В статье показано как можно интегрировать искусственный интеллект при проведении занятий с будущими юристами через реализацию метода Сократа в судебно-процессуальном диалоге. Дан анализ последних исследований и публикаций, касающихся практико-ориентированного обучения для студентов-юристов с позиции использования сократовского метода. Рассмотрена методика создания промтов (запросов) в виде набора инструкций, которые пользователь передает нейросети для выполнения задач юридической направленности. Приведены примеры реализации на практике этого метода на основе образцов судебных диалогов, полученных системами искусственного интеллекта. В обучающих целях сделано сопоставление машинных образцов сократовских диалогов судебных разбирательств с примерами, взятыми из литературы и с эталонами, полученными в комментариях авторитетных юристов. Сделан вывод, что Сократовский метод с интеграцией искусственного интеллекта, позволяет не только моделировать реальные судебно-процессуальные ситуации, но и способствует развитию критического мышления студентов в системе правильного выстраивания шагов логических рассуждений, формировать у них навыки правоприменительной аргументации и анализа.
В статье рассматриваются философские основания и ограничения рациональности искусственного интеллекта в контексте принятия решений. Автор анализирует различие между эпистемической и практической рациональностью, акцентируя внимание на последней как основе работы рациональных агентов. Центральное место занимает концепция ограниченной рациональности, согласно которой принятие решений осуществляется в условиях неполной информации, когнитивных ограничений и ограниченных вычислительных ресурсов. Обосновано, что идеальная рациональность недостижима, а наиболее адекватной моделью для ИИ является ограниченная рациональность. Рассмотрены четыре типа рациональности: идеальная, вычислительная, ограниченная и ограниченная оптимальность, с выводом о практической применимости именно ограниченной рациональности в разработке интеллектуальных систем. Подчеркивается важность учета этих ограничений в создании адаптивных алгоритмов и концепции « человека в контуре » для повышения надежности решений.