Искусственный интеллект. Этика и право

§ 3. Профессиональные судебные проблемы и ИИ

Ни для кого не секрет, что значительную роль в вынесении того или иного судебного решения даже в рамках англосаксонского права играет личность судьи. Адвокатские фирмы издавна занимались прогнозированием исхода дела в зависимости от состава суда. Эта деятельность была важнейшим элементом адвокатской работы задолго до появления ИИ. До появления ИИ адвокатские фирмы в основном анализировали прошлые дела того или иного судьи, и на основании этой информации пытались делать прогноз относительно решения текущего процесса. Также адвокатские фирмы в последние 10–15 лет разработали сложнейшие алгоритмы, сочетающие использование ИИ и человеческого экспертного анализа, для подбора присяжных в Суды присяжных.

Вполне очевидно, что появление ИИ позволяет резко повысить уровень аналитики и прогностики для адвокатов. В этом случае в оборот будут вовлекаться не только прежние решения судьи, но и исследоваться их корреляции со всеми мыслимыми и немыслимыми обстоятельствами, имеющими отношения к судьям, о которых имеется информация. Например, в конце 2018 г. в Соединенных Штатах Лаборатория ИИ Северо-восточного университета опубликовала результаты анализа ИИ факторов, влияющих на решения судей об условно-досрочном освобождении преступников, получивших относительно недолгие – до шести лет – сроки. К удивлению судебных работников, правоохранителей и самих исследователей, самым сильным фактором, обуславливающим отклонение в положительную сторону решений обусловно-досрочном освобождении, является фактор точного времени рассмотрения дела. Выяснилось, что в послеобеденные полтора часа число положительных судебных решений оказалось на 19 % больше, чем в среднем по дню. Ни один другой фактор не влиял на американских судей, как положительные эмоции от хорошего обеда. Вторым по значимости фактором является время и день недели. После обеда и до вечера в пятницу выносилось оправдательных приговоров на 12 % больше, чем в среднем. Первоначальная гипотеза исследователей состояла в том, что таковыми факторами станут молодой возраст подсудимых или наличие у женщин-подсудимых детей. Однако сколько-нибудь заметного влияния на решения эти факторы не оказали. Хороший обед и близость уикенда перевешивали у американских судей все остальные факторы.

Понятно, что чистая прогностика никого не интересует и главный смысл состоит в том, чтобы найти уязвимости в характере, профессиональных навыках или стиле ведения процесса у судей, и использовать их в интересах подзащитных. Представляется, что распространение в Европе подобных систем предиктивной судейской аналитики усилит искажение равенства и состязательности в судебном процессе, даст преимущество защите перед обвинением, богатым юридическим фирмам перед независимой адвокатурой, состоятельным обвиняемым перед малоимущими.

Существует реальная опасность того, что будет подорван краеугольный принцип юстиции – принцип справедливого судебного разбирательства. Анализ использования дорогостоящий предиктивных судебных программ ведущими юридическими фирмами в Соединенных Штатах, Великобритании и Франции показывает, что адвокаты, располагающие такими системами, в среднем на 17–22 % чаще выигрывают дела, чем не располагающие. Повышение шансов на 1/5 буквально за два-три года свидетельствует о появлении конкурентного преимущества у адвокатов, имеющих системы предиктивной судебной аналитики.

Соответственно заслуживает внимания вопрос о запрете использования такого рода систем, по крайней мере, до тех пор, пока государственная сторона судебного процесса, в том числе прокуратура, не будут располагать аналогичными по эффективности системами. В противном случае это будет напоминать дуэль, когда один вооружен автоматом, а другой – старым мушкетом.

Кроме того, этот вопрос заставляет по-новому подойти к определению того объема данных по судебным процессам, которые не просто становятся доступными публике, но и хранятся. Представляется, что необходимо разделить два вопроса: публикацию судебных решений и предоставление компьютеризированных данных о судебной практике.

Целью открытых данных является обеспечение автоматической обработки прецедентного права в рамках недорогой операционной лицензии, приобретение которой доступно каждому. Соответственно, ЕС занимает крайне осторожную позицию относительно рекомендаций по расширению объема публикуемых данных судебной практики. Более того, эксперты ЕС ставят вопрос о необходимости еще раз рассмотреть вопрос о целесообразности указания фамилии и имени судей, принявших то или иное решение. С одной стороны, к такому порядку, действующему уже почти столетие, европейцы привыкли. С другой стороны надо ограничить возможность предиктивного анализа деятельности судей, поскольку, как показывает практика, в конечном счете, предиктивный анализ является способом управления поведением судей. Что же до управления поведением судей, то это – уголовное преступление во всех государствах ЕС.

Щекотливость ситуации состоит в том, что в настоящее время обязательность упоминаний имен и фамилий судей в судебных решениях является обязанностью государств-членов ЕС в соответствии с принципами публичного разбирательства, изложенными в статье 6 Европейской Конвенции о правах человека в части порядка обеспечения объективной беспристрастности судей.

Какие практические меры могут быть осуществлены для защиты судей в мире ИИ? Ответ на этот вопрос зависит от специфических особенностей судебной системы каждого конкретного государства. Например, в Швейцарии, где все судьи избираются непосредственно населением, публикация судебных решений является обязательным условием их ответственности судей перед гражданами-избирателями. Эта информация в обязательном порядке доступна в Швейцарии в кантональных и общефедеративной онлайн судебной базе данных.

В то же время существуют и ограничительные правила. Например, Европейский суд по правам человека на своем портале позволяет осуществлять поиск решений по именам и фамилиям судей, однако не допускает подсчет статистики, относящейся к конкретному судье. Можно узнать разовые решения, но нет возможности получить по каждому судье выборку всех решений, которые он вынес. С другой стороны в странах, где судьи не выбираются гражданами, а назначаются государством, бывают случаи политического давления на судей и вынесение несправедливых решений. Соответственно, в таких случаях ограничения информационного доступа общественности к судебной информации еще более усилят авторитарные течения и ослабят независимость судов.

Следует констатировать, что на сегодняшний день не только отсутствуют проверенные практикой рекомендации по решению данного вопроса, но и не проводилось, по крайней мере, в Европе, сколько-нибудь обширного сравнительного анализа способов защиты независимости судей в мире ИИ и больших данных.

§ 4. Характеристики ИИ применительно к судебным решениям

Обработка естественного языка и машинное обучение – две базовых технологии, лежащих в основе использования ИИ в судопроизводстве. В большинстве случаев системы ИИ в юриспруденции нацелены на то, чтобы выявить корреляции между различными параметрами, содержащимися во вводных и в итоговом решении. В качестве вводных параметров используются, например, содержащиеся в заявлениях о разводе сведения о доходах супругов, существовании супружеской измены, детях и т. п. Использование таких моделей позволяет развернуть прогнозную аналитику для предвидения будущего судебного решения – типа программ предиктивной судебной аналитики, наиболее востребованных юридическими фирмами.

В качестве введения следует кратко рассмотреть функции, которые выполняют прогностическое программное обеспечение. Это обеспечение исчисляет вероятности успеха или, напротив, неудачи дела в суде. Эти вероятности устанавливаются посредством статистического моделирования предыдущих решений с использованием двух широких областей информатики: обработки естественного языка и машинного обучения. В большинстве случаев использование именно этих двух областей в настоящее время и называется ИИ. Хотя по факту, это – не вполне ИИ, а продвинутый интеллектуальный софт, его, тем не менее, можно назвать «слабым» ИИ.

Поскольку термин «искусственный интеллект» сегодня используется не только в IT отрасли, то это породило множество двусмысленностей. Термин «искусственный интеллект» вошел в наш повседневный язык для описания программных комплексов, позволяющих компьютерам побеждать чемпионов-людей в игре Го, шахматы, водить машины, вести с людьми диалоги, в которых собеседнику трудно распознать, кто перед ним: человек или машина.

В самой IT отрасли предпочитают определять ИИ через используемые технологии. В этом понимании слабый ИИ – это программные комплексы, использующие машинное обучение, нейронные сети, многомерный статистический анализ для распознавания образов, программы, обеспечивающие общение с компьютером на естественном языке и софт, позволяющий интегрировать в единую систему обработки информации потоки числовых, текстовых, аудио, видео и сигнальных данных. Сегодня ИИ – это не научное определение и даже не определение какой-то функции, а скорее зонтичный термин для совокупности практически применяемых технологий.

Сами специалисты различают слабый и сильный ИИ. Слабый ИИ – это некий набор сложных компьютерных программ. Что же касается сильного ИИ, который пока не создан, это – самообучающиеся машины, способные автоматически постигать мир в целом, и самостоятельно не только развивать софт, но и при необходимости достраивать свой хард.

Относительно ИИ в сфере правосудия. Системы юридической предиктивной аналитики направлены на определение всеми участниками судебного процесса наиболее вероятного исхода рассмотрения дела при имеющихся вводных. Теоретически такие системы не только облегчают жизнь участникам судебного процесса, но и могут помочь судьям и/или присяжным в принятии решений.

Предиктивный юридический софт на основе первичных данных, используя специфические критерии, определяет вероятность успеха (неуспеха) спора и возможные его имущественные итоги.

С самого начала необходимо разделить предсказания и прогнозы. Предсказания – это суждения о будущем событии на основании любых факторов – от интуиции до предчувствия. Что же касается прогнозирования, то это всегда – результат обработки исходных данных с использованием модели, разработанной на основе прошлых. Прогноз – это всегда счет. Это – область математики и статистики. Успешность прогнозирования де факто зависит от трех обстоятельств:

• во-первых, от качества исходных данных по судебным процессам. Чем данных больше и чем они точнее и полнее, тем больше шансов получить значимые результаты;

• во-вторых, от используемой прогностической модели. В подавляющем большинстве случаев для построения прогностической модели используются нейронные сети, либо многомерные статистические программы. На основе анализа прошлых данных эти программы выясняют наиболее важные параметры, определяющие судебные решения, или так называемые веса критериев. С помощью этих весов нейронные сети делают прогноз;

• в-третьих, успех прогноза зависит от типичности судебного решения. Прогноз – это не предвидение. Он всегда базируется на прошлом, на данных об уже состоявшихся судебных процессах. Чем более настоящее похоже на прошлое, чем текущий процесс больше напоминает уже закончившиеся, тем больше шансов на качественный прогноз. Грубо говоря, в устойчивом мире прогнозирование более эффективно, чем в турбулентном, неустойчивом.

Надо понимать, что, несмотря на использование термина «интеллект» вычислительные машины немногим отличаются от арифмометра. Компьютер всегда считает и никогда не понимает. Соответственно, в основу предиктивной аналитики заложена гипотеза о возможности перевести все факторы и обстоятельства в числовой вид. Важно иметь в виду, что это – иллюзия. Обсчитывается только часть факторов. Самые важные факторы – эмоции, мотивы и побуждения – обсчитываются крайне плохо, либо вообще не обсчитываются. Люди, зачастую, принимают решения, которые сами в последующем искренне объяснить не могут. Тем более их невозможно рассчитать.

Согласно беседам, проведенным экспертами ЕС с производителями предиктивных судебных систем, выяснилось любопытное обстоятельство. Самым неотработанным блоком этой системы являются предиктивные возможности относительно решений судов присяжных за пределами учета тривиальных факторов пола, расы, имущественного дохода и т. п. Чем больше судебный процесс регулируется законом и чем меньше он носит прецедентный характер, тем больше шансов на успех предиктивного юридического софта. В этом смысле иронией выглядит факт, что примерно 85 % предиктивного юридического софта производят американские и британские фирмы, т. е. фирмы стран, где используется прецедентное законодательство.

Никакого сильного ИИ не только в настоящее время, но и в обозримом будущем не появится. Эволюция ИИ в течение последних примерно 10 лет идет не в сторону интеграции различных систем ИИ, а, напротив, в направлении создания все более специализированных слабых ИИ, позволяющих использовать конкретные программные решения для строго определенных классов задач.

Существует три основных тенденции развития ИИ в области судопроизводства и правоохранительной сферы:

1. Чем дальше, тем больше ИИ будут функционально специализироваться и, по сути, смыкаться с традиционным интеллектуальным софтом, представляя следующую ступень его развития;

2. Главным направлением развития специализированного ИИ будет усиление возможностей комбинаторной аналитики;

3. Усилия разработчиков будут направлены на то, чтобы машины за максимально короткий период времени могли вычленить из первичных больших данных максимальный набор переменных и установить между ними всеми по принципу «каждый с каждым» корреляционные связи. Собственно, главная задача специализированного ИИ и состоит в обнаружении нетривиальных связей, которые, тем не менее, влияют на те или иные процессы.

В настоящее время выделяется три основных направления развития специализированного ИИ для судопроизводства:

во-первых, это – создание систем распознавания прецедентов. Каждый судебный процесс может быть описан через ограниченное число параметров. В зависимости от законодательства той или иной страны при совпадении определенного числа параметров можно говорить о наличии прецедента и полагать, что решение по новому судебному делу будет достаточно близко к решению по прецеденту. В настоящее время, например, в Соединенных Штатах в гражданских процессах до 80 % оплаты юридической фирме клиентами идет на покрытие затрат на поиск этих самых прецедентов. Для европейских стран этот показатель ниже, но, например, во Франции он составляет около 50 % от гонорара юридических фирм.

Специалисты в области больших данных и работы с текстовыми массивами информации быстро обнаружили, что именно для этих юридических вопросов существует большое число уже имеющихся решений, связанных с ИИ. Фактически речь идет о том, чтобы имеющиеся мощные системы анализа неструктурированной текстовой информации соединить с программами распознавания образов и получить прецедентный софт. На сегодняшний день именно эта сфера является самым большим рынком для использования ИИ в судопроизводстве в Соединенных Штатах, Великобритании и странах Британского Содружества наций. В Европе этот рынок только формируется;

• во-вторых, это – создание предиктивных юридических систем. О преимуществах, возможностях и ограничениях этих систем говорилось выше. Здесь стоит отметить лишь то, что, как это ни парадоксально, в странах, базирующихся на континентальном законодательстве, точность прогнозов выше, чем в странах прецедентного права. Слабым местом ИИ является прогнозирование именно одиночного, а не массового человеческого поведения. Соответственно на сегодняшний день системы ИИ не способны в удовлетворительной степени прогнозировать решения судов присяжных;

• в-третьих, специализированный ИИ активно развивается по направлению семантического поиска. Хорошо известно, что мало какая сфера человеческой деятельности связана с анализом огромных массивов документации, написанной на естественном или близком к нему юридическом языке, чем судопроизводство. Сегодня до 70 % затрат времени у наиболее высокооплачиваемых и квалифицированных юристов уходит на поиск тех или иных документов, примеров, а также создания на основе этих документов аналитических справок по персонам и т. п. С этой задачей как нельзя лучше справляется интеллектуальный софт, а именно корпоративные модификации семантических поисковых систем с блоками визуализации и генерации отчетов. По сути, такой софт был создан в Соединенных Штатах, Великобритании, во Франции еще в нулевые годы и продавался под грифом datamining и textmining. Сегодня этот софт успешно продается как частным юридическим фирмам, таки государственным судебным органам, как ИИ.

В целом, по состоянию на конец 2018 года ИИ, как интегральное решение, является мифом. Практически повсеместно ИИ – это зонтичное наименование класса программно-аппаратных решений, которые существуют уже долгое время и успешно решают задачи определенного класса. Что действительно новое, так это тот факт, что в текущем десятилетии благодаря достижениям в производстве исходных материалов резко повысилась скорость процессоров, а также появились мощные графические процессоры. Благодаря этому оказалось возможным полностью проявить в практических делах потенциал математических методов, разработанных несколько десятилетий назад. По сути, сегодняшний ИИ – это соединение графических процессоров, новых типов чипов с отработанными и прошедшими проверку временем программными математическими методами. Также как в других отраслях, ИИ в значительной степени – это маркетинговый прием, такой же, как несколько лет назад был datamining, а до этого текстовой поиск неструктурированных данных. Что касается ИИ, о котором писали еще в прошлом веке, то это – сильный ИИ. Сильный ИИ на сегодняшний день является столь же недостижимой мечтой, что и 25 лет назад.

Только на первый взгляд может показаться, что приведенные выше соображения – это абстрактное обсуждение, далеко отстоящее от нужд судебной системы. Это не так. Одной из главных причин слабого внедрения интеллектуального софта в судебной системе европейских стран является боязнь судебных работников нового, их опасения, что они окажутся просто неспособными освоить новые программно-аппаратные комплексы.