Кто несёт ответственность при аварии беспилотных автомобилей?
Первая серьёзная авария с участием беспилотного автомобиля в Австралии произошла в марте этого года. Пешеход получил опасные для жизни травмы при наезде на него Tesla Model 3, которая, по словам водителя, находилась в режиме автопилота.
В США регулятор безопасности дорожного движения расследует серию аварий, когда Tesla на автопилоте врезался в автомобили первого реагирования с мигающими огнями во время остановок движения.
Процессы принятия решений о «самоуправляемых» автомобилях часто непрозрачны и непредсказуемы (даже для их производителей), поэтому может быть трудно определить, кто должен нести ответственность за такие инциденты. Тем не менее, растущая область «объяснимого AI» может помочь дать некоторые ответы.
Беспилотные автомобили – по-прежнему машины, изготовленные и продаваемые производителями. Когда они причиняют вред, мы должны спросить, выполнил ли производитель (или разработчик программного обеспечения) свои обязательства по безопасности.
Современный закон о халатности происходит из знаменитого дела, где женщина обнаружила разлагающийся труп улитки в своей бутылке пива. Производитель был признан небрежным не потому, что он должен был напрямую предсказывать или контролировать поведение улиток, а потому, что его процесс розлива был небезопасным.
По этой логике производители и разработчики систем на основе искусственного интеллекта, таких как беспилотные автомобили, возможно, не смогут предвидеть и контролировать всё, что делает «автономная» система, но они могут принять меры для снижения рисков. Если их практика управления рисками, тестирования, аудита и мониторинга недостаточно хороша, они должны быть привлечены к ответственности.
«Сколько заботы и сколько управления рисками достаточно?» - вопрос непростой. В сложном программном обеспечении невозможно заранее протестировать каждую ошибку. Как разработчики и производители узнают, когда остановиться?
К счастью, суды, регулирующие органы и органы по техническим стандартам имеют опыт установления стандартов ухода и ответственности за рискованную, но полезную деятельность.
Стандарты могут быть очень строгими, как проект постановления Европейского союза по AI, который требует снижения рисков «насколько это возможно» без учёта затрат. Или они могут быть больше похожи на австралийское законодательство о халатности, которое позволяет не так строго управлять менее вероятными или менее серьёзными рисками, или где управление рисками уменьшит общую выгоду от рискованной деятельности.
Как только будет чёткий стандарт рисков, нужен будет способ его обеспечения. Один из подходов может заключаться в том, чтобы дать регулятору полномочия налагать штрафы, например, в делах о конкуренции.
Лица, пострадавшие от систем AI, также должны иметь возможность подать в суд. В случаях, связанных с беспилотными автомобилями, судебные иски против производителей будут особенно важны.
Однако для того, чтобы такие судебные процессы были эффективными, судам необходимо будет подробно понять процессы и технические параметры систем AI.
Производители часто предпочитают не раскрывать такие детали по коммерческим причинам. Но в судах уже есть процедуры, чтобы сбалансировать коммерческие интересы с соответствующим объёмом раскрытия информации для облегчения судебного разбирательства.
Большая проблема может возникнуть, когда сами системы AI являются непрозрачными «чёрными ящиками». Например, функциональность некоторых автомобильных автопилотов опирается на «глубокие нейронные сети», популярный тип системы искусственного интеллекта, в которой даже разработчики никогда не могут быть полностью уверены, как и почему она приходит к данному результату.
Открытие чёрного ящика современных систем искусственного интеллекта находится в центре внимания новой волны учёных в области информатики и гуманитарных наук: так называемого движения за «объяснимый AI».
Цель состоит в том, чтобы помочь разработчикам и конечным пользователям понять, как системы искусственного интеллекта принимают решения, либо путём изменения способа сборки систем, либо путём генерации объяснений после факта.
В классическом примере система искусственного интеллекта ошибочно классифицирует изображение хаски как волка. Метод «объяснимого AI» показывает систему, ориентированную на снег на фоне изображения, а не на животное на переднем плане.
То, как это может быть использовано в судебном процессе, будет зависеть от различных факторов, включая конкретную технологию AI и причинённый вред. Ключевой проблемой будет то, какой доступ потерпевшей стороне предоставляется к системе AI.
Технические эксперты и юристы вместе могут преодолеть непрозрачность AI в судебных делах. Однако этот процесс требует тесного сотрудничества и глубокого технического опыта и, вероятно, будет дорогостоящим.
Обеспечение максимальной безопасности дорог потребует тесного сотрудничества между AI и юридическими экспертами, регулирующими органами, производителями, страховщиками и пользователями.
Подписывайтесь на журнал «Вестник ГЛОНАСС» и навигационный Telegram-канал