Текст книги "Искусственный интеллект. Этика и право"

§ 2. Европейская политика в области больших данных, относящихся к судебной и правовой системам

Доступность данных является важнейшим условием развития ИИ, позволяющим ему выполнять определенные задачи, ранее выполняемые людьми. Чем больше доступных данных, тем больше ИИ может совершенствовать свои модели, улучшать их способность к распознаванию тех или иных ситуаций и прогнозированию. Поэтому подход раскрытия больших данных, относящихся к судебным решениям, является обязательным условием использования ИИ в судебной системе.

По мнению экспертов ЕС, растущее отставание большинства государств ЕС от мировых лидеров в области ИИ связано не со слабостью европейских компаний, специализирующихся в области интеллектуального софта и не с отсталостью европейской математики, а с гораздо более жесткими и запретительными по сравнению с Соединенными Штатами, Китаем и рядом других стран законами ЕС и отдельных стран в части использования, хранения и извлечения любых видов данных, имеющих отношение к гражданам Европейского Союза.

Компьютерные данные являются «нефтью» XXI века. Их использование производит новое богатство. Глобальные успехи в цифровой индустрии за последние десятилетия подтвердили огромный потенциал этой сферы деятельности, как локомотива четвертой производственной революции. Эксперты ЕС признают, что европейские страны в большинстве своем проигрывают цифровую гонку, уступая не только Соединенным Штатам и Китаю, но и Японии, Южной Корее, вышедшей из состава ЕС Великобритании и т. п.

В большинстве государств ЕС традиционно значительная часть правоохранительных данных и некоторые судебные данные закрыты и требуют для доступа определенного статуса. Совершенно другая ситуация в Соединенных Штатах и странах Британского Содружества наций, где практически все судебные и большинство правоохранительных данных стали открытыми данными, а соответственно оказались доступными для обработки ИИ.

Европа фактически проспала революцию, связанную с переводом больших данных в формат общедоступных машиночитаемых данных. Соответствующий стандарт был разработан неправительственной организацией «Партнерство для открытого правительства». В него входят цифровые гиганты и более 70 государств-членов, включая США, Великобританию, Россию, Японию, многие государства-члены ЕС.

Целью этой организации является повышение прозрачности общественной деятельности, последовательный перевод закрытых государственных данных в открытые, доступные аналитике и прогностике не только со стороны государства, ной общества. Следует констатировать, что после мощного старта в начале десятых годов, во второй половине текущего десятилетия подавляющая часть государств ЕС, прекратила активное участие в этой организации и приостановила процесс перевода больших данных в открытые машиночитаемые данные.

В этой связи в мае 2018 г. Европейская Комиссия принял решение о развертывании европейской инициативы «За открытые машиночитаемые данные». В рамках ЕС ответственность за общеевропейскую программу взяла на себя Франция. Именно эта страна является на сегодняшний день одним из мировых лидеров в области перевода больших данных в открытые, машиночитаемые данные. Во Франции существует и эффективно действует специальный портал, на котором размещается вся сертифицированная публичная информация, содержащая не только законодательные и нормативные тексты, но также прецедентное право, информацию о назначениях на публичные должности и огромные массивы статистической информации, которые за государственный счет переводятся в формат машиночитаемых данных.

К настоящему времени в значительной степени благодаря усилиям Франции, в государствах-членах ЕС проходит унификация требований к данным. Открытые машиночитаемые данные включают только те данные, которые могут быть автоматическим образом извлечены из портала в интернете и без потерь и искажений храниться в структурированных компьютерных базах данных.

Открытые данные, объединенные с другими структурированными и неструктурированными данными, составляют то, что называется большими данными. Консультативный Комитет Конвенции 108 Совета Европы определяет большие данные как «растущую технологическую способность собирать, обрабатывать и извлекать новые, в том числе прогнозные, знания из большого объема быстроизменяющихся и разнообразных данных». Как показывает определение открытые и большие данные не следует путать со средствами их обработки. ИИ – это ни в коем случае не сами по себе большие данные, а комплексы или платформы их обработки на основе использования сложных статистических алгоритмов, машинного обучения и нейронных сетей. По сути, в большинстве случаев ИИ сегодня определяется не через функцию, либо особое содержание, а как своего рода зонтичное определение совокупности конкретных IT технологий, типа нейронных сетей, распознавания образов, факторного анализа, корреляционно-регрессионного метода и т. п.

В настоящее время европейскими лидерами по открытым данным в судебной сфере являются Франция и Нидерланды. Они еще в 2016 г. приняли законодательство, делающее обязательным публикацию открытых данных не только о решениях судов различной юрисдикции, но и судебных дел по закончившимся процессам. В настоящее время во Франции и Нидерландах в обязательном порядке, за исключением особенных случаев, определенных законом, публикуются не только судебные решения, но и сопутствующие документы. Это позволяет развивать судебный ИИ на основе анализа открытых данных.

Однако в 2017–2018 гг. во Франции произошел ряд инцидентов, которые поставили под сомнение принцип открытой публикации материалов судебных дел. В настоящее время этот вопрос рассматривается Европейским судом по правам человека. Лишь после вынесения его решения будет окончательно ясно, есть ли будущее у публикации всех материалов судебных дел, как открытых данных, или в перспективе публиковаться будут лишь судебные решения.

Эксперты ЕС делают вывод, что, несмотря на некоторые многообещающие разработки, создание полностью эффективного автоматического механизма распознавания ситуации на основе анализа судебных решений и дел несет большие риски для соблюдения конфиденциальности и личных свобод граждан.

В 2017–2018 гг. в соответствии с решениями Совета Европы был проведен масштабный опрос среди сотрудников судов; какое направление они считают наиболее многообещающим с точки зрения использования возможностей ИИ для анализа машиночитаемых данных. На выбор предлагалось четыре варианта:

• использование ИИ для извлечения знаний из хранящихся в электронном виде решений судов и судебной документации;

• использование ИИ для прогнозирования линии защиты в ходе судебных процессов;

• использование ИИ для поиска прецедентных решений судов или близких к рассматриваемым в том или ином процессе случаев в прошлом. Фактически речь идет о распознавании ситуации;

• использование ИИ как служебного инструмента для организации первичного общения, автоматизации и генерации шаблонов юридических документов, улучшения качества переводов с редких иностранных языков в тех случаях, когда в процессах участвуют их носители.

Результаты обследования более чем 1700 судебных работников из 12 государств ЕС следующие: более 50 % в качестве первоочередной, наиболее интересующей функции выделили относительно простые служебные функции ИИ, связанные с чат-ботами, визуализацией, переводами и т. п. Более 20 % выразили заинтересованность в наличии инструмента, позволяющего распознавать аналоги ситуаций, рассматриваемых в том или ином судебном процессе в прошлом, и созданию подборок документов по данным ситуациям. Еще 20 % опрошенных сказали, что им ИИ не интересен и не нужен. Оставшиеся 10 % примерно пополам разделились между поисковой и прогностической функциями ИИ, которые, например, в Соединенных Штатах являются главными функциями ИИ в судебной и правоохранительной сферах.

Учитывая, что служебные функции ИИ, по сути, выполняются традиционным интеллектуальным софтом, можно утверждать, что более 80 % судебных работников не видят необходимости в использовании ИИ в своей работе, а соответственно не видят необходимости в повышении уровня своих знаний в области информационно-коммуникационных технологий за пределами умения работать с поисковиками и традиционным аналитическим софтом.

Для достижения справедливого баланса между эффективностью правоохранительных и судебных систем – с одной стороны, и приватности – с другой, необходимо провести тщательнейший анализ целесообразности публикации в рамках судебных решений имен и фамилий свидетелей, их адресов, показаний и т. п. Ключевым вопросом, который предстоит разрешить системам ИИ для судебной отрасли, который неизбежно появится, является вопрос персональных данных.

К персональным данным в рамках европейского законодательства относятся привязанные к имени, фамилии номера телефонов, адреса места жительства и электронной почты, дата рождения, имена детей, имена и фамилии родственников, места работы, проведения отдыха и т. п. В большинстве стран запрещено не только бесконтрольное использование персональных данных, но и хранение личных данных на частных серверах, в базах данных без письменного согласия человека. Проблема заключается в том, что в решениях судов, а тем более в судебной документации все эти данные обязательно содержатся. Соответственно, используя самые простые методы анализа, из судебной документации могут быть извлечены огромные массивы персональных данных. Кроме того, некоторые персоналии могут быть идентифицированы по косвенным данным и анализу перекрестных ссылок.

Наряду с персональными данными, существуют особо чувствительные данные, которые в соответствии с европейскими конвенциональными требованиями не могут быть раскрыты ни перед кем, включая государственные органы, без специального решения суда. Речь идет об этническом или расовом происхождении, политических взглядах, членстве в профсоюзах, религиозных и иных убеждениях, любой другой информации, касающейся физического, психического здоровья, половой жизни и личных увлечений, которые по законодательству считаются нераскрываемыми интимными подробностями.

Проблема заключается в том, что эти нераскрываемые данные подчас содержатся в материалах судебных заседаний, составляют их важную часть и не защищены в текстах специальным образом. В соответствии с этим подавляющее большинство судей, прокуроров в государствах-членах ЕС выступают за законодательный запрет на уровне Европейской Комиссии, переводить судебную документацию, за исключением общедоступных судебных решений, в разряд открытых данных, и более того, требуют запретить пользоваться ими всем, за исключением специально поименованных категорий участников состязательных судебных процессов. Выбирая между ИИ и личной приватностью, по мнению судейских работников, необходимо выбрать приватность.

При этом более 80 % опрошенных судейских работников ЕС полагают необходимым законодательно ограничить или строго кодифицировать условия применения ИИ в правоохранительной работе с тем, чтобы избежать вторжения полиции в частную жизнь законопослушных граждан.

§ 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.

Судебные работники, подобные другим неспециалистам в IT сфере, оказались «замороченными» компьютерным маркетингом и всерьез решили, что появился ИИ, который их не сегодня-завтра заменит. Необходимо не просто четко и ясно констатировать, но и донести до судебных работников простую мысль: никакого сильного работающего ИИ нет и в обозримом будущем не будет. Что касается новых решений, то они являются очередным этапом усовершенствования того софта, который судебные работники используют в своей профессиональной деятельности и частной жизни уже давно. В этом случае удастся сломать реально имеющиеся психологические барьеры по широкому использованию эффективных интеллектуальных программ и систем в судопроизводстве.