ВВЕДЕНИЕ

Большие данные считаются величайшей инновацией или

величайшей опасностью нашего времени, в зависимости от того,
кого вы спросите. Правовая система, конечно, не застрахована от
его последствий. Правовая традиция ценит последовательность,
стабильность и единообразие правовых норм. Большие данные
обещают обеспечить научный и основанный на фактах подход к
праву1. Одновременно большие данные сигнализируют о росте
поведенческой оптимизации и «персонализированного закона»,
поскольку крупномасштабный анализ данных и технологии
прогнозирования используются для определения поведения и
выработки юридических директив. и рекомендации, точно
адаптированные для клиента или регулируемого лица. В мире
больших данных законы якобы откалиброваны с учетом
политических целей и оптимального поведения человека на основе
машинного анализа огромных объемов данных, что исключает
человеческую предвзятость, некомпетентность и ошибки2.
Например, разработчики политики могут все больше полагаться на
данные. подкрепленные подходами и индивидуализированные
микродирективы или автоматизированные правила, основанные

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.

I. БОЛЬШИЕ ДАННЫЕ, МАЛЕНЬКИЕ ЛИЦА: РАСШИРЕНИЕ

ПОВЕДЕНЧЕСКОЙ ОПТИМИЗАЦИИ И «ПЕРСОНАЛИЗИРОВАННОГО»
ЗАКОНА

Появление больших данных породило «парадигму больших

данных». Эта парадигма основана на убеждении, что теория
больше не нужна, потому что прикладные математические и
статистические методы, основанные на алгоритмах, могут
«анализировать» данные и находить оптимальные решения лучше,
чем люди-программисты. Большие данные пробуждают
мифического всеведущего актора из теории рационального
выбора, учитывающего всю доступную информацию, вероятности
событий, а также потенциальные затраты и выгоды при
определении курса действий.18 Хотя модели больших данных не
обязательно предполагают неоклассическое всезнание со стороны
акторов. , тем не менее, они предполагают, что анализ данных и
алгоритмы обеспечат основу для определения оптимального
поведения. Эти подходы предполагают, что мы можем
18
См. Roger Koppl et al., Economics for a Creative World, 11 J. INSTITUTIONAL. ECON. 1, 4 (2013 г.) (описывается
господствующее экономическое мышление как трактовка системы как «регулируемой законом» в том
смысле, что система может быть описана с помощью основного набора уравнений). Согласно этой
концепции, экономическую теорию «можно в общих чертах сравнить с компьютером, который был
запрограммирован для выполнения этой основной системы уравнений». Мне бы. См. Также Вольфганг
Питч, Аспекты нагруженности теорией в науке с большим объемом данных, 82 PHILOSOPHY OF SCIENCE 905,
911 n. 5 (2015).
конструировать ошибки и ошибки в процессе принятия решений, и
вводить форму всеведения и рациональности в принятии
юридических решений. Таким образом, парадигма больших
данных, как мы обсудим, имеет общие связи с общими целями
поведенческого закона и экономики, которые стремятся
обеспечить оптимальность.19 Хотя эти основанные на фактах,
ориентированные на подталкивание и объективные подходы,
конечно, имеют хорошие намерения в отношении часть их
сторонников - и стремятся улучшить благосостояние людей и
оптимизировать процесс принятия решений - мы утверждаем, что
они имеют непредвиденные последствия и пагубные петли
обратной связи с опасными последствиями для закона.
Парадигма больших данных фатально ошибочна по той же
причине, что и попытки «спроектировать» институты для
достижения заранее определенных целей. Социальные системы по
своей сути творческие и эволюционные и поэтому неизбежно будут
развиваться непредсказуемым образом, выходя за рамки своих
основных целей. Подобно метафорам, закон и данные имеют
неопределенное значение, которое адаптивные агенты
интерпретируют и используют по-новому для достижения своих
целей. Необходимо иметь «рамку» или парадигму для
интерпретации этих возможностей и определения того, какие из

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

II. ОТСУТСТВИЕ ОБЪЕКТИВНОСТИ БОЛЬШИХ ДАННЫХ И

НЕОБХОДИМОСТЬ ТЕОРИИ
 Предполагаемая объективность и предсказательная сила
больших данных преувеличены, по крайней мере, применительно
к очень сложным эволюционным системам, таким как правовая
система. Данные всегда требуют интерпретации, что требует
теории и, соответственно, оценочного суждения со стороны людей.
Кроме того, большие данные не могут предвидеть фундаментально
творческую, неалгоритмическую эволюцию правовой системы, и их
предсказательная сила ограничена.
Данные по своей сути являются как субъективными, так и
неполными, а не объективными и определяющими70. Без
фильтрации и теоретического обоснования простые данные
создают только бессмысленное море корреляций и должны быть
упрощены, чтобы их можно было понять. Этот акт упрощения (и
агрегирования), как и юридическая интерпретация, требует теории.
Даже сам процесс принятия решения, какие данные собирать в
первую очередь - что измерять и наблюдать, когда и как - требует
теории.
Более того, частично определенные, частично предсказуемые
интерпретации закона и данных функционируют как аффордансы,
которые адаптивные агенты интерпретируют и используют новыми
и непредсказуемыми способами для достижения своих
собственных целей. Этот творческий эволюционный процесс
приводит к тому, что система постоянно обновляет свое
«представление» о юридических проблемах неалгоритмическими
способами, которые не могут быть предсказаны с помощью
больших данных. Другими словами, любое изменение в
законодательстве или юридической практике, вызванное
большими данными, станет для неизвестных лиц инструментом
для использования неизвестными, непознаваемыми и
непредсказуемыми способами для неизвестных, непознаваемых и
в настоящее время невообразимых целей. Непознаваемость
будущих целей и возможностей - это неистребимый предел
предсказательной силы больших данных.
С точки зрения законного потребителя недостатки больших
данных могут не иметь значения, если результаты полезны. Но с
точки зрения правовой системы широкое использование больших
данных в долгосрочной перспективе угрожает подорвать
целостность и эффективность закона.

A. Зачем нужна теория данных, наблюдений и измерений

Связь между данными и теорией требует более пристального

внимания. Один из центральных мифов, связанных с данными,
заключается в том, что они в какой-то степени беспристрастны и
чисты, а эта теория только сбивает с толку. Утверждается, что
вопросы истины и реальности должны решаться эмпирически и на
основе наблюдений, а не прибегать к теории. Но понятие чистых
данных, измерения или объективного наблюдения - это миф.
Большие данные не только не отменяют необходимости в теории,
но и делают ее роль еще более важной. Как мы обсудим позже,
закон сам по себе также теоретически нагружен, или, как
выразился Дворкин, юридическое обоснование по своей сути
«заложено в теории» 71.

1. Данные и наблюдения основаны на теории

Проблема с приоритетом данных над теорией заключается в

том, что любое наблюдение и измерение по своей сути
"теоретически нагружено". Само понятие данных - или
единственное «данное» (этимологически: данная вещь или факт) -
оспариваемый термин72. Как заметил философ Карл Поппер,
«любое наблюдение [или данные, которые мы могли бы вставить]
включает интерпретацию в свет теорий »73. Таким образом, у нас
нет какой-либо формы« прямого доступа »к данным, фактам или
реальности через наблюдение или восприятие.74 Ни человеческий
аппарат восприятия (зрение), ни какие-либо технологии, которые
мы могли бы использовать для наблюдения или измерения мир -
предоставьте нам прямой доступ к реальности. Теория нужна
всегда.
Важность теории по отношению к данным и наблюдениям
легко иллюстрируется контекстами, в которых доступно (или даже
необходимо) очень мало данных, но, тем не менее, появляются
идеи. Таким образом, не количество данных, подразумеваемое
«большими» данными, каким-то образом дает нам окончательное
понимание мира или природы реальности. Скорее теории
направляют нас к определенным данным и наблюдениям и
предлагают интерпретации, которые помогают нам понять мир.
Некоторые из наиболее фундаментальных научных открытий не
были получены с помощью большого набора данных или
подавляющего числа наблюдений. Наоборот. Например,
единственная точка данных или наблюдение - так называемый
экспериментальный крест - основа для подтверждения теории
Ньютона о природе света. Точно так же общая теория
относительности Эйнштейна была подтверждена одним
наблюдением, как это было определено, основано и предсказано
данными. Основные идеи пришли из теории, а не из данных. Для
проверки теории Эйнштейна потребовались лишь минимальные
данные (по сути, одно наблюдение: «маленькие» данные), когда в
1919 году астроном и физик Артур Эддингтон наблюдал солнечное
затмение на острове Принсипи у побережья Африки. Теория
предоставила руководство относительно того, какие данные искать
и ожидать, а также как интерпретировать открытие75. Только с
руководством этой теории данные и наблюдения имеют смысл.
Хотя данные не могут окончательно «подтвердить» теорию в
каком-то сильном смысле, например, логического эмпиризма 20-го
века, важное наблюдение вполне может заставить ученых принять
теорию в совокупность результатов, которые считаются как бы
«установленными до дальнейшего уведомление. " Но основную
интеллектуальную работу выполняет теория. Теперь, естественно,
было много повторений этих результатов (которые первоначально
могли использовать небольшие выборки) и много дополнительных
теоретических и эмпирических разработок. И теории, конечно,
неубедительны. И некоторые теории требуют больших объемов
данных, а в других случаях эмпирические аномалии приводят к
дальнейшему пониманию. Но теория всегда играет центральную
роль, поскольку наблюдения и сами данные теоретически
нагружены. Таким образом, наиболее значительный прогресс в
науке и понимании произошел благодаря теории, а не данным.
Теории нужны не только для интерпретации, но и для
генерации гипотез, предположений и идей о том, что в первую
очередь следует наблюдать и измерять. Теории - намеренные или
непреднамеренные - присущи данным, поскольку сам факт
указания, какие данные собирать (и как), обусловлен некоторыми
ожиданиями относительно того, что можно и нужно наблюдать и
измерять. То, видят ли что-то и регистрируют (скажем, с помощью
научных инструментов или наблюдателя) и, таким образом, можно
ли рассматривать и собирать как данные, имеет много общего с
теориями, которые определяют ожидания и непосредственное
наблюдение и сбор данных. По словам Эйнштейна, «можете ли вы
наблюдать что-то или нет, зависит от теории, которую вы
используете. Именно теория решает, что можно наблюдать ».
Проблема измерения - и неопределенности данных - часто
обсуждалась физиками и философами науки. В статье «Против
измерения» физик Джон Белл подчеркивает, что измерение всегда
зависит от наблюдателя и, следовательно, по своей сути не
объективно76. Наблюдение всегда происходит с точки зрения,
точки зрения и любой конкретной точки данных или даже
большого набора точек данных. , может соответствовать одному
взгляду на вещи. Но этот единственный путь, так называемая
правда или реальность, каким-то образом не исключает
альтернативных объяснений или интерпретаций. Даже внедрение
научных инструментов и методологий не стирает эффекта.77
Можно сказать, что сам акт измерения искажает «чистоту»
собираемых данных. Но, по иронии судьбы, теории, управляющие
этим измерением, хотя и искажают, но также предоставляют тот
самый механизм, который делает возможным понимание и
объяснение.
Таким образом, роль теории состоит в том, чтобы указать нам,
где искать: какие данные искать, какие данные собирать и почему -
и как их интерпретировать. Философ Карл Поппер обсуждает идею
«поискового света» и «ведра» подходов к познанию.78 Теории
ведра неявно предполагают, что мы можем каким-то образом
собрать «данные» в большом ведре «фактов» - просто поглощая
или ассимилируя стимулы и наше окружение (чему, безусловно,
способствуют большие данные) - а затем укрепить наше
понимание, просто позволяя фактам говорить сами за себя. С этой
точки зрения разум можно рассматривать как массивное
вычислительное устройство или камеру, которая хранит
информацию о своем окружении и делает правильные выводы.
Однако подход к уму с помощью прожектора признает, что
«факты» можно «увидеть» только тогда, когда мы проливаем на
них свет исследования, и именно теория подсказывает нам, куда
направить прожектор исследования.79
Теории ведра предполагают, что ученые или технологии могут
каким-то образом автоматически и объективно собирать данные и
обрабатывать их, что, естественно, приведет к пониманию мира.
Таким образом, теории ведра хорошо вписываются в парадигму
больших данных, поскольку основное внимание уделяется захвату -
объективно, как камера - как можно большего количества
информации, с предположением, что сами данные и наблюдения
дадут ответы и понимание. Однако теория познания, основанная
на поисковом свете, фокусируется на той роли, которую теории и
внимание играют в направлении нас к тому, какие данные искать в
первую очередь и почему. Теории раскрывают типы релевантных
наблюдений и данных и дают интуитивное представление о том,
как интерпретировать данные.
Подобные философские вопросы могут, конечно, показаться
далекими от практики больших данных - особенно применительно
к праву - но они очень уместны, поскольку поднимают вопросы о
том, что именно можно установить с помощью данных, и о роли
теории. в руководстве наблюдением, а также при сборе и анализе
данных. По крайней мере, идея о том, что «теория мертва»,
выдвинутая некоторыми сторонниками больших данных,
безусловно, может быть подвергнута сомнению. Далее мы
обсудим эти последствия, поскольку они применимы к различным
аспектам закона.
2. Закон и доказательства: видеть то, во что вы верите
Закон, конечно, в значительной степени сосредоточен на
восприятии, фактах и данных - таких факторах, как доказательства,
наблюдение и свидетельские показания. Например, Федеральные
правила доказывания, принятые в 1975 году, устанавливают закон
и стандарты доказывания доказательств. Он определяет такие
вопросы, как то, что считается доказательством, кто может
считаться экспертом или свидетелем, какие доказательства или
показания допустимы и почему, что представляет собой факт, а не
слухи и т. Д.
Как мы объясняли, вся эта юридическая деятельность,
связанная с доказательствами, основана на основных
предположениях о характере наблюдения, данных и даже науки - и
о том, как их можно использовать для установления фактов,
причинно-следственной связи и ответственности. Короче говоря,
Федеральные правила доказывания стремятся установить истину.
То есть они стремятся обеспечить «возможность установления
истины и справедливого определения судебного разбирательства»
(Правило 102) 80. В уголовном праве состязательная система
закона предусматривает механизм проверки виновности или
невиновности обвиняемого. Положение о противостоянии Шестой
поправки позволяет обвиняемому предстать перед свидетелями и
доказательствами, а также дает возможность для
контрдоказательства и перекрестного допроса.
Но данные, свидетели и доказательства, использованные в
этом процессе, конечно, не говорят сами за себя - они обязательно
оживляются и оживляются людьми, которые собирают,
анализируют, представляют, объединяют и судят на основе этих
данных. и доказательства.81
Хотя нам могут потребоваться доказательства, наблюдения и
свидетели для объективной оценки вопросов, связанных с законом
(например, виновность или невиновность, ответственность), вся эта
деятельность обязательно руководствуется лежащими в основе
ожиданиями, теориями и интересами различных юридических и
других субъектов. участвует. Данные не обязательно нейтральны
или объективны. По конституции прокуроры обязаны действовать
как «нейтральные и независимые магистраты» 82. Но на практике
они часто видят любые доказательства или потенциальных
свидетелей с точки зрения виновности обвиняемого83. На
адвокатов защиты по конституции возложена «решительная и
эффективная защита »своих клиентов.84 Поэтому они должны
смотреть на вещи сквозь призму невиновности. И они, вероятно,
так и делают, когда защита и хорошо оплачивается, и выбирается
обвиняемым. Но общественным защитникам часто не хватает
адекватных стимулов и ресурсов для обеспечения решительной
защиты.85 В этом процессе не обязательно присутствует
предвзятость или какая-либо форма злонамеренного действия,
хотя, конечно, это возможно. Но стимулы, с которыми сталкиваются
противостоящие стороны, могут радикально отличаться - а данные
или сбор доказательств и успех соответствующих сторон основаны
на их предполагаемой миссии (или роли) по успешному
преследованию или защите обвиняемых, независимо от того, что
на самом деле произошло.
Конечно, даже без какой-либо предвзятости или злого
умысла, весь процесс сбора доказательств и данных априори
определяется отношениями человека с конкретным клиентом - на
основе определенных ролей и желаемого результата. Таким
образом, когда кто-то, по сути, «настроен» на поиск
подтверждающих данных и доказательств для определенного
результата, он, вероятно, найдет такие доказательства.86 На самом
деле, те же самые доказательства, основанные на этом прайминге,
могут быть благосклонно истолкован для продвижения дела.
Психологические и перцептивные эксперименты подчеркивают, как
наши ожидания или первоначальные впечатления могут побуждать
людей искать, воспринимать и находить подтверждающие
доказательства для определенных интерпретаций.
Конечно, приведенный выше аргумент может предполагать,
что предоставление данных говорит само за себя приведет к
лучшим результатам, вместо того, чтобы полагаться на предвзятых
и ориентированных на стимулы людей, чтобы разобраться в том,
что произошло, скажем, в уголовном процессе. Но, как мы
утверждали, данные редко говорят сами за себя, но всегда требуют
интерпретации и контекста. Таким образом, состязательная
система обвинения и защиты может обеспечить проверку этой
системы. Но нет никаких алгоритмов или альтернатив, основанных
на данных, которые каким-то образом могли бы заменить эту
систему.
Общий упор на данные и теория разума (обсуждавшаяся
выше) в связи с законом упускают из виду некоторые
фундаментальные факты, связанные со сбором доказательств и (в
более широком смысле) восприятием87. Это может быть уместно
проиллюстрировано моделью Шерлока. доказательств (аналогично
вышеупомянутой модели «прожектора» Поппера), которую можно
легко противопоставить наивной, похожей на камеру модели
доказательств, аналогичной подходу, предлагаемому Big Data.88
Чтобы конкретизировать этот момент: представьте себе
преступление Расследование сцены, где мы могли бы
противопоставить подход наивного полицейского и прототипного
следователя, такого как Шерлок Холмс. Наивный полицейский
может попытаться собрать, обработать и, возможно,
сфотографировать все, что возможно на месте преступления - по
сути, создать форму больших данных, которые собирают как можно
больше информации. Однако проблема, конечно же, в том, что
практически любая информация с места преступления может иметь
отношение к установлению того, что произошло на самом деле. На
месте преступления собраны всевозможные факты, бесчисленные
данные и возможные доказательства. Все может быть актуальным.
Хотя только некоторая, (очень) небольшая часть этой информации
действительно имеет отношение к рассматриваемому делу. Тогда
это создает общую проблему - актуальную для любого контекста -
между попытками оценить, какие данные или факты актуальны и
важны, а какие нет. Наивный полицейский стремится захватить все,
в то время как расследование Шерлока основывается на заговоре
или теории. По словам специалиста по восприятию Яна
Кендеринка, проблема для наивного полицейского состоит в том,
что «размер этого файла [всех» потенциальных данных с места
преступления] потенциально безграничен, поскольку мир
бесконечно структурирован. . Нет конца тому факту, который,
возможно, даже в молекулярном масштабе (подумайте о следах
ДНК), может в конечном итоге оказаться важным. [Но] факты не
являются «доказательствами», это просто факты »89. В этом
заключается проблема больших данных или модели корзины.
Простой сбор огромного количества данных бессмыслен без
какого-либо сюжета или теории о том, что могло произойти, о том,
что может иметь значение. Нет автоматического способа обработки
сцены. Нужен какой-то прожектор или теория - предоставленная
Шерлоком или человеческой интуицией. Сами данные, конечно,
могут предлагать и предоставлять подсказки о том, что произошло,
но даже идентификация этих улик и данных должна быть
теоретически обоснованной. Таким образом, в науке, как и в праве,
данные не являются своего рода панацеей для понимания того, что
произошло, или для решения проблем. Теоретическая интуиция
должна направлять эту деятельность.
Нынешняя одержимость данными и связанные с этим
предположения о том, что мы сейчас живем в посттеоретическом
мире, упускают из виду тот факт, что данные - это просто вход для
более высоких уровней понимания. Это было признано
некоторыми специалистами в области информатики90. Данные
находятся на самой нижней ступеньке так называемой иерархии
или пирамиды данных-информации-знаний (DIKW). Нет более
высоких уровней понимания без вопросов, исследований и теорий,
которые ведут нас от наблюдений и данных более низкого уровня к
знаниям и мудрости более высокого уровня. Так можно
процитировать поэта Т.С. Элиот, который, казалось бы, предвидел
усиление акцента на нижних уровнях иерархии за счет мудрости и
понимания: «Где мудрость, которую мы потеряли в знании? Где
знания, которые мы потеряли в информации? »91
В юридическом контексте правовая система общего права
может рассматриваться как обеспечивающая именно этот тип
мудрости, перемещая нас от сырых исходных данных, таких как
данные, к информации, знаниям и мудрости. Правовую систему
можно рассматривать как систему начисления мудрости, в которой
«карманы» мудрости можно найти через контекстную
информацию, местные знания и общую мудрость, которая
проявляется в споре и взаимодействии разрозненных юридических
лиц с течением времени. Другими словами, взаимодействие
разнородных агентов с разными мотивами и битами данных,
информации и знаний приводит к накоплению различных форм
мудрости, которые реагируют на местные обстоятельства. Этот
процесс вряд ли является вычислительным, он скорее требует
человеческой интуиции и теоретической обработки, которую
нельзя оставлять на усмотрение только алгоритмов и данных.
Б. Неопределенное значение закона и данных: закон как
метафора, данные как сжатие

Слово «данные» предполагает неоправданную объективность

в больших данных. Этимологически данные - это «нечто данное»
92. Но данные не приводятся раз и навсегда; скорее, они не только
интерпретируются, но и конструируются процессом кодирования и
по своей сути символической природой некоторой лежащей в
основе реальности. Разум вызывает новые приложения данных на
каждой итерации, таким образом позволяя данным генерировать
неопределенное количество интерпретаций событий. Хотя данные
обычно считаются «объективными», они, как язык и законы, могут
быть творчески использованы и интерпретированы точно так же,
как метафоры неопределенны в применении.

1. Закон как метафора и языковая игра

Метафора гораздо глубже, чем просто «сказать одно и иметь

в виду другое» 93. Скорее, сила метафор заключается в их
творчестве, изменяющем правила, при применении языка новыми
способами. Генерирующая способность метафор также
«обеспечивает основу для более общего появления новизны в
социальных и экономических условиях» 94.
В самом деле, все взаимодействия в обществе можно
истолковать как витгенштейновские «языковые игры», которые
представляют собой правила того, как мы думаем, говорим и
действуем в различных ситуациях.95 Эти правила, однако, не
являются алгоритмическими. Они существуют в наших привычках,
практиках и обычаях. Мы знаем, как следовать правилам в
неопределенном диапазоне ситуаций, включая, что важно, новые
ситуации. Метафоры и языковые игры разделяют разное качество
применимости по-новому или к новым ситуациям, при этом
полностью подчиняясь своим определяющим правилам. Эта общая
черта вытекает из общего элемента: языка.
 Закон также можно охарактеризовать как тип языковой игры:
«Новый закон, основание для иска, права человека должны
сначала быть публично названы в предложении, указывающем на
новые уровни действий и восстановления. Только тогда общество
создало для себя новый закон »96. Более того, существует
разнообразие потенциальных значений, которые движут
различными теориями юридической интерпретации.97 Таким
образом, язык имеет двойную природу; хотя его можно
использовать для построения систем логики, его сущность
неопределенна, контекстуальна и творчески развивается.98 Закон,
построенный на языке, частично логичен, но также частично открыт
и неопределенен.99 Судебные заключения не действуют. как
формулы или алгоритмы, но вместо этого как частично
определенные принципы, которые действуют на более
абстрактном уровне, чем факты, к которым они применяются.
В этой частично открытой сфере рассуждает по аналогии с
прошлыми случаями, выявляя основные принципы, которые
объединяют эти случаи и предлагают конкретный результат.100
Искусственные технологии, как объяснил Санштейн, способны
только извлекать случаи и определять аналитические сходства и
различия. среди них.101 Однако аналогизаторы в праве не просто
спрашивают, какое дело имеет «больше» сходства с
рассматриваемым делом, но и имеет ли дело соответствующее
сходство с рассматриваемым делом. И то, являются ли сходства
между делами релевантными, «зависит от принципа, в
соответствии с которым исходный случай считается, после
размышления, отстаивать» 102. Следовательно, рассуждение по
аналогии включает определение принципов, которые оправдывают
утверждение о том, что определенные дела следует рассматривать
одинаково или по-разному. .
Другими словами, судебное заключение или правовая
доктрина, как и метафора, - это своего рода средство построения
теории. Создание закона больше похоже на теорию прожекторов,
чем на теорию ведра. Это разностороннее свойство метафоры
отличает ее от простой аналогии или сравнения. Как утверждает
Дворкин, «аналогия без теории слепа. Аналогия - это способ
сформулировать вывод, а не способ его достижения, и теория
должна делать реальную работу »103. Хотя метафора не
претендует на то, чтобы заранее предсказать все ее возможные
применения, также нет конкретных ограничений для количество и
разнообразие итераций, которые могут потребоваться.104
Эти итерации не являются полностью открытыми, но вместо
этого зависят от развития предшествующих прецедентов и
социального контекста, в котором они интерпретируются. Может
существовать «ядро устоявшегося значения», но есть также
«спорные случаи, в которых слова не являются ни явно
применимыми, ни явно исключенными». 105 Харт приводит
пример юридической нормы, запрещающей вывозить автомобиль
в общественные места. парк. Он заявляет: «Это явно запрещает
автомобиль, но как насчет велосипедов, роликовых коньков,
игрушечных автомобилей? А как насчет самолетов? Следует ли
называть их «транспортными средствами» для целей правила или
нет? »106
Есть спектр правовой определенности. Некоторые
прецеденты более детерминированы, в то время как другие
являются неограниченными в неурегулированных областях
права.107 Некоторые дела являются достаточно односторонними,
чтобы сделать применение судебного решения практически
тривиальным; в других случаях, кажется, представлено множество
противоречащих друг другу решений, которые в равной степени
могут соответствовать букве закона.108 Попытки юридического
формализма привнести детерминизм в закон не смогли подавить
споры о толковании значения законодательных положений,
прецедентов общего права и конституционных текстов109.
Разбирая правовые двусмысленности, судья должен
учитывать не только то, как принцип применим к конкретному
делу, но и то, как он вписывается во все более широкие слои
правовой доктрины, что ведет к более высоким уровням
общности.110 Кроме того, судьи обнаруживают несоответствия
между юридическими принципов или реагировать на
непредвиденные события, они должны быть готовы «время от
времени пересматривать какую-либо часть структуры» 111.
Простой пример - закон суррогатного материнства. Когда
появилась технология суррогатного материнства, правовая система
не смогла решить, кто «мать» ребенка. Закон должен был развить
идею материнства, чтобы отличить «генетическую мать» от
«биологической матери» - новое, непредвиденное и ранее
ненужное различие112.
Независимо от того, насколько урегулирована область права,
требуется суждение, чтобы применить закон к бесконечным
фактическим вариациям, возникающим в контексте конкретных
дел. Например, юридический стандарт, касающийся того, когда
остановки движения разрешены Конституцией в соответствии с
Четвертой поправкой, справедливо установлен113, и тем не менее
общие стандарты, такие как «обоснованное подозрение»,
учитывают неопределенное количество непредвиденных
фактических вариаций. Аналогичным стандартом является
требование «вероятной причины» ареста, обыска или изъятия,
которое «известно» судьям абстрактно, хотя и не определено в
деталях.114 Эти типы стандартов «разумности» повсеместны в
законе, и их цель - обеспечить гибкость в применении широких
правовых стандартов к конкретным фактическим обстоятельствам.