Что под капотом ИИ?

Современный этап развития технологий характеризуется повсеместным внедрением систем, основанных на принципах искусственного интеллекта (ИИ). В условиях динамично меняющегося правового ландшафта, юридическое сообщество активно обсуждает потенциал и риски применения ИИ в своей профессиональной деятельности. Юридическая фирма «ВЕРУМ», следуя своей миссии по глубокому анализу актуальных правовых вызовов, приняла участие в ДАЛЬНЕВОСТОЧНОМ МЕЖДУНАРОДНОМ БАНКОВСКОМ ПРАВОВОМ ФОРУМЕ, где вопрос о сущности и применимости ИИ в юриспруденции стал одним из центральных. По итогам Форума, наша команда провела углубленное исследование, целью которого является деконструкция понятия «искусственный интеллект» и критический анализ его фактических возможностей и ограничений в правовой сфере. Настоящая работа призвана дать ответ на вопрос: «Что находится под капотом ИИ?» и оценить перспективы его интеграции в юридическую практику.

Термин «искусственный интеллект» обладает значительной эвристической силой и вызывает ассоциации с высокоинтеллектуальными автономными системами. Однако, при детальном рассмотрении технических и математических аспектов его функционирования, становится очевидным, что в своей основе ИИ на 99,9% представляет собой совокупность «математических моделей» и процессов «математического моделирования».

Современные нейросети, широко известные как «генеративные предобученные трансформеры» (Generative Pre-trained Transformer, GPT), являются квинтэссенцией такого подхода. В данном контексте, понятия «генеративный» и «предобученный» указывают на способность системы создавать новый контент на основе усвоенных данных и на предварительное обучение на обширных массивах информации. Слово «трансформер» отражает специфическую архитектуру этих моделей, позволяющую эффективно обрабатывать последовательности данных, например, тексты. Таким образом, обращение к «нейросети «ИмяРек» на самом деле означает взаимодействие с высокосложной математической моделью – Генеративным Предобученным Трансформером.

Это переосмысление терминологии имеет принципиальное значение. Если фраза «Я использую искусственный интеллект» звучит солидно и прогрессивно, то «Я использую математические модели/моделирование» может восприниматься юристами иначе. Тем не менее, именно второе выражение наиболее точно отражает технологическую подноготную ИИ, подчеркивая его инструментальный, а не субъектный характер. В дальнейшем изложении мы осознанно будем использовать выражения «математическая модель/моделирование» в качестве синонимов для термина «искусственный интеллект» для поддержания строгости анализа.

История развития различных научных дисциплин демонстрирует тесную взаимосвязь с математикой. Приход математических методов в экономику в середине XX века привел к ее трансформации в более точную и предсказательную науку, позволив моделировать сложные экономические процессы. Подобные процессы наблюдались в физике, химии, медицине, инженерии и даже некоторых гуманитарных науках, таких как социология и психология, где математические модели и статистические методы стали неотъемлемой частью исследований.

Право, напротив, остается одной из немногих областей, максимально удаленных от математики. За исключением судебной статистики или редких попыток применить теорию игр, арсенал математических средств и методов в юриспруденции используется крайне ограниченно. Этот феномен заставляет задуматься: является ли право уникальной сферой, не поддающейся математизации, или же это лишь вопрос отсутствия адекватных подходов?

Попытки математизировать право предпринимались неоднократно. Идея выразить правовые нормы через формализованные конструкции типа «если – то – иначе», а также использовать математическую логику, нечеткую логику, теорию графов, теорию множеств или UML-схемы, кажется весьма привлекательной. Однако, до настоящего времени эти попытки не привели к созданию универсальных или широко применимых математических моделей правовых систем. Это объясняется inherentной сложностью и многозначностью правовых норм, их зависимостью от контекста, интерпретации, этических и социальных факторов, которые трудно или невозможно формализовать в числовом выражении.

Внедрение систем, основанных на математическом моделировании, требует значительных ресурсов и специфических компетенций:

Таким образом, внедрение ИИ-систем требует не только технологической экспертизы, но и значительных финансовых вложений, а также готовности к управлению сложными техническими и правовыми рисками.

Одной из наиболее обсуждаемых областей применения ИИ в юриспруденции является обработка естественного языка (Natural Language Processing, NLP), находящаяся на стыке математики, информатики и лингвистики. Нейросети способны анализировать тексты, определяя статистические характеристики: количество символов, слов, предложений, частотность использования отдельных слов и словосочетаний.

Например, анализ текста Конституции США с помощью математической модели может выявить, что слово «shall» встречается 191 раз, а «state» — 48 раз, при этом средняя длина слова составляет 4,7 символа. В случае с судебным решением Salomon v. Salomon & Co Ltd [1897] AC 22, алгоритмы быстро определяют, что в топ-5 слов входят «company», «share», «appellant», «business», «one», что позволяет получить общее представление о тематике дела за считанные минуты. Это, безусловно, полезно для быстрого ориентирования в больших массивах документов. Однако, такой подход оперирует исключительно числовыми характеристиками текста, не проникая в его семантический и правовой смысл. Для математической модели не имеет значения, что стоит за словами «shall» или «state»; важна лишь их частотность и положение в последовательности.

Что касается генерации текстов, она также осуществляется математическими методами, где текст описывается с помощью чисел, а дальнейшие операции производятся с этими числовыми представлениями. Результатом может быть текст, стилизованный под определенный источник (например, романы Льва Толстого или судебные акты), но лишенный логической связности и правового смысла. Скептики справедливо называют такие генеративные трансформеры «стохастическими попугаями» или «продвинутыми версиями Т9», поскольку они «предсказывают» следующее слово в последовательности, основываясь на статистических паттернах, а не на понимании содержания. Этот процесс удивительным образом схож с методом длительной тренировки эвристической машины Эдельвейса Захаровича Машкина из «Сказки о Тройке» братьев Стругацких, где агрегат обучался печатать, анализируя текст «Жизни животных» Брема без какого-либо понимания смысла.

Математические модели активно используются для решения задач классификации и регрессии.

Рекомендательные модели, схожие с теми, что используются в онлайн-кинотеатрах или контекстной рекламе, могут быть применены для поиска «похожих дел» или «судебных прецедентов». Они работают путем создания матрицы предпочтений и расчета «расстояний» между элементами (например, делами) на основе математического сходства. Однако, как показывает пример с фильмами «Матрица» и «Бойцовский клуб», которые могут быть признаны «похожими» по математическим алгоритмам, несмотря на значительные смысловые различия, подобные системы могут выдавать результаты, математически строгие, но юридически некорректные. Математическое сходство не всегда коррелирует с правовой релевантностью или доктринальным подобием.

Наряду с вышеперечисленными направлениями, существуют области применения ИИ, демонстрирующие высокую эффективность. Компьютерное зрение и распознавание речи уже являются рабочими технологиями. Примеры включают автоматическую фиксацию нарушений правил дорожного движения (штрафы за превышение скорости или пересечение сплошной линии), а также онлайн-перевод речи в субтитры. Успех этих систем обусловлен тем, что в данных областях удалось однозначно и формализованно перевести соответствующие нормы (например, ПДД, КоАП) в математическую форму, поддающуюся алгоритмической обработке. Это ключевое отличие от большинства юридических задач, требующих комплексной интерпретации.

На основании проведенного анализа, можно констатировать, что под «капотом» ИИ в основном обнаруживаются усовершенствованные версии привычных инструментов – интернет-поисковиков и справочно-правовых систем. Математические модели, называемые сегодня «искусственным интеллектом», способны улучшить скорость и точность поиска информации, позволяя формулировать более сложные запросы (например, «подобрать всю судебную практику по ст. 10 ГК РФ и выгрузить ее в pdf-файл»). Это, безусловно, удобно и повышает эффективность работы юриста, но не заменяет его.

Принцип работы генеративного трансформера, который генерирует текст без его смыслового понимания, заставляет относиться к этому инструменту с особой осторожностью. Правовая деятельность требует не только оперирования текстом, но и глубокого понимания его смысла, контекста, доктринальных основ, а также способности к критическому мышлению, этической оценке и выработке стратегических решений.

На вопрос «заменит ли ИИ юристов?» можно предложить следующий ответ: да, заменит, но не ранее того момента, когда нормы права удастся описать не на языке математической статистики, а в каком-либо ином, но полностью формализованном виде. В этом гипотетическом сценарии юрист, столкнувшись с юридической задачей, вместо изучения текстов законов, комментариев и судебной практики, будет запускать Excel или Python для построения математической модели решения.

Однако, такая перспектива вызывает сомнения. Аналогия с беспилотными автомобилями, которые, передвигаясь по дорогам, соблюдают ПДД, показывает, что технически сложные задачи (распознавание знаков, расстояний, пешеходов) могут быть решены. Но как именно автомобиль «соблюдает» правила, то есть как он осмысливает их сущность, а не просто алгоритмически реагирует, остается неясным. Право, в отличие от ПДД, пронизано концепциями справедливости, разумности, добросовестности, которые не поддаются простой алгоритмизации.

Исследование показывает, что искусственный интеллект в его современном виде представляет собой мощный инструментарий, основанный на математическом моделировании и статистических методах. Его применение способно значительно повысить эффективность рутинных юридических операций, таких как поиск и анализ больших объемов текстовых данных. Однако, фундаментальные ограничения ИИ, связанные с отсутствием смыслового понимания, зависимостью от формализованных данных и неспособностью к полноценному юридическому мышлению, интерпретации и этической оценке, делают его неспособным полностью заменить юриста.

Будущее взаимодействия права и ИИ, вероятно, будет заключаться в симбиозе: ИИ как мощный ассистент, освобождающий юриста от рутинных задач, и юрист как незаменимый субъект, обеспечивающий глубину правового анализа, стратегическое консультирование и принятие решений на основе уникального сочетания знаний, опыта, интуиции и этических принципов.