ЦИФРОВОЕ ПРАВОСУДИЕ В МЕХАНИЗМЕ УДО: СРАВНИТЕЛЬНЫЙ АНАЛИЗ МОДЕЛЕЙ COMPAS (США) И HART (ВЕЛИКОБРИТАНИЯ) И ПЕРСПЕКТИВЫ ИМПЛЕМЕНТАЦИИ В РФ

DIGITAL JUSTICE IN THE PAROLE MECHANISM: A COMPARATIVE ANALYSIS OF COMPAS (USA) AND HART (UK) MODELS AND PROSPECTS FOR IMPLEMENTATION IN THE RUSSIAN FEDERATION

Mutygullina Adilia Azatovna

Student, Humanitarian Institute, Peter the Great St. Petersburg Polytechnic University,

Russia, St. Petersburg

АННОТАЦИЯ

В статье проводится сравнительный анализ алгоритмических систем оценки риска рецидива COMPAS (США) и HART (Великобритания) в контексте их потенциального применения при условно-досрочном освобождении в России. Показано, что закрытость алгоритмов и предвзятость обучающих данных способны легитимировать обвинительный уклон под видом технологической объективности. Обосновывается необходимость законодательного ограничения роли подобных систем исключительно вспомогательной функцией при сохранении приоритета судейского усмотрения и прозрачности процедуры.

ABSTRACT

This article provides a comparative analysis of algorithmic recidivism risk assessment systems COMPAS (USA) and HART (UK) in the context of their potential application to parole decisions in Russia. It is demonstrated that the opacity of algorithms and the inherent bias of training data may legitimize prosecutorial inclination under the guise of technological objectivity. The article substantiates the necessity of legally restricting such systems to an exclusively auxiliary function while maintaining the primacy of judicial discretion and procedural transparency.

Ключевые слова: условно-досрочное освобождение, цифровизация правосудия, уголовный процесс, рецидив.

Keywords: parole, digital justice, criminal procedure, recidivism.

Внедрение алгоритмических систем оценки риска рецидива в уголовное правосудие направлено на повышение объективности решений об условно-досрочном освобождении. Наиболее известными примерами таких технологий являются американская COMPAS и британская HART, использующие данные о личности, криминальной истории и социально-демографических признаках для прогнозирования вероятности совершения нового правонарушения [8]. При всех потенциальных преимуществах эти системы порождают серьезные дискуссии относительно прозрачности, справедливости и этичности их применения. Для России, где вопрос цифровизации судопроизводства стоит достаточно остро, анализ зарубежного опыта представляет не только теоретический, но и практический интерес [6].

Система COMPAS разработана компанией Northpointe и применяется в США с начала 2000-х годов. Алгоритм анализирует до 137 факторов, включая криминальное прошлое, уровень образования, жилищные условия, психологические характеристики и склонность к риску, на основе чего определяется вероятность рецидива в течение двух лет [3]. Судьи используют эти оценки при решении вопроса о мере пресечения и возможности освобождения под залог. Точность прогноза в среднем составляет 61–65%, а для насильственных преступлений снижается до 20%. Примечательно, что, по данным исследований, непрофессионалы, опирающиеся лишь на базовые демографические сведения, достигают сопоставимой точности — около 67%, что ставит под вопрос практическую ценность столь сложного инструмента [4].

Главная проблема COMPAS заключается в выявленной расовой предвзятости. Расследование ProPublica в 2016 году показало, что система вдвое чаще переоценивает риск рецидива у чернокожих подсудимых по сравнению с белыми, тогда как последние чаще получают заниженные оценки [9]. Разработчики настаивают на равной точности модели для разных расовых групп, однако критики резонно указывают, что одинаковый процент ошибок влечет принципиально разные социальные последствия, лишь усиливая существующее неравенство [1]. Усугубляет ситуацию закрытость алгоритма: его внутренние механизмы защищены коммерческой тайной и недоступны для независимого аудита, что лишает подсудимых возможности оспорить положенные в основу решения выводы.

Британская HART функционирует с 2017 года и создавалась для поддержки полиции графства Дарем. В отличие от американского аналога, она оперирует 34 категориями данных, включая возраст, пол, историю правонарушений и почтовый индекс, а ее ключевое предназначение состоит не в санкционировании ареста, а в отборе кандидатов для программы реабилитации Checkpoint [7]. Такая модель смещает фокус с карательных мер на профилактику и социальную реинтеграцию. В процессе эксплуатации были выявлены риски дискриминации лиц из неблагополучных районов, однако алгоритм был скорректирован, что демонстрирует его гибкость. Для обеспечения легитимности разработан каркас ALGO-CARE, устанавливающий требования к ответственности, мониторингу ошибок и соблюдению прав личности [10].

Принципиальное различие двух моделей состоит в их базовой философии. COMPAS стремится к максимально глубокому анализу, но функционирует как «черный ящик», вызывая обоснованные опасения в дискриминации [3]. HART, будучи проще технически, ориентирована на оперативное применение и сопровождается более прозрачным этическим контролем. Этот контраст отражает более широкую дилемму цифрового правосудия: должно ли оно стремиться к исчерпывающей точности любой ценой или его приоритетом является справедливость процедуры и возможность общественного контроля [1].

Первопричина предвзятостей в любых алгоритмических системах кроется не в технологии как таковой, а в качестве обучающих данных. Исторические массивы неизбежно несут на себе отпечаток сложившихся социальных неравенств и особенностей правоприменительной практики, а алгоритмы лишь воспроизводят эти паттерны, придавая им ложный авторитет «машинной объективности». Отсюда следует принципиальный вывод: внедрение подобных систем требует не разового аудита, а постоянного мониторинга и коррекции [10].

Применительно к России перспективы имплементации алгоритмических оценок риска следует оценивать с осторожным оптимизмом. С одной стороны, отечественная судебная система уже прошла значительный путь цифровизации: электронный документооборот, видеоконференцсвязь и дистанционное участие в заседаниях стали повседневной реальностью, что создает благоприятную техническую основу [6]. С другой стороны, механический перенос зарубежных моделей невозможен в силу специфики национального уголовного законодательства, где центральное место занимают индивидуализация наказания и оценка степени исправления осужденного — категории, плохо поддающиеся формализации [2].  Кроме того, сохраняется существенная неоднородность цифровой зрелости региональных судов.

Ключевые рекомендации для потенциальной разработки российского аналога сводятся к следующему. Во-первых, следует изначально закладывать в архитектуру системы принцип прозрачности, отказываясь от закрытых коммерческих алгоритмов в пользу моделей, доступных для экспертного аудита [10]. Во-вторых, оценка должна быть комплексной: учитывать не только статистическую вероятность рецидива, но и потенциал исправления осужденного, его социальные ресурсы и мотивацию к изменению поведения. В-третьих, алгоритм должен быть жестко ограничен вспомогательной ролью — он может информировать судью, но ни при каких обстоятельствах не заменять его усмотрение [5]. Наконец, обязательными условиями являются развитие нормативно-правовой базы, профессиональная подготовка судей и непрерывный мониторинг влияния системы на судебную практику.

Этический аспект заслуживает особого внимания. Применение искусственного интеллекта в механизме УДО затрагивает конституционные принципы гуманизма и уважения к личности. Поскольку решение об освобождении принимается на основании оценки исправления осужденного — категории по своей природе оценочной, — делегирование этой функции алгоритму несет риск чрезмерной механизации процесса, в котором индивидуальная судьба растворяется в статистических закономерностях. Отсутствие прозрачности алгоритмических выводов способно подорвать не только право на справедливое разбирательство, но и доверие общества к судебной системе в целом [6].

Опыт COMPAS и HART убедительно показывает: цифровое правосудие в сфере УДО не может полагаться исключительно на технологические решения. Эффективная модель требует сбалансированного взаимодействия между алгоритмическими системами, профессиональным суждением и институциональными гарантиями. Выбор в пользу той или иной архитектуры алгоритма — это, по существу, выбор между перестраховкой и реабилитацией, между закрытостью и общественным контролем [9]. Для России, стоящей перед перспективой дальнейшей цифровизации уголовного процесса, принципиально важно сделать этот выбор осознанно, закрепив соответствующие правовые и этические ограничения до того, как технологии начнут определять судьбы людей.

Список литературы:

1. Алгоритмическая предвзятость: методы и примеры [Электронный ресурс] // Naimee.ai. – URL: https://naimee.ai/hrzavtra/algoritmicheskaya-predvyazhost-metody-i-primeri (дата обращения: 05.05.2026).
2. Арзуманян А. Э. Системы искусственного интеллекта в уголовном процессе [Электронный ресурс] / А. Э. Арзуманян // NB-Publish. – URL: https://www.nbpublish.com/library_read_article.php?id=77513 (дата обращения: 05.05.2026).
3. Когда алгоритм выносит приговор: Как COMPAS дискриминировал меньшинства [Электронный ресурс] // CHU.ST. – URL: https://chu.st/practical-case/compas-algorithm-racial-bias-recidivism-prediction-us-criminal-justice-ethics-case-study/ (дата обращения: 05.05.2026).
4. Компьютер не смог эффективно выявить склонность к повторным преступлениям [Электронный ресурс] // Naked Science. – 2018. – URL: https://naked-science.ru/article/sci/kompyuter-ne-smog-effekti (дата обращения: 05.05.2026).
5. Применение технологии искусственного интеллекта для оценки исправления осужденных при досрочном освобождении от наказания [Электронный ресурс] // CyberLeninka. – URL: https://cyberleninka.ru/article/n/primenenie-tehnologii-iskusstvennogo-intellekta-dlya-otsenki-ispravleniya-osuzhdennyh-pri-dosrochnom-osvobozhdenii-ot-nakazaniya (дата обращения: 05.05.2026).
6. Цифровое правосудие [Электронный ресурс] // Адвокатская газета. – URL: https://www.advgazeta.ru/mneniya/tsifrovoe-pravosudie/ (дата обращения: 05.05.2026).
7. Burgess M. UK police are using AI to make custodial decisions – but it's spitting out questionable results [Electronic resource] / M. Burgess // WIRED. – 2018. – URL: https://www.wired.com/story/police-ai-uk-durham-hart-checkpoint-algorithm-edit/ (date of access: 05.05.2026).
8. COMPAS (software) [Electronic resource] // Wikipedia. – URL: https://en.wikipedia.org/wiki/COMPAS_(software) (date of access: 05.05.2026).
9. Larson J. How We Analyzed the COMPAS Recidivism Algorithm [Electronic resource] / J. Larson, S. Mattu, L. Kirchner, J. Angwin // ProPublica. – 2016. – URL: https://www.propublica.org/article/how-we-analyzed-the-compas-recidivism-algorithm (date of access: 05.05.2026).
10. Oswald M. Algorithmic risk assessment policing models: lessons from the Durham HART model and 'Experimental' proportionality / M. Oswald, J. Grace, Sh. Urwin, G. C. Barnes // Information & Communications Technology Law. – 2018. – Vol. 27, № 2. – P. 223–250. – URL: https://www.tandfonline.com/doi/full/10.1080/13600834.2018.1458455 (date of access: 05.05.2026).