Великі дані: кореляції та причинність (кримінально-правовий аспект)
DOI:
https://doi.org/10.37750/2616-6798.2023.2(45).282328Ключові слова:
Великі Дані, інформація, кореляція, причинність, алгоритм, штучний інтелект, персональні дані, інженерія оперативного управління, передбачене правосуддя, технології прогнозування, правосуддя на основі даних, предикативна аналітика, пеналізація, диктатура, чорна скринька, постійна пам’ять, кримінальне право, кримінальне правопорушенняАнотація
На розвиток попередніх досліджень феномену Великих Даних та його впливу на сферу права в статті розглянуто переваги та недоліки використання кореляцій, які здатні конкурувати з встановленням причинності під час прийняття юридично значущих рішень. Звернуто увагу на той факт, що кореляції на підставі Великих Даних допомагають аналізувати об’єкти і явища не через з’ясування фундаментальних принципів їх внутрішньої побудови, але через корисні статистичні закономірності, які можуть бути не пов’язані з причинністю, але виявлення яких є цілком достатнім у значній кількості випадків. Доведено, що такі кореляції можуть вплинути на рішення, які приймає людина, доповнити аргументацію для обґрунтування рішень, які приймає людина, або суперечити рішенням, які приймає людина на підставі своїх знань та досвіду. Кореляції можуть бути корисними в тих галузях права, де статистичний аналіз є ефективним, їх розрахунок здійснюється на підставі математичних та статистичних методів з більшою швидкістю та ефективністю, а так само з меншими витратами, ніж встановлення причинно-наслідкових зв’язків. Автором доведено, що оскільки кореляції не є беззаперечним доказом причинно-наслідкового зв’язку, то вони повинні використовуватися в поєднанні з іншими типами доказів та відповідною юридичною аргументацією. Кореляції не повинні мати переважну силу над іншими доказами або аргументами. Звернуто увагу на небезпеку “диктатури” Великих Даних, коли даним або кореляціям може надаватися більше змісту та значення, ніж всьому іншому, коли захоплення кореляціями на підставі непрозорих алгоритмів здатне привести до критичних зловживань. Запропоновано передбачити запобіжники захисту від застосування висновків на підставі кореляцій для всіх осіб, які можуть через алгоритмічні та інші недоліки зазнати утисків, шкоди або іншого порушення прав та свобод, а так само встановити ієрархію між причинністю та кореляцією за критерієм точності у наступному вигляді: 1) кореляція (менша точність, одна з передумов встановлення причинності); 2) причинність (більша точність, яка може спиратися на кореляцію). Проголошено тезу про необхідність бути готовими до наступу епохи Великих Даних на фундаментальний принцип презумпції невинуватості у часи, коли світогляд, що базується на підґрунті з’ясування причини, може повільно поступатися світогляду, який спирається на Великі Дані та кореляції.
Посилання
Angwin, Julia. Dragnet Nation: A Quest for Privacy, Security, and Freedom in a World of Relentless Surveillance. New York: Times Books, 2014. 304 p.
Allen, Michael. Stranger than Science Fiction: Edwin Black, IBM, and the Holocaust. Technology and Culture. The Johns Hopkins University Press. Vol. 43. No.1 (Jan., 2002), pp. 150-154. URL: https://www.jstor.org/stable/25147861 (дата звернення: 30.03.2023).
Black, Edwin. IBM and the Holocaust: The Strategic Alliance Between Nazi Germany and America’s Most Powerful Corporation. New York: Crown, 2001. 519 pp.
Berk, R., & Hyatt, J. (2015). Machine Learning Forecasts of Risk to Inform Sentencing Decisions. Federal Sentencing Reporter, 27(4), 2015. pp. 222-228. URL: https://doi.org/10.1525/fsr. 2015.27.4.222 (дата звернення: 30.03.2023).
Berk, R.A., Barnes, G., Jenkins, J., & Sherman, L. Forecasting murder within a population of probationers and parolees: a high stakes application of statistical learning. Journal of the Royal Statistical Society: Series A (Statistics in Society), 181(1)/2018, 127-155 pp. URL: https://www.jstor. org/stable/30136747 (дата звернення: 30.03.2023).
Citron, Danielle Keats. Hate Crimes in Cyberspace. Harvard University Press, 2014. 352 р.
Damghani, B.M. The Non-Misleading Value of Inferred Correlation: An Introduction to the Cointelation Model. Wilmott, Volume 2013, Issue 67, Sept. 2013. pp. 50-61. URL: https://papers.ssrn. com/sol3/papers.cfm?abstract_id=2429120 (дата звернення: 01.04.2023).
Ferguson, A.G. The rise of big data policing: Surveillance, race, and the future of law enforcement. New York: NYU Press, 2017. 272 p.
Friend, Zach. “Predictive Policing: Using Technology to Reduce Crime”. FBI Law Enforcement Bulletin, Federal Bureau of Investigation, 8 February 2018. URL: https://leb.fbi.gov/articles/featured-articles/predictive-policing-using-technology-to-reduce-crime (дата звернення: 01.04.2023).
Griffard, Molly. A Bias-Free Predictive Policing Tool?: An Evaluation of the Nypd's Patternizr. Fordham Urban Law Journal, Dec. 2019, 47 (1): 43-83. URL: https://login.proxylib.csueas tbay.edu/login?qurl=https://search.ebscohost.com/login.aspx?direct=true&AuthType=sso&db=a9h&AN=140930218&site=ehost-live&scope=site (дата звернення: 01.04.2023).
Hart H.L.A., Leslie Green, Joseph Raz, Penelope A. Bulloch. The Concept of Law. Oxford University Press, Clarendon Law Series, 3rd edition, December 29, 2012. 380 p.
Harcourt, B.E. The collapse of the harm principle. Journal of Criminal Law and Criminology, 101(3)/2011, pp. 761-803. URL:https://scholarlycommons.law.northwestern.edu/cgi/vie wcontent.cgi?article=7037&context=jclc (дата звернення: 30.03.2023).
Harcourt, B.E. The counterrevolution: How our government went to war against its own citizens. Basic Books, Feb 27, 2018. 336 p.
Nikolić, D., Mureşan, R.C., Feng, W. and Singer, W. Scaled correlation analysis: a better way to compute a cross-correlogram. European Journal of Neuroscience, 35/2012: 742-762 pp. URL: https://onlinelibrary.wiley.com/doi/10.1111/j.1460-9568.2011.07987.x (дата звернення: 30.03.2023).
Kahneman, Daniel. Thinking, Fast and Slow. New York: Farrar, Straus and Giroux, 2011. 512 p.
Lane, Nick. The Vital Question: Energy Evolution and the Origins of Complex Life. New York: W.W. Norton & Company, 2016. 360 p.
Langford, Malcolm; Madsen, Mikael Rask: France Criminalises Researchon Judges, Verf Blog, June 22, 2019. URL: https://verfassungsblog.de/france-criminalises-research-on-judges (дата звернення: 30.03.2023).
Levine E.S., Jessica Tisch, Anthony Tasso, Michael Joy. The New York City Police Department’s Domain Awareness System. Interfaces 47(1)/2017, pp. 70-84. URL: https://pubson line.informs.org/doi/10.1287/inte.2016.0860 (дата звернення: 30.03.2023).
Master Card Spending Pulse ТМ. URL: https://www.mastercardservices.com/en/ solutions/ data-networks/spendingpulse (дата звернення: 30.03.2023).
Mayer-Schönberger, Viktor Kenneth Cukier. Big Data: The Essential Guide to Work, Life and Learning in the Age of Insight. HachetteUK, 2013. 256 p.p.
Moore, Michael S. Causation and Responsibility: An Essay in Law, Morals, and Metaphysics. Oxford University Press, 2009. 530 р.
Nelsen, Arthur. Feature-Pushback against AI policing in Europe heats up over racism fears. Thomson Reuters Foundation, October 20, 2021. URL: https://www.reuters.com/article/europe-tech-police-idINL8N2R92HQ (дата звернення: 30.03.2023).
Perry, Walter L., Brian McInnis, Carter C. Price, Susan Smith, and John S. Hollywood, Predictive Policing: The Role of Crime Forecasting in Law Enforcement Operations. Santa Monica, CA: RAND Corporation, 2013. URL: https://www.rand.org/pubs/research_reports/RR233.html (дата звернення: 30.03.2023).
RICAS (Realtimeintel ligence crime analytics system) інтелектуальна система кримінального аналізу даних. URL: https://ricas.org/uk (дата звернення: 30.03.2023).
Rienks R. Predictive Policing: Taking a chance for a safer future.Issuu, Jul 14, 2015. URL: https://issuu.com/rutgerrienks/docs/predictive_policing_rienks_uk (дата звернення: 30.03.2023).
Thurm, Scott. Next Frontier in Credit Scores: Predicting Personal Behavior. Wall Street Journal, October 27, 2011. URL: http://online.wsj.com/article/SB10001424052970203687504576655 182086300912.html (дата звернення: 30.03.2023).
Vlahos J. The department of pre-crime. Scientific American, 2012 Jan; 306(1): 62-70. URL: https://pubmed.ncbi.nlm.nih.gov/22279837 (дата звернення: 30.03.2023).
Wright, Richard W. Causation in the law. Routledge Encyclopedia of Philosophy Online, Taylor and Francis, 2001. URL: https://www.rep.routledge.com/articles/thematic/causation-in-the-law/ v-1 (дата звернення: 30.03.2023).
Вільчек, Френк. Основи. 10 ключів до реальності ; пер. з англ. Миколи Климчук. Київ: Лабораторія, 2021. 208 с.
Карташов М.В. Iмовiрнiсть, процеси, статистика: посiбник. Київ: Видавничо-полiграфiчний центр “Київській унiверситет”, 2008. 494 с.
Радутний О.Е. Звичай як джерело кримінального права. Держава і право: збірник наукових праць. Юридичні і політичні науки. Вип. 45. Київ: Ін-т держави і права ім. В.М. Корецького НАН України, 2009. 668 с. С.130-135.
Радутний О.Е. Стан інформаційно-законодавчої діяльності на прикладі Кримінального кодексу України. Інформація і право. № 3(18)/2016. С. 58-67 .
Радутний О. Суб’єктність штучного інтелекту у кримінальному праві. Право України. 1/2018. С. 123-136 .
Радутний О.Е. Мораль і право для штучного інтелекту та цифрової людини: закони робототехніки та “проблема вагонетки”. Інформація і право. № 3(30)/2019. С. 78-96.
Радутний О.Е., Якулявічене Л. Права людини крізь призму штучного інтелекту, роботизації та цифрової людини / Права людини в умовах цифрової трансформації суспільства : монографія / [Д.В. Лученко, О.В. Капліна, В.Я. Настюк та ін.] / за ред. проф. Д.В. Лученка. Харків : НЮУ імені Ярослава Мудрого, 2022. 272 с. С. 19-41.
Радутний О.Е. Публічні заклики та заперечення як форми інформаційної колабораційної діяльності за Кримінальним кодексом України. Інформація і право. № 2(41)/2022. С. 99-116.
Радутний О.Е. Великі дані: поняття, ознаки та виклики (кримінально-правовий аспект). Інформація і право. № 1(44)/2023. С. 88-105.