Дата публикации: 05.12.2024

Использование автоматизированных систем оценки риска рецидива в уголовном процессе США

Аннотация

Настоящее исследование посвящено анализу опыта США по использованию в уголовном судопроизводстве автоматизированных систем оценки риска рецидива с элементами искусственного интеллекта. На примере получившей наибольшее распространение программы COMPAS рассматриваются принципы работы и сфера применения указанных алгоритмов. Опираясь на судебно-прецедентную практику и доктринальный дискурс, выявлены проблемы объяснимости и недискриминационности решений, принимаемых такими программами, а также выделены предлагаемые пути их решения. В качестве итогов исследования предложено авторское видение допустимого использования автоматизированных систем оценки риска рецидива, отвечающего требованиям надлежащей правовой процедуры, в том числе применительно к уголовному процессу Российской Федерации.




Одним из ключевых показателей эффективности пенитенциарной системы в достижении целей уголовного наказания является процент рецидивов преступлений, совершенных лицами, отбывшими его. В связи с этим существует множество факторов, которые в ходе судебного разбирательства уголовного дела подлежат выяснению и оценке в качестве обстоятельств, характеризующих личность лица, совершившего преступление. В этой ситуации «на сцену выходят» автоматизированные системы оценки рисков рецидива, снабженные элементами искусственного интеллекта (далее — ИИ).

Применимость ИИ для оценки риска рецидива в уголовном процессе детерминируется его «искусственной рациональностью», т.е. возможностью принимать наилучшее доступное решение, обусловленное набором входных данных, высокой вычислительной производительностью, а также исключительной беспристрастностью.

Указанные преимущества искусственного интеллекта обуславливают перспективное введение в сферу уголовного судопроизводства программ интеллектуальной поддержки принятия процессуальных решений, предусмотренное «Ведомственной программой цифровой трансформации МВД России на 2022–2024 годы», в контексте чего особую актуальность приобретает анализ реального опыта использования подобных систем. В связи с изложенным, в качестве цели настоящего исследования целесообразно определить рассмотрение применения автоматизированных систем оценки риска рецидива в уголовном судопроизводстве, выявление существующих проблем такового и способов их решений. Наибольшее распространение указанные системы получили в США, следовательно, именно американская практика станет предметом научного осмысления.

Следует отметить, что законы некоторых штатов прямо предписывают использовать при назначении наказания алгоритмизированные системы оценки риска преступного рецидива, например: § 532.007(3) (a) Устава штата Кентукки от 2021 г., § 5120.114 (A) (1)–(3) Законов штата Огайо; § 2154.7 (a) Сводных законов штата Пенсильвания; ст. 22, § 988.18 (B) Законов штата Оклахома.

Одним из самых распространенных алгоритмов оценки риска рецидива является программа COMPAS, разработанная крупной компанией, специализирующейся на IT-технологиях Northpointe. Его суть заключается в том, что тестируемому лицу предлагается список из 137 вопросов, предмет которых варьируется от сведений о текущем самочувствии до факта наличия и вектора направленности его агрессии. Вопросы также могут касаться злоупотребления психоактивными веществами, сферы занятости, уровня образования, наличия/отсутствия нарушений закона в прошлом, круга общения и т.д. Ответы тестируемого лица анализируются программой в совокупности с имеющимися в деле материалами, характеризующими личность подсудимого.

Список литературы

1. Angwin, J. Bias in Criminal Risk Scores is Mathematically Inevitable, Researchers Say / J. Angwin, J. Larson // ProPublica. 2016. 30 December.
2. Angwin, J. Machine Bias: There’s Software Used across the Country to Predict Future Criminals. And It’s Biased against Blacks / J. Angwin // Propublica. 2016. 23 May.
3. Brennan, T. Enhancing Prison Classification Systems: The Emerging Role of Management Information Systems / T. Brennan. Washington, D.C. : U.S. Dept. of Justice, National Institute of Corrections, 2004. 254 p.
4. Scism, L. Insurers Test Data Profiles to Identify Risky Clients / L. Scism, M. Maremont // The Wall Street Journal. 2010. 19 November.
5. Washington, A. How to Argue with an Algorithm: Lessons from the COMPAS ProPublica Debate / A. Washington // The Colorado Technology Law Journal. 2019. Vol. 17. Iss. 1. P. 1–37.

Остальные статьи