Published Date: 06.02.2025
К вопросу о допустимости в уголовном судопроизводстве информации, генерируемой системами с элементами машинного обучения (на примере США)
Annotation
Целью настоящего исследования является рассмотрение опыта США по использованию программ с элементами машинного обучения для автоматизированного поиска криминалистически значимой информации, используемой для принятия процессуальных решений. В качестве итогов исследования выработан авторский синергетический подход, определяющий результаты интеллектуального анализа данных как элемент совокупности обстоятельств, необходимой для принятия процессуального решения в уголовном судопроизводстве при обязательном предоставлении возможности их контртестирования, что может использоваться при внедрении схожих технологий в отечественный уголовный процесс.
Type | Article |
Information | International Criminal Law and International Justice № 01/2025 |
Pages | 23-26 |
DOI | 10.18572/2071-1190-2025-1-23-26 |
Library
1. Архипов С.И. Субъект права: теоретическое исследование / С.И. Архипов. Санкт-Петербург : Юридический Центр Пресс, 2004. 466 с.
2. Бахтеев Д.В. Информационные технологии в уголовном процессе зарубежных стран / Д.В. Бахтеев, В.А. Задорожная, А.И. Зазулин ; под редакцией С.В. Зуева. Москва : Юрлитинформ, 2020. 216 с.
3. Ермакова Е.П. Искусственный интеллект в гражданском судопроизводстве и арбитраже: опыт США и КНР / Е.П. Ермакова, Е.Е. Фролова. Москва : Юрлитинформ, 2021. 224 с.
4. Brownsword, R. Law, liberty and technology: Criminal justice in the context of smart machines / R. Brownsword, A. Harel // International Journal of Law in Context. 2019. Vol. 15. Iss. 2. P. 107–125.
5. Flach, P. Machine learning: The Art and science of algorithms that make sense of data / P. Flach. Cambridge University Press, 2012. 291 p.
6. Roth, A.L. Trial by Machine / A.L. Roth // Georgetown Law Journal. 2016. Vol. 104. Iss. 5. P. 1–48.
7. Sean, L. Identification of Fraudulent Financial Statements Using Linguistic Credibility Analysis / L. Sean // Decision Support Systems. 2011. Vol. 50. Iss. 3. P. 585–594.
8. Solove, D.J. Data Mining and the Security-Liberty Debate / D.J. Solove // The University of Chicago Law Review. 2008. Vol. 75. P. 343–362.
9. Zarsky, Tal Z. Transparent Predictions / Tal Z. Zarsky // University of Illinois Law Review. 2013. Vol. 2013. P. 1503–1570.
Get access to the article