Антикоррупция в ограничениях естественного и стимулах искусственного интеллекта

Abstract

Статья посвящена анализу и оценке прикладной состоятельности современных опубликованных научных исследований, представленных в виде диссертаций и статей по антикоррупционной проблематике. Приводится статистика индексируемых публикаций с расчетом коэффициента временных трудозатрат, отмечаются проблемы патентообразования результатов тематических разработок. Рассматриваются этические и мотивационные принципы, которыми руководствовались ученые в прошлом, в экстраполяции на проблемы современного им следования. В этой связи иллюстрируются типовые недостатки нынешних антикоррупционных изысканий, связанные с упрощенной выборкой методов познания, ограниченностью используемых эмпирических данных, некорректным заимствованием первоисточников знаний и ошибками управления понятийным аппаратом, схоластикой содержания работ, отсутствием междисциплинарности и прикладной значимости исследований, формализованной в нормотворческих предложениях, что в сумме образует кризис в их полезности как для юридической науки, так и практики. Автор обращает внимание на резервы стимулирования антикоррупционных научных разработок в возможностях использования технологий искусственного интеллекта. Экспериментальный полигон их применения рассмотрен на примере сферы закупок, где фиксируемые учеными идентификаторы рисков коррупции могут приобрести прикладной характер использования без участия человека для оперативного и повсеместного их выявления на основе работы взаимосвязанных облачных систем вычисления их содержания и признаков противоправности из контекста массива больших данных публичных сервисов (информационных, справочных, законодательных, методических, правоприменительных). Итоговый алгоритм работы искусственного интеллекта предлагается автором в генерировании нейронными сетями процессуально- значимых документов для целей превентивного реагирования на обнаруженные риски коррупции, не допускающего наступления неблагоприятных правовых последствий, при игнорировании которого цели преобразуются в обеспечение доказательств совершенного виновного деяния и определение мер юридической ответственности, для их применения компетентными органами и должностными лицами

The article is devoted to the analysis and assessment of the applied consistency of modern published scientific research, presented in the form of dissertations and articles on anti-corruption issues. The statistics of indexed publications with the calculation of the coefficient of time expenditure are given and the problems of patenting the results of thematic developments are noted. The ethical and motivational principles that guided scientists in the past are examined in extrapolation to the problems of contemporary following. In this regard, the typical shortcomings of the current anti-corruption research are illustrated, associated with a simplified selection of methods of knowledge, the limited empirical data used, the incorrect borrowing of primary sources of knowledge and errors in the management of the conceptual apparatus, the scholasticism of the content of the works, the lack of interdisciplinarity and applied significance of research, formalized in normative proposals, which in total form a crisis in their usefulness for legal science and practice. The author draws attention to the reserves of stimulating anti-corruption scientific developments in the possibilities of using artificial intelligence technologies. The experimental testing ground of their application is considered on the example of the procurement sphere, where the identifiers of corruption risks recorded by scientists can acquire an applied nature of use without human participation for their prompt and widespread detection based on the operation of interconnected cloud systems for calculating their content and signs of illegality from the context of the Big Data array of public services (information, reference, legislative, methodological, law enforcement). The final algorithm of artificial intelligence is proposed by the author in the generation of procedurally significant documents by neural networks for the purpose of preventive response to the detected risks of corruption, preventing the occurrence of adverse legal consequences, ignoring which the objectives are transformed into the provision of evidence of the committed offence and determination of legal liability measures, for their application by competent authorities and officials