Системи підтримки прийняття рішень в юридичній діяльності

Системами підтримки прийняття рішень називають інтелектуальні системи, за допомогою яких особи, що приймають рішення (ОПР), мають змогу аналізувати ситуації, формулювати задачі, виробляти, контролювати й оцінювати варіанти рішень, які забезпечують досягнення поставленої мети. Згідно з таким узагальненим визначенням можна тлумачити СППР як одну з категорій управлінських інформаційних систем. Проте останні найчастіше визначаються як системи підготовки управлінських звітів — періодичних структурованих документів. На противагу цьому СППР має бути дієвою інтерактивною системою, що реагує як на заплановані, так і на непередбачувані інформаційні запити, зорієнтована на специфічний тип рішень або на множину взаємозв’язаних рішень і застосовується там, де неможливо або небажано мати повністю автоматичну систему.
Сфера використання таких систем практично необмежена. Вони мають не лише суто економічне застосування, а й призначаються для правоохоронних органів, судового виробництва, органів виконання покарань, національної безпеки, служби охорони, військової розвідки, митниці, податкової поліції, міграційної служби та багатьох інших. Правоохоронна діяльність вирізняється в цьому списку, оскільки створення СППР у цій галузі можливе тільки в разі взаємодії математиків, юристів, практиків та фахівців з інформаційних технологій, причому готові системи мають працювати в умовах розподілених організаційних структур, що використовують різноманітні засоби автоматизації і не завжди забезпечені якісними каналами зв’язку.
Понад 25 років практичного використання СППР показали, що прийняття рішень можна підтримувати по-різному. Різні типи СППР надають різну допомогу ОПР — пропонуються можливості використовувати і маніпулювати великими базами даних або застосовувати правила і контрольні перевірки чи користуватися великими математичними моделями. Для позначення певних типів СППР (іноді із суто маркетинговою метою) вживають багато специфічних термінів. Основні категорії СППР розглядають залежно від того, який із головних компонентів системи взято за домінуючий. Проте зазначимо, що ІС можна віднести до класу СППР тільки за наявності в неї родової структури — підсистем керування базою даних, керування базою моделей та інтерфейсу користувача.
СППР, зорієнтовані на дані, — це тип СППР, який зосереджується передусім на доступі й маніпуляції великими базами структурованих даних. До цієї категорії відносять:
системи підготовки управлінських звітів;
сховища даних (Data Warehouse) — це особлива форма організації бази даних, призначена для зберігання в погодженому вигляді агрегованої інформації, одержуваної з баз даних різних OLTP-систем та зовнішніх джерел. Одна з найважливіших цілей створення сховищ даних — швидка реакція на інтерактивні запити. Сховища містять великі обсяги даних і мають такі характеристики, як предметна орієнтація, інтегрованість, підтримання хронології, незмінність, мінімальна надмірність, захищеність;
системи аналізу даних (On-line Analytical Processing, OLAP) — це системи швидкого аналізу розподіленої багатовимірної інформації. Термін «OLAP» невіддільний від терміна «сховище даних». OLAP-системи забезпечують різні точки зору на дані та різні форми їх подання. Програмний продукт можна віднести до класу OLAP, якщо він має три головні особливості: багатовимірність даних, складні обчислення, швидка обробка;
виконавчі інформаційні системи (Executive Information System, інформаційна система керівника) — автоматизовані системи, призначені для забезпечення необхідною актуальною інформацією менеджерів вищої ланки управління у процесі прийняття стратегічних рішень. Акцент робиться на графічні дисплеї та легкий у використанні інтерфейс, за допомогою яких подається інформація з корпоративної бази даних;
географічні ІС (геоінформаційні системи, Geographic Information System, ГІС) або просторові СППР (Spatial DSS) — СППР, що дають змогу поєднувати модельне зображення території (електронне відображення карт, схем, космо-, аерозображень земної поверхні) з інформацією табличного типу (різноманітні статистичні дані, списки, економічні показники тощо). Прикладом таких систем є ГІС, що використовуються в роботі органів внутрішніх справ (див. підрозд. 9.6).
OLAP — кілька застосувань у діяльності правоохоронних органів
Засоби аналітичної обробки допомагають знизити витрати й заощадити час на пошук інформації, істотної для розкриття та розслідування злочинів. Сфери застосування таких систем різноманітні. Серед них можна виокремити:
розслідування фактів шахрайства — оперативне збирання та аналіз інформації з різних джерел (повідомлення, результати попереднього розслідування, банківська і фінансова інформація), установлення неявних зв’язків, часовий аналіз, що виявляє нестикування в подіях, виявлення нових слідів у справі і т. ін.;
розвідувальний аналіз (комп’ютерна розвідка) — знімання інформації з радіоефіру й телефонних ліній, нагромадження даних оперативної роботи (фіксація подій, де з’являються підозрювані, аналіз їхніх зв’язків і т. ін.); аналіз послідовності малозначущих на перший погляд подій (наприклад, регулярне перерахування невеликих сум різними особами на один рахунок) з метою виявлення прихованих закономірностей; а також планування цілей розвідки, формування і перевірка робочих гіпотез, організація збирання, тестування та інтерпретації даних із подальшим поданням результатів у вигляді діаграм, схем, таблиць, графіків;
визначення потенційних об’єктів і суб’єктів кримінальної активності — профілактика злочинів, ідентифікація порушників закону, з’ясування цілей, часу та об’єктів можливого злочину, запобігання масовим злочинам і терористичним актам, прогнозування можливостей і напрямків промислового шпигунства, побудова картини обвинувачення і врахування всіх факторів;
непроцесуальне використання даних — аналіз публікацій у відкритому друці, формування громадської думки, підготовка контрактів для комерційних структур і т. ін.
Другу велику категорію становлять СППР, зорієнтовані на доступ та маніпуляцію моделями — статистичними, фінансовими, оптимізаційними і/або імітаційними. Здебільшого такі системи використовують дані й параметри, що їх надають ОПР, але, як правило, не потребують великих обсягів даних. Приклади таких СППР:
засоби аналізу рішень, які допомагають ОПР розбити проблему на складові й структурувати її. Мета цих інструментальних засобів полягає в тому, щоб допомогти користувачеві застосувати такі моделі, як дерева рішень, моделі багатоатрибутної корисності, моделі Баєса, моделі аналізу ієрархій тощо;
засоби лінійного програмування — засоби використання відповідних математичних моделей для пошуку оптимального розв’язку задач розподілу ресурсів і т. ін.;
імітаційні засоби — засоби проведення певної кількості експериментів для перевірки результатів, що випливають з кількісної моделі системи.
Деякі OLAP-системи, що дають змогу виконувати складний аналіз даних, можуть бути класифіковані як гібридні СППР, що забезпечують і моделювання, і пошук та підсумковий аналіз даних. Гібридним підходом до СППР вважаються також технології здобування даних (Data Mining). Синонімами терміна «здобування даних» є «виявлення знань у базах даних» та «інтелектуальний аналіз даних». Мета здобування даних полягає у виявленні прихованих правил і закономірностей у наборах даних.
Засоби здобування даних та експертні системи становлять ще одну категорію СППР — рекомендаційні СППР (Suggestion DSS). Експертні системи (ЕС) як системи штучного інтелекту часто розглядають як окремий клас ІС, але останнім часом спостерігається тенденція реалізації їхніх модулів у складі СППР і виконавчих ІС. Докладніше ЕС розглянуто в підрозд. 1.8.
СППР, зорієнтовані на документи розробляються для управління неструктурованими документами і Web-сторінками (див. підрозд. 2.4). Такі СППР інтегрують різноманітні технології зберігання та оброблення гіпертекстових документів, зображень, звуків, відео тощо.
Групові СППР (комунікаційні СППР) — це інтерактивні автоматизовані системи, призначені для підтримки розв’язування неструктурованих і напівструктурованих проблем кількома ОПР, що працюють як група. Групові СППР є гібридними системами — вони підтримують електронні, візуальні та звукові комунікації, складання розкладів, спільне використання даних і моделей, колективне генерування альтернатив, консолідацію ідей та інтерпретацію результатів. Крім цього, групові СППР мають можливості, які вже були розглянуті стосовно інших класів СППР.
Нині більшість використовуваних СППР є внутрішньоорганізаційними — їх розроблено для індивідуального або групового використання в межах окремої організації. На відміну від них інтерорганізаційні СППР, що належать до порівняно нової категорії систем, можуть мати серед своїх користувачів і зовнішніх щодо фірми осіб (акціонерів, споживачів, постачальників і т. ін.). Створити такі системи вдалося насамперед завдяки розширенню доступу до мережі Інтернет, яка забезпечує комунікаційні зв’язки різних типів, зокрема й необхідні для СППР. На базі Web-технологій створюються та використовуються системи, які дістали назву Web-зорієнтованих.
Усі зазначені типи СППР можна класифікувати залежно від ступеня їх спеціалізації. Функціонально зорієнтовані системи розробляються для підтримання специфічних бізнес-функцій або типів ділової діяльності. Такі системи можна назвати галузевими. Вони можуть бути зорієнтовані на маркетинг або фінанси, складання розкладів або встановлення діагнозів. Зазначені СППР можна придбати в «коробковому» варіанті або створити в результаті пристосування загальноорієнтованих систем, які в цілому підтримують ширші завдання, такі як управління проектами, аналіз рішень, бізнес-планування.
Очевидно, що в юридичній діяльності доводиться застосовувати численні як загально- так і функціонально зорієнтовані системи. Наприклад, аналітичні продукти англійської компанії i2 Group, що їх сьогодні Інтерпол та Європол прийняли як стандарт, використовують 1300 державних і комерційних організацій у 90 країнах світу. Технології i2 добре зарекомендували себе, коли йдеться про введення оперативно-слідчої інформації, аналіз даних, візуалізацію результатів і планування заходів, спрямованих на боротьбу з організованою злочинністю, незаконним обігом наркотиків та економічними злочинами. Системи забезпечують перевірку висунутих слідчих версій, аналіз результатів слідчих дій, виявлення прихованих зв’язків, формування напрямків дій слідчого, візуалізацію фактів, які свідчать про винність або невинність конкретної особи, контроль за розслідуванням кримінальних справ. Серед продуктів, що їх пропонує компанія, можна назвати такі:
Analyst’s Notebook — програма для відображення взаємозв’язків між особами, подіями, банківськими рахунками, номерами телефонів, автомашин та іншими об’єктами, виявлення динаміки послідовності подій, діаграми дій у кожній події;
IBase — програмне забезпечення для збирання, структуризації та зберігання даних із різних джерел;
IBridge — інструментарій для вилучення та об’єднання інформації з усіх доступних джерел, зокрема СКБД Oracle, Microsoft Acсess і SQL Server, текстових файлів;
Analyst’s Workstation — продукт, який інтегрує всі технології від i2 Group, включаючи оброблення даних за допомогою системи візуальних запитів за принципом «намалюй запитання — отримай картинку-відповідь» і засоби інтеграції із зовнішніми додатками, наприклад із ГІС.

 

 

Правові експертні системи

Експертні системи належать до класу інтелектуальних систем (систем штучного інтелекту), які виконують операції, імітуючи інтелектуальну діяльність людини — дії та розумові висновки людей у нестандартних ситуаціях, коли схема, алгоритм розв’язування задачі, що постала перед фахівцем, апріорі невідомі. Інтелектуальні системи забезпечують розв’язування неформалізованих задач користувача в деякій предметній галузі та організовують його взаємодію з комп’ютером у звичних поняттях, термінах, образах. Отже, можна подати таке визначення.
Експертна система — це інтелектуальна система, призначена для розв’язування задач у певній предметній галузі на основі знань, наданих експертами, яка містить базу знань і підтримує функції обґрунтування, пояснення та виправдання.
Застосовуються також такі терміни:
система на основі знань — інтелектуальна система, в якій знання про предметну галузь подано в явному вигляді та відокремлено від інших знань системи;
дорадча система — інтелектуальна система, що забезпечує формування рекомендацій про послідовність і перелік можливих дій користувача у процесі розв’язування задачі.
Основною відмінністю інтелектуальних систем від інших є те, що в них об’єктом нагромадження, зберігання, оброблення, передавання та використання є не дані, а знання. Знання — це сукупність фактів, закономірностей, відношень та евристичних правил, що відбиває рівень обізнаності з проблемами деяких предметних галузей. Специфічні особливості знань, що дають змогу відрізнити їх від даних, такі: внутрішня інтерпретація, наявність ситуативних зв’язків, активність і форма подання.
Згідно з різними підходами виокремлюють такі типи знань:
декларативні (предметні) знання — факти (тобто класи об’єктів і зв’язки між ними), які можна подати у вигляді множини тверджень, що не залежать від того, де і коли такі знання використовуються;
процедурні знання (правила) — описи процедур, за допомогою яких ці знання можна здобути. У разі процедурного подання знань немає потреби зберігати інформацію про всі можливі стани предметної галузі, як тоді, коли використовуються декларативні знання, — достатньо мати опис початкового стану та процедур, що генерують на його основі потрібні наступні стани;
евристичні знання — знання, які акумулюють неформальний досвід розв’язування задач у деякій предметній галузі;
семантичні знання — знання про стан об’єктів предметної галузі та відношення між ними;
прагматичні знання — знання про способи розв’язування задач у предметній галузі;
каузальні знання — знання, в основу яких покладено причинно-наслідкові зв’язки.
Знання на відміну від даних, що відбивають кількісні характеристики і подаються здебільшого в цифровому вигляді, містять якісні характеристики у вигляді текстової інформації. Це також становить одну з відмінностей ЕС від систем оброблення даних. Відповідно, користувач ЕС одержує в результаті її роботи не документ у табличному вигляді, а інтелектуальну пораду у формі тексту.
Специфіка функціонування ЕС та інформаційного об’єкта для оброблення зумовлює особливості архітектури такої системи. У загальному випадку вона складається з розглянутих далі восьми блоків.
База знань — упорядкована сукупність правил, фактів, механізмів виведення та програмних засобів, що описує деяку предметну галузь та призначена для подання нагромаджених у ній знань. У базі знань мають бути присутні як загальновідомі факти, явища, закономірності, що визнані в даній предметній галузі й опубліковані (знання 1-го роду), так і набір емпіричних правил та інтуїтивних висновків, якими користуються спеціалісти, приймаючи рішення в умовах невизначеності за наявності неповної суперечливої інформації, і які найчастіше не опубліковані (знання 2-го роду). Очевидно, що результатом роботи розробника ЕС — фахівця з ІТ, є порожня ЕС, в якій база знань не заповнена. Заповнює базу знань експерт — знавець предметної галузі — згідно з вибраною моделлю подання знань.
До основних моделей подання знань (моделей знань), що являють собою сукупності правил подання, опису та породження знань у базі знань, належать такі:
логічна — модель подання знань, в основу якої покладено формальну логіку;
фрейм — модель подання знань, яка під час заповнення її елементів — слотів — певними значеннями перетворюється на опис конкретного факту, події, процесу;
семантична мережа — модель подання знань за допомогою мережі вузлів, сполучених дугами, де вузли відповідають поняттям чи об’єктам, а дуги — відношенням між вузлами;
продукційна система — система, в якій знання подано у вигляді сукупності продукцій та правил їх застосування. Правило продукції можна подати так: ЯКЩО <умова> ТОДІ <висновок чи дія>.
Крім знань, здобутих від експертів, ЕС містить метазнання — знання про знання, що зберігаються в її базі знань, або про процедури, які можна здійснити з ними.
Можливість завантажувати базу знань та редагувати знання, які зібрані в базі, надає експертові блок нагромадження знань. Його функції охоплюють також формування емпіричних залежностей із неповних знань, тобто здобуття знань 1-го роду на основі знань 2-го роду. Але через складність реалізації цих функцій не всі ЕС містять такий блок.
Система керування базою знань — сукупність програмних та апаратних засобів для організації та ведення бази знань.
База цілей — компонент інтелектуальної системи, який містить інформацію про поведінку інтелектуальної системи в разі досягнення цілей у межах конкретної предметної галузі.
Розв’язувач задач — компонент інтелектуальної системи, призначений для формування на основі наявних знань логічних висновків, реалізація яких приводить до розв’язку задачі.
Інтелектуальний інтерфейс — сукупність програмних та апаратних засобів, які забезпечують взаємодію інтелектуальної системи з користувачем на основі звичних понять, термінів, образів, притаманних певній сфері інтелектуальної діяльності людини.
Система обґрунтування — компонент інтелектуальної системи, призначений для перевірки відповідності здобутого розв’язку знанням, що містяться в базі знань.
Система пояснення — компонент інтелектуальної системи, призначений для пояснення користувачеві способу, за допомогою якого знайдено розв’язок, а також самого розв’язку. Наявність цього блоку дає змогу використовувати ЕС не лише для прийняття рішень, а й як навчальну систему.
Система довіри — компонент інтелектуальної системи, призначений для підвищення рівня довіри користувача до здобутих результатів. Одним зі способів досягнення високої довіри може бути виправдання — функція обґрунтування деякого розв’язку із залученням наявних в інтелектуальній системі ціннісних чинників.
Використання систем штучного інтелекту в юридичній діяльності зумовлюється високим рівнем інтелектуальності, спеціалізації та професіоналізму, що притаманні розумовій діяльності юриста, судді, слідчого, криміналіста, судового експерта. Можна визначити такі напрями застосування інтелектуальних систем і технологій у галузі права: інтелектуалізація автоматизованих інформаційно-пошукових систем із законодавства; створення автоматизованих систем аналізу нормативних правових текстів; побудова консультативних систем із правотворення; створення експертних систем у сфері правозастосовної діяльності; розробка алгоритмів і програм ідентифікації за допомогою ЕОМ об’єктів при розслідуванні та розгляді судових справ (сфера криміналістики й судової експертизи).
Зарубіжні комерційні правові ЕС використовуються переважно в галузі управління фінансами. Наведемо кілька прикладів.
ЕС «DSCAS» допомагає аналізувати юридичні аспекти позовів щодо відшкодування додаткових витрат, пов’язаних з відмінностями фізичних умов на місці передбачуваного будівництва від зазначених у контракті. Такі позови ґрунтуються на даних, які містяться в конкретних договорах. ЕС забезпечує посадову особу правовими знаннями для прийняття рішення щодо позову.
ЕС «JUDITH» разом з юристом і з його слів засвоює фактичні та юридичні передумови цивільної справи, а далі пропонує розглянути різні варіанти підходів до її ведення.
ЕС «LEGAL ANALYSIS SYSTEM» допомагає адвокатам аналізувати справи про навмисну образу дією з погляду права і практики його застосування.
ЕС «LRS» надає допомогу стосовно добору й аналізу інформації про судові рішення та правові акти в галузі кредитно-грошового законодавства, пов’язаного з використанням векселів і чеків.
ЕС «TAXMAN» допомагає дослідити логіку міркувань та аргументацію на прикладі законодавства про оподаткування корпорацій.
ЕС «SAL» підтримує юристів при встановленні розмірів позовів, пов’язаних із професійними захворюваннями робітників, які працюють з азбестом.
ЕС «LDS» допомагає юристам урегульовувати проблеми позовів про відшкодування збитків і компенсації за шкоду, пов’язану з випуском дефектної продукції. Система на основі опису справи висуває версію про винність відповідача, визначає ціну позову, розмір компенсації, який забезпечує інтереси сторін.
На російське трудове законодавство зорієнтована експертна довідково-консультаційна система «Ущерб», призначена для юридичного аналізу ситуації притягнення робітників і службовців до матеріальної відповідальності в разі, коли підприємству завдано матеріальних збитків. Система дає змогу розглядати таке коло питань: можливість притягнення особи до відповідальності за збитки, завдані підприємству або організації; встановлення виду й розміру матеріальної відповідальності з огляду на обставини конкретної ситуації; визначення орієнтовного розміру збитків і порядку їх відшкодування. Така структура базується на формулі, згідно з якою, приступаючи до розгляду конкретної справи (ситуації) по суті, необхідно встановити характер правовідносин, які виникають, і виокремити основні критерії для їх оцінювання. Це дає змогу правильно визначити нормативні акти, до яких потрібно звернутися для правильного вирішення справи, і розглянути порядок їх застосування. ЕС «Ущерб» містить контекстно залежний довідник із законодавства, а також посилання на використану юридичну літературу. Система призначена для використання судами, органами прокуратури при проведенні загальнонаглядових перевірок, при дослідженні діяльності підприємств та їхніх посадових осіб юридичними службами, керівниками і радами трудових колективів установ та організацій, професійними спілками при вирішенні спорів з адміністрацією, а також у навчальних закладах, де вивчається курс права.
Окремою сферою застосування експертних систем є прийняття рішення про напрямок розслідування і виконання слідчих дій. Сутність криміналістичних досліджень зводиться до встановлення закономірності у зв’язках, що існують між фактом злочину, особистістю злочинця, місцем і способом здійснення злочину, особливостями злочинної поведінки.
ЕС, що застосовуються в роботі слідчого, ґрунтуються на збиранні, класифікації та використанні узагальненого досвіду розслідування у вигляді знань окремих професіоналів. Такі знання, виражені у формі правил типу «Якщо існує такий факт, то, ймовірно, відбулася така дія або існував такий мотив цієї дії», придатні для автоматизованого оброблення і дають змогу імітувати процес оцінювання слідчим ситуації розслідування та забезпечувати в режимі діалогу консультаційну підтримку прийняття ним рішень. Основними задачами, виконуваними за допомогою таких систем, є визначення можливих напрямків розслідування (формування версій про події з урахуванням, по змозі, різних джерел одержання інформації), вибір найбільш імовірних напрямків; надання користувачеві рекомендацій щодо подальших дій (призначення експертиз, проведення оперативно-пошукових заходів, перевірні та слідчі дії тощо).
Прикладом таких систем є «Маньяк» — ЕС підтримки прийняття рішень при розкритті серійних вбивств, здійснених на сексуальному ґрунті. Вона призначена допомагати співробітникам карного розшуку та слідчим прокуратури в розробці найбільш імовірної версії про тип можливого злочинця з обмеженням кола осіб, що підлягають перевірці на причетність до певного злочину. Основу системи становлять систематизовані взаємозв’язані набори найістотніших криміналістичних ознак, за якими виявляється зв’язок між подією злочину і вбивцею-маніяком. Використання системи сприяє збагаченню досвіду і знань працівників карного розшуку та слідчих прокуратури; установленню так званих прикордонних типів злочинців, розпізнати яких іншими методами надзвичайно важко або й зовсім неможливо; усуненню деякої частки суб’єктивізму під час формування версій за умов невизначеності; вирівнюванню знань неоднаково підготовлених співробітників.