Великі дані: кореляції та причинність (кримінально-правовий аспект)

1) утворення підстави для притягнення до відповідальності або застосування превентивних заходів до особи, яка ще не вчинила кримінальне правопорушення або не має реального наміру продовжувати свою протиправну діяльність;

2) усунення (невизнання, заперечення, ігнорування) ознаки волі та свободи вибору.

Переконливе передбачення за допомогою кореляцій на підставі Великих Даних може мати доволі високий ступінь вірогідності та утворювати спокусу надавати оцінку не фактичним обставинам, але прогнозам щодо майбутньої поведінки. Але заперечення свободи вибору та свободи волі неминуче приводить до іншої пастки і означатиме відсутність підстав притягнення до юридичної відповідальності. Разом з тим, спирання на звичай в якості джерела права [31, с. 130-135] дозволяє відшукати опору в культурній традиції: будь яке ворожіння (таро, руни, Книга змін тощо), в тому числі наукове ворожіння [32, с. 58-67; 36, с. 99-16], не пропонує остаточного вирішення проблеми наперед, але вказує на певний інерційний сценарій, тобто, найбільш ймовірний варіант розвитку подій, якщо все залишиться у тій конфігурації, як це склалося на момент запиту. Оскільки за людиною визнається, хоча і не абсолютна, але реальна можливість змінювати своє майбутнє власними вчинками, тому відповідальність за майбутній вчинок буде протирічити свободі вибору. Кореляції на підставі Великих Даних, як й інший інструментарій народних та наукових традицій,дозволяють краще зрозуміти поточні та майбутні ризики, скорегувати дії в той чи інший спосіб. Але вони не замінюють собою причинності і не утворюють причинність на майбутнє.

Застосування кореляцій не повинне перешкоджати наданню зацікавленій особі можливості спростувати їх прогноз, який об'єктивно може бути обґрунтованим та переконливим, але не остаточним. За використання кореляції ми маємо розширити заходи і обсяг забезпечення прав кожної особи, відносно якої застосовується аналіз і приймається рішення. Вдосконалення такого захисту має ґрунтуватися на наступних принципах:

1) відкритість, яка має стосуватися всього набору даних, критеріїв та алгоритму їх обробки;

2) розкриття всіх факторів, які можуть спростувати результати кореляції;

3) можливість одержання пояснень, в тому числі щодо логіки процесу виконання;

4) можливість повторного відтворення та спростування.

До того моменту, коли і якщо буде обґрунтований інший підхід, слід уникати застосування індивідуальної відповідальності на підставі колективних даних. Під час використання кореляцій на підставі Великих Даних повинна бути забезпечена гарантія базування індивідуальної відповідальності на об'єктивних проявах поведінки на відміну від покладання на прогнози. Право має бути готовим до наступу епохи Великих Даних на презумпцію невинуватості у часи, коли світогляд, що базується на підґрунті з'ясування причини, може повільно поступатися світогляду, який спирається на Великі Дані та кореляції.

Висновки та пропозиції

Завдяки переходу кількості у якість Великі Дані є викликом усталеному способу взаємодії, комунікації, аргументації, побудови ланцюжків доказів та прийняття рішень, який традиційно спирався на категорію причинності. Мистецтво роботи з Великими Даними включає у себе формулювання максимально ефективного запиту до алгоритму обробки на підставі інженерії оперативного управління (prompt engineering). Феномен Великих Даних остаточно підтверджує назву сучасного суспільства як інформаційного. Необхідно приділяти увагу не тільки апаратному та програмному забезпеченню процесу обслуговування Великих Даних, але зосередитися на його наслідках, в тому числі тих, які мають правове значення.

Великі Дані виступають підґрунтям для кореляцій, які здатні конкурувати з встановленням причинності під час прийняття юридично значущих рішень. Кореляція є позначкою статистичного взаємозв'язку між двома випадковими змінними або значеннями. Великі Дані сприяють переходу від причинності до кореляції, але в галузі права слід більш обережно підходити до використання останніх.

Кореляції на підставі Великих Даних дозволяють одержати відповідь на питання “що?” замість “чому?” і цього у значній кількості випадків виявляється цілком достатньо. Кореляції допомагають аналізувати об'єкти і явища не через з'ясування фундаментальних принципів їх внутрішньої побудови, але через корисні статистичні закономірності, які можуть бути не пов'язані з причинністю. Сильні кореляції жодним чином не пояснюють певне явище, оскільки пропонують вірогідність замість визначеності. У певних випадках кореляції можуть допомогти з'ясувати причинний зв'язок.

Кореляції на підставі Великих Даних можуть: 1) вплинути на рішення, які приймає людина; 2) доповнити аргументацію для обґрунтування рішень, які приймає людина; 3)суперечити рішенням, які приймає людина на підставі своїх знань та досвіду.

Феномен Великих Даних формує нові способи мислення та пізнання оточуючого світу, зокрема: 1) здатність аналізувати всі дані, замість вдоволення лише частиною або неповними вибірками; 2) готовність мати справу з неупорядкованими даними на шкоду індивідуальній точності задля формування загального висновку; 3) відмова в окремих випадках від встановлення причинності та певного рівня точності на користь довіри математично обґрунтованим кореляціям.

Кореляції можуть бути корисними в тих галузях права, де статистичний аналіз є ефективним,для виявлення закономірностей та взаємозв'язків між різними змінними (фактори, що сприяють злочинності, ймовірність певного результату у судовому процесі тощо). Актуальними тенденціями виступають передбачене правосуддя (Predict Courts' Decisions), технології прогнозування (Prediction Technology), правосуддя на основі даних (Data-driven justice) тощо. Напрямками застосування кореляцій в галузі права можуть бути: 1) одержання об'єктивних даних, які можна використовувати для підтримки юридичних аргументів або рішень, для нейтралізації впливу емоцій та суб'єктивних упереджень; 2) підвищення ефективності юридичних процесів шляхом своєчасного виявлення ключової інформації та оптимізації процесу прийняття рішень; 3) розробка прогностичних моделей, прогнозування ймовірності результату в судовому процесі на підставі аналізу прецедентів зі схожими характеристиками; 4) виявлення тенденцій, зв'язків між певними змінними та результатом, закономірностей у факторах, які впливають на суддівські рішення, для виявлення упереджень в судовій системі; 5) індивідуалізація кримінальних вироків, виявлення факторів, які найсильніше корелюють з рецидивом або ймовірністю вчинення нового кримінального правопорушення; 6) покращення правових досліджень; 7) забезпечення репрезентативності та підвищення ефективності відбору присяжних шляхом аналізу даних про їх характеристики та упередження; 8) покращення доступу до правосуддя через системні поліпшення правової системи тощо.

До появи Великих Даних причинність відігравала у праві ключову роль. У кримінальному праві України побудована цілісна система встановлення необхідного причинного зв'язку між суспільно небезпечним діянням та суспільно небезпечним наслідком. Але за її допомогою вдається переконливо обґрунтовувати остаточне рішення лише у доволі простих ситуаціях.

В інших випадках фактично вдаються до переконання, умовляння або примушення учасників дискусії до колективної згоди імперативними засобами (зокрема, рішенням суду, яке набрало законної сили).

У значній кількості випадків складно довести як кореляції, так і причинність. Але розрахунок кореляцій здійснюється з більшою швидкістю та з меншими витратами, крім того, на відміну від процесу встановлення причинно-наслідкових зв'язків, існують математичні та статистичні методи для аналізу кореляцій, переконливий інструментарій для впевненої демонстрації обґрунтованості висновків.

Кореляції на основі Великих Даних можуть бути використані в кримінальному матеріальному та процесуальному праві, криміналістиці та кримінології у різний спосіб, зокрема: 1) як докази в суді для підтримки або спростування аргументів сторони обвинувачення або захисту; 2) як підґрунтя для формулювання версій, слідчих зачіпок щодо зв'язків між людьми, місцями і подіями; 3) для оцінки ризику вчинення повторного кримінального правопорушення або потенційної майбутньої злочинної поведінки, що може вплинути на рішення про заставу, винесення вироку або обрання запобіжного заходу; 4) для створення мап злочинності та гарячих точок, що може допомогти правоохоронним органам ефективніше спрямовувати свої ресурси; 5) для виявлення закономірностей у злочинній діяльності з метою розкриття та запобігання вчиненню кримінальних правопорушень.

В сфері пеналізації відсутній будь-який протокол (правила, формула, алгоритм, метод) з приводу визначення на законодавчому рівні виду і розміру покарання за конкретне кримінальне правопорушення, тож кореляції можуть сприяти цьому, але використання кореляцій під час індивідуального призначення покарання вбачається невиправданим. На підставі кореляцій не може бути притягнута до відповідальності будь-яка особа до того, як вона вчинила конкретний вчинок, інакше це спростує ідею презумпції невинуватості, що покладена у підґрунтя правової системи.

Існує небезпека “диктатури” Великих Даних, коли даним надається більше змісту та значення, ніж всьому іншому, коли захоплення кореляціями на підставі непрозорих алгоритмів здатне привести до критичних зловживань. З появою Великих Даних людство вступає у новий світ, в якому складне дослідження непереконливої причинності може поступатися спиранню на непрозорі кореляції, де непрозорість рішення уповноваженої особи або органу базується на висновку “чорної скриньки” непрозорого алгоритму.

Кореляції не є беззаперечним доказом причинно-наслідкового зв'язку і повинні використовуватися в поєднанні з іншими типами доказів та відповідною юридичною аргументацією. Кореляції не мають бути використані в якості аргументу, який має переважну силу над іншими. Етичні проблеми використання кореляцій можуть бути пов'язані питаннями справедливості. Тому до використання кореляцій у сфері права слід підходити з обережністю, підкріплюючи рішення ретельним аналізом всіх обставин, глибоким розумінням не тільки правових принципів, але й основ роботи алгоритмів. Задля досягнення цієї мети правники мають оволодівати базовими знаннями з програмування, тестування, інженерії оперативного управління (prompt engineering) тощо.

Основними недоліками та вадами використання кореляцій в сфері права можуть бути наступні: 1) кореляція не вказує на причинно-наслідковий зв'язок і не доводить його існування; 2) ризик упередженості; 3) відсутність контексту; 4) обмежена сфера застосування; 5) неправильна інтерпретація; 6) недостатня якість даних; 7) неточність шаблонів; 8) порушення конфіденційності; 9) втручання в сферу захисту інтелектуальної власності та охоронюваних таємниць; 10) неналежний рівень прозорості і підзвітності; 11) дискримінаційні практики; 12) етичні міркування.

Вбачається доцільним встановити запобіжники захисту від застосування висновків на підставі кореляцій та кількісних показників для тих осіб, які можуть через них зазнати утисків, шкоди або іншого порушення прав та свобод. У більшості випадків потрібно не стільки адаптувати старі правила та підходи, скільки розробляти та встановлювати нові.

Призначення Великих Даних та кореляцій на їх підставі здебільше полягає в інформуванні, ніж у поясненні. Оскільки дослідження кореляцій не повинне підмінювати собою встановлення причинності, то за критерієм точності ієрархія між причинністю та кореляцією повинна мати наступний вигляд: 1) кореляція (менша точність, одна з передумов встановлення причинності); 2) причинність (більша точність, яка може спиратися на кореляцію).

Кореляція повною мірою є ефективною тоді, коли є необхідність дослідити явище безвідносно до його причини. Найбільш вдало кореляції на підґрунті Великих Даних можуть бути використані у тих випадках, коли не є принциповою індивідуалізація. Натомість, їх необхідно вкрай обережно використовувати там, де індивідуалізація є дуже важливою (всі персональні рішення, зокрема, щодо притягнення до кримінальної відповідальності, звільнення від неї, призначення покарання або звільнення від нього тощо). Вдосконалення захисту прав і свобод людини у випадку використання кореляцій має ґрунтуватися на наступних принципах: 1) відкритість, яка має стосуватися всього набору даних, критеріїв та алгоритму їх обробки; 2) розкриття всіх факторів, які можуть спростувати результати кореляції; 3) можливість одержання пояснень, в тому числі щодо логіки процесу виконання; 4) можливість повторного відтворення та спростування.

Кореляції на підставі Великих Даних, як й інший інструментарій народних та наукових традицій, дозволяють краще зрозуміти поточні та майбутні ризики, скорегувати дії в той чи інший спосіб. Але вони не замінюють собою причинності і не утворюють причинність на майбутнє. Під час використання кореляцій на підставі Великих Даних повинна бути забезпечена гарантія базування індивідуальної відповідальності на об'єктивних проявах поведінки на відміну від покладання на прогнози. Право має бути готовим до наступу епохи Великих Даних на презумпцію невинуватості у часи, коли світогляд, що базується на підґрунті з'ясування причини, може повільно поступатися світогляду, який спирається на Великі Дані та кореляції.

Перспективи подальших наукових досліджень. Порушені питання та надана їм авторська оцінка є дискусійними та відкритими для конструктивної критики і широкого обговорення з огляду на їх актуальність та важливість для забезпечення подальшого розвитку інформаційного суспільства.

Використана література

1. Angwin, Julia. Dragnet Nation: A Quest for Privacy, Security, and Freedom in a World of Relentless Surveillance. New York: Times Books, 2014. 304 p.

2. Allen, Michael. Stranger than Science Fiction: Edwin Black, IBM, and the Holocaust. Technology and Culture. The Johns Hopkins University Press. Vol. 43. No.1 (Jan., 2002), pp. 150-154. URL: https://www.jstor.org/stable/25147861 (дата звернення: 30.03.2023).

3. Black, Edwin. IBM and the Holocaust: The Strategic Alliance Between Nazi Germany and America's Most Powerful Corporation. New York: Crown, 2001. 519 pp.

4. Berk, R., & Hyatt, J. (2015). Machine Learning Forecasts of Risk to Inform Sentencing Decisions. Federal Sentencing Reporter, 27(4), 2015. pp. 222-228. URL: https://doi.org/10.1525/fsr. 2015.27.4.222 (дата звернення: 30.03.2023).

5. Berk, R.A., Barnes, G., Jenkins, J., & Sherman, L. Forecasting murder within a population of probationers and parolees: a high stakes application of statistical learning. Journal of the Royal Statistical Society: Series A (Statistics in Society), 181(1)/2018, 127-155 pp. URL: https://www.jstor. org/stable/30136747 (дата звернення: 30.03.2023).

6. Citron, Danielle Keats. Hate Crimes in Cyberspace. Harvard University Press, 2014. 352 p.

7. Damghani, B.M. The Non-Misleading Value of Inferred Correlation: An Introduction to the Cointelation Model. Wilmott, Volume 2013, Issue 67, Sept. 2013. pp. 50-61. URL: https://papers.ssrn. com/sol3/papers.cfm?abstract_id=2429120 (дата звернення: 01.04.2023).

8. Ferguson, A.G. The rise of big data policing: Surveillance, race, and the future of law enforcement. New York: NYU Press, 2017. 272 p.

9. Friend, Zach. “Predictive Policing: Using Technology to Reduce Crime”. FBI Law Enforcement Bulletin, Federal Bureau of Investigation, 8 February 2018. URL: https://leb.fbi.gov/articles/featured- articles/predictive-policing-using-technology-to-reduce-crime (дата звернення: 01.04.2023).

10. Griffard, Molly. A Bias-Free Predictive Policing Tool?: An Evaluation of the Nypd's Patternizr. Fordham Urban Law Journal, Dec. 2019, 47 (1): 43-83. URL: https://login.proxylib.csueas tbay.edu/login?qurl=https:// search.ebscohost.com/login.aspx?direct=true&AuthType=sso&db=a9h&A N=140930218&site=ehost-live&scope=site (дата звернення: 01.04.2023).

11. Hart H.L.A., Leslie Green, Joseph Raz, Penelope A. Bulloch. The Concept of Law. Oxford University Press, Clarendon Law Series, 3rd edition, December 29, 2012. 380 p.

12. Harcourt, B.E. The collapse of the harm principle. Journal of Criminal Law and Criminology, 101(3)/2011, pp. 761-803. URL:https://scholarlycommons.law.northwestern.edu/cgi/vie wcontent.cgi?article=7037&context=jclc (дата звернення: 30.03.2023).

13. Harcourt, B.E. The counterrevolution: How our government went to war against its own citizens. Basic Books, Feb 27, 2018. 336 p.

14. Nikolic, D., Muresan, R.C., Feng, W. and Singer, W. Scaled correlation analysis: a better way to compute a cross-correlogram. European Journal of Neuroscience, 35/2012: 742-762 pp. URL: https://onlinelibrary.wiley.com/ doi/10.1111Zj .1460-9568.2011.07987.x (дата звернення: 30.03.2023).

15. Kahneman, Daniel. Thinking, Fast and Slow. New York: Farrar, Straus and Giroux, 2011. 512 p.

16. Lane, Nick. The Vital Question: Energy Evolution and the Origins of Complex Life. New York: W.W. Norton & Company, 2016. 360 p.

17. Langford, Malcolm; Madsen, Mikael Rask: France Criminalises Researchon Judges, Verf Blog, June 22, 2019. URL: https://verfassungsblog.de/france-criminalises-research-on-judges (дата звернення: 30.03.2023).

18. Levine E.S., Jessica Tisch, Anthony Tasso, Michael Joy. The New York City Police Department's Domain Awareness System. Interfaces 47(1)/2017, pp. 70-84. URL: https://pubson line.informs.org/doi/10.1287/inte.2016.0860 (дата звернення: 30.03.2023).

19. Master Card Spending Pulse ТМ. URL: https://www.mastercardservices.com/en/ solutions/ data-networks/spendingpulse (дата звернення: 30.03.2023).

20. Mayer-Schonberger, Viktor Kenneth Cukier. Big Data: The Essential Guide to Work, Life and Learning in the Age of Insight. HachetteUK, 2013. 256 p.p.

21. Moore, Michael S. Causation and Responsibility: An Essay in Law, Morals, and Metaphysics. Oxford University Press, 2009. 530 р.

22. Nelsen, Arthur. Feature-Pushback against AI policing in Europe heats up over racism fears. Thomson Reuters Foundation, October 20, 2021. URL: https://www.reuters.com/article/europe-tech- police-idINL8N2R92HQ (дата звернення: 30.03.2023).

23. Perry, Walter L., Brian McInnis, Carter C. Price, Susan Smith, and John S. Hollywood, Predictive Policing: The Role of Crime Forecasting in Law Enforcement Operations. Santa Monica, CA: RAND Corporation, 2013. URL: https://www.rand.org/pubs/research_reports/RR233.html (дата звернення: 30.03.2023).

24. RICAS (Realtimeintel ligence crime analytics system) інтелектуальна система кримінального аналізу даних. URL: https://ricas.org/uk (дата звернення: 30.03.2023).

25. Rienks R. Predictive Policing: Taking a chance for a safer future.Issuu, Jul 14, 2015. URL: https://issuu.com/rutgerrienks/docs/predictive_policing_rienks_uk (дата звернення: 30.03.2023).

26. Thum, Scott. Next Frontier in Credit Scores: Predicting Personal Behavior. Wall Street Journal, October 27, 2011. URL: http://online.wsj.com/article/SB10001424052970203687504576655 182086300912.html (дата звернення: 30.03.2023).

27. Vlahos J. The department of pre-crime. Scientific American, 2012 Jan; 306(1): 62-70. URL: https://pubmed.ncbi.nlm.nih.gov/22279837 (дата звернення: 30.03.2023).

28. Wright, Richard W. Causation in the law. Routledge Encyclopedia of Philosophy Online, Taylor and Francis, 2001. URL: https://www.rep.routledge.com/articles/thematic/causation-in-the-law/ v-1 (дата звернення: 30.03.2023).

29. Вільчек, Френк. Основи. 10 ключів до реальності ; пер. з англ. Миколи Климчук. Київ: Лабораторія, 2021. 208 с.

30. Карташов М.В. Iмовiрнiсть, процеси, статистика: посі6ник. Київ: Видавничо- поліграфічний центр “Київській університет”, 2008. 494 с.

31. Радутний О.Е. Звичай як джерело кримінального права. Держава і право: збірник наукових праць. Юридичні і політичні науки. Вип. 45. Київ: Ін-т держави і права ім. В.М. Корецького НАН України, 2009. 668 с. С.130-135.

32. Радутний О.Е. Стан інформаційно-законодавчої діяльності на прикладі Кримінального кодексу України. Інформація і право. № 3(18)/2016. С. 58-67 .

33. Радутний О. Суб'єктність штучного інтелекту у кримінальному праві. Право України. 1/2018. С. 123-136 .

34. Радутний О.Е. Мораль і право для штучного інтелекту та цифрової людини: закони робототехніки та “проблема вагонетки”. Інформація і право. № 3(30)/2019. С. 78-96.

35. Радутний О.Е., Якулявічене Л. Права людини крізь призму штучного інтелекту, роботизації та цифрової людини / Права людини в умовах цифрової трансформації суспільства : монографія / [Д.В. Лученко, О.В. Капліна, В.Я. Настюк та ін.] / за ред. проф. Д.В. Лученка. Харків : НЮУ імені Ярослава Мудрого, 2022. 272 с. С. 19-41.

36. Радутний О.Е. Публічні заклики та заперечення як форми інформаційної колабораційної діяльності за Кримінальним кодексом України. Інформація і право. № 2(41)/2022. С. 99-116.

37. Радутний О.Е. Великі дані: поняття, ознаки та виклики (кримінально-правовий аспект). Інформація і право. № 1(44)/2023. С. 88-105.

Размещено на Allbest.ru