Специальные вопросы регулирования и охраны цифровых технологий
Special issues of regulation and protection of digital technologies
Специальные вопросы регулирования и охраны цифровых технологий
Special issues of regulation and protection of digital technologies
88
П. С. Гуляева,
младший научный сотрудник,
Казанский инновационный университет
имени В. Г. Тимирясова
ЦИФРОВИЗАЦИЯ НОРМОТВОРЧЕСТВА
В УСЛОВИЯХ СМЕНЫ ТЕХНОЛОГИЧЕСКОГО УКЛАДА
Аннотация.
В рамках исследования рассмотрены теоретико-правовые аспек-
ты применения генеративных языковых моделей в нормотворчестве. В частности,
проведен эксперимент по разработке нормативных актов посредством популяр-
ных нейронных сетей ChatGPT и YandexLM, а именно: правила поведения на объ-
ектах метрополитена, проект акта об административном правонарушении и долж-
ностная инструкция младшего научного сотрудника. По итогам эксперимента был
сформирован перечень проблем, возникающих при интеграции самообучающихся
алгоритмов в нормотворческую деятельность.
Ключевые слова
: нормотворчество, цифровизация, нейросеть, генератив-
ная модель, YandexLM, ChatGPT, LLM, большие языковые модели
DIGITIZATION OF RULE-MAKING
IN CONDITIONS OF CHANGE OF TECHNOLOGICAL STRUCTURE
Abstract.
The study examines the theoretical and legal aspects of the use
of generative language models in rule-making. In particular, an experiment was conducted
to develop regulations using the popular neural networks ChatGPT and YandexLM,
namely: rules of conduct at metro facilities, a draft act on an administrative offense
and a job description for a junior researcher. Based on the results of the experiment,
a list of problems that arise when integrating self-learning algorithms into rule-making
activities was compiled.
Keywords
: rule-making, digitalization, neural network, generative model,
YandexLM, ChatGPT, LLM, Large Language Models
Изобретение колеса, парового двигателя, использование нефти как источ-
ника энергии повлекло не только смену экономической модели, но и серьезные
социальные изменения. Технологическая трансформация XXI в. фундаментально
отличается от предыдущих: инструментом и продуктом в новых условиях стала
информация.
До 2020 г. технологии искусственного интеллекта и машинного обучения про-
демонстрировали разнообразный функционал с высокой степенью автоматизации,
например, робот-поэт, робот-изобретатель, робот-судья. В правовой сфере можно
отметить как зарубежные, так и отечественные проекты в рамках legaltech-тренда:
Dashboard legal, Immediation, Jus Mundi, Botman.one и другие. Экспертные систе-
мы, чат-боты и конструкторы документов полностью или частично продублирова-
ли компетенции низкоквалифицированных юристов. При этом в правовой теории
активизировалась дискуссия о базовых концептах, например, о гипотетической
правосубъектности искусственного интеллекта и робототехники.
Специальные вопросы регулирования и охраны цифровых технологий
Special issues of regulation and protection of digital technologies
Специальные вопросы регулирования и охраны цифровых технологий
Special issues of regulation and protection of digital technologies
89
С 2021 г. генеративные языковые модели продемонстрировали принципи-
ально новые подходы к цифровизации деятельности и работе с информацией.
Генеративные нейронные сети можно классифицировать по типам следующим
образом:
1) нейросети, формирующие по запросу оператора аудиовизуальный контент
и способные генерировать и редактировать фото-, видеоматериалы (например,
Midjourney, Kandinsky 2.0, Stable Diffusion);
2) нейросети, которые анализируют метаданные и данные, содержащие ин-
формационные следы пользователей (например, подбор целевой аудитории в рам-
ках процесса подготовки рекламной компании в социальных сетях);
3) нейронные сети, применяемые в медицине, способны распознавать дан-
ные и обучаться на датасетах, собранных в разных городах страны, чтобы спро-
гнозировать состояние пациента более точно.
Популярность генеративных нейронных сетей обусловлена появлением, так
называемых, Больших Языковых Моделей (Large Language Models – LLM), на-
пример, ChatGPT. Аналогичные сервисы разработаны компаниями Google, Apple,
Yandex. Нейросети обучены подбирать информацию, тексты, формировать ответы
на запросы оператора и участвовать в беседе в формате чата.
Генеративные нейронные сети обучены на огромных объемах данных, а LLM
содержат, как правило, от 100 до 200 миллиардов параметров.
В процессе подготовки диссертационного исследования автора статьи был
проведен эксперимент, в рамках которого была протестирована возможность при-
менения сервисов ChatGPT и Yandex LM для автоматизации процесса нормотвор-
ческой деятельности. Были подготовлены несколько документов, а именно:
– правила поведения на объектах метрополитена;
– должностная инструкция младшего научного сотрудника;
– проект постановления об административном правонарушении.
Отечественный сервис Yandex LM уступает зарубежному ChatGPT по коли-
честву параметров (100 миллиардов и 175 миллиардов соответственно). При этом
нейросеть подходит для подготовки фрагментов текстов и характеризуется
следую щими параметрами:
– ограниченный объем итогового текста, который подходит для работы с ко-
роткими заметками либо при подготовке текста по частям;
– отсутствие понимания системой связи между запросами, а следовательно
невозможность уточнить задачу после обращения;
– осмысленность результата приемлемая, но не превосходная;
– не подходит для работы в рамках высокой степени автоматизации;
– требуется не просто контроль результата, но и постоянное участие оператора.
В настоящее время специалисты Яндекс разрабатывают новую версию систе-
мы, которая обладает более совершенными техническими характеристиками.
Популярная зарубежная нейронная сеть продемонстрировала хорошие ре-
зультаты, в частности:
– взаимосвязь запросов между собой;
Специальные вопросы регулирования и охраны цифровых технологий
Special issues of regulation and protection of digital technologies
Специальные вопросы регулирования и охраны цифровых технологий
Special issues of regulation and protection of digital technologies
90
– возможность уточнить параметры задачи как до запуска генерации, так
и после него, возможность «подсказывать» системе и обращать внимание на ло-
гику посредством таких обращений, как «думай последовательно» и подобных;
– сравнительно больший объем выдачи;
– понимание контекста достаточное для подготовки типовых документов на
высоком уровне;
– качество работы приемлемое для тестирования высокоавтоматизирован-
ных сервисов, включая машиноисполняемые опции;
– к недостаткам нейросети можно отнести спонтанный переход с русского
языка на иностранный.
Важно отметить, что указанные сервисы не обучены специально для выпол-
нения правовых задач, но возможно подготовить нейронную сеть, адаптирован-
ную к работе с юридическими текстами.
В итоге к основным характеристикам генеративных языковых моделей мож-
но отнести следующие признаки:
1) количество символов в итоговой выдаче ограничено возможностями кон-
кретной генеративной языковой модели;
2) нейронная сеть функционирует на базе принципов и целей, заложенных
разработчиками;
3) процесс принятия решения сервисом не прозрачен и неподконтролен –
данный феномен называется проблемой «черного ящика»;
4) различаются системы с открытым и закрытым датасетом – в первом слу-
чае сервис учится на запросах пользователей по всему миру, во втором случае
может учиться на обращениях только в рамках одной сессии, после завершения
которой все удаляется;
5) генеративная модель не занимается поиском информации о конкретных
людях, кроме сведений об общеизвестных личностях, которые были специально
внесены в базу данных, например, ученый Стивен Хоакинг;
6) уровень оригинальности текстов неодинаков;
7) в практике применения нейросетей в юриспруденции существуют кейсы,
когда система «придумала» факты, например, по запросу судебного юриста сде-
лала подборку выдуманных прецедентов, представив их как реальные – в итоге
юрист был лишен права практиковать;
8) в зависимости от качества обучения нейронная сеть способна генериро-
вать полноценные тексты, однако контроль человека, по мнению автора статьи, не
только необходим, но и обязателен на современном этапе.
В процессе подготовки эксперимента были выявлены не только прикладные,
но и фундаментальные противоречия:
1) понятийно-категориальный аспект связан с отсутствием терминологиче-
ского аппарата, необходимого для разработки правового механизма и методологии
применения нейросетей в нормотворческой деятельности;
2) проблема субъекта подразумевает сложности с формированием правового
статуса нейросети и результатов ее деятельности, особенно в условиях высокой
степени автоматизации нормотворчества на базе LLM;
Специальные вопросы регулирования и охраны цифровых технологий
Special issues of regulation and protection of digital technologies
Специальные вопросы регулирования и охраны цифровых технологий
Special issues of regulation and protection of digital technologies
91
3) деликтная проблема связана с предыдущей и характеризуется противоре-
чиями при распределении ответственности за неблагоприятные последствия.
Помимо перечисленных противоречий можно отметить риски в сфере безо-
пасности, а также этические, коммуникативные и методологические.
На основании вышеизложенного можно заключить, что в условиях развития
цифровизации и, в частности, технологий машиночитаемого и машиноисполняе-
мого права, эксперимент по интеграции инструментария больших языковых моде-
лей в нормотворческую практику можно считать не только возможным, но и же-
лательным. Применение генеративных нейронных сетей представляется верным
в условиях цифровой трансформации и технологизации публичного и корпора-
тивного управления. Самообучающиеся алгоритмы безусловно открывают новые
горизонты в сфере цифровизации права, при этом провоцируют серьезные риски
для правовой теории и практики.
Смена технологического уклада является объективным процессом и оказы-
вает непосредственное влияние на правовую реальность, а также на индивида,
общество в целом и государство. Разработка механизма применения самообучаю-
щихся алгоритмов в нормотворческой практике является в таком контексте есте-
ственным продолжением развития права в новых условиях цифровой трансфор-
мации всех сфер жизни. По мнению автора, игнорирование данных технологий
и отказ от их применения в правовой сфере противоречит глобальным трендам
и ведет к существенному отставанию в развитии цифровой экономики и социаль-
ных институтов.
Список литературы
1. Гуляева П. С. Медицинские нанороботы в фокусе права // Journal of Digital
Technologies and Law. 2023. Т. 1, № 1. С. 89–122. EDN: WNRAOE.
2. Пашенцев Д. А., Залоило М. В., Дорская А. А. Смена технологических укла-
дов и правовое развитие России. Москва: ИЗиСП: Норма: ИНФРА-М, 2021. 224 с.
3. Пономарева Е. В. Феномен квазисубъекта права: вопросы теории: моногра-
фия / под редакцией С. И. Архипова. М.: Юрлитинформ, 2020. 154 с.
4. Цифровизация правотворчества: поиск новых решений: монография / отв.
ред. Д. А. Пашенцев. М. Инфотропик Медиа, 2019.
5. Цифровизация правоприменения: поиск новых решений: монография / отв.
ред. Д. А. Пашенцев. М. Инфотропик Медиа, 2022.
6. Alice Witt, Anna Huggins, Guido Governatori, and Joshua Buckley. Converting
Copyright Legislation into Machine-Executable Code: Interpretation, Coding Validation
and Legal Alignment. Proceedings of the 18 International Conference on Artificial
Intelligence and Law. June 21–25, 2021. São Paulo, Brazil. Pp. 139–148.
7. Naman Jain, Arun Iyer, Suresh Parthasarathy, Sriram Rajamani, Rahul Sharma.
Jigsaw: Large Language Models meet Program Synthesis. Proceedings of the 44th
International Conference on Software Engineering, 2022. Pp. 1219–1231.
