Академический Документы
Профессиональный Документы
Культура Документы
1
См. В целом Ричарда Х. Фэллона-младшего, «Верховенство закона» как понятие в конституционном
дискурсе, 97 COLUM. L. REV. 1 (1997); Амир Н. Лихт и др., Правила культуры: основы верховенства закона и
другие нормы управления, 35 J. COMP. ECON. 659 (2007); Дэниел А. Фарбер, Верховенство закона и право
прецедентов, 90 MINN. L. REV. 1173 (2005) (обсуждение взаимосвязи между stare decisis и верховенством
закона).
2
См. В целом Бенджамин Алари и др., «Машинное регулирование», 1 декабря 2016 г., http: //
www.mlandthelaw.org/papers/alarie.pdf; Энтони Дж. Кейси и Энтони Ниблетт, Смерть правил и стандартов,
10–11 (Univ. Of Chi. Pub. Law Theory Working Paper Grp., Paper No. 550, 2015).
на данных3, а не законодательные акты и нормативные акты4. И
клиенты могут полагаться на программное обеспечение для
прогнозирования вместо юристов.
В этой статье мы ставим под сомнение эту парадигму
«больших данных». Наш аргумент состоит из трех частей. Во-
первых, заявленная объективность больших данных5 - это миф.
Данные требуют теории, чтобы их можно было интерпретировать и
применять, и любая отдельная интерпретация данных редко
бывает убедительной. Во-вторых, поведенческие и прогнозные
модели, использующие большие данные, неспособны
адаптироваться к творческой эволюции правовой системы. 6 Эти
модели не могут измерять или предсказывать все соответствующие
переменные, которые могут влиять на правовую систему, такие как
изменения в ценностях или новизна. использование закона. Кроме
того, крупномасштабный анализ данных дает поведенческие
предписания с использованием средних значений, не принимая во
внимание крайности и лежащую в их основе неоднородность
(например, в убеждениях и суждениях), которые оживляют и
3
См. Лоуренс Г. Бакстер, Адаптивное финансовое регулирование и RegTech: концептуальная статья о
реалистичной защите жертв банкротства банков, 66 DUKE L.J. 567, 598 (2016).
4
В то время как некоторые ученые обсуждали большие данные с точки зрения целенаправленной
разработки политики, см. Примечания 2–3 выше, другие сосредоточились на больших данных с точки
зрения юридических услуг или потребителей, см., Например, John O. McGinnis & Russell G. Pearce, The
Большой прорыв: как машинный интеллект изменит роль юристов в предоставлении юридических услуг, 82
FORDHAM L. REV. 3041 (2014). «Персонализированный закон» объединяет две точки зрения, охватывая
индивидуальную настройку закона с точки зрения как политиков, так и потребителей юридических услуг.
См. Ниже Часть I.
5
См., Например, Крис Андерсон, «Конец теории: поток данных делает научный метод устаревшим», WIRED
MAGAZINE, июнь 2008 г., стр. 1 («Например, Google покорил мир рекламы только с помощью прикладной
математики. Это не удалось». я притворялся, что знает что-нибудь о культуре или традициях рекламы -
просто предполагалось, что лучшие данные с лучшими аналитическими инструментами выиграют день »);
см. также DANIEL BOLLIER & CHARLES M. FIRESTONE, ОБЕЩАНИЕ И ДОСТОЯНИЕ БОЛЬШИХ ДАННЫХ 20–33
(Институт Аспена, 2010 г.) (с описанием различных приложений для больших данных).
6
См. Ниже Часть III.
обогащают правовую систему в целом. Наконец, в результате этих
недостатков, а не большие данные, отражающие правовую
систему, правовая система рекурсивно станет отражать большие
данные. Рецепты оптимального поведения подавят столь
необходимую низкоуровневую вариативность или
неоднородность, которая делает правовые системы адаптивными и
динамичными. Правовая система, чрезмерно полагающаяся на
большие данные, произвольно и недемократично отклонится от
основополагающих ценностей правовой системы.7 Чем шире
используются большие данные, тем больше они будут наполнять и
предписывать чувство оптимальности и искусственной
неизбежности правовому развитию.
То, что предлагают большие данные, во многом противоречит
традициям верховенства закона. В то время как закон семантичен,
большие данные синтаксичны. Право абстрактно, основано на
ценностях и построено на компромиссе. Большие данные
эмпирически, алгоритмичны и детерминированы. Кроме того,
большие данные по своей сути контекстны. Большие данные не
могут интерпретировать сами себя и не могут различить
неопределенные границы правовых принципов.8 Более того,
большие данные не могут различать или создавать новизну, в
7
Наша аргументация здесь напоминает наш тезис о том, что попытки «спроектировать» правовые
институты, такие как Конституция США, для достижения определенных заранее заданных целей, неизбежно
потерпят неудачу. См. Caryn Devins et al., Against Design, 47 ARIZ. ST. L.J. 609, 612–14 (2015). Как и в целом при
проектировании, большие данные предполагают фиксированную систему координат для решения проблем;
он неспособен учесть все соответствующие переменные, не говоря уже о том, как эти переменные будут
развиваться в будущем.
8
См., Например, Питер Гудрич, Риторика и современное право, в Оксфордском СПРАВОЧНИКЕ
РИТОРИЧЕСКИХ ИССЛЕДОВАНИЙ 613, 617–18 (Michael MacDonald ed., 2014) (исследование пределов
эмпирических данных в законе); см. САНДРА Б. ХЕЙЛ, ДИСКУРС СУДЕБНОГО ТОЛКОВАНИЯ: ДИСКУРСНАЯ
ПРАКТИКА ЗАКОНА, СВИДЕТЕЛЬ И ПЕРЕВОДЧИК, 4–8, 31–32 (2004).
отличие от людей, которые могут обновлять свои «рамки» или
парадигмы по мере изменения окружающей среды.9 Большие
данные не могут вводить новшества. за пределами парадигм,
навязанных его создателями. Даже самые сложные методы
машинного обучения не могут сказать нам, какие факторы могут
стать актуальными в ответ на новые вызовы10.
Большие данные в корне отличаются от системы общего
права, которая творчески и непредсказуемо развивается за
пределы своих первоначальных целей.11 Закон непредсказуемо
«разрастается», поскольку адаптивные агенты внутри общества - в
своем локальном контексте - находят новые значения, даже
лазейки, в законах, которые позволяют шаблоны действий и
связанный с этим риск или вознаграждение, которые, в свою
очередь, стимулируют новые правовые адаптации. Эта эволюция
ставит под сомнение жесткость больших данных, которые
ограничиваются анализом прошлого. Большие данные имеют
тенденцию к форме поведенческой оптимизации, которая по своей
сути направлена на уменьшение дисперсии - точной дисперсии,
которая делает правовую систему адаптивной и динамичной с
течением времени. Эта адаптация и динамизм присущи эволюции
общего права, которое в основном идет снизу вверх и
децентрализовано. Например, судьи постепенно изменяют
правовые доктрины в ответ на изменение условий в отдельных
9
См. Асим Зиа и др., Перспективы и ограничения алгоритмов в моделировании принятия творческих
решений, 14 EMERGENCE 89, 97 (2012) (обсуждает пределы алгоритмов в интерпретации аффордансов).
10
См. Ид.
11
«Жизнь закона не была логикой: это был опыт». ОЛИВЕР В. ХОЛМС-МЛАДШИЙ, ОБЩИЙ ЗАКОН, 1 (1881 г.).
делах12. Однако анализ больших данных является
централизованным и нисходящим, и, таким образом, он не
адаптируется и не реагирует на местные эксперименты и
интерпретации.
Важно отметить, что в стремлении к объективности «большие
данные» не могут в полной мере решить основную задачу нашей
правовой системы: разрешение «конкурирующих концепций
блага» 13 через институты, легитимность которых определяется
согласием управляемых. Скорее, большие данные будут
навязывать методологию, основанную на алгоритмах, которая
могла бы привнести благие намерения, но весьма проблематичное
единообразие поведения, а также вызывающее беспокойство
отсутствие прозрачности и подотчетности правовой системе в
целом.
Опираясь на большие данные, лица, определяющие политику,
рискуют основывать свои решения на простых корреляциях и
средних значениях, выявленных в данных, практически не понимая
значимости этих корреляций или лежащих в их основе причинно-
следственных связей14. Поскольку все соответствующие факты не
могут быть определены, позвольте Включая только эти модели,
12
См. Никола Дженнаиоли и Андрей Шлейфер, Эволюция общего права, 115 J. POLI. ECON. 43, 43–47 (2007)
(с различными научными взглядами на эволюционные преимущества общего права); ФРИДРИХ ХАЙК,
КОНСТИТУЦИЯ СВОБОДЫ, 167–73 (1960); ФРИДРИХ ХАЙК, Изменяющаяся концепция права, in Law,
Legislation, and Liberty 72, 85–88 (1973) (утверждая, что общее право служило для юристов способом
раскрыть основные каноны справедливости). См. В целом РИЧАРД А. ПОЗНЕР, ЭКОНОМИЧЕСКИЙ АНАЛИЗ
ПРАВА (1973) (где утверждается, что общее право - это механизм для открытия экономически эффективных
правовых норм).
13
Майкл Розенфельд, Верховенство закона и легитимность конституционной демократии, 74 S. CAL. L. REV.
1307, 1350 (2001).
14
В этой статье мы используем термин «корреляция» в широком смысле для обозначения любой
статистической меры или метода, который может идентифицировать, на языке OED, «взаимосвязь двух или
более вещей». Это широкое значение включает не только линейную корреляцию, но и такие меры, как
взаимная информация.
модели, используемые для интерпретации больших данных, по
своей природе неизвестны и произвольны. В свою очередь, эти
модели влияют на выводы, сделанные на основе, казалось бы,
объективных данных. Такое принятие решений приведет к
недооценке традиционных возложений ответственности, вреда или
риска15 и создаст недопустимый риск полагаться на
неконституционные предрассудки. Защищенные иллюзией
объективности и «научно обоснованной» науки, подходы,
основанные на больших данных, могут заменить роль судей или
выборных должностных лиц и оказать чрезмерное, но плохо
понятное влияние на правовую систему.
Таким образом, большие данные могут стать «вирусными»,
поскольку входные и выходные данные алгоритмов рекурсивно
влияют друг на друга. Право будет развиваться круговыми и
произвольными путями, все более не зависящими как от постоянно
меняющейся общественной жизни, так и от основных ценностей и
целей правовой системы. Подобно стадному поведению на
финансовых рынках, системы больших данных будут все больше
полагаться на самоусиливающиеся информационные каскады, а не
на существенную правовую эволюцию16. Отсутствие механизма для
всестороннего обновления своей структуры в соответствии с
меняющимися условиями, большие данные могут не только
подорвать демократическую подотчетность. и верховенство закона,
но также препятствуют разумным правовым изменениям.
15
Обсуждение роли причинно-следственных норм в законе см. Энтони Оноре, Причинность в законе, в
СТЭНФОРДСКОЙ ЭНЦИКЛОПЕДИИ ФИЛОСОФИИ (Эдвард Н. Залта, изд., 2010), https://plato.stanford.edu /
записи / причинно-следственная связь /.
16
См. Ian Ayres & Joshua Mitts, Anti-Herding Regulation, 5 HARV. BUS. L. REV. 1, 18–20 (2015) (обсуждение
проблемы информационных каскадов).
Алгоритмическое распространение юридических
«аргументов» с использованием больших данных является
катастрофическим, поскольку закон отклоняется от человеческих
значений и действий в реальном мире. Конечно, большие данные
можно использовать как инструмент для обоснования суждений.
Но большие данные не могут решать вопросы смысла, равенства и
справедливости, хотя и рискуют делать это под видом
объективности, доказательств и науки. Таким образом, мы
стремимся переосмыслить более ограниченный вклад больших
данных и поставить под сомнение широко распространенный
оптимизм по поводу их потенциального использования в правовой
системе.
В целом, большие данные, вероятно, окажут
непреднамеренное негативное влияние на юридическое
толкование, эволюцию общего права и распределение
полномочий.17 В Части I мы прогнозируем, что большие данные
будут генерировать «персонализированный» или индивидуальный
закон. В частях II и III мы предостерегаем от излишне
оптимистичных предположений относительно предполагаемой
объективности и предсказательной силы больших данных.
Наконец, в Части IV мы утверждаем, что эти ограничения больших
данных, если их не воспринимать всерьез, могут вызвать пагубную
рефлексивность закона, подорвав эволюционные возможности
17
Таким образом, наш подход отличается от подхода многих других ученых, которые критически
исследовали большие данные в правовом контексте, сосредоточив внимание на последствиях сбора
данных для конфиденциальности. См., Например, Omer Tene & Jules Polonetsky, Privacy in the Age of Big Data:
A Time for Big Decisions, 64 STAN. L. REV. ОНЛАЙН 63 (2012 г.); Кейт Кроуфорд и Джейсон Шульц, «Большие
данные и надлежащая правовая процедура: на пути к системе компенсации ущерба, причиняемого
прогнозируемой конфиденциальности», 55 г. до н. Э. L. REV. 93 (2014); Ира С. Рубинштейн, Большие данные:
конец конфиденциальности или новое начало ?, 3 INT’L DATA PRIVACY L. 74 (2013).
правовой системы и демократическую подотчетность. Пытаясь
спасти закон, большие данные могут его разрушить.
19
См., Например, On Amir & Orly Lobel, Stumble, Predict, Nudge: How Behavioral Economics Informs Law and
Policy, 108 COLUM. L. REV. 2098, 2100–01 (2008); Кристин Джоллс и др., Поведенческий подход к праву и
экономике, 50 STAN. L. REV. 1471, 1473–76 (1998); Рассел Б. Коробкин и Томас С. Улен, Право и
поведенческая наука: устранение допущения о рациональности из права и экономики, 88 CALIF. L. REV.
1051, 1059 (2000); Ричард Х. Талер и Касс Р. Санштейн, Либертарианский патернализм, 93 AM. ECON. REV.
175, 175 (2003). Но см. Грегори Митчелл, Почему нельзя торговать идеальной рациональностью права и
экономики на равную некомпетентность права и экономики, 91 GEO. Л.Дж. 67, 77 (2002).
них актуальны или полезны в данном контексте. Таким образом,
процесс интерпретации данных по своей сути требует теории.
А. Парадигма «больших данных»
По мере того, как наше общество становится все более
сложным, взаимосвязанным и технологически продвинутым,
генерируются данные, которые отражают эти социальные
изменения и потенциально позволяют нам лучше понять эту
сложность.20 С помощью технологий движения, решения и покупки
каждого человека - каждая записываемая деталь его жизни -
запечатлено и увековечено в электронной сфере. Из-за
экспоненциально растущей эффективности хранения данные
собираются на централизованных серверах, хранятся и
анализируются способами, которые раньше были невозможны.
Сила больших данных заключается в том, что они собирают
огромные резервы данных, которые случайно (а также
целенаправленно) генерируются посредством все более
подробной электронной документации нашей повседневной
жизни.21 Для анализа этих больших и нетрадиционных потоков
данных используются алгоритмы, чтобы найти когда-либо более
тонкие корреляции между точками данных. Корреляции,
полученные с помощью интеллектуального анализа данных,
20
«Цифровая революция во многом определяет рост сложности и темпов жизни, которые мы сейчас
наблюдаем, но эта технология также открывает возможности. «Джеффри Уэст,« Большие данные
»нуждаются в большой теории, SCI. AM., 1 мая 2013 г., https://www.scientificamerican.com/ article / big-data-
needs-big-theory /.
21
Хотя «[t] здесь нет строгого определения больших данных», одна из концепций состоит в том, что
«большие данные относятся к тому, что можно делать в большом масштабе, но нельзя делать в меньшем».
ВИКТОР М. ШОНБЕРГЕР и КЕННЕТ КУКИЕР, «БОЛЬШИЕ ДАННЫЕ: РЕВОЛЮЦИЯ, КОТОРАЯ ИЗМЕНЯЕТ, КАК МЫ
ЖИВЕМ, РАБОТАЕМ И ДУМАЕМ 7» (Переиздание, 2013). Исторически большие данные относились к
наборам данных очень большого размера, но их значение стало более сложным и всеобъемлющим,
поскольку способы их использования со временем изменились. См. Gil Press, 12 Big Data Definitions: What’s
Yours?, FORBES MAGAZINE, 3 сентября 2014 г.
используются для построения прогностических моделей для
оценки вероятности конкретного результата на основе заданных
условий22. Анализ данных в таком большом масштабе якобы
полностью избавляет от необходимости в теории: решения могут
приниматься исключительно на основе корреляций, и значение
причинности уменьшается23.
Ученые используют эти данные для создания, среди прочего,
прогнозных аналитических моделей с использованием таких
технологий, как генетические алгоритмы, машинное обучение и
агентное моделирование. Они используют прикладную статистику
для определения закономерностей и прогнозирования будущих
событий, включая риски и возможности, стремясь к приемлемому
уровню надежности24.
Основная цель прогнозной аналитики - оптимизация или
выбор «наилучшего» результата из набора доступных
альтернатив.25 Продвинутые аналитические методы, такие как
генетические алгоритмы, считаются «интеллектуальными» в том
смысле, что они могут «Изучать» решения на основе данных.26
22
См. SCHONBERGER & CUKIER, примечание 21 выше, п. 12 (отмечая, что большие данные «не о попытках«
научить »компьютер« думать », как люди», а вместо этого «применять [] математику к огромным объемам
данных в или приказ вывести вероятности »).
23
См. Ид. на 7 («Самое поразительное, что обществу нужно будет избавиться от своей навязчивой идеи
причинности в обмен на простые корреляции: не зная, почему, а только что»); см. также Саймона ДеДео,
«Обратная сторона следов: большие данные и защищенные категории 2» (рабочий документ № 1412.4643)
(отмечая, что наши «самые успешные алгоритмы ... не предоставляют причинно-следственных связей»).
24
Общее описание анализа и методов больших данных см. В SCHONBERGER & CUKIER, примечание 21 выше,
стр. 2–12.
25
См. Мэтью А. Уоллер и Стэнли Э. Фосетт, Наука о данных, прогнозная аналитика и большие данные:
революция, которая изменит структуру цепочки поставок и управление ею, 34 J. BUS. ЛОГИСТИКА 78 (2013 г.)
(поясняет, что «наука о данных - это применение количественных и качественных методов для решения
соответствующих проблем и прогнозирования результатов»); см. также Casey & Niblett, примечание 2 выше,
на стр. 10–11 (объясняет, как можно использовать прогнозную аналитику для создания «микродирективов»,
оптимизирующих правила для отдельных лиц).
26
«Обилие новых данных, в свою очередь, ускоряет прогресс в области вычислений - благотворного круга
больших данных. Например, алгоритмы машинного обучения учатся на данных, и чем больше данных, тем
Например, алгоритмы, выполняемые на современных
компьютерах, позволяют моделировать взаимодействие агентов в
сложных системах.27 Точно так же машинное обучение
используется для генерации решений, которые работают лучше,
чем те, которые написаны вручную программистами. Машинное
обучение наиболее эффективно в ситуациях, когда отсутствуют
точные модели и трудно найти оптимальные решения28.
Утверждается даже, что мощная комбинация компьютеров,
алгоритмов и больших данных может дать более полезные
результаты, чем специалисты, полагающиеся на гипотезы, модели
и теории.29 В мире больших данных таким компаниям, как Google,
не нужно « соглашайтесь »на модели, теории или механистические
объяснения любого рода. Вместо этого ученые «могут перебросить
числа в самые большие вычислительные кластеры, которые когда-
либо видел мир, и позволить статистическим алгоритмам находить
закономерности там, где наука не может»30. Прикладная
математика и массивы данных заменяют все теории человеческого
поведения, и причинно-следственные связи не должны иметь
значения, потому что «Корреляции достаточно»31.
Б. Оптимизация поведения и «персонализированный закон»
больше обучаются машины ». Стив Лор, Эпоха больших данных, NY TIMES, 11 февраля 2012 г.,
http://www.nytimes.com/2012/02/12/sunday-review/big-datas-impact-in-the-world. html? mcubz = 1.
27
См. Zia et al., Примечание 9 выше.
28
См. Торбьёрн С. Даль и др., Метод машинного обучения для улучшения распределения задач в
распределенной транспортировке с участием нескольких роботов, в «СЛОЖНЫЕ ИНЖЕНЕРНЫЕ СИСТЕМЫ:
НАУКА ВСТРЕЧАЕТСЯ ТЕХНОЛОГИЕЙ 2» (Braha et al. Eds. 2006).
29
См. Марк Грэм, «Большие данные и конец теории?», THE GUARDIAN (9 марта 2012 г.),
https://www.theguardian.com/news/datablog/2012/mar/09/big-data-theory.
30
Id.
31
См. Anderson, примечание 5 выше, at 1.
Большие данные стремятся к объективности. Не случайно
популярность больших данных связана с движением в сторону
эмпиризма в законе, например, поведенческого права и экономики
и «закон, основанный на доказательствах»32. Например,
поведенческое право и экономика фокусируются на предвзятости и
ошибках юридических субъектов и агентов. Он направлен на то,
чтобы подтолкнуть и дать средства правовой защиты для
обеспечения оптимального поведения33. Движение к тому, чтобы
сделать юридические аргументы и принятие решений более
научными, объективными и основанными на доказательствах,
конечно же, следует приветствовать. Но когда это приводит к типам
патернализма, который удаляет значимый выбор из системы, это
может иметь пагубные последствия34. Короче говоря,
предположение об универсальности или общности, лежащее в
основе моделей, которые пытаются спроектировать ошибки из
систем, является подозрительным и весьма проблематичным.
Эти шаги в сторону оптимизации поведения в сочетании с
большими данными, несомненно, ускоряют тенденции
автоматизации и дезинтермедиации в юридической профессии.
32
«Практику, основанную на фактах» можно охарактеризовать как «профессиональную практику,
подкрепленную« наилучшими научными данными », состоящими из научных результатов, относящихся к
стратегиям вмешательства. . . получено из клинически значимых исследований. . . на основе
систематических обзоров, разумных размеров эффекта, статистической и клинической значимости и
совокупности подтверждающих данных ». Роджер Уоррен, Доказательная практика снижения рецидивизма:
последствия для судебных органов штатов, 20 CRIME & JUSTICE INST., 18–19 (2007). В области права
пропаганду эмпиризма можно проследить до призывов Феликса Коэна к «функциональному подходу» к
принятию судебных решений и использования Луи Брандейса исследований в области социальных наук для
подкрепления своих аргументов в пользу признания законодательства о социальном обеспечении
конституционным. См. Феликс Коэн, Трансцендентальная бессмыслица и функциональный подход, 35
COLUM. L. REV. 809, 830–32 (1935).
33
См. Джошуа Д. Райт и Дуглас Х. Гинзбург. Поведенческое право и экономика: его происхождение,
фатальные недостатки и последствия для свободы. 106 NW. U. L. REV. 1033, 1050–51 (2012).
34
См. Том Гинзбург и др. Либертарианский патернализм, зависимость от пути и временный закон, 81 U. CHI.
L. REV. 291, 341 (2014).
Например, тенденция к «персонализированному праву»
формируется путем предоставления физическим лицам
альтернативы привлечению профессионалов для удовлетворения
своих юридических потребностей.35 Действительно, большие
данные уже начали преобразовывать практику юридических фирм,
предоставляя инструменты, среди прочего, для прогнозирования
судебные издержки и результаты судебных дел, управление
данными на предмет соответствия нормативным требованиям и
сокращение затрат на проверку документов.36 Более того, эти
тенденции привели к найму первого юриста в области
искусственного интеллекта, «РОСС».37 В качестве программного
обеспечения для искусственного интеллекта предлагает РОСС
мнения, основанные на анализе огромных массивов данных, таких
как судебные дела38. Большие данные также распространяются за
пределы юридических фирм. Прогнозное моделирование
изменило различные области права, от финансового
регулирования до предварительного заключения и вынесения
35
Хотя мы используем термин «персонализированный закон» для обозначения использования данных для
настройки юридических правил и положений по аналогии с персонализированной медициной, другие
использовали термины «микродирективы» или «персонализированные правила по умолчанию». См. Ariel
Porat & Lior Strahilevitz, Personalizing Default Rules and Disclosure with Big Data, 112 MICH. L. REV. 1417, 1448
(2014); см. также Касс Р. Санстейн, Безличные правила по умолчанию против активного выбора против
персонализированных правил по умолчанию: Триптих (5 ноября 2012 г.) (неопубликованная рукопись,
находится в архиве у автора).
36
См., Например, McGinnis & Pearce, сноска 4 выше, at 3041; См. Также Дэниел М. Кац, Количественное
правовое прогнозирование - или - Как я научился перестать беспокоиться и начать готовиться к
основанному на данных будущем индустрии юридических услуг, 62 EMORY LJ 909, 914–15 (2013) (обсуждает,
как закон Мура влияет на юридическую отрасль); Майкл Дж. Беннет, «Критическое восприятие цифрового
юриста», в «ОБУЧЕНИЕ ДЛЯ ЦИФРОВОГО АДВОКАТА», § 12–01 (Оливер Гуденаф и Марк Лауритсен, ред.,
2012 г.) https://repository.library.northeastern.edu/files/neu : 332782 / fulltext.pdf. (отмечая, что «экономия
затрат только за счет безупречной практики практически гарантирует» принятие цифровых юристов и
юридической практики, основанной на данных).
37
См. Карен Тернер, Знакомьтесь, Росс, новый юридический робот, WASH. POST (16 мая 2016 г.),
http://wapo.st/27kXLKj?tid=ss_mail&utm_term=.fa4b0615b5ca.
38
См. Ид.
приговоров по уголовным делам39. Большие данные также
оказались популярными в местном управлении, от
предупреждения преступности до инициатив в области
здравоохранения.40 А большие данные обычно связаны с
волнением. о «законах, основанных на доказательствах»41 и, как
обсуждалось выше, о поведенческом праве и экономике 42.
Чтобы проиллюстрировать потенциально повсеместное
влияние больших данных, можно привести примеры из многих
юридических точек зрения, включая гражданские тяжбы и
банковские регуляторы. Например, есть несколько способов
«персонализации» закона с помощью больших данных. Бизнес-
модель персонализированного права будет включать синтез
больших объемов данных о ходе и разрешении всевозможных
юридических вопросов. Сложное программное обеспечение для
прогнозной аналитики будет использоваться для анализа данных и
сравнения их с фактами из дела клиента. Результаты будут
использоваться для предоставления множества вариантов,
которые другие использовали в аналогичных ситуациях, и для
прогнозирования вероятности того, что конкретный образ действий
39
См. SCHONBERGER & CUKIER, примечание 21 выше, стр. 2–12 (описание различных приложений больших
данных, в том числе в финансовом регулировании); См. Также Соня Б. Старр, Приговоры на основе
доказательств и научная рационализация дискриминации, 66 STAN. L. REV. 803, 842–46 (2014) (критикуя
эффективность использования аналитики больших данных для прогнозирования уровней рецидивов для
целей вынесения приговоров); См. Также Эндрю Г. Фергюсон, Большие данные и прогнозируемые
обоснованные подозрения, 163 U. PA. L. REV. 327, 353–60 (2014) (обсуждает значение больших данных в
отношении стандарта «разумного подозрения»).
40
См. Моника Дэйви, «Полиция Чикаго пытается предсказать, кто может стрелять или быть застреленным»,
Нью-Йорк Таймс (23 мая 2016 г.), https://nyti.ms/2lmUbiV; См. Также BOLLIER & FIRESTONE, примечание 5
выше, на 20–33 (описание приложений больших данных).
41
См. В целом Джеффри Дж. Рахлински, Закон, основанный на доказательствах, 96 CORNELL L. REV. 901
(2010).
42
См. Касс Санштейн, «Выбор не выбирать», 64 DUKE L.J. 1, 4–5 (2014).
будет благоприятен для клиента.43 Частные технологии, такие как
программные приложения, также могут предоставить простые
директивы для законных потребителей. соблюдать закон без
необходимости взвешивать разумность своих действий или искать
содержание конкретных законов.44 Более того,
«персонализированный закон» может выходить за рамки правовой
системы и в более широком смысле персонализированного
разрешения споров. На основе данных отдельные лица могут
рассмотреть эффективность вариантов, выходящих за рамки
традиционной правовой системы, например альтернативного
разрешения споров.
Кроме того, модель персонализированного права может
использоваться для автоматизации применения общих правовых
норм с гораздо большим количеством настроек и нюансов, чем
сегодня можно найти в автоматизированных сервисах
юридической документации. Например, персонализированный
закон может устанавливать условия по умолчанию в контрактах,
завещаниях, имущественных актах и других ситуациях, вместо того,
чтобы придерживаться единого для всех законодательных
мандатов.45 При таком персонализированном подходе отдельным
лицам будут назначаться условия по умолчанию « адаптированы к
их личным особенностям, характеристикам и прошлому
43
Юридические фирмы уже использовали прогностическое программное обеспечение в переговорах по
урегулированию споров и электронных открытиях. См., Например, Дон Филбин, «Улучшение результатов
переговоров с помощью Analytics», AMERICAN BAR ASSOC., 30 июля 2015 г .; См. Также McGinnis & Pearce,
примечание 4 выше, на 3041 (прогноз, что «вычислительные услуги находятся на пороге подмены других
юридических задач - от создания юридических документов до прогнозирования результатов судебных
разбирательств»).
44
См. Casey & Niblett, примечание 2 выше, at 1.
45
См. В целом Porat & Strahilevitz, примечание 35 выше.
поведению»46. Вместо того, чтобы придерживаться стандартной
иерархии распределения собственности от имущества человека,
который умирает без завещания - супругу, родителям, другим
родственникам или государству, - эти презумпции по умолчанию
могут быть персонализированы для каждого человека, чтобы
учесть его ценные личные отношения, историю и характеристики 47.
Персонализация закона будет только усиливаться по мере
поступления большего количества данных о предпочтениях
отдельных лиц. Благодаря постоянно растущей доступности данных
«архитекторы по выбору или специалисты по социальному
планированию могут это сделать. . . установить точные правила по
умолчанию - в крайних случаях, правила по умолчанию,
специально разработанные для каждого члена соответствующей
совокупности»48.
Согласно модели персонализированного права, клиент платит
не столько за судебное решение опытного адвоката, сколько за
доступ к коллективному опыту тысяч, если не миллионов, других
людей. Таким образом, большие данные могут создать процесс
дезинтермедиации49, в котором вместо того, чтобы полагаться на
суждение и опыт профессионала, отдельные лица и фирмы будут
использовать статистику для оценки вероятности того, что
конкретный образ действий будет оптимальным в уникальном
46
Id. в 1417 г.
47
Id.
48
КАСС САНСТЕЙН, ВЫБИРАЯ НЕ ВЫБРАТЬ: ПОНИМАНИЕ ЦЕННОСТИ ВЫБОРА 205 (2015).
49
См. Koppl et al., Сноска 18 выше, at 14 (посредники описываются как лица, обладающие «специальными
знаниями», которые передают такие знания клиентам или иным образом помогают им справляться с
новинками в этой области специализации); См. Также Джереми Хауэллс, Посредничество и роль
посредников в инновациях, 35 RESEARCH POL’Y. 715, 715–17 (2006) (обсуждается роль посредников в
облегчении передачи информации в инновационном процессе).
стечении обстоятельств50. Согласно условиям, большие данные
могут снизить транзакционные издержки, сделав информацию
более дешевой для лиц, не обладающих знаниями в юридических
специальностях, что позволит более эффективно разрешать споры.
Этот процесс уже начался с поставщиками юридических услуг в
Интернете, такими как Legal Zoom, но большие данные позволят
адаптировать разрешение споров к индивидууму с помощью
сложных методов прогнозного анализа.
Процесс отказа от посредников также изменит закон с точки
зрения политиков. Законодатели смогут создавать
«микродирективы» или «каталог точно адаптированных законов,
определяющих точное поведение, которое разрешено в каждой
ситуации»51. Эти микродирективы будут предвидеть
непредвиденные обстоятельства с использованием данных, чтобы
оставаться откалиброванными для своей цели, не превышая - или
недостаточно инклюзивный52. Кроме того, эти микродирективы -
если они представлены как научные доказательства - могут даже
сместить лиц, принимающих юридические решения.
Законодателям больше не нужно будет создавать законы, а судьям
больше не придется решать дела53.
Персонализированный закон уже имеет прецедент в развитии
персонализированной и так называемой «доказательной»
50
См. В целом Bennett B. Borden & Jason R. Baron, Finding the Signal in the Noise: Information Governance,
Analytics, and the Future of Legal Practice, 20 RICH. J.L. & TECH. 7 (2014 г.) (обсуждение применения больших
данных в электронных открытиях и других юридических контекстах); см. также Bennett, примечание 36
выше (с описанием мира «цифровых юристов»).
51
Niblett & Casey, примечание 2 выше, стр. 10.
52
Id. в 1; см. также Baxter, примечание 3 выше, на 597–98 (описывающее необходимость регулирования на
основе данных, чтобы идти в ногу с все более автоматизированным финансированием).
53
Niblett & Casey, примечание 2 выше, стр. 10–11.
медицины, в которой большие данные используются для
индивидуализации лечения индивидуума54. Такая адаптация
медицины кардинально отличается от прежних протоколов,
которые основаны на рецепты лекарств по иерархии протоколов,
установленных для определенных состояний, связанных с
апокрифическим «средним пациентом».
Золотым стандартом доказательной медицины уже давно
являются рандомизированные контролируемое/клинические
испытания (РКИ). В РКИ методы лечения тестируются с помощью
рандомизированных двойных слепых исследований, в которых
пациенты делятся на группы лечения и контрольные группы.
Однако достоверность РКИ все чаще ставится под сомнение
строгим статистическим анализом, который продемонстрировал их
эмпирические недостатки.55 Рандомизированные исследования
пытаются изолировать причинный эффект изучаемого лечения
путем исключения мешающих факторов, но «такая контролируемая
стратификация не может применяться. к тысячам возможных
факторов, которые влияют на результат, когда мы не знаем, что это
за факторы »56. Более того, рандомизированные клинические
испытания создают протоколы для идеализированного« среднего
»человека и не принимают во внимание уникальные
характеристики людей, которые могут быть выбросами от модели.
Наконец, нормативный справочник «передовой практики»
больниц, наряду с сопоставимыми стандартами медицинской
помощи в деликтном праве, способствует единообразию лечения
и, как следствие, препятствует экспериментам и инновациям в
медицине57.
Персонализированная медицина переворачивает парадигму
диагностики, основанную на «среднем человеке» с ног на голову,
помещая конкретное состояние и потребности пациента в центр
протокола лечения и сравнивая этого пациента с другими
пациентами по множеству матриц здоровья.58 Применение
анализа вероятностей Применение этих методов к обширным
пулам данных о пациентах позволяет сделать выводы о
вероятности того, что конкретное лечение будет эффективным для
конкретного человека с учетом его или ее уникальных
обстоятельств, и рисков, которые может представлять лечение.
Основываясь на этих данных, врач и пациент могут затем оценить,
какое лечение будет подходящим, исходя из его относительной
пользы и рисков. Подобно персонализированной медицине,
большие данные призваны заменить традиционные юридические
услуги индивидуализированными юридическими решениями,
основанными на данных59.
В правовой системе, основанной на данных, эмпирический
анализ превзойдет мнение экспертов. Например, в контексте
вынесения приговора к уголовной ответственности утверждалось,
что «полагаться на интуицию и опыт уже недостаточно. Это может
быть даже неэтично - своего рода злоупотребление служебным
положением при вынесении приговора »60. Во многих ситуациях
не только больше не требуется вынесения приговора, но и
считается плохой юридической практикой.
Как и все эксперты, судьи и законодатели могут давать
неверные заключения. Этот риск возрастает, когда эксперты
обладают монополией в своей области знаний и могут выбирать
других вместо того, чтобы просто давать им советы.61
Поведенческие исследования показывают, что у экспертов есть
разные мотивы помимо поиска истины, и их мнения могут быть
искажены личными интересами. институциональные стимулы или
эффекты наблюдателя, такие как предвзятость репрезентативности,
предвзятость доступности и предвзятость корректировки и
привязки.62 Более того, познание экспертов ограничено и
ошибочно. Реалистическая юридическая наука выявила
внелегальные факторы, такие как личные политические
предубеждения судьи, которые могут повлиять на принятие
юридических решений63.
Подобно тому, как персонализированная медицина
дискредитировала все РКИ по принципу «один размер для всех»,
персонализированный закон может подорвать многие «золотые
стандарты» права, которые не имеют тщательно изученной
эмпирической основы.64 Например, гарантировано использование
присяжных для определения вины в уголовном процессе. Шестой
поправкой было обнаружено, что в тех случаях, когда
доказательства ДНК доказывали, что были осуждены невинные
люди, были обнаружены трагические недостатки.65 Отчасти
причина непредсказуемости, даже кажущейся произвольности
судов присяжных состоит в том, что руководящие правила
основаны на сомнительных эмпирических предположения. В
контексте Правил доказывания судья Познер широко критиковал
сложную сеть исключений, основанных на слухах, за то, что они не
основаны на каких-либо эмпирических доказательствах, и за то, что
они в достаточной мере не позволяют здравому смыслу судьи
рассматривать надежность показаний с чужих слов в
обстоятельства дела66.
Кроме того, эти неправомерные приговоры частично
основывались на «золотых стандартах» судебной медицины,
которые, как выяснилось, также основывались на сомнительных
предположениях. Исследования ставят под сомнение надежность
основных методов судебной экспертизы, включая все, от анализа
укусов до снятия отпечатков пальцев.67 Действительно, недавний
отчет показал, что аналитики ФБР ложно свидетельствовали о
точности методов анализа волос на протяжении десятилетий68.
Есть надежда, что анализ данных откроет передовые методы
поиска истины, особенно когда ставки так высоки. Однако мы
предостерегаем от предположения, что большие данные способны
преодолеть эти недостатки. Как мы увидим, для больших данных
требуется, чтобы данные собирались на центральном сервере, где
они анализировались алгоритмами, разработанными в основном
анонимными экспертами с неограниченной мощностью. Таким
образом, он может быть более подвержен «неудачам экспертов»,
чем юридические процессы, которые его подменяют энтузиасты.69