احراز سوءنیت کیفری در عصر هوش مصنوعی و ادله دیجیتال؛ از استنباط قصد مجرمانه از قرائن عینی تا چالش DEEPFAE و خطای استدلال قضایی با مطالعه تطبیقی حقوق ایران، اتحادیه اروپا و آمریکا
فایل این در 16 صفحه با فرمت PDF قابل دریافت می باشد
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
چکیده :
سوءنیت یا عنصر روانی جرم، یکی از دشوارترین موضوعات اثباتی در حقوق کیفری است؛ زیرا قصد، علم، آگاهی و اراده مجرمانه از امور درونی و ذهنی بوده و اصولا به طور مستقیم قابل مشاهده نیستند. ازاین رو، مرجع قضایی ناگزیر است در بسیاری از موارد، وضعیت ذهنی مرتکب را از طریق قرائن و امارات عینی، رفتارهای مقدماتی و هم زمان با جرم، روابط پیشین و پسین، انگیزه، اوضاع و احوال ارتکاب، اظهارات متهم و سایر ادله استنباط کند. این مسئله با گسترش فناوری های دیجیتال و ظهور هوش مصنوعی مولد، پیچیدگی بیشتری یافته است؛ زیرا داده های دیجیتال از یک سو امکان بازسازی دقیق تر وضعیت ذهنی مرتکب را فراهم می کنند و از سوی دیگر، به دلیل قابلیت بالای جعل، دستکاری و تولید مصنوعی، می توانند خود منشا خطای قضایی شوند. پژوهش حاضر با روش توصیفی تحلیلی و مطالعه تطبیقی، معیارهای احراز سوءنیت کیفری در حقوق ایران، اتحادیه اروپا و آمریکا را بررسی می کند. در حقوق ایران، ماده 144 قانون مجازات اسلامی مصوب 1392 احراز علم و قصد مرتکب را در جرایم عمدی ضروری دانسته و ماده 211 همان قانون، علم قاضی را یقین حاصل از مستندات بین معرفی کرده است. از سوی دیگر، قانون تجارت الکترونیکی مصوب 1382 با پذیرش داده پیام به عنوان دلیل و تعیین ارزش اثباتی آن بر اساس عوامل اطمینان، ظرفیت حقوقی لازم برای بهره گیری از ادله دیجیتال را ایجاد کرده است.در اتحادیه اروپا، اصل برائت و الزام به اثبات تقصیر توسط مقام تعقیب، در کنار مقررات جدید قانون هوش مصنوعی اتحادیه اروپا، چارچوب مهمی برای مواجهه با ادله تولیدشده یا دستکاری شده توسط هوش مصنوعی فراهم کرده است. قانون هوش مصنوعی اتحادیه اروپا، به ویژه ماده 50، برای محتوای صوتی، تصویری و ویدئویی موسوم به DEEPFAKE الزامات شفافیت و قابلیت تشخیص منشا مصنوعی پیش بینی کرده است. در حقوق آمریکا نیز قواعد احراز اصالت ادله، قابلیت اعتماد شهادت کارشناسی و نقش قاضی به عنوان دروازه بان ادله تخصصی، امکان تحلیل پیشرفته تری از اعتبار ادله دیجیتال را فراهم می سازد. بر اساس RULE 901، ارائه کننده دلیل باید مبنایی کافی برای احراز اینکه دلیل همان چیزی است که ادعا می شود ارائه کند و RULE 702 نیز قابلیت اعتماد روش شناسی کارشناسی را مورد توجه قرار می دهد. نتیجه پژوهش نشان می دهد که در عصر هوش مصنوعی، احراز سوءنیت نباید بر یک قرینه منفرد، به ویژه یک داده دیجیتال فاقد احراز اصالت، مبتنی شود؛ بلکه باید از الگوی «استنباط چندلایه و هم افزا» استفاده کرد که در آن اصالت، انتساب، تمامیت، زمینه، دلالت و سازگاری قرینه با سایر ادله به صورت مستقل ارزیابی شود. همچنین پیشنهاد می شود دادگاه ها میان «اصالت داده» و «دلالت داده بر وضعیت ذهنی مرتکب» تفکیک کنند و در مواجهه با DEEPFAKE، پیش از استنباط سوءنیت، مرحله مستقلی برای احراز منشا، تمامیت و قابلیت اعتماد محتوا در نظر بگیرند.
کلیدواژه ها:
نویسندگان
علی جمشیدی
استاد دانشگاه دخترانه فاطمیه شیراز
مراجع و منابع این :
لیست زیر مراجع و منابع استفاده شده در این را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود لینک شده اند :