Главная - Архив - Выпуск №3, 2019 - Статья № 17 (Выпуск №3, 2019)

Статья № 17 (Выпуск №3, 2019)

Название статьи Номер журнала Дата выпуска	ПОСТРОЕНИЕ ЦИФРОВОЙ МОДЕЛИ ПРАВОВОГО ПРОСТРАНСТВА И ЕЕ ИСПОЛЬЗОВАНИЕ ДЛЯ РЕШЕНИЯ ЮРИДИЧЕСКИХ ЗАДАЧ 3 2019
Раздел Тип статьи	Мнение ученых научная статья
Страницы	74-81
Коды УДК	340
Ключевые слова	цифровая модель правового пространства, искусственный интеллект, правоприменение, машинное обучение

Авторы

В.В. Крылов, И.А. Филипова, Г.М. Жигалов

Аннотация

Правовые нормы, определяющие пространство права, являются языковыми конструкциями, построенными в соответствии с правилами естественного языка. Однако, для их правильного формулирования и применения требуется знание правил юридической техники, то есть специальное обучение, которое, в отличие от иных интеллектуальных областей деятельности человека, пока не использует язык математики. В настоящем исследовании представлены результаты построения эмпирической математической модели правового пространства на примере норм российского уголовного и гражданского права, а также анализ возможностей по интерпретации и созданию приложений, в которых такая модель может использоваться. Авторами демонстрируется, что математическое «правовое пространство» является обособленным кластером естественного языка, объективные понятия близости в таком пространстве порождают понятия связанности юридических утверждений, давая возможность прогнозировать правовую квалификацию фактов, описание которых сформулировано на естественном языке, с высокой степенью достоверности. В целях иллюстрации возможностей использования представленной модели разработан классификатор оценки «успешности» гражданского дела и построен прототип чат-бота – юриста-помощника для интерпретации произвольного высказывания в терминах, свойственных юридической технике, и квалификации деяний по нормам права.

Библиографический список

1. Талапина Е.В. Право и цифровизация: новые вызовы и перспективы // Журнал российского права. 2018. № 2. С. 5-17.

2. Flach P. Machine Learning: The Art and Science of Algorithms that Make Sense of Data. New York: Cambridge University Press, 2012. 409 p.