CC BY
83
УДК 343.13:343.98
DOI 10.36511/2078-5356-2020-1-89-95
Афанасьев Алексей Юрьевич Alexey Yu. Afanasyev
кандидат юридических наук, ученый секретарь ученого совета
Нижегородская академия МВД России (603950, Нижний Новгород, Анкудиновское шоссе, 3) candidate of sciences (law), scientific secretary of the academic council
Nizhny Novgorod academy of the Ministry of internal affairs of Russia (3 Ankudinovskoye shosse, Nizhny Novgorod, Russian Federation, 603950)
E-mail: [email protected]
Системы искусственного интеллекта в механизме уголовно-процессуального доказывания
Artificial intelligence systems in the mechanism of criminal procedure evidence
В статье последовательно обосновывается потенциал систем искусственного интеллекта в исследовании механизма уголовно-процессуального доказывания и при его реализации на практике. Автором выводится гипотеза «индивидуальности механизма уголовно-процессуального доказывания» и выстраивается для ее проверки способ применения экспертных систем.
The article consistently justifies the potential of artificial intelligence systems in the study of the mechanism of criminal procedure evidence and its implementation in practice. The author draws up the hypothesis of «individuality of the mechanism of criminal procedure proof» and builds up a method of application of expert systems for its verification.
Ключевые слова: системы искусственного интеллекта, экспертные системы, механизм уголовно-процессуального доказывания, предмет доказывания, средства доказывания, закономерности доказывания, функции уголовного процесса.
Keywords: artificial intelligence systems, expert systems, mechanism of criminal procedure evidence, subject of proof, means of proof, patterns of proof, functions of criminal proceedings.
Традиционные взгляды на обособленность наук давно уже стали анахронизмом. Нельзя назвать ни одной области научного знания, которая бы существовала изолированно. Если в прошлом веке казались немыслимыми идеи интеграции, например, некоторых технических и общественных наук, то сегодня это становится острой необходимостью. Современные тенденции складываются таким образом, что передовые компьютерные и информационные технологии внедряются во все сферы человеческой жизнедеятельности.
В последние годы на смену элементарным высокотехнологичным разработкам приходят системы искусственного интеллекта, которые обладают рядом преимуществ. Их отличают, во-первых, то, что они представляют собой направление разработки компьютерных функций,
связанных с человеческим интеллектом, таких как рассуждение, обучение и решение проблем; во-вторых, то, что с их помощью осуществляется перенос человеческих возможностей мыс-ледеятельности в плоскость компьютерных и информационных технологий, но уже без свойственных человеку пороков [1, с. 29].
Экономика, медицина, образование, наука, техника — это лишь малая часть тех сфер, где активно развиваются и применяются системы искусственного интеллекта.
В этом списке нашлось место и юриспруденции. Нынешнее состояние юридической науки и практики убедительно подтверждает ее готовность к всесторонним кардинальным изменениям.
Сегодня правовой сферой активно воспринимаются не только автоматизированные ин-
© Афанасьев А.Ю., 2020
формационно-поисковые системы, различные банки данных, информационные системы обработки данных, но и системы поддержки принятия решений, системы искусственного интеллекта, нейросети и т. д.
В частности, потенциал систем искусственного интеллекта неоднократно демонстрировался как в зарубежной, так и отечественной юридической практике. Речь идет не только об отдельных экспериментах по сравнению интеллекта юристов и искусственного интеллекта, но и об обширном использовании систем искусственного интеллекта в поиске, анализе, проверке и подготовке юридических документов, оценке правовых рисков, формировании правовых решений, а также рассмотрении правовых споров. Примеров таких множество. Лидерами в этом направлении можно обозначить США, Великобританию, Финляндию, Францию, Китай и т. д.
Д.О. МакГиннис, Р.Дж. Пирс выделяют 5 основных областей права, на которые системы искусственного интеллекта окажут наибольшее влияние в ближайшем будущем: поиск информации по обстоятельствам дела; поиск прецедентов; составление документов; подготовка материалов дела; прогнозирование исхода дела [2, с. 1235]. В действительности, будущее уже рядом. Например, в США системы по типу «Judicata», «BriefMine», «LawDepot» активно внедряются в юридическую сферу [2, с. 1230— 1250]. Они способны выполнять значительную часть работы по структурированию судебных прецедентов, систематизации и анализу судебных исков, формированию пакета юридических документов и т. д. При этом, алгоритмы, заложенные в их основе, могут представить интерес и для использования в отечественном праве.
В российской юридической практике такая тенденция также прослеживается. В последние годы всерьез обсуждаются проблемы обеспечения законотворческого процесса и правоприменительной деятельности системами искусственного интеллекта.
Так, совсем недавно, 19 сентября 2019 года, состоялась конференция Legal AI by OpenTalks, посвященная применению искусственного интеллекта в юридической практике, в рамках которой демонстрировались достижения различных компаний по разработке и внедрению таких систем в юридические процессы. В частности, были озвучены следующие:
— ПАО «Сбербанк России»: «робот-юрист», проводящий правовую экспертизу кредитной сделки и выдающий заключения;
— ПАО «Мегафон»: программа, выполняющая функции по созданию типовых договоров, формированию отзывов на типовые иски и перевод скан-копии счетов в формат копируемого текста;
— АО «Интерфакс»: сервис «СПАРК», рассчитывающий исковую нагрузку;
— ПАО «СИБУР Холдинг»: цифровой эксперт по договорам на платформе PolyAnalyst, избавляющий юристов от рутинных операций; и др. [3].
Указанные разработки свидетельствуют, с одной стороны, о том, что в настоящее время компании, стремящиеся к лидерству в своих сферах, не могут обходиться без технологиза-ции, автоматизации своей деятельности, в том числе при помощи систем искусственного интеллекта, а с другой — о том, что направления использования анализируемых систем в российской действительности в основном сводятся лишь к повышению экономических возможностей отдельный компаний.
Практически не разрабатываются проблемы использования систем искусственного интеллекта в реализации общественно значимых целей, в том числе в борьбе с преступностью. Несмотря на то что еще в конце прошлого века предпринимались попытки применения экспертных систем в деятельности по выявлению, раскрытию и расследованию преступлений [4; 5], к настоящему времени ощутимого продвижения в этом направлении не наблюдается. Хотя специфика криминальных проявлений, уровень преступности, а также показатели раскрываемости говорят о такой необходимости.
На сегодняшний день значительная часть совершаемых преступлений прямо или косвенно основывается на последних разработках науки и техники. Так, согласно официальным данным за 2018 год, преступлений, совершенных с использованием компьютерных и телекоммуникационных технологий, насчитывается 174 674 [6]. На этом фоне остаются крайне низкими основные показатели деятельности субъектов выявления, раскрытия и расследования преступлений. В частности, до 43% снизился общий уровень раскрываемости преступлений, а если говорить об обозначенной категории преступлений, то по данным 2018 года всего раскрыто 43 362, то есть 23% от общего количества преступлений, совершаемых с использованием указанных технологий [6].
Полагаем, в такой ситуации игнорирование возможностей современных компьютерных и информационных технологий, в особенности
систем искусственного интеллекта, выступает существенным упущением. Указанная позиция подкрепляется также тем, что отечественный уголовный процесс переживает не самые лучшие времена и содержит ряд неразрешаемых уже долгие годы проблем принципиального характера.
Здесь можно назвать такие, как:
— противоречия уголовно-процессуального закона и реальной уголовно-процессуальной деятельности;
— повышенная загруженность субъектов деятельности по выявлению, раскрытию и расследованию преступлений и суда;
— обвинительный характер уголовно-процессуальной деятельности;
— зависимое положение субъектов деятельности по выявлению, раскрытию и расследованию преступлений;
— слабый уровень подготовки правоприменителей;
— следственная и судебная волокита;
— коррупционные риски уголовно-процессуальной деятельности и уголовно-процессуального закона; и т. д.
Несмотря на то что все эти проблемы сами по себе формируют кризисное состояние уголовного процесса, они не являются исходными, не выступают системообразующими факторами. По большому счету они выступают следствием неверно выстроенной уголовно-процессуальной системы реализации функций уголовного процесса. Традиционная форма представления функциональной стороны уголовного процесса в виде функции обвинения, защиты и разрешения уголовного дела давно уже изжила себя. Полагаем, она не только не свидетельствует о наличии состязательности, но и лежит в основе всех сопутствующих проблем. Все это связано с тем, что возможности реализации любой из названных функций зависят, главным образом, от доступа к доказыванию и принятию решений в рамках уголовного судопроизводства, а не от конкретных полномочий обвинения, защиты и разрешения уголовного дела. Очевидно, что с этой точки зрения о равнозначности данных функций говорить не приходится.
Представление функциональной системы уголовного процесса двумя функциями — доказывания и принятия решений — относится к феномену самой функциональной природы человеческой деятельности. Предпосылки данной позиции можно обнаружить в работах П.К. Анохина, Н.М. Амосова, А.Н. Леонтьева и др. [7; 8, с. 5—61; 9—11]. Отрицание законов природы и
построение какой-либо системы без их учета служит основой для возникновения существенных противоречий не только в деятельности конкретных людей, но и в жизни общества и государства в целом. Рано или поздно такое отрицание проявит себя с негативной стороны, когда те или иные установленные правила станут «неправильными» в сознании общества, и произойдет их отторжение. Так и в уголовном процессе — существующий порядок требует кардинальных перемен. Однако следует учесть, что без установления закономерностей функционирования уголовного процесса любое изменение будет производиться вслепую. А это, как известно, чревато не менее разрушительными последствиями. В данных условиях исследование функций уголовного процесса и центрального компонента — механизма уголовно-процессуального доказывания — есть назревшая необходимость.
Бифункциональность означает, что объективно в человеческой деятельности сложилось двуединство: доказывание — решение. Тем самым нельзя решать судьбу уголовного дела (материалов дела) без доказывания, а доказывание бесцельно, если процессуальное решение не требуется. Обвинение и защита имеют одну и ту же функцию — доказывание. Различаются только задачи доказывания: одна сторона пытается сформировать систему обвинительных доказательств, а другая — систему оправдательных [12]. Эти же функции относятся и к суду, который и доказывает, и принимает решения.
Исключительность и единство данных функций, с одной стороны, позволяет сформировать единый уголовный процесс, в котором могут разрешиться принципиальные проблемы уголовно-процессуальной деятельности, исходящие от существующей системы функций, а с другой — заставляет рассматривать механизм уголовно-процессуального доказывания в качестве универсальной единицы.
Насколько же это возможно? Если по ряду признаков доказывание и выглядит однородной, одинаковой для всех случаев процедурой, то относительно механизма доказывания такая позиция становится невозможной. Это исходит из того, что не может быть идентичных механизмов преступления, следовательно, не может быть и универсальных механизмов доказывания. Механизм преступления определяет механизм доказывания, который, в свою очередь, направлен на установление первого.
Оговоримся, структурно механизм уголовно-процессуального доказывания при первом
приближении можно представить в следующем виде:
— объект доказывания;
— субъект доказывания;
— средства доказывания;
— доказательства;
— обстоятельства, подлежащие доказыванию;
— предмет доказывания.
Не вдаваясь в глубокий анализ структурных элементов механизма уголовно-процессуального доказывания, поскольку это есть предмет самостоятельного исследования, заметим, что ощутимое различие в наборе средств доказывания — следственных и иных процессуальных действий, следовательно, и в наборе доказательств, получаемых при их производстве, — можно обнаружить в зависимости от категории преступлений. На это мы уже указывали в ранее опубликованной статье [13]. Так, нами в качестве примера проводилось разграничение между общеуголовными и экономическими преступлениями — по специфике осмотра места происшествия, допроса и судебных экспертиз.
Также было установлено, что «...в преступлениях экономической направленности, как и, впрочем, общеуголовной, в свою очередь, может прослеживаться различный набор доказательств и средств для их получения по отдельным видам и группам преступлений» [13, с. 73]. Все это привело к следующим умозаключениям: доказывание даже одного и того же вида преступления в каждом случае будет различно по механизму; несмотря на строгое закрепление предмета доказывания и образующих его обстоятельств, подлежащих доказыванию, а также средств доказывания, различие будет проходить и по ним [13, с. 80].
Для усиления позиции приводились положения из работы Е.Н. Петухова, который при исследовании особенностей досудебного производства по уголовным делам, связанным с преступлениями в финансово-кредитной сфере, приблизился к крайне значимой закономерности, хотя ее дословно и не озвучил: у каждого преступления имеется своя уголовно-процессуальная характеристика, предполагающая свои обстоятельства, подлежащие доказыванию [14, с. 78].
Следовательно, в качестве гипотезы можно предложить следующее: если у каждого преступления собственный предмет и средства доказывания, то механизм уголовно-процессуального доказывания также индивидуален.
В данном случае, вероятно, общепринятые значения понятия «механизм» являются неуместными. Ни «внутреннее устройство ма-
шины, прибора, аппарата, приводящее их в действие», ни «система, устройство, определяющие порядок какого-нибудь вида деятельности» [15, с. 292] в качестве определений непригодны, поскольку не позволяют раскрыть истинный смысл механизма уголовно-процессуального доказывания.
В нашем случае крайне уместной и обоснованной выступает позиция А.А. Богданова, который «механизм» понимал по-своему: «...всякий раз, как в живом организме удается объяснить какую-нибудь его функцию, она уже рассматривается как "механическая". "Механическая сторона жизни" — это просто все то, что в ней объяснено. "Механизм" — понятая организация и только» [16, с. 137]. Отсюда: объяснение какой-либо функции живого организма и есть механизм. Тем самым «механизм. деятельности. не что иное, как функциональная сущность этой деятельности. механизм в целом — это и функция деятельности, и форма проявления функций» [17, с. 103]. Так же можно сказать и про механизм уголовно-процессуального доказывания, поскольку уголовный процесс справедливо можно признать «живым организмом» (динамичность, постоянное развитие и научные подходы подтверждают это [18]), и у уголовного процесса есть функции, которые следует объяснить — это функция доказывания и функция принятия решений.
Тем самым результат объяснения реализации указанных функций уголовного процесса позволит говорить о механизме уголовно-процессуального доказывания.
Здесь возникает резонный вопрос: а где же здесь место для систем искусственного интеллекта?
В данном случае системы искусственного интеллекта могут помочь решить две задачи: во-первых, проверка названной гипотезы и тем самым исследование механизма уголовно-процессуального доказывания; во-вторых, реализация механизма уголовно-процессуального доказывания на практике. В первом случае мы используем данные системы для исследования того, как объяснять реализацию функций, во втором — для самого объяснения реализации функций доказывания и принятия решений.
И в этой связи возникает острая необходимость работы с закономерностями механизма уголовно-процессуального доказывания. Требуется установить устойчивые, повторяющиеся связи между предметом доказывания и обстоятельствами, подлежащими доказыванию, между средствами доказывания и обстоятель-
ствами, подлежащими доказыванию, между доказательствами и средствами доказывания, между доказательствами и обстоятельствами, подлежащими доказыванию.
Указанные связи нельзя установить путем анализа научной литературы. Не представляется возможным это осуществить и на основе имеющегося уголовно-процессуального закона. Единственно верным и обоснованным является изучение под определенным исследовательским углом большого массива эмпирических данных. Речь идет о судебно-следственной практике по самым различным категориям преступлений, по количеству стремящейся к сотням тысяч и более уголовных дел и судебных решений. Это связано с тем, что на малых выборках надежность «больших данных» снижается [цит. по: 2, с. 1242].
Обычный исследователь или даже группа исследователей неспособны этого сделать ввиду большого объема; обычные компьютерные и информационные технологии также не могут этого реализовать в связи с необходимостью изучения уголовных дел и судебных решений по конкретно определенным параметрам:
— как влияет конкретное средство доказывания на установление конкретного обстоятельства, подлежащего доказыванию;
— как и какие доказательства образуют конкретное обстоятельство, подлежащее доказыванию;
— когда можно говорить, что обстоятельство, подлежащее доказыванию, установлено;
— в какой степени обстоятельства, подлежащие доказыванию, должны быть установлены, чтобы говорить о сформированности предмета доказывания;
— как взаимосвязаны средства доказывания с предметом доказывания?
Ответ на эти и схожие вопросы позволит говорить о наличии либо отсутствии конкретных закономерностей доказывания и, следовательно, позволит понять, как реализуется функция доказывания в уголовном процессе. Мы не согласны с тем, что «большие данные» показывают лишь корреляции, но не причинно-следственные связи [19]. Полагаем, что все зависит от верно выстроенной процедуры интерпретации результатов работы системы искусственного интеллекта. Разумеется, они (системы искусственного интеллекта) не будут отвечать именно на приведенные вопросы — это подвластно лишь самому исследователю-человеку, но они имеют достаточный потенциал, чтобы привести исследователя к таким ответам. Все
зависит от того, как ставить задачу перед, например, экспертной системой.
Одним из преимуществ экспертных систем выступает то, что они при правильной постановке задачи способны установить закономерности из базы знаний (база данных + правила вывода и информация о человеческом опыте и знаниях в некоторой предметной области).
Примерную структуру экспертной системы можно представить следующим образом:
— интерфейс пользователя;
— пользователь;
— интеллектуальный редактор базы знаний;
— эксперт;
— инженер по знаниям;
— рабочая (оперативная) память;
— база знаний;
— база данных;
— решатель (механизм логического вывода (МЛВ));
— подсистема объяснений.
Так, если сформулировать такую задачу, как «определить уголовные дела, по которым производился обыск, и как результаты обыска отразились на установлении вины, как обстоятельства, подлежащего доказыванию», то экспертная система должна обратиться в базу знаний (на основе имеющегося описания криминальной ситуации) и сопоставить, например, основную часть протокола обыска с обвинительным заключением с целью нахождения совпадения положений при описании вины. Тем самым обнаруживаются закономерности между средством доказывания и обстоятельством, подлежащим доказыванию.
Имеются и сложности:
— отсутствует полноценная база данных по уголовным делам и судебным решениям, хотя и имеются интернет-ресурсы, содержащие обширный объем судебных решений по уголовным делам (sudact.ru, судебныерешения.рф и др.);
— проблематично сформировать базу знаний, которая содержит не только фактические данные (из базы данных), но и набор инструкций, применяя которые к известным фактам можно получать новые факты;
— отсутствие специальных познаний в области искусственного интеллекта у ученых-процессуалистов, а также налаженного диалога с соответствующими специалистами;
— невозможность внедрения в отечественную юридическую практику зарубежного опыта по применению систем искусственного интеллекта без изначального перестроения правовой системы;
— наличие опасений перед искусственным интеллектом в силу неизученности, а также перед утратой монополии юристов.
Таким образом, можно сделать вывод: разработка и применение систем искусственного интеллекта в российской юридической практике происходит однонаправленно, без учета всего их потенциала. Нынешнее состояние деятельности по выявлению, раскрытию и расследованию преступлений, а также уровень подготовки представителей криминальной среды и характер совершаемых ими преступлений свидетельствует о необходимости оснащения субъектов доказывания и принятия решений по уголовному делу системами искусственного интеллекта. В уголовно-процессуальной деятельности не учитывается функциональная природа человека. В действительности, функции уголовного процесса сводятся к доказыванию и принятию решений. Объяснение реализации функции уголовно-процессуального доказывания приводит к установлению механизма уголовно-процессуального доказывания. Для установления закономерностей доказывания необходимо выявить устойчивые, повторяющиеся связи между доказательствами, средствами доказывания, обстоятельствами, подлежащими доказыванию, предметом доказывания и объектом доказывания. С этой целью требуется провести анализ большого массива эмпирических данных в виде судебно-следственной практики. Экспертные системы могут позволить это осуществить.
Примечания
1. Афанасьев А.Ю. Искусственный интеллект или интеллект субъектов выявления, раскрытия и расследования преступлений: что победит? // Библиотека криминалиста. Научный журнал. 2018. № 3. С. 28—34.
2. МакГиннис Д.О., Пирс РДж. Великий подрыв: как искусственный интеллект меняет роль юристов в оказании юридических услуг // Актуальные проблемы экономики и права. 2019. Т. 13. № 2. С. 1230—1250.
3. Эксперты обсудили применение искусственного интеллекта в юридической практике. URL: https://www.advgazeta.ru/novosti/eksperty-obsudili-primenenie-iskusstvennogo-mteNekta-v-yundicheskoy-praktike/ (дата обращения: 19.12.2019).
4. Баранов А.К., Бобрынин Н.Б., Степанов М.Г. Основы применения вычислительной техники в деятельности органов внутренних дел. Горький: ГВШ МВД СССР, 1987. 93 с.
5. Баранов А.К., Цветков С.И. Компьютерные системы поддержки принятия следователем тактических решений. М.: Академия МВД России, 1992. 112 с.
6. Состояние преступности в Российской Федерации за январь — декабрь 2018 года. URL: https:// мвд.рф/герс^Ле1Т|Л6053092/ (дата обращения: 19.12.2019).
7. Анохин П.К. Теория отражения и современная наука о мозге. М.: Знание, 1970. 46 с.
8. Анохин П.К. Принципы системной организации функций. М.: Наука, 1973.
9. Амосов Н.М. Искусственный разум. К.: Наукова думка, 1969. 156 с.
10. Амосов Н.М. Алгоритмы разума. К.: Наукова думка, 1979. 224 с.
11. Леонтьев А.Н. Деятельность. Сознание. Личность. 2-е изд. М.: Политиздат, 1977. 304 с.
12. Гончан Ю.А., Лубин А.Ф. Бифункциональность как принцип уголовного процесса // Юридическая наука и практика: Вестник Нижегородской академии МВД России. 2010. № 1. С. 99—104.
13. Афанасьев А.Ю. Восхождение к механизму уголовно-процессуального доказывания // Вестник Уфимского юридического университета МВД России. 2019. № 4 (86). С. 72—81.
14. Петухов Е.Н. Досудебное производство по уголовным делам, связанным с преступлениями в финансово-кредитной сфере: монография. Барнаул: Барнаульский ЮИ МВД России, 2003. 187 с.
15. Ожегов С.И. Толковый словарь русского языка: около 100 000 слов, терминов и фразеологических выражений / под ред. Л.И. Скворцова. 26-е изд., испр. и доп. М.: Изд-во Оникс; Изд-во Мир и Образование, 2010. 1375 с.
16. Богданов А.А. Тектология: всеобщая организационная наука: в 2 кн. М., 1989. Кн. 1. 351 с.
17. Лубин А.Ф. Механизм преступной деятельности. Методология криминалистического исследования. Н. Новгород: НЮИ МВД России, 1997. 280 с.
18. Уголовный процесс России. Проблемные лекции: учебное пособие (для студентов высших юридических учебных заведений) / науч. ред. В.Т. Томин, А.П. Попов и И.А. Зинченко. Пятигорск: РИА-КМВ, 2014. 412 с.
19. Marcus G., Davis E. Eight (No, Nine!) Problems with Big Data, N.Y. TIMES, 2014, Apr. 7.
References
1. Afanasyev A.Yu. Artificial intelligence or intelligence of subjects of detection, disclosure and investigation of crimes: what will win? Library of forensic science. Scientific magazine, 2018, no. 3, pp. 28—34. (In Russ.)
2. McGinnis D.O., Pierce R.J. The Great Subversion: How Artificial Intelligence Changes the Role of Lawyers in the Provision of Legal Services. Current Issues of Economics and Law, 2019, vol. 13, no. 2, pp. 1230—1250. (In Russ.)
3. Experts discussed the use of artificial intelligence in legal practice. URL: https://www.advgazeta.ru/novosti/
eksperty-obsudili-primenenie-iskusstvennogo-intelle-kta-v-yuridicheskoy-praktike/ (accessed 19.12.2019). (In Russ.)
4. Baranov A.K., Bobrinin N.B., Stepanov M.G. Basics of Computer Applications in the Activities of Internal Affairs Agencies. Gorky: Gorky higher school Ministry of Internal Affairs of the USSR Publ., 1987. 93 p. (In Russ.)
5. Baranov A.K., Tsvetkov S.I. Computer systems to support the investigator 's decision-making. Moscow: Academy of the Ministry of Internal Affairs of the Russian Federation Publ., 1992. 112 p. (In Russ.)
6. The state of crime in the Russian Federation for January — December 2018. URL: https://mvd.ru/reports/ item/16053092/ (accessed 19.12.2019). (In Russ.)
7. Anohin P.K. Reflection theory and modern brain science. Moscow: Znanie Publ., 1970. 46 p. (In Russ.)
8. Anohin P.K. Principles of system organization of functions. Moscow: Nauka Publ., 1973. (In Russ.)
9. Amosov N.M. Artificial mind. Kiev: Naukova Dum-ka Publ., 1969. 156 p. (In Russ.)
10. Amosov N.M. Algorithms of Mind. Kiev: Naukova Dumka Publ., 1979. 224 p. (In Russ.)
11. Leontyev A.N. Activity. Consciousness. Personality. The 2nd prod. Moscow: Politizdat Publ., 1977. 304 p. (In Russ.)
12. Gonchan Yu.A., Lubin A.F. Functionality as a Principle of Criminal Procedure. Legal Science and Practice: Journal of the Nizhny Novgorod Academy of the Ministry
of Internal Affairs of the Russian Federation, 2010, no. 1, pp. 99—104. (In Russ.)
13. Afanasyev A.Yu. Ascent ascension to the mechanism of criminal procedural proof. Journal of the Ufsk Law University of the Ministry of Internal Affairs of the Russian Federation, 2019, no. 4 (86), pp. 72—81. (In Russ.)
14. Petukhov E.N. Pre-trial proceedings in criminal cases related to crimes in the financial and credit sphere: monograph. Barnaul: Barnaul Law Institute of the Ministry of Internal Affairs of the Russian Federation Publ., 2003. 187 p. (In Russ.)
15. Ozhegov S.I. The interpreted dictionary of the Russian language: about 100 000 words, terms and phraseological expressions / under ed. L.I. Skvortsov. 26th ed., used and supplemented. Moscow: Onyx; Peace and Education Publ., 2010. 1375 p. (In Russ.)
16. Bogdanov A.A. Tectology: general organizational science: in 2 books. Moscow, 1989. Book 1. 351 p. (In Russ.)
17. Lubin A.F. Mechanism of Criminal Activity. Methodology of a criminalistic research. Nizhny Novgorod: Nizhny Novgorod of the Law Institute Ministry of Internal Affairs of Russia Publ., 1997. 280 p. (In Russ.)
18. Criminal proceedings of Russia. Problematic lectures: educational manual (for students of higher legal educational institutions) / research. ed. V.T. Tomin, A.P. Popov and I.A. Zinchenko. Pyatigorsk: RIA-Cauca-sus Mineralnye Vody region, 2014. 412 p. (In Russ.)
19. Marcus G., Davis E. Eight (No, Nine!) Problems with Big Data, N.Y. TIMES, 2014, Apr. 7.
