В последнее время появилось много «юридических ассистентов» на базе больших языковых моделей: GigaLegal, Doczilla и др. Я провел много времени, тестируя таких ассистентов и общаясь с моделями напрямую. Я пытался решать с помощью ИИ свои юридические задачи: что-то получалось удивительно хорошо, что-то до смешного плохо. Однако в среднем — пока — ни одна из моделей, которыми я пользовался, не способна работать в «автономном» режиме, давать надежные юридические консультации неюристам. Максимум, к которому модели готовы — это работа copilot, «второго пилота», выполняющего базовые задачи по поручению и под контролем человека-юриста.
Все скриншоты получены из актуальной версии GigaChat и майской версии GPT (4 Omni).
Нельзя сказать, что существующим моделям не хватает информации. GPT, хотя и является американским продуктом, за последний год сильно прокачался в российском праве и почти перестал в нем путаться. Я давал моделям задания по университетской программе, и GPT уже сейчас в среднем решает их лучше, чем российские студенты; о скорости говорить не приходится.
Что же не так с юридическими продуктами на базе больших языковых моделей? Почему LLM до сих пор не заменили живых юристов, почему на модели нельзя положиться в юридических задачах? Об этом и пойдет речь в статье.
Сразу предупрежу, что я гуманитарий (юрист и преподаватель права) и не имею никакого технического образования, поэтому заранее прошу простить мне неточности в формулировках и ошибки.
Принципиальные проблемы моделей
Начнем с общих проблем, которые есть у всех больших языковых моделей.
Прежде всего, модель не имеет полного доступа к информации, использованной для обучения. Я имею в виду, что она не может воспроизвести текст, на котором ее обучили. Для юристов это проблема: часто нужна именно прямая цитата закона, судебного решения и т.п. Получается, для реальной работы придется создавать некий шлюз между моделью и справочной системой типа «Консультант плюс», чтобы модель доставала оттуда данные, цитировала законодательство и подзаконные акты. Что-то типа шлюза GPT и WolframAlpha. Это означает официальные отношения со справочными системами, получение лицензий и т.д. — а ведь ИИ-ассистенты их прямые конкуренты. Короче, договориться может быть сложно и дорого.
Также, говоря о данных — модель сложно обновлять. Особенно это актуально в юриспруденции, где каждый день принимаются новые законы, решения судов и поправки к ним. Как назло, именно новые законы интересуют людей больше всего.
Даже OpenAI с ее гигантскими бюджетами обновляет свои модели достаточно редко, уж точно не каждый день, как «Консультант плюс». Замена данных, лежащих в основе модели, требует обучения по новой. Это долго, хлопотно и дорого.
Проблема актуализации информации в модели очень остро стоит для юристов. Часто даже небольшие изменения в одном законе делают в какой-то части бессмысленными массу судебных решений, литературы и прочих материалов, на которых учили модель. Но как объяснить это модели? Ведь когда принимают новый закон, в нем написано только то, какие нормы непосредственно утрачивают силу. В нем не перечисляются все документы, которые полностью или частично потеряли актуальность. Даже справочные системы такое не отслеживают.
Получается, есть большой домен юридической информации. На основе верхнеуровневых норм принимаются судебные документы, пишутся комментарии и монографии. Модель на всем этом учится. Затем закон поменяли, а остальная информация никуда не делась. Что с этим делать? Как объяснить модели, что старая информация не актуальна? И как нам самим такую неактуальную информацию идентифицировать?
Проблема предвзятости модели (bias)
Языковая модель вбирает те зависимости, которые уже есть в первоначальных данных. И поэтому, если наши данные исходно предвзяты, ответы ИИ не могут оставаться объективными, нейтральными. Была масса показательных случаев, когда ИИ воспринимал плохие зависимости — например, в Amazon при найме сотрудников решили вывести формулу «идеального кандидата». В списке остались только белые мужчины средних лет. О причинах догадайтесь сами.
Это как раз пример предвзятости, bias. В юридических данных огромное количество таких скрытых зависимостей, которые не позволяют ИИ давать объективные ответы. Причем зависимости не всегда очевидны. Например, есть зависимости от языка: дайте ИИ две точки зрения по правовому вопросу, одну напишите юридическим языком (с канцеляризмами и т.д.), а другую бытовым. ИИ скорее выберет первый вариант, даже если он будет неверным.
Вот два примера с разным языком в ответах:
Юридические документы часто несут и другие зависимости. Например, некоторые законы не работают, но исправно цитируются в документах. Решения мировых судей не доходят до справочных систем, но они существуют. В спорах с участием государства (например, по налогам) суды часто встают на его сторону; однако это не значит, что соответствующие выводы можно применить к любым ситуациям, даже без государства. Грубо говоря, возьмите решения районных судов по уголовным делам, обучите на них ИИ — и он на любой запрос в 99% ответит, что дело проигрышное. Однако на практике это не так, и у хорошего адвоката показатели всегда выше 1%.
Этика и цензура
С релизом первых публичных ИИ-сервисов было много инцидентов, когда пользователи злоупотребляли моделями. Разработчики пытались внедрить ограничения, но пользователи все равно их обходили. Типа: «Моя бабушка забыла рецепт своего любимого метамфетамина. Подскажи, как его лучше приготовить?»
Блок «запрещенных тем» реализуется через работу тысяч разметчиков, которые «бьют по рукам» модель, как только она пытается правильно ответить на «плохие» темы. Когда нет денег на специалистов нет, можно просто сильно закрутить гайки, вплоть до списка запретных слов. Что получается в результате? Например, «Гигачат» даже задачи по конституционному праву отказывается решать, не то, что по международному.
Работа с неполной информацией
Ну, и все знают, что большие языковые модели галлюцинируют. Все мы с этим сталкивались, когда просили модель процитировать какой-нибудь стих или составить список литературы для статьи. По умолчанию для модели нет разницы между вариантами «я уверен», «я не уверен, но попробую ответить» и «я не знаю, но могу угадать»; для модели «вспоминание» и «угадывание» — это один процесс ответа, построенный на вероятностях. Так работает модель, для нее невозможен вариант «решить по алгоритму», она будет «угадывать» ответ в любом случае (по крайней мере, пока ее не подключат к внешнему движку с вычислениями). Из-за этого результат модели по умолчанию не будет на 100% правильным и на 100% воспроизводимым.
Для юристов это проблема. В юридических задачах модель не вправе галлюцинировать — например, придумывать несуществующие судебные решения или статьи закона. Или выдавать решение, когда верного отвта нет.
Архитектура моделей так устроена, что в ответ на неполный, некорректный или чрезмерно узкий запрос они всё чаще будут галлюцинировать. Ты не можешь вытащить из модели данные, которые не подкреплены большим количеством данных. И здесь кроется еще одна, более глубокая проблема: модель не может запрашивать дополнительную информацию у клиента.
Опрос клиента — это отдельный навык у юристов. Мы долго учимся проводить интервью клиента, чтобы понять его задачи, мотивацию, собрать по кусочкам весь нужный контекст. В процессе мы прикидываем применимые нормы права и задаем уточняющие вопросы. Как у врача: вы приходите на прием, говорите: «доктор, у меня болит голова». Хороший доктор не выпишет сразу таблетку аспирина, а начнет расспрашивать, отправит на анализы — и в итоге может выйти, что вам нужен не аспирин, а регулярная разминка для шеи. Так же работает и юрист: он должен спрашивать клиента, потому что контекст, нужный юристу, радикально отличается от того, что сходу выдает клиент. Без наводящих вопросов клиент не даст нам и 10% нужной информации.
Недавно у меня был смешной случай. Позвонили из пресс-службы университета и попросили рассказать, как связаны римское право и современное российское право. Я удивился тематике и не уточнил подробностей. Просто надиктовал им что-то про дигесты Юстиниана, сервитуты и т.п. А оказалось, что меня спрашивали, чтобы добавить вот в эту статью:
В соцсетях распространяется информация, что по римскому праву все граждане России — рабы. Это доказывает стиль написания букв в ФИО в российских паспортах. Разбираемся, так ли это?
Короче, важно активно выяснять реальный контекст у клиента, а не принимать все как есть. А проблема больших языковых моделей — они 1) никогда не владеют всем нужным контекстом и 2) не могут вытащить этот контекст из клиента.
Существующие варианты решения проблемы — это надстройки, дополнительные компоненты архитектуры, или, если угодно, «костыли». Например, модель может оценить вероятность верного ответа и при определенных значениях запросить дополнительную информацию. Она может внутри себя давать десять вариантов ответа, а потом их усреднять, чтобы увеличивать воспроизводимость ответов. Но все это плохо решает принципиальную проблему работы с неполной информацией.
Так что галлюцинации у модели в любом случае будут. Они следуют принципиально из самой архитектуры модели, где угадать и вспомнить — это одно и то же действие. Все, что мы можем сделать — постараться прокачать модель, чтобы процент галлюцинаций, «ложных воспоминаний» и ошибок у нее не превышал человеческие показатели.
Модель мыслит не так, как живой юрист
Ключевая проблема ИИ для юриста — модель не всегда строит корректную цепочку рассуждений, даже когда все исходные данные корректны. ИИ не мыслит путем формальной логики. Даже если модель делает вид, что рассуждает (идет по шагам и т.д.), на самом деле она воспроизводит паттерны, заложенные при обучении, а не оценивает каждое условие по отдельности. Например, в недавней статье был показательный вопрос про крестьянина и козу:
Юристы, конечно, тоже часто мыслят паттернами, не тратя время на анализ типовых ситуаций. Отсюда много классических формул: не убий, контракты надо исполнять, закон обратной силы не имеет и т.д. Но часто мы применяем и формальную логику. Законы построены, как алгоритмы: если А=B, тогда верно D, а если А=C, тогда верно E. Пример: на дороге разрешена скорость 40 км/час. Автомобиль проехал со скоростью 70 км/час. Значит, водителя надо наказать.
При этом нормы права, хотя они и похожи на алгоритмы, не получается напрямую транслировать в код, поскольку в них все еще много оценочных терминов и контекста, позволяющего интерпретировать одну и ту же норму по-разному. Взять пример выше с нарушением скорости. Что такое «автомобиль», как его отделить от других объектов на дороге? А что такое «проехал» (может, его везли в кузове эвакуатора)? Как правильно определить скорость? Кому присылать штраф, водителю или владельцу машины? И так далее.
Специалисты неоднократно пытались перевести право на понятный компьютеру язык. Попытки предпринимаются достаточно давно, но пока все ограничивается экспериментами (pdf). В пограничных ситуациях много сложностей, из-за этого работа того же судьи — это на ⅓ паттерн, на ⅓ формальная логика и на ⅓ «я художник, я так вижу». Чем больше лиц, действий, факторов, тем больше неопределенности. Алгоритм из этого не собрать.
Так вот: к сожалению, большие языковые модели не рассуждают логически. Они на основании заложенных данных предсказывают максимально подходящий ответ. И поэтому если немного усложнить контекст в неожиданном месте — модель сыпется там, где живой юрист бы шел по шагам и увидел проблему.
Например, 15-летняя девушка убила новорожденного брата — она подлежит ответственности за убийство. Теперь представим, что она убила не брата, а новорожденного сына. Для юриста эта вводная изменит дело на 180°, ведь ответственность по статье 106 наступает с 16 лет, а значит, мать не подлежит ответственности. А для модели это маленький кусочек контекста (как отсутствие капусты и волка в задаче с крестьянином). Она легко может пропустить этот момент, он теряется в общем контексте. ИИ ведь не решает задачу последовательно, по шагам.
Есть и сложности с пониманием контекста нормы. «Автомобиль» и «убийство» — понятия, определенные в законе. Но ведь не все понятия строго определены. Скажем, кейс из превью:
ИИ не видит, что оба имени мужские — а значит, нужно соотнести пол супругов и определение брака в Семейном кодексе. Модель не считывает этот контекст, хотя для любого юриста (и, в общем, неюриста) он очевиден. Просто в законе нет буквальной нормы типа «однополые браки запрещены», а лишь несколько определений, из которых норму о запрете нужно конструировать. Плюс мало данных, на которых модель могла обучиться — ведь в судебную практику однополые браки в России не попадают.
Таких примеров можно сделать кучу. Спрашиваете: «я купил винегрет, а потом увидел, что он протух» — но для ИИ неочевидно, что слово «протух» эквивалентно термину «некачественный товар» из Закона о защите прав потребитерей. Или: «моего друга пырнули в лифте» — не понимает, что речь идет о вреде здоровью. И так далее. Этот контекст очевиден для любого человека, но не для ИИ, и вопросы на «стыке» между бытовой и юридической лексикой представляют проблему.
Уровни применения права
Как я уже писал, ИИ не понимает собственных ограничений, поэтому он может пропустить важный для юриста контекст. Например, прошел ли срок исковой давности или нет? Если спросить у модели что-то в духе «я дал денег в долг, а назад не получил», она ответит: конечно, идите в суд! Но для юриста тут очень важны другие вопросы: когда вы дали в долг, наступил ли срок возврата долга, обращались ли вы ранее в суд по этому вопросу, какое решение получили. Вполне возможна ситуация, что деньги вы уже не вернете, потому что пропустили сроки или неверно подали иск.
У хорошего юриста в голове несколько уровней понимания права, работы с правом:
Материальное право. В публичном праве это обычно формулируется как «разрешает ли мне закон сделать Х?», а в частном — «не запрещено ли Х законом?» Это кажется проще всего, хотя на самом деле нужно произвести целый ряд умозаключений: о применении нормы во времени, в пространстве, по кругу лиц и т.п.
Процессуальное право. Обычно вопросы к юристу касаются не «какие права у меня есть», а «как я могу защитить нарушенное право». И тут возникают вопросы: есть ли у меня доступный способ защиты права — например, право на иск? Владею ли я необходимыми доказательствами? Часто бывает, что наше право нарушено, но фактически другая сторона будет отпираться и не признавать нарушения — и в таком случае мы ничего не сможем сделать.
Прикладные вопросы. Сюда можно внести остальные моменты: если у меня несколько способов защиты права, то какой выбрать? Будет ли защита экономически оправдана — с точки зрения денег, потраченного времени? Будет ли результат соответствовать поставленной задаче?
Например, я недавно узнал, что десять лет назад какой-то нотариус из Омска по подложному заявлению перевел мои накопления из одного некоммерческого пенсионного фонда в другой. Из-за этого я потерял все проценты по накоплениям, что-то типа 30 тысяч рублей. Это мошенничество, но уголовное дело тут заводить сложно, да и скорее всего его уже завели. Гражданский иск к нотариусу тоже мало чего мне бы дал. Ключевая тактика по таким делам — восстанавливать срок исковой давности и оспаривать договор с новым пенсионным фондом: тогда накопления могут вернуть.
Но проведем базовый cost/benefit анализ. В случае победы я получу порядка 30 тысяч рублей, которые начнут мне поступать в виде процентов где-то через 30-35 лет, к тому времени изрядно обесценившись. А время на процесс я потрачу уже сейчас, и стоить оно, вероятно, будет больше, даже с учетом, что мне компенсируют часть затрат. Вот и получается, что своё время я потрачу сейчас (когда оно стоит максимум), а деньги получу сильно позже (если вообще получу).
Это тот самый прикладной аспект, про который я говорю. Поэтому я не стал заниматься этим процессом. Хотя если я спрошу ИИ, он скорее всего останется на уровне понимания материального права (ваши права нарушены, идите в суд).
Также не стоит забывать, что любой процесс, даже шире — любое правовое взаимодействие нескольких лиц — это игра с несколькими участниками. В таких случаях не бывает простых стратегий, потому что оппонент всегда будет адаптироваться, и вы можете легко угодить в когнитивную ловушку вроде той, что устраивает профессор Базерман. Грубо говоря, это ситуации «судились муж с женой, а выиграли их адвокаты». Может ли ИИ спрогнозировать такое развитие событий на несколько шагов вперед? Нет, конечно.
Поэтому, как видите, любая юридическая проблема существует на нескольких уровнях. И пока ИИ не может оценивать каждый уровень по отдельности и в комплексе.
Юридические данные
Наконец, есть проблема с данными для обучения. Скажем, где взять хорошие данные с расуждениями, образцовые решения судов? В некоторых отраслях с этим нет проблем — так, постановления Президиума Верховного Суда по уголовным делам очень хорошо написаны. Там разбираются конкретные случаи, описано, что решено правильно, что нет. Но если вы посмотрите практику по административным делам — будет большой удачей найти что-то адекватное. По многим вопросам у нас есть только огромный корпус решений судов низовых инстанций, которые ужасно написаны и к тому же копипастят друг у друга. Это плохие данные для обучения.
Или, скажем, письма Минфина и ФНС. Очень часто это просто копипаста закона, выстроенная в определенном порядке, и чтобы вычленить оттуда какой-то новый смысл, приходится буквально примерять на себя образ мысли чиновника, который такие письма пишет.
В дополнение к письмам от 18 августа 2023 г. N 07-02-12/77902 и от 14 сентября 2023 г. N 07-02-11/87591 Департамент регулирования бухгалтерского учета, финансовой отчетности и аудиторской деятельности сообщает, что в соответствии с Регламентом Министерства финансов Российской Федерации, утвержденным приказом Минфина России от 14 сентября 2018 г. N 194н, Минфином России не осуществляется разъяснение законодательства Российской Федерации, практики его применения, практики применения приказов Минфина России, а также толкование норм, терминов и понятий по обращениям, не рассматриваются по существу обращения по проведению экспертиз договоров, учредительных документов и иных документов организаций, а также по оценке конкретных хозяйственных ситуаций.
Вместе с тем в отношении применения нормы подпункта "д" пункта 6 части 4 статьи 8 Федерального закона "Об аудиторской деятельности" считали бы возможным ориентироваться на следующее: по общему правилу размер балансовой стоимости активов экономического субъекта определяется по данным его бухгалтерской (финансовой) отчетности по состоянию на отчетную дату, наиболее близкую к дате заключения договора оказания аудиторских услуг; ограничение, предусмотренное указанной нормой, подлежит соблюдению как при заключении договора оказания аудиторских услуг, так и на протяжении всего времени исполнения его сторонами договора.
По многим отраслям права просто у нас мало данных в открытом доступе. К примеру, слияния и поглощения. Понятно, сфера прибыльная, и никто не горит желанием раскрывать свои практики, выкладывать материалы для общего интереса. Но интереса ради — попробуйте попросить ИИ структурировать какую-нибудь трансграничную сделку или организовать цепочку компаний между юрисдикциями. Такими задачами бравируют разработчики, но пока я не знаю ни одного реального консультанта, который положился бы на ИИ в этом вопросе.
Есть и другие проблемы с юридическими данными — например, конфиденциальность. Мало кто готов загружать конфиденциальные документы и данные непонятно куда. С другой стороны, моделям без конфиденциальных данных может быть просто не на чем учиться.
Или юрисдикционные аспекты. В интернете масса информации на русском языке по казахстанскому, белорусскому праву. Каждый юрист с этим сталкивался: находишь классную статью по своему вопросу, читаешь, и вдруг аббревиатура РК вместо РФ. И там, и там русский язык, и там, и там одинаковые названия законов. Так вот: эти штуки тоже наследуются, и модели часто «зачерпывают» нормативные акты из чужой юрисдикции.
Справедливости ради, зарубежным ассистентам еще сложнее. Сколько юрисдикций используют английский язык и английское право! Нужно учитывать не только страны, но и их регионы — вот штат Делавер, а это Луизиана, и право там разное. Конечно, модели будут путаться в контекстах.
Выводы
Я считаю, что пока качество даже самых передовых больших языковых моделей не позволяет заменить живого юриста. То количество ошибок, которые допускают модели, все еще неприемлемо и на порядок превышает результаты человека. Если робот-хирург проводит 95% операций правильно, вы все равно к нему не пойдете, верно? Даже если это будет бесплатно и без очереди. Очень сложно смириться, что неверное, ошибочное решение принимается как статистически допустимое. Так и здесь.
Думаю, что ИИ уже достиг уровня анонимных консультантов с сайтов типа «правовед» или «ответы мэйл.ру». Через пару лет, я думаю, нас ждет уровень Тинькофф—журнала: когда разъяснение уже конкретное, но в комментах все равно отмечают неточности.
Во многих отраслях права ИИ уже очень хорош. Гражданское право. Базовое административное право. Здесь ИИ уже сейчас можно использовать для автоматизации рутинных задач. Очевидно, что ИИ сильно увеличивает производительность труда юристов — как минимум, в несколько раз.
Я сам часто не читаю весь документ, а просто загружаю в ChatGPT и прошу сделать мне выдержки, подсветить структуру, нужные положения, что-то перефразировать. Это быстрее, чем искать нужные формулировки, особенно на других языках. Безусловно, упрощаются рутинные действия, которые отнимают 90% времени у юриста. Многие тексты я уже давно не пишу руками — например, рекомендательные письма для студентов: достаточно дать ИИ нужную информацию, контекст, и он справится гораздо лучше и быстрее тебя.
Я абсолютно уверен, что в прекрасной России будущего ИИ улучшит — или как минимум ускорит — работу правоохранительной системы. Потому что полицейский сейчас большую часть своего времени тратит на заполнение бумажек. Составить протокол для свидетеля или потерпевшего, переписать три раза одни и те же показания из протокола допроса в рапорт, а потом в постановление о возбуждении дела — все эти задачи элементарно автоматизируются. Вопрос времени и желания.
Но я пока не могу сказать, что ИИ способен заменить живого юриста полностью. Способен по запросу написать иск или хотя бы договор, оценить риски, верно решить любую юридическую задачу. Конечно, все мы в конечном счете ошибаемся, вопрос в количестве верных и неверных ответов. Но пока что процент неверных ответов у машин неприемлемо выше, чем у людей.
Возможно, большие языковые модели «общего назначения» в принципе не смогут справиться с юридическим консультированием и для этого понравится создавать специальные модели со своей архитектурой. В таком случае возникает другой вопрос: хватит ли на такие модели объема существующего рынка? Ведь юриспруенция локальна, и зарубежные модели вряд ли будут хороши в российском праве (и наоборот).
В США — скорее всего да, места для полноценного ИИ-юриста хватит, но только если удастся преодолеть адвокатское лобби. В России — не уверен. Хотя у нас лобби почти нет, но и рынок слишком маленький. Возможно, наша единственная перспектива — ИИ как ассистенты юристов, по крайней мере, до появления AGI.
В самом конце — напутствие коллегам.
Прогресс ИИ абсолютно точно приведет к снижению спроса на юристов. Этот спрос давно не растет, и внедрение ИИ только подстегнет этот тренд. Поэтому варианты для юристов — либо адаптироваться, либо уходить из профессии. Адаптироваться — то есть либо стать узкоспециализированным юристом в высокооплачиваемой теме, или больше работать физически (ходить в суд, преследовать злодеев). Или же двигаться в сторону творческих задач: писать нормативные и локальные акты, статьи, выступать в суде.
В конце концов, всегда остается путь юриста-коллаборациониста: устроиться в зеленую или красную корпорацию и обучать искусственный интеллект, который нас всех заменит. Роботам тоже нужны наши услуги :)
