Информатика и теория принятия решений

Теория принятия решений (исследование операций) — научная дисциплина, изучающая социальные, психологичес­кие, логические, информационные и математические стороны принятия решений. В центре внимания этой теории две основ­ные проблемы: обоснование выбора решения и механизм его осуществления. Все принимаемые решения можно разбить на индивидуальные и коллективные.*

* При этом нельзя говорить о преобладании тех или иных. В различных областях права возможны разные формы принятия решений. В правотворческой деятельности процесс выработки, принятия и осуществления решения имеет преимущественно коллективный характер.

В теории принятия решений различают:

управленческие решения (решения, принимаемые в про­цессе управленческой деятельности);

государственные решения (решения, принимаемые на уровне государственной политики в целом);

политические решения (решения, принимаемые полити­ческими органами государства);

оптимальные решения — наилучшие по некоторому кри­терию.

Теория принятия решений нередко трактуется как комп­лекс математических дисциплин, в которых исследуются фор­мализованные задачи. Основные разделы теории — математи­ческое моделирование, теория группового решения, теория игр.*

* Теория принятия решений применяется в задачах планирования, уп­равления и проектирования.

Математическое программирование изучает методы на­хождения экстремумов (максимумов или минимумов) функций многих переменных при наличии ограничений на эти пе­ременные.*

* Обычно ограничения формулируются в виде равенств или неравенств.

Теория группового выбора изучает концепции и механиз­мы "справедливого" (согласованного) объединения индивидуаль­ных решений в единое коллективное (групповое) решение — выбор простым квалифицированным большинством, односту­пенчатое, многоступенчатое голосование и т.д.

При определенных предпосылках принятие решения мо­жет опираться и на теорию игр, которая занимается математи­ческими моделями принятия оптимальных решений в условиях конфликта. Под конфликтом понимается столкновение проти­воположных интересов, взглядов, позиций лиц и системы.*

* Создателями теории игр являются американский математик и киберне­тик Дж. фон Нейман и экономист О. Моргенштерн.

Теория принятия решений имеет важные математичес­кие аспекты. Для уточнения понятия "выбор решения" целе­сообразно использовать математические понятия, прежде все­го — множества и подмножества. Принятие правотворческого решения — это практическая процедура нахождения из мно­жества возможных вариантов решений такого, который пред­ставляется оптимальным.

Конечным результатом правотворческого процесса является принятие конкретного нормативного правового акта (НПА) — федерального конституционного закона, федерального закона, постановления Правительства, указа Президента РФ и др.

Правотворческие решения делятся на общие и частные. Общими являются решения о принятии (отклонении, измене­нии) данного нормативного акта. Частные решения касаются отдельных вопросов законодательной процедуры (например, принятие закона в первом чтении).

В структуре процесса принятия решения важное место занимает информационная компонента, ибо принятие реше­ний с полным основанием можно рассматривать как процесс целенаправленного преобразования исходной информации. Обеспечение принятия решений полной и надежной информа­цией в нужное время — центральная и наиболее сложная про­блема организации управления.

В процессе принятия правотворческого решения первич­ная юридическая, экономическая, политическая, социальная и иная необходимая для подготовки нормативного правового акта информация преобразуется в правовую — в нормы и ин­ституты права. Процесс преобразования эмпирической инфор­мации дискретен (прерывен). Его дискретными тактами являются определенные периоды обработки первичной информа­ции, сопряженные со стадиями законотворческого процесса.

Информационный поток непрерывен. Он продолжается на всех стадиях законодательного процесса. Сама законодатель­ная инициатива есть сигнал о необходимости начала работы по созданию соответствующего законопроекта.

Термин "принятие решений" используется и в новейших законодательных актах. Так, он фигурирует в Регламенте Го­сударственной Думы (гл. 14, 15). Глава 10 Регламента называ­ется "Порядок голосования и принятия решений". Согласно ст. 134 федеральный закон, отклоненный Президентом Россий­ской Федерации, передается Советом Государственной Думы на заключение в ответственный комитет, который в течение 10 дней рассматривает мотивы решения Президента Россий­ской Федерации отклонить федеральный закон. По итогам рас­смотрения ответственный комитет вносит проект постановле­ния Государственной Думы, в котором может рекомендовать один из следующих вариантов решения:

а) принять федеральный закон в редакции, предложенной Президентом Российской Федерации;

б) согласиться с мотивами решения Президента Россий­ской Федерации и снять федеральный закон с дальнейшего рассмотрения Государственной Думой;

в) принять федеральный закон с учетом предложений Президента Российской Федерации;

г) создать специальную комиссию для преодоления воз­никших разногласий и предложить Президенту Российской Федерации и при необходимости Совету Федерации направить для работы в ней своих представителей;

д) одобрить федеральный закон в ранее принятой редакции.

Принятие решения Советом Федерации регламентирует­ся главой 7 Регламента Совета "Порядок голосования и приня­тия решения". Статья 71 выделяет виды голосования: количе­ственные, рейтинговые, альтернативные и дает определение каждого из них.

Голосование осуществляется с использованием или без ис­пользования электронной системы, бюллетенями и путем оп­роса.*

* Другие главы Регламента также посвящены процедурам принятия ре­шений. Термин "принятие решения" применяется также в Федеральном законе "Об оперативно-розыскной деятельности" (ст. 7 и 10) и др.

Наряду с понятием правотворческого решения в теории права используется и понятие "правоприменительное реше­ние". Это могут быть судебные решения по конкретным уго­ловным, гражданским или арбитражным делам.

Решение является главным элементом всякой правоприменительной деятельности. Их осуществлению подчиняется вся деятельность государственных органов. В сфере компетенции исполнительной власти различают постановления и распоря­жения глав администрации, приказы ответственных должнос­тных лиц и т.д.

Для решения задач информатизации принципиальное зна­чение имеют следующие свойства принятия решений.

Решения в юридической сфере относятся к классу норма­тивных, т. е. таких, процедуры которых регламентированы законом. В серии управленческих решении реализуется про­цесс последовательного устранения неопределенности и про­тиворечий. Процесс принятия решений основан на применении экспертных технологий для генерирования альтернативных вариантов, принятия коллективных решений, определения рейтингов. В нормативно организованном поведении субъект заранее учитывает такой фактор, как возможная санкция, если планируемое поведение будет отклоняться от заданного.

Принятие решения есть процесс целенаправленного пре­образования исходной информации о состояний объекта уп­равления в информацию о наиболее рациональном пути дос­тижения желаемого состояния в будущем. Информационный аспект составляет основу системной концепции принятия ре­шений в сложных иерархических организациях и организаци­онных системах.

Сбор, обработка, получение, хранение, оценка и исполь­зование информации в процессе выработки и принятия реше­ния подчиняются ряду правовых принципов.

Каждое решение по применению права должно быть за­конным и обоснованным. Это требование вытекает из того, что решения в правовой сфере всегда принимаются в условиях некоторой правовой ситуации, действия норм материального и процессуального права. Под законностью понимается стро­гое соответствие решения требованиям материального и про­цессуального права. Под обоснованностью — информационная обеспеченность решения.

Процессы принятия решений федеральными органами го­сударственной власти регулируются нормами Конституции РФ.

В сфере уголовно-процессуального законодательства за­кон содержит многочисленные нормы, регулирующие процесс принятия решений в связи с раскрытием, расследованием и рассмотрением уголовных дел.*

Так, УПК РСФСР содержит правила поведения следователя, предъяв­ляющего обвинение.

В области административного права принятие решений министерствами и комитетами, их должностными лицами ре­гулируется положениями о министерствах и комитетах.

§ 8. Понятие алгоритма

Алгоритм — это строгий порядок действий, точное пред­писание о последовательности операций для решения всех задач данного типа. ЭВМ работает по программе, в основе которой лежит тот или иной алгоритм.

Понятие алгоритма занимает важное место в информати­ке. Это ее фундаментальное понятие. Вместе с тем теория алгоритмов является разделом математической логики.*

* Теория алгоритмов тесно связана с метаматематикой, которая изучает методы математических доказательств, способы построения аксиомати­ческих теорий, свойства математических процедур.

В алгоритме применения права происходит проверка каж­дого условия (совокупность которых предусмотрена законом) посредством логической операции сравнения по принципу: "да" — "нет".

В криминалистике разработаны алгоритмы расследования уголовных дел и проведения отдельных следственных действий. Нужно различать общий алгоритм расследования и частные методики. У каждого следственного действия (например, доп­роса) — свой алгоритм, значит, имеет место иерархия алго­ритмов.

Всякий алгоритм применяется к исходным данным и вы­дает результаты (выходные данные). В ходе работы алгорит­ма появляются различные промежуточные данные. Поэтому должны быть указаны виды данных, с которыми могут рабо­тать алгоритмы.*

* Для описания данных, во-первых, фиксируется набор элементарных символов (алфавит данных) и, во-вторых, даются правила построения сложных данных из простых.

Последовательность шагов алгоритма должна быть одно­значной. Не допускается произвола при выборе очередного шага. Обязательно должны быть зафиксированы начальный и зак­лючительный шаги.

Информатика выделяет два крупных класса алгоритмов: вычислительные, информационные.

Вычислительные алгоритмы работают со сравнительно простыми видами данных (числа, матрицы).

Информационные алгоритмы представляют собой набор процедур (например, поиск числа или слова, удовлетворяю­щего определенным признакам), работающих с большими объе­мами информации.

Алгоритм, заданный в виде последовательности команд на языке вычислительной машины, называется машинной про­граммой. Команда машинной программы (машинная команда) — это элементарная инструкция ЭВМ, выполняемая ею автома­тически без каких-либо дополнительных указаний и поясне­ний.*

* Алгоритм характеризуется такими свойствами, как детерминирован­ность, массовость, результативность.

Нормативные акты, регламентирующие правовые проце­дуры, содержат немалое число различных алгоритмов. Созда­ние права есть последовательный процесс принятия серии ре­шений. Этот алгоритм можно назвать общим. Так, правотворческий процесс состоит из следующих стадий:*

Стадия 1. Поступление законопроекта, внесенного субъек­том права законодательной инициативы, в Государственную Думу.

Стадия 2. Первичное рассмотрение законопроекта, вноси­мого в порядке законодательной инициативы.

Стадия 3. Рассмотрение законопроекта в первом чтении.

Стадия 4. Рассмотрение законопроекта во втором чтении.

Стадия 5. Рассмотрение законопроекта в третьем чтении.

Стадия 6. Прохождение закона в Совете Федерации.

Стадия 7. Повторное рассмотрение закона, отклоненного Советом Федерации.

Стадия 8. Прохождение закона у Президента Российской Федерации.

Стадия 9. Повторное рассмотрение закона, отклоненного Президентом Российской Федерации.

* Данная схема разработана Управлением информационно-технологичес­кого обеспечения Аппарата Государственной Думы с участием других подразделений Аппарата в целях создания Автоматизированной системы обеспечения законодательной деятельности.

На каждой стадии правотворческого процесса информа­ции должно быть столько, чтобы можно было принять опти­мальное решение.

Важным условием повышения эффективности правовых актов является ввод в законодательные тексты значительного числа норм алгоритмического типа — таких, которые четко и последовательно описывают юридические процедуры в конк­ретной области.

Нормы и процедуры алгоритмического характера содер­жатся в Регламенте Государственной Думы. Это следующие алгоритмы:

порядок внесения законопроектов;

рассмотрение законопроектов и принятие федеральных законов;

повторное рассмотрение федеральных законов, отклонен­ных Советом Федерации;

повторное рассмотрение федеральных законов, отклонен­ных Президентом Российской Федерации;

рассмотрение предложений о пересмотре положений Кон­ституции.

Алгоритмы законодательной деятельности закреплены и в Регламенте Федерального Собрания:

порядок голосования и принятия решения (гл. 7);

порядок рассмотрения федеральных законов (гл. 10);

порядок повторного рассмотрения федеральных законов (гл.12) и др.

В судебной экспертизе алгоритм — это программа опти­мизации действий в последовательности, обеспечивающей при определенных условиях разрешение поставленного перед экс­пертом вопроса.

§ 9. Методы измерения количества информации

Одной из важных практических задач информатики явля­ется поиск эффективных методов измерения количества све­дений, циркулирующих в информационных процессах.

Значительный вклад в это дело внес крупный американ­ский ученый К. Шеннон, создавший статистическую теорию информации, где решаются многие вопросы ее измерения. Так, в фундаментальном труде, посвященном статистической тео­рии связи (1948), Шеннон доказал теорему о пропускной спо­собности канала связи: при скоростях передачи, превышаю­щих пропускную способность, не существует таких методов кодирования и декодирования, которые обеспечивали бы вос­становление передаваемого сигнала.

Теория кодирования изучает те формы, в которые может быть воплощено содержание любых данных (сообщений). Кро­ме того, теория систематически исследует вопросы передачи информации по различным каналам.

Информация имеет дело со случайными явлениями и про­цессами. Поэтому она тесно связана с понятием вероятности.*

* Процесс получения информации можно рассматривать как процесс вы­бора. Выбор осуществляется как отправителем, так и получателем сооб­щения. Этот выбор имеет случайный характер.

Если бы система, от которой исходит информация, была известна заранее, не было бы смысла передавать сообщение. Оно приобретает смысл, когда состояние системы заранее неизвестно, случайно.

Исходная система случайным образом может оказаться в том или ином состоянии, ей заведомо присуща какая-то сте­пень случайности, неопределенности. Понятие информации может интерпретироваться как снятие неопределенности.

Неопределенность — это отсутствие данных о системе и ее состоянии. Она может быть измерена.*

* Понятие неопределенности встречается в правовых ситуациях. Так, в соответствии с Федеральным конституционным законом о Конституцион­ном Суде от 24 июня 1994 г. введено понятие о правовой неопределенно­сти (ст. 36).

Сообщение содержит тем больше информации, чем мень­ше вероятность того события, о котором идет речь в получен­ном сообщении. Сведения, полученные от системы, тем цен­нее и содержательнее, чем больше была неопределенность системы до получения этих сведений. Следовательно, понятие информации и неопределенности тесно связаны и дополняют друг друга. С увеличением знания об исследуемой системе уменьшается ее неопределенность.

Чтобы уметь численно оценивать степень неопределенно­сти самых разнообразных явлений и по этим признакам их сравнивать, нужно иметь какую-то меру, характеризующую неопределенность. Такая мера может быть установлена на основе некоторого опыта. Теория вероятности и теория инфор­мации показывают, что при проведении опыта с N равноверо­ятными исходами неопределенность его будет тем выше, чем больше величина N. Поэтому в теории информации за меру неопределенности опыта (а следовательно, и интересующая нас информация) берется число состояний исследуемой системы (случайной величины).

Чем больше возможных состояний содержит система, от которой исходит информация, тем более она неопределенна.

Английский ученый Хартли предложил использовать в ка­честве меры неопределенности ("мера Хартли") логарифм от числа возможных состоянии:*

H = K log_aN,

где N — число возможных состояний системы.

* Логарифм числа по данному основанию — показатель степени, в кото­рую надо возвести основание для того, чтобы получить данное число.

Чем большее число N имеет система, тем ценнее данные о реализации конкретного состояния.

"Степень неожиданности" того или иного случайного со­бытия (А) определяется его вероятностью: чем вероятность меньше, тем событие неожиданнее. А так как с увеличением неожиданности события возрастает ценность связанной с ним информации, то естественно считать доставляемую событием А информацию I(А) зависящей от его вероятности (р), т. е. счи­тать, что величина I(А) является функцией р:

I(A) = f(p).

При этом информация должна возрастать с уменьшением р и равняться нулю при р = 1 (если событие осуществляется с частотой 1, т. е. наверняка, то оно не несет с собой никакой информации):

f(p) = 0 при р = 1; f(p₁) > f(p), если р₁< р.

Эти и некоторые другие несложные соображения приво­дят к выводу о том, что информация I(А), доставляемая не­которым случайным событием А, измеряется логарифмом ве­личины p:

(логарифмическая мера количества информации).*

* При этом логарифм берется с обратным знаком. Это делается из мате­матических соображений: р — есть дробь, а логарифм дроби есть вели­чина отрицательная. При наличии знака минус выражение — log p ста­новится положительным.

Однако величина I(А) сама по себе представляет мало ин­тереса, так как относится к отдельному сообщению (выбору).

Кроме того, считалось, что все состояния исходной сис­темы равновероятны. К. Шеннон сделал важное обобщение. Он предположил, что величина неопределенности зависит не толь­ко от числа возможных исходов опыта, но и от вероятности каждого состояния.*

* Исходы опыта могут иметь разную вероятность.

За основу своего подхода К. Шеннон взял представление о случайной величине:

Первый ряд чисел — значения некоторой случайной вели­чины, второй— вероятности, с которыми реализуется каж­дое значение.

Если по-прежнему отдельные исходы А₁, А₂ ..., А_n опыта (имеющие вероятности р₁, р₂,... , р_n) осуществлялись в длинной серии испытаний n₁, п₂ ... соответственно n раз, то получается окончательно:

Средняя энтропия ЩА), связанная с осуществлением опыта А, представляет собой весьма важную статистическую харак­теристику этого опыта; можно считать, что она выражает "меру степени неопределенности" А; чем "неопределеннее" исход опыта А, чем труднее предсказать его заранее, тем боль­шую информацию мы получим, выяснив этот исход. Руковод­ствуясь некоторыми физическими аналогиями, Шеннон назвал величину ЩА) энтропией опыта А.

В краткой записи:

Энтропия — это количественная мера неопределенности. Уничтоженная сведениями энтропия и есть информация. Орга­низация и структура, упорядочивание и управление противо­стоят энтропии и неопределенности, противодействуют их воз­растанию.

Примем следующие обозначения:

Н₀(Х) — энтропия случайной величины до получения со­общения о ее состоянии;

Н₁(Х) — энтропия случайной величины после получения сообщения о ее состоянии (остаточная энтропия);

Н(Х) — разность величин Н₁(Х) и Н₀(Х). Тогда количество информации может быть представлено в следующем виде:

Приведенные методы измерения информации широко при­меняются в различных сферах науки и практики (психологии, лингвистике, социологии и др.). Кроме того, они позволяют обоснованно выбрать единицу информации.

В связи с развитием средств связи и коммуникаций и их использованием для обработки и передачи правовой информа­ции возникла необходимость найти методы измерения ее ко­личественных характеристик.

Правовая информация характеризуется качественными и количественными параметрами. Количество правовой инфор­мации может быть измерено (при определенных предпосыл­ках). Здесь возможны два подхода.

Первый подход основан на определении "физического объе­ма" информации.

Физический объем — это длина представляемого, текста, емкость — количество передаваемой информации, компакт­ность — соотношение информационного и физического объе­мов, плотность — соотношение емкости и объема. Единицами измерения объемов нормативного текста могут быть: количе­ство статей в нормативном правовом акте, число типографс­ких страниц, которые занимает изучаемый нормативный акт, число фраз, содержащихся в данном акте.

Второй подход основан на положениях теории информации.

Формула К. Шеннона позволяет ввести единицу информа­ции. За единицу информации принято считать такое ее количе­ство, которое содержится в исходе опыта (сообщения), содер­жащего только два возможных состояния (1 или 0). При этом каждое состояние может быть реализовано с вероятностью, равной .

Приведем элементарный расчет. Условия:

Подставляем эти данные в формулу Шеннона:

(при этом ).

Полученная таким образом единица информации называ­ется бит. В информатике используются производные единицы. 1 байт (один байт) = 8 бит.

1 Кбайт (один килобайт) = 2¹⁰ = 1024 байт (1 тыс. байт)

1 Мбайт (один мегабайт) = 2²⁰ = 1048576 байт (1 млн. байт)

1 Гбайт (один гигабайт) = 2³⁰ (1 млрд. байт).

Средняя страница содержит около 2,5 Кбайт, учебник — чуть больше 0,5 Мбайт текста. В Большой Советской Энцикло­педии примерно 120 Мбайт. В одном номере четырехстранич­ной газеты — 150 Кбайт, а если собрать по одному номеру всех газет, выходящих в нашей стране, то в них будет уже гигабайт информации. Если человек говорит по 8 часов в день, то за 70 лет жизни он производит около 10 гигабайт информа­ции.

В небольших системах правовой информации ее объем измеряется в мегабайтах.* В больших компьютерных центрах и системах правовая информация измеряется в гигабайтах.

* Один мегабайт равен примерно 500 стр. машинописного текста.

В десятичной системе исчисления единица измерения — дит (десятичный разряд).

Пример. Сообщение в двоичной системе в виде восьми­разрядного двоичного кода 10111011 имеет объем данных

V_д = 8 дит.

Сообщение в десятичной системе в виде шестиразрядно­го числа 275905 имеет объем данных V = 6 дит.

Литература

Баранов В. М., Поленина С. В. Система права, система за­конодательства и правовая система. Н. Новгород, 1999.

Гаврилов О. А. Правовая кибернетика и теория социали­стического права / Право и кибернетика. М., 1984.

Гаврилов О. А. Основы правовой информатики. М., 1998.

Громов Г. Р. Национальные информационные ресурсы. Про­блемы промышленной эксплуатации. 1984.

Глушков В. М. Основы безбумажной информатики. М., 1982. Информатика / Под ред. проф. Н. В. Макаровой. М., 1998. Информатика. Энциклопедический словарь для начинаю­щих / Под ред. проф. Д. А. Поспелова. М., 1994.

Курушин В. Д., Минаев В. А. Компьютерные преступления и информационная безопасность. М., 1998.

Леванский В. А. Моделирование в социально-правовых ис­следованиях. М., 1982.

Правовая информатика и кибернетика / Под ред. Н. С. По­левого. М., 1993.

Рассолов М. М. Правовая информатика. М. 1972.

Шеннон К. Работы по статистической теории связи. М., 1960.

Яглом А. М., Яглом И. М. Вероятность и информация. М., 1974.

Глава 4. Методологические основы правовой информатики

§ 1. Информатика и проблема искусственного интеллекта

Методология правовой информатики характеризуется зна­чительным разнообразием применяемых средств. Так, на со­временном этапе "горячей точкой" являются исследования по искусственному интеллекту. Именно здесь решаются многие коренные вопросы будущего информатики и вычислительной техники, используются новейшие методы научных междис­циплинарных исследований.

Интеллект и интеллектуальная система (язык, право) — это мощные системы, моделирующие мир (его часть) (см. рис. 8).

Рис. 8. Интеллектуальные процессы. (Ю. И. Шемякин, А. Р. Романов. Компьютерная семантика. М., 1995. С. 19).

Искусственный интеллект — это искусственно созданная система, реализуемая на современных ЭВМ, и предназначен­ная для моделирования (имитации) свойств реального интел­лекта человека, его мыслительной деятельности, его психи­ки, т. е. способности выбора целесообразного решения на осно­ве ранее аккумулированной информации. ЭВМ в состоянии при определенных условиях доказывать математические теории, сочинять стихи и тексты, осуществлять машинный перевод, автоматическое реферирование, сложный информационный поиск и т. д. Проблема искусственного интеллекта — одна из самых сложных научно-практических проблем, которая ког­да-либо стояла перед человечеством. В настоящее время это главное направление развития информатики и вычислитель­ной техники.*

* Отошли в прошлое дебаты по вопросу о том, может ли машина мыс­лить. В настоящее время становится все более очевидным тот факт, что ЭВМ (компьютер) в состоянии выполнять значительное число умствен­ных операций, включая те из них, которые можно отнести к простым творческим актам.

В исследованиях по искусственному интеллекту выдели­лись шесть основных направлений.

1. Представление знаний (создание "баз знаний", форма­лизация и представление в памяти интеллектуальной системы специальных знаний).

2. Манипулирование знаниями (обучение интеллектуаль­ных систем методам и манипулированию знаниями).

3. Общение (например, понимание компьютером текстов на естественном языке, диалог человека и ЭВМ).

4. Восприятие информации (обучение ЭВМ распознава­нию образов, анализу зрительной информации).

5. Обучение интеллектуальной системы решению таких задач, с которыми она раньше не встречалась.

6. Создание моделей нормативного, ситуативного, целесо­образного поведения.

В исследованиях по искусственному интеллекту исполь­зуется следующий комплекс методов: методы математической логики, язык фреймов, методы математической и прикладной лингвистики; методы когнитивной психологии, исследующей механизм познания и др.

В теории искусственного интеллекта используется поня­тие "модель мира". Так, модель мира, отраженная в сознании юриста, состоит из следующих основных частей:

объекты правового регулирования в целом;

специальные объекты правового регулирования (экономи­ка, политика, научно-технический прогресс и др.);

общие модели правового регулирования;

специальные модели правового регулирования.

Право и законодательство России (как и любой страны) могут вполне обоснованно рассматриваться как сложные ин­теллектуальные системы. Так, плотность юридической инфор­мации на единицу текста закона исключительно велика. Осо­бый класс — федеральные конституционные законы, включа­ющие сложные проблемы регулирования наиболее существен­ных сфер деятельности общества: политики, экономики, со­циальной жизни и т. д. Трудность правового регулирования оп­ределяется прежде всего тем, что в данной сфере объектом управленческого воздействия выступают разнообразные по своим качественным параметрам явления и социальные про­цессы с наличием сложнейшего человеческого фактора. Мыс­лительной деятельности юриста (судьи, криминалиста, судеб­ного эксперта и др.) присущ высокий уровень интеллектуаль­ности, специализации и профессионализма.

Для интеллектуальных систем характерно наличие базы знании с такими чертами, как внутренняя интерпретируемость, структурированность, связанность, активность. Всякая соци­альная информация имеет интеллектуальный характер. В ин­форматике появились понятия "интеллектуализация", интел­лектуальная система", "интеллектуальная технология", "ин­теллектуальный интерфейс" и другие средства "гуманизации" ЭВМ и создания интеллектуальных машин пятого поколения. Интеллектуальную природу имеют и автоматизированные ин­формационные системы в области права.

Материал в правовой сфере столь велик по объему и столь сложен по содержанию, что создание интеллектуальных, в частности экспертных, систем не только возможно, но и не­обходимо. Интеллектуальные системы и технологии проника­ют и в сферу законодательства. Указ Президента РФ "Концеп­ция правовой информатизации России" ориентирует работу по информатизации правовой сферы на применение новейших технологий. Указ прямо говорит о необходимости использова­ния в правовой сфере элементов искусственного интеллекта. Однако в целом в концепции и программе информатизации правовой сферы России задачи применения интеллектуальных систем и технологий отражены недостаточно.*

* Система искусственного интеллекта и, прежде всего, экспертные сис­темы отнесены к основным компонентам информационной инфраструкту­ры Генеральной прокуратуры РФ.

Большую роль системы играют в правоприменительной практике США. Руководством ФБР утверждена стратегия ком­пьютеризации своих служб. Исследовались возможность и эф­фективность применения статистических систем распознава­ния при создании четырех информационных систем и получе­ны практические результаты.

В ряде стран приняты специальные программы внедре­ния интеллектуальных технологий и систем в государственно-правовую сферу. Так, в Главном полицейском управлении Япо­нии разрабатываются: система помощи консультативным пун­ктам по проблемам преступности несовершеннолетних; систе­ма расследования крупных экономических преступлений и др.

В настоящее время сложились следующие основные на­правления применения интеллектуальных технологий в право­вой сфере.

Создание экспертных систем. В середине 70-х годов в исследованиях по искусственному интеллекту сформировалось перспективное направление, получившее название "эксперт­ные системы". Экспертная система — это человеко-машинный комплекс, основанный на профессиональных данных специа­листов соответствующей сферы, имеющий внутреннюю логику (совокупность, как правило, математически выраженных правил умственной деятельности), способный генерировать решения по существу рассматриваемой проблемы.

Простые экспертные системы, рассчитанные на широкий круг пользователей, создаются в период до 4 лет, стоимость их разработки составляет до 300 тыс. долл. (сложные экспертные системы — до 10 млн. долл.). В США рынок экспертных систем составил в 1986 г. 130 млн. долл., в 1995 г. — 8—10 млрд. долл.*

* По имеющимся прогнозам мировой рынок экспертных систем в 2000 г. составит 60 млрд. долл. Исследования и разработка экспертных систем со­ставляют основу программ развитых стран по искусственному интеллекту.

Различают следующие типы экспертных систем:

1) интеграционные, цель которых — извлечение описаний ситуации из данных;

2) диагностические, цель — установление диагноза;

3) проектирующие, цель — проектировать какой-либо объект;

4) планирующие, цель — распределение действий по раз­личным сценариям;

5) мониторинговые — служащие для сравнения различ­ных ситуаций;

6) образовательные, цель — создание систем автоматизи­рованного обучения;

7) контрольные, цель — осуществление контроля за про­теканием изучаемого процесса.

Особенность интеллектуальных ЭВМ заключается в том, что они используют не базы данных, а базы знаний. Знанием является проверенный практикой результат познания действи­тельности. Применительно к правовой сфере знание — это накопленные человечеством инстинкты, факты, принципы и прочие объекты правового познания. Поэтому в отличие от базы данных в базе знаний располагаются познаваемые сведе­ния, содержащиеся в документах, книгах, статьях, отчетах.

В работе "Экспертные системы в праве" английский юрист Р. Сасскинд отмечает, что искусственный интеллект в прило­жении к праву — это интеллектуальные системы, которые представляют собой программы, составленные таким образом, чтобы они могли действовать как эксперты в определенных областях. Подобные системы настолько удобны в работе, что у специалистов появился оценочный эпитет "интеллектуальный помощник". Согласно точке зрения Сасскинда только тог­да, когда широта и глубина знаний в определенной области позволяют системе выступать в качестве эксперта, можно го­ворить об экспертной системе. Экспертные системы объясня­ют, аргументируют и делают выводы.

Экспертная система составляется юристами — обычно узкими специалистами в какой-либо области права — и пред­назначена функционировать в качестве помощника в процессе решения юридических задач исключительно в одной области (а также в учебных целях). Пользователями таких систем обыч­но являются юристы-практики, сталкивающиеся с задачами, находящимися вне области их компетенции.*

* Экспертиза специалиста-юриста требуется, в частности, при составле­нии юридических документов, допросе, интервьюировании (опросе) кли­ентов, разработке судебных процедур.

Создание высокоэффективных экспертных систем требу­ет использования разнообразных знаний. Важное место в их системе занимает язык фреймов. Понятие "фрейм" было вве­дено в науку американским ученым Марвином Минским (1979). Язык фреймов является идеальным средством моделирования юридических конструкций различного уровня. Фрейм — ячей­ка, куда попадает информация. Во фреймах происходит про­цесс восприятия и переработки информации. Обобщая имею­щиеся данные с языка фреймов, можно утверждать следую­щее. Фрейм — это структура данных, предназначенных для представления стереотипной ситуации. Когда человек сталки­вается с новой ситуацией, он извлекает из памяти структуру, называемую фреймом. Фрейм можно представить в виде сети из узлов и отношений. Имеется несколько конструкций фрей­мов и различных точек зрения на разновидности фреймов и приемы их использования в процессе создания экспертных систем.

Фрейм имеет имя (название) и состоит из частей, называ­емых слотами. Изображается фрейм в виде цепочки:

Фрейм = (слот 1) (слот 2) ... (слот n).

Итак, фрейм — это типическая конструкция, которая в