Группа ученых создала компьютерный алгоритм для анализа жалоб, поступающих в Европейский суд по правам человека. Но такими новостями сегодня уже никого не удивишь: только в этом году мы наблюдали за тем, как искусственный интеллект обыгрывает чемпиона мира в го, рисует картины, пишет музыку и диагностирует болезни по снимкам.

Всему этому компьютерные системы научились у людей, а люди, в частности - исследователи Gartner, поместили машинное обучение на пик ожиданий «цикла зрелости технологий». Но как же компьютер может чему-то научиться без непосредственного программирования? Итак, алгоритму, «работающему» в ЕСПЧ поручают выполнить задачу: из общего потока поступающих в суд жалоб выбрать те, которые подходят к рассмотрению в суде по формальным признакам.

Напомню, что Страсбургский суд рассматривает только дела по нарушению Конвенции прав человека, а в 2015 году ему пришлось отклонить 85% поступивших жалоб из-за того, что они не соответствовали юрисдикции суда. Искусственному интеллекту как раз предстоит определить, стоит или не стоит ЕСПЧ рассматривать то или иное дело.

По существу, ИИ представляет собой нейронную сеть: искусственное воплощение той нейросети, которая является совокупностью человеческих нейронов головного и спинного мозга. С помощью этих нейронов мы анализируем окружающую среду и принимаем решения на основе тех данных, которые нейроны «запомнили».

Мы не будем вторично пробовать пищу, которая не понравилась ему в прошлый раз. Мы будем аккуратно ходить в гололед, вспоминая, как замешкались и поскользнулись прошлой зимой. Это называется опыт – и его нужно как-то передать машине.

Для начала машинного обучения необходимо предложить компьютеру обучающую выборку: все данные, которые известны о жалобах в ЕСПЧ. Далее — определить набор признаков, на основании которых компьютер будет делать вывод о значимости тех или иных факторов в жалобах. К примеру, искусственный интеллект в ЕСПЧ сконцентрировался на трех статьях Конвенции: о запрете пыток, о праве на справедливое судебное разбирательство и о праве на уважение частной и семейной жизни.

Таким образом, с помощью известных решений суда нейросеть училась находить в показаниях истцов или доказательствах защиты слова, которые указывают на наличие нарушения, и идентифицировать те или иные дела как пригодные к рассмотрению. Чем больше будет практиковаться ИИ, тем «умнее» будет становиться.

Конечно, это очень простое описание – на деле все немного сложнее. Ведь фактически машинное обучение работает не только с открытыми переменными, но и со скрытыми, латентными. Кроме того, обучить нейросеть принимать решения только на основе опыта недостаточно: к примеру, количество возможных ходов в игре го превышает количество атомов во Вселенной, и искусственному интеллекту нужно было бы изучить их все.

Система AlphaGo, которая и одержала победу над чемпионом в этой древней игре, начала учиться самостоятельно: проанализировав весь доступный ей мировой опыт игры в го, она начала играть сама с собой и высчитывать, какой ее ход может стать более «сильным» и обескуражить противника.

К чему ведет нас машинное обучение? К тому, что с каждым годом технологии и человек будут понимать друг друга все лучше. На данном этапе человечество владеет огромным багажом информации, а за последние 20 лет потоки данных увеличились в сони раз: ведь их одновременно генерируют 7 миллиардов людей, живущих на планете. Да, информация окружала нас и раньше – но появление интернета, устройств передачи и хранения данных, возможности с помощью компьютеров быстро создавать новое привело нас к рождению Big Data – больших данных. И мы можем поделиться ими с машинами, научив их делать то, что не под силу нам. Кто знает, может появление сотрудников-роботов пойдет на пользу суду людей?