Scientific publication

00:00
Голос Науки
Голос Науки
...
Journal Article
Apr, 2026

Исследование возможностей применения общедоступных нейронных сетей в уголовном судопроизводстве

Спиридонов М.С.

DOI: 10.21202/jdtl.2026.2
InfoAuthors (1)

Abstract

Цель: исследование направлено на экспериментальную проверку способности общедоступных нейронных сетей решать формализованные задачи уголовного права с заранее установленным нормативно корректным результатом.

Методы: для достижения поставленной цели применялся комплекс взаимодополняющих методов научного познания. Общенаучную основу исследования составили методы анализа и синтеза, индукции и дедукции, позволившие системно осмыслить изучаемую проблематику. В рамках специального юридического инструментария использовались формально-юридический анализ и официальное толкование норм права, что обеспечило строгость нормативной оценки полученных результатов. Ключевым эмпирическим методом исследования выступил контролируемый эксперимент, органично сочетавшийся с моделированием правоприменительных ситуаций и сравнительным анализом ответов шести общедоступных нейронных сетей на идентичные уголовно-правовые задачи.

Результаты: в ходе проведенного эксперимента установлено, что общедоступные нейронные сети обнаруживают существенные расхождения в точности и последовательности ответов при решении формализованных задач уголовного права: ни одна из тестируемых моделей не продемонстрировала стабильного и безошибочного результата. Выявлено, что в отсутствие прямого указания на соответствующие правовые источники модели систематически допускают ошибки при определении момента погашения судимости, применении правил назначения наказания и установлении вида рецидива преступлений, что свидетельствует об их репродуктивном, а не аналитико-правовом характере. Предоставление точных цитат из нормативных актов и разъяснений Пленума Верховного Суда Российской Федерации существенно повышает корректность ответов отдельных нейронных сетей. Определены наиболее и наименее результативные модели, а также сформулированы основные требования к составлению юридически корректного запроса в сфере уголовного судопроизводства.

Научная новизна: настоящее исследование представляет собой попытку экспериментальной верификации возможностей общедоступных нейронных сетей применительно к конкретным задачам уголовного права с заранее известным нормативно верным ответом. Полученные результаты позволили выявить типологию воспроизводимых нейронными сетями ошибок, раскрыть их процессуальные причины, а также обозначить принципиальные ограничения использования генеративного искусственного интеллекта в правоприменительной деятельности.

Практическая значимость: результаты исследования могут использоваться в правоприменительной и образовательной деятельности: для определения допустимых границ применения общедоступных нейронных сетей в уголовном судопроизводстве, разработки методических рекомендаций по составлению юридически грамотных запросов к системам генеративного искусственного интеллекта, а также в целях предупреждения типовых ошибок при обращении к нейронным сетям в ходе профессиональной юридической деятельности.

генеративный искусственный интеллект, назначение наказания, нейронные сети, право, правоприменение, промпт, уголовное право, уголовное судопроизводство, цифровые технологии, юридический эксперимент
Full text: www.lawjournal.digital
1
1

We recommend that you study

Golos Nauki Logo
Home page
Support Project
Sections
Быстрый доступ
  • Author's interview
  • Video Abstracts
Sponsor
* is not an advertisement
Presentation
Information

    Phone: 8 (800) 350 17-24email: office@golos-nauki.ru
    Sign Up
    Information
    Date of publication: 10 Apr, 2026Number of views: 1
    Full text: www.lawjournal.digital
    To quote:
    Спиридонов М.С. Исследование возможностей применения общедоступных нейронных сетей в уголовном судопроизводстве // Journal of Digital Technologies and Law. – 2026. – Т. 4. – № 1. – С. 10-25. https://doi.org/10.21202/jdtl.2026.2
    copied
    Journal of Digital Technologies and Law
    Scientific Journal