Риски применения искусственного интеллекта в лингвистической экспертизе
УДК 81'33:004.8, ББК 81.2
Аннотация
Статья рассматривает возможности применения технологий искусственного интеллекта в автороведческой экспертизе текста. Анализируются существующий опыт и преимущества использования нейросетей и методов компьютерной лингвистики для анализа текста. Нейросеть рассматривается как перспективный инструмент при проведении комплексного анализа – она исключает необходимость последовательного анализа текста по каждому из аспектов с ручным выделением каждого значимого признака и поиском его по тексту. Это существенно ускоряет процесс и облегчает работу лингвиста-эксперта. Рассмотрены технологические, юридические и этические риски, возникающие при внедрении искусственного интеллекта в экспертную практику. Среди них: непрозрачность и нестабильность существующих нейросетей, высокий риск возникновения «галлюцинаций», риск утечки данных, риск манипулируемости входными данными, риск некорректного использования результатов. Приводятся нормативные документы, принятые в Российской Федерации, регулирующие применение нейросетевых технологий в социально значимых областях, позволяющие в том числе снизить вышеупомянутые риски. Показано, что нейросетевые технологии могут служить эффективным вспомогательным инструментом, однако требуют строгого соблюдения профессиональных стандартов, контроля рисков, прозрачности алгоритмов и экспертной проверки результатов.
Скачивания
Литература
Аль-Нами Б. А., Кормачев И. Д. Нейросети в современном мире. Исследование возможностей и областей применения chatgpt / Актуальные проблемы инфотелекоммуникаций в науке и образовании (АПИНО 2023): Сборник научных статей XII Международной научно-технической и научно-методической конференции. Санкт-Петербург, 28 февраля – 01 марта 2023 года. В 4-х томах, Том 2. СПб, 2023. – С. 155-158.
Белова П. Е., Сафарян А. К. Автоматическое выявление побуждений в тексте: применение методов компьютерной лингвистики в работе эксперта‐лингвиста / Национальные и международные тенденции и перспективы развития судебной экспертизы: сборник докладов Научно-практической конференции с международным участием, г. Нижний Новгород, 22–23 мая 2024 г. Нижний Новгород, 2024. – С. 31-38.
Галюченко А. С. Нейронные технологии и корпусные инструменты для исследования юридического медиадискурса (на примере термина smart-contract) / Язык в эпоху цифровых трансформаций и развития искусственного интеллекта: Сборник научных статей по итогам международной научной конференции. Минск, 2024. – С. 303-308.
Григорьева Е. Г., Клячин В. А. Исследование статистических характеристик текста на основе графовой модели лингвистического корпуса / Известия Саратовского университета. Новая серия. Серия: Математика. Механика. Информатика. – 2020. – Т. 20, № 1. – С. 116-126.
Романов А. С. Методика идентификации автора текста на основе аппарата опорных векторов / Доклады Томского государственного университета систем управления и радиоэлектроники. – 2009. – № 2. Т. 1. – С. 36-42.
Трофимова Г. Н. Алгоритмы и возможности использования генеративных нейросетей в производстве лингвистических экспертиз / Язык в эпоху цифровых трансформаций и развития искусственного интеллекта: Сборник научных статей по итогам международной научной конференции. Минск, 2024. – С. 625-629.
Ширяева А. А., Новицкая И. В. Преимущества и недостатки использования нейросетей для обработки естественного языка (NLP) / Язык и культура. – 2024. – № 67. – С. 89-101
Alkhodhairy G., Saleem K. Machine learning algorithm for detecting suspicious email messages using Natural Language Processing / Alexandria Engineering Journal. – 2025. – Vol. 128. – P. 153-165
Arazzi M., Arikkat R. D., Nicolazzo S. NLP-based techniques for Cyber Threat Intelligence / Computer Science Review. – 2025. – Vol. 58. – 100765.
Martinc M., Perovšek M., Lavrač N. Textflows: an open science NLP evaluation approach / Lang Resources & Evaluation. – 2024. https:/doi.org/10.1007/s10579-024-09793-1
Verma P., O’Shea D., Newe T. WebShield 5.0: Harnessing AI and NLP to combat web threats in Industry 5.0 / Alexandria Engineering Journal. – 2025. – Vol. 127. – P. 677-689/
Zucco C. Deep Learning Methods in NLP / Encyclopedia of Bioinformatics and Computational Biology (Second Edition). – 2025. – Vol. 2. – P. 190-198.
ГОСТ Р 71476-2024 «Национальный стандарт российской федерации. Искусственный интеллект. Концепции и терминология искусственного интеллекта». М., 2024.
ПНСТ 840-2023 «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ Обзор этических и общественных аспектов». М., 2023.
Искусственный интеллект Российской Федерации. Регуляторика. URL: https:/ai.gov.ru/ai/regulatory/
Copyright (c) 2026 Елизавета Славинская
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями:
1. Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале.
2. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале.
3. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).
