Цифровизация нормотворчества   в условиях смены технологического уклада

Аннотация

The study examines the theoretical and legal aspects of the use of generative language models in rule-making. In particular, an experiment was conducted to develop regulations using the popular neural networks ChatGPT and YandexLM, namely: rules of conduct at metro facilities, a draft act on an administrative offense and a job description for a junior researcher. Based on the results of the experiment, a list of problems that arise when integrating self-learning algorithms into rule-making activities was compiled. Keywords: rule-making, digitalization, neural network, generative model, YandexLM, ChatGPT, LLM, Large Language Models Изобретение колеса, парового двигателя, использование нефти как источ- ника энергии повлекло не только смену экономической модели, но и серьезные социальные изменения. Технологическая трансформация XXI в. фундаментально отличается от предыдущих: инструментом и продуктом в новых условиях стала информация. До 2020 г. технологии искусственного интеллекта и машинного обучения про- демонстрировали разнообразный функционал с высокой степенью автоматизации, например, робот-поэт, робот-изобретатель, робот-судья. В правовой сфере можно отметить как зарубежные, так и отечественные проекты в рамках legaltech-тренда: Dashboard legal, Immediation, Jus Mundi, Botman.one и другие. Экспертные систе- мы, чат-боты и конструкторы документов полностью или частично продублирова- ли компетенции низкоквалифицированных юристов. При этом в правовой теории активизировалась дискуссия о базовых концептах, например, о гипотетической правосубъектности искусственного интеллекта и робототехники. 88 Специальные вопросы регулирования и охраны цифровых технологий Специальные вопросы регулирования и охраны цифровых технологий Special issues of regulation and protection of digital technologies Special issues of regulation and protection of digital technologies С 2021 г. генеративные языковые модели продемонстрировали принципи- ально новые подходы к цифровизации деятельности и работе с информацией. Генеративные нейронные сети можно классифицировать по типам следующим образом: 1) нейросети, формирующие по запросу оператора аудиовизуальный контент и способные генерировать и редактировать фото-, видеоматериалы (например, Midjourney, Kandinsky 2.0, Stable Diffusion); 2) нейросети, которые анализируют метаданные и данные, содержащие ин- формационные следы пользователей (например, подбор целевой аудитории в рам- ках процесса подготовки рекламной компании в социальных сетях); 3) нейронные сети, применяемые в медицине, способны распознавать дан- ные и обучаться на датасетах, собранных в разных городах страны, чтобы спро- гнозировать состояние пациента более точно. Популярность генеративных нейронных сетей обусловлена появлением, так называемых, Больших Языковых Моделей (Large Language Models – LLM), на- пример, ChatGPT. Аналогичные сервисы разработаны компаниями Google, Apple, Yandex. Нейросети обучены подбирать информацию, тексты, формировать ответы на запросы оператора и участвовать в беседе в формате чата. Генеративные нейронные сети обучены на огромных объемах данных, а LLM содержат, как правило, от 100 до 200 миллиардов параметров. В процессе подготовки диссертационного исследования автора статьи был проведен эксперимент, в рамках которого была протестирована возможность при- менения сервисов ChatGPT и Yandex LM для автоматизации процесса нормотвор- ческой деятельности. Были подготовлены несколько документов, а именно: – правила поведения на объектах метрополитена; – должностная инструкция младшего научного сотрудника; – проект постановления об административном правонарушении. Отечественный сервис Yandex LM уступает зарубежному ChatGPT по коли- честву параметров (100 миллиардов и 175 миллиардов соответственно). При этом нейросеть подходит для подготовки фрагментов текстов и характеризуется следующ ими параметрами: – ограниченный объем итогового текста, который подходит для работы с ко- роткими заметками либо при подготовке текста по частям; – отсутствие понимания системой связи между запросами, а следовательно невозможность уточнить задачу после обращения; – осмысленность результата приемлемая, но не превосходная; – не подходит для работы в рамках высокой степени автоматизации; – требуется не просто контроль результата, но и постоянное участие оператора. В настоящее время специалисты Яндекс разрабатывают новую версию систе- мы, которая обладает более совершенными техническими характеристиками. Популярная зарубежная нейронная сеть продемонстрировала хорошие ре- зультаты, в частности: – взаимосвязь запросов между собой; 89 Специальные вопросы регулирования и охраны цифровых технологий Специальные вопросы регулирования и охраны цифровых технологий Special issues of regulation and protection of digital technologies Special issues of regulation and protection of digital technologies – возможность уточнить параметры задачи как до запуска генерации, так и после него, возможность «подсказывать» системе и обращать внимание на ло-