Азиатско-Тихоокеанский регион: экономика, политика, право. 2021; 23: 153-165
Использование искусственного интеллекта в преступных целях: уголовно-правовая характеристика
https://doi.org/10.24866/1813-3274/2021-3/153-165Аннотация
Искусственный интеллект активно используется во многих сферах человеческой жизни. Использование систем искусственного интеллекта повышает эффективность деятельности, снижает издержки и увеличивает производительность. Предполагается, что такое продуктивное средство в скором времени будет активно использоваться в преступных целях. В статье проводится анализ понятия «искусственный интеллект» и его отличительных характеристик. Автор приходит к выводу, что современные системы искусственного интеллекта обучаются, а не программируются, что снижает целесообразность возложения ответственности на программиста за вред, причинённый такими системами. В работе анализируются свойства искусственного интеллекта, которые могут влиять на степень общественных деяний, совершенных с его использованием. Среди таких свойств автор выделяет автономность как способность интеллектуальных систем действовать и принимать решения независимо от человека. Другим характерным свойством современных систем искусственного интеллекта является непрозрачность. Непрозрачность может проявляться как недоступность алгоритмов, исходного кода, обученной нейронной сети или её архитектуры в связи с их правовой охраной как интеллектуальной собственности или государственной тайны. Непрозрачность обусловлена тем, что понимание программного кода и архитектуры систем искусственного интеллекта требует специальных знаний и навыков. Кроме того, понимание работы некоторых систем лежит за гранью человеческих возможностей. Анализ показывает, что использование систем искусственного интеллекта повышает степень общественной опасности преступного деяния. Во-первых, использование интеллектуальных систем создает у преступника чувство безопасности при совершении преступлений посредством искусственного интеллекта. Между злоумышленником и потерпевшим есть своеобразный буфер в виде компьютерной программы. Преступник для совершения общественно опасного деяния не контактирует с жертвой. Анонимность и обезличенность при использовании интеллектуальной системы преступником позволяют выдать себя за другого человека, скрыться от правосудия, остаться вне общественного порицания и осуждения.
Список литературы
1. Padhy, N. P. Artificial intelligence and intelligent systems 3 / N. P. Padhy. – Oxford : Oxford University Press, 2005. 632 p.
2. Якушев, Д. И. Об определении искусственного интеллекта // Региональная информатика и информационная безопасность : сборник трудов. – Санкт-Петербург : Санкт-Петербургское общество информатики, вычислительной техники, систем связи и управления, 2016. – С. 67–69.
3. Николенко, С. Глубокое обучение / С. Николенко, А Кадурин, Е. Архангельская. – Санкт-Петербург : Питер, 2020. – 480 c.
4. Mastering the game of Go without human knowledge / D. Silver, J. Schrittwieser, K. Simonyan [et al.] // Nature. – 2017. – Vol. 550 (7676). – P. 354–359.
5. Васильев, А. А. Правовое регулирование робототехники и искусственного интеллекта в Европейском Союзе / А. А. Васильев, Ж. И. Ибрагимов // Российско-азиатский правовой журнал. – 2019. – № 1. – С. 50–54.
6. Васильев, А. А. Искусственный интеллект и право: проблемы, перспективы / А. А. Васильев, Ю. В. Печатнова // Российско-азиатский правовой журнал. – 2020. – № 2. – С. 14–18.
7. Понкин, И. В. Искусственный интеллект с точки зрения права / И. В. Понкин, А. И. Редькина // Вестник Российского университета дружбы народов. Серия : Юридические науки. – 2018. – Т. 22, № 1. – C. 91–109.
8. Hallevy, G. When Robots kill: Artificial intelligence under criminal law / G. Hallevy. – Boston : Northeastern University, 2013. – 244 p.
9. Хисамова, З. И. Сущность искусственного интеллекта и проблема определения правосубъектности / З. И. Хисамова, И. Р. Бегишев // Вестник Московского государственного областного университета. Серия : Юриспруденция. – 2020. – № 2. – С. 96–106.
10. Burrell, J. How the machine 'thinks:' understanding opacity in machine learning algorithms // Big Data & Society. – 2016. – January – June. – P. 1–12.
11. Kosinski, M. Deep neural networks are more accurate than humans at detecting sexual orientation from facial images / M. Kosinski, Y. Wang // Journal of Personality and Social Psychology. – 2018. – Vol. 114 (2). – P. 246–257.
12. Lee, T. Tracing surveillance and auto-regulation in Singapore: «smart» responses to COVID-19 / T. Lee, H. Lee // Media International Australia. – 2020. – Vol. 177 (1). – P. 47–60.
13. Дремлюга, Р. И. Регулирование тестирования и использования беспилотного автотранспорта: опыт США / Р. И. Дремлюга, А. В. Крипакова, А. А. Яковенко // Журнал зарубежного законодательства и сравнительного правоведения. – 2020. – № 3 (82). – С. 68–85.
14. Гаврилов, В. В. Актуальные вопросы международно-правового регулирования плавания морских судов без экипажа / В. В. Гаврилов, Р. И. Дремлюга // Московский журнал международного права. – 2020. – № 2. – С. 65–76.
15. Miller, V. I Did my bit': Terrorism, tarde and the vehicle ramming attack as an imitative event / V. Miller, K. J. Hayward // British Journal of Criminology. – 2019. – Vol. 59 (1). – P. 1–23.
16. Watney, M. M. Artificial intelligence and its’ legal risk to cybersecurity // European Conference on Information Warfare and Security, ECCWS, 2020-June. – [S. l.], 2020. – P. 398–405.
17. Young, O. R. Meeting cyber age needs for governance in a changing global order / O. R. Young, J. Yang, D. Guttman. – DOI 10.3390/su12145557 // Sustainability (Switzerland). – 2020. – Vol. 12 (14). – Art. no. 5557 [17 p.].
18. Deepfake detection algorithms: a meta-analysis / S. Zotov, R. Dremliuga, A. Borshevnikov, K. Krivosheeva // ACM International Conference Proceeding Series. Ser. 2 : «SSPS 2020 – 2020 2nd Symposium on Signal Processing Systems». – Guangdong, 2020. – P. 43–48.
19. Фадина, Ю. П. Уголовно-правовая характеристика мошенничества в сети интернет // Вестник Югорского государственного университета. – 2017. – № 1–2 (44). – C. 117–121.
20. Drug delivery drone crashes in Mexico. – URL: https://www.bbc.com/news/technology-30932395 (дата обращения: 07.05.2021).
21. ИИ помог мошенникам имитировать голос CEO компании и похитить 220 000 евро // Хакер. – URL: https://xakep.ru/2019/09/05/voice-deepfake/ (дата обращения: 07.05.2021).
22. Аферисты сумели украсть $76 млн благодаря технологии Deepfake. – URL: https://news.rambler.ru/internet/46154575/ (дата обращения: 07.05.2021).
Pacific Rim: Economics, Politics, Law. 2021; 23: 153-165
Application of Artificial Intelligence for Criminal Purposes from Criminal Law perspective
https://doi.org/10.24866/1813-3274/2021-3/153-165Abstract
Artificial Intelligence is actively used in many areas of human life. The use of artificial intelligence systems increases the efficiency of activities, reduces costs, and increases productivity. It is assumed that such a productive tool will soon be actively used for criminal purposes. The article analyzes the concept of "artificial intelligence" and its distinctive characteristics. The author concludes that modern artificial intelligence systems are trained, not programmed, which reduces the feasibility of imposing liability on the programmer for the damage caused by such systems. The paper analyzes the properties of artificial intelligence, which may affect the degree of social acts committed with it. Among such properties, the author highlights autonomy as the ability of intelligent systems to act and make decisions independently of humans. Opacity is yet another characteristic property of modern artificial intelligence systems. It can manifest itself as inaccessibility of algorithms, source code, trained neural networks, or architecture due to their legal protection as intellectual property or state secrets. Opacity is contingent on the fact that understanding the program code and architecture of artificial intelligence systems require special knowledge and skills. In addition, understanding the work of some systems is beyond human capabilities. The analysis shows that artificial intelligence systems increase the degree of public danger of a criminal act. First, intelligent systems create a sense of security for the criminal when committing crimes through AI. A computer program serves as a buffer between the perpetrator and the victim. The perpetrator has no contact with the victim to commit a socially dangerous act. Anonymity and impersonality when using an intelligent system by a criminal allow him/her to pass off as a different person, hide from justice, and remain outside of public censure and condemnation.
References
1. Padhy, N. P. Artificial intelligence and intelligent systems 3 / N. P. Padhy. – Oxford : Oxford University Press, 2005. 632 p.
2. Yakushev, D. I. Ob opredelenii iskusstvennogo intellekta // Regional'naya informatika i informatsionnaya bezopasnost' : sbornik trudov. – Sankt-Peterburg : Sankt-Peterburgskoe obshchestvo informatiki, vychislitel'noi tekhniki, sistem svyazi i upravleniya, 2016. – S. 67–69.
3. Nikolenko, S. Glubokoe obuchenie / S. Nikolenko, A Kadurin, E. Arkhangel'skaya. – Sankt-Peterburg : Piter, 2020. – 480 c.
4. Mastering the game of Go without human knowledge / D. Silver, J. Schrittwieser, K. Simonyan [et al.] // Nature. – 2017. – Vol. 550 (7676). – P. 354–359.
5. Vasil'ev, A. A. Pravovoe regulirovanie robototekhniki i iskusstvennogo intellekta v Evropeiskom Soyuze / A. A. Vasil'ev, Zh. I. Ibragimov // Rossiisko-aziatskii pravovoi zhurnal. – 2019. – № 1. – S. 50–54.
6. Vasil'ev, A. A. Iskusstvennyi intellekt i pravo: problemy, perspektivy / A. A. Vasil'ev, Yu. V. Pechatnova // Rossiisko-aziatskii pravovoi zhurnal. – 2020. – № 2. – S. 14–18.
7. Ponkin, I. V. Iskusstvennyi intellekt s tochki zreniya prava / I. V. Ponkin, A. I. Red'kina // Vestnik Rossiiskogo universiteta druzhby narodov. Seriya : Yuridicheskie nauki. – 2018. – T. 22, № 1. – C. 91–109.
8. Hallevy, G. When Robots kill: Artificial intelligence under criminal law / G. Hallevy. – Boston : Northeastern University, 2013. – 244 p.
9. Khisamova, Z. I. Sushchnost' iskusstvennogo intellekta i problema opredeleniya pravosub\"ektnosti / Z. I. Khisamova, I. R. Begishev // Vestnik Moskovskogo gosudarstvennogo oblastnogo universiteta. Seriya : Yurisprudentsiya. – 2020. – № 2. – S. 96–106.
10. Burrell, J. How the machine 'thinks:' understanding opacity in machine learning algorithms // Big Data & Society. – 2016. – January – June. – P. 1–12.
11. Kosinski, M. Deep neural networks are more accurate than humans at detecting sexual orientation from facial images / M. Kosinski, Y. Wang // Journal of Personality and Social Psychology. – 2018. – Vol. 114 (2). – P. 246–257.
12. Lee, T. Tracing surveillance and auto-regulation in Singapore: «smart» responses to COVID-19 / T. Lee, H. Lee // Media International Australia. – 2020. – Vol. 177 (1). – P. 47–60.
13. Dremlyuga, R. I. Regulirovanie testirovaniya i ispol'zovaniya bespilotnogo avtotransporta: opyt SShA / R. I. Dremlyuga, A. V. Kripakova, A. A. Yakovenko // Zhurnal zarubezhnogo zakonodatel'stva i sravnitel'nogo pravovedeniya. – 2020. – № 3 (82). – S. 68–85.
14. Gavrilov, V. V. Aktual'nye voprosy mezhdunarodno-pravovogo regulirovaniya plavaniya morskikh sudov bez ekipazha / V. V. Gavrilov, R. I. Dremlyuga // Moskovskii zhurnal mezhdunarodnogo prava. – 2020. – № 2. – S. 65–76.
15. Miller, V. I Did my bit': Terrorism, tarde and the vehicle ramming attack as an imitative event / V. Miller, K. J. Hayward // British Journal of Criminology. – 2019. – Vol. 59 (1). – P. 1–23.
16. Watney, M. M. Artificial intelligence and its’ legal risk to cybersecurity // European Conference on Information Warfare and Security, ECCWS, 2020-June. – [S. l.], 2020. – P. 398–405.
17. Young, O. R. Meeting cyber age needs for governance in a changing global order / O. R. Young, J. Yang, D. Guttman. – DOI 10.3390/su12145557 // Sustainability (Switzerland). – 2020. – Vol. 12 (14). – Art. no. 5557 [17 p.].
18. Deepfake detection algorithms: a meta-analysis / S. Zotov, R. Dremliuga, A. Borshevnikov, K. Krivosheeva // ACM International Conference Proceeding Series. Ser. 2 : «SSPS 2020 – 2020 2nd Symposium on Signal Processing Systems». – Guangdong, 2020. – P. 43–48.
19. Fadina, Yu. P. Ugolovno-pravovaya kharakteristika moshennichestva v seti internet // Vestnik Yugorskogo gosudarstvennogo universiteta. – 2017. – № 1–2 (44). – C. 117–121.
20. Drug delivery drone crashes in Mexico. – URL: https://www.bbc.com/news/technology-30932395 (data obrashcheniya: 07.05.2021).
21. II pomog moshennikam imitirovat' golos CEO kompanii i pokhitit' 220 000 evro // Khaker. – URL: https://xakep.ru/2019/09/05/voice-deepfake/ (data obrashcheniya: 07.05.2021).
22. Aferisty sumeli ukrast' $76 mln blagodarya tekhnologii Deepfake. – URL: https://news.rambler.ru/internet/46154575/ (data obrashcheniya: 07.05.2021).
