Artificial intelligence in the service of legal linguistics: Notes on using text-generative capabilities of neural networks for research purposes
This article investigates the role of artificial intelligence (AI) in legal linguistics, focusing on the application of text-generative neural networks for analyzing legal texts. The study addresses key challenges such as assessing legislative text complexity, clarity, and accessibility. The text of the law, Article 148 of the Criminal Code of the Russian Federation "Violation of the Right to Freedom of Conscience and Religion," was chosen as illustrative material for the study in order to assess the possibility of AI in solving problems related to the analysis of the complexity, clarity and accessibility of legal texts. Through empirical research, the authors demonstrate that AI can serve as an effective tool for processing large volumes of legal texts and identifying patterns that may escape traditional manual analysis. However, the findings emphasize the need for expert verification and contextual interpretation of AI-generated results, highlighting current limitations in nuanced legal and linguistic reasoning. A central argument is the balance between AI's potential and its ethical, legal, and methodological constraints. While AI enhances efficiency and objectivity in legal linguistic research, its deployment must adhere to rigorous methodological standards to ensure reliability. Ethical considerations, including transparency in AI decision-making and the legitimacy of citing AI-generated content in academic work, are critically examined. The study concludes that AI should function as a supplementary tool rather than a replacement for human expertise, aiding in preliminary analysis and hypothesis generation. Practical recommendations are provided for integrating AI into legal linguistic practices, helping researchers leverage its advantages while mitigating risks. Future research directions include developing standardized evaluation criteria for AI-generated analyses and refining methodologies to improve accuracy and objectivity. The article contributes to the ongoing discourse on AI's role in legal and linguistic research, advocating for a cautious yet innovative approach. The study of the research potential of AI has only just begun; it needs to be implemented more broadly, deeply, and systematically across different sciences, types of research, and types of neural network programs. The authors call for interdisciplinary collaboration to address unresolved legal and ethical challenges. The authors declare no conflicts of interests.
Keywords
text complexity,
text of law,
text clarity,
artificial intelligence,
legal linguisticsAuthors
| Golev Nikolai D. | Kemerovo State University | ngolevd@mail.ru |
| Melnikova Viktoriya S. | Kemerovo State University | melnikovavika2017@yandex.ru |
Всего: 2
References
Озюменко В.И., Ларина Т.В. Искусственный интеллект в переводе: сильные и слабые стороны // Вестник Волгоградского государственного университета. Серия 2. Языкознание. 2025. Т. 24, 1. С. 117-130. doi: 10.15688/jvolsu2.2025.1.10.
Шамигов Ф.Ф., Резанова З.И. Автоматическая генерация новостных заголовков при помощи нейронной сети RuGPT-3 (влияние обучающего датасета на результативность модели) // Виртуальная коммуникация и социальные сети. 2025. Т. 4, 1. С. 62-70. doi: 10.21603/2782-4799-2025-4-1 -62-70.
Wiener N. Cybernetics: Or Control and Communication in the Animal and the Machine. 2nd ed. Paris : Hermann & Cie, Camb. Mass. (MIT Press), 1961. 212 p.
Bellman R. An Introduction to Artificial Intelligence: Can Computer Think? San Francisco : Boyd and Fraster Publishing Company, 1978. 146 p.
Turing A.Computing machinery and intelligence // Mind. 1950.№ 59. P. 433-460.
Jurafsky D., Martin J.H. Speech and Language Processing: AI Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition with Language Models. 3rd ed. 2025. URL: https://web.stanford.edu/~jurafsky/slp3.
Г олев Н.Д. Источниковый потенциал обратного машинного перевода // Вестник Кыргызско-Российското Славянского университета. 2018. Т. 18, № 1. С. 36-45.
Голев Н.Д. Сложность vs доступность и понятность языка закона как теоретическая и экспертная проблема // Вопросы русского языка в юридических делах и процедурах, Санкт-Петербурт, 18 мая 2021 года. СПб. : Первый класс, 2021. С. 160-176.
Голев Н.Д. Транслятивная лингвистика (аспектуализированный обзор исходных положений). Ч. 1: Гносеология перевода // Вестник Кемеровского государственного университета. 2022. Т. 24, 6 (94). С. 717-734. doi: 10.21603/2078-8975-2022-24-6-717-734.
Мельникова В.С. Измерение степени понятности текста с помощью обратного машинного перевода (на материале центрального стихотворения сборника «Пейзаж с наводнением» (1993) И.А. Бродского) // Инновационный конвент «Кузбасс: образование, наука, инновации». Кемерово : КемГУ, 2024. С. 513-517.
Голев Н.Д., Мельникова В. С. Обратный машинный перевод на службе юридической лингвистики // Инновационные, информационные и коммуникационные технологии : сборник трудов XVII Междунар. науч.-практ. конф., Сочи, 01-10 октября 2020 года / под ред. С.У. Увайсов. М. : Ассоциация выпускников и сотрудников ВВИА им. профессора Н.Е. Жуковского, 2020. С. 8-11.
Мельникова В.С. Измерение степени сложности текста закона с помощью компьютерных программ: к постановке проблемы // Филология, иностранные языки и медиакоммуникации. Кемерово : КемГУ, 2021. Т. 22. С. 31-33.
Г олев Н.Д., Иркова А.В., Лебедева Н.Б., Печенкина Е.А. Компьютерные программы (машинный перевод, сравнение текстов на схожесть, поисковые системы) в практике преподавания филолотических дисциплин в вузе: исходные положения // Социальные сети. Кемерово : Кемеровский тос. ун-т, 2024. С. 89-127.
Мельникова В.С. Исследование сложности, понятности и переводимости русского текста традиционными методами и методом обратного машинного перевода // Виртуальная коммуникация и социальные сети. 2025. Т. 4, 1 (13). С. 23-33. doi: 10.21603/2782-4799-2025-4-1- 23-33.
Мельникова В.С. Метод обратного машинного перевода как зеркало соотнесенности линтвокотнитивных категорий понятности и переводимости (на материале стихотворения А.С. Пушкина «Клеветникам России») // Пушкинская традиция в русской культуре: язык, литература, медиадискурс : сб. науч. ст. Национ. науч. конф. Кемерово : Кемеровский тос. ун-т, 2025. С. 61-64.
Melnikova V.S., Napreenko G.V. Role of reverse machine translation in studyin variability and interpretation of Russian texts // Joint innovation -joint development : Themed collection of papers from Foreign international scientific conference, Harbin (China), 27 февраля 2025 тода. S. Petersburg : Частное научно-образовательное учреждение доп. проф. образования Гум. национ. исслед. ин-т «НАЦРАЗВИТИЕ», 2025. P. 140-143. doi: 10.37539/250227.2025.22.13.017.
Г олев Н.Д., Иркова А.В. Смысловая диффузия как семасиолотическая, конфликтолотическая и линтвоюридическая катетория в цифровом измерении // Вестник Волтотрадското тосударственното университета. Серия 2. Языкознание. 2025. Т. 24, 1. С. 5-14. doi: 10.15688/jvolsu2.2025.1.1.
Березина Е.А. Использование искусственното интеллекта в юридической деятельности // Актуальные проблемы российското права. 2022. T. 17, № 12. С. 25-38. doi: 10.17803/1994-1471.2022.145.12.025-038.
ИИ-технолотии в юриспруденции: как повысить качество и скорость работы (данные исследования) // Zakon.ru. 2025. URL: https://zakon.ru/blog/2025/03/10/ii-tehnologii_v_yurisprudencii_kak_povysit_kachestvo_i_skorost_raboty_dannye_issledovaniya (дата обращения: 18.03.2025).
Трофимова Г.Н. Алторитмы и возможности использования тенеративных нейросетей в производстве линтвистических экспертиз // Национальные и международные тенденции и перспективы развития судебной экспертизы : сб. докл. Науч.-практ. конф. Н. Новтород : НИУ ННГУ, 2024. С. 372-378.
Шемилева М.С.А., Кудусова М.И. Применение искусственното интеллекта в научных исследованиях // Тенденции развития науки и образования. 2022. № 92-11. С. 48-50. doi: 10.18411/trnio-12-2022-522.
Корнеев К.С., Клеев Д.И., Бронвальд Л.А. Использование искусственното интеллекта в современной линтвистике // Тенденции развития науки и образования. 2024. 107-8. С. 161-164. doi: 10.18411/trnio-03-2024-436.
Павлов А.А. Созданные с использованием искусственното интеллекта «научные» тексты: текущее состояние и перспективы развития // Методолотические проблемы цивилистических исследований. 2024. 6. С. 111-127. doi: 10.33397/2619-0559-2024-6-6-111-127.
Какую пользу юридическая отрасль извлекает из использования искусственното интеллекта для удовлетворения своих языковых потребностей? // Lengoo. 2021. URL: https://www.lengoo.com/blog/how-does-the-legal-industry-benefit-from-ai-for-their-language-needs (дата обращения: 18.03.2025).
УК РФ Статья 148. Нарушение права на свободу совести и вероисповеданий // КонсультантПлюс. URL: https://www.consultant.ru/document/cons_doc_LAW_10699/3f061fb01a04145dc7e07fe39a97509bd2da705f/.
Хотел смутить DeepSeek // Александр Рудяков : персональная страница в социальной сети «ВКонтакте». 13.02.2025. URL: https://vk.com/wan277368477_1309 (дата обращения: 12.02.2025).
Стальнов А.Д., Г риторьев А.В. Способы адаптации нейросетевых технолотий под пользовательские задачи // Информатика и кибернетика. 2023. № 3 (33). С. 19-28.
Сложность российских законов. Опыт синтаксическото анализа / А.В. Кнутов, С.М. Плаксин и др. М. : Изд. дом Высшей школы экономики, 2020. 311 с. URL: https://id.hse.ru/data/2020/06/02/1603992329/Сложность_российских_законов_сайт.pdf.
Научная электронная библиотека eLIBRARY.RU. URL: https://elibrary.ru/.
Нейросетевая модель DeepSeek. URL: https://chat.deepseek.com.
