление процессов обработки юридических документов и экономия времени адвокатов и клиентов. Юридические компании могут работать на более высоком уровне с точки зрения производительности и эффективности.
Всё большее распространение получают программные средства семантического анализа с использованием искусственного интеллекта. Так, например, программная платформа Leverton позволяет анализировать тексты договоров и извлекать из них ключевые данные с целью их дальнейшего структурирования. При этом исходная информация может быть представлена в различных формах: рукописной, печатной, графической и т.д. Средствами искусственного интеллекта при анализе исходных данных являются алгоритмы оптического распознавания текстов, методы обработки естественного языка и определения структуры грамматического синтаксиса, методы распознавания образов. Технологии искусственного интеллекта платформы Leverton используются для автоматизации обработки информации о сделках по аренде недвижимости, сверки счетов, анализа текстов контрактов при подготовке к переговорам о заключении договоров, при проведении комплексных проверок, связанных с реорганизацией юридических лиц, с проверкой благонадежности компании, для проверки соблюдения нормативных требований при проверке текстов договоров24.
Программная платформа Luminance, обладая мощными средствами семантического анализа, позволяет автоматизировать анализ юридических документов с целью выявления существенной юридически значимой информации и установления каких-либо аномалий. В данной системе искусственного интеллекта используется машинное обучение на основе нейронных сетей25. Для ускорения процесса проверки договоров, повышения его эффективности и рентабельности используются технологии, разработанные Diligen, которые помогают определить существенные условия договора, облегчают
23 Guidelines and Regulations to Provide Insights on Public Policies to Ensure Al's Beneficial Use as a Professional Tool // International Bar Association: the global voice of the legal profession. 2022. 17 June. URL: https://www. ibanet.org/PPID/Constituent/Multi-displry_Pract/anlbs-ai-report (дата обращения: 04.07.2022).
24 Leverton. An MRI software company // URL: https://leverton.ai/product/#technology (дата обращения: 04.07.2022).
25 Luminance. Al-Powered Legal Process Automation // URL: https://www.luminance.com/overview.html (дата обращения: 04.07.2022).
процесс анализа их текстов для осуществления юридической экспертизы, проведения аудита, лучшей систематизации договоров компании26.
Программная разработка ROSS Intelligence упрощает поиск нормативных правовых актов и судебных дел, при этом запрос программа принимает на обычном, разговорном языке, используя для дальнейшего поиска алгоритмы распознавания речи и логические связи27.
В качестве примера робота-юриста с использованием искусственного интеллекта можно привести программу DoNotPay, которая может обжаловать штрафы за парковку, подавать мелкие иски в суд, например за задержку или отмену рейса. Разработчики данного продукта выпустили и его мобильную версию, призывая «бороться с бюрократией одним нажатием кнопки»28.
Одним из лидеров среди стран в области цифровизации права является Китай. C 2013 г. в КНР стали активно развиваться интеграция интернет-технологий в судебный процесс, проведение судебных процедур в онлайн-режиме, поддержка участников процесса программными средствами, использующими искусственный интеллект29. Так, компьютерная программа FaXiaotao на основе заданных фактов анализирует похожие судебные дела, систематизирует вынесенные решения и рассчитывает вероятность выигрыша по данному делу. Кроме того, функционал данной программы позволяет оказывать юридические консультации и находить клиенту на начальной стадии судебного про-
цесса адвокатов, специализирующихся в определенной области30.
Поскольку технологический прогресс в области искусственного интеллекта становится актуальной темой во всем мире, люди задаются вопросом, окажет ли развитие искусственного интеллекта влияние на правовую систему?31 В настоящее время технологии искусственного интеллекта могут не только помогать юристам в их деятельности, но в определенных случаях заменять работу юристов. В ряде провинций Китая используется программа «Мобильный микросуд», включающая в себя такие возможности, как онлайн-подача документов, проведение судебных заседаний в удаленном формате. Это значительно сокращает временные и финансовые затраты на проведение судебных заседаний, ограничивает физическое взаимодействие субъектов процесса, что имеет большое значение в период пандемии и карантинных мер. В то же время нельзя не отметить, что при общении в виртуальном пространстве нивелируется ряд факторов, присущих традиционным судебным заседаниям, например невербальное поведение обвиняемого и свидетелей, которое могло бы в какой-то степени повлиять на мнение судьи, присяжных заседателей.
Во многих странах программы искусственного интеллекта используются в деятельности полиции. Например, технология распознавания лиц широко применяется в общественных местах, на транспортных узлах, таких как аэропорты, вокзалы, станции метрополитена. Они могут
26 Diligen. Machine Learning Powered Contract Analysis // URL: https://www.diligen.com/ (дата обращения: 04.07.2022).
27 Rossintelligence. Legal research software made for fast and in-depth research // URL: https://rossintelligence. com/features (дата обращения: 04.07.2022).
28 DoNotPay — The World's First Robot Lawyer // URL: https://donotpay.com/ (дата обращения: 04.07.2022).
29 Непейвода Н. Правосудие на кончиках пальцев: опыт КНР // Закон.ру. Первая социальная сеть для юристов. 2020. 2 мая. URL: https://zakon.ru/blog/2020/5/2/pravosudie_na_konchikah_palcev_opyt_knr_83633 (дата обращения: 04.07.2022).
30 LuXinshe. The legal robot is here! «Fa Xiaotao» on-site Miaoshou lawyer shocked the audience // URL: https:// www.programmersought.com/article/60525400581/ (дата обращения: 04.07.2022).
31 Li J., Liu U., Yue L., Jin F., Xu Q., Xu C. Artificial Intelligence Governed by Laws and regulations // Reconstructing Our Orders: Artificial Intelligence and Human Society / ed. D. Jin. Shanghai : Shanghai University Press, Springer, 2019. 7 May. P. 64.
автоматически захватывать динамические изображения лиц, сравнивать их с изображениями в базах данных правоохранительных органов. Такие компьютерные программы играют важную роль в деятельности органов следствия, прокуратуры, полиции, службы безопасности, службы исполнения наказаний. Примером компьютерной программы на основе машинного обучения является система PredPol32, используемая в деятельности полиции США. Программа выдает прогноз о месте, времени и характере возможных преступлений. Благодаря прогнозным данным, полиция может увеличить количество патрульных нарядов в определенных точках города. PredPol рассматривается как правоохранительная технология и находится в топ-100 среди правительственных технологий (GovTech)33. Цель PredPol с самого начала заключалась в том, чтобы помочь правоохранительным органам снизить уровень виктимизации путем выявления и патрулирования районов, где наиболее вероятно совершение определенных видов преступлений, и в то же время защищать неприкосновенность частной жизни и гражданские права жителей этих сообществ. Сравнительно недавно данная программа была усовершенствована и на ее основе разработана программа Geolitica. Она позволяет реализо-вывать правоохранительную технологию Data-Driven Approaches to Crime and Traffic Safety (DDACTS), использующую сформированные базы данных о времени и местоположении ранее совершенных преступлений для снижения уровня преступности и дорожно-транспортных происшествий34.
В Российской Федерации Министерство внутренних дел так же активно работает над проблемой использования искусственного
интеллекта в деятельности правоохранительных органов. Например, одна из программ будет нацелена на поиск серийных убийц и подозреваемых на основе анализа биоматериалов, полученных на месте преступления. Российская компания — разработчик программного обеспечения в области нейронных сетей NTechLab создала для распознавания лиц систему FindFace SDK. Она уже продемонстрировала свою эффективность: в 2019 г. полицией Татарстана при помощи данной системы было задержано 11 лиц, совершивших преступления. FindFace использовалась на чемпионате мира по футболу 2018 г., где с помощью нее было поймано около 200 правонарушителей, и в Российском павильоне на Экспо-2020 в Дубае. Сейчас технологии NTechLab помогают создавать безопасную городскую среду в столице, Санкт-Петербурге, Альметьевске (Татарстан) и Рязани. Система FindFace является частью системы «Безопасный город» в Москве, она позволяет обеспечить безопасность массовых мероприятий, транспортную безопасность, розыск правонарушителей, розыск людей, пропавших без вести35.
Компания NtechLab в 2021 г. признана мировым лидером по результатам независимого тестирования, проведенного Национальным институтом стандартов и технологий (США)36.
В качестве средства автоматизации работы юристов можно привести и программную разработку российских исследователей Casebook, предназначенную для мониторинга судебных дел и проверки контрагентов. Данная система объединяет информацию обо всех участниках судебных дел, информационные базы арбитражных судов и судов общей юрисдикции и обладает набором функций по поиску, мони-
32 PredPol. The Predictive Policing Company // URL: www.predpol.com (дата обращения: 04.07.2022).
33 PredPol Named to GovTech100 List for 5th Straight Year // PredPol. 2020. 14 Jan. URL: https://blog.predpol. com/predpol-named-to-govtech100-list-for-5th-straight-year (дата обращения: 04.07.2022).
34 Using Geolitica to Implement DDACTS // Geolitica. 2022. 11 May. URL: https://geolitica.com/blog/using-geolitica-to-implement-ddacts/ (дата обращения: 04.07.2022).
35 Ntechlab. Платформа мультиобъектной видеоаналитики // URL: https://ntechlab.ru/ (дата обращения: 04.07.2022).
36 Tadviser Government. Business. IT. Company: NtechLab // URL: https://tadviser.com/index.php/ Company:NtechLab_(NtehLab) (дата обращения: 04.07.2022).
торингу, анализу и тематическому обобщению этих данных37.
Компанией «Гарант» разработан автоматизированный сервис «Сутяжник», который позволяет найти необходимую судебную практику по интересующему пользователя вопросу. Согласно утверждениям разработчиков, сервис создан на основе технологий LegalTech и является уникальной разработкой на рынке38. Аналогичным функционалом обладает система «Правобот», использующая для подбора судебной практики ключевые слова или фрагменты текста39.
Среди технологий слабого искусственного интеллекта, которые используются в российской правовой системе, можно назвать следующие:
1) технологии, позволяющие создавать правовые документы нормативного и индивидуального характера (конструкторы документов40, функционирующие на базе типовых договоров, доверенностей, нормативных правовых актов и др., которые неизбежно требуют вмешательства юриста, поскольку только он сможет учесть особенности регулируемой правовой ситуации субъектного, объектного или содержательного характера);
2) технологии проверки данных о физических и юридических лицах, которые позволяют собрать информацию из общедоступных публичных реестров41 (ЕГРЮЛ, ЕГРИП, Федресурс и др.), например сервис «Прозрачный бизнес» позволяет получить комплексную информацию о налогоплательщике42;
3) технологии, используемые справочными правовыми системами для сбора информации о судебной практике и действующих нормативных правовых актах, основанные на лингвистическом поиске по ключевым словам, фразам (СПС «КонсультантПлюс», «Гарант», «Кодекс»);
4) технологии электронного документооборота (автоматизированная система судебного делопроизводства Верховного Суда РФ, автоматизированная система протоколирования «Фемида» и др.);
5) технологии, основанные на теории распознавания образов, используемых в правоохранительной деятельности;
6) технологии, используемые в государственных автоматизированных системах для осуществления права граждан участвовать в управлении делами общества (ГАС «Выборы», ГАС «Управление»);
7) технологии, используемые для функционирования правовых порталов(официальный интернет-портал правовой информации, портал государственных услуг);
8) экспертные правовые системы (например, ЭС «Блок», ЭС «Автоэкс»);
9) технологии государственного контроля за деятельностью субъектов права (например, в ФНС РФ используется технология АСК «На-лог-3»43, основанная на применении искусственного интеллекта. Данная технология позволяет контролировать движение средств между счетами юридических и физических лиц);
37 Casebook — система для мониторинга судебных дел и проверки контрагентов // URL: https://help.casebook. ru/?cat=5 (дата обращения: 04.07.2022).
38 Аналитическая система «Сутяжник». Робот-помощник для юриста // URL: http://sutyazhnik.garant.ru/ (дата обращения: 04.07.2022).
39 Правобот. Онлайн-сервис для поиска судебной практики // URL: https://pravo-bot.ru/ (дата обращения: 04.07.2022).
40 Например, конструктор правовых документов СПС «Гарант» // URL: https://garant-pr.ru/LegalTech/kpd/ (дата обращения: 04.07.2022).
41 Постный И. Указ. соч.
42 Сервис «Прозрачный бизнес» ФНС РФ // URL: https://pb.nalog.ru/?from=blog_uprav_article (дата обращения: 04.07.2022).
43 Приказ ФНС России от 14.03.2016 № ММВ-7-12/134 «Об утверждении Положения об автоматизированной информационной системе Федеральной налоговой службы (АИС "Налог-3")» // URL: http://www. consultant.ru/document/cons_doc_LAW_195780/ (дата обращения: 04.07.2022).
10) технологии, позволяющие осуществлять правовую коммуникацию между субъектами права (модульная многопользовательская платформа для аппарата суда и участников судопроизводства «Судебный портал», ГАС «Правосудие», технологии видео-конференц-связи и др.).
С учетом рассмотренного можно сделать вывод, что сегодня на рынке программных средств, использующих искусственный интеллект, представлены и успешно применяются в юриспруденции уже достаточно много разработок, обладающих различным функциональным назначением. Международный и отечественный опыт однозначно указывает на то, что будущее в юриспруденции связано с такими системами. Возможно, через несколько лет профессия юриста трансформируется. В частности, ряд рутинных задач, связанных с поиском, анализом и систематизацией информации, уже осуществляют справочные информационные правовые системы, что позволяет юристам сосредоточиться на задачах более высокого уровня, таких как ведение переговоров, присутствие в суде, консультирование клиентов, решение творческих задач. Однако использование самых мощных компьютеров с обученными нейронными сетями и искусственным интеллектом не заменит полностью работу юриста. Способность искусственного интеллекта выполнять какие-то узкие, дискретные задачи ни в коей мере не заменит опыт, навыки, творческий подход, эмоциональный интеллект профессионального юриста.
Таким образом, использование искусственного интеллекта субъектами права для достижения определенного правового результата можно рассматривать в качестве правовой технологии. Ее ценность заключается именно в сочетании эффективности приложений искусственного интеллекта с творческими профессиональными возможностями юриста.
В качестве направлений дальнейшего изучения проблем использования искусственного интеллекта в юридической практике можно обозначить вопросы ответственности, которые неизбежно возникают при принятии решений, влекущих юридически значимый результат: открытым остается вопрос о степени ответственности за действия, совершенные искусственным интеллектом. Каким образом разграничивается ответственность между разработчиком программы и пользователем? Нужно определиться, может ли нейронная сеть иметь правосубъектность, чтобы отвечать за свои действия, а также решить вопрос обеспечения защиты информации от незаконного доступа к ней44. Определенные наработки в этой области уже есть и в России, и в других странах. Необходимо обобщить этот опыт и использовать его при рассмотрении вопросов правового регулирования общественных отношений, связанных с использованием искусственного интеллекта при осуществлении различных видов юридической деятельности.
БИБЛИОГРАФИЯ
1. Алексеев А. Ю. Философия искусственного интеллекта: концептуальный статус комплексного теста Тьюринга : дис. ... д-ра филос. наук. — М., 2015. — 482 с.
2. Бостром Н. Искусственный интеллект. Этапы. Угрозы. Стратегии / пер. с англ. С. Филина. — М. : Манн, Иванов и Фербер, 2016. — 496 с.
3. Корнев А. В. Дигитализация права: проблемы и перспективы // Актуальные проблемы российского права. — 2019. — № 6. — С. 11-18.
4. Малышева Д. С., Касимов А. В. Технические и философские основания для создания сильного искусственного интеллекта (ч. I) // Вестник Пермского национального исследовательского политехнического университета. Культура. История. Философия. Право. — 2016. — № 3. — С. 75-85.
44 Яцуценко В. В. Проблемы и перспективы внедрения цифровых технологий в деятельность органов прокуратуры // Актуальные проблемы российского права. 2021. Т. 16. № 11 (132). С. 192.
5. Сёрль Дж. Сознание, мозг и программы / пер. А. Л. Блинова // URL: https://gtmarket.ru/library/ articles/6661 (дата обращения: 04.07.2022).
6. Черных И. И. Правовое прогнозирование в сфере гражданского судопроизводства в условиях развития информационных технологий // Актуальные проблемы российского права. — 2019. — № 6 (103). — С. 58-72.
7. Яцуценко В. В. Проблемы и перспективы внедрения цифровых технологий в деятельность органов прокуратуры // Актуальные проблемы российского права. — 2021. — Т. 16. — № 11 (132). — С. 187-193.
8. Bellman R. An Introduction to Artifical Intelligence: Can Computer Think? — San Francisco : Boyd and Fraster Publishing Company, 1978. — 146 p.
9. Bostrom N. Strategic Implications of Openness in AI Development / Future of Humanity Institute, University of Oxford, Oxford, United Kingdom // Global Policy. — 2017. — 9 February. — P. 1-14. — URL: https:// nickbostrom.com/papers/openness.pdf (дата обращения: 04.07.2022).
10. Feng-Hsiung Hsu. Behind Deep Blue — Building the Computer that Defeated the World Chess Champion. — Princeton : Princeton University Press, 2004. — 328 p.
11. Li J., Liu U., Yue L., Jin F., Xu Q., Xu C. Artificial Intelligence Governed by Laws and regulations // Reconstructing Our Orders: Artificial Intelligence and Human Society / ed. D. Jin. — Shanghai : Shanghai University Press, Springer, 2019. — P. 61-98.
12. Mastering the game of Go without human knowledge // Nature. — 2017. — 19 October. — Vol. 550. — No. 7676. — P. 354-359. — URL: https://www.nature.com/articles/nature24270 (дата обращения: 04.07.2022).
13. McClelland С. The Difference Between Artificial Intelligence, Machine Learning, and Deep Learning // IoT for all. — 2017. — 4 Dec. — URL: https://medium.com/iotforall/the-difference-between-artificial-intelligence-machine-learning-and-deep-learning-3aa67bff5991 (дата обращения: 04.07.2022).
14. Riedl M. O., Harrison B. Using Stories to Teach Human Values to Artificial Agents // Georgia Tech. — 2016. — 12 Feb. — URL: https://faculty.cc.gatech.edu/~riedl/pubs/aaai-ethics16.pdf (дата обращения: 04.07.2022).
15. Turing A. Computing machinery and intelligence // Mind. — 1950. — № 59. — P. 433-460.
16. Wiener N. Cybernetics: Or Control and Communication in the Animal and the Machine. — 2nd revised ed. — Paris : Hermann & Cie, Camb. Mass. (MIT Press), 1961. — 212 p.
Материал поступил в редакцию 8 июля 2022 г.
REFERENCES (TRANSLITERATION)
1. Alekseev A. Yu. Filosofiya iskusstvennogo intellekta: kontseptualnyy status kompleksnogo testa Tyuringa: dis. ... d-ra filos. nauk. — M., 2015. — 482 s.
2. Bostrom N. Iskusstvennyy intellekt. Etapy. Ugrozy. Strategii / per. s angl. S. Filina. — M.: Mann, Ivanov i Ferber, 2016. — 496 s.
3. Kornev A. V. Digitalizatsiya prava: problemy i perspektivy // Aktual'nye problemy rossijskogo prava. — 2019. — № 6. — S. 11-18.
4. Malysheva D. S., Kasimov A. V. Tekhnicheskie i filosofskie osnovaniya dlya sozdaniya silnogo iskusstvennogo intellekta (ch. I) // Vestnik Permskogo natsionalnogo issledovatelskogo politekhnicheskogo universiteta. Kultura. Istoriya. Filosofiya. Pravo. — 2016. — № 3. — S. 75-85.
5. Serl Dzh. Soznanie, mozg i programmy / per. A. L. Blinova // URL: https://gtmarket.ru/library/articles/6661 (data obrashcheniya: 04.07.2022).
6. Chernykh I. I. Pravovoe prognozirovanie v sfere grazhdanskogo sudoproizvodstva v usloviyakh razvitiya informatsionnykh tekhnologiy // Aktual'nye problemy rossijskogo prava. — 2019. — № 6 (103). — S. 58-72.
7. Yatsutsenko V. V. Problemy i perspektivy vnedreniya tsifrovykh tekhnologiy v deyatelnost organov prokuratury // Aktual'nye problemy rossijskogo prava. — 2021. — T. 16. — № 11 (132). — S. 187-193.
8. Bellman R. An Introduction to Artifical Intelligence: Can Computer Think? — San Francisco: Boyd and Fraster Publishing Company, 1978. — 146 p.
9. Bostrom N. Strategic Implications of Openness in AI Development / Future of Humanity Institute, University of Oxford, Oxford, United Kingdom // Global Policy. — 2017. — 9 February. — P. 1-14. — URL: https:// nickbostrom.com/papers/openness.pdf (data obrashcheniya: 04.07.2022).
10. Feng-Hsiung Hsu. Behind Deep Blue — Building the Computer that Defeated the World Chess Champion. — Princeton: Princeton University Press, 2004. — 328 p.
11. Li J., Liu U., Yue L., Jin F., Xu Q., Xu C. Artificial Intelligence Governed by Laws and regulations // Reconstructing Our Orders: Artificial Intelligence and Human Society / ed. D. Jin. — Shanghai: Shanghai University Press, Springer, 2019. — P. 61-98.
12. Mastering the game of Go without human knowledge // Nature. — 2017. — 19 October. — Vol. 550. — No. 7676. — P. 354-359. — URL: https://www.nature.com/articles/nature24270 (data obrashcheniya: 04.07.2022).
13. McClelland S. The Difference Between Artificial Intelligence, Machine Learning, and Deep Learning // IoT for all. — 2017. — 4 Dec. — URL: https://medium.com/iotforall/the-difference-between-artificial-intelligence-machine-learning-and-deep-learning-3aa67bff5991 (data obrashcheniya: 04.07.2022).
14. Riedl M. O., Harrison B. Using Stories to Teach Human Values to Artificial Agents // Georgia Tech. — 2016. — 12 Feb. — URL: https://faculty.cc.gatech.edu/~riedl/pubs/aaai-ethics16.pdf (data obrashcheniya: 04.07.2022).
15. Turing A. Computing machinery and intelligence // Mind. — 1950. — № 59. — P. 433-460.
16. Wiener N. Cybernetics: Or Control and Communication in the Animal and the Machine. — 2nd revised ed. — Paris: Hermann & Cie, Camb. Mass. (MIT Press), 1961. — 212 p.
