Сучасний образ інтелектуальної юридичної системи та еволюційний ідеал нових інформаційних технологій

У цьому розділі розглядається перспектива використання нейронних мереж в експертних системах. Нейронні мережі припускають зовсім іншу модель обчислювального процесу, принципово відмінну від тієї, котра традиційно використовується в експертних системах.

Ця система допомагає користувачеві відшукати правові документи – опис прецедентів або статті законів, – що мають відношення до певної справи. Оскільки юридична практика охоплює всі галузі життя сучасного суспільства, використання традиційного підходу, заснованого на звичайних базах знань, до пошуку і отримання правової інформації потребує подання в системі величезного обсягу знань, у більшості нетривіальних, що являють такі складні поняття, як права, дозвіл, обов\'язок, угода тощо. Проблема ускладнюється використанням природної мови при складанні запитів. Більшість пошукових систем, що мають справу із запитами природною мовою, що використовуються для пошуку в мережі World Wide Web, засновані на статистичному підході, а не на базах знань.

У системі розпочато спробу вирішити цю проблему за допомогою сполучення статистичного підходу до отримання інформації і підходу, заснованого на базах знань, у яких враховуються значеннєві зв\'язки між документами.

Стосовно систем штучного інтелекту взагалі й експертних систем зокрема, іноді можна почути такі критичні зауваження.

1. Такі системи занадто “тендітні” в тому розумінні, що, зустрівшись із ситуацією, не передбаченою розроблювачем, вони або формують повідомлення про помилки, або дають неправильні результати. Іншими словами, ці програми досить просто можна “поставити в тупий кут”.

2. Вони не здатні безупинно самонавчатися, як це робить людина в процесі розв’язання проблем, що виникають.

Ще в середині 1980–х років багато дослідників рекомендували використовувати для подолання цих (та інших) недоліків нейронні мережі.

У найбільш спрощеному вигляді нейронну мережу можна розглядати як спосіб моделювання в технічних системах принципів організації та механізмів функціювання головного мозку людини.

Нейрон головного мозку одержує вхідні сигнали від безлічі інших нейронів, причому сигнали мають вигляд електричних імпульсів. Входи нейрону поділяються на дві категорії – збуджуючі і гальмуючі. Сигнал, що надійшов на збуджуючий вхід, підвищує збудження нейрону, що при досягненні визначеного порогу призводить до формування імпульсу на виході. Сигнал, що надходить на гальмуючий вхід, навпаки, знижує збудження нейрона. Кожен нейрон характеризується внутрішнім станом і порогом збуджуваності. Якщо сума сигналів на збуджуючих і гальмуючих входах нейрону перевищує цей поріг, нейрон формує вихідний сигнал, що надходить на входи пов\'язаних з ним інших нейронів, тобто відбувається поширення порушення по нейронній мережі. Типовий нейрон може мати до 10³ зв\'язків з іншими нейронами.

Було виявлено, що час переключення окремого нейрону головного мозку складає кілька мілісекунд, тобто процес переключення йде досить повільно. Тому дослідники дійшли висновку, що високу продуктивність обробки інформації в мозку людини можна пояснити тільки рівнобіжною роботою чисельності щодо повільних нейронів і великою кількістю взаємних зв\'язків між ними. Саме цим пояснюється значне поширення терміну “масовий паралелізм” у літературі, яка стосується нейронних мереж.

Підхід, що базується на нейронних мережах, часто розглядається як несимволічний, або субсимволічний, оскільки основна інформаційна одиниця, що підлягає обробці, є не символом, а чимось більш примітивним. Але оскільки нейронні мережі часто моделюються програмно, сам нейрон уявляється якоюсь програмною структурою, що, у свою чергу, може бути реалізоване з використанням символів. Наприклад, роль нейрону може виконувати об\'єкт даних, що володіє підходящими властивостями і методами і пов\'язаний покажчиками з іншими об\'єктами в мережі.

Вузли в мережній структурі гібридної системи для одержання правової інформації SCALIR являють собою прецеденти (справи, раніше розглянуті судами), статті правових актів і важливі (ключові) слова, що зустрічаються в подібних документах. Таким чином, структурно мережа розділена на три шари: Прецеденти – Терми – Законодавчі акти. У цій мережі шар прецедентів і шар законодавчих актів розділені шаром вузлів, що являють собою ключові слова (терміни). Останні пов\'язані з документами, у яких вони зустрічаються. Таким чином, у базовій структурі мережі зв\'язок між вузлами термінів і документів утворює схему індексації зі зваженими зв\'язками. У результаті масив термінів відбивається як на масив прецедентів, так і на масив правових актів.

У цілому мережа системи SCALIR [194]^[262] містить приблизно 13 000 вузлів термінів, близько 4 000 вузлів прецедентів і 100 вузлів законодавчих актів. Між вузлами термінів і прецедентів організовано майже 75 000 зв\'язків, а між вузлами термінів і законодавчих актів – близько 2 000 зв\'язків. Крім того, існує близько 10 000 символічних зв\'язків між вузлами прецедентів. Такі ключові завдання, як отримання термінів і цитування, були вирішені програмно, а потім на підставі цієї інформації автоматично сформовані вузли мережі і зв\'язку між ними. Описана мережа була потім використана як базова інформаційна структура для здобуття документів.

Аналіз сучасного образу інтелектуальної юридичної системи показав, що технологічне відношення до юридичного знання, еволюціонуючи, стає центром міждисциплінарного синтезу.

Правознавство є дуже складною галуззю, яка постійно розвивається, в ній існують різні точки зору з багатьох питань, навіть визначення основних понять права не завжди є єдиними.

Як було показано в першому розділі, нові інформаційні технології – явище ноосфери як за своїм походженням, так і за соціальними наслідками.

От чому демократичне, цивілізоване поводження – а не сентиментальні вимоги гуманістів – висловлює саму суть законів свідомості і укладу людського гуртожитку відповідно до них”^[263].

Закони свідомості і задають масштаб і напрямок еволюції нових інформаційних технологій, сутність якого має проявлятися в поступовому переході від окремих систем, що локально вбудовуються в нетехнологізоване середовище до інтегрованого інтелектуального середовища, – “мережі знань”.