Теория доказывания в уголовном судопроизводстве

*(421) Забавно, что в этой связи вузовский диплом магистра ценился не так высоко, как официальный документ, стоящий в институтской иерархии образовательных степеней заметно ниже, а именно так называемый "диплом специалиста" - ведь этот последний прямо утверждает, что данное лицо является именно "специалистом", и эта квалификация официально присвоена Министерством образования! Тут уж не поспоришь!

*(422) См., например: Белкин Р.С. Криминалистика: проблемы сегодняшнего дня. С. 204.

*(423) Колмаков В.П. О внутреннем убеждении советского судебного эксперта//Вопр. советской криминалистики. М., 1951. С. 28.

*(424) См.: Шляхов А.Р. Структура экспертного исследования и гносеологическая характеристика выводов эксперта-криминалиста//Труды ВНИИСЭ. Вып. 4. М., 1972. С. 96.

*(425) См.: Белкин Р.С. Курс криминалистики. Т. 2. § 8.5.

*(426) Философский словарь. М., 1986. С. 322.

*(427) Кондаков Н.И. Логический словарь. С. 273.

*(428) Берзин В.Ф. Логические аспекты оценки заключения эксперта-криминалиста//Криминалистика и судебная экспертиза. Вып. 16. Киев, 1978. С. 20.

*(429) См.: Сергеич П. Искусство речи на суде. Тула, 1998. С. 192 (П. Сергеич - псевдоним выдающегося юриста Петра Сергеевича Пороховщикова).

*(430) Отметим, что теория искусственного интеллекта, естественно, не вдается в тонкости, связанные с различным процессуальным статусом эксперта и специалиста, так что в рамках данного изложения мы здесь тоже не будем различать эти понятия и, говоря об эксперте, имеем в виду не только эксперта, но также и специалиста - короче, сведущее лицо, отвечающее на вопросы, требующие специальных познаний.

*(431) См.: Olson J.R., Rueter H.H. Extracting Expertise from Experts: Methods for Knowledge Acquisition//Expert Systems. 1987. Vol. 4. No. 3; Hart A. Knowledge Acquisition for Expert Systems. L., 1986; Kitto C.M., Boose J.H. Heuristics for Expertise Transfer: An Implementation of a Dialog Manager for Knowledge Acquisition//Int. J. of Man-Machine Studies. 1987. Vol. 26. No. 2; Кук Н. М., Макдональд Д.Э. Формальная методология приобретения и представления знаний//ТИИЭР. 1986. Т. 74. N 10 и др.

*(432) См.: Волков А.М., Ломнев В.С. Классификация способов извлечения опыта экспертов//Изв. АН СССР. Техническая кибернетика. 1989. N 5. С. 34-44.

*(433) См.: Белкин А.Р. Когнитивные и поведенческие особенности человека-эксперта и их учет при построении систем искусственного интеллекта//Программные продукты и системы. 1991. N 2. С. 13-18.

*(434) См.: Белкин А.Р. Когнитивные и поведенческие особенности человека-эксперта и их учет при построении систем искусственного интеллекта. С. 13-18; Belkin A.R. Cognitive & Behavioral Peculiarities of a Human Expert and the Account of those in AI Systems Design//EuroES Review International. 1992. Vol. 6. P. 211-225; Belkin A.R. Cognitive & Behavioral Peculiarities of a Human Expert and the Account of those in AI Systems Design. Part II//EuroES Review International. 1995. Vol. 9. P. 408-418; Belkin A.R., Rossinskaya E.R. KBS for Criminology & Forensic Expertise//Proc. Int. Conf. Kennistechnologie'93. Amsterdam, Centrum voor Kennistechnologie, 1993. P. 147-150.

*(435) См.: Shanteau J. Psychological Characteristics of Expert Decision Makers//Expert Judgments and Expert Systems: Proc. NATO Adv. Res. Workshop, Porto, Aug. 86. Berlin e.a., 1987. P. 288-304.

*(436) См.: Россинская Е.Р. Судебная экспертиза в уголовном, гражданском, арбитражном процессе.

*(437) См., например: Линдсей П., Норман Д. Переработка информации у человека. М., 1974; Белкин А.Р. Новая информационная технология и когнитивные особенности человека//Стандартизация и качество продукции в СССР. Вып. 6. М., 1990. С. 16-20; Белкин А.Р. Учет особенностей человека-эксперта при построении интеллектуальных систем//Труды II Всес. конф. "Искусственный интеллект". Минск, 1990. Т. 3. С. 83-95.

*(438) См.: Миллер Дж. Магическое число 7 + 2. О некоторых пределах нашей способности перерабатывать информацию//Инженерная психология. М., 1964. С. 192-225.

*(439) В свете этого становится вполне понятным тот факт, что при описании и анализе конкретных ситуаций эксперт, столкнувшись с достаточно подробной, детализированной шкалой того или иного параметра, весьма часто явно или неявно пытается перейти от точных его значений к укрупненным, огрубленным градациям, число которых вдоль шкалы оказывается существенно меньшим. Подобные градации, как правило, нечетки, и области, покрываемые ими, могут пересекаться и не иметь выраженных границ. Известным примером такого рода может служить оценка состояния больного экспертом-врачом. При измерении температуры тела используемая шкала может простираться, примерно, от 34 до 41 градуса с шагом 0,1 и содержит, тем самым, около 70 делений, что сильно превосходит возможности человека. В то же время эксперт-врач и не видит особой необходимости в строгом различении температуры, допустим, в 37,1 и 37,2 градуса, объединяя их у укрупненную градацию "субфебрильная температура". Число таких градаций достаточно невелико, и границы между ними достаточно размыты. Возможный подход к их формальному построению приведен в работе Белкин А.Р. Нечеткая классификация на основе лингвистических переменных и задачи дифференциальной диагностики//Вопросы кибернетики. Вып. 151. М., 1989, С. 91-108.

*(440) См.: Белкин А.Р. Новая информационная технология и когнитивные особенности человека//Стандартизация и качество продукции в СССР. Вып. 6. М., 1990. С. 16-20; Белкин А.Р., Левин М.Ш. Принятие решений комбинаторные модели аппроксимации информации. М., 1990.

*(441) См.: Козелецкий Ю. Психологическая теория решений. М., 1979.

*(442) Автор и сам неоднократно повторял его классические эксперименты, неизменно получая весьма сходные результаты.

*(443) Хорошим примером тому может послужить хотя бы почти поголовная уверенность в том, что после, скажем, семи выпадений "герба" подряд уж наконец-то должна же выпасть "решка", или аналогичная, по сути, повальная неявная убежденность в том, что "шесть номеров подряд в "Спортлото" никогда не выиграют, так что надо зачеркивать номера вразброс". Можно привести и другие аналогичные примеры.

*(444) Несколько лучше обстоит дело, когда оценка, даваемая экспертом, складывается из нескольких компонент, каждая из которых имеет фиксированную величину и добавляется при выполнении какого-либо условия (как это практикуется, например, в отдельных видах спорта типа гимнастики или фигурного катания). Эксперт при этом фактически вычисляет свою оценку, решая несколько раз сравнительно более простую задачу: "Имеет ли место данный элемент? Добавить в нарастающий итог соответствующую компоненту". На практике величина добавляемой компоненты может зависеть не только от присутствия данного элемента, но и от степени его проявления; но если степень эта оценивается экспертом в достаточно грубой шкале, его оценка достаточно устойчива и разница не очень существенна.

*(445) С.Н. Паркинсон по этому поводу указывает совершенно определенно, что руководитель организации приглашает бизнес-консультантов с единственной целью: подкрепить их авторитетом уже намеченный план действий (Паркинсон С.Н. Закон Паркинсона. М., 1976).

*(446) Хрестоматийный пример такого рода - экзаменатор, завышающий оценку знакомому абитуриенту с тем, чтобы его приняли в институт. При попытке построения интеллектуальной экзаменующей системы, моделирующей действия такого эксперта, неизбежны определенные затруднения.

*(447) Приведем по этому поводу знаменитый диалог из Ст. Ликока:

- А как насчет диеты, доктор? - спрашивает пациент, совершенно перетрусив. Ответы на этот вопрос бывают весьма разнообразны. Если время уже близится к полудню и доктор зверски голоден, он говорит:

- О, ешьте побольше, не бойтесь. Мясо, овощи, крахмал, клей, цемент, что хотите.

Но если доктор только что позавтракал и еле дышит после пирога с черникой, он твердо заявляет: