Применение ИИС в юриспруденции

3. Применение нейросетевых технологий для задач юриспруденции

 

С появлением алгоритма обратного  распространения ошибки начался  период широкого практического применения нейросетевых технологий для решения самых разнообразных задач. С помощью многослойного персептрона стало возможным строить математические модели, выполняющие сложные многомерные отображения входного вектора параметров X на выходной вектор Y.

Задачи подобного рода часто  встречаются в самых разнообразных, казалось бы не имеющих ничего общего областях, таких как промышленность, экономика, бизнес, финансы, политология, социология, криминалистика, медицина и т.д. Практически в каждой проблеме, решаемой прикладными науками, требуется построить модель явления, процесса, объекта, т.е. выявить и математически описать зависимость одного комплекса параметров от другого, построить математические функции, которые можно использовать для более глубокого анализа объекта, например, найти оптимальное сочетание управляющих параметров, обеспечивающих максимум целевой функции, выполнить прогнозирование, предсказать, как будут развиваться события в зависимости от того или иного воздействия.

Примером такого использования  является нейросетевой детектор лжи.

Правду ли говорит ребенок, обычно легко определить по выражению его  лица, движению глаз, покраснению кожи. Со взрослым человеком значительно труднее. Если измерять давление крови, то можно выяснить, что у одних людей, говорящих правду, оно повышается, а у других – наоборот, понижается. То же самое может происходить с пульсом.

В следственной практике МВД России в настоящее время применяются  полиграфы, система датчиков которых  измеряет до десяти параметров, таких как пульс, артериальное давление, температура тела, частота дыхания, электросопротивление участков кожи и др. Эти параметры в реальном времени отображаются на экране монитора в виде пульсирующих кривых. Заключение о правильности ответа подследственного дается компьютерной программой, анализирующей получаемые кривые с помощью набора правил, которые обобщают исследования психологов и опыт многих наблюдений.

Ненадежность заключения, производимого  таким детектором лжи, обусловлена  тем, что к разным людям, по-разному  реагирующим на стрессовые ситуации, применяется одна и та же система  решающих правил. Поэтому помимо компьютерной программы полиграфологи вынуждены применять систему дополнительных, весьма трудоемких и кропотливых приемов.

Нейросетевые технологии позволяют по-новому подойти к проблеме построения детектора лжи. Они дают возможность создать компьютерную программу, которая настраивается на каждого конкретного человека и учитывает индивидуальные особенности его организма.

Выборка обучающих примеров формируется  в результате предварительных бесед  следователя с подследственным, в ходе которых следователь задает вопросы, ответы на которые ему известны. Таким образом, следователь во время  этих бесед снимает с подследственного векторы обучающих примеров.

Накопив достаточное число примеров, можно научить персептрон делать заключения о правильности показаний  подследственного. Причем, поскольку  персептрон обучился на примерах, сформированных самим подследственным, то можно  полагать, что заключение персептрона  будет объективно учитывать индивидуальные особенности организма допрашиваемого.

Приведенный способ создания настраиваемого детектора лжи обладает недостатком, состоящим в трудоемкости формирования обучающей выборки. Поэтому его можно рекомендовать для ответственных случаев, когда затраты на длительные беседы следователя с подследственным оправданны. В других случаях можно рекомендовать персептрон, настроенный на некоторого усредненного человека. Такой детектор лжи получается при использовании в качестве обучающей выборки ответов нескольких человек, относящихся к различным психологическим типам.

 

 

Заключение

 

В основе любой организованной деятельности лежит информация. Основоположник кибернетики Норберт Винер определил это понятие так: «Информация есть информация, не материя и не энергия». Следствием нематериальной природы информации является возможность ее неограниченного тиражирования, которая означает неисчерпаемость информационных ресурсов и свидетельствует об их принципиальном отличии от ресурсов материальных. Отличительное свойство информационных ресурсов — их универсальность, так как они необходимы в любой сфере человеческой деятельности.

Информационные процессы имеют  место в живой и неживой  природе. Для человеческого общества характерно стремление к познанию и  преобразованию окружающего мира путем приобретения информации, ее хранения, передачи, обработки и использования. В течение многих веков люди добывают, обрабатывают и используют материальные и энергетические ресурсы. Они создали для этих целей мощное оборудование и эффективные технологии. То же можно сказать об информации: на протяжении своей истории человечество накапливало знания, полученные из наблюдений и опыта, пыталось сохранить их и передать последующим поколениям, делало верные и неверные выводы из совокупности доступных знаний и было неудержимо в попытках применения полученных знаний на практике.

В юридической деятельности также  значительно выросло применение информационных технологий, повсеместно  используются базы данных, справочно-правовые системы, искусственный интеллект. В данной работе были рассмотрены  примеры такого применения.

 

 

Список использованной литературы

 

1. Андрейчиков А. В., Андрейчикова О. Н. Интеллектуальные информационные системы. М., 2004.
2. Данелян Т.Я. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В ЮРИСПРУДЕНЦИИ (ИТ в юриспруденции) : учебно-методический комплекс. – М.: Изд. центр ЕАОИ, 2009.
3. Новиков Д.Б., Камынин В.Л. Введение в правовую информатику. Справочные правовые системы «Консультант Плюс». - М.: НПО ВМИ, 1999.
4. Полевой Н., Компьютерные технологии в юридической деятельности. М., 1994.
5. Смоголян Г.Л., Человек и компьютер. М., 1981.
6. Тельнов Ю.Ф. Интеллектуальные информационные системы. / Московский международный институт эконометрики, информатики, финансов и права. - М.,2004.
7. Шафрин Ю. Информационные технологии. – М.: Лаборатория Базовых Знаний, 2000.
8. Ясницкий Л. Н. Введение в искусственный интеллект: Учеб. пособие для студ. высш. учеб. заведений / Леонид Нахимович Ясницкий. – М.: Издательский центр «Академия», 2005.

 

 

 

 

 

 

¹ Смоголян Г.Л., Человек и компьютер. М., 1981.

² Шафрин Ю. Информационные технологии. – М.: Лаборатория Базовых Знаний, 2000. С. 42.

³ Новиков Д.Б., Камынин В.Л. Введение в правовую информатику. Справочные правовые системы «Консультант Плюс». - М.: НПО ВМИ, 1999. С. 102